2022年长江流域旱情遥感监测

陈 龙 宋文龙 杨永民 李小涛 辛景峰 林胜杰 许佳欣

（1.中国水利水电科学研究院，北京 100038；2.水利部遥感技术应用中心，北京 100038；3.太原理工大学，太原 030024）

0 引 言

近年来，极端气候现象明显增加，尤其是高强度、长时间的干旱造成农村城市供水不足饮水困难，农牧业生产停滞，工业生产难以运营，水电产能不足及河湖水量锐减等问题，严重威胁自然生态与人民财产安全[1-2]。长江流域属于东亚季风气候，降水年内年际变化大。2022年，西太平洋副热带高压6月中旬开始向西移动，夏季一直覆盖于整个长江流域，而亚欧大陆中高纬西风带环流与青藏高原低涡活动带来的水汽较少，导致了长江流域的干旱[3-5]。长江流域大范围受旱程度、受旱范围等情势监控，可为旱情救灾、水资源调度等工作提供依据[6-7]。

近年来，卫星遥感技术凭借其可快速、低成本、高效实现大范围监测的优势，应用于干旱监测等工作中[8]。国内外常将遥感技术和干旱指数结合进行旱情监测，常用的干旱指数有标准降水指数（Standardized Precipitation Index，SPI）、标准降水蒸散发指数（Standardize precipitation evaporation index，SPEI）、植被状态指数（Vegetation Condition Index，VCI）、温度条件指数（Temperature Condition Index，TCI）等[9-11]。曲学斌等[12]基于中分辨率成像光谱仪（MODIS）数据通过VCI及TCI对内蒙古东部干旱进行监测，指出TCI和VCI 在干旱监测中具有一定优势。张彦等[13]基于高分六号卫星利用归一化植被指数（NDVI）、红边归一化植被指数（NDVI_RE）证明红边波段可以进行花生干旱监测。董磊等[14]基于哨兵3 号（Sentinel-3）计算多年条件植被温度指数（IVTC）并对关中平原进行定量干旱监测。

GEE（Google Earth Engine）遥感云计算平台是一个基于Google 云服务基础设施的遥感大数据分析平台，具有计算速度快，不用下载数据，工作效率高，可用数据多等优势。本文基于GEE，利用降水距平指数、标准化降水指数、遥感旱情指数、遥感土壤水分、水体面积变化对长江中下游地区旱情进行动态监测分析。并收集2020—2022 年6 月、7 月、8 月哨兵1 号（Sentinel-1）和哨兵2 号（Sentinel-2）卫星数据，基于双极化雷达指数（SDWI）和归一化差分水体指数（NDWI）提取水体范围，重点分析鄱阳湖、洞庭湖的变化，对长江流域受旱范围及受旱程度进行监测分析。

1 数据与方法

1.1 数据来源

本文历史降水数据来源于CHIRPS（Climate Hazards Group InfraRed Precipitation with Station data）数 据 集。CHIRPS由美国地质调查局开发，提供1981年至今（2023年仍在更新）分辨率为5 566 m的全球降水数据。2022年7月和8 月的降水数据来源于GSMaP（Global Satellite Mapping of Precipitation），由全球降水计划（GPM）卫星观测数据反演得到。

卫星遥感数据来源于MODIS、Sentinel-1 和Sentinel-2卫星数据。基于SDWI和NDWI水体指数提取水体范围，基于水体面积变化进行旱情分析。并使用温度条件指数TCI开展长江中下游地区的旱情监测，地表温度数据为2001—2022 年MODIS地表温度产品。土壤水分数据来源于SMAP（Soil Moisture Active Passive）L4级产品，分辨率36 km。收集了2022年8月19日和2017年8月19日两期数据。

1.2 研究方法

（1）降水距平百分率（Pa）：指某时段内降水量与常年同期降水量相比的百分率。

式中：P为时段降水量；Pˉ为时段内多年平均降水，平均值所取时段为2001—2022年。

（2）标准降水指数（SPI）：指某时段内降水量出现的概率，多应用于干旱评估与评估。SPI代表的干旱等级如表1所示。

表1 标准化降水指数干旱等级划分

（3）TCI：用于确定与温度有关的植被压力并评价植被状态，数值范围（0，1）。计算方式如下：

式中：T为温度；Tmax、Tmin分别为研究时段内温度最大值和最小值。本次研究时段为2001—2022年。TCI越小，说明该时段作物长势越差。

（4）SDWI 水体指数：具有分割速度快、原理简单等优点，在提取水体方面有广泛应用。其计算公式如下：

式中：VV为双垂直同向极化雷达强度影像值；VH为垂直水平异向极化雷达强度影像值。

（5）NDWI水体指数：是最早期遥感提取水体的方法之一，具有计算简单、水体特征明显等特点，其计算公式如下：

式中：Green和NIR分别代表绿光波段以及近红外波段的反射率。

2 结果分析

2.1 基于降水距平与标准化降水指数的干旱监测

根据长江流域2022年7月1日至8月20日降水距平图显示（图1），7月上旬，四川、重庆、江西等地的降水量相比同期偏少30%左右，7 月中旬，湖北、湖南等地的降水量相比同期偏少35%左右，长江中下游地区降水量偏少的区域进一步扩大。8月1日和8月10日的降水距平指标显示，四川、重庆、江西等地30 d的降水量相比同期偏少50%以上，旱情进一步加剧，范围扩大。8月20日降水距平图显示，江西、湖南、重庆、四川、湖北大部分地区的降水相比同期偏少60%左右，旱情影响范围进一步扩大，旱情形势异常严峻。

图1 长江流域降水量距平示意图

基于SPI 的长江流域旱涝等级分布显示，7 月22 日江西、重庆、四川和湖北局部地区为轻度和中度干旱，8 月初这些区域的受旱范围进一步扩大。8月22日标准化降水指数显示长江中下游地区的旱情由西南、东南局部地区逐步扩张至整个长江中下游地区（图2）。

图2 基于SPI的长江流域旱涝等级分布示意图

2.2 基于温度条件指数与土壤含水量的干旱监测

2022年7月长江流域重旱区域主要集中在四川地区，重庆、湖北、湖南、江西等地部分受轻旱。自8月起，旱灾明显东扩，长江中下游省份受重旱区域大幅增加，重庆、湖北、湖南、江西由轻旱转重旱。其中重庆、江苏全省重旱面积占比超过90%。基于TCI的监测结果显示，长江流域受旱面积持续上升。基于TCI 的长江流域干旱等级分布如图3 所示。

图3 基于TCI的长江流域干旱等级分布示意图

基于SMAP 的2022 年和2017 年8 月19 日长江流域土壤水分空间分布如图4所示，四川、湖北、湖南等地的墒情状况明显逊于2017年。基于遥感土壤含水量变化分析（图5）显示，2022年同期长江中下游各省份墒情相比同期明显偏低，四川、重庆、湖北、江西等地的墒情相比2017年同期偏低35%左右。

图4 2022年和2017年8月19日长江流域土壤水分空间分布示意图

图5 2022年8月19日与2017年8月19日长江流域土壤含水量变化对比分析示意图

2.3 基于遥感水体提取的鄱阳湖与洞庭湖干旱监测

鄱阳湖水体变化监测与水体面积变化如图6 所示，2022 年8 月鄱阳湖地区受旱情影响严重，年际年内水体面积大幅下降。2022 年8 月水体面积相比于同年7 月减少了1 158 km2，缩减面积为7月水体总面积的31.89%，7月环比缩减15.43%。与2021 年8 月相比，水体面积减少了1 236 km2，缩减率为33.32%，2021年同比缩减21.45%。

图6 2022年8月鄱阳湖水体变化监测示意图

洞庭湖水体变化监测与水体面积变化如图7 所示，2022年8月水体面积相比于同年7月减少了183 km2，缩减面积为7 月水体总面积的10%，7 月环比缩减35.48%。与2021 年8 月相比，水体面积减少了699 km2，缩减率为30.35%，2021年同比缩减21.76%。

图7 2022年8月洞庭湖水体变化监测示意图

3 结 论

本文通过GEE遥感云计算平台，基于多源遥感数据与干旱指数开展了2022 年长江流域旱情遥感监测。基于CHIRPS、GSMaP 等产品数据，利用降水距平指数、标准化降水指数，分析长江流域2022年6—8月的降水情况；基于MODIS地表温度产品及SMAP L4级土壤水分数据产品，利用TCI、土壤墒情，分析长江流域2022年7月长江流域重旱区域分布；基于Sentinel-1 和Sentinel-2 卫星数据，利用SDWI 和NDWI 水体指数提取了鄱阳湖等区域的水体范围，结论如下：

（1）长江流域2022年6—8月的降水整体偏少，是此次旱情的主要成因之一，缺水少雨状态由重庆、四川地区开始，逐步扩散至江西、湖南、重庆、四川、湖北等长江下游地区，涉及范围较广。

（2）通过对TCI、土壤墒情计算可得知长江流域2022 年7 月的重旱区域主要集中于四川地区，8 月，重庆、湖北、湖南、江西由轻旱转至重旱。其中重庆、江苏全省重旱面积占比超过90%。

（3）基于水体范围的结果得知鄱阳湖2022 年6—8 月水体面积减少47.6%，洞庭湖水体面积减少40.7%，由此推断长江江河湖来水严重不足，加剧了此次旱情的影响。

（4）整体来看，长江流域2022 年夏季全流域处于干旱状态，6—8月旱情逐步严重，8月达到重旱，旱情总体由长江上游延展至中下游。