張兆旭秦其明

(1.北京大學地球與空間科學學院遙感與地理信息系統(tǒng)研究所，北京 100871；2.天津工業(yè)大學環(huán)境科學與工程學院，天津 300387)

全球有逐漸變暖的發(fā)展趨勢，不同地區(qū)的干旱頻繁發(fā)生，對人類以及社會產生了極大影響，且影響趨勢不斷加劇。黃淮海平原是我國糧食生產的主要產區(qū)之一，農田面積約為2.6萬km2，農業(yè)干旱長期以來影響著黃淮海平原的糧食生產[1]。

在黃淮海平原，多名國內外學者對該區(qū)域進行了干旱監(jiān)測與評估，主要包括基于站點數(shù)據的干旱監(jiān)測以及基于遙感數(shù)據的農業(yè)干旱監(jiān)測[2,3]。徐煥穎等基于MODIS反射率產品、溫度產品和氣象站點降雨數(shù)據等，采用改進歸一化水指數(shù)(MNDWI)、植被健康指數(shù)(VHI)和標準化降水指數(shù)(SPI)3個干旱監(jiān)測指數(shù)，對黃淮海平原2001—2012年干旱情況進行監(jiān)測，分析其空間、季節(jié)、年際變化規(guī)律及其潛在原因，并根據結果確定3個指數(shù)的使用條件[4]。Bo等對潛在蒸散量(PET)的計算方法進行了改進，在標準化降水蒸散指數(shù)(SPEIPM)中引入了基于Penman-Monteith方程的PET估算方法，利用1962—2011年的歷史氣象資料計算SPEIPM，這一改進提高了SPEI在華北平原的適用性[5]。Wang等利用7個干旱指數(shù)建立了華北平原干旱對作物產量影響的綜合干旱指數(shù)(ADI)，利用時間序列和面板回歸模型，研究了冬小麥播前和生育期氣候產量異常與ADI值的關系[6]。Liu等以黃淮海平原為研究區(qū)域，利用SPEI分析了干旱事件的時空特征，探討了干旱對冬小麥和夏玉米產量的影響[7]。Chen等探討了SIF在干旱監(jiān)測與評價中的應用潛力，研究表明，華北平原2014年夏玉米生育期出現(xiàn)了一次嚴重干旱事件，表現(xiàn)為標準化降水蒸散指數(shù)(SPEI)、降水(PRE)、土壤水分(SM)顯著負異常，地表溫度(land surface temperature，LST)、氣溫差(DT)顯著正異常[8]。衛(wèi)潔等將氣象干旱指數(shù)與農業(yè)干旱指數(shù)相結合，聯(lián)合使用SPEI、溫度植被干旱指數(shù)(TVDI)，多角度分析了黃淮海平原的干旱時空變化[9]。吳霞等將氣象資料和統(tǒng)計資料相結合，參考SPI計算公式，結合實際干旱災情資料構建夏玉米干旱指數(shù)(SPI10、SPI30)，并分析了黃淮海平原干旱的時空分布特征[10]。利用站點數(shù)據，檀艷靜等利用長期的站點氣象數(shù)據，采用不同的統(tǒng)計分析方法，實現(xiàn)了干旱的時空監(jiān)測[11]。高珊等選取降水量、地形地貌等指標構造干旱分區(qū)指標體系，并利用K-均值聚類法對黃淮海地區(qū)進行干旱分區(qū)[1]。陳征等人以黃淮海平原為研究區(qū)，以WaterGAP用水量模型的灌溉耗水量與取水量數(shù)據、帕默爾干旱指數(shù)(PDSI)數(shù)據為基礎，探討了黃淮海平原灌溉用水量變化特征及其與氣象干旱的關系[12]。Cui等采用改進的日標準化降水蒸散指數(shù)(SPEI)監(jiān)測了1960—2017年黃淮海平原農業(yè)干旱的時空變化特征[13]。Wan等利用衛(wèi)星遙感技術對東北和華北平原玉米種植區(qū)的干旱脅迫進行了評價[14]。不同的干旱監(jiān)測指數(shù)考慮的角度不同，選用的一種或幾種指標在農業(yè)干旱監(jiān)測中各有側重，在監(jiān)測中達到了不同的監(jiān)測效果，但也暴露出上述指標對農業(yè)干旱響應的滯后性。

農作物的光合作用可以用來宏觀調控大氣乃至整個生物圈的氣體和能量的交換。SIF與農作物的光合作用密切相關，是植被在太陽光照射下吸收能量后在650～800nm范圍內發(fā)射出來的一種長波信號，可以被用來監(jiān)測植被生理狀態(tài)以及水分脅迫的情況。SIF和植物生長的方方面面密切相關。植物葉片反射的光譜也包含了葉片生化組分對入射光線的吸收等方面的相關信息，這2方面都可以提供比較多的植被相關信息[30]。在自然條件下所生產的熒光特征對植被各個領域的研究有著非常重要的意義和應用價值[31]。植被吸收的太陽輻射會用于3種用途，光合作用、熱耗散以及重新釋放的熒光，葉綠素熒光的變化包含了植物功能和實際吸收的光合有效輻射(APAR)的信息。SIF是植被光合作用吸收光后重新激發(fā)的能量，可以被廣泛應用到研究農作物光合作用強弱的信號[30]。干旱發(fā)生時，水分脅迫會造成植被生理狀態(tài)的變化，這種變化必然會導致SIF發(fā)生變化，通常是會讓光合作用和熒光量子產額減少[32]。許多研究已經表明，SIF可以為早期預警和準確監(jiān)測干旱事件提供獨特的、直接的時空變化的信息。

針對農業(yè)干旱監(jiān)測中存在的問題，本文充分利用農作物光合作用中葉綠素熒光監(jiān)測農田水分虧缺的探針作用，在充分了解光合作用過程的土壤水分虧缺變化與作物葉綠素熒光響應關系后，認識到葉綠素熒光遙感數(shù)據可以及時反映農田水分等虧缺帶來的脅迫作用與表現(xiàn)。為此采用葉綠素熒光遙感數(shù)據，結合植被指數(shù)、農田蒸散發(fā)、大氣(降水)、土壤(土壤水分、地表溫度)等表征農業(yè)干旱的信息，采用主成分分析(PCA)方法，將多源遙感數(shù)據作為輸入，構建新的綜合干旱監(jiān)測指數(shù)(CDMI)，開展了黃淮海平原2000—2018年長期的農業(yè)干旱監(jiān)測研究。

1 研究區(qū)概況

黃淮海平原是我國重要的農業(yè)區(qū)之一。其面積遼闊，位于N30°～42°，E110°～125°，見圖1。黃淮海平原的年平均氣溫在10～15℃，年降水量在500～1000mm，降水變率大。年蒸發(fā)量在897～913mm[15]，田間蒸發(fā)旺盛。為了保持行政區(qū)域的完整性，本研究選取北京、天津、河北、河南、山東(3省2市)為研究區(qū)域。從圖1可以發(fā)現(xiàn)，該研究區(qū)內土地利用類型主要以農田為主，約占到了研究區(qū)域面積的75%左右；森林和草地，約各占10%左右；空間分布上，農田主要分布在河北南部、河南中東部、山東大部分；草地主要分布在河北北部，而森林主要分布在河南西部。

2 數(shù)據源以及方法

2.1 遙感數(shù)據源

2.1.1 葉綠素熒光數(shù)據

GOSIF數(shù)據集是利用數(shù)據驅動的方法開發(fā)的葉綠素熒光數(shù)據集[16]。GOSIF數(shù)據的空間分辨率為0.05°，時間分辨率為8d、每月以及每年。本文下載了2000—2018年每月的GOSIF數(shù)據產品(http://globalecology.unh.edu)。

2.1.2 植被指數(shù)數(shù)據

NDVI可以用來表征農作物的生長和綠度。不健康的農作物在紅光光譜中反射強烈，在近紅外光譜中反射較少。受到水分脅迫和不健康的農作物會出現(xiàn)低NDVI值。因此NDVI可以表征農業(yè)干旱的強度。本研究下載了2000—2018年的每月的NDVI數(shù)據(MOD13A3)，空間分辨率1km。

2.1.3 地表溫度數(shù)據

LST是地表過程的關鍵指標。作為SM和ET之間的一個基本聯(lián)系參數(shù)，LST的增加先于干旱的發(fā)生。MODIS提供了8d合成的LST產品(day和night)，空間分辨率為1km(下載網站同NDVI)。本次實驗下載了2000—2018年MODIS LST(MOD11A2)白天和夜晚數(shù)據產品，通過最大值合成法合成每月的月尺度LST結果。

2.1.4 蒸散發(fā)數(shù)據

ET是表征植被蒸騰作用和土壤蒸發(fā)相結合的參量。ET反映了土壤、農作物以及大氣的質量和能量的交換[17]。蒸散發(fā)在表征干旱中起到了至關重要的作用。本次實驗從FEWS NET portal網站下載了1km空間分辨率的每月實際蒸散發(fā)數(shù)據(https://earlywarning.usgs.gov/fews)。

2.1.5 氣象數(shù)據

降水是全球水循環(huán)的重要一環(huán)，是氣象干旱的一個重要的指標。本文使用了TRMM 3B43月降水數(shù)據(http://disc.sci.gsfc.nasa.gov/)。該數(shù)據空間分辨率為0.25°×0.25°。

2.1.6 土壤水分數(shù)據

ESA CCI SM是一種基于多源微波數(shù)據的SM產品，由3個數(shù)據集組成，主動產品、被動產品以及主被動聯(lián)合產品。主動的土壤水分產品融合了2種散射計的產品(AMI-WS和ASCAT)，被動的產品融合了7種散射計的土壤水分產品(AMSR-E、AMSR2、SMMR、SMOS、SSM/I、TMI、WindSat)。聯(lián)合的產品融合了主動和被動的產品，因此聯(lián)合的產品具有更高的空間分辨率。本次實驗下載了河南省2000—2018年每天的土壤水分數(shù)據，通過最大值合成法合成了每月的月平均數(shù)據集。

2.2 研究方法

2.2.1 基于PCA的綜合干旱模型構建

綜合干旱監(jiān)測指數(shù)(CDMI)的原理是將原來變量重新組合成一組新的相互無關的幾個綜合變量[18]。PCA的主要目的是降低數(shù)據集的維數(shù)[19,20]。PCA對一組可能相關的變量進行正交變換，轉換后的這組變量被叫作主成分，由此創(chuàng)建一個新的變量集，該變量集由不相關的主成分構成。并且按照原始數(shù)據中暴露的方差量排序[21，22]。

SIF與農作物的光合作用密切相關[23]，是植被在太陽光照射下吸收能量后在650～800nm范圍內發(fā)射出來的一種長波信號[24]，可以被用來監(jiān)測植被生理狀態(tài)以及水分脅迫的情況。VI(Vegetation Index)是光合作用的間接指標，因為其是植被綠度和能量吸收的量度，會隨著非生物條件變化[25]。VI對于PRE和SM的響應經常存在著滯后效應。SIF和APAR的變化線性相關，而且與植被的光合作用效率直接相關。干旱發(fā)生時，水分脅迫會造成植被生理狀態(tài)的變化，這種變化必然會導致SIF發(fā)生變化，通常是會讓光合作用和熒光量子產額減少[26]。衛(wèi)星SIF是可以用來測量陸地植被光合作用最直接的信號，許多研究已經表明，SIF可以為早期預警和準確監(jiān)測干旱事件提供獨特的、直接的時空變化的信息[27]。在本次研究中，基于SIF構建的FCI作為輸入的一部分來進行模型的構建，發(fā)揮了SIF在農業(yè)干旱監(jiān)測中的優(yōu)勢作用。

在遙感應用中，PCA作為一種數(shù)據壓縮工具已經被使用了很長一段時間，其方法是丟棄一些解釋值很小的次要成分。本研究采用PCA方法從VCI、TCI、PCI、ETCI、SMCI、FCI中提取主要信息，并剔除其中的相關信息。將VCI、TCI、PCI、ETCI、SMCI、FCI作為原始輸入，計算出相同數(shù)量的主成分變量。由于第一主成分(PC1)包含了來自VCI、TCI、PCI、ETCI、SMCI、FCI中約70%以上的信息，因此被定義為一種新的干旱指數(shù)，即綜合干旱監(jiān)測指數(shù)(CDMI)。

2.2.2 頻率分析方法

干旱頻率(f)可以反映研究期間發(fā)生的干旱程度。計算不同干旱等級下的農業(yè)干旱頻率(f)[28]，公式

(1)

式中，f為不同干旱等級下的干旱頻率；n為不同干旱等級的干旱次數(shù)；N為研究周期的長度(N=19)。

2.2.3 趨勢分析方法

趨勢分析主要用于分析黃淮海平原農業(yè)干旱的變化情況，通常采用一元線性回歸模型分析每個變量的變化率(即一元線性回歸模型的斜率)。對于某一地表參數(shù)的時間序列觀測變量x=(x1,x2,…,xn)，其斜率slope定義[29]：

(2)

式中，slope為不同時段(天、旬或月)干旱趨勢的值，反映了多年來干旱的變化趨勢；i=1,2,…,n，表示時間序列；n為研究的時間長度，本文選取的時間系列數(shù)據為19a。趨勢分析法中，如果slope>0，表明隨時間的增加觀測變量呈上升趨勢；如果slope<0，表明觀測變量呈下降趨勢。slope的大小反映了上升或者下降的速率。因此通過計算slope值，可以得到農業(yè)旱情的逐年減弱和增強的情況。

3 分析與討論

3.1 黃淮海平原長期農業(yè)干旱變化分析

3.1.1 農業(yè)干旱等級劃分標準

為了更好地監(jiān)測黃淮海平原農業(yè)區(qū)的干旱情況，本研究基于分位數(shù)的思想將農業(yè)干旱劃分為4個等級，即重度干旱(severedrought)、中度干旱(moderatedrought)、輕度干旱(milddrought)以及無旱(nodrought)。本研究基于綜合干旱指數(shù)(CDMI)，共獲得2000—2018年農作物生長季(3—10月)共152景農業(yè)干旱空間分布圖。本研究通過對黃淮海平原農業(yè)區(qū)所有像素進行區(qū)域平均，計算得到2000—2018年作物生長季農業(yè)區(qū)域平均CDMI值。將區(qū)域平均CDMI值從小到大進行排序，選取四分位數(shù)(0.35、0.65和0.95)作為干旱等級的閾值分界點?；陂撝捣▽S淮海平原進行的干旱等級劃分具體見表1。

表1 黃淮海平原干旱等級劃分

3.1.2 農業(yè)干旱年變化分析

基于農業(yè)干旱的等級劃分標準，本研究將2000—2018年每年的農業(yè)干旱情況進行平均(3—10月)，以分析黃淮海平原農業(yè)干旱每年的空間分布情況，本研究基于分位數(shù)思想得到19幅黃淮海平原年平均農業(yè)干旱空間分布圖，見圖2。由圖2可以發(fā)現(xiàn)，2000年，農業(yè)干旱主要發(fā)生在河北山東的大部分區(qū)域以及河南的北部；2001年，農業(yè)干旱主要發(fā)生在河北河南的大部分區(qū)域以及山東的西部；2002年，除了河南南部，黃淮海平原其它地區(qū)均出現(xiàn)了干旱現(xiàn)象；2003年，干旱情況得到好轉，農業(yè)干旱區(qū)域主要集中在河北的中部和北部地區(qū)；2004年，農業(yè)干旱發(fā)生在河北的北部地區(qū)；2005年，農業(yè)干旱主要集中在河北以及山東北部；2006年，農業(yè)干旱主要發(fā)生在河北省以及山東北部；2007年，農業(yè)干旱主要集中在河北北部；2008年，農業(yè)干旱發(fā)生在河北南部、山東以及河南北部；2009年，農業(yè)干旱發(fā)生在河北山東北部以及河北南部；2010年，農業(yè)干旱發(fā)生在河北南部以及河南北部；2011年，河南南部出現(xiàn)了重度干旱現(xiàn)象；2012年，除河北北部，黃淮海其它地區(qū)均出現(xiàn)了干旱現(xiàn)象；2013年，河南、河北南部以及山東西部發(fā)生了干旱；2014年，除河北北部以及河南南部，黃淮海均出現(xiàn)了干旱現(xiàn)象；2015年，河北南部山東東部出現(xiàn)了干旱現(xiàn)象；2016年，河北中南部、山東以及河南東部發(fā)生了農業(yè)干旱；2017年，農業(yè)干旱出現(xiàn)在山東、河北南部東部；2018年，河南東部、山東西部以及河北南部出現(xiàn)了農業(yè)干旱現(xiàn)象。

本研究將2000—2018年共152景農業(yè)區(qū)干旱圖進行平均，得到黃淮海平原多年平均農業(yè)干旱空間分布圖，見圖3。由圖3可以發(fā)現(xiàn)，橘黃色和淺綠色占比較大，這說明黃淮海平原干旱情況以中度干旱和輕度干旱為主；而重度干旱發(fā)生的區(qū)域較少；重度干旱主要集中在河北南部以及山東西北部。

3.1.3 農業(yè)干旱月變化分析

本研究得到了2000—2018年農作物生長季(3—10月)每月的農業(yè)干旱空間分布圖，同時將長期的農業(yè)干旱分布圖按照月份進行平均，最終得到黃淮海平原3—10月的月平均農業(yè)干旱分布圖，以分析黃淮海平原農業(yè)區(qū)域的每月干旱分布情況，見圖4。

從圖4可以發(fā)現(xiàn)，黃淮海平原重度干旱主要發(fā)生在3月、4月、6月、9月以及10月。在3月，農業(yè)干旱主要發(fā)生在河北山東河南的大部分區(qū)域；4月，干旱主要發(fā)生在河北、山東大部分區(qū)域以及河南北部；5月，干旱情況有所好轉，主要集中在河北東部以及河南西部；6月，干旱有加重趨勢，主要集中在河北南部、山東北部以及河南東部；7月、8月，黃淮海平原農業(yè)干旱情況有所好轉；9月，干旱有加重趨勢，干旱主要集中在河北省、山東西部以及河南北部；10月，農業(yè)干旱主要發(fā)生在河北南部、山東西部以及河南東部和北部。

3.2 農業(yè)干旱頻率變化分析

干旱頻率可以反映研究區(qū)的農業(yè)干旱在研究期間發(fā)生的干旱程度。本研究基于干旱頻率計算公式計算了黃淮海平原農業(yè)區(qū)3—10月的每月的重度干旱、中度干旱以及輕度干旱的空間分布情況，如圖5所示。同時本研究基于閾值劃分方法，將干旱頻率劃分為5個等級(0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1)。從圖5可以發(fā)現(xiàn)，對于重度干旱，高頻(0.6～0.8、0.8～1)主要發(fā)生在3月的河北南部以及山東西北部；黃淮海平原重度干旱發(fā)生的頻率主要以低頻(0～0.2、0.2～0.4)以及中頻(0.4～0.6)為主。對于中度和輕度干旱，黃淮海平原發(fā)生這2種干旱的頻率主要以低頻(0～0.2、0.2～0.4)為主，見圖6、圖7。

3.3 農業(yè)干旱趨勢變化分析

為了直觀地分析黃淮海平原農業(yè)干旱2000—2018年發(fā)生頻率的變化趨勢，本研究選擇了一元線性回歸的方法對黃淮海平原的農業(yè)干旱的發(fā)展趨勢進行分析，得到了黃淮海平原3—10月的農業(yè)干旱趨勢圖。slope值為農業(yè)干旱發(fā)生頻率的變化趨勢。當slope值為正值的時候，表明黃淮海平原發(fā)生農業(yè)干旱的頻率在增加，此時黃淮海平原的農業(yè)干旱情況在加重；當slope值為負值的時候，表明黃淮海平原發(fā)生農業(yè)干旱的頻率在減少，此時黃淮海平原的農業(yè)干旱情況在減輕。

基于一元線性趨勢分析方法計算得到了黃淮海平原3—10月的農業(yè)干旱發(fā)生頻率的趨勢空間分布圖，見圖8。從圖8可以發(fā)現(xiàn)，黃淮海平原不同區(qū)域均出現(xiàn)了明顯的農業(yè)干旱頻率增加的情況，尤其河北省3—10月，大部分地區(qū)出現(xiàn)了農業(yè)干旱加重情況，同時河南省的3—5月以及山東省的3—5月、9月，農業(yè)干旱情況明顯呈現(xiàn)加重趨勢。了解黃淮海平原的農業(yè)干旱變化趨勢對于有效的進行灌溉以及采取合理的防旱抗旱措施至關重要。

4 結論

本研究主要發(fā)揮了SIF在農業(yè)干旱監(jiān)測中的作用，采用PCA的方法，將多源遙感數(shù)據作為輸入，構建了綜合農業(yè)干旱監(jiān)測指數(shù)(CDMI)。CDMI綜合考慮了大氣的變化、土壤的水熱平衡以及農作物的生長變化；將CDMI應用到黃淮海平原農業(yè)干旱的長期監(jiān)測中。

本研究基于分位數(shù)的思想，將農業(yè)干旱劃分為4個等級，即重度干旱(CDMI≤0.35)、中度干旱(0.350.95)。在此基礎上，基于CDMI計算了黃淮海平原2000—2018年作物生長季(3—10月)的長期農業(yè)干旱狀況，從不同時間尺度分析了黃淮海平原農業(yè)干旱的分布特點。基于多年的農業(yè)干旱圖計算了3—10月的干旱頻率以及干旱趨勢，分析其空間分布特征。結合農業(yè)干旱頻率圖以及農業(yè)干旱趨勢圖，分析了黃淮海平原2000—2018年3—10月農業(yè)干旱發(fā)生頻率的趨勢空間分布以及重度干旱頻率的空間分布。通過研究發(fā)現(xiàn)，黃淮海平原干旱情況以中度干旱和輕度干旱為主，其中，中度干旱主要發(fā)生在河北以及河南北部、山東北部；輕度干旱主要發(fā)生在河南省以及山東南部地區(qū)；重度干旱主要集中在河北南部以及山東西北部。長時間序列干旱研究揭示，黃淮海平原不同區(qū)域均出現(xiàn)了明顯的農業(yè)干旱頻率增加的情況，尤其河北省3—10月，大部分地區(qū)出現(xiàn)了農業(yè)干旱加重情況，同時河南省3—5月以及山東省3—5月、9月，農業(yè)干旱情況明顯呈現(xiàn)加重趨勢。

本文研究表明，CDMI在研究區(qū)農業(yè)干旱監(jiān)測中應用效果明顯。下一步的工作將在更大區(qū)域范圍內進一步檢驗與完善。