李淏源 邱新法 曾燕

摘要：干濕研究的手段分為站點監(jiān)測研究與遙感監(jiān)測2種，由于遙感監(jiān)測應用較晚，且不具有明顯的周期性，二者的監(jiān)測原理不同等原因，很少有人將2種手段的監(jiān)測結果進行直接的比較研究。本研究基于氣象數據和中分辨率成像光譜儀（moderate-resolution imaging spectroadiometer，簡稱MODIS）數據，分別計算得到山東省聊城市干燥度指數（aridity index，簡稱AI）和溫度植被干旱指數（temporature vegetation drought index，簡稱TVDI），基于高分辨率衛(wèi)星遙感影像數據，提取聊城市地面詳細的水體信息及其分布，得到水體分布的相對密集區(qū)域以及相對稀疏區(qū)域，最后將三者的結果進行對比分析。結果表明，（1）山東省聊城市AI、TVDI之間存在著很大的相關性，聊城西部地區(qū)2種指數明顯偏高更為干燥，其中東部、西部TVDI均值分別為0.42、0.53，AI均值分別為1.79、1.86;（2）2種干濕指數的年尺度上升下降趨勢基本吻合，季節(jié)間特征表現(xiàn)形式不同，但都可以反映相似的干濕狀況空間分布規(guī)律;（3）東部、西部河流及緩沖區(qū)不覆蓋區(qū)占東部、西部地區(qū)總面積比例分別為17.37%、37.71%，也呈現(xiàn)出西部干東部濕的特征，且與2種指數的分布規(guī)律相似。

關鍵詞：干濕特征;TVDI;AI;河流分布;山東聊城

降水是一個區(qū)域水資源的主要來源，蒸發(fā)則是一個地區(qū)水分損失的主要形式，是地表層水分以及干濕分布規(guī)律的重要影響因素，也是水各種相態(tài)轉變的主要環(huán)節(jié)。潛在蒸散是在不考慮其他復雜因素影響的情況下一個地區(qū)水分蒸發(fā)量的預估值，也是計算實際蒸散發(fā)的關鍵因素。潛在蒸散發(fā)和降水的比值為干燥度指數（aridity index，簡稱AI），該指數能夠反映一個地區(qū)干濕程度，同時也是反映區(qū)域氣候的重要指標[1]，在干濕情況分布以及植被變化研究中被廣泛應用。

衛(wèi)星遙感數據因其覆蓋區(qū)域廣，空間上連續(xù)，減少大量人工勞動等特點在大面積監(jiān)測方面具有特殊的優(yōu)勢。利用遙感手段進行大范圍干濕監(jiān)測的研究已經取得很大進展，發(fā)展了許多監(jiān)測方法和指標。尤其是近年來，中分辨率成像光譜儀（moderate-resolution imaging spectroadiometer，簡稱MODIS）數據具有高時間分辨率、高光譜分辨率、適中空間分辨率等特點，使得其在干濕的遙感監(jiān)測中被廣泛應用。目前比較常用的干濕遙感監(jiān)測方法有熱慣量法、微波遙感法、蒸散法、植被指數法、溫度植被干旱指數法等。其中，由植被指數（vegetation index，簡稱VI）和地表溫度（surface temperature，簡稱TS）的特征空間搭建而成的溫度植被干旱指數（temperature vegetation drought Index，簡稱TVDI）綜合了2個參數特有的生理生態(tài)意義，能有效減小植被覆蓋度對干濕情況監(jiān)測的影響，準確性更高，實用性更強，數據獲取較為容易，計算中各個物理量簡單明確，在氣象干濕研究中應用較為廣泛。且已在國內許多地方得到驗證，齊述華等通過TVDI對我國2000年春季干旱情況進行了研究[2]。范遼生等利用TVDI方法反演伏旱期土壤水分變化[3]。王海等運用TVDI監(jiān)測研究了云南省2009—2010年重大干旱情況[4]。楊曦等研究得出，TVDI能夠表現(xiàn)華北平原不同時空尺度土壤表層的干濕狀況差異[5]。

以往的氣象研究更注重于單一方法的大區(qū)域大尺度的氣象要素研究分析，很少對氣象站點數據與遙感面數據進行對比研究，也很少對站點數據的時間延續(xù)性和遙感數據的瞬時性對實際情況的解讀進行仔細探究。其次是沒有過多的關注精細化地面要素對干濕情況的影響，本研究提出的水體分布，在實際生活中，農田的灌溉甚至土壤水分的濕度等要素與各種大小河流水體的廣泛分布密不可分。

筆者對比分析利用遙感手段獲取的研究區(qū)TVDI與利用氣象數據計算獲得的AI在研究區(qū)干濕空間分布指征上的異同;并充分利用高分辨率衛(wèi)星的遙感數據，在研究區(qū)域內，采用監(jiān)督分類方法提取出水體分布信息，進而獲取研究區(qū)河流緩沖區(qū)密度，并將之與2種干旱指數所表達的干濕區(qū)域進行空間上的對比分析。

1 材料與方法

1.1 研究區(qū)概況和數據來源

山東省聊城市地處魯西平原，是山東省的西大門，毗鄰河南省、河北省，位于華東、華中、華北三大區(qū)域交界處（圖1）。聊城市位于35°47′～37°02′N和115°16′～116°32′E之間，屬半干旱大陸性氣候，南北直距為138 km，東西直距為114 km，總面積為8 646.8 km2，其中耕地面積為6 359.6 km2，占總面積的73.69%。聊城市境內流經徒駭河、馬頰河、京杭大運河，水資源分布不平衡，東部和東南部沿黃河一帶水資源較多，西部和西北部地區(qū)水資源匿乏[6]。聊城市乃至山東省在以往的科學研究中經常被認定為干旱或半干旱地區(qū)，由于緊鄰黃河，過去黃河一直遭受洪水影響，而現(xiàn)在黃河的綜合治理使得農業(yè)灌溉得以發(fā)展，四通八達的河流基本能滿足農業(yè)發(fā)展的需求。

遙感數據：本研究使用2種遙感數據：（1）來源于谷歌衛(wèi)星地圖下載器下載的普通地圖，該地圖共有20個縮放級別，由于高縮放級別的地圖數據量比較大，本研究選用的縮放級別為12，空間分辨率為69 m，比例尺為1 ∶ 20萬，視點高度為76.5 km;（2）為2000—2014年15年來的MODIS數據，包括MODND1M中國500 m歸一化差分植被數（normalized difference vegetation index，簡稱NDVI）月合成產品和MODLT1M中國1 km地表溫度（land surface temperture，簡稱LST）月合成產品，該數據來源于中國科學院計算機網絡信息中心國際科學數據鏡像網站（http：//www.gscloud.cn）。

氣象站點數據：選取山東省聊城市行政轄區(qū)內8個常規(guī)氣象站2000—2014年15年來逐日平均氣溫、最高氣溫、最低氣溫、平均風速、平均相對濕度及日照時數等資料。所用數據來源于中國氣象數據網（http：//data.cma.cn/）。

1.2 研究方法

1.2.1 TVDI模型 本研究采用的是Sandholt等提出的溫度植被干旱指數方法[7]，即三角法反演地表干濕情況。Price等在分析研究遙感數據中的歸一化植被指數和地表溫度二者的關系時發(fā)現(xiàn)，當研究區(qū)域內的植被覆蓋度和表層土壤水分含量要素分布比較全面時，NDVI-LST散點圖呈三角形[8-9]。而Moran等發(fā)現(xiàn)，NDVI-LST散點圖呈梯形，且在其他條件基本相同的情況下，地表類型不同會引起斜率和截距改變[10]，即所謂的“干邊”“濕邊”，這些散點的分布就是 NDVI-LST特征空間[11]。

從圖2可以看出，其中橫坐標為歸一化差分植被指數，縱坐標為地表溫度，A點是無植被覆蓋的裸土，植被覆蓋度低，地表水容易流失、下滲或者蒸發(fā)，地表溫度較高;B點是低植被覆蓋，但土壤肥沃，蓄水能力強，土壤水分蒸發(fā)正常進行，地表溫度較低;C點是高植被覆蓋且土壤水分充足，冠層溫度由于植物表面的蒸騰作用而降低。三角區(qū)間的3個角代表3種極端情況，AB邊是表征不同土壤含水量及表層蒸發(fā)的不同，引起地表溫度的不同，BC邊溫度較低，水分充足，受植被覆蓋影響小，地表蒸散等于潛在蒸散，稱為“濕邊”，AC邊說明土

1.2.3 河流提取 水可以吸收也可以散射通過水汽界面的波譜輻射能量，但水的散射會增加天空輻射能量，而水則會同時吸收二者。遙感圖像可以記錄收集各種地物向外發(fā)出的輻射信息，相對于陸地上各種地物，水體在近紅外、中紅外和短波紅外這幾個波段的反射率相對較低，可以明顯區(qū)分，水體的低反射率有助于通過遙感數據提取水體信息。

提取水體信息的方法主要有2種：（1）通過目視判讀的方法判斷水體分布，利用地理信息軟件如Arcgis等直接在遙感圖像的地圖上重新數字化;（2）通過已經寫好的算法模式對遙感影像信息的自動提取。如通過各種波段反演的水體指數、事先指定水體像元類型或者其反射率表現(xiàn)的閾值區(qū)間，進行監(jiān)督分類;或是不指定類型，直接通過計算機把圖像上的各種相似類型的像元進行統(tǒng)計的非監(jiān)督分類;還有運用概率與圖論中的樹對決策中的不同方案進行比較分析，判斷出最優(yōu)方案的決策樹分類方法等。

通過遙感影像提取河流信息的方法已經得到了廣泛應用，徐靈等利用監(jiān)督分類方法，首先確定一定的閾值范圍，得到水體分布[23]。付曉等則是將監(jiān)督分類和非監(jiān)督分類方法結合起來，既發(fā)揮了人的主觀能動性，又吸取了計算機算法的優(yōu)點，分類效果很好[24]。本研究采取付曉等的分類方法[24]，利用監(jiān)督分類方法提取出水體大致輪廓，然后考慮各種不同類型水體、不同大小水體、水體中心與邊緣等因素的差異，對監(jiān)督分類的結果進行補充，得到最終的水體結果。

2 結果與分析

2.1 TVDI和AI的空間尺度干濕特征

氣象站數據為點數據，因此通過其計算獲得的干燥指數需通過空間插值獲得其空間分布。利用ArcGIS對氣象站點計算獲得的干燥度指數進行空間插值，使用反距離權重插值方法獲得山東省聊城市干濕空間分布。2000—2014年聊城市多年平均TVDI空間分布見圖3，2000—2014年聊城市多年平均AI空間分布見圖4。研究區(qū)溫度植被干旱指數為 0.187～0.672，均值為0.49，AI值變化區(qū)間為1.668～2.024，均值為1.82，二者干旱定義標準不同，數值沒有很大直接對照參考價值。但無論是AI還是TVDI，干濕情況的分布規(guī)律較為相似，聊城市西部地區(qū)相對較為干燥。由于AI的計算是基于站點信息插值計算，區(qū)域性更為明顯，因此對圖3、圖4中聊城市8個區(qū)域進行分區(qū)統(tǒng)計，見圖5、圖6。從圖中可以看出，聊城市西部的莘縣、冠縣區(qū)域在2個干旱指數的分布圖中均屬于較為干燥的地區(qū)，而東部的茌平縣，聊城市區(qū)和東阿縣均屬于較濕潤地區(qū)，除了陽谷地區(qū)有差異外，其他地區(qū)的干濕潤情況都基本吻合。將8個地區(qū)的干濕狀況量化，其折線走勢見圖7，可以更為直觀的看到，2種指數顯示的干濕狀況在各個地區(qū)間的相互關系都是基本相似的。從干濕指數的數值大小關系上來看，TVDI>0.5的地區(qū)為西部臨清市、冠縣、莘縣3個地區(qū)，三者的均值為0.53，而東部另外5個地區(qū)的均值為0.42;AI>1.8的地區(qū)為臨清市、冠縣、莘縣、陽谷縣，西部3個地區(qū)臨清市、冠縣、莘縣均值為1.86，東部5個地區(qū)的均值為1.79，基本干濕規(guī)律是吻合的。

2.2 TVDI和AI時間尺度干濕特征

本研究使用的是月尺度的數據，將時間尺度縮小到季節(jié)上，且不同季節(jié)干濕情況差別較大，異常值影響會略有明顯。2000—2014年這15年來TVDI均值的四季分布情況見圖8-a，干濕情況在春、秋、冬3季地區(qū)性分布較為明顯， 春季干燥

主要分布在西北區(qū)域，秋季冬季主要分布在西南區(qū)域，夏季分布較為均勻，地區(qū)性分布不明顯。結合四季干燥情況的數值統(tǒng)計（圖8-b）可以看出，TVDI不能明顯看出季節(jié)性明顯差異，但是冠縣、臨清市、莘縣等3個西部地區(qū)的四季TVDI均值都大于 0.6，這也是聊城地區(qū)西部地區(qū)較為干燥的重要原因之一。

15年來AI平均值的四季分布情況見圖9-a，可以看出春、夏、秋3季干燥地區(qū)多分布在聊城西部，冬季干燥地區(qū)為西南和東北地區(qū)， 反映不同地區(qū)內季節(jié)干燥度指數的大小特

征見圖9-b，且季節(jié)性區(qū)別較為明顯，干燥情況呈現(xiàn)出冬季>春季>秋季>夏季的特征，表明研究區(qū)春、冬2季較為干燥。由于春季為作物出苗和生長的關鍵季節(jié)，且該地區(qū)多為冬小麥，因此加強冬旱春旱防御工作對農作物至關重要。

TVDI和AI 2種干旱指數15年來變化趨勢的對比見圖10，2種干旱指數相鄰年份的升降趨勢除了2000—2001年間和2013—2014年間存在差異，其他相鄰年份之間都相同，區(qū)別在于干旱指數變化的大小。如2000—2003年間AI的下降趨勢遠大于TVDI，2004—2005年間TVDI的下降趨勢又明顯大于AI。但是如果從干濕等級定義的角度去看，二者幾乎都沒有發(fā)生什么變化，結合趨勢線的走向可以看出，AI是從半干旱半濕潤（1.0～3.0）逐漸轉變?yōu)榘霛駶櫍?.0～1.7），而TVDI由于受植被覆蓋影響較明顯，受天氣狀況影響較小，所以更加穩(wěn)定，15年來一直保持正常水平，在0.4～0.6之間。

2.3 TVDI和AI干濕特征與河流分布密度的相關性分析

聊城市地處運河和黃河交界處，水系相對于其他內陸地區(qū)較發(fā)達，因此灌溉是聊城市農業(yè)、林業(yè)的重要補給方式，聊城地區(qū)水系的分布及4 000 m緩沖區(qū)見圖11，水系分布在中部和東部比較密集，西部則比較稀疏。結合圖3、圖4可以發(fā)現(xiàn)，水系分布情況與TVDI和AI這2種指數的干濕表征情況相一致，表明在聊城地區(qū)，干濕區(qū)分布與河流分布有著密不可分的聯(lián)系。

如果將河流緩沖區(qū)的分布進行區(qū)域化的統(tǒng)計，從表1可以看出，聊城地區(qū)西部冠縣、臨清市、莘縣等3個地區(qū)的濕潤區(qū)占比均值僅有60%左右，而中部及東部地區(qū)濕潤區(qū)占比均值達87%左右，相差接近30%。

將表1中的非水體緩沖區(qū)占地比數據與圖7結果進行疊加比較（圖12、圖13）可知，聊城市8個區(qū)域的TVDI、AI、非水體緩沖區(qū)占地比例的折線趨勢幾乎一致。

3 結論與展望

通過遙感數據和氣象站點數據計算得到2000—2014年15年間聊城地區(qū)的2種干濕指數（TVDI、AI）的時空分布情況和變化規(guī)律，發(fā)現(xiàn)2種指數的相關性很高;進而將這種相似的干濕分布規(guī)律與聊城地區(qū)的實際水體及緩沖區(qū)的分布進行對比分析發(fā)現(xiàn)，2種指數反映的干濕情況與河流分布也存在很大的相關性：（1）聊城市15年來的AI、TVDI二者之間存在著很大的相關性，均呈現(xiàn)西部干燥、東部濕潤的空間分布特征，其中東西部TVDI均值分別為0.422 51、0.531 35，東西部AI均值分別為1.788 49、1.863 21;（2）2種指數表現(xiàn)的干濕特征在時間尺度上規(guī)律也很明顯，2000—2014年這15年的年尺度濕潤變化規(guī)律的升降趨勢基本吻合，季節(jié)間特征表現(xiàn)形式不同，但都可以反映相同的干濕狀況，即春季、冬季干燥發(fā)生較為嚴重;（3）東西部河流及緩沖地帶不覆蓋區(qū)占東部、西部地區(qū)面積的比例分別為17.367%、37.714%，也呈現(xiàn)出西干東濕的特征，且與2種指數的干濕分布規(guī)律吻合。

由于研究區(qū)面積原因，干濕情況沒有很大的跨度，但是小區(qū)域內的干濕狀況在現(xiàn)如今精細化農業(yè)的大背景下也會有很重要的研究意義。由于聊城地區(qū)地處華北平原中南部，溫帶季風性氣候區(qū)的中南部，且位于大運河和黃河的交匯處，這對華北平原地區(qū)的農業(yè)種植分布規(guī)劃、天氣與水系二者對農業(yè)的影響研究、遙感干旱與氣象干旱對比研究等都有很大的參考意義。

參考文獻：

[1]孟 猛，倪 健，張治國. 地理生態(tài)學的干燥度指數及其應用評述[J]. 植物生態(tài)學報，2004，28（6）：853-861.

[2]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.

[3]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.

[4]王 海，楊祖祥，王 麟，等. TVDI在云南2009/2010年干旱監(jiān)測中的應用[J]. 云南大學學報（自然科學版），2014，36（1）：59-65.

[5]楊 曦，武建軍，閆 峰，等. 基于地表溫度—植被指數特征空間的區(qū)域土壤干濕狀況[J]. 生態(tài)學報，2009，29（3）：1205-1216.

[6]李 楠. 聊城地區(qū)冬小麥干旱災害評估[D]. 南京：南京信息工程大學，2015.

[7]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.

[8]Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. Geoscience and Remote Sensing，IEEE Transactions on，1990，28（5）：940-948.

[9]Carlson T N，Gillies R R，Eileen M P. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews，1994，9（1）：161-173.

[10]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 Sensing of Environment，1994，49（3）：246-263.

[11]宋小寧，趙英時. 應用MODIS衛(wèi)星數據提取植被-溫度-水分綜合指數的研究[J]. 地理與地理信息科學，2004，20（2）：13-17.

[12]王 華，邵 瀚. 基于TVDI的江蘇省淮北地區(qū)干旱監(jiān)測技術研究[J]. 地理空間信息，2016，14（2）：53-55，65，8.

[13]王利平，文 明，宋進喜，等. 1961—2014年中國干燥度指數的時空變化研究[J]. 自然資源學報，2016，31（9）：1488-1498.

[14]Allen R G，Pereira L S，Raes D，et al. Crop evapotranspiration：Guidelines for computing crop water requirements[R]. FAO Irrigation & Drainage Paper，1998：56.

[15]Dehghanisanij H，Yamamoto T，Rasiah V. Assessment of evapotranspiration estimation models for use in semi-arid environments[J]. Agricultural Water Management，2004，64（2）：91-106.

[16]張曉琳，熊立華，林 琳，等. 五種潛在蒸散發(fā)公式在漢江流域的應用[J]. 干旱區(qū)地理，2012，35（2）：229-237.

[17]Lecina S，Martinez-Cob A，Perez P J，et al. Fixed versus variable bulk canopy resistance for reference evapotranspiration estimation using the Penman-Monteith equation under semiarid conditions[J]. Agricultural Water Management，2003，60（3）：181-198.

[18]Irmak S，Allen R G，Whitty E B. Daily grass and alfalfa-reference evapotranspiration estimates and alfalfa-to-grass evapotranspiration ratios in Florida[J]. Journal of Irrigation and Drainage Engineering，2003，129（5）：360-370.

[19]劉曉英，林而達. 氣候變化對華北地區(qū)主要作物需水量的影響[J]. 水利學報，2004（2）：77-82，87.

[20]高 歌，陳德亮，任國玉，等. 1956—2000年中國潛在蒸散量變化趨勢[J]. 地理研究，2006，25（3）：378-387.

[21]霍再林，史海濱，陳亞新，等. 參考作物潛在蒸散量的人工神經網絡模型研究[J]. 農業(yè)工程學報，2004，20（1）：40-43.

[22]尹云鶴，吳紹洪，戴爾阜. 1971—2008年我國潛在蒸散時空演變的歸因[J]. 科學通報，2010，55（22）：2226-2234.

[23]徐 靈，侯小風. 基于區(qū)域生長的遙感影像河流提取[J]. 測繪與空間地理信息，2015，38（3）：198-200.

[24]付 曉，嚴 華，賀 新. 基于遙感圖像的河流提取方法及應用研究[J]. 人民黃河，2014，36（3）：10-12.祁迎春，王 建，黃 瑤，等. 延安市蔬菜大棚土壤重金屬污染評價及影響因素[J]. 江蘇農業(yè)科學，2019，47（6）：249-253.