王兆雪 白雲(yún) 張莎

摘要：針對(duì)遙感干旱指數(shù)對(duì)干旱監(jiān)測(cè)的精度和適用性問(wèn)題，以山東省為研究區(qū)，基于MODIS和TRMM衛(wèi)星遙感數(shù)據(jù)，選取2002年典型干旱年，計(jì)算歸一化水分指數(shù)（normalized difference water index，NDWI）、歸一化植被供水指數(shù)（normalized vegetation supply water index，NVSWI）、歸一化降水量距平百分率（normalized percentage of precipitation anomaly，NPA），并與10 cm土壤水分?jǐn)?shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果顯示NVSWI與土壤水分的相關(guān)系數(shù)最高，能夠較好地表征農(nóng)業(yè)干旱的嚴(yán)重程度，是最適合山東省旱情監(jiān)測(cè)的干旱指數(shù)。之后采用NVSWI對(duì)2001—2015年山東地區(qū)的干旱進(jìn)行時(shí)空特征研究和分析，并進(jìn)一步分析不同生育期干旱對(duì)冬小麥產(chǎn)量的影響，結(jié)果表明，2001—2015年山東省整體干旱程度減弱，受干旱影響的區(qū)域主要集中在魯西和魯南地區(qū);4—5月份干旱對(duì)冬小麥產(chǎn)量的影響較大，因此，在抽穗期和灌漿期對(duì)水分進(jìn)行管理至關(guān)重要。

關(guān)鍵詞：遙感干旱指數(shù);干旱監(jiān)測(cè);土壤水分;冬小麥產(chǎn)量;山東省

中圖分類(lèi)號(hào)：S127?文獻(xiàn)標(biāo)識(shí)號(hào)：A?文章編號(hào)：1001-4942（2019）12-0127-10

Abstract?In the study， Shandong Province was selected as the research area to solve the accuracy and applicability of remote sensing drought index for drought monitoring. We chose the typical drought year as 2002 and calculated NDWI， NVSWI and NPA based on the MODIS and TRMM satellite remote sensing data， and conducted correlation analyses with 10-cm soil moisture data. The results showed that， the correlation coefficient of NVSWI and soil moisture was the biggest， which could better reflect drought degree in agriculture， so it was the most suitable for drought monitoring in Shandong Province. Then we researched and analyzed the spatial and temporal drought characteristics from 2001 to 2015 adopting NVSWI， and further analyzed the effects of different growth periods on the yield of winter wheat. The results showed that the overall drought degree was weaken from 2001 to 2015 in Shandong Province， and the areas affected by drought were mainly in west and south Shandong. Drought happened in April and May showed serious effect on wheat yield， so managing water during heading and filling stages was very important.

Keywords?Remote sensing drought index; Drought monitoring; Soil moisture; Winter wheat yield; Shandong Province

干旱是中國(guó)乃至全球的重大自然災(zāi)害之一[1]。近些年，許多研究致力于發(fā)展不同的干旱指數(shù)及其在干旱監(jiān)測(cè)方面的應(yīng)用[2，3]。傳統(tǒng)的干旱監(jiān)測(cè)主要使用降水觀測(cè)數(shù)據(jù)作為主要輸入?yún)?shù)，如降水距平百分率（PA）[4]、標(biāo)準(zhǔn)降水指數(shù)（SPI）[5]和帕爾默干旱指數(shù)（PDSI）[6]等。地面觀測(cè)資料的缺乏和分布不均，使傳統(tǒng)的干旱監(jiān)測(cè)方法不具有空間代表性[7]。衛(wèi)星遙感數(shù)據(jù)具有高時(shí)空分辨率且能獲取區(qū)域連續(xù)空間上旱情的特點(diǎn)，克服了傳統(tǒng)干旱監(jiān)測(cè)方法的局限性。其中，MODIS（Moderate-Resolution Imaging Spectroradiometer）衛(wèi)星數(shù)據(jù)具有易獲取、空間分辨率高、光譜波段豐富等優(yōu)點(diǎn);TRMM（Tropical Rainfall Measuring Mission）能提供精確的降水?dāng)?shù)據(jù)，對(duì)于實(shí)際測(cè)量數(shù)據(jù)缺乏的區(qū)域非常有用，越來(lái)越多地被用作氣象站和旱澇監(jiān)測(cè)的替代數(shù)據(jù)[8]。因此，MODIS和TRMM遙感數(shù)據(jù)被廣泛應(yīng)用于干旱監(jiān)測(cè)。Cong等[9]對(duì)TRMM數(shù)據(jù)和站點(diǎn)實(shí)測(cè)數(shù)據(jù)做了相關(guān)性分析，發(fā)現(xiàn)相關(guān)系數(shù)達(dá)到0.99，并用TRMM數(shù)據(jù)計(jì)算了歸一化降水距平百分率（NPA），基于降水?dāng)?shù)據(jù)的NPA在東北地區(qū)取得了良好的干旱監(jiān)測(cè)效果。

此外，基于植被生長(zhǎng)狀況的遙感干旱指數(shù)對(duì)干旱監(jiān)測(cè)也具有較高的監(jiān)測(cè)精度。Tucker等[10]提出的歸一化植被指數(shù)（NDVI）被廣泛應(yīng)用于干旱監(jiān)測(cè)。后來(lái)在NDVI的基礎(chǔ)上又發(fā)展出許多干旱指標(biāo)，如異常植被指數(shù)（AVI）[11]、植被條件指數(shù)（VCI）[12]、標(biāo)準(zhǔn)化植被指數(shù)（SVI）[13]、月植被狀況指數(shù)（MVCI）[14]、歸一化水分指數(shù)（NDWI）[15]等，此類(lèi)植被指數(shù)能較好地反映植被的生長(zhǎng)狀況，適合于低緯度植被茂密地區(qū)的干旱監(jiān)測(cè)，但是對(duì)干旱的響應(yīng)存在一定的滯后效應(yīng)[16，17]。LST（land surface temperature）在一定程度上能反映土壤含水量的變化狀況，揭示植被受水分脅迫時(shí)的重要信息，可作為表征地表水分狀況的重要指標(biāo)[18-20]。許多研究者將植被指數(shù)與地表水分狀況信息相結(jié)合，提出了植被健康指數(shù)（VHI）、溫度-植被干旱指數(shù)（TVDI）[21]、植被供水指數(shù)（VSWI）[19，22]、嚴(yán)重干旱指數(shù)（DSI）[23]等，結(jié)合后的干旱指數(shù)能夠提高旱情監(jiān)測(cè)的準(zhǔn)確性與實(shí)用性。Nichol等[24]用歸一化植被供水指數(shù)（NVSWI）對(duì)云南省中部地區(qū)進(jìn)行了干旱監(jiān)測(cè)，結(jié)果發(fā)現(xiàn)NVSWI具有很好的監(jiān)測(cè)效果，能夠準(zhǔn)確反映云南地區(qū)的旱情。

山東省是我國(guó)主要糧食產(chǎn)區(qū)，近年來(lái)干旱頻發(fā)，對(duì)糧食作物特別是冬小麥的影響嚴(yán)重，及時(shí)、準(zhǔn)確地對(duì)山東省進(jìn)行干旱監(jiān)測(cè)具有重要意義。杜靈通等[25]使用 TRMM降水量資料和單站干旱監(jiān)測(cè)Z指數(shù)，對(duì)山東進(jìn)行干旱監(jiān)測(cè)及可靠性檢驗(yàn);馬建威等[26]構(gòu)建了NDVI-LST土壤墑情反演模型，對(duì)山東省旱情進(jìn)行監(jiān)測(cè)。曹張馳等[27]利用MODIS遙感數(shù)據(jù)，指出使用溫度植被指數(shù)法建立的LST-EVI 特征空間能夠較準(zhǔn)確地估測(cè)山東省干濕轉(zhuǎn)換期的土壤表層相對(duì)濕度。王建博等[28]使用MODIS數(shù)據(jù)構(gòu)建VSWI監(jiān)測(cè)山東春季旱情的發(fā)展和分布情況。陳振等[29]采用Ts-NDVI特征空間法監(jiān)測(cè)了山東省冬小麥生長(zhǎng)季的旱情狀況。由于不同的干旱指數(shù)在不同區(qū)域適用性不同，而且冬小麥不同生長(zhǎng)階段發(fā)生的干旱對(duì)產(chǎn)量造成的影響也有差異，因此對(duì)不同干旱指數(shù)的地區(qū)適用性及不同生育期干旱對(duì)冬小麥產(chǎn)量影響進(jìn)行研究至關(guān)重要。

本研究利用2001—2015年的MODIS及TRMM數(shù)據(jù)構(gòu)建遙感干旱監(jiān)測(cè)指數(shù)，評(píng)價(jià)不同遙感干旱指數(shù)對(duì)山東省干旱監(jiān)測(cè)的適用性，進(jìn)而采用表現(xiàn)最佳的NVSWI干旱指數(shù)對(duì)山東地區(qū)的干旱進(jìn)行時(shí)空動(dòng)態(tài)研究;同時(shí)結(jié)合冬小麥產(chǎn)量數(shù)據(jù)，分析不同生育期干旱對(duì)冬小麥產(chǎn)量的影響。

1?研究區(qū)概況

山東?。?14°47′～122°43′E，34°23′～38°24′N(xiāo)）位于我國(guó)東部沿海，地處黃河下游，東臨黃海，北鄰渤海。中部為魯中南山地丘陵區(qū)，東部半島為波狀丘陵區(qū)，西部、北部為黃河沖積平原區(qū)。全省總面積約15.71×104 km2，耕地面積約75 050 km2。山東省屬暖溫帶大陸性季風(fēng)氣候，年平均氣溫在11～14℃，年平均降水量在 550～950 mm 之間，無(wú)霜期在180～220 d。由于山東的年內(nèi)降水時(shí)空分配極為不均，加上其地理位置和氣候特征特殊等因素，春季和冬季易受干旱威脅。冬小麥?zhǔn)巧綎|的主要農(nóng)作物之一，若其主要生育期（3—6月）內(nèi)發(fā)生干旱會(huì)造成冬小麥減產(chǎn)甚至絕產(chǎn)。

2?數(shù)據(jù)來(lái)源與研究方法

2.1?數(shù)據(jù)來(lái)源

本研究使用的數(shù)據(jù)包括降水量地面觀測(cè)數(shù)據(jù)、遙感數(shù)據(jù)、全球同化土壤水分?jǐn)?shù)據(jù)以及農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)。

2.1.1?降水量觀測(cè)數(shù)據(jù)資料[HT]月降水量地面觀測(cè)數(shù)據(jù)和山東省的旱情災(zāi)害狀況均來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/）。年降水量數(shù)據(jù)來(lái)自于山東省水資源公報(bào)（http：//www.sdwr.gov.cn/）。為保證降水?dāng)?shù)據(jù)的連貫性和一致性，本研究篩選并使用了山東省2001—2015年28個(gè)氣象站（圖 1）的數(shù)據(jù)。

2.1.2?遙感數(shù)據(jù)及處理[HT]使用的遙感數(shù)據(jù)包括MODIS地表反射率產(chǎn)品MOD09A1（8 d，500 m）和地表溫度產(chǎn)品MOD11A2（8 d，1 km）以及TRMM降水量數(shù)據(jù)。反射率數(shù)據(jù)從陸地進(jìn)程分布式活動(dòng)存檔中心（https：//lpdaac.usgs.gov/）網(wǎng)站下載，TRMM數(shù)據(jù)從美國(guó)航空航天局地球觀測(cè)數(shù)據(jù)和信息系統(tǒng)（http：//reverb.echo.nasa.gov/）網(wǎng)站下載。采用NASA網(wǎng)站提供的MRT（MODIS Reprojection Tool）工具對(duì)下載的遙感數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換，利用ArcGIS和ENVI等遙感圖像處理軟件對(duì)遙感數(shù)據(jù)進(jìn)行重采樣、裁剪等預(yù)處理;MODIS數(shù)據(jù)用于計(jì)算歸一化水分指數(shù)（NDWI）、歸一化植被供水指數(shù)（NVSWI），TRMM用于計(jì)算歸一化降水距平百分率（NPA）。

2.1.3?全球陸面數(shù)據(jù)同化系統(tǒng)（GLDAS）土壤水分?jǐn)?shù)據(jù)[HT]GLDAS數(shù)據(jù)是美國(guó)航空航天局（NASA）戈達(dá)德空間飛行中心（GSFC）與美國(guó)海洋和大氣局（NOAA）國(guó)家環(huán)境預(yù)報(bào)中心（NCEP）聯(lián)合發(fā)布的基于衛(wèi)星陸面模式和地面觀測(cè)數(shù)據(jù)的同化產(chǎn)品（https：//giovanni.gsfc.nasa.gov）。本研究所使用的是0～10 cm深度的月尺度GLDAS土壤水分產(chǎn)品，其空間分辨率是0.25°，將其重采樣為500 m。利用GLDAS數(shù)據(jù)驗(yàn)證三個(gè)指數(shù)，選出最適合山東地區(qū)的遙感干旱監(jiān)測(cè)指數(shù)。

2.1.4?農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)[HT]2001—2015年山東省的市級(jí)冬小麥產(chǎn)量數(shù)據(jù)從山東省統(tǒng)計(jì)局（http：//www.stats-sd.gov.cn/）獲得。山東省的冬小麥生育期劃分從中國(guó)氣象數(shù)據(jù)共享網(wǎng)（http：//data.cma.cn/）獲得（表1）。

2.2?研究方法

技術(shù)路線如圖2所示。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，主要包括波段提取、重采樣、月合成和裁剪，然后計(jì)算NDWI、NPA和NVSWI。利用GLDAS的土壤濕度數(shù)據(jù)分別對(duì)3種指數(shù)進(jìn)行線性擬合，選取與土壤濕度相關(guān)性最高的干旱指數(shù)作為山東旱情監(jiān)測(cè)的指標(biāo)，確定山東干旱時(shí)空分布數(shù)據(jù)集，分析山東典型年份干旱的時(shí)空分布以及干旱對(duì)冬小麥產(chǎn)量的影響。

2.2.1?歸一化水分指數(shù)（NDWI）?NDWI是基于短波紅外與近紅外波段的歸一化比值指數(shù)。NDWI能有效表征植被冠層的水分含量，在植被冠層受到水分脅迫時(shí)，能及時(shí)做出響應(yīng)，這對(duì)于旱情監(jiān)測(cè)具有重要意義。NDWI計(jì)算公式如下[30]：

式中RNIR指近紅外波段反射率，RSWIR指短波紅外反射率。

2.2.2?歸一化降水量距平百分率（NPA）?降水量距平百分率（PPA）是表示降雨量偏離氣候平均狀況程度的指標(biāo)之一[4]，可直觀反映降雨異常導(dǎo)致的農(nóng)業(yè)干旱狀況。PPA的計(jì)算公式如下：

對(duì)PPA進(jìn)行歸一化，計(jì)算公式如下：

2.2.3?歸一化植被供水指數(shù)（NVSWI）?當(dāng)植被受到干旱脅迫時(shí)，葉片氣孔會(huì)關(guān)閉以維持冠層中的水分，因此，蒸散量減小，地表溫度（LST）增大。在土壤水分充足的情況下，由于蒸散作用，覆蓋植被的LST值會(huì)低于裸地的LST值。因此植被指數(shù)與冠層溫度可以在一定程度上反映土壤水分的含量。根據(jù)這一原理提出的植被供水指數(shù)從NDVI和LST兩個(gè)方面來(lái)表征干旱狀況。植被供水指數(shù)被定義為[22]：

其中，LST表示陸地表面溫度，NDVI表示歸一化植被指數(shù)。Abbas等[31]2014年對(duì)VSWI值作出修正，結(jié)果被表述為歸一化植被供水指數(shù)（NVSWI），定義為：

其中，VSWImin和VSWImax分別代表VSWI在某一時(shí)段的最小和最大像元值。本文計(jì)算了山東省2001—2015年月尺度的NVSWI值。

2.2.4?農(nóng)業(yè)干旱指標(biāo)?除遙感指數(shù)外，本文還計(jì)算了作物產(chǎn)量損失率（yield loss ratio，YLR）用于分析干旱導(dǎo)致的冬小麥產(chǎn)量損失。YLR表示相對(duì)多年平均水平受干旱影響的作物減產(chǎn)百分率[32]，計(jì)算如下：

YLR為正值并且值越大說(shuō)明冬小麥產(chǎn)量損失越嚴(yán)重，負(fù)值說(shuō)明冬小麥無(wú)減產(chǎn)。

2.2.5?相關(guān)系數(shù)法?首先建立遙感指數(shù)與土壤水分間的線性回歸模型，將R2作為遙感指數(shù)能否有效進(jìn)行干旱監(jiān)測(cè)的評(píng)價(jià)標(biāo)準(zhǔn)。然后通過(guò)計(jì)算不同時(shí)間尺度的NVSWI與冬小麥產(chǎn)量的Pearson相關(guān)系數(shù)R[公式（7）]，探討不同生育期干旱對(duì)冬小麥產(chǎn)量的影響，從而確定關(guān)鍵的干旱預(yù)警期。

其中，x代表不同時(shí)間尺度的遙感指數(shù)值，y代表產(chǎn)量或者土壤水分，n代表樣本的數(shù)量。

3?結(jié)果與分析

3.1?相關(guān)性驗(yàn)證及不同指數(shù)敏感性對(duì)比分析

降水量的多少對(duì)土地是否干旱起到了決定性的作用。本研究從山東省水資源公報(bào)中獲取了2001—2015年山東省年均降水量和多年平均降水量（圖3），可以看出山東省年均降水量整體呈現(xiàn)降低趨勢(shì)。為了驗(yàn)證干旱指數(shù)在不同時(shí)期的適用性，選取15年來(lái)降水量最少的2002年的1、3、5、7、9、11月共6個(gè)月份來(lái)分析干旱指數(shù)在山東的適用性。

選取2002年1、3、5、7、9、11月6個(gè)月份的GLDAS土壤水分?jǐn)?shù)據(jù)分別與同時(shí)段三個(gè)指數(shù)進(jìn)行相關(guān)性分析，結(jié)果（圖 4）顯示，三個(gè)指數(shù)與土壤水分的相關(guān)性均通過(guò)0.05水平顯著性檢驗(yàn)，相關(guān)系數(shù)R在0.20～0.61之間。

1月份，NVSWI與土壤水分的相關(guān)性最高，相關(guān)系數(shù)為0.33;NDWI與土壤水分的相關(guān)性最差，原因可能是部分站點(diǎn)的反射率值受云遮擋影響導(dǎo)致NDWI值存在偏差，所以與土壤水分的相關(guān)性也較差。3月份，NVSWI與土壤水分的相關(guān)性最高，相關(guān)系數(shù)為0.54;NPA與土壤水分的相關(guān)性最差，相關(guān)系數(shù)為0.44，可能是因?yàn)榻邓可伲^測(cè)誤差大，導(dǎo)致NPA有較大誤差，進(jìn)而導(dǎo)致NPA與土壤水分相關(guān)性較低。7月份，NVSWI與土壤水分的擬合結(jié)果達(dá)到最高，相關(guān)系數(shù)為0.61，5月和9月的擬合結(jié)果與7月份接近，分別達(dá)到0.60和0.59。11月份NVSWI與土壤水分的相關(guān)系數(shù)最高，為0.41;NPA與土壤水分的相關(guān)性最低，為0.24。綜上，各月份NVSWI與土壤水分的相關(guān)性均最高，與空間分布結(jié)果相吻合。NVSWI是用NDVI和LST計(jì)算得來(lái)的，NDVI代表植被的生長(zhǎng)狀況，LST代表植被的冠層溫度，水分是否充足是植被生長(zhǎng)好壞的一個(gè)關(guān)鍵因素，而且植被通過(guò)吸收水分來(lái)實(shí)現(xiàn)蒸騰作用進(jìn)而維持冠層溫度。當(dāng)水分充足時(shí)，植被能正常生長(zhǎng);當(dāng)水分不足時(shí)，植被會(huì)通過(guò)關(guān)閉氣孔來(lái)降低蒸騰作用，冠層溫度就會(huì)升高，從而影響植被生長(zhǎng)，因此NVSWI可以有效地反映土壤含水量，可用于山東地區(qū)的干旱監(jiān)測(cè)。

3.2?不同干旱指數(shù)的空間分布

使用三種干旱指數(shù)（NVSWI、NPA和NDWI）對(duì)2002年的旱情特征進(jìn)行分析，并根據(jù)Cong等[9]提出的劃分標(biāo)準(zhǔn)進(jìn)行干旱程度劃分：0～0.2為重度干旱，0.2～0.4為中度干旱，0.4～0.6為輕度干旱，0.6～0.8正常狀態(tài)，0.8～1.0為極濕潤(rùn)狀態(tài)。結(jié)果見(jiàn)圖5。

基于NVSWI的干旱分布顯示，6個(gè)月份山東省都遭受了不同程度的干旱，尤其是7月份和11月份，全省大部分地區(qū)都發(fā)生了嚴(yán)重干旱，魯中和魯東南地區(qū)尤為嚴(yán)重?；贜PA的干旱空間分布顯示在7月和11月山東省也出現(xiàn)了嚴(yán)重干旱情況，TRMM降水?dāng)?shù)據(jù)的空間分辨率為0.25°，因值較低導(dǎo)致使用其數(shù)據(jù)計(jì)算的NPA容易出現(xiàn)大片數(shù)值相同的區(qū)域，但各市的干旱情況存在差異， 所以NPA擬合結(jié)果與實(shí)際情況不太相符，不能很好地表征各地干旱的發(fā)生情況。NDWI顯示1月份和11月份山東大部分地區(qū)處于嚴(yán)重干旱狀態(tài)，而7月份無(wú)干旱發(fā)生。

據(jù)山東省水文水資源勘測(cè)局統(tǒng)計(jì)，2002年山東省2月初開(kāi)始出現(xiàn)旱情，3月和4月旱情開(kāi)始蔓延且急劇發(fā)展，5月上旬出現(xiàn)連續(xù)降雨，到5月中旬旱情全部解除，6月到11月份旱情持續(xù)發(fā)展?？梢?jiàn)，基于NVSWI的干旱空間分布結(jié)果更貼近實(shí)際情況且明顯優(yōu)于NPA和NDWI， 因此，NVSWI更適合用于山東地區(qū)的干旱監(jiān)測(cè)。

3.3?NVSWI與冬小麥產(chǎn)量的相關(guān)性分析

圖6反映了NVSWI年均值及冬小麥逐年產(chǎn)量距平隨時(shí)間變化情況，可以看出，冬小麥產(chǎn)量總體保持增長(zhǎng)趨勢(shì)且大體上與NVSWI值呈正相關(guān)關(guān)系，換言之冬小麥產(chǎn)量與干旱程度大體呈負(fù)相關(guān)關(guān)系。

根據(jù)《中國(guó)水旱災(zāi)害公報(bào)》，2001年和2002年山東省都發(fā)生了十分嚴(yán)重的干旱，因此，這兩年的NVSWI值均低于其他年份，冬小麥產(chǎn)量也低于多年的平均值。2006年以前增長(zhǎng)速率較快，之后趨于平穩(wěn)增長(zhǎng)，一部分原因是農(nóng)田水利建設(shè)逐步完善，對(duì)處于干旱地區(qū)的冬小麥起到了很好的緩解作用，并起到很明顯的增產(chǎn)作用;另一部分原因是科技的發(fā)展和政策的扶持帶動(dòng)了冬小麥產(chǎn)量的穩(wěn)步增長(zhǎng)[33]。整體而言，干旱與冬小麥產(chǎn)量呈負(fù)相關(guān)關(guān)系，但個(gè)別年份如2007年干旱程度減輕，產(chǎn)量卻沒(méi)有明顯上升;2010年和2013年研究區(qū)均發(fā)生了不同程度的干旱，冬小麥產(chǎn)量與上年相比并沒(méi)有下降，甚至有小幅度的增長(zhǎng)，造成這種現(xiàn)象的原因值得進(jìn)一步研究。

圖7反映了2001—2015年冬小麥主要生長(zhǎng)季（3—6月）NVSWI與冬小麥產(chǎn)量距平相關(guān)性的比較結(jié)果。3月份冬小麥進(jìn)入抽穗的關(guān)鍵時(shí)期，此期間各地市NVSWI與冬小麥產(chǎn)量距平的相關(guān)性較低，煙臺(tái)、威海和萊蕪甚至出現(xiàn)了負(fù)相關(guān);4、5月份各地市兩者的相關(guān)性均表現(xiàn)為正相關(guān)，且值較高;6月份冬小麥進(jìn)入乳熟期，6月中旬大部分地區(qū)冬小麥?zhǔn)崭钔瓿?，相關(guān)性略低于4、5月份。綜上，4、5月份干旱對(duì)冬小麥產(chǎn)量的影響較大。

3.4?山東省各地區(qū)干旱分布特點(diǎn)

圖8反映的是2001—2015年15年的NVSWI年均值空間分布情況。2001年和2002年受“厄爾尼諾”現(xiàn)象影響，全省都發(fā)生較為嚴(yán)重的干旱，2002年的年均降水量?jī)H413 mm，比常年同期偏少39%[34];2003—2006年干旱主要集中在山東西部和南部地區(qū)，2007—2008年全省處于正常情況，2009年和2010年除山東中部外其余地區(qū)均發(fā)生不同程度的干旱，2011年和2012年干旱集中發(fā)生在魯南地區(qū)，2013年山東各地區(qū)都發(fā)生輕微干旱，2014年和2015年處于偏濕潤(rùn)的狀況。從時(shí)間序列的年際干旱變化可以看出，2001年到2015年山東省整體干旱程度在減弱;從空間上看，受干旱影響較重的區(qū)域主要集中在山東西部和南部地區(qū)。

4?結(jié)論

本研究選取典型干旱年，通過(guò)GLDAS土壤水分?jǐn)?shù)據(jù)與三個(gè)干旱指數(shù)（NDWI、NPA和NVSWI）的相關(guān)性分析，篩選出NVSWI更適用于山東省干旱監(jiān)測(cè)，能較好地表征農(nóng)業(yè)干旱的嚴(yán)重程度。使用NVSWI分析山東省干旱的時(shí)空分布特征，結(jié)果顯示，2001—2015年山東省的整體干旱程度在減弱，受干旱影響區(qū)域主要集中在魯西和魯南地區(qū)。進(jìn)一步通過(guò)NVSWI與歸一化作物產(chǎn)量NYL之間的相關(guān)性分析不同生育期干旱對(duì)冬小麥產(chǎn)量的影響，結(jié)果顯示，4—5月干旱對(duì)山東省冬小麥產(chǎn)量的影響更為顯著，表明抽穗期和灌漿期的水分管理至關(guān)重要。

參?考?文?獻(xiàn)：

[1]?Sheffield J， Wood E F， Roderick M L. Little change in global drought over the past 60 years[J]. Nature， 2012， 491（7424）： 435-438.

[2]?Heim R R J. A review of twentieth-century drought indices used in the United States[J]. Bulletin of the American Meteorological Society， 2002， 83（8）：1149-1166.

[3]?Yao Y J， Liang S L， Qin Q M， et al. Monitoring global land surface drought based on a hybrid evapotranspiration model[J]. International Journal of Applied Earth Observation and Geoinformation， 2011， 13（3）： 447-457.

[4]?Chen C， Zhao S H. Drought monitoring and analysis of Huanghuai Hai plain based on TRMM precipitation data[J]. Remote Sensing for Land & Resources， 2016， 28（1）： 122-129.

[5]?McKee T B， Doesken N J， Kleist J. The relationship of dro-ught frequency and duration to time scales[C]// Proceedings of 8th Conference on Applied Climatology. Anaheim， 1993： 179-184.

[6]?Palmer W C. Meteorologic drought[R/OL]. Weather Bureau Research Paper， 1965， 45： 58.

[7]?Anderson M C， Hain C， Wardlow B， et al. Evaluation of dr-ought indices based on thermal remote sensing of evapotranspiration over the continental United States[J]. J.Clim.， 2011， 24： 2025-2044.

[8]?Islam N， Uyeda H. Comparison of TRMM 3B42 products with surface rainfall over Bangladesh[C]// IGARSS. Proceedings of IEEE international geoscience and remote sensing symposium. 2005： 4112-4115.

[9]?Cong D M， Zhao S H， Chen C， et al. Characterization of droughts during 2001—2014 based on remote sensing： a case study of Northeast China[J]. Ecological Informatics， 2017， 39： 56-67.

[10]Tucker C J， Slayback D A， Pinzon J E， et al. Higher northern latitude normalized difference vegetation index and growing season trends from 1982 to 1999[J]. International Journal of Biometeorology， 2001， 45（4）： 184-190.

[11]陳維英，肖乾廣，盛永偉.距平植被指數(shù)在1992年特大干旱監(jiān)測(cè)中的應(yīng)用[J].環(huán)境遙感，1994， 9（2）： 106-112.

[12]Kogan F N. Remote sensing of weather impacts on vegetation in nonhomogeneous areas[J]. Int. J. Remote Sens.， 1990， 11： 1405-1419.

[13]Peters A J， Waltershea E A， Lel J I， et al. Drought monitoring with NDVI-based standardized vegetation index[J]. American Society for Photogrammetry and Remote Sensing， 2002， 68（1）： 71-75.

[14]McVicar T R， Jupp D L B. The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia： a review[J]. Agricultural Systems， 1998， 57（3）： 399-468.

[15]Gao B C. NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space[J]. Remote Sens. Environ.， 1996， 58： 257-266.

[16]Jiao W， Zhang L， Chang Q. Evaluating an enhanced vegetation condition index （VCI） based on VIUPD for drought monitoring in the continental United States[J]. Remote Sensing， 2016， 8（3）： 224.

[17]牟伶俐， 吳炳方， 閆娜娜， 等. 農(nóng)業(yè)旱情遙感指數(shù)驗(yàn)證與不確定性分析[J]. 水土保持通報(bào)， 2007， 27（2）： 119-122.

[18]Goward S N， Hope A S. Evapotranspiration from combined reflected solar and emitted terrestrial radiation： preliminary FIFE results from AVHRR data[J]. Advances in Space Research， 1989， 9（7）： 239-249.

[19]Carlson T N， Perry E M， Schmugge T J. Remote sensing of soil moisture availability and fractional vegetation cover for agricultural fields[J]. Agricultural and Forest Meteorology， 1990， 52（1/2）： 45-69.

[20]Nemani R， Pierce L， Running S， et al. Developing satellite-derived estimates of surface moisture status[J]. Journal of Applied Meteorology， 1993， 32（3）： 548-557.

[21]Sandholt I， Rasmussen K， Andersen J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment， 2002， 79（2/3）： 213-224.

[22]Carlson T N， Gillies R R， Perry E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews， 1994， 9（1）：161-173.

[23]Mu Q， Zhao M， Kimball J S， et al. A remotely sensed global terrestrial drought severity index[J]. Bull. Am. Meteorol. Soc.， 2013， 94： 83-98.

[24]Nichol J E ， Abbas S. Integration of remote sensing datasets for local scale assessment and prediction of drought[J]. Science of The Total Environment， 2015， 505： 503-507.

[25]杜靈通， 田慶久， 黃彥. 基于TRMM數(shù)據(jù)的山東省干旱監(jiān)測(cè)及其可靠性檢驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2012（2）： 128-133.

[26]馬建威， 黃詩(shī)峰， 胡健偉. 基于MODIS數(shù)據(jù)的山東省土壤墑情遙感動(dòng)態(tài)監(jiān)測(cè)與分析[J]. 水文， 2013， 33（3）： 29-33， 42.

[27]曹張馳， 沈潤(rùn)平， 田燁， 等.山東省干濕轉(zhuǎn)換期土壤水分MODIS遙感監(jiān)測(cè)[J]. 干旱氣象， 2014， 32（3）： 340-345.

[28]王建博， 王蕾彬. 基于植被供水指數(shù)的山東省2013年春季旱情監(jiān)測(cè)[J]. 山東農(nóng)業(yè)科學(xué)， 2015， 47（7）： 117-122.

[29]陳振， 劉濤， 梁守真， 等. 基于Modis-TVDI方法的山東小麥生長(zhǎng)季旱情遙感監(jiān)測(cè)[J]. 江蘇農(nóng)業(yè)科學(xué)， 2018， 46（19）： 331-336.

[30]Chen D， Huang J， Jackson T J. Vegetation water content estimation for corn and soybeans using spectral indices derived from MODIS near- and short-wave infrared bands[J]. Remote Sensing of Environment， 2005， 98（2/3）： 225-236.

[31]Abbas S， Nichol J， Qamer F， et al. Characterization of drought development through remote sensing： a case study in central Yunnan， China[J]. Remote Sensing， 2014， 6（6）： 4998-5018.

[32]Zhang J， Mu Q Z， Huang J X. Assessing the remotely sensed Drought Severity Index for agricultural drought monitoring and impact analysis in North China[J]. Ecological Indicators， 2016， 63： 296-309.

[33]余慧倩， 張強(qiáng)， 孫鵬. 干旱強(qiáng)度及發(fā)生時(shí)間對(duì)華北平原五省冬小麥產(chǎn)量影響[J]. 地理學(xué)報(bào)， 2019， 74（1）： 89-104.

[34]張勝平， 陳希村， 蘇傳寶. 2002年山東省嚴(yán)重干旱分析[J]. 水文， 2004（3）： 42-45.