题目：Flash drought early warning based on the trajectory of solar-induced chlorophyll fluorescence
期刊：PNAS
01 研究背景
骤旱发展速度快、干旱强度高和影响范围大，对农业在内的多个领域造成了破坏性的影响，不仅导致水资源短缺，还可能引发粮食危机。现有的干旱监测和预警系统主要是基于各种水文气象变量达到含水量异常低的阈值才会触发预警，往往难以捕捉到骤旱的快速变化。随着全球变暖的加剧，干旱事件变得更加剧烈和频繁，这使得干旱的早期预警变得尤为重要。因此，开发新的监测工具和预警系统，来提高对骤旱的预测能力和响应速度十分必要。太阳诱导叶绿素荧光（SIF）作为近十年来迅速发展的新型植被数据，在植物遭受干旱胁迫时反应迅速，与突发性干旱监测具有高度相关性，能够为骤旱提供早期预警。
基于此，Mohammadi（2022）等人提出了一种基于SIF异常缓慢增加或快速减少原理的新方法，这种新方法与目前现行的美国干旱监测（USDM）系统相比，能提前2周到2个月预警突发性干旱的发生，并提前数周预测干旱的恢复。这说明SIF在支持全球农业相关的早期预警系统的发展方面有着巨大的潜力，这将有助于保护人类的粮食安全。
02 研究数据和方法
2.1 研究数据
本研究使用GOME-2卫星提供的8天太阳诱导叶绿素荧光（SIF）数据（分辨率通过预处理降尺度到0.05°），以及MODIS/Terra卫星提供的8天蒸散发（ET）和总初级生产力（GPP）数据（500m分辨率）。此外，还包括GridMET数据集提供的每日降水、温度、饱和水汽压差（VPD）和短期干旱混合等水文气象变量。
2.2 干旱指标USDM
本研究使用了美国干旱监测（USDM）作为干旱指标来表征2012年和2017年的骤旱事件。USDM通过五级分类系统（D0至D4：异常干旱D0，中度干旱D1，严重干旱D2，极端干旱D3 和异常干旱D4） 显示每周更新的干旱位置和强度，综合帕默尔干旱强度指数、土壤湿度指数、流量指数和标准化降水指数等多种指标，全面反映干旱状况。最后通过比较SIF轨迹分析与USDM所得到的结果，以确定SIF所引起的提前预警时间。
2.3 快速变化指数（RCI）
本研究为了量化SIF时间变化率与其气候平均值的偏差，采用了Otkin等人[1,2]提出的RCI公式，应用于8天周期的GOME-2 SIF数据，并扩展至MODIS卫星数据中的8天周期GPP和ET，以比较不同传感器捕捉光合作用时间动态的能力。RCI计算包括两个步骤：首先计算每周SIF变化率的标准化距平ΔV，反映与前一周相比的变化速度；然后通过积累这些ΔV值以获得RCI值，其正负表示干旱的发展或恢复。具体来说，负ΔV表示SIF增长慢于或减少快于平常，而正ΔV则表示SIF增长快于或减少慢于平常，从而为干旱监测提供早期预警。具体计算如下：
其中，RCIprev是表示前一周的RCI值，RCI表示超过0.75设定阈值ΔV的时间累积。如果ΔV与前一周的符号相同，但其幅度不超过0.75的设置阈值，则RCI值保持不变，如果ΔV与前一周的符号不同，则重置为零。
2.4 相关性与预测能力分析
为验证SIF-RCI的干旱预警效果，研究分析了不同水文气象条件下GridMET短期干旱混合指标与SIF-RCI的关系。其中，选择了2012和2017年美国骤旱期间的中西部和北大平原5°×5°区域，通过使用空间平均数据来消除数据之间的相关性过度估计问题，并使用最小二乘回归和Pearson相关系数分析SIF-RCI信号与干旱恢复的相关性。
03 主要发现
3.1 SIF RCI能够在干旱发生前给出早期预警GPP和单位叶面积蒸腾作用的影响
SIF-RCI的负值（即SIF的增长比正常情况下慢或减少比正常情况下快）在2012年和2017年骤旱发生之前出现（图1和图2），表明SIF-RCI能够在干旱初期阶段敏锐地反映植被的水分应激，提前为干旱提供预警信号。另外，可以观察到2012年骤旱的开始和结束时间均晚于2017年，且2012年的骤旱事件主要影响美国南部地区，而2017年的骤旱事件主要影响美国五大湖地区与中部平原地区。
图1 2012年4至8月期间的8天SIF-RCI值。负值表示SIF的增长比正常情况下慢或减少比正常情况下快，而正值则表示SIF的增长比正常情况下快或下降比正常情况下慢。
图2 2017年4月至8月期间的8天SIF-RCI值。负值表示SIF的增长比正常情况下慢或减少比正常情况下快，而正值则表示SIF的增长比正常情况下快或下降比正常情况下慢。
3.2 SIF RCI与干旱的空间分布相关
2012年和2017年，中西部和北部大平原地区的SIF时间序列显示，SIF-RCI与干旱的空间分布存在显著关联（图3）。在中西部地区（图3-A），SIF-RCI在春季开始上升，在夏季早期达到峰值，随后开始下降。2012年SIF-RCI峰值略高于气候态均值，表明干旱显著影响了植被生长，尤其在干旱高峰期，SIF-RCI下降更为明显，反映出干旱对植被健康的负面影响。在北部大平原地区（图3-B），2017年SIF-RCI峰值远低于气候态均值，同时随着干旱的加剧，其下降趋势更为明显。这些结果表明，SIF-RCI不仅能反映干旱的空间分布，还能捕捉干旱对植被生长的影响，为干旱监测和植被管理提供科学依据。
图3 在2012年（A）和2017年（B）期间，对美国大陆中西部（35-40°N, 95-100°W）和北部大平原（45-50°N, 100-105°W）的5°×5°区域进行空间平均SIF的8天时间序列分析，并与气候态进行比较。
3.3 SIF RCI与其他气象变量的关系
在2012年和2017年的干旱期间，研究分析了SIF、GPP、温度、降水和蒸散发（ET）的标准化异常值（图4和图5）。结果表明，SIF在干旱早期最为敏感，特别是在2017年，SIF异常值最早出现负值，表明其能提前反映植被对水分胁迫的响应。干旱初期，SIF迅速下降，但在干旱高峰期，光合作用活动减弱，SIF下降空间有限。相比之下，温度和降水的异常值未能提前预示干旱，进一步证明SIF在干旱预警中的优势。然而，在干旱结束后，SIF的恢复较慢，这显示了其在干旱监测方面的局限性。总体而言，SIF能早期监测干旱，但恢复缓慢限制了其在干旱后监测强度的应用，为干旱预警和植被健康监测提供了科学依据。
图4 2012年干旱前和干旱期间，每月SIF、GPP、温度、降水和蒸散发的标准化距平值。
图5 2017年干旱前和干旱期间，每月SIF、GPP、温度、降水和蒸散发的标准化距平值。
3.4 SIF RCI预测方法的检验
研究发现，SIF-RCI与短期干旱混合指标及最大SIF值密切相关（图6 A-D）。在北方大平原和中西部地区，5-6月的SIF-RCI信号强度与7-8月的生态系统生产力峰值（最大SIF值）显著正相关。其相关系数在北方大平原为0.78（考虑极端事件）和0.67（不考虑极端事件），在中西部地区为0.83（考虑极端事件）和0.74（不考虑极端事件）。SIF-RCI与7-8月的短期干旱混合指标也有强正相关，相关系数北方大平原在为0.91（考虑极端事件）和0.82（不考虑极端事件），在中西部地区分别为0.78（考虑极端事件）和0.66（不考虑极端事件）。这表明SIF-RCI能够有效预测干旱强度，成为干旱监测和预警的重要工具。在12年的分析中，SIF-RCI的预测在北方大平原样本区准确无误，在中西部样本区虽有一个错误警报，但整体准确性高，验证了其在干旱预警中的可靠性。
图6 2007-2018年5-6月SIF-RCI最大信号与7-8月两个基准值之间的散点图：短期干旱混合指数（A和B）和最大SIF值（C和D），分别在北大平原（45–50°N, 100–105°W）和中西部（35–40°N, 95–100°W）的5°×5°区域进行空间平均；误差条表示区域内的空间变率。最大RCI信号指的是每年5-6月期间所有RCI值（正或负）中幅度最大的值。图中还显示了包含（实线）和不包含（虚线）极端干旱（用红圈标记）的线性回归线。蓝色圆圈（B）为基于RCI的干旱早期预警的误报案例。所有相关性均具有统计学意义。
04 主要结论
本文强调了SIF-RCI作为一种基于遥感的干旱早期预警工具的潜力。SIF-RCI能够在干旱发生前的几周提供准确的预警信号，且在不同区域和不同干旱阶段表现出较高的时空一致性。相比传统的气象数据，SIF-RCI具有更高的灵敏度和响应速度，特别是在干旱初期。通过结合SIF-RCI与传统气象数据，可以进一步提高干旱监测和预警的准确性，支持全球突发性干旱预警系统，在水文气象数据稀少的地区更能突显出它的作用，SIF-RCI对于农业和生态系统的管理具有重要的应用价值。
05 引发思考
本研究所提出的基于太阳诱导叶绿素荧光（SIF）的干旱预警方法，为干旱监测、评估和应对提供了新视角，并对未来的干旱预警系统及气候适应策略给予了重要支持。然而，该方法尚有一些不足之处需进一步研究。
首先，由于SIF-RCI在不同地区或干旱类型中的适用性可能存在差异，未来的研究需要进一步探讨如何适应不同气候区域、植被类型和土地利用变化对SIF信号的影响，以提升其全球适用性；其次，本研究主要关注2012年和2017年美国大陆的干旱事件，未来的研究应扩展到更广的时空范围和更多地区的干旱事件，以进一步增强SIF-RCI的全球适用性；最后，本研究表明SIF-RCI在干旱预警中出现过错误预警的情况，未来研究需探索如何将SIF-RCI与土壤湿度、气象数据等其他监测工具相结合，以提高预警的准确性并减少误报。
编者注
以上总结仅代表个人对论文的理解，仅供研究参考所用，不用于商业用途。若上述理解内容有误，请以论文原文为主。
原文出处
Mohammadi, K., Jiang, Y., & Wang, G. (2022). Flash drought early warning based on the trajectory of solar-induced chlorophyll fluorescence. Proceedings of the National Academy of Sciences, 119(32), e2202767119. https://doi.org/10.1073/pnas.2202767119
参考文献
[1] Otkin, J. A., Anderson, M. C., Hain, C., & Svoboda, M. (2014). Examining the relationship between drought development and rapid changes in the evaporative stress index. Journal of Hydrometeorology,15,938–956. https://doi.org/10.1175/JHM-D-13-0110.1
[2] Otkin, J. A., Anderson, M. C., Hain, C. R., & Svoboda, M. (2013). Examining rapid onset drought development using the thermal infrared–based evaporative stress index. Journal of Hydrometeorology,14,1057–1074.https://doi.org/10.1175/JHM-D-12-0144.1
文字来源：朱俊凯
图片来源：https://www.pnas.org/
编辑：朱俊凯
审核：谷天顺 罗思嘉
