TVDI與土壤濕度關(guān)系的多時間尺度分析與旱情監(jiān)測

梁守真,王猛,韓冬銳,王菲,王國良,隋學(xué)艷

(山東省農(nóng)業(yè)科學(xué)院 濟南 250100)

干旱是氣候災(zāi)害中最主要的災(zāi)害之一。聯(lián)合國政府間氣候變化專門委員會(IPCC)在全球氣候變化評估報告中指出,在未來,干旱風(fēng)險有增加的趨勢,預(yù)防和減輕干旱災(zāi)害已成為當今世界的重要課題之一[1-2]。土壤濕度是反映土壤干旱程度最直觀的指標,是全球氣候觀測系統(tǒng)中50 個基本氣候變量之一[3-4]。土壤濕度的準確測定對地表植物蒸散發(fā)、局部氣候變化和旱澇災(zāi)害的監(jiān)測等有著重大意義[5]。土壤濕度可通過田間實測、土壤濕度模型以及遙感觀測反演獲取。田間實測法為基于特定位置的離散測量,結(jié)果精度高,但每個測量點的代表范圍有限,而土壤濕度的空間異質(zhì)性較大,導(dǎo)致田間實測方法在反映連續(xù)空間的土壤濕度時存在困難[6-7]。土壤濕度模型法通過建立水分平衡方程來求解土壤濕度,可提供面信息,但參數(shù)復(fù)雜,需要大量氣象數(shù)據(jù)支持,估測誤差較大[8]。遙感通過對遙感監(jiān)測值與地面土壤水分之間的關(guān)系進行分析和建模來反演土壤濕度,可快速獲取大尺度時空連續(xù)的土壤濕度信息,遙感觀測和地面實測的聯(lián)合運用已經(jīng)成為目前土壤濕度監(jiān)測研究的主要方向之一。根據(jù)所使用波段的不同可分為微波遙感反演、光學(xué)遙感反演和光學(xué)微波融合反演[9-12]。其中基于光學(xué)遙感的反演方法由于其數(shù)據(jù)的易獲取性、時空分辨率高、反演模型較簡單等優(yōu)點得到廣泛應(yīng)用,最典型的是以地表溫度和植被指數(shù)為基礎(chǔ)的溫度植被干旱指數(shù)(TVDI)法。TVDI綜合了作物冠層溫度和長勢特征,考慮了植被覆蓋度對溫度的影響,相比單純使用溫度或作物長勢的土壤濕度監(jiān)測方法原理性更強[13-14]。

目前,包含熱紅外波段的傳感器仍舊偏少,MODIS,AVHRR 以及Landsat8 種常用的計算TVDI的數(shù)據(jù)源。但Landsat回歸周期過長,有效數(shù)據(jù)不足,開展定期的監(jiān)測較為困難;而AVHRR 和MODIS 每天都可過境,數(shù)據(jù)充足。相比于AVHRR 傳感器,MODIS發(fā)射晚,但其有更好的空間分辨率和波譜分辨率,并且在定標、大氣校正、云屏蔽方面有更高的精度,更適于開展土壤濕度的反演[15-16]。MODIS產(chǎn)品豐富,包含多個時間尺度的反射率、植被指數(shù)以及地表溫度數(shù)據(jù),所以基于MODIS數(shù)據(jù)產(chǎn)品可生成不同時間尺度的TVDI數(shù)據(jù)集。但當前的研究多采用某一時間尺度的數(shù)據(jù)產(chǎn)品開展研究,缺乏對多時間尺度的TVDI與土壤濕度之間的關(guān)系的比較和分析。鑒于此,本研究從多個時間尺度(8 d,16 d和月)來分析植被指數(shù)-溫度二維空間,研究TVDI在不同時間尺度上與土壤濕度的關(guān)聯(lián)性,以確定MODIS數(shù)據(jù)產(chǎn)品開展土壤濕度監(jiān)測的時間尺度,準確監(jiān)測農(nóng)業(yè)干旱。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

遙感數(shù)據(jù)來自NASA-Land Processes DAAC數(shù)據(jù)中心,包括2016年3—5月Terra MODIS地表溫度產(chǎn)品MOD11A2,植被指數(shù)產(chǎn)品MOD13A2,A3以及地表反射率產(chǎn)品MOD09A1。MOD11A2為8 d合成的空間分辨率為1 km 的地表溫度(LST)產(chǎn)品,包含白天LST、夜間LST,31,32波段通道發(fā)射率及質(zhì)量控制等資料;MOD13A2,A3分別是MODIS 16 d、每月合成空間分辨率為1 km 的植被指數(shù)產(chǎn)品,包含NDVI,EVI和幾個主要波段反射率以及其他輔助信息;MOD09A1為經(jīng)過大氣校正后8 d合成的500 m分辨率的反射率產(chǎn)品,包括MODIS前7個波段的反射率以及其質(zhì)量標識信息。8 d的植被指數(shù)是利用MOD09A1的反射率數(shù)據(jù)依據(jù)植被指數(shù)公式來計算,并通過平均的方式將500 m 分辨率數(shù)據(jù)升尺度為1 km 的數(shù)據(jù),形成8 d 1 km 的植被指數(shù)。采用同樣的方式,將8 d的地表溫度產(chǎn)品轉(zhuǎn)換為16 d,月尺度的溫度數(shù)據(jù)以每天的數(shù)據(jù)為基礎(chǔ)生成。最終形成8 d,16 d和月的植被指數(shù)和地表溫度數(shù)據(jù)集。

土壤濕度數(shù)據(jù)為2016年山東省冬小麥重點種植區(qū)的31個土壤濕度觀測站點3—5月逐日20 cm 深度的土壤相對濕度數(shù)據(jù)。每天的數(shù)據(jù)通過平均的方法合成為8 d,16 d和每月的數(shù)據(jù),時間尺度與衛(wèi)星數(shù)據(jù)保持一致。同時選用2016 年山東省冬小麥數(shù)據(jù),該由山東省農(nóng)業(yè)遙感工程技術(shù)研究中心提供,通過目視解譯和計算機自動解譯相結(jié)合的方式獲取。

1.2 方法

1.2.1 TVDI Carlson等[17]研究發(fā)現(xiàn),當一個研究地區(qū),土壤濕度從濕潤到干旱、土地覆蓋從裸土到植被全覆蓋變化時,NDVI和地表溫度Ts二維空間中像元散點呈明顯的三角形關(guān)系[18],Sandholt等[18]在植被指數(shù)—溫度三角形特征空間的基礎(chǔ)上提出了TVDI,其函數(shù)表達式如下:

式中VI為植被指數(shù);Tsi為i日期的地表溫度;a1,b1和a2,b2分別為干邊和濕邊的回歸方程系數(shù);Tsmin為植被指數(shù)-溫度空間的干邊,代表研究區(qū)內(nèi)某一時期的同一VI值對應(yīng)的最高地表溫度;Tsmin為濕邊,代表研究區(qū)內(nèi)某一時期的同一VI對應(yīng)的最低地表溫度。

TVDI的關(guān)鍵在于特征空間中干邊和濕邊的確定,干邊和濕邊分別為特征空間散點圖上下邊界的直線,其方程通過線性擬合得到。TVDI取值在0～1,TVDI值越大,表明該地區(qū)土壤濕度越低,水分缺失越嚴重。TVDI受植被指數(shù)影響大,早期的時候,TVDI主要采用歸一化植被指數(shù)NDVI和地表溫度來反演,NDVI指數(shù)在高植被覆蓋條件下,容易飽和,而在低植被覆蓋度時,又容易受背景影響,不能很好地反映植被狀況[19],這導(dǎo)致基于Ts-NDVI特征空間的作物土壤濕度反演精度受到影響[13,20]。為了降低NDVI的影響,一些替代性的植被指數(shù)逐漸在TVDI中得到應(yīng)用,如EVI。EVI是一個優(yōu)化的植被指數(shù),除了包含近紅外波段和紅波段反射率,EVI公式還增加了藍波段反射率和土壤背景調(diào)節(jié)因子,一方面降低了植被背景和大氣對植被指數(shù)的影響,另一方面使得EVI不易飽和,在高植被覆蓋條件下時仍能捕捉能監(jiān)測植被冠層的變化。因此,EVI可用于不同背景和植被覆蓋條件下的植被監(jiān)測,相比于NDVI,適用范圍更加廣泛,其與溫度結(jié)合能更有效地反映地表濕度狀況[21-22]。因此,在本研究中,我們采用EVI代替NDVI去計算TVDI,其計算公式為

式中:RNIR,RRED,RBLUE分別為MODIS 傳感器的近紅外(841～876 nm)、紅波段(620～670 nm)和藍波段(545～565 nm)反射率。

1.2.2 土壤濕度反演與旱情劃分 通常,評價土壤墑情一般采用土壤濕度作為指標,因此,需將TVDI轉(zhuǎn)化為土壤濕度。根據(jù)土壤濕度觀測點位置,匹配相應(yīng)的TVDI值,建立不同時間尺度的TVDI、土壤濕度數(shù)據(jù)集,然后采用線性回歸的方法構(gòu)建不同尺度TVDI與實測土壤濕度數(shù)據(jù)的關(guān)系模型,選擇反演土壤濕度的最佳時間尺度數(shù)據(jù),以其時間尺度的TVDI為自變量反演區(qū)域土壤濕度值,確定區(qū)域旱情分布。土壤濕度值越低,表示旱情越嚴重。根據(jù)國家農(nóng)業(yè)旱情劃分標準,將土壤相對濕度RH ＜60%,RH ＜50%,RH＜40%,RH＜30%分別劃定為輕早、中旱、重旱、特旱、輕旱[23]。

2 結(jié)果與分析

2.1 不同時間尺度數(shù)據(jù)的植被指數(shù)-溫度特征空間

不同時間尺度下山東省冬小麥EVI和地表面溫度形成的EVI-Ts特征空間如圖1所示。EVI與地表溫度的邊界像元呈三角形狀,溫度較高的像元點形成了二維空間的干邊界,而溫度低的像元的構(gòu)成為濕邊界。在二維空間中,干邊上的Ts隨EVI的增加而降低,而在濕邊上,隨著EVI的增加,Ts也在不斷增大,濕邊并非理想狀態(tài)下與坐標軸平行的直線。從3月到5月,隨著時間的推進,氣溫不斷升高,冬小麥經(jīng)歷返青、拔節(jié)、抽穗、灌漿、成熟等生育期,其冠層溫度和植被覆蓋度隨之發(fā)生改變,EVI-Ts空間形狀有所變動,Ts值不斷攀升,5月份達到最大值。

圖1 不同時間尺度的植被指數(shù)—溫度特征空間Fig.1 Vegetation index and temperature space for different temporal scales

盡管不同時間尺度的EVI和Ts組成的二維空間形狀類似,但是由于時間涵蓋的范圍等因素的影響,其在空間分布仍存在一定差異。干邊和濕邊是描述二維空間特征的主要因子,它們在不同時間不同尺度的表達形式見表1。從表中可以看出,無論是二維空間的干邊還是濕邊,Ts與EVI之間存在著顯著的線性相關(guān)關(guān)系。各時相的干邊斜率總小于0,這表示EVI與Ts呈負相關(guān)關(guān)系,而大部分濕邊斜率大于0,表示植被指數(shù)與溫度同時增減。除了月尺度上,3月份干邊斜率的絕對值小于濕邊斜率絕對值,其他時期的干邊有更高的變率。

表1 不同時間EVI-Ts特征空間干邊和濕邊方程Table 1 Dry edge and wetness edge equations of EVI-Ts spaces in different times

2.2 TVDI與土壤濕度的關(guān)系

基于干邊和濕邊方程,利用MODIS地表溫度和EVI數(shù)據(jù)分別計算不同時間尺度各像元的TVDI值,地面土壤濕度觀測點的相對濕度與TVDI的空間分布如圖2所示。從圖中可以看出TVDI值越高,土壤濕度往往降低。不同時間尺度數(shù)據(jù)TVDI和土壤濕度之間的緊密程度不一致,根據(jù)相關(guān)性統(tǒng)計結(jié)果(圖3),不論是8 d,16 d還是每月尺度的數(shù)據(jù),TVDI與土壤相對濕度實測值之間的相關(guān)系數(shù)均通過了α=0.05置信度檢驗,這說明兩者之間的相關(guān)性是顯著的,同時也證明TVDI指數(shù)可以有效反映土壤水分狀況變化。

圖2 不同時間尺度TVDI與土壤濕度散點圖Fig.2 Scatter plots for TVDI and soil moisture in different temporal scales

圖3 不同時間尺度TVDI與土壤濕度相關(guān)系數(shù)Fig.3 Correlation coefficients between TVDI and soil moisture in different temporal scales

在月尺度上,4月份的TVDI與土壤濕度之間的相關(guān)性最高,為0.67,而在3月和5 月,相關(guān)系數(shù)接近;在16 d時間尺度上,相關(guān)系數(shù)最高值出現(xiàn)在129 d(DOY,年序),即5月中旬,145 d(DOY)的相關(guān)系數(shù)最小,為0.57;而在8 d 時間尺度上,121 d(DOY)TVDI與土壤濕度相關(guān)性最佳,相關(guān)系數(shù)達到了0.78,最低值出現(xiàn)在145 d(DOY)。對于3個時間尺度的相關(guān)系數(shù),可以看出,隨著時間尺度的降低,TVDI與土壤濕度之間的相關(guān)系數(shù)越來越大,相同時間內(nèi),即相關(guān)系數(shù)值8 d時間尺度＞16 d＞月。這在一定程度上說明相對于大時間尺度的數(shù)據(jù),短時間尺度的TVDI能更準確映田間土壤濕度。

眾所周知,MODIS植被指數(shù)產(chǎn)品是采用最大值合成方法將合成期內(nèi)的植被指數(shù)數(shù)據(jù)進行合成,以最大值代表合成期的植被狀態(tài)[24],而地表溫度采用了合成期內(nèi)的溫度均值。在合成期內(nèi),土壤水分、溫度、植被指數(shù)都可能會產(chǎn)生較大的變化,尤其是在作物生長旺盛期,植被冠層隨時間變化大,但它們的變化并非線性同步,這意味以合成的植被指數(shù)和溫度數(shù)據(jù)構(gòu)建的TVDI反映的可能并不是田間水分的平均狀態(tài)。合成期越長,各參數(shù)的變動就越大,這就導(dǎo)致了時間尺度越大,TVDI與土壤相對濕度的相關(guān)性越弱。

3.3 旱情時空分布與降水的關(guān)聯(lián)性

由于8 d時間尺度的TVDI與土壤濕度相關(guān)性最佳,因此在研究中依據(jù)8 d時間尺度的TVDI來反演2016年春季的土壤濕度,繪制山東省冬小麥春季旱情空間分布(圖4)。2016 年3 月上旬(DOY65),旱情主要出現(xiàn)在聊城、菏澤以及濟寧西部,到了DOY73,聊城地區(qū)的旱情面積大幅減少,而菏澤,濟寧旱情有所加重,干旱面積增加,濰坊的高密、青島平度以及章丘北部旱情嚴重;3月下旬,山東省大部分地區(qū)的旱情得到緩解;進入4月份以后,魯西、魯西北平原地區(qū)的旱情基本消失,只有在臨沂南部以及濰坊的高密、諸城以及平度有中等以上旱情;4月中下旬,大部分地區(qū)冬小麥生長正常,未受到干旱的脅迫;5月初,魯西南地區(qū)出現(xiàn)中等以上的旱情,5月中旬開始,濟寧市周圍有中等以上旱情,而5月下旬,膠東地區(qū)的旱情較重,其他地區(qū)未有嚴重的干旱。

圖4 2016年春季山東省冬小麥旱情分布Fig.4 Spatial distribution of winter wheat drought in Shandong in spring of 2016

對春季干旱面積進行統(tǒng)計,結(jié)果如圖5 所示,3月份受干旱脅迫的冬小麥面積占全部冬小麥面積的一半以上,尤其是DOY73,干旱區(qū)域面積占67%,但大部分以輕旱和中旱為主;4月份,總體旱情得到了緩解,尤其是到了4月中下旬(DOY105),受干旱脅迫的冬小麥面積為全部面積的14.79%,其中重旱和特旱區(qū)僅占1.2%;5 月份干旱區(qū)面積所占比例小,25%左右的面積為輕旱,重旱和特旱區(qū)僅占5%。同時對比山東降水序列,可以看出冬小麥干旱區(qū)的比例與降水有很強的相關(guān)關(guān)系。3月份,山東省平均降水量僅為3.5 mm,導(dǎo)致冬小麥受干旱脅迫的面積比重大,4月中旬(DOY105),山東省出現(xiàn)一場大范圍的降雨,緩解了冬小麥旱情,干旱面積大幅減少;5月份,山東省降水逐漸增多,但是具有局部性的特點,主要集中在北部,濟寧的汶上、金鄉(xiāng)、曲阜、鄒城、嘉祥等區(qū)域偏少,導(dǎo)致該地區(qū)旱區(qū)較其他區(qū)域嚴重。

圖5 不同時期干旱面積與降水量Fig.5 Area suffered from drought and precipitation in different times

3 結(jié)論

(1)無論是8 d,16 d還是月時間尺度,3—5月植被指數(shù)與地表溫度像元點在二維空間中呈三角形,干邊地表溫度隨著植被指數(shù)的增加而降低,濕邊地表溫度隨著植被指數(shù)的增加而升高,而并非保持不變;

(2)TVDI與土壤濕度之間相關(guān)關(guān)系顯著,從相關(guān)系數(shù)值來看,8 d尺度＞16 d尺度＞月尺度,表明時間尺度越小,TVDI對土壤濕度的代表性越好;

(3)2016年山東省冬小麥旱情分布隨時間而發(fā)生變化,干旱面積與降水存在高度的一致性。

在本研究中,冬小麥干旱狀況由TVDI反演的土壤濕度來劃分,但在早期的一些研究中直接采用TVDI來對旱情進行等級劃分,監(jiān)測區(qū)域旱情[25-26]。TVDI對土壤濕度具有良好的代表性,但是采用TVDI劃分土壤旱情需要解決兩個問題,一是劃分標準,二是區(qū)域是否包含植被覆蓋從裸地到全覆蓋、土壤濕度由極干旱到極濕潤的地面。TVDI是以干邊和濕邊為基礎(chǔ)進行計算,反映的是某一區(qū)域像元的相對干濕程度。若研究區(qū)的土壤濕度并未能覆蓋極干旱到極濕潤的范圍,那么TVDI無法確定作物是否真正處于干旱狀態(tài)。當區(qū)域的土壤濕度范圍較窄時,TVDI將可能低估或高估土壤濕度。同時,由于區(qū)域下墊面條件的異質(zhì)性,不同的研究在劃分干旱程度時,標準并不統(tǒng)一,導(dǎo)致研究結(jié)果的可對比性不足。準確地監(jiān)測農(nóng)田旱情,需要地面土壤水分數(shù)據(jù)的支撐,建立TVDI與土壤水分之間的反演模型,以土壤濕度來劃分旱情,則更具農(nóng)學(xué)意義,但大量地面數(shù)據(jù)的獲取,仍是具有一定挑戰(zhàn)性的工作。由于數(shù)據(jù)限制,本研究只分析了春季的TVDI的表現(xiàn),更深入的研究有待進一步開展,獲取更廣泛的地面數(shù)據(jù)支持。