农业干旱监测指标研究进展

韩宇平，张功瑾，王富强

(华北水利水电学院，河南郑州450045)

农业干旱是我国农业生产的主要制约因素，构建合理的农业干旱指标体系，科学地监测、评价、预测预报农业干旱状况，对农业区划、资源开发、农业规划和粮食生产等具有重要意义.农业干旱受多种自然因素(气象条件、水文条件、下垫面状况等)和人为因素(农作物布局、耕作制度、人文经济条件等)的共同影响［1］，其监测指标也与自然因素和社会因素有关.农业干旱监测指标可分为传统干旱监测指标和遥感干旱监测指标.传统干旱监测指标包括降水量指标、土壤湿度指标、土壤含水量指标、作物湿度指标等［2］;遥感干旱监测指标分成2类:一类是基于裸露地表的干旱遥感监测指标，另一类是基于有植被覆盖地表的干旱遥感监测指标［3］.

1 传统农业干旱监测指标

1.1 基于降水量的监测指标

降水作为农作物水分最主要的来源，其大小以及时空分布是影响农业干旱的最主要因素.干旱及半干旱地区的降水直接影响甚至支配着农作物产量的高低和稳定性.在不具备灌溉条件且地下水位相对比较低的干旱农作物种植区，仅降水量这一指标就基本能够反映出农业干旱的程度，如降水量距平百分率、连续无雨日数等［2］.McKee T 等［4］在分析降水不足对土壤水、径流等方面影响差异的基础上，建立了标准化降水指数(Standardized Precipitation Index，SPI)，通过概率密度函数求解累积概率，再将累积概率标准化，具有计算稳定的特性，消除了降水的时空分布差异［5］，比简单的百分比法和距平法更能反映不同时间尺度内降水与水资源状态之间的关系［6］.Nalbantis I等［7］在SPI的基础上结合十分位数方法提出了综合干旱指标(Reconnaissance Drought Index，RDI)，并在希腊两河流域进行了试验性研究，结果表明RDI对不断变化的环境更为敏感.

1.2 基于土壤水分的监测指标

土壤水分的亏缺情况是决定农业干旱程度的关键.根据农田水量平衡原理，容易建立基于土壤、大气、植物三者的土壤水分监测模型.基于土壤水分的监测指标是应用广泛且成熟的一类农业干旱监测指标［8－9］.常采用的单一土壤水分指标有土壤湿度(土壤含水量占田间持水量的比值)、土壤有效水分存储(土壤某一厚度层中存储的能被植物根系吸收的水分)、土壤水分亏缺量(实际蒸散量与可能蒸散量之差)等.Palme W C［10］基于在持续数月或数年的时间尺度上监测地区的实际水分供给量明显少于适宜气候的水分供给期望值的现象，推求出水分亏缺持续时间和亏缺量的函数关系，建立了监测土壤水分供给亏缺的帕默尔干旱指数(Palmer Drought Severity Index，PDSI)，并分析了美国东北部地区的干旱时空分布特征.1983年，Henry F等［11］基于帕默尔旱度模式计算了美国地区1895—1981年逐月旱度值，并分析了包括美国邻近地区在内的不同时间尺度的干旱分布特征等.在国内，安顺清等［12－13］根据济南和郑州逐年逐月气温和降水等数据，对帕默尔旱度模式进行了修正，并建立了我国的气象旱度模式.2007年，姚玉璧等［14］根据全国515个气象站的资料，结合修正帕默尔干旱指数，分析了全国春季区域干旱演变特征.研究表明中国干旱变化全区一致性程度低，干旱演变的区域差别大，春季干旱指数年际变化周期分布不均匀，干旱的区域特征差别显著.2009年，叶建刚等［15］结合农业干旱发生时空特征，在土壤水分计算中引入了作物系数和胁迫系数，加以修正农业干旱持续时间，建立了用于农业干旱监测的逐旬帕默尔干旱指数，提高了对短期干湿变化的敏感度，对监测农业干旱具有实际意义.在国内外，帕默尔干旱指数在干旱监测、干旱时空分布特征分析、旱情评估方面应用广泛.

1.3 基于作物需水量的监测指标

作物需水量是指在作物正常生育、土壤水分充足下，消耗于棵间土壤蒸发和作物蒸腾的总水量［16］.其原理是根据作物生理特征的变化，运用最优分割理论建立反映干旱程度的作物旱情指标，可以直接灵敏地反映作物水分供应亏缺状况［17］.

在农业干旱监测中常采用的单一作物需水量指标有:作物需水量与降水量之比、作物供水量与需水量之比、农作物亏盈水量指标等.目前在国际上应用最广泛的基于作物需水量测定干旱状态的指标是作物湿度指标(Crop Moisture Index，CMI).1968 年由Palmer W C在PDSI的基础上设计出作物湿度指标(CMI)［18］，因其考虑的因子全面，故被国际上广泛地应用于农业干旱的监测评估.在国内，迄今在基于作物需水量的农业干旱监测中CMI指数依然得到了普遍的沿用和改进.

2 遥感干旱监测指标

2.1 基于裸露地表的干旱遥感监测指标

2.1.1 热惯量

热惯量是体现物质在温度变化热反应状态过程中与周围环境能量交换能力的一种量度.Watson K等［19］最早应用了土壤热惯量模型，该模式表达为

式中:ATI为土壤表观热惯量;T日和T夜分别为白天的最高温度、夜晚的最低温度;A为全波段反照率;Q(1－A)为被地面吸收的太阳净辐射能.其原理是基于土壤的热特性反演土壤水分状况，进而获取土壤单元的温度信息.热惯量法适用于裸土或植被覆盖率低的下垫面的干旱监测.对于植被覆盖率高的下垫面，植被会改变土壤的热传导，获取的温度信息精度会受影响［4］.

2.1.2 基于微波遥感的土壤水分指标

微波遥感法利用目标物的介电特性对土壤湿度进行监测［20］.Moereman B 等［21］利用卫星雷达对两个不同空间尺度的区域进行了土壤含水量的监测和在裸土或植被覆盖率较低地区的后向散射系数与土壤含水量的相关性分析.Bindlish R［22］在积分模型基础上提高了实测土壤水分与遥感获取数据的相关系数.

运用微波遥感法监测农业干旱，解决了传统监测方法监测时间长、监测人员多、受天气状况影响、监测点少等问题，具备全天时、全天候并有一定穿透能力的优势，因此运用微波遥感进行土壤湿度监测逐渐成为土壤湿度监测的热门方法之一［23］.目前在裸土条件下利用微波遥感法监测土壤含水量已达到较高精度，但依然存在受覆盖植被影响等问题，因此对于植被覆盖率比较高的地区的干旱监测应做进一步研究或者使用其他遥感方法监测.

2.2 基于植被覆盖地表的干旱遥感监测指标

2.2.1 作物缺水指数

在水分能量平衡原理基础上，Jackson R D等［24］在综合考虑土壤水分和农田蒸散的关系上建立了作物缺水指数，

式中:CWSI为作物缺水指数;ET为实际蒸散;ETp为潜在蒸散.

作物缺水指数相对于作物需水量与降水量之比、作物供水量与需水量之比、农作物亏盈水量指标等单一作物需水量指标，物理意义更明确，综合性更强，精度更高，可靠性更强.但遥感反演地表参数的精度目前还很难达到模型定量化计算的要求，涉及到的参数较多，计算量比较大，在一定程度上阻碍了该模型的推广应用.

2.2.2 水分亏缺指数

水分亏缺指数综合考虑了作物缺水指数中多数理论参数与植被覆盖度的近线性关系，结合地表和空气之间的温差与植被指数得到的区域干旱监测指标［25］.其中地表温度是在假设植被冠层与土壤之间不存在热交换前提下，通过作物冠层温度和土壤表面温度线性加权得到.在一定植被覆盖度下，

式中:WDI为水分亏缺指数;ΔT为在一定植被覆盖度下地表与空气之间的温度差;ΔTBD为湿边上的地表与空气的温度差;ΔTAC为干边上的地表与空气的温度差.

2.2.3 植被状态指数

1990年，Kogan首次提出了植被状态指数［3］.植被状态指数是在距平植被指数、标准植被指数的基础上改进而来.植被状态指数克服了距平植被指数、标准植被指数等需要大量连续的遥感资料、与干旱之间缺乏定量关系、只适用于大尺度大范围的干旱定性监测等缺点，可以很好地对干旱及降水的时空分布动态进行有效监测，在我国基于遥感技术监测农业干旱中得到了广泛的试验性研究.

2.2.4 植被供水指数

植被供水指数是综合地表温度监测指标和植被指数监测指标的一种用于农业干旱监测的综合指数.其定义如下

式中:VSWI为植被供水指数;NDVI为植被指数;Ts为植被冠层温度(以地表温度近似为植被的冠层温度).

植被供水指数的原理是当植物供水不足导致作物缺水死亡时，归一化植被指数会急剧下降而叶表面温度迅速升高.因其利用的是作物缺水时在不同反射波段上的反应，所以在植被覆盖率比较高的地域上尤其是在作物生长期更为适用［26］，且操作简单，资料容易获取;由于受土壤物理特性、植被生理特性(如土壤含水量的滞后效应、植被气孔的闭合、植被种类等)、光照强度等因素的影响，不适合用于大尺度或大范围的干旱监测［27－28］.

2.2.5 条件植被温度指数

条件植被温度指数既考虑了区域内植被指数的变化，又强调了植被指数相同时地表温度的变化，是一种农业干旱监测综合指标.其定义为

式中:VTCI为条件植被温度指数;LSTmax(NDVI)，LSTmin(NDVI)分别为在某一植被指数(NDVI)时，研究区域内地表温度的最大值和最小值;a1，b1，a2，b2均为待定系数，可以通过绘制研究区域的NDVI和LST的散点图近似获得.

条件植被温度指数法解决了在干旱发生时时空变异参数的稳定性问题，尤其适用于区域级的干旱监测.在我国许多省份如河南、山西、内蒙古的农业干旱监测中得到了广泛应用.

2.2.6 温度植被指数

Sandholt T I等［29］提出了只考虑地表温度或植被指数进行干旱监测造成水分胁迫反映不够敏感的问题，研究发现在干旱监测中结合使用地表温度与植被指数既可消除土壤的影响，又可消除植被指数只有在水分胁迫严重受阻不利于作物生长时才会变化的滞后性，并基于此提出了温度植被干旱指数.其定义为

式中:TVDI为温度植被指数;Ts为任意像元的地表温度;Tsmin，Tsmax分别为地表的最低温度和最高温度，可通过线性回归分析提取湿边和干边获取;a1，a2，b1，b2均为待定系数.

由于在特征空间干湿边的确定方面缺乏对降水量、蒸散作用等对监测结果影响的判别标准，会影响到线性拟合干湿边的精度.温度植被指数法有效地克服了土壤背景的影响，在不完全覆盖地区可以取得较好的效果.在我国的干旱监测中得到了广泛的应用.

3 两类农业干旱监测指标的比较

农业干旱指标是农业干旱监测、预报及风险评估的基础.随着农业干旱监测、预测宏观范围的扩大以及结合干旱监测情况的其他领域的综合评价工作的不断发展，应用传统研究方法依然是最简单实用的方法;而遥感方法在研究干旱监测和评价方面更为定量化，并且对于动态监测干旱方面很适用，运用遥感技术监测农业干旱也逐渐从理论研究开始向实用研究转变.

1)传统农业干旱监测指标研究中，降雨量指标具有快捷、简单、实用的优势，目前依然广泛应用于对干旱的宏观监测.土壤含水量指标对于干旱监测更为直观，资料容易获取，作为建立土壤－大气－植物水分交换模型最基础的一环，已广泛应用于农业干旱监测中.作物生理指标具有可以灵敏反应作物水分供应状况的优点，但由于作物在不同的生育期对水分亏缺反应差异较大，难以模拟作物不同生育期的水分含量，存在指标测定困难、代表性差等问题，依然处于研究和试验阶段.

2)对遥感农业干旱监测指标也展开了大规模多领域的研究.发生干旱的机理涉及作物生理、水文气象、水资源配置以及社会人文经济等方面的影响因素，所以在研究干旱监测时也应考虑适合条件的指标或综合指标.在实际应用中，对于不同的下垫面条件选用不同的旱情指标来监测.对于裸土的下垫面选用热惯量法和微波遥感法比较合适;对于有植被覆盖的下垫面，要根据植被覆盖程度来选择干旱监测方法，一般选用温度植被指数法、供水植被指数法、作物缺水指数法等.

4 结语

在对现有农业干旱监测指标研究的基础上，未来在干旱监测指标的选取和应用中应加强以下几个方面的研究.

1)目前已有许多干旱指标，但大多只考虑一类或几类因素的影响.由于干旱自身的复杂特性，因而这些干旱指标并不能完全揭示干旱的形成机理，基于干旱指数的干旱识别也达不到定量化和客观化.选择干旱指标时要同时考虑指标要素的可收集度、可计算性、适时性以及便于使用和推广等，选取适合于实际条件的干旱监测指标.

2)对于干旱监测指标状况所应用的模型的计算量与其监测时期的时域尺度有关，要结合实际条件选择合适的时域尺度.

3)在面向全国范围业务化服务的旱情预警系统的环境下，数据获得的范围和方便程度以及对数据与指标之间的时间序列分析将是决定系统运行的关键，应加强土壤水分的微波遥感反演技术的方法方面的研究并向实用化过渡.

4)部分植被覆盖或全植被覆盖地表下的干旱监测，需要过多的诸如叶面积指数、气象水文因素等非遥感参数;对于部分植物覆盖的下垫面定义不明确，限制了对作物全生育期的监测，有很大的局限性.未来农业干旱监测应建立广义的、适合于作物各时期的监测模型以及在此基础上对双层模型做进一步简化.

［1］王密侠，马成军，蔡焕杰.农业干旱指标研究与进展［J］.干旱地区农业研究，1998，16(3):119 －124.

［2］丘宝剑，卢其尧.农业气候条件及其指标［M］.北京:测绘出版社，1990.

［3］张学艺，张晓煜，李剑萍，等.我国干旱遥感监测技术方法研究进展［J］.气象科技，2007，35(4):574 －578.

［4］ McKee T，Doesken N，Kleist J.The relationship of drought frequency and duration to time scales［C］//Proceedings of the Eighth Conference on Applied Climatology.Boston:A-merican Meteorological Society，1993.

［5］袁文平，周广胜.标准化降水指标与Z指数在我国应用的对比分析［J］.植物生态学报，2004(4):523－529.

［6］王英，迟道才.干旱指标研究与进展［J］.科技创新导报，2009(35):72－74.

［7］ Nalbantis I，Tsakiris G.Assessment of hydrological drought revisited［J］.Water Resources Management，2009，23(5):881－897.

［8］李保国.区域土壤水贮量及旱情预报［J］.水科学进展，1991，2(4):264 －270.

［9］陈万金，信乃诠.中国北方旱地农业综合发展与对策［M］.北京:中国农业科技出版社，1994.

［10］ Palmer W C.Meteorological drought［R］.Washington D C:US Department of Commerce Weather Bureau，1965.

［11］ Henry F，Diaz.Some aspect of major dry and wet periods in the contiguous United States(1895—1981)［J］.Journal of Climate and Applied Meteorology，1983，22(1):3 －16.

［12］安顺清，邢久星.修正的帕默尔干旱指数及其应用［J］.气象，1985，11(12):17 －19.

［13］安顺清，邢久星.帕默尔旱度模式的修正［J］.气象科学研究院院刊，1986，1(1):75 －81.

［14］姚玉璧，董安祥，王毅荣，等.基于帕默尔干旱指数的中国春季区域干旱特征比较研究［J］.干旱区地理，2007(1):22－29.

［15］叶建刚，申双和，吕厚荃.修正帕默尔干旱指数在农业干旱监测中的应用［J］.中国农业气象，2009(2):257－261.

［16］袁文平，周广胜.干旱指标的理论分析与研究展望［J］.地球科学进展，2004，19(6):982 －991.

［17］ Duff G A，Myers B A，Williams R J，et al.Seasonal patterns in soil moisture，vapour pressure deficit，tree canopy cover and predawn water potential in a northern Australian savanna［J］.Australian Journal of Botany，1997，45(2):211－224.

［18］ Palmer W C.Keeping track of crop moisture conditions，nationwide:the new crop moisture index［J］.Weatherwise，1968，4(21):156 －161.

［19］ Watson K，Rownen L C，Officeld T W.Application of ther-mal modeling in the geologic interpretation of IR images［J］.Remote Sensing of Environment，1971(3):2017－2041.

［20］姜淼，李国春.微波遥感土壤湿度研究进展［J］.农业网络信息，2006(4):21－23.

［21］ Moeremans B，Dautrebande S.Soil moisture evaluation by means of multi-temporal ERSSAR PRI images and interferometric coherence［J］.Journal of Hydrology，2000，234:162－169.

［22］ Bindlish R.Parameterization of vegetation backscatter in radar-based，soil moisture estimation［J］.Remote Sensing of Environment，2001，76(1):130 －137.

［23］袁文平，周广胜.干旱指标的理论分析与研究展望［J］.地球科学进展，2004，19(6):982 －991.

［24］ Jackson R D，William P K，Bhaskar J C.A reexamination of the crop water stress index［J］.Irrigation Science，1988，4(9):309 －317.

［25］齐述华，张源沛，牛铮，等.水分亏缺指数在全国干旱遥感监测中的应用研究［J］.土壤学报，2005(3):367－372.

［26］ Moron M S，Clarke T R，Inoue Y，et al.Estimating crop water deficit using the relation between surface air temperature and spectral vegetation index［J］.Remote Sensing of Environment，1994，49:246 －263.

［27］郭虎，王瑛，王芳.旱灾灾情监测中的遥感应用综述［J］.遥感技术与应用，2008，23(1):111 －116.

［28］肖斌，沙晋明.基于MODIS数据的水热指数及其DEM订正［J］.遥感信息，2007(5):35－38.

［29］ Sandhol T I，Rasmussen K，Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status［J］.Remote Sensing of Environment，2002，79(2 －3):213 －224.