全 文 ：基于实际蒸散构建的干旱指数在
黄淮海地区的适用性
王　 莹１　 吴荣军２，３　 郭照冰１∗
（ １南京信息工程大学环境与科学学院， 南京 ２１００４４； ２南京信息工程大学应用气象学院， 南京 ２１００４４； ３江苏省农业气象重点
实验室， 南京 ２１００４４）
摘　 要　 基于 ＮＯＡＨ陆面模式模拟的实际蒸散产品，分析了 ２００２—２０１０ 年黄淮海地区实际
蒸散的时空分布特征．同时，结合 ＭＯＤ１７ 潜在蒸散数据和 ＭＯＤ１３ ＮＤＶＩ 构建了 ２００２—２０１０
年的农业干旱指数———干旱敏感性指数（ＤＳＩ），并以 ２００２ 年 １—１２ 月为例，利用帕默尔干旱
指数（ＰＤＳＩ）、冬小麦减产率以及实际旱情资料，分析了 ＤＳＩ在该地区干旱监测的适用性．结果
表明： 黄淮海地区年均实际蒸散从西北向东南递增，最高值出现在研究区域东南部（８００～９００
ｍｍ），最低值出现在西北部（＜３００ ｍｍ）；ＤＳＩ、ＰＤＳＩ 两种干旱指数的年际变化呈正相关（Ｒ２ ＝
０．６１）和变化趋势的一致性，均在 ２００２ 年达到最低（ －０．６１ 和－１．３３），２００３ 年最高（０．８１ 和
０．９２），ＤＳＩ与冬小麦减产率的相关性（Ｒ２ ＝ ０．４３）明显优于 ＰＤＳＩ（Ｒ２ ＝ ０．０６），且表征干旱的空
间分辨率较高，对区域农业干旱程度的判断和旱情的指示比较可靠．
关键词　 实际蒸散； 农业干旱指数； 黄淮海地区
Ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ ｅｓｔａｂｌｉｓｈｅｄ ｄｒｏｕｇｈｔ ｉｎｄｅｘ ｉｎ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｂａｓｅｄ ｏｎ ａｃｔｕａｌ ｅｖａｐｏ⁃
ｔｒａｎｓｐｉｒａｔｉｏｎ． ＷＡＮＧ Ｙｉｎｇ１， ＷＵ Ｒｏｎｇ⁃ｊｕｎ２，３， ＧＵＯ Ｚｈａｏ⁃ｂｉｎｇ１∗ （ １ Ｓｃｈｏｏｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ
Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｊｉｎｇ ２１００４４，
Ｃｈｉｎａ； ２Ｓｃｈｏｏｌ ｏｆ Ａｐｐｌｉｅｄ Ｍｅｔｅｏｒｏｌｏｇｙ， Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎ⁃
ｊｉｎｇ ２１００４４， Ｃｈｉｎａ； ３Ｊｉａｎｇｓｕ Ｐｒｏｖｉｎｃｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍｅｔｅｏｒｏｌｏｇｙ， Ｎａｎｊｉｎｇ
２１００４４， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｔｈｅ ｍｏｄｅｌｅｄ ｐｒｏｄｕｃｔｓ ｏｆ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｗｉｔｈ ＮＯＡＨ ｌａｎｄ ｓｕｒｆａｃｅ
ｍｏｄｅｌ， ｔｈｅ ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎｓ ｏｆ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｗｅｒｅ ａｎａｌｙｚｅｄ ｆｏｒ ｔｈｅ Ｈｕａｎｇ⁃
Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｉｎ ２００２－２０１０． Ｉｎ ｔｈｅ ｍｅａｎｔｉｍｅ， ｔｈｅ ａｇｒｉｃｕｌｔｕｒａｌ ｄｒｏｕｇｈｔ ｉｎｄｅｘ， ｎａｍｅｌｙ， ｄｒｏｕｇｈｔ
ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ （ＤＳＩ） ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ， ｉｎｃｏｒｐｏｒａｔｅｄ ｗｉｔｈ ｐｒｏｄｕｃｔｓ ｏｆ ＭＯＤ１７ ｐｏｔｅｎｔｉａｌ ｅｖａｐｏｔｒａｎｓｐｉ⁃
ｒａｔｉｏｎ ａｎｄ ＭＯＤ１３ ＮＤＶＩ． Ｆｕｒｔｈｅｒｍｏｒｅ， ｔｈｅ ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ ｅｓｔａｂｌｉｓｈｅｄ ＤＳＩ ｉｎ ｔｈｉｓ ｒｅｇｉｏｎ ｉｎ ｔｈｅ
ｗｈｏｌｅ ｙｅａｒ ｏｆ ２００２ ｗａｓ ｉｎｖｅｓｔｉｇａｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ Ｐａｌｍｅｒ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ （ＰＤＳＩ）， ｔｈｅ ｙｉｅｌｄ
ｒｅｄｕｃｔｉｏｎ ｒａｔｅ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ， ａｎｄ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｄａｔａ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ａｎｎｕａｌ ａｖｅｒ⁃
ａｇｅ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｗｉｔｈｉｎ ｔｈｅ ｓｕｒｖｅｙ ｒｅｇｉｏｎ ｉｎｃｒｅａｓｅｄ ｆｒｏｍ ｔｈｅ ｎｏｒｔｈｗｅｓｔ ｔｏ ｔｈｅ ｓｏｕｔｈｅａｓｔ，
ｗｉｔｈ ｔｈｅ ｍａｘｉｍｕｍ ｏｆ ８００－９００ ｍｍ ｉｎ ｔｈｅ ｓｏｕｔｈｅａｓｔ ａｎｄ ｔｈｅ ｍｉｎｉｍｕｍ ｌｅｓｓ ｔｈａｎ ３００ ｍｍ ｉｎ ｔｈｅ
ｎｏｒｔｈｗｅｓｔ． Ｔｈｅ ＤＳＩ ａｎｄ ＰＤＳＩ ｈａｄ ｐｏｓｉｔｉｖｅ ｃｏｒｒｅｌａｔｉｏｎ （Ｒ２ ＝ ０．６１） ａｎｄ ｈｉｇｈ ｃｏｎｃｏｒｄａｎｃｅ ｉｎ ｃｈａｎｇｅ
ｔｒｅｎｄ． Ｔｈｅｙ ａｌｌ ｇｏｔ ｔｈｅ ｌｏｗ ｐｏｉｎｔ （ －０．６１ ａｎｄ －１．３３） ｉｎ ２００２ ａｎｄ ｒｅａｃｈｅｄ ｔｈｅ ｐｅａｋ （０．８１ ａｎｄ
０．９２） ｉｎ ２００３． Ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ＤＳＩ ａｎｄ ｙｉｅｌｄ ｒｅｄｕｃｔｉｏｎ ｒａｔｅ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ （Ｒ２ ＝ ０．４３）
ｗａｓ ｍｏｒｅ ｓｉｇｎｉｆｉｃａｎｔ ｔｈａｎ ｔｈａｔ ｂｅｔｗｅｅｎ ＰＤＳＩ ａｎｄ ｙｉｅｌｄ ｒｅｄｕｃｔｉｏｎ ｒａｔｅ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ （Ｒ２ ＝ ０．０６）．
Ｓｏ， ｔｈｅ ＤＳＩ ｒｅｆｌｅｃｔｅｄ ａ ｈｉｇｈ ｓｐａｔｉａｌ ｒｅｓｏｌｕｔｉｏｎ ｏｆ ｄｒｏｕｇｈｔ ｐａｔｔｅｒｎ ａｎｄ ｃｏｕｌｄ ｒｅｆｌｅｃｔ ｔｈｅ ｒｅｇｉｏｎ ａｇｒｉｃｕｌ⁃
ｔｕｒａｌ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ａｎｄ ｉｎｔｅｎｓｉｔｙ ｍｏｒｅ ａｃｃｕｒａｔｅｌｙ．
Ｋｅｙ ｗｏｒｄｓ： ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ； ａｇｒｉｃｕｌｔｕｒａｌ ｄｒｏｕｇｈｔ ｉｎｄｅｘ； Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ．
本文由中国气象局农业气象保障与应用技术重点实验室开放基金项目（ＡＭＦ２０１３０５）、国家自然科学基金项目（４１５７５１１０）和国家自然科学基
金委员会⁃广东联合基金（二期）超级计算科学应用研究专项（ｎｓｆｃ２０１５＿２３３）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｇｒｏｍｅｔｅｏｒｏｌｏ⁃
ｇｉｃａｌ Ｓａｆｅｇｕａｒｄ ａｎｄ Ａｐｐｌｉｅｄ Ｔｅｃｈｎｉｑｕｅ ｏｆ Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ （ ＡＭＦ２０１３０５）， ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ
（４１５７５１１０） ａｎｄ ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ⁃Ｇｕａｎｇｄｏｎｇ Ｐｒｏｖｉｎｃｅ （Ｓｅｃｏｎｄ） Ｓｕｐｅｒｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ Ｐｒｏｊｅｃｔ （ｎｓｆｃ２０１５＿２３３）．
２０１５⁃０８⁃１０ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０２⁃０４ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｇｕｏｃｕｍｔ＠ ｎｕｉｓｔ．ｅｄｕ．ｃｎ
应 用 生 态 学 报　 ２０１６年 ５月　 第 ２７卷　 第 ５期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｍａｙ ２０１６， ２７（５）： １６０３－１６１０　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０５．０１２
　 　 干旱是中国的主要自然灾害之一，其中农业干
旱是以植物生长状态以及土壤含水量为特征，生长
季节内因缺少水分供给而造成土壤缺水，使农作物
生长发育受抑，导致作物减产甚至绝收的一种农业
气象灾害．在全球气候变化的大背景下，干旱发生的
频率和强度均在迅速增长．黄淮海地区是我国重要
的粮食产地之一，属于季风气候，春季少雨、夏季降
水变率大，不同时空尺度的干旱在此区域频繁发生，
对农作物的生长和产量影响较大［１－６］，因此对黄淮
海地区的干旱综合评估和监测具有重要的现实意
义［７］ ．为了研究干旱发生和发展的规律，国内外学者
们做了大量研究［８－１０］ ．
干旱监测技术已有多年的发展历史，传统的干
旱监测指标包括仅依赖降水的单要素指标（如降水
距平等）以及降水和温度要素结合的干旱指标
等［１１］，逐渐发展到后来的多因素结合的复杂干旱指
标，其对干旱的监测精度较传统的监测指标更为全
面和精确．实际蒸散过程涉及气象、土壤、植物、地
理、水利等领域，是多学科交叉的复杂过程，在地表
能量平衡以及水分循环方面起着关键作用［１２－１４］ ．准
确模拟实际蒸散能够为干旱的监测工作提供更多有
利依据，因此基于蒸散的干旱指数具有明确的物理
意义． Ｐａｌｍｅｒ［１５］综合考虑了实际蒸散量、潜在蒸散
量、水分需求、水分供给等要素，基于水分平衡原理
建立了一个干旱指数（Ｐａｌｍｅｒ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ，
ＰＤＳＩ），该指数被广泛应用于各个地区的干旱监测、
旱情比较以及旱情的时空分布特征分析［１６－１９］；Ａｎ⁃
ｄｅｒｓｏｎ等［２０－２１］提出了一种基于 ＥＴ ／ ＰＥＴ的蒸散发胁
迫指数（ＥＳＩ），获得了较高的干旱监测精度；邵小路
等［２２］基于蒸散干旱指数（ＥＤＩ）对华北地区干旱进
行研究；Ｍｕ 等［２３］在 ＥＴ ／ ＰＥＴ 的基础上结合归一化
植被指数（ＮＤＶＩ）提出了一种干旱指数 （ｄｒｏｕｇｈｔ ｓｅ⁃
ｖｅｒｉｔｙ ｉｎｄｅｘ， ＤＳＩ），并应用于全球尺度干旱监测，与
ＰＤＳＩ、植被净初级生产力（ＮＰＰ）等对比得到了良好
的效果．ＤＳＩ 综合考虑干旱过程中农作物的水分胁
迫信息和生长状况，在农业干旱监测方面具有较大
的应用潜力．
本研究以黄淮海地区为研究区域，采用 ＮＯＡＨ
陆面模式模拟 ２００２—２０１０年研究区域实际蒸散，并
利用地面实测数据对模拟结果进行验证，然后结合
潜在蒸散和归一化植被指数构建 ＤＳＩ，通过与 ＰＤＳＩ、
冬小麦减产率以及实际旱情等资料对比分析，开展
ＤＳＩ在研究区干旱监测的适用性分析．
１　 研究地区与研究方法
１􀆰 １　 研究区概况
黄淮海地区位于我国东部（３２°—４０° Ｎ，１１４°—
１２１° Ｅ），北起长城，南至桐柏山、大别山北麓，西倚
太行山和豫西伏牛山地，东濒渤海和黄海，其主体为
由黄河、淮河与海河及其支流冲积而成的黄淮海平
原，地势平坦、利于耕作．全区土地总面积 ４６．９５×１０４
ｋｍ２，总耕地面积占全国耕地面积的 ２５％，是我国耕
地面积最多的农业区，冬小麦和夏玉米轮作为本区
典型农业种植模式．黄淮海地区属于暖温带季风气
候，降水季节差异明显且变率较大，导致干旱频发．
目前干旱已经成为影响本区域农作物生长发育最主
要的农业灾害，因此选择黄淮海地区进行农业干旱
监测具有一定的典型性．
１􀆰 ２　 数据来源
１􀆰 ２􀆰 １实际蒸散　 ＮＯＡＨ陆面模式（ＮＯＡＨ ｌａｎｄ ｓｕｒ⁃
ｆａｃｅ ｍｏｄｅｌ， ＬＳＭ）被广泛用于陆面过程的综合模
拟［２４－２６］ ．在模式中，实际蒸散量（ＥＴ）的计算主要包
括 ３大部分，即表层土壤直接蒸散（Ｅｓ）、植被截留
蒸散量（Ｅｃ）和植被的蒸腾（Ｅｖ）．其中，Ｅｓ被认为与
潜在蒸散量间存在较好的线性关系，潜在蒸散量采
用彭曼公式计算；Ｅｃ通过计算地表覆盖率、降水量与
截留系数的乘积获得；Ｅｖ采用传统的阻抗法计算．
ＬＳＭ的主要输入数据包括：气象强迫数据（ＧＬ⁃
ＤＡＳ）、逐月 ＭＯＤＩＳ⁃ＢＲＤＦ（ＭＣＤ４３Ｃ３）地表反照率、
ＳＵＲＦＲＡＤ（Ｕ． Ｓ． Ｓｕｒｆａｃｅ Ｒａｄｉａｔｉｏｎ Ｂｕｄｇｅｔ Ｎｅｔｗｏｒｋ）
辐射观测值、ＵＭＤ⁃ＡＶＨＲＲ 地表类型、逐周 ＡＶＨＲＲ
植被覆盖率等，将输入数据空间分辨率统一后，调试
并运行模式得到中国区域 ＥＴ 模拟结果，然后进行
裁剪、累加、双线性插值，得到 ２００２—２０１０ 年 ０．１°×
０．１°月值以及年值研究区域数据集．
１􀆰 ２􀆰 ２实测数据 　 本研究采用长白山、千烟洲和禹
城站点的通量数据对 ＬＳＭ模型模拟的 ＥＴ产品进行
验证．这些站点的气候、海拔和地表覆盖类型存在显
著差异．长白山站点的土地覆盖类型为温带混交林，
千烟洲站点为常绿针叶林，禹城站为农田（表 １）．其
中，长白山和千烟洲站点实测数据源于文献［２７］；
禹城站点 ２００３、２００４ 年蒸散量数据来自源于文献
［２８］，２００８年的日蒸散数据来自禹城站 ＣＥＲＮ监测
项目农田生态系统农田蒸散量表（水量平衡法），剔
除异常值后与 ＬＳＭ日蒸散值进行对比分析．
１􀆰 ２􀆰 ３潜在蒸散 　 本文所用潜在蒸散 （ ＰＥＴ）为
１ ｋｍ×１ ｋｍ空间分辨率的 ＭＯＤＩＳ ＰＥＴ月合成产品，
４０６１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
表 １　 观测站点信息
Ｔａｂｌｅ １　 Ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｏｂｓｅｒｖｅｄ ｓｉｔｅｓ
站点
Ｓｉｔｅ
坐标
Ｃｏｏｒｄｉｎａｔｅ
土地类型
Ｌａｎｄ ｔｙｐｅ
年份
Ｙｅａｒ
实测数据来源
Ｍｅａｓｕｒｅｄ ｄａｔａ ｓｏｕｒｃｅ
长白山
ＣＢＳ
４２°２４′００″ Ｎ，１２８°２８′００″ Ｅ 温带混交林
Ｔｅｍｐｅｒａｔｅ ｍｉｘｅｄ ｆｏｒｅｓｔ
２００３、２００４ ［２７］
千烟洲
ＱＹＺ
２６°４３′４８″ Ｎ，１１５°４２′００″ Ｅ 常绿针叶林
Ｅｖｅｒｇｒｅｅｎ ｃｏｎｉｆｅｒｏｕｓ ｆｏｒｅｓｔ
２００３、２００４ ［２７］
禹城
ＹＣ
３６°４９′４５″ Ｎ，１１６°３４′１４″ Ｅ 农田
Ｃｒｏｐｌａｎｄ
２００３、２００４、
２００８
［２８］
ＣＥＲＮ监测项目 ＣＥＲＮ Ｐｒｏｇｒａｍ
ＣＢＳ： Ｃｈａｎｇｂａｉ Ｍｏｕｎｔａｉｎｓ； ＱＹＺ： Ｑｉａｎｙｉｎｚｈｏｕ； ＹＣ： Ｙｕｃｈｅｎｇ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
即 ＭＯＤ１６Ａ２．研究区域共有 ５ 景数据覆盖，经过拼
接、双线性插值、裁剪、定标、提取，得到 ２００２—２０１０
年黄淮海区域 ０．１°×０．１°ＰＥＴ 的长时间序列数据集．
１􀆰 ２􀆰 ４归一化植被指数　 本文中的归一化植被指数
（ＮＤＶＩ）数据为 １ ｋｍ×１ ｋｍ 空间分辨率的 ＭＯＤＩＳ
ＮＤＶＩ 月合成产品，即 ＭＯＤ１３Ａ３．统一时空分辨率
后，进行拼接、双线性插值、裁剪、定标和提取，得到
研究区 ２００２—２０１０年 ０．１° ×０．１°ＮＤＶＩ 长时间序列
数据集．
１􀆰 ２􀆰 ５辅助数据 　 １）中国农业灾情数据．研究区
２００２年 ５—９ 月发生持续旱灾的 １２ 个农业站点的
灾情数据源于中国气象共享网 （ ｈｔｔｐ： ／ ／ ｃｄｃ． ｎｍｉｃ．
ｃｎ）．
２）１９７０—２０１０年研究范围内 ２９ 个县级（包括
河间市、阜城县、隆尧县、香河县、曲周县、定兴县、栾
城县、济阳县、青州市、兖州市、邹平县、陵县、茌平
县、阳谷县、滑县、濮阳县、息县、太康县、正阳县、西
平县、颍上县、涡阳县、谯城区、凤台县、兴化市、东海
县、泗洪县、高邮市）冬小麦产量数据，来自中国农
业部种植业管理司县级农作物数据库．本研究采用
滑动平均法对站点 １９７０—２０１０ 年的实际产量进行
５ 年滑动平均求出趋势产量，然后根据实际产量和
趋势产量求出相对气象产量．
３）帕默尔指数．帕尔默指数（ＰＤＳＩ）综合了水分
亏缺和持续时间因子对干旱程度的影响，且考虑了
前期天气状况，具有较好的时空可比性［２９－３０］，在美
国的干旱事件监测、分析以及序列重建上被广泛应
用．帕默尔干旱等级划分如表 ２所示．本文对 ＭＯＤ１７
的 ０．５°×０．５°空间分辨率的 ＰＤＳＩ月产品进行提取与
裁剪，建立 ２００２—２０１０年 ＰＤＳＩ月数据集．
１􀆰 ３　 研究方法
基于 ＥＴ、ＰＥＴ和 ＮＤＶＩ，Ｍｕ等［２３］构建了干旱敏
感度指数（ｄｒｏｕｇｈｔ ｓｅｎｓｉｔｉｖｅ ｉｎｄｅｘ，ＤＳＩ），用于全球尺
度的干旱监测，并对干旱等级进行划分（表 ３）．ＤＳＩ
算法如下：
　 　 Ｒ＝ＥＴ ／ ＰＥＴ （１）
ＺＲ ＝（Ｒ－ＲＡＶＥ） ／ ＲＳＴＵ （２）
ＺＮＤＶＩ ＝ （ＮＤＶＩ－ＮＤＶＩＡＶＥ） ／ ＮＤＶＩＳＴＵ （３）
Ｚ＝ＺＲ＋ＺＮＤＶＩ （４）
ＤＳＩ ＝ （Ｚ－ＺＡＶＥ） ／ ＺＳＴＵ （５）
式中：ＥＴ是实际蒸散；ＰＥＴ为潜在蒸散；ＲＡＶＥ是 Ｒ 的
多年均值；ＲＳＴＵ是 Ｒ 的标准差；ＺＮＤＶＩ是 ＮＤＶＩ 标准化
的值；ＮＤＶＩＡＶＥ是 ＮＤＶＩ的多年均值；ＮＤＶＩＳＴＵ是ＮＤＶＩ
的标准差；ＺＡＶＥ是 Ｚ 的多年均值；ＺＳＴＵ是 Ｚ 的标
准差．
２　 结果与分析
２􀆰 １　 实际蒸散模拟结果的验证
从表 ４可以看出，模拟年 ＥＴ值与实测年 ＥＴ 值
较为接近，模拟值和实测值全年相对偏差在
－１１．７％～５．７％．由于实测值是基于站点测量，与模
型模拟尺度存在差异，并且容易受到下垫面不均匀
以及空间一致性的影响，导致模拟结果与实测结果
之间存在一定差异．
表 ２　 帕默尔干旱等级划分标准
Ｔａｂｌｅ ２　 Ｄｒｏｕｇｈｔ ｇｒａｄｅ ｄｅｔｅｒｍｉｎｅｄ ｂｙ Ｐａｌｍｅｒ ｉｎｄｅｘ
帕默尔指数 ＰＤＳＩ 等级 Ｌｅｖｅｌ　 　 　
０．９９＜ ＰＤＳＩ ＜－０．９９ 正常 Ｎｏｒｍａｌ
－１．９９＜ ＰＤＳＩ ＜－１ 轻微干旱 Ｉｎｃｉｐｉｅｎｔ ｄｒｏｕｇｈｔ
－２．９９＜ ＰＤＳＩ ＜－２ 中等干旱 Ｍｏｄｅｒａｔｅ ｄｒｏｕｇｈｔ
－３．９９＜ ＰＤＳＩ ＜－３ 严重干旱 Ｓｅｖｅｒｅ ｄｒｏｕｇｈｔ
ＰＤＳＩ≤－４ 极端干旱 Ｅｘｔｒｅｍｅ ｄｒｏｕｇｈｔ
表 ３　 ＤＳＩ干旱等级划分
Ｔａｂｌｅ ３　 Ｄｒｏｕｇｈｔ ｇｒａｄｅ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ＤＳＩ
干旱敏感度指数 ＤＳＩ 等级 Ｌｅｖｅｌ
－０．２９＜ ＤＳＩ ＜０．２９ 无旱 Ｎｏｒｍａｌ
－０．５９＜ ＤＳＩ ＜－０．２９ 轻旱 Ｉｎｃｉｐｉｅｎｔ ｄｒｏｕｇｈｔ
－０．８９＜ ＤＳＩ ＜－０．５９ 中旱 Ｍｅｄｉｕｍ ｄｒｏｕｇｈｔ
－１．１９＜ ＤＳＩ ＜－０．９ 中等偏重旱 Ｍｏｄｅｒａｔｅ ｄｒｏｕｇｈｔ
－１．４９＜ ＤＳＩ ＜－１．２ 重旱 Ｓｅｖｅｒｅ ｄｒｏｕｇｈｔ
ＤＳＩ≤－１．５ 特旱 Ｅｘｔｒｅｍｅ ｄｒｏｕｇｈｔ
５０６１５期　 　 　 　 　 　 　 　 　 　 　 　 王　 莹等： 基于实际蒸散构建的干旱指数在黄淮海地区的适用性　 　 　 　 　
表 ４　 ＬＳＭ模拟 ＥＴ与观测数据的对比
Ｔａｂｌｅ ４ 　 Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｈｅ ＥＴ ｓｉｍｕｌａｔｅｄ ｂｙ ＬＳＭ ｗｉｔｈ
ｏｂｓｅｒｖｅｄ ＥＴ
站点
Ｓｉｔｅ
年
Ｙｅａｒ
实测值
Ｏｂｓｅｒｖｅｄ ｖａｌｕｅ
（ｍｍ·ａ－１）
模拟值
Ｓｉｍｕｌａｔｅｄ ｖａｌｕｅ
（ｍｍ·ａ－１）
相对偏差
ＲＥ
（％）
长白山 ２００３ ５３６ ５３４．８ －０．２
ＣＢＳ ２００４ ５２３ ５０６．８ －３．１
千烟洲 ２００３ ７０８ ７２０．０ １．７
ＱＹＺ ２００４ ７６９ ６７９．２ －１１．７
禹城 ２００３ ５４１．７ ５７２．８ ５．７
ＹＣ ２００４ ５８１．９ ５５７．８ －４．１
　 　 由于数据获取的有限性，并考虑缺测和异常值
较少的情况，本文选择禹城观测站 ２００８年日蒸散数
据与 ＬＳＭ模拟值进行对比（图 １），模拟值与实测值
相关系数为 ０． ６７，均方根误差为 ０． ８２．春季（３—５
月），禹城模拟蒸散值基本小于测量值，但其他月份
的蒸散值变化量与实测值基本一致，这是由于禹城
地下水位偏高，且半干旱地区在春季易受到近地层
水平平流输送的影响［３１］，导致实测数据偏高．此外，
模拟值与实测值的季节变化趋势一致，６ 月有一个
较窄的低值区，这是因为此时冬小麦收获，玉米刚刚
播种，所以植被蒸腾较低，导致蒸散值出现低谷．说
明 ＬＳＭ对蒸散的模拟效果较好．
　 　 由图 ２ 可以看出，年均 ＥＴ 最高值出现在研究
区域南部（８００～９００ ｍｍ），最低值出现在西北（＜３００
ｍｍ）．ＥＴ在黄淮海地区从西北到东南，阶梯状分布
较明显，呈逐渐增加的趋势．研究区域内，河北北部
以及京津部分地区的年均 ＥＴ值为 ３００～４００ ｍｍ；河
北南部和山东北部由北向南递增，达到 ４００ ～ ５００
ｍｍ；山东南部、江苏北部以及安徽北部的年均 ＥＴ
值从 ５００ ｍｍ 递增到 ８００ ｍｍ；江苏、安徽南部部分
地区因降水量高且植被覆盖度高，达到研究区域年
图 １　 禹城观测站点 ２００８ 年实测 ＥＴ（Ⅰ）与 ＬＳＭ 模型模拟
结果（Ⅱ）对比
Ｆｉｇ．１ 　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｏｂｓｅｒｖｅｄ ＥＴ （Ⅰ） ａｎｄ ｓｉｍｕｌａｔｅｄ
ＥＴ （Ⅱ） ａｔ ｔｈｅ Ｙｕｃｈｅｎｇ Ｓｔａｔｉｏｎ ｉｎ ２００８．
图 ２　 ２００２—２０１０年黄淮海地区年均 ＥＴ的空间分布
Ｆｉｇ．２ 　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｎｎｕａｌ ｍｅａｎ ｖａｌｕｅｓ ｏｆ ＥＴ ｉｎ
Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｉｎ ２００２－２０１０．
均 ＥＴ最高值，为 ９００ ｍｍ左右．
２􀆰 ２　 干旱指数的时空变化特征
２００２—２０１０年，研究区 ＤＳＩ 和 ＰＤＳＩ 的变化趋
势一致，两者的相关系数为 ０．６１，最低值均出现在
２００２年，分别为－ ０． ６１ 和－ １． ３３，最高值均出现在
２００３年，分别为 ０．８１和 ０．９２（图 ３）．
由于 ＤＳＩ、ＰＤＳＩ均在 ２００２ 年出现低值，说明相
较于其他年份研究区域内旱情发生概率最大． ２００２
年，黄淮海地区降水较常年减少，旱灾频发，主要集
中在 １—４月和 ７—１２ 月，为干旱偏重的一年，相较
于其他年份无旱比例也最小，为了探讨 ＤＳＩ 对干旱
监测的适用性，下面以旱情显著的 ２００２ 年为例，对
研究区域内干旱变化过程进行实例分析．
由图 ４ 可以看出，１—３ 月，河北、山东、江苏和
安徽等地均出现大面积干旱，直到 ６月，干旱空间分
布范围缩小，只有河北和山东的小范围还存在轻微
干旱．ＭＯＤＩＳ１７ ＰＤＳＩ 产品在 １—３ 月也出现了大范
围旱情，不仅河北、京津冀，以及江苏和安徽北部出
现较重干旱，河南和山西也出现大范围干旱，且山东
只显示在西部出现中等干旱，其余地区都是轻微
图 ３　 ２００２—２０１０年 ＤＳＩ和 ＰＤＳＩ指数的年际变化
Ｆｉｇ．３　 Ａｎｎｕａｌ ｖａｒｉａｔｉｏｎ ｏｆ ＤＳＩ ａｎｄ ＰＤＳＩ ｆｒｏｍ ２００２ ｔｏ ２０１０．
６０６１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
图 ４　 ２００２年黄淮海地区 ＤＳＩ和 ＰＤＳＩ的空间分布
Ｆｉｇ．４　 Ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ＤＳＩ ａｎｄ ＰＤＳＩ ｉｎ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｉｎ ２００２．
ａ～ ｌ： １—１２月 Ｊａｎｕａｒｙ ｔｏ Ｄｅｃｅｍｂｅｒ．
干旱．与 ＤＳＩ一样，直到 ６ 月降雨的增多，ＰＤＳＩ 才显
示旱情有所缓解，干旱面积大幅减小，干旱主要分布
在京津冀和河北部分地区以及山东西部．这是由于
２００２年 １—３月，华北大部、黄淮北部等地降水量较
往年偏少一半以上，同时气温持续偏高，土壤蒸发量
较高，导致春旱发生早且发展迅速；随着 ６月下旬的
大范围降雨，上述旱区的部分旱情得到缓解．从 ７ 月
开始由于降水逐渐减少，两种干旱指数均显示旱情
急剧发展，ＤＳＩ 旱情由京津冀地区向山东地区以及
江苏和安徽北部开始持续蔓延开来，尤其 ９—１１ 月，
旱情较重干旱面积较大．
　 　 图 ５中相对气象产量＜０的站点发生减产，而相
对气象产量负值的绝对值即为该站点的减产率．可
以看出，在山东省内，邹平、青州、莱阳 ３个站点减产
率明显高于其他站点，分别为 ９．５％、１７．８％和 ５．９％．
在主要影响冬小麦生长的 １—５ 月，上述 ３ 站点的
ＰＤＳＩ结果显示 ３ 月有轻微干旱，而其余月份无干
旱 ，与减产率不一致；ＤＳＩ的结果显示，这３个站点
７０６１５期　 　 　 　 　 　 　 　 　 　 　 　 王　 莹等： 基于实际蒸散构建的干旱指数在黄淮海地区的适用性　 　 　 　 　
图 ５　 ２００２年县级农业站点冬小麦相对气象产量分布
Ｆｉｇ．５　 Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｒｅｌａｔｉｖｅ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｙｉｅｌｄ ｏｆ ｗｉｎｔｅｒ
ｗｈｅａｔ ｉｎ ２００２ ａｔ ｃｏｕｎｔｙ ａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｓｔａｔｉｏｎ ｉｎ ｔｈｅ ｓｔｕｄｙ
ａｒｅａ （％）．
除 ５月因为降雨干旱得到缓解外，其余月份均发生
严重干旱，干旱覆盖范围与站点减产率分布基本相
符．江苏省内 ５ 个农业监测站点（东海、泗洪、高邮、
兴化、姜堰）的减产率分别为 ２． ０％、３． ６％、９． ０％、
４．７％和 ２．５％，ＰＤＳＩ结果显示 １—５月上述 ５ 个站点
均未发生干旱，ＤＳＩ结果显示 １—５月 ５ 个站点所在
区域均发生干旱，ＤＳＩ 结果与减产率分布更为符合．
河北省内农业站点冬小麦产量均发生减产，两种指
数显示在相应区域同时发生大面积干旱．河南东部
站点减产率为 １４．０％，ＤＳＩ 产品显示 １—５月除 ２ 月
有干旱外，其他月份均未发生明显干旱，ＰＤＳＩ 产品
则与站点减产率分布更为相符．
由图 ６可以看出，ＤＳＩ 与减产的 １９ 个站的减产
率的决定系数（Ｒ２ ）为 ０． ４３，明显优于 ＰＤＳＩ．由于
ＰＤＳＩ产品为全球产品，容易存在空间异质性；另一
方面，ＤＳＩ在计算过程中考虑作物生长因素而 ＰＤＳＩ
主要考虑气象因素，导致 ＰＤＳＩ 的旱情指示与减产
率结果存在差异性．
图 ６　 干旱指数 ＤＳＩ和 ＰＤＳＩ与冬小麦减产率散点图
Ｆｉｇ．６ 　 Ｓｃａｔｔｅｒｐｌｏｔｓ ｏｆ ＤＳＩ ａｎｄ ＰＤＳＩ ｗｉｔｈ ｔｈｅ ｙｉｅｌｄ ｒｅｄｕｃｔｉｏｎ
ｒａｔｅ ｏｆ ｗｉｎｔｅｒ ｗｈｅａｔ．
　 　 通过灾害类型、经纬度、灾害发生时间等条件的
筛选，选出表 ５ 中的 １１ 个点作为实际灾情对比对
象．表中受害百分比代表农业站点所在区域受干旱
影响的作物面积与总的耕种区域面积的比值，受害
程度代表由干旱引起的作物损害程度．临汾站受旱
比例小且旱灾对冬小麦影响较轻，此站的 ＤＳＩ 为
－０．４（轻度干旱），而 ＰＤＳＩ为－２．５（中等干旱），这是
由于该站 ５月降水减少、温度升高，容易发生气象干
旱，但可能由于灌溉等原因该地区农作物并没有发
生重大农业干旱，ＰＤＳＩ更倾向于考虑气候环境因素
而并未考虑作物生长状况，所以旱情指示偏重．宿州
站受旱比例大但旱灾程度较轻，ＤＳＩ 为－０．５（轻度干
旱 ） ，ＰＤＳＩ为－２．９（中等干旱） ，因为ＰＤＳＩ产品分辨
表 ５　 ２００２年黄淮海地区 １１个农业气象站点的干旱灾情数据
Ｔａｂｌｅ ５　 Ｄｒｏｕｇｈｔ ｏｂｓｅｒｖａｔｉｏｎ ｄａｔａ ｏｆ １１ ａｇｒｏ⁃ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｓｔａｔｉｏｎｓ ｉｎ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｉｎ ２００２
站点
Ｓｉｔｅ
经度
Ｌｏｎｇｉｔｕｄｅ
（°）
纬度
Ｌａｔｉｔｕｄｅ
（°）
月份
Ｍｏｎｔｈ
干旱百分比
Ｄｒｏｕｇｈｔ
ｐｅｒｃｅｎｔａｇｅ
干旱程度　
Ｄｒｏｕｇｈｔ　
ｉｎｔｅｎｓｉｔｙ　
受灾作物
Ａｆｆｅｃｔｅｄ
ｃｒｏｐ
ＤＳＩ ＰＤＳＩ
黄骅 Ｈｕａｎｇｈｕａ １１７．３５ ３８．３７ ５ ９０～１００ 重 Ｓｅｖｅｒｅ 冬小麦 Ｗｉｎｔｅｒ ｗｈｅａｔ 重 Ｓｅｖｅｒｅ 重 Ｓｅｖｅｒｅ
临汾 Ｌｉｎｆｅｎ １１１．５０ ３６．０７ ５ ３０～３９ 轻 Ｍｉｌｄ 冬小麦 Ｗｉｎｔｅｒ ｗｈｅａｔ 轻 Ｍｉｌｄ 中 Ｍｏｄｅｒａｔｅ
莱阳 Ｌａｉｙａｎｇ １２０．７０ ３６．９３ ６ ４０～４９ 中 Ｍｏｄｅｒａｔｅ 冬小麦 Ｗｉｎｔｅｒ ｗｈｅａｔ 中 Ｍｏｄｅｒａｔｅ 轻 Ｍｉｌｄ
南宫 Ｎａｎｇｏｎｇ １１５．３８ ３７．３７ ７ ４０～４９ 重 Ｓｅｖｅｒｅ 其他作物 Ｏｔｈｅｒ ｃｒｏｐｓ 中 Ｍｏｄｅｒａｔｅ 中 Ｍｏｄｅｒａｔｅ
宿州 Ｓｕｚｈｏｕ １１６．９８ ３３．６３ ８ ９０～１００ 轻 Ｍｉｌｄ 大豆 Ｓｏｙｂｅａｎ 轻 Ｍｉｌｄ 中 Ｍｏｄｅｒａｔｅ
怀来 Ｈｕａｉｌａｉ １１５．５０ ４０．４０ ８ ０～９ 中 Ｍｏｄｅｒａｔｅ 其他作物 Ｏｔｈｅｒ ｃｒｏｐｓ 中 Ｍｏｄｅｒａｔｅ 中 Ｍｏｄｅｒａｔｅ
南宫 Ｎａｎｇｏｎｇ １１５．３８ ３７．３７ ９ ６０～６９ 重 Ｓｅｖｅｒｅ 所有作物 Ａｌｌ ｃｒｏｐｓ 重 Ｓｅｖｅｒｅ 重 Ｓｅｖｅｒｅ
商丘 Ｓｈａｎｇｑｉｕ １１５．６７ ３４．４５ ９ ３０～３９ 中 Ｍｏｄｅｒａｔｅ 夏玉米 Ｓｕｍｍｅｒ ｃｏｒｎ 中 Ｍｏｄｅｒａｔｅ 中 Ｍｏｄｅｒａｔｅ
赣榆 Ｇａｎｙｕ １１９．１２ ３４．８３ ９ ６０～６９ 不明 Ｕｎｋｎｏｗｎ 花生 Ｐｅａｎｕｔ 重 Ｓｅｖｅｒｅ 重 Ｓｅｖｅｒｅ
惠民 Ｈｕｉｍｉｎ １１７．５３ ３７．５０ ９ ７０～７９ 中 Ｍｏｄｅｒａｔｅ 所有作物 Ａｌｌ ｃｒｏｐｓ 重 Ｓｅｖｅｒｅ 重 Ｓｅｖｅｒｅ
潍坊 Ｗｅｉｆａｎｇ １１９．０８ ３６．７０ ９ ６０～６９ 重 Ｓｅｖｅｒｅ 所有作物 Ａｌｌ ｃｒｏｐｓ 重 Ｓｅｖｅｒｅ 重 Ｓｅｖｅｒｅ
８０６１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
率较低，容易存在空间异质性，所以旱情指示产生偏
差．整体来讲，站点受灾程度与 ＤＳＩ 和 ＰＤＳＩ 的干旱
等级大部分一致，个别站点 ＤＳＩ 的旱情等级指示更
为准确．
３　 讨　 　 论
本文通过 ＬＳＭ 模型计算了 ２００２—２０１０ 年黄淮
海地区 ＥＴ的时空变化，与前人的模拟结果基本一
致［２７－２８，３２］ ．其中，黄淮南部阜阳地区年蒸散量大于
９００ ｍｍ，河北南部以及河南的新乡、濮阳、郑州等中
西部地区的年蒸散量少于 ７００ ｍｍ，与王菱等［３３］以
田间试验资料为基础计算黄淮海地区在自然条件下
农田蒸散量的研究结果相符．黄淮海地区基本为冬
小麦、夏玉米一年两熟，本文结果的农田站 ＥＴ 与作
物生长进程基本一致，呈现双峰型变化，春季作物进
入生长旺季，ＥＴ 逐渐增加，５ 月上旬达到高峰期，６
月小麦成熟收割，ＥＴ达到波谷，直到 ８ 月上旬，玉米
生长旺季 ＥＴ 达到第 ２ 个高峰，与邵小路等［２２］对华
北地区干旱研究中栾城农田站的实际蒸散变化趋势
一致．
在气候变暖的大背景下，农业干旱所带来的一
系列影响成为焦点．ＤＳＩ 作为一种新型的农业干旱
指数，重点考虑了 ＮＤＶＩ 与 ＥＴ ／ ＰＥＴ 两个基本要素，
即结合了农作物的生长状态和作物的水分胁迫状
况，通过两者综合反映干旱状况．由于 ＮＤＶＩ 在春季
和冬季植被裸露时易产生异常值［２３］，且存在一定的
时间滞后性，客观程度上影响了干旱监测的准确性．
而土壤湿度体现了地表降水和蒸发的综合效应，是
监测干旱的关键指标之一［３４］，所以在进一步研究中
将土壤湿度加入计算中将更准确可靠．本研究构建
的空间分辨率为 ０．１°×０．１°的 ＤＳＩ 干旱指数，进一步
提高了区域尺度监测精度，解决了黄健熙等［３５］在计
算冬小麦产量与 ＤＳＩ相关分析中提出的空间精度问
题，提高了区域干旱监测精度，对干旱程度的判断和
旱情的指示更为准确．计算 ＤＳＩ 时，数据时间尺度的
变化对计算结果的影响有待深入研究．
４　 结　 　 论
利用陆面模式 ＬＳＭ 模拟的实际蒸散数据与禹
城等站点实测值的相关性较好，说明将该数据用于
研究区域的干旱监测模拟是可靠的．研究区域内 ＥＴ
空间分布呈现东南向西北方向降低的明显阶梯趋
势，山东西北部为 ３００ ～ ４００ ｍｍ·ａ－１，山东地区为
４００～６００ ｍｍ·ａ－１，长黄淮南部地区为 ９００ ｍｍ·ａ－１
左右．２００２—２０１０年，ＤＳＩ 和 ＰＤＳＩ 年际变化趋势基
本一致，且 ＤＳＩ的农业干旱指示相较于 ＰＤＳＩ更为准
确，在黄淮海平原农业干旱监测应用中具有一定的
适用性．本文基于陆面模式 ＬＳＭ 模拟的 ＥＴ，结合
ＮＤＶＩ和 ＰＥＴ构建了干旱指数 ＤＳＩ，将分辨率提高到
０．１°×０．１°，较 ＭＯＤＩＳ１７ ＰＤＳＩ 干旱监测产品进一步
提高了干旱区域监测精度．
参考文献
［１］　 Ａｎ Ｓ⁃Ｑ （安顺清）， Ｚｈｕ Ｚ⁃Ｘ （朱自玺）， Ｗｕ Ｎ⁃Ｙ （吴
乃元）， ｅｔ ａｌ． Ｓｔｕｄｉｅｄ ｒｅｓｕｌｔｓ ｏｆ ＣＲＯＰ ｗａｔｅｒ ｓｔｒｅｓｓ ａｎｄ
ｄｒｏｕｇｈｔ ｉｎ ｃｅｎｔｒａｌ ｒｅｇｉｏｎ ｏｆ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ Ｐｌａｉｎ．
Ｓｃｉｅｎｔｉａ Ａｇｒｉｃｕｌｔｕｒａ Ｓｉｎｉｃａ （中国农业科学）， １９９１， ２４
（２）： １３－１８ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｘｕ Ｈ⁃Ｙ （徐焕颖）， Ｊｉａ Ｊ⁃Ｈ （贾建华）， Ｌｉｕ Ｌ⁃Ｙ （刘
良云）， ｅｔ ａｌ． Ｄｒｏｕｇｈｔ ｍｏｎｉｔｏｒｉｎｇ ｉｎ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ
Ｐｌａｉｎ ｕｓｉｎｇ ｔｈｅ ｍｕｌｔｉ⁃ｄｒｏｕｇｈｔ ｉｎｄｉｃｅｓ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ
Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎ （遥感技术与应用）， ２０１５，
３０（１）： ２５－３２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３］　 Ｙｉｎ Ｈ （尹　 晗）， Ｌｉ Ｙ⁃Ｈ （李耀辉）． Ｓｕｍｍａｒｙ ｏｆ ａｄ⁃
ｖａｎｃｅ ｏｎ ｄｒｏｕｇｈｔ ｓｔｕｄｙ ｉｎ ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ． Ｊｏｕｒｎａｌ ｏｆ
Ａｒｉｄ Ｍｅｔｅｏｒｏｌｏｇｙ （干旱气象）， ２０１３， ３１（１）： １８２－
１９３ （ｉｎ Ｃｈｉｎｅｓｅ）
［４］　 Ｌｉｕ Ｘ⁃Ｙ （刘晓云）， Ｌｉ Ｄ⁃Ｌ （李栋梁）， Ｗａｎｇ Ｊ⁃Ｓ （王
劲松）． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｄｒｏｕｇｈｔ ｏｖｅｒ
Ｃｈｉｎａ ｄｕｒｉｎｇ １９６１ － ２００９． Ｊｏｕｒｎａｌ ｏｆ Ｄｅｓｅｒｔ Ｒｅｓｅａｒｃｈ
（中国沙漠）， ２０１２， ３２（２）： ４７３－４８３ （ｉｎ Ｃｈｉｎｅｓｅ）
［５］　 Ｈｅ Ｊ⁃Ｙ （贺晋云）， Ｚｈａｎｇ Ｍ⁃Ｊ （张明军）， Ｗａｎｇ Ｐ
（王 　 鹏）， ｅｔ ａｌ． Ｃｌｉｍａｔｅ ｃｈａｒａｃｔｅｒｓ ｏｆ ｔｈｅ ｅｘｔｒｅｍｅ
ｄｒｏｕｇｈｔ ｅｖｅｎｔｓ ｉｎ ｓｏｕｔｈｗｅｓｔ Ｃｈｉｎａ ｄｕｒｉｎｇ ｒｅｃｅｎｔ ５０
ｙｅａｒｓ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报）， ２０１１， ６６
（９）： １１７９－１１９０ （ｉｎ Ｃｈｉｎｅｓｅ）
［６］　 Ｚｈａｎｇ Ｗ⁃Ｃ （张万诚）， Ｚｈｅｎｇ Ｊ⁃Ｍ （郑建萌）， Ｒｅｎ Ｊ⁃Ｚ
（任菊章）． Ｃｌｉｍａｔｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｅｘｔｒｅｍｅ ｄｒｏｕｇｈｔ
ｅｖｅｎｔｓ ｉｎ Ｙｕｎｎａｎ． Ｊｏｕｒｎａｌ ｏｆ Ｃａｔａｓｔｒｏｐｈｏｌｏｇｙ （灾害
学）， ２０１３， ２８（１）： ５９－６４ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｘｕ Ｊ⁃Ｗ （徐建文）． Ｐｏｔｅｎｔｉａｌ Ｅｆｆｅｃｔｓ ｏｆ Ｄｒｏｕｇｈｔ ｏｎ Ｗｉｎ⁃
ｔｅｒ Ｗｈｅａｔ Ｙｉｅｌｄ Ｂａｓｅｄ ｏｎ ＤＳＳＡＴ Ｍｏｄｅｌ Ｏｖｅｒ Ｈｕａｎｇ⁃
Ｈｕａｉ⁃Ｈａｉ Ｐｌａｉｎ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｂｅｉｊｉｎｇ： Ｃｈｉｎｅｓｅ Ａｃａｄｅ⁃
ｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ， ２０１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｈｏｕ Ｙ⁃Ｙ （侯英雨）， Ｈｅ Ｙ⁃Ｂ （何延波）， Ｌｉｕ Ｑ⁃Ｈ （柳
钦火）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｐｒｏｇｒｅｓｓ ｏｎ ｄｒｏｕｇｈｔ ｉｎｄｅｘ． Ｃｈｉ⁃
ｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｅｃｏｌｏｇｙ （生态学杂志）， ２００７， ２６（６）：
８９２－８９７ （ｉｎ Ｃｈｉｎｅｓｅ）
［９］　 Ｆｅｉ Ｚ⁃Ｙ （费振宇）， Ｓｕｎ Ｈ⁃Ｗ （孙宏巍）， Ｊｉｎ Ｊ⁃Ｌ （金
菊良）， ｅｔ ａｌ． Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｐａｔｔｅｒｎｓ ｏｆ ｍｅｔｅｏｒｏ⁃
ｌｏｇｉｃａｌ ｄｒｏｕｇｈｔ ｈａｚａｒｄ ｉｎ Ｃｈｉｎａ ｆｏｒ ｒｅｃｅｎｔ ５０ ｙｅａｒｓ． Ｗａ⁃
ｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｐｏｗｅｒ （水电能源科学）， ２０１４， ３２
（１２）： ５－１０ （ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｃｈｅｎ Ｆ⁃Ｈ （陈发虎）， Ｈｕａｎｇ Ｗ （黄 　 伟）， Ｊｉｎ Ｌ⁃Ｙ
（靳立亚）， ｅｔ ａｌ． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｐｒｅｃｉｐｉｔａｔｉｏｎ ｖａｒｉａｔｉｏｎｓ
ｉｎ ｔｈｅ ａｒｉｄ ｃｅｎｔｒａｌ Ａｓｉａ ｉｎ ｔｈｅ ｃｏｎｔｅｘｔ ｏｆ ｇｌｏｂａｌ ｗａｒｍｉｎｇ．
Ｓｃｉｅｎｃｅ Ｃｈｉｎａ Ｅａｒｔｈ Ｓｃｉｅｎｃｅｓ （中国科学： 地球科学），
２０１１， ４１（１１）： １６４７－１６５７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｚｈａｎｇ Ｑ （张　 强）， Ｚｈａｎｇ Ｌ （张　 良）， Ｃｕｉ Ｘ⁃Ｃ （崔
显成）， ｅｔ ａｌ． Ｐｒｏｇｒｅｓｓｅｓ ａｎｄ ｃｈａｌｌｅｎｇｅｓ ｉｎ ｄｒｏｕｇｈｔ ａｓ⁃
ｓｅｓｓｍｅｎｔ ａｎｄ ｍｏｎｉｔｏｒｉｎｇ． Ａｄｖａｎｃｅｓ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地
球科学进展）， ２０１１， ２６（７）： ７６３－７７８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｗｕ Ｒ⁃Ｊ （吴荣军）， Ｇｅ Ｑ （葛　 琴）， Ｚｈａｎ Ｘ⁃Ｗ （詹
９０６１５期　 　 　 　 　 　 　 　 　 　 　 　 王　 莹等： 基于实际蒸散构建的干旱指数在黄淮海地区的适用性　 　 　 　 　
习武）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｅｖａｐｏｔｒａｎｓｐｉｒａ⁃
ｔｉｏｎ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｐｒｏｃｅｓｓ ｃｏｕｐｌｉｎｇ ｍｏｄｅｌ
ＢＥＰＳ． Ｅｃｏｌｏｇｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ （生态环境
学报）， ２０１３， ２２（６）： １００１－１００８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｇｕａｄａｌｕｐｅ ＳＣ， Ｊｕｒｇｅｎ Ｖ， Ａｌｉｒｉｏ Ａ， ｅｔ ａｌ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ
ｔｈｅ Ｅｕｍｅｔｓａｔ ＬＳＡ⁃ＳＡＦ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｐｒｏｄｕｃｔ ｆｏｒ
ｄｒｏｕｇｈｔ ｍｏｎｉｔｏｒｉｎｇ ｉｎ Ｅｕｒｏｐｅ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ
Ａｐｐｌｉｅｄ Ｅａｒｔｈ Ｏｂｓｅｒｖａｔｉｏｎｓ ａｎｄ Ｇｅｏｉｎｆｏｒｍａｔｉｏｎ， ２０１４，
３０： １９０－２０２
［１４］　 Ｊｉｎ ＸＭ， Ｇｕｏ ＲＨ， Ｘｉａ Ｗ． Ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｃｔｕａｌ ｅｖａｐｏ⁃
ｔｒａｎｓｐｉｒａｔｉｏｎ ｏｖｅｒ Ｑａｉｄａｍ ｂａｓｉｎ， ａｎ ａｒｉｄ ａｒｅａ ｉｎ Ｃｈｉｎａ．
Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， ２０１３， ５： ６９７６－６９９６
［１５］　 Ｐａｌｍｅｒ ＷＣ． Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｄｒｏｕｇｈｔ． Ｗａｓｈｉｎｇｔｏｎ ＤＣ：
ＵＳ Ｗｅａｔｈｅｒ Ｂｕｒｅａｕ， １９６５
［１６］　 Ｚｈｏｕ Ｙ⁃Ｗ （周跃武）， Ｆｅｎｇ Ｊ⁃Ｙ （冯建英）． Ｔｈｅ
ｄｒｏｕｇｈｔ ｉｎｄｅｘ ｉｎ ｔｈｅ ２０ｔｈ ｃｅｎｔｕｒｙ． Ａｒｉｄ Ｍｅｔｅｏｒｏｌｏｇｙ （干
旱气象）， ２００６， ２４（１）： ７９－８９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｙａｎｇ Ｘ⁃Ｌ （杨小利）， Ｙａｎｇ Ｘ⁃Ｇ （杨兴国）， Ｍａ Ｐ⁃Ｌ
（马鹏里）， ｅｔ ａｌ． Ｍｏｄｉｆｉｃａｔｉｏｎ ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＰＤＳＩ
ｆｏｒ ｍｉｄ ａｎｄ ｅａｓｔｅｒｎ Ｇａｎｓｕ Ｐｒｏｖｉｎｃｅ． Ａｄｖａｎｃｅｓ ｉｎ Ｅａｒｔｈ
Ｓｃｉｅｎｃｅ （地球科学进展）， ２００５， ２０（９）： １０２２－１０２８
（ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｙａｎ Ｇ⁃Ｘ （闫桂霞）， Ｌｕ Ｇ⁃Ｈ （陆桂华）， Ｗｕ Ｚ⁃Ｙ （吴
志勇）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｉｎｔｅｇｒａｔｅｄ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｄｒｏｕｇｈｔ
ｉｎｄｅｘ ｂａｓｅｄ ｏｎ ＰＤＳＩ ａｎｄ ＳＰＩ． Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｈｙ⁃
ｄｒｏｐｏｗｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ （水利水电技术）， ２００９， ４０
（４）： １０－１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｚｈａｎｇ Ｙ （张 　 永）， Ｃｈｅｎ Ｆ⁃Ｈ （陈发虎）， Ｇｏｕ Ｘ⁃Ｈ
（勾晓华）， ｅｔ ａｌ． Ｔｈｅ ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ
ｏｆ ｓｅａｓｏｎａｌ ｄｒｙ⁃ｗｅｔ ｃｈａｎｇｅｓ ｏｖｅｒ ｔｈｅ ｎｏｒｔｈｗｅｓｔｅｒｎ Ｃｈｉｎａ
ｂａｓｅｄ ｏｎ ＰＤＳＩ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报），
２００７， ６２（１１）： １１４２－１１５２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ａｎｄｅｒｓｏｎ ＭＣ， Ｈａｉｎ Ｃ， Ｗａｒｄｌｏｗ Ｂ， ｅｔ ａｌ． Ｅｖａｌｕａｔｉｏｎ ｏｆ
ｄｒｏｕｇｈｔ ｉｎｄｉｃｅｓ ｂａｓｅｄ ｏｎ ｔｈｅｒｍａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｏｆ ｅｖａ⁃
ｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｖｅｒ ｔｈｅ Ｃｏｎｔｉｎｅｎｔａｌ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ． Ｊｏｕｒ⁃
ｎａｌ ｏｆ Ｃｌｉｍａｔｅ， ２０１１， ２４８： ２０２５－２０４４
［２１］　 Ａｎｄｅｒｓｏｎ ＭＣ， Ｈａｉｎ Ｃ， Ｗａｒｄｌｏｗ Ｂ， ｅｔ ａｌ． Ａ ｃｌｉｍａｔｏｌｏ⁃
ｇｉｃａｌ ｓｔｕｄｙ ｏｆ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｎｄ ｍｏｉｓｔｕｒｅ ｓｔｒｅｓｓ
ａｃｒｏｓｓ ｔｈｅ ｃｏｎｔｉｎｅｎｔａｌ Ｕ． Ｓ． ｂａｓｅｄ ｏｎ ｔｈｅｒｍａｌ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ： Ｓｕｒｆａｃｅ ｍｏｉｓｔｕｒｅ ｃｌｉｍａｔｏｌｏｇｙ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏ⁃
ｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ， ２００７， １１２： １０２９－１０３９
［２２］　 Ｓｈａｏ Ｘ⁃Ｌ （邵小路）， Ｙａｏ Ｆ⁃Ｍ （姚凤梅）， Ｚｈａｎｇ Ｊ⁃Ｈ
（张佳华）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｄｒｏｕｇｈｔ ｉｎ ｎｏｒｔｈ Ｃｈｉｎａ
ｂａｓｅｄ ｏｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｄｒｏｕｇｈｔ ｉｎｄｅｘ． Ａｃｔａ Ｍｅｔｅｏｒｏ⁃
ｌｏｇｉｃａ Ｓｉｎｉｃａ （气象学报）， ２０１３， ３９（９）： １１５４－１１６２
（ｉｎ Ｃｈｉｎｅｓｅ）
［２３］　 Ｍｕ ＱＺ， Ｚｈａｏ ＭＳ， Ｋｉｍｂａｌｌ ＪＳ， ｅｔ ａｌ． Ａ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ
ｇｌｏｂａｌ ｔｅｒｒｅｓｔｒｉａｌ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ． Ｂｕｌｌｅｔｉｎ ｏｆ ｔｈｅ
Ａｍｅｒｉｃａｎ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｏｃｉｅｔｙ， ２０１３， ２１３： ８３－９８
［２４］　 Ｃｈｅｎ Ｆ， Ｍｉｔｃｈｅｌｌ ＫＥ， Ｓｃｈａａｋｅ Ｊ， ｅｔ ａｌ． Ｍｏｄｅｌｉｎｇ ｏｆ
ｌａｎｄｓｕｒｆａｃｅ ｅｖａｐｏｒａｔｉｏｎ ｂｙ ｆｏｕｒ ｓｃｈｅｍｅｓ ａｎｄ ｃｏｍｐａｒｉｓｏｎ
ｗｉｔｈ ＦＩＦＥ ｏｂｓｅｒｖａｔｉｏｎｓ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ，
１９９６， １０１： ７２５１－７２６８
［２５］　 Ｃｈｅｎ Ｆ， Ｊａｎｉｃ Ｚ， Ｍｉｔｃｈｅｌｌ ＫＥ． Ｉｍｐａｃｔ ｏｆ ａｔｍｏｓｐｈｅｒｉｃ
ｓｕｒｆａｃｅ ｌａｙｅｒ ｐａｒａｍｅｔｅｒｉｚａｔｉｏｎｓ ｉｎ ｔｈｅ ｎｅｗ ｌａｎｄ⁃ｓｕｒｆａｃｅ
ｓｃｈｅｍｅ ｏｆ ｔｈｅ ＮＣＥＰ ｍｅｓｏｓｃａｌｅ Ｅｔａ ｍｏｄｅｌ． Ｂｏｕｎｄ Ｌａｙｅｒ
Ｍｅｔｅｏｒｏｌｏｇｙ， １９９７， ８５： ３９１－４２１
［２６］　 Ｃｈｅｎ Ｆ， Ｍｉｔｃｈｅｌｌ ＫＥ． Ｕｓｉｎｇ ｔｈｅ ＧＥＷＥＸ ／ ＩＳＬＳＣＰ ｆｏｒ⁃
ｃｉｎｇ ｄａｔａ ｔｏ ｓｉｍｕｌａｔｅ ｇｌｏｂａｌ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｆｉｅｌｄｓ ａｎｄ
ｈｙｄｒｏｌｏｇｉｃａｌ ｃｙｃｌｅ ｆｏｒ １９８７ － １９８８． Ｊｏｕｒｎａｌ ｏｆ Ｍｅｔｅｏｒｏ⁃
ｌｏｇｉｃａｌ Ｓｏｃｉｅｔｙ ｏｆ Ｊａｐａｎ， １９９９， ７７： １６７－１８２
［２７］　 Ｚｈａｎｇ Ｆ⁃Ｍ （张方敏）， Ｊｕ Ｗ⁃Ｍ （居为民）， Ｃｈｅｎ Ｊ⁃Ｍ
（陈镜明）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｉｎ Ｅａｓｔ
Ａｓｉａ ｕｓｉｎｇ ｔｈｅ ＢＥＰＳ ｅｃｏｌｏｇｉｃａｌ ｍｏｄｅｌ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕ⁃
ｒａｌ Ｒｅｓｏｕｒｃｅｓ （自然资源学报）， ２０１０， ２５（９）： １５９６－
１６０６ （ｉｎ Ｃｈｉｎｅｓｅ）
［２８］　 Ｌｉｕ Ｙ， Ｚｈｏｕ Ｗ， Ｊｕ Ｊ， ｅｔ ａｌ． Ｃｈａｎｇｅｓ ｏｆ ｅｖａｐｏｔｒａｎｓｐｉｒａ⁃
ｔｉｏｎ ａｎｄ ｗａｔｅｒ ｙｉｅｌｄ ｉｎ Ｃｈｉｎａ’ ｓ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍｓ
ｄｕｒｉｎｇ ｔｈｅ ｐｅｒｉｏｄ ｆｒｏｍ ２０００ ｔｏ ２０１０． Ｈｙｄｒｏｌｏｇｙ ａｎｄ
Ｅａｒｔｈ Ｓｙｓｔｅｍ Ｓｃｉｅｎｃｅｓ， ２０１３， １０： ５３９７－５４５６
［２９］　 Ｗｅｉ Ｊ （卫 　 捷）， Ｍａ Ｚ⁃Ｇ （马柱国）． Ｃｏｍｐａｒｉｓｏｎ ｏｆ
ｐａｌｍｅｒ ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ， ｐｅｒｃｅｎｔａｇｅ ｏｆ ｐｒｅｃｉｐｉｔａ⁃
ｔｉｏｎ ａｎｏｍａｌｙ ａｎｄ ｓｕｒｆａｃｅ ｈｕｍｉｄ ｉｎｄｅｘ． Ａｃｔａ Ｇｅｏｇｒａｐｈｉｃａ
Ｓｉｎｉｃａ （地理学报）， ２００３， ５８（ｓｕｐｐｌ．１）： １１７－１２４ （ｉｎ
Ｃｈｉｎｅｓｅ）
［３０］　 Ｓｈｅｎ Ｌ⁃Ｆ （沈良芳）， Ｇａｏ Ｒ⁃Ｂ （高荣斌）， Ｌｙｕ Ｊ （吕
军）， ｅｔ ａｌ． Ｒｅｓｅａｒｃｈ ｏｎ Ｐａｌｍｅｒ ｄｒｏｕｇｈｔ ｉｎｄｅｘ ｉｎ Ｊｉａｎｇｓｕ
Ｐｒｏｖｉｎｃｅ． Ｊｏｕｒｎａｌ ｏｆ Ａｎｈｕｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ （安徽农
业科学）， ２００７， ３５（２８）： ８７６８－８７８８ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｚｈａｎｇ Ｑ （张　 强）， Ｚｈａｎｇ Ｚ⁃Ｘ （张之贤）， Ｗｅｎ Ｘ⁃Ｍ
（问晓梅）， ｅｔ ａｌ． Ｃｏｍｐａｒｉｓｏｎｓ ｏｆ ｏｂｓｅｒｖａｔｉｏｎａｌ ｍｅｔｈｏｄｓ
ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ａｎｄ ｔｈｅｉｒ ｉｎｆｌｕｅｎｃｅ
ｆａｃｔｏｒｓ． Ａｄｖａｎｃｅｓ ｉｎ Ｅａｒｔｈ Ｓｃｉｅｎｃｅ （地球科学进展），
２０１１， ２６（５）： ５３８－５４７ （ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｚｈｏｕ Ｌ （周 　 蕾）， Ｗａｎｇ Ｓ⁃Ｑ （王绍强）， Ｃｈｅｎ Ｊ⁃Ｍ
（陈镜明）， ｅｔ ａｌ． Ｔｈｅ ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ
ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ ｏｆ Ｃｈｉｎａ’ｓ ｔｅｒｒｅｓｔｒｉａｌ ｅｃｏｓｙｓｔｅｍｓ
ｄｕｒｉｎｇ １９９１ － ２０００． Ｒｅｓｏｕｒｃｅｓ Ｓｃｉｅｎｃｅ （资源科学），
２００９， ３１（６）： ９６２－９７２ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｗａｎｇ Ｌ （王　 菱）， Ｎｉ Ｊ⁃Ｈ （倪建华）． Ｒｅｓｅａｒｃｈ ｏｆ ａｃ⁃
ｔｕａｌ ｅｖａｐｏｒａｎｓｐｉｒａｔｉｏｎ ｉｎ ｆａｒｍｌａｎｄ： Ａ ｃａｓｅ ｓｔｕｄｙ ｉｎ
Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｉｖｅｒ ｒｅｇｉｏｎ． Ａｃｔａ Ｍｅｔｅｏｒｏｌｏｇｉｃａ Ｓｉｎｉｃａ
（气象学报）， ２００１， ５９（６）： ７８５－７９３ （ｉｎ Ｃｈｉｎｅｓｅ）
［３４］ 　 Ｇｕｏ Ｗ⁃Ｄ （郭维栋）， Ｍａ Ｚ⁃Ｇ （马柱国）， Ｙａｏ Ｙ⁃Ｈ
（姚永红）． Ｒｅｇｉｏｎａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｓｏｉｌ ｍｏｉｓｔｕｒｅ ｅｖｏ⁃
ｌｕｔｉｏｎ ｉｎ ｎｏｒｔｈｅｒｎ Ｃｈｉｎａ ｏｖｅｒ ｒｅｃｅｎｔ ５０ ｙｅａｒｓ． Ａｃｔａ Ｇｅｏ⁃
ｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理学报）， ２００３， ５８（ｓｕｐｐｌ．１）： ８４－
８８ （ｉｎ Ｃｈｉｎｅｓｅ）
［３５］　 Ｈｕａｎｇ Ｊ⁃Ｘ （黄健熙）， Ｚｈａｎｇ Ｊ （张 　 洁）， Ｌｉｕ Ｊ⁃Ｍ
（刘峻明）， ｅｔ ａｌ． Ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｂｅｔｗｅｅｎ ｄｒｏｕｇｈｔ
ａｎｄ ｗｉｎｔｅｒ ｗｈｅａｔ ｙｉｅｌｄｓ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ
ｄｒｏｕｇｈｔ ｓｅｖｅｒｉｔｙ ｉｎｄｅｘ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅ⁃
ｔｙ ｆｏｒ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍａｃｈｉｎｅｒｙ （农业机械学报）， ２０１５，
４６（３）： １６６－１７３ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 王　 莹，女，１９９１年生，硕士研究生． 主要从事农
业气象灾害研究． Ｅ⁃ｍａｉｌ： ４９４９００７１８＠ ｑｑ．ｃｏｍ
责任编辑　 杨　 弘
王莹， 吴荣军， 郭照冰． 基于实际蒸散构建的干旱指数在黄淮海地区的适用性． 应用生态学报， ２０１６， ２７（５）： １６０３－１６１０
Ｗａｎｇ Ｙ， Ｗｕ Ｒ⁃Ｊ， Ｇｕｏ Ｚ⁃Ｂ． Ａｐｐｌｉｃａｂｉｌｉｔｙ ｏｆ ｅｓｔａｂｌｉｓｈｅｄ ｄｒｏｕｇｈｔ ｉｎｄｅｘ ｉｎ Ｈｕａｎｇ⁃Ｈｕａｉ⁃Ｈａｉ ｒｅｇｉｏｎ ｂａｓｅｄ ｏｎ ａｃｔｕａｌ ｅｖａｐｏｔｒａｎｓｐｉｒａｔｉｏｎ．
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（５）： １６０３－１６１０ （ｉｎ Ｃｈｉｎｅｓｅ）
０１６１ 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷