2000—2014年伊犁哈萨克自治州干旱动态监测研究

总结出了适合我国的一套研究方法，其成果不仅完善了我国研究的缺陷，而且丰富了国外遥感监测研究方法。例如，陈乾[7]在进红外波段利用NOAA卫星获得NDVI数据对甘肃省进行长期干旱监测，柳钦火等[8]基于地表温度和植被指数将我国分为六大区进行全国农业旱情监测，杜灵通[9]基于多元空间信息构建了干旱监测模型。

新疆是我国干旱频发的地区，特殊的地理位置及气候条件使得水资源分布极不均匀，造成干旱灾害常年发生。近年来，许多学者对该地区的干旱情况开展了研究，如姚春生等[10]利用温度植被干旱指数方法完成了新疆土壤湿度的反演；刘星含[11]基于MODIS合成产品构成LST-NDVI特性空间对新疆进行干旱监测；包安明等[12]利用MODIS数据对塔里木河下游植被生长状况进行了监测。本文使用MODIS-TVDI方法，构建2000—2014年每年3—8月LST-NDVI特性空间对伊犁干旱动态变化情况进行分析。对新疆干旱灾害的研究在某些程度上为预防、监测干旱提供了有效的科学手段。

1.4 研究区概况

伊犁位于新疆西部、伊犁河谷上游，干旱灾害时有发生。伊犁素有“塞外江南”和新疆粮仓之美称，区内天山起伏，河川纵横，气候适宜，土地广袤，牧草优良，资源丰厚，风景优美，交通便利，具有广阔发展前景。

2 数据来源与处理

2.1 MODIS数据

20世纪80年代，美国国家航宇局（NASA）为实现对地球进行观测发起了一项综合性项目——地球观测系统（EOS），并于1999年12月18日发射了第一颗极地轨道遥感卫星Terra（EOS-AM1），相继发射第二颗卫星Aqua，两颗卫星通过单系列极轨空间平台对太阳辐射、大气、陆地、海洋进行全面监测，从而实现对人类生存环境长期观测和研究的战略目标。中分辨率光谱仪（MODIS）相对与其他传感器具有明显的优势，优势主要表现在：①辐射分辨率可达12 bit，温度分辨率可达0.03 ℃，发现及时且监测干旱情况更为准确；②MODIS传感器每天至少可以对我国大部分区域进行一次采集数据，可以快速监测干旱的发生情况，保证了数据源的一致性；③MODIS数据相对于以前应用最广泛的NOAA/AVHRR数据具有更大的优势，MODIS数据在可见光的近红外波段的范围较窄，不容易受到外界的干扰，消除了红外红外波段水汽吸收后，红外波段中叶绿体的吸收能力变得更为灵敏。

本文采用的遥感数据源正是MODIS温度产品（LST）数据，使用的MODIS数据是从地理空间数据云网站下载MODIS中国区合成产品的地表温度月合成产品及NDVI月合成产品，通过LST-NDVI构成特性空间，影像数据包括2000—2014年每年3—8月的地表白天平均温度及NDVI值，分别以5月、7月作为春、夏季的代表。

2.2 数据处理

MODIS数据的预处理是遥感应用最基础的一个步骤，预处理步骤包括投影、辐射矫正、图形镶嵌等步骤，从而构成植被指数地表温度特性空间。本文所用的数据为MODIS3级数据产品，这些数据已经进行过幾何矫正和辐射矫正，所以只需对数据进行图形镶嵌，即利用ENVI5.3进行数据的裁剪工作，然后计算地表温度的范围值，因为在ENVI中使用的地表温度数据必须为开尔文温度，最后通过NDVI及地表温度进行TVDI值的计算，得出LST-NDVI特性空间。

3 结果与分析

3.1 LST与月平均气温相关性分析

本文采用的数据为地理空间数据云下载的MODIS合成产品（LST）数据，影像数据与气象站气温数据可能存在一定的误差，所以分析LST与气象站月平均气温的相关性十分必要，以确保数据的准确性、结论的可信性。现将2004年和2010年4月与7月伊犁10个气象站所在范围的平均LST值作为气象站LST值与气象站平均气温作做相关性分析，结果如图1所示。

3.2 LST-NDVI特征分析

研究表明，当大气与地理条件不变时，土壤湿度等因素对地表温度的影响远远高于太阳辐射，所以在某段时间内，当研究区植被覆盖类型没有太大变化时，可以利用连续年份在同一时间段的遥感数据合成该时间段内的LST-NDVI特性空间，方法如下：①提取每年3—8月的NDVI数据及LST数据进行TVDI计算，在计算TVDI前首先对LST数据中一些无效数据进行范围值预处理，因为有些地方会由云层等因素导致无法得出该地区的温度值；②选择NDVI数据值范围，范围值为0.0～1.0，并选择输出路径计算出TVDI值，拟合出每个月的干湿边方程。

从每年的LST-NDVI特性空间可以看出，NDVI和LST干边呈现显著的负相关关系，利用其关系拟合出干边方程即“热边界”，利用最小合成方法选择出相同NDVI值时所对应的温度最小值，合成该时间段内的“冷边界”。

基于以上原理和方法，对数据处理后构建了研究区的LST-NDVI特性空间及干湿边方程。时间序列为2000—2014年每年3—8月地表温度-植被指数特性空间的构建，在使用的NDVI影像图中，水体植被指数小于0，所以仅考虑归一化植被指数大于0的单元。

3.3 TVDI等级划分与分析

温度植被干旱指数（TVDI）的范围值为0～1，根据不同地区的TVDI值可以划分出不同的干旱等级，TVDI值反映的是地区干旱程度。张顺谦等[13]依据土壤湿度的旱情级别分类标准，通过线性拟合和反演的方法，得到一个适合新疆的干旱等级分类标准，本文使用的分级标准正是依据其标准，即（0.00

根据2000—2014年每年4月和7月的TVDI等级分布图可以看出，研究区15年间春季与夏季干旱区动态分布趋势基本一致，无明显变化，干旱区分布在盆地十分明显，沿着盆地周围逐渐减小，山脉和绿洲周边较为湿润，干旱情况较为轻微。而单从季节来看，因为伊犁特殊的气候条件，在4月降雨量较为稀疏，造成干旱情况较为严重，干旱面积明显比夏季大。而夏季，伊犁迎来雨季，降水量迅速增大，植被覆盖面积也随之增加，使得干旱程度也明显减小，干旱面积大大减小。但从整体上看，2000—2014年伊犁的干旱情况基本没有变化，甚至有些地区出现过极端干旱，如2013年伊犁大部分地区出现重旱甚至特旱情况。

从空间上看，伊犁盆地干旱情况发生较为严重，而无旱区主要分布在盆地周围及高山附近。夏季则由于高山融雪及丰富的降水，使得干旱程度减小、干旱面积减少。但整体上伊犁的春季干旱情况明显高于夏季，盆地高于山地。

3.4 TVDI与地表温度的相关性分析

为研究TVDI与气温的关系，采用研究区10个气象站点的月平均气温，并求得气象站点所在范围的TVDI平均值作为该站点的TVDI近似值。本文以2005年4月和7月的气象数据为例，最后分析TVDI与气温的关系。2004年4月和7月月平均气温与TVDI相关性分析见图2。

由图2可以得出，2004年4月和7月的平均温度与所对应的TVDI值呈现正相关，随着温度的升高，TVDI值也呈现明显升高的趋势，4月和7月的相关系数分别为0.476、0.327，所以温度与TVDI的相关性较高，温度的变化关系到TVDI指数的变化，所以地表温度对干旱的监测和预测来说极为重要。

3.5 干旱面积所占比重

基于2000—2014年TVDI值计算得出研究区春夏季干旱面积比重以及和重、特旱面积比重的变化趋势，结果表明2000—2014年伊犁干旱面积比重呈现波动变化。春季和夏季存在着明显的差异，春季干旱面积比重高于夏季干旱面积比重，春季干旱面积比重在2013年达到峰值，比重约为72%，在2007年达到低谷，比重为49%，干旱面积基本保持在60%左右。夏季干旱面积在2010年达到峰值，高达56%，2004年处于低谷，为17%，主要干旱地区位于中部大部分盆地，而盆地周围与边界山脉附近则较为轻微甚至无旱。春夏季重、特旱面积呈上升趋势，可见干旱灾害的发生已越来越严重，主要特旱地区分布于中部县区，包括霍城县、察布查尔县、尼勒克县。

4 结论

伊犁虽有“塞外江南”之称，水资源在新疆内较为丰富，但干旱时有发生，干旱带来的社会、经济损失对当地人民生活造成了非常大的影响[14-16]。本文采用时间空间分辨率较高的MODIS数据，以地表植被-归一化植被指数构成特性空间为理论基础，对伊犁进行干旱监测的研究。本文首先对2000—2014年每年3—8月的MODIS数据构建特性空间，得到干湿边方程，并计算TVDI值，最后以每年4月和7月分表代表春季与夏季得出干旱等级分布图并进行分析，得到以下几点主要结论：①伊犁干旱频发的地区主要集中在中部与西北伊犁盆地附近，而山脉与伊犁河谷附近则较少发生干旱情况或者干旱程度不是很大；②把计算得到的TVDI值分为无旱、轻旱、中旱、重旱和特旱，通过分析TVDI分布图得到多年来伊犁干旱分布趋势基本一致，春季干旱情况大于夏季干旱情况，盆地干旱严重，盆地外沿及山脉附近干旱多表现为无旱；③2000—2014年，干旱面积比重及重、特旱面积比重呈现月波动变化特征，且趋势基本一致，干旱程度有上升的趋势，气象干旱正在逐渐增强。

参考文献

[1]田国良.热红外遥感[M].北京：电子工业出版社，2007.

[2]侯英雨，何延波，柳钦火，等.干旱监测指数研究[J].生态学杂志，2007（6）：892-897.

[3]刘星含，张佳华，许晓宏.MODIS-TVDI指数监测新疆干旱动态[J].遥感信息，2015（2）：111-115.

[4]王君.基于MODIS产品的青海省干旱监测[D].长沙：中南大学，2014.

[5]Watsom K，Pohn H A. Thermal inertia mapping from satellites discrimination of geologic unitin oman[J].Journal of Researh Geology Surveying，1974（2）：147-158.

[6]Carlson T N，Perry E M. Remote estimation of soil moisture availability and fractional vegetion cover for agticuture filed[J].Agriculture and Forest Meteorology，1990（52）：45-49.

[7]陳乾.用植被指数监测干旱并估计冬麦产量[J].遥感技术与应用，1994（3）：12-18.

[8]柳钦火，辛景风，辛晓洲，等.基于地表温度和植被干旱指数的农业干旱监测方法[J].科技导报，2007（6）：12-18.

[9]杜灵通.基于多元遥感空间信息的干旱模型构建及其应用研究[D].南京：南京大学，2013.

[10]姚春生，张增祥，汪潇.用温度植被干旱指数法反演新疆土壤湿度[J].遥感技术与应用，2004（6）：473-478.

[11]刘星含.基于MODIS-TVDI方法的新疆干旱监测研究[D].荆州：长江大学，2015.

[12]包安明，张小雷，方晖，等.MODIS数据在新疆生态环境建设中的应用[J].干旱区地理，2004（2）：256-260.

[13]张顺谦，卿清涛，侯美亭.基于温度植被干旱指数的四川伏旱遥感监测与影响评估[J].农业工程学报，2007（9）：141-147.

[14]于敏，程晓虎，刘辉.地表温度-归一化植被指数特征空间干旱监测方法的改进及应用研究[J].气象学报，2011（5）：922-931.

[15]易永红，杨大文，刘志雨.多时相中分辨率卫星影像在2006年川东和重庆旱情监测中的应用研究[J].水利学报，2008（4）：490-499.

[16]杜灵通，田庆久，黄彦，等.基于TRMM数据的山东省干旱监测及其可靠性检验[J].农业工程学报，2012（2）：121-126.

推荐访问:哈萨克 伊犁 干旱 自治州 监测