全球干旱指數(shù)研究進(jìn)展

宋艷玲

1)(中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗室， 北京 100081) 2)(南京信息工程大學(xué)氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心， 南京 210044)

引 言

干旱是世界最嚴(yán)重的氣象災(zāi)害，它可以發(fā)生在世界各地任何氣候條件下，甚至是沙漠和雨林。干旱是自然災(zāi)害中經(jīng)濟(jì)損失最重、影響范圍最廣的災(zāi)害，影響社會經(jīng)濟(jì)和人民生活。長歷時大范圍干旱可能影響農(nóng)業(yè)、糧食安全、水利發(fā)電以及工業(yè)、人類和動物健康等。這種影響取決于干旱發(fā)生時的社會經(jīng)濟(jì)背景和暴露體的脆弱性。全世界每年因干旱造成的經(jīng)濟(jì)損失高達(dá)60～80億美元，超過其他氣象災(zāi)害所帶來的經(jīng)濟(jì)損失[1]。在自然災(zāi)害損失中，氣象災(zāi)害約占自然災(zāi)害的70%，其中干旱災(zāi)害損失占?xì)庀鬄?zāi)害損失的50%[2]。中國深受干旱影響，近幾十年我國干旱事件頻繁發(fā)生，再加上經(jīng)濟(jì)迅速發(fā)展、人口增長等原因，干旱給社會造成的不利影響和對人們生存環(huán)境的危害日趨嚴(yán)重。我國北方地區(qū)繼1997年發(fā)生大范圍干旱后，1999—2002年又連續(xù)4年少雨干旱，2000年我國受旱面積高達(dá)4.045×107hm2,為1949年以來之最。2006年夏季，重慶發(fā)生百年一遇特大伏旱，四川遭遇近50年最嚴(yán)重干旱[3]。

由于干旱形成的復(fù)雜性及其影響的深遠(yuǎn)性，準(zhǔn)確定量監(jiān)測干旱的開始及結(jié)束、持續(xù)時間、覆蓋范圍、強(qiáng)度以及影響評估十分困難。對于不同類型干旱，如氣象干旱、水文干旱、農(nóng)業(yè)干旱和社會經(jīng)濟(jì)干旱等，決定干旱開始和結(jié)束的標(biāo)準(zhǔn)差異很大。另外，全球大部分地區(qū)缺乏土壤干濕狀況的歷史記錄，如土壤水分觀測，而這是度量干旱最客觀的要素。因此為了監(jiān)測和研究干旱及其變化，全球科學(xué)家利用較容易獲得的氣溫、降水量等要素，發(fā)展了多種干旱指數(shù)。1965年美國Palmer利用降水和氣溫數(shù)據(jù)發(fā)展了干旱指數(shù)(Palmer drought severity index,PDSI)[4],至今該指數(shù)仍在世界范圍內(nèi)廣泛使用。1993年美國McKee等研發(fā)了標(biāo)準(zhǔn)降水指數(shù)(standardized preciptation index,SPI)[5]，2009年世界氣象組織(WMO)向全球其他國家推薦使用該指數(shù)[6]。目前，該干旱指數(shù)在全球范圍內(nèi)廣泛使用。2010年西班牙Vicente-Serrano等研發(fā)了標(biāo)準(zhǔn)化降水蒸散指數(shù)(standardized precipitation evapotranspiration index,SPEI)[7],該指數(shù)不僅考慮降水對干旱的影響，還考慮蒸發(fā)對干旱的影響。2012年意大利Sepulcre-Canto等研發(fā)了綜合干旱指數(shù)(combined drought indicator,CDI)[8]。

本文綜述全球最主要的干旱指數(shù)，尤其是近十幾年的新干旱研究成果，有助于加深對干旱的認(rèn)識和理解，同時也為今后開展干旱研究工作指明方向。

1 全球干旱指數(shù)研究進(jìn)展

全球干旱指數(shù)可以分為氣象干旱指數(shù)、農(nóng)業(yè)干旱指數(shù)、水文干旱指數(shù)、遙感干旱指數(shù)和綜合干旱指數(shù)。本文針對這幾類干旱指數(shù)的發(fā)展和各國應(yīng)用情況進(jìn)行分析。

1.1 氣象干旱指數(shù)

1.1.1 標(biāo)準(zhǔn)降水指數(shù)

1993年美國McKee等研發(fā)了標(biāo)準(zhǔn)降水指數(shù)(standardized precipitation index,SPI)[5]，2009年世界氣象組織(WMO)向全球其他國家推薦使用該指數(shù)[6]。SPI的計算需要使用歷史降水序列，如果降水序列足夠長，在計算SPI過程中包括了極端干旱和極端濕潤樣本，SPI對干旱的監(jiān)測會更接近實(shí)際情況，一般情況下要求降水序列為30年[9-10]。干旱事件根據(jù)SPI計算結(jié)果進(jìn)行判斷，當(dāng)SPI結(jié)果連續(xù)小于-0.5時，判斷為干旱事件開始；當(dāng)SPI大于-0.5時，干旱事件結(jié)束。計算SPI時僅需輸入降水?dāng)?shù)據(jù)，降水?dāng)?shù)據(jù)可以是日降水量、周降水量，也可以是月降水量。

根據(jù)干旱實(shí)際情況，SPI可用于計算任何時間尺度。用于干旱情況監(jiān)測，SPI采用3個月時間尺度即可滿足要求。監(jiān)測干旱對農(nóng)業(yè)的影響，國際上一般采用的時間尺度為6個月。監(jiān)測干旱對水文的影響，國際上一般采用12個月或更長時間尺度。SPI的最大優(yōu)勢是僅用降水?dāng)?shù)據(jù)即可計算，且等級標(biāo)準(zhǔn)適用于不同時間尺度，SPI可以在任何氣候區(qū)使用。SPI的缺點(diǎn)是未考慮氣溫在干旱中的作用。目前美國、巴西、加拿大、中國、德國、新西蘭、西班牙、泰國、土耳其等國均使用該指數(shù)進(jìn)行干旱監(jiān)測。

1.1.2 標(biāo)準(zhǔn)加權(quán)降水指數(shù)

2009年Lu等在SPI指數(shù)的基礎(chǔ)上，進(jìn)一步考慮前期降水對干旱指數(shù)影響的衰減作用，提出了改進(jìn)的標(biāo)準(zhǔn)加權(quán)降水指數(shù)(standardized weighted average of precipitation，SWAP)[11]，使其更加客觀合理。SWAP干旱指數(shù)在SPI的基礎(chǔ)上，引入WAP(the weighted average of precipitation)指數(shù)。該指數(shù)考慮了徑流、蒸散、滲透等因素的干旱程度衰減項,貢獻(xiàn)參數(shù)越大說明前期的降水貢獻(xiàn)越大。對WAP指數(shù)進(jìn)行標(biāo)準(zhǔn)化處理得到SWAP[11-13]。由于考慮了前期降水的衰減系數(shù)，因此理論上SWAP更加合理，對干旱的監(jiān)測更接近實(shí)際干旱情況,SWAP可以對干旱進(jìn)行逐日監(jiān)測，對干旱開始和結(jié)束時間監(jiān)測更及時。

1.1.3 標(biāo)準(zhǔn)化降水蒸散指數(shù)

2010年西班牙Vicente-Serrano等研發(fā)了標(biāo)準(zhǔn)化降水蒸散指數(shù)(standardized precipitation evapotranspiration index,SPEI)[7]。SPEI通過計算蒸發(fā)考慮了氣溫在干旱中的作用。SPEI不僅可以監(jiān)測干旱事件，還可以監(jiān)測洪澇事件。在計算過程中使用的降水序列越長，包含歷史干旱樣本越多，干旱監(jiān)測結(jié)果越接近實(shí)際情況。計算SPEI需要使用月平均氣溫和月降水量，且要求數(shù)據(jù)序列完整，數(shù)據(jù)無缺失。SPEI能夠監(jiān)測和識別干旱對農(nóng)業(yè)、水文等行業(yè)影響。

SPEI的優(yōu)點(diǎn)是在計算干旱指數(shù)過程中既考慮降水的作用，又考慮氣溫的作用。由于SPEI是標(biāo)準(zhǔn)化指數(shù)，可以在任何氣候區(qū)使用。SPEI的缺點(diǎn)是在計算SPEI過程中要求氣溫和降水?dāng)?shù)據(jù)序列完整，在數(shù)據(jù)序列不完整地區(qū)會限制該指數(shù)使用。此外，由于該指數(shù)輸入數(shù)據(jù)為月平均氣溫和月降水量，導(dǎo)致干旱開始時間和結(jié)束時間的監(jiān)測滯后。由于考慮了氣溫在干旱中的作用，SPEI適用于開展氣候變化背景下干旱變化的研究。

1.1.4 帕默爾干旱強(qiáng)度指數(shù)

1965年美國Palmer利用降水和氣溫數(shù)據(jù)發(fā)展了帕默爾干旱強(qiáng)度指數(shù)(Palmer drought severity index,PDSI)[4]。該指數(shù)利用降水和氣溫計算水分平衡識別干旱，在計算干旱指數(shù)過程中使用月平均氣溫和月降水量，考慮了氣溫對蒸發(fā)的影響。該指數(shù)可以識別干旱對農(nóng)業(yè)的影響，也可以識別干旱對其他行業(yè)的影響。PDSI是依據(jù)土壤水分平衡原理建立的指標(biāo)，物理意義清晰，不僅考慮了降水在干旱中的作用，還考慮了氣溫在干旱中的作用，使得干旱監(jiān)測更具有理論意義，監(jiān)測結(jié)果更接近實(shí)際情況。但該指數(shù)輸入變量為月尺度氣溫和降水，對干旱開始和結(jié)束時間的監(jiān)測相對滯后[14]。目前美國、巴西、加拿大、土耳其等國采用該指數(shù)進(jìn)行干旱監(jiān)測。

1.1.5 常年降水百分比指數(shù)

2006年Hayes研發(fā)了常年降水百分比指數(shù)(percent of normal precipitation,PNP)[15]，該指數(shù)可以用于任何地點(diǎn)任何時間段，計算的時間尺度可以是日尺度、月尺度，也可以是季節(jié)尺度和年尺度，利用當(dāng)前降水與常年降水對比。常年值要求至少30年，該指數(shù)可以監(jiān)測干旱影響。該指數(shù)的優(yōu)點(diǎn)是計算簡便快捷，缺點(diǎn)是不同時間尺度、不同區(qū)域不能用同一等級標(biāo)準(zhǔn)進(jìn)行比較，另外有時降水量不服從正態(tài)分布，使得等級劃分標(biāo)準(zhǔn)不合理。不同氣候區(qū)之間特別是干旱區(qū)和濕潤區(qū)之間難以進(jìn)行對比分析。

1.1.6 加權(quán)異常標(biāo)準(zhǔn)化降水指數(shù)

2004年Lyon提出了加權(quán)異常標(biāo)準(zhǔn)化降水指數(shù)(weighted anomaly standardized precipitation index,WASP)[16]，該指數(shù)僅考慮降水偏少引發(fā)干旱，輸入的氣象數(shù)據(jù)是分辨率為0.5°×0.5°的月降水格點(diǎn)數(shù)據(jù)，由于輸入變量僅為降水，計算簡便。該指數(shù)適用于監(jiān)測熱帶地區(qū)的干旱，考慮濕潤時段和少雨時段，可以監(jiān)測干旱對農(nóng)業(yè)及其他行業(yè)的影響。該指數(shù)的缺點(diǎn)是不適用于常年干旱地區(qū)，此外有些地區(qū)獲得格點(diǎn)數(shù)據(jù)困難。

1.1.7 干旱識別指數(shù)

2005年希臘Tsakiris等研發(fā)了干旱識別指數(shù)(drought reconnaissance index,DRI)[17]，該指數(shù)構(gòu)建機(jī)理為利用降水量和潛在蒸散量，計算水分平衡。需要輸入的氣候要素為月平均氣溫和月降水量，輸出有DRI和標(biāo)準(zhǔn)化DRI，標(biāo)準(zhǔn)化DRI與SPI類似，但更具有代表性。該指數(shù)可以用于監(jiān)測干旱對農(nóng)業(yè)和水文的影響。該指數(shù)的優(yōu)點(diǎn)是通過計算潛在蒸發(fā)計算水分平衡，比SPI更具有理論意義。但該指數(shù)由于使用月尺度氣溫和降水，對干旱開始時間和結(jié)束時間的監(jiān)測滯后。

1.2 農(nóng)業(yè)干旱指數(shù)

1.2.1 作物水分指數(shù)

1968年P(guān)almer研發(fā)了作物水分指數(shù)(crop moisture index,CMI)[18]，CMI利用周平均氣溫和周降水量，基于PDSI的輸出參數(shù)計算潛在蒸發(fā)和濕潤度，識別水分匱缺，反映干旱對農(nóng)作物的影響。CMI克服了PDSI的缺陷，可以快速識別干旱。該指數(shù)的優(yōu)點(diǎn)是可以快速識別干旱的發(fā)生和結(jié)束，并且可以對比不同氣候區(qū)的干旱。美國和巴西使用該指數(shù)進(jìn)行作物干旱監(jiān)測。

1.2.2 作物特定干旱指數(shù)

1993年Meyer等研發(fā)了作物特定干旱指數(shù)(crop-specific drought index,CSDI)[19],該指數(shù)可以計算干旱對作物單產(chǎn)的影響。該指數(shù)通過計算土壤水分平衡識別干旱的影響，并且只有當(dāng)干旱脅迫影響了作物生長和產(chǎn)量時干旱才被識別。而PDSI和CMI識別干旱時，作物產(chǎn)量不一定受到影響。計算CSDI需要輸入的氣象變量包括日最高氣溫、日最低氣溫、降水量、露點(diǎn)溫度、風(fēng)速和太陽輻射，還需要輸入土壤參數(shù)和作物參數(shù)。該指數(shù)的優(yōu)點(diǎn)是可以評估干旱對作物產(chǎn)量的影響，缺點(diǎn)是計算所需數(shù)據(jù)復(fù)雜，有些地區(qū)不具備這些數(shù)據(jù)。該指數(shù)在美國地區(qū)用于識別干旱對產(chǎn)量的影響[20]。

1.2.3 農(nóng)業(yè)干旱參考指數(shù)

2012年Woli等研發(fā)了農(nóng)業(yè)干旱參考指數(shù)(agricultural reference index for drought,ARID)[21],該指數(shù)利用日平均氣溫和日降水量、以及水分平衡方程和作物模型CERES-Maize計算水分脅迫，識別干旱對作物生長和產(chǎn)量的影響，該指數(shù)也可以預(yù)測土壤濕度狀況。該指數(shù)的優(yōu)點(diǎn)是利用作物模型和水分平衡方程預(yù)測土壤水分和作物遭受水分脅迫情況，機(jī)理性強(qiáng)，缺點(diǎn)是不易大面積推廣使用。瑞士使用該指數(shù)進(jìn)行干旱對農(nóng)業(yè)影響監(jiān)測。

1.2.4 土壤水分異常指數(shù)

1988年Bergman等研發(fā)了土壤水分異常指數(shù)(soil moisture anomaly,SMA)[22]，該指數(shù)利用周平均或月平均氣溫和周、月降水量以及土壤參數(shù)，以及水分平衡方程計算潛在蒸發(fā)和土壤水分含量，識別干旱的發(fā)生和干旱程度。該指數(shù)用于監(jiān)測干旱對農(nóng)作物影響。該指數(shù)的優(yōu)點(diǎn)是同時考慮氣溫和降水影響，可以計算不同深度土壤濕度，缺點(diǎn)是計算復(fù)雜，不利于大范圍推廣。

1.2.5 土壤水分虧缺指數(shù)

2005年Narasimhan等研發(fā)了土壤水分虧缺指數(shù)(soil moisture deficit index,SMDI)[23]，該指數(shù)利用水文模型SWAT模擬4個深度土層的土壤濕度(土壤表層,0.61 m,1.23 m和1.83 m深度)狀況反映干旱情況。該指數(shù)的優(yōu)點(diǎn)是通過計算不同作物根系深度的土壤濕度識別不同作物干旱，缺點(diǎn)是需要利用水文模型SWAT輸出值，計算復(fù)雜，不利于大范圍使用。

1.2.6 蒸散虧缺指數(shù)

2005年Narasimhan等研發(fā)了蒸散虧缺指數(shù)(evapotranspiration deficit index,ETDI)[23]，該指數(shù)利用SMDI計算水分脅迫系數(shù)，并與實(shí)際蒸發(fā)對比識別作物水分虧缺。該指數(shù)利用水文模型SWAT計算作物根系土壤濕度識別干旱對作物影響。該指數(shù)的優(yōu)點(diǎn)是可以計算實(shí)際蒸發(fā)和潛在蒸發(fā)識別干旱和濕潤階段，缺點(diǎn)是利用水文模型SWAT輸出參數(shù)，不利于計算。

1.2.7 土壤含水量指數(shù)

2015年在英國農(nóng)業(yè)會議上提出土壤含水量指數(shù)(soil water storage,SWS)[24]，該指數(shù)可以識別作物根層土壤含水量，考慮了降水和灌溉的影響，該指數(shù)的計算受到作物類型和土壤類型影響。計算需要輸入的變量為作物根層深度和土壤類型參數(shù)等。該指數(shù)的優(yōu)點(diǎn)是可以計算不同土壤類型和不同作物干旱，缺點(diǎn)是計算復(fù)雜，不利于大范圍使用。

1.3 水文干旱指數(shù)

1.3.1 陸面水供給指數(shù)

1982年Shafer等發(fā)展了陸面水供給指數(shù)(surface water supply index,SWSI)[25]，該指數(shù)考慮Palmer在PDSI中的計算方法，增加供水?dāng)?shù)據(jù)(積雪、融雪、徑流以及儲水信息)，SWSI中輕度干旱發(fā)生率為26%～50%，中度干旱發(fā)生率為14%～26%，重度干旱發(fā)生率為2%～14%，極端干旱發(fā)生率為低于2%。該指數(shù)輸入?yún)?shù)為降水、徑流、貯水信息等。該指數(shù)的優(yōu)點(diǎn)是充分考慮了水源，缺點(diǎn)是輸入數(shù)據(jù)復(fù)雜，不利于比較[26-27]。美國使用該指數(shù)。

1.3.2 標(biāo)準(zhǔn)化水深指數(shù)

2004年Bhuiyan發(fā)展了標(biāo)準(zhǔn)化水深指數(shù)(stand-ardized water-level index,SWI)[28]，該指數(shù)利用地下水深度監(jiān)測干旱對地下水補(bǔ)給的影響。該指數(shù)計算需要輸入的數(shù)據(jù)為地下水深度，適用于主要河流和溪流季節(jié)性低流量頻繁的區(qū)域。該指數(shù)的優(yōu)點(diǎn)是可以監(jiān)測干旱對地表水和地下水影響，缺點(diǎn)是研究地點(diǎn)有時缺乏代表性。

1.3.3 綜合干旱指數(shù)

2004年Keyantash等研發(fā)了綜合干旱指數(shù)(aggregate dryness index,ADI)[29]，該干旱指數(shù)利用降水、蒸散、徑流、水庫蓄水、積雪、土壤含水量等信息，考慮多時間尺度所有水資源，計算水資源虧缺情況。該指數(shù)可用于多種類型的干旱影響研究。研究各種氣候狀況下總水量可以更好地了解水的使用情況和水虧缺情況。該指數(shù)的優(yōu)點(diǎn)是考慮多種地表水源以及大氣降水，缺點(diǎn)是未考慮地下水的影響。

1.3.4 徑流干旱指數(shù)

2008年Nalbantis研發(fā)了徑流干旱指數(shù)(streamflow drought index,SDI)[30]，該指數(shù)使用月徑流值和與SPI相似的標(biāo)準(zhǔn)化方法，可以識別干旱期和濕潤期。該指數(shù)計算需要輸入的數(shù)據(jù)為月平均徑流和歷史徑流序列，用特定標(biāo)準(zhǔn)監(jiān)測和識別干旱事件。該指數(shù)的優(yōu)點(diǎn)為易于使用，并且數(shù)據(jù)可以缺失，樣本記錄越長，結(jié)果越接近實(shí)際情況，缺點(diǎn)是考慮要素單一。

1.3.5 標(biāo)準(zhǔn)徑流指數(shù)

2012年Telesca等研發(fā)了標(biāo)準(zhǔn)徑流指數(shù)(stand-ardized streamflow index,SSFI)[31],該指數(shù)利用月平均徑流數(shù)據(jù)和標(biāo)準(zhǔn)化方法，月徑流數(shù)據(jù)可以是觀測數(shù)據(jù)也可以是預(yù)測數(shù)據(jù)。該指數(shù)可以監(jiān)測多時間尺度的水文條件，特別是可以提供干旱和洪澇的強(qiáng)度以及時段。該指數(shù)的優(yōu)點(diǎn)是輸入變量單一，易于計算，且輸入數(shù)據(jù)序列可以缺失，缺點(diǎn)是僅能監(jiān)測跟干旱和洪澇相關(guān)的徑流，不能反映對其他行業(yè)的影響[32]。

1.3.6 標(biāo)準(zhǔn)化融雪和降水指數(shù)

2014年Staudinger等研發(fā)了標(biāo)準(zhǔn)化融雪和降水指數(shù)(standardized snowmelt and rain index,SMRI)[33],該指數(shù)考慮積冰和融雪對徑流的影響，采用的標(biāo)準(zhǔn)化方法與SPI類似。該指數(shù)計算需要輸入的數(shù)據(jù)為徑流、逐日降水、逐日氣溫。該指數(shù)的優(yōu)點(diǎn)是可以使用氣溫和降水模擬降雪，而不使用觀測降雪量，可以計算未來降雨和積雪對徑流的影響，缺點(diǎn)是不使用觀測雪深和相關(guān)的融雪當(dāng)量可能會導(dǎo)致徑流預(yù)測錯誤。

1.3.7 標(biāo)準(zhǔn)化蓄水供應(yīng)指數(shù)

2015年Gusyev等研發(fā)了標(biāo)準(zhǔn)化蓄水供應(yīng)指數(shù)(standardized reservoir supply index,SRSI)[34],用于分析干旱時期蓄水?dāng)?shù)據(jù)。該指數(shù)通過分析蓄水?dāng)?shù)據(jù)概率分布，為某一地區(qū)極端干旱和極端濕潤時期的用水供應(yīng)提供信息。該指數(shù)計算需要輸入的數(shù)據(jù)為月蓄水流入和平均蓄水量。該指數(shù)的優(yōu)點(diǎn)是利用概率分布方程易于計算，缺點(diǎn)是未考慮水庫管理引起的蓄水變化和蒸發(fā)造成的損失。

1.4 遙感干旱指數(shù)

1.4.1 歸一化植被指數(shù)

1984年Tarpley等研發(fā)了歸一化植被指數(shù)(normalized difference vegetation index,NDVI)[35]，該指數(shù)使用全球植被指數(shù)數(shù)據(jù)，在可見光和近紅外通道中測量的輻射值用于計算NDVI。該指數(shù)監(jiān)測7 d內(nèi)植被的綠色值,識別與干旱有關(guān)的植被狀況，可以用于監(jiān)測干旱對農(nóng)業(yè)的影響。該指數(shù)計算需要輸入的數(shù)據(jù)為NOAA衛(wèi)星數(shù)據(jù)，其優(yōu)點(diǎn)是利用衛(wèi)星數(shù)據(jù)監(jiān)測與干旱事件相關(guān)的植被健康狀況，具有非常高的分辨率和大的空間覆蓋度，缺點(diǎn)是衛(wèi)星數(shù)據(jù)缺乏長序列且對比性差[36]。

1.4.2 土壤矯正的植被指數(shù)

1988年Huete研發(fā)了土壤矯正的植被指數(shù)(soil adjusted vegetation index,SAVI)[37],該指數(shù)利用衛(wèi)星數(shù)據(jù)和全球模式數(shù)據(jù)監(jiān)測土壤和植被指數(shù)，利用土壤歸一化數(shù)據(jù)矯正植被指數(shù)。該指數(shù)需要輸入的數(shù)據(jù)為衛(wèi)星和全球模式產(chǎn)品。該指數(shù)優(yōu)點(diǎn)是高精度高密度遙感數(shù)據(jù)能開展大范圍干旱監(jiān)測，缺點(diǎn)是計算復(fù)雜且數(shù)據(jù)序列短。

1.4.3 植被健康指數(shù)

1990年Kodan研發(fā)了植被健康指數(shù)(vegetation health index,VHI)[38],該指數(shù)利用NOAA衛(wèi)星可見光、紅外和近紅外多光譜通道的掃描輻射儀(AVHRR)的遙感數(shù)據(jù)監(jiān)測和識別干旱對農(nóng)業(yè)影響。該指數(shù)輸入數(shù)據(jù)為NOAA衛(wèi)星數(shù)據(jù)，該指數(shù)優(yōu)點(diǎn)是高精度覆蓋全球，缺點(diǎn)是衛(wèi)星數(shù)據(jù)序列短且對比性差[39-40]。

1.4.4 溫度條件指數(shù)

1995年Kogan研發(fā)了溫度條件指數(shù)(temperature condition index,TCI)[41],該指數(shù)利用NOAA衛(wèi)星多光譜通道的掃描輻射儀(AVHRR)的光譜帶，估算最高氣溫和最低氣溫，并且與NDVI結(jié)合使用，評估干旱對植被的影響。該指數(shù)的優(yōu)點(diǎn)是高精度和空間大尺度，缺點(diǎn)是數(shù)據(jù)序列短且云遮蓋可能引起誤差。

1.4.5 植被狀況指數(shù)

1995年Kogan研發(fā)了植被狀況指數(shù)(vegetation condition index,VCI)[41],該指數(shù)利用NOAA衛(wèi)星多光譜通道的掃描輻射儀(AVHRR)的波段識別干旱情況，通過植被變化并與歷史值比較，以及利用NDVI和TCI數(shù)據(jù)識別干旱的發(fā)生、干旱持續(xù)時間和嚴(yán)重程度[42]。該指數(shù)計算需要輸入的數(shù)據(jù)為NOAA衛(wèi)星數(shù)據(jù)，優(yōu)點(diǎn)是時間上高精度和空間上大尺度，缺點(diǎn)是數(shù)據(jù)序列短并受云遮蓋影響。

1.4.6 歸一化植被冠層含水量指數(shù)

1996年Gao研發(fā)了歸一化植被冠層含水量指數(shù)(normalized difference water index,NDWI)[43],該指數(shù)與NDVI方法非常相似，使用近紅外光譜監(jiān)測植被冠層的含水量，利用植被冠層含水量的變化識別干旱脅迫[44]。該指數(shù)計算需要輸入的數(shù)據(jù)為近紅外光譜衛(wèi)星數(shù)據(jù)，優(yōu)點(diǎn)是高分辨率和大空間尺度，缺點(diǎn)是衛(wèi)星數(shù)據(jù)序列短可比性差，植被冠層水分脅迫也可能是其他因素引起的。

1.4.7 增強(qiáng)的植被指數(shù)

2002年Huete等研發(fā)了增強(qiáng)的植被指數(shù)(enhanced vegetation index,EVI)[45],該指數(shù)輸入數(shù)據(jù)為MODIS衛(wèi)星數(shù)據(jù)，利用MODIS平臺監(jiān)測干旱對植被冠層的影響，植被指數(shù)EVI對植被冠層監(jiān)測更敏感。該指數(shù)的優(yōu)點(diǎn)是高分辨率和所有地形的空間覆蓋，缺點(diǎn)是植物冠層的脅迫可能是由干旱以外因素影響引起的，僅使用EVI很難識別。

1.4.8 需水滿足指數(shù)

2002年Verdin等研發(fā)了需水滿足指數(shù)(water requirement satisfaction index,WRSI)[46],該指數(shù)基于作物的可用水量監(jiān)測作物在生長季節(jié)的長勢，為實(shí)際蒸散量與潛在蒸散量的比率，這種比率是作物特有的，該指數(shù)反映干旱對作物發(fā)育和產(chǎn)量的脅迫。該指數(shù)計算需要輸入的數(shù)據(jù)為作物發(fā)育模型輸出量、作物系數(shù)和衛(wèi)星產(chǎn)品。該指數(shù)優(yōu)點(diǎn)是數(shù)據(jù)高分辨率，缺點(diǎn)是基于衛(wèi)星的降雨量估算存在一定誤差，這將影響所用作物模型的結(jié)果和蒸散平衡。

1.4.9 植被干旱響應(yīng)指數(shù)

2008年Brown等研發(fā)了植被干旱響應(yīng)指數(shù)(vegetation drought response index,VDRI)[47]，該指數(shù)利用衛(wèi)星遙感、氣候指標(biāo)以及其他生物物理信息和土地利用信息來監(jiān)測干旱引起的植被脅迫。該指數(shù)計算需要輸入的數(shù)據(jù)為SPI,PDSI,年度植被綠度、季節(jié)信息、土地覆蓋、土壤有效水容量、灌溉農(nóng)業(yè)和生態(tài)區(qū)信息。該指數(shù)的優(yōu)點(diǎn)是使用多源數(shù)據(jù)，包括利用地表和遙感數(shù)據(jù)以及數(shù)據(jù)挖掘技術(shù)，缺點(diǎn)是遙感數(shù)據(jù)序列短。加拿大使用該指數(shù)進(jìn)行干旱監(jiān)測。

1.4.10 蒸發(fā)脅迫指數(shù)

2011年Anderson等研發(fā)了蒸發(fā)脅迫指數(shù)(evaporative stress index,ESI)[48],該指數(shù)利用地球靜止衛(wèi)星數(shù)據(jù)將蒸發(fā)作用與潛在蒸騰作用進(jìn)行比較，該指數(shù)計算需要輸入的數(shù)據(jù)為遙感潛在蒸散量，優(yōu)點(diǎn)是具有高精度和空間覆蓋任何地區(qū)，缺點(diǎn)是云覆蓋和數(shù)據(jù)序列短。

1.5 綜合干旱監(jiān)測方法和指數(shù)

1.5.1 美國干旱監(jiān)測系統(tǒng)

2002年Svoboda等研發(fā)了美國干旱監(jiān)測系統(tǒng)(United States drought monitor,USDM)[49],該系統(tǒng)將干旱分為5個等級，從每3～5年發(fā)生1次的異常干旱，到每50年發(fā)生1次的異常干旱，使用百分位排序方法，對不同干旱指數(shù)和指標(biāo)進(jìn)行比較。該系統(tǒng)的輸入為各種干旱指數(shù)、土壤濕度、水文數(shù)據(jù)、氣候數(shù)據(jù)、模式模擬和遙感數(shù)據(jù)等。該系統(tǒng)優(yōu)點(diǎn)是使用多種指數(shù)和指標(biāo)，從而使最終干旱結(jié)果更加可靠。缺點(diǎn)是如果輸入變量較少，結(jié)果的可靠性將會減弱。

1.5.2 全球陸面數(shù)據(jù)同化系統(tǒng)

2004年Rodell等研發(fā)了全球陸面同化系統(tǒng)(Global Land Data Assimilation System,GLDAS)[50],該系統(tǒng)使用陸面和遙感數(shù)據(jù)以及陸面模式和數(shù)據(jù)同化技術(shù)，提供有關(guān)陸面條件的數(shù)據(jù)，輸出結(jié)果中的土壤水分?jǐn)?shù)據(jù)作為干旱指標(biāo)。該系統(tǒng)的輸入為陸面模式數(shù)據(jù)、地面氣象觀測數(shù)據(jù)、植被分類數(shù)據(jù)和衛(wèi)星數(shù)據(jù)。由于該系統(tǒng)是全球性的且分辨率高，有助于監(jiān)測數(shù)據(jù)貧乏地區(qū)的干旱[51-52],缺點(diǎn)是對于資料缺乏的海島國等地區(qū)，該指數(shù)精度不足。

1.5.3 全球綜合干旱監(jiān)測和預(yù)測系統(tǒng)

2014年Hao等研發(fā)了全球綜合干旱監(jiān)測和預(yù)測系統(tǒng)(Global Integrated Drought Monitoring and Prediction System,GIDMPS)[53]，該系統(tǒng)利用干旱指數(shù)SPI和SMDI以及土壤濕度數(shù)據(jù)，也使用遙感數(shù)據(jù)和數(shù)據(jù)同化技術(shù)，生成格點(diǎn)的干旱監(jiān)測、預(yù)測和評估產(chǎn)品。該系統(tǒng)需要輸入的參數(shù)為遙感數(shù)據(jù)和GLDAS的數(shù)據(jù)。該系統(tǒng)的優(yōu)點(diǎn)是格點(diǎn)化和全球化數(shù)據(jù)覆蓋所有區(qū)域且易于計算，缺點(diǎn)是輸出數(shù)據(jù)數(shù)據(jù)序列較短。

1.5.4 綜合干旱指數(shù)

2012年Sepulcre-Canto等研發(fā)了綜合干旱指數(shù)(combined drought indicator,CDI)[8],該指數(shù)由SPI、土壤水分和遙感植被指數(shù)組成。當(dāng)出現(xiàn)降水不足時，顯示干旱監(jiān)測關(guān)注；當(dāng)降水不足轉(zhuǎn)化為土壤水分不足時，達(dá)到預(yù)警級別；當(dāng)降水和土壤水分不足轉(zhuǎn)化為對植被的影響時，預(yù)警級別提高。SPI由臺站降水?dāng)?shù)據(jù)計算，土壤水分?jǐn)?shù)據(jù)由LISFLOOD模式提供。該指數(shù)優(yōu)點(diǎn)為遙感和地面數(shù)據(jù)結(jié)合，空間覆蓋好，分辨率高，缺點(diǎn)是SPI有時不能監(jiān)測到所有的干旱情況，目前該指數(shù)僅在歐洲使用。

1.5.5 多變量標(biāo)準(zhǔn)化干旱指數(shù)

2013年Hao等研發(fā)了多變量標(biāo)準(zhǔn)化干旱指數(shù)(multivariate standardized drought index,MSDI)[54],該指數(shù)利用降水和土壤水分虧缺識別干旱，輸入?yún)?shù)為月降水和土壤濕度數(shù)據(jù)，土壤濕度來源于陸面分析系統(tǒng)，為格點(diǎn)數(shù)據(jù)。該指數(shù)的優(yōu)點(diǎn)是網(wǎng)格化全球數(shù)據(jù)覆蓋所有區(qū)域且易于使用，缺點(diǎn)是該系統(tǒng)輸出數(shù)據(jù)序列較短。

2 中國干旱指數(shù)研究進(jìn)展

我國干旱頻發(fā)，嚴(yán)重影響農(nóng)業(yè)生產(chǎn)和人民正常生活。我國學(xué)者針對干旱問題進(jìn)行了大量研究，開展了國內(nèi)外干旱指數(shù)在中國各地區(qū)的適用性研究[55-67]，同時針對我國干旱時空演變特征及干旱風(fēng)險變化也開展了大量研究[68-89]，提出新的干旱指數(shù)或改進(jìn)原有的國際上通用的干旱指數(shù)[90-102]，特別是提出了一系列新的關(guān)于干旱指數(shù)的行業(yè)標(biāo)準(zhǔn)或國家標(biāo)準(zhǔn)，指導(dǎo)全國或地方防旱抗旱工作，這些行業(yè)標(biāo)準(zhǔn)或國家標(biāo)準(zhǔn)包括氣象干旱指數(shù)[103-104]、水文干旱指數(shù)[105-106]、農(nóng)業(yè)干旱指數(shù)[107-117]，其中文獻(xiàn)[103]的氣象干旱指數(shù)和文獻(xiàn)[113]的作物水分虧缺距平指數(shù)被廣泛使用。

2.1 氣象干旱指數(shù)

2017年張存杰等研發(fā)了氣象干旱指數(shù)(meteorological drought composite index,MCI)[103]，該指數(shù)是干旱綜合指數(shù)，考慮了不同時間尺度的干旱，由近30 d相對濕潤度指數(shù)、近60 d標(biāo)準(zhǔn)化權(quán)重降水指數(shù)、近90 d標(biāo)準(zhǔn)化降水指數(shù)和近150 d標(biāo)準(zhǔn)化降水指數(shù)構(gòu)成，該指數(shù)還考慮了季節(jié)調(diào)節(jié)系數(shù)。MCI解決了其他氣象干旱指數(shù)對降水過程反應(yīng)過于靈敏、干旱發(fā)展過程出現(xiàn)不合理的跳躍問題，也解決了對重大干旱過程反應(yīng)偏輕的問題。MCI在權(quán)重系數(shù)中考慮了區(qū)域差異和季節(jié)影響，有一定的適用性，缺點(diǎn)是雖然為氣象干旱指數(shù)，但監(jiān)測到的干旱不一定對農(nóng)業(yè)或水文等產(chǎn)生影響。該指數(shù)目前是中國氣象局干旱監(jiān)測服務(wù)中廣泛使用的氣象干旱指數(shù)。

2.2 作物水分虧缺距平指數(shù)

2015年呂厚荃等研發(fā)了作物水分虧缺距平指數(shù)(crop water deficit index,CWDI)[113],該指數(shù)是農(nóng)業(yè)干旱指數(shù)，由于在不同季節(jié)和不同氣候區(qū)域作物種類不同、蒸散差別較大，難于以統(tǒng)一的標(biāo)準(zhǔn)表達(dá)各區(qū)域水分虧缺程度，該指數(shù)選用作物水分虧缺距平指數(shù)消除區(qū)域和季節(jié)差異。該指數(shù)目前是中國氣象局業(yè)務(wù)服務(wù)中廣泛使用的農(nóng)業(yè)干旱監(jiān)測指數(shù)。該指數(shù)由某10 d的累積降水量、某10 d灌溉量和作物某10 d的潛在蒸散量構(gòu)成。

3 存在的問題

干旱是氣象災(zāi)害中最嚴(yán)重的災(zāi)害，大范圍長時間干旱嚴(yán)重影響農(nóng)業(yè)生產(chǎn)和人們正常生活。干旱監(jiān)測作為主要信息源直接影響國家防旱抗旱戰(zhàn)略部署，因此準(zhǔn)確識別干旱的范圍和開始結(jié)束時間關(guān)系防旱抗旱措施的選取，關(guān)系糧食穩(wěn)產(chǎn)豐產(chǎn)。目前我國干旱指數(shù)研究存在下列問題。

3.1 現(xiàn)有干旱指數(shù)在不同地區(qū)不同干旱機(jī)制下適用性研究不足

我國幅員遼闊，各地區(qū)分屬不同氣候區(qū)，主要?dú)夂蝾愋桶釒Ъ撅L(fēng)氣候、亞熱帶季風(fēng)氣候、溫帶季風(fēng)氣候、高原山地氣候和溫帶大陸性氣候，各地造成干旱形成機(jī)制和影響不同。如華北地區(qū)屬于溫帶季風(fēng)氣候，年降水量約為600 mm，主要種植大田作物，一般降水偏少持續(xù)1個月就會發(fā)生干旱；西南地區(qū)屬于亞熱帶季風(fēng)氣候，年降水量為2000 mm，種植的農(nóng)作物一般為水稻，是灌溉農(nóng)業(yè)，只有降水持續(xù)偏少2～3個月以上，才會影響江河蓄水，進(jìn)而發(fā)生干旱，影響水稻灌溉和人口飲水。可見各地區(qū)干旱形成機(jī)制及影響不同，但目前的研究僅限于個別干旱指數(shù)在個別地區(qū)的適用性研究，主要?dú)夂騾^(qū)各種干旱指數(shù)適用性比較研究匱乏，且缺乏用于比較的客觀統(tǒng)一標(biāo)準(zhǔn)。如華北地區(qū)經(jīng)常發(fā)生干旱，但干旱指數(shù)在華北地區(qū)適用性如何，哪個指數(shù)最適合在華北地區(qū)使用等相關(guān)研究不足。只有針對不同地區(qū)不同干旱機(jī)制對各個干旱指數(shù)的適用性進(jìn)行系統(tǒng)性比較，選出最適合的干旱指數(shù)，并對干旱指數(shù)的缺點(diǎn)和不足進(jìn)行長期深入研究和改進(jìn)，才能提高干旱監(jiān)測水平。

3.2 新的機(jī)理性干旱監(jiān)測指數(shù)研究不足

20世紀(jì)60—90年代歐美等發(fā)達(dá)國家干旱指數(shù)研究主要距焦于氣象干旱指數(shù)，2000年以來遙感干旱指數(shù)、機(jī)理性農(nóng)業(yè)干旱指數(shù)、機(jī)理性水文干旱指數(shù)以及同化數(shù)據(jù)和格點(diǎn)數(shù)據(jù)使用研究取得一定進(jìn)展。我國學(xué)者雖然針對干旱問題也進(jìn)行了大量研究，但利用現(xiàn)有干旱指數(shù)研究干旱時空演變規(guī)律較多，針對干旱指數(shù)的改進(jìn)也主要距焦于目前國際上比較成熟的干旱指數(shù)。我國自主研發(fā)的機(jī)理性干旱指數(shù)較少，基于降水、植被、徑流、土壤等多種因素全過程的干旱機(jī)理機(jī)制研究匱乏。我國各地干旱機(jī)制復(fù)雜，應(yīng)根據(jù)我國干旱的實(shí)際情況，開展機(jī)理性干旱指數(shù)核心技術(shù)研發(fā)，并積極向干旱監(jiān)測業(yè)務(wù)轉(zhuǎn)化，為國家防旱抗旱提供更準(zhǔn)確的信息。

3.3 干旱預(yù)測預(yù)警研究不足

我國科技工作者針對干旱監(jiān)測開展了大量研究，但干旱預(yù)測預(yù)警研究不足。在實(shí)際農(nóng)業(yè)生產(chǎn)中，干旱預(yù)測預(yù)警在防旱抗旱工作中非常重要，特別是提前1個月干旱預(yù)測預(yù)警，政府部門將有充足的時間采取農(nóng)業(yè)防旱抗旱措施，提早3～5 d干旱預(yù)測預(yù)警雖然也有助于農(nóng)業(yè)防旱抗旱，但抗旱效果不如前者。提早1個月干旱預(yù)測預(yù)警技術(shù)手段一般依靠數(shù)值模式，不同模式對干旱預(yù)報預(yù)測能力不同，同一氣候模式對不同地區(qū)干旱預(yù)報預(yù)測能力也不相同。因此加強(qiáng)數(shù)值模式對不同地區(qū)不同時間尺度干旱預(yù)報預(yù)測能力研究，開展10 d以上，特別是提前1個月干旱預(yù)測預(yù)警研究對于農(nóng)業(yè)防旱抗旱非常重要。

4 未來研究重點(diǎn)和難點(diǎn)

4.1 加強(qiáng)干旱機(jī)理機(jī)制研究

干旱的程度和范圍與大氣降水量和頻次、土壤物理性質(zhì)、地表水量、地下水以及地表作物類型和生長階段等過程密切相關(guān)，這些是高度非線性過程。現(xiàn)有干旱指數(shù)大多為與大氣降水相關(guān)的氣象干旱指數(shù)或與作物需水和蒸散相關(guān)的農(nóng)業(yè)干旱指數(shù)，這些干旱指數(shù)將一個完整的自然水循環(huán)過程割裂開，特別是開展大氣降水后由土壤物理性質(zhì)決定的水分滲透機(jī)制和土壤水分平衡研究較少，對地表水和地下水研究也較少，不能全面揭示干旱過程的內(nèi)在機(jī)制。因此需要加強(qiáng)降水、植被、徑流、土壤等多種因素在干旱發(fā)生發(fā)展過程中的作用機(jī)制研究，構(gòu)建基于自然水循環(huán)全過程的新的干旱指數(shù)。

4.2 開展系統(tǒng)的干旱監(jiān)測準(zhǔn)確性定量評估

雖然我國科技工作者針對干旱指數(shù)在不同地區(qū)的適用性開展了一定研究，但鑒于干旱的特殊性，干旱監(jiān)測準(zhǔn)確性定量評估較少，也缺乏干旱監(jiān)測準(zhǔn)確性評估標(biāo)準(zhǔn)。因此應(yīng)開展干旱監(jiān)測準(zhǔn)確性評估標(biāo)準(zhǔn)研究，開展不同干旱指數(shù)在不同地區(qū)干旱監(jiān)測準(zhǔn)確性定量評估研究，特別是針對歷史上長時間大范圍典型干旱個例，各干旱指數(shù)的監(jiān)測準(zhǔn)確性要開展定量評估。只有開展干旱監(jiān)測準(zhǔn)確性定量系統(tǒng)評估，才能發(fā)現(xiàn)各干旱指數(shù)監(jiān)測能力的不足，選出最適合某一地區(qū)的干旱指數(shù)，并根據(jù)該指數(shù)的不足開展干旱指數(shù)的改進(jìn)工作，推進(jìn)干旱監(jiān)測能力的提高。

4.3 加強(qiáng)數(shù)值模式在干旱預(yù)測預(yù)警中的應(yīng)用

干旱范圍、程度和趨勢預(yù)測對于國家防災(zāi)減災(zāi)措施選取具有重要意義，特別是在時間尺度上提前1個月以上提供干旱預(yù)測預(yù)警信息能為國家防災(zāi)減災(zāi)措施選取提供足夠的時間。由于重大干旱事件的形成均有降水長期偏少的累積效應(yīng)，因此將前期的干旱監(jiān)測與數(shù)值模式預(yù)報的未來天氣氣候相結(jié)合，實(shí)現(xiàn)干旱預(yù)測預(yù)警以及干旱災(zāi)害風(fēng)險預(yù)估。因此，應(yīng)開展數(shù)值模式在不同地區(qū)干旱事件的模擬能力研究，加強(qiáng)數(shù)值模式在干旱預(yù)測預(yù)警中的應(yīng)用，加強(qiáng)不同地區(qū)長時間大范圍干旱事件發(fā)生發(fā)展的天氣氣候成因模擬研究，以及長時間大范圍干旱事件發(fā)生后地面植被變化對氣候互饋機(jī)制模擬研究。此外，基于數(shù)值模式產(chǎn)品構(gòu)建新的干旱預(yù)測預(yù)警指數(shù)也非常重要。