基于溫度植被干旱指數(shù)的黃河源區(qū)土壤表層含水量反演

陳立文,張友靜,2,鄧世贊,曹 明,錢志奇

(1.河海大學(xué)地球科學(xué)與工程學(xué)院,江蘇 南京 210098;2.河海大學(xué)水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室,江蘇 南京 210098;3.江蘇省地質(zhì)勘查技術(shù)院信息中心,江蘇 南京 210008)

土壤含水量是地表和大氣界面的重要狀態(tài)參數(shù),并直接影響地表的熱量和水量平衡,因而受到水文、氣象等多個(gè)學(xué)科的關(guān)注[1-5]。

在眾多土壤水分遙感模型中,利用地表溫度/歸一化植被指數(shù)(land surface temperature/normalized difference vegetation index,LST/NDVI)特征空間以及LST/NDVI斜率反演土壤含水量,是土壤含水量領(lǐng)域研究的熱點(diǎn)[6-9]。Moran等[10]認(rèn)為,在一個(gè)區(qū)域若地表覆蓋類型從裸土到密閉植被冠層,土壤含水量存在從凋萎含水量到田間持水量之間的變化,則每個(gè)像元的歸一化植被指數(shù)(normalized difference vegetation index,NDVI)和地表溫度組成的散點(diǎn)圖呈梯形。Nemani等[11]分析了在同一幅圖像上提取不同地點(diǎn)的LST/NDVI斜率,可以反映各點(diǎn)的土壤濕度狀況。Goetz[12]提出 LST/NDVI斜率的變化還可以反映地區(qū)土壤濕度的時(shí)間變化和年際變化。柳欽火等[13]利用8km分辨率的NOAA/AVHRR合成數(shù)據(jù)集,采用9×9像元窗口提取的LST/NDVI干邊斜率,反演了1981—1994年全國土壤含水量。姚春生[14]利用1km分辨率的MODIS數(shù)據(jù),提取49×49像元窗口LST/NDVI干邊斜率,反演了全國2003年8—10月土壤含水量。上述研究表明:以全國為整體區(qū)域進(jìn)行干濕邊參數(shù)提取相對容易,分區(qū)則存在很多不確定性。此外,不同區(qū)域的像元窗口的選擇和擬合精度也是制約利用LST/NDVI斜率反演土壤含水量的重要因素。

本文針對黃河源區(qū)水資源日益缺少問題,在國家自然科學(xué)基金重點(diǎn)項(xiàng)目“氣候變化下黃河源區(qū)區(qū)域水循環(huán)模型與不確定性分析研究”成果基礎(chǔ)上,以黃河源區(qū)為研究區(qū),利用 2006年第 65—321天MODIS產(chǎn)品數(shù)據(jù)生成LST/NDVI干邊斜率,結(jié)合土壤相對含水量實(shí)測數(shù)據(jù),分析土壤相對含水量反演的適宜窗口,并對研究區(qū)第65—321天的土壤相對含水量及其季節(jié)變化進(jìn)行分析。

1 研究區(qū)與研究數(shù)據(jù)

黃河源區(qū)海拔高度在3000m以上,指河源至唐乃亥之間的匯水區(qū)域,屬高原大陸性氣候,主要為濕潤半濕潤氣候區(qū),多年平均氣溫為5.2～-4.0℃,集水面積為12.20萬km2,占黃河流域面積的15.3%,據(jù)資料統(tǒng)計(jì)分析,多年平均徑流量205.1億m3,占全流域的34.5%,是黃河流域重要的水源地或產(chǎn)流區(qū),被譽(yù)為黃河流域的“水塔”。黃河源區(qū)土壤的水平分布規(guī)律為經(jīng)度地帶性明顯,緯度地帶性不顯著。受地理?xiàng)l件的影響,黃河源區(qū)植被分布由東南向西北依次是森林、草原、高寒草甸、荒漠等基本類型。

本文研究數(shù)據(jù)為2006年3—11月(日序數(shù)為第65—321天)黃河源區(qū)的地表溫度和NDVI的MODIS影像數(shù)據(jù),分別為16 d合成的1km分辨率的MOD13A2植被指數(shù)產(chǎn)品數(shù)據(jù)和8 d合成的1km分辨率的MOD11A2地表溫度產(chǎn)品數(shù)據(jù)。在 ENVI(environment forvisualizing images)軟件中對上述數(shù)據(jù)進(jìn)行幾何校正、投影變換,為了防止水體對特征空間造成影響,對NDVI數(shù)據(jù)水體進(jìn)行了掩膜處理。此外,在建立LST/NDVI特征空間之前利用1km分辨率DEM對地表溫度數(shù)據(jù)進(jìn)行地形校正。

土壤含水量實(shí)測數(shù)據(jù)為2006年3—11月的實(shí)測10cm土壤含水量數(shù)據(jù),本研究區(qū)內(nèi)有6個(gè)實(shí)測站點(diǎn)的實(shí)測數(shù)據(jù),該數(shù)據(jù)為每10 d獲取1次。

2 研究方法

2.1 干濕邊的計(jì)算

溫度植被干旱指數(shù)(temperature vegetation drought index,TVDI)的定義式[6]為

式中:T為TVDI;N為NDVI;Ts為研究區(qū)某像元的地表溫度,即LST;Tsmin為某一NDVI對應(yīng)的最低地表溫度,對應(yīng)的是濕邊;Tsmax為某一NDVI對應(yīng)的最高地表溫度,對應(yīng)的是干邊,T smax=a+bN;a,b為干邊線性擬合方程的系數(shù)。濕邊并不是平行于NDVI軸的一條直線,因此通常需要對濕邊也進(jìn)行線性擬合,即

式中:a′,b′為濕邊線性擬合方程的系數(shù)。

T的取值在0到1之間,濕邊的 T最小,為0,土壤含水量接近田間持水量;干邊的T最大,為1,土壤含水量接近萎蔫含水量。T越大,土壤越干旱;反之,越濕潤。

通過地表溫度及NDVI二維散點(diǎn)圖建立LST/NDVI特征空間如圖1所示,利用LST/NDVI特征空間中的相應(yīng)最高和最低地表溫度,回歸擬合可獲得干濕邊,從圖1可以看出干邊的斜率為負(fù)值,地表溫度與NDVI呈負(fù)相關(guān)關(guān)系,濕邊的斜率為正值,地表溫度與NDVI呈正相關(guān)關(guān)系。最高地表溫度隨著NDVI的增大而減小,最低地表溫度隨著NDVI的增大而增大,且最高、最低地表溫度與NDVI呈近似線性關(guān)系且回歸系數(shù)R2都大于0.8。

圖1 LST/NDVI特征空間

根據(jù)LST/NDVI特征空間提取該天的干濕邊,線性擬合得到擬合函數(shù)如表1所示。根據(jù)擬合函數(shù)確定式(1)中的系數(shù) a,b和a′,b′;利用式(1)計(jì)算出該天的TVDI值。從圖1可以看出每一期的特征空間的干邊和濕邊都具備相似的形狀。由于NDVI小于0.1時(shí)很難指示區(qū)域的植物生物量,在0.1～0.9之間時(shí),隨植物量的增大呈線性迅速增加,大于0.9時(shí),增大延緩而呈現(xiàn)飽和狀態(tài),對植被檢測靈敏度下降,所以在擬合干濕邊方程時(shí),選擇0.1～0.9的中間范圍特征點(diǎn)來擬合LST/NDVI特征空間。

表1 LST/NDVI特征空間干濕邊方程

2.2 土壤相對含水量的反演

土壤相對含水量即土壤含水量與田間持水量之比,根據(jù)已有研究[15],為了估算每個(gè)像元的土壤含水量狀況,首先建立LST/NDVI斜率與土壤相對含水量的定量關(guān)系:

式中:R為某一像元土壤相對含水量;RW為濕邊上最大土壤相對含水量,RW=1;RD為干邊上土壤相對含水量,RD=c+dx,c,d為由某一窗口尺度的干邊斜率與土壤相對含水量經(jīng)過模擬得出的系數(shù),用干邊斜率代替x用于計(jì)算RD。

考慮到研究區(qū)和研究尺度的差異,影像與觀測點(diǎn)數(shù)據(jù)的擬合存在窗口大小或適宜尺度選擇問題。在逐一比較分析了多種尺度擬合精度的基礎(chǔ)上,發(fā)現(xiàn)9×9像元窗口與49×49像元窗口的擬合結(jié)果較好,并對這兩種尺度窗口的模擬精度進(jìn)行了比較,由圖2可見,隨著LST/NDVI斜率減小,土壤相對含水量呈減小趨勢;利用站點(diǎn)附近9×9像元窗口模擬的效果更好,回歸系數(shù) R2為0.65,49×49像元窗口的回歸系數(shù)R2為0.53,說明不同時(shí)空條件下,存在著適宜的擬合窗口;同時(shí)還發(fā)現(xiàn),9×9像元窗口對土壤濕度高值具有較強(qiáng)的敏感性。

圖2 土壤相對含水量與LST/NDVI斜率擬合關(guān)系

進(jìn)一步分析各季節(jié)土壤相對含水量與LST/NDVI斜率的關(guān)系發(fā)現(xiàn),模擬精度較之以年為尺度的模擬結(jié)果均有所提高。圖3是夏季9×9像元窗口和49×49像元窗口LST/NDVI斜率與土壤相對含水量回歸關(guān)系。由圖3可見,9×9像元窗口模擬相關(guān)系數(shù)R2為0.76,49×49像元窗口的模擬相關(guān)系數(shù)R2為0.70,均大于圖2的以年為尺度的模擬結(jié)果。這表明在黃河源區(qū),季節(jié)尺度的土壤相對含水量擬合效果更好,其原因在于,隨著時(shí)間尺度減小,擬合的不確定性也隨之減小。

圖3 夏季土壤相對含水量與LST/NDVI斜率擬合關(guān)系

為了分析反演結(jié)果的精度,根據(jù)黃河源區(qū)夏季地面實(shí)測點(diǎn)的位置(經(jīng)、緯度),在ENVI軟件中查詢出土壤相對含水量的模擬值,并與實(shí)測數(shù)據(jù)進(jìn)行對比分析,結(jié)果見表2。

表2 土壤相對含水量實(shí)測值與模擬值

由表2中實(shí)測值和模擬值經(jīng)過計(jì)算得出模擬值與實(shí)測值的均方根誤差為0.09,其精度高于類似研究中的土壤相對含水量模擬精度。同時(shí),所有數(shù)據(jù)中的94.4%的模擬值與實(shí)測值偏差小于0.14;75%的偏差小于0.10,表明本研究的模擬精度可以滿足區(qū)域模型輸入?yún)?shù)的要求。表2中實(shí)測值和模擬值的相對誤差最大值出現(xiàn)在興海站的第145天,偏差為0.28。由于本研究中實(shí)測值和模擬值代表的時(shí)間尺度不同,均化過程和前期降水可能是導(dǎo)致這種偏差出現(xiàn)的主要原因。但總體而言,利用LST/NDVI斜率反演土壤含水量的方法適用于黃河源區(qū)。

2.3 土壤含水量時(shí)空分異

圖4為黃河源區(qū)6—8月土壤相對含水量模擬值,土壤相對含水量值在0～1之間。從圖4可以看出,在第161天(6月上旬)時(shí)黃河源中西部地區(qū)土壤相對含水量較高,但兩湖北部較低。東部地區(qū)整體土壤相對含水量較低,大部分地區(qū)在0.5以下。在第193天(7月中旬)黃河源東部地區(qū)變得濕潤,中、西部比較干旱,但在阿尼瑪卿與瑪多交界地區(qū)土壤相對含水量較高。在第225天(8月中旬)從東部到西部研究區(qū)土壤濕度比較均勻,但南部地區(qū)含水量較低。從第161—225天在阿尼瑪卿區(qū)土壤相對含水量均小于0.7,變化不大。黃河源區(qū)大部分地區(qū)的土壤相對含水量在0.5～0.8之間。

圖4 黃河源區(qū)土壤相對含水量時(shí)空分布

3 結(jié) 語

采用1km分辨率MODIS數(shù)據(jù),對黃河源區(qū)2006年土壤相對含水量進(jìn)行反演,考慮到地域的差異和氣象、植被等條件的影響,在模擬LST/NDVI斜率與土壤相對含水量實(shí)測值關(guān)系時(shí),同時(shí)采用多種尺度的像元窗口計(jì)算LST/NDVI斜率,結(jié)果表明,9×9像元窗口為黃河源區(qū)反演土壤相對含水量最適宜窗口。目前基于實(shí)測土壤相對含水量與LST/NDVI斜率模擬進(jìn)行土壤相對含水量反演存在空間尺度問題:對于其他傳感器數(shù)據(jù)或者不同分辨率的數(shù)據(jù)此尺度像元窗口是否適合還需更多的研究;對于其他地區(qū)反演土壤相對含水量此尺度像元窗口是否適合還需要更多驗(yàn)證。

[1]許麗娜,牛瑞卿,尚秀枝.利用溫度植被干旱指數(shù)反演三峽庫區(qū)土壤水分[J].計(jì)算機(jī)工程與應(yīng)用,2011,47(25):235-244.

[2]白志遠(yuǎn),邢立新,潘軍,等.土壤濕度信息遙感研究[J].測繪與空間地理信息,2011,34(3):50-55.

[3]王麗娜,王崇倡.阜新地區(qū)干旱監(jiān)測研究[J].測繪科學(xué),2011,4(35):86-88.

[4]霍艾迪,康相武,張廣軍,等.基于MODIS數(shù)據(jù)的毛烏素沙地土壤水分模型的建立[J].干旱地區(qū)農(nóng)業(yè)研究,2010,28(4):19-23.

[5]扎西央宗,楊秀海,邊巴次仁,等.基于TVDI的西藏地區(qū)旱情遙感監(jiān)測[J].氣象科技,2010,38(4):495-499.

[6]王文種,張友靜.半干旱區(qū)旱情監(jiān)測指數(shù)應(yīng)用分析[J].地球信息科學(xué),2008,10(2):273-278.

[7]宋春橋,游松財(cái),劉高煥,等.基于TVDI的藏北地區(qū)土壤濕度空間格局[J].地理科學(xué)進(jìn)展,2011,30(5):569-576.

[8]康為民,羅宇翔,向紅瓊,等.貴州卡斯特山區(qū)的NDVITs特征及其干旱監(jiān)測應(yīng)用研究[J].氣象,2010,36(10):78-83.

[9]陳晨,劉媛媛,王文種,等.基于溫度植被干旱指數(shù)的三花間流域旱情監(jiān)測[J].東北水利水電,2008,26(2):32-34.

[10]MORAN M S,CLARKE T R,INOUE Y.Estimating crop water deficitusing the relation between surface air temperature and spectralvegetation index[J].Remote Sensing of Environment,1994,49:246-263.

[11]NEMANI R R,RUNNING S W.Estimation of regionalsurface resistance to evapotranspiration from NDVI and thermal IRAVHRR data[J].Journal of Applied Meteorology,1989,28(4):276-284.

[12]GOETZ S J.Multisensor,analysis of NDVI,surface temperature and biophysical variables at a mixed grassland site[J].InternationalJournalof Remote Sensing,1997,18(15):71-94.

[13]柳欽火,辛景峰,辛?xí)灾?等.基于地表溫度和植被指數(shù)的農(nóng)業(yè)干旱遙感監(jiān)測方法[J].科技導(dǎo)報(bào),2007,25(6):12-17.

[14]姚春生.使用MODIS數(shù)據(jù)反演土壤水分研究[D].北京:中國科學(xué)院研究生院,2003.

[15]范遼生,姜紀(jì)紅,盛暉,等.利用溫度植被干旱指數(shù)(TVDI)方法反演杭州伏旱期土壤水分[J].中國農(nóng)業(yè)氣象,2009,30(2):230-234.