论文部分内容阅读
近年来,干旱的频繁发生始终困扰着人类社会的可持续发展,干旱对农业所造成的影响尤为明显。因此,研究一种客观、动态、实时的干旱监测方法,并利用其进行干旱时空演化特征及其发展趋势研究,为实施旱情监测、农作物布局和防灾减灾有重要的现实意义。本文分别基于气象(构建SPI)和遥感数据(反演TVDI)对吉林省干旱监测进行定量的分析研究,基于吉林省1951年至2013年近63年的逐月降水数据,分析地面气象站点的降水变化特征及趋势,并利用月降水数据计算5种不同时间尺度的SPI,进一步分析研究吉林省干旱情况。利用2000-2014年近15年5-10月逐月NDVI和LST数据,反演TVDI来监测吉林省逐月TVDI的干旱空间变化情况。并通过地面气象站同期观测数据构建的SPI做相关分析,分析TVDI方法的适应性。基于重建了1 km分辨率吉林省2000-2014年5~10月逐月的TVDI干旱空间信息数据集,利用多种时空研究手段,讨论研究了吉林省干旱的时空演化特征及趋势。本文取得了以下几点成果与结论:(1)基于吉林省22个气象站点1951年~2013年逐月降水数据,通过数据处理并绘制近63年来的逐年降水量、降水均值、累积距平、5年降水滑动平均及线性趋势变化曲线图,分析近63年来地面气象站点的年降水变化特征及趋势。结果表明,吉林省降水时空间分布不均,整体表现出东南向西北递减的趋势,降水集中于5~10月份,且降水集中性由西向东相对减小;近63年年际间降水的波动幅度较大且呈波动下降趋势;累积距平结果表明吉林省降水具有显著的阶段性周期特点。(2)基于地面逐月降水观测资料,分别计算1、3、6、9、12个月,共5种不同时间尺度的SPI,来分析研究吉林省干旱情况。经过分析表明,不同时间尺度的SPI对降水的敏感性不同;SPI随着时间尺度的增大,其随机性逐渐减弱,而持续性不断增强,且增大过程中存在干旱起止时间相应延后的现象,也反映了前期降水变化的累积影响。通过分析不同时间尺度的SPI变化特征表明,SPI1对由降水变化引起的旱涝频繁交替能够较好的揭示;SPI3、SPI6对干旱产生及持续的时间辨别更灵敏;而长时间尺度SPI12则对长时间的旱涝和持续时间有较好的标识作用。(3)建立LST-NDVI的特征空间,以2000~2014年标准化的NDVI和LST遥感影像,在ENVI环境下,使用IDL语言编程,运行输出LST-NDVI特征空间散点图,并确定干、湿边参数,实现吉林省内各个象元的月TVDI指数反演。并2009和2010年5~10月为例,分析了吉林逐月TVDI的空间变化,表明TVDI监测的干旱过程和空间分布与实际旱情一致。(4)利用同期站点SPI值对反演的TVDI进行验证,结果显示TVDI具有很好的可靠性。相关性分析结果表明,除了2009年8月份外,其它所有月份均通过了P<0.05的双侧显著性检验,且12期中有8期通过了0.01的双侧显著性检验;且TVDI与短时间尺度的SPI相关性更显著,说明TVDI属于近实时的遥感干旱研究方法,对由降水变动引起的干旱频繁交替可以较好的揭示,并对干旱的产生及持续时间的辨别更灵敏,适用于对研究区特定年内某一时间的相对干旱情况监测。(5)为了研究吉林省干旱的时间及空间变化特征和趋势,本文首先对2000~2014年5-10月吉林省逐月的TVDI干旱空间信息数据集的时间序列干旱信息监测能力进行了验证,结果表明,TVDI虽能对研究区内某一时间的相对干旱程度较好地反映,但由于TDVI只表示同一影像干旱状况的相对值,对时间序列干旱信息的监测能力有限,即反演出的TVDI不具有时间可比性。本文利用2000-2014年同期多组影像构建LST-NDVI特征空间,拟合干湿边参数,并利用改进的TVDI方法重建了2000-2014年5-10月吉林省逐月TVDI干旱空间信息数据集。各月相应站点的TVDI与不同时间尺度的SPI的相关性都通过了P<0.01的双侧显著性检验,即改进的TVDI反演方法的干旱监测结果具有时间上的可比性,可用其对吉林干旱时空信息演化特征进行研究。(6)利用2000~2014年5-10月份时序TVDI和多种时空分析手段,研究了吉林省的干旱时空演化特征。基于干旱发生频率分析来看,干旱频率在空间分布上变化差异较大,总体呈由西北到东南减小;在时间上也存在较大的差异,9月份干旱发生频率高的地区最广,其次是5月、6月,最后是7、8、10月。基于标准差对吉林省近15年来的TVDI的波动变化特征的分析结果表明,标准差由大到小月份依次是10、9、7、5、6、8月,其中10月离散程度较高,干旱变化随年际波动较大;而8月的离散程度较低,干旱年际波动较小,干旱事件变化频率较低,即多年无旱涝发生或容易发生多年持续旱涝。吉林省近15年来的TVDI的波动变化特征也存在较大空间分布差异,总体上7、8、9月吉林省标准差呈由西到东减小趋势,即这三个月份干旱波动性有西向东减小;6、10月中部TVDI标准差大,即这两个月份干旱波动性呈中-西-东减小分布;而5月TVDI标准差较大地区集中在吉林东北部,即5月份吉林省东北部干旱波动性较大。基于时序TVDI随时间的线性变化趋势与秩相关分析结果显示,10月线性回归系数多为负值,并且Spearman以负相关为主,说明近15年来10月份吉林省干旱在逐渐缓解;其他月份线性回归系数多为正值,并且Spearman以正相关为主,表明干旱有逐年加剧的趋势。从F检验与t检验的总体结果来看,9月显著性最强,8月显著性最差;显著性结果偏低区域,虽具有一定的线性回归斜率值,但这种趋势在统计特征上具有不确定性,这可能是由于本研究的时序长度较短,研究序列仅为15年,使的某些象元TVDI值可能存在短期震荡变化,导致线性趋势显著性较差。