夏傳花,賀中華,梁 虹,任榮儀,張 浪
(貴州師范大學地理與環境科學學院,貴陽550025)
近年來,全球變暖,干旱對人們的生產和生活的影響日益增大,干旱的影響已涉及越來越多的領域,而干旱對農業的影響最為明顯。引起干旱的原因很多,很難明確誘發干旱發生的具體因素[1]。農業干旱通常是指由于作物外界環境的變化,引發作物周圍土壤水分的供給不足,造成作物不能夠正常生長,引發農作物減產或者絕收的現象[2]。因此,如何及時獲取土壤濕度狀況對農業干旱進行準確監測評估,推進國家農業干旱監測預警,保障國家糧食安全具有重要意義[3]。隨著氣候變化的加劇,農業干旱已成為農業生產和糧食安全的重要影響因素[4]。對于貴州省來說,3-9月為農作物的重要生長季。因此,研究生長季農業干旱的時空變化特征及農業干旱分布對糧食產量的影響對貴州省農業生產合理布局和防旱減災提供科學依據。
傳統的干旱監測是利用局部區域范圍的散點上所測的土壤水分含量數據來監測一定區域范圍的干旱程度以及干旱所發生的區域范圍。這種方法實時性較差,且無法實現大范圍大尺度的農業干旱的動態監測,利用遙感技術能夠及時大范圍地監測農業干旱的發生發展趨勢[5]。在眾多的遙感監測手段中,ATI 和TVDI 的研究很多,但由于ATI 僅考慮了熱紅外波段,不適合用于高植被覆蓋的研究區,因此更多學者更傾向于利用TVDI 來研究農業干旱[6]。郭瑞寧等[7]基于TVDI 來反演黃土高原地區的土壤濕度變化,結果表明TVDI 可以通過反映研究區的土壤濕度來表明該區的干濕狀況。Dhorde等[8]利用長時間段的MODIS 數據來研究印度西部的干旱特征,表明TVDI 能夠較好地反映農業干旱的分布情況。
由于貴州喀斯特地貌發育典型,工程性缺水問題嚴重,且水資源時空分布不均,農作物生長的季節性與降水供給不匹配,造成該區域農業極易發生季節性干旱,給貴州省的農業發展造成一定程度的損失[9]。關于貴州省農業干旱的研究,已有許多學者從不同角度采用不同指標進行分析。羅陽[10]等研究表明,貴州省農業干旱發生的年際變化與降雨多少的年際變化相吻合,降水的多少對農業干旱的發生起著至關重要的作用。錢莉莉[11]等選取降水Z指數指標,研究貴州省1961-2015年55年間的農業干旱時空變化特征。古書鴻[12]等基于土壤含水量模擬貴州山區旱地農業干旱監測,構建旱地農業干旱指數,能夠較好地反應土壤水分的動態變化。在眾多的干旱指數中,溫度植被干旱指數與土壤濕度的相關性最好,能夠較好地反映農業干旱的發展狀況[13]。因此本文基于高光譜分辨率和高時間分辨率的MODIS 數據,構建溫度植被干旱指數,結合農產品產量統計數據,分析研究貴州省2006-2015 糧食生長季農業干旱的時空變化特征以及干旱指數分布對糧食產量的影響,以期為貴州省農業干旱監測與防災減災提供一定的參考依據。
貴州省地處我國西南部,位于24°37′~29°13′N,103°36′~109°35′E。土地面積17.62 萬km2,總人口達3 508.04 萬,平均海拔約1 100 m[14]。該研究區大部分區域全年氣候都比較溫和,且冬無嚴寒、夏無酷暑,四季分明,雨量充沛。但由于特殊的氣候和地貌類型,貴州省降雨呈現出時空分布不均勻的特點,年平均降水量在1 100~1 300 mm[15]。貴州省水系分布范圍廣,地表水和地下水資源都相當豐富。由于特殊的喀斯特地貌類型,各種不同地貌類型發育成熟,地下暗河與地下溶洞交替出現。徑流和降雨相似,表現時空分布不均勻,容易造成季節性枯水。河網密度小,地表水快速流出,地下水滲漏嚴重,地表涵養水源能力差,造成研究區農業干旱的發生[16]。
2.1.1 MODIS數據
由于農業干旱的發生具有不確定性、階段性和不連續性,利用來自美國國家航空宇航局(NASA)貴州省2006-2015年3、5、7、9月MODIS 標準產品數據。包括8d 合成的空間分辨率為1 km 的地表溫度數據(MOD11A2)和月合成的空間分辨率為1 km的植被指數數據(MOD13A3)。
2.1.2 農產品產量統計數據
數據來源于國家統計局2006-2015年貴州省統計年鑒,數據包含2006-2015年的夏糧產量以及相應年份的糧食總產量。
2.1.3 數據預處理
利用NASA 提供的MRT(MODIS Reprojection Tool)處理工具對所得到的遙感數據進行投影轉換、幾何校正,并將8d 合成的地表溫度數據采用最大值合成法合成溫度數據作為月地表溫度,對于存在云或缺失的溫度數據,采用反距離加權插值方法對缺失的溫度數據進行插值后再進行相關分析。利用ENVI軟件,提取歸一化植被指數(NDVI)和地表溫度(LST),將所得到的NDVI和LST,利用ENVI插件,計算得到各時間段的干濕邊方程及根據干濕邊方程計算得到TVDI 值,進而得到TVDI 分布圖,從而得到農業干旱的時空分布狀況。然后將所得到的TVDI按市級行政區域劃分,按行政邊界取像元平均值,來代表該區域該時段的農業干旱指數。利用統計年鑒所獲取的2006-2015各區域的農業產量統計數據和相應區域及年份的影像所計算出來的溫度植被干旱指數的均值,利用SPSS對兩個數據進行相關分析,得到各農產品產量與干旱指數的相關系數。
溫度植被干旱指數(TVDI:Temperature Vegetation Drought Index)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。溫度植被干旱指數的大小不僅與植被蓋度有關,也與地表溫度有關。在植被的覆蓋下,植物吸收太陽能,并將太陽能轉換為熱能釋放到地面,使地表溫度升高。反之,植被通過蒸騰作用,吸收熱能使地表溫度降低。若在一定時間內,在同樣的太陽輻射條件下,地表缺水,植物蒸騰作用減緩,消耗的熱能減少,地表溫度會有所升高,反之地表溫度會降低[17]。Sandholt 等[18]研究土壤含水量提出了溫度植被干旱指數(TVDI)的概念并定義為:
其中:


式中:TVDI表示的是溫度干旱植被指數值;TNDVli.max代表的是NDVI值相等時的最高地表溫度值;TNDVli.min表示NDVI值相等時的最低地表溫度;TNDVli代表任意像元的地表溫度值;a,b代表TVDI的濕邊方程系數;a′,b′代表TVDI的干邊方程系數。
為得到貴州省2006-2015年糧食生長季的農業干旱時空變化特征,利用所獲取的TVDI 在ArcGIS 中進行重分類。根據中國土壤濕度界定干旱標準[19],對研究區干濕狀況進行分級:極濕 潤(0≤TVDI<0.4),濕 潤(0.4≤TVDI<0.6),正 常(0.6≤TVDI<0.8),干旱(0.8≤TVDI<0.9),極干旱(0.9≤TVDI<1)。利用ArcGIS軟件分別制作研究區2006-2015年3、5、7 和9月的農業干旱等級分布圖。文中列出2006年農業干旱等級分布圖(圖1)和2015年的農業干旱等級分布圖(圖2)。
(1)由圖1可知,2006年3月農業干旱的發生主要集中在貴州省黔東南和銅仁的東南部地區,其他地區也伴有少區域的極干旱及部分區域的干旱,而遵義地區和黔南地區土壤濕度較高,干旱等級較低。5月農業干旱的發生主要集中在貴州省的西北及北部地區,干旱的發生主要以畢節地區為主,旱情極為嚴峻,而遵義局部地區也有極干旱和干旱的發生,黔西南的南部區域也有少范圍的極干旱區域,而其他區域只有少部分地區伴有干旱的發生,且旱情較緩。7月的農業干旱主要集中在遵義及銅仁遵義邊界一帶,其他地區雖也有少部分干旱區域,但旱情都比較緩,對該區域的農業發展的制約性較弱。9月農業干旱的發生主要集中在貴州省的東部地區,極干旱主要是在遵義和銅仁的交界一帶,且銅仁、遵義、黔東南及黔南的其他地區都伴有不同程度的干旱的發生,干旱覆蓋面積較大,干旱形勢較為嚴峻。
北京科技大學圖書館推行的輔助大學生創新社會實踐案例獲得了2016年全國高校信息素養教育研討會案例大賽一等獎,案例是為滿足學生創新社會實踐進行前期文獻調研這一臨時性、應急性的需求而設計的。目的是要在短時間內將學生當下所需的知識技能以恰當的方式迅速有效地傳達給學生。案例從學生社會實踐文獻調研的全流程進行了教學設計,內容不僅包括文獻及檢索基礎知識框架、文獻的檢索、遴選、獲取、管理等文獻檢索相關技能,同時還針對實踐隊要求高協同工作的特點,介紹了知識管理軟件有道云筆記和有道云協作,以輔助團隊提高協作效率。并結合邏輯演繹規則及學生認知規律,對學生選題及檢索系統使用做了剖析和講解。

圖1 2006年農業干旱等級分布圖Fig.1 Distribution of agricultural drought levels in 2006
(2)由圖2可知,2015年3月貴州省農業干旱的發生主要集中在畢節地區,其他地區也會有不同程度的干旱,干旱區域較畢節地區來說面積較小。5月貴州省的西北及西南地區有極干旱的發生,主要集中在畢節、六盤水和黔西南及邊界地帶。而除貴陽和黔東南州以外,其他地區都有不同程度的干旱發生。7月貴州省的東南部及東部區域農業干旱等級較高,旱情較為嚴重,干旱主要分布在遵義,銅仁及黔東南及與其相鄰的區域,其他地區也有干旱的發生,但面積較小。而相對于其他月份而言,9月的旱情分布較廣。除貴州省的西部的小部分區域以外,其他地區都伴有大部分區域的干旱,且存在從西到東的垂直地帶性分異,越靠近東部,干旱的發生越明顯。

圖2 2015年農業干旱等級分布圖Fig.2 Distribution of agricultural drought levels in 2015
(3)2007-2014年,3月的干旱主要發生在研究區的西部及西南部地區,西部區域的干旱面積大于其他區域,南部區域的干旱高于北部,且從西到東干旱呈垂直地帶性遞減規律。5月的干旱等級呈離散型分布,5月的干旱面積都普遍較小,旱情較為緩和,西南地區的干旱相比其他區域較為嚴重。7月旱情從西到東呈逐漸遞增的干旱趨勢,東部干旱明顯高于西部,且七月干旱面積相對于其他月份而言,干旱區域較大,干旱程度較為嚴重。9月干旱的分布較為分散,且大致呈東高西低,南高北低的分布態勢,相比較7月而言,干旱面積較低,旱情較緩,但明顯高于其他月份的旱情。貴州省干旱發生呈現由東到西逐漸遞減,隨著時間推移,干旱范圍逐漸從西南區域向東部擴散,且年際變化上干旱范圍逐漸擴大的規律,研究結果和前人研究一致[20]。
根據ENVI軟件計算出的TVDI分布圖,利用ArcGIS軟件的重分類工具,計算出各干旱等級所占的像元個數,利用Excel 統計出各干旱等級像元所占百分比,如表1。
3.2.1 2006-2015年夏半年農業干旱發生的年際變化
由表1可知,2006-2015年的3月,從極干旱發生的像元所占百分比來看,干旱狀況最為緩和的為2012年,最為嚴重為2014年,從干旱和極干旱發生的總的像元百分比來看,2012年的農業干旱發生所占的百分比最低,面積最小,而2011年農業干旱發生的百分比達49.91%,農業干旱的發生面積較大。5月,單從極干旱區域所占像元百分比看,2007年旱情較為緩和,2015年極干旱發生的區域最大,干旱最為嚴重,而從不同干旱發生的總的百分比來看,同樣為2007年的干旱區域最小,2015年的干旱區域最大,且從2011年起,干旱的發生區域逐漸在擴大。7月,除2008年的極干旱區域較大以外,其他年份的農業干旱狀況差異不大,而干旱總的百分比最大年份為2008年,占所有像元的66.18%,干旱區域較大,干旱較為嚴重,而除2006年的干旱面積占總區域的33.71 較小以外,其他年份的干旱都無太大差異。9月,2015年的極干旱區域所占百分比最大,2011年最小,而總的干旱2015年最大,2012年最小,農業干旱發生的區域最小。而從這4 個月的干旱的總的像元百分比來看,2015年為嚴重干旱年,其次為2011年和2014年,而2012年的干旱像元較少,干旱程度較緩,為十年間的濕潤年。

表1 2006-2015年不同月份各干旱類型百分比統計表 %Tab.1 Percentage statistics of drought types in different months from 2006 to 2015
3.2.2 2006-2015年夏半年農業干旱發生的月際變化
由表2可知:3月的農業干旱指數與夏糧產量以及全年的糧食總產量都呈顯著負相關關系,5月的農業干旱指數與夏糧產量以及全年的糧食總產量也呈負相關,但相關性較弱,而7月和9月的干旱指數與兩者都呈正相關,且與7月的相關性較為顯著,與9月的相關性不顯著。結果表明:3月和5月農業干旱指數越大,該區域這一年的糧食產量就越小,且3月的干旱指數對糧食產量的制約作用高于5月。7月和9月農業干旱指數越大,土壤水含量越少,該區域這一年的糧食產量就越大,且7月的干旱指數對糧食產量產生的作用強于9月。農業干旱的發生主要受3月和7月土壤含水量的影響,且3月土壤含水量越高,就會促進該區域的農業發展,土壤含水量越低,就會促進農業干旱的發生;7月則相反。

表2 農業干旱指數與糧食產量相關系數統計表Tab.2 Statistical table of correlation coefficient between agricultural drought index and grain yield
利用遙感影像和糧食產量統計數據,采用溫度植被指數作為農業干旱評價指標對貴州省2006-2015夏半年的農業干旱的時空變化進行分析,結合ENVI 和GIS 軟件、SPSS 軟件,得到研究區十年的農業干旱分布特征以及干旱指數分布對糧食產量分布的影響,并得到以下結論。
(1)在2006-2015年中,上半年的干旱主要發生在西部及西南部地區,隨著時間向后推移,干旱區逐漸向東部移動,到下半年干旱區就主要集中在東北,東南及東部地區。
(2)在這十年間,農業干旱等級在呈不斷增長趨勢,干旱面積也在不斷增大,農業干旱的發生不斷加劇,且一年中,7月干旱發生的面積最廣,且發生干旱的可能性最大。
(3)在農作物生長季,育苗期土壤含水量越高,對農作物的生長發育起促進作用。在糧食成熟期,土壤含水量過高,會抑制作物成熟,從而減少糧食產量,促進農業干旱的發生。
影響農業干旱的因素很多,干旱的形成原因也非常復雜,從總體上看貴州省的農業干旱有增加的趨勢,且增加幅度較大,速度較快。本文在研究貴州省十年農業干旱的時空變化的基礎上,未能將多種影響因素考慮其中,未來將進一步考慮綜合多種因素對農業干旱的影響,更加深入地分析研究農業干旱的形成機理及農業干旱的發展趨勢及應對策略。 □