基于日光誘導(dǎo)葉綠素?zé)晒膺b感的河南省干旱監(jiān)測(cè)與時(shí)空變化研究

張兆旭，肖月，茍文濤，崔津

研究論文

基于日光誘導(dǎo)葉綠素?zé)晒膺b感的河南省干旱監(jiān)測(cè)與時(shí)空變化研究

張兆旭*，肖月，茍文濤，崔津

天津工業(yè)大學(xué)環(huán)境科學(xué)與工程學(xué)院，天津 300387

干旱這一自然災(zāi)害在近幾十年內(nèi)頻繁發(fā)生，不僅造成土壤退化等自然環(huán)境的破壞，還會(huì)對(duì)經(jīng)濟(jì)發(fā)展形成巨大的影響。干旱的發(fā)生是一個(gè)長(zhǎng)期、連續(xù)且復(fù)雜的過(guò)程，是大氣、土壤以及農(nóng)作物綜合作用的結(jié)果。文章選取2001—2020年的日光誘導(dǎo)葉綠素?zé)晒膺b感數(shù)據(jù)，以河南省作為研究區(qū)域，以研究區(qū)多年葉綠素?zé)晒猱惓Ｖ笖?shù)作為干旱指標(biāo)，基于分位數(shù)思想劃分了干旱等級(jí)。論文最后利用產(chǎn)量、受災(zāi)面積和成災(zāi)面積等多種統(tǒng)計(jì)數(shù)據(jù)，分析葉綠素?zé)晒猱惓Ｖ笖?shù)與統(tǒng)計(jì)數(shù)據(jù)的相關(guān)關(guān)系，以及研究區(qū)多年干旱情況的時(shí)空變化特征，最終形成科學(xué)、有效的抗旱防旱建議。結(jié)果表明，葉綠素?zé)晒飧珊抵笖?shù)和小麥產(chǎn)量、玉米產(chǎn)量、受災(zāi)面積以及成災(zāi)面積的相關(guān)系數(shù)分別為0.93、0.89、-0.54和-0.58。葉綠素?zé)晒飧珊抵笖?shù)和小麥產(chǎn)量、玉米產(chǎn)量呈現(xiàn)出高的正相關(guān)關(guān)系，葉綠素?zé)晒飧珊抵笖?shù)和受災(zāi)面積、成災(zāi)面積呈現(xiàn)出負(fù)相關(guān)關(guān)系，表明葉綠素?zé)晒庵笖?shù)監(jiān)測(cè)干旱是可行的。基于葉綠素?zé)晒飧珊抵笖?shù)，從時(shí)間和空間兩個(gè)維度計(jì)算了河南省干旱情況，分析研究區(qū)2001—2020年的干旱指標(biāo)，發(fā)現(xiàn)河南省干旱程度總體減輕，干旱范圍也大幅度縮小，干旱程度緩解，最后基于干旱監(jiān)測(cè)結(jié)果為河南省抗旱防旱提出了4條建議性措施。本文基于日光誘導(dǎo)葉綠素?zé)晒膺b感的河南省干旱監(jiān)測(cè)與分析研究為河南省的防旱抗旱提供了科學(xué)的依據(jù)。

日光誘導(dǎo)葉綠素?zé)晒猓桓珊当O(jiān)測(cè)；時(shí)空變化；遙感

1 引言

干旱是指淡水總儲(chǔ)備量相對(duì)較少，不足以滿足植物生長(zhǎng)和人類生產(chǎn)生活需要而產(chǎn)生的水分短缺現(xiàn)象[1-2]。嚴(yán)重的旱災(zāi)會(huì)對(duì)人類社會(huì)和自然環(huán)境產(chǎn)生一定程度的危害，例如會(huì)造成莊稼產(chǎn)量減少、人畜飲水困難，甚至可能會(huì)發(fā)生死亡現(xiàn)象[3]。同時(shí)干旱會(huì)引發(fā)一系列環(huán)境問(wèn)題，例如土壤沙化等，從而導(dǎo)致人類社會(huì)及生態(tài)環(huán)境進(jìn)入一個(gè)不良的循環(huán)。由于降水、植被、土壤等自然環(huán)境條件以及季節(jié)時(shí)間、地理位置上的差異，會(huì)影響干旱的嚴(yán)重程度和干旱的發(fā)生頻率，同時(shí)在缺水區(qū)域內(nèi)或是缺水時(shí)節(jié)，若長(zhǎng)期無(wú)法獲得充分的水資源緩解缺水狀況，會(huì)導(dǎo)致干旱的持續(xù)發(fā)生。土壤長(zhǎng)時(shí)間嚴(yán)重缺水將會(huì)造成大量植被死亡、植被覆蓋率低的地區(qū)土壤逐漸荒漠化，嚴(yán)重影響社會(huì)的一般生活用水供應(yīng)和基本生活生產(chǎn)，甚至危及經(jīng)濟(jì)社會(huì)的正常發(fā)展[4]。

近年來(lái)葉綠素?zé)晒膺b感發(fā)展迅速，在干旱監(jiān)測(cè)方面取得了諸多成果[5-8]。除此之外，葉綠素?zé)晒飧菀讓?duì)植被光合作用進(jìn)行表征，因?yàn)槠鋵?duì)植被中所含水分非常敏感，而且與植物的光合作用、受脅迫的情況以及生理狀態(tài)等方面密切相關(guān)[9]，植物葉片反射的光譜也包括了葉片生化組分對(duì)入射光線的吸收等方面的相關(guān)信息，這兩個(gè)方面都能夠?yàn)檠芯刻峁┹^多的植被信息[10-11]。傳統(tǒng)并且廣泛應(yīng)用的干旱遙感監(jiān)測(cè)方法主要包括可見(jiàn)光近紅外、熱紅外和微波等，但是因?yàn)橹脖辉诟惺艿酵饨鐚?duì)其存在威脅時(shí)進(jìn)行自我保護(hù)的調(diào)節(jié)機(jī)制，會(huì)導(dǎo)致干旱監(jiān)測(cè)存在滯后現(xiàn)象，并不能及時(shí)地反映植被變化，只能間接反映植被的生理變化，從而使得監(jiān)測(cè)出現(xiàn)誤差。而葉綠素?zé)晒饪梢杂糜诤饬恐参锏墓夂献饔脿顩r，尤其日光誘導(dǎo)葉綠素?zé)晒馀c農(nóng)作物的光合作用密切相關(guān)，是植被在太陽(yáng)光照射下吸收能量后在650～800 nm范圍內(nèi)發(fā)射出來(lái)的一種長(zhǎng)波信號(hào)，可以被用來(lái)監(jiān)測(cè)植被生理狀態(tài)以及水分脅迫的情況[12]。

河南省是中國(guó)的重要農(nóng)業(yè)省份，干旱災(zāi)害的頻發(fā)嚴(yán)重危害了當(dāng)?shù)剞r(nóng)業(yè)的正常作業(yè)與發(fā)展，導(dǎo)致糧食減收，故而對(duì)當(dāng)?shù)氐暮登檫M(jìn)行及時(shí)監(jiān)測(cè)尤為重要。本文的研究目的有三：其一，選擇河南省作為研究區(qū)，基于日光誘導(dǎo)葉綠素?zé)晒?Solar Induced Chlorophy11 Fluorescence, SIF)遙感數(shù)據(jù)，提取研究區(qū)多年的SIF圖像，計(jì)算研究區(qū)葉綠素?zé)晒猱惓Ｖ笖?shù)，并對(duì)研究區(qū)的干旱程度進(jìn)行合理有效的干旱等級(jí)劃分；其二，分析多種統(tǒng)計(jì)數(shù)據(jù)與葉綠素?zé)晒猱惓Ｖ笖?shù)的相關(guān)關(guān)系，以此探究葉綠素?zé)晒膺b感在干旱監(jiān)測(cè)中的可行性；其三，基于葉綠素?zé)晒猱惓Ｖ笖?shù)，在時(shí)間和空間兩個(gè)維度分析研究區(qū)干旱發(fā)生程度以及干旱分布狀況，得到研究區(qū)多年干旱情況的時(shí)空變化特征，以此對(duì)研究區(qū)抗旱提供科學(xué)合理建議。

2 研究區(qū)概況

河南省位于北緯31° 23～36° 22，東經(jīng)110° 21～116°39之間，地處中國(guó)中東部、黃河中下游。河南省大部分地區(qū)地處暖溫帶，南部跨亞熱帶，屬于大陸性季風(fēng)氣候，同時(shí)還具有自東向西，由平原向丘陵山地氣候過(guò)渡的氣候特點(diǎn)，具有四季分明、雨熱同期、復(fù)雜多樣和自然氣象災(zāi)害頻繁的特征。全省自南向北年平均氣溫約為15.7～12.1 ℃，年平均降水量為1380.6～532.5 mm，降雨以6—8月份最多，年平均日照達(dá)1848.0～2488.7 h，有利于種植生產(chǎn)多種農(nóng)作物[13]。研究區(qū)示意圖如圖1所示。

注：基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站審圖號(hào)為GS(2019)1823號(hào)的標(biāo)準(zhǔn)地圖制作，底圖邊界無(wú)修改，圖7同

3 研究區(qū)數(shù)據(jù)及方法

3.1 研究數(shù)據(jù)

3.1.1 遙感數(shù)據(jù)

本文中使用的SIF數(shù)據(jù)為河南省2001—2020年月尺度的GOSIF(Global Solar Induced Chlorophy11 Fluorescence, GOSIF)數(shù)據(jù)(空間分辨率為0.05°)，GOSIF的下載地址：http://globalecology.unh.edu。

GOSIF是根據(jù)離散的OCO-2SIF探測(cè)、來(lái)自中分辨率成像光譜儀(MODIS)的遙感數(shù)據(jù)以及使用數(shù)據(jù)驅(qū)動(dòng)方法的氣象再分析數(shù)據(jù)，開(kāi)發(fā)出的具有高空間和時(shí)間分辨率(即0.05°，8 d/月)的全球“OCO-2”SIF數(shù)據(jù)集。其具有高空間和時(shí)間分辨率，以及全球連續(xù)的覆蓋范圍的特點(diǎn)。GOSIF產(chǎn)品具有季節(jié)性周期，能夠研究全球SIF的長(zhǎng)期變化趨勢(shì)，對(duì)于評(píng)估陸地光合作用和生態(tài)系統(tǒng)功能以及監(jiān)測(cè)干旱非常有價(jià)值[14]。

3.1.2 統(tǒng)計(jì)數(shù)據(jù)

本文統(tǒng)計(jì)數(shù)據(jù)來(lái)自國(guó)家統(tǒng)計(jì)局網(wǎng)站(http://www. stats.gov.cn/tjsj/)。為了驗(yàn)證SIF監(jiān)測(cè)干旱的可行性，本文選取河南省2001—2020年間的小麥及玉米產(chǎn)量、受災(zāi)及成災(zāi)面積等數(shù)據(jù)，分析干旱對(duì)研究區(qū)農(nóng)業(yè)的影響。通過(guò)對(duì)以上數(shù)據(jù)的分析，可以了解干旱災(zāi)害對(duì)研究區(qū)農(nóng)業(yè)等方面產(chǎn)生的影響。

3.2 研究方法

3.2.1 熒光干旱指數(shù)建立

本文選取2001—2020年的GOSIF熒光數(shù)據(jù)產(chǎn)品，具體的數(shù)據(jù)處理以及建模方法如下。下載2001—2020年每月的GOSIF數(shù)據(jù)，對(duì)GOSIF數(shù)據(jù)進(jìn)行預(yù)處理，最終將處理后的遙感數(shù)據(jù)轉(zhuǎn)為TIF格式文件，葉綠素?zé)晒猱惓Ｖ笖?shù)是利用給出的一定時(shí)間內(nèi)某個(gè)像素或區(qū)域的長(zhǎng)期平均值來(lái)檢測(cè)和繪制干旱圖。

(1)計(jì)算每年的平均值

為了計(jì)算葉綠素?zé)晒猱惓?SIF)，首先使用公式1計(jì)算每年(1—12月)的平均值(SIF)。

其中，SIF是第年的平均值。

SIF=(1+2+...+12)/12 (公式1)

(2)計(jì)算多年的平均值

其中是研究時(shí)間范圍的年數(shù)，這里=20。

(3)計(jì)算異常指數(shù)

異常指數(shù)最后使用公式3得出研究區(qū)域內(nèi)每個(gè)網(wǎng)格單元的葉綠素?zé)晒猱惓Ｖ怠?/p>

其中SIF是第年的葉綠素?zé)晒猱惓Ｖ怠?/p>

計(jì)算出異常指數(shù)后，依據(jù)研究區(qū)河南省的行政區(qū)劃圖對(duì)葉綠素?zé)晒猱惓Ｖ笖?shù)圖像進(jìn)行掩膜裁剪處理，同時(shí)計(jì)算每年圖像中所有像元的平均值作為當(dāng)年葉綠素?zé)晒猱惓Ｖ笖?shù)區(qū)域平均值。基于異常指數(shù)分析河南省2001—2020年干旱時(shí)空變化情況。

3.2.2 干旱等級(jí)劃分

本文采用分位數(shù)法對(duì)干旱等級(jí)進(jìn)行劃分。分位數(shù)是指將一個(gè)隨機(jī)變量的概率分布范圍分為幾個(gè)等份的數(shù)值點(diǎn)，常用的有中位數(shù)、四分位數(shù)和百分位數(shù)等。其定義為當(dāng)隨機(jī)變量X的概率密度函數(shù)為Pr(X)，若變量x滿足以下公式，則，x為X的第k個(gè)q分位數(shù)對(duì)應(yīng)的值，記為xk。

Pr(X＜x)=k/q (公式4)

通常，如果q=4，稱為四分位數(shù)[15]。本研究中選用四分位數(shù)進(jìn)行干旱等級(jí)的劃分，將葉綠素?zé)晒猱惓Ｖ笖?shù)按照從小到大的順序依次排列，則處于k%位置的值為第k個(gè)四分位數(shù)。給定四位數(shù)值σ1和σ2作為閾值，規(guī)定滿足σ1＜k≤σ2的樣本為某一干旱等級(jí)，這是采用分位數(shù)方法進(jìn)行干旱等級(jí)劃分的基本思想。

3.2.3 相關(guān)分析

相關(guān)分析是研究?jī)蓚€(gè)或兩個(gè)以上處于同等地位隨機(jī)變量間相關(guān)關(guān)系的統(tǒng)計(jì)分析方法，相關(guān)系數(shù)用R表示。若兩個(gè)變量相關(guān)系數(shù)R為正，則表明變量的變動(dòng)方向相同，反之亦然。相關(guān)系數(shù)公式如下。

4 分析與討論

4.1 葉綠素?zé)晒庵笖?shù)驗(yàn)證

4.1.1 葉綠素?zé)晒庵笖?shù)與產(chǎn)量的相關(guān)關(guān)系

本文利用小麥及玉米產(chǎn)量與葉綠素?zé)晒庵笖?shù)的相關(guān)關(guān)系來(lái)驗(yàn)證葉綠素?zé)晒獗O(jiān)測(cè)干旱的可行性。葉綠素?zé)晒庵笖?shù)與小麥產(chǎn)量相關(guān)關(guān)系如圖2所示，葉綠素?zé)晒庵笖?shù)與玉米產(chǎn)量相關(guān)關(guān)系如圖3所示。

葉綠素?zé)晒猱惓Ｖ笖?shù)與小麥產(chǎn)量的相關(guān)系數(shù)高達(dá)0.93，與玉米產(chǎn)量的相關(guān)系數(shù)也達(dá)到了0.89。并且通過(guò)關(guān)系圖可以直觀發(fā)現(xiàn)葉綠素?zé)晒猱惓Ｖ笖?shù)與小麥、玉米的產(chǎn)量均為正相關(guān)，指數(shù)值越大，產(chǎn)量越高。其中2001年的葉綠素?zé)晒猱惓Ｖ笖?shù)值為-0.23，是20年間的最低值，表示2001年干旱程度最為嚴(yán)重。并且同年的小麥產(chǎn)量為2299.71萬(wàn) t，玉米產(chǎn)量為1151.4萬(wàn) t，均為20年內(nèi)的產(chǎn)量最低值，2001年的干旱嚴(yán)重影響了糧食生產(chǎn)。2020年的葉綠素?zé)晒猱惓Ｖ笖?shù)值最高，表示該年干旱程度最輕，同時(shí)2020年小麥玉米的產(chǎn)量均為20年內(nèi)的最高值。因此利用SIF監(jiān)測(cè)干旱情況符合同時(shí)期糧食產(chǎn)量的變化。

4.1.2 葉綠素?zé)晒庵笖?shù)與受災(zāi)成災(zāi)面積的相關(guān)關(guān)系

本文利用受災(zāi)面積、成災(zāi)面積與葉綠素?zé)晒庵笖?shù)的相關(guān)關(guān)系來(lái)驗(yàn)證葉綠素?zé)晒獗O(jiān)測(cè)干旱的可行性。葉綠素?zé)晒庵笖?shù)與受災(zāi)面積相關(guān)關(guān)系如圖4所示，葉綠素?zé)晒庵笖?shù)與成災(zāi)面積相關(guān)關(guān)系如圖5所示。

葉綠素?zé)晒猱惓Ｖ笖?shù)與受災(zāi)面積的相關(guān)系數(shù)為-0.54，與成災(zāi)面積的相關(guān)系數(shù)為-0.58，均為負(fù)相關(guān)。當(dāng)葉綠素?zé)晒猱惓Ｖ笖?shù)值越大時(shí)，受災(zāi)及成災(zāi)面積越少。兩者的相關(guān)關(guān)系以線性趨勢(shì)為主，并且隨著干旱程度的變化，受災(zāi)及成災(zāi)面積也有一定的增加或減少。例如2001—2009年葉綠素?zé)晒猱惓Ｖ笖?shù)值均為負(fù)數(shù)，2010年增長(zhǎng)為正數(shù)0.01，同時(shí)受災(zāi)面積及成災(zāi)面積有了明顯的下降，受災(zāi)面積減少至50.4 khm2，成災(zāi)面積減少至25 khm2。2011年葉綠素?zé)晒猱惓Ｖ笖?shù)值再次降為負(fù)數(shù)，表示干旱程度惡化，此時(shí)受災(zāi)面積增長(zhǎng)19倍至1020.4 khm2，成災(zāi)面積增長(zhǎng)7.5倍至211.3 khm2。因此，利用SIF監(jiān)測(cè)出來(lái)的干旱情況符合同時(shí)期受災(zāi)及成災(zāi)面積的變化。

圖2 葉綠素?zé)晒庵笖?shù)與小麥產(chǎn)量相關(guān)關(guān)系

圖3 葉綠素?zé)晒庵笖?shù)與玉米產(chǎn)量相關(guān)關(guān)系

圖4 葉綠素?zé)晒庵笖?shù)與受災(zāi)面積相關(guān)關(guān)系

圖5 葉綠素?zé)晒庵笖?shù)與成災(zāi)面積相關(guān)關(guān)系

4.2 河南省2001—2020 年干旱時(shí)空變化

4.2.1 葉綠素?zé)晒猱惓Ｖ笖?shù)時(shí)間變化分析

本文依據(jù)葉綠素?zé)晒猱惓Ｖ笖?shù)作為干旱等級(jí)劃分的指標(biāo)，獲得研究區(qū)2001—2020年干旱指數(shù)變化圖，如圖6所示。

在本研究中葉綠素?zé)晒猱惓Ｖ笖?shù)值越小，干旱程度越嚴(yán)重；葉綠素?zé)晒猱惓Ｖ笖?shù)值越大，干旱程度越輕。因此通過(guò)變化圖我們可以直觀發(fā)現(xiàn)河南省20年時(shí)間內(nèi)干旱情況處于不停上下波動(dòng)狀態(tài)，但總體呈現(xiàn)干旱情況減弱的趨勢(shì)。

圖6 2001—2020 年干旱指數(shù)變化

對(duì)于每年的干旱情況分析發(fā)現(xiàn)，2001年干旱情況最為嚴(yán)重，葉綠素?zé)晒猱惓Ｖ笖?shù)值已經(jīng)低于-0.2，但到了2002年葉綠素?zé)晒猱惓Ｖ笖?shù)值明顯上漲，干旱程度相較于2001年減輕。2003年葉綠素?zé)晒猱惓Ｖ笖?shù)值與2002年相比小幅度減小，同時(shí)從2003年開(kāi)始葉綠素?zé)晒猱惓Ｖ笖?shù)值一直處于平穩(wěn)增長(zhǎng)趨勢(shì)，并持續(xù)到2008年。而從2009年開(kāi)始，葉綠素?zé)晒猱惓Ｖ笖?shù)值開(kāi)始大幅度上下波動(dòng)變化，但仍然處于總體上升趨勢(shì)，到2020年葉綠素?zé)晒猱惓Ｖ笖?shù)值高達(dá)0.19，是20年間的最高值，同時(shí)表明20年間河南省2020年干旱程度最輕。

4.2.2 葉綠素?zé)晒猱惓Ｖ笖?shù)空間變化分析

本文經(jīng)過(guò)計(jì)算，選定當(dāng)SIF＞0.087時(shí)表示為無(wú)旱；當(dāng)0.007＜SIF＜0.087時(shí)表示為輕旱；當(dāng)-0.081＜SIF＜0.007時(shí)表示為中旱；當(dāng)SIF＜-0.081時(shí)表示為重旱，據(jù)此對(duì)研究區(qū)的干旱情況進(jìn)行劃分。利用葉綠素?zé)晒猱惓Ｖ笖?shù)對(duì)研究區(qū)進(jìn)行干旱等級(jí)劃分得到河南省2001—2020年干旱等級(jí)分布圖，如圖7所示。

在干旱等級(jí)分布圖中紅色為重旱，橙色為中旱，青色為輕旱，綠色為無(wú)旱。由此可見(jiàn)2001年河南省全省幾乎都面臨著重旱的情況；2002年相較于2001年干旱程度稍微減輕，但大部分地區(qū)仍然也處于重旱的情況，只有極少數(shù)地區(qū)為輕旱或無(wú)旱，并主要集中在河南省的東南部地區(qū)，如周口市、信陽(yáng)市和駐馬店市的東部；2003年重旱區(qū)域則轉(zhuǎn)移到了河南省的東南部，只有洛陽(yáng)市、鄭州市等范圍內(nèi)有極少的輕旱無(wú)旱區(qū)域；2004年相較于2003年沒(méi)有太大變化，輕旱無(wú)旱區(qū)域增多并主要集中在洛陽(yáng)市、鄭州市、焦作市、新鄉(xiāng)市和安陽(yáng)市范圍內(nèi)；2005年輕旱無(wú)旱情況比較分散，但重旱中旱則主要集中在三門峽市、新鄉(xiāng)市、駐馬店市和漯河市等范圍內(nèi)；2006年輕旱無(wú)旱區(qū)域向西移動(dòng)，重旱中旱區(qū)域仍然集中在新鄉(xiāng)市、駐馬店市和漯河市等范圍內(nèi)；到了2007年輕旱無(wú)旱區(qū)域明顯增多，重旱中旱區(qū)域減少，干旱程度減輕；2008年河南省西部主要為重旱中旱，輕旱無(wú)旱區(qū)域則主要集中于河南省東部；到了2009年河南省干旱情況又有些加重，并且重旱中旱區(qū)域又從2008年的西部轉(zhuǎn)移到了河南省的中部和東北部；2010年干旱情況減輕，重旱中旱區(qū)域集中于河南省北部和西部；2011年干旱再次加劇，除了東南部的信陽(yáng)市、駐馬店市、周口市和商丘市，其他區(qū)域再次大面積淪為重旱中旱區(qū)域；而2012年河南省干旱情況明顯好轉(zhuǎn)，大部分地區(qū)已成為無(wú)旱或輕旱區(qū)域，只有極少一部分區(qū)域仍然是重旱中旱程度；2013年旱情再次反復(fù)，河南省西北部旱情加劇為重旱中旱程度；2014年重旱中旱區(qū)域集中轉(zhuǎn)向河南省西部；直至2015年，河南省大部分地區(qū)再次無(wú)旱或輕旱，只有極少一部分區(qū)域?yàn)橹睾抵泻党潭龋⑶疫@種情況一直持續(xù)到2020年，在此期間，重旱中旱程度只在極少一部分的不同區(qū)域內(nèi)反復(fù)出現(xiàn)。

(a)2001年；(b)2002年；(c)2003年；(d)2004年；(e)2005年；(f)2006年；(g)2007年；(h)2008年；(i)2009年；(j)2010年；(k)2011年；(l)2012年；(m)2013年；(n)2014年；(o)2015年；(p)2016年；(q)2017年；(r)2018年；(s)2019年；(t)2020年。

圖7 2001—2020 年河南省干旱等級(jí)分布

Fig. 7 Distribution of drought levels in Henan Province from 2001 to 2020

河南省2001—2020年間干旱災(zāi)害雖然反復(fù)發(fā)生，但總體呈現(xiàn)減弱的趨勢(shì)。河南省在2007年之前旱情極為嚴(yán)重，旱情涉及到了幾乎河南省全省區(qū)域。而2007—2014年間，河南省旱情相較于2007年以前明顯減弱，但仍然在省內(nèi)的不同區(qū)域內(nèi)不停反復(fù)出現(xiàn)。2015年開(kāi)始河南省旱情除了極小部分地區(qū)，其他大部分地區(qū)旱情幾乎不再出現(xiàn)。

4.3 河南省抗旱防旱措施

基于葉綠素?zé)晒猱惓Ｖ笖?shù)對(duì)河南省2001—2020年干旱時(shí)空變化進(jìn)行分析，基于分析結(jié)果提出如下抗旱防旱措施。

4.3.1 修建水源工程，充分儲(chǔ)存水源

為了保證旱情發(fā)生時(shí)農(nóng)業(yè)工業(yè)生產(chǎn)及社會(huì)的正常用水，需要盡量多地儲(chǔ)存水源。利用各類自然水源，如合理規(guī)劃并修建水庫(kù)及水利設(shè)施，有效利用地表水；同時(shí)可以修建并利用集水設(shè)施，收集降水，不僅可以減緩時(shí)常發(fā)生的災(zāi)害，還可以緩解旱災(zāi)的用水困難等問(wèn)題。

4.3.2 改進(jìn)灌溉技術(shù)，減少水源浪費(fèi)

大力發(fā)展管道輸水技術(shù)以及田間節(jié)水灌溉技術(shù)，如噴管、微灌。對(duì)農(nóng)業(yè)種植各個(gè)階段的用水進(jìn)行監(jiān)控，控制好灌溉水量，減少在灌溉環(huán)節(jié)的水資源浪費(fèi)。

4.3.3 進(jìn)行土地整理，合理規(guī)劃用地

通過(guò)土地整治，改善田塊分散、土地浪費(fèi)等問(wèn)題，建立集中連片、灌溉充分、防護(hù)到位的高標(biāo)準(zhǔn)基本農(nóng)田。同時(shí)對(duì)土地利用現(xiàn)狀進(jìn)行規(guī)劃調(diào)整，合理規(guī)劃土地用途。

4.3.4 加強(qiáng)工程維護(hù)，及時(shí)發(fā)現(xiàn)災(zāi)害

加強(qiáng)對(duì)各類水利工程的維護(hù)工作，定期進(jìn)行檢修，確保水利工程能夠一直正常使用。同時(shí)要警惕災(zāi)害的突然發(fā)生，時(shí)刻保持對(duì)旱情的監(jiān)測(cè)，使得能夠及早發(fā)現(xiàn)旱情，了解干旱程度，并及時(shí)采取措施應(yīng)對(duì)干旱災(zāi)害，減輕因干旱所帶來(lái)的損失。

5 結(jié)論

本文選取河南省作為研究區(qū)域，選用2001—2020年GOSIF數(shù)據(jù)，計(jì)算多年葉綠素?zé)晒猱惓Ｖ笖?shù)作為干旱指標(biāo)，利用分位數(shù)法劃分干旱等級(jí)，對(duì)河南省進(jìn)行干旱監(jiān)測(cè)，同時(shí)利用統(tǒng)計(jì)數(shù)據(jù)，分析葉綠素?zé)晒猱惓Ｖ笖?shù)與其相關(guān)關(guān)系，確定葉綠素?zé)晒獗O(jiān)測(cè)干旱的可行性，最終得到研究區(qū)多年干旱時(shí)空變化情況。本文的主要結(jié)論如下。

根據(jù)多種統(tǒng)計(jì)數(shù)據(jù)分別與葉綠素?zé)晒猱惓Ｖ笖?shù)的相關(guān)關(guān)系進(jìn)行驗(yàn)證，可以有效確認(rèn)葉綠素?zé)晒獗O(jiān)測(cè)干旱可行。小麥和玉米產(chǎn)量與葉綠素?zé)晒猱惓Ｖ笖?shù)均呈現(xiàn)正相關(guān)關(guān)系，相關(guān)系數(shù)高達(dá)0.93及0.89。受災(zāi)面積與成災(zāi)面積與葉綠素?zé)晒猱惓Ｖ笖?shù)的相關(guān)系數(shù)分別為-0.54和-0.58，均為負(fù)相關(guān)。當(dāng)葉綠素?zé)晒猱惓Ｖ笖?shù)值越大時(shí)，干旱受災(zāi)及成災(zāi)面積越少。同時(shí)本文對(duì)研究區(qū)2001—2020年的干旱監(jiān)測(cè)分析發(fā)現(xiàn)河南省干旱雖然反復(fù)出現(xiàn)，但干旱程度總體減輕，干旱范圍也大幅度縮小，干旱程度緩解。時(shí)間上，2001—2020年河南省的干旱情況處于不停上下波動(dòng)狀態(tài)，但總體呈現(xiàn)干旱情況減弱的趨勢(shì)。空間上，2007年之前旱情涉及到了幾乎河南省全省區(qū)域。2007—2014年間，旱情相較于2007年以前明顯減弱。2015年開(kāi)始河南省旱情除了極小部分地區(qū)，其他大部分地區(qū)旱情幾乎不再出現(xiàn)。本文基于SIF遙感數(shù)據(jù)的建模、分析與應(yīng)用為河南省干旱的監(jiān)測(cè)提供了新的思路。

[1] Kim J S, Seo G S, Jang H W, et al. Correlation analysis between Korean spring drought and large-scale teleconnection patterns for drought forecasting[J]. KSCE Journal of Civil Engineering, 2017, 21 (1): 458-466.

[2] Mishra A, Desai V. Drought forecasting using stochastic models[J]. Stochastic Environmental Research and Risk Assessment, 2005, 19 (5): 326-339.

[3] Wilhite D A, Svoboda M D, Hayes M J. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness[J]. Water resources management, 2007, 21 (5): 763-77.

[4] Mishra A K, Singh V P. A review of drought concepts[J]. Journal of Hydrology, 2010, 391 (1-2): 202-216.

[5] Frankenberg C. New global observations of the terrestrial carbon cycle from GOSAT: Patterns of plant fluorescence with gross primary productivity[J]. Geophysical Research Letters, 2011, 38(17): 351-365.

[6] Joiner J, Guanter L, Lindstrot R, et al. Global monitoring of terrestrial chlorophyll fluorescence from moderate-spectral-resolution near- infrared satellite measurements: methodology, simulations, and application to GOME-2[J]. Atmospheric Measurement Techniques, 2013, 6 (10): 2803-2823.

[7] Guanter L, Rossini M, Colombo R, et al. Using field spectroscopy to assess the potential of statistical approaches for the retrieval of sun-induced chlorophyll fluorescence from ground and space[J]. Remote Sensing of Environment, 2013, 133: 52-61.

[8] Joiner J, Yoshida Y, Vasilkov A, et al. First observations of global and seasonal terrestrial chlorophyll fluorescence from space[J]. Biogeosciences, 2011, 8 (3): 637-651.

[9] 劉新杰,劉良云. 葉綠素?zé)晒獾?GOSAT 衛(wèi)星遙感反演[J]. 遙感學(xué)報(bào), 2013, 17(6): 1518-1532.

Liu X J, Liu L Y. Retrieval of chlorophyll fluorescence from GOSAT TANSO-FTS data based on weighted least square fitting[J]. Journal of Remote Sensing, 2013, 17(6): 1518-1532.

[10] Zhang Z, Xu W, Qin Q, et al. Downscaling solar-induced chlorophyll fluorescence based on convolutional neural network method to monitor agricultural drought[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 59 (2): 1012-1028.

[11] Zhang Z, Xu W, Shi Z, et al. Establishment of a comprehensive drought monitoring index based on multi-source remote sensing data and agricultural drought monitoring[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021, 14: 2113-2126.

[12] Joiner J, Guanter L, Lindstrot R, et al. Global monitoring of terrestrial chlorophyll fluorescence frommoderate-spectral-resolution near-infrared satellite measurements: methodology, simulations, and application to GOME-2[J]. Atmospheric Measurement Techniques, 2013, 6 (10): 2803-2823.

[13] 王彥良, 劉艷華, 王文杰. 基于遙感技術(shù)的河南省農(nóng)業(yè)旱情監(jiān)測(cè)研究[J]. 測(cè)繪與空間地理信息, 2013, 36(9): 128-130+133.

Wang Y L, Liu Y H, Wang W J. Study on Henan agricultural drought monitoring based on remote sensing technology[J]. Geomatics & Spatial Information Technology, 2013, 36(9): 128-130+133.

[14] Li X, Xiao J. A global, 0.05-degree product of solar-induced chlorophyll fluorescence derived from OCO-2, MODIS, and reanalysis data[J]. Remote Sensing,2019, 11 (5): 517.

[15] 孫洪泉, 呂娟, 蘇志誠(chéng), 等. 分位數(shù)法對(duì)多指標(biāo)干旱等級(jí)劃分一致性的作用[J]. 災(zāi)害學(xué), 2017, 32(2): 13-17.

Sun H Q, Lv J, Su Z C, et al. The effectiveness of the Quantile method on the consistency of the drought classification by multiple indices [J]. Journal of Catastrophology, 2017, 32(2): 13-17.

Study on Drought Monitoring and Spatiotemporal Change in Henan Province Based on Sun/solar-induced Chlorophyll Fluorescence Remote Sensing

ZHANG Zhaoxu*, XIAO Yue, GOU Wentao, CUI Jin

School of Environmental Science and Engineering, Tiangong University, Tianjin 300387, China

Drought, a natural disaster that has occurred frequently in recent decades, not only causes damage to the natural environment such as soil degradation, but also has a huge impact on economic development. The occurrence of drought is a long-term, continuous and complex process, which is the result of the combined effect of the atmosphere, soil and crops. This paper selected sun/solar-induced chlorophyll fluorescence remote sensing data from 2001 to 2020, took Henan Province as the study area, used the multi-year chlorophyll fluorescence anomaly index as the drought index, and classified drought classes based on the idea of quantile. Finally, the correlations between chlorophyll fluorescence anomaly index and statistical data (yield, affected area and disaster area) were calculated, and the spatial and temporal variation characteristics of the multi-year drought situation were analyzed, to provide scientific and effective suggestions for drought resistance and prevention. Results showed that the correlation coefficients of chlorophyll fluorescence drought index and wheat yield, maize yield, affected area and disaster area were 0.93, 0.89,-0.54 and-0.58, respectively. The correlation coefficients of chlorophyll fluorescence drought index and wheat yield and maize yield showed high positive correlation, while this index and affected area and disaster area showed negative correlation. This indicated the feasibility of chlorophyll fluorescence index in monitoring drought. Using the chlorophyll fluorescence drought index, the drought situation in Henan Province was calculated in practical and spatial dimensions, and the drought from 2001 to 2020 was analyzed. The overall degree of drought in Henan Province was reduced, and the extent of drought was significantly reduced. Finally, four measures were proposed for drought prevention based on the results. This paper provided a scientific basis for drought prevention and drought control based on remote sensing of sun/solar-induced chlorophyll fluorescence for drought monitoring and analysis in Henan Province.

solar-induced chlorophyll fluorescence; drought monitoring; spatiotemporal variation; remote sensing

張兆旭, 肖月, 茍文濤, 等. 基于日光誘導(dǎo)葉綠素?zé)晒膺b感的河南省干旱監(jiān)測(cè)與時(shí)空變化研究[J]. 農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào),2023,5(1):76-86.

ZHANG Zhaoxu,XIAO Yue, GOU Wentao, et al. Study on drought monitoring and spatiotemporal change in Henan Province based on sun/solar-induced chlorophyll fluorescence remote sensing[J].Journal of Agricultural Big Data,2023,5(1):76-86.

10.19788/j.issn.2096-6369.230116

2023-01-18

北京未名福科技有限公司開(kāi)放基金(22-02-01018A-0017)，海水資源利用技術(shù)發(fā)展研究與報(bào)告編制(22-02-01018A-0023)

第一作者兼通信作者張兆旭，男，博士研究生，研究方向：定量遙感與 GIS 建模; E-mail: zhangzhaoxu@tiangong.edu.cn。