Обзор и анализ индексов засухи

Введение.

Вопросы последствий, рисков возникновения, мониторинга и прогнозирования засухи широко обсуждаются в международных организациях, включая ООН. В качестве одного из документов можно привести « Конвенцию по Борьбе с Опустыниванием» ООН принятую в 1994г. [1]. В 1994 году Генеральная Ассамблея провозгласила 17 июня Всемирным днем борьбы с опустыниванием и засухой (резолюция ООН 49/115). В рамках ООН создан секретариат КООНБО, занимающийся проблемами опустынивания земель и вопросами, связанными с засухами. В Казахстане в рамках реализации КБО разработаны и реализуются проекты «Программа по борьбе с опустыниванием в Республике Казахстан на 2005-2015гг», «Национальная стратегия и план действий по борьбе с опустыниванием» (НСПДБО). Странами Центральной Азии планируется создание Центра по управлению засухами в рамках реализации планов КБО ООН, в сотрудничестве с ОБСЕ и Всемирной метеорологической организацией (WMO).

Несмотря на значительное внимание научной и международной общественности к вопросам изменения климата, в том числе проблемам возникновения, мониторинга и преодоления последствий засухи, вопрос по определению характеристик засухи (мощности, продолжительности, периодичности и т.д.), с достаточной степенью полноты не решен до настоящего времени.

Индексы засухи.

Для мониторинга и исследования характеристик засухи широко используются индексы засухи. Индексы засухи разработаны в течение 20го столетия несколькими поколениями исследователей в области метеорологии, гидрологии, сельского хозяйства, управления водными ресурсами и смежных областей. Обзоры и классификация индексов засухи регулярно рассматривались в течение последних десятилетий [2-5], как и информация по индексам засухи доступная в интернете, например, International Water Management Institute (IWMI) [6].

Рассмотрим классификацию, основные характеристики индексов засухи по области применения и спецификации данных. Классификацию следует рассматривать как условную и один из возможных вариантов, достаточно часто возможны случаи использования экспериментальных данных для различных областей, как и зоны наложения между областями применения.

Индексы метеорологической засухи.

Индексы, расчет значений которых основан в основном на экспериментальных данных мировой сети метеорологических станций по осадкам, классифицируются как индексы метеорологической засухи. Этот тип индексов засухи был одним из первых рассмотрен в научных и прикладных исследованиях. В качестве примера такого типа индексов засухи можно отметить:

  • Индекс аномалии осадков (Rainfall Anomaly Index, RAI,1965) [7];
  • Индекс засухи Bhalme и Mooley (Bhalme and Mooley Drought Index, BMDI, 1980) [8];
  • Стандартизированный Индекс Аномалии (Standardized Anomaly Index, SAI, 1986) [9];
  • Индекс засушливости (ариадности) Palfai (Piiliai Aridity Index, PAI, 1991), разработанный и применяемый в основном в Венгрии [10];
  • Индекс интенсивности засухи (Drought Severity Index, DSI, 1992), часто используемый в Великобритании [11];
  • Стандартизированный индекс осадков (Standardized Precipitation Index, SPI, 1993), наиболее популярный [12];
  • Эффективный индекс засухи (Effective Drought Index, EDI, 1999) рассматривающий эффективность осадков [13];
  • Deciles (1967) [14].

Разведывательный индекс засухи (Reconnaissance Drought Index,RDI), предложенный [15], является одной из последних разработок в области метеорологических индексов засухи. По существу он связывает выпадение осадков и потенциальную эвапотранспирацию в данномрегионе, и может рассматриваться, как дальнейшее развитие одного из наиболее широко используемых индексов - SPI. Стандартизацией и приведением к нормальному распределению (нормализацией) индекс получает ту же градацию интенсивности засухи, что и SPI.

Индексы сельскохозяйственной засухи.

Для мониторинга и анализа влияния засухи на сельскохозяйственное производство разработаны специализированные индексы сельскохозяйственной засухи, такие как:

  • Индекс увлажненности урожая (Crop Moisture Index, CMI, 1968) [16];
  • Индекс засухи влажности почвы (Soil Moisture Drought Index, SMDI, 1993) [17];
  • Специальный индекс засухи урожая (Crop Specific Drought Index, CSDI, 1993) [18];
  • Индекс дефицита влажности почвы (Soil Moisture Deficit Index, SMDI, 2005) [19];
  • Индекс дефицита эвапотранспирации (Evapotranspiration Deficit Index, ETDI,2005) [19];
  • DTx индекс (2005) [20];

Определение сельскохозяйственных индексов включает ежедневные значения температуры и осадков, фактическую и потенциальную эвапотранспирации и ряд других параметров для заданных временных интервалов.

Одной из последних разработок в области сельскохозяйственных индексов засухи – Soil Moisture Deficit Index [19]. Индекс разработан на основе модели водного баланса – гидрологической модели SWAT (Soil and Assessment Tool). Основные компоненты модели включают погоду, гидрологию, температуру почвы, состояние растений, пестициды, удобрения и землеустройство. Полное описание компонент SWAT модели (версия 2000) рассмотрено в работе [21].

Индексы гидрологические засухи.

Другим классом индексов засухи являются индексы, разработанные для области гидрологии:

  • Базовый (основной) Индекс потока (Base Flow Index, BFI, 1980) [22];
  • Региональный Индекс Дефицита Руслового стока (Regional Streamflow Deficiency Index, RDI, 2001) [23];
  • Гидрологический Индекс Засухи Палмера (Palmer Hydrological Drought Index, PHDI,1965) [24];
  • Индекс Запаса Поверхностных Вод ( Surface Water Supply Index, SWSI,1982)[25];
  • Индекс Регенерации Засухи (Reclamation Drought Index, RDI,1996) [26];

В классической гидрологии для определения состояния засухи, как правило, используется анализ руслового стока или уровня грунтовых вод.

Гидрологическая засуха анализирует в терминах дефицита объема руслового стока, который рассматривается по сезону или более длинным периодам времени, либо в региональном контексте.

Наиболее часто прикладная количественная четкость гидрологической засухи основана на определении порогового значения q0, ниже которого речной сток или уровень подземных вод рассматривают как засуха (также называется в литературе нижним значением потока по периоду). Метод порогового уровня в целом рассматривает значения руслового стока (уровня подземных вод) ниже или выше данного порога и был первоначально назван методом кроссирующей теории [27]. Метод важен для анализа накопления/сброса объема воды в резервуарах и связан с гидрологическим расчетом и операциями по заполнению систем водохранилищ. Важные области использования – гидроэнергетика, сельское хозяйство, системы водоснабжения и ирригации. Метод первоначально разработан [28], в дальнейшем развит в работе [29].

Индексы засухи, основанные на данных дистанционного зондировании.

Наблюдения из космоса со спутников за параметрами и характеристиками поверхности Земли проводится с 1980 годов, с использованием чувствительных датчиков. Полученные данные открывают новые возможности мониторинга и контроля засухи. Новые технологии учитывают отклонение в пространственной информации для глобального или регионального покрытия с высокой разрешающей способностью.

Обзор первых разработок мониторинга засухи, использующих дистанционное зондирование рассмотрен в работе [30]. В [31] рассмотрены более поздние разработки. Достаточно полный обзор приведен в [32]. К данному классу индексов засухи относятся:

  • Normalized Difference Vegetation Index, ( NDVI, 1979) [33];
  • Vegetation Condition Index, ( VCI, 1990) [34];
  • Temperature Condition Index, (TCI, 1995) [35];
  • Normalized Difference Temperature Index,( NDVI, 1998) [36];
  • Standardized Vegetation Index, (SVI,2002) [37];
  • Vegetation Health Index, (VHI, 1997, 2000) [38];
  • Vegetation Index/Temperature Trapeziod (VITT,1994) [39];
  • Vegetation Temperature Condition Index (VTCI, 2004) [40];
  • Temperature Vegetation Dryness Index (TVDI,2002) [41];
  • Vegetation Condition Albedo Drought Index (VCDAI, 2007) [42];
  • Perpendicular Drought Index (PDI, 2007) [43];
  • Modified Perpendicular Drought Index (MPDI, 2007) [43];
  • Multi-Band Drought Index (NMDI, 2007) [44];
  • Remote Sensing Drought Risk Index (RDRI, 2008) [45];

Вегетационные индексы (NDVI, VCI, SVI, и др.) обычно используют для определения состояния растительности. Индексы являются линейными или дробно-линейными комбинациями двух спектральных каналов: 06,-0,7 мкм (красный диапазон спектра) и 0,8-0,9 мкм (ближний ИК диапазон спектра). Выбор спектральных каналов обусловлен тем, что в красном диапазоне спектра растительность имеет наименьшее отражение, а в ближнем ИК-диапазоне спектра – самое высокое отражение по сравнению с другими природными объектами. Другими словами, для растительности в хорошем состоянии характерно падение спектральной кривой в красном диапазоне и резкий подъем в ближнем ИК-диапазоне.

Индексы, основанные на данных дистанционного зондирования в тепловом диапазоне (TCI, TVDI, VITT и др.), позволяют получить оценку температурного режима земной поверхности, влажности почвы, эвапотранспирацию и ряд других параметров.

Обобщенные и комбинированные индексы засухи.

Для определения состояния и характеристик засухи разработан ряд индексов, использующих широкий спектр как экспериментальных данных – метеорологических и гидрологических (количество осадков, температура поверхности почвы и воздуха, влажность почвы и воздуха, объем руслового стока, уровень подземных вод, высота снежного покрова и т.д.), так и калибровочные коэффициенты, расчетные параметры. К достаточно широко используемым индексам такого типа, которые можно определить как обобщенные индексы, относятся:

  • Индекс Интенсивности Засухи Палмера, (Palmer Drought Severity Index, PDSI, 1965) [24];
  • Модифицированный Индекс Засухи Палмера (Palmer Modified Drought Index, PMDI, 1968) [46];
  • Объединенный Индекс Засухи (Aggregate Drought Index, ADI, 2004) [47];

Последней генерацией индексов засухи является разработка в последние годы специализированных (комбинированных) индексов на основе использования максимума информации, которая доступна и проверена. Объединение метеорологических данных с данными дистанционного зондирования типично для этого типа индексов засухи. К этому классу индексов относится Vegetation Drought Response Index (VegRDI, 2008) [48]. Индекс разработан для оперативного использования в США с пространственной разрешающей способностью основного набора данных NDVI - 1 км и временным обновлением каждые 14 дней. Для расчета используются данные дистанционного зондирования аналогичные применяемым для определения индекса NDVI и климатические данные, используемые для расчета индексов SPI и PDSI, полученные на основе измерений для выбранных станций синоптической сети, а также дополнительная биофизическая информация – давление, состояние почвы, содержание влаги в почве, процент орошаемых сельскохозяйственных

земель и т.д. Индекс в настоящее время используется для объективного и оперативного мониторинга засухи, как инструмент Национального Центра Уменьшения последствий Засухи США (National Drought Mitigation Center, NDMC, 2008) [49].

Индексы засухи, применяемые в СНГ.

В республиках СНГ, как правило, для определения характеристик засухи и влажности почв используются следующие индексы:

  • Индекс Педя (Педь Д.А. , 1975.) [50];
  • Гидротермический коэффициент Селянинова (ГТК, Селянинов Г.Т., 1996) [51];
  • Индекс сухости (ИС, Будыко М.И., Григорьев А.А.,1956) [52];
  • Коэффициент увлажнения (КУ, Чирков Ю.И., 1986) [53];

Приведенные индексы представляют собой полуэмпирические величины, определяемые на основе метеорологических данных сети станций.

Так индекс Педя определяется выражением:

247

Выводы.

Обзор используемых индексов засухи, приведенный в данной статье, позволяет отметить наличие значительного количества индексов используемых в мировой практике и определить перспективность будущих разработок. Выбор адекватного индекса для мониторинга и оценки рисков засухи должен включать - доступность информации, учет специфики типа засухи, пространственно-временные шкалы определения интервалов индексов. Значительный в последние годы успех достигнут в области использования данных дистанционного зондирования, которое, как считает большинство исследователей, и является наиболее перспективным направлением. Следует отметить, что данные спутниковых измерений становятся общедоступными. Не только дифференцирование индексов засухи для новых чувствительных элементов, но и комбинация данных от различных датчиков, останутся полем для исследований в этой области.

Работа выполнена в рамках проекта по подпрограмме: Ф.0351-2 Физика формирования и эволюция космической погоды по ПФИ: «Изучение систем и объектов ближнего и дальнего космоса, исследования земли из космоса, развитие научных основ космических технологий»

 

Литература

  1. Конвенция организации объединенных наций по борьбе с опустыниванием в тех странах, которые испытывают серьезную засуху и/или опустынивание, особенно в Африке, (1994), Париж, Франция, 1994, С.31.
  2. Heim, R.R. (2000). Drought Indices. A review. In: Drought: A Global Assessment, Hazards Disaster Series, Vol. I, Wilhite, D.A. (ed.), Routledge, New York, pp. 159-167.
  3. Heim, R.R. (2002). A review of twentieth-century drought indices used in the United States. Bull. Am. Met. Soc., 84: 1149-1165.
  4. Hayes, M.J., Alvord, C. and Lowrey, J. (2007). Drought indices. Intermountain West Climate Summary, 3(6): 2-6.
  5. Vogt, J.V. and Somma, F. (eds) (2000). Drought and Drought Mitigation in Europe. Advances in Natural and Technological Hazards Research, 14, Kluwer Academic Publishers, Dordrecht.
  6. IWMI (2008). Terms and Definitions of Droughts. Drought Information Center, International Water Management Institute, Sri Lanka, available at www.iwmi.cgiar.org/drw/info/default.asp?PGID=2.
  7. van Rooy, M.P. (1965). A rainfall anomaly index independent of time and space. Notos, Weather Bureau of South Africa, 14: p. 43-48.
  8. Bhalme, H.N. and Mooley, D.A. (1980). Large-scale drought/floods and monsoon circulation. MonthlyWeather Rev., 108: p.1197-1211.
  9. Katz, R.W. and Glantz, M.H. (1986). Anatomy of a rainfall index. Monthly Weather Rev., 114: p.764-771.
  10. Paliai, I. (1991). Az 1990 évi aszaly Magyarországon. Vízügyi Közlemények, 2: p.117-132.
  11. Bryant, S.J., Arnell, N.W., and Law, F.M. (1992): The long-term context for the current hydrologicaldrought. In: IWEM Conf. on the Management of Scarce Water Resources.
  12. McKee, T.B., Doesken, N.J. and Kleist, J. (1993). The relationship of drought frequency and duration to time scale. In: Preprints Eighth Conference on Applied Climatology, American Meteorological Society, Anaheim (CA), 17-22 January 1993. AMS, p. 179-184.
  13. Byun, H.R. and Wilhite, D.A. (1999). Objective quantification of drought severity and duration. J.Climate, 12: p.2747-2756.
  14. Gibbs, W. J. and J. V. Maher, (1967), Rainfall deciles as drought indicators. Bureau of Meteorology Bulletin, No. 48, Commonwealth of Australia, Melbourne.
  15. Tsakiris, G., Pangalou, D. and Vangelis, H. (2007). Regional drought assessment based on the Reconnaissance Drought Index (RDI). Water Res. Manage., 21(5): 821-833.
  16. Palmer, W.C. (1968). Keeping track of crop moisture conditions, nationwide: The new Crop Moisture Index. Weatherwise, 21: 156-161.
  17. Hollinger, S.E., Isard, S.A. and Welford, M.R. (1993). A new soil moisture drought index for predicting crop yields. In: Preprints Eighth Conference on Applied Climatology, American Meteorological Society, Anaheim (CA), 17-22 January 1993. AMS, pp. 187-190.
  18. Meyer, S. J., Hubbard, K. G., and Wilhite, D. A. (1993). A crop-specific drought index for corn: II. Application in drought monitoring and
  19. assessment, Agronomy Journal 86, 396–399.
  20. Narasimhan, B. and Srinivasan, R. (2005). Development and evaluation of Soil Moisture Deficit Idex (SMDI) and Evapotranspiration Deficit Index (ETDI) for agricultural drought monitoring. Agric. Forest Meteorol., 133: 69-88.
  21. Marletto, V., Zinoni, F., Botarelli, L. and Alessandrini, C. (2005). Studio dei fenomeni siccitosi in Emilia-Romagna con il modello di bilancio idrico CRITERIA. Riv. Agrometeorologia, 10(1): 32-33.
  22. Neitsch, S.L., Arnold, J.G., Kiniry, J.R., Williams, J.R., King, K.W., (2002). Soil and water assessment tool, Theoretical documentation: Version 2000. TWRI TR-191. Texas Water Resources Institute, College Station, TX.
  23. 22.Institute of Hydrology (1980). Low flows studies report, 3 vols. Institute of Hydrology, Wallingford, UK.
  24. 23.Stahl, K. (2001). Hydrological drought - A study across Europe, Dissertation. Albert-Ludwigs Universitiit Freiburg, Freiburg, 121 pp.
  25. 24.Palmer, W.C. (1965). Meteorological drought, Research Paper No. 45. US Department of Commerce Weather Bureau, Washington, DC.
  26. 25.Shafer, B.A. and Dezman, L.E. (1982). Development of a Surface Water Supply Index (SWSI) to assess the severity of drought conditions in snowpack runoff areas. In: Proceedings of the Western Snow Conference, Reno (NV), 19-23 April 1982. Colorado State Univ., Fort Collins (CO), pp. 164-175.
  27. Weghorst, K. (1996). The reclamation drought index: Guidelines and practical applications. Bureau of Reclamation, Denver (CO), 6 pp.
  28. Tallaksen, L.M. (2000) Streamflow drought frequency analysis, In: Drought and Drought Mitigation in Europe (ed. by J.V.Vogt and F.Somma), Kluwer Academic Publishers, the Netherlands, 103-117.
  29. Rice, S.O. (1945) Mathematical analysis of random noise, Bell System Tech. J., 24, 46-156.
  30. Cramér, H. & Leadbetter, M.R. (1967) Stationary and related stochastic processes, John Wiley and Sons, New York.
  31. Gutman, G. (1990). Towards monitoring droughts from space. J. Climate, 3: 282-295.
  32. Kogan, F.N. (1997). Global drought watch from space. Bull. Am. Soc. Met., 78: 621-636.
  33. Bayarjargal, Y., Karnieli, A., Bayasgalan, M., Khudulmur, S., Ganush, C. and Tucker, C.J. (2006). A comparative study of NOAA-AVHRR derived drought indices using change vector analysis. Remote Sens. Environ., 105: 9-22.
  34. Tucker, C.J. and Choudhury, B.J. (1987). Satellite remote sensing of drought conditions. Remote Sens. Environ., 23: 243-251.
  35. Kogan, F.N. (1990). Remote sensing of weather impacts on vegetation in non-homogeneous areas. Int. J. Remote Sens., 11: 1405-1419.
  36. Kogan, F.N. (1995). Application of vegetation index and brightness
  37. temperature for drought detection. Adv. Space Research, 11: 91-100.
  38. McVicar T.R., Jupp D.I.(1998). Estimating meteorological data at the times of remotely sensed data acquisition from standard daily meteorological data. Agricultural and Forest Meteorology .
  39. Peters, A.J., Walter-Shea, E.A., Ji, L., Vina, A., Hayes, M.J. and Svoboda, M.D. (2002). Drought monitoring with NDVI-based standardized vegetation index. Photogramm. Eng. Remote Sens., 68: 71-75.
  40. Kogan, F.N. (2000). Contribution of remote sensing to drought early warning. In: Early Warning Systems for Drought Preparedness and Drought Management. Proc. Expert Group Meeting, Wilhite, D.A., Sivakumar, M.V.K. and Wood, D.A. (eds), 5-7 September 2000, Lisbon (Portugal). World Meteorological Organization, Geneve, pp. 86-100.
  41. Moran, M.S., Clarke, T.R., Inoue, Y. and Vidal, A. (1994). Estimating crop water deficit using the relation between surface - Air temperature and spectral vegetation index. Remote Sens. Environ., 49: 246-263.
  42. Wan, Z., Wang, P. and Li, X. (2004). Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA. Int. J. Remote Sens., 25(1): 61-72.
  43. 41.Sandholt, I., Rasmussen, K. and Andersen, J. (2002). A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sens. Environ., 79(2-3): 213-224.
  44. Ghulam, A., Li, Z.-L., Qin, Q. and Tong, Q. (2007a). Exploration of the spectral space based on vegetation index and albedo for surface drought estimation. J. Appl. Remote Sens., 1, 013529.
  45. Ghulam, A., Qin, Q. and Zhan, Z. (2007b). Designing of the perpendicular drought index. Environ. Geol., 52: 1045-1052.
  46. Wang, L. and Qu, J.J. (2007). NMDI: A normalized multi-band drought index for monitoring soil and vegetation moisture with satellite remote sensing. Geophys. Res. Lett., 34, L20405.
  47. Liu, L., Xiang, D., Dong, X. and Zhou, Z. (2008). Improvement of the drought monitoring model based on the cloud parameters method and remote sensing data. In: Proc. of the Int. Workshop on Knowledge Discovery and Data Mining, 23-24 Jan. 2008, Adelaide (Australia), pp. 293-296.
  48. Palmer, W.C. (1968). Keeping track of crop moisture conditions, nationwide: The new Crop Moisture Index. Weatherwise, 21: 156-161.
  49. Keyantash, J.A. and Dracup, J.A. (2004). An Aggregate Drought Index: Assessing drought severity based on fluctuations in the hydrologic cycle and surface water storage. Water Resources Res., 40, W09304.
  50. Brown, J.F., Wardlow, B.D., Tadesse, T., Hayes, M.J. and Reed, B.C. (2008). The Vegetation Drought Response Index (VegDRI): A new integrated approach for monitoring drought stress in vegetation. GIScience and Remote Sensing, 45(1): 16-46.
  51. NDMC (2008). The Drought Monitor. National Drought Mitigation
  52. Center, Lincoln, NE available at www.drought.unl. edu/dm/index.html.
  53. Педь Д.А. , (1975). О показателе засухи и избыточного увлажнения.
  54. Тр. ГМЦ СССР,вып.156,с.19-38.
  55. 5 1 . Селянинов Г.Т.,(1996). Агроклиматическая карта мира.-Л.: Гидрометеоиздат, С.11.
  56. 52.Григорьев А.А., Будыко М.И., (1956). О периодическом законе географической зональности. Докл. АН СССР, 110 №1, С.129-132.
  57. 53.Чирков Ю.И. Агрометеорология / Ю.И. Чирков, (1986). Л.: Гидрометеоиздат, - С.296.
Год: 2011
Город: Костанай