基于植被指數(shù)的春玉米干旱響應(yīng)遙感監(jiān)測(cè)

劉 丹，馮 銳，于成龍，唐 權(quán)，郭春玲

基于植被指數(shù)的春玉米干旱響應(yīng)遙感監(jiān)測(cè)

劉 丹1,2,3，馮 銳4，于成龍1,2,3※，唐 權(quán)5，郭春玲5

（1. 中國氣象局東北地區(qū)生態(tài)氣象創(chuàng)新開放實(shí)驗(yàn)室，哈爾濱 150030； 2. 黑龍江省氣象院士工作站，哈爾濱 150030；3. 黑龍江省氣象科學(xué)研究所，哈爾濱 150030； 4. 中國氣象局沈陽大氣環(huán)境研究所，沈陽 110166；5. 凌海市生態(tài)建設(shè)發(fā)展中心，凌海 121200）

東北地區(qū)是中國主要的玉米種植區(qū)，同時(shí)也是中國易發(fā)生干旱的地區(qū)，干旱常態(tài)化嚴(yán)重制約著該地區(qū)玉米生產(chǎn)的穩(wěn)定發(fā)展。以遼寧省春玉米為研究對(duì)象，在明確春玉米不同發(fā)育期干旱變化特征的基礎(chǔ)上，基于FY-3A/MERSI、Terra/MODIS、春玉米發(fā)育期和土壤相對(duì)濕度觀測(cè)等數(shù)據(jù)，建立春玉米干旱遙感監(jiān)測(cè)指標(biāo)集，構(gòu)建各發(fā)育期不同土層深度的土壤相對(duì)濕度遙感監(jiān)測(cè)模型，并以2000年為例開展了遼寧省春玉米干旱監(jiān)測(cè)的應(yīng)用研究，結(jié)果表明：1993—2012年遼寧省春玉米在各個(gè)發(fā)育期均有干旱發(fā)生，其中1999—2002年為干旱高發(fā)期，乳熟期干旱最為嚴(yán)重；多指數(shù)協(xié)同配合能提高遙感手段對(duì)土壤相對(duì)濕度的監(jiān)測(cè)能力，其中陸表水分指數(shù)對(duì)土壤相對(duì)濕度監(jiān)測(cè)能力較強(qiáng)，其次是水分指數(shù)；利用構(gòu)建的春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型，監(jiān)測(cè)2001—2004年部分發(fā)育期和土層深度的干旱狀況，總體監(jiān)測(cè)準(zhǔn)確率為73.32%；實(shí)現(xiàn)了2000年遼寧省春玉米發(fā)育期干旱等級(jí)動(dòng)態(tài)監(jiān)測(cè)，所得監(jiān)測(cè)結(jié)果與當(dāng)年農(nóng)業(yè)氣象觀測(cè)記錄在發(fā)育階段和空間上都有很好的一致性，遙感監(jiān)測(cè)結(jié)果正確。因此，此項(xiàng)研究對(duì)于大范圍準(zhǔn)確跟蹤監(jiān)測(cè)春玉米干旱，以及提高春玉米生產(chǎn)的防災(zāi)減災(zāi)能力具有重要意義。

遙感；干旱；植被；春玉米；發(fā)育期

0 引 言

干旱對(duì)全球陸地生態(tài)系統(tǒng)影響廣泛[1]，在全球氣候變化背景下，干旱發(fā)生頻率和強(qiáng)度都在增加[2]，在中國旱災(zāi)是影響糧食生產(chǎn)最嚴(yán)重的自然災(zāi)害[3]。遼寧省地處歐亞大陸東岸的中緯度地區(qū)，屬溫帶大陸性季風(fēng)氣候，干旱是該省主要的農(nóng)業(yè)氣象災(zāi)害[4-5]，20世紀(jì)90年代以來生長季干旱整體呈加劇趨勢(shì)[6-7]，根據(jù)中華人民共和國國家統(tǒng)計(jì)局（http://data.stats.gov.cn/index.htm）公布的數(shù)據(jù)顯示，2010—2017年全省農(nóng)作物遭受旱災(zāi)面積年均達(dá)5.58×103km2，占總受災(zāi)面積的64.22%。該省也是中國糧食主產(chǎn)區(qū)，春玉米是第一大糧食作物，播種面積占全國玉米播種面積的6.35%，占本省農(nóng)作物播種面積的60%以上，春玉米生產(chǎn)以“雨養(yǎng)”為主，因旱災(zāi)絕收的面積年均達(dá)1.02×103km2，占總絕收面積的71.08%。因此，探尋春玉米全生育期干旱監(jiān)測(cè)的有效手段，及時(shí)準(zhǔn)確地掌握春玉米旱情發(fā)生、發(fā)展和消退過程，將為提高春玉米生產(chǎn)的防災(zāi)減災(zāi)能力具有重要意義。

目前農(nóng)業(yè)干旱監(jiān)測(cè)數(shù)據(jù)來源主要有2種，一種是地基數(shù)據(jù)，主要是土壤水分或氣象要素的地面觀測(cè)數(shù)據(jù)，研究者基于這些數(shù)據(jù)，結(jié)合作物生長發(fā)育特點(diǎn)，形成了很多監(jiān)測(cè)指標(biāo)，如土壤含水量指標(biāo)[8]、降水量指標(biāo)[9]、標(biāo)準(zhǔn)化降水指數(shù)（standardized precipitation index，SPI）[10]、改進(jìn)帕爾默干旱指數(shù)（self-calibrated palmer drought severity index，sc-PDSI）[11]、標(biāo)準(zhǔn)化降水蒸散指數(shù)（standardized precipitation evapotranspiration index，SPEI）[12]等，這些指標(biāo)在干旱監(jiān)測(cè)、干旱風(fēng)險(xiǎn)和災(zāi)損評(píng)估等方面得到應(yīng)用，為農(nóng)業(yè)旱情監(jiān)測(cè)奠定了基礎(chǔ)，對(duì)于深入探討農(nóng)業(yè)干旱監(jiān)測(cè)理論具有重要意義，但這些指標(biāo)都是基于點(diǎn)觀測(cè)數(shù)據(jù)，空間代表性有限，即使利用空間插值等技術(shù)進(jìn)行數(shù)據(jù)網(wǎng)格化處理，其監(jiān)測(cè)精度在地形復(fù)雜和觀測(cè)點(diǎn)分布稀疏的區(qū)域仍然有限；另一種是遙感數(shù)據(jù)，研究者利用大氣、土壤或植被在不同狀態(tài)時(shí)的光譜差異，探尋敏感光譜波段與它們之間的關(guān)系，建立多種遙感指數(shù)，通過監(jiān)測(cè)大氣可降水[13]、土壤含水量[14]、作物生理及形態(tài)[15]等指標(biāo)實(shí)現(xiàn)干旱監(jiān)測(cè)，經(jīng)過多年的探索，取得了豐富成果，總結(jié)出如紅光波段（630～740 nm）、近紅外波段（930～1 130 nm）、短波紅外波段（1 500～1 750 nm）、微波（C波段和L波段）等敏感波段[16-17]，以及歸一化植被指數(shù)（normalized difference vegetation index，NDVI）、增強(qiáng)植被指數(shù)（enhanced vegetation index，EVI）、歸一化水指數(shù)（normalized difference water index，NDWI）等常用的遙感指數(shù)[18-20]，因遙感數(shù)據(jù)具有覆蓋范圍廣、觀測(cè)空間連續(xù)等特點(diǎn)，彌補(bǔ)了傳統(tǒng)地面觀測(cè)空間分辨率低的不足，在農(nóng)業(yè)干旱監(jiān)測(cè)中具有良好前景。

然而由于地氣系統(tǒng)的復(fù)雜性和生物的多樣性，遙感指數(shù)的適用性可能受不同地域、不同時(shí)間尺度、不同作物、作物的不同發(fā)育期等多種因素的影響而有所差異[21]，因此對(duì)于某一特定區(qū)域的農(nóng)作物，需要有針對(duì)性地開展遙感指數(shù)干旱監(jiān)測(cè)的適用研究，提高遙感監(jiān)測(cè)精度，擴(kuò)大其實(shí)用性，從而推動(dòng)干旱遙感監(jiān)測(cè)的業(yè)務(wù)化發(fā)展。本研究以遼寧省春玉米為例，基于FY-3A/MERSI和Terra/MODIS數(shù)據(jù)，結(jié)合土壤相對(duì)濕度和春玉米發(fā)育期觀測(cè)數(shù)據(jù)，了解遼寧省春玉米不同發(fā)育期干旱變化特征，分析多時(shí)間尺度遙感指數(shù)與不同土層深度的土壤相對(duì)濕度的相關(guān)關(guān)系，建立春玉米各發(fā)育期土壤相對(duì)濕度監(jiān)測(cè)指標(biāo)集，分別春玉米發(fā)育期和土層深度構(gòu)建土壤相對(duì)濕度遙感監(jiān)測(cè)模型，并開展實(shí)用分析。研究將為該省春玉米干旱遙感監(jiān)測(cè)提供新思路，也為遙感指數(shù)同化入作物估產(chǎn)模型提供理論參考。

1 研究區(qū)概況

遼寧省位于東北地區(qū)南部，東經(jīng)118°53′－125°46′，北緯38°43′－43°26′，陸地面積14.59萬km2，大陸海岸線全長2 178 km，東起鴨綠江口，西至山海關(guān)老龍頭。該省地勢(shì)大體為北高南低，從陸地向海洋傾斜，山地丘陵分列于東西兩側(cè)，向中部平原傾斜；遼寧省位于溫帶大陸性季風(fēng)氣候區(qū)，境內(nèi)雨熱同季，日照豐富，四季分明，雨量分配不均，呈東多西少的分布格局；年平均氣溫5.45～11.26 ℃，年降水量433～1 079 mm（數(shù)據(jù)來源于國家氣象信息中心http://data.cma.cn/：1981－2010年中國地面累年值日值數(shù)據(jù)集）（圖1）。

圖1 研究區(qū)位置示意圖及年氣溫和降水及土地利用情況

該省大部分農(nóng)區(qū)位于中部，主要糧食作物有玉米、小麥、水稻、谷子、高粱等，其中玉米播種面積最大，2017年播種面積達(dá)2.69萬km2，占全省農(nóng)作物播種面積的64.52%（數(shù)據(jù)來源于中華人民共和國國家統(tǒng)計(jì)局：http://data.stats.gov.cn/index.htm）。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

2.1.1 遙感數(shù)據(jù)

本研究利用Terra/MODIS（2000－2004年、2008－2010年）和FY-3A/MERSI（2009－2012年）極軌衛(wèi)星數(shù)據(jù)，構(gòu)建多指數(shù)數(shù)據(jù)集，其中2000年數(shù)據(jù)用于探究春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型在大面積空間的監(jiān)測(cè)效果，2001－2004年數(shù)據(jù)用于驗(yàn)證土壤相對(duì)濕度遙感監(jiān)測(cè)模型在觀測(cè)站點(diǎn)監(jiān)測(cè)的準(zhǔn)確率，2008年的Terra/MODIS數(shù)據(jù)和2009－2012年的FY-3A/MERSI數(shù)據(jù)用于進(jìn)行遙感指數(shù)與土壤相對(duì)濕度相關(guān)性研究和構(gòu)建土壤相對(duì)濕度遙感監(jiān)測(cè)模型，2009－2010年的Terra/MODIS數(shù)據(jù)用于計(jì)算其與相同時(shí)間點(diǎn)的FY-3A/MERSI數(shù)據(jù)在相同遙感指數(shù)值上的差異，以此訂正2009－2012年的FY-3A/MERSI數(shù)據(jù)計(jì)算的遙感指數(shù)。Terra/MODIS數(shù)據(jù)來源于美國地球數(shù)據(jù)中心（https://earthdata.nasa.gov/）的4－10月1 km空間分辨率的日數(shù)據(jù)，F(xiàn)Y-3A/MERSI數(shù)據(jù)來源于中國衛(wèi)星氣象中心（http://satellite.nsmc.org.cn/PortalSite/Default.aspx）的4－10月1 km空間分辨率的日數(shù)據(jù)，傳感器類型為MERSI。在對(duì)數(shù)據(jù)進(jìn)行投影和大氣校正后，以該省海岸線為地標(biāo)進(jìn)行幾何校正。

2.1.2 春玉米發(fā)育期和土壤相對(duì)濕度數(shù)據(jù)

來自于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）的“中國農(nóng)作物生長發(fā)育和農(nóng)田土壤濕度旬值數(shù)據(jù)集”，該數(shù)據(jù)集包括每10天（每月8日、18日和28日）觀測(cè)的作物名稱、發(fā)育期狀況、積溫、各發(fā)育期對(duì)應(yīng)的10、20、50、70和100 cm深處土壤相對(duì)濕度，本研究所用數(shù)據(jù)的時(shí)間范圍為1993－2012年，空間范圍為遼寧省18個(gè)觀測(cè)站。

2.1.3 氣象數(shù)據(jù)

氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn/）的“中國地面氣候資料日值數(shù)據(jù)集（V3.0）”，該數(shù)據(jù)包含了中國699個(gè)基準(zhǔn)氣象站（或基本氣象站）1951年1月以來的氣壓、氣溫、降水量、蒸發(fā)量、相對(duì)濕度、風(fēng)向風(fēng)速、日照時(shí)數(shù)和0 cm地溫要素的日值數(shù)據(jù)，其中遼寧省有25個(gè)氣象站，本研究所用數(shù)據(jù)的時(shí)間范圍為2000－2012年。

2.1.4 土壤質(zhì)地?cái)?shù)據(jù)

數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn）的“中國土壤質(zhì)地空間分布數(shù)據(jù)集”，該數(shù)據(jù)依據(jù)1:100萬土壤類型圖和第二次土壤普查獲取到的土壤剖面數(shù)據(jù)編制而成，根據(jù)砂粒、粉粒、黏粒含量劃分土壤質(zhì)地。本研究參照“國際制土壤質(zhì)地分級(jí)標(biāo)準(zhǔn)”，依據(jù)土壤砂粒含量劃分遼寧省18個(gè)觀測(cè)站的土壤質(zhì)地，其中有16個(gè)觀測(cè)站為壤土（砂粒含量在40%～55%之間），2個(gè)觀測(cè)站為沙土（砂粒含量＞55%）。

2.1.5 土地利用類型數(shù)據(jù)

數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http://www.resdc.cn）的“中國土地利用遙感監(jiān)測(cè)數(shù)據(jù)集”，該數(shù)據(jù)集以Landsat TM/ETM遙感影像為主要數(shù)據(jù)源，通過人工目視解譯，生成1:10萬比例尺土地利用現(xiàn)狀數(shù)據(jù)，其土地利用類型包括耕地、林地、草地、水域、居民用地和未利用土地6個(gè)一級(jí)類型以及25個(gè)二級(jí)類型。

根據(jù)鄰近原則，2000－2002年選用2000年的土地利用類型數(shù)據(jù)提取旱田范圍，2003－2007年選用2005年的土地利用類型數(shù)據(jù)，2008－2012年選用2010年的土地利用類型數(shù)據(jù)，考慮到所用干旱監(jiān)測(cè)的遙感數(shù)據(jù)的空間分辨率為1 km，對(duì)小于1 km的旱作物種類的區(qū)分能力有限，所以本研究在進(jìn)行春玉米遙感監(jiān)測(cè)模型的實(shí)用研究中，監(jiān)測(cè)范圍包括所有旱田。

2.1.6 地理信息數(shù)據(jù)

利用數(shù)字高程模型（DEM）參與遙感數(shù)據(jù)預(yù)處理，該DEM為SRTM地形產(chǎn)品V4.1版本數(shù)據(jù)，空間分辨率為90m，數(shù)據(jù)來源于中國科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站（http://www.gscloud.cn），根據(jù)需要將數(shù)據(jù)的空間分辨率重采樣為1 km。

研究所需的行政區(qū)劃數(shù)據(jù)來自于中國氣象局下發(fā)的1:25萬基礎(chǔ)地理信息，對(duì)數(shù)據(jù)進(jìn)行拓?fù)錂z查，去除邊界間隙。以上數(shù)據(jù)的地理坐標(biāo)均轉(zhuǎn)換為WGS-1984，投影方式為等經(jīng)緯度投影。

2.2 研究方法

2.2.1 遙感指數(shù)生成

選取反映作物形態(tài)和作物含水量的遙感指數(shù)，研究其對(duì)春玉米不同發(fā)育期、不同土層深度干旱監(jiān)測(cè)的適用性，其中反映作物形態(tài)的遙感指數(shù)包括NDVI、EVI和棕色植被指數(shù)（brown vegetation index，BVI）；反映作物含水量的遙感指數(shù)包括NDWI、陸表水分指數(shù)（land surface water index，LSWI）和水分指數(shù)（Water Index，簡稱WI）。利用最大值合成方法，以5、10和20 d為時(shí)間尺度，構(gòu)建各指數(shù)數(shù)據(jù)集。具體計(jì)算公式如表1。

另外，雖然FY-3A/MERSI、Terra/MODIS數(shù)據(jù)在衛(wèi)星過境時(shí)間、波段設(shè)置、空間分辨率上有很多相似性，但相似波段的中心波長、光譜帶寬、定標(biāo)精度等還存在一定差異，本研究利用于成龍等[22]的方法，計(jì)算2009—2010年的Terra/MODIS數(shù)據(jù)與FY-3A/MERSI數(shù)據(jù)在相同時(shí)間點(diǎn)上生成的遙感指數(shù)的差異，求取各指數(shù)差異的平均值，使兩個(gè)傳感器數(shù)據(jù)生成的同一遙感指數(shù)之間無顯著差異，并以此計(jì)算結(jié)果進(jìn)一步訂正2011—2012年的FY-3A/mERSI數(shù)據(jù)生成的遙感指數(shù)。

表1 遙感指數(shù)公式

注：EVI為增強(qiáng)植被指數(shù)，BVI為棕色植被指數(shù)，NDWI為歸一化水指數(shù)，LSWI為陸表水分指數(shù)，WI為水分指數(shù)；為反射率（或發(fā)射率），后的數(shù)字為中心波長；nir為中心波長為0.865m的近紅外波段，red為紅光波段，blue為藍(lán)光波段，green為綠光波段，ρ為中心波長為2.130m近紅外波段，ρ為中心波長為1.640m的近紅外波段，900為中心波長為0.900m的短波紅外波段；970為中心波長為0.970m的短波紅外波段；、1和2均為參數(shù)。

Note: EVI—enhanced vegetation index, BVI—brown vegetation index, NDWI—normalized difference water index, LSWI—land surface water index, WI—Water Index.is reflectivity or emissivity, The number afteris the central wavelength.nir—near infrared band with the center wavelength of 0.865m;red—red band;blue—blue band;green—green wave band;lwir—near infrared band with the center wavelength of 2.130;swir—near infrared band with the center wavelength of 1.640m,900—short-wave infrared band with the center wavelength of 0.900m,970—short-wave infrared band with the center wavelength of 0.970m.,1, and2are parameters.

2.2.2 遙感指數(shù)與地面觀測(cè)數(shù)據(jù)的匹配

時(shí)間匹配：遙感指數(shù)的時(shí)間尺度為從某月1日開始按不同時(shí)間尺度向后累積，土壤含水量取觀測(cè)日期落入的時(shí)間統(tǒng)計(jì)單元。以某年4月的10 d時(shí)間尺度NDVI的匹配為例，如果該時(shí)間段有1次土壤含水量觀測(cè)數(shù)據(jù)，則把該時(shí)段的NDVI與當(dāng)次土壤含水量相匹配；如果該時(shí)間段有多次土壤含水量觀測(cè)數(shù)據(jù)，則將NDVI與多次土壤含水量的平均值相匹配；如果該時(shí)間段無土壤含水量觀測(cè)數(shù)據(jù)，則不進(jìn)行匹配。5和20 d時(shí)間尺度的匹配方法以此類推。

空間匹配方法：為減少遙感指數(shù)奇異值對(duì)研究結(jié)果的影響，以觀測(cè)站點(diǎn)所在像元為中心，設(shè)定3×3像元窗口，計(jì)算窗口內(nèi)有效遙感指數(shù)的平均值，根據(jù)地理坐標(biāo)把平均值與地面觀測(cè)數(shù)據(jù)在空間上進(jìn)行匹配。

2.2.3 春玉米土壤干旱等級(jí)劃分

參照《北方春玉米干旱等級(jí)》[23]，結(jié)合本研究收集的發(fā)育期數(shù)據(jù)，劃分春玉米各發(fā)育期干旱等級(jí)。因《北方春玉米干旱等級(jí)》中將發(fā)育期劃分為播種—出苗、出苗—拔節(jié)，拔節(jié)—抽雄、抽雄—乳熟和乳熟—成熟共5個(gè)階段，為與本研究的8個(gè)發(fā)育期相對(duì)應(yīng)，2個(gè)階段共有的發(fā)育期按照前一個(gè)發(fā)育期的土壤相對(duì)濕度數(shù)據(jù)范圍劃分干旱等級(jí)，例如出苗的干旱等級(jí)劃分范圍按照《北方春玉米干旱等級(jí)》中的播種—出苗的標(biāo)準(zhǔn)，拔節(jié)按照出苗—拔節(jié)的標(biāo)準(zhǔn)。劃分標(biāo)準(zhǔn)如表2。

表2 土壤相對(duì)濕度干旱等級(jí)劃分

2.2.4 春玉米主根深度推算

根據(jù)侯瓊等[24]的春玉米根系生長過程模型，選取最接近遼寧省的內(nèi)蒙古自治區(qū)通遼地區(qū)的方程系數(shù)，求取春玉米主根深度。模型如下

式中為根系深度，cm；H為最大伸展深度（等于130 cm；為出苗后天數(shù)，、為系數(shù)，分別為3.884 9和-0.083 0。

出苗天數(shù)（）根據(jù)穆佳等[25]統(tǒng)計(jì)的遼寧省春玉米多年平均發(fā)育期日序，計(jì)算春玉米三葉—成熟的出苗天數(shù)，計(jì)算結(jié)果如表3。

表3 春玉米發(fā)育期日序和主根深度

2.2.5 遙感指數(shù)適用性分析

采用相關(guān)性分析和逐步回歸方法，研究不同時(shí)間尺度各遙感指數(shù)與不同發(fā)育期、不同深度（10、20、50、70和100 cm）土壤相對(duì)濕度的Pearson相關(guān)系數(shù)，分析春玉米從播種到成熟8個(gè)發(fā)育期各遙感指數(shù)干旱監(jiān)測(cè)的時(shí)間尺度適用性，篩選春玉米關(guān)鍵發(fā)育期干旱的最優(yōu)遙感監(jiān)測(cè)指數(shù)，構(gòu)建基于遙感指數(shù)的玉米發(fā)育期干旱監(jiān)測(cè)模型，并進(jìn)行實(shí)例分析。

2.2.6 準(zhǔn)確率檢測(cè)

利用春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型，計(jì)算各發(fā)育期不同深度土壤相對(duì)濕度，劃分春玉米干旱等級(jí)，與對(duì)應(yīng)的地面觀測(cè)數(shù)據(jù)進(jìn)行對(duì)比，借助Ma等[26]提出的準(zhǔn)確率檢測(cè)方法，對(duì)春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型進(jìn)行驗(yàn)證，準(zhǔn)確率監(jiān)測(cè)公式如下

式中為準(zhǔn)確率；為遙感監(jiān)測(cè)與地面觀測(cè)在干旱等級(jí)上一致的站點(diǎn)數(shù)；為遙感監(jiān)測(cè)與地面觀測(cè)在干旱等級(jí)上不一致的站點(diǎn)數(shù)。

3 結(jié)果與分析

3.1 不同發(fā)育期春玉米干旱變化特征

根據(jù)表2中的劃分標(biāo)準(zhǔn)，基于觀測(cè)站點(diǎn)數(shù)據(jù)，劃分1993－2012年遼寧省春玉米各發(fā)育期土壤干旱等級(jí)，統(tǒng)計(jì)不同土層深度干旱發(fā)生頻率（圖2），分析可見，春玉米在各個(gè)發(fā)育期均有干旱發(fā)生，其中抽穗（圖2f）和乳熟期（圖2g）各土層深度（10～100 cm）發(fā)生干旱的累積頻率相近，其中乳熟期各土層深度干旱發(fā)生累積頻率均較高，累積頻率在31.51%～39.73%之間；抽穗期次之，累積頻率在25.61%～28.05%之間；其他發(fā)育期各土層深度干旱累積頻率均隨著土層深度的增加有降低的趨勢(shì)。

分析各發(fā)育期相同土層深度發(fā)生干旱的累積頻率可見，除抽穗和乳熟期外，其他發(fā)育期10 cm土層的干旱累積頻率高于其它深度土層，在16.43%～32.79%之間；抽穗和乳熟期時(shí)70 cm土層的干旱累積頻率高于其它深度土層，其中乳熟期各土層平均累積頻率（39.73%）高于抽穗期（28.05%）。

分析各發(fā)育期干旱程度的累積頻率可見，各發(fā)育期以輕旱和中旱為主，各土層深度干旱累積頻率由大到小的順序分別為輕旱（平均為10.55%）、中旱（平均為5.59%）、重旱（平均為2.93%）、特旱（平均為1.23%）。

圖2 1993－2012年遼寧省春玉米各發(fā)育期不同土層深度干旱發(fā)生頻率

統(tǒng)計(jì)各發(fā)育期有干旱記錄的觀測(cè)站占所有觀測(cè)站的比例（圖3），計(jì)算1993－2012年的平均值，由大到小的順序?yàn)椋喝槭欤?2.73%）、成熟（29.63%）、抽穗（27.94%）、出苗（18.70%）、七葉（18.22%）、播種（18.12%）、三葉（17.49%）、拔節(jié)（14.18%），可見研究區(qū)春玉米在乳熟期發(fā)生干旱的觀測(cè)站最多，其次是成熟期，拔節(jié)期發(fā)生干旱的觀測(cè)站最少。

從年際變化看，雖然各發(fā)育期發(fā)生干旱記錄的百分比的年際波動(dòng)規(guī)律不完全一致，但高峰值均集中于1999－2002年間，統(tǒng)計(jì)對(duì)應(yīng)時(shí)段生長季（4－10月）平均氣溫和降水量可見，有93%～98%觀測(cè)站的氣溫高于累年（1981－2010年）平均氣溫，70%～98%觀測(cè)站的降水量低于累年平均降水量，可見這段時(shí)間遼寧省春玉米發(fā)生了多發(fā)育期的大面積干旱。

圖3 1993－2012年遼寧省春玉米各發(fā)育期發(fā)生干旱次數(shù)的百分比

3.2 春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型

3.2.1 模型構(gòu)建

根據(jù)表3中各發(fā)育期的主根深度，統(tǒng)計(jì)2008－2012年各發(fā)育期對(duì)應(yīng)主根深度的土壤相對(duì)濕度與遙感指數(shù)的相關(guān)性，表4列出了在相同發(fā)育期、相同土層深度下，與土壤相對(duì)濕度相關(guān)顯著（sig＜0.05）或極顯著（sig＜0.01）、且相關(guān)系數(shù)（）最高的遙感指數(shù)。從發(fā)育期上看，在三葉、七葉、拔節(jié)、抽穗和成熟期，均有遙感指數(shù)與對(duì)應(yīng)發(fā)育期主根深度及淺層土壤相對(duì)濕度呈顯著相關(guān)關(guān)系，但沒有遙感指數(shù)與播種期和出苗期的土壤相對(duì)濕度有顯著相關(guān)，在乳熟期遙感指數(shù)也只與10～50 cm深的土壤相對(duì)濕度呈顯著相關(guān)。

從監(jiān)測(cè)的時(shí)間尺度上看，遙感指數(shù)與土壤相對(duì)濕度呈顯著（或極顯著）相關(guān)最多的是10 d尺度（12個(gè)），其次是5 d尺度（10個(gè)），20 d尺度最少（4個(gè)）；從遙感指數(shù)種類上看，與土壤相對(duì)濕度呈顯著（或極顯著）相關(guān)最多的是LSWI，其次是WI。

為研究遙感指數(shù)對(duì)土壤相對(duì)濕度的協(xié)同監(jiān)測(cè)能力，在SPSS軟件的支持下，采用逐步回歸方法，以不同發(fā)育期、不同土層深度的土壤相對(duì)濕度為因變量，以NDVI、EVI、LSWI、BVI、WI和NDWI為自變量，建立土壤相對(duì)濕度回歸方程，在同一發(fā)育期、同一土層深度下，選取相關(guān)系數(shù)（）最高的回歸方程列入表5。分析可見，在相同發(fā)育期、相同監(jiān)測(cè)時(shí)間尺度和相同土層深度下，有2個(gè)（含2個(gè)）以上遙感指數(shù)的回歸方程的相關(guān)系數(shù)（表5）均大于只有1個(gè)遙感指數(shù)時(shí)的相關(guān)系數(shù)（表4），以七葉期為例，表4中只有20 d尺度的LSWI與20 cm深度的土壤相對(duì)濕度呈極顯著相關(guān)，如果引入WI，LSWI與WI共同建立的回歸方程與10和20 cm深度的土壤相對(duì)濕度均有極顯著相關(guān)關(guān)系，而且相關(guān)系數(shù)（）有所提高，說明多指數(shù)的協(xié)同配合能夠提高對(duì)土壤相對(duì)濕度的監(jiān)測(cè)能力。

表4 春玉米各發(fā)育期土壤相對(duì)濕度與單一遙感指數(shù)的相關(guān)性

注：表中數(shù)字右上角的*為相關(guān)顯著，**為相關(guān)極顯著。括號(hào)內(nèi)的數(shù)字為樣本數(shù)。

Note: * in the upper right corner of the figures in the table is significantly correlated, and ** is highly significant correlated. The numbers in parentheses are sample numbers.

表5 春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型

3.2.2 模型驗(yàn)證

基于2001－2004遙感數(shù)據(jù)、土壤相對(duì)濕度和玉米發(fā)育期觀測(cè)數(shù)據(jù)，利用春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型計(jì)算不同發(fā)育期和不同土層深度的土壤相對(duì)濕度，并依據(jù)表2中的標(biāo)準(zhǔn)劃分干旱等級(jí)，與對(duì)應(yīng)發(fā)育期的地面觀測(cè)土壤干旱等級(jí)進(jìn)行對(duì)比，結(jié)果如表6。分析可見，總體監(jiān)測(cè)準(zhǔn)確率為73.32%，但各發(fā)育期監(jiān)測(cè)準(zhǔn)確率相差較大，其中拔節(jié)和三葉的監(jiān)測(cè)準(zhǔn)確率超過85%，抽穗和乳熟準(zhǔn)確率剛剛超過70%；如果擴(kuò)大容差，認(rèn)為土壤干旱等級(jí)差中的-1—1均為準(zhǔn)確監(jiān)測(cè)，那么各發(fā)育期的監(jiān)測(cè)準(zhǔn)確率在84.78%以上，可見春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型對(duì)于遼寧省春玉米土壤墑情監(jiān)測(cè)具有較好的適用性。

表6 土壤相對(duì)濕度遙感監(jiān)測(cè)模型準(zhǔn)確率

注：表中各發(fā)育期對(duì)應(yīng)的整數(shù)為觀測(cè)次數(shù)。

Note: Integer corresponding to each development period in the table is the number of observations.

另外從各發(fā)育期土壤干旱等級(jí)差的觀測(cè)次數(shù)分布規(guī)律可見，三葉和拔節(jié)期遙感監(jiān)測(cè)結(jié)果較地面觀測(cè)結(jié)果偏干，七葉和乳熟期監(jiān)測(cè)結(jié)果偏濕，抽穗和成熟期的監(jiān)測(cè)結(jié)果無明顯偏移。

3.3 2000年遙感指數(shù)干旱監(jiān)測(cè)

為探究春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型在大面積空間監(jiān)測(cè)的效果，根據(jù)春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型（表5），利用Terra/MODIS數(shù)據(jù)，計(jì)算2000年春玉米不同發(fā)育期、不同土層深度的土壤相對(duì)濕度，劃分干旱等級(jí)，并繪制干旱等級(jí)分布圖（圖4）。分析可見，三葉期10 cm土層深度大部分地區(qū)無旱；七葉期10 cm土層深度只有西北部邊緣有輕旱，20 cm土層深度處西部大部分地區(qū)和南部地區(qū)有輕旱和中旱，50 cm土層深度處西部部分地塊有輕旱和中旱，東部普遍為中旱和重旱；拔節(jié)期20和70 cm土層深度處以無旱為主，沒有集中連片的干旱出現(xiàn)；抽穗期10 cm土層深度處西部部分地塊有輕旱和中旱，20 cm深處在西部的輕旱和中旱已經(jīng)連片，50 cm深處全省大部分地區(qū)處于輕旱和中旱狀態(tài)，西部旱象重于東部；乳熟期10 cm土層深度處全省大部分地區(qū)處于干旱狀態(tài)，其中南部和西部的部分地區(qū)有重旱和特旱，這也是全年最為干旱的時(shí)期，20 cm深處只有西部部分地區(qū)有重旱和特旱，由西向東旱象呈梯度緩解，東部地區(qū)基本無旱；成熟期10 cm深處西部和東南部地區(qū)不同等級(jí)的干旱呈塊狀交錯(cuò)分布，與10 cm深處相比，20 cm深處旱象加重，但分布格局與10 cm相近，50 cm深處的干旱等級(jí)和分布格局與10 cm相似，在70 cm深處西部和南部部分地區(qū)仍有不同程度的干旱發(fā)生，到100 cm深處只有西部少部分地塊有輕旱，其它大部分地區(qū)為無旱。

圖4 2000年遼寧省春玉米不同發(fā)育期干旱等級(jí)分布

根據(jù)2000年土壤相對(duì)濕度觀測(cè)數(shù)據(jù)，三葉期10 cm土層深度未見干旱的觀測(cè)記錄；七葉期10和20 cm土層深度均有輕旱和中旱的記錄，50 cm土層深度出現(xiàn)中旱觀測(cè)記錄，而且地理位置與圖4分布一致；拔節(jié)期20 cm有少量輕旱的觀測(cè)記錄，70 cm無干旱觀測(cè)記錄；抽穗期在10～50 cm深度處，干旱觀測(cè)記錄呈增加趨勢(shì)，干旱程度呈加重趨勢(shì)，到70～100 cm深度干旱記錄明顯減少；在乳熟期，絕大多數(shù)觀測(cè)點(diǎn)有10 cm土層干旱的觀測(cè)記錄，隨著觀測(cè)深度的加大，有干旱記錄的站點(diǎn)數(shù)明顯減少；在成熟期，有超過50%的觀測(cè)點(diǎn)在10 cm土層有干旱記錄，隨著觀測(cè)深度加大，有干旱記錄的觀測(cè)站數(shù)量逐步減少。

由此可見，2000年遙感監(jiān)測(cè)結(jié)果與同期土壤相對(duì)濕度地面觀測(cè)記錄在發(fā)育階段和空間上有很好的一致性，遙感監(jiān)測(cè)結(jié)果正確。

4 討 論

植物葉片水分在短波紅外產(chǎn)生強(qiáng)烈吸收，短波紅外的反射率與葉片含水量呈負(fù)相關(guān)[27-28]，因植物在干旱條件下葉片水勢(shì)下降[29]，所以對(duì)短波紅外反射率增加，由此通過對(duì)植物葉片短波紅外反射率的監(jiān)測(cè)能夠反映植物的水分狀況。本研究在春玉米干旱監(jiān)測(cè)中發(fā)現(xiàn)，對(duì)土壤相對(duì)濕度反映最敏感的遙感指數(shù)為LSWI，該指數(shù)即為不同波長的短波紅外波段組合而成。同時(shí)，Zhou等[30]在研究利用遙感指數(shù)監(jiān)測(cè)美國南部大平原草地的干旱狀況、Bajgain等[31]和Wagle等[32]在對(duì)比NDVI、EVI和LSWI監(jiān)測(cè)草地干旱的敏感性時(shí)也都發(fā)現(xiàn)，與很多遙感指數(shù)相比，LSWI在植被干旱監(jiān)測(cè)中表現(xiàn)良好。

在研究春玉米各發(fā)育期土壤相對(duì)濕度與單一遙感指數(shù)的相關(guān)性時(shí)發(fā)現(xiàn)，所選取的遙感指數(shù)與播種期和出苗期的土壤相對(duì)濕度都不存在顯著相關(guān)關(guān)系，可見，本研究選取的遙感指數(shù)與植被的生物物理特性關(guān)系密切，但對(duì)裸土水分含量的變化不敏感。另外，在三葉和七葉期的相關(guān)系數(shù)（）較低，原因可能是該段時(shí)間植被覆蓋度較低，植物冠層透射和散射大量的可見光和短波紅外到土壤表面，在植物—土壤之間發(fā)生多次散射，可見光和短波紅外的反射率在植被未完全覆蓋區(qū)域受土壤的影響較大，二者之間可能為非線性相關(guān)。張友水等[33]在研究利用LSWI—NDVI梯形圖估算植被含水狀況時(shí)也發(fā)現(xiàn)了類似問題。另外，在本研究的結(jié)果中，乳熟期的遙感指數(shù)與70 cm以下土層深度的土壤相對(duì)濕度無顯著相關(guān)，其原因還有待進(jìn)一步研究。

本研究選取的遙感指數(shù)反映的均為春玉米的生物物理參數(shù)，因植物的生理狀態(tài)對(duì)土壤水分變化的反映有滯后和累積效應(yīng)[34-35]，如果監(jiān)測(cè)時(shí)間尺度過小，監(jiān)測(cè)精度會(huì)受到滯后和累積效應(yīng)的影響，如果監(jiān)測(cè)時(shí)間尺度過大，又不能及時(shí)捕捉春玉米生理狀態(tài)對(duì)干旱的響應(yīng)，研究發(fā)現(xiàn)，三葉和七葉期遙感監(jiān)測(cè)的適宜時(shí)間尺度為20 d，拔節(jié)、抽穗、乳熟和成熟期的適宜尺度為10 d。雖然并未從植物對(duì)干旱響應(yīng)的生理生態(tài)機(jī)制上找到存在這種時(shí)間尺度差異的原因，但統(tǒng)計(jì)2008－2012年遼寧省年最大連續(xù)無降水日（圖5）在玉米不同發(fā)育期中的分布可見，三葉和七葉期年最大連續(xù)無降水日主要集中在10 d以上，其他發(fā)育期年最大連續(xù)無降水日主要集中在5～10 d，該現(xiàn)象與對(duì)應(yīng)發(fā)育期遙感指數(shù)干旱監(jiān)測(cè)適宜的時(shí)間尺度具有較好的一致性，說明當(dāng)?shù)氐臍夂蛱卣骺赡苁窃斐蛇@種監(jiān)測(cè)時(shí)間尺度差異的原因之一。

圖5 2008－2012年遼寧省春玉米不同發(fā)育期最大無降水日數(shù)分布

雖然春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型在實(shí)踐應(yīng)用時(shí)表現(xiàn)良好，但該模型仍屬于統(tǒng)計(jì)模型，缺乏對(duì)春玉米干旱遙感監(jiān)測(cè)機(jī)制的解釋能力，而且部分?jǐn)M合方程的相關(guān)系數(shù)（）還較低，分析原因與土壤相對(duì)濕度變化存在的偶然性和地面觀測(cè)的時(shí)間尺度有關(guān)，一場(chǎng)透雨或人為灌溉可能會(huì)使原本處于重旱狀態(tài)的土壤轉(zhuǎn)為正常狀態(tài)，而本研究獲取的土壤相對(duì)濕度觀測(cè)記錄是每10 d測(cè)量一次，10 d內(nèi)土壤相對(duì)濕度可能會(huì)發(fā)生很大變化，而且春玉米對(duì)土壤相對(duì)濕度變化響應(yīng)的滯后性也增加了遙感監(jiān)測(cè)模型擬合結(jié)果的不確定性，近些年中國很多農(nóng)業(yè)氣象觀測(cè)站開展了土壤相對(duì)濕度自動(dòng)觀測(cè)業(yè)務(wù)，監(jiān)測(cè)的時(shí)間尺度明顯縮小，顯著提高了土壤相對(duì)濕度變化的捕捉能力，將為土壤相對(duì)濕度遙感監(jiān)測(cè)在時(shí)空尺度上提供更為密集的基礎(chǔ)數(shù)據(jù)。

本研究應(yīng)用的遙感數(shù)據(jù)空間分辨率為1 km，由于遼寧省一向有旱田間作的種植習(xí)慣，很難再將不同的旱作物進(jìn)一步區(qū)分開來，所以影響了對(duì)春玉米的準(zhǔn)確定位，如果利用中等空間分辨率數(shù)據(jù)（如Landsat數(shù)據(jù)、HJ星數(shù)據(jù)等）開展監(jiān)測(cè)，又不能滿足監(jiān)測(cè)對(duì)時(shí)效性的要求，考慮到該省春玉米的播種面積占旱作物播種面積的60%以上（數(shù)據(jù)來源于http://data.stats.gov.cn/index.htm），本研究的監(jiān)測(cè)結(jié)果仍具有一定的代表性。另外，本研究的干旱監(jiān)測(cè)方法是建立在特定區(qū)域和農(nóng)作物基礎(chǔ)上的，區(qū)域氣候特點(diǎn)、土壤質(zhì)地、作物生理生態(tài)特性等的差異都會(huì)對(duì)監(jiān)測(cè)模型的適用性產(chǎn)生很大影響，因此本研究建立的遙感干旱監(jiān)測(cè)模型能否進(jìn)行時(shí)空尺度的擴(kuò)展還需進(jìn)一步驗(yàn)證。

5 結(jié) 論

以遼寧省春玉米為研究對(duì)象，以FY-3A/MERSI數(shù)據(jù)、Terra/MODIS數(shù)據(jù)、春玉米發(fā)育期觀測(cè)數(shù)據(jù)、土壤相對(duì)濕度觀測(cè)數(shù)據(jù)等為基礎(chǔ)，建立春玉米各發(fā)育期干旱監(jiān)測(cè)遙感指標(biāo)集，構(gòu)建春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型，對(duì)該省春玉米不同發(fā)育期、不同土層深度的干旱進(jìn)行動(dòng)態(tài)監(jiān)測(cè)。研究結(jié)論如下：

1993－2012年遼寧省春玉米在各個(gè)發(fā)育期均有干旱發(fā)生，其中乳熟期干旱最為嚴(yán)重；單一遙感指數(shù)對(duì)土壤相對(duì)濕度監(jiān)測(cè)能力較強(qiáng)的是陸表水分指數(shù)（LSWI），其次是水分指數(shù)（WI）；多指數(shù)協(xié)同配合能提高對(duì)土壤相對(duì)濕度的監(jiān)測(cè)能力，建立的春玉米各發(fā)育期土壤相對(duì)濕度遙感監(jiān)測(cè)模型，對(duì)部分發(fā)育期和土層深度干旱監(jiān)測(cè)的總體準(zhǔn)確率能達(dá)73.32%；實(shí)現(xiàn)了遼寧省2000年春玉米發(fā)育期干旱等級(jí)動(dòng)態(tài)監(jiān)測(cè)，所得監(jiān)測(cè)結(jié)果與當(dāng)年農(nóng)業(yè)氣象觀測(cè)記錄在發(fā)育階段和空間上有很好的一致性，遙感監(jiān)測(cè)結(jié)果正確。

[1] Yu K, Okin G S, Ravi S, et al. Potential of grass invasions in desert shrublands to create novel ecosystem states under variable climate [J]. Ecohydrology, 2016, 9(8): 1496－1506.

[2] Herrera-Estrada J E, Satoh Y, Sheffield J. Spatiotemporal dynamics of global drought [J]. Geophysical Research Letters, 2017, 44(5): 2254－2263.

[3] 周廣勝. 氣候變化對(duì)中國農(nóng)業(yè)生產(chǎn)影響研究展望[J]. 氣象與環(huán)境科學(xué)，2015，38(1)：80－94. Zhou Guangsheng. Research prospect on impact of climate changeon agricultural production in China[J]. Meteorological and Environmental Sciences, 2015, 38(1): 80－94. (in Chinese with English abstract)

[4] 蔡福，張淑杰，紀(jì)瑞鵬，等. 近30年遼寧玉米水分適宜度時(shí)空演變特征及農(nóng)業(yè)干旱評(píng)估[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2015，26(1)：233－240. Cai Fu, Zhang Shujie, Ji Ruipeng, et al. Spatiotemporal dynamics of maize water suitability and assessment of agricultural drought in Liaoning Province, China from 1981 to 2010[J]. Chinese Journal of Applied Ecology, 2015, 26(1): 233－240. (in Chinese with English abstract)

[5] 盧洪健，莫興國，孟德娟，等. 氣候變化背景下東北地區(qū)氣象干旱的時(shí)空演變特征[J]. 地理科學(xué)，2015，35(8)：1051－1059. Lu Hongjian, Mo Xingguo, Meng Dejuan, et al. Analyzing spatiotemporal patterns of meteorological drought and its responses to climate change across Northeast China [J]. Scientia Geographica Sinica, 2015, 35(8): 1051－1059. (in Chinese with English abstract)

[6] 張運(yùn)福，房一禾，龔強(qiáng). 基于SPEI指數(shù)的遼寧省生長季干旱時(shí)空特征[J]. 生態(tài)學(xué)雜志，2017，36(1)：190－197. Zhang Yunfu, Fang Yihe, Gong Qiang. Analysis of temporal and spatial characteristics of growing season drought in Liaoning Province based on standardized precipitation- evapotranspiration index [J]. Chinese Journal of Ecology, 2017, 36(1): 190－197. (in Chinese with English abstract)

[7] 孫濱峰，趙紅，王效科. 基于標(biāo)準(zhǔn)化降水蒸發(fā)指數(shù)（SPEI）的東北干旱時(shí)空特征[J]. 生態(tài)環(huán)境學(xué)報(bào)，2015，24(1)：22－28. Sun Binfeng, Zhao Hong, Wang Xiaoke. Spatiotemporal characteristics of drought in northeast China based on SPEI[J]. Ecology and Environmental Sciences, 2015, 24(1): 22－28. (in Chinese with English abstract)

[8] Ford T W, McRoberts D B, Quiring S M et al. On the utility of in situ soil moisture observations for flash drought early warning in Oklahoma, USA[J]. Geophysical Research Letters, 2015, 42(22): 9790－9798.

[9] Schwantes A M, Swenson J J, Gonzalez-Roglich M, et al. Measuring canopy loss and climatic thresholds from an extreme drought along a fivefold precipitation gradient across Texas[J]. Global Change Biology, 2017, 23(12): 5120－5135.

[10] McKee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales[C]//. The 8th Conference on Applied Climatology: American Meteorological Society Boston, California, 1993, 17－22.

[11] Wells N, Goddard S. A self-calibrating Palmer drought severity index[J]. Journal of Climate, 2004, 17(12): 2335－2351.

[12] 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.

[13] Sultana R, Nasrollahi N. Evaluation of remote sensing precipitation estimates over Saudi Arabia [J]. Journal of Arid Environments, 2018, 151: 90－103.

[14] Ines A V M, Mohanty B P, Shin Y. An unmixing algorithm for remotely sensed soil moisture[J]. Water Resources Research, 2013, 49(1): 408－425.

[15] Shi M J, Liu J J, Zhao Y F, et al. Mechanistic processes controlling persistent changes of forest canopy structure after 2005 amazon drought[J]. Journal of Geophysical Research: Biogeosciences, 2017, 122(12): 3378－3390.

[16] Son N T, Chen C F, Chen C R, et al. Monitoring agricultural drought in the Lower Mekong Basin using MODIS NDVI and land surface temperature data[J]. International Journal of Applied Earth Observation and Geoinformation, 2012, 18(2): 417－427.

[17] Periasamy S, Shanmugam R S. Multispectral and microwave remote sensing models to survey soil moisture and salinity[J]. Land Degradation & Development, 2016, 28(4): 1412－1425.

[18] Okin G S, Dong C Y, Willis K S, et al. The impact of drought on native southern california vegetation: Remote sensing analysis using MODIS-derived time series[J]. Journal of Geophysical Research: Biogeosciences, 2018, 123(6): 1927－1939.

[19] Munson S M, Long A L, Wallace C S A, et al. Cumulative drought and land-use impacts on perennial vegetation across a North American dryland region[J]. Applied Vegetation Science, 2016, 19(3): 430－441.

[20] Abdi O, Shirvani Z, Buchroithner M F. Spatiotemporal drought evaluation of Hyrcanian deciduous forests and semi-steppe rangelands using moderate resolution imaging spectroradiometer time series in Northeast Iran[J]. Land Degradation and Development, 2018, 29(8): 2525－2541.

[21] 黃友昕，劉修國，沈永林，等. 農(nóng)業(yè)干旱遙感監(jiān)測(cè)指標(biāo)及其適應(yīng)性評(píng)價(jià)方法研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(6)：186－195. Huang Youxin, Liu Xiuguo, Shen Yonglin, et al. Advances in remote sensing derived agricultural drought monitoring indices and adaptability evaluation methods[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(16): 186－195. (in Chinese with English abstract)

[22] 于成龍，劉丹，楊曉強(qiáng). 基于FY-3A/MERSI與Terra/MODIS的單波段反射率和NDVI差異性分析[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2012，40(9)：124－127. Yu Chenglong, Liu Dan, Yang Xiaoqiang. Comparisons of band reflectance and normalized difference vegetation index between FY-3A/MERSI and Terra/MODIS/[J]. Journal Of Northeast Forestry University, 2012, 40(9): 124－127. (in Chinese with English abstract)

[23] QX/T259－2015，北方春玉米干旱等級(jí)[S].

[24] 侯瓊，沈建國. 春玉米根系生育特征與冠層關(guān)系的研究[J]. 生態(tài)學(xué)報(bào)，2001，21(9)：1536－1541. Hou Qiong, Shen Jianguo. Study on root development characteristics of spring maize and its relationships with canopy growth[J]. Acta Ecologica Sinica, 2001, 21(9): 1536－1541. (in Chinese with English abstract)

[25] 穆佳，趙俊芳，郭建平. 近30年東北春玉米發(fā)育期對(duì)氣候變化的響應(yīng)[J]. 應(yīng)用氣象學(xué)報(bào)，2014，25(6)：680－689. Mu Jia, Zhao Junfang, Guo Jianping. Response of spring maize growth stage to climate change in Northeast China over the past 30 years[J]. Journal of Applied Meteorological Science, 2014, 25(6): 680－689. (in Chinese with English abstract)

[26] Ma M W, Ren L L, Singh V P, et al. Evaluation and application of the SPDI-JDI for droughts in Texas, USA[J]. Journal of Hydrology, 2015, 521: 34－35.

[27] Hunt E R, Rock B N. Detection of changes in leaf water content using Near-and-Middle-Infrared reflectances[J]. Remote Sensing of Environment, 1989, 30(1): 43－54.

[28] Fensholt R, Sandholt I. Derivation of a shortwave infrared water stress index from MODIS near- and shortwave infrared data in a semiarid environment[J]. Remote Sensing of Environment, 2003, 87(1): 111－121.

[29] Bhusal N, Han S G, Yoon T M. Impact of drought stress on photosynthetic response, leaf water potential, and stem sap flow in two cultivars of bi-leader apple trees (×Borkh.)[J]. Scientia Horticulturae, 2019, 246(27): 535－543.

[30] Zhou Y T, Xiao X M, Zhang G L, et al. Quantifying agricultural drought in tallgrass prairie region in the U.S. Southern Great Plains through analysis of a water-related vegetation index from MODIS images[J]. Agricultural and Forest Meteorology, 2017, 246(15): 111－122.

[31] Bajgain R, Xiao X M, Wagle P, et al. Sensitivity analysis of vegetation indices to drought over two tallgrass prairie sites[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 108: 151－160.

[32] Wagle P, Xiao X M, Torn M S, et al. Sensitivity of vegetation indices and gross primary production of tallgrass prairie to severe drought [J]. Remote Sensing of Environment, 2014, 152: 1－14.

[33] 張友水，謝元禮. MODIS影像的NDVI和LSWI植被水分含量估算[J]. 地理科學(xué)，2008，28(1)：72－76. Zhang Youshui, Xie Yuanli. Vegetation water content estimation using NDVI and LSWI from MODIS images[J]. Scientia Geographica Sinica, 2008, 28(1): 72－76. (in Chinese with English abstract)

[34] Zhang F, Xhang L W, Wang X Z, et al. Detecting agro-droughts in southwest of china using MODIS satellite data[J]. Journal of Integrative Agriculture, 2013, 12(1): 159－168.

[35] 安雪麗，武建軍，周洪奎，等. 土壤相對(duì)濕度在東北地區(qū)農(nóng)業(yè)干旱監(jiān)測(cè)中的適用性分析[J]. 地理研究，2017，36(5)：837－849. An Xueli, Wu Jianjun, Zhou Hongkui, et al. Assessing the relative soil moisture for agricultural drought monitoring in Northeast China[J]. Geographical Research, 2017, 36(5): 837－849. (in Chinese with English abstract)

Remote sensing monitoring of drought response of spring maize based on vegetation indexes

Liu Dan1,2,3, Feng Rui4, Yu Chenglong1,2,3※, Tang Quan5, Guo Chunling5

(1.150030,; 2.150030,; 3.150030,; 4.110166,; 5.121200,)

Drought has become a problem that is universally faced by global terrestrial ecosystems. Northeast China is dominated by a temperate monsoon climate and located in an area sensitive to global climate changes, and one of the main impacts of climate changes in Northeast China is manifested as drought in growing seasons. The drought area has a gradual increase trend, and drought has become the main agro-meteorological disaster in this region which is also the main maize planting area in China. Drought normalization seriously restricts the stable development of maize production in Northeast China. So in this paper, we took spring maize in Liaoning Province as an example and made clear the drought variation characteristics in different growth stages by using the data of FY-3A/MERSI, Terra/MODIS, relative soil moisture and growth stages and the methods of RS, GIS and statistical analysis. Then we analyzed the correlation between multi-time scale remote sensing indexes and relative soil moisture in different soil depth, and established the remote sensing monitoring index set and models of relative soil moisture for each growth stage and soil depth. The accuracy of the monitoring models was verified and the application research of monitoring the drought of spring maize in Liaoning Province was studied. The results showed that: From 1993 to 2012, drought occurred in each growth stage of spring maize in Liaoning Province and the highly frequent drought occurred in the period from 1999 to 2002. The drought grade in each year was mainly light drought, and the drought was the most serious at milk stage, followed by heading stage. There was no significant correlation between the monitoring indexes and relative soil moisture at sowing and emergence stage, but there was a significant or extremely significant correlation between them at three-leaf and maturity stage. The monitoring index LSWI (land surface water index) had a strong ability to monitor relative soil moisture, followed by WI (water index). Multi-index coordination could improve the monitoring ability of relative soil moisture by remote sensing means, and the monitoring ability at 10-day scale was generally higher than that at 5-day scale and 20-day scale. Based on the monitoring models of soil relative humidity, the drought condition of partial growth stages and soil depth from 2001 to 2004 was monitored. The overall monitoring accuracy was 73.32%, in which the monitoring accuracy of jointing and three-leaf stage was more than 85%. The dynamic monitoring of drought grades in different growth stages in 2000 was realized. The monitoring results were consistent with the agro-meteorological observation records in terms of the growth stages and space. This study would be very significant to improve the capacity of disaster prevention and mitigation by monitoring spring maize accurately and synchronously on a large range.

remote sensing; drought; vegetation; spring maize; growth stages

劉 丹，馮 銳，于成龍，唐 權(quán)，郭春玲. 基于植被指數(shù)的春玉米干旱響應(yīng)遙感監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35(20)：152－161.doi：10.11975/j.issn.1002-6819.2019.20.019 http://www.tcsae.org

Liu Dan, Feng Rui, Yu Chenglong, Tang Quan, Guo Chunling. Remote sensing monitoring of drought response of spring maize based on vegetation indexes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 152－161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.20.019 http://www.tcsae.org

2019-04-26

2019-08-15

中國氣象局沈陽大氣環(huán)境研究所開放基金（2018SYIAEZD1）；黑龍江省自然科學(xué)基金聯(lián)合引導(dǎo)項(xiàng)目（LH2019D014）；中國氣象局東北地區(qū)生態(tài)氣象創(chuàng)新開放實(shí)驗(yàn)室開放研究基金項(xiàng)目（stqx2018zd03）

劉 丹，正高級(jí)工程師，博士，主要從事生態(tài)氣象方向研究。Email：nefuliudan@163.com

于成龍，高級(jí)工程師，博士，主要從事生態(tài)氣象方向研究。Email：nefuycl@163.com

10.11975/j.issn.1002-6819.2019.20.019

TP79

A

1002-6819(2019)-20-0152-10