程 濤，孫文超，徐宗學(xué)，洪思揚

(1.北京師范大學(xué)水科學(xué)研究院，北京 1000875；2.城市水循環(huán)與海綿城市技術(shù)北京市重點實驗室，北京100875)

0 引 言

作物缺水研究對于指導(dǎo)農(nóng)業(yè)生產(chǎn)具有重要的意義，用作物自身的生理指標(biāo)變化來反映作物的水分狀況是作物缺水研究中的一個主要方面，這些生理變化指標(biāo)包括葉水勢、葉片相對含水量、葉溫或冠層溫度、葉氣孔阻力以及作物光譜反射率等[1]?；诠趯訙囟确从匙魑锼譅顩r的方法能在較大范圍內(nèi)對作物進(jìn)行快速測定，且對植株表面不具有破壞性，是對大田作物進(jìn)行缺水診斷最有效的方法之一[2]。冠層溫度作為作物生長狀態(tài)的一個重要指標(biāo)，能夠表征作物缺水狀況，并進(jìn)一步反映土壤墑情，對于了解當(dāng)前的干旱情況、進(jìn)行旱情監(jiān)測和“精準(zhǔn)農(nóng)業(yè)”灌溉管理并最終實現(xiàn)降低灌溉成本、提高糧食產(chǎn)量具有十分重要的現(xiàn)實意義。

冠層溫度是作物冠層莖、葉兩者表面溫度的平均值，受到環(huán)境和作物內(nèi)部因素共同影響。作物的水分供應(yīng)減少會導(dǎo)致其蒸騰潛熱的減少和顯熱的增加，冠層溫度隨之上升[3]，Tanner[4]首先提出采用冠層溫度指示作物水分狀況，許多研究也已經(jīng)表明，作物冠層溫度是反映作物水分狀況的一個良好指標(biāo)[5]。近些年來，紅外熱成像技術(shù)快速發(fā)展并逐漸應(yīng)用于農(nóng)業(yè)領(lǐng)域。通過紅外熱像儀測量目標(biāo)區(qū)域的溫度分布狀況并進(jìn)行熱圖像分析處理，從而可以獲得較為準(zhǔn)確的作物冠層溫度。國內(nèi)外學(xué)者圍繞作物冠層溫度，利用紅外熱成像技術(shù)監(jiān)測作物水分狀況開展了大量研究工作[6-12]。傳統(tǒng)的紅外測溫裝置觀測作物的冠層表面溫度采用手持式紅外測溫儀，大部分的研究只能在田間尺度進(jìn)行，范圍比較小，不能進(jìn)行大面積的干旱監(jiān)測和預(yù)警工作。衛(wèi)星遙感監(jiān)測具有范圍廣、觀測頻率高等優(yōu)勢，近些年在干旱監(jiān)測方面已得到較為廣泛的應(yīng)用[13-15]。隨著熱紅外遙感技術(shù)的發(fā)展，利用遙感數(shù)據(jù)反演陸地表面溫度(Land Surface Temperature，LST)的算法已經(jīng)較為成熟，反演的精度在1 K以內(nèi)，這為大范圍提取作物冠層溫度提供了可能[8, 16]。

通過衛(wèi)星反演的地表溫度是陸地表面各種地物的綜合溫度，將地表溫度作為植被冠層溫度的假設(shè)大多數(shù)情況下并不成立。在作物生長的中后期，植被覆蓋率較高，地表溫度近似等于冠層溫度[17, 18]；而在作物生長前期和低植被覆蓋率的農(nóng)田，裸土表面會產(chǎn)生強大的背景輻射，對植被的輻射信號產(chǎn)生干擾，這將導(dǎo)致在白天反演的地表溫度會比實際的冠層溫度要高[16, 19]。本文應(yīng)用MODIS衛(wèi)星地表溫度LST數(shù)據(jù)和歸一化植被指數(shù)NDVI數(shù)據(jù)，基于植被指數(shù)溫度NDVI～TS特征空間和線性混合模型，建立從地表溫度LST中提取作物冠層溫度(Canopy Temperature)的簡化算法，為大范圍地應(yīng)用冠層溫度監(jiān)測農(nóng)作物水分脅迫狀況奠定了基礎(chǔ)，為進(jìn)一步對農(nóng)業(yè)干旱的大范圍實時監(jiān)測預(yù)報、實時配水和及時的灌溉決策提供了技術(shù)支撐。

1 研究區(qū)和數(shù)據(jù)資料

1.1 研究區(qū)概況

研究區(qū)(圖1)位于中國東北三省(遼寧、吉林、黑龍江)，經(jīng)緯度范圍在38.67°～53.56°N 和118.84°～135.09°E之間，總面積78.73 萬km2里，年平均降水量604 mm，年平均溫度6.2 ℃。東北肥沃的黑土地使其成為我國產(chǎn)糧大戶，多年來一直是我國重要的商品糧生產(chǎn)基地，黑龍江省糧食總產(chǎn)多年全國第一，吉林省糧食單產(chǎn)多年全國第一，其中2015年東北三省的糧食總產(chǎn)量占到全國糧食總產(chǎn)量的19.3%[20]，是我國糧食貢獻(xiàn)最大的區(qū)域。最近幾年，全國大范圍的干旱開始由南向北、由幾年一發(fā)到幾乎兩年一旱的程度。東北農(nóng)業(yè)生產(chǎn)以“雨養(yǎng)農(nóng)業(yè)”為主，農(nóng)業(yè)基礎(chǔ)設(shè)施薄弱，抗災(zāi)能力較差，產(chǎn)量豐、歉收主要靠天。因此，對東北地區(qū)的干旱情況進(jìn)行研究，利用遙感反演冠層溫度，對東北干旱進(jìn)行實時監(jiān)測，對于指導(dǎo)農(nóng)業(yè)抗旱、發(fā)展精準(zhǔn)農(nóng)業(yè)和增收增產(chǎn)是極為重要的。

圖1 研究區(qū)概況Fig.1 Location and topography of the study area

1.2 資料來源

本文研究的目標(biāo)時間是2015年作物生長期間，目標(biāo)區(qū)域是東北地區(qū)，使用的資料來自兩個方面的數(shù)據(jù)：一是來自美國地質(zhì)勘探局的MODIS數(shù)據(jù)，分別是地表溫度數(shù)據(jù)LST和植被指數(shù)數(shù)據(jù)NDVI，可以通過美國地質(zhì)勘探局網(wǎng)站https:∥lpdaac.usgs.gov/data_access/data_pool進(jìn)行下載。地表溫度數(shù)據(jù)采用Terra衛(wèi)星的MOD11A2數(shù)據(jù)產(chǎn)品，時間分辨率為8 d，空間分辨率大約為1 km，植被指數(shù)數(shù)據(jù)采用Terra衛(wèi)星的MOD13A2數(shù)據(jù)產(chǎn)品，時間分辨率為16 d，空間分辨率為1km。下載2015年5月25日-9月14日每隔16 d一次的地表植被指數(shù)數(shù)據(jù)和每隔8 d一次的地表溫度數(shù)據(jù)，通過最大值合成，將地表溫度數(shù)據(jù)合成為16 d，與植被指數(shù)保持一致，最后通過影像拼接裁剪、投影轉(zhuǎn)換以及數(shù)值的處理得到最終需要的計算輸入數(shù)據(jù)；二是于2015年6-9月間在吉林省四平市梨樹縣農(nóng)業(yè)氣象站實際測量的玉米大田冠層溫度數(shù)據(jù)，大田大約50 m×50 m，每次測量選取每棵植株上位置大致相同的葉片取其冠層溫度值，然后對測量范圍內(nèi)所有葉片溫度求平均值，得到該次測量的大田冠層溫度平均值。

2 研究方法

2.1 作物冠層溫度的計算方法

有較多的研究表明[17, 18, 21, 22]，像元的輻射溫度與像元組分溫度之間存在近似的線性關(guān)系。辛?xí)灾轠23]對模擬的數(shù)據(jù)進(jìn)行分析發(fā)現(xiàn)，輻射溫度與像元中的植被面積比例基本上呈線性關(guān)系。本研究基于線性混合模型估算混合像元中作物冠層溫度，線性混合模型公式如下：

Tsurface=Tcanopy×fc+Tsoil×(1-fc)

(1)

式中：Tcanopy，Tsoil分別為冠層溫度和裸土溫度；Tsurface為像元的混合溫度；fc為作物覆蓋度。

通過式(1)得到冠層溫度的計算式如下：

(2)

以上與Sobrino[17]等用于柑橘霜凍監(jiān)測的公式是一致的。植被覆蓋度fc是植被冠層的垂直投影面積與土壤總面積之比，即植土比，采用Gutman的公式進(jìn)行計算[24]：

(3)

式中：NDVImin和NDVImax分別對應(yīng)地表為完全裸土和常綠植被時的NDVI，分別取值為0.04和0.52[24]。

2.2 裸土溫度的計算方法

基于植被指數(shù)VI和地表輻射溫度LST的組合方法利用衛(wèi)星遙感數(shù)據(jù)估算地表蒸散已形成了一套較為成熟的方法[25]，這個方法又稱為VI～Ts特征空間法，國內(nèi)外學(xué)者利用該方法在地表蒸散的估算和農(nóng)業(yè)干旱的監(jiān)測方面進(jìn)行了大量的研究和應(yīng)用[26-29]。通常VI～Ts特征空間呈現(xiàn)梯形或三角形的空間分布特征，兩者之間的關(guān)系隨土壤濕度的變化而發(fā)生變化[27, 28]。假設(shè)研究區(qū)包含著干燥裸土和濕潤裸土，其中干燥裸土在特征空間中用A點表示，該點具有較高的溫度和較低的植被覆蓋度，濕潤裸土用C點表示，該點同時具有較低的植被覆蓋度和溫度。隨著地表植被覆蓋度的增加，地表溫度也隨之下降。B點表示植被完全覆蓋、土壤水分充足的狀況。通過VI～Ts組成的特征三角形ACB(圖1)的關(guān)系來推算裸土可能存在的最大溫度和最小溫度以及裸土的實際溫度。

在研究區(qū)域內(nèi)，首先求出VI值范圍從NDVImin至NDVImax間所有每一個NDVIi值所對應(yīng)得像元溫度最大值LSTNDVIi,max和最小值LSTNDVIi,min，然后分別對NDVIi與LSTNDVIi,max、NDVIi與LSTNDVIi,min進(jìn)行線性擬合，得到擬合直線AB和BC的方程如下：

LSTNDVIi,max=a1+b1×NDVIi

(4)

LSTNDVIi,min=a2+b2×NDVIi

(5)

當(dāng)NDVIi等于NDVImin時，根據(jù)AB和BC的擬合方程計算得到的LSTNDVIi,max和LSTNDVIi,min分別對應(yīng)Tsoil,max和Tsoil,min，根據(jù)三角幾何關(guān)系，可以計算VI值為NDVIi的某一像元中裸土成分的溫度Tsoil，計算表達(dá)式如下：

(7)

圖2 VI～Ts三角形特征空間示意圖[16]Fig.2 Diagram for illustrating the relationship of VI～Ts

3 結(jié)果分析

3.1 冠層溫度反演結(jié)果與驗證

基于2.1和2.2節(jié)介紹的計算方法，對研究區(qū)逐像元計算作物冠層溫度并提取地面測量點對應(yīng)位置的冠層溫度值，將該點冠層溫度與在地面用手持式紅外測溫儀測量的冠層溫度進(jìn)行比較，進(jìn)而分析誤差原因。由于衛(wèi)星遙感的時間周期為16天，對應(yīng)地面測量時間范圍附近一共有6次數(shù)據(jù)，但兩者時間不完全一一對應(yīng)，因此，本文對時間相近的也進(jìn)行對比。

如表1所示，能夠比較的6組對應(yīng)數(shù)據(jù)中，有3組冠層溫度的遙感反演值和地面測量值絕對誤差較小，分別是7月12日(對應(yīng)于地面測量的11日)、8月13日，和8月29日(對應(yīng)于地面測量的20日)，絕對誤差分別為1.87、0.19和1.71 ℃。同時可以看到，冠層溫度地面測量值在7月11日之后，應(yīng)該有一個冠層溫度先降后升的階段，因此7月12日的實際反演誤差可能稍微更大一些。而冠層溫度地面測量值在8月20日之后有一個稍微上升的趨勢，因此8月29日的實際反演誤差可能會稍微更小一些。

表1 地面觀測與遙感反演的冠層溫度對比Tab.1 Comparison between observed canopy temperature andremote sensing derived canopy temperature

在冠層溫度反演值誤差較大的3組中，6月10日的反演誤差最大，達(dá)到17.37 ℃，其次是6月26日，但同時可以看到，此時的歸一化植被指數(shù)NDVI相對較小，為0.38。根據(jù)前面的介紹，在植被覆蓋度較小的情況下，裸土表面的強大背景輻射會對植被的輻射信號產(chǎn)生干擾，這將對植被冠層溫度的反演產(chǎn)生較大的干擾，可以看到6月26日反演的冠層溫度數(shù)值明顯比6月10日要小。而對于7月28日反演的冠層溫度，可以看到誤差也相對較大，但是實測值在7月27日之后有一個下降的趨勢，因此實際反演誤差應(yīng)稍微減小。

地表溫度LST數(shù)據(jù)也顯示在6、7月份初很多區(qū)域的LST值超過30 ℃，其精度本身相對較低，這進(jìn)一步影響了冠層溫度反演精度。

3.2 冠層溫度反演結(jié)果分析

圖3為研究區(qū)2015年每隔10天的冠層溫度反演結(jié)果。從圖中可以看到，5月底到6月底，研究區(qū)西南部冠層溫度較高，尤其是6月10日，大面積區(qū)域的冠層溫度超過了30 ℃，局部超過了40 ℃。可能的原因是在作物生長的初期，植被覆蓋率比較低(圖5)，如前所述，在植被覆蓋比較低的情況下，由于裸土表面背景輻射的影響，反演的冠層溫度比實際的要高，且從圖4的地表溫度LST也可以看到，MODIS所提供的LST數(shù)據(jù)自身精度的問題也會影響到冠層溫度的反演。

圖3 研究區(qū)2015年5月-8月冠層溫度反演結(jié)果Fig.3 Canopy temperature of the study area from May to August in 2015

圖4 研究區(qū)2015年5-8月地表溫度Fig.4 Surface temperature of the study area from May to August in 2015

圖5 研究區(qū)2015年5-8月歸一化植被指數(shù)Fig.5 NDVI of the study area from May to August in 2015

隨著NDVI值的增大，裸土輻射影響減少，可以發(fā)現(xiàn)東北地區(qū)西南部冠層高溫情況減少，但相對于其他區(qū)域冠層溫度仍然較高，主要原因是該區(qū)域降雨較少，植被根部的水分脅迫會導(dǎo)致冠層溫度的升高。隨著時間進(jìn)入到秋冬季節(jié)，作物需水量減少、氣溫降低，可以明顯看到整個東北區(qū)域的冠層溫度有明顯的下降趨勢。

3.3 結(jié)果討論

利用冠層溫度反映作物水文狀況是一個較為有效且相對及時的方法，Gerhards等[30]對多種利用地面光學(xué)測量獲得的指標(biāo)進(jìn)行分析得到，葉片溫度指標(biāo)對于作物水分狀況具有較為迅速的反映效果，在作物停止灌溉2天后，作物開始出現(xiàn)水分脅迫，而葉片溫度指標(biāo)在第7天就能夠很明顯地指示水分脅迫的出現(xiàn)。本文基于冠層溫度對作物缺水的良好指示作用，利用遙感手段進(jìn)行大范圍、相對連續(xù)的冠層溫度提取，用于區(qū)域農(nóng)業(yè)干旱的監(jiān)測。

冠層溫度反演值與地面測量值對比發(fā)現(xiàn)，在作物生長前期由于植被覆蓋度較低，地表裸土的輻射影響造成冠層溫度反演值與實測值有較大出入，而在作物生長的中后期，植被覆蓋度增大，地表裸土輻射較小，遙感反演的冠層溫度大致能夠反映作物實際冠層溫度，因此反演誤差較小。同時，由于本文實際安排的地面測量時間與遙感數(shù)據(jù)的周期并不完全吻合，不能夠?qū)b感反演結(jié)果一一對應(yīng)地進(jìn)行分析，但根據(jù)趨勢分析也能較為恰當(dāng)?shù)卣f明遙感反演冠層溫度的效果。

另外，本文利用VI～TS方法反演地表溫度時，發(fā)現(xiàn)VI～TS特征空間并不呈現(xiàn)明顯的三角形特征，而是近似拋物線形狀，這在劉英等[31]的研究也有說明。但也有研究[32]指出，NDVI值特低的區(qū)域大部分是水體和城鎮(zhèn)，為了提高對農(nóng)業(yè)干旱的反演精度，可以不考慮NDVI特低的區(qū)域。本文僅對NDVI>0.15的區(qū)域進(jìn)行分析，此時VI～TS特征空間呈近似三角形，可以對地表裸土溫度進(jìn)行較為精確的反演。

4 結(jié) 論

本文利用衛(wèi)星遙感數(shù)據(jù)，基于植被指數(shù)溫度(NDVI～TS)特征空間和線性混合模型，建立冠層溫度的反演算法，并用地面實測值進(jìn)行驗證，得到較好的效果?；谝陨戏治雠c計算，可以得到如下結(jié)論：

(1)本文建立的反演算法所得到的冠層溫度與實測值較為一致，反演的誤差相對較小，能夠較為準(zhǔn)確地反映作物生長狀況；

(2)反演算法在作物生長前期對冠層溫度的反演效果較差，主要原因是低植被覆蓋度所造成的土壤輻射影響，而在中后期，由于植被覆蓋度較高，反演效果較好；

(3)本文建立的反演算法，計算方法相對簡單，方便自動化處理，遙感數(shù)據(jù)易于獲得，且監(jiān)測范圍較為廣泛，可以用于大面積農(nóng)業(yè)干旱監(jiān)測。

□

[1] 袁國富, 唐登銀, 羅 毅, 等. 基于冠層溫度的作物缺水研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2001,16(1):49-54.

[2] 吳曉磊, 張寄陽, 劉 浩, 等. 基于紅外熱像儀的棉花水分狀況診斷方法[J]. 應(yīng)用生態(tài)學(xué)報, 2016,27(1):165-172.

[3] Yuan G F, Tang D Y, Luo Y, et al. Advances in canopy-temperature-based crop water stress research[J]. Advance in Earth Sciences, 2001,16(1):45-54.

[4] Tanner C B. Plant Temperatures[J]. Agronomy Journal, 1963,55(2):210-211.

[5] 蔡煥杰, 康紹忠. 棉花冠層溫度的變化規(guī)律及其用于缺水診斷研究[J]. 灌溉排水學(xué)報, 1997,16(1):1-5.

[6] Leinonen I, Jones H G. Combining thermal and visible imagery for estimating canopy temperature and identifying plant stress.[J]. Journal of Experimental Botany, 2004,55(401):1 423-1 431.

[7] Cohen Y, Alchanatis V, Meron M, et al. Estimation of leaf water potential by thermal imagery and spatial analysis.[J]. Journal of Experimental Botany, 2005,56(417):1 843-1 852.

[8] 黃華國, 柳欽火, 劉 強, 等. 利用多角度熱圖像提取冠層組分溫度和方向亮溫[J]. 北京師范大學(xué)學(xué)報(自然科學(xué)版), 2007,43(3):292-297.

[9] Meron M, Sprintsin M, Tsipris J, et al. Foliage temperature extraction from thermal imagery for crop water stress determination[J]. Precision Agriculture, 2013,14(5):467-477.

[10] Cheng Q, Huang C Y, Wang D W, et al. Correlation between Cotton Canopy CWSI and Photosynthesis Characteristics Based on Infrared Thermography[J]. Cotton Science, 2012,24(4):341-347.

[11] Zhang X Y, Sun H Y, Wang Y Z, et al. Application of a Simplified Method for Estimating CWSI with Infrared Thermography[J]. Chinese Journal of Agrometeorology, 2013,34(5):569-575.

[12] Huang C Y, Wang D W, Xiao L J, et al. Study of Relationship between Water Stress Index and Leaf Water Potential Based on Infrared Thermography[J]. Infrared, 2013,60(4):1 463-1 477.

[13] 溫 奇, 范一大, 陳世榮, 等. 環(huán)境減災(zāi)衛(wèi)星數(shù)據(jù)在旱災(zāi)預(yù)警監(jiān)測中的應(yīng)用[J]. 遙感技術(shù)與應(yīng)用, 2012,27(4):591-599.

[14] 郭 鈮, 王小平. 遙感干旱應(yīng)用技術(shù)進(jìn)展及面臨的技術(shù)問題與發(fā)展機遇[J]. 干旱氣象, 2015,33(1):1-18.

[15] 范一大, 吳 瑋, 王 薇, 等. 中國災(zāi)害遙感研究進(jìn)展[J]. 遙感學(xué)報, 2016,20(05):1 170-1 184.

[16] 侯英雨, 孫 林, 何延波, 等. 利用EOS-MODIS數(shù)據(jù)提取作物冠層溫度研究[J]. 農(nóng)業(yè)工程學(xué)報, 2006,22(12):8-12.

[17] Sobrino J A, Coll C, Caselles V. Atmospheric corrections for land surface temperature using AVHRR channel 4 and 5[J]. 1991,38(1):19-34.

[18] SOBRINO J A, CASELLES V. A methodology for obtaining the crop temperature from NOAA9 AVHRR data[J]. International Journal of Remote Sensing, 1991,12(12):2 461-2 475.

[19] 王純枝. 作物冠層溫度和旱情遙感監(jiān)測及估產(chǎn)研究[D]. 北京: 中國農(nóng)業(yè)大學(xué)生態(tài)學(xué), 2006.

[20] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒[M]. 北京: 中國統(tǒng)計出版社, 2015.

[21] Lhomme J P, Monteny B, Chehbouni A, et al. Determination of sensible heat flux over Sahelian fallow savannah using infra-red thermometry[J]. AGRICULTURAL AND FOREST METEOROLOGY -AMSTERDAM- ELSEVIER-, 1994,27(12):236-248.

[22] Norman J M, Becker F. Terminology in thermal infrared remote sensing of natural surfaces[J]. Remote Sensing Reviews, 1995,12(3-4):153-166.

[23] 辛?xí)灾? 用定量遙感方法計算地表蒸散[D]. 北京: 中國科學(xué)院研究生院(遙感應(yīng)用研究所), 2003.

[24] Gutman G, Ignatov A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J]. International Journal of Remote Sensing, 1998,19(8):1 533-1 543.

[25] Nishida K, Nemani R R, Running S W, et al. An operational remote sensing algorithm of land surface evaporation[J]. Journal of Geophysical Research Atmospheres, 2003,108(108):469-474.

[26] 齊述華, 王長耀, 牛 錚. 利用溫度植被旱情指數(shù)(TVDI)進(jìn)行全國旱情監(jiān)測研究[J]. 遙感學(xué)報, 2003,7(5):420-427.

[27] 沙 莎, 郭 鈮, 李耀輝, 等. 我國溫度植被旱情指數(shù)TVDI的應(yīng)用現(xiàn)狀及問題簡述[J]. 干旱氣象, 2014,32(1):128-134.

[28] 劉立文, 張吳平, 段永紅, 等. TVDI模型的農(nóng)業(yè)旱情時空變化遙感應(yīng)用[J]. 生態(tài)學(xué)報, 2014,34(13):3704-3711.

[29] 孟可竹. 應(yīng)用TVDI于監(jiān)測內(nèi)蒙古之干旱[D]. 臺北: 國立中央大學(xué), 2012.

[30] Gerhards M, Rock G, Schlerf M, et al. Water stress detection in potato plants using leaf temperature, emissivity, and reflectance[J]. International Journal of Applied Earth Observation & Geoinformation, 2016,53:27-39.

[31] 劉 英,馬保東,吳立新,等. 基于NDVI-ST雙拋物線特征空間的冬小麥旱情遙感監(jiān)測[J]. 農(nóng)業(yè)機械學(xué)報,2012,43(5):55-63.

[32] 熊世為. 基于環(huán)境衛(wèi)星數(shù)據(jù)的冬小麥旱情反演研究[D]. 南京: 南京信息工程大學(xué), 2013.