温度植被干旱指数(TVDI)在农业干旱监测中的应用

doi:10.11924/j.issn.1000-6850.casb2021-0011

中国农学通报 ›› 2021, Vol. 37 ›› Issue (29): 132-139.doi: 10.11924/j.issn.1000-6850.casb2021-0011

所属专题：现代农业发展与乡村振兴；农业气象

温度植被干旱指数(TVDI)在农业干旱监测中的应用

姜蓝齐¹^,²^,³(), 王萍²^,³, 姜丽霞²^,³, 宫丽娟²^,³, 李秀芬²^,³(), 张恒翀²^,³, 王晓迪¹

¹哈尔滨学院黑龙江省寒区湿地生态与环境研究重点实验室,哈尔滨 150086
²黑龙江省气象科学研究所,哈尔滨 150030
³中国气象局东北地区生态气象创新开放实验室,哈尔滨 150030

收稿日期:2021-01-08 修回日期:2021-05-25 出版日期:2021-10-15 发布日期:2021-10-29
通讯作者: 李秀芬
作者简介:姜蓝齐,女,1988年出生,黑龙江哈尔滨人,博士,主要从事生态与农业气象与气候变化方面的研究。通信地址：150030 黑龙江省哈尔滨市香坊区电碳路71号,E-mail： jianglanqi@126.com。
基金资助:
国家自然科学基金项目“东北地区大豆干旱形成的时序特征及多源协同诊断研究”(31671576);“基于生态位模型的高寒区大豆潜在适生性研究”(31801253);黑龙江省自然科学基金项目“松嫩平原旱田作物土壤呼吸特征及其对作物生育过程响应研究”(LH2021D019);中国气象局东北地区生态气象创新开放实验室开放研究基金“黑龙江省水稻生产对未来气候变化的适应”(stqx201801);黑龙江省寒区湿地生态与环境研究重点实验室基金“寒地稻田湿地CO₂/CH₄排放通量及影响因素研究”(201904)

Temperature Vegetation Dryness Index and Its Application in Agricultural Drought Monitoring

Jiang Lanqi¹^,²^,³(), Wang Ping²^,³, Jiang Lixia²^,³, Gong Lijuan²^,³, Li Xiufen²^,³(), Zhang Hengchong²^,³, Wang Xiaodi¹

¹Harbin University, Heilongjiang Province Key Laboratory of Cold Region Wetland Ecology and Environment Research, Harbin 150086
²Heilongjiang Province Institute of Meteorological Sciences, Harbin 150030
³Innovation and Opening Laboratory of Regional Eco-Meteorology in Northeast, China Meteorological Administration, Harbin 150030

Received:2021-01-08 Revised:2021-05-25 Online:2021-10-15 Published:2021-10-29
Contact: Li Xiufen

摘要/Abstract

摘要：

准确及时地监测作物干旱情况可为应对作物受灾减产提供策略,进而降低经济损失。研究基于重建的归一化植被指数(NDVI)和地表温度(LST)数据构建旱地作物生育期内LST-NDVI特征空间,计算温度植被干旱指数(TVDI),结合研究区实地观测数据对TVDI指数进行定量验证。结果表明,构建的NDVI-T_s特征空间散点图符合三角形关系,与前人研究结果相符;旱地作物不同生育阶段TVDI与土壤湿度均呈负相关性,表明TVDI具备反映研究区土壤湿润条件的能力;2017年黑龙江旱地作物生育期内各时段均有干旱状况发生,其中西部地区干旱发生频率和范围整体大于东部地区;TVDI与土壤相对湿度干旱等级判对率一致性达到90%以上。综上所述,基于MODIS数据构建的TVDI指数可以反映黑龙江省旱地作物干旱情况,研究可为作物生育期多时段干旱监测的业务化运行及为黑龙江省制定抗旱减灾策略提供科学参考依据。

关键词: 干旱监测, TVDI, 土壤水分, MODIS

Abstract:

Accurate and timely monitoring of crop drought conditions can provide strategies for responding to crop disasters and crop losses, and against financial loss. The study took Heilongjiang Province, a major agricultural province in China, as the research area. Based on the temperature vegetation dryness index (TVDI), with high sensitivity and precision, the study monitored the drought degree and spatial and temporal pattern in the growth period of dry crop. Savitzky-Golay (S-G) filter method was selected to remove normalized difference vegetation index (NDVI) and land surface temperature (LST) noise, then the TVDI was calculated from the re-created NDVI and LST data. Combined with local meteorological data and soil moisture data observed simultaneously in field, the TVDI was verified quantitatively. The results show that: NDVI-LST feature space established in this paper accords with triangular relationship, which is consistent with the previous research results. TVDI has significant negative correlation with surface soil moisture in different growth stages, and it shows that TVDI has the ability to reflect the dry and wet conditions of soil. Based on the TVDI drought classification grade results, drought occurs in each period of dry crop growth period in 2017, and the frequency and range of drought in western are higher than that in eastern Heilongjiang Province. At the beginning of sowing season, spring drought is more serious in the western part of Heilongjiang, especially in Qiqihar City. In early July, the influence of drought on the western part of Heilongjiang is alleviated,and the impact of the drought is gradually shrinking. The correctness rate of drought grade between TVDI and soil moisture is relatively high, and the consistency of the correctness rate basically reaches 90%. In conclusion, the TVDI index constructed based on MODIS data can reflect the agricultural drought in Heilongjiang Province. Our study can provide a basis for agricultural drought monitoring, as well as scientific reference for drought relief in Heilongjiang Province.

Key words: drought monitoring, TVDI, standardized soil moisture index, MODIS

中图分类号:

S127

姜蓝齐, 王萍, 姜丽霞, 宫丽娟, 李秀芬, 张恒翀, 王晓迪. 温度植被干旱指数(TVDI)在农业干旱监测中的应用[J]. 中国农学通报, 2021, 37(29): 132-139.

Jiang Lanqi, Wang Ping, Jiang Lixia, Gong Lijuan, Li Xiufen, Zhang Hengchong, Wang Xiaodi. Temperature Vegetation Dryness Index and Its Application in Agricultural Drought Monitoring[J]. Chinese Agricultural Science Bulletin, 2021, 37(29): 132-139.

图/表 7

参考文献 33

[1]	孙灏, 陈云浩, 孙洪泉. 典型农业干旱遥感监测指数的比较及分类体系[J]. 农业工程学报, 2012, 28(14):147-154.
[2]	于成龙, 刘丹. 基于MODIS的东北地区自然植被生产力对干旱的响应[J]. 生态学报, 2019, 39(11):3978-3900.
[3]	Grow W T, Kumar S V, Bolten J D. On the utility of land surface models for agricultural drought monitoring[J]. Hydrology and Earth System Sciences, 2012, 16(9):3451-3460. doi: 10.5194/hess-16-3451-2012 URL
[4]	Martίnez-Fernάndez J, Gonzάlez-Zamora A, Sάmchez N, et al. A soil water based index as a suitable agricultural drought indicator[J]. Journal of Hydrology, 2015, 522:265-273. doi: 10.1016/j.jhydrol.2014.12.051 URL
[5]	Mozny M, Trnka M, Zalud Z, et al. Use of a soil moisture network for drought monitoring in the Gzech Republic[J]. Theoretical and Applied Climatology, 2012, 107(1/2):99-111. doi: 10.1007/s00704-011-0460-6 URL
[6]	李柏贞, 周广胜. 干旱指标研究进展[J]. 生态学报, 2014, 34(5):1043-1052.
[7]	周洪奎, 武建军, 李小涵, 等. 基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究[J]. 生态学报, 2019, 39(6):2191-2202.
[8]	杨玉永. 山东省小麦封垄前旱情遥感监测业务化运行模型研究[D]. 济南:山东师范大学, 2009.
[9]	杨曦, 武建军, 闫峰, 等. 基于地表温度-植被指数特征空间的区域土壤干湿状况[J]. 生态学报, 2009, 29(3):1205-1215.
[10]	宋小宁, 赵英时. 应用MODIS卫星数据提取植被-温度-水分综合指数的研究[J]. 地理与地理信息科学, 2004, 20(2):13-17.
[11]	Qin Q, Ghulam A, Zhu L, et al. Evaluation of MODIS derived perpendicular drought index for estimation of surface dryness over northwestern China[J]. International Journal of Remote Sensing, 2008, 29(7):1983-1995. doi: 10.1080/01431160701355264 URL
[12]	扎西央宗, 杨秀海, 边巴次仁, 等. 基于TVDI的西藏地区旱情遥感监测[J]. 气象科技, 2010, 38(4):495-499.
[13]	熊世为, 景元书, 李卫国. 基于HJ-B遥感数据的冬小麦旱情监测研究[J]. 麦类作物学报, 2013, 33(1):84-88.
[14]	于敏, 王春丽. 不同卫星遥感指数在黑龙江的对比应用[J]. 应用气象学报, 2011, 22(2):221-231.
[15]	刘晓慧, 马小群, 孙秀帮. 安徽省MODIS干旱监测技术研究[J]. 应用气象学报, 2010, 36(4):111-115.
[16]	刘珍环, 唐鹏钦, 范玲玲, 等. 1980—2010年东北地区种植结构时空变化特征[J]. 中国农业科学, 2016, 49(21):4107-4119.
[17]	唐鹏钦, 陈仲新, 杨鹏, 等. 利用作物空间分配模型模拟近30年东北地区水稻分布变化[J]. 中国农业资源与区划学会学术年会, 2012.
[18]	唐鹏钦, 杨鹏, 陈仲新, 等. 利用交叉信息熵模拟东北地区水稻种植面积空间分布[J]. 农业工程学报, 2013, 29(17):96-104.
[19]	姜蓝齐, 王萍, 姜丽霞, 等. 基于多时相MODIS数据监测水、旱作物种植面积及空间分布[J]. 中国农学通报, 2021, 37(16):108-118.
[20]	Pan Z K, Huang J F, Zhou Q B, et al. Mapping crop phenology using NDVI times-series derived from HJ-1 A/B data[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 34:188-197. doi: 10.1016/j.jag.2014.08.011 URL
[21]	Chen J, Jӧnsson P, Tamura M, et al. A simple method for reconstructing a high-quality NDVI time series data set based on the Savitzky-Golay filter[J]. Remote Sensing of Environment, 2004, 91(3/4):332-344. doi: 10.1016/j.rse.2004.03.014 URL
[22]	黎治华. 基于MODIS反演重构时间序列数据的长江三角洲地区生态环境演变研究[D]. 上海:华东师范大学, 2011.
[23]	鲍艳松, 严婧, 闵锦忠, 等. 基于温度植被干旱指数的江苏淮北地区农业旱情监测[J]. 农业工程学报, 2014, 30(7):163-172.
[24]	Sandholt I, Rasmussen K, Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sens. Environ., 2002, 79(2):213-224. doi: 10.1016/S0034-4257(01)00274-7 URL
[25]	陈斌, 张学霞, 华开, 等. 温度植被干旱指数(TVDI)在草原干旱监测中的应用研究[J]. 干旱区地理, 2013, 36(5):930-937.
[26]	齐述华, 李贵才, 王长耀, 等. 利用MODIS数据产品进行全国干旱监测的研究[J]. 水科学进展, 2005, 16(1):56-61.
[27]	齐述华, 王长耀, 牛铮. 利用温度植被旱情指数(TVDI)进行全国旱情监测研究[J]. 遥感学报, 2003, 7(5):420-427.
[28]	王一昊, 武永峰, 张立亭, 等. 基于TVDI的东北地区春玉米干旱监测——以2018年为例[J]. 河南农业科学, 2020, 49(3):167-180.
[29]	中国气象局. 中华人民共和国气象行业标准《北方春玉米冷害评估技术规范》[M]. 北京: 气象出版社, 2013.
[30]	王鹏新, 龚健雅, 李小文. 条件植被温度指数及其在干旱监测中的应用[J]. 武汉大学学报信息科学版, 2001, 26(5):412-418.
[31]	李亮. 气候变化条件下中国西北地区主要作物需水量时空演变及干旱指标研究[D]. 杨凌:西北农林科技大学, 2019.
[32]	任康. 面向生态的跨流域水资源优化调度及效益均衡研究[D]. 西安:西安理工大学, 2018.
[33]	范辽生, 姜纪红, 盛晖, 等. 利用温度植被干旱指数(TVDI)方法反演杭州伏旱期土壤水分[J]. 中国农业气象, 2009, 30(2):230-234.

	8日	18日	28日
5月	y=-0.1943x+0.9493(R²=0.1152)	y=-0.0607x+0.8174(R²=0.0175)	y=-0.1176x+0.8217(R²=0.0429)
6月	y=-0.2283x+0.8827(R²=0.2834)	y=-0.0317x+0.8265(R²=0.0029)	y=-0.1539x+0.8656(R²=0.0460)
7月	y=-0.0865x+0.7454(R²=0.0251)	y=-0.1585x+0.7958(R²=0.0251)	y=-0.2229x+0.8642(R²=0.0841)
8月	y=-0.0399x+0.9174(R²=0.0172)	y=-0.2023x+0.9296(R²=0.1538)	y=-0.1854x+0.8928(R²=0.1028)
9月	y=-0.0613x+0.8697(R²=0.0095)	y=-0.0977x+0.9665(R²=0.0563)	y=-0.2202x+0.9671(R²=0.5651)

	8日	18日	28日
5月	y=-0.1943x+0.9493(R²=0.1152)	y=-0.0607x+0.8174(R²=0.0175)	y=-0.1176x+0.8217(R²=0.0429)
6月	y=-0.2283x+0.8827(R²=0.2834)	y=-0.0317x+0.8265(R²=0.0029)	y=-0.1539x+0.8656(R²=0.0460)
7月	y=-0.0865x+0.7454(R²=0.0251)	y=-0.1585x+0.7958(R²=0.0251)	y=-0.2229x+0.8642(R²=0.0841)
8月	y=-0.0399x+0.9174(R²=0.0172)	y=-0.2023x+0.9296(R²=0.1538)	y=-0.1854x+0.8928(R²=0.1028)
9月	y=-0.0613x+0.8697(R²=0.0095)	y=-0.0977x+0.9665(R²=0.0563)	y=-0.2202x+0.9671(R²=0.5651)

干旱等级	发育阶段
干旱等级	播种-出苗	出苗-拔节	拔节-抽雄	抽雄-乳熟	乳熟-成熟
无旱	R>65	R>60	R>70	R>75	R>65
轻旱	55<R≤65	50<R≤60	60<R≤70	65<R≤75	55<R≤65
中旱	45<R≤55	40<R≤50	50<R≤60	55<R≤65	45<R≤55
重旱	35<R≤45	30<R≤40	40<R≤50	45<R≤55	35<R≤45
特旱	R≤35	R≤30	R≤40	R≤45	R≤35

干旱等级	发育阶段
干旱等级	播种-出苗	出苗-拔节	拔节-抽雄	抽雄-乳熟	乳熟-成熟
无旱	R>65	R>60	R>70	R>75	R>65
轻旱	55<R≤65	50<R≤60	60<R≤70	65<R≤75	55<R≤65
中旱	45<R≤55	40<R≤50	50<R≤60	55<R≤65	45<R≤55
重旱	35<R≤45	30<R≤40	40<R≤50	45<R≤55	35<R≤45
特旱	R≤35	R≤30	R≤40	R≤45	R≤35

时间	发育阶段	判对率%
5.8	播种-出苗	97.30
5.18	播种-出苗	89.19
5.28	三叶-开花	89.19
6.8		89.19
6.18		86.49
6.28	三叶-开花	91.89
7.8		78.38
7.18		75.68
7.28	抽穗-乳熟/鼓粒	72.97
8.8	抽穗-乳熟/鼓粒	100
8.18	抽穗-乳熟/鼓粒	94.59
8.28	抽穗-乳熟/鼓粒	81.08
9.8	成熟	94.59
9.18		97.30
9.28		100

温度植被干旱指数(TVDI)在农业干旱监测中的应用

Temperature Vegetation Dryness Index and Its Application in Agricultural Drought Monitoring

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 33

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	沈菊, 辛萍萍, 杨起楠, 乌云珠拉. 柴达木盆地东部浅层土壤水分增量对降水的响应[J]. 中国农学通报, 2022, 38(35): 54-61.
[2]	陈亚军, 安学武, 杨玉辉. 新型自动土壤水分传感器与传统FDR法传感器性能对比分析[J]. 中国农学通报, 2022, 38(11): 123-128.
[3]	卜祥, 张永福, 梁田田, 王建国. 基于MODIS数据2001—2019年NDVI时空变化及驱动力分析——以阿克苏地区为例[J]. 中国农学通报, 2022, 38(11): 75-83.
[4]	郭岩, 何毅, 张立峰, 邱丽莎, 张国强, 张志华. 2000—2017年中亚地区植被变化遥感监测[J]. 中国农学通报, 2021, 37(8): 123-131.
[5]	王志军, 王碧胜, 孙筱璐, 徐梦杰, 杨晓慧, 侯靳锦, 房全孝. 胶东半湿润区滴灌制度对冬小麦农田土壤水分、作物生长及水分利用的影响[J]. 中国农学通报, 2021, 37(27): 6-15.
[6]	魏玉涛, 刘明欢, 刘可, 普薇如. 多尺度土壤水监测研究进展[J]. 中国农学通报, 2021, 37(26): 140-145.
[7]	王祺, 马全林, 陈芳, 魏林源, 张卫星. 沙生经济植物沙米出苗土壤水分阈值研究[J]. 中国农学通报, 2021, 37(26): 98-104.
[8]	姜蓝齐, 王萍, 姜丽霞, 宫丽娟, 于成龙, 李秀芬. 基于多时相MODIS数据监测水、旱作物种植面积及空间分布[J]. 中国农学通报, 2021, 37(16): 108-118.
[9]	宁和平, 刘丽, 栾振斌, 罗王军. 甘南合作地区牧草生长季土壤水分气候变化特征[J]. 中国农学通报, 2021, 37(14): 116-122.
[10]	高雅, 王晓飞, 高懋芳, 黄硕, 李石磊, 冷佩. 基于温度植被干旱指数的曲靖市干旱监测研究[J]. 中国农学通报, 2020, 36(9): 37-45.
[11]	扎西欧珠, 边多, 次珍, 白玛央宗, 牛晓俊, 普布次仁. 基于MODIS遥感数据和气象观测数据的藏北高原地表温度变化特征[J]. 中国农学通报, 2020, 36(20): 136-142.
[12]	刘正春, 冯美臣, 徐立帅, 荆耀栋, 毕如田. 基于Sentinel多源数据的晋南农田地表土壤水分反演[J]. 中国农学通报, 2020, 36(20): 51-58.
[13]	张洁, 丁志强, 李俊红, 姚宇卿, 吕军杰, 蔡典雄, 吴会军. 半湿润偏旱区长期定位小麦水肥耦合效应研究——平水年小麦产量及土壤水分变化研究[J]. 中国农学通报, 2020, 36(17): 84-88.
[14]	赵鑫, 朱超, 翟胜, 田晓飞, 张清心, 辛一凡, 孙树臣. 土壤水分对长柄扁桃生长特性及蒸散发的影响[J]. 中国农学通报, 2020, 36(13): 48-52.
[15]	齐月,蒋菊芳,胡蝶,王润元,王鹤龄. 关键生育期持续水分胁迫对春玉米土壤水分动态变化和产量的影响[J]. 中国农学通报, 2019, 35(29): 41-46.