EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 4: 589 - 599

DOI: https://doi.org/10.13866/j.azr.2025.04.02

天气与气候

基于TVDI的新疆地区干旱时空变化特征

  • 李晓鹏 , 1 ,
  • 李康 1 ,
  • 雷双 1 ,
  • 贾富贵 1 ,
  • 徐静 2
展开
  • 1.兰州财经大学农林经济管理学院,甘肃 兰州 730000
  • 2.兰州财经大学会计学院，甘肃 兰州 730000

李晓鹏（1981-），女，博士，副教授，研究方向为生态环境与区域发展. E-mail:

收稿日期: 2024-11-29

  修回日期: 2024-12-28

  网络出版日期: 2025-08-14

基金资助

甘肃省科技计划项目（自然科学基金）(20JR5RA202)

甘肃省科技计划项目（自然科学基金）(24JRRA1003)

甘肃省教育厅青年博士支持项目(2025QB-055)

甘肃省陇原青年人才创新创业项目(2021LQGR59)

收起

Spatiotemporal variations in drought conditions in Xinjiang based on TVDI

  • LI Xiaopeng , 1 ,
  • LI Kang 1 ,
  • LEI Shuang 1 ,
  • JIA Fugui 1 ,
  • XU Jing 2
Expand
  • 1. School of Agricultural and Forestry Economics and Management, Lanzhou University of Finance and Economics, Lanzhou 730000, Gansu, China
  • 2. School of Accounting, Lanzhou University of Finance and Economics, Lanzhou 730000, Gansu, China

Received date: 2024-11-29

  Revised date: 2024-12-28

  Online published: 2025-08-14

Fold

摘要

干旱是影响新疆地区生态环境和农业生产的重要因素，及时开展干旱监测对于新疆地区保证粮食安全具有指导意义。本文基于2001—2020年间MODIS数据的地表温度（LST）和归一化植被指数（NDVI）构建温度植被干旱指数（TVDI），探索新疆地区干旱分布特征及未来演变趋势。结果表明：（1） 新疆地区年均有78.7%的区域在遭受不同程度的干旱，近20 a TVDI均值为0.58，整体处于轻旱水平。（2） 新疆地区未来干旱情况有所缓解，TVDI下降速率为每年0.0017，81%的地区有逐渐湿润的趋势。（3） TVDI与气象因子呈现弱相关，与海拔呈现强相关关系。干旱程度较高时，未利用地对TVDI的贡献率较大；干旱程度较低时，草地对TVDI的贡献率较大。未利用地面积和干旱呈现正相关关系，林地和草地面积与干旱呈现负相关关系，减少未利用地面积、增加林地和草地覆盖对缓解干旱具有积极意义。

关键词： TVDI; 干旱; 趋势分析; 新疆

本文引用格式

李晓鹏 , 李康 , 雷双 , 贾富贵 , 徐静 . 基于TVDI的新疆地区干旱时空变化特征[J]. 干旱区研究, 2025 , 42(4) : 589 -599 . DOI: 10.13866/j.azr.2025.04.02

Abstract

Drought is a significant factor affecting the ecological stability and agricultural productivity of Xinjiang. Timely drought monitoring is crucial for ensuring food security in the region. This study constructed the TVDI based on the Land Surface Temperature and the Normalized Difference Vegetation Index derived from the MODIS data between 2001 and 2020. This study explores the spatial distribution characteristics of drought in Xinjiang and its potential future evolution trends. The results indicate that: (1) On average, 78.7% of the region experiences drought of varying degrees, with a mean TVDI of 0.58 over the past two decades, suggesting a generally mild drought. (2) Future drought conditions in Xinjiang are expected to ease, with a TVDI decline rate of 0.0017 per year, and 81% of the region showing a trend toward increasing moisture levels. (3) TVDI correlates weakly with meteorological factors but strongly with elevation. When the degree of drought is relatively high, unused land contributes significantly to the TVDI, whereas grassland contributes significantly to the TVDI when the degree of drought is relatively low. Additionally, the unused land area correlates positively with drought, whereas forest and grassland areas correlate negatively with drought. These findings highlight the importance of reducing unused land and expanding forest and grassland areas to mitigate drought conditions.

Key words： TVDI; drought; trend analysis; Xinjiang

干旱作为全球气候变化中普遍存在的自然灾害，对生态系统的平衡及农业的可持续发展构成了显著影响[1-2]。新疆是中国生态多样性最为突出的地区之一[3]，作为一个以典型温带大陆性气候为主的地区，新疆的降水量不仅总体较低，而且在时间和空间上分布不均，导致干旱现象频繁发生[4]。这种水资源短缺直接影响到农业生产、生态系统的稳定性以及区域的社会经济发展。因此，在新疆地区及时且准确地开展区域尺度的干旱监测，对于保障农业生产和维护粮食安全具有重要的指导意义[5]。目前，干旱监测主要划分为基于站点数据的监测与遥感监测两大类别[6]。站点数据监测主要依据气象站所提供的降水量、蒸发量、温度以及湿度等关键气象要素，构建标准化降水指数（SPI）、帕默尔干旱指数（PDSI）、降水蒸散指数（SPEI）等监测指数，这些指数通过对长期气象数据的标准化处理，能够反映区域干旱的发生、发展和强度。相比之下，遥感监测则是通过构建土壤湿度指数（SMI）、作物水分指数（CMI）、植被状态指数（VCI）等遥感干旱指数，从而实现对大范围区域的长期干旱监测，有效克服了站点数据在空间覆盖和时效性方面的局限性。
干旱的形成并非由单一因素引起，而是多种因素共同作用的结果，因此,使用单一类型遥感数据描述干旱现象，其准确性较低[7-8]。温度植被干旱指数（TVDI）综合了地表温度（LST）和归一化植被指数（NDVI）对干旱的响应，在区域干旱动态监测中得到了广泛应用。如陈斌等[9]基于TVDI研究了内蒙古锡林郭勒盟地区的干旱变化，研究表明TVDI可以很好地监测研究区干旱情况；康尧等[10]通过构建2000—2019年的TVDI，表明了蒙古高原TVDI以每年0.0001的速率呈增大趋势；Wang等[11]通过对比分析7个干旱指数，说明TVDI表现出比其他6个指数具有更高的适用性；王椰等[12]探索2001—2020年黄土高原TVDI空间分布，揭示了黄土高原20 a变化特征，并指出对黄土高原干旱影响最强的为高程与SIF的组合；覃艺等[13]利用TVDI监测了2000年以来内蒙古生长季旱情变化，指出鄂尔多斯高原和呼伦贝尔草原干旱发生频率较高；Younes等[14]通过探究2003—2022年从4—9月的月度伊朗高原干旱状况，表明在大多数地区TVDI与降水和蒸散之间呈负相关，而TVDI与温度之间呈正相关。归纳而言TVDI作为一种综合了植被生长情况和地表温度的产品，在大规模干旱监测领域取得较为可观的成效[15]。
新疆拥有广袤的土地和丰富的自然资源，但由于其独特的气候条件和地理位置，新疆面临着显著的干旱风险[16]。已有研究表明，2001—2020年间，新疆的年均降水量低于全国平均水平，且降水在时间和空间上的分布极为不均，导致干旱现象频繁发生[17]。目前，对于新疆地区的干旱监测多是小区域监测或对以往的干旱变化趋势分析，侧重于揭示干旱的空间分布格局。迪里胡玛尔·阿汗木江等[18]研究表明，在天山新疆段应用TVDI可以较好地反映该区域的土壤湿度，但TVDI在新疆全域干旱监测中的适用性仍有待验证。本研究利用MODIS数据中归一化植被指数数据和地表温度数据，构建了NDVI-LST特征空间，进而获取了新疆地区20 a TVDI的时间序列。在明晰新疆地区干旱时空分布特征的基础上，采用趋势分析法和Hurst指数等方法研究新疆地区干旱演变趋势。并通过Pearson相关系数等方法探究干旱的影响因素，以期为新疆地区农业生产和旱灾防控提供科学指导。

1 数据与方法

1.1 研究区概况

新疆位于中国西北部腹地，东起甘肃省，西至国境线，南抵昆仑山和阿尔金山，北达阿尔泰山，地理位置介于73°~97°E，34°~50°N之间（图1）。新疆总面积超过160×104 km2，是中国面积最大的省级行政区[19]。以天山山脉为界，将区域分为南北两部分；南部为塔里木盆地，北部为准噶尔盆地。气候属典型温带大陆性气候，年均降水量不足200 mm，而年均潜在蒸散量超过1200 mm。植被覆盖率低，沙漠和戈壁占据大部分面积。该地区资源丰富，石油、天然气等矿产储量巨大，但生态环境脆弱，水资源紧缺[20]。
图1 研究区概况示意图

注：底图采用国家地理信息公共服务平台标准地图制作，审图号为GS(2024)0650号，对底图边界无修改。下同。

Fig. 1 Location of the study area

1.2 数据来源与处理

本文使用的遥感数据为2001—2020年MODIS数据，数据来源于GEE（Google Earth Engine）平台的归一化植被指数产品（MOD13A2），其空间分辨率为1 km，时间分辨率为16 d。地表温度产品（MOD11A2），其空间分辨率为1 km，时间分辨率为8 d（表1）。使用MRT工具对两种数据进行批量处理，合成得到新疆地区2001—2020年分辨率为1 km的NDVI和LST数据。年均降水和气温数据来源于新疆维吾尔自治区统计局。土地利用覆盖数据来源于中国科学院资源环境科学与数据中心，空间分辨率为30 m。DEM数据由NASA官网获取，其空间分辨率为90 m。
表1 数据源

Tab. 1 Data source

数据类型 时间范围 数据来源
MODIS/MOD13A2 2001—2020 年 GEE（Google Earth Engine）
MODIS/MOD11A2 2001—2020 年 GEE（Google Earth Engine）
年均降水和气温数据 2001—2020 年 新疆维吾尔自治区统计局
土地利用覆盖数据 2001—2020 年 中国科学院资源环境科学与数据中心（http://www.resdc.cn）
DEM数据 2000年 NASA官网（https://www.
nasa.gov）

1.3 研究方法

1.3.1 温度植被干旱指数（TVDI）模型

TVDI是通过考虑表征植被生长状态的NDVI和LST两个因素。通过构建NDVI-LST特征空间，反演评估土壤湿度，从而在多变的气候和复杂的地形条件下进行干旱监测。其公式如下：
T V D I = L S T - L S T m i n L S T m a x - L S T m i n
L S T m i n = a 1 + b 1 × N V D I
L S T m a x = a 2 + b 2 × N D V I
式中：LST表示任意像元的地表温度（℃）； L S T m i n和 L S T m a x为NDVI的相同值对应的最低和最高地表温度（℃），分别对应NDVI-LST特征空间的湿边和干边。a1、b1、a2和b2为相关系数，通过线性拟合求得。TVDI取值范围为[0,1]，TVDI值越大，土壤湿度越低，干旱越明显；反之，TVDI值越小，土壤湿度越高。参考相关文献并结合研究区现状，本文将TVDI划分为5个等级[21]，如表2所示。
表2 干旱等级划分

Tab. 2 Classification of drought levels

等级 TVDI 类型
1 0<TVDI≤0.2 湿润
2 0.2<TVDI≤0.4 正常
3 0.4<TVDI≤0.6 轻旱
4 0.6<TVDI≤0.8 中旱
5 0.8<TVDI≤1 重旱

1.3.2 Theil-Sen Median趋势分析法和Mann-Kendall检验

本文采用Sen趋势估算方法分析2001—2020年间新疆地区的TVDI变化趋势，然后结合M-K检验方法判断其趋势的显著性。Sen趋势分析法是一种稳健的非参数统计的趋势计算方法，适用于时间序列TVDI的趋势分析。其计算公式如下：
β = M e d i a n X m - X n m - n
式中：β为TVDI变化趋势的斜率；Median为取中值函数；m和n为时间序数； X m和 X n分别表示第m年和第n年的TVDI值。根据β的取值，TVDI的变化趋势被划分为3个区间：β>0.001为TVDI值有上升趋势，即该区域干旱情况有所加剧；-0.001<β<0.001为TVDI值基本不变，即该区域干旱情况基本不变；β<-0.001为TVDI值有下降趋势，即该区域干旱情况有所缓解。
Mann-Kendall检验方法是一种非参数统计检验方法，其优势在于无需假定测试样本遵循正态分布，且能够有效克服缺失值与异常值的干扰，适用于新疆地区时间序列TVDI值变化趋势的检验。其检验计算公式为：
Q = ∑ i = 1 n - 1   ∑ j = i + 1 n   s i g n x j - x i
s i g n x j - x i = 1 ,   x j - x i > 0 0 ,   x j - x i = 0 - 1 ,   x j - x i < 0
Z = Q - 1 V a r Q ,   Q > 0             0             ,   Q = 0 Q + 1 V a r Q ,   Q < 0
式中：Z为M-K检验的统计量；Var（Q）为方差。将Sen趋势分析和M-K检验在ArcGIS软件上进行叠加，将干旱变化分为7类[22]，如表3所示。
表3 Sen+M-K趋势变化等级

Tab. 3 Sen+M-K trend change levels

Sen趋势 检验统计量 Z c
Z c ≥ 2.58 1.96 ≤ Z c < 2.58 1.65 ≤ Z c < 1.96 Z c < 1.65
β>0.001 显著变干 变干 轻微变干 稳定不变
-0.001<β<0.001 稳定不变 稳定不变 稳定不变 稳定不变
β<-0.001 显著变湿 变湿 轻微变湿 稳定不变

注: Z c表示趋势显著性的绝对值。

1.3.3 Hurst指数

Hurst指数（H）又被称为赫斯特指数，是一种衡量时间序列自相似性或分形性的数值，可以用来判断时间序列数据是持续性或反持续性的变化。计算步骤为：
（1） 收集时间序列数据 X t， t = 1,2 , 3 , · · · ,   N。
（2） 计算序列的均值 x -和累积偏差序列 Y t
x - = 1 N ∑ t = 1 N x t
Y t = ∑ i = 1 t X i - X - ,   t = 1 ,   2 ,   3 ,   … ,   N
（3） 范围计算
R t = m a x Y 1 , Y 2 , Y 3 , … , Y t -                         m i n Y 1 , Y 2 , Y 3 , … , Y t
（4） 标准差计算
S t = 1 t ∑ i = 1 t Y i - Y - 2
（5） R / S比率计算
R / S t = R t S t
（6） 对数图线性关系
l o g R / S = H   l o g t + C
式中：H为Hurst指数；C为常数；Hurst指数通常在0~1之间。值越接近0，说明时间序列具有反持续性；接近1，说明时间序列具有长期持续性；接近0.5，表示时间序列在各个时间点上的变化是随机的，不存在长期记忆或趋势性。

2 结果与分析

2.1 干旱时空变化特征

2.1.1 TVDI时间变化

如图2所示，新疆地区TVDI年均值整体呈下降趋势，以每年0.0017的速率下降，反映出在过去20 a中新疆地区的干旱在一定程度上有所缓解。20 a间新疆地区TVDI年均值在0.55~0.62之间，多年平均值为0.58，整体表现为轻旱水平。其中TVDI值最高的年份为2001年，TVDI值最低的年份为2017年。新疆地区不同干旱面积占比结果表明，轻旱和中旱类型面积占比最大，轻旱面积在20 a中的占比在16.4％~26.8％之间，中旱面积占比在35.9％~58.9％之间。其中2001年重旱面积占比最大，占新疆总面积的25.2%，干旱情况最为严重。2007—2018年，中旱和重旱面积占比超过总面积的60％，干旱也较为严重。TVDI值变化最剧烈的年份为2017—2018年，TVDI值由0.55增加到0.61。
图2 2001—2020年新疆地区各干旱等级面积占比及TVDI年均值变化

Fig. 2 Proportion of area under different drought levels and annual average changes in TVDI in Xinjiang from 2001 to 2020

2.1.2 TVDI空间格局

由图3可知，干旱分布在新疆地区呈现出明显的空间差异，从空间分布来看，干旱程度表现出明显的南高北低特征。新疆地区干旱面积占比以中旱和轻旱为主，20 a间中旱和轻旱面积占比分别为52.8%和21.3%，湿润和正常面积占比为6.2%和15.1%，重旱面积占比最低，为4.6%。由图4可知，新疆地区干旱分布具有较强的局域性，新疆中部的干旱显著高于其他地区。新疆地区干旱等级以轻旱和中旱为主，重旱主要分布在塔里木盆地附近。新疆地区南疆干旱的面积高于北疆，南疆是干旱最为严重的区域，尤其是在塔里木盆地及其周边低洼地区，该区域年降水量普遍低于200 mm，蒸发量却极大，导致土壤水分严重缺乏。根据新疆地区TVDI空间分布，南疆的重旱区域主要集中在喀什和和田等地，这些区域干旱面积广且干旱频次高，严重影响了当地的农业生产和生态环境。相较之下，北疆的干旱情况相对较轻，主要集中在准噶尔盆地东部和阿尔泰山南麓地区。
图3 2001—2020年新疆地区年均TVDI空间分布

Fig. 3 Spatial distribution of annual average TVDI in Xinjiang from 2001 to 2020

图4 重旱年际新疆地区TVDI空间分布

Fig. 4 Spatial distribution of TVDI in Xinjiang during years of severe drought

2.2 干旱时空演变趋势分析

2.2.1 TVDI变化趋势及显著性检验

本研究通过计算新疆地区干旱Theil-Sen Median趋势，获得了新疆地区TVDI变化率（β）空间分布图（图5）。由图5可知，新疆地区TVDI变化率为-0.025~0.032，均值为-0.009，整体呈现为TVDI值下降趋势。TVDI年际变化降低的区域占新疆地区总面积的74%，TVDI年际变化升高的区域占新疆地区总面积的8%。对β进行显著性检验，得到检验后的TVDI变化趋势如图6所示。变化趋势为显著变湿和变湿的地区主要集中于塔里木盆地、巴音郭楞蒙古自治州和哈密地区。新疆地区β<-0.001且通过显著性检验的区域占总面积的61%，表明新疆地区在过去20 a中干旱情况有所改善。
图5 新疆地区TVDI变化趋势

Fig. 5 Trends in TVDI in Xinjiang

图6 新疆地区TVDI变化趋势显著性

Fig. 6 Significance of trends in TVDI in Xinjiang

2.2.2 未来干旱变化趋势

Hurst指数可以反映时间序列的长期趋势和稳定性。由图7可知，2001—2020年新疆地区Hurst指数范围在0.11~0.88，平均Hurst指数为0.43，Hurst指数小于0.5的地区占总研究区面积的69.2%，反向持续性趋势明显。Hurst指数越接近0.5，表明变化的随机性越强，即未来变化趋势与过去无关。根据变化的相关性，Hurst指数可以分为以下四类：强同向持续性（0.65≤Hurst指数<1）、弱同向持续性（0.50≤Hurst指数<0.65）、弱反向持续性（0.35≤Hurst指数<0.50）、强反向持续性（0<Hurst指数<0.35）。将分类与Sen趋势叠加，可得到新疆地区干旱变化的方向和强度[23]（表4）。
图7 新疆地区Hurst指数分布

Fig. 7 Distribution of Hurst exponent in Xinjiang

表4 新疆地区TVDI未来变化趋势

Tab. 4 Future trends of TVDI in Xinjiang

发展方向 未来变化趋势 百分比/%
持续变湿 强持续性变湿 2.2
弱持续性变湿 23.3
过去变干未来变湿趋势 反弱持续性变干 48.1
反强持续性变干 7.4
过去变湿未来变干趋势 反弱持续性变湿 5.6
反强持续性变湿 1.2
持续变干 弱持续性变干 3.1
强持续性变干 1.4
基本不变 基本不变 7.7
将新疆地区逐像元Hurst指数与Theil-Sen Median趋势结合，得到新疆地区干旱情况未来变化方向和过去变化趋势的关系，如图8所示。新疆地区未来的干旱状况可能向湿润的趋势演变（湿润化趋势占比为81%），其中持续变湿的地区占新疆总面积的25.5%（强持续性变湿和弱持续性变湿分别占2.2%和23.3%）；过去变干未来变湿趋势的区域占55.5%（反强持续性变干和反弱持续性变干分别占7.4%和48.1%）；过去变湿未来变干趋势的区域占6.8%（反弱持续性变湿和反强持续性变湿分别占5.6%和1.2%）；持续变干的区域占4.5%（强持续性变干和弱持续性变干分别占1.4%和3.1%）；基本不变的区域占7.7%。持续变湿的地区主要位于塔里木盆地和阿尔金山北侧，持续变干的地区主要位于天山山脉北侧和阿尔泰山脉南侧。
图8 新疆地区TVDI未来变化趋势

Fig. 8 Future trends of TVDI in Xinjiang

2.3 影响因素分析

2.3.1 干旱与气象的相关性

较高的气温和较少的降水往往是导致干旱的主要因素之一，为了探究干旱与气象的相关性，本文统计了新疆地区2001—2020年的年均降水量与气温数据（图9）。由图9可知，在研究年份中，年均降水量最高的是2016年，年均降水量达到了229.7 mm，年均降水量最少的为2020年，年均降水量为141.8 mm，这两年的TVDI值均小于历年TVDI均值0.58。年均气温最高的是2007年，其年均气温为10.9 ℃；最低的为2020年，其年均气温为8.8 ℃，2007年的TVDI值高于年均TVDI值，2020年TVDI值低于年均TVDI值。
图9 2001—2020年新疆地区气象因子与TVDI的相关性

Fig. 9 Correlation between meteorological factors and TVDI in Xinjiang from 2001 to 2020

为了探究气象因子与TVDI之间的相关性，本文计算了新疆地区年均降水量和年均气温与TVDI之间的Pearson相关系数。结果表明，新疆地区TVDI与年均降水量呈现出较弱的负相关关系（P=-0.25），与年均气温为弱相关关系（P=0.21），且相关性均不显著。综上所述，新疆地区TVDI与气象因子并未存在较强的相关性，与年均温度相比，年均降水与TVDI的相关性虽然更高，但也仅为-0.25。尽管气象因子与TVDI呈现出较弱的相关性，这并不意味着它们对新疆地区干旱影响的降低。气象因子作为潜在影响因素，虽然其直接相关性不强，但可能通过复杂的间接途径影响干旱。此外，气象因子在极端干旱事件中往往是主要驱动因素。

2.3.2 土地利用类型对干旱的影响

由图10可知，新疆地区土地类型以未利用地居多，主要分布在新疆东南侧和天山山脉北侧；其次是草地，主要分布在新疆西部；耕地、水体、林地和建设用地较少，主要分布在草地附近。将2001—2020年新疆地区各种土地利用类型进行提取并与TVDI值进行统计分析，得到各土地利用类型与TVDI之间的变化关系（图11）。
图10 2020年新疆土地利用类型

Fig. 10 Land use map of Xinjiang in 2020

图11 不同土地利用类型下的TVDI均值

Fig. 11 Average TVDI values for different land

由图11可知，土地类型与TVDI值之间存在着紧密联系。不同土地类型的水分保持能力和干旱响应特征显著不同，这直接影响了干旱的空间分布和强度。在新疆地区未利用地的TVDI值最高，这些地区由于植被稀少，往往更易受到干旱影响。耕地和建设用地的TVDI值较为接近且都高于新疆地区年均TVDI值。草地和林地的TVDI值相对较低，表明其具有较强的水分保持能力。水体的TVDI值最低。在2001—2020年间，新疆地区各种土地类型的TVDI值均呈现出下降趋势，但下降趋势较缓。
由图12可知，新疆干旱程度较低的区域土地利用类型主要为草地和林地，干旱程度较高的区域土地利用类型主要为未利用地。新疆地区未利用地面积约占新疆总面积的60%，其主要构成为沙漠、裸土地、盐碱地和沙地，这些区域通常缺乏植被覆盖，土壤结构脆弱且水分保持能力差，易导致干旱加剧。干旱程度越高，未利用地对TVDI的贡献率越大，其中未利用地在轻旱、中旱和重旱中的贡献率分别为47%、73%、86%。草地和林地通常具有较高的植被覆盖度，这意味着其能够有效吸收和储存降水，从而减少地表蒸发。干旱程度较低时，草地对TVDI的贡献率较大，其中草地在湿润、正常和轻旱中的贡献率分别为39%、47%、31%。
图12 新疆地区各土地利用类型对TVDI贡献率

Fig. 12 The contribution rate of different land use types to TVDI in Xinjiang

2.3.3 海拔对干旱的影响

海拔是最基础的地理要素之一，影响着气候、植被、土壤等多个方面。为了探究海拔对干旱的影响，将新疆地区DEM数据和TVDI年均分布数据叠加分析可知（图13），海拔高于2000 m的区域，TVDI值随海拔的增加而降低，海拔高于3000 m的区域几乎无中旱和重旱发生。新疆地区DEM与TVDI的R2为0.57，Pearson相关系数为-0.77，且通过了P≤0.01的显著性检验。综上可知，海拔因素与TVDI值具有较强的负相关性，海拔较高的地区，其干旱程度相对较轻。
图13 新疆地区TVDI与DEM的关系

Fig. 13 Relationship between TVDI and DEM in Xinjiang

3 讨论

TVDI作为一种有效的干旱监测工具，能够较为准确地反映土壤湿度和植被水分状况，增强了干旱监测的准确性。本文基于TVDI对新疆地区开展了长时间序列的遥感干旱监测，研究发现：新疆地区20 a间干旱情况整体表现为中旱水平，这与范虎等[24]的研究结果一致。新疆地区2001年、2006年、2007年、2018年和2019年干旱情况较为严重，这与汤连盟等[25]的研究结果较为一致。新疆地区干旱未来演变趋势主要以变湿为主，其中变湿的区域主要集中于塔里木盆地和阿尔金山北侧，这与王姣妍[26]的研究结果较为一致。通过对干旱的影响因素分析，研究发现气象因子对干旱呈现出弱相关性，这与尹本酥等[27]的研究结果较为一致。通过提取不同土地利用类型的TVDI，结果表明未利用地、耕地和建设用地TVDI值较高，林地、草地和水体TVDI值较低，土地利用类型对于TVDI具有较强的相关性，这与李雯晴等[28]研究结果较为一致。通过对新疆年均干旱空间分布分析可知，新疆中部干旱较为严重，这与覃佳盛等[29]的研究结果较为一致。通过TVDI与DEM的相关性分析，发现海拔因素与TVDI值具有较强的负相关性，这与陈国建等[30]的研究结果较为一致。研究结果表明，未利用地易产生干旱，增加林地、草地覆盖有助于缓解干旱，这与蒋烨林等[31]的研究结果较为一致。尽管新疆地区未来干旱情况将有所缓解，但仍需要关注未来可能出现的干旱情况。随着全球变暖的不断加剧，新疆地区依然面临着严峻的干旱挑战[32]。TVDI作为一种有效的干旱监测工具，为新疆地区的干旱监测提供了基础数据支持，并为分析该地区干旱的时空分布及演变趋势奠定了基础，增强了新疆地区应对干旱挑战的能力。未来研究中，需构建多学科交叉的干旱响应体系，将遥感动态监测与生态系统适应性管理深度融合，同步推进节水技术革新与生态产业转型。通过建立干旱监测机制，推动干旱防控从灾后救济向风险智慧管控跃迁，使新疆在应对气候变化中实现从被动抗旱到主动谋变的战略转型，为全球干旱区可持续发展提供理论与实践范式。
本研究通过构建NDVI-LST特征空间计算TVDI，该方法较为可靠，但NDVI在低植被覆盖区或裸土区精度会有所下降，后续会考虑通过使用增强型植被指数或辅助数据来提升干旱监测的精度。在分析气象因子与TVDI的相关性时，本文以年均气温、年均降水与年均TVDI进行分析。但新疆地区地形复杂，地域辽阔，导致气象因子的空间分布具有显著的异质性。在此背景下，单一的年均数据可能无法充分捕捉到干旱变化的细微特征和局部差异，尤其是在不同地形条件和气候带下，气象因子与TVDI之间的关系可能存在复杂的交互作用。未来的研究可以考虑引入更为细致的时序数据，通过季节性和月度数据的分析，揭示气象因子与TVDI之间的动态关系。

4 结论

本文采用TVDI作为监测新疆地区干旱动态变化的指标，分析新疆地区干旱空间分布和演变趋势，并通过分析干旱与气象因子、土地利用类型和海拔之间的关系，得出以下主要结论：
（1） 2001—2020年间新疆地区TVDI均值为0.58，整体处于轻旱水平，该地区TVDI以每年0.0017的速率下降，表明干旱情况有所缓解。新疆干旱区主要集中在塔里木盆地、昆仑山脉和准噶尔盆地，南疆发生干旱的面积和强度均高于北疆。
（2） 由Theil-Sen Median趋势分析法和 Mann-Kendall 检验可知，新疆地区TVDI变化率β<-0.001且通过显著性检验的区域占新疆地区总面积的61%，表明新疆地区在过去20 a中干旱情况有所改善。由Hurst指数结合Sen趋势可知，持续变湿的地区为新疆总面积的25.5%，过去变干未来变湿趋势的区域为55.5%，过去变湿未来变干趋势的区域为6.8%，持续变干的区域为4.5%，基本不变的区域为7.7%。
（3） 新疆地区TVDI与气象因子呈现弱相关，与海拔呈现强相关关系。其中TVDI与年均降水的Pearson相关系数为-0.25，与年均气温的Pearson相关系数为0.21，与DEM的Pearson相关系数为-0.77。未利用地易发生干旱，增加林地和草地覆盖有利于缓解干旱。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
黄睿茜, 赵俊芳, 霍治国, 等. 深度学习技术在农业干旱监测预测及风险评估中的应用[J]. 中国农业气象, 2023, 44(10): 943-952.

[Huang Ruiqi, Zhao Junfang, Huo Zhiguo, et al. Application of deep learning technology in monitoring, forecasting and risk assessment of agricultural drought[J]. Chinese Journal of Agrometeorology, 2023, 44(10): 943-952.]

DOI

[2]
Abbas H, Ali Z. A novel statistical framework of drought projection by improving ensemble future climate model simulations under various climate change scenarios[J]. Environmental Monitoring and Assessment, 2024, 196(10): 938.

DOI PMID

[3]
龚栋栋, 高凡, 吴彬, 等. 基于GRACE的新疆平原区地下水干旱时空变化及其对气象干旱的响应[J]. 干旱区地理, 2024, 47(9): 1496-1507.

DOI

[Gong Dongdong, Gao Fan, Wu Bin, et al. Spatiotemporal change of groundwater drought in the plain area of Xinjiang based on GRACE and its response to meteorological drought[J]. Arid Land Geography, 2024, 47(9): 1496-1507.]

DOI

[4]
董通. 新疆干旱时空演变特征及其对草地物候影响研究[D]. 乌鲁木齐: 新疆农业大学, 2022.

[Dong Tong. The Satiotemporal Eolution of Dought and Its Effect on Grassland Phenology in Xinjiang[D]. Urumqi: Xinjiang Agricultural University, 2022.]

[5]
徐云蕾. 东北三省玉米干旱遥感监测及其对产量变化的影响分析[D]. 合肥: 安徽大学, 2023.

[Xu Yunlei. Remote Sensing Monitoring of Drought in Maize and Its Impact on Yield Change in the Three Provinces of Northeast China[D]. Hefei: Anhui University, 2023.]

[6]
沙莎, 王丽娟, 王小平, 等. 基于温度植被干旱指数(TVDI)的甘肃省农业干旱监测方法研究[J]. 干旱气象, 2024, 42(1): 27-38.

DOI

[Sha Sha, Wang Lijuan, Wang Xiaoping, et al. Study on monitoring method of agricultural drought in Gansu Province based on Temperature Vegetation Dryness Index[J]. Journal of Arid Meteorology, 2024, 42(1): 27-38.]

[7]
Sandholt 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.

[8]
王鹏新, 龚健雅, 李小文. 条件植被温度指数及其在干旱监测中的应用[J]. 武汉大学学报(信息科学版), 2001(5): 412-418.

[Wang Pengxin, Gong Jianya, Li Xiaowen. Vegetation-temperature condition index and its application for drought monitoring[J]. Geomatics and Information Science of Wuhan University, 2001(5): 412-418.]

[9]
陈斌, 张学霞, 华开, 等. 温度植被干旱指数(TVDI)在草原干旱监测中的应用研究[J]. 干旱区地理, 2013, 36(5): 930-937.

[Chen Bin, Zhang Xuexia, Hua Kai, et al. Application study of temperature vegetation drought index(TVDI) in grassland drought monitoring[J]. Arid Land Geography, 2013, 36(5): 930-937.]

[10]
康尧, 郭恩亮, 王永芳, 等. 温度植被干旱指数在蒙古高原干旱监测中的应用[J]. 应用生态学报, 2021, 32(7): 2534-2544.

DOI

[Kang Yao, Guo Enliang, Wang Yongfang, et al. Application of temperature vegetation dryness index for drought monitoring in Mongolian Plateau[J]. Chinese Journal of Applied Ecology, 2021, 32(7): 2534-2544.]

[11]
Wang Y, Wu Y, Ji L, et al. Assessing the spatial-tmporal pattern of spring maize drought in Northeast China using an optimised remote sensing index[J]. Remote Sensing, 2023, 15(17): 4171.

[12]
王椰, 史海静, 姜艳敏, 等. 基于TVDI的黄土高原干旱时空变化与其影响因素[J]. 农业机械学报, 2023, 54(7): 184-195.

[Wang Ye, Shi Haijing, Jiang Yanmin, et al. Spatio-temporal variation of drought characteristics and its influencing factors in Loess Plateau based on TVDI[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(7): 184-195.]

[13]
覃艺, 张廷斌, 易桂花, 等. 2000年以来内蒙古生长季旱情变化遥感监测及其影响因素分析[J]. 自然资源学报, 2021, 36(2): 459-475.

[Qin Yi, Zhang Tingbin, Yi Guihua, et al. Remote sensing monitoring and analysis of influencing factors of drought in Inner Mongolia growing season since 2000[J]. Journal of Natural Resources, 2021, 36(2): 459-475.]

DOI

[14]
Younes K, Saeid H, Andre S. An integrated dryness index based on geographically weighted regression and satellite earth observations[J]. The Science of the Total Environment, 2023, 911: 168807.

[15]
韩凯旭, 康乾坤, 贺金鑫, 等. 基于TVDI指数的四平市梨树县夏玉米生育期干旱监测[J]. 安徽农业科学, 2020, 48(9): 81-84, 87.

[Han Kaixu, Kang Qiankun, He Jinxin, et al. Drought monitoring of summer maize growth period in Lishu County of Siping City based on TVDI index[J]. Journal of Anhui Agricultural Sciences, 2020, 48(9): 81-84, 87.]

[16]
许超杰, 窦燕, 孟琪琳. 基于EMD-GWO-LSTM模型的新疆标准化降水蒸散指数预测方法研究[J]. 干旱区研究, 2024, 41(4): 527-539.

DOI

[Xu Chaojie, Dou Yan, Meng Qilin. Prediction of the standardized precipitation evapotranspiration index in the Xinjiang region using the EMD-GWO-LSTM model[J]. Arid Zone Research, 2024, 41(4): 527-539.]

DOI

[17]
黄静, 张运, 汪明秀, 等. 近17年新疆干旱时空分布特征及影响因素[J]. 生态学报, 2020, 40(3): 1077-1088.

[Huang Jing, Zhang Yun, Wang Mingxiu, et al. Spatial and temporal distribution characteristics of drought and its relationship with meteorological factors in Xinjiang in last 17 years[J]. Acta Ecologica Sinica, 2020, 40(3): 1077-1088.]

[18]
迪里胡玛尔·阿汗木江, 玉素甫江·如素力, 亚夏尔·艾斯克尔. 基于TVDI的天山新疆段土壤湿度时空分布及影响因素分析[J]. 测绘工程, 2022, 31(5): 61-69.

[Dilihumaer Ahanmujiang, Yusufujiang Rusuli, Yaxiaer Aisikeer. Temporal and spatial distribution of soil moisture and its influencing factors in Xinjiang section of Tianshan Mountains based on TVDI[J]. Engineering of Surveying and Mapping, 2022, 31(5): 61-69.]

[19]
张皓哲, 薛亚永, 马圆圆, 等. 新疆绿洲生态系统固碳潜力研究[J]. 干旱区研究, 2024, 41(6): 998-1009.

DOI

[Zhang Haozhe, Xue Yayong, Ma Yuanyuan, et al. Carbon sequestration potential of oasis ecosystem in Xinjiang, China[J]. Arid Zone Research, 2024, 41(6): 998-1009.]

DOI

[20]
褚家琦, 蒋志辉. 新疆农业水资源绿色效率时空演变及影响因素研究[J]. 干旱区地理, 2024, 47(7): 1231-1241.

DOI

[Chu Jiaqi, Jiang Zhihui. Spatiotemporal evolution and influencing factors of green efficiency of agricultural water resources in Xinjiang[J]. Arid Land Geography, 2024, 47(7): 1231-1241.]

DOI

[21]
Liu Y, Wu L, Yue H. Biparabolic NDVI-Ts space and soil moisture remote sensing in an arid and semi-arid area[J]. Canadian Journal of Remote Sensing, 2015, 41(3): 159-169.

[22]
王欣毅, 杨洁, 林良国, 等. 基于Sen+Mann-Kendall陕西省植被覆盖度时空变化规律研究[J]. 农业与技术, 2023, 43(7): 62-66.

[Wang Xinyi, Yang Jie, Lin Liangguo, et al. Study on the spatio-temporal variation of vegetation coverage in Shaanxi Province based on the Sen+Mann-Kendall method[J]. Agriculture and Technology, 2023, 43(7): 62-66.]

[23]
刘智源, 李继红. 2000—2020年黑龙江省植被时空变化对气候因子响应[J]. 森林工程, 2024, 40(1): 85-97.

[Liu Zhiyuan, Li Jihong. Responses of temporal and spatial changes of vegetation to climate factors in Heilongjiang Province from 2000 to 2020[J]. Forest Engineering, 2024, 40(1): 85-97.]

[24]
范虎, 党星海, 赵健赟, 等. 基于温度植被干旱指数的西北干旱区干旱时空变化[J]. 科学技术与工程, 2024, 24(27): 11537-11546.

[Fan Hu, Dang Xinghai, Zhao Jianyun, et al. Temporal and spatial variation of drought in Northwest arid region based on temperature vegetation drought index[J]. Science Technology and Engineering, 2024, 24(27): 11537-11546.]

[25]
汤连盟, 吕伟才, 蒲涛, 等. 西北地区干旱时空动态分布及成因分析[J]. 遥感信息, 2023, 38(5): 66-72.

[Tang Lianmeng, Lv Weicai, Pu Tao, et al. Spatio-temporal dynamic distribution and cause analysis of dought in Northwest China[J]. Remote Sensing Information, 2023, 38(5): 66-72.]

[26]
王姣妍. 基于MSWEP降水产品的新疆干旱时空特征分析[J]. 干旱区研究, 2022, 39(5): 1398-1409.

DOI

[Wang Jiaoyan. Study on spatiotemporal characteristics of drought in Xinjiang based on Multi-Source Weighted-Ensemble Precipitation multi-source merged precipitation product[J]. Arid Zone Research, 2022, 39(5): 1398-1409.]

DOI

[27]
尹本酥, 李振发, 岳蓉, 等. 基于温度植被干旱指数的关中地区旱情监测[J]. 农业工程学报, 2024, 40(17): 111-119.

[Yin Bensu, Li Zhenfa, Yue Rong, et al. Monitoring drought in Guanzhong areas using temperature-vegetation drought index[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(17): 111-119.]

[28]
李雯晴, 赵勇, 刘招, 等. 2001—2020年渭北黄土台塬区农业干旱变化特征及影响因素分析[J]. 水资源与水工程学报, 2024, 35(5): 1-10, 19.

[Li Wenqing, Zhao Yong, Liu Zhao, et al. Characteristics of agricultural drought and its influencing factors in the Loess Tableland of the north of the Wei River from 2001-2020[J]. Journal of Water Resources and Water Engineering, 2024, 35(5): 1-10, 19.]

[29]
覃佳盛, 杨婷, 吕洋. 1980—2022年我国骤旱特征及趋势分析[J]. 中山大学学报(自然科学版中英文), 2024, 63(5): 48-62.

[Qin Jiasheng, Yang Ting, Lv Yang. Flash drought pattern and trend in China during 1980-2022[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni (Chinese and English Edition), 2024, 63(5): 48-62.]

[30]
Chen Guojian, Fang Ning, Li Jianfeng, et al. Spatiotemporal variation and drivers of drought based on TVDI in the lower reaches of the Jinsha River[J]. Journal of Resources and Ecology, 2024, 15(1): 44-54.

DOI

[31]
蒋烨林, 王让会, 彭擎, 等. 干旱区景观格局演变及碳收支状况研究: 以塔里木盆地为例[J]. 生态与农村环境学报, 2019, 35(7): 875-884.

[Jiang Yelin, Wang Ranghui, Peng Qing, et al. Study on landscape changes and carbon budget situation in arid land: A case study in Tarim Basin, Xinjiang[J]. Journal of Ecology and Rural Environment, 2019, 35(7): 875-884.]

[32]
吴万民, 刘涛, 陈鑫. 西北干旱半干旱区NDVI季节性变化及其影响因素[J]. 干旱区研究, 2023, 40(12): 1969-1981.

DOI

[Wu Wanmin, Liu Tao, Chen Xin. Seasonal changes of NDVI in the arid and semi-arid regions of Northwest China and its influencing factors[J]. Arid Zone Research, 2023, 40(12): 1969-1981.]

DOI

Options
文章导航

/

〈 〉