垂直干旱指数的改进及在冬小麦生长季的应用

摘要 基于近红外-红波段特征空间的垂直干旱指数（PDI）在表征土壤水分时精度还有待于提高。为提高PDI对土壤水分的敏感性，基于短波红外和红边波段对作物水分胁迫响应更为敏感这一事实，考虑Sentinel 2卫星数据的短波红外、红边1、红边2和红边3波段，分别与红波段构建特征空间，提出新的土壤水分监测指数（分别记为SPDI、R1PDI、R2PDI和R3PDI），改进PDI，并基于冬小麦全生育期的土壤湿度实测数据评价构建的指数。结果表明，与PDI相比，新建立的指数在表征土壤墒情方面表现良好，与实测土壤湿度的负相关性更强。冬小麦播种、越冬、拔节和灌浆期的土壤墒情最优表征指数分别是SPDI、R1PDI、R2PDI和R2PDI，这些指数与实测数据的相关系数绝对值|r|分别为0.79、0.74、0.70和0.61，相关性极显著，均强于PDI与冬小麦播种、越冬、拔节和灌浆期实测数据的相关性。Sentinel 2数据的短波红外、红边1和红边2波段更适合构建水分响应指数，与红波段构建的新型指数在土壤墒情监测方面具有潜力。

关键词 土壤湿度；垂直干旱指数；短波红外；红边

中图分类号 S127;TP79  文献标识码 A

文章编号 0517-6611（2023）10-0186-07

doi：10.3969/j.issn.0517-6611.2023.10.042

Abstract The perpendicular drought index （PDI），which was constructed in the previous study based on the near infrared （NIR）red band reflectance feature space to characterize the agricultural drought，is not very sensitive to the soil moisture and its accuracy needs to be improved.In order to enhance the sensitivity and improve the accuracy of PDI to soil moisture，we tried to modify PDI.The shortwave infrared （SWIR） and red edge bands were more sensitive than NIR band to the change of water content in vegetation and soil moisture.This fact inspired us to consider the SWIR and three red edge bands of Sentinel 2 satellite data when constructing the feature space with the red band.Based on the SWIRred，red edge 1red，edge 2red and red edge 3red reflectance feature space，we proposed the new soil moisture monitoring indexes （labeled as SPDI，R1PDI，R2PDI and R3PDI，indicating using the SWIR，red edge 1，red edge 2 and red edge 3 bands to replace the NIR band，respectively） to improve PDI.The proposed indexes were evaluated using the measured in situ data of soil moisture recorded with the latitude and longitude on October 26，December 25 in 2020，April 16，May 26 in 2021，when was the sowing，overwintering，jointing and filling stages of winter wheat，respectively.The results showed that the established indexes performs better in characterizing soil moisture，showing the higher negative correlation with the measured soil moisture compared with PDI.The optimal characterization indexes of soil moisture in the sowing，overwintering，jointing and filling stages of winter wheat were SPDI，R1PDI，R2PDI and R2PDI，respectively.The absolute value of correlation coefficients between SPDI，R1PDI，R2PDI and R2PDI and the measured data were 0.79，0.74，0.70 and 0.61，respectively，passing the 0.01 level significance test，while that were 0.72，0.66，0.41 and 0.38 for PDI in the sowing，overwintering，jointing and filling stages of winter wheat.The improvement effect of the established indexes was especially obvious for the jointing and filling stages，when the vegetation coverage was large.Research results indicated that SWIR，red edge 1 and red edge 2 bands from Sentinel 2 data were more appropriate to construct the soil water sensitive index with the red band for the specific growing stage of winter wheat.The potential of SWIR，red edge1 and red edge 2 bands in soil moisture monitoring was worthy of more attention in the future study.

Key words Soil moisture;Perpendicular drought index;Shortwave infrared;Red edge

农业干旱是土壤含水量持续偏低，导致农作物吸水量小于蒸腾量、作物体内水分收支失衡，从而无法正常生长的现象［1-2］。我国水资源缺乏，农业生产易受干旱影响，尤其是水资源短缺的华北地区，农业干旱发生频率更高［3-4］，对粮食生产是一种潜在威胁。及时掌握农业干旱的发生发展状况是农业生产实现节本增效的基础，对我国粮食安全意义重大。遥感作为时空连续信息获取的手段，在农业干旱监测过程中发挥了重要作用［5-6］。水分是影响土壤和植被波谱曲线的一个重要因素，不同土壤水分和植被含水量状况下，地表发射或反射的电磁辐射明显不同，这是农业干旱遥感监测的物理基础［7-8］。因此，卫星遥感通过获取地表的温度、反射率等信息来间接监测农业干旱［9-10］。鉴于此，国内外研究者提出了多种农业干旱指数，如垂直干旱指数（perpendicular drought index，PDI）、温度植被干旱指数、植被健康指数、综合多源遥感数据的监测指数等［2，11-16］。其中，PDI同时考虑了土壤和植被特征，物理意义明确，计算过程简单，在农业干旱遥感监测中备受关注［17-19］。

植被和土壤是农业干旱的主要承载体。植被在红波段吸收性很强，在近红外波段反射率急剧上升，形成红边，这是植被光谱曲线最为明显的特征。受到水分胁迫时，植被活力、叶绿素含量会发生潜在变化，这些变化会引起红和近红外波段反射率变化［20］。土壤反射率曲线相对平滑，红和近红外波段的反射率差异不大，当受到水分胁迫时，土壤反射率升高。红和近红外波段反射率构成的散点图近似三角形，Ghulam等［11］基于这一原理，利用遥感数据红和近红外波段的反射率特征空间，提出了PDI，用以表征土壤的干湿状况。PDI适于裸土或低植被覆盖的地表，为监测高植被覆盖度地表干湿状况，Ghulam等［21］引入植被覆盖度因子，对PDI进行改进得到MPDI。在实际应用中，MPDI的稳定性比PDI低，当植被覆盖度较高，尤其是接近于1时，计算结果容易出现极端负值，从而影响结果分析。值得注意的是，构建PDI的红和近红外波段均是通过作物水分胁迫后的生理变化来间接反映旱情，并不能直接快速地捕捉作物水分胁迫信息，这也许是一些研究中PDI与土壤水分含量相关性并不高的一个原因。

短波红外波段，植被的光谱反射率主要受含水量影响，叶内含水量减少，光谱反射率升高［22］。已有相关研究表明，短波红外波段，尤其是1.6、1.7 μm处的波段反射率对植被、土壤水分变化非常敏感，水分胁迫响应稳定［20，22-25］。董婷等［26］利用MODIS数据的2个短波红外波段构建了水分胁迫指数，表明与增强植被指数、MPDI等指数相比，水分胁迫指数与实测土壤湿度的相关性更高。红边是0.68～0.75 μm区间内光谱反射率急剧升高的波段，对植被变化非常敏感。不少研究对红边水分胁迫敏感性给予了关注。Filella等［27］指出，红边峰值可以作为水分胁迫严重时候的指示因子。孙慧［25］的研究表明，红边参数为冬小麦叶片含水量及植株含水量的最优特征参数。以上关于短波红外和红边作为水分胁迫直接光谱响应机制的研究显示，短波红外或红边波段或更适合构建水分敏感指数。作物受到水分胁迫时一个明显特征是叶绿素含量降低［28-31］，可见光波段，尤其是红光［20］对叶绿素含量的变化最为敏感［32-33］，这是植被水分变化的间接光谱响应机制。因此，利用短波红外、红边分别与红波段构建的特征空间监测农田水分的有效性是一个值得关注的科学问题。

Sentinel 2卫星搭载的成像光谱仪是同时具有可见光、短波红外和红边波段的高分辨率数据源，为农业干旱监测带来了新的机遇。查阅已见刊的文献，少有文献同时研究Sentinel 2数据的短波、红边波段在农业干旱监测中的潜力。

因此，笔者分别用短波红外、红边与可见光的红波段构建特征空间及水分响应指数，研究所构建的指数表征土壤水分的有效性，深化短波红外、红边及红波段在干旱监测中的应用；冬小麦是我国主要的口粮作物，以冬小麦为研究对象，探讨播种期、越冬前、拔节期、灌浆期等水分关键时期内，基于短波红外、红边和红波段构建的水分响应指数与实测土壤水分的关系，进而提出针对冬小麦不同生育期的土壤含水量表征指数。

1 研究区域及数据源

1.1 研究区域

试验在山东省潍坊市潍柴雷沃阿波斯智慧农业示范基地（119.15°～119.17°Ｅ，36.56°～36.57°Ｎ）进行（图1），基地占地约9.2 km2，地表覆盖以耕地为主，周边还包括水体、道路、居民地等。基地主要种植小麦、玉米、花生、蔬菜等作物。

1.2 遥感数据与预处理

Sentinel 2是欧洲空间局2015年发射的卫星，由A、B星组成，搭载了多光谱成像仪，光谱范围为0.4～2.2 μm，其中第4、5、6、7、8和11波段分别对应红、红边1、红边2、红边3、近红外和短波红外波段，空间分辨率为10/20 m（表1）。该研究使用Google Earth Engine平台中的Sentinel 2地表反射率产品。考虑到不同生育期冬小麦长势和地表覆盖情况不同，为研究从裸土到全植被覆盖情况下，不同指数对土壤干湿状况的敏感程度，该研究分别获取了2020年10月26日和12月25日、2021年4月16日和5月26日的地表反射率产品，分别对应冬小麦的播种期、越冬前、拔节期和灌浆期。为统计特征空间的规律和计算相关指标，所有波段统一重采样成10 m空间分辨率。

1.3 实测数据

在1.2中所述的4个日期，利用XS2-UGA土壤水分测试仪实地测试了冬小麦种植区域的土壤体积含水量（0～100% m3/m3），用于表征实测土壤湿度（soil moisture，SM），XS2-UGA仪器土壤体积含水量的测量精度在±2% m3/m3以内；内置GPS定位模块，可显示测量点的经纬度；同时配有高精度实时时钟和数据存储器，可显示具体测量时间和存储数据。依据实测点位分布较均匀、插探针处地下没有硬质土块或非土壤物质、仪器记录数据稳定等原则，以上4个日期分别在16、21、17和23个点位上实测了地面以下0～10、10～20和20～30 cm（以下分别记为10、20和30 cm）3个土层的SM数据，并计算了3个土层的平均SM。每次测量前一段时间内并未对小麦进行灌溉或出现降水，麦田相对干旱，尤其是4月16日拔节期和5月26日灌浆期相对前2个生育期小麦需水量较大，麦田呈现缺水状态。每个点位的时间信息用于匹配相应的卫星数据，空间位置用于匹配对应位置处的像元。图1给出了4月16日拔节期的实测点位信息。