DB15∕T 3847-2025 典型草原干旱遥感监测指数

ICS07.060

CCSA47

15

内蒙古自治区地方标准

DB15/T3847—2025

典型草原干旱遥感监测指数

Remotesensingmonitoringindexofdroughtintypicalsteppe

2025-01-22发布2025-02-22实施

内蒙古自治区市场监督管理局发布

DB15/T3847—2025

目次

前言.................................................................................II

1范围...............................................................................1

2规范性引用文件.....................................................................1

3术语和定义.........................................................................1

4数据获取和处理.....................................................................2

气象干旱综合指数数据...........................................................2

遥感数据.......................................................................3

降水及土壤水分数据.............................................................3

5典型草原干旱遥感监测指数构建.......................................................4

6典型草原干旱遥感监测指数等级划分...................................................4

附录A（规范性）典型草原干旱遥感监测指数构建过程.....................................5

参考文献..............................................................................7

I

DB15/T3847—2025

前言

本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定

起草。

请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。

本文件由内蒙古自治区气象标准化技术委员会（SAM/TC23）提出并归口。

本文件起草单位：内蒙古自治区气象科学研究所、内蒙古自治区生态与农业气象中心、内蒙古大学、

呼和浩特市赛罕区气象局。

本文件主要起草人：苗百岭、王永利、吴国周、韩芳、云文丽、贾成朕、梁存柱、王宇池、王龙、

朝鲁门、姜艳丰、乌兰、张自国。

II

DB15/T3847—2025

典型草原干旱遥感监测指数

1范围

本文件规定了典型草原干旱遥感监测指数的计算方法和等级划分。

本文件适用于典型草原干旱监测、评估业务与科研。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，

仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本

文件。

GB/T20481—2017气象干旱等级

3术语和定义

下列术语和定义适用于本文件。

归一化差值植被指数normalizeddifferencevegetationindex；ndvi

近红外波段反射率和可见光红波段反射率之差与二者之和的比值。

[来源：NY/T3922—2021,3.14]

植被状态指数vegetationconditionindex；vci

某时段的NDVI与长时间序列同期NDVI最小值之差除以同期NDVI最大值与最小值之差。

温度状态指数temperatureconditionindex；tci

某时段的LST与长时间序列同期LST最小值之差除以同期LST最大值与最小值之差。

降水状态指数precipitationconditionindex；pci

某时段的降水量与长时间序列同期降水量最小值之差除以同期降水量最大值与最小值之差。

土壤水分soilmoisture；sm

1

DB15/T3847—2025

吸附于土壤颗粒和存在于土壤孔隙中的水。

[来源：GB/T40039—2021,3.1]

土壤水分状态指数soilmoistureconditionindex；smci

某时段的土壤水分与长时间序列同期土壤水分最小值之差除以同期土壤水分最大值与最小值之差。

综合气象干旱指数meteorologicaldroughtcompositeindex;mci

综合考虑前期不同时间段降水和蒸散对当前干旱的影响而构建的一种干旱指数。

干旱遥感监测remotesensingmonitoringofdrought

利用条件植被指数、条件温度指数、条件降水指数和条件土壤水分指数构建典型草原干旱遥感监测

指数，划分干旱等级，对干旱发生范围和受旱程度进行监测。

随机森林randomforest;rf

包含多个决策树集成的一种机器学习算法。

注1：随机体现在样本的随机性和特征的随机性，森林为多个决策树汇聚而成的决策树网络。

注2：随机森林预测精度高，且不易产生过拟合，对噪声和异常值也有很好的容忍性。

4数据获取和处理

气象干旱综合指数数据

按照GB/T20481—2017中9.3的规定，气象干旱综合指数按公式（1）计算：

푀퐶퐼=퐾푎×(푎×푆푃퐼푊60+푏×푀퐼30+푐×푆푃퐼90+푑×푆푃퐼150)…………(1)

式中：

MCI——气象干旱综合指数；

ka——季节调节系数，取值方法按照GB/T20481—2017中附录H；

a——SPIW60项的权重系数，典型草原平均取0.3；

SPIW60——近60天标准化权重降水指数，计算方法按照GB/T20481—2017中附录G；

b——MI30项的权重系数，典型草原平均取0.5；

MI30——近30天相对湿润度指数，计算方法按照GB/T20481—2017中附录B；

c——SPI90项的权重系数，典型草原平均取0.3；

SPI90——近90天标准化降水指数，计算方法按照GB/T20481—2017中附录D；

d——SPI150项的权重系数，典型草原平均取0.2；

SPI150——近150天标准化降水指数，计算方法按照GB/T20481—2017中附录D。

2

DB15/T3847—2025

选取处于内蒙古典型草原的气象站点，计算各站点的MCI，构建数据序列。起始年可从2001年开始，

数据序列长度应不低于20年，随着年限的增加和数据的积累，可不断增加数据序列的长度。

遥感数据

遥感数据宜选用MODIS陆地数据产品，推荐MOD11A2和MOD13A2，MOD11A2地表温度产品需要将华氏度

换算为摄氏度（℃），MOD13A2植被指数产品需要乘0.0001将植被指数换算为正确的量纲，将两种产品

进行投影转换并处理成月值产品，然后按公式（2）和公式（3）分别计算植被状态指数和温度状态指数。

高程数据推荐使用SRTMDEM数据，经过归一化处理，重采样至1km。考虑到VCI和TCI适用于植被生长期

的旱情监测，本文件中只考虑5～9月生长季的干旱情况，数据序列与4.1中MCI的起止年限一致。

植被状态指数按公式（2）计算：

푁퐷푉퐼푖−푁퐷푉퐼푚푖푛

푉퐶퐼푖=……………………(2)

푁퐷푉퐼푚푎푥−푁퐷푉퐼푚푖푛

式中：

VCIi——监测年第i个时期的植被状态指数；

NDVIi——监测年第i个时期的归一化植被指数；

NDVImin——整个时间序列上第i个时期各像元NDVI的同期最小值；

NDVImax——整个时间序列上第i个时期各像元NDVI的同期最大值。

温度状态指数按公式（3）计算：

퐿푆푇푖−퐿푆푇푚푖푛

푇퐶퐼푖=……………………(3)

퐿푆푇푚푎푥−퐿푆푇푚푖푛

式中：

TCIi——监测年第i个时期的温度状态指数；

LSTi——监测年第i个时期的地表温度；

LSTmin——整个时间序列上第i个时期各像元地表温度的同期最小值；

LSTmax——整个时间序列上第i个时期各像元地表温度的同期最大值。

降水及土壤水分数据

降水数据宜选用全球再分析气候数据集，推荐CHIRPS数据集。土壤水分数据宜选用陆面数据同化系

统生成的数据集，推荐FLDAS数据集。选取从2001年开始的逐年5～9月的降水数据和0cm～10cm层的土

壤水分数据，重投影、重采样至与MODIS遥感数据一致。然后按公式（4）和公式（5）分别计算降水状

态指数和土壤水分状态指数，数据序列与4.1中MCI的起止年限一致。

降水状态指数按公式（4）计算：

푃푖−푃푚푖푛

푃퐶퐼푖=……………………(4)

푃푚푎푥−푃푚푖푛

式中：

PCIi——监测年第i个时期的降水状态指数；

Pi——监测年第i个时期的降水量；

Pmin——整个时间序列上第i个时期各像元降水量的同期最小值；

Pmax——整个时间序列上第i个时期各像元降水量的同期最大值。

土壤水分状态指数按公式（5）计算：

푆푀푖−푆푀푚푖푛

푆푀퐶퐼푖=……………………(5)

푆푀푚푎푥−푆푀푚푖푛

3

DB15/T3847—2025

式中：

SMCIi——监测年第i个时期的土壤水分状态指数；

SMi——监测年第i个时期的土壤水分；

SMmin——多年第i个时期土壤水分的最小值；

SMmax——多年第i个时期土壤水分的最大值。

5典型草原干旱遥感监测指数构建

根据典型草原气象站点的地理坐标信息，提取VCI、TCI、PCI、SMCI和NDEM在气象站坐标位置的像

元值，并将这些值作为特征变量值，以气象站点每月的MCI作为目标变量，推荐利用随机森林方法，构

建以MCI=f(VCI,TCI,PCI,SMCI,NDEM)为形式的干旱监测模型。模型参数见表1，指数构建过程按照附录

A的规定进行，可按照8:2的比例将输入数据集随机划分为训练集和测试集进行模型训练和验证，将最终

构建的随机森林干旱监测模型，确定为典型草原干旱遥感监测指数（CSDI），CSDI=RF

（VCI,TCI,PCI,SMCI,NDEM）。

表1模型输入参数

变量类型模型参数数据类型数据源

植被状态指数（VCI）遥感数据MOD13A2

温度状态指数（TCI）遥感数据MOD11A2

特征变量降水状态指数（PCI）气象数据CHIRPS

土壤水分状态指数（SMCI）同化数据FLDAS

归一化数字高程（NDEM）生物物理变量SRTMV4.1

目标变量综合气象干旱指数（MCI）气象数据气象站点数据

标准化降水蒸发指数（SPEI）气象数据气象站点数据

验证数据

土壤相对湿度（Rsm）气象数据气象站点数据

6典型草原干旱遥感监测指数等级划分

依据干旱遥感监测指数（CSDI）划分的气象干旱等级见表2。

表2CSDI等级的划分

干旱等级CSDI值

无旱-0.5＜CSDI

轻旱-1.0＜CSDI≤-0.5

中旱-1.5＜CSDI≤-1.0

重旱-2.0＜CSDI≤-1.5

特旱CSDI≤-2.0

4

DB15/T3847—2025

A

A

附录A

（规范性）

典型草原干旱遥感监测指数构建过程

A.1随机森林模型构建过程

随机森林模型推荐的计算过程按照附录A中图A.1，具体过程如下：

a)利用已有数据序列（2001年为起始年、气象站点提取的数据序列）的5～9月VCI、TCI、PCI

和SMCI作为特征变量，以气象站点每月的MCI作为目标变量，构建训练集（X,Y）。利用自举

法重采样技术（boot-strap）从训练集（X,Y）中有放回地抽取样本，生成k个与训练集容量

大小一样的新训练样本集合，未抽到的样本构成k个袋外数据（OOB）；

b)每个训练样本集合构建回归树（决策树），回归树生长过程中，在每个节点处从5个特征变量

中随机挑选m个变量进行分支生长。这里得到的回归树均是二叉树，在二叉树中，根节点包含

全部训练数据，按照节点纯度最小原则（基尼准则），分裂为左节点和右节点，它们分别包含

训练数据的一个子集，按照同样的规则节点继续分裂，直到满足分支停止规则而停止生长；

c)根据每个训练样本集合对应的袋外数据（OOB）对回归树进行OOB误差估计，预测精度以每棵

回归树的平均OOB误差来确定。随机森林构建过程中，回归树的个数n应大于100，树节点预

选的变量个数m应小于构建模型的变量个数。对n值，以100为步长，对m值，以1为步长，

基于OOB误差最小的原则对回归树的个数和深度进行调优，OOB取得最小值时的最小m值、n

值和深度为最优值；

d)若使用MATLAB中的TreeBagger函数构建典型草原随机森林模型时，推荐按照附录A中表A.1

中的规定进行参数设置。

A.2典型草原干旱遥感监测指数构建

将最终构建的随机森林干旱监测模型，确定为典型草原干旱遥感监测指数（CSDI）。

A.3典型草原干旱遥感监测指数评价与验证

A.3.1随机森林模型的评价与验证

将训练集和测试集的数据分别输入模型中，得到模型模拟值CSDI，计算其与MCI的平均绝对误差

（MAE）、均方根误差（RMSE）和相关系数（R），评价随机森林模型的精度。

A.3.2典型草原干旱遥感监测指数适用性验证

推荐利用典型草原气象站点的月标准化降水蒸发指数（SPEI）、土壤相对湿度或典型干旱事件对建

立的干旱遥感监测指数进行适用性验证。SPET的计算原理和方法按照GB/T20481—2017中附录E。

5

DB15/T3847—2025

图A.1随机模型计算方法流程图

表A.1随机森林模型网络参数设置

参数类型参数值

trees300