基于TVDI的沁水煤田地表土壤水分時空演變分析

侯莉琴, 張 錦

(太原理工大學 礦業(yè)工程學院, 太原 030024)

基于TVDI的沁水煤田地表土壤水分時空演變分析

侯莉琴, 張 錦

(太原理工大學 礦業(yè)工程學院, 太原 030024)

溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index，TVDI)是表征地表干旱的有效指標，其時空格局分析是地表干旱與全球環(huán)境變化相互影響下的地表覆被變化的研究內(nèi)容。以山西沁水煤田為研究區(qū)，結(jié)合2000—2010年MODND1M和MODLT1M數(shù)據(jù)，構(gòu)建了NDVI-Ts特征空間并對干濕邊擬合分析。結(jié)果表明：近11年來，沁水煤田年平均TDVI均大于0.4，且總體呈顯著增加趨勢，地表土壤濕度很低，部分區(qū)域處于中度和重度干旱之間。年度內(nèi)，月平均TVDI處于0.5～0.7之間，且7月份TDVI存在明顯波動。在空間上，研究區(qū)地表土壤濕度分布與地表植被分布基本一致。煤田南部和東部以干旱和極干旱為主，西北山區(qū)地帶以正?；驖駶櫈橹?，礦區(qū)密集區(qū)土壤濕度含量明顯低于其他地區(qū)，礦井分布附近較其他區(qū)域地表干旱現(xiàn)象突出。

地表土壤水分; 植被指數(shù); 溫度植被干旱指數(shù); 空間分布; 沁水煤田

土地退化是當前全球最嚴重的環(huán)境問題之一[1-2]，土壤水分含量是監(jiān)測土地退化的重要指標。山西地處黃土高原，近年來由于采礦行為導致大量水土流失和嚴重的土地荒漠化[3-4]，其中煤田內(nèi)礦井大多分布在植被覆蓋度低下、氣候干燥的生態(tài)脆弱區(qū)。開采活動勢必會對土地造成擾動，使地表變得松散、裸露，在地面坡度大和表土松散的情況下，土壤侵蝕就更加嚴重。同時由于采煤嚴重破壞和擾動了土壤結(jié)構(gòu)和組成，使土壤理化性狀劣化，導致土壤粗化和旱化。同時低植被覆蓋度使得植被涵養(yǎng)水源的功能喪失，加大了地表徑流，加劇了水土流失，造成地力衰退，土地退化程度加大。因此監(jiān)測礦區(qū)土地退化及干旱情況具有非常重要的意義。

利用遙感技術(shù)進行地表土壤水分監(jiān)測可追溯到20世紀70—80年代[5-7]。Watson等[8]利用熱紅外波段應用熱模型進行土壤濕度遙感監(jiān)測；Carlson[9]利用NOAA/AVHRR資料對土壤有效水分和熱慣量進行計算。Jakson等[10]綜合利用可見光、近紅外和熱紅外等數(shù)據(jù)研究葉片溫度、土壤水分和植被指數(shù)之間的關系，提出了作物缺水指數(shù)(CWSI)；應用MODIS的溫度植被干旱分析反演干旱區(qū)干旱指數(shù)變化。Gillies等[11]利用遙感反演地表真實溫度和NDVI三角方法估求土壤的有效水分；Sandholt等[12]提出了估測土壤表層水分狀況的溫度植被干旱指數(shù)(TVDI)。近年來，國內(nèi)學者在土壤水分遙感監(jiān)測方面也進行了大量研究，極大地推動了遙感土壤濕度的研究，其中應用TVDI反演不同區(qū)域土壤濕度及干旱程度，日益完善了遙感土壤水分監(jiān)測研究[13-20]。

本文基于MODIS時序數(shù)據(jù)反演地表土壤水分，并對山西省沁水煤田2000—2010年的地表溫度植被干旱指數(shù)信息進行提取，形成長時間序列地表土壤水分分布圖，并對其時空分布特征進行分析研究。

1 研究區(qū)概況及數(shù)據(jù)預處理

1.1 研究區(qū)概況

沁水煤田位于山西省中南部(35°11′—37°43′N,111°55′—113°49′E)，介于太行山、呂梁山、五臺山、中條山之間，跨太原、陽泉、晉城等20余個市縣，面積近3萬km2。該煤田內(nèi)已建成陽泉、潞安、晉城等大型礦務局，地方煤礦在數(shù)百處以上，是中國無煙煤和煉焦煤最大的供應基地。煤田內(nèi)含煤面積為30 500.1 km2，資源量為3 316.5億t，區(qū)內(nèi)產(chǎn)量約為10 530萬t。研究區(qū)地形地貌較為復雜，多以山區(qū)、丘陵為主，屬溫帶大陸性干旱季風氣候，年平均降雨量為400～600 mm，且多集中7—9月份，植被覆蓋度較低。

1.2 數(shù)據(jù)源及預處理

(1) 溫度數(shù)據(jù)和NDVI數(shù)據(jù)。數(shù)據(jù)采用美國LAADS提供的MOD09 GA中的MODND1M中國NDVI月合成產(chǎn)品數(shù)據(jù)和MOD11A1中的MODLT1M中國地表溫度月合成產(chǎn)品，空間分辨率為1 km，時間序列為2000—2010年，共11 a。由于溫度數(shù)據(jù)在某些區(qū)域存在缺失，所以在裁剪時將缺失值默認為NaN，不參與TVDI的計算。

根據(jù)分類需要利用MODIS數(shù)據(jù)處理軟件MRT(MODIS Reprojection Tools)對研究區(qū)同一時相的所有Tile進行提取NDVI和地表溫度，像素可信度數(shù)據(jù)以及MODIS四個波段的反射率數(shù)據(jù)，并對它們進行批量拼接、等面積投影轉(zhuǎn)換等預處理，最后對拼接后的影像進行裁剪得到研究區(qū)數(shù)據(jù)。

(2) 沁水煤田矢量圖，主要用于裁剪研究區(qū)范圍，比例尺為1∶1萬。為了方便與其他數(shù)據(jù)疊加，將所有數(shù)據(jù)都處理為統(tǒng)一的空間投影坐標系。

(3) Landsat遙感數(shù)據(jù)，由2000—2010年軌道號為path 125，row 34云量較少的5—8月的TM/ETM影像，主要用于精度驗證。

1.3 模型選擇

溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index，TVDI)是基于地表溫度和植被指數(shù)而構(gòu)建的表征地表干旱程度指數(shù)。植被指數(shù)與地表溫度是遙感獲取的地表物理參數(shù)。在總結(jié)分析了大量模型的基礎上，選擇TVDI模型反演研究區(qū)土壤水分，從而獲得區(qū)內(nèi)不同區(qū)域、不同時間段的土壤水分。其中TVDI模型為：

(1)

式中：Ts為地表溫度；Tsmax為相同NVDI值對應的最大地表溫度；Tsmin為相同NVDI值對應的最小地表溫度；TVDI的值域為(0，1)。TVDI越大，土壤濕度越低，TVDI越小，土壤濕度越高。

而Tsmax，Tsmin是通過對Ts-NDVI特征空間的干、濕邊模擬得到：

Tsmax=a1+b1×NDVI 干邊方程

(2)

Tsmin=a2+b2×NDVI 濕邊方程

(3)

式中：a1，b1是干邊擬合方程的系數(shù)；a2，b2是濕邊擬合方程的系數(shù)。

本研究應用TVDI反演2000—2010年山西沁水煤田的月土壤水分數(shù)據(jù)，并使用ENVI中的SPEAR工具跳轉(zhuǎn)至Landsat TM/ETM影像對反演的結(jié)果進行精度驗證。

2 結(jié)果與分析

2.1 沁水煤田同月期各年份Ts-NDVI特征空間及對應干濕邊擬合分析

按照一定NDVI步長值提取同一NDVI對應下的所有地表溫度的最大值和最小值。應用IDL編程，從圖1可以看出，每一期特征空間的干邊和濕邊都具備相似的形狀。在NDVI大于某個值時,隨著植被指數(shù)NDVI的增大，陸地表面溫度的最大值在逐漸減小，同時陸地表面溫度的最小值會出現(xiàn)緩慢升高，且陸地表面溫度的最大值、最小值與NDVI呈近線性關系。

為了盡量減少植被對地表水分的影響，選取2000—2006年每年4月份的Ts—NDVI特征空間及對應干濕邊進行擬合。研究發(fā)現(xiàn)，每期圖像的特征空間干濕邊形狀會有所變化，具體參見圖1，且干濕邊存在明顯的負相關性。由于是同期影響，每幅圖像的最高和最低溫度基本持平。當NDVI<0時，陸地表面是水體，此時土壤水分為100%，故本設計只分析NDVI>0的情況。本研究區(qū)內(nèi)由于有較頻繁的開采行為，地表形態(tài)的破壞現(xiàn)象較多，故礦區(qū)內(nèi)地表土壤水分含量分布與地表形態(tài)破壞程度相對應，地表干旱程度較為嚴重，通過擬合干濕邊方程，得到干邊方程中NDVI與Tsmax的平均R2為0.197 78，濕邊方程中NDVI與Tsmin的平均R2為0.099 76。

圖1Ts-NDVI特征空間及干濕邊方程擬合

2.2 沁水煤田TVDI演變時序特征分析

通過對Ts—TVDI計算，應用特征空間擬合的干濕邊方程，進行掩膜提取得到沁水煤田2000—2010年地表TVDI動態(tài)變化情況。選取表征地表土壤干旱差異較為明顯的第二季度和第三季度進行對比分析，同時對4月、5月、6月進行月份間的詳細對照，結(jié)果表明第三季度的TVDI處于0.5左右，而第二季度的TDVI為0.6～0.7。即沁水煤田在春季植被稀疏時總體表現(xiàn)為中度干旱，而在夏季植被覆蓋度增加時地表土壤水分含量有較為明顯的改善，具有顯著的季節(jié)性變化特征。而這些特征與該區(qū)域季節(jié)性降雨的年內(nèi)分布規(guī)律有關，即山西降水多集中于每年的7—9月，且每年7月的降雨量達到全年峰值，由此可見研究區(qū)地表水分含量和植被分布具有明顯的物候年周期性。

從圖2可看出4月、5月、6月份的TVDI值逐漸減小，即隨著降水增加和植被覆蓋度變大，地表土壤水含量逐漸增多，符合物候變化的客觀規(guī)律；在圖3中很明顯看出，第3季度由于降水和植被覆蓋度的變化導致其TVDI值明顯低于第2季度；同時從圖2和圖3可以看出，2000—2002年整個煤田區(qū)的TVDI有輕微降低的趨勢，但2002年后TVDI又會逐漸升高至平穩(wěn)直至2009年后突然出現(xiàn)一個明顯拐點。整體上看，近11年來，沁水煤田年平均TDVI均大于0.4，且總體呈顯著增加趨勢，部分區(qū)域處于中度干旱和重度干旱之間，這也從側(cè)面驗證了沁水煤田位于山西東南部較為干燥的氣候特征。

圖22000-2010年年際沁水煤田地區(qū)TVDI均值變化

圖32000-2010年第2季度和第3季度

沁水煤田地區(qū)TVDI均值變化

采用溫度植被指數(shù)反演地表土壤水分，得到的土壤水分為相對濕度，即其干旱或者濕潤只是相對于本幅影像而言。通過掩膜提取，統(tǒng)計獲取每幅影像TVDI的均值并進行重分類。從空間分析上看，研究區(qū)內(nèi)地表土壤水分分布具有明顯的連續(xù)性和聚集性。沁水煤田TVDI月均值見表1。

表1 沁水煤田地區(qū)2000-2010年每月TVDI平均值

注：“—”表示該月無數(shù)據(jù)。

研究發(fā)現(xiàn)，沁水煤田的月平均植被干旱指數(shù)基本處于0.5～0.7之間，同時由于本研究采用的溫度植被指數(shù)反演土壤水分，故測得土壤水分為相對濕度。從表1明顯可以看出7月份TVDI值存在一個波動，即TVDI值降低后又陡然升高，這是由于山西省的降水集中在7月份，所以土壤水含量由于降水作用會顯著升高，伴隨著TVDI值的變小；而8月、9月份由于降水減弱，土壤水含量相對降低，則TVDI值會增大；10月、11月、12月份降水基本不變，TVDI處于相對正常分布狀態(tài)。

2.3 沁水煤田土壤水分等級空間分布

以TVDI值作為土壤水分的等級分級指標[21]將土壤水分劃分為5級，分別是：極濕潤(0

從空間分布上，研究區(qū)地表土壤水分分布狀況與地表植被分布特征基本一致。在煤田南部和東部，其地形起伏較大，地表植被稀疏，地類多以沙地和疏林地為主，地表土壤水分多表現(xiàn)為中旱、重干旱狀態(tài)。而西北山區(qū)多處于正?；驖駶櫟貛?，也有少量的極濕潤區(qū)域，該區(qū)域地形較為平緩，地貌為黃土丘陵區(qū)，雨量較為充沛，植被覆蓋度也較為密集。結(jié)合五大煤業(yè)集團集中分布區(qū)域進行距離分析，結(jié)果表明在礦井分布區(qū)地表土壤水分明顯低于周邊其他區(qū)域，常年處于中度干旱和重度干旱狀態(tài)。同時通過利用SPEAR工具選取分類圖中TVDI值相差較大的點，并結(jié)合實地對照觀察點其地表覆被物狀況，在五大礦區(qū)周邊選取59個礦井進行精度驗證，以2008年、2010年為例，精度分別達到了83.2%和87.1%，從而驗證其干旱情況與TVDI值對應。經(jīng)過選擇多樣點對比發(fā)現(xiàn)，該遙感反演方法具有一定的可靠性。從空間分析上看，研究區(qū)內(nèi)土壤水分分布具有明顯的連續(xù)性和聚集性。

表2五大典型礦區(qū)部分采樣點信息

礦區(qū)名稱礦井中心坐標覆被類型TDVI清河煤礦112.1110E,38.0070N稀疏林地0.6太原煤氣化集團峪口煤礦112.0790E,37.9750N廢棄工礦用地0.8嘉樂泉煤礦112.0950E,37.9880N林地0.5石港煤業(yè)113.4330E,37.1670N耕地0.4陽泉煤業(yè)集團興峪煤業(yè)113.4410E,38.0140N有明顯塌陷的坡耕地0.5坪上煤業(yè)113.6540E,37.6440N裸地0.7新陽煤業(yè)111.6700E,37.1410N廢棄工礦用地0.8汾西礦業(yè)集團新峪煤業(yè)111.6340E,37.0940N梯田0.4新柳煤業(yè)111.5400E,37.0830N坡耕地0.4郭莊煤業(yè)公司112.9400E,36.3310N廢棄工礦用地0.8潞安礦業(yè)集團王莊煤礦113.1070E,35.9520N工業(yè)廣場0.9余吾煤礦112.8700E,36.3660N耕地0.4長平煤礦112.9080E,35.5680N廢棄工礦用地0.9晉城無煙煤集團寺河礦112.5370E,35.5970N裸露地0.9成莊煤礦112.7320E,35.6100N稀疏林地0.7

2.4 基于礦井的地表土壤TVDI的分布特征

在土壤水分等級分布圖基礎上，選取分布集中、對地表影響嚴重的五大典型礦井作為特征點進行多環(huán)緩沖分析，在定性、定量分析和評價的基礎上選取距離礦井15，30，45 km作為分析距離，對影響區(qū)范圍內(nèi)TVDI分布情況進行分析，以各個礦井的影響范圍(45 km)作為分析范圍，并通過設置影響范圍值進行分類，結(jié)果表明在15 km緩沖范圍內(nèi)，重度干旱的比例最大，其中在干旱較為嚴重的潞安礦區(qū)達到93.1%，其次在15～30 km，基本以中度干旱為主，而在礦區(qū)的30～45 km處，就基本以輕度干旱為主，甚至在地表土壤水分含量較多的汾西礦區(qū)輕度干旱占分析區(qū)域的8.4%，詳見表3。

表3 礦井影響范圍干旱程度分布 %

3 結(jié) 論

(1) 應用空間分辨率為1 km、時間分辨率為1月的MODIS中國合成產(chǎn)品，采用溫度植被干旱指數(shù)法反演了沁水煤田地區(qū)2000—2010年130期土壤水分數(shù)據(jù)，并使用ENVI中的SPEAR工具進行了精度驗證。研究結(jié)果發(fā)現(xiàn)TVDI土壤干濕邊方程的擬合較為準確，尤其是濕邊方程的擬合，這說明TVDI能夠作為土壤水含量指標具有合理性。可通過應用大尺度MODIS數(shù)據(jù)對大區(qū)域范圍內(nèi)的地表土壤水分分布進行研究。

(2) 根據(jù)每期數(shù)據(jù)的TVDI平均值對沁水煤田地區(qū)土壤水含量的月、季節(jié)、年度變化做趨勢分析，得出本研究區(qū)7月份土壤水含量最高的結(jié)論與山西省降水規(guī)律相吻合，并發(fā)現(xiàn)2001年、2003年、2007年該區(qū)域地表TVDI發(fā)生較大的變化，同時在空間分布上在礦區(qū)比較集中的區(qū)域存在較為明顯的地域差異性。

(3) 針對煤田內(nèi)采區(qū)空間分布特征進行樣點選取及影響范圍分析，得出采區(qū)密集區(qū)域土壤水分含量明顯低于采區(qū)稀疏區(qū)域，距離礦區(qū)越近地表干旱程度越嚴重。

[1] 黃森旺,李曉松,吳炳方,等.近25年三北防護林工程區(qū)土地退化及驅(qū)動力分析[J].地理學報,2012,67(5):589-598.

[2] 匡薇,馬勇剛,李宏,等.中亞1999—2012年間土地退化強度與趨勢分析[J].國土資源遙感,2014,26(4):163-169.

[3] 張建彪,閆美芳,上官鐵梁.山西采煤的主要生態(tài)問題及恢復和重建對策[J].安徽農(nóng)業(yè)科學,2008,36(24):10668-10670.

[4] 王家強,梁繼業(yè),李志軍,等.利用植被指數(shù)—地表溫度特征空間反演干旱區(qū)土壤干濕狀況[J].土壤通報,2014,45(1):39-46.

[5] 鄧輝,周清波.土壤水分遙感監(jiān)測方法進展[J].中國農(nóng)業(yè)資源與區(qū)劃,2004,25(3):46-49.

[6] 王利民,劉佳,鄧輝,等.我國農(nóng)業(yè)干旱遙感監(jiān)測的現(xiàn)狀與展望[J].中國農(nóng)業(yè)資源與區(qū)劃,2008,29(6):4-8.

[7] 陳書林,劉元波,溫作民.衛(wèi)星遙感反演土壤水分研究綜述[J].地球科學進展,2012,27(11):1192-1203.

[8] Watson K, Rowan L C, Offield T W. Application of thermal modeling in the geologic interpretation of IR images(Thermal modeling for IR images geologic interpretation, discussing physical parameters role in materials natural environmental diurnal temperature behavior)[C]∥International Symposium on Remote Sensing of Environment, 7th, University of Michigan, Ann Arbor, Mich.,1971:2017-2041.

[9] Carlson T N. Regional-scale estimates of surface moisture availability and thermal inertia using remote thermal measurements[J]. Remote Sensing Reviews,1986,1(2):197-247.

[10] Jackson R D, Pinter P J. Detection of water stress in wheat by measurement of reflected solar and emitted thermal IR radiation[J]. Spectral Signatures of Objects In Remote Sensing,1981:399-406.

[11] Gillies R R, Kustas W P, Humes K S. A verification of the 'triangle' method for obtaining surface soil water content and energy fluxes from remote measurements of the Normalized Difference Vegetation Index (NDVI) and surface[J]. International Journal of Remote Sensing,1997,18(15):3145-3166.

[12] Sandholt I, Rasmussen K, Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment,2002,79(2):213-224.

[13] 姜琳,馮文蘭,劉志紅,等.FY-3A/MERSI與MODIS的溫度植被干旱指數(shù)反演及對比分析[J].水土保持研究,2014,21(3):231-234.

[14] 王海,楊祖祥,王麟,等.TVDI在云南2009/2010年干旱監(jiān)測中的應用[J].云南大學學報:自然科學版,2014,36(1):59-65.

[15] 鮑艷松,嚴婧,閔錦忠,等.基于溫度植被干旱指數(shù)的江蘇淮北地區(qū)農(nóng)業(yè)旱情監(jiān)測[J].農(nóng)業(yè)工程學報,2014,30(7):163-172.

[16] Liang L, Zhao S, Qin Z, et al. Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010[J]. Journal of Integrative Agriculture,2014,13(7):1501-1508.

[17] 劉冰冰,曾永年.湖南省嚴重農(nóng)業(yè)旱情時空變化遙感監(jiān)測與影響分析[J].自然災害學報,2015,24(6):72-79.

[18] 杜靈通,候靜,胡悅,等.基于遙感溫度植被干旱指數(shù)的寧夏2000-2010年旱情變化特征[J].農(nóng)業(yè)工程學報,2015,31(14):209-216.

[19] 楊玲,楊艷昭.基于TVDI的西遼河流域土壤濕度時空格局及其影響因素[J].干旱區(qū)資源與環(huán)境,2016(2):76-81.

[20] 王華,邵瀚.基于TVDI的江蘇省淮北地區(qū)干旱監(jiān)測技術(shù)研究[J].地理空間信息,2016,14(2):53-55.

[21] 劉英.神東礦區(qū)地表植被與土壤濕度遙感監(jiān)測研究[D].北京:中國礦業(yè)大學,2013.

SpatiotemporalVariationofSurfaceSoilMoistureBasedonTemperatureVegetationDrynessIndex(TVDI)inQinshuiCoalfield

HOU Liqin, ZHANG Jin

(CollegeofMiningEngineering,TaiyuanUniversityofTechnology,Taiyuan030024,China)

Temperature Vegetation Dryness Index (TVDI) is a valid indicator to reflect the surface drought. TVDI and the spatiotemporal variation of soil moisture are research topics of global environmental change and the surface soil drought. The variation affects the surface cover change. This method can be used to research the change of ecological environment in coal-field. Taking Qinshui coalfield, Shanxi Province, as an example, combining MODND1M and MODLT1M data of 2000—2010, we built NDVI-Ts feature space and analyzed the dry and wet edges. According to TVDI, the spatiotemporal and variation characteristics of soil moisture were studied. The results showed that the soil moisture of coal surface increased in the past 11 years, and in 2005 before and after the change was bigger. Within the year, monthly average the temperature vegetation dryness index was at around 0.5, and it was obvious fluctuation in July. In space, the distribution of soil moisture was consistent with vegetation distribution in the study area. The two characteristics were basically identical. Coalfield gives priority to arid and extremely arid in the north and east, the southern and eastern mountainous areas were given priority to arid and extreme drought. Simultaneously, in the northwest mountainous areas, soil moisture was mainly normal or moist. The content of soil moisture in mined-out areas was significantly lower than the other regions. The drought phenomenon near the mine is more prominent than distant region.

soil moisture; normalized difference vegetation index (NDVI); temperature vegetation dryness index (TVDI); space distribution; Qinshui coalfield

2016-03-23

：2016-05-30

山西省基礎研究計劃項目(青年)“近30年來山西省農(nóng)業(yè)干旱時空演變規(guī)律及其對氣候變化的響應研究”(2014021032-1)

侯莉琴(1976—),女,山西離石人,博士研究生,講師,主要從事地表覆被變化與空間數(shù)據(jù)處理研究。E-mail:houliqin@tyut.edu.cn

S152.7;TP79

：A

：1005-3409(2017)03-0177-06