基于VCI的2003—2017年广东省干旱时空变化特征分析

李维娇， 王云鹏

( 1. 中国科学院广州地球化学研究所， 广州 510640； 2. 中国科学院大学， 北京 100049)

干旱作为一种严重的自然灾害，给社会经济及人民生活都造成了严重的影响[1]. 据估算，全球每年因干旱造成的经济损失高达60～80亿美元, 远远超过了其他气象灾害[2]. 研究旱情的发生规律及其严重程度，对农业规划管理和生态环境保护具有重要的意义.

传统的干旱监测一般是通过对监测点数据的研究进行的，例如：通过土壤墒情监测站直接获得土壤水分含量的相关数据[3]；通过地面气象观测站点的降水量、气温和日照等数据计算相应的干旱指数[4]；通过观察单点植株的生长情况对植株所在地区旱情进行判断[5]等. 对监测点的干旱数据进行插值可得到空间连续的干旱分布数据，然而监测点数据通常疏密不均，其插值结果存在很大的不确定性[6]. 由于遥感数据具有容易获取、分辨率高和数据重访率较高等特点，近年来在干旱监测中逐渐成为热点[7-8]. 在植被覆盖度高的地区，通过各种遥感植被指数进行干旱监测取得了较好的应用效果. 常见的遥感植被干旱监测指标包括归一化植被指数(Normalized Difference Vegetation Index,NDVI)[9]、温度状态指数(Temperature Condition Index,TCI)[10]、温度植被干旱指数(Temperature Vegetation Dryness Index,TVDI)[11]和植被状态指数(Vegetation Condition Index,VCI)[12-13]等. 其中，VCI具有计算简单、能消除地形及土壤因素带来的差异、对植被敏感等优势，在高植被覆盖区时空连续的干旱监测中得到了广泛的应用[14].

本文利用2003—2017年8天250 m分辨率的MODIS(Moderate-Resolution Imaging Spectroradiometer)地表反射率数据计算得到了VCI，以VCI作为监测干旱的指标，探讨了广东省干旱的时空分布和近年来干旱发生的频率及趋势的变化，以期为广东省的抗旱减灾工作提供科学依据.

1 研究区及数据介绍

1.1 研究区

广东省属于东亚季风区，从北向南分别为中亚热带、南亚热带和热带气候，是中国光、热和水资源最丰富的地区之一. 广东省的年平均气温约为19～24 ℃,全省平均日照时数为1 755 h. 广东省降水充沛，年平均降水量在1 800 mm左右. 受到广东省地形地势分布(图1)的影响，广东省的降水空间分布呈南高北低的趋势. 降水的季节分配不均，4—9月的汛期降水占全年的80%以上. 降水的年际变化也较大，多雨年降水量为少雨年的2倍以上[15]. 洪涝和干旱灾害时有发生，台风的影响也较为频繁[16].

1.2 数据

MODIS传感器搭载在Terra和Aqua星上[17]. 本文使用的MODIS数据为2003—2017年间8天250 m的地表反射率数据. 该数据下载于NASA网站(https:∥ladsweb.modaps.eosdis.nasa.gov/)，每年46期，研究期间内共有15年690期数据. 经过裁剪、去除异常值后，利用每期数据的红光波段(Red:620～670 nm)和近红外波段 (NIR:841～875 nm)来计算NDVI和VCI.

2 研究方法

2.1 VCI计算方法

NDVI是应用最广泛的植被指数，该指数与植被覆盖度有关，主要反映植被生理生态特征，同时也能反映植物冠层的背景影响，如土壤、地面潮状况、雪、枯叶和粗超度等[18].

NDVI最早由ROUSE等[17]提出，其计算公式为：

(1)

其中，NIR为近红外波段反射率，R为红光波段反射率. NDVI的值域范围为[-1,1]，负值表示地面覆盖为云、水和雪等，对可见光高反射；0表示有岩石或裸土；正值表示有植被覆盖，且NDVI的值越大则表示植被覆盖情况越好.

在NDVI的基础上，KOGAN[19]提出了主要用来反映植被的生长状况的VCI指数，其计算公式为：

(2)

其中，NDVIi为特定年第i期的NDVI值；NDVImax和NDVImin分别为多年第i期NDVI的最大值和最小值. 分母部分的最大值和最小值分别反映了第i期植被生长的最佳和最差状态，其差值在一定意义上代表了植被的生境，如土壤干湿状况、营养及日照等. 分子部分某年的NDVI值与最小值的差值越小，表明这一期的植被长势越差[19]. VCI的值域范围为[0,100]，数值越小，表示植被生长状况越差，旱情越严重[20].

2.2 VCI趋势分析

为研究2003—2017 年干旱的总体变化趋势，将690期VCI数据按年平均，得到年均VCI. 在此基础上，可以计算VCI的距平指数(Anomaly Vegetation Condition Index,AVCI). 还可以对年均VCI值进行趋势倾向率计算，具体计算公式[21]如下：

(3)

其中，ti是历年序列号(1～15),n是序列的长度(n=15),xi是第i年的VCI值. 若slope>0，表示在研究区间内VCI呈上升趋势，旱情逐年缓解；若slope<0，表示VCI呈下降趋势，旱情逐年加剧.

MK(Mann-Kendall)检验可以有效区分一个过程是自然波动的还是具有显著的趋势[20]. MK检验具有不受少数异常值干扰、计算简便、数据无需服从一定分布的特点[22-23]. 本文用MK方法检验2003—2017年间的VCI的变化是否显著，在时间序列随机独立的假定下，定义统计量[20]：

(4)

其中，Sk、Sk的均值和方差的计算公式如下：

(5)

(6)

(7)

其中，ri是小于第i年且大于第j年的VCI值的累计数;n是样本的总数，本文中指序列的长度(n=15).

按时间序列逆序，重复上述过程，计算得到UBk. 本文计算UFk时，使用2003—2017年的年均VCI值序列；计算UBk时，使用2017—2003年的年均VCI值序列. 当UBk>0或UFk>0时，表示序列有上升趋势；反之，有下降趋势. 当UBk或UFk超过0.05置信区间(U0.05=±1.96)时，变化的趋势是显著的，超过该置信区间的范围即为突变期. 当UBk与UFk产生交点并且交点在置信区间内时，以交点对应得到时间作为突变的起始时间.

2.3 干旱频率的计算

根据相关的研究[20]，将VCI的值按等级划分：若VCI≤30，则表示植被状态较差，发生了严重的干旱；若3070，则表示植被状态良好，没有发生干旱. 分别统计每一期数据不同等级干旱发生的频次，并计算干旱发生的频率[11,21]：

(8)

其中，f为干旱频率，N是数据的总数(N=690)，k为不同程度干旱发生的频次.

3 结果与分析

3.1 干旱变化趋势分析

通过年均VCI及其距平指数的变化趋势(图2)可以分析旱情在时序上的变化特点. 由图可知：(1)2008年以前，广东省的VCI的距平指数基本为负值，表明植被状态较其他年份差；2013年以后，VCI的距平指数基本为正值，表明植被状态较其他年份好. (2)2003—2017年间，VCI总体呈现上升的趋势(每年上升0.071)，表明近年来广东省的旱情有逐年缓解的趋势. (3)2004年和2005年的年均VCI有一个明显的低谷，这与气象数据记录的2004年末到2005年初广东省发生的严重干旱情况相符. (4)从VCI的距平指数也可以看出2005年后，严重干旱带来的影响逐年缓解. (5)年均VCI在2010、2012年都出现了小的下滑，根据气象记录，2010年10月至2011年3月间的降水照历史同期偏少五成左右；2012年广东省的西北部和东南部也有重旱发生.

图2 2003—2017年广东省的VCI及其距平指数变化趋势

通过MK检验的方法可以判断VCI的增长趋势是否显著. 由2003—2017年广东省VCI的MK检验结果(图 3)可知：(1)UF的值基本都大于0，说明自2003年以来广东省的年均VCI有增长的趋势，这与图2的分析结果一致. (2)UF的值高于显著性水平0.05的临界线，表明广东省的年均VCI的增长是显著的.

图3 2003—2017年广东省VCI的MK检验结果

Figure 3 The Mann-Kendall mutation analysis results of VCI in Guangdong from 2003 to 2017

由广东省VCI的变化趋势的空间分布图(图4)可知：(1)2003—2017年，广东省总体VCI的slope值为0.795，整体上干旱情况有缓解的趋势. (2)全省80.3%的区域的VCI呈上升趋势(slope>0)，其中52%的区域上升较明显(slope>1)，这些区域的旱情随着时间的变化明显减轻；全省19.7%的区域的VCI呈下降趋势(slope<0)，其中23.9%的区域下降较明显(slope<-1)，这些区域的干旱情况随着时间的变化而加剧. (3)VCI呈下降趋势的区域主要分布在粤北地区和粤东的汕头市附近地区. 广东省石灰岩主要分布在粤北地区，石灰岩涵养水能力差，

图4 2003—2017年广东省VCI变化趋势的空间分布

Figure 4 The spatial distribution of the VCI trend from 2003 to 2017 in Guangdong

粤北地区秋季主要受高气压控制，天气晴朗，气候干燥少雨，容易发生旱涝现象[24]. 另外，由广东省气象局发布的气象公报可知，汕头市附近的年平均气温有增长的趋势(2010、2011、2014—2015年均气温的距平指数均为正值)，而年平均降水有下降的趋势(2010—2012、2014年的年均降水距平指数均为负值). 这些因素可能是导致粤北地区和汕头市附近地区的旱情有加剧趋势的主要原因.

3.2 干旱频率分析

根据已经划分好的不同VCI对应的干旱等级，统计不同程度干旱发生的频率. 由广东省不同等级干旱出现频率的空间分布图(图5)可知：(1)2003—2017年间，广东省干旱发生频率一般都在0.2～0.6之间，其中，珠三角地区和汕头市附近地区的干旱发生频率在0.6～0.8之间. (2)广东省的干旱主要以中旱为主，大部分区域的中旱发生频率都在0.4以下. (3)重旱在广东省较少发生，重旱发生频率基本都在0.2以下. (4)近年来，珠三角地区和汕头市附近地区的干旱发生频率与周围地区有明显的不同，这些区域的干旱情况比较严重，无论是中旱发生频率的0.4～0.6，还是重旱发生频率的0.2～0.4，与其他地区相比都要高. 珠三角地区和汕头市附近地区与全省其他地区相比，其人口密度大、人口增长快. 人类活动强，导致地表水文条件变化大，城市化过程中植被的减少，也会导致表层土壤性保水能力下降，从而导致干旱发生的频率更高[25].

统计每期数据干旱发生的面积占全省面积的比例，并按年取平均，得到历年干旱面积占比(表 1). 由表可知：(1)广东省的干旱面积在逐年减少，这与3.1章节干旱情况有逐年缓解趋势的分析内容一致. (2)整体来看，2003—2017年广东省年均干旱面积占比40.7%，中旱面积占比29.6%，重旱面积占比11.1%. (3)与2003年相比，2017年的干旱面积减少了39.5%，中旱和重旱的面积分别减少了40.9%和35.3%. (4)2004、2005年的干旱面积与往年相比较高，2005年重旱的距平指数也相对较高(图 6)，结合3.1章节的内容可知，2004年末到2005年初的干旱程度较深，且干旱面积也很广，这与气象数据的记录比较吻合. 总体来讲，广东省从2003年到2017年经历了一个干旱逐渐减轻的过程. 基于MODIS长时间序列的VCI数据很好地反映了这一趋势. 上述结果也说明VCI数据在大范围长时间的干旱监测中具有很好的应用效果.

图5 广东省干旱发生频率空间分布

表1 广东省2003—2017年干旱面积占比Table1 The proportion of drought-affected area in Guangdong from 2003 to 2017%

图6 2003—2017年广东省干旱面积占比的距平指数变化

Figure 6 The AVCI of proportion of drought area in Guangdong from 2003 to 2017

4 结论

广东省处于热带亚热带地区，降水充沛. 但通过研究发现，广东省频繁发生程度较轻的干旱，这与LIANG等[20-21]在全国以及中国南方的相关研究结果相似. 干旱频发可能与广东省的降雨在空间和季节上分布不均有关. 从干旱的严重程度、干旱频率和干旱面积等方面来看，广东省的干旱情况总体上是逐年减轻的. 这也与其他全国或南方地区的相关研究结果[20-21]一致，即干旱情况总体呈逐年缓解的趋势.

本文以广东省作为研究区，利用MODIS地表反射率数据计算得到VCI；以VCI作为监测干旱的指标，分析了广东省干旱的时空分布以及干旱发生的频率、趋势. 主要结论如下：

(1)从时间趋势上看，广东省总体VCI有逐年上升的趋势(每年上升0.071),说明总体旱情在随着时间逐渐减轻.

(2)从空间分布上看，全省80.3%以上区域的旱情都有缓解. 珠三角地区和汕头市附近地区的干旱情况在逐年加剧.

(3)广东省干旱的发生频率基本在0.2～0.6之间. 全省发生的干旱主要以中旱为主，大部分地区的中旱发生频率在0.2～0.6之间;重旱较少发生，大部分地区的重旱发生频率都在0.2以下.

(4)广东省干旱面积的占比逐年下降. 2017年的干旱面积比2003年减少了39.5%. 2003—2017年，全省干旱程度和干旱面积都有明显的改善.

VCI数据在大范围长时间的干旱监测中具有很好的应用前景，但值得注意的是，VCI是一种以监测植被生长状态为主的干旱指标. 在运用VCI进行干旱监测时，植被覆盖向非植被覆盖的转变容易对监测结果造成影响. 在后续的研究中，需要进一步考虑如何消除这部分影响.