安徽农业大学学报，2014,41(4)：669-674 Journal of Anhui Agricultural University [D0010.13610j.cnki.1672-352x.20140620.025网络出版时间：2014-6-2011：37：12 [URL]http://www.cnki.net/kcms/doi/10.13610/j.cnki.1672-352x.20140620.025.html 基于TVDI指数的安徽省伏旱动态监测与时空演变的研究 吴明业1，张庆国2，徐丽2，宋瑞祥 (1.安徽农业大学资源与环境学院，合肥230036：2.安徽农业大学理学院，合肥230036) 摘要：利用2012年153期到241期的Terra/Modis8d合成的地表温度(LST)产品数据MOD11A2和16d 合成增强植被指数(EVI)数据MOD13A2,构建LST-EVI特征空间，并依据该特征空间计算的温度植被干旱指数 (TVDI)作为土壤湿度的监测指标，反演了2012年6-8月份安徽省每8d的土壤湿度分布状况，验证了LST-EVI 特征空间三角形分布的基本特征。结果表明：总体来看，2012年安徽省伏旱主要发生在两个时段(6月上甸到中旬 以及7月中句到8月上旬)，两个时段持续时间都不长，并没有造成严重灾情，到8月上甸开始缓解，8月中句基 本结束。本研究为利用逢感数据对伏旱进行动态监测提供了方法和依据。 关键词：温度植被千早指数；伏旱；LST-EVⅥI特征空间；遥感；安徽省 中图分类号：S16 文献标识码：A 文章编号：1672-352X(2014)04-0669-06 Dynamic monitoring and spatial-temporal change of summer drought in Anhui Province based on the TVDI WU Mingye',ZHANG Qingguo2,XU Li2,SONG Ruixiang (1.School of Resources and Environment,Anhui Agricultural University,Hefei 230036: 2.School of Science,Anhui Agricultural University,Hefei 230036) Abstract:The LST-EVI characteristic space was built using MOD11A2 and MOD13A2,two types of data that were generated by Terra/Modis 8 days'land surface temperature (LST),Terra/Modis16 days'enhanced vege- tation index(EVI)from the 153th day to the 241th day of 2012,respectively.According to the temperature vege- tation drought index(TVDI),representing the monitoring index of soil moisture,calculated by the characteristic space,soil moisture distribution of every 8 days in Anhui province from June to August,2012 was retrieved.The essential features of triangular distribution of LST-EVI characteristic space were confirmed.The results showed that the summer drought in Anhui province often occurs in two periods of time (the first third of June to the mid- dle third of July,and the middle third of July to the first third of August)in general.The time of these two periods was not long enough to cause an unacceptable damage.The drought was fade away from the first third of August to the middle third of August.The study provided a method and theory basis to carry through drought dynamic monitoring using the remote sensing data. Key words:temperature vegetation drought index;summer drought;LST-EVI characteristic space;remote sensing;Anhui province 安微省地处暖温带和北亚热带之间的过渡区， 降水的发生，同时因为天气炎热，地表水分的蒸发 气候复杂，气象灾害频繁发生。与其他灾害相比， 量很大，伏旱时常发生。 安徽省出现的旱灾出现较多，持续时间一般较长， 传统上对干旱及土壤墒情的监测还主要以人工 且影响范围大，危害严重。特别是在夏季梅雨结束 实测为主，工作量大，得到的数据覆盖面有限，难 后（一般是从七月中旬到八月底），长江中下游地区 以满足对早情全方位、多时向的监测要求。随着遥 处于副热带高压的控制下，空中气流下沉，不利于 感技术的进步，利用遥感数据进行区域旱情的监测 收稿日期：2014-01-08 基金项目：国家自然科学基金(70271062,40771117)和安徽省高校自然科学研究重点项目(KJ2010A121)共同资助。 作者简介：吴明业，硕士研究生。E-mail:wmylovea.3@163.com *通信作者：张庆国，博士，教授。E-mail:qgzhang@ahau.edu.cn
收稿日期: 2014-01-08 基金项目: 国家自然科学基金（70271062,40771117）和安徽省高校自然科学研究重点项目（KJ2010A121）共同资助。 作者简介: 吴明业，硕士研究生。E-mail：wmylovea3@163.com * 通信作者: 张庆国，博士，教授。E-mail：qgzhang@ahau.edu.cn 安徽农业大学学报, 2014, 41(4): 669-674 Journal of Anhui Agricultural University [DOI] 10.13610/j.cnki.1672-352x.20140620.025 网络出版时间：2014-6-20 11:37:12 [URL] http://www.cnki.net/kcms/doi/10.13610/j.cnki.1672-352x.20140620.025.html 基于 TVDI 指数的安徽省伏旱动态监测与时空演变的研究 吴明业 1 ，张庆国 2*，徐 丽 2 ，宋瑞祥 1 (1. 安徽农业大学资源与环境学院，合肥 230036；2. 安徽农业大学理学院，合肥 230036) 摘 要：利用 2012 年 153 期到 241 期的 Terra/Modis 8 d 合成的地表温度（LST）产品数据 MOD11A2 和 16 d 合成增强植被指数（EVI）数据 MOD13A2，构建 LST-EVI 特征空间，并依据该特征空间计算的温度植被干旱指数 （TVDI）作为土壤湿度的监测指标，反演了 2012 年 6-8 月份安徽省每 8 d 的土壤湿度分布状况，验证了 LST-EVI 特征空间三角形分布的基本特征。结果表明：总体来看，2012 年安徽省伏旱主要发生在两个时段（6 月上旬到中旬 以及 7 月中旬到 8 月上旬），两个时段持续时间都不长，并没有造成严重灾情，到 8 月上旬开始缓解，8 月中旬基 本结束。本研究为利用遥感数据对伏旱进行动态监测提供了方法和依据。 关键词：温度植被干旱指数；伏旱；LST-EVI 特征空间；遥感；安徽省 中图分类号：S16 文献标识码：A 文章编号：1672−352X (2014)04−0669−06 Dynamic monitoring and spatial-temporal change of summer drought in Anhui Province based on the TVDI WU Mingye1 , ZHANG Qingguo2 , XU Li2 , SONG Ruixiang1 (1. School of Resources and Environment, Anhui Agricultural University, Hefei 230036; 2. School of Science, Anhui Agricultural University, Hefei 230036) Abstract: The LST-EVI characteristic space was built using MOD11A2 and MOD13A2, two types of data that were generated by Terra/Modis 8 days’ land surface temperature (LST), Terra/Modis16 days’ enhanced vegetation index (EVI) from the 153th day to the 241th day of 2012, respectively. According to the temperature vegetation drought index (TVDI), representing the monitoring index of soil moisture, calculated by the characteristic space, soil moisture distribution of every 8 days in Anhui province from June to August, 2012 was retrieved. The essential features of triangular distribution of LST-EVI characteristic space were confirmed. The results showed that the summer drought in Anhui province often occurs in two periods of time (the first third of June to the middle third of July, and the middle third of July to the first third of August) in general. The time of these two periods was not long enough to cause an unacceptable damage. The drought was fade away from the first third of August to the middle third of August. The study provided a method and theory basis to carry through drought dynamic monitoring using the remote sensing data. Key words: temperature vegetation drought index; summer drought; LST-EVI characteristic space; remote sensing; Anhui province 安徽省地处暖温带和北亚热带之间的过渡区， 气候复杂，气象灾害频繁发生。与其他灾害相比， 安徽省出现的旱灾出现较多，持续时间一般较长， 且影响范围大，危害严重。特别是在夏季梅雨结束 后（一般是从七月中旬到八月底），长江中下游地区 处于副热带高压的控制下，空中气流下沉，不利于 降水的发生，同时因为天气炎热，地表水分的蒸发 量很大，伏旱时常发生。 传统上对干旱及土壤墒情的监测还主要以人工 实测为主，工作量大，得到的数据覆盖面有限，难 以满足对旱情全方位、多时向的监测要求。随着遥 感技术的进步，利用遥感数据进行区域旱情的监测
670 安徽农业大学学报 2014年 越来越受到关注，这可以在一定程度上弥补传统方 1 原理和方法 法的不足，完善旱情的监测体系，为抗旱减灾提供 决策支持。 可以利用TVDI反演土壤湿度的根本原因是水 NASA对MODIS数据在全世界范围内实行免 分蒸发和植被蒸腾对地表温度具有降低作用。遥感 费接收的政策，是不可多得得廉价且实用的数据资 图像中一个像元的TVDI值取决于Ts-NDVI空间的 源。MODIS数据涉及了范围颇广的波段(36个波 情况，而地表蒸发与植被蒸腾作用影响着Ts-NDVI 段)、数据分辨率也比NOAA-AVHRR提高了一大 空间的特征。植被覆盖、土壤湿度、地表热特征及 步，再加上因为Tera和Aqua上的MODIS数据在 粗糙度、大气动力与入射辐射等都对Ts-NDVI空间 时间更新频率上配合良好，每天最少可以得到2次 有影响，传感器类型、分辨率及外界环境风速、 白天和2次黑夜的数据更新。这样一系列的优势使 气压等因素对空间影响较小山。土壤水分是 得MODIS数据具有非常高的对地球科学综合研究 Ts-NDVI空间的主要影响因素，NDVI能很好的反 和对陆地、大气与海洋进行区别研究的价值，甚至 映植被状况，以Ts-NDVI特征空间为基础得到的 对实时的地球观测和应急处理，如森林和草原火灾 TVDI,能很大程度上反映土壤的湿度状况。 监测与救灾都有很高的利用前景。 如果研究区域植被覆盖包括从裸土到全覆盖， 利用植被指数和地表温度信息研究区域地表水 土壤湿度从极干旱到极湿润的各种情况，以遥感数 分状况等陆地表面变化过程是目前遥感应用的一个 据获得的Ts和NDVI(或EVI)为纵坐标的散点图 重要方向。Sandholt等利用简化的NDVI-Ts特征 呈三角形2☑，这是Ts-NDVI特征空间的基本特征。 空间提出水分胁迫指标TVDI:齐述华等问利用 温度植被干旱指数(TVDI)就是在这个基础上发展 MODIS植被指数和陆地表面温度产品得到了 出来的土壤湿度监测方法，其基本表达式如下所示： TVDI、DTVDI和AVDI3个干旱评价指标并利用实 TVDI=Ts-Tsan (1) 测土壤含水量数据检验发现当监测范围较大，区域 TSmax -TSm 内地形复杂时，TVDI评价千旱最为合理：王纯枝 式中，Ts为任意像元的地表温度，本研究中采用 等)利用MODIS数据产品提取了黄淮海地区的 Modis的LST数据：Tsmax=a1+b1XEVI为某一EVI TVDI,并与相应的土壤湿度实测数据验证，认为 值对应的最高地表温度，是特征空间的干边，1， TVDI方法能很好的反映地表10~20cm土壤水分状 b!为干边拟合方程的系数：类似的，Tsmin=a2+b2× 况适用于黄淮海平原作物生长季的土壤湿度动态监 EVI为某一EVI值对应的最低地表温度。EVI为增 测：吴梦泉等4建立了复杂山区的温度植被干旱指 强植被指数，矫正了土壤背景和气溶胶散射的影响， 数(TVDI)并结合当地气象局信息和野外同步观测 本研究就是选用EVI和LST数据构建的TsEVⅥ特 的表层土壤温度、湿度数据对其进行定量验证认为 征空间。将Tsmin和Tsmax的拟合代入(1)式就 得到了TVDI的表达式： TVDI与土壤湿度显著相关，可以用来对大区域干 旱进行监测：向大享等分别选用FY-3 MERSI数 LST-(a2+b×EI) (2) TVDI= (a+h×ET-(a2+b×ET 据和MODIS数据计算了温度植被干旱指数 TVDI的取值在0~1之间，一个地区TVDI值 (TVDI),并分析了监测结果的相对精度：刘玉琴 越大，表明该地区土壤水分越缺乏。本文利用 等、陈斌等)、张喆等8和王海等用TVDI分别 MODIS植被指数和陆地表面温度产品建立了安徽 对不同地区进行了干早监测，认为TVDI可有效监 省全部区域Ts-EV1空间，并由此提取出2012年6 测研究区域的干旱情况。 月份到8月份该地区每8d的温度植被干旱指数 MODIS传感器具有很高的时间分辨率，其在干 (TVDI),再根据这一系列的TVDI分布图找出安 旱的动态监测方面拥有显而易见的优势。本文利用 徽省伏旱的分布和演变规律。 MODIS植被指数和陆地表面温度产品建立了安徽 省全部区域NDVI-Ts空间，并由此提取出2012年6 2数据来源和数据处理 月份到8月份该地区每8天的温度植被干旱指数 研究区域为安徽省全境，选用的数据为北纬 (TVDI),并在此基础上分析了2012年安徽省伏旱 28°~35°，东经113°~120°。研究区域逐日的晴空资 的分布和时空演变规律。 料难以获取，所以本文选用的事MODIS标准产品 中8d合成的地表温度MOD11A2与16d合成的植 被指数MOD13A2,资料来源：http:/ladsweb.nascom
670 安 徽 农 业 大 学 学 报 2014 年 越来越受到关注，这可以在一定程度上弥补传统方 法的不足，完善旱情的监测体系，为抗旱减灾提供 决策支持。 NASA 对 MODIS 数据在全世界范围内实行免 费接收的政策，是不可多得得廉价且实用的数据资 源。MODIS 数据涉及了范围颇广的波段（36 个波 段）、数据分辨率也比 NOAA-AVHRR 提高了一大 步，再加上因为 Terra 和 Aqua 上的 MODIS 数据在 时间更新频率上配合良好，每天最少可以得到 2 次 白天和 2 次黑夜的数据更新。这样一系列的优势使 得 MODIS 数据具有非常高的对地球科学综合研究 和对陆地、大气与海洋进行区别研究的价值，甚至 对实时的地球观测和应急处理，如森林和草原火灾 监测与救灾都有很高的利用前景。 利用植被指数和地表温度信息研究区域地表水 分状况等陆地表面变化过程是目前遥感应用的一个 重要方向。Sandholt 等[1]利用简化的 NDVI-Ts 特征 空间提出水分胁迫指标 TVDI；齐述华等[2]利用 MODIS 植被指数和陆地表面温度产品得到了 TVDI、DTVDI 和 AVDI 3 个干旱评价指标并利用实 测土壤含水量数据检验发现当监测范围较大，区域 内地形复杂时，TVDI 评价干旱最为合理；王纯枝 等[3]利用 MODIS 数据产品提取了黄淮海地区的 TVDI，并与相应的土壤湿度实测数据验证，认为 TVDI 方法能很好的反映地表 10~20cm 土壤水分状 况适用于黄淮海平原作物生长季的土壤湿度动态监 测；吴梦泉等[4]建立了复杂山区的温度植被干旱指 数（TVDI）并结合当地气象局信息和野外同步观测 的表层土壤温度、湿度数据对其进行定量验证认为 TVDI 与土壤湿度显著相关，可以用来对大区域干 旱进行监测；向大享等[5]分别选用 FY-3/MERSI 数 据 和 MODIS 数据计算了温度植被干旱指数 （TVDI），并分析了监测结果的相对精度；刘玉琴 等[6]、陈斌等[7]、张喆等[8]和王海等[9]用 TVDI 分别 对不同地区进行了干旱监测，认为 TVDI 可有效监 测研究区域的干旱情况。 MODIS 传感器具有很高的时间分辨率，其在干 旱的动态监测方面拥有显而易见的优势。本文利用 MODIS 植被指数和陆地表面温度产品建立了安徽 省全部区域 NDVI-Ts 空间，并由此提取出 2012 年 6 月份到 8 月份该地区每 8 天的温度植被干旱指数 （TVDI），并在此基础上分析了 2012 年安徽省伏旱 的分布和时空演变规律。 1 原理和方法 可以利用 TVDI 反演土壤湿度的根本原因是水 分蒸发和植被蒸腾对地表温度具有降低作用。遥感 图像中一个像元的 TVDI 值取决于 Ts-NDVI 空间的 情况，而地表蒸发与植被蒸腾作用影响着 Ts-NDVI 空间的特征。植被覆盖、土壤湿度、地表热特征及 粗糙度、大气动力与入射辐射等都对 Ts-NDVI 空间 有影响[10]，传感器类型、分辨率及外界环境风速、 气压等因素对空间影响较小[11]。土壤水分是 Ts-NDVI 空间的主要影响因素，NDVI 能很好的反 映植被状况，以 Ts-NDVI 特征空间为基础得到的 TVDI，能很大程度上反映土壤的湿度状况。 如果研究区域植被覆盖包括从裸土到全覆盖， 土壤湿度从极干旱到极湿润的各种情况，以遥感数 据获得的 Ts 和 NDVI（或 EVI）为纵坐标的散点图 呈三角形[12]，这是 Ts-NDVI 特征空间的基本特征。 温度植被干旱指数（TVDI）就是在这个基础上发展 出来的土壤湿度监测方法，其基本表达式如下所示： max min min Ts Ts Ts Ts TVDI − − = （1） 式中，Ts 为任意像元的地表温度，本研究中采用 Modis 的 LST 数据；Tsmax=a1+b1×EVI 为某一 EVI 值对应的最高地表温度，是特征空间的干边，a1， b1 为干边拟合方程的系数；类似的，Tsmin= a2+b2× EVI 为某一 EVI 值对应的最低地表温度。EVI 为增 强植被指数，矫正了土壤背景和气溶胶散射的影响， 本研究就是选用 EVI 和 LST 数据构建的 Ts-EVI 特 征空间。将 Tsmin 和 Tsmax 的拟合代入（1）式就 得到了 TVDI 的表达式： ( ) ( ) ( ) 1 1 2 2 2 2 a b EVI a b EVI LST a b EVI TVDI + × − + × − + × = （2） TVDI 的取值在 0～1 之间，一个地区 TVDI 值 越大，表明该地区土壤水分越缺乏。本文利用 MODIS 植被指数和陆地表面温度产品建立了安徽 省全部区域 Ts-EVI 空间，并由此提取出 2012 年 6 月份到 8 月份该地区每 8 d 的温度植被干旱指数 （TVDI），再根据这一系列的 TVDI 分布图找出安 徽省伏旱的分布和演变规律。 2 数据来源和数据处理 研究区域为安徽省全境，选用的数据为北纬 28°~ 35°，东经 113°~ 120°。研究区域逐日的晴空资 料难以获取，所以本文选用的事 MODIS 标准产品 中 8 d 合成的地表温度 MOD11A2 与 16 d 合成的植 被指数 MOD13A2，资料来源：http://ladsweb.nascom
41卷4期 吴明业等：基于TVDI指数的安徽省伏早动态监测与时空演变的研究 671 nasa.gov/data/search.html. 和LST数据所导致的获取时间上的不一致。 MOD11A2是8d合成空间分辨率为1km的地 遥感数据获取之后，作图幅拼接和投影变换之 表温度产品。它的地表温度数据是利用分窗算法对 后，在DL/ENVI环境中，以0.01的EVI阈值为步 modis传感器31、32通道亮温计算获得的，其中的 长构建LST-EVI特征空间并计算温度植被干旱指数 通道亮温值根据辐亮度和0.1k阈值亮温的查找表 (TVDD。在建模过程中，利用ENVI的掩膜技术， 确定]。结果为8d内晴空日地表温度的平均值。 去除地表温度的过低点(0℃以下)。 MOD13A2是16d合成的空间分辨率为1km 3结果与分析 的植被指数产品。它的波段反射率经过BRDF模型 订正大气吸收、分子散射等效应，并校正为星下点 3.1不同时相的LST-EVI特征空间 和标准太阳高度角下的Terra MODIS卫星地表反射 利用MODIS温度和植被指数数据产品，得到 率，采用最大值合成(MVC)、最小视角合成 安徽省伏旱主要发生时段的LST-EVI特征空间分布 (MV-MVC)、限定视角范围合成(TV-MVC)等策 (如图1)。从图1可以看出，每一期的特征空间中 略合成为最终的植被指数(NDVI)和增强植被指数 干边和湿边形状相似。不同时相特征空间都有一个 (EVI)结果4。本文采用的就是其中的增强植被 共同特点：随着NDVI值的增加，地表温度的最大 指数。 值和最小值逐渐趋于一点，基本上是呈现三角形分 在2012年5月30日-9月2日期间获取的每期 布的，特别是在ET>01的时候，这种现象十分明 MOD13A2图像对应两期的MOD11A2图像。假定 显：从不同时相特征空间的形状有所差异，点的离 MOD13A2合成时段内地表的植被变化不大，其合 散程度也不相同，这可能与不同NDVI值对应的像 成的EVⅥ值可以代表16d内任意一天的EVI值： 元数量的不同有关：图1中很明显的反映出最大地 MOD11A2是8d内晴空日地表温度的平均值，用这 表温度总是出现在E=0.2附近，且伏旱发生主要 个平均值代表这8日的地表温度。用这2组计算 时段内E70.2的 TVDI,通过以上假定，解决由于使用合成的EVI 像元数量。说明研究时段内安徽省裸土比例较小。 05/30-0506 0607-0614 0615-0622 0623-0630 0701-0708 0709-07/16 07/17.07/24 07/25-0801 0802-0809 08/10-08/17 08/18-0825 0826-0902 图12012年5月30日-9月2日每8d的LST-EV1特征空间 Figure 1 LST-EVI spatial pattern of scattered points for every 8 days from May 30th to September 2nd in 2012
41 卷 4 期 吴明业等: 基于 TVDI 指数的安徽省伏旱动态监测与时空演变的研究 671 nasa.gov/data/search.html。 MOD11A2 是 8 d 合成空间分辨率为 1 km 的地 表温度产品。它的地表温度数据是利用分窗算法对 modis 传感器 31、32 通道亮温计算获得的，其中的 通道亮温值根据辐亮度和 0.1 k 阈值亮温的查找表 确定[13]。结果为 8 d 内晴空日地表温度的平均值。 MOD13A2 是 16 d 合成的空间分辨率为 1 km 的植被指数产品。它的波段反射率经过 BRDF 模型 订正大气吸收、分子散射等效应，并校正为星下点 和标准太阳高度角下的 Terra MODIS 卫星地表反射 率，采用最大值合成（MVC）、最小视角合成 （MV-MVC）、限定视角范围合成（TV-MVC）等策 略合成为最终的植被指数（NDVI）和增强植被指数 （EVI）结果[14]。本文采用的就是其中的增强植被 指数。 在 2012 年 5 月 30 日-9 月 2 日期间获取的每期 MOD13A2 图像对应两期的 MOD11A2 图像。假定 MOD13A2 合成时段内地表的植被变化不大，其合 成的 EVI 值可以代表 16 d 内任意一天的 EVI 值； MOD11A2 是 8 d 内晴空日地表温度的平均值，用这 个平均值代表这 8 日的地表温度。用这 2 组计算 TVDI，通过以上假定，解决由于使用合成的 EVI 和 LST 数据所导致的获取时间上的不一致。 遥感数据获取之后，作图幅拼接和投影变换之 后，在 IDL/ENVI 环境中，以 0.01 的 EVI 阈值为步 长构建 LST-EVI 特征空间并计算温度植被干旱指数 (TVDI)。在建模过程中，利用 ENVI 的掩膜技术， 去除地表温度的过低点（0℃以下）。 3 结果与分析 3.1 不同时相的 LST-EVI 特征空间 利用 MODIS 温度和植被指数数据产品，得到 安徽省伏旱主要发生时段的 LST-EVI 特征空间分布 （如图 1）。从图 1 可以看出，每一期的特征空间中 干边和湿边形状相似。不同时相特征空间都有一个 共同特点：随着 NDVI 值的增加，地表温度的最大 值和最小值逐渐趋于一点，基本上是呈现三角形分 布的，特别是在 EVI>0.1 的时候，这种现象十分明 显；从不同时相特征空间的形状有所差异，点的离 散程度也不相同，这可能与不同 NDVI 值对应的像 元数量的不同有关；图 1 中很明显的反映出最大地 表温度总是出现在 EVI=0.2 附近，且伏旱发生主要 时段内 EVI0.2 的 像元数量。说明研究时段内安徽省裸土比例较小。 图 1 2012 年 5 月 30 日-9 月 2 日每 8 d 的 LST-EVI 特征空间 Figure 1 LST-EVI spatial pattern of scattered points for every 8 days from May 30th to September 2nd in 2012
672 安徽农业大学学报 2014年 3.2特征空间干湿边的确定 的植被指数，在这一点上与NDVI类似。 利用LST-EVI特征空间中相应的Tmax和Tmn 综上分析，本文在拟合干湿边方程时不考虑 就可以拟合出干边和ⅰ，但是特征空间中的最大和最 NDI<0.2的值，而选择处于植被覆盖度较高，像元 小地表温度并非完全在一条直线上，而如何选择像 数量所占比例较多的EVI对应的点（选取 元拟合i方程式计算TVDI的关键。研究表明s16: 0.2<EV<0.8的像元)拟合干湿边方程。分别计算了 当植被覆盖度小于15%左右时，因植被覆盖度很低， 2012年5月30日到9月2日每8d的LST-EVI特 其NDVI很难指示区域的植被生物量：当植被覆盖 征空间的千湿边方程（表1）。从表1可以看出，每 度在15%~80%之间增加时，NDVI值随植物量增加 期LST-EVI特征空间中的干边斜率小于0，而湿边 呈线性迅速增加：当植被覆盖度大于80%时，NDVI 斜率都大于0。这表明受干旱胁迫的区域（干边）， 值增加延缓呈现饱和状态，对植被描述的敏感性下 随着植被覆盖度增加，地表温度有减小的趋势：而 降。因此NDVⅥ更适于监测植被发育中期或中等覆 无水分胁迫的区域，随着植被覆盖度的增加，地表 盖度的变化。EVI是加入蓝色波段以增强植被信号 温度/冠层温度有增加的趋势。 表12012年5月30日-9月2日每8dLST-EVI特征空间干边和湿边方程 Table 1 The dry and wet edges in LST/EVI space estimated by linear regression for every 8 days from May 30th to September 2nd in 2012 时间Time 千边Dry edge 湿边Wet edge 05/30-06/06 LST=18.3096EV7+323.295 LST=13.2144E7+263.050 R2=0.815279 R2=0.382009 06/07-06/14 LST=19.0346EV7+325.698 LST=8.08801E7+270.468 R=0.851947 R2=0.372437 06/15-06/22 LS7=19.1464EV1+330.477 LST=20.5008E7+258.932 R2=0.822340 R2=0.631417 06/23-06/30 LST=-20.8054EV+325.926 LST=18.1209EV1+254.232 R2=0.901132 R2=0.419045 07/01-07/08 LST=-17.1077E7+326.781 LST=9.39474E7+263.634 R=0.792814 R=0.438568 07/09-07/16 LST=19.0168E7+328.087 LST=13.6187E7+263.804 R2=0.800478 R2=0.660120 07/17-07/24 LST=.15.5216EV7+322.041 LST=13.8883EV7+260.531 R2=0.829727 R2=0.318577 07/25-08/01 LST=-15.0940EV7+322.764 LST=15.8795E7+262.116 R2=0.877341 R2=0.536224 08/02-08/09 LS7=-13.1317EV7+322.593 LST=13.9885E7+263.267 R2=0.635303 R2=0.395800 08/10-08/17 LST=.14.3725E7+320.006 LST=13.3223EV7+267.983 R=0.833041 R-0.514781 08/18-08/25 LST=14.4441EV7+319.253 LST=9.87138EV7+267.805 R2=0.862410 R2=0.449189 08/26-09/02 LS7=15.9989E7+321.832 LST=5.73554EV7+271.163 R2=0.706331 R2=0.259113 3.3安徽省土壤湿度等级分布图 图中可以看出，6月上中旬旱情主要发生在阜阳和 利用干边和湿边方程，根据式(2)，分别计算 淮北以及大别山区，滁州、蚌埠境内也有分布：7 不同时间各像元的TVDI值，以TVDI值作为不同 月中旬，全省性的旱情开始爆发，全省大部分地区 土壤湿度的分级指标，根据宋春桥的分类方法门， 都出现了旱情：到7月下旬，淮河以北地区旱情依 将土壤的湿度状况分为5类：湿润(0<TVD≤0.2)、 然持续，江淮之间地区旱情有所缓解：8月上旬开 偏湿(0.2<TVD1≤0.4)、正常(0.4<TVD1≤0.6)、 始，全省总体干早情况逐步好转，涡阳、濉溪、宿 偏旱(0.6<TVD1≤0.8)、千早(0.8<TVD1≤1.0). 州以及肥东、长丰仍持续干旱：8月中旬开始全省 由此得到2012年5月30日一9月2日（伏旱最可 旱情基本结束。 能发生的时段)安徽省土壤湿度状况分布图，如图 4小结与讨论 2所示。除了6月23日-6月30日、7月1日-7月 8日这两个时段，因为全省大面积区域被云层覆盖， 从12个时相的土壤湿度等级分布来看，2012 出图效果较差之外，其余时段的出图效果良好。从 年安徽省伏旱的发生和发展分为两个阶段：6月上
672 安 徽 农 业 大 学 学 报 2014 年 3.2 特征空间干湿边的确定 利用 LST-EVI 特征空间中相应的 Tmax 和 Tmin 就可以拟合出干边和 i，但是特征空间中的最大和最 小地表温度并非完全在一条直线上，而如何选择像 元拟合 i 方程式计算 TVDI 的关键。研究表明[15-16]： 当植被覆盖度小于 15%左右时，因植被覆盖度很低， 其 NDVI 很难指示区域的植被生物量；当植被覆盖 度在 15%~80%之间增加时，NDVI 值随植物量增加 呈线性迅速增加；当植被覆盖度大于 80%时，NDVI 值增加延缓呈现饱和状态，对植被描述的敏感性下 降。因此 NDVI 更适于监测植被发育中期或中等覆 盖度的变化。EVI 是加入蓝色波段以增强植被信号 的植被指数，在这一点上与 NDVI 类似。 综上分析，本文在拟合干湿边方程时不考虑 NDVI<0.2 的值，而选择处于植被覆盖度较高，像元 数量所占比例较多的 EVI 对应的点（选取 0.2<EVI<0.8 的像元）拟合干湿边方程。分别计算了 2012 年 5 月 30 日到 9 月 2 日每 8 d 的 LST-EVI 特 征空间的干湿边方程（表 1）。从表 1 可以看出，每 期 LST-EVI 特征空间中的干边斜率小于 0，而湿边 斜率都大于 0。这表明受干旱胁迫的区域（干边）， 随着植被覆盖度增加，地表温度有减小的趋势；而 无水分胁迫的区域，随着植被覆盖度的增加，地表 温度/冠层温度有增加的趋势。 表 1 2012 年 5 月 30 日-9 月 2 日每 8 d LST-EVI 特征空间干边和湿边方程 Table 1 The dry and wet edges in LST/EVI space estimated by linear regression for every 8 days from May 30th to September 2nd in 2012 时间 Time 干边 Dry edge 湿边 Wet edge 05/30-06/06 LST=-18.3096EVI+323.295 LST=13.2144EVI+263.050 R2 =0.815279 R2 =0.382009 06/07-06/14 LST=-19.0346EVI+325.698 LST= 8.08801EVI+270.468 R2 =0.851947 R2 =0.372437 06/15-06/22 LST=-19.1464EVI+330.477 LST=20.5008EVI+258.932 R2 =0.822340 R2 =0.631417 06/23-06/30 LST=-20.8054EVI+325.926 LST=18.1209EVI+254.232 R2 =0.901132 R2 =0.419045 07/01-07/08 LST=-17.1077EVI+326.781 LST=9.39474EVI+263.634 R2 =0.792814 R2 =0.438568 07/09-07/16 LST=-19.0168EVI+328.087 LST=13.6187EVI+263.804 R2 =0.800478 R2 =0.660120 07/17-07/24 LST=-15.5216EVI+322.041 LST=13.8883EVI+260.531 R2 =0.829727 R2 =0.318577 07/25 -08/01 LST=-15.0940EVI+322.764 LST=15.8795EVI+262.116 R2 =0.877341 R2 =0.536224 08/02-08/09 LST=-13.1317EVI+322.593 LST=13.9885EVI+263.267 R2 =0.635303 R2 =0.395800 08/10-08/17 LST=-14.3725EVI+320.006 LST=13.3223EVI+267.983 R2 =0.833041 R2 =0.514781 08/18-08/25 LST=-14.4441EVI+319.253 LST=9.87138EVI+267.805 R2 =0.862410 R2 =0.449189 08/26-09/02 LST=-15.9989EVI+321.832 LST=5.73554EVI+271.163 R2 =0.706331 R2 =0.259113 3.3 安徽省土壤湿度等级分布图 利用干边和湿边方程，根据式（2），分别计算 不同时间各像元的 TVDI 值，以 TVDI 值作为不同 土壤湿度的分级指标，根据宋春桥的分类方法[17]， 将土壤的湿度状况分为 5 类：湿润（0<TVDI≤0.2）、 偏湿（0.2＜TVDI≤0.4）、正常（0.4＜TVDI≤0.6）、 偏旱（0.6＜TVDI≤0.8）、干旱（0.8＜TVDI≤1.0）。 由此得到 2012 年 5 月 30 日－9 月 2 日（伏旱最可 能发生的时段）安徽省土壤湿度状况分布图，如图 2 所示。除了 6 月 23 日－6 月 30 日、7 月 1 日-7 月 8 日这两个时段，因为全省大面积区域被云层覆盖， 出图效果较差之外，其余时段的出图效果良好。从 图中可以看出，6 月上中旬旱情主要发生在阜阳和 淮北以及大别山区，滁州、蚌埠境内也有分布；7 月中旬，全省性的旱情开始爆发，全省大部分地区 都出现了旱情；到 7 月下旬，淮河以北地区旱情依 然持续，江淮之间地区旱情有所缓解；8 月上旬开 始，全省总体干旱情况逐步好转，涡阳、濉溪、宿 州以及肥东、长丰仍持续干旱；8 月中旬开始全省 旱情基本结束。 4 小结与讨论 从 12 个时相的土壤湿度等级分布来看，2012 年安徽省伏旱的发生和发展分为两个阶段：6 月上
41卷4期 吴明业等：基于TVDI指数的安徽省伏早动态监测与时空演变的研究 673 旬到中旬、7月中旬到8月上旬，第一阶段的旱情 的旱情，长江以北大部分地区均受影响，此外宣城 主要分布在淮河以北地区和大杯山区，受影响较大 郎溪、宁国受影响也较大。总体而言，两个阶段持 的县有：阜阳、界首、利辛、太和、临泉、毫州、 续的时间都不长，所以并没有造成重大灾情。 萧县、濉溪以及霍山：第二阶段的旱情为全省范围 到2口一月用自日参痕皆土重进度统税家出 图22012年5月20日-9月2日每8d安徽省土壤湿度状况分布图 Figure 2 Distribution map of soil moisture classified by TVDI calculated in Anhui province for every 8 days from May 30th to September 2nd 利用MODIS地表温度产品和增强植被指数产 特征。然而本文所述方法在监测干旱发生发展规律 品反演出了安徽省伏旱易发时段多个时相的温度植 时还存在一系列问题，这在以后的研究中需要进一 被干旱指数，最终得到的土壤湿度状况分布图的效 步探讨。 果基本令人满意，可以与实测的土壤墒情数据配合 首先是缺乏地面观测数据的实证比对，尽管 使用，为干旱实时监测提供便利，这在目前气象信 TVDI被证明是目前干旱遥感监测中运用比较好的 息实时同步采集和数据共享程度较低的情况下，显 方法，但是在进行特定时间，特定地点的干旱监测 得尤为重要。多个时相的LST-EVI特征空间全部都 时还是需要足够实测数据证明方法的正确性。 呈三角形分布，进一步验证了LST-VI空间的分布 其次，TVDI法干旱监测对植被覆盖的要求比
41 卷 4 期 吴明业等: 基于 TVDI 指数的安徽省伏旱动态监测与时空演变的研究 673 旬到中旬、7 月中旬到 8 月上旬，第一阶段的旱情 主要分布在淮河以北地区和大杯山区，受影响较大 的县有：阜阳、界首、利辛、太和、临泉、亳州、 萧县、濉溪以及霍山；第二阶段的旱情为全省范围 的旱情，长江以北大部分地区均受影响，此外宣城、 郎溪、宁国受影响也较大。总体而言，两个阶段持 续的时间都不长，所以并没有造成重大灾情。 图 2 2012 年 5 月 20 日-9 月 2 日每 8 d 安徽省土壤湿度状况分布图 Figure 2 Distribution map of soil moisture classified by TVDI calculated in Anhui province for every 8 days from May 30th to September 2nd 利用 MODIS 地表温度产品和增强植被指数产 品反演出了安徽省伏旱易发时段多个时相的温度植 被干旱指数，最终得到的土壤湿度状况分布图的效 果基本令人满意，可以与实测的土壤墒情数据配合 使用，为干旱实时监测提供便利，这在目前气象信 息实时同步采集和数据共享程度较低的情况下，显 得尤为重要。多个时相的 LST-EVI 特征空间全部都 呈三角形分布，进一步验证了 LST-VI 空间的分布 特征。然而本文所述方法在监测干旱发生发展规律 时还存在一系列问题，这在以后的研究中需要进一 步探讨。 首先是缺乏地面观测数据的实证比对，尽管 TVDI 被证明是目前干旱遥感监测中运用比较好的 方法，但是在进行特定时间，特定地点的干旱监测 时还是需要足够实测数据证明方法的正确性。 其次，TVDI 法干旱监测对植被覆盖的要求比
674 安徽农业大学学报 2014年 较高，本研究的是安徽省伏旱的分布，相关区域和 草原干旱监测中的应用研究).干早区地理，2013， 相应时间的植被覆盖基本满足条件。但是如果研究 36(5:930-937. [8]张喆，丁建丽，鄢雪英，等.基于温度植被干早指数的 的是其他区域或其他时间的干旱情况，本方法的使 土库曼斯坦典型绿洲干早遥感监测).生态学杂志， 用需要慎重，因为如果植被覆盖度不高的情况下， 2013,32(8):2172-2178. 盲目使用此方法往往不能得到理想的结果。 [9王海，杨祖祥，王麟，等.TVDI在云南2009/2010年干 另外，MODIS的植被指数产品和地表温度产品 早监测中的应用[.云南大学学报：自然科学版，2014， 受天气状况影响较大，特别是云量较多的时候往往 36(1:59-65. [10)闫峰，王艳娇.基于Ts-EVI特征空间的土壤水分估算 难以得到成图较好的结果，最终的土壤湿度分布的 [.生态学报，2009,299)：4884-4891. 出图效果也会受到影响。 [11]Goward S N,Xue Y,Czajkowski K P.Evaluating land surface moisture conditions from the remotely sensed 参考文献： temperature/vegetation index measurements:An explora- [1]Sandholt I,Rasmussen K,Andersen J.A Simple interpre- tion with the simplified simple biosphere model[J.Re. tation of the surface temperature/vegetation index space mote Sensing of Environment,2002,79(223):225-242. for assessment of surface moisture status[J.Remote [12]Price J C.Using spatial context in satellite data to infer Sensing of Environment,2002,79(2):213-224. regional scale evapotranspirationJ.IEEE Transactions on [2]齐述华，李贵才，王长耀，等.利用MODIS数据产品进 Geoscience and Remote Sensing.1990,28(5):940-948. [13]Wan Z M.MODIS land-surface temperature algorithm 行全国千早监测的研究)水科学进展，2005,16(1)： theoretical basis document(LST ATB-D)[M]J].Version 56-61. 3.3,ContactNumber:NAS5-31370,1999:4. [3]王纯枝，毛留喜，何延波，等.温度植被干早指数法在 [14]Huete A,Justice C,Van Leeuwen W.MODIS vegetation 黄淮海平原土壤湿度反演中的应用研究).土壤通报， index(MOD13)algorithm theoretical basis document [M]. 2009,40(5):998-1005 Version 3,1999. [4吴梦泉，崔伟宏，李景刚，等.温度植被干早指数在复 [15]姚春生，张增祥，汪满.使用温度植被干早指数法 杂山区干早监测的应用研究[仞.干早区地理，2007， (TVD)反演新疆土壤湿度[.遥感技术与应用，2004 30(1):30-35 19(6:473-478 [)向大享，刘良明，韩涛.FY-3 MERSI数据干早监测能力评 [16韩丽娟，王鹏新，王锦地，等.植被指数-地表温度构成 价武汉大学学报：信息科学版，2010,353)：335-338. 的特征空间研究).中国科学(D辑)地球科学，2005， [6]刘玉琴，沙晋明，王德生.基于TVDI的福州地区土壤 35(4):371-377 干湿状况遥感监测).亚热带资源与环境学报，2013， [1刀宋春桥，游松财，刘高焕，等.基于TVDI的藏北地区土壤 8(4):75-80. 湿度空间格局.地球科学进展，2011.20(5)：569-576. [刀陈斌，张学霞，华开，等.温度植被干早指数(TVD)在
674 安 徽 农 业 大 学 学 报 2014 年 较高，本研究的是安徽省伏旱的分布，相关区域和 相应时间的植被覆盖基本满足条件。但是如果研究 的是其他区域或其他时间的干旱情况，本方法的使 用需要慎重，因为如果植被覆盖度不高的情况下， 盲目使用此方法往往不能得到理想的结果。 另外，MODIS 的植被指数产品和地表温度产品 受天气状况影响较大，特别是云量较多的时候往往 难以得到成图较好的结果，最终的土壤湿度分布的 出图效果也会受到影响。 参考文献： [1] Sandholt I, Rasmussen K, Andersen J. A Simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2): 213-224. [2] 齐述华, 李贵才, 王长耀, 等. 利用MODIS数据产品进 行全国干旱监测的研究[J]. 水科学进展, 2005, 16(1): 56-61. [3] 王纯枝, 毛留喜, 何延波, 等. 温度植被干旱指数法在 黄淮海平原土壤湿度反演中的应用研究[J]. 土壤通报, 2009, 40(5): 998-1005. [4] 吴梦泉, 崔伟宏, 李景刚, 等. 温度植被干旱指数在复 杂山区干旱监测的应用研究[J]. 干旱区地理, 2007, 30(1): 30-35. [5] 向大享, 刘良明, 韩涛. FY-3 MERSI 数据干旱监测能力评 价[J]. 武汉大学学报: 信息科学版, 2010, 35(3): 335 -338. [6] 刘玉琴, 沙晋明, 王德生. 基于 TVDI 的福州地区土壤 干湿状况遥感监测[J]. 亚热带资源与环境学报, 2013, 8(4): 75-80. [7] 陈斌, 张学霞, 华开, 等. 温度植被干旱指数(TVDI)在 草原干旱监测中的应用研究[J]. 干旱区地理, 2013, 36(5): 930-937. [8] 张喆, 丁建丽, 鄢雪英, 等. 基于温度植被干旱指数的 土库曼斯坦典型绿洲干旱遥感监测[J]. 生态学杂志, 2013, 32(8): 2172-2178. [9] 王海, 杨祖祥, 王麟, 等. TVDI 在云南 2009/2010 年干 旱监测中的应用[J]. 云南大学学报: 自然科学版, 2014, 36(1): 59-65. [10] 闫峰, 王艳娇. 基于 Ts-EVI 特征空间的土壤水分估算 [J]. 生态学报, 2009, 29(9): 4884-4891. [11] Goward S N, Xue Y, Czajkowski K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment, 2002, 79(223): 225-242. [12] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience and Remote Sensing.1990, 28(5): 940-948. [13] Wan Z M. MODIS land-surface temperature algorithm theoretical basis document(LST ATB-D) [M][J]. Version 3.3, ContactNumber: NAS5-31370, 1999: 4. [14] Huete A, Justice C, Van Leeuwen W. MODIS vegetation index(MOD13) algorithm theoretical basis document [M]. Version 3, 1999. [15] 姚春生, 张增祥, 汪潇. 使用温度植被干旱指数法 (TVDI)反演新疆土壤湿度[J]. 遥感技术与应用, 2004, 19(6): 473-478. [16] 韩丽娟, 王鹏新, 王锦地, 等. 植被指数-地表温度构成 的特征空间研究[J]. 中国科学(D 辑) . 地球科学, 2005, 35(4): 371-377. [17] 宋春桥, 游松财, 刘高焕, 等. 基于TVDI的藏北地区土壤 湿度空间格局[J]. 地球科学进展, 2011, 20(5): 569- 576
