贵州农业干旱指数时空演化协同可视分析

doi:10.19788/j.issn.2096-6369.000042

摘要/Abstract

摘要：

对于当下强烈的农业干旱监测需求，一套可靠、高效的时空变化监测及评估方案是非常必要的。本研究基于1990－2022年的土壤湿度网格数据，选取经典的农业干旱指数SMCI(Soil Moisture Condition Index)和SSI(Standardized Soil Moisture Index)，设计了一套多视图协同、交互式的可视化分析方案，为多维的干旱数据分析提供了一种更加全面的、易于感知的新视角。结果表明：1)通过对贵州省干旱在年、季、月不同时间尺度下干旱的强度和空间变化进行分析，详细把握了贵州省这32年间的干旱时空变化，证明了本研究在干旱时空演化特征分析上的有效性；2)通过对SMCI和SSI在不同场景下的适用效果进行比较，评估了不同监测手段的干旱分析优势，证明了本研究可以用于干旱指数的比较。在当前的农业干旱监测中，协同可视化的分析手段可以有效提升监测效果。

关键词: 时空演化, 农业干旱, 协同可视化, SMCI, SSI

Abstract:

Nowadays, a set of reliable and efficient monitoring and assessment scheme for spatiotemporal changes is very necessary for the high demand of agricultural drought monitoring. In this study, based on the soil moisture grid data from 1990 to 2022 and the classical agricultural drought indexes SMCI (Soil Moisture Condition Index) and SSI (Standardized Soil Moisture Index), we designed a set of multi-view collaborative and interactive visualization and analysis scheme, which is able to give a new perspective, more comprehensive and more easily adapted to sense on multi-dimensional drought data analysis. The results show that: (1) by analyzing the spatiotemporal changes of drought in Guizhou at different time scales such as year, season and month, we could get a good grasp of the spatiotemporal evolution of drought in Guizhou during these 32 years, and this proves the validity of this study in analyzing the characterization of the spatiotemporal evolution of drought; (2) by comparing the applicable effects of SMCI and SSI in different scenarios, we evaluated the advantages of different monitoring methods in drought analysis, which proves that this study can be used to compare drought indexes. In current agricultural drought monitoring, collaborative visualization analysis can effectively enhance monitoring effect.

Key words: spatiotemporal evolution, agricultural droughts, collaborative visualization, SMCI, SSI

何凌君, 龙海, 李莉婕, 赵泽英. 贵州农业干旱指数时空演化协同可视分析[J]. 农业大数据学报, 2024, 6(4): 532-545.

HE LingJun, LONG Hai, LI LiJie, ZHAO ZeYing. Analysis of Spatiotemporal Evolution of Guizhou Agricultural Drought Index Based on Collaborative Visualization[J]. Journal of Agricultural Big Data, 2024, 6(4): 532-545.

图/表 16

图1

表1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

表2

图12

表3

图13

参考文献 36

[1]	杨春艳, 严小冬, 夏阳, 等. 近56a西南区域降水分布及持续性干旱的研究[J]. 中低纬山地气象, 2021, 45(2): 15-22.
[2]	HAN L Y, ZHANG Q, YAO Y B, et al. Characteristics and origins of drought disasters in Southwest China in nearly 60 years[J]. Acta Geographica Sinica, 2014, 69(5): 632-639. doi: 10.11821/dlxb201405006
[3]	贾艳青, 张勃, 马彬, 等. 1960-2015年中国西南地区持续性干旱事件时空演变特征[J]. 干旱区资源与环境, 2018, 32(5): 171-176.
[4]	李伟光, 刘少军, 侯美亭, 等. 气象与农业干旱指数研究进展[J]. 气象与环境科学, 2021, 44(3): 76-82.
[5]	HAO Z, AghaKOUCHAK A. Multivariate Standardized Drought Index: A parametric multi-index model[J]. Advances in Water Resources, 2013, 57: 12-18.
[6]	ZHANG A, JIA G. Monitoring meteorological drought in semiarid regions using multi-sensor microwave remote sensing data[J]. Remote Sensing of Environment, 2013, 134: 12-23.
[7]	CARLSON T N, RIPLEY D A. On the relation between NDVI, fractional vegetation cover, and leaf area index[J]. Remote Sensing of Environment, 1997, 62(3): 241-252.
[8]	BHUIYAN C, SINGH R P, KOGAN F N. Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote sensing data[J]. International Journal of Applied Earth Observation and Geoinformation, 2006, 8(4): 289-302.
[9]	ZAMBRANO F, LILLO-SAAVEDRA M, VERBIST K, et al. Sixteen Years of agricultural drought assessment of the biobío region in chile using a 250 m resolution vegetation condition index (VCI)[J]. Remote Sensing, 2016, 8(6): 530.
[10]	潘杉, 贺中华, 陈莉会, 等. 基于不同时间尺度的贵州省近50年气象干旱时空演化特征[J]. 水土保持研究, 2023, 30(3): 279-288.
[11]	游漫, 贺中华, 张浪, 等. 贵州省农业与气象干旱特征及其响应关系[J]. 水土保持学报, 2022, 36(5): 255-264.
[12]	李军, 王兆礼, 黄泽勤, 等. 基于SPEI的西南农业区气象干旱时空演变特征[J]. 长江流域资源与环境, 2016, 25(7): 1142-1149.
[13]	谢五三, 张强, 李威, 等. 干旱指数在中国东北、西南和长江中下游地区适用性分析[J]. 高原气候, 2021, 40(5): 1136-1146.
[14]	李勤, 张强, 黄庆忠, 等. 中国气象农业非参数化综合干旱监测及其适用性[J]. 地理学报, 2018, 73(1): 67-80. doi: 10.11821/dlxb201801006
[15]	蔺旭东, 周军锋, 刘佳. 资源关联性大数据分析在农业生态环境保护中的应用[J]. 中国农业资源与区划, 2016, 37(2): 62-65.
[16]	钱忠好, 冀县卿. 中国农地流转现状及其政策改进——基于江苏、广西、湖北、黑龙江四省(区)调查数据的分析[J]. 2016(2): 71-81.
[17]	刘勍, 毛克彪, 马莹, 等. 农业大数据浅析及与Web GIS结合应用[J]. 遥感信息, 2016, 31(1): 124-128.
[18]	朱军, 帅士章, 王星, 等. 基于GIS的贵州省农业干旱灾害危险性评价[J]. 中低纬山地气象, 2021, 45(1): 9-16.
[19]	赵洁. 农业农村现代化研究热点与前沿趋势的可视化分析[J]. 南方农机, 2022, 53(11): 176-180.
[20]	黄承芳, 李宁, 刘丽, 等. 气候变化下农业领域的国际文献特征与热点演变:基于CiteSpace V的文献计量分析[J]. 中国农业气象, 2019, 40(8): 477-488.
[21]	王竟俨. 第三次农业普查可视化分析[J]. 河南农业, 2021(9): 61-64.
[22]	王竟俨, 侯彦东. 基于PyEcharts的第三次农业普查数据可视化分析[J]. 河南科学, 2021, 39(4): 517-523.
[23]	贾利娟, 刘娟, 王健, 等. 基于PyEcharts的全球玉米贸易数据可视化系统建设及应用展望[J]. 农业展望, 2019, 15(3): 46-54.
[24]	刘力华, 徐建新, 雷宏军, 等. 贵州省农业干旱灾害风险区划研究[J]. 灌溉排水学报, 2016, 35(2): 44-49.
[25]	European Centre for Medium-Range Weather Forecasts. ECMWF _ Advancing global NWP through international collaboration[EB/OL]//ECMWF. [2023-08-16]. https://www.ecmwf.int/.
[26]	赵飞飞, 张显云, 付婷, 等. 贵州省不同地貌类型土壤湿度变化及其对气候变化的响应[J]. 水土保持研究, 2021, 28(6): 217-225.
[27]	MUÑOZ-SABATER J, DUTRA E, AGUSTÍ-PANAREDA A, et al. ERA5-Land: a state-of-the-art global reanalysis dataset for land applications[J]. Earth System Science Data, 2021, 13(9): 4349-4383.
[28]	PAN Y, ZHU Y, LÜ H, et al. Accuracy of Agricultural Drought Indices and Analysis of Agricultural Drought Frequency, Characteristics, and Trends in China between 2000 and 2019[R]. SSRN, 2023.
[29]	PENG D, ZHOU Q, TANG X, et al. Changes in soil moisture caused solely by vegetation restoration in the Karst region of southwest China[J]. Journal of Hydrology, 2022, 613: 128460.
[30]	中国气象局. 气象干旱等级: GBT 20481-2017[S]. 2017.
[31]	HAO Z, AghaKOUCHAK A. A Nonparametric Multivariate Multi- Index Drought Monitoring Framework[J]. Journal of Hydrometeorology, 2014, 15(1): 89-101.
[32]	KHAN R, GILANI H, IQBAL N, et al. Satellite-based (2000-2015) drought hazard assessment with indices, mapping, and monitoring of Potohar plateau, Punjab, Pakistan[J]. Environmental Earth Sciences, 2020, 79(1): 23.
[33]	孙昭萱, 张强, 孙蕊, 等. 2022年西南地区极端高温干旱特征及其主要影响[J]. 干旱气象, 2022, 40(5): 764-770. doi: 10.11755/j.issn.1006-7639(2022)-05-0764
[34]	国家防汛抗旱总指挥部, 中华人民共和国水利部. 中国水旱灾害公报 2011[M]. 中国水利水电出版社, 2012.
[35]	贵州省气候中心. 贵州省2022年气候影响评价[EB/OL]// 贵州省气象局. [2023-07-26]. http://gz.cma.gov.cn/qxfw/qhjcpg/qhpj/202303/t20230331_5413152.html.
[36]	黄慧, 杨光, 高辉. 2022年全国干旱及旱灾防御[J]. 中国防汛抗旱, 2022, 32(12): 9-12.

干旱类型	SMCI指数范围	SSI指数范围
无旱	(0.4, 1]	(-0.5, ∞]
轻旱	(0.3, 0.4]	(-1,-0.5]
中旱	(0.2, 0.3]	(-1.5,-1]
重旱	(0.1, 0.2]	(-2,-1.5]
特旱	(0, 0.1]	(-∞,-2]

季节	主要集中区域
冬	西南部：以威宁、望谟为主要干旱点，影响周边区域
春	西南部：以威宁、兴义为核心，辐射六盘水大部、毕节和黔西南布依族苗族自治州西部
夏	北部：遵义市大部、毕节市和贵阳市东北部、铜仁市西部
秋	东南部：以乌江、清水河、涟江等水系为界的整个东南地区

年份	2006	2007	2008	2009	2010	2011	2012	2013	2014
因旱受灾面积	716.9	179.4	30.4	477.9	1271.34	1822.5	132.53	1117.77	9.5
成灾面积	353.3	86	17.7	318.1	1216.13	1181	40.93	693.26	2.7
绝收面积	94.4	7	0.5	45.3	543.92	487.2	1.67	271.45
SSI Q²_min	-2.7	-2.16	-1.02	-2.91	-1.95	-4.03	-0.58	-2.71	-0.73
SMCI Q²_min	0.4	0.48	0.64	0.35	0.53	0.25	0.72	0.44	0.69
年份	2015	2016	2017	2018	2019	2020	2021	2022
因旱受灾面积		164.16	56.5	120.41		63.69	3.49	265.72
成灾面积		79.91	34.4	76.06		7.59	2.62	—
绝收面积		25.31	9.1	22.03		2.85	0.14	26.75
SSI Q²_min	-0.46	-1.6	-0.46	-0.08	-1.2	-0.67	-0.57	-3.54
SMCI Q²_min	0.74	0.56	0.73	0.67	0.61	0.69	0.72	0.25