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.nascom670 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