MODIS植被指数监测农业干旱的适宜性评价.docx

《MODIS植被指数监测农业干旱的适宜性评价.docx》由会员分享，可在线阅读，更多相关《MODIS植被指数监测农业干旱的适宜性评价.docx（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 第卷，第期 年月 光谱学与光谱分析 ， ， 植被指数监测农业干旱的适宜性评价 李华朋，张树清 ，高自强，孙 妍 中国科学院东北地理与农业生态研究所，吉林长春 河北省地勘局测绘院，河北廊坊 摘要传感器提供的短波红外光谱波段为农业干旱遥感监测带来了新的机遇，因为它对植被水分 十分敏感。本文选择中国东北松嫩平原为研究区，旱田为农业干旱的监测目标。基于年的天 合成产品（），分别计算了四种基于可见光和近红外光谱的植被绿度指数和四种基于近红 外和短波红外光谱的植被水分指数，并以多尺度标准化降水指标（）为判别植被指数农业干旱敏感性的标 准，利用一种气象站点与象元配对关联的方法计算了不同植被指数与多尺度的皮

2、尔逊相关系数。研究 表明，在农业干旱监测敏感性方面，植被水分指数（和）明显好于植被绿度指数。其中 的表现最为出色，研究证实了短波红外光谱在监测农业干旱方面的潜力，为今后相关研究提 供 了新的见解。 关键词 数据；短波红外光谱；可见光与近红外光谱；农业干旱；植被水分指数 中图分类号： 文献标识码： ： （） 乏连续覆盖性。对于非站点区域的干旱监测，需要使用空间 引 言 干旱作为一种复杂的自然灾害，在每一种气候区域内均 有发作，在世界范围内引起了严重的环境、社会及经济问 题。据世界气象组织的报告，自年以来，干旱已经发 展成为世界范围内影响最为广泛的自然灾害，对人类社会 造成了难以估量的严重后果。据

3、估算，全球每年因旱灾而造 成的经济损失高达亿美元，远远超过其他自然灾害。 农作物作为最直接的干旱承灾体受旱灾影响最为严重。以我 国为例，常年农作物受害面积在亿以上，每年因旱 灾造成的粮食损失高达亿，占全国因灾减产粮食的 。农业干旱直接危及国家粮食安全和人类正常生活。 发展有效的、精确的农业干旱监测方法，可以为抗灾、减灾 政策的制定提供科学依据，具有重要的实际应用意义。 传统的农业干旱监测方法主要依赖于地面站点获取的降 雨量指标来定量描述农业干旱的发生及强度，这些指标的基 本原理即对比某一时间段降雨量与该时间段长期平均降雨量 的差异。常用的指数包括标准化降水指标（），帕默尔干 旱指数（）等。尽管

4、这些干旱指数能精确估算点尺度的干 旱情势，但地面站点网络一般较为稀疏，在空间尺度上缺 插值方法将干旱指数从点尺度扩展到面尺度。然而，空间 插值过程受很多因素影响，会引入很多不确定性。相比之 下，遥感影像具有空间连续性，使得大尺度的农业干旱监测 成为可能。最常用的大尺度传感器即搭载于卫星上 的甚高分辨率辐射仪（）。用于干旱监测的指数主要 以可见光与近红外光谱构建的反映植被绿度信息的植被绿度 指数为主（例如归一化植被指数 ）。在世界各地范围内， 已经有很多研究成功的利用植被绿度指数实现农业干旱监 测 。 搭载中分辨率成像光谱仪（）的和卫 星的发射给农业干旱遥感监测带来了新的机遇与挑战。相比 于数据

5、，数据提供了更加丰富的光谱波段， 尤其是其设计了两个对植被水分极为敏感的短波红外光谱波 段（）。已有研究表明，植被水分状态的微小变化将能 引起短波红外光谱反射率的巨大变化。因而，波段 的水分敏感特性可能更加适合于构建植被水分指数。为此， 学者们发展了一系列新的植被水分指数。然而，这 些植被水分指数是否适宜于农业干旱监测及其与植被绿度指 数能力之间的差异等问题尚待探讨，目前未见相关报道。因 而，有必要对不同植被指数监测农业干旱的能力做以全面评 收稹日期： 。修订日期：一 基金项目：中国科学院西部行动计划项目（一 ）和国家高技术研究发展计划（）资助 作者简介：李华朋，年生，中国科学院东北地理与农业

6、生态研究所助理研究员 ： 通讯联系人 ： 万方数据 重投影工具（脚）完成产品的预处理（包括镶嵌和 第期 光谱学与光谱分析 价，为今后研究提供借鉴引。 本文选择中国松嫩平原典型农田生态系统为研究对象， 利用多尺度作为评估植被指数监测农业干旱适宜性的参 考依据，对基于不同类型的植被指数进行全面评价。 主要目的有以下几个方面：（）数据监测农业干旱的 可行性，（）对比基于不同机理（绿度与水分）建立的植被指 数在农业干旱监测方面的表现，（）研究不同时间尺度 与植被指数之间的相关关系。 研究区与数据 研究区 松嫩平原由松花江、嫩江冲积而成，是东北三大平原之 一。该区位于东北地区中部，地跨吉林省和黑龙江省，

7、包括 吉林省的个市县以及黑龙江省的个市县，总面积约为 。松嫩平原多年平均气温 ，年降水 量在 之间，降水主要集中于月之间。本 区蒸散作用强烈，多年蒸散量在 之间，远远 大于年降水量。松嫩平原是我国重要的商品粮基地之一，耕 地面积占全国耕地总面积的，而玉米、大豆产量分别 占全国总产量的和。在气候变化的背景 下，松嫩平原降雨量已明显减少，近年气候有逐渐变干的 趋势。松嫩平原是典型的半干旱地区，水资源缺乏，生态 环境具有敏感性和脆弱性等特点。在气候变化和人类活动的 干扰下，本区农业旱灾频发，造成了巨大的经济损失，已经 成为影响本区生态环境安全和社会可持续发展的主要障碍。 数据及处理 本文使用标准化降

8、雨指标（）作为评估植被指数农业 干旱敏感性的参考依据。该指数假设降雨量服从分 布，随后将分布进行正态标准化处理，使得不同地 区的具有空间可对比性。等给出了基于 数值的干旱等级划分标准 。 从中国气象数据共享网站得到了研究区个气象站点 年近年的逐月降雨量数据。为了研究不同时 间尺度降雨对植被的作用情况，计算了每一个气象站点 个月尺度的指数（，卜及 ）。的时间范围确定为月份一月份，主要考虑到 这一时期内作物的开花、抽穗等物候时期对农业干旱较为敏 感引，适宜做农业干旱遥感监测评价分析。 遥感数据选用 合成的地表反射产品 （），其空间分辨率为 。下载了研究区 年共年产品。每一个年份的第天到 天（月到月

9、）的合成产品被用于研究中。使用 重投影）。尽管 合成的产品具有较高的质量， 但产品仍有部分象元存在污染状况。因而，使用了一种时间 窗口的方法对影像进行了进一步的处理，提高了影像的质 方法 植被指数分析 基于反射数据，我们分别选择了四种植被绿度 指数与四种植被水分指数，来对比它们监测农业干旱的能力 （表）。植被绿度指数监测植被干旱的理论基础，即植被绿 度特征的变化与其叶片的水分含量密切相关。植被在受到干 旱胁迫之时，其绿度特征（叶绿素含量、叶面积指数及植被 活力等）会发生明显改变。植被绿度指数一般基于可见光 与近红外光谱波段的组合来构建，这主要是考虑到可见光辐 射对植被叶绿素敏感，而近红外辐射对

10、植被叶片组织敏感。 因而，两者的有效组合可以精确地刻画植被的绿度特征。 】、厂是使用最为广泛的植被绿度指数 。然而，、厂存 在一定的不足之处，主要表现在对植被背景信息和大气情况 敏感及对高生物量植被的探测饱和等方面 。比值植被指 数（ ）是另一种广泛使用的绿度指数，近红外辐射与红光 波段辐射的比值对于叶绿素含量十分敏感，但该指数同样对 大气状况较为敏感。为此，等提出了一种土壤校正 植被指数（ ），该指数通过引入一个因子来去除土壤 背景信息变化对植被指数的影响。为了解决高植被覆 盖探测饱和问题，学者们提出了增强型植被指数（ ）。很 多研究已经发现，在刻画高覆盖植被方面比更加 敏感，并且能有效抵御

11、大气干扰 “ 。 注： 分别表示数据第一波段反射率。 植被水分指数监测植被干旱的基本原理，即植被冠层水 分含量与水分胁迫直接相关，可用作表征旱情的指标 。归 一化水分指数（、）是最早提出的和最常见的植被水分指 量 。 数，该指数基于两个近红外光谱波段建立。研究表明和 光谱通道都处于植被冠层的高反射区域， 处光谱对植被液体水分的吸收可以忽略，而 处光 万方数据 光谱学与光谱分析 第卷 谱对植被液体水分具有微弱的吸收作用 。因而，将两个光 谱归一化组合能凸显植被冠层水分含量信息。然而，由于 对植被液体水分吸收作用较弱，因而探测 植被水分的能力一般。传感器的短波红外波段 （取）给植被水分指数的构建提

12、供了新的机遇。对 植被叶片水分含量及土壤水分非常敏感，敏感程度远远大于 通道。然而，研究表明叶片内部结构以及干物质 含量也能对波段的反射率造成很大影响。由于近 红外波段同样对叶片内部结构和干物质敏感，但对叶片水分 含量却不敏感，因而将与波段组合使用，能消除 其它因素对反射率的影响，凸显叶片水分信息。由于 传感器设置了两个对水分敏感的短波红外波段，因 而可以构建两个近红外与短波红外光谱构建的归一化近红外 指数（，） 。最近，等又发展了一种新 的归一化多波段干旱指数（）。该指数将的近 红外波段与两个短波红外波段共同纳入指数构建体系。 植被指数的标准化 由于不同类型植被指数的阈值变化区间不同，直接与

13、 进行关联无法在同一水准上考量植被指数的干旱敏感 性。因而，有必要按照的计算思路（与长期均值的对比） 对植被指数进行标准化处理。这里，采用等所使 用的植被指数标准化计算方法。该方法首先计算植被指数的 距平距离，而后利用标准差对计算结果标准化，得到相对于 长期均值的植被指数异常值（值），以此来消除植被类型空 间变异，使不同地区、不同年份、不同植被种类的植被指数 的变化具有空间可对比性。对于植被指数的象元，其在 年份时间尺度上的值表达式如下 象站点与遥感影像进行配对匹配。首先，下载收集 了若干成像于年覆被研究区的 遥感影像，作为识别地面农田的参考依据。在环境下将 遥感影像、影像与气象站点进行空间叠

14、加； 其次，参考遥感影像，为每一个气象站点划定距离最 近的、面积较大的、具有代表性的农田区域（农田面积大于 ）；最后，在每一个划定的农田区域对应的 遥感影像上设定一个象元窗口（ ），选择每个窗口内象元 的中值作为与气象站点匹配的值。 “ 象元窗口 ” 的使 用能有效避免 “ 混合象元 ” 现象，使得选择的象元值具有代表 性。而窗口中值的选取则避免了极端象元值的出现。 计算得到了每一个气象站点对应的各年份植被生长季节的植 被指数值。由于数据为天合成产品，将每个月包 含的景数据进行平均处理，得到个年份 月份单月的数据。以便于月尺度值进行配对匹 配。 植被指数与气象指数关联分析 使用月份来确定个年份

15、内的干旱年份，主要 基于两点考虑：（）研究区大部分降雨分布于 月份，（） 作物只有在月份的生长期对水分胁迫较为敏感，能在 遥感影像上反映出来。使用一判断干旱年份不同月份的 干旱情况，以便选择干旱月份，对植被指数干旱敏感性做以 进一步分析。 将所有年份 月的个时间尺度值与植被指数 值进行配对，利用皮尔逊相关分析计算植被指数与的 相关系数。以相关系数为基础，对比分析基于不同理论基础 （绿度和水分）建立的植被指数对农业干旱的敏感性差异，确 乙一弛蒹盈 （） 定农业干旱遥感监测的最佳植被指数。 式中，而，。，。为象元在年份时间尺度的植被指数值； 函，。为象元在时间尺度的长时间序列平均值，嘞，为长时 间

16、序列值的标准差。 植被指数与气象指数关联方法 使用一种 “ 象元一气象站点配对关联 ” 方法，将地面的气 结果 植被指数与的相关性分析 图表示了植被指数与不同时间尺度的相关关系。 很明显，不同植被指数类型（绿度和水分）的表现差异很大。 如 苦 ， 罾 甚盘州葛 掩 口 葛 坦 芒 一葛一芒 昏 辩鹤叫 （ ）鹤 （） 髑 （） ， 万方数据 警 慷？潆 二亩钟 黛 ； 一篱喀 ， 静唛毛 “ 与 糍： 等 。乒 曾 第期 光谱学与光谱分析 在植被水分指数中，与所有时间尺度相关系数最 强，其次为和，但都与差距巨大，而 最差。从显著性也可以看出植被水分指数之间的差 异。和与所有尺度都在水平上显著

17、相关，而只与，和在 水平上显著相关，而与所有时间尺度的都不显著 相关。在植被绿度指数中，与所有时间尺度的相 关程度明显比其它植被绿度指数高，除外，与 其它时间尺度均在水平上显著相关。其次为 ，与类似，除外，与其它尺度均在 水平上显著相关。而 和表现最差，其中 与，和在水平上显著相关，而 仅与显著相关。另外需要指出的一点是，不同植 被水分指数与的相关系数差距很大，而植被绿度指数之 间的差距则要小很多。 同样发现，所有植被指数与的相关性大小均随 时间尺度的变化而变化。值得指出的是，所有指数的变化趋 势几乎完全相同。所有植被指数与的相关性最小。随 着时间尺度的增加，植被指数与的相关性也逐步提 高。当

18、的时间尺度增加到个月尺度时，所有指数与 的相关性达到最大。很明显，从开始，植被水分指 数与相关性的增加幅度明显高于植被绿度指数。随着 时间尺度的进一步增加（和），与植被指 数的相关性开始呈现稳步下降趋势。以上研究结果表明， 个月时间尺度与植被指数的相关性最高。这也意味着降雨对 植被的最大作用时间大约发生于降雨后个月时间点。 干旱指数的敏感性 为了进一步验证干旱指数对干旱的敏感性，我们计算了 松嫩平原近年（年）以来所有站点月份 ，并取各站点平均值作为每个年份的值。参照干旱 划分标准，我们发现，和年发生了中度干旱， 而后计算了这三个年份生长季节（一月）每个月份的干旱 情况。我们发现在三个干旱年份中

19、，月份都较为干旱，因 而月份与植被指数的空间分布关系能反应植被指数 区分干旱年份与非干旱年份的能力。 从植被绿度指数与植被水分指数各选择了两种与相 关性最高的植被指数，即，以及， 给出了月份中等干旱年份（，和）与其它年 份与植被指数之间的散点分布图（图）。与 的相关系数最高（），其次为（）和 （），而 与的相关性最小（）。很明 显，两种植被水分指数的表现远远好于两种植被绿度指数。 两种植被水分指数可以清晰的区分干旱年份与非干旱年份， ，和年的样点基本都分布于坐标轴第三象限 （植被指数与都为负值，表明气象指数与植被指数干旱 程度相一致），仅有较少的几个样点分布于第象限（气象指 凸 口爵譬 （）

20、口 一 。南尊 土 丁 之毋：已 七计 五。暑。昌均一 （） 。 洚主 涮 竺辩？ 占。 口 ， ： 蒎 爆声誓！ ， 脚 呈 凸 口 茸。昌。磊口 导 。寸？：，、笆 畿西， 言 善 磊 夏 ：篮 。屯仝。 ：乏或、 黾叁寸口企 （），（），（） （） ， ， 万方数据 光谱学与光谱分析 第卷 数测定为干旱，而植被指数未探测得到）。然而两种植被绿 度指数中，三个干旱年份有很多样点出现在第二象限，这表 明植被绿度未能识别部分干旱样点。 在作物干旱探测的精度上，植被水分指数也更出色，即 有更多的样点出现在：线周围，尤其是干旱年份样点。而 植被绿度指数样点的分布较为分散，基本布满了整个坐标象 限，

21、线性趋势不明显。值得指出的是，在所有植被指数中， 年这一干旱年份有很多样点分布于第一象限，这表明这 些点并未出现干旱。这可能是因为在年松嫩平原降雨 分布极其不均匀，有些出现了较为严重的干旱，而有些地区 则未出现干旱。 讨论与结论 本文以年覆被中国东北松嫩平原的 数据为基础，探讨了植被绿度指数与植被水分指数监测农业 干旱的敏感性和适宜性。研究表明不同类型植被指数的表现 差距较大。但植被水分指数（和）比植被绿度指 数更有效。这主要是因为两种类型植被指数建立的机理差 异。植被绿度指数监测植被干旱的理想假设即植被冠层叶绿 素含量或旱死程度与植被水分含量成比例 。然而，这一假 设对于某些物种可能是正确的

22、，但对整个生态系统来说却并 非如此 。实际上，除干旱胁迫之外，引起植被绿度特征变 化的因素还有很多，例如病虫害、植物营养缺乏或辐射胁迫 等 “ 。在四种植被绿度指数中，的表现最差。这可能 是因为本研究选择的研究时段为 月。这一时期作物覆 盖度较高，裸露土壤较少，因而土壤背景对植被指数的影响 可能不大。因而 失去了其设计的初衷。而两种致力于 提高植被指数对高植被覆盖度敏感性的和表现也 不如。这可能是因为相比于森林等植被类型，农作物 的植被覆盖度不高。因而，厂和 并未提高植被绿度探 测的敏感性。 植被水分指数直接测量与干旱胁迫相关的植被水分，比 植被绿度指数更能直接反应作物干旱的情势。然而我们也发

23、 现，并非所有植被水分指数都适用于监测农业干旱，并且不 同指数的探测能力差距很大图（）。以本研究为例， 和在反应植被水分方面效果很差。表现 不好的原因可能是传感器第波段对水分的敏感性 不如第和第波段，因而近红外波段与第波 段构建的植被水分指数不如与第、第波段构建的指数对 水分敏感 。而的较差表现可能是因为作物冠层在 第、第波段的反射率差异较小，因而使用两者的差值作 为构建植被水分指数的短波红外波段会降低对植被水分的敏 感性。因而，在选择植被水分指数监测农业干旱之前，需要 彻底评估不同植被指数的适用性。 以往的研究大多使用植被绿度指数作为干旱的指示因 子，本研究证明了使用短波红外和近红外光谱监测

24、 农作物干旱的潜力，研究结果可以为今后的农业干旱研究提 供深入的认知，即可以更多地尝试使用植被水分指数监测农 业干旱。此外，我们发现，个月时间尺度的与植被指数 的关联性最为密切，而与短时间尺度的（于两个月）相 关性较为微弱。这表明，降雨对于植被生物物理特征的改变 并非即时发生的，而需要一个累积的过程。这一重要信息也 可以为今后本地区的作物干旱研究提供借鉴。 ， ，（）： ，（）： ， ， （黄荣辉，陈际龙，周连童，等） （大 气科学），（）： 一 ， ， ，（ ）： ， ， ，（）： ，八 ，（）： ， ， ， ，（）： ， ，（）： ， ， ，（）： 加 ， ， ， （王宗明，张柏，宋开山，等） （农业系统科学与综合研究），（）： ， ， ， （曾丽红，宋开山，张柏，等） （干旱区资源与环境），（）： ， 八 ，（）： ， ，（）： ， ， ，（）： ，（）： ， ， ，（ ）： ，（）： ， ， ，（）： ，（）： 万方数据 第期 光谱学与光谱分析 ， ，（）： ， ， ，（）： ， ， ，（）： ， ， ，（）： ， ， ，（）： ， ， ，（）： ， ， ， ， ， ， ， ， ， ， （姗） ， （） ， ，