《Climate Services》:Drought hazard assessment using vegetation health index from Google earth engine cloud computing platform
编辑推荐:
使用两个或多个干旱灾害指数在不同时间尺度上进行干旱评估和量化对于水资源规划、管理和适应策略的设计至关重要,因为每个指数都侧重于该地区水资源压力驱动的干旱的特定方面。在本研究中,研究人员利用2001年至2023年来自谷歌地球引擎(GEE)云计算平台的植被条件指数
使用两个或多个干旱灾害指数在不同时间尺度上进行干旱评估和量化对于水资源规划、管理和适应策略的设计至关重要,因为每个指数都侧重于该地区水资源压力驱动的干旱的特定方面。在本研究中,研究人员利用2001年至2023年来自谷歌地球引擎(GEE)云计算平台的植被条件指数(VCI)、温度条件指数(TCI)和植被健康指数(VHI),考察了埃塞俄比亚阿瓦什河流域的农业干旱灾害水平和时空变化。来自GEE的遥感(RS)MODIS Terra数据集用于评估VCI、TCI和VHI值。然后,使用类别特定阈值,将这些指数的结果在空间和时间尺度上分类为极端、严重、中度、轻微和无干旱类别。结果表明,基于研究期间所有干旱指数值,极端干旱类别尚未在研究区发生。然而,其他干旱类别在流域内各指数中均有发生,并存在空间和时间变化。在空间上,流域大部分上游和中部地区经历了中度至严重干旱条件。在研究期间,研究人员从TCI识别出5次严重干旱,从VCI识别出9次,从VHI识别出2次。在时间上,这些严重干旱条件发生在二月、三月、四月、五月和六月。与Kiremt季节生长期相比,流域的Belg季节生长期发生的干旱事件数量最多。这项使用GEE平台的JavaScript代码编辑器开发的干旱灾害评估,为评估阿瓦什河流域干旱的时空特征提供了合理的基础。它通过减少对昂贵的地面监测基础设施的依赖,为干旱风险缓解、干旱预防政策制定以及在其他大区域的长期干旱研究奠定了基础。
干旱作为一种复杂的自然灾害,由水分平衡破坏引发,对农业、生态和社会经济领域产生深远影响。在埃塞俄比亚阿瓦什河流域,干旱频繁发生,但现有研究多集中于降雨、温度、径流和蒸散发数据,忽略了归一化差值植被指数(NDVI)、植被条件指数(VCI)、温度条件指数(TCI)和植被健康指数(VHI)等遥感指标提供的农业干旱严重程度信息。此外,部分研究仅局限于流域的上游、中游或下游区域,缺乏对整个流域的全面一致监测。为解决这些问题,该论文利用谷歌地球引擎(GEE)云计算平台,整合遥感(RS)与地理信息系统(GIS),基于2001—2023年MODIS Terra卫星数据集,计算VCI、TCI和VHI值,对阿瓦什河流域的农业干旱灾害水平进行时空评估。研究得出以下结论:极端干旱未在研究期内发生,但其他干旱类别(严重、中度、轻微)在空间和时间上均有出现;流域上游和中部地区多受中度至严重干旱影响;严重干旱集中在Belg季节(3—5月),而Kiremt季节(6—9月)干旱事件较少。这项评估为干旱风险缓解、预防政策制定以及长期大区域干旱研究提供了基础,减少了对外界昂贵地面监测设施的依赖。该论文发表在《Climate Services》上。
研究人员为开展研究使用的主要关键技术方法包括:利用GEE平台的JavaScript代码编辑器获取和处理MODIS/006/MOD13Q1(16天、250米空间分辨率)和MODIS/006/MOD11A1(16天、1公里空间分辨率)数据集,提取归一化差值植被指数(NDVI)与地表温度(LST);基于NDVI计算植被条件指数(VCI,反映降水亏缺导致的植被水分胁迫),基于LST计算温度条件指数(TCI,反映高温和水胁迫),并以等权重(α=0.5)加权合成植被健康指数(VHI,综合植被水分可用性和热条件);依据Kogan(1995)分类标准将各指数值分为极端、严重、中度、轻微和无干旱五个等级;使用ArcGIS 10.8.2生成年度空间分布图,利用R中的ggplot2包进行时序分析,并计算均值与变异系数(CV)评估干旱分布的一致性。
**4.1 干旱的空间分布**
通过VCI、TCI和VHI的空间分析发现,流域东部高原和西北部出口区域在多数年份表现为无干旱(VCI>40),而中部和西南区域则受水分胁迫(VCI<40)。TCI结果显示,流域高海拔地区比低地更易出现热胁迫(TCI<40%),且无明显的线性趋势;低地出口区域TCI值较高(>40%),视为无干旱。VHI分析表明,流域中部、西南和东南区域在2001—2013年间经历了中度至极端干旱,而东北和西北区域在研究期多数年份无干旱;2012、2013、2014和2019年,西北部(Dessie、Kombolcha、Kemisse)和东北部出口区域受严重干旱影响。CV与均值分析显示,VCI的CV范围为2%–100%,TCI为4%–88%,VHI为6%–40%,表明干旱时空变异高度不一致。
**4.2 干旱的时间分布**
基于月度数据,TCI、VCI和VHI分别有183、73和103个月无干旱,24、114和43个月为中度干旱,63、79和127个月为轻微干旱,5、9和2个月为严重干旱,而极端干旱未出现。严重干旱主要发生在二月、三月、四月、五月和六月(Belg季节),其中三月和四月严重干旱次数最多(TCI:5次;VCI:9次;VHI:2次)。与Kiremt季节相比,Belg季节干旱事件数量最高;Kiremt季节中仅六月出现严重干旱(2009、2012年VCI)。年度分析表明,2002、2008、2009、2012、2015、2016和2021年为严重干旱年,与埃塞俄比亚历史干旱年份一致。
讨论部分指出,综合多个干旱指数(VCI、TCI、VHI)可更全面捕捉阿瓦什河流域干旱的复杂性,因为各指数分别侧重水分胁迫、热胁迫和综合植被健康。研究结果与Rift Valley流域、Abbay流域等地的文献一致,且与Dinku等(2018)报道的埃塞俄比亚历史干旱年份(1984、1987、1991–1992、1993–1994、2002、2008–2009、2011–2012、2015)相符。研究强调GEE云平台数据对长期大面积干旱灾害评估的重要性,并指出了使用粗分辨率MODIS数据(250–1000米)的局限性,例如难以捕捉混合土地覆盖的精细异质性以及视角效应等传感器问题,建议未来结合降雨、温度等气象数据及气候与土地利用变化情景开展进一步研究。结论翻译如下:基于GEE的遥感数据,通过VCI、TCI和VHI三个植被指数,研究人员评估了2001—2023年阿瓦什河流域的干旱灾害水平及其时空变化。在四个干旱类别(极端、严重、中度、轻微和无干旱)中,仅极端干旱未在研究期内出现;其他类别在不同时间和地点均有发生。在流域的两个生长季(Kiremt和Belg)中,严重干旱多出现在Belg季节(作物萌发与早期生长阶段),而Kiremt季节仅六月在2009和2012年受严重干旱影响。流域干旱在空间上既非均匀也非定点,但大部分上游和中部地区在研究期内经历干旱。这些发现为未来规划提供了基础,可供研究人员利用GEE遥感数据分析不同干旱指数,并为水资源规划者及减轻该区域未来干旱风险提供依据。建议流域农民及相关利益方实施有效的气候变化适应策略,如种植抗旱品种、推广微灌和建设大型集水系统,以应对干旱模式变化带来的潜在风险。同时,有必要使用标准化降水指数(SPI)和标准化降水蒸散指数(SPEI)等指标与遥感数据及GEE,进一步研究流域气象干旱的本质,以及社会经济干旱的水平和空间分布。