基于高分六號衛(wèi)星數(shù)據(jù)的花生干旱監(jiān)測研究

張 彥，劉 婷，郭 燕，賀 佳，王來剛，張紅利，楊秀忠

（1.河南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所，鄭州 450002；2.河南省農(nóng)作物種植監(jiān)測與預(yù)警工程研究中心，鄭州 450002）

0 引 言

干旱是對中國農(nóng)業(yè)影響最大的自然災(zāi)害之一，具有影響范圍廣、發(fā)生頻率高、持續(xù)時間長等特征[1]。中國每年旱災(zāi)損失占各種自然災(zāi)害的15%以上，每年因旱災(zāi)造成糧食減產(chǎn)約300 億kg[2]?；ㄉ鳛橹袊匾挠土献魑镏?，每年約有70%的花生受到不同程度的干旱脅迫，對花生的產(chǎn)量和品質(zhì)造成影響。在全球氣候變暖的大背景下，干旱發(fā)生的頻率和強(qiáng)度均在迅速增長，干旱對花生生產(chǎn)的沖擊和影響變大[3]。因此，開展花生干旱監(jiān)測研究，為花生干旱預(yù)警提供實時精確的信息，提高灌溉的精確性和及時性，對于保障花生豐產(chǎn)、穩(wěn)產(chǎn)具有重要意義。

利用遙感技術(shù)可以快速獲取大范圍土壤水分變化及作物生長狀態(tài)，準(zhǔn)確地反映不同干旱條件下作物受脅迫的程度，在農(nóng)業(yè)旱災(zāi)監(jiān)測預(yù)警中得到廣泛應(yīng)用[4-7]。大量研究表明，溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）能較好地反映大范圍作物干旱信息[8-10]。TVDI的構(gòu)建多是采用傳統(tǒng)的歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），但NDVI在植被覆蓋度較高時易飽和[11]，對干旱監(jiān)測的精度造成一定不利影響。近年來，不少學(xué)者利用增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）、修正土壤調(diào)整植被指數(shù)（Modified Soil-Adjusted Vegetation Index，MSAVI）、比值植被指數(shù)（Ratio Vegetation Index，RVI）等植被指數(shù)對TVDI進(jìn)行了改進(jìn)，均取得了較高的監(jiān)測精度。LI 等[12]利用EVI構(gòu)建TVDI估算不同土壤深度水分，發(fā)現(xiàn)利用EVI構(gòu)建的TVDI與降水距平的相關(guān)性更好；為減少土壤背景與植被覆蓋度對干旱監(jiān)測精度的影響，陳明星等[13]在不同植被覆蓋狀況下選取多種植被指數(shù)構(gòu)建TVDI，發(fā)現(xiàn)在高植被覆蓋區(qū)利用EVI和MSAVI計算的TVDI比其他植被指數(shù)更能反映土壤濕度狀況。改進(jìn)的TVDI對作物干旱監(jiān)測精度更高，但都是采用近紅外和紅光波段構(gòu)建植被指數(shù)進(jìn)行TVDI改進(jìn)，較少有利用紅邊波段的研究。此外，已有干旱遙感監(jiān)測研究普遍集中在整個研究區(qū)域，而不是作物種植區(qū)域，限制了結(jié)果的針對性和適用性。紅邊波段作為植被在0.68～0.76 μm 反射率增高最快的點，與植被的各種理化參數(shù)緊密相關(guān)[15]，是描述綠色植物生長和健康狀況的敏感波段，亦可作為指示作物受干旱脅迫狀態(tài)的理想工具[16]。國內(nèi)外眾多學(xué)者采用近地高光譜遙感數(shù)據(jù)中的紅邊波段開展農(nóng)業(yè)干旱監(jiān)測研究，發(fā)現(xiàn)紅邊波段對葉片含水量[17]、葉面積指數(shù)[18]、葉綠素含量[19]等農(nóng)田干旱程度評價指標(biāo)的變化反應(yīng)敏感。如蘇偉等[20]基于無人機(jī)影像構(gòu)建了多個植被指數(shù)與冠層葉綠素含量進(jìn)行回歸分析，發(fā)現(xiàn)紅邊波段的加入可有效提高葉綠素含量估算的精度。VAZ等[21]利用便攜式植物反射光譜測量儀測定葡萄葉片光譜反射率并計算了歸一化紅邊差值植被指數(shù)、紅邊位置等紅邊參數(shù)，發(fā)現(xiàn)歸一化紅邊植被指數(shù)與葡萄葉片相對含水量相關(guān)性較好，可以用于葡萄抗干旱品種篩選。林毅等[22]利用高光譜數(shù)據(jù)對不同干旱脅迫條件下玉米冠層光譜反射率的變化特征進(jìn)行了研究，發(fā)現(xiàn)紅邊參數(shù)對于干旱脅迫響應(yīng)快。這些研究為紅邊波段在干旱遙感監(jiān)測中的應(yīng)用奠定了良好的基礎(chǔ)。

隨著WorldView、SuperDove、Sentinel-2 等衛(wèi)星的成功發(fā)射，利用多光譜衛(wèi)星紅邊波段開展區(qū)域尺度的農(nóng)業(yè)干旱監(jiān)測成為可能。但受各國遙感數(shù)據(jù)分發(fā)服務(wù)政策影響，國外衛(wèi)星數(shù)據(jù)的獲取存在費(fèi)用高和不確定性問題[23]。國產(chǎn)高分六號衛(wèi)星于2018年6月2日成功發(fā)射，作為中國首顆具備紅邊波段傳感器的衛(wèi)星，實現(xiàn)了國產(chǎn)高分衛(wèi)星數(shù)據(jù)替代國外同類數(shù)據(jù)，打破了農(nóng)業(yè)遙感監(jiān)測研究需要用到的中高分辨率數(shù)據(jù)長期依賴國外衛(wèi)星的局面。高分六號具有寬覆蓋、高重訪、高分辨率、多譜段特征等特征[24]，對區(qū)域尺度農(nóng)業(yè)遙感監(jiān)測應(yīng)用需求的滿足程度更高，已在地物類型識別[25]、長勢診斷[26]等農(nóng)業(yè)監(jiān)測中得到較好應(yīng)用，但目前尚沒有關(guān)于GF-6 數(shù)據(jù)在農(nóng)業(yè)干旱中的應(yīng)用研究報道。因此，本研究基于高分六號寬幅數(shù)據(jù)（GF-6 WFV），運(yùn)用紅邊波段構(gòu)建溫度植被干旱指數(shù)（TVDI）對社旗縣花生旱情進(jìn)行監(jiān)測，探討紅邊波段在花生干旱監(jiān)測中的適用性，為高分六號衛(wèi)星數(shù)據(jù)在農(nóng)業(yè)干旱監(jiān)測方面的應(yīng)用提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

社旗縣位于河南省南陽市（32°47′～33°07′N，112°45′～113°11′E）（見圖1），處于北亞熱帶向暖濕帶過渡帶，具有明顯的大陸性季風(fēng)氣候特征，年均降水量為910.11 mm，年際間和不同季節(jié)間降水分布不均，導(dǎo)致旱災(zāi)頻發(fā)。該縣秋季作物有玉米、花生、大豆、紅薯等，其中花生播種面積占比最大，2019年播種面積達(dá)3 萬hm2，占全縣秋糧播種總面積的35%，是該縣主要的經(jīng)濟(jì)作物和油料作物。社旗縣花生播種方式以夏直播為主，播種期為每年6月初，收獲期為9月末，生育期為110 d。

圖1 研究區(qū)地理位置及干旱等級實測點Fig.1 Location of study area and drought grade measured points

1.2 數(shù)據(jù)來源與處理

1.2.1 遙感數(shù)據(jù)

研究使用的GF-6 衛(wèi)星數(shù)據(jù)是由中國資源衛(wèi)星應(yīng)用中心（http://www.cresda.com/CN/）提供，多光譜寬幅相機(jī)(WFV)數(shù)據(jù)空間分辨率為16 m，包含8 個波段，分別為：藍(lán)波段（波長0.45～0.52 μm）、綠波段（波長0.52～0.59 μm）、紅波段（波長0.63～0.69 μm）、近紅外波段（波長0.77～0.89 μm）、紅邊波段1（波長0.69～0.73 μm）、紅邊波段2（波長0.73～0.77 μm）、紫邊波段（波長0.40～0.45 μm）、黃邊波段（波長0.59～0.63 μm）。Landsat 8 TIRS 數(shù)據(jù)來源于美國地質(zhì)調(diào)查局（http:∥glovis.usgs.gov/），影像行列號為124/37，空間分辨率為100 m。利用ENVI5.3軟件對GF-6 WFV和Landsat8 TIRS數(shù)據(jù)進(jìn)行輻射校正、幾何校正、配準(zhǔn)、裁剪等處理得到研究區(qū)范圍的植被指數(shù)和地表溫度數(shù)據(jù)。

1.2.2 土壤相對濕度數(shù)據(jù)

土壤相對濕度數(shù)據(jù)來源于中國氣象科學(xué)數(shù)據(jù)共享網(wǎng)（http:∥data.cma.cn）“中國氣象局陸面數(shù)據(jù)同化系統(tǒng)（CLDASV2.0）實時產(chǎn)品數(shù)據(jù)集”，空間分辨率為0.062 5°×0.062 5°，與地面實際觀測值吻合度較高，選取與遙感數(shù)據(jù)時間相同的0～20 cm土壤相對濕度數(shù)據(jù)對反演的TVDI進(jìn)行精度驗證。

1.2.3 實地調(diào)查數(shù)據(jù)

為對TVDI干旱分級結(jié)果進(jìn)行準(zhǔn)確率驗證，于2019年9月13日在社旗縣進(jìn)行實地調(diào)查，參照《農(nóng)業(yè)干旱等級》(GB/T32136-2015)，根據(jù)實地調(diào)查時花生植株形態(tài)（見圖2）和莢果數(shù)量，將花生干旱劃分為輕旱、中旱、重旱、特旱4 個等級。輕旱表現(xiàn)為花生葉片上部卷起，莢果數(shù)量較正常年份減少10%以內(nèi)；中旱表現(xiàn)為花生葉片凋萎，莢果數(shù)量較正常年份減少10%～40%；重旱表現(xiàn)為花生葉片枯萎，莢果數(shù)量較正常年份減少40%～80%；特旱表現(xiàn)為花生植株干枯死亡，莢果數(shù)量較正常年份減少80%以上，甚至絕收。通過全球定位系統(tǒng)（Global Positioning System，GPS）設(shè)備采集地面實測樣本點共計162 個，其中輕旱樣本點36個、中旱樣本點33 個、重旱樣本點54 個、特旱樣本點39 個。

圖2 不同干旱強(qiáng)度下花生植株形態(tài)Fig.2 The patterns of peanuts with different drought intensity

1.2.4 其他數(shù)據(jù)

除遙感數(shù)據(jù)、土壤相對濕度數(shù)據(jù)和實測數(shù)據(jù)外，本研究還收集了社旗縣地形圖、土地利用數(shù)據(jù)，用于輔助識別花生種植面積空間分布。

1.3 研究方法

采用高分六號衛(wèi)星數(shù)據(jù)的紅波段、紅邊波段和近紅外波段的反射率數(shù)據(jù)分別計算歸一化差值植被指數(shù)(NDVI)和歸一化紅邊差值植被指數(shù)(Red-edge Normalized Difference Vegetation Index，NDVI_RE)，與 地 表 溫 度（Land Surface Temperature，LST）擬合得到溫度植被干旱指數(shù)(TVDI)。

1.3.1 植被指數(shù)計算

為了充分利用高分六號衛(wèi)星紅邊波段信息，除了常用的歸一化差值植被指數(shù)外，還基于植被指數(shù)構(gòu)建方法，用紅邊波段分別替換紅光波段，構(gòu)建新的植被指數(shù)NDVI_RE[27]，對作物干旱監(jiān)測能力進(jìn)行對比分析。各植被指數(shù)計算公式如下：

式中：NIR、R、RE分別表示近紅光波段、紅光波段、紅邊波段的光譜反射率。

1.3.2 溫度植被干旱指數(shù)（TVDI）

地表溫度和植被指數(shù)結(jié)合能夠提供地表植被和水分條件信息，當(dāng)研究區(qū)的植被覆蓋從裸土到全覆蓋，土壤濕度從極干旱到極濕潤的情況下，由地表溫度（LST）為縱坐標(biāo)，植被指數(shù)（Vegetation Index，VI）為橫坐標(biāo)的散點圖呈三角形[28]。TVDI綜合利用地表溫度與植被指數(shù)信息，其計算公式如下：

式中：LST為任意像元的地表溫度；LSTmin為同一植被指數(shù)VI值對應(yīng)的最低地表溫度，LSTmin=a+b VI，稱為濕邊，其中a和b為濕邊方程的擬合系數(shù)；LSTmax為同一植被指數(shù)VI值對應(yīng)的最大地表溫度，LSTmax=c+d VI，稱為干邊，其中c和d為干邊方程的擬合系數(shù)。TVDI值域范圍為[0，1]，TVDI值越大，表示土壤濕度越小，干旱越嚴(yán)重；相反，TVDI值越小，表示土壤濕度越大，干旱越輕[29]。

1.3.3 分級準(zhǔn)確率評價

為分析TVDI對花生干旱程度的反映能力，參照劉丹等[30]提出的準(zhǔn)確率檢測方法，結(jié)合實測樣本點數(shù)據(jù)，對TVDI干旱等級監(jiān)測結(jié)果進(jìn)行準(zhǔn)確率評價，準(zhǔn)確率計算公式如下：

式中：ACC為準(zhǔn)確率；H為TVDI監(jiān)測結(jié)果與地面實測干旱等級一致的樣本點個數(shù)；M為TVDI監(jiān)測結(jié)果與地面實測干旱等級不一致的樣本點個數(shù)。

2 結(jié)果與分析

2.1 TVDI模型的建立與驗證

2.1.1 地表溫度-植被指數(shù)（LST-VI）特征空間

利用2019年7月7日、2019年8月24日、2019年9月9日的NDVI、NDVI_RE分別與相應(yīng)日期的LST構(gòu)建地表溫度-植被指數(shù)（LST-VI）特征空間，結(jié)果見圖3。由圖3可以看出NDVI、NDVI_RE與LST的散點分布形狀均近似三角形，符合Sandholt 等人提出的特征空間分布，說明2 種植被指數(shù)與地表溫度構(gòu)造的特征空間均適用于研究區(qū)。

圖3 2019年6-9月地表溫度-植被指數(shù)（LST-VI）特征空間Fig.3 LST-VI space from June to September,2019

根據(jù)植被指數(shù)與地表溫度特征空間的結(jié)果，擬合對應(yīng)的干邊、濕邊方程，結(jié)果見表1。由表1可以看出，干邊方程斜率均小于0，濕邊方程斜率均大于0，表明最大地表溫度隨植被指數(shù)的增大呈減小趨勢，最小地表溫度隨植被指數(shù)的增大呈增加趨勢。同時期比較時，NDVI、NDVI_RE擬合干邊方程的決定系數(shù)均大于濕邊方程，干邊方程擬合效果優(yōu)于濕邊方程；由NDVI_RE參與擬合的干邊方程決定系數(shù)大于NDVI，說明紅邊波段的加入提高了干邊方程擬合度。不同時期比較時，基于NDVI_RE得出的干邊方程擬合系數(shù)高于同時期NDVI，決定系數(shù)最高達(dá)0.92。故選取NDVI_RE構(gòu)建的TVDI對研究區(qū)干旱進(jìn)行后續(xù)研究。

表1 不同植被指數(shù)的干邊、濕邊方程Tab.1 Equations of dry edge and wet edge of different vegetation index

2.1.2 TVDI模型驗證

已有研究表明TVDI與0～20 cm 土壤水分的相關(guān)性最高[31]。據(jù)此，本研究利用2019年7月7日、2019年8月24日、2019年9月9日的0～20 cm 土壤相對濕度與同期反演得到的TVDI進(jìn)行相關(guān)性分析，驗證TVDI對花生干旱監(jiān)測的有效性，結(jié)果見表2。由表2可知，2種指數(shù)與0～20 cm 土壤相對濕度均呈顯著負(fù)相關(guān)（P＜0.05），隨著TVDI的增大，土壤相對濕度呈下降趨勢，即TVDI越高，土壤相對濕度越低，旱情越嚴(yán)重。其中，相同時期的TVDINDVI_RE與0～20 cm 土壤相對濕度的相關(guān)系數(shù)高于TVDINDVI與0～20 cm 土壤相對濕度的相關(guān)系數(shù)。TVDI與土壤相對濕度的相關(guān)性在2019年8月24日高于2019年7月7日及2019年9月9日，這是由于2019年7月7日為花生幼苗期，地表覆蓋度較低，土壤信息影響植被指數(shù)表達(dá)；2019年9月9日為花生成熟期，花生植被指數(shù)存在飽和效應(yīng)；而2019年8月24日為花生結(jié)莢期，生長旺盛，植被覆蓋度高，植被信息中土壤背景噪聲影響小，TVDI與土壤相對濕度的相關(guān)性高。該結(jié)果進(jìn)一步反映出基于紅邊波段計算得到的TVDI更適用于研究區(qū)花生干旱監(jiān)測。

表2 溫度植被干旱指數(shù)（TVDI）與土壤相對濕度相關(guān)系數(shù)Tab.2 Correlation coefficient between soil relative humidity and temperature vegetation dryness index(TVDI)

2.2 干旱等級劃分標(biāo)準(zhǔn)的準(zhǔn)確率

為降低云及土壤背景的影響，對3 期TVDINDVI_RE進(jìn)行平均值合成后，采用自然間斷點分級法將TVDI劃分為4 個等級：0～0.6 為輕旱、0.6～0.7 為中旱、0.7～0.8 為重旱、0.8～1.0 為特旱。結(jié)合干旱等級實測數(shù)據(jù)對TVDI干旱分級結(jié)果進(jìn)行分級準(zhǔn)確率驗證，結(jié)果見表3。由表3可以看出，本研究得到的干旱等級與實測干旱等級多數(shù)情況下是一致的，其中，36 個輕旱實測樣本點均落在TVDI輕旱內(nèi)；33個中旱實測樣本點有30個落在TVDI中旱內(nèi)，3 個落在TVDI重旱內(nèi)；54 個重旱實測樣本點有45 個落在TVDI重旱內(nèi)，6 個落在TVDI中旱內(nèi)，3 個在TVDI特旱內(nèi)；39個特旱實測樣本點有均落在TVDI特旱內(nèi)，各干旱等級監(jiān)測準(zhǔn)確率均超83.33%，總體準(zhǔn)確率為91.98%。以上結(jié)果表明，基于GF-6TVDINDVI_RE劃分的干旱等級標(biāo)準(zhǔn)適用于社旗縣花生干旱監(jiān)測，監(jiān)測結(jié)果與實測結(jié)果基本相符。

表3 基于TVDINDVI_RE的干旱分級準(zhǔn)確率驗證 個Tab.3 Accuracy of drought grade based on TVDINDVI_RE

2.3 花生干旱遙感監(jiān)測結(jié)果

為探究TVDI對區(qū)域范圍內(nèi)作物干旱監(jiān)測效果，參照2.2節(jié)的分級標(biāo)準(zhǔn)對2019年7月7日、2019年8月24日、2019年9月9日的TVDINDVI_RE結(jié)果進(jìn)行干旱分級，由此得到2019年6-9月的社旗縣花生干旱等級分布圖（見圖4）。由圖4可以看出，2019年7月7日社旗縣花生干旱以輕旱為主，西北部地區(qū)有重旱和特旱；2019年8月24日社旗縣花生干旱在東部地區(qū)有重旱與特旱，中部地區(qū)和西部地區(qū)有中旱和輕旱；2019年9月9日社旗縣花生干旱在東部地區(qū)有重旱和特旱，中部地區(qū)和西部地區(qū)有中旱?？v觀社旗縣2019年6-9月干旱情況由西向東逐漸加重，東部地區(qū)干旱情況較為嚴(yán)重且持續(xù)時間長。這與社旗縣東部和東北部地區(qū)耕地多為沙崗地且灌溉條件不佳，西部及南部地區(qū)灌溉條件便利有關(guān)。

圖4 社旗縣花生干旱等級分布圖Fig.4 Spatial distribution of peanut drought grade in Sheqi County

3 結(jié) 論

2019年秋季作物生長期間，社旗縣持續(xù)高溫少雨，對花生產(chǎn)量和品質(zhì)造成不利影響。本研究基于GF-6 WFV數(shù)據(jù)計算紅邊歸一化植被指數(shù)（NDVI_RE）和歸一化植被指數(shù)（NDVI），與地表溫度（LST）構(gòu)建溫度植被干旱指數(shù)（TVDI），結(jié)合土壤相對濕度和干旱等級實測數(shù)據(jù)，動態(tài)監(jiān)測研究區(qū)花生干旱情況，評估高分六號紅邊波段在花生干旱監(jiān)測中的適用性。研究結(jié)論如下。

GF-6 WFV 衛(wèi)星紅邊波段參與計算的TVDINDVI_RE與LST的散點分布形狀符合“三角形”特征空間分布，有紅邊波段參與的干邊方程擬合效果優(yōu)于無紅邊波段參與，基于NDVI_RE指數(shù)的干邊方程擬合度最大為0.92；2種植被指數(shù)構(gòu)建的TVDI與0～20 cm土壤相對濕度均呈顯著負(fù)相關(guān)關(guān)系，基于NDVI_RE指數(shù)構(gòu)建的TVDI與0～20 cm 土壤相對濕度的相關(guān)性更好，最大相關(guān)系數(shù)為0.85；研究利用TVDINDVI_RE實現(xiàn)了社旗縣花生干旱動態(tài)監(jiān)測，TVDINDVI_RE干旱分級結(jié)果與干旱等級實測結(jié)果一致性較好，花生干旱等級監(jiān)測總體準(zhǔn)確率為91.98%。GF-6 衛(wèi)星紅邊波段可有效提高花生干旱監(jiān)測精度，更好地表征花生干旱信息。

農(nóng)業(yè)干旱是在農(nóng)業(yè)生產(chǎn)中由于氣溫過高、降水不足、土壤含水量過低等原因?qū)е鹿┧荒軡M足農(nóng)作物的正常需水，影響作物正常生長發(fā)育[32]。溫度植被干旱指數(shù)綜合利用植被指數(shù)和地表溫度信息反演土壤濕度，可較好地反映作物干旱情況。針對當(dāng)前大多數(shù)研究在構(gòu)建TVDI模型時采用歸一化植被指數(shù)，而歸一化植被指數(shù)對于不同時期植被覆蓋差異的敏感性不同，影響了TVDI監(jiān)測土壤濕度的準(zhǔn)確性這一問題[33]，本研究利用GF-6 WFV 衛(wèi)星紅邊波段對TVDI進(jìn)行改進(jìn)并應(yīng)用于花生干旱監(jiān)測，發(fā)現(xiàn)相比于傳統(tǒng)NDVI構(gòu)建的TVDI，由紅邊波段參與改進(jìn)后的TVDI與土壤相對濕度相關(guān)性更高。紅邊波段作為GF-6 衛(wèi)星的優(yōu)勢波段，為農(nóng)情監(jiān)測和改進(jìn)傳統(tǒng)遙感參數(shù)反演提供了新的契機(jī)，但由于搭載紅邊波段的傳感器相對較少，基于紅邊波段的農(nóng)情遙感監(jiān)測研究尚處于起步階段。在紅邊植被指數(shù)構(gòu)建時，參考了高光譜遙感植被指數(shù)的構(gòu)建方法，GF-6 WFV數(shù)據(jù)與高光譜數(shù)據(jù)的紅邊波段的中心波長無法完全一致，這可能會對判別精度造成一定的影響。后續(xù)還應(yīng)加強(qiáng)多個紅邊波段之間的光譜差異研究，在多個紅邊波段中合理選擇波段進(jìn)行指數(shù)構(gòu)建，提高干旱監(jiān)測模型的普適性。此外，本研究僅針對花生干旱開展了監(jiān)測研究，對其他作物的干旱監(jiān)測能力尚需進(jìn)一步研究。