龔 成，周 璀，肖化順，吳 鑫，張 貴

（中南林業(yè)科技大學(xué) 數(shù)字洞庭湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410004）

在各種各樣的自然災(zāi)害中，旱災(zāi)是發(fā)生的頻率最高、持續(xù)時(shí)間最長(zhǎng)、影響的人口數(shù)量最多的自然災(zāi)害。干旱對(duì)環(huán)境的影響主要是加劇環(huán)境污染和惡化以及加速土地沙漠化進(jìn)程[1]，不僅帶來經(jīng)濟(jì)損失，而且還影響社會(huì)穩(wěn)定，受到了國(guó)家的高度重視[2]。

目前，我國(guó)主要是依靠地面氣象站點(diǎn)數(shù)據(jù)獲取土壤含水量、地面降水量等信息來監(jiān)測(cè)干旱[3]。雖然利用氣象站點(diǎn)數(shù)據(jù)來監(jiān)測(cè)干旱的準(zhǔn)確性較高，但是監(jiān)測(cè)范圍往往是單個(gè)或多個(gè)站點(diǎn)的周圍區(qū)域，對(duì)大范圍干旱監(jiān)測(cè)的時(shí)效性不高，同時(shí)地面氣象站點(diǎn)的監(jiān)測(cè)成本較高，所以目前的干旱監(jiān)測(cè)技術(shù)仍有待提高[4]。而隨著遙感技術(shù)的不斷進(jìn)步，利用遙感技術(shù)進(jìn)行干旱監(jiān)測(cè)得到迅速發(fā)展[5]。利用遙感技術(shù)進(jìn)行干旱監(jiān)測(cè)具備速度快、覆蓋范圍廣、成本較低等特點(diǎn)，不但可以彌補(bǔ)氣象站點(diǎn)監(jiān)測(cè)干旱的不足，更能在一定程度上提高干旱監(jiān)測(cè)的精度。大量的研究表明，遙感技術(shù)是監(jiān)測(cè)干旱最具前景的技術(shù)手段[6]。但是單一遙感影像在獨(dú)自觀測(cè)時(shí)存在數(shù)據(jù)缺陷，所以如何選取合適的遙感數(shù)據(jù)進(jìn)行干旱信息提取變得尤為重要[7]。對(duì)多源遙感數(shù)據(jù)進(jìn)行融合可以提高遙感圖像的時(shí)空分辨率，利用融合后的遙感圖像提取干旱因子，建立溫度-植被干旱指數(shù)模型（TVDI），利用TVDI模型得到干旱時(shí)空動(dòng)態(tài)分布。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

湖南地處長(zhǎng)江中游洞庭湖以南，南嶺以北，東部幕府羅霄山脈呈東北向西南走向，西部武陵山-雪峰山山脈呈東北-西南走向在連接著云貴高原，森林資源豐富。湖南干旱的區(qū)域性主要表現(xiàn)為北澇南旱，湘中地區(qū)處于盆地之中，人口較多，經(jīng)濟(jì)較為發(fā)達(dá)，受地形性下沉性氣流影響，干旱發(fā)生頻率相對(duì)較高；而湘西、湘西南地區(qū)人口相對(duì)較少，但由于受到其石灰?guī)r地質(zhì)土層薄特征的影響，蓄水與水土保持能力較差，這是氣候—地形—人類經(jīng)濟(jì)活動(dòng)共同作用的結(jié)果。林地干旱嚴(yán)重影響林業(yè)生產(chǎn)力，林木生長(zhǎng)關(guān)鍵期的土壤水分含量是制約林木生長(zhǎng)的關(guān)鍵因子。林木在干旱的脅迫下，林木的生理方面和形態(tài)特征會(huì)出現(xiàn)惡化，產(chǎn)生一系列次生災(zāi)害。

1.2 數(shù)據(jù)來源

（1）Landsat8數(shù)據(jù)

Landsat簡(jiǎn)稱美國(guó)陸地衛(wèi)星，下載數(shù)據(jù)來源于https://earthexplorer.usgs.gov/，是美國(guó)用于探測(cè)地球環(huán)境資源的系列觀測(cè)地球衛(wèi)星，主要用來對(duì)地表進(jìn)行監(jiān)測(cè)?；贚andsat8傳感器設(shè)計(jì)特征和對(duì)地監(jiān)測(cè)作用，本文采用此衛(wèi)星數(shù)據(jù)進(jìn)行干旱分析和監(jiān)測(cè)[8]。

（2）MODIS數(shù)據(jù)

MODIS數(shù)據(jù)來源于中南林業(yè)科技大學(xué)衛(wèi)星地面接收站。MODIS傳感器可以對(duì)我國(guó)的大部分區(qū)域進(jìn)行每天4次的數(shù)據(jù)采集，可以滿足對(duì)干旱突然、快速、連續(xù)監(jiān)測(cè)的要求。結(jié)合以上優(yōu)點(diǎn)，MODIS傳感器適合進(jìn)行大范圍、長(zhǎng)期、動(dòng)態(tài)的干旱監(jiān)測(cè)[9]。

2 研究方法

2.1 時(shí)空自適應(yīng)反射率融合STARFM模型

在忽略幾何校正的誤差與大氣作用的影響下，在某個(gè)特定時(shí)刻t0，一個(gè)代表異質(zhì)區(qū)域的低分辨率影像像元的反射率可以經(jīng)過該像元覆蓋下的代表不同純凈地物的高分辨率影像像元的反射率加權(quán)得到，其權(quán)重為高分辨率像元所代表的地物在低分辨率像元內(nèi)所占面積的百分比，高、低分辨率像元之間反射率的關(guān)系如式（1）所示，i代表高分辨率像元在低分辨率像元中的位置[10]。

為了得到t0時(shí)刻下的高分辨率影像可以采取遙感影像時(shí)空融合，但從式（1）可以看出，在沒有其他先驗(yàn)知識(shí)或附加條件的情況下，即使像元豐度不隨時(shí)間變化，上式都沒有唯一解。Gao et al在2006年提出STARFM（Spatial and temporal adaptive reflectance fusion model）模型[11-13]，此模型是基于在鄰域內(nèi)同類像元的反射率不會(huì)發(fā)生劇烈變化的假設(shè)，其利用鄰域內(nèi)同類像元進(jìn)行加權(quán)得到融合高分辨率影像。該模型需要己知時(shí)相t的一對(duì)高、低分辨率影像對(duì)和預(yù)測(cè)時(shí)相t0的一景低分辨率影像，以滑動(dòng)窗為單位對(duì)整幅影像逐像元的進(jìn)行融合，利用公式（2）實(shí)現(xiàn)對(duì)t0時(shí)相當(dāng)前窗口下高分辨率中心像元反射率 H(xω/2，yω/2，t0)的融合。其中，(xω/2，yω/2)代表大小為ω×ω窗口的像元坐標(biāo)，(xi，yj)為該窗口內(nèi)某個(gè)與中心像元反射率臨近像元的坐標(biāo)，n代表鄰域窗口內(nèi)相似像元的總個(gè)數(shù)，Wijk是坐標(biāo)為(xi，yj)的第k個(gè)相似像元對(duì)中心像元的綜合權(quán)重。

2.2 溫度影像自適應(yīng)度時(shí)空融合SADFAT模型

SADFAT模型基于ESTARFM模型的框架:

式中，MAST代表年際地表溫度的平均值，YAST代表年際地表度的振幅，ω是角頻率，d代表年際變化中的某一天，θ為相位偏移量?；谠谝欢螘r(shí)期內(nèi)混合像元所包含的各種土地類型的豐度不變這一假設(shè)，結(jié)合該函數(shù)和普朗克定理，高分辨率影像第K個(gè)像元在觀測(cè)時(shí)相t1和t2的輻射差異與其所對(duì)應(yīng)的低分辨率的像元的轄射差異比是一個(gè)常數(shù)，其表達(dá)式如式（4）所示。

式中，RkH代表高分辨率影像第k個(gè)像元的輻射值，RL代表對(duì)應(yīng)的低分辨率像元的輻射值，fi為第i類地物在低分辨率像元中的豐度，d為t1和t2時(shí)相的中間時(shí)相，hk相當(dāng)于ESTARFM中的純凈像元與漏合像元反射率的轉(zhuǎn)移系數(shù)，由此，可以將ESTARFM的整個(gè)模型框架應(yīng)用于影像輻射率的時(shí)空融合，最后再將時(shí)空融合輻射率影像轉(zhuǎn)化為地表溫度?；赟ADFAT的時(shí)空融合模型可以通過熱紅外輻射較好的反演出融合影像的地表溫度值。

3 實(shí)驗(yàn)與分析

本文分別選取6月29日、7月25日、8月14日、9月5日覆蓋湖南省域范圍內(nèi)的所有的Landsat8數(shù)據(jù)，分別與6月30日、7月14日、7月27日、8月12日、8月26日、9月7日的覆蓋湖南省域范圍內(nèi)的MODIS數(shù)據(jù)融合。得到7月14日與8月26日的融合數(shù)據(jù)，并使用7月12日與8月27日的數(shù)據(jù)來進(jìn)行驗(yàn)證，以證明遙感數(shù)據(jù)融合的效果。

表1 融合基礎(chǔ)數(shù)據(jù)的日期Table 1 Fusion of basic data

通過模型融合得到2016年7月14日和2016年8月26日的Landsat數(shù)據(jù)，并與真實(shí)獲取的Landsat數(shù)據(jù)進(jìn)行對(duì)比，部分?jǐn)?shù)據(jù)對(duì)比如圖1～4所示:

圖1 2016-7-12 Landsat數(shù)據(jù)Fig. 1 2016-7-12 Landsat data (red band)

圖2 融合的2016-7-14Landsat數(shù)據(jù)Fig. 2 Simulated 2016-7-14 Landsat data

圖3 2016-8-27Landsat數(shù)據(jù)Fig.3 2016-8-27 Landsat data (red band)

圖4 2016-8-26融合的 Landsat數(shù)據(jù)Fig. 4 Simulated 2016-8-26 Landsat data (near infrared band)

由圖1～圖4可知，在所研究的區(qū)域內(nèi)，融合模型融合出的Landsat數(shù)據(jù)與真實(shí)數(shù)據(jù)顏色較為一致，對(duì)以上模擬影像和真實(shí)影像的近紅外波段、熱紅外波段進(jìn)行相關(guān)性分析，從影像中隨機(jī)選取600個(gè)樣本點(diǎn)定量分析融合數(shù)據(jù)與真實(shí)數(shù)據(jù)的差異，結(jié)果如圖5～圖6所示。

圖5 真實(shí)反射率與融合后反射率Fig. 5 Reflectance and fusion reflectivity

圖6 真實(shí)LST與融合后LSTFig. 6 Real LST and LST after fusion

通過對(duì)融合影像與真實(shí)影像的反射率波段、熱紅外波段進(jìn)行分析，如圖5和圖6所示，真實(shí)反射率與融合后的反射率、真實(shí)地表溫度與融合后的地表溫度的擬合效果較好，能夠較好地融合出高時(shí)空遙感影像數(shù)據(jù)。

3.1 植被指數(shù)的提取

采用歸一化植被指數(shù)（NDVI）對(duì)湖南省2016年7月和2016年8月的多源遙感融合數(shù)據(jù)的熱紅外波段和近紅外波段進(jìn)行運(yùn)算，如圖7和圖8所示，具體計(jì)算公式如下:，生成歸一化植被指數(shù)圖[14]，定義投影坐標(biāo)系，采用湖南省的矢量邊界對(duì)影像進(jìn)行裁剪，得到湖南省省域范圍內(nèi)的植被指數(shù)圖。

3.2 地表溫度反演

通過對(duì)大氣傳輸方程的分析，運(yùn)用單窗算法進(jìn)行地表溫度反演，獲得大氣透過率參數(shù)值，計(jì)算亮度溫度值，并轉(zhuǎn)化為地表溫度值，得到2016年7月份和8月份的地表溫度圖，如圖9和圖10所示。

圖7 2016年7月NDVIFig.7 NDVI July 2016

圖8 2016年8月NDVIFig.8 August 2016 NDVI

圖9 2016年7月地表溫度Fig.9 Surface temperature in July 2016

圖10 2016年8月地表溫度Fig.10 Surface temperature in August 2016

3.3 地表溫度-植被指數(shù)特征空間

通過上述得到的2016年夏季的植被指數(shù)與地表溫度通過基于較小的植被指數(shù)步長(zhǎng)，利用最大合成法選出相同NDVI值中對(duì)應(yīng)的地表溫度中的最大值，形成該時(shí)間段地表溫度-植被指數(shù)特征空間的“干邊”，用最小合成法選擇出相同NDVI值對(duì)應(yīng)的所有地表溫度的最小值，形成該時(shí)間段特征空間的“濕邊”。通過擬合得到2016夏季的地表溫度-植被指數(shù)特征空間。

3.4 湖南省2016年夏季干旱分析

圖11 地表溫度-植被指數(shù)特征空間Fig.11 LST-NDVI feature space

本文選取2016年3—8月的MODIS數(shù)據(jù)以及Landsat8數(shù)據(jù)進(jìn)行融合，得到2016年夏季不同時(shí)間段的高時(shí)空分辨率的融合遙感影像。分別選取其中每個(gè)月上中下旬的干旱圖，通過與湖南省林地分布圖疊加，對(duì)湖南省林地干旱進(jìn)行趨勢(shì)分析。采用湖南省林地干旱遙感監(jiān)測(cè)的干旱分級(jí)標(biāo)準(zhǔn)，分別將干旱等級(jí)劃分為:非常濕潤(rùn)（0.000 5～0.4），濕潤(rùn)（0.4～0.6），正常無旱（0.6～0.75），輕度干旱（0.75～0.85）和干旱（＞0.85），在有云不影響旱情判斷的情況下用白色表示無效區(qū)域。因此，得到TVDI干旱情況分布圖如圖12～圖20。

從以上湖南省2016年夏季（6—8月）不同時(shí)間的林地干旱分布圖可以看出，湖南省進(jìn)入了干旱頻發(fā)時(shí)段，干旱發(fā)生的頻率高，并且區(qū)域廣。在7月22日可以看出湖南省林地干旱程度在這一天得到緩解。8月4日由于云層較多，數(shù)據(jù)缺失比較嚴(yán)重；8月12日，湖南中東部與北部干旱形勢(shì)加劇，長(zhǎng)沙市、湘潭市、岳陽(yáng)市大部分區(qū)域都屬于干旱區(qū)域。從森林類型來看，干旱區(qū)域的植被主要以馬尾松等針葉林為主。到了8月20日，幾乎湖南全境都處于干旱狀況，只有湘南小部分地區(qū)沒有受到干旱影響，干旱區(qū)域植被主要是以闊葉林為主，且該地地勢(shì)較高，因此受干旱影響相對(duì)較小。從地勢(shì)上看，地處湖南中部、北部等地勢(shì)較低的地區(qū)發(fā)生干旱的概率比較大，而在湘西北與湘南，由于海拔較高，發(fā)生干旱的概率相對(duì)較小。

圖12 2016年6月9日Fig.12 2016 June 9th

圖13 2016年6月17日Fig. 13 17 June 2016

圖14 2016年6月25日Fig. 14 25 June 2016

圖15 2016年7月3日Fig. 15 3 July 2016

圖16 2016年7月11日Fig. 16 11 July 2016

圖17 2016年7月22日Fig. 17 22 July 2016

圖18 2016年8月4日Fig. 18 4 August 2016

圖19 2016年8月12日Fig. 19 12 August 2016

圖20 2016年8月20日Fig. 20 20 August 2016

4 結(jié)論與討論

（1）對(duì)2016年7—8月湖南省的MODIS數(shù)據(jù)和Landsat數(shù)據(jù)進(jìn)行預(yù)處理，利用STARFM模型與SADFAT 模型融合出MODIS對(duì)應(yīng)時(shí)期的Landsat數(shù)據(jù)，并對(duì)融合后的數(shù)據(jù)進(jìn)行真實(shí)性檢驗(yàn)，生成了融合影像數(shù)據(jù)集，融合后遙感數(shù)據(jù)可作為干旱監(jiān)測(cè)的數(shù)據(jù)基礎(chǔ)。

（2）從融合后的影像數(shù)據(jù)中提取干旱因子，構(gòu)建了研究區(qū)地表溫度-植被干旱指數(shù)特征空間，提取特征空間相同植被指數(shù)（NDVI）對(duì)應(yīng)的地表溫度（LST）的最大與最小值，根據(jù)地表溫度的最大最小值擬合地表溫度—植被指數(shù)特征空間，據(jù)此建立了TVDI指數(shù)模型。

（3）利用TVDI指數(shù)模型對(duì)融合后的遙感影像進(jìn)行運(yùn)算，得到了2016年夏季不同時(shí)間的湖南林地干旱分布圖，并對(duì)2016年夏季林地干旱分布特征進(jìn)行了分析。

（4）STARFM模型與SADFAT模型假設(shè)像元反射率隨時(shí)間變化穩(wěn)定且隨時(shí)間的變化是線性的，此假設(shè)在估算長(zhǎng)時(shí)間序列數(shù)據(jù)時(shí)會(huì)產(chǎn)生一定的誤差，這在一定程度上限制了其在反射率變化非線性的植被區(qū)域的應(yīng)用。

（5）研究中所選取的溫度—植被指數(shù)模型，主要是建立在地表溫度—植被指數(shù)特征空間之上，在植被覆蓋較好的區(qū)域的TVDI反演結(jié)果與實(shí)際旱情一致性好，在植被覆蓋率較差的區(qū)域溫度反演效果較差。在實(shí)際應(yīng)用中，影響旱情的因素很多，需要不斷探索各個(gè)因素對(duì)旱情的影響。