MODIS数据在湖北旱情监测中的应用

刁 伟，孟令奎，张东映，郭善昕

（武汉大学遥感信息工程学院，湖北 武汉 430079）

0 引言

干旱是世界范围内最为严重的气象灾害之一，不仅影响区域广大，而且危害也最为严重，直接阻碍了社会经济的可持续发展。对于干旱的监测一直是世界公认的难题。人们最初使用气象数据监测干旱状况，但由于提供全国气象数据的气象站点较为稀疏，难以表征站点周围大面积区域的旱情状况，且无法保证数据获取的实时性和完整性，所以气象数据监测干旱的精确性和实时性较低。

近年来，遥感技术呈现出探测周期短、现时性强、数据获取便捷、可大面积宏观监测等特点[3]，因此利用遥感技术对旱情进行监测，可以及时定位大面积区域当前的旱情严重程度，并做出合理的评估和预测。

现有的遥感旱情监测方案中使用的遥感数据源主要包括中等分辨率的 MODIS（中分辨率成像光谱仪）和 NOAA/AVHRR 影像数据。相对于 NOAA数据来说，MODIS 数据具有更高的空间分辨率，更多的观测通道，且重访周期较短、获取便捷，因此比较适合在大面积突发性灾害遥感监测评估中应用[4-7]。本文主要研究探讨 MODIS 数据在湖北省旱情监测中的应用，以期充分发挥 MODIS 数据高时间分辨率和大面积监测的优势，为防旱抗旱工作提供更为及时可靠的背景知识和决策支撑。

1 MODIS 数据特点及处理

1.1 数据特点

MODIS 传感器是 EOS（Earth Observation System）系列卫星（Aqua 和 Terra）的主要探测仪器，属于新一代“图谱合一”的高光谱类传感器。MODIS 获取的数据是唯一由 NASA（美国国家航空航天局）提供免费广播服务的一种数据，每 1～2 d可覆盖全球 1 遍，具有较高的时间分辨率。同时，MODIS 的扫描宽度为 2330 km，有 36 个波段（含陆地波段 13 个），空间分辨率最高可以达到 250 m[1]（第 1，2 波段）。对于湖北区域大面积动态旱情遥感监测来说，MODIS 数据在时间、空间、光谱分辨率及数据获取途径上具有独特的优势，是 NOAA/AVHRR 卫星影像数据无法相比的。

1.2 监测模型及数据处理

2006 年，阿布都瓦斯提[2]等人依据近红外波段与红波段构造的特征空间中土壤水分的空间分布特征提出垂直干旱指数（PDI）的概念，公式如下：

式中：R 代表经过大气校正的波段反射率，red 表示红光波段，nir 表示近红外波段；M 为土壤线的斜率。垂直干旱指数描述了 NIR-Red 光谱特征空间中土壤水分的分布规律[9-10]：PDI 值越高的点对应着土壤含水量低的区域；反之，PDI 值越低的点对应着土壤含水量越高的区域。

虽然 PDI 可以很好地表征地物在某一时刻的土壤水分含量，但是对于大面积区域的旱情监测，由于不同地区的气候条件、土壤类型、种植结构等均有较大不同，因此在分析某一地区旱情严重程度时，需要将研究时间段的旱情指数与该地区历史同一时间段内的旱情指数作对比，以此分析和判定该区域相对于历史同期的旱情状况。

从 NASA 网站上[8]可以获取研究区 2002—2011年间的 MODIS 历史数据，因此可以使用这 10 a 历史数据，计算得到 PDI 的极大值和极小值历史影像库。将计算得到的 PDI 通过历史极值影像库进行归一化处理，对于小于 0 的部分用数值 0 代替，高于 1的部分用数值 1 代替，以使其值域区间划归到 0～1之间，归一化的干旱监测指数 NPDI 具体计算如下：式中：PDImax和 PDImin分别为历史同一时期对应点位区域上 PDI 的极大值和极小值。从式（2）可以发现，NPDI 的值越高，说明该地区相对于历史同期而言旱情状况越严重；值越低，说明旱情状况越轻微甚至没有旱情发生。

选取某个月份每日的 MODIS 单景影像，分别对其进行几何纠正、辐射校正、重投影、拼接裁剪等加工处理，并使用最大值合成方法将每日的多幅单景影像加工为日合成影像，每 10 d 将日合成影像加工为旬合成影像产品。使用式（1）即可计算得到研究区域研究月份的上、中、下 3 旬的垂直干旱指数影像。

历史库影像可以直接在 NASA 网站上下载每日的反射率产品数据，经过同样的处理步骤即可构造PDI 的历史影像库。使用历史库对每旬的 PDI 影像进行归一化，最终得到归一化垂直干旱指数旬合成影像产品。

2 MODIS 数据在湖北旱情监测中的应用

湖北省位于我国的中南部，长江中游，是我国的经济中心、重要的生产基地。

近几年，湖北省连年发生大旱，给农业生产和人民生活带来了极大的威胁。2012 年湖北省大部分地区降水量与历史同期相比偏少 3～5 成，多地出现严重干旱，其中随州等地更是遭遇 60 年一遇的特大干旱。2012 年 8 月，湖北省西北部和中部局部地区发生较为严重的干旱，随州、荆门、襄阳、孝感等地局部地域受灾严重。

为分析通过遥感技术监测的旱情监测成果的准确性，基于干旱监测模型和 MODIS 数据方法，对2012 年 8 月上、中、下 3 旬的湖北省 MODIS 数据进行计算和分析。通过数据处理和分析，可以得到湖北区域每旬的旱情指数图。在 Arcgis 软件中打开旱情指数图，并叠加湖北省市级行政区划图，即可得到湖北省各市的遥感旱情监测结果图，如图1～3所示。分别对每旬的遥感旱情监测结果图进行分析，具体如下：

1）图1 所示为 2012 年 8 月上旬湖北区域的旱情监测结果。图像显示，除了武汉市、襄阳中北部、荆州东部、随州西南部等地旱情指数在 0.7 以上，与其它地区相比有明显旱情发展趋势以外，湖北省全省范围内基本无明显旱情。

2）图2 所示为 2012 年 8 月中旬湖北区域的旱情监测结果。从图中可以明显发现，上旬至中旬期间，湖北省中东部、西北部、西南部等地旱情指数显著增大，出现较为明显的旱情，其中以荆州东部、仙桃东部、孝感中北部、鄂州中北部、武汉、荆门中部和襄阳中西部等地区为主要发生区域，局部地区旱情指数达到了 0.9 以上。

根据水利部防汛抗旱水文气象综合业务系统提供的旬降水距平数据和湖北省农业厅提供的土壤墒情数据可知：2012 年 8 月上旬期间，湖北省全省范围内基本无降水，尤其是湖北中东部、西南部等地区，降水异常偏少，较往年平均水平低 50% 以上，持续的无降水天气造成湖北地区较为严重的气象干旱；同时，全省大部分地区墒情不足，尤其是西北、东北地区，严重缺墒，造成较为严重的农业干旱。由此可以发现，遥感旱情监测结果在整体上与地面降水等实测数据基本吻合。

3）图3 所示为 2012 年 8 月下旬湖北区域的旱情监测结果。图像显示，湖北省全省范围内旱情程度较中旬有明显缓解，除了武汉市、咸宁中北部、荆州东部、黄石北部等局部地区旱情指数仍有偏高，存在一定程度的旱情趋势以外，其它地区基本无较为明显的干旱情况。

同样，根据防汛抗旱水文气象综合业务系统提供的旬降水距平数据和湖北省农业厅提供的土壤墒情数据可知：2012年 8 月中旬期间，湖北西部和东部局部地区出现较多降雨，土壤墒情适宜，而西北部和中部仍然降水偏少，土壤墒情不足；到了下旬，湖北西北西部、西南东部及东南大部有较多降水，中部、东北西部、鄂西南西部降水略少，土壤墒情除了西北东部至东北西部仍有不足以外，其它地区皆适宜或者充足，气象和农业干旱严重程度明显得到缓解。整体来看，遥感旱情监测结果与地面实测结果基本一致。

图1 湖北省2012年8月上旬遥感旱情监测图

图2 湖北省2012年8月中旬遥感旱情监测图

从分析可以发现，使用 MODIS 数据遥感旱情监测模型反演得到的旱情严重程度与发展趋势和地面实测数据的整体走势基本吻合，局部地区（如武汉）因城市热岛效应的影响而存在一定的偏差。此外，通过走势对比分析也可以看出使用遥感手段监测农业旱情存在一定的滞后性。

但就整体效果而言，基于遥感旱情监测模型对 MODIS 数据进行旱情程度和走势分析，具有很好的实用性，可以实时监测大面积区域的旱情状况，具备传统地面监测手段无法比拟的优势。此外，MODIS数据的重访周期为 1～2 d，而大面积的旱情监测大多以旬为时间单位，主要为制定下一段时间内的防旱抗旱措施提供依据，因此，MODIS 数据完全能够满足湖北区域干旱监测对遥感影像的时间分辨率要求。

在实际监测工作中，将利用遥感技术进行旱情监测得到的结果与 GIS 技术相结合，通过叠加历史影像，以及城镇、交通、土地利用等 GIS 数据，可以为政府决策部门提供更加全面综合的决策支持信息。这对我国的国民生产，尤其是农业生产和水利规划，也都具有非常重要的意义。

3 结语

掌握旱情的最新动态，预测旱情的发展趋势，提高旱情监测反演的准确性，是政府部门防旱抗旱工作的关键任务之一。本文基于历史库归一化的垂直干旱指数模型，使用 MODIS 数据对 2012 年 8 月上、中、下 3 旬的湖北省旱情状况进行重点监测和分析，并结合降水距平数据和土壤墒情数据对结果进行了对比分析验证。结果表明，基于 MODIS 数据的归一化垂直干旱指数模型在湖北区域的旱情监测中具有较好的应用效果，MODIS 数据可以很好地用于大面积区域的旱情监测。

本文的旱情指数是在历史库数据的基础上实现归一化处理，充分考虑了地物历史状态的影响。但是 MODIS 的数据只有 10 a 的历史，并不能完全包含地物发展的各种状态。例如某地物所在地区在2002—2011 年都没有发生干旱，而 2012 年发生轻微旱情，会导致该地物的状态被误判为极旱。随着MODIS 数据历史库的积累年限越来越长，MODIS数据在旱情监测领域的应用效果也将愈加完善。

[1]孙家抦. 遥感原理与应用[M]. 武汉：武汉大学出版社，2003: 45-48.

[2]Abduwasit Ghulam, Qiming Qin, Zhiming Zhan. Designing of the Perpendicular Drought Index[J]. Environmental Geology, 2007, 52 (6): 1045-1052.

[3]刘闯，葛成辉. 美国对地观测系统（E0S）中分辨率成像光谱仪（MODIS）遥感数据的特点与应用[J]. 遥感信息，2000 (3): 45-48.

[4]黄泽林，覃志豪. 利用 MODIS 数据监测大面积土壤水分与农作物旱情研究[J]. 安徽农业科学，2008, 36 (11):4787-4787.

[5]黄家洁，万幼川，刘良明. MODIS 的特性及其应用[J].地理空间信息，2003,1 (4): 20-23.

[6]郭广猛，赵冰茹. 使用 MODIS 数据监测土壤湿度[J]. 土壤，2004, 36 (2): 219-221.

[7]齐述华，李贵才. 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.

[8]NASA 数据下载中心. [2012-10-12]http://reverb.echo. nasa.gov/reverb/.html.

[9]Q. Qin, A. Ghulam, L. Zhu, L. Wang, J. Li. 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.

[10]詹志明，秦其明，阿布都瓦斯提吾拉木，等. 基于 NIRRed 光谱特征空间的土壤水分监测新方法[J]. 中国科学，2006, 36 (11): 1020-1026.