韓杏杏, 陳曉玲,2*, 秦 超, 馮 煉 , 田禮喬

(1.武漢大學 測繪遙感信息工程國家重點實驗室， 武漢 430079;2.江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗， 南昌 330022)

?

基于HJ-1A/1B衛(wèi)星TVDI的干旱遙感監(jiān)測研究
——以鄱陽湖流域為例

韓杏杏1, 陳曉玲1,2*, 秦 超1, 馮 煉1, 田禮喬1

(1.武漢大學 測繪遙感信息工程國家重點實驗室， 武漢 430079;2.江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗， 南昌 330022)

針對鄱陽湖流域2011年春季出現(xiàn)的特大旱情，利用2011年3～6月HJ-1A /1B衛(wèi)星CCD影像計算NDVI，結合同步HJ-1B衛(wèi)星IRS數(shù)據計算的地表溫度信息，構建NDVI-LST空間，獲取了鄱陽湖流域溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index, TVDI).利用同步觀測的AMSR-E (Advanced Microwave Scanning Radiometer-EOS)表層土壤含水量數(shù)據對溫度植被干旱指數(shù)結果進行可靠性驗證.結果表明，TVDI和AMSR-E土壤含水量之間存在顯著的負相關，相關系數(shù)達到-0.697(P<0.05)，由HJ-1A /1B衛(wèi)星影像計算得到TVDI可以有效表征鄱陽湖流域的土壤含水情況.用TVDI監(jiān)測結果分析鄱陽湖流域2011年干旱，從空間分布來看，鄱陽湖流域受災最嚴重的是環(huán)鄱陽湖區(qū)和修水流域.從時間分布來看，鄱陽湖流域3月底以輕旱為主，4月底流域南部旱情加重出現(xiàn)中度干旱，5月鄱陽湖流域將近80%的區(qū)域都受到不同程度干旱的影響.

TVDI； HJ衛(wèi)星； 鄱陽湖流域； 干旱監(jiān)測； AMSR-E

干旱主要分為氣象干旱、農業(yè)干旱、水文干旱和社會經濟干旱四種類型.目前的研究主要采用氣象干旱監(jiān)測指數(shù)對干旱進行監(jiān)測.由于氣象站點數(shù)據有限，很難全面真實地反應農作物和植被干旱情況.遙感技術以其快速、及時、宏觀觀測等特點，使其在長時間序列干旱監(jiān)測中有不可替代的優(yōu)勢[1].目前基于遙感的干旱方法主要有光學方法[2-3]、光學與熱紅外結合方法[4]和基于微波遙感方法.由于NDVI對植被干旱反應有滯后效應，很難實時反應干旱狀況.僅利用遙感地表熱輻射信息探測土壤水分狀況無法排除其他各因素對表面溫度變化造成的影響，在監(jiān)測旱情時也會產生片面性[5].因此，有必要結合NDVI和LST對干旱進行監(jiān)測.Sandholt等[4]基于地表溫度和植被指數(shù)二者之間的關系，提出溫度植被干旱指數(shù)TVDI用以估測土壤表層水分狀況，該指數(shù)表征的是土壤濕度的相對狀態(tài).

HJ-1A/1B是中國首個以防災減災和環(huán)境監(jiān)測為直接應用目標的小衛(wèi)星星座[6]，HJ-1-A星搭載了CCD相機和超光譜成像儀(HSI)，HJ-1-B星搭載了CCD相機和紅外相機(IRS).李強子等[7]利用HJ衛(wèi)星CCD和熱紅外影像以及美國中分辨率MODIS數(shù)據建立了2010年春季我國西南地區(qū)的干旱及其影響的遙感監(jiān)測與評估方法.鐘仕全等[8]利用HJ影像，采用VSWI對2010年發(fā)生在廣西3個縣的干旱進行監(jiān)測，結果檢測結果與旱情分布基本一致.

鄱陽湖流域在2003年、2006年、2007年和2011 年發(fā)生的嚴重干旱，給鄱陽湖流域及長江中下游地區(qū)造成重大經濟損失.到目前為止，對鄱陽湖流域干旱集中在基于降雨數(shù)據為主的研究，主要計算干旱的頻率、強度與持續(xù)時間以及干旱預測與成因分析等方面以及湖區(qū)的干旱情況研究[9-11].其中Feng等利用MODIS數(shù)據監(jiān)測鄱陽湖的水體面積變化，定量研究了2011年鄱陽湖區(qū)的干旱情況[12].這些研究都缺乏定量測度干旱嚴重程度，尤其是對長時間序列的干旱趨勢研究以及干旱對鄱陽湖流域植被、農業(yè)受災情況研究.因此本文采用HJ CCD數(shù)據計算NDVI，利用HJ-1B IRS影像，輔以MODIS L1B數(shù)據，在計算得到星上亮溫、地表比輻射率、大氣水汽含量等中間參數(shù)的基礎上，反演得到鄱陽湖流域2011年3～5月份各時期的地表溫度.結合AMSR-E土壤含水量數(shù)據對干旱指數(shù)結果進行驗證，分析鄱陽湖流域2011年3～5月干旱時空變化.

1研究區(qū)域與數(shù)據

1.1研究區(qū)域概況

鄱陽湖是我國最大的淡水湖，屬于季節(jié)性變化較大的吞吐型湖泊，枯水季節(jié)水淹沒面積小于1 000 km2，豐水季節(jié)水面淹沒面積4 000 km2，形成“枯水一線，豐水一片”的景觀.鄱陽湖流域位于長江中下游交界處的南岸,介于113°42′～118°30′E、24°29′～30°05′N之間，總面積16.22萬km2，占長江流域面積的9%，占江西省總面積的97.12%.鄱陽湖流域主要由贛江、撫河、信江、饒河、修水5大子流域組成.

1.2數(shù)據

HJ衛(wèi)星數(shù)據均下載于中國資源衛(wèi)星應用中心(http：//www.cresda.com/n16/index.html).選取了2011年3～5月份鄱陽湖流域的CCD以及IRS數(shù)據，在數(shù)據選取過程中去除云覆蓋面積較大的數(shù)據.通過對數(shù)據的拼接定標，并對數(shù)據進行研究區(qū)域裁剪，對IRS數(shù)據進行重采樣到30m以便于與CCD數(shù)據結合計算溫度植被干旱指數(shù).

圖 1 鄱陽湖流域圖Fig.1 Map of Poyang Lake watershed

土壤含水量數(shù)據來自于搭載在2002年5月升空Aqua衛(wèi)星上的AMSR-E(改進型微波輻射掃描儀-地球觀測系統(tǒng))的25 km 分辨率的Level-3陸地產品(AMSR-E Land3).

2干旱監(jiān)測模型

2.1溫度植被干旱指數(shù)法

Sandholt等[4]在研究土壤濕度時發(fā)現(xiàn)，LST-NDVI的特征空間中有很多等值線，據此提出了溫度植被干旱指數(shù)(TVDI)的概念.TVDI由植被指數(shù)和地表溫度計算得到，其定義為：

(1)

其中，TS是任意像元的地表溫度；TSmax(TSmax=a+b*NDVI)為某NDVI對應的最高溫度，即干邊，a、b是干邊擬合方程的系數(shù)，干邊方程主要是由每個NDVI對應的最高溫度和該NDVI做最小二乘法線性回歸擬合得到的；TSmin表示某NDVI對應的最小地表溫度，對應的是濕邊，濕邊方程主要是求取每個NDVI對應的最低溫度的平均值.干邊對應TVDI值為1，濕邊對應的值為 0，計算得到任一點 TVDI 值介于0 和1 之間.估計這些參數(shù)要求研究區(qū)域的范圍足夠大，且滿足以下條件：土壤表層含水量從萎蔫含水量變化到田間持水量，地表覆蓋從裸土變化到比較稠密的植被覆蓋.

2.2模型關鍵參數(shù)計算

本文使用HJ 1A/1B衛(wèi)星CCD相機3、4通道接收到的輻射量計算NDVI.目前地表溫度反演的算法主要有：傳統(tǒng)的輻射傳導方程法(大氣校正法)、覃志豪單窗算法[13]、普適性單通道算法(JM&S)、理論基礎算法TSE.由于HJ衛(wèi)星只有一個熱紅外波段，而且HJ衛(wèi)星與Landsat TM有相似的波段設置，本研究選取了Jiménez-Muoz和Sobrino在2003年提出起初應用于TM衛(wèi)星的普適性單通道算法計算地表溫度.

3結果分析與模型驗證

3.1鄱陽湖流域干旱時空分析

根據Son N T等[14]的干旱分級標準，將TVDI值按其大小分為5個類別以表示不同程度的干旱：濕潤(0～0.2)，正常(0.2～0.4)，輕旱(0.4～0.6)，中度干旱(0.6～0.8)，嚴重干旱(0.8～1.0).圖4反映出鄱陽湖流域2012年3～6月干旱監(jiān)測結果.

圖2 溫度植被干旱指數(shù)(TVDI)干旱分級圖Fig.2 Spatial-temporal distribution of droughts in Poyang Lake Watershed

對鄱陽湖流域2011年3～5月干旱時空分布進行分級監(jiān)測，監(jiān)測結果如圖2.圖2可以看出，除了贛江流域南部和饒河流域北部比較濕潤以外，鄱陽湖流域其他地區(qū)都受到了輕旱的影響.4月底，贛江流域南部旱情加重，由濕潤或正常到輕旱甚至中度干旱.5月份流域北部、中部降雨偏少，南部偏多，整個流域降雨較平常年份偏少[15].5月上旬，九江市中部、南昌市大部、新余市大部、宜春市東南角及撫州市北部的干旱狀況較4月底嚴重.5月中旬，流域TVDI分級影像最為完整，中度干旱主要發(fā)生在修水流域、鄱陽湖環(huán)湖區(qū)和贛江流域北部，鄱陽湖流域其余地區(qū)主要處于輕旱.5月下旬，從圖中可以看出修水流域干旱有所緩解，由原來的中度干旱轉為了輕旱；鄱陽湖環(huán)湖區(qū)域干旱加重，中度干旱面積變大；贛江流域北部依舊受到中度干旱的影響，這與5月份的降雨情況是一致的.6月份流域的大部分地區(qū)都發(fā)生了降雨，中部和北部更是遭遇了強降雨，這對于緩解干旱起到極大的作用；從圖可以發(fā)現(xiàn)，除修水流域繼續(xù)表現(xiàn)為輕旱或中度干旱外，其他云未覆蓋的區(qū)域干旱均得到緩解.整個流域TVDI均值(不考慮由于云覆蓋而沒有數(shù)據的區(qū)域)在3～6月份變化0.17～0.21～0.35～0.58～0.35～0～30，反映了干旱有弱變強再變弱的趨勢.

表1 2011年5月19日鄱陽湖流域干旱統(tǒng)計Tab.1 Statistic of the drought areas in Poyang lake watershed in May 19,2011

由于影像受到云影響，流域6個時期的干旱分級影像僅有5月19日(圖2)較為完整，對各等級的干旱進行面積統(tǒng)計，結果如表1所示.從表中可以看出，鄱陽湖流域將近80%的區(qū)域都受到不同程度干旱的影響，以輕旱和中度干旱為主，其中超過60%的區(qū)域受到輕旱的影響，接近15%的區(qū)域發(fā)生了中度干旱.結合鄱陽湖土地利用分類結果[16]鄱陽湖流域農業(yè)主要分布在環(huán)鄱陽湖生態(tài)經濟區(qū)，而由鄱陽湖生態(tài)經濟區(qū)干旱脆弱性圖[17]可知，該區(qū)域的干旱以中度和高度脆弱性為主，說明對干旱的抵御性較弱.鄱陽湖生態(tài)經濟區(qū)在3月到5月份受中度干旱影響比較嚴重，而該時期正好是早稻的抽穗期，而四月份的干旱使早稻的生長受到影響.因此可以看出此次干旱對鄱陽湖流域農業(yè)生產帶來嚴重的影響.

3.2溫度植被干旱指數(shù)模型驗證

土壤濕度是衡量干旱的重要指標之一.本研究選取與TVDI同步的AMSR-E土壤含水量數(shù)據.由于TVDI和AMSR-E空間分辨率不一致,因此本文將TVDI重采樣到AMSR-E的分辨率.由于TVDI可以用來表征土壤含水量，因此建立TVDI與AMSR-E土壤含水量數(shù)據之間的關系是驗證干旱的最直接的方法.由TVDI的原理可知，TVDI的值越大，表示干旱越嚴重，此時表層土壤含水量的值越小.表1給出了各時期的TVDI值與表層土壤含水量相關性分析的結果，從表2中可以看出TVDI與表層土壤含水量呈現(xiàn)負相關.從表1可以看出除4月25日外，其他5個時期TVDI與土壤含水量的相關系數(shù)均滿足P<0.05的顯著性水平，這表明TVDI值可以表征土壤含水量；而4月25日相關系數(shù)為-0.297，可能與影像受到云影響比較嚴重，可獲取數(shù)據點較少有關.

表2 TVDI值與表層土壤含水量相關性分析Tab.2 The analysis on the correlation between MTVDI and AMSR-E surface soil moisture

結果表明，由HJ-1A /1B衛(wèi)星影像計算得到TVDI可以有效表征鄱陽湖流域的土壤含水情況，溫度植被干旱指數(shù)法在鄱陽湖流域具有較好的適用性.計算得到的各時期TVDI影像可以用于鄱陽湖流域2011年3～6月份的干旱監(jiān)測.

4結論與討論

本文以中國自主研發(fā)的HJ-1A /1B星影像為主要數(shù)據源，研究了鄱陽湖流域2011年3～6月的旱情，采用溫度植被干旱指數(shù)法對HJ衛(wèi)星在鄱陽湖流域的干旱進行監(jiān)測.同時利用6個時期的TVDI干旱分級影像分析流域干旱的時空變化.用TVDI監(jiān)測結果分析鄱陽湖流域2011年干旱，從空間分布來看，鄱陽湖流域受災最嚴重的是環(huán)鄱陽湖區(qū)和修水流域.從時間分布來看，鄱陽湖流域3月底以輕旱為主，4月底流域南部旱情加重出現(xiàn)中度干旱，5月鄱陽湖流域將近80%的區(qū)域都受到不同程度干旱的影響.通過與AMSR-E表層土壤含水量監(jiān)測結果的比較表明，HJ衛(wèi)星影像可對大范圍較長時間序列的干旱監(jiān)測進行有效監(jiān)測.

[1] McVicar T R, Jupp D L B. The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances inAustralia: a review[J]. Agricultural systems, 1998, 57(3): 399-468.

[2] Kogan F N. Remote sensing of weather impacts on vegetation in non-homogeneous areas[J]. International Journal of Remote Sensing, 1990, 11(8): 1405-1419.

[3] Kogan F N. Application of vegetation index and brightness temperature for drought detection[J]. Advances in Space Research, 1995, 15(11): 91-100.

[4] Sandholt I,Rasmussen K, Andersen J. ASimple Interpretation of the Surface Temperature/ Vegetation Index Spacefor Assessment of Surface Moisture Status [J ]. Remote Sensing of Environment ,2002,79:213-234.

[5] 高 磊, 覃志豪, 盧麗萍. 基于植被指數(shù)和地表溫度特征空間的農業(yè)干旱監(jiān)測模型研究綜述[J]. 國土資源遙感, 2007, 19(3): 1-7.

[6] LI Suju.Environment and disaster monitoring and forecasting of small satellite constellation [J]. Natural Disaster Reduction in China, 2004(4): 53.

[7] 李強子, 閆娜娜, 張飛飛, 等. 2010 年春季西南地區(qū)干旱遙感監(jiān)測及其影響評估[J]. 地理學報, 2010, 65(007): 771-780.

[8] 鐘仕全，羅永明，莫建飛,等. 環(huán)境減災衛(wèi)星數(shù)據在干旱監(jiān)測中的應用[J]. 中國農業(yè)氣象，2011，32(4)：593-597.

[9] 閔 騫, 閔 聃. 鄱陽湖區(qū)干旱演變特征與水文防旱對策. 水文, 2010, 30 (1): 84-88.

[10] 郭 華, 張 奇, 王艷君. 鄱陽湖流域水文變化特征成因及旱澇規(guī)律[J]. Acta Geographica Sinica, 2012, 67(5):699-709.

[11] 胡振鵬, 林玉茹. 氣候變化對鄱陽湖流域干旱災害影響及其對策[J]. 長江流域資源與環(huán)境, 2012, 21(7):897-904.

[12] Feng L, Hu C, Chen X. Satellites capture the drought severity aroundChina's largest freshwater lake[J]. Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, 2012, 5(4): 1266-1271.

[13] Jiménez Muoz J C, Sobrino J A. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J/OL]. Journal of Geophysical Research: Atmospheres (1984-2012), 2003,108(D22):doi:10.1029/(2003JD003480).

[14] Son N T, Chen C F, Chen C R, et al. Monitoring agricultural drought in the lower mekong basin using MODIS NDVI and land surface temperature data[J]. International Journal of Applied Earth Observation and Geoinformation, 2012, 18: 417-427.

[15] 胡菊芳. 江西省天氣、氣候特點及其影響評述(2011年4-6月)[J]. 氣象與減災研究，2011，34(3)：1-1.

[16] 李 輝, 張利華, 陳曉玲. 基于 GIS/RS 的鄱陽湖區(qū)土地利用變化及空間分異特征研究[J]. 華中師范大學學報: 自然科學版, 2009,43(4): 666-671.

[17] 陳 萍，陳曉玲. 鄱陽湖生態(tài)經濟區(qū)農業(yè)系統(tǒng)的干旱脆弱性評價[J]. 農業(yè)工程學報，2011，27(8)：8-13.

Study on drought monitoring based on HJ-1A/1B images——a case of Poyang Lake watershed

HAN Xingxing1, CHEN Xiaoling1,2, QIN Chao2, FENG Lian1, TIAN Liqiao2

(1.State Key Laboratory of Information Engineering in Surveying Mapping and Remote Sensing, Wuhan University, Wuhan 430079;2.Key Laboratory of Poyang Lake Wetland and Watershed Research, Ministry of Education, Nanchang 330022)

We calculates the temperature vegetation dryness index (TVDI) by using Normalized Difference Vegetation Index (NDVI) derived from the HJ-1A/1B CCD and Land Surface Temperature (LST) derived from the HJ-1B IRS form March to June, 2011. The TVDI of the surface soil moisture products of AMSR-E was tested by using the Advanced Microwave Scanning Radiometer-EOS (AMSR-E) collected simultaneously. The results show that there is a significant negative correlation (with a correlation coefficient of -0.697) between TVDI and AMSR-E, indicating that the TVDI calculated based on the HJ-1A/1B can effectively reflect the containing water of Poyang Lake Watershed. The analysis on the spatial distribution of drought in 2011 by using TVDI-measured results shows that the most severely affected areas were the region around the Poyang Lake and Xiushui River basin, the Poyang Lake basin is dominated by moderate drought in late March, the drought of the South becomes more serious in late April, in May, almost 80% of the areas in Poyang Lake basin areas are subject to the impact of drought of different degrees.

TVDI； HJ satellite； Poyang Lake watershed； drought monitoring； AMSR-E

2013-07-22.

國家863計劃資助項目(2012AA12A304);國家自然科學基金重點項目(41331174);測繪遙感信息工程國家重點實驗室開放基金重點項目(11).

1000-1190(2014)02-0274-05

P208

A

*通訊聯(lián)系人. E-mail: xiaoling_chen@whu.edu.cn.