童德明，白 雲(yún)，張 莎，劉 琦，楊晉云

干旱嚴(yán)重程度指數(shù)（DSI）在山東省干旱遙感監(jiān)測(cè)中的適用性*

童德明，白 雲(yún)**，張 莎，劉 琦，楊晉云

（青島大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院遙感與數(shù)字地球研究中心，青島 266071）

選擇一個(gè)合適的干旱遙感監(jiān)測(cè)指標(biāo)，對(duì)于及時(shí)準(zhǔn)確評(píng)估干旱對(duì)農(nóng)作物生長(zhǎng)影響有重要意義。本文綜合植被指數(shù)和蒸散發(fā)指數(shù)，構(gòu)成干旱嚴(yán)重程度的指數(shù)（DSI），并定量評(píng)價(jià)DSI在山東地區(qū)干旱監(jiān)測(cè)的適用性，以期為該區(qū)干旱遙感動(dòng)態(tài)監(jiān)測(cè)提供科學(xué)依據(jù)。在定量分析DSI適用性的過(guò)程中，采用相關(guān)分析方法，針對(duì)基于標(biāo)準(zhǔn)化降水指數(shù)（SPI）長(zhǎng)時(shí)間序列中的典型干旱時(shí)期，將月尺度的DSI、歸一化干旱指數(shù)（NDDI）、溫度植被干旱指數(shù)（TVDI）分別與SPI、土壤相對(duì)濕度（RSM）進(jìn)行皮爾森相關(guān)關(guān)系分析。結(jié)果表明，SPI、RSM與DSI的相關(guān)系數(shù)分別在0.40、0.30左右，整體上高于SPI、RSM與NDDI和TVDI的相關(guān)性。此外，DSI表示的旱情時(shí)空分布準(zhǔn)確地捕捉到了歷史時(shí)期山東各地區(qū)的典型干旱事件的發(fā)生及其干旱的變化過(guò)程。DSI可以反映氣象干旱和農(nóng)業(yè)干旱，對(duì)山東干旱遙感監(jiān)測(cè)有較好的適用性。

遙感；干旱指數(shù)；DSI；適用性；山東省

干旱是區(qū)域范圍內(nèi)因長(zhǎng)期無(wú)降水或降水異常偏少而造成空氣干燥土壤缺水至干涸，進(jìn)而導(dǎo)致農(nóng)作物受害和減產(chǎn)的現(xiàn)象[1]。干旱災(zāi)害損失占中國(guó)農(nóng)業(yè)自然災(zāi)害損失的50%以上，且近20a在中國(guó)大部分地區(qū)有逐步加劇的趨勢(shì)[2]，對(duì)農(nóng)業(yè)生產(chǎn)的影響日益加重[3]。干旱的精準(zhǔn)監(jiān)測(cè)對(duì)農(nóng)業(yè)生產(chǎn)有重要意義。

目前國(guó)內(nèi)外學(xué)者提出了很多干旱的監(jiān)測(cè)指標(biāo)[4]，主要分為基于站點(diǎn)氣象數(shù)據(jù)的傳統(tǒng)指標(biāo)和基于衛(wèi)星數(shù)據(jù)的遙感監(jiān)測(cè)指標(biāo)。傳統(tǒng)的干旱監(jiān)測(cè)方法中被廣泛應(yīng)用的監(jiān)測(cè)指數(shù)有標(biāo)準(zhǔn)降水指數(shù)（Standardized Precipitation Index，SPI）[5]、標(biāo)準(zhǔn)降水蒸散指數(shù)（Standardized Precipitation Evapotranspiration Index，SPEI）[6]、土壤相對(duì)濕度（Relative Soil Moisture，RSM）等，對(duì)中國(guó)大部分地區(qū)的干旱監(jiān)測(cè)有良好的指示作用[7]。此類方法主要是利用站點(diǎn)的歷史降水、溫度、土壤濕度等氣象資料評(píng)估干旱的嚴(yán)重程度，其優(yōu)點(diǎn)是站點(diǎn)實(shí)測(cè)數(shù)據(jù)準(zhǔn)確度高，但受站點(diǎn)空間分布不均的局限性影響，不利于從大范圍區(qū)域?qū)登樽鞒隹焖贉?zhǔn)確評(píng)估[8]。而基于高時(shí)空分辨率的遙感監(jiān)測(cè)方法克服了這一局限性，且具有連續(xù)空間監(jiān)測(cè)的特點(diǎn)，被廣泛應(yīng)用于空間上大尺度的干旱監(jiān)測(cè)[9]。

遙感干旱監(jiān)測(cè)方法主要通過(guò)地表反射率、地表溫度、地表蒸散發(fā)等參數(shù)來(lái)模擬干旱程度[10]。Anderson等基于蒸散（Evapotranspiration，ET）和潛在蒸散（Potential Evapotranspiration，PET），提出蒸散脅迫指數(shù)，取得較高的干旱監(jiān)測(cè)精度[11?12]。Mu等[13]進(jìn)一步通過(guò)綜合蒸散脅迫指數(shù)與植被指數(shù)，提出干旱嚴(yán)重程度指數(shù)（Drought Severity Index，DSI）。此后，DSI被廣泛應(yīng)用于各地區(qū)的干旱監(jiān)測(cè)，Um等[14]利用DSI指數(shù)分析了東亞地區(qū)旱情的時(shí)空特征，Zhang等[15]利用DSI指標(biāo)對(duì)中國(guó)西南地區(qū)進(jìn)行旱情監(jiān)測(cè)，結(jié)果表明DSI可以在中國(guó)西南亞熱帶地區(qū)進(jìn)行高分辨率的近實(shí)時(shí)干旱監(jiān)測(cè)，此指數(shù)顯示了在全球內(nèi)監(jiān)測(cè)干旱的巨大潛力。此外，有學(xué)者利用基于其它地表參數(shù)構(gòu)成的遙感干旱指數(shù)對(duì)中國(guó)地區(qū)的旱情進(jìn)行監(jiān)測(cè)，如白開(kāi)旭等[16]利用基于地表反射率構(gòu)建的歸一化干旱指數(shù)（Normalized Difference Drought Index，NDDI）宏觀重現(xiàn)了2010年中國(guó)西南大旱的時(shí)空演變歷程，齊述華等[17?18]利用基于地表反射率和地表溫度構(gòu)建的溫度植被指數(shù)（Temperature Vegetation Dryness Index，TVDI）反映了中國(guó)大部分地區(qū)表層土壤水分的變化。然而遙感干旱指數(shù)存在明顯的時(shí)空適用性差異，在不同區(qū)域、不同作物生長(zhǎng)階段，農(nóng)作物所反映的農(nóng)業(yè)干旱特征不同[19]。區(qū)域應(yīng)用的普適性仍需要進(jìn)一步深入研究，選擇一個(gè)合適的干旱遙感監(jiān)測(cè)指標(biāo)，對(duì)于及時(shí)準(zhǔn)確地評(píng)估干旱對(duì)農(nóng)作物生長(zhǎng)的影響有重要意義[20]。

山東省是以農(nóng)業(yè)生產(chǎn)為主的省份，干旱是影響農(nóng)業(yè)的典型災(zāi)害之一[21]。以往在山東地區(qū)的地級(jí)市尺度上評(píng)估遙感干旱指數(shù)對(duì)氣象和農(nóng)業(yè)干旱監(jiān)測(cè)適用性的研究報(bào)道較少，本研究利用傳統(tǒng)的干旱監(jiān)測(cè)方法中的標(biāo)準(zhǔn)降水指數(shù)（SPI）、土壤相對(duì)濕度（RSM）指標(biāo)來(lái)定量評(píng)價(jià)干旱嚴(yán)重程度指數(shù)（DSI）對(duì)山東地區(qū)干旱監(jiān)測(cè)的適用性，以期為山東地區(qū)干旱的遙感動(dòng)態(tài)監(jiān)測(cè)提供科學(xué)依據(jù)。

1 資料與方法

1.1 研究區(qū)概況

山東?。?4°25′?38°23′E，114°36′?122°36′N）瀕臨渤海與黃海，地形多半為丘陵和平原，土壤類型多樣。屬于暖溫帶大陸性季風(fēng)氣候，夏季溫潤(rùn)多雨，冬季寒冷干燥，年平均降水量一般在554～1048mm，降水時(shí)空變化較大，空間上由東南向北遞減。夏季易形成澇災(zāi)，而冬春又常發(fā)生旱災(zāi)。根據(jù)《山東統(tǒng)計(jì)年鑒》，山東地區(qū)農(nóng)作物主要有冬小麥和夏玉米，冬小麥一般10月中旬播種，翌年6月中旬收割，夏玉米的生長(zhǎng)時(shí)期一般為6月中旬?9月中旬，干旱對(duì)這兩種農(nóng)作物的生長(zhǎng)影響較大[22]。

1.2 數(shù)據(jù)來(lái)源

各氣象站點(diǎn)1980?2017年的降水量和各農(nóng)業(yè)氣象站點(diǎn)2000?2011年（氣象數(shù)據(jù)共享網(wǎng)僅發(fā)布了2000?2011年的數(shù)據(jù)）的土壤相對(duì)濕度數(shù)據(jù)均來(lái)自中國(guó)氣象數(shù)據(jù)共享網(wǎng)（data.cma.cn），站點(diǎn)分布如圖1。刪除缺失數(shù)據(jù)的站點(diǎn)，選取24個(gè)氣象站和18個(gè)農(nóng)業(yè)氣象站。其中降水量為月累計(jì)值，選自中國(guó)地面氣候資料月值數(shù)據(jù)集；土壤相對(duì)濕度選自中國(guó)農(nóng)作物生長(zhǎng)發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集，土層深度分別為10cm、20cm、50cm。為統(tǒng)一時(shí)間尺度，把每月3個(gè)旬的土壤相對(duì)濕度數(shù)據(jù)進(jìn)行算術(shù)平均，得到土壤相對(duì)濕度月值數(shù)據(jù)，方便進(jìn)一步與基于遙感數(shù)據(jù)的干旱指數(shù)進(jìn)行相關(guān)性驗(yàn)證。

遙感數(shù)據(jù)為MODIS（Moderate Resolution Imaging Spectroradiometer ，中分辨率成像光譜儀）數(shù)據(jù)。影像數(shù)據(jù)分別為植被指數(shù)產(chǎn)品MOD13A1（L3，500m，16d分別對(duì)應(yīng)為3級(jí)產(chǎn)品，空間分辨率為500m，時(shí)間分辨率為16d。下同），蒸散產(chǎn)品MOD16A2（L3，500m，8d）、地表溫度產(chǎn)品MOD11A2（L3，1000m，8d）以及土地利用類型產(chǎn)品MCD12Q1（L3，1000m，1a）。數(shù)據(jù)期限為2000?2017年，均從http://ladsweb.nascom.nasa.gov下載。

圖1 山東省土地利用類型及站點(diǎn)分布

1.3 方法

1.3.1 研究流程

研究流程如圖2所示。首先，對(duì)遙感數(shù)據(jù)進(jìn)行預(yù)處理得到遙感干旱指數(shù)NDDI、DSI、TVDI，對(duì)站點(diǎn)數(shù)據(jù)進(jìn)行預(yù)處理得到各時(shí)間尺度的SPIs（SPI-1為1個(gè)月時(shí)間尺度、SPI-3為3個(gè)月時(shí)間尺度、SPI-6為6個(gè)月時(shí)間尺度）和不同深度的土壤相對(duì)濕度數(shù)據(jù)RSMs（RSM-10、RSM-20和RSM-50分別表示土層深度為10cm、20cm、50cm的土壤相對(duì)濕度）。其中，預(yù)處理操作包含：利用重投影工具M(jìn)RT（Modis Reprojection Tool），將MODIS數(shù)據(jù)進(jìn)行重投影，投影坐標(biāo)系選用阿爾波斯投影坐標(biāo)系，采用雙線性內(nèi)插法將數(shù)據(jù)重采樣為1km；使用MOD13數(shù)據(jù)產(chǎn)品的質(zhì)量控制文件剔除質(zhì)量差的像元值，然后采用多年同期所有影像的平均值替代刪除的像元值；波段計(jì)算得到月時(shí)間尺度的各指數(shù)；利用各年土地利用類型產(chǎn)品（MCD12Q1）提取農(nóng)田、林地（森林、灌木、稀樹(shù)草原）、草地，得到圖1中剔除水域和城建用地的區(qū)域；提取在這3種土地類型范圍內(nèi)各遙感指數(shù)所在站點(diǎn)地級(jí)市的均值。第二步，在地級(jí)市的尺度上將各遙感干旱指數(shù)分別與各站點(diǎn)的SPIs和RSMs進(jìn)行相關(guān)性分析，評(píng)價(jià)干旱嚴(yán)重程度指數(shù)在整個(gè)生長(zhǎng)季和各月份中以及在空間上對(duì)干旱監(jiān)測(cè)的適用性。

1.3.2 干旱嚴(yán)重程度指數(shù)（DSI）計(jì)算

DSI為干旱嚴(yán)重程度指數(shù)，綜合了歸一化植被指數(shù)（NDVI）和蒸散量（ET）與潛在蒸散量（PET）的比值（ET/PET），其中NDVI描述植被生長(zhǎng)狀況，ET/PET描述農(nóng)作物受水分脅迫狀況，DSI可以有效監(jiān)測(cè)氣象干旱和農(nóng)業(yè)干旱[14]。MOD16A2中ET和PET數(shù)據(jù)分別基于Penman-Monteith公式和Penman公式計(jì)算所得[23]。DSI的計(jì)算過(guò)程中，首先通過(guò)對(duì)MOD16A2產(chǎn)品中ET和PET的計(jì)算得到ET/PET，然后對(duì)時(shí)間序列2000?2017年中每月多幅影像的ET/PET求均值得到月值ET/PET。月值NDVI計(jì)算同理。具體計(jì)算方法為

圖2 研究流程圖

1.3.3 標(biāo)準(zhǔn)降水指數(shù)（SPI）計(jì)算

SPI為標(biāo)準(zhǔn)降水指數(shù)，通過(guò)計(jì)算某一位置給定時(shí)間尺度內(nèi)降雨量的累積概率，來(lái)反映該位置的干濕狀況。首先通過(guò)降水量的G分布概率密度函數(shù)求累積概率，再將累積概率標(biāo)準(zhǔn)正態(tài)化得到標(biāo)準(zhǔn)降水指數(shù)（SPI）[6]。假設(shè)某一時(shí)段的降水量為x，則G分布的概率密度函數(shù)為

式中，a、b分別為形狀參數(shù)和尺度參數(shù)，G(a)為gamma函數(shù)，a、b用最大似然法估算。

由于累積概率公式G(x)中不包含x=0的情況，而實(shí)際降水量x可以為0。設(shè)q為降水為0的概率，則q=m/n，m、n分別為降水為0的樣本數(shù)、總樣本數(shù)。則累積概率表示為

對(duì)偏態(tài)分布概率作正態(tài)標(biāo)準(zhǔn)化處理，即將式（11）求得的概率值代入標(biāo)準(zhǔn)正態(tài)化分布函數(shù)，計(jì)算式為

對(duì)式（12）進(jìn)行近似求解可得

當(dāng)0＜H(x)≤0.5時(shí)，則

當(dāng)0.5

式中，c0=2.515517，c1=0.802853，c2=0.010328，d1=1.432788，d2=0.189269，d3=0.001308。

標(biāo)準(zhǔn)降水指數(shù)（SPI）被世界氣象組織（2009）推薦為國(guó)家氣象和水文機(jī)構(gòu)干旱監(jiān)測(cè)的主要干旱指數(shù)。其時(shí)間尺度多樣，能反映不同層面的干旱，對(duì)于監(jiān)測(cè)氣象和農(nóng)業(yè)干旱一般包括1、3、6個(gè)月的時(shí)間尺度[24]。一個(gè)月時(shí)間尺度的SPI-1，是通過(guò)將某月份的降水量和歷史同期月份的降水量進(jìn)行分析，得到當(dāng)前月份降水累積概率值，然后將概率值代入標(biāo)準(zhǔn)化正態(tài)分布函數(shù)，最后得到SPI-1；3個(gè)月時(shí)間尺度的SPI-3，是將特定連續(xù)3個(gè)月的降水總量與歷史同期的3個(gè)月降水總量相比較，如某特定年份的3月、4月、5月降水總量與歷史同期3月、4月、5月降水總量進(jìn)行比較，可得到該年份5月的SPI-3[6]，同理可得到其它月份的SPI-3；6個(gè)月時(shí)間尺度的SPI-6與SPI-1、SPI-3的計(jì)算方式類似。計(jì)算的完整描述可參見(jiàn)世界氣象組織官網(wǎng)（http://www.wmo.int/ drought）發(fā)布的標(biāo)準(zhǔn)降水指數(shù)用戶指南。

1.3.4 干旱劃分標(biāo)準(zhǔn)

參照文獻(xiàn)[15]的技術(shù)標(biāo)準(zhǔn)，基于DSI和SPI對(duì)干濕等級(jí)的劃分標(biāo)準(zhǔn)如表1所示，干濕等級(jí)共分為11個(gè)類別，其中W1、W2、W3、W4、W5類表示濕潤(rùn)，D1、D2、D3、D4、D5類表示干旱。

2 結(jié)果與分析

2.1 基于SPI的山東省2000?2017年典型干旱期的監(jiān)測(cè)

利用1980?2017年24個(gè)氣象站點(diǎn)的月累積降水?dāng)?shù)據(jù)，計(jì)算得到24個(gè)氣象站點(diǎn)在研究期間的各SPI-1、SPI-3、SPI-6值，取24個(gè)站點(diǎn)的平均值得到各時(shí)間尺度的SPI在2000?2017年（由于MODIS遙感數(shù)據(jù)從2000年開(kāi)始，所以只考慮了SPI在2000年之后的數(shù)據(jù)）的變化過(guò)程（圖3）。從圖3看出，在2002?2003年、2006?2007年干旱持續(xù)時(shí)間較長(zhǎng)，在2000年春季、2002年秋季、2006年秋季、2010年冬季、2011年春季發(fā)生了嚴(yán)重干旱，2012?2017年干旱發(fā)生的頻率高，但強(qiáng)度低。2003?2004年、2007?2008年出現(xiàn)了持續(xù)的濕潤(rùn)時(shí)期。而在其它時(shí)期干旱發(fā)生的持續(xù)時(shí)間、干旱強(qiáng)度無(wú)明顯規(guī)律。圖3中虛線框所標(biāo)記的時(shí)期（2000年春季、2002年、2006年、2011冬季和春季、2014年秋季），各尺度的SPI顯示出較高的干旱強(qiáng)度和較長(zhǎng)的干旱持續(xù)時(shí)間，被選為典型干旱時(shí)期。

表1 基于DSI（干旱嚴(yán)重程度指數(shù)）和SPI（標(biāo)準(zhǔn)降水指數(shù)）的干濕等級(jí)劃分標(biāo)準(zhǔn)

圖3 2000?2017年山東省不同時(shí)間尺度的SPI變化過(guò)程

注：SPI-1、SPI-3、SPI-6分別表示1個(gè)月、3個(gè)月和6個(gè)月尺度的標(biāo)準(zhǔn)降水指數(shù)。紅色表示干旱，藍(lán)色表示濕潤(rùn)。

Note：SPI-1，SPI-3，SPI-6 is standard precipitation indices at 1, 3 and 6 months scales, respectively. Red denotes drought and blue denotes wetness.

2.2 DSI指數(shù)對(duì)干旱監(jiān)測(cè)的適用性分析

2.2.1 生長(zhǎng)季DSI指數(shù)與SPIs、RSMs的相關(guān)性

利用MODIS數(shù)據(jù)計(jì)算得到DSI、NDDI、TVDI的遙感干旱指數(shù)，其中SPI、RSM和DSI數(shù)值越小表示越干旱，數(shù)值越大表示越濕潤(rùn)，NDDI和TVDI情況相反，數(shù)值越大表示越干旱，所以理論上DSI與SPI、RSM的相關(guān)系數(shù)為正，NDDI、TVDI與SPI、RSM的相關(guān)系數(shù)為負(fù)。為比較各干旱指數(shù)在不同時(shí)期對(duì)干旱監(jiān)測(cè)的適用性，選取如圖3虛線框所標(biāo)記的典型生長(zhǎng)季干旱時(shí)期（2000年、2002年、2006年、2011年冬小麥生長(zhǎng)季，2002年、2006年、2014年夏玉米生長(zhǎng)季），對(duì)各干旱指數(shù)在冬小麥生長(zhǎng)季（3、4、5月）和夏玉米生長(zhǎng)季（7、8、9月）的表現(xiàn)進(jìn)行分析，結(jié)果如表2所示。

由表2可看出，在整個(gè)冬小麥生長(zhǎng)季和夏玉米生長(zhǎng)季，DSI與SPIs的相關(guān)系數(shù)值大于NDDI、TVDI與SPIs的相關(guān)系數(shù)值，而且其相關(guān)系數(shù)均通過(guò)0.05水平的顯著性檢驗(yàn)，顯示出DSI與SPIs對(duì)干旱描述的一致性較高。DSI在兩種農(nóng)作物生長(zhǎng)季與SPI-6的相關(guān)性最好，相關(guān)系數(shù)分別為0.49和0.44，說(shuō)明DSI適用干旱監(jiān)測(cè)，尤其對(duì)監(jiān)測(cè)長(zhǎng)期干旱的敏感性高。對(duì)DSI與RSMs各指數(shù)的相關(guān)性進(jìn)行比較可知，DSI與RSM-20的相關(guān)系數(shù)在冬小麥和夏玉米生長(zhǎng)季分別為0.25、0.37，高于DSI與RSM-10和RSM-50的相關(guān)系數(shù)，說(shuō)明DSI對(duì)20cm土層深度的土壤水分變化最敏感。同時(shí)在兩種農(nóng)作物生長(zhǎng)季中，DSI與RSM-20相關(guān)系數(shù)均大于NDDI、TVDI與RSM-20的相關(guān)系數(shù)?？傮w來(lái)說(shuō)，在季節(jié)尺度上，DSI與SPIs、RSMs的相關(guān)性明顯高于NDDI和TVDI，表明DSI對(duì)山東地區(qū)干旱監(jiān)測(cè)的適用性強(qiáng)于NDDI和TVDI。

表2 冬小麥和夏玉米生長(zhǎng)季三種遙感干旱指數(shù)與SPIs、RSMs的相關(guān)性

注：RSM-10、RSM-20和RSM-50分別表示10cm、20cm、50cm深處的土壤相對(duì)濕度。*、**分別表示相關(guān)系數(shù)通過(guò)0.05、0.01水平的顯著性檢驗(yàn)。下同。

Note: RSM-10，RSM-20 and RSM-50 represent the relative soil moisture at depths of 10cm,20cm and 50cm,respectively.*is P<0.05，**is P<0.01.The same as below.

2.2.2 月尺度DSI指數(shù)與SPIs、RSMs的相關(guān)性

為定量評(píng)價(jià)DSI在山東地區(qū)生長(zhǎng)季中各月的監(jiān)測(cè)效果，選取圖3虛線框所標(biāo)記的典型干旱時(shí)期中3?5月、7?9月時(shí)段的遙感干旱指數(shù)數(shù)據(jù)，與SPI-1、SPI-3、SPI-6以及RSM-20數(shù)據(jù)進(jìn)行相關(guān)性分析，得到如圖4所示生長(zhǎng)季各月遙感指數(shù)與SPIs和RSM-20的相關(guān)系數(shù)。結(jié)果表明，DSI與SPI-1在3、4、7和8月的相關(guān)系數(shù)較高，在0.30～0.70，在5月和9月的相關(guān)系數(shù)較低，數(shù)值低于0.10；DSI與SPI-3在4、5、8和9月的相關(guān)系數(shù)均高于0.39，而在3月和7月DSI與SPI-3的相關(guān)系數(shù)較低，數(shù)值低于0.15；DSI與SPI-6在生長(zhǎng)季各月的相關(guān)系數(shù)均在0.35以上，DSI與SPI-6表征干旱的一致性在生長(zhǎng)季各月均較高。此外，DSI與SPI-1、SPI-3、SPI-6的相關(guān)系數(shù)總體上高于NDDI、TVDI與SPI-1、SPI-3和SPI-6的相關(guān)系數(shù)。

表2中RSM-20與各干旱指數(shù)的相關(guān)性依次高于RSM-10、RSM-50，所以選取土壤深度為20cm的土壤相對(duì)濕度數(shù)據(jù)進(jìn)一步在生長(zhǎng)季各月與各干旱指數(shù)作相關(guān)性分析。由圖4可知，在4月、8月、9月，DSI與RSM-20的相關(guān)系數(shù)在0.30以上，高于NDDI、TVDI與RSM-20的相關(guān)系數(shù)。但在3月，DSI與RSM-20呈顯著負(fù)相關(guān)，在5月、7月DSI與RSM-20的相關(guān)性較低，一方面由于站點(diǎn)數(shù)據(jù)空間代表性不足，另一方面是由于用旬值土壤相對(duì)濕度的平均值來(lái)代表月值導(dǎo)致數(shù)據(jù)精度不足。

綜合來(lái)看，DSI與SPI-1、SPI-3對(duì)干旱表征的一致性隨月份的變化而有所差異；DSI與SPI-6對(duì)干旱表征的一致性較穩(wěn)定且相關(guān)系數(shù)在0.50左右；DSI與RSM-20的相關(guān)性在4、8和9月表現(xiàn)較好，相關(guān)系數(shù)在0.33～0.60；DSI與SPIs、RSM-20的相關(guān)系數(shù)普遍高于NDDI、TVDI。因此可以認(rèn)為，在生長(zhǎng)季各月中，DSI可以很好地反映由降水不足引起的氣象干旱，也可以在部分月份很好地反映由土壤含水量不足引起的農(nóng)業(yè)干旱，適用性強(qiáng)于NDDI和TVDI，可以有效用于山東地區(qū)干旱的遙感監(jiān)測(cè)。

2.2.3 DSI指數(shù)時(shí)空分布特征及DSI與SPI-6的驗(yàn)證分析

根據(jù)圖3，選擇2002、2003、2006和2011年4個(gè)典型干濕時(shí)期，選取其DSI柵格數(shù)據(jù)以及氣象站點(diǎn)的SPI-6數(shù)據(jù)，評(píng)價(jià)DSI在空間上對(duì)干旱監(jiān)測(cè)的適用性，結(jié)果如圖5所示。

根據(jù)表1對(duì)DSI描述干旱的劃分標(biāo)準(zhǔn)，統(tǒng)計(jì)得到2002年的7、8和9月受干旱影響的總面積分別占研究區(qū)域總面積的84.25%、90.80%、93.31%，該時(shí)期山東地區(qū)的普遍干旱與厄爾尼諾現(xiàn)象以及無(wú)有效降水持續(xù)時(shí)長(zhǎng)有關(guān)[25]，DSI在空間上較好地描述了這一時(shí)期干旱的發(fā)生。2003年山東整體上較濕潤(rùn)，但是山東西北和南部地區(qū)在4、5、7月出現(xiàn)了局部嚴(yán)重干旱，其它月份也出現(xiàn)了局部輕微干旱。2006年山東省整體處于輕微干旱狀態(tài)，8月和9月，局部地區(qū)出現(xiàn)了嚴(yán)重干旱。根據(jù)圖5中DSI空間分布圖對(duì)干旱的描述，2011年3、4、5、7和8月受干旱影響的總面積分別占研究區(qū)域總面積的91.22%、72.18%、68.25%、83.35%、55.36%，到9月旱情得到緩解?！吨袊?guó)水旱災(zāi)害公報(bào)》公布的2011年山東省作物受旱災(zāi)面積達(dá)129.49萬(wàn)hm2，DSI準(zhǔn)確描述了這一時(shí)期山東地區(qū)受旱面積廣、干旱持續(xù)時(shí)間長(zhǎng)的特征[26]。此外，在4個(gè)典型干濕年中的5、7、8和9月，DSI與SPI-6對(duì)干旱的描述一致。但在2002年3、4月和2003年的3、4月DSI與SPI-6對(duì)干旱的描述出現(xiàn)差異，是由于山東地區(qū)在春季存在人工灌溉的因素，而SPI-6的大小僅與自然降水有關(guān)。總體來(lái)說(shuō)，在空間上，DSI所顯示的受旱情況與歷史實(shí)際遭受的旱情結(jié)果一致性高，適合用于山東地區(qū)的遙感干旱監(jiān)測(cè)。

圖4 月尺度SPIs、RSMs與各遙感指數(shù)的相關(guān)性分析

圖5 典型干濕年份農(nóng)作物生長(zhǎng)季中DSI與SPI-6對(duì)干濕描述的空間分布

3 結(jié)論與討論

3.1 結(jié)論

在山東地區(qū)，干旱嚴(yán)重程度指數(shù)DSI與標(biāo)準(zhǔn)降水指數(shù)SPI、土壤相對(duì)濕度RSM的相關(guān)系數(shù)分別在0.40和0.30左右，整體上高于歸一化干旱指數(shù)NDDI、溫度植被干旱指數(shù)TVDI與SPI、RSM的相關(guān)系數(shù)。在冬小麥和夏玉米生長(zhǎng)季的各月中，DSI可以反映由降水不足引起的氣象干旱和由土壤含水量不足引起的農(nóng)業(yè)干旱，且對(duì)干旱監(jiān)測(cè)的適用性強(qiáng)于NDDI和TVDI。在典型干濕年份，DSI空間分布圖所顯示的受旱情況與歷史實(shí)際遭受的旱情結(jié)果一致。綜合來(lái)看，月尺度的干旱嚴(yán)重程度指數(shù)DSI對(duì)監(jiān)測(cè)山東地區(qū)干旱具有較好的適用性。

3.2 討論

標(biāo)準(zhǔn)降水指數(shù)SPI、土壤相對(duì)濕度RSM作為評(píng)價(jià)干旱嚴(yán)重程度指數(shù)DSI的指標(biāo)，本身具有一定的局限性。SPI是一個(gè)被廣泛應(yīng)用的氣象干旱監(jiān)測(cè)評(píng)估指標(biāo)[8]，但SPI的計(jì)算只考慮了自然降水，山東地區(qū)存在人工灌溉的因素，用SPI來(lái)評(píng)價(jià)遙感干旱指數(shù)對(duì)干旱監(jiān)測(cè)受到一定制約。土壤相對(duì)濕度RSM也是一個(gè)廣泛評(píng)估旱澇災(zāi)害的指標(biāo)[7]，但本研究采用土壤相對(duì)濕度旬值的平均值代表月值，存在時(shí)間代表性問(wèn)題，導(dǎo)致DSI與RSM的相關(guān)性偏低。

本研究只評(píng)估了月尺度干旱嚴(yán)重程度指數(shù)DSI在山東地區(qū)干旱監(jiān)測(cè)的適用性，在8d尺度、16d尺度、季節(jié)尺度以及年尺度的適用性不能確定。此外，干旱嚴(yán)重程度指數(shù)DSI的精度依賴于ET/PET的精度，而目前基于MODIS產(chǎn)品的ET數(shù)據(jù)是基于原始分辨率約為0.5°×0.6°的氣象再分析數(shù)據(jù)面向全球開(kāi)發(fā)的資料，導(dǎo)致ET數(shù)據(jù)在區(qū)域尺度上精度不高。因此，利用站點(diǎn)的氣象資料以及利用目前學(xué)者計(jì)算ET的最優(yōu)算法[27]提高ET數(shù)據(jù)的精度，是提高DSI監(jiān)測(cè)精度的重點(diǎn)。

[1]陳曉玲,趙紅梅,田禮喬. 環(huán)境遙感模型與應(yīng)用[M].武漢:武漢大學(xué)出版社,2008:188-189.

Chen X L,Zhao H M,Tian L Q.Remote sensing of environment: models and applications[M].Wuhan:Wuhan University Press,2008:188-189.(in Chinese)

[2]Food and Agriculture Organization Nations(FAO).Statistical database of the food and agricultural organization of the united nations[EB/OL].http://www.fao.org/statistics/en/,2018.

[3]萬(wàn)能涵,楊曉光,劉志娟,等.氣候變化背景下中國(guó)主要作物農(nóng)業(yè)氣象災(zāi)害時(shí)空分布特征(Ⅲ):華北地區(qū)夏玉米干旱[J].中國(guó)農(nóng)業(yè)氣象,2018,39(4):209-219.

Wan N H,Yang X G,Liu Z J,et al.Temporal and spatial variations of agro-meteorological disasters of main crops in China in a changing climate(Ⅲ):drought of summer maize in North China Plain[J].Chinese Journal of Agrometeorology, 2018,39(4):209-219.(in Chinese)

[4]張佳華,許云,姚鳳梅,等.植被含水量光學(xué)遙感估算方法研究進(jìn)展[J].中國(guó)科學(xué):技術(shù)科學(xué),2010,(10):1121-1129.

Zhang J H,Xu Y,Yao F M,et al.Advances in estimation methods of vegetation water content based on optical remote sensing techniques[J].Sciences in China(E),2010,(10):1121- 1129.(in Chinese)

[5]張潔,武建軍,周磊,等.基于MODIS數(shù)據(jù)的農(nóng)業(yè)干旱監(jiān)測(cè)方法對(duì)比分析[J].遙感信息,2012,27(5):48-54.

Zhang J,Wu J J,Zhou L,et al.Comparative study on remotely sensed methods of monitoring agricultural drought based on MODIS data[J].Remote Sensing Information,2012,27(5): 48-54.(in Chinese)

[6]Mckee T B,Doesken N J,Kleist J.The relationship of drought frequency and duration to time scale[J].Paper Presented at 8thConference on Applied Climatology,1993,17(22):179-183.

[7]黃中艷,鐘楚,張明達(dá),等.若干干旱指標(biāo)在云南大旱年農(nóng)業(yè)干旱監(jiān)測(cè)評(píng)估中的適用性分析[J].中國(guó)農(nóng)業(yè)氣象,2013, 34(2):221-228.

Huang Z Y,Zhong C,Zhang M D,et al.Applicability analysis for several drought indices to agricultural drought evaluation during the severe drought year in Yunnan[J].Chinese Journal of Agrometeorology,2013,34(2):221-228.(in Chinese)

[8]Rhee J,Im J,Carbone G J.Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data[J].Remote Sensing of Environment,2010,114(12):2875- 2887.

[9]杜靈通,田慶久,王磊,等.基于多源遙感數(shù)據(jù)的綜合干旱監(jiān)測(cè)模型構(gòu)建[J].農(nóng)業(yè)工程學(xué)報(bào),2014,(9):126-132.

Du L T,Tian Q J,Wang L,et al.A synthesized drought monitoring model based on multi-source remote sensing data [J].Transactions of the CSAE,2014,(9):126-132.(in Chinese)

[10]姚鳳梅,楊太明,曹倩,等.合肥地區(qū)近55年氣候極值與農(nóng)業(yè)氣候指標(biāo)動(dòng)態(tài)變化趨勢(shì)[J].自然災(zāi)害學(xué)報(bào),2013,22(5): 227-237.

Yao F M,Yang T M,Cao Q,et al.Dynamic change trend of climate extremes and agroclimatic indices in Hefei region over past 55 years[J].Journal of Natural Disasters,2013,22(5): 227-237.(in Chinese)

[11]Anderson M,Hain C,Wardlow B,et al.Evaluation of a drought index based on thermal remote sensing of evapotranspiration over the continental U.S.[J].Journal of Climate,2011,24( 8):2025-2044．

[12]Anderson M,Norman J M,Mecikalski J R,et al. Climatological study of evapotranspiration and moisture stress across the continental United States based on thermal remote sensing:model formulation[J].Journal of Geophysical Research,2007,112(D10):D10117.

[13]Mu Q,Zhao M,Kimball J S,et al.A remotely sensed global terrestrial drought severity index[J].Bulletin of the American Meteorological Society,2013,94(1):83-98.

[14]Um M J,Kim Y,Park D.Evaluation and modification of the Drought Severity Index(DSI) in East Asia[J].Remote Sensing of Environment,2018,209:66-76.

[15]Zhang X Q,Yamaguchi Y.Characterization and evaluation of MODIS-derived Drought Severity Index (DSI) for monitoring the 2009/2010 drought over southwestern China[J].Natural Hazards,2014,74(3):2129-2145.

[16]白開(kāi)旭,劉朝順,施潤(rùn)和,等.2010年中國(guó)西南旱情的時(shí)空特征分析:基于MODIS數(shù)據(jù)歸一化干旱指數(shù)[J].地球信息科學(xué)學(xué)報(bào),2012,14(1):32-40.

Bai K X,Liu S C,Shi R H,et al.Analysis of spatio-temporal characteristics of drought in southwest China in 2010 by using MODIS-based normalized difference drought index [J].Journal of Geo-information Science,2012,14(1):32-40.(in Chinese)

[17]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.

[18]齊述華,王長(zhǎng)耀,牛錚.利用溫度植被旱情指數(shù)(TVDI)進(jìn)行全國(guó)旱情監(jiān)測(cè)研究[J].遙感學(xué)報(bào),2003,7(5):420-427.

Qi S H,Wang C Y,Niu Z.Evaluating soil moisture status in China using the temperature/vegetation dryness index(TVDI) [J].Journal of Remote Sensing,2003,7(5):420-427.(in Chinese)

[19]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.

Mu L L,Wu B F,Yan N N,et al.Validation of agricultural drought indices and their uncertainty analysis[J].Bulletin of Soil and Water Conservation,2007,27(2):119-122.(in Chinese)

[20]黃友昕,劉修國(guó),沈永林,等.農(nóng)業(yè)干旱遙感監(jiān)測(cè)指標(biāo)及其適應(yīng)性評(píng)價(jià)方法研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào),2015,(16): 186-195.

Huang Y X,Liu X G,Shen Y L,et al.Advances in remote sensing derived agricultural drought monitoring indices and adaptability evaluation methods[J].Transactions of the CSAE,2015,(16):186-195.(in Chinese)

[21]Kogan F N.Droughts of the late 1980s in the United States as derived from NOAA Polar-Orbiting satellite data[J]. Bulletin of the American Meteorological Society,1995, 76(5):655-668.

[22]徐鈺,江麗華,張建軍,等.氣候變化對(duì)山東省農(nóng)業(yè)生產(chǎn)的影響與對(duì)策[J].中國(guó)農(nóng)業(yè)氣象,2010,31(S1):23-26.

Xu Y,Jiang L H,Zhang J J,et al.Impact of climate change on Shandong agricultural production and the adaption countermeasure[J].Chinese Journal of Agrometeorology, 2010,31(S1):23-26.(in Chinese)

[23]黃健熙,張潔,劉峻明,等.基于遙感DSI指數(shù)的干旱與冬小麥產(chǎn)量相關(guān)性分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2015,(3):166-173.

Huang J X,Zhang J,Liu J M,et al.Correlation analysis between drought and winter wheat yields based on remotely sensed drought severity index[J].Transactions of the Chinese Society for Agricultural Machinery,2015,(3):166-173.(in Chinese)

[24]韓家琪.基于大數(shù)據(jù)思維的干旱監(jiān)測(cè)方法研究[D].北京:中國(guó)農(nóng)業(yè)科學(xué)院,2018:2-3.

Han J Q.The research of drought monitoring based on big data[D].Beijing:Chinese Academy of Agricultural Sciences, 2018:2-3.(in Chinese)

[25]張勝平,陳希村,蘇傳寶,等.2002年山東省嚴(yán)重干旱分析[J].水文,2004,24(3):42-45.

Zhang S P,Chen X C,Sun C B,et al.Analysis of serious drought in Shandong Province in 2002[J].Hydrology,2004, 24(3):42-45.(in Chinese)

[26]石春玲,李峰,孟祥新,等.山東省2010-2011年秋冬連旱特征及成因[J].干旱氣象,2012,30(3):323-326.

Shi C L,Li F,Meng X X,et al.Charateristics and causes of continuous drought from autumn 2010 to winter 2011 in Shandong province[J].Journal of Arid Meteorology,2012, 30(3):323-326.(in Chinese)

[27]楊永剛,崔寧博,胡笑濤,等.中國(guó)三大灌區(qū)參考作物蒸散量溫度法模型的修訂與適應(yīng)性評(píng)價(jià)[J].中國(guó)農(nóng)業(yè)氣象, 2018,39(6):357-369.

Yang Y G,Cui N B,Hu X T,et al.Revision and adaptability evaluation of temperature-based methods for reference crop evapotranspiration in the three irrigation districts of China[J].Chinese Journal of Agrometeorology,2018,39(6): 357-369.(in Chinese)

Applicability of Drought Severity Index(DSI) in Remote Sensing Monitoring of Drought in Shandong Province

TONG De-ming, BAI Yun, ZHANG Sha, LIU Qi, YANG Jin-yun

(1.Remote Sensing and Digital Earth Center, School of Computer Science and Technology, Qingdao University, Qingdao 266071,China)

It is important to select a suitable drought remote sensing monitoring index for timely and accurate assessment of the impact of drought on crop growth. In this paper, the vegetation index and evapotranspiration index were integrated to form the drought severity index (DSI), and the applicability of DSI was quantitatively evaluated in drought monitoring，in order to provide scientific basis for remote sensing dynamic monitoring of drought in Shandong province. In the process of quantitatively analysis of DSI applicability, the Pearson correlation analysis was carried out on the monthly scale DSI, Normalized Difference Drought Index(NDDI), Tempera-ture Vegetation Drought Index(TVDI) and Standard Precipitation Index (SPI), Relative Soil Moisture (RSM) in the typical drought period based on the long-term sequence of the SPI, respectively. The results showed that the correlation coefficients between SPI, RSM and DSI are about 0.40 and 0.30 respectively, which were higher than the correlation between SPI, RSM and NDDI, TVDI. In addition, the occurrence of typical drought events and the change process of drought were accurately described by the spatial-temporal distribution of DSI in Shandong province during the historical period. The meteorological drought and agricultural drought was reflected by DSI, which indicated the good applicability of DSI for remote sensing monitoring of drought in Shandong province.

Remote sensing; Drought indices; DSI; Applicability; Shandong Province

10.3969/j.issn.1000-6362.2020.02.005

童德明,白雲(yún),張莎,等.干旱嚴(yán)重程度指數(shù)（DSI）在山東省干旱遙感監(jiān)測(cè)中的適用性[J].中國(guó)農(nóng)業(yè)氣象,2020,41(2):102-112

2019?07?10

白雲(yún)，E-mail：baiyun@qdu.edu.cn

山東省自然科學(xué)基金重大基礎(chǔ)研究項(xiàng)目（ZR2017ZB0422）；國(guó)家自然科學(xué)基金（31571565；31671585）

童德明，E-mail：18363993828 @163.com