이전|다음

과정 인지 기반 아열대 식생 계절성 가뭄 식별 모델 및 샹간 지역 적용

  • role： First author第一作者
  • Affiliation：

    School of Geosciences and Info-physics, Central South University, Changsha 410012, China

    Center of Subtropics Remote Sensing, Central South University, Changsha 410083, China

    Lab of Geohazards Perception, Cognition and Prediction, Central South University, Changsha 410083, China

  • Email：zmzhang98@163.com
  • Introduction：张治梅，研究方向为亚热带遥感、灾害监测。E-mail：zmzhang98@163.com
ZHANG Zhimei,  
  • Affiliation：

    School of Geosciences and Info-physics, Central South University, Changsha 410012, China

    Center of Subtropics Remote Sensing, Central South University, Changsha 410083, China

    Lab of Geohazards Perception, Cognition and Prediction, Central South University, Changsha 410083, China

JIAO Zhijun,  
  • role： Corresponding author通信作者
  • Affiliation：

    School of Geosciences and Info-physics, Central South University, Changsha 410012, China

    Center of Subtropics Remote Sensing, Central South University, Changsha 410083, China

    Lab of Geohazards Perception, Cognition and Prediction, Central South University, Changsha 410083, China

  • Email：wulx66@csu.edu.cn
  • Introduction：吴立新，研究方向为地学三维建模、遥感岩石力学、数字矿山、地灾感知认知、亚热带遥感。E-mail：wulx66@csu.edu.cn
WU Lixin*

추상적인

식생 가뭄 원격 감시는 원격 탐사 응용의 중요한 연구 주제이지만, 아열대 지역은 복잡한 지형과 울창한 식생 커버로 인해 해당 지역의 식생 가뭄 원격 감시가 정확하게 이루어지기 매우 어렵다. 이에 본 논문은 개선된 다중스펙트럼 식생 지수와 지표면 온도를 기반으로 특성 공간을 구성하고, 아열대 식생의 가뭄 변동 반응 시공간 특성을 설명하는 식생 가뭄 반응 VDR(Vegetation Drought Response) 모듈을 설계했으며, 가뭄 스트레스 시 식생과 토양 수분 상호작용의 동적 과정을 고려하여 식생 가뭄 과정 VDP(Vegetation Drought Process)를 식별하고, 식생 가뭄 임계값 VDT(Vegetation Drought Threshold)를 정의하여 식생 가뭄 경계를 구분했다. VDR, VDP 및 VDT를 결합하여 아열대 식생 가뭄 과정 인지 기반 식생 가뭄 모델 PCVDM(Process-Cognizant Vegetation Drought Model)을 구축하여 아열대 식생 가뭄의 정확한 식별을 목표로 했다. 샹간 지역을 사례로 하여 PCVDM 모델을 기반으로 한 2000년부터 2023년까지 여름철 식생 가뭄 모니터링 결과를 획득하고, 해발 고도 및 지층 암석 특성과 결합한 분석을 수행했다. 결과는 상대적으로 높은 해발 고도의 식생은 지속적인 온난화로 인해 임목 성장과 발달이 촉진되었음을 나타냈고, 상대적으로 낮은 해발 고도의 지역에서는 지층 암석/사면의 보수력 차이와 지속적인 온난화로 인한 지표면 증발산률 증가의 복합적 영향으로 식생이 "녹색화" 경향을 나타내면서도 실제로는 강한 가뭄 스트레스 상태임을 보여주었으며, 즉 식생이 전반적으로 계속해서 녹색화되는 동시에 가뭄도 점점 심해지고 있음을 의미했다. 본 연구는 아열대 식생 가뭄 모니터링 식별 및 탄소 흡수원 연구에 참고가 될 수 있다.

키워드

아열대 원격 탐사;식생 가뭄 모니터링;과정 인지;식생 가뭄 모델;Mann-Kendall 검정;샹간 지역

1 인용문

지구 온난화의 맥락에서 끊임없이 상승하는 기온으로 인해 지역 가뭄의 협박이 심해지고 생태계 건강에 중대한 위협이 되며 경제, 농업 및 사회에 심각한 파괴를 초래합니다 (Ma等，2023；Brodribb等，2020；Anderegg等，2022；Anderegg等，2013）。기상 가뭄, 수문 가뭄, 농업 가뭄 및 사회 경제적 가뭄 (Mishra和Singh，2010) 식생 가뭄보다 더 복잡하고 더 큰 영향을 미친다 (Mishra和Singh，2010）。따라서 광범위한 식생 가뭄 원격 감지 식별 및 정량 분석이 중요합니다 (Goddard等，2003；Tadesse等，2005）。
과거 식생 가뭄은 주로 기상청의 장기 관측을 이용하여 평가되었고, 파머르 가뭄 지수와 같은 강수 지수를 통해 계량화되었다 (Palmer，1965), 표준화 강수 지수 (Bhalme和Mooley，1980) 및 표준화된 강수증산지수(Vicente-Serrano等，2010) 등.기상관측소의 밀도가 제한되어 있고 분포가 고르지 않기 때문에 지형지형으로 인한 국부적인 기상차이와 식생가뭄의 호응변화를 반영하기 어렵다;상술한 기상지수를 리용하여 아열대 특히는 아열대산지의 구릉지역의 식생가뭄과정을 묘사하여 새로운 도전에 직면하고있다 (吴立新 等，2022）。최근 몇 년 동안 다중 모드 위성 원격 탐지 및 데이터 제품은 식물 가뭄을 광범위하게 모니터링하는 데 편의를 제공했습니다 (Ahmadalipour等，2017), 이미 원격 탐지 응용 연구 핫스팟 (Tucker和Choudhury，1987；Silleos等，2006；Nemani等，2009；Ma等，2023), 국내외에서 마이크로파, 가시광선, 근적외선 및 열적외선 원격 탐지를 기반으로 한 일련의 식생 가뭄 원격 탐지 모델 (Liu等，2017；Qin等，2006；Rhee等，2010; Escorihuela 및 Quintana-Seguí, 2016).이러한 모델에는 토양 습도 모델, 식물 지수 모델, 온도 지수 모델 및 온도 - 식물 지수 모델 (McKee等，1993；Bhalme和Mooley，1980；Xu等，2020; Wang 등, 2001).
토양습도 SM(Soil Moisture)은 지속적인 온도 상승 배경의 식물 건강 상태(Whan等，2015）。일반적인 토양 습도 지수는 표준화 토양 습도 지수 (AghaKouchak，2014), 토양습도결핍지수 (Mishra等，2017) 및 미국 가뭄 모니터링 지수 (Svoboda等，2002) 등.그러나 토양의 습도에만 의존하는 식생 가뭄 모니터링은 식생의 건강 상태를 소홀히 한다.식생지수는 식생건강상태를 직접 반영할수 있으며 상용식생지수는 귀일화식생지수(Rouse等，1974), 변환 식물성 지수 (Tucker，1979), 식생 상태 지수 (Kogan，1995) 및 향상된 식물성 지수 (Huete等，2002) 등.이러한 식물지수의 공통점은 식물성 생리적 특성(예를 들어 엽록소 함량, 함수량과 엽편 내부 구조)에 민감한 서로 다른 주파수 대역의 스펙트럼 정보를 통합하여 식물성 녹도 정보를 얻고 식물성 가뭄 상황(AghaKouchak等，2015）。그러나 식물성 녹도는 포화 효과에 의해 영향을 받습니다 (Sun等，2021), 아열대와 같은 생물량이 높은 지역에서 식생 가뭄 모니터링을 하는 것은 심각한 제약을 받는다.적색주파수대역의 2개 변두리대(Red Edge 1과 Red Edge 2)의 복사신호를 이용하여 식생지수의 표준화 차이를 낮출 수 있을 것으로 기대된다.이를 통해 식물성 특성에 대한 포획력을 향상시킬 수 있는 새로운 식물성 지수 즉 개선된 다중 스펙트럼 식물성 지수 MMSVI(Modified Multiple Spectrum-based Vegetation Index)를 제시한다(Jiao等，2024）。
지표온도 LST (Land Surface Temperature) 는 고생물량 지역의 식생 가뭄 모니터링에 가치 있는 정보(Gutman，1990）。잎의 온도와 증발 작용 사이에는 높은 관련성이 존재하기 때문에 온도 지수는 토양의 습도에 대한 협박에 대한 민감도가 더 높으며, 일반적으로 사용되는 온도 지수는 귀일화 차이 온도 지수 (McVicar和Jupp，1998) 및 온도 조건 지수(Jain等，2009）。그러나 온도 지수는 식물 간의 가뭄 저항성 차이를 간과하여 식물 피복 유형이 다양한 지역의 가뭄 원격 감지 모니터링에 오차가 발생할 수 있습니다.이에 대해 이미 연구는 NDVI-LST 삼각공간의 경험해석에 근거하여 LST와 식생지수 VI(Vegetation Index)의 연합방법(Price，1990온도 식생 건조 지수 TVDI (Temperature Vegetation Drought Index) (Liu等，2017）。그럼에도 불구하고 그 결과는 대부분 정성평가에 국한되여있으며 부동한 류형의 식생간과 같은 식생류형의 내부가뭄변화의 정확한 량화는 여전히 어려움이 존재한다.
따라서 본 연구는 서로 다른 종류의 식물 간 및 같은 종류의 식물 내부 가뭄의 시공간 차이를 정확하게 계량화하기 위해 서로 다른 식물이 가뭄에 대한 협박 응답의 법칙을 고려하여 MMSVI와 LST의 특징 공간을 바탕으로 토양의 습도 변화에 따른 식물의 시공간 응답을 공동으로 표징한다;나아가 식생 가뭄 대응 VDR(Vegetation Drought Response) 모델을 구축하고 식생 가뭄 과정 VDP(Vegetation Drought Process)와 시작 및 종료 시간을 분석한다.그 본질은 먼저 토양의 습도에 대한 식물의 민감성을 이용하여 VDP 기간의 VDR 모델을 구축하는 것이다.그런 다음 VDR 모델을 식물 가뭄 임계값 VDT(Vegetation Drought Threshold) 및 VDP와 결합하여 식물 가뭄 과정 인식 기반 식물 가뭄 모델 PCVDM(Process-Cognizant Vegetation Drought Model)을 구축합니다.중국 아열대 중심지대 샹강서 지역을 예로 들면, 2000~2023년 여름 식생 가뭄의 시공 변화를 원격 감지 식별하고, 지역 해발 고도와 지층 암성 조건을 결합하여 시공 차이 분석과 원인 분석을 진행하여 이 지역의 복잡한 지형에서의 정확한 가뭄 방지 조정 및 삼림 생태계 탄소 흡수 잠재력 평가에 참고를 제공한다.

2 연구구역 개요 및 데이터 출처

2.1 연구 구역 개요

샹강시 지역 (24 ° 29 ′ 05 ′ - 30 ° 08 ′ 45 ′ N, 108 ° 47 ′ 10 ′ - 118 ° 28 ′ 50 "E) 은 후난과 장시 두 성을 포함하며 우리나라 아열대 중심부에 위치한다.각각 동정호와 파양호 두 큰 담수호를 함유하고 있으며 각각 상강과 감강 수계가 전 성을 관통한다.구내의 지질조건이 복잡하고 지층의 연대가 길며 지표출로암성이 풍부하고 다양하다 (Fig. 1）。서로 다른 지층 암석의 밀도, 침투성과 균열 발육은 강우의 침투와 보수급수 능력의 차이에 직접적인 영향을 미치고 식생 가뭄의 발생과 심각성이 다르다(张人权 等，2018；孙岩 等，1992）。상감 지역은 지형과 지형이 다양하고 식생 범위와 녹도가 높다.Fig. 1）；풍부한 식생 유형은 상록활엽림, 낙엽활엽림, 침엽림과 관목숲 등을 포함한다(Fig. 1）。지표온도(Fig. 1) 및 토양 습도 (Fig. 1) 공간 분포 차이의 영향은 식물의 가뭄으로 하여금 공간 차이를 나타내게 한다.게다가 지형의 기복 변화가 크다 (Fig. 1), 산지, 구릉, 분지와 하곡이 공동으로 강수분포와 표층습도에 영향을 주어 필연적으로 상강서지역의 식생가뭄이 강한 시공간의 이질성을 띠게 된다.
figure
figure
figure
figure
figure
figure
figure

Fig. 1 Overview of study areas

2.2 데이터

이 문서는 지표 반사율, 식물 덮개 유형, 토양 습도 및 지표 온도 총 4 가지 제품 데이터를 사용합니다.여기서: (1) 무디스 지표 반사율 제품 (MOD09GA 6.1)은 대기 산란 또는 흡수의 영향을 제거하는 지표 스펙트럼 반사율 추정치 (Vermote和Wolfe，2021), 본문에 필요한 500m 지표 반사율 데이터를 포함하여 1-7 밴드의 일일 그리드 L2G 제품을 정현 투영 방식으로 제공한다;(2) 무디스 레벨 3 육상 표준 데이터 제품 (MCD12Q1) 은 연간 무디스 테라와 아쿠아 반사율 데이터를 기반으로 감독 분류 및 후처리 알고리즘을 수행하여 연간 식물 피복 유형 분포 (Friedl 및 Sulla-Menashe, 2022)를 얻는다.이 제품은 국제지권생물권계획인 IGBP(International Geosphere-Biosphere Program)에 따라 확정된 17개 주요 토지 커버리지 유형을 담고 있다.각 상원의 연간 유형은 매끄럽고 안정화 처리를 거쳐 이 상원의 연간 주요 토지 커버리지 특징을 반영할 수 있으며, 연간 대표성과 시차 안정성을 모두 고려할 수 있다;(3) SMCI1.0은 2000~2020년, 일척도, 0~10cm 깊이를 포함하는 높은 시공간 해상도의 토양습도(Li等，2022）；이는 중국기상국이 제공한 1648개 사이트에서 10층의 토양습도를 관측하는것을 기준으로 ERA5 _ Land 시간서렬데이터, 엽면적지수, 토지피복류형, 지형과 토양특성을 협동변수로 사용하여 기계학습방식으로 획득한다.(4) 지표온도는 MOD11A1 V6.1 제품이 제공하는 일일 지표온도(LST)와 발사율(Wan等，2015), MOD11_L2의 스캔 제품에 의해 생성됩니다.위도 30도 이상에서는 일부 픽셀에 청공 기준에 부합하는 여러 개의 관측이 있을 때 그 평균치를 사용한다.이상의 데이터는 모두 플러그인을 통해 공간 해상도를 500m로 통일하여 후속 분석 계산에 사용한다.

3 연구 방법

3.1 식생 가뭄 과정에 대한 인식을 바탕으로 하는 식생 가뭄 모델링

PCVDM에는 식생 다양성의 차이를 보여주는 식생 가뭄 대응 모듈과 가뭄 과정 인식 구동의 식생 가뭄 모니터링 모듈이라는 두 개의 점진 모듈이 포함된다.이 방법은 연간 계절 합성 데이터를 입력으로 연간 척도 아래 식생 계절성 가뭄 모니터링을 실현할 수 있다.다음은 상록활엽수림 EBF (Evergreen Broadleaf Forests) 를 예로 들어 모델링 과정을 소개하고 구체적인 절차는Fig. 2。
figure

Fig. 2 The flowchart of Process-Cognizant Vegetation Drought Monitoring Method

3.1.1 식생 가뭄 대응 모듈

여Fig. 2이 모듈에는 식물성 특성 추출과 VDR 모델링 두 부분이 포함되어 있습니다.
(1) 식물성 특징 속성 추출: 데이터 입방체에서 MMSVI와 LST 지표를 포함하여 식물성이 시공간 특징을 덮어쓰는 것을 효과적으로 나타내는 속성 점을 추출한다.구체적인 공식은 다음과 같습니다.
식에서, PEBF는 무작위로 분포된 상록활엽수림 단위 집합을 나타내고, LCEBF는 상록활엽수림 단위 집합을 나타내며, MMSVI는 수정된 다중 스펙트럼 식생지수(Jiao等，2024), 그 수치가 클수록 식물이 무성하다는 것을 의미하며, NIR은 무디스 근적외선 지표 반사율, Red는 적색 대역 지표 반사율, Blue는 청색 대역 지표 반사율, MMSVIEBF는 PEBF의 MMSVI 속성 세트, LSSub>는 <sub 지표 속성을 나타냅니다.
(2) VDR 모델링: 얻은 식물 유형과 온도 속성 데이터 세트를 통합하여 LST-MMSVI 특징 공간을 구축한다(Fig. 2), 다음과 같은 VDR 모델을 설정합니다.
식에서, EBFhot는 상록활엽수림 식생 온도 특징 공간의 상단 경계를 나타내고, a1EBF는 EBFhot의 기울기를 나타내며, b<bbEBF는 EBF의 하단 경계를 나타내고, F는 EBFcool의 기울기이고, b2EBF는 EBFcool의 간격을 나타내며, VDREBF는 가뭄에 대한 상록활엽수림 군락의 응답을 나타내며, 그 값이 클수록 는 가뭄의 협박을 나타냅니다.
식물 유형 정보 및 빌드된 VDR 모델을 사용하여 식물 덮어쓰기 카테고리별 가뭄 협박 응답 변화를 분석합니다.
식에서 VDREBF는 가뭄에 대한 상록활엽수림의 호응이고 VDRENF는 가뭄에 대한 상록침엽수림의 호응이다.

3.1.2 식생 가뭄 모니터링 모듈

서로 다른 식물의 가뭄 임계값 VDT를 결정하기 위해 VDP 인식, VDT 계산 및 식물 가뭄 계산을 포함하는 과정 인식 인식 식물 가뭄 모니터링 모듈을 구축합니다.
(1) VDP 인식: 일반적으로 토양의 습도가 감소하면 식생이 점차 시들게 된다.반대로 토양의 습도가 증가하면 치식생이 점차 무성해지게 되는데 이는 지리, 기상과 식물학의 공통적인 상식이다.이 문서에서는 식물의 가뭄 과정을 판단하기 위해 이 지식을 사용합니다.
식에서 VDPEBF는 상록활엽수림의 가뭄 연도 구간이며, KVDPEBF(i)는 상록활엽수림의 VDR이 i년에서 iEBF+1년까지의 경사율 변화를 나타내며, KSMi는 상록수림의 <i<i<i<i<i년도 변화를 나타냅니다.
VDP 인식 프로세스를 이용하여 피가뭄(VDR_DS 및 VDR_D) 연간 구간을 경계 지정할 수 있으며, 비가뭄(VDR_ND) 간섭을 제거하여 피가뭄 임계값의 과학적 확정을 위한 신뢰할 수 있는 기초를 마련한다.
(2) VDT 계산: VDP 초기 연도에 따라 상록활엽수림 VDR의 최고 주파수를 계산하고 VDT를 확정한다.
식에서, VDTEBF는 상록활엽수림의 가뭄 임계값이며, 이러한 식생의 VDR이 이 임계값을 초과하면 식생이 가뭄이라고 간주한다.
(3) 식생 가뭄 모니터링: VDR과 VDT를 이용하여 식생 가뭄 정도를 정량적으로 평가한다.
식에서 PCVDMEBF는 상록활엽수림의 가뭄상황으로서 VDR과 VDT의 차치를 대표하며 그 값이 클수록 식생이 가뭄을 대표한다.이 문서는 PCVDM에 따라 식물 건조 등급(Liu等，2017) 은 (0-0.2) 가벼운 가뭄, (0.2-0.4) 중간 가뭄, (0.4-0.6) 심한 가뭄, (0.6-1.0) 극단적인 가뭄으로 나뉜다.
이를 통해 식물성 건조 빈도 PEBF를 계산합니다.
식에서, y는 가뭄으로 계산된 총 연도입니다.

3.2 Mann-Kendall 검사

Mann-Kendall 검사는 비정상적인 값에 의해 방해받지 않는 비패라메트릭 검사이며 일반적으로 수문 데이터 시퀀스에서 중요한 추세를 감지합니다(张涵丹 等，2015）。본고는 이를 가뭄 결과 판단과 돌연변이점 식별에 활용하여 장시간 데이터 분단 연구를 실현하고자 한다.연간 공간 평균값 시퀀스의 경우PCVDM（x1，x2，…，xn），ann-Kendall 기반 검사 통계량 알고리즘 구조 시퀀스 Sk:
식중, i=1, 2,..., n;j=1，2，…，i；xj와 xi는 각각 j년과 i년의 PCVDM 공간 평균값입니다.ri는 제 i년 단위 xi에 누적됨을 나타냅니다.xj(1≤j≤ii)의 총량입니다.
Mann-Kendall의 표준화된 통계량 UFk는
역시간 시퀀스를 구성하고 통계량 UBk를 계산하여 충족UBk=-UFk。UFk&gt;0은 상승세를 나타냅니다.UFk&lt;0은 하락세를 나타냅니다.신뢰 구간에서 UBk 및 UFk의 교차점은 돌연변이 시간을 나타냅니다.
식에서는 E(Sk)와 Var(Sk)를 각각 눌러 계산합니다.

3.3 Theil-Sen Median 경향 분석

Theil-Sen Median 추세 분석은 비패라메트릭 통계에 기초한 강력한 추세 통계 방법으로 장시간 변화 추세를 추정하기에 적합하며 계산 속도가 빠르고 오차와 이상에 민감하지 않은 장점(Hamed和Rao，1998；Sun和Zhou，2016）。이 글은 Mann-Kendall 검사와 결합하여 상강서성 지역의 2000~2023년 매 단계의 식생가뭄시공진화추세를 분석하고 돌연변이점이 서열을 몇개 단락으로 나눈다고 가정하고 매 단락은 m년이며 추세도계산식은 다음과 같다.
식중,p=1，2，…，m-1，q=p+1，p+2，…，m；yq 및 yp 는 q 연도와 p 연도의 PCVDM 값입니다.<gt;0은 식생 가뭄이 개선되는 추세임을 나타냅니다.< 0 은 식생 가뭄이 악화되는 추세를 나타낸다.
세그먼트 내 연간 시퀀스의 경우PCVDM（y1，y2，…，ym），이 단계는 Mann-Kendall 메서드를 기반으로 유효성을 검사하며 검사 통계량 S 공식은
검사 통계 Z 계산 공식은 다음과 같습니다.
형식에서 Var(S) 누름 계산:
본고는 현저성 수준이 α=0.05이면 임계값은 Z1-α/2=±1.96이다.

4 결과 및 분석

4.1 PCVDM 정밀도 검증

본고에서 제시한 PCVDM과 자주 사용하는 TVDI를 이용하여 상강서성 지역의 2000-2020년의 여름 식생 가뭄 발생 빈도 (토양 습도 데이터는 2020년까지) 를 각각 계산한 결과,Fig. 3(a) 및 (b) 와 같습니다.여기서 지리적으로 균일하게 분포된 10개의 하위 영역을 선택합니다.Fig. 3(c)Ⅰ-X에서 보듯이 각각 석문현, 완릉현, 지강현, 류양시, 형양시, 강영현, 로계현, 무원현, 녕도현과 신풍현으로서 깊이있게 분석한다.무작위 표본 추출 방법으로 각 하위 지역의 토양 습도, 식생 녹도와 식생 가뭄 변화를 각각 계산한 결과,Fig. 3(c) 와 같습니다.SM의 감소는 식물의 가뭄 협박을 일으켜 식물이 점차 시들게 하는 반면 SM은 가뭄의 협박에도 식물의 성장과 무성을 촉진할 수 있다는 인식을 증가시킨다(Gupta等，2020；Hartman等，2019), 우리는 식생가뭄식별결과를 종합적으로 판별하였는데 정확한 식별결과는 록권으로 표시하고 그릇된 식별결과는 홍권으로 표시하였다.
figure

Fig. 3 Temporal variations of vegetation drought and ecological indicators in typical regions based on summer PCVDM and TVDI drought frequency from 2000 to 2020

에 의하여Fig. 3(c) 가시적: 식생 가뭄 발생 과정 중 가뭄 식별 결과의 정오에 근거하여 PCVDM의 식생 가뭄 식별 정확도는 91.18% 에 달하여 TVDI의 81.82% 보다 현저히 우월하다;TVDI는 PCVDM에 비해Fig. 3(c)Ⅰ과 Ⅱ의 표현이 비교적 좋지 않다. 이 지역은 토양의 습도가 높고 식생이 무성하다. 이는 TVDI 알고리즘이 무성한 지역의 가뭄 현상을 모니터링할 때 효과가 좋지 않다는 것을 나타낸다. 특히 토양의 습도와 식생의 녹색도가 모두 증가하는 상황에서 적응하지 못한다.에 의하여Fig. 3(c) IX와 X: 식물 피복률이 낮고 토양의 수분 함유량이 낮은 지역에서는 2가지 알고리즘이 모두 양호하다.또한,Fig. 3(a)-(c) 알 수 있다: 식생 가뭄 발생 빈도가 50% 를 넘는 지역은 주로 호남 중, 남부 지역 및 강서 중부에 집중되어 있다;TVDI 식생 가뭄 현상은 과대평가되어 공간 가뭄 빈도가 너무 포화되어 있다.

4.2 식생 가뭄의 공간 분포

식생 가뭄의 공간 분포 특징과 원인을 더욱 연구하기 위해 2000-2023년 여름 이 지역의 식생 가뭄 분포 상황을 계산했다. 예를 들어Fig. 4와 같습니다.서로 다른 식생의 가뭄 상황과 그에 대응하는 지층의 암성과 지형 특징은 상세히 보면Fig. 5。
figure
figure

Fig. 4 Spatial distribution of summer vegetation drought from 2000 to 2023

figure

Fig. 5 Drought and distribution characteristics of different vegetation types

에 의하여Fig. 4이로부터 알수 있는바 2000~2023년 여름연구구 식생가뭄의 시공진화과정의 뚜렷한 특징은 공간분포의 일치성이 강하다는것이다.그 중 장기 가뭄은 주로 호남 동부에 집중되어 있다 (Fig. 4중간 (A) 영역, 중간 (Fig. 4(C) 중구역)와 강서중부(Fig. 4(B) 중간 영역의 낮은 영역;호남 서부 (Fig. 4중간 (D) 및 (E) 지역 및 강서 북부 (Fig. 4(F)구역) 간헐적인 가뭄이 나타나지만 가뭄 정도는 비교적 낮다.대조Fig. 1이로부터 알수 있는바 상술한 식생가뭄이 쉽게 발생하는 지역의 지층암성은 주로 변질사암과 혈암 등이며 변질사암과 혈암 등 공극도가 비교적 작고 표층저수성능이 비교적 낮아 가뭄의 영향을 쉽게 받을수 있다.에 의하여Fig. 4중 (G) 과 (H) 구역에서 알 수 있다: 호남 동정호와 강서 파양호 주변 지역은 거의 건조하지 않거나 가뭄 정도가 가볍다.이들 지역의 암석 유형에는 투수성이 높은 자갈과 모래와 자갈이 포함돼 있어 지하수 보급과 표층 저장에 유리하다.여Fig. 4시간이 지남에 따라 식생 가뭄의 강도는 전반적으로 상승 추세를 보이고 있으며 식생 가뭄의 빈도와 심각도는 모두 뚜렷하게 향상되었다.특히 2000~2008년에는 심각한 가뭄 및 그 이상의 식생 가뭄 사건이 드물어 광범위한 식생 가뭄이 약 4년마다 발생했다는 점에 주목할 필요가 있다.2008년 이후 광범위한 돌발성 식생 가뭄의 발생 빈도가 크게 증가하여 거의 2~3년에 한 번씩 발생하였는데, 특히 2010, 2011, 2013, 2017, 2022년에는 식생 가뭄의 범위가 넓을 뿐만 아니라 해마다 심해졌다.
여Fig. 5이와 같이 3차원 공간에서 식생 가뭄이 발생하는 지역은 주로 해발 200m 정도에 위치하고 지세가 상대적으로 평탄하며Fig. 4결과가 상응하다.낮은 고도의 지역은 기온이 상대적으로 더 높고 식생이 무성하며, 그 지층의 암성은 밀도가 비교적 높고 수분 유지성이 떨어지는 혈암, 규질암, 화강암 등으로 얕은 지하수의 저장에 영향을 미치기 때문에 식생 가뭄이 발생할 확률이 높다.그 중 초지 (72.06%), 경작지 (57.22%), 희수초지 (45.20%) 와 같은 저관개지는 혼교림 (45.14%), 상록침엽림 (20.88%), 상록활엽림 (30.17%) 과 같은 무림지에 비해 식생가뭄 발생률이 현저히 높다.반면 목질 희수초지 (53.15%), 농경지/천연식생 모자이크 (36.82%), 영구습지 (45.24%) 와 같은 저관개와 삼림 사이에 위치한 과도식생은 중간 정도의 가뭄을 보였다.
종합적으로 같은 조명조건에서 낮은 관목은 판암, 화산암, 규질암 등 출로를 위주로 하는 지역에서 생장하는데 암체의 보수성이 매우 낮고 지표증산률이 높아 식생가뭄이 발생한다.고지대에서 낙엽활엽림의 가뭄은 주로 지층의 암성이 자갈을 함유한 토암, 판암, 변질된 사암을 위주로 하는 산비탈에서 발생하는데 비탈체의 보수성이 낮고 빈번한 토양의 습도변화가 식생의 장기적인 왕성한 성장을 지탱하기에 부족하여 식생가뭄이 반복적으로 발생하게 된다.
총적으로 지질환경과 지형해발은 식생가뭄에 종합적으로 영향을 미치는데 특히 혈암, 규질암, 화강암이 노출된 높은 해발과 가파른 비탈지역에서는 비탈체의 보수성이 낮고 토양의 습도가 빈번히 변화하여 식생가뭄을 초래한다.둘째, 식생 구조의 차이는 가뭄에 대항하는 것도 영향을 미친다. 특히 고밀도 식생 피복은 지표의 증발을 효과적으로 감소시키고 토양의 습도를 유지하여 식생 가뭄, 특히 상록림 지역에서 감소시키는 데 유리하다.

4.3 식생 가뭄의 시공간 변화

2000-2023년 여름 식생 가뭄 시공간의 변화를 심도 있게 분석하기 위해 Mann-Kendall 검사를 이용하여 장시간 데이터 세그먼트(Fig. 6）。더 나아가 Theil-Sen Median 추세 분석 방법을 이용하여 서로 다른 단계의 식생 가뭄 변화(Fig. 7）。Fig. 6표명: 2000년 이후 샹강서 지역의 식생 가뭄 변화 과정은 4단계로 나눌 수 있다: 2000~2004년 가뭄 비현저한 하강기, 2004~2007년 가뭄 비현저한 상승기, 2007년~2017년 가뭄 상황이 돌변한 후 비현저한 상승기, 2017~2023년 가뭄 현저한 상승기.표준화된 통계량인 UFk와 UBk 변화도의 교점으로 판단하면 여름철 식생 가뭄 강화는 2007년부터 시작됐다.2017년 이후 식생 가뭄 추세는 현저성 수준인 0.05의 임계선을 현저히 초과하여 2017년 이후 후난성의 여름 식생 가뭄이 현저하게 가중되는 추세를 보이고 있음을 나타낸다.
figure

Fig. 6 Mann-Kendall test for summer vegetation drought changes from 2000 to 2023

figure
figure
figure
figure
figure

Fig. 7 Details of the spatial distribution in summer vegetation drought changes from 2000 to 2023

Fig. 74단계의 식생 가뭄 시공 과정을 보여준다.이로부터 알수 있는바 2000년부터 2004년까지 식생가뭄의 변화는 뚜렷하지 않았으며 대부분 지역에서는 뚜렷한 변화가 없었다.호남성 동부와 강서성 서부지역의 평원과 저해발지역의 가뭄상황만 약간 변화되였다.구내 지층은 주로 삼투성이 낮고 보수성이 떨어지는 토암 등(Fig. 1), 지표수 유실이 많고 얕은 표수 보급이 부족하다.2004년부터 2007년까지 가벼운 가뭄 지역이 점차 증가하여 후난 동부와 장시 서부 도시 외곽에 뚜렷한 가뭄 지역이 나타나기 시작하였고 가뭄이 심해졌다;구내 지층은 주로 보수성이 떨어지는 셰일, 규질암, 화강암 등으로 구성(Fig. 1), 얕은 표면의 물 저장 능력이 떨어진다.2007년부터 2017년까지 식생가뭄은 뚜렷한 가중추세를 보이고있으며 호남성 장사, 주주, 상담으로부터 강서 평향, 무주, 상요 등 시에 이르기까지 모두 뚜렷한 식생가뭄화가 나타났으며 가뭄강도는 내향외에서 점차 줄어들었다.구내 지층은 주로 분사암, 토암, 현무암 등(Fig. 1), 그 지층/비탈체의 수분 유지성, 지표수 증발 등 요소의 협동 작용으로 인해 식생 가뭄의 변화가 현저하다.2017~2023년, 상감남부지역의 식생가뭄이 지속적으로 악화되고 가뭄면적이 점차 커지면서 가뭄정도가 최초의 경미한 정도에서 엄중한 수준으로 발전하였다.반면 북부 지역은 식생 가뭄이 다소 완화돼 약간 습윤해지는 특징을 보이고 있다.
서로 다른 식생의 가뭄 변화를 묘사하기 위해 식생 유형에 따라 통계 분석을 하였는데, 변화 추세가 보인다Fig. 8.기후변화로 인한 지구온난화로 인해 높은 고도지역(&gt;1000m)의 기온이 상승하여 낙엽활엽수림의 맹발에 유리하여 그 면적이 계속 확대(Fig. 8), 새로 자란 낙엽활엽수림은 무성하게 생장하는 온도조건에 도달하지 못하고 생장이 리상적이 못되여 가뭄협박으로 표현된다 (Gupta等，2020）。이와 반대로 낮은 해발지역은 습도가 증가되였지만 기온이 높아지고 그에 따른 높은 증발률이 식생생장에 불리하여 식생이 엄중하게 건조해졌다.반면 해발 1천m 안팎 지역의 토양 습도는 매년 증가하는 동시에 온도도 지속적으로 상승해 가뭄 협박 현상이 없다.
figure
figure
figure
figure
figure
figure
figure
figure
figure
figure
figure

Fig. 8 Changes in summer vegetation drought from 2000 to 2023 in various vegetation cover

에 의하여Fig. 8(b) 이로부터 알수 있는바 해발 800m 좌우에서 기온이 상승하면 상록활엽림의 생장에 유리하여 점차 상록침엽림의 생장공간을 대체하게 된다.저해발지역에서는 온도가 너무 높으면 높은 증발률을 가져와 상록활엽림의 가뭄협박을 격화시켜 대면적의 시들게 한다.그러나 식물의 총면적이 증가함에 따라 록도가 증가되였다.기온 상승과 습도 증가의 긍정적 영향으로 낙엽활엽수림이 상록활엽수림으로 계속 넘어가고 있기 때문이다.이러한 전환은Fig. 8중혼교림의 점차적인 증가는 주로 해발 400~800m에 분포하고 해발 400m 정도의 고온 지역에서 가뭄 추세를 보인다.대조적으로,Fig. 8(f) 면적 비율에서 절대적인 우위를 차지하는 목질 희수초지와 희수초지는 전반적인 가뭄이 점차 심화되는 추세를 보이고 있음을 나타낸다.나무가 늘어남에 따라 목질 희수초지의 면적이 점차 줄어들어 혼합림으로 이행한다.또 노출된 낮은 관목이 고온의 협박을 받아 해발 200m 부근의 식생 가뭄 추세가 해마다 심해지고 있다.
또한 해발 200m 정도의 지역에서는 인류 활동이 식생에 긍정적인 영향을 미쳤기 때문에 식생 가뭄이 뚜렷하게 심해지는 추세가 없었다 (Fig. 8—（j））。초지, 영구습지, 경작지와 농경지/천연식생모자이크의 가뭄심화추세는 주로 해발이 상대적으로 높은 지역에 집중되여있는데 이는 인류활동의 간섭이 비교적 적은 지역이기도 하다.특히 습지보호가 점차 강화됨에 따라 영구습지의 식생록도가 뚜렷이 증가되였다 (Fig. 8), 동시에 토양의 습도도 뚜렷하게 개선되었다.
총체적으로 말하면 식생록도의 증가는 주로 해발 800~1000m 좌우의 림지에 집중되여있는데 이는 기후온난화가 림목의 생장을 자극하였기때문이다.그중 400~800m는 주로 혼합림으로서 온도가 높아지고 토양의 습도가 증가함에 따라 식생록도가 증가한다.그러나 400m 부근에서 식생 가뭄이 발생하고 가뭄 심화 현상은 주로 해발 200~400m 지역에 집중되어 기후 온난화로 인해 기온이 높아지고 식생 증발 작용도 강화되며 지층 암석의 수분 유지성이 비교적 낮아 토양의 습도 공급이 부족하여 식생 가뭄을 심화시킨다;해발 200m 이하의 낮은 식생 지역에서는 식생 가뭄에 뚜렷한 변화가 없지만 녹도 증가가 뚜렷해 자연환경 보호와 밀접한 관련이 있다.

5 결론

아열대의 복잡한 지형 및 고식피복 지역의 식생 가뭄의 정확한 계량화와 식별을 실현하기 위하여 무디스 데이터 및 토양 습도 데이터를 기반으로 특징 공간 모델링과 과정 인지 결합 방법으로 VDR, VDP와 VDT가 협동하여 구동하는 식생 가뭄 모델 PCVDM을 구축하였으며, 상감 지역의 여름 식생 가뭄의 시공 변화 법칙과 해발과 지층 암성에 대한 응답 메커니즘을 탐구하였다.주요 결론은 다음과 같습니다.
(1) 상강, 감강 지역의 온도 상승은 식생이 높은 고도로 확장되는 것을 야기한다. 특히 800m 지역에서는 온도가 28 ℃ 로 상승하여 식생의 녹도 증가를 촉진한다;
(2) 식생 유형이 다양한 저해발 지역에서 식생 가뭄의 정도와 범위가 점차 가중되고 저해발 지역의 온도 상승에 따른 고증발과 밀접한 관련이 있다;
(3) 지층암석과 비탈체의 보수성이 낮고 지표증산률이 높아 지역의 얕은 표면습도가 부족하여 온도상승에 따른 증산증가를 상쇄할수 없어 식생생장이 제약을 받는다.특히 해발 400m에서 온도가 30도를 넘을 때 녹도 증가와 식생 가뭄 심화가 동시에 나타난다.
종합적으로 본 연구는 금세기 이래 상강과 감강 지역의 식생 변화의 전체적인 추세를 제시했다. 고지역(<800m>)은 온도 상승으로 인해 녹도가 증가하고 저지역(<200m>)은 증발 증가로 인해 식생 가뭄이 심해졌으며 중등해발 지역(약 400m)은 서로 다른 지층의 암성과 비탈체의 수분 유지 공간 차이의 영향을 받아 녹도 증가와 식생 가뭄이 병존하는 현상이다.

References

  1. 1.
    AghaKouchak A. 2014. A baseline probabilistic drought forecasting framework using standardized soil moisture index: application to the 2012 United States drought. Hydrology and Earth System Sciences, 18(7): 2485-2492
  2. 2.
    AghaKouchak A, Farahmand A, Melton F S, Teixeira J, Anderson M C, Wardlow B D and Hain C R. 2015. Remote sensing of drought: progress, challenges and opportunities. Reviews of Geophysics, 53(2): 452-480
  3. 3.
    Ahmadalipour A, Moradkhani H, Yan H X and Zarekarizi M. 2017. Remote sensing of drought: vegetation, soil moisture, and data assimilation//Lakshmi V. Remote Sensing of Hydrological Extremes. Cham: Springer: 121-149
  4. 4.
    Anderegg W R L, Kane J M and Anderegg L D L. 2013. Consequences of widespread tree mortality triggered by drought and temperature stress. Nature Climate Change, 3(1): 30-36
  5. 5.
    Anderegg W R L, Wu C, Acil N, Carvalhais N, Pugh T A M, Sadler J P and Seidl R. 2022. A climate risk analysis of Earth’s forests in the 21st century. Science, 377(6610): 1099-1103
  6. 6.
    Bhalme H N and Mooley D A. 1980. Large-scale droughts/floods and monsoon circulation. Monthly Weather Review, 108(8): 1197-1211
  7. 7.
    Brodribb T J, Powers J, Cochard H and Choat B. 2020. Hanging by a thread? Forests and drought. Science, 368(6488): 261-266
  8. 8.
    Escorihuela M J and Quintana-Seguí P. 2016. Comparison of remote sensing and simulated soil moisture datasets in Mediterranean landscapes. Remote Sensing of Environment, 180: 99-114
  9. 9.
    Friedl M and Sulla-Menashe D. 2022. MODIS/terra+aqua land cover type yearly L3 global 500m SIN grid V061. NASA Land Processes Distributed Active Archive Center
  10. 10.
    Goddard S, Harms S K, Reichenbach S E, Tadesse T and Waltman W J. 2003. Geospatial decision support for drought risk management. Communications of the ACM, 46(1): 35-37
  11. 11.
    Gupta A, Rico-Medina A and Caño-Delgado A I. 2020. The physiology of plant responses to drought. Science, 368(6488): 266-269
  12. 12.
    Gutman G G. 1990. Towards monitoring droughts from space. Journal of Climate, 3(2): 282-295
  13. 13.
    Hamed K H and Rao A R. 1998. A modified Mann-Kendall trend test for autocorrelated data. Journal of Hydrology, 204(1/4): 182-196
  14. 14.
    Hartman S, Liu Z G, van Veen H, Vicente J, Reinen E, Martopawiro S, Zhang H T, van Dongen N, Bosman F, Bassel G W, Visser E J W, Bailey-Serres J, Theodoulou F L, Hebelstrup K H, Gibbs D J, Holdsworth M J, Sasidharan R and Voesenek L A C J. 2019. Ethylene-mediated nitric oxide depletion pre-adapts plants to hypoxia stress. Nature Communications, 10(1): 4020
  15. 15.
    Huete A, Didan K, Miura T, Rodriguez E P, Gao X and Ferreira L G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment, 83(1/2): 195-213
  16. 16.
    Jain S K, Keshri R, Goswami A, Sarkar A and Chaudhry A. 2009. Identification of drought-vulnerable areas using NOAA AVHRR data. International Journal of Remote Sensing, 30(10): 2653-2668
  17. 17.
    Jiao Z J, Zhang Z M, Zhang A Z, Sun G Y and Wu L X. 2024. Modified Multiple Spectrum-based Vegetation Index (MMSVI): a reflectance index with high spatiotemporal generalization ability. IEEE Transactions on Geoscience and Remote Sensing, 62: 4408013
  18. 18.
    Kogan F N. 1995. Application of vegetation index and brightness temperature for drought detection. Advances in Space Research, 15(11): 91-100
  19. 19.
    Li Q L, Shi G S, Shangguan W, Nourani V, Li J D, Li L, Huang F N, Zhang Y, Wang C Y, Wang D G, Qiu J X, Lu X J and Dai Y J. 2022. A 1 km daily soil moisture dataset over China using in situ measurement and machine learning. Earth System Science Data, 14(12): 5267-5286
  20. 20.
    Liu L Y, Liao J S, Chen X Z, Zhou G Y, Su Y X, Xiang Z Y, Wang Z, Liu X D, Li Y Y, Wu J P, Xiong X and Shao H Y. 2017. The Microwave Temperature Vegetation Drought Index (MTVDI) based on AMSR-E brightness temperatures for long-term drought assessment across China (2003-2010). Remote Sensing of Environment, 199: 302-320
  21. 21.
    Ma Q, Su Y J, Niu C Y, Ma Q, Hu T Y, Luo X Z, Tai X N, Qiu T, Zhang Y, Bales R C, Liu L L, Kelly M and Guo Q H. 2023. Tree mortality during long-term droughts is lower in structurally complex forest stands. Nature Communications, 14(1): 7467
  22. 22.
    McKee T B, Doesken N J and Kleist J. 1993. The relationship of drought frequency and duration to time scales//Proceedings of the 8th Conference on Applied Climatology. Anaheim: [s.n.]: 179-183
  23. 23.
    McVicar T R and Jupp D L B. 1998. The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia: a review. Agricultural Systems, 57(3): 399-468
  24. 24.
    Mishra A, Vu T, Veettil A V and Entekhabi D. 2017. Drought monitoring with soil moisture active passive (SMAP) measurements. Journal of Hydrology, 552: 620-632
  25. 25.
    Mishra A K and Singh V P. 2010. A review of drought concepts. Journal of Hydrology, 391(1/2): 202-216
  26. 26.
    Nemani R, Hashimoto H, Votava P, Melton F, Wang W L, Michaelis A, Mutch L, Milesi C, Hiatt S and White M. 2009. Monitoring and forecasting ecosystem dynamics using the Terrestrial Observation and Prediction System (TOPS). Remote Sensing of Environment, 113(7): 1497-1509
  27. 27.
    Palmer W C. 1965. Meteorological drought. Office of Climatology Research Paper No. 45. US Weather Bureau: 1-58
  28. 28.
    Price J C. 1990. Using spatial context in satellite data to infer regional scale evapotranspiration. IEEE Transactions on Geoscience and Remote Sensing, 28(5): 940-948
  29. 29.
    Qin Z H, Li W J, Gao M F and Zhang H O. 2006. An algorithm to retrieve land surface temperature from ASTER thermal band data for agricultural drought monitoring//Proceedings of SPIE 6359, Remote Sensing for Agriculture, Ecosystems, and Hydrology VIII. Stockholm: APIE: 297-304
  30. 30.
    Rhee J, Im J and Carbone G J. 2010. Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data. Remote Sensing of Environment, 114(12): 2875-2887
  31. 31.
    Rouse J W, Haas R H, Schell J A and Deering D W. 1974. Monitoring vegetation systems in the Great Plains with ERTS//Proceedings of the 3rd Earth Resources Technology Satellite. Washington: NASA: 309
  32. 32.
    Silleos N G, Alexandridis T K, Gitas I Z and Perakis K. 2006. Vegetation indices: advances made in biomass estimation and vegetation monitoring in the last 30 years. Geocarto International, 21(4): 21-28
  33. 33.
    Sun B and Zhou Q M. 2016. Expressing the spatio-temporal pattern of farmland change in arid lands using landscape metrics. Journal of Arid Environments, 124: 118-127
  34. 34.
    Sun G Y, Jiao Z J, Zhang A Z, Li F, Fu H and Li Z. 2021. Hyperspectral image-based vegetation index (HSVI): a new vegetation index for urban ecological research. International Journal of Applied Earth Observation and Geoinformation, 103: 102529
  35. 35.
    Sun Y, Shi Z J and Gou F Y. 1992. A study on rock mechanics parameters and regional layered sliding systems in the Hunan Jiangxi region. Science in China (Series B), (8): 860-867
  36. 36.
    Svoboda M, LeComte D, Hayes M, Heim R, Gleason K, Angel J, Rippey B, Tinker R, Palecki M, Stooksbury D, Miskus D and Stephens S. 2002. The drought monitor. Bulletin of the American Meteorological Society, 83(8): 1181-1190
  37. 37.
    Tadesse T, Brown J F and Hayes M J. 2005. A new approach for predicting drought-related vegetation stress: integrating satellite, climate, and biophysical data over the U.S. central plains. ISPRS Journal of Photogrammetry and Remote Sensing, 59(4): 244-253
  38. 38.
    Tucker C J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment, 8(2): 127-150
  39. 39.
    Tucker C J and Choudhury B J. 1987. Satellite remote sensing of drought conditions. Remote Sensing of Environment, 23(2): 243-251
  40. 40.
    Vermote E and Wolfe R. 2021. MODIS/Terra surface reflectance daily L2G global 1km and 500m sin grid V061 [Data set]. NASA Land Processes Distributed Active Archive Center
  41. 41.
    Vicente-Serrano S M, Beguería S and López-Moreno J I. 2010. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of Climate, 23(7): 1696-1718
  42. 42.
    Wan Z, Hook S and Hulley G. 2015. MOD11C1 MODIS/terra land surface temperature/emissivity daily L3 global 0.05Deg CMG V006 [Data set]. NASA Land Processes Distributed Active Archive Center
  43. 43.
    Wang P X, Li X W, Gong J Y and Song C H. 2001. Vegetation temperature condition index and its application for drought monitoring//Proceedings of IGARSS 2001. Scanning the Present and Resolving the Future. Proceedings. IEEE 2001 International Geoscience and Remote Sensing Symposium. Sydney: IEEE: 141-143
  44. 44.
    Whan K, Zscheischler J, Orth R, Shongwe M, Rahimi M, Asare E O and Seneviratne S I. 2015. Impact of soil moisture on extreme maximum temperatures in Europe. Weather and Climate Extremes, 9: 57-67
  45. 45.
    Wu L X, Sun G Y, Miao Z L, Zhang A Z, Feng H H, Hu J, Yang Z F, Wang W, Chen B Y and Tang Y Q. 2022. On subtropical remote sensing in China: research status, key tasks and innovative development approaches. National Remote Sensing Bulletin, 26(8): 1483-1503
  46. 46.
    Xu L, Abbaszadeh P, Moradkhani H, Chen N C and Zhang X. 2020. Continental drought monitoring using satellite soil moisture, data assimilation and an integrated drought index. Remote Sensing of Environment, 250: 112028
  47. 47.
    Zhang H D, Wei W and Xue S. 2015. Analysis on the variation of temperature and precipitation in Dingxi based on R/S and Mann-Kendall test. Research of Soil and Water Conservation, 22(6): 183-189
  48. 48.
    Zhang R Q, Liang X, Jin M G, Wan L and Yu Q C. 2018. Fundamentals of Hydrogeology. 7th ed. Beijing: Geological Publishing House

더 읽기

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website