曹 言，王 杰，李竹芬，劉永宇，張 雷，戚 娜

(1.云南省水利水電科學(xué)研究院，昆明 650228；2.河海大學(xué)，南京 210098)

干旱是指水分的收支或供求不平衡而形成的水分短缺現(xiàn)象，當(dāng)供水不能滿足需水時，就表現(xiàn)為干旱[1]。隨著全球氣候變暖，我國干旱災(zāi)害爆發(fā)越來越頻繁，且呈現(xiàn)出干旱強度大、影響范圍廣、持續(xù)時間長的特點[2,3]。2010年春季，西南五省發(fā)生嚴(yán)重干旱，有些地區(qū)甚至出現(xiàn)了特旱，而云南遭遇了80年一遇干旱，其中云南中部、東部及西北部大部分地區(qū)出現(xiàn)了100年一遇干旱[4]。2014年全國12省區(qū)遭遇嚴(yán)重大旱，居民生活用水遇到困難，農(nóng)田一季收成顆粒無收[5]。隨著人口的不斷增長，水資源供需矛盾越發(fā)突出，監(jiān)測和預(yù)防干旱成為一個研究熱點和難點，同時也是亟待解決的問題。

云南省氣象災(zāi)害呈現(xiàn)種類多、頻率高、分布廣、區(qū)域性突出等特點，其中旱災(zāi)影響范圍最廣[6]。干旱研究的關(guān)鍵在于對土壤含水量的監(jiān)測[7]，傳統(tǒng)的土壤墑情監(jiān)測方法只是基于站點監(jiān)測，但其數(shù)量有限，且大范圍的旱情監(jiān)測和評估缺乏時效性和代表性[8]。近年來，MODIS和TM等高分辨率數(shù)據(jù)被廣泛應(yīng)用于土壤水分信息的提取[9]，其能夠及時、準(zhǔn)確的監(jiān)測農(nóng)田農(nóng)作物生長狀況反映的干旱信息及土壤水分狀況，可以彌補傳統(tǒng)監(jiān)測成本高、空間分辨率低和觀測滯后的缺點，對于提高水利抗旱減災(zāi)日常業(yè)務(wù)具有重要的意義[10]。目前基于遙感數(shù)據(jù)監(jiān)測干旱和土壤水分的方法有：歸一化植被指數(shù)NDVI[11]、植被條件指數(shù)VCI、表觀熱慣量ATI[12]、植被干旱指數(shù)TVDI[13]、作物缺水指數(shù)CWSI[14]、植被供水指數(shù)VSWI[15]等，其中VSWI能夠綜合的反映作物冠層表面溫度和植被指數(shù)信息，能夠有效的反映出土壤水分對作物長勢狀況的影響。

本研究根據(jù)MODIS遙感數(shù)據(jù)計算冠層表面溫度和植被指數(shù)，構(gòu)建云南省植被供水指數(shù)VSWI反演模型，結(jié)合地面土壤墑情站的實測數(shù)據(jù)，進行土壤表層不同深度的土壤含水量與VSWI的相關(guān)性分析，并對模型進行驗證分析，從而反演2008-2012年云南省土壤相對含水量，分析不同時間尺度下云南土壤水分的動態(tài)變化特征，不僅為云南省土壤水分的動態(tài)監(jiān)測提供科學(xué)依據(jù)，同時也為農(nóng)業(yè)旱情的定量監(jiān)測提供一定的參考。

1 研究區(qū)概況

云南地勢呈現(xiàn)西北高東南低的趨勢，地形地貌復(fù)雜多樣，山河相間，山地面積最大約占全省總面積的84%，高原、丘陵約占10%。全省有16種土壤類型，以紅壤和黃壤分布范圍最為廣泛。全省氣候類型復(fù)雜多樣，立體氣候明顯，多年平均氣溫為5～24 ℃，降水時空分布極不均勻，多年平均降水量為1 332 mm，其中汛期(5-10月)占年降水量的85%，枯水期(11月至次年4月)僅占年降水量的15%；空間上呈現(xiàn)南多北少，西多東少，山區(qū)大，平壩和河谷少的特點。

2 數(shù)據(jù)及研究方法

2.1 數(shù)據(jù)源

(1)MODIS數(shù)據(jù)。選取MODIS數(shù)據(jù)產(chǎn)品的MOD11A2數(shù)據(jù)(地表溫度產(chǎn)品)和MOD13A3數(shù)據(jù)(植被指數(shù)產(chǎn)品)。其中，MOD11A2數(shù)據(jù)時間分辨率為8 d，空間分辨率為1 km，MOD13A3數(shù)據(jù)時間分辨率為30 d，空間分辨率為1 km。MOD11A2和MOD13A3數(shù)據(jù)序列為2008年1月1日至2012年12月31日。

(2)土壤水分觀測數(shù)據(jù)。土壤含水量數(shù)據(jù)選用云南省水文水資源局提供的全省23個土壤墑情站觀測數(shù)據(jù)(見圖1)，數(shù)據(jù)序列為2008-2012年月觀測數(shù)據(jù)，并對觀測數(shù)據(jù)進行統(tǒng)計分析和質(zhì)量控制。

圖1 云南省土壤墑情站點分布Fig.1 The spatial distribution of the soilmoisture monitoring stations in Yunnan province

2.2 研究方法

(1)數(shù)據(jù)預(yù)處理。為便于MOD11A2、MOD13A3和土壤墑情觀測值在時間序列上一一對應(yīng)和計算分析，利用ENVI軟件中的波段運算功能，把8 d的地表溫度產(chǎn)品MOD11A2數(shù)據(jù)合成1個月的地表溫度數(shù)據(jù)，空間分辨率為1 km。

(2)歸一化植被指數(shù)NDVI和增強植被指數(shù)EVI。植被指數(shù)既可以反映植被生長的狀況，也可以作為判斷土壤水分的情況因子[16]。利用反射率計算歸一化植被指數(shù)NDVI和增強型植被指數(shù)EVI[17]。

NDVI=(ρ2-ρ1)/(ρ2+ρ1)

(1)

EVI=G(ρ2-ρ1)/(ρ2+C1ρ1-C2ρ3+L)

(2)

式中：ρ1、ρ2、ρ3分別是MODIS 遙感影像第1 、2、3波段反射率；G為系數(shù)，G=2.5，G1=6，G2=7.5，L=1。

(3)植被供水指數(shù)法VSWI。植被供水指數(shù)是以遙感數(shù)據(jù)處理計算得到的冠層表面溫度和植被指數(shù)作為因子，其可以一定程度上反映作物生長季受旱狀況[18]。國家衛(wèi)星氣象中心推薦的計算公式為：

VSWI=TS/NDVI

(3)

由于NDVI對植被高覆蓋區(qū)的易飽和問題、對大氣顆粒的反射等糾正不徹底、對低植被覆蓋地區(qū)土壤背景影響未進行修正以及“最大值合成法”不能保證選擇最佳像元等問題[18,19]，本研究選取NDVI和增強型植被指數(shù)EVI，探究其與土壤含水量的關(guān)系，進而為反演模型的確定提供依據(jù)。公式如下：

VSWIN=TS/NDVI

(4)

VSWIE=TS/EVI

(5)

式中：TS為植被的冠層溫度，K；NDVI為歸一化植被指數(shù)；EVI為增強型植被指數(shù)；VSWI為植被供水指數(shù)。

VSWI值越大表明土壤含水量越低而受旱越重，VSWI值越小表明土壤含水量越大，受旱越輕。

3 結(jié)果與分析

3.1 基于MODIS數(shù)據(jù)的云南土壤墑情反演模型構(gòu)建與驗證

3.1.1 VSWIN、VSWIE與土壤含水量的擬合精度比較

土壤相對含水量指標(biāo)是目前研究比較成熟，且能較好反映作物旱情狀況的可行指標(biāo)[20]。土壤相對含水量一般以土壤重量含水量與田間持水量的比值表示。根據(jù)2008-2012年云南省23個土壤墑情站土壤表層10、20和40 cm的實測月土壤濕度數(shù)據(jù)(土壤重量含水量)和不同地區(qū)田間持水量，計算不同站點不同深度的土壤相對含水量，分別與同一時段所在柵格的VSWIN和VSWIE數(shù)據(jù)進行相關(guān)分析，具體見圖2。

注：**和*分別表示通過了0.01和0.05水平的顯著性檢驗。圖2 土壤相對含水量與植被供水指數(shù)VSWI的對比驗證Fig.2 The comparison validation of the relative soil moisture and VSWI

由統(tǒng)計圖2可以看出，植被供水指數(shù)VSWI與土壤表層相對含水量之間表現(xiàn)出顯著的相關(guān)性，隨著土壤濕度增大，VSWI值呈減小趨勢，且VSWI與40 cm土壤相對含水量最為顯著相關(guān)，與20 cm土壤相對含水量顯著性較差。而比較VSWIN和VSWIE與不同深度土壤相對含水量的關(guān)系可以發(fā)現(xiàn)，在4、5、10和11月VSWI與不同深度土壤相對含水量顯著性最強，且呈極顯著關(guān)系，一方面由于該月份降水相對適中，MODIS遙感數(shù)據(jù)質(zhì)量較好，精度誤差小，另一方面土壤相對含水量整體較高，不同深度處土壤相對含水量的變異系數(shù)小，其平均值波動最小，因此顯著的相關(guān)性最強；在6-9月VSWI與不同深度土壤相對含水量基本上表現(xiàn)為無顯著關(guān)系，其主要由于該時間段內(nèi)降水最多，天氣原因?qū)е翸ODIS遙感數(shù)據(jù)質(zhì)量偏差，計算誤差偏大；1-3月和12月VSWI與不同深度土壤相對含水量大部分表現(xiàn)出顯著性較強，該時間段內(nèi)雖處于旱季(11月至次年4月)降水少，但土壤相對含水量整體偏低，變異系數(shù)較大，尤其是10 cm和20 cm處，其離散程度較大[21]。不同月份VSWIN與土壤相對含水量的顯著相關(guān)性明顯強于VSWIE，除7月和8月外，VSWIN與土壤相對含水量均存在顯著的相關(guān)性，其中4、5、10和11月均通過了0.01水平的顯著性檢驗，均表現(xiàn)為極顯著相關(guān)性，其余月份均通過了0.05水平的顯著性檢驗，部分通過了0.01水平的顯著性檢驗，大部分表現(xiàn)為顯著相關(guān)性。因此本研究采用VSWIN開展云南省土壤相對含水量的反演研究。

3.1.2 VSWIN與降水的響應(yīng)關(guān)系

選取東風(fēng)站、黃家坡站、老城梁子站、橋頭站、三棵樹站和盈江站，根據(jù)2008-2012年5 a各月土壤表層不同深度的土壤相對含水量，計算出各站點各月份的土壤平均相對含水量，分析6個站點不同月份VSWIN、土壤平均相對含水量與降水的響應(yīng)關(guān)系(見圖3)。

由圖3可以看出，VSWIN與土壤平均相對含水量呈現(xiàn)出相反的變化趨勢，即VSWIN值越大，土壤平均相對含水量越小。此外，VSWIN能夠有效的捕捉到降水事件的影響，但其表現(xiàn)有一定的滯后性，大概滯后1個月左右。VSWIN最大值出現(xiàn)在春季(3-5月)，主要集中在4月份，一方面由于降水偏少，另一方面由于冬季土壤墑情偏低持續(xù)的影響，導(dǎo)致此時土壤相對含水量最低，VSWIN值最大；VSWIN最小值則出現(xiàn)在降水最多的夏季(7月或8月)，受降水的影響，土壤相對含水量最大，VSWIN值最小。綜上表明VSWIN能夠較為準(zhǔn)確的反映土壤水分變化趨勢。

圖3 VSWIN和降水響應(yīng)分析Fig.3 The trend analysis of the VSWIN and precipitation

3.2 基于MODIS數(shù)據(jù)的云南土壤墑情年變化

根據(jù)地表溫度TS和植被指數(shù)NDVI數(shù)據(jù)，利用公式(4)計算2008-2012年云南省VSWIN值，建立VSWIN和土壤平均相對含水量之間的回歸方程，反演出2008-2012年云南省逐月的土壤平均相對含水量，得到土壤年平均相對含水量(見表1)，進而分析土壤相對含水量在不同時間尺度下的時空變化特征。

表1 不同年份土壤平均相對含水量分布情況 %

從表1可以看出，從2008-2012年期間云南省土壤墑情整體表現(xiàn)出波動降低的趨勢，其中土壤相對含水量為50%～60%的地區(qū)范圍呈增加趨勢，且增加幅度最大，土壤相對含水量為60%～90%的地區(qū)范圍呈減少趨勢，且減少幅度最大。2009和2012年土壤平均相對含水量集中分布在50%～60%之間，其面積分別占云南省總面積的51.61%和45.49%；2008、2010和2011年，土壤平均相對含水量則集中分布在60%～90%，其面積占比分別為71.66%、61.31%和56.61%。整體上看，2009和2012年土壤平均相對含水量相對較低，土壤平均相對含水量在50%以下的地區(qū)面積最大，其所占比例分別達到8.21%和7.27%；2008和2011年土壤平均相對含水量相對較高，土壤相對含水量在60%以上的地區(qū)面積最大，其所占比例分別達到80.56%和67.78%。

從土壤平均相對含水量空間分布情況(見圖4)可以看出，滇中地區(qū)東北部和東部、滇東北區(qū)南部、滇東南區(qū)西部土壤年平均相對含水量較低，而滇西南區(qū)、滇西北區(qū)、滇東北北部和滇東南東部地區(qū)土壤年平均相對含水量較高，整體呈現(xiàn)出中部低，四周高的趨勢。

圖4 2008-2012年云南省土壤相對含水量空間分布情況Fig.4 The spatial distribution of the relative soil moisture of Yunnan province during 2008-2012 year

3.3 基于MODIS數(shù)據(jù)的云南土壤墑情季節(jié)分布

從2008-2012年四季的土壤平均相對含水量(見圖5)可以看出：云南省土壤墑情從夏季到春季整體上表現(xiàn)降低的趨勢，具體表現(xiàn)為夏秋兩季高，冬春兩季低的趨勢，且夏季最高，春季最低。春季土壤平均相對含水量主要介于40%～50%之間，其中2009年面積比例最高為70.98%；夏季土壤平均相對含水量基本上介于60%～90%之間，其中2008年面積比例最大為77.46%；秋季除2012年土壤相對含水量主要介于50%～60%之間，其余年份均分布在60%～90%之間，其中2010年所占比例最大為82.83%；冬季土壤相對含水量大部分上介于50%～60%之間，而2009年和2010年土壤平均相對含水量集中分布在40%～50%之間，其中2008年土壤相對含水量在50%～60%之間面積比例最大為60.82%，2010年土壤相對含水量在40%～50%之間面積比例最大為48.79%。

4 結(jié) 語

本研究采用2008-2012年MODIS遙感數(shù)據(jù)和云南省23個土壤墑情站的土壤含水量數(shù)據(jù)，構(gòu)建植被供水指數(shù)VSWI模型對云南省土壤水分進行了動態(tài)反演，結(jié)果表明：①通過開展植被供水指數(shù)法VSWI與土壤墑情站點實測值的相關(guān)性分析，發(fā)現(xiàn)VSWI與土壤表層不同深度土壤相對含水量呈負(fù)相關(guān)，VSWI與40 cm處土壤相對含水量相關(guān)性最為顯著，與20 cm處土壤相對含水量顯著性最差，且VSIMN比VSIME更適合用于云南土壤水分的監(jiān)測。②VSWIN能夠有效的捕捉到降水事件的影響，準(zhǔn)確的反映土壤水分的變化趨勢，其中VSWIN最大值出現(xiàn)在春季(3-5月)，VSWIN最小值出現(xiàn)在降水最多的夏季(7月或8月)。③通過植被供水指數(shù)VSWI模型反演出2008-2012年云南省逐月的土壤平均相對含水量，云南省土壤墑情在時間上表現(xiàn)出波動降低的趨勢，其中2009和2012年土壤平均相對含水量相對較低，2008和2011年土壤平均相對含水量相對較高，在季節(jié)上表現(xiàn)出夏秋兩季高，冬春兩季低的趨勢，且夏季最高，春季最低；云南省土壤墑情在空間上表現(xiàn)出中部低，四周高的趨勢，其中滇西南區(qū)和滇西北區(qū)土壤平均相對含水量較高，滇中地區(qū)、滇東北區(qū)南部、滇東南區(qū)西部土壤平均相對含水量較低。

圖5 2008-2012年四季的土壤平均相對含水量分布情況Fig.5 The distribution of the average relative soil moisture in different seasons during 2008-2012 year

本研究基于MODIS遙感數(shù)據(jù)，構(gòu)建植被供水指數(shù)模型VSWI反演土壤含水量，并對其進行動態(tài)監(jiān)測，雖然具有較好的監(jiān)測精度，但由于云南省土壤墑情站建設(shè)存在滯后性，目前站點數(shù)量較少，且空間分布不均，60%以上的土壤墑情站集中分布在滇中地區(qū)，而現(xiàn)有土壤墑情數(shù)據(jù)序列短、缺測和異常值較多等狀況也較為明顯，從而導(dǎo)致反演模型精度下降，今后隨著土壤墑情數(shù)據(jù)的不斷豐富，同時采用分辨率更高的遙感影像對反演模型進行改進和驗證，以便更好地監(jiān)測土壤水分的動態(tài)變化，為農(nóng)業(yè)旱情的定量監(jiān)測提供一定的參考。

□

[1] 成福云.旱災(zāi)及抗旱減災(zāi)對策探討[J].中國農(nóng)村水利水電,2001,(10):9-10.

[2] 葉篤正,黃榮輝.長江黃河流域旱澇規(guī)律和成因研究[M].濟南:山東科技出版社,1996.

[3] 國家防汛抗旱總指揮部,中華人民共和國水利部.中國水旱災(zāi)害公報2010[M].北京:氣象出版社,2010:34-48.

[4] 陳云芬.全省干旱等級達80年以上一遇[N].云南日報,2010-03-17(1).

[5] 全國12省區(qū)遭遇嚴(yán)重干旱[Z].新聞1+1，2014-08-01.

[6] 解明恩,程建剛.云南氣象災(zāi)害特征及成因分析[J].地理科學(xué),2004,24(6):721-726.

[7] 杜靈通,侯 靜,胡 悅,等.基于遙感溫度植被干旱指數(shù)的寧夏2000-2010年旱情變化特征[J].農(nóng)業(yè)工程學(xué)報,2015,31(14):209-216.

[8] 馬建威,黃詩峰,胡健偉,等.基于MODIS數(shù)據(jù)的山東省土壤墑情遙感動態(tài)監(jiān)測與分析[J].水文,2013,33(3):29-42.

[9] 汝博文,繳錫云,王耀飛,等.基于MODIS數(shù)據(jù)的土壤水分空間變異規(guī)律[J].中國農(nóng)村水利水電，2016,(4):38-42.

[10] 李 喆,譚德寶,張 穗.遙感干旱監(jiān)測在抗旱減災(zāi)應(yīng)用中的若干思考[J].人民長江,2012,43(8):84-87.

[11] Rouse J W, Haas R H, Scheu J A, et al.Monitoring the vernal advancements and retrogradation (green wave effect) of nature vegetation[R].NASA/GSFC Final Report,NASA,1974:371-375.

[12] Shutko A M. Microwave radiometry of lands under natural and artificial moistening [J].IEEE Transactions on Geoscience and Remote Sensing, 1982,(20):18-26.

[13] 鮑艷松,嚴(yán) 婧,閔錦忠,等.基于溫度植被干旱指數(shù)的江蘇淮北地區(qū)農(nóng)業(yè)干旱監(jiān)測[J].農(nóng)業(yè)工程學(xué)報,2014,30(7):163-172.

[14] 趙福年,張 虹,陳家宇,等.作物水分脅迫指數(shù)監(jiān)測紅壤農(nóng)田短期干旱的分析[J].土壤通報,2013,(2):314-320.

[15] 王建傅,王蕾彬.基于植被供水指數(shù)的山東省2013年春季旱情監(jiān)測[J].山東農(nóng)業(yè)科學(xué),2015,47(7):111-116.

[16] 肖國杰,李國春,趙麗華,等.植被供水指數(shù)法在遼西干旱監(jiān)測中的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息,2006,(4):106-107.

[17] 吳金亮,王玉成,楊國范.基于條件溫度植被指數(shù)的土壤水分反演研究[J].節(jié)水灌溉,2014,(7):16-18.

[18] 楊麗萍,楊曉華,張存厚.植被供水指數(shù)發(fā)在內(nèi)蒙古干旱監(jiān)測中的應(yīng)用[J].內(nèi)蒙古農(nóng)業(yè)科技,2008,(1):58-59.

[19] 王正興,劉 闖.植被指數(shù)研究進展:從AVHRR-NDVI 到MODIS-EVI[J].生態(tài)學(xué)報,2003,23(5):979-987.

[20] 王密俠,馬成軍.農(nóng)業(yè)干旱指標(biāo)研究與進展[J].干旱地區(qū)農(nóng)業(yè)研究,1998,16(3):119-124.

[21] 王 杰,曹 言,張 鵬,等.云南省土壤墑情時空變化特征分析[J].節(jié)水灌溉,2016,(5):97-101.