基于多源遙感數(shù)據(jù)的農(nóng)業(yè)干旱監(jiān)測模型構(gòu)建及應(yīng)用

溫慶志,孫 鵬,3,*,張 強(qiáng),劉嘉敏,史培軍

1 安徽師范大學(xué)地理與旅游學(xué)院, 蕪湖 241002 2 安徽省水利部淮河水利委員會水利科學(xué)研究院,水利水資源安徽省重點(diǎn)實(shí)驗室,蚌埠 233000 3 北京師范大學(xué)地表過程與資源生態(tài)國家重點(diǎn)實(shí)驗室,北京 100875 4 北京師范大學(xué),環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗室, 北京 100875

淮河流域是中國重要商品糧基地,以占全國10%的耕地面積生產(chǎn)全國近20%的糧食,平均每年向國家提供的商品糧約占全國商品糧的1/4,為國家糧食安全提供了強(qiáng)有力的保障[1- 3]。而淮河上游區(qū)域“無降水旱、有降水澇、強(qiáng)降水洪”[4],在1966、1978、1994、2001、2008和2010年淮河流域大部分地區(qū)均發(fā)生了特大干旱,嚴(yán)重干旱發(fā)生6次；進(jìn)入21世紀(jì)以來發(fā)生特大干旱3次,年均受旱面積269.8萬hm2,成災(zāi)面積140.8萬hm2,分別占全流域耕地面積的21%和11%[5],且隨著經(jīng)濟(jì)社會的快速發(fā)展、需水量的不斷增長,流域干旱災(zāi)害的發(fā)生頻率和造成的損失呈加劇趨勢。嚴(yán)重的干旱災(zāi)害不僅影響工業(yè)生產(chǎn)、城鄉(xiāng)供水、人民生活和生態(tài)環(huán)境,給國民經(jīng)濟(jì)造成重大損失,同時還威脅著國家的糧食安全。

淮河流域干旱研究主要集中于干旱指數(shù)的適應(yīng)性對比研究[6- 10],不同干旱指數(shù)在淮河流域不同省份的適用效果差異較大。另有研究開展淮河流域旱澇時空特征的分析,從極端降水、水氣輸送等方面開展淮河流域旱澇特征成因探討[2,4,11- 12]。已有研究基于觀測站點(diǎn)數(shù)據(jù),而觀測站點(diǎn)數(shù)量有限且分布不均,難以保障大范圍適時有效的干旱監(jiān)測[13],基于多源數(shù)據(jù)的干旱監(jiān)測可彌補(bǔ)已有研究的不足。國內(nèi)外諸多研究基于土壤水分脅迫、植被生長狀態(tài)和氣象降水盈虧等因素,構(gòu)建綜合干旱監(jiān)測模型以期準(zhǔn)確反映研究區(qū)重大干旱過程[14- 17]。但對淮河流域的綜合干旱監(jiān)測研究并不多,與區(qū)域洪旱災(zāi)害研究的重大需求不相適應(yīng),因此,本文綜合了大氣-植被-土壤相互作用所涉多元成因,構(gòu)建了適用于淮河流域的綜合遙感干旱監(jiān)測模型(IRSDI, Integrated remote sensing drought monitoring index),以探討該區(qū)干旱時空特征及可能成因,為淮河流域防旱抗旱實(shí)踐提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

選用2001年1月—2013年12月淮河流域40個氣象站點(diǎn)逐日降水量、日均氣溫及風(fēng)速等資料,站點(diǎn)位置如圖1所示。缺測數(shù)據(jù)處理如下：如最大連續(xù)缺測數(shù)據(jù)小于5天,用相鄰數(shù)據(jù)線性插補(bǔ)；如大于5天,用最大搜索半徑為400km的相鄰站點(diǎn)進(jìn)行線性插補(bǔ)。氣象數(shù)據(jù)由中國氣象局國家氣象信息中心提供。土壤墑情數(shù)據(jù)為2001—2013年28個站點(diǎn)旬尺度10cm和20cm數(shù)據(jù),土壤墑情為土壤的濕度情況用土壤含水量占烘干土重的百分?jǐn)?shù)表示,該數(shù)據(jù)由淮河水利委員會提供。另有2003—2013的MODIS地表反射數(shù)據(jù)(MOD09A1)、植被指數(shù)(MOD13A3)和地表溫度(MOD11A2)等數(shù)據(jù)。MOD09A1為8天合成的地表植被指數(shù),分辨率為0.5km；MOD13A3為16天合成的地表植被指數(shù),分辨率為0.25km；MOD11A2為每8天合成的地表溫度,分辨率為1km,采用分裂窗算法反演獲得[18]。2010年淮河流域土地利用圖,來自中科院地理科學(xué)與資源研究所的共享數(shù)據(jù)的2010年中國土地利用現(xiàn)狀遙感監(jiān)測數(shù)據(jù)(http://www.resdc.cn/)。

圖1 淮河流域示意圖Fig.1 Location of meteorological station in the Huaihe River Basin

1.2 研究方法

1.2.1標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)

Vicente-Serrano等[19]提出用SPEI指標(biāo)來研究旱澇。該指標(biāo)同時考慮降水(P)和潛在蒸散發(fā)(PET),其中潛在蒸散發(fā)指的是在水足夠多的情況下所能產(chǎn)生的蒸發(fā)和蒸騰總量,采用彭曼公式計算。SPEI計算方法原理是用降水量與蒸散量的差值偏離平均狀態(tài)的程度來表征某地區(qū)的干旱的。

1.2.2遙感干旱指數(shù)

目前,國內(nèi)外學(xué)者利用地表作物反射光譜信息進(jìn)行了大量研究,建立了數(shù)十種遙感干旱指數(shù)?？偟膩碚f,遙感干旱指數(shù)可分為4大類,分別為作物冠層溫度,作物形態(tài)和綠度,土壤水分變化和植被水分變化[20-24]。在現(xiàn)有的研究里,通常只選用一種遙感指數(shù)來監(jiān)測區(qū)域干旱事件,從而導(dǎo)致了部分區(qū)域出現(xiàn)監(jiān)測結(jié)果與實(shí)際情況不相符的情況[25]。其主要原因在于,各遙感干旱監(jiān)測指標(biāo)具有不同的時空適用性。因此,對不同區(qū)域、不同作物生長階段進(jìn)行遙感干旱監(jiān)測時,應(yīng)該選取最適合的農(nóng)業(yè)干旱監(jiān)測指數(shù),本研究從遙感干旱指數(shù)4大類分別選擇一個與土壤墑情擬合最優(yōu)的構(gòu)建綜合遙感干旱監(jiān)測模型。

1.2.3趨勢分析

趨勢度檢驗法廣泛應(yīng)用于氣象及水文過程的非參數(shù)趨勢分析方法,近年來也被應(yīng)用于遙感時序數(shù)據(jù)趨勢分析中[26,27]。M-K檢驗法對數(shù)據(jù)樣本分布不做要求,特別適合于非正態(tài)分布的時序數(shù)據(jù),此外其能夠避免時間序列數(shù)據(jù)缺失對分析結(jié)果的影響,且能剔除異常值的干擾。對于有時間序列的綜合干旱監(jiān)測模型,i=1,2,3,…,n,SEN趨勢公式[28]：

(1)

公式中,10顯示綜合干旱指數(shù)有增加趨勢,反之亦然。SEN趨勢顯著性判斷采用M-K法及測定各種變化趨勢的起始位置。

2 淮河流域綜合遙感干旱監(jiān)測模型構(gòu)建及適用性

2.1 16種指數(shù)在淮河流域的分類和建模指數(shù)選取

結(jié)合李阿倫等[29]分析了各層土壤水,得出20cm土層含水量最為穩(wěn)定,是表征土壤墑情是良好指標(biāo)；馬瑞昆等[30]研究表明在淺層地下供(20cm)水與作物的單株生物量、單株穗數(shù)和單株粒重的表現(xiàn)最好；劉榮花等[31]在研究鄭州冬小麥根系田間試驗表明冬小麥根長密度主要集中在0—50cm,占總根部的57.7%,20cm處于0—50cm的中間部位,研究20cm土壤墑情能夠直觀反映出土壤中作物吸收水分的多少,故選用20cm土壤墑情作為本文的研究參考指標(biāo)。

表1 農(nóng)業(yè)干旱遙感監(jiān)測指標(biāo)

TCI: temperature conditional index; TVDI: temperature vegetation drought index; VSWI: vegetation water supply index; VTCI: vegetation conditional temperature index; AVI: abnormally vegetation index; EVI: enhanced vegetation index; RVI: ratio vegetation index; NDVI: normalized difference vegetation index; VCI: vegetation conditional index; MPDI: modified perpendicular dryness index; PDI: perpendicular dryness index; VSDI: visible light and short-wave infrared drought index; GVMI: global vegetation moisture index; LSWI: land surface water index; SIVWLI: short-wave infrared vertical water loss index; WSI: water stress index; RS: remote sensing

圖2表明,相關(guān)系數(shù)越大,置信度相對也越大,表示兩者的相關(guān)關(guān)系越強(qiáng),本文中依據(jù)遙感干旱指數(shù)的分類,從4大類中分別選擇遙感干旱指數(shù)與20cm土壤墑情的置信度最大的作為本文的遙感干旱指數(shù)。由圖2可知,遙感干旱指數(shù)的相關(guān)系數(shù)和顯著性系數(shù)均較大,反映冠層溫度變化的條件溫度指數(shù)(TCI)的置信度0.991是最大的、反映植被綠度變化的距平指數(shù)(AVI)的置信度0.995是最大的,反映土壤水分變化的可見光和短波紅外干旱指數(shù)(VSDI)的置信度0.994是最大的,反映植被水分變化的全球植被水分指數(shù)(GVMI)的置信度0.99是最大,因此本文選擇上述干旱指數(shù)作為本文研究的遙感干旱指數(shù)。

圖2 16種遙感干旱指數(shù)和20cm土壤墑情相關(guān)系數(shù)Fig.2 Correlation coefficient of sixteen Remote sensing drought index and 20cm soil moisture

圖3 綜合遙感干旱監(jiān)測模型構(gòu)建流程圖Fig.3 Integrated remote sensing drought monitoring index modeling developing

2.2 綜合遙感干旱監(jiān)測模型的構(gòu)建

綜合國內(nèi)外研究,農(nóng)業(yè)干旱的定義是土壤水分供給無法滿足作物水分的需求導(dǎo)致的作物水分虧缺,通常最先表現(xiàn)為降水減少導(dǎo)致的土壤墑情缺少,同時伴隨著作物蒸騰的不斷失水,最終作物體內(nèi)水分無法滿足正常的生理活動,表現(xiàn)為抑制作物生長,進(jìn)而會出現(xiàn)農(nóng)作物減產(chǎn)或者絕收,且干旱對農(nóng)作物不同生育期的影響存在顯著差異[32- 35]。

基于上述的研究表明,農(nóng)業(yè)干旱過程由多種致災(zāi)因子決定,不但涉及到大氣降水、植被生長狀態(tài)和土壤水分脅迫等因素,而且還與蒸發(fā),土壤有效持水量等因素有關(guān)系。單個指數(shù)對干旱反映存在著不足,致災(zāi)因子之間的耦合關(guān)系復(fù)雜,由于數(shù)據(jù)的局限性和干旱成因復(fù)雜性導(dǎo)致不能全面反映農(nóng)業(yè)干旱與氣象干旱、土壤干旱、蒸發(fā)之間的關(guān)系,因此為彌補(bǔ)數(shù)據(jù)自身的缺陷和完善干旱監(jiān)測機(jī)理,干旱監(jiān)測研究更加趨向于多源信息的綜合方法研究。本文研究基于農(nóng)業(yè)干旱指數(shù)的定義,選擇能夠反映冠層溫度變化、植被綠度變化、土壤水分變化和植被水分變化的遙感數(shù)據(jù)構(gòu)建綜合遙感干旱監(jiān)測模型,綜合遙感干旱監(jiān)測模型既能反映土壤水分的變化,又能反映農(nóng)作物的水分虧缺狀況,具體的模型構(gòu)建和驗證流程如圖3所示。

本文從16種最常用的遙感指數(shù)中(表1),通過相關(guān)性分析,篩選出反映冠層溫度變化、植被綠度變化、土壤水分變化和植被水分變化的最優(yōu)的遙感干旱指數(shù)分別是：條件溫度指數(shù)(TCI)、距平指數(shù)(AVI)、可見光和短波紅外干旱指數(shù)(VSDI)和全球植被水分指數(shù)(GVMI)。選用土壤墑情作為農(nóng)作物受旱的評價指標(biāo),但是淮河流域土壤墑情站點(diǎn)數(shù)量有限,在空間尺度上缺點(diǎn)明顯。因此,本研究選取22個農(nóng)業(yè)站點(diǎn)的20cm土壤墑情數(shù)據(jù)作為因變量,將2001—2013年基于MODIS遙感數(shù)據(jù)計算的經(jīng)標(biāo)準(zhǔn)化處理、異常值處理、殘缺值處理后的4個最優(yōu)的干旱指數(shù)(TCI、AVI、VSDI和GVMI)作為自變量。同時,考慮到不同農(nóng)業(yè)干旱遙感指數(shù)在干旱發(fā)展過程和作物不同生長階段的影響是不同的,因此本研究利用多元線性回歸方法建立了月尺度的綜合遙感干旱監(jiān)測模型(IRSDI,Integrated remote sensing drought monitoring index),建模過程同時考慮相關(guān)性系數(shù)、模型復(fù)雜性、擬合優(yōu)度以及均方誤差,建立并選取合適綜合遙感干旱模型(表2),P值均小于0.01。為了進(jìn)一步驗證構(gòu)建模型的可行性,利用未參與建模的6個土壤墑情數(shù)據(jù)、標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)和與對應(yīng)的像元的綜合遙感干旱監(jiān)測模型進(jìn)行相關(guān)性分析,同時利用淮河流域山東、河南、安徽和江蘇四個省份的實(shí)際受旱面積、成災(zāi)面積與對應(yīng)像元的綜合遙感干旱監(jiān)測模型進(jìn)行適用性驗證,最終輸出空間分辨率為500*500的綜合遙感干旱監(jiān)測模型(IRSDI)的柵格結(jié)果。

圖4是綜合遙感干旱監(jiān)測模型(IRSDI)與參與建模的22個農(nóng)業(yè)站點(diǎn)的土壤墑情(SOIL)的擬合散點(diǎn)圖,均通過了P<0.01的顯著性檢驗,能夠非常好的反映農(nóng)業(yè)干旱。綜合遙感干旱監(jiān)測模型(IRSDI)是依據(jù)土壤墑情而建立的模型,因此綜合遙感干旱監(jiān)測模型(IRSDI)的數(shù)值含義和單位跟土壤墑情是一致的。IRSDI數(shù)值越大,表示土壤濕度越濕潤；IRSDI數(shù)值越小,表示土壤濕度越小就越干旱。

表2 綜合遙感干旱監(jiān)測模型

圖4 綜合遙感干旱監(jiān)測模型與建模站點(diǎn)20cm土壤墑情的散點(diǎn)圖Fig.4 Scatter plots of 20cm soil moisture and IRSDI

2.3 淮河流域綜合遙感干旱監(jiān)測模型的適用性分析

2.3.1綜合遙感干旱監(jiān)測模型與土壤墑情、標(biāo)準(zhǔn)化降水蒸散指數(shù)相關(guān)性分析

農(nóng)田土壤墑情的預(yù)測既是農(nóng)田水分平衡及土壤-植物-大氣連續(xù)體水分轉(zhuǎn)化研究的重點(diǎn),也是表征農(nóng)業(yè)干旱最好的一種監(jiān)測手段[36],Chen等[37]和Xu等[25]的研究表明標(biāo)準(zhǔn)化蒸散指數(shù)(SPEI)適用于監(jiān)測中國的氣象干旱。為了驗證綜合遙感干旱監(jiān)測模型在淮河流域的適用性,本研究在淮河流域隨機(jī)的選擇未參與建模的6個站點(diǎn),站點(diǎn)均勻分布在淮河流域,對其土壤墑情數(shù)據(jù)、標(biāo)準(zhǔn)化降水蒸散指數(shù)與綜合干旱指數(shù)進(jìn)行相關(guān)分析,結(jié)果顯示均通過了P<0.01的顯著性檢驗。

2.3.2綜合遙感干旱監(jiān)測模型受旱面積與統(tǒng)計年鑒受災(zāi)、成災(zāi)面積相關(guān)分析

為了驗證綜合遙感干旱監(jiān)測模型和農(nóng)業(yè)產(chǎn)量的關(guān)系,本文從安徽、河南、山東和江蘇四省的統(tǒng)計年鑒中統(tǒng)計出了2001—2013年淮河流域中四個省的地級市的旱災(zāi)受災(zāi)和成災(zāi)面積,再根據(jù)綜合遙感干旱監(jiān)測模型統(tǒng)計出來的各省以及全流域的受旱面積。利用綜合遙感干旱監(jiān)測模型統(tǒng)計出的受旱面積分別和統(tǒng)計年鑒的旱災(zāi)成災(zāi)面積、受災(zāi)面積進(jìn)行相關(guān)性分析(圖5)。從結(jié)果可以看出所有相關(guān)性均通過了P<0.01的顯著性檢驗,R2均大于0.3。綜合遙感干旱監(jiān)測模型統(tǒng)計出來的受旱面積和統(tǒng)計年鑒的成災(zāi)面積的相關(guān)性高于受災(zāi)面積,這表明綜合遙感干旱監(jiān)測模型的干旱監(jiān)測情況是能夠很好監(jiān)測出淮河流域的旱災(zāi)所造成的面積的,綜合遙感干旱監(jiān)測模型對農(nóng)業(yè)干旱成災(zāi)面積相關(guān)關(guān)系要高于受災(zāi)面積,這也表明了綜合遙感干旱監(jiān)測模型能夠更好的監(jiān)測旱災(zāi)成災(zāi)面積,也可以準(zhǔn)確的對淮河流域的干旱情況進(jìn)行客觀的評價。

表3 綜合遙感干旱監(jiān)測模型干旱等級劃分

圖5 綜合遙感干旱監(jiān)測模型受旱面積與統(tǒng)計年鑒旱災(zāi)受災(zāi)面積、成災(zāi)面積相關(guān)性示意圖Fig.5 Correlation of IRSDI′s droughts area and statistical yearbook′s damage area and disaster area in Huaihe River Basin

3 淮河流域干旱時空特征研究

3.1 淮河流域干旱統(tǒng)計特征

圖6 淮河流域2010年土地利用圖Fig.6 The land use map等 of Huai River Basin in 2010

研究選用2010年淮河流域土地利用圖(圖6),從中提取水田與旱地,二者面積之和作為淮河流域耕地面積,疊合淮河流域干旱面積圖,最終得到淮河流域耕地干旱面積,水田干旱面積以及旱地干旱面積信息。利用2003—2013年淮河流域各省干旱面積與淮河流域面積的比值,得到圖7各省干旱面積占淮河流域總面積的比重。圖7是基于綜合遙感干旱監(jiān)測模型像元計算的淮河流域和各省份的旱災(zāi)受災(zāi)面積占流域面積的比例變化趨勢圖,由圖7知：大范圍干旱主要發(fā)生在4—10月,其中5月、7—9月受旱面積最大,平均受旱面積分別達(dá)8.1×104km2,5.8×104km2,6.6×104km2和10.7×104km2,其中9月份受旱面積最大。受旱面積最大的年份為2003年和2011年,平均受旱面積達(dá)6.8×104km2和5.2×104km2,歷史資料表明2003和2011年淮河流域均曾發(fā)生過大旱,進(jìn)一步驗證了綜合遙感干旱監(jiān)測模型適用于淮河流域的干旱監(jiān)測。據(jù)統(tǒng)計,淮河流域多年平均干旱面積占淮河流域面積比例達(dá)到17%,從淮河流域的行政區(qū)劃來看,淮河流域河南地區(qū)多年平均受旱面積占淮河流域河南地區(qū)面積的20%,淮河流域安徽地區(qū)、山東地區(qū)和江蘇地區(qū)多年平均受旱面積占淮河流域相應(yīng)地區(qū)面積的18%、17%和15%。另外,河南區(qū)域干旱面積占淮河流域多年平均干旱面積比重最大,達(dá)38%；其次是安徽的22% 、江蘇的21%和山東的19%。因此,淮河流域河南區(qū)域是淮河流域受災(zāi)面積最大的地區(qū),河南、安徽部分是淮河流域的小麥種植區(qū),對于小麥生長來說,4—6月為灌漿-成熟時期,該時期缺水對小麥糧食產(chǎn)量影響巨大,因此應(yīng)該加強(qiáng)對這部分地區(qū)的干旱監(jiān)測及預(yù)警?；春恿饔蛏綎|,江蘇,安徽和河南區(qū)域研究期內(nèi)受旱面積變化與全淮河流域變化大致相同,江蘇,安徽區(qū)域受旱面積最大的年份均為2003年和2011年,但山東區(qū)域受旱面積最大的年份為2003年和

圖7 淮河流域干旱受災(zāi)面積變化趨勢圖Fig.7 Trend of drought area in Huai River Basin

圖8 淮河流域耕地干旱面積變化趨勢圖Fig.8 Trend of dimension of drought area in Huai River Basin

2005年,河南受旱面積最大的年份為2003年和2010年。從月份來看,淮河流域四個區(qū)域受旱面積較大的月份均為5月、7—9月,其中山東,安徽,河南區(qū)域受旱面積最高的月份為9月,5月次之,而江蘇受旱面積最大的月份為9月,8月次之。

從圖8可知,淮河流域耕地,水田與旱地的干旱變化趨勢基本一致,同時也與分省的干旱變化趨勢相同。其中4—5月,7—9月受旱面積較大,受旱面積較大的年份均為2003年,2006年和2010年。但是淮河流域的旱地受旱面積比重大于水田受旱面積比重,水田的干旱發(fā)生頻率均低于0.2,而旱田的干旱發(fā)生頻率最高達(dá)0.8,干旱發(fā)生頻率超過0.2的有7次之多。

3.2 淮河流域干旱月尺度時空特征研究

圖9 淮河流域1—12月輕旱頻率Fig.9 Frequency of mild drought in the Huaihe River Basin from January to December

圖9—圖11是根據(jù)綜合遙感干旱監(jiān)測模型劃分標(biāo)準(zhǔn),基于遙感數(shù)據(jù)像元統(tǒng)計分析,得到的月尺度的不同干旱等級時空分布圖。從月干旱頻率來看,4—5月、7—9月的受旱頻率相對較高,這與大范圍干旱發(fā)生的月份相似。其中輕旱發(fā)生頻率主要分布在淮河流域中部,在4—5月,7—9月發(fā)生頻率最大(圖9)。中旱發(fā)生頻率高的部分與輕旱相似,但是范圍和頻率都有所減少(圖10)。重旱的發(fā)生頻率主要集中在4月和8—9月(圖11),與輕旱發(fā)生頻率較高的月份相似,但分布范圍大體上隨月份從中西部向中東部變化。而從淮河流域多年平均干旱頻率及分布來看(圖12),輕旱發(fā)生的頻率明顯高于中旱和重旱,最高值為0.59,集中在河南、江蘇部分,山東地區(qū),中旱發(fā)生的區(qū)域主要在江蘇西部和河南西北部,而淮河流域的重旱發(fā)生的頻率明顯低于輕旱和中旱,重旱平均發(fā)生頻率僅為0.03。

圖10 淮河流域1—12月中旱頻率Fig.10 Frequency of moderate drought in the Huaihe Basin from January to December

圖11 淮河流域1—12月重旱頻率Fig.11 Frequency of extreme drought in the Huaihe River Basin from January to December

圖12 淮河流域干旱頻率分布圖Fig.12 Frequency of drought in the Huaihe River Basin

3.3 基于綜合遙感干旱監(jiān)測模型的淮河流域干旱時空特征分析

圖13是在90%的顯著性水平下的Sen趨勢度圖,結(jié)合《淮河流域農(nóng)作物旱澇災(zāi)害損失精細(xì)化評估》[38]和圖13,淮河流域的主要作物為冬小麥、夏玉米和一季稻。冬小麥的生長期是在10月中旬到次年的5月下旬,由圖13可知11—12月和3—7月以負(fù)值為主,3—4月份是冬小麥的生長關(guān)鍵期(拔節(jié)至抽穗期)這個時段干旱的加劇對冬小麥的產(chǎn)量影響較大,從空間分布來看3—7月干旱的加劇主要集中在淮河流域的中西部,這也與前面的淮河流域分省中安徽與河南干旱面積比重較高的原因之一。對于夏玉米來說,生長期是6月到9月,圖13可知6—7月淮河流域中部和東部有大范圍下降的區(qū)域,夏玉米生長關(guān)鍵期為7月中旬到8月份,并且夏季溫度較高,因此需要對夏玉米的生長關(guān)鍵期進(jìn)行重點(diǎn)觀測。水稻的生長期5月上旬到10月,生長關(guān)鍵期為7—8月(拔節(jié)抽穗期)。從圖13看出7月和9月在淮河流域的水稻種植區(qū)(南部和沿淮區(qū)域)有下降的趨勢,干旱的強(qiáng)度將加劇,在水稻的需水關(guān)鍵期重點(diǎn)監(jiān)測沿淮地區(qū)。

圖13 淮河流域Sen趨勢度圖Fig.13 Sen′s slope of the Huaihe River Basin

4 結(jié)論

本研究基于氣象數(shù)據(jù)、土壤墑情數(shù)據(jù)和遙感數(shù)據(jù),綜合了大氣-植物-土壤相互作用所涉及的多元成因,構(gòu)建了一個適用于淮河流域的綜合遙感干旱監(jiān)測模型,探討淮河流域干旱時空演變規(guī)律,具體結(jié)論如下：

(1)植被綠度變化、植物生長狀態(tài)、冠層溫度變化、作物水分變化等因子構(gòu)建綜合遙感干旱監(jiān)測模型,利用土壤墑情和典型年份以及統(tǒng)計年鑒中的旱災(zāi)成災(zāi)面積、受災(zāi)面積對綜合遙感干旱監(jiān)測模型的適用性進(jìn)行評價,通過了P<0.01的顯著性檢驗,可綜合反映出農(nóng)業(yè)和氣象干旱的復(fù)合信息。

(2)綜合遙感干旱監(jiān)測模型所呈現(xiàn)出來的干旱面積和干旱頻率大都集中在4—5月和7—9月?；春恿饔蚋珊得娣e和干旱頻率大都集中在4—5月和7—9月,9月份受旱面積最大。河南省是淮河流域受旱頻率最高,其干旱面積占淮河流域多年平均干旱面積比重最大(38%),其次是安徽的22%?；春恿饔蚝档睾退锇l(fā)生干旱頻率與淮河流域整體一致,但是旱地發(fā)生干旱頻率高于水田發(fā)生干旱頻率,淮河流域的安徽、河南部分都是小麥種植區(qū)域,所以應(yīng)該加強(qiáng)對這部分地區(qū)的干旱監(jiān)測及預(yù)警。

(3)基于綜合遙感干旱監(jiān)測模型對淮河流域干旱演變的分析得知,淮河流域2月、3月和5月干旱會有減弱趨勢,而1月、4月和6月則有增強(qiáng)趨勢?；春恿饔蛐←湽酀{-成熟時期(4—6月)缺水對小麥糧食產(chǎn)量影響巨大,結(jié)合淮河流域干旱趨勢,需加強(qiáng)4月份對淮河流域小麥的干旱監(jiān)測。