基于多源數(shù)據(jù)的新疆干旱特征及干旱模型研究

秦大輝， 楊靈， 諶倫超， 段云飛， 賈宏亮， 李貞培， 馬建琴

(1.西南石油大學(xué)土木工程與測繪學(xué)院，成都 610500； 2.華北水利水電大學(xué)水利學(xué)院，鄭州 450046)

0 引言

干旱是一種重大的自然災(zāi)害，對社會、生態(tài)、農(nóng)業(yè)以及經(jīng)濟(jì)都會造成巨大的影響和損失[1-3]。影響干旱的因素較多且成因復(fù)雜，如何對干旱進(jìn)行定量監(jiān)測評估是一大研究難題。迄今為止國內(nèi)外已有很多研究利用單一干旱監(jiān)測指標(biāo)進(jìn)行干旱監(jiān)測，并且取得了不錯的效果。但是由于研究區(qū)的差異和干旱成因的不確定性，單一的干旱監(jiān)測指數(shù)缺乏普適性，其監(jiān)測結(jié)果和實(shí)際的情況可能存在較大的偏差[4]?；诙嘣磾?shù)據(jù)對區(qū)域性干旱進(jìn)行研究分析，能夠綜合遙感數(shù)據(jù)的優(yōu)勢對干旱進(jìn)行連續(xù)性全面監(jiān)測與分析[5]。建立綜合干旱監(jiān)測模型，既能提高干旱監(jiān)測精度，探討干旱的發(fā)生過程以及影響，又能通過時序數(shù)據(jù)對干旱進(jìn)行時空變化規(guī)律的研究。

Kogan[6]利用多年的植被指數(shù)，提出了結(jié)合植被狀態(tài)指數(shù)和溫度條件指數(shù)的植被健康指數(shù)來進(jìn)行干旱的監(jiān)測； 溫慶志等[7]以多源遙感數(shù)據(jù)為基礎(chǔ)，采用SEN趨勢法和標(biāo)準(zhǔn)化降水蒸散指數(shù)(standardized precipitation evapotranspiration index，SPEI)等方法，構(gòu)建了適用于淮河流域的多源綜合遙感干旱監(jiān)測模型，以研究淮河流域的干旱時空變化; 杜靈通等[8]采用決策樹分析的思想，綜合考慮土壤水分脅迫、植被生長狀態(tài)和氣象降水盈虧等致旱因素，利用分類回歸規(guī)則建立綜合干旱監(jiān)測模型，并取得了較好的監(jiān)測效果; 劉高鳴等[9]計(jì)算了SPEI指數(shù)、植被狀態(tài)指數(shù)、溫度狀態(tài)指數(shù)、溫度植被干旱指數(shù)(temperature vegetation dryness index,TVDI)，構(gòu)建了基于決策樹的定性農(nóng)業(yè)干旱監(jiān)測模型，并且以此模型對河南省干旱事件進(jìn)行監(jiān)測，該模型能較好地反映農(nóng)業(yè)旱情的發(fā)生和空間演變情況。

以上綜合干旱指數(shù)的建立多以植被、土壤等作為參考因素，忽略了降水因素對干旱的重要影響，本研究以長時間序列的TRMM降水?dāng)?shù)據(jù)結(jié)合數(shù)字高程模型(digital elevation model，DEM)以及TVDI指數(shù)作為模型構(gòu)建參數(shù)，利用主成分分析的方法建立改進(jìn)的綜合干旱監(jiān)測指數(shù)(synthesis drought monitoring index,SDMI)作為一種新的工具，對研究區(qū)進(jìn)行干旱頻率的時空分析以及變化發(fā)展趨勢研究，對認(rèn)識新的干旱問題及干旱預(yù)測預(yù)防有重要意義。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

新疆維吾爾自治區(qū)位于我國西北部(E73°～96°,N34°～48°),海拔最高為8 611 m。作為我國陸地面積最大的省級行政區(qū)，占據(jù)1/6陸地面積[10]。北部為阿爾泰山，南部為昆侖山系，中部為天山，天山以北為準(zhǔn)格爾盆地，天山以南為塔里木盆地。新疆遠(yuǎn)離海洋，高山阻隔，形成了典型的溫帶大陸性氣候，晝夜溫差大，年日照長達(dá)2 500～3 500 h，年降水量較少且在空間分布上呈現(xiàn)明顯的南北差異[11]。研究區(qū)氣象站點(diǎn)分布如圖1所示。

圖1 研究區(qū)氣象站點(diǎn)分布

1.2 數(shù)據(jù)來源

站點(diǎn)數(shù)據(jù)選取2001—2019年新疆地區(qū)55個氣象站點(diǎn)的逐日觀測氣溫、降水?dāng)?shù)據(jù)，缺失或者異常數(shù)據(jù)用相鄰月份的平均值代替，原始數(shù)據(jù)來源為中國氣象數(shù)據(jù)網(wǎng)(https： //data.cma.cn/)。遙感數(shù)據(jù)源為2001—2019年的新疆區(qū)域MOD13A3月值3級植被指數(shù)產(chǎn)品、MOD11A2的8 d地表溫度產(chǎn)品，TRMM3B43降水?dāng)?shù)據(jù)產(chǎn)品，數(shù)據(jù)來源為https: //mirador.gsfc.nasa.gov。其他數(shù)據(jù)包括新疆地區(qū)STRM-DEM(90 m)數(shù)據(jù)(https: //www.resdc.cn/)和省級行政矢量數(shù)據(jù)。

2 研究方法

2.1 模型構(gòu)建

根據(jù)研究區(qū)域的實(shí)際情況，考慮各種致旱因子對干旱過程的影響，本文綜合大氣降水、植被以及地面高程等影響因素，以TVDI、降水集中指數(shù)(precipitation concentration index,PCI)、DEM為模型參數(shù)，利用主成分分析的方法[12],選取累計(jì)貢獻(xiàn)率高于85%的前n個主成分分量，成分的權(quán)重系數(shù)為該成分所對應(yīng)的貢獻(xiàn)率，得到改進(jìn)的SDMI。通過對SDMI指數(shù)和SPEI值進(jìn)行相關(guān)性分析，以確定模型的適用性和可靠性[13]。模型構(gòu)建的具體流程如圖2所示。

圖2 模型構(gòu)建流程

計(jì)算獲得研究時間段2001—2019年的月值綜合干旱指數(shù)柵格數(shù)據(jù)集，該指數(shù)可以反映大氣降水、植被以及DEM等對研究區(qū)干旱情況的影響，能夠?qū)ρ芯繀^(qū)進(jìn)行歷史干旱時空演變分析。

2.2 指數(shù)計(jì)算

2.2.1 溫度植被干旱指數(shù)(TVDI)

TVDI能夠反映長時間序列的土壤濕度情況，因此選擇TVDI指數(shù)作為模型參量[14]。利用MRT工具分別對獲取的MOD13A3以及MOD11A2數(shù)據(jù)進(jìn)行批量拼接、投影轉(zhuǎn)換等預(yù)處理。分別獲得像元大小為1 km的月歸一化植被指數(shù)(normalized difference vegetation index,NDVI)產(chǎn)品以及8 d的地表溫度(land surface temperature,LST)產(chǎn)品。由于LST為8 d合成產(chǎn)品，利用最大值合成為月產(chǎn)品實(shí)現(xiàn)與NDVI數(shù)據(jù)的像元柵格匹配。使用數(shù)據(jù)集的質(zhì)量信息文件對數(shù)據(jù)進(jìn)行質(zhì)量控制，剔除異常數(shù)據(jù)以提高數(shù)據(jù)精度。

TVDI的計(jì)算公式為：

LSTmax=a+bNDVI，

(1)

LSTmin=a′+b′NDVI，

(2)

(3)

式中：LST為地表溫度；LSTmax為最高地表溫度，對應(yīng)干邊；LSTmin為最低地表溫度，對應(yīng)濕邊；a，b和a′，b′分別為干邊和濕邊的擬合系數(shù)。TVDI的取值范圍為0～1，值越大表示受干旱影響程度越大。

2.2.2 降水集中指數(shù)(PCI)

降水量的多少和干旱的發(fā)生有直接的關(guān)系，長時間無降水或者降水量偏少通常會發(fā)生干旱。TRMM衛(wèi)星獲得的降水?dāng)?shù)據(jù)能夠彌補(bǔ)站點(diǎn)監(jiān)測數(shù)據(jù)的不連續(xù)性，有利于進(jìn)行降水的時空分布特征分析[15]。對TRMM3B43數(shù)據(jù)進(jìn)行旋轉(zhuǎn)、投影等預(yù)處理，并且根據(jù)每月實(shí)際天數(shù)將其轉(zhuǎn)換成月降水?dāng)?shù)據(jù)。通過最鄰近重采樣的方法將降水?dāng)?shù)據(jù)空間分辨率由0.25°降至1 km。本文選取基于降水時間序列變化的PCI作為模型的參量，計(jì)算公式為：

(4)

式中：PCIi為某年第i月的降水集中指數(shù)；TRMMi為第i月的TRMM值；TRMMmax和TRMMmin分別為多年相應(yīng)月份TRMM的最大值和最小值。PCI的取值范圍為0～1，值越小表明越干旱。

2.2.3 數(shù)字高程模型(DEM)

該研究區(qū)地勢情況復(fù)雜，高低起伏較大，海拔在-155～8 611 km之間。隨著海拔的變化，溫度、植被類型、降水情況以及土壤水分等都存在著明顯差異。該研究區(qū)的干旱災(zāi)害多發(fā)生于低海拔地區(qū)，海拔較高的山區(qū)發(fā)生干旱的幾率相對較小，因此在構(gòu)建綜合干旱監(jiān)測模型時將高程因素納入考慮。

2.2.4 標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)

SPEI是在標(biāo)準(zhǔn)化降水指數(shù)的基礎(chǔ)上，引入潛在蒸散發(fā)進(jìn)行構(gòu)建的，可以確定干旱的發(fā)生、持續(xù)時間以及干旱強(qiáng)度[16-18]。采用式(5)估算潛在蒸發(fā)量，通過計(jì)算降水值Pi和潛在蒸散PETi的差值得到氣候水平衡量值Di。公式為：

(5)

Di=Pi-PETi，

(6)

式中： A為常數(shù)；H為年熱量指數(shù)；Ti為第i月平均氣溫，℃。

利用log-logistic概率密度函數(shù)對Di序列數(shù)據(jù)進(jìn)行擬合，得到的概率分布函數(shù)為：

(7)

式中α,β,γ分別為尺度、形狀和位置參數(shù)。

根據(jù)確定水分盈虧概率p確定SPEI的計(jì)算公式，即

當(dāng)p≤0.5時，令p為1-F(x)，公式為:

(8)

當(dāng)p>0.5時，令p為1-p,公式為：

(9)

2.3 干旱等級劃分

利用SPEI值對SDMI指數(shù)進(jìn)行干旱等級的劃分，提取研究區(qū)2001—2019年55個站點(diǎn)所對應(yīng)的SDMI指數(shù)與SPEI值進(jìn)行線性回歸分析。以SPEI值為自變量，SDMI指數(shù)為因變量，構(gòu)建一元線性回歸方程為:

y=0.2x+0.5。

(10)

將SPEI各等級的值帶入式(10)中，以獲得SDMI指數(shù)的干旱等級劃分，具體的干旱等級劃分如表1所示。

表1 干旱等級劃分

2.4 模型驗(yàn)證

為分析所構(gòu)建模型的干旱監(jiān)測能力，本文通過計(jì)算研究區(qū)內(nèi)55個氣象站點(diǎn)的月尺度SPEI指數(shù)進(jìn)行驗(yàn)證。提取每個氣象站點(diǎn)所在經(jīng)緯度位置3像元×3像元的像元平均值作為SDMI，對SPEI值和SDMI指數(shù)進(jìn)行相關(guān)性分析，站點(diǎn)指數(shù)的相關(guān)性驗(yàn)證結(jié)果如表2所示。

表2 SDMI值與SPEI指數(shù)的相關(guān)性系數(shù)

根據(jù)研究區(qū)SDMI計(jì)算結(jié)果和SPEI值的相關(guān)性分析結(jié)果顯示，二者存在一定的相關(guān)性。1—12月相關(guān)性均通過了P<0.01顯著性檢驗(yàn)，且大部分月份相關(guān)系數(shù)都處于0.6～0.8之間。因此該模型能夠用于區(qū)域性的干旱監(jiān)測分析。

3 結(jié)果與分析

3.1 總干旱頻率分析

根據(jù)干旱等級劃分結(jié)果，利用ArcGIS軟件提取研究時段內(nèi)SDMI<0.4的像元即視為發(fā)生干旱，利用干旱頻率計(jì)算公式可獲得研究區(qū)2001—2019年總干旱頻率分布(圖3)。干旱頻率Fd[19-20]計(jì)算公式為：

(11)

式中：n為該像元在統(tǒng)計(jì)時段發(fā)生干旱的次數(shù)；N為統(tǒng)計(jì)的總時段。

圖3 總干旱頻率分布

經(jīng)圖3統(tǒng)計(jì)可知，研究區(qū)2001—2019年間47.7%的地區(qū)發(fā)生了干旱， 32.3%的地區(qū)干旱發(fā)生頻率可達(dá)60%以上。干旱發(fā)生頻率較高的地區(qū)主要位于塔里木盆地和準(zhǔn)格爾盆地以及吐魯番盆地。提取55個氣象站點(diǎn)的干旱情況進(jìn)行進(jìn)一步的地理空間分析，根據(jù)SDMI指數(shù)干旱劃分等級，對55個站點(diǎn)在研究時段內(nèi)發(fā)生干旱的情況進(jìn)行統(tǒng)計(jì)分析，如圖4所示。

圖4 站點(diǎn)干旱頻率

由圖4可知，除少數(shù)站點(diǎn)外，大部分站點(diǎn)在研究時間段內(nèi)均處于輕度干旱和中度干旱，其中站點(diǎn)26，32，33，42，43，47，48，53，55(如圖3所示)在研究時段內(nèi)發(fā)生干旱的頻率均超過了60%，分別為61.7%，71.1%，63.5%，75.0%，77.8%，60.0%，63.3%，68.9%以及63.9%。根據(jù)站點(diǎn)所在的實(shí)際地理位置顯示，這些站點(diǎn)集中于吐魯番盆地且靠近塔克拉瑪干沙漠附近。其主要原因?yàn)橥卖敺璧貙儆诖箨懟哪詺夂?，全年降水量較少，而蒸發(fā)量可達(dá)降水量的幾千倍，且年均氣溫較高。位于塔里木盆地的塔克拉瑪干沙漠缺少植被覆蓋，地表裸露嚴(yán)重，晝夜溫差大降水量嚴(yán)重低于蒸發(fā)量。

站點(diǎn)13，23，24，28，37，41，44和54(如圖3所示)的干旱發(fā)生率低于20%，分別為18.9%，16.7%，9.4%，16.7%，6.1%，7.8%，8.9%以及14.4%。站點(diǎn)位置主要集中于天山山脈以及昆侖山脈附近。這些區(qū)域的冰雪融水補(bǔ)給較為充分，呈現(xiàn)濕潤的狀態(tài)，此外天山山脈主要有楚河、伊犁河等河流，能夠及時補(bǔ)充地下水，從而降低干旱發(fā)生的頻率。

由此可見，盆地沙漠地形地貌較為簡單，生態(tài)環(huán)境十分脆弱。而山脈位置由于其獨(dú)特的地形地勢，地形復(fù)雜、生態(tài)環(huán)境結(jié)構(gòu)豐富，具有相對較高的生態(tài)穩(wěn)定性，因此生態(tài)環(huán)境不易被破壞，發(fā)生干旱的頻率相對較低。

3.2 季節(jié)性干旱頻率分析

根據(jù)規(guī)定的12月—次年2月為冬季，3—5月為春季，6—8月為夏季，9—11月為秋季，利用ArcGIS軟件的像元統(tǒng)計(jì)工具，以長時間序列不同月份的像元平均值作為依據(jù)，將SDMI數(shù)據(jù)集進(jìn)行月份劃分，其月際干旱發(fā)生頻率如圖5所示。

圖5 月際干旱頻率

據(jù)圖5可知， 1月、2月、11月以及12月的干旱發(fā)生頻率不到40%，表明不易發(fā)生干旱災(zāi)害，而3月、4月和6—10月干旱發(fā)生頻率可達(dá)45%以上，這是由于春、夏兩季高溫少雨而導(dǎo)致的。2—3月的干旱發(fā)生頻率有一個顯著的增加，是因?yàn)橛啥氪簹鉁厣叨邓疁p少，并且春季是播種期和灌溉期。圖6為季節(jié)干旱分布情況。

(a) 春季(b) 夏季

(c) 秋季(d) 冬季

由圖6可知，研究區(qū)2001—2019年間，干旱發(fā)生的主要時段為春季(圖6(a))和夏季(圖6(b))，且集中為中度干旱。秋季(圖6(c))和冬季(圖6(d))發(fā)生干旱情況較少，以輕度干旱為主。塔里木盆地是全年干旱情況都較為嚴(yán)重，而天山山脈以北地區(qū)，SDMI值在春夏兩季較低，但是在秋冬兩季就有明顯升高，表明該地區(qū)在秋冬兩季的干旱情況有明顯的改善。這是因?yàn)樘焐揭员笨梢允盏絹碜源笪餮蟮奈黠L(fēng)影響從而帶來一定的降水，并且森林帶居多，生態(tài)環(huán)境結(jié)構(gòu)較為復(fù)雜穩(wěn)定。

新疆地區(qū)的春旱以及夏旱情況尤為嚴(yán)重，春季又是農(nóng)業(yè)生產(chǎn)的關(guān)鍵播種期和灌溉期，春旱嚴(yán)重威脅了農(nóng)牧業(yè)的生產(chǎn)，因此對新疆春夏旱的控制和防治對新疆農(nóng)業(yè)的發(fā)展十分重要。

3.3 干旱趨勢分析

利用一元線性回歸的方法探究月尺度綜合干旱指數(shù)和時間變量的關(guān)系，從而對2020年新疆地區(qū)的干旱情況進(jìn)行預(yù)測分析。利用最小二乘法的原理求得回歸斜率，計(jì)算公式為：

(12)

式中：Slopek為回歸斜率;m為時間長度；Ti為時間變量。

SDMI指數(shù)越小表明越干旱，因此當(dāng)一元線性回歸的趨勢為負(fù)時，干旱指數(shù)呈現(xiàn)減小的趨勢，而干旱趨勢則會隨著時間的變化而加劇。本文對1—12月的SDMI指數(shù)進(jìn)行了回歸模擬分析，結(jié)果如圖7所示。根據(jù)圖7的預(yù)測結(jié)果顯示，1—2月、10—12月的線性回歸系數(shù)多為正值，并且正值的區(qū)域面積均超過了研究區(qū)總面積的50%，這表示在這些時間段內(nèi)干旱趨勢逐漸減弱。3—9月的線性回歸系數(shù)則多為負(fù)值，因此該時間段內(nèi)干旱趨勢逐漸加劇，負(fù)值

圖7 1—12月線性回歸斜率統(tǒng)計(jì)特征

最大面積出現(xiàn)在7月，占據(jù)總面積可達(dá)85.65%。預(yù)測2020年該地區(qū)會發(fā)生春旱和夏旱，7—8月的干旱情況較為嚴(yán)重。據(jù)新疆維吾爾自治區(qū)氣象局?jǐn)?shù)據(jù)統(tǒng)計(jì)，全年1—8月氣溫偏高，降水偏少，春夏連旱情況較為嚴(yán)重。預(yù)測結(jié)果與實(shí)際結(jié)果相符，也驗(yàn)證了模型的準(zhǔn)確性和可靠度。

4 結(jié)論與討論

本文以新疆為研究區(qū)，綜合大氣降水-植被-海拔相互作用等多元成因，計(jì)算TVDI，PCI以及DEM等指數(shù)，采用主成分分析方法構(gòu)建了改進(jìn)的SDMI指數(shù)。利用SPEI值對SDMI指數(shù)進(jìn)行一元線性回歸從而確定干旱等級的劃分，并且對模型的適用性和可靠性進(jìn)行了相關(guān)性驗(yàn)證和趨勢分析。通過對所構(gòu)建的研究區(qū)2001—2019年SDMI柵格數(shù)據(jù)集進(jìn)行分析，可以得到如下結(jié)論：

1)本文提出一種新的干旱指數(shù)模型，綜合考慮降水、植被、土壤以及海拔等因素，選取TVDI，PCI以及DEM作為模型構(gòu)建參量。

2)利用SPEI值對SDMI指數(shù)進(jìn)行相關(guān)性分析，大部分月份相關(guān)系數(shù)都處于0.6～0.8之間，因此SDMI指數(shù)能夠較好地反映研究區(qū)域內(nèi)的干旱變化情況。

3)研究區(qū)域內(nèi)干旱情況整體較為嚴(yán)重，超過 47.7%的地區(qū)常年處于干旱情況，全年干旱發(fā)生頻率最高可達(dá)80%。根據(jù)氣象站點(diǎn)所在地區(qū)的SDMI值可知，位于塔里木盆地的塔克拉瑪干沙漠以及吐魯番盆地兩地的干旱發(fā)生頻率均超過了60%，而位于天山山脈以及昆侖山脈的站點(diǎn)發(fā)生干旱的頻率不到20%。研究區(qū)季節(jié)性干旱主要表現(xiàn)為春旱和夏旱，每年的3—8月，塔里木盆地和吐魯番盆地干旱情況加劇，天山以北地區(qū)在秋冬兩季基本上處于無旱情況，而春夏兩季則發(fā)生了大面積的干旱。