荒漠绿洲区干旱遥感监测指数的对比分析

岳胜如，徐振鑫，杨明豪，彭海峰，孟福军

（塔里木大学水利与建筑工程学院，新疆 阿拉尔 843300）

南疆深入亚欧大陆腹地，该区域脆弱的生态环境对全球气候变化的响应非常敏感［1，2］。随着经济社会发展，南疆三地州现有耕地已无法满足人口快速增长的需要，绿洲周边荒漠被大量垦荒，而耕地面积的增加使得水资源紧张，绿洲生态环境显著恶化，主要表现为沙漠化、土壤贫瘠化、草地退化、水土流失、荒漠绿洲区交错带生态环境系统功能退化［3-5］，水资源短缺已成为制约该区域农业生产的重要因素。土壤相对湿度是评价荒漠绿洲区干旱状况的重要指标，准确、快速获取土壤相对湿度数据对该区域水资源调配、灌溉定额的确定、生态环境评价具有重要意义［6］。

遥感技术具有客观、快速、动态等优点，已经成为区域干旱监测的主要手段，国内外学者对此开展了大量的研究［7-12］。近年来，各国学者在植被指数的基础上，提出了一些简单可行的干旱指数，并进行应用性评价。Shahabfar 等［13，14］基于 MODIS 数据，对伊朗和亚洲中部及西南部旱情状况进行了监测，对亚洲中部及西南部水文进行重新划分，分析了PDI在旱情监测中的可行性。Zormand 等［15］分析比较了PDI、MPDI 的优劣势，指出各自的优缺点和适用性。程宇等［16］以怀来试验场玉米为研究对象，热惯量模型为基础，引入归一化植被指数（NDVI），探讨了不同植被覆盖下土壤含水量反演模型的可行性。刁万英等［17］采用光谱仪法、积分球法和图像法，在实测表层含水量的基础上，分析比较了3 种方法在不同土质下的适用性，结果表明，采用人工神经网络方法可以提高土壤相对湿度的监测精度。王莺等［18］利用甘肃省河东地区气象站观测的不同土壤深度相对湿度资料，对比分析了7 种典型干旱指数对研究区的适用性，结果表明不同的干旱指数在不同季节表现出不同的适用性。刘英等［19］基于MODIS 数据集，构建 NIR-Red 特征空间 ，对比 PDI、MPDI、SMMI、MSMMI 在关中平原的适用性，结果表明4 种干旱指数均与0～10 cm 土壤相对湿度呈负相关，干旱指数SMMI 略优于其他 3 种指数。李海霞等［20］以新疆为研究区，分析比较了NDVI-Ts 和EVI-Ts 在新疆不同地区的适用性，结果发现EVI-Ts 更适合于监测5月、6 月农业旱情情况，陆地地表温度较植被指数更能反映旱情状况。

新疆人工绿洲面积只占全疆面积的3.8%，但全疆大部分人口聚集于此［21］，快速准确地获取绿洲及周边区域的干旱现状，对有限水资源的合理分配，促进绿洲农业和生态环境的健康持续发展至关重要。针对荒漠绿洲区土地利用特点，在开展干旱遥感监测过程中应该充分考虑大气-植被-土壤的相互作用，多种指数配合使用，确定适合荒漠绿洲区的干旱遥感监测指数是十分必要的。

1 材料与方法

1.1 研究区概况

研究区位于塔里木盆地北部，塔克拉玛干沙漠边缘（阿拉尔市十四团），属于塔里木河谷平原，是古丝绸之路的重要通道。整体地势平坦，平均海拔1 000 m 左右，常年日照充足，年均降雨量47 mm，气候干燥，昼夜温差大。主要土地利用类型为耕地（主要种植棉花、枣树）、荒漠等。

1.2 数据来源

Landsat 8 OLI/TIRS 影像数据取自美国地质调查局（USGS），过境日期为 2019 年 7 月 21 日，利用遥感数据处理软件ENVI 对影像进行几何校正、大气校正、辐射定标、裁剪等预处理。同步采集野外土壤0～10、0～20、0～30 cm 相对湿度数据（每个采样点设置3 个重复，取平均值作为该点相对湿度数据），使用手持GPS 记录采样点坐标信息。

1.3 植被指数

1.3.1 归一化水分指数 归一化水分指数（NDWI）是 1996 年 Gao［22］提出的，该指数利用近红外和短波红外波段来反演植被水分含量，而植被水分含量与土壤湿度有密切的关系，在干旱监测中该方法已得到了应用［23］。

式中，Rnir为近红外波段反射率；Rswir为短波红外波段反射率。

1.3.2 植被供水指数 土壤湿度低植被生长将受到水分胁迫，NDVI值会降低，另外由于水分不足，叶片气孔关闭，植被蒸腾作用降低，冠层温度升高。利用NDVI 和 下 垫 面 温 度（Ts）［24］建 立 植 被 供 水 指 数（VSWI）可以反映植被生长季干旱状况［8］。

式中，VSWI大，则植被蒸腾作用强，土壤湿度大；反之，土壤湿度低。

1.3.3 温度植被干旱指数 温度植被干旱指数（TVDI）是由Ts和NDVI计算得到。

式中，Tsmin=c+d×NDVI，Tsmin为某一 NDVI 相对应的下垫面温度最小值，对应为湿边，c、d是湿边方程的系数；Tsmax=a+b×NDVI，Tsmax为某一 NDVI 相对应的下垫面温度最大值，对应为干边，a、b是干边方程的系数。

1.3.4 改进型能量指数 土壤湿度越低，其释放的长波辐射越强，则下垫面温度越高；反之，则下垫面温度越低。这个过程可以用能量指数来表达［25］。

式中，ρ2为 EOS 卫星的第 2 通道反射率；T31为 31通道亮温。可以用Ts代替T31，进而获得改进型能量指数MEI［26］。

1.4 相关性分析

采用相关性分析方法，分析各干旱指数在研究区的适用性。

式中，n为样点个数，xi为采样点各土层相对湿度，yi为某像元干旱遥感监测指数为采样点各土层相对湿度平均值为各像元干旱遥感监测指数平均值。相关性分析借助Origin 和SPSS 软件进行。

2 结果与分析

2.1 土地利用现状

利用 Landsat 8 NDVI 数据，结合 NDVI 取值、图像纹理信息，对研究区土地利用类型进行分类，NDVI 取值-1.0～0 为水域，0～0.2 为荒地，0.2～1.0 为耕地，分类结果如图1 所示。研究区耕地沿塔里木河两岸线状分布，为典型的干旱区线状绿洲。研究区不同土地利用类型面积统计结果如表1 所示。

图1 研究区土地利用现状

表1 研究区土地利用面积统计结果

由图1和表1可知，研究区水域面积为2.009 km2，占总面积的1.4%，主要为塔里木河干流以及零星分布的池塘。耕地面积61.477 km2，平均NDVI 值为0.60，占总面积的44.2%，沿塔里木河两岸分布，主要种植棉花和枣树（包含一部分林带等）。荒漠分布在研究区边缘，平均NDVI 值为0.13，占总面积的54.4%。可知研究区不同土地利用类型，其NDVI 值差异明显。

2.2 土壤相对湿度统计特征

研究区设置采样点共计67 个（每个采样点含3个重复），其中棉田10 个，枣地 18 个，荒漠 39 个，不同土层相对湿度统计特征如表2 所示。土壤湿度极小值枣地＞棉田＞荒漠，极大值枣地＞棉田和荒漠，均值枣地＞棉田和荒漠。枣地土壤相对湿度最高，棉田和荒漠平均相对湿度没有显著差异，但荒漠土壤相对湿度的极大值与极小值差异显著。

表2 土壤相对湿度统计特征

变异系数是衡量观测值变异程度的统计量。通常可以认为＞100%为强变异，10%～100%为中等变异，≤10%为弱变异［27］。不同土地利用类型下土壤相对湿度变异系数棉田＞荒漠＞枣地；不同土层变异系数 0～10 cm＞0～20 cm＞0～30 cm，且均呈中等变异性。

2.3 干旱遥感监测指数适用性分析

将各采样点不同土层土壤相对湿度观测值与对应像元 4 种干旱遥感监测指数（NDWI、VSWI、TVDI、MEI）数值做相关性分析（表3）。

表3 4 种干旱遥感监测指数与土壤相对湿度的相关系数

不同土地利用类型下，4 种干旱遥感监测指数与不同土层深度土壤相对湿度相关系数绝对值大小大多表现为 0～10 cm＞0～20 cm＞0～30 cm，即干旱遥感监测指数对0～10 cm 土层土壤相对湿度监测效果更佳。4 种干旱遥感监测指数与棉田各土层土壤相对湿度相关系数均未通过0.05 水平上的显著性检验，且与NDWI、VSWI、TVDI、MEI呈负相关，这与前人研究结果不同［18，28-30］。可能的原因有棉田采样点较少，代表性不足；干旱是一种渐进和累积的过程，过程缓慢且不易察觉，当土壤相对湿度降低，植被生长受水分胁迫时，短时间内植被长势不会显著变化，而当前植被长势是前期一段时间各种因素综合影响的结果；与此同时，农业是自然和人类活动共同作用的结果，特别是在荒漠绿洲，人类活动基本决定了植被生长，导致农作区干旱监测面临较大的困难［31］。棉田干旱监测需进一步研究，在将来的工作中，应增加土壤相对湿度观测点数量和扩大空间分布范围，使其更具代表性；采样时间节点应避开灌水前后，土壤水分状态应相对平衡，且对植被生长的影响得以展现；同时还应考虑植被生长阶段、土壤、大气等因素。

4 种干旱遥感监测指数与枣地各土层土壤相对湿度相关系数均未通过0.05 水平上的显著性检验，且相关系数绝对值较小，在研究区4 种干旱指数对枣地干旱监测适用性较差。原因可能是采样点较少，代表性不足；由各土层土壤相对湿度均值相差很小可知，采样枣地可能在灌水后不久，水分对枣树的长势影响并未显现；枣树为多年生鼠李科枣属果树，从定植到树冠初步形成，短的在3～5 年，长的7～10年，应考虑其树龄和品种；枣树根系较深，深层土壤相对湿度对长势影响更加密切，需做进一步研究。

研究区荒漠植被覆盖均一，受人类活动较少，采样点地势平坦，减少地形对相对湿度观测值影响，研究结果表现出比较强的规律性，这与前人研究结果基本一致［18，28-30］。荒漠区不同土层深度土壤相对湿度与4 种干旱遥感监测指数相关系数绝对值为0～10 cm＞0～20 cm＞0～30 cm。相关系数绝对值NDWI＞MEI＞TVDI＞VSWI，且均通过0.05 水平上的显著性检验，说明4 种干旱遥感监测指数均可以反映荒漠土壤相对湿度的空间变化特征。

由植被、土壤的光谱特征可知，植被冠层液态水对近红外波段、短波红外波段的吸收能力很弱，为植被冠层的高反射区，利用植被冠层在近红外和短波红外的光谱特征可以灵敏地反映植被冠层含水量，而冠层含水量与土壤相对湿度关系密切。由表2、表3 可知，NDWI 对不同植被覆盖程度的荒漠土壤湿度信息表现出较强的层次感，正确反映了土壤相对湿度的差异［32］。干旱遥感监测指数MEI 由近红外波段反射率及下垫面温度决定。在裸地区近红外波段反射率很小，近红外波段反射率随着植被覆盖增加而增加，土壤相对湿度是影响反射率的主要因素，通过陆地表面温度不能直接反映土壤湿度，但在植被覆盖相同的情况下，可以间接反映［33］，结合研究区分析结果（表3），MEI 在荒漠干旱监测中是可行的。干旱遥感监测指数VSWI 适用于植被覆盖度高的区域，在研究区荒漠干旱监测中效果低于NDWI和 MEI 2 种指数［34］。对干旱遥感监测指数 TVDI 进行干湿边拟合，干边拟合方程R2为0.921，湿边拟合方程R2为0.007。研究区荒地平均NDVI 值为0.13，而当NDVI 低于0.15 时对植被覆盖识别能力下降，可能是造成湿边R2较低的原因之一，即TVDI 在干旱监测中的精度受到影响。

2.4 荒地旱情空间分布特征

考虑到不同的干旱遥感监测指数对耕地监测效果不理想，有待进一步研究，故只分析研究区荒漠旱情状况。选择与土壤相对湿度相关系数绝对值较大的NDWI 和MEI 为代表分析研究区旱情空间分布特征（图 2）。由图 2 可以看出，NDWI 和 MEI 干旱遥感监测指数对研究区监测结果基本一致。2019 年7 月下旬研究区干旱遥感监测指数较高（不受旱情影响或影响较小）区域主要分布在塔里木河沿岸及绿洲与荒漠、戈壁的过渡带，植被覆盖较好，受旱情影响较小，而远离塔里木河的荒漠、戈壁土壤相对湿度较低，旱情严重，这与前人研究成果基本一致［35］。

图2 NDWI和MEI指数干旱监测结果

3 小结与讨论

3.1 小结

以塔里木河流域人工绿洲为研究区，基于Landsat 8 数据采用4 种不同的干旱遥感监测指数在不同土地利用类型下对其应用性和有效性进行评价。从4 种干旱遥感监测指数与土壤相对湿度相关性来看，受采样点选择、植物生长、人类活动的共同影响，4 种指数在棉田、枣地的监测效果不佳，需进一步深入研究。在荒漠区域，4 种指数监测0～10 cm 深土壤相对湿度效果优于0～20 cm、0～30 cm。4 种指数与0～10 cm、0～20 cm、0～30 cm 深土壤相对湿度相关系数均通过0.05 水平的显著性检验，说明4 种指数在研究区荒漠区域干旱监测是可行的。NDWI、MEI 的监测效果优于VSWI 和TVDI。空间上，NDWI 和MEI 应用分析结果基本一致。荒漠区域旱情分布特征受水资源分布和人类活动影响显著，土壤湿度较高区域主要分布在塔里木河两岸、农田周边。

3.2 讨论

农业干旱是荒漠绿洲区经济发展、生态环境保护重要影响因素之一，受自然条件和人类活动的影响，成因复杂，要考虑气候和地形条件、植被类型、植物对干旱的耐受性以及周边环境对干旱的耦合影响［31］。另外地面采样点与遥感影像空间分辨率不匹配，以点带面则误差难以避免。对于农田而言，还需考虑当地的灌溉制度、灌溉定额、土壤类型等因素。针对荒漠绿洲区复杂状况，集成多种干旱遥感监测指数的精细化监测模型将是未来的主流发展方向［36，37］。