三種復合干旱指數在我國三大農業主產區的適用性分析

王思琪， 張 翔，陳能成

(1.中國氣象局蘭州干旱氣象研究所，甘肅省干旱氣候變化與減災重點實驗室，中國氣象局干旱氣候變化與減災重點開放實驗室，甘肅 蘭州 730020；2.武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079；3.地球空間信息技術協同創新中心，湖北 武漢 430079)

在我國，因干旱造成的作物減產占據一半以上的氣象災害糧食減產量，年均受旱面積達0.2億hm2[1]。2009—2012年[2]，我國西南、華北、黃淮和長江中游等農業主產區發生了60年來最嚴重的旱災，經濟損失嚴重。因此，對農業干旱進行監測分析，有助于開展農業受旱分析，并提供科學的決策支持。

基于干旱指數開展干旱研究，不僅能更好地了解干旱的發生過程，還有助于開展干旱指數的綜合分析。目前多數的指數對比研究集中于單一的地理區域[3]，這些地區具有相似的氣候條件及生產水平等。而上述指數的整體表現(敏感性、魯棒性)往往受到多種因素的綜合影響，因此在不同地理區域的旱情描述能力存在較大的差異，尤其是結合了多種干旱信息的復合干旱指數。而目前學術界提出的干旱指數有著不同的計算復雜度和建模特點，具有一定的適用范圍[4-8]。劉英等[9]分析了PDI、MPDI、SMMI、MSMMI 4種復合干旱指數在關中平原的有效性；吳黎[10]利用TVDI對黑龍江省的旱情進行了動態監測，并對監測結果的準確性進行了對比分析；李紅梅等[11]比較了CI、CInew兩種干旱指數在陜西省的適用性。在這些研究中，關于我國三大農業主產區應選用哪些干旱指標來進行農業干旱的監測還沒有系統性的論述。

因此，本文利用降水、土壤濕度、地表溫度、植被狀態及作物信息數據，計算了降水條件指數(PCI)、土壤濕度指數(SMCI)、溫度條件指數(TCI)及植被狀態指數(VCI)?；诖?，進一步計算了溫度植被干旱指數(TVDI)、優化的植被干旱指數(OVDI)、基于過程的累積干旱指數(PADI)3種復合干旱指數，通過與SPI-3的線性相關分析以及中國水利部及干旱氣象期刊統計的農業干旱實況的對比[12-19]，研究了3種指數在我國三大農業主產區干旱易發區的適用性，以期為中國典型農業區的干旱監測和評估工作提供參考。

1 研究區域與方法

1.1 研究區域

根據不同地區氣候條件、地理位置及其在農業生產中的作用，綜合考慮不同地區的干旱發生情況，以4個典型農業區作為研究區(圖1)。研究區地處黃淮海平原及長江中下游地區，屬于干旱易發區[20]，因此多次被選為研究對象[21-24〗。此外，研究區包括亞熱帶、暖溫帶和中溫帶，達到了農作物活躍生長的基本熱量要求，種植的主要糧食作物有水稻、玉米、小麥等，是我國重要的農產品輸出地[25]。本文研究的五次典型干旱事件具體包括：冬小麥區，河南2011年春冬連旱、安徽2012年干旱；夏玉米區，河北2010年干旱、河南2011年夏旱;水稻區,湖北2011年干旱。

圖1 研究區域位置示意圖Fig.1 The location of study area

1.2 數據來源

所用數據包括遙感數據、作物生理參數數據及實際災情數據(表1)。遙感數據包括降水數據、根區土壤水分數據、NDVI數據及地表溫度數據，主要用于干旱指數的計算，涉及的數據集有TRMM3B43、GLDAS_NOAH025_M2.1、GIMMS3g_V0、MODLT1M、MODND1Ml及GPCCV7共6個。這些數據集已在不同地區的干旱研究中得到了應用[26-30]。此外，作物生理參數數據可從傳統作物學的文獻中查到[31-33]。實際災情數據來自中國水利部及干旱氣象期刊統計的農業干旱發生實況[12-19]，以及各省級氣象部門公布的災情數據。為便于描述，將表中的PCI、SMCI、TCI、VCI統稱為單一干旱指數，指數TVDI、PADI、OVDI統稱為復合干旱指數。

1.3 研究方法

1.3.1 研究內容 主要分三部分：(1)復合干旱指數的計算?；?種單一干旱指數，通過最優權重組合的方式，計算了OVDI。其次，利用歸一化植被指數(NDVI)和地表溫度數據，計算了TVDI。最后，利用基于演化過程的多傳感器協同監測方法(EPMC)及作物生理參數數據，計算了PADI指數。(2)3種復合干旱指數的適用性分析。其中評估指標包括實際災情數據及SPI。由于SPI可通過不同的時間尺度而成為不同干旱類型的指標[34]，因此本文以3個月時間尺度的SPI值(SPI-3)作為農業干旱指數的評估指標。(3)適用性分析分為兩部分：首先是各指數與SPI-3的線性相關分析，得到相關系數(R)及置信水平(C)。其次，借助實際災情數據對指數的監測結果(包括干旱的發生時間、發展過程和嚴重程度等方面)進行評估(圖2)。

1.3.2 農業干旱演化過程判別 基于演化過程的多傳感器協同監測方法(EPMC)是一種基于演化過程的多傳感器協同的農業旱情監測方法。該方法通過多傳感器協同實現了農業干旱(一般持續幾個月甚至幾年)演變過程的量化分析，并為PADI指數的計算提供輸入。在EPMC中，一次農業干旱災害的演變過程被量化為4個階段，包括潛伏期(P1)、開始期(P2)、發展期(P3)和消亡期(P4)，各階段對應農業干旱生命周期中的一次典型變化，通過關注不同的環境變量(降水、根區土壤水分和植被狀態)來實現演化過程的精確監測(圖3)。在前3個階段，干旱的嚴重程度逐步遞增，在消亡期干旱逐步緩解。方法的詳細介紹見參考文獻[35]。

1.3.3 干旱指數介紹 涉及到的干旱指數有PCI、SMCI、VCI、TCI、TVDI、OVDI、PADI和SPI。單一干旱指數是復合干旱指數的計算基礎，是對降水、土壤濕度、植被狀態、地表溫度的簡單量化，其計算步驟詳見參考文獻[36]～[37]。干旱等級劃分標準見表2。

表1 本文所采用的數據

圖2 適用性分析方法流程Fig.2 Flowchart of applicability analysis method

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[38]，可用于干旱監測研究[39]。TVDI的值越大，表示土壤濕度越低，干旱強度越大；反之亦然。其計算公式為：

(1)

(2)

式中，Ts為特征空間內給定像元的地表溫度，Tsmin、Tsmax為特定NDVI值的最低、最高溫度。a1、b1、a2、b2分別為Tsmin、Tsmax的線性擬合參數。

OVDI是對4個單一干旱指數的最優權重組合結果[40]，是一個綜合性的干旱指數。OVDI的值越小，旱情越嚴重。其計算公式為：

目標函數：

(3)

X=SPI

(4)

Y=αTCI+βPCI+γSMCI+(1-α-β-γ)VCI

(5)

約束條件：

α∈(0,1);β∈(0,1);γ∈(0,1)

(6)

式中，X為SPI-1，Y為OVDI，α、β和γ為TCI、PCI、SMCI的優化參數。f(x,y)表示X、Y之間相關性最大的情況，σx、σy、μx、μy為X、Y的標準偏差和均值，E為數學期望。在計算OVDI時，需將單一干旱指數計算數據的空間分辨率進行統一，本文統一采用0.25°×0.25°。

PADI指數是對土壤水分、植被狀態以及作物生長階段的累積受旱程度的綜合量化[41]。其核心思想是：以一次農業干旱事件發生發展的過程和作物的生長過程相交的時段為核心，以基于遙感獲取的根區土壤水分、植被狀態指數和作物生理參數為輸入，計算作物生長期內干旱狀態對作物產生的累計影響。因此，PADI值越大，代表作物累積受干旱影響越大。首先需根據EPMC方法對農業干旱的演變過程進行量化，再基于此，綜合作物信息來計算PADI指數。其計算公式如下：

(7)

(8)

式中,PADIt為t時刻的PADI值，T為某一評價周期(本文取T=7 d)。Si代表不同的作物各生育期，n為全部生育期的個數。P2、P3為農業干旱的開始期和發展期。T∩Si∩P2代表當前評價周期與作物各生育期i并且與P2的相交天數，T∩Si∩P3同理。λi代表在分生育期i時作物的水分敏感系數，即土壤水分脅迫對不同階段作物的影響程度。SMCIt和VCIt分別代表T∩Si∩P2、T∩Si∩P3時期的SMCI、VCI值。PADI值的不斷累加反映了干旱在作物生長過程的累積影響。作物的生長完全處于極端干旱時，計算得到的PADI值將達到最大，即PADImax。

表2 基于TVDI、OVDI的干旱等級劃分

表3 基于PADI的干旱等級劃分

2 結果與分析

2.1 基于EPMC方法的干旱演變過程監測

基于EPMC方法對研究區的農業干旱監測結果見圖4～8。由圖4可知，2010年10月河南的降水偏低(PCI=0.04)，農業干旱進入潛伏期，預示著2011年河南冬春連旱的開始。同年11月降水偏少導致土壤水分虧缺，10—11月SMCI的值由0.70降至0.56，水分虧缺未得到及時改善，農業干旱進入開始期。11—12月VCI值不斷增加，2011年1月初降為0.45，農業干旱進入發展期。2月初旱區出現有效降水，旱情得到緩解(PCI=0.69)；下旬VCI的值增加，農業干旱進入消亡期。總之，此次干旱從2010年11月1日—2011年2月15日主要影響河南冬小麥在苗期～越冬、返青期間的生長。

由圖5可知， 2012年4月安徽省的降水偏少(PCI=0.30)，農業干旱進入潛伏期。4—5月降水偏少引發土壤水分虧缺，SMCI的值由0.65降至0.59，農業干旱進入開始期。5—6月旱情進一步加劇，VCI的值由0.77降至0.46，農業干旱進入發展期。7月初旱區出現有效降水(PCI=0.51)，土壤水分得到補充(SMCI=0.54)，作物受旱狀態初步解除，農業干旱進入消亡期。總之，此次干旱從2012年5月1日—7月1日影響了安徽冬小麥在乳熟～成熟、孕穗～揚花期間的生長。

由圖6可知，2010年5月河北省的降水偏少(PCI=0.52)，農業干旱進入潛伏期。6月降水偏少引發土壤水分虧缺(SMCI=0.23)，農業干旱進入開始期。6月下旬作物受干旱的長時間影響，VCI的值出現小幅度增加隨即又減小，農業干旱進入發展期。8月旱區出現有效降水(PCI=0.71)，土壤水分得到補充(SMCI=0.62)，農業干旱進入消亡期?？傊?，此次干旱從2010年6月1日—8月1日影響了河北夏玉米在拔節、抽穗、成熟期間的生長。

由圖7可知，2011年2—3月，河南降水偏少，PCI的值降為0.17，農業干旱進入潛伏期。4月土壤水分出現異常(SMCI=0.32)，農業干旱進入開始期。6月初作物生長受到明顯影響(VCI=0.51)，農業干旱進入發展期。7—8月降水逐漸增加(PCI=0.36)，土壤水分得到補充(SMCI=0.45)，至2011年8月11日，PCI達到0.36,SMCI達到0.45，此后農業干旱進入消亡期?？傊?，此次干旱從2011年4月1日—8月1日影響了河南夏玉米在苗期、拔節、抽穗期間的生長。

由圖8可知，2011年1月湖北降水偏少(PCI=0.14)，農業干旱進入潛伏期。3月持續少雨最終表現為土壤水分降低(SMCI=0.17)，農業干旱進入開始期。4月作物的生長受到顯著影響(VCI=0.40)，農業干旱進入發展期。6月旱區雖出現強降水(PCI=0.60)，但土壤水分虧缺未得到明顯改善(SMCI=0.11)。9月1日PCI、SMCI的值分別增至0.42和0.39，農業干旱才進入消亡期?？傊?，此次干旱從2011年3月1日—9月1日影響了水稻在拔節、返青～分蘗、抽穗期間的生長。

圖4 EPMC方法對河南2011年春冬連旱的監測結果(冬小麥)Fig.4 Monitoring results of autumn drought in Henan Province in 2011 by EPMC method (winter wheat area)

圖5 EPMC方法對安徽2012年干旱的監測結果(冬小麥)Fig.5 Monitoring results of drought in Anhui Province in 2012 by EPMC method (winter wheat area)

圖6 EPMC方法對河北2010年干旱的監測結果(夏玉米)Fig.6 Monitoring results of drought in Hebei Province in 2010 by EPMC method (summer corn area)

圖7 EPMC方法對河南2011年夏旱的監測結果(夏玉米)Fig.7 Monitoring results of summer drought in Henan Province in 2011 by EPMC method (summer corn area)

圖8 EPMC方法對湖北2011年干旱的監測結果(水稻區)Fig.8 Monitoring results of drought in Hubei Province in 2011 by EPMC method (rice area)

2.2 干旱指數與SPI-3的相關性分析

以各地市在干旱開始期及發展期的指數均值作為單個樣本點，分析了SPI-3與各指數的相關性(表4)。與其余單一干旱指數相比，TCI與SPI-3的相關性偏低(R≤0.336)，且在三類主產區均出現了這一現象，表明溫度會加速或減緩干旱的發生，但不是關鍵因素，降水、土壤濕度才是引起三類農業區發生干旱的主要因素。具體而言，降水和土壤濕度的極端變化會引起作物的自主調節來降低自身的實際蒸散發量，尤其是在作物的關鍵生長期，若無灌溉或突發降水等情況的出現，這一影響將最終表現為作物葉面積的減小，從而導致作物的減產及特定時期的植被覆蓋率異常(如非收割期的植被覆蓋率極低等)，農業干旱發生。此外，與組成它的各單一干旱指數相比，復合干旱指數的監測效果無顯著提升(表4)。下面具體討論復合干旱指數在不同農業區的應用情況。

冬小麥區研究結果表明，OVDI與SPI-3的線性關系是顯著的，而TVDI和PADI與SPI-3的線性關系的顯著性存在區域差異，這可能與不同省份在氣候條件等方面存在差異有關。檀竹平等[42]的研究得出，與南方冬小麥區相比，北方冬小麥區具有良好的自然資源條件(如地勢平坦、河湖多、土壤肥力好等)和經濟條件(機械化水平等)，抗旱能力較強。由于SPI-3主要反映的是區域降水的變化，忽略了其余氣候因素和經濟條件的影響，而復合干旱指數是多種環境信息的綜合，因此，在非降水主導的農業干旱事件中，SPI-3可能與復合干旱指數之間存在非線性的關系，這一問題也是作者后續需要深入探討的內容?？傊?，在冬小麥區指數OVDI對農業干旱的監測結果更為穩健。其次，在相對可靠的情況下(C≥63.0%)，即播種冬小麥的不同產區在氣候條件等方面的差異可忽略不計時(下同)，TVDI 、PADI對農業干旱的評估更為準確，這一結果在與實際災情進行對比時得到了驗證。

部分夏玉米區(河南)的研究結果表明，PADI與SPI-3的線性關系是顯著的(C=97.75%)，而TVDI和OVDI與SPI-3的線性關系的顯著性存在區域差異，特別是OVDI。結果表明，PADI適合大部分夏玉米區的農業干旱監測，張翔等[41]在美國中西部玉米區的干旱研究中也得到了類似結論。其次，OVDI在夏玉米區的魯棒性較差，但在河北的農業干旱監測中表現出絕對優勢(R=0.764，C=99.9%)。而TVDI在夏玉米區的農業干旱監測中未體現太大優勢。最后，在水稻區的研究表明各類復合干旱指數在水稻區的運用效果均不佳(|R|≤0.333)，這可能與水稻生長環境的特殊性有關，即土壤水分可能長期充足。

2.3 三種復合干旱指數監測結果與實際旱情的對比分析

本部分將復合干旱指數的監測結果與2010—2012年期間的《中國水旱災害公報》[12-13]、干旱評述[14-19]統計的旱情狀態進行了對比。其中PADI的監測結果見圖4～圖9，TVDI、OVDI的監測結果見圖10～圖14。

TVDI的監測結果表明(圖10)，此次干旱主要發生在2010年10月—2011年2月。2011年2月—4月，全省各地旱情逐步結束，旱區狀況逐步穩定，與實際旱情一致[12]。其次，指數OVDI對干旱的發生時間判斷為2010年10月—2011年3月。2011年2月旱情突緩，3月又再次加重。同年4月，干旱逐步結束，該指數對干旱嚴重程度的評估比實際旱情嚴重[12]。EPMC的監測結果表明(圖4)，干旱主要發生在2010年10月—2011年2月，各階段的開始時間為2010年10月(P1)—2010年11月(P2)—2010年12月(P3)—2011年2月中、下旬(P4)。PADI指數統計的累積干旱嚴重程度表明(圖7)，河南西部地區的累積受旱強度高于東部，與實際旱情一致[14]。

表4 SPI-3與各指數的相關性分析

TVDI的監測結果表明(圖11)，此次干旱主要發生在2012年4—8月。6月安徽北部出現重到特旱，7月有所緩解，直至8月才完全解除，與實際旱情基本一致[15]。其中OVDI對干旱發生時間的判斷與TVDI一致(圖11)。5月安徽北部降水比常年同期偏少5～8成[15]，北部地區率先出現干旱。6月蔓延至全省(特旱)，對干旱嚴重程度的評估比實際旱情嚴重[15]。其次，EPMC的監測結果表明(圖5)，此次干旱主要發生在2012年4—6月，各階段的開始時間為2012年4月(P1)—5月(P2)—6月(P3)—7月(P4)。此外，安徽北部地區的累積受旱程度為異常干旱(圖9)，與實際旱情一致[16]。

TVDI和OVDI的監測結果均表明(圖12)，河北2010年干旱的發生時段為2010年6—8月，對干旱發生時段的判定與實況一致[13]。其中，TVDI的監測結果表明，河北2010年夏旱的主旱區集中在西南地區，與實際旱情一致[13]。OVDI的監測結果表明， 6—7月河南為極旱，與實際旱情不符(中旱)[17]，表明OVDI對干旱等級的評定偏重。EPMC的監測結果表明(圖6)，此次干旱主要發生在2010年5—9月，各階段的開始時間為2010年5月(P1)—6月(P2)—6月中、旬(P3)—9月(P4)。此外，河北西南部的累積受旱程度更重(圖9)，該結果與河北西南地區是夏季干旱多發區相符[17]。

圖9 以PADI表征的典型干旱事件Fig.9 Typical drought event maps shown by PADI

注：干旱等級的取值考慮了各等級面積的權重，下同。Note: In the division of drought grade, the weight of each grade was considered. The same below.圖10 以TVDI、OVDI表征的河南2010—2011年春冬連旱演變過程Fig.10 The evolution process of spring-winter drought in Henan Province in 2011 is shown by TVDI and OVDI

圖11 以TVDI、OVDI表征的安徽2012年干旱演變過程Fig.11 The evolution process of drought in Anhui Province in 2012 is shown by TVDI and OVDI

圖12 以TVDI、OVDI表征的河北2010年干旱演變過程Fig.12 The evolution process of drought in Hebei Province in 2010 is shown by TVDI and OVDI

圖13 以TVDI、OVDI表征的河南2011年夏旱演變過程(夏玉米)Fig.13 The evolution process of summer drought in Henan Province in 2011 is shown by TVDI and OVDI (summer corn)

圖14 以TVDI、OVDI表征的湖北2011年干旱演變過程圖(水稻)Fig.14 The evolution process of drought in Hubei Province in 2011 is shown by TVDI and OVDI (rice)

TVDI的監測結果表明(圖13)，2011年2—6月河南發生了夏旱。其中中部地區的旱情較重，出現了極度干旱，與實際旱情一致[18]。由OVDI的監測結果可知(圖13)，在2011年3—8月河南出現了極度干旱。8月全省大部分地區的旱情得到緩解，但中部地區的旱情持續?？傊?，OVDI對干旱發生時段的判斷與實際旱情不太一致[18]，干旱持續時間長于實際旱情，且對干旱等級的判定明顯高于實際旱情，從而導致7月的旱情緩解未被及時監測。最后，EPMC的監測結果表明(圖7)，此次干旱主要發生在2011年2—8月，各階段的開始時間為2011年2月(P1)—4月(P2)—6月(P3)—8月(P4)。此外，在此次夏旱中，河南全省的干旱累積程度基本一致(圖9)，介于中度～嚴重干旱之間，與實際旱情基本一致[18]。最后，此次干旱的累積受旱程度比同年發生春冬連旱嚴重(圖9)。

TVDI的監測結果表明(圖14)，湖北2011年的干旱發生時段為3—5月。1月湖北中部的部分地區出現初旱。3月全省大部出現旱情，中部部分地區出現極旱。4—6月各地旱情逐步解除，這可能與6月的旱澇急轉有關，與實際旱情一致[12]。其次，OVDI對此次干旱發生時段的判斷為2011年3—8月。3月湖北省大部分地區出現重旱，各地重旱持續到6月才緩解。7—8月旱情經歷了再次發展蔓延及緩解。因此，OVDI對此次干旱的評估結果(干旱的持續時間、嚴重程度、波及范圍)均比實際旱情嚴重[12]，其余兩個農業區也出現了類似結果。EPMC的監測結果表明(圖8)，湖北2011年干旱主要發生在3—8月，各階段的開始時間為2011年1月(P1)—3月(P2)—4月(P3)—9月(P4)。4—8月旱情達到高峰，9月各地旱情開始緩解。監測結果表明，PADI未能及時監測到此次干旱的緩解，這可能與6月3日后的旱澇急轉有關[12]。6月湖北發生了一次大范圍降水(圖8)，但土壤水分并未及時恢復正常(SMCI<0.4)，從而導致當月的旱情緩解未被及時監測。因此，如何提高EPMC方法對農業干旱量化結果的準確性是后續需深入展開的工作。另外，全省總體旱情介于中旱～重旱之間(圖9)，重旱主要發生在中部部分地區，這可能與中部地區干旱持續時間過長有關。總之，PADI對干旱發生時段的判斷比實際長，但對于累積干旱程度的評估與實際旱情一致[12]。

3 討 論

本文計算了3種復合干旱指數在我國三大農業主產區的干旱易發區開展了適用性分析研究，定性、定量地分析了不同指數在不同農業區的運用效果，從而對復合干旱指數的選取提出建議。本部分將重點討論研究結果中一些特殊的現象及情況，對比3種復合干旱指數的適用性，并分析其原因。

EPMC是PADI指數干旱監測中的重要組成部分，借助該方法可對農業干旱的演變進行簡單量化。其次，該方法在我國三類農業區的表現表明，在對水稻區(湖北)2011年的干旱進行監測的過程中，該方法未能對旱情緩解的節點進行準確識別，這可能與水稻生長環境的特殊性有關。EPMC對干旱消亡期的判斷的關鍵是旱區是否出現有效降水(土壤水分恢復正常)，而水稻的生長環境長期處于水分充足的情況下，從而導致在水稻區的監測效果并不理想。在其余兩種復合干旱指數的監測過程中也有類似情況出現。EPMC方法如何根據不同農業區的區域特性來自適應地選取判定指標/閾值，也是該方法可改進之處。

為定量評價各指數在三類農業區的適用性，分析了各指數與SPI-3的線性相關性，結果表明：(1)與組成各復合干旱指數的單一干旱指數相比，復合干旱指數的提升效果不明顯，具體取決于研究區的地理位置。首先，OVDI在冬小麥區的魯棒性較好，但不是最佳干旱指數。此外，在冬小麥區PADI指數適合安徽的干旱監測，卻不是河南的最佳指數，這表明復合干旱指數在種植冬小麥的不同省份的監測效果存在差異。因此，干旱指數的選取除了需考慮主要種植作物外，氣候條件、生產水平等也是無法忽略的關鍵因素。(2)在冬小麥—夏玉米的復合耕作地區(河南)，對于發生在不同季節的干旱事件，PADI指數的運用效果存在明顯的差別。從分析結果來看，PADI指數對河南2011年夏旱的監測效果優于同年同地區的春冬連旱，這可能與綜合的作物信息有關。在2010—2011年河南發生干旱的時段中，冬小麥部分生長期雖受到了干旱的影響，但由于及時的人工干預措施(灌溉)，使得冬小麥的生長并未受到顯著影響。因此，在利用PADI指數進行干旱監測時，選擇正確的受災作物十分關鍵。(3)在水稻區，復合干旱指數與SPI-3呈顯著不相關，這可能與水稻生長環境的特殊性以及區域氣候特性有關(旱澇頻發)。

復合干旱指數監測結果與實際旱情的對比結果表明：(1)對干旱事件關鍵節點(如高峰期、消亡期)的判定中，指數TVDI、PADI在三類主產區的運用效果較好，符合實際旱情。而OVDI在水稻區的運用效果不佳，無法直接反映水稻受環境脅迫狀態，這可能與OVDI結合了過多的降水信息有關。(2)從對干旱發生的嚴重程度來看，TVDI對局部干旱嚴重程度的量化結果符合實際旱情，而OVDI對干旱嚴重程度的評定結果比實際旱情更嚴重。其次，PADI指數是基于EPMC方法及作物生長信息來實現對作物累積受旱程度的量化，因此評估較為全面，但對輸入信息的要求較高。(3)TVDI、PADI對三類主產區的干旱演變及干旱嚴重程度的評估更符合實際旱情，而OVDI不適用于水稻區的旱情監測。

4 結 論

通過對研究結果的討論和分析，得到以下幾點結論和建議：

1)PADI指數的計算模型較為全面，可在一定程度上反映作物的累積受旱情況，但對輸入信息的要求較高。綜合來看，由于我國不同農業主產區的作物種植情況存在較大差異，且作物信息庫不夠全面，故不建議將該指數用于中國農業主產區的大范圍干旱監測。

2)OVDI指數從純數學的角度，對干旱形成過程中涉及的主要干旱信息進行了最優組合，輸入信息易于獲取，且在與SPI-3的定量分析結果中效果較好。但對實際旱情的評估效果不夠穩定和準確，對干旱嚴重程度的判斷偏高。

3)TVDI計算簡單，輸入信息易獲取，可在一定程度上反映實際旱情。與PADI指數相比，TVDI對旱情的評估不夠全面。因此，對干旱評估的要求較為簡單時(干旱發生時間、嚴重程度)，建議使用指數TVDI進行大范圍的干旱監測。

致謝：感謝中國科學院計算機網絡信息中心國際科學數據鏡像網站(http://www.gscloud.cn)、美國國家航空航天局數據和信息服務中心(http://mirador.gsfc.nasa.gov/)等提供的數據。