基于遥感技术的运城盆地干旱监测应用研究

张维娜

(山西省测绘资料档案馆,山西太原 030002)

基于遥感技术的运城盆地干旱监测应用研究

张维娜

(山西省测绘资料档案馆,山西太原 030002)

选取 TVD I作为对运城地区三个县进行干旱监测的模型,然后重点对其中涉及的地表温度(Ts)和植被指数(NDV I)等参数做详细描述,最后,经过与实测墒情的对比,证明此方法是完全可行的,得出的实际旱情等级分布图可用于农业生产中。

遥感;干旱监测;TVD1模型

一、引 言

干旱作为一种自然灾害对农业生产的影响很大,及时发现干旱并准确预报旱情发展动态,对抗旱减灾至关重要。传统的干旱监测是用点上的数据来监测干旱的程度及范围,其中应用最多的是气象数据,但是不可能实现大范围的精确监测。

遥感技术具有客观、宏观、快速、经济等常规手段不具备的优势,可以实现对旱情的大范围、实时、动态监测。因此遥感监测为传统的干旱监测开辟了新的途径,这对传统的以稀疏散点为基础的对地观测手段是一场革命性的变化[1]。

土壤湿度是旱情指标之一。通过土壤含水量的估测可以评价旱情等级。土壤湿度的遥感监测方法是通过测量土壤表面发射和反射的电磁能量。国内外为研究土壤含水量所涉及的遥感波段很宽,从可见光、近红外、热红外到微波都有一定的研究。近年来,随着可获取的多源遥感数据 (NOAA/AV HRR、Landsat T M、MOD IS)不断增加,监测方法的研究有了较大的进展,主要有热惯量法、植被缺水指数法、距平植被指数法、温度植被干旱指数、微波遥感方法等。其中,结合植被指数和地表温度研究区域地表水分状况是比较常用的一种。具有代表性的是 Sandholt等[2]基于植被指数和地表温度的关系提出的温度植被干旱指数 (temperature-vegetation dryness index,TVD I)。

本文拟采取 TVD I模型对山西运城盆地农业区作一次干旱监测应用研究。

二、研究区域概况

运城市位于山西省西南部,晋、陕、豫三省交界处,全市辖 1区 2市 10县。运城市地势平坦,气候温和,土壤肥沃,光照充足,是传统的农业大区。年平均降雨量 525 mm,日照 2 350 h,气温 13℃,无霜期 212 d,农业生产条件较为优越。因此,对该区进行农业干旱监测十分必要。本次研究区为运城市下辖的临猗、永济、芮城三县。

三、研究方法

1.数据获取与处理

本文采用的数据源为 2007年 9月 22日的Landsat T M影像,轨道号 126,行号 36,辅助数据包括基础地理信息数据和模型计算用到的各项气象统计数据。图像预处理在 ENV I软件中完成,几何校正以 1∶5万地形图为准,精度控制在 1个像元以内。

2.TVD I模型的建立

土壤湿度作为干旱的指标之一,是气候、水文、生态、农业等领域的主要参数。它在地表与大气界面的水分和能量交换中起重要作用。归一化植被指数(NDV I)提供了绿色植被的生长状况和覆盖度信息,而地表温度(Ts)反映了土壤湿度状况,二者的结合使信息互补,用于区域土壤湿度监测。国内外学者研究了各种空间尺度和时间分辨率的地表温度和植被指数的关系,发现 Ts和NDV I之间存在明显的负相关关系。从理论的角度来看,对于水分条件良好的地表,地表温度和 NDV I的关系与地表土壤水分 (土壤水分增加可以加大土壤的热惯量)更为直接相关,而不是作为对潜在热能的限制性控制。相关研究表明,以NDV I和 Ts为横纵坐标的散点图呈三角形。Sandholt等基于上述关系,提出了温度植被干旱指数 (TVD I)的概念。TVD I由植被指数和表面温度计算得到,只依靠图像数据。TVD I的定义为

式中,TS为陆地表面温度;TSmin为特征空间中最小的地表温度,定义了相应的湿边;NDVI为归一化植被指数值;a和 b分别为定义干边的线性拟合方程(TSmax=a+bNDVI)中的参数;TSmax为给定 NDV I值下的最大地表温度。

(1)植被指数的计算

植被指数 (vegetation index,V I)是遥感监测地面植被生长状况的一个指数,它是由卫星传感器可见光和近红外通道探测数据的线性或非线性组合形成的,可以较好地反映地表绿色植被的生长和分布状况。归一化植被指数(NDV I)是目前应用最广的一种植被指数,由于 NDV I可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件相关辐照度的变化的影响,增强了对植被的响应能力,因此它是植被生长状态及植被覆盖度的最佳指示因子。NDV I的定义为式中,ρNIR、ρR分别表示传感器的近红外波段与红波段的地面反射率值。

本试验中,在进行NDV I计算之前首先在 ENV I软件的 FLAASH模块中对 T M影像进行了大气校正。

(2)地表温度的求解

本次研究选用的影像为 T M,因此地表温度的反演算法选择单窗算法。文献[3-4]通过引进大气平均温度的概念,提出根据 T M6获取地表温度的单窗算法,公式如下

式中

其中,如果影像亮温范围在 273～343 K,a= -67.355 351,b=0.458 606;影像亮温范围在 273～303 K,a=-60.326 3,b=0.434 36;影像亮温范围在 293～323 K,a=-67.954 2,b=0.459 87。ε是地表比辐射率;τ是大气透射率;Tb是 6波段像元亮度温度(单位为 K);C和 D为参数;Ta为大气平均作用温度。

该算法的优点在于仅需要三个基本参数：地表比辐射率、大气透过率和大气平均作用温度。地表比辐射率直接与地表构成有关。大气透过率和大气平均作用温度可以根据近地面的水汽含量和平均气温来估计。在大多数情况下,各地方气象观测站均有对应于卫星过境时大气要素的相对实时观测数据。

①Landsat T M地表亮度温度的求算

通常Landsat T M数据是以灰度值(DN值)来表示,DN值在 0和 255之间,数值越大,亮度越大。对于 T M6,亮度越大,表示地表热辐射强度越大,温度越高,反之亦然。从 T M6数据中求算亮度温度的过程包括把DN值转化为相应的热辐射强度值,然后根据热辐射强度推算所对应的地表辐射温度。

陆地卫星传感器 T M在设计时就考虑到如何将所接收到的辐射强度转化为相对应的DN值问题。因此,对于 T M数据,所接收到的辐射强度与其 DN值存在如下关系

式中,Lb为 T M遥感器接收到的辐射强度 (W·m-2· Sr-1·μm-1);Qmax为最大的 DN值,即 Qmax=255, QDN为 T M数据的像元灰度值;Lmax和 Lmin为 T M遥感器所接收到的最大和最小辐射强度,即相对应于QDN=255和 QDN=0时的最大和最小辐射强度。对于Landsat 5号星,传感器热波段 T M6的中心波长为 11.475μm。发射前预设 T M6的常量为:当 Lmax=0.123 8时,QDN=0;当 Lmax=1.56时,QDN=255。因此式(6)的热辐射与灰度值之间的关系可进一步简化为

然后通过辐射亮度 (Lb)推算地表相对温度,即亮度温度。其方程式为

式中,Tb为 T M6的像元亮度温度 (K);K1和 K2为发射前预设的常量;对于Landsat 5的 T M数据,K1= 60.776(W·m-2·Sr-1·μm-1),K2=1 260.56 K。

②大气透射率的确定

大气透射率对地表热辐射在大气中的传导有非常重要的影响,是地表温度遥感的基本参数。无论单窗算法还是劈窗算法,都需要较精确的大气透射率估计。

研究表明,大气透射率的变化主要取决于大气水分含量的动态变化,其他因素因其动态变化不大而对大气透射率的变化没有显著影响,因此,大气水分含量就成为大气透射率估计的主要考虑因素。当水分含量在 0.4～3.0 g/cm2变动区间时,大气透射率的估计方程如表 1所示。

表1 大气透射率估计方程

③大气平均作用温度的确定

大气平均作用温度主要取决于大气剖面气温分布和大气状态。由于卫星飞过研究区上空的时间很短,一般情况下很难实施实时大气剖面数据和大气状态的直接观测。为此我们直接利用文献[3-4]总结出的大气平均作用温度 Ta的估计方程。

中纬度夏季平均大气作用温度

中纬度冬季平均大气作用温度

其中,T0为近地面 (一般为 2 m处)的气温,T0和 Ta的单位均为 K。这些关系式表明,在标准大气状态下(天空晴朗、没有涡旋作用),大气平均作用温度是地面附近气温的线性函数。因此,在没有实时大气探空资料的情况下,也可以用这些关系式近似地推算 Ta。

④地表比辐射率的确定

地表比辐射率 (land surface emissivity,LSE)是地面温度反演中的一个关键参量,它是表面热能转换成辐射能量的内在的有效度量器。不同的地物具有不一样的发射率,它不仅依赖于地表物体的组成成分,而且与物体的表面状态(表面粗糙度等)及物理性质(介电常数、含水量、温度等)有关,并会随着所测定的辐射能的波长、观测角度等条件的变化而变化。

热红外遥感是目前唯一可以进行大面积区域甚至全球的地面温度反演的手段,具有覆盖面广、信息量大、动态性好及分辨率高等明显的优点。但对于仅有一个热红外通道的遥感数据如 Landsat T M,如果没有额外的辅助数据不可能同时反演地表温度和地表比辐射率。一种可行的确定方法是通过分类影像获得地表比辐射率影像,估计各地表类型的发射率值,但是这种方法需要在卫星过境时对不同类别的典型地物发射率进行测量,精确地知道典型地表类型的发射率。

因此我们需要在没有实时的参考数据下求解地表比辐射率的方法。目前一种可供选择的、有效的地表比辐射率估计方法是通过归一化植被指数(NDV I)获得地表比辐射率。

代替地面温度的像元通常是混合像元,它们可能是植被与土壤的混合区域、也可能是植被与建筑物的混合区域。单个像元的有效发射率值可以通过各种地表类型的比例估计得到。文献[5]进行了一系列由可见和近红外的光谱反射率获得的NDV I值与实地测得的地物发射率值的比较,发现在测得的发射率和NDV I之间存在高度相关性。给出了如下相关方程

式中,ρNIR、ρR分别表示传感器的近红外波段与红波段的地面反射率值。

⑤地表温度的确定

按照以上步骤结合气象数据得到地表温度反演图(见图 1)。

图1 地表温度反演图

(3)干湿边的确定

本试验采用抽样方法,在Matlab软件中编程,对植被指数与最高、最低温度进行线性回归拟合,得到如下回归方程(见表 2)。

表2 干湿边拟合方程

从表 2中可以看出,其旱边方程的斜率均为负值,而湿边方程的斜率都为正值,表明随着下垫面植被覆盖程度增加,陆地表面温度最高值在减小,而最低值却在升高。

3.旱情等级分布图

根据农业旱情等级划分标准,土壤相对含水量＜40%为重旱;40%～50%为中旱;50%～60%为轻旱;60%～80%为正常;80%～100%为湿润。图 2为运城市三县的旱情分布图,图中显示三县的绝大部分耕地都属于正常和湿润,北部有部分为轻旱和中旱,基本没有重旱现象。

图2 旱情等级分布图

四、TVD I模型结果与实测土壤墒情相关性分析

本文应用山西省气象档案馆的实测土壤墒情资料,分析了基于 NDV I的温度植被旱情指数与10 cm和 50 cm土壤相对湿度的相关性。以气象站所在地理位置的经纬度为基准,选取相应空间的遥感监测结果,以温度植被旱情指数 TVD I为横坐标,土壤相对湿度为纵坐标,得到基于 NDV I的温度植被旱情指数与土壤湿度散点图(见图 3和图 4)。从图中可以看出,以NDV I计算得出的 TVD I与 10 cm土壤相对湿度的相关性好于 50 cm,即遥感监测土壤湿度以反演表层土壤水分的效果较好。

五、结 论

土壤湿度作为农业干旱监测的一个重要指标,应用 T M数据和相关气象资料,结合 TVD I模型,较好地反映了运城盆地夏季当日的农业旱情状况,并达到了定量化的标准。证明了这种方法的可行性和实用性。

但是,由于实测的墒情数据较少,部分值只能按照相同地类的值代替,因此可能会有一些误差,这些问题都是需要下一步继续深入研究时解决的。

图3 10 cm土壤相对湿度

图4 50 cm土壤相对湿度

[1] 王鹏新,WAN Zhengming,龚健雅,等.基于植被指数和土地表面温度的干旱监测模型 [J].地球科学进展. 2008(4)：18-4.

[2] SANDHOLT I,RAS MUSSENA K,ANDERSENB J.A S imple Interpretation of the Surface Temperature/Vegetation Index Space for Assessment of Surface Moisture Status [J].Remote Sensingof Environment,2002,79：213-224.

[3] 覃志豪,KARN IEL IA,ZHANGMinghua,等.用陆地卫星 T M6热波段数据演算地表温度的单窗算法[J].地理学报,2001,56(4),456-466.

[4] 覃志豪,L IWenjuan,ZHANGMinghua,等.单窗算法的大气参数估计方法 [J].国土资源遥感,2003(2)：37-43.

[5] VAN DE GR IEND A A,OWE M.Bare Soil Surface Resistance to Evaporation byVaporDiffusion under Semiarid Conditions[J].WaterResourcesResearch,1994,30 (2)：181-188.

[6] 姚春生,张增样,汪潇.使用温度植被干旱指数法(TVD I)反演新疆土壤湿度 [J].遥感技术与应用, 2004,19(6)：473-478.

[7] 齐述华,王长耀,牛铮.利用温度植被旱情指数 (TVD I)进行全国旱情监测研究 [J].遥感学报,2003,7(5)：420-427.

[8] 张仁华.对于定量热红外遥感的一些思考[J].国土资源遥感,1999(1)：1-6.

[9] 余涛,田国良.热惯量方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.

[10] 张顺谦,卿清涛,侯美亭,等.基于温度植被干旱指数的四川伏旱遥感监测与影响评估 [J].农业工程学报,2007,23(9)：141-146.

[11] 杨虎,杨忠东.中国陆地区域陆表温度业务化遥感反演算法及产品运行系统[J].遥感学报,2006,10(4)：600-607.

On the Application of RS Techn ique toM on itoring of Dried Basin of Yuncheng

ZHANGWeina

0494-0911(2010)07-0023-04

P237

B

2009-11-26

张维娜(1962—),女,山东济南人,主要研究方向为遥感、地理信息系统、数字档案管理。