1、2023年7 月第54卷第7 期农学报业机械doi:10.6041/j.issn.1000-1298.2023.07.018基于TVDI的黄土高原干旱时空变化与其影响因素王椰1.2史海静1.3姜艳敏1.4吴友福3高原1.2丁成琴（1.中国科学院水利部水土保持研究所，陕西杨凌7 12 10 0；2.中国科学院大学，北京10 0 0 49；3.西北农林科技大学水土保持研究所，陕西杨凌7 12 10 0；4.中国科学院教育部水土保持与生态环境研究中心，陕西杨凌7 12 10 0）摘要：为探讨黄土高原地区2 0 0 1一2 0 2 0 年间干旱时空变化特征及其影响因素，利用MODIS增强植被指数（En
2、 h a n c e d v e g e t a t i o n i n d e x，EVI）以及地表温度（Land surfacetemperature，LST）数据，构建温度植被干旱指数（T e mp e r a t u r e v e g e t a t i o n d r y n e s s i n d e x，T VD I）模型，探究黄土高原地区2 0 0 1一2 0 2 0 年TVDI指数时空动态、变化趋势并利用地理探测器模型分析TVDI空间分异性的驱动因子。结果表明：2 0 0 1一2 0 2 0 年间黄土高原TVDI空间分布具有较强的空间分异性，总体上呈现从西向东旱情逐渐增加的
3、趋势，黄土高原多年平均TVDI为0.52 2，整体上处于轻旱状态。从TVDI多年变化趋势上分析，超过6 4%的区域有干旱加剧的趋势，且存在明显的地域分异规律，黄土高原西北部的内蒙古、宁夏北部以及山西部分地区旱情大多呈加剧趋势，而旱情缓解区域较为集中，多分布于陕西中部、宁夏南部和甘肃北部。各土地利用类型的TVDI年际变化均呈现不同程度上升的趋势且各土地利用类型年均TVDI差异明显，从大到小依次为：未利用地（0.57 1）、草地（0.554）、耕地（0.50 3）、林地（0.47 3）和建筑用地（0.46 2）。黄土高原地区TVDI的空间分异主要受高程、土壤类型、植被类型3个因子影响，三者9均超过
4、0.3,是黄土高原干旱的主要驱动因素；在多因子交互作用下，高程与SIF组合对黄土高原干旱发生的影响力最强，q达到0.709。关键词：干旱；温度植被干旱指数；黄土高原；地理探测器；MODIS中图分类号：S152.7；S12 7文献标识码：A文章编号：10 0 0-12 9 8（2 0 2 3）0 7-0 18 4-12OSID：告装Spatio-temporal Variation of Drought Characteristics andIts Influencing Factors in Loess Plateau Based on TVDIWANGYel.2SHI HaijingJIAN
5、G Yanmin.4WUYoufu13GAO Yuan1,2DING Chengqin3(1.Institute of Soil and Water Conservation,Chinese Academy of Sciences and Ministry of Water Resources,Yangling,Shaanxi 712100,China2.University of Chinese Academy of Sciences,Beijing 100049,China3.Institute of Soil and Water Conservation,Northwest A&F Un
6、iversity,Yangling,Shaanxi 712100,China4.The Research Center of Soil and Water Conservation and Ecological Environment,Chinese Academy of Sciences and Ministry of Education,Yangling,Shaanxi 712100,China)Abstract:To explore the spatio-temporal variation of drought characteristics in the Loess Plateau
7、from2001 to 2020 and its influencing factors,MODIS enhanced vegetation index（EVI)a n d l a n d s u r f a c etemperature(LST)data was used to establish the temperature vegetation dryness index(TVDI)model.The driving factors of TVDI in the Loess Plateau from 2001 to 2020 were analyzed by using Geodete
8、ctorModel.The results showed that from 2001 to 2020,the spatial distribution of TVDI in the Loess Plateauhad a strong spatial heterogeneity,and the drought increased gradually from west to east.The averageTVDI of the Loess Plateau for the past 20 years was O.522,indicating a light drought on the who
9、le.According to the variation trend of TVDI,more than 64%of the regions showed a drying trend,and therewas an obvious regional differentiation.The drought situation in Inner Mongolia,northern Ningxia and收稿日期：2 0 2 2-11-17 修回日期：2 0 2 3-0 1-19基金项目：西部青年学者项目（XAB2020YN04）、中国科学院战略性先导科技专项（XDA20040202）、国家自然
10、科学基金项目（4150 10 55）和国家科技基础条件平台建设项目（2 0 0 5DKA32300）作者简介：王椰（1998 一），男，博士生，主要从事环境遥感研究，E-mail：13410 46 492 q q.c o m通信作者：史海静（198 3一），女，副研究员，主要从事数字水土保持与大数据研究，E-mail：s h i h a i j i n g c n n w a f u.e d u.c n185第7 期王椰等：基于TVDI的黄土高原干旱时空变化与其影响因素parts of Shanxi was mostly intensifying,while the areas of alle
11、viating drought were concentrated,mainlydistributed in central Shaanxi,southern Ningxia and northern Gansu.The annual change of TVDI of allland use types showed a rising trend in varying degrees,and the annual average TVDI of each land usetype was significantly different,in order from large to small
12、 as follows:unused land(0.571),grassland(0.554),cultivated land(0.503),forest land(0.473)and construction land(0.462).The spatialdifferentiation of TVDI in the Loess Plateau was mainly affected by three factors:elevation,soil type andvegetation type,whose q values were all exceeding O.3,which were t
13、he main driving factors of drought inthe Loess Plateau.Under the interaction of multiple factors,the combination of elevation and SIF had thestrongest influence on the occurrence of drought in the Loess Plateau,with q value reaching O.709.Key words:drought;temperature vegetation dryness index;Loess
14、Plateau;Geodetector;MODIS0引言干旱是人类面临的主要自然灾害之一，干旱的发生会对粮食安全、经济发展等产生严重威胁。在全球变暖以及人类活动加剧的背景下，干旱等极端气候频繁发生2 ，并在世界范围内产生巨大影响，全球因干旱而造成的经济损失超过千亿3。因此，实时高效干旱监测以及预测干旱变化受到世界广泛关注4。以往对干旱的监测，多基于气象站点或人工测熵的方式来获取点尺度土壤水分数据5-6 ,并以此来表征研究区干旱发生的时空分布及变化趋势，这些方式虽然能以较高精度表示出气象站点附近的土壤湿度，但精度受限于土壤湿度监测点密度，也会消耗大量人力物力7 ，难以进行大范围的干旱监测8 。近
15、年来，随着遥感技术的不断发展，实时连续的遥感影像获取以及地表过能量及特征参数的提取，使得大尺度多时相的干旱动态监测成为可能9-10 。SANDHOLT等 利用地表温度（LST)和归一化植被指数（NDVI）构建了TsND VI特征空间,并由此得出温度植被干旱指数（TVDI），该模型与表层土壤湿度具有较高的相关性12】,且模型构建简单，在遥感干旱研究中应用广泛13。李正国等14 基于MODIS数据估算TVDI来表征黄土高原地区干旱状况，证明了该指标对土壤以及植物水分含量具有指示意义。LIANG等15 利用MODIS数据为基础得到TVDI,得出2 0 0 12 0 10 年间我国干旱时空分布状况，并
16、分析其与气候因子间的关系。刘立文等16 在对吉林省的干旱监测研究中证明了TVDI可以很好地对当地旱情进行监测，并发现在不同时期采用特定的植被指数的TVDI模型，经过地形校正后能够更准确地反映干旱状况。以上表明，基于多源遥感数据的TVDI是农业旱情监测与评价可靠且有效的指标之一。黄土高原是我国四大高原之一，地形复杂，处于干旱半干旱气候区，降水的季节性变化明显，生态环境脆弱，植被恢复较慢，易受干旱影响17 。目前黄土高原基于TVDI的干旱研究以短时期为主14.1,而对于黄土高原长时间序列的干旱监测研究中，多针对降水、气温等气象因素对干旱的影响响15.18 -2 0 1 进行讨论，较少考虑地形地貌或
17、是人类活动因素对干旱发生及分布的影响力，且在TVDI的计算中多以NDVI为植被参数，在高植被覆盖度的区域可能会出现敏感性下降的问题本文利用GEE平台获取黄土高原2 0 0 1一2 0 2 0年间MODISEVI和MODISLST数据产品，并根据DEM对LST数据进行校正，构建EVI-Ts特征空间，计算得到校正后的温度植被干旱指数TVDI,并利用一元线性回归趋势分析法、地理探测器模型等方式对TVDI值进行分析，以此对黄土高原2 0 0 1一2020年间TVDI的时空变化特征进行探讨并揭示其干旱发生的驱动因子，明晰TVDI对黄土高原气候、地形因子以及人类活动状况的响应机制，以期为黄土高原地区的生态
18、预警和旱灾防控提供科学依据。1数据与方法1.1研究区概况黄土高原地处黄河流域中部（3343 4116 N，1005411433E），地势西高东低，海拔8 0 0 3000m，起伏较大，涉及山西、宁夏、陕西、甘肃、内蒙古、青海、河南7 个省（区），总面积约6.2 10 km（图1a）。黄土高原植被覆盖状况总体上呈东南高西北低的趋势,2 0 10 年的耕地、林地、草地、水域、建筑用地、裸地分别占研究区总面积的32.4%、15.2%、41.5%、1.4%、2.6%、6.9%（图1b）。黄土高原属于半干旱与半湿润气候区，年均温空间差异较大（图1c），夏季炎热多暴雨，冬季寒冷干燥，受夏季风影响,黄土高原
19、全年降水较为集中，6 一9月降水占全年降水的6 0%以上。降水的年际变化大，年降雨量为150 8 0 0 mm，且由西北向东南递增（图1d）。植被随着降雨量递增，逐步由草原向森林过渡。黄土高原蒸发量普遍高于实际降水量，为140 0 农186机2023年业报学械河流土地利用类型NNNN研究区耕地省界门省界林地河流和浩特土壤湿度站点省会高程/m筑用地城市No66No68建内家地内家古521085No98No960250500km0250500km102E105E108E111E114E102E105E108E111E114E（a）高程及湿度站点(b）土地利用类型NtNNN研究区研究区门省界省界气温
20、/降水量/mm内掌古No66No68内蒙古15.99738.04-13.1893.68山西山西宁夏N.98青海N.96甘肃陕西青海甘肃陕西0250500 km0250500kmL102E105E108E111E114E102E105E108E111E114E(c）平均气温(d）年均降水量图1黄土高原概况Fig.1Overview of Loess Plateau2000mm，由东南向西北递增，整体较为干燥2 0，且近年来大规模的人工林的栽种使得黄土高原土壤水分流失严重，加剧了该地区的干旱状况(2 11.2数据源与预处理1.2.1EVI和 LST数据研究使用的2 0 0 1一2 0 2 0 年的
21、EVI数据来源于Google Earth Engine（G EE）平台MODIS/006/MOD13Q1数据产品，该数据产品存储于GEE平台内，且已经过大气校正，时间分辨率16 d，空间分辨率2 50 m，共456 期影像，将其重采样至1km。所使用的2 0 0 1一2 0 2 0 年的LST数据源于CEE平台MODIS/006/MOD11A1数据产品，时间分辨率8d,空间分辨率1km,共913期影像，对图像进行拼接、裁剪等预处理工作。以上过程均于CEE平台完成。EVI与LST数据有质量控制文件（QC），可以指示研究区内不同区域在不同时间内数据的质量状况及其可靠性。对两种数据产品的质量控制文件
22、（Q C）的统计发现，2 0 0 1一2 0 2 0 年黄土高原地区的EVI与LST数据达到中、高等级的像元大多在95%以上，表明EVI与LST数据产品质量整体较好，数据产品可靠性较高。为进一步去除异常值的影响，本研究将未通过质量控制及数值异常的像元删除，并通过最大值合成法将LST与EVI数据转换为逐月数据。黄土高原地势较高，大多数地区海拔为8 0 0 3000m，自东向西，地形起伏明显，太阳辐射受高程影响显著，为消除地形的影响，需采用数字高程模型(Digital elevationmodel,DEM）数据对LST数据进行修正2 2-2 3 ,修正方法为T,=T,4 cH(1)式中T.经DEM
23、数据校正后的地表温度T原始MODIS地表温度SH高程C修正系数,取0.0 0 61.2.2DEMM数据研究所采用的DEM数据源于CEE平台的NASA NASADEM Digital Elevation 30m（NA SA/NASADEM_HGT/001）数据产品，空间分辨率为30m，在GEE平台提取该DEM数据的坡度和坡向信息，最后对高程、坡度和坡向进行拼接、裁剪等预处理后，将其空间分辨率重采样为1km，用于地理探测器驱动因子分析及校正LST数据以计算TVDI值。1.2.3气象数据黄土高原2 0 0 1一2 0 2 0 年月温度和月总降水量产品源自国家地球系统科学数据中心黄土高原分中心（htt
24、p：/w w w.l o e s s.g e o d a t a.c n/），该数据集涵盖了中国的主要陆地地区，空间分辨率为0.0 0 8 3333（约1km）。该数据产品是据CRU发布的全球0.5年份187王椰等：基于TVDI的黄土高原旱时空变化与其影响因素第7 期气候数据以及WorldClim发布的全球高分辨率气候数据，通过Delta空间降尺度方案在中国地区降尺度生成。获取气象数据后，在ArcMap10.8中将文件由nc格式经转换、裁剪等预处理得到TIFF格式的2 0 0 1一2 0 2 0 年黄土高原月均气温和月总降水量的栅格数据。并对数据进行重采样，使得其与LST和EVI数据具有相同的
25、分辨率，用以研究气候因子对TVDI的影响状况等后续工作。1.2.4土壤数据土壤湿度数据源自科学数据银行（ScienceDataBank），该数据集将中国147 1个土壤湿度站点的土壤湿度进行筛选，过滤掉低质量站点以保证站点数据的可用性和连续性，并根据站点土壤特征参数将相对含水率转换为体积含水率，最后，将站点的旬值数据取平均得到月值数据。过滤后该数据集保留732个站点的5个土层（10、2 0、50、7 0、10 0 cm）的土壤湿度数据2 4,其中，黄土高原内共有157 个站点。1.2.5资源数据土地利用数据为1km分辨率的栅格数据，包括25个土地利用类型；经济数据为1km网格的中国人口空间分布
26、公里网格数据集；植被类型、土壤类型数据分别根据1：10 0 0 0 0 0 中国植被图集以及1:10 0 万中华人民共和国土壤图数字化生成，以上数据均来源于中国科学院资源环境科学数据中心（h t t p：/w w w.r e s d c.c n/）。其中，土地利用类型数据依据黄土高原地区实际情况以及研究精度要求对原始数据进行重分类，将研究区土地利用类型分为耕地、林地、草地、水域、建筑用地和未利用土地6类，空间分辨率为1km。人口数据来自LandScan人口密度数据集（https：/l a n d s c a n.o r n l.g o v/），该数据集空间分辨率1km，为逐年更新，单位是人/k
27、m。本研究使用的日光诱导叶绿素荧光数据（SIF）为GOSIF数据集（https:/globalecology.unh.edu/）,该数据集根据OCO-2离散的SIF数据与MODIS数据和气象数据再分析得到，空间分辨率为0.0 5（约5.4 km)。2研究方法2.1温度植被指数TVDI计算研究表明，地表温度（LST）和植被指数（VI）都可以表示地表和植被的干湿状况，从而实现干旱监测2 5。当土壤含水率高，植物生长旺盛，蒸腾作用可使地温降低。相应地，当土壤含水率低，植物生长受限，蒸腾作用不强，会使地表温度上升。土壤湿度与地表温度、植被生长状况之间存在一定相关性。SANDHOLT等 利用地表温度（L
28、ST）和归一化植被指数(NDVI)构建了TsND V I 特征空间,并由此提出一种经过简化的温度植被干旱指数（TVDI），TVDI与土壤水分状况直接相关，能够表征植物受水分胁迫程度13。TVDI理论值在0 1之间,TVDI值越高表征区域旱情越严重，反之则该地越湿润。TVDI计算公式为T-T,minTVDI(2)TTmaxmin其中Ta+6maxEVImaxmaxmax(3)Ta+bminEVIminminmin式中Tmin某一植被指数下，最低地表温度，构成特征空间中的“湿边”T某一植被指数下，最高地表温度，并max构成特征空间中的“干边”六和秋a6干边线性拟合方程参数maxmax6湿边线性拟合
29、方程参数min本研究中，将增强植被指数（EVI）作为计算TVDI的植被参数，相较于常用的NDVI1.26-2,利用EVI合成的TVDI与实测土壤湿度的相关性更高2 8-2 9,原因是EVI中加人蓝波段增加了植物特征信号，减小了土壤背景及气溶胶散射影响，能够克服NDVI受土壤背景影响大，在高植被覆盖区灵敏度下降等缺点30 在EVI为0.0 5,0.8 时，以0.0 1为步长，计算每个EVI范围中最大和最小地表温度，得出2 0 年间240个月的TsEV I 特征空间，并采用最小二乘法对2 40 期特征空间的干湿边进行线性拟合，计算得到每期的干湿边拟合方程及其相关系数。然后通过式（2），得到对应像元
30、的TVDI值。2.2时间趋势分析法统计黄土高原2 0 年间逐年的TVDI平均值，采用Theil-SenMedian趋势分析法对TVDI年均值趋势变化进行分析，并采用MannK e n d a ll非参数检验法对得出的变化趋势进行显著性分析。Theil-SenMedian趋势分析法是一种非参数统计的趋势计算方法，Sen趋势分析法对数据的分布没有要求，且对数据异常值具有一定的抵抗能力，该方法已逐渐应用在遥感时序数据的分析中31-32 Sen斜率计算公式为TVDI-TVDI=Median(4)i-i式中一一TVDI的年变化值TVDI,、T VD L一第i、j年对应的TVDI值由于Sen斜率无法反映T
31、VDI变化的显著程度，故采用MannK e n d a l l 非参数检验方法对SenMM-K检验统计量188农机2023年业报学械斜率进行显著性检验，其计算公式为r(M+1)/Var(M)(M 0)Z.=/o(M=0)(5)(M+1)/Var(M)(M TVDI,)sgn(TVDI,-TVDI,)=(TVDI,=TVDI,)-1(TVDL,TVDI,)(8)式中Z.-M-K检验的标准化统计量n研究中时间序列总长度，取2 0式（5)中Z。作为M-K检验的标准化统计量，服从标准正态分布，在一定的显著性水平下，若IZ。IZ1-/2,则可认定为变化趋势显著,反之,则不显著。当1Z。1大于1.96 和
32、2.58 时，则可认为趋势通过95%和99%的显著性检验，具体的干旱变化趋势及显著性划分见表1。表1黄黄土高原旱情变化趋势划分Tab.1Division of drought change trend in Loess Plateau1.962.581Z,1 2.580.001轻微变干显著变干极显著变干-0.0010.001基本稳定基本稳定基本稳定-0.001轻微变湿显著变湿极显著变湿2.3地理探测器模型地理探测器33 是以空间相关性为基础，通过探测各因子的空间异质性来解释其背后驱动因素的一组统计方法。本研究将TVDI值作为因变量，将温度、降雨量、高程、坡度、坡向、GDP、人口密度、土地利用方
33、式、土壤类型、植被类型以及植物光合指标11个因子作为自变量，通过地理探测器模型进行计算。应用地理探测器的因子探测模块与交互作用探测器模块，计算黄土高原地区TVDI的驱动因子q及其不同因子两两交互作用对TVDI的影响。其中，9的表达式为1Lq=N.oi(9)h=1式中一一各因子对TVDI的解释能力强度h一一自变量因子的分层数NhN-层为h的单元数和研究区全部单元数2不同分级区的方差和全局方差交互探测器模块则对不同影响因子交互作用对TVDI的影响进行探测，从而判断出不同因子共同作用时对TVDI的影响情况，判断方式见表2。本研究采用自然断点法将温度、降雨量、高程、坡度、坡向、GDP、人口密度以及植物
34、光合指标分为10 类，将土地利用类型分为6 类，植被类型与土壤类型分为10类和15类，将黄土高原划分为5km5km的网格，将2 52 48 个网格中心作为采样点进行采样，提取采样点各个因子的属性值用于地理探测器的计算。表2温度植被干旱指数影响因子交互作用类型Tab.2Interaction types of factors affecting TVDI判定依据交互作用q(X,nX2)min(q(X,),q(X,)非线性减弱min(g(X,),g(X,)q(X,nX,)单因子非线性减弱max(q(X,),g(X,)q(X,nX2)q(X,)+q(X2)非线性增强2.4干旱等级划分本研究参照文献1
35、4,2 8,34 利用TVDI模型对研究区的旱情等级划分的方法，得出适合于干旱半干旱地区的干旱分类标准（表2）。通过式（2）（4)得到黄土高原地区2 0 年间TVDI均值后，根据表3对研究区干旱程度进行划分。表3 1TVDI干旱等级划分标准Tab.3TVDI drought classification standardTVDI等级干早特点00.40湿润土层水分充足，地表湿润0.40 0.52正常植物正常能够生长，无旱象0.52 0.71轻旱土壤水分不足，植物出现菱迹象0.71 0.82中早土壤表层干燥，植物叶片开始萎0.82 1重土壤水分严重不足，植物干枯、死亡3结果与分析3.1干旱监测指标
36、可信性评价由TVDI的物理意义可知,TVDI的数值与土壤湿度呈负相关关系，且已有大量研究证明了这一关系1.2 6.5-6 1,而国家气象局又将深度2 0 cm的土壤含水率作为旱情分级标准37 ，因此国内研究多以20cm的土壤含水率来验证TVDI作为干旱监测指标的可靠性2 7.38 。本文选用深度2 0 cm的土壤含水率对TVDI监测结果进行可信度评价。由于该土壤湿度数据集存在部分缺失，且逐月验证数据量大，现选用2 0 12 年7 月与2 0 13年7 月的土壤湿度数据对189王椰等：基于TVDI的黄土高原干旱时空变化与其影响因素第7 期TVDI进行验证，结果如图2 所示。由图2 可以看出，TV
37、DI与深度2 0 cm的土壤含水率具有负相关关系，经分析可知，2 0 12、2 0 13年TVDI值与土壤含水率的皮尔逊相关系数分别达到-0.50 3和-0.536，且均通过p0.01的显著性检验，这说明两者具有良好的相关性。总体来看,TVDI与土壤含水率线性关系较强，且具有显著的负相关性，因此，基于MODIS的EVI和LST数据计算得到的TVDI用于干旱监测具有较高可信度。3.2Ts-EVI特征空间的构建及干湿边方程拟合表4为2 0 2 0 年各月干湿边拟合结果，结果表明，干边斜率均小于零且R的平均值达到0.8 2，这说明干边拟合效果较好，且随着EVI的增大，地表温度呈减小趋势，两者具有强负
38、相关关系。而湿边方程斜率除7 月外都大于零，说明多数情况下，随着EVI的升高地表最低温度呈上升趋势。而湿边方程斜率绝对值以及R均小于干边，说明干边拟合的地表最高温度比湿边拟合的地表最低温度对EVI变化更为敏感，且干边整体的拟合效果好于湿边。0.8验证点0.7线性关系0.60.50.40.3y=-0.862x+0.673R2=0.28740.20.050.100.150.200.250.300.350.40土壤含水率/（cm3cm-3）(a)2012年7 月0.8验证点线性关系0.70.60.50.40.3y=-0.717x+0.654R=0.25340.20.050.100.150.20 0.
39、250.300.350.40土壤含水率/（cm3cm-3）(b)2013年7 月图22012、2 0 13年7 月土壤含水率与温度植被干旱指数关系Fig.2Relationship between soil moisture and TVDIin July 2012 and 2013表42 0 2 0 年内各月Ts-EVI特征空间干湿边拟合方程Tab.4Dry and wet edge fitting equation of the Ts-EVI space in 2020月份干边湿边1D=36.4-45.8x(R?=0.71)W=1.5+32.6x(R2=0.81)2D,=45.9-45.1
40、x(R2=0.72)W,=10.5+21.4x(R?=0.67)3D,=52.2 40.2x(R?=0.87)W,=19.5+14.7x(R?=0.42)4D,=62.2 40.0 x(R?=0.94)W,=19.3+15.8x(R2=0.38)5D,=68.9-34.8x(R?=0.91)W,=27.4+5.64x(R2=0.36)6D,=69.6-28.9x(R?=0.73)W,=31.0+2.26x(R?=0.21)7D,=68.626.1x(R2=0.90)W,=34.2-9.25x(R?=0.20)8D=69.6-34.4x(R?=0.90)W,=30.5+3.22x(R=0.03)
41、9D,=58.5-30.6x(R2=0.79)W,=25.0+3.48x(R?=0.12)10D,=53.4 56.2x(R2=0.86)W,=14.4+16.1x(R?=0.28)11D.=45.346.5x(R2=0.74)W,=12.2+27.4x(R2=0.69)12DX=36.2-51.5x(R?=0.80)W,=-2.7+32.4x(R=0.76)3.3黄土高原TVDI空间分布及年际变化情况3.3.1干旱空间分布特征由图3可知，多年以来，黄土高原土壤干湿状况存在明显的空间分异，以区域性干旱为主，旱情呈现出自西向东逐渐缓解的状况。总体上，黄土高原近20年来呈现出干旱化趋势，且西部发生
42、干旱的频率和范围要远高于东部。从黄土高原TVDI的多年均值来看，黄土高原多年平均TVDI值为0.52 2，达到轻度干旱级别。而轻度干旱也是黄土高原地区的主要干旱类型,其主要分布在宁夏、甘肃、内蒙古和陕西部分地区，这与庞素菲等35 和程伟等36 结论一致，该地区约占黄土高原总面积的38.5%，土地利用类型多为耕地、草地以及荒漠；中旱、重旱区域分别占黄土高原面积的4.1%和1.1%，多集中于黄土高原西南部的青海部分地区以及甘肃西北部，该地区海拔较高，降雨量少，土壤涵养水分能力较弱，土地利用类型多为疏林地、草地或是荒漠；而湿润和正常区域多分布于黄土高原东部的山西、河南、陕西大部、内蒙古东部等地区，该
43、地区水资源丰富，植被覆盖度相对较高，土地利用类型以耕地和林地为主，分别占黄土高原面积的11.5%和44.7%3.3.2干旱的年际变化趋势按照式（4）计算黄土高原2 0 0 1一2 0 2 0 年间逐年平均TVDI的Sen趋势值,并结合式（5）（9）进行Mann-Kendall趋势显著性检验,将TVDI变化趋势图与TVDI变化显著性空间分布进行叠加分析，并根据表1将黄土高原干旱变化趋势分为极显著缓解、显著缓解、轻微缓解、基本稳定、轻微加重、190农2023年机业报学械干旱等级N干旱等级N干旱等级N湿润湿润轻旱中早重早正常省界省界省界05001000km05001000km05001000km20
44、01年2005年2010年干旱等级N干旱等级N干旱等级N湿润湿润湿润轻旱轻旱中旱中早重早正常正常省界省界5001000km05001000km05001000km2015年2020年多年均值图320012020年间黄土高原干旱等级空间分布Fig.3Spatial distribution of drought grade in Loess Plateau from 2001 to 2020显著加重、极显著加重7 种类型，得出2 0 0 1一2 0 2 0年黄土高原干旱变化趋势类型空间分布（图4a）。从图4a可以看出，黄土高原不同地区干旱变化趋势差异明显，经统计发现，2 0 0 1一2 0 2
45、0 年黄土高原大部分区域的干旱情况呈稳定或是轻微变化状态，约占黄土高原总面积的7 0%，而其他区域中，呈显著缓解（P0.05）的区域约为8%，多集中于宁夏南部和甘肃北部以及陕西中部部分地区，而干旱呈显著增加（P0.05）的区域约为2 2.4%，多集中在内蒙古与宁夏北部区域。由图4b可知，2 0 0 1一2 0 2 0 年黄土高原TVDI年际变化的空间分布具有较强的地域分异性,TVDI年际变化速率的分布区间为-0.0 3,0.0 2（图4b）。超过6 4%的区域Sen斜率大于零，这说明黄土高原大部分区域处于干旱加重状态。毛乌素沙地、内蒙古的库布齐沙漠、宁夏北部以及山西部分地区旱情大多呈加剧趋势，
46、其中，黄土高原北部的内蒙古以及宁夏北部地区旱情增加趋势最为严重，山西、青海部分地区也有轻微增加的趋势，这与文献35,39-40 的研究结果一致，该地区土地利用类型多为耕地和荒漠。而旱情缓解区域也较为集中，宁夏南部和甘肃北部旱情明显缓解，陕西中部、青海部分地区的旱情也有减少趋势，这与文献4143的结论一致，该地区的土地利用类型则以森林以及草地为主。为直观反映黄土高原地区干旱变化情况，对黄土高原2 0 0 1一2 0 2 0 年间TVDI年均值和各干旱等级面积占比进行统计（图5），不难发现，黄土高原多年平均TVDI值约为0.52 2，峰值出现在2 0 0 5年（0.542），低值出现在2 0 0
47、3年（0.47 8），整体呈波动升高趋势，增速为0.0 18/（10 a）。黄土高原在2 0 年间发生着以轻旱为主的干旱，其面积在32.3%47.2%之间，最大值出现在2 0 0 5年（47.2%），在2 0年间有下降趋势；而中旱发生面积在2 0 年间均未超过10%，多年均值为5.1%，近2 0 年整体呈上升趋势；重旱发生面积最小，仅占研究区面积的0.7%2.1%，除2 0 0 1年重旱区域占研究区面积最大，达到2.1%，其余各年均未超过2%；正常区域所占面积最大，多年占比在36.8%46.2%之间，多年均值为41.7%，在2 0 年间变化不大；湿润区域占比在6.4%20.8%之间，其变化幅度
48、较大，多年间整体呈下降趋势。黄土高原地区的旱灾十分常见，平均每年都有47%的区域发生不同程度的干旱，2 0 0 1NNtNN极显煮缓解-0.03-0.005显著缓解-0.005-0.003轻微缓解-0.003-0.001基本稳定-0.0010.001轻微加重N.66N660.0010.003显著加重0.0030.005极显著加重0.0050.020N.98N.96西陕西0300600km0300600kmL102E105E108E111E114E102E105E108E111E114E（a）干早变化趋势(b）T VD I年际变化率图42 0 0 12 0 2 0 年黄土高原干旱变化趋势类型及S
49、en变化趋势Fig.4Drought change trend type and Sen change trend in Loess Plateau from 2001 to 2020191王椰等：基于TVDI的黄土高原干旱时空变化与其影响因素第7 期年、2 0 0 5年和2 0 16 年的旱灾较为严重，发生旱情面积均超过50%湿润正常轻旱中旱重旱-TVDI均值一一年TVDI趋势线100元0.54800.52600.50400.48200.46020002002200420062008201020122014201620182020年份图5黄土高原2 0 0 1一2 0 2 0 年各干旱等级面
50、积占比及TVDI年际变化Fig.5Proportion of area of each drought grade and annualvariation of TVDI in Loess Plateau from 2001 to 20203.4不同土地利用类型TVDI变化特征3.4.1年际变化由图6 可知，各土地利用类型的年均值TVDI变化趋势基本一致，均呈不同程度上升的趋势。但不同土地利用类型年均TVDI差异明显，从大到小依次为：未利用地（0.57 1）、草地（0.554）、耕地（0.50 3）、林地（0.47 3）、建筑用地（0.46 2）。其中，未利用地的TVDI值最高，在2 0 年间
