多源土壤含水量高时空分辨率融合的大范围干旱定量识别方法研究

Large-scale drought identification has been the basic and difficult problems for drought research. Lack of high precision, high spatial-temporal resolution of soil moisture data is the core of the problem. Based on integrating high spatial-temporal resolution multi-source soil moisture data, the method of large-scale drought recognition will be studied. With the assimilation multi-source data of surface observation data, reanalysis data and data generated by satellite precipitation product serve as the input of hydrological model, the output, simulated soil moisture at daily resolution in recent 65 years, will be enhaced. Specifically, therein combining the advantage of temporal continuation of hydrology model (VIC) and relative spatial rationality of remote sensing inversion (SMOS and ASCAT), the large-scale soil moisture dataset can be generated with the characteristics of high precision, high spatial and temporal resolution. Then, ISMAPI can be specified by processing fusion soil moisture normally with Box-Cox transformation and its grades of dryness/wetness is divided. Based on the ISMAPI, the quantitative identification method is established to analyze the large-scale drought in high spatial and temporal scale, as well as its spatial and temporal evolution characteristics, and its relationships with the factors of atmospheric circulation anomalies. The research will give us a comprehensive understanding of the large-scale soil drought. It is of great significance for effective prevention and mitigation of drought disaster.

大范围干旱的定量识别是干旱研究的基础和难点。高时空分辨率、高精度的大范围土壤含水量资料缺乏是问题的核心。本项目结合水文模型和遥感反演的优势改进土壤含水量精度，研究大范围干旱的定量识别方法。项目通过融合地面观测资料、再分析资料和卫星测雨产品的多源气象数据，改善水文模型输入资料精度，提高近65年全国范围逐日模拟土壤含水量的精度。结合模型模拟的时间连续性和遥感反演的空间分布相对合理性，融合VIC模型模拟、SMOS和ASCAT遥感反演数据，创建具有较高精度、高时空分辨率的大范围土壤含水量融合数据。并引入Box-Cox变换对其进行正态化处理，构建改进的土壤含水量距平指数（ISMAPI），据此提出大范围干旱的高时空尺度定量识别方法，并尝试分析该识别方法下的大范围干旱时空演变特征，及其与大气环流异常因子间的关系。研究成果对及时准确掌握旱情发生与发展规律意义重大，可为风险决策和抗旱减灾提供重要依据。

干旱灾害是我国最严重的自然灾害之一。准确把握旱情的发生、发展过程和长期变化趋势，是预防和减轻干旱灾害的重要前提。针对大范围干旱难以定量监测和分析的问题，本项目在前期研究的基础上，从改进水文模型输入和融合模型模拟与遥感反演土壤含水量两方面入手，获得了全国范围5km网格的具有较高精度的多源土壤含水量融合数据。基于模拟土壤含水量构建了改进的土壤含水量距平指数（ISAMPI），研究了大范围干旱的定量识别方法。选取典型区域分析了该识别方法下的大范围干旱时空演变特征，及其与大气环流异常因子间的关系。研究成果表明：通过检验融合降水在全国范围内的精度，发现融合降水能够较好地综合不同降水数据的优势，具有较高的精度；和实测值相比，虽然VIC模型模拟的土壤含水量存在一定的系统偏差，但可以较好的反映实际土壤含水量的变化过程；通过采用累积概率分布函数和最优插值法对多源土壤含水量数据进行融合，可以明显提高土壤含水量的精度；和土壤含水量距平指数相比，基于ISMAPI识别的不同等级干旱出现的频次更合理，ISMAPI的空间可比性更好；江苏省的干旱强度大体呈现出苏北地区高苏南地区低的空间格局，从全国农业干旱风险区划可以看出，随着干旱地区缺水程度逐渐加重，旱区逐渐自北向南扩展；通过分析西南地区2009～2010年冬春连旱事件前期的高度场、风场异常特征的时间演变可知，无论是海温场还是高度场，前期的显著相关区对西南地区冬春两季干旱都有一定的影响。研究对全面认识干旱，有效预防和减轻干旱灾害提供科学依据，对减轻干旱造成的社会和经济影响，增强国家防灾减灾能力建设具有重要的意义。