基于MODIS 數(shù)據(jù)的滇中高原農(nóng)業(yè)干旱時(shí)空變化分析

屈新星，何云玲**，閆文波，崔茜琳，熊巧利

(1.云南大學(xué) 地球科學(xué)學(xué)院，云南 昆明 650504；2.黔西南州生態(tài)環(huán)境局 興義分局，貴州 興義 562400)

農(nóng)業(yè)干旱是指農(nóng)作物在生長發(fā)育過程中，受氣溫升高、降水減少等氣象因素，以及農(nóng)業(yè)灌溉用水不足等人為因素的影響，農(nóng)作物不能適時(shí)地從土壤和空氣中獲得足夠的水分，使得作物體內(nèi)水分收支失衡，從而脅迫農(nóng)作物正常生長發(fā)育，導(dǎo)致農(nóng)作物減產(chǎn)或絕收的一種現(xiàn)象[1].近年來，隨著全球氣候變化導(dǎo)致的區(qū)域降水量減少和蒸發(fā)量增加，世界上大部分陸地干旱化趨勢日益明顯，大范圍持續(xù)性干旱導(dǎo)致陸地生態(tài)系統(tǒng)服務(wù)功能嚴(yán)重受損，成為制約世界農(nóng)業(yè)產(chǎn)量的重要環(huán)境因素，對糧食安全造成重大影響[2].客觀評價(jià)農(nóng)業(yè)干旱，采取有效的適應(yīng)性策略應(yīng)對干旱化，已經(jīng)成為目前亟待解決的問題之一.

目前，關(guān)于農(nóng)業(yè)干旱監(jiān)測根據(jù)數(shù)據(jù)來源不同，主要有基于地面農(nóng)氣觀測站數(shù)據(jù)和基于衛(wèi)星遙感數(shù)據(jù)兩種，由于衛(wèi)星遙感的實(shí)時(shí)性和連續(xù)性，已成為農(nóng)業(yè)旱情監(jiān)測的重要手段.隨著遙感技術(shù)的不斷發(fā)展，適用于農(nóng)業(yè)干旱監(jiān)測的衛(wèi)星傳感器不斷增多，其中MODIS 傳感器與AVHRR、SPOT-VGT 等傳感器相比，在農(nóng)業(yè)干旱監(jiān)測中結(jié)果最優(yōu)[3].以MODIS 產(chǎn)品為數(shù)據(jù)源，現(xiàn)已發(fā)展出許多農(nóng)業(yè)干旱監(jiān)測指數(shù)，如：垂直干旱指數(shù)（Perpendicular Drought Index,PDI）[4]、植被條件指數(shù)（Vegetation Condition Index,VCI）[5]、溫度植被干旱指數(shù)（Temperature Vegetation Dryness Index,TVDI）[6]、植被供水指數(shù)（Vegetation Supply Water Index,VSWI）[7]、條件植被溫度指數(shù)（Vegetation Temperature Water Index，VTCI）[8]、歸一化干旱指數(shù)（Normalized Difference Drought Index，NDDI）[9]等.其中，由于TVDI 所需的數(shù)據(jù)量及參數(shù)較少，目前已經(jīng)得到了廣泛應(yīng)用.例如，趙莉榮等[10]利用TVDI 對重慶市農(nóng)業(yè)干旱狀況進(jìn)行評價(jià)，結(jié)果表明TVDI 能夠很好地反映研究區(qū)干旱情況；吳孟泉等[11]運(yùn)用TVDI 對復(fù)雜山區(qū)干旱監(jiān)測研究中表明其能很好地對山區(qū)旱情進(jìn)行監(jiān)測.傳統(tǒng)的TVDI 計(jì)算利用地表溫度（Land Surface Temperature，LST）和歸一化差值植被指數(shù)（Normalized Difference Vegetation Index，NDVI），由于NDVI 易飽和，故有學(xué)者采用增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）計(jì)算TVDI.閆峰等[12]的研究結(jié)果表明采用LST 和EVI 計(jì)算的TVDI能夠較好地反映土壤表層水分狀況；閆娜等[13]通過對NDVI、EVI 分別構(gòu)建的TVDI 模型進(jìn)行比較，其結(jié)果表明由EVI 構(gòu)建的TVDI 特征空間效果更明顯.

滇中高原地處云南省中部區(qū)域，是云南省糧食產(chǎn)量最高的區(qū)域，但由于地處內(nèi)陸，社會生產(chǎn)和經(jīng)濟(jì)活動對自然環(huán)境依賴大，對自然災(zāi)害承受能力較弱，是我國干旱發(fā)生頻率較高的地區(qū)[2].以往研究中，高瑞等[14]以氣象站點(diǎn)數(shù)據(jù)分析了滇中地區(qū)近40 年的氣象干旱時(shí)空特征，玉院和等[15]基于MODIS 數(shù)據(jù)分析了滇中地區(qū)2012—2016 年的農(nóng)業(yè)干旱情況.目前的研究大多是研究短時(shí)間序列的變化，或是特殊干旱年份情況.本研究基于MODIS產(chǎn)品的MODIS11A2 LST 和MODIS13A3 EVI 構(gòu)建的TVDI，分析滇中高原2001—2020 年農(nóng)業(yè)干旱時(shí)空分布特征，研究結(jié)論將有助于加深理解陸地生態(tài)系統(tǒng)過程對干旱的響應(yīng)，對進(jìn)一步開展區(qū)域尺度上適應(yīng)性策略的分析具有重要的理論指導(dǎo)意義.

1 研究區(qū)概況

滇中高原作為云南高原的主體部分，位于中國西南地區(qū)，主要位于100°35′～104°14′E，23°12′～26°41′N 之間，涉及昆明、曲靖、玉溪、楚雄4 個(gè)市（州）大部分行政管轄范圍，總面積約9.455 8 萬km2（圖1），是云南省糧食主產(chǎn)區(qū)和農(nóng)業(yè)經(jīng)濟(jì)核心區(qū)，常年糧食產(chǎn)量占全省1/3.其地形多樣，除高原以外還發(fā)育有山地、山間盆地、巖溶等地貌，地勢起伏和緩，平均海拔在2 000 m 左右.滇中高原屬亞熱帶季風(fēng)性高原氣候，日照時(shí)間長，晝夜溫差大，年溫差??；降水時(shí)空分布不均勻，干濕季分明，雨季（5—10 月）降水量占全年總降水量的85%左右.主要植被類型包括：針葉林、闊葉林、灌叢、草叢、草甸、高原栽培植被等.

圖1 滇中高原地理位置及植被類型空間分布Fig.1 Geographical position and spatial distribution of vegetation types of Central Yunnan Plateau

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源增強(qiáng)型植被指數(shù)（EVI）數(shù)據(jù)和地表溫度（LST）數(shù)據(jù)均來自美國NASA 官網(wǎng)，其中LST 數(shù)據(jù)經(jīng)MODIS11A2 數(shù)據(jù)集處理得到，時(shí)間分辨率為8 d；EVI 數(shù)據(jù)源于MODIS13A3 數(shù)據(jù)集，時(shí)間分辨率為月.EVI 數(shù)據(jù)和LST 數(shù)據(jù)空間分辨率均為1 000 m×1 000 m，時(shí)間范圍為2001—2020 年.獲得MODIS 數(shù)據(jù)集之后，借助Modis Tools 工具，實(shí)現(xiàn)數(shù)據(jù)提取、拼接、投影和格式轉(zhuǎn)換.通過IDL 編程，以每幅影像在該月內(nèi)所占的天數(shù)比例為權(quán)重，根據(jù)權(quán)重將該月內(nèi)所有的影像進(jìn)行線性相加，將8 d 的LST 數(shù)據(jù)合成為月的LST 數(shù)據(jù)，采用平均值算法對缺失值進(jìn)行填補(bǔ).利用合成后的逐月LST數(shù)據(jù)與EVI 數(shù)據(jù)構(gòu)建地表溫度-植被指數(shù)特征空間，并擬合干、濕邊方程，根據(jù)擬合的干、濕邊方程在ENVI 中計(jì)算TVDI.

土壤濕度數(shù)據(jù)來源于國家科技基礎(chǔ)條件平臺—國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心（http://www.geodata.cn），該數(shù)據(jù)可以用來反映陸地表面土壤體積含水量（m3/m3），空間分辨率為0.05°×0.05°，時(shí)間分辨率為月.利用ArcGIS 軟件，將土壤濕度數(shù)據(jù)進(jìn)行空間分辨率重采樣為1 000 m×1 000 m，與LST和EVI 數(shù)據(jù)保持一致.

2.2 研究方法

2.2.1 TVDI 計(jì)算 Price[16]和Carlson 等[17]的研究表明，以植被指數(shù)與地表溫度為橫縱坐標(biāo)構(gòu)成的散點(diǎn)圖呈三角形；Sandholt 等[18]指出在地表溫度和植被指數(shù)構(gòu)成的三角形特征空間中存在多條等值線，并根據(jù)簡化的地表溫度-植被指數(shù)特征空間定義了溫度植被干旱指數(shù)TVDI.通過以往研究比較，由植被指數(shù)EVI 構(gòu)建的TVDI 特征空間效果更明顯，計(jì)算公式如式（1）～（3）.

式中，Ts為像元所對應(yīng)的地表溫度（單位：℃）；Tsmax和Tsmin分別為同一像元所對應(yīng)的最高地表溫度和最低地表溫度（單位：℃），且分別表示特征空間中的干邊和濕邊；a1、b1、a2、b2為干濕邊方程的斜率和截距，均為常數(shù)；TVDI 為像元的溫度植被干旱指數(shù)值，其值范圍為（0～1].研究區(qū)TVDI 的空間分辨率為1 000 m×1 000 m，網(wǎng)格點(diǎn)的總數(shù)量為93 093個(gè).參照易永紅等[19]對TVDI 數(shù)值等級的劃分，將TVDI 值劃分為4 個(gè)等級（表1）.

表1 TVDI 干旱等級劃分標(biāo)準(zhǔn)Tab.1 Agricultural drought levels corresponding to the TVDI

2.2.2 Sen 趨勢度和Mann-KendaП檢驗(yàn) Sen 趨勢度分析是水文及氣象領(lǐng)域常用的趨勢分析方法，對數(shù)據(jù)分布沒有特定要求，且在計(jì)算過程中能夠減少缺失值及異常值的影響，近年來被廣泛應(yīng)用于遙感時(shí)序數(shù)據(jù)分析中[20].由于農(nóng)業(yè)干旱現(xiàn)象存在隨機(jī)性，且TVDI 時(shí)間序列分布特征尚不確定，故采用Sen 趨勢法分析滇中高原農(nóng)業(yè)干旱時(shí)空變化特征，計(jì)算公式如下[21]：

式中，j、i為時(shí)間序列序號，為1，2，3，···，n.β為Sen 趨勢值，當(dāng)β＞0 時(shí)，農(nóng)業(yè)干旱有增強(qiáng)趨勢；反之，則農(nóng)業(yè)干旱有減輕趨勢.再采用Mann-KendaП非參數(shù)檢驗(yàn)法對Sen 趨勢的顯著性進(jìn)行檢驗(yàn).

采用檢驗(yàn)統(tǒng)計(jì)量Z進(jìn)行趨勢檢驗(yàn)，Z值計(jì)算公式如下：

式中，V(S)為方差，S為TVDIi與TVDIj的大小關(guān)系（公式略）；在給定顯著性水平α下，若則認(rèn)為變化趨勢顯著，反之不顯著；當(dāng)|Z|＞1.96時(shí)，則變化趨勢通過了α=0.05顯著性檢驗(yàn).

基于Sen 趨勢分析和Mann-KendaП檢驗(yàn)，TVDI變化趨勢分類見表2 所示[22].

表2 基于Sen+Mann-Kendall 法農(nóng)業(yè)旱情變化趨勢劃分Tab.2 Agricultural drought trend classification based on Sen+Mann-Kendall method

2.2.3 變異系數(shù) 變異系數(shù)可以反映一組數(shù)據(jù)集中各像元值的離散程度及波動變化情況，即穩(wěn)定性，計(jì)算公式如下[23]：

2.2.4 干旱重心遷移 干旱重心代表的是干旱區(qū)在變化過程中干旱重心在空間上的位置（經(jīng)度、緯度），通過對干旱重心遷移軌跡分析，可以反映干旱變化情況[24].干旱中心坐標(biāo)計(jì)算公式如下：

式中，n為發(fā)生干旱區(qū)域的網(wǎng)格總數(shù)量；xi、yi為第i個(gè)網(wǎng)格的經(jīng)度、緯度；pti為第t年第i個(gè)網(wǎng)格TVDI 值，Xt、Yt分別是第t年干旱區(qū)重心的經(jīng)緯度坐標(biāo).

3 結(jié)果與分析

3.1 TVDI 與土壤濕度的相關(guān)性基于以往多數(shù)學(xué)者的研究，土壤含水量在一定程度上可以反映農(nóng)業(yè)干旱程度，通過分析TVDI 與土壤濕度的相關(guān)性可以評價(jià)TVDI 的適用性，二者相關(guān)系數(shù)越小表明TVDI 的適用性就越強(qiáng)[25-28].由于研究區(qū)可獲得的土壤濕度數(shù)據(jù)缺失值較多，為了保證驗(yàn)證的精度，選擇了2001—2010 年單幅影像較為完整的80 幅遙感影像覆蓋的土壤濕度數(shù)據(jù)進(jìn)行相關(guān)性分析.二者的相關(guān)系數(shù)空間分布見圖2.除滇池、星云湖、撫仙湖等水體，河谷地區(qū)、昆明市及玉溪市部分地區(qū)外，研究區(qū)91.8%的區(qū)域內(nèi)TVDI 與土壤濕度的相關(guān)系數(shù)均為負(fù)值，TVDI 值隨土壤含水量的增加而減小，其中42.4%區(qū)域的負(fù)相關(guān)性通過了0.05的顯著性檢驗(yàn).綜上，本文所構(gòu)建的TVDI 指數(shù)適用于滇中高原大部分地區(qū)的農(nóng)業(yè)旱情監(jiān)測.

圖2 滇中高原TVDI 與土壤濕度相關(guān)系數(shù)空間分布Fig.2 Spatial distribution of correlation coefficient between TVDI and soil moisture on Central Yunnan Plateau

3.2 農(nóng)業(yè)干旱的時(shí)間變化特征統(tǒng)計(jì)了2001—2020年逐月的共計(jì)240 個(gè)月TVDI 值，由TVDI 的逐月變化（圖3）和TVDI 的月均變化（圖4）可以看出，近20 年研究區(qū)TVDI 的月均值在0.45～0.75 之間.并且，研究區(qū)每年的3—5 月農(nóng)業(yè)旱情基本均為中旱；從6 月開始農(nóng)業(yè)旱情逐漸減輕，轉(zhuǎn)為輕旱；11月開始農(nóng)業(yè)旱情又開始逐漸加重.近20 年TVDI月平均值最大出現(xiàn)在4 月份，農(nóng)業(yè)旱情最嚴(yán)重；最小值出現(xiàn)在10 月份，農(nóng)業(yè)旱情最輕.

圖3 滇中高原2001—2020 年的TVDI 逐月變化Fig.3 Monthly TVDI value changes on Central Yunnan Plateau from 2001 to 2020

圖4 滇中高原2001—2020 年的TVDI 月均值變化Fig.4 Variation of monthly average TVDI value on Central Yunnan Plateau from 2001 to 2020

將研究區(qū)每年各月的TVDI 求均值，得到TVDI 年均值，結(jié)果見圖5.由圖5 可以看出2001—2020 年的TVDI 年均值在0.46～0.56 之間，其中2019 年的年均TVDI 值最大（0.55），農(nóng)業(yè)旱情較其他年份嚴(yán)重.2001 年后，TVDI 年均值整體呈小幅上升趨勢，變化速率為0.002/a，且通過了0.05 顯著性水平檢驗(yàn)，表明近20 年滇中高原農(nóng)業(yè)旱情整體呈顯著增強(qiáng)趨勢.

圖5 滇中高原2001—2020 年的TVDI 逐年變化Fig.5 Annual TVDI value on Central Yunnan Plateau from 2001 to 2020

為了更直觀反映2001—2020 年研究區(qū)農(nóng)業(yè)干旱情況，圖6 統(tǒng)計(jì)了每年各干旱等級的面積占比，總體表現(xiàn)為輕旱所占面積最大，其次為正常.輕旱面積占比在51.9%～60.3%之間，近20 年整體呈下降趨勢，其中2005 年及2010 年輕旱面積占比最大，分別達(dá)到了60.3%、59.5%；中旱面積占比在13.6%～24.7%之間，近20 年呈上升趨勢，2019 年中旱面積占比最大（24.7%）；重旱面積占比在2.0%～7.2%之間，其中2019 年重旱面積占比最大，近20 年重旱面積占比雖然較小，但是整體呈上升趨勢.綜上，研究區(qū)2001—2020 年中旱及重旱發(fā)生范圍呈擴(kuò)大趨勢.

圖6 滇中高原2001—2020 年各等級干旱面積比例的時(shí)間變化Fig.6 Area ratio of each type of drought on Central Yunnan Plateau from 2001 to 2020

3.3 農(nóng)業(yè)干旱的空間分布特征圖7 為滇中高原2001—2020 年TVDI 均值的空間分布.從圖7 可知，滇中高原整體以輕旱和中旱為主，且干旱程度空間差異明顯，輕旱面積占比為58%，中旱面積占比為19%，重旱面積占比為4%.為了進(jìn)一步分析研究區(qū)內(nèi)各行政區(qū)域近20 年農(nóng)業(yè)干旱空間分布情況，利用ArcGIS 軟件空間統(tǒng)計(jì)的分析工具，提取各個(gè)行政區(qū)域內(nèi)不同干旱類型的面積占比，其中昆明市和曲靖市的輕旱面積占比分別達(dá)到了59.04%、72.09%，說明這兩個(gè)地區(qū)的農(nóng)業(yè)旱情主要以輕旱為主；玉溪市的中旱面積占比較大，達(dá)到了33.30%；楚雄彝族自治州的輕旱和中旱面積相間分布，其中輕旱和中旱面積占比分別為48.43%、27.12%.此外，研究區(qū)的重旱主要分布在玉溪市和楚雄州的干熱河谷地區(qū).

圖7 滇中高原TVDI 平均值指示的干旱等級空間分布Fig.7 Spatial distribution of agricultural drought grades indicated by TVDI value on Central Yunnan Plateau

3.4 農(nóng)業(yè)干旱變化趨勢的顯著性、穩(wěn)定性以及重心遷移利用Sen 趨勢度對研究區(qū)2001—2020年TVDI 年際變化趨勢進(jìn)行分析，采用Mann-KendaП法檢驗(yàn)變化趨勢的顯著性.從圖8 可知，2001—2020 年TVDI 變化趨勢值在-0.009～0.011之間，旱情變化趨勢東西差異顯著；農(nóng)業(yè)旱情呈增強(qiáng)趨勢的地區(qū)，主要集中在滇中高原的西部，而東部地區(qū)農(nóng)業(yè)旱情呈減輕趨勢.研究區(qū)47%的區(qū)域農(nóng)業(yè)干旱呈現(xiàn)顯著變化趨勢，其中2%的區(qū)域農(nóng)業(yè)干旱呈顯著減輕趨勢，主要集中在曲靖大部分地區(qū)、昆明北部、楚雄中部及東部地區(qū)；45%的區(qū)域農(nóng)業(yè)干旱呈顯著增強(qiáng)趨勢，主要分布在楚雄州及玉溪市、昆明西南部、玉溪東部、曲靖中部的山間盆地區(qū)及南部地區(qū).

圖8 滇中高原2001—2020 年TVDI 變化趨勢值及變化趨勢顯著性分類Fig.8 Trend values of TVDI and trend classification on Central Yunnan Plateau from 2001 to 2020

圖9 是基于變異系數(shù)分析研究區(qū)近20 年農(nóng)業(yè)干旱變化的穩(wěn)定性，可以看出農(nóng)業(yè)旱情變化趨勢整體上自西向東、自南向北穩(wěn)定性逐漸降低.其中，約77.51%的區(qū)域農(nóng)業(yè)旱情變化處于非常穩(wěn)定狀態(tài)，楚雄及玉溪占比最大；約20.81%的區(qū)域旱情處于穩(wěn)定狀態(tài)，主要分布在昆明、曲靖；約1.64%的區(qū)域處于不穩(wěn)定狀態(tài)，主要分布在昆明北部、玉溪西部的高海拔地區(qū)及元江河谷區(qū)，農(nóng)業(yè)干旱強(qiáng)弱變化較大；僅有0.04%的區(qū)域旱情很不穩(wěn)定，零散分布在元江河谷及金沙江河谷區(qū).

圖9 滇中高原2001—2020 年旱情變化穩(wěn)定性空間分布Fig.9 Spatial distribution of agricultural drought stability on Central Yunnan Plateau from 2001 to 2020

圖10 為2001—2020 年研究區(qū)易旱區(qū)的年均TVDI 為權(quán)重，計(jì)算近20 年來滇中高原年際農(nóng)業(yè)干旱重心分布.由圖10 可知，近20 年研究區(qū)干旱重心變化幅度相對較小，其地理位置分布范圍介于25°12′32″N～25°14′59″N、102°38′57″E～102°42′E之間，主要集中在昆明.2001—2020 年農(nóng)業(yè)干旱重心主要從位置25°14′23″N、102°40′57″E 遷移至25°12′32″N、102°39′31″E，遷移距離為4.19 km.其中，2001—2010 年干旱重心向南遷移1.89 km；2011—2020 年向西南方向遷移3.27 km.

圖10 滇中高原2001—2020 年農(nóng)業(yè)干旱重心分布Fig.10 The distribution of the center of agricultural drought on Central Yunnan Plateau from 2001 to 2020

4 討論與結(jié)論

4.1 討論我國通用的干旱定義一般分為氣象干旱、農(nóng)業(yè)干旱、水文干旱、社會經(jīng)濟(jì)干旱4 種類型，在4 類干旱中，氣象干旱是一種自然現(xiàn)象，最直觀地表現(xiàn)在降水量的減少，氣象干旱是其他3 種類型干旱的基礎(chǔ).相關(guān)學(xué)者的研究表明2009 年、2010年云南省干旱較為嚴(yán)重，根據(jù)本文的研究結(jié)果，近20 年來農(nóng)業(yè)干旱較重的年份同樣包含了2009 年、2010 年.但除去這兩個(gè)年份，2019 年及2020 年的農(nóng)業(yè)干旱也較為嚴(yán)重，且近20 年來滇中高原農(nóng)業(yè)干旱呈增強(qiáng)趨勢，與Yang 等[29]、高瑞等[30]學(xué)者的研究結(jié)果中滇中地區(qū)干旱有增強(qiáng)趨勢的結(jié)論相一致.在研究云南省干旱時(shí)空變化特征及其成因中，大多數(shù)學(xué)者是從氣象氣候干旱入手，研究采用的是氣象干旱指標(biāo)SPI 和SPEI，這些指標(biāo)僅監(jiān)測的是降水、蒸散發(fā)的變化.本文基于遙感監(jiān)測手段，采用TVDI 監(jiān)測的是植被對干旱脅迫的響應(yīng)，因此研究結(jié)果會與氣象干旱監(jiān)測結(jié)果存在一些差異.在發(fā)生氣象干旱后，假如能及時(shí)為農(nóng)作物提供灌溉，或采取其他農(nóng)業(yè)措施保持土壤水分，滿足作物需要，就不會形成農(nóng)業(yè)干旱.但在灌溉設(shè)施不完備的地方，氣象干旱是引發(fā)農(nóng)業(yè)干旱的最重要因素.

以往研究結(jié)果表明滇中高原尤其冬春季節(jié)最易發(fā)生極端干旱，主要是降水量季節(jié)分配比例失調(diào)和時(shí)空分布不均引起[31]，本文的研究結(jié)果顯示春季農(nóng)業(yè)干旱最為嚴(yán)重，主要原因是春季為作物生長期需水量大，降水不足致使作物長勢較差，農(nóng)業(yè)干旱最為嚴(yán)重.相關(guān)學(xué)者的研究表明，近年來云南省降水不穩(wěn)定性加劇，年降水量減少趨勢明顯[32]，且年均溫上升趨勢顯著[33]，氣象干旱有增強(qiáng)趨勢；在此變化背景下，滇中高原農(nóng)業(yè)干旱也呈增強(qiáng)趨勢，在一定程度上反映了近些年來滇中高原農(nóng)業(yè)干旱的變化與氣候變化存在一定的聯(lián)系，研究區(qū)農(nóng)業(yè)干旱對氣象干旱的響應(yīng)時(shí)段和尺度需要進(jìn)一步的細(xì)致分析.但農(nóng)業(yè)干旱的成因復(fù)雜，除氣候變化外，如何定量分析調(diào)整農(nóng)作物種植結(jié)構(gòu)、改變灌溉方式等人類活動對農(nóng)業(yè)干旱的影響，將會是今后研究的重點(diǎn).

4.2 結(jié)論利用2001—2020 年MODIS-LST 及MODIS-EVI 數(shù)據(jù)，通過構(gòu)建TVDI 模型，建立了長時(shí)間序列的滇中高原農(nóng)業(yè)干旱數(shù)據(jù)；采用Sen 趨勢、Man-KendaП檢驗(yàn)、變異系數(shù)、重心遷移等方法，研究了滇中高原農(nóng)業(yè)干旱時(shí)空動態(tài)變化特征，得到以下結(jié)論：

（1）2001—2020 年研究區(qū)TVDI 年均值呈上升趨勢，農(nóng)業(yè)旱情整體呈顯著增強(qiáng)趨勢；每年4 月份的農(nóng)業(yè)旱情最為嚴(yán)重，10 月份旱情最輕.近20年研究區(qū)平均TVDI 值在0.46～0.56 間波動，輕旱面積占比最大，其次為正常；但中旱和重旱的發(fā)生范圍有擴(kuò)大趨勢.

（2）2001—2020 年研究區(qū)農(nóng)業(yè)干旱程度空間差異明顯，其中昆明和曲靖主要以輕旱為主；玉溪以中旱為主；楚雄輕旱和中旱相間分布；位于玉溪和楚雄的部分干熱河谷地區(qū)旱情最為嚴(yán)重.

（3）近20 年研究區(qū)農(nóng)業(yè)干旱變化趨勢東西差異明顯，西部地區(qū)農(nóng)業(yè)旱情整體上呈增強(qiáng)趨勢，而東部地區(qū)呈減輕趨勢.其中，曲靖大部分地區(qū)、昆明北部、楚雄中部及東部地區(qū)農(nóng)業(yè)旱情減輕趨勢顯著，楚雄及玉溪、曲靖中部的山間盆地區(qū)及南部地區(qū)、昆明西南部農(nóng)業(yè)旱情增強(qiáng)趨勢顯著.

（4）2001—2020 年研究區(qū)年際農(nóng)業(yè)旱情穩(wěn)定性自西向東、自南向北逐漸降低.其中，玉溪西部的哀牢山地、元江河谷地區(qū)、金沙江河谷地區(qū)農(nóng)業(yè)旱情變化不穩(wěn)定，農(nóng)業(yè)干旱強(qiáng)弱程度變化較大.

（5）2001—2020 年間研究區(qū)農(nóng)業(yè)干旱重心均分布在昆明.其中，2001—2010 年重心向南遷移，遷移距離為1.89 km；2010 年往后向西南遷移，遷移距離為3.27 km.