4种遥感干旱指数在内蒙古东部干旱监测中的对比研究

曲学斌,吴 昊,越 昆,刘朋涛,李翕然

(1.呼伦贝尔市气象局,内蒙古 呼伦贝尔 021008;2.中国气象局兰州干旱气象研究所/ 甘肃省干旱气候变化与减灾重点实验室/ 中国气象局干旱气候变化与减灾重点实验室,甘肃 兰州 730020;3.内蒙古自治区生态与农业气象中心,内蒙古 呼和浩特 010051;4.莫力达瓦达斡尔族自治旗气象局,内蒙古 呼伦贝尔 162850)

干旱与地球环境相伴而生,是全球分布范围最广、持续时间最长的自然灾害[1]。内蒙古地区是我国干旱重灾区之一,2004—2013年内蒙古干旱灾害导致的直接经济损失占全区总气象灾害损失的57%,受灾面积和受灾人口也均超过其他气象灾害的总和[2]。国际上一般将干旱划分为4类,即气象干旱、农业干旱、水文干旱和社会经济干旱[3]。目前,气象干旱的研究相对成熟,杨庆等[4]利用土壤湿度和径流数据对7种气象干旱指数在中国区域的适用性进行了评估,并分析了各气象干旱指数的区域监测特点。廖要明等[5]利用气象干旱综合指数(meteorological drought composite index,MCI)分析了中国干旱时空特征。张强等[6]研究表明,气象干旱与其他类型干旱之间存在传递过程,对于无灌溉设施的农田或草地来说,降水减少会导致土壤水分减少,最终导致植物因缺水而萎蔫或死亡。遥感干旱指数属于农业干旱领域[7],是随着遥感技术逐渐兴起的一种“年轻”的干旱监测手段[8],通过卫星监测将传统“点”测量逐渐扩展为“面”的信息,因其具有大范围、高精度等优势而发展迅速。

目前较常用的遥感干旱指数有20余种,不同遥感干旱指数的监测特点存在很大差异。王莺等[9]对比了7种遥感干旱指数在2006年甘肃河东地区干旱期间的监测情况,并根据土壤相对湿度对各指数进行等级评价。李新尧等[10]分析遥感干旱指数在陕西的适用性,表明其在农业干旱监测方面具有优势。目前,内蒙古干旱监测仍以气象干旱指数为主,遥感干旱指数未得到广泛应用。同时,现有遥感干旱指数适用性研究多针对农田干旱,而草原干旱可借鉴的研究成果较少,遥感干旱指数在内蒙古的适用性研究鲜有报道。采用2016和2017年4月下旬至9月下旬内蒙古东部地区MODIS数据,基于温度状态指数(temperature condition index,TCI)、植被状态指数(vegetation condition index,VCI)、温度植被干旱指数(temperature vegetation dryness index,TVDI)和植被供水指数(vegetation supply water index,VSWI)4种常用遥感干旱指数,结合MCI和土壤相对湿度数据进行比较,以期为遥感干旱监测技术在内蒙古东部地区的应用提供科学依据。

1 材料与方法

1.1 研究区概况

研究区选择内蒙古东部呼伦贝尔市、锡林郭勒盟、赤峰市、通辽市和兴安盟5个市盟,其中呼伦贝尔市中部为大兴安岭林地,西部边缘有少量耕地,其他区域均为草地。研究区草地自西向东可分为沙地草原、半荒漠草原、典型草原和草甸草原,植被覆盖度依次增加[11]。研究区属温带大陆性季风气候区,年平均气温为4.3 ℃,自南向北依次递减;年平均降水量为431.4 mm,自东向西依次递减。

2016—2017年研究区连续2 a出现严重干旱。2016年春季,赤峰市北部、通辽市北部和兴安盟南部地区有轻度气象干旱,夏季受降水偏少、温度偏高影响,气象干旱迅速发展并扩散至整个研究区。7—8月干旱成灾,9月初随着“狮子山”台风与中、高纬度系统共同影响形成大范围降水后,旱情才得到缓解。2017年干旱从入春就开始成灾,大部分地区的牧草难以返青,8月以后降水逐渐增多,旱情才得到缓解。

1.2 数据来源及预处理

MODIS数据通过美国国家航空航天局(National Aeronautics and Space Administration,NASA)官网(https:∥www.nasa.gov/)免费下载。归一化植被指数(normalized difference vegetation index,NDVI)数据来源于MOD13Q1数据,空间分辨率为250 m×250 m,时间分辨率为16 d,并将空间分辨率重采样为1 km×1 km。陆面温度(land surface temperature,LST)数据来源于MOD11A2产品,空间分辨率为1 km×1 km,时间分辨率为8 d,并将相邻2期取平均值,时间分辨率处理为16 d。计算VCI和TCI所需的NDVI和LST多年极值选取时段均为2000—2017年。研究期为2016和2017年每年4月下旬至9月下旬,日序按16 d为1期统计,即为第8～17期(表1)。

表1 MODIS遥感影像基本信息

Table 1 Basic information of MODIS remote sensing images

期数日期 84月22日—5月7日 95月8日—5月23日 105月24日—6月8日 116月9日—6月24日 126月25日—7月10日 137月11日—7月26日 147月27日—8月11日 158月12日—8月27日 168月28日—9月12日 179月13日—9月28日

计算MCI所需的气温和降水等气象要素以及土壤相对湿度数据分别来源于内蒙古自治区气象局的48和40个站点,并按16 d为1期取平均值。每个气象站点的MCI为其周边20 km缓冲区内的平均值。计算得到研究期(共20期)内各气象站点遥感干旱指数、MCI和土壤相对湿度间的相关系数,并利用反距离加权法进行空间插值并制图。

1.3 遥感干旱指数

1.3.1温度状态指数(TCI)

当植被遭受水分胁迫时,为减少蒸腾叶片气孔关闭,进而使植被冠层潜热通量下降而感热通量增加,LST随之上升。KOGAN等[12]根据这一原理提出TCI,其计算公式为

(1)

式(1)中,ITC为温度状态指数;TLS,i为观测期陆面温度，℃;TLS,max和TLS,min分别为多年同期陆面高温最大值和最小值,℃。TCI取值范围为0～1,其值越小,表明植被干旱状况越严重,反之则干旱状况越轻。

1.3.2植被状态指数(VCI)

NDVI是应用最广泛的植被指数,随着长序列NDVI数据的积累,KOGAN等[13]提出利用比值消除因地理位置、气候背景和生态类型不同而产生的NDVI区域性差异植被状态指数VCI,其计算公式为

(2)

式(2)中,IVC为植被状态指数;INDV,i为观测期NDVI;INDV,max和INDV,min分别为多年同期NDVI最大值和最小值。VCI取值范围和变化规律与TCI一致。

1.3.3温度植被干旱指数(TVDI)

SANDHOLT等[14]发现以某一区域、同一时期各栅格上的NDVI和LST分别作为x和y绘制在同一散点图时,能形成独特的三角形关系,并基于该关系建立TVDI,其计算公式为

(3)

式(3)中,ITVD为温度植被干旱指数;a1、b1、a2和b2分别为干边和湿边回归方程的系数,干边和湿边由某一时刻同一NDVI对应的地表温度最高值和地表温度最低值构成。TVDI取值范围为0～1,其值越大,表明植被干旱状况越严重,反之则干旱状况越轻。

1.3.4植被供水指数(VSWI)

CARLSON等[15]根据干旱发生时会同时造成叶片冠层气温升高和光合作用降低,提出VSWI,其计算公式为

IVSW=INDV，i/TLS，i。

(4)

式(4)中,IVSW为植被供水指数。VSWI值越小,表明植被干旱状况越严重,反之则干旱状况越轻。

1.4 气象干旱综合指数(MCI)

MCI是GB/T 20481—2017《气象干旱等级》中推荐的气象干旱指数之一[16],也是目前认可度最高、应用最广泛的气象干旱指数之一,其计算公式为

IMC=Ka(aWSPI，60+bIM，30+cISP，90+dISP，150)。

(5)

式(5)中,IMC为气象干旱综合指数;WSPI，60为近60 d的标准化权重降水指数;IM，30为近30 d的相对湿润度指数;ISP，90和ISP，150分别为近90 d和近150 d的标准化降水指数;a、b、c和d4个权重系数分别取0.3、0.5、0.3和0.2;Ka为季节调节系数,在4—10月分别选取0.6、1.0、1.2、1.2、1.0、0.9和0.4。

2 结果与分析

2.1 遥感干旱指数间的相关性分析

遥感干旱指数间的相关性可以反映其对干旱描述的一致程度,研究期各站点4种遥感干旱指数间的相关系数见图1。TVDI与VSWI的相关性最好，它们都只与同时期的NDVI和LST有关。研究区VCI与TVDI的相关性最差。TCI与VCI、TCI与VSWI显著相关的区域主要位于呼伦贝尔市西部、兴安盟、通辽市、赤峰市西部和锡林郭勒盟西部(P<0.05),该区域以草甸草原和典型草原为主,草原植被覆盖度处于中高等水平。TCI与TVDI、VCI与VSWI显著相关的区域整体偏西，直至锡林郭勒盟西部的半荒漠草原和沙地草原(P<0.05)。

由于植物在生长季不同阶段受到水分胁迫后的表现不同,以不同时期为单位,统计各站点4种遥感干旱指数间的相关系数(表2)。VCI与VSWI、VSWI与TVDI各期的相关性均达极显著水平(P<0.01),而VCI与TVDI、TCI与TVDI在生长季初期和末期的相关性较差,TCI与VCI、TCI与VSWI在生长季初期的相关性较差。在生长季中期的12～16期,所有遥感干旱指数间的相关性均达到极显著水平(P<0.01)。这是因为在生长季初期,受气温回升的年际差异或春季干旱影响,牧草返青时间并不一致,造成依据2000—2017年NDVI或LST极值计算的TCI和VCI与其他2种遥感干旱指数间存在明显差异。当牧草完成返青后至黄枯前,这种差异会减小；当牧草黄枯时,这种差异又重新出现。

TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

表2 研究区各遥感干旱指数在不同时期的相关系数

Table 2 The correlation coefficients of different remote sensing drought indices in the study area in different periods

指标8期9期10期11期 12期 13期 14期 15期 16期 17期 TCI与VCI0.020.170.21∗0.47∗∗0.49∗∗0.41∗∗0.61∗∗0.61∗∗0.61∗∗0.58∗∗ TCI与VSWI0.010.040.080.160.35∗∗0.23∗0.35∗∗0.40∗∗0.44∗∗0.31∗∗ TCI与TVDI0.060.120.040.45∗∗0.36∗∗0.47∗∗0.40∗∗0.31∗∗0.60∗∗0.07 VCI与TVDI-0.16-0.40∗∗-0.52∗∗-0.57∗∗-0.73∗∗-0.54∗∗-0.64∗∗-0.46∗∗-0.41∗∗-0.11 VCI与VSWI0.31∗∗0.56∗∗0.63∗∗0.71∗∗0.78∗∗0.78∗∗0.75∗∗0.60∗∗0.59∗∗0.46∗∗ VSWI与TVDI-0.73∗∗-0.76∗∗-0.76∗∗-0.74∗∗-0.82∗∗-0.80∗∗-0.81∗∗-0.63∗∗-0.84∗∗-0.80∗∗

*表示P<0.05;**表示P<0.01。TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

2.2 遥感干旱指数与MCI的相关性分析

气象干旱主要表示因某时段蒸发量和降水量的收支不平衡而导致的水分短缺现象,而遥感干旱指数侧重于表示干旱对植物的影响。尽管两者角度不同,但气象干旱是导致其他干旱的基础,且不同干旱类型间存在传递规律,可利用较成熟的气象干旱指数评估遥感干旱指数的监测能力。

研究期各站点MCI与4种遥感干旱指数相关性的空间分布见图2。研究区各站点MCI与同期TCI的平均相关系数(0.49)最高,显著相关区域主要位于呼伦贝尔市西部、兴安盟、通辽市、赤峰市和锡林郭勒盟东部(P<0.05)。各站点MCI与同期VCI的平均相关系数(0.44)也较高,显著相关区域主要位于呼伦贝尔市西部、兴安盟西部、通辽市、赤峰市北部和锡林郭勒盟(P<0.05)。结合研究区草地类型差异可知,TCI对中、高覆盖度草原的干旱监测与MCI一致性较高,而VCI对中、低覆盖度草原的干旱监测与MCI一致性较高。MCI与同期TVDI和VSWI的相关性偏低。

由于气象干旱是其他类型干旱传递的起点,因此其他类型干旱指数与气象干旱指数间一般呈滞后相关性。如图2所示,研究区各站点MCI与滞后1期VCI的平均相关系数(0.37)最高,显著相关区域主要分布在呼伦贝尔市西部、兴安盟北部、通辽市南部、锡林郭勒盟西部等地,而其他遥感干旱指数与MCI的相关性较差。这可能是因为气象干旱是诱发农业干旱的前提,因此MCI对VCI监测有一定早期预警能力。

研究区各时期各站点MCI与同期或滞后1期的4种遥感干旱指数的相关系数见表3。

MCI为气象干旱综合指数;TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

表3 研究区MCI与同期及滞后1期遥感干旱指数在不同时期的相关性

Table 3 The correlation between MCI and drought index of remote sensing in the study area in different periods

类型指标8期9期10期 11期 12期 13期 14期 15期 16期 17期 同期MCI与TCI0.060.45∗∗0.26∗∗0.63∗∗0.65∗∗0.38∗∗0.38∗∗0.45∗∗0.47∗∗0.35∗∗MCI与VCI0.100.010.34∗∗0.59∗∗0.54∗∗0.48∗∗0.45∗∗0.62∗∗0.60∗∗0.35∗∗MCI与TVDI-0.61∗∗-0.24∗∗0.02-0.41∗∗-0.37∗∗-0.13-0.38∗∗-0.17-0.23∗-0.17MCI与VSWI0.33∗∗0.28∗∗0.20∗0.32∗∗0.39∗∗0.23∗0.150.31∗∗0.33∗∗0.38∗∗ 滞后1期MCI与TCI0.38∗∗0.030.41∗∗0.61∗∗0.31∗∗0.110.030.49∗∗0.37∗∗MCI与VCI0.030.170.48∗∗0.56∗∗0.51∗∗0.47∗∗0.54∗∗0.61∗∗0.49∗∗MCI与TVDI-0.37∗∗-0.12-0.21∗-0.39∗∗-0.25∗-0.24∗-0.25∗-0.20∗-0.21∗MCI与VSWI0.28∗∗0.23∗0.25∗0.35∗∗0.31∗∗0.20∗0.25∗0.32∗∗0.34∗∗

*表示P<0.05;**表示P<0.01。MCI为气象干旱综合指数;TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

如表3所示，同期比较时,MCI与TCI和VCI的平均相关系数(0.41)最高;滞后1期比较时,MCI与VCI的平均相关系数(0.43)最高。在生长季初期,MCI与同期TCI和VCI的相关性较差,而在生长季中、后期,均呈极显著相关(P<0.01);MCI与同期VSWI相关性较好,仅在第14期相关不显著(P>0.05);MCI与同期TVDI的相关性最差,在第10、13、15和17期相关不显著(P>0.05)。MCI与滞后1期TCI的相关系数在第9、13和14期未达显著水平(P>0.05);MCI与滞后1期VCI的相关性与同期VCI基本一致;MCI与滞后1期TVDI在第9期的相关系数未达显著水平(P>0.05);而MCI与滞后1期VSWI的相关性均达到显著及以上水平(P<0.05)。综上可知,VSWI对MCI的响应在全生长季均较好;VCI在生长季初期对MCI的响应较差,但其在整个生长季相关系数的平均值最高;TCI对MCI的响应与VCI相似,但其滞后1期对MCI的响应不如VCI;TVDI对MCI响应的波动较大,这可能是由于TVDI受LST-NDVI特征三角形的干、湿边界,研究区面积和区域植被类型等因素影响,存在很大不确定性。

2.3 遥感干旱指数与土壤相对湿度的相关性分析

土壤水分缺失会体现在植被水分胁迫和长势上,因此土壤相对湿度与遥感干旱指数间关系密切。研究区各站点土壤相对湿度与4种遥感干旱指数相关性空间分布见图3。10 cm土壤相对湿度与TCI的平均相关系数(0.33)最高,与VCI相关性达到显著水平(P<0.05)的站点数(15)最多,与TVDI和VSWI的相关性相对较弱。10 cm土壤相对湿度与4种遥感干旱指数相关性较高的区域均主要位于呼伦贝尔市西部、兴安盟南部、通辽市北部、赤峰市北部和锡林郭勒盟西部地区。50 cm土壤相对湿度与VCI和VSWI的相关性在兴安盟南部、通辽市北部和赤峰市北部地区的部分站点达到显著水平(P<0.05),与TCI和TVDI的相关性不明显。

各时期研究区站点土壤相对湿度与4种遥感干旱指数的相关性见表4。

TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

表4 研究区土壤相对湿度与遥感干旱指数在不同时期的相关性

Table 4 Correlation between soil relative humidity and remote sensing drought index in the study area in different periods

指标8期9期10期11期 12期 13期 14期 15期 16期 17期 10 cm土壤相对湿度与TCI0.010.130.180.30∗∗0.45∗∗0.30∗∗0.34∗∗0.67∗∗0.27∗0.36∗∗10 cm土壤相对湿度与VCI0.39∗∗0.110.27∗0.35∗∗0.39∗∗0.35∗∗0.55∗∗0.70∗∗0.52∗∗0.25∗ 10 cm土壤相对湿度与TVDI-0.10-0.46∗∗-0.33∗∗-0.42∗∗-0.41∗∗-0.09-0.15-0.36∗∗-0.28∗-0.38∗∗10 cm土壤相对湿度与VSWI0.30∗∗0.36∗∗0.24∗0.24∗0.26∗0.160.28∗0.58∗∗0.50∗∗0.51∗∗50 cm土壤相对湿度与TCI0.070.040.050.110.33∗∗0.26∗0.210.45∗∗0.42∗∗0.33∗∗50 cm土壤相对湿度与VCI0.24∗0.10.25∗0.140.36∗∗0.26∗∗0.40∗∗0.53∗∗0.46∗∗0.18 50 cm土壤相对湿度与TVDI-0.17-0.25∗-0.37∗∗-0.23∗-0.38∗∗-0.15-0.32∗∗-0.32∗∗-0.26∗-0.08 50 cm土壤相对湿度与VSWI0.070.160.210.150.25∗∗0.150.30∗∗0.44∗∗0.35∗∗0.32∗∗

*表示P<0.05;**表示P<0.01。TCI为温度状态指数;VCI为植被状态指数;TVDI为温度植被干旱指数;VSWI为植被供水指数。

如表4所示，10和50 cm土壤相对湿度均与VCI的平均相关系数最高,分别为0.39和0.29。土壤相对湿度与TCI和VCI的相关性在生长季初期较差,而在生长季中、后期较好;VSWI在生长季前期与10 cm土壤相对湿度的相关性较好且较为稳定。10 cm土壤相对湿度与4种遥感干旱指数的相关性明显好于50 cm土壤相对湿度。由此可见,随着土层深度增加,土壤相对湿度与植被干旱的相关性逐渐降低。

3 讨论

干旱发生的根源是降水减少,但其最终能否成灾还与植被生育期、地形、水系和灌溉状况等因素相关,一个完整的干旱过程是由气象干旱向农业干旱等其他干旱类型不断传递和发展的过程。因此干旱监测和评估工作也无法仅用1种指数或方法描述整个旱情,而应从气象干旱、土壤墒情、植被长势和径流变化等多个角度进行。

气象干旱指数已经日渐成熟,在干旱早期预警和监测方面起到了重要作用,土壤相对湿度也可通过土壤水分自动站或人工取土测量获得。目前,在“大气-土壤-植被”的干旱传递过程中,针对植被干旱的监测能力略显不足。利用遥感技术发展而来的干旱监测技术以其空间连续和直观的监测结果而备受青睐,目前已建立多种遥感干旱指数,但很多遥感干旱指数的算法和适用范围仍有待完善。在政府部门精准救灾和农牧业保险部门理赔等实际工作中,统一的干旱监测方法至关重要。在目前缺乏广泛认可的遥感干旱监测指数前提下,根据干旱的传递规律,利用气象干旱指数和土壤相对湿度来评估遥感干旱指数监测结果的优劣具有较高实用价值。

4 结论

(1)从生长季不同阶段来看,4种遥感干旱指数对干旱描述的差异主要体现在生长季初期。TCI与VCI都需要历史同期NDVI或LST极值,而生长季初期NDVI和LST存在很多非干旱影响因素,因此该时期TCI和VCI与气象干旱和土壤相对湿度的相关性较差。生长季后期各遥感干旱指数的描述基本一致,其中VCI与气象干旱综合指数(MCI)和土壤相对湿度的相关性较高,在实际干旱监测工作中存在一定优势。

(2)由于TVDI与VSWI都是通过同期LST和NDVI计算获得,与历史数据无关,因此它们对干旱描述的一致性较高,但VSWI与MCI和土壤相对湿度的相关性要优于TVDI。MCI与VCI和VSWI的一致性在中、低覆盖度草原较高,而MCI与TCI的一致性在中、高覆盖度草原较高。

(3)结合各遥感干旱指数的监测特点,建议内蒙古东部在生长季初期首选VSWI进行干旱监测,而在生长季中、后期选择VCI或LST进行干旱监测较为合理。若使用TVDI进行干旱监测则应选取大小适中的监测范围,并谨慎确定LST-NDVI特征三角形的干、湿边界。