引言

干旱是地球上造成损失最多的自然灾害，受其影响的人数比其他任何自然灾害都多。因此对干旱严重程度的评估是非常重要的，但是干旱的精确定量化监测和评估也是一个难题。2009年秋季至2010年春季我国西南五省区由于持续高温少雨，遭受了特大干旱。这次干旱持续时间之长、范围之广、程度之重、损失之大为历史罕见。据民政部门截至2010年3月23日的统计，上述地区受灾人口达6130.6万人，饮水困难人口1807.1万人，农作物受灾面积503.4万hm²，绝收面积111.5万hm²，直接经济损失达236.6亿元。在这种严峻的背景下，开展实时的、大范围的、高分辨率的遥感干旱定量化监测工作尤为重要，对防灾减灾、灾后评估工作都具有重要的现实意义。

20世纪70年代以来，国内外研究人员先后开展利用可见光-近红外、热红外、微波遥感数据进行干旱监测方面的研究，提出了很多有效的遥感干旱监测方法，主要有基于热惯量^[1-4]、地表蒸散量^[5-7]、温度和植被指数^[8-11]等参数的多种干旱指数模型。其中地表蒸散量描述了由于地表蒸发和植物蒸腾作用而导致的实际失水量，直接与植物生长状况及土壤水分相联系，基于它的干旱指数具有清晰的物理含义。

利用遥感技术研究地表能量与水平衡问题始于20世纪80年代^[12-15]，其基本方法是利用可见光通道数据反演地表反照率，从而估算出地表吸收到的太阳辐射，然后使用热红外通道数据反演地表温度，用其估算显热和潜热通量各自在地表净辐射中所占份额，潜热通量就是以能量单位表示的实际蒸散量, 也是地表水平衡的重要组成部分。近年来国内科研人员利用遥感地表蒸散量在干旱监测领域取得了很多进展。隋洪智等^[6]建立了在部分植被条件下估算农田蒸散的双层模型，结合遥感数据对黄淮海平原春季旱情进行了评估。吴蓉璋等^[7]使用静止卫星相对蒸散产品展开全国范围的干旱监测，结合实际旱情对监测结果做了详细的对比评估。刘安麟等^[16]简化了遥感地表潜在蒸散计算模型，利用作物缺水指数监测陕西关中地区春旱。侯英雨^[17]构建了地表蒸散亏缺指数，对我国20年来干旱的时空变化规律进行了阐述。

相对蒸散为实际蒸散量与潜在蒸散量的比值，是一个0到1之间的数，当其值低于某一阈值时表示当地环境处于干旱状态，值越小说明干旱程度越严重。直接用它来评价干旱时，其对干旱程度的反映受季节、地表覆盖类型、植被生长阶段以及地域气候类型等因素影响，使得分级标准的建立成为难点。利用长时间序列的地表相对蒸散数据集，就可以引入距平百分率，大大降低上述因素对干旱分级标准的影响，使得由此构建的干旱指数在时间和空间上具有一致性。

本研究以中国能量与水平衡监测系统(China Energy and Water Balance Monitoring System, CEWBMS)遥感蒸散模型和近11年的静止卫星数据集为基础，利用相对蒸散距平百分率干旱指数对西南大旱过程进行了定量连续监测。结合实际旱情对卫星监测结果做出对比分析，并利用台站10 cm土壤相对湿度以及降水距平百分率数据进行了相关性分析。由于所使用的遥感蒸散模型基于静止卫星数据，产品适用于大范围的连续监测，与基于极轨卫星数据的同类模型相比，在监测范围和频次上具有明显的优势。

1 地表蒸散模型与数据 1.1 模型背景及原理简介

Rosema^{[13, 15]}多年从事能量与水平衡方面的研究，近几十年来他多次主持开展相关的研究项目，分别在欧洲和非洲多个地区取得成功。基于中荷合作项目“建立用于荒漠化和粮食保障的中国能量与水平衡监测系统”(1999—2004年)开发的CEWBMS以Rosema发展的算法为基础，利用静止气象卫星数据生成地表能量与水平衡产品，结果可以应用到干旱和荒漠化监测、水资源管理、作物估产、气候模式等多个领域。CEWBMS主要包括能量平衡、降水估计和作物估产模型，这里只介绍用来计算地表蒸散量的能量平衡模型。该模型的理论基础是地表能量守恒，即：

${I_n}{\rm{ = }}H + LE + E + G$

(1)

式中I_n为地表净辐射，H为显热通量，LE为潜热通量，是以能量单位表示的地表实际蒸散量，E为光合作用消耗的能量，G为土壤热通量。

Rosema以Kondratyev^[18]提出的二流大气辐射传输模型为基础，并对该模型进行了扩展，使其同时包括吸收和散射，利用可见光通道数据首先估算出大气光学厚度τ，带入函数关系式，求出大气透过率t和地表反照率A，最后得到地表总辐射：

${I_g}{\rm{ = }}tS{\rm{cos(}}{i_s}{\rm{)}}$

(2)

其中S为太阳常数，i_s为太阳天顶角。对红外通道数据进行大气校正后估算出地表温度T₀，同时利用正午和午夜行星温度散点图的线性关系求出边界层顶的空气温度T_a，最后根据公式(3)~(9) 求出地表的净长波辐射、净辐射、显热通量、光合作用消耗的能量、实际蒸散、潜在蒸散、相对蒸散等物理量。

地表净长波辐射：

${L_n} = {\varepsilon _0}{\varepsilon _a}\sigma T_a^4 - {\varepsilon _0}\sigma T_0^4$

(3)

式中ε₀为地表发射率，ε_a为空气发射率，σ为斯蒂芬-玻耳兹曼常数。

地表净辐射：

${I_n}{\rm{ = }}(1 - A){I_g} + {L_n}$

(4)

显热通量：

$H = a({T_0} - {T_a})$

(5)

式中a为对流热交换系数，与地面拖曳系数和风速有关，利用前一天的相对蒸散量对a做了参数化假定，以引入植被信息的影响。

光合作用消耗的能量：

$E = \varepsilon \left( {1 - A} \right){I_g}{C_v}$

(6)

式中ε是日平均光合系数，可由光合系统失活模型(The Photosystem Deactivation Model)^[19]估计出，C_υ是植被覆盖率，可由前一天的相对蒸散量估算出。

日平均情况下，认为土壤热通量G近似为零，由公式(1) 可以求出潜热通量，也就是实际蒸散量：

$LE \approx {I_n} - H - E$

(7)

潜在蒸散可以由地表净辐射估算出：

$L{E_P} \approx 0.8{I_n}$

(8)

相对蒸散为实际蒸散与潜在蒸散量的比值：

$RET{\rm{ = }}LE/L{E_P}$

(9)

项目执行过程中使用台站常规测值和大口径闪烁仪(LAS)分别对CEWBMS生成的地表总辐射、净辐射、显热通量等基本产品进行了真实性检验。结果表明辐射产品与地面测值吻合得很好。排除云的影响之后，显热通量和LAS测值也有良好的一致性。地表蒸散产品作为能量平衡式中的余项，在地表辐射和显热项的真实性得到确认之后，也被认为是真实可靠的。

1.2 数据 1.2.1 地表蒸散模型输入输出数据

目前蒸散模型的遥感源数据来自风云二号气象卫星(D或E星)可见光红外自旋扫描辐射仪(VISSR)每小时的实时观测数据，所使用通道包括可见光通道(0.55~0.90 μm)和红外1通道(10.3~11.3 μm)，星下点分辨率为5 km，其中可见光通道使用的是经过4:1抽样之后的数据。数据投影的地理范围为8.4°~59.6°N、73.3°~134.7°E，覆盖中国和周边国家。模型输出日和旬的地表总辐射、净辐射、显热通量、实际蒸散、相对蒸散等产品。其中旬相对蒸散是用实际蒸散、潜在蒸散、云检测日产品合成的，当像素旬内晴天天数小于两天时，不予计算，标志为有云。

1.2.2 长时间序列静止卫星数据集

研究中所使用的静止卫星数据来自国家卫星气象中心，并进行了严格的质量控制和预处理，包括剔除错误数据、重新定位定标、滤除干扰、投影等工作，基础数据时段为1999年至2009年，监测数据时段为2009年9月至2010年5月。

1.2.3 地面验证数据

台站旬土壤相对湿度(2009年9月至2010年5月)和旬降水(2009年8月至2010年6月)数据来自国家气象信息中心共享的农业气象资料。

2 相对蒸散距平百分率在西南干旱监测中的应用

将1999—2010年的静止卫星数据输入CEWBMS生成旬相对蒸散数据集，使用监测时段之前的所有历史蒸散数据求得一年中各旬的相对蒸散平均值RET_AVE，利用该平均值得到干旱发生时段每旬的相对蒸散距平百分率(Percentage of Relative Evapotranspiration Anomaly，PRETA)，其数学表达式如下：

$PRETA = \frac{{RET - RE{T_{AVE}}}}{{RE{T_{AVE}}}} \times 100\% $

(10)

当PRETA数值在0附近时，相对蒸散值接近常年均值，认为处于适宜状态；大于0时认为处于湿润状态，统一划为“无旱”等级，不进行细化分级；PRETA＜0时开始出现干旱，下面对这种情况做具体分级。2006年公布实施的气象干旱等级国家标准中，把干旱程度划为从“无旱”到“特旱”五个等级，参照该标准中土壤相对湿度干旱指数的等级划分，并通过分析PRETA和土壤相对湿度之间的关系，结合多年实际使用经验，给出PRETA干旱分级标准，如表 1。

使用上述干旱分级标准，生成FY-2气象卫星遥感干旱监测结果，对2009年秋季至2010年春季西南五省区的干旱过程进行连续动态监测。结果显示旱情从2009年9月开始，之后逐渐发展加重，其中云南省2010年3月中旬旱情最为严重，中北部出现大面积特旱区域。2010年3月下旬旱情开始逐渐缓解，至5月下旬仅有小部分区域存在中旱以上程度的旱情。

台站观测的土壤相对湿度是一种常用的干旱指数，能够较为直接地反映干旱程度，可以作为实测数据来检验卫星的干旱监测结果。图 1为2010年3月上旬至5月下旬卫星干旱监测结果与台站10 cm土壤相对湿度监测结果对比图。对比显示，总体上PRETA干旱指数对旱情演变过程以及重点区域的干旱程度范围反映良好。

监测结果也存在以下问题，如2010年3月上旬和下旬、4月上旬对滇中和滇东北的干旱程度反映偏轻，同时3月诸旬之间的监测结果存在较大跳变。其主要原因有两点，一是PRETA基于的相对蒸散历史数据集时间序列不够长，由此得到的距平值不能充分地反映出对平均状态的偏离程度。云的影响也是一个重要因素，图 1中的卫星旬监测结果是由晴天的日产品合成的，当有云天数较多时，旬的合成值不能充分代表旬的平均状况，同时云检测的误差以及云对子像元的污染也会造成模型计算误差，上述几旬都存在旬内有云天数较多的情况。

根据监测结果对受灾最重的云南省月干旱面积进行了统计，统计方法是以旬为监测时间单位，对具体像素而言，只要其在月内出现过某个等级的干旱，就纳入到该等级的面积累计中，结果如表 2。从定量统计结果也可以看出干旱发展变化的过程，云南全省都受到干旱的影响，2010年3月干旱最严重时48%面积出现重旱及以上程度的干旱，24%面积出现特旱。

3 讨论与分析

土壤相对湿度和降水距平百分率是干旱的重要参考指标，分析它们和PRETA之间的关系可以对后者在干旱监测中的适用性给出评价。

3.1 PRETA与10 cm土壤相对湿度相关性分析

统计干旱发生时段台站10 cm土壤相对湿度与卫星PRETA每旬的相关性，研究范围包括云南、贵州、四川、重庆、广西五个省市区。统计时PRETA取站点周围5×5个像素的平均值，用以消除定位偏差和噪声点等造成的误差，有灌溉标志的站点以及有云的像素点予以剔除，结果如表 3。

可以看出在这次大旱过程跨越的三个季节中，冬季(2009年12月至2010年2月)相关性低，秋季(2009年9—11月)和春季(2010年3—5月)相关性较高。在植被生长较为旺盛的秋季和春季，多数旬的相关系数超过0.5。冬季大部分旬的相关系数低于0.4，主要原因是由于本研究使用的蒸散模型适用于地表植被覆盖度较高的情况，冬季地表植被稀疏时，效果不是很好，加上该季节云检测误差较大，最终造成计算结果和土壤相对湿度之间的低相关性。

3.2 PRETA与台站降水距平百分率

针对旱情最严重的云南省，对台站降水距平百分率与卫星PRETA的面平均时间序列进行对比分析，从宏观上研究两者变化趋势的一致性，研究时段为2009年8月上旬至2010年6月下旬。面平均降水距平百分率和降水量为该省所有测站的平均值，面平均PRETA为省内所有晴空像素的平均值，图 2为上述各变量的时间序列图。

结果显示大致从2009年8月底至9月初开始，降水距平百分率和PRETA都急剧下降，之后近7个月的时段两者都一直保持为负值，且变化趋势基本一致，2010年3月下旬出现明显的降水正距平，PRETA也急剧增加并于4月上旬出现明显正距平，之后随着降水的不断出现，相对蒸散值也逐渐接近常年平均值。总的来说，在这次大旱过程中，面平均的PRETA和降水距平百分率在时间变化趋势上具有良好的一致性。

4 结论

本研究基于近11年的卫星旬地表蒸散数据集，构建了相对蒸散距平百分率(PRETA)干旱指数，距平百分率的引入消除了季节和地域气候类型等因素对干旱等级划分的影响。利用PRETA干旱指数对2009年秋季至2010年春季的西南大旱过程进行了连续监测，总体上对旱情时空变化反映良好。研究中所使用的地表蒸散模型基于静止气象卫星数据，在保证大范围连续监测能力的同时，还能兼顾高的空间分辨率，可以清晰地获得旱情变化的时间和空间细节。经过与地面观测的10 cm土壤相对湿度和降水距平百分率对比分析，得出以下结论。

PRETA能够反映土壤的水分状况，在植被生长旺盛的阶段，PRETA和10 cm土壤相对湿度有较高的相关性。面平均PRETA和降水距平百分率时间序列的变化趋势显示出良好的一致性。因此，静止卫星PRETA产品能够用来监测干旱的发生和发展过程，并可以用来评估干旱的影响，在干旱监测领域内具有良好的应用前景，为实时大范围遥感定量化监测干旱提供了切实可行的方法。

另外，在建立基于PRETA的干旱指数和干旱分级标准方面还需要进行更深入细致的研究。为了提高监测准确性，还应收集更长时间序列的卫星数据，以获得更具代表性的常年平均值。