具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

干旱是由降水、土壤湿度和潜在蒸散量等多因素引起的，在现有数据集的条件下，应尽可能多地考虑与作物需水相关因素和作用过程。现有的干旱指数存在以下几个不足：1)现有干旱指数通常只考虑水分供给不考虑作物需水，忽略了供需平衡的重要性；2)现在农业干旱指数缺乏机理性；3)没有考虑根系深度对作物干旱的影响。

基于此，本实施例提供了一种基于土壤水分平衡原理的农业干旱监测指数确定方法，土壤水分平衡指某一时期一定土壤体积内所得到的水分和被作物消耗、流失的水分之间的平衡关系。一般指在一定时间内，作物根部范围一定深度的土层得到与失去的水分差额。

本实施例利用长时间序列的多源遥感数据，基于水分供需关系平衡的原理建立了植被水分亏缺指数，目的在于更加精确地评价农业干旱发生的时间，范围和程度，为农业管理，实施灌溉提供决策帮助。

本实施例的方法与其他干旱指数方法的不同之处在于，它考虑了1)降水、土壤水分含量和潜在蒸散量等更多影响植被干旱的因素；2)基于水分供需关系建立干旱指数，使得干旱指数的物理机制更加合理；3)考虑作物根系在不同生育期的深度不同。

(1)植被土壤水分亏缺指数的计算考虑了多种影响干旱的因素：降水，土壤水以及蒸散发数据。

当需要的数据集可用时，应通过尽可能多地考虑相关因素/过程来评估由降水，土壤湿度和潜在蒸散量等多种因素引起的干旱，通过考虑降水或土壤水分，或将降水或土壤水分与潜在蒸散量结合来评估现有的农业干旱。

(2)植被土壤水分亏缺指数基于植被水分供需平衡原理建立。

区别于之前的农业干旱指数，该指数的建立基于植被水分供需平衡的原理而建立，由于不同生育期的作物蓄水量不同，利用遥感在数据多样性的优势，选择了可以表征作物需水量的潜在蒸散量数据，以及为植被提供水分的降水和土壤水之间的差异来计算作物水分亏缺情况。

(3)植被土壤水分亏缺指数考虑根系深度不同选择不同深度土壤层含水量。

由于作物的生长特性，作物在不同生育期根系深度不同，主要汲取水分的土壤层深度不同，初期根系较浅主要的水分来源取决于较浅的土壤层，随着作物的长高，生育期的推进，主要的水分来源由浅入深。

下面对本实施例的农业干旱监测指数确定方法进行详细说明。

参见图1，该方法，包括：

步骤101：获取潜在蒸发量数据、降水数据和土壤含水量数据。

所述步骤101：具体包括：

11)采用中分辨率成像光谱仪(Moderate-resolution ImagingSpectroradiometer，MODIS)采集设定时间段内的潜在蒸发量数据。

MODIS是美国宇航局研制的大型空间遥感仪器，用于了解全球气候的变化情况以及人类活动对气候的影响。潜在蒸散量(Potential Evapotranspiration，PET)：既是水分循环的重要组成部分，也是能量平衡的重要部分，它表示在一定气象条件下水分供应不受限制时，某一固定下垫面可能达到的最大蒸发蒸腾量，也称为参考作物蒸散。本实施例的潜在蒸发量数据采用了来自MODIS的潜在蒸散发量数据，首先，覆盖整个研究区域的需要两景影像(h26v05，h27v05)，分辨率为1km的八天产品(MYD16A2)，使用Wget工具获得，并使用MODIS重新投影工具进行了镶嵌和投影。本实施例采用了2008–2017年5月至9月的PET数据。

12)采用热带降雨测量任务卫星(Tropical Rainfall Measuring Mission，TRMM)获取设定时间段内的降水数据。

TRMM是专门用于定量测量热带、亚热带降雨的气象卫星，属于“地球观测系统(EOS)”，由美国国家航空航天局(NASA)、日本宇宙开发事业团(NASDA)联合研制。NASA负责卫星本体、4种仪器和运行系统，NASDA负责测雨雷达和卫星发射。

TRMM是为天气和气候研究而建立的联合任务。而降雨量数据则来自TRMM 3B43产品。生长季(5月至9月)期间2008年至2017年的降水数据是通过GES DISC的Wget工具获得的(https://disc2.gesdisc.eosdis.nasa.gov/data/TRMM_L3/TRMM_3B43.7)。降水数据以空间分辨率为0.25°和0.1°的月降水率(mm/h)给出。本实施例中，选择0.25°的空间分辨率以匹配土壤水分产品的空间分辨率。

13)采用全球陆面数据同化系统(Global Land Data Assimilation System，GLDAS)获取设定时间段内的土壤含水量数据；所述土壤含水量数据包括不同土壤深度的含水量数据。

GLDAS是使用土地表面建模和数据同化技术来摄取基于卫星和地面的观测数据产品，以生成最佳的土地表面状态和通量场。土壤含水量数据取自GLDAS分四层提供的土壤水分产品，GLDAS分四层提供土壤水分产品包括0-10厘米、10-40厘米、40-100厘米和100-200厘米的土壤水分。本实施例从2008–2017年生长季(5月至9月)的0.25°×0.25°的GLDAS2.1NOAH模型获得0–10cm和10–40cm的土壤水分数据集。本实施例的土壤含水量数据选择0–10cm和10–40cm的土壤水分。

步骤102：由所述潜在蒸发量数据、所述降水数据和所述土壤含水量数据计算每个月的月潜在蒸发量、月平均降水量和月土壤含水量。具体的，采用遥感图像处理平台ENVI-IDL进行不同数据间的计算，得到月潜在蒸发量、月平均降水量和月土壤含水量。

所述步骤102，具体包括：

由于潜在蒸发量数据、降水数据和土壤含水量数据这三种类型的数据集的时空尺度不一致并且不能直接使用，因此需要数据转换。

21)将来自TRMM的降水数据被转换为月平均降水量，单位为(毫米/月)。

22)从MODIS 8天复合产品中提取的潜在蒸散量数据将根据数据处理月份中8天产品的重量值汇总为月数据，从而实现在潜在蒸发量数据中提取到每个月的月潜在蒸发量。

23)来自GLDAS的土壤含水量数据的单位为kg/m²，需要采用土壤水分数据的计算公式转换为土壤水分数据。

24)最后，将来自GLDAS、TRMM和MODIS的数据的空间分辨率重新采样为1km，使用IDW插值方法对数据进行UTM 51空间投影。

其中，步骤23)中，具体为：

首先，计算土壤水分数据，其计算公式为：

其中，S表示土壤水分数据，Rawdata表示土壤含水量数据，ρ_water表示水密度。

然后，从GLDAS土壤含水量产品收集的土壤含水量数据针对不同的作物生长阶段进行了分层。在作物生长季节，作物的根部深度会增加，因此改变了作物可从中提取水的主要根系区域。但是，很难确定不同月份的根深。有证据表明，尽管在整个生长期中，最大的作物根系深度(玉米是吉林省的主要作物)可以达到1-2m，但百分之八十的根系分布在0-40厘米的深度。因此，0-40厘米的土壤被认为是作物生长的主要水源。由于GLDAS产品提供了四层土壤水分，即0–10cm，10–40cm，40–100cm和100–200cm，因此在本实施例中使用前两层来代表土壤中的可用水分，即前40厘米的土壤。此外，为了反映根系深度随作物生长季节的变化，将0-10cm和10-40cm土层之间的土壤层概念化，以创建代表10cm和40cm之间根系深度的干旱指数。将土壤含水量0–10cm，10–40cm，平均加权结果0–10cm和10–40cm与干旱指数进行比较。表1显示了不同土壤层的水分含量与不同月份的干旱指数之间的相关性。根据结果，选择了不同月份不同土壤深度的合适土壤水分。因此，可采用如下公式由所述土壤水分数据计算每个月的月土壤含水量，所述月土壤含水量的计算公式为：

其中，S_i为月份i的月土壤含水量；S_May为5月份的月土壤含水量；S_0-10为土壤水分数据中0-10cm层的土壤水分；S_Jun-Aug为6月份到8月份的月土壤含水量；S_10-40为土壤水分数据中10cm–40cm层的土壤水分；S_0-40为0–10cm层的土壤水分和10cm–40cm层的土壤水分的平均土壤水分；S_Sep为9月份的月土壤含水量。

表1不同月份各土壤层含水量与不同原位指数的相关性

表1中的标准化降水和蒸散量指数(the Standardized precipitationevapotranspiration index，SPEI)，通过标准化潜在蒸散与降水的差值表征一个地区干湿状况偏离常年的程度，是分析干旱演变趋势的新理想指标，目前已经广泛应用于干旱评估、水资源管理等领域。

步骤103：由所述月潜在蒸发量、所述月平均降水量、所述月土壤含水量和土壤消耗因子计算每个月的水分亏缺量。

所述水分亏缺量的计算公式为：

VSWD_i＝P_i+ρ*S_i-PET_i；

其中，i表示月份号，从5月到9月不等，是2008-2017年的变化年份；VSWD_i表示月份i的水分亏缺量；P_i为月份i的月平均降水量；S_i为月份i的月土壤含水量；PET_i为月份i的月潜在蒸发量；ρ为土壤消耗因子。土壤消耗因子是大气蒸发能力的函数，其表示作物在受到压力之前可以从土壤中提取的水量。当前土壤含水量被视为总可用水量，ρ＝ρ_FAO+0.04(5-ET_c)，ρ_FAO为粮农组织FAO56方法中显示的消耗因子值；ET_c表示实际蒸散量(mm/天)，ET_c可以从MODIS的实际蒸散产品ET中提取得到。

步骤104：计算每个月的所述水分亏缺量和对应月份多年的平均水分亏缺量之间的偏差，并将所述偏差确定为植被土壤水分亏缺指数。

由于地区之间的气候差异，不同地区的VSWD值差异较大，因此很难直接比较这些VSWD值。因此，引入了长期平均VSWD值，以计算该区域的每月VSWD值与该月多年的平均值的偏差。

所述植被土壤水分亏缺指数的计算公式为：

VSWD表示植被土壤水分亏缺指数；VSWD_i表示月份i的水分亏缺量；N表示总年数；本实施例中总年数为10年；表示月份i在N年的平均水分亏缺量；VSWD_j表示月份i在第j年的水分亏缺量。由此可见，所述植被土壤水分亏缺指数为利用降水、土壤水和潜在蒸散量等数据，考虑土壤水分平衡的原理建立的用来检测植被干旱的指数。

本实施例的农业干旱监测指数确定方法，利用多源遥感数据作为数据源，建立了基于水分平衡原理(作物水分供需关系)的植被土壤水分亏缺指数，其中采用多源遥感数据作为数据源能实现大面积农业干旱监测，基于水分平衡原理的植被土壤水分亏缺指数，使农业干旱监测更加精确，相较于传统干旱监测指数，可以更加精确地监测农业干旱的发生、范围和程度；利用多层土壤含水量数据，利用不同生育期玉米根深与作物用水深度的相关性分析，考虑将不同生育期对干旱影响加进干旱监测模型，也进一步提高了农业干旱监测的精准度。

本发明还提供了一种农业干旱监测指数确定系统，参见图2，该系统包括：

数据获取模块201，用于获取潜在蒸发量数据、降水数据和土壤含水量数据。

月数据计算模块202，用于由所述潜在蒸发量数据、所述降水数据和所述土壤含水量数据计算每个月的月潜在蒸发量、月平均降水量和月土壤含水量。

水分亏缺量模块203，用于由所述月潜在蒸发量、所述月平均降水量、所述月土壤含水量和土壤消耗因子计算每个月的水分亏缺量。

干旱指数确定模块204，用于计算每个月的所述水分亏缺量和对应月份多年的平均水分亏缺量之间的偏差，并将所述偏差确定为植被土壤水分亏缺指数。

作为一种可选的实施方式，所述月数据计算模块202，具体包括：

月潜在蒸发量计算单元，用于在所述潜在蒸发量数据中提取每个月的月潜在蒸发量。

月平均降水量计算单元，用于由所述降水数据计算每个月的月平均降水量。

土壤水分数据提取单元，用于由所述土壤含水量数据和水密度提取土壤水分数据；所述土壤水分数据的计算公式为：S＝Raw data/ρ_water，其中，S表示土壤水分数据，Rawdata表示土壤含水量数据，ρ_water表示水密度。

月土壤含水量计算单元，用于由所述土壤水分数据计算每个月的月土壤含水量；所述月土壤含水量的计算公式为：

其中，S_i为月份i的月土壤含水量；S_May为5月份的月土壤含水量；S_0-10为土壤水分数据中0-10cm层的土壤水分；S_Jun-Aug为6月份到8月份的月土壤含水量；S_10-40为土壤水分数据中10cm–40cm层的土壤水分；S_0-40为0–10cm层的土壤水分和10cm–40cm层的土壤水分的平均土壤水分；S_Sep为9月份的月土壤含水量。

作为一种可选的实施方式，所述水分亏缺量模块203中的所述水分亏缺量的计算公式为：

VSWD_i＝P_i+ρ*S_i-PET_i；

其中，VSWD_i表示月份i的水分亏缺量，P_i为月份i的月平均降水量，S_i为月份i的月土壤含水量，PET_i为月份i的月潜在蒸发量，ρ为土壤消耗因子。

作为一种可选的实施方式，所述干旱指数确定模块204中的所述植被土壤水分亏缺指数的计算公式为：

VSWD表示植被土壤水分亏缺指数，VSWD_i表示月份i的水分亏缺量，N表示总年数，表示月份i在N年的平均水分亏缺量，VSWD_j表示月份i在第j年的水分亏缺量。

作为一种可选的实施方式，所述数据获取模块201，具体包括：

第一数据获取单元，用于采用中分辨率成像光谱仪采集设定时间段内的潜在蒸发量数据。

第二数据获取单元，用于采用热带降雨测量任务卫星获取所述设定时间段内的降水数据。

第三数据获取单元，用于采用全球陆面数据同化系统获取所述设定时间段内的土壤含水量数据；所述土壤含水量数据包括不同土壤深度的含水量数据。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。