安徽省氣象干旱擾動(dòng)下植被響應(yīng)狀況評(píng)價(jià)

崔 陽，孫洪泉，夏積德

（1.楊凌職業(yè)技術(shù)學(xué)院，陜西 楊凌 712100；2.應(yīng)急管理部國家自然災(zāi)害防治研究院，北京 100085）

目前，歸一化植被指數(shù)NDVI 已被廣泛使用[1-4]，而植被狀態(tài)指數(shù)VCI 將NDVI 歸一化，可以更直觀地反映植被在長時(shí)間序列的長勢(shì)變化[5]。在監(jiān)測(cè)作物長勢(shì)時(shí)如果不考慮該地區(qū)的灌溉條件，而對(duì)作物長勢(shì)進(jìn)行統(tǒng)一評(píng)價(jià)可能會(huì)錯(cuò)誤判斷雨養(yǎng)區(qū)與灌溉區(qū)受氣象干旱的程度[6]，因此需要考慮灌溉條件。GEE（Google Earth Engine）是谷歌開發(fā)的基于云的遙感地理空間大數(shù)據(jù)分析平臺(tái)，云計(jì)算能力強(qiáng)大，應(yīng)用于干旱、糧食安全、水資源分析管理等多個(gè)方面，為長時(shí)間的遙感監(jiān)測(cè)提供了新途徑[7]。因此本文將采用MCI 和VCI 指數(shù)，借助GEE平臺(tái)探究安徽省氣象干旱擾動(dòng)與植被響應(yīng)狀況的關(guān)系。

1 研究區(qū)概況及數(shù)據(jù)

安徽省地處我國長江中下游地區(qū)，位于114°53′～119°36′E，29°42′～34°39′N，全年平均降水量800～1 690 mm，灌區(qū)灌溉時(shí)間大致為每年的4—9月，作物種類豐富，區(qū)域性特點(diǎn)突出，以淮河為大致分界線，淮北大部分地區(qū)多以小麥、玉米輪作，淮南大部分地區(qū)以水稻為主，是我國重要的糧食產(chǎn)區(qū)（表1）。

表1 3種作物的生育期介紹

通過實(shí)地調(diào)查走訪，選取作物類型基本無變化的22個(gè)站點(diǎn)，氣象數(shù)據(jù)集采用中國地面氣候資料日值數(shù)據(jù)集1960—2020 年的日降雨和溫度；遙感數(shù)據(jù)采用2000—2020 年MOD13A2，空間分辨率1 km，時(shí)間分辨率16 d，數(shù)據(jù)質(zhì)量已被廣泛驗(yàn)證；灌溉分布與水稻、小麥和玉米2018 年作物分布來自安徽省水利廳淠史杭灌區(qū)管理總局，站點(diǎn)按照所在區(qū)域作物類型進(jìn)行劃分，站點(diǎn)周圍作物類型已得到實(shí)地調(diào)查，基本無變化。本文遙感數(shù)據(jù)的獲取和計(jì)算均在GEE 中編程實(shí)現(xiàn)。

2 研究方法

2.1 氣象干旱指標(biāo)計(jì)算

對(duì)站點(diǎn)原數(shù)據(jù)進(jìn)行檢核，編程進(jìn)行特征值換算，如降水量雪特征值9996xx.x 換算為降水?dāng)?shù)據(jù)xx.x，進(jìn)行插值補(bǔ)全，時(shí)間長度為1960—2020 年，然后進(jìn)行MCI 指標(biāo)日值計(jì)算，選取2000—2020 年數(shù)據(jù)，按照MOD13A2時(shí)間分辨率合成16 d的MCI。在計(jì)算潛在蒸散發(fā)量PET 時(shí)，由于Thornthwaite 方法計(jì)算簡(jiǎn)單速度快，采用該方法計(jì)算PET。MCI計(jì)算公式如下：

式中，MCI 為氣象干旱綜合指數(shù)；SPIW60 為近60 d標(biāo)準(zhǔn)化權(quán)重降水指數(shù)；MI30 為近30 d 相對(duì)濕潤度指數(shù)；SPI90為近90 d標(biāo)準(zhǔn)化降水指數(shù)；SPI150近150 d標(biāo)準(zhǔn)化降水指數(shù)；權(quán)重系數(shù)a取值0.5，b取值0.6，c取值0.2，d取值0.1。

Ka為季節(jié)調(diào)節(jié)系數(shù)，根據(jù)不同季節(jié)各地主要農(nóng)作物生長發(fā)育階段對(duì)土壤水分的敏感程度確定，安徽省Ka系數(shù)見表2。

表2 安徽省的Ka 系數(shù)表

表3 氣象干旱與植被長勢(shì)相關(guān)程度劃分閾值

2.2 遙感指標(biāo)計(jì)算

為進(jìn)一步減小NDVI 產(chǎn)品中可能存在少部分云污染與數(shù)據(jù)缺失，采用SG 濾波進(jìn)行平滑，然后計(jì)算VCI，根據(jù)以下式子在GEE 中編寫函數(shù)，進(jìn)行計(jì)算，時(shí)間序列為2000—2020年，且已實(shí)現(xiàn)計(jì)算指定日期并批量輸出的功能。

式中， NDVI 為第i期影像某像元的值； NDVImin、NDVImax分別為第i期影像對(duì)應(yīng)像元NDVI 歷史同期多年的最小值和最大值；當(dāng)VCI ＜0.4 時(shí)，表示植被長勢(shì)變差，值越小，長勢(shì)越差。

2.3 統(tǒng)計(jì)方法

MCI 和VCI 多年變化趨勢(shì)擬合方法采用的是一元線性回歸擬合，直線斜率代表變化趨勢(shì)。公式為（以MCI 為例）：

式中，n為年份；i=1，2，3，…，21；MCIi為各站點(diǎn)3種作物21 a生長季MCI 的平均值；θslope為一元線性回歸方程的斜率。

皮爾遜相關(guān)系數(shù)r，可反映幾個(gè)變量之間的相互關(guān)系的強(qiáng)弱及其相關(guān)的方向，公式如下：

式中，x為MCI 的平均值；y為VCI 的平均值；n為樣本個(gè)數(shù)。

2.4 技術(shù)路線

本文技術(shù)路線詳見圖1。

圖1 流程圖

3 實(shí)驗(yàn)與分析

3.1 灌溉區(qū)與雨養(yǎng)區(qū)植被對(duì)氣象干旱的響應(yīng)程度

在灌區(qū)內(nèi)部植被長勢(shì)與氣象干旱存在高度相關(guān)的時(shí)間為4-5 月。從MCI 的計(jì)算結(jié)果可知，研究區(qū)在4-5 月極易發(fā)生嚴(yán)重氣象干旱，開始灌溉的時(shí)間在每年4-5 月，因此在4-5 月土壤墑情較低，且受到嚴(yán)重干旱影響，灌區(qū)內(nèi)植被長勢(shì)與氣象干旱呈現(xiàn)較高的相關(guān)性；而在每年6 月，雖發(fā)生不同程度的氣象干旱，但由于已經(jīng)灌溉，植被得到外部供水，植被長勢(shì)與氣象干旱的相關(guān)性與4-5 月相比，呈明顯下降趨勢(shì)；在7-8 月份，全省仍頻繁發(fā)生不同程度的氣象干旱，除小部分地區(qū)灌溉外，大部分地區(qū)由于持續(xù)灌溉，大部分地區(qū)植被長勢(shì)與氣象干旱的相關(guān)性均表現(xiàn)為中度和低度相關(guān)，說明灌溉緩解了灌區(qū)內(nèi)氣象干旱對(duì)植被長勢(shì)的影響。

在雨養(yǎng)區(qū)內(nèi)，可以看到除發(fā)生嚴(yán)重氣象干旱的4-5 月外，在1 月安徽中南部地區(qū)，6 月和9 月安徽西北部和東南部大面積地區(qū)，7-8 月西北部和東南部小部分地區(qū)，10 月份東南部地區(qū)和12 月份中部部分地區(qū)，植被長勢(shì)與氣象干旱均呈較高相關(guān)關(guān)系。

結(jié)合圖2可知：在2000—2020年1-12月內(nèi)，灌溉區(qū)植被長勢(shì)與氣象干旱相關(guān)性均低于雨養(yǎng)區(qū)，尤其在6 月份，呈明顯下降趨勢(shì)，表明雨養(yǎng)區(qū)植被長勢(shì)受到干旱脅迫程度更高。在區(qū)域分布上，雨養(yǎng)區(qū)內(nèi)安徽淮河以北和東南部地區(qū)的植被長勢(shì)受氣象干旱影響較大；在時(shí)間尺度上，在每年氣象干旱嚴(yán)重的4-5 月份，雨養(yǎng)區(qū)的植被更易受到干旱脅迫。若能提早灌溉或提高灌溉量，使土壤墑情達(dá)到植被生長需求，將在很大程度上減緩灌區(qū)內(nèi)部植被對(duì)于嚴(yán)重干旱的抵抗性。表明在灌溉區(qū)由于存在灌溉條件，在干旱年份，灌溉對(duì)于作物長勢(shì)的存在維持作用，減弱了氣象干旱對(duì)作物長勢(shì)的作用，作物仍能維持生長必需的水分補(bǔ)給，受氣象干旱脅迫的影響降低；反之，雨養(yǎng)區(qū)由于在干旱年份得不到外部水分補(bǔ)給，在受到嚴(yán)重干旱脅迫下，作物的長勢(shì)與干旱程度呈高度相關(guān)關(guān)系，會(huì)受到嚴(yán)重影響。

圖2 灌溉區(qū)與雨養(yǎng)區(qū)植被長勢(shì)與氣象干旱相關(guān)曲線

3.2 基于站點(diǎn)的氣象干旱擾動(dòng)與3種主要農(nóng)作物長勢(shì)的響應(yīng)

1）3 種作物MCI-VCI 在2000—2020 年整體變化趨勢(shì)。在2000—2020年水稻和小麥MCI年際增速分別為+0.05 和+0.02，表明干旱趨勢(shì)逐漸減緩；VCI 年際增速分別為+0.005 和+0.012， 表明植被長勢(shì)變好；VCI/MCI 變化速率比分別為0.1 和0.6，說明水稻和小麥整體趨勢(shì)都呈正相關(guān)關(guān)系。而在玉米MCI和VCI的變化趨勢(shì)明顯呈兩段式變化，是由于玉米區(qū)域在2007 年后氣象干旱加重。其中MCI在2000—2007年呈上升趨勢(shì)，增速為0.099；在2007—2020年趨勢(shì)平緩，干旱強(qiáng)度趨勢(shì)降低，說明在2000—2007年干旱趨勢(shì)呈上升，在2007—2020年趨于平穩(wěn)；VCI在2000—2007年趨勢(shì)上升，增速為+0.019，表明玉米長勢(shì)變好，VCI/MCI變化速度比為0.19，在2007—2020年小麥VCI年際變化趨勢(shì)平緩，說明在2007—2020年植被長勢(shì)逐漸平穩(wěn)。

通過3 種作物的年際變化曲線可以看出，VCI/MCI 之比大小為水稻（0.1） ＜玉米（0.19） ＜小麥（0.6），表明隨著干旱趨勢(shì)逐漸增強(qiáng)，水稻長勢(shì)的響應(yīng)速度最慢，玉米次之，小麥最快。從3 種作物的相關(guān)系數(shù)曲線（圖3）可以看出，在2000—2020 年，3 種作物MCI-VCI 相關(guān)系數(shù)均大于0，說明氣象干旱跟作物長勢(shì)的存在正相關(guān)關(guān)系，各站點(diǎn)的皮爾遜相關(guān)系數(shù)值（MCI-VCI）整體趨勢(shì)：小麥＞玉米＞水稻，再次表明小麥和玉米在受到氣象干旱條件下，作物長勢(shì)影響比水稻脅迫要大。

圖3 各站點(diǎn)2000—2020年MCI-VCI相關(guān)系數(shù)

2）不同氣象干旱程度下3 種作物長勢(shì)與干旱的變化分析。圖4 為水稻、小麥和玉米3 種作物在各自嚴(yán)重干旱、部分干旱與無旱年份整個(gè)生育期內(nèi)作物長勢(shì)的變化過程，3種作物的NDVI值曲線整體趨勢(shì)大致為無旱＞部分干旱＞嚴(yán)重干旱年份，說明在水稻長勢(shì)受干旱的影響最小，而小麥?zhǔn)芨珊档挠绊懽畲螅衩状沃Ｐ柙趪?yán)重干旱年份，補(bǔ)給水稻仍能維持生長必需的水分，使其受氣象干旱脅迫的影響降低；而小麥和玉米，在干旱年份得不到外部水分補(bǔ)給，在受到嚴(yán)重干旱脅迫下，長勢(shì)受到嚴(yán)重影響。

圖4 水稻、小麥和玉米在無旱、部分干旱和嚴(yán)重干旱年份NDVI變化曲線

4 討 論

對(duì)3種作物進(jìn)行監(jiān)測(cè)時(shí)，發(fā)現(xiàn)3種作物在不同干旱程度年份的作物長勢(shì)存在一些特殊值。以小麥為例，站點(diǎn)58015、58102 部分干旱年份（2019年）NDVI 年均值＞無旱年份（2003年）。這2個(gè)站點(diǎn)這21 a發(fā)生干旱的情況，可以明顯看出在整個(gè)生育階段內(nèi)氣象干旱程度仍符合無旱年（2003年）＜部分干旱年（2019年）＜嚴(yán)重干旱年（2000 年）。通過查閱安徽省年鑒發(fā)現(xiàn)，在2003 年發(fā)生了嚴(yán)重的冰凍災(zāi)害，是2000—2020 年來最為嚴(yán)重的一年，通過對(duì)應(yīng)的NDVI 曲線發(fā)現(xiàn)：站點(diǎn)58015在3/21（拔節(jié)期）-4/22（抽穗期）作物長勢(shì)變差，在5—8月份（開花期）后才恢復(fù)到部分干旱年份的長勢(shì)；而站點(diǎn)58102 無旱年份（2003 年）整個(gè)生育期內(nèi)的NDVI 值＜部分干旱年份（2019 年），尤其在3/21（拔節(jié)期）-4/22（抽穗期）作物長勢(shì)接近嚴(yán)重干旱年份（2000）作物長勢(shì)。說明作物的長勢(shì)一定程度上也受到其他的極端事件影響，不能簡(jiǎn)單地把作物長勢(shì)變差完全歸因于氣象干旱。

5 結(jié) 語

本文主要分析了安徽省氣象干旱擾動(dòng)與植被響應(yīng)狀況的關(guān)系，從時(shí)空分布格局整體分析，得出氣象干旱與植被長勢(shì)為高度相關(guān)的地區(qū)隨月份不同而發(fā)生著變化，且大多發(fā)生在安徽北部以及南部地區(qū)部分地區(qū)，在時(shí)空上存在著差異。MODIS影像雖然時(shí)間分辨率高，適合作物長時(shí)間長勢(shì)監(jiān)測(cè)，但空間分辨率低，未來可以采用更高分辨率的影像分析作物不同生育期；水分脅迫對(duì)于作物長勢(shì)影響最大，但并不是唯一因素，之后可以進(jìn)一步精細(xì)化研究其他因素，如地形因素與加強(qiáng)小區(qū)域內(nèi)灌溉對(duì)作物長勢(shì)的影響的驗(yàn)證。