刘晓静，张继权，马东来

(1.吉林师范大学旅游与地理科学学院，四平 136000； 2.东北师范大学环境学院，吉林长春 130000；3.筑波大学系统与信息工程研究生院，日本筑波 3050006)

基于MODIS数据的辽西北地区玉米干旱脆弱性评价研究*

刘晓静1※，张继权2，马东来3

(1.吉林师范大学旅游与地理科学学院，四平 136000； 2.东北师范大学环境学院，吉林长春 130000；3.筑波大学系统与信息工程研究生院，日本筑波 3050006)

传统区域作物脆弱性的研究主要基于气象资料、作物生长观测资料和社会经济统计资料，忽略了作物对极端事件的反应在时空分布上的差异性。众多研究表明，植被指数能够表征水分胁迫下的植被特征，在对旱情的表达上比常规的间接方法更为直接，监测精度更高。研究以辽西北地区2006年玉米干旱为例，基于MODIS数据计算植被状态指数VCI和温度条件指数TCI，根据二者在旱情表达上不同的侧重和研究目的，确定模型参数，构建辽西北地区玉米干旱脆弱性模型，计算玉米干旱脆弱性，并将玉米干旱脆弱性划分为4级，借助GIS技术绘制辽西北地区玉米各生育阶段干旱脆弱性的空间分布图。结果表明，随着时间的推移，辽西北地区玉米干旱脆弱性空间分布也在发生着变化。研究实现了玉米干旱脆弱性在时间变化和空间分布上的差异变化描述，为区域因地制宜地制定防灾减灾规划提供科学依据。

MODIS影像 玉米干旱 脆弱性 植被状态指数 温度条件指数

0 引言

农业旱灾已严重影响和威胁了我国的粮食生产和粮食安全[1]。旱灾对农作物造成的危害程度不仅取决于干旱事件的强度，更取决于作物自身面对旱灾时表现出的脆弱性。Burton和White等认为脆弱性是指承灾体对于破坏和伤害的敏感性[2]。因此，对区域作物干旱脆弱性进行研究是区域农业旱灾风险评估和损失估算的重要环节，为区域防灾减灾规划的制定和农业生产的稳定持续发展提供科学依据。

近年来，国内外对区域作物脆弱性的研究主要基于气象资料、作物生长观测资料和社会经济统计资料[3-12]。研究虽能在一定程度上评价作物的脆弱程度，但也存在一些弊端：(1)模型构建所需参数较多，数据的收集和处理需要大量的人力、物力和时间； (2)气象、统计以及作物生长观测资料等都属于地面点数据，地面观测点的空间位置、密度等都限制了点至面的转换精度，从而降低了区域作物脆弱性在空间分布和时间变化上的评价精度。遥感数据的及时性、快速性以及空间连续性弥补了上述的缺憾，它可以更好地对作物进行大面积的动态监测。众多研究表明，在半干旱和干旱区，植被指数能够表征水分胁迫下的植被特征[13-16]，并且可在空间和时间上较好的反映干旱的发生、发展和空间分布[17-19]，在对旱情的表达上比常规的间接方法更为直接，监测精度更高[20-21]。研究以辽西北地区玉米旱灾为研究对象，从作物自身对干旱的反应出发，利用MODIS数据构建玉米干旱脆弱性评价模型，评价辽西北地区玉米干旱脆弱性，为区域农业旱灾损失的快速评估、防灾减灾规划的制定提供决策依据。

图1 研究区行政区划

1 研究区概况与数据准备

1.1 研究区概况

辽西北地区(图1)位于辽宁省的西北部，包括朝阳、阜新、锦州、葫芦岛、铁岭5个地级市和沈阳1个副省级城市。辽西北土地面积6.8万km2，占全省的47%，其中玉米播种面积约占到全省的67%，是辽宁省玉米重要产地。主要气候特点是干旱多风，日照丰富，积温较高，雨量不均，东湿西干。辽西北地区降水量由东南向西北呈递减趋势，西部地区正常年份的降雨量仅有500mm，是辽宁省干旱发生最频繁、最严重的地区，通常，以“十年九旱”来形容该地区干旱的频发程度。例如在1999～2006年，辽西北地区连续8年发生了不同程度的干旱，全省农作物受旱面积累计13万km2，粮食作物损失1.45×1010kg，尤其在2006年6月下旬至8月上旬，辽西北地区发生了自1951年以来特大伏旱，旱灾造成辽西北地区92.88%的农作物受旱，粮食减产4.07×109kg。可见，干旱是影响辽西北玉米生长的主要气象灾害。

1.2 数据来源与处理

1.2.1 卫星数据

研究采用了美国国家航空航天局(NASA)制作的MODIS陆地标准产品MOD11A2和MOD13A2。与早期应用广泛的NOAA-AVHRR数据相比，MODIS数据具有较高的时间、空间以及波谱分辨率，因此能更好的进行旱情监测。该研究收集了2000～2013年生长期(4～9月)的MOD11A2和MOD13A2数据，空间分辨率均为1 000m，时间分辨率分别为8d和16d。在进一步去噪、投影、拼接等基础处理后，依据划分的玉米各生长期的时间段使用最大值合成法合成各生长期的卫星数据，之后计算植被指数。

(1)植被状态指数

Kogan等在1990年提出植被状态指数(Vegetation Condition Index)的概念[17]，并将其定义为某一时刻NDVI(植被归一化指数)与历史同期最大NDVI值和最小NDVI值的比值，用以反映相同生理期内植被的生长状况，公式如下：

(1)

式中，VCIj是j时的植被状态指数，NDVIj是j时的归一化植被指数，NDVImax、NDVImin分别为所有图像中NDVI的最大值和最小值。

VCI是通过对地表植被生长状况的监测来达到监测干旱的目的[19]。由于水分在大气-植被-土壤循环中，植被在生理过程中对水分胁迫相对土壤有一定的滞后，当干旱发生时，植被在水分胁迫下其NDVI值不同程度的减少反映了土壤的水分状况[25]，因此该指标可较好的反映植被生长状况与土壤水分的关系。

(2)温度条件指数

当土壤中有充足的水分时，地表植被叶面的潜热增加显热减少，地表植被叶面温度较低； 当干旱发生时，地表的蒸腾蒸散作用有增大趋势，但是土壤中水分缺乏，没有足够的水分用来完成蒸腾蒸散作用，冠层或裸土的温度会有不同程度的增加。基于这一特征，温度条件指数[26](TemperatureConditionIndex)定义如下：

(2)

式中，TCIj为日期j的温度条件指数，Tj为日期j的地表温度，Tmax、Tmin分别为数据集中所有图像的最大地表温度和最小地表温度。

表1 玉米生育阶段及其相应时间段

玉米生育期时间段播种期4月下旬至5月上旬苗期5月中旬至6月上旬拔节期6月中旬至7月上旬抽穗期7月中旬至8月上旬灌浆成熟期8月中旬至9月中旬

1.2.2 农业数据

农业数据主要收集了研究区多年的玉米产量数据和玉米生长期观测资料。玉米在不同发育期对水分的需求不同，因此，玉米在不同的生长阶段受同一等级干旱强度的影响也不同。考虑到辽西北地区气候特征和玉米的品种及其生长特点，结合辽宁省水利电力厅1992年编制的《辽宁省抗旱资料汇编》，根据辽西北地区各农气站提供的多年玉米发育期资料，以旬为单位确定辽西北地区玉米各生育阶段的起止时间，划分为5个阶段，如表1所示。

1.2.3 其他数据

除卫星数据和农业数据外，该研究还收集了辽西北地形图(DEM)、土地利用/覆盖类型数据、玉米种质资源地理分布图和辽宁省农业区划图，用于识别玉米的覆盖范围。数据资料主要来源于国际科学数据服务平台、《辽宁省统计年鉴1989-2014》、《辽宁省水旱灾害》、中国种质查询网和中国种植业信息网。

2 脆弱性模型的构建

作物生长依赖根系从土壤中吸收的大量水分，这些水分除少量直接参与代谢作用外，其余99%都用于蒸腾作用，水分通过作物的地上部分散失到空中，从而调节自身体温，保证其正常的生长发育。当土壤中水分缺乏，作物受旱，作物冠层通过关闭部分气孔而减少蒸腾蒸发量，这又导致冠层或裸土温度会有不同程度的增加。可见，土壤水分的不足直接影响了作物的蒸腾蒸发量，而作物蒸腾蒸发量的变化可通过作物的生长状态和冠层温度表现出来。因此选取能够代表玉米自身生长状态的植被指数VCI和反映玉米冠层温度的TCI，将两者结合起来，实现玉米对干旱脆弱性的遥感监测。模型定义如下：

CDRIj=ajVCIj+bjTCIj

(3)

式中，CDRIj为玉米某一生育阶段的干旱脆弱性指数；j代表玉米的某一生育阶段，j=1， 2，…， 5；VCIj、TCIj为j生育阶段的植被指数；aj、bj分别为第j生育阶段VCIj、TCIj的权重系数，aj∈[0， 1]、bj∈[0， 1]。CDRIj值越大，表明玉米对干旱的敏感性越低，反应越弱，脆弱性越小； 反之，玉米对干旱的敏感性越高，反应越强烈，敏感性越高。

依据Unganai和Kogan[22]、朱小祥[23]、匡昭敏[24]等的研究，权重系数采用灵活赋值法求取，即a、b在0～1间取值，且a+b=1，以0.1为步长计算作物干旱脆弱性指数CDRI，对CDRI与VCI、TCI进行相关分析，以确定VCI、TCI分别对CDRI的贡献显著性及大小(表2)。当土壤水分发生亏缺时，玉米生长状态与地表温度同时对土壤湿度有一定的反映，因此必须保证玉米任一生育阶段VCI与TCI对CDRI贡献是相等的。另外，VCI通过描述植被的生长状况反映植被的健康程度，而TCI通过对温度的描述表达地表或植被冠层温度对环境变化的响应，因此，根据研究目的，后者的权重系数应大于前者。

3 结果与分析

3.1 权重系数的确定

根据上述基本原理，分别计算玉米各生长阶段VCI与TCI的权重系数a，b。以抽穗阶段为例，如表2所示，当a、b分别取0.4、0.6时，CDRI与产量的相关性最高(P<0.05)，且CDRI与两个参数的相关系数均达到0.8，满足上述要求，因此，以0.4、0.6分别作为抽穗阶段VCI、TCI的权重系数。除播种期外，苗期、拔节期以及灌浆成熟期a、b的选取过程与抽穗期相同，经计算各生育期符合要求的a、b值均为0.4、0.6。播种期则较为特殊。播种期是指播种至出苗前的这段时间，该时间段内地表覆盖为土壤，通过植被生长状况表达干旱的VCI在此阶段内始终呈现低值，对干旱的表达造成干扰，因此只选择表征地表温度的TCI作为此阶段的干旱脆弱性指数更为准确，即a=0，b=1。

表2 各生长阶段CDRI与VCI、TCI的相关系数

权重系数(a,b)CDRI与VCI、TCI的相关系数苗期拔节期抽穗期灌浆成熟期VCITCIⅤCITCIⅤCITCIⅤCITCI0.1,0.90.4280.9860.3300.9910.3270.9870.5990.9960.2,0.80.5800.9420.4650.9610.4880.9450.6770.9810.3,0.70.7140.8680.6010.9050.6390.8680.7430.9340.4,0.60.8190.7750.7550.8220.7670.7650.8210.9150.5,0.50.8950.6750.8280.7180.8620.6480.8500.8640.6,0.40.9440.5750.9040.6030.9260.5310.9270.7730.7,0.30.9740.4840.9540.4890.9660.4230.9620.7350.8,0.20.9900.4030.9830.3820.9870.3270.9840.6630.9,0.10.9980.3330.9960.2870.9970.2450.9960.591

3.2 辽西北地区玉米干旱脆弱性评价

分析以往历史灾情数据可知， 2006年4～9月辽西北地区发生农业干旱。因此，研究以2006年为例，计算辽西北地区玉米各生育阶段的干旱脆弱性指数，利用最优分割法，将脆弱性指数分为轻度、中度、重度和严重4个等级(表3)。图2为研究区玉米各生育阶段干旱脆弱性等级图。

图2 辽西北玉米各生育阶段干旱脆弱性等级

表3 辽西北地区玉米干旱脆弱性等级

生育期脆弱性等级轻度中度重度严重播种期(0.694,1](0.518,0.694](0.271,0.518][0,0.271]苗期(0.647,1](0.463,0.647](0.282,0.463][0,0.282]拔节期(0.682,1](0.506,0.682](0.325,0.506][0,0.325]抽穗期(0.812,1](0.663,0.812](0.482,0.663][0,0.482]灌浆成熟期(0.718,1](0.518,0.718](0.290,0.518][0,0.290]

玉米在不同生育阶段对干旱的反应程度不同。播种期，研究区玉米严重脆弱区域仅占到总面积的3.7%，主要分布于朝阳县北部、建昌南部和兴城，中度脆弱区域面积比例最高，达到46.8%，朝阳和阜新分布最多，计算各地级市脆弱性平均值，则脆弱性等级由大到小依次为：葫芦岛、朝阳、沈阳、锦州、阜新和铁岭。玉米出苗进入苗期，发生重度及以上的脆弱性区域达到了54.6%且集中分布在西南部，超过了60%的轻度脆弱性区域分布在阜新和沈阳，在该阶段各地级市玉米干旱脆弱性等级由大到小依次为：朝阳、葫芦岛、锦州、铁岭、沈阳和阜新。玉米进入拔节期，研究区东北部降雨量较少，其余地区降雨量均高于多年同期平均值，尤其是葫芦岛市，降水距平百分率大于50%，部分地区甚至达到120%，但玉米干旱重度及以上的脆弱性区域面积虽减少，可仍然集中分布于西南部，尤其是朝阳、北票、喀左、建昌、绥中、葫芦岛、锦州、凌海等地区，造成这种现象的原因是玉米在生长过程中对水分胁迫相对于土壤存在一定的滞后性。因此，在该阶段各地级市脆弱性等级由大到小依次为：葫芦岛、锦州、朝阳、阜新、沈阳和铁岭。受拔节期降雨量和玉米生长对水分胁迫的滞后性影响，抽穗期研究区东北部玉米轻度脆弱性面积减小，重度及以上脆弱性面积增大，其余地区的脆弱性等级相较于拔节期均有所降低。玉米进入灌浆成熟期，重度及以上脆弱性区域占到了总面积的39%，集中分布于阜新、锦州和沈阳，该阶段各地级市脆弱性由大到小依次为：阜新、沈阳、锦州、铁岭、朝阳和葫芦岛。

4 结论与讨论

研究采用MODIS数据，从玉米自身对干旱的反应出发，通过计算、组合能够代表干旱胁迫下玉米生长状态的植被指数VCI和TCI，构建研究区玉米干旱脆弱性模型，为便于评价研究区玉米脆弱性程度，利用最优分割法划分脆弱性等级，并绘制等级图。与传统脆弱性模型的构建和评价方法相比，研究(1)通过利用遥感数据时间连续性和空间连续性的特点，描述了玉米在不同生育阶段受干旱灾害的威胁情况及其在空间分布上的差异，很好地弥补了传统方法在时空分布差异性方面的缺失； (2)在数据的收集与处理、植被指数计算等方面较为简单、方便，工作量较小，且遥感数据可免费下载。然而，研究中仍存在一些不足之处，例如，作物生长对降雨、土壤湿度的反应具有一定的“滞后性”，且地方的防旱抗旱工作也会减轻作物生长的旱情，然而研究中并未探讨，因此研究结果有待进一步完善。

[1] 覃志豪， 唐华俊，李文娟,等.气候变化对农业和粮食生产影响的研究进展与发展方向.中国农业资源与区划,2013, 34(5): 1～7

[2]WilhiteDA.Drought：AGlobalAssessment.LondonandNewYork：Routledge,2000

[3] 刘兰芳， 关欣唐，云松.农业旱灾脆弱性评价及生态减灾研究——以湖南省衡阳市为例.水土保持通报,2005, 2(2): 69～73

[4] 王静爱， 商彦蕊，苏筠,等.中国农业旱灾承灾体脆弱性诊断与区域可持续发展.北京师范大学学报(社会科学版), 2005，(3)： 130～137

[5] 杨奇勇， 李景保，蔡松柏.湖南农业干旱脆弱性分区研究.水资源与水工程学报, 2007，(3)： 46～49

[6]TodiscoF，VergniL，MannocchiF.OperativeApproachtoAgriculturalDroughtRiskManagement.Journalofirrigationanddrainageengineering, 2009, 135(5): 654～664

[7]FontaineMM，SteinemannAC，ASCEM.AssessingVulnerabilitytoaNaturalHazards：ImpactBasedMethodandApplicationtoDroughtinWashingtonState.NaturalHazardsReview， 2009, 10(1): 11～18

[8] 盛绍学， 石磊.江淮地区小麦春季涝渍灾害脆弱性成因及空间格局分析.中国农业气象,2010， 31(增1)： 140～143

[9]Antwi-AgyeiP.VulnerabilityandadaptationofGhana’sfoodproductionsystemsandrurallivelihoodstoclimatevariability.Leeds，UniversityofLeeds， 2012

[10]KiumarsZarafshanietal.Droughtvulnerabilityassessment：ThecaseofwheatfarmersinWesternIran.GlobalandPlanetaryChange， 2012， 122～130

[11]ZarafshaniK，SharafiL，AzadiH，etal.Droughtvulnerabilityassessment：ThecaseofwheatfarmersinWesternIran.GlobPlanetChange, 2012，(98)： 122～130

[12]庞泽源， 董姝娜，张继权，等.基于CERES-Maize模型的吉林西部玉米干旱脆弱性评价与区划.中国生态农业学报,2014, 22(6): 705～712

[13]TukerC.J.，ChoudhuryB.J.Satelliteremotesensingofdroughtconditions.RemoteSensingofEnvironment， 1987， 17： 233～249

[14]Y.Bayarjargal，A.Karnieli，M.Bayasgalan，etal.AcomparativestudyofNOAA-AVHRRderiveddroughtindicesusingchangevectoranalysis.RemoteSensingofEnvironment， 2006， 9～22

[15]JiL.，PetersA.AssessingvegetationresponsetodroughtinthenorthernGreatPlainsusingvegetationanddroughtindices.RemoteSensingofEnvironment， 2003， 87： 85～98

[16]张洁， 武建军，周磊,等.基于MODIS数据的农业干旱监测方法对比分析.遥感信息， 2012, 27(5): 48～54

[17]LiuW.T.，KoganF.N.Monitoringregionaldroughtusingthevegetationconditionindex.InternationalJournalofRemoteSensing, 1996， 17： 2761～2782

[18]HayesM.J.，DeckerW.L.Usingsatelliteandreal-timeweatherdatatopredictmaizeproduction.InternationalJournalofBiometeorology, 1998， 42： 10～15

[19]郭铌， 管晓丹.植被状况指数的改进及在西北干旱监测中的应用.地球科学进展， 2007, 22(11): 1160～1168

[20]王磊， 王贺，卢艳丽，等.NDVI在农作物监测中的研究与应用.中国农业资源与区划， 2013, 34(4): 43～50

[21]刘少华， 严登华，史晓亮，等.中国植被NDVI与气候因子的年际变化及相关性研究.干旱区地理， 2014, 37(3): 480～489

[22]Unganai，LeonardS.，KoganF.N.DroughtMonitoringandCornYieldEstimationinSouthernAfricafromAVHRRdata.RemoteSensingofEnvironment,1998， 63： 219～232

[23]朱小祥， 刘瑞霞.卫星资料在干旱监测中的应用研究.海洋科学进展， 2004， 22(增刊)： 8～15

[24]匡昭敏， 朱伟军，杨鑫等.基于MODIS数据的广西旱区干旱指数模型研究.南京气象学院学报,2007， 30(3) 352～358

[25]柳钦火， 辛晓洲.定量遥感模型、应用及不确定性研究.科学出版社， 2010

[26]Kogan，F.N.Applicationofvegetationindexandbrightnesstemperaturefordroughtdetection.AdvancesinSpaceResearch,1995， 11: 91～100

THE STUDY OF VULNERABILITY ASSESSMENT ON MAIZE DROUGHT IN THE NORTHWEST OF LIAONING PROVINCE BASED ON MODIS*

Liu Xiaojing1※, Zhang Jiquan2, Ma Donglai3

(1.College of Tourism and Geographic Science，Jilin Normal University，Siping 136000，China； 2.Environment College of Northeast Normal University，Changchun,Jilin 130000，China；3.University of Tsukuba Graduate School of System and Information Engineering，Tsukuba， 3050006,Japan)

The traditional studies on crop vulnerability were based on meteorological data, observational data and social and economic statistics, which overlooked the differences of spatial and temporal distribution because of the crop reaction to extremely event. Many studies indicated that vegetation index can directly express crop drought condition, which was more precision than the traditional method. Taking maize drought in 2006 in the northwest of Liaoning province as an example, this paper calculated the Vegetation Condition Index and Temperature Condition Index based on MODIS data. The model of vulnerability of maize drought in the study area was established and the model parameters were determined based on the different expression on drought between VCI and TCI. The vulnerability indexes were calculated and divided into 4 grades. The spatial distribution maps of vulnerability at different growth stages were drawn using GIS. It showed that the spatial and temporal vulnerability distribution of maize at each growth stage changed over time. The results can be used to describe maize drought vulnerability differences in spatial distribution and temporal variation, and provide a scientific basis for making drought defense strategies based on local conditions.

MODIS image; maize drought; vulnerability; Vegetation Condition Index; Temperature Condition Index

10.7621/cjarrp.1005-9121.20161107

2015-11-17

刘晓静(1985—)，女，山西忻州人，博士、讲师。研究方向：自然灾害监测、风险评价与管理。Email：liuxj@jlnu.edu.cn

*资助项目：四平市科技发展计划项目“基于遥感数据的玉米干旱风险时空动态格局分析”(2014058)； 国家自然科学基金项目“辽西北灌区玉米干旱灾害动态风险预警与玉米灌溉调控模拟研究”(41501559)； 国家自然科学基金项目“多灾种农业气象灾害综合风险动态评估研究——以吉林省中西部玉米产区为例”(41571491)

S513; S423

A

1005-9121[2016]11-0044-06