农业干旱监测方法与指标研究进展

钱莉莉，贺中华，梁 虹，杨朝晖，曾信波

(1.贵州师范大学 地理与环境科学学院，贵州 贵阳 550001；2.贵州省应急管理厅, 贵州 贵阳 550001；3.贵州省水文水资源局，贵州 贵阳 550002)

1 引言

农业干旱是多种因素共同作用的结果，如水文条件、气象条件、农作物布局、作物品种及生长状况、耕作制度及耕作水平等都可对农业干旱的发生与发展起到重要影响，故对农业干旱的实时动态监测势在必行[1]。农业干旱的本质是土壤缺水，不能满足植被根系的水分需求[2]。传统的农业干旱监测方法主要来源于点数据，操作效率低、测点缺乏代表性，很难实现农业干旱的宏观动态监测[3]。相对于传统农业干旱监测方法，遥感监测方法利用地物表面的光谱、空间和方位信息[4]，可以实现大面积与动态监测，也可以对土壤含水量进行动态监测[5]。

干旱是一种普遍发生的全球性的自然灾害，由于降水收支与当地作物需水状况不协调而出现大范围的干旱现象，并形成大尺度的缺水性干旱景观[6]。近年来全球气候面暖趋势更加明显，使原本降水分布不均的情况进一步加剧，从而导致干旱发生频率提升和干旱强度增大，使干旱问题成为不可忽视的焦点。作为生活在社会中的人类来说，其生活与农业生产息息相关，农业是国民经济的基础。因此，有必要对农业干旱监测指标、方法及发展历程进行全面梳理。本文将对农业干旱的概念、国内外农业干旱监测方法的发展历程和最新进展进行系统分析，以期为政府决策部门对农业干旱的监测和预警提供理论基础。

2 农业干旱及监测方法分类

2.1 农业干旱概念

根据干旱驱动机理差异可将干旱分为4种基本类型：气象干旱,指由降水与蒸发不平衡所引起的水分亏缺现象[7]。农业干旱是当土壤含水量低于植物需水量时导致作物减产甚至绝收的自然现象；水文干旱，是河川径流低于其正常值或含水层水位降落的现象；社会经济干旱，指在自然系统和人类社会经济系统中，由于水分短缺影响生产、消费等社会经济活动的现象[8]；而这4种干旱类型之间又存在着密切的关系，首先发生气象干旱，并伴随着降水量和相对湿度的下降以及太阳辐射的增强，进而破坏水资源平衡，导致河流和水库枯竭且地下水位下降，形成水文干旱；随着气象与水文干旱现象的发生继而影响到土壤水量平衡，使得土壤含水量急剧下降，农作物减产甚至绝收，粮食产量供不应求，波动粮食市场；气象干旱、水文干旱和农业干旱的发生最终引发社会经济干旱[9]。

2.2 农业干旱监测方法分类

根据监测数据的来源可将农业干旱监测方法分三类：气象监测方法、遥感监测方法与综合遥感监测方法。如图1，对农业干旱监测指标自1965年以来进行梳理，根据指标性质将其分为三类，标识为气象干旱指数、遥感干旱指数、综合干旱指数。传统的农业干旱监测利用地面观测站点的降水量、气温等数据判断干旱，大多为气象监测方法，常用的指标有帕尔默干旱指数、标准降水指数、Z指数等。遥感监测指标常用的有热惯量法、微波遥感法、垂直干旱指数、归一化多波段指数等。随着农业干旱监测方法进一步提升，使得基于遥感数据与基于气象数据的全球干旱系统的结合成为可能，力求达到更加实时、准确的监测并预警农业干旱信息。综合遥感监测指标主要有植被供水指数、温度植被供水指数、能量指数、波文比指数。

3 农业干旱气象监测方法

3.1 W.Palmer的干旱指数(PDSI)

1965年，W.Palmer[10]提出帕尔默干旱指数(Palmer Severity Drought Index)。它是以一种气象干旱指数，这个指数是基于土壤湿度的供需模型的。“供”是通过相对直接的计算出来的，但是“需”因为取决于多个因素所以比较复杂——不仅是温度和土壤湿度，还包括很难测量的蒸发量和重新补水速率。Palmer试图通过一个算法来克服这些困难，这个算法根据那些可以迅速获取的数据，比如降水量和温度，来模拟出一个近似值。该指数对于判定长期异常干旱和异常湿润的极端天气状况方面被证明是非常有效的，但对于判断持续数周的短时期干旱上具有局限性。因而，针对此种情况W.Palmer[11]在1968年提出了作物湿度指数(Crop Moisture Index)，通过计算蒸发量对短期内作物的干旱情况进行有效监测。

图1 农业干旱监测指数发展历程

3.2 标准化降水指数(SPI)

1993年，McKee[12]等人提出标准化降水指数(Standardized Precipitation Index)，这种基于降水量的气象干旱指数，以3、6、9、12、48个月为周期，来模拟不同时间、不同地区降水量变化。不同尺度上的降水量在进行建模时发现其降水分布符合伽马分布，但在降水量分析中，通常采用r分布概率描述降水量的变化。不像帕尔默干旱指数和作物湿度指数,标准化降水指数考虑了干旱的随机特性,因此是一个很好的衡量短期和长期的气象干旱指标[13]。而且,标准化降水指数不受土壤因素的影响,而土地利用的特点、作物的生长情况和温度变化的异常等因素对农业干旱监测至关重要。

3.3 归一化植被指数

Awuma[14]等人研究发现归一化植被指数(normalized differential vegetation index，NDVI)在监测干旱时只有当水分胁迫及其严重并阻碍作物生长时才显示出NDVI值的突变。当植被受水分胁迫时，遥感植被指数随之改变，可通过这种变化监测土壤水分情况[15]。NDVI指数可适用于大范围的干旱监测，当没有发生干旱时,作物生长状况良好；干旱发生时, 部分作物缺水死亡导致归一化植被指数降低；或者作物为避免失水过多死亡而部分关闭叶片气孔以减少蒸腾, 就会致使叶表面温度升高[16]。研究表明：NDVI更适用于时空跨度较大地区的干旱监测，在作物拔节期和乳熟期具有优势。此后，Kogan[17]提出植被状态指数(vegetation condition index，VCI)[18]、温度条件指数(temperature condition index，TCI)，并证明了植被条件指数(VCI)与温度条件指数(TCI)的比值对植被长势和土壤水状况的监测效果更好。

4 农业干旱遥感监测方法

4.1 基于部分植被覆盖情况的干旱监测

4.1.1 基于裸露地表的农业干旱监测方法

(1)热惯量法。热惯量模型是以热红外遥感数据监测土壤含水量热特性的主要方法，这种方法可以有效的监测农业的干旱情况。当监测植被覆盖度低或裸土时，热惯量法能够有效的反演土壤水分起[19]。但是，由于热惯量法是基于土壤热特性的监测，当面对复杂地形和植被覆盖度较高的区域是则不能起到很好的监测作用，因而此种方法具有局限性，还需要综合利用其他监测技术，进一步改进方法，弥补不足之处。

张仁华[20]利用土壤受光面和阴影面、叶子受光面和阴影面的温差信息,将热惯量模型、热量平衡模型和温差模型结合起来, 开辟了利用多角度遥感数据反演土壤湿度的新途径。

(2)微波遥感法。微波遥感法的突出特点是：不受天气条件的影响，具有全天候和全天时的工作能力，且具有渗透性。虽然微波遥感不受云干扰，可以实现全天时、全天候观测，但是微波遥感法目前只能反演土壤表层(2～5cm)的湿度。作物根系在10～20cm以下的反演结果不够准确，需提高不同土层深度的土壤湿度估算精度。Tansey[21]和Moeremans[22]的研究指出：在裸地和稀疏植被的地区,近地表土壤湿度和后向散射系数的相关性极高,且地表粗糙度对土壤水分的监测有重大影响。

4.1.2 基于部分植被覆盖的农业干旱监测方法

条件植被温度指数结合植被指数的变化与植被指数的空间特性，它是一项综合性指标。当植被指数值较低时，反映出的干旱程度越高；反之，干旱程度越低或没有旱情发生。这种方法有效地解决了当干旱发生时参数的稳定性问题，适用于对区域级的干旱监测并得到了广泛的应用。

4.1.3 基于全植被覆盖的农业干监测方法

(1)距平植被指数(AVI)及标准植被指数(SVI)。标准植被指数是对距平植被指数进一步延伸，通过研究区每个研究像元值，表示某个时期的值，表示多年的标准差。即该时期该地区的植被指数相对于多年平均值的偏离度的归一化数值。但无论是距平植被指数还是标准植被指数都只是对区域植被情况的定性分析，不能够建立和干旱无关的定量分析，而且计算大尺度的干旱监测需要大量的样本，因此其只适用于小尺度或小范围干旱监测的定性分析。

(2)植被状态指数(VCI)。距平植被指数、标准植被指数等方法要求一定的样本数量，数据收集困难，且不能对干旱监测做出定量分析，在此基础上改进性的建立了植被状态指数(VCI)算法。它能够定量的反映植被的空间变化特征，并且对构造复杂的地形更为有效，能够有效地监测区域干旱的时空变化。由于地表覆盖类型的不同和年际变化，对干旱监测的准确性具有影响，以及植被指数值不易确定，且需要连续型数据，故适用于植被生长的中后期，而不适于播种和成熟期的地表旱情监测。

(3)作物缺水指数(CWSI)及水分亏缺指数法(WDI)。作物缺水指数[23]是土壤水分的一个度量指标，它由作物冠层温度值转换而来。作物缺水指数法的精度高、可靠性强，但涉及的参数比较多、计算量大，因而不易于实现；目前遥感反演地表参数的精度低，精度有待提高，无法满足模型定量化计算的标准，限制了该模型的推广。Moran[24]等分析了作物缺水指数中的理论参数与植被覆盖度的近线性关系，对作物缺水指数进一步研究建立了在一定植被覆盖度下的水分亏缺指数。

(4)植被供水指数法(VSWI)。植被供水指数法是一种综合性的干旱监测方法，它综合了植被指数和地表温度指标。它的原理是当植物因供水不足时，作物便会因缺水死亡，导致地表面温度迅速升高而植被指数急剧下降。由于在大尺度的干旱监测中受到植被生理特性、土壤物理特性、以及光照强度等因素的影响，因而不适于大范围的干旱评价。但适用于植被覆盖程度较高的地方，尤其是在作物生长期更为合适。因其资料的易获取性，在我国得到较为广泛的应用。

4.2 基于土壤水分指标的干旱指数

张佳华[25]等依据土壤热力学理论提出能量指数，它的原理是土壤越干燥，经过转换向外释放的长波辐射就越强，地表与植被冠层温度就越高。在实际监测的过程中能更好地反映旱情的空间分布、发展过程及不同植被覆盖程度下的干旱现象，在作物长势较好的中后期监测效果更佳，因而，从某种意义上可以说能量指数法优于热惯量法、植被供水指数法的监测效果。

詹志明[26]等提出了垂直干旱指数，它的原理是红波段、近红外波段在二维光谱特征空间中的土壤水分沿土壤线方向变化。但是因植被覆盖度不同导致缺乏普适性，无法广泛应用。因此，Ghulam[27]等人提出了改进垂直干旱指数，引入植被覆盖度因子来提高垂直干旱指数的适用范围，使垂直干旱指数在不同的植被覆盖度下都有较好的反演效果。在中等植被覆盖度的小麦拔节期，其土壤含水量较高，因此，不易监测土壤含水量变化特征；在抽穗阶段，植被覆盖度高，此时土壤含水量偏低，反应较为敏感。为了解决这一现象，需要对土壤单元进行分类，通过3S技术网格化地面信息分类监测可以有效提高MPDI的精度，适用性得到很大的提升。

5 综合遥感监测方法

诸多研究表明，综合遥感干旱指数可对作物发育的不同阶段进行监测，也能在作物生长的不同时期进行改良调整。研究发现：当植被覆盖度由裸地到全覆盖，土壤湿度从干旱到湿润，植被指数(NDVI)与地表温度(LST)的散点图则呈三角形或梯形(图 2)。此后，Sandholt等基于植被指数和地表温度的经验关系，于2002年建立了温度植被干旱指数(temperature vegetation dryness index，TVDI)[28]。随后，2004年Haboudane提出植被供水指数(VSWI)，适用于植被覆盖度高的地区，因其计算简单而得到了广泛应用[29]。

图2 NDVI-Ts 二维特征空间

因存在单一的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，Sandholt[30]等人于2010年又提出了温度植被干旱指数。研究发现：结合地表温度与植被指数既可消除土壤水分、植被指数的影响，但在水分胁迫严重受阻时任具有滞后性。温度植被指数法克服了土壤环境的影响，在不同覆盖程度的地区都能取得良好效果，因此，在我国的农业干旱监中应用广泛。

郝小翠等[31]发现地表水热状况的变化影响植被指数和地表的温度，通过植被指数和地表温度可以间接地反映土壤水分的状况，进而引起干旱。因此，于2016年引入能综合反映地表水热特征的波文比，构建了波文比模型，检验得出波文比指数在裸土和植被的混合地表均有较好的监测效果。因此，反映地表水热特性的因子可被用于干旱监测模型的建立，通过对模型相关因子在不同时空的差异分析来达到监测干旱的目的。

6 结语

如今，农业干旱对于人们生活的危害非常严重,务必需要准确的旱情监测。干旱已不是个别国家、个别区域关注的环境问题。传统的农业旱情监测主要基于地面站点获取的气象数据，对气象干旱监测指标的研究起源最早，计算简便，较为成熟。气象监测指标公式易于计算与普及，由于站点观测的原因，存在数据获取周期长、物理与人为失误现象，它的精度和完整度有限。此外，其干旱监测指标多具有区域适用性限制，因而农业干旱监测的统一监测存在一定困难。导致无法进行大面积的监测。但是遥感技术的迅速发展为农业干旱监测提供了新的途径,遥感数据的易得性推动了农业干旱卫星监测的发展。它可以实时、准确、客观地获取大范围的地表信息,力求近似完美的拟合干旱发生的真实情况，建立更加科学完善的干旱监测预警信息系统，为决策者提供及时、准确的干旱信息，以便积极应对可能发生的干旱，减轻干旱对国家社会经济的影响。