1 引 言
干旱程度可以通过标准降雨指数（Standardized Precipitation Index, SPI）、Palmer干旱指数（Palmer Drought Severity Index, PDSI）、Z指数（Z-index）、归一化植被指数（Normalized Difference Vegetation Index, NDVI）和温度植被指数（Temperature Vegetation Dyness Index, TVDI）等进行监测[2,4]。基于气象数据计算的指数虽然准确，但是数据稀疏，不能对干旱情况在时间和空间上进行及时准确的探测。相比于气象指数，利用遥感数据可以实时快速地获取地表信息，且具有空间连续性，可以监测大尺度区域的干旱程度。植被指数多是基于遥感数据获得，例如NDVI、VCI和TCI等，都是结合植被生长状态和地表温度进行间接监测，存在滞后性。光学遥感类的干旱指数虽然是国内外研究热点之一，但是受天气影响严重，具有局限性[6,7]。被动微波遥感可以穿透薄云和稀疏植被，受天气和植被影响较小，且被动微波传感器的双极化波段对土壤水分也有着十分敏感的探测能力。土壤水分是研究植物水分胁迫、监测作物旱情的最基本因子[8,9]。Champagne等[5]直接利用微波遥感土壤水分产品，建立土壤水分异常指数，用于监测农田土壤的干旱情况。
本研究针对东北地区35 a土壤水分变化情况，结合土壤质地计算土壤水分亏缺指数（SWDI），下文称干旱指数，进而对东北三省玉米亩产与SWDI间的关系进行研究与分析。通过分析长时间序列的干旱发生的严重程度，以期发现干旱发生的时间及其对农作物产量的影响程度，为农业管理决策提供一定的指导和建议作用。
2 研究区及数据
2.1 研究区
东北地区地处我国中高纬度带（118.83°~135.09° E，38.72°~54.56° N），包括黑龙江省、吉林省和辽宁省三省，从北向南地跨寒温带、中温带及暖温带。东北地区总面积约80万km²，谷类作物种植面积占该地区总面积的50%以上，是我国最大的商品粮输出基地，其中玉米种植面积约占全国玉米种植面积的一半，产量约占全国总产量的40%。该区域年降水量在400~800 mm之间，约80%的降水量集中在6~8月，对农作物生长十分重要[11]。东北地区农业生产以“雨养”为主，降水量地域间差异很大，年际波动也较大，农作物生长季的干旱将会严重制约粮食生产。同时，该地区未来农作物生长季干旱趋势预估的研究工作还很缺乏，亟需加强对东北地区的干旱研究工作[15]。为本研究后续分析农田区域，将东北地区土地利用类型进行合并归类，如图1所示（土地利用数据来源：中科院资源环境科学数据中心）。
图1
图1
东北三省土地利用类型及气象站点分布
审图号：GS（2019）3266
Fig.1
Land use and distribution of meteorological stations in Northeast China
2.2 数 据
2.2.1 ESA CCI土壤水分产品
欧空局综合多种主被动微波遥感器（包括SMMR、SSM/I、TMI、AMSR-E、Windsat、ERS和METOP等）形成一套1978~2014年的土壤水分融合产品。研究中使用的数据版本为V02.2，时间区间为1979~2014年，该数据产品针对各传感器反演得到各自土壤水分，主被动土壤水分均重采样至相同的空间格网和时间尺度，然后分别进行融合得到融合后的主动土壤水分数据和被动土壤水分数据，最终将主被动融合得到ESA CCI（European Space Agency Climate Change Initiative）土壤水分产品[20]。数据的时间分辨率为日，空间分辨率为0.25°×0.25°，单位为m³/m³。该数据集保留各种来源的土壤水分数据的动态变化，包括季节和年际变化[16,17,18]。由于其具有高时间分辨率的优势，作为融合产品具有更好的精度[40,41]，进而一定程度上能够及时监测到土壤水分的即时状态，对于农业干旱的监测和预警具有重要意义（数据下载地址：
2.2.2 全球土壤数据集
该数据库由联合国粮农组织（FAO）等机构于2009年3月发布（Harmonized World Soil Database，HWSD），网格大小为30′×30′（约1 km×1 km）。数据库提供了各个网点的土壤类型（FAO-74、85、90）、土壤理化性状（0~100 cm）（16个指标）等信息[19,20]。我国土壤质地分类标准兼顾了我国南北土壤特点,例如北方土中含有1~0.05 mm砂粒较多，因此砂土组将1~0.05 mm砂粒含量作为划分依据；粘土组主要考虑南方土壤情况，以小于0.001 mm细粘粒含量划分；壤土组的主要划分依据为0.05~0.001 mm组粉粒含量（数据下载地址：
2.2.3 气象站数据
数据集为中国基本、基准和一般地面气象观测站1981~2010年，包括气压、气温、降水和风等要素的日气候标准值数据（中国地面累年值月值数据集）。由各省上报的全国地面月报信息化文件，基于《气候资料统计整编方法（1981-2010）（发布版）》，进行整编统计而得。气象数据时间区间为1981~2010年，时间分辨率为月，研究中使用的1981~2010年气象数据包含于土壤水分数据时间区间内，选择此完整数据集可以确保数据质量，且时间区间的差异不会对分析研究产生影响。研究中将气象数据中160个站点1981~2010年的降水和气温与SWDI分别进行相关性分析，用以验证基于土壤水分产品的SWDI的可靠性（数据下载地址：
2.2.4 作物产量数据
中国经济与社会发展统计数据库是目前国内最大的连续更新的以统计年鉴为主体的统计资料数据库，其中的农业数据包含各省市多年农作物种植面积（hm2）与产量（kg）。本研究使用黑龙江省、吉林省和辽宁省三省的玉米产量数据，时间范围为1979~2014年(
3 研究方法
本研究基于长时间序列的土壤水分产品数据，计算了该时间范围的干旱指数，并根据指数结果以及东北地区土壤和农田实际情况对东北地区干旱等级进行划分。基于干旱指数等级，对东北地区土壤水分对玉米单产的影响进行定性分析和定量评价。
3.1 土壤水分亏缺指数
3.2 田间持水量和凋萎湿度
公式（2）和（3）中sand和clay分别表示砂土百分比含量和黏土百分比含量（质量百分比）。经公式（2）和（3）计算得到的田间持水量和凋萎湿度均为重量含水量，而欧空局土壤水分产品为体积含水量，因此需利用土壤容重将重量含水量转化为体积含水量，如公式（4）所示。
式中：θv表示体积含水量（cm³/cm³），mg表示重量含水量（g/g），ρb表示土壤容重（g/cm³）。
3.3 干旱等级划分
表1 基于SWDI的干旱分级
Table 1
| SWDI值 | 干旱程度 | 干旱影响程度 |
|---|---|---|
| SWDI > -0.5 | 无旱 | 地表正常或湿润 |
| -1.0 < SWDI ≤ -0.5 | 轻旱 | 地表蒸发量较小，近地表空气干燥 |
| -2.0 < SWDI ≤ -1.0 | 中旱 | 土壤表面干燥，地表植物叶片有萎蔫现象 |
| SWDI ≤ -2.0 | 重旱 | 土壤出现厚干土层，植物萎蔫、叶片干枯 |
3.4 SWDI的精度评估
3.4.1 SWDI与降雨量之间的关系
研究中所用土壤水分产品为面尺度数据，气象数据为点尺度数据（160个），为平衡降水数据的点尺度与SWDI的面尺度，采取分段平均方式，即将降水数据与对应的干旱指数进行空间的归一化处理，每20个数据进行平均，以此类推，至160个气象站数据整理后得到8个分段平均数据。基于东北三省气象站月平均降雨数据，分析降水与干旱指数的相关关系，如图2所示。玉米生长季5~9月，东北地区月平均降水量与干旱指数的决定系数R²均高于0.55，最高达到0.93，显著性检验p值均小于0.01，各月降水数据与干旱指数存在显著的线性相关关系。
图2
通过分析降水数据与干旱指数的相关性证明了土壤水分产品的可靠性，对后文中分析干旱指数与农作物产量的关系奠定了基础。
3.4.2 SWDI与气温之间的相关性
图3
本研究将三省不同纬度气象站点温度进行统计回归，得出线性方程，对各个站点温度进行去趋势分析。基于东北三省气象站月平均温度数据，分析Temp-Detrend与干旱指数（SWDI）的相关关系，如图3所示。5~7月温度与干旱指数表现出明显的负相关性，表明植被低矮与稀疏时期，随着温度升高，干旱程度逐渐加重。随着时间的发展，温度与干旱指数的负相关关系逐渐减弱，于8月降至最低，相关性基本为零，并于9月转变为正相关。温度与土壤水分间的相互影响关系较复杂，随着环境条件的变化，温度与干旱指数间的关系也变得复杂化。
温度与干旱指数的相关关系随时间逐渐变差，最后甚至呈现正相关关系。东北地区玉米种植时间集中在4月下旬至5月上旬，因此，5月卫星反演的土壤湿度主要为裸土。随着植物生长发育，6月和7月作物逐渐成型，因此相比于五月份，温度与SWDI 的相关关系逐渐变差，但整体仍呈现良好的相关性。8月是玉米植株高度明显增加的月份，降雨量充沛的8月与东北地区玉米的生长高峰时期较为一致，玉米植株高度的快速变化也伴随着植被生物量、含水量等因素的变化。同时，气象站点温度传感器高度一般位于1.5~2.0 m，此高度可能会被玉米遮挡，无论传感器是否安置在玉米田内，均会受到周边较高玉米作物（2.5~3.0 m）的影响。其次，8月和9月植物生物量和植被含水量达到峰值，微波虽具有较好穿透能力，但是仍会受到茂密的农作物的影响，导致土壤水分反演精度变差。当温度升高时，蒸腾作用增强，导致土壤水分数据降低，也即干旱指数增加。
3.5 玉米单产去趋势分析
图4
4 结果分析
4.1 东北地区SWDI空间分布特征
利用欧空局1978~2014年土壤水分产品融合数据生成东北地区30 余年的月平均土壤水分产品数据，基于上述公式（1）计算东北地区干旱指数。东北地区种植制度为一年一季，每年农作物生长季为5~9月，因此选择黑龙江省、吉林省、辽宁省三省的5~9月干旱情况进行分析。
由图5可知，东北三省整体干旱情况呈现东北向西南逐渐加重趋势，这与张淑杰等,杨晓静等的研究一致。9月黑龙江省北部出现较为严重干旱，这与该地所处纬度有关，较早出现土壤的冻结现象以及较早的冬季降雪。黑龙江省西南部、吉林省西部、辽宁省西南部在生长季的各个月份均存在不同程度的干旱情况，5月的干旱严重程度与范围明显高于6~9月。
图5
图5
东北三省干旱程度时空分布
Fig.5
Spatial-temporal distribution of drought level in Northeast China
此外，黑龙江省河流、湿地较多，多个月份均呈现较湿润状态。吉林省自东向西干旱程度逐渐加重，西部地区多为盐碱地，蓄水储水能力弱；东部地区东南部地区河流较多且森林山区较多，整体表现为较湿润状态。
辽宁省发生的干旱区域主要集中在西南地区，且作物生长季的各个月份，辽宁省西南部均呈现较为干旱的状态，较之辽宁省中部和东部沿海地区有更高的干旱发生频率。
4.2 干旱像元百分比与玉米亩产的相关性分析
综合黑龙江省、吉林省和辽宁省三省的1979~2014年的玉米亩产数据，分析长时间序列下的各省中旱程度以上（即SWDI≤-1）的像元个数（即干旱面积）与玉米亩产的关系。为研究SWDI与玉米单产之间的关系，采用与3.5节中去趋势的方法得到去除趋势影响的玉米产量。基于去除趋势后的玉米亩产与干旱指数，计算各省中旱程度以上的像元个数所占百分比与去除趋势后的玉米亩产的相关关系，如表2所示。
表2 中旱重旱像元百分比与玉米亩产相关性
Table 2
| R | 5月 | 6月 | 7月 | 8月 | 9月 |
|---|---|---|---|---|---|
| 黑龙江省 | -0.14* | -0.18* | -0.66** | -0.23* | 0.45** |
| 吉林省 | 0.76** | -0.05 | -0.88** | -0.58** | -0.16* |
| 辽宁省 | -0.51** | -0.72** | -0.62** | -0.68** | -0.16* |
7月是东北三省雨量充足月份，同时也是玉米需水关键期[36]，干旱像元个数百分比与去趋势玉米亩产呈现显著负相关关系，吉林省为东北三省玉米种植范围最大省份，相关系数达到-0.88。黑龙江省西部和北部地区森林覆盖面积大，土壤水分产品的精度在一定程度上受森林覆盖的影响[37]，在影响土壤水分产品精度的同时也在一定程度上影响了SWDI的稳定性，因此相关性也较弱，相关系数为 -0.66。辽宁省为东北三省玉米种植面积最小的省份，因此受到种植范围、空间异质性以及其他气候环境因素的影响，导致其成为三省中相关性较弱的省份，相关系数为-0.62。虽然不同省份的7月干旱指数与玉米亩产相关性略有差异，但是整体仍能很好地反映玉米生长关键需水期干旱情况对产量的影响。针对吉林省5月和黑龙江省9月的正相关关系，虽然干旱像元占比较大，但是结合土地利用数据可知，大部分干旱区域均为非农田区域，吉林西部草地干旱像元占比较大，黑龙江北部森林像元占比较大，这也是出现仅有的两个正值的主要原因。
本研究中对于东北地区干旱等级的划分，主要依赖于土壤质地、植被类型等因素，并结合农业干旱等级国家标准进行确定，因此在满足本研究的同时可能存在一定程度的局限性。温度与干旱指数的相关性在整个玉米生长季变化较大，主要是由于植被生物量在5~9月逐渐增加，并于9月达到峰值，导致土壤水分的测量与温度数据均出现一定程度的偏差，因此造成二者相关性由良好的负相关逐渐变为正相关。干旱指数与作物亩产只在7月表现出良好的相关性主要是由于整个7月是玉米关键需水期，而其他月份虽然对最终产量有影响，但是相比于7月较弱。随着研究的不断深入，将逐步对影响作物产量的多种因素进行考虑和分析，其中包括病虫害、洪涝灾害以及遥感土壤水分产品的不确定性等，均是造成相关性较差的潜在因素。
5 结 语
（1）通过分析SWDI与降水和气温之间的相关性，证明了基于CCI土壤水分产品的SWDI指数的可靠性，为本研究的后续分析奠定了基础。
（2）SWDI的空间分布特征显示东北地区具有东北-西南方向的干旱变化趋势，这与该地区土地利用类型以及土壤质地空间分布导致的土壤蓄水能力（田间持水量、凋萎系数等）具有较好的空间一致性。
（3）中旱和重旱两种干旱程度的像元百分比与去趋势玉米亩产的相关分析结果表明：玉米关键需水期干旱指数与玉米产量具有很好的相关性。
东北三省农作物生长季主要为5~9月，作物不同的生长时期对水分的需求量不同，因此各个月份的干旱情况对于作物最终产量的贡献不尽相同。通过本研究中的分析得知，东北三省玉米生长季关键需水期的土壤水分亏缺指数与最终玉米产量表现出良好的相关性，其他月份则相对较弱。其中7月相关性最好，这与7月降水的充沛以及植被覆盖程度相对8月和9月较小有关。较低的植被覆盖程度意味着较低的生物量，对于土壤水分产品的质量和精度大有裨益，综合以上因素，7月作为一个监测农业干旱的关键月份在未来的研究中将进行深入探讨研究，同时7月在未来的研究中对于粮食产量的监测具有重要价值。
总体而言，欧空局CCI土壤水分产品与气象数据（降水、气温）综合分析验证结果表明土壤水分产品具有可靠性，建立的干旱指数与玉米亩产具有较好的相关关系，该产品能够用于定量分析干旱对东北地区玉米亩产的影响。
参考文献
Understanding the Drought Phenomenon: the Role of Definitions
[J].
Development and Evaluation of Soil Moisture Deficit Index (SMDI) and Evapotranspiration Deficit Index (ETDI) for Agricultural Drought Monitoring
[J].
Assessing Relative Soil Moisture with Remote Sensing Data: Theory, Experimental Validation, and Application to Drought Monitoring over the North China Plain
[J].
Establishing and Assessing the Integrated Surface Drought Index (ISDI) for Agricultural Drought Monitoring in Mid-Eastern China
[J].
Monitoring Agricultural Soil Moisture Extremes in Canada Using Passive Microwave Remote Sensing
[J].
Some Research Advances and Trends on Soil Moisture and Drought Monitoring by Remote Sensing
[J].土壤水分与干旱遥感研究的进展与趋势
[J].
Study of the Evaluate and Zone Methods on Winter Wheat Drought Risk Based on GIS in Jing-Jin-Ji Region
[D].张超. 基于GIS干旱风险评估与区划方法研究
[D].
Comparison of Remote Sensing and Simulated Soil Moisture Datasets in Mediterranean Landscapes
[J].
Testing Regression Equations to Derive Long-term Global Soil Moisture Datasets from Passive Microwave Observations
[J].
Crop Water Requirement and Temporal-spatial Variation of Drought and Flood Disaster During Growth Stages for Maize in Northeast During Past 50 Years
[J].近50年东北玉米生育阶段需水量及旱涝时空变化
[J].
Characteristics of Temporal and Spatial Distribution of Main Agricultural Disasters in Liaoning Provinces
[J].辽宁主要农业灾害时空分布特征
[J].
Research on Water Suitability of Maize Planting Range in Northeast China
[D].李雷. 东北地区玉米种植范围的水分适宜性研究
[D].
Spatio-Temporal Evolution Characteristics of Drought - Waterlogging in Three Provinces of Northeast China in Past 55 Years
[J].东北三省近55a旱涝时空演变特征
[J].
Spatial-temporal Characteristics and Comprehensive Risk Assessment of Main Agro-meteorological Hazards for Maize in Northeast China
[D].杨若子. 东北玉米主要农业气象灾害的时空特征与风险综合评估
[D].
Agricultural Climate Yields Assessment Research in Three Provinces of Northeast China
[D].符琳. 东北三省农业气候年景评估研究
[D].
Moisture Derived from Microwave Remote Sensing in Northeast China
[J].利用微波遥感土壤水分产品监测东北地区春涝范围和程度
[J].
Characteristics of Agricultural Climate Resources in Three Provinces of Northeast China Under Global Climate Change
[J].气候变化背景下我国东北三省农业气候资源变化特征
[J].
Trend-preserving Blending of Passive and Active Microwave Soil Moisture Retrievals
[J].
Developing an Improved Soil Moisture Dataset by Blending Passive and Active Microwave Satellite based Retrievals
[J].
Fusion of Active and Passive Microwave Observations to Create an Essential Climate Variable Data Record on Soil Moisture
[J].
Soil Database of 1∶1 000 000 Digital Soil Survey and Reference System of the Chinese Genetic Soil Classification System
[J].
Cross Reference System for Translating between Genetic Soil Classification of China and Soil Taxonomy
[J].
Satellite Soil Moisture for Agricultural Drought Monitoring：Assessment of the SMOS Derived Soil Water Deficit Index
[J].
The Method of Drought Monitoring by Remote Sensing
[D].闫娜娜. 基于遥感指数的旱情监测方法研究
[D].
Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements
[M].(Irrigation and Drainage Paper 56）
.
Lower Limit of Soil Water Availability
[J].
Field Capacity in Black Soil Region, Northeast China
[J].
Soil Water Characteristic Estimates by Texture and Organic Matter for Hydrologic Solutions
[J].
An Empirical Standardized Soil Moisture Index for Agricultural Drought Assessment from Remotely Sensed Data
[J].
The Relationship of Drought Frequency and Duration to Time Scales
[J].
Precipitation Sensitivity to Global Warming: Comparison of Observations with HadCM2 Simulations
[J].
Why are Agricultural Impacts of Climate Change so Uncertain? The Importance of Temperature Relative to Precipitation
[J].
Assessing the Impacts of Climate Change on Water Resources: Experiences from the Mediterranean Region
[M].
Observation and Simulation Study on Maize Growth and Yield Under Climate Change in Northeast China
[D].孟凡超. 气候变化对东北玉米生长和产量影响的观测与模拟
[D].
Spatial Pattern Change and Its Driving Factors of Grain Per Unit Area Yield in Northeast China
[J].程叶青
.东北地区粮食单产空间格局变化及其动因分析
[J].
Crop Models Capture the Impacts of Climate Variability on Corn Yield
[J].
Spatial Distribution Characteristics and Impact on Spring Maize Yield of Drought in Northeast China
[J].杨晓晨
,中国东北春玉米区干旱时空分布特征及其对产量的影响
[J].
Analysis of Spatio-Temporal Characteristics of Drought for Maize in Northeast China
[J].张淑杰
,东北地区玉米干旱时空特征分析
[J].
L-band Radar Estimation of Forest Attenuation for Active/Passive Soil Moisture Inversion
[J].
Evaluation of Remotely Sensed and Reanalysis Soil Moisture Products over the Tibetan Plateau Using In-situ Observations
[J].
Evaluation of the ESA CCI Soil Moisture Product Using Ground-based Observations
[J].
