2022年长江流域旱情遥感监测_陈龙.pdf

Feb.2023 NO.2 VOL.332023年2月 第2期 第33卷CHINA FLOOD&DROUGHT MANAGEMENT中国防汛抗旱监测预报MONITORING AND FORECASTING0 引言近年来，极端气候现象明显增加，尤其是高强度、长时间的干旱造成农村城市供水不足饮水困难，农牧业生产停滞，工业生产难以运营，水电产能不足及河湖水量锐减等问题，严重威胁自然生态与人民财产安全1-2。长江流域属于东亚季风气候，降水年内年际变化大。2022年，西太平洋副热带高压6月中旬开始向西移动，夏季一直覆盖于整个长江流域，而亚欧大陆中高纬西风带环流与青藏高原低涡活动带来的水汽较少，导致了长江流域的干旱3-5。长江流域大范围受旱程度、受旱范围等情势监控，可为旱情救灾、水资源调度等工作提供依据6-7。近年来，卫星遥感技术凭借其可快速、低成本、高效实现大范围监测的优势，应用于干旱监测等工作中8。国内外常将遥感技术和干旱指数结合进行旱情监测，常用的干旱指数有标准降水指数（Standardized Precipitation Index，SPI）、标 准 降 水 蒸 散 发 指 数（Standardize precipitationevaporation index，SPEI）、植被状态指数（Vegetation ConditionIndex，VCI）、温度条件指数（Temperature Condition Index，TCI）等9-11。曲学斌等12基于中分辨率成像光谱仪（MODIS）数据通过VCI及TCI对内蒙古东部干旱进行监测，指出TCI和VCI在干旱监测中具有一定优势。张彦等13基于高分六号卫星利用归一化植被指数（NDVI）、红边归一化植被指数（NDVI_RE）证明红边波段可以进行花生干旱监测。董磊等14基于哨兵3号（Sentinel-3）计算多年条件植被温度指数（IVTC）并对关中平原进行定量干旱监测。GEE（Google Earth Engine）遥感云计算平台是一个基于 Google 云服务基础设施的遥感大数据分析平台，具有计算速度快，不用下载数据，工作效率高，可用数据多等优势。本文基于GEE，利用降水距平指数、标准化降水指数、2022年长江流域旱情遥感监测陈龙1，2宋文龙1，2杨永民1，2李小涛1，2辛景峰1，2林胜杰1，2许佳欣3（1.中国水利水电科学研究院，北京100038；2.水利部遥感技术应用中心，北京100038；3.太原理工大学，太原030024）DOI:10.16867/j.issn.1673-9264.2023041摘要：2022年7月以来，长江流域持续高温少雨，江河来水偏少、水位持续走低，中小型水库蓄水不足，多地土壤缺墒。遥感技术能够高效、大范围对旱情进行监测评估。针对长江流域四川、重庆、云南、贵州、陕西、湖北、湖南、江西、江苏地区旱情，基于多源卫星遥感数据及中国气象局数据，通过GEE（Google Earth Engine）遥感云计算平台，利用降水距平指数、标准化降水指数、遥感旱情指数、遥感土壤水分、水体面积变化等数据对长江中下游地区旱情进行动态监测分析。分析结果表明，2022年长江旱情影响范围广，持续时间长，降水量与土壤含水量均比往年平均值低30%以上，且旱情从长江上游快速蔓延至长江中下游。旱情导致长江流域来水剧减，其中鄱阳湖、洞庭湖在68月期间水体面积缩减40%以上。基于此次旱情，长江流域仍需推动水利工程建设，优化水资源调度，从而提高应对此类高强度、长时间的旱情的能力。关键词：旱情监测；遥感；长江流域；GEE（Google Earth Engine）中图法分类号：X43文献标识码：A文章编号：1673-9264（2023）02-26-05陈龙，宋文龙，杨永民，等.2022年长江流域旱情遥感监测J.中国防汛抗旱，2023，33（2）：26-30.CHEN Long，SONG Wenlong，YANG Yongmin，et al.Remote sensing monitoringof drought in the Yangtze River basin in 2022J.China Flood&Drought Management，2023，33（2）：26-30.（in Chinese）收稿日期：2023-02-09第一作者信息：陈龙，男，硕士研究生，E-mail：。基金项目：国家自然科学基金专项项目（42142029）。26Feb.2023 NO.2 VOL.332023年2月 第2期 第33卷中国防汛抗旱CHINA FLOOD&DROUGHT MANAGEMENT监测预报MONITORING AND FORECASTING遥感旱情指数、遥感土壤水分、水体面积变化对长江中下游地区旱情进行动态监测分析。并收集20202022年6月、7月、8月哨兵1号（Sentinel-1）和哨兵2号（Sentinel-2）卫星数据，基于双极化雷达指数（SDWI）和归一化差分水体指数（NDWI）提取水体范围，重点分析鄱阳湖、洞庭湖的变化，对长江流域受旱范围及受旱程度进行监测分析。1 数据与方法1.1 数据来源本文历史降水数据来源于 CHIRPS（Climate HazardsGroup InfraRed Precipitation with Station data）数 据 集。CHIRPS由美国地质调查局开发，提供1981年至今（2023年仍在更新）分辨率为5 566 m的全球降水数据。2022年7月和8月的降水数据来源于GSMaP（Global Satellite Mappingof Precipitation），由全球降水计划（GPM）卫星观测数据反演得到。卫星遥感数据来源于MODIS、Sentinel-1和Sentinel-2卫星数据。基于SDWI和NDWI水体指数提取水体范围，基于水体面积变化进行旱情分析。并使用温度条件指数TCI开展长江中下游地区的旱情监测，地表温度数据为20012022年MODIS地表温度产品。土壤水分数据来源于SMAP（Soil Moisture Active Passive）L4级产品，分辨率36 km。收集了2022年8月19日和2017年8月19日两期数据。1.2 研究方法（1）降水距平百分率（Pa）：指某时段内降水量与常年同期降水量相比的百分率。Pa=P-PP100%式中：P为时段降水量；P为时段内多年平均降水，平均值所取时段为20012022年。（2）标准降水指数（SPI）：指某时段内降水量出现的概率，多应用于干旱评估与评估。SPI代表的干旱等级如表1所示。（3）TCI：用于确定与温度有关的植被压力并评价植被状态，数值范围（0，1）。计算方式如下：TCI=()Tmax-T/()Tmax-Tmin式中：T为温度；Tmax、Tmin分别为研究时段内温度最大值和最小值。本次研究时段为20012022年。TCI越小，说明该时段作物长势越差。（4）SDWI水体指数：具有分割速度快、原理简单等优点，在提取水体方面有广泛应用。其计算公式如下：SDWI=ln()10VVVH式中：VV为双垂直同向极化雷达强度影像值；VH为垂直水平异向极化雷达强度影像值。（5）NDWI水体指数：是最早期遥感提取水体的方法之一，具有计算简单、水体特征明显等特点，其计算公式如下：NDWI=()Green-NIR/()Green+NIR式中：Green和NIR分别代表绿光波段以及近红外波段的反射率。2 结果分析2.1 基于降水距平与标准化降水指数的干旱监测根据长江流域2022年7月1日至8月20日降水距平图显示（图1），7月上旬，四川、重庆、江西等地的降水量相比同期偏少30%左右，7月中旬，湖北、湖南等地的降水量相比同期偏少35%左右，长江中下游地区降水量偏少的区域进一步扩大。8月1日和8月10日的降水距平指标显示，四川、重庆、江西等地30 d的降水量相比同期偏少50%以上，旱情进一步加剧，范围扩大。8月20日降水距平图显示，江西、湖南、重庆、四川、湖北大部分地区的降水相比同期偏少 60%左右，旱情影响范围进一步扩大，旱情形势异常严峻。基于SPI的长江流域旱涝等级分布显示，7月22日江西、重庆、四川和湖北局部地区为轻度和中度干旱，8月初这些区域的受旱范围进一步扩大。8月22日标准化降水指数显示长江中下游地区的旱情由西南、东南局部地区逐步扩张至整个长江中下游地区（图2）。2.2 基于温度条件指数与土壤含水量的干旱监测2022年7月长江流域重旱区域主要集中在四川地区，重庆、湖北、湖南、江西等地部分受轻旱。自8月起，旱灾明干旱等级12345干旱程度无旱轻旱中旱重旱特旱SPISPI-0.5-1.0 SPI-0.5-1.5SPI-1.0-2.0SPI-1.5SPI-2.0表1 标准化降水指数干旱等级划分27Feb.2023 NO.2 VOL.332023年2月 第2期 第33卷CHINA FLOOD&DROUGHT MANAGEMENT中国防汛抗旱监测预报MONITORING AND FORECASTING（a）6月2日至7月1日（b）6月11日至7月10日（c）6月21日至7月20日（d）7月3日至8月1日（e）7月12日至8月10日（f）7月22日至8月20日图例降水量距平（%）100-50-5000505010002805608401 120km图例降水量距平（%）100-50-5000505010002805608401 120km图例降水量距平（%）100-50-5000505010002805608401 120km图例降水量距平（%）100-50-5000505010002805608401 120km图例降水量距平（%）100-50-5000505010002805608401 120km北北北北北北图例降水量距平（%）100-50-5000505010002805608401 120km图1 长江流域降水量距平示意图图3 基于TCI的长江流域干旱等级分布示意图（a）7月1日至7月31日（b）8月1日至8月22日图例重旱0280560840 1 120km中旱轻旱正常图例重旱0280560840 1 120km中旱轻旱正常特旱特旱北北（a）2017-08-19（b）2022-08-19图例0101020203030404055图例0280560840 1 120km0280560840 1 120km北北土壤含水量（%）0101020203030404055土壤含水量（%）图4 2022年和2017年8月19日长江流域土壤水分空间分布示意图-100-50-50005050100图例02805608401 120km北比重（%）图5 2022年8月19日与2017年8月19日长江流域土壤含水量变化对比分析示意图图例重旱0280560840 1 120km0280560840 1 120km0280560840 1 120km0280560840 1 120km中旱轻旱正常轻涝中涝重涝图例重旱中旱轻旱正常轻涝中涝重涝图例重旱中旱轻旱正常轻涝中涝重涝图例重旱中旱轻旱正常轻涝中涝重涝（a）6月2日至7月1日（b）6月23日至7月22日（c）7月2日至8月1日（d）7月23日至8月22日图2 基于SPI的长江流域旱涝等级分布示意图显东扩，长江中下游省份受重旱区域大幅增加，重庆、湖北、湖南、江西由轻旱转重旱。其中重庆、江苏全省重旱面积占比超过90%。基于TCI的监测结果显示，长江流域受旱面积持续上升。基于TCI的长江流域干旱等级分布如图3所示。基于SMAP的2022年和2017年8月19日长江流域土壤水分空间分布如图4所示，四川、湖北、湖南等地的墒情状况明显逊于2017年。基于遥感土壤含水量变化分析（图5）显示，2022年同期长江中下游各省份墒情相比同期明显北北北北注：比重（）是通过()2022-2017/2017100%计算。28Feb.2023 NO.2 VOL.332023年2月 第2期 第33