基于MODIS晝夜地表溫度的廣西土壤相對含水量反演

盧獻(xiàn)健,黎振寶,晏紅波*,周 斌

(1.桂林理工大學(xué) 測繪地理信息學(xué)院，廣西 桂林 541006；2.奧格科技股份有限公司，廣東 廣州 510663)

0 引言

土壤相對含水量(Relative Soil Moisture,RSM)是判斷植物生長過程中所需水分能否得到滿足的重要參數(shù)，也是判斷是否干旱的基本條件之一[1-2]。傳統(tǒng)的土壤含水量監(jiān)測方法主要有烘干稱重法、時(shí)域反射儀(TDR)、中子儀探測法等[3]。雖然這些方法單點(diǎn)測量精度較高，但是在操作上耗時(shí)、耗力且無法實(shí)現(xiàn)大范圍的土壤含水量宏觀動(dòng)態(tài)監(jiān)測。而使用衛(wèi)星遙感技術(shù)測量RSM具有重訪周期短、實(shí)時(shí)動(dòng)態(tài)監(jiān)測快和覆蓋范圍大等優(yōu)勢[4]。運(yùn)用遙感資料與陸地表面模型相結(jié)合的方法已成為大面積監(jiān)測RSM的主要技術(shù)手段。

利用溫度-植被指數(shù)法研究區(qū)域地表水分分布及其變化是RSM遙感估算的一個(gè)重要方法，其通過建立溫度-植被指數(shù)特征空間并利用溫度植被干旱指數(shù)模型(Temperature Vegetation Dryness Index,TVDI)反演RSM[5]。已有許多學(xué)者使用TVDI開展了大量RSM方面的研究，劉馨等[6]以MODIS為數(shù)據(jù)源，利用TVDI反演黃河源區(qū)的RSM，反演所得的RSM與實(shí)測數(shù)據(jù)表現(xiàn)出較高的相關(guān)性。黃靜等[7]基于TVDI對處于干旱區(qū)的新疆進(jìn)行干旱監(jiān)測，結(jié)果表明TVDI可以較好反映新疆的干旱情況。羅彪等[8]使用MODIS數(shù)據(jù)計(jì)算了TVDI，VSWI，VCI和TCI四種遙感干旱指數(shù)，其相關(guān)性分析表明，在河套灌區(qū)TVDI與實(shí)測RSM的相關(guān)性優(yōu)于其他指數(shù)。覃藝等[9]基于TVDI反演的RSM結(jié)合氣象資料分析了影響內(nèi)蒙古干旱情況的因素，表明在該地區(qū)氣溫對RSM的影響大于降水。陳哲璐等[10]在福建地區(qū)分析了分別基于增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index,EVI)和NDVI所構(gòu)建的TVDI模型的適用性，結(jié)果表明，基于EVI所構(gòu)建的TVDI在福建省及氣候相似地區(qū)的干旱監(jiān)測效果更好。以上研究表明，TVDI的適用范圍廣，且都能較好地反映所研究區(qū)域的RSM，但均使用白天地表溫度(Land Surface Temperature,LST)構(gòu)建溫度-植被特征空間，以及使用線性方程擬合干濕邊。白天地表受到太陽的長時(shí)間直接照射會(huì)產(chǎn)生熱浪等現(xiàn)象，從而在影像上的溫度表現(xiàn)出高于土壤實(shí)際溫度的情況，進(jìn)而影響到所構(gòu)建的溫度-植被特征空間與實(shí)際的相符性，而夜晚LST則可以有效避免LST虛高或短時(shí)間內(nèi)偏高的問題。目前，大多數(shù)學(xué)者在構(gòu)建TVDI時(shí)使用線性方程擬合干濕邊，雖然在部分地形較簡單的地區(qū)使用線性方程擬合干濕邊也能取得較好的效果，但是在地形地貌和地表覆被都較復(fù)雜的西南地區(qū)，線性方程對干濕邊的擬合效果較一般[11-13]。

本文以氣候多變、植被覆蓋率高與地表水滲漏嚴(yán)重的廣西地區(qū)為研究區(qū)，以MODIS遙感影像為實(shí)驗(yàn)數(shù)據(jù)，分別利用白天、夜晚的LST與EVI構(gòu)建了EVI-LST特征空間，并比較了多項(xiàng)式函數(shù)與線性函數(shù)對特征空間干濕邊的擬合精度。根據(jù)EVI-LST特征空間，利用增強(qiáng)溫度植被干旱指數(shù)(Enhanced Temperature Vegetation Dryness Index,ETVDI)模型反演RSM。結(jié)合同時(shí)期氣象站RSM實(shí)測數(shù)據(jù)對使用白天、夜晚LST數(shù)據(jù)的反演結(jié)果進(jìn)行了驗(yàn)證，分析分別使用白天和夜晚LST所構(gòu)建的ETVDI的可靠性與穩(wěn)定性，并對廣西地區(qū)旱情進(jìn)行等級(jí)分布劃分。為提升廣西地區(qū)的干旱監(jiān)測水平提供可靠的理論支撐和技術(shù)參考。

1 研究方法

Price等[14-15]發(fā)現(xiàn)以遙感數(shù)據(jù)獲得的植被指數(shù)為橫坐標(biāo)、LST為縱坐標(biāo)構(gòu)成的散點(diǎn)圖呈三角形。而王行漢[16]等基于前人的研究基礎(chǔ)利用EVI代替NDVI構(gòu)建了基于不規(guī)則多邊形特征空間的ETVDI，ETVDI模型克服了溫度植被指數(shù)模型在高植被覆蓋區(qū)易發(fā)生植被指數(shù)飽和的缺陷，提高了高植被覆蓋區(qū)土壤含水量的反演準(zhǔn)確度。ETVDI模型構(gòu)建原理如圖1所示。其計(jì)算如下：

圖1 EVI-LST特征空間示意Fig.1 Feature space of EVI-LST

(1)

式中，LSTi代表任一像元地表溫度，LSTmax,LSTmin分別代表在取得某一EVI值下對應(yīng)的LST最大值、最小值，即特征空間的干、濕邊，可以通過多項(xiàng)式擬合回歸分析提取干濕邊來確定。多項(xiàng)式擬合的干濕邊方程可表示為：

干邊：

LSTmax=α1EVIn+α2EVIn-1+…+α1EVI1+α0，

(2)

濕邊：

LSTmin=β1EVIn+β2EVIn-1+…+β1EVI1+β0，

(3)

式中，α0，α1，α2，α3，…，αn，β0，β1，β2，β3，…，βn均為多項(xiàng)式擬合系數(shù)，n為多項(xiàng)式擬合的次數(shù)。

在LST與EVI構(gòu)建的特征空間內(nèi)，任一點(diǎn)的ETVDI值都介于0～1，ETVDI值越大相應(yīng)的RSM越低，反之RSM越高。在特征空間中，存在一系列RSM的等值線，這些等值線都可近似認(rèn)為相交于干濕邊交點(diǎn)的直線[16]。等值線的RSM可以表示為RSM=a1+a2*k，k為該等值線的斜率。根據(jù)特征空間里每個(gè)像元到干濕邊的距離和干濕邊的RSM值，ETVDI模型反演的RSM計(jì)算式為：

(4)

RSM=RSMW-ETVDI*(RSMW-RSMD),

(5)

式中，RSMW(Relative Soil Moisture Wet)是濕邊上最大RSM;RSMD(Relative Soil Moisture Dry)是干邊上最小RSM。RSMW為田間持水量，即RSMW等于100%，在式(5)中RSMW值為1[17-18]。ETVDI只能顯示出圖像上土壤干濕趨勢，如果要確定某區(qū)域土壤干濕程度需要將之轉(zhuǎn)化成RSM。由式(5)得到干邊的RSM公式：

(6)

根據(jù)野外實(shí)測RSM和該實(shí)測點(diǎn)對應(yīng)的ETVDI值可以求出RSMD。通過多值求平均的方法確定RSMD。然后根據(jù)該點(diǎn)RSMD和式(5)可以求出圖像上每一個(gè)像元點(diǎn)的RSM。

A點(diǎn)代表干燥裸露的土壤，低EVI，高LST；B點(diǎn)代表濕潤茂密植被，土壤濕潤蒸騰強(qiáng)；C點(diǎn)代表濕潤裸露土壤，低EVI，低LST；D點(diǎn)代表干燥茂盛植被，土壤干旱，植被蒸騰弱。AB形成的不規(guī)則曲線代表干邊，CD形成的不規(guī)則曲線代表濕邊。

2 數(shù)據(jù)處理

2.1 研究區(qū)域

廣西壯族自治區(qū)(簡稱桂)地處我國沿海地區(qū)的西南部，北回歸線橫貫中部，自北向南分屬中亞熱帶、南亞熱帶和北熱帶，受東亞季風(fēng)影響，季風(fēng)氣候明顯。境內(nèi)自然資源、地質(zhì)環(huán)境復(fù)雜多樣，具有顯著的地域性差異，其中有50個(gè)巖溶縣(市)。又由于巖溶地區(qū)自然環(huán)境極其脆弱，地表水滲漏嚴(yán)重，地下水埋藏較深且動(dòng)態(tài)變幅大，導(dǎo)致干旱等自然災(zāi)害嚴(yán)重[19]。廣西陸地地理坐標(biāo)：西起104°29′E，東至112°04′E，南起20°54′N(斜陽島)，北至26°20′N，北回歸線經(jīng)梧州、上林、那坡一線。

2.2 數(shù)據(jù)來源

2.2.1 遙感數(shù)據(jù)

本文使用Terra衛(wèi)星MODIS標(biāo)準(zhǔn)產(chǎn)品中的2種數(shù)據(jù)：① 8天合成LST數(shù)據(jù)集(MOD11A2)中的晝夜LST數(shù)據(jù)；② 16天合成植被指數(shù)數(shù)據(jù)集(MOD13A2)中的EVI數(shù)據(jù)。來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)，其對應(yīng)的成像時(shí)間為2008年9月—10月，2種數(shù)據(jù)集的空間分辨率為1 km×1 km。廣西地區(qū)范圍內(nèi)，該數(shù)據(jù)每期數(shù)據(jù)共有2景，行列號(hào)為h27v06,h28v06。

2.2.2 氣象數(shù)據(jù)

本文的RSM數(shù)據(jù)為2008年9月1日—10月16日廣西地區(qū)共21個(gè)氣象觀測站的10 cm,20 cm土壤深度RSM觀測數(shù)據(jù)，來源于中國氣象局氣象數(shù)據(jù)中心(http:∥data.cma.cn/)的農(nóng)氣數(shù)據(jù)集。

2.3 實(shí)驗(yàn)過程

本文在前人所構(gòu)建的TVDI的基礎(chǔ)上，利用式(1)分析白天、夜晚LST數(shù)據(jù)作為ETVDI的輸入數(shù)據(jù)對反演RSM精度的影響。對MOSDI數(shù)據(jù)進(jìn)行預(yù)處理，提取白天、夜晚地表溫度LST_Day,LST_Night與EVI數(shù)據(jù)，在此基礎(chǔ)上構(gòu)建EVI-LST特征空間并利用多項(xiàng)式函數(shù)與線性函數(shù)分別對干濕邊進(jìn)行擬合，從相關(guān)性與穩(wěn)定性分析了2種函數(shù)的擬合效果。選擇以多項(xiàng)式函數(shù)構(gòu)建EVI-LST_Day,EVI-LST_Night特征空間，基于此利用ETVDI模型分別反演廣西地區(qū)的RSM(RSM_D,RSM_N)，并結(jié)合實(shí)測站點(diǎn)的RSM數(shù)據(jù)對反演結(jié)果進(jìn)行驗(yàn)證?；赗SM_N對廣西地區(qū)進(jìn)行干旱等級(jí)劃分。本文研究的技術(shù)路線示意如圖2所示。

圖2 技術(shù)路線示意Fig.2 Technical flowchart

LST_Day,LST_Night分別為在MOD11A2數(shù)據(jù)集中提取的白天、夜晚LST數(shù)據(jù)；RSM_D,RSM_N為基于白天、夜晚LST構(gòu)建的ETVDI模型反演的RSM。

3 結(jié)果分析

3.1 不同時(shí)期的干濕邊方程擬合及特征空間

根據(jù)廣西地區(qū)2008年9月1日—10月16日的EVI和白天、夜晚LST遙感影像數(shù)據(jù)，借助于Matlab軟件，讀取遙感影像上每一個(gè)像元EVI值，并計(jì)算該像元值對應(yīng)的最大LST(LSTmax)和最低LST(LSTmin)，并分別利用多項(xiàng)式與線性函數(shù)作為擬合方程對干濕邊進(jìn)行擬合，以此構(gòu)建了EVI-LST特征空間。干濕邊擬合方程及其相關(guān)系數(shù)如表1所示，擬合干濕邊后構(gòu)建的EVI-LST特征空間如圖3所示。

(a) 2008年9月上半月EVI-LST_Day

(b) 2008年9月上半月EVI-LST_Night

(c) 2008年9月下半月EVI-LST_Day

(d) 2008年9月下半月EVI-LST_Night

(e) 2008年10月上半月EVI-LST_Day

(f) 2008年10月上半月EVI-LST_Night

(g) 2008年10月上半月EVI-LST_Day線性擬合

(h) 2008年10月上半月EVI-LST_Night線性擬合圖3 研究區(qū)2008年9月—10月EVI-LST特征空間Fig.3 Feature space of EVI-LST from September to October 2008

利用Matlab對2008年9月—10月上半月3期數(shù)據(jù)的EVI-LST特征空間分別采用線性、多項(xiàng)式函數(shù)方式對干濕邊進(jìn)行擬合，并用相關(guān)系數(shù)R2進(jìn)行精度評定。由表1可以看出，利用2種擬合方式對EVI-LST_Day,EVI-LST_Night特征空間的干濕邊進(jìn)行擬合，干邊擬合的R2均大于0.8，且大部分為0.9以上，而濕邊擬合的R2多數(shù)低于0.8，甚至低于0.5，這說明2種擬合方法在干邊擬合上取得較好的效果。

表1 研究區(qū)2008年9月—10月干濕邊擬合方程Tab.1 Fit equations of dry and wet edges from September to October 2008

利用多項(xiàng)式函數(shù)擬合，其干邊的R2均大于0.9，最大為0.946 7，最小為0.901 4，濕邊的R2基本在0.7以上，最大為0.825，最小為0.684 1；而利用線性擬合，其干邊R2均小于對應(yīng)的多項(xiàng)式擬合的R2，最小僅0.801 6，擬合濕邊R2的差異則更為明顯，不僅數(shù)值更小，且不穩(wěn)定，這表明多項(xiàng)式擬合效果優(yōu)于線性擬合，其精度更高。另外，從表中加粗?jǐn)?shù)值來看，利用多項(xiàng)式進(jìn)行干濕邊擬合時(shí)，對EVI-LST_Night特征空間的擬合效果較EVI-LST_Day更好，其擬合相關(guān)系數(shù)R2更高。通過對比表1中3期數(shù)據(jù)特征空間的干濕擬合結(jié)果可知，總體上基于多項(xiàng)式函數(shù)擬合干濕邊方程的精度高于線性函數(shù)擬合的精度，并且2種函數(shù)擬合干邊的精度高于擬合濕邊的精度。主要原因是，三角形特征空間的適用條件為研究區(qū)具有從裸土至全植被覆蓋的情況，在此條件下，水分供應(yīng)充足的濕邊具有較大蒸發(fā)量，由于植被覆蓋度、植被覆蓋類型不同，水分蒸發(fā)對LST的影響較大，所以濕邊的擬合不確定性大；干邊表示極度缺水，沒有水分可供蒸發(fā)，太陽直接照射是引起LST變化的主要原因，因此LST相對穩(wěn)定、擬合結(jié)果精度較高。

圖3(a)～圖3(f)為多項(xiàng)式擬合，圖3(g)～圖3(h)為線性擬合。由于EVI值小于0時(shí)，地表成分主要是水體、云，可認(rèn)為濕度為100%，而EVI值在0～0.2時(shí)，地表成分主要是城市建筑物、硬化地等，在進(jìn)行干、濕邊擬合時(shí)不考慮此部分的像元，因此選取EVI值大于0.2的像元，并且通過了(α> 0.02)的顯著檢驗(yàn)。由圖可以看出，不論是LST_Day還是LST_Night與EVI構(gòu)建的特征空間，從宏觀角度看3期數(shù)據(jù)均呈現(xiàn)出較好的三角形關(guān)系，整體特征較為一致，符合ETVDI特征空間呈三角形分布的基本特征。在干濕邊上，LST與EVI呈非線性關(guān)系，特別是在濕邊上非線性特征表現(xiàn)明顯，當(dāng)EVI>0.7時(shí)，受植被吸收紅光易飽和等影響干濕邊的非線性特征仍比較明顯，這說明對具有非線性變化的干濕邊的擬合，需要用非線性的方法以保證擬合精度。通過對比圖3(e)和圖3(g)、圖3(f)和圖3(h)可知，多項(xiàng)式函數(shù)擬合干濕邊較線性函數(shù)擬合的效果更好，特別是在干濕邊波動(dòng)變化時(shí)，多項(xiàng)式擬合的效果更貼近實(shí)際。另外，從圖3(a)與圖3(b)、圖3(c)與圖3(d)來看，分別利用LST_Day，LST_Night與EVI構(gòu)成的特征空間基本相似，但在干濕邊上LST_Night的變化更為連續(xù)和穩(wěn)定，而10月上半月LST_Night的特征空間的干濕邊有較為明顯的波動(dòng)，濕邊波動(dòng)變化區(qū)間為0.4～0.6，可能由局部降雨等所致。

上述分析結(jié)果表明，在廣西地區(qū)所構(gòu)建EVI-LST特征空間的干濕邊擬合中，多項(xiàng)式函數(shù)擬合取得更好的效果，更有利于減小溫度波動(dòng)造成的土壤含水量反演的不確定性。

3.2 RSM反演結(jié)果分析

實(shí)驗(yàn)中利用多項(xiàng)式函數(shù)擬合干濕邊的方程和式(1)計(jì)算ETVDI值，將實(shí)測RSM和該實(shí)測點(diǎn)的ETVDI值代入式(6)利用多值求平均值方法得到RSMD，再將RSMD代入式(5)即可求出每一個(gè)像元的RSM。根據(jù)這個(gè)思路反演了2008年10月上半月廣西地區(qū)10 cm和20 cm土壤深度的RSM，ETVDI作為土壤濕度的替代指標(biāo)，其反演結(jié)果反映的是廣西地區(qū)RSM的分布狀況而非土壤的絕對含水量，反演結(jié)果如圖4所示。

(a) 2008年10月上半月白天10 cm RSM

(b) 2008年10月上半月白天20 cm RSM

(c) 2008年10月上半月夜晚10 cm RSM

(d) 2008年10月上半月夜晚20 cm RSM圖4 ETVDI模型反演RSM空間分布Fig.4 ETVDI model reversal of spatial distribution of RSM

由圖4可以看出，利用LST_Day和LST_Night反演的10 cm與20 cm RSM分布趨勢基本一致；2008年10月上半月研究區(qū)10 cm與20 cm土壤深度的RSM空間格局總體上表現(xiàn)為桂北部偏濕潤，桂東南部正常，桂中部分地區(qū)RSM比較低，未出現(xiàn)大面積RSM過低情況。從圖4(a)和圖4(b)可以看出通過LST_Day反演的10 cm和20 cm 土壤深度RSM分布不太均勻，干濕交替分布，特別是桂中地區(qū)的南寧市、蒙山縣和岑溪縣等區(qū)域，白天地面直接吸收太陽輻射，LST變化比較劇烈，從而導(dǎo)致ETVDI模型反演的RSM分布變化具有較多的隨機(jī)特性；從圖4(c)和圖4(d)可以看出，由于減小了太陽熱輻射影響，夜晚溫差較小，ETVDI模型反演的RSM分布更均勻、變化更為連續(xù)。特別是崇左市、玉林市和賀州市等地區(qū)反演RSM的效果得到了明顯的改善。通過對比分析ETVDI模型反演廣西地區(qū)10 cm和20 cm土壤深度RSM分布圖可知，減小了太陽輻射等直接影響的RSM_N比基于白天溫度反演的RSM_D效果更好。

3.3 RSM反演結(jié)果評價(jià)

為了進(jìn)一步驗(yàn)證ETVDI模型反演土壤水分效果，分別采用平均絕對值誤差(Mean Absolute Error,MAE)和均方根誤差(Root Mean Square Error,RMSE)對ETVDI模型的反演精度進(jìn)行評定。RMSE和MAE主要用來衡量實(shí)測值和模型反演值之間的偏差，能夠很好地反映出模型計(jì)算的精確程度，其值越小，精確度越高[20]。

平均絕對值誤差:

(7)

均方根誤差:

(8)

將基于LST_Day和LST_Night數(shù)據(jù)反演的10，20 cm土壤深度RSM與廣西地區(qū)22個(gè)氣象站實(shí)測10，20 cm土壤深度RSM進(jìn)行對比；再根據(jù)式(7)、式(8)計(jì)算10，20 cm土壤深度RSM反演精度指標(biāo)。以2008年9月16日模型反演結(jié)果為例，其中10，20 cm土壤深度RSM反演與實(shí)測值對比結(jié)果如圖5所示，10，20 cm土壤深度RSM殘差如圖6所示，ETVDI模型反演精度結(jié)果如表2所示。

(a) 2008年9月16日10 cm RSM圖

(b) 2008年9月16日20 cm RSM圖圖5 10,20 cm RSM反演與實(shí)測值比較Fig.5 Comparison of 10 cm and 20 cm RSM measured value and model reversal value

(a) 2008年9月16日10 cm RSM殘差圖

(b) 2008年9月16日20 cm RSM殘差圖圖6 10,20 cm RSM_D與RSM_N殘差比較Fig.6 Comparison of 10 cm and 20 cm RSM_D residual and RSM_N residual

表2 2008年9月16日ETVDI模型RSM反演精度Tab.2 Accuracy of ETVDI model RSM reversal on September 16,2008

為了更詳細(xì)地說明ETVDI模型反演的RSM的效果，以RSM反演結(jié)果較好的2008年9月16日數(shù)據(jù)為例，從圖5(a)和圖5(b)可以看出，對于10，20 cm的土壤深度，ETVDI模型反演的RSM值總體小于實(shí)測的RSM值，說明ETVDI模型反演的RSM存在一定的誤差，特別是在貴港觀測站，ETVDI模型反演的RSM與實(shí)測RSM偏差較大，10，20 cm土壤深度RSM差值分別為0.144，0.174。這或許因?yàn)镋TVDI模型在使用時(shí)對地表環(huán)境進(jìn)行了假設(shè)，而并未考慮降雨、土壤類型等氣象與地質(zhì)因素的時(shí)空異質(zhì)性。在10 cm土壤深度RSM圖中，可以看出RSM_N值大于RSM_D值，且更接近于實(shí)測的RSM值，20 cm土壤深度RSM圖也是如此，這是由于夜晚太陽輻射對LST直接影響有所減小，降低了地形等異質(zhì)性引起的溫度波動(dòng)，更利于ETVDI模型對RSM的反演。從圖6(a)和圖6(b)可以看出，基于夜晚溫度反演的10 cm土壤深度RSM_N的殘差范圍為(-0.099，0.009)，基于白天溫度反演10 cm土壤深度RSM_D的殘差范圍為(-0.181 3，0.003)，RSM_N的殘差范圍小于RSM_D的殘差范圍，這也進(jìn)一步說明了基于夜晚溫度反演的RSM準(zhǔn)確度高于基于白天溫度反演的RSM。

根據(jù)表2可知，ETVDI模型基于白天溫度反演的10 cm土壤深度RSM_D的MAE為0.062，RMSE為0.079，而20 cm土壤深度RSM_D的MAE為0.067，RMSE為0.082，說明ETVDI模型反演的10 cm土壤深度RSM誤差整體較小，比20 cm土壤深度RSM值更接近實(shí)測的RSM值，這可能是熱紅外光譜在10cm土壤深度的反射性最好導(dǎo)致的；由于在夜晚太陽輻射對LST直接影響有所減小，導(dǎo)致氣-地能量轉(zhuǎn)換過程變慢，夜晚溫差變小，使得ETVDI模型反演RSM的精度有了一定提高?；谝雇頊囟确囱軷SM效果好于基于白天溫度反演RSM，其中基于夜晚溫度反演10 cm土壤深度RSM_N的MAE為0.025，RMSE為0.034，小于基于白天溫度反演RSM_D的MAE和RMSE，這也說明了基于夜晚溫度反演RSM精度總體上高于基于白天溫度反演RSM精度。

上述圖表分析結(jié)果表明，ETVDI模型反演的RSM值低于實(shí)測的RSM值，其中模型反演的10 cm土壤深度RSM與實(shí)測的RSM相關(guān)性更好；ETVDI模型基于夜晚溫度反演的RSM精度高于基于白天溫度反演的RSM精度。

3.4 研究區(qū)旱情等級(jí)分布

利用Matlab軟件基于多項(xiàng)式函數(shù)擬合方式構(gòu)建白天、夜晚LST-EVI特征空間，并利用EVI-LST特征空間反演廣西區(qū)RSM，圖4與表2分析結(jié)果表明，LST_Night與EVI構(gòu)成的ETVDI模型反演的RSM具有更好的效果與精度。從而利用LST_Night與EVI構(gòu)成的ETVDI模型反演的表層RSM對2008年廣西地區(qū)10月上半月進(jìn)行旱情等級(jí)劃分。結(jié)合《氣象干旱等級(jí)》(GB/T 20481—2006)標(biāo)準(zhǔn)對廣西地區(qū)進(jìn)行早情分級(jí)，RSM<30%為重旱，RSM在30%～50%為輕旱，RSM在50%～70%為正常，RSM在70%～80%為濕潤，RSM>80%為極濕潤。旱情分級(jí)結(jié)果如圖7所示。

圖7 2008年10月上半月研究區(qū)旱情等級(jí)模型結(jié)果分布Fig.7 Results distribution of drought level model in early October 2008

由圖7可以看出，廣西地區(qū)2008年10月上半月干旱程度較輕，大部分地區(qū)未出現(xiàn)干旱。桂北喀斯特地形遍布，多為山區(qū)，土壤含水量較豐富;桂中部分地區(qū)出現(xiàn)輕旱，如南寧市與貴港市;桂南、桂東、桂西干旱正常。從北到南RSM逐漸降低，東西干濕狀況交替分布。

對廣西2008年10月上半月旱情監(jiān)測成果進(jìn)行統(tǒng)計(jì)分析可以得出：2008年10月上旬廣西極濕潤地區(qū)面積占全區(qū)總面積為4.65%，分布較少,僅在桂東北和桂西北地區(qū)有少量分布；濕潤地區(qū)面積為52.26%，是5種等級(jí)中占地面積最大分布最廣泛的一種，大面積分布在桂北及部分桂西地區(qū)；正常地區(qū)面積占37.66%，分布也比較廣泛，主要分布于桂中，部分桂南與桂東地區(qū)；輕旱地區(qū)面積占5.4%，分布較少，僅在桂中地區(qū)與桂南有少量分布。

4 結(jié)束語

本文利用MODIS白天、夜晚的LST分別與EVI構(gòu)造了EVI-LST特征空間，同時(shí)分別利用線性函數(shù)與多項(xiàng)式函數(shù)擬合EVI-LST特征空間的干濕邊方程并進(jìn)行了精度比較；在此基礎(chǔ)上，根據(jù)LST_Night與EVI數(shù)據(jù)采用多項(xiàng)式函數(shù)擬合干濕邊方程計(jì)算ETVDI并轉(zhuǎn)化成RSM，反演了廣西區(qū)2008年10月上半月的RSM，并對其干旱等級(jí)進(jìn)行劃分評估。結(jié)論如下：① 利用多項(xiàng)式函數(shù)擬合干濕邊方程精度高于使用線性函數(shù)擬合的精度，多項(xiàng)式函數(shù)將原來的濕邊的擬合趨勢線可靠性由0.2～0.6提高到0.7，為模型構(gòu)建提供了更加精確的參數(shù)；② 基于LST_Night的ETVDI反演的RSM均方根誤差小于LST_Day的ETVDI反演的RSM均方根誤差，基于白天溫度反演10 cm土壤深度RSM_D的RMSE為0.079，基于夜晚溫度反演10 cm土壤深度RSM_N的RMSE為0.034；③ 廣西地區(qū)2008年10月上半月干旱程度較輕，大部分地區(qū)未出現(xiàn)干旱。從北到南RSM逐漸降低，東西干濕狀況交替分布。重旱、輕旱、正常、濕潤和極濕潤面積分別0.02%，5.40%，37.66%，52.26%，4.65%。