2.2　旱情监测一般指标

2.2.1　旱情监测指标概况

旱情监测指标是表征某一地区干旱严重程度的标准，依据这个标准可对干旱造成的影响做出定量评价，用来反映干旱的时空特性，由于受气候、地形、水资源条件和社会经济生态状况等多种因素作用，因此，干旱的成因、造成的影响或危害也不尽相同。目前常用的干旱指标大都建立在特定的时空范围内，不同区域干旱指标差异很大。由于干旱的复杂性与差异性，降水、气温、土壤含水率等原始观测数据，很难直观、准确、定量化分析干旱的开始、结束、持续时间及强度等。长期以来，旱情指标的研究也在不断发展之中。随着对干旱现象认识的逐步深入，国内外科学家在对干旱机理进行辨识的基础上，随着气象及其相关学科技术进步而不断推进，干旱指标经历了由基于降水短缺的单一指标到结合多因子的综合指标，再发展到目前针对具体干旱问题而开发的监测模型[17]。由于干旱的观测角度及研究目标不同，一般干旱指标大致可分为以下几类:气象干旱指标、农业干旱指标、水文干旱指标、社会经济干旱指标、生态干旱指标及综合干旱指标。干旱指标的研究也由气象指标起始，逐渐关注干旱造成的多种影响，进入以农业和水文为对象的干旱指标研究阶段;随着研究工作的深入，进入了以社会经济生态系统为对象的干旱全面研究阶段，探讨干旱综合监测模型的研制(表2.2)。

1.气象干旱指标

国内外旱情指标很多，据文献资料仅中国干旱指标就有228种以上[18]。气象干旱是干旱研究中起步最早也是研究最广泛的。气象干旱主要由降水和温度决定，降水以降雨和降雪形式反映了水分的补给，而温度通过蒸散发的形式进行水分的耗散，其中降水因子起主导作用。气象干旱监测指标经历了以降雨为主的单一要素识别阶段、复杂降水指标、降雨与温度结合的双要素结合阶段、综合气象指数等发展阶段。在20世纪初，主要以降水变化来监测干旱的发生、发展过程，如累积降水亏缺程度或降水距平(降水量距平百分率)进行干旱度量，并在美国、英国、印度和俄罗斯等国得到了广泛应用[19，20]。针对降水量距平类指数的缺陷，Bhalme和Mooly于1980年基于月降雨资料提出了BMDI指数，弥补了简单指数计算精度不高的缺陷[21];中国国家气候中心在旱涝监测中开发了比较适合中国干旱监测的Z指数[22]。Mc Kee等于1993年提出了标准化降水指数(SPI)，取到了广泛而良好的应用效果[23]。Tsakiris等人基于降水和潜在蒸散的累积值研发了侦测干旱指数RDI，可以计算多种时间尺度，但相比SPI增加了蒸散因素，可以有效地评估气象干旱[24]。1965年，Palmer综合考虑降水、蒸散量、土壤水分供给、径流及地表土壤水分损失等因素发明了PDSI旱情指标，从概率学角度确定了干旱的开始、结束和强度，在国外与国内均被广泛应用[20]。美国国家天气局20世纪90年代引入概率因子对PDSI进行修正，建立了PMDI干旱指数[25]。Yao等开发了蒸发干旱指数EDI，可作为土壤表层水分的干旱指示器，很好地反演长期大尺度的地表水分[26]。Vicente-Serrano(2010)在标准化降水指数的基础上开发的气象干旱指数SPEI，综合考虑了降水和蒸散发对干旱的影响，亦能在不同时间尺度上监测和评估干旱，已被广泛应用于世界范围内的干旱研究与实践中[27]。张强采用近30天(相当于月尺度)和近90天(相当于季尺度)降水量标准化降水指数，以及近30天相对湿润指数研制了综合气象干旱指数，成为中国气象干旱监测的标准，用来监测短时间尺度(月)和长时间尺度(季)降水量气候异常情况，同时又反映了短时间尺度(影响农作物)水分亏欠情况，适用于实时气象干旱的监测和历史气象干旱的评估[28，29]。

2.农业干旱指标

水分在作物生理生命过程中起着重要的作用，当植物吸水量小于蒸腾量时即会产生农业干旱的可能。农业干旱的孕育有比较复杂的过程与机理，受到降水、温度、土壤、地形等各种自然因素和作物布局、作物品种、耕作与灌溉条件等人类因素的共同作用[27]。因此，农业干旱指标是以作物体水分状况、土壤水分状况、作物冠层温度状况以及综合考虑作物、土壤、大气各种影响因素的一类干旱指标[30]。

目前，农业干旱指标的研究众多。1956年，Van Bavel等采用日降水量和Penman公式评估土壤水分状况并首次提出了农业干旱日的概念[31]。1960年，WMO提出了一个针对玉米作物的干旱指数[32]。另外，一些学者等基于水分收支计算法，监测土壤水分的变化[33，34]。总之，在20世纪中前期，干旱指数经历了一系列缓慢发展的过程，从以降水亏缺简单识别农业干旱发展到针对具体农业干旱问题的初步应用[35]。依据PDSI指数原理， Palmer于1968年提出了作物水分指数(crop moisture index，CMI)，可用于监测影响作物水分状况的短期变化，在国际上被广泛应用于农业干旱的监测评估[36]。中国多位学者也采用Palmer指标模式，安顺清等人提出了适合我国气候特征的改进Palmer干旱模型[37]。王春林等借鉴PDSI的土壤水分平衡概念，构建了逐日干旱动态强度指数(ID)、定义了干旱过程的开始和结束日期并提出了干旱过程强度指数(IDC)[38]。随着遥感技术的兴起，Moran等在能量平衡双层模型的基础上，建立了水分亏缺指数(water deficit index，WDI)[39]。Jackson等在作物冠气温差的基础上提出了作物水分胁迫指数(crop water stress index，CWSI)[40]。1979年，从作物需水规律角度出发，FAO出版了水分与产量的关系，构建了简单水分-产量关系构建的模型，但机理性相对不足。一些学者采用水文机理模型精准地模拟土壤湿度的变化以进行农业干旱的监测，如基于分布式水分模型(soil and water assessment tool，SWAT)建立的蒸散亏缺指数(evapotranspiration deficit index，ETDI)。虽然水文模型能够准确模拟作物生长的土壤水分环境，但是在描述作物生长发育部分相对简单，未将土壤水分亏缺与作物生长过程紧密结合。而且，农作物在不同生长阶段的需水量有所不同，不同生长阶段的水分亏缺对作物产量的影响也存在差异。基于作物生长机理的模型能够准确刻画作物水分亏缺及其对作物生长造成的影响，构建准确反映农业干旱危害性的农业旱情监测方法，是未来研究农业干旱监测的主流方法。

3.水文干旱指标

水文干旱定义是指“某一给定的水资源管理系统下，河川径流在一定时期内满足不了供水需要”。水文干旱指因降水长期短缺而造成某段时间内地表水或地下水收支不平衡，出现水分短缺，使河流径流量、地表水、水库蓄水、湖水减少的一种水文现象，其主要特征是在特定面积、特定时段内可利用水量短缺。

在水文模型成熟应用前期，对于水文干旱的识别主要是采用游程理论，基于月降雨或月径流系数监测干旱情况[41，42]。Mohan等考虑了月径流的变差值改进基于传统游程理论的水文干旱识别方法[43]。1980年Dracup等利用长期平均年流量建立基于游程理论的水水文干旱事件监测模型[44]。1982年，Sharer和Dezman为了弥补Palmer指标未考虑降雪、水库蓄水、流量以及高地形降水的不足，将水文和气候特征耦合成一个综合的指数值——地表供水指数(SWSI)及基于径流资料的干旱随机模式，能够反映流域内的地表水分供应状况[45]。1999年，冯平和等人考虑供水系统对径流过程的影响建立了反映相对缺水历时和缺水程度的供水系统水文干旱程度指标RDSI，RDSI绝对值越大，干旱程度越严重[46]。2000年，王劲松等人在对流量正态化处理的基础上，构造了灌溉条件下以Z为变量的径流量干旱指数，具有良好的应用效果[47]。Shukla参照标准降水指数SPI的原理，基于月、季尺度研制了标准化径流指数(standardized runoff index，SRI)和径流干旱指数(streamnow drought index，SDI)，监测不同时间尺度的水文干旱[48]。Wang基于中国西北地区内陆河月径流量研发了径流量干旱指数，并划分了5级水文干旱旱指数[49]。近年来，在干旱指数构造方面，方红远等(2007)根据水库的可供水量与供水系统目标需水量差值正负，研制了用来表达供水系统处于干旱与非干旱状态的区域干旱识别方法[50]。基于径流数据，L.Liu等(2011)、Vicente-serrano(2012)分别提出了SFI指数(standardized flow index)和标准流量指数(standardized streamnow index，SSI)，用于监测区域的水文干旱情况[51，52]。

对水文干旱事件，Copula理论为区域水文干旱分析提供了新途径[53]。自2003年以来，Copula函数被广泛应用水文计算中[54，55]。De Michele和Salvadorid在2006年将研究拓展到三元变量水文干旱分析[56]。Shiau用二维Copula函数建立了干旱历时和干旱程度的联合概率分布[57]。袁超基于游程理论、极值理论以及随机理论，通过Copula函数建立水文干旱的历时和烈度双变量概率模型，并用泾河和北洛河的月径流资料对其做了检验[58]。然而，基于单一因子建立的干旱指数难以充分反映干旱的复杂性，构建基于多因子的干旱指标或将多干旱指数聚合的方法开展水文干旱的研究。袁潇晨以地下水埋深变化量和降水量为因子，基于Copula函数构建了区域水文干旱综合Z指数(drought comprehensive z index，DCZI)[58]。徐春晓等基于Copula理论进行干旱历时和烈度的识别[59，60]。2009年，张波等人基于降雨量、流量及蒸发量建立了综合水文干旱指标，并以指标函数值对旱情进行分级检测旱情的严重程度[61]。

随着遥感与GIS技术的发展，物理机制明确的新型分布式水文模型蓬勃发展，例如， SWAT模型、ARNO模型、TOPKAN模型等[62]。基于高精度的气象资料、径流过程、下垫面条件等因素，模型不仅能够模拟流域水文过程的各环节，全方位地获悉流域各水文要素状态及变化过程，且能够模拟和预测气候波动和下垫面条件改变等变化条件下的流域水文响应特征，因此可在一定条件下对水文变量进行模拟，从而更加有效地预报与监测水文干旱。目前，国内外研究干旱的分布式水文模型主要有:1979年，Beven提出了一种半分布式水文模型TOPMODEL模型，利用地貌指数ln(α/tanβ)来刻画和解释径流趋势和由于重力排水作用径流沿坡向的运动，量化了水文变量的模拟更加详细刻画干旱过程[63]; 2000年，郭生练、任立良等分别提出了基于DEM分布式水文物理模型，模拟了整个径流的形成过程及机理，从干旱的内在形成机理过程进行了研究[64];2007年，杨大文、许继军研制了分布式水文模型GBHM以及改进的GBHM PDSI模型对流域降水径流的时空变化过程进行模拟，直接量化识别了水文模型数据与干旱的关系。综合了气象、农业、水文等各方面影响，Mendicino等基于分布式水文模型参数提出了能够多方面反映区域干旱状况的地下水资源指数GRI来计算和预测干旱的情况[65]。基于大气-植被-土壤连续体的思想，吴志勇等人采用VIC(variable infiltration capacity)大尺度水文模型模拟了30km网格尺度的逐日土壤含水量，建立了土壤含水量距平指数(SMAPI)的干旱监测技术[66]。

4.社会经济干旱指标

社会经济干旱是指由自然降水系统、地表和地下水量分配系统及人类需水排水系统这三大系统不平衡造成的水分亏缺现象。社会经济干旱指数是旱灾应急管理中应用比较多的一个财政指数，难以用较好的数理关系来表示[35]。社会经济干旱是气象干旱、水文干旱、农业干旱和人类活动综合作用的结果，这些因素共同影响着社会经济系统中农村与城市的供需水过程，造成一定的经济损失，衡量指标主要有:干旱经济损失指数、农村干旱饮水困难百分率和城市干旱指数。

目前，对社会经济干旱指数研究并不多，Ohlsson基于年可利用水量、人口数、人类发展指数提出了社会缺水指数(social water scarcity index，SWSI)，用于反映社会所面对的干旱胁迫程度[67]。2006年，我国颁布了《国家防汛抗旱应急预案》依据城市供水量与需水量的关系规定了城市干旱的等级。T.E.Navuth基于农作物产量变化在农业GDP中的比重评估及衡量国家对经济干旱的脆弱性，即社会经济干旱脆弱度指数，依赖农业和作物产量变化，量度等级分为1～100[68，69]。Arab在2010年世界环境和水资源大会上提出了基于经济水文脆弱度指数和可利用农业水分指数综合计算的Arab社会经济干旱指数，用于伊朗东南部锡斯坦三角洲干旱情况的监测[70]。

近年来，城市和农村等地区的缺水频率和程度不断增加，多数研究集中在需水量预测和水量有效分配方面，针对干旱灾害对人饮、工业和服务业影响损失评估研究很少，且需水量预测模型以工业和生活用水为主，这些需水模型多数忽略了气象因素，而服务业在城市和农村的发展也起了极为重要的作用，但关于服务业需水量预测模型的研究还较少。一般情况下，工业供水保证率高于农业，在一般干旱的年份工业用水基本上可以得以满足，工业产值损失较小，在特大干旱年份工业用水将无法保证，影响较大。评估旱灾对工业(发电)、服务业(航运、旅游)等造成的损失，通常采用缺水损失法或损失系数法β=F (t，d，I，…)，而且认为工业服务业等损失系数与干旱开始时间t、干旱天数d、干旱强度I等因素存在一种函数关系。B.K Dominic基于历史统计数据，采用成本比较-聚类分析法和期望产值等方法定量化分析了干旱对美国北卡罗来纳州电力供应紧张造成的经济损失[71]。刘颖秋以因干旱缺水对GDP造成的影响作为缺水对城市经济发展损失的定量指标，将用水的机会成本作为缺水造成的替代成本计算缺水造成的工业损失[72]。

干旱对人饮困难、工业和服务业的影响属于社会经济干旱范畴，其除了气象因素影响外，主要受经济、社会发展需水量增加的影响，此类干旱影响人类生活、生产、消费等活动的各个方面，衡量这类干旱需要与经济商品供需和人类活动联系在一起。在国外，也有研究提出了气象、经济等多种因素影响下的干旱对人饮困难、工业和服务业的影响，如基于恩格尔系数、霍夫曼系数、人口数据、服务业指数、降雨数据构建的生活用水需水量模型、工业用水需水量模型和服务业用水需水量模型，考虑了气象、经济、社会、人口等多因素，但构造的模型参数较多，数据不易获取，限制了其方法在多个区域的推广，缺乏可操作性和灵活性，也没有研究干旱灾害给人类生活生产造成的灾害损失。从灾情损失的角度，研究旱灾对工业、服务业、人饮困难造成的社会经济影响。采用旱灾损失率和干旱历时等指数，建立了能够反映旱灾强度和损失度的量化指标，剥离出了因干旱造成的损失，是未来研究的重要方向。

5.生态干旱指标

生态干旱通常是指蒸发量一定，因水资源供给不足导致一系列的生态变化，如地下水位下降、生物群落减少以及严重时湿地萎缩的现象。生态干旱是各类干旱中最复杂的一个，其涉及植被、水文、土壤、地理和社会经济等各个方面的因素，大气干旱、水文干旱和社会经济干旱在一定程度上均可能引发生态干旱。干旱引起的水分胁迫可导致植物生理生长受阻，影响森林树木、农田作物和草本植物的季节性正常生长发育，甚至导致这些植物的干枯和死亡，从而使得区域陆表植被的植被覆盖度下降，整体绿度(greenness)和植被盖度降低，导致区域生态环境恶化，降低光能利用率，生态系统净初级生产力(NPP)下降。当干旱发生时，常用f APAR(fraction of absorbed photosynthetically active radiation)、植被盖度、叶面积指数LAI、植被指数(NDVI、RVI、EVI)、生产力等表征生态干旱[7375]。生态干旱直接影响生态系统的功能和结构，尤其是对湿地系统会产生毁灭性的破坏，研究者从湿地生态需水量角度建立了湿地面积比指标、生物量波动指标、物种丰富波动指标等。随着全球变化研究的深入，越来越多的关注开始集中在于干旱对于大区域生态系统的影响，许多学者分析了干旱对于生态系统结构、物种组成、冠层状况等的影响综合了生态系统的过程和结构参数，构建的干旱指标吸取了水文研究的方法，能更真实地反映干旱程度和持续时间，代表性模型有:WAWAHAMO、AKWA、GBHM以及更加完善的GBHM-PDSI、Hydrocycle-1.0和Granier的水分平衡模型等。2001年，Zierl专门针对森林生态系统干旱，建立了的WAWAMO干旱指数[76]。周潮洪等通过对天津湿地现状以及湿地生态需水量的调查，根据生态学规律提出了简要的生态干旱指标[7]。侯军等人根据呼伦湖湿地水文特征与流域水循环关系，基于湿地水量平衡关系，选取湿地最小生态水位作为干旱指标，建立了湿地干旱评价指数[77]。Lei基于生态过程模型采用NPP指标系统地评价了内蒙古干旱对草地生态系统造成的影响[78]。随着生态问题的突出和生态文明建设的重视，生态干旱将是未来干旱研究重点关注的方向，必将有更好的干旱指数能够实时动态地监测生态干旱。

6.综合干旱指标

干旱具有非常复杂的成因和时空特征，不仅其发生、发展、结束时间很难界定，而且其严重程度也很难刻画。因此，要全面刻画干旱的时空特征和严重程度，需利用多种地表水热参量、气候与遥感参量综合描述受干旱胁迫下的植被等地表参数特征。

2004年，Keyantash等综合了气象、水文及陆面蒸发、土壤湿度和雪水当量等水分要素，研制了多要素集合干旱监测指数(ADI)，具有对干旱的表征性强，计算简单等优点[79]。一些国家开始研发多指数和多技术集成的干旱监测系统。20世纪70—80年代，澳大利亚研制了基于降水和遥感数据和技术的集成比较简单的干旱集成监测系统(ADWS)[80]。为了更客观、公平和透明地处理极端事件，2005年由澳大利亚气象和国家科学、工业研究机构(CSIRO)合作完成澳大利了国家农业监测系统(national agricultural monitoring system，NAMS)，该系统能准确提供地区概况、降水、气温、植被覆盖、牧草产量、作物产量及农作物价格等[81]。1989年，为满足气象、农业、水文及减灾支持和应急管理等的需要，印度空间部和农业部联合研制了一个综合的国家旱情评估和管理系统(NADMS)[82]。20世纪末，美国政府包括NOAA在内的多个部门联合研制了Drought Monitor，以客观干旱指标综合方法OBDI(the objective blend of drought indicators)集成了Palmer旱度指数(PDSI)、CPC土壤湿度模式(CPC/SM)、美国地质测量局(USGS)的流量指标、标准降水量百分位数(percent of normal precipitation)、标准化降水指数(SPI)、卫星遥感植被健康指数(VHI)和其他一些辅助指标如Palmer作物湿度指数(CMI)、森林火险指数，还有相对湿度、气温、水库蓄水量、湖泊水位和地下水位等观测资料及一些土壤湿度测量资料等[83]。在21世纪初，欧盟基于标准化降水指数、土壤湿度、降水量指数和遥感指数等4种干旱指数开发了欧洲干旱观察(EDO)，既能提供实时降水量、土壤湿度、湿度异常、干旱预测、干旱异常预测、叶面指数、缺水指数和光合有效辐射比等，又能根据用户需要自行定制数据产品[84]。

2.2.2　典型旱情指标

2.2.2.1　气象干旱指标

1.标准化降水指数

标准化降水指数(SPI)被用于干旱的识别，是由Mc Kee等于1993年开发的气象干旱指数。SPI对短期降雨的反应比PDSI更敏感，能够更好地监测土壤湿度的变化，对干旱的发生反应灵敏能较早地识别干旱，具有良好的空间标准化。干旱等级划分标准具有气候意义，不同时段不同地区都适宜，具有较好的时空适应性。为了保证计算的精度，SPI在计算时需要输入30年以上的月降雨量时间序列，可以计算1个月、3个月、6个月等短时间尺度，亦可计算12个月、24个月、48个月等长时间尺度，相应地刻画不同时间尺度的干旱便于监测短期的土壤湿度状况(2或3个月尺度SPI)、长期的水资源状况，如地下水、径流、胡泊和水库的水位等。大量研究表明SPI适于定量刻画大部分干旱事件，包括气象、农业和水文干旱[85]。其中SPI的干旱等级划分见表2.3。

(1)假设某时段降水量为随机变量x，则其Γ分布的概率密度函数为

式(2.1)、式(2.2)中，β>0，γ>0分别为尺度和形状参数，β和γ可用极大似然估计方法求得

确定概率密度函数中的参数后，对于某一年的降水量x 0，可求出随机变量x小于x 0事件的概率为

利用数值积分可以计算用式(2.1)代入式(2.6)的事件概率近似估计值。

(2)降水量为0时的事件概率由下式估计:

对Γ分布概率进行正态标准化处理，即将式(2.6)、式(2.7)求得的概率值代入标准化正态分布函数，即

对式(2.8)进行近似求解可得

其中，P为式(2.6)或式(2.7)求得的概率;当P>0.5时，S=1，当P≤0.5时，S=-1。

c 0=2.515517;

c 1=0.802853;

c 2=0.010328;

d 1=1.432788;

d 2=0.189269;

d 3=0.001308。

经由式(2.9)求得的Z值就是SPI值，根据累计概率分布函数可以确定干旱等级，见表2.3。

2.综合干旱指数CI

综合气象干旱指数CI兼有标准化降水指数(SPI)和相对湿润度指数(MI)两类指标的优点，既顾及了水分或热量平衡过程，又刻画了干旱的成因、程度及开始、结束和持续时间，计算资料易获取，物理机制明确，更好地适用于中国旱情的监测。根据国家标准《气象干旱等级》(GB/T 20481—2006)，气象干旱综合指数CI是以标准化降水指数SPI和相对湿润度指数MI为基础构建的一种气象综合干旱指数:

通过式(2.10)，利用逐日平均气温、降水量滚动计算每天综合干旱指数CI进行逐日实时干旱监测。气象综合干旱指数CI主要是用于实时干旱监测、评估，它能较好地反映短时间尺度的农业干旱情况(表2.4)。

2.2.2.2　农业干旱指标

农业干旱主要与土壤水分状况密切相关，目前，农业干旱监测与评价的方法多种多样，总结起来主要可以分为三类:站点实测法、遥感监测法和气象指数法。农业干旱不仅与降雨量有关，还与地面蒸发、下垫面条件、作物种类等因素密切相关，农业干旱程度主要取决于作物缺水量的多少及干旱持续时间。考虑到不同作物在其每个生长期内的需水情况不同、土壤墒情特征不一致等原因，为了便于比较，目前比较常用的农业干旱指数多采用相对性的指标，具体如下。

1.土壤墒情干旱指数

(1)土壤重量含水率计算公式为

(2)土壤田间持水量测定和计算方法多采用田间小区灌水法。选择8m2(4m×2m)的小区，除草平整后，做土埂围好;对小区进行灌水，灌水量的计算公式如下:

在土壤排除重力水后，测定土壤湿度，即田间持水量。土壤排除重力水的时间因土质而异，一般砂性土需1～2天，壤性土需2～3天，黏性土需3～4天。在测定土壤湿度时，每天取样一次，每次取4个重复的平均值，当同一层次前后两次测定的土壤湿度差值小于2.0%时，则第2次的测定值即为该层的田间持水量。

2.土壤相对湿度

土壤相对湿度是指某一土层的土壤平均重量含水量占田间持水量的比例，运用该指标评估农业干旱时，宜采用0～40cm深的土壤相对湿度作为干旱评估指标。土壤相对湿度应按式(2.14)计算:

相应的干旱等级划分见表2.5。

3.作物缺水率指标

采用作物缺水率评估农业旱情时，按式(2.15)计算，其旱情等级划分见表2.6。

2.2.2.3　水文干旱评价指标

水文干旱的主要研究对象是地表径流和地下水，所以具有明显的持续性和地域性的特征。常用的水文干旱评价指标主要有水库蓄量距平百分率、河道来水量距平百分率等。

1.水库蓄量距平百分率

计算公式如下:

水库蓄水量距平百分率指标对应的干旱等级标准见表2.7。

2.河道来水量距平百分率

河道来水量距平百分率指标主要适用于有较大的河流的区域内的水文干旱评价情况。其计算公式如下:

河道来水量距平百分率指标对应的干旱等级标准见表2.8。

3.综合水文干旱指数

水文干旱通常起源于气象干旱，它是由于降水量长期亏缺导致地表、地下水的短缺现象，是当前降水和前期降水(通过土壤调节作用体现)的综合反映。作为气象干旱经下垫面作用后的产物，由径流、土壤含水量等水文干旱指标识别的干旱过程与实际干旱过程更为接近。周玉良、金菊良等人研究参照综合气象干旱指数CI的构造方式，构建基于径流量和以前期影响雨量表征的土壤蓄水量的综合水文干旱指数HDI(hydrological drought composite index)，同时参照标准化降水指数的干旱等级划分方式和研究区实际旱情发生频次确定相应的干旱等级值[86]。综合水文干旱指数HDI取标准化土壤含水量指数SSI (standardized soil water content index)和标准化径流指数SRI(standardized runoff index)的加权和，于是有

结合《气象干旱等级》中基于标准化降水指数SPI的干旱等级划分确定基于SSI和SRI指数的HDI轻旱等级值，取SSI或SRI等于-0.5作为轻旱等级的阈值。

标准化径流指数(SRI)，可通过计算出某时段内径流量的Γ分布概率后，再进行正态标准化处理，具体计算方法同标准化降水指数。标准化土壤含水量指数(SSI)，是以前期影响雨量表征前期降水对当前时段干、湿状态的影响，其实质是采用前期(对当前时段干、湿状态有影响的时期)的降水等气象资料，简单而又具有一定物理意义地表征当前的土壤含水量:

日蒸发能力EM(mm)可采用Thornthwaite法或FAO Penman-Monteith法计算。

当前期影响雨量K(P a，t-1+P t-1)>WM时，取P a，t=WM，即土壤含水量不超过其蓄水容量，此时多余部分的水量[(P a，t-1+P t)-WM]形成地表径流或补充地下水形成地下径流。土壤含水量经逐日计算后取月均值。

2.2.2.4　生态干旱指标

1.植被指数

植物在可见光红光波段具有较强的吸收特性，但在近红外波段具有很强的反射特性。采用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。目前，植被指数较多，研究以植被健康指数为例进行介绍。

Kogan在TCI和VCI指数的基础上提出了植被健康指数(vegetation health index， VHI)，通过赋予TCI、VCI指数不同的权重加和而得，该指数综合了植被和温度的信息，可以用于旱情监测，其计算公式如下[87]:

权重由VCI、TCI对VHI的贡献来确定，a的值域范围在0～1之间。由于在不同地区与时间，土壤、植被对VCI、TCI指数的影响不一样，很难确定VCI、TCI指数对VHI指数的贡献，在一般不能明确各自贡献的情况下默认a为0.5。Kogan等利用植被健康指数监测旱情的尺度从区域范围扩大到全球，现提供对包括美国、墨西哥在内的北美洲、南美洲、非洲等地区旱情遥感监测[88]。

2.植被净初级生产力

植被净初级生产力(net primary productivity，NPP)是指绿色植物在单位面积、单位时间内所积累的有机物数量，是光合作用所产生的有机质总量减去呼吸消耗后的剩余部分。净初级生产力是表征孕灾环境和地表下垫面特征质量状况的重要指标，可作为承灾体参数描述干旱灾害。

现有的NPP模型主要有3类，即气候生产力模型、生态生理过程模型和光能利用率模型。基于光能利用率的植被净初级生产力模型主要由植被所吸收的光合有效辐射、光能转化率以及植物的呼吸消耗等变量来确定。其表达式为

2.2.3　旱情指标评述

在全球变化加剧的背景下，水资源短缺日益加重，使干旱问题的研究成为了全球关注的焦点。目前，现有的干旱指数在实际应用中提供了有益的信息，但由于干旱自身的复杂特性和对社会影响的广泛性，干旱指标都是建立在特定的地域和时间范围内，有其相应的时空尺度，给干旱的监测和评估带来了严峻挑战。目前，还没有一个应用比较完美的干旱指标。

袁文平等认为SPI优于Z指数，能够有效地反映各个区域和各个时段的旱涝状况[89]。Guttman分析表明SPI比PDSI更具有统计上的一致性，但在综合性、全面性、时空可比较性等方面PDSI比较好[90]。SPI没有考虑温度、蒸发等其他因素对干旱的影响，但PDSI考虑因素比较全面。卫捷等指出PDSI能够抓住降水是干旱最重要的决定因素，比降水距平百分率能够更准确地描述干旱强度[91]。PDSI指数系列已经得到世界范围的认可和应用，但是它的一些弊端仍不可避免。通过对上述干旱指标的综合分析，不同干旱指标各具特色，考虑的因素主要是降水、温度、径流、土壤植被的单一或多指标组合。但还未更全面客观地反映干旱的实际情况。

目前的旱情指标研究视角深度与广度还有待进一步探索，未综合考虑影响干旱的各要素相互作用的过程。干旱是变化环境下多因素导致的水分亏缺现象，单一的气象要素已无法全面反映真实干旱情形，从水循环自然-社会二元属性角度重新审查与研究干旱，干旱是水循环系统中降水、蒸发、人类活动用水等多因素共同作用而导致水资源供需失衡的一种异常现象。影响供水、需水的因子主要包括下垫面条件(地形地貌、河川湖泊水系分布)、降水、蒸发和温度等自然因素;从人类活动的社会属性角度考虑，影响因子主要包括土地利用、农作物类型、人口数量、工农服务业的产业结构和水利工程布局等。现有的旱情指标的构建在单一或多因子简单组合的基础上，未系统考虑气候变化与人类活动的双重作用，耦合影响干旱的多因子，以综合研究干旱的形成机理、变化过程与影响评估。

在变化环境下，干旱具有模糊性、缓发性、动态性等特征，旱情指标的动态监测功能研究需进一步完善。现有的旱情指标体系均是静态的监测与评估，未能动态揭示气候变化与人类活动耦合作用下干旱的发生与发展过程，对变化环境下的干旱动态变化过程监测略显不足。气候变化通过改变温度和降水等气象要素渐进式或脉冲式影响干旱过程，人类活动则可通过土地利用、水利工程布局与产业结构调整对旱灾进行动态应对。由于干旱自身的复杂特性，旱情指标并不能系统揭示干旱的形成机理，对于干旱发生机理及干旱特征的描述仍然不够充分。从水循环角度充分识别干旱机理，系统刻画干旱发生发展的动态过程，建立干旱监测-预警-评估-风险评价一体化科学量化指标体系，构建更具物理机制的干旱识别、监测与评估机理性模型，为干旱的进一步监测、评估和预警预报提供依据，是旱情指标未来发展的一个方向。

旱情指标的时空普适性不强。目前，旱情指标反映干旱的空间差异性不足，在不同的区域内，大气环流特征不同，干旱的形成机理、变化过程与影响强度也不同，旱情指标的研究都是针对特定的区域建立的。例如，一个旱情指标在美国得到了很好的验证与应用推广，但到世界其他区域使用，需进行一定的修正才能取得良好的应用效果。平衡地域时空差异性和研究方法之间的矛盾，建立统一的旱情指标，针对干旱问题提出的旱情指标在反映干旱胁迫时序演变和空间分异方面具有通用性和可比性，是今后旱情指标研究的重要方向。

多模型或模式耦合的干旱研究模式有待深入开展。目前，基于气候模式、农业和水文、生态模型建立的旱情指标分别分别针对气象、农业、水文和生态干旱，其中以气象水文模型建立的干旱模型应用最广泛，但其不能系统地揭示与反映干旱的成因与动态。而且，现有的研究多基于自然条件下的气象水文过程，较少考虑人类活动的影响。随着全球变化的加剧，人类的活动区域不断扩大，对自然的影响不容忽视，因此建立自然-人类联合干旱模型将是未来发展的方向。因此，开展考虑人类活动影响下具有针对性的气陆模式耦合、加强气象-农业-水文-生态-社会经济模型耦合构建集成式的干旱研究模型，构建适用于不同地表类型的旱情监测指数，是未来研究的重点。

进一步重视生态与社会经济干旱，加强其研究工作的推进。已有的旱情指标研究多关注旱情的特征研究，不能全面反映干旱产生的影响，未从灾害系统的角度出发综合研究干旱对生态环境、社会经济产生的效应等研究。全球变化背景下干旱引起的生态环境、社会经济影响应当充分引起重视，重点关注取水用水调水等人类活动调节下的干旱影响及受旱人口评估工作。在分析干旱系统整体特征的基础上，今后的干旱研究应以农业-水文-生态-社会经济为承灾体，研究气象干旱-农业干旱-水文干旱-生态社会经济干旱的演进模式，加强对干旱情景分析以及干旱风险管理及管理方法的相关研究。

气象、农业、水文、生态、社会经济旱情指标的研究发展不均衡。目前，主要从气象角度来研究农业、水文、生态干旱，气象指标研究发展较快，其他干旱指标研究发展相对滞后，尤其是生态、社会经济指标。单一的旱情指标体系难以满足各行业的全面需求，因此有必要针对不同的应用领域建立适合的旱情指标，进一步平衡和完善旱情评价体系，大力发展生态、社会经济旱情监测指标，建立适用于气象、农业、水文、生态干旱的通用指标，满足旱情监测的全面需求。

近年来，随着GIS、GPS、RS等新技术的发展，已逐渐应用于干旱研究中。大气降水、地表覆盖、地表温度、蒸散发、植被状态、区域水资源储量实时反演或估算，集合地面观测资料等多种手段综合监测开展天空地一体化、动态监测，并结合陆面同化模式、水文模型、作物模型及社会经济模型系统地研究干旱，如何科学应用这些先进技术并使其在干旱研究中发挥更加重要的作用，是未来干旱研究的重要方向。与此同时，卫星遥感监测旱情技术取得了较大的进步，在全球干旱监测和预报预警中发挥着不可替代的作用，是解决旱情监测实用化和业务化的必由之路。

旱情指标未来综合阶段。未来干旱指标的发展应以全面性、机理性、过程性、实用性为方向。随着全球变化研究的深入，适当地考虑降水、植被蒸散、土壤水分传输、径流和下渗等陆地水文过程，探求干旱发生的内在机制，以适宜的时间尺度和精确的干旱起止时间准确反映干旱累积效应，并考虑生态环境用水需求进行干旱指标的研制。该类指标考虑了与干旱发生有关的气象、土壤、水文以及生物等各种因素，能够细致地反映局地干旱的强度、持续时间和影响程度，是目前旱情指标研究的新领域。