基于溫度植被干旱指數(shù)的廣東省旱情動(dòng)態(tài)監(jiān)測(cè)

王鶯,王勁松,姚玉璧,2,趙福年

(1.中國(guó)氣象局蘭州干旱氣象研究所 甘肅省干旱氣候變化與減災(zāi)重點(diǎn)實(shí)驗(yàn)室 中國(guó)氣象局干旱氣候變化與減災(zāi)重點(diǎn)開(kāi)放實(shí)驗(yàn)室，甘肅 蘭州 730020；2.甘肅省定西市氣象局,甘肅 定西 743003)

自有人類社會(huì)起，干旱就與其相伴相生，并阻礙著社會(huì)的進(jìn)步與發(fā)展。作為一種復(fù)雜的自然災(zāi)害，干旱在每一種氣候區(qū)域內(nèi)都有可能發(fā)生。據(jù)世界氣象組織的報(bào)告，自1963年開(kāi)始，干旱已經(jīng)發(fā)展成為世界范圍內(nèi)影響最為廣泛的自然災(zāi)害[1]。中國(guó)是一個(gè)干旱災(zāi)害頻發(fā)的國(guó)家。據(jù)統(tǒng)計(jì)，自20世紀(jì)90年代以來(lái)，我國(guó)因旱年均糧食損失高達(dá)278億kg，因旱年均工業(yè)損失超過(guò)2000億元，因旱年均飲水困難人口達(dá)2746萬(wàn)人[2]。更需要注意的是，在近年來(lái)全球氣候變暖的大背景下，我國(guó)年均氣溫升高，年降水量時(shí)空變異增大，極端天氣氣候事件增多，干旱區(qū)域不斷擴(kuò)大，并有從干旱區(qū)向濕潤(rùn)區(qū)發(fā)展的趨勢(shì)。

廣東省地處我國(guó)華南地區(qū)，地勢(shì)北高南低，屬于亞熱帶季風(fēng)氣候區(qū)，是中國(guó)多雨地區(qū)之一。但是在季風(fēng)、地理和地質(zhì)條件的多重因素影響下也飽受季節(jié)性干旱的困擾。據(jù)《中國(guó)氣象災(zāi)害大典·廣東卷》記錄，1950年以來(lái)，全省每年受旱面積在十幾萬(wàn)至幾十萬(wàn)公頃，干旱嚴(yán)重的年份受旱面積可超過(guò)100萬(wàn)公頃，到90年代止，全省230多萬(wàn)公頃的耕地中，約24%的耕地經(jīng)常受旱。2004年，廣東省就發(fā)生了半個(gè)世紀(jì)以來(lái)最嚴(yán)重的農(nóng)業(yè)旱災(zāi)，受災(zāi)面積7280 km2，成災(zāi)面積3200 km2，直接經(jīng)濟(jì)損失超過(guò)35億元[3]。王靜愛(ài)等[4]分析了1949-2000年中國(guó)旱災(zāi)動(dòng)態(tài)變化趨向的區(qū)域分異，發(fā)現(xiàn)廣東省為旱災(zāi)增加區(qū)。隨著社會(huì)經(jīng)濟(jì)的發(fā)展和城市化程度的不斷提高，廣東省對(duì)淡水的需求量劇增，干旱在威脅著全省農(nóng)業(yè)生產(chǎn)的同時(shí)，也越來(lái)越嚴(yán)重地影響到社會(huì)生活的各個(gè)方面。因此進(jìn)行有效的干旱監(jiān)測(cè)可以幫助決策部門及時(shí)準(zhǔn)確地了解旱情的時(shí)空分布及其變化特征，采取積極有效的防旱抗旱措施，將干旱災(zāi)害帶來(lái)的損失降到最低。

傳統(tǒng)的干旱監(jiān)測(cè)主要依靠位點(diǎn)尺度的土壤水分含量數(shù)據(jù)來(lái)表征研究區(qū)的干旱程度和范圍，這種方法的單點(diǎn)測(cè)量精度較高，但缺點(diǎn)是空間代表性差。近年來(lái)，空間遙感技術(shù)以其在時(shí)間和空間上可快速獲得大面積地物光譜信息的優(yōu)勢(shì)彌補(bǔ)了傳統(tǒng)監(jiān)測(cè)方法的不足，對(duì)實(shí)現(xiàn)干旱的動(dòng)態(tài)監(jiān)測(cè)具有十分重要的意義[5]。自20世紀(jì)70年代開(kāi)始，國(guó)內(nèi)外對(duì)遙感監(jiān)測(cè)土壤水分的方法開(kāi)展了大量研究，應(yīng)用較廣泛的方法主要有熱慣量法、熱紅外法、距平植被指數(shù)法、作物缺水指數(shù)法、植被供水指數(shù)法等。熱慣量法只適用于裸土或稀疏植被覆蓋情況，若植被覆蓋度大，熱慣量法對(duì)土壤水分的監(jiān)測(cè)就會(huì)受到很大限制；歸一化差值植被指數(shù)(normalized difference vegetation index, NDVI)作為水分脅迫指標(biāo)具有一定的滯后性[6-8]；溫度作為水分脅迫指標(biāo)具有較高敏感性，但遙感獲得的地表溫度數(shù)據(jù)受到土壤背景和植被覆蓋的影響。2002年，Sandholt等[9]在簡(jiǎn)化的植被指數(shù)-地表溫度特征空間的基礎(chǔ)上提出了溫度植被干旱指數(shù)(temperature vegetation dryness index, TVDI)，該指數(shù)既考慮了區(qū)域內(nèi)NDVI的變化，又考慮了在NDVI相同情況下地表溫度的變化，對(duì)區(qū)域農(nóng)業(yè)旱情和地表土壤水分的監(jiān)測(cè)效果得到了廣大學(xué)者的肯定[10-16]。但是計(jì)算TVDI指數(shù)時(shí)用到的NDVI數(shù)據(jù)在植被覆蓋度低的區(qū)域受到土壤背景的影響，在植被覆蓋度高的區(qū)域有飽和現(xiàn)象，且存在對(duì)大氣影響的糾正不徹底、“最大值合成法”不能保證選擇最佳像元等缺點(diǎn)[17]，而基于MODIS數(shù)據(jù)的增強(qiáng)型植被指數(shù)(enhanced vegetation index, EVI)在刻畫(huà)高覆蓋度植被方面比NDVI更加敏感，且能有效抵御大氣干擾，因此可以更好地描述區(qū)域植被在不同季節(jié)的差異[18]。

基于上述原因，嘗試采用MODIS-EVI與陸地表面溫度相結(jié)合構(gòu)建EVI-TS特征空間的方法開(kāi)展廣東省的干旱動(dòng)態(tài)監(jiān)測(cè)，并結(jié)合野外實(shí)測(cè)土壤濕度數(shù)據(jù)對(duì)模型模擬結(jié)果做精度驗(yàn)證，評(píng)估該方法對(duì)廣東省干旱監(jiān)測(cè)工作的適宜性，以期為廣東省的防旱抗旱工作提供科技支撐。

1 材料與方法

1.1 研究區(qū)簡(jiǎn)介

廣東省位于109°40′～117°20′ E、20°08′～25°32′ N之間，海岸線曲折綿長(zhǎng)，境內(nèi)山嶺眾多，其走向主要為東北-西南方向，地勢(shì)呈由北向南伸向海洋的斜坡，山地丘陵約占全境面積的2/3，臺(tái)地平原占1/3(圖1)。廣東省南北跨溫帶、亞熱帶和熱帶，年平均氣溫19～23℃，1月份平均氣溫12～16℃，熱量資源十分豐富，不少經(jīng)濟(jì)作物可以越冬。廣東省瀕臨南海，年降水量1300～2500 mm，居全國(guó)前列。但在季風(fēng)、熱帶氣旋和地形的作用下，該地區(qū)熱量和降水量在時(shí)空分配上不均勻，常有季節(jié)性的春旱、秋旱、冬春連旱和夏秋連旱。廣東省的作物主要以水稻(Oryzasativa)為主，占糧食總產(chǎn)量的80%以上，其抗旱能力低，對(duì)水分要求高，極易受旱成災(zāi)。

圖1 各站點(diǎn)位置圖Fig.1 Location of the soil moisture observation sites and climate stations

1.2 遙感數(shù)據(jù)

在研究中使用的遙感數(shù)據(jù)為美國(guó)宇航局/中分辨率成像光譜輻射計(jì)(National Aeronautics and Space Administration/Moderate Resolution Imaging Spectro radiometer, NASA/MODIS)陸地產(chǎn)品組按照統(tǒng)一算法開(kāi)發(fā)的2011年16日最大合成產(chǎn)品MOD13A2(1000 m×1000 m)中的EVI數(shù)據(jù)和8日最大合成產(chǎn)品MOD11A2(1000 m×1000 m)中的LST(Land Surface Temperature)數(shù)據(jù)。以上數(shù)據(jù)在全球正弦曲線投影SIN(SINusoidal projection)系統(tǒng)中的編號(hào)為h28v06，資料版本為5.0，數(shù)據(jù)格式為EOS-HDF。該數(shù)據(jù)可以從http://reverb.echo.nasa.gov/reverb/網(wǎng)站下載。MOD13A2數(shù)據(jù)包含NDVI、EVI、紅光、近紅外、中紅外、藍(lán)光波段反射率及其他輔助信息，使用最新合成算法減小隨觀測(cè)角度變化和太陽(yáng)-目標(biāo)-傳感器幾何學(xué)因素引起的變化，用雙向反射分布函數(shù)(BRDF)模式將觀測(cè)量訂正到天頂角。MOD11A2數(shù)據(jù)包含白天和夜間地表溫度，其地表溫度是用31和32通道亮溫線性組合的劈窗算法計(jì)算獲取的，通道亮溫值由輻射度與0.1 K步長(zhǎng)亮溫的查找表來(lái)確定，發(fā)射率是由MODIS土地覆蓋產(chǎn)品來(lái)確定[19]。

在MRT(modis re-projection tool)軟件中將EOS-HDF格式的MODIS圖像轉(zhuǎn)成TIFF格式，并定義為大地坐標(biāo)WGS84；然后在ArcGIS 9.3中用data management tools將圖像坐標(biāo)系統(tǒng)轉(zhuǎn)換為Albers地圖投影，并用cell statistics工具對(duì)MOD11A2數(shù)據(jù)進(jìn)行16日最大值合成；最后在spatial analyst tools中用標(biāo)準(zhǔn)的廣東省行政邊界掩膜提取研究區(qū)EVI和LST數(shù)據(jù)。

1.3 土壤濕度數(shù)據(jù)

廣東省氣象數(shù)據(jù)和土壤濕度數(shù)據(jù)分別來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://cdc.cma.gov.cn/home.do)的《中國(guó)地面氣候資料日值數(shù)據(jù)集》和《中國(guó)農(nóng)作物生長(zhǎng)發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集》。該數(shù)據(jù)集包含了2011年廣東省內(nèi)36個(gè)氣象站點(diǎn)的日降水量和溫度，以及10個(gè)農(nóng)氣站觀測(cè)的10 cm土壤相對(duì)濕度(圖1)。

1.4 MODIS-EVI

MODIS-EVI數(shù)據(jù)是綜合處理土壤、大氣飽和問(wèn)題的增強(qiáng)型植被指數(shù)。它采用SAVI(soil adjusted vegetation index)對(duì)土壤背景影響進(jìn)行了校正[20]，除了“云處理”和大氣校正處理外，還用ARVI(atmospherically resistant vegetation index)對(duì)殘留氣溶膠做了處理。EVI就是通過(guò)參數(shù)構(gòu)建的一個(gè)同時(shí)校正土壤和大氣影響的植被指數(shù)。MODIS-EVI的合成算法是根據(jù)合成期16 d內(nèi)數(shù)據(jù)質(zhì)量狀況分4步逐步合成的，即當(dāng)16 d內(nèi)超過(guò)30%的數(shù)據(jù)符合質(zhì)量要求，則根據(jù)BRDF把不同視角換算為星下點(diǎn)反射值，分別計(jì)算植被指數(shù)，然后采用限定視角內(nèi)最大值原理合成；若16 d內(nèi)小于30%且多于2 d的數(shù)據(jù)符合質(zhì)量要求，選其中視角最小的2個(gè)植被指數(shù)，取兩者中最大值合成；若只有1 d無(wú)云，則直接使用這天的數(shù)據(jù)計(jì)算植被指數(shù)；若觀測(cè)期內(nèi)均有云，則取合成期所有植被指數(shù)的最大值[21]。其計(jì)算公式為：

EVI=2.5(ρNIR-ρRed)/(ρNIR+c1ρRed-c2ρBlue+L)

(1)

式(1)中，ρ為經(jīng)大氣校正的各波段(NIR、Red和Blue)的反射率，L=1為土壤調(diào)節(jié)參數(shù)，c1和c2是描述通過(guò)Blue波段修正大氣對(duì)Red波段影響的參數(shù)，分別是6.0和7.5。

該數(shù)據(jù)在算法方面的改進(jìn)為遙感定量研究奠定了良好的基礎(chǔ)。王正興等[17-18]的研究發(fā)現(xiàn)，在南亞熱帶和熱帶地區(qū)，EVI與地表溫度的線性關(guān)系明顯高于NDVI，且對(duì)植被不同季相的變化反應(yīng)更加靈敏。

1.5 TVDI計(jì)算方法

很多研究人員發(fā)現(xiàn)陸地表面溫度(TS)和植被指數(shù)之間存在明顯的負(fù)相關(guān)關(guān)系，這種關(guān)系與土壤濕度密切相關(guān)[22-23]。Carlson等[24]和Price[25]發(fā)現(xiàn)若研究區(qū)植被覆蓋包含裸土到全覆蓋，土壤濕度包含極干旱到極濕潤(rùn)，則以遙感資料獲得的NDVI和TS數(shù)據(jù)的散點(diǎn)圖呈三角形，而Moran等[26]發(fā)現(xiàn)其表現(xiàn)為梯形。這就是NDVI-TS特征空間(圖2)。Sandholt等[9]在研究土壤濕度時(shí)發(fā)現(xiàn)NDVI-TS特征空間中有很多等值線，于是提出了TVDI指數(shù)，用以估算土壤表層水分狀況，從而進(jìn)行遙感干旱監(jiān)測(cè)。

圖2 NDVI-TS特征空間Fig.2 Illustration of simplified NDVI-TS space

由于1.4中提到的EVI的優(yōu)勢(shì)， 所以應(yīng)用EVI來(lái)替代NDVI建立EVI-TS特征空間，進(jìn)而構(gòu)建TVDI指數(shù)。TVDI的計(jì)算見(jiàn)公式(2)：

TVDI=(TS-TSmin)/(TSmax-TSmin)

(2)

式中，TVDI的取值在0～1之間，濕邊的TVDI最小，為0，土壤含水量接近田間持水量，干邊的TVDI最大，為1，土壤含水量接近萎蔫點(diǎn)；TS是任意像元的地表溫度；TSmin是某一EVI對(duì)應(yīng)的最低地表溫度，對(duì)應(yīng)EVI-TS空間的濕邊；TSmax是某一EVI值對(duì)應(yīng)的最高地表溫度，對(duì)應(yīng)EVI-TS空間的干邊。TSmin和TSmax的擬合方程如下：

TSmin=a1+b1×EVI

(3)

TSmax=a2+b2×EVI

(4)

式中，a1、b1是濕邊擬合方程的系數(shù)，a2、b2是干邊擬合方程的系數(shù)。

2 結(jié)果與分析

2.1 特征空間參數(shù)

圖3 EVI-TS特征空間Fig.3 EVI-TS space

提取廣東省相同EVI下不同像元對(duì)應(yīng)的所有溫度中的最大和最小陸地表面溫度，然后通過(guò)EVI和LST二維散點(diǎn)圖建立每16 d 1次的EVI-TS特征空間圖(圖3)。2011年共獲得23張EVI-TS特征空間圖，圖3為其中的4張。從圖中可以看出，EVI-TS散點(diǎn)圖有相似的分布特征，即隨著EVI的增加，陸地表面最大溫度減小，最大地表溫度和最小地表溫度差值呈減小趨勢(shì)，且地面溫度的最大和最小值與EVI呈近似線性關(guān)系。另外，EVI-TS特征空間的季節(jié)變化也非常明顯，隨著溫度降低，EVI-TS特征空間明顯萎縮。和圖2相比，若將濕邊描述成與EVI軸平行的直線會(huì)給結(jié)果帶來(lái)較大誤差，所以有必要對(duì)濕邊進(jìn)行線性擬合。

按照TVDI原理，當(dāng)植被指數(shù)增加時(shí)，陸地表面最大溫度逐漸降低。這個(gè)假設(shè)基于植被指數(shù)與地表植被覆蓋度呈線性關(guān)系這一前提。但實(shí)際情況并非如此[27]。設(shè)EVI的精度為0.01，提取相應(yīng)EVI在特征空間中的最大和最小陸地表面溫度，并對(duì)特征空間進(jìn)行最優(yōu)目視判讀，回歸擬合獲得每個(gè)特征空間的干濕邊方程(表1)，線性擬合結(jié)果經(jīng)t檢驗(yàn)發(fā)現(xiàn)均達(dá)到0.05的顯著性水平。從表中可以看出，EVI-TS特征空間干邊擬合的整體效果很好，平均擬合系數(shù)R2>0.87；濕邊的擬合效果也比較好，平均擬合系數(shù)R2>0.55。但是在某些時(shí)段干濕邊擬合精度仍比較低，造成這一現(xiàn)象的主要原因是MODIS產(chǎn)品存在的噪聲會(huì)影響線性擬合精度。

a1和a2是干濕邊擬合方程的常數(shù)項(xiàng)，在特征空間中是干濕邊在Y軸(地表溫度)的截距。它代表了裸土像元在水分充足(a1)和水分匱乏(a2)時(shí)的地表溫度值。從表1中可以看到，隨著年內(nèi)溫度的變化，EVI-TS特征空間的干濕邊截距也發(fā)生相應(yīng)變化，即冬季截距較小，夏季截距較大。b1和b2為干濕邊擬合方程的斜率，其變化可以歸因于蒸散[28]、冠層傳導(dǎo)度[29]和土壤濕度[30]。在多重因素的影響下，b1和b2隨時(shí)間變化的規(guī)律性不明顯。

表1 EVI-TS特征空間干濕邊方程Table 1 The equations of the dry edge and wet edge for EVI-TS space

2.2 旱情等級(jí)分布

根據(jù)表1獲得的干濕邊方程和公式(2)，分別計(jì)算各時(shí)段的TVDI值。以TVDI值作為旱情分級(jí)指標(biāo)，將旱情分為5級(jí)，分別是濕潤(rùn)(0～0.2)、正常(0.2～0.4)、輕旱(0.4～0.6)、中旱(0.6～0.8)和重旱(0.8～1.0)。由此可得2011年23個(gè)時(shí)段16 d的廣東省旱情分布圖(圖4)。從圖中可以看出，2011年廣東省的冬旱非常嚴(yán)重，春季和秋季也有一定程度的干旱。廣東省冬旱和春旱的地區(qū)分布相似，均呈現(xiàn)自北向南逐漸加重的趨勢(shì)，且沿海地區(qū)重于內(nèi)陸。秋旱的地區(qū)分布特點(diǎn)與冬春旱相反，大致呈自南向北逐漸加重的趨勢(shì)。具體來(lái)看，1月，重旱區(qū)主要位于廣東省西南部的徐聞縣、雷州市、湛江市、遂溪縣、廉江市、吳川市、化州市、茂名市、電白縣、高州市和陽(yáng)西縣，還有陽(yáng)東縣和信宜市的大部分地區(qū)，以及廣東省東部的海豐縣、汕尾市、陸豐市、陸河縣、惠來(lái)縣、普寧市、潮陽(yáng)區(qū)、揭西縣、揭陽(yáng)市、揭東縣、汕頭市和澄海區(qū)。2月，廣東西南部的重旱區(qū)仍然存在，同時(shí)廣東北部的龍川縣、興寧市和梅州市也發(fā)展成了重旱區(qū)。3月，重旱區(qū)主要分布在廣東的東南沿海。4月，重旱區(qū)主要位于廣東的西南部和東部。5月中上旬，廣東西南部的重旱區(qū)基本消失，而到了5月下旬，廣東西南部化州市、廉江市、茂名市、電白縣、吳川市、湛江市、遂溪縣、雷州市、徐聞縣又出現(xiàn)重旱。6月，廣東西南部的重旱范圍向南推移。7月，廣東西南部的重旱范圍進(jìn)一步縮小。8月，廣東西南部的重旱基本得到緩解，而廣東中部和北部出現(xiàn)局部的重旱。9月和10月，廣東西南部、中偏東部和東部出現(xiàn)局部重旱。11月，廣東西南部又出現(xiàn)大面積重旱。12月，重旱分布范圍在11月的基礎(chǔ)上有了明顯擴(kuò)大。

《中國(guó)氣象災(zāi)害大典·廣東卷》中記載，廣東省的重春旱區(qū)位于雷州半島、周江口一帶及東南部沿海地區(qū)，而雷州半島南端春旱是固有的災(zāi)害現(xiàn)象；重秋旱區(qū)主要位于北部偏北及潮汕一帶沿海地區(qū)；重冬春連旱區(qū)主要位于西南部偏西地區(qū)和珠江口附近沿海地區(qū)。本文的監(jiān)測(cè)結(jié)果與上述規(guī)律基本吻合。而《中國(guó)氣象災(zāi)害年鑒(2012)》中記載，廣東省自2010年10月1日至2011年4月28日平均降水量為225.6 mm，比常年同期偏少61%，為歷史同期最少，持續(xù)偏少的降水導(dǎo)致廣東出現(xiàn)了歷史罕見(jiàn)的秋冬春連旱，而旱情從3月開(kāi)始從粵東到粵西蔓延加劇。本文的研究結(jié)果較準(zhǔn)確的反映了上述記錄。因此，可以應(yīng)用MODIS數(shù)據(jù)進(jìn)行廣東省旱情的動(dòng)態(tài)監(jiān)測(cè)，為防災(zāi)減災(zāi)和災(zāi)后救援提供及時(shí)準(zhǔn)確的基礎(chǔ)資料。

圖4 2011年廣東省旱情遙感監(jiān)測(cè)分布Fig.4 The drought distribution monitored by remote sensing in Guangdong in 2011

2.3 TVDI與土壤濕度

圖5 TVDI與土壤濕度Fig.5 The relationship between TVDI and soil moisture

提取和土壤濕度數(shù)據(jù)采集時(shí)間相近的相應(yīng)像元的TVDI數(shù)據(jù)，分析TVDI值與站點(diǎn)0～10 cm土壤濕度間的相關(guān)性(圖5)。從圖中可以看出，TVDI和土壤濕度間呈負(fù)相關(guān)關(guān)系，R2為0.16，經(jīng)過(guò)t檢驗(yàn)發(fā)現(xiàn)線性回歸方程達(dá)到0.01的顯著性水平。即TVDI值越高，土壤濕度越低。這一結(jié)論滿足TVDI值越接近1，土壤水分越少的原理。這進(jìn)一步說(shuō)明TVDI可以反映廣東省地表土壤水分狀況，用該指標(biāo)做廣東省旱情動(dòng)態(tài)監(jiān)測(cè)是可行的，具有應(yīng)用價(jià)值。

2.4 TVDI與氣象因子

圖6 TVDI與氣象因子Fig.6 The relationship between TVDI and meteorological factors

在本研究中主要分析了降水量、平均溫度和平均相對(duì)濕度與相應(yīng)像元的TVDI值之間的相關(guān)性(圖6)。從圖中可以看出，TVDI與降水量、溫度和相對(duì)濕度都呈負(fù)相關(guān)關(guān)系。說(shuō)明隨著降水量減少、溫度降低和平均相對(duì)濕度減小，TVDI值增加，廣東省干旱程度增加。經(jīng)t檢驗(yàn)表明，方程達(dá)到0.05的顯著性水平。從相關(guān)系數(shù)來(lái)看，TVDI與降水量之間的相關(guān)性最高，R2為0.35，與平均溫度間的相關(guān)性最低，R2為0.21。因此，廣東省旱情發(fā)展的主要影響因子是降水量。

在氣象站尺度上進(jìn)一步分析了TVDI和降水量的時(shí)間變化趨勢(shì)。選擇了2個(gè)站點(diǎn)，分別是羅定(111.57° E，22.77° N)和惠陽(yáng)(114.42° E，23.08° N)。這兩個(gè)站所在像元在23幅圖像中均有有效數(shù)據(jù)，降水量有較明顯差異，且分別位于廣東省的西南和東北區(qū)，具有地域代表性。從圖7中可以看出，TVDI對(duì)降水的變化是敏感的，在連續(xù)降水之后，土壤濕度增加，植物受脅迫的情況得到緩解，TVDI值降低；當(dāng)降水減少，土壤濕度減小，植被生長(zhǎng)受到脅迫，TVDI值增加。從相關(guān)系數(shù)來(lái)看，羅定站的TVDI和降水量間的R2為0.0396，惠陽(yáng)站的TVDI和降水量間的R2為0.0118，均未通過(guò)顯著性檢驗(yàn)。出現(xiàn)這種情況的主要原因是空間尺度的不同。TVDI的空間分辨率為1 km，代表的是1 km2的地表干濕狀況，而降水量數(shù)據(jù)只代表氣象站一個(gè)點(diǎn)的降水狀況。但從圖7中仍可以看出，TVDI指數(shù)對(duì)降水是敏感的。

圖7 降水量與TVDI在站點(diǎn)尺度隨時(shí)間變化關(guān)系圖Fig.7 Trends of rainfall and TVDI from the station scale

3 結(jié)論

通過(guò)建立EVI-TS特征空間算法，獲得近似三角形的溫度植被指數(shù)特征空間，然后采用線性擬合的方法提取了干濕邊，構(gòu)建了廣東省2011年的溫度植被干旱指數(shù)TVDI，得到了以下主要結(jié)論。

1)隨著EVI的增加，陸地表面最大溫度減小，最大地表溫度和最小地表溫度差值呈減小趨勢(shì)，且地面溫度的最大和最小值與EVI呈近似線性關(guān)系。EVI-TS特征空間的季節(jié)變化也非常明顯，隨著溫度降低，EVI-TS特征空間明顯萎縮。隨著年內(nèi)溫度的變化，EVI-TS特征空間的干濕邊截距也發(fā)生相應(yīng)變化，即冬季截距較小，夏季截距較大。

2)以TVDI值作為旱情分級(jí)指標(biāo)，建立廣東省2011年旱情遙感監(jiān)測(cè)圖，從圖中可以看出2011年廣東省的冬旱非常嚴(yán)重，春季和秋季也有一定程度的干旱。冬旱和春旱的地區(qū)分布相似，均呈現(xiàn)自北向南逐漸加重的趨勢(shì)，且沿海地區(qū)重于內(nèi)陸。秋旱的地區(qū)分布特點(diǎn)與冬春旱相反，大致呈自南向北逐漸加重的趨勢(shì)。結(jié)合廣東省歷史氣象資料對(duì)干旱監(jiān)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，結(jié)果表明遙感監(jiān)測(cè)結(jié)果與實(shí)際旱情較吻合，因此應(yīng)用MODIS數(shù)據(jù)構(gòu)建TVDI指數(shù)的方法可以用于廣東省旱情動(dòng)態(tài)監(jiān)測(cè)。

3)比較TVDI與土壤濕度的相關(guān)性的結(jié)果表明，TVDI可以體現(xiàn)土壤濕度狀況，兩者呈負(fù)相關(guān)關(guān)系。從相關(guān)分析結(jié)果可以看出，TVDI與降水量、溫度和相對(duì)濕度間都呈負(fù)相關(guān)關(guān)系。從相關(guān)系數(shù)來(lái)看，TVDI與降水量之間的相關(guān)性最高。在氣象站尺度上TVDI對(duì)降水的變化最敏感。

從以上結(jié)論可以看出，TVDI是一種適用于大尺度的簡(jiǎn)單有效且物理意義明確的旱情動(dòng)態(tài)監(jiān)測(cè)方法，具有快速、及時(shí)、宏觀等優(yōu)勢(shì)。而利用EVI代替NDVI建立EVI-TS特征空間，既改善了NDVI的植被飽和、對(duì)大氣糾正不徹底等問(wèn)題，也降低了土壤背景對(duì)植被指數(shù)的影響，使其更適宜于廣東省的旱情監(jiān)測(cè)與評(píng)估。因?yàn)槎ㄐ苑从惩寥罎穸惹闆r的干邊和濕邊擬合方程是由EVI-TS特征空間數(shù)據(jù)得到的，不需要其他輔助數(shù)據(jù)，所以在不同時(shí)間和不同區(qū)域不具有可比性，且對(duì)邊界的擬合具有一定的主觀性。另外，在復(fù)雜地表和多變的氣候環(huán)境條件下，遙感影像的部分像元數(shù)值質(zhì)量較差，從而影響特征空間干濕邊線性擬合的精度，在今后的工作中也要注意加強(qiáng)對(duì)無(wú)效像元分析剔除等方法的研究。