基于MODIS數(shù)據(jù)的2011—2020年河南省遙感干旱研究

作者簡介：趙梓涵（1999—），男，碩士生，研究方向：資源環(huán)境遙感。

摘 要：研究基于MODIS數(shù)據(jù)，選取CWSI和VSWI模型對河南省進行干旱監(jiān)測模擬，同PDSI進行皮爾遜相關性分析，篩選出最適合河南省的遙感干旱監(jiān)測模型，進而探討2011—2020年當?shù)馗珊禃r空變化特征。結果表明，CWSI模型更加適用于河南省干旱監(jiān)測研究，總體相關性（r=0.47）擬合程度最高；2011—2020年，河南省干旱集中區(qū)為鄭州市、新鄉(xiāng)市和焦作市，無旱區(qū)為南陽市北部和信陽市南部地區(qū)。在干旱空間分布中，中度干旱面積占比最大（51.19%），大部分集中在河南省西北地區(qū)；其次是輕度干旱面積占比（42.58%），主要集中在河南省東部平原地區(qū)，然后是西部秦嶺山區(qū)；重度干旱面積占比較小（4.40%），主要集中在鄭州市、焦作市和新鄉(xiāng)市；無旱地區(qū)面積占比最小（1.80%），大部分分布在南陽市、信陽市地區(qū)，少部分分布在洛陽市南部和駐馬店市西部地區(qū)。在研究時段內(nèi)，河南省變濕區(qū)域占比為87.0%，而變干的趨勢總占比為12.6%，表明10年間該地區(qū)氣候逐漸濕潤，大部分地區(qū)的干旱程度得到緩解；易旱區(qū)干旱重心位于東經(jīng)113.2°～113.7°、北緯34.0°～34.5°，干旱重心總體呈現(xiàn)東南向西北再向東南移動的趨勢。

關鍵詞：河南省；遙感干旱監(jiān)測；MODIS數(shù)據(jù)

中圖分類號：P407 文獻標志碼：A 文章編號：1674-7909（2024）1-115-5

DOI：10.19345/j.cnki.xckj.1674-7909.2024.01.029

0 引言

河南省地勢西高東低，地跨海河、黃河、淮河和長江四大流域；大部分地區(qū)處于暖溫帶，南部跨亞熱帶，屬亞熱帶向暖溫帶過渡的大陸性季風氣候區(qū)。河南省是農(nóng)業(yè)大省，但近年來旱情頻發(fā)（尤其是2014年旱情最為嚴重），對該地區(qū)的農(nóng)林業(yè)生產(chǎn)造成了嚴重威脅。為了更有效地研究和應對干旱對河南省農(nóng)林業(yè)生產(chǎn)造成的影響，需要采取精確的監(jiān)測手段，準確分析河南省干旱情況。

目前，在干旱監(jiān)測中，遙感技術的應用已成為主流［1-2］。采用該技術可以長時間、大范圍地獲取氣象數(shù)據(jù)，從而彌補氣象站點監(jiān)測數(shù)據(jù)的不足［3］。目前，干旱強度常用氣象干旱指數(shù)來表征。氣象學家Wayne Palmer等提出基于水量供需關系的干旱指數(shù)（Palmer Drought Severity Index，PDSI）［4］。由于PDSI考慮到氣溫要素，可以有效反映氣候變化對干旱的影響，同時也能考量區(qū)域水分供應與適宜水分供應之間的關系，因此常用來進行區(qū)域干旱評估。Jakson等［5］根據(jù)水分在不同時序下的虧缺程度，同標準狀態(tài)下進行比較，提出了作物缺水指數(shù)（Crop Water Stress Index，CWSI）。考慮到歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和地表溫度（Land Surface Temperature，LST）對干旱的綜合影響，Carlson等［6］提出用植被缺水指數(shù)（Vegetation Supply Water Index，VSWI）來評價農(nóng)業(yè)干旱。此后，結合遙感技術的干旱指數(shù)涉及土壤含水量、高程、LST、NDVI等多種氣象水文要素［2］。

為了更好地對河南省進行干旱監(jiān)測，利用PDSI對CWSI和VSWI模型進行適宜性評價，篩選出最適合河南省干旱監(jiān)測的模型，并詳細分析2011—2020年河南省干旱程度時空演變規(guī)律，進而助力該地區(qū)治理干旱帶來的次生災害。

1 研究區(qū)概況和數(shù)據(jù)來源

1.1 研究區(qū)概況

該研究選取河南省作為研究區(qū)域。河南省位于我國中部、華北平原南部，地勢上處于我國第二、第三階梯過渡地帶，是中部地區(qū)的經(jīng)濟文化中心，同時也是我國重要的產(chǎn)糧大省，是最容易受人為因素干擾的地區(qū)之一。近10年來，河南省干旱頻發(fā)（以2014年的高溫干旱為代表），對該省農(nóng)業(yè)生產(chǎn)、人民生活造成了極大影響。

1.2 數(shù)據(jù)來源

2011—2020年的河南省實際蒸發(fā)量（Evapotranspiration，ET）、潛在蒸發(fā)量（Potential Evapotranspiration，PET）、NDVI和LST數(shù)據(jù)源于MODIS影像衍生產(chǎn)品數(shù)據(jù)集（MOD16A2、MOD09GA、MOD11A1）。其中ET、PET時間分辨率為8 d，空間分辨率為0.5 km；NDVI時間分辨率為月，空間分辨率為0.5 km；LST時間分辨率為月，空間分辨率為1 km。2011—2020年河南省的PDSI數(shù)據(jù)時間分辨率為月，空間分辨率為0.5°，由氣候研究組（https：//crudata.uea.ac.uk/）提供，對其進行年均值計算得到2011—2020年河南省年均PDSI，并重采樣至0.5 km。河南省的土地類型數(shù)據(jù)由中國科學院資源環(huán)境科學與數(shù)據(jù)中心（http：//www.resdc.cn）提供，其空間分辨率為1 km，對其進行重分類可以獲得耕地、林地、草地等各種土地類型的分布范圍。

2 研究方法

該研究選取CWSI和VSWI兩種遙感干旱模型對研究區(qū)土壤干旱狀況進行線性擬合。CWSI模型根據(jù)水分平衡原理、土壤的水分蒸散來確定區(qū)域的干旱程度，涉及多種農(nóng)學、氣象因子，物理意義明確、可靠性高。CWSI模型被定義為式（1）。

[CWSI=1 – ET / PET]" " " " " " " " " " （1）

式（1）中：ET代表實際蒸散量，PET代表潛在蒸散量。CWSI的值為0～1，值越大代表區(qū)域越干旱缺水，反之越濕潤。

VSWI模型是指當植物供水正常時植被指數(shù)和植物冠層溫度保持在一定范圍內(nèi)，而當供水不足時影響植物生長。為減少水分流失，植物部分葉面氣孔會關閉，從而導致冠層溫度升高。VSWI模型被定義為式（2）。

[VSWI=NDVI/TC]" " " " " " " " " " " " " "（2）

式（2）中：NDVI為歸一化植被指數(shù)，TC代表植被冠層溫度。由于冠層溫度較難獲取，因此使用LST進行替代。VSWI的值為0～1，值越小代表區(qū)域越干旱缺水，反之越濕潤。

Theil-Sen Median方法［8］又稱為Sen斜率估計，是一種穩(wěn)定的非參數(shù)統(tǒng)計的趨勢計算方法。該方法計算效率高，對測量誤差和離群數(shù)據(jù)不敏感，常被用于長時間序列數(shù)據(jù)的趨勢分析。Mann-Kendall檢驗［9］是一種非參數(shù)的時間序列趨勢性檢驗方法，其優(yōu)點是不需要樣本值服從正態(tài)分布，也不受缺失值和異常值的影響，適用于長時間序列數(shù)據(jù)變化趨勢的顯著性檢驗。將這兩種方法相結合，可以更好地理解和預測干旱的發(fā)展趨勢。

根據(jù)重心遷移理論，地理重心可以反映某要素的時空分布特征，其重心的轉移距離和方向可反映地理要素在該時段的變化幅度及其空間差異，常被用來反映經(jīng)濟、人口的變化［10-11］。將該技術應用于干旱監(jiān)測，可以有效描述干旱區(qū)重心轉移的空間位置，為干旱區(qū)的監(jiān)測研究提供依據(jù)。

3 2011—2020年河南省遙感干旱監(jiān)測

3.1 干旱模型適宜性評價

為了驗證兩種遙感干旱模型時空監(jiān)測的準確性，將這兩種模型與PDSI數(shù)據(jù)進行皮爾遜系數(shù)相關性分析。其中，CWSI模型與PDSI呈負相關，VSWI模型與PDSI呈正相關。通過統(tǒng)計分析可得，CWSI模型、VSWI模型與PDSI的相關系數(shù)分別為-0.41、0.14，可以得知CWSI模型與PDSI的相關性在大部分區(qū)域均通過顯著性檢驗（Plt;0.05），說明CWSI模型對河南省土壤干旱的年際變化擬合更好。2011—2020年，不同遙感模型與不同土地類型PDSI的相關性系數(shù)見表1。由表1可以看出，CWSI模型在林地的大部分區(qū)域其相關性系數(shù)均值為0.49，通過了顯著性檢驗（Plt;0.05）；與耕地的相關性系數(shù)均值最低（0.39），但仍然高于VSWI模型。綜合分析得出，CWSI模型對河南省干旱監(jiān)測模擬具有較大優(yōu)勢。

表1 2011—2020年不同遙感模型與不同土地類型PDSI的相關性系數(shù)[遙感模型 土地類型 耕地 林地 草地 其他 CWSI 0.39 0.49 0.44 0.40 VSWI 0.06 0.04 0.15 0.07 ]

3.2 干旱等級劃分

由相關性分析可知，CWSI模型相較于VSWI模型在研究區(qū)的適用性更好，因此選用CWSI模型來分析研究區(qū)干旱的時空分布特征。該研究采用PDSI數(shù)據(jù)進行干旱等級劃分。2011—2020年PDSI數(shù)據(jù)大部分介于-3到1，部分年份的PDSI數(shù)據(jù)介于-3到-4，但其數(shù)量極少且在均值處理后不存在-3到-4的值。

根據(jù)PDSI劃分干旱標準，將干旱等級劃分為4級，同時按照河南省不同土地類型的面積占比選取138個樣點，具體選擇樣點個數(shù)：耕地75個（54.3%），林地38個（27.5%），草地6個（4.4%），其他用地19個（13.8%）。綜合考慮存在水域、交通用地等不適宜干旱監(jiān)測的地類及林地的擬合度最高的情況，增加了林地樣點的個數(shù)，并對備選樣點進行數(shù)據(jù)篩選，得到上述138個樣點，然后進行一元線性回歸（如圖1所示），得到不同等級所對應的CWSI的劃分閾值（見表2）。

表2 干旱等級劃分

[干旱等級 PDSI CWSI 無旱 gt;0 0.22～0.47 輕度干旱 -1～0 0.47～0.62 中度干旱 -2～-1 0.62～0.78 重度干旱 -2～-3 0.78～0.93 ]

2011—2020年CWSI模型均值介于0.22～0.93，低值區(qū)域集中在西部秦嶺山區(qū)和南部大別山區(qū)，高值區(qū)域則集中在大別山區(qū)、黃河沿岸（鄭州、新鄉(xiāng)、安陽、焦作等市及其周邊地區(qū)）及南陽盆地，大致形成了西南部山區(qū)低值、東部平原地區(qū)中值、北部地區(qū)高值的空間格局。在干旱等級的空間分布上，研究區(qū)干旱最為嚴重的區(qū)域為鄭州市及其周邊地區(qū)，其次為新鄉(xiāng)市及其北部和安陽市東部地區(qū)，南陽市北部、駐馬店市西南部、平頂山市西部及信陽市南部等地區(qū)都為無旱區(qū)域。

在CWSI模型干旱空間分布中，中度干旱面積占比最大（51.19%），大部分集中在河南省西北地區(qū)；其次是輕度干旱面積占比（42.58%），集中在河南省東部平原地區(qū)和西部秦嶺山區(qū)；重度干旱面積占比較小（4.40%），主要集中在鄭州市、焦作市和新鄉(xiāng)市；無旱地區(qū)面積占比最小（1.80%），大部分分布在南陽市、信陽市地區(qū)，少部分分布在洛陽市南部和駐馬店市西部地區(qū)。綜合以上分析，河南省各干旱等級面積占比從高到低的順序為中度干旱gt;輕度干旱gt;重度干旱gt;無旱。

3.3 干旱時空格局變化特征

采用Sen趨勢分析和Mann-Kendall檢驗方法得到CWSI變化及其顯著性的空間分布。根據(jù)表3將CWSI變化趨勢和顯著性空間分布進行疊加分析，從而得到了2011—2020年河南省干旱變化趨勢分布。

表3 2011—2020年河南省干旱趨勢變化特征

[變化趨勢（Slope） 顯著性（Z） 趨勢等級 趨勢特征 [Slopegt;0] [Z≤1.96] 2 顯著變干 1 輕微變干 [Slope=0] [Z] 0 無變化 [Slopelt;0] [Z≥1.96] -1 輕微變濕 -2 顯著變濕 ]

由CWSI變化趨勢可知，2011—2020年河南省的CWSI變化率在-0.046～0.037，在空間分布上整體表現(xiàn)為東部地區(qū)干旱緩解程度大于西部地區(qū)。在干旱顯著性空間分布中，河南省10年間干旱變化具有顯著性的區(qū)域是洛陽市、三門峽市南部和南陽市西北部地區(qū)。由研究時段內(nèi)河南省干旱變化趨勢可知，2011—2020年河南省干旱顯著變化區(qū)域中輕微變濕面積占比相較于其他變化趨勢最大（70.1%）；顯著變濕面積占比排第2（16.9%），主要集中在河南西部秦嶺山區(qū)；其后是輕微變干面積和顯著變干面積。其中，變濕趨勢面積占比為87.0%，而變干趨勢面積占比為12.6%。綜合分析得出河南省干旱變化趨勢為總體變濕，表明2011—2020年河南省干旱問題總體得到緩解。

3.4 河南省干旱重心變化分析

由于CWSI與研究區(qū)干旱程度呈負相關（CWSI值越大越干旱），因而選取易旱區(qū)（CWSIgt;0.62）的CWSI值為權重，計算每兩年的易旱區(qū)重心分布，并繪制出河南省易旱區(qū)重心遷移軌跡，如圖2所示。

由圖2可知，基于CWSI模型的2011—2020年河南省易旱區(qū)重心集中在東經(jīng)113.2°～113.7°、北緯34.0°～34.5°。2011—2020年河南省易旱區(qū)的重心轉移分為三個階段：2011—2014年易旱區(qū)重心向西北方向轉移，2015—2018年易旱區(qū)重心向東北方向轉移，2019—2020年易旱區(qū)重心向東南方向轉移，總體上易旱區(qū)重心緯度北移、經(jīng)度西移。在空間分布上，河南省干旱地理重心由2011年的許昌市周邊地區(qū)經(jīng)過鄭州市地區(qū)轉回到2020年的許昌市。雖然2011—2020年河南省易旱區(qū)與最干旱區(qū)域范圍沒有重疊，但其重心的轉移軌跡可以揭示干旱的遷移規(guī)律，即總體呈現(xiàn)為由東南到西北再到東南的趨勢。

4 討論與結論

研究基于遙感技術和地理信息系統(tǒng)，將ET、PET、NDVI和LST遙感數(shù)據(jù)代入CWSI和VSWI模型，對河南省2011—2020年的干旱程度進行監(jiān)測，得出最優(yōu)擬合干旱監(jiān)測模型和當?shù)馗珊登闆r時空格局變化特征。

河南省大部分地區(qū)為耕地和林地，對植被、土壤、大氣的水分交換較為敏感。因此，利用ET和PET計算得出的CWSI模型在當?shù)馗珊当O(jiān)測方面具有顯著優(yōu)勢。而VSWI模型容易受地區(qū)差異、植被類型等因素的影響，其在河南省進行干旱監(jiān)測的適宜性較差。基于此，選定CWSI作為研究區(qū)的干旱監(jiān)測模型。根據(jù)研究區(qū)2011—2020年相關數(shù)據(jù)計算結果，CWSI模型的最小值集中在西部秦嶺山區(qū)和南部大別山區(qū)，主要是因為當?shù)鼐哂休^低的溫度、充足的降水和豐富的地下水。研究區(qū)域中具有良好農(nóng)田灌溉網(wǎng)絡的地區(qū)（駐馬店市、周口市），也得出了較低的CWSI值。CWSI高值區(qū)域則集中在鄭州市、洛陽市和新鄉(xiāng)市。這是由于這些地區(qū)為溫帶大陸性季風氣候區(qū)（氣候干燥少雨）、下墊面改變、水分蒸散增加。

2011—2020年，河南省中度干旱區(qū)域面積占比最大，集中在河南省西北地區(qū)；輕度干旱區(qū)域面積占比較大，集中在河南省東部地區(qū)和西部山區(qū)；重度干旱地區(qū)面積占比較小，主要分布在鄭州市、新鄉(xiāng)市和焦作市及其周邊地區(qū)；無旱地區(qū)面積占比最小，主要分布在南陽市北部秦嶺山區(qū)和信陽市南部大別山區(qū)。在研究時段內(nèi)，河南省變濕趨勢面積占比為87.0%，變干趨勢面積占比為12.6%，表明河南省干旱情況逐漸得到改善，整體呈現(xiàn)穩(wěn)步濕潤的趨勢，且河南省西部地區(qū)的變濕趨勢極為顯著。

2011—2020年，河南省易旱區(qū)集中在東經(jīng)113.2°～113.7°、北緯34.0°～34.5°，易旱區(qū)干旱重心有向西南移動的趨勢，呈現(xiàn)由東南向西北再到東南的遷移規(guī)律。2011—2014年、2015—2018年和2019—2020年，易旱區(qū)干旱重心呈現(xiàn)出由許昌市周邊地區(qū)向西北方向轉移而后又向許昌市方向返回的趨勢。

參考文獻

［1］CHENG Q P， GAO L， ZHONG F， et al. Spatiotemporal variations of drought in the Yunnan-Guizhou Plateau， southwest China， during 1960—2013 and their association with large-scale circulations and historical records［J］. Ecological Indicators，2020， 112： 106041.

［2］馬梓策，孫鵬，張強，等.基于MODIS數(shù)據(jù)的華北地區(qū)遙感干旱監(jiān)測研究［J］.地理科學，2022，42（1）：152-162.

［3］孫麗君，劉曉，朱燕煌.基于MODIS數(shù)據(jù)的河南省干旱程度反演研究［J］.測繪與空間地理信息，2021，44（3）：140-142，145.

［4］賀敏，宋立生，王展鵬，等.基于多源數(shù)據(jù)的干旱監(jiān)測指數(shù)對比研究：以西南地區(qū)為例［J］.自然資源學報，2018，33（7）：1257-1269.

［5］ JACKSON R D， IDSO S B， REGINATO R J， et al. Canopy Temperature as a Crop Water Stress Indicator［J］. Water Resources Research，1981， 17（4）：1133-1138.

［6］ CARLSON T N， GILLIES R R， PERRY E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover［J］. Remote Sensing Reviews，1994， 9（1-2）： 161-173.

［7］BALSA-BARREIRO J， LI Y， MORALES A， et al. Globalization and the shifting centers of gravity of world's human dynamics： Implications for sustainability［J］. Journal of Cleaner Production，2019， 239： 117923.

［8］江振藍，荊長偉，李丹，等.運用Mann-Kendall方法探究地表植被變化趨勢及其對地形因子的響應機制：以太湖苕溪流域為例［J］.浙江大學學報（農(nóng)業(yè)與生命科學版），2011，37（6）：684-692.

［9］ALLEN R， IRMAK A，TREZZA R，et al. Satellite‐based ET estimation in agriculture using SEBAL and METRIC［J］. Hydrological Processes，2011， 25（26）： 4011-4027.

［10］DHORDE A G， PATEL N R. Spatio-temporal variation in terminal drought over western India using dryness index derived from long-term MODIS data［J］. Ecological Informatics，2016， 32： 28-38.