基于TRMM降雨数据的中国黄淮海地区干旱监测分析
气候变化情景下黄淮海冬麦区降水量及其适宜度变化分析
气候变化情景下黄淮海冬麦区降水量及其适宜度变化分析申双和;褚荣浩;吕厚荃;李萌;邵立瑛【摘要】The daily 0.25 × 0.25 degree gridded meteorological data under A1B climate scenario (1951-2100) extracted from the regional climate model RegCM3 was interpolated to station location by bilinear interpolation, daily meteorological data of 83 stations from 1971 to 2000 in Huang-Huai-Hai winter wheat region was used to correct scenario data, which was divided into five periods (1951-1980, 1981-2010, 2011-2040, 2041-2070, 2071-2100) to calculate precipitation suitability for winter wheat in different growth periods and to analyze its spatial and temporal variations. The results showed that under warm and humid climate scenarios, the mean precipitation and precipitation suitability of main growth periods was better in the south than that of in the north. The precipitation was insufficient from turning green to jointing stage and ample from heading to maturity stage, the precipitation suitability was higher from turning green to jointing stage and from heading to maturity stage and lower from jointing to heading stage. Both precipitation and precipitation suitability fluctuated in positive phase with time, the precipitation suitability increased with the precipitation increasing. Both precipitation and precipitation suitability showed an increasing trend in the north while decreasing in the south from turning green to jointing stage, a fluctuating trend of decreasing-increasing-decreasing-increasing from jointing to heading stage, a relative steady trend after decreasing fromheading to maturity stage. Winter wheat planting area should be expanded slightly in the northern Huang-Huai-Hai winter wheat region and keep the current state or be reduced slightly in the southern Huang-Huai-Hai winter wheat region in the future considering the impact of global warming.%采用双线性插值法将RegCM3模式模拟的A1B情景下该区域1951-2100年0.25°×0.25°的格点数据插值到各站点位置，然后利用黄淮海冬麦区1971-2000年83个站点逐日气象资料对其进行误差订正，再将情景数据分为1951-1980年、1981-2010年、2011-2040年、2041-2070年和2071-2100年共5个阶段，计算各阶段冬小麦主要生育期降水量及其适宜度，并分析相应的时空变化特点。
基于多变量LSTM模型的黄河流域气象干旱预测研究
基于多变量LSTM模型的黄河流域气象干旱预测研究张恒斌;许德合;付景保【期刊名称】《南阳理工学院学报》【年(卷),期】2024(16)2【摘要】干旱是对人类社会发展影响最严重的自然灾害之一,气象干旱预测是干旱研究中的重要方向。
为提高气象干旱的预测精度,将多变量方法应用到长短期记忆模型(Long short-term memory,LSTM)预测黄河流域标准化气象干旱指数(Standardized precipitation evapotranspiration index,SPEI)的过程中,并和单变量LSTM模型的结果进行对比。
使用均方根误差、平均绝对误差、纳什效率指数作为评价指标。
结果显示,在对黄河流域临夏站、陶乐站、铜川站各自5种时间尺度SPEI(1、3、6、9和12个月)的预测中,多变量LSTM预测结果的3种评价指标值均明显优于单变量LSTM预测结果;可视化结果也显示多变量LSTM方法的预测曲线更接近观测值曲线。
研究证明了多变量LSTM模型对于提高黄河流域气象干旱指数预测精度的有效性与适用性。
【总页数】8页(P55-62)【作者】张恒斌;许德合;付景保【作者单位】华北水利水电大学测绘与地理信息学院;河南工程学院南水北调与黄河流域生态环境研究中心【正文语种】中文【中图分类】TP391【相关文献】1.EBK和LSTM模型在气象干旱时空预测中的应用2.基于多变量LSTM模型的消费者信心指数预测研究3.基于CEEMD的LSTM和ARIMA模型干旱预测适用性研究——以新疆为例4.基于多变量LSTM神经网络模型的PDO指数预测研究5.基于综合干旱指数的黄河流域干旱多变量概率特征研究因版权原因，仅展示原文概要，查看原文内容请购买。
基于定量遥感反演的旱情监测研究
基于定量遥感反演的旱情监测研究引言：旱情是指地表或地下水水文过程中，由于降水不足，造成土壤、植被和水资源等方面出现持续性或严重性不足的情况。
旱情的监测对农业生产、水资源管理和应对气候变化等具有重要的意义。
传统的旱情监测方法通常依赖于人工采样和测量，往往耗时耗力并且受制于人力和地理条件等因素。
定量遥感反演技术的发展为旱情监测提供了新的解决途径，其能够通过遥感影像数据来获取丰富的信息，例如降水量、土壤湿度、植被生长状况等。
本文将重点介绍基于定量遥感反演的旱情监测研究。
定量遥感反演方法：定量遥感反演方法是通过遥感影像数据和地面观测数据建立数学模型，从而推断出感兴趣地区各个要素的定量化信息。
在旱情监测中，常用的定量遥感反演方法包括土壤湿度反演、植被指数反演和降水量反演等。
土壤湿度反演是指通过遥感影像数据估计土壤湿度的方法。
常用的土壤湿度反演方法包括微波遥感反演和热红外遥感反演。
微波遥感反演方法利用微波信号的穿透性，通过测量微波信号在土壤中的衰减情况来估算土壤湿度。
热红外遥感反演方法则是通过测量地表温度和植被指数等参数，根据土壤热传导方程来推算土壤湿度。
这些方法能够准确地反演土壤湿度分布，从而为旱情监测提供了科学依据。
植被指数反演是指通过遥感影像数据估算植被生长状况的方法。
植被指数是反映植被光合活性和生长状态的指标，常用的植被指数包括归一化植被指数（NDVI）和差值植被指数（DVI）等。
通过计算遥感影像中的植被指数，可以得到感兴趣地区的植被覆盖度和生长状态等信息。
这些信息可以反映出旱情的严重程度和影响范围，对于旱情的监测和评估具有重要的意义。
降水量反演是指通过遥感影像数据估算降水量的方法。
降水量是影响旱情的主要因素之一，准确地反演降水量对于旱情监测具有重要的意义。
常用的降水量反演方法包括基于雷达的降水反演和基于卫星遥感的降水反演。
雷达降水反演方法通过测量雷达信号与降水的反射和散射情况，来估算降水量。
卫星遥感反演方法则是根据遥感影像中的云簇和降水微物理特征等信息，结合数学模型来推测降水量。
TRMM卫星降水数据在江苏省的适用性分析
TRMM卫星降水数据在江苏省的适用性分析
田苗;童杨辉
【期刊名称】《江苏农业科学》
【年(卷),期】2016(44)12
【摘要】为了验证TRMM降水数据在江苏省的适用性，本研究利用江苏省4个气象台站2000—2014年的降水数据，在不同时间尺度上分析TRMM多卫星降水数据3 B43产品的精度。
结果表明：TRMM在不同时间尺度的估测精度都较高，在月尺度上r2都在0．9左右，但TRMM估测的降水量普遍低于测站的降水量；在季节尺度上，降水比较集中的夏季估测精度最低，冬季的估测精度最高，在冬小麦整个生育期内TRMM的估测精度较好；从气象站分布看，位于苏北冬小麦主要产区的徐州站估测精度最好，赣榆的估测精度最低。
因此，TRMM数据可以用来研究苏北地区冬小麦全生育期的降水量状况。
【总页数】5页(P440-444)
【作者】田苗;童杨辉
【作者单位】江苏省农业科学院农业经济与信息研究所，江苏南京210014;武汉大学遥感信息工程学院，湖北武汉430079
【正文语种】中文
【中图分类】TP79;S127
【相关文献】
1.TRMM卫星降水数据在区域干旱监测中的适用性分析
2.TRMM卫星降水数据在川渝地区的适用性分析——以2017年为例
3.TRMM卫星降水数据在黄河源区的适用性研究
4.TRMM卫星降水数据在怒江流域的适用性分析
5.TRMM卫星降水数据在喀斯特山区的适用性分析——以贵州省为例
因版权原因，仅展示原文概要，查看原文内容请购买。
淮河流域旱灾统计及灾情特征分析
淮河流域旱灾统计及灾情特征分析作者：褚聪魏庚钱睿杰王跃跃王景才来源：《科学与财富》2020年第26期摘要：淮河流域一直是我国的重要的粮食生产来源，该流域的气候状况将直接影响我国的基础社会建设，由于错综复杂的地理气候以及人类活动影响，淮河流域的气候状况十分令人担忧，在历史上发生了无数的旱灾。
本文统计了建国以来的一些重大旱灾年，并对流域旱灾进行灾情特征分析，从而为淮河流域的工农业生产与社会经济建设提出相应对策。
关键词：旱灾;干旱;旱灾统计;特征分析;淮河流域1;;;; 概况淮河流域一直是我国的重要的粮食生产来源，发源于河南省与湖北省边境地区的桐柏山，历经河南、湖北、安徽和江苏四省，在今江苏省江都市汇入长江，随后东流入海。
淮河流域全长达1000公里，流域面积27万km2。
作为我国重要的粮食生产基地，该流域的气候状况将直接影响我国的基础社会建设。
然而，由于严重的水土流失、复杂的地理环境、浓密的人口、多变的气候环境以及历史上黄河夺淮的影响，淮河流域的气候状况十分令人担忧，在历史上发生了无数的旱灾。
据统计，淮河流域62年中（1949年 -2010年），遭受干旱灾害面积为1.67亿hm2，农作物损耗达13.96亿kg，平均每年269.8万hm2农作物受旱，140.8万hm2农作物成灾[1]。
严重的旱灾灾害严重制约着我国国民经济的发展。
本文收集统计了一些淮河流域的重大旱灾，并对这些旱灾进行灾情特征分析，旨在得到淮河流域旱灾发生的一般演变规律，为淮河流域的气候状态研究贡献出一份力量。
2;;;; 重大旱灾统计笔者收集了淮河流域气候资料，数据表明，淮河流域重大旱灾自商汤开始，绵延不绝，历朝历代都有重大旱灾发生。
在建国以前，具有典型意义的重大旱灾包括有明朝1640年，以及清朝1877年。
而在建国以后，虽然我国的基础水利建设进行了不少，完成了大量的河道整治，对抗恶劣气候灾害的能力有了极大的突破，但是严峻的干旱灾害任然对我国的国民经济基础建设产生了影响。
基于TVDI的江苏省淮北地区干旱监测技术研究
基于TVDI的江苏省淮北地区干旱监测技术研究王华;邵瀚【摘要】以江苏省淮北地区作为研究区，利用MODIS遥感数据，选择温度植被干旱指数对研究区进行干旱监测对比分析，建立基于温度植被干旱指数的研究区干旱遥感监测模型；结合土壤含水量数据和降雨量数据，确定研究区的干旱等级划分标准；利用干旱遥感模型对2011年夏旱进行监测研究。
结果表明，建立干旱遥感监测模型对研究区干旱研究有很好的适用性和推广性。
【期刊名称】《地理空间信息》【年(卷),期】2016(000)002【总页数】4页(P53-55,65)【关键词】MODIS;温度植被干旱指数;土壤含水量【作者】王华;邵瀚【作者单位】浙江财经大学东方学院，浙江嘉兴 314000;中国电建集团贵阳勘测设计研究院有限公司，贵阳550000【正文语种】中文【中图分类】P237.9随着全球气候变暖，干旱问题已直接或间接影响到人类的生活质量，干旱化问题也日益引起人们的高度重视。
遥感监测具有时空范围广、时效性高、信息准确客观等优势，被广泛应用到干旱研究中。
遥感是获得陆面分布式信息最经济的技术手段，其中土壤水分状况是水文模型所关注的一个非常重要的变量之一，因而有必要研究利用遥感信息获取土壤水分状况信息[1]。
植被指数和地表温度是描述地表特征的2个重要参数，基于遥感植被指数和地表温度信息进行区域地表水分状况等陆表变化研究，是目前遥感和陆表过程研究中的前沿方向[2]。
江苏省地处我国南北交界之处，东临黄海，地处长江、淮河下游，是两大河流的入海口，降水量从南到北变化很大，干旱和洪涝时常交替发生，近50 a来干旱发生频率愈来愈高。
江苏省淮北地区有“十年九旱”之说，干旱频率发生普遍较高。
2010年10月以来江苏省遭遇了历史上最为严重的旱情，淮北地区降水量为60 a以来的最低值，洪泽湖、骆马湖均低于死水位，干旱持续时间创历史之最，给当地农业生产带来了一定的影响。
研究江苏省淮北地区的干旱情况具有重要意义。
基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究
第３９卷第６期２０１９年３月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．３９，Ｎｏ．６Ｍａｒ．，２０１９基金项目：国家自然科学基金项目（４１６７１４２４）；教育部创新团队资助项目（ＩＲＴ１１０８）收稿日期：２０１８⁃０１⁃１９；㊀㊀网络出版日期：２０１８⁃１２⁃２１∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｊｊｗｕ＠ｂｎｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０１８０１１９０１５３周洪奎，武建军，李小涵，刘雷震，杨建华，韩忻忆．基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究．生态学报，２０１９，３９（６）：２１９１⁃２２０２．ＺｈｏｕＨＫ，ＷｕＪＪ，ＬｉＸＨ，ＬｉｕＬＺ，ＹａｎｇＪＨ，ＨａｎＸＹ．Ｓｕｉｔａｂｉｌｉｔｙｏｆａｓｓｉｍｉｌａｔｅｄｄａｔａ⁃ｂａｓｅｄｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘｆｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１９，３９（６）：２１９１⁃２２０２．基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究周洪奎１，２，武建军１，２，∗，李小涵１，２，刘雷震１，２，杨建华１，２，韩忻忆１，２１北京师范大学环境演变与自然灾害教育部重点实验室，北京㊀１００８７５２北京师范大学地理科学学部，北京㊀１００８７５摘要：农业干旱是导致作物减产的主要灾害之一，及时㊁准确地监测农业干旱状况有助于制定区域减灾策略，降低灾害损失㊂标准化土壤湿度指数（ＳＳＭＩ）是基于历史土壤湿度时间序列构建的一种农业干旱指数，目前分析该指数监测农业干旱的适宜性研究十分缺乏㊂本文以黄淮海平原为研究区，利用数据同化的根区土壤湿度数据构建ＳＳＭＩ，并通过与标准化降水蒸散指数（ＳＰＥＩ）㊁农业干旱灾害记录数据的对比以及与冬小麦产量的关系分析，综合评价ＳＳＭＩ监测农业干旱的适宜性㊂结果表明，ＳＳＭＩ与ＳＰＥＩ具有良好的一致性，二者之间具有极显著相关关系（Ｐ＜０．００１）；利用ＳＳＭＩ识别的农业干旱与农气站点干旱灾害记录是基本一致的，ＳＳＭＩ能够有效反映干旱发生㊁发展直至减轻的演变过程；冬小麦生长季ＳＳＭＩ与减产率显著相关，利用ＳＳＭＩ识别的农业干旱发生区域与基于统计数据计算的减产区域基本相符，ＳＳＭＩ能够对农业干旱引起的冬小麦减产起到一定的指示作用㊂综上所述，基于同化数据构建的ＳＳＭＩ能够反映黄淮海平原的农业干旱状况，利用ＳＳＭＩ监测区域农业干旱状况是适宜的㊂研究可为基于土壤湿度的农业干旱监测业务化运行提供依据，为黄淮海平原的抗旱减灾提供科学参考㊂关键词：农业干旱；标准化土壤湿度指数；适宜性；黄淮海平原Ｓｕｉｔａｂｉｌｉｔｙｏｆａｓｓｉｍｉｌａｔｅｄｄａｔａ⁃ｂａｓｅｄｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘｆｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇＺＨＯＵＨｏｎｇｋｕｉ１，２，ＷＵＪｉａｎｊｕｎ１，２，∗，ＬＩＸｉａｏｈａｎ１，２，ＬＩＵＬｅｉｚｈｅｎ１，２，ＹＡＮＧＪｉａｎｈｕａ１，２，ＨＡＮＸｉｎｙｉ１，２１ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＥｎｖｉｒｏｎｍｅｎｔＣｈａｎｇｅａｎｄＮａｔｕｒａｌＤｉｓａｓｔｅｒ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７５，Ｃｈｉｎａ２ＦａｃｕｌｔｙｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００８７５，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ｄｒｏｕｇｈｔｉｓａｒｅｃｕｒｒｉｎｇｅｘｔｒｅｍｅｃｌｉｍａｔｅｅｖｅｎｔ．Ｆｒｅｑｕｅｎｔｄｒｏｕｇｈｔｓｈａｖｅｓｅｒｉｏｕｓｉｍｐａｃｔｓｏｎａｇｒｉｃｕｌｔｕｒｅａｎｄｔｈｒｅａｔｅｎｆｏｏｄｓｅｃｕｒｉｔｙ．ＴｈｅＨｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ（ＨＨＨ）Ｐｌａｉｎｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｆｏｏｄ⁃ｐｒｏｄｕｃｉｎｇａｒｅａｓｉｎＣｈｉｎａ，ａｎｄａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｓｏｎｅｏｆｔｈｅｍａｉｎｆａｃｔｏｒｓｌｅａｄｉｎｇｔｏｔｈｅｄｅｃｌｉｎｅｏｆｇｒａｉｎｐｒｏｄｕｃｔｉｏｎｉｎｔｈｉｓｒｅｇｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，ａｃｃｕｒａｔｅａｎｄｅｆｆｅｃｔｉｖｅａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｉｓｏｆｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｄｅｖｅｌｏｐｄｉｓａｓｔｅｒｍｉｔｉｇａｔｉｏｎｓｔｒａｔｅｇｉｅｓａｎｄｒｅｄｕｃｅｄｉｓａｓｔｅｒｌｏｓｓｅｓ．Ｔｈｅｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ（ＳＳＭＩ）ｉｓａｎａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｎｄｅｘｂａｓｅｄｏｎｈｉｓｔｏｒｉｃａｌｓｏｉｌｍｏｉｓｔｕｒｅｔｉｍｅｓｅｒｉｅｓ．Ｃｕｒｒｅｎｔｌｙ，ｔｈｅｓｕｉｔａｂｉｌｉｔｙｏｆＳＳＭＩｆｏｒｍｏｎｉｔｏｒｉｎｇａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｓｓｃａｒｃｅ．Ｉｎｐｒｅｖｉｏｕｓｓｔｕｄｉｅｓ，ａｎａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｎｄｅｘｗａｓｍａｉｎｌｙｅｖａｌｕａｔｅｄｂｙｃｏｍｐａｒｉｓｏｎｓｗｉｔｈｏｔｈｅｒｃｏｍｍｏｎｌｙｕｓｅｄｄｒｏｕｇｈｔｉｎｄｉｃｅｓｏｒｍｅｔｅｏｒｏｌｏｇｉｃａｌｅｌｅｍｅｎｔｓ．Ｏｎｌｙａｆｅｗｓｔｕｄｉｅｓｃｏｎｓｉｄｅｒｅｄｔｈｅｄｒｏｕｇｈｔｄｉｓａｓｔｅｒｒｅｃｏｒｄｓａｎｄｔｈｅｉｍｐａｃｔｏｆｄｒｏｕｇｈｔｏｎｃｒｏｐｙｉｅｌｄ．Ｉｎｔｈｉｓｓｔｕｄｙ，ｔｈｅＳＳＭＩｗａｓｅｓｔａｂｌｉｓｈｅｄｂｙｕｓｉｎｇｔｈｅａｓｓｉｍｉｌａｔｅｄｒｏｏｔｚｏｎｅｓｏｉｌｍｏｉｓｔｕｒｅｔｏｍｏｎｉｔｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｎｔｈｅＨＨＨＰｌａｉｎ．２９１２㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀ＴｈｅＳＳＭＩ⁃ｂａｓｅｄｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｓｅｖｅｒａｌｄｒｏｕｇｈｔｅｖｅｎｔｓｏｃｃｕｒｒｅｄｂｅｔｗｅｅｎ２００２ａｎｄ２０１０．Ｏｆｔｈｅｓｅｄｒｏｕｇｈｔｓ，ｔｈｅｍｏｄｅｒａｔｅｏｒｅｘｔｒｅｍｅｄｒｏｕｇｈｔｓｏｃｃｕｒｒｅｄｉｎ２００２，２００４，ａｎｄ２００６，ｍａｔｃｈｉｎｇｗｅｌｌｗｉｔｈｔｈｅｒｅａｌｉｔｙ．Ｓｕｂｓｅｑｕｅｎｔｌｙ，ｔｈｅｓｕｉｔａｂｉｌｉｔｙｏｆｔｈｅＳＳＭＩｗａｓｅｖａｌｕａｔｅｄｂｙｃｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｓｔａｎｄａｒｄｉｚｅｄｐｒｅｃｉｐｉｔａｔｉｏｎ⁃ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｉｎｄｅｘ（ＳＰＥＩ），ａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｒｅｃｏｒｄｓ，ａｎｄｗｉｎｔｅｒｗｈｅａｔｙｉｅｌｄ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｅａｖｅｒａｇｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎｔｈｅＳＳＭＩａｎｄＳＰＥＩｗａｓ０．５２，ｉｎｄｉｃａｔｉｎｇａｓｉｇｎｉｆｉｃａｎｔｃｏｒｒｅｌａｔｉｏｎ（Ｐ＜０．００１）．Ａｓａｗｈｏｌｅ，ｔｈｅＳＳＭＩａｎｄＳＰＥＩｓｈｏｗｅｄｇｏｏｄａｇｒｅｅｍｅｎｔ，ｗｈｉｃｈｃｏｕｌｄａｃｃｕｒａｔｅｌｙｉｄｅｎｔｉｆｙｌａｒｇｅ⁃ｓｃａｌｅａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｓ．Ｆｒｏｍａｒｅｇｉｏｎａｌｐｅｒｓｐｅｃｔｉｖｅ，ｔｈｅＳＳＭＩｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｔｒａｃｋｄｒｏｕｇｈｔｏｃｃｕｒｒｅｎｃｅ，ｅｖｏｌｕｔｉｏｎ，ａｎｄｍｉｔｉｇａｔｉｏｎ．ＴｈｅｃｏｍｐａｒｉｓｏｎｓａｔｓｉｔｅｓｃａｌｅｓｓｈｏｗｅｄｔｈａｔｔｈｅＳＳＭＩ⁃ｂａｓｅｄｄｒｏｕｇｈｔｒｅｓｕｌｔｓｗｅｒｅｃｏｎｓｉｓｔｅｎｔｗｉｔｈｔｈｅｄｒｏｕｇｈｔｒｅｃｏｒｄｓｏｆａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｉｔｅｓ，ａｎｄｔｈｅＳＳＭＩｃｏｕｌｄａｃｃｕｒａｔｅｌｙｍｏｎｉｔｏｒｔｈｅｉｎｔｅｎｓｉｔｙｏｆａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔ．Ｃｒｏｐｙｉｅｌｄｉｓｔｈｅｕｌｔｉｍａｔｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｒｏｐｓａｆｆｅｃｔｅｄｂｙｄｒｏｕｇｈｔ，ａｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｄｒｏｕｇｈｔｉｎｄｅｘａｎｄｃｒｏｐｙｉｅｌｄｉｓａｎｉｍｐｏｒｔａｎｔａｓｐｅｃｔｏｆｔｅｓｔｉｎｇｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆａｄｒｏｕｇｈｔｉｎｄｅｘ．ＷｅｏｂｓｅｒｖｅｄｔｈａｔｔｈｅＳＳＭＩｗａｓｃｌｏｓｅｌｙｒｅｌａｔｅｄｔｏｔｈｅｗｉｎｔｅｒｗｈｅａｔｙｉｅｌｄｌｏｓｓｒａｔｉｏ，ａｎｄｔｈｅＳＳＭＩ⁃ｂａｓｅｄｄｒｏｕｇｈｔａｒｅａｓｇｅｎｅｒａｌｌｙｅｘｉｓｔｅｄｉｎａｃｃｏｒｄａｎｃｅｗｉｔｈｔｈｅｓｔａｔｉｓｔｉｃａｌｄａｔａ⁃ｂａｓｅｄｙｉｅｌｄｒｅｄｕｃｔｉｏｎａｒｅａｓ．Ｔｏｓｏｍｅｅｘｔｅｎｔ，ｔｈｅＳＳＭＩｐｒｏｖｉｄｅｄａｎｉｎｄｉｃａｔｉｏｎｏｆｔｈｅｄｒｏｕｇｈｔ⁃ｉｎｄｕｃｅｄｙｉｅｌｄｒｅｄｕｃｔｉｏｎ．Ｉｎｓｕｍｍａｒｙ，ｔｈｅａｓｓｉｍｉｌａｔｅｄｄａｔａ⁃ｂａｓｅｄＳＳＭＩｃｏｕｌｄｅｆｆｅｃｔｉｖｅｌｙｒｅｆｌｅｃｔｔｈｅｄｒｏｕｇｈｔｃｏｎｄｉｔｉｏｎｓｉｎｔｈｅＨＨＨＰｌａｉｎ，ａｎｄｉｔｗａｓｈｉｇｈｌｙａｐｐｒｏｐｒｉａｔｅｔｏｕｓｅｔｈｅＳＳＭＩｔｏｍｏｎｉｔｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔ．Ｔｈｉｓｓｔｕｄｙｗｉｌｌｆａｃｉｌｉｔａｔｅｔｈｅｏｐｅｒａｔｉｏｎａｌｓｏｉｌｍｏｉｓｔｕｒｅ⁃ｂａｓｅｄａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇａｎｄｐｒｏｖｉｄｅａｓｃｉｅｎｔｉｆｉｃｒｅｆｅｒｅｎｃｅｆｏｒｄｒｏｕｇｈｔｐｒｅｖｅｎｔｉｏｎａｎｄｍｉｔｉｇａｔｉｏｎｉｎｔｈｅＨＨＨＰｌａｉｎ．ＫｅｙＷｏｒｄｓ：ａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔ；ｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ；ｓｕｉｔａｂｉｌｉｔｙ；Ｈｕａｎｇ⁃Ｈｕａｉ⁃ＨａｉＰｌａｉｎ干旱是一种多发的极端气候事件，同时也是最具破坏性的自然灾害之一㊂频繁发生的干旱灾害给农业生产带来严重影响，威胁粮食安全［１⁃２］㊂黄淮海平原是我国最重要的粮食生产基地之一，准确㊁有效地监测黄淮海平原的农业干旱状况对于及时制定区域的减灾策略，降低灾害损失具有重要意义㊂农业干旱是作物生长过程中因土壤水分不足，阻碍作物正常生长，影响粮食产量的水量供需不平衡现象［３⁃４］㊂在农业干旱监测中，土壤湿度扮演着十分重要的角色［５⁃７］㊂当土壤水分低于土壤田间持水量时，会产生水分亏缺，植被开始不处于最佳生长状态；当水分进一步降低，即会产生水分胁迫，影响植被生长，进而影响植被生产力㊂因此，利用土壤湿度进行农业干旱监测也具有农学意义㊂近年来，已经有学者提出了一些基于土壤湿度的农业干旱监测指数，主要分为两类：（１）基于历史时间序列数据，确定当前状态相对于历史正常范围的偏离程度建立的干旱指数，如标准化土壤湿度指数（ＳＳＭＩ，ｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ㊁土壤湿度距平（ＳＭＡ，ｓｏｉｌｍｏｉｓｔｕｒｅａｎｏｍａｌｙ）㊁土壤湿度百分位数（ＳＭＰ，ｓｏｉｌｍｏｉｓｔｕｒｅｐｅｒｃｅｎｔｉｌｅ）等㊂该类指数仅利用土壤湿度数据，无需获取其他数据源，并且不同地区的监测结果具有可比性，能够用于区域干旱监测与评估㊂Ｍｉｓｈｒａ等［８］基于历史时间序列数据，利用标准化土壤湿度指数详细剖析了局地尺度的农业干旱㊂（２）从土壤可利用水的角度，基于土壤湿度和土壤特性参数构建的干旱指数，如土壤湿度指数（ＳＭＩ，ｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ）［９⁃１０］㊁土壤水分亏缺指数（ＳＷＤＩ，ｓｏｉｌｗａｔｅｒｄｅｆｉｃｉｔｉｎｄｅｘ）［５］等㊂该类指数的优点在于从土壤可利用水的角度出发，考虑了不同地区土壤性质对于水分亏缺的影响差异，但对于区域农业干旱监测而言，准确获取不同地区土壤属性参数是十分困难的，因而在区域或更大尺度上的应用受到一定的限制㊂标准化土壤湿度指数（ＳＳＭＩ）是基于历史土壤湿度时间序列构建的一种农业干旱指数，具有计算简单易行，考虑数据分布特征等优点，探讨其在区域农业干旱监测中的适宜性能够为区域业务化的农业干旱监测以及干旱影响评估提供基础㊂然而，由于根区土壤湿度获取的不易性以及土壤湿度的估算精度不高等问题，目前该指数在农业干旱监测中的适宜性研究还十分缺乏㊂此外，现有的农业干旱指数评价研究中，主要通过与其他常用干旱指数或者气象要素的对比来评价［５，１１］，考虑干旱灾害记录以及干旱影响的评价研究较少㊂实际上，我国的主要农业区拥有比较完善的农业气象观测网络，记录了作物生长发育状况和农业气象灾害发生情况，这对于评价农业干旱指数的适宜性是十分有用的数据源㊂因此，本文采用数据同化后的根区土壤湿度数据构建标准化土壤湿度指数来监测黄淮海平原的农业干旱状况，通过与标准化降水蒸散指数（ＳＰＥＩ，ｓｔａｎｄａｒｄｉｚｅｄｐｒｅｃｉｐｉｔａｔｉｏｎ⁃ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎｉｎｄｅｘ）㊁农业干旱灾害数据的对比以及与冬小麦产量的关系分析，综合评价其农业干旱监测的适宜性，以期为黄淮海平原农业干旱监测业务化运行以及防灾减灾策略的制定提供理论依据和科学参考㊂１㊀研究区概况黄淮海平原是我国重要的粮食主产区且干旱灾害频发，已有许多学者以此为研究区开展干旱相关研究［１２⁃１４］㊂黄淮海平原地处我国北方，位于３２ʎ ４１ʎＮ和１１２ʎ １２３ʎＥ之间，面积约为３９万ｋｍ２㊂在行政区划上包括天津㊁山东以及北京南部㊁河北大部㊁河南大部㊁安徽和江苏北部地区（图１）㊂根据我国农业综合区划图，黄淮海平原可分为燕山太行山山麓平原区㊁冀鲁豫低洼平原区㊁黄淮平原区和山东丘陵农林区㊂图１㊀研究区位置示意图Ｆｉｇ．１㊀Ｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄｙａｒｅａ冬小麦和夏玉米的轮作是该地区主要种植模式，冬小麦生长季在区域南北部稍有差异，主要集中在每年９月下旬／１０月中上旬 次年５月下旬／６月中上旬；夏玉米生长季则为６月中上旬 ９月中下旬㊂年降水量差异较大，在５００ ９５０ｍｍ之间，且６０％ ７０％降水集中在夏季㊂因此，相对而言，冬小麦更容易受到干旱威胁［１４］㊂根据中国气象局农气站点记录的农业气象灾害中，黄淮海平原经常发生不同程度和持续时间的干旱事件，在本文研究时段（２００２ ２０１０年）内，２００２㊁２００４㊁２００６年发生了较为严重的干旱事件㊂２㊀资料与方法２．１㊀数据来源与预处理本文所用到的数据包括根区土壤湿度同化数据㊁标准化降水蒸散指数数据㊁农业气象站点灾害数据和冬小麦产量数据㊂３９１２㊀６期㊀㊀㊀周洪奎㊀等：基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究㊀４９１２㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀（１）根区土壤湿度同化数据本文所使用的土壤湿度数据是将ＬＰＲＭ模型反演的微波土壤湿度同化到双层帕默尔水量平衡模型中得到的根区土壤湿度数据［１５⁃１６］㊂已有研究表明，根区土壤湿度相比于某一固定深度的土壤湿度数据更适合于农业干旱监测［８］㊂该根区土壤湿度数据代表的是土壤深度为１ｍ内的土壤水分状况，该深度能够满足大部分作物根部水分㊁营养吸收的需求［１７］㊂该数据覆盖时段为２００２年６月至２０１０年１２月，分辨率为０．２５度的逐日数据，数据格式为ＮｅｔＣＤＦ格式，可从Ｒｅｖｅｒｂ平台下载（ｈｔｔｐ：／／ｒｅｖｅｒｂ．ｅｃｈｏ．ｎａｓａ．ｇｏｖ／ｒｅｖｅｒｂ／）㊂数据预处理过程为：首先利用计算机程序将ＮｅｔＣＤＦ格式数据转换为ＴＩＦＦ格式，然后对数据无效值（负值）进行剔除，最后利用ＧＩＳ软件裁剪获得黄淮海平原根区土壤湿度数据㊂（２）标准化降水蒸散指数数据标准化降水蒸散指数（ＳＰＥＩ）是Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ等［１８］提出的一种应用非常广泛的干旱指数㊂ＳＰＥＩ是在考虑降水的基础上，加入了温度信息，利用降水与潜在蒸散发之间的水量平衡关系来表征干旱㊂ＳＰＥＩ具有多尺度特征，研究表明，３个月尺度ＳＰＥＩ（ＳＰＥＩ⁃３）适合监测农业干旱［１２，１９］，因此，文中将ＳＰＥＩ⁃３与ＳＳＭＩ进行对比分析，作为评价ＳＳＭＩ监测农业干旱适宜性的一个方面㊂ＳＰＥＩ的计算方法：（１）获得某一时间尺度（如３个月）内降水累计值与潜在蒸散发累计值的差值的多年时间序列，一般要求时间序列的长度为３０年以上［１８］㊂根据气象数据的可获得性，潜在蒸散发的计算可以采用Ｐｅｎｍａｎ⁃Ｍｏｎｔｅｉｔｈ㊁Ｔｈｏｒｎｔｈｗａｉｔｅ㊁Ｈａｒｇｒｅａｖｅｓ等方法［２０⁃２１］㊂（２）对该时间序列进行Ｌｏｇ⁃Ｌｏｇｉｓｔｉｃ概率分布拟合，获得概率分布函数㊂（３）最后将概率分布函数进行正态标准化得到ＳＰＥＩ值，具体计算公式参考Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ等［１８］的文献㊂本研究使用的ＳＰＥＩ数据集是由提出者Ｖｉｃｅｎｔｅ⁃Ｓｅｒｒａｎｏ等生产的全球ＳＰＥＩ数据集［２２］，可以在以下网址（ｈｔｔｐ：／／ｓａｃ．ｃｓｉｃ．ｅｓ／ｓｐｅｉ／ｉｎｄｅｘ．ｈｔｍｌ）下载㊂该数据格式为ＮｅｔＣＤＦ格式，空间分辨率为０．５度，时间分辨率为每月，数据时段为１９０１年１月 ２０１５年１２月，包含１ ４８月尺度的ＳＰＥＩ数据㊂为了与土壤湿度数据时段保持一致，本研究选取黄淮海平原２００２年６月至２０１０年１２月的ＳＰＥＩ格网数据集㊂（３）农业气象站点灾害数据由于大范围地获取完整㊁详细的灾害记录数据是较为困难的，因此，干旱观测数据对于评价干旱指数的监测效果是十分宝贵的数据源㊂我国黄淮海平原拥有比较密集的农业气象站点，记录了农业干旱的相关信息㊂中国气象局根据农业气象台站上报的农业气象旬月报报文资料整理形成农业气象站点灾害旬值数据集，该数据集包括灾害名称㊁灾害发生日期㊁灾害强度㊁灾害面积以及受害百分比等主要字段，该数据可以从中国气象数据网下载（ｈｔｔｐ：／／ｄａｔａ．ｃｍａ．ｃｎ／）㊂根据农业干旱国家标准中作物形态指标，灾害记录中干旱强度分为轻度㊁中度和重度干旱［２３］㊂本研究在全国农气站点的灾害记录中筛选出了２００２ ２０１０年间黄淮海平原共４０个农气站点的１２４４条干旱灾害记录㊂（４）冬小麦产量数据本文还收集了黄淮海平原主要省市天津㊁河北㊁山东㊁河南㊁安徽３５个县级行政单位的１９９４ ２０１３年冬小麦产量数据来评价干旱指数与作物产量之间的关系㊂数据来源是从各省市统计年鉴资料中获取㊂在预处理过程中，对产量数据进行了多项式去趋势处理，从实际产量中去除科技进步等人为因素对冬小麦产量的影响，得到气候要素为主要影响因素的产量（即气象产量）㊂文中用减产率作为农业干旱对作物造成的影响的表达指标，减产率（ＹＬＲ，ｙｉｅｌｄｌｏｓｓｒａｔｉｏ）可通过公式（１）计算：ＹＬＲ＝Ｙ－ Ｙ Ｙˑ１００％（１）式中，Ｙ为气象产量； Ｙ为多年平均气象产量，用其表示正常产量㊂ＹＬＲ负值表示减产；正值表示增产㊂２．２㊀标准化土壤湿度指数（ＳＳＭＩ）本文选用标准化土壤湿度指数作为评价农业干旱的指标，对根区土壤湿度进行标准化㊂对数据标准化的过程中，需确定土壤湿度数据的概率分布㊂常用于干旱指数构建的概率分布函数包括伽玛分布㊁皮尔逊ＩＩＩ型分布㊁经验累积概率分布㊁正态分布㊁Ｌｏｇ⁃Ｌｏｇｉｓｔｉｃ分布等［２４］㊂利用Ｋｏｌｍｏｇｏｒｏｖ⁃Ｓｍｉｒｎｏｖ方法检验，结果显示土壤湿度数据符合正态分布，与Ｍｉｓｈｒａ等的结果相同［８］㊂因此，ＳＳＭＩ的构建方法如下：ＳＳＭＩ＝ＳＭ－ＳＭσ（２）式中，ＳＭ为某一时间尺度的土壤湿度值，ＳＭ为该时间尺度上多年土壤湿度均值，σ为该时间尺度上多年土壤湿度标准差㊂ＳＳＭＩ小于０代表土壤湿度小于正常值，呈现土壤水分亏缺的状态；反之，ＳＳＭＩ大于０表示土壤湿度大于正常值，呈现土壤水分盈余的状态，值的大小表示偏离正常值的程度㊂按照ＭｃＫｅｅ等［２５］和世界气象组织（ＷＭＯ）［２６］提出的干旱分类体系，干旱等级分为轻度干旱㊁中度干旱㊁重度干旱和极端干旱，不同干旱等级间的分隔点为数据的１σ（σ为标准差）㊁１．５σ和２σ㊂经检验，土壤湿度数据符合正态分布特征，计算得到的ＳＳＭＩ服从标准正态分布（μ＝０；σ＝１），因而，ＳＳＭＩ干旱等级划分如表１所示㊂按照正态分布的特征，出现轻度㊁中度㊁重度和极端干旱的概率分别为３４．１％㊁９．２％㊁４．４％和２．３％；干旱事件出现概率的倒数即为重复周期，出现轻度㊁中度㊁重度和极端干旱的重复周期分别约为３㊁１０㊁２０和５０年㊂由于ＳＰＥＩ㊁农气站点灾情观测记录㊁作物产量数据的时间分辨率不同（ＳＰＥＩ为月值数据；灾情观测记录为旬值数据；作物产量为生长季尺度数据），本文分别采用了月㊁旬㊁生长季尺度的ＳＳＭＩ与上述数据进行综合对比分析，从不同时间尺度上分析ＳＳＭＩ在农业干旱监测上的适宜性㊂不同尺度的ＳＳＭＩ的计算方法为：首先，将逐日的根区土壤湿度按照取均值的方法合成为相应尺度（旬㊁月㊁生长季）的土壤湿度数据；其次，按照公式（２）计算相应尺度的ＳＳＭＩ㊂表１㊀标准化土壤湿度指数（ＳＳＭＩ）干旱等级划分Ｔａｂｌｅ１㊀Ｄｒｏｕｇｈｔｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｓｔａｎｄａｒｄｉｚｅｄｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ（ＳＳＭＩ）类别Ｃａｔｅｇｏｒｉｅｓ取值范围Ｄａｔａｒａｎｇｅｓ概率Ｐｒｏｂａｂｉｌｉｔｙ／％重复周期Ｒｅｔｕｒｎｐｅｒｉｏｄ／ａ轻度干旱Ｍｉｌｄｄｒｏｕｇｈｔ（－１，０］３４．１３中度干旱Ｍｏｄｅｒａｔｅｄｒｏｕｇｈｔ（－１．５，－１］９．２１０重度干旱Ｓｅｖｅｒｅｄｒｏｕｇｈｔ（－２，－１．５］４．４２０极端干旱Ｅｘｔｒｅｍｅｄｒｏｕｇｈｔ（－¥，－２］２．３５０３㊀结果与分析３．１㊀基于ＳＳＭＩ的黄淮海平原干旱监测结果根据２．２节描述的ＳＳＭＩ的计算方法，利用根区土壤湿度数据计算得到了２００２ ２０１０年间黄淮海平原ＳＳＭＩ的干旱监测结果㊂图２展示了黄淮海平原内所有栅格数据ＳＳＭＩ月均值数据序列㊂根据ＳＳＭＩ的干旱等级划分，黄淮海平原在２００２ ２０１０年间共发生１２次干旱事件，其中达到重度干旱事件１次（２００２．６ ２００３．８），中度干旱事件３次（２００４．１ ２００４．７㊁２００５．３ ２００５．８㊁２００６．８ ２００７．１），其余为轻度干旱事件㊂３．２㊀ＳＳＭＩ与ＳＰＥＩ的对比分析由于ＳＰＥＩ和ＳＳＭＩ数据在时间尺度和空间分辨率上不同，为了对二者进行对比分析，需要将二者整合成统一的时空分辨率上㊂在空间分辨率上，ＳＰＥＩ数据的空间分辨率为０．５度，ＳＳＭＩ数据的空间分辨率为０．２５度，文中将ＳＳＭＩ数据按照双线性内插法重采样为０．５度数据用于对比分析㊂在时间分辨率上，由于ＳＰＥＩ是逐月数据，为与ＳＰＥＩ数据序列保持一致，采用ＳＳＭＩ月值数据用于分析二者之间的关系，ＳＳＭＩ月值数据的计算方法见２．２节㊂本研究选用３个月尺度的ＳＰＥＩ（ＳＰＥＩ⁃３）来与ＳＳＭＩ进行对比分析㊂ＳＰＥＩ⁃３即综合考虑当前月份前３个月的降水和蒸散发量之差，按照上述ＳＰＥＩ的计算方法得到当前月份ＳＰＥＩ值，按照月份顺序依次滑动计算得到不同月份的ＳＰＥＩ⁃３值，最终形成逐月的ＳＰＥＩ⁃３时间序列㊂首先从整个黄淮海平原尺度上对比分析ＳＳＭＩ和ＳＰＥＩ之间的关系，将黄淮海平原内所有栅格数据进行取均值处理，得到２００２年６月至２０１０年１２月共５９１２㊀６期㊀㊀㊀周洪奎㊀等：基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究㊀６９１２㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀图２㊀黄淮海平原ＳＳＭＩ月均值时间序列Ｆｉｇ．２㊀ＴｉｍｅｓｅｒｉｅｓｏｆｍｏｎｔｈｌｙＳＳＭＩｉｎｔｈｅＨｕａｎｇ⁃Ｈｕａｉ⁃ＨａｉＰｌａｉｎ１０３个月的ＳＳＭＩ和ＳＰＥＩ时间序列数据，结果如图３左图所示㊂结果显示，从整个黄淮海平原尺度来看，ＳＰＥＩ与ＳＳＭＩ具有较好的一致性，相关系数达到０．６３，呈现极显著的相关关系㊂在２００２㊁２００４㊁２００６年发生的农业干旱中，二者均具有良好地识别效果㊂在栅格尺度上，进一步分析ＳＳＭＩ与ＳＰＥＩ的相关程度，２００２ ２０１０年月尺度ＳＳＭＩ与ＳＰＥＩ的相关性如图３右图所示㊂可以发现，ＳＳＭＩ与ＳＰＥＩ之间的相关系数在０．３ ０．８之间，平均相关系数为０．５２，每个栅格参与相关性计算的样本数量为１０３个，所有栅格均通过０．００１显著性水平检验㊂以上分析结果表明，ＳＳＭＩ与ＳＰＥＩ之间具有极显著的相关性和较好的一致性，以ＳＰＥＩ作为参照指标，ＳＳＭＩ能够反映黄淮海平原的干湿状况㊂图３㊀黄淮海平原月尺度ＳＳＭＩ与ＳＰＥＩ的对比分析Ｆｉｇ．３㊀ＣｏｍｐａｒｉｓｏｎｓｏｆｔｈｅｍｏｎｔｈｌｙＳＳＭＩａｎｄＳＰＥＩｉｎｔｈｅＨｕａｎｇ⁃Ｈｕａｉ⁃ＨａｉＰｌａｉｎ３．３㊀ＳＳＭＩ与干旱灾害观测记录的比较本节分别从黄淮海平原整体情况和典型农气站点上对干旱灾害观测记录与ＳＳＭＩ进行对比分析㊂在分析黄淮海平原整体情况时，由于灾害观测记录为旬值数据集，时间序列较长，为了便于空间上展示，按照逐月方式对干旱灾害记录进行了整理归纳；在典型农气站点尺度上，采用旬尺度数据进行对比分析，从相对较小的时间尺度上进一步检验ＳＳＭＩ的干旱监测效果㊂表２是根据农气站点的灾害记录整理出的２００２ ２０１０年间的主要干旱事件㊂从表中可以发现，黄淮海平原每年都会有干旱发生，仅是在持续时间和发生范围上有所差别，文中重点分析了２００４㊁２００６年较长持续时间的干旱过程㊂图４展示了２００４和２００６年黄淮海平原从干旱发生到逐步加重直至干旱减轻的时空演变过程㊂按照农气站点灾害记录，从２００４年３月开始，黄淮海平原就已经有零星分布的干旱发生，至４ ６月，干旱范围已经扩展为黄淮海平原大部分地区㊂在２００４年３ ６月间，黄淮海平原共有１８个站点记录发生干旱，平均受害百分比为４０％ ５０％，平均受旱面积超过２．５万ｈｍ２，山东菏泽㊁安徽蒙城㊁宿县㊁亳州等地受害百分比甚至达到９０％ １００％，平均受旱面积超过６．７万ｈｍ２㊂在２００４年７月 １１月，干旱范围有所减小，主要集中在安徽㊁江苏北部，以及山东㊁河南部分地区㊂在２００６年４ １２月间，共有３０个站点显示发生干旱灾害，平均受害百分比为４７％ ５７％，平均受旱害面积超过２．８万ｈｍ２㊂在干旱空间分布来看，在７ ９月干旱得到部分缓解；在１０ １１月，由于降水不足，干旱又逐渐加重；直至１２月，黄淮海平原大部分地区干旱逐渐解除，只在山东胶东半岛和河北部分地区干旱持续㊂综合２００４㊁２００６年两次农业干旱事件，从图４可以看出，在空间分布上，ＳＳＭＩ的干旱监测结果与农气站点灾害记录是基本符合的㊂表２㊀农气站点记录的黄淮海平原主要农业干旱事件Ｔａｂｌｅ２㊀Ｄｒｏｕｇｈｔｅｖｅｎｔｓｆｒｏｍａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｉｔｅｓｉｎｔｈｅＨｕａｎｇ⁃Ｈｕａｉ⁃ＨａｉＰｌａｉｎ干旱事件Ｄｒｏｕｇｈｔｅｖｅｎｔｓ受害范围Ｄｒｏｕｇｈｔａｆｆｅｃｔｅｄａｒｅａｓ干旱强度Ｄｒｏｕｇｈｔｉｎｔｅｎｓｉｔｙ２００２．６ ２００２．１２黄淮海平原大部大部分地区以轻度和中度干旱为主，山东和河北部分地区有重度干旱发生２００３．１ ２００３．７黄淮海平原大部（其中，１至３月干旱主要集中在山东）大部分地区以轻度和中度干旱为主，山东和河南部分地区有重度干旱发生２００４．４ ２００４．６黄淮海平原大部轻度㊁中度干旱２００４．７ ２００４．１１安徽㊁江苏北部㊁山东㊁河南部分地区轻度㊁中度干旱２００５．４ ２００５．７黄淮海平原大部轻度㊁中度干旱２００６．４ ２００６．１２黄淮海平原大部（其中，８㊁９月份干旱范围主要集中在山东以及安徽北部；１２月集中在山东胶东半岛）大部分地区以轻度和中度干旱为主，山东胶东半岛和安徽北部地区有重度干旱发生２００７．４ ２００７．６黄淮海平原大部大部分地区以轻度干旱为主，山东胶东半岛㊁河南南部地区有中㊁重度干旱发生２００８．１０ ２００９．３黄淮海平原大部轻度干旱２００９．５ ２００９．１１胶东半岛主要以轻度干旱为主，部分地区在９ １０月有重度干旱发生２０１０．１１ ２０１０．１２黄淮海平原大部大部分地区以轻度干旱为主，安徽北部有中度干旱发生为了进一步评估ＳＳＭＩ在农业干旱监测中的准确性，从站点尺度上分析干旱指数监测结果与灾害记录的一致性㊂根据农气站点灾害数据的完整性，选取德州㊁菏泽㊁泰安㊁商丘㊁蒙城㊁亳州６个站点用于对比分析㊂图５中分别用数值－１㊁－２㊁－３来表示农气站点记录的轻度㊁中度和重度干旱事件㊂另外，农气站点还记录了洪涝灾害，其轻㊁中㊁重强度分别用１㊁２㊁３表示㊂从图５中可以发现，各站点ＳＳＭＩ所代表的干旱强度与干旱灾害记录是基本一致的，总体上ＳＳＭＩ能够较为准确地反映区域农业干旱强度特征㊂从干旱监测的时效性方面，旬值尺度的ＳＳＭＩ与干旱灾害记录也基本吻合，说明利用ＳＳＭＩ在旬尺度上监测农业干旱也具有较大的应用潜力㊂３．４㊀农业干旱对冬小麦产量的影响分析在进行农业干旱监测时，分析干旱指数与作物产量的关系是检验干旱指数监测效果的重要方面㊂本文搜集到黄淮海平原３５个县市级１９９４ ２０１３共２０年的冬小麦产量数据㊂为了使不同县市之间的产量数据能够进行类比，本文采用减产率来分析农业干旱监测结果与冬小麦产量的关系㊂首先，计算得到了所有县市２００２ ２０１０年８个生长季ＳＳＭＩ与冬小麦减产率的相关性（图６左图）㊂结果显示，ＳＳＭＩ与冬小麦减产率呈现极显著的正相关关系（Ｒ＝０．６８，Ｐ＜０．００１）㊂图６右图展示了各县市生长季ＳＳＭＩ与减产率之间的相关性，在３５个县市中，有２４个可以通过０．０５水平显著性检验，１１个未通过显著性检验㊂根据农气站点灾害记录显示，河北保定㊁石家庄㊁邢台等地的冬小麦在２００２ ２００３生长季遭遇病虫害㊁大风的灾害影响，山东菏泽在２００３ ２００４生长季遭受渍害影响，并非都因干旱引起冬小麦减产㊂因此，总体上，生长季ＳＳＭＩ与冬小麦减产７９１２㊀６期㊀㊀㊀周洪奎㊀等：基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究㊀图４㊀２００４、２００６年黄淮海平原干旱空间演变过程Ｆｉｇ．４㊀Ｔｈｅｅｖｏｌｕｔｉｏｎｓｏｆｄｒｏｕｇｈｔｉｎ２００４ａｎｄ２００６ｉｎｔｈｅＨｕａｎｇ⁃Ｈｕａｉ⁃ＨａｉＰｌａｉｎ率是显著相关的，ＳＳＭＩ能够对农业干旱引起的冬小麦减产起到一定的指示作用㊂本文选取２００２ ２００３年发生在冬小麦生长季内的干旱事件，进一步分析ＳＳＭＩ干旱监测结果与冬小麦减产率的关系㊂从图７中可以发现，黄淮海平原２００２ ２００３生长季冬小麦产量基本都呈现减产状态，减产幅度在１５％以内㊂根据ＳＳＭＩ识别结果，除了河北保定㊁石家庄㊁邢台（图中绿色显示区域）外，其余区域均处于干旱状态㊂总体上，基于统计数据得到的冬小麦发生减产的区域与基于ＳＳＭＩ识别的干旱发生区域具有较好地一致性㊂在数值上，有些区域减产率和ＳＳＭＩ可能无法很好地一一对应，即减产程度并不完全随着ＳＳＭＩ的减小而增加㊂主要原因在于粮食减产可能有多种原因引起，在农业气象灾害范畴内，除干旱外，还可能由大风㊁渍害㊁干热风㊁冰雹等引起减产㊂如图７中河北保定㊁石家庄㊁邢台（绿色区域）ＳＳＭＩ显示为正常或湿润状态，８９１２㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀图５㊀ＳＳＭＩ旬值与农气站点干旱记录的对比Ｆｉｇ．５㊀Ｃｏｍｐａｒｉｓｏｎｏｆｔｈｅ１０⁃ｄａｙＳＳＭＩａｎｄｄｒｏｕｇｈｔｒｅｃｏｒｄｓｆｒｏｍａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｉｔｅｓ而产量却呈现减产状况，其主要原因在于受到病虫害㊁大风的灾害影响㊂２００２ ２００３生长季内保定㊁石家庄㊁邢台的降水量分别为１０１．７ｍｍ㊁２４７．４ｍｍ和１７７．６ｍｍ，占平均降水量的９４％㊁１８５％和１３４％，显示该生长季降水接近或者多于平均降水量，冬小麦产量减少可能并非受到干旱影响㊂另外，不同生育期内即使出现相同等级的干旱发生，对作物产量的影响也不尽相同，这也是导致ＳＳＭＩ与减产率无法很好地一一对应的原因之一㊂４㊀结论和讨论本文利用数据同化后的根区土壤湿度数据构建了标准化土壤湿度指数（ＳＳＭＩ），通过与常用的干旱指数ＳＰＥＩ㊁农业干旱灾害数据以及冬小麦减产率的对比分析，综合评价了利用ＳＳＭＩ监测农业干旱的适宜性㊂研究表明，ＳＳＭＩ能够有效反映黄淮海平原的农业干旱状况，利用ＳＳＭＩ监测农业干旱是适宜的㊂具体研究结论９９１２㊀６期㊀㊀㊀周洪奎㊀等：基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究㊀图６㊀冬小麦生长季ＳＳＭＩ与减产率的相关关系Ｆｉｇ．６㊀ＣｏｒｒｅｌａｔｉｏｎｓｏｆｔｈｅＳＳＭＩｄｕｒｉｎｇｔｈｅｇｒｏｗｉｎｇｓｅａｓｏｎａｎｄｗｉｎｔｅｒｗｈｅａｔｙｉｅｌｄｌｏｓｓｒａｔｉｏ图７㊀２００２ ２００３生长季ＳＳＭＩ区域统计值与冬小麦减产率Ｆｉｇ．７㊀ＴｈｅｚｏｎａｌＳＳＭＩｓｔａｔｉｓｔｉｃｓａｎｄｗｉｎｔｅｒｗｈｅａｔｙｉｅｌｄｌｏｓｓｒａｔｉｏｄｕｒｉｎｇｔｈｅｇｒｏｗｉｎｇｓｅａｓｏｎｏｆ２００２ ２００３如下：（１）黄淮海平原格网尺度ＳＳＭＩ与ＳＰＥＩ之间的平均相关系数达到０．５２，具有极显著相关关系（Ｐ＜０．００１）㊂从整个黄淮海平原来看，ＳＳＭＩ与ＳＰＥＩ也具有良好的一致性，能够准确识别该区大范围农业干旱㊂（２）从区域尺度上看，ＳＳＭＩ能够有效反映干旱发生㊁发展直至减轻的演变过程㊂通过与德州㊁菏泽㊁泰安㊁商丘㊁蒙城㊁亳州６个农气站点干旱灾害记录的对比分析表明：在站点尺度上，利用ＳＳＭＩ识别的农业干旱与农００２２㊀生㊀态㊀学㊀报㊀㊀㊀３９卷㊀气站点干旱灾害记录是基本一致的，ＳＳＭＩ能够较为准确地监测农业干旱的强度㊂（３）冬小麦生长季ＳＳＭＩ与减产率具有显著的相关性和良好的对应关系，基于ＳＳＭＩ识别的农业干旱发生区域与基于统计数据得到的冬小麦减产区域是基本一致的，ＳＳＭＩ能够对农业干旱引起的冬小麦减产起到一定的指示作用㊂相比于气象干旱，农业干旱是一种更为复杂的干旱类型，与气象条件和作物生长状况密切相关［５，８］，因而，在评价农业干旱指数的适宜性时，需要从不同方面综合评价［２７］㊂在以往的农业干旱指数评价中，往往通过与其他指数的对比来评价干旱指数的监测效果［５，１１］㊂由于不同干旱指数的构建原理不同，仅利用对比分析指数间的一致性不足以说明干旱指数的适宜性㊂本文从干旱指数㊁灾害观测记录对比以及干旱对产量影响的角度综合评价了标准化土壤湿度指数（ＳＳＭＩ）监测农业干旱的适宜性，在干旱指数的适宜性评价方法上更加全面，研究结果可以为黄淮海平原农业干旱监测业务化运行以及防灾减灾策略的制定提供理论依据和科学参考㊂本研究尚存在一些不足之处㊂由于采用的根区土壤湿度数据是同化模型模拟结果和遥感数据所得，土壤湿度数据时间序列相对较短㊂随着ＳＭＯＳ（ｓｏｉｌｍｏｉｓｔｕｒｅｏｃｅａｎｓａｌｉｎｉｔｙ）㊁ＳＭＡＰ（ｓｏｉｌｍｏｉｓｔｕｒｅａｃｔｉｖｅｐａｓｓｉｖｅ）等卫星土壤湿度产品的增多，空间分辨率也会更高，后续研究还需采用更长时间序列数据用于农业干旱监测及影响评价㊂在探讨干旱对作物影响时，还需进一步考虑灌溉等人为因素的影响㊂本文研究区黄淮海平原的大部分地区为灌溉农业区，为了减轻干旱对产量的影响，大部分区域会进行人为灌溉，所以在发生干旱时导致产量可能并未降低，在分析干旱对作物生长及产量影响时，人为灌溉则会增加分析结果的不确定性㊂本文所利用的土壤湿度为同化后的根区土壤湿度数据，数据同化过程中用到了微波遥感土壤湿度数据，微波遥感信号可以捕捉到地面灌溉的信息［２８］，因而该数据在一定程度上考虑了人为灌溉的信息㊂此外，在利用作物产量统计数据时，先进行了去趋势处理，去除了人为因素导致的科技进步对产量的影响，其中也包含人为灌溉因素，因此，本研究在分析干旱对作物产量影响时部分考虑了灌溉因素的影响㊂即便如此，在分析ＳＳＭＩ与冬小麦减产率之间的关系时，有些区域仍然出现减产率和呈现的干旱状况不完全一致的情况㊂因而，未来还需获取农田灌溉数据深入考虑灌溉因素可能带来的影响㊂目前研究工作仅在黄淮海平原开展，进一步研究还需在更多区域（如雨养农业区㊁不同气候区）进行ＳＳＭＩ的验证评价工作㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＴｕｂｉｅｌｌｏＦＮ，ＳｏｕｓｓａｎａＪＦ，ＨｏｗｄｅｎＳＭ．Ｃｒｏｐａｎｄｐａｓｔｕｒｅｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｃｈａｎｇｅ．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＮａｔｉｏｎａｌＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｏｆｔｈｅＵｎｉｔｅｄＳｔａｔｅｓｏｆＡｍｅｒｉｃａ，２００７，１０４（５０）：１９６８６⁃１９６９０．［２］㊀ＧｅｎｇＧＰ，ＷｕＪＪ，ＷａｎｇＱＦ，ＬｅｉＴＪ，ＨｅＢ，ＬｉＸＨ，ＭｏＸＨ，ＬｕｏＨＹ，ＺｈｏｕＨＫ，ＬｉｕＤＣ．Ａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｈａｚａｒｄａｎａｌｙｓｉｓｄｕｒｉｎｇ１９８０⁃２００８：ａｇｌｏｂａｌｐｅｒｓｐｅｃｔｉｖｅ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｌｉｍａｔｏｌｏｇｙ，２０１６，３６（１）：３８９⁃３９９．［３］㊀ＣｒｏｗＷＴ，ＫｕｍａｒＳＶ，ＢｏｌｔｅｎＪＤ．Ｏｎｔｈｅｕｔｉｌｉｔｙｏｆｌａｎｄｓｕｒｆａｃｅｍｏｄｅｌｓｆｏｒａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇ．ＨｙｄｒｏｌｏｇｙａｎｄＥａｒｔｈＳｙｓｔｅｍＳｃｉｅｎｃｅｓ，２０１２，１６（９）：３４５１⁃３４６０．［４］㊀ＰａｎｕＵＳ，ＳｈａｒｍａＴＣ．Ｃｈａｌｌｅｎｇｅｓｉｎｄｒｏｕｇｈｔｒｅｓｅａｒｃｈ：ｓｏｍｅｐｅｒｓｐｅｃｔｉｖｅｓａｎｄｆｕｔｕｒｅｄｉｒｅｃｔｉｏｎｓ．ＨｙｄｒｏｌｏｇｉｃａｌＳｃｉｅｎｃｅｓＪｏｕｒｎａｌ，２００２，４７（Ｓ１）：Ｓ１９⁃Ｓ３０．［５］㊀Ｍａｒｔíｎｅｚ⁃ＦｅｒｎáｎｄｅｚＪ，Ｇｏｎｚáｌｅｚ⁃ＺａｍｏｒａＡ，ＳáｎｃｈｅｚＮ，ＧｕｍｕｚｚｉｏＡ．Ａｓｏｉｌｗａｔｅｒｂａｓｅｄｉｎｄｅｘａｓａｓｕｉｔａｂｌｅａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｉｎｄｉｃａｔｏｒ．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１５，５２２：２６５⁃２７３．［６］㊀ＭｏｚｎｙＭ，ＴｒｎｋａＭ，ＺａｌｕｄＺ，ＨｌａｖｉｎｋａＰ，ＮｅｋｏｖａｒＪ，ＰｏｔｏｐＶ，ＶｉｒａｇＭ．ＵｓｅｏｆａｓｏｉｌｍｏｉｓｔｕｒｅｎｅｔｗｏｒｋｆｏｒｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇｉｎｔｈｅＣｚｅｃｈＲｅｐｕｂｌｉｃ．ＴｈｅｏｒｅｔｉｃａｌａｎｄＡｐｐｌｉｅｄＣｌｉｍａｔｏｌｏｇｙ，２０１２，１０７（１／２）：９９⁃１１１．［７］㊀李柏贞，周广胜．干旱指标研究进展．生态学报，２０１４，３４（５）：１０４３⁃１０５２．［８］㊀ＭｉｓｈｒａＡＫ，ＩｎｅｓＡＶＭ，ＤａｓＮＮ，ＰｒａｋａｓｈＫｈｅｄｕｎＣ，ＳｉｎｇｈＶＰ，ＳｉｖａｋｕｍａｒＢ，ＨａｎｓｅｎＪＷ．Ａｎａｔｏｍｙｏｆａｌｏｃａｌ⁃ｓｃａｌｅｄｒｏｕｇｈｔ：ａｐｐｌｉｃａｔｉｏｎｏｆａｓｓｉｍｉｌａｔｅｄｒｅｍｏｔｅｓｅｎｓｉｎｇｐｒｏｄｕｃｔｓ，ｃｒｏｐｍｏｄｅｌ，ａｎｄｓｔａｔｉｓｔｉｃａｌｍｅｔｈｏｄｓｔｏａｎａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔｓｔｕｄｙ．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１５，５２６：１５⁃２９．［９］㊀ＳｒｉｄｈａｒＶ，ＨｕｂｂａｒｄＫＧ，ＹｏｕＪＳ，ＨｕｎｔＥＤ．Ｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘｔｏｑｕａｎｔｉｆｙａｇｒｉｃｕｌｔｕｒａｌｄｒｏｕｇｈｔａｎｄｉｔｓ＂ＵｓｅｒＦｒｉｅｎｄｌｉｎｅｓｓ＂ｉｎｓｅｖｅｒｉｔｙ⁃ａｒｅａ⁃ｄｕｒａｔｉｏｎａｓｓｅｓｓｍｅｎｔ．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｍｅｔｅｏｒｏｌｏｇｙ，２００８，９（４）：６６０⁃６７６．［１０］㊀ＨｕｎｔＥＤ，ＨｕｂｂａｒｄＫＧ，ＷｉｌｈｉｔｅＤＡ，ＡｒｋｅｂａｕｅｒＴＪ，ＤｕｔｃｈｅｒＡＬ．Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔａｎｄｅｖａｌｕａｔｉｏｎｏｆａｓｏｉｌｍｏｉｓｔｕｒｅｉｎｄｅｘ．Ｉｎｔｅｒｎａｔｉｏｎａｌ１０２２㊀６期㊀㊀㊀周洪奎㊀等：基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究㊀。
黄淮和江淮地区2001年9～10月异常干旱的水汽分析
黄淮和江淮地区2001年9～10月异常干旱的水汽分析王秀文;李峰;阿布力米提·司马义【期刊名称】《气象学报》【年(卷),期】2004(62)6【摘要】文中利用NCEP/NCAR 2001年9～10月的全球日平均资料和中央气象台的逐日08时24 h降水资料,着重分析了2001年秋季黄淮、江淮地区持续干旱时期的水汽收支及动力条件.结果表明,2001年9～10月该地区大气水汽含量比常年同期明显偏小,水汽以支出为主,并且南边界的水汽输出与多雨时期的情况截然不同;与之相反,有两支水汽通道将大量水汽输送到中国华西地区,为该地区提供了丰富的水汽.在此期间,江淮、黄淮地区大气层结稳定或成中性,对流弱,基本为下沉气流控制,使得该地区缺乏有利的动力条件,无法形成降水.通过分析发现,造成2001年秋季江淮、黄淮地区持续干旱时期水汽和动力条件异常的主要原因是亚洲中高纬地区盛行纬向环流,西风锋区位于55°N附近,比常年同期偏北约5个纬距;西北太平洋副热带高压持续偏西偏北,是近26年来同期副热带高压脊线位置持续在25°N以北时间最长的一年;同时,2001年9月份东亚-西太平洋低纬度地区大气活动异于常年,吕宋岛附近维持一个强盛的对流中心,这在历史上是少有的.【总页数】8页(P860-867)【作者】王秀文;李峰;阿布力米提·司马义【作者单位】国家气象中心,北京,100081;国家气象中心,北京,100081;新疆克州气象局,阿图什,845350【正文语种】中文【中图分类】P4【相关文献】1.玛曲地区5-10月水汽通量及强降水水汽来源分析 [J], 杜亮亮;杨德保;王式功;李江萍;张宇;董安祥2.基于SPEI的黄淮地区夏季干旱时空异常特征及成因 [J], 安迪;李栋梁;王自强;武艳;吕翔;杨绚3.2001年张掖市异常干旱分析及防御对策 [J], 殷雪莲;张德玉4.我国江淮地区平均场水汽输送与扰动场水汽输送的不同特征 [J], 朱玮;刘芸芸;何金海5.江淮地区空中水汽分布特征及其变化趋势分析 [J], 王琼洁因版权原因，仅展示原文概要，查看原文内容请购买。
干旱遥感监测技术的研究和应用
干旱遥感监测技术的研究和应用随着气候变化的加剧，全球干旱现象逐年增多。
干旱会导致土地退化、农业生产减产、生态环境恶化、水资源减少等问题，给人类社会和自然环境带来极大的破坏。
因此，对于干旱的监测和预测变得越来越重要。
遥感技术因其高效、及时、准确的特点，成为干旱监测的重要手段之一。
一、干旱遥感监测技术的原理和方法干旱遥感监测技术是利用卫星、飞机等航天平台获得的遥感图像数据，通过相关数据处理和分析，提取枯萎程度反映干旱程度的信息。
其中，遥感图像数据包括可见光、红外线、热红外线等波段信息，通过获取可见光和热红外线信息，可以获得土地覆盖情况、土地温度分布，进而推测植被的健康情况；通过获取红外线信息，可以获得植被覆盖范围和植被生长状况，从而判断土地生态环境的情况。
干旱遥感监测技术包括多种方法，其中，基于遥感影像的干旱指数（Vegetation Condition Index，VCI）和降水指数（Precipitation Condition Index，PCI）是常用的指标之一。
根据遥感影像的信息处理，可得到植被指数，如植被健康指数和植被覆盖指数。
此外，还可以通过多张遥感影像叠加，获得相应的干旱监测图像，从而准确反映干旱区域和干旱程度。
二、干旱遥感监测技术的应用干旱遥感监测技术可以广泛应用于多个领域。
在农业生产中，可以通过遥感技术获取作物的生长情况和土壤含水量信息，进行田间水分管理和作物生长监测，从而规划适合的种植时间和农业活动。
在水资源管理方面，可以通过遥感技术获取降水数据和水体分布信息，评价水资源利用效率和科学分配水资源。
在城市规划和建设中，可以通过遥感技术获取城市绿地覆盖率和自然环境质量，评价城市绿化效果和环境质量，为城市规划和建设提供科学参考。
在防灾减灾中，可以通过遥感监测技术获取灾区范围和灾情程度，及时发布预警信息和进行救援调度，提高抗灾能力和减轻灾害损失。
三、干旱遥感监测技术的发展趋势干旱遥感监测技术随着科技的发展不断取得新的成果，越来越成为重要的干旱预警和监测手段。
基于GRACE_卫星的黄淮海地区地下水储量变化与归因分析
第 6 期水 利 水 运 工 程 学 报No. 6 2023 年 12 月HYDRO-SCIENCE AND ENGINEERING Dec. 2023 DOI:10.12170/20230613003王坤，李玉龙，李琛曦，等. 基于GRACE卫星的黄淮海地区地下水储量变化与归因分析[J]. 水利水运工程学报，2023（6）：24-34. （WANG Kun, LI Yulong, LI Chenxi, et al. Variations in groundwater storage in the Huang-Huai-Hai region and attribution analysis based on GRACE data[J]. Hydro-Science and Engineering, 2023（6）: 24-34. （in Chinese））基于GRACE卫星的黄淮海地区地下水储量变化与归因分析王坤1，李玉龙2，李琛曦2，赖燕玲2，杨传国1, 3(1. 河海大学水文水资源学院, 江苏南京210098； 2. 河北省地质资源环境监测与保护重点实验室, 河北石家庄050021； 3. 河海大学水灾害防御全国重点实验室, 江苏南京210098)摘要: 黄淮海地区是中国水资源短缺严重的地区之一，地下水的过度消耗已成为该地区经济社会发展的主要制约瓶颈。
基于2003—2021年GRACE重力卫星数据和GLDAS陆面同化数据计算并评估黄淮海地区地下水储量变化，利用统计检验方法分析其时空变化特征，从降水、蒸散发、地下水供水、跨流域调水等方面分析地下水储量变化原因。
结果表明：黄淮海地区94.2%的区域地下水储量呈下降状态，平均变化速率为−1.22 cm/a，其中海河流域为−1.75 cm/a，淮河流域为−0.57 cm/a，黄河流域花园口以下为−2.11 cm/a，表现出自南向北逐步增大趋势。
不同流域地下水储量变化的主导因素有差异，降水对淮河流域地下水储量变化的影响程度显著大于海河流域，而海河流域和黄河流域花园口以下地区地下水储量减少主要原因是多年以来大量的地下水开采。