基于MODIS的四川省干旱遥感监测不同方法的比较

摘要：针对四川省干旱的特点，以中分辨率成像光谱仪（MODIS）数据为基础，选择温度植旱指数法（TVDI）、植被供水指数法（VSWI）、温差植旱指数法（DTVDI）三种算法进行比较。首先对数据进行预处理，获取指数信息和地表温度信息，然后利用获取的信息进行分析与计算，最后将这三种方法的干旱指标与实测土壤含水量进行线性相关分析，得到最适合四川省的干旱遥感监测算法。结果表明，TVDI的效果最好，DTVDI和VSWI次之。

关键词：干旱；MODIS；温度植旱指数法；植被供水指数法；温差植旱指数法

中图分类号：S423；S127；TP751.1；P208 文献标识码：A 文章编号：0439-8114（2015）09-2097-05

四川地处青藏高原至长江中下游平原的过渡地带，容易受大气环流季节转换的影响。近50年来，四川干旱频繁发生，干旱灾情严重，分布范围广，发生时间长，造成严重的经济损失[1，2]。因此，对干旱进行实时、客观的监测和评估并且掌握干旱的发展变化趋势，能够快速地了解四川干旱灾情的发展，并及时采取防治措施，预防灾害的扩大，减少经济损失。

人们历来重视干旱遥感监测，并研究出了各种干旱监测方法，这些算法具有不同的优缺点[3-5]。针对四川省干旱的特点，研究不同的监测方法，并进行比较，找出适合四川省的干旱监测算法，对于四川省干旱的预测和预防具有十分重要的意义[6，7]。

1 研究方法

本研究利用中分辨率成像光谱仪（MODIS）数据进行四川省干旱遥感监测不同方法的比较研究，通过对数据进行预处理，获取指数信息和地表温度信息，然后利用获取的信息来分析与计算各种方法，将计算得到的各种方法的值与实测数据作线性相关分析，得到最适合的干旱监测方法。具体包括以下3个方面：

1）研究遥感干旱监测的各种方法，选出其中的3种方法进行比较研究。

2）利用从MODIS数据中获得的植被指数数据和地表温度数据，分析与计算得到各种方法的数据，然后与实测数据作线性相关分析。

3）3种方法分别与实测数据作线性相关，分析其相关性关系，找出相关性最好的方法，这个方法即为最适合四川干旱监测的方法。

2 干旱监测数据源选择与数据预处理

2.1 数据源选择

数据下载自地理空间数据云的MODIS产品数据集中的MOD11A2、MOD13Q1数据，为2006年1月下旬和7月下旬的地温和植被指数产品，MOD11A2为8 d合成1 km分辨率的L3地温数据产品，通过合成时间内晴空天气的陆地表面温度计算平均值得到，然后利用连续两期8 d合成的地温数据合成出16 d地温产品。MOD13Q1为16 d合成250 m分辨率的L3植被数据产品。实测数据来自四川省各个气象站点。

2.2 数据预处理

数据预处理是为了使用统一标准去处理数据，使产生的数据具有相同的质量，从而保证一段时间合成的数据具有可比性。数据预处理包括：图幅拼接、投影转换、重采样、裁剪和栅格计算。裁剪后得到的图像，归一化植被指数（NDVI）不在-1～1范围内，所得到的温度也不是开氏度。因此将裁剪后的图像进行栅格计算时，NDVI应除以10 000，温度应乘以0.02。

3 干旱监测不同方法的比较研究

3.1 主要的干旱监测算法

干旱的定义没有唯一的标准，但是无论使用什么方法定义，其目的都是和水分、植被有关。土壤水分和植被生长状况就是干旱监测的一种。对于裸地来说，土壤含水量的监测就是干旱遥感监测；对于植被覆盖区域来说，干旱遥感主要监测的是植被指数和地表温度的变化。

干旱遥感监测方法有很多，常用的有热惯量法、蒸散法、植被指数法等。其中，植被指数法包括距平植被指数法、条件植被指数法、植被指数差异法等[8]。同时考虑到温度对干旱的影响，还发展了温度与植被指数相结合的干旱监测方法，主要有温度植旱指数法、植被供水指数法、温差植旱指数法等。

3.2 干旱监测方法的研究

3.2.1 温度植旱指数法 温度植旱指数法（TVDI）是建立在水分对植物蒸腾作用的影响上，水分的多寡限制了蒸腾作用的强度，而蒸腾作用的强度直接影响到植被冠层温度，土壤水分越缺乏，相应地植被冠层温度越高。

研究发现陆地表面温度与植被指数呈负相关关系[9]。Carlson等[10]发现在研究区域内，如果土壤水分和植被覆盖度变化很大时，使用遥感资料得到的温度和植被指数构成的散点图呈三角形。还有人发现散点图呈梯形，这就是NDVI-Ts空间。干湿边的提取就是通过建立NDVI-Ts空间获得的。干湿边方程为：

Tsmin=a1+b1・NDVI （1）

Tsmax=a2+b2・NDVI （2）

式中，Tsmin为在相应NDVI下的最小温度值，Tsmax为最大温度值，b1、b2和a1、a2为线性关系的回归系数。即为Tsmin和Tsmax分别和NDVI构成线性关系的斜率和截距。

再通过干湿边方程建立温度植被指数：

TVDI=■（3）

1）干湿边的提取：

干湿边的提取需要建立NDVI-Ts空间。NDVI-Ts空间的建立，需要使NDVI与Ts一一对应。由于NDVI是一个连续的区间，可以采用等间距方法在一定精度范围内获取不同NDVI取值条件下的Ts对应值，对于NDVI的每一个取值区间，采用区间的中心值作为NDVI值，统计该区间范围内Ts的均值作为对应值。

利用GIS空间分析的分区统计功能，将NDVI分成100类，分类方式为等间距方式，分区统计的统计方法为求取均值，得到与NDVI相对应的Tsmin和Tsmax，在Excel中建立干湿边方程。

2006年1月：

干边拟合方程

Tsmax=-9.73x+311.82，R2=0.575 （4）

湿边拟合方程

Tsmin=12.854x+262.75，R2=0.685 6 （5）

2006年7月：

干边拟合方程

Tsmax=-11.269x+314.991，R2=0.529 4 （6）

湿边拟合方程

Tsmin=18.801x+268.14，R2=0.709 （7）

2）计算结果：

利用拟合得到的干湿边获取即可得到干湿边拟合方程的系数a1、b1、a2、b2。将a1、b1、a2、b2带入到TVDI计算公式之中，即可求得TVDI。结果见图1和图2。

3.2.2 植被供水指数法 植被供水指数法（VSWI）的依据是当作物供水正常时，植被在一定的生长期内，植被指数和温度会在一定的范围内，而当供水不足时，植被指数会下降，而温度反而会升高[7]。而当温度升高时，植被没有足够的水分蒸发，就会关闭一定量的气孔，这样又会造成温度的升高。因此，干旱越严重，温度就会越高，而植被供水指数反而会越低。植被供水指数越低，说明干旱就越严重。其公式为：

VSWI=NDVI/Ts （8）

其中植被供水指数法中地温数据为1 km分辨率的8 d合成L3产品，采用合成期内晴空天气的陆地表面温度的平均值计算得到，植被指数为250 m分辨率的16 d合成产品重采样为1 km分辨率的植被数据。结果见图3和图4。

3.2.3 温差植旱指数法 温差植旱指数法（DTVDI）的依据是当水分一定时，植被覆盖度增加，白天的温度缓慢地升高，晚上的温度缓慢地下降，昼夜温差比较小；而当植被覆盖度一定时，水分增加，白天蒸腾得比较快，温度升高得比较缓慢，晚上植被基本上停止了蒸腾作用，温度缓慢地降低，昼夜温差也比较小。因此当覆盖度一定时，水分减少，昼夜温差就会变大，干旱情况也会变严重，昼夜温差越大，干旱越严重。由昼夜温差Ts代替Ts建立NDVI-ΔTs空间。由NDVI-ΔTs空间提取的干湿边方程为：

ΔTsmin=a1+b1・NDVI （9）

ΔTsmax=a2+b2・NDVI （10）

式中ΔTsmin为在相应NDVI下的最小昼夜温差，ΔTsmax为最大昼夜温差，b1、b2和a1、a2为回归系数，即ΔTsmin、ΔTsmax分别和NDVI构成线性关系的斜率和截距。

由此计算的温差植旱指数

DTVDI=■ （11）

2006年1月：

干边拟合方程

ΔTsmax=-16.172x+33.483，R2=0.475 6 （12）

湿边拟合方程

ΔTsmin=3.199 7x+1.05，R2=0.267 5 （13）

2006年7月：

干边拟合方程

ΔTsmax=-34.335x+274.43，R2=0.665 2（14）

湿边拟合方程

ΔTsmin=19.702x+125.44，R2=0.626 2 （15）

利用拟合得到的干湿边获取即可得到干湿边拟合方程的系数a1、b1、a2、b2，将a1、b1、a2、b2代入到DTVDI计算公式之中，即可求得DTVDI。结果如图5和图6所示。

3.3 干旱监测不同方法的比较

分别将这三个干旱指标与实测土壤含水量进行线性相关分析。三个干旱指标与实测土壤含水量线性相关的结果见图7和图8。

结果表明，由NDVI-Ts空间计算的TVDI与实测土壤含水量的相关性最好，干旱指标的评价最合理；由NDVI-ΔTs空间计算的DTVDI和VSWI与土壤含水量的相关性次之，在干旱监测方面具有一定的价值。造成这种结果的原因可能是四川地形复杂，陆地表面接收辐射的强度不一样，还有可能是研究区范围的大小、气象因素等共同影响的结果。不同地区接收辐射量的不同，夜晚散射的不同，造成昼夜温差大，进而影响了干旱的监测和评估。而植被供水指数法由于其本身的局限性，造成其评估结果不准确。如果研究区域的地形不复杂，气候条件变化也不大，则DTVDI和VSWI可能也可以用于干旱评价。

4 小结与讨论

利用下载的MODIS数据计算植被供水指数、温差植旱指数和温度植旱指数，并利用2006年实测土壤含水量对3种方法的干旱指标进行监测和评价。主要得到下面的结论：

1）由NDVI-Ts和NDVI-ΔTs空间的干湿边提取发现，当NDVI达到某个值后，Ts和ΔTs的最小值开始增加，最大值开始减小。最大值与最小值之间的差值越来越小。

2）植被供水指数法在夏季与土壤湿度的相关性较冬季好，主要原因是植被供水指数法适用于植被蒸腾作用较强的季节。

（3）由NDVI-Ts空间计算的TVDI与实测土壤含水量的相关性最好，干旱指标的评价最合理，由NDVI-ΔTs空间计算的DTVDI与土壤含水量的相关性次之，在干旱监测方面也具有一定的价值。

（4）由植被供水指数法计算得到的VSWI与实测含水量的相关性最差，但是其对于干旱监测还是具有某些价值的。

本研究只选择了3种方法，其他方法还待研究验证。研究的局限性还有以下几个方面：局限于2个季节和3种方法，数据量不够完整，研究范围不够大。因此，在后续工作中需要进行深入的研究。

参考文献：

[1] 张顺谦，卿清涛，侯美亭，等.基于温度植旱指数的四川伏旱遥感监测与影响评估[J].农业工程学报，2007，23（9）：141-146.

[2] 全鼎余，赵坤荣，杨大勇，等.环境监测信息共享与时空表达研究[J].计算机测量与控制，2011，19（3）：539-542.

[3] 卢 远，华 璀，韦燕飞.利用modis数据进行旱情动态监测研究[J]. 地理与地理信息科学，2007，23（3）：55-58.

[4] 齐述华，李贵才，王长耀，等.利用MODIS数据产品进行全国干旱监测的研究[J].水科学进展，2005，16（1）：56-61.

[5] 张 芳.基于MODIS的陕西省干旱遥感监测研究[D].西安：陕西师范大学，2008.

[6] 刘良明.基于EOSMODIS数据的遥感干旱预警模型研究[D].武汉：武汉大学，2004.

[7] 董小曼. 基于MODIS数据的章丘市土壤含水量遥感反演研究[D].济南：山东师范大学，2011.

[8] 胡荣辰，朱 宝，孙佳丽.干旱遥感监测中不同指数方法的比较研究[J].安徽农业科学，2009，37（17）：8289-8291，8297.

[9] 郭 虎，王 瑛，王 芳.旱灾灾情监测中的遥感应用综述[J]. 遥感技术与应用，2008，23（1）：111-116.

[10] CARLSON T N，GILLIES R R， PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews，1994，9（1）：161-173.