基于VSWI法的云南省土壤水分反演研究

曹 言，王 杰，李竹芬，劉永宇，張 雷，戚 娜

(1.云南省水利水電科學研究院，昆明 650228；2.河海大學，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象，當供水不能滿足需水時，就表現為干旱[1]。隨著全球氣候變暖，我國干旱災害爆發越來越頻繁，且呈現出干旱強度大、影響范圍廣、持續時間長的特點[2,3]。2010年春季，西南五省發生嚴重干旱，有些地區甚至出現了特旱，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出現了100年一遇干旱[4]。2014年全國12省區遭遇嚴重大旱，居民生活用水遇到困難，農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突出，監測和預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。

云南省氣象災害呈現種類多、頻率高、分布廣、區域性突出等特點，其中旱災影響范圍最廣[6]。干旱研究的關鍵在于對土壤含水量的監測[7]，傳統的土壤墑情監測方法只是基于站點監測，但其數量有限，且大范圍的旱情監測和評估缺乏時效性和代表性[8]。近年來，MODIS和TM等高分辨率數據被廣泛應用于土壤水分信息的提取[9]，其能夠及時、準確的監測農田農作物生長狀況反映的干旱信息及土壤水分狀況，可以彌補傳統監測成本高、空間分辨率低和觀測滯后的缺點，對于提高水利抗旱減災日常業務具有重要的意義[10]。目前基于遙感數據監測干旱和土壤水分的方法有：歸一化植被指數NDVI[11]、植被條件指數VCI、表觀熱慣量ATI[12]、植被干旱指數TVDI[13]、作物缺水指數CWSI[14]、植被供水指數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MODIS遙感數據計算冠層表面溫度和植被指數，構建云南省植被供水指數VSWI反演模型，結合地面土壤墑情站的實測數據，進行土壤表層不同深度的土壤含水量與VSWI的相關性分析，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變化特征，不僅為云南省土壤水分的動態監測提供科學依據，同時也為農業旱情的定量監測提供一定的參考。

1 研究區概況

云南地勢呈現西北高東南低的趨勢，地形地貌復雜多樣，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%；空間上呈現南多北少，西多東少，山區大，平壩和河谷少的特點。

2 數據及研究方法

2.1 數據源

(1)MODIS數據。選取MODIS數據產品的MOD11A2數據(地表溫度產品)和MOD13A3數據(植被指數產品)。其中，MOD11A2數據時間分辨率為8 d，空間分辨率為1 km，MOD13A3數據時間分辨率為30 d，空間分辨率為1 km。MOD11A2和MOD13A3數據序列為2008年1月1日至2012年12月31日。

(2)土壤水分觀測數據。土壤含水量數據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據(見圖1)，數據序列為2008-2012年月觀測數據，并對觀測數據進行統計分析和質量控制。

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)數據預處理。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的地表溫度產品MOD11A2數據合成1個月的地表溫度數據，空間分辨率為1 km。

(2)歸一化植被指數NDVI和增強植被指數EVI。植被指數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NDVI和增強型植被指數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，G=2.5，G1=6，G2=7.5，L=1。

(3)植被供水指數法VSWI。植被供水指數是以遙感數據處理計算得到的冠層表面溫度和植被指數作為因子，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EVI，探究其與土壤含水量的關系，進而為反演模型的確定提供依據。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；EVI為增強型植被指數；VSWI為植被供水指數。

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 結果與分析

3.1 基于MODIS數據的云南土壤墑情反演模型構建與驗證

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[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據(土壤重量含水量)和不同地區田間持水量，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數據進行相關分析，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VSWI的對比驗證Fig.2 The comparison validation of the relative soil moisture and VSWI

由統計圖2可以看出，植被供水指數VSWI與土壤表層相對含水量之間表現出顯著的相關性，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，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系可以發現，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，且呈極顯著關系，一方面由于該月份降水相對適中，MODIS遙感數據質量較好，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小，其平均值波動最小，因此顯著的相關性最強；在6-9月VSWI與不同深度土壤相對含水量基本上表現為無顯著關系，其主要由于該時間段內降水最多，天氣原因導致MODIS遙感數據質量偏差，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出顯著性較強，該時間段內雖處于旱季(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，均表現為極顯著相關性，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，大部分表現為顯著相關性。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與降水的響應關系

選取東風站、黃家坡站、老城梁子站、橋頭站、三棵樹站和盈江站，根據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關系(見圖3)。

由圖3可以看出，VSWIN與土壤平均相對含水量呈現出相反的變化趨勢，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，但其表現有一定的滯后性，大概滯后1個月左右。VSWIN最大值出現在春季(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的影響，導致此時土壤相對含水量最低，VSWIN值最大；VSWIN最小值則出現在降水最多的夏季(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能夠較為準確的反映土壤水分變化趨勢。

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

3.2 基于MODIS數據的云南土壤墑情年變化

根據地表溫度TS和植被指數NDVI數據，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出波動降低的趨勢，其中土壤相對含水量為50%～60%的地區范圍呈增加趨勢，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，滇中地區東北部和東部、滇東北區南部、滇東南區西部土壤年平均相對含水量較低，而滇西南區、滇西北區、滇東北北部和滇東南東部地區土壤年平均相對含水量較高，整體呈現出中部低，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數據的云南土壤墑情季節分布

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降低的趨勢，具體表現為夏秋兩季高，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 語

本研究采用2008-2012年MODIS遙感數據和云南省23個土壤墑情站的土壤含水量數據，構建植被供水指數VSWI模型對云南省土壤水分進行了動態反演，結果表明：①通過開展植被供水指數法VSWI與土壤墑情站點實測值的相關性分析，發現VSWI與土壤表層不同深度土壤相對含水量呈負相關，VSWI與40 cm處土壤相對含水量相關性最為顯著，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測。②VSWIN能夠有效的捕捉到降水事件的影響，準確的反映土壤水分的變化趨勢，其中VSWIN最大值出現在春季(3-5月)，VSWIN最小值出現在降水最多的夏季(7月或8月)。③通過植被供水指數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，在季節上表現出夏秋兩季高，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出中部低，四周高的趨勢，其中滇西南區和滇西北區土壤平均相對含水量較高，滇中地區、滇東北區南部、滇東南區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遙感數據，構建植被供水指數模型VSWI反演土壤含水量，并對其進行動態監測，雖然具有較好的監測精度，但由于云南省土壤墑情站建設存在滯后性，目前站點數量較少，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，而現有土壤墑情數據序列短、缺測和異常值較多等狀況也較為明顯，從而導致反演模型精度下降，今后隨著土壤墑情數據的不斷豐富，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，以便更好地監測土壤水分的動態變化，為農業旱情的定量監測提供一定的參考。

□

[1] 成福云.旱災及抗旱減災對策探討[J].中國農村水利水電,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省區遭遇嚴重干旱[Z].新聞1+1，2014-08-01.

[6] 解明恩,程建剛.云南氣象災害特征及成因分析[J].地理科學,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的寧夏2000-2010年旱情變化特征[J].農業工程學報,2015,31(14):209-216.

[8] 馬建威,黃詩峰,胡健偉,等.基于MODIS數據的山東省土壤墑情遙感動態監測與分析[J].水文,2013,33(3):29-42.

[9] 汝博文,繳錫云,王耀飛,等.基于MODIS數據的土壤水分空間變異規律[J].中國農村水利水電，2016,(4):38-42.

[10] 李 喆,譚德寶,張 穗.遙感干旱監測在抗旱減災應用中的若干思考[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 婧,閔錦忠,等.基于溫度植被干旱指數的江蘇淮北地區農業干旱監測[J].農業工程學報,2014,30(7):163-172.

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

[15] 王建傅,王蕾彬.基于植被供水指數的山東省2013年春季旱情監測[J].山東農業科學,2015,47(7):111-116.

[16] 肖國杰,李國春,趙麗華,等.植被供水指數法在遼西干旱監測中的應用[J].農業網絡信息,2006,(4):106-107.

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

[18] 楊麗萍,楊曉華,張存厚.植被供水指數發在內蒙古干旱監測中的應用[J].內蒙古農業科技,2008,(1):58-59.

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

[20] 王密俠,馬成軍.農業干旱指標研究與進展[J].干旱地區農業研究,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].節水灌溉,2016,(5):97-101.