王治海，劉建棟，劉 玲，鄔定榮，邱美娟，俸玉端

（中國氣象科學(xué)研究院，北京100081）

華北平原是我國冬小麥重要生產(chǎn)基地，近年來該地區(qū)干旱發(fā)生頻繁，對當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)產(chǎn)生了一定的不利影響。因此，及時(shí)地開展農(nóng)業(yè)干旱監(jiān)測預(yù)測，對于該地區(qū)農(nóng)業(yè)生產(chǎn)具有十分重要的現(xiàn)實(shí)意義。

長期以來，國內(nèi)外學(xué)者對農(nóng)業(yè)干旱監(jiān)測預(yù)測進(jìn)行了大量的較為深入的系統(tǒng)研究。Palmer［1］將前期降水和水分供需結(jié)合在水文計(jì)算系統(tǒng)中，提出了基于水平衡的干旱指數(shù)（PDSI）；安順清等［2］對帕默爾旱度模式進(jìn)行了修正，建立了我國華北地區(qū)氣象旱度模式，并提出了優(yōu)化灌溉的理論依據(jù)；王石立［3］建立了水分脅迫下的冬小麥生長模式，并進(jìn)行了冬小麥干旱影響評價(jià)；趙艷霞等［4］以農(nóng)業(yè)干旱識別和預(yù)測模型為基礎(chǔ)，開發(fā)了農(nóng)業(yè)干旱識別和預(yù)測技術(shù)系統(tǒng)；劉建棟等［5］在提出農(nóng)業(yè)干旱指數(shù)和農(nóng)業(yè)干旱預(yù)警指數(shù)的基礎(chǔ)上，建立了華北干旱預(yù)測數(shù)值模式。以上研究為農(nóng)業(yè)干旱預(yù)測提供了較為堅(jiān)實(shí)的理論基礎(chǔ)。

然而，大多數(shù)模型模擬的土壤濕度與實(shí)測值往往存在一定偏差［6－7］，對區(qū)域農(nóng)業(yè)旱情監(jiān)測預(yù)測產(chǎn)生不利影響，并且傳統(tǒng)方法對土壤水分主要進(jìn)行單點(diǎn)觀測，難以滿足實(shí)時(shí)、大范圍旱情監(jiān)測的需要［8］。相對而言，遙感技術(shù)則可以快速同步地獲取大面積的土壤水分信息，這為區(qū)域旱情監(jiān)測研究奠定了一定的基礎(chǔ)［9］。與其他遙感手段相比，微波遙感不僅能穿透云層和雨區(qū)，還能穿透一定深度的地表，從而獲取植被覆蓋的地表及地表以下一定深度的信息［10］。因此，借助微波遙感技術(shù)的優(yōu)勢，將微波遙感反演的宏觀土壤水分信息嵌入到作物干旱模型中，使模型中土壤水分“流動”更加真實(shí)，將有可能提高區(qū)域農(nóng)業(yè)旱情的預(yù)測精度，促進(jìn)農(nóng)業(yè)干旱模擬模型的發(fā)展和應(yīng)用。

基此，本研究在作物干旱模型研究基礎(chǔ)上［5］，擬以土壤水分為結(jié)合點(diǎn)，將微波遙感與作物干旱模型相結(jié)合，對河南區(qū)域農(nóng)業(yè)干旱進(jìn)行了較為深入的模擬研究，以期為該地區(qū)農(nóng)業(yè)旱情監(jiān)測提供更有力的科技支撐。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況與試驗(yàn)數(shù)據(jù)

本研究選取了具有代表性的河南省作為研究區(qū)，該地區(qū)位于中國中東部、黃河中下游，是華北地區(qū)農(nóng)產(chǎn)品的重要生產(chǎn)基地。年均氣溫12～16℃，年均降水量550～1 400mm，屬溫帶濕潤半濕潤氣候。

研究中所采用的數(shù)據(jù)包括氣象數(shù)據(jù)、站點(diǎn)數(shù)據(jù)和遙感數(shù)據(jù)。其中，氣象數(shù)據(jù)為中國氣象局提供的1961—2006年河南省17個(gè)氣象站點(diǎn)的逐日氣象要素值，包括輻射、最高氣溫、最低氣溫、水汽壓、風(fēng)速和降雨量等。其中，部分輻射數(shù)據(jù)左大康等［11］的研究用常規(guī)資料處理得到；站點(diǎn)數(shù)據(jù)來自全國農(nóng)業(yè)氣象觀測記錄報(bào)表1—2，報(bào)表1包括2001—2006年鄭州及信陽2個(gè)站點(diǎn)有冬小麥種植的農(nóng)業(yè)氣象觀測資料，即冬小麥生長發(fā)育期、生長狀況、干物重、產(chǎn)量以及葉面積指數(shù)（LAI）等。報(bào)表2包括河南省17個(gè)站點(diǎn)的土壤參數(shù)數(shù)據(jù)，即土壤容重、田間持水量和凋萎系數(shù)等。無觀測數(shù)據(jù)的站點(diǎn)，選取距離該站最近的站點(diǎn)資料替代；表層土壤水分遙感數(shù)據(jù)是美國冰雪數(shù)據(jù)中心（NSIDC）AMSR－E＿L3＿DailyLand＿V06產(chǎn)品的重采樣結(jié)果［12－13］。AMSR－E傳感器于2002年由美國NASA發(fā)射的Aqua衛(wèi)星搭載升空，其赤道過境時(shí)間約為當(dāng)?shù)貢r(shí)間下午1：30（升軌）和凌晨1：30（降軌）［12］。有研究表明，AMSR－E傳感器升軌時(shí)的數(shù)據(jù)質(zhì)量在一定程度上優(yōu)于降軌［14］。因此本文選取了該傳感器升軌時(shí)的表層土壤水分逐日遙感數(shù)據(jù)，其時(shí)間序列為2004—2006年。由于冬小麥在拔節(jié)后對土壤水分的盈虧更加敏感，因此提取各年3—6月的遙感數(shù)據(jù)用于本研究。

1.2 研究方法

本研究采用的作物干旱模型是在ARID CROP模型基礎(chǔ)上改進(jìn)而來的［5，15］。De Wit與van Keulun在原De Wit理論的基礎(chǔ)上，考慮了光、溫、水對作物相互作用的影響，發(fā)展了一個(gè)ARID CROP數(shù)值模擬模型［16－17］。該模型機(jī)理性很強(qiáng)，主要依據(jù)作物生長的生

式中：Pnet——葉 片 凈 光 合 速 率 〔kg／（hm2·h）〕；α——初始光合作用量子效率；Par——光合有效輻射〔cal／（cm2·h）〕；Pmax——最大光合速率〔kg／（hm2·h）〕；Rd——呼吸速率〔kg／（hm2·h）〕。

（3）潛在蒸騰。依據(jù)能量平衡原理，潛熱通量LE可表示為：理特點(diǎn)設(shè)計(jì)，用于模擬作物在土壤水分因子影響下的生長過程［18］。模型主要由初始化、潛在日總光合量、潛在蒸騰、實(shí)際蒸騰等子模型構(gòu)成，其主要部分如下：

（1）初始化。模型的初始化主要是將作物參數(shù)、土壤參數(shù)等基本信息以相應(yīng)的文件格式輸入，為模型的模擬計(jì)算奠定基礎(chǔ)。

（2）潛在日光和總量。潛在日光合總量為冠層光合量時(shí)空上的積分，其計(jì)算公式為：

式中：LE——汽化潛熱（mm／d）；Rn——單位葉面積吸收的輻射量〔cal／（cm2·d）〕；Ea——空氣干燥力（mm／d）；Δ——溫度—飽和水汽壓曲線斜率（mb／K）；r——視干濕表常數(shù)（mb／K）。視干濕表常數(shù)r的計(jì)算公式為：

式中：r0——常數(shù)（r0＝0.63mb／K）；ra——邊界層阻力（d／cm）；rc——葉片表面對水汽的阻力 （d／cm）?？諝飧稍锪a的計(jì)算公式為：

式中：ea——飽和水汽壓（mb）；e——實(shí)際水汽壓（mb）；ρ——空氣密度（g／cm3）；Cp——空氣的定壓比熱容〔J／（g·K）〕。

（4）實(shí)際蒸騰。利用達(dá)西定律與物質(zhì)連續(xù)方程聯(lián)立的思路，采用水分平衡方法求解實(shí)際蒸騰速率。其中，達(dá)西定律與物質(zhì)連續(xù)方程聯(lián)立，可以推導(dǎo)出以下關(guān)系式：

式中：C（h）——單位時(shí)間內(nèi)的容積含水量（mm／h）；h——土壤水壓差（mm）；K（h）——導(dǎo)水率（mm／h）；t——時(shí)間（h）；z——垂直坐標(biāo)（mm）；S——單位土壤容積的根在單位時(shí)間內(nèi)吸收的水量（mm／h）。

之后，研究人員對模型不斷改進(jìn)以應(yīng)用于不同國家的很多地區(qū)。劉建棟等［5］在提出農(nóng)業(yè)干旱指數(shù)和農(nóng)業(yè)干旱預(yù)警指數(shù)兩個(gè)基本概念的基礎(chǔ)上，將模型進(jìn)一步發(fā)展成我國華北地區(qū)農(nóng)業(yè)干旱預(yù)測數(shù)值模式。該模式的時(shí)間步長為1d，需要輸入的數(shù)據(jù)有輻射、最高氣溫、最低氣溫、水汽壓、風(fēng)速和降雨量等。

土壤水分反演采用了指數(shù)濾波方法［19］，利用表層土壤水分遙感數(shù)據(jù)反演0—20cm土層的土壤水分。指數(shù)濾波法主要是依據(jù)表層與深層土壤水分的關(guān)系得到，具體算法如下：

式中：SWI——土壤水分指數(shù)（0≤SWI≤1）；ms（ti）——ti時(shí)刻表層土壤濕度遙感反演值（標(biāo)準(zhǔn)化，無量綱）；T——特征時(shí)間長度（d）。特征時(shí)間長度是計(jì)算土壤水分指數(shù)SWI的關(guān)鍵參數(shù)，其計(jì)算思路為：賦予T一組特定值Ti，計(jì)算每一個(gè)Ti對應(yīng)的SWI與田間實(shí)測值（標(biāo)準(zhǔn)化）的相關(guān)系數(shù)。提取相關(guān)系數(shù)最大值Rmax，此時(shí)Rmax對應(yīng)的Ti即特征時(shí)間長度最優(yōu)值。為反演深層土壤濕度，還需要一些與土壤質(zhì)地有關(guān)的信息，如田間持水量、凋萎系數(shù)等。其關(guān)系式為

式中：W——深層土壤濕度（%）；WL——凋萎系數(shù)（%）；FC——田間持水量（%）。

得到0—20cm土層的土壤濕度后，將反演結(jié)果替代模型中同一土層含水量的計(jì)算過程，從而實(shí)現(xiàn)微波遙感與作物干旱模型的鏈接。模型分別采用鏈接遙感技術(shù)和不鏈接遙感技術(shù)2種方式模擬冬小麥生長過程中的農(nóng)業(yè)干旱情況，進(jìn)而評價(jià)基于遙感信息的作物干旱模型的模擬能力。

2 結(jié)果與分析

2.1 模型校正及驗(yàn)證

以鄭州站點(diǎn)為代表點(diǎn)，將實(shí)測資料按年份均衡分組，其中2001—2003年的資料作為模型校正，2004—2006年的數(shù)據(jù)用于模型驗(yàn)證。由圖1可知，校正后的模型預(yù)測的干物重與實(shí)測值吻合較好；葉面積指數(shù)（LAI）預(yù)測值隨時(shí)間的變化趨勢與實(shí)際情況也比較一致。因此，校正后的模型能較好地預(yù)測冬小麥生長發(fā)育過程，其預(yù)測結(jié)果能反映冬小麥生長發(fā)育的基本趨勢。

圖1 干物重、LAI的預(yù)測值與實(shí)測值比較

2.2 土壤水分遙感反演

采用指數(shù)濾波方法［19］，利用表層土壤水分遙感數(shù)據(jù)（0—1cm土層）反演0—20cm土層的土壤水分指數(shù)SWI。在此基礎(chǔ)上，結(jié)合實(shí)測資料反演得到0—20cm土層的土壤濕度。

（1）特征時(shí)間長度最優(yōu)值確定。特征時(shí)間長度T是反演土壤水分指數(shù)SWI（0—20cm土層）一個(gè)極其關(guān)鍵的參數(shù)，其計(jì)算過程為：利用式（7）對遙感反演資料和田間實(shí)測資料標(biāo)準(zhǔn)化，并剔除不在正常范圍（0≤SWI≤1）內(nèi)的數(shù)值。在此基礎(chǔ)上，計(jì)算每一個(gè)特征時(shí)間長度T（4d≤T≤30d，T為整數(shù)）對應(yīng)的SWI，繼而求出SWI計(jì)算值與實(shí)測值的相關(guān)系數(shù)R。

由圖2可知，相關(guān)系數(shù)R在0.31與0.39之間波動。T等于11d時(shí)，相關(guān)系數(shù)R達(dá)到0.38以上；當(dāng)T不等于11d時(shí)，相關(guān)系數(shù)R均小于0.38。綜上所述，當(dāng)特征時(shí)間長度T等于11d時(shí)，對應(yīng)的相關(guān)系數(shù)R最大（R＝0.382），SWI計(jì)算值與實(shí)測值最接近。因此，特征時(shí)間長度最優(yōu)值為11d。

圖2 不同特征時(shí)間長度T對應(yīng)的相關(guān)系數(shù)

（2）深層土壤水分反演。在確定最優(yōu)特征時(shí)間長度（T＝11d）的基礎(chǔ)上，利用式（6）計(jì)算出0—20cm土層的土壤水分指數(shù)SWI。之后，結(jié)合田間實(shí)測資料，由式（7）反演得到土壤濕度。進(jìn)一步對反演值與實(shí)測值的符合度進(jìn)行檢驗(yàn)，結(jié)果如表1所示。

表1顯示，均方根誤差RMSE的平均值為6.3%。由此說明，土壤濕度反演結(jié)果與實(shí)際情況比較接近，其反演效果較好。

表1 土壤濕度反演結(jié)果統(tǒng)計(jì)檢驗(yàn)

2.3 微波遙感與作物干旱模型的結(jié)合

在調(diào)整模型參數(shù)的基礎(chǔ)上，將0—20cm土層的土壤濕度遙感反演信息直接嵌入到模型中，實(shí)現(xiàn)微波遙感與作物干旱模型的結(jié)合，繼而對冬小麥生長發(fā)育及其農(nóng)業(yè)干旱進(jìn)行模擬。

（1）冬小麥生長發(fā)育模擬。以2004—2006年鄭州站點(diǎn)冬小麥生長發(fā)育為例，檢驗(yàn)基于遙感信息的作物干旱模型對葉面積指數(shù)的模擬效果。由表2可知，引入遙感信息后，葉面積指數(shù)模擬值與實(shí)測值的均方根誤差RMSE由1.76降低至1.75。由此說明，將微波遙感與作物干旱模型相結(jié)合，可以在一定程度上提高模型對作物生長發(fā)育的模擬能力。

表2 葉面積指數(shù)模擬值與實(shí)測值的均方根差RMSE

（2）農(nóng)業(yè)干旱模擬。目前，農(nóng)業(yè)氣象旬報(bào)中只有農(nóng)業(yè)干旱的定性描述，而沒有類似溫度、降水等氣象要素的定量記錄，這為模型驗(yàn)證帶來一定困難［5］。為解決這一問題，引入基準(zhǔn)值這一概念，以更好地實(shí)現(xiàn)模型驗(yàn)證?；鶞?zhǔn)值的計(jì)算方法為，采用3次樣條函數(shù)對土壤水分實(shí)測數(shù)據(jù)進(jìn)行插值，得到逐日土壤水分?jǐn)?shù)據(jù)。之后，將插值結(jié)果替代作物干旱模型中土壤水分的計(jì)算過程，其模擬結(jié)果即為基準(zhǔn)值。模型驗(yàn)證分為單點(diǎn)驗(yàn)證和區(qū)域驗(yàn)證。

首先進(jìn)行單點(diǎn)驗(yàn)證，將農(nóng)業(yè)氣象旬報(bào)中的定性描述按農(nóng)業(yè)干旱預(yù)警指數(shù)定義［5］轉(zhuǎn)化為相應(yīng)的農(nóng)業(yè)干旱預(yù)警指數(shù)數(shù)值（SP），并作為實(shí)測值與模擬結(jié)果對比。以盧氏、商丘和許昌等站點(diǎn)的冬小麥生長過程為例，對農(nóng)業(yè)干旱預(yù)警指數(shù)基準(zhǔn)值的模擬效果進(jìn)行檢驗(yàn)。由圖3所示，在農(nóng)業(yè)氣象旬報(bào)沒有旱情記錄時(shí)（3月），基準(zhǔn)值與實(shí)測值之間存在一定差異。而對于有記錄的農(nóng)業(yè)干旱時(shí)段（4月上旬至5月下旬），基準(zhǔn)值與實(shí)測值比較接近，模型對這一時(shí)段的旱情有較為準(zhǔn)確的再現(xiàn)。因此，農(nóng)業(yè)干旱預(yù)警指數(shù)基準(zhǔn)值具有較高的可靠性，可以作為模型驗(yàn)證的基礎(chǔ)。

進(jìn)而利用改進(jìn)后的模型對區(qū)域農(nóng)業(yè)干旱進(jìn)行模擬驗(yàn)證。農(nóng)業(yè)氣象旬報(bào)記錄：2004年5月中旬，“除豫北、豫西南、豫東南等地墑情適宜外，其他縣市均表現(xiàn)出不同程度的旱情，尤其是豫中大部、豫南部分等地土壤濕度≤10%，屬重度干旱”（附圖7）。由附圖7可知，對于豫中大部分地區(qū)，農(nóng)業(yè)干旱模擬結(jié)果與實(shí)際情況比較吻合，均顯示該地區(qū)出現(xiàn)了嚴(yán)重干旱；在豫北、豫南和豫東南等地，模擬結(jié)果顯示這些地區(qū)農(nóng)業(yè)干旱程度很輕，其墑情接近適宜狀態(tài)，這與旬報(bào)記錄也比較一致。從總體上看，基準(zhǔn)值的模擬結(jié)果比較符合旬報(bào)記錄的描述，再次證明基準(zhǔn)值可以作為模型驗(yàn)證的基礎(chǔ)。

圖3 農(nóng)業(yè)干旱預(yù)警指數(shù)模擬值與實(shí)測值的比較

將模型分別采用鏈接遙感技術(shù)和不鏈接遙感技術(shù)2種方式模擬區(qū)域農(nóng)業(yè)干旱，并將其模擬結(jié)果與基準(zhǔn)值進(jìn)行對比。結(jié)果表明，對于豫北地區(qū)，鏈接遙感技術(shù)的模型的模擬結(jié)果顯示該地區(qū)墑情適宜，而單純模型的模擬結(jié)果表明該地區(qū)農(nóng)業(yè)干旱嚴(yán)重。結(jié)合基準(zhǔn)值與農(nóng)業(yè)氣象旬報(bào)記錄可知，引入遙感信息后，模型在豫北地區(qū)的模擬結(jié)果更接近實(shí)際情況。此外，對于其他地區(qū)（如豫中大部），基于遙感信息的模型的模擬結(jié)果也更加接近基準(zhǔn)值和旬報(bào)記錄。因此可以認(rèn)為，引入遙感信息后，作物干旱模型對區(qū)域農(nóng)業(yè)干旱的模擬能力有明顯的提高。

3 結(jié)論與討論

（1）引入遙感信息后，模型對冬小麥生長發(fā)育模擬的準(zhǔn)確率有所提高，并且單點(diǎn)農(nóng)業(yè)干旱的模擬結(jié)果更接近實(shí)際情況。

（2）區(qū)域農(nóng)業(yè)干旱驗(yàn)證結(jié)果表明，將微波遙感與作物干旱模型相結(jié)合，可以提高模型對農(nóng)業(yè)干旱的模擬能力，這為農(nóng)業(yè)旱情監(jiān)測提供了更有力的科技支撐。

本研究嘗試以土壤水分為結(jié)合點(diǎn)，將微波遙感技術(shù)與作物干旱模型相結(jié)合，使模型中土壤水分“流動”更加真實(shí)，起到了優(yōu)化模型的作用，進(jìn)而提高了區(qū)域農(nóng)業(yè)旱情的模擬精度。但本文作為初步嘗試，還存在一些不足之處。例如本文只改進(jìn)了模型中0—20cm土層含水量的計(jì)算過程，進(jìn)一步的研究將擴(kuò)展到土壤的更深層次。隨著遙感技術(shù)和作物干旱模型的進(jìn)一步發(fā)展，將兩者結(jié)合進(jìn)行農(nóng)業(yè)干旱監(jiān)測預(yù)測是今后研究的主要方向，同時(shí)還會出現(xiàn)更多的問題需要深入探討。

［1］ Palmer W C.Meteorological drought［M］.Washington D C，USA：U S Weather Bureau，1965：45-58.

［2］ 安順清，邢久星.帕默爾氣象旱度模式的修正［J］.氣象科學(xué)研究院院刊，1986，1（1）：75-82.

［3］ 王石立.冬小麥生長模式及其在干旱影響評估中的應(yīng)用［J］.應(yīng)用氣象學(xué)報(bào)，1998，9（1）：15-23.

［4］ 趙艷霞，莊立偉，王馥棠.農(nóng)業(yè)干旱識別和預(yù)測技術(shù)系統(tǒng)［J］.應(yīng)用氣象學(xué)報(bào)，2000，11（S1）：192-199.

［5］ 劉建棟，王馥棠，于強(qiáng)，等.華北地區(qū)農(nóng)業(yè)干旱預(yù)測模型及其應(yīng)用研究［J］.應(yīng)用氣象學(xué)報(bào)，2003，14（5）：593-604.

［6］ Stamm J F，Wood E F，Lettenmaier D P.Sensitivity of a GCM simulation of global climate to the representation of land-surface hydrology［J］.Journal of Climate，1994，7（8）：1218-1239.

［7］ Liang X，Wood E F，Lettenmaier D P.Surface soil moisture parameterization of the VIC-2Lmodel：evaluation and modification［J］.Global and Planetary Change，1996，13（1／4）：195-206.

［8］ 王利民，劉佳，鄧輝，等.我國農(nóng)業(yè)干旱遙感監(jiān)測的現(xiàn)狀與展望［J］.中國農(nóng)業(yè)資源與區(qū)劃，2008，32（6）：4-8.

［9］ 劉歡，劉榮高，劉世陽.干旱遙感監(jiān)測方法及其應(yīng)用發(fā)展［J］.地球信息科學(xué)學(xué)報(bào)，2012，14（2）：232-239.

［10］ 楊紹鍔，閆娜娜，吳炳方.農(nóng)業(yè)干旱遙感監(jiān)測研究進(jìn)展［J］.遙感信息，2010，1（21）：103-109.

［11］ 左大康.地球表層輻射研究［M］.北京：科學(xué)出版社，1991：1-25.

［12］ Njoku E G，Jackson T J，Lakshmi V，et al.Soil moisture retrieval from AMSR-E［J］.IEEE Transactions on Geoscience and Remote Sensing，2003，41（2）：215-229.

［13］ Jackson T J，Cosh M H，Bindlish R，et al.Validation of advanced microwave scanning radiometer soil products［J］.IEEE Transactions on Geoscience and Remote Sensing，2010，48（12）：4256-4272.

［14］ Brocca L，Hasenauer S，Lacava T，et al.Soil moisture estimation through ASCAT and AMSR-E sensors：an intercomparison and validation study across Europe［J］.Remote Sensing of Environment，2011，115（12）：3390-3408.

［15］ 王天鐸.數(shù)值模擬在黃淮海地區(qū)生物資源評價(jià)中的應(yīng)用［M］∥劉昌明.中國水問題研究.北京：氣象出版社，1996：191-197.

［16］ van Keulen H，Seligman N G，Benjiami R W.Simulation of water use and herbage growth in arid regions：A revaluation and further development of the model“ARID CROP”［J］.Agricultural Systems，1981，6（3）：159-193.

［17］ Penning F W T，van Laar H H.Simulation of plant growth and crop production［M］.PUDOC：Wageningen，1982：40-82.

［18］ 李明星，劉建棟，王馥棠，等.分布式水文模型在陜西省冬小麥產(chǎn)量模擬中的應(yīng)用［J］.水土保持通報(bào)，2008，28（5）：148-154.

［19］ Wagner W，Lemoine G，Rott H.A method for estimating soil moisture from ERS scatterometer and soil data［J］.Remote Sens.Environ.，1999，70（2）：191-207.