• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2021, 39(06): 884-893 DOI: 10.11755/j.issn.1006-7639(2021)-06-0884

论文

基于归一化旱情综合指数的川西高原草地伏旱监测分析

王玲玲,1,2, 何巍1,2, 罗米娜1, 邱玥1, 肖佩1

1.四川省自贡市气象局,四川 自贡 643000

2.高原与盆地暴雨旱涝灾害四川省重点实验室,四川 成都 610000

Monitoring and analysis of summer drought based on scaled drought condition index in grassland region of the western Sichuan plateau

WANG Lingling,1,2, HE Wei1,2, LUO Mina1, QIU Yue1, XIAO Pei1

1. Zigong Meteorological Bureau of Sichuan Province, Zigong 643000, Sichuan, China

2. Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610000, China

收稿日期: 2021-01-15   修回日期: 2021-04-28  

基金资助: 高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目.  SCQXKJQN2019033
自贡市科学技术局软科学项目.  2019RKX01
四川省科技厅应用基础重点项目.  2018JY0098
高原与盆地暴雨旱涝灾害四川省重点实验室科技发展基金项目共同资助.  SCQXKJZD20180510

Received: 2021-01-15   Revised: 2021-04-28  

作者简介 About authors

王玲玲(1986—),女,山东曹县人,硕士,从事遥感监测和评价等方面研究.E-mail:serena0612@foxmail.com

摘要

近年来川西高原农牧业生产深受干旱的影响,区域受自然因素制约而监测站点稀少,因此研究遥感干旱综合指数在川西高原草地区域的适用性十分必要。选取植被状态指数(vegetation condition index,VCI)、温度状态指数(temperature condition index,TCI)和降水状态指数(precipitation condition index,PCI),通过客观赋权法构建适宜于川西高原草地区域权重组合的归一化旱情综合指数(scaled drought condition index,SDCI),该指数监测结果通过了同期标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)的验证,并对2000—2018年6—8月川西高原草地区域伏旱特征进行分析。结果表明:(1)突出降水累积效应的归一化旱情综合指数(SDCI)的监测精度较高,其与SPEI对2006年川西高原草地区域高温伏旱事件的监测结果基本一致,仅部分地方伏旱发生范围和强度与实况略有差异。(2)2000—2018年夏季月尺度伏旱位置多分布在甘孜州西部、南部和阿坝州南部一带,东北部若尔盖多表现为无旱;6月和8月伏旱程度较强,以轻度到中度为主,而7月多为轻旱和无旱。(3)2000—2018年6月和8月川西高原草地区域伏旱发生频率高、范围广,7月整体上轻旱频发(60.66%);其中甘孜州西南、西北部、北部及东部轻旱及以上等级发生频率较高(超过40%),而阿坝州北部地区发生干旱频率较低(小于40%)。研究表明突出降水累积效应的SDCI指数具备对极端干旱事件的响应能力,且可客观、有效地监测川西高原区域草场干旱状况。

关键词: 川西高原草地区域 ; 遥感数据 ; 归一化旱情综合指数 ; 验证 ; 时空特征

Abstract

In recent years, agriculture and animal husbandry production in the western Sichuan plateau was greatly affected by drought, therefore, it was necessary to study the applicability of remote sensing drought comprehensive index in the grassland area of the western Sichuan plateau. In this study, the vegetation condition index (VCI), the temperature condition index (TCI) and precipitation condition index (PCI) were selected to construct the scaled drought condition index (SDCI), which was suitable for the combination of the regional weight of grassland in the western Sichuan plateau, the index monitoring results were verified by standardized precipitation evapotranspiration index (SPEI) during the same period, the characteristics of summer drought from June to August during 2000-2018 were analyzed after the suitable drought grades in the study area were divided. The results show that: (1) The drought judgment index SDCI highlighted the cumulative effect of precipitation and had high monitoring accuracy. It was basically consistent with the monitoring results of SPEI on the drought events in 2006. Only in some places, the scope and intensity of the drought were slightly different from the actual situation. (2) The location of the month-scale drought was mostly distributed in the west and south of Ganzi Prefecture and the south of Aba Prefecture, and in the northeast of Zoige there was mostly no drought in summer during 2000-2018. The degree of drought was stronger in June and August, it was mainly mild to moderate drought, and in July there was mostly mild drought and no drought. (3) The frequency of drought was high and the range was wide in June and August during 2000-2018. In July, the frequency of mild drought was 60.66% in the whole region, and the frequency of drought above mild level was higher (more than 40%) in the southwest, northwest, north and east of Ganzi Prefecture, while the drought frequency in northern Aba Prefecture was lower (less than 40%). The research showed that the SDCI with prominent precipitation effect had the ability to respond to extreme drought events, it could objectively and effectively monitor the drought status of grassland in the western Sichuan plateau.

Keywords: grassland region in western Sichuan plateau ; remote sensing data ; scaled drought condition index ; validation ; spatio-temporal characteristics

PDF (4531KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

王玲玲, 何巍, 罗米娜, 邱玥, 肖佩. 基于归一化旱情综合指数的川西高原草地伏旱监测分析. 干旱气象[J], 2021, 39(06): 884-893 DOI:10.11755/j.issn.1006-7639(2021)-06-0884

WANG Lingling, HE Wei, LUO Mina, QIU Yue, XIAO Pei. Monitoring and analysis of summer drought based on scaled drought condition index in grassland region of the western Sichuan plateau. Journal of Arid Meteorology[J], 2021, 39(06): 884-893 DOI:10.11755/j.issn.1006-7639(2021)-06-0884

引言

川西高原地处青藏高原东部,其气候特征和植被类型与四川东部地区差异很大,该区域是四川省主要的牧业基地,也是全国五大牧区之一,但近年来由于“缺草”导致该区域生态急剧恶化,畜牧业的发展受到制约[1]。夏季是牧草生长的关键时期,而干旱会明显影响牧草长势,造成牧草产量下降、黄枯期提前、生育期缩短等,且干旱还可能引发一系列的环境问题,例如草地群落结构简单化、物种多样性减少、土地沙化不断扩展、鼠虫害频发等[2]。因此,对草原区域的干旱进行准确、有效地监测,不仅可为该区域农牧业生产提供干旱风险的管理依据,还可为农牧民生活的改善以及生态环境的保护提供决策性支持。

干旱监测方法主要分为传统气象监测法和遥感监测法。气象监测法是较为传统的一种监测技术,但缺乏对大区域干旱程度进行时空连续监测。其中帕默尔干旱指数(palmer drought severity index,PDSI)采用雨量平衡模型,涉及降雨、蒸散发、土壤湿度等因素,考虑了前期水分对干旱的贡献,具有明显的物理意义,但PDSI仍存在一定局限性,比如输入的数据较多、获取难度大[3];相对湿润指数(moisture index,MI)以土壤水分收支平衡为基础,反映作物生长季节水分平衡特征,适用于旬以上的干旱监测与评估[4];降水距平百分率(precipitation abnormity percentage,PA)利用历年同期平均降水量和与实际降雨量的偏差来反映干旱程度,计算简单但不能反映干旱形成的内在机理[5];标准化降水指数(standardized precipitation index,SPI)和标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)分别以降水数据、降水和温度数据为输入,计算简单,但对降雨数据及其质量和概率分布的模拟依赖性很强[6]

遥感监测法弥补了气象监测的缺陷,具有时效性强、覆盖面大的优点。目前遥感监测干旱的方法主要包括光学遥感监测、热红外遥感监测、微波遥感监测、降水遥感监测和蒸散法等[7]。其中,光学遥感监测干旱发展成熟、应用广泛,对于不同的下垫面条件都有良好的适用性[7],旱情监测中植被条件指数、植被供水指数、距平植被指数和温度状态指数等最常用[8];热红外遥感监测主要包括热惯量法和地表温度状态指数[9];微波遥感监测方法分为主动微波遥感和被动微波遥感[10];降水遥感监测常与其他干旱指数共同使用进行气象干旱监测[11];蒸散法多以地表能量平衡方程为基础,利用遥感所得地表反照率、植被指数和地表温度,借助微气象学基本原理建立单层模型、双层模型和多层模型来估算蒸散量[12]。在实际的研究与应用中,多源多时相的综合监测方法可以动态、宏观、高效地应用于大区域范围旱情监测中[13],如ANDERSON等[14]基于热红外的蒸散发数据,研究发现干旱监测综合指数USDM(US drought monitor)与蒸发胁迫指数(evaporative stress index,ESI)的相关性较高,在广域、实时性监测方面有较大优势,但有云、雪和地下水丰富的地方监测效果较差;而MATTIJN等[15]通过TRMM3B42的降雨强迫与NDVI数据表现出的相位滞后进行早期干旱预测。

目前,国内干旱遥感监测研究多集中于干旱和半干旱的平原地区,对地形复杂且多云雾影响的西南地区研究相对较少[16]。因此,迫切需要对因下垫面限制而监测站点稀少,且牧草生长多受伏旱影响的川西高原草地区域开展遥感干旱监测。本文综合考虑植被、温度和降水在旱情发生发展中的作用及体现,构建基于植被状态指数(vegetation condition index,VCI)、降水状态指数(precipitation condition index,PCI)和温度状态指数(temperature condition index,TCI)客观加权的归一化旱情综合指数(scaled drought condition index,SDCI),并选用标准化降水蒸散指数(SPEI)进行验证,从历年干旱个例、多年平均状态和发生频率对2000—2018年6—8月川西高原草地区域进行月尺度干旱监测,并探讨伏旱的时空特征,为川西高原草地区域干旱的防御提供更有针对性、更有效的方法。

1 研究区域和数据

1.1 研究区概况

川西高原(26°N—34°N、97°E—104°E)地处青藏高原东南缘,东西地貌差异明显,分为川西北高原和川西山地两部分。川西北高原地势由西向东倾斜,分为丘状高原和高平原;川西山地西北高、东南低,根据切割深浅可分为高山原和高山峡谷区[17]。这里天然草地覆盖面积12.36×104 km2,主要分布在海拔2800~4500 m的地带,其草原类型主要为高寒草甸草地类、高寒灌丛草地类、山地灌草丛草地类和高寒沼泽草地类,天然草原牧草构成以禾本科、豆科、莎草科和杂类草为主。大部分地区年均气温在8 ℃以下,气温自东南向西北随海拔由低到高相应降低,从海拔1321 m的泸定到海拔4200 m的石渠县城,年均气温差达17 ℃;其中北部大部分地区及南部理塘、稻城等高海拔地区最低气温低于-20 ℃,石渠达-37.7 ℃。西北部的丘状高原冬季严寒漫长,夏季凉寒湿润,年平均气温为0.8~4.3 ℃。山原地带夏季温凉,冬春寒冷,干湿季明显,年平均气温为5.6~8.9 ℃。高山峡谷地带,随着海拔高度变化,气候从亚热带到温带、寒温带、寒带,呈明显的垂直性差异。川西高原晴天多,日照时间长,常年日照时数为1900~2600 h,较川东盆地(1000~1600 h)多,年蒸发量为1232 mm。降水季节分布不均匀,5—10月为雨季,降水量占全年的90%,常年降水量为325~920 mm[17,18]图1为研究区地形及草地区域,可以看出川西高原草地区域海拔高度变化较大。(文中附图涉及地图均是基于四川省测绘地理信息局标准地图网站下载的审图号为川S(2017)096的标准地图制作,底图无修改)。

图1

图1   川西高原草地区域(阴影)地形及气象站点分布

Fig.1   The distribution of topography and meteorological stations in the grassland area (the shadow) in the western Sichuan plateau


1.2 数据来源和预处理

1.2.1 遥感数据的获取

选取2000—2018年6—8月川西高原草地区域MODIS(moderate-resolution imaging spectroradiometer)植被指数产品(MOD13Q1)、地表温度产品(MOD11A2)和热带降水测量计划卫星(tropical rainfall measuring mission, TRMM)的降水产品数据(TRMM3B43)。其中,MODIS来自美国国家航空航天局(NASA)数据中心(https://ladsweb.modaps.eosdis.nasa.gov/search),MOD13Q1为16 d合成数据,空间分辨率为250 m,共114期,342景;MOD11A2为采用分裂窗算法反演获得的每8 d合成数据,空间分辨率均为1 km,共171期,684景;TRMM3B43(https:∥pmm.nasa.gov)为格点数据,时间分辨率为3 h,空间分辨率为0.25°×0.25°,共14 592期。数字高程模型数据(DEM)由美国国家航空航天局(NASA)和国防部国家测绘局(NIMA)联合测得,空间分辨率为90 m。

1.2.2 数据预处理

使用MRT(MODIS reprojection tool)和ArcGIS分别对MOD13Q1、MOD11A2产品各期影像数据进行拼接、投影转换、格式转换后,用川西高原草地区域矢量数据对数据掩膜提取,得到该区域2000—2018年6—8月归一化植被指数(normalized difference vegetation index,NDVI)和地表温度指数(land surface temperature,LST)。由于NDVI、LST和TRMM3B43数据的时间和空间分辨率不一致,且有云干扰,故对NDVI、LST数据分别采用最小和最大值合成法进行32 d合成处理,也可更大程度上减小云的影响;为体现降水累积效应,在ENVI/IDL环境中编程实现TRMM3B43降水数据逐3 h累加,累加时长为256 h(32 d);并基于ArcGIS的重采样法[19]和反距离权重插值法(IDW)[20]分别将NDVI和TRMM3B43数据空间分辨率统一为1 km。最终得到2000—2018年6—8月每32 d的NDVI、LST和累积降水指数(PTRMM)。

1.2.3 地面气象监测数据

气象数据来源于气象科学数据共享平台(http:∥data.cma.cn),主要包括川西高原草地区域31个气象自动监测站数据,获取2000—2018年6—8月逐日降水量和平均气温数据,用于计算标准化降水蒸散指数(SPEI)。

2 方法

分别选取植被状态指数(VCI)、温度状态指数(TCI)和降水状态指数(PCI),通过客观赋权法构建适宜川西高原草地区域权重组合的归一化旱情综合指数(SDCI),并结合标准化降水蒸散指数(SPEI)对SDCI指数的干旱监测效果进行验证和评估。

2.1 归一化旱情综合指数(SDCI)

2.1.1 指标选取

(1)植被状态指数

NDVI指数可以反映植被的生长状态,但因植被生长稀疏或作物播收期等,不能直接表征干旱对植被生长的影响。为此,利用植被状态指数(VCI)可反映不同生长周期中植被的状态,并消除了因不同地理位置、气候背景和生态类型而产生的植被区域性差异,进一步指示干旱状况[21]。VCI具体计算公式[21]如下:

VCI=NDVIj-NDVIminNDVImax-NDVImin

式中:NDVIj表示某年第j期的归一化植被指数(j=1,2,…,n),n为同年获取NDVI的总期数;NDVImax、NDVImin分别表示NDVI在研究年限内第j期的最大和最小值。VCI值越大,表明植被生长状况越好。

(2)温度状态指数

干旱发生时地表会产生热应力,但地表温度随季节变化而变化,因此不能直接用于干旱监测[22]。温度状态指数(TCI)为旱情监测的初始指标,冠层温度升高是植被受到水分胁迫的初期表现,因此冠层温度可以较植被指数更早监测到干旱的发生,且TCI在较高温度或植被稀疏及作物播收期均可用于评估植被状况和受水分胁迫状况[22]。TCI具体计算公式[22]如下:

TCI=LSTmax-LSTjLSTmax-LSTmin

式中:LSTj(℃)表示某年第j期的地表温度(j=1,2,…,n),n为同年获取LST的总期数;LSTmax、LSTmin(℃)分别表示同期地表温度的最大和最小值。当植被覆盖类型及生长环境不变时,TCI趋近于0,表明植被受水分胁迫严重。

(3)降水状态指数

全球不同地区TRMM降水产品与地面降水对比研究[23]表明,TRMM降水数据空间分布均匀,且精度基本接近气象站点观测的雨量数据,弥补了气象观测站点稀少且分布不均的不足;且TRMM降水数据可以监测降水亏缺而引起的区域干旱过程,随着数据时长的积累,其在干旱等气候现象监测中的作用更加突出[23]。为统一各指标量纲,对预处理的PTRMM数据进行归一化处理得到降水状态指数PCITRMM,具体公式[23]如下:

PCITRMM=PTRMMj-PTRMMminPTRMMmax-PTRMMmin

式中: PTRMMj表示某年第j期的降水量(j=1,2,…,n),n为同年获取的PTRMM数据期数; PTRMMmaxPTRMMmin分别表示研究年限内第j期降水量的最大值和最小值。PCITRMM取值范围为0~1,其值越小表明降水量越少。

2.1.2 归一化旱情综合指数(SDCI)的确定

干旱的发生发展过程是一种复杂的耦合过程,难以直接进行监测,植被生长状况、土壤水分供需以及大气降水等均是不可或缺的因素。植被覆盖度、生物量、叶面积、叶绿素等植被生理参数与干旱程度具有较好的相关性,故植被指数常作为判断干旱程度的指标之一[16];当植被受到水分胁迫且植被形态尚未发生变化时,最早表现为植被冠层的温度升高,故应用冠层温度可以较植被指数更早监测到干旱的发生状况[21];而在不同区域、不同地势地貌和气候条件下,植被冠层温度表现为不规律的时空变化特征,并且植被各生长阶段的需水量也有所不同,使得植被指数和地表温度指数的旱情监测结果存在一定的时空差异。温度对干旱的响应表现出滞后性,降水对植被的滞后效应与植被类型有关[23],川西高原草地区域的植被抗旱能力较差,植被对干旱的滞后效应时间较短,如果在一段时间内降水量大幅降低或没有降雨,就会出现一定程度的旱情,加之该区域海拔高度差异大,灌溉基础设施十分薄弱,多为自然降水。因此,干旱监测时要综合考虑植被状态、地表温度和大气降水量等因素,RHEE等[24]研究发现,综合植被状态指数(VCI)、温度状态指数(TCI)和降水状态指数(PCI)构建的归一化旱情综合指数(SDCI)可以更好地判断旱情。考虑植被对旱情监测存在一定的滞后性,温度和降水时效性相对较高,综合各参数指标监测特点和前人经验[24,25],整合内在表征PCI指数和外在表征VCI和TCI指数构建最适宜于川西高原草原地区归一化旱情综合指数(SDCI),选用决策结果可信度高、客观性强且计算简单的熵权法确定各指标权重[26],TCI、PCI、VCI指数的权重系数分别设为abc,且a+b+c=1,具体公式[25]如下:

SDCI=aTCI+bPCI+cVCI

选取2000—2018年6—8月川西高原草原地区TCI、PCI和VCI指数月均值,剔除异常数据后共167组样本数据,基于Matlab 2016a软件编程,通过各指标标准化、信息熵的确定获取指标权重,熵权法计算详见文献[26]。经计算确定TCI、PCI和VCI权重系数分别为0.223、0.540和0.237,由此构建的干旱监测指数(SDCI)在一定程度上突出了降水累积效应,能够较为充分地表征气温、降水和植被对旱情影响的贡献,其值越小表明研究区旱情越严重。具体公式如下:

SDCI=0.223TCI+0.540PCI+0.237VCI

2.2 气象干旱指数

标准化降水蒸散指数(SPEI)是降水量与潜在蒸散发量差值序列的累积概率做正态标准化后的指数[27],该指数综合考虑降水和温度因子,兼顾了干旱对蒸散的响应以及空间一致性、多时间尺度等特点,是干旱监测中较为理想的指标之一[28,29]。采用彭曼(Penman-Monteith)公式[30]获得2000—2018年川西高原草地区域逐月蒸散量,结合逐月降水量和潜在蒸散量的差值反映水分盈亏及干湿程度,并建立月尺度的水分盈亏程度累积序列,由于原始数据序列中降水量与潜在蒸散的差值可能存在负值,因此采用Log-logistic概率分布对累积概率密度进行标准化[28],最终计算出月尺度SPEI指数,然后借助Anusplin软件,结合数字高程数据(DEM)插值得到川西高原草地区域SPEI空间分布,具体公式[31]如下:

SPEI=W-C0+C1W+C2W21+d1W+d2W2+d3W3

式中:W为蒸散降水推导函数的累计概率函数值,W= -2lnP,P为累计概率密度,C0、C1、C2、d1、d2、d3为常数项,C0=2.515 517、C1=0.802 853、C2=0.010 328、d1=1.432 788、d2=0.189 269、d3=0.001 308。SPEI的5个干旱等级分别为:SPEI<-2.0为特大干旱、-2.0≤SPEI<-1.5为严重干旱、-1.5≤SPEI<-1.0为中度干旱、-1.0≤SPEI<0.0为轻度干旱、SPEI≥0.0为无旱[31]

3 结果分析

3.1 验证

3.1.1 干旱指数验证

利用2010—2018年6—8月川西高原草地区域的标准化降水蒸散指数(SPEI)对该区域SDCI干旱监测结果进行验证。基于ArcGIS波段集统计工具计算同期SPEI与SDCI干旱监测结果的相关系数,去除2013、2015、2018年部分无效栅格值,通过均值合成得到27组对比样本(表1)。结果显示,2010—2018年6—8月SPEI与SDCI相关系数均在0.3以上,除了2010、2012、2016、2017年8月和2011年6月外,其余相关系数均通过α=0.05及以上的显著性检验。个别不稳定现象与川西高原气象站点数量、采集数据质量限制以及降雨分布极不均匀、土壤类型和植被生长季需水状况不同有一定关系。相关性最高为0.623,达0.5以上的占比为48%。说明归一化旱情综合指数(SDCI)能有效地应用于气象站点稀少的川西高原草地区域月尺度伏旱监测。

表1   2010—2018年6—8月川西高原草地区域归一化旱情综合指数(SDCI)与标准化降水蒸散指数(SPEI)的相关性

Tab.1  Correlation coefficients between the SDCI and SPEI in the grassland area in the western Sichuan plateau from June to August during 2010-2018

月份2010年2011年2012年2013年2014年2015年2016年2017年2018年
6月0.478**0.3130.463*0.512**0.569**0.601**0.534**0.623**0.429*
7月0.397*0.374*0.553**0.525**0.598**0.423*0.514**0.550**0.598**
8月0.3040.430*0.3190.426*0.361*0.567**0.3200.3340.502**

注:**、*分别表示通过α=0.01、α=0.05的显著性检验。

新窗口打开| 下载CSV


3.1.2 历史伏旱个例验证

2006年夏季川渝地区发生严重的高温伏旱事件,影响范围广、强度强、持续时间长,其中川东盆地旱情非常严重,且川西高原不同程度的伏旱对农牧业生产有很大影响[32]。因此,选取2006年6—8月川西高原草地区域的SDCI与SPEI监测的月均值进行比对(图2)。结果显示,SDCI旱情监测精度较高, 与SPEI监测的伏旱发生发展过程基本一致,仅部分区域干旱范围和强度存在差异,7月SDCI与SPEI的干旱程度表现为理塘、稻城区域差异较大,8月巴塘旱情存在一定差异,这与站点数据精度以及不同地形下植被类型、水热分布等差异性响应规律均有一定关系。据统计[33],2006年7—8月平均气温川西高原南部为20~26 ℃,北部为11~18 ℃,比往年同期偏高1.5~2.2 ℃,连续无降雨日数比常年偏多,大部地区降水较历年同期偏少2~5成;2006年6月底开始,川西高原地区旱象露头并呈发展趋势,部分地方开始出现轻度及以上干旱,7月初至8月底干旱扩展到大部分地区[32]。从SDCI各月旱情分布看,川西高原草地区域6月主要以轻旱和无旱为主,其中甘孜州偏北和偏南的局部地区和阿坝州东部开始出现中度干旱。7月干旱范围扩大,强度增强,重度干旱多分布在甘孜州西部和东部,其他区域多以中度干旱为主。8月干旱强度进一步增强,甘孜州西部巴塘、北部炉霍和阿坝州马尔康以南均出现重旱到特旱,其他区域除石渠和诺尔盖外均有中度以上旱情发生,这与张文江等[34]分析的四川盆地东部伏旱发生发展过程基本一致,仅部分区域的强度和范围略有不同。说明基于综合植被、温度状态和突出降水累积效应的干旱监测指数(SDCI)适宜于川西高原草地区域,其具备对极端干旱事件的响应能力,且精度高于仅考虑降水或兼顾降水和蒸发量的气象干旱指数。

图2

图2   2006年6—8月川西高原草地区域SDCI(a、b、c)和SPEI(d、e、f)监测的干旱时空分布

Fig.2   Spatial and temporal distribution of drought monitoring based on SDCI (a, b, c) and SPEI (d, e, f) in the grassland area in the western Sichuan plateau from June to August 2006


3.2 归一化旱情综合指数(SDCI)分析

由于气候环境、地势地貌等自然因素和人为因素等差异,不同干旱监测方法得到的干旱程度等级划分标准并不统一,本文根据研究区历史旱情实况,综合卢晓宁等[25]研究结论和川西高原山地气象干旱指标[35]确定适宜于川西高原草地区域的SDCI干旱等级阈值:0≤SDCI<0.15为特大干旱、0.15≤SDCI<0.20为严重干旱、0.20≤SDCI<0.25为中度干旱、0.25≤SDCI<0.30为轻度干旱、0.30≤SDCI<1.00为无旱[25,36],使川西高原草地区域的夏季伏旱综合监测结果更理想。

3.2.1 月尺度伏旱

月尺度的旱情遥感监测能很好地揭示植被生长季内干旱的平均状态,而对这种平均状态的认识对于准确评估干旱对作物生长的影响、有针对性地规划区域农牧业生产都具有重要指导意义[22,30]。因此,将川西高原草地区域2000—2018年夏季(6—8月)月尺度SDCI监测结果进行均值处理,得出伏旱平均状态(图3)。结果表明,夏季川西高原草地区域月尺度伏旱强度虽有不同,但位置多分布在甘孜州西部、南部和阿坝州南部一带,东北部阿坝州的若尔盖多为无旱。年均伏旱程度69.2%为轻度干旱,整体表现为8月和6月较强,以轻度到中度干旱为主,7月多表现为轻旱和无旱。6月干旱多发生在甘孜州中部偏西、偏南区域,以及甘孜和阿坝州交接处,主要包括巴塘、康定、色达和壤塘,达中度干旱以上的面积为0.52×104 km2,轻度干旱面积为2.40×104 km2。7月受副热带高压和西南低涡位置及强度的影响,川西高原降水相对充足[37],草地区域多表现为无旱,中度干旱在川西高原偏南局部区域,面积为0.36×104 km2,轻旱以下的面积为14.07×104 km2,其占川西高原草地区域总面积的96%。由于副热带高压西伸北抬以及南亚高压的控制[37],8月川西高原草地区域高温少雨,干旱强度增强、范围扩大,干旱发生的位置与6月大致相同,多发生在甘孜州中部偏西、偏南区域,以及甘孜和阿坝州交接处,主要包括巴塘、康定、色达和壤塘,达中度以上干旱的面积为0.49×104 km2,轻度干旱面积为2.44×104 km2。这与王杰等[38]采用信息扩散方法,通过构造降水距平百分率得到的川西高原夏季不同等级农业干旱危险性的空间分布特征基本一致。

图3

图3   2000—2018年6—8月川西高原草地区域SDCI监测的干旱时空分布

Fig.3   Spatial and temporal distribution of drought monitoring based on SDCI in the grassland area in the western Sichuan plateau from June to August during 2000-2018


3.2.2 伏旱发生频率时空分布

将2000—2018年6—8月川西高原草地区域SDCI监测结果按照旱情等级进行像元提取,当像元值达到轻度干旱阈值以上,则认定在该期此像元发生干旱,赋值为1,其余象元赋值为0,从而获得历年各期以0和1属性特征的伏旱栅格数据。将2000—2018年同期伏旱监测重赋值数据累加求平均,即可得到2000—2018年6—8月川西高原草地区域轻旱及以上等级的干旱发生频率(P),为凸显该区域干旱发生频率空间分布差异,故将P划分为5个等级,分别为P≤30%、30%<P≤40%、40%<P≤50%、50%<P≤60%P>60%(图4),P值越大表明干旱发生频率越高。另外,分别将像元值达到轻度、中度、重度和特大干旱阈值内的像元赋值为1,其余象元赋值为0,统计得到2000—2018年6—8月川西高原草地区域各干旱等级的干旱发生频率(表2)。

图4

图4   2000—2018年6—8月川西高原草地区域SDCI监测的轻度以上干旱发生频率

Fig.4   The frequency spatial distribution of drought above mild level based on SDCI in the grassland area in the western Sichuan plateau from June to August during 2000-2018


表2   2000—2018年6—8月川西高原草地区域 SDCI监测的不同等级干旱发生频率 单位:%

Tab.2  The frequency of drought with different levels based on SDCI in the grassland area in the western Sichuan plateau from June to August during 2000-2018

干旱等级干旱发生频率
6月7月8月
特大干旱1.740.282.82
严重干旱10.085.598.00
中度干旱29.2733.4725.39
轻度干旱58.9160.6663.79

新窗口打开| 下载CSV


结合图4表2可以看出,川西高原草地区域伏旱高发区范围较广,6、7、8月轻度及以上等级干旱发生频率的平均值为61.12%,各月轻度及以上等级干旱发生频率超过40%的面积分别为4.84×104、2.15×104、5.14×104 km2,且多发生在甘孜州西南部的巴塘、理塘和稻城,北部的色达,以及西北部的石渠和东部康定区域,这与甄英等[39]运用Z指数、气候倾向率、小波分析等方法得到的1961—2017年甘孜州干旱发生频率分布呈自西北向西南及东南向东北减少的特征基本一致,而阿坝州北部的红原和诺尔盖地区干旱发生频率较低(小于40%)。整体表现为6月和8月旱情发生频率高、范围广,特大干旱发生频率8月较高为2.82%;6月严重干旱和中度干旱发生频率较高,分别为10.08%和29.27%。7月,副热带高压西伸北抬至川西高原以东,副高外围偏南气流带来了充沛的水汽,加之地形抬升作用,降水增多[37],使得川西高原中部一带干旱较6月有明显缓解,川西高原中部一带干旱发生频率减少至30%以下,轻度干旱较为频发(60.66%),仅在巴塘和石渠部分地方干旱发生频率达40%,这与卢晓宁等[25]研究得出的2000—2015年川西高原地区的伏旱平均发生频率为60%,以及区域西部和西南部一带伏旱最频发的研究结论较为吻合。8月随着青藏高压和副热带高压增强,川西高原区域多高温少雨,干旱加重的区域主要集中于川西高原中部偏西大部分地区,严重干旱和中度干旱发生频率分别为8.00%和25.39%,轻度干旱发生频率达63.79%,旱情加重趋势和干旱发生频率分布特征的结果也与卢晓宁等[1]通过距平植被指数法得到川西高原地区不同地形因子的干旱发生频率差异结果基本一致。

4 结论

(1)综合考虑干旱发生发展过程中的土壤水分胁迫、植被生长状态和气象降水盈亏等因素,基于2000—2018年6—8月同期TCI、VCI和PCI指数构建突出降水累积效应且适宜于川西高原草地区域的归一化旱情综合指数(SDCI),监测结果通过了同期标准化降水蒸散指数(SPEI)的验证。突出降水累积效应的归一化旱情综合指数SDCI的监测精度较高,其与SPEI对2006年川西高原草地区域高温伏旱事件的监测结果基本一致,主要表现为6月底旱象露头并呈发展趋势,以轻旱和无旱为主,从7月初到8月底伏旱扩展到大部分地方,仅部分地方伏旱发生范围和强度与实况略有差异,故SDCI具备对极端干旱事件的响应能力且适用于川西高原草地区域干旱监测。

(2)2000—2018年月尺度伏旱强度虽有不同,但位置多分布在甘孜州西部、南部和阿坝州南部一带,东北部若尔盖多表现为无旱。伏旱程度整体表现为8月和6月较强,以轻度到中度干旱为主,达中度干旱以上的面积分别为0.49×104、0.52×104 km2,而7月多为轻旱和无旱,轻旱以下的面积为14.07×104 km2。这与川西高原草地区域地理位置和气候特征存在一定关系,7月高能高湿,降雨增多,旱象减轻,8月温度升高、降水减少,干旱强度和范围也随之增强和扩大。

(3)2000—2018年6、7、8月川西高原草地区域轻度及以上等级干旱发生频率超过40%的面积分别为4.84×104、2.15×104、5.14×104 km2,且多发生在甘孜州西南部的巴塘、理塘和稻城,北部的色达,以及西北部的石渠和东部康定区域,轻度及以上等级干旱发生频率的平均值为61.12%;而阿坝州北部的红原和诺尔盖地区干旱发生频率较低(小于40%)。整体表现为6月和8月旱情发生频率高、范围广,特大干旱发生频率8月较高为2.82%;6月严重干旱和中度干旱发生频率较高,分别为10.08%和29.27%。7月随着降水增多,川西高原中部一带干旱发生频率减少至30%以下,轻度干旱较为频发(60.66%)。8月研究区多高温少雨,干旱加重的区域主要集中于川西高原中部偏西大部分地方。

5 讨论

干旱具有发生发展的复杂性以及多尺度变化特征,目前已有的干旱监测指标多在指定时间和范围内建立,很难达到时空普适性[13],这给旱情的监测和评估带来了严峻挑战。对比川西高原地区干旱时空特征分析的相关研究发现,以TCI、VCI和PCI指数构建的归一化旱情综合指数(SDCI)分析川西高原草地区域的伏旱时空特征与相关研究结果基本一致[25,34,38],说明该指数在川西高原草地区域的干旱监测中具有较好的适用性。但由于数据时间、范围以及评估方法选取的不同,监测得到的干旱程度和空间分布会有所不同,如SDCI监测结果与ESI(evaporative stress index)、ETI(evapotranspiration index)等指数对西南地区干旱监测的效果[40]存在强度和空间上的差异。

发生干旱时虽然地表温度指数和降水指数时效性较高,但植被指数会表现出一定的滞后性,加之土壤类型和植被生长季需水状况不同,导致客观权重的确定仍存在一定的片面性;受实测气象数据质量和站点数量限制,使SDCI与SPEI指数的相关性不稳定,因此,最优权重组合的确定和验证应基于精细化格点气象数据,采用科学的优化算法,更好地提高干旱监测结果的准确性和可信度是后期工作重点。而在构建SDCI时选用的热带降雨卫星产品数据(TRMM3B43)的空间分辨率为0.25°×0.25°,重采样为1 km×1 km,意味着0.25°网格内的全部1 km像元值均相等,这对SDCI旱情监测结果的精度可能存在一定的影响,后期可选用精度更高的降水数据来提高干旱综合监测的精准度。此外,SDCI监测结果在很大程度上能够表征川西高原草地区域近20 a干旱的平均状态和发生频率,但对干旱发生机理仅做了现象描述和定性分析,加之干旱发生成因复杂,后期可继续探究不同地形下植被类型、水热分布等差异性响应规律,以便进一步了解干旱发生的机制。

参考文献

卢晓宁, 洪佳, 王玲玲, .

2001—2013年川西高原旱情监测及其地形分异

[J]. 干旱区地理, 2015, 38(2):334-344.

[本文引用: 2]

荣欣.

2000—2017年川西高原植被EVI变化趋势及其对气候变化响应分析

[D]. 成都: 成都理工大学, 2019.

[本文引用: 1]

陶然, 张珂.

基于PDSI的1982—2015年我国气象干旱特征及时空变化分析

[J]. 水资源保护, 2020, 36(5):50-56.

[本文引用: 1]

姚玉璧, 王劲松, 尚军林, .

基于相对湿润度指数的西南春季干旱10年际演变特征

[J]. 生态环境学报, 2014, 23(4):547-554.

[本文引用: 1]

王富强, 王雷.

基于降水距平百分率的河南省干旱特征分析

[J]. 中国农村水利水电, 2014(12):84-88.

[本文引用: 1]

CUI H, ZHANG J H, YAO F M.

Combination of multi-sensor remote sensing data for drought monitoring over Southwest China

[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 35:270-283.

DOI      URL     [本文引用: 1]

郭铌, 王小平.

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, 2015, 33(1):1-18.

[本文引用: 2]

张强, 张良, 崔显成, .

干旱监测与评价技术的发展及其科学挑战

[J]. 地球科学进展, 2011, 26(7):763-778.

[本文引用: 1]

李星敏, 刘安麟, 张树誉, .

热惯量法在干旱遥感监测中的应用研究

[J]. 干旱地区农业研究, 2005, 23(1):54-59.

[本文引用: 1]

胡蝶, 沙莎, 王丽娟, .

欧空局主被动微波土壤水分融合产品在甘肃省干旱监测中的应用

[J]. 干旱气象, 2019, 37(4):517-528.

[本文引用: 1]

林妍, 高伟, 师晋平, .

基于MODIS和FY-2D卫星降水数据的遥感旱情监测研究

[J]. 干旱区资源与环境, 2014, 28(12):51-57.

[本文引用: 1]

柳锦宝.

基于改进线性双源遥感蒸散模型的四川省干旱监测研究

[D]. 成都: 成都理工大学, 2018.

[本文引用: 1]

牛乾坤, 刘浏, 程湫雅, .

基于多源遥感数据的河套灌区干旱时空演变特征

[J]. 干旱地区农业研究, 2020, 38(4):266-277.

[本文引用: 2]

ANDERSON M C, HAIN C, WARDLOW B, et al.

An intercomparison of drought indicators based on thermal remote sensing and NLDAS-2 Simulations with U.S. drought monitor classifications

[J]. Journal of Hydrometeorology, 2013, 14(4):1035-1056.

DOI      URL     [本文引用: 1]

MATTIJN V H, LI J, ZHOU J, et al.

Early drought detection by spectral analysis of satellite time series of precipitation and Normalized Difference Vegetation Index (NDVI)

[J]. Remote Sensing, 2016, 8(5):422-439.

DOI      URL     [本文引用: 1]

卢晓宁, 曾德裕, 黄玥, .

四川省伏旱及驱动因子多尺度分析

[J]. 农业工程学报, 2019, 35(9):138-146.

[本文引用: 2]

谢慧君, 张廷斌, 易桂花, .

川西高原植被NDVI动态变化特征及对气候因子的响应

[J]. 水土保持通报, 2020, 40(4):286-294.

[本文引用: 2]

郑勇, 杨武年, 刘冲, .

川西高原近20 a植被覆盖变化遥感动态监测及驱动力分析

[J]. 遥感技术与应用, 2020, 35(6):1447-1456.

[本文引用: 1]

梁倍瑜, 徐亚莉, 罗明良, .

三种重采样方法对冲沟坡度坡长因子的影响

[J]. 土壤学报, 2018, 55(1):64-74.

[本文引用: 1]

罗丽, 戴长雷, 李梦玲, .

基于GIS的黑龙江省多年平均降水量空间插值分析比较

[J]. 吉林水利, 2021(10):9-16.

[本文引用: 1]

KOGAN F N, SULLIVAN J.

Development of global drought watch system using NOAA/AVHRR data

[J]. Advances in Space Research, 1993, 13:219-222.

DOI      URL     [本文引用: 3]

KOGAN F N.

Application of vegetation index and brightness temperature for drought detection

[J]. Advances in Space Research, 1995, 15:91-100.

[本文引用: 4]

ALMAZROUI M.

Calibration of TRMM rainfall climatology over Saudi Arabia during 1998-2009

[J]. Atmospheric Research, 2011, 99(3/4):400-414.

DOI      URL     [本文引用: 4]

RHEE J, IM J, CARBONE G J.

Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data

[J]. Remote Sensing of Environment, 2010, 114(12):2875-2887.

DOI      URL     [本文引用: 2]

卢晓宁, 张静怡, 王玲玲, .

综合考虑植被、温度和降水的四川省月尺度伏旱遥感监测

[J]. 自然资源学报, 2017, 32(7):1145-1157.

[本文引用: 6]

李成, 吴谦, 胡满.

风险综合评价中指标权重确定方法对比研究

[J]. 石油工业技术监督, 2016, 32(1):50-53.

[本文引用: 2]

王玲玲, 罗伟, 何巍, .

基于气象指标优化模型的自贡地区干旱等级评定

[J]. 中国农村水利水电, 2019(2):126-130.

[本文引用: 1]

陈燕丽, 蒙良莉, 黄肖寒, .

基于SPEI的广西喀斯特地区1971—2017年干旱时空演变

[J]. 干旱气象, 2019, 37(3):353-362.

[本文引用: 2]

VICENTE-SERRANO S M, BEGUER A S S, LÓPEZ-MORENO J I.

A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index

[J]. Journal of Climate, 2010, 23(7):1696-1718.

DOI      URL     [本文引用: 1]

夏兴生, 朱秀芳, 潘耀忠, .

中国大陆地区基于太阳辐射经验值计算ET0的适用性研究

[J]. 干旱地区农业研究, 2019, 37(6):221-230.

[本文引用: 2]

中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. 气象干旱等级: GB/T 20481—2017[S]. 北京: 中国标准出版社, 2017.

[本文引用: 2]

齐冬梅, 李跃清, 王莺, .

基于Z指数的四川干旱时空分布特征

[J]. 干旱气象, 2017, 35(5):734-744.

[本文引用: 2]

杨淑群, 潘建华, 柏建.

2006年四川极端高温干旱影响系统分析

[J]. 西南大学学报(自然科学版), 2008, 30(7):133-137.

[本文引用: 1]

张文江, 陆其峰, 高志强, .

基于水分距平指数的2006年四川盆地东部特大干旱遥感响应分析

[J]. 中国科学, 2008, 38(2):251-260.

[本文引用: 2]

四川省气象局.

川西高原山地气象干旱指标: DB51/T 857—2008

[S]. 成都:四川省质量技术监督局, 2008.

[本文引用: 1]

王玲玲.

基于多源遥感数据四川省伏旱监测

[D]. 成都: 成都信息工程大学, 2015.

[本文引用: 1]

武敬峰, 徐晓芳, 赵巍燃, .

川西高原持续性暴雨特征和水汽输送

[J]. 气象科技, 2020, 48(5):704-716.

[本文引用: 3]

王杰, 倪长健, 姚鹏, .

近30年四川省夏季农业干旱危险性空间分布特征分析

[J]. 自然灾害学报, 2013, 22(5):247-253.

[本文引用: 2]

甄英, 李永飞, 何静.

川西北高原甘孜州地区降水变化特征及旱涝研究

[J]. 水土保持研究, 2019, 26(6):191-197.

[本文引用: 1]

贺敏, 宋立生, 王展鹏, .

基于多源数据的干旱监测指数对比研究——以西南地区为例

[J]. 自然资源学报, 2018, 33(7):1257-1269.

[本文引用: 1]

/