基于MODIS 影像的干旱指数相关性分析
1研究目的
影响干旱的直接因素是地表温度,地表温度高则土壤水分蒸散快,而土壤水分不足又会导致植被供水不足。因此,植被的生长状况也间接地反映了干旱情况。植被供水指数VSWI 是综合考虑植被指数和地表温度的的复合信息干旱模型,经过多重验证,其检测精度较高。为研究温度植被干旱指数TVDI 是否能较好的监测旱情, 对同一地区使用两种指数进行干旱监测,对比两种指数的检测效果,从而判断度植被干旱指数TVDI 能否用于旱情监测。 2研究背景
干旱灾害是我国影响最大的自然灾害,近年来,干旱影响我国的区域逐渐增大,利用遥感手段进行区域干旱的大范围、动态监测是干旱监测的方法之一。在广西,干旱一年四季都有发生,其中秋旱覆盖范围最广。据资料显示,2009-2011年广西连续三年受旱,数2009年秋旱最为严重,旱灾过程始发于9月份,到10月份最为严重,11月份逐渐有所缓解。本文以2009年10月的遥感数据,对旱情进行分析。
3研究过程
使用植被供水指数(VSWI )模型和温度植被干旱指数(TVDI )模型,对研究区进行干旱监测分析对比。
3.1实验数据:本文选用从网站地理空间数据云平台(http://www.gscloud.cn/csearch.jsp)下载的Terra 卫星的MODIS 中国温度月合成产品和NDVI 月合成产品,影像时间为2009年10月,范围为广西壮族自治区,分辨率为1km 。中国1:400万行政区划图。
3.2指标建立:实验选用的指标为2009年10月广西壮族自治区MODIS 影像中国合成产品的归一化植被指数NDVI 和地表温度LST ,数据量大,且真实可靠,具有现实的意义。
3.3干旱指数模型构建:
(1)植被供水指数(VSWI )模型:
VSWI NDVI
LST ①
气候正常时,植被供水正常,NDVI 和LST 都在一定范围内,从而它们的比值VSWI 也在一定范围内;当干旱时,地表温度升高,植被供水不足,长势不好,NDVI 下降,导致比值VSWI 也下降。因此,VSWI 越低,干旱越严重。根据资料,广西中部受旱严重,因此选取了广西中部36000个像元,对其NDVI 和LST 分别制作了散点图,如图1和图2 。
图
1
图2
图中,在ID 为1000、10000、20000、35000的像元处,NDVI 值较低,对应ID 像元的LST 也较高,这些像元所在处都是很有可能发生干旱的地方。
(2)温度植被干旱指数(TVDI )模型:
图3
TVDI =T S -T S min
T S max -T S min ②
其中,T S max =a+b NDVI (干边方程)
T S min =c+d NDVI (湿边方程)③
T S 为地表温度,T S max 和T S min 分别为某一NDVI 对应的地表最高、最低温度,a 、b 、c 、d 分别为干湿边方程的拟合系数。在湿边上,TVDI=0,在干边,TVDI=1,TVDI 越大,说明土壤湿度越低,干旱越严重。
3.3.1回归分析:
为了计算温度植被干旱指数TVDI ,要使用一元线性回归确定干、湿边拟合系数a 、b 、c 、d 。首先构建影像的NDVI-LST 散点图,X 轴为植被指数NDVI ,Y 轴为地表温度LST 。
图4
分别选取干边(绿色)、湿边(红色)上的点,导出其对应的波段值(即对应点的NDVI 和LST 值),存为txt 文本,再转化为excel 格式。使用SPSS 导入数据,根据模型选定LST 为因变量,NDVI 为自变量,进行线性回归分析(分析->回归->线性),分析结果如下:
(1)干边方程回归模型
模型汇总表:
表1
R 方为回归平方和与总离差平方和的比例,因为R 方为回归平方和与总离差平方和的比例,作为评判一个模型拟合优度的标准,即样本决定系数,越高说明拟合优度越好。因此,R 方=0.854 ,较高,说明拟合较好。
表2
这里给出了P 值(Sig. 即“显著性”)为0,说明线性回归方程通过了显著性检验,回归方程在0的统计意义上是显著的。
干边方程的残差统计量如下:
表
3
图5
干边方程的拟合系数如下:
表4
得到a=43.255,b=-13.526,干边方程为:
T S max =43.255-13.526 NDVI
(2)湿边方程回归模型
模型汇总表: ④
表5
R 方为样本决定系数,,R 方=0.973 ,较高,说明拟合较好。
湿边方程的残差统计如下:
表6
图6
湿边方程的拟合系数如下:
表7
得到拟合系数c=40.404,d=-21.107,得到湿边方程为:
T S min =40.404-21.107⨯NDVI
再带入②式,求得TVDI : ⑤
TVDI =LST -(40.404-21.107⨯NDVI) ⑥
(43.255-13.526⨯NDVI) -(40.404-21.107⨯NDVI)
3.4相关分析
至此,已经得出了VSWI 和TVDI 两个干旱指数,其中VSWI 值越小,干旱越严重;TVDI 值越大,干旱越严重。因此,理论上两个指数应该呈现负相关,且相关系数为-1。据资料显示,广西桂中北部分干旱较严重,因此,在广西中北部地区内选择大致10000个像元的感兴趣区,按照导出像元的ID 号分别绘制VSWI 和VTDI 的折线图,观察折线图变化趋势,并对两个指数进行双变量相关性分析。
VSWI 折线图下所示:
图
7
图8
图7和图8中,折线大致呈负相关,为了进一步检验其相关性,再进行相关分析(分析->相关->双变量),查看相关系数:
表8
相关系数为-0.98,可见TVDI 和VSWI 呈现高度负相关,与理论值-1很接近。实验证明可以使用TVDI 对干旱进行监测。
4总结和不足
1. 本文使用两个干旱指数进行对比,其中以VSWI 为标准判断TVDI 是否适合用于干旱监测。由于VSWI 和TVDI 都是以NDVI 和LST 为指标建立的,只是构建的模型不同,故其本身就存在一定的相关性,其本身存在的相关性有可能增强其相关系数。
2. R 2并不是判断模型质量的唯一标准,R 方越大,说明该模型接受因变量变化的能力越强,并不能代表其模型能说明真实情况。在得到较合理R 方值时,还应该考虑别的因素(如残差、标准差等)是否符合质量要求。
参考文献
[1]向东进,李宏伟,刘小雅. 实用多元统计分析[M].武汉:中国地质大学出版社,2005:33-54,144-153.
[2]李雪. 基于HJ 数据的岩溶区干旱监测技术研究[D].南京:南京信息工程大学,2012.
基于MODIS 影像的干旱指数相关性分析
1研究目的
影响干旱的直接因素是地表温度,地表温度高则土壤水分蒸散快,而土壤水分不足又会导致植被供水不足。因此,植被的生长状况也间接地反映了干旱情况。植被供水指数VSWI 是综合考虑植被指数和地表温度的的复合信息干旱模型,经过多重验证,其检测精度较高。为研究温度植被干旱指数TVDI 是否能较好的监测旱情, 对同一地区使用两种指数进行干旱监测,对比两种指数的检测效果,从而判断度植被干旱指数TVDI 能否用于旱情监测。 2研究背景
干旱灾害是我国影响最大的自然灾害,近年来,干旱影响我国的区域逐渐增大,利用遥感手段进行区域干旱的大范围、动态监测是干旱监测的方法之一。在广西,干旱一年四季都有发生,其中秋旱覆盖范围最广。据资料显示,2009-2011年广西连续三年受旱,数2009年秋旱最为严重,旱灾过程始发于9月份,到10月份最为严重,11月份逐渐有所缓解。本文以2009年10月的遥感数据,对旱情进行分析。
3研究过程
使用植被供水指数(VSWI )模型和温度植被干旱指数(TVDI )模型,对研究区进行干旱监测分析对比。
3.1实验数据:本文选用从网站地理空间数据云平台(http://www.gscloud.cn/csearch.jsp)下载的Terra 卫星的MODIS 中国温度月合成产品和NDVI 月合成产品,影像时间为2009年10月,范围为广西壮族自治区,分辨率为1km 。中国1:400万行政区划图。
3.2指标建立:实验选用的指标为2009年10月广西壮族自治区MODIS 影像中国合成产品的归一化植被指数NDVI 和地表温度LST ,数据量大,且真实可靠,具有现实的意义。
3.3干旱指数模型构建:
(1)植被供水指数(VSWI )模型:
VSWI NDVI
LST ①
气候正常时,植被供水正常,NDVI 和LST 都在一定范围内,从而它们的比值VSWI 也在一定范围内;当干旱时,地表温度升高,植被供水不足,长势不好,NDVI 下降,导致比值VSWI 也下降。因此,VSWI 越低,干旱越严重。根据资料,广西中部受旱严重,因此选取了广西中部36000个像元,对其NDVI 和LST 分别制作了散点图,如图1和图2 。
图
1
图2
图中,在ID 为1000、10000、20000、35000的像元处,NDVI 值较低,对应ID 像元的LST 也较高,这些像元所在处都是很有可能发生干旱的地方。
(2)温度植被干旱指数(TVDI )模型:
图3
TVDI =T S -T S min
T S max -T S min ②
其中,T S max =a+b NDVI (干边方程)
T S min =c+d NDVI (湿边方程)③
T S 为地表温度,T S max 和T S min 分别为某一NDVI 对应的地表最高、最低温度,a 、b 、c 、d 分别为干湿边方程的拟合系数。在湿边上,TVDI=0,在干边,TVDI=1,TVDI 越大,说明土壤湿度越低,干旱越严重。
3.3.1回归分析:
为了计算温度植被干旱指数TVDI ,要使用一元线性回归确定干、湿边拟合系数a 、b 、c 、d 。首先构建影像的NDVI-LST 散点图,X 轴为植被指数NDVI ,Y 轴为地表温度LST 。
图4
分别选取干边(绿色)、湿边(红色)上的点,导出其对应的波段值(即对应点的NDVI 和LST 值),存为txt 文本,再转化为excel 格式。使用SPSS 导入数据,根据模型选定LST 为因变量,NDVI 为自变量,进行线性回归分析(分析->回归->线性),分析结果如下:
(1)干边方程回归模型
模型汇总表:
表1
R 方为回归平方和与总离差平方和的比例,因为R 方为回归平方和与总离差平方和的比例,作为评判一个模型拟合优度的标准,即样本决定系数,越高说明拟合优度越好。因此,R 方=0.854 ,较高,说明拟合较好。
表2
这里给出了P 值(Sig. 即“显著性”)为0,说明线性回归方程通过了显著性检验,回归方程在0的统计意义上是显著的。
干边方程的残差统计量如下:
表
3
图5
干边方程的拟合系数如下:
表4
得到a=43.255,b=-13.526,干边方程为:
T S max =43.255-13.526 NDVI
(2)湿边方程回归模型
模型汇总表: ④
表5
R 方为样本决定系数,,R 方=0.973 ,较高,说明拟合较好。
湿边方程的残差统计如下:
表6
图6
湿边方程的拟合系数如下:
表7
得到拟合系数c=40.404,d=-21.107,得到湿边方程为:
T S min =40.404-21.107⨯NDVI
再带入②式,求得TVDI : ⑤
TVDI =LST -(40.404-21.107⨯NDVI) ⑥
(43.255-13.526⨯NDVI) -(40.404-21.107⨯NDVI)
3.4相关分析
至此,已经得出了VSWI 和TVDI 两个干旱指数,其中VSWI 值越小,干旱越严重;TVDI 值越大,干旱越严重。因此,理论上两个指数应该呈现负相关,且相关系数为-1。据资料显示,广西桂中北部分干旱较严重,因此,在广西中北部地区内选择大致10000个像元的感兴趣区,按照导出像元的ID 号分别绘制VSWI 和VTDI 的折线图,观察折线图变化趋势,并对两个指数进行双变量相关性分析。
VSWI 折线图下所示:
图
7
图8
图7和图8中,折线大致呈负相关,为了进一步检验其相关性,再进行相关分析(分析->相关->双变量),查看相关系数:
表8
相关系数为-0.98,可见TVDI 和VSWI 呈现高度负相关,与理论值-1很接近。实验证明可以使用TVDI 对干旱进行监测。
4总结和不足
1. 本文使用两个干旱指数进行对比,其中以VSWI 为标准判断TVDI 是否适合用于干旱监测。由于VSWI 和TVDI 都是以NDVI 和LST 为指标建立的,只是构建的模型不同,故其本身就存在一定的相关性,其本身存在的相关性有可能增强其相关系数。
2. R 2并不是判断模型质量的唯一标准,R 方越大,说明该模型接受因变量变化的能力越强,并不能代表其模型能说明真实情况。在得到较合理R 方值时,还应该考虑别的因素(如残差、标准差等)是否符合质量要求。
参考文献
[1]向东进,李宏伟,刘小雅. 实用多元统计分析[M].武汉:中国地质大学出版社,2005:33-54,144-153.
[2]李雪. 基于HJ 数据的岩溶区干旱监测技术研究[D].南京:南京信息工程大学,2012.