李素雲(yún),陳國茜,祝存兄,喬 斌,史飛飛,曹曉云,周秉榮

(1.青海省氣象科學(xué)研究所,青海 西寧 810001;2.青海省防災(zāi)減災(zāi)重點實驗室,青海 西寧 810001)

干旱是全球分布范圍最廣、持續(xù)時間最長、對人類影響最大的自然災(zāi)害[1-2],主要包括農(nóng)業(yè)干旱、氣象干旱、水文干旱和社會經(jīng)濟干旱等[3]。土壤水分作為表征干旱程度的重要指標(biāo),如何對其準(zhǔn)確監(jiān)測一直是科學(xué)界關(guān)注的熱點問題[4-5]。不少學(xué)者已利用衛(wèi)星遙感結(jié)合地面觀測的方式反演土壤水分狀況,這在旱情的實時監(jiān)測和災(zāi)情評估方面發(fā)揮了重要作用[6-8]。利用遙感技術(shù)獲取長時間尺度地表溫度、植被狀況等特征來監(jiān)測或反演干旱的研究很多,如在國外,Quiring等[9]分析德克薩斯州植被狀況指數(shù)VCI與常用氣象干旱指數(shù)之間的關(guān)系時發(fā)現(xiàn),VCI對長期的水分脅迫有響應(yīng),但對短期降水不太敏感;Baniya等[10]利用衛(wèi)星植被狀況指數(shù)VCI對尼泊爾1982—2015年干旱情況進行了時空變化研究;Khan等[11]在綜合考慮歸一化植被指數(shù)NDVI與地表溫度LST的基礎(chǔ)上獲得了植被溫度條件指數(shù)VTCI,采用地理空間近實時耦合NRTC方法對巴基斯坦Punjab平原的干旱情況進行了深入研究。而在國內(nèi),曲學(xué)斌等[12]在內(nèi)蒙古東部發(fā)現(xiàn)植被供水指數(shù)VSWI適用于植物生長季初期干旱情況的監(jiān)測,而溫度狀態(tài)指數(shù)TCI和植被狀態(tài)指數(shù)VCI更適用于生長季以及中、后期監(jiān)測;劉小磊等[13]在江西夏旱中得出植被水分指數(shù)NDWI比NDVI對植被冠層水分更為敏感,且在短期干旱監(jiān)測中NDWI能夠更加準(zhǔn)確地反映旱情的時空變化特征;陳炳寅等[14]利用改進后的溫度植被干旱指數(shù)TVDI對新疆干旱區(qū)旱情進行研判,發(fā)現(xiàn)新指數(shù)能夠有效開展新疆干旱區(qū)旱情監(jiān)測,且精度較高;谷佳賀等[15]利用NDWI對河南省干旱情況進行監(jiān)測時發(fā)現(xiàn)其在監(jiān)測平原地區(qū)作物干旱時精度較高,同時該指數(shù)也可用于預(yù)測干旱發(fā)展趨勢和程度;陳國茜等[16]基于MODIS數(shù)據(jù)計算了青海省曲麻萊縣垂直干旱指數(shù)PDI、歸一化植被水分指數(shù)NDWI和植被狀況指數(shù)VCI,并發(fā)現(xiàn)VCI更適合當(dāng)?shù)氐南暮当O(jiān)測。

前人關(guān)于土壤水分監(jiān)測的研究大多數(shù)是基于MODIS數(shù)據(jù)源進行[17-21],但進入21世紀(jì)20年代后,MODIS處于超期服役階段,其數(shù)據(jù)質(zhì)量明顯下降,學(xué)者們開始逐漸轉(zhuǎn)移數(shù)據(jù)源[22-27]。Suomi NPP(Suomi national polar-orbiting partnership)衛(wèi)星于2011年發(fā)射升空,搭載了可見光/紅外輻射成像儀(Visible infrared imaging radiometer suit,VIIRS),VIIRS具有3個主要特征[28]：較高的空間分辨率(375～750 m),并且隨著遠(yuǎn)離星下點空間分辨率有控制的減小;最小化的制造和運行成本;足夠多的通道,可滿足科研產(chǎn)品的需要。目前國內(nèi)以Suomi NPP/VIIRS作為數(shù)據(jù)源,在青藏高原地區(qū)進行土壤水分遙感監(jiān)測與評估的研究相對較少。本研究以Suomi NPP/VIIRS為遙感數(shù)據(jù)源,計算青海省東部農(nóng)業(yè)區(qū)2012—2020年歸一化植被水分指數(shù)NDWI、植被狀況指數(shù)VCI和溫度植被干旱指數(shù)TVDI,分別與東部農(nóng)業(yè)區(qū)地面生態(tài)觀測站0～20 cm土層土壤質(zhì)量含水率建立夏季土壤水分模型,同時進行回代檢驗以及應(yīng)用檢驗;并對3種模型在東部農(nóng)業(yè)區(qū)2017年夏旱的發(fā)生發(fā)展過程進行了分析與評價,以期為青海省乃至青藏高原農(nóng)區(qū)土壤水分遙感監(jiān)測的應(yīng)用和發(fā)展提供科學(xué)支撐,為區(qū)域干旱預(yù)警和抗旱減災(zāi)提供科學(xué)依據(jù)。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

青海省東部農(nóng)業(yè)區(qū)位于黃土高原向青藏高原過渡的鑲嵌地帶,總面積約3.5萬 km2,其耕地面積超過青海省耕地總面積的70%,是青海省乃至青藏高原主要的糧食生產(chǎn)基地,海拔介于1 659～5 149 m,年平均氣溫介于2.0～8.6℃,年總降水量介于229.9～489.6 mm;因此,干旱成為限制此地各類農(nóng)作物產(chǎn)量提高的重要因素[29-31]。

1.2 數(shù)據(jù)來源與預(yù)處理

地面數(shù)據(jù)包括3部分:(1)2012—2018年東部農(nóng)業(yè)區(qū)生態(tài)站點土壤含水率:由各站觀測人員按照生態(tài)氣象觀測規(guī)范每月進行3次人工取土樣烘干獲得,觀測土層深度分為0～10、10～20、20～30 cm,本研究所用0～20 cm土層數(shù)據(jù)取0～10、10～20 cm兩土層平均值,觀測時段為表層土壤解凍后至6月初、8月底至表層土壤封凍前,其中2012—2016年數(shù)據(jù)用于建模,2017—2018年數(shù)據(jù)用于驗證;(2)2018—2020年互助野外調(diào)查點土壤含水率數(shù)據(jù)集:由青海省氣象科學(xué)研究所業(yè)務(wù)人員每半月按照生態(tài)氣象觀測規(guī)范進行人工取土樣烘干獲得,觀測土層深度分為0～10、10～20、20～30 cm,本研究所用0～20 cm土層數(shù)據(jù)取前兩層平均值,觀測時段為表層土壤解凍后至封凍前,此數(shù)據(jù)用于模型驗證;(3)2017年7月13日青海省氣象局組織調(diào)查隊赴東部農(nóng)業(yè)區(qū)進行了干旱情況實地調(diào)查,同時采集了實測數(shù)據(jù)(共計19個樣點,包括樂都3個、循化4個、化隆2個、尖扎3個、民和4個、同仁2個、貴德1個),用于模型構(gòu)建(圖1,見303頁)。

本研究所用VNP09A1和VNP21A2為搭載于Suomi NPP衛(wèi)星上的的可見光/紅外輻射成像儀VIIRS觀測數(shù)據(jù),從NASA官網(wǎng)(https://ladsweb.modaps.eosdis.nasa.gov/)獲得。所選時間段為2012—2020年,其中VNP09A1數(shù)據(jù)為8 d合成的地表反射率產(chǎn)品,VNP21A2為8 d合成的地表溫度產(chǎn)品,空間分辨率均為1 000 m。本研究所有遙感數(shù)據(jù)使用前進行了波段提取、格式轉(zhuǎn)換、質(zhì)量控制及投影轉(zhuǎn)換。

2 遙感干旱指數(shù)

2.1 溫度植被干旱指數(shù)TVDI

溫度植被干旱指數(shù)TVDI(Temperature-vegetation dryness index)是一種基于光學(xué)與熱學(xué)紅外遙感通道數(shù)據(jù)進行植被覆蓋區(qū)域表層土壤水分反演的指標(biāo),植被指數(shù)和地表溫度組成的NDVI-Ts特征空間散點圖呈梯形或三角形,上邊界為干邊,下邊界為濕邊。在NDVI-Ts特征空間中,TVDI越小則越接近濕邊,表示地表越濕潤。其公式如下[32]：

(1)

干邊:

LSTmax=a1+b1×NDVI

(2)

濕邊:

LSTmin=a2+b2×NDVI

(3)

式中,TVDI為i時期的溫度植被干旱指數(shù);LSTi為i時期的地表溫度(K);NDVI為歸一化植被指數(shù);LSTmax為相同NDVI值的最高地表溫度(K);LSTmin為相同NDVI值的最低地表溫度(K);a1為干邊截距;b1為干邊斜率;a2為濕邊截距;b2為濕邊斜率。本研究使用VNP09A1和VNP21A2數(shù)據(jù)分別計算了2012—2020年歸一化植被指數(shù)NDVI和白天地表溫度LST,進而計算干濕邊系數(shù)。

2.2 植被狀況指數(shù)VCI

植被狀況指數(shù)VCI(Vegetation condition index)是反映植被受環(huán)境脅迫程度或者環(huán)境干旱情況的指標(biāo),該指數(shù)可以消除因地理位置、氣候背景和生態(tài)類型不同而產(chǎn)生的NDVI區(qū)域差異問題[2,10]。其公式如下:

(4)

式中,VCI為i時期的植被狀況指數(shù);NDVIi為i時期的NDVI值;NDVImax、NDVImin分別為同期多年NDVI的最大值、最小值。

2.3 歸一化植被水分指數(shù)NDWI

歸一化植被水分指數(shù)NDWI(Normalized difference water index)可以有效地提取植被冠層的水分含量,及時響應(yīng)植被冠層受水分脅迫情況,在干旱實時監(jiān)測中具有重要意義[16,20]。其公式如下:

(5)

式中,NDWI為i時期的歸一化植被水分指數(shù);NIRi為i時期的近紅外波段反射率值;SWIRi為i時期的短波紅外波段反射率值。

3 土壤水分夏季遙感監(jiān)測模型構(gòu)建與檢驗

3.1 模型構(gòu)建

本研究計算了2012—2020年青海省東部農(nóng)業(yè)區(qū)溫度植被干旱指數(shù)TVDI、植被狀況指數(shù)VCI、歸一化植被水分指數(shù)NDWI。將2012—2016年6—8月(第153～241天)東部農(nóng)業(yè)區(qū)生態(tài)站(不包含共和、門源)及2017年7月13日的0～20 cm土層土壤含水率與對應(yīng)的3種遙感指數(shù)值分別進行逐步回歸來構(gòu)建新的模型(表1),各模型均通過了α=0.01的顯著性檢驗。

表1 3 種遙感指數(shù)模型與0～20 cm土層土壤含水率線性回歸結(jié)果

3.2 模型回代檢驗

將3種模型回代于2012—2016年并利用東部農(nóng)業(yè)區(qū)夏季生態(tài)站實測數(shù)據(jù)進行檢驗,結(jié)果顯示:TVDI指數(shù)模型平均絕對誤差(MAE)為3.6%,均方根誤差(RMSE)為4.4%;VCI指數(shù)模型的MAE為3.8%,RMSE為4.7%;NDWI指數(shù)模型的MAE為4.1%,RMSE為5.2%。綜上可知,TVDI指數(shù)模型表現(xiàn)最優(yōu),其次為VCI指數(shù)模型,NDWI指數(shù)模型表現(xiàn)最差(表2)。

3.3 模型應(yīng)用檢驗

3.3.1 模型在2017—2018年生態(tài)站的應(yīng)用效果 將3種模型應(yīng)用于2017—2018年夏季,利用東部農(nóng)業(yè)區(qū)夏季生態(tài)站實測數(shù)據(jù)進行檢驗,結(jié)果顯示,NDWI指數(shù)模型的MAE為6.3%,RMSE為8.3%;VCI指數(shù)模型的MAE為7.2%,RMSE為9.5%;TVDI指數(shù)模型的MAE為7.7%,RMSE為9.2%。從MAE值來看,NDWI指數(shù)模型最優(yōu),其次為VCI指數(shù)模型,TVDI指數(shù)模型最差;而從RMSE值來看,NDWI指數(shù)模型最優(yōu),其次為TVDI指數(shù)模型,VCI指數(shù)模型最差,但TVDI指數(shù)模型與VCI指數(shù)模型的RMSE相差不大(表3)。

表2 3 種模型在東部農(nóng)業(yè)區(qū)2012 —2016 年夏季土壤含水率的回代檢驗結(jié)果

表3 3 種模型在2017 —2018 年生態(tài)站的夏季應(yīng)用結(jié)果

3.3.2 模型在2018—2020年定點調(diào)查點的應(yīng)用效果 利用2018—2020年6—8月青海省海東市互助山區(qū)定點觀測點實測數(shù)據(jù),對NDWI、TVDI、VCI指數(shù)模型應(yīng)用效果進行檢驗,結(jié)果顯示,TVDI指數(shù)模型MAE為3.1%,RMSE為3.8%;VCI指數(shù)模型MAE為4.0%,RMSE為5.0%;NDWI指數(shù)模型的MAE為7.3%,RMSE為8.8%(表4)。從應(yīng)用效果來看,2018—2020年TVDI指數(shù)模型表現(xiàn)最好,VCI指數(shù)模型次之,NDWI指數(shù)模型表現(xiàn)最差。

由于2020年的野外調(diào)查點相對固定,本研究重點分析了2020年位于青海省海東市互助縣山區(qū)的6個野外調(diào)查點所對應(yīng)的3種遙感指數(shù)監(jiān)測模型的反演結(jié)果。從各點曲線變化圖來看(圖2),2020年夏季各觀測點0～20 cm深度土壤含水率大部分介于10%～30%之間,且呈現(xiàn)升-降-升-降的趨勢。其中,TVDI指數(shù)模型與VCI指數(shù)模型表現(xiàn)接近實際值,但TVDI指數(shù)模型的無效值較VCI指數(shù)模型多;NDWI指數(shù)模型在7—8月反演結(jié)果偏大,如在樣點5和樣點6的7—8月份反演值明顯偏大7.5%以上;TVDI與VCI兩個模型對旱情發(fā)生發(fā)展過程更詳細(xì)的響應(yīng)分析需要東部農(nóng)業(yè)區(qū)典型干旱過程來進一步檢驗。

注:GH001～GH006分別代表2020年選取的6個野外調(diào)查點。

3.3.3 模型在2017年夏季干旱的檢驗 東部農(nóng)業(yè)區(qū)是青海省最主要的農(nóng)業(yè)種植區(qū),同時又是干旱易發(fā)區(qū)[29]。2017年7月6日開始,青海省東部農(nóng)業(yè)區(qū)的12個縣從東到西先后發(fā)生了干旱災(zāi)害;民和發(fā)生最早,其次為7月9日開始的樂都區(qū)、化隆縣,7月10—11日尖扎縣、平安區(qū)和湟中縣發(fā)現(xiàn)干旱災(zāi)害,7月12—14日互助縣、大通縣、湟源縣、同德縣46個鄉(xiāng)鎮(zhèn)受災(zāi),興海縣和貴德縣最晚出現(xiàn)干旱災(zāi)害。以上災(zāi)害共造成131個鄉(xiāng)鎮(zhèn)受災(zāi),草場及農(nóng)作物受災(zāi)面積達19.4萬hm2,直接經(jīng)濟損失達7.755億元[33]。

利用2017年第193天新構(gòu)建的TVDI、VCI、NDWI指數(shù)模型反演了7月中旬的土壤墑情并與2017年7月13日實地調(diào)查數(shù)據(jù)進行對比,結(jié)果顯示:TVDI指數(shù)模型的MAE為4.3%,RMSE為5.6%;樣點4、6～8、12～13與實測相差較大,其余觀測點接近實際情況。VCI指數(shù)模型的MAE為4.8%,RMSE為6.2%;樣點1出現(xiàn)負(fù)值,與實測相差較大,樣點4、6～8、12、18與實測相差較大,其余觀測點基本符合實際情況。NDWI指數(shù)模型的MAE為6.0%,RMSE為7.9%;樣點1～8、17～19比較接近實際,而樣點9～12與實際相差較大,樣點13～16雖然數(shù)值相差相對較大,但能反演出干旱變化特征。從平均絕對誤差MAE和均方根誤差RMSE來看,TVDI指數(shù)模型最優(yōu),其次為VCI指數(shù)模型,NDWI指數(shù)模型最差;從變化幅度來看,TVDI指數(shù)模型最小,NDWI指數(shù)模型最大(圖3)。

為了進一步分析各模型與實測旱情在時空發(fā)生發(fā)展過程中的一致性,本研究利用遙感數(shù)據(jù)反演了2017年6月下旬～8月上旬東部農(nóng)業(yè)區(qū)3種模型的干旱空間分布情況。TVDI指數(shù)模型監(jiān)測顯示(圖4):6月下旬(第177天)河谷地帶出現(xiàn)輕度至中度旱情,7月上旬發(fā)展成中度旱情,7月中旬干旱范圍擴大至淺山地區(qū),旱情等級變?yōu)橹囟?8月上旬(第209～217天)旱情解除,TVDI指數(shù)模型反演的東部農(nóng)業(yè)區(qū)旱情變化、空間分布范圍與實際旱情吻合。VCI指數(shù)模型監(jiān)測顯示(圖5,見304頁):6月下旬(第177天)監(jiān)測到河谷地帶出現(xiàn)輕度至中度旱情,7月上旬發(fā)展成中度旱情,7月中旬干旱范圍擴大至淺山地區(qū),旱情等級變?yōu)橹囟?8月上旬(第209～217天)旱情緩解;雖然VCI指數(shù)模型反演的旱情發(fā)生、加重過程變化與實際旱情變化一致,但在旱情減輕(或解除)過程中表現(xiàn)出滯后現(xiàn)象,2017年8月上旬旱情解除后其反演結(jié)果顯示仍存在大范圍旱情。而NDWI指數(shù)模型監(jiān)測顯示(圖6,見304頁):2017年夏季干旱范圍明顯偏小,旱情主要分布在河谷地帶,在淺山地區(qū)無旱情發(fā)生,與上報災(zāi)情情況出入較大。因此,TVDI指數(shù)模型在2017年夏季旱情空間分布上比NDWI指數(shù)模型、VCI指數(shù)模型更符合實際。

4 結(jié)論與討論

本研究基于2012—2020年6—8月Suomi NPP數(shù)據(jù)和地面實測數(shù)據(jù),構(gòu)建了3種常用光學(xué)遙感干旱指數(shù)與青海省東部農(nóng)業(yè)區(qū)地面土壤水分之間的回歸模型,并將其回代至2012—2016年以及應(yīng)用于2017—2018年生態(tài)站、2018—2020年互助固定調(diào)查點來檢驗各模型的表現(xiàn)情況,同時對3種模型反演的東部農(nóng)業(yè)區(qū)2017年夏旱的時空發(fā)生發(fā)展過程進行分析與評價,主要結(jié)論如下:

(1)將3種模型回代至2012—2016年夏季,TVDI指數(shù)模型表現(xiàn)最優(yōu)(RMSE為4.4%),其次為VCI指數(shù)模型(RMSE為4.7%),NDWI指數(shù)模型表現(xiàn)最差(RMSE為5.2%);將3種模型應(yīng)用于2017—2018年夏季生態(tài)站,NDWI指數(shù)模型表現(xiàn)最優(yōu)(RMSE為8.3%),TVDI指數(shù)模型(RMSE為9.2%)與VCI指數(shù)模型(RMSE為9.5%)相差不大。

(2)2018—2020年夏季互助野外調(diào)查點中,TVDI指數(shù)模型(RMSE為3.8%)表現(xiàn)最好,VCI指數(shù)模型(RMSE為5.0%)次之,NDWI指數(shù)模型表現(xiàn)最差(RMSE為8.8%)。其中,2020年6個調(diào)查點的NDWI指數(shù)模型在7—8月反演結(jié)果偏大,TVDI指數(shù)模型與VCI指數(shù)模型表現(xiàn)比較接近,但TVDI指數(shù)模型無效值較VCI指數(shù)模型多。

圖3 基于2017 年第193 天3 種模型反演土壤含水率的結(jié)果與7 月13 日地面實測情況對比

(3)將各模型回代至2017年東部農(nóng)業(yè)區(qū)旱情發(fā)生時段,NDWI指數(shù)模型在2017年夏季干旱的旱情發(fā)展過程中的空間分布變化大,該模型反演的旱情分布范圍明顯偏小;VCI指數(shù)模型不能反映旱情緩解、解除期的變化,而TVDI指數(shù)模型反演夏季旱情分布范圍和夏季旱情發(fā)生發(fā)展緩解過程變化上更符合實際。

本研究基于Suomi NPP/VIIRS數(shù)據(jù),使用統(tǒng)計分析方法建立了青海省東部農(nóng)業(yè)區(qū)土壤水分遙感監(jiān)測模型,基于地面各階段實測數(shù)據(jù)驗證了模型精度,研究發(fā)現(xiàn)模型RMSE均小于10.0%,可在業(yè)務(wù)監(jiān)測服務(wù)中推廣使用。本研究只考慮了青海省東部農(nóng)業(yè)區(qū)地面土壤水分與單個遙感指數(shù)之間的關(guān)系,后期研究可考慮從作物的不同生長階段、不同類型、地理要素以及綜合遙感干旱指標(biāo)與更高分辨率數(shù)據(jù)源等角度出發(fā),提高模型的精度[34];由于遙感反演的數(shù)據(jù)時間周期為8 d,與地面實測日期無法很好地對應(yīng),可能與驗證結(jié)果存在一定偏差。光學(xué)遙感數(shù)據(jù)易受云影響,未來可以考慮使用機器學(xué)習(xí)等新技術(shù)手段發(fā)展區(qū)域適用的、精度較高的、多源數(shù)據(jù)融合的土壤水分遙感監(jiān)測方法。

注:2017-177、2017-185、2017-193、2017-201、2017-209和2017-217分別表示2017年第177、185、193、201、209天和217天。下同。

圖5 2017 年6 月下旬至8 月上旬VCI指數(shù)模型反演的東部農(nóng)業(yè)區(qū)干旱空間分布情況

圖6 2017 年6 月下旬至8 月上旬NDWI指數(shù)模型反演的東部農(nóng)業(yè)區(qū)干旱空間分布情況