基于植被健康指數(shù)的2001—2018年間江蘇省農(nóng)業(yè)干旱時(shí)空分析

王錦杰 陳昊 張瑩

摘要：利用MODIS多年觀測(cè)數(shù)據(jù)計(jì)算江蘇省2001—2018年間的植被健康指數(shù)（VHI），并進(jìn)一步基于VHI利用閾值法對(duì)江蘇省2001—2018年間的農(nóng)業(yè)干旱事件進(jìn)行識(shí)別，最后使用干旱頻率和干旱面積占比分析江蘇省2001—2018年的農(nóng)業(yè)干旱狀況。結(jié)果表明：（1）2001—2018年的平均整體干旱面積為36.08%;（2）江蘇省南部地區(qū)農(nóng)業(yè)干旱發(fā)生頻率高于北部地區(qū);（3）夏季是江蘇省農(nóng)業(yè)干旱易發(fā)季節(jié)，不僅發(fā)生頻率高，而且干旱范圍廣，需要重點(diǎn)關(guān)注，做好農(nóng)業(yè)干旱監(jiān)測(cè)工作，春季和秋季干旱發(fā)生頻率低且分布范圍小，冬季干旱易發(fā)性和影響范圍高于春秋季，但明顯低于夏季。

關(guān)鍵詞：植被健康指數(shù);MODIS;農(nóng)業(yè)干旱;閾值法;江蘇省

中圖分類號(hào)：S127;S423? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：1002-1302（2020）06-0223-09

干旱是一種常見的自然災(zāi)害，從古至今人們對(duì)干旱的關(guān)注從未減少，尤其是近年來全球氣候變暖，干旱事件愈加頻發(fā)，給農(nóng)業(yè)、畜牧業(yè)等帶來巨大損失[1-4]。令人欣喜的是，隨著科學(xué)技術(shù)的發(fā)展、觀測(cè)儀器的完善，人類有了更多的技術(shù)和方法來監(jiān)測(cè)干旱。干旱監(jiān)測(cè)也逐漸由傳統(tǒng)的基于氣象站點(diǎn)實(shí)測(cè)降水、氣溫、土壤濕度等數(shù)據(jù)計(jì)算的干旱指數(shù)[2]發(fā)展為利用衛(wèi)星遙感手段的干旱監(jiān)測(cè)[5-9]。利用衛(wèi)星遙感監(jiān)測(cè)干旱可以充分發(fā)揮衛(wèi)星遙感所具有的速度快、范圍大、投入人力成本少等優(yōu)點(diǎn)，實(shí)現(xiàn)大范圍快速監(jiān)測(cè)。

Kogan等于1995年提出了植被狀態(tài)指數(shù)（vegetatuion condition index，VCI），并以VCI為數(shù)據(jù)源進(jìn)行干旱識(shí)別[10]。此后，Kuri等使用VCI指數(shù)對(duì)不同地區(qū)的干旱進(jìn)行識(shí)別，他們的研究結(jié)果都表明VCI指數(shù)能較好地識(shí)別出干旱狀況[11-14]。然而干旱往往和氣溫聯(lián)系在一起，VCI指數(shù)僅僅從植被狀態(tài)角度出發(fā)，忽略了溫度對(duì)干旱的影響，因此對(duì)干旱的監(jiān)測(cè)還存在一定的片面性。Kogan等為了克服上述缺點(diǎn)，又提出了兼顧植被和氣溫2種狀態(tài)的植被健康指數(shù)（vegetation health index，VHI），以AVHRR為數(shù)據(jù)源實(shí)現(xiàn)了全球不同地區(qū)的干旱監(jiān)測(cè)[15]。

本研究以相對(duì)于AVHRR空間分辨率更高的MODIS數(shù)據(jù)為基礎(chǔ)，計(jì)算VHI指數(shù)，對(duì)江蘇省2001—2018年農(nóng)業(yè)干旱狀況進(jìn)行識(shí)別，并引入干旱頻率和干旱面積占比來分析江蘇省農(nóng)業(yè)干旱狀況。

1 研究區(qū)域和數(shù)據(jù)

1.1 研究區(qū)域

江蘇省位于中國大陸東部沿海，范圍為 30°45′～35°20′N，116°18′～121°57′E。地勢(shì)平坦，海拔高度在50 m以下的地區(qū)占全省總面積的85%[16]。江蘇省屬于東亞季風(fēng)氣候區(qū)，氣候溫和、四季分明、雨熱同季，多年平均降水量為730.8（豐縣）～1 255.8 mm（沛縣），呈南多北少分布。全省多年平均氣溫為13.7～16.3 ℃，自南向北降低。

1.2 數(shù)據(jù)

中分辨率成像光譜儀MODIS（MODerate-resolution Imaging Spectroradiometer，MODIS）傳感器是搭載在地球觀測(cè)系統(tǒng)（Earth Observing System，EOS）的Terra和Aqua這2顆衛(wèi)星上，共有36個(gè)波段，最高空間分辨率為250 m。 MODIS數(shù)據(jù)具有較高的時(shí)空分辨率及光譜分辨率，廣泛用于農(nóng)業(yè)遙感研究。本研究使用的數(shù)據(jù)是MOD13A2和MOD11A2，數(shù)據(jù)時(shí)間范圍是2001—2018年，數(shù)據(jù)來源于美國NASA官網(wǎng)（https：//search.earthdata.nasa.gov）。

MOD13A2數(shù)據(jù)是16 d最大值合成的植被指數(shù)產(chǎn)品，空間分辨率是1 km，每個(gè)分塊每年23個(gè)數(shù)據(jù);MOD11A2數(shù)據(jù)是8 d合成的陸地表面溫度（land surface temperature，LST）產(chǎn)品，空間分辨率是1 km，每個(gè)分塊每年46個(gè)數(shù)據(jù)。

2 研究方法

本研究利用2001—2018年的MODIS 3級(jí)數(shù)據(jù)集提取出所需的MODIS產(chǎn)品，并進(jìn)一步計(jì)算植被健康指數(shù)，然后通過閾值法識(shí)別干旱特征，最后對(duì)干旱特征進(jìn)行統(tǒng)計(jì)分析。圖1為本研究技術(shù)流程圖。

2.1 植被健康指數(shù)

植被健康指數(shù)由NDVI和LST數(shù)據(jù)計(jì)算而來。MOD11A2與MOD13A2的數(shù)據(jù)時(shí)間尺度不同，因此先對(duì)MOD11A2中的LST產(chǎn)品按照MOD13A2數(shù)據(jù)的時(shí)間步長(zhǎng)取平均值，使數(shù)據(jù)時(shí)間步長(zhǎng)都為16 d;隨后對(duì)NDVI時(shí)間序列和LST時(shí)間序列濾波平滑去噪聲處理，以去除云、太陽輻射、傳感器角度等影響;采用時(shí)間序列諧波分析法（harmonic analysis of time series，HANTS）處理時(shí)間序列中的噪聲。其核心算法是傅里葉變換和最小二乘法擬合，即把時(shí)間波譜數(shù)據(jù)分解成許多不同頻率的正弦曲線和余弦曲線，從中選取若干個(gè)能夠反映時(shí)間序列特征的曲線進(jìn)行疊加，以達(dá)到時(shí)間序列數(shù)據(jù)重建的目的[17]。HANTS的核心是采用二維Fourier變換的方法，對(duì)整個(gè)生長(zhǎng)周期內(nèi)的NDVI曲線變化進(jìn)行擬合，公式為

3 結(jié)果與分析

3.1 植被健康指數(shù)

利用式（3）、式（4）、式（5）計(jì)算江蘇省2001—2018年的VHI，并計(jì)算全序列和分季節(jié)的VHI平均值，結(jié)果如圖2、圖3所示。江蘇省2001—2018年間全省平均VHI為48.63，峰值區(qū)間為45～60，占全省的87.48%，總體處于正常狀態(tài)（VHI=50）;夏季VHI最低，峰值區(qū)間為30～45，占全省面積的6973%;總體處于偏低狀態(tài);冬季VHI高于夏季，峰值區(qū)間為45～60，占全省面積的77.64%;春季、秋季VHI低于冬季，峰值區(qū)間都是45～60，分別占全省面積的71.89%和68.35%。因此，VHI有較明顯的季節(jié)變化，夏季明顯偏低，春秋兩季略微偏高，冬季偏高。

為了解全序列及不同季節(jié)的VHI年際變化特征，分別計(jì)算出VHI的年際變化和不同季節(jié)的年際變化，具體如圖4和5所示。從圖4可以看出，2001—2018年間，絕大多數(shù)年份VHI平均值在50左右，2002年、2004年以及2016—2018年VHI較低。從整體變化趨勢(shì)來看，這18年間VHI呈輕微下降趨勢(shì)。從圖5可以看出，春季和秋季的VHI在50左右，和圖3的結(jié)果相一致;夏季VHI值在40左右，且有明顯的下降趨勢(shì);冬季VHI也在40左右，呈現(xiàn)下降趨勢(shì)。除秋季VHI呈上升趨勢(shì)外，其他3個(gè)季節(jié)均呈下降趨勢(shì)。

3.2 江蘇省農(nóng)業(yè)干旱空間特征

江蘇省農(nóng)業(yè)干旱空間特征基于“2.2”節(jié)的干旱頻率進(jìn)行分析， 使用“2.2”節(jié)的方法分別計(jì)算春季、夏季、秋季、冬季和全序列的干旱頻率，并統(tǒng)計(jì)不同干旱頻率區(qū)間所占面積的百分比，結(jié)果如圖6、圖7、圖8所示。

由圖6和圖7可知，2001—2018年全序列干旱頻率主要集中在15%～45%之間，共計(jì)占95.62%，其中15%～30%占38.71%，30%～45%占5691%。全省干旱頻率分布較為均勻，江蘇南部地區(qū)比北部地區(qū)干旱發(fā)生頻率略高。

由圖6和圖8可知，夏季干旱發(fā)生頻率最高，主要分布在30%～75%區(qū)間，占全省面積的85.58%;冬季次之，主要分布在15%～60%區(qū)間，占全省面積的85.57%;秋季和春季頻率較低，主要分布在0～45%區(qū)間，分別占全省面積的92.53%和97.43%。

春季干旱頻率面積比例達(dá)到峰值的干旱頻率區(qū)間是15%～30%，全省范圍內(nèi)干旱頻率分布較為均勻。江蘇南部的鎮(zhèn)江市、常州市、無錫市、蘇州市比江蘇北部的徐州市、宿遷市、連云港市干旱頻率要高。夏季隨著副熱帶高壓的增強(qiáng)，江蘇容易發(fā)生持續(xù)性晴熱高溫天氣，植被蒸騰速率增大，容易發(fā)生干旱。夏季是四季中干旱頻率最高的季節(jié)，干旱頻率自南向北遞減，從圖6還可以看出，夏季干旱頻率峰值為45%～60%，占全省面積的34.37%，并且干旱頻率區(qū)間為60%～75%的面積占比為3164%，頻率在45%～75%區(qū)間的占全省面積的65%以上，此外干旱頻率區(qū)間在75%以上的主要發(fā)生在江蘇中部以南地區(qū)，可見江蘇南部地區(qū)夏季干旱高發(fā)。秋季干旱頻率較夏季明顯減小， 干旱峰值頻率區(qū)間是15%～30%，占全省面積的53.97%，干旱頻率在45%以上的主要分布在城市及周邊區(qū)域，秋季溫度降低使作物蒸騰速率降低，大部分農(nóng)作物進(jìn)入收獲期，作物需水量減少，因此農(nóng)業(yè)干旱發(fā)生的頻率有所下降。冬季農(nóng)業(yè)干旱的峰值區(qū)間是15%～30%，占全省面積的55.33%，干旱程度較秋季稍有增加，全省干旱頻率分布相對(duì)均勻，東北部沿海地區(qū)和中部高郵湖附近干旱頻率較高，其他地區(qū)在45%以下。

綜上所述，江蘇省農(nóng)業(yè)干旱頻率在夏季最高，春季最低，空間分布上總體呈南部高、北部低，總體農(nóng)業(yè)干旱發(fā)生頻率為15%～45%。

3.3 江蘇省農(nóng)業(yè)干旱時(shí)間特征

利用式（9）分別計(jì)算2001—2018年江蘇省年、季節(jié)農(nóng)業(yè)干旱面積占比，得到圖9和10。

從圖9可以看出，江蘇省18年間干旱面積均在45%以下，2002年、2004年、2016年、2017年、2018年是干旱最為嚴(yán)重的5年，這5年干旱面積占比均在40%以上。從年際變化來看，江蘇省干旱面積占比總體呈現(xiàn)先減小后增加的趨勢(shì)，2004年達(dá)最大值44.41%，2008年最小（24.79%）。從2001—2018年的線性變化趨勢(shì)看，這18年間干旱面積占比呈輕微上升趨勢(shì)。

從圖10可以看出，2011年、2017年和2018年春季的干旱面積占比在40%以上，為近18年來干旱面積占比最大的3年，從年際變化看出，干旱面積總體呈先減小后增加的趨勢(shì)，從整體線性變化趨勢(shì)來看，干旱面積占比呈現(xiàn)上升趨勢(shì);夏季干旱面積是四季中最大的，18年間僅有4年干旱面積占比低于50%，且從整體線性變化趨勢(shì)來看干旱面積占比有較明顯的上升趨勢(shì);秋季干旱面積占比呈現(xiàn)先減小后增加再減小的趨勢(shì)，且有非常明顯的下降趨勢(shì)，2001—2006年間除2003年外干旱面積占比都大于35%，而2011—2015年均小于20%;冬季干旱面積占比較秋季有所增加，從年際變化來看呈現(xiàn)波浪形變化，2002年、2010年和2016年為峰值年，干旱面積占比大于35%，2001年、2005年和2012年為谷值年，干旱面積占比小于15%。從整體線性變化趨勢(shì)來看，干旱面積占比有較明顯的上升趨勢(shì)。表1是江蘇省不同季節(jié)干旱面積占比平均值。從表1中看出，夏季干旱面積占比最大，達(dá)60.69%，其他3個(gè)季節(jié)占比相似，均在30%以下。因此江蘇省夏季農(nóng)業(yè)干旱范圍較大，春秋兩季干旱范圍較小。

綜上所述，夏季最容易發(fā)生干旱，干旱頻率高且干旱面積大，春季和秋季干旱低發(fā)，冬季干旱頻率和面積占比大于春季和秋季，但明顯小于夏季。

4 結(jié)論與討論

4.1 結(jié)論

本研究首先計(jì)算江蘇省2001—2018年植被健康指數(shù)，然后根據(jù)Kogan等提出的干旱閾值[15]對(duì)江蘇省農(nóng)業(yè)干旱進(jìn)行識(shí)別，最后使用干旱頻率和干旱面積占比對(duì)農(nóng)業(yè)干旱識(shí)別結(jié)果進(jìn)行分析，主要結(jié)論如下：

4.2 討論

本研究基于植被健康指數(shù)監(jiān)測(cè)和分析了江蘇省農(nóng)業(yè)干旱狀況，但是植被健康指數(shù)只是植被生長(zhǎng)狀態(tài)和溫度的函數(shù)，植被生長(zhǎng)狀態(tài)不僅受到干旱影響，灌溉、病蟲害、冷害、凍害等因素也會(huì)影響其生長(zhǎng)狀態(tài)。VHI計(jì)算過程中VCI與TCI的權(quán)重系數(shù)是根據(jù)Kogan等假設(shè)的取值，實(shí)際權(quán)重系數(shù)還有進(jìn)一步研究空間。VHI農(nóng)業(yè)干旱監(jiān)測(cè)閾值直接采用Kogan等提出的閾值，而此閾值是Kogan等根據(jù)全球范圍內(nèi)，依據(jù)AVHRR傳感器提出的，對(duì)于MODIS數(shù)據(jù)在江蘇省內(nèi)的適用性也有進(jìn)一步研究的空間。

本研究將江蘇省內(nèi)所有植被統(tǒng)一為1種對(duì)象，不同植被的干旱情況可能會(huì)有不同特征，后續(xù)可將江蘇省內(nèi)大宗作物分開研究，以便更精確地監(jiān)測(cè)和分析其農(nóng)業(yè)干旱狀況。

參考文獻(xiàn)：

[1]IPCC. Climate change 2013：the physical science basis[M]. Cambridge：Cambridge University Press，2013.

[2]張 雷，王 杰，黃 英，等. 1961—2010年云南省基于SPEI的干旱變化特征分析[J]. 氣象與環(huán)境學(xué)報(bào)，2015，31（5）：141-146.

[3]許玲燕，王慧敏，段琪彩，等. 基于SPEI的云南省夏玉米生長(zhǎng)季干旱時(shí)空特征分析[J]. 資源科學(xué)，2013，35（5）：1024-1034.

[4]張景揚(yáng)，盧 遠(yuǎn)，李嘉力，等. 基于SPEI的廣西干旱時(shí)空變化特征分析[J]. 云南地理環(huán)境研究，2015，27（6）：15-24.

[5]高 蓓，姜 彤，蘇布達(dá)，等. 基于SPEI的1961—2012年東北地區(qū)干旱演變特征分析[J]. 中國農(nóng)業(yè)氣象，2014，35（6）：656-662.

[6]李強(qiáng)子，閆娜娜，張飛飛，等. 2010年春季西南地區(qū)干旱遙感監(jiān)測(cè)及其影響評(píng)估[J]. 地理學(xué)報(bào)，2010，65（7）：771-780.

[7]柳欽火，辛景峰，辛?xí)灾蓿? 基于地表溫度和植被指數(shù)的農(nóng)業(yè)干旱遙感監(jiān)測(cè)方法[J]. 科技導(dǎo)報(bào)，2007，25（6）：12-18.

[8]孫 麗，王 飛，吳 全. 干旱遙感監(jiān)測(cè)模型在中國冬小麥區(qū)的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26（1）：243-249，389.

[9]馮蜀青，殷青軍，肖建設(shè)，等. 基于溫度植被旱情指數(shù)的青海高寒區(qū)干旱遙感動(dòng)態(tài)監(jiān)測(cè)研究[J]. 干旱地區(qū)農(nóng)業(yè)研究，2006，24（5）：141-145.

[10]Kogan F，Sullivan J. Development of global drought-watch system using NOAA/AVHRR data[J]. Advances in Space Research，1993，13（5）：219-222.

[11]Kuri F，Murwira A，Murwira K S，et al. Predicting maize yield in Zimbabwe using dry dekads derived from remotely sensed Vegetation Condition Index[J]. International Journal of Applied Earth Observation and Geoinformation，2014，33（1）：39-46.

[12]Gebrehiwot T，Veen A D，Maathuis B. Spatial and temporal assessment of drought in the Northern highlands of Ethiopia[J]. International Journal of Applied Earth Observations & Geoinformation，2011，13（3）：309-321.

[13]Bajgiran P R，Darvishsefat A A，Khalili A，et al. Using AVHRR-based vegetation indices for drought monitoring in the Northwest of Iran[J]. Journal of Arid Environments，2008，72（6）：1086-1096.

[14]呂瀟然，尹曉天，宮阿都，等. 基于植被狀態(tài)指數(shù)的云南省農(nóng)業(yè)干旱狀況時(shí)空分析[J]. 地球信息科學(xué)學(xué)報(bào)，2016，18（12）：1634-1644.

[15]Kogan，F(xiàn)elix N. Operational space technology for global vegetation assessment[J]. Bulletin of the American Meteorological Society，2001，82（9）：1949-1964.

[16]江蘇省氣象局. 江蘇省天氣預(yù)報(bào)技術(shù)手冊(cè)[M]. 北京：氣象出版社，2017.

[17]侯光雷，張洪巖，王野喬，等. 基于時(shí)間序列諧波分析的東北地區(qū)耕地資源提取[J]. 自然資源學(xué)報(bào)，2010，25（9）：1607-1617. 吳志祥，張安明，郭歡歡. 基于精明增長(zhǎng)理論和夜間燈光數(shù)據(jù)的城市增長(zhǎng)研究——以重慶市主城區(qū)為例[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（6）：232-239.