多光譜干旱嚴重度指數的評價與修正

劉 珺，梁韶卿，李彥榮，秦榮榮，張陶然，楊 倩，杜靈通

1. 太原理工大學安全科學與工程博士后科研流動站，山西 太原 030024 2. 山西省交通科技研發有限公司博士后科研工作站，山西 太原 030006 3. 太原理工大學礦業工程學院，山西 太原 030024 4. 西北土地退化與生態恢復省部共建國家重點實驗室培育基地，寧夏 銀川 750021

引 言

干旱是一種破壞力極強的自然災害，可能持續數周、數月甚至數十年[1]。由于全球氣候變暖、人口增長及社會經濟發展的影響，各國對水資源的需求量不斷增加[2]，但是近年來，干旱在全球的發生頻率卻逐漸升高，給糧食生產、工業和生態等領域帶來的損失難以估計[3-4]。干旱已成為制約我國經濟發展和農業生產的自然災害之一[5]。

由于對干旱一直沒有統一的定義，至今也沒有一個普適性的干旱指數。20世紀以來，科學家們基于氣象、水文、農業、遙感等學科和領域構造了許多干旱指數，用于定量表征干旱事件、評價和監測地區干旱。Palmer干旱指數(palmer drought severity index, PDSI)是第一個較為完善的干旱指數[6]，該指數綜合降水、溫度和土壤濕度等多種數據監測農業干旱，但其參數獲取較為困難，且計算公式復雜[7]。Shafer和Dezman提出了地表水供應指數(surface water supply index，SWSI)，該指數考慮水庫儲蓄量、水體、積雪及降水等信息，但其識別重度干旱的能力較弱[8]。Sandholt等提出了溫度植被干旱指數(the temperature vegetation dryness index, TVDI)[9]，TVDI對干旱的監測精度受地表溫度合成方式的影響，許多研究對此進行了修正和改進[10-12]。有報道采用標準化降水指數(standardized precipitation index，SPI )來評估氣象干旱，該指數基于時間尺度進行計算，較為簡單靈活，但在干旱評估中僅以降水量作為唯一參數，而忽略了溫度表征干旱的重要作用[13]。因此，Vicente-Serrano等[14]提出利用標準化降水蒸散指數(standardized precipitation evapotranspiration index，SPEI) 監測氣象干旱，SPEI與SPI非常相似，但其考慮了潛在蒸發蒸騰量(PET)及多時間尺度下的干旱，被廣泛應用于干旱的定量監測研究中。Mu等[8]提出了干旱嚴重度指數(drought severity index，DSI)，DSI綜合考慮了描述植被光合作用和生長狀態的NDVI和表示植被水分脅迫狀況的ET/PET。將兩種要素標準化后得到的DSI能夠綜合反映干旱的狀況[15]，有效捕獲區域干旱事件，精確監測和準確評價大范圍內的干旱信息。

本工作以山西省為研究區，以精確監測干旱為目的，旨在探尋一種適合區域干旱監測的方法。首先，基于MODIS和AVHRR的歸一化植被指數NDVI(normalized difference vegetation index，NDVI)數據集分別計算2001年—2014年山西省范圍內的DSIMODIS和DSIAVHRR。通過對比二者的相關性，評估了DSI的穩健性；然后，從干旱的時間頻率和空間分布角度評價了DSIMODIS的準確性；最后，為了提高DSIMODIS的敏感性，使其能夠更加精確地捕捉區域干旱，以SPEI為參考，將DSIMODIS進行了重新修正分類，確定了一種適合于山西省的干旱等級分類方法，為準確監測區域干旱提供了技術支撐。

1 實驗部分

1.1 研究區概況

山西省(E 111°14′—114°33′, N 34°34′～40°44′)位于黃土高原，疆域輪廓呈東北斜向西南的平行四邊形，橫跨6個緯度，高山盆地相間分布，地形起伏不平，高差懸殊大(圖1)。東依太行山，南臨呂梁山，一定程度上阻擋了夏季暖濕氣流的深入，造成黃河沿岸地區常年雨水偏少，全省各地年降水量偏低，形成夏季高溫多雨，冬季寒冷干燥的氣候特點，致使山西“十年九旱”。準確監測全省干旱，對監測區域生態環境、保障區域糧食安全具有重要意義。

圖1 山西省地理位置及DEMFig.1 The site and DEM of Shanxi province

1.2 數據處理

研究所用遙感數據來自美國國家航空航天局(NASA)的MOD13 NDVI (https://modis.gsfc.nasa.gov/data/dataprod /mod13.php)和MOD16 ET/PET產品(https://modis.gsfc.nasa.gov/data/dataprod/mod16.php)，以及NOAA AVHRR的 NDVI產品(https://modis.gsfc.nasa.gov/data/dataprod/mod16.php)。氣象數據來源于自然環境研究委員會的大氣科學與地球觀測數據庫的CRU氣候數據集(https://auth.ceda.ac.uk/account/signin/)。數據詳情見表1。

表1 研究使用的數據集Table 1 Data sets used for research

對原始數據進行投影轉換，獲得WGS_1984_UTM_ zone_49N投影的山西省歸一化植被指數、蒸散、降水和氣溫數據集，對其進行拼接、裁剪、融合等處理。由于MODIS NDVI和ET/PET與AVHRR NDVI數據的空間分辨率(表1)差異較大，綜合考慮重采樣誤差和數據計算分析的便利，研究將MODIS NDVI和ET/PET數據，以及AVHRR NDVI數據的空間分辨率進行統一，重采樣為3 km，在此基礎上求取了MODIS和AVHRR的NDVI年均值(圖2)，用于計算DSI。

圖2 2001年—2014年山西省年均NDVI(a)：MODIS NDVI; (b)：AVHRR NDVIFig.2 Average yearly NDVI of Shanxi province from 2001 to 2014(a)：MODIS NDVI; (b)：AVHRR NDVI

1.3 方法

1.3.1 干旱嚴重度指數DSI

DSI利用NDVI和ET/PET數據計算得到，是一種計算簡便、準確性高的全球范圍內評估和監測干旱事件的方法?；贛ODIS的NDVI和ET/PET數據集計算得到DSIMODIS，基于AVHRR的NDVI和MODIS的ET/PET數據計算得到DSIAVHRR。具體算法為：

首先，計算月際ET和PET的比值RT，RTi=ETi/PETi；

然后，通過求取RT和NDVI的標準化比率得到DSI，公式如式(1)

(1)

其中，

1.3.2 標準化降水指數SPEI

SPEI是基于CRU數據集的降水量和溫度數據計算得到的，其空間分辨率為0.5°，計算參照1965年相關研究提出的方法。其值為負時表示有旱情發生，值越小表示越旱。

2 結果與討論

2.1 三種干旱指數的對比分析

根據DSI和SPEI的計算公式分別得到2001年—2014年山西省的DSIMODIS，DSIAVHRR和同期的SPEI(圖3)，為了便于在像元尺度進行比較，在對比三種指數的干旱監測結果和進行相關性分析時，采用由高空間分辨率向低空間分辨率采樣的方法，將DSIMODIS和DSIAVHRR重采樣為0.5°(下同)，保持與SPEI一致，從而探索和評價不同指數之間的關系。

圖3(a,b,c)分別顯示了三種指數對山西省近14年來干旱信息的監測結果。通過對比三者監測的干旱時空分布可以看出：2001年—2014年間，三種指數DSIMODIS，DSIAVHRR和SPEI在各年都表現出由低到高再到低的變化特征。其中SPEI的平均數值高于DSI，且每年的正值均于二月份前后出現，一直持續到10月份，即2月—10月表現為無旱，11月至次年1月其值為負，表現出不同程度的干旱。DSIMODIS和DSIAVHRR均表現為7月—10月份為正值，監測結果顯示為無旱，11月至次年6月為負值，監測結果顯示為不同程度的干旱，從圖3(b)和(c)可以看出，二者呈現高度的一致性，說明基于MODIS和AVHRR的DSI具有相同的性能；進一步對比SPEI與DSI發現，SPEI監測的無旱時段不僅明顯早于DSI，而且持續時間也較長。

圖3 2001年—2014年山西省SPEI (a)，DSIMODIS (b)和DSIAVHRR (c)月均值Fig.3 Average monthly SPEI (a), DSIMODIS (b) and DSIAVHRR (c) in Shanxi province from 2001 to 2014

分析圖3(a)可知，SPEI在2001年1月—9月為負值，說明全省出現干旱，其中3月—8月為連續低值，呈現出顯著的春夏連旱現象。2002年4月—11月山西省SPEI為負值，其中4月和5月呈現極低值，表現為重旱現象，這與已有研究[16]的結果一致。山西省氣象臺指出，2005年7月中旬山西大部分地區旬平均氣溫較常年同期偏高，旬降水量較常年同期偏少；2010年10月全省平均氣溫與常年持平，各地降水量比歷年同期偏少近三成。SPEI在2005年和2010年相應時間點上的數值均為負，明顯較同年其余月份低，而以上干旱信息在DSIMODIS和DSIAVHRR中表現并不明顯。因此，不僅證實了SPEI優于DSI的干旱監測和捕捉能力，而且說明SPEI具有精準的干旱捕捉能力。

為了進一步分析SPEI和DSI的關系，研究定量計算了三種干旱指數的相關系數r(圖4)。

圖4 DSIMODIS、DSIAVHRR和SPEI相關系數R(a): SPEI與DSIMODIS; (b): SPEI與DSIAVHRR; (c): DSIMODIS與DSIAVHRRFig.4 Correlation coefficients among DSIMODIS, DSIAVHRR and SPEI(a): SPEI and DSIMODIS; (b): SPEI and DSIAVHRR; (c): DSIMODIS and DSIAVHRR

從圖4(a)和(b)中可以看出，SPEI與DSIMODIS和DSIAVHRR的相關性都不太理想，雖然SPEI與DSIMODIS之間的匹配程度略高于SPEI與DSIAVHRR，但兩個平均相關系數均偏小，分別為0.51和0.50。說明原始的DSI分類標準不能準確監測和表達山西省的干旱信息。從圖4(c)可以看出，DSIMODIS和DSIAVHRR的空間匹配關系較好，其相關系數R為0.75，說明基于AVHRR和MODIS計算得到的DSIAVHRR與DSIMODIS具有相似的監測效果，在長時序的干旱研究中，AVHRR可彌補MODIS數據不足的缺陷。

2.2 DSI分類修正及評價

基于DSIMODIS與SPEI指數的特征，Mu等[8]和Tan等[17]分別在2013年和2015年提出了相應的干旱等級劃分，如表2所示。

表2 DSI干旱等級劃分標準Table 2 Criteria drought grading of DSI

研究以SPEI為標準，對DSIMODIS進行調整，探尋適合山西省干旱監測的分類方法?？傮w思想是以0.1為步長調整不同等級間的DSIMODIS閾值，重新劃分干旱分類標準。具體做法為：首先，從時間頻率上對DSIMODIS進行初步篩選，即在原分類的基礎上，根據DSIMODIS與SPEI在時間頻率的差異，以常規干旱指數等級劃分為參照，以0.1為步長逐步調整其等級閾值，多次試驗，確定新的分類標準，并計算修正后DSIMODIS的時間頻率；然后，將修正值與SPEI進行對比，在此基礎上繼續調整其等級閾值，使其與SPEI在時間頻率上進一步吻合，反復執行此步驟，得到與SPEI在時間頻率分布上較為一致的四種方案，如表3所示。

表3 DSI基于時間頻率的幾種修正方案Table 3 Modification schemes based on time frequency of DSI

基于上述四種方案，對比分析SPEI與DSI在空間分布上的吻合度，即分別計算四種方案的空間分布并與SPEI進行比較，選擇出一種在時間頻率和空間分布均與SPEI最相符的干旱分類方案，使DSIMODIS修正后的干旱嚴重度指數DSIMM的特征與SPEI的表現充分匹配，從而得到修正后的閾值分類，如表2所示。

2.3 DSIMM時間頻率評價

根據表2中SPEI，DSIMODIS和DSIMM的等級劃分，分別得到2001年—2014年山西省輕度干旱D1，中度干旱D2，重度干旱D3，極度干旱D4等四個不同干旱等級的發生頻率(圖5)。

從圖5可以看出，D1～D4等級DSIMODIS與SPEI的時間頻率分布差異較大，而DSIMM與SPEI則表現出一致的頻率特征。對各等級干旱發生的時間頻率進行了統計，發現SPEI和DSIMM在D1等級的發生頻率分別為0.648 1，0.500 8，而DSIMODIS僅為0.244 6，可見DSIMODIS低估了D1等級時間頻率，在D2等級SPEI，DSIMM和DSIMODIS監測的干旱發生時間頻率分別為0.041 7，0.050 6和0.104 8，在D3和D4等級SPEI，DSIMM與DSIMODIS監測的干旱發生時間頻率分別為0.014 9，0.014 9，0.089 3和0.029 8，0.020 8，0.098 2?？梢钥闯鲈贒2～D4等級，DSIMODIS均高估了干旱的發生頻率，而DSIMM在四個等級的干旱發生頻率與SPEI的表現高度一致，其中在D3等級的一致性達到了1。說明基于DSIMM的干旱等級劃分對旱情發生頻次監測的可靠性。

圖5 2001年—2014年山西省D1～D4等級干旱發生時間頻率(a)：SPEI；(b)：DSIMODIS；(c)：DSIMMFig.5 Time frequency of drought under D1～D4 gradesin Shanxi Province from 2001 to 2014(a)：SPEI；(b)：DSIMODIS；(c)：DSIMM

2.4 DSIMM空間分布評價

為了進一步證實DSIMM的可靠性，將基于DSIMODIS，DSIMM和SPEI的干旱結果進行了空間分布的比較，分別統計了不同等級干旱(D1～D4)的空間分布占比(圖6)。

圖6 基于SPEI，DSIMODIS，DSIMM的D1～D4(a, b, c, d)等級干旱空間分布占比Fig.6 Spatial rate of SPEI，DSIMODIS and DSIMM under D1～D4 (a, b, c, d) grades

從圖6(a, b, c, d)可知，SPEI，DSIMODIS和DSIMM在D1等級的干旱占比分別為64.10%，12.84%和61.56%，D2等級為3.23%，4.20%和3.31%，D3等級為1.05%，3.95%和1.70%，D4等級為3.04%，8.46%和3.09%。由結果可以看出，DSIMODIS過低估計了D1等級的空間分布范圍，而對于D2，D3和D4等級的空間分布則不同程度地高估了，這與其在時間頻率的表現一致。而DSIMM的監測結果則與SPEI接近，證明了基于DSIMM干旱分類方法統計的空間分布與SPEI具有高度的一致性。

綜上所述，不論是基于時間頻率還是空間分布，在干旱程度較弱的情況下，DSIMODIS較SPEI判別干旱的標準更高，因此出現低估現象，而隨著干旱程度的加重，DSIMODIS判別干旱的標準開始低于SPEI，隨之出現高估現象。而DSIMM的干旱分類方法明顯優于DSIMODIS，與SPEI在時間頻率和空間分布上均具有一致的匹配度。

2.5 DSIMM分類驗證

研究基于DSIMM對2001年—2014年山西省的干旱監測結果進行了重新分類，并進行了季節尺度的干旱信息統計和分析(圖7)。

從圖7中可以看出，2001年—2014年間，研究區春季干旱成為常態，其中2001年和2002年旱情較其他年份嚴重；夏季在2001年和2002年發生嚴重干旱，2002年尤為嚴重，其余年份則未有干旱發生；近14年來研究區秋季處于干旱邊緣，除2003年和2011年情況略微好轉之外，其余年份均處于干旱邊緣狀態；而在研究時段內，冬季雖未出現嚴重干旱現象，但卻一直處于干旱狀態，縱觀全局，整體表現出秋冬連旱的態勢，監測結果與2001年—2014年山西省歷史干旱情況一致。

圖7 基于DSIMM的2001年—2014年山西省四季干旱統計Fig.7 Drought information of four seasons in Shanxi province from 2001 to 2014 year

從圖7還可以看出，2001年和2002年山西省發生比較嚴重的干旱，兩年的夏季還分別出現了中旱和重旱現象。在全省范圍內，天鎮縣、興縣、五寨縣、垣曲縣四個縣市的干旱情況較為嚴重。研究利用DSIMM對上述四個縣市在2001年夏季及2002年夏季的干旱事件進行重新捕捉。在獲得全省夏季(6，7和8月)DSI的基礎上，對旱情等級按照DSIMM標準進行重新劃分，并將濕潤，D1，D2，D3，D4等五個干旱等級分別賦值0，1，2，3，4，然后計算得到其等級均值(圖8)，圖中值越大代表干旱等級越高，即旱情越嚴重。

從圖8可以明顯看出，2001年(a)和2002年(b)山西省全部區域均發生不同程度的干旱，2001年夏季為山西省大旱年，2002年較2001年有所緩解，但仍出現全省范圍的嚴重旱情，DSIMM的監測結果與山西省干旱實際情況完全吻合。對D1～D4等級干旱進行統計發現，2001年6月山西全省范圍內出現干旱的區域占比為86.68%，其中，天鎮縣94.31%，五寨縣91.22%，興縣91.67%，垣曲縣76.48%；2002年6月山西省范圍內出現干旱情況的區域占比為76.46%，其中，天鎮縣91.77%，五寨縣88.51%，興縣88.99%，垣曲縣89.41%，干旱區域占比總體高于總體平均分布，能夠準確地捕捉到干旱信息，充分證明了DSIMM在山西省干旱監測中的成功應用。

圖8 2001年(a)和2002年(b)夏季典型干旱事件DSIMM監測結果Fig.8 Typical drought monitoring in summer of 2001 (a) and 2002 (b) based on DSIMM

3 結 論

基于SPEI和DSI開展了區域干旱等級劃分研究。利用SPEI的穩健性，對DSI的全球干旱等級劃分標準進行了重新修正，以SPEI的干旱時間頻率為基準，在界定發生干旱的前提下，重新修正了輕度干旱D1，中度干旱D2，重度干旱D3和極度干旱D4的劃分標準，并進行了驗證。結果表明：

(1)全球范圍DSI干旱等級劃分標準不適用于山西省干旱監測，需進行修正。

(2)基于不同數據源得到的DSIMODIS與DSIAVHRR具有高度的相關性，其相關系數R=0.75，說明DSI具有較強的穩健性，在進行長時間序列研究時，可用DSIAVHRR代替DSIMODIS，從而彌補了MODIS數據不足的弊端。

(3)全球DSIMODIS干旱等級劃分標準應用于山西省時，低估了D1等級的旱情，卻不同程度地高估了D2～D4等級的干旱。

(4)修正后得到的DSIMM干旱等級劃分方法在時間頻率和空間分布上均能更加準確地捕捉山西省的干旱事件，大幅提高了山西省干旱監測精度。

研究成果為利用DSI準確進行區域干旱監測提供了參考，為開展基于干旱監測結果的相關研究奠定了基礎?；诓煌瑪祿吹玫降腄SIMODIS，DSIMODIS和SPEI三種指數的空間分辨率相差較大，給相關性分析和閾值調整帶來了誤差；山西省發生重度和極度等級干旱的情況較少，對DSI在D3和D4等級劃分依據有所影響，下一步將選擇干旱類型豐富的區域進行研究，以更加精確地修正DSI的干旱等級劃分精度。