陳 龍 宋文龍 楊永民 李小濤 辛景峰 林勝杰 許佳欣

（1.中國水利水電科學(xué)研究院，北京 100038；2.水利部遙感技術(shù)應(yīng)用中心，北京 100038；3.太原理工大學(xué)，太原 030024）

0 引 言

近年來，極端氣候現(xiàn)象明顯增加，尤其是高強(qiáng)度、長時(shí)間的干旱造成農(nóng)村城市供水不足飲水困難，農(nóng)牧業(yè)生產(chǎn)停滯，工業(yè)生產(chǎn)難以運(yùn)營，水電產(chǎn)能不足及河湖水量銳減等問題，嚴(yán)重威脅自然生態(tài)與人民財(cái)產(chǎn)安全[1-2]。長江流域?qū)儆跂|亞季風(fēng)氣候，降水年內(nèi)年際變化大。2022年，西太平洋副熱帶高壓6月中旬開始向西移動，夏季一直覆蓋于整個(gè)長江流域，而亞歐大陸中高緯西風(fēng)帶環(huán)流與青藏高原低渦活動帶來的水汽較少，導(dǎo)致了長江流域的干旱[3-5]。長江流域大范圍受旱程度、受旱范圍等情勢監(jiān)控，可為旱情救災(zāi)、水資源調(diào)度等工作提供依據(jù)[6-7]。

近年來，衛(wèi)星遙感技術(shù)憑借其可快速、低成本、高效實(shí)現(xiàn)大范圍監(jiān)測的優(yōu)勢，應(yīng)用于干旱監(jiān)測等工作中[8]。國內(nèi)外常將遙感技術(shù)和干旱指數(shù)結(jié)合進(jìn)行旱情監(jiān)測，常用的干旱指數(shù)有標(biāo)準(zhǔn)降水指數(shù)（Standardized Precipitation Index，SPI）、標(biāo)準(zhǔn)降水蒸散發(fā)指數(shù)（Standardize precipitation evaporation index，SPEI）、植被狀態(tài)指數(shù)（Vegetation Condition Index，VCI）、溫度條件指數(shù)（Temperature Condition Index，TCI）等[9-11]。曲學(xué)斌等[12]基于中分辨率成像光譜儀（MODIS）數(shù)據(jù)通過VCI及TCI對內(nèi)蒙古東部干旱進(jìn)行監(jiān)測，指出TCI和VCI 在干旱監(jiān)測中具有一定優(yōu)勢。張彥等[13]基于高分六號衛(wèi)星利用歸一化植被指數(shù)（NDVI）、紅邊歸一化植被指數(shù)（NDVI_RE）證明紅邊波段可以進(jìn)行花生干旱監(jiān)測。董磊等[14]基于哨兵3 號（Sentinel-3）計(jì)算多年條件植被溫度指數(shù)（IVTC）并對關(guān)中平原進(jìn)行定量干旱監(jiān)測。

GEE（Google Earth Engine）遙感云計(jì)算平臺是一個(gè)基于Google 云服務(wù)基礎(chǔ)設(shè)施的遙感大數(shù)據(jù)分析平臺，具有計(jì)算速度快，不用下載數(shù)據(jù)，工作效率高，可用數(shù)據(jù)多等優(yōu)勢。本文基于GEE，利用降水距平指數(shù)、標(biāo)準(zhǔn)化降水指數(shù)、遙感旱情指數(shù)、遙感土壤水分、水體面積變化對長江中下游地區(qū)旱情進(jìn)行動態(tài)監(jiān)測分析。并收集2020—2022 年6 月、7 月、8 月哨兵1 號（Sentinel-1）和哨兵2 號（Sentinel-2）衛(wèi)星數(shù)據(jù)，基于雙極化雷達(dá)指數(shù)（SDWI）和歸一化差分水體指數(shù)（NDWI）提取水體范圍，重點(diǎn)分析鄱陽湖、洞庭湖的變化，對長江流域受旱范圍及受旱程度進(jìn)行監(jiān)測分析。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本文歷史降水?dāng)?shù)據(jù)來源于CHIRPS（Climate Hazards Group InfraRed Precipitation with Station data）數(shù) 據(jù) 集。CHIRPS由美國地質(zhì)調(diào)查局開發(fā)，提供1981年至今（2023年仍在更新）分辨率為5 566 m的全球降水?dāng)?shù)據(jù)。2022年7月和8 月的降水?dāng)?shù)據(jù)來源于GSMaP（Global Satellite Mapping of Precipitation），由全球降水計(jì)劃（GPM）衛(wèi)星觀測數(shù)據(jù)反演得到。

衛(wèi)星遙感數(shù)據(jù)來源于MODIS、Sentinel-1 和Sentinel-2衛(wèi)星數(shù)據(jù)?；赟DWI和NDWI水體指數(shù)提取水體范圍，基于水體面積變化進(jìn)行旱情分析。并使用溫度條件指數(shù)TCI開展長江中下游地區(qū)的旱情監(jiān)測，地表溫度數(shù)據(jù)為2001—2022 年MODIS地表溫度產(chǎn)品。土壤水分?jǐn)?shù)據(jù)來源于SMAP（Soil Moisture Active Passive）L4級產(chǎn)品，分辨率36 km。收集了2022年8月19日和2017年8月19日兩期數(shù)據(jù)。

1.2 研究方法

（1）降水距平百分率（Pa）：指某時(shí)段內(nèi)降水量與常年同期降水量相比的百分率。

式中：P為時(shí)段降水量；Pˉ為時(shí)段內(nèi)多年平均降水，平均值所取時(shí)段為2001—2022年。

（2）標(biāo)準(zhǔn)降水指數(shù)（SPI）：指某時(shí)段內(nèi)降水量出現(xiàn)的概率，多應(yīng)用于干旱評估與評估。SPI代表的干旱等級如表1所示。

表1 標(biāo)準(zhǔn)化降水指數(shù)干旱等級劃分

（3）TCI：用于確定與溫度有關(guān)的植被壓力并評價(jià)植被狀態(tài)，數(shù)值范圍（0，1）。計(jì)算方式如下：

式中：T為溫度；Tmax、Tmin分別為研究時(shí)段內(nèi)溫度最大值和最小值。本次研究時(shí)段為2001—2022年。TCI越小，說明該時(shí)段作物長勢越差。

（4）SDWI 水體指數(shù)：具有分割速度快、原理簡單等優(yōu)點(diǎn)，在提取水體方面有廣泛應(yīng)用。其計(jì)算公式如下：

式中：VV為雙垂直同向極化雷達(dá)強(qiáng)度影像值；VH為垂直水平異向極化雷達(dá)強(qiáng)度影像值。

（5）NDWI水體指數(shù)：是最早期遙感提取水體的方法之一，具有計(jì)算簡單、水體特征明顯等特點(diǎn)，其計(jì)算公式如下：

式中：Green和NIR分別代表綠光波段以及近紅外波段的反射率。

2 結(jié)果分析

2.1 基于降水距平與標(biāo)準(zhǔn)化降水指數(shù)的干旱監(jiān)測

根據(jù)長江流域2022年7月1日至8月20日降水距平圖顯示（圖1），7月上旬，四川、重慶、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，長江中下游地區(qū)降水量偏少的區(qū)域進(jìn)一步擴(kuò)大。8月1日和8月10日的降水距平指標(biāo)顯示，四川、重慶、江西等地30 d的降水量相比同期偏少50%以上，旱情進(jìn)一步加劇，范圍擴(kuò)大。8月20日降水距平圖顯示，江西、湖南、重慶、四川、湖北大部分地區(qū)的降水相比同期偏少60%左右，旱情影響范圍進(jìn)一步擴(kuò)大，旱情形勢異常嚴(yán)峻。

圖1 長江流域降水量距平示意圖

基于SPI 的長江流域旱澇等級分布顯示，7 月22 日江西、重慶、四川和湖北局部地區(qū)為輕度和中度干旱，8 月初這些區(qū)域的受旱范圍進(jìn)一步擴(kuò)大。8月22日標(biāo)準(zhǔn)化降水指數(shù)顯示長江中下游地區(qū)的旱情由西南、東南局部地區(qū)逐步擴(kuò)張至整個(gè)長江中下游地區(qū)（圖2）。

圖2 基于SPI的長江流域旱澇等級分布示意圖

2.2 基于溫度條件指數(shù)與土壤含水量的干旱監(jiān)測

2022年7月長江流域重旱區(qū)域主要集中在四川地區(qū)，重慶、湖北、湖南、江西等地部分受輕旱。自8月起，旱災(zāi)明顯東擴(kuò)，長江中下游省份受重旱區(qū)域大幅增加，重慶、湖北、湖南、江西由輕旱轉(zhuǎn)重旱。其中重慶、江蘇全省重旱面積占比超過90%?；赥CI的監(jiān)測結(jié)果顯示，長江流域受旱面積持續(xù)上升?；赥CI 的長江流域干旱等級分布如圖3 所示。

圖3 基于TCI的長江流域干旱等級分布示意圖

基于SMAP 的2022 年和2017 年8 月19 日長江流域土壤水分空間分布如圖4所示，四川、湖北、湖南等地的墑情狀況明顯遜于2017年?；谶b感土壤含水量變化分析（圖5）顯示，2022年同期長江中下游各省份墑情相比同期明顯偏低，四川、重慶、湖北、江西等地的墑情相比2017年同期偏低35%左右。

圖4 2022年和2017年8月19日長江流域土壤水分空間分布示意圖

圖5 2022年8月19日與2017年8月19日長江流域土壤含水量變化對比分析示意圖

2.3 基于遙感水體提取的鄱陽湖與洞庭湖干旱監(jiān)測

鄱陽湖水體變化監(jiān)測與水體面積變化如圖6 所示，2022 年8 月鄱陽湖地區(qū)受旱情影響嚴(yán)重，年際年內(nèi)水體面積大幅下降。2022 年8 月水體面積相比于同年7 月減少了1 158 km2，縮減面積為7月水體總面積的31.89%，7月環(huán)比縮減15.43%。與2021 年8 月相比，水體面積減少了1 236 km2，縮減率為33.32%，2021年同比縮減21.45%。

圖6 2022年8月鄱陽湖水體變化監(jiān)測示意圖

洞庭湖水體變化監(jiān)測與水體面積變化如圖7 所示，2022年8月水體面積相比于同年7月減少了183 km2，縮減面積為7 月水體總面積的10%，7 月環(huán)比縮減35.48%。與2021 年8 月相比，水體面積減少了699 km2，縮減率為30.35%，2021年同比縮減21.76%。

圖7 2022年8月洞庭湖水體變化監(jiān)測示意圖

3 結(jié) 論

本文通過GEE遙感云計(jì)算平臺，基于多源遙感數(shù)據(jù)與干旱指數(shù)開展了2022 年長江流域旱情遙感監(jiān)測?；贑HIRPS、GSMaP 等產(chǎn)品數(shù)據(jù)，利用降水距平指數(shù)、標(biāo)準(zhǔn)化降水指數(shù)，分析長江流域2022年6—8月的降水情況；基于MODIS地表溫度產(chǎn)品及SMAP L4級土壤水分?jǐn)?shù)據(jù)產(chǎn)品，利用TCI、土壤墑情，分析長江流域2022年7月長江流域重旱區(qū)域分布；基于Sentinel-1 和Sentinel-2 衛(wèi)星數(shù)據(jù)，利用SDWI 和NDWI 水體指數(shù)提取了鄱陽湖等區(qū)域的水體范圍，結(jié)論如下：

（1）長江流域2022年6—8月的降水整體偏少，是此次旱情的主要成因之一，缺水少雨?duì)顟B(tài)由重慶、四川地區(qū)開始，逐步擴(kuò)散至江西、湖南、重慶、四川、湖北等長江下游地區(qū)，涉及范圍較廣。

（2）通過對TCI、土壤墑情計(jì)算可得知長江流域2022 年7 月的重旱區(qū)域主要集中于四川地區(qū)，8 月，重慶、湖北、湖南、江西由輕旱轉(zhuǎn)至重旱。其中重慶、江蘇全省重旱面積占比超過90%。

（3）基于水體范圍的結(jié)果得知鄱陽湖2022 年6—8 月水體面積減少47.6%，洞庭湖水體面積減少40.7%，由此推斷長江江河湖來水嚴(yán)重不足，加劇了此次旱情的影響。

（4）整體來看，長江流域2022 年夏季全流域處于干旱狀態(tài)，6—8月旱情逐步嚴(yán)重，8月達(dá)到重旱，旱情總體由長江上游延展至中下游。