基于MODIS 数据的滇中高原农业干旱时空变化分析

屈新星，何云玲**，闫文波，崔茜琳，熊巧利

(1.云南大学 地球科学学院，云南 昆明 650504；2.黔西南州生态环境局 兴义分局，贵州 兴义 562400)

农业干旱是指农作物在生长发育过程中，受气温升高、降水减少等气象因素，以及农业灌溉用水不足等人为因素的影响，农作物不能适时地从土壤和空气中获得足够的水分，使得作物体内水分收支失衡，从而胁迫农作物正常生长发育，导致农作物减产或绝收的一种现象[1].近年来，随着全球气候变化导致的区域降水量减少和蒸发量增加，世界上大部分陆地干旱化趋势日益明显，大范围持续性干旱导致陆地生态系统服务功能严重受损，成为制约世界农业产量的重要环境因素，对粮食安全造成重大影响[2].客观评价农业干旱，采取有效的适应性策略应对干旱化，已经成为目前亟待解决的问题之一.

目前，关于农业干旱监测根据数据来源不同，主要有基于地面农气观测站数据和基于卫星遥感数据两种，由于卫星遥感的实时性和连续性，已成为农业旱情监测的重要手段.随着遥感技术的不断发展，适用于农业干旱监测的卫星传感器不断增多，其中MODIS 传感器与AVHRR、SPOT-VGT 等传感器相比，在农业干旱监测中结果最优[3].以MODIS 产品为数据源，现已发展出许多农业干旱监测指数，如：垂直干旱指数（Perpendicular Drought Index,PDI）[4]、植被条件指数（Vegetation Condition Index,VCI）[5]、温度植被干旱指数（Temperature Vegetation Dryness Index,TVDI）[6]、植被供水指数（Vegetation Supply Water Index,VSWI）[7]、条件植被温度指数（Vegetation Temperature Water Index，VTCI）[8]、归一化干旱指数（Normalized Difference Drought Index，NDDI）[9]等.其中，由于TVDI 所需的数据量及参数较少，目前已经得到了广泛应用.例如，赵莉荣等[10]利用TVDI 对重庆市农业干旱状况进行评价，结果表明TVDI 能够很好地反映研究区干旱情况；吴孟泉等[11]运用TVDI 对复杂山区干旱监测研究中表明其能很好地对山区旱情进行监测.传统的TVDI 计算利用地表温度（Land Surface Temperature，LST）和归一化差值植被指数（Normalized Difference Vegetation Index，NDVI），由于NDVI 易饱和，故有学者采用增强型植被指数（Enhanced Vegetation Index，EVI）计算TVDI.闫峰等[12]的研究结果表明采用LST 和EVI 计算的TVDI能够较好地反映土壤表层水分状况；闫娜等[13]通过对NDVI、EVI 分别构建的TVDI 模型进行比较，其结果表明由EVI 构建的TVDI 特征空间效果更明显.

滇中高原地处云南省中部区域，是云南省粮食产量最高的区域，但由于地处内陆，社会生产和经济活动对自然环境依赖大，对自然灾害承受能力较弱，是我国干旱发生频率较高的地区[2].以往研究中，高瑞等[14]以气象站点数据分析了滇中地区近40 年的气象干旱时空特征，玉院和等[15]基于MODIS 数据分析了滇中地区2012—2016 年的农业干旱情况.目前的研究大多是研究短时间序列的变化，或是特殊干旱年份情况.本研究基于MODIS产品的MODIS11A2 LST 和MODIS13A3 EVI 构建的TVDI，分析滇中高原2001—2020 年农业干旱时空分布特征，研究结论将有助于加深理解陆地生态系统过程对干旱的响应，对进一步开展区域尺度上适应性策略的分析具有重要的理论指导意义.

1 研究区概况

滇中高原作为云南高原的主体部分，位于中国西南地区，主要位于100°35′～104°14′E，23°12′～26°41′N 之间，涉及昆明、曲靖、玉溪、楚雄4 个市（州）大部分行政管辖范围，总面积约9.455 8 万km2（图1），是云南省粮食主产区和农业经济核心区，常年粮食产量占全省1/3.其地形多样，除高原以外还发育有山地、山间盆地、岩溶等地貌，地势起伏和缓，平均海拔在2 000 m 左右.滇中高原属亚热带季风性高原气候，日照时间长，昼夜温差大，年温差小；降水时空分布不均匀，干湿季分明，雨季（5—10 月）降水量占全年总降水量的85%左右.主要植被类型包括：针叶林、阔叶林、灌丛、草丛、草甸、高原栽培植被等.

图1 滇中高原地理位置及植被类型空间分布Fig.1 Geographical position and spatial distribution of vegetation types of Central Yunnan Plateau

2 数据与方法

2.1 数据来源增强型植被指数（EVI）数据和地表温度（LST）数据均来自美国NASA 官网，其中LST 数据经MODIS11A2 数据集处理得到，时间分辨率为8 d；EVI 数据源于MODIS13A3 数据集，时间分辨率为月.EVI 数据和LST 数据空间分辨率均为1 000 m×1 000 m，时间范围为2001—2020 年.获得MODIS 数据集之后，借助Modis Tools 工具，实现数据提取、拼接、投影和格式转换.通过IDL 编程，以每幅影像在该月内所占的天数比例为权重，根据权重将该月内所有的影像进行线性相加，将8 d 的LST 数据合成为月的LST 数据，采用平均值算法对缺失值进行填补.利用合成后的逐月LST数据与EVI 数据构建地表温度-植被指数特征空间，并拟合干、湿边方程，根据拟合的干、湿边方程在ENVI 中计算TVDI.

土壤湿度数据来源于国家科技基础条件平台—国家地球系统科学数据中心（http://www.geodata.cn），该数据可以用来反映陆地表面土壤体积含水量（m3/m3），空间分辨率为0.05°×0.05°，时间分辨率为月.利用ArcGIS 软件，将土壤湿度数据进行空间分辨率重采样为1 000 m×1 000 m，与LST和EVI 数据保持一致.

2.2 研究方法

2.2.1 TVDI 计算 Price[16]和Carlson 等[17]的研究表明，以植被指数与地表温度为横纵坐标构成的散点图呈三角形；Sandholt 等[18]指出在地表温度和植被指数构成的三角形特征空间中存在多条等值线，并根据简化的地表温度-植被指数特征空间定义了温度植被干旱指数TVDI.通过以往研究比较，由植被指数EVI 构建的TVDI 特征空间效果更明显，计算公式如式（1）～（3）.

式中，Ts为像元所对应的地表温度（单位：℃）；Tsmax和Tsmin分别为同一像元所对应的最高地表温度和最低地表温度（单位：℃），且分别表示特征空间中的干边和湿边；a1、b1、a2、b2为干湿边方程的斜率和截距，均为常数；TVDI 为像元的温度植被干旱指数值，其值范围为（0～1].研究区TVDI 的空间分辨率为1 000 m×1 000 m，网格点的总数量为93 093个.参照易永红等[19]对TVDI 数值等级的划分，将TVDI 值划分为4 个等级（表1）.

表1 TVDI 干旱等级划分标准Tab.1 Agricultural drought levels corresponding to the TVDI

2.2.2 Sen 趋势度和Mann-KendaП检验 Sen 趋势度分析是水文及气象领域常用的趋势分析方法，对数据分布没有特定要求，且在计算过程中能够减少缺失值及异常值的影响，近年来被广泛应用于遥感时序数据分析中[20].由于农业干旱现象存在随机性，且TVDI 时间序列分布特征尚不确定，故采用Sen 趋势法分析滇中高原农业干旱时空变化特征，计算公式如下[21]：

式中，j、i为时间序列序号，为1，2，3，···，n.β为Sen 趋势值，当β＞0 时，农业干旱有增强趋势；反之，则农业干旱有减轻趋势.再采用Mann-KendaП非参数检验法对Sen 趋势的显著性进行检验.

采用检验统计量Z进行趋势检验，Z值计算公式如下：

式中，V(S)为方差，S为TVDIi与TVDIj的大小关系（公式略）；在给定显著性水平α下，若则认为变化趋势显著，反之不显著；当|Z|＞1.96时，则变化趋势通过了α=0.05显著性检验.

基于Sen 趋势分析和Mann-KendaП检验，TVDI变化趋势分类见表2 所示[22].

表2 基于Sen+Mann-Kendall 法农业旱情变化趋势划分Tab.2 Agricultural drought trend classification based on Sen+Mann-Kendall method

2.2.3 变异系数 变异系数可以反映一组数据集中各像元值的离散程度及波动变化情况，即稳定性，计算公式如下[23]：

2.2.4 干旱重心迁移 干旱重心代表的是干旱区在变化过程中干旱重心在空间上的位置（经度、纬度），通过对干旱重心迁移轨迹分析，可以反映干旱变化情况[24].干旱中心坐标计算公式如下：

式中，n为发生干旱区域的网格总数量；xi、yi为第i个网格的经度、纬度；pti为第t年第i个网格TVDI 值，Xt、Yt分别是第t年干旱区重心的经纬度坐标.

3 结果与分析

3.1 TVDI 与土壤湿度的相关性基于以往多数学者的研究，土壤含水量在一定程度上可以反映农业干旱程度，通过分析TVDI 与土壤湿度的相关性可以评价TVDI 的适用性，二者相关系数越小表明TVDI 的适用性就越强[25-28].由于研究区可获得的土壤湿度数据缺失值较多，为了保证验证的精度，选择了2001—2010 年单幅影像较为完整的80 幅遥感影像覆盖的土壤湿度数据进行相关性分析.二者的相关系数空间分布见图2.除滇池、星云湖、抚仙湖等水体，河谷地区、昆明市及玉溪市部分地区外，研究区91.8%的区域内TVDI 与土壤湿度的相关系数均为负值，TVDI 值随土壤含水量的增加而减小，其中42.4%区域的负相关性通过了0.05的显著性检验.综上，本文所构建的TVDI 指数适用于滇中高原大部分地区的农业旱情监测.

图2 滇中高原TVDI 与土壤湿度相关系数空间分布Fig.2 Spatial distribution of correlation coefficient between TVDI and soil moisture on Central Yunnan Plateau

3.2 农业干旱的时间变化特征统计了2001—2020年逐月的共计240 个月TVDI 值，由TVDI 的逐月变化（图3）和TVDI 的月均变化（图4）可以看出，近20 年研究区TVDI 的月均值在0.45～0.75 之间.并且，研究区每年的3—5 月农业旱情基本均为中旱；从6 月开始农业旱情逐渐减轻，转为轻旱；11月开始农业旱情又开始逐渐加重.近20 年TVDI月平均值最大出现在4 月份，农业旱情最严重；最小值出现在10 月份，农业旱情最轻.

图3 滇中高原2001—2020 年的TVDI 逐月变化Fig.3 Monthly TVDI value changes on Central Yunnan Plateau from 2001 to 2020

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

将研究区每年各月的TVDI 求均值，得到TVDI 年均值，结果见图5.由图5 可以看出2001—2020 年的TVDI 年均值在0.46～0.56 之间，其中2019 年的年均TVDI 值最大（0.55），农业旱情较其他年份严重.2001 年后，TVDI 年均值整体呈小幅上升趋势，变化速率为0.002/a，且通过了0.05 显著性水平检验，表明近20 年滇中高原农业旱情整体呈显著增强趋势.

图5 滇中高原2001—2020 年的TVDI 逐年变化Fig.5 Annual TVDI value on Central Yunnan Plateau from 2001 to 2020

为了更直观反映2001—2020 年研究区农业干旱情况，图6 统计了每年各干旱等级的面积占比，总体表现为轻旱所占面积最大，其次为正常.轻旱面积占比在51.9%～60.3%之间，近20 年整体呈下降趋势，其中2005 年及2010 年轻旱面积占比最大，分别达到了60.3%、59.5%；中旱面积占比在13.6%～24.7%之间，近20 年呈上升趋势，2019 年中旱面积占比最大（24.7%）；重旱面积占比在2.0%～7.2%之间，其中2019 年重旱面积占比最大，近20 年重旱面积占比虽然较小，但是整体呈上升趋势.综上，研究区2001—2020 年中旱及重旱发生范围呈扩大趋势.

图6 滇中高原2001—2020 年各等级干旱面积比例的时间变化Fig.6 Area ratio of each type of drought on Central Yunnan Plateau from 2001 to 2020

3.3 农业干旱的空间分布特征图7 为滇中高原2001—2020 年TVDI 均值的空间分布.从图7 可知，滇中高原整体以轻旱和中旱为主，且干旱程度空间差异明显，轻旱面积占比为58%，中旱面积占比为19%，重旱面积占比为4%.为了进一步分析研究区内各行政区域近20 年农业干旱空间分布情况，利用ArcGIS 软件空间统计的分析工具，提取各个行政区域内不同干旱类型的面积占比，其中昆明市和曲靖市的轻旱面积占比分别达到了59.04%、72.09%，说明这两个地区的农业旱情主要以轻旱为主；玉溪市的中旱面积占比较大，达到了33.30%；楚雄彝族自治州的轻旱和中旱面积相间分布，其中轻旱和中旱面积占比分别为48.43%、27.12%.此外，研究区的重旱主要分布在玉溪市和楚雄州的干热河谷地区.

图7 滇中高原TVDI 平均值指示的干旱等级空间分布Fig.7 Spatial distribution of agricultural drought grades indicated by TVDI value on Central Yunnan Plateau

3.4 农业干旱变化趋势的显著性、稳定性以及重心迁移利用Sen 趋势度对研究区2001—2020年TVDI 年际变化趋势进行分析，采用Mann-KendaП法检验变化趋势的显著性.从图8 可知，2001—2020 年TVDI 变化趋势值在-0.009～0.011之间，旱情变化趋势东西差异显著；农业旱情呈增强趋势的地区，主要集中在滇中高原的西部，而东部地区农业旱情呈减轻趋势.研究区47%的区域农业干旱呈现显著变化趋势，其中2%的区域农业干旱呈显著减轻趋势，主要集中在曲靖大部分地区、昆明北部、楚雄中部及东部地区；45%的区域农业干旱呈显著增强趋势，主要分布在楚雄州及玉溪市、昆明西南部、玉溪东部、曲靖中部的山间盆地区及南部地区.

图8 滇中高原2001—2020 年TVDI 变化趋势值及变化趋势显著性分类Fig.8 Trend values of TVDI and trend classification on Central Yunnan Plateau from 2001 to 2020

图9 是基于变异系数分析研究区近20 年农业干旱变化的稳定性，可以看出农业旱情变化趋势整体上自西向东、自南向北稳定性逐渐降低.其中，约77.51%的区域农业旱情变化处于非常稳定状态，楚雄及玉溪占比最大；约20.81%的区域旱情处于稳定状态，主要分布在昆明、曲靖；约1.64%的区域处于不稳定状态，主要分布在昆明北部、玉溪西部的高海拔地区及元江河谷区，农业干旱强弱变化较大；仅有0.04%的区域旱情很不稳定，零散分布在元江河谷及金沙江河谷区.

图9 滇中高原2001—2020 年旱情变化稳定性空间分布Fig.9 Spatial distribution of agricultural drought stability on Central Yunnan Plateau from 2001 to 2020

图10 为2001—2020 年研究区易旱区的年均TVDI 为权重，计算近20 年来滇中高原年际农业干旱重心分布.由图10 可知，近20 年研究区干旱重心变化幅度相对较小，其地理位置分布范围介于25°12′32″N～25°14′59″N、102°38′57″E～102°42′E之间，主要集中在昆明.2001—2020 年农业干旱重心主要从位置25°14′23″N、102°40′57″E 迁移至25°12′32″N、102°39′31″E，迁移距离为4.19 km.其中，2001—2010 年干旱重心向南迁移1.89 km；2011—2020 年向西南方向迁移3.27 km.

图10 滇中高原2001—2020 年农业干旱重心分布Fig.10 The distribution of the center of agricultural drought on Central Yunnan Plateau from 2001 to 2020

4 讨论与结论

4.1 讨论我国通用的干旱定义一般分为气象干旱、农业干旱、水文干旱、社会经济干旱4 种类型，在4 类干旱中，气象干旱是一种自然现象，最直观地表现在降水量的减少，气象干旱是其他3 种类型干旱的基础.相关学者的研究表明2009 年、2010年云南省干旱较为严重，根据本文的研究结果，近20 年来农业干旱较重的年份同样包含了2009 年、2010 年.但除去这两个年份，2019 年及2020 年的农业干旱也较为严重，且近20 年来滇中高原农业干旱呈增强趋势，与Yang 等[29]、高瑞等[30]学者的研究结果中滇中地区干旱有增强趋势的结论相一致.在研究云南省干旱时空变化特征及其成因中，大多数学者是从气象气候干旱入手，研究采用的是气象干旱指标SPI 和SPEI，这些指标仅监测的是降水、蒸散发的变化.本文基于遥感监测手段，采用TVDI 监测的是植被对干旱胁迫的响应，因此研究结果会与气象干旱监测结果存在一些差异.在发生气象干旱后，假如能及时为农作物提供灌溉，或采取其他农业措施保持土壤水分，满足作物需要，就不会形成农业干旱.但在灌溉设施不完备的地方，气象干旱是引发农业干旱的最重要因素.

以往研究结果表明滇中高原尤其冬春季节最易发生极端干旱，主要是降水量季节分配比例失调和时空分布不均引起[31]，本文的研究结果显示春季农业干旱最为严重，主要原因是春季为作物生长期需水量大，降水不足致使作物长势较差，农业干旱最为严重.相关学者的研究表明，近年来云南省降水不稳定性加剧，年降水量减少趋势明显[32]，且年均温上升趋势显著[33]，气象干旱有增强趋势；在此变化背景下，滇中高原农业干旱也呈增强趋势，在一定程度上反映了近些年来滇中高原农业干旱的变化与气候变化存在一定的联系，研究区农业干旱对气象干旱的响应时段和尺度需要进一步的细致分析.但农业干旱的成因复杂，除气候变化外，如何定量分析调整农作物种植结构、改变灌溉方式等人类活动对农业干旱的影响，将会是今后研究的重点.

4.2 结论利用2001—2020 年MODIS-LST 及MODIS-EVI 数据，通过构建TVDI 模型，建立了长时间序列的滇中高原农业干旱数据；采用Sen 趋势、Man-KendaП检验、变异系数、重心迁移等方法，研究了滇中高原农业干旱时空动态变化特征，得到以下结论：

（1）2001—2020 年研究区TVDI 年均值呈上升趋势，农业旱情整体呈显著增强趋势；每年4 月份的农业旱情最为严重，10 月份旱情最轻.近20年研究区平均TVDI 值在0.46～0.56 间波动，轻旱面积占比最大，其次为正常；但中旱和重旱的发生范围有扩大趋势.

（2）2001—2020 年研究区农业干旱程度空间差异明显，其中昆明和曲靖主要以轻旱为主；玉溪以中旱为主；楚雄轻旱和中旱相间分布；位于玉溪和楚雄的部分干热河谷地区旱情最为严重.

（3）近20 年研究区农业干旱变化趋势东西差异明显，西部地区农业旱情整体上呈增强趋势，而东部地区呈减轻趋势.其中，曲靖大部分地区、昆明北部、楚雄中部及东部地区农业旱情减轻趋势显著，楚雄及玉溪、曲靖中部的山间盆地区及南部地区、昆明西南部农业旱情增强趋势显著.

（4）2001—2020 年研究区年际农业旱情稳定性自西向东、自南向北逐渐降低.其中，玉溪西部的哀牢山地、元江河谷地区、金沙江河谷地区农业旱情变化不稳定，农业干旱强弱程度变化较大.

（5）2001—2020 年间研究区农业干旱重心均分布在昆明.其中，2001—2010 年重心向南迁移，迁移距离为1.89 km；2010 年往后向西南迁移，迁移距离为3.27 km.