不同植被指數(shù)對(duì)旱情監(jiān)測(cè)的敏感性比較

王 敏

（河海大學(xué)水文水資源學(xué)院，南京 210098）

干旱是一種較為常見的自然災(zāi)害，由于其造成的環(huán)境破壞和經(jīng)濟(jì)損失等不良影響，目前已引發(fā)世界范圍的廣泛關(guān)注。傳統(tǒng)的旱情監(jiān)測(cè)方法主要利用氣象干旱指數(shù)來定量描述降水的匱乏程度和持續(xù)時(shí)間，以此來監(jiān)測(cè)旱情的強(qiáng)度和發(fā)生范圍［1］。常用的氣象干旱指數(shù)包括 Palmer 干旱強(qiáng)度指數(shù)（PDSI）［2］，標(biāo)準(zhǔn)化降水指標(biāo)（SPI）［3］和降水距平百分率（Pa）［4］等。雖然氣象干旱指數(shù)已經(jīng)能較為精確地估算地面點(diǎn)的干旱程度，但由于其依賴站點(diǎn)上的個(gè)別數(shù)據(jù)來監(jiān)測(cè)干旱，存在以點(diǎn)帶面的問題，在空間尺度上缺乏連續(xù)覆蓋性［5］。隨著遙感技術(shù)不斷進(jìn)步，人們可以利用遙感手段來準(zhǔn)確、實(shí)時(shí)地獲取研究地區(qū)的植被長(zhǎng)勢(shì)、地表溫度、地表水分等信息，從而來監(jiān)測(cè)干旱。國(guó)內(nèi)外遙感監(jiān)測(cè)干旱的方法主要有土壤水分監(jiān)測(cè)法、冠層溫度監(jiān)測(cè)法、植被水分變化監(jiān)測(cè)法以及作物形態(tài)及綠度監(jiān)測(cè)法等［6-10］。已有學(xué)者在以氣象干旱指數(shù)為標(biāo)準(zhǔn)的基礎(chǔ)上，通過分析遙感建立的遙感干旱指數(shù)與傳統(tǒng)氣象干旱指數(shù)的相關(guān)性，來驗(yàn)證遙感干旱指數(shù)對(duì)旱情監(jiān)測(cè)的適宜性［11-13］。其中，用于旱情監(jiān)測(cè)的最常見通用的遙感指數(shù)以植被指數(shù)為主，但不同的植被指數(shù)對(duì)旱情響應(yīng)的特征明顯不同［14］。本研究選擇巢湖流域?yàn)檠芯繀^(qū)域，利用氣象干旱指數(shù)降水距平百分率作為評(píng)估不同植被指數(shù)監(jiān)測(cè)旱情敏感性的參考依據(jù)，基于MODIS 數(shù)據(jù)選取了歸一化植被指數(shù)（NDVI）、距平植被指數(shù)（AVI）和條件植被指數(shù)（VCI）分別與降水距平百分率指標(biāo)做相關(guān)性分析，以對(duì)比不同植被指數(shù)在旱情監(jiān)測(cè)方面的表現(xiàn)，為根據(jù)不同時(shí)空條件選擇適宜的植被指數(shù)來監(jiān)測(cè)旱情提供科學(xué)的參考依據(jù)。

1 研究區(qū)概況

巢湖流域位于安徽省江淮地區(qū)中部，地理位置為東經(jīng) 116°24′18″—117°55′38″，北緯 30°58′58″—32°04′48″，流域面積約為 9 196 km2。流域內(nèi)亞熱帶季風(fēng)氣候明顯，流域降水主要集中在6—8 月，年均降水為1 000～1 158 mm，年平均氣溫16.0～16.5 ℃。巢湖流域連接著江淮丘陵地帶以及沿江的平原區(qū)，地形地貌較復(fù)雜，總體來說西南方向偏高、東北方向偏低，最高峰海拔高度近1 400 m，有低山、崗地、平原、丘陵4 種地貌（圖1）。流域內(nèi)植被類型主要為北亞熱帶落葉與闊葉混交林。行政區(qū)劃上包括合肥市，肥東縣、肥西縣、廬江縣、長(zhǎng)豐縣、居巢區(qū)、六安市、岳西縣、含山縣、舒城縣及霍山縣的全部或部分區(qū)域。由于流域內(nèi)北亞熱帶和暖溫帶過渡性的氣候條件、復(fù)雜的地形地貌以及人類活動(dòng)等多方面的影響，導(dǎo)致了巢湖流域降水在時(shí)間和空間變化都較大，頻發(fā)旱澇災(zāi)害，尤其是旱災(zāi)嚴(yán)重抑制了研究區(qū)內(nèi)的農(nóng)業(yè)生產(chǎn)乃至經(jīng)濟(jì)的發(fā)展［15］。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

2.1.1 遙感數(shù)據(jù) 遙感數(shù)據(jù)選用MODIS 傳感器提供的中國(guó)月合成歸一化植被指數(shù)產(chǎn)品MODND1M，其空間分辨率為500 m。MODIS 數(shù)據(jù)具有波段范圍廣、定位精度高、描述植被信息時(shí)受干擾較少等優(yōu)勢(shì)，且該產(chǎn)品采用了月最大值合成法，減少了云覆蓋造成的噪聲影響，更適合植被變化監(jiān)測(cè)研究［16］。考慮到生長(zhǎng)狀態(tài)的植被更需要水分，生長(zhǎng)季降水的減少會(huì)嚴(yán)重抑制植被的生長(zhǎng)，此時(shí)植被指數(shù)和降水距平百分率才更具相關(guān)性，因此確定研究的時(shí)間范圍為6—9 月。從地理空間數(shù)據(jù)云網(wǎng)站（http：//www.gs?cloud.cn/）下載 2008—2015 年 6—9 月的 MODIS 植被指數(shù)月產(chǎn)品數(shù)據(jù)，使用MODIS 重投影工具對(duì)該產(chǎn)品進(jìn)行預(yù)處理，根據(jù)各植被指數(shù)公式，再利用GIS 技術(shù)計(jì)算得出所研究3 種植被指數(shù)的遙感影像。

2.1.2 氣象數(shù)據(jù) 從安徽省水文遙測(cè)信息網(wǎng)（http：//yc.wswj.net/ahyc/）得到了巢湖流域內(nèi)氣象觀測(cè)站2008—2015 年6—9 月逐月的降水量資料。氣象站點(diǎn)需滿足8 年以上建站時(shí)間且觀測(cè)期間沒有異常故障值，經(jīng)過篩選，符合條件的只有11 個(gè)站點(diǎn)。將月降水量數(shù)據(jù)進(jìn)行整合，分別計(jì)算出流域內(nèi)每個(gè)站點(diǎn)的月平均降水量、年降水量，從而得到逐月降水距平百分率和逐年降水距平百分率，以分析研究時(shí)段內(nèi)流域旱情的發(fā)生與分布情況。

2.1.3 其他數(shù)據(jù) 涉及的其他相關(guān)數(shù)據(jù)包括巢湖流域邊界圖、行政分區(qū)圖和水系圖等矢量數(shù)據(jù)以及研究區(qū)DEM 數(shù)據(jù)。矢量數(shù)據(jù)可在GIS 環(huán)境下自行矢量化生產(chǎn)得到，DEM 數(shù)據(jù)來源于地理空間數(shù)據(jù)云網(wǎng)站。

2.2 研究方法

2.2.1Pa指數(shù)的計(jì)算 降水指標(biāo)能夠反映干旱的發(fā)生程度，降水距平百分率是某時(shí)段的降水量與歷史同期平均降水量的百分比率，它可以反映某時(shí)段內(nèi)的降水量偏離歷史同期平均狀態(tài)降水量的程度。Pa越小，表示該時(shí)期降水偏離歷史同期平均降水量越多，越容易發(fā)生干旱［17］。因降水距平百分率較其他氣象干旱指數(shù)計(jì)算方法更為簡(jiǎn)便，僅需降水量數(shù)據(jù)即可，所以本研究選取降水距平百分率為評(píng)估植被指數(shù)監(jiān)測(cè)旱情敏感性的參考依據(jù)，其計(jì)算公式如下。

式中，P為某時(shí)段降水量（mm）；為某時(shí)段常年同期降水量的平均值（mm）。

2.2.2NDVI的處理 歸一化植被指數(shù)（NDVI）采用的數(shù)據(jù)即為MODIS/NDVI 產(chǎn)品，無需另外再進(jìn)行影像運(yùn)算。但考慮到原始NDVI產(chǎn)品可能有部分像元存在污染出現(xiàn)異常值，故采用八鄰域算法對(duì)影像進(jìn)行平滑處理以去除噪聲污染，從而提高影像質(zhì)量。平滑處理后的NDVI產(chǎn)品可用于計(jì)算AVI和VCI。

2.2.3AVI的計(jì)算 距平植被指數(shù)是用NDVI多年的月（季度）平均值作為參考值，再用某特定年月（季度）的NDVI減去該參考值，即可得到NDVI的正、負(fù)距平值。負(fù)的距平值反映植被生長(zhǎng)狀況較歷史多年同期差，說明植被的生長(zhǎng)受到了抑制，因此有旱情發(fā)生的可能。一般來說，AVI在-0.1～-0.2 表示發(fā)生干旱，值越小旱情越嚴(yán)重［14］，其計(jì)算公式如下。

式中，NDVI為特定年份某一時(shí)段的歸一化植被指數(shù)為該時(shí)段歸一化植被指數(shù)的多年平均值。

2.2.4VCI的計(jì)算 條件植被指數(shù)是將某時(shí)段NDVI與多年同期NDVI的最大值、最小值進(jìn)行比較，并歸一化到0～1。VCI越低，則該時(shí)段NDVI越靠近歷史同期最小值，表示該時(shí)段植被長(zhǎng)勢(shì)越差。VCI反映了植被長(zhǎng)勢(shì)在時(shí)間和空間尺度上的變化，也反映了植被受天氣氣候條件的影響。一般情況下，VCI≤0.3說明植被生長(zhǎng)狀況差，0.30.7 說明植被生長(zhǎng)狀況良好無干旱。若同一地區(qū)連續(xù)幾個(gè)時(shí)段的VCI都小于0.4，則表示植被生長(zhǎng)受到了抑制，存在旱情發(fā)生的可能［13］。其計(jì)算公式如下：

式中，NDVI為特定年份某一時(shí)段的歸一化植被指數(shù)；NDVImin為多年內(nèi)該時(shí)段NDVI的最小值；NDVImax為多年內(nèi)該時(shí)段NDVI的最大值。

2.2.5 植被指數(shù)與Pa的相關(guān)性分析 依據(jù)上述計(jì)算公式，基于預(yù)處理后的2008—2015 年6—9 月的NDVI產(chǎn)品數(shù)據(jù)進(jìn)行計(jì)算得到AVI和VCI時(shí)間序列數(shù)據(jù)。使用像元與氣象站點(diǎn)匹配關(guān)聯(lián)的方法，將氣象站點(diǎn)與MODIS 影像進(jìn)行匹配，從而獲取氣象站點(diǎn)處的植被指數(shù)。首先，根據(jù)安徽省水文遙測(cè)信息網(wǎng)提供的11 個(gè)氣象站點(diǎn)的經(jīng)緯度對(duì)站點(diǎn)進(jìn)行定位；其次，以氣象站所在位置為中心，利用ArcGIS 軟件提供的焦點(diǎn)統(tǒng)計(jì)工具提取3×3 像元內(nèi)的植被指數(shù)平均值作為該氣象站點(diǎn)處的植被指數(shù)，該方法能避免極端像元值的出現(xiàn)，使得到的像元值更具有代表性［3］；最后，對(duì)得到的每一個(gè)氣象站點(diǎn)的各時(shí)期植被指數(shù)與其對(duì)應(yīng)降水距平百分率利用SPSS 軟件進(jìn)行皮爾遜相關(guān)性分析。

3 結(jié)果與分析

3.1 基于Pa 的旱情分析

巢湖流域的降水主要集中在6—9月［15］，因此各年份6—9月的降水量總和即可大致代表研究區(qū)域的年降水量的相對(duì)大小。計(jì)算2008—2015年6—9月研究區(qū)內(nèi)所有氣象站點(diǎn)的降水量總值作為年降水量均值，再依據(jù)公式計(jì)算逐年降水量距平百分率，結(jié)果見表1。從表1可以看出，2009年和2013年的年均降水量均明顯小于多年平均年降水量，即2009 年和2013 年發(fā)生了較為嚴(yán)重的干旱。查閱資料可知，2009年由于降水量異常偏低以及年平均氣溫較歷史同期偏高引發(fā)了較為嚴(yán)重的干旱［11］，安徽省部分地區(qū)的降水量之少甚至達(dá)到30 年一遇，這與本研究結(jié)果一致。

表1 巢湖流域2008—2015 年逐年降水距平百分率（單位：%）

根據(jù)2008—2015 年各氣象站的月降水量數(shù)據(jù)計(jì)算出流域內(nèi)的各月降水量均值，再按公式計(jì)算得到各月降水距平百分率，結(jié)果見表2。當(dāng)以月尺度的Pa度量旱情變化時(shí)，根據(jù)《氣象干旱等級(jí)》標(biāo)準(zhǔn)［17］和流域內(nèi)的情況：Pa>-40%為無旱，-60%

表2 巢湖流域2008—2015 年6—9 月逐月降水距平百分率

3.2 植被指數(shù)與Pa 的相關(guān)性分析

通過降水距平百分率分析流域內(nèi)的干旱情況可知，2009 年和2013 年均發(fā)生了較為嚴(yán)重的干旱，并且9 月的降水量相對(duì)于其他3 個(gè)月少，因此重點(diǎn)對(duì)2009 年9 月和2013 年9 月干旱期間的植被指數(shù)和降水距平百分率監(jiān)測(cè)旱情的情況進(jìn)行相關(guān)性分析。因?yàn)橹挥性诟珊禃r(shí)，水分對(duì)植被的長(zhǎng)勢(shì)才起決定性作用，這時(shí)植被內(nèi)的葉綠素含量會(huì)隨著水分的減少而下降，從而對(duì)反射近紅外光的能力也會(huì)明顯降低，因常用的植被指數(shù)一般是根據(jù)近紅外光譜構(gòu)建的，所以植被指數(shù)也會(huì)相應(yīng)減小，此時(shí)可以用來反映干旱發(fā)生情況，以此來監(jiān)測(cè)旱情。分別將2009 年9 月與2013 年 9 月流域內(nèi)的 11 個(gè)站點(diǎn)對(duì)應(yīng)的NDVI、AVI和VCI與Pa進(jìn)行相關(guān)性分析，分析結(jié)果如下。

3.2.1NDVI與Pa的相關(guān)性分析 圖2 是以 2009 年9 月和2013 年9 月干旱期間為例表示巢湖流域內(nèi)歸一化植被指數(shù)與降水距平百分率相關(guān)性的空間分異。NDVI是用來描述植被長(zhǎng)勢(shì)的重要指數(shù)，而植被長(zhǎng)勢(shì)又受到降水的影響，因而NDVI可以間接地反映旱情的發(fā)生情況。Pa越低，NDVI越小，表明旱情越嚴(yán)重。從圖2 可以看出，2009 年 9 月和 2013 年 9 月NDVI影像與區(qū)域旱情分布較為一致，均表現(xiàn)為流域內(nèi)北部植被覆蓋率偏低，南部為高植被覆蓋區(qū)。流域內(nèi)西北方向NDVI較小，表明該地植被覆蓋率偏低，同時(shí)分布在該地區(qū)的氣象站點(diǎn)所對(duì)應(yīng)的Pa也較低，說明該地降水不足，有旱情出現(xiàn)的可能，二者的變化趨勢(shì)一致，具有一定的相關(guān)性。東北方向降水量偏高，但NDVI并沒有出現(xiàn)相應(yīng)的偏高，未表現(xiàn)出相關(guān)性，可能是由于選取的站點(diǎn)分布不均勻?qū)е碌?。整體來看，正降水距平百分率與歸一化植被指數(shù)的空間分布相關(guān)性表現(xiàn)不是很明顯?？赡苁且?yàn)檠芯繀^(qū)內(nèi)NDVI都偏大，表明研究區(qū)內(nèi)植被覆蓋度較高。有研究表明，NDVI具有飽和效應(yīng)，即當(dāng)某地區(qū)的植被覆蓋度到達(dá)一定程度后，NDVI就不再隨著植被覆蓋度的上升而上升，并且NDVI在時(shí)間上存在一定程度的滯后［18］。

3.2.2AVI與Pa的 相 關(guān)性 分析 圖3 為 2009 年 9 月和 2013 年 9 月AVI與Pa相關(guān) 性空間分異 。從圖3 可以看出，流域內(nèi)2009 年9 月的AVI整體上低于2013年 9 的的AVI，表明 2009 年的干旱程度較 2013 年更為嚴(yán)重，這與基于Pa的旱情監(jiān)測(cè)結(jié)果一致。總體來看，AVI和Pa的分布趨勢(shì)較為一致，AVI越小的地方Pa也越低。在流域內(nèi)西北地區(qū)氣象站點(diǎn)的Pa均為負(fù)值，對(duì)應(yīng)的相同時(shí)期的AVI影像圖也顯示出明顯的偏低；東北地區(qū)的Pa和AVI均高于平均水平，二者對(duì)旱情監(jiān)測(cè)的結(jié)果較為一致。比較圖2 和圖3，旱情在西北方向的變化情況基本一致，植被指數(shù)都偏低；但在東北方向，NDVI的旱情監(jiān)測(cè)結(jié)果要比AVI嚴(yán)重，這可能是由于植被指數(shù)的取值和分級(jí)范圍不同造成的。

圖2 2009 年9 月（a）和 2013 年 9 月（b）NDVI與Pa 相關(guān)性空間分異

圖3 2009 年9 月（a）和2013 年9 月（b）AVI與Pa 相關(guān)性空間分異

3.2.3VCI與Pa的相關(guān)性分析 對(duì)比圖3 和圖4，從空間上來看，相同時(shí)期的AVI影像和VCI影像表現(xiàn)出較為一致的分布趨勢(shì)，在降水相對(duì)充足的東北方向，植被指數(shù)都表現(xiàn)出明顯的偏高，而分布在西北地區(qū)的氣象站點(diǎn)的Pa均表現(xiàn)為負(fù)值，與植被指數(shù)的分布趨勢(shì)表現(xiàn)出一致性。通過3 種植被指數(shù)的遙感影像和站點(diǎn)Pa的綜合分析可以得出，NDVI影像的變化最不明顯，其與Pa的分布趨勢(shì)變化表現(xiàn)不是很一致；而AVI和VCI與Pa的分布有明顯的一致性規(guī)律，對(duì)旱情響應(yīng)的敏感性較NDVI有一定的提高。這可能是因?yàn)镹DVI本身存在局限性，而AVI和VCI是在多年NDVI遙感影像的基礎(chǔ)上得到的反映區(qū)域土壤供水平均情況的植被指數(shù)，所以監(jiān)測(cè)旱情的結(jié)果更具有代表性。

圖4 2009 年9 月（a）和2013 年9 月（b）Pa 與VCI相關(guān)性空間分異

3.2.4 植被指數(shù)與Pa的相關(guān)性比較 為了在相同的地域條件下對(duì)比NDVI、AVI和VCI這 3 種不同植被指數(shù)對(duì)旱情響應(yīng)的敏感程度，使用Pa作為評(píng)估植被指數(shù)對(duì)旱情監(jiān)測(cè)敏感性的參考依據(jù)，計(jì)算了干旱時(shí)期的Pa與其對(duì)應(yīng)的3 種植被指數(shù)之間的相關(guān)系數(shù)，相關(guān)系數(shù)越大，說明該植被指數(shù)對(duì)旱情監(jiān)測(cè)越敏感。結(jié)果（表3）顯示，除了NDVI外，其余相關(guān)系數(shù)均通過了0.1 水平的顯著性檢驗(yàn)，證明植被指數(shù)與降水距平百分率之間存在相關(guān)性，但相關(guān)性普遍不高，可能是選取的氣象站點(diǎn)在空間上分布不均勻?qū)е碌摹DVI指數(shù)與Pa的相關(guān)性最差，AVI和VCI與Pa的相關(guān)性均較好，尤其是VCI，這與上節(jié)的研究結(jié)果基本一致。因此，AVI和VCI對(duì)旱情監(jiān)測(cè)的敏感度更高。

表3 巢湖流域 2009 年 9 月和 2013 年 9 月 NDVI、AVI、VCI與Pa 的相關(guān)系數(shù)

4 小結(jié)與討論

4.1 小結(jié)

本研究運(yùn)用巢湖流域2008—2015 年6—9 月的MODIS/NDVI 影像產(chǎn)品數(shù)據(jù)及降水量數(shù)據(jù)，對(duì)3 種植被指數(shù)（NDVI、AVI、VCI）與降水距平百分率（Pa）進(jìn)行相關(guān)性分析，從而對(duì)比相同地域條件下不同植被指數(shù)對(duì)旱情監(jiān)測(cè)的敏感程度。結(jié)果顯示，在2008—2015 年，2009 年和2013 年均發(fā)生了不同程度的干旱，尤其是2009 年。其中，9 月為流域內(nèi)6—9 月最容易發(fā)生干旱的月份。因此，以2009 年9 月和2013年9 月干旱期間為例，分析了3 種植被指數(shù)與降水距平百分率的相關(guān)性。結(jié)果表明，AVI和VCI與Pa的相關(guān)性較好，且以VCI對(duì)旱情響應(yīng)的敏感度最高，而NDVI監(jiān)測(cè)旱情的精度較差。

4.2 討論

本研究側(cè)重于比較3 種植被指數(shù)對(duì)旱情響應(yīng)的敏感程度，得到的只是相對(duì)的結(jié)果，從相關(guān)性分析結(jié)果也可以看出，植被指數(shù)與降水距平百分率的相關(guān)性普遍不高，可能有以下幾個(gè)原因：①滿足條件的氣象站點(diǎn)在研究區(qū)內(nèi)分布不均勻；②研究選用的MODIS產(chǎn)品時(shí)間序列不夠長(zhǎng)，并且空間分辨率為500 m，使其得到的3×3 像元平均值的范圍也較大；③植被指數(shù)的下降不僅與降水量減少有關(guān)，還會(huì)受到時(shí)間滯后性、灌溉條件、氣候條件、植被類型以及土壤持水能力等因素的影響［19］。

NDVI監(jiān)測(cè)干旱情況不理想的原因可能是NDVI具有飽和效應(yīng)，并且NDVI易受到植被背景信息和大氣情況的干擾，而研究區(qū)域的植被覆蓋度較高，給研究帶來了不確定性和誤差。因此，采用AVI和VCI監(jiān)測(cè)旱情的效果更好，因?yàn)樗鼈兌际峭ㄟ^與長(zhǎng)時(shí)間歷史同期的植被指數(shù)建立關(guān)系，描述了植被的時(shí)空變化，消除了植被指數(shù)的偶然性誤差。但有研究表明，AVI只適用于大尺度范圍的旱情監(jiān)測(cè)，因?yàn)槠錈o法和干旱建立定量關(guān)系［20］；VCI雖然能定量描述植被的空間變化和長(zhǎng)期氣候?qū)χ脖坏挠绊懀挠?jì)算需要長(zhǎng)時(shí)間的連續(xù)數(shù)據(jù)，并且不適用于播種期和成熟期［21］。因此，不同的植被指數(shù)監(jiān)測(cè)旱情具有不同的適用條件，綜合分析氣候環(huán)境多因素的影響能提高植被指數(shù)監(jiān)測(cè)旱情的精度，對(duì)科學(xué)合理地預(yù)報(bào)旱情具有重大意義。