孫麗，裴志遠(yuǎn)，馬尚杰，王連林，馬志平，宋振華，錢鳳嬌

（1.農(nóng)業(yè)部規(guī)劃設(shè)計(jì)研究院，北京 100125；2.玉田縣發(fā)展計(jì)劃局，河北 唐山 064100）

0 引言

干旱是全球最為常見(jiàn)的自然災(zāi)害之一。由于減災(zāi)成本的增加，政府越來(lái)越關(guān)注干旱監(jiān)測(cè)、發(fā)生、發(fā)展、早期預(yù)警、預(yù)測(cè)、影響評(píng)估和管理，以此減少干旱帶來(lái)的負(fù)面影響［1，2］。遙感數(shù)據(jù)可彌補(bǔ)地面數(shù)據(jù)的不足，用于干旱監(jiān)測(cè)和產(chǎn)量評(píng)估。遙感系統(tǒng)提供的連續(xù)時(shí)空尺度數(shù)據(jù)，在區(qū)域干旱監(jiān)測(cè)和產(chǎn)量估計(jì)方面具有較好的潛力和經(jīng)濟(jì)性［3，4］。近幾十年國(guó)內(nèi)外基于土壤水分的干旱遙感監(jiān)測(cè)研究取得很大進(jìn)展，其中，光學(xué)遙感主要是利用植被在可見(jiàn)光和近紅外的光譜特征以及植被在干旱時(shí)冠層溫度偏高等特點(diǎn)，構(gòu)建了不同的干旱指數(shù)，包括熱慣量法、植被指數(shù)法、植被指數(shù)與地表溫度組合法等。

目前利用遙感技術(shù)在區(qū)域尺度進(jìn)行干旱監(jiān)測(cè)使用的光學(xué)數(shù)據(jù)源主要包括分辨率較低的EOS／MODIS［5－7］、NOAA／AVHRR［8］、SPOT－VGT［9，10］、FY－3A［11］等，中高分辨率數(shù)據(jù)主要有環(huán)境減災(zāi)星［12，13］、TM［14，15］，尚未見(jiàn)到更高分辨率數(shù)據(jù)用于干旱監(jiān)測(cè)的研究報(bào)道。高時(shí)空分辨率衛(wèi)星數(shù)據(jù)是遙感干旱監(jiān)測(cè)水平提高的重要前提。本文針對(duì)環(huán)境減災(zāi)星－1A和1B、SPOT4、RAPIDEYE 3種衛(wèi)星數(shù)據(jù)源特點(diǎn)分別實(shí)現(xiàn)了垂直干旱指數(shù)、修正垂直干旱指數(shù)、溫度植被干旱指數(shù)3種干旱遙感監(jiān)測(cè)模型，并在河北玉田縣進(jìn)行了應(yīng)用比較。

1 研究方法

1.1 垂直干旱指數(shù)

垂直干旱指數(shù)（Perpendicular Drought Index，PDI）由紅光和近紅外兩個(gè)波段計(jì)算得到，操作簡(jiǎn)單，易于實(shí)現(xiàn)，近年被廣泛用于土壤水分的監(jiān)測(cè)［16－18］。公式如下：

式中：Rred、Rnir分別是經(jīng)過(guò)大氣校正的紅光和近紅外波段反射率，M為土壤基線斜率，I為土壤線在縱坐標(biāo)上的截距。

圖1描述了區(qū)域植被覆蓋狀況，即由A－E－D的植被覆蓋變化趨勢(shì)。B－D－C為土壤水分由多到少的變化趨勢(shì)，隨著土壤缺水程度的逐漸加重，干燥土壤在NIR－Red特征空間的遷移軌跡和土壤基線保持一致。阿不都瓦提斯·吾拉木等［17］認(rèn)為，在NIR－Red特征空間上，可以利用任一點(diǎn)到直線L的距離描述區(qū)域土壤含水量分布狀況，即距離L線越遠(yuǎn)，表明越缺水，反之亦然。一般認(rèn)為，最接近L線的空間是水分較多或濕潤(rùn)的區(qū)域，遠(yuǎn)離L線的空間為水分較少或較干旱的區(qū)域。從指數(shù)角度看，PDI值越大，表明越干旱。該方法物理意義明確，避免了反照率和地表溫度的反演。

圖1 基于NIR－Red光譜特征空間的PDI指數(shù)原理［17］Fig.1 Theory of PDI based on NIR－Red feature space

1.2 修正垂直干旱指數(shù)

Ghulam等［19］研究認(rèn)為，PDI在針對(duì)從裸地到茂密植被農(nóng)田的干旱監(jiān)測(cè)中有一定局限性，主要是由于不同土壤類型表現(xiàn)出非平面地形特征，從而影響干旱監(jiān)測(cè)精度，由此提出修正垂直干旱指數(shù)（Modified Perpendicular Drought Index，MPDI）。公式為：

式中：Rred，v、Rnir，v分別為植被在紅光和近紅外波段的反射率，可以取經(jīng)驗(yàn)值，分別為0.05和0.50；fv是植被覆蓋度。

PDI和MPDI均為無(wú)量綱指數(shù)。與PDI的區(qū)別是，MPDI的大小由植被覆蓋和土壤水分兩種因素確定，在裸露的土壤表面，土壤水分對(duì)MPDI影響大，而在植被覆蓋的地表或農(nóng)田，植被覆蓋狀況決定了MPDI，土壤水分和植被覆蓋度的增加都會(huì)使MPDI下降。

1.3 溫度植被干旱指數(shù)

溫度植被干旱指數(shù)（Temperature－Vegetation Dryness Index，TVDI）的基本原理是：對(duì)于一個(gè)區(qū)域，若地表覆蓋從裸土到密閉植被冠層，土壤濕度由干旱到濕潤(rùn)，則該區(qū)域每個(gè)像元的歸一化植被指數(shù)（NDVI）和地表溫度（Ts）組成的散點(diǎn)圖呈現(xiàn)為梯形［20，21］。Ts／NDVI特征空間得到理論模型的論證和田間數(shù)據(jù)的支持，在此基礎(chǔ)上Sandholt等［22］提出了TVDI的概念，公式為：

式中：Ts是任意像元的冠層溫度（K）；Tsmax是某一NDVI對(duì)應(yīng)的最高冠層溫度（K），即干邊；Tsmin是某一NDVI對(duì)應(yīng)的最低冠層溫度（K），即濕邊。

式中：a1、b1、a2、b2為干濕邊方程擬合系數(shù)。

由公式可知，TVDI為無(wú)量綱指數(shù)，值閾范圍是：0～1。TVDI值越大，表明越干旱。

2 研究試驗(yàn)

2.1 研究區(qū)域

本研究試驗(yàn)地點(diǎn)位于華北平原河北省玉田縣（117°31′～117°56′E和39°30′～39°58′N），全縣面積為1 165km2，耕地面積為729km2，主要地貌為北部丘陵、中部平原、南部低平原或洼地，土壤類型主要是褐土和潮土，土質(zhì)主要為中壤土和重壤土。該區(qū)氣候?qū)儆谂瘻貛О霛駶?rùn)大陸性季風(fēng)氣候，年均溫為11.2℃，無(wú)霜期為190d，平均降水量693mm且多集中在7－9月。主要農(nóng)作物類型為春玉米、夏玉米和冬小麥，冬小麥主要品種為京冬8號(hào)和輪選987，平均產(chǎn)量約為3 750～6 000kg／hm2。

2.2 數(shù)據(jù)來(lái)源與處理

2.2.1 地面數(shù)據(jù) 根據(jù)自然條件和冬小麥種植情況，并在充分考慮試驗(yàn)點(diǎn)空間分布均勻性和代表性的基礎(chǔ)上，選擇15個(gè)試驗(yàn)地塊進(jìn)行地面數(shù)據(jù)采集，每個(gè)試驗(yàn)地塊面積為500m＊500m，種植比例大于60%，以盡量滿足像元的純度要求。根據(jù)該地區(qū)冬小麥物候規(guī)律，選擇在作物返青期、拔節(jié)期、抽穗期、灌漿期采集試驗(yàn)地塊數(shù)據(jù)，5月2－6日采集樣本對(duì)應(yīng)拔節(jié)后期，5月12－17日采集樣本對(duì)應(yīng)抽穗開(kāi)花期。

土壤水分采集方法：在每個(gè)地塊內(nèi)均勻布設(shè)4個(gè)重復(fù)采樣點(diǎn)，4點(diǎn)間距離以150～200m為宜。使用土壤水分快速測(cè)試儀對(duì)每個(gè)重復(fù)采樣點(diǎn)按0～10 cm、10～20cm、20～40cm、40～60cm 4個(gè)土層深度進(jìn)行土壤體積含水量測(cè)量，每層分別取4個(gè)重復(fù)采樣點(diǎn)的平均值作為該地塊相應(yīng)層次的平均土壤含水量。然后將土壤體積含水量數(shù)據(jù)結(jié)合相應(yīng)地塊的田間持水量數(shù)據(jù)得到不同地塊不同深度層次的土壤相對(duì)含水量。除土壤水分外，同時(shí)記錄的地面數(shù)據(jù)還有試驗(yàn)地塊中心經(jīng)緯度、不同生育階段的LAI以及冬小麥株高、畝穗數(shù)、穗粒數(shù)、千粒重和作物單產(chǎn)等，這些參量采集是在每個(gè)500＊500m地塊內(nèi)，按照對(duì)角線3點(diǎn)取樣法，劃定3個(gè)1m2小區(qū)，分別進(jìn)行量測(cè)，再換算成畝尺度的相應(yīng)參量值。

2.2.2 遙感數(shù)據(jù) 本試驗(yàn)中采用了3種不同衛(wèi)星遙感數(shù)據(jù)源，包括環(huán)境減災(zāi)衛(wèi)星 （HJ星）、SPOT4和RAPIDEYE。3種數(shù)據(jù)具有較高空間分辨率和豐富的波譜信息，已被廣泛應(yīng)用于土地覆被、農(nóng)業(yè)資源監(jiān)測(cè)、水文地質(zhì)勘測(cè)等研究領(lǐng)域，但SPOT4和RAPIDEYE被用于農(nóng)業(yè)干旱定量遙感中的研究比較少。表1為3種數(shù)據(jù)源的特征參數(shù)，遙感數(shù)據(jù)獲取時(shí)間見(jiàn)表2。

表1 衛(wèi)星數(shù)據(jù)源特征參數(shù)對(duì)比Table 1 Parameter list of remotely sensed data

表2 衛(wèi)星數(shù)據(jù)時(shí)間Table 2 Schedule of remotely sensed data

為了準(zhǔn)確獲取地表反射率和輻射率，需對(duì)3種影像進(jìn)行輻射定標(biāo)、大氣校正和幾何精校正等工作，本研究遙感影像處理均在ENVI／IDL軟件中實(shí)現(xiàn)。

2.3 試驗(yàn)結(jié)果與分析

2.3.1 不同指數(shù)與土壤含水量關(guān)系對(duì)比分析 為了解不同遙感數(shù)據(jù)源所構(gòu)建干旱指數(shù)對(duì)土壤含水量反映的差別和規(guī)律，分別將不同干旱指數(shù)與準(zhǔn)同期地面土壤含水量進(jìn)行對(duì)比分析。圖2a、圖2b為小麥作物拔節(jié)期（即4月下旬－5月初）的對(duì)比結(jié)果，圖2c、圖2d為抽穗期（即5月中旬）對(duì)比結(jié)果，橫軸為樣點(diǎn)，縱軸是PDI／MPDI指標(biāo)值及土壤相對(duì)含水量值。其中，拔節(jié)期作物株高45cm左右，土壤含水量分布是：0～10cm深度土壤含水量最低，基本在0.6～0.8之間；10～20cm深度土壤含水量基本在0.8以上；20cm以上深度土壤含水量更高，局部處于過(guò)飽和狀態(tài)。抽穗期作物株高65cm左右，各層土壤含水量值較接近，局部地塊土壤含水量低于0.6，少數(shù)地塊土壤處于過(guò)飽和狀態(tài)。

圖2 不同指數(shù)與土壤水分關(guān)系Fig.2 Correlations between different indexes and soil moisture

圖2a中，利用3種衛(wèi)星數(shù)據(jù)源構(gòu)建的PDI指數(shù)總體上波動(dòng)平緩，沒(méi)有很好反映土壤含水量的起伏變化，但PDI整體處于低值區(qū)間，SPOT4的PDI值略低，這符合PDI指數(shù)構(gòu)建機(jī)理，即土壤含水量較高時(shí)，其值偏低。圖2b中，SPOT4的MPDI數(shù)值雖然偏低，但能夠較好反映較低的土壤含水量特征。小麥抽穗期由于缺乏較好質(zhì)量的RAPIDEYE影像，本文只對(duì)HJ星和SPOT4進(jìn)行比較。圖2c中，HJ星的PDI較好反映了耕層土壤含水量的變化特點(diǎn)，SPOT4整體數(shù)值偏低，波動(dòng)較平緩，不能反映土壤水分的變化趨勢(shì)。圖2d中，由于經(jīng)過(guò)了植被覆蓋修正，HJ星和SPOT4的MPDI對(duì)土壤含水量變化的反映較PDI有明顯改善，特別是對(duì)土壤含水量偏低地塊的反映更為顯著，且HJ星的MPDI監(jiān)測(cè)效果優(yōu)于SPOT4。

由于本研究選取的3種遙感影像均為光學(xué)影像，小麥的拔節(jié)期和抽穗期土壤上有植被冠層覆蓋，而光學(xué)影像對(duì)于植被冠層的穿透能力較弱，因而往往難以反映出植被冠層下的土壤水分含量，特別是地下10～60cm的土壤含水量，這也是導(dǎo)致圖2中除0～10cm深度外，其他層次對(duì)應(yīng)關(guān)系不顯著的原因。

2.3.2 不同指數(shù)與冬小麥單產(chǎn)關(guān)系分析 由HJ星數(shù)據(jù)建立的PDI、MPDI和TVDI指數(shù)中，兩期TVDI與冬小麥單產(chǎn)均呈顯著負(fù)相關(guān)性（表3），其中，抽穗期達(dá)到極顯著水平；PDI指數(shù)與單產(chǎn)呈弱的負(fù)相關(guān)性，由于其構(gòu)建的MPDI與PDI有較強(qiáng)的線性相關(guān)性，MPDI與單產(chǎn)呈較弱的相關(guān)性，可以認(rèn)為，基于HJ星建立的PDI和MPDI指數(shù)不適宜進(jìn)行單時(shí)

表3 各時(shí)期指數(shù)與小麥單產(chǎn)相關(guān)性分析Table 3 Correlations between different indexes and winter－wheat yield in different stages

基于上述產(chǎn)量擬合方法，在玉田縣級(jí)尺度進(jìn)行產(chǎn)量估計(jì)，在疊加該縣冬小麥本底數(shù)據(jù)基礎(chǔ)上，得到冬小麥拔節(jié)期和抽穗期的產(chǎn)量預(yù)測(cè)結(jié)果（圖3）。由圖3可以看出，兩期估產(chǎn)結(jié)果有一定差異，主要分布于玉田縣中部和北部地區(qū)，南部預(yù)測(cè)結(jié)果較為一致。這主要與土壤環(huán)境條件、耕作管理措施有關(guān)。南部主要是重壤土或黏土，土壤水分含量持續(xù)適宜或較高，作物生長(zhǎng)狀況較為穩(wěn)定，因此前后兩期結(jié)果趨勢(shì)一致；中部和北部主要是壤土或砂壤土，當(dāng)土壤水分偏低時(shí)，部分地區(qū)會(huì)及時(shí)采取灌溉等措施，保持了較好的土壤墑情，有利于保持較好苗情，部分地區(qū)管理措施滯后，導(dǎo)致HJ星獲取的TVDI值偏高，使得估產(chǎn)結(jié)果偏低。在作物生育后期，基于該方法的估產(chǎn)結(jié)果趨于穩(wěn)定。相的產(chǎn)量估計(jì)。同樣，由SPOT4建立的PDI指數(shù)和MPDI指數(shù)與冬小麥單產(chǎn)有較弱的相關(guān)性，且作用力相反，這種干旱指示性和產(chǎn)量擬合之間具有不確定性，也不適宜進(jìn)行單時(shí)相的估產(chǎn)?；赗APIDEYE構(gòu)建的PDI和MPDI指數(shù)與單產(chǎn)相關(guān)系數(shù)均超過(guò)－0.30，在一定程度上有指示作用，由于數(shù)據(jù)獲取限制，無(wú)法進(jìn)一步論證其效果，有待深入研究。鑒于利用HJ星構(gòu)建的TVDI與冬小麥單產(chǎn)有較好的相關(guān)性并通過(guò)顯著性檢驗(yàn)，因此，在本研究中，分別選取冬小麥拔節(jié)期和抽穗期建立了產(chǎn)量擬合方程，結(jié)果如表4所示。

圖3 不同時(shí)期冬小麥估產(chǎn)Fig.3 Estimate yield of winter－wheat in different stages

表4 基于TVDI的小麥單產(chǎn)擬合分析Table 4 Fitting analysis of winter－wheat yield based on TVDI

3 結(jié)論

干旱指數(shù)可以反映土壤含水量情況，在小麥拔節(jié)期（中等植被覆蓋時(shí)），基于HJ星和RAPIDEYE的PDI和MPDI指數(shù)變化趨勢(shì)一致，且均高于SPOT4構(gòu)建的相應(yīng)指數(shù)，在土壤含水量較高時(shí)，不易反映土壤含水量起伏變化特征；SPOT4構(gòu)建的MPDI雖然數(shù)值偏低，但能夠反映較低土壤含水量；在抽穗階段（高植被覆蓋時(shí)），基于HJ星的PDI和MPDI能夠較好反映各層土壤含水量的起伏變化，特別是對(duì)偏低的土壤含水量較為敏感，而基于SPOT4建立的MPDI指數(shù)能在一定程度上反映土壤含水量的變化特點(diǎn)，其構(gòu)建的PDI指數(shù)對(duì)土壤含水量變化不敏感。從干旱監(jiān)測(cè)遙感數(shù)據(jù)源選取角度，利用HJ星進(jìn)行縣域尺度干旱監(jiān)測(cè)具有一定可行性，由于RAPIDEYE與HJ星具有相近的波譜區(qū)間，可以提供更高精度的驗(yàn)證信息，而SPOT4不具有監(jiān)測(cè)優(yōu)勢(shì)。

本研究將不同干旱指數(shù)與冬小麥單產(chǎn)進(jìn)行相關(guān)性分析，結(jié)果表明，基于HJ星構(gòu)建的TVDI指數(shù)與冬小麥單產(chǎn)呈顯著負(fù)相關(guān)性，可以進(jìn)行不同階段的估產(chǎn)，但后期估產(chǎn)效果更為穩(wěn)定，是一種簡(jiǎn)單易于實(shí)現(xiàn)的旱災(zāi)預(yù)警手段；另外，基于RAPIDEYE構(gòu)建的PDI和MPDI指數(shù)與單產(chǎn)也有較好的負(fù)相關(guān)性，其應(yīng)用前景有待于進(jìn)一步研究；SPOT4構(gòu)建的PDI和MDPI與產(chǎn)量的作用關(guān)系不一致，是否適宜作單時(shí)相的產(chǎn)量估計(jì)有待進(jìn)一步研究。

［1］ WILHITE D A.Planning for drought：A methodology，drought assessment，management and planning；theory and case studies［A］.WILHITE D A.Drought Assessment，Management and Planning：Theory and Case Studies［C］.1993.87－109.

［2］ WORLD METEOROLOGICAL ORGANIZATION.Quarterly Bulletin［R］.Geneva，1994.

［3］ TUCKER C J，CHOUDHURY B J.Satellite remote sensing of drought conditions［J］.Remote Sens.Environ.，1987，23：243－251.

［4］ KOGAN F N.NOAA plays leadership role in developing satellite technology for drought watch［J］.Earth Obs.Mag.，1994，18－21.

［5］ 佘萬(wàn)明，葉彩華.MODIS資料遙感監(jiān)測(cè)土壤水分與干旱研究進(jìn)展［J］.河南氣象，2006（1）：44－46.

［6］ QIN Q，GHULAM A，ZHU L，et al.Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China［J］.International Journal of Remote Sensing，2008，29（7）：1983－1995.

［7］ 孫麗，王飛，吳全.干旱遙感監(jiān)測(cè)模型在中國(guó)冬小麥區(qū)的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，26（1）：243－249.

［8］ 鄭寧，嚴(yán)平，孫秀邦，等.基于NOAA／AVHRR衛(wèi)星數(shù)據(jù)的淮北地區(qū)干旱監(jiān)測(cè)［J］.干旱氣象，2009，25（1）：256－259.

［9］ 杜靈通，李國(guó)旗.利用SPOT數(shù)據(jù)進(jìn)行干旱監(jiān)測(cè)的應(yīng)用研究［J］.水土保持通報(bào)，2008，28（2）：153－156，172.

［10］ 吳楊潔.基于SPOT和NOAA數(shù)據(jù)的河北省干旱遙感監(jiān)測(cè)研究［D］.石家莊：河北師范大學(xué)，2012.

［11］ 朱琳，劉健，張曄萍，等.FY－3A／MERSI數(shù)據(jù)在中國(guó)北方干旱監(jiān)測(cè)中的應(yīng)用［J］.遙感學(xué)報(bào)，2010，14（5）：2010－2016.

［12］ 鐘仕全，羅永明，莫建飛，等.環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)在干旱監(jiān)測(cè)中的應(yīng)用［J］.中國(guó)農(nóng)業(yè)氣象，2011，32（4）：593－597.

［13］ 熊世為，景元書(shū)，李衛(wèi)國(guó).基于HJ－1B遙感數(shù)據(jù)的冬小麥旱情監(jiān)測(cè)研究［J］.麥類作物學(xué)報(bào)，2013，33（1）：84－88.

［14］ 張智韜，李援農(nóng)，楊江濤，等.遙感監(jiān)測(cè)土壤含水率模型及精度分析［J］.農(nóng)業(yè)工程學(xué)報(bào)，2008，24（8）：152－156.

［15］ 楊學(xué)斌，秦其明，姚云軍，等.PDI與MPDI在內(nèi)蒙古干旱監(jiān)測(cè)中的應(yīng)用和比較［J］.武漢大學(xué)學(xué)報(bào)，2011，36（2）：195－198.

［16］ 詹志明，秦其明，阿不都瓦提斯·吾拉木，等.基于NIR－Red光譜特征空間的土壤水分監(jiān)測(cè)新方法［J］.中國(guó)科學(xué)（D輯），2006，36（11）：1020－1026.

［17］ 阿不都瓦提斯·吾拉木.基于n維光譜特征空間的農(nóng)田干旱遙感監(jiān)測(cè)［D］.北京：北京大學(xué)，2006.

［18］ 李喆，譚德寶，崔遠(yuǎn)來(lái)，等.基于PDI的湖北漳河灌區(qū)土壤含水量遙感監(jiān)測(cè)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2010，41（1）：92－95.

［19］ GHULAM A.Modified perpendicular drought index（MPDI）：A real－time drought monitoring method［J］.Photogrammetry＆ Remote Sensing，doi：10.1016／j.isprsjprs.2007.03.002

［20］ MORAN M S，CLARKE T R，INOUE Y，et al.Estimating crop water deficit using the relation between surface－air temperature and spectral vegetation index［J］.Remote Sens.Environ.，1994，49：246－263.

［21］ CARLSON T N，GILLIES R R，PERRY E M.A method to make use of thermal infrared temperature and NDVI measurement to infer surface soil water content and fractional vegetation cover［J］.Remote Sensing Reviews，1994，52：45－49.

［22］ 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（2／3）：213－224.