干旱作为一种频发的自然现象，一直以来都是一个世界范围内的难题，长期困扰着人类生产、生活和社会经济等各个领域，给自然生态环境，尤其是世界各地的农业生态系统造成了严重损害^[1-2]。干旱的发生、发展是一种缓慢的、连续的、复杂的过程，影响干旱的因素有很多，其状态依赖具体的环境因素，在不同的时间和空间范围，干旱的成因、强度、持续时间、表现情况都不同。目前在全球变暖的气候背景下，全球极端干旱的面积正在扩大^[3]，我国北方地区干旱化趋势显著^[4]。基于气候和气象观测数据的干旱监测方法已经在气象干旱监测中得到广泛应用，如Palmer指数^[5]、作物湿度指数 (CMI)^[6]、标准降水指数 (SPI)^[7]等。在全球和区域尺度范围，卫星遥感是一种非常有效的土壤水分监测手段，其时间和空间连续性好^[8]，许多基于卫星遥感数据的干旱监测模式应运而生^[9-12]，如热惯量方法、植被指数方法、地表温度方法等。但热惯量方法仅适用于裸土和低植被覆盖区域，植被指数方法对土壤水分的响应有一定滞后效应^[13]，地表温度方法对土壤水分比较敏感，但是地表温度的反演复杂，反演精度有待于进一步提高，因而，多种方法融合也是一种较好的探索^[14]。NDVI-Ts特征空间方法结合了植被指数和地表温度，具有较为明确的生物物理意义，水分亏缺指数 (WDI)^[15]、温度植被干旱指数 (TVDI)^[16]、植被温度状态指数 (VTCI)^[17]、TriangleMethod^[18]都基于NDVI-Ts特征空间，对较大空间尺度的土壤水分监测进行了探讨，一些研究也对该类方法在不同气候区和地形条件下的适用性进行了验证^[19-22]，本文利用基于NDVI-Ts特征空间的植被温度状态指数对黑龙江省2007年夏季干旱进行了监测和分析，并结合同期地面气象观测数据对结果进行了验证，确定了NDVI-Ts特征空间方法在黑龙江省的适用性。

本研究区域范围为43°25′ 53°33′N，121°11′135°05′E，涵盖整个黑龙江省。黑龙江省地处我国东北部，面积约4.6×105km2，地形以丘陵和平原为主，是我国重要的粮食生产基地。黑龙江省年平均降水量为400 650mm，降水量空间分布差异较大，年平均降水量等值线大致与经线平行，东西差异显著，南北差异不明显，降水时间分布呈现明显的季风性特征，夏季降水占全年降水量的65%左右，冬季降水量仅占全年的5%，春、秋季分别占13%和17%左右；年平均气温一般为-4.0 5.0 ℃，从东南向西北逐渐递减，具有一定的纬向分布特征，气温的年变化呈单峰型分布，1月气温最低，7月气温最高；各地年平均地表温度一般为-2 6 ℃，其空间分布具有一定的纬向特征，由南向北逐渐降低。地面温度的年变化也呈单峰型变化，7月最高，1月最低。

本研究所采用的卫星遥感数据来自美国NASA的LPDAAC，包括Terra-MODIS16d合成的归一化植被指数MOD13A2(V005)、8d合成的地表温度MOD11A2(V005) 和96 d合成的陆地覆盖MOD12Q1(V004)，均为1km×1km的Sinusoidal格点数据，观测期为2007年6月10日—8月12日，每16d为1个观测时段，共4个观测时段。NDVI产品由经过了大气校正的双向地表反射率计算得到，该反射率数据经过了对水体、云、重度气溶胶及云阴影等的掩膜处理。LST产品是由MODIS第31，32通道的红外发射率经分裂窗算法计算得到，经过了地理纠正、辐射定标、云掩膜、大气温度和水汽廓线订正，数据精度优于1K，8d合成的LST为合成期内晴空条件下的MOD11A1产品的算术平均值。

地面气象观测数据来自国家气象信息中心和黑龙江省气象信息中心，包括黑龙江省81个气象观测站的海拔高度、经度、纬度，月降水量，月降水量距平，资料时段为2007年1—8月，所选测站海拔高度为54 551m。

研究表明卫星遥感归一化植被指数 (NDVI) 和地表温度 (LST) 之间存在明显的负相关关系，并且与土壤湿度密切相关^[23-24]，由于地表能量守恒，通常当地表蒸散减少时，地表感热增加，导致地表温度升高，植被气孔阻力是控制植被蒸腾作用的关键因素，而影响植被气孔阻力和土壤蒸发的主要因素是土壤湿度。许多研究指出，如果研究区域足够大，使得植被覆盖涵盖从裸土到密闭冠层，同时土壤湿度涵盖从田间持水量到干燥土壤的各种范围，则以NDVI为横坐标 (INDV)，LST为纵坐标 (T) 的卫星遥感数据的散点图呈三角形分布^{[16, 24-26]}，图 1为NDVI-Ts特征空间的概念模型。

图 1

图 1. NDVI-Ts三角形空间 Fig 1. Triangular space of NDVI-Ts

图 1中A和B点分别代表干裸土壤和饱和湿度的裸土，C点代表稠密冠层，冠层蒸腾从最大到无，AC为干边，代表低土壤湿度和低蒸散值，BC为湿边，代表潜在蒸散。

植被温度状态指数 (VTCI) 建立在NDVI-Ts三角形空间基础上，是对该特征空间的抽象和简化^[15-16]，在该特征空间中，像素点相对于干、湿边的位置了反映土壤湿度状况，由此得到反映土壤湿度状况的干旱指数 (I_VTC) 如下：

(1)

其中，

(2)

式 (2) 定义了特征空间的干、湿边，T_i是特征空间内某给定像素的地表温度观测值，T_max，T_min分别是特征空间内该给定I_NDVi值所对应的最大、最小地表温度，a，b，a′，b′分别是干边和湿边的截距和斜率，通过线性拟合获得。干边T_max附近土壤含水量低，接近土壤凋萎系数，地表处于干旱状态；湿边T_min附近土壤含水量接近于田间最大持水量，地表蒸散接近潜在蒸散，植被处于无水分胁迫状态。由定义可知，I_VTC值介于0 1之间，I_VTC值越低，土壤湿度越低，反之，土壤湿度越高。

本研究采用的植被指数MOD13A2是16d合成产品，而地表温度MOD11A2为8d合成产品，为使两个产品的时间分辨率一致，对相邻两个时相8d合成的LST产品进行再合成，合成方法采用算术平均，依据每个时相内的质量控制数据QA进行。对MODIS-TerraMOD12Q1的地表覆盖产品IGBP进行分析表明，黑龙江省地表覆盖类型多样，以农田为主，其中既包括灌溉农田也包括雨养农田，森林次之，其他主要为灌丛和草原草甸，植被覆盖度范围较广 (图 2)，农田主要分布在黑龙江西部松嫩平原和东部三江平原一带，森林覆盖则跨越黑龙江南部、中部和北部大、小兴安岭地区 (图 3)，图 3中省界内白色区域为图 2所示的其他地表覆盖类型。

图 2

图 2. 研究区域主要地表覆盖类型 Fig 2. The main land cover types for the whole study area

卫星遥感数据与地面气象观测数据空间分辨率并不一致，所以对地面测站的遥感数据I_NDV，T和I_VTC做缓冲区处理，以地面测站为中心，选取其周围3×3个像素的遥感数据，根据方差排除异常点的干扰，然后将其算术平均值作为地面测站的遥感指标，这样，在使卫星遥感指标与地面观测值进行较好匹配的同时，又不失测站地面特征的独立性。遥感数据的拼接、配准和转投影使用ENVI，投影类型采用Albers等面积投影，地球模型选择Krassovsky1940，对水体和不能有效去除云影响的地表做掩膜处理。

图 3

图 3. 黑龙江省农田和森林分布 (省界内白色区域为其他地表覆盖类型) Fig 3. The distribution of crop and forest in Heilongjiang Province (white areas are other land covers)

从图 4可以看出，由于所选研究区范围足够大，植被指数和土壤湿度的变化范围很大，各监测时段的NDVI-Ts散点图呈典型的三角形分布，冷、暖边界比较清晰，随着植被覆盖度的增加，地表温度逐渐下降，这种变化在干边附近尤为明显，但在INDV高值区，地表温度的变化范围非常小，干、湿边逐渐融合。在INDV极低的区域，存在一些异常点，导致散点图边界较为模糊，这很可能是传感器误差或残存云的影响所致。本文以较小INDV间隙提取相应的最大、最小地表温度，分别对其进行线性拟合，得到特征空间的干、湿边，拟合过程中根据方差逐步排除异常点的干扰，从表 1可以看出，各观测时段内干、湿边斜率和截距各不相同，但干边都很“陡峭"，湿边则变化不大，近似平行于横轴。

图 4

图 4. 2007年各监测时段NDVI-Ts散点图 Fig 4. Scatter plots of NDVI-Ts during different periods in 2007

表 1

表 1 2007年各监测时段干、湿边方程 Table 1 The equations of dry and wet edges for the different periods in 2007

表 1 2007年各监测时段干、湿边方程 Table 1 The equations of dry and wet edges for the different periods in 2007

利用式 (1) 和式 (2)，得到黑龙江省2007年6-8月的I_VTC分布，结果显示整个监测期内，黑龙江大部分地区I_VTC普遍偏低，表明土壤湿度偏低，尤其在黑龙江省西部松嫩平原、东部三江平原一带主要农作物产区干旱状态最为明显 (图 5)，通过分析各监测时段内I_VTC的频率分布 (图 6)、平均值和标准偏差 (表 2)，可以看出，整个监测期内，I_VTC的频率分布呈单峰态，且峰值较小，地表一直处于偏干旱状态。

图 5

图 5. 2007年各监测时段IVTC分布图像 (省界内白色区域为水体和受云影响的区域) Fig 5. TheIVTCimages for Heilongjiang Province during different periods in 2007(the white plots are water and the pixels contaminated with cloud)

图 6

图 6. 2007年各监测时段IVTC频率分布图 Fig 6. The plots of IVTC frequency for Heilongjiang Province during different periods in 2007

表 2

表 2 2007年各监测时段IVTC平均值及标准差 Table 2 The average and standar ddeviation for the differen tperiods in 2007

表 2 2007年各监测时段IVTC平均值及标准差 Table 2 The average and standar ddeviation for the differen tperiods in 2007

6月10—25日，I_VTC平均值为0.25，峰值在0.29附近，标准差为0.15，在西部松嫩平原、东部三江平原的西部等主要农作物产区I_VTC最低，普遍小于0.2，其余大部分地区的I_VTC也只在0.2 0.4之间，只有三江平原东部和大兴安岭部分区域I_VTC稍高，集中在0.4 0.6附近。6月26日—7月11日，大部分地区干旱有所缓解，均值达到了0.35，峰值在0.45左右，但7月12—27日，I_VTC平均值为0.3，中部、南部和北部大兴安岭部分区域I_VTC降低，旱情较前一时段重。7月28日—8月12日，大部分地区的I_VTC有所升高，平均值达到0.38，旱情趋缓，尤其在西部松嫩平原和东部三江平原等主要农作物产区及中部地区，但大兴安岭北部I_VTC较前期低。整体而言，I_VTC所反映的此次夏季干旱空间分布广，几乎遍布整个黑龙江省，干旱持续时间贯穿整个夏季，干旱程度较重，尤其是在前期。同期气象统计数据显示，6月以来，全省降水持续异常偏少，6—8月全省平均降水量仅为126mm，比历年同期偏少44%，而且，7月22日的全省降水偏少程度达到1961年以来历史第2位，这与上述I_VTC值监测结果基本吻合。

本研究选取黑龙江省81个气象观测站的月降水量、月降水距平百分率分别与各观测时段内的I_VTC做相关性分析，结果表明：各监测时段内I_VTC与当月降水量及当月与前1个月的累积降水量间都存在明显的线性相关关系，相关系数均通过了显著性水平为0.05的相关性检验，而与前1个月的降水量则不存在明显的相关性，除6月10—25日这个监测时段外，其他3个时段的I_VTC分别与当月降水量及之前2 4个月的累积降水量之间存在明显的线性相关性，通过了显著性水平为0.001的相关性检验，但4月以前的降水量对I_VTC与降水量相关性贡献较小。通过分析降水资料发现，6月之前全省平均月降水距平百分率都明显高于历史平均，除4月与历史平均接近外，其他4个月都高于158%，但是进入6月，降水量出现异常偏少，全省平均月降水量距平百分率低于-34%。而且，在5月之前，黑龙江省大部分土地都没有完全解冻，此前的降水很少被土壤吸收并蓄存，而黑龙江省植被的生长期主要从6月开始，因此这种降水异常、当地土壤解冻时间及植被物候特征可能是导致6月I_VTC与前2个月以上的累积降水量间相关性低的主要原因。

降水量距平百分率是一个反映气象干旱的重要因子，经过相关性分析发现，除6月外，各监测时段内I_VTC值分别与当月降水距平百分率及当月与之前1个月的累积降水距平百分率之间存在显著的线性相关关系，均通过了显著性水平为0.05的相关性检验，而与前1个月的降水量距平百分率不存在明显的相关关系，与之前5个月的累积降水距平百分率的线性相关关系越来越不明显，6月I_VTC与当月和前1个月的累积降水量距平百分率之间相关性较其他月份低，同样可能是由于6月全省降水异常偏少、当地土壤解冻时间晚和植被物候特征造成的。上述结果表明，I_VTC不仅与当地最近的降水事件有关，而且与过去一段时期的总体降水事件密切相关，是一个近实时的干旱监测指标，能够较好地反映研究区域干旱发生、发展的动态演化过程。

NDVI-Ts特征空间方法结合地表光谱反射率和热红外辐射，能反映出一定时空尺度上的土壤湿度状况，当空间范围足够大，使得植被指数和土壤湿度变化范围都很大时，NDVI和LST卫星遥感数据散点图呈三角形分布，但是，这种关系存在时空依赖性，不同区域、不同时间内，其结构特征并不相同。本文在此基础上，用基于NDVI-Ts特征空间的VTCI方法对黑龙江省2007年夏季干旱进行了监测和分析，首先，利用Terra-MODIS卫星遥感数据构建了NDVI-Ts三角形特征空间，在所选研究区内，特征空间呈典型的三角形分布。然后用基于该特征空间的VTCI方法，分4个观测时段对干旱进行了跟踪监测，并对其时空演化规律进行分析，结果表明：这次干旱几乎遍及黑龙江全省，干旱程度较重，尤其是在主要农作物产区，干旱持续时间贯穿整个夏季，并且前期旱情最为严重。最后，利用地面气象站的降水数据与监测结果进行相关性分析，证明I_VTC与近期降水之间存在很好的线性相关性。分析表明VTCI方法是对NDVI-Ts特征空间合理的简化和抽象，不依赖于任何地面辅助数据，可操作性强，是一个近实时的干旱监测方法，能较真实地反映黑龙江省干旱发生、发展的动态过程，具有较好的适用性。

然而，基于NDVI-Ts特征空间的干旱监测通常受限于植被生长期内，不同的地表覆盖类型、土壤类型、气候条件等都可能对其产生不同的影响，VT-CI方法是在特征空间基础上的进一步假设和简化，其干、湿边的提取通常对特征空间形态产生很大的影响，因此在干、湿边提取的方法上值得进一步研究和探讨，同时，提高NDVI和LST的反演精度也将对该方法监测精度的提高有很大帮助。