基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究

doi:10.11755/j.issn.1006-7639(2024)-01-0027

干旱气象 ›› 2024, Vol. 42 ›› Issue (1): 27-38.DOI: 10.11755/j.issn.1006-7639(2024)-01-0027

基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究

沙莎(), 王丽娟(), 王小平, 胡蝶, 张良

中国气象局兰州干旱气象研究所，甘肃省干旱气候变化与减灾重点实验室，中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020

收稿日期:2022-06-28 修回日期:2023-09-25 出版日期:2024-02-29 发布日期:2024-03-06
通讯作者: 王丽娟（1986—），女，四川广安人，副研究员，博士，主要从事卫星遥感研究。E-mail: wanglijuan01@126.com。
作者简介:沙莎（1985—），女，汉族，辽宁沈阳人，副研究员，硕士，主要从事GIS、遥感的气象应用研究。E-mail: nuist_shasha@126.com。
基金资助:
甘肃省气象局气象科学技术研究项目(ZcZd2022-26);国家自然科学基金项目(42075120);国家自然科学基金项目(42105131);国家自然科学基金项目(41875020);干旱气象科学研究基金项目(IAM201816)

Study on monitoring method of agricultural drought in Gansu Province based on Temperature Vegetation Dryness Index

SHA Sha(), WANG Lijuan(), WANG Xiaoping, HU Die, ZHANG Liang

Institute of Arid Meteorology，CMA，Key Laboratory of Arid Climate Change and Reducing Disaster of Gansu Province，Key Laboratory of Arid Climate Change and Disaster Reduction of CMA，Lanzhou 730020，China

Received:2022-06-28 Revised:2023-09-25 Online:2024-02-29 Published:2024-03-06

摘要/Abstract

摘要：

改进温度植被干旱指数（Temperature Vegetation Dryness Index，TVDI）并明确TVDI的农业干旱等级阈值，对提高TVDI指数监测农业干旱能力有重要意义。利用近19 a的MODIS（Moderate Resolution Imaging Spectro-radiometer，MODIS）遥感数据，基于单时次和多时次方法构建NDVI（Normalized Difference Vegetation Index，NDVI）-LST（Land Surface Temperature，LST）、EVI（Enhanced Vegetation Index，EVI）-LST、RVI（Ratio Vegetation Index，RVI）-LST、SAVI（Soil-Adjusted Vegetation Index，SAVI）-LST等几种特征空间，讨论TVDI计算方法，分析TVDI在甘肃省农业干旱监测中的适用性，并明确甘肃省夏季TVDI农业干旱分级标准。结果表明：（1）基于多时次方法构建的 SAVI-LST特征空间TVDI更适合甘肃省农业干旱监测，其对土壤相对湿度（Relative Soil Moisture，RSM）拟合的均方根误差（Root Mean Squared Error，RMSE）和平均绝对误差（Mean Absolute Error，MAE）比NDVI-LST特征空间TVDI对RSM拟合的RMSE和MAE下降1%~5%；（2）TVDI适用于夏季甘肃省半干旱区、半湿润区、湿润区等非干旱区浅层10、20 cm土壤深度的农业干旱监测，RMSE和MAE约15.6%和12.6%，拟合误差湿润区<半湿润区<半干旱区；（3）利用TVDI与RSM线性关系确定的TVDI农业干旱等级更有利于提高TVDI监测农业干旱的准确性。

关键词: 温度植被干旱指数, 干旱监测, 多时次方法, 土壤相对湿度

Abstract:

Improving the Temperature Vegetation Dryness Index (TVDI) and clarifying the agricultural drought grade threshold of TVDI is of great significance for improving the ability of TVDI to monitor agricultural drought. Based on MODIS (Moderate Resolution Imaging Spectroradiometer) remote sensing data in the past 19 years, several feature spaces are constructed by using the single-time and multi-time methods, including NDVI (Normalized Difference Vegetation Index) -LST (Land Surface Temperature), EVI (Enhanced Vegetation Index) -LST, RVI (Ratio Vegetation Index) - LST, and SAVI (Soil Adjusted Vegetation Index) -LST. The calculation methods of TVDI are discussed, the applicability of TVDI for agricultural drought monitoring in Gansu Province is analyzed, and classification standards for summer TVDI agricultural drought in Gansu Province are clarified. The research results are as follows: 1) The TVDI calculated from the SAVI-LST feature space is more suitable for agricultural drought monitoring in Gansu Province. The root mean squared error (RMSE) and mean absolute error (MAE) of its fitting relative soil moisture (RSM) decreased by 1%-5% compared with the RMSE and MAE of RSM fitted by NDVI-LST feature space TVDI for RSM, which is used more commonly. 2) TVDI is suitable for agricultural drought monitoring at shallow depths of 10 and 20 cm in non-arid areas such as semi-arid, semi-humid and humid areas in Gansu Province in summer. The RMSE and MAE are approximately 15.6% and 12.6%, and the fitting errors in humid areas are the least, and they are less in semi-humid areas than in semi-arid areas they are the largest. 3) Compared to TVDI drought grades divided by 0.2 intervals and TVDI with uncertain classification criteria, the TVDI agricultural drought grade determined by the linear relationship between TVDI and RSM is more conducive to improving the accuracy of TVDI monitoring agricultural drought.

Key words: temperature vegetation dryness index, drought monitoring, multi-time method, relative soil moisture

中图分类号:

P426.68

沙莎, 王丽娟, 王小平, 胡蝶, 张良. 基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究[J]. 干旱气象, 2024, 42(1): 27-38.

SHA Sha, WANG Lijuan, WANG Xiaoping, HU Die, ZHANG Liang. Study on monitoring method of agricultural drought in Gansu Province based on Temperature Vegetation Dryness Index[J]. Journal of Arid Meteorology, 2024, 42(1): 27-38.

图/表 12

图1 甘肃省气候区划及农业气象站点分布

Fig.1 The climate zoning and distribution of agrometeorological stations in Gansu Province

表1 植被指数计算公式

Tab.1 Calculation formulas of vegetation indexes

植被指数	计算公式
NDVI	$N D V I = (b 02 - b 01) (b 02 + b 01)$ （Gu et al.，2007）
EVI	$E V I = 2.5 × (b 02 - b 01) (b 02 + 6.0 × b 01 - 7.5 × b 03 + 1)$ （Liu and Huete，1995）
SAVI	$S A V I = (b 02 - b 01) (b 02 + b 01 + L) × (1 + L), L 取 0.5$ （Huete，1988）
RVI_b2b1	$R V I 1 = b 02 b 01$ （Birth and Mcvey，1968）
RVI_b2b7	$R V I 2 = b 02 b 07$
NDWI	$N D W I = (b 02 - b 07) (b 02 + b 07)$ （Gao，1996）

表1 植被指数计算公式

Tab.1 Calculation formulas of vegetation indexes

植被指数	计算公式
NDVI	$N D V I = (b 02 - b 01) (b 02 + b 01)$ （Gu et al.，2007）
EVI	$E V I = 2.5 × (b 02 - b 01) (b 02 + 6.0 × b 01 - 7.5 × b 03 + 1)$ （Liu and Huete，1995）
SAVI	$S A V I = (b 02 - b 01) (b 02 + b 01 + L) × (1 + L), L 取 0.5$ （Huete，1988）
RVI_b2b1	$R V I 1 = b 02 b 01$ （Birth and Mcvey，1968）
RVI_b2b7	$R V I 2 = b 02 b 07$
NDWI	$N D W I = (b 02 - b 07) (b 02 + b 07)$ （Gao，1996）

图2 甘肃省不同气候分区植被指数和地表温度的逐月变化

Fig.2 Monthly changes of vegetation indices and surface temperature in different climatic regions in Gansu Province

图3 多时次方法（左）和单时次方法（右）构建的TVDI与10 cm RSM的相关系数逐月变化

Fig.3 Monthly variation of correlation coefficient between TVDI constructed by multi-time method（the left） and single-time method（the right） and RSM at 10 cm depth

表2 不同气候分区2003—2012年不同特征空间的TVDI与10 cm RSM逐月时间序列的相关性统计值

Tab.2 Temporal correlation statistics between TVDI for different feature space and monthly RSM at 10 cm depth time series from 2003 to 2012 in different climatic regions

构建方法	气候分区	NDVI特征空间		EVI特征空间		SAVI特征空间		RVI_b2b1特征空间
构建方法	气候分区	r	p	r	p	r	p	r	p
多时次方法	干旱区	-0.12	0.38	-0.01	0.46	-0.10	0.37	-0.03	0.45
	半干旱区	-0.32	0.09	-0.27	0.14	-0.34*	0.09*	-0.30	0.16
	半湿润区	-0.36	0.05	-0.28	0.14	-0.38*	0.03*	-0.30	0.10
	湿润区	-0.26	0.08	-0.24	0.16	-0.29*	0.02*	-0.17	0.34
单时次方法	干旱区	-0.09	0.45	-0.03	0.39	-0.09	0.42	0.01	0.47
	半干旱区	-0.26	0.10	-0.26	0.15	-0.29	0.09	-0.28	0.14
	半湿润区	-0.32	0.04	-0.31	0.07	-0.32	0.14	-0.27	0.16
	湿润区	-0.22	0.15	-0.27	0.11	-0.26	0.08	-0.15	0.35

图4 甘肃省不同气候分区TVDI与不同深度RSM相关系数的逐月变化

Fig.4 Monthly variations of correlation coefficients between TVDI and RSM at different depth in different climatic regions in Gansu Province

表3 6—10 月不同特征空间TVDI 与10 cm RSM 的空间相关性统计值

Tab. 3 Spatial correlation statistics between TVDI for different feature space and RSM at 10 cm depth from June to October

表4 甘肃省夏季TVDI的农业干旱等级阈值

Tab.4 Agricultural drought grade thresholds based on TVDI in summer in Gansu Province

农业干旱等级	6月	7月	8月
无旱	TVDI<0.54	TVDI<0.52	TVDI<0.52
轻旱	0.54≤TVDI<0.62	0.52≤TVDI<0.63	0.52≤TVDI<0.59
中旱	0.62≤TVDI<0.70	0.63≤TVDI<0.75	0.59≤TVDI<0.65
重旱	0.70≤TVDI<0.78	0.75≤TVDI<0.87	0.65≤TVDI<0.72
特旱	TVDI≥0.78	TVDI≥0.87	TVDI≥0.72

图5 甘肃省6（a）、7（b）、8（c）月RSM拟合值与实测值散点图

Fig.5 Scatter plots of the fitting values and measured values of RSM in Gansu Province in June（a），July（b） and August（c）

图6 2005年夏季TVDI以表4分级（左）、以0.2为间隔分级（中）、不分级（右）的甘肃省干旱空间分布与RSM的对比

Fig.6 Comparison of drought distribution based on TVDI classified according to the table 4（the left），in 0.2 intervals（the middle） and TVDI without classification（the right） and RSM in summer of 2005 in Gansu Province

图7 甘肃省2016年6（a）、7（b）、8（c）月降水距平百分率（单位：%）

Fig.7 Precipitation anomaly percentage in June（a），July（b） and August（c） in 2016 in Gansu Province（Unit： %）

图8 2016年6（a）、7（c）、8（e）月TVDI的干旱等级图与2016年6月16日（b）、7月16日（d）、8月16日（f）0~30 cm实测土壤相对湿度值

Fig.8 Drought grade map based on TVDI in June（a），July（c） and August（e） and the actual measured relative soil moisture values of 0-30 cm depth on June 16（b），July 16（d） and August 16（f） of 2016

参考文献 45

[1]	鲍文中, 2018. 甘肃气候[M]. 北京: 气象出版社.
[2]	陈少丹, 张利平, 汤柔馨, 等, 2017. 基于SPEI和TVDI的河南省干旱时空变化分析[J]. 农业工程学报, 33(24): 126-132.
[3]	陈燕丽, 唐梅蓉, 张会, 等, 2022. 广西喀斯特地区植被覆盖度和净初级生产力对SPEI干旱指数的响应差异[J]. 干旱气象, 40(6): 1 042-1 050.
[4]	邓振镛, 谢金南, 刘德祥, 等, 1998. 甘肃气候资源特点与开发利用[J]. 甘肃气象, 17(2): 16-19.
[5]	邓振镛, 张强, 赵红岩, 等, 2012. 气候暖干化对西北四省(区)农业种植结构的影响及调整方案[J]. 高原气象, 31(2): 498-503.
[6]	郭铌, 王小平, 2015. 遥感干旱应用技术进展及面临的技术问题与发展机遇[J]. 干旱气象, 33(1): 1-18. DOI
[7]	韩兰英, 张强, 赵红岩, 等, 2016. 甘肃省农业干旱灾害损失特征及其对气候变暖的响应[J]. 中国沙漠, 36(3): 767-776. DOI
[8]	贾生海, 张虎如, 1997. 河西灌溉农业的演变[J]. 干旱地区农业研究, 15(2): 115-120.
[9]	康为民, 罗宇翔, 向红琼, 等, 2010. 贵州喀斯特山区的NDVI-Ts特征及其干旱监测应用研究[J]. 气象, 36(10): 78-83.
[10]	林纾, 李红英, 党冰, 等, 2014. 甘肃河西走廊地区气候暖湿转型后的最新事实[J]. 冰川冻土, 36(5): 1 111-1 121.
[11]	林纾, 李红英, 黄鹏程, 等, 2022. 2022年夏季我国高温干旱特征及其环流形势分析[J]. 干旱气象, 40(5): 748-763. DOI
[12]	刘一哲, 冯文兰, 扎西央宗, 等, 2020. 基于MODIS TVDI和模糊数学方法的藏北地区旱情等级遥感监测[J]. 干旱区研究, 37(1): 86-96.
[13]	李春强, 李红军, 2008. TVDI在冬小麦春季干旱监测中的应用[J]. 遥感技术与应用, 23(2): 161-165.
[14]	陆登荣, 黄斌, 王劲松, 2011. 甘肃河东雨养农业区旬降水变化及其与土壤湿度关系[J]. 干旱地区农业研究, 29(2): 230-235.
[15]	卢远, 华璀, 韦燕飞, 2007. 利用MODIS数据进行旱情动态监测研究[J]. 地理与地理信息科学, 23(3): 55-58.
[16]	沙莎, 郭铌, 李耀辉, 等, 2014. 我国温度植被旱情指数TVDI的应用现状及问题简述[J]. 干旱气象, 32(1): 128-134. DOI
[17]	沙莎, 胡蝶, 王丽娟, 等, 2023. 河南省土壤水分遥感监测方法研究[J]. 气象与环境科学, 46(1) : 91-99.
[18]	商沙沙, 廉丽姝, 马婷, 等, 2018. 近54 a中国西北地区气温和降水的时空变化特征[J]. 干旱区研究, 35(1): 68-76.
[19]	王丽娟, 郭铌, 沙莎, 等, 2016. 混合像元对遥感干旱指数监测能力的影响[J]. 干旱气象, 34(5): 772-778. DOI
[20]	王莹, 张舒, 徐永清, 等, 2023. 近50 a黑龙江省5—9月气象干旱及大气环流异常特征[J]. 干旱气象, 41(4): 540-549. DOI
[21]	伍漫春, 丁建丽, 王高峰, 2012. 基于地表温度-植被指数特征空间的区域土壤水分反演[J]. 中国沙漠, 32(1): 148-154.
[22]	薛亮, 袁淑杰, 王劲松, 2023. 我国不同区域气象干旱成因研究进展与展望[J]. 干旱气象, 41(1): 1-13. DOI
[23]	徐先英, 2019. 甘肃治沙研究60年回顾与展望[J]. 甘肃林业,(4): 9-21.
[24]	杨曦, 武建军, 闫峰, 等, 2009. 基于地表温度-植被指数特征空间的区域土壤干湿状况[J]. 生态学报, 29(3): 1 205-1 216.
[25]	杨小利, 杨兴国, 2007. 甘肃黄土高原气象旱度模式研究[J]. 自然灾害学报, 16(5): 30-36.
[26]	余兴湛, 蒲义良, 康伯乾, 2022. 基于SPEI的广东省近50 a干旱时空特征[J]. 干旱气象, 40(6): 1 051-1 058.
[27]	张强, 胡隐樵, 曹晓彦, 等, 2000. 论西北干旱气候的若干问题[J]. 中国沙漠, 20(4): 357-362.
[28]	张喆, 丁建丽, 李鑫, 等, 2015. TVDI用于干旱区农业旱情监测的适宜性[J]. 中国沙漠, 35(1): 220-227. DOI
[29]	国家气候中心, 中国气象科学研究院, 国家气象中心, 等, 2006. 中华人民共和国国家标准GB/T 20481—2006: 气象干旱等级[S]. 北京: 中国标准出版社: 11.
[30]	BIRTH G S, MCVEY G R, 1968. Measuring the color of growing turf with a reflectance spectrophotometer[J]. Agronomy Journal, 60(6): 640-643.
[31]	CHEN J, WANG C Z, JIANG H, et al, 2011. Estimating soil moisture using Temperature-Vegetation Dryness Index (TVDI) in the Huang-huai-hai (HHH) plain[J]. International Journal of Remote Sensing, 32(4): 1 165-1 177.
[32]	DU L, SONG N, LIU K, et al, 2017. Comparison of two simulation methods of the Temperature Vegetation Dryness Index (TVDI) for drought monitoring in semi-arid regions of China[J]. Remote Sensing, 9(2): 177-196.
[33]	GAO B C, 1996. NDWI-A normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sensing of Environment, 58(3): 257-266.
[34]	GOETZ S J, 1997. Multi-sensor analysis of NDVI and surface temperature and biophysical variables as a mixed grassland site[J]. International Journal of Remote Sensing, 18(1): 71-94.
[35]	GOWARD S N, HOPE A S, 1989. Evapotranspiration from combined reflected solar and emitted terrestrial radiation:preliminary FIFE results from AVHRR data[J]. Advances in Space Research, 9(7): 239-249.
[36]	GU Y, BROWN J F, VERDIN J P, et al, 2007. A five-year analysis of MODIS NDVI and NDWI for grassland drought assessment over the central Great Plains of the United States[J]. Geophysical Research Letters, 34(6), L06407. DOI: 10.1029/2006GL029127.
[37]	GU Y, HUNY E, WARDLOW B, et al, 2008. Evaluation of MODIS NDVI and NDWI for vegetation drought monitoring using Oklahoma Mesonet soil moisture data[J]. Geophysical Research Letters, 35(22), L22401. DOI: 10.1029/2008GL035772.
[38]	HAN Y, WANG Y Q, ZHAO Y S, 2010. Estimating soil moisture conditions of the Greater Changbai Mountains by Land Surface Temperature and NDVI[J]. IEEE Transactions on Geoscience and remote sensing, 48(6): 2 509-2 515.
[39]	HUETE A R, 1988. A soil-adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment, 25(3): 295-309.
[40]	LI H, LI C, LIN Y, et al, 2010. Surface temperature correction in TVDI to evaluate soil moisture over a large area[J]. Journal of Food, Agriculture & Environment, 8(3): 1 141-1 145.
[41]	LIU H, HUETE A, 1995. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing, 33(2): 457-465.
[42]	NEMANI R, PIERCE L, RUNNING S, et al, 1993. Developing satellite-derived estimates of surface moisture status[J]. Journal of Applied Meteorology, 32(3): 548-557.
[43]	SANDHOLT I, RASMUSSEN K, ANDERSEN J, 2002. A simple interpretation of the surface temperature-vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 79(2): 213-224.
[44]	WANG H, HE N, ZHAO R, et al, 2020. Soil water content monitoring using joint application of PDI and TVDI drought indices[J]. Remote Sensing Letters, 11(5): 455-464.
[45]	ZORMAND S, JAFARI R, KOUPAEI S S, 2017. Assessment of PDI, MPDI and TVDI drought indices derived from MODIS Aqua/Terra Level 1B data in natural lands[J]. Natural Hazards, 86(2): 757-777.

基于温度植被干旱指数（TVDI）的甘肃省农业干旱监测方法研究

Study on monitoring method of agricultural drought in Gansu Province based on Temperature Vegetation Dryness Index

RichHTML

PDF

PDF (Mobile)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 45

相关文章 15

编辑推荐

Metrics

[1]	朱丽, 吕潇雨, 郭浩, 孟翔晨, 田芸菲. ERA5-Land降水产品在黄河流域干旱监测中的适用性研究[J]. 干旱气象, 2023, 41(5): 677-687.
[2]	赵鸿, 蔡迪花, 王鹤龄, 杨阳, 王润元, 张凯, 齐月, 赵福年, 陈斐, 岳平, 王兴, 姚玉璧, 雷俊, 魏星星. 干旱灾害对粮食安全的影响及其应对技术研究进展与展望[J]. 干旱气象, 2023, 41(2): 187-206.
[3]	王莺, 张强, 王劲松, 韩兰英, 王素萍, 张良, 姚玉璧, 郝小翠, 王胜. 21世纪以来干旱研究的若干新进展与展望[J]. 干旱气象, 2022, 40(4): 549-566.
[4]	武荣盛, 侯琼, 杨玉辉, 冯旭宇, 李彬, 郑凤杰. 多时间尺度气象干旱指数在内蒙古典型草原的适应性研究[J]. 干旱气象, 2021, 39(2): 177-184.
[5]	胡蝶, 沙莎, 王丽娟, 王玮. 欧空局主被动微波土壤水分融合产品在甘肃省干旱监测中的应用[J]. 干旱气象, 2019, 37(4): 517-528.
[6]	王芝兰, 周甘霖, 张宇, 李耀辉, 董安祥. 美国干旱监测预测业务发展及其科学挑战[J]. 干旱气象, 2019, 37(2): 183-197.
[7]	王思琪, 张翔, 陈能成, 周家香, 胡楚丽, 彭小婷. 基于多种干旱指数的长江中下游五省干旱监测与对比[J]. 干旱气象, 2019, 37(2): 209-217.
[8]	刘凯，孙丽，孙海玥，薛婉擎，翟光辉. 基于风云微波数据的中国冬小麦区干旱监测研究[J]. 干旱气象, 2017, 35(6): 918-925.
[9]	胡蝶，郭铌，王丽娟，沙莎，王玮，芦亚玲，王芝兰. TRMM降雨数据在甘肃省干旱监测中的应用[J]. 干旱气象, 2017, 35(3): 374-.
[10]	黄强，陈子燊，孔兰，蒋任飞. 联合干旱指数在干旱监测中的应用：以广东韶关地区为例[J]. 干旱气象, 2014, 32(4): 499-504.
[11]	曹张驰，沈润平，田烨，李峰. 山东省干湿转换期土壤水分 MODIS 遥感监测[J]. 干旱气象, 2014, 32(3): 340-345.
[12]	李峰，赵玉金，赵红，崔晓飞. FY-3A/ MERSI数据在山东省农田干旱监测中的应用[J]. 干旱气象, 2014, 32(1): 17-22.
[13]	王劲松，李耀辉，王润元，冯建英，赵艳霞. 我国气象干旱研究进展评述[J]. J4, 2012, 30(4): 497-508.
[14]	王小平, 张谋草, 郭海英, 王宁珍, 黄斌. 利用地面遥感仪器对土壤水分的监测试验[J]. J4, 2005, 23(4): 57-60.
[15]	王小平, 郭铌. 遥感监测干旱的方法及研究进展[J]. J4, 2003, 21(4): 76-81.