三种遥感干旱监测指数在黄土高原东部的适用性研究

doi:10.11755/j.issn.1006-7639(2024)-03-0338

摘要/Abstract

摘要：

研究不同遥感干旱监测方法在黄土高原东部山西省的适用性，对于提高地形复杂区域农业气象服务水平和防灾减灾能力具有重要意义。本文利用风云气象卫星数据，结合气象站观测资料，通过本地化修正作物水分胁迫指数（Crop Water Stress Index，CWSI）中地形和天气参数，对比分析2022年5月6—12日降雨过程前后及整个作物生长期植被供水指数（Vegetation Supply Water Index，VSWI）、温度植被指数（Temperature Vegetation Dryness Index，TVDI）和CWSI 3种遥感干旱监测指数在山西省的监测效果。结果表明：一次降雨过程前后，CWSI、TVDI、VSWI均表现出与实测土壤墒情同样的变化趋势，但当旱情严重时，TVDI、VSWI易低估旱情等级，反之，则易高估旱情等级，而CWSI均接近于实测土壤墒情，并能够实时反映降雨对土壤墒情的影响；整个作物生长期，CWSI均与实测墒情相吻合，TVDI只在春季时与实测墒情接近，对于植被覆盖较好的夏、秋季则效果较差，VSWI则不适用于地形复杂区域干旱监测。此外，前期累积遥感干旱监测结果比当天监测结果更接近于地表浅层土壤墒情。总之，修正后CWSI能够有效反映山西省遥感干旱状况，为黄土高原复杂地形区遥感干旱监测提供了新的尝试。

关键词: 植被指数, 地表温度, 蒸散发, 干旱监测

Abstract:

Studying the applicability of different remote sensing drought monitoring methods in Shanxi Province in the eastern Loess Plateau is of great significance for improving the level of agrometeorological services and disaster prevention and mitigation capabilities in complex terrain areas. In this paper, the terrain and weather parameters in the Crop Water Stress Index (CWSI) were modified by localization using the Fengyun meteorological satellite data and the meteorological station observation data. A comparative analysis was conducted on the performance of three remote sensing drought indexes, the Vegetation Supply Water Index (VSWI), Temperature Vegetation Dryness Index (TVDI) and CWSI in Shanxi Province before and after the rainfall process from May 6 to 12, 2022 and throughout the whole crop growth season. The results showed that CWSI, TVDI and VSWI all showed the same trend as the measured soil moisture before and after a rainfall process. However, when the drought was severe, TVDI and VSWI were easy to underestimated the drought level, otherwise, they were easy to overestimate the drought level, while CWSI was close to the measured soil moisture and could reflect the influence of rainfall on soil moisture in real time. During the whole crop growth season, CWSI showed consistent with the measured soil moisture. TVDI was only close to the measured soil moisture in spring, and the effect was poor in summer and autumn with better vegetation coverage. VSWI was not suitable for drought monitoring in complex terrain areas. In addition, the early cumulative remote sensing drought monitoring results are closer to the surface shallow soil moisture than the monitoring results on the same day. In conclusion, the modified CWSI can effectively reflect the remote sensing drought situation in Shanxi Province, and provides a new attempt for remote sensing drought monitoring in complex areas of the eastern Loess Plateau.

Key words: vegetation index, surface temperature, evapotranspiration, drought monitoring

中图分类号:

田国珍, 任玉欢, 杨茜, 黄小燕, 赵斯楠, 左小瑞, 李智才. 三种遥感干旱监测指数在黄土高原东部的适用性研究[J]. 干旱气象, 2024, 42(3): 338-346.

TIAN Guozhen, REN Yuhuan, YANG Qian, HUANG Xiaoyan, ZHAO Sinan, ZUO Xiaorui, LI Zhicai. Application study of three remote sensing drought monitoring indices in the eastern Loess Plateau[J]. Journal of Arid Meteorology, 2024, 42(3): 338-346.

图/表 6

图1 山西省地形及气象站点空间分布

Fig.1 Topographic and spatial distribution of meteorological stations in Shanxi Province

表1 干旱等级划分指标

Tab.1 The index for classification of drought grades

等级	类型	土壤相对湿度（R）	CWSI	TVDI	VSWI
1	无旱	0.6<R≤1.0	0˂CWSI≤0.4	0˂TVDI≤0.55	0.9˂VSWI
2	轻旱	0.5˂R≤0.6	0.4˂CWSI≤0.5	0.55˂TVDI≤0.65	0.8˂VSWI≤0.9
3	中旱	0.4˂R≤0.5	0.5˂CWSI≤0.6	0.65˂TVDI≤0.75	0.7˂VSWI≤0.8
4	重旱	0.3˂R≤0.4	0.6˂CWSI≤0.7	0.75˂TVDI≤0.85	0.6˂VSWI≤0.7
5	特旱	0˂R≤0.3	0.7˂CWSI≤1.0	0.85˂TVDI≤1.00	0˂VSWI≤0.6

图2 山西省2022年5月5日（a、b、c、d）、13日（e、f、g、h）实测20 cm土壤墒情（a、e）及CWSI（b、f）、TVDI（c、g）、VSWI（d、h）干旱监测指数空间分布

Fig.2 The spatial distribution of 20 cm soil moisture （a， e） and CWSI （b， f）， TVDI （c， g）， VSWI （d， h） drought monitoring indices in Shanxi Province on May 5 （a， b， c， d） and 13 （e， f， g， h）， 2022

图3 2022年4—10月上旬山西省典型气象站点实测及CWSI、VSWI、TVDI干旱等级逐旬变化

Fig.3 The ten days variation of drought grades of observation and CWSI， VSWI， TVDI at typical meteorological stations in Shanxi Province from April to early October in 2022

表2 2022年4—10月上旬山西省典型气象站点实测相对湿度和CWSI、VSWI、TVDI的相关系数

Tab.2 The correlation coefficients between observed relative humidity and CWSI， VSWI， TVDI at typical meteorological stations in Shanxi Province from April to early October in 2022

站点	时间段	TVDI	VSWI	CWSI
偏关	4—10月上旬	0.39	0.57**	-0.70**
	4—5月	-0.26	0.26	0.23
	6—10月上旬	-0.17	-0.04	-0.24
平定	4—10月上旬	0.10	0.33	-0.66**
	4—5月	-0.86**	-0.71*	-0.74*
	6—10月上旬	0.07	0.37	-0.74**
清徐	4—10月上旬	0.22	0.26	-0.74**
	4—5月	-0.74*	-0.46	-0.77*
	6—10月上旬	0.30	0.22	-0.71**
潞城	4—10月上旬	-0.11	0.29	-0.68**
	4—5月	-0.78*	-0.38	-0.71*
	6—10月上旬	0.09	0.37	-0.76**
长治	4—10月上旬	0.16	0.47	-0.76**
	4—5月	-0.71*	-0.62	-0.43
	6—10月上旬	0.03	0.49	-0.83**
晋城	4—10月上旬	0.13	0.19	-0.78**
	4—5月	-0.42	0.14	-0.90**
	6—10月上旬	-0.06	-0.09	-0.68**

图4 2022年4—10月上旬山西省典型气象站点前10 d平均CWSI、当天CWSI和实测土壤湿度的相关性分析

Fig.4 Correlation analysis of average CWSI in the first 10 days， CWSI on the same day and observed relative humidity at typical meteorological stations in Shanxi Province from April to early October in 2022

参考文献 43

[1]	陈国茜, 祝存兄, 李林, 等, 2018. 青海高寒草地区曲麻莱县遥感干旱指数的适用性研究[J]. 干旱气象, 36(6): 905-910.
[2]	陈亮, 张超, 常斌, 等, 2019. 通用温度-植被指数特征空间农田干旱遥感监测[J]. 遥感信息, 34(5): 29-34.
[3]	高彦春, 龙笛, 2008. 遥感蒸散发模型研究进展[J]. 遥感学报, 12(3): 515-528.
[4]	郭铌, 王小平, 2015. 遥感干旱应用技术进展及面临的技术问题与发展机遇[J]. 干旱气象, 33(1): 1-18. DOI
[5]	国家气候中心, 中国气象局预报与网络司,中国气象局兰州干旱气象研究所, 2017. 气象干旱等级:GB/T20481—2017[S]. 北京: 中国标准出版社.
[6]	李芬, 张建新, 武永利, 等, 2013. 近50年山西终霜冻的时空分布及其影响因素[J]. 地理学报, 68(11): 1 472-1 480.
[7]	梁任刚, 周旭, 李松, 等, 2022. 基于CWSI的贵州省干旱时空变化特征及影响因素分析[J]. 水土保持研究, 29(3): 284-291.
[8]	刘庆桐, 2005. 中国气象灾害大典: 山西卷[M]//温克刚. 中国气象灾害大典. 北京: 气象出版社: 10-11.
[9]	刘志明, 张柏, 晏明, 等, 2003. 土壤水分与干旱遥感研究的进展与趋势[J]. 地球科学进展, 18(4): 576-583. DOI
[10]	马玉芬, 李火青, 2019. 不同土地利用数据对WRF模拟新疆高温天气的影响[J]. 沙漠与绿洲气象, 13(1):52-62.
[11]	钱锦霞, 王振华, 2008. 山西省春旱趋势及对农业的影响[J]. 自然灾害学报, 17(4): 105-110.
[12]	任兆鹏, 卢宇坤, 谢丰, 2020. 东北半干旱地区夏季能量水分传输过程分析[J]. 沙漠与绿洲气象, 14(3): 122-130
[13]	申广荣, 田国良, 2000. 基于GIS的黄淮海平原旱灾遥感监测研究-作物缺水指数模型的实现[J]. 生态学报, 20(2): 224-228.
[14]	史尚渝, 王飞, 金凯, 等, 2020. 黄土高原地区植被指数对干旱变化的响应[J]. 干旱气象, 38(1): 1-13.
[15]	汪左, 王芳, 张运, 2018. 基于CWSI的安徽省干旱时空特征及影响因素分析[J]. 自然资源学报, 33(5): 853-866. DOI
[16]	王丽娟, 郭铌, 沙莎, 等, 2016. 混合像元对遥感干旱指数监测能力的影响[J]. 干旱气象, 34(5): 772-778. DOI
[17]	王玲玲, 何巍, 罗米娜, 等, 2021. 基于归一化旱情综合指数的川西高原草地伏旱监测分析[J]. 干旱气象, 39(6): 884-893.
[18]	王万同, 2012. 基于遥感技术的区域地表蒸散估算研究——以伊洛河流域为例[D]. 开封: 河南大学.
[19]	王小平, 郭铌, 2003. 遥感监测干旱的方法及研究进展[J]. 干旱气象, 21(4): 76-81.
[20]	王玉娟, 王树东, 曾红娟, 等, 2014. 基于作物缺水指数法的渭河流域干旱特征[J]. 干旱区研究, 31(1): 118-124.
[21]	王志伟, 武永利, 2019. 农业干旱卫星遥感监测预报技术研究[M]. 北京: 气象出版社.
[22]	武永利, 相栋, 2013. FY2号气象卫星估算地面太阳辐射研究[J]. 自然资源学报, 28(12): 2 117-2 126.
[23]	谢婷, 马育军, 张午朝, 2021. 青海湖北岸大气向下长波辐射特征及云的影响[J]. 干旱气象, 39(2): 288-295.
[24]	易雪, 杨森, 刘鸣彦, 等, 2021. 辽宁省植被覆盖度时空变化特征及其对气候变化的响应[J]. 干旱气象, 39(2): 252-261.
[25]	张红卫, 陈怀亮, 申双和, 等, 2010. NDVI-ST特征空间及干湿边变化特征[J]. 气象科技, 38(1): 86-95.
[26]	张小平, 秦璐, 范卫东, 等, 2022. 山西最大冻土深度时空分布特征[J]. 干旱气象, 40(1): 49-54. DOI
[27]	张学艺, 李剑萍, 秦其明, 等, 2009. 几种干旱监测模型在宁夏的对比应用[J]. 农业工程学报, 25(8): 18-23.
[28]	张艳红, 吕厚荃, 李森, 2008. 作物水分亏缺指数在农业干旱监测中的适用性[J]. 气象科技, 36(5): 596-600.
[29]	赵杰鹏, 张显峰, 廖春华, 等, 2011. 基于TVDI的大范围干旱区土壤水分遥感反演模型研究[J]. 遥感技术与应用, 26(6): 742-750.
[30]	赵伟, 李召良, 2007. 利用MODIS/EVI时间序列数据分析干旱对植被的影响[J]. 地理科学进展, 26(6): 40-47.
[31]	赵亚迪, 刘永和, 李建林, 等, 2018. 1960—2013年中国地表潜在蒸散发时空变化及其对气象因子的敏感性[J]. 沙漠与绿洲气象, 12(3): 1-9.
[32]	CARLSON T N, GILLIES R R, PERRY E M, 1994. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Review, 9(1/2): 161-173.
[33]	GOETZ S J, 1997. Multi-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site[J]. International Journal of Remote Sensing, 18(1): 71-94.
[34]	HU X, SHI L, LIN L, et al, 2019. Nonlinear boundaries of land surface temperature-vegetation index space to estimate water deficit index and evaporation fraction[J]. Agricultural and Forest Meteorology, 279, 107736. DOI: 10. 1016/j.agrformet.2019.107736.
[35]	JACKSON R D, IDSO S B, REGINATO R J, et al, 1981. Canopy temperature as a crop water stress indicator[J]. Water Resources Research, 17(4): 1 133-1 138.
[36]	JIANG Y, TANG R, JIANG X, et al, 2019. Impact of clouds on the estimation of daily evapotranspiration from MODIS-derived instantaneous evapotranspiration using the constant global shortwave radiation ratio method[J]. International Journal of Remote Sensing, 40(5/6): 1 930-1 944.
[37]	LAMBIN E F, EHRLICH D, 1996. The surface temperature-vegetation index space for land cover and land-cover change analysis[J]. International Journal of Remote Sensing, 17(3): 463-487.
[38]	MA Z C, SUN P, ZHANG Q, et al, 2021. Characterization and evaluation of MODIS-derived crop water stress index (CWSI) for monitoring drought from 2001 to 2017 over Inner Mongolia[J]. Sustainability, 13(2): 916. DOI:10.3390/su13020916.
[39]	MENENTI M, CHOUDHURY B J, 1993. Parameterization of land surface evaporation by means of location dependent potential evaporation and surface temperature range[C]// Yokohama: Progress in Physical Geography.
[40]	OKE T R, JOHNSON G T, STEYN D G, et al, 1991. Simulation of surface urban heat islands under ‘ideal’ conditions at night part 2: Diagnosis of causation[J]. Boundary-Layer Meteorology, 56(4): 339-358.
[41]	PRICE J C, 1990. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience and Remote Sensing, 28(5): 940-948.
[42]	RICHARD G A, LUIS S P, DIRK R, et al. Crop evapotranspiration, FAO irrigation and drainage paper NO. 56[R]. Rome: FAO, 1998: 24-25.
[43]	SU Z, 2002. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences, 6(1): 85-100.