姜 琳，馮文蘭，劉志紅，李 剛，郭 兵

（1.成都信息工程學院，成都610225；2.中國科學院遙感與數字地球研究所，北京100094）

近年來，在全球氣候變暖的影響下，我國干旱災害發(fā)生頻率逐漸增加，干旱區(qū)域不斷擴大，且有從干旱區(qū)向濕潤區(qū)發(fā)展的趨勢［1］。干旱災害的發(fā)生給農業(yè)生產和人民生活造成巨大的經濟損失。傳統的干旱監(jiān)測是用稀疏點上的土壤水分含量數據來監(jiān)測干旱的程度和范圍，代表性差，無法實現大范圍干旱災害的監(jiān)測。應用遙感技術是實現大范圍面上干旱監(jiān)測的可行性技術途徑之一。對地觀測衛(wèi)星（EOS）中分辨率光譜成像儀因其具有高時間分辨率、高光譜分辨率以及適中的空間分辨率等特點，已經在大范圍的、長時期動態(tài)干旱監(jiān)測中得到了很好的應用。其中，利用MODIS地表溫度產品和植被指數（NDVI）產品計算TVDI或者VTCI干旱指數的方法由于數據易于獲取、監(jiān)測效果好而在干旱遙感監(jiān)測中廣泛使用［2－8］。然而，由于 MODIS溫度產品與植被產品空間分辨率不一致，在干旱反演中需要對分辨率低的數據進行重采樣從而降低了數據結果的精度。FY-3A是我國自主研發(fā)的極軌氣象衛(wèi)星，其搭載的中分辨率光譜成像儀（MERSI）具有多光譜和高分辨率成像的特點，且MERSI傳感器的波段設置與MODIS的某些波段基本一致，特別是用于監(jiān)測地表植被、大氣水汽以及地表溫度的通道。與EOS／MODIS相比，FY-3 A／MERSI的250 m分辨率的可見光、熱紅外通道可分別用于植被指數和地表溫度信息的提取。因此，利用FY-3 A／MERSI數據進行干旱監(jiān)測可以在保證植被指數與地表溫度空間分辨率一致的同時將干旱監(jiān)測反演的空間分辨率提高到250 m［9］。

攀西地區(qū)位于四川省西南部的攀西大裂谷，地處干熱河谷區(qū)，由于受冬夏季風的交替影響，形成了干雨季分明的氣候變化規(guī)律，每年10月至翌年5月底，降水量僅占全年的10%左右，造成冬春連旱。因此，選取該地區(qū)作為干旱監(jiān)測的研究區(qū)域具有代表性。本文采用廣泛使用的TVDI干旱指數法，應用FY－3 A／MERSI數據，分析并揭示攀西地區(qū)復雜山區(qū)NDVI-Ts空間的形態(tài)特征，同時將監(jiān)測結果與同期EOS／MODIS數據監(jiān)測結果進行比較，以此對FY－3 A／MERSI數據在攀西地區(qū)的干旱監(jiān)測能力進行評價，為攀西地區(qū)遙感數據的應用和相關部門的防災減災提供借鑒和決策支持。

1 實驗材料與方法

1.1 研究區(qū)概況

攀西地區(qū)位于四川省西南部，地理坐標為26°03′—29°27′N，100°08′—103°53′E，總面積約6.36萬k m2，行政上包括攀枝花市和涼山彝族自治州，共計20縣（市）。境內海拔差異大，高山河谷南北相間排列，地貌類型復雜多樣。氣候特征屬以南亞熱帶為基帶的立體氣候類型，太陽輻射強，蒸發(fā)量大，旱、雨季分明，是四川省近幾年旱災頻發(fā)的地區(qū)［10］。

1.2 數據源與數據處理

所用數據源主要是 FY-3 A／MERSI和 EOSMODIS數據，FY-3 A／MERSI原始數據來源于中國氣象局國家衛(wèi)星中心，其可見光和熱紅外通道的空間分辨率為250 m，數據時間為2012年5月18日。數據處理使用MAS風云數據處理軟件將其投影轉換為阿爾伯斯等面積投影并對其進行幾何校正。EOSMODIS數據選擇2012年5月18日白天的地表反射

式中：Lsensor——傳感器觀測到的輻射亮度［W／（m2·sr·μm）］；Tsensor——傳感器觀測到的亮溫（K）；λ——有效作用波長（μm）；ε——比輻射率；c1＝1.19104×108［W／（m2·sr·μm）］；c2＝1.43877×104μm·K；ψ1，ψ2，ψ3——大氣水汽含量ω的函數，可由下式計算：

1.3.3 溫度植被干旱指數的（TVDI）反演 目前，國內外學者運用遙感技術進行干旱監(jiān)測多是基于植被指數和地表溫度的模型。Sandholt等［13］基于植被指數和地面溫度的關系，提出了溫度植被干旱指數（TVDI）估算土壤表層水分狀況。在國內被廣泛用來進行不同地區(qū)的大范圍的旱情監(jiān)測，其準確性也得到很好的驗證。其中張順謙等［14］就利用NOAA數據依據溫度植被干旱指數（TVDI）對2006年四川伏旱進行監(jiān)測與評估，并驗證了TVDI在四川地區(qū)進行率產品以及地表溫度產品，其中地表反射率產品空間分辨率為250 m，地表溫度產品空間分辨率為1 000 m，在MRT軟件下對其進行投影轉換為阿爾伯斯等面積投影并統一重采樣為250 m。

1.3 研究方法

1.3.1 歸一化植被指數（NDVI）的反演 NDVI是反映土地覆蓋植被狀況的一種遙感指標，定義為近紅外通道與可見光紅通道反射率之差與之和的商［11］，近年來被廣泛應用，其公式為

式中：QNIR——近紅外波段的反射率；QR——紅波段反射率。對于 MERSI數據，QNIR，QR——大氣校正后的其第4和第3波段的反射率。對于MODIS數據，QNIR與QR則采用了反射率產品中的第2和第1波段的反射率。

1.3.2 FY-3 A MERSI數據地表溫度的反演 由于FY-3 A／MERSI只有一個熱紅外通道，所以本文采用Ji menez-Munoz和 Sobrino［12］建立的適用于各種傳感器的普適性單通道算法。該算法簡便適用，只需要知道熱紅外通道的中心波長，地表比輻射率和大氣水汽含量即可。其具體公式為：旱情監(jiān)測的可行性。TVDI的計算公式如下：

式中：Tsmin——某一NDVI對應的最小地表溫度，對應的是濕邊Tsmin＝a1＋b1NDVI；Ts——任意像元的地表溫度；a1，b1——濕邊擬 合方程的 系數；smax——某一NDVI對應的最大地表溫度，對應的是干邊Tsmax＝a＋b NDVI；a，b——干邊擬合方程的系數。TVDI取值范圍為0～1，TVDI越大，表明越接近干邊，旱情就越嚴重。

2 結果與分析

2.1 FY-3A／MERSI與 MODIS數據 NDVI-Ts特征空間的比較

基于TVDI干旱指數模型進行干旱監(jiān)測最重要的一步就是確定其干濕邊，干濕邊的確定直接影響監(jiān)測結果［14］。本文以 NDVI步長為0.002提取不同NDVI條件下的最大陸地表面溫度和最小陸地表面溫度，得到NDVI-LST二維特征空間變化，見圖1。

從圖1中可以看出，兩者的變化趨勢大概一致，但是MERSI數據的最小溫度、最大溫度與植被指數擬合的線性關系更好一些，而MODIS數據的植被指數與地表溫度的二維散點圖要散亂一些，這主要是由于在對MODIS地表溫度數據進行采集時把云像元誤判成晴空地表造成的。同時，從兩幅散點圖可以看出，同一NDVI所對應的最大地表溫度MODIS數據要大一些，說明MODIS數據在晴空狀態(tài)下監(jiān)測的地表溫度要比MERSI數據好一些。

圖1 NDVI-TS特征空間關系

根據TVDI的原理，隨著植被指數的增加，地表最大溫度應該逐漸降低，但是由于攀西地區(qū)空氣中水分含量高，以及植被覆蓋度過低的時候，NDVI會高估，而植被覆蓋度過高的時候，NDVI會低估等原因，造成NDVI-TS在左右兩端不符合實際規(guī)律，結合兩者散點圖的空間擬合特征發(fā)現，NDVI在0.2到0.8的區(qū)間內，地表溫度與植被指數呈現較好的線性關系。因此只取NDVI在0.2到0.8的中等植被覆蓋度區(qū)間的數據進行干濕邊的擬合，擬合結果見表1。

表1 MODIS和 MERSI數據確定的干濕邊方程

由表1可知，MERSI數據的干濕邊方程的擬合系數分別為0.890 1，0.866 5，要高于 MODIS數據的0.710 6，0.706 5，說明 MERSI數據的地表溫度與植被指數的變化有著較高的一致性，從而可以很好地體現出研究區(qū)的干旱發(fā)生變化機理。

2.2 MERSI-TVDI與 MODIS-TVDI的整體相關性分析

為了驗證FY-3 A／MERSI數據反演的TVDI與MODIS數據反演的TVDI數值的整體相關性，對兩種數據反演結果按照0.25°×0.25°共設置120個樣點，采用隨機均勻布點法進行取樣。對提取的相應數據進行相關性分析結果顯示（圖2），兩者呈線性相關，相關系數達到0.919 9，同時將MODIS和MERSI數據所有樣點進行差值計算，所得差值變化區(qū)間為－0.12到0.23，均值為0.11，說明 MODIS-TVDI整體數值要比 MERSI-TVDI要略微大一些，可能與MERSI數據反演的地表溫度比MODIS數據低一些有關，但是兩者的干旱監(jiān)測結果整體數值上有著較好的一致性。

圖2 MERSI-TVDI與 MODIS-TVDI樣點驗證圖

2.3 不同地表覆蓋類型下MERSI-TVDI與 MODISTVDI的對比分析

考慮到TVDI模型在對較大區(qū)域進行干旱監(jiān)測時會受到地表覆蓋類型差異的影響［15］，本文進一步分析FY-3 A／MERSI數據與MODIS數據在不同不同覆蓋類型下監(jiān)測結果的相關性。以攀西地區(qū)受干旱影響的林地、灌木、旱地、水田和草地5種土地利用類型為分析對象，按照不同海拔高度、不同坡度以及均一較大斑塊的原則來進行 MERSI-TVDI與 MODIS-TVDI取樣，采樣點監(jiān)測結果的相關分析結果如表2所示。從表2中可以看出，MERSI與MODIS數據反演的TVDI在這5種土地利用類型中都表現出較好的相關性，其中草地、林地和灌木的相關系數分別達到了0.944，0.903和0.915，而水田和旱地的相關系數則略小。

表2 MERSI-TVDI與 MODIS-TVDI相關分析

2.4 MERSI-TVDI與 MODIS-TVDI的空間分布分析

在溫度植被干旱指數的基礎上，根據攀西地區(qū)的旱情統計數據，按最大概率法，將攀西地區(qū)的TVDI進行如下分級：＜0.67為無干旱區(qū)、0.67～0.74為輕度干旱、0.74～0.84為中度干旱、＞0.84為重度干旱，結果如附圖12所示，從干旱監(jiān)測結果空間分布的對比來看，MERSI-TVDI的紋理特征更加明顯，而MODIS的紋理特征則相對要差一些，主要是由于對MODIS的地表溫度數據進行重采樣造成其精度的降低。從干旱的分布情況來看，MODIS-TVDI和MERSI－TVDI都反映出攀西地區(qū)的西南部包括鹽源縣的中部、攀枝花市轄區(qū)、會理縣、米易縣、寧南縣的南部都存在著大面積的重度干旱，而東北部的大部分地區(qū)干旱情況比較輕。

2.5 驗證分析

為了驗證干旱監(jiān)測結果的準確性，利用攀西地區(qū)及周圍20個氣象站點2012年4月1日到5月17日的日降雨量數據進行累加，然后考慮高程因素對其進行協和克里金插值，插值后數據分辨率為250 m。得到結果如附圖13所示，從圖中可以看出攀西地區(qū)西部和南部地區(qū)2012年4，5月份的降雨量比東部和北部地區(qū)要明顯偏少，而且降水極少的兩個中心區(qū)域與TVDI的監(jiān)測結果兩個重度干旱區(qū)域基本重合，整個降雨分布情況與TVDI干旱情況分布數據變化趨勢基本一致。為了進一步說明MODIS與MERSI數據的干旱監(jiān)測結果可信，本研究采用均勻網格劃分法將攀西地區(qū)均勻劃分為0.5°×0.5°網格，利用 Arc GIS的Zonal statistic功能統計每個網格相應的降雨量和MODIS（TVDI）、FY3 A-MERSI（TVDI）均值，并對其進行定量的相關性分析，該方法避免了以點為單元進行驗證時像元尺度的問題。研究結果表明：MODIS（TVDI）、FY3 A-MERSI（TVDI）與當前月份降雨量存在顯著負相關，其線性相關系數分別為－0.83，－0.91，并且FY3A-MERSI數據反演的TVDI數據與降雨量的線性負相關性更好。

3 討論與結論

MERSI數據的植被指數和地表溫度數據所構造的干濕邊的散點分布圖相關性要高于MODIS數據，說明MERSI數據可以更好地來體現干旱信息。MODIS-TVDI與 MERSI-TVDI的差值結果表明，兩者之間數值上存在著一定的差別，變化范圍在－0.12到0.23，而且MODIS的監(jiān)測結果要比MERSI的監(jiān)測結果略大，這主要是由于探測儀器本身的參數、光譜響應差異、太陽高度角、幾何畸變及云污染狀況等因素的存在。

通過對兩種數據監(jiān)測結果的整個區(qū)域的均勻取樣點以及不同植被覆蓋類型的取樣點的相關性分析發(fā)現，MERSI-TVDI和 MODIS-TVDI不論在整體上還是典型樣點上都呈現明顯的線性相關性。從攀西地區(qū)旱情空間分布情況來看，兩者的無旱、輕旱、中旱以及重旱4個干旱等級的的分布情況大概一致。但是MERSI數據的紋理特征相比于MODIS數據更加明顯。攀西地區(qū)2012年4月、5月份的整個降雨分布情況與TVDI干旱情況分布數據變化趨勢基本一致，說明兩者干旱監(jiān)測結果是可信的。綜上，FY3 AMERSI數據具備干旱監(jiān)測能力，且其監(jiān)測結果與MODIS數據的監(jiān)測結果具有可比性。

致謝：感謝四川省氣象局和國家氣象衛(wèi)星中心為本研究提供數據資料以及國家氣象中心的韓秀珍和陳楠老師為本次研究提供的方法和技術指導。

［1］ 尹晗，李耀輝.我國西南干旱研究最新進展綜述［J］.干旱氣象，2013，31（1）：182-193.

［2］ 李永亮，林輝，馬延輝.基于 MODIS數據的湖南省旱情監(jiān)測研究［J］.水土保持研究，2010，17（2）：111-114.

［3］ 柳錦寶，何政偉，段英杰.MODIS數據支持下的西藏干旱遙感監(jiān)測［J］.干旱區(qū)資源與環(huán)境，2013，27（6）：134-139.

［4］ 李慧，王鵬新.基于Terra-MODIS和 NOAA-AVHRR數據的條件植被溫度指數干旱監(jiān)測及其對比分析［J］.干旱區(qū)資源與環(huán)境，2013，27（3）：61-66.

［5］ 康為民，羅宇翔，鄭小波，等.貴州溫度植被干旱的指數（TVDI）特征及其遙感干旱的監(jiān)測應用［J］.貴州農業(yè)科學，2008，36（4）：27-30.

［6］ 范遼生，姜紀紅，盛暉，等.利用溫度植被干旱指數（TVDI）方法反演杭州伏旱期土壤水分［J］.中國農業(yè)氣象，2009，30（2）：230-234.

［7］ 姚春生，張增祥，汪瀟.使用溫度植被干旱指數法（TVDI）反演新疆土壤濕度［J］.遙感技術與應用，2004，19（6）：473-478.

［8］ 齊述華，王長耀，牛錚.利用溫度植被旱情指數（TVDI）進行全國旱情監(jiān)測研究［J］.遙感學報，2003，7（5）：420-427.

［9］ 向大亨，劉良明，韓濤.FY-3 A MERSI數據干旱監(jiān)測能力評價［J］.武漢大學學報，2010，35（3）：56-62.

［10］ 王小廣.生態(tài)脆弱區(qū)農業(yè)經濟發(fā)展模式及對策研究：以四川攀西地區(qū)為例［J］.生態(tài)農業(yè)研究，1994，2（1）：41-46.

［11］ 馮銳，紀瑞鵬，武晉雯，等.FY3／MERSI和 EOS／MODIS歸一化植被指數差異分［J］.中國農學通報，2010，26（19）：359-362.

［12］ Ji ménez-Mu?oz J C，Sobrino J A.A generalized singlechannel method f or retrieving land surface temperature fro m remote sensing data［J］.Jour nal of Geophysical Research： At mospheres （1984—2012），2003，108（D22）：4688-4694.

［13］ Sandholt I，Rasmussen K，Andersen J.A si mple interpretation of the surface temperature／vegetation index space f or assess ment of surface moisture status［J］.Remote Sensing of Environment，2002，79（2）：213-224.

［14］ 張順謙，卿清濤，侯美亭，等.基于溫度植被干旱指數的四川伏旱遙感監(jiān)測與影響評估［J］.農業(yè)工程學報，2007，23（9）：141-146.

［15］ 易佳，楊世琦，田永中，等.基于溫度植被特征空間的夏季重慶土壤干濕狀況與土地利用關系研究［J］.中國農學通報，2010，26（22）：183-189.