王俊霞， 朱秀芳， 劉憲鋒， 潘耀忠,3,4

(1.北京師范大學(xué)遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875； 2.北京師范大學(xué)地表過(guò)程與資源生態(tài)國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100875； 3.北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875；4.北京師范大學(xué)北京市陸表遙感數(shù)據(jù)產(chǎn)品工程技術(shù)研究中心，北京 100875；5.陜西師范大學(xué)旅游與環(huán)境學(xué)院，西安 710062)

0 引言

干旱是由水分收支或供求不平衡所形成的水分虧缺現(xiàn)象[1]。國(guó)際上通常將干旱分為4類，分別是氣象干旱、農(nóng)業(yè)干旱、水文干旱和經(jīng)濟(jì)社會(huì)干旱[2]，其中農(nóng)業(yè)生態(tài)系統(tǒng)受干旱的影響最為嚴(yán)重[3]。氣候變化及其對(duì)水資源和糧食產(chǎn)量的影響將成為21世紀(jì)全球各國(guó)需要共同應(yīng)對(duì)的科學(xué)問(wèn)題。干旱指標(biāo)是干旱研究的基礎(chǔ)，從20世紀(jì)90年代中期至今發(fā)展出了近百種干旱指數(shù)[2]。初期干旱指數(shù)主要是基于氣象站點(diǎn)的實(shí)測(cè)數(shù)據(jù)建立的，運(yùn)用較為廣泛的有帕默爾干旱指數(shù)、標(biāo)準(zhǔn)化降水指數(shù)和標(biāo)準(zhǔn)化蒸散指數(shù)等； 20世紀(jì)90年代末期，以遙感數(shù)據(jù)為基礎(chǔ)的干旱指數(shù)開(kāi)始涌現(xiàn)，包括植被狀態(tài)指數(shù)(vegetation condition index，VCI)、植被供水指數(shù)和溫度植被干旱指數(shù)等。

由于單一要素很難反映農(nóng)業(yè)干旱綜合信息，近年來(lái)，國(guó)內(nèi)外學(xué)者嘗試綜合多種遙感數(shù)據(jù)來(lái)構(gòu)建綜合干旱指數(shù)，提高干旱監(jiān)測(cè)的精度。其中，Rhee等[4]利用地表溫度 (land surface temperature，LST)、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)和熱帶降水測(cè)量任務(wù)(tropical rainfall measuring mission，TRMM)的降水量數(shù)據(jù)，通過(guò)線性加強(qiáng)組合的方式構(gòu)建了適合于干旱和濕潤(rùn)地區(qū)的干旱監(jiān)測(cè)指數(shù)； Hao等[5]在系統(tǒng)對(duì)比不同干旱監(jiān)測(cè)指標(biāo)的基礎(chǔ)上，提出了多變量干旱監(jiān)測(cè)指標(biāo)，該指標(biāo)綜合了降水和土壤水分等信息，被驗(yàn)證為有效的干旱監(jiān)測(cè)指標(biāo)； Zhang等[6]將微波數(shù)據(jù)用于干旱監(jiān)測(cè)，通過(guò)枚舉的方式設(shè)置權(quán)重，構(gòu)建出一系列適合于不同區(qū)域以及不同時(shí)間尺度的干旱指數(shù)； Tadesse等[7]首次將數(shù)據(jù)挖掘技術(shù)運(yùn)用于干旱監(jiān)測(cè)。

然而，由于干旱受自然條件及人類活動(dòng)等多重因素的影響，具有復(fù)雜性及不確定性，目前尚未形成適合不同區(qū)域和不同尺度的有效干旱監(jiān)測(cè)模型。本文采用TRMM降水、LST和NDVI等多源遙感數(shù)據(jù)對(duì)河南省進(jìn)行干旱評(píng)價(jià)研究，以期為建立適合特定區(qū)域的干旱監(jiān)測(cè)模型提供方法借鑒。首先，綜合考慮降水、LST及植被生長(zhǎng)狀況，分別計(jì)算VCI、溫度狀態(tài)指數(shù)(temperature condition index，TCI)以及降水狀態(tài)指數(shù)(tropical rainfall condition index，TRCI)3個(gè)遙感參量； 其次，利用氣象站點(diǎn)月平均降水量數(shù)據(jù)得到2014年的標(biāo)準(zhǔn)化降水指數(shù)(standardized precipitation index，SPI)，結(jié)合土地利用類型數(shù)據(jù)確定三者的權(quán)重； 然后，通過(guò)線性加權(quán)求和的方式，構(gòu)建農(nóng)業(yè)干旱指數(shù)(agricultural drought index，ADI)，利用SPI對(duì)模型進(jìn)行驗(yàn)證，計(jì)算3組權(quán)重得到的3個(gè)農(nóng)業(yè)干旱指數(shù)與SPI的相關(guān)系數(shù)，確定出一個(gè)最為合適的農(nóng)業(yè)干旱指數(shù)，并根據(jù)SPI的等級(jí)劃分所構(gòu)建的農(nóng)業(yè)干旱指數(shù)劃分等級(jí)； 最后，以2014年為例，應(yīng)用構(gòu)建的農(nóng)業(yè)干旱指數(shù)對(duì)河南省的干旱情況進(jìn)行定性分析。

1 數(shù)據(jù)源

1.1 MODIS數(shù)據(jù)

MODIS是搭載在Terra和Aqua衛(wèi)星上的一個(gè)重要的傳感器。MODIS產(chǎn)品可以分為大氣標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品、陸地標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品和海洋標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品3大標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，這3大類產(chǎn)品又可以細(xì)分為44小類。本研究主要采用的是2005—2014年間空間分辨率為1 km的陸地標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品，包括地表溫度產(chǎn)品MOD11A2及植被指數(shù)產(chǎn)品MOD13A3。

1.2 TRMM數(shù)據(jù)

TRMM衛(wèi)星是美國(guó)地球探測(cè)系列衛(wèi)星的組成部分[8]，該衛(wèi)星搭載了5個(gè)傳感器，分別是測(cè)水雷達(dá)、雷電圖像儀、微波圖像儀、云和地球輻射能量感應(yīng)器以及可見(jiàn)光和紅外掃描儀。本文采用的TRMM3B43數(shù)據(jù)集是空間分辨率為0.25°×0.25°格點(diǎn)的月降水速率數(shù)據(jù)集，覆蓋范圍為全球S50°～N50°地帶。該數(shù)據(jù)以HDF格式進(jìn)行存儲(chǔ)，產(chǎn)品包含2層，分別是降水量和相對(duì)誤差。選取2005—2014年間的TRMM3B43降水?dāng)?shù)據(jù)作為河南省農(nóng)業(yè)干旱監(jiān)測(cè)模型構(gòu)建的一個(gè)因子。

1.3 其他數(shù)據(jù)資料

研究過(guò)程中還利用了中國(guó)氣象數(shù)據(jù)網(wǎng)下載的1980—2014年間河南省范圍內(nèi)具有代表性的20個(gè)氣象站點(diǎn)月平均降水量數(shù)據(jù)。舍棄數(shù)據(jù)不連續(xù)的氣象站點(diǎn)并綜合考慮氣象站的空間分布特征，最終選取了安陽(yáng)、新鄉(xiāng)、三門峽、盧氏、孟津、欒川、鄭州、許昌、開(kāi)封、西峽、南陽(yáng)、寶豐、西華、駐馬店、信陽(yáng)、商丘和固始共17個(gè)氣象站的數(shù)據(jù)。

此外，還采用了從地理國(guó)情監(jiān)測(cè)云平臺(tái)獲取的河南省土地利用類型圖，從Google Earth上獲取的底圖、從地理空間數(shù)據(jù)云獲取的30 m空間分辨率的數(shù)字高程模型數(shù)據(jù)以及全國(guó)1∶400萬(wàn)比例尺基礎(chǔ)地理信息數(shù)據(jù)在內(nèi)的其他輔助數(shù)據(jù)。

2 農(nóng)業(yè)干旱監(jiān)測(cè)模型構(gòu)建

綜合考慮植被生長(zhǎng)狀況、地表溫度及降水量，選取VCI，TCI以及TRCI作為遙感參量因子。氣象參量選取了不同時(shí)間尺度的SPI。權(quán)重的確定采用層次分析法(analytic hierarchy process，AHP)。

2.1 遙感參量計(jì)算

2.1.1 VCI

綠色植被敏感波段的反射率會(huì)隨植被狀態(tài)的變化而變化，從而在遙感影像上被探測(cè)出來(lái)[9]。據(jù)統(tǒng)計(jì)，國(guó)內(nèi)外20世紀(jì)90年代末期植被指數(shù)就已經(jīng)多達(dá)幾十種[10]，本文選取了Kogan[11]1995年提出的VCI，以及NDVI來(lái)反映農(nóng)作物的長(zhǎng)勢(shì)情況，即

(1)

(2)

式中：ρnir和ρred分別表示地物在近紅外波段和紅光波段上的反射率；NDVIi表示目標(biāo)年份第i月的NDVI；NDVImin和NDVImax分別表示多年時(shí)間序列中第i月份NDVI的最大和最小值。因此，利用NDVImax減NDVImin，通過(guò)多年的NDVI數(shù)據(jù)求取第i月多年間NDVI的最大變化范圍，反映了當(dāng)?shù)刂脖坏纳L(zhǎng)環(huán)境；NDVIi減NDVImin在一定意義上表示了目標(biāo)年份第i月研究區(qū)的植被信息，值越小表示目標(biāo)年份該月作物長(zhǎng)勢(shì)越差。

2.1.2 TCI

已有研究表明植被冠層溫度可以作為發(fā)生干旱的指示器[12]。TCI強(qiáng)調(diào)了溫度與植物生長(zhǎng)的關(guān)系，原理是植被冠層或土壤表面溫度隨著水分脅迫的增加而增加，不受作物生長(zhǎng)季節(jié)的限制，適用于長(zhǎng)時(shí)間序列及大區(qū)域的相對(duì)干旱監(jiān)測(cè)[13]。其計(jì)算公式為

(3)

式中：LSTi表示目標(biāo)年份第i月的LST；LSTmin和LSTmax分別表示多年時(shí)間序列中第i月份LST的最大和最小值。TCI越小表示目標(biāo)年份該月越干旱。

2.1.3 TRCI

降水在全球水與能量循環(huán)中起著重要作用，反映了天氣和氣候的變化特征[14]。TRMM3B43是月降水速率數(shù)據(jù)集，mm·h-1。馬蘇[15]參考Kogan提出的VCI和TCI，對(duì)TRMM數(shù)據(jù)進(jìn)行相應(yīng)變換處理，定義了TRCI，并用于洞庭湖流域的農(nóng)業(yè)干旱遙感監(jiān)測(cè)研究，取得了較好的結(jié)果，即

(4)

式中：TRMMi為目標(biāo)年份第i月的TRMM；TRMMmin和TRMMmax分別為多年時(shí)間序列中第i月份TRMM的最大和最小值。TRCI越小，表明目標(biāo)年份該月降水越少。

2.2 氣象參量計(jì)算

通常一個(gè)地區(qū)某段時(shí)間的干旱程度，主要決定于降水量與平均狀態(tài)相比的偏少程度，而不在于當(dāng)?shù)仄骄康拇笮16]。SPI是由McKee等[14]于1993年提出的一種計(jì)算過(guò)程簡(jiǎn)便、時(shí)間尺度靈活、對(duì)區(qū)域干旱反應(yīng)敏捷、在不同時(shí)間尺度以及不同區(qū)域都具有可比性的氣象干旱指數(shù)，適合于月以上尺度的干旱監(jiān)測(cè)與評(píng)估。

本文從中國(guó)氣象數(shù)據(jù)網(wǎng)下載了河南省17個(gè)氣象站點(diǎn)1980—2014年間的月平均降水量數(shù)據(jù)，對(duì)目標(biāo)年份多時(shí)間尺度的SPI進(jìn)行計(jì)算，得到目標(biāo)年份時(shí)間尺度為30 d的標(biāo)準(zhǔn)化降水指數(shù)SPI-1以及時(shí)間尺度為90 d的標(biāo)準(zhǔn)化降水指數(shù)SPI-3。

2.3 模型構(gòu)建

綜合植被指數(shù)、地表溫度以及降水?dāng)?shù)據(jù)，選取了3個(gè)變化范圍為[0，1]的無(wú)量綱量指數(shù)作為遙感指標(biāo)，分別為VCI，TCI及TRCI。定義ADI為

ADI=aVCI+bTCI+cTRCI，

(5)

式中a，b和c為權(quán)重系數(shù)，三者之和為1。

為了確定權(quán)重系數(shù)，利用氣象參量SPI-1和SPI-3確定三者的相對(duì)重要性，之后使用AHP法，根據(jù)SPI確定出來(lái)的相對(duì)重要性，構(gòu)造判斷矩陣，最終確定權(quán)重。

2.3.1 指標(biāo)權(quán)重的確定

各指標(biāo)權(quán)重的確定采用AHP法，該方法是20世紀(jì)70年代由美國(guó)運(yùn)籌學(xué)家Saaty提出的決策分析方法[17]。構(gòu)建權(quán)重具體步驟如下：

1)判斷各因素重要性并構(gòu)建判斷矩陣。采用AHP法中的層次單排序。構(gòu)造判斷矩陣時(shí)，需要對(duì)各因素相對(duì)重要性進(jìn)行判斷，然后結(jié)合5級(jí)標(biāo)度法構(gòu)造判斷矩陣。

表1 5級(jí)標(biāo)度法及其含義Tab.1 Meaning of five scales method

由5級(jí)標(biāo)度法及其含義可知，為了使判斷矩陣更具有說(shuō)服力，需要合理地判斷3個(gè)指數(shù)的相對(duì)重要程度。首先，計(jì)算VCI，TCI和TRCI3個(gè)指數(shù)與SPI的相關(guān)系數(shù)，將相關(guān)系數(shù)作為確定3個(gè)指數(shù)的相對(duì)重要性的參考之一； 然后，結(jié)合已有的研究及各指數(shù)的特點(diǎn)，最終確定相對(duì)重要性； 最后，結(jié)合5級(jí)標(biāo)度法構(gòu)建判斷矩陣。

計(jì)算相關(guān)系數(shù)時(shí)，需要將遙感數(shù)據(jù)和氣象站點(diǎn)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，以2014年的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，首先利用ArcGIS將VCI、土地利用數(shù)據(jù)、TCI、氣象站點(diǎn)與TRCI進(jìn)行空間疊加[18]； 其次，參考土地利用圖，在每一個(gè)氣象站點(diǎn)附近的農(nóng)田區(qū)域新建一個(gè)矢量點(diǎn)，將該點(diǎn)圖層命名為farm-point； 然后，利用ArcGIS中的鄰域統(tǒng)計(jì)功能，以新建的農(nóng)田區(qū)域中各矢量點(diǎn)為中心，選取3×3的像元窗口，將每個(gè)窗口內(nèi)像元各遙感指標(biāo)的平均值作為與氣象站數(shù)據(jù)匹配的MODIS值，并將得到的值提取至farm-point圖層； 最后，將數(shù)據(jù)導(dǎo)出后利用SPSS統(tǒng)計(jì)軟件，分析17個(gè)氣象站點(diǎn)的SPI值與對(duì)應(yīng)農(nóng)田點(diǎn)遙感指標(biāo)的相關(guān)系數(shù)，結(jié)果見(jiàn)表2。

表2 遙感指標(biāo)和氣象參量的相關(guān)系數(shù)Tab.2 Correlation coefficients between remote sensing and meteorological parameters

①*為在0.05水平(雙側(cè))上顯著相關(guān)； ②**為在0.01水平(雙側(cè))上顯著相關(guān)。

由于SPI值和TRMM都是降水?dāng)?shù)據(jù)，所以時(shí)間尺度為30 d的SPI-1與TRCI相關(guān)系數(shù)最高，與VCI相關(guān)系數(shù)最低，相比之下，SPI-3更適合作為VCI確定權(quán)重的參考依據(jù)。如果可以得到綜合氣象指數(shù)或氣象站點(diǎn)所在地區(qū)的糧食產(chǎn)量，可以用同樣的方法確定相對(duì)重要性作為參考。由于數(shù)據(jù)限制，在構(gòu)建判斷矩陣時(shí)還參考了已有的干旱監(jiān)測(cè)模型。杜靈通[9]利用數(shù)據(jù)挖掘的方法對(duì)山東省進(jìn)行研究時(shí)，得到的一系列綜合干旱監(jiān)測(cè)模型，認(rèn)為在降水異常指數(shù)較小時(shí)，TRCI所占的比例比LST要大； 而馬蘇[15]在構(gòu)建的洞庭湖流域干旱狀態(tài)指數(shù)中，最優(yōu)權(quán)重組合為降水?dāng)?shù)據(jù)和LST權(quán)重相同，植被指數(shù)所占權(quán)重比前兩者低。綜合以上研究，考慮植被指數(shù)對(duì)干旱的響應(yīng)較為滯后，LST也會(huì)受到地表覆蓋類型及混合像元的影響，而TRMM較為實(shí)時(shí)，令A(yù)DI-i，VCI，TCI和TRCI分別對(duì)應(yīng)Ai，B1，B2和B3，考慮到構(gòu)造判斷矩陣時(shí)會(huì)受到人為判斷的影響，在參考相關(guān)系數(shù)和已有研究的基礎(chǔ)上，構(gòu)建了3組判斷矩陣，將求得的3個(gè)ADI-i與SPI-1和SPI-3進(jìn)行相關(guān)分析，通過(guò)比較得到最優(yōu)權(quán)重，以便進(jìn)一步提高最終結(jié)果的可信度。得到3組判斷矩陣見(jiàn)表3—5。

表3 判斷矩陣表(A1)Tab.3 discriminant matrix(A1)

表4 判斷矩陣表(A2)Tab.4 discriminant matrix(A2)

表5 判斷矩陣表(A3)Tab.5 discriminant matrix(A3)

2)一致性檢驗(yàn)。進(jìn)行一致性檢驗(yàn)時(shí)，首先要計(jì)算判斷矩陣的最大特征根λmax； 然后，計(jì)算一致性指標(biāo)CI，表達(dá)式為

CI=(λmax-n)/(n-1)，

(6)

式中n為層次子系統(tǒng)中的指標(biāo)個(gè)數(shù)； 最后，計(jì)算隨機(jī)一致性比率CR，表達(dá)式為

CR=CI/RI，

(7)

式中RI為隨機(jī)一致性指標(biāo)。當(dāng)CR<0.1時(shí)，說(shuō)明判斷矩陣具有滿意的一致性； 當(dāng)0.1

3)結(jié)果計(jì)算。使用yaahp層次分析法軟件對(duì)結(jié)果進(jìn)行計(jì)算，結(jié)果表明，A1的判斷矩陣中λmax=3.003 7，CR=0.003 6<0.1，通過(guò)一致性檢驗(yàn)。得到的ADI-1為

ADI-1=0.11VCI+0.31TCI+0.58TRCI。

(8)

A2的判斷矩陣中λmax=3.018 3，CR=0.017 6<0.1，通過(guò)一致性檢驗(yàn)。得到的ADI-2為

ADI-2=0.12VCI+0.32TCI+0.56TRCI。

(9)

A3的判斷矩陣中λmax=3.018 3，CR=0.017 6<0.1，通過(guò)一致性檢驗(yàn)。得到的ADI-3為

ADI-3=0.17VCI+0.39TCI+0.44TRCI。

(10)

將3組權(quán)重得到的ADI-i與SPI-1和SPI-3進(jìn)行相關(guān)分析，得到的結(jié)果見(jiàn)表6。

表6 ADI-i和氣象參量的相關(guān)系數(shù)Tab.6 Correlation coefficients between ADI-i and meteorological parameters

由表6可知，ADI-1與SPI-1以及SPI-3的相關(guān)系數(shù)均為最大，所以本文選取ADI-1作為最終的農(nóng)業(yè)干旱指數(shù)。

2.3.2 模型驗(yàn)證與等級(jí)劃分

基于干旱監(jiān)測(cè)相關(guān)文獻(xiàn)，發(fā)現(xiàn)干旱等級(jí)閾值的劃分大部分是根據(jù)統(tǒng)計(jì)原理，以相等間隔或自然間斷點(diǎn)法進(jìn)行分級(jí)，干旱等級(jí)的具體含義不是很清楚，各個(gè)結(jié)果之間進(jìn)行比較也較為困難。還有部分學(xué)者根據(jù)氣象干旱標(biāo)準(zhǔn)對(duì)農(nóng)業(yè)干旱情況進(jìn)行等級(jí)劃分。如孫麗等[19]根據(jù)SPI干旱等級(jí)標(biāo)準(zhǔn)及土壤含水率對(duì)構(gòu)建的綜合干旱指數(shù)進(jìn)行等級(jí)劃分； 李華朋等[18]在參考Lloyd-Hughes等[20]研究成果的基礎(chǔ)上，對(duì)植被指數(shù)監(jiān)測(cè)農(nóng)業(yè)干旱的適應(yīng)性進(jìn)行評(píng)價(jià)的過(guò)程中也采用SPI作為判別農(nóng)業(yè)干旱敏感性的標(biāo)準(zhǔn)，取得理想效果。在中國(guó)水利部發(fā)布的旱情等級(jí)標(biāo)準(zhǔn)中也指出土壤墑情是判定農(nóng)業(yè)旱情的主要指標(biāo)，降水量是評(píng)估農(nóng)業(yè)受旱程度的基本指標(biāo)，對(duì)于尚未建立墑情監(jiān)測(cè)站點(diǎn)的區(qū)域可以考慮用降水?dāng)?shù)據(jù)評(píng)估農(nóng)業(yè)旱情[21]。因此，在綜合考慮數(shù)據(jù)的可獲取性、模型構(gòu)建的可行性及完整性的情況下，結(jié)合其他學(xué)者的研究經(jīng)驗(yàn)，最終選擇根據(jù)SPI的劃分等級(jí)對(duì)ADI進(jìn)行等級(jí)劃分。首先，需要提取河南省17個(gè)氣象站點(diǎn)附近農(nóng)田點(diǎn)2014年各個(gè)月份的農(nóng)業(yè)干旱指數(shù)，將其定為因變量； 然后，將相應(yīng)的SPI-1的值定義為自變量，建立一元線性回歸方程為

y=0.206 4x+0.435 2，

(11)

把SPI干旱等級(jí)標(biāo)準(zhǔn)中的分割值帶入回歸方程中，將計(jì)算結(jié)果四舍五入后，得到農(nóng)業(yè)干旱指數(shù)的分級(jí)標(biāo)準(zhǔn)。SPI和ADI的干旱等級(jí)標(biāo)準(zhǔn)見(jiàn)表7。

表7 SPI干旱等級(jí)標(biāo)準(zhǔn)Tab.7 Classification scales of drought for SPI and ADI index

2.4 模型應(yīng)用

應(yīng)用干旱監(jiān)測(cè)模型，制作2014年河南省各月干旱等級(jí)圖，并統(tǒng)計(jì)每個(gè)月不同干旱類型所占的像元數(shù)，計(jì)算各類干旱所占像元數(shù)與總像元數(shù)之比，比值結(jié)果為各類干旱面積占總面積的比重，結(jié)果見(jiàn)表8。河南省2014年主要以冬旱和夏旱為主，其次為春旱。春旱和冬旱主要發(fā)生在季節(jié)交替的月份，2014年夏季的干旱具有持續(xù)性，6—8月的干旱程度均超過(guò)30%，其中7月份更是高達(dá)87.86%，干旱最嚴(yán)重的月份為1月、3月以及12月。就2014年而言，1月份和3月份的旱情在次月都得到了有效緩解。而干旱情況惡化出現(xiàn)在5—7月，且旱情并沒(méi)有及時(shí)緩解，一直持續(xù)到8月份。由于6—8月為夏玉米生長(zhǎng)的關(guān)鍵時(shí)期[8]。因此，本次干旱對(duì)河南省農(nóng)業(yè)生產(chǎn)造成了較為惡劣的影響。以夏季干旱為例，對(duì)河南省旱情空間分布規(guī)律進(jìn)行進(jìn)一步研究(圖1)。

表8 基于ADI的河南省干旱情況統(tǒng)計(jì)Tab.8 Statistics of drought conditions (%)

(a) 2014年6月 (b) 2014年7月 (c) 2014年8月

圖1基于ADI指數(shù)監(jiān)測(cè)的河南2014年干旱情況

Fig.1DroughtmapofHenanProvincein2014monitoredbyADIindex

由圖1可知，河南省6月份干旱地區(qū)主要為豫東的商丘和周口、豫南的信陽(yáng)、豫北的濮陽(yáng)以及豫中的許昌和平頂山； 7月份旱情十分嚴(yán)重，除了豫東和豫南，其余各地區(qū)均發(fā)生了較為嚴(yán)重的干旱，旱災(zāi)最嚴(yán)重的為洛陽(yáng)、平頂山、漯河和周口； 豫中的干旱在8月份并沒(méi)有緩解，所以2014年夏季，豫中為重災(zāi)區(qū)。其他地區(qū)較7月份有所緩解，濮陽(yáng)8月與7月相比，旱情呈加重趨勢(shì)。

結(jié)合河南省防汛抗旱中心發(fā)布的土壤墑情簡(jiǎn)報(bào)，得到2014年6—8月各市旱情發(fā)展趨勢(shì)見(jiàn)表9。

表9 河南省2014年夏季旱情發(fā)展趨勢(shì)Tab.9 Development trend of summer drought of Henan Province in 2014

①+++旱情加重； ②***旱情緩解； ③===旱情維持或不變。

由表9可知，除豫北的濮陽(yáng)、豫南的信陽(yáng)以及豫東的商丘外，其余各市7月份干旱情況都出現(xiàn)了不同程度的加重，其中許昌、鄭州和三門峽的旱情在8月份仍沒(méi)有緩解，和利用本文構(gòu)建的農(nóng)業(yè)干旱指數(shù)模型得到的結(jié)果(圖1)一致，說(shuō)明該模型得到的干旱監(jiān)測(cè)結(jié)果和實(shí)際情況相符，可用于河南省干旱評(píng)價(jià)研究。

3 結(jié)論與展望

3.1 結(jié)論

1)綜合考慮植被信息、陸地表面溫度及降水?dāng)?shù)據(jù)，選取VCI，TCI和TRCI作為構(gòu)建干旱指數(shù)的指標(biāo)，結(jié)合氣象站點(diǎn)觀測(cè)的降水?dāng)?shù)據(jù)，利用AHP法將定性思維過(guò)程定量化，最終確定3個(gè)指數(shù)的權(quán)重，得到農(nóng)業(yè)干旱指數(shù)。結(jié)果表明，ADI-1，ADI-2以及ADI-3與SPI-1的相關(guān)系數(shù)分別為0.839，0.835和0.803，其中ADI-1與SPI-1的相關(guān)系數(shù)最大，所以最終的干旱監(jiān)測(cè)模型選取ADI-1。

2)將本文得到的農(nóng)業(yè)干旱指數(shù)用于河南省2014年旱情分析，結(jié)果顯示2014年間河南省多次發(fā)生較為嚴(yán)重的干旱災(zāi)害，其中持續(xù)的干旱災(zāi)害出現(xiàn)在5—8月，其中7月份旱情最為嚴(yán)重，重災(zāi)區(qū)比例高達(dá)31.98%，各類干旱總比例高達(dá)87.86%。重災(zāi)區(qū)主要分布在豫中，洛陽(yáng)、平頂山、漯河和周口等地區(qū)都出現(xiàn)了較為嚴(yán)重的干旱災(zāi)害，與實(shí)際情況相符，本文構(gòu)建的農(nóng)業(yè)干旱指數(shù)可用于河南省干旱評(píng)價(jià)研究。

3.2 展望

1)在數(shù)據(jù)層面，MODIS數(shù)據(jù)容易受到云霧的影響，雖然選用了最大合成法來(lái)減少云霧影響，但并沒(méi)有完全消除。因此如何有效地避免云霧及大氣散射的影響提高干旱監(jiān)測(cè)精度仍需進(jìn)一步思考。同時(shí)，本研究所用數(shù)據(jù)時(shí)間跨度為2005—2014年，理論上選取的數(shù)據(jù)時(shí)間跨度越長(zhǎng)，構(gòu)建的指標(biāo)精度會(huì)越高，在未來(lái)的研究中，將考慮選取不同的時(shí)間尺度，利用相同的技術(shù)流程構(gòu)建遙感綜合干旱指數(shù)模型，對(duì)比各模型的結(jié)果，分析不同時(shí)間尺度數(shù)據(jù)對(duì)模型精度的影響。

2)在方法層面，利用層次分析法確定VCI，TCI和TRCI的權(quán)重時(shí)，本文采取計(jì)算各指標(biāo)與SPI的相關(guān)系數(shù)，結(jié)合已有研究及各指標(biāo)特點(diǎn)的方法確定其相對(duì)重要性。如果能夠獲取各站點(diǎn)氣象綜合干旱指數(shù)及各站點(diǎn)所在地區(qū)的標(biāo)準(zhǔn)化單變量也可以通過(guò)相關(guān)分析，進(jìn)一步判斷三者的相對(duì)重要性。在確定閾值的過(guò)程中，由于SPI-1是典型的氣候干旱指數(shù)，更適合于短期氣象干旱監(jiān)測(cè)，所以在獲取數(shù)據(jù)的前提下，可以考慮引入更多的干旱監(jiān)測(cè)指標(biāo)，如土壤濕度數(shù)據(jù)和作物產(chǎn)量數(shù)據(jù)，以提高閾值和真實(shí)情況的吻合度。另外，由于干旱成因復(fù)雜，受降水、溫度、地表覆蓋類型以及人為因素等多方面的影響，很難將所有因素都加以考慮，因此，之后會(huì)嘗試綜合多種數(shù)據(jù)，通過(guò)數(shù)據(jù)挖掘的方式構(gòu)建一個(gè)普適性的干旱監(jiān)測(cè)指數(shù)。

[1] 張 強(qiáng),姚玉璧,李耀輝,等.中國(guó)西北地區(qū)干旱氣象災(zāi)害監(jiān)測(cè)預(yù)警與減災(zāi)技術(shù)研究進(jìn)展及其展望[J].地球科學(xué)進(jìn)展,2015,30(2):196-213.

Zhang Q,Yao Y B,Li Y H,et al.Research progress and prospect on the monitoring and early warning and mitigation technology of meteorological drought disaster in Northwest China[J].Advances in Earth Science,2015,30(2):196-213.

[2] 劉憲鋒,朱秀芳,潘耀忠,等.農(nóng)業(yè)干旱監(jiān)測(cè)研究進(jìn)展與展望[J].地理學(xué)報(bào),2015,70(11):1835-1848.

Liu X F,Zhu X F,Pan Y Z,et al.Agricultural drought monitor:Progress,challenges and prospect[J].Acta Geographica Sinica,2015,70(11):1835-1848.

[3] 邱海軍,曹明明,郝俊卿,等.1950—2012年中國(guó)干旱災(zāi)情頻率-規(guī)模關(guān)系分析[J].地理科學(xué),2013,33(5):576-580.

Qiu H J,Cao M M,Hao J Q,et al.Relationship between frequency and magnitude of drought damage in China in 1950—2010[J].Scientia Geographica Sinica,2013,33(5):576-580.

[4] 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.

[5] Hao Z,Aghakouchak A.A nonparametric multivariate multi-index drought monitoring framework[J].Journal of Hydrometeorology,2014,15(1):89-101.

[6] Zhang A Z,Jia G S.Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data[J].Remote Sensing of Environment,2013,134:12-23.

[7] Tadesse T,Wilhite D A,Harms S K,et al.Drought monitoring using data mining techniques:A case study for Nebraska,USA[J].Natural Hazards,2004,33(1):137-159.

[8] 李天祺.基于MODIS陸地產(chǎn)品的河南省旱災(zāi)監(jiān)測(cè)方法研究[D].北京:北京師范大學(xué),2015.

Li T Q.Study on Agricultural Drought Monitoring in Henan Province Based on MODIS Products[D].Beijing:Beijing Normal University,2015.

[9] 杜靈通.基于多源空間信息的干旱監(jiān)測(cè)模型構(gòu)建及其應(yīng)用研究[D].南京:南京大學(xué),2013.

Du L T.Drought Monitoring Model Based on Multi-Source Spatial Information and Its Application[D].Nanjing:Nanjing University,2013.

[10] 田慶久,閔祥軍.植被指數(shù)研究進(jìn)展[J].地球科學(xué)進(jìn)展,1998,13(4):327-333.

Tian Q J,Min X J.Advances in study on vegetation indices[J].Advance in Earth Sciences,1998,13(4):327-333.

[11] Kogan F N.Remote sensing of weather impacts on vegetation in non-homogeneous areas[J].International Journal of Remote Sensing,1990,11(8):1405-1419.

[12] 李嘉力,盧 遠(yuǎn),金 健,等.基于TVDI的廣西干旱遙感監(jiān)測(cè)研究[J].大眾科技,2014,16(6):21-23.

Li J L,Lu Y,Jin J,et al.Drought monitoring in Guangxi based on TVDI[J].Popular Science and Technology,2014,16(6):21-23.

[13] Kogan F N.Application of vegetation index and brightness temperature for drought detection[J].Advances in Space Research,1995,15(11):91-100.

[14] McKee T B,Doesken N J,Kleist J.The relationship of drought frequency and duration to time scales[C]//Proceedings of the 8th Conference of Applied Climatology.Anaheim,California:American Meteorological Society,1993.

[15] 馬 蘇.洞庭湖流域農(nóng)業(yè)干旱遙感監(jiān)測(cè)研究[D].長(zhǎng)沙:湖南師范大學(xué),2012.

Ma S.Research on the Remote Sensed Monitoring of Agricultral Drought in the Lake Dongting Basin[D].Changsha:Hunan Normal University,2012.

[16] Theon J S.The tropical rainfall measuring mission(TRMM)[J].Advances in Space Research,1994,14(3):159-165.

[17] 胡明甫.AHP層次分析法及MATLAB的應(yīng)用研究[J].鋼鐵技術(shù),2004(2):43-46.

Hu M F.AHP analytic hierarchy process and the application of MATLAB[J].Iron and Steel Technology,2004(2):43-46.

[18] 李華朋,張樹(shù)清,高自強(qiáng),等.MODIS植被指數(shù)監(jiān)測(cè)農(nóng)業(yè)干旱的適宜性評(píng)價(jià)[J].光譜學(xué)與光譜分析,2013,33(3):756-761.

Li H P,Zhang S Q,Gao Z Q,et al.Evaluating the utility of MODIS vegetation index for monitoring agricultural drought[J].Spectroscopy and Spectral Analysis,2013,33(3):756-761.

[19] 孫 麗,王 飛,李保國(guó),等.基于多源數(shù)據(jù)的武陵山區(qū)干旱監(jiān)測(cè)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2014,45(1):246-252.

Sun L,Wang F,Li B G,et al.Study on drought monitoring of Wuling Mountain area based on multi-source data[J].Transactions of the Chinese Society for Agricultural Machinery,2014,45(1):246-252.

[20] Lloyd-Hughes B,Saunders M A.A drought climatology for Europe[J].International Journal of Climatology,2002,22(13):1571-1592.

[21] 中華人民共和國(guó)水利部.SL 424—2008旱情等級(jí)標(biāo)準(zhǔn)[S].北京:中國(guó)水利水電出版社,2009.

Ministry of Water Resources of the People’s Republic of China.SL 424—2008 Standard of Classification for Drought Severity[S].Beijing:China Water Power Press,2009.