基于溫度植被干旱指數的華北平原干旱監測及時空變化分析

張兆旭，崔津，茍文濤，肖月

研究論文

基于溫度植被干旱指數的華北平原干旱監測及時空變化分析

張兆旭*，崔津，茍文濤，肖月

天津工業大學環境科學與工程學院，天津 300387

干旱是地區水資源供需失衡和水資源短缺的主要原因，干旱的發生是一個長期、連續且復雜的過程，是大氣、土壤以及農作物綜合作用的結果，干旱對全國人民的生產和生活都有很大的影響，如何更好地監測干旱，對于工農業、人民的日常生活都有著重要的意義。植被指數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。文章利用植被指數和地表溫度的二維特征空間建立了溫度植被干旱指數，將兩個指標的獨特生態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，對華北平原的干旱進行監測與分析，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，且干旱情況呈現上升的趨勢，干旱指數值從最低點0.580上升到了最高點0.602，分別出現在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；從季節角度分析，華北平原的干旱多發在夏季，夏季的干旱指數值為0.714；從月度角度分析，華北平原溫度植被干旱指數最高點與最低點分別出現在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的抗旱防旱提供了可靠的研究支撐。

干旱監測；溫度植被干旱指數；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、農業干旱、水文干旱以及社會經濟干旱[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象；農業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育變化的整個過程中土壤水分特性變化規律與形態特征，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，就會發生水文干旱；而社會經濟干旱則是指人類工業生產與消費過程遭受大自然系統和人類社會經濟體系嚴重缺水影響的現象[4-6]。

干旱的常規探測方式主要是通過對氣象站點的數據進行統計和分析。但是，氣象站的數據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，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測可以獲得更大范圍的數據，更適合地區和長期的監測和評價[8]。近年來，衛星遙感技術的客觀、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，同時其快速發展也為干旱監測開拓了一個嶄新的道路[9]。遙感技術也給干旱監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(Normalized Difference Vegetation Index，NDVI)構建了溫度植被干旱指數(Temperature Vegetation Dryness Index，TVDI)，利用TVDI進行全國旱情監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(Vegetation Temperature Condition Index，VTCI)[12]，VTCI也被廣泛地應用到干旱監測中。干旱是一個緩慢而長期的過程，大多數農業干旱指數是基于線性模型或者單一數據源來構建干旱模型(如NDVI、VCI、TCI、SMCI和PCI等)，但農業干旱與不同時間、不同地區的VI、LST異常不存在線性關系。TVDI整合了農作物生長狀況、地表水熱平衡等信息，發揮了多源遙感數據的優勢。目前，TVDI指數已經被廣泛地應用到了干旱監測中[13-15]。

本文以華北平原為研究區域，基于2010—2019年該區域的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，尋找變化規律。同時結合華北平原統計數據，分析華北平原農業變化情況，同時結合干旱指數，對不同年份、不同月份以及不同季節的平均分布數值進行分析，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，主要種植的農作物為小麥和玉米[16]。

注：基于自然資源部標準地圖服務網站審圖號為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 研究區數據及方法

3.1 研究數據

3.1.1 溫度植被干旱指數數據

TVDI是一種基于光學與熱紅外遙感通道數據進行植被覆蓋區域表層土壤水分反演的方法，TVDI綜合考慮了植被指數和地表溫度對干旱監測的影響，提高了區域干旱監測的準確性。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 遙感數據預處理

本文的數據來源為國家地球系統科學數據中心下載的TVDI數據集(http://www.geodata.cn/)，數據空間投影為WGS-1984地理坐標系，時間為2010—2019年共10年的TVDI數據。通過在ArcGIS與ENVI上對數據進行處理，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的分布結果。之后再將所需數據分別繪制出圖，得到匹配的圖表以便后續進行分析。

3.1.3 統計數據

依據國家統計局網站(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量和玉米產量數據，通過對不同省份和直轄市的產量相加，最終得到華北平原2010—2019年產量統計數據。

4 分析與討論

4.1 華北平原統計數據分析

華北平原區土壤豐富，土質肥沃，盛產多種經濟農產品，是中國十分關鍵的糧食產區，最主要的經濟作物是小麥和玉米。而華北平原區則屬于旱作居多的農耕區。長江北部區域以二年三熟的居多，經濟作物一般以小麥、玉米居多，但隨著農業灌溉事業發展，每年二熟的播種面積也在不斷擴大。在長江以南區域多數地方均為每年二熟，其中以二年三熟和三年五熟的居多，復種指數也位居華北地區前列。

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

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量增速圖(圖3)。通過圖3我們可以發現玉米產量也隨著時間逐年升高，且最高的產量發生在2015年。玉米產量的增速依舊發生了多次轉變，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。

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數據，裁剪得到華北平原每月TVDI變化圖，然后對2010—2019年的全部TVDI數據進行區域平均后得到的研究時間內年平均干旱圖(圖4)。

圖2 2010—2019年小麥產量增速圖

圖3 2010—2019年中國玉米產量增速圖

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、江蘇南部地區均出現了輕度干旱的現象，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可以發現：

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

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值，將每年的數據綜合統計后，得到了圖5(a)～(j)每年的干旱圖。之后將各個年份的區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中可以發現，2010年華北平原的干旱主要發生在河南省、安徽省的大部分區域以及河北的南部區域；2011年華北平原的干旱則出現在安徽省大部分區域與河南省的南部區域；2012年華北平原河南省的干旱程度逐漸上升，河北省南部地區出現輕度干旱，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、山東省大部分區域與河北省、江蘇省南部均出現輕度干旱；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域與安徽省、山東省的小部分區域出現干旱情況；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域均恢復正常，只剩下河南省、安徽省大部分區域與河北省、山東省和江蘇省南部區域仍出現輕度干旱情況。

時間上，從圖6中我們可以直觀地發現在10年間華北平原的干旱情況整體呈現出的是一個上升的趨勢。TVDI越大，則代表干旱情況越嚴重，TVDI數值從最低點0.580上升到了最高點0.602，分別出現在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的區域都處于輕度干旱范圍。這10年間的TVDI數值在大趨勢是增加的基礎上經歷了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的區域仍處在輕度干旱范圍。

圖6 2010—2019年TVDI散點圖

4.3.2 季節變化分析

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

對圖7進行空間分析，可以發現，華北平原的春季干旱以正常區域與輕度干旱為主，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域，而其他區域則處于正常狀況；夏季的華北平原屬于干旱頻發時期，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域；華北平原在冬季會出現輕度濕潤的情況，尤其濕潤主要集中在河北省北部區域。對圖8進行定量分析，可以發現華北平原的夏季是TVDI數值最高的，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TVDI柱狀圖

正如一般情況，華北平原的夏季干旱現象十分明顯，基本上華北平原內的所有地區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，甚至部分北方地區出現輕度濕潤情況。同時需要注意的是，華北平原的春季也較明顯地發生了部分干旱現象，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)，然后將各個月的數據綜合統計，計算出平均數值后，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現，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域，其他地區則為正常；2月華北平原的濕潤地區逐漸減少；3月華北平原輕度濕潤基本上已經消失不見，且在河北省北部與河南省西部均出現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域均出現輕度干旱情況；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域持續出現輕度干旱現象；9月份后，降水開始增加，9月的華北平原雖然大部分地區仍處于輕度干旱情況，但河北省的北部區域已經恢復正常；10月的華北平原氣溫逐漸下降，輕度干旱情況變為集中在河南省、安徽省大部分地區與河北省、山東省以及江蘇省的南部區域，其余地區已恢復正常；11月華北平原臨近冬季，全部區域均恢復正常，河北省北部區域甚至出現輕度濕潤現象；12月華北平原仍以正常情況為主，但河北省北部大部分區域全部變為輕度濕潤，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，可以發現，TVDI的最高點與最低點分別出現在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，在北方的部分區域均一定程度上出現了輕度濕潤；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量與經濟情況。本文以華北平原為研究區，以遙感數據，地表溫度-植被指數特征空間原理為基礎，構建地表溫度-植被指數特征空間，計算TVDI指數，獲取華北平原年、月、季節干旱分布圖，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，輕度干旱主要發生在河南省、安徽省大部分區域以及河北省的南部，山東的南部、江蘇南部等部分區域。

(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。整體干旱情況呈現上升的趨勢。TVDI最高與最低分別出現在2011年與2017年，且在這之間的變化又經歷了多次轉折。

(3)從季節角度分析，華北平原的干旱多發在夏季，同時春季也有干旱現象的發生，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，僅僅部分出現干旱情況。

干旱是一個包括氣象、水文、農業等綜合作用的過程，隨著遙感技術的快速發展，不同遙感技術提供了不同的手段來監測農業干旱。本文基于TVDI指數監測了華北平原的干旱情況，為抗旱對策的制定提供依據。通過對旱情的監測與分析，為農業生產的結構調整、農業技術的實施、農業人員的工作、農業生產的可持續發展提供了堅實可信的依據。

[1] 張兆旭, 秦其明. 基于多源遙感數據的黃淮海平原農業干旱監測研究[J]. 農業與技術, 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. 基于植被指數和土地表面溫度的干旱監測模型[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的華北平原干旱監測及時空變化分析[J]. 農業大數據學報, 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：定量遙感與干旱監測；Email:zhangzhaoxu@tiangong. edu. cn。