基于遙感DSI的新疆干旱特征分析

張喜成　徐長春　宋佳　李曉菲

摘要：利用2000—2016年MODIS ET/PET和NDVI數據集構建干旱嚴重指數（drought severity index，DSI）來監測新疆干旱過程，分析其時空分布特征與變化趨勢，并利用實測農業旱情資料[濕潤指數（W）和植被凈初級生產力（NPP）]與DSI做相關性分析，探討DSI在新疆地區的適用性。結果表明，新疆整體處于干旱狀況。全疆秋季干旱頻率最高，冬季最低。近十幾年新疆干旱趨勢減弱，干旱面積最大值出現在2008年，最小值出現在2016年。各季節內南疆地區干旱趨勢減弱，夏季最為突出。北疆、天山地區干旱趨勢表現為夏季減弱，秋季增強。從幾種指標的相關性來看，實測農作物干旱面積與DSI監測的干旱面積的相關性較高，決定系數達到0.67。北疆地區DSI-W、DSI-NPP相關性最高，決定系數分別達到0.69、0.62。在空間Pearson相關性上，DSI-W和DSI-NPP整體上均呈顯著正相關，分布比例分別占全疆面積的88%、86.65%，這有力地證明了DSI適用于新疆地區的干旱監測分析。

關鍵詞：DSI;干旱監測;時空分布;變化趨勢;新疆;相關性分析

中圖分類號： S127;S423

文獻標志碼： A

文章編號：1002-1302（2020）02-0239-08

收稿日期：2018-10-14

作者簡介：張喜成（1992—），男，甘肅平涼人，碩士，主要從事干旱區綠洲資源環境遙感應用分析研究。E-mail：18449815621@163.com。

通信作者：徐長春，博士，副教授，主要從事干旱區氣候、水文與水資源研究。E-mail：xcc0110@163.com。

干旱是一種周期性發生的自然現象，它的發生過程復雜，通常表現為一種緩慢的自然災害[1-3]。在所有自然災害中，干旱是最復雜、最不易理解的，對社會、經濟、環境的影響較大[4-5]。根據國際災害數據庫，干旱發生次數僅占所有自然災害的5%，但受災人數卻高居首位，達到受災人口總數的30%[6]。

隨著全球變暖和極端事件的頻繁發生，干旱災害的監測與防御已引起人們的高度關注[7-8]。傳統的干旱指數一般是基于降水、氣溫等站點數據判斷其周邊區域干濕狀況，很難以點代面地反映整個區域干濕狀況的空間分布特征[9]。20世紀60年代以來，衛星遙感技術飛速發展且完善，為大尺度、快速、多時相的干旱監測奠定了技術基礎[10]。目前，國內外學者已開發出許多基于植被條件、地表溫度及兩者相結合的綜合遙感指標[6]用以監測干旱。雖然這些指標對干旱監測非常有用，但它們也有局限性。通常情況下，干旱事件與植被響應之間存在時間滯后效應，因此單靠歸一化值被指數（NDVI）也不能完全反映干旱信息。此外，由于凈輻射和風速等氣象條件對地表溫度（LST）的影響[11]，也會影響其持續有效的干旱監測能力。蒸散（ET）作為陸地水循環和能量循環的重要組成部分，與氣象干旱指數相比，更能直接和有效地描述生態系統水分狀況。2013年，Mu等基于中分辨率成像光譜儀（MODIS） ET/潛在蒸散量（PET）和NDVI數據產品提出了一種干旱嚴重指數（drought severity index，DSI），并應用于全球尺度干旱監測，取得了良好的效果[12-15]。

新疆作為我國典型的干旱半干旱區，由于其特殊的地理位置，氣候環境惡劣、水資源短缺且時空分布不均、季節性供需矛盾大，導致新疆干旱頻率較高。干旱災害已成為新疆缺水地區農牧業最主要的自然災害之一。因此，分析新疆地區干旱狀況及其時空變化特征，對新疆旱情預防、農業灌溉措施制定及作物結構優化具有重要的參考價值。近年來，研究者對新疆地區頻繁的旱情進行了研究。羅青紅等基于濕潤指數分析了新疆甘家湖地表干濕狀況變化趨勢[16];鄧興耀等分析了我國西北干旱區蒸散發時空動態特征[17];許玉忠等基于標準化降水指數（SPI）分析了新疆干旱時空分布[18]。但DSI目前在新疆地區尚無應用案例，在我國區域的應用案例也較少。

本研究以新疆地區為研究區，采用2000—2016年MODIS產品NDVI和ET/PET數據集，構建干旱嚴重指數，分析2000—2016年新疆干旱特征時空動態，并利用實測農作物旱災面積、濕潤指數（W）和植被凈初級生產力（NPP）與DSI進行相關分析，探討DSI在新疆干旱監測中的適用性。

1 研究區概況

新疆維吾爾自治區地處我國西北邊陲，位于73°20′～96°25′E，34°15′～49°10′N之間。境內東西向伸展三大山系，北部阿爾泰山，南部昆侖山，天山山脈橫亙中部，分割形成準噶爾盆地和塔里木盆地，形成了獨特的山體、綠洲、盆地相間的地貌格局（圖1）。新疆遠離海洋，三面環山，屬典型的大陸性干旱氣候。全疆年降水量少且時空分布不均，其中北疆年降水量為 150～200 mm，南疆不足100 mm，蒸發量為2 000～2 500 mm，干旱程度為4～16[19]。目前，干旱已成為影響新疆地區經濟、農業發展的主要自然災害，選擇新疆地區進行干旱監測具有一定的典型性和代表性。

2 數據與方法

2.1 數據來源研究中使用的遙感數據為MOD13 NDVI產品（https：//lpdaac.usgs.gov/）、MOD17 NPP產品（http：//files.ntsg.umt.edu/data/NTSG_Products/MOD17/）和MOD16 ET/PET產品（http：//files.ntsg.umt.edu/data/NTSG_Products/MOD16/）。時間分辨率統一為年和月，空間分辨率為1 km×1 km。使用MRT（M reprojection tool）對原始數據進行鑲嵌、重投影，并在ArcGIS、ENVI等軟件中進行裁剪、剔除無效值等預處理，最終形成2000—2016年的時間序列數據集。

DEM數據為SRTM3（Shuttle Radar Topography Mission），空間分辨率為90 m×90 m，來自中國科學院數據云（http：//www.csdb.cn/）。

降水和農作物干旱數據分別來自中國氣象數據網（http：//data.cma.cn/）和中國農業農村部（http：//zzys.agri.gov.cn/zaiqing.aspx）。

其中，NPP作為植被生態系統中物質、能量轉換和傳遞的基礎，直接反映了植被在自然條件下自身的生產能力，同時也能夠有效地響應氣候與環境變化[20]。農作物干旱數據可以從實際角度反映一個地區的干旱狀況，在本研究中作為輔助數據用于分析DSI在新疆干旱監測中的適用性。

2.2 研究方法

2.2.1 干旱嚴重指數 DSI由Mu等于2013年提出，綜合考慮了NDVI、ET/PET等 2個基本要素[12]。其中，NDVI描述植被的光合作用以及生長狀態，ET/PET反映植被的水分脅迫狀況，通過兩者累加能綜合反映干旱狀況。相比于其他干旱指數，DSI具有潛在的優勢。具體算法：

2.2.2 濕潤指數（W） 地表濕潤指數是近年來應用相對較多的一個綜合性干旱指標，因其同時考慮大氣降水和地表蒸發潛力2個物理參量對地表干濕的影響，對干旱監測具有良好的效果。地表濕潤指數干濕等級劃分參考申雙和等的文獻[21]。具體算法：

3 結果與分析

3.1 新疆干旱過程監測

采用2000—2016年NDVI和ET/PET數據集構建DSI，用于監測新疆干旱過程（圖2）。從DSI監測結果看，新疆干旱狀況時空變異性轉大。2000—2016年多數年份新疆處于干旱狀態，多數地區DSI介于-1.5～-0.3之間。特別是2001年、2008年、2012年和2014年，DSI低至-3.8～-3.3，全疆出現嚴重干旱。其中，2008年最為嚴重，據史料記載，2008年新疆發生春夏秋連旱，旱情僅次于1974年，是歷史上第2個嚴重干旱年，造成的經濟損失達10億元以上，18.7萬km2草場干枯。

3.2 新疆干旱特征的空間分布

根據DSI的大小將干旱等級分為6級，統計分析新疆年均干旱面積比例（表1）。全疆干旱面積（占比為40.08%）大于濕潤面積（占比為36.65%），其中初期、輕度干旱面積所占比例較大。表明新疆雖然整體上處于干旱狀況，但干旱強度適中。各亞區內干旱面積比例表現為北疆（40.97%）>南疆（40.55%）>天山（38.33%）。結合2000—2016年新疆干旱等級眾數（出現頻率最多的值）空間分布（圖3-a）可知，新疆干旱區多出現在塔城地區、昌吉回族自治州中部地區以及阿勒泰地區南部、克孜勒蘇柯克孜自治州、若羌縣、和田縣等。濕潤區多出現在伊犁地區、阿勒泰地區北部等。

結合圖4與圖3-b，從不同季節角度進一步分析新疆干旱空間分布特征。總體上，南疆各季節干旱面積最大（占比為39.12%～43.80%），出現頻率最高。北疆地區不同季節干旱面積比例表現為秋季（41.71%）>夏季（40.34%）>春季（39.07%）>冬季（34.94%）;天山地區干旱面積比例也是秋季最大（40.93%），冬季最小（36.32%）。除伊犁地區與阿勒泰北部地區外，全疆整體上秋季干旱頻率最高，夏季次之。冬季全疆濕潤頻率最高，尤其昌吉回族自治州中部地區與阿勒泰西南地區最為明顯。

3.3 新疆干旱特征的時間變化趨勢

將2000—2016年新疆干旱面積比例作一元線性回歸分析（圖5），結合新疆年際、季節DSI變化趨勢（圖6），分析新疆地區干旱狀況隨時間趨勢變化特征。17年間，全疆干旱面積比例波動較大，整體上呈下降趨勢，變化率為-1.35%/年，尤其在2009年之后下降趨勢更為明顯。全疆干旱情況表現為輕度干旱（-0.34%/年）>適度干旱（-0.33%/年）>初期干旱（-0.26%/年）>嚴重干旱（-0.23%/年）>極端干旱（-0.18%/年）。各亞區干旱面積也呈減小趨勢，變化率且現為南疆（-3.05%/年）>北疆（-1.51%/年）>天山（-0.11%/年）。

由圖6可知，DSI整體上以輕微增加為主，表明新疆整體上干旱趨勢減弱，趨向濕潤化，但變化速率較慢。天山山地、阿爾泰山山地、塔城地區呈減小趨勢，其中，天山山地減小趨勢最為明顯，表明這些地區干旱程度加重。從季節變化趨勢分布可知，各季節南疆地區DSI整體上呈增加趨勢，干旱趨勢減弱趨向濕潤化，夏季最為明顯。天山山地地區整體呈減小趨勢，干旱程度加重，秋季最為明顯。北疆地區夏季呈增加趨勢，干旱程度減弱，其他季節都呈減小趨勢，秋冬兩季干旱程度增加最為明顯。

3.4 DSI在新疆的適用性分析

DSI是由NDVI和ET/PET數據構建，其中ET/PET數據在新疆地區已經利用實測數據得到廣泛驗證[17，22]，NDVI數據也在新疆地區取得較好的應用成果[23-25]。因此，DSI從數據精度方面適用于新疆地區。

其次，分別利用2000—2016年新疆農作物旱災面積（s）、年降水量（p）與DSI監測的干旱面積（y）及濕潤指數（W）、NPP從時間變化趨勢一致性和相關性上評價其在新疆地區的適用性（圖7）。

實測農作物干旱面積與DSI監測的干旱面積變化趨勢一致，兩者相關性較高，決定系數達到0.67。

降水量與DSI監測的干旱面積相關性較高，決定系數0.63。北疆、南疆地區的W、NPP、DSI變化趨勢保持較好的一致性，天山地區少數年份三者變化趨勢一致性較差。從3種指標的相關性來看，北疆地區相關性最高，DSI-W、DSI-NPP的決定系數分別達到0.69、0.62;南疆地區3種指標的相關性良好，DSI-NPP、DSI-W的決定系數分別達到0.69、0.53;天山地區相關性較差。

最后通過計算濕潤指數（W）、NPP、DSI逐像元空間Pearson相關系數（圖8），進一步分析DSI在新疆的適宜性。結果顯示，DSI-W和DSI-NPP整體上都呈顯著正相關，分別占全疆面積的88%、86.65%，說明DSI在干旱監測方面具有較大的應用潛力。

綜上，DSI與濕潤指數（W）、植被凈初級生產力（NPP）在時間變化趨勢和空間分布上都具有顯著的相關性，有力地證明了DSI適用于新疆干旱監測。

4 討論

本研究中用DSI監測干旱面積與實測農作物旱災面積相關性較高，結合黃健熙等的研究發現，DSI在農業干旱監測方面相較于帕爾默干旱指數（PDSI）更為準確，且能較好地反映農業干旱的空間差異性和時間演變性[1，26]。說明DSI在農業干旱監測方面具有較大的應用潛力。新疆地區夏秋兩季干旱較為嚴重，此時正值農作物生長期，對作物長勢造成一定影響。因此，本研究對新疆農作物旱情預防和灌溉措施制定提供了一定的參考價值。

近十幾年新疆干旱面積呈減少趨勢，南疆最為明顯。這與許玉忠等基于標準化降水指數（SPI）指數[18]、潘淑坤等基于干旱指數[27]、劉星含等基于MODIS-TVDI指數在新疆干旱監測研究[28]中的變化趨勢一致。干旱受降水、蒸散發、土地覆蓋變化的綜合影響。近年來全球變暖，北冰洋冰川、天山冰川大量消融，增加了新疆大氣中的水汽含量，導致新疆降水量呈輕微增加趨勢，變化率為2 mm/年。其次，2000年以來新疆大部分地區蒸散發有輕微的減少趨勢，變化率為-0.93 mm/年[17]。這可能是近十幾年新疆干旱面積減少的主要原因。本研究結論為認識新疆干旱變化動態添加了新的依據。

DSI目前基于經驗采用0.5為ET/PET與NDVI的權重系數，沒考慮二者各自在時空上對干旱貢獻度的差異。NDVI對干旱響應存在一定的時間滯后性，而土壤濕度體現了地表降水和蒸散的綜合效應，是干旱監測的關鍵指標之一[29]。后續研究應結合土壤濕度數據鏈接NDVI與ET/PET，提高三者對干旱響應的同步性，并進一步研究三者各自在時空上對干旱貢獻度的差異，以此為依據調整三者的權重系數，優化DSI，提高其對干旱監測的精確性。

5 結論

（1）本研究通過MODIS NDVI和ET/PET數據集，構建干旱嚴重指數（DSI），分析新疆2000—2016年干旱狀況的時空動態特征，結果與前人采用其他干旱指數取得的成果[27-28，30-31]基本一致。

（2）空間分布特征：新疆整體上處于干旱狀況，以輕旱、中旱為主。干旱出現頻率最多的地區為塔城地區、昌吉回族自治州中部地區、阿勒泰地區南部、克孜勒蘇柯克孜自治州、若羌縣、和田縣等。全疆干旱頻率秋季最高，冬季最低。

（3）時間變化趨勢：近十幾年新疆干旱面積整體上呈減少趨勢，2009年之后減少趨勢更為明顯。干旱面積最大值出現在2008年，最小值出現在2016年。各季節內南疆地區干旱趨勢減弱，夏季最

為突出。北疆地區夏季干旱趨勢減弱，秋冬兩季干旱趨勢明顯增強。天山山地整體上干旱趨勢增強，秋季最為明顯。

（4）適用性分析：DSI基礎構成數據ET/PET以及NDVI廣泛應用于新疆地區，數據精度已得到實測數據驗證。實測農作物旱災面積、降水量與DSI相關性較高。濕潤指數（W）、NPP與DSI在時間變化趨勢上具有較高的一致性和相關性。在空間Pearson相關性上，整體上也呈顯著相關，這有力地證明了DSI在干旱監測方面具有較大的應用潛力，適用于新疆地區。

參考文獻：

[1]黃健熙，張 潔，劉峻明，等. 基于遙感DSI的干旱與冬小麥產量相關性分析[J]. 農業機械學報，2015，46（3）：166-173.

[2]張利利，周俊菊，張恒瑋，等. 基于SPI的石羊河流域氣候干濕變化及干旱事件的時空格局特征研究[J]. 生態學報，2017，37（3）：996-1007.

[3]趙 麗，馮寶平，張書花. 國內外干旱及干旱指標研究進展[J].

江蘇農業科學，2012，40（8）：345-348.

[4]李 勤，張 強，黃慶忠，等. 中國氣象農業非參數化綜合干旱監測及其適用性[J]. 地理學報，2018，73（1）：67-80.

[5]Alam U. Drought and water crises：Science，technology，and management issues edited by Donald A. Wilhite，2005. CRC Press，406 pp. ISBN 0 8247 2771 1[J]. Environmental Policy & Governance，2010，16（6）：378-379.

[6]Zhang J，Mu Q Z，Huang J X. Assessing the remotely sensed drought severity index for agricultural drought monitoring and impact analysis in North China[J]. Ecological Indicators，2016，63：296-309.

[7]劉憲鋒，朱秀芳，潘耀忠，等. 農業干旱監測研究進展與展望[J]. 地理學報，2015，70（11）：1835-1848.

[8]Waltershea E A，Peters A J. Drought monitoring with NDVI-Based standardized vegetation index[J]. Photogrammetric Engineering & Remote Sensing，2002，68（1）：71-76.

[9]Brown J F，Reed B C，Hayes M J，et al. A prototype drought monitoring system integrating climate and satellite data[C]// Integrating Remote Sensing at the Global，Regional and Local Scale. Pecora 15/Land Satellite Information IV Conference. 2002.

[10]張書余. 干旱氣象學[M]. 北京：氣象出版社，2008.

[11]Williamson S N，Hik D S，Gamon J A，et al. Evaluating cloud contamination in Clear-Sky MODISTerraDaytime land surface temperatures using Ground-Based meteorology station observations[J]. Journal of Climate，2013，26（5）：1551-1560.

[12]Mu Q Z，Zhao M S，Kimball J S，et al. A remotely sensed global terrestrial drought severity index[J]. Bulletin of the American Meteorological Society，2013，94（1）：83-98.

[13]Um M J，Kim Y，Park D. Evaluation and modification of the Drought Severity Index （DSI） in East Asia[J]. Remote Sensing of Environment，2018，209：66-76.

[14]Zhang X Q，Yamaguchi Y. Characterization and evaluation of MODIS-derived drought severity index （DSI） for monitoring the 2009/2010 drought over southwestern China[J]. Natural Hazards，2014，74（3）：2129-2145.

[15]Haroon M A，Zhang J H，Yao F M. Drought monitoring and performance evaluation of MODIS-based drought severity index （DSI） over Pakistan[J]. Natural Hazards，2016，84（2）：1349-1366.

[16]羅青紅，寧虎森，陳啟民. 基于濕潤指數的新疆甘家湖地表干濕狀況變化趨勢[J]. 干旱區研究，2016，33（5）：921-926.

[17]鄧興耀，劉 洋，劉志輝，等. 中國西北干旱區蒸散發時空動態特征[J]. 生態學報，2017，37（9）：2994-3008.

[18]許玉忠，羅 鳴. 基于SPI的新疆干旱時空分布分析[J]. 人民珠江，2016，37（10）：38-42.

[19]周華榮，黃韶華. 對新疆生態環境問題及其對策的若干思考[J]. 干旱區資源與環境，1999（4）：1-8.

[20]孫 睿，朱啟疆. 中國陸地植被凈第一性生產力及季節變化研究[J]. 地理學報，2000，55（1）：36-45.

[21]申雙和，張方敏，盛 瓊. 1975—2004年中國濕潤指數時空變化特征[J]. 農業工程學報，2009，25（1）：11-15.

[22]阿迪來·烏甫，玉素甫江·如素力，熱伊萊·卡得爾，等. 基于MODIS數據的新疆地表蒸散量時空分布及變化趨勢分析[J]. 地理研究，2017，36（7）：1245-1256.

[23]閆俊杰，喬 木，周宏飛，等. 基于MODIS/NDVI的新疆伊犁河谷植被變化[J]. 干旱區地理，2013，36（3）：512-519.

[24]李海霞，楊 井，陳亞寧，等. 基于MODIS數據的新疆地區土壤濕度反演[J]. 草業學報，2017，26（6）：16-27.

[25]何寶忠. 新疆植被物候時空變化特征[J]. 生態學報，2018，38（6）.

[26]王 瑩，吳榮軍，郭照冰. 基于實際蒸散構建的干旱指數在黃淮海地區的適用性[J]. 應用生態學報，2016，27（5）：1603-1610.

[27]潘淑坤，張明軍，汪寶龍，等. 近51年新疆S干旱指數變化特征分析[J]. 干旱區資源與環境，2013，27（3）：32-39.

[28]劉星含，張佳華，許曉宏. MODIS-TVDI指數監測新疆干旱動態[J]. 遙感信息，2015（2）：111-115.

[29]郭維棟，馬柱國，姚永紅. 近50年中國北方土壤濕度的區域演變特征[J]. 地理學報，2003，58（增刊1）：83-90.

[30]胡 琦，董 蓓，潘學標，等. 1961—2014年中國干濕氣候時空變化特征及成因分析[J]. 農業工程學報，2017，33（6）：124-132，315.

[31]莊曉翠，楊 森，趙正波，等. 干旱指標及其在新疆阿勒泰地區干旱監測分析中的應用[J]. 災害學，2010，25（3）：81-85.蔡蕓霜，張建兵，陸雙龍，等. 潿洲島土壤重金屬分布特征及風險評價[J]. 江蘇農業科學，2020，48（2）：247-256.