基于多源遙感數(shù)據(jù)的黃淮海平原農(nóng)業(yè)干旱監(jiān)測研究

張兆旭秦其明

(1.北京大學(xué)地球與空間科學(xué)學(xué)院遙感與地理信息系統(tǒng)研究所，北京 100871；2.天津工業(yè)大學(xué)環(huán)境科學(xué)與工程學(xué)院，天津 300387)

全球有逐漸變暖的發(fā)展趨勢，不同地區(qū)的干旱頻繁發(fā)生，對人類以及社會產(chǎn)生了極大影響，且影響趨勢不斷加劇。黃淮海平原是我國糧食生產(chǎn)的主要產(chǎn)區(qū)之一，農(nóng)田面積約為2.6萬km2，農(nóng)業(yè)干旱長期以來影響著黃淮海平原的糧食生產(chǎn)[1]。

在黃淮海平原，多名國內(nèi)外學(xué)者對該區(qū)域進(jìn)行了干旱監(jiān)測與評估，主要包括基于站點(diǎn)數(shù)據(jù)的干旱監(jiān)測以及基于遙感數(shù)據(jù)的農(nóng)業(yè)干旱監(jiān)測[2,3]。徐煥穎等基于MODIS反射率產(chǎn)品、溫度產(chǎn)品和氣象站點(diǎn)降雨數(shù)據(jù)等，采用改進(jìn)歸一化水指數(shù)(MNDWI)、植被健康指數(shù)(VHI)和標(biāo)準(zhǔn)化降水指數(shù)(SPI)3個(gè)干旱監(jiān)測指數(shù)，對黃淮海平原2001—2012年干旱情況進(jìn)行監(jiān)測，分析其空間、季節(jié)、年際變化規(guī)律及其潛在原因，并根據(jù)結(jié)果確定3個(gè)指數(shù)的使用條件[4]。Bo等對潛在蒸散量(PET)的計(jì)算方法進(jìn)行了改進(jìn)，在標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEIPM)中引入了基于Penman-Monteith方程的PET估算方法，利用1962—2011年的歷史氣象資料計(jì)算SPEIPM，這一改進(jìn)提高了SPEI在華北平原的適用性[5]。Wang等利用7個(gè)干旱指數(shù)建立了華北平原干旱對作物產(chǎn)量影響的綜合干旱指數(shù)(ADI)，利用時(shí)間序列和面板回歸模型，研究了冬小麥播前和生育期氣候產(chǎn)量異常與ADI值的關(guān)系[6]。Liu等以黃淮海平原為研究區(qū)域，利用SPEI分析了干旱事件的時(shí)空特征，探討了干旱對冬小麥和夏玉米產(chǎn)量的影響[7]。Chen等探討了SIF在干旱監(jiān)測與評價(jià)中的應(yīng)用潛力，研究表明，華北平原2014年夏玉米生育期出現(xiàn)了一次嚴(yán)重干旱事件，表現(xiàn)為標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)、降水(PRE)、土壤水分(SM)顯著負(fù)異常，地表溫度(land surface temperature，LST)、氣溫差(DT)顯著正異常[8]。衛(wèi)潔等將氣象干旱指數(shù)與農(nóng)業(yè)干旱指數(shù)相結(jié)合，聯(lián)合使用SPEI、溫度植被干旱指數(shù)(TVDI)，多角度分析了黃淮海平原的干旱時(shí)空變化[9]。吳霞等將氣象資料和統(tǒng)計(jì)資料相結(jié)合，參考SPI計(jì)算公式，結(jié)合實(shí)際干旱災(zāi)情資料構(gòu)建夏玉米干旱指數(shù)(SPI10、SPI30)，并分析了黃淮海平原干旱的時(shí)空分布特征[10]。利用站點(diǎn)數(shù)據(jù)，檀艷靜等利用長期的站點(diǎn)氣象數(shù)據(jù)，采用不同的統(tǒng)計(jì)分析方法，實(shí)現(xiàn)了干旱的時(shí)空監(jiān)測[11]。高珊等選取降水量、地形地貌等指標(biāo)構(gòu)造干旱分區(qū)指標(biāo)體系，并利用K-均值聚類法對黃淮海地區(qū)進(jìn)行干旱分區(qū)[1]。陳征等人以黃淮海平原為研究區(qū)，以WaterGAP用水量模型的灌溉耗水量與取水量數(shù)據(jù)、帕默爾干旱指數(shù)(PDSI)數(shù)據(jù)為基礎(chǔ)，探討了黃淮海平原灌溉用水量變化特征及其與氣象干旱的關(guān)系[12]。Cui等采用改進(jìn)的日標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)監(jiān)測了1960—2017年黃淮海平原農(nóng)業(yè)干旱的時(shí)空變化特征[13]。Wan等利用衛(wèi)星遙感技術(shù)對東北和華北平原玉米種植區(qū)的干旱脅迫進(jìn)行了評價(jià)[14]。不同的干旱監(jiān)測指數(shù)考慮的角度不同，選用的一種或幾種指標(biāo)在農(nóng)業(yè)干旱監(jiān)測中各有側(cè)重，在監(jiān)測中達(dá)到了不同的監(jiān)測效果，但也暴露出上述指標(biāo)對農(nóng)業(yè)干旱響應(yīng)的滯后性。

農(nóng)作物的光合作用可以用來宏觀調(diào)控大氣乃至整個(gè)生物圈的氣體和能量的交換。SIF與農(nóng)作物的光合作用密切相關(guān)，是植被在太陽光照射下吸收能量后在650～800nm范圍內(nèi)發(fā)射出來的一種長波信號，可以被用來監(jiān)測植被生理狀態(tài)以及水分脅迫的情況。SIF和植物生長的方方面面密切相關(guān)。植物葉片反射的光譜也包含了葉片生化組分對入射光線的吸收等方面的相關(guān)信息，這2方面都可以提供比較多的植被相關(guān)信息[30]。在自然條件下所生產(chǎn)的熒光特征對植被各個(gè)領(lǐng)域的研究有著非常重要的意義和應(yīng)用價(jià)值[31]。植被吸收的太陽輻射會用于3種用途，光合作用、熱耗散以及重新釋放的熒光，葉綠素?zé)晒獾淖兓酥参锕δ芎蛯?shí)際吸收的光合有效輻射(APAR)的信息。SIF是植被光合作用吸收光后重新激發(fā)的能量，可以被廣泛應(yīng)用到研究農(nóng)作物光合作用強(qiáng)弱的信號[30]。干旱發(fā)生時(shí)，水分脅迫會造成植被生理狀態(tài)的變化，這種變化必然會導(dǎo)致SIF發(fā)生變化，通常是會讓光合作用和熒光量子產(chǎn)額減少[32]。許多研究已經(jīng)表明，SIF可以為早期預(yù)警和準(zhǔn)確監(jiān)測干旱事件提供獨(dú)特的、直接的時(shí)空變化的信息。

針對農(nóng)業(yè)干旱監(jiān)測中存在的問題，本文充分利用農(nóng)作物光合作用中葉綠素?zé)晒獗O(jiān)測農(nóng)田水分虧缺的探針作用，在充分了解光合作用過程的土壤水分虧缺變化與作物葉綠素?zé)晒忭憫?yīng)關(guān)系后，認(rèn)識到葉綠素?zé)晒膺b感數(shù)據(jù)可以及時(shí)反映農(nóng)田水分等虧缺帶來的脅迫作用與表現(xiàn)。為此采用葉綠素?zé)晒膺b感數(shù)據(jù)，結(jié)合植被指數(shù)、農(nóng)田蒸散發(fā)、大氣(降水)、土壤(土壤水分、地表溫度)等表征農(nóng)業(yè)干旱的信息，采用主成分分析(PCA)方法，將多源遙感數(shù)據(jù)作為輸入，構(gòu)建新的綜合干旱監(jiān)測指數(shù)(CDMI)，開展了黃淮海平原2000—2018年長期的農(nóng)業(yè)干旱監(jiān)測研究。

1 研究區(qū)概況

黃淮海平原是我國重要的農(nóng)業(yè)區(qū)之一。其面積遼闊，位于N30°～42°，E110°～125°，見圖1。黃淮海平原的年平均氣溫在10～15℃，年降水量在500～1000mm，降水變率大。年蒸發(fā)量在897～913mm[15]，田間蒸發(fā)旺盛。為了保持行政區(qū)域的完整性，本研究選取北京、天津、河北、河南、山東(3省2市)為研究區(qū)域。從圖1可以發(fā)現(xiàn)，該研究區(qū)內(nèi)土地利用類型主要以農(nóng)田為主，約占到了研究區(qū)域面積的75%左右；森林和草地，約各占10%左右；空間分布上，農(nóng)田主要分布在河北南部、河南中東部、山東大部分；草地主要分布在河北北部，而森林主要分布在河南西部。

2 數(shù)據(jù)源以及方法

2.1 遙感數(shù)據(jù)源

2.1.1 葉綠素?zé)晒鈹?shù)據(jù)

GOSIF數(shù)據(jù)集是利用數(shù)據(jù)驅(qū)動的方法開發(fā)的葉綠素?zé)晒鈹?shù)據(jù)集[16]。GOSIF數(shù)據(jù)的空間分辨率為0.05°，時(shí)間分辨率為8d、每月以及每年。本文下載了2000—2018年每月的GOSIF數(shù)據(jù)產(chǎn)品(http://globalecology.unh.edu)。

2.1.2 植被指數(shù)數(shù)據(jù)

NDVI可以用來表征農(nóng)作物的生長和綠度。不健康的農(nóng)作物在紅光光譜中反射強(qiáng)烈，在近紅外光譜中反射較少。受到水分脅迫和不健康的農(nóng)作物會出現(xiàn)低NDVI值。因此NDVI可以表征農(nóng)業(yè)干旱的強(qiáng)度。本研究下載了2000—2018年的每月的NDVI數(shù)據(jù)(MOD13A3)，空間分辨率1km。

2.1.3 地表溫度數(shù)據(jù)

LST是地表過程的關(guān)鍵指標(biāo)。作為SM和ET之間的一個(gè)基本聯(lián)系參數(shù)，LST的增加先于干旱的發(fā)生。MODIS提供了8d合成的LST產(chǎn)品(day和night)，空間分辨率為1km(下載網(wǎng)站同NDVI)。本次實(shí)驗(yàn)下載了2000—2018年MODIS LST(MOD11A2)白天和夜晚數(shù)據(jù)產(chǎn)品，通過最大值合成法合成每月的月尺度LST結(jié)果。

2.1.4 蒸散發(fā)數(shù)據(jù)

ET是表征植被蒸騰作用和土壤蒸發(fā)相結(jié)合的參量。ET反映了土壤、農(nóng)作物以及大氣的質(zhì)量和能量的交換[17]。蒸散發(fā)在表征干旱中起到了至關(guān)重要的作用。本次實(shí)驗(yàn)從FEWS NET portal網(wǎng)站下載了1km空間分辨率的每月實(shí)際蒸散發(fā)數(shù)據(jù)(https://earlywarning.usgs.gov/fews)。

2.1.5 氣象數(shù)據(jù)

降水是全球水循環(huán)的重要一環(huán)，是氣象干旱的一個(gè)重要的指標(biāo)。本文使用了TRMM 3B43月降水?dāng)?shù)據(jù)(http://disc.sci.gsfc.nasa.gov/)。該數(shù)據(jù)空間分辨率為0.25°×0.25°。

2.1.6 土壤水分?jǐn)?shù)據(jù)

ESA CCI SM是一種基于多源微波數(shù)據(jù)的SM產(chǎn)品，由3個(gè)數(shù)據(jù)集組成，主動產(chǎn)品、被動產(chǎn)品以及主被動聯(lián)合產(chǎn)品。主動的土壤水分產(chǎn)品融合了2種散射計(jì)的產(chǎn)品(AMI-WS和ASCAT)，被動的產(chǎn)品融合了7種散射計(jì)的土壤水分產(chǎn)品(AMSR-E、AMSR2、SMMR、SMOS、SSM/I、TMI、WindSat)。聯(lián)合的產(chǎn)品融合了主動和被動的產(chǎn)品，因此聯(lián)合的產(chǎn)品具有更高的空間分辨率。本次實(shí)驗(yàn)下載了河南省2000—2018年每天的土壤水分?jǐn)?shù)據(jù)，通過最大值合成法合成了每月的月平均數(shù)據(jù)集。

2.2 研究方法

2.2.1 基于PCA的綜合干旱模型構(gòu)建

綜合干旱監(jiān)測指數(shù)(CDMI)的原理是將原來變量重新組合成一組新的相互無關(guān)的幾個(gè)綜合變量[18]。PCA的主要目的是降低數(shù)據(jù)集的維數(shù)[19,20]。PCA對一組可能相關(guān)的變量進(jìn)行正交變換，轉(zhuǎn)換后的這組變量被叫作主成分，由此創(chuàng)建一個(gè)新的變量集，該變量集由不相關(guān)的主成分構(gòu)成。并且按照原始數(shù)據(jù)中暴露的方差量排序[21，22]。

SIF與農(nóng)作物的光合作用密切相關(guān)[23]，是植被在太陽光照射下吸收能量后在650～800nm范圍內(nèi)發(fā)射出來的一種長波信號[24]，可以被用來監(jiān)測植被生理狀態(tài)以及水分脅迫的情況。VI(Vegetation Index)是光合作用的間接指標(biāo)，因?yàn)槠涫侵脖痪G度和能量吸收的量度，會隨著非生物條件變化[25]。VI對于PRE和SM的響應(yīng)經(jīng)常存在著滯后效應(yīng)。SIF和APAR的變化線性相關(guān)，而且與植被的光合作用效率直接相關(guān)。干旱發(fā)生時(shí)，水分脅迫會造成植被生理狀態(tài)的變化，這種變化必然會導(dǎo)致SIF發(fā)生變化，通常是會讓光合作用和熒光量子產(chǎn)額減少[26]。衛(wèi)星SIF是可以用來測量陸地植被光合作用最直接的信號，許多研究已經(jīng)表明，SIF可以為早期預(yù)警和準(zhǔn)確監(jiān)測干旱事件提供獨(dú)特的、直接的時(shí)空變化的信息[27]。在本次研究中，基于SIF構(gòu)建的FCI作為輸入的一部分來進(jìn)行模型的構(gòu)建，發(fā)揮了SIF在農(nóng)業(yè)干旱監(jiān)測中的優(yōu)勢作用。

在遙感應(yīng)用中，PCA作為一種數(shù)據(jù)壓縮工具已經(jīng)被使用了很長一段時(shí)間，其方法是丟棄一些解釋值很小的次要成分。本研究采用PCA方法從VCI、TCI、PCI、ETCI、SMCI、FCI中提取主要信息，并剔除其中的相關(guān)信息。將VCI、TCI、PCI、ETCI、SMCI、FCI作為原始輸入，計(jì)算出相同數(shù)量的主成分變量。由于第一主成分(PC1)包含了來自VCI、TCI、PCI、ETCI、SMCI、FCI中約70%以上的信息，因此被定義為一種新的干旱指數(shù)，即綜合干旱監(jiān)測指數(shù)(CDMI)。

2.2.2 頻率分析方法

干旱頻率(f)可以反映研究期間發(fā)生的干旱程度。計(jì)算不同干旱等級下的農(nóng)業(yè)干旱頻率(f)[28]，公式

(1)

式中，f為不同干旱等級下的干旱頻率；n為不同干旱等級的干旱次數(shù)；N為研究周期的長度(N=19)。

2.2.3 趨勢分析方法

趨勢分析主要用于分析黃淮海平原農(nóng)業(yè)干旱的變化情況，通常采用一元線性回歸模型分析每個(gè)變量的變化率(即一元線性回歸模型的斜率)。對于某一地表參數(shù)的時(shí)間序列觀測變量x=(x1,x2,…,xn)，其斜率slope定義[29]：

(2)

式中，slope為不同時(shí)段(天、旬或月)干旱趨勢的值，反映了多年來干旱的變化趨勢；i=1,2,…,n，表示時(shí)間序列；n為研究的時(shí)間長度，本文選取的時(shí)間系列數(shù)據(jù)為19a。趨勢分析法中，如果slope>0，表明隨時(shí)間的增加觀測變量呈上升趨勢；如果slope<0，表明觀測變量呈下降趨勢。slope的大小反映了上升或者下降的速率。因此通過計(jì)算slope值，可以得到農(nóng)業(yè)旱情的逐年減弱和增強(qiáng)的情況。

3 分析與討論

3.1 黃淮海平原長期農(nóng)業(yè)干旱變化分析

3.1.1 農(nóng)業(yè)干旱等級劃分標(biāo)準(zhǔn)

為了更好地監(jiān)測黃淮海平原農(nóng)業(yè)區(qū)的干旱情況，本研究基于分位數(shù)的思想將農(nóng)業(yè)干旱劃分為4個(gè)等級，即重度干旱(severedrought)、中度干旱(moderatedrought)、輕度干旱(milddrought)以及無旱(nodrought)。本研究基于綜合干旱指數(shù)(CDMI)，共獲得2000—2018年農(nóng)作物生長季(3—10月)共152景農(nóng)業(yè)干旱空間分布圖。本研究通過對黃淮海平原農(nóng)業(yè)區(qū)所有像素進(jìn)行區(qū)域平均，計(jì)算得到2000—2018年作物生長季農(nóng)業(yè)區(qū)域平均CDMI值。將區(qū)域平均CDMI值從小到大進(jìn)行排序，選取四分位數(shù)(0.35、0.65和0.95)作為干旱等級的閾值分界點(diǎn)?；陂撝捣▽S淮海平原進(jìn)行的干旱等級劃分具體見表1。

表1 黃淮海平原干旱等級劃分

3.1.2 農(nóng)業(yè)干旱年變化分析

基于農(nóng)業(yè)干旱的等級劃分標(biāo)準(zhǔn)，本研究將2000—2018年每年的農(nóng)業(yè)干旱情況進(jìn)行平均(3—10月)，以分析黃淮海平原農(nóng)業(yè)干旱每年的空間分布情況，本研究基于分位數(shù)思想得到19幅黃淮海平原年平均農(nóng)業(yè)干旱空間分布圖，見圖2。由圖2可以發(fā)現(xiàn)，2000年，農(nóng)業(yè)干旱主要發(fā)生在河北山東的大部分區(qū)域以及河南的北部；2001年，農(nóng)業(yè)干旱主要發(fā)生在河北河南的大部分區(qū)域以及山東的西部；2002年，除了河南南部，黃淮海平原其它地區(qū)均出現(xiàn)了干旱現(xiàn)象；2003年，干旱情況得到好轉(zhuǎn)，農(nóng)業(yè)干旱區(qū)域主要集中在河北的中部和北部地區(qū)；2004年，農(nóng)業(yè)干旱發(fā)生在河北的北部地區(qū)；2005年，農(nóng)業(yè)干旱主要集中在河北以及山東北部；2006年，農(nóng)業(yè)干旱主要發(fā)生在河北省以及山東北部；2007年，農(nóng)業(yè)干旱主要集中在河北北部；2008年，農(nóng)業(yè)干旱發(fā)生在河北南部、山東以及河南北部；2009年，農(nóng)業(yè)干旱發(fā)生在河北山東北部以及河北南部；2010年，農(nóng)業(yè)干旱發(fā)生在河北南部以及河南北部；2011年，河南南部出現(xiàn)了重度干旱現(xiàn)象；2012年，除河北北部，黃淮海其它地區(qū)均出現(xiàn)了干旱現(xiàn)象；2013年，河南、河北南部以及山東西部發(fā)生了干旱；2014年，除河北北部以及河南南部，黃淮海均出現(xiàn)了干旱現(xiàn)象；2015年，河北南部山東東部出現(xiàn)了干旱現(xiàn)象；2016年，河北中南部、山東以及河南東部發(fā)生了農(nóng)業(yè)干旱；2017年，農(nóng)業(yè)干旱出現(xiàn)在山東、河北南部東部；2018年，河南東部、山東西部以及河北南部出現(xiàn)了農(nóng)業(yè)干旱現(xiàn)象。

本研究將2000—2018年共152景農(nóng)業(yè)區(qū)干旱圖進(jìn)行平均，得到黃淮海平原多年平均農(nóng)業(yè)干旱空間分布圖，見圖3。由圖3可以發(fā)現(xiàn)，橘黃色和淺綠色占比較大，這說明黃淮海平原干旱情況以中度干旱和輕度干旱為主；而重度干旱發(fā)生的區(qū)域較少；重度干旱主要集中在河北南部以及山東西北部。

3.1.3 農(nóng)業(yè)干旱月變化分析

本研究得到了2000—2018年農(nóng)作物生長季(3—10月)每月的農(nóng)業(yè)干旱空間分布圖，同時(shí)將長期的農(nóng)業(yè)干旱分布圖按照月份進(jìn)行平均，最終得到黃淮海平原3—10月的月平均農(nóng)業(yè)干旱分布圖，以分析黃淮海平原農(nóng)業(yè)區(qū)域的每月干旱分布情況，見圖4。

從圖4可以發(fā)現(xiàn)，黃淮海平原重度干旱主要發(fā)生在3月、4月、6月、9月以及10月。在3月，農(nóng)業(yè)干旱主要發(fā)生在河北山東河南的大部分區(qū)域；4月，干旱主要發(fā)生在河北、山東大部分區(qū)域以及河南北部；5月，干旱情況有所好轉(zhuǎn)，主要集中在河北東部以及河南西部；6月，干旱有加重趨勢，主要集中在河北南部、山東北部以及河南東部；7月、8月，黃淮海平原農(nóng)業(yè)干旱情況有所好轉(zhuǎn)；9月，干旱有加重趨勢，干旱主要集中在河北省、山東西部以及河南北部；10月，農(nóng)業(yè)干旱主要發(fā)生在河北南部、山東西部以及河南東部和北部。

3.2 農(nóng)業(yè)干旱頻率變化分析

干旱頻率可以反映研究區(qū)的農(nóng)業(yè)干旱在研究期間發(fā)生的干旱程度。本研究基于干旱頻率計(jì)算公式計(jì)算了黃淮海平原農(nóng)業(yè)區(qū)3—10月的每月的重度干旱、中度干旱以及輕度干旱的空間分布情況，如圖5所示。同時(shí)本研究基于閾值劃分方法，將干旱頻率劃分為5個(gè)等級(0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1)。從圖5可以發(fā)現(xiàn)，對于重度干旱，高頻(0.6～0.8、0.8～1)主要發(fā)生在3月的河北南部以及山東西北部；黃淮海平原重度干旱發(fā)生的頻率主要以低頻(0～0.2、0.2～0.4)以及中頻(0.4～0.6)為主。對于中度和輕度干旱，黃淮海平原發(fā)生這2種干旱的頻率主要以低頻(0～0.2、0.2～0.4)為主，見圖6、圖7。

3.3 農(nóng)業(yè)干旱趨勢變化分析

為了直觀地分析黃淮海平原農(nóng)業(yè)干旱2000—2018年發(fā)生頻率的變化趨勢，本研究選擇了一元線性回歸的方法對黃淮海平原的農(nóng)業(yè)干旱的發(fā)展趨勢進(jìn)行分析，得到了黃淮海平原3—10月的農(nóng)業(yè)干旱趨勢圖。slope值為農(nóng)業(yè)干旱發(fā)生頻率的變化趨勢。當(dāng)slope值為正值的時(shí)候，表明黃淮海平原發(fā)生農(nóng)業(yè)干旱的頻率在增加，此時(shí)黃淮海平原的農(nóng)業(yè)干旱情況在加重；當(dāng)slope值為負(fù)值的時(shí)候，表明黃淮海平原發(fā)生農(nóng)業(yè)干旱的頻率在減少，此時(shí)黃淮海平原的農(nóng)業(yè)干旱情況在減輕。

基于一元線性趨勢分析方法計(jì)算得到了黃淮海平原3—10月的農(nóng)業(yè)干旱發(fā)生頻率的趨勢空間分布圖，見圖8。從圖8可以發(fā)現(xiàn)，黃淮海平原不同區(qū)域均出現(xiàn)了明顯的農(nóng)業(yè)干旱頻率增加的情況，尤其河北省3—10月，大部分地區(qū)出現(xiàn)了農(nóng)業(yè)干旱加重情況，同時(shí)河南省的3—5月以及山東省的3—5月、9月，農(nóng)業(yè)干旱情況明顯呈現(xiàn)加重趨勢。了解黃淮海平原的農(nóng)業(yè)干旱變化趨勢對于有效的進(jìn)行灌溉以及采取合理的防旱抗旱措施至關(guān)重要。

4 結(jié)論

本研究主要發(fā)揮了SIF在農(nóng)業(yè)干旱監(jiān)測中的作用，采用PCA的方法，將多源遙感數(shù)據(jù)作為輸入，構(gòu)建了綜合農(nóng)業(yè)干旱監(jiān)測指數(shù)(CDMI)。CDMI綜合考慮了大氣的變化、土壤的水熱平衡以及農(nóng)作物的生長變化；將CDMI應(yīng)用到黃淮海平原農(nóng)業(yè)干旱的長期監(jiān)測中。

本研究基于分位數(shù)的思想，將農(nóng)業(yè)干旱劃分為4個(gè)等級，即重度干旱(CDMI≤0.35)、中度干旱(0.350.95)。在此基礎(chǔ)上，基于CDMI計(jì)算了黃淮海平原2000—2018年作物生長季(3—10月)的長期農(nóng)業(yè)干旱狀況，從不同時(shí)間尺度分析了黃淮海平原農(nóng)業(yè)干旱的分布特點(diǎn)?；诙嗄甑霓r(nóng)業(yè)干旱圖計(jì)算了3—10月的干旱頻率以及干旱趨勢，分析其空間分布特征。結(jié)合農(nóng)業(yè)干旱頻率圖以及農(nóng)業(yè)干旱趨勢圖，分析了黃淮海平原2000—2018年3—10月農(nóng)業(yè)干旱發(fā)生頻率的趨勢空間分布以及重度干旱頻率的空間分布。通過研究發(fā)現(xiàn)，黃淮海平原干旱情況以中度干旱和輕度干旱為主，其中，中度干旱主要發(fā)生在河北以及河南北部、山東北部；輕度干旱主要發(fā)生在河南省以及山東南部地區(qū)；重度干旱主要集中在河北南部以及山東西北部。長時(shí)間序列干旱研究揭示，黃淮海平原不同區(qū)域均出現(xiàn)了明顯的農(nóng)業(yè)干旱頻率增加的情況，尤其河北省3—10月，大部分地區(qū)出現(xiàn)了農(nóng)業(yè)干旱加重情況，同時(shí)河南省3—5月以及山東省3—5月、9月，農(nóng)業(yè)干旱情況明顯呈現(xiàn)加重趨勢。

本文研究表明，CDMI在研究區(qū)農(nóng)業(yè)干旱監(jiān)測中應(yīng)用效果明顯。下一步的工作將在更大區(qū)域范圍內(nèi)進(jìn)一步檢驗(yàn)與完善。