干旱严重指数(DSI)在内蒙古地区的适用性分析

曲学斌 王彦平 张煦明 林聪

(内蒙古呼伦贝尔市气象局， 呼伦贝尔 021008)

引言

干旱是在一定地区一段时间内近地面生态系统水分缺乏的一种自然灾害，也是全球分布最广，持续时间最长的自然灾害之一[1-2]。内蒙古是我国北方重要的生态屏障和农牧业产区，2004—2013年内蒙古地区干旱灾害的直接经济损失占总气象灾害损失的57%，受灾人口和面积均超过其他气象灾害的总和，严重威胁当地生态系统平衡和经济社会发展[3]。

抗旱减灾的基础在于对干旱的精准预报和监测，传统的干旱监测主要依赖气象干旱指数，并根据气象干旱与农业、水文、经济社会干旱间的关系，对其他类型干旱进行预测[4]。早在20世纪初，人们就开始寻找并建立各类气象干旱指数，目前已相对成熟，其中常用的气象干旱指数有标准化降水指数(Standardized Precipitation Index，SPI)、标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index，SPEI)、气象干旱综合指数 (Meteorological Drought Composite Index，MCI)等[5]，气象干旱指数的计算大多基于气象站的历史降水、温度等观测要素，在一定区域内具有较好的适用性[6-8]。但对于内蒙古而言，气象观测站点稀疏，监测结果难以反映整个区域的干旱情况，不能满足日益精细化的防灾救灾需求。

20世纪70—80年代，随着卫星遥感技术的快速发展，各国开始利用卫星遥感技术开展干旱监测方法研究[9-10]。Benedett等[11]利用红外波段与红光波段反射值计算归一化植被指数(Normalized Difference Vegetation Index，NDVI)并以此评定干旱过程，随后基于NDVI的植被状态指数(Vegetation Condition Index，VCI)、温度植被干旱指数(Temperature Vegetation Dryness Index，TVDI)等也开始快速发展[12]。随着遥感可反演物理量的增加，Anderson等[13]引入卫星反演蒸散(evapotranspiration，ET)和潜在蒸散(Potential Evapo Tanspiration，PET)开展更高灵敏度的干旱监测。Mu等[14]进一步通过NDVI、ET与PET提出干旱严重程度指数(Drought Severity Index，DSI)，童德明[15]等对DSI在山东省干旱监测中的适应性研究表明，其能准确捕捉山东省的典型干旱过程，并与SPI和土壤水分有很好的相关性。张喜成等[16]利用DSI对新疆干旱特征的分析表明，DSI的监测结果与实测农作物干旱面积相关性较高。Zhang等[17]利用DSI对中国西南地区进行高分辨率近实时干旱监测表明，此指数具有巨大业务应用潜力。因此开展DSI在内蒙古地区的适用性研究，可有效推进遥感干旱监测的业务发展，提高干旱监测精度，为各级政府决策部门提供更加精准的防旱救灾决策依据。

1 资料与方法

1.1 研究区概况

内蒙古地区位于东亚中纬度内陆(97°12′～126°04′ E、37°24′～53°23′ E)，地形狭长，拥有森林、草原、农田、荒漠等多种生态系统，基于2019年MOD12土地覆盖类型数据绘制的内蒙古植被覆盖类型及本研究所用72个气象台站分布如图1所示，土地面积约为1.18×106km2，占全国总面积的12.3%。气候以温带大陆性季风气候为主，大兴安岭北段为寒温带大陆性季风气候，巴彦淖尔市西部、阿拉善盟和乌海市为温带大陆性气候[18-19]。受远离海洋和青藏高原、燕山、太行山等山脉阻挡水汽输送的影响，内蒙古的降水总量偏少且分布极其不均，其中年降水量最多的呼伦贝尔市鄂伦春自治旗可达546.2 mm，而最少的阿拉善盟额济纳旗却仅有36.2 mm。

图1 内蒙古地区植被覆盖类型与气象站分布

1.2 指数计算方法

1.2.1 干旱严重指数(DSI)

一般而言，通过气象要素变化监测干旱的指数为气象干旱指数，而通过植被生长情况监测干旱的指数为农业干旱指数。DSI(DSI)的计算变量包括了反映植被光合作用能力的NDVI(NDVI)与涉及水循环的蒸散量ET(ET)与潜在蒸散量PET(PET)，其算法介于气象干旱与农业干旱之间，计算公式为：

(1)

Z=ZNDVI+ZET/PET

(2)

(3)

(4)

1.2.2 气象干旱综合指数(MCI)

MCI是国家气候中心在原有综合气象干旱指数CI的基础上，改进得到的一种干旱综合指数[20-21]。其计算公式为：

MCI=Ka(aSPIW60+bMI60+cSPI90+dSPI150)

(5)

式中,Ka为季节调节系数，内蒙古地区4—9月的值分别为0.6、1.0、1.2、1.2、1.0和0.9；MI60是近60 d的相对湿润度指数，为某时段降水量P与同时段潜在蒸散量PET之差再除以同时段内PET；SPI90、SPI150为近90 d和近150 d的标准化降水指数；权重系数a、b、c、d按照北方地区的取值标准分别为 0.3、0.5、0.3和0.2；SPIW 60为近60 d标准化权重降水指数，即基于权重降水WAP的标准化降水指数。

权重降水WAP的计算公式为：

(6)

式中,Pn为距离当天前第n天降水量。

计算MI60所需的潜在蒸散量PET利用Penman-Monteith方法计算获得，其公式为：

(7)

式中,Rn为地表净辐射，G为土壤热通量，在日时间尺度上参照草地土壤热容量做忽略不计处理，Tmean为日平均气温，ea为实际水汽压，es为饱和水汽压，u2为2 m高处风速，Δ为饱和水汽压曲线斜率，r为干湿表常数，均可根据各测站实测资料、地理信息求解。MCI的值越小，干旱越严重。

1.2.3 植被状态指数(VCI)

VCI是Kogan等[22]提出的遥感植被干旱指数，它可以很好地反映非冬眠期的植被对干旱的响应，已被广泛应用于遥感对植被干旱的监测,其计算公式为：

(8)

式中,NDVImax、NDVImin分别是某地点多年同期的最大和最小NDVI值，VCI的值越小，干旱越强。3种干旱指数对应的干旱等级划分标准见表1。

表1 干旱等级标准

1.3 数据源及分析方法

研究期为2000—2019年的内蒙古植被生长季，计算DSI和VCI所需数据均采用NASA提供的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS)遥感数据产品。NDVI采用植被指数MOD13Q1产品，是逐日NDVI通过最大值合成法得到的植被产品，其空间分辨率为250 m，时间分辨率为16 d。ET和PET采用蒸散量MOD16A2产品，其空间分辨率为1 km，时间分辨率为8 d，贺添[23]等利用站点尺度和流域尺度蒸散对MDO16数据进行验证，证明其在我国多种生态系统中具有较高精度。

首先使用MRT软件，采用双线性(bilinear)方式和兰勃特投影(Lambert azimuthal)方式进行拼接、裁剪和格式转换，之后使用ArcGIS软件进行分析和处理。将相邻两期的ET和PET求和，统一时间分辨率为16 d，将NDVI重采样至1 km，最后按照逐16 d为1期计算DSI和VCI，空间分辨率为1 km。研究期为每年第8期至17期，其对应时间段如表2所示。由于MOD16A2产品的ET和PET在水体、荒漠区无数据，即无法计算DSI，因此本次研究不包括内蒙古西部荒漠区及呼伦湖等湖泊水系。

表2 MODIS遥感影像基本信息(2000—2019年)

计算MCI所需的气象数据通过气象数据统一服务接口(CIMISS)获取， 包括逐日平均气温、 最高气温、最低气温、降水量等。MCI计算所需的历史气象数据序列长度为1962—2019年，排除荒漠区和缺测大于3%的站点后，共选取72个气象站。计算出研究期内每个气象站的逐日MCI后，按照表1对应的遥感期数和时段计算MCI平均值，并利用相关系数法和某次干旱过程对3种干旱指数的监测一致性和监测特点进行分析。

2 结果与分析

2.1 DSI的整体变化特征

2000—2019年，内蒙古地区的DSI(DSI)整体呈上升趋势，干旱强度在逐年减弱。提取72个气象站10 km缓冲区内的DSI平均值，并统计不同干旱等级台站在所有台站中的占比及各台站每年研究期内累计MCI的平均值，如图2所示。2000—2010年DSI干旱台站占比持续在高位波动，其中2001年的DSI干旱台站占比为79%，为研究期内最高，其次为2000年(65%)，对应的台站平均MCI(MCI)分别为-244.4和-190.9，同样为研究期内的最低值，是干旱最严重的时段。2010—2015年DSI干旱台站占比持续降低，其中2012年的DSI干旱台站占比为21%，是研究期内最低值，对应的台站平均MCI为-1.2，同样为干旱最轻的时段。2015年后DSI干旱台站占比又开始呈波动趋势，数值整体小于2000—2010年，但对应的MCI并没有显著减小，何航等[24]研究表明近年来内蒙古地区的植被覆盖状况持续改善，草地和农田植被增加明显，环境改善对防旱抗旱能力的提升可以在DSI中得到体现，但在MCI等气象干旱指数中却无法得到体现。

图2 2000—2019年DSI干旱站次占比与年累计平均MCI的变化

2.2 DSI与MCI的相关性分析

2000—2019年，内蒙古地区各期数中，气象站点缓冲区内DSI均值与站点MCI的相关系数达到显著(r>0.433，P<0.05)的比例为61%，达到极显著(r>0.549，P<0.01)的比例为40.1%，DSI与MCI的干旱监测整体呈较高的一致性。各期数DSI与MCI的相关性分布如图3(a～j)。由于MCI主要通过降水、温度等气象要素变化来监测干旱，与植被生长情况无关，而DSI引入NDVI植被长势，在某些植被类型或植被生长的某些时期，DSI与MCI存在明显差异。内蒙古的草原和农田区域，在春季牧草返青和作物播种时期，植被生长迅速且受气温回升速度、播种及出苗进度等因素影响每年同期的植被生长差异较大，这种影响的生长进度差异会直接反映在DSI计算所需的NDVI上，因此造成该区域第8、9、10期DSI与MCI的相关系数偏低，同时春末夏初也是历年内蒙干旱灾害较为严重的时期，因此该时期使用DSI进行干旱监测时，应充分考虑造成植被长势与历年差异的原因。对于内蒙古森林区域而言，仅第11～13期的平均相关系数高于0.4，这主要是因为森林的抗旱能力较强，短期降水缺乏和高温天气在植被长势和蒸散上的表现不明显，因此在降水偏少、气温偏高的时期，仅考虑气象要素的MCI与侧重植被生长的DSI的干旱监测差异较大。

从内蒙古地区各期DSI与MCI相关系数分布的台站数量(图3k)可以看出，第8期至第10期DSI与MCI相关性相对偏低，其相关系数小于0.4的站点占44%，0.4～0.5的站点占25%，0.5～0.6的站点占22%，而相关系数大于0.6的站点仅占7%。第11～17 期DSI与MCI相关性相对偏高，其相关系数小于0.4的站点占20%，0.4～0.5的站点占15%，0.5～0.6的站点占19%，相关系数大于0.6的站点占44%。结合各期对应时间可表明，4月下旬至6月上旬内蒙古地区DSI与MCI的监测一致性偏低，而6月中旬至9月下旬的监测一致性较高。

图3 2000—2019年各期DSI与MCI的相关系数

2.3 DSI与VCI的相关性分析

2000—2019年，内蒙古地区各期及平均DSI与VCI的相关系数见图4所示，由于DSI与VCI的计算中都使用NDVI作为主要变量，因此DSI与VCI的平均相关系数可达0.839，且所有栅格上的DSI与VCI的平均相关性均能达到极显著(r>0.549，P<0.01)，具有普遍的高相关性。

图4 2000—2019年各期平均及各期DSI与VCI的相关系数

在各时期中，由于VCI和DSI的计算都与NDVI有关，均会受春季植被返青进度年际间差异的影响，但DSI在此基础上又引入了ET/PET，影响程度有所减轻，因此第8期的DSI与VCI的相关系数较其他时期明显偏低。值得注意的是在12～15期，大兴安岭林区的DSI与VCI的相关系数明显低于其他地区，甚至出现未通过显著性检验的栅格，这可能与NDVI在高植被覆盖区存在饱和现象有关。根据杨嘉等[25]的研究表明，NDVI达到0.8时将出现饱和，无法准确反映植被长势。大兴安岭林区植被覆盖度高，12～15期对应的6月下旬至8月上旬又是植被生长最旺盛的时期，NDVI易达饱和，因此单纯依赖NDVI计算的VCI不能准确反映受旱情况，相比之下引入ET和PET的DSI更具优势。

2.4 典型干旱过程中DSI的监测分析

以2016年内蒙古东部地区的典型干旱过程为例，开展DSI干旱监测能力分析。根据兰州干旱气象研究所2016年全国干旱分布情况分析[26-27]，春季内蒙古中东部500 hPa气压场持续呈正距平，水汽辐散且盛行下沉气流，旱情突显， 5月下旬至6月随着低槽东移，中东部地区降水增多，旱情逐步缓解。7—8月由于中高纬度地区阻塞高压偏少偏弱，内蒙古东北部缺少冷暖空气频繁交汇的条件，西太平洋副高整体偏强、面积偏大且位置异常偏西，水汽输送受到受阻，造成东北部地区干旱迅速加重。9月初随着台风狮子山北上，结合中高纬度低槽东移与台风系统外围结合，给东北部地区带来持续降水，干旱快速缓解。据民政部门统计：5—6月内蒙古中东部的旱情共造成通辽市、赤峰市和锡林郭勒盟共8个旗县遭受灾，草场受灾2.82×104km2，农作物受灾2.99×103km2，直接经济损失13.5亿元；7—8月东北部的旱情，造成呼伦贝尔市13个旗县中的西部4个牧业旗县和东部3个农业旗县受灾，草场受灾6.57×104km2，农作物受灾6.13×103km2，直接经济损失达26.9亿元，呼伦贝尔市中北部的林区旗县无灾情报告。

2016年第11～16期内蒙古东部地区DSI、MCI、VCI监测结果如图5所示，第11～13期内蒙中东部旱情监测中，通辽市、赤峰市和锡林郭勒盟的旱情均有所体现，DSI监测的锡林郭勒盟西部旱情范围和强度偏低，在13期通辽市、赤峰市降水恢复旱情缓解时，MCI与DSI的干旱区域迅速缩小，而VCI需要等待植被恢复生长和NDVI增加，因此旱情缓解较慢。第13～16期内蒙古东北部干旱监测中，DSI监测的干旱开始期略晚于MCI和VCI，MCI由于只依靠气象要素进行计算，与下垫面植被类型无关，因此监测的大兴安岭森林区域存在旱情，而实际并未出现灾害损失，相比之下VCI与DSI的干旱范围与最终成灾的区域更吻合。16期狮子山台风北上降水后，MCI与DSI监测的干旱随着降水量增加和供水条件改善后的ET/PET增加而缓解或解除，而VCI需等待植被生长恢复，因此监测的旱情仍较为严重。

图5 2016年第11～16期内蒙古东部地区DSI、MCI和VCI监测

3 结论与讨论

(1)2000—2019年，内蒙古地区的DSI与MCI监测的干旱最重和最轻年份相同，DSI监测的年干旱强度总体呈减弱趋势，反映了内蒙古植被覆盖状况改善在提高干旱防御能力中的作用，而MCI监测的年变化趋势不明显。

(2)DSI与MCI、VCI的监测差异主要存在于森林区域和春季的草原与农田区。由于春季牧草返青、作物春播及出苗期是NDVI的快速增加期，而年际间差异又易受气温回升速度等因素影响，造成3类干旱指数在该时期的相关性偏低，该时期使用DSI和VCI监测干旱时应充分考虑造成植被长势年际差异的非干旱因素。森林对干旱的防御能力较强，监测气象干旱的MCI并不体现不同植被类型的抗旱能力，而NDVI在高植被覆盖区旺盛生长阶段又存在饱和现象，对仅依赖NDVI的VCI监测结果存在一定影响，因此该区域DSI与MCI、VCI的相关性偏低。

(3)DSI与MCI、VCI在2016年内蒙古典型干旱过程中的表现可以看出，DSI监测的干旱开始时期晚于VCI和MCI，但结束期DSI与MCI较为接近，而VCI的干旱缓解明显偏慢。从监测范围与灾害损失的区域来看，考虑了植被长势的DSI和VCI的干旱范围与成灾范围更接近。基于遥感技术的DSI、VCI监测精度明显高于基于台站的气象干旱指数，对开展精细化的防灾救灾工作更为有利。

MCI由国家气候中心逐日发布，是目前气象系统业务化程度最高的气象干旱指数，VCI是较为常用的遥感植被干旱指数之一，选用这两种干旱指数验证DSI在内蒙古地区的适用性较为适宜。不过每种干旱指数都有其局限性，例如MCI的计算需要基于气象台站的多年观测数据，空间分辨率有限，并且只能反应气象要素变化对干旱的影响；VCI与DSI的计算均来自遥感监测数据，有一定的同源性，所以相关系数较高，但VCI仅由NDVI计算获得，干旱缓解时的灵敏性和北方春季返青期的干旱监测结果不佳。因此，不能完全依赖已有干旱指数对比评价某种新干旱指数的优劣，但从指数算法设计和监测结果精细化程度看，DSI对气象干旱与农业干旱算法进行了一定的综合，值得在干旱监测研究及业务中进行尝试和使用。