基于MODIS數據的遼西北地區玉米干旱脆弱性評價研究*

劉曉靜，張繼權，馬東來

(1.吉林師范大學旅游與地理科學學院，四平 136000； 2.東北師范大學環境學院，吉林長春 130000；3.筑波大學系統與信息工程研究生院，日本筑波 3050006)

基于MODIS數據的遼西北地區玉米干旱脆弱性評價研究*

劉曉靜1※，張繼權2，馬東來3

(1.吉林師范大學旅游與地理科學學院，四平 136000； 2.東北師范大學環境學院，吉林長春 130000；3.筑波大學系統與信息工程研究生院，日本筑波 3050006)

傳統區域作物脆弱性的研究主要基于氣象資料、作物生長觀測資料和社會經濟統計資料，忽略了作物對極端事件的反應在時空分布上的差異性。眾多研究表明，植被指數能夠表征水分脅迫下的植被特征，在對旱情的表達上比常規的間接方法更為直接，監測精度更高。研究以遼西北地區2006年玉米干旱為例，基于MODIS數據計算植被狀態指數VCI和溫度條件指數TCI，根據二者在旱情表達上不同的側重和研究目的，確定模型參數，構建遼西北地區玉米干旱脆弱性模型，計算玉米干旱脆弱性，并將玉米干旱脆弱性劃分為4級，借助GIS技術繪制遼西北地區玉米各生育階段干旱脆弱性的空間分布圖。結果表明，隨著時間的推移，遼西北地區玉米干旱脆弱性空間分布也在發生著變化。研究實現了玉米干旱脆弱性在時間變化和空間分布上的差異變化描述，為區域因地制宜地制定防災減災規劃提供科學依據。

MODIS影像 玉米干旱 脆弱性 植被狀態指數 溫度條件指數

0 引言

農業旱災已嚴重影響和威脅了我國的糧食生產和糧食安全[1]。旱災對農作物造成的危害程度不僅取決于干旱事件的強度，更取決于作物自身面對旱災時表現出的脆弱性。Burton和White等認為脆弱性是指承災體對于破壞和傷害的敏感性[2]。因此，對區域作物干旱脆弱性進行研究是區域農業旱災風險評估和損失估算的重要環節，為區域防災減災規劃的制定和農業生產的穩定持續發展提供科學依據。

近年來，國內外對區域作物脆弱性的研究主要基于氣象資料、作物生長觀測資料和社會經濟統計資料[3-12]。研究雖能在一定程度上評價作物的脆弱程度，但也存在一些弊端：(1)模型構建所需參數較多，數據的收集和處理需要大量的人力、物力和時間； (2)氣象、統計以及作物生長觀測資料等都屬于地面點數據，地面觀測點的空間位置、密度等都限制了點至面的轉換精度，從而降低了區域作物脆弱性在空間分布和時間變化上的評價精度。遙感數據的及時性、快速性以及空間連續性彌補了上述的缺憾，它可以更好地對作物進行大面積的動態監測。眾多研究表明，在半干旱和干旱區，植被指數能夠表征水分脅迫下的植被特征[13-16]，并且可在空間和時間上較好的反映干旱的發生、發展和空間分布[17-19]，在對旱情的表達上比常規的間接方法更為直接，監測精度更高[20-21]。研究以遼西北地區玉米旱災為研究對象，從作物自身對干旱的反應出發，利用MODIS數據構建玉米干旱脆弱性評價模型，評價遼西北地區玉米干旱脆弱性，為區域農業旱災損失的快速評估、防災減災規劃的制定提供決策依據。

圖1 研究區行政區劃

1 研究區概況與數據準備

1.1 研究區概況

遼西北地區(圖1)位于遼寧省的西北部，包括朝陽、阜新、錦州、葫蘆島、鐵嶺5個地級市和沈陽1個副省級城市。遼西北土地面積6.8萬km2，占全省的47%，其中玉米播種面積約占到全省的67%，是遼寧省玉米重要產地。主要氣候特點是干旱多風，日照豐富，積溫較高，雨量不均，東濕西干。遼西北地區降水量由東南向西北呈遞減趨勢，西部地區正常年份的降雨量僅有500mm，是遼寧省干旱發生最頻繁、最嚴重的地區，通常，以“十年九旱”來形容該地區干旱的頻發程度。例如在1999～2006年，遼西北地區連續8年發生了不同程度的干旱，全省農作物受旱面積累計13萬km2，糧食作物損失1.45×1010kg，尤其在2006年6月下旬至8月上旬，遼西北地區發生了自1951年以來特大伏旱，旱災造成遼西北地區92.88%的農作物受旱，糧食減產4.07×109kg。可見，干旱是影響遼西北玉米生長的主要氣象災害。

1.2 數據來源與處理

1.2.1 衛星數據

研究采用了美國國家航空航天局(NASA)制作的MODIS陸地標準產品MOD11A2和MOD13A2。與早期應用廣泛的NOAA-AVHRR數據相比，MODIS數據具有較高的時間、空間以及波譜分辨率，因此能更好的進行旱情監測。該研究收集了2000～2013年生長期(4～9月)的MOD11A2和MOD13A2數據，空間分辨率均為1 000m，時間分辨率分別為8d和16d。在進一步去噪、投影、拼接等基礎處理后，依據劃分的玉米各生長期的時間段使用最大值合成法合成各生長期的衛星數據，之后計算植被指數。

(1)植被狀態指數

Kogan等在1990年提出植被狀態指數(Vegetation Condition Index)的概念[17]，并將其定義為某一時刻NDVI(植被歸一化指數)與歷史同期最大NDVI值和最小NDVI值的比值，用以反映相同生理期內植被的生長狀況，公式如下：

(1)

式中，VCIj是j時的植被狀態指數，NDVIj是j時的歸一化植被指數，NDVImax、NDVImin分別為所有圖像中NDVI的最大值和最小值。

VCI是通過對地表植被生長狀況的監測來達到監測干旱的目的[19]。由于水分在大氣-植被-土壤循環中，植被在生理過程中對水分脅迫相對土壤有一定的滯后，當干旱發生時，植被在水分脅迫下其NDVI值不同程度的減少反映了土壤的水分狀況[25]，因此該指標可較好的反映植被生長狀況與土壤水分的關系。

(2)溫度條件指數

當土壤中有充足的水分時，地表植被葉面的潛熱增加顯熱減少，地表植被葉面溫度較低； 當干旱發生時，地表的蒸騰蒸散作用有增大趨勢，但是土壤中水分缺乏，沒有足夠的水分用來完成蒸騰蒸散作用，冠層或裸土的溫度會有不同程度的增加。基于這一特征，溫度條件指數[26](TemperatureConditionIndex)定義如下：

(2)

式中，TCIj為日期j的溫度條件指數，Tj為日期j的地表溫度，Tmax、Tmin分別為數據集中所有圖像的最大地表溫度和最小地表溫度。

表1 玉米生育階段及其相應時間段

玉米生育期時間段播種期4月下旬至5月上旬苗期5月中旬至6月上旬拔節期6月中旬至7月上旬抽穗期7月中旬至8月上旬灌漿成熟期8月中旬至9月中旬

1.2.2 農業數據

農業數據主要收集了研究區多年的玉米產量數據和玉米生長期觀測資料。玉米在不同發育期對水分的需求不同，因此，玉米在不同的生長階段受同一等級干旱強度的影響也不同。考慮到遼西北地區氣候特征和玉米的品種及其生長特點，結合遼寧省水利電力廳1992年編制的《遼寧省抗旱資料匯編》，根據遼西北地區各農氣站提供的多年玉米發育期資料，以旬為單位確定遼西北地區玉米各生育階段的起止時間，劃分為5個階段，如表1所示。

1.2.3 其他數據

除衛星數據和農業數據外，該研究還收集了遼西北地形圖(DEM)、土地利用/覆蓋類型數據、玉米種質資源地理分布圖和遼寧省農業區劃圖，用于識別玉米的覆蓋范圍。數據資料主要來源于國際科學數據服務平臺、《遼寧省統計年鑒1989-2014》、《遼寧省水旱災害》、中國種質查詢網和中國種植業信息網。

2 脆弱性模型的構建

作物生長依賴根系從土壤中吸收的大量水分，這些水分除少量直接參與代謝作用外，其余99%都用于蒸騰作用，水分通過作物的地上部分散失到空中，從而調節自身體溫，保證其正常的生長發育。當土壤中水分缺乏，作物受旱，作物冠層通過關閉部分氣孔而減少蒸騰蒸發量，這又導致冠層或裸土溫度會有不同程度的增加。可見，土壤水分的不足直接影響了作物的蒸騰蒸發量，而作物蒸騰蒸發量的變化可通過作物的生長狀態和冠層溫度表現出來。因此選取能夠代表玉米自身生長狀態的植被指數VCI和反映玉米冠層溫度的TCI，將兩者結合起來，實現玉米對干旱脆弱性的遙感監測。模型定義如下：

CDRIj=ajVCIj+bjTCIj

(3)

式中，CDRIj為玉米某一生育階段的干旱脆弱性指數；j代表玉米的某一生育階段，j=1， 2，…， 5；VCIj、TCIj為j生育階段的植被指數；aj、bj分別為第j生育階段VCIj、TCIj的權重系數，aj∈[0， 1]、bj∈[0， 1]。CDRIj值越大，表明玉米對干旱的敏感性越低，反應越弱，脆弱性越小； 反之，玉米對干旱的敏感性越高，反應越強烈，敏感性越高。

依據Unganai和Kogan[22]、朱小祥[23]、匡昭敏[24]等的研究，權重系數采用靈活賦值法求取，即a、b在0～1間取值，且a+b=1，以0.1為步長計算作物干旱脆弱性指數CDRI，對CDRI與VCI、TCI進行相關分析，以確定VCI、TCI分別對CDRI的貢獻顯著性及大小(表2)。當土壤水分發生虧缺時，玉米生長狀態與地表溫度同時對土壤濕度有一定的反映，因此必須保證玉米任一生育階段VCI與TCI對CDRI貢獻是相等的。另外，VCI通過描述植被的生長狀況反映植被的健康程度，而TCI通過對溫度的描述表達地表或植被冠層溫度對環境變化的響應，因此，根據研究目的，后者的權重系數應大于前者。

3 結果與分析

3.1 權重系數的確定

根據上述基本原理，分別計算玉米各生長階段VCI與TCI的權重系數a，b。以抽穗階段為例，如表2所示，當a、b分別取0.4、0.6時，CDRI與產量的相關性最高(P<0.05)，且CDRI與兩個參數的相關系數均達到0.8，滿足上述要求，因此，以0.4、0.6分別作為抽穗階段VCI、TCI的權重系數。除播種期外，苗期、拔節期以及灌漿成熟期a、b的選取過程與抽穗期相同，經計算各生育期符合要求的a、b值均為0.4、0.6。播種期則較為特殊。播種期是指播種至出苗前的這段時間，該時間段內地表覆蓋為土壤，通過植被生長狀況表達干旱的VCI在此階段內始終呈現低值，對干旱的表達造成干擾，因此只選擇表征地表溫度的TCI作為此階段的干旱脆弱性指數更為準確，即a=0，b=1。

表2 各生長階段CDRI與VCI、TCI的相關系數

權重系數(a,b)CDRI與VCI、TCI的相關系數苗期拔節期抽穗期灌漿成熟期VCITCIⅤCITCIⅤCITCIⅤCITCI0.1,0.90.4280.9860.3300.9910.3270.9870.5990.9960.2,0.80.5800.9420.4650.9610.4880.9450.6770.9810.3,0.70.7140.8680.6010.9050.6390.8680.7430.9340.4,0.60.8190.7750.7550.8220.7670.7650.8210.9150.5,0.50.8950.6750.8280.7180.8620.6480.8500.8640.6,0.40.9440.5750.9040.6030.9260.5310.9270.7730.7,0.30.9740.4840.9540.4890.9660.4230.9620.7350.8,0.20.9900.4030.9830.3820.9870.3270.9840.6630.9,0.10.9980.3330.9960.2870.9970.2450.9960.591

3.2 遼西北地區玉米干旱脆弱性評價

分析以往歷史災情數據可知， 2006年4～9月遼西北地區發生農業干旱。因此，研究以2006年為例，計算遼西北地區玉米各生育階段的干旱脆弱性指數，利用最優分割法，將脆弱性指數分為輕度、中度、重度和嚴重4個等級(表3)。圖2為研究區玉米各生育階段干旱脆弱性等級圖。

圖2 遼西北玉米各生育階段干旱脆弱性等級

表3 遼西北地區玉米干旱脆弱性等級

生育期脆弱性等級輕度中度重度嚴重播種期(0.694,1](0.518,0.694](0.271,0.518][0,0.271]苗期(0.647,1](0.463,0.647](0.282,0.463][0,0.282]拔節期(0.682,1](0.506,0.682](0.325,0.506][0,0.325]抽穗期(0.812,1](0.663,0.812](0.482,0.663][0,0.482]灌漿成熟期(0.718,1](0.518,0.718](0.290,0.518][0,0.290]

玉米在不同生育階段對干旱的反應程度不同。播種期，研究區玉米嚴重脆弱區域僅占到總面積的3.7%，主要分布于朝陽縣北部、建昌南部和興城，中度脆弱區域面積比例最高，達到46.8%，朝陽和阜新分布最多，計算各地級市脆弱性平均值，則脆弱性等級由大到小依次為：葫蘆島、朝陽、沈陽、錦州、阜新和鐵嶺。玉米出苗進入苗期，發生重度及以上的脆弱性區域達到了54.6%且集中分布在西南部，超過了60%的輕度脆弱性區域分布在阜新和沈陽，在該階段各地級市玉米干旱脆弱性等級由大到小依次為：朝陽、葫蘆島、錦州、鐵嶺、沈陽和阜新。玉米進入拔節期，研究區東北部降雨量較少，其余地區降雨量均高于多年同期平均值，尤其是葫蘆島市，降水距平百分率大于50%，部分地區甚至達到120%，但玉米干旱重度及以上的脆弱性區域面積雖減少，可仍然集中分布于西南部，尤其是朝陽、北票、喀左、建昌、綏中、葫蘆島、錦州、凌海等地區，造成這種現象的原因是玉米在生長過程中對水分脅迫相對于土壤存在一定的滯后性。因此，在該階段各地級市脆弱性等級由大到小依次為：葫蘆島、錦州、朝陽、阜新、沈陽和鐵嶺。受拔節期降雨量和玉米生長對水分脅迫的滯后性影響，抽穗期研究區東北部玉米輕度脆弱性面積減小，重度及以上脆弱性面積增大，其余地區的脆弱性等級相較于拔節期均有所降低。玉米進入灌漿成熟期，重度及以上脆弱性區域占到了總面積的39%，集中分布于阜新、錦州和沈陽，該階段各地級市脆弱性由大到小依次為：阜新、沈陽、錦州、鐵嶺、朝陽和葫蘆島。

4 結論與討論

研究采用MODIS數據，從玉米自身對干旱的反應出發，通過計算、組合能夠代表干旱脅迫下玉米生長狀態的植被指數VCI和TCI，構建研究區玉米干旱脆弱性模型，為便于評價研究區玉米脆弱性程度，利用最優分割法劃分脆弱性等級，并繪制等級圖。與傳統脆弱性模型的構建和評價方法相比，研究(1)通過利用遙感數據時間連續性和空間連續性的特點，描述了玉米在不同生育階段受干旱災害的威脅情況及其在空間分布上的差異，很好地彌補了傳統方法在時空分布差異性方面的缺失； (2)在數據的收集與處理、植被指數計算等方面較為簡單、方便，工作量較小，且遙感數據可免費下載。然而，研究中仍存在一些不足之處，例如，作物生長對降雨、土壤濕度的反應具有一定的“滯后性”，且地方的防旱抗旱工作也會減輕作物生長的旱情，然而研究中并未探討，因此研究結果有待進一步完善。

[1] 覃志豪， 唐華俊，李文娟,等.氣候變化對農業和糧食生產影響的研究進展與發展方向.中國農業資源與區劃,2013, 34(5): 1～7

[2]WilhiteDA.Drought：AGlobalAssessment.LondonandNewYork：Routledge,2000

[3] 劉蘭芳， 關欣唐，云松.農業旱災脆弱性評價及生態減災研究——以湖南省衡陽市為例.水土保持通報,2005, 2(2): 69～73

[4] 王靜愛， 商彥蕊，蘇筠,等.中國農業旱災承災體脆弱性診斷與區域可持續發展.北京師范大學學報(社會科學版), 2005，(3)： 130～137

[5] 楊奇勇， 李景保，蔡松柏.湖南農業干旱脆弱性分區研究.水資源與水工程學報, 2007，(3)： 46～49

[6]TodiscoF，VergniL，MannocchiF.OperativeApproachtoAgriculturalDroughtRiskManagement.Journalofirrigationanddrainageengineering, 2009, 135(5): 654～664

[7]FontaineMM，SteinemannAC，ASCEM.AssessingVulnerabilitytoaNaturalHazards：ImpactBasedMethodandApplicationtoDroughtinWashingtonState.NaturalHazardsReview， 2009, 10(1): 11～18

[8] 盛紹學， 石磊.江淮地區小麥春季澇漬災害脆弱性成因及空間格局分析.中國農業氣象,2010， 31(增1)： 140～143

[9]Antwi-AgyeiP.VulnerabilityandadaptationofGhana’sfoodproductionsystemsandrurallivelihoodstoclimatevariability.Leeds，UniversityofLeeds， 2012

[10]KiumarsZarafshanietal.Droughtvulnerabilityassessment：ThecaseofwheatfarmersinWesternIran.GlobalandPlanetaryChange， 2012， 122～130

[11]ZarafshaniK，SharafiL，AzadiH，etal.Droughtvulnerabilityassessment：ThecaseofwheatfarmersinWesternIran.GlobPlanetChange, 2012，(98)： 122～130

[12]龐澤源， 董姝娜，張繼權，等.基于CERES-Maize模型的吉林西部玉米干旱脆弱性評價與區劃.中國生態農業學報,2014, 22(6): 705～712

[13]TukerC.J.，ChoudhuryB.J.Satelliteremotesensingofdroughtconditions.RemoteSensingofEnvironment， 1987， 17： 233～249

[14]Y.Bayarjargal，A.Karnieli，M.Bayasgalan，etal.AcomparativestudyofNOAA-AVHRRderiveddroughtindicesusingchangevectoranalysis.RemoteSensingofEnvironment， 2006， 9～22

[15]JiL.，PetersA.AssessingvegetationresponsetodroughtinthenorthernGreatPlainsusingvegetationanddroughtindices.RemoteSensingofEnvironment， 2003， 87： 85～98

[16]張潔， 武建軍，周磊,等.基于MODIS數據的農業干旱監測方法對比分析.遙感信息， 2012, 27(5): 48～54

[17]LiuW.T.，KoganF.N.Monitoringregionaldroughtusingthevegetationconditionindex.InternationalJournalofRemoteSensing, 1996， 17： 2761～2782

[18]HayesM.J.，DeckerW.L.Usingsatelliteandreal-timeweatherdatatopredictmaizeproduction.InternationalJournalofBiometeorology, 1998， 42： 10～15

[19]郭鈮， 管曉丹.植被狀況指數的改進及在西北干旱監測中的應用.地球科學進展， 2007, 22(11): 1160～1168

[20]王磊， 王賀，盧艷麗，等.NDVI在農作物監測中的研究與應用.中國農業資源與區劃， 2013, 34(4): 43～50

[21]劉少華， 嚴登華，史曉亮，等.中國植被NDVI與氣候因子的年際變化及相關性研究.干旱區地理， 2014, 37(3): 480～489

[22]Unganai，LeonardS.，KoganF.N.DroughtMonitoringandCornYieldEstimationinSouthernAfricafromAVHRRdata.RemoteSensingofEnvironment,1998， 63： 219～232

[23]朱小祥， 劉瑞霞.衛星資料在干旱監測中的應用研究.海洋科學進展， 2004， 22(增刊)： 8～15

[24]匡昭敏， 朱偉軍，楊鑫等.基于MODIS數據的廣西旱區干旱指數模型研究.南京氣象學院學報,2007， 30(3) 352～358

[25]柳欽火， 辛曉洲.定量遙感模型、應用及不確定性研究.科學出版社， 2010

[26]Kogan，F.N.Applicationofvegetationindexandbrightnesstemperaturefordroughtdetection.AdvancesinSpaceResearch,1995， 11: 91～100

THE STUDY OF VULNERABILITY ASSESSMENT ON MAIZE DROUGHT IN THE NORTHWEST OF LIAONING PROVINCE BASED ON MODIS*

Liu Xiaojing1※, Zhang Jiquan2, Ma Donglai3

(1.College of Tourism and Geographic Science，Jilin Normal University，Siping 136000，China； 2.Environment College of Northeast Normal University，Changchun,Jilin 130000，China；3.University of Tsukuba Graduate School of System and Information Engineering，Tsukuba， 3050006,Japan)

The traditional studies on crop vulnerability were based on meteorological data, observational data and social and economic statistics, which overlooked the differences of spatial and temporal distribution because of the crop reaction to extremely event. Many studies indicated that vegetation index can directly express crop drought condition, which was more precision than the traditional method. Taking maize drought in 2006 in the northwest of Liaoning province as an example, this paper calculated the Vegetation Condition Index and Temperature Condition Index based on MODIS data. The model of vulnerability of maize drought in the study area was established and the model parameters were determined based on the different expression on drought between VCI and TCI. The vulnerability indexes were calculated and divided into 4 grades. The spatial distribution maps of vulnerability at different growth stages were drawn using GIS. It showed that the spatial and temporal vulnerability distribution of maize at each growth stage changed over time. The results can be used to describe maize drought vulnerability differences in spatial distribution and temporal variation, and provide a scientific basis for making drought defense strategies based on local conditions.

MODIS image; maize drought; vulnerability; Vegetation Condition Index; Temperature Condition Index

10.7621/cjarrp.1005-9121.20161107

2015-11-17

劉曉靜(1985—)，女，山西忻州人，博士、講師。研究方向：自然災害監測、風險評價與管理。Email：liuxj@jlnu.edu.cn

*資助項目：四平市科技發展計劃項目“基于遙感數據的玉米干旱風險時空動態格局分析”(2014058)； 國家自然科學基金項目“遼西北灌區玉米干旱災害動態風險預警與玉米灌溉調控模擬研究”(41501559)； 國家自然科學基金項目“多災種農業氣象災害綜合風險動態評估研究——以吉林省中西部玉米產區為例”(41571491)

S513; S423

A

1005-9121[2016]11-0044-06