第23 卷第3 期2007 年5 月
学校用品地理与地理信息科学
Geograp hy and G eo - Information Science
Vol. 23 No. 3
May 2007
利用MOD IS 数据进行旱情动态监测研究
卢远1 ,2 ，华璀2 ，韦燕飞2
(1 . 中国科学院成都山地灾害与环境研究所，四川成都610041 ;2 .广西师范学院资源环境学院，广西南宁530001)
摘要:MODI S- EV I 植被指数与不同覆盖程度植被的线性关系已得到明显改善，可以更有效地反映地表植被的生长状态。利用MODI S 合成数据M YD11A2 和M YD13A2 获取的增强型植被指数(EV I) 和陆地表面温度( Ts) 构建EV I - Ts 特征空间，并以该特征空间计算的温度植被干旱指数( TVDI) 作为干旱监测指
标，分析广西2006 年秋旱分布。结果表明：以地表温度和MODI S-EV I 为基础的温度植被干旱指数能较好地反映区域旱情分布和旱情发展过程,2006 年9 月中旬—11 月中旬广西受旱区域不断扩大，旱情持续加重。
关键词:MODI S ；增强型植被指数；地表温度；温度植被干旱指数
中图分类号: TP79 ; S423 文献标识码:A 文章编号:1672 - 0504 (2007) 03 - 0055 - 04
0 引言
利用遥感技术能够及时获得大范围地表时空信息，因此在区域农业旱情监测方面遥感具有很大优势。目前利用遥感技术监测农业旱情已取得显著进展[ 1 - 3 ] ，所采用的旱情监测模型有的是建立在地表热惯量模型[ 4 ,5 ]基础上，有的是建立在植被指数[ 6 ,7 ]基础上，或者是利用地表温度[ 8 ] 。但热惯量模型只适于裸土或稀疏植被覆盖情况，在植被覆盖条件下，利用热惯量模型监测土壤水分受到很大限制; 而将归一化植被指数( Normalized Difference Vegetation Index , NDV I) 作为水分胁迫指标又表现出一定的滞后性[ 9 ] 。相比之下，温度作为水分胁迫指标具有较高的敏感性[ 8 ] ，但遥感获取的温度仍受土壤背景和植被覆盖的影响。有学者将NDV I 和陆地表面温度相结合构建温度植被指数进行旱情监测，最近的研究也表明,NDV I 和陆地表面温度相结合监测土壤水分状况会得到更加合理的结果[ 10 - 15 ] 。
自1999 年以来，美国对地观测系统计划Terra 和Aqua 卫星相继升空，所搭载的MODIS 传感器具有更高的空间分辨率、更多波段和更好的数据质量, 非常适合农业旱灾监测。目前利用MODIS 数据进行旱情监测已取得一定的进展，但多数研究是建立在NDV I 基础上[ 16 - 19 ] 。NDV I 仍有不少局限性：如存在NDV I 的饱和问题；对大气影响的纠正不彻底; Vegetation Index , EV I) 中都有不同程度的改善, 并可更好地描述特定气候带内植被在不同季节的差异[ 21 ] 。因此，本研究尝试将MODIS - EV I 与陆地表面温度相结合构建EV I - Ts 特征空间进行干旱监测，并以广西为例，对其2006 年9 月中旬以来的旱情进行评估分析。
1 方法原理
1. 1 温度植被干旱指数方法
Price[ 9 ]和Carlson 等[ 10 ] 研究发现, 如果研究区植被覆盖包含从裸土到全覆盖，土壤湿度从极干旱到极湿润的各种情况，以遥感数据获得的Ts 和ND2 V I 为纵横坐标的散点图呈三角形。Sandholt 等[ 11 ] 对简化的NDV I - Ts 三角形空间进行研究，提出温度植被干旱指数( Temperature Vegetation Dryness Index , T VDI) 的概念，其表达式为:
TVDI = ( T S - T Smin) / ( T Smax - T Smin) (1) 式中: T S 为任意像元的地表温度; T Smin 表示某一NDV I 对应的最低地表温度，对应于NDV I - Ts 空间的湿边; T Smax = a + bNDV I 为某一NDV I 对李昱桦
应的最高地表温度，对应于NDV I - Ts 空间的干边; a 、b是干边拟合方程的系数。估算这些参数要求研究区域的范围足够大，地表覆盖从裸土到稠密的植被，土壤表层含水量从萎蔫含水量到田间持水量。
Moran 等[ 12 ]在假设NDV I - Ts 特征空间呈梯形
未能处理低植被覆盖区土壤背景的影响
“;
最大值合的基础上，基于作物缺水指数( Crop Water Stress In2
成算法”不能保证选择最佳像元等[ 20 ] 。这些局限性在基于MODIS 数据的增强型植被指数( Enhanced dex ,CWSI) 理论计算作物水分亏缺指数( WDI) ，结果表明，在不同植被覆盖条件下,NDVI - Ts 特征空间
收稿日期:2006 - 12 - 26 ; 修订日期:2007 - 01 - 29
基金项目：国家自然科学基金项目(40461001) ；广西青年科学基金项目(桂科青0542003)
作者简介：卢远(1971 - ) ，男，博士，副研究员，从事GIS 应用、环境遥感研究。E - ma il:******************
第56 页地理与地理信息科学第23 卷
天然护肤
中最低地表温度( T Sm in) 随植被覆盖度而变化，如果将湿边描述成水平直线将会给TVDI 带来一定的误差。因此，本文在将NDVI - Ts 特征空间简化为三角形的同时，对T Smax和T Smin进行线性拟合。
干边拟合方程: T Smax = a1 + b1 NDV I (2)提高警惕保卫祖国
湿边拟合方程: T Smin = a2 + b2 NDV I (3)
由式(2) 和式(3) 建立温度植被干旱指数: 物蒸腾强烈，广西区域性、阶段性干旱常有发生。
由于Aqua 卫星过境时间为下午14∶30 ，此时下垫面的温度最高，因此，本文选用Aqua - MODIS 数据的多时相合成产品M YD11A2 和M YD13A2 作为数据源。数据来源于Land Process DAAC 数据中心，时间为2006 年9 月14 日—11 月16 日，包含8 个时段的M YD11A2 数据和4 个时段的M YD13A2 数
据。其中M YD11A2 是8 d 合成空间分辨率为1 km
T S - (a2 + b2 NDV I)
TVDI = (
a1 + b1 NDV I) - (a2 + b2 NDV I)
(4)的地表温度产品, 包含白天地表温度、夜间地表温
式中:a1 、b1是干边拟合方程的系数,a2 、b2是湿边拟合方程的系数。显然, 在NDV I - Ts 空间中任一点TVDI 值介于0～1 。TVDI 值越大, T S 越接近干边, 土壤干旱越严重; 反之, TVDI 值越小, T S 越接近湿边，土壤湿度越大。
1. 2 MODIS - EV I 算法原理
MODIS- EV I 是基于MODIS 数据综合处理土壤、大气、饱和问题的增强型植被指数。MODIS - EV I 的基本输入量是分辨率250 m 的N IR 、R e d 波段及分辨率500 m 的Blue 波段，这些数据的大气校正内容除A V HRR - NDV I 已有的瑞利散射和臭氧外，还包括大气分子、气溶胶、水汽等，避免了基于比值的植被指数的饱和问题。同时，根据大气气溶胶对Blue 和Red 散射程度的差异，采用“抗大气植被指数”进一步消除气溶胶对Red 波段的影响; 采用“土壤调节植被指数”原理减少土壤背景的影响。在合成算法方面, EV I 以数据质量为基础，优先选择晴天时传感器视角小的像元[ 20 ] 。其计算公式如下:
EV I = 2. 5 (ρ′N IR - ρ′Red) / (ρ′N IR + c1ρ′Red - c2ρ′Blue + L) (5) 式中ρ:′为经大气校正的各波段(NIR、R ed 和Blue) 的反射值;L = 1 为土壤调节参数;c1 和c2 分别为610 和715 , 描述通过Blue 波段修正大气对R ed 波段的影响。
MODIS- EVI 在算法方面的改进为遥感定量研究奠定了更好的基础。已有研究表明[ 21 ] , EVI 对特定气候带内植被不同季相的变化反应较NDVI 更为灵敏, 且在南亚热带和热带地区, EVI 与地表温度的线性关系明显高于NDVI。因此，本文用EVI 代替NDVI- Ts 特征空间中的NDVI 来构建EVI- Ts 特征空间。
2 数据获取与处理
女人怕冷本研究试验区位于华南的广西，地理坐标为东经104°28′～112°4′，北纬21°20′～26°25′。广西地处亚热带季风气候区，濒临海洋，年平均降水量为1 500～2 400 mm ，夏季降水约占全年的70 % ，降水时空分布极不均匀；加上太阳辐射强、气温高，土壤蒸发和作度、31和32 波段通道发射率等数据。其地表温度通过建立31 、32通道亮温线性组合的劈窗算法获取, 计算地表温度过程中需要的发射率根据MODIS 土地覆盖产品确定。对已知发射率的像素点地表温度的精度为1 K。M YD13A2 是16 d 合成空间分辨率为1 km 的植被指数产品，包含NDV I、E V I 、蓝光、红光、近红外、中红外等波段反射率以及其他辅助信息。M YD13A2 使用新的合成算法减小因观测角度和太阳—目标—传感器几何学因素
引起的变化。在生成植被指数格点资料时将应用分子散射、臭氧吸收、气溶胶订正算法，并采用BRDF 模式将观测量订正到天顶角[ 22 ] 。
利用NASA 提供的M RT 重投影软件, 分别从M YD11A2 和M YD13A2 产品中提取出白天地表温度Ts 和EV I 数据，坐标系统采用Albers 圆锥等面积投影; 应用最大值合成法将从M YD11A2 中提取的Ts 进行16 d 合成，使其时相与EV I 数据相匹配, 并提取出研究区每个EV I 值(精度01001) 对应的最高地表温度T Smax和最低地表温度T Smin 。
3 结果分析
3. 1 EV I - Ts 特征空间
利用获取的最高地表温度T Smax和最低地表温度T Sm in ，作不同时段的EVI- Ts 特征空间干边和湿边散点分布图(图1) 。在EVI- Ts 特征空间的干边上, T Smax的散点大致分为两部分:0 < EVI ≤012 和012 < EVI ≤1。当EVI > 012 时，随着EVI 增大T Smax递减，且EVI 与T Smax之间的线性关系非常显著；当EVI ≤012 时, T Smax 的散点明显偏离干边的主轴。在EVI - Ts 特征空间的湿边上,T Smin的散点也可分为两部分:0 < EVI ≤016 和016 < EVI ≤1。在0 < EVI ≤016 区间, T Smin散点分布的主轴与EVI 轴近似平行，这基本符合TVDI 的假设；而在016 < EVI ≤1区间，随着EVI 增大T Smin递增, 这与TVDI 的假设并不相符。因为只有研究区域的范围足够大，而且地表覆盖从裸土到稠密的植被，土壤
表层含水量从萎蔫含水量到田间持水量各种情况均
第3 期卢远等：利用MODI S 数据进行旱情动态监测研究第57 页
存在，才能出现TVDI 所假设的“三角形”形状[11 ] 。图1 不同时段的EV I - Ts 特征空间干边和湿边散点分布
Fig. 1 Scatter plot of bot h dry edge and w e t edge
in EVI- Ts space at every t ime interval
2006 年9 月中旬—11 月中旬, EV I - Ts 特征空间的干边和湿边形状都有所变化，干边和湿边的主轴逐渐下移，同时EV I 的季节性变化非常明显, EV I 的最大值从9 月中旬的01858 逐渐减小到11 月中旬的01674 , EV I - Ts 特征空间明显萎缩。
3. 2 干边和湿边方程
按照TVDI 原理，随着植被指数的增加，最高地表温度应逐渐降低，且与植被指数呈线性关系。但这是假定植被指数与植被覆盖度呈线性关系，实际情况并非如此。实验证明，当植被覆盖度小于15 %时，植被指数很难指示区域的植物覆盖程度[ 20 ] 。显然，在0 < EVI < 110 范围内，最高地表温度并
非完全呈直线递减，而最低地表温度亦并非平行于植被指数轴。因此，根据对EVI- Ts 特征空间的目视判读，选择012 < EVI < 110 区间最高地表温度的散点进行拟合，获得EVI- Ts 的干边方程；选择011 < EVI < 016 区间最低地表温度的散点进行拟合，获得湿边方程(表1) 。
表1 不同时段EV I - Ts 特征空间的干边和湿边回归分析
Table1 Re gression analysis of both dry e dge and w e t edge in EVI- Ts feature space
数据时段回归方程R2 SD P
2006 . 09 . 14 —09 . 29
2006 . 09 . 30 —10 . 15
2006 . 10 . 16 —10 . 31
2006 . 11 . 01 —11 . 16 3. 3 旱情等级分布干边:y = 315. 098 - 12 . 202x 0 . 7642 1 . 3628 < 0. 0001 湿边:y = 295. 703 - 2 . 319x 0 . 7011 1 . 9001 < 0. 0001 干边:y = 313. 188 - 11 . 374x 0 . 6844 1 . 4656 < 0. 0001 湿边:y = 292. 897 - 2 . 847x 0 . 7169 2 . 3998 < 0. 0001 干边:y = 312. 122 - 11 . 019x 0 . 6809 1 . 6575 < 0. 0001 湿边:y = 291. 219 + 0 . 719x 0 . 6682 2 . 0740 < 0. 0
001 干边:y = 312. 056 - 13 . 897x 0 . 8001 0 . 9246 < 0. 0001 湿边:y = 292. 484 + 0 . 542x 0 . 5889 1 . 8247 < 0. 0001
根据式(4) ，利用干边和湿边方程，分别计算不同时段的TVDI 值，并以TVDI 值作为旱情分级指标，将旱情划分为5 级，分别是湿润(0～012) 、正常(012～014) 、轻旱(014～016) 、中旱( 016～018) 、重旱(018～110) 。由此可得到2006 年9 月中旬—11 月中旬4 个时段16 d 的广西农业旱情分布(图2) 。由图2 可以看出,2006 年9 月中旬广西受旱地区主要分布在桂西南和桂北地区; 10 月后受旱范围扩展到整个桂中地区，同时桂西南地区旱情趋于加重;11 月后旱情蔓延至桂南地区，重旱主要分布于桂西南
和桂南地区，而桂北地区的旱情有所缓解。
为了更好地分析广西2006 年秋旱灾害发展的过程，笔者对旱情监测结果进行统计(表2) :2006 年9 月中旬中旱面积占全区总面积的32105 % ，重旱为4185 % ;11 月中旱面积比例达39137 % , 重旱达16163 %。本文遥感旱情监测结果与当时实际干旱情况基本相符。根据广西气候中心提供的信息，自2006 年8 月以来，广西降水量大部偏少，其中桂西南的南宁、崇左等17个市、县降水量为建站以来同期
图2 2006 年广西秋旱遥感监测分布
Fig. 2 The agric ult ural dr ought distribution monit ored by
remote nsing in Guangxi ,aut umn in 2006属牛男和什么属相最配
的最小值, 而桂中地区的柳州、来宾降水量不足1 mm 。截至11 月8 日，全区共有81 个县、市发生不同程度的干旱，其中，特旱9 个、重旱26 个、中旱28 个、轻旱18 个; 严重干旱区域主要分布在桂林、柳州、来宾、崇左、南宁、钦州。此后，受弱冷空气和西南暖湿气流影响，桂北地区普降小雨，局部旱情得到缓解，但桂南地区降雨量很小，旱情仍较重。
第58 页地理与地理信息科学第23 卷
表2 2006 年广西秋旱遥感监测统计数据( %) Table2 The statistics data of agricultural drought monitore d by remote nsing in Guangxi ,aut umn in 2006 [ 7 ] LIU W , K O G A N F N. Monitor ing r e giona l drought using the vege ta tion condition index[J ]. Int.J . of Re mote Sensing ,1996 ,17 :2761 - 2782. [ 8 ] GOETZ S J . Multinsor ana lysis of NDVI , surf ace temperature and
干旱等级湿润正常轻旱中旱重旱
2006 . 11 . 02 —11 . 16 1 . 89 15 . 39 26 . 59 39 . 37 16 . 63 4 结论
本文利用MODIS 地表温度和植被指数，通过构建EV I - Ts 特征空间，建立反映旱情的TVDI 评价指标，并利用TVDI 指标对2006 年9 月中旬—11 月中旬广西干旱分布进行评价，主要结论如下:1) 利用EV I 代替NDV I 构建EV I - Ts 特征空间，既改善了NDV I 的植被饱和、对大气影响的纠正不彻底等问题，也降低了土壤背景对植被指数的影响, EV I - Ts 特征空间更有利于华南地区的旱情监测与评估; 2) 华南地区多云天气过于密集，遥感数据获取比较困难，利用多时相的MODIS 合成数据对区域干旱过程进行动态监测和灾后评估，可以取得较好的干旱监测效果;3) 由于缺乏同步土壤水分监测资料，本文对温度植被指数法中干旱等级的划分仍带有一定的主观性，需要进一步探讨更客观的分级方法。
参考文献:
[ 1 ] 覃志豪，徐斌，李茂松，等. 我国主要农业气象灾害机理与监测研究进展[J ] . 自然灾害学报,2005 ,14 (2) :61 - 69 .
[ 2 ] 孙丽，陈焕伟，赵立军，等. 遥感监测旱情的研究进展[J ] . 农业环境科学学报,2004 ,23 (1) :202 - 206 .
[ 3 ] 刘志明，张柏，晏明，等. 土壤水分与干旱遥感研究的进展与趋势[J ] . 地球科学进展,2003 ,18 (4) :576 - 583 .
[4 ] 余涛, 田国良. 热惯量法在监测土壤表层水分变化中的研究
[J ] . 遥感学报,1997 ,1 (1) :24 - 31 .
低碳城市[ 5 ] 申广荣, 田国良. 基于GIS 的黄淮海平原旱灾遥感监测研究[J ] . 农业工程学报,1999 ,15 (1) :188 - 191 .
[ 6 ]冯强，田国良，王昂生，等. 基于植被状态指数的土壤湿度遥感方法研究[J ] . 自然灾害学报,2004 ,13 (3) :81 - 88 .
biophysical variables at a mixed grassland site[J ] . Int . J . of Remote Sensing ,1997 ,18 (15) :7l - 94 .
[ 9 ] PRICE J C. Using spatial context in satellite data to inf er regional scale evapotransportation [ J ] . IEEE Transactions on Geoscience and Remote Sensing ,1990 ,28 :940 - 948 .
[ 10 ] CARLSON T N , GILL IE R R , PERR Y E M. A method to make u of thermal infrared temperature and NDVI measurements to
infer surface soil water content and f ractional vegetation cover
[J ] . Remote Sensing Rev. ,1994 ,9 :161 - 173 .
[ 11 ] SANDHOL T I , RA SMUSSEN K , ANDERSEN J . A simple in2 terpret ation of the surf ace temperature/ vegetation index space f or asssment of surf ace moisture status[J ] . Remote Sensing Envi2 ronment ,2002 ,79 (2) :213 - 224 .
[ 12 ] MORAN M S ,CLAR KE T R , INOU E Y ,et al. Estimating crop water def icit using the relation between surface - air tem perature and spectral vegetation index [J ] . Remote Sensing of Environ2 ment ,1994 ,49 :246 - 263 .
[ 13 ]GOWARD S N , XU E Y , CZA J KOWSKI K P. Evaluating land surf ace moisture conditions f rom the remotely nd tempera2 ture/ vegetation index measurement : A exploration with the sim
2 plif ied biosphere mode l [J ] . Remote Sensing Environment ,2002 ,
79 (2) :2225 - 2421 .
[ 14 ] 王鹏新，龚健雅，李小文. 条件植被温度指数及其在干旱监测中的应用[J ]. 武汉大学学报(信息科学版),2001 ,26 (5) :412 - 418. [ 15 ] 宋小宁，赵英时. 应用MODI S 卫星数据提取植被—温度—水分综合指数的研究[J ]. 地理与地理信息科学,2004 ,20 (2) :13 - 17. [ 16 ] 齐述华，王长耀，牛铮. 利用温度植被旱情指数( TVNI) 进行全国旱情监测研究[J ] . 遥感学报,2003 ,7 (5) :420 - 427 .
[ 17 ] 齐述华，李贵才，王长耀. 利用MODIS 数据产品进行全国干旱监测的研究[J ] . 水科学进展,2005 ,16 (1) :56 - 61 .
[ 18 ] 谭德宝，刘良明，鄢俊洁，等. MODIS 数据的干旱监测模型研究[J ] . 长江科学院院报,2004 ,21 (3) :11 - 15 .
[ 19 ]覃志豪，高懋芳，秦晓敏，等. 农业旱灾监测中的地表温度遥感反演方法———以MODIS 数据为例[ J ] . 自然灾害学报, 2005 ,
14 (4) :64 - 71 .
3匹空调一小时多少度电
[ 20 ] 王正兴, 刘闯, HU ETE A. 植被指数研究进展: 从AVHRR - NDVI 到MODIS - EVI[J ] . 生态学报,2003 ,23 (5) :979 - 987 .
[21 ] 王正兴, 刘闯, 陈文波, 等. MODIS 增强型植被指数EVI 与
NDVI 初步比较[ J ] . 武汉大学学报( 信息科学版) , 2006 , 31
(5) :407 - 410 .
[ 22 ] 刘玉洁，杨忠东. MODIS 遥感信息处理原理与算法[ M ] . 北京: 科学出版社,2001 .
Dynamic Drought Monitoring Using MODIS Product
LU Yuan1 ,2 , HUA Cui2 ,WEI Yan - fei2
( 1 . Institute of Mounta in Hazards and Environment , Chine Academy of Sciences , C hengdu 610041 ; 2 .
Faculty of Resources and Environmental Sciences , Guangxi Teachers College , N anning 530001 , China)
Abstract : The MODI S Enhanced Vegetation Index ( EV I) has obviously improved its linearity with vegetation in different cover ,it is better to indicate the characteristics of vegetation cover. In this paper ,the MODI S land surface temperature product (M YD11A2) and vegetation index ( M YD13A2) product were ud to establish EV I - Ts space. A simplified Temperature Vegetation Dryness Index ( TVDI) from EV I - Ts space was prented to evaluate agriculture drought in Guangxi ,located in southern China ,from the middle ten days of September to the middle ten days of November in 2006. Bad on the information of TVDI , the agricultural drought in Gu ang xi was analyzed. It was found that the TVDI from the EV I - Ts space can effectively indicate the spatial distribution and tempo2 ral evolution of drought ,and the area of drought in Guangxi was evidently increasing durin g the middle ten days of September to the middle ten days of November in 2006.
K ey words : MODI S ;enhanced vegetation index ;land surface temperature ;temperature vegetation dryness i ndex
2006 . 09 . 14 —09 . 29 2. 85 16. 17 43 . 58 32. 05 4. 85 2006 . 09 . 30 —10 . 15 1. 36 9. 85 32 . 42 37. 51 12. 33 2006 . 10 . 16 —11 . 01 1. 68 10. 03 33 . 88 38. 63 13. 55
