羅 彪 劉 瀟 郭 萍

(中國農(nóng)業(yè)大學(xué) 水利與土木工程學(xué)院，北京 100083)

干旱因其持續(xù)時間長、影響范圍廣及災(zāi)害損失大等特點逐漸成為當(dāng)前世界影響最為嚴(yán)重的自然災(zāi)害之一[1]。在各類農(nóng)業(yè)氣象災(zāi)害中，農(nóng)業(yè)干旱造成的損失巨大，嚴(yán)重威脅農(nóng)業(yè)生產(chǎn)[2]。農(nóng)業(yè)干旱是當(dāng)土壤含水量低于植物需水量時導(dǎo)致作物減產(chǎn)甚至絕收的自然現(xiàn)象，其發(fā)生原因十分復(fù)雜，與氣象、地形環(huán)境、土壤條件、作物品種等因素都有著密切的聯(lián)系[3]。如何有效地監(jiān)測農(nóng)業(yè)干旱，選擇適宜的監(jiān)測指標(biāo)，及時準(zhǔn)確地了解農(nóng)業(yè)旱情發(fā)生、發(fā)展、消退情況已成為當(dāng)?shù)卣购禍p災(zāi)部門和農(nóng)業(yè)管理部門面臨的一項緊迫任務(wù)[4]。傳統(tǒng)的農(nóng)業(yè)旱情監(jiān)測主要基于地面站點的土壤墑情數(shù)據(jù)來劃分干旱等級，其準(zhǔn)確性、代表性、完整性有限，且成本較大[3]。遙感技術(shù)的發(fā)展為農(nóng)業(yè)旱情監(jiān)測提供了新的途徑，其優(yōu)勢在于能夠及時、客觀地獲取大范圍的地表綜合信息，同時監(jiān)測土壤供水和作物需水狀況，使其已成為區(qū)域旱情監(jiān)測的重要手段。

目前有關(guān)遙感監(jiān)測干旱的研究很多，已有的監(jiān)測方法可大致分為3類：光學(xué)遙感監(jiān)測干旱、微波遙感監(jiān)測干旱、降水遙感監(jiān)測干旱。光學(xué)遙感監(jiān)測干旱方法中常用的有植被條件指數(shù)、溫度植被干旱指數(shù)、植被供水指數(shù)、距平植被指數(shù)和溫度狀態(tài)指數(shù)[5-10]。微波遙感監(jiān)測干旱可分為主動微波遙感和被動微波遙感[11-14]。降水遙感監(jiān)測干旱主要針對于氣象干旱監(jiān)測，常常與其他干旱指數(shù)共同使用[15-17]。其中光學(xué)遙感監(jiān)測干旱發(fā)展成熟、應(yīng)用廣泛，對于不同的下墊面條件有著良好的應(yīng)用情況。

內(nèi)蒙古自治區(qū)河套灌區(qū)是我國干旱區(qū)灌區(qū)的典型代表，是我國北方的主要灌區(qū)之一，同時也是我國重要的糧食生產(chǎn)基地[18]。有效的實時監(jiān)測灌區(qū)干旱情況能夠為灌區(qū)水資源管理提供決策支持，但是現(xiàn)有的針對灌區(qū)的遙感干旱指數(shù)應(yīng)用研究較少，如：烏蘭吐雅等[19]使用溫度植被干旱指數(shù)對河套灌區(qū)臨河區(qū)進(jìn)行旱情監(jiān)測；柯麗娟[20]使用溫度植被干旱指數(shù)反演土壤含水量從而為灌區(qū)灌溉管理提供決策支持；白艷英等[21]采用土壤水分光譜法反演土壤含水量。已有的研究只是將一些干旱指數(shù)應(yīng)用到灌區(qū)，應(yīng)用的干旱指數(shù)較少而且暫無對干旱指數(shù)在灌區(qū)的適用性研究。溫度植被干旱指數(shù)(TVDI)、植被供水指數(shù)(VSWI)、植被狀態(tài)指數(shù)(VCI)和溫度狀態(tài)指數(shù)(TCI)等4種遙感干旱指數(shù)，計算方便、數(shù)據(jù)易獲取，已經(jīng)得到廣泛應(yīng)用。因此，本研究基于MODIS數(shù)據(jù)，以河套灌區(qū)為研究對象，擬運(yùn)用上述4 種遙感干旱監(jiān)測方法對灌區(qū)旱情進(jìn)行監(jiān)測，并對計算所得遙感干旱指數(shù)進(jìn)行土壤相對含水量相關(guān)分析、降水量相關(guān)分析，分析與討論各干旱指數(shù)在河套灌區(qū)適用性，以期為灌區(qū)干旱監(jiān)測及灌溉管理提供決策支持。

1 研究區(qū)域概況

河套灌區(qū)位于內(nèi)蒙古自治區(qū)巴彥淖爾市如圖1所示：該區(qū)引黃控制面積 共計116.2 萬hm2，引黃有效灌溉面積 57.4 萬hm2，農(nóng)業(yè)人口 100 余萬。河套灌區(qū)是全國3 個特大型灌區(qū)之一，也是重要的商品糧、油生產(chǎn)基地[22]。灌區(qū)地處我國干旱的西北地區(qū)，降水量少，蒸發(fā)量大，屬于沒有引水灌溉便沒有農(nóng)業(yè)的地區(qū)。據(jù)統(tǒng)計灌區(qū)多年平均降雨量為138.29 mm，而多年平均蒸發(fā)量約2 000 mm，因此，灌區(qū)氣象干旱情況較為嚴(yán)重。氣象干旱之所以沒有演化成嚴(yán)重的農(nóng)業(yè)干旱，是因為河套灌區(qū)灌溉水資源90%以上來自于黃河，其年均凈引黃水量在45 億m3左右。

圖1 河套灌區(qū)位置示意圖Fig.1 Location of Hetao irrigation area

根據(jù)黃河水資源調(diào)度需要，河套灌區(qū)黃河年可引用水資源不斷下降，預(yù)計需要在2020年降低至40 億m3。在水資源約束的條件下，如何準(zhǔn)確的實時把握灌區(qū)農(nóng)業(yè)干旱情況及其空間分布對于水資源高效分配具有十分重要的意義。

2 數(shù)據(jù)收集與處理

2.1 數(shù)據(jù)收集

2.1.1氣象數(shù)據(jù)

本研究使用河套灌區(qū)的2000—2018年各月降水量數(shù)據(jù)，以及灌區(qū)月平均0～20 cm土壤相對含水量數(shù)據(jù)。氣象數(shù)據(jù)來自于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http:∥data.cma.cn)，其中降水量數(shù)據(jù)來自臨河氣象站，土壤相對含水量數(shù)據(jù)來自烏拉特前旗、臨河氣象站，氣象站位置如圖2所示。

圖2 氣象站點位置示意圖Fig.2 Location of meteorological stations

2.1.2遙感數(shù)據(jù)

MODIS是美國 NASA 對地觀測系統(tǒng)系列遙感衛(wèi)星平臺上的主要傳感器，具有36 個光譜通道，每1～2 d可以獲取一次全球地表數(shù)據(jù)[23]，因其波段范圍廣，數(shù)據(jù)更新頻率快，在全球?qū)嵤┟赓M(fèi)接收等優(yōu)點在研究中具有重要的實際意義[1]。本研究獲取的2000—2018年5—8月的MOD 13A3植被指數(shù)數(shù)據(jù)是1 個月合成的NDVI，MOD 11A2地表溫度數(shù)據(jù)是8 d合成的LST。并對下載的遙感數(shù)據(jù)使用MRT具進(jìn)行投影轉(zhuǎn)換、裁剪、融合得到所需要的河套灌區(qū)范圍內(nèi)的每月歸一化植被指數(shù)(NDVI)數(shù)據(jù)和地表溫度(LST)數(shù)據(jù)。

2.2 遙感干旱監(jiān)測指標(biāo)

干旱的發(fā)生往往與地球表面的植被生長狀況相聯(lián)系，而植被生長又與土壤濕度、作物蒸散、溫度等有直接相關(guān)。衛(wèi)星遙感干旱監(jiān)測技術(shù)則是通過植被生長的好壞、土壤濕度、作物蒸散、溫度等方面研究干旱的發(fā)生情況[24]。本研究選取了常用的4 種典型遙感干旱監(jiān)測指數(shù)：植被狀態(tài)指數(shù)(VCI)、溫度狀態(tài)指數(shù)(TCI)、溫度植被干旱指數(shù)(TVDI)、植被供水指數(shù)(VSWI)。

2.2.1植被狀態(tài)指數(shù)(VCI)

植被狀態(tài)指數(shù)是利用多年資料的第i個時期的NDVI最大值和最小值計算某一年的第i個時期的NDVI值的相對變化[24]。相對NDVI而言，條件植被狀態(tài)指數(shù)不僅包含NDVI的當(dāng)前信息，還包含NDVI的歷史信息[25]，其計算公式為：

(1)

式中：NDVIi為當(dāng)前時期的NDVI值；NDVImax為這一時期的NDVI值的最大值；NDVImin為這一時期的NDVI值的最小值。VCI值越大代表植被生長狀況好，反之則代表植被生長狀況差，從而反映出旱情。

2.2.2溫度狀態(tài)指數(shù)(TCI)

植物冠層的溫度可以作為判定干旱發(fā)生的依據(jù)，基于Avhrr的熱波段觀測結(jié)果被用來建立溫度狀態(tài)指數(shù)。該指數(shù)用于測定與溫度相關(guān)的植被脅迫和過度濕潤引起的脅迫[26]。其計算方法與VCI指數(shù)計算方法類似：

(2)

式中：LSTi為當(dāng)前時期地表溫度；LSTmax、LSTmin分別為這同期LST的最大最小值。TCI值越大干旱情況越嚴(yán)重，反之則相反。

2.2.3溫度植被干旱指數(shù)(TVDI)

Sandholt 等[27]利用簡化的 NDVI-Ts 特征空間提出水分脅迫指標(biāo)，即溫度植被干旱指數(shù)，在該簡化的特征空間，將濕邊(Ts-min)處理為與 NDVI 軸平行的直線，干邊(Ts-max)與 NDVI 成線性關(guān)系?？啥x為：

(3)

式中：a1、b1和a2、b2分別為“干邊”“濕邊”方程的擬合系數(shù)；Ts為地表溫度，兩者皆由遙感數(shù)據(jù)獲得。對于干濕邊的擬合方程的獲得，本研究采用最大值合成法確定天邊界、最大最小值合成法確定濕邊界[28]，能夠減少由于單個時段衛(wèi)星數(shù)據(jù)的特征空間存在的不穩(wěn)定性[29]。

2.2.4植被供水指數(shù)(VSWI)

當(dāng)土壤水分充足時，植被生長正常；當(dāng)土壤水分不足時，植物生長受土壤水分脅迫。后者會同時出現(xiàn)2 種情況：一是作物由于缺水導(dǎo)致生長狀況受到影響，NDVI減??；二是作物被迫關(guān)閉部分氣孔以減少蒸騰量，從而導(dǎo)致冠層溫度升高[30]。

(4)

式中：LST為地表溫度。VSWI值越小代表土壤含水量越小，反之則相反。

3 結(jié)果與分析

3.1 遙感干旱指數(shù)與土壤相對含水量的相關(guān)性

為驗證遙感干旱指數(shù)監(jiān)測的精確性，本研究利用烏拉特前旗、臨河2 個氣象站的2000—2013年5—8月的0～20 cm土壤相對含水量數(shù)據(jù)進(jìn)行驗證。利用ENVI及Arcgis軟件對4 個遙感干旱監(jiān)測指數(shù)進(jìn)行計算，并提取2 個氣象站所處柵格的干旱指數(shù)值，分別對2 個站點4 個月進(jìn)行遙感干旱指數(shù)與土壤相對含水量的相關(guān)分析以及顯著性檢驗。各個干旱指數(shù)與土壤相對含水量的相關(guān)性評價如表1 所示。2018年5—8月4 種干旱指數(shù)監(jiān)測結(jié)果見圖3至圖6。

表1 干旱指數(shù)與0～20 cm土壤相對含水量相關(guān)系數(shù)表Table 1 Correlation coefficient between drought index and relative water content of 0-20 cm soil

由表1可見：TVDI與TCI與0～20 cm土壤相對含水量呈顯著的負(fù)相關(guān)；VCI與VSWI與0～20 cm土壤相對含水量呈顯著的正相關(guān)，與實際相符。從整體來看：TVDI與TCI在臨河站表現(xiàn)情況優(yōu)于VCI與VSWI，而VCI與VSWI在烏拉特前旗站表現(xiàn)情況優(yōu)于TVDI與TCI。4 種干旱指數(shù)中TVDI與0～20 cm土壤相對含水量的相關(guān)性要比其他3種指數(shù)更好，這表明TVDI更適于反映土壤相對含水量的變化，能夠較好的監(jiān)測干旱情況。

由圖3至圖6可見：在5月時灌區(qū)干旱較為嚴(yán)重，隨著時間的推移旱情逐漸減輕，與灌區(qū)灌溉實際相符。灌區(qū)從5月開始夏灌工作，隨著灌水量不斷的增加灌區(qū)旱情不斷減輕。由圖5和圖6可知灌區(qū)最西端常年干旱，而最東端常年濕潤，這是因為灌區(qū)西部為烏蘭布和沙漠，東部為烏梁素海。TVDI與VSWI相比于TCI和VCI能夠更好的反映不同下墊面情況對旱情帶來的影響，能更好的反映灌區(qū)干旱情況。

(a) 5月 May；(b) 6月 June；(c) 7月 July；(d) 8月 August。圖3 2018年5—8月植被狀態(tài)指數(shù)VCI圖Fig.3 Vegetation condition index from May to August 2018

(a) 5月 May；(b) 6月 June；(c) 7月 July；(d) 8月 August。圖4 2018年5—8月溫度狀態(tài)指數(shù)TCI圖Fig.4 Temperature condition index from May to August 2018

3.2 遙感干旱指數(shù)與降水量的相關(guān)性

因為降水?dāng)?shù)據(jù)的缺失，所以本次分析只采用了臨河氣象站月降雨量。為精確驗證遙感干旱指數(shù)，計算了氣象站月降水量與氣象站所處的柵格干旱指數(shù)值之間的相關(guān)系數(shù)，相關(guān)分析結(jié)果如表2所示。

分析結(jié)果表示：4 種干旱指數(shù)在8月時與降水量出現(xiàn)了較好的相關(guān)關(guān)系；在8月TVDI與TCI與月降雨量呈良好的負(fù)相關(guān)，VCI與VSWI與月降雨量呈良好的正相關(guān)；總體上，當(dāng)降水量越大時，灌區(qū)干旱情況越輕，即降水量與旱情呈負(fù)相關(guān)趨勢(圖7)；4 種干旱指數(shù)中TVDI與月降雨量的相關(guān)性明顯優(yōu)于其他3 種，說明在這4 種干旱指數(shù)當(dāng)中TVDI比VSWI、VCI、TCI對降水更敏感(表2)。

表2 干旱指數(shù)與月降雨量相關(guān)系數(shù)Table 2 Correlation coefficient between drought index and monthly rainfall

(a) 5月 May；(b) 6月 June；(c) 7月 July；(d) 8月 August。圖5 2018年5—8月溫度植被干旱指數(shù)TVDI圖Fig.5 Temperature vegetation drought index from May to August 2018

(a) 5月 May；(b) 6月 June；(c) 7月 July；(d) 8月 August。圖6 2018年5—8月植被供水指數(shù)VSWI圖Fig.6 Vegetation water supply index from May to August 2018

4 種干旱指數(shù)與月降雨量相關(guān)性并不穩(wěn)定，特別是在5、6、7月VSWI、VCI與降雨量之間基本不存在相關(guān)性，而TCI、TVDI與降雨量存在微弱的相關(guān)性。

3.3 遙感干旱指數(shù)與灌區(qū)引水量相關(guān)性

為了更進(jìn)一步驗證引水量與干旱指數(shù)的關(guān)系，本研究計算了灌區(qū)月引水量與灌區(qū)范圍內(nèi)干旱指數(shù)平均值之間的相關(guān)系數(shù)，結(jié)果見表3。由表3可見：VSWI、VCI與灌區(qū)引水量之間基本呈負(fù)相關(guān)；TVDI、TCI與灌區(qū)引水量呈明顯的正相關(guān)。灌區(qū)引水量受人為調(diào)控，當(dāng)灌區(qū)旱情嚴(yán)重時灌區(qū)引水量越多。TVDI與TCI與灌區(qū)引水量的相關(guān)性要優(yōu)于VSWI與VCI，這表明TVDI與TCI對于因灌溉而帶來的土壤墑情變化更加敏感。在8月時4 種干旱指數(shù)與引水量之間的相關(guān)性微弱，是由于8月引水量少，所以引水量對于旱情的影響不大，與3.2節(jié)的結(jié)果也相吻合。

(a)降水量與TVDI、VCI、TCI；(b)降水量與VSWI。(a) Precipitation and TVDI,VCI and TCI;(b) Precipitation and VSWI.圖7 2000—2018年8月4 種干旱指數(shù)與降水量Fig.7 Response analysis of four drought indexes and precipitation of August from 2000 to 2018

3.4 遙感干旱指數(shù)間相關(guān)性

在進(jìn)行上述分析時，發(fā)現(xiàn)4 種干旱指數(shù)表現(xiàn)好壞存在兩兩同步情況。因此，為了進(jìn)一步分析指數(shù)之間的聚類效應(yīng)，以臨河站所處柵格為對象，提取2000—2018年各干旱指數(shù)值并進(jìn)行相關(guān)分析。

由表3可知VSWI與VCI之間、TVDI與TCI之間顯著相關(guān)。已有研究依據(jù)遙感指數(shù)相關(guān)性將一些典型的遙感指數(shù)劃為4 類[5]。本研究根據(jù)已有的指數(shù)分類體系[31]可將VSWI與VCI歸類為基于植被指數(shù)的遙感干旱指數(shù)，TVDI與TCI可歸類為基于地表溫度的遙感干旱指數(shù)。結(jié)合前面對于4 種干旱指數(shù)的評價可以得出，基于地表溫度的遙感干旱指數(shù)對于干旱的指示作用最強(qiáng)[31]。

表3 干旱指數(shù)與灌區(qū)引水量相關(guān)系數(shù)表Table 3 Correlation coefficient between drought index and irrigation diversion volume

表4 遙感干旱指數(shù)相關(guān)系數(shù)矩陣Table 4 Correlation coefficient matrix of remote sensing drought index

4 討論與結(jié)論

在干旱指數(shù)與土壤相對含水量相關(guān)分析當(dāng)中，不同的干旱指數(shù)在不同時間不同站點，其表現(xiàn)情況不同。這可能是因為不同地區(qū)種植作物不同，生育期不盡相同，從而導(dǎo)致在不同時間不同區(qū)域地表植被覆蓋度差異較大，進(jìn)而導(dǎo)致了不同干旱指數(shù)監(jiān)測情況的不相同。除此之外，4 種干旱指數(shù)與0～20 cm 土壤相對含水量之間的相關(guān)性并不很穩(wěn)定，歸納可能原因如下：一是在進(jìn)行站點處數(shù)據(jù)提取時，一個站點對應(yīng)的是1 km×1 km的柵格，這種以點帶面的方式本身就會存在一定的偏差；二是各年大氣條件、觀測角度等對衛(wèi)星觀測的影響不同[32]；三是人為影響的存在，如灌溉、測量錯誤等。

本研究中干旱指數(shù)與降雨量的相關(guān)性并未呈現(xiàn)良好的相關(guān)關(guān)系，主要原因可能是河套灌區(qū)年降水量較小，農(nóng)業(yè)灌溉水資源90%來自于黃河，即：引水灌溉影響了干旱指數(shù)與降水量之間的相關(guān)關(guān)系。在不考慮人類活動干預(yù)下，氣象干旱是農(nóng)業(yè)干旱的唯一驅(qū)動因素[32]。在自然情況下，氣象干旱會轉(zhuǎn)化為農(nóng)業(yè)干旱，而灌區(qū)引水量大從而阻斷了氣象干旱向農(nóng)業(yè)干旱的轉(zhuǎn)變(圖8)[33]。干旱指數(shù)與引水量相關(guān)分析表明當(dāng)引水量大時干旱指數(shù)與降水量相關(guān)性弱，反之則相反，具體表現(xiàn)為：5月引水量最大，干旱指數(shù)與降水量無相關(guān)性；8月引水量最小，干旱指數(shù)與降水量出現(xiàn)了一定的相關(guān)關(guān)系。因此通過灌水量與遙感干旱指數(shù)間的相關(guān)分析，也可以評價干旱指數(shù)的適用情況。

圖8 自然情況下干旱的傳遞過程[33]Fig.8 Transfer process of drought under natural conditions

本研究以MODIS產(chǎn)品為遙感數(shù)據(jù)源，以河套灌區(qū)為研究對象，計算了灌區(qū)2000—2018年作物主要生育期內(nèi)(5—8月)4 種遙感干旱指數(shù)，并分別對其進(jìn)行0～20 cm土壤相對含水量相關(guān)性分析、降水量相關(guān)分析、灌區(qū)引水量相關(guān)分析以及指數(shù)之間的相關(guān)分析，從而對4 種干旱指數(shù)在河套灌區(qū)的適用性情況進(jìn)行了綜合評價，結(jié)論如下：

1)4種遙感干旱指數(shù)在不同的地域和時間表現(xiàn)情況不同，其中溫度植被干旱指數(shù)與0～20 cm土壤相對含水量相關(guān)性、降水量相關(guān)性、灌區(qū)引水量相關(guān)性優(yōu)于其他3 種干旱指數(shù)，在河套灌區(qū)使用溫度植被干旱指數(shù)能得到較好的效果。除此之外，在干旱監(jiān)測中綜合利用多種干旱指數(shù)進(jìn)行分析對提高監(jiān)測精度，科學(xué)合理地預(yù)報旱情具有重要的意義。

2)4種干旱指數(shù)相關(guān)分析結(jié)果可將其分為：VSWI與VCI為基于植被指數(shù)的遙感干旱監(jiān)測指數(shù)，TVDI與TCI為基于地表溫度指數(shù)的遙感干旱監(jiān)測指數(shù)，其中基于地表溫度的遙感干旱監(jiān)測指數(shù)相比基于植被指數(shù)的遙感干旱監(jiān)測指數(shù)對于旱情有更好的監(jiān)測結(jié)果。

3)在引水量較大的干旱半干旱地區(qū)灌區(qū)，遙感干旱指數(shù)與降水量之間的相關(guān)關(guān)系微弱這是由于人為影響較大。在這樣的灌區(qū)也可以采用灌區(qū)引水量與干旱指數(shù)進(jìn)行相關(guān)分析，來評價干旱指數(shù)適用性。

綜上，TVDI在河套灌區(qū)干旱監(jiān)測有著良好的應(yīng)用，但是其特征空間仍然存在著一定的不穩(wěn)定性，特征空間中的干邊、濕邊的提取技術(shù)有待進(jìn)一步完善。