农业干旱监测研究进展与展望

本文全面分析了农业干旱的概念内涵及其与其他干旱类型之间的关系,进而从基于站点监测和基于遥感监测两个方面,系统梳理了国内外农业干旱监测的近今进展,对比了不同干旱监测指标的适用范围和局限性;同时,通过文献统计和重要文献引用揭示了国内外农业干旱监测研究的发展历程和最新进展,即农业干旱监测指标从传统的单一气象监测指标逐渐向气象与遥感相结合的综合监测指标转变。最后,在分析农业干旱监测现有挑战和困境的基础上,将农业干旱监测未来发展趋向归纳为5点展望,即进一步明晰农业干旱发生机理和受旱过程、识别农业干旱影响因素及其相互作用关系、构建多时空尺度农业干旱监测模型、耦合农业干旱定性表征与定量评估模型以及提高农业干旱监测模型中遥感数据的应用水平。     

中国气象农业非参数化综合干旱监测及其适用性

旱灾是对人类社会影响以及致损最大的灾种之一,如何进行可靠的旱灾监测是旱灾预警与旱灾防灾减灾的关键。气象干旱与农业干旱的综合干旱方法是目前干旱监测的主要方法之一。本文对多变量标准化干旱指数（MSDI）方法进行改进,以非参数化的方法计算标准化降水蒸散指数（SPEI）、标准化土壤湿度指数（SSI）,提出改进的MSDI,即气象农业综合干旱指标（MMSDI）。在此基础上,用1979-2015年中国降水资料、蒸散发资料以及土壤湿度数据对不同时间尺度（3月尺度与6月尺度）分别研究气象干旱、农业干旱、气象农业综合干旱,用气象农业综合干旱分别与气象干旱、农业干旱和改进之前的气象农业综合干旱对比,并结合实际记录的干旱事件时空特征验证,结果证实MMSDI指数可以同时监测气象与农业干旱,且其监测结果准确度高于单一变量的气象（SPEI）或农业（SSI）干旱监测,MMSDI指数对气象农业综合干旱具有更好的监测效果,可考虑作为中国气象农业综合干旱监测及旱灾预警的重要理论依据。     

基于土壤水分的农业干旱监测研究进展

土壤水分是评估农业干旱的关键变量。然而长期以来,由于缺乏大范围、高精度、长时间的土壤水分观测数据,基于土壤水分的农业干旱监测在实际应用中受到限制。近年来,随着遥感观测技术的发展,土壤水分数据的时空覆盖度和产品精度显著提升,基于土壤水分的农业干旱监测逐渐吸引更多的关注。论文系统归纳了站点观测与微波遥感观测的土壤水分数据特性,综述了目前基于土壤水分的3种农业干旱监测指标：基于长时间土壤水分序列的干旱指标、基于土壤水分与土壤水力学参数的干旱指标和基于土壤水分等多变量综合的干旱指标。最后,论文从提高土壤水分数据空间分辨率、加强农业干旱机制研究与完善农业干旱监测体系三方面提出基于土壤水分的农业干旱监测所面临的挑战与机遇,以期为未来的相关研究提供参考。     

干旱对作物产量影响研究进展与展望

粮食安全关乎人类生存和社会发展,是总体国家安全观的重要组成部分。本文首先梳理了作物产量影响因素及干旱对作物产量的影响过程,进而从基于田间控制实验、统计模型、作物生长机理模型以及遥感反演模型等4个方面系统回顾了干旱对全球主要作物产量影响评估的最新进展,揭示出当前研究呈现出由单灾种向多灾种、由单目标向多目标、由统计模型向综合模型转变的特征。文献计量分析表明,1990—2020年干旱对作物产量影响研究发文量呈指数增长,且研究主题经历了由传统的作物水分胁迫到作物受旱影响与适应综合研究的转变过程,体现出研究视角的不断深化和综合。在学科分布上,农学、植物学和环境科学是研究干旱对作物产量影响的主要学科,建议应加强地理学多要素多尺度的系统性思维在粮食和水资源耦合系统研究中的应用。最后,在分析现有问题和挑战的基础上,将未来应关注的重要议题归纳为以下4个方面,即构建干旱对作物产量影响的多源信息数据库、阐明干旱对作物产量影响的关键过程及机理、发展耦合宏观与微观过程作物生长机理模型和搭建作物产量与粮食安全综合监测平台系统,旨在通过提高干旱对作物产量影响的监测预警和科学管控,实现农业可持续发展和全球粮食安全。     

农业干旱遥感监测模型综述

以农业干旱发生时所引起的若干地表特征变化为依坦,分别从土壤水分、植被水分、冠层温度和作物形态4方面,对现有主要农业干旱遥感监测模型进行归纳总结,分析了各种模型的优缺点,以及各自的适用范围。其中土壤水分变化类指数比较适宜于农业旱情预警及土壤干旱型农业旱情的监测;冠层温度变化类指数不仅适宜于农业旱情预警,更适宜于农业旱情监测;作物形态及绿度变化和植被水分变化类指数,较适宜于农业旱灾的预警以及灾后评估。     

干旱指标研究的进展与展望

对气象干旱指标、农业干旱指标、水文干旱指标和社会经济干旱指标4个方面的研究成果进行了较为全面的对比分析,并提出了干旱指标研究中仍存在的主要问题以及今后研究的重点与展望。干旱气候的影响具有持续时间长、范围广、灾害程度重的特点,而干旱指标是衡量干旱气候的标准。分析指出,按照大气、土壤、水文和作物干旱的相互关系及其因果关系,应该首先考虑大气干旱,而考虑大气干旱时,最好利用降水百分数或距平百分率,这样便于统一比较各个地区的干旱程度。其次,再根据不同的领域和对象,考虑土壤、农作物、牧业和水文干旱等。在研制干旱指标时,要注意要素的可收集性及其适时性,考虑主要要素和监测业务的可行性,干旱指标要简单、明了,可计算性强,以便于业务使用和推广。     

基于MODIS和TRMM数据的黄土高原农业干旱监测

农业干旱对农业生产影响最为严重，基于站点观测数据的干旱指数不能准确监测区域尺度的农业干旱特征。因此，本文利用2003—2010年MODIS地表温度（LST）、植被指数（NDVI）和TRMM降水（3B43）数据以及1960—2015年黄土高原地区及周边92个气象站点的月均温和月降水量数据，构建了综合遥感干旱监测模型规模干旱条件指数（Scale Drought Condition Index，SDCI），对黄土高原地区农用地生长季（4~10月）旱情的时空分布特征进行研究，结果表明：黄土高原地区农用地生长季多年平均干旱状态为中度干旱，干旱程度在空间上表现为西北部较严重，东南部较轻。2003—2010年黄土高原地区旱情年际变化呈缓慢加重趋势，2003—2007年旱情持续加重，2007—2009旱情缓慢减轻，2009—2010年旱情又加重。黄土高原地区旱情年内变化表现4-8月持续减轻，8-10月持续加重，干旱程度具体表现为4月呈严重干旱，5月、6月和10月呈中度干旱，7月、8月和9月呈轻度干旱。研究表明利用多源遥感数据构建的具有适当权重的SDCI可以有效监测黄土高原地区作物生长季的干旱状况。     

干旱指标在陕西省应用的敏感性分析

利用陕西省1961—2005年各气象站旬气象资料、33个农气旬报站土壤相对湿度及2001年6月13日NOAA-16极轨气象卫星资料,分析了降水距平百分率、Z指数、Palmer干旱指数、土壤相对湿度对干旱的发生、发展、变化的敏感性,描述干旱发生的范围、程度的差异,并将反映出的旱情与同时段用遥感监测得到的旱情进行比较。结果表明:降水距平百分率、Z指数对旱情的变化具有很高的敏感性,各干旱指标都能反应出区域内干旱的发生,但各指标反映出的干旱程度和范围不同;与同时段遥感监测得到的旱情相比,遥感监测的旱情更加细致,并与地表状况有关。干旱是一个累积过程,同时与影响对象有密切关系,使用干旱指标分析旱情时需要根据受旱对象选用不同的干旱指标,综合考虑前期的水分状况与旱情发生、发展有关的因素。     

2010年春季西南地区干旱遥感监测及其影响评估

利用国产环境减灾星多光谱、热红外数据以及美国中分辨率MODIS数据建立了2010 年春季我国西南地区的干旱及其影响的遥感监测与评估方法。主要包括：1) 旱情遥感监测,利用环境减灾星多光谱数据和热红外数据构建旱情遥感综合指数监测西南地区的旱情;2) 地表可用水资源遥感监测,主要利用2010 年3 月中旬及去年同期的多光谱数据,对位于云南、贵州、广西境内的三个典型水体的水面面积进行了动态监测,以评估地表水面面积及水位的变化;3) 干旱对农作物的影响,主要通过农作物生长过程曲线分析各省(市) 区的作物受旱情的影响过程,并利用耕地面积与遥感监测作物种植成数、分类成数,以及耕地受旱比例计算作物受旱面积,通过田间实验对不同生育期冬小麦受到水分胁迫条件下的减产结果,确定不同旱情等级对应的粮食减产比例,计算各省(市) 的冬小麦减产数量。结果表明旱情最严重区域在广西西北部、贵州西南部和云南的中部与东北部,冬小麦、油菜、甘蔗等作物生长过程受到明显抑制,受旱面积分别达到9.13×10⁵ hm²、5.43×10⁵ hm²与9.00×10⁵ hm²,冬小麦产量损失达到8.3×10⁵ t,约占2009 年四省市冬小麦总产量的13.7%、全国冬小麦总产量的0.8%和全国粮食总产量的0.16%,对我国粮食总产量影响不大,但云南和贵州的冬小麦减产分别达到48%和31%,对区域粮食供应影响较大。     

区域农业干旱风险评估研究--以中国西南地区为例

农业干旱风险评估有助于提升区域灾害风险管理和决策水平,减轻干旱灾害造成的损失。利用历史降水资料、灾情数据和社会经济数据,本文以地级市为评估单元,以各评估单元3种播种面积最大的农作物为评价对象,在发展和完善现有连续无雨日干旱评估指标的基础上,结合作物不同生长阶段对干旱反应的差异,设计了一套农业作物干旱等级判定及其概率研究方法,同时,提出评估单元不同作物干旱等级损失率的计算方法,构建了农业干旱风险损失评估的计算模型。本文以西南区为案例区进行了农业干旱风险评估,结果发现：①采用研究方法求算的各评估单元风险损失结果能有效地表达各评估单元之间的农业干旱风险差异;②根据计算的农业干旱风险指数划分的风险区能比较准确地反映案例区内农业干旱风险的空间分布规律;③西南区农业干旱高度和重度风险区主要分布在该区西部和北部的一些高原、山地之中,而轻度和中度风险区则主要分布在其东部、中部和南部地区。     

以遥感为基础的干旱监测方法研究进展

总结了目前广泛应用的气象监测模型和基于遥感数据的干旱监测模型,将目前的遥感监测方法分为植被状态监测方法、微波土壤水分监测方法、热红外遥感监测方法和基于能量平衡的遥感监测方法进行综述,深入分析了基于遥感数据的监测方法的特点、适用条件和存在的问题。通过综述基于多源数据的干旱综合监测模型,对未来干旱监测方法的发展方向进行研究和探讨,指出集成多源数据的干旱综合监测模型是解决复杂的干旱监测问题的新方法。     

Agricultural drought monitoring: Progress,challenges, and prospects

In this paper, we compared the concept of agricultural drought and its relationship with other types of droughts and reviewed the progress of research on agricultural drought monitoring indices on the basis of station data and remote sensing. Applicability and limitations of different drought monitoring indices were also compared. Meanwhile, development history and the latest progress in agricultural drought monitoring were evaluated through statistics and document comparison, suggesting a transformation in agricultural drought monitoring from traditional single meteorological monitoring indices to meteorology and remote sensing-integrated monitoring indices. Finally, an analysis of current challenges in agricultural drought monitoring revealed future research prospects for agricultural drought monitoring, such as investigating the mechanism underlying agricultural drought, identifying factors that influence agricultural drought, developing multi-spatiotemporal scales models for agricultural drought monitoring, coupling qualitative and quantitative agricultural drought evaluation models, and improving the application levels of remote sensing data in agricultural drought monitoring.     

甘肃省河东地区干旱遥感监测指数的对比和应用

干旱是影响甘肃省河东地区农业生产的主要气象灾害之一。如何在众多的干旱遥感监测指数中选择适宜的指数是干旱遥感监测工作面临的主要问题。利用研究区30个农业气象站观测的不同深度土壤相对湿度和对应的MODIS数据,分析了7种典型干旱遥感监测指数(AVI、NDWI、VCI、PDI、MPDI、VSWI和MEI)的构建原理和模拟结果,并选择适宜的干旱遥感监测指数对2006年甘肃省河东地区干旱情况的时空分布做了动态监测。结果表明:7种干旱遥感监测指数均能反映研究区土壤湿度的时空变化特征;各干旱遥感监测指数对土壤水分监测的最佳深度为20 cm,其次为10 cm。从相关系数来看,PDI、MPDI指数对春季,VSWI、NDWI指数对夏季的土壤相对湿度有较好的监测结果;MEI指数对秋季土壤相对湿度模拟效果较差,其余指数对秋季模拟效果均较好;根据各指数与20 cm处土壤相对湿度的相关系数,结合各指数的构成原理,春季选择PDI和MEI,夏季选择VSWI和NDWI,秋季选择PDI和MPDI,分别对2006年甘肃省河东地区干旱情况进行监测。通过考虑各等级出现的频率,同时兼顾土壤相对湿度,评定各指数干旱等级。监测结果显示,庆阳市北部连续出现春旱、春末夏初旱、伏旱和秋旱,陇中北部和庆阳市北部旱情严重。     

Climatological Drought in Arizona: An Analysis of Indicators for Guiding the Governor's Drought Task Force

Lacking a federal policy to address local water deficiencies within the United States, many states have developed their own methods for monitoring drought in an effort to mitigate its effects. This article provides an overview of efforts to standardize the use of drought indices in order to compare recent and historical drought both spatially and temporally for Arizona. Yearly averages of the Palmer Drought Severity Index and the Standardized Precipitation Index are placed into a frequency distribution to create standardization among the indices. The 1896–1904 drought ranked as the most severe, although the 1996–2004 drought was a close second.     

基于多源数据的西藏东南部历史干旱监测与分析

干旱作为频发的全球性自然灾害之一，造成了严重的社会、经济和生态环境问题。以西藏主要耕作区为研究区，2001—2015年MODIS、TRMM和SRTM DEM数据为数据源，利用植被状态指数（VCI）、温度条件指数（TCI）和降水状态指数（PCI）〖WTBZ〗等模型参量，采用空间主成分分析方法构建区域干旱综合监测模型，对模型精度和可靠性进行检核验证，并以所建模型对研究区2001—2015年逐月干旱进行识别，采用地理时空分析方法对研究区干旱变化特征及趋势进行研究。结果表明，干旱综合监测指数（DCMI）能够较好地反映区域土壤相对湿度与标准化降水蒸散指数（SPEI）的变化，干旱综合监测模型具有较好的适用性；研究区全年干旱频率在空间分布上呈现出西高东低的特征，大部分地区干旱频率小于20%，约12.41%的区域干旱频率超过20%；从不同等级干旱发生频率来看，日喀则市为轻旱、中旱易发区，重旱易发区则集中于日喀则市和昌都市的中部及东部地区；区域月际干旱频率空间格局差异较大，全年干旱易发生于1、8、11月等月份，局部地区干旱易发月份存在差异；区域年内旱情变化趋势差异性较大，10月~次年9月，旱情加剧区域呈现出随月份变化由耕作区东部向西部逐渐转移的趋势。     

农业干旱监测研究进展与展望（英文）

In this paper, we compared the concept of agricultural drought and its relationship with other types of droughts and reviewed the progress of research on agricultural drought monitoring indices on the basis of station data and remote sensing. Applicability and limitations of different drought monitoring indices were also compared. Meanwhile, development history and the latest progress in agricultural drought monitoring were evaluated through statistics and document comparison, suggesting a transformation in agricultural drought monitoring from traditional single meteorological monitoring indices to meteorology and remote sensing-integrated monitoring indices. Finally, an analysis of current challenges in agricultural drought monitoring revealed future research prospects for agricultural drought monitoring, such as investigating the mechanism underlying agricultural drought, identifying factors that influence agricultural drought, developing multi-spatiotemporal scales models for agricultural drought monitoring, coupling qualitative and quantitative agricultural drought evaluation models, and improving the application levels of remote sensing data in agricultural drought monitoring.