基于VCI指數的青藏地區春旱時空動態變化分析

季民，張超，趙建偉，嚴娟，梁亮

(1.山東科技大學測繪科學與工程學院,青島 266590； 2.江蘇師范大學地理測繪與城鄉規劃學院，徐州 221116)

0 引言

全球各個國家都曾或正在遭受干旱所帶來的生態和農業生產破壞，這種自然災害的特點主要具有持續時間長、涉及范圍廣等特點，受環境和生態的惡化影響，近幾年發生干旱的頻率越來越高，空間范圍越來越廣，嚴重時會導致一個國家或者地區出現嚴重的饑荒。目前針對區域內的干旱問題研究主要以氣象和農業干旱為主[1]。青藏地區地形極其復雜，空氣含氧量低，面積廣闊，可利用的觀察資料很少，給干旱監測帶來了諸多不便，傳統的干旱監測方法也具有很大局限性，而遙感技術可以準確實時獲取大面積地表溫度、植物長勢等干旱提取信息，并且具有多時相、多光譜、連續完整等優勢，可廣泛應用于干旱遙感監測中，基于遙感數據的農業干旱監測方法主要分為熱慣量法、植被指數法、微波遙感方法和冠層溫度方法4類[2-7]。植被指數是指根據植被的光譜特性，將衛星可見光和近紅外波段進行組合，形成各種植被指數。地表植被狀況的直接量化指標為植被指數，這種度量方式簡單、有效，當前全球學術統一定義的植被指數總共有40多種，其主要應用于全球與區域土地覆蓋、植被分類和環境變化等方面，輔助分析第一生產力水平，同時用來分析農作物、牧草估產和干旱監測等。因為植被指數計算方便、獲取很簡易，所以可以利用植被指數來檢測干旱的情況。但是一些植被指數例如，歸一化差分植被指數(normalized difference vegetation index，NDVI)、溫度植被干旱指數和植被條件指數，在對非均勻區域進行干旱監測的時候，可能會出現很多問題，為了克服這些問題，Kogan等[8]提出的植被狀態指數(vegetation condition index,VCI)。與NDVI一樣，VCI也可以通過NOAA衛星的AVHRR傳感器獲取，VCI對干旱敏感可以消除地理位置、生態系統對NDVI的影響，成為了大規模遙感干旱監測的理想數據，它的可靠性得到了大量數據的證明。本文以春旱的時空動態變化為研究對象，需要長時間序列的數據，所以采用VCI作為干旱指標。

VCI要用到近紅外波段和紅外波段的數值可以通過NOAA數據獲得長時間序列的產品，消除或減弱由于地理位置、土壤條件、太陽高度等因素對NDVI產生的影響，適合大面積的旱情分析，在植被監測和干旱監測中有廣泛的應用[9-11]。目前已經有很多學者利用VCI指數進行干旱時空分析，孫親[12]基于VCI指數對中國1981—2015年干旱時空變化特征進行了研究； 呂瀟然等[13]基于VCI對云南省農業干旱狀況進行了時空分析，得出降水與VCI指數之間的相關性比較低，降水只是VCI的影響因素之一,干旱發生的頻率在不同季節具有不同的空間分布特點； 李新堯等[14]對陜西省農業干旱進行了時空動態分析，指出陜西省農業干旱狀況常見于春秋兩季，從干旱發生頻率和影響范圍來看，秋季的干旱更為嚴重，陜西省干旱的空間分布總體具有北高南低的特征，陜北大部分區域春旱和秋旱的發生概率都較高，而在關中和陜南大部分地區發生春旱和秋旱頻率較小。

本文首先對NOAA數據進行預處理，得到VCI數據集用于分析青藏地區近15 a來干旱的時空變化特征； 然后，對干旱發生頻率進行統計和分析，并對4級干旱頻率進行空間分析； 最后，采用最大值合成法，對VCI指數的季節變化和年際變化進行分析。本研究可為預防干旱的應對措施提供理論依據和決策基礎，進一步促進農業的發展和進步。

1 研究區概況及數據源

1.1 研究區概況

青藏地區平均海拔超過4 000 m，是全球范圍內海拔最高的高原地區，被稱之為“世界屋脊”。地理位置位于E73°～104°，N28°～38°之間。整個青藏地區橫跨多個省份，包括青海省、西藏自治區、四川省西部、甘肅省西南部和新疆維吾爾自治區南部邊緣地區。青藏地區地域廣闊，面積為全國總陸地面積的四分之一，但人口只占1%左右，地廣人稀。青藏地區分布著大大小小湖泊超過1 000個，是全球著名的高原湖區，其中青海湖面積為4 340 km2。青藏地區的氣候特征主要體現為強輻射、多日照、低溫等特點，每日的溫差變化大，干濕分明顯著，夜雨較多； 冬季干冷漫長，以大風為主； 夏季溫涼多雨，以冰雹為主。高山將來自南部的海洋暖濕氣流阻隔，導致整體北部地區年降水量僅僅不到50 mm。喜馬拉雅山脈北部總體降水量低于600 mm，南部降水量超過1 000 mm，屬于亞熱帶及熱帶北緣山地森林氣候，月平均氣溫最高為18～25 ℃。昆侖山中西段南翼年降水量只有不到100 mm，月平均氣溫最高只有4～6 ℃，屬于高寒半荒漠和荒漠型氣候。

1.2 數據源

AVHRR探測儀位于NOAA系列極軌氣象衛星中，包含5個通道，由表1可知，5個通道中第1個通道為具有強吸收性的可見光波段，可吸收綠色植被，第2通道為可反射葉片的近紅外波段，因此通常采用第2通道來進行植被觀測或反演。

表1 AVHRR各通道的波譜范圍及應用領域Tab.1 Spectrum range and application fieldof each channel of AVHRR

從NOAA獲得1995年1月—2010年2月的VCI數據集。時間分辨率為7 d，空間分辨率為4 km，每年考慮52個時間段，但2000年的部分元數據缺失，因此采用時間插值法獲得連續的時間序列。

2 研究方法

2.1 VCI推導

大量的研究表明NDVI是植被生長狀態及植被覆蓋度的最佳指示因子，計算公式為：

(1)

式中DNR和DNNIR分別為紅光和近紅外波段的DN值。該指數特別適合用于大陸或全球尺度的植被動態監測，在農作物估產等方面得到了廣泛的應用，但是NDVI的缺點也顯現出來，它只能孤立反映天氣條件、土壤、水分對植被的影響，對地物所處的條件很敏感，為此，Kogan等[8]在其研究中推導出VCI指數，計算公式為：

(2)

式中：NDVIi為一個確定年份的第i個時期的NDVI值；NDVImax和NDVImin分別為多年第i時期的NDVI最大值和最小值。該值位于0～100之間，當數值越高時表示長勢良好，數值越低時表示長勢條件差，干旱越嚴重。

2.2 月/季VCI合成

采用最大值合成法(maximum value composite，MVC)對給定月份的VCI數據進行組合。MVC可以消除云污染、大氣衰減和太陽高度的影響。本文以7 d的VCI數據集作為計算MVC的基礎，計算出每月的VCI數據，即

VCIi=max(VCIij)，

(3)

式中：VCIi代表第i個月的VCI值；VCIij代表第i個月第j個星期的VCI值。在IDL軟件中進行編程，將1個月4個星期的4幅VCI圖像通過波段運算來實現最大值合成，用4幅圖像中每個像元最大值代表VCI值。本文以春旱為研究對象，根據太陽歷按季節劃分春季為3—5月，季節的平均VCI可用相應季節3個月的累計平均VCI值表示，即

(4)

2.3 VCI趨勢分析

為了了解這15 a間的總體變化趨勢，根據15 a以上像素的VCI值，計算趨勢密度率(Slope)[23]，即

(5)

式中：ti為15 a間的序列號(1～15)；n為時間序列長度(n=15)；xi表示第i年的VCI，Slope>0表示研究期間VCI增加，干旱程度隨時間增加，否則VCI降低。為了避免VCI序列中會影響趨勢分析的自相關效應，在趨勢分析之前，要進行自相關檢查(VCI時間序列數據由不同地理區域的平均VCI組成)。統計分析表明，對原始數據進行對數變換后，VCI序列中不存在自相關。這些過程在SPSS18.0和IDL8.3軟件中進行。為了確定干旱的意義，采用F檢驗。數據服從F分布，自由度為(1，n-2)，n代表15 a，根據F分布表可知F0.05(1.33)=4.14，F0.01(1.33)=7.56，根據該閾值可以將VCI的趨勢密度率分為非顯著、顯著和極顯著水平。同時，根據其值的正和負，結果可以分為5個級別： 極顯著增加、顯著增加、無顯著變化、顯著減少、極顯著減少。

2.4 VCI突變檢驗

為了確定15 a之間是否發生突變，并確定這一變化的年份，對VCI數據集進行Mann-Kendall突變實驗。Mann-Kendall是一個非參數統計檢驗，它在假設一個獨立隨機時間序列的前提下定義了一個統計序列，即

(6)

(7)

(8)

反時間序列重復此過程計算得到UBk。本文中的統計序列UFk為1995—2010年VCI分析結果，UBk為2010—1995年VCI分析結果，UFk和UBk曲線在Excel軟件中繪制，置信區間為0.05(U0.05=±1.96)。Mann-Kendall測試可有效區分一個過程是自然波動還是遵循一個特定的趨勢。UFk和UBk值大于0表示一個增加的趨勢； 否則，趨勢是減少的。當UFk和UBk超過0.05置信區間，表示有顯著的變化趨勢，超過置信區間的范圍為突變的時間區域。當UFk和UBk發生交叉，并且處于置信區間之間時，交叉的時間被認為是開始突變的時間。

3 結果與分析

3.1 干旱的時間變化特征

為進一步分析干旱的時間特征，計算1995—2010年春季的平均VCI指數，得到1995—2010年青藏地區春季VCI均值的分布情況(圖1)。

從圖1可以看出，1995—2010年間VCI在春季呈現出緩慢增長的趨勢。表明春季干旱開始逐漸緩解，變化趨勢可以分為4個階段。2000年發生全國性旱災，旱災發生了明顯的年際變化。從2001—2010年，青藏地區的VCI值開始增加，到2010年標志著另一個增長期達到了峰值。然后，從2010年開始，VCI再次開始下降。值得注意的是，VCI大于2000年全國干旱平均值。這一變化可能是1999年加強綠化的結果。

3.2 VCI變化趨勢分析

變化趨勢分析采用Excel軟件對年平均VCI值進行線性擬合，得到VCI變化曲線，通過變化趨勢的變化率即曲線斜率分析干旱變化趨勢； 通過分析得到VCI值的變化情況如圖2所示。

圖2 1995—2010年季VCI均值的變化趨勢Fig.2 Change trend of VCI mean value from 1995 to 2010

利用趨勢分析得到春季VCI變化趨勢，對VCI不同變化趨勢等級進行統計，結果如圖3所示。

圖3 1995 —2010 年青藏地區趨勢分析Fig.3 Rrend analysis of Qinghai-TibetRegion from 1995 to 2010

對青藏地區1995—2010年15幅季VCI均值時間序列結合F檢驗進行趨勢分析，從圖3可以看出VCI下降的部分(紅色)主要分布在四川省的西部、青海省的絕大部分地區和西藏自治區少部分地區，但是干旱的情況也不一定是VCI指數下降引起的，可能最近幾年西部大開發，人為干擾要素也不可忽略。青藏地區由于遠離海洋，周圍又有高大山脈環繞，來自海洋的水汽不易到達，所以青藏高原降水稀少，直接就會導致該地區干旱，故青藏地區大部分都處于輕旱和中旱，靠近山脈的地方由于高山積雪融化，會滋潤該地域，所以其附近基本沒有出現干旱的情況。另外，干旱發生較輕的地方在新疆維吾爾自治區南部、青海省北部、甘肅省北部一小部分地區，這些地區干旱情況比較小，主要原因是這些區域在阿爾金山、昆侖山和祁連山等山脈附近，高山積雪融化成水對干旱有一定的緩解作用，所以這些區域的干旱相比較西藏自治區和四川省西部地區緩解很多。

3.3 VCI 頻率分析

根據VCI干旱等級的劃分，可以得出當VCI值大于70時，認為該地區正常，據此得到了青藏地區干旱發生頻率的分布情況(圖4)，由圖4中可以得出，從整體上看，15 a內青藏地區春季發生干旱的頻率不高，其中青藏地區的西北部與賀蘭山、祁連山附近地區發生干旱頻率較低。青藏地區的東部干旱頻率較高，尤其是青海省南部和四川省西北部干旱情況較為嚴重。導致青藏部分地區干旱發生頻率較高的原因是季風氣候被高山阻斷，因此無法深入帶來足夠降水，使這些地區干旱頻發。雖然青藏地區降水稀少，但還可以看出，青藏地區仍有部分區域干旱發生頻率較低，這是因為青藏地區海拔高，常年積雪，高山冰雪融化會帶來充沛的水分供附近植被生長。

3.4 VCI突變分析

為了確定1995—2010年間VCI的時間變化是隨機波動還是明顯的趨勢，進行了Mann-Kendall測試結果如圖5所示。從圖5中可以看出，青藏地區春季VCI序列的UF曲線與UB曲線在1996年相交，表明在1996年開始發生突變，并且在2000年以后呈小幅度上升趨勢，但直到2010年UF曲線均未達到0.05顯著性水平，表明青藏地區春季干旱突變不顯著。

圖5 青藏地區Mann-Kendall檢驗曲線Fig.5 Mann-Kendall test curve in Qinghai-Tibet Region

4 結論

本文利用NOAA/AVHRR數據獲取青藏地區1995—2010年VCI數據，使用趨勢分析法、頻率分析法等，分析出15 a來青藏地區春旱時空變化特征，利用1995—2010年的VCI數據對青藏地區15 a的干旱趨勢突變分析，主要結論如下:

1)在1995—2010年，青藏地區VCI總體呈上升趨勢，表明旱情趨于減輕，VCI序列是逐漸上升的，大致可以分為2個階段，分別為1995—2000年的不平穩期和2001—2010年VCI指數基本不變略微上升期。說明在1995—2000年干旱的情況還不穩定； 在2001—2010年，VCI一直基本不變，且VCI值基本大于30，表明處于中旱。

2)為了解干旱趨勢，采用趨勢分析法和Mann-Kwndall檢測，表明了青藏地區的VCI序列有明確的上升趨勢，而且不是隨機波動的，在春季的變化較為明顯，可以看出在1996年左右發生突變，該分析表明青藏地區的干旱越來越穩定，基本大部分地區都處于中旱狀態。