全球变化数据学报 | Journal of Global Change Data & Discovery | 201802139408

中国华北平原2001年重大旱灾对植被影响数据集

杨建华，武建军*

1. 北京师范大学地理科学学部地理学院，北京 100875

DOI10.3974/geodp.2018.02.08

摘要

为研究典型重大旱灾对陆地植被的影响，基于标准化降水蒸散发指数（SPEI），选取发生在2001年4月-11月的中国华北平原的干旱事件，然后利用GLASS的叶面积指数（LAI）产品和光合有效辐射吸收比例（FAPAR）产品，计算得到典型重大旱灾对该地区植被影响的数据集。该数据集包括：（1）中国华北平原2001年4月-11月的干旱程度数据、LAI距平、FAPAR距平和干旱事件时段内的干旱严重性指数、LAI距平累加值及FAPAR距平累加值，该数据的空间分辨率为0.01°，时间分辨率为1个月；（2）该地区不同地表覆盖类型的2001-2014年逐月LAI距平、FAPAR距平和对应月份的3个月尺度的SPEI数据；（3）该地区不同地表覆盖类型的多年（2001-2014）LAI距平和FAPAR距平的月均值数据及对应月份的3个月尺度的SPEI月均值数据；（4）该地区的边界文件。该数据集的存储格式包括.tif格式、.xlsx格式和.shp格式。数据分析结果表明：LAI和FAPAR的距平小于0的区域干旱程度通常较为严重，即两者表现为正相关关系；相对于耕地，草地的LAI距平和FAPAR距平更小，说明不同植被类型对干旱的响应也不相同；灌溉可以减轻干旱对该地区耕地的影响。

关键词

干旱植被LAI距平FAPAR距平SPEI华北平原

1 前言

典型重大干旱灾害对陆地植被具有重要影响，且不同地表覆盖类型对干旱灾害的响应并不相同^{[1, 2]}。基于标准化降水蒸散发指数（SPEI）^[3]、全球灾害事件数据库（Emergency Events Database，EM-DAT, https://www.emdat.be/）和GLASS的叶面积指数（LAI）产品及光合有效辐射吸收比例（FAPAR）产品^[4]，研究了2001年中国华北平原的严重干旱，得到了中国华北平原2001年重大旱灾对植被影响数据集。

华北平原位于32°N-43°N，110°E-122°E之间，属于半湿润温带季风气候区，夏季高温多雨，冬季寒冷干燥，年平均降水降水量在600 mm左右^[5]，地势平坦，人口密集，地表覆盖类型以耕地为主，是重要的粮食生产基地，气候变化背景下该地区干旱趋势加剧^{[6, 7]}。

2 数据集元数据简介

中国华北平原2001年重大旱灾对植被影响数据集^[8]的数据集名称、作者、地理区域、数据年代、时间分辨率、空间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。

表 1华北地区2001年干旱程度及其对植被影响数据集元数据简表

条目	描述
数据集名称	华北地区2001年干旱程度及其对植被影响数据集
数据集短名	DroughtVegNorthChina2001
作者信息	杨建华 N-3427-2018, 北京师范大学地理科学学部, yangjh15@mail.bnu.edu.cn 武建军 Q-1391-2017, 北京师范大学地理科学学部, jjwu@mail.bnu.edu.cn
地理区域	中国华北平原
数据年代	2001-2014
时间分辨率	0.01° 空间分辨率 1个月
数据格式	.tif、.shp、.xlsx 数据量 34.5 MB（压缩后）
数据集组成	该数据集由6个文件夹中的数据和1个.xlsx文档组成：（1）边界.shp文件夹：存储研究区的矢量边界文件，数据格式为.shp （2）干旱程度数据文件夹：存储研究区2001年4月-11月的干旱程度空间数据，数据格式为.tif，时间分辨率为1个月，空间分辨率为0.01°，无效值为-99，数字1-5分别代表特旱、重旱、中旱、轻旱和无旱（3）LAI距平文件夹：存储研究区2001年4月-11月的LAI距平空间数据，数据格式为.tif，时间分辨率为1月，空间分辨率为0.01°，无效值为255，比例系数为0.1 （4）LAI距平累加值文件夹：存储研究区LAI累加值空间数据，数据格式为.tif，空间分辨率为0.01°，无效值为255，比例系数为0.1 （5）FAPAR距平文件夹：存储研究区2001年4月-11月的FAPAR距平空间数据，数据格式为.tif，时间分辨率为1个月，空间分辨率为0.01°，无效值为255，比例系数为0.004 （6）FAPAR距平累加值文件夹：存储研究区FAPAR累加值空间数据，数据格式为.tif，空间分辨率为0.01°，无效值为255，比例系数为0.004 （7）.xlsx文件：存储研究区不同地表覆盖类型对旱灾响应的统计信息，数据格式为.xlsx
基金项目	中华人民共和国科学技术部（2016ST0010）
出版与共享服务平台	全球变化科学研究数据出版系统 http://www.geodoi.ac.cn
地址	北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所
数据共享政策	全球变化科学研究数据出版系统的“数据”包括元数据（中英文）、实体数据（中英文）和通过《全球变化数据学报》（中英文）发表的数据论文。其共享政策如下：（1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报》（中英文）编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[9]

3 数据研发方法

3.1 算法原理

首先基于标准化降水蒸散发指数（SPEI）识别干旱事件，然后运用距平分析的方法计算植被遥感参数（LAI和FAPAR）距平，作为衡量植被受干旱影响情况的指标。距平植被指数的计算方法如下：

VIA N_{i} = V I_{i} - \bar{VI}

(1)

\bar{VI} = \sum_{i = 1}^{n} V I_{i} / n

(2)

式(1)、(2)中VIAN_i是i时刻的植被遥感参数（LAI和FAPAR）距平，VI_i是i时刻的植被遥感参数， $\bar{VI}$ 是多年（2001-2014）的植被遥感参数均值。

由于干旱是一个持续过程，干旱严重性指数可以反映干旱的整体严重程度，借鉴干旱严重性指数的计算方法^{[10, 11]}，定义并计算LAI距平累加值和FAPAR距平累加值作为评价干旱事件对陆地植被影响累积效应的指标。植被遥感参数距平累加值的计算公式如下：

VIAN_Accumulation = \sum_{i = t_{1}}^{i = t_{2}} VIA N_{i}

(3)

式(3)中VIAN_Accumulation是植被遥感参数的距平累加值。

3.2 技术路线

在利用SPEI确定干旱事件的基础上，计算LAI距平和FAPAR距平；然后依据干旱事件的起止时间，计算干旱事件时段内的LAI距平累加值和FAPAR距平累加值（图1）。

4 数据结果与验证

4.1 数据结果组成（或空间分布）

中国华北平原2001年重大旱灾对植被影响数据集包括6个子文件夹和1个.xlsx文档。其中“中国华北平原旱灾遥感监测统计数据集.xlsx”文档可以用来分析2001-2014年间逐月不同地表覆盖类型的植被遥感参数（LAI和FAPAR）距平的时间变化趋势（图2，图3）；“LAI距平”和“FAPAR距平”文件夹分别用于存放该区域干旱事件时段内LAI距平和FAPAR距平的.tif文件，借助ArcMap软件可以实现LAI距平和FAPAR距平的空间展示（图4，图5）；“干旱严重性”文件夹、“LAI距平累加值”文件夹和“FAPAR距平累加值”文件夹内分别用于存放该区域的干旱严重性指数的.tif文件、LAI距平累加值的.tif文件和FAPAR距平累加值的.tif文件，上述三个文件亦可以运用ArcMap文件进行空间展示（图6）。

4.2 数据结果验证

为检验典型重大旱灾害对陆地植被影响数据集的精度，查阅已有研究典型重大旱灾对陆地植被影响的相关文献^{[12, 13]}，发现通过分析本数据集得出的结论和已有研究成果一致，同时本研究中借鉴干旱严重性指数计算方法构建的植被遥感参数（LAI和FAPAR）距平累加值为研究典型重大干旱事件对陆地植被的综合影响提供了一种新的方法参考。

5 讨论和总结

该数据集的研究区域是中国华北平原；该数据集是在GLASS的LAI产品和FAPAR产品的基础上生产的，空间分辨率为0.01°，时间分辨率为1个月；同时结合MODIS的地表覆盖产品^{[14, 15]}，统计并分析了不同地表覆盖类型受干旱的影响情况。本数据集可以为分析典型重大旱灾对陆地植被的影响提供借鉴。

参考文献

[1]孔冬冬, 张强, 顾西辉等. 植被对不同时间尺度干旱事件的响应特征及成因分析[J]. 生态学报, 2016, 36(24): 7908-7918.
[2]Abbas, S., Nichol, J., Qamer, F., et al. Characterization of drought development through remote sensing: a case study in central Yunnan, China [J]. Remote Sensing, 2014, 6(6): 4998-5018.
[3]Vicente-Serrano, S. M., Beguería, S., Lópezmoreno, J. I. A multi-scalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index [J]. Journal of Climate, 2010, 23(7): 1696-1718.
[4]Liang, S. L., Zhang, X. T., Xiao, Z. Q., et al. Global Land Surface Satellite (GLASS) Products Algorithms, Verification and Analysis [M]. Switzerland: Springer International Publishing, 2014.
[5]张皓, 冯利平. 近50年华北地区降水量时空变化特征研究[J]. 自然资源学报, 2010, 25(2): 270-279.
[6]吴东丽, 王春乙, 薛红喜等. 华北地区冬小麦干旱时空分布特征[J]. 自然灾害学报, 2012, 21(1): 18-25.
[7]张玉静, 王春乙, 张继权. 基于SPEI指数的华北冬麦区干旱时空分布特征分析[J]. 生态学报, 2015, 35(21): 7097-7107.
[8]武建军, 杨建华. 华北地区2001年干旱程度及其对植被影响数据集[DB/OL]. 全球变化科学研究数据出版系统, 2017. DOI: 10.3974/geodb.2017.03.18.V1.
[9]全球变化科学研究数据出版系统. 全球变化科学研究数据共享政策[OL]. DOI: 10.3974/dp.policy.2014.05 (2017年更新).
[10]杨好周, 梁忠民, 胡义明等. 游程理论在云南省干旱重现期分析中的应用[J]. 水电能源科学, 2013, 31(12): 8-12.
[11]左冬冬, 侯威, 颜鹏程等. 基于游程理论和两变量联合分布的中国西南地区干旱特征研究[J]. 物理学报, 2014, 63(23): 45-56.
[12]刘大川, 周磊, 武建军. 干旱对华北地区植被变化的影响[J]. 北京师范大学学报(自然科学版), 2017, 53(2): 222-228.
[13]赵舒怡, 宫兆宁, 刘旭颖. 2001-2013年华北地区植被覆盖度与干旱条件的相关分析[J]. 地理学报, 2017, 70(2): 717-729.
[14]Friedl, M. A., Mciver, D. K., Hodges, J. C. F., et al. Global land cover mapping from MODIS: algorithms and early results [J]. Remote Sensing of Environment, 2002, 83(1): 287-302.
[15]Friedl, M. A., Sulla-Menashe, D., Tan, B., et al. MODIS Collection 5 global land cover: algorithm refinements and characterization of new datasets [J]. Remote Sensing of Environment, 2010, 114(1): 168-182.