基于CWSI的贵州省干旱时空变化特征及影响因素分析

梁任刚, 周 旭, 李 松, 杨大方, 陈大蓉, 裴 宇

(贵州师范大学 地理与环境科学学院, 贵阳 550025;贵州师范学院贵州省流域地理国情监测重点实验室, 贵阳 550018)

干旱是一种复杂的自然灾害，在世界范围内对环境、社会和经济造成严重损害[1]。就经济成本而言，干旱被认为是最具破坏性的自然灾害之一[2]。在全球气候暖干化的大背景下，近些年干旱频率加快，旱情程度加重[3]。由于站点分布稀少和不均匀等缺点，基于气象站数据估算的干旱指数在空间上不连续，不能很好体现干旱的空间分布特征[4]。随着遥感技术发展日趋成熟，拥有高时空分辨率产品，使得基于遥感数据的干旱指数逐渐成为干旱研究的热点[5]。

作物缺水指数(CWSI)综合了地面风速、日照时数、水汽压、气温等气候要素的作用，基于能量平衡原理理论为基础，具有较高的测量精度和明确的物理意义，在农业干旱研究中得到广泛应用[6]。在国内，申广荣等[7]利用作物缺水指数监测黄海平原旱情，结果表明CWSI基本达到了准确、实时监测旱情的目的；王玉娟等[8]基于CWSI对渭河流域进行干旱监测，结果表明模拟值与实测值相关系数达到0.80。但是CWSI计算需要地面观测资料和常规气象数据，计算过程比较复杂，因此在使用上受到一定限制[9]。2011年美国NASA团队发布了全球陆地蒸散数据集(MDO16)，该数据集基于Penman-Monteith遥感模型和MODIS数据研发[10]，经过全球通量塔数据验证，模拟精度高达86%[11]，为CWSI的计算提供了新思路和优质的数据源。近年来该数据集在我国得到广泛运用，如：温媛媛等[12]基于MOD16数据集与气象站点实测数据研究了山西省地表蒸散发和潜在蒸散发的空间分布特征、变化趋势及影响因素，结果证明MOD16蒸散产品与气象站点实测数据具有良好的空间相关性(R2=0.90)；何慧娟等[4]基于MOD16产品，计算CWSI分析了陕西关中地区的干旱时空分布特征；汪左等[13]也通过MOD16数据集计算CWSI，分析了安徽省干旱时候空特征及影响因素。

贵州省是世界喀斯特地貌面积最大的连片区中心，长期强烈的岩溶作用致使其产生了地表、地下双层空间结构，土层浅薄、土壤分块分布且总量少，生态环境及其脆弱[14]。加上降水时空分布不均、下渗系数大、地下水位深等特点，干旱事件时常发生[15]。如2009年秋季至2010年春季以贵州为中心的5个省份严重旱灾[16]。前人针对贵州省干旱时空变化的研究大多基于气象站数据估算的干旱指数，这样的站“点”干旱不能很好表现其在空间上的分布特征[17-20]。本研究基于中分辨率遥感产品MOD16数据集，计算作物缺水指数(CWSI)，分析2000—2019年贵州省干旱的时空分布特征及影响因素，由“点”转“面”的研究，为贵州省干旱研究与水资源管理提供科学依据。

1 研究区概况

贵州省地处我国西南腹地，介于东经103°36′—109°35′、北纬24°37′—29°13′，境内地势西高东低，平均海拔1 100 m(图1)。气候类型属亚热带高原季风湿润气候，由于地势差异性较大，导致其气温和降水在空间分布上不均匀，多年气温年均值10～20℃，降水1 100～1 300 mm，光照条件差，常年多云雨，相对湿度较大。境内约73%的国土面积都有碳酸岩露出，根据《岩溶地区水土流失综合治理技术标准SL461-2009》和其他研究者的划分[21]，可分为岩溶槽谷、断陷盆地、岩溶峡谷、峰丛洼地、岩溶高原和非喀斯特地区。贵州省主要粮食作物为水稻和玉米，虽然降水充沛，但由于其特殊的地形地貌原因，旱涝灾害时有发生，严重影响当地农业生产和生态环境可持续发展。

2 研究数据与方法

2.1 数据获取与处理

2000—2019年的实际蒸散发(Evapotranspiration，ET)、潜在蒸散发(Potential Evapotranspiration，PET)和归一化植被指数(Normalized Differential Vegetation Index，NDVI)以及2015年土地利用数据都来源中分辨率遥感产品MODIS数据集，地址为：https:∥ladsweb.modaps.eosdis.nasa.gov/search/。其中年尺度的ET和PET取自MOD16A3产品，空间分辨率为500 m，月尺度的采用MOD16A2产品合成，空间分辨率为500 m，时间分辨率为8 d每期。NDVI为MOD13A3产品，该产品空间分辨率为1 km，时间分辨为月每期。土地利用数据为500 m分辨率的MCD12Q1，采用IGBP的全球植被分类方案。土壤相对湿度、气温和降水数据来源中国气象数据网(http:∥data.cma.cn)。

运用 MRT工具将HDF格式的MODIS数据转为Geo TIFF，并对其重投影。剔除MODIS数据中的填充值，采用最大值合成法，将月尺度的NDVI数据合成年尺度，ET，PET按照期数日期合成月尺度。DEM采用美国地质勘探局提供的30 m分辨率数据，并采用ANUSPLIN软件薄盘光滑样条法以经度、纬度为自变量，对降水、气温进行插值，并重采样为1 km。

图1 研究区地势及2015年土地利用现状

2.2 研究方法

2.2.1 作物缺水指数法 蒸散发是地球下垫面水汽输送的过程，潜在蒸散发是指区域内供水条件十分充足的条件下区域蒸散发的能力，区域内ET与PET的关系可作为该地区作物缺水及干旱的重要指标。Jackson等[22]将作物缺水指数(CWSI)定义为：

(1)

式中:ET为实际蒸散量；PET为潜在蒸散量；CWSI为作物缺水指数。CWSI的值在0～1,值越小,表明越湿润,反之干旱。

2.2.2 分析方法 运用Theil-Sen Median趋势分析和Mann-Kendall检验相结合的方法，此方法已经成功应用于水文、植被、气象等长时间序列分析中，在时序变化和趋势分析及趋势显著性检验方面取得了良好效果[23]，计算公式详见文献[24]。用Theil-Sen Median趋势分别计算ET，PET和CWSI的变化速率，当斜率小于0时表明要素呈减少趋势，反之则呈增加趋势。Mann-Kendall检验统计量Z值用来判断趋势的显著性，当|Z|>1.65，1.96，2.58时分别表示分别通过了90%，95%和99%的置信度显著性检验，统计量p值为变化趋势的显著性，p值越低，表明变化趋势可信。

采用变异系数(Coefficient of Variation,CV)分析稳定性，它可以量化观测值的变异程度，能够准确表示单位均值的离散程度[13]。计算式为：

(2)

相关系数计算公式为：

(3)

3 结果与分析

3.1 CWSI监测结果检验

为了检验CWSI在贵州省的适用性，依据国家气象局以20 cm土壤相对湿度作为旱情的分级标准[25]，将CWSI数据与20 cm土壤相对湿度数据做相关分析。由于贵州省农业气象站数据的大量缺失，经过比较筛选最终选取数据相对较全的2010年正安、赫章和水城3个站点(其中8月数据缺失)。由图2可见，CWSI表示干旱的变化与土壤相对湿度的变化较为吻合，土壤相对湿度大时，CWSI值低；土壤相对湿度小时，CWSI值高。对20 cm土壤相对湿度与CWSI数据做Pearson相关性分析，结果CWSI与3个站点均呈负相关，且都通过了0.05的相关系数显著性检验，说明CWSI可用于贵州省干旱监测。为了定量比较CWSI和土壤相对湿度表达的干旱严重程度，依据国家气象局采用农业干旱等级标准[26]，划分等级(表1)。

图2 2010年作物缺水指数与土壤相对湿度的对比

表1 干旱等级划分

3.2 ET，PET和CWSI时间变化特征

由图3可看出，研究期间贵州省ET，PET和CWSI年际波动不大，ET，PET均呈增加趋势，CWSI呈减少趋势，ET的增长速率明显高于PET，根据CWSI的计算公式可进一步验证CWSI呈减少趋势，表明研究期间贵州省旱情得到缓解。经统计，ET，PET多年均值分别为761.25 mm和1348.14 mm，CWSI年均值为0.43，整体处于轻旱等级。2000—2013年处于轻旱等级，2014—2019年处于无旱状态，2004年，CWSI值最高(0.51)，是降水量偏低，实际蒸散量高而潜在蒸散作用较弱的原因，据以往研究，我国南方在2004年出现了53 a来最为严重的干旱灾害[27]；2014年CWSI值最低(0.38)，是因为ET相对较高，而PET相对较低。

图3 2000-2019年贵州省ET，PET和CWSI年际变化

CWSI年内变化具有明显的季节性，呈先增加后减弱的趋势(图4)。2—5月值较高，最大值在4月，为0.53；6—9月CWSI值较低，最小值在6月，为0.33。干旱主要发生在春、秋和冬季，以轻旱为主。究其原因，贵州省主要粮食作物为水稻和玉米，水稻和玉米种植时间在3月、4月份，春季气温回升，降水少，加上农作物的生长需要大量水分，因此在春季CWSI达到最大值，即最为干旱；夏季气温和降水都达到全年最大值，加之农作物也正值生长旺盛期，因此实际蒸散量达到最大值，CWSI全年最低，即最为湿润；9月、10月份为水稻和玉米的收获季节，气温与降水也逐渐降低，实际蒸散量降低，CWSI也逐渐升高，即干旱呈增加趋势。

3.3 ET，PET和CWSI空间分布特征

由图5可以看出，研究期间贵州省ET均值呈东南高、西北低的分布，而PET呈东北低、西南高的分布特征。20 a间ET的变化趋势主要呈东西两侧减少南北部增加，其中黔东南州减小的速率最快，PET的变化趋势主要为中部减少四周增加。CWSI年均值分布受到ET和PET共同影响，在空间上呈东南低，西北高分布趋势(图6)。结合图5—6发现，在ET高值PET低值地区，CWSI值低，为湿润地区；ET值低PET值高的地区，CWSI值高，属于干旱地区。CWSI多年均值为0.43，处于轻旱等级，其中：处于无旱等级的面积占全省国土面积的44%，主要分布在东部；轻旱地区面积占贵州省总面积的55%，主要分布于西部；中旱面积占1%，主要集中在西北部。贵州省干旱区主要分布在毕节市和六盘水，此地为贵州省平均海拔最高处，植被稀疏、气温低、气压高，降水量相对较少，导致其实际蒸散量低，陆面和大气在下垫面水分不足时相互作用更剧烈而导致PET增大[15]，因此CWSI值更高；湿润区集中在黔东南州，当地有大面积植被覆盖，地势低气温高，降雨量较大，因此ET值偏高而PET较低。通过对贵州省各州市的CWSI值统计，由小到大依次为：黔东南州(0.36)<铜仁市、黔南州(0.38)<遵义市(0.40)<贵阳市(0.42)<安顺市(0.46)<毕节市(0.51)<六盘水(0.55)。整体上黔东南州、铜仁市和黔南州处于无旱状态，是由于这三地地势较低，植被覆盖度高降水多的原因。遵义市、贵阳市、安顺市、毕节市和六盘水处于轻旱状态，是因为地势相对较高，植被盖度低降水少。CWSI趋势越小与p值越小的空间大体一致(图6)，说明其减小的变化趋势可信度高。CWSI的波动状态可由CV值来衡量，贵州省CWSI的平均CV值为0.1，大部分地区的CV值小于0.1，表明研究期间贵州省干旱变异程度非常稳定。

图4 贵州省ET，PET和CWSI年内变化

图5 2000-2019年贵州省ET，PET年均值及ET，PET变化趋势空间分布

图6 2000-2019年CWSI年均值、变化趋势、趋势的显著性p值和CV值空间分布

3.4 不同地貌区的CWSI变化

贵州省喀斯特岩溶地貌广布，不同岩溶地貌类型区域的岩性、土壤和水分等因素直接影响当地植被的生长状况，CWSI也在不同地貌区存在显著的差异性，因此，非常有必要对不同岩溶地貌对CWSI的影响作对比分析。与喀斯特地貌相比，非喀斯特地貌植被覆盖度较喀斯特地貌区高，因此非喀斯特地貌区ET值较喀斯特地貌值略高。在喀斯特地貌中，峰丛洼地的ET值最高，因为ET除了受到下垫环境面影响外，还与气候条件有关，峰丛洼地位于贵州省南部，较靠近赤道和海岸线，因此气温和降水较高。岩溶峡谷位于西北地区，地势偏高、降水少、气温低、植被覆盖度低，因此ET值偏低。

通过对不同岩溶地貌多年CWSI均值统计结果显示(表2)，多年各岩溶地貌的CWSI均值差别较大，由小到大依次为：非喀斯特地貌(0.36)<岩溶槽谷(0.39)<岩溶高原(0.43)<峰丛洼地(0.44)<岩溶峡谷(0.55)<断陷盆地(0.57)。整体上除了非喀斯特地貌外，其他岩溶地貌均处于轻旱等级。结合ET与PET分布来看，非喀斯特地貌ET值大，PET值偏小，因此CWSI值较小，即气候湿润；断陷盆地ET值偏低，而PET较高，因此CWSI值较高，即气候干燥。与喀斯特地貌相比，非喀斯特地貌有更适合植被生长的下垫面条件，植被覆盖度高，保水能力强，且地势较低，气温高，实际蒸散量大，因此CWSI值较低，即较喀斯特地貌湿润。喀斯特地貌地区都伴随着不同程度的石漠化，不利于植被的生长，加上喀斯特岩溶地貌的地表和地下通常有溶洞，容易造成水分的流失，保水能力弱，且海拔较高，气温低，实际蒸散量小，因此易发生干旱。说明在相同地区，喀斯特地貌较非喀斯特地貌更易发生干旱。

通过Mann-Kendall检验计算每个像元的Z值，用来进一步分析不同地貌CWSI的动态变化。由图7可看出，贵州全省不同地貌CWSI动态变化基本分为显著性减少和不显著性减少两部分，进一步说明贵州省在2000—2019年，干旱呈现减缓的趋势。其不明显减少主要集中在西北部分地区，即干旱较严重地区。经统计，不同岩溶地貌的Z均值分别为：峰丛洼地(-3.43)<岩溶高原(-2.92)<非喀斯特地区(-2.69)<断陷盆地(-2.63)<岩溶槽谷(-2.49)<岩溶峡谷(-2.47)。峰丛洼地减少最为显著，说明其旱情的缓解趋势速率最快。

表2 不同地貌多年ET，PET，NDVI、降水、气温、CWSI统计

图7 CWSI年际变化趋势类型空间分布

3.5 不同植被类型CWSI变化

将土地利用类型经过合并和剔除不需要像元，重新分类为针叶林、阔叶林、混交林、灌丛、草地、耕地。经统计得到2000—2019年不同植被类型ET，PET和CWSI年均值(图8)。多年ET均值排序为：混交林(499.26 mm)<草地(644.41 mm)<耕地(681.75 mm)<阔叶林(717.05 mm)<灌丛(782.42 mm)<针叶林(795.35 mm)。混交林较之其他林地，林内的气温、地温变幅小，风速降低，导致ET较少[28]；针叶林叶面积小，单位面积光合作用都小于其他林地，ET值理应较小，但也正是叶面积小，冠层对光照的阻挡减小，相同光照条件下地表收到的热量更多，因此ET值更大；灌丛地表枯落物层较薄，土壤水蒸发迅速[28]，因此ET值要高于阔叶林；草地由于其地表覆盖，减少了土壤水分的蒸发，因此ET值低于阔叶林地。不同植被类型CWSI多年均值由小到大依次排序为：针叶林(0.38)<灌丛(0.41)<阔叶林(0.42)<耕地(0.46)<草地(0.48)<混交林(0.61)。CWSI排序与ET保持一致，说明实际蒸散量对不同植被类型的干旱影响较大。

图8 不同植被类型多年ET，PET，CWSI均值

再结合变异系数CV值来分析不同植被CWSI年际变化的稳定性，经统计得出：混交林(0.03)<草地=耕地(0.06)<阔叶林(0.08)<针叶林(0.09)<灌丛(0.1)。干旱的发生主要与气象因子相关，不同植被类型CWSI值的波动差异与其对气象因子的敏感性响应有关。灌丛与针叶林的CV值较高，表明灌丛与针叶林对气象因子的敏感性高，即抗旱能力越强。

3.6 CWSI变化的影响因素分析

综上研究得出ET是影响CWSI的主要因素，影响ET的因素主要又为植被、降水和气温，由于植被的长势是受降水和气温共同影响的结果，因此本文着重分析降水和气温对贵州省CWSI的影响。为了更好的分析降水和气温对CWSI的影响，利用气象站点收集的降水和气温数据，先采用在复杂地形条件下效果较好的薄盘光滑样条函数(Anusplin)插值法对气象数据进行空间插值，然后逐像元计算2000—2019年CWSI与降水和气温的相关系数。由图可以看出降水与CWSI呈负相关，在降水量大的东南地区，CWSI值较小，在降水小的西北地区，CWSI值较大。统计得出，降水与CWSI呈负相关关系，呈负相关关系的面积占总面积的95%，表明降水量越大，CWSI值越小，呈正相关关系区域主要集中在黔西南，这主要是因为干旱是受综合因素影响的，除了降水还受到气温、植被、地形、人类活动等因素影响。CWSI与气温正负关系并存，但主要为负相关，负相关面积占总面积的54%，主要集中在黔东南州和安顺市，究其原因，在原本湿润区气温升高，会促进ET的增长，从而使得CWSI值变小。呈正相关的地区主要分布在降水较少、植被指数较低的西部、中部和北部地区。综合分析得出，在贵州CWSI受降水的影响较大，降水多的东南方地区，CWSI值低；在降水少的西北地区，CWSI值较高(图9)。

图9 2000-2019年贵州省降水、气温均值及其与CWSI相关系数空间分布

4 讨论与结论

干旱指数众多，不同指数的计算方法、所需数据和适用区域各有不一。在已有研究中，MOD16数据集在实际蒸散量估算和干湿模式监测等领域已经取得了显著性成效[29-31]，因此本文采用MOD16数据集进行CWSI估算，并对计算结果进行了适用性验证，从而减少了结果的不确定性。从时空分布和变化趋势上较基于站点数据计算的干旱指数更为精准。

本文基于CWSI分析了贵州省2000—2019年干旱的时空特征，且分析了气候和下垫面环境对其干旱的影响情况，为贵州省的干旱研究提供了更多参考。但影响干旱的主要因素除气候、下垫面条件外，人类活动的影响也不容忽视，未来需要进一步研究人类活动对贵州省的干旱影响和各影响因子对干旱影响的贡献率等。

本研究基于作物缺水指数(CWSI)、气温和降水等数据，采用Theil-Sen Median趋势分析和Mann-Kendall检验相结合、变异系数和相关性分析法，对贵州省2000—2019年作物缺水指数的时空分布特征及影响因素分析，得出以下结论：

(1) 研究期间贵州省CWSI年均值分布受到ET和PET共同影响，在空间上呈东南低，西北高的分布特征；多年均值为0.43，整体上处于轻旱等级；整体呈减小趋势，表明贵州省旱情得到缓解。各州市CWSI多年均值排序为：黔东南州(0.36)<铜仁市、黔南州(0.38)<遵义市(0.40)<贵阳市(0.42)<安顺市(0.46)<毕节市(0.51)<六盘水(0.55)。

(2) CWSI年内变化具有明显的季节性，整体上呈先增加后减弱的趋势：最大值在4月，为0.53；最小值在6月，为0.33。除夏季外，其他季节均处于轻旱等级。

(3) 多年CWSI均值在不同地貌的分布为：非喀斯特地貌(0.36)<岩溶槽谷(0.39)<岩溶高原(0.43)<峰丛洼地(0.44)<岩溶峡谷(0.55)<断陷盆地(0.57)，说明在贵州省，喀斯特岩溶地貌对干旱的影响较大；在不同植被类型的排序为：针叶林(0.38)<灌丛(0.41)<阔叶林(0.42)<耕地(0.46)<草地(0.48)<混交林(0.61)，其中针叶林与灌丛的CV值较其他林地高，说明其对气候因子的敏感性高，抗旱能力强。

(4) 在贵州省，CWSI与降水、气温均呈负相关关系，面积占比分别为95%和54%，说明降水对贵州省干旱的影响较大。