基于TVDI 與熒光的呼倫貝爾市干旱時(shí)空動(dòng)態(tài)監(jiān)測研究

高 雅 ，高懋芳 ，王曉飛 ，黃 碩，李石磊

（1. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京100081；2. 黑龍江大學(xué)電子工程學(xué)院，哈爾濱150080）

0 引言

干旱是由于水分收支或供需不平衡而形成的水分短缺現(xiàn)象，并且缺水在一定范圍內(nèi)引起或?qū)⒁鹉撤N損失［1］。全球氣候變化背景下，干旱已經(jīng)成為困擾經(jīng)濟(jì)社會(huì)發(fā)展的一個(gè)重要問題［2］。隨著經(jīng)濟(jì)的增長、人口不斷增加、水資源的短缺，我國干旱情況也逐年嚴(yán)重，干旱問題已經(jīng)成為我國甚至世界范圍內(nèi)關(guān)注的重要自然災(zāi)害［3］。在各種自然災(zāi)害中，旱災(zāi)造成經(jīng)濟(jì)損失的可能性最大，我國干旱災(zāi)害頻繁發(fā)生，給農(nóng)業(yè)以及經(jīng)濟(jì)發(fā)展帶來巨大的損失［4-5］。干旱災(zāi)害在各類災(zāi)害中，是影響最為復(fù)雜、監(jiān)測以及預(yù)警最為困難的災(zāi)害之一［6］，有效進(jìn)行干旱監(jiān)測、預(yù)警對(duì)于抗旱防旱工作有著十分重要的意義。

國內(nèi)外眾多學(xué)者在干旱監(jiān)測上已有一定的研究，干旱監(jiān)測的方法有很多，不同地區(qū)有不同適用的干旱監(jiān)測方法。如Jakson［7］等根據(jù)熱量平衡原理，考慮作物最小冠層阻力、冠層溫度、水汽壓差和冠層凈輻射，提出了作物缺水指數(shù)（CWSI）；Kogan［8］在植被狀態(tài)指數(shù)（VCI）的基礎(chǔ)上，發(fā)展出溫度狀態(tài)指數(shù)（TCI）；Sandholt［9］提出了溫度植被指數(shù)（TVDI），主要用來檢測土壤表層含水量；Kimura［10］對(duì)TVDI 進(jìn)行改進(jìn)提出了溫度植被干旱指數(shù)（MTVDI）；Price［11］等利用植被指數(shù)和地表溫度計(jì)算區(qū)域蒸散量，用于監(jiān)測干旱狀況；楊彥榮等利用植被供水指數(shù)（VSWI）作為干旱研究的有效指標(biāo)，對(duì)研究區(qū)進(jìn)行土壤濕度反演［12］；王鵬新等提出條件植被指數(shù)概念，研究表明條件植被溫度指數(shù)能較好地監(jiān)測研究區(qū)的相對(duì)干旱程度，并可用于研究干旱程度的空間變化特征［13］。該研究使用基于遙感數(shù)據(jù)的溫度植被指數(shù)（TVDI），建立特征空間，擬合研究區(qū)的干濕邊方程，進(jìn)行干旱等級(jí)劃分，同時(shí)引入熒光參數(shù)，結(jié)合干旱監(jiān)測模型與熒光數(shù)據(jù)進(jìn)一步對(duì)研究區(qū)干旱狀況進(jìn)行分析，有效地對(duì)研究區(qū)進(jìn)行干旱監(jiān)測，從而減少干旱所帶來的影響。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)介紹

呼倫貝爾市位于內(nèi)蒙古東北部，地理位置 47°05′N～53°20′N，115°31′E～126°04′E。該地區(qū)面積25.3 萬 km2［14］。大興安嶺山地以南北走向橫穿呼倫貝爾市中部，大部分地區(qū)屬于中溫帶大陸性季風(fēng)氣候，部分北部大興安嶺地區(qū)屬于寒溫帶大陸季風(fēng)氣候［15］。該區(qū)屬于半干旱氣候區(qū)，年平均降水量僅有200～300 mm，冬季寒冷漫長，夏季溫涼短促，春季干燥風(fēng)大，秋季氣溫驟降，霜凍早，氣象災(zāi)害頻發(fā)［16］。

1.2 數(shù)據(jù)介紹

MODIS（Moderate-resolution Imaging Spectroradiometer）是中分辨率成像光譜儀，具有較高時(shí)間分辨率、較高光譜分辨率、適中的空間分辨率等特點(diǎn)，而且多波段數(shù)據(jù)可以同時(shí)提供地表溫度、植被指數(shù)、大氣水汽、氣溶膠等信息，因此被廣泛應(yīng)用于旱情監(jiān)測中。文章選用2017—2018 年呼倫貝市的8 d 合成地表溫度產(chǎn)品MOD11A2 和16 d 合成植被指數(shù)產(chǎn)品MOD13A2，空間分辨率為1 km，數(shù)據(jù)從https：//ladsweb.modaps.eosdis.nasa.gov/網(wǎng)站下載［17-18］。

1.2.1 地表溫度

地表溫度（Land Surface Temperature，LST）是研究地表和大氣之間物質(zhì)交換和能量交換的重要參數(shù)，LST 包含植被冠層溫度和裸地地表溫度等。植被冠層溫度升高是植物受到水分脅迫和干旱發(fā)生的最初指示器，這一變化甚至在植物為綠色時(shí)就可能發(fā)生。MODIS 數(shù)據(jù)一共有8 個(gè)熱紅外波段，其中第31 波段和32 波段可以用來反演地表溫度。在過去的幾十年中，利用衛(wèi)星熱紅外數(shù)據(jù)進(jìn)行地表溫度反演的方法已經(jīng)有很多，大致分為5 類：單通道算法、多通道算法、多時(shí)相算法、多角度算法以及高光譜算法［19-21］。該文使用的是MOD11A2 地表溫度數(shù)據(jù)，該產(chǎn)品數(shù)據(jù)是8 d 合成的、空間分辨率為1 km，包含了白天地表溫度、夜間地表溫度、31 和32 通道發(fā)射率等資料［22］，MOD11A2 的地表溫度產(chǎn)品是根據(jù)劈窗算法得到的。

圖1 研究區(qū)示意圖Fig.1 Schematic diagram of the study area

1.2.2 植被指數(shù)

植被指數(shù)因能夠很好地反應(yīng)綠色植被的長勢(shì)、生物量和覆蓋度而得到廣泛應(yīng)用，其中最常見的是歸一化植被指數(shù)（NDVI），定義為：

式（1）中，ρNIR是近紅外光波段地表反射率，ρRED是紅光波段地表反射率，分別對(duì)應(yīng)MODIS 的第2 通道近紅外（841～876 nm）和第1 通道可見光紅光（620～670 nm）。

MODIS 第1 通道所含的紅光可反映植被的吸收特性，第2 通道近紅外可反映植被的反射特性，用這兩個(gè)波段可計(jì)算NDVI，進(jìn)而提取作物長勢(shì)信息。當(dāng)植被葉綠素含量增高時(shí)，其在紅光波段的反射值減小，而在近紅外波段的反射值增大，因而NDVI 值也增大；當(dāng)植被受旱導(dǎo)致水分減少時(shí)，葉綠素含量相應(yīng)減小，其在紅光波段的反射值增大，而在近紅外波段的反射值減小，NDVI 的值也相應(yīng)減小。根據(jù)綠色植被的上述光譜特性，許多學(xué)者提出了基于植被指數(shù)判別農(nóng)作物生長狀況和旱情等級(jí)的指標(biāo)［23-24］。

1.2.3 GOME-2 L2 熒光產(chǎn)品

研究中使用的太陽誘導(dǎo)葉綠素?zé)晒鈹?shù)據(jù)是搭載在歐洲MetOp-A 衛(wèi)星的GOME-2 傳感器在740 nm 附近探測到的遠(yuǎn)紅光熒光產(chǎn)品。日本的溫室氣體觀測衛(wèi)星GOSAT 搭載的TANSO-FTS 傳感器有效覆蓋光譜范圍755～775 nm。相比較GOSAT 的TANSO-FTS 傳感器，GOME-2 有較好的時(shí)間和空間分辨率，因此該文選擇GOME-2 的熒光產(chǎn)品。該產(chǎn)品是基于輻射傳輸模型將光譜信號(hào)分解成大氣吸收、地表反射和熒光3 個(gè)部分，并利用主成分分析方法計(jì)算大氣吸收線處的特征得到的熒光產(chǎn)品。為了盡可能深入了解熒光與TVDI 之間的關(guān)系，該研究使用日值SIF V27 二級(jí)產(chǎn)品，該產(chǎn)品在V26 產(chǎn)品基礎(chǔ)上做了進(jìn)一步改進(jìn)，對(duì)產(chǎn)品偏差做了修正，同時(shí)提供了一個(gè)額外的數(shù)據(jù)質(zhì)量層用于對(duì)不確定性較大或云污染觀測點(diǎn)標(biāo)記，產(chǎn)品星下觀測點(diǎn)像元分辨率約為40 km×40 km。該研究使用2017—2018 年期間的 GOME-2 熒光 V27 產(chǎn)品，熒光單位是 mW/m2/sr/nm［25-26］。

2 研究方法

2.1 干旱指數(shù)計(jì)算

研究發(fā)現(xiàn)，若地表沒有被植被完全覆蓋，將植被指數(shù)或者地表溫度作為干旱監(jiān)測的單一指標(biāo)，土壤或植被會(huì)對(duì)短暫的水分脅迫反應(yīng)相對(duì)遲緩，不能及時(shí)有效獲取土壤濕度。研究發(fā)現(xiàn)地表溫度和植被指數(shù)呈明顯負(fù)相關(guān)關(guān)系，Sandholt 等［9］將地表溫度和植被指數(shù)結(jié)合在一起建立Ts-NDVI 特征空間，提出了溫度植被干旱指數(shù)，計(jì)算公式如下：

式（2）～（5）中，TVDI 代表溫度植被指數(shù)，Ts代表任意像元的地表溫度；Tsmin和Tsmax分別代表最低地表溫度和最高地表溫度。Tsmin和Tsmax可以通過線性回歸方程提取干邊和濕邊計(jì)算獲取，a1，b1，a2，b2分別為干濕邊擬合系數(shù)。Price 等人研究發(fā)現(xiàn)，在研究區(qū)的植被覆蓋和土壤濕度變化范圍較大時(shí)，則遙感資料獲得的NDVI 和Ts數(shù)據(jù)所構(gòu)成的散點(diǎn)圖呈梯形分布。如圖2 所示。

圖2 TVDI 原理示意圖Fig.2 Schematic diagram of TVDI

TVDI 值的變化范圍為0～1，TVDI 值越大，其值離干邊越接近，表明研究區(qū)干旱程度越嚴(yán)重；TVDI 值越小，表明研究區(qū)干旱程度越輕，該地區(qū)比較濕潤。在裸地以及植被完全覆蓋區(qū)，TVDI 分別受到地表溫度和植被覆蓋率的影響，而在植被稀疏地區(qū)的TVDI 值同時(shí)受到土壤和植被的影響。TVDI 值越大，土壤含水量越低，反之土壤含水量越高。

TVDI 的提出有效避免了只選用植被指數(shù)或地表溫度作為干旱監(jiān)測指標(biāo)對(duì)土壤水分含水量進(jìn)行監(jiān)測的不足，大大降低了地表植被覆蓋程度對(duì)干旱監(jiān)測效果的影響，提高了遙感數(shù)據(jù)監(jiān)測的精確性并且擴(kuò)大了其適用范圍。

2.2 干旱等級(jí)劃分

干旱等級(jí)劃分是干旱嚴(yán)重程度的一種度量。由于各地區(qū)氣候差異比較大，所以采用不同的劃分等級(jí)以滿足各地氣象災(zāi)害的需求。該文采用的是齊述華［27］的干旱等級(jí)劃分方法，齊述華利用TVDI 對(duì)全國旱情進(jìn)行干旱等級(jí)劃分，劃分為5 個(gè)等級(jí)：當(dāng)0＜TVDI＜0.2 時(shí)，研究區(qū)為濕潤；當(dāng) 0.2＜TVDI＜0.4 時(shí)，研究區(qū)為正常；當(dāng) 0.4＜TVDI＜0.6時(shí)，研究區(qū)為輕旱；當(dāng)0.6＜TVDI＜0.8 時(shí)，研究區(qū)為中旱；當(dāng)0.8＜TVDI＜1 時(shí)，研究區(qū)為重旱。

2.3 熒光數(shù)據(jù)處理

干旱是抑制植物光合作用的最主要環(huán)境因子之一，干旱脅迫能夠?qū)е鹿夂掀鞴俚膿p傷，從而抑制植物的光合作用。葉綠素?zé)晒鈪?shù)作為植物理想的抗逆性指標(biāo)，已在作物的各種抗性生理上得到廣泛應(yīng)用。目前，對(duì)植物體內(nèi)葉綠素?zé)晒鈩?dòng)力學(xué)的研究已成為熱點(diǎn)，并在強(qiáng)光、高溫、低溫、干旱等逆境生理研究中得到廣泛應(yīng)用，用于了解植物光合作用，監(jiān)測干旱和估算初級(jí)生產(chǎn)力總量。所以選擇熒光這一參數(shù)，是由于熒光遙感對(duì)作物水分脅迫有一定敏感性，建立熒光遙感對(duì)農(nóng)業(yè)干旱發(fā)展進(jìn)程的定量評(píng)估模型，為農(nóng)業(yè)干旱早期診斷開辟新的解決思路。

該文選取的GOME-2 L2 級(jí)SIF_740 產(chǎn)品數(shù)據(jù)，基于輻射傳輸模型對(duì)光譜信號(hào)分解為大氣吸收、地表反射和熒光3 部分。該文需要NDVI 與SIF_740 進(jìn)行對(duì)比分析，所以準(zhǔn)確找出相同經(jīng)緯度下的NVDI 和SIF_740 值十分重要。

（1）下載2017—2018 年GOME-2 L2 級(jí)日數(shù)據(jù)，由于遙感數(shù)據(jù)為16 d 合成數(shù)據(jù)，要對(duì)應(yīng)熒光與遙感數(shù)據(jù)，所以相對(duì)應(yīng)遙感數(shù)據(jù)合成日期將16 d 的GOME-2 L2 級(jí)數(shù)據(jù)做平均處理，讀取NetCDF 格式文件，然后提取SIF_740。

（2）將每16 d（與MODIS 數(shù)據(jù)相對(duì)應(yīng)日期）的SIF_740 讀取到一個(gè)TXT 文件中。

（3）通過IDL 程序，分別讀取NDVI 數(shù)據(jù)和熒光數(shù)據(jù)，提取相同經(jīng)緯度下相對(duì)應(yīng)的NDVI 值和熒光值，并進(jìn)行分析。

3 結(jié)果分析

根據(jù)2017—2018 年5—8 月份MOD13A2 的植被指數(shù)產(chǎn)品和MOD11A2 的地表溫度產(chǎn)品，通過波段運(yùn)算建立Ts-NDVI 特征空間，計(jì)算溫度植被干旱指數(shù)（TVDI），圖3顯示的是2017—2018 年5—8 月份干濕邊擬合圖，表1 顯示的是相對(duì)應(yīng)的干濕邊擬合方程。

圖3 2017—2018 年5—8 月份干濕邊擬合圖Fig.3 The fitting diagram of dry and wet edges from May to August，2017—2018

表1 2017—2018 年5—8 月干濕邊擬合方程Table 1 Dry and wet edge fitting equation from May to August，2017—2018

從圖3 和表1 可以看出，通過LST 和NDVI 建立的Ts-NDVI 特征空間，得到的結(jié)果大致都呈梯形結(jié)構(gòu)，與理論模型吻合，證明此方法在該區(qū)域有較好的適用性，在干邊，隨著植被指數(shù)的不斷增加，地表溫度逐漸減小，濕邊不完全平行于植被指數(shù)的坐標(biāo)軸，是由于地表溫度隨植被指數(shù)的增大在逐漸升高。NDVI 在0～1 變化范圍內(nèi)，地表溫度的最大值隨植被指數(shù)的增大而逐漸減小，地表溫度的最小值逐漸增大，地表溫度植被指數(shù)大體上表現(xiàn)出線性關(guān)系。隨著NDVI 的增加，又加上植被冠層的影響，干邊所對(duì)應(yīng)的擬合方程有下降趨勢(shì)，隨溫度逐漸降低，濕邊則隨著植被覆蓋度不斷上升，植被的蒸騰作用也導(dǎo)致溫度上升。

該文所選用的干旱等級(jí)劃分方法，將干旱分為5 個(gè)等級(jí)，即濕潤、正常、輕旱、中旱及重旱，從圖4 可以看出，呼倫貝爾西部地區(qū)受干旱影響比較嚴(yán)重，2017 年受干旱影響大于2018 年，所占比例較高，2017 年5 月、6 月、7 月上旬和8 月下旬干旱情況比較嚴(yán)重，其中2018 年5 月下旬干旱情況較為突出，呼倫貝爾地區(qū)的東部所受干旱影響較輕，結(jié)果表明該干旱等級(jí)劃分方法能直觀的監(jiān)測和評(píng)估呼倫貝爾地區(qū)干旱時(shí)空分布狀況。

圖4 2017—2018 年5—8 月干旱等級(jí)分布圖Fig.4 Distribution map of drought grade from May to August，2017—2018

圖5 2017—2018 年NDVI 與SIF_740 隨時(shí)間的變化圖Fig.5 NDVI and SIF_740 time change graph from 2017 to 2018

由于植被指數(shù)（NDVI）是監(jiān)測植被變化最顯著的指標(biāo)之一，比較熒光的干旱敏感性與植被指數(shù)之間關(guān)系，以植被指數(shù)作為一個(gè)指標(biāo)參數(shù)，求得多年NDVI 平均值，通過建立該地區(qū)時(shí)間尺度上NDVI 與SIF 的分布圖（圖5）可以看出，NDVI 值隨著時(shí)間變化逐漸上升，2017 年NDVI 逐漸上升，2018 年NDVI 先呈上升趨勢(shì)，到達(dá)一定峰值后，逐漸下降。SIF 隨時(shí)間變化也逐漸上升，SIF 到達(dá)峰值的時(shí)間大約在7 月中旬，而NDVI 到達(dá)峰值的時(shí)間約在8 月中下旬，SIF 的最高值早于NDVI 的最高值，是由于處在植物生長后期，植被光合作用雖然大幅度減弱或者停止，但葉片的綠度不會(huì)馬上反應(yīng)這一狀況，所以NDVI存在一定的滯后性，而SIF 會(huì)快速反應(yīng)，顯示植被生理變化狀態(tài)，因此SIF 較NDVI 更加敏感。

相比反映植被綠度的植被指數(shù)，通過探測植被光合作用發(fā)射的熒光信號(hào)，快速、無損傷反映植被光合作用特征的葉綠素?zé)晒?，則成為了監(jiān)測植被對(duì)光能利用情況的探針，同時(shí)也可以很好反映植被的生長狀況［28］。

4 結(jié)論

呼倫貝爾地區(qū)以畜牧為主，由于干旱頻繁發(fā)生，給當(dāng)?shù)氐霓r(nóng)畜牧業(yè)帶來了非常嚴(yán)重的影響，成為該地區(qū)的經(jīng)濟(jì)發(fā)展和人類生活的重要障礙。有效的干旱監(jiān)測和綜合分析，對(duì)該地區(qū)的旱情治理和相關(guān)減災(zāi)措施制定有重要意義。

（1）通過MODIS 歸一化植被指數(shù)（NDVI）和地表溫度（LST）產(chǎn)品數(shù)據(jù)，建立Ts-NDVI 特征空間，計(jì)算溫度植被干旱指數(shù)（TVDI），建立的干濕邊擬合圖像與理論模型有很好的一致性，說明該方法能有效適用該地區(qū)的干旱監(jiān)測。

（2）通過干旱等級(jí)劃分，能夠直觀的觀察整個(gè)研究區(qū)干旱分布狀況，對(duì)整體宏觀調(diào)控有重要的現(xiàn)實(shí)意義，對(duì)于干旱分布較為嚴(yán)重地區(qū)可加大監(jiān)測頻率，對(duì)干旱程度較低的地區(qū)進(jìn)行防旱操作，在整個(gè)研究區(qū)內(nèi)抗旱防旱能同步進(jìn)行，最大限度地減少損失。

（3）SIF 與NDVI 在時(shí)間尺度上變化過程的對(duì)比分析表明，SIF 對(duì)植被水分脅迫有很好的敏感性，可以更早的探測到水分脅迫過程。相比較SIF 的變化，NDVI 存在一定的滯后性，所以在建立溫度植被干旱指數(shù)模型的同時(shí)，考慮SIF 的變化趨勢(shì)，能更有效監(jiān)測旱情發(fā)生發(fā)展過程。借助SIF 比NDVI 對(duì)植被生理變化更加敏感的特點(diǎn)，能夠有效對(duì)可能發(fā)生的干旱進(jìn)行監(jiān)測，對(duì)干旱監(jiān)測有重要指導(dǎo)意義。