遥感技术与应用, 2022, 37(5): 1159-1169 doi: 10.11873/j.issn.1004-0323.2022.5.1159

海南遥感观测专栏

海南岛干旱特征遥感识别及时空变化研究

马毓窕,1, 穆晓东2, 侯鹏,1,3, 孙林1, 张邻晶1

1.山东科技大学测绘与空间信息学院，山东 青岛 266000

2.海南省环境科学研究院，海南 海口 571127

3.生态环境部卫星环境应用中心，北京 100094

Remote Sensing Identification and Spatial Variation of Drought Characteristics in Hainan Island

Ma Yutiao,1, Mu Xiaodong2, Hou Peng,1,3, Sun Lin1, Zhang Linjing1

1.School of Geomatics and Spatial Information，Shandong University of Science and Technology，Qingdao 266000，China

2.Hainan Academy of Environmental Sciences，Haikou 571127，China

3.Satellite Environmental Application Center，Ministry of Ecology and Environment，Beijing 100094，China

通讯作者: 侯鹏（1978-），男，山东泰安人，博士，正高级工程师，主要从事生态评估与环境遥感应用研究。E⁃mail:houpcy@163.com

收稿日期: 2022-02-20   修回日期: 2022-07-20  

基金资助: 国家重点研发计划项目.  2021YFF0703903

Received: 2022-02-20   Revised: 2022-07-20  

作者简介 About authors

马毓窕(1997-),女，河北石家庄人，硕士研究生，主要从事土壤湿度反演以及干旱监测E⁃mail:qwertbng@126.com , E-mail：qwertbng@126.com

摘要

海南岛是我国重要的湿热带宝地，受自然地理环境和条件等因素影响，岛上干旱频发，旱涝严重，对农业生产和人民生活造成了重大的经济损失。基于MODIS数据，计算了归一化植被指数NDVI和陆地表面温度LST，进而构建了植被供水指数模型VSWI，分析了海南岛2004—2020年干旱特征和时空变化分布演变规律，结论如下：①2004—2020年期间海南岛以2004、2005、2010、2015年整体干旱偏严重，2005年海南岛旱情最为严重，干旱面积分布可达总面积的56.76%，其中重旱、中旱、轻旱所占的面积比例分别为7.37%、20.75%、28.64%，旱情影响较为广泛。②海南岛VSWI年内指数变化整体呈现先减小后增加的单峰型趋势，1—5月呈下降趋势，干旱随着时间推移不断加重，4月和5月旱情达到高峰，6—12月受气候因素影响干旱略有缓解。2005年5月旱情最为严重，整个区域的84.27%均处于不同程度的干旱，受灾严重区域集中在西南部地区，儋州市受灾最为严重，特旱面积可达35.57%，无旱面积仅为2.31%，空间范围上广泛受灾。③受地理因子和气候因素影响，不同土地利用类型年内VSWI值变化趋于一致，林地和草地受干旱影响程度较轻，耕地和城镇因植被稀疏受干旱影响较强，月均值最小值皆在4月。④2004—2020年海南岛VSWI空间分布具有明显的季节性差异，海南岛主要以冬旱和春旱为主，夏旱和秋旱也时有发生，各市县干旱具有明显的地域差异和季节差异，沿海重于内陆，四周重于中间，南部重于北部，西部重于南部。⑤海南岛VSWI与降雨和气温因子关系较为密切，其中降雨与植被供水指数VSWI的相关性最高，且降雨因子影响所占的面积比例较大，因此，海南岛干旱主要受气象因子降雨的影响。研究结果可以为海南岛干旱预警提供参考依据。

关键词： 海南岛 ; 植被供水指数 ; 干旱特征 ; 时空变化

Abstract

Hainan Island is an important wet tropical treasure land in my country. Affected by factors such as natural geographical environment and conditions， frequent droughts and severe droughts and floods on the island have caused significant economic losses to agricultural production and people's lives. Based on MODIS data， this paper calculates the normalized vegetation index NDVI and land surface temperature LST， and then builds the vegetation water supply index model VSWI， and analyzes the characteristics of the drought in Hainan Island from 2004 to 2020. The conclusions are as follows： （1） During the period from 2004 to 2020， the overall drought in Hainan Island was more severe in 2004， 2005， 2010 and 2015， and the drought in Hainan Island in 2005 was more severe. The most serious drought area distribution can reach 56.76% of the total area， among which the area proportions of severe drought， moderate drought and mild drought are 7.37%， 20.75% and 28.64% respectively. （2） The change of the VSWI index in Hainan Island showed a unimodal trend of decreasing at first and then increasing. It showed a downward trend from January to May. The drought continued to increase with time. The drought reached its peak in April and May， and from June to December. Due to climate， the drought eased slightly. In May 2005， the drought was the most serious. 84.27% of the entire region was in various degrees of drought. The severely affected areas were concentrated in the southwestern region， and Danzhou City was the most severely affected. The area with extreme drought reached 35.57%， and the area without drought was only 2.31%. （3） Affected by geographical factors and climatic factors， the changes of VSWI values ​​in different land use types tend to be consistent within the year. Forest land and grassland are less affected by drought， and cultivated land and urban areas are more affected by drought due to sparse vegetation. in April. （4） There are obvious seasonal differences in the spatial distribution of VSWI in Hainan Island from 2004 to 2020. In Hainan Island， winter drought and spring drought are the main ones， and summer drought and autumn drought also occur from time to time. The drought in each city and county has obvious regional differences and Seasonal difference， the coast is heavier than the inland， the surrounding is heavier than the middle， the south is heavier than the north， and the west is heavier than the south. （5） Hainan Island VSWI is closely related to rainfall and temperature factors. The correlation between rainfall and vegetation water supply index VSWI is the highest， and rainfall factors account for a large proportion of the area. Therefore， the drought in Hainan Island is mainly affected by meteorological factors. The research results can provide a reference for the drought warning in Hainan Island.

Keywords： Hainan Island ; Vegetation supply water index ; Drought characteristics ; Space-time change

PDF (6512KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

马毓窕, 穆晓东, 侯鹏, 孙林, 张邻晶. 海南岛干旱特征遥感识别及时空变化研究. 遥感技术与应用[J], 2022, 37(5): 1159-1169 doi:10.11873/j.issn.1004-0323.2022.5.1159

Ma Yutiao, Mu Xiaodong, Hou Peng, Sun Lin, Zhang Linjing. Remote Sensing Identification and Spatial Variation of Drought Characteristics in Hainan Island. Remote Sensing Technology and Application[J], 2022, 37(5): 1159-1169 doi:10.11873/j.issn.1004-0323.2022.5.1159

1 引 言

干旱是危害人类和环境最严重的自然灾害之一［1］。近年来，随着全球变暖加剧，中国干旱发生频率、影响范围、持续时间明显增加，发生区域从干旱半干旱地区逐步向我国南部和东部的湿润、半湿润地区扩展［2］。因此，提高干旱动态监测能力对于保障农业粮食生产、促进社会经济发展和维护生态安全具有重要意义［3］。

美国气象学会将干旱分为4种类型： 气象干旱、农业干旱、水文干旱和社会经济干旱［4］，其中，气象干旱和农业干旱是国内外研究的主要热点。目前，对于干旱监测和评估，主要是气象站点和卫星遥感两种手段［5］。气象站点监测是基于地面气象站点的原位测量数据建立不同类的干旱监测模型，可以定量表述干旱的等级，有帕默尔干旱指数PDSI（Palmer Drought Severity Index）［6］、标准化降水指数SPI（Standardized Precipitation Index）［7］、综合气象干旱指数CI［8］、标准化降水蒸散发指数SPEI（Standardized Precipitation Evapotranspiration Index）［9］等。然而气象站点数据的空间分布往往不均匀，其准确性、代表性有限。基于卫星遥感监测具有多时相、多光谱、多方位、高分辨率等特点，能够及时、客观获取大范围的地表综合信息［10］，便于进行实时动态干旱监测，已经成为干旱监测的重要技术手段，如作物缺水指数法CWSI（Crop Water Stress Index）［11］、温度植被干旱指数法TVDI（Temperature Vegetation Dryness Index）［12］、植被供水指数法VSWI（Vegetation Supply Water Index）［13］、微波遥感法［14］等。其中，植被供水指数是基于植被指数和地表温度的比值来表示植被受干旱程度的相对大小，对于植被覆盖度较高和植被蒸腾较强的区域具有较好的解释能力。关于植被供水指数VSWI进行干旱监测的研究也有很多，刘晓璐等［15］构建了不同植被类型的植被供水指数，研究了河南省2000—2016年的干旱空间分布特征。马梓策等［16］研究发现，VSWI在森林区和荒漠区干旱监测效果较好。潘卫华等［17］对福建省干旱监测和罗少华等［18］对江西省2011年春旱遥感监测，表明植被供水指数适合于植被覆盖率较高的地区的旱情监测。Cunha等［19］利用植被供水指数VSWI对巴西2012—2013年的一次重大干旱事件进行了监测，表明VSWI是一种较好的近实时干旱监测方法。Oliveira等［20］表明VSWI能够从空间和时间方面显示极度潮湿和干燥条件的年份。

海南岛是我国重要的热带岛屿，具有热带季风海洋性气候，受自然地理位置和气候变化等因素影响，海南岛旱涝灾害频繁且长期困扰着农业生产。针对海南岛严重的旱灾频发的特点，国内有学者对海南岛干旱的时空变化特征进行了很多研究［21］，但是多是基于气象观测站点数据的短时间序列监测，且气象站点分布不均匀，对于海南岛大规模长时间序列动态农业干旱监测研究较少。因此，本文基于MODIS植被指数和地表温度以及气象数据，选用适合植被覆盖度较高的植被供水指数VSWI，以实测站点土壤湿度数据验证了结果的可靠性，分析了2004—2020年海南岛干旱特征、时空演变规律及影响因素，在宏观上对海南岛整体干旱特征的监测和把握，重点探讨在长时间序列下海南岛干旱时空分布特征和变化规律，为海南岛干旱预警监测、抗旱救灾决策提供科学依据。

2 研究区与数据

2.1　研究区概况

海南岛位于中国南海西北部，总面积约为3.39万km2，属于热带岛屿季风海洋性气候，气候主要以湿润区为主，西南部为半干旱，半湿润。岛上热带雨林茂密，全年暖热，四季如春，雨量充沛，干湿季节分明。因其地理要素和空间位置影响，海南岛降雨分布不均匀，区域和季节具有显著差异，从西部到东部区域降雨量逐渐增加，且极差明显。冬春干旱，夏秋多雨，雨季降雨量约占全年的70%—90%。土地利用类型数据集LUCC（Land Cover Change）是以美国陆地卫星Landsat遥感影像数据作为数据源，采用人机交互式目视判读的方式构建的［22］，从图1中可以看出海南岛土地利用类型以林地为主，主要分布在中部山区，沿海四周以耕地为主，其次还有少量的草地，其中部山区因其物种类型丰富，植被茂盛被列为国家重点生态功能区，整岛植被覆盖率较高，受地理位置和气候因素的影响，全岛旱涝灾害频繁，旱患尤为突出［23］。因此，本文基于遥感影像进行了长时间序列的动态监测海南岛的农业旱情发展，对于农业长期稳定发展和保障人民生命安全具有重要意义。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   海南岛土地利用类型图

审图号：GS（2019）1822

Fig.1   Map of land use type of Hainan Island


2.2　数据来源及处理

中分辨率成像光谱仪MODIS（Moderate-resolution Imaging Spectroradiomete）数据具有丰富光谱信息，高频率高覆盖区域和数据获取容易的特征，在干旱监测和评估中发挥着越来越重要的作用。归一化差值植被指数NDVI（Normalized Difference Vegetation Index）由生态环境部卫星环境应用中心组织提供。该数据是基于MOD09A1地表反射率数据，通过波段运算、精确云检测和NDVI植被生长基准合成的全国NDVI产品。时间分辨率8 d，空间分辨率500 m。地表温度LST（Land Surface Temperature）选择美国国家航空航天局NASA提供的MOD11A2产品，下载地址为：https：∥modis.gsfc.nasa.gov。时间分辨率8 d，空间分辨率1 km。二者影像时间范围为2004—2020年，涉及的行列号为h28v06， h28v07。构建植被供水指数VSWI的具体步骤为：首先利用MRT（MODIS Reprojection Tools）工具进行NDVI和LST影像拼接、以及投影转换，然后运用Python编程批量进行影像重采样、裁剪、剔除异常值以及归一化等数据处理后，分别采用最大值合成法和均值合成将植被指数8 d数据和地表温度8 d数据合成月数据产品，最后将月数据通过均值合成法合成年数据。

降雨和气温的数据来自中国科学院资源环境科学与数据中心（https：∥www.resdc.cn/）， 下载了2004—2015年中国逐年年降水量空间插值数据集和逐年年平均气温数据集。年降水量单位为0.1 mm， 年平均气温单位为0.1℃。该数据集是基于全国2 400多个气象站点日观测数据，经过计算整理和数据质量精度控制筛选，后采用澳大利亚提供的ANUSPLIN插值软件插值生成的。已有研究表明，基于薄盘样条函数进行分析和插值的ANUSPLIN软件，与普通克吕格插值结果相比较，具有更高的插值精度，插值误差也最小［24］。数据处理经过python编程批量重投影、重采样、裁剪后，得到空间分辨率为1 km的栅格影像。

研究中还用到了海南岛2018—2019年土壤站点的实测相对土壤湿度数据，其中包括4个站点，琼海、儋州、琼山、三亚站点的10 cm、20 cm的实测土壤相对湿度数据。由于受到气候变化和仪器人为等因素影响，导致土壤湿度实测数据有误差。在对数据进行无效值剔除和综合考虑海南岛多雨季和少雨季的气候分布特征以后，选择2018年3月—11月10 cm和20 cm 4个站点的土壤相对湿度观测数据作为干旱反演结果的精度验证数据。

3 研究方法

3.1　植被供水指数VSWI

植被供水指数VSWI（Vegetation Supply Water Index）是利用植被指数和地表温度的比值来代表植被受干旱程度的相对值，综合了两个参数的物理和生态意义，可用于监测干旱的发生、变化、发展、强度和对植被的影响程度。早已有研究表明，利用植被供水指数对植被覆盖度较高的热带岛屿海南岛进行动态干旱监测是可行的，对于海南岛干旱监测表现力更好［25］。其物理意义是：干旱状态下，农作物根部因缺水致使蒸腾作用受到抑制，叶面气孔关闭致使作物的冠层温度升高，另一方面，作物受灾后不能正常生长，叶绿素的色质会发生变化，且叶片枯萎，致使卫星遥感获取植被指数降低，其计算公式为：

VSWI=NDVITs

其中，NDVI为归一化植被指数，Ts为植被冠层温度，由于植被冠层温度无法用遥感方法获取，因此采用陆面地表温度LST来近似代替植被冠层温度［26］。当出现旱情时，植被冠层温度升高，供水不足，植被指数下降，导致VSWI降低，因此植被供水指数的值越小，表明作物受灾程度越严重，旱情越严重。该方法理论基础好，易于实现，可操作性强，适用于有植被覆盖区域的干旱监测。

3.2　相关性分析方法

相关分析能够揭示两个或者两个以上因子变量之间相互关系的密切程度，为了进一步探究海南岛干旱的影响因素，采用Pearson相关性系数方法，逐像元计算了植被供水指数VSWI与降雨、气温的相关性系数。该方法能够检验出研究变量因子之间相关性的强弱和方向分布，简单易行，已被广泛应用于各学科领域。其计算公式为：

R=∑i=0nxi-x¯yi-y¯  ∑i=0nxi-x¯2∑i=0nyi-y¯2

其中：R为相关系数，值域范围［-1，1］，若R>0表明两组变量呈正相关关系，R<0表明两组变量呈负相关关系，且R绝对值越大，表示相关性越显著；xi表示第i年的降雨、平均气温值，x¯表示历年降雨、温度均值， yi表示第i年VSWI的年均值，y¯表示历年VSWI均值。

4 结果和分析

4.1　干旱监测结果检验

基于卫星遥感的干旱监测能够快速获取研究区域的旱情进展，但由于受天气因素等影响，导致结果不够准确，为了保证遥感数据监测干旱结果的可靠性，选择10 cm、20 cm土壤相对湿度作为实测数据，验证植被供水指数进行干旱监测的准确性。国内学者［27-30］通过分析植被供水指数VSWI和实测土壤相对湿度的相关性来检验VSWI监测干旱的精确性。由结果图2可见：植被供水指数与10 cm、20 cm土壤相对湿度均呈现良好的正相关系。其中20 cm的土壤相对湿度相关性更好，R2=0.301 8，并通过了0.05的显著性检验。因此，基于植被供水指数进行海南岛干旱特征识别和长时间序列的时空变化研究是可行的。为了定量描述植被供水指数导致植被受灾的相对程度，以国家气象局采用的20 cm土壤相对湿度RSM（Relative Soil Moisture）划分的等级标准［31］来划分农业干旱等级，最终等级结果划分如表1所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   海南岛2018年3月—11月土壤相对湿度与VSWI拟合图

（a）VSWI与10 cm相对土壤湿度关系 （b）VSWI与20 cm相对土壤湿度关系

Fig.2   Fitting diagram of soil relative humidity and VSWI in Hainan Island from March to November 2018


表1   干旱等级划分标准

Table 1  Criteria for classification of drought grades

等级RSM/%VSWI干旱等级
160<RSMVSWI>0.025正常
250<RSM≤600.022<VSWI≤0.025轻旱
340<RSM≤500.019<VSWI≤0.022中旱
430<RSM≤400.017<VSWI≤0.019重旱
5RSM≤300<VSWI≤0.017特旱

新窗口打开| 下载CSV


4.2　VSWI的时间变化特征

通过获取了2004—2020年海南岛VSWI年均值变化图，并与历年的均值进行了比较，如图3所示，发现2004—2008、2010—2015时段内干旱指数均低于均值水平，其中2005年的干旱指数VSWI最低，值为0.023 3，说明干旱最为严重，结合干旱强度等级图表明2004、2005、2010、2015年海南岛VSWI值均低于平均值，整体干旱偏严重，后查询相关文献和气象新闻资料［32］，验证了结论。这表明干旱是一个持续且缓慢的过程，干旱的恢复需要一定时长，干旱指数VSWI随着时间的增长，呈现不断波动发展的趋势。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   2004—2020植被供水指数年均值变化

Fig.3   Annual mean change of vegetation water supply index from 2004 to 2020


为了进一步探究海南岛干旱整体变化的时间规律，选取干旱较为严重的年份绘出了月均值干旱指数VSWI的变化图，从图4可以初步判断出，年内植被供水指数VSWI整体上呈现先减小后增加的“单谷型”趋势，1月—5月整体指数呈下降趋势，说明此时是干旱的发生阶段，农作物生长受到抑制，4月和5月旱情达到高峰期，主要原因是降雨偏少，气温升高，植物的光合作用加强，蒸散量增加。随着雨季到来，受气候因素的影响，6月—12月干旱略有缓解，并随着时间推移，逐步恢复到历年均值水平，其中干旱年份的月均值较历年的月均值水平相比，均处于较低的状态，表明各个月均发生了旱情。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   4个年份的月均值干旱指数

Fig.4   Monthly mean drought index for four years


同时结合图5的4个年份受灾面积表明，这4年中，旱情最为严重影响最广泛的一次是2005年的干旱，2005年海南岛整体干旱面积分布占总面积的56.76%，重旱、中旱、轻旱所占面积比例分别为7.37%、20.75%、28.64%，一半以上的面积均受旱情影响。正常无旱的面积仅占海南岛区域的43.24%。猜测可能由于气候因素和受台风影响造成的大面积干旱。其中2004、2010、2015年旱情较2005年较轻，受灾面积较少。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   4个年份旱情面积分布

Fig.5   The area distribution of drought in four year


综合干旱等级空间分布研究探讨海南岛干旱的主要分布区域，从图6中2005年5月海南岛干旱等级划分图可以看出，受灾严重区域集中在西南部地区和沿海地带，中部山丘高地因植被覆盖度较高，植物蓄水能力好，干旱状态较轻，四周沿海地带，地表裸露，植被稀疏，受降雨不均匀和气温升高的影响，干旱较为严重。其中，选择受灾较为严重的4个区域绘制出的旱情面积比较图（图7）可以看出，儋州市最为严重，特旱面积可达35.57%，无旱面积仅为2.31%，空间范围上广泛受灾，其次是东方市、乐东黎族自治县、昌江黎族自治县。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2005年5月海南岛干旱等级划分

（审图号：GS（2019）1822）

Fig.6   Drought classification of Hainan Island in May 2005


图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   4个区域旱情面积比较

Fig.7   Comparison of drought area in four regions


4.3　不同土地利用类型VSWI变化分析

海南岛主要土地利用类型主要以林地、耕地、草地、和城镇为主，植被覆盖率较高。为进一步探究海南岛不同土地利用类型受干旱的影响情况，根据图8可知，受地理因素和气候变化等影响，4种土地利用类型年内的VSWI值变化趋于一致，整体上呈现先减少后升高的“单谷型”趋势。林地和草地月均值相差不大，而耕地和城镇月均值较低，最小月均值皆在4月，从1月—4月VSWI均值呈下降趋势，说明植被受干旱影响严重，随着雨季5月—10月的到来，降雨增多，水分供给充足，旱情得到逐步缓解。结合海南岛地貌以山地和丘陵为主分析原因，中部山区热带雨林茂密，海拔较高、温度较低蓄水量较多，四周沿海低平，多为耕地和人工植被，蒸散量较大，水分散失较多。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   不同土地利用类型VSWI年内变化

Fig.8   VSWI of different land use types changed during the year


4.4　VSWI的空间变化分析

由于海南岛全年暖热，降雨量充沛，岛上热带雨林茂密，植被组成种类丰富多样，植被覆盖率较高，多为热带雨林，抗旱能力较强。海南岛不同季节的VSWI的空间分布差异明显。春季（3月—5月）暖而少雨，气温回升，降雨偏少，降雨东部多于西部，山区多于平原地区，呈环状分布，导致海南岛西南部地区春旱的时常发生，是一年中干旱最为严重的季节。夏季（6月—8月）高温多雨，地区分布差异较大，因气温高，降雨量分布不均匀，且海南岛中部山区植被覆盖密度较高，水分蒸发量大，降雨的集中性强，多为少雨或无雨，因而出现了间歇性干旱。秋季（9月—11月）雨季后期，受台风的影响，海南岛大部分地区降雨量充沛，植被生长茂盛，一般出现农业干旱的几率较小。冬季（12月—2月）干旱少雨，海南岛西部降雨少，而东部中部降雨量相对较多，再加上持续的高温影响，水库蓄水量不足，就会发生冬旱。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   海南岛四季干旱等级空间分布图

审图号：GS（2019）1822

Fig.9   Spatial distribution map of four Seasons drought grades in Hainan Island


总体而言，海南岛一年四季均有不同程度的干旱发生，主要以冬旱和春旱为主，夏旱和秋旱也会短暂性出现［33］。各市县干旱具有明显的地域差异和季节差异，沿海重于内陆，四周重于中间，南部重于北部，西部重于南部，其中干旱主要集中在西南部地区，以乐东黎族自治县、东方市、昌江黎族自治县、儋州市4个区域为代表，同时根据资料调查显示海南岛西南部地区因常年气温高、降雨少也被划分为半干旱地区［34-35］。

4.5　VSWI的影响因素分析

Zhou等［36］研究表明VSWI可以更好地反映由于降雨不足所导致的干旱程度。选用降雨和气温作为气象因子，分析干旱的影响因素。海南岛2004—2015年降雨量为117.90—2 454.99 mm之间，多年均值为1 707.98 mm，降雨量多年均值呈现空间分布不均匀，从海南岛西南部到东北部呈现逐渐增加的趋势，其中琼中黎族苗族自治县、屯昌县、琼海市、万宁市降雨量最多，相反，三亚市、乐东黎族自治、东方市、昌江黎族自治县降雨量较少，整体呈现环状不均匀分布。海南岛近11 a的平均气温为17.07—26.46 ℃，气温多年均值为24.65 ℃，气温多年均值空间分布差异明显，从海南岛中部山地到四周沿海地带温度呈现逐渐升高的趋势，其中气温较低地区分布在白沙黎族自治县、琼中黎族苗族自治县、五指山等区域，四周沿海地带日照时数较足，气温偏高。

为进一步探究海南岛干旱的影响因素，选择年均降水量、年均气温为气象因子，逐像元计算海南岛2004—2015年的VSWI与年降水和气温之间的相关系数。由于受到地形和地貌等因素的影响，植被供水指数VSWI与气象因子降雨、气温之间表现出显著的空间差异性。根据图11（a）可以看出，VSWI值与降雨主体呈现正相关关系，相关系数介于-0.96—0.97之间，统计结果表明VSWI随降雨的增加而增大，其中正相关的面积占总面积的75.67%，主要集中在儋州市、临高县、澄迈县、白沙黎族自治县等西北部区域，呈负相关的区域主要集中在呈负相关的区域主要集中在三亚市、海口市、文昌市。随着降雨量的增加，VSWI值增加农作物受灾减弱，旱情有所缓解。由图11（b）可知，VSWI值与气温整体呈现负相关关系，相关系数介于 -0.92—0.90之间，同时根据统计结果表明负相关的面积占总面积区域64.02%，表明VSWI随着气温的增高而减小，主要集中在东方市、乐东黎要集中在东方市、乐东黎族自治县、临高县、儋州市、白沙黎族自治县等西南部区域。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   海南岛2004—2015年均降雨量、气温空间分布图

审图号：GS（2019）1822

Fig.10   Spatial distribution map of annual rainfall and temperature in Hainan Island from 2004 to 2015


图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   海南岛2004—2015年 VSWI与降雨量、气温之间的相关性

审图号：GS（2019）1822

Fig.11   Correlation between VSWI and rainfall and temperature in Hainan Island from 2004 to 2015


根据上述研究可知，海南岛VSWI与降雨和气温因子关系较为密切，其中降雨与植被供水指数VSWI的相关性最高，降雨较多的地区土壤含水量增加，水分供给充足，气温较低使得蒸散发减少，降低水分散失速率，有利于植被的生长，VSWI值增大，干旱程度减轻，且降雨因子影响所占的面积比例较大，因此说明降雨对海南岛干旱的影响较大。

5 结 语

5.1　结论

本文基于MODIS影像，利用植被指数和地表温度构建的植被供水指数模型，结合土壤站点实测数据，分析了海南岛2004—2020年的干旱时空分布特征和变化趋势，最后结合气温和降雨数据分析了干旱的影响因素，结论如下：

（1） 2004—2020年期间以2004、2005、2010、2015年海南岛整体干旱偏严重。2005年海南岛56.76%的面积处于不同程度的干旱，其他年份旱情较轻。

（2）根据年内VSWI指数变化整体呈现先减少后增加的单峰型趋势，受气候和季节因素影响，1月—5月呈下降趋势，4月和5月达到旱情高峰期，6月—12月随着雨季的到来旱情有所缓解。2005年5月海南岛受灾最严重，80%以上的区域均处于不同程度的干旱，受灾严重区域集中在西南部地区。

（3）受地理因素和气候因子影响，海南岛不同土地利用类型年内VSWI值变化趋于一致，其中，林地和草地VSWI值偏高，说明受干旱影响较轻，耕地和城镇因植被稀疏和裸露的地表受干旱影响较强。

（4） 2004—2020年海南岛VSWI空间分布具有明显的季节性差异，受地形和气象因子等多种因素影响，海南岛主要以冬旱和春旱为主，夏旱和秋旱也会短暂性出现。各市县干旱具有明显的地域差异和季节差异，沿海重于内陆，四周重于中间，南部重于北部，西部重于南部。

（5） 海南岛多年降雨和气温空间分布不均匀，差异明显，其中VSWI与降雨和气温因子关系均较为密切，降雨与植被供水指数VSWI的相关性最高，且降雨较多的地区土壤含水量增加，水分供给充足，气温较低使得蒸散发减少，降低水分散失速率，干旱程度减轻，因此，海南岛干旱主要受气象因子降雨的影响较大。

5.2　讨论

本研究根据20 cm站点土壤相对湿度来划分干旱等级的原理是选取海南岛降雨较少的季节3月—11月份站点的实测数据与干旱指数做相关性分析，由于站点数据有限和受到气候因素的影响，导致实测站点的空间分布不均匀，时间序列不连续，进而两者相关系数不高，干旱的等级划分可能不够准确，缺乏数据代表性和完整性。同时，本文采用的植被供水指数VSWI是利用地表温度LST和植被指数NDVI构建的一种综合农业干旱监测指标，适用于植被覆盖度较高的地区，在植被覆盖度较低的情况下，可能会夸大植被的影响作用，导致干旱监测结果的不确定性。

考虑到遥感影像的选取，本文目的是在空间范围上掌握海南岛干旱整体变化，选用的MODIS数据分辨率较低，易造成干旱结果精度较差，下一步研究计划将采用Landsat等对海南岛某一市县进行深入的干旱监测和研究。由于干旱是一种复杂的气候现象，受到多种气象因子如温度、降雨、蒸散发、日照时数等影响［37］，单纯的气象指标或遥感监测方法无法全面反映干旱的动态过程和特点，亦可考虑将遥感监测指标和气象干旱指数进行有效的结合，构建综合性干旱监测模型，以期提高多源遥感数据综合利用水平和反演精度［38］，将成为未来解决农业干旱监测复杂问题的一个重要方向和发展途径。

参考文献

Nicolai-shaw N， Zscheischler J， Hirschi M， et al.

A drought event composite analysis using satellite remote-sensing based soil moisture

［J］. Remote Sensing of Environment，2017，203： 216-225.

[本文引用: 1]

Li Yiping， Li Yaohui.

Research progress on the adaptability of meteorological drought index in China

［J］.Arid Meteorology，2017，35（5）：709-723.

[本文引用: 1]

李忆平，李耀辉.

气象干旱指数在中国的适应性研究进展

［J］.干旱气象，2017，35（5）：709-723.

[本文引用: 1]

Muller L M， Bahn M.

Drought legacies and ecosyste-m responses to subsequent drought

［J］. Global Change Biology， 2022，28（17）：5086-5103. DOI.10.1111/gcb.16270.

[本文引用: 1]

Guo Ni， Wang Xiaoping， Wang Wei，et al.

Advance-s in drought remote sensing monitoring technology

［J］.Progress in Meteorological Science and Technology，2020，10（3）：10-20.

[本文引用: 1]

郭铌，王小平，王玮，等.

干旱遥感监测技术进展

［J］. 气象科技进展，2020，10（3）：10-20.

[本文引用: 1]

Cao Zhangchi， Yan Jing， Li Feng，et al.

Applicability analysis of various drought remote sensing indices in Linyi area

［J］. Chinese Agricultural Science Bulletin，2016， 32（20）：107-112.

[本文引用: 1]

曹张驰， 严婧， 李峰， 等.

多种干旱遥感指数在临沂地区的适用性分析

［J］. 中国农学通报， 2016， 32（20）：107-112.

[本文引用: 1]

Palmer W C. Meteorological drought［M］. Washington DC：US Department of Commerce， Weather Bureau， 1965.

[本文引用: 1]

Mckee T B， Doesken N J， Kleist J.

The relationship of drought frequency and duration to time scales

［J］. Proceedings of the 8th Conference on Applied Climatology，1993，17（22）： 179-183.

[本文引用: 1]

Zhang Qiang， Ju Xiaosheng， Li Shuhua.

Comparison of three drought indexes and determination of new indexes

［J］. Meteorological science and technology，1998（2）：49-53.

[本文引用: 1]

张强，鞠笑生，李淑华.

三种干旱指标的比较和新指标的确定

［J］.气象科技，1998（2）：49-53.

[本文引用: 1]

Vicente-serrano S M， Begueria S， Lopez-Moreno J I.

A multiscalar drought index sensitive to global warming： The standardized precipitation evapotranspiration index

［J］. Journal of Climate，2010，23（7）：1696-1718.

[本文引用: 1]

Ma Z C， Sun P， Zhang Q， et al.

Characterization and evaluation of MODIS-Derived Crop Water Stress Index （CWSI） for monitoring drought from 2001 to 2017 over Inner Mongolia

［J］. Sustainability， 2021， 13（2）： 916. DOI：10.3390/su13020916 .

[本文引用: 1]

Jackson R D， Kustas W P.

A reexamination of the crop water stress index

［J］. Irrigation Science，1988，9（4）：309-317.

[本文引用: 1]

Sandhol T I， Rasmussen K， Andersen J.

A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status

［J］. Remote Sensing of Environment， 2002， 79（2）： 213-224.

[本文引用: 1]

Carlson T N， Perry E M， Schmugge T J.

Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields

［J］.Agricultural & Forest Meteorology，1990， 52（1-2）：45-69.

[本文引用: 1]

Bindlish R， Jacjsib T J， Gasiewski A J， et al.

Soil moisture mapping and AMSR-E validation using the PSR in SMEX02

［J］. Remote Sensing of Environment，2012，103（2）：127-139.

[本文引用: 1]

Liu Xiaolu， Zhou Yangang， Wen Li， et al.

Drought characteristics in Henan province from 2000 to 2016 based on VSWI and SPI

［J］. Arid Land Geography，2018，41（5）：984-991.

[本文引用: 1]

刘晓璐，周廷刚， 温莉， 等.

基于VSWI和SPI的2000—2016年河南省干旱特征研究

［J］.干旱区地理，2018，41（5）：984-991.

[本文引用: 1]

Ma Zice， Sun Peng， Zhang Qiang， et al.

Research on remote sensing drought monitoring in North China based on MODIS data

［J］. Geographical Sciences 2022，42（1）：152-162.

[本文引用: 1]

马梓策，孙鹏，张强，姚蕊.

基于MODIS数据的华北地区遥感干旱监测研究

［J］.地理科学，2022，42（1）：152-162.

[本文引用: 1]

Pan Weihua， Chen Jiajin， Chen Hui， et al.

Remote sensing dynamic monitoring of drought in Fujian province based on MODIS data

［J］. Chinese Journal of Eco-Agriculture，2008（4）：1015-1019.

[本文引用: 1]

潘卫华， 陈家金， 陈惠， 等.

基于MODIS数据的福建省干旱遥感动态监测分析

［J］. 中国生态农业学报， 2008（4）：1015-1019.

[本文引用: 1]

Luo Shaohua， Hu Jufang， Gong Zhiyu.

Study on remote sensing monitoring technology of spring drought in Jiangxi province in 2011 based on MODIS

［J］. Meteorological Hydrological and Marine Instrument，2015，32（3）：32-35.

[本文引用: 1]

罗少华，胡菊芳，巩志宇.

基于MODIS的江西省2011年春旱遥感监测技术研究

［J］.气象水文海洋仪器，2015，32（3）：32-35.

[本文引用: 1]

Cunha A， Alvala R C， Nobre C A， et al.

Monitoring vegetative drought dynamics in the Brazilian semiarid region

［J］. Agricultural & Forest Meteorology，2015，214-215：494-505.

[本文引用: 1]

Oliveira N M， Silva R M， Brasil Neto R M， et al.

Spatiotemporal patterns of agricultural and meteorological droughts using SPI and MODIS-based estimates over a Brazilian semiarid region： Study case of Upper Paraíba River basin

［J］. Geocarto International，2022：1-24. DOI：10.1080/10106049.2022 2060315 .

[本文引用: 1]

Li Hailiang， Tian Guanghui， Liu Haiqing.

Research on drou-ght monitoring in Hainan island based on MODIS data

［J］. Guangdong Agricultural Sciences，2011，38（6）：204-206.

[本文引用: 1]

李海亮， 田光辉， 刘海清.

基于MODIS数据的海南岛干旱监测研究

［J］.广东农业科学，2011，38（6）：204-206.

[本文引用: 1]

Xu Xinliang， Liu Jiyuan， Zhang Shuwen，et al.

Multiperiod land use land cover remote sensing monitoring dataset in China （CNLUCC）

［DB/OL］. Data Registration and Publication System of the Data Center for Resource and Environmental Sciences， Chinese Academy of Sciences （http：∥www.resdc.cn/DOI）， 2018.徐新良，刘纪远，张树文，等．中国多时期土地利用土地覆被遥感监测数据集（CNLUCC）［DB/OL］. 中国科学院资源环境科学数据中心数据注册与出版系统（http：∥www.resdc.cn/DOI），2018.

[本文引用: 1]

Li Hailiang， Dai Shengpei， Hu Shenghong， et al.

Agricultural drought comprehensive monitoring model based on spatial information and its application

［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28（22）：181-188，295.

[本文引用: 1]

李海亮， 戴声佩， 胡盛红， 等.

基于空间信息的农业干旱综合监测模型及其应用

［J］. 农业工程学报，2012，28（22）：181-188，295.

[本文引用: 1]

Qian Yonglan， Houquan Lü， Zhang Yanhong.

Application and evaluation of daily meteorological elements interpolation method based on ANUSPLIN software

［J］.Journal of Meteorology and Environment，2010，26（2）：7-15.

[本文引用: 1]

钱永兰， 吕厚荃， 张艳红.

基于ANUSPLIN软件的逐日气象要素插值方法应用与评估

［J］. 气象与环境学报，2010，26（2）：7-15.

[本文引用: 1]

Li Hailiang， Dai Shengpei， Hu Shenghong， et al.

Research on comprehensive monitoring of agricultural drought in Hainan Island

［J］. Journal of Sun Yat-sen University （Natural Science Edition），2012，51（6）：126-130.

[本文引用: 1]

李海亮， 戴声佩， 胡盛红， 等.

海南岛农业干旱综合监测研究

［J］. 中山大学学报（自然科学版），2012，51（6）：126-130.

[本文引用: 1]

Cao Yan， Wang Jie， Li Zhufen， et al.

Soil water retrieval based on VSWI method in Yunnan province

［J］. China Rural Water and Hydropower， 2017（4）：22-27.

[本文引用: 1]

曹言， 王杰， 李竹芬， 等.

基于VSWI法的云南省土壤水分反演研究

［J］. 中国农村水利水电， 2017（4）：22-27.

[本文引用: 1]

Zhou Xiaofeng， Nie Yan， Liu Xiuyun， et al.

Soil moisture retrieval based on Vegetation Water Supply Index in Northern Tibet

［J］.China Agricultural Information，2018，30（4）：90-100.

[本文引用: 1]

周逍峰， 聂艳， 刘秀芸， 等.

基于植被供水指数的藏北地区土壤湿度反演研究

［J］. 中国农业信息，2018，30（4）：90-100.

[本文引用: 1]

Yang Yanrong， Hu Guoqiang.

Research on soil moisture retrie-val method in arid region based on Vegetation Water Supply Index

［J］.Modern electronic Technology，2019，42（2）：138-142，146.

杨彦荣， 胡国强.

基于植被供水指数的旱区土壤湿度反演方法研究

［J］.现代电子技术，2019，42（2）：138-142，146.

Li Qi， Sun Xiaoyu， Wang Lianxi， et al.

Application of VSWI based on different vegetation indices in spring drought monitoring in Henan province

［J］. Crop Journal，2016（1）：162-168.

李琪， 孙晓宇， 王连喜， 等.

基于不同植被指数的VSWI在河南省春季干旱监测中的应用分析

［J］.作物杂志， 2016（1）：162-168.

Li Y， Dong Y， Yin D， et al.

Evaluation of drought monitoring effect of winter wheat in Henan province of China based on multi-source data

［J］. Sustainability，2020，12（7）：2801. DOI：10.3390/su12072801 .

[本文引用: 1]

Zhang Qiang， Zou Xukai， Xiao Fengjin，et al. . Meteorological Drought Grade ［S］. Beijing：Standards Press of China，2006.张强，邹旭凯，肖风劲，等.. 气象干旱等级［S］. 北京： 中国标准出版社，2006.

[本文引用: 1]

Yan Zhizhuang， Li Xianrui， Lin Ke.

Investigation of drought in Hainan province

［J］. Disaster Reduction in China， 2005（4）：28-30.

[本文引用: 1]

闫志壮， 李先瑞， 林柯.

海南旱灾调查

［J］. 中国减灾，2005（4）：28-30.

[本文引用: 1]

Li Weiguang， Yi Xue， Che Xiufen， et al.

Dry and wet situation and occurrence characteristics of drought in Hainan island

［J］. Meteorological Research and Application，2011，32（S2）：53-54.

[本文引用: 1]

李伟光， 易雪， 车秀芬，等.

海南岛干湿概况与干旱发生特征

［J］. 气象研究与应用，2011，32（）：53-54.

[本文引用: 1]

Che Xiufen， Zhang Jinghong， Huang Haijing，et al.

Study on the climate zoning of Hainan island

［J］. Tropical Agricultural Science，2014，34（6）：60-65，70.

[本文引用: 1]

车秀芬，张京红，黄海静， 等.

海南岛气候区划研究

［J］.热带农业科学，2014，34（6）：60-65，70.

[本文引用: 1]

Zhang Chunhua， Wu Sheng′an.

Study on the impact of high temperature on drought in southwestern Hainan island

［J］. Advances in Meteorological Science and Technology，2020，10（4）：96-101.

[本文引用: 1]

张春花，吴胜安.

高温对海南岛西南部干旱影响研究

［J］.气象科技进展，2020，10（4）：96-101.

[本文引用: 1]

Zhou L， Zhang J， Wu J， et al.

Comparison of remotely sensed and meteorological data-derived drought indices in mid-eastern China

［J］. International journal of remote sensing，2012，33（6）：1755-1779.

[本文引用: 1]

Shi K， Toufw Y， Kazama S.

Defining homogeneous drought zones based on soil moisture across japan and teleconnections with large-scale climate signals

［J］. Journal of Applied Meteorology and Climatology，2022，61（1）：43-60.

[本文引用: 1]

Liu Xianfeng， Zhu Xiufang， Pan Yaozhong， et al.

Res-earch progress and prospects of agricultural drought monitoring

［J］. Acta Geographica Sinica，2015，70（11）：1835-1848.

[本文引用: 1]

刘宪锋， 朱秀芳， 潘耀忠， 等.

农业干旱监测研究进展与展望

［J］. 地理学报，2015，70（11）：1835-1848.

[本文引用: 1]

/

〈 〉