利用SPEI评估气象干旱指数以监测农业干旱：一种遥感方法

《Journal of Atmospheric and Solar-Terrestrial Physics》：Assessing meteorological drought indices for monitoring agricultural drought using SPEI: a remote sensing approach

农业干旱评估中气象干旱指数适用性研究：基于Subarnarekha河流域的NASA POWER数据分析显示，CZI和SPI与SPEI的相关性最高（R2=0.88-0.94），通过整合相关性、均方根误差和统计分布的综合评估方法，可提升干旱监测的可靠性。

　　

Kanhu Charan Panda|Pradosh Kumar Paramaguru|Ram Mandir Singh|Sudhir Kumar Singh

印度北方邦戈勒克布尔大学DDU下属的国家研究生学院（Barhalganj）土壤保护系，邮编273402

摘要

由于数据有限，农业干旱的估算受到阻碍。相比之下，气象干旱的评估非常容易，因为它只需要容易获取的气象数据。因此，本研究旨在利用遥感卫星数据，寻找适合评估热带河流流域农业干旱的气象干旱指数。研究了七种气象干旱指数，即标准化降水指数（SPI）、十分位数指数（DI）、正常百分比指数（PNI）、降雨异常指数（RAI）、China-Z指数（CZI）、改进型China-Z指数（MCZI）和Z分数指数（ZSI），并将其与有效的农业干旱指数——标准化降水蒸散指数（SPEI）进行比较，研究对象为Subarnarekha河流域。研究发现，CZI与3个月SPEI的相关性最高（R2 = 0.88–0.94），其次是RAI（R2 = 0.85–0.90）。根据这些指数复制SPEI的能力，将它们分为三类：SPI、CZI和MCZI属于“优秀”等级；ZSI和RAI属于“良好”等级；PNI和DI属于“较差”等级。仅依赖相关系数来评估干旱指数会导致错误的结果。然而，结合相关系数、均方根误差（RMSE）和统计分布可以提高评估的准确性。这种方法将MCZI和SPI的等级从“良好”提升为“优秀”。SPI和CZI在干旱和湿润时期都与SPEI的分布更为吻合，证明它们是评估农业干旱最可靠的替代指标。研究结果强调了在热带地区和数据稀缺地区，采用综合评估标准（包括多种统计指标）进行可靠干旱评估的重要性。

引言

气候变化显著影响了全球水资源的时空分布模式（Paramaguru等人，2023；Panda等人，2023；Panda等人，2023b；Singh等人，2022a；Dey等人，2022）。全球变暖导致的蒸发率上升和降雨模式不可预测，使热带河流流域面临更加干燥的未来（Panda等人，2022；Sahoo和Panda，2020；Abu Arra等人，2025）。因此，干旱加剧了气象干旱的持续时间和严重程度。气象干旱事件会严重扰乱全球社会经济系统的平衡，影响农业、水资源管理、公共卫生和地缘政治等多个领域（Paramaguru等人，2022；Kumar等人，2020；Panda等人，2021a；Singh等人，2022b；Saroughi等人，2023；Kumar等人，2022；Kumar等人，2022b）。长期且严重的气象干旱最终会导致农业干旱，严重影响作物产量，扰乱碳和养分循环，改变微生物群落，并影响土壤肥力和碳封存（Aktürk等人，2024；Latifo?lu等人，2024；Pandey等人，2023；Kar等人，2022, 2023a, 2023b；Paramaguru等人，2019）。农业干旱是热带河流流域普遍面临的挑战（Bisht等人，2020；Abu Arra和?i?man，2025）。因此，监测热带河流流域的农业干旱状况对于制定有效的缓解策略至关重要（Citakoglu和Co?kun，2022；Liu等人，2023a, 2023b, 2024）。

有多种指数可用于估算农业干旱，包括标准化降水蒸散指数（SPEI；Dikshit等人，2021）、作物湿度指数（CMI；Ahammed等人，2020）、Palmer干旱严重程度指数（PDSI；Shah等人，2023）、植被状况指数（VCI；Acharki等人，2023；Oluwatola等人，2020）、缩放干旱状况指数（SDCI；Shaw等人，2020）和温度植被干燥指数（TVDI；Bian等人，2023）。其中，SPEI是一种高效的气象干旱检测指数，具有多个优势，如整合了关键的气象信息（降雨、温度和蒸散）、时间尺度灵活性、水分平衡计算能力、适应气候变化的能力、标准化和可比性以及易于估算的特点（Dikshit等人，2021；Abu Arra和?i?man，2024a）。

农业干旱是气象干旱的延伸，可以通过某些仅依赖气象数据的气象干旱指数来识别。一些常用的有效气象干旱指数包括标准化降水指数（SPI；Laimighofer和Laaha，2022）、十分位数指数（DI；Abbasian等人，2021）、正常百分比指数（PNI；Ballah和Benaabidate，2021）、降雨异常指数（RAI；Raziei，2021）、China-Z指数（CZI；Amiri和Gocic，2023）、改进型China-Z指数（MCZI；Mahmoudi等人，2019）和Z分数（Ballah和Benaabidate，2021）。SPI提供了标准化的降水异常度量方法，可用于多种时间尺度（Laimighofer和Laaha，2022）。DI通过百分位数对干旱严重程度进行分类，显示当前降雨与历史记录的比较情况（Abbasian等人，202）。PNI将当前降雨表示为长期平均值的百分比，计算相对简单（Ballah和Benaabidate，2021）。RAI检测降雨模式的偏差，能够捕捉降雨条件的突然变化（Raziei，2021）。CZI结合了降雨和温度数据，进行更全面的评估，并考虑了区域气候特征（Amiri和Gocic，2023）。MCZI是CZI的改进版本，提供了对气象干旱条件的更深入理解（Mahmoudi等人，2019）。Z分数以标准差衡量降雨与其平均值的偏差，允许在不同地区之间比较干旱严重程度（Ballah和Benaabidate，2021）。

Wable等人（2019）比较了Sina河流域的百分比偏离正常值（PDN）、有效干旱指数（EDI）、标准化降水指数（SPI）、侦察干旱指数（RDI）和标准化降水蒸散指数（SPEI），发现SPEI是最有效的指数。Jain等人（2015）比较了Ken河流域的SPI、EDI、统计Z分数、CZI、降雨偏离值（RD）和基于降雨十分位数的干旱指数（RDDI），发现SPI和CZI与基准指数的相关性更高。Pathak和Dodamani（2020）使用SPI、RDI和SPEI评估Ghataprabha河流域的干旱情况，表明SPEI最适合干旱和半干旱流域。Li等人（2019）也得出结论，SPEI是评估长江流域农业干旱的最佳指数。Adnan等人（2018）比较了SPI、SPEI、DI、CZI、MCZI和Z分数，发现SPEI是最适合农业干旱评估的指数。气象干旱指数在识别热带河流流域农业干旱方面的有效性仍有待验证。在本研究中，这些气象指数与SPEI进行了比较，以确定最适合农业干旱评估的指数。

估算这些指数仅依赖于气象数据，但在一致的时间跨度内获取大面积的点尺度数据存在巨大挑战（Panda等人，2022；Abu Arra和?i?man，2024b）。相比之下，来自高分辨率卫星的遥感气象数据具有连续的时空覆盖优势，其质量可与观测数据相媲美（Sahoo等人，2020, 2022a, 2022b）。NASA的全球能源资源预测（POWER）项目数据集是备受推崇的卫星气象数据来源。许多先前的研究都使用了该卫星数据。Panda等人（2022）证明NASA POWER数据与观测气象数据同样有效。Panda等人（2023）利用NASA POWER数据分析了印度西部地区的干旱-湿润带转变动态。Duarte和Sentelhas（2020）使用该数据估算了巴西的玉米产量。据作者所知，目前尚无研究使用NASA POWER数据分析热带河流流域的农业干旱。

虽然遥感数据对大规模环境监测非常宝贵，但它存在多种偏差和局限性，尤其是在空间和时间分辨率方面。低分辨率数据集可能无法捕捉细微变化，导致局部分析的不准确性（Abu Arra等人，2024）。高分辨率卫星虽然提供详细的空间数据，但时间覆盖范围有限，难以追踪动态过程。此外，云层覆盖和大气条件可能会在光学遥感产品中引入误差，降低数据可靠性。数据处理中的算法偏差，如大气校正和反演模型，也会增加不确定性，尤其是在降雨和地表参数估算方面。验证是另一个关键挑战，因为地面测量数据通常稀少或不一致，尤其是在偏远地区。这些局限性凸显了使用卫星数据集开发这些指数的必要性。

本研究最终聚焦于解决两个研究问题：（1）基于NASA POWER卫星数据得出的干旱指数在热带河流流域的表现如何？（2）哪些气象指数适合在连续的时空尺度上识别农业干旱？基于上述回顾，本研究确定了以下目标：（1）使用NASA POWER卫星数据推导SPEI、SPI、CZI、MCZI、DI、PNI、RAI和Z分数；（2）确定最适合热带河流流域农业干旱识别的气象指数。本研究特别旨在找到一个能够替代SPEI的气象干旱指数。该研究将帮助研究人员和政策制定者制定适当的缓解策略，以减少干旱相关灾害的不利影响。

研究区域描述

Subarnarekha河是印度的一条主要河流，流经贾坎德邦、西孟加拉邦和奥里萨邦（图1）。这条河发源于贾坎德的Chota Nagpur高原，向东流约395公里后注入孟加拉湾。流域范围位于北纬21.5至23.5度、东经85.0至87.5度之间（面积=29,196平方公里）。Subarnarekha河流域位于干旱地区，以频繁的干旱期为特征（Yaduvanshi等人，2018）。大约54%

Subarnarekha河流域的干旱空间变化

通过干旱指数的空间分布，全面了解了Subarnarekha河流域的干旱动态，这些指数强调了干旱持续时间和严重程度的各个方面。使用八个干旱指数（SPEI、CZI、RAI、MCZI、DI、SPI、PNI和ZSI）评估了研究区域的干旱状况，结果显示整个流域存在区域差异（图4）。南部地区降雨较多，而北部和中部地区则存在水分不足

结论

本研究开发了一种使用来自实时NASA-POWER卫星数据的气象干旱指数来评估农业干旱的新框架。进行了深入分析，以找到适合热带河流流域农业干旱识别的气象干旱指数。本研究选择印度Subarnarekha河流域作为研究区域。利用NASA POWER卫星数据确定了八个干旱指数，即SPEI、CZI、RAI等

CRediT作者贡献声明

Kanhu Charan Panda：撰写——审稿与编辑、验证、软件开发、方法论、数据分析、概念化。Pradosh Kumar Paramaguru：撰写——初稿、资源获取、方法论、数据分析、概念化。Ram Mandir Singh：验证、监督。Sudhir Kumar Singh：监督、数据分析。

资金

本研究未接受任何公共、商业或非营利组织的资助。

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：

不存在利益冲突。如果有其他作者，他们声明没有已知的可能影响本文工作的财务利益或个人关系。