陳洪萍1, 2 賈根鎖1 馮錦明1 董燕生3 張安治1

?

準全球陸表干旱嚴重程度的多傳感器遙感監(jiān)測方法研究

陳洪萍賈根鎖馮錦明董燕生張安治

1中國科學(xué)院大氣物理研究所東亞區(qū)域氣候—環(huán)境重點實驗室，北京100029;2中國科學(xué)院大學(xué)，北京100049;3北京市農(nóng)林科學(xué)院北京農(nóng)業(yè)信息技術(shù)研究中心，北京100097

在全球氣候變暖的背景下，持續(xù)的干旱事件將對生態(tài)系統(tǒng)和人類社會產(chǎn)生不利影響。盡管存在多源衛(wèi)星遙感資料及多種干旱指數(shù)，然而區(qū)域和全球尺度干旱事件的監(jiān)測仍具有挑戰(zhàn)。采用TRMM（Tropical Rainfall Measuring Mission）數(shù)據(jù)量化降水異常、MODIS（Moderate Resolution Imaging Spectroradiometer）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和陸表溫度（Land Surface Temperature，LST）數(shù)據(jù)表征植被生長異常，構(gòu)建了一種兼顧降水異常和植被生長狀況異常的多傳感器陸表干旱嚴重程度指數(shù)（Multi-sensors Drought Severity Index，MDSI）。結(jié)果表明：MDSI能夠準確檢測準全球范圍（50°S～50°N，0°～180°～0°）的氣象干旱事件，如亞馬遜流域2005和2010年干旱、中國川渝地區(qū)2006年干旱、中國云南2010年干旱、非洲東部2011年干旱、2012年美國中部干旱等；MDSI與PDSI（Palmer Drought Severity Index）呈現(xiàn)出大致相同的干濕空間格局，并且MDSI有助于濕潤地區(qū)干旱程度的檢測。

干旱 遙感 TRMM多傳感陸表 干旱嚴重指數(shù)

1 引言

盡管干旱可以分為氣象干旱、農(nóng)業(yè)干旱、水文干旱、社會經(jīng)濟干旱，但對于生態(tài)系統(tǒng)和人類社會而言，干旱是一種不利的重要氣候事件，受其影響的人口數(shù)量均大于其他任何自然災(zāi)害（Wilhite, 2000）。自從1850年以來，全球平均氣溫已經(jīng)升高了大約0.76°C，并且到本世紀末，預(yù)計將會升高1.5～6.4°C（IPCC，2007）。在全球氣候變暖的背景下，持續(xù)的干旱或?qū)⒃黾樱―ai et al., 2004），因而干旱可能更為長久影響生態(tài)系統(tǒng)和人類社會。開展從區(qū)域尺度到全球尺度干旱嚴重程度的監(jiān)測與專題制圖，對于加強水資源管理、防范干旱災(zāi)害風(fēng)險具有重要意義（Shukla et al., 2011）。盡管存在多源衛(wèi)星遙感資料及多種干旱指數(shù)，然而區(qū)域和全球尺度干旱事件的監(jiān)測仍具有挑戰(zhàn)。

干旱指數(shù)是一種有效檢測干旱事件的手段。例如，帕默爾干旱指數(shù)（Palmer Drought Severity Index，PDSI）（Palmer，1965）、標準降水指數(shù)（Standardized Precipitation Index，SPI）（McKee et al., 1993）、全國降雨指數(shù)（National Rainfall Index，NRI）（Gommes and Petrassi，1994）等。其中，PDSI被廣泛應(yīng)用于監(jiān)測大范圍的干旱事件、分析干旱的時空特征（Jones et al., 1996），以及進行干旱預(yù)警等（Ozger et al., 2009）。先前的學(xué)者已經(jīng)詳細評述了常用干旱指數(shù)的適用性（Quiring，2009；Mishra and Singh，2010；Mu et al., 2012）?？偟目磥?，大多干旱指數(shù)是基于氣象站點的降水觀測數(shù)據(jù)，或者結(jié)合其他氣象觀測要素，如空氣溫度、土壤濕度等進行構(gòu)建（Mishra and Singh，2010）。因而，氣象站點的空間分布情況將會影響干旱監(jiān)測的精細程度（Brown et al., 2008）。由于氣象站點缺乏連續(xù)的空間覆蓋，且大多分布稀疏（Ashcroft et al., 2009），在偏僻的森林覆蓋區(qū)域尤為明顯。為了評估氣象站點稀疏區(qū)域的干旱狀況，通常采用空間插值方法進行估算。然而，在氣象要素變化非常明顯的復(fù)雜地形區(qū)域，空間插值法會產(chǎn)生較大誤差（Flannigan et al., 1998）。

衛(wèi)星遙感能夠克服氣象站點稀疏或缺失的限制，可以直接用于監(jiān)測干旱狀況的空間格局（Ji and Peters，2003）?；谛l(wèi)星遙感的干旱監(jiān)測方法可以分為三類：一是反映土壤水分變化的，如表觀熱慣量（Apparent Thermal Inertia，ATI）（Price，1985）；二是反映植被綠度變化特征的，如植被條件指數(shù)（Vegetation Condition Index，VCI）（Kogan，1990）；三是反映植被冠層溫度變化特征的，如溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index，TVDI）（Sandholt et al., 2002）?；谛l(wèi)星遙感數(shù)據(jù)構(gòu)建的干旱指數(shù)，盡管在干旱半干旱區(qū)域應(yīng)用非常有效，但在濕潤半濕潤區(qū)域卻受到限制（Kogan, 1995）。Mu et al.（2012）基于MODIS（Moderate Resolution Imaging Spectroradiometer）合成的全球陸表土壤水分蒸發(fā)蒸騰數(shù)據(jù)（evapotranspiration，ET）和NDVI（Normalized Difference Vegetation Index），構(gòu)建了全球陸表干旱嚴重程度指數(shù)（Drought Severity Index，DSI）。DSI成功檢測出2000年至2011年的全球典型區(qū)域氣象干旱事件，如2003年的歐洲嚴重干旱事件，2005年和2010年的亞馬遜流域干旱。然而，DSI對濕潤區(qū)域的檢測仍然存在較大偏差?？赡苡捎跐駶櫟貐^(qū)經(jīng)常受到陰雨天氣的影響，基于光學(xué)可見光遙感數(shù)據(jù)構(gòu)建的干旱指數(shù)存在較大的不確定性。熱帶測雨衛(wèi)星（Tropical Rainfall Measuring Mission，TRMM）搭載了微波圖像儀、測雨雷達、可見光紅外掃描儀等多種傳感器，能夠克服不利天氣的影響，得到覆蓋南北緯50°之間的表面降水率。TRMM降水?dāng)?shù)據(jù)已被用于檢測干旱情況。例如，Rhee et al.（2010）引入TRMM降水?dāng)?shù)據(jù)，并結(jié)合MODIS-LST（Land Surface Temperature）和MODIS- NDVI數(shù)據(jù)，構(gòu)建了多傳感干旱狀況指數(shù)（Scaled Drought Condition Index，SDCI），SDCI成功檢測出美國濕潤區(qū)和干旱區(qū)的農(nóng)業(yè)干旱。Zhang and Jia（2013）結(jié)合TRMM降水?dāng)?shù)據(jù)和地球觀測系統(tǒng)先進微波掃描輻射計（Advanced Microwave Scanning Radiometer for EOS，AMSR-E）的微波數(shù)據(jù)，構(gòu)建了綜合微波干旱指數(shù)（Microwave Integrated Drought Index，MIDI）。MIDI在檢測類似中國北方半干旱地區(qū)的短期氣象干旱方面性能優(yōu)越，然而缺少濕潤地區(qū)的相關(guān)實驗。

干旱情景可以分為“敏感性情景”和“適應(yīng)性情景”（Simeltonet al., 2009）。干旱地區(qū)植被對水分短缺的適應(yīng)能力較強，而濕潤地區(qū)植被對水分短缺適應(yīng)能力較差，半干旱半濕潤地區(qū)植被對水分短缺的響應(yīng)時間較長（Vicente-Serrano et al., 2013）。因而，可以將干旱地區(qū)歸為干旱適應(yīng)性情景，植被生長狀況是干旱監(jiān)測的重要指標；濕潤地區(qū)歸為干旱敏感性情景，干旱檢測應(yīng)量化降水盈虧情況；半干旱半濕潤地區(qū)則介于干旱適應(yīng)性情景與干旱敏感性情景之間，干旱檢測應(yīng)兼?zhèn)浞治鼋邓澓椭脖簧L狀況。因此，對準全球陸表干旱程度進行檢測時，有必要兼顧分析降水異常和植被生長狀況異常。基于上述的思考，本研究構(gòu)建了一種兼顧降水異常和植被生長狀況異常的多傳感器陸表干旱嚴重程度指數(shù)（Multi-sensors Drought Severity Index，MDSI）。MDSI采用TRMM數(shù)據(jù)量化降水異常，采用MODIS-NDVI與MODIS-LST表征植被生長異常。MDSI在檢測氣象干旱程度的同時，根據(jù)NDVI/ LST植被干旱響應(yīng)特征來降低僅依靠TRMM降水?dāng)?shù)據(jù)檢測氣象干旱事件時的不確定性。MDSI以年時間尺度進行檢測，空間分辨為0.05°×0.05°，檢測的空間范圍是準全球范圍（50°S～50°N, 0°～180°～0°），適用于檢測區(qū)域氣象干旱事件。研究的主要目標包括：（1）評估MDSI對近12年（2001～2012年）準全球范圍陸表干旱程度的檢測能力；（2）比較分析近12年（2000～2011年）MDSI、DSI和PDSI 檢測干旱空間格局的一致性；（3）比較MDSI、DSI和PDSI監(jiān)測濕潤地區(qū)干旱事件的能力?？紤]到MDSI以年時間尺度進行干旱事件的檢測，且從準全球范圍比較不同氣候區(qū)域的氣象干旱嚴重程度，因而不再與MIDI以及SDCI進行比較。

2 數(shù)據(jù)

2.1 TRMM降水?dāng)?shù)據(jù)

采用最新的第7版本TRMM月降水?dāng)?shù)據(jù)3B43 （http://trmm.gsfc.nasa.gov/[2012-11-26]）（Huffman et al., 1995）。TRMM數(shù)據(jù)時間覆蓋從1998年1月至2012年12月，空間分辨率為0.25°×0.25°，空間范圍為（50°S～50°N，0°～180°～0°）。對TRMM數(shù)據(jù)進行預(yù)處理，包括去除異常值、重采樣等。在處理過程中，如果像元的像元值為－9999，則該像元賦值為0。為了使TRMM數(shù)據(jù)與MODIS數(shù)據(jù)空間分辨率保持一致，采用最鄰近像元內(nèi)插法將TRMM數(shù)據(jù)重采樣為0.05°×0.05°。

2.2 MODIS數(shù)據(jù)

采用第5版本的MODIS月NDVI數(shù)據(jù)MOD13C2（ftp://e4ftl01.cr.usgs.gov/[2012-11-26]）（Huete et al., 2002）和月LST數(shù)據(jù)MOD11C3 （ftp://e4ftl01.cr.usgs.gov/ [2012-11-26]）（Wan et al., 1996）。這二種數(shù)據(jù)的空間分辨率均為0.05°×0.05°，覆蓋時間為2000年6月至2012年12月。為了與TRMM數(shù)據(jù)覆蓋相同的空間范圍，對MODIS時間序列數(shù)據(jù)進行了裁剪。

2.3 輔助數(shù)據(jù)

為了對比分析MDSI檢測典型干旱事件的能力，采用的輔助數(shù)據(jù)包括Mu et al.（2012）生成的2000年至2011年全球年尺度的DSI數(shù)據(jù)（ftp: // ftp. ntsg.umt.edu/pub/MODIS/Mirror/DSI/ [2012-11-26]）以及PDSI數(shù)據(jù)（ftp://ftp.ntsg.umt.edu/pub/NPP_ Science_2010/PDSI/[2012-11-26]）（Zhao and Running, 2010）。DSI包括0.05°×0.05°和0.5°×0.5°兩種空間分辨率，覆蓋范圍為（80°N～60°S，0°～180°～0°）。PDSI數(shù)據(jù)空間分辨率為0.5°×0.5°，覆蓋范圍為（90°N～90°S，0°～180°～0°）。

3 方法

3.1 TRMM降水標準化距平

干旱以數(shù)月到數(shù)年低于常態(tài)的降雨為特征（Dai，2011），其本質(zhì)是大氣降水偏少。利用TRMM數(shù)據(jù)量化降水異常來反映氣象干旱程度，降水標準化距平，計算如下：

, （1）

3.2 MODIS NDVI/LST標準化距平

NDVI反映了綠色植被的生長狀況和覆蓋度信息，LST表征了植被冠層溫度狀況。當(dāng)植被受到干旱脅迫時，葉表面光合作用能力下降，植被葉片的葉綠素會下降，甚至葉片會凋萎，NDVI隨之降低。與此同時，植被通過關(guān)閉氣孔的方式來減少蒸騰，避免植被水分散失，其冠層表面溫度就會隨之升高。進而NDVI與LST的比率（）就會降低，因而能夠推演出植被受到干旱脅迫的情況，其計算公式為

其中，表示NDVI，表示LST。在計算過程中，先應(yīng)用MOD13C2產(chǎn)品提取NDVI波段和用MOD11C3產(chǎn)品提取LST波段，計算月時間尺度上的。然后計算每年的均值，用以表示年內(nèi)植被長勢的平均狀態(tài)。最后利用年的均值進行標準化距平處理，公式為

, （3）

3.3 基于多傳感器遙感數(shù)據(jù)的陸表干旱嚴重指數(shù)

, （5）

式中，是同時量化降水盈虧和植被生長狀況的綜合指數(shù)，和分別為2000至2012年綜合指數(shù)的均值和標準差。MDSI值越小，表示干旱程度也就越嚴重。在計算過程中，考慮到非植被覆蓋區(qū)域NDVI的影響，將年NDVI的最大值小于0.2的區(qū)域規(guī)定為非植被區(qū)域。對于非植被區(qū)域，直接用量化干旱嚴重程度。

當(dāng)濕潤地區(qū)發(fā)生干旱時，由于土壤深層水可能保證植被對水分的需求，植被對干旱的響應(yīng)則可能表現(xiàn)為變黃（變?。┗蜃兙G（變大）的異?，F(xiàn)象。為此，MDSI主要通過來量化氣象干旱程度，并結(jié)合來表征植被對干旱脅迫的響應(yīng)，從而降低僅依靠TRMM降水?dāng)?shù)據(jù)檢測氣象干旱事件的不確定性。由于干旱地區(qū)植被對水分短缺的適應(yīng)能力較強，即使偏小時（發(fā)生干旱），的變化也較小，那么主要依據(jù)反映出區(qū)域干旱的嚴重程度，結(jié)合來降低檢測干旱地區(qū)氣象干旱事件的不確定性。

在應(yīng)用上述公式計算MDSI的過程中，由于受到歷史資料時長的限制，如果某區(qū)域TRMM數(shù)據(jù)或者MODIS遙感數(shù)據(jù)存在整體偏濕或偏干的情況，則MDSI檢測結(jié)果存在一定的偏差。

4 結(jié)果與討論

4.1 2001～2012年MDSI干旱監(jiān)測

逐像元生成了空間分辨率為0.05°×0.05°的從2001年到2012年準全球的MDSI，用于分析典型的區(qū)域氣象干旱事件。將MDSI重采樣為0.5°×0.5°的低分辨率MDSI，用于評估準全球范圍的干旱事件，如圖1所示。為了驗證MDSI監(jiān)測干旱事件的能力，選擇與文章Mu et al.（2012）相同的典型干旱事件以及先前文獻記載的典型區(qū)域干旱事件進行評估。

亞太區(qū)域是全球水稻的主要產(chǎn)地，從2000年到2007年，約7百萬公頃的水稻受到干旱影響（Pandey et al., 2007）。MDSI成功檢測了該區(qū)域的典型干旱事件，例如從2001年到2002年，巴基斯坦和印度西北部遭受了連續(xù)的干旱，導(dǎo)致農(nóng)作物死亡（Pandey et al., 2007）。MDSI成功檢測了該區(qū)域的典型干旱事件，例如從2001 年到2002 年，巴基斯坦和印度西北部遭受了連續(xù)的干旱，導(dǎo)致農(nóng)作物死亡（Pandey et al., 2007）；2004年干旱導(dǎo)致亞洲東南部區(qū)域百萬人可飲用水短缺（NBS，2005），泰國2百萬公頃的農(nóng)作物受災(zāi)（Asia Times，2005）；2009年印度中部、北部和東部發(fā)生高溫?zé)崂颂鞖?，熱浪造成河流枯竭，水庫干涸?20人死亡（李威等，2010）；2010年巴基斯坦遭遇50°C高溫干旱（陳洪濱和范學(xué)花，2011）。2009年秋至2010年春，中國云南發(fā)生50年罕見的干旱（黃榮輝等，2012）。同時，MDSI也成功檢測出亞太區(qū)域典型的洪澇事件，例如2007年南亞多國發(fā)生洪澇，造成至少3000人死亡，6000萬多人受災(zāi)，孟加拉國、尼泊爾受災(zāi)尤為嚴重（梁瀟云和郭艷君，2008）；2008年印度尼西亞因暴雨引發(fā)洪澇，造成至少58人死亡（王小玲和郭艷君，2009）；2011年暴雨致使泰國發(fā)生洪澇，造成740人死亡，900萬人受災(zāi)，2200多套住房被毀（司東等，2012）。

在北美地區(qū)，從1998年到2004年美國西部出現(xiàn)的連續(xù)干旱導(dǎo)致了貯水池水供給嚴重不足（Cook et al., 2007），在2002年最干旱時，超過50%的美國西部地區(qū)處于中到重度干旱，其降水不足量接近有記錄以來的最低值（Lawrimore and Stephens，2003）。2011年美國和墨西哥發(fā)生干旱，影響了美國48個州32%的土地，導(dǎo)致墨西哥農(nóng)作物枯死，170萬頭牲畜死亡（司東等，2012）。北美洲其他典型的干旱事件包括：2006美國南部干旱（李威和朱艷峰，2007）、2007年美國東南部干旱（梁瀟云和郭艷君，2008）、2012年美國中部大部分地區(qū)發(fā)生的嚴重干旱。

MDSI成功檢測出了2001年到2012年間澳大利亞發(fā)生的干旱或洪澇事件。從2001年11月到2007年10月，澳大利亞南部和東部發(fā)生了大范圍的干旱（Bureau of Meteorology, 2007），其中2002年到2003年間的干旱（Horridge et al., 2005）是澳大利亞有氣象記錄以來最嚴重的短期干旱之一（Nicholls，2004）。其他干旱事件包括2005年干旱（Watkins，2005），以及2007年到2009年的連續(xù)干旱事件（Bureau of Meteorology，2009）。從2010年到2011年初，澳大利亞遭受了歷史上最強的La Ni?a事件，致使澳大利亞北部和東部從2010年春至2011年一直出現(xiàn)強降雨，這兩年成為該區(qū)有記錄以來最濕潤的兩年（Bureau of Meteorology，2012）。

MDSI成功檢測出2005年和2011年非洲發(fā)生的干旱事件（Phillips et al., 2009；Lyon and Dewitt，2012）。同時，MDSI也檢測出非洲其他地區(qū)發(fā)生的洪澇災(zāi)害，如2002年剛果東部暴雨導(dǎo)致大規(guī)模泥石流的發(fā)生，泥石流造成數(shù)十人受傷，40多人死亡；肯尼亞發(fā)生的洪澇和山體滑坡，導(dǎo)致15萬人逃離家園，至少46人死亡（李小燕，2003）。

MDSI能夠成功檢測到南美洲2005年和2010年的亞馬遜流域干旱（Hopkin，2005；Lewis et al., 2011）。同時，MDSI也能夠檢測到南美洲的典型洪澇災(zāi)害事件。如2006年哥倫比亞的暴雨致使約100處河水泛濫、山體滑坡，全國3/4省份受災(zāi)，107人死亡，217人受傷（李威和朱艷峰，2007）。

圖1 基于多傳感器遙感數(shù)據(jù)的陸表干旱嚴重指數(shù)（Multi-sensors Drought Severity Index，MDSI）檢測出的 2001～2012年準全球干旱分布情況。MDSI值的范圍從負到正代表氣候從干旱變成濕潤

4.2 干旱程度相關(guān)性分析

在對全球干旱進行監(jiān)測時，PDSI應(yīng)用最為廣泛（Dai et al., 2004；Wells et al., 2004）。為了評估MDSI監(jiān)測干旱的有效性，分別對MDSI以及DSI與PDSI的相關(guān)性進行分析，如圖2所示。

從圖2可以直觀反映出：在非洲中南部，墨西哥南部，南美洲中部，以及美國東南部地區(qū)，MDSI與PDSI的相關(guān)性小于DSI與PDSI的相關(guān)性；而在南美北部和中國區(qū)域，MDSI與PDSI的相關(guān)性略大于DSI與PDSI的相關(guān)性；在澳大利亞地區(qū)，MDSI、DSI兩者均與PDSI的相關(guān)性表現(xiàn)一致。盡管在南美洲中部和北部，MDSI和DSI均與PDSI不相關(guān)，但是兩者都表現(xiàn)出相同的空間模式。PDSI檢測干旱的效果依賴于氣象觀測站點的數(shù)量和分布（Brown et al., 2008）。南美洲中部和北部的氣象站點分布稀疏（Chen et al., 2002；Zhao et al., 2006），因此，在這些區(qū)域PDSI 檢測干旱的效果較差，不能分辨MDSI、DSI的檢測能力。而在氣象站點分布密集的地區(qū)，如澳大利亞地區(qū)（Chen et al., 2002; Zhao et al., 2006），MDSI以及DSI與PDSI的相關(guān)性較高，甚至表現(xiàn)一致。以上這些現(xiàn)象也說明PDSI干旱監(jiān)測結(jié)果有可能存在一定誤差，在氣象站點分布稀疏的區(qū)域需謹慎應(yīng)用PDSI。

圖2 2000到2011年MDSI（上）以及DSI（下）與PDSI的無偏相關(guān)系數(shù)空間分布，空間分辨率為0.5°×0.5°

由于PDSI檢測干旱的結(jié)果存在一定誤差，通過對比分析MDSI與PDSI，以及DSI與PDSI的 相關(guān)性，并不能說明MDSI與DSI檢測干旱的能力。因而需要選擇典型干旱事件，進一步比較分析MDSI、DSI和PDSI檢測干旱的能力。

4.3 典型干旱事件比較

選擇典型干旱事件，如2005和2010年亞馬遜流域干旱、2011年非洲東部干旱、2010年的中國云南干旱、2006年川渝干旱事件等進行對比分析。在圖3至圖7是MDSI和DSI干旱檢測對比，圖中都采用相同的等級進行干旱評價，顏色越紅表示越干旱，顏色越藍表示越濕潤。

在亞馬遜流域，2005年發(fā)生了干旱（Hopkin，2005），2010年再次發(fā)生干旱（Lewis et al., 2011），MDSI、PDSI和DSI檢測結(jié)果如圖3所示。對于 2005年亞馬遜流域干旱，MDSI檢測出的干旱影響面積小于PDSI和DSI檢測出的面積，而DSI干 旱面積接近于PDSI。而對于2010年亞馬遜流域干旱，MDSI檢測出的干旱影響面積與DSI非常接近，而PDSI干旱面積小于MDSI和DSI。Xu et al.（2011）認為2010年亞馬遜流域干旱導(dǎo)致熱帶雨林變黃的面積是2005年植被變黃面積的4倍。其他相關(guān)研究都認為2010年是亞馬遜流域最干旱的一年（Atkinson et al., 2011；Lewis et al., 2011）。由此，MDSI的干旱檢測結(jié)果與Xu et al.（2011）的結(jié)論一致，而PDSI和DSI的監(jiān)測結(jié)果都高估了2005年干旱的影響面積。PDSI監(jiān)測的2005年干旱面積大于2010年，且2010年干旱處于從2000年到 2011年共12年間的第二或第三個干旱年（Mu et al., 2012），因而可以認為PDSI對2005、2010亞馬遜流域干旱的檢測存在較大誤差。

2011年非洲東部遭受60年來最嚴重的干旱，導(dǎo)致3萬兒童死亡，索馬里是受災(zāi)最嚴重的地區(qū)（司東等，2012）。MDSI、PDSI和DSI檢測出的干旱和濕潤空間分布位置明顯不同（圖4）。MDSI和PDSI均反映出索馬里干旱這一事實，而DSI檢測為這一地區(qū)處于濕潤狀態(tài)。在遭受干旱后，非洲又出現(xiàn)嚴重的洪澇，如暴雨導(dǎo)致肯尼亞西部發(fā)生洪水，15人死亡，7萬多人無家可歸（司東等，2012）。MDSI也反映了肯尼亞西部發(fā)生洪水的基本事實。

圖3 2005、2010年亞馬遜流域干旱的MDSI、PDSI和DSI檢測結(jié)果

圖4 2011年非洲東部干旱的MDSI、PDSI和DSI檢測結(jié)果

2006年中國重慶、川東、湖北西部、陜西南部地區(qū)遭受高溫?zé)崽鞖?，其中重慶干旱最為嚴重。高溫干旱導(dǎo)致重慶和四川直接經(jīng)濟損失超過150億元（李威和朱艷峰，2007）。圖5顯示了MDSI、PDSI、DSI對2006年重慶干旱事實的檢測結(jié)果。MDSI和PDSI能夠檢測到2006年川渝嚴重干旱的事 實，而DSI監(jiān)測到的川渝干旱嚴重程度弱于川西高原。

2010年中國云南遭遇百年一遇的大旱。在云南中部、東部因降水偏少，氣溫偏高，導(dǎo)致發(fā)生干旱（陳洪濱和范學(xué)花，2011）。圖6是MDSI、PDSI、DSI對云南干旱事實的檢測結(jié)果。MDSI檢測出的干旱影響范圍明顯小于PDSI和DSI的，而DSI和PDSI均完全覆蓋了整個云南區(qū)域，說明高估了干旱影響范圍。同時，2010年中國東北的黑龍江、吉林經(jīng)歷高溫天氣，高溫日數(shù)為1961年來的最多日數(shù)（陳洪濱和范學(xué)花，2011）。同樣，MDSI也能夠檢測到這一高溫天氣現(xiàn)象。

2008年中國長江中下游干旱狀況的MDSI、PDSI、DSI檢測結(jié)果如圖7所示。MDSI顯示2008年中國南方大部分區(qū)域處于潤濕狀態(tài)，而PDSI和DSI顯示為大部分區(qū)域處于干旱狀態(tài)。事實上，2008年中國南方出現(xiàn)強降雨天氣，致使177人死亡（王小玲和郭艷君，2009）。顯然，MDSI監(jiān)測結(jié)果基本上反映了這一事實。Mu et al.（2012）認為可能是由于受到2008年夏季干旱以及2008年1月發(fā)生的低溫冰凍災(zāi)害對樹木破壞的影響，致使PDSI和DSI顯示中國南方中部城市，如湖南為干旱狀態(tài)。同時，Mu et al.（2012）還未找到引起2008年中國廣東省出現(xiàn)虛假干旱現(xiàn)象的原因，而MDSI則能夠避免檢測這種虛假的干旱現(xiàn)象，可能原因是MDSI采用TRMM數(shù)據(jù)，避免了濕潤地區(qū)MODIS光學(xué)遙感數(shù)據(jù)因受到陰雨天氣影響出現(xiàn)的不適定反演現(xiàn)象。

5 結(jié)論

文章基于TRMM降水?dāng)?shù)據(jù)、MODIS-NDVI和MODIS-LST數(shù)據(jù)，構(gòu)建了基于多傳感器遙感數(shù)據(jù)的陸表干旱嚴重指數(shù)MDSI，對近12年準全球典型干旱事件進行檢測。結(jié)果表明：MDSI能夠檢測到典型的干旱和洪澇事件。同時，在準全球尺度上對比MDSI以及DSI與PDSI之間的相關(guān)性，表明MDSI與DSI干旱檢測結(jié)果，在氣象站點稀疏的區(qū)域存在較大差異，而在氣象站點稠密的區(qū)域具有較高的一致性。此外，比較MDSI、DSI和PDSI對典型干旱事件的檢測能力，包括2005和2010年亞馬遜流域干旱、2010年非洲東部干旱、2006年中國重慶干旱、以及2010年中國云南干旱等。結(jié)果表明：MDSI對上述典型干旱事件檢測能力均符合先前的文獻報道?？傮w來說， MDSI基本上成功地檢測出了準全球年尺度上的典型干旱事件，說明運用TRMM數(shù)據(jù)有助于干旱嚴重程度的監(jiān)測，并且MDSI更適合濕潤地區(qū)干旱情況的檢測。

上述研究結(jié)果說明MDSI檢測干旱事件的性能優(yōu)越，可能原因是MDSI兼顧降水異常和植被生長狀況異常，適用于檢測區(qū)域氣象干旱事件。本文假設(shè)是在一段時間內(nèi)，干旱嚴重程度由降雨總量異常和植被長勢的平均狀態(tài)異常共同決定。濕潤地區(qū)植被對降水異常具有敏感性，更應(yīng)關(guān)注降水盈虧情況，因而MDSI能夠抓住濕潤地區(qū)降水虧缺導(dǎo)致干旱的現(xiàn)象。同時，MDSI通過NDVI/LST降低濕潤地區(qū)干旱檢測的不確定性，兼顧反映植被對干旱脅迫的響應(yīng)，即植被指數(shù)下降、冠層溫度增加的特征。干旱地區(qū)對降水異常具有適應(yīng)性，植被生長特征是干旱監(jiān)測的重要指標，MDSI能夠反映干旱地區(qū)植被長勢受干旱脅迫的嚴重程度。MDSI兼?zhèn)浣邓澓椭脖簧L狀況，因而能夠反映半干旱和半濕潤地區(qū)植被對干旱的滯后性響應(yīng)。

MDSI是借鑒了構(gòu)建DSI的思路，用TRMM降雨數(shù)據(jù)代替MODSI的ET/PET，用NDVI/LST代替NDVI，對干旱檢測更為簡單有效。然而，從準全球尺度上來看，仍然需要更多的典型干旱事件對MDSI進行驗證。由于PDSI依賴于不同區(qū)域內(nèi)氣象站點的個數(shù)和分布（Brown et al., 2008），如在氣象站點分布相對密集的美國東北部和歐洲部分地區(qū)（Chen et al., 2002；Zhao et al., 2006），PDSI值的準確性相對較高，但目前TRMM數(shù)據(jù)并不能覆蓋上述地區(qū)。同時，MDSI的空間分辨率為0.05°× 0.05°，且每年檢測一次，因而對于季節(jié)性的短期干旱事件，以及局地干旱的精細檢測性能還需要進一步的驗證。在以后的研究中，可以考慮通過對TRMM數(shù)據(jù)進行降尺度，構(gòu)建高空間和高時間分辨率的MDSI用于近實時干旱事件的監(jiān)測。此外，目前TRMM降水?dāng)?shù)據(jù)也存在一定的空間誤差（Mu et al., 2012）。同樣，MODIS等光學(xué)衛(wèi)星遙感數(shù)據(jù)生成的NDVI/LST也存在誤差，包括：受到傳感器、云的覆蓋、大氣中的氣溶膠污染等限制，NDVI/LST數(shù)據(jù)會出現(xiàn)不連續(xù)的現(xiàn)象，不符合真實地表的噪聲信號；當(dāng)植被出現(xiàn)較大擾動時，如森林火災(zāi)、低溫凍害、病蟲害時，MDSI中植被異常的貢獻可能會大于TRMM降雨的貢獻。因而，在TRMM降水?dāng)?shù)據(jù)和NDVI/LST光學(xué)遙感數(shù)據(jù)都存在誤差的情況下，本文構(gòu)建的MDSI還存在著不確定性的影響。考慮到植被對干旱響應(yīng)的敏感性，因而以后的研究中還可以評估MDSI對植被葉面積指數(shù)、凈初級生產(chǎn)力的影響，從而更為充分驗證MDSI的性能。

致謝 感謝馬里蘭大學(xué)趙茂盛博士提供的PDSI數(shù)據(jù)和DSI數(shù)據(jù)。感謝兩位匿名審稿專家對本文改進提出的寶貴建議。

Ashcroft M B, Chisholm L A, French K O. 2009. Climate change at the landscape scale: Predicting fine-grained spatial heterogeneity in warming and potential refugia for vegetation [J]. Global Change Biology, 15: 656–667.

Asia Times.2005.Grim reaping for Thai farmers: A news report on Southeast Asia [OL]. http://www.atimes.com/atimes/Southeast_Asia/GD29Ae03. html [2012–11–26].

Atkinson P M, Dash J, Jeganathan C. 2011. Amazon vegetation greenness as measured by satellite sensors over the last decade [J]. Geophys.Res. Lett., 38: L19105, doi:10.1029/2011GL049118.

Brown J F, Wardlow B D, Tadesse T, et al. 2008.The Vegetation Drought Response Index (VegDRI): A new integrated approach for monitoring drought stress in vegetation [J]. GIScience and Remote Sensing, 45: 16–46.

Bureau of Meteorology. 2007. Special Climate Statement 14: Six years of widespread drought in southern and eastern Australia November 2001- October 2007 [OL]. http://www.bom.gov.au/climate/current/statements/ scs14.pdf. [2012?11?26].

Bureau of Meteorology. 2009. Special Climate Statement 19: A prolonged spring heat wave over central and south-eastern Australia [OL]. http:// www.bom.gov.au/climate/current/statements/scs19b.pdf. [2012–11–26].

Bureau of Meteorology. 2012. Special Climate Statement 38: Australia's wettest two-year period on record; 2010–2011 [OL]. (2012–11–26), http://www.bom.gov.au/climate/current/statements/scs38.pdf.

陳洪濱, 范學(xué)花. 2011. 2010年極端天氣和氣候事件及其他相關(guān)事件的概要回顧 [J]. 氣候與環(huán)境研究, 16 (6): 789–804. Chen Hongbin, Fan Xuehua.2011. Some extreme events of weather, climate and related phenomena in 2010 [J]. Climatic and Environmental Research (in Chinese), 16 (6): 789–804.

Chen M Y, Xie P P, Janowiak J E, et al. 2002.Global land precipitation: A 50-yr monthly analysis based on gauge observations [J]. J. Hydrometeor., 3: 249–266.

Cook E R, Seager R, Cane M A, et al. 2007. North American drought: Reconstructions, causes, and consequences [J]. Earth-Sci. Rev., 81: 93–134.

Dai A G, Trenberth K E, Qian T T. 2004. A global data set of Palmer Drought Severity Index for 1870–2002: Relationship with soil moisture and effects of surface warming [J]. J. Hydrometeor., 5: 1117–1130.

Dai A G. 2011.Drought under global warming: A review [J]. Wiley Interdisc. Rev., 2: 45–65.

Flannigan M D, Wotton B M, Ziga S. 1998. A study on the interpolation of fire danger using radar precipitation estimates [J]. Int. J. Wild. Fire, 8: 217–225.

Gommes R, Petrassi F. 1994. Rainfall Variability and Drought in Sub-Saharan Africa Since 1960 [M]. Rome: Food and Agriculture Organization of the United Nations, 100pp.

Hopkin M. 2005. Amazon hit by worst drought for 40 years [J]. Nature News, doi:10.1038/news051010–8.

Horridge M, Madden J, Wittwer G. 2005. The impact of the 2002–2003 drought on Australia [J].J. Policy Mode., 27: 285–308.

黃榮輝, 劉永, 王林, 等. 2012. 2009年秋至2010年春我國西南地區(qū)嚴重干旱的成因分析 [J]. 大氣科學(xué), 36 (3): 443–457, doi:10.3878/j.issn. 1006.9895.2001.11101. Huang Ronghui, Liu Yong, Wang Lin, et al. 2012. Analyses of the causes of severe drought occurring in Southwest China from the fall of 2009 to the spring of 2010 [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 36 (3): 443–457.

Huete A, Didan K, Miura T, et al. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices [J]. Remote Sens.Environ., 83: 195–213.

Huffman G J, Adler R B, Rudolf U, et al. 1995. Global precipitation estimates based on a technique for combining satellite-based estimates, rain-gauge analysis, and NWP model precipitation information [J]. J. Climate, 8 (5): 1284–1295.

IPCC. 2007. Climate Change 2007: The Physical Science Basis [M] //Contribution of Working Groups I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. New York: Cambridge University, 106pp.

Ji L, Peters A J. 2003. Assessing vegetation response to drought in the northern Great Plains using vegetation and drought indices [J]. Remote Sens.Environ., 87: 85–98.

Jones P D, Hulme M, Brifta K R, et al. 1996. Summer moisture accumulation over Europe in the Hadley center generalcirculation model based on the Palmer drought severity index [J]. Int. J. Climatol., 16 (2): 155–172.

Kogan F N. 1990. Remote sensing of weather impacts on vegetation in nonhomogeneous area [J]. Int. J. Remote Sens., 11: 1405–1420.

Kogan F N. 1995. Application of vegetation index and brightness temperature for drought detection [J]. Adv. Space Res., 15: 91–100.

Lawrimore J, Stephens S. 2003. Climate of 2002 annual review [OL].http://www.ncdc.noaa.gov/oa/climate/research/2002/ann/ann02.html[2012–11–26].

Lewis S L, Brando P M, Phillips O L, et al. 2011. The 2010 Amazon drought [J]. Science, 331: 554.

李威, 朱艷峰. 2007. 2006年全球重大天氣氣候事件概述 [J]. 氣象, 33 (4): 108–111. Li Wei, Zhu Yanfeng. 2007. Global significant climate events in 2006 [J]. Meteorological Monthly (in Chinese), 33 (4): 108– 111.

李威, 蔡錦輝, 郭艷君, 等. 2010. 2009年全球重大天氣氣候事件概述 [J]. 氣象, 36 (4): 106–110. Li Wei, Cai Jinhui, Guo Yanjun, et al. 2010.Global significant weather and climate events in 2009 [J]. Meteorological Monthly (in Chinese), 36 (4): 106–110.

李小燕. 2003. 2002年全球重大氣候事件概述 [J]. 氣象, 29 (4): 28–31. Li Xiaoyan. 2003. Significant climate events in the world during 2002 [J]. Meteorological Monthly (in Chinese), 29 (4): 28–31.

梁瀟云, 郭艷君. 2008. 2007年全球重大天氣氣候事件概述 [J]. 氣象, 34 (4): 113–117. Liang Xiaoyun, Guo Yanjun. 2008. Global significant climate events in 2007 [J]. Meteorological Monthly (in Chinese), 34 (4): 113–117.

Lyon B, DeWitt D G. 2012.A recent and abrupt decline in the East African long rains [J]. Geophys. Res. Lett., 39: L02702, doi:10.1029/ 2011GL050337.

McKee T B, Doesken N J, Kleist J. 1993. The relationship of drought frequency and duration to time scales [C] // Proceedings of the 8th Conference on Applied Climatology. Anaheim, CA, AMS, 179–184.

Mishra A K, Singh V P. 2010. A review of drought concepts [J].J.Hydrol.,391: 202–216.

Mu Q, Zhao M, Kimball J S, et al. 2012. A remotely sensed global terrestrial drought severity index [J]. Amer. Meteor. Soc., 94: 83–98.

NBS. 2005. China Statistical Yearbook 2004 [M]. Beijing: China Statistics Press, 1011pp.

Nicholls, N. 2004. The changing nature of Australian droughts. Climatic Change, 63, 323?336.

Ozger M, Mishra A K, Singh V P. 2009. Low frequency drought variability events associated with climate indices [J]. J. Hydrol., 364: 152–162.

Palmer W C. 1965. Meteorological Drought [M]. Washington DC: US Weather Bureau, 58pp.

Pandey S, Bhandari H, Hardy B. 2007. Economic Costs of Drought and Rice Farmers’ Coping Mechanisms: A Cross-Country Comparative Analysis [M]. Los Banos: IRRI, 203pp.

Phillips O L, Aragao L E O C, Lewis S L, et al. 2009. Drought sensitivity of the Amazon rainforest [J]. Science, 323: 1344–1347.

Price J C. 1985. On the analysis of thermal infrared imagery: The limited utility of apparent thermal inertia [J]. Remote Sens. Environ., 18: 59–93.

Quiring S M. 2009. Monitoring drought: An evaluation of meteorological drought indices [J]. Geogr. Compass, 3: 64–88.

Rhee J Y, Im J, Carbone G J. 2010. Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data [J]. Remote Sens. Environ., 114: 2875–2887.

Sandholt I, Rasmussen K, Andersen J. 2002. A simple interpretation of the surface temperature-vegetation index space for assessment of surface moisture status [J]. Remote Sens. Environ.,79: 213–224.

Shukla S, Steinemann A C, Lettenmaier D P. 2011. Drought monitoring for Washington State: Indicators and applications [J]. J. Hydrometeor., 12: 66–83.

司東, 李修倉, 任福民, 等. 2012. 2011年全球重大天氣氣候事件及其成因 [J]. 氣象, 38 (4): 480–489. Si Dong, Li Xiucang, Ren Fumin, et al. 2012. Global significant weather and climate events in 2011 and the possible causes [J]. Meteorological Monthly (in Chinese), 38 (4): 480–489.

Simelton E, Fraser E D G, Termansen M, et al. 2009. Typologies of crop-drought vulnerability: An empirical analysis of the socioeconomic factors that influence the sensitivity and resilience to drought of three major food crops in China (1961–2001) [J]. Environ. Sci. Policy, 12 (4): 438–452.

Vicente-Serrano S M, Gouveia C, Camarero J J, et al. 2013.Response of vegetation to drought time-scales across global land biomes [J]. Proc. Natl. Acad. Sci. USA, 110: 52–57.

Wan Z, Dozier J. 1996. A generalized split-window algorithm for retrieving land-surface temperature from space [J]. IEEE Trans. Geosc. Remote Sens., 34: 892–905.

王小玲, 郭艷君. 2009. 2008年全球重大天氣氣候事件概述 [J]. 氣象, 35 (4): 108–111. Wang Xiaoling, Guo Yanjun. 2009. Global significant weather and climate events in 2008 [J]. Meteorological Monthly (in Chinese), 35 (4): 108–111.

Watkins A B. 2005. The Australian drought of 2005 [J]. WMO Bulletin, 54 (3): 156–162.

Wells N, Goddard S, Hayes M J. 2004. A self-calibrating palmer drought severity index [J]. J. Climate, 17: 2335–2351.

Wilhite D A. 2000. Drought as a Natural Hazard: Concepts and Definitions [M]. London: Routledge, 16pp.

Xu L, Samanta A, Costa M H, et al. 2011. Wide spread decline in greenness of Amazonian vegetation due to the 2010 drought [J]. Geophys. Res. Lett., 38: L07402, doi:10.1029/2011GL046824.

Zhang A Z, Jia G S. 2013. Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data [J]. Remote Sens.Environ., 134: 12–23.

Zhao M S, Running S W. 2010. Drought-induced reduction in global terrestrial net primary production from 2000 through 2009 [J]. Science, 329: 940–943.

Zhao M S, Running S W, Nemani R R. 2006. Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS) terrestrial primary production to the accuracy of meteorological reanalyses [J]. J.Geophys. Res., 111: G01002, doi:10.1029/2004JG000004.

陳洪萍，賈根鎖，馮錦明，等. 2014. 準全球陸表干旱嚴重程度的多傳感器遙感監(jiān)測方法研究[J]. 大氣科學(xué), 38 (5): 939?949, doi:10.3878/j.issn. 1006-9895.2013.13219. Chen Hongping, Jia Gensuo, Feng Jinming, et al. 2014. Monitoring global land surface drought severity by multi-sensors remote sensing data [J]. Chinese Journal of Atmospheric Sciences (in Chinese), 38 (5): 939?949.

Monitoring Global Land Surface Drought Severity by Multi-Sensors Remote Sensing Data

CHEN Hongping, JIA Gensuo, FENG Jinming, DONG Yansheng, and ZHANG Anzhi

1(),,100029;2,100049;3,,100097

In the context of global warming, persistent droughts may cause adverse impacts on ecosystems and human societies. Although several multi-source satellite remote sensing records and types of drought indices exist, detection of droughts at regional to global scales remains a challenge. On the basis of precipitation data of the Tropical Rainfall Measuring Mission (TRMM) used to quantify rainfall anomalies and the Moderate Resolution Imaging Spectroradiometer (MODIS) vegetation index and land surface data used to reflect vegetation growth anomalies, this study develops a Multi-sensor Drought Severity Index (MDSI) to accurately monitor meteorological drought events at almost the global scale (50°S–50°N, 0°–180°–0°). These events include the 2005 and 2010 droughts in the Amazon; the 2006 drought in Chongqing, China; the 2010 drought in Yunnan, China; the 2011 drought in the eastern Africa; and the 2012 drought in the central parts of America. The spatial distribution patterns of the drought and flood events of the MDSI are essentially the same as those of the Palmer Drought Severity Index (PDSI). Therefore, the MDSI is useful for detecting drought conditions in humid areas.

Drought, Remote sensing, Tropical Rainfall Measuring Mission (TRMM), Multi-sensors Drought Severity Index (MDSI)

1006?9895(2014)05?0939?11

中國分類號 P405

A

10.3878/j.issn.1006-9895.2013.13219

2013?07?19，2013?12?26收修定稿

國家重點基礎(chǔ)研究發(fā)展計劃（973計劃）項目2012CB956202，中科院戰(zhàn)略性先導(dǎo)科技專項XDA05090200

陳洪萍，女，1982年出生，博士研究生，主要從事極端氣候事件的遙感監(jiān)測研究。E-mail: chenhp@mail.tea.ac.cn

賈根鎖，E-mail: jiong@tea.ac.cn