揭示核归一化差异植被指数在评估植被干旱动态中的潜力

《Remote Sensing Applications: Society and Environment》：Unveiling the potential of kernel normalized difference vegetation index in evaluating vegetation drought dynamics

　　

# 摘要

干旱是影响全球陆地生态系统健康的关键因素，而植被指数是准确评估植被干旱状况的重要参数。本研究基于核归一化差异植被指数（kNDVI）构建了一种新的植被状况指数（VCIk）。我们将VCIk与经典归一化差异植被指数（NDVI）派生的指数（VCIN）和增强型植被指数（EVI）派生的指数（VCIE）进行了比较，以验证其在植被干旱监测中的适用性和优越性。此外，我们采用VCIk评估了中国西南地区季节性植被干旱的时空格局。结果表明：（1）VCIk是干旱监测的最佳植被指数。具体而言，在长期干旱监测一致性、干旱事件监测准确性、特殊干旱时期监测可靠性以及对综合干旱应力的敏感性等方面，VCIk均优于VCIN和VCIE。（2）2000年至2020年，中国西南地区季节性植被干旱呈缓解趋势，50.96%的区域表现出显著缓解（p < 0.05）。（3）春季和冬季的植被干旱比夏季和秋季更为严重，并表现出强烈的持续性。值得注意的是，季节性植被干旱显示出持续特征，表明中国西南地区的植被容易受到连续干旱事件的影响。本研究证实了kNDVI在植被干旱监测中取代传统植被指数（NDVI和EVI）的巨大潜力。这些发现对于提高干旱监测精度和维护生态稳定性具有重要意义。

# 引言

干旱是最复杂的自然灾害之一（Schwalm et al., 2017）。根据2023年全球气候报告，全球气温持续上升，导致极端天气事件频发，尤其是干旱，影响数百万人并造成数十亿美元的经济损失。在气候变化背景下，干旱的频率、持续时间、严重程度和空间范围都在增加，对生态系统稳定性、农业生产、粮食安全和经济发展构成了重大威胁（Mishra and Singh, 2010）。因此，开发客观定量的干旱监测技术并准确评估干旱的时空变化已成为当代干旱研究的关键挑战（Cui et al., 2024; Vicente-Serrano et al., 2020）。

干旱指数根据监测方法可分为站点监测指数和遥感监测指数。站点监测指数主要利用水文和气象数据，如地面观测站的径流量、降水量和温度等进行干旱评估。常用指数包括标准化降水蒸散指数（SPEI）（Vicente-Serrano et al., 2010）。尽管站点监测具有较高的观测精度，但它只能在站点附近准确表征干旱状况，要实现对区域连续干旱的监测则需要空间插值方法（Li et al., 2020）。然而，地面站点密度低且分布不均，加之空间插值方法的不确定性，往往导致精度不足，阻碍了对干旱空间格局的精确刻画（Mendicino et al., 2008; Mirabbasi et al., 2013）。随着遥感技术的进步和卫星观测的增加，具有更高时间分辨率和更精细空间分辨率的数据产品促进了通过遥感指数进行大尺度时空连续干旱监测（Jiao et al., 2021）。归一化差异植被指数（NDVI）是早期有效描绘植被健康状况的指数，通过整合红光和近红外波段实现，常用于干旱监测（Rouse et al., 1974）。然而，NDVI易受大气条件和土壤及冠层背景效应的影响，在植被密集区域存在饱和问题。为解决这些局限性，增强型植被指数（EVI）考虑了大气干扰和土壤背景反射率，在茂密植被区表现良好，但仍存在饱和问题（Liu and Huete, 1995）。与不同的传统植被指数相比，核归一化差异植被指数（kNDVI）是利用核方法理论和机器学习原理构建的非线性指数，能够最大化利用光谱信息并有效减轻饱和问题（Camps-Valls et al., 2021）。在各种环境条件下，kNDVI相比传统植被指数表现出更优的稳定性和鲁棒性（Wang et al., 2022b, 2023a）。植被状况指数（VCI）是一种标准化的干旱指数，利用历史植被指数序列监测植被指数随时间的相对变化（Kogan, 1995）。它能够减轻地理位置或环境变量（如土壤、植被、地形等）对干旱监测的影响，被世界气象组织推荐用于区域和全球干旱监测（WMO, 2009）。

VCI可使用各种植被指数计算。其中，NDVI因其长时间序列可用性和计算简便性而脱颖而出，成为VCI计算中最常用的选择（Cao et al., 2022）。此外，EVI也被用于VCI计算，并已被证明在识别植被干旱严重程度方面具有有效性（Senhorelo et al., 2023）。除直接应用于干旱监测外，VCI被认为是综合干旱指数的重要组成部分（Lu et al., 2023）。鉴于中国西南地区的气候和干旱特征，利用约束优化技术制定了一种优化的植被干旱指数（OVDI），该指数将VCI与温度状况指数（TCI）、降水状况指数（PCI）和土壤湿度状况指数（SMCI）相结合（Hao et al., 2015）。通过将VCI、PCI、TCI和SMCI整合，提出了一种综合干旱指数，其适用性在美国得到了验证（Jiao et al., 2019）。尽管VCI在前人研究中得到了广泛采用，但在植被干旱监测中VCI计算的最佳植被指数仍然不明确。先前研究发现，由NDVI和EVI派生的VCI之间存在干旱格局差异（Branco et al., 2019）。此外，在不同植被生长阶段，NDVI和EVI在植被干旱监测中的一致性和准确性存在显著差异（Wang et al., 2023b）。这凸显了对不同植被指数及其派生VCI在植被干旱监测应用中的适用性进行全面分析的需求。

中国西南地区是世界上最大的连续喀斯特地貌区域（Wang et al., 2021）。由于大面积的石漠化和生态资源的不可持续开发，当地生态环境脆弱且敏感，使中国西南地区成为中国干旱频率最高且最严重的地区（Zhang et al., 2013）。为治理喀斯特石漠化，中国政府启动了多项生态保护举措，如天然林保护工程和石漠化治理工程（Yan et al., 2022; Zhang et al., 2016）。这些措施显著增强了区域植被覆盖并丰富了陆地生态系统中的生物多样性（Xu et al., 2023）。然而，部分陆地植被生态系统已经退化甚至加剧退化，这一情况不容忽视（Xu et al., 2023）。在这一背景下，评估不同植被指数对干旱监测的效果以及阐明中国西南地区干旱的时空变化具有重要的科学意义。

因此，本研究分别从NDVI、EVI和kNDVI派生了三种VCI，并将它们作为代理指标来评估植被指数在植被干旱监测中的有效性。具体而言，我们采用了作物水分胁迫指数（CWSI）、SMCI和SPEI，从多个角度突出了kNDVI在植被干旱监测中的优势，包括长期干旱监测一致性、干旱事件监测准确性、特殊干旱时期监测可靠性以及对综合干旱应力的敏感性。此外，利用kNDVI派生的VCI探讨了西南地区季节性植被干旱的时空动态。总体而言，本研究旨在回答以下问题：（1）非线性植被指数（kNDVI）在植被干旱监测中是否比传统植被指数表现出更优的监测能力？（2）生态脆弱的西南地区季节性植被干旱的时空动态变化格局如何？研究结果提供了精确植被干旱监测的有价值见解，有助于维护脆弱生态系统的稳定性。

# 片段

## 研究区域

研究区域位于中国西南部（20°54′N-34°19′N，97°21′E?112°04′E），涵盖广西、云南、贵州、四川和重庆（图1）。研究区域表现出显著的季节性变化，湿季降水量占年总降水量的85%以上，而干季降水稀少且蒸发速率高（Wang et al., 2021）。海拔从?20 m变化至6304 m，总体上从西向东逐渐降低。

## 长期干旱监测一致性评估

为分析VCI在植被干旱监测中的有效性，我们比较了VCI与干旱指数（DI）之间的相关系数（图3）。具体而言，当VCI与CWSI呈负相关且与SMCI和SPEI-3均呈正相关时，认为VCI与干旱指数一致。结果表明，在所有干旱维度上，VCIk相比传统指数保持更高水平的空间一致性。具体而言，VCIk实现了最……（原文截断）

## 不同植被指数在干旱监测中的验证

在气候变化下，干旱事件预计将更加频繁，这使得准确表征干旱状况成为环境监测的核心挑战（Sheffield and Wood, 2012）。卫星数据提供了大尺度和长期的植被状况信息，已成为干旱监测不可或缺的一部分。事实上，植被状况是许多成熟干旱指数的重要组成部分，如VCI和温度-植被干旱指数……（原文截断）

## 结论

本研究提出了一种基于kNDVI的新型VCI（VCIk），用于验证其在干旱监测中的表现并揭示2000年至2020年中国西南地区季节性植被干旱的时空变化。结果表明，VCIk明显比传统的VCIN和VCIE更有效。具体而言，VCIk与CWSI、SMCI和SPEI-3的一致性分别达到93.61%、87.43%和78.30%，超过了两种线性指数的表现。

# CRediT作者贡献声明

Lu Baiyu：写作—审校与编辑，写作—初稿，可视化。Liang Yuhao：写作—审校与编辑，写作—初稿，验证，方法论，资金获取。Lin Maijin：软件，调查。Lu Yungui：验证，指导。Lu Donghui：形式分析。

# 资金

本研究获得广西自然科学基金（资助协议编号2025GXNSFAA069733）的资助。

# 利益冲突声明

作者声明以下可能被视为潜在利益冲突的经济利益/个人关系：Liang Yuhao报告接受来自广西自然科学基金的财政支持。如还有其他作者，他们声明没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。

# 致谢

我们衷心感谢"文杰德码在门"研究团队在本研究全程中的合作努力和关键支持。特别感谢Yu Haochen、Li Yuwen、Chen Yunyi、Huang Kun、Li Jianming、Li Xianrui、Li Zejun、Luo Senyao、Qiu Qi和Yan Jun的技术支持。

Lu Baiyu | Liang Yuhao | Lin Maijin | Lu Yungui | Lu Donghui

桂林理工大学 地理与遥感学院，桂林，541004，中国