Response of VCI to SPEI at Different Time Scales from 2000 to 2017 in Inner Mongolia

doi:10.11924/j.issn.1000-6850.casb20190800521

Abstract

Abstract:

To understand the response of different vegetation types to meteorological drought indices at different time scales in Inner Mongolia, the authors calculated the correlation between VCI and the SPEI of 30, 60, 90, 120 and 150 days time scale through using the monitoring data of 82 weather stations in Inner Mongolia and the MOD13Q1 vegetation monitoring products of NASA from 2000 to 2017. The results showed that the annual average variation of SPEI was basically the same in five different time scales, but annual variation trend was not obvious. The annual average VCI showed an extremely significant upward trend, its change tendency rate reached 0.129/10 a, and the vegetation condition was significantly improved. Different vegetation cover types were not sensitive to the effects of meteorological drought from late April to mid-May in Inner Mongolia. In late May, grassland VCI and SPEI showed significant or extremely significant positive correlation. In the middle of June, the cultivated land VCI was significantly or vey significantly positively correlated with SPEI. The study between VCI and SPEI at different time scales indicated that SPEI₆₀ and SPEI₉₀ should be used to monitor and predict the drought of grassland and cultivated land in Inner Mongolia, respectively, while the correlation between VCI and SPEI in forest and desert was declining, indicating that the impact of meteorological drought was not significant.

Key words: Inner Mongolia, meteorological drought, remote sensing vegetation drought, correlation analysis

CLC Number:

P407

Qu Xuebin, Yang Shuxiang, Wang Yanping, Zou Xiaohua. Response of VCI to SPEI at Different Time Scales from 2000 to 2017 in Inner Mongolia[J]. Chinese Agricultural Science Bulletin, 2020, 36(26): 106-111.

Figures/Tables 7

References 20

[1]	张强, 姚玉璧, 王莺, 等. 中国南方干旱灾害风险特征及其防控对策[J]. 生态学报, 2017,37(21):7206-7218.
[2]	王春学, 张顺谦, 陈文秀, 等. 气象干旱综合指数MCI在四川省的适用性分析及修订[J]. 中国农学通报, 2019,35(9):115-121.
[3]	沈建国, 李喜仓, 刘兴汉. 中国气象灾害大典内蒙古卷[M]. 北京: 气象出版社, 2008: 8-12.
[4]	张煦庭, 潘学标, 徐琳, 等. 基于降水蒸发指数的1960-2015年内蒙古干旱时空特征[J]. 农业工程学报, 2017,33(15):190-199.
[5]	张强, 张良, 崔显成, 等. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 2011,26(7):763-778.
[6]	Vicente-Serrano S M, Begueria S, Lopez-Moreno J I. A mulitscalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index[J]. Journal of Climate, 2010,23(1):1696-1717. doi: 10.1175/2009JCLI2909.1 URL
[7]	卫洁, 武志涛, 李强子, 等. 基于气象和遥感的黄淮海平原干旱监测[J]. 中国农学通报, 2019,35(5):127-136.
[8]	Sergio M Vicente-Serrano, Santiago Begueria, J I López-Moreno. A Multiscalar Drought Index Sensitive to Global Warming:The Standardized Precipitation Evapotranspiration Index[J]. Journal of Climate, 2010,23(1):1696-1717. doi: 10.1175/2009JCLI2909.1 URL
[9]	环海军, 姚丹丹, 刘岩, 等. 基于不同干旱指数鲁中地区干旱变化规律研究[J]. 气象与环境学报, 2017,33(3):80-87.
[10]	梁丹, 赵锐锋, 李洁, 等. 4种干旱指标在河西走廊地区的适用性评估[J]. 中国农学通报, 2015,31(36):194-204.
[11]	沈冰洁, 孙玉军. 福建省几种气象干旱指数的对比分析[J]. 气象, 2019,45(5):685-694.
[12]	沈国强, 郑海峰, 雷振锋, 等. 基于SPEI指数的1961—2014年东北地区气象干旱时空特征研究[J]. 生态学报, 2017,37(17):5882-5893. doi: 10.5846/stxb201606121122 URL
[13]	杨思瑶, 孟丹, 李晓娟, 等. 华北地区2001—2014年植被变化对SPEI气象干旱指数多尺度的响应[J]. 生态学报, 2018,38(3):1028-1039. doi: 10.5846/stxb201611242398 URL
[14]	曲学斌, 张煦明, 孙卓. 大兴安岭植被NDVI变化及其对气候的响应[J]. 气象与环境学报, 2019,35(2):77-83.
[15]	李新尧, 杨联安, 聂红梅, 等. 基于植被状态指数的陕西省农业干旱时空动态[J]. 生态学杂志, 2018,37(4):1172-1180.
[16]	刘世杰, 苏舒, 梁亮. 基于植被状态指数的干旱化特征及气候驱动因素分析[J]. 长江流域资源与环境, 2016,25(12):1927-1933. doi: 10.11870/cjlyzyyhj201612017 URL
[17]	孙小龙, 宋海清, 李平. 基于CLDAS资料的内蒙古干旱监测分析[J]. 气象, 2015,41(10):1245-1252.
[18]	李夏子, 郭春燕, 杨晶, 等. 气候变化对内蒙古牧草气候生产潜力的影响[J]. 中国农学通报, 2018,34(16):106-114.
[19]	张存杰, 刘海波, 宋艳玲, 等. 气象干旱等级(GB/T 20481—2017),中华人民共和国国家标准[S]. 北京: 中国标准出版社, 2017.
[20]	Kogan F N. Droughts of the late 1980s in the United States as derived from NOAA polar-Orbiting satellite data[J]. Bulletin of the American Meteorological Society, 1995,76(5):655-668. doi: 10.1175/1520-0477(1995)076<0655:DOTLIT>2.0.CO;2 URL

期数	日期
8	4月22日—5月7日
9	5月8日—5月23日
10	5月24日—6月8日
11	6月9日—6月24日
12	6月25日—7月10日
13	7月11日—7月26日
14	7月27日—8月11日
15	8月12日—8月27日
16	8月28日—9月12日

期数	日期
8	4月22日—5月7日
9	5月8日—5月23日
10	5月24日—6月8日
11	6月9日—6月24日
12	6月25日—7月10日
13	7月11日—7月26日
14	7月27日—8月11日
15	8月12日—8月27日
16	8月28日—9月12日

期数		8	9	10	11	12	13	14	15	16	17
森林	SPEI₃₀	-0.33	-0.02	0.26	0.50	0.25	0.22	0.13	0.23	0.36	0.18
	SPEI₆₀	-0.34	-0.05	0.26	0.65^**	0.42	0.36	0.22	0.15	0.17	0.17
	SPEI₉₀	-0.33	-0.05	0.26	0.61^**	0.42	0.39	0.19	0.06	0.10	0.03
	SPEI₁₂₀	-0.33	-0.05	0.26	0.63^**	0.39	0.38	0.19	0.05	0.07	-0.02
	SPEI₁₅₀	-0.31	-0.03	0.26	0.63^**	0.39	0.38	0.18	0.03	0.02	-0.04
草原	SPEI₃₀	0.04	0.28	0.52^*	0.53^*	0.60^**	0.70^**	0.69^**	0.63^**	0.53^*	0.43
	SPEI₆₀	0.03	0.34	0.52^*	0.60^**	0.66^**	0.74^**	0.74^**	0.69^**	0.63^**	0.53^*
	SPEI₉₀	0.02	0.34	0.52^*	0.58^**	0.64^**	0.71^**	0.71^**	0.66^**	0.61^**	0.53^*
	SPEI₁₂₀	-0.02	0.30	0.52^*	0.58^**	0.63^**	0.67^**	0.67^**	0.59^**	0.57^**	0.50^*
	SPEI₁₅₀	-0.04	0.27	0.52^*	0.57^**	0.63^**	0.66^**	0.66^**	0.56^*	0.51^*	0.44
耕地	SPEI₃₀	-0.02	0.18	0.38	0.43	0.43	0.41	0.43	0.45	0.46^*	0.41
	SPEI₆₀	-0.02	0.20	0.38	0.52^*	0.50^*	0.45	0.52^*	0.53^*	0.51^*	0.50^*
	SPEI₉₀	-0.04	0.20	0.38	0.55^*	0.50^*	0.46^*	0.53^*	0.54^*	0.54^*	0.49^*
	SPEI₁₂₀	-0.11	0.17	0.38	0.55^*	0.50^*	0.48^*	0.50^*	0.45	0.49^*	0.49^*
	SPEI₁₅₀	-0.12	0.15	0.38	0.54^*	0.50^*	0.48^*	0.50^*	0.42	0.43	0.43
荒漠	SPEI₃₀	0.05	0.00	0.13	0.14	0.36	0.52^*	0.43	0.41	0.32	0.12
	SPEI₆₀	0.15	0.12	0.13	0.20	0.42	0.53^*	0.50^*	0.52^*	0.44	0.35
	SPEI₉₀	0.12	0.12	0.13	0.26	0.42	0.50^*	0.53^*	0.51^*	0.42	0.45
	SPEI₁₂₀	0.08	0.10	0.13	0.28	0.43	0.52^*	0.50^*	0.46^*	0.42	0.40
	SPEI₁₅₀	-0.12	0.15	0.38	0.54^*	0.50^*	0.48^*	0.50^*	0.42	0.43	0.43

期数		8	9	10	11	12	13	14	15	16	17
森林	SPEI₃₀	-0.33	-0.02	0.26	0.50	0.25	0.22	0.13	0.23	0.36	0.18
	SPEI₆₀	-0.34	-0.05	0.26	0.65^**	0.42	0.36	0.22	0.15	0.17	0.17
	SPEI₉₀	-0.33	-0.05	0.26	0.61^**	0.42	0.39	0.19	0.06	0.10	0.03
	SPEI₁₂₀	-0.33	-0.05	0.26	0.63^**	0.39	0.38	0.19	0.05	0.07	-0.02
	SPEI₁₅₀	-0.31	-0.03	0.26	0.63^**	0.39	0.38	0.18	0.03	0.02	-0.04
草原	SPEI₃₀	0.04	0.28	0.52^*	0.53^*	0.60^**	0.70^**	0.69^**	0.63^**	0.53^*	0.43
	SPEI₆₀	0.03	0.34	0.52^*	0.60^**	0.66^**	0.74^**	0.74^**	0.69^**	0.63^**	0.53^*
	SPEI₉₀	0.02	0.34	0.52^*	0.58^**	0.64^**	0.71^**	0.71^**	0.66^**	0.61^**	0.53^*
	SPEI₁₂₀	-0.02	0.30	0.52^*	0.58^**	0.63^**	0.67^**	0.67^**	0.59^**	0.57^**	0.50^*
	SPEI₁₅₀	-0.04	0.27	0.52^*	0.57^**	0.63^**	0.66^**	0.66^**	0.56^*	0.51^*	0.44
耕地	SPEI₃₀	-0.02	0.18	0.38	0.43	0.43	0.41	0.43	0.45	0.46^*	0.41
	SPEI₆₀	-0.02	0.20	0.38	0.52^*	0.50^*	0.45	0.52^*	0.53^*	0.51^*	0.50^*
	SPEI₉₀	-0.04	0.20	0.38	0.55^*	0.50^*	0.46^*	0.53^*	0.54^*	0.54^*	0.49^*
	SPEI₁₂₀	-0.11	0.17	0.38	0.55^*	0.50^*	0.48^*	0.50^*	0.45	0.49^*	0.49^*
	SPEI₁₅₀	-0.12	0.15	0.38	0.54^*	0.50^*	0.48^*	0.50^*	0.42	0.43	0.43
荒漠	SPEI₃₀	0.05	0.00	0.13	0.14	0.36	0.52^*	0.43	0.41	0.32	0.12
	SPEI₆₀	0.15	0.12	0.13	0.20	0.42	0.53^*	0.50^*	0.52^*	0.44	0.35
	SPEI₉₀	0.12	0.12	0.13	0.26	0.42	0.50^*	0.53^*	0.51^*	0.42	0.45
	SPEI₁₂₀	0.08	0.10	0.13	0.28	0.43	0.52^*	0.50^*	0.46^*	0.42	0.40
	SPEI₁₅₀	-0.12	0.15	0.38	0.54^*	0.50^*	0.48^*	0.50^*	0.42	0.43	0.43