融合气象和遥感植被信息的综合干旱指数构建及精度评价

干旱的准确监测对于全球农业生产有着重要的现实意义,作为衡量区域干旱程度的重要工具之一,具有较高监测精度的综合指数的构建是当今干旱灾害研究的热点之一。基于Gaussian Copula函数,联合归一化植被指数(normalized difference vegetation index,NDVI)和月平均降水两种常见的干旱影响变量,构建了一种综合降水和遥感植被特征的新型综合干旱指数(meteorology-agriculture drought index,MADI)。与月尺度标准化降水指数(standardized precipitation index,SPI)和植被状态指数(vegetation condition index,VCI)的对比,以及在历史干旱事件中的检验,证实了采用MADI捕捉干旱事件的优越性。研究结果表明:(1)MADI与传统干旱指数SPI和VCI对干旱表征的一致性均较高。MADI与SPI表征一致的月份占总月份的62.24%,与VCI表征一致的月份占总月份的83.82%;(2)MADI对干旱现象的敏感性高。在MADI与SPI和VCI表征一致的月份中,60%以上的月份中MADI的绝对值较SPI和VCI更大,对干旱的表征更明确;(3)结合年鉴记载的历史干旱事件验证表明,MADI具有较高的准确性。MADI成功捕捉到2012年1月—4月以及2007年的8月—10月的两次重大干旱事件,而SPI和VCI在两次事件中的表征均存在遗漏。由此可见,MADI可以作为SPI和VCI的有益补充,为长江流域干旱灾情的准确判定提供辅助决策。