基于VCI指数的青藏地区春旱时空动态变化分析

季民，张超，赵建伟，严娟，梁亮

(1.山东科技大学测绘科学与工程学院,青岛 266590； 2.江苏师范大学地理测绘与城乡规划学院，徐州 221116)

0 引言

全球各个国家都曾或正在遭受干旱所带来的生态和农业生产破坏，这种自然灾害的特点主要具有持续时间长、涉及范围广等特点，受环境和生态的恶化影响，近几年发生干旱的频率越来越高，空间范围越来越广，严重时会导致一个国家或者地区出现严重的饥荒。目前针对区域内的干旱问题研究主要以气象和农业干旱为主[1]。青藏地区地形极其复杂，空气含氧量低，面积广阔，可利用的观察资料很少，给干旱监测带来了诸多不便，传统的干旱监测方法也具有很大局限性，而遥感技术可以准确实时获取大面积地表温度、植物长势等干旱提取信息，并且具有多时相、多光谱、连续完整等优势，可广泛应用于干旱遥感监测中，基于遥感数据的农业干旱监测方法主要分为热惯量法、植被指数法、微波遥感方法和冠层温度方法4类[2-7]。植被指数是指根据植被的光谱特性，将卫星可见光和近红外波段进行组合，形成各种植被指数。地表植被状况的直接量化指标为植被指数，这种度量方式简单、有效，当前全球学术统一定义的植被指数总共有40多种，其主要应用于全球与区域土地覆盖、植被分类和环境变化等方面，辅助分析第一生产力水平，同时用来分析农作物、牧草估产和干旱监测等。因为植被指数计算方便、获取很简易，所以可以利用植被指数来检测干旱的情况。但是一些植被指数例如，归一化差分植被指数(normalized difference vegetation index，NDVI)、温度植被干旱指数和植被条件指数，在对非均匀区域进行干旱监测的时候，可能会出现很多问题，为了克服这些问题，Kogan等[8]提出的植被状态指数(vegetation condition index,VCI)。与NDVI一样，VCI也可以通过NOAA卫星的AVHRR传感器获取，VCI对干旱敏感可以消除地理位置、生态系统对NDVI的影响，成为了大规模遥感干旱监测的理想数据，它的可靠性得到了大量数据的证明。本文以春旱的时空动态变化为研究对象，需要长时间序列的数据，所以采用VCI作为干旱指标。

VCI要用到近红外波段和红外波段的数值可以通过NOAA数据获得长时间序列的产品，消除或减弱由于地理位置、土壤条件、太阳高度等因素对NDVI产生的影响，适合大面积的旱情分析，在植被监测和干旱监测中有广泛的应用[9-11]。目前已经有很多学者利用VCI指数进行干旱时空分析，孙亲[12]基于VCI指数对中国1981—2015年干旱时空变化特征进行了研究； 吕潇然等[13]基于VCI对云南省农业干旱状况进行了时空分析，得出降水与VCI指数之间的相关性比较低，降水只是VCI的影响因素之一,干旱发生的频率在不同季节具有不同的空间分布特点； 李新尧等[14]对陕西省农业干旱进行了时空动态分析，指出陕西省农业干旱状况常见于春秋两季，从干旱发生频率和影响范围来看，秋季的干旱更为严重，陕西省干旱的空间分布总体具有北高南低的特征，陕北大部分区域春旱和秋旱的发生概率都较高，而在关中和陕南大部分地区发生春旱和秋旱频率较小。

本文首先对NOAA数据进行预处理，得到VCI数据集用于分析青藏地区近15 a来干旱的时空变化特征； 然后，对干旱发生频率进行统计和分析，并对4级干旱频率进行空间分析； 最后，采用最大值合成法，对VCI指数的季节变化和年际变化进行分析。本研究可为预防干旱的应对措施提供理论依据和决策基础，进一步促进农业的发展和进步。

1 研究区概况及数据源

1.1 研究区概况

青藏地区平均海拔超过4 000 m，是全球范围内海拔最高的高原地区，被称之为“世界屋脊”。地理位置位于E73°～104°，N28°～38°之间。整个青藏地区横跨多个省份，包括青海省、西藏自治区、四川省西部、甘肃省西南部和新疆维吾尔自治区南部边缘地区。青藏地区地域广阔，面积为全国总陆地面积的四分之一，但人口只占1%左右，地广人稀。青藏地区分布着大大小小湖泊超过1 000个，是全球著名的高原湖区，其中青海湖面积为4 340 km2。青藏地区的气候特征主要体现为强辐射、多日照、低温等特点，每日的温差变化大，干湿分明显著，夜雨较多； 冬季干冷漫长，以大风为主； 夏季温凉多雨，以冰雹为主。高山将来自南部的海洋暖湿气流阻隔，导致整体北部地区年降水量仅仅不到50 mm。喜马拉雅山脉北部总体降水量低于600 mm，南部降水量超过1 000 mm，属于亚热带及热带北缘山地森林气候，月平均气温最高为18～25 ℃。昆仑山中西段南翼年降水量只有不到100 mm，月平均气温最高只有4～6 ℃，属于高寒半荒漠和荒漠型气候。

1.2 数据源

AVHRR探测仪位于NOAA系列极轨气象卫星中，包含5个通道，由表1可知，5个通道中第1个通道为具有强吸收性的可见光波段，可吸收绿色植被，第2通道为可反射叶片的近红外波段，因此通常采用第2通道来进行植被观测或反演。

表1 AVHRR各通道的波谱范围及应用领域Tab.1 Spectrum range and application fieldof each channel of AVHRR

从NOAA获得1995年1月—2010年2月的VCI数据集。时间分辨率为7 d，空间分辨率为4 km，每年考虑52个时间段，但2000年的部分元数据缺失，因此采用时间插值法获得连续的时间序列。

2 研究方法

2.1 VCI推导

大量的研究表明NDVI是植被生长状态及植被覆盖度的最佳指示因子，计算公式为：

(1)

式中DNR和DNNIR分别为红光和近红外波段的DN值。该指数特别适合用于大陆或全球尺度的植被动态监测，在农作物估产等方面得到了广泛的应用，但是NDVI的缺点也显现出来，它只能孤立反映天气条件、土壤、水分对植被的影响，对地物所处的条件很敏感，为此，Kogan等[8]在其研究中推导出VCI指数，计算公式为：

(2)

式中：NDVIi为一个确定年份的第i个时期的NDVI值；NDVImax和NDVImin分别为多年第i时期的NDVI最大值和最小值。该值位于0～100之间，当数值越高时表示长势良好，数值越低时表示长势条件差，干旱越严重。

2.2 月/季VCI合成

采用最大值合成法(maximum value composite，MVC)对给定月份的VCI数据进行组合。MVC可以消除云污染、大气衰减和太阳高度的影响。本文以7 d的VCI数据集作为计算MVC的基础，计算出每月的VCI数据，即

VCIi=max(VCIij)，

(3)

式中：VCIi代表第i个月的VCI值；VCIij代表第i个月第j个星期的VCI值。在IDL软件中进行编程，将1个月4个星期的4幅VCI图像通过波段运算来实现最大值合成，用4幅图像中每个像元最大值代表VCI值。本文以春旱为研究对象，根据太阳历按季节划分春季为3—5月，季节的平均VCI可用相应季节3个月的累计平均VCI值表示，即

(4)

2.3 VCI趋势分析

为了了解这15 a间的总体变化趋势，根据15 a以上像素的VCI值，计算趋势密度率(Slope)[23]，即

(5)

式中：ti为15 a间的序列号(1～15)；n为时间序列长度(n=15)；xi表示第i年的VCI，Slope>0表示研究期间VCI增加，干旱程度随时间增加，否则VCI降低。为了避免VCI序列中会影响趋势分析的自相关效应，在趋势分析之前，要进行自相关检查(VCI时间序列数据由不同地理区域的平均VCI组成)。统计分析表明，对原始数据进行对数变换后，VCI序列中不存在自相关。这些过程在SPSS18.0和IDL8.3软件中进行。为了确定干旱的意义，采用F检验。数据服从F分布，自由度为(1，n-2)，n代表15 a，根据F分布表可知F0.05(1.33)=4.14，F0.01(1.33)=7.56，根据该阈值可以将VCI的趋势密度率分为非显著、显著和极显著水平。同时，根据其值的正和负，结果可以分为5个级别： 极显著增加、显著增加、无显著变化、显著减少、极显著减少。

2.4 VCI突变检验

为了确定15 a之间是否发生突变，并确定这一变化的年份，对VCI数据集进行Mann-Kendall突变实验。Mann-Kendall是一个非参数统计检验，它在假设一个独立随机时间序列的前提下定义了一个统计序列，即

(6)

(7)

(8)

反时间序列重复此过程计算得到UBk。本文中的统计序列UFk为1995—2010年VCI分析结果，UBk为2010—1995年VCI分析结果，UFk和UBk曲线在Excel软件中绘制，置信区间为0.05(U0.05=±1.96)。Mann-Kendall测试可有效区分一个过程是自然波动还是遵循一个特定的趋势。UFk和UBk值大于0表示一个增加的趋势； 否则，趋势是减少的。当UFk和UBk超过0.05置信区间，表示有显著的变化趋势，超过置信区间的范围为突变的时间区域。当UFk和UBk发生交叉，并且处于置信区间之间时，交叉的时间被认为是开始突变的时间。

3 结果与分析

3.1 干旱的时间变化特征

为进一步分析干旱的时间特征，计算1995—2010年春季的平均VCI指数，得到1995—2010年青藏地区春季VCI均值的分布情况(图1)。

从图1可以看出，1995—2010年间VCI在春季呈现出缓慢增长的趋势。表明春季干旱开始逐渐缓解，变化趋势可以分为4个阶段。2000年发生全国性旱灾，旱灾发生了明显的年际变化。从2001—2010年，青藏地区的VCI值开始增加，到2010年标志着另一个增长期达到了峰值。然后，从2010年开始，VCI再次开始下降。值得注意的是，VCI大于2000年全国干旱平均值。这一变化可能是1999年加强绿化的结果。

3.2 VCI变化趋势分析

变化趋势分析采用Excel软件对年平均VCI值进行线性拟合，得到VCI变化曲线，通过变化趋势的变化率即曲线斜率分析干旱变化趋势； 通过分析得到VCI值的变化情况如图2所示。

图2 1995—2010年季VCI均值的变化趋势Fig.2 Change trend of VCI mean value from 1995 to 2010

利用趋势分析得到春季VCI变化趋势，对VCI不同变化趋势等级进行统计，结果如图3所示。

图3 1995 —2010 年青藏地区趋势分析Fig.3 Rrend analysis of Qinghai-TibetRegion from 1995 to 2010

对青藏地区1995—2010年15幅季VCI均值时间序列结合F检验进行趋势分析，从图3可以看出VCI下降的部分(红色)主要分布在四川省的西部、青海省的绝大部分地区和西藏自治区少部分地区，但是干旱的情况也不一定是VCI指数下降引起的，可能最近几年西部大开发，人为干扰要素也不可忽略。青藏地区由于远离海洋，周围又有高大山脉环绕，来自海洋的水汽不易到达，所以青藏高原降水稀少，直接就会导致该地区干旱，故青藏地区大部分都处于轻旱和中旱，靠近山脉的地方由于高山积雪融化，会滋润该地域，所以其附近基本没有出现干旱的情况。另外，干旱发生较轻的地方在新疆维吾尔自治区南部、青海省北部、甘肃省北部一小部分地区，这些地区干旱情况比较小，主要原因是这些区域在阿尔金山、昆仑山和祁连山等山脉附近，高山积雪融化成水对干旱有一定的缓解作用，所以这些区域的干旱相比较西藏自治区和四川省西部地区缓解很多。

3.3 VCI 频率分析

根据VCI干旱等级的划分，可以得出当VCI值大于70时，认为该地区正常，据此得到了青藏地区干旱发生频率的分布情况(图4)，由图4中可以得出，从整体上看，15 a内青藏地区春季发生干旱的频率不高，其中青藏地区的西北部与贺兰山、祁连山附近地区发生干旱频率较低。青藏地区的东部干旱频率较高，尤其是青海省南部和四川省西北部干旱情况较为严重。导致青藏部分地区干旱发生频率较高的原因是季风气候被高山阻断，因此无法深入带来足够降水，使这些地区干旱频发。虽然青藏地区降水稀少，但还可以看出，青藏地区仍有部分区域干旱发生频率较低，这是因为青藏地区海拔高，常年积雪，高山冰雪融化会带来充沛的水分供附近植被生长。

3.4 VCI突变分析

为了确定1995—2010年间VCI的时间变化是随机波动还是明显的趋势，进行了Mann-Kendall测试结果如图5所示。从图5中可以看出，青藏地区春季VCI序列的UF曲线与UB曲线在1996年相交，表明在1996年开始发生突变，并且在2000年以后呈小幅度上升趋势，但直到2010年UF曲线均未达到0.05显著性水平，表明青藏地区春季干旱突变不显著。

图5 青藏地区Mann-Kendall检验曲线Fig.5 Mann-Kendall test curve in Qinghai-Tibet Region

4 结论

本文利用NOAA/AVHRR数据获取青藏地区1995—2010年VCI数据，使用趋势分析法、频率分析法等，分析出15 a来青藏地区春旱时空变化特征，利用1995—2010年的VCI数据对青藏地区15 a的干旱趋势突变分析，主要结论如下:

1)在1995—2010年，青藏地区VCI总体呈上升趋势，表明旱情趋于减轻，VCI序列是逐渐上升的，大致可以分为2个阶段，分别为1995—2000年的不平稳期和2001—2010年VCI指数基本不变略微上升期。说明在1995—2000年干旱的情况还不稳定； 在2001—2010年，VCI一直基本不变，且VCI值基本大于30，表明处于中旱。

2)为了解干旱趋势，采用趋势分析法和Mann-Kwndall检测，表明了青藏地区的VCI序列有明确的上升趋势，而且不是随机波动的，在春季的变化较为明显，可以看出在1996年左右发生突变，该分析表明青藏地区的干旱越来越稳定，基本大部分地区都处于中旱状态。