朝阳县位于辽宁省西部素有“ 十年九旱” 之称的朝阳市, 下辖28个乡镇, 总面积为3 751 km², 地理坐标40° 55'~41° 54'N, 119° 52'~120° 47'E, 南北长109.1 km, 东西宽76.2 km, 地形复杂^[14]。水域面积占9.67%, 耕地面积占21.34%, 宜林面积占33.53%, 河滩面积占7.13%, 牧地面积占28.33%。朝阳县属于温带大陆性季风气候, 雨热同期, 昼夜温差较大。多年平均降水量497.8 mm, 降水偏少且分布不均^[15]。

实测数据。朝阳县主要种植玉米, 后四家、阎家窑、胜利屯、团山子、八家子、大屯东地、五家子是该县主要的玉米种植区, 该研究在这7个玉米种植区取土样。取样深度0~10 cm、10~20 cm、20~40 cm, 采用烘干法测定土壤质量含水率(文中简称土壤含水率), 取样时间为2016年5月6日、6月7日、7月9日、8月10日、8月26日。

遥感数据。本文遥感影像数据来自地理空间数据云平台, 采用2016年5月6日、2016年6月7日、2016年7月9日、2016年8月10日、2016年8月26日的Landsat 8的 OLI和TIRS数据。Landsat 8 OLI有9个波段, 空间分辨率为30 m, 其中包括一个15 m的全色波段, 成像宽幅为185 km× 185 km; Landsat 8 TIRS传感器包括TIRS10和TIRS11两个热红外光谱波段^[16]空间分辨率100 m。

数据处理。将卫星影像经过ENVI图像处理软件的辐射定标、大气校正、裁剪等一系列的预处理操作后进行反演, 得到地表温度反演值, 并提取干、湿边方程。利用ENVI-Band math工具进行波段运算, 将干、湿边方程的回归系数带入到温度植被干旱指数公式中, 从而得到温度植被干旱指数(TVDI)。

1.3.1 归一化植被指数(NDVI)

归一化植被指数NDVI是反映土地覆盖植被状况的参数, 当土壤含水率低植被缺水时, 植被指数也会下降; 植被生长较好时, NDVI值也较大^[17]。

NDVI=(β ₄-β ₅)/(β ₄+β ₅)。(1)

式中:β ₄为红波段(Landsat 8 OLI卫星数据第4波段)的反射率; β ₅为近红外波段(Landsat 8 OLI卫星数据第5波段)的反射率。

1.3.2 地表温度(Ts)

地表温度Ts是反映植被生长时干旱缺水情况和土壤湿度状况的参数, Ts遥感反演方法主要有大气校正法、分裂窗法、单通道算法及多波段算法等^[7], 本文选用大气校正法^[18], 利用Landsat8 TIRS卫星图像反演地表温度:

L_λ =[ε B(Ts)+(1-ε )L↓ ]τ +L↑ ; (2)

B(Ts)=[L_λ -L↑ -τ (1-ε )L↓ ]/τ ε ; (3)

Ts=K₂/ln[K₁/ B(Ts)+1]。 (4)

式中: L_λ 为热红外辐射亮度值, ε 为地表比辐射率, Ts为地表真实温度(K), B(Ts)为黑体热辐射亮度, L↓ 为大气向下辐射亮度, τ 为大气在热红外波段的透过率, L↑ 为大气向上辐射亮度; (4)式中, 对于TIRS 10, K₁=774.8853W/(m²· μ m· sr), K₂=1321.0789K。

1.3.3 温度植被干旱指数(TVDI)

Sandholt等^[19]利用简化的NDVI-Ts二维特征空间提出了可以估算土壤地表含水状态的温度植被干旱指数法(TVDI)。

TVDI= Ts-TsminTsmax-Tsmin; (5)

Tsmin=a+b× NDVI; (6)

Tsmax=c+d× NDVI。(7)

由公式(5)、(6)、(7)得: TVDI= Ts-(a+b×NDVI)(c+d×NDVI)-(a+b×NDVI)。 (8)

式中:Ts是任意像元的地表温度; Tsmin、Tsmax是NDVI对应的最小、最大地表温度, 分别代表湿边(TVDI=0)和干边(TVDI=1); a、b、c、d是湿边和干边拟合方程的系数。

计算所得到的TVDI值在0和1之间。当TVDI=1时, 表示在干边上, 即在斜边上; 当TVDI=0时, 表示在湿边上, 即在平行于X轴的直角边上。TVDI的值越大, 土壤湿度越低, 表示土壤干旱程度越大; 反之, TVDI的值越小, 土壤湿度越高, 表示土壤干旱程度越轻。

利用NDVI数据和经大气校正法得到的地表温度Ts, 提取最大地表温度Tsmax和最小地表温度Tsmin, 并以植被指数NDVI为X轴, 地表温度Ts为Y轴建立二维特征空间分布图。不同时相的NDVI-Ts特征空间有一个共同特点:随着NDVI的增大, Tsmin和Tsmax的趋势线逐渐交汇于一点组合成近似的三角形形状。这恰好印证了Price等^[20]和Carlson等^[21]的观点, NDVI-Ts二者散点图近似呈三角形形状。

对NDVI-Ts特征空间中的Tsmin和Tsmax进行回归拟合可获取干、湿边方程, 计算得到Ts特征空间的干边方程和湿边方程如表1所示。从拟合结果来看, 干边方程拟合结果普遍高于湿边方程, 干边方程的斜率都小于0, 湿边方程的斜率基本上大于0。表明随着NDVI的增大, Tsmin增大, 而Tsmax却在减小。

表1

Table 1

表1(Table 1)

表1 辽宁省朝阳市朝阳县5— 8月的干、湿边方程 Table 1 Dry-wet edge fitness from May to August in 2016 in Chaoyang of Liaoning province 日期Date 干边方程 R2 湿边方程 R2 05-06 Tsmax=-20.916* NDVI+28.201 0.9974 Tsmin=6.242* NDVI+10.299 0.8277 06-07 Tsmax=-22.882* NDVI+35.663 0.9499 Tsmin=15.337* NDVI+4.998 0.8591 07-09 Tsmax=-18.993* NDVI+41.056 0.8529 Tsmin=16.622* NDVI+14.292 0.7806 08-10 Tsmax=-11.850* NDVI+40.355 0.6881 Tsmin=7.519* NDVI+20.197 0.7754 08-26 Tsmax=-9.753* NDVI+35.528 0.9240 Tsmin=-8.747* NDVI+24.110 0.6671

表1 辽宁省朝阳市朝阳县5— 8月的干、湿边方程 Table 1 Dry-wet edge fitness from May to August in 2016 in Chaoyang of Liaoning province

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 二维特征空间分布图Fig.1 Space distribution on NDVI-Ts

将在ENVI中使用Band math工具获得的干、湿边方程的回归系数分别带入温度植被干旱指数的计算公式, 进行波段运算, 计算求得研究区域各像元点的TVDI, 并以TVDI作为干旱分级指标, 将干旱划分为5级^[22], 分别是:湿润(0< TVDI≤ 0.2)、正常(0.2< TVDI≤ 0.4)、轻旱(0.4< TVDI≤ 0.6)、干旱(0.6< TVDI≤ 0.8)、重旱(0.8< TVDI< 1.0)。2016年5月6日、6月7日、7月9日、8月10日、8月26日的干旱等级分布图如下。

从干旱等级分布图可以看出:朝阳县2016年5月6日旱情主要出现在中部、西部等地, 其中轻旱发生面积占比最大为62.43%, 干旱占6.67%, 重旱占4.09%; 到了6月7日, 旱情已基本上蔓延至全县范围, 重旱主要出现在北部, 干旱出现在北部、中部、东部、西部等, 轻旱则主要集中在南部, 旱情占比中轻旱34.56%、干旱46.79%、重旱10.62%; 7月9日旱情有所缓解, 旱情发生面积均有所减少, 重旱主要集中在北部, 干旱、轻旱区域依旧分布在全县范围内, 旱情占比中轻旱31.81%、干旱36.54%、重旱8.09%; 8月10日, 轻旱主要发生在西部, 干旱则主要分布在北部和东部等地, 干旱、重旱发生面积已减少, 旱情以轻旱为主, 占比41.16%, 干旱28.65%、重旱5.26%; 到了8月26日, 重旱发生面积依然在减少, 而轻旱所占面积却在上升, 与同年7月9日和8月10日相比, 旱情又逐步蔓延, 以轻旱为主, 占比49.03%, 干旱29.53%、重旱3.93%。

朝阳县2016年5— 8月的旱情分布比较广, 且6月是旱情最为严重的月份, 应加强该阶段玉米的灌溉, 开展抗旱保收工作。郭宗凯^[15]的研究也分析认为50年间(1964— 2013年)朝阳地区每年都会出现不同程度的干旱胁迫, 影响了农作物的生长。

本研究共28个采样点, 其中21个采样点用于建立模型, 剩余的7个采样点用于精度验证分析。将TVDI作为横坐标, 土壤含水率百分比为纵坐标, 构建TVDI-土壤含水率百分比散点图进行回归分析。由图可知, 温度植被干旱指数TVDI与土壤含水率呈现出负相关关系, 即TVDI值越趋近于1, 土壤含水率越低, 旱情则越严重。从相关系数来看, 0~10 cm土壤含水率与TVDI的相关性最好, 且总体趋势是0~10 cm> 10~20 cm> 20~40 cm; 拟合结果经t检验(表2)可知, 0~10 cm和10~20 cm线性回归方程达到极显著水平, 20~40 cm线性回归方程达到显著水平, 这也说明TVDI可以反映表层土壤水分状况, 可以用于旱情的动态监测。2016年5— 8月土壤含水率与TVDI的相关性可知, 7月的相关性系数与6月和8月相比稍低一些, 经分析原因有可能是7月受大气影响云层较多且通过遥感影像的去云处理不理想, 对干、湿边拟合的主观性影响拟合精度, 旱情本身发展变化的随机性等, 这些因素都最终会造成TVDI值与实际情况略有差异, 从而有可能导致相关性受到一定的影响。

表2

Table 2

表2(Table 2)

表2 线性回归方程显著水平检验 Table 2 Check the significance level on linear regression equation 土层深度 Soil depth 05-06 6th May 06-07 7th June 07-10 10th July 08-10 10th August 08-26 26th August 0~10 cm 0.0002* * 0.0002* * 0.0002* * 0.0000* * 0.0002* * 10~20 cm 0.0007* * 0.0005* * 0.0010* * 0.0007* * 0.0014* * 20~40 cm 0.0208* 0.0430* 0.0444* 0.0211* 0.0282* * * and * represents the significance at the level of 0.01 and 0.05, respectively. * * 代表极显著, * 代表显著。

表2 线性回归方程显著水平检验 Table 2 Check the significance level on linear regression equation

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 朝阳县2016年5— 8月干旱等级分布Fig.2 Drought distribution in Chaoyang of Liaoning province from May to August in 2016

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 不同深度的土壤含水率与TVDI的回归分析Fig.3 Regression analysis between soil content at different depth and TVDI

由于表层土壤含水率波动较土壤深层较大, 该文在实测的7个取样区中各选取1个采样点0~10 cm的土壤含水率, 与反演的含水率0~10 cm进行统计分析, 5个时段合计35个采样数据, 对模型进行验证。反演的和实测的土壤含水率最大相对误差为37.36%, 最小相对误差为0.08%, 其中相对误差小于20%的是28个, 占采样总数的80%, RMSE仅为2.44。结果表明:土壤湿度反演结果与实际含水率基本上是一致的, 模型精度较高, 可以用于干旱分析。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 实测值和反演值散点分布图Fig.4 Scatter plots of measured values and inverse values