云贵高原区干旱遥感监测中各干旱指数的应用对比

王 文，黄 瑾，崔 巍



云贵高原区干旱遥感监测中各干旱指数的应用对比

王 文，黄 瑾，崔 巍

（河海大学水文水资源与水利工程科学国家重点实验室，南京 210098）

为从年和月尺度上监测云贵地区2000—2014年的干湿变化情况以及蒸散发在干旱中的作用，该文利用MODIS MOD16遥感观测和GLDAS数据模拟逐月实际蒸散发（ETa）与潜在蒸散发（ETp）数据，结合气象站观测降水数据计算3种干旱指数（标准化降水指数SPI,侦测干旱指数RDIst及蒸散发胁迫指数ESI），通过Mann-Kendall趋势检验方法分析了云贵地区近15 a的干湿变化特征，并以2009—2010年西南干旱为例来分析干旱期间蒸散发的作用。结果表明：1）2000—2014年云南中部存在明显的干旱化现象；2）云贵地区2009—2010年干旱期间，ETa和ETp在干旱发展前期的作用较小，但在干旱的演变过程中，逐渐对干旱有加剧作用，其中ETa比ETp对干旱的影响时间更长；3）干旱指数SPI和RDIst受控于降水量的变化，一致反映云贵地区2009—2010年严重干旱的准确发生时间为2009-09—2010-02，而基于ETa和ETp的干旱指数ESI则显示云贵地区干旱发生在2009-11—2010-06，更符合实际干旱演变情况，说明同时考虑ETa和ETp的干旱指数比考虑单一蒸散发因素的干旱指数在监测干旱方面更有效。该研究为提高气象干旱监测可靠性提供了参考。

蒸散；干旱；遥感；监测；实际蒸散发；潜在蒸散发；干旱指数

0 引 言

在全球气候变化的背景下，中国西南地区的干旱问题受到广泛关注，众多研究表明云贵地区的干旱事件有所增加。例如Liu等[1]利用多种与降水相关的指标（降雨天数和连续干旱天数等）来监测西南地区1951—2012年的气候情况，指出降水的减小和极端天气事件的加强，使得云南和贵州一些地区极可能遭受严重的干旱灾害；苏秀程等[2]通过计算逐月潜在蒸散和干湿指数认为1961—2011年西南地区的气候存在“暖干化”的变化趋势，在进入21世纪后有加剧的迹象；刘瑜等[3]的研究中发现，近46 a来云南的年均降水量区域减小，其中以夏季降水量变化最明显；王东等[4]根据标准化降水蒸散发指数（standardized precipitation evapotranspiration index, SPEI）发现云贵高原中部干旱化区域面积较大，秋季干旱化趋势明显；姚玉壁等[5]的研究则表明1958—2012年来西南大部分地区干旱等级升高，存在干旱强度增加的趋势，云贵高原中部易出现异常干旱；Wang等[6]利用标准化降水指数（standardised precipitation index，SPI）与SPEI分析中国1961—2012年期间的干旱变化趋势时发现，云贵高原在春季到秋季都有明显干旱加重的趋势。

对于西南地区近年干旱事件的成因，一些研究认为是降水的亏缺所造成的。如Lu等[7]认为2009年夏季至2010年春季的西南干旱，主要是由于对流层湿度的下降、气温的升高而难以形成降雨所引起的。张顾炜等[8]则认为气温的升高、降水的减少是造成西南地区秋季干旱的原因之一；黄荣辉等[9]从气候的角度指出云贵高原上方大气环流的异常以及绕高原路径的冷空气偏弱造成了云贵地区2009—2010年的严重干旱。

虽然降水的亏缺是引发干旱的主要原因，但近年来许多研究表明蒸散发在干旱形成发展过程扮演着重要的角色，Seneviratne等[10]分析了瑞士Prealpine Rietholzbach流域32 a的实测数据，指出实际蒸散发（ETa）是2003年干旱早期的最主要驱动因子，但这种驱动作用会随干旱的加剧逐渐减弱；Tang等[11]指出ETa在干旱期间有所下降，当干旱结束后才恢复到正常水平；Teuling等[12]发现较高的温度增加了ETa，使其快速地消耗水库、坑塘洼地、土壤和植被体内的水资源，这将加速干旱的形成和传播。蒸散发除了对干旱有驱动作用外，在干旱的演变过程中还会呈现特定的变化特点，干旱期间降水减少的同时，潜在蒸散发（ETp）上升[13]，两者具有相反但不同期的变化趋势；Teuling等[12]针对欧洲干旱的研究中指出，ETa实质是对大气变化的响应，而不是对土壤水变化的响应，因此当湿润地区发生干旱时，其气候条件更利于蒸散发，使得ETp有所上升；关于中国西南地区的干旱成因，除了上述气候变化方面的原因，还有研究表明ETp的异常变化比降水更能对干旱历时和干旱程度产生影 响[14]，并认为云南近几年的干旱与ETp的变化有关[15]，也有不少研究成果利用考虑蒸散发的干旱监测指标，分析了西南地区的干旱变化，包括采用标准化降水蒸散发指数（SPEI）[6,16]、K指数（某时段内降水量相对变率与蒸发量相对变率之比）[17]、蒸散干旱指数（evapotranspiration drought index, EDI）[18]等。但关于ETa与ETp两者的时空变化及两者在干旱发展过程中作用的差异性还没有充分的认识，同时，由于两者表征的意义、数据计算方法不同，使结合了不同蒸散发数据的干旱指数在实际运用上存在差异，而这些干旱指标在实际运用中的可行性与合理性还需进一步分析。

本文针对云南、贵州两省，同时利用卫星遥感观测数据（moderate resolution imaging spectroradiometer，MODIS MOD16）和全球陆面数据同化系统（global land data assimilation system，GLDAS）模拟蒸散发数据，结合地面观测降水数据，通过多种基于蒸散发的干旱指标分析云贵地区2000—2014年间的干湿变化情况，并针对2009—2010年西南严重干旱分析了蒸散发的变化特性，分析了ETa和ETp在干旱监测中的作用。

1 研究区概况及数据来源

1.1 云贵地区地理概况

贵州和云南是世界上典型的喀斯特地貌地区，总面积约57万km2。该地区受到热带和亚热带季风的影响，气候类型多样并具有明显的区域差异。同时降水也呈现出时空分布不均，干湿季分明的特点。

由数字高程（digital elevation model，DEM）数据（图1）可看出整个云贵地区地形高差达到6 000 m。贵州地区的地势主要表现为西高东低，云南地区的地势则呈现出北部高南部低。

图1 云贵高原区高程

1.2 数据来源

1.2.1 MODIS MOD16数据

由美国航空航天局（National Aeronautics and Space Administration，NASA）发布的基于MODIS卫星遥感数据制作的全球陆地蒸散产品MOD16包含了陆面蒸散发数据、潜在蒸散发数据、潜热通量等数据[19]。目前NASA已重新发布MOD16版本6的数据，但因版本6数据在云贵地区缺失较多，故本文使用MOD16版本5数据。该数据是由蒙大拿大学密苏拉分校地球动态数值模拟研究组（Numerical Terradynamic Simulation Group，NTSG）将空间分辨率1 km，时间分辨率8 d的基本数据处理后，累积得到的月和年尺度下0.05°×0.05°、0.5°×0.5°数据(http://files.ntsg.umt.edu/data/NTSG_Products/MOD16/)。本文使用的是2000—2014年0.05°×0.05°的实际蒸散量（记为MOD16_ETa）和潜在蒸散发量（记为MOD16_ETp）月数据。

1.2.2 全球陆面数据同化系统数据

由美国NASA戈达德空间飞行中心（Goddard Space Flight Center，GSFC）、美国海洋和大气局（National Oceanic and Atmospheric Administration，NOAA）国家环境预报中心（National Centers for Environmental Prediction，NCEP）开发的全球陆面同化系统GLDAS最新版本为GLDAS 2.1，该数据集利用NOAA/GDAS大气数据、全球降水气候学计划（Global Precipitation Climatology Project，GPCP）的降水数据以及由美国空军气象局农业气象模拟系统（Agricultural Meteorology model，AGRMET）生成的辐射数据，共同驱动Noah模型得到2000年至今的空间分辨率为1°×1°和0.25°×0.25°的陆面水文气象数据(http://disc. sci.gsfc.nasa.gov/hydrology/ data-holdings)。本文利用空间分辨率为0.25°×0.25°的GLDAS 2.1月尺度实际和潜在蒸散发数据（分别记为GLDAS_ETa、GLDAS_ETp），其中潜在蒸散发数据的单位为W/m2，需利用潜热通量=2.43 MJ/kg将其换算后[20]，根据各月的天数得到逐月潜在蒸散发量（mm）。

关于遥感蒸散发产品的精度，已有一些研究对MOD16和GLDAS的蒸散发产品进行了验证，如：Andam- Akorful等[21]针对非洲的Volta流域，基于水量平衡原理对月尺度的MOD16和GLDAS蒸散发产品进行评估，结果表明MOD16_ETa和GLDAS_NOAH的ETa产品总体上与各类产品校正后计算的平均的参考ETa较一致，但前者的不确定性相对较小；Xue等[22]以黄河和长江上游流域为研究区进行了产品的评估，结果表明在黄河上游地区，GLDAS_ ETa与水量平衡的计算结果一致性最好，而MOD16_ETa约比基于水量平衡的结果偏高了121.5 mm/a；贺添等[23]分别从站点、流域尺度对MOD16_ETa进行精度检验，总体上MOD16产品对于中国森林、农田生态系统类型的模拟精度较高，平均RMSE约为0.81 mm/d，产品与实测数据匹配较好。上述研究表明MOD16和GLDAS蒸散发产品虽存在一定的不确定性，但整体模拟精度较好，可应用于干旱监测。

1.2.3 降水数据

降水数据来自中国气象数据网（http://data.cma.cn/ site/index.html）提供的分辨率0.5°×0.5°的全国月值格点数据，该数据集是基于2 472个地面气象站数据，使用薄盘样条法并结合三维的地理空间信息进行空间插值后 得到。

2 研究方法

2.1 干旱监测指数

目前考虑蒸散发因素的干旱指数有Palmer干旱指数[24]，标准化降水蒸散发指数（SPEI)[25]、侦测干旱指数RDIst[26]（reconnaissance drought index）、蒸散发胁迫指数ESI[27]（evaporative stress index）、K指数[28]、蒸发干旱指数EDI[29]（evaporative drought index）等。其中，前4种在国内外有广泛应用，但是Palmer干旱指数所需输入参数较多；SPEI在西南地区的应用效果已有评估分析[30]，并且其计算涉及到概率分布的拟合，需要有30 a以上的长数据序列，而本文蒸散发数据序列仅15 a。因此本文选用RDIst、ESI这两个考虑蒸散发作用的干旱指数，评估其在西南地区的干旱监测效果，同时分析实际蒸散发与潜在蒸散发在干旱发展的作用。另一方面，SPI是应用最广的气象干旱指数。王理萍等[31]对比了5种干旱指数在云南省不同地区、不同季节的适用性，认为SPI对2009—2010年西南干旱演变过程的描述能力略优于其他4种指数。因此，本文将SPI指数做为一个参照指标，与RDIst、ESI进行对比分析。

上述干旱指数均能从多种时间尺度上进行计算（1、3、6、9、12个月尺度等），其中3个月的时间尺度表示考虑了当月在内的前3个月的水分亏缺状况，而12个月的时间尺度则能够反映干旱的时间累计过程[32]。

2.1.1 SPI指数

McKee等[33]假定某地区降水量序列服从分布，提出一套数学方法将降水量的累积频率分布进行标准化处理，得到标准化降水指数（SPI）。其计算过程如下：

首先计算与函数相关的降水分布概率()：

式中、分别为函数的形状和尺度参数，表示年或季降水量的样本；0=2.515 517，1= 0.802 853，2=0.010 328，1=1.432 788，2=0.189 269，3=0.001 308。

SPI指数具有标准化、无量纲的特点，可以较好地用于比较不同地区、不同时段的降水演变情况。SPI干旱等级标准[32]如表1所示。

表1 SPI干旱等级标准

2.1.2 RDIst指数

Tsakiris等[26]综合考虑了降水与潜在蒸散发两个要素在干旱形成中的作用，在湿润度计算的基础上，提出用侦测干旱指数RDI（reconnaissance drought index）进行干旱评估。其计算过程如下，首先需得到一个初始值0(i)：

式中和PET分别为第年第个月的降水量和潜在蒸散发；为计算序列的年数。之后利用0(i)得到标准化的RDIst。

2.1.3 蒸散发胁迫指数（ESI）

Anderson等[27]将实际蒸散与潜在蒸散之比（PET）进行标准化，将所得结果称为蒸散发胁迫指数（ESI）。其计算过程如下：

2.2 Mann-Kendall趋势检验

Mann-Kendall（MK）检验是一种非参数的时间序列趋势性检验方法[35]，常用于检验温度、降水、蒸散发等时间序列的显著性变化。对于具有明显季节性的时间序列数据，则可采用季节性Kendall检验方法。MK检验或季节性Kendall检验结果的值反映序列与时间的相关性强度，值反映检验结果的实际显著性水平。本文根据趋势检验结果的值和值将检验结果分7类，如表2所示，以判断趋势变化情况。

表2 根据Mann-Kendall趋势检验P值和τ值的趋势类别

3 结果与分析

3.1 标准化降水指数（SPI）的变化

利用2000—2014年逐月降水数据得到云贵地区降水量年均分布情况见图2a。因SPI的计算需要30 a以上系列长度以确定其分布，故选取了1985—2014年逐月降水数据计算得到逐网格的年尺度SPI值序列，并对其中2000—2014年的SPI进行了MK趋势检验，结果见图2b。可以看出，云贵地区的15 a平均降水年均变化范围为487~2 638 mm。对比图1的DEM可知，降水量的空间分布与该地区的地势呈相反特征，即地势总体由西北角最高，向南和东部降低，而降水量的空间分布则总体上西北角最低，向南、东部逐渐增加。

图2 2000—2014年云贵高原区降水量的空间分布及 3种12个月尺度干旱指标的MK趋势检验结果

由图2b以及表2的趋势类别可知，仅云南中部地区SPI呈现出较为显著的下降趋势，面积约12 945 km2。结合图2a可知，降水量发生显著减少的区域也是云贵地区年均降水量偏低的区域。

对2000‒2014年的各月累计降水量计算3个月尺度的SPI值（记为SPI3），并分别进行MK检验（图3），结果表明，云南中部至西部的区域SPI3在5—7月下降明显，且范围比图2b所示更广；1月、9月的SPI3在整个云贵地区略有增加，其余月份的SPI3基本不发生变化，仅有较小区域有轻微变干的态势。进一步对各月的降水量进行趋势检验发现，云南地区的降水量在5月有显著减少，而在其余月份基本不变化。说明在这15 a期间，5月份降水量的显著减少是云南中部显著变干的主要原因。并且，由于5月份降水量显著减少，使得5—7月这3个月的SPI3都呈显著下降。

图3 2000—2014年云贵高原区的3个月尺度SPI指数的MK趋势检验结果

3.2 标准化侦测干旱指数（RDIst）的变化

分别使用逐年MOD16_ETp、GLDAS_ETp与降水量计算得到2套云贵地区年尺度的RDIst，即MOD16_RDIst及GLDAS_RDIst，其MK检验结果如图2c、2d所示。可以看出，基于2种ETp所得的RDIst结果均指示云南中部至北部地区存在明显变干趋势，此区域外围有轻微干旱化现象，贵州地区无显著变化。但是从面积来看，GLDAS_ RDIst所指示的云贵地区严重变干的面积（61 280 km2）大于MOD16_RDIst所指示的面积（26 550 km2），并且这2套RDIst所指示的面积均大于SPI所指示的严重变干面积（12 945 km2）。通过对比2套ETp数据的季节性Kendall趋势检验结果（图4），2种数据均反映云南中部及部分北方区域的ETp具有显著的上升趋势。这说明地区的干旱化趋势不仅是由降水的减小引起，ETp的增加也对干旱化的程度和面积产生显著影响。

图4 2000—2014年云贵高原区蒸散发的季节性Kendall趋势检验结果

进一步对3个月尺度RDIst-3进行MK检验（图5）结果表明：2月的RDIst-3主要在贵州东北部发生明显下降，5—7月RDIst-3在整个云南地区表现为明显的下降趋势，其余月份的RDIst-3基本不发生变化。这个分析结果与SPI3趋势变化基本一致，但对比各月的SPI3与RDIst-3趋势检验结果可以看出，RDIst-3指示的显著减小范围更广，说明ETp在干旱监测中具有重要的指示作用。

图5 2000—2014年云贵高原区的3个月尺度RDIst指数（RDIst-3）的MK趋势检验结果

3.3 蒸散发胁迫指数（ESI）的变化

分别使用MOD16、GLDAS的逐年ETa、ETp数据计算得到云贵地区各年的MOD16_ESI和GLDAS_ESI，其MK趋势检验结果见图2e、2f。可以看出，基于不同蒸散发数据所得的ESI趋势检验结果的空间分布存在较大差异，与SPI、RDIst的分析结果也有明显不同。MOD16_ESI指示的发生显著变化的区域分布较零散，昆明以西地区有所变干，云南西南地区则变湿，而GLDAS_ESI指示贵州以及云南大部分地区都显著变干。从面积来看，MOD16_ESI显示2000—2014年期间云贵地区严重变干的面积约为34 496 km2，而GLDAS_ESI显示严重变干的面积约为140 814 km2。

对分别依据MOD16数据及GLDAS数据计算的各月份3个月尺度ESI（记为MOD16_ESI3和GLDAS_ESI3）进行MK趋势检验，结果表明：3—7月的GLDAS_ESI3在整个云贵地区有明显的下降，其余月份的GLDAS_ESI3基本不变化；而4—8月的MOD16_ESI3与图2e分布情况相似，即在云南西南的部分地区有上升趋势，在云南北部的区域有下降趋势，其余月份的MOD16_ESI3基本不变。总体来看，云南中部的显著变干主要受春、夏季ETa和ETp变化的影响，其余月份的变化对整体影响不大。对比2000—2014年月均ETa和ETp的季节性Kendall趋势检验结果（图4）可知，2000—2014年云南中部ETa显著的减小以及ETp的显著增加共同造成该地区ESI的下降。

3.4 2009—2010年云贵干旱过程中降水与蒸散发的变化及不同干旱指标的指示性差异

根据《2010年中国水旱灾害公报》[36]，2009年秋季至2010年春季持续偏少的降水引发了云贵地区干旱情况的发生。具体过程是，2009—2010年云南首先发生干旱，之后干旱于12月蔓延至贵州，西南旱情在2010-02有所加剧，在3月下旬随着降水的恢复有所缓解，而云南中北部及贵州的旱情持续至2010-05。本文以此作为实际情况，对3种干旱指数的监测结果进行对比分析。

图6为云贵地区月尺度的SPI、ESI和RDIst在2009— 2010年期间的演变情况。图7为该时段内降水、ETa和ETp与各自多年平均（2000—2014年）状况的变化对比，当这3个因素的月值大于其15 a平均状况时，认为其出现正偏，反之则出现负偏。

图6 2009—2010年逐月SPI、RDIst和ESI变化

以SPI（RDIst以及ESI）等于-1做为阈值进行干旱识别。根据图6中的SPI变化过程可以看出，云贵地区在2009-09—2010-02发生干旱，该时段内SPI均值为-1.45。干旱发生前，降水于2009-06开始负偏（图7a），1个月后ETp开始出现正偏（图7d，图7e），但正偏程度小于降水的负偏程度。2009-09开始SPI显示干旱发生（图6），ETp的正偏程度减小，2009-11ETa才开始低于同期水平（图7b，图7c）。此后，降水量、ETa表现为持续的负偏，而ETp则一直高于多年平均状况（图7a—7e）。2010-01—2010-02 SPI显示干旱有所加重，此时ETp和ETa虽然均在增加，但与多年平均状况的差距加大。2010-03降水恢复到正常水平，干旱解除，但ETp到5月才开始接近正常水平，ETa则恢复得更慢，到2010-08才逐步达到多年同期水平。

根据RDIst时间序列（图6），MOD_RDIst和GLDAS_ RDIst总体上在2009—2010年的变化情况较一致，即云贵地区于2009-09—2010-02发生干旱。降水和ETp在2009-09—2009-12期间持续下降，但ETp比降水更快的下降速度造成了RDIst显示该时段的干旱情况有所缓解（图7a，7d，7e）。2010-01—2010-02，降水持续负偏，ETp有所回升，两者的相反变化加剧了水分的不平衡性，干旱情况有所加重，这与SPI结果一致。2010-03降水开始恢复，且降水量的上升速度快于ETp（图7a，图7d，图7e），此时RDIst显示干旱有所缓解，但RDIst的恢复较迟缓，在2010-05才接近正常水平（图6）。

RDIst的指示结果与SPI存在高度一致性，即云贵地区干旱发生在2009-09—2010-02，并在2010-01—2010-02有所加重。Wang等[6]曾指出，由于降水量的变异系数比ETp的更大，基于降水量和ETp差值的干旱指数SPEI波动主要受降水变化的影响。同理，基于降水量和ETp比值的RDIst也受降水变化的主导作用，造成SPI和RDIst在反映气象干旱状况上具有一致性。

综合考虑了ETa和ETp变化的干旱指数MOD_ESI和GLDAS_ESI均显示云贵地区在2009-11—2010-06发生干旱（图6）。干旱期间，蒸散发数据的差异造成MOD_ESI反映干旱情况波动较大，而GLDAS_ESI显示干旱在缓慢加剧。2010-01—2010-02ETp的正偏和ETa的负偏加剧，共同造成了ESI的明显下降，即干旱情况加重（图7b—7e）。2010-03之后，降水开始逐步恢复（图7a），但因ETa和ETp的恢复滞后于降水，ESI显示干旱仍在持续，直至2010-06才结束。

通过以上分析可知，ETa和ETp在干旱发展前期的作用较小，但是随着干旱的演变，两因素的变化逐渐加剧了干旱程度，其中ETa比ETp对干旱的影响时间更长。

图7 2009—2010年逐月降水和基于不同产品的蒸散发变化

4 讨 论

基于2种潜在蒸散发数据（MOD_ETp和GLDAS_ETp）所得RDIst的时空分布情况比较相似，表明潜在蒸散发计算结果对RDIst指标的计算影响不明显。前人对RDIst的分析结果也表明，RDIst指标不受潜在蒸散发算法的影响，稳定性良好[37]，这很大程度上与该指标受控于降水变化有关。

干旱指数ESI和RDIst都考虑了蒸散发在干旱演变过程中的作用。Khalili等[38]在印度不同气候区的研究也表明RDIst比SPI指示的干旱程度更强。但RDIst主要受控于降水量的变化，而ESI考虑了ETa的作用，可以反映植被和土壤水分对干旱的响应，两者的比值ETa/ETp一定程度上可更好地反映地区的水分供应情况，并能对土壤水分和植被用水情况做出快速响应，故从本文结果来看，ESI指示的干旱历时比RDIst更长且更接近实际，且指示的变干面积也更大。

然而，从数据可用性方面考虑，目前可用的ETa产品较少，难以满足在各类时空尺度的研究需求。ETa主要受地区实际水分供应情况控制[39]，可用降水量来反映。对于ETp而言，其计算方法较多，在各地的运用中得到不断改进，相对ETa更具可比与稳定性，Beguería等[40]的研究也指出由ETp所求得的干旱指数在干旱和湿润地区能更有效地反映干旱事件。因此，当能获取准确的ETa数据时，基于ETa和ETp的干旱指标会更有效；但当ETa数据难以获取时，考虑了降水量和ETp的干旱指数在实际运用中更具可行性。

5 结 论

本文采用0.05°×0.05°的MODIS MOD16和0.25°× 0.25°的GLDAS蒸散发数据，结合中国气象局的格点降水数据，计算了3种气象干旱指数SPI（standardised precipitation index ）、RDIst（reconnaissance drought index）及ESI（evaporative stress index），探讨了云贵地区在近15 a来的干湿演变特征，并以2009—2010年西南干旱为例，分析了降水和蒸散发的变化情况。

1）干旱指数ESI与RDIst指示2000—2014年云南中部严重变干的面积大于SPI的指示面积，反映了地区的干旱化主要受降水变化的影响，但干旱化的程度和面积也会显著地受蒸散发变化的影响；

2）在云贵地区2009—2010年干旱期间，ESI的变化反映出实际蒸散发ETa和潜在蒸散发ETp在干旱发展前期的作用较小，但是随着干旱的演变，逐渐加剧了干旱程度，其中ETa比ETp对干旱的影响时间更长。

3）RDIst的指示结果与SPI存在高度一致性，这体现出RDIst指标对干旱的指示作用受控于降水量的变化，造成2种干旱指数在气象干旱监测结果具有一致性。

4）ESI和RDIst虽然都考虑了蒸散发在干旱演变过程中的作用，但ESI在表征干旱演变情况上更合理。因此，当能够获取准确的ETa数据时，基于ETa和ETp的干旱指数会比仅考虑ETp的指数更有效。但由于目前可用的ETa产品较少，相较而言，ETp的计算方法众多，因此考虑ETp的干旱指数在实际运用中更具可行性。

[1] Liu M, Xu X, Sun A Y, et al. Is Southwestern China experiencing more frequent precipitation extremes?[J]. Environmental Research Letters, 2014, 9(3/4): 479－489.

[2] 苏秀程，王磊，李奇临，等. 近50a中国西南地区地表干湿状况研究[J]. 自然资源学报，2014，29(1)：104－116.

Su Xiucheng, Wang Lei, Li Qilin, et al. Study of surface dry and wet conditions in Southwest China in Recent 50 years[J]. Journal of natural resources, 2014, 29(1): 104－116.(in Chinese with English abstract)

[3] 刘瑜，赵尔旭，黄玮，等. 云南近46年降水与气温变化趋势的特征分析[J]. 灾害学，2010，25(1)：39－44.

[4] 王东，张勃，安美玲，等. 基于SPEI的西南地区近53a干旱时空特征分析[J]. 自然资源学报，2014，29(6)： 1003－1016.

Wang Dong, Zhang Bo, An Meiling, et al. Temporal and spatial distributions of drought in Southwest China over the past 53 years based on standardized precipitation evapotranspiration index[J]. Journal of Natural Resources, 2014, 29(6): 1003－1016. (in Chinese with English abstract)

[5] 姚玉璧，张强，王劲松，等. 气候变暖背景下中国西南干旱时空分异特征[J]. 资源科学，2015，37(9)：1774－1784.

Yao Yubi, Zhang Qiang, Wang Jinsong, et al.Temporal- spatial abnormity of drought for climate warming in Southwest China[J]. Resources Science, 2015，37(9)：1774－1784. (in Chinese with English abstract)

[6] Wang W, Zhu Y, Xu R, et al. Drought severity change in China during 1961–2012 indicated by SPI and SPEI[J]. Natural Hazards, 2015, 75(3): 2437－2451.

[7] Lu E, Luo Y, Liu L, et al. Regional atmospheric anomalies responsible for the 2009–2010 severe drought in China[M]// Report of the Commissioner-General of the United Nations Relief and Works Agency for Palestine Refugees in the Near East. United Nations, 2011:2145—2159.

[8] 张顾炜，曾刚，倪东鸿，等. 西南地区秋季干旱的年代际转折及其可能原因分析[J]. 大气科学，2016，40(2)： 311－323.

Zhang Guwei, Zeng Gang, Ni Donghong, et al. Decadal shift of autumn drought in Southwest China and its possible causes[J].Chinese Journal of Atmospheric Sciences,2016, 40(2):311－323. (in Chinese with English abstract)

[9] 黄荣辉，刘永，王林，等. 2009年秋至2010年春我国西南地区严重干旱的成因分析[J]. 大气科学，2012，36(3)： 443－457.

Huang Ronghui, Liu Yong, Wang Lin, et al. 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,2012, 36(3): 443－457. (in Chinese with English abstract)

[10] Seneviratne S I, Lehner I, Gurtz J, et al. Swiss prealpine Rietholzbach research catchment and lysimeter: 32 year time series and 2003 drought event[J]. Water Resources Research, 2012, 48(6): 116－120.

[11] Tang Y, Wen X, Sun X, et al. The limiting effect of deep soilwater on evapotranspiration of a subtropical coniferous plantation subjected to seasonal drought[J]. Advances in Atmospheric Sciences, 2014, 31(2): 385－395.

[12] Teuling A J, Loon A F V, Seneviratne S I, et al. Evapotranspiration amplifies European summer drought[J]. Geophysical Research Letters, 2013, 40(10): 2071－2075.

[13] Madhu S, Kumar T V L, Barbosa H, et al. Trend analysis of evapotranspiration and its response to droughts over India[J]. Theoretical & Applied Climatology, 2014, 121(1/2): 41－51.

[14] Sun S, Chen H, Ju W, et al. On the coupling between precipitation and potential evapotranspiration: contributions to decadal drought anomalies in the Southwest China[J]. Climate Dynamics, 2016, 48(11/12): 1－19.

[15] 谢平，张杨珠，龙怀玉，等. 近31年来云南省潜在蒸散量的时空演变[J]. 西南农业学报，2016，29(4)：940－947.

Xie Ping, Zhang Yangzhu, Long Huaiyu, et al. Temporal-spatial variations of potential evapotransiration in Yannan Province during 1981-2011[J]. Southwest China Journal of Agricultural Sciences, 2016，29(4)：940－947. (in Chinese with English abstract)

[16] 熊光洁，张博凯，李崇银，等. 基于SPEI的中国西南地区1961-2012年干旱变化特征分析[J]. 气候变化研究进展，2013，9(3)：192－198.

[17] 王素萍，王劲松，张强，等. 几种干旱指标对西南和华南区域月尺度干旱监测的适用性评价[J]. 高原气象，2015，34(6)：1616－1624.

Wang Suping, Wang Jinsong, Zhang Qiang, et al. Applicability evaluation of drought indices in monthly scale drought monitoring in Southwestern and Southern China[J]. Plateau Meteorology, 2015, 34(6): 1616－1624. (in Chinese with English abstract)

[18] 于静，柳锦宝，姚云军，等. 近20年西南地区地表蒸散与干旱时空变化特征[J]. 人民长江，2018,49(10): 36—40.

[19] Mu Q, Zhao M, Running S W. Improvements to a MODIS global terrestrial evapotranspiration algorithm[J]. Remote Sensing of Environment, 2011, 115(8): 1781－1800.

[20] 孙亮，孙睿，杨世琦，等. 利用MODIS数据计算地表蒸散[J]. 农业工程学报，2009，25(13)：23－28.

Sun Liang, Sun Rui, Yang Shiqi, et al. Estimation of land surface evapotranspiration using MODIS data[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2009,25(13):23－28.(in Chinese with English abstract)

[21] Andam-Akorful S A, Ferreira V G, Awange J L, et al. Multi- model and multi-sensor estimations of evapotranspiration over the Volta Basin, West Africa[J]. International Journal of Climatology, 2015, 35(10): 3132－3145.

[22] Xue B L, Wang L, Li X, et al. Evaluation of evapotranspiration estimates for two river basins on the Tibetan Plateau by a water balance method[J]. Journal of Hydrology, 2013, 492: 290－297.

[23] 贺添，邵全琴. 基于MOD16产品的我国2001-2010年蒸散发时空格局变化分析[J]. 地球信息科学学报，2014，16(6)：979－988.

He Tian, Shao Quanqin. Spatial-temporal variation of Terrestrial Evapotranspiration in China from 2001 to 2010 Using MOD16 Products[J]. Geo-Information Science, 2014, 16(6): 979－988. (in Chinese with English abstract)

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

[25] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index[J]. Journal of climate, 2010, 23(7): 1696－1718.

[26] Tsakiris G, Vangelis H. Establishing a drought index incorporating evapotranspiration[J]. European Water, 2005, 9(10): 3—11.

[27] Anderson M C, Hain C, Wardlow B, et al. Evaluation of drought indices based on thermal remote sensing of evapotranspiration over the continental United States[J]. Journal of Climate, 2011, 24(8): 2025－2044.

[28] 王劲松，郭江勇，倾继祖. 一种K干旱指数在西北地区春旱分析中的应用[J]. 自然资源学报，2007，22(5)：709－717.

Wang Jinsong, Guo Jiang-yong, Qing Jizu. Application of a kind of K drought index in the spring drought analysis in Northwest China[J]. Journal Of Natural Resources, 2007, 22(5): 709－717. (in Chinese with English abstract)

[29] Yao Y, Liang S, Qin Q, et al. Monitoring drought over the conterminous United States using MODIS and NCEP Reanalysis-2 data[J]. Journal of Applied Meteorology and Climatology, 2010, 49: 1665－1680.

[30] 熊光洁，王式功，李崇银，等. 三种干旱指数对西南地区适用性分析[J]. 高原气象，2014，33(3)：686－697.

Xiong Guangjie, Wang Shigong, Li Chongyin, et al. Xiong Guangjie, Wang Shigong, Li Chongyin, et al. Analysis of applicability of three drought indices for drought events in Southwest China[J]. Plateau Meteorology, 2014，33(3)：686－697. (in Chinese with English abstract)

[31] 王理萍，王树仿，王新华，等. 五种干旱指数在云南省的适用性分析[J]. 灌溉排水学报，2017，36(7)：117－124.

Wang Liping, Wang Shufang, Wang Xinhua, et al. Feasibility study of five drought indices for use in Yunnan Province[J]. Journal of Irrigation and Drainage, 2017，36(7)：117－124. (in Chinese with English abstract)

[32] Svoboda M, Hayes M, Wood D. Standardized precipitation index user guide[M]. Switzerland: World Meteorological Organization Geneva, 2012.

[33] McKee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales[C]//Proceedings of the 8th Conference on Applied Climatology. Boston, MA: American Meteorological Society, 1993: 179—183.

[34] Tsakiris G, Pangalou D, Vangelis H. Regional drought assessment based on the Reconnaissance Drought Index (RDI) [J]. Water Resources Management, 2007, 21(5): 821－833.

[35] Mann H B. Nonparametric Tests Against Trend[J]. Econometrica, 1945, 13(3):245—259.

[36] 国家防汛抗旱总指挥部. 中国水旱灾害公报. 2011[M]. 北京：中国水利水电出版社，2012.

[37] Zarei A R, Mahmoudi M R. Evaluation of changes in RDIst index effected by different Potential Evapotranspiration calculation methods[J]. Water Resources Management, 2017, 31(15): 4981－4999.

[38] Khalili D, Farnoud T, Jamshidi H, et al. Comparability analyses of the SPI and RDI meteorological drought indices in different climatic zones[J]. Water Resources Management, 2011, 25(6): 1737－1757.

[39] Joetzjer E, Douville H, Delire C, et al. Evaluation of drought indices at interannual to climate change timescales: A case study over the Amazon and Mississippi river basins[J]. Hydrology and Earth System Sciences, 2013, 17(12): 4885—4895.

[40] Beguería S, Vicente-Serrano S M, Reig F, et al. Standardized precipitation evapotranspiration index (SPEI) revisited: Parameter fitting, evapotranspiration models, tools, datasets and drought monitoring[J]. International Journal of Climatology, 2014, 34(10): 3001－3023.

Comparison of drought indices for remote sensing drought monitoring in Yunnan-Guizhou Plateau region

Wang Wen, Huang Jin, Cui Wei

(210098,)

Many studies have shown that drought severity is increasing over Yunnan-Guizhou (YG) region in southwestern China. And some studies stated that the deficit of precipitation was the main reason to recent droughts in southwestern China. Although precipitation is the main influence factor of drought formation, many studies have shown that evapotranspiration also plays a vital role in the progress of drought evolution. But how actual and potential evapotranspiration affect drought evolution is not well understood. In order to evaluate the temporal and spatial variations of the climate aridity in recent years as well as the roles of evapotranspiration in drought development in the YG region, monthly actual evapotranspiration and potential evapotranspiration data products during 2000-2014, including satellite-retrieved MODIS MOD16 data and GLDAS-Noah model simulation as well as the observed precipitation data were used to calculate 3 meteorological drought indices, i.e., standardized precipitation index (SPI), standardized reconnaissance drought index (RDIst) and evaporative stress index (ESI). With the Mann-Kendall trend test method, the 15-year temporal variations of SPI, RDIst and ESI in YG region are investigated. Besides, the severe drought that happened during 2009-2010 in YG region is further investigated as an example to analyze the role of actual evapotranspiration and potential evapotranspiration in drought evolution. According to the spatial distribution of annual average precipitation and the trend test results of 12-month SPI, there is a remarkable downtrend in middle Yunnan with an area of 12945 km2, indicating that areas with low annual precipitation are getting drier. The spatial patterns of trend tests for RDIst calculated based on different potential evapotranspiration are similar, consistent with that of SPI trend test result, both implying that there is a very significant drying trend in middle Yunnan and a slight drying in its surrounding areas, and the significant drying trend in the middle Yunnan is mainly controlled by the changes of precipitation. In terms of the trend of ESI, its spatial distributions based on MOD16 and GLDAS-Noah evapotranspiration data show great differences, but they both indicate an obvious drying trend in central Yunnan, which is similar to that of SPI and RDIst. Trend analyses of all 3 drought indices show that, the climate aridity in Guizhou Province is stable, while there is a considerable drying trend in middle Yunnan because of the joint effects of significant decline of precipitation and the remarkable increase of potential evapotranspiration. As the regional drying is not only controlled by the changes of precipitation but also affected by the changes of evapotranspiration, drying areal extents indicated by ESI and RDIst are larger than that indicated by SPI. During the 2009-2010 drought happened in YG region, actual evapotranspiration and potential evapotranspiration played little roles at the early stage, but with the evolution of drought, they greatly aggravated drought situations at the late stage. At the end of drought when precipitation returned to its normal condition, potential evapotranspiration kept positively biased for about 1-3 months, whereas actual evapotranspiration kept negatively biased for about 5 months, illustrating that actual evapotranspiration has a longer effect on drought evolution than potential evapotranspiration. The analysis of 2009-2010 severe drought also indicates the effectiveness of different drought indices, that is, ESI considers both actual and potential evapotranspiration, and is more reasonable than SPI and RDIst for monitoring drought evolution. So it can be concluded that when accurate actual evapotranspiration data are available, drought indices based on both actual evapotranspiration and potential evapotranspiration are preferable to those based on only potential evapotranspiration for drought monitoring. Unfortunately, there is a lack of reliable actual evapotranspiration products available most of time while there exist many widely used methods for potential evapotranspiration calculation, therefore when actual evapotranspiration products are not available, a practical option is using drought indices that take potential evapotranspiration into account.

evapotranspiration; drought; remote sensing; monitoring; actual evapotranspiration; potential evapotranspiration; drought index

10.11975/j.issn.1002-6819.2018.19.017

P339

A

1002-6819(2018)-19-0131-09

2018-06-11

2018-08-27

国家自然科学基金（41571130071，41371050）

王 文，男，江苏姜堰人，教授，博士，主要从事全球变化、水文遥感与水文过程模拟研究。Email：w.wang@126.com

王 文，黄 瑾，崔 巍. 云贵高原区干旱遥感监测中各干旱指数的应用对比[J]. 农业工程学报，2018，34(19)：131－139. doi：10.11975/j.issn.1002-6819.2018.19.017 http://www.tcsae.org

Wang Wen, Huang Jin, Cui Wei. Comparison of drought indices for remote sensing drought monitoring in Yunnan-Guizhou Plateau region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(19): 131－139. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.19.017 http://www.tcsae.org