全球各个国家都曾或正在遭受干旱所带来的生态和农业生产破坏,这种自然灾害的特点主要具有持续时间长、涉及范围广等特点,受环境和生态的恶化影响,近几年发生干旱的频率越来越高,空间范围越来越广,严重时会导致一个国家或者地区出现严重的饥荒。目前针对区域内的干旱问题研究主要以气象和农业干旱为主^[1]。青藏地区地形极其复杂,空气含氧量低,面积广阔,可利用的观察资料很少,给干旱监测带来了诸多不便,传统的干旱监测方法也具有很大局限性,而遥感技术可以准确实时获取大面积地表温度、植物长势等干旱提取信息,并且具有多时相、多光谱、连续完整等优势,可广泛应用于干旱遥感监测中,基于遥感数据的农业干旱监测方法主要分为热惯量法、植被指数法、微波遥感方法和冠层温度方法4类^{[2,3,4,5,6,7]}。植被指数是指根据植被的光谱特性,将卫星可见光和近红外波段进行组合,形成各种植被指数。地表植被状况的直接量化指标为植被指数,这种度量方式简单、有效,当前全球学术统一定义的植被指数总共有40多种,其主要应用于全球与区域土地覆盖、植被分类和环境变化等方面,辅助分析第一生产力水平,同时用来分析农作物、牧草估产和干旱监测等。因为植被指数计算方便、获取很简易,所以可以利用植被指数来检测干旱的情况。但是一些植被指数例如,归一化差分植被指数(normalized difference vegetation index,NDVI)、温度植被干旱指数和植被条件指数,在对非均匀区域进行干旱监测的时候,可能会出现很多问题,为了克服这些问题,Kogan等^[8]提出的植被状态指数(vegetation condition index,VCI)。与NDVI一样,VCI也可以通过NOAA卫星的AVHRR传感器获取,VCI对干旱敏感可以消除地理位置、生态系统对NDVI的影响,成为了大规模遥感干旱监测的理想数据,它的可靠性得到了大量数据的证明。本文以春旱的时空动态变化为研究对象,需要长时间序列的数据,所以采用VCI作为干旱指标。

VCI要用到近红外波段和红外波段的数值可以通过NOAA数据获得长时间序列的产品,消除或减弱由于地理位置、土壤条件、太阳高度等因素对NDVI产生的影响,适合大面积的旱情分析,在植被监测和干旱监测中有广泛的应用^[9,10,11]。目前已经有很多学者利用VCI指数进行干旱时空分析,孙亲^[12]基于VCI指数对中国1981—2015年干旱时空变化特征进行了研究; 吕潇然等^[13]基于VCI对云南省农业干旱状况进行了时空分析,得出降水与VCI指数之间的相关性比较低,降水只是VCI的影响因素之一,干旱发生的频率在不同季节具有不同的空间分布特点; 李新尧等^[14] 对陕西省农业干旱进行了时空动态分析,指出陕西省农业干旱状况常见于春秋两季,从干旱发生频率和影响范围来看,秋季的干旱更为严重,陕西省干旱的空间分布总体具有北高南低的特征,陕北大部分区域春旱和秋旱的发生概率都较高,而在关中和陕南大部分地区发生春旱和秋旱频率较小。

本文首先对NOAA数据进行预处理,得到VCI数据集用于分析青藏地区近15 a来干旱的时空变化特征; 然后,对干旱发生频率进行统计和分析,并对4级干旱频率进行空间分析; 最后,采用最大值合成法,对VCI指数的季节变化和年际变化进行分析。本研究可为预防干旱的应对措施提供理论依据和决策基础,进一步促进农业的发展和进步。

青藏地区平均海拔超过4 000 m,是全球范围内海拔最高的高原地区,被称之为“世界屋脊”。地理位置位于E73°~104°,N28°~38°之间。整个青藏地区横跨多个省份,包括青海省、西藏自治区、四川省西部、甘肃省西南部和新疆维吾尔自治区南部边缘地区。青藏地区地域广阔,面积为全国总陆地面积的四分之一,但人口只占1%左右,地广人稀。青藏地区分布着大大小小湖泊超过1 000个,是全球著名的高原湖区,其中青海湖面积为4 340 km²。青藏地区的气候特征主要体现为强辐射、多日照、低温等特点,每日的温差变化大,干湿分明显著,夜雨较多; 冬季干冷漫长,以大风为主; 夏季温凉多雨,以冰雹为主。高山将来自南部的海洋暖湿气流阻隔,导致整体北部地区年降水量仅仅不到50 mm。喜马拉雅山脉北部总体降水量低于600 mm,南部降水量超过1 000 mm,属于亚热带及热带北缘山地森林气候,月平均气温最高为18~25 ℃。昆仑山中西段南翼年降水量只有不到100 mm,月平均气温最高只有4~6 ℃,属于高寒半荒漠和荒漠型气候。

AVHRR探测仪位于NOAA系列极轨气象卫星中,包含5个通道,由表1可知,5个通道中第1个通道为具有强吸收性的可见光波段,可吸收绿色植被,第2通道为可反射叶片的近红外波段,因此通常采用第2通道来进行植被观测或反演。

从NOAA获得1995年1月—2010年2月的VCI数据集。时间分辨率为7 d,空间分辨率为4 km,每年考虑52个时间段,但2000年的部分元数据缺失,因此采用时间插值法获得连续的时间序列。

大量的研究表明NDVI是植被生长状态及植被覆盖度的最佳指示因子,计算公式为:

式中 DNR和DNNIR分别为红光和近红外波段的DN值。该指数特别适合用于大陆或全球尺度的植被动态监测,在农作物估产等方面得到了广泛的应用,但是NDVI的缺点也显现出来,它只能孤立反映天气条件、土壤、水分对植被的影响,对地物所处的条件很敏感,为此,Kogan等^[8]在其研究中推导出VCI指数,计算公式为:

式中: NDVI_i为一个确定年份的第i个时期的NDVI值; NDVI_max和NDVI_min分别为多年第i时期的NDVI最大值和最小值。该值位于0~100之间,当数值越高时表示长势良好,数值越低时表示长势条件差,干旱越严重。

采用最大值合成法(maximum value composite,MVC)对给定月份的VCI数据进行组合。MVC可以消除云污染、大气衰减和太阳高度的影响。本文以7 d的VCI数据集作为计算MVC的基础,计算出每月的VCI数据,即

式中: VCI_i代表第i个月的VCI值; VCI_ij代表第i个月第j个星期的VCI值。在IDL软件中进行编程,将1个月4个星期的4幅VCI图像通过波段运算来实现最大值合成,用4幅图像中每个像元最大值代表VCI值。本文以春旱为研究对象,根据太阳历按季节划分春季为3—5月,季节的平均VCI可用相应季节3个月的累计平均VCI值表示,即

式中: VCIs¯为3—5月这3个月VCI累加的平均值; VCI_I为第i个月VCI的最大合成值; i为第i个月。

为了了解这15 a间的总体变化趋势,根据15 a以上像素的VCI值,计算趋势密度率(Slope)^[23],即

式中: ti为15 a间的序列号(1~15); n为时间序列长度(n=15); xi表示第i年的VCI,Slope>0表示研究期间VCI增加,干旱程度随时间增加,否则VCI降低。为了避免VCI序列中会影响趋势分析的自相关效应,在趋势分析之前,要进行自相关检查(VCI时间序列数据由不同地理区域的平均VCI组成)。统计分析表明,对原始数据进行对数变换后,VCI序列中不存在自相关。这些过程在SPSS18.0和IDL8.3软件中进行。为了确定干旱的意义,采用F检验。数据服从F分布,自由度为(1,n-2),n代表15 a,根据F分布表可知 F0.05(1.33)=4.14, F0.01(1.33)=7.56,根据该阈值可以将VCI的趋势密度率分为非显著、显著和极显著水平。同时,根据其值的正和负,结果可以分为5个级别: 极显著增加、显著增加、无显著变化、显著减少、极显著减少。

为了确定15 a之间是否发生突变,并确定这一变化的年份,对VCI数据集进行Mann-Kendall突变实验。Mann-Kendall是一个非参数统计检验,它在假设一个独立随机时间序列的前提下定义了一个统计序列,即

式中: UF1=0; sk=∑i=1kri; ri为小于X_i的样本数,在1和i之间, UFk为用时间顺序X₁,X₂,...,X_n计算的统计序列,服从正态分布。在零假设条件下,均值E(s_k)和方差Var(s_k)的公式分别为

反时间序列重复此过程计算得到UB_k。本文中的统计序列UF_k为1995—2010年VCI分析结果,UB_k为2010—1995年VCI分析结果,UF_k和UB_k曲线在Excel软件中绘制,置信区间为0.05(U_0.05=±1.96)。Mann-Kendall测试可有效区分一个过程是自然波动还是遵循一个特定的趋势。UF_k和UB_k值大于0表示一个增加的趋势; 否则,趋势是减少的。当UF_k和UB_k超过0.05置信区间,表示有显著的变化趋势,超过置信区间的范围为突变的时间区域。当UF_k和UB_k发生交叉,并且处于置信区间之间时,交叉的时间被认为是开始突变的时间。

为进一步分析干旱的时间特征,计算1995—2010年春季的平均VCI指数,得到1995—2010年青藏地区春季VCI均值的分布情况(图1)。

从图1可以看出,1995—2010年间VCI在春季呈现出缓慢增长的趋势。表明春季干旱开始逐渐缓解,变化趋势可以分为4个阶段。2000年发生全国性旱灾,旱灾发生了明显的年际变化。从2001—2010年,青藏地区的VCI值开始增加,到2010年标志着另一个增长期达到了峰值。然后,从2010年开始,VCI再次开始下降。值得注意的是,VCI大于2000年全国干旱平均值。这一变化可能是1999年加强绿化的结果。

变化趋势分析采用Excel软件对年平均VCI值进行线性拟合,得到VCI变化曲线,通过变化趋势的变化率即曲线斜率分析干旱变化趋势; 通过分析得到VCI值的变化情况如图2所示。

利用趋势分析得到春季VCI变化趋势,对VCI不同变化趋势等级进行统计,结果如图3所示。

对青藏地区1995—2010年15幅季VCI均值时间序列结合F检验进行趋势分析,从图3可以看出VCI下降的部分(红色)主要分布在四川省的西部、青海省的绝大部分地区和西藏自治区少部分地区,但是干旱的情况也不一定是VCI指数下降引起的,可能最近几年西部大开发,人为干扰要素也不可忽略。青藏地区由于远离海洋,周围又有高大山脉环绕,来自海洋的水汽不易到达,所以青藏高原降水稀少,直接就会导致该地区干旱,故青藏地区大部分都处于轻旱和中旱,靠近山脉的地方由于高山积雪融化,会滋润该地域,所以其附近基本没有出现干旱的情况。另外,干旱发生较轻的地方在新疆维吾尔自治区南部、青海省北部、甘肃省北部一小部分地区,这些地区干旱情况比较小,主要原因是这些区域在阿尔金山、昆仑山和祁连山等山脉附近,高山积雪融化成水对干旱有一定的缓解作用,所以这些区域的干旱相比较西藏自治区和四川省西部地区缓解很多。

根据VCI干旱等级的划分,可以得出当VCI值大于70时,认为该地区正常,据此得到了青藏地区干旱发生频率的分布情况(图4),由图4中可以得出,从整体上看,15 a内青藏地区春季发生干旱的频率不高,其中青藏地区的西北部与贺兰山、祁连山附近地区发生干旱频率较低。青藏地区的东部干旱频率较高,尤其是青海省南部和四川省西北部干旱情况较为严重。导致青藏部分地区干旱发生频率较高的原因是季风气候被高山阻断,因此无法深入带来足够降水,使这些地区干旱频发。虽然青藏地区降水稀少,但还可以看出,青藏地区仍有部分区域干旱发生频率较低,这是因为青藏地区海拔高,常年积雪,高山冰雪融化会带来充沛的水分供附近植被生长。

为了确定1995—2010年间VCI的时间变化是随机波动还是明显的趋势,进行了Mann-Kendall测试结果如图5所示。从图5中可以看出,青藏地区春季VCI序列的UF曲线与UB曲线在1996年相交,表明在1996年开始发生突变,并且在2000年以后呈小幅度上升趋势,但直到2010年UF曲线均未达到0.05显著性水平,表明青藏地区春季干旱突变不显著。

本文利用NOAA/AVHRR数据获取青藏地区1995—2010年VCI数据,使用趋势分析法、频率分析法等,分析出15 a来青藏地区春旱时空变化特征,利用1995—2010年的VCI数据对青藏地区15 a的干旱趋势突变分析,主要结论如下:

1)在1995—2010年,青藏地区VCI总体呈上升趋势,表明旱情趋于减轻,VCI序列是逐渐上升的,大致可以分为2个阶段,分别为1995—2000年的不平稳期和2001—2010年VCI指数基本不变略微上升期。说明在1995—2000年干旱的情况还不稳定; 在2001—2010年,VCI一直基本不变,且VCI值基本大于30,表明处于中旱。

2)为了解干旱趋势,采用趋势分析法和Mann-Kwndall检测,表明了青藏地区的VCI序列有明确的上升趋势,而且不是随机波动的,在春季的变化较为明显,可以看出在1996年左右发生突变,该分析表明青藏地区的干旱越来越稳定,基本大部分地区都处于中旱状态。