張兆旭，崔津，茍文濤，肖月

研究論文

基于溫度植被干旱指數(shù)的華北平原干旱監(jiān)測及時空變化分析

張兆旭*，崔津，茍文濤，肖月

天津工業(yè)大學環(huán)境科學與工程學院，天津 300387

干旱是地區(qū)水資源供需失衡和水資源短缺的主要原因，干旱的發(fā)生是一個長期、連續(xù)且復雜的過程，是大氣、土壤以及農(nóng)作物綜合作用的結果，干旱對全國人民的生產(chǎn)和生活都有很大的影響，如何更好地監(jiān)測干旱，對于工農(nóng)業(yè)、人民的日常生活都有著重要的意義。植被指數(shù)和地表溫度可以描述植被對干旱脅迫的響應，從而反映出土壤水分狀況。文章利用植被指數(shù)和地表溫度的二維特征空間建立了溫度植被干旱指數(shù)，將兩個指標的獨特生態(tài)生理學意義結合起來，選取2010—2019年(共10年)的溫度植被干旱指數(shù)，對華北平原的干旱進行監(jiān)測與分析，同時將干旱劃分為5個等級(重度濕潤、輕度濕潤、正常、輕度干旱和重度干旱)，從年變化、季節(jié)變化、月變化分析華北平原干旱時空變化情況。結果表明，總體上華北平原2010—2019年的干旱以輕度干旱為主，且干旱情況呈現(xiàn)上升的趨勢，干旱指數(shù)值從最低點0.580上升到了最高點0.602，分別出現(xiàn)在2011年與2017年，表明在近10年來，2011年的干旱程度最低，而2017年的干旱程度最嚴重；從季節(jié)角度分析，華北平原的干旱多發(fā)在夏季，夏季的干旱指數(shù)值為0.714；從月度角度分析，華北平原溫度植被干旱指數(shù)最高點與最低點分別出現(xiàn)在7月(0.736)與1月(0.446)。本文對華北平原的干旱研究為該地區(qū)的抗旱防旱提供了可靠的研究支撐。

干旱監(jiān)測；溫度植被干旱指數(shù)；華北平原；遙感

1 引言

干旱是由于土壤缺水，植株根部汲取不了充足的水分去補充蒸騰的消耗而引起的自然災害，是人類從古至今面臨的主要災害之一[1]。干旱類型通常包括氣象干旱、農(nóng)業(yè)干旱、水文干旱以及社會經(jīng)濟干旱[2-3]。氣象干旱通常主要以降水短缺作為指標，指某一時段內，由于蒸發(fā)量和降水量的收支不平衡，水分支出大于水分收入而造成的水分短缺現(xiàn)象；農(nóng)業(yè)干旱使土壤的總水分嚴重虧缺，通過研究分析各種植物根系在其生長與發(fā)育變化的整個過程中土壤水分特性變化規(guī)律與形態(tài)特征，反映土壤濕度遠小于正常植物生長最低供水量的程度；當河流流量遠遠小于正常值或含水層水位突然下降時，就會發(fā)生水文干旱；而社會經(jīng)濟干旱則是指人類工業(yè)生產(chǎn)與消費過程遭受大自然系統(tǒng)和人類社會經(jīng)濟體系嚴重缺水影響的現(xiàn)象[4-6]。

干旱的常規(guī)探測方式主要是通過對氣象站點的數(shù)據(jù)進行統(tǒng)計和分析。但是，氣象站的數(shù)據(jù)采集主要依靠氣象站的觀察，而且由于氣象站的位置不可能覆蓋全部地區(qū)，因此無法及時、全面地獲得資料，使得對旱情的實時和精確監(jiān)測都會下降[7]。相對于以氣象站為基礎的觀測方式，利用遙感技術進行干旱監(jiān)測可以獲得更大范圍的數(shù)據(jù)，更適合地區(qū)和長期的監(jiān)測和評價[8]。近年來，衛(wèi)星遙感技術的客觀、宏觀、真實和高性價比等諸多特征被科學研究工作者所接受，同時其快速發(fā)展也為干旱監(jiān)測開拓了一個嶄新的道路[9]。遙感技術也給干旱監(jiān)測工作帶來了大量的信息，主要觀測手段包括光學、熱紅外以及微波遙感等[10]。

Sandholt等人綜合考慮地表溫度(Land Surface Temperature，LST)和歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)構建了溫度植被干旱指數(shù)(Temperature Vegetation Dryness Index，TVDI)，利用TVDI進行全國旱情監(jiān)測研究能夠較好地反映表層土壤水分變化趨勢，TVDI已被廣泛應用于旱情監(jiān)測中[11]。在TVDI的特征空間中，濕邊代表地表在各植被覆蓋水平上有效的土壤水分最高值，此時水分不是植被生長的限制因素，地表實際蒸散等于潛在蒸散，被認為特征空間的濕邊(wet edge)；干邊代表各種植被覆蓋水平上有效土壤水分最低值，地表蒸散也最小，被認為特征空間的干邊(dry edge)。王鵬新等人(2003)提出了條件植被溫度指數(shù)(Vegetation Temperature Condition Index，VTCI)[12]，VTCI也被廣泛地應用到干旱監(jiān)測中。干旱是一個緩慢而長期的過程，大多數(shù)農(nóng)業(yè)干旱指數(shù)是基于線性模型或者單一數(shù)據(jù)源來構建干旱模型(如NDVI、VCI、TCI、SMCI和PCI等)，但農(nóng)業(yè)干旱與不同時間、不同地區(qū)的VI、LST異常不存在線性關系。TVDI整合了農(nóng)作物生長狀況、地表水熱平衡等信息，發(fā)揮了多源遙感數(shù)據(jù)的優(yōu)勢。目前，TVDI指數(shù)已經(jīng)被廣泛地應用到了干旱監(jiān)測中[13-15]。

本文以華北平原為研究區(qū)域，基于2010—2019年該區(qū)域的TVDI進行研究分析，以探索2010—2019華北平原干旱情況的變化過程與趨勢，尋找變化規(guī)律。同時結合華北平原統(tǒng)計數(shù)據(jù)，分析華北平原農(nóng)業(yè)變化情況，同時結合干旱指數(shù)，對不同年份、不同月份以及不同季節(jié)的平均分布數(shù)值進行分析，概括總結干旱時空分布變化特征，并且從定性與定量兩個角度分析華北平原時空變化特征。

2 研究區(qū)概況

華北平原是中國三大平原之一，是我國人口最集中的區(qū)域之一，橫貫京、津、冀、魯、豫、皖和蘇7個省市(圖1)。華北平原的年平均雨量在500～900 mm之間，年輻射總量為4605～5860 萬億焦(米·年)，年平均日照時間為2800 h，主要種植的農(nóng)作物為小麥和玉米[16]。

注：基于自然資源部標準地圖服務網(wǎng)站審圖號為GS(2019)1823號的標準地圖制作，底圖邊界無修改，圖4、5、7、9同

3 研究區(qū)數(shù)據(jù)及方法

3.1 研究數(shù)據(jù)

3.1.1 溫度植被干旱指數(shù)數(shù)據(jù)

TVDI是一種基于光學與熱紅外遙感通道數(shù)據(jù)進行植被覆蓋區(qū)域表層土壤水分反演的方法，TVDI綜合考慮了植被指數(shù)和地表溫度對干旱監(jiān)測的影響，提高了區(qū)域干旱監(jiān)測的準確性。同時由于TVDI的物理意義明確、獲取方便，因此在特定年份的某個時段內，特別是反映整個地區(qū)的干旱程度和狀況，可以用TVDI來研究干旱水平的空間變化特征。

3.1.2 遙感數(shù)據(jù)預處理

本文的數(shù)據(jù)來源為國家地球系統(tǒng)科學數(shù)據(jù)中心下載的TVDI數(shù)據(jù)集(http://www.geodata.cn/)，數(shù)據(jù)空間投影為WGS-1984地理坐標系，時間為2010—2019年共10年的TVDI數(shù)據(jù)。通過在ArcGIS與ENVI上對數(shù)據(jù)進行處理，得到華北平原10年間各個年份的年分布、月分布以及各個季節(jié)的分布結果。之后再將所需數(shù)據(jù)分別繪制出圖，得到匹配的圖表以便后續(xù)進行分析。

3.1.3 統(tǒng)計數(shù)據(jù)

依據(jù)國家統(tǒng)計局網(wǎng)站(http://www.stats.gov.cn/)下載了北京、天津、河北、河南、山東、江蘇和安徽的小麥產(chǎn)量和玉米產(chǎn)量數(shù)據(jù)，通過對不同省份和直轄市的產(chǎn)量相加，最終得到華北平原2010—2019年產(chǎn)量統(tǒng)計數(shù)據(jù)。

4 分析與討論

4.1 華北平原統(tǒng)計數(shù)據(jù)分析

華北平原區(qū)土壤豐富，土質肥沃，盛產(chǎn)多種經(jīng)濟農(nóng)產(chǎn)品，是中國十分關鍵的糧食產(chǎn)區(qū)，最主要的經(jīng)濟作物是小麥和玉米。而華北平原區(qū)則屬于旱作居多的農(nóng)耕區(qū)。長江北部區(qū)域以二年三熟的居多，經(jīng)濟作物一般以小麥、玉米居多，但隨著農(nóng)業(yè)灌溉事業(yè)發(fā)展，每年二熟的播種面積也在不斷擴大。在長江以南區(qū)域多數(shù)地方均為每年二熟，其中以二年三熟和三年五熟的居多，復種指數(shù)也位居華北地區(qū)前列。

以小麥為例，通過收集小麥的產(chǎn)量數(shù)據(jù)計算得到華北平原2010—2019年的小麥產(chǎn)量增速圖(圖2)。在圖2中我們可以很明顯地看出小麥產(chǎn)量的增速發(fā)生了多次改變，農(nóng)業(yè)干旱的發(fā)生是影響農(nóng)作物生長的主要因素，干旱發(fā)生后如果沒有及時灌溉，最直接的結果是導致農(nóng)作物產(chǎn)量的降低。從圖2中可以發(fā)現(xiàn)，華北平原的小麥產(chǎn)量增速以2017—2018年最為明顯，在這兩年間小麥產(chǎn)量增速大幅下降，甚至在2018年出現(xiàn)了逆增長，增速為負數(shù)的情況，這表明在2017年華北平原有發(fā)生干旱的可能。

同時以玉米為例，通過計算后同樣得到2010— 2019年間華北平原玉米產(chǎn)量增速圖(圖3)。通過圖3我們可以發(fā)現(xiàn)玉米產(chǎn)量也隨著時間逐年升高，且最高的產(chǎn)量發(fā)生在2015年。玉米產(chǎn)量的增速依舊發(fā)生了多次轉變，在2014年增速突然大幅下降，不過在2015年略有回升。但在2017年之后的幾年增速再一次下降，甚至跌至負數(shù)。

4.2 華北平原多年平均干旱空間分布

4.2.1 干旱等級劃分

依照TVDI干旱等級劃分準則，本文將干旱狀況分為5個等級(見表1)，并分別在圖中由綠至紅以不同的顏色表示。

4.2.2 華北平原2010—2019年多年平均干旱空間分布

基于每月的TVDI數(shù)據(jù)，裁剪得到華北平原每月TVDI變化圖，然后對2010—2019年的全部TVDI數(shù)據(jù)進行區(qū)域平均后得到的研究時間內年平均干旱圖(圖4)。

圖2 2010—2019年小麥產(chǎn)量增速圖

圖3 2010—2019年中國玉米產(chǎn)量增速圖

表1 干旱劃分等級

從圖4中可以看出，華北平原總體的干旱情況偏向正常與輕度干旱之間。從地域的角度分析，河南、安徽全省以及河北南部、山東南部、江蘇南部地區(qū)均出現(xiàn)了輕度干旱的現(xiàn)象，而北京、天津、河北北部、山東北部以及江蘇北部相對正常。由圖4可以發(fā)現(xiàn)：

圖4 2010—2019年華北平原年均干旱圖(TVDI)

(1)華北平原2010—2019年的干旱以輕度干旱為主；

(2)輕度干旱主要發(fā)生在河南省、安徽省大部分區(qū)域以及河北省南部、山東南部和江蘇南部等部分區(qū)域。

4.3 華北平原2010—2019 年干旱時空變化分析

4.3.1 年變化分析

在對2010—2019年每年所有的TVDI進行年平均后，可以得到各年間的平均干旱數(shù)值，將每年的數(shù)據(jù)綜合統(tǒng)計后，得到了圖5(a)～(j)每年的干旱圖。之后將各個年份的區(qū)域平均值提取計算得到每年的干旱局域平均值(圖6)。

空間上，從圖5中可以發(fā)現(xiàn)，2010年華北平原的干旱主要發(fā)生在河南省、安徽省的大部分區(qū)域以及河北的南部區(qū)域；2011年華北平原的干旱則出現(xiàn)在安徽省大部分區(qū)域與河南省的南部區(qū)域；2012年華北平原河南省的干旱程度逐漸上升，河北省南部地區(qū)出現(xiàn)輕度干旱，但安徽省的干旱情況得到一定程度的緩解；2013年華北平原的干旱高度集中在河南省與安徽省，基本上涵蓋了省內全部區(qū)域；2014年華北平原干旱情況愈加嚴重，河南省、安徽省、山東省大部分區(qū)域與河北省、江蘇省南部均出現(xiàn)輕度干旱；2015年華北平原干旱情況與前一年相比變化不大，僅僅河北省與江蘇省的情況略有好轉；2016年華北平原的干旱得到抑制，只有河南省大部分區(qū)域與安徽省、山東省的小部分區(qū)域出現(xiàn)干旱情況；2017年華北平原的干旱達到了近幾年的最高值，全部平原只有河北省北部區(qū)域保持正常水平；2018年華北平原干旱危害輕微下降，山東省、江蘇省部分區(qū)域也恢復正常；2019年華北平原河北省、山東省與江蘇省的北部區(qū)域均恢復正常，只剩下河南省、安徽省大部分區(qū)域與河北省、山東省和江蘇省南部區(qū)域仍出現(xiàn)輕度干旱情況。

時間上，從圖6中我們可以直觀地發(fā)現(xiàn)在10年間華北平原的干旱情況整體呈現(xiàn)出的是一個上升的趨勢。TVDI越大，則代表干旱情況越嚴重，TVDI數(shù)值從最低點0.580上升到了最高點0.602，分別出現(xiàn)在2011年與2017年，代表了在研究時間段內，2011年的干旱程度最低，而2017年的干旱程度最高，整個華北平原將近3/4的區(qū)域都處于輕度干旱范圍。這10年間的TVDI數(shù)值在大趨勢是增加的基礎上經(jīng)歷了4次轉折：首先2011—2014年干旱程度逐年上升，而2014年之后干旱情況又有所好轉，這說明2014年處在一個轉折點的位置。下降持續(xù)到2016年結束，在2017年干旱程度達到了頂峰，由此之后干旱變得越來越嚴重，雖然相較于頂峰有所下降，但每年基本上都會有超過2/3的區(qū)域仍處在輕度干旱范圍。

圖6 2010—2019年TVDI散點圖

4.3.2 季節(jié)變化分析

在對2010—2019年所有的TVDI進行季節(jié)平均后(春季為3—5月，夏季為6—8月，秋季為9—11月，冬季為12—2月)，可以得到各季節(jié)華北平原的季節(jié)干旱空間分布圖(圖7)，然后將每個季節(jié)的空間分布圖進行區(qū)域平均，得到了各季節(jié)TVDI區(qū)域平均數(shù)值的柱狀圖(圖8)。

對圖7進行空間分析，可以發(fā)現(xiàn)，華北平原的春季干旱以正常區(qū)域與輕度干旱為主，其中輕度干旱主要分布在河北省南部、安徽省南部、山東省東部與河南省西部區(qū)域，而其他區(qū)域則處于正常狀況；夏季的華北平原屬于干旱頻發(fā)時期，幾乎全部平原均處于輕度干旱；華北平原的秋季主要以正常為主，輕度干旱主要集中在河南省與安徽省的大部分區(qū)域；華北平原在冬季會出現(xiàn)輕度濕潤的情況，尤其濕潤主要集中在河北省北部區(qū)域。對圖8進行定量分析，可以發(fā)現(xiàn)華北平原的夏季是TVDI數(shù)值最高的，而冬季則最低。春、秋兩季情況比較來說相差較小。

(a)春季，(b)夏季，(c)秋季，(d)冬季

圖8 2010—2019年各季節(jié)TVDI柱狀圖

正如一般情況，華北平原的夏季干旱現(xiàn)象十分明顯，基本上華北平原內的所有地區(qū)均處于輕度干旱范圍；而冬季正好與之相反，平原內無明顯干旱地區(qū)，甚至部分北方地區(qū)出現(xiàn)輕度濕潤情況。同時需要注意的是，華北平原的春季也較明顯地發(fā)生了部分干旱現(xiàn)象，原因則是華北平原的春季素來有“春旱”的說法，這是指華北平原的春季氣溫回升較快，蒸發(fā)較強，而夏季風弱，雨季未到，降水較少，導致了春季的土壤缺水較為嚴重，極易引發(fā)干旱。

4.3.3 月變化分析

在對2010—2019年所有的溫度植被干旱指數(shù)進行月平均后，可以得到各月華北平原的月份干旱空間分布圖(圖9)，然后將各個月的數(shù)據(jù)綜合統(tǒng)計，計算出平均數(shù)值后，得到了各月份TVDI的柱狀圖(圖10)。

對華北平原1—12月(圖9)干旱圖進行空間分析可以發(fā)現(xiàn)，1月華北平原主要包括正常情況與輕度濕潤，其中輕度濕潤情況主要分布在河北省與北京市的北部區(qū)域，其他地區(qū)則為正常；2月華北平原的濕潤地區(qū)逐漸減少；3月華北平原輕度濕潤基本上已經(jīng)消失不見，且在河北省北部與河南省西部均出現(xiàn)零星的輕度干旱情況；4月華北平原干旱情況愈加嚴重，河北省、山東省與河南省部分區(qū)域均出現(xiàn)輕度干旱情況；隨著氣溫的上升，地表溫度也隨之上升，再加上雨季未到，降水較少，5—8月的華北平原全部區(qū)域持續(xù)出現(xiàn)輕度干旱現(xiàn)象；9月份后，降水開始增加，9月的華北平原雖然大部分地區(qū)仍處于輕度干旱情況，但河北省的北部區(qū)域已經(jīng)恢復正常；10月的華北平原氣溫逐漸下降，輕度干旱情況變?yōu)榧性诤幽鲜?、安徽省大部分地區(qū)與河北省、山東省以及江蘇省的南部區(qū)域，其余地區(qū)已恢復正常；11月華北平原臨近冬季，全部區(qū)域均恢復正常，河北省北部區(qū)域甚至出現(xiàn)輕度濕潤現(xiàn)象；12月華北平原仍以正常情況為主，但河北省北部大部分區(qū)域全部變?yōu)檩p度濕潤，干旱情況全部消失不見。

(a)一月，(b)二月，(c)三月，(d)四月，(e)五月，(f)六月 (g)七月，(h)八月，(i)九月，(j)十月，(k)十一月，(l)十二月

圖9 2010—2019年各月份華北平原平均干旱圖

Fig. 9 Average drought map of North China Plain from 2010 to 2019

對圖10進行定量分析，可以發(fā)現(xiàn)，TVDI的最高點與最低點分別出現(xiàn)在7月與1月，其中5—8月的干旱程度較為嚴重，基本上干旱已經(jīng)覆蓋了整片華北平原，均屬于輕度干旱的范圍；而12月與1月則干旱程度較輕，在北方的部分區(qū)域均一定程度上出現(xiàn)了輕度濕潤；其他月份則相對來說比較正常，干旱情況處在于可控范圍內。

圖10 2010—2019年各月份TVDI柱狀圖

5 結論

華北平原是全國人口最多的平原之一，而其土地質量的情況也由此十分重要，更是關系到糧食等作物的產(chǎn)量與經(jīng)濟情況。本文以華北平原為研究區(qū)，以遙感數(shù)據(jù)，地表溫度-植被指數(shù)特征空間原理為基礎，構建地表溫度-植被指數(shù)特征空間，計算TVDI指數(shù)，獲取華北平原年、月、季節(jié)干旱分布圖，分析華北平原干旱情況。主要結論如下。

(1)將計算得到的TVDI分為重度濕潤(0～0.2)、輕度濕潤(0.2～0.4)、正常(0.4～0.6)、輕度干旱(0.6～0.8)和重度干旱(0.8～1)5個等級，根據(jù)干旱等級劃分整個華北平原，并依此繪制華北平原平均干旱分布圖。華北平原2010—2019年的干旱程度以輕度干旱為主，輕度干旱主要發(fā)生在河南省、安徽省大部分區(qū)域以及河北省的南部，山東的南部、江蘇南部等部分區(qū)域。

(2)華北平原從年變化角度分析主要輕度干旱年份在2017—2019年。整體干旱情況呈現(xiàn)上升的趨勢。TVDI最高與最低分別出現(xiàn)在2011年與2017年，且在這之間的變化又經(jīng)歷了多次轉折。

(3)從季節(jié)角度分析，華北平原的干旱多發(fā)在夏季，同時春季也有干旱現(xiàn)象的發(fā)生，華北平原一直以來的“春旱”情況，研究結果表明春季的干旱情況較為嚴重。

(4)通過月干旱分析，華北平原一年間TVDI最高點與最低點分別出現(xiàn)在7月與1月，其中5—8月的干旱情況因為溫度上升導致最為嚴重，而12月至1月的土地在氣溫回落之后則以濕潤為主，其他月份的干旱均較為正常，僅僅部分出現(xiàn)干旱情況。

干旱是一個包括氣象、水文、農(nóng)業(yè)等綜合作用的過程，隨著遙感技術的快速發(fā)展，不同遙感技術提供了不同的手段來監(jiān)測農(nóng)業(yè)干旱。本文基于TVDI指數(shù)監(jiān)測了華北平原的干旱情況，為抗旱對策的制定提供依據(jù)。通過對旱情的監(jiān)測與分析，為農(nóng)業(yè)生產(chǎn)的結構調整、農(nóng)業(yè)技術的實施、農(nóng)業(yè)人員的工作、農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展提供了堅實可信的依據(jù)。

[1] 張兆旭, 秦其明. 基于多源遙感數(shù)據(jù)的黃淮海平原農(nóng)業(yè)干旱監(jiān)測研究[J]. 農(nóng)業(yè)與技術, 2021, 41(2): 84-92.

Zhang Z X, Qin Q M. Study on agricultural drought monitoring in Huang-Huai-Hai plain based on multi-source remote sensing data[J]. Agriculture and Technology, 2021, 41(2): 84-92.

[2] Mladenova I E, Bolten J D, Crow W T, et al. Evaluating the operational application of SMAP for global agricultural drought monitoring[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(9): 3387-3397.

[3] Wilhite D A, Glantz M H. Understanding: the drought phenomenon: the role of definitions[J]. Water International, 1985, 10(3): 111- 120.

[4] Mishra A K, Desai V R. Drought forecasting using stochastic models[J]. Stochastic Environmental Research and Risk Assessment, 2005, 19(5): 326-339.

[5] Mishra A K Singh V P. A review of drought concepts[J]. Journal of hydrology, 2010, 391(1-2): 202-216.

[6] Wilhite D A, Svoboda M D, Hayes M J. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness[J]. Water Resources Management, 2007, 21(5): 763-774.

[7] Maes W, Steppe K. Estimating evapotranspiration and drought stress with ground-based thermal remote sensing in agriculture: a review[J]. Journal of Experimental Botany, 2012, 63(13): 4671-4712.

[8] KanellouE, DomenikiotisC, TsirosE, et al. Satellite- based drought estimation in Thessaly[J]. European Water, 2008, 23(24): 111-122.

[9] QinQ, WuZ, ZhangT, et al. Optical and thermal remote sensing for monitoring agricultural drought[J]. Remote Sensing, 2021, 13(24): 1-34.

[10] 宋煒. 遙感監(jiān)測干旱的方法綜述[J]. 中國西部科技, 2011, 10(13): 42-44.

Song W. Summary of drought monitoring methods by remote sensing[J]. Science and Technology of West China, 2011, 10(13): 42-44.

[11] SandholtI, RasmussenK, AndersenJ. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2-3): 213-224.

[12] 王鵬新, 龔健雅, 李小文, 等. 基于植被指數(shù)和土地表面溫度的干旱監(jiān)測模型[J]. 地球科學進展, 2003, 18(4):40-46.

Wang P X, Gong J Y, Li X W, et al. Drought monitoring model based on vegetation index and land surface temperature[J]. Advances in Earth Science, 2003, 18(4):40-46.

[13] BaiJ, YuanY, DiL. Comparison between TVDI and CWSI for drought monitoring in the Guanzhong Plain, China[J]. Journal of Integrative Agriculture, 2017, 16(2): 389-397.

[14] Liang L, Zhao S, Qin Z, et al. Drought change trend using MODIS TVDI and its relationship with climate factors in China from 2001 to 2010[J]. Journal of Integrative Agriculture, 2014, 13(7): 1501- 1508.

[15] Shashikant V, Mohamed Shariff A R, Wayayok A, et al. Utilizing TVDI and NDWI to classify severity of agricultural drought in Chuping, Malaysia[J]. Agronomy, 2021, 11(6): 1-18.

[16] Zhang Z, Xu W, Shi Z, et al. Establishment of a comprehensive drought monitoring index based on multisource remote sensing data and agricultural drought monitoring[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 2113-2126.

Drought Monitoring and Spatiotemporal Changes Analysis in North China Plain Based on Temperature Vegetation Dryness Index

ZHANG Zhaoxu*, CUI Jin, GOU Wentao, XIAO Yue

School of Environmental Science and Engineering, Tiangong University, Tianjin 300387, China

Drought is the main reason for the imbalance between supply and demand of water resources and the shortage of water resources in the region. The occurrence of drought is a long-term, continuous and complex process, which is the result of the comprehensive action of atmosphere, soil and crops. Drought has a great impact on the production and life of the people all over the country. How to better monitor drought is of great significance to industry, agriculture and people's daily life. Vegetation index and temperature can describe the response of vegetation to drought stress, thus reflecting the soil water status. In this paper, the temperature vegetation dryness index is established by using the two-dimensional characteristic space of vegetation index and surface temperature. The unique ecological and physiological significance of the two indexes is combined. The temperature vegetation dryness index from 2010 to 2019 (10 years) is selected to monitor and analyze the drought in the North China Plain. Drought is divided into five grades (heavy humidity, light humidity, normal, light drought, heavy drought), from the annual change seasonal and monthly changes analyze the temporal and spatial changes of drought. The results show that the drought is mainly mild drought, and the drought situation shows an upward trend. From the perspective of season, drought often occurs in summer. From the month, the highest and lowest temperature vegetation dryness index appeared in July and January respectively. The study of drought in North China Plain provides a reliable research support for drought resistance and drought prevention in this region.

drought monitoring; temperature vegetation dryness index; north China plain; remote sensing

張兆旭,崔津,茍文濤,等. 基于溫度植被干旱指數(shù)的華北平原干旱監(jiān)測及時空變化分析[J]. 農(nóng)業(yè)大數(shù)據(jù)學報, 2023,5(1):95-107.

ZHANG Zhaoxu, CUI Jin, GOU Wentao, et al. Drought monitoring and spatiotemporal changes analysis in North China Plain based on temperature vegetation dryness index[J]. Journal of Agricultural Big Data, 2023, 5(1):95-107.

10.19788/j.issn.2096-6369.230118

2023-

海水資源利用技術發(fā)展研究與報告編制(22-02-01018A-0023), 北京未名?？萍加邢薰鹃_放基金(22-02-01018A-0017)

第一作者張兆旭兼通信作者，男，博士研究生，研究方向：定量遙感與干旱監(jiān)測；Email:zhangzhaoxu@tiangong. edu. cn。