典型旱年農業干旱遙感監測指標在東北地區生長季的表現*

王蔚丹，孫 麗**，裴志遠，陳媛媛

（1.農業農村部耕地利用遙感重點實驗室，北京 100121；2.農業農村部規劃設計研究院遙感與數字鄉村研究所，北京 100121）

干旱是對社會影響最為嚴重的自然災害之一，給糧食安全和水資源管理帶來極大挑戰[1?2]。近年來，干旱面積逐年增加，其產生的不利影響有增加的風險，氣候變化引起的干旱等極端天氣給全球糧食安全帶來巨大威脅[3?4]。《2020年全球糧食危機報告》指出干旱是影響糧食安全的重要驅動因素之一[5]。積極有效地進行干旱監測對農業安全生產管理至關重要。

目前表征干旱的指數很多[6]，傳統的干旱監測方法主要基于站點的降水、溫度和土壤濕度等資料來評估干旱的嚴重程度[7]。在過去50a 里，遙感技術已經改變了傳統的基于站點的測量方法，使在更大的空間尺度上觀測與干旱相關的關鍵變量成為可能[8]。農業干旱的發生離不開氣象、土壤和作物的相互作用。根據近年的研究[9?10]，將目前常用的農業干旱監測指數分為3 類：降水型、土壤型和作物型。第1類如條件降雨指數（Precipitation Condition Index，PCI）、標準化降雨指數（Standardized Precipitation Index，SPI）、TRMM-Z 指數等，主要基于TRMM（Tropical Rainfall Measuring Mission）等衛星的星載測雨雷達降水產品。第2 類如表觀熱慣量（Apparent Thermal Inertia，ATI）、改進型能量指數（Modified Energy Index，MEI）、垂直干旱指數（Perpendicular Drought Index，PDI）、改進的垂直干旱指數（Modified Perpendicular Drought Index，MPDI）等。第3 類包括4 個亞類：其一是作物形態及綠度類遙感監測指標，如條件植被指數（Vegetation Condition Index，VCI）、距平植被指數（Anomalies of Vegetation Index，AVI）；其二是作物冠層含水量類遙感監測指標，如歸一化差異水分指數（Normalized Difference Water Index，NDWI）、全球植被水分指數（Global Vegetation Moisture Index，GVMI）；其三是作物冠層溫度類遙感監測指標，如條件溫度指數（Temperature Condition Index，TCI）、作物缺水指數（Crop Water Stress Index，CWSI）、歸一化差異溫度指數（Normalized Difference Temperature Index，NDTI）；其四是作物綜合旱情類遙感監測指標，如溫度植被干旱指數（Temperature Vegetation Drought Index，TVDI）、植被供水指數（Vegetation Supply Water Index，VSWI）等。

目前尚未有一種指標可以直接、精確、完整地表達農業干旱，各指數具有不同的時空適用性。已有學者對干旱指數進行了時空適宜性分析，陳少丹等[11]對TRMM 衛星降水數據在區域干旱監測中進行適用性分析，驗證了TRMM 數據能夠替代站點觀測數據進行干旱的監測與評估。Du 等[12]基于TRMM數據計算條件降雨指數（PCI），可用于農業干旱降水量虧缺程度監測。孫麗等[13]利用MODIS 數據構建溫度植被干旱指數（TVDI）和植被供水指數（VSWI），對冬小麥主要生長時期進行干旱監測應用，將其與土壤濕度進行相關分析，指出TVDI 比VSWI 更能體現區域旱情變化趨勢。李菁等[14]采用改進型能量指數(MEI)、垂直干旱植被指數（PDI）以及地表含水量指數（SWCI）對陜北地區進行土壤濕度反演，表明3 種指數均能及時、準確得到大范圍的土壤含水量情況及旱情。童德明等[7]用月尺度的干旱嚴重程度指數（Drought Severity Index，DSI）、歸一化干旱指數（Normalized Difference Drought Index，NDDI）、TVDI 分別與SPI、土壤相對濕度（Relative Soil Moisture，RSM）進行相關分析，表明DSI 對山東干旱遙感監測有較好的適用性。宋揚等[15]以遼西北為研究區，分析了ATI、AVI、VSWI 3 種指數在春玉米生長前期、生長中期和生長后期監測干旱的可行性和有效性。李華朋等[16]以東北松嫩平原為研究區，合成6?9月單月的MODIS 數據，以標準化降水指數（SPI）為農業干旱敏感性的標準，對比植被綠度指數和植被水分指數在農業干旱監測上的敏感性。鄭有飛等[17]利用回歸擬合方法，以不同深度（10、20、50cm）的土壤相對濕度（RSM）為基準，討論了ATI、VSWI和能量指數等3個指數在黑龍江干旱監測中的適應性，提出能量指數法的監測效果明顯優于熱慣量法和植被供水指數法。這些研究大多選擇幾種指數以月為時間尺度，以旬或更小時間尺度分類系統地進行東北全區適應性分析的研究較少。時間尺度越小，其所反映的干旱狀況越精細[10]，關鍵生育階段發生短時干旱也可能給農業生產造成重大影響，有時須有更高時間精度的遙感指數作支撐[18]。而大空間尺度下由于氣候條件、土壤類型、作物種植方式以及地形地貌等因素存在較大差別，導致不同指數的適應性在不同時空范圍可能發生變化。東北地區是中國糧食主產區之一，主要農產品在全國占有重要地位，干旱和洪澇是影響東北地區糧食生產的主要氣象災害[19]。針對不同作物生長階段選取適宜的監測指標，對于及時、準確地評估干旱對該地區作物生長的影響，實現合理水資源調度和制定有效抗旱減災措施都具有重要意義。安雪麗等[20]分析土壤濕度與農氣災情數據及產量數據的關系，表明RSM 在東北地區農業干旱監測中具有較好的監測能力。李阿倫等[21]分析了不同深度土層含水量，表明20cm 土層含水量較其它土層穩定，更適合作為土壤墑情的預測指標。根據統計數據，2009年黑龍江、吉林、遼寧三省受旱面積比分別為40.17%、48.06%、53.18%。本研究以東北三省為研究區，以20cm 土壤相對濕度（RSM）為參考指標，8d 為時間尺度，在區域尺度上分析比較2009年多種農業干旱指數在作物生長季內的表現，旨在更直觀地為農業干旱遙感監測指數的選取，并構建科學合理的農業干旱監測指標體系提供參考。

1 資料與方法

1.1 研究區概況

選取東北三省為研究區（圖1），平均海拔50～200m，地面起伏平緩，土層深厚。屬溫帶大陸性季風氣候，夏季溫和濕潤，冬季嚴寒漫長，無霜期100～200d，年降水量為400～800mm，≥10℃年積溫為1300～3700℃·d，年日照時數為2300～3000h，基本能滿足春玉米、大豆、水稻、小麥等多種作物的生長需要。東北地區地處中高緯度，降水時空分布不均，年際變率較大，熱量資源空間變異性大，氣候從濕潤區、半濕潤區過渡到半干旱區，農業區劃上從農林區、農耕區過渡到半農半牧區，是氣象災害頻繁且嚴重的地區之一。

圖1 東北三省農氣站點分布Fig.1 Distribution of 53 argo-meteorological stations in Northeast China

1.2 數據來源及處理

遙感數據包括中分辨率成像光譜儀（Moderate Resolution Imaging Spectroradiometer，MODIS）的有關產品，如MOD11A2（晝夜地表溫度）、MOD09A1（地表反射率）和MOD16A2（地表蒸散發）以及TRMM 降水產品3B42（降水量）。上述數據來源于Google Earth Engine 云平臺，其中，使用的MOD16A2產品數據時間為 2009年，其它數據時間均為2000?2019年。根據質量評估文件對相應的MODIS數據進行質量控制，當某像素的值無效時不參與干旱指數的計算。采用的MODIS 數據均為8d 時間尺度，3B42 數據時間分辨率為3h，對其進行時間尺度轉換，得到8d 時間尺度的累積降水量。將MOD09A1和3B42 數據重采樣為1km×1km，與MOD11A2、MOD16A2 空間分辨率統一。

地面驗證數據來源于國家氣象科學數據中心（http://cdc.cma.gov.cn）的《中國農作物生長發育和農田土壤濕度旬值數據集》，具體為2009年5?9月53 個農氣站點（圖1）每旬20cm RSM 數據。由于RSM 數據在每月8、18、28日測得，為減少時間不匹配帶來的不確定性，如6月中旬和7月下旬RSM獲取時間是8d 遙感數據的起始時間，不能表征遙感數據時段的總體狀態，所以不參與相關分析，選用農作物主要生長季（5?9月）內13 組數據（表1）。將生長季分為生長季前期（5月）、中期（6、7 和8月）和后期（9月）三個階段。

表1 2009年作物生長季各組數據對應時間（53 個農氣站）Table 1 Corresponding time to each group of data during growing season in 2009 (53 stations)

1.3 農業干旱遙感監測指標

1.3.1 指標分類

以典型干旱年2009年為例，分析降水型、土壤型、作物型3 個類別10 種農業干旱遙感監測指數在東北地區作物生長季8d 尺度上的適用性，指標類別劃分如表2所示。

表2 農業干旱遙感監測指數及使用數據源Table 2 Data source of remote sensing indices for monitoring agricultural drought

1.3.2 指數計算

（1）降水型干旱指數

包括條件降水指數（PCI）和累積條件降水指數（APCI），具體算法為

式中，P 表示2009年一定時段內（8d）的降水量（mm），Pmax、Pmin分別為2000?2019年同期降水量最大值（mm）、最小值（mm），k 為當前期數，k?1 表示上一期，以此類推；a0、a1、…、an表示權重系數，PCIk、PCIk?1、PCIk?n分別為當前期、當前期往前追溯1 個時間尺度和當前期往前追溯n 個時間尺度條件降水指數。指數值越小，表明越干旱。降水短缺造成的影響具有累積性[22]，參照已有研究[23]，考慮當前期和前3 期共32d 的降水量[24]，采用權重遞減的思路計算APCI，即假定當前期的降水短缺對目前的干旱情況貢獻最大，隨著時間前移，過去的降水狀況對當前干旱的影響隨著時間距離遞減。a0表示當前期的權重系數，取4/10，a1表示往前追溯1 個時間尺度的權重系數，取3/10，以此類推，各個權重系數4/10、3/10、2/10、1/10 的總和為1。PCI、APCI 越小，表明干旱越嚴重，RSM 值越小。

（2）土壤型干旱指數

包括表觀熱慣量（ATI）和改進型能量指數（MEI），具體算法為

式中，A、ΔT 分別表示反照率及晝夜地表溫差，ρ1、ρ2、ρ3、ρ4、ρ5、ρ7分別表示MODIS 對應波段（Red、NIR、Blue、Green、TIR、SWIR）的地表反射率，LST 表示地表溫度。ATI、MEI 越小，表明干旱越嚴重，RSM 值越低。

（3）作物型干旱指數

包括條件植被指數（VCI）、歸一化差異水分指數（NDWI）、條件溫度指數（TCI）、作物缺水指數（CWSI）、累積作物缺水指數（ACWSI）和溫度植被干旱指數（TVDI）。具體算法為

式中， ρred、ρblue、ρnir、ρmir分別為Red、Blue、NIR、MIR 波段的反射率，EVI、EVImin、EVImax分別表示增強型植被指數（Enhanced Vegetation Index，EVI）及多年同期EVI 的最小值和最大值，TC、TCmin、TCmax分別表示地表溫度及多年同期的最小值和最大值；ET、PET 分別為地表實際蒸散和潛在蒸散；TCmax_EVI為特定EVI 對應的最高冠層溫度（干邊），TCmin_EVI表示特定EVI 對應的最低冠層溫度（濕邊），a、b、c、d 為干邊、濕邊的擬合系數。可以采用地表溫度代替冠層溫度。k為當前期數，k-1 表示上一期，以此類推；a0、a1、…、an表示權重系數，CWSIk、CWSIk-1、CWSIk-n分別為當前期、當前期往前追溯1 個時間尺度和當前期往前追溯n個時間尺度作物缺水指數。參照APCI的計算方法，考慮了作物前期缺水的影響，利用32d 的CWSI，采用權重遞減的思路計算累積作物缺水指數ACWSI。VCI、NDWI、TCI 值越小，則干旱越嚴重。CWSI、ACWSI、TVDI 值越大，干旱越嚴重。

1.3.3 指數適用性驗證

土壤相對濕度（RSM）是土壤質量含水量與田間持水量的比值，參照已有研究，采用相關分析，結合同期農氣站點實測得到的RSM 數據，分析降水型、土壤型及作物型農業干旱遙感監測指數在東北地區適用性。

2 結果與分析

2.1 降水型農業干旱遙感監測指標的表現

利用降水量數據計算得到生長季PCI 和APCI，以農氣站點建平（JP）為例，將兩個指數分別與實測RSM 對比分析。由圖2可以看出，PCI 與RSM 在7月上旬等某些時段一致性較好，6月上旬等時段則表現出明顯不同的趨勢，而考慮累積效應的APCI 指數與RSM 變化趨勢一致性總體較好。該站點5月上旬降水豐沛，中、下旬降水極端偏少，對應的RSM 降低，但波動較小，表明生長季前期PCI 能反映氣象干旱發生過程，但RSM 對相應時段的降水減少不敏感（圖2a）。APCI 表現出與PCI 類似特征，但考慮了32d 累積降水量的APCI 在一定程度上平滑了近期降水影響程度，因此，變化趨勢較PCI 緩和，總體上與RSM 變化特征一致，尤其在生長季的中后期更為明顯（圖2b）。

圖2 降水型指標PCI 和APCI 與實測20cm 土壤相對濕度（20cm RSM）時序變化Fig.2 Variation of time series of PCI/APCI (precipitation-based indicators) and measured relative soil moisture at 20cm depth(20cm RSM)

將兩個指數與RSM 的相關性進行對比分析（圖3）。生長季內PCI、APCI 兩個指數與RSM 相關系數r 的均值分別為0.19、0.36，均呈現正相關關系，而考慮前期降水影響的APCI 較僅考慮當前降水的PCI 與RSM 相關性更高，可以認為APCI 更能反映土壤濕度狀況。相比中后期，兩個指數在生長季前期與RSM 的相關性偏低，這是由于東北地區春季土壤濕度主要受前5～6 個月尺度大氣水分的影響[25]，且春季降水總量較低，即使較常年降水偏少，其影響程度也非常有限，因此該階段短時降水對土壤濕度總體影響較小。6月PCI 與RSM 相關系數表現不高，表明該時段土壤濕度受前期降水影響仍較大。生長季中期，PCI、APCI 與RSM 相關系數均值分別為0.25、0.41；生長季后期，PCI、APCI 與RSM 相關系數均值分別為0.15、0.37。總體上，生長季中期PCI、APCI 與RSM 相關系數較高，生長季后期次之，生長季前期最低。

圖3 降水型指標PCI 和APCI 與20cm 土壤相對濕度的相關系數（n=53）Fig.3 Correlation coefficients (r) between PCI/APCI index and 20cm RSM (n=53)

研究發現，由于PCI 僅考慮短時降水條件，在干旱監測時存在一定的不確定性，如2009年7月上旬吉林、黑龍江兩省降水偏少50%，但截至6月下旬兩省大部分地區較常年降水偏多80%以上，在前期土壤墑情較好的前提下，氣象條件的濕干急轉使短時降水型干旱指數PCI 與RSM 相關性降低。

2.2 土壤型農業干旱遙感監測指標的表現

以5月中旬、8月上旬和9月中旬分別代表生長季前期、中期和后期，同時選取有代表性的部分地面樣點，對ATI、MEI 與實測土壤相對濕度（RSM）進行對比分析（圖4）。生長季前期，ATI 與RSM 變化趨勢更為一致（圖4a、圖4b）；生長季中期，MEI與RSM 變化趨勢更為一致，對RSM 變化更為敏感（圖4c、圖4d）；生長季后期，兩個指數與RSM 趨勢一致程度基本相當，總體表現較好（圖4e、圖4f）。

圖4 10 個代表站生長季前期（5月中旬）、中期（8月上旬）和后期（9月中旬）土壤型指標ATI 和MEI 與20cm 土壤相對濕度的對比Fig.4 Contrast of ATI/MEI (soil-based indicators) and 20cm RSM during early stage (M-May),middle stage (E-Aug.) and late stage (M-Sep.) of the growing season at 10 representative stations

將兩個指數與RSM 的相關性進行對比分析（圖5）。結果表明，生長季前期，ATI 與RSM 有更好的相關性，相關系數r 在0.39 以上；但在地表植被覆蓋較高的生長季中期相關性低，與前人研究結論一致[15]，此時MEI 與RSM 相關性較高，大多相關系數達到0.40 以上；生長季后期，ATI、MEI 與RSM 的相關性均表現較好，相關系數在0.38 以上。ATI 計算需要用到晴空狀態下晝夜溫差ΔT，7月中旬進行去云、質量控制等處理后有效數據較少，不參與計算。因研究區5月氣溫較常年偏高，特別是黑龍江省大部分地區氣溫為1951年以來歷史同期最高值，受氣溫等環境因素影響，地表溫度異常偏高，導致MEI 對20cm 土壤濕度的敏感性降低。

圖5 土壤型指標ATI 和MEI 與20cm 土壤相對濕度的相關系數（n=30）Fig.5 Correlation coefficients (r) between ATI/MEI index and 20cm RSM (n=30)

2.3 作物型農業干旱遙感監測指標的表現

利用反射率、陸表溫度等數據計算得到2009年生長季VCI、NDWI、TCI、CWSI、ACWSI 和TVDI共6 個指數。以5月中旬、8月上旬和9月中旬分別代表生長季前期、中期和后期，選取有代表性的作物型干旱監測指數與部分地面樣點實測RSM 對比分析（圖6）。由圖可見，RSM 變化趨勢與TCI 的變化趨勢一致性較好（圖6a），與VCI（圖6e）、NDWI（（圖6f））變化趨勢基本一致，與ACWSI（圖6b）、TVDI（圖6c）、CWSI（圖6d）變化趨勢相反，該結果符合各指數理論預期。

圖6 10 個代表站生長季前期（5月中旬）、中期（8月上旬）和后期（9月中旬）作物型指標與20cm 土壤相對濕度的對比Fig.6 Contrast of Crop-based indicators and 20cm RSM during early stage (M-May),middle stage(E-Aug.) and late stage(M-Sep.) of the growing season at 10 representative stations

為方便比較各作物型干旱指數，取相關系數的絕對值|r|進行對比分析。由圖7可以看出，整個生長季NDWI、VCI 等冠層含水量類干旱指數、作物形態及綠度類干旱指數與同期RSM 的相關性均較低，相關系數絕對值在0.4 以下，對當前土壤濕度反映不敏感。TCI 等冠層溫度類干旱指數在生長季內與RSM相關性整體上呈現|rACWSI|＞|rCWSI|＞|rTCI|。TCI 與RSM的相關性高時可達0.5 以上，低時小于0.1，波動性較大，主要由于該指數易受其它非干旱脅迫因素的影響[9]，在生長季后期總體表現較好。在生長季前期和后期，考慮32d 累積蒸散的ACWSI 與RSM 相關系數絕對值在0.47 以上，明顯好于CWSI，但7月初?8月上旬表現不如CWSI，表明在作物需水關鍵期，短時蒸散指數更易于反映土壤濕度狀況，過長時間的蒸散累積會降低其對土壤濕度變化的敏感性。綜合考慮冠層溫度和植被指數的TVDI 在生長季中期與RSM 具有較強的相關性，相關系數絕對值|r|大多在0.5 以上，在生長季后期相關性有所下降，但|r|仍大于0.42，在生長季前期相關性較低，|r|低于0.3，總體上，該指數在生長季內大部分時段對土壤濕度變化較為敏感。

圖7 作物型農業干旱遙感監測指標與20cm 土壤相對濕度的相關系數（n=42）Fig.7 Correlation coefficients (r) between the six crop-based indicators and 20cm RSM (n=42)

3 結論與討論

在東北地區的典型干旱年份，按生長階段來看，生長季前期，基于蒸散發的ACWSI 與RSM 的相關系數在0.47 以上，表現較好，表觀熱慣量ATI 和改進型能量指數MEI 次之，可根據數據的獲取情況選取應用；生長季中、后期，溫度植被干旱指數TVDI與RSM 相關系數絕對值大多在0.5 左右，對土壤濕度變化較為敏感，可用于該生長階段的農業干旱監測；ACWSI 在生長季后期表現良好，可以作為該階段的監測指數。考慮到生長季中、后期云雨相對較多，實際監測中常遇到數據缺失的情況，因此，結合前期累積降水的降水型遙感干旱監測指標可以作為輔助監測手段。VCI 等植被形態及綠度類干旱指數、NDWI 等作物冠層含水量類指數與RSM 相關性較低，不適于研究區內短時間尺度的農業干旱監測。

按干旱指標類型來看：（1）降水型干旱監測指標：APCI 較PCI 更能反映土壤濕度變化趨勢，但基于累積降水量的APCI 在進行短時間尺度干旱監測時應注意累積效應的最佳時間尺度；（2）土壤型干旱監測指標：ATI 在生長季前期和后期表現較好，這與宋揚等[15]研究結論一致，該指數適用于生長季后期，認為是由于作物進入成熟階段，植被指數呈顯著下降趨勢，同時，該區域晝夜溫差明顯增大，一定程度上削弱了植被覆蓋條件對地表溫度的影響，地表溫度晝夜溫差逐漸成為反映土壤濕度變化的主導因子；MEI 與RSM 的相關系數在0.4 左右，適用于各種植被覆蓋條件下的土壤濕度監測，這與鄭友飛等研究結論一致[17]，但在生長季前期該指數表現不如預期[14]，主要是易受氣溫等環境因素影響，應用時需注意；（3）作物型干旱監測指標：綜合考慮植被和溫度的干旱指數TVDI 能夠反映土壤濕度，與Song 等[26]等研究結論一致，在該類干旱指數中優勢明顯；CWSI 在作物需水關鍵期進行干旱監測時表現優于ACWSI，其它時段不如后者，但后者在進行短時間尺度干旱監測時也應注意累積效應的最佳時間尺度；TCI 在2009年生長季后期表現好于前期，總體上易受其它非干旱脅迫因素影響[9]，穩定性不如TVDI；基于8d 尺度的VCI 及NDWI 指數對干旱影響的表現存在一定滯后性，另外，其它因素如土壤鹽漬化、病蟲害等會影響作物正常生長[27]，從而造成指數異常變化，引起干旱監測評估偏差，因此，認為該類指數宜結合能反映短時干旱脅迫類指標使用。

本研究以東北地區典型干旱年份2009年為例進行了農業干旱多種遙感監測指數的適用性分析闡述，由于所用地面數據為單日觀測結果，遙感監測指數為8d 合成結果，雖然對數據進行了質量控制，對極端不匹配情況進行了剔除，但仍存在多要素時空尺度匹配上的偏差，一定程度上影響了遙感監測指數與RSM 的相關性評估。后續將運用多年數據作進一步的分析與驗證，并針對降水和蒸散發的累積效應開展更深入的研究。