遥感干旱指数在金沙江流域干旱监测中的适用性研究_周星宇.pdf

第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2022-08-22基金项目:国家自然科学基金项目(41701424);遥感科学国家重点实验室开放研究基金项目(OFSLRSS201716);天津市应用基础计划项目(18JCQNJC70400);云南大学校级研究生公共选修课项目(X J G X K202105)资助作者简介:周星宇(1996-),男,重庆人,地图学与地理信息系统专业硕士研究生,主要研究方向为生态环境遥感。通信作者:姜海玲(1986-),女,吉林敦化人,副教授,博士,2015 年毕业于北京大学摄影测量与遥感专业,主要从事高光谱遥感基础理论及应用研究工作。遥感干旱指数在金沙江流域干旱监测中的适用性研究周星宇1,姜海玲1,赵艺源1,李 耀1,陈光义1,许新惠2(1.吉林师范大学 旅游与地理科学学院,吉林 四平 136000;2.云南大学 地球科学学院,云南 昆明 650500)摘要:利用 20152020 年金沙江流域 MODIS 数据和流域内 29 个气象站 19912020 年月降水、气温资料,研究不同遥感干旱指数在金沙江流域的适用性,这些指数包括温度状态指数(temperature condition index,TCI)、温度植被干旱指数(temperature vegetation dryness index,TVDI)、植被状态指数(vegetation condition index,VCI)、植被供水指数(vegetation supply water index,VSWI)和标准化降水蒸散指数(standardized precipitation evapotranspiration in-dex,SPEI)。结果表明:TCI 与 TVDI、VSWI 与 TCI、VSWI 与 TVDI、VSWI 与 VCI 各月的相关性均较为显著。TVDI与 SPEI 和 TCI 与 SPEI 全年相关性较好。SPEI 与 VSWI 相关性在1 月、10 月较低,其余月份均相关性较好。SPEI与 VCI 在 13 月相关性较低,其余月份均相关性较好。根据 4 种遥感干旱指数与 SPEI 的相关性分析,建议金沙江上游地区选用 TVDI 进行干旱监测;金沙江流域中游地区选用 VSWI 进行干旱监测;若使用 VCI 进行干旱监测,区域应集中于金沙江中游地区,且相关月份应集中于 412 月。金沙江流域下游地区选用 TCI 进行干旱监测。关键词:干旱;金沙江;遥感干旱指数中图分类号:P237 文献标识码:A 文章编号:1672-5867(2023)01-0021-04Applicability of Remote Sensing Drought Index in DroughtMonitoring of Jinsha River BasinZHOU Xingyu1,JIANG Hailing1,ZHAO Yiyuan1,LI Yao1,CHEN Guangyi1,XU Xinhui2(1.Jilin Normal University,Siping 136000,China;2.Yunnan University,Kunming 650500,China)Abstract:Based on the MODIS data of Jinsha River Basin from 2015 to 2020 and the monthly precipitation and temperature data of 29 meteorological stations in the basin from 1991 to 2020,the applicability of different remote sensing drought indexes in Jinsha River Ba-sin is studied.These indexes include temperature condition index(TCI),temperature vegetation drought index(TVDI),and vegeta-tion condition index(VCI).The results of vegetation supply water index(VSWI)and standardized precipitation evapotranspiration index(SPEI)show that there are significant correlations between TCI and TVDI,VSWI and TCI,VSWI and TVDI,VSWI and VCI in each month.The correlations between TVDI and SPEI and between TCI and SPEI were statistically significant throughout the year.The correlation between SPEI and VSWI was low in January and October,and significant in other months.The correlation between SPEI and VCI is low from January to March,and the correlation is significant in other months.According to the correlation analysis of four remote sensing drought indexes and SPEI,it is suggested that TVDI should be used for drought monitoring in the upper reaches of Jinsha River;VSWI for drought monitoring in the middle reaches of Jinsha River Basin;If VCI is used for drought detection,the area should be concentrated in the middle reaches of Jinsha River,and the relevant months should be from April to December.TCI is se-lected for drought monitoring in the lower reaches of Jinsha River Basin.Key words:drought;Jinsha River;remote sensing drought index0 引 言干旱是由于淡水资源不足,威胁人类和社会经济发展的气候现象,同时干旱也是一种全球性自然灾害。社会的发展和对水资源需求的与日俱增,导致了世界各地干旱地区的增加。近年来,位于长江上游的金沙江流域干旱现象频繁,同时干旱在时间和空间上有显著差异,因此,导致金沙江流域容易受到干旱的影响。研究适用于金沙江流域最佳干旱指数,对今后可能发生的旱情进行监测,将相应损失降至最低。杨庆等利用土壤湿度和径流数据评价了 7 个气象干旱指数在中国的适用性1。Vi-cente Serrano 提出了一个基于降水量和可能蒸散量的SPEI,该指数适合监测干旱变化的特点2。张茜等通过计算 SPEI 揭示了长江经济带上游年和四季干湿时空演变特征3。现有的气象干旱指标很多,但对于适用于不同地区的遥感干旱监测指数没有取得共识。王莺等对比了7 种遥感干旱指数在 2006 年甘肃河东地区干旱期间的监测情况,并根据土壤相对湿度对各指数进行等级评价4。曲学斌等结合各遥感干旱指数特点分析了遥感干旱指数在内蒙古东部的适用性5。目前,金沙江流域干旱监测方法仍相对传统,遥感干旱指数未得到广泛应用,且现有遥感干旱指数适用性研究主要针对农业地区的干旱,对流域干旱的研究却鲜有可供参考的研究成果。因此,本文根据金沙江流域 20152020 年的 MODIS 数据,计算出TCI、TVDI、VCI 和 VSWI,并结合气温、降水等气象资料,计算 SPEI。通过 4 种遥感干旱指数进行相关分析,反映各遥感干旱指数之间的关系和对干旱描述的一致程度,并运用 SPEI 与 4 种遥感干旱指数进行相关分析,为金沙江流域干旱监测及风险评估提供依据。1 研究区概况金沙江位于长江上游,流经青藏高原、横断山脉、云南高原北部和四川山脉西南部,流域内相对高差大,平均海拔 2 000 m6。流域干流全长 3 481 km,总面积 47.46万 km2,约占长江流域面积的 26%。流域内植被纬度地带性分布明显,如半荒漠河谷、森林、高寒草甸等。年降雨量约 710 mm,主要集中在 79 月。年平均径流量约为4 750 m3/s。流域内蒸散量大于降水量,这是流域缺水和干旱的主要原因7。2 数据与预处理MODIS 是搭载于 Terra 和 Aqua 卫星上的新一代遥感光学仪器,具有高时空分辨率、高光谱分辨率和访问便捷等优点,可以同时提供大气、海洋、陆地等多种特征信息8。本文使用 20152020 年从 NASA 官方网站(https:www.nasa.gov/)下载的 MOD11A2 地表温度数据(Land Surface Temperature,LST)和 MOD13A3 植被指 数数据(Normalized Differential Vegetation Index,NDVI),并利用NASA 研发的 MODIS ReprojectionTools(MRT)软件将下载的数据进行地图投影转换和格式转换,采用最大值合成法,按月合成 LST 数据,有效地消除太阳高度角、卫星视角、轨道飘移及云层遮盖影响9,得到所需范围内的月归一化植被指数(NDVI)数据和地表温度(LST)数据。气象数据来自国家气象科学数据中心(http:/ 29 个气象站 20152020 年的月降水量数据和温度数据,利用算术平均值对缺失数据和一些异常数据值进行了插补10。3 研究方法3.1 植被状态指数 VCINDVI 是干旱研究中使用较多的植被指数,能较为准确地反映植被覆盖的时空变化特征。但因其只能反映单要素对植被的影响,在跨区域研究中有所欠缺。故KOGAN 等 在 NDVI 的 基 础 上 提 出 了 植 被 状 态 指 数VCI11。其计算公式为:VCI=NDVIi-NDVIminNDVImax-NDVImin(1)式中:NDVI 为归一化植被指数。NDVIi为当前 NDVI的值;NDVImax为多年同期 NDVI 的最大值;NDVImin为多年同期 NDVI 的最小值。VCI 取值范围在 01 之间,VCI值越大表示植物的生长状态越佳;反之则植物的生长状态欠佳,从而反映出旱情的严重程度。3.2 温度状态指数 TCIKOGAN 在地表温度时间序列基础上建立了温度状态指数,根据植被温度或土壤表面温度随水量减少而升高的原理来反映土壤水分状况,为干旱评价提供依据12。其计算公式为:TCI=LSTmax-LSTiLSTmax-LSTmin(2)式中:TCI 为温度状态指数;LST 为当前陆面观测温度;LSTmax为多年同期 LST 的最大值;LSTmin为多年同期LST 的最小值。TCI 取值范围在0 1之间,旱情越严重TCI 值越接近于 0,反之则相反。3.3 温度植被干旱指数 TVDISANDHOLT 等利用简化的 NDVI-TS 特征空间提出温度植被干旱指数,湿边被认为是一条平行于 NDVI 轴的直线,而干边则与 NDVI 呈线性关系13,并基于此建立TVDI,其计算公式为:TVDI=Ti-(l1+h1 NDVI)(l2+h2 NDVI)-(l1+h1 NDVI)(3)式中:l1和 h1、l2和 h2分别为“干边”“湿边”方程的拟合系数;Ti为地表温度,NDVI 为归一化植被指数,两者皆由遥感数据获得。TVDI 取值范围在0 1之间,值越大表明干旱程度越深,反之亦然。3.4 植被供水指数 VSWI植被供水指数的原理是,若土壤中有足够的水,植被则正常生长;若土壤缺水导致植被处于缺水状态,一是植物生长受影响,NDVI 降低;二是植被冠层温度升高14。其计算公式为:22 测绘与空间地理信息 2023 年VSWI=NDVILST(4)式中:NDVI 为归一化植被指数,LST 为地表温度,土壤内含水越少 VSWI 值越小,反之亦然。3.5 标准化降水蒸散指数 SPEI标准化降水蒸散指数是对降水量与潜在蒸散发差值序列的累积概率分布值进行正态标准化后的指数。用Penman-Monteith 方程取代 Thornth-Waite 方程计算潜在蒸散发量,并采用无偏概率加权矩进行拟合。4 结果与分析4.1 遥感干旱指数间的相关性分析遥感干旱指数间的相关性可以反映其对干旱描述的一致程度,根据不同生长阶段水分受到胁迫后植物表现的差异,本研究利用 20152020 年金沙江流域 MODIS 数据计算出 TCI、TVDI、VCI 和 VSWI 4 种较为常见的遥感干旱指数,并计算了 4 个不同遥感干旱指标之间的相关系数。由表 1 可见,TCI 与 TVDI、VSWI 与 TCI、VSWI 与 TV-DI、VSWI 与 VCI 各月的相关性均显著相关。TCI 与 VCI在冬季和春季相关性较差,这是因为冬季植被叶片表面气孔封闭,导致光合作用降低、叶片出现光抑制、叶绿素超微结构受损和叶绿素含量减少。此外,为应对春、冬两季较低气温影响植被的形态也会发生变化,从而导致 VCI的 NDVI 值受较大影响。VCI 与 TVDI 相关性较差。目前,较常用的遥感干旱指数有 20 余种。孙灏的研究表明:TCI、TVDI、VSWI 归为冠层温度变化分类体系,VCI 归为作物形态及绿度分类体系,一致性较好,但类间一致性较差15。表 1 研究区遥感干旱指数在各月的相关系数Tab.1 Correlation coefficient of remote sensing drought indexes in each monthTCI 与 VCIVCI 与 TVDITCI 与 TVDIVSWI 与 TCIVSWI 与 TVDIVSWI 与 VCI1 月0.46-0.580.960.73-0.660.382 月0.190.000.910.65-0.450.803 月0.09-0.080.970.70-0.700.664 月0.13-0.050.920.77-0.580.625 月0.60-0.260.550.60-0.420.936 月0.61-0.040.490.86-0.420.837 月0.39-0.200.830.81-0.590.388 月0.56-0.010.860.85-0.600.749 月0.45-0.430.760.83-0.510.6510 月0.45-0.460.560.75-0.580.6111 月0.28-0.380.430.45-0.460.7412 月0.29-0.400.960.66-0.540.49 表示在 0.01 水平(双侧)上显著相关。表示在 0.05 水平(双侧)上显著相关。TCI 为温度状态指数;TVDI 为温度植被干旱指数;VCI 为植被状态指数;VSWI 为植被供水指数。4.2 遥感干旱指数与 SPEI 的相关性分析本研究为避免空间数据单个栅格点可能存在噪音情况,使用气象站点对应城市遥感干旱指数平均值与对应气象站点的标准化降水蒸散指数做相关分析,见表 2。TVDI 与 SPEI、TCI 与 SPEI 相关性较高,全年均达到显著及以上水平相关(P0.05),而在其余各月均呈显著相关(P0.05),其余各月均达到显著及以上水平相关(P0.05)。这是因为降水缺少导致 VSWI 值降低,旱情加剧。土壤供水不足,NDVI 值降低,LST 值上升,导致 VSWI 降低。气象干旱主要是指水分随时间的蒸发和降水的不平衡造成的缺水,而干旱遥感指标主要集中在干旱对植物的影响上。虽然这两种观点是不同的,但气象干旱是其他类型干旱的基础。较为成熟的气象干旱指数可以用来评估遥感指数监测干旱的能力。如图 1 所示,研究期各站点 SPEI 与 4 个干旱遥感指数之间相关性的空间分布。TVDI 与 SPEI 极显著相关站点(P0.01)位于金沙江流域上游白玉、巴塘、德钦、香格里拉和中游宁蒗、丽江、鹤庆、宾川、武定等地。VCI 与 SPEI 极显著相关站点(P0.01)表 2 研究区 SPEI 与各遥感干旱指数在不同月份的相关性Tab.2 Correlation between SPEI and remote sensing drought indexes in different monthsSPEI 与 VCISPEI 与 VSWISPEI 与 TVDISPEI 与 TCI1 月0.030.11-0.550.532 月0.120.46-0.480.413 月0.140.40-0.720.654 月0.380.48-0.680.595 月0.420.49-0.410.456 月0.380.40-0.460.607 月0.520.43-0.440.408 月0.460.38-0.420.489 月0.370.41-0.480.4910 月0.410.19-0.480.3911 月0.520.37-0.580.5912 月0.470.50-0.480.43 表示在 0.01 水平(双侧)上显著相关。表示在 0.05 水平(双侧)上显著相关。VCI 为植被状态指数;TCI 为温度状态指数;VSWI 为植被供水指数;TVDI 为温度植被干旱指数;SPEI 为标准化降水蒸散指数。32第 1 期周星宇等:遥感干旱指数在金沙江流域干旱监测中的适用性研究位于金沙江流域上游德钦和中游丽江、宁蒗、华坪、永仁、东川、巧家、宁南等地。VSWI 与 SPEI 极显著相关站点(P0.01)位于金沙江流域上游白玉和中游丽江、永胜、宾川、华坪、仁和、攀枝花、永仁、大姚、武定、会理、东川等地。TCI 与 SPEI 极显著相关站点(P0.01)位于金沙江流域中游永仁、会理、会东、宁南、巧家和下游布拖、雷波、永善、绥江、屏山、宜宾等地。图 1 研究区 SPEI 与各遥感干旱指数的相关性分布Fig.1 Correlation distribution between SPEI and remote sensing drought indexes in the study area5 结束语干旱气象指数计算日趋成熟,在干旱监测中发挥着重要作用,由于金沙江流域气候时空差异较大,目前对该流域干旱现象的认识还不够。遥感干旱监测技术因其空间连续性和直观性而备受关注。1)TCI 与 TVDI、VSWI 与 TCI、VSWI 与 TVDI、VSWI 与VCI 各月的相关性均较为显著,通过了 P0.05 的显著性检验。TCI 与 VCI 在冬季和春季相关性较差,这可能是因为冬季植被叶绿素超微结构受损和叶绿素含量减少。此外,为应对春、冬两季较低气温影响植被的形态也会发生变化,从而导致计算 VCI 的 NDVI 值受较大影响。VCI 与TVDI 相关性较差,研究表明:TCI、TVDI、VSWI 应归类为冠层温度变化分类体系,VCI 应归类为作物形态及绿度分类体系,遥感干旱指数间存在聚类效应,类内指数一致性较好,但类间一致性较差。2)TVDI 与 SPEI 和 TCI 与 SPEI 全年相关性较好,均通过了 P0.05 的显著性检验,因此,它们对干旱描述的一致性较高。SPEI 与 VCI 在 1 月、2 月、3 月相关性较低,而在其余月份均呈显著相关(P0.05),其余月份均达到显著及以上水平相关(P0.05)。3)结合各遥感干旱指数的特点,建议金沙江上游地区选用 TVDI 进行干旱监测。金沙江中游地区选用 VSWI进行干旱监测。若使用 VCI 进行干旱检测区域应集中于金沙江中游地区,且相关时期应集中于 412 月,金沙江下游地区选用 TCI 进行干旱监测。参考文献:1 杨庆,李明星,郑子彦,等.7 种气象干旱指数的中国区域适应性J.中国科学:地球科学,2017,47(3):337-353.2 许玲燕,王慧敏,陈军飞,等.基于农作物生长季的干旱指数巨灾期权契约设计研究J.干旱区资源与环境,2018,32(7):140-146.3 张茜,刘冀,魏榕,等.基于 SPEI 指数的长江经济带上游干湿时空演变特征分析J.水土保持研究,2021,28(4):203-211.4 王莺,沙莎,张雷.甘肃省河东地区干旱遥感监测指数的对比和应用J.中国沙漠,2015,35(4):1 006-1 014.5 曲学斌,吴昊,越昆,等.4 种遥感干旱指数在内蒙古东部干旱监测中的对比研究J.生态与农村环境学报,2020,36(1):81-88.6 刘晓婉.金沙江流域气象因子特征及径流规律初步研究D.武汉:长江科学院,2016.7 张靖宇,杨洁,王昭艳,等.红壤丘陵区不同类型梯田产流产 沙 特 征 研 究 J.人 民 长 江,2010,41(14):99-103.8 罗彪,刘潇,郭萍.基于 MODIS 数据的河套灌区遥感干旱监测J.中国农业大学学报,2020,25(10):44-54.9 杨波,马苏,王彬武,等.基于 MODIS 的湖南省农业干旱监测模型J.自然资源学报,2012,27(10):1 788-1 796.10 史晓亮,王馨爽.黄土高原草地覆盖度时空变化及其对气候变化的响应J.水土保持研究,2018,25(4):189-194.11 KOGAN F,SULLIVAN J.Development of global drought-watch system using NOAA/AVHRR dataJ.Advances in Space Research,1993,13(5):219-222.12 于敏,王春丽.不同卫星遥感干旱指数在黑龙江的对比应用J.应用气象学报,2011,22(2):221-231.13 刘公英,申海凤,胡佳,等.基于 TVDI 指数的冬小麦旱情动态研究 以河北省邢台市为例J.干旱地区农业研究,2015,33(4):227-232.14 杨彦荣,胡国强.基于植被供水指数的旱区土壤湿度反演方法研究J.现代电子技术,2019,42(2):138-142,146.15 孙灏,陈云浩,孙洪泉.典型农业干旱遥感监测指数的比较及分类体系J.农业工程学报,2012,28(14):147-154.编辑:刘莉鑫42 测绘与空间地理信息 2023 年