Índices de Mitigación de La Sequía Agrícola Derivados de Los Cambios en Las Características de La Sequía

22/3/23, 11:13 Índices de mitigación de la sequía agrícola derivados de los cambios en las características de la sequía - ScienceDirect
Detección Remota del Medio Ambiente

Volumen 244, julio de 2020 , 111813
Índices de mitigación de la sequía agrícola derivados de los cambios en las características de

la sequía
Bingfang Wu a b ,Zonghan Ma ab _,Nana Yan _
Mostrar más
Describir Compartir Citar
https://doi.org/10.1016/j.rse.2020.111813 ↗
Obtener derechos y contenido ↗
Reflejos
• Evaluación del desempeño de la mitigación de la sequía con cambios en las
características de la sequía
• Se proponen y prueban dos índices de mitigación de la sequía (ADFC y ADAC).
• ADAC tiene la capacidad de evaluar el desempeño de la mitigación ante un

evento de sequía extrema.
• PDSI y VHI detectan sequías agrícolas naturales y reales por separado.
Abstracto
Las sequías pueden causar enormes pérdidas al desarrollo agrícola y económico; los humanos han explorado muchas medidas contra la
sequía para mitigar la influencia de la sequía y, en consecuencia, alterar las características de la sequía agrícola real. En este estudio, se
propone un método para detectar los cambios espaciotemporales en las características de la sequía, que muestran los efectos de las
medidas contra la sequía en la mitigación de la sequía. Se proponen dos índices de evaluación de la mitigación de la sequía agrícola, el
cambio de frecuencia de sequía agrícola (ADFC) y el cambio de área de sequía agrícola (ADAC), que se calculan combinando el índice de
severidad de sequía de Palmer (PDSI) y el índice de salud de la vegetación (VHI), dos ampliamente utilizados. índices de seguimiento de la
sequía. El PDSI y el VHI representan la severidad de la sequía agrícola natural y real en condiciones naturales y reales, respectivamente. y
sus diferencias en la frecuencia de la sequía y el área afectada reflejan el nivel de las medidas contra la sequía para mitigar la sequía
agrícola. La viabilidad de usar ADFC y ADAC para cuantificar los efectos de las medidas contra la sequía para la agricultura se explora
utilizando datos de seis provincias agrícolas típicas en la llanura del norte de China y el noreste de China. Los resultados muestran que
ADFC y ADAC podrían reflejar tanto los cambios espaciotemporales en las características de la sequía agrícola como la influencia de las
medidas contra la sequía en la sequía agrícola. La tendencia del índice de mitigación de la sequía es consistente con las estadísticas de
actividad agrícola. Estos dos índices podrían usarse para evaluar los efectos de diferentes métodos contra la sequía y ayudar a vencer la
sequía agrícola en muchos países.
anterior Próximo
Palabras clave
sequía agrícola; Características de la sequía; Mitigación de la sequía; Índice de mitigación
1 . Introducción
https://www.sciencedirect.com/science/article/pii/S0034425720301838?dgcid=raven_sd_recommender_email 1/28
La sequía, que representa una escasez de agua en relación con las condiciones normales ( Wardlow et al., 2017 ; West et al., 2019 ), se
encuentra entre los desastres que causan grandes pérdidas agrícolas ( Lesk et al., 2016 ). La sequía puede afectar directamente la
producción agrícola a través de sus efectos sobre la fotosíntesis ( Yan et al., 2016a ; Yan et al., 2016b ) al reducir tanto la clorofila como el
contenido de agua en la vegetación ( Kogan et al., 2019 ) y al cambiar la frecuencia y intensidad de otros factores de perturbación (
Anderegg et al., 2012 ; Sangüesa-Barreda et al., 2015 ; Tian et al., 2014 ; Tian et al., 2015). Las pérdidas promedio anuales en la región de
Asia Pacífico debido a la sequía agrícola alcanzan los $404 mil millones, lo que representa aproximadamente el 1,4% del PIB de la región (
UNESCAP, 2019 ). Las pérdidas económicas anuales causadas por la sequía alcanzaron los $7 mil millones por año desde 1984 hasta 2017
en China ( Su et al., 2018 ). Se ha descubierto que las áreas cosechadas disminuyen en un promedio mundial del 4,1 % durante las sequías (
Lesk et al., 2016 ). Los impactos de la sequía pueden incluir conflictos, migraciones, incendios, escasez de alimentos y hambruna ( Patrick,
2017 ; Trnka et al., 2019 ).
La sequía se ha definido de varias formas ( Trenberth et al., 2014 ; Van Loon y Laaha, 2015 ; West et al., 2019 ), incluida la sequía
meteorológica, que se define como deficiencia de precipitación, la sequía agrícola, que se define como la deficiencia en la humedad del
suelo, la sequía hidrológica, que se define como un caudal bajo y la reducción de las aguas subterráneas, y la sequía socioeconómica, que
se define como la brecha entre la oferta y la demanda de agua. El desarrollo de las sequías consiste en múltiples interacciones de procesos
climáticos y respuestas tierra-atmósfera, así como actividades humanas que influyen en la causa/los vínculos de las sequías ( Wang et al.,
2016b).). Los factores que influyen en la propagación de la sequía incluyen el clima regional y las características locales de la superficie
terrestre, como la cobertura del suelo, la comunidad vegetal, el contexto del suelo, la topografía y las intervenciones humanas ( Barker et
al., 2015 ; Van Loon y Laaha, 2015 ). La propagación de la sequía ocurre no solo entre diferentes fases de sequía (p. ej., de sequía
meteorológica a sequía agrícola), sino también dentro de una determinada fase de sequía ( Parry et al., 2016 ).
La sequía se puede caracterizar por el grado de influencia, las propiedades temporales, las propiedades espaciales ( Dai, 2011 ), el
porcentaje del área afectada, la frecuencia de ocurrencia en ciertos períodos, las tendencias a largo plazo ( Yu et al., 2014 ), y el momento
pico de ocurrencia de la sequía ( Yao et al., 2020 ). Se han desarrollado varios índices de sequía para describir las características de la
sequía en diferentes fases, incluida la gravedad, el alcance, la frecuencia y la duración ( Hayes et al., 2012 ; Yao et al., 2020).), y estos
índices suelen medir el alejamiento de una variable de la condición normal local con base en su distribución histórica. Los índices de
sequía también se utilizan para cuantificar los impactos de la sequía al establecer la relación entre la variabilidad temporal de diferentes
índices de sequía y las variables de respuesta ( Vicenteserrano et al., 2012 ), como el rendimiento o la productividad de los cultivos (
Horbeck y Keskin, 2014 ; Li y Ren , 2019 ; Mavromatis, 2007 ; Mohtashami et al., 2020 ; Potop, 2011 ; Quiring y Papakryiakou, 2003 ;
Vergni y Todisco, 2011 ; Wang et al., 2018 ), humedad del suelo ( Sims et al., 2002), el nivel de las aguas subterráneas ( Khan et al., 2008 ),
las descargas de los ríos ( Wu et al., 2018 ) y los servicios ecosistémicos ( Jones et al., 2019 ; Seneviratne y Ciais, 2017 ), etc.
Para la sequía meteorológica, la precipitación es la variable principal utilizada en índices como el índice de precipitación estandarizado
(SPI) ( McKee et al., 1993 ), y la temperatura del aire superficial se utiliza como variable secundaria para considerar el efecto de la
evapotranspiración , como en el índice de precipitación evapotranspiración estandarizado (SPEI) ( Vicenteserrano et al., 2010 ). El balance
de agua del suelo se usa además para el suministro y la demanda de agua como en el índice de severidad de sequía de Palmer (PDSI) (
Palmer, 1965 ). Se encontró que el PDSI estaba altamente correlacionado con las diferencias de humedad del suelo dentro de los 1 m
superioresde acuerdo con las observaciones del sitio; por lo tanto, la observación del sitio generalmente se adopta para cuantificar las
sequías agrícolas ( Dai, 2011 ), pero solo puede reflejar los cambios en la humedad del suelo causados por el cambio climático ( Mu et al.,
2013 ) y no considera los impactos de las medidas contra la sequía. El SPI, SPEI y PDSI se han utilizado para describir las variaciones
espaciotemporales en las características de la sequía, la extensión de la sequía, la gravedad y la tendencia de la sequía ( Trenberth et al.,
2014 ; Yao et al., 2020 ; Zhai et al., 2010 ). Las áreas afectadas por la sequía aumentaron significativamente en el norte de China entre 1951
y 2003 según el PDSI ( Zou et al., 2005 ) a una tasa de aproximadamente ~3,72 % por década ( Yu et al., 2014).). El SPEI reveló variaciones
decenales entre 1961 y 2012 en China, con las sequías más frecuentes y severas antes de la década de 1980 y en la década de 2000 ( Chen
y Sun, 2015 ; Troy et al., 2015 ; Yu et al., 2014 ). En particular, el norte de China experimentó tendencias significativas de sequía y tuvo las
sequías más prolongadas durante las décadas de 1990 y 2000 ( Yang et al., 2016 ; Yu et al., 2014 ; Zhai et al., 2010 ). Aunque los índices
meteorológicos de sequía están altamente correlacionados con el rendimiento de los cultivos, el rendimiento de los cultivos está
influenciado por muchos factores además de la variabilidad climática ( Quiring y Papakryiakou, 2003 ; Tian et al., 2018 ;Wang et al., 2016a
). Sin embargo, estos índices no incluyen información sobre riego agrícola ( Yu et al., 2019 ), variedades, prácticas de labranza y cualquier
otra medida contra la sequía, por lo que son capaces de describir las características de la sequía en condiciones naturales.
La sequía agrícola está relacionada con los déficits de humedad en las raíces de la vegetación, lo que provoca estrés en el crecimiento de
los cultivos, reducción del rendimiento de los cultivos o fracaso debido a la escasez de precipitaciones durante un período prolongado
(Narasimhan y Srinivasan, 2005 ). Las características de la sequía agrícola se pueden estimar directamente a partir de mediciones de
humedad del suelo in situ ( Yang et al., 2018 ) o satélites con modelos de humedad del suelo calibrados en el suelo, como la misión Soil
Moisture Active Passive (SMAP) ( Entekhabi et al., 2008). ; Yang et al., 2018 ) o estimado indirectamente utilizando la cantidad de clorofila
y contenido de agua para representar la salud de la vegetación ( Kogan et al., 2019 ; Wang et al., 2016a ;Wardlow et al., 2017 ), así como los
sensores de microondas pasivos y activos ( Eswar et al., 2018 ; West et al., 2019 ), como Soil Moisture Agricultural Drought Index (SMADI)
que combina la humedad del suelo con índices de vegetación ( Sánchez et al., 2016 ). Se considera que la vegetación no es saludable si no
está bien desarrollada o vigorosa, marchita y no muy verde (o marrón). El vínculo entre las condiciones de crecimiento de la vegetación
obtenidas por satélite y los déficits de humedad del suelo se ha demostrado en el seguimiento de sequías agrícolas ( Gu et al., 2008 ;
Wardlow et al., 2017 ; Weiss et al., 2020 ; West et al., 2018 ). basado en satéliteíndices de vegetación (VI), como la anomalía del índice de
vegetación de diferencia normalizada (NDVI), las condiciones de vegetación (VCI) y el índice de agua de diferencia normalizada (NDWI) (
Gu et al., 2008 ; Hayes et al., 2012 ; Qin et al. , 2015 ; Wardlow et al., 2017 ; West et al., 2019 ) puede proporcionar información valiosa
para la caracterización de la sequía agrícola, su extensión espacial y la gravedad del estrés de la vegetación. Sin embargo, es difícil detectar
el tiempo de finalización de un evento de sequía agrícola ya que la vegetación estresada no puede recuperarse rápidamente después de la
sequía ( Zhang et al., 2019).). Entre todos los índices basados en satélites, el índice de salud de la vegetación (el VHI) es uno de los
indicadores más populares ( Bento et al., 2018 ; Gomes et al., 2017 ; Rahman et al., 2009 ; Rojas et al., 2011). ) para monitorear la extensión
de la sequía ( Sholihah et al., 2016 ). El VHI considera inherentemente las condiciones biofísicas (suelo, pendiente) y climáticas locales (
García-León et al., 2019 ). El VHI es un índice de detección remota estable y robusto para el monitoreo real de la sequía agrícola en varias
zonas agrometeorológicas de China ( Yan et al., 2016a ). El VHI exhibe una alta correlación con el rendimiento del cultivo, especialmente
en la etapa crítica del crecimiento del cultivo (Kogan et al., 2012 ; Prasad et al., 2006 ; Rahman et al., 2009 ; Yang et al., 2018 ).
Los indicadores meteorológicos y agrícolas muestran diferencias en su capacidad para captar las características de la sequía ( Hayes et al.,
2012 ; Qin et al., 2015 ; Wang et al., 2016a ; Wang et al., 2018 ). Se compararon los resultados del déficit de humedad del suelo, los índices
meteorológicos de sequía y los VI basados en satélites en el norte de China ( Qin et al., 2015 ; Yang et al., 2018).). El área afectada por la
sequía exhibió una tendencia creciente significativa, y el evento de sequía que ocurrió en 1999 tuvo la mayor extensión de todos los años
con datos según la humedad del suelo, pero se demostró que los mismos eventos tienen duraciones más cortas e incluso extensiones más
grandes en promedio. cuando se derivan del SPI, y generalmente se observaron mejoras anuales en la condición de la vegetación en el
norte de China ( Yang et al., 2018 ). Los períodos de disminución de NDVI coincidieron bastante bien con los eventos de sequía
identificados en los mismos períodos. La correlación entre el déficit anual de humedad del suelo y la anomalía NDVI fue mayor que la que
existe entre el déficit anual de humedad del suelo y el SPI ( Qin et al., 2015).). Se encontró que la correlación entre el índice de vegetación
y el índice de sequía meteorológica es mucho menor en las áreas de cultivo que en las áreas de pastizales, arbustos y bosques porque las
intervenciones humanas, incluidas las prácticas de labranza, el riego, la fertilidad y el control de enfermedades, también afectarán el
crecimiento de los cultivos ( Yang et al., 2018 ). También se encontró que el riego juega un papel importante en el establecimiento de la
relación entre los índices de sequía y la pérdida de rendimiento de los cultivos ( Wang et al., 2018 ). Las diferencias en las características
de la sequía se derivan de diferentes índices, particularmente en términos de las áreas afectadas por la sequía y las frecuencias de
ocurrencia. Sin embargo, pocos estudios han explorado el valor y la importancia de estas diferencias y lo que representan.
Cuando ocurre una sequía, a menudo se exploran muchas medidas contra la sequía para mitigar los impactos perjudiciales de la sequía,
alterando en consecuencia las características de la sequía agrícola real, como la extensión afectada por la sequía, la frecuencia de
ocurrencia. Estas medidas incluyen prácticas de riego ( Hornbeck and Keskin, 2014 ; Troy et al., 2015 ; Uwizeyimana et al., 2018 ), el uso de
variedades de semillas tolerantes a la sequía ( Simtowe et al., 2019 ), ajustes de intensidad de cultivo ( Solh and van Ginkel, 2014 ), y
métodos de conservación de agua agrícola (mulching y camellones) ( Uwizeyimana et al., 2018). La sequía agrícola real puede no ocurrir si
las medidas contra la sequía se adoptan adecuadamente a tiempo para preservar la humedad del suelo y cumplir con los requisitos de
crecimiento de los cultivos ( Van Loon et al., 2016 ), incluso si la sequía meteorológica ocurre con una reducción significativa de la
precipitación ( Hayes et al. ., 2012 ; Pablos et al., 2017 ).
El riego alivia los impactos de la sequía, mejora el rendimiento de los cultivos y aumenta la productividad del agua de los cultivos (
Horbeck y Keskin, 2014 ; Kresovic et al., 2014 ; Suarez et al., 2019 ; Troy et al., 2015 ; Yan et al., 2016a ) desde el riego estabilizó los
extremos climáticos y la variabilidad, lo que condujo a reducciones en el rendimiento de los cultivos de secano, pero no de los cultivos de
regadío ( Troy et al., 2015 ). El riego cambió los efectos de la sequía al cambiar el umbral más allá del nivel en el que los cultivos se verán
afectados negativamente ( Araujo et al., 2016 ; Li et al., 2018a ; Schauberger et al., 2017 ; Zipper et al., 2016)) y mitigando los períodos
secos ( Uwizeyimana et al., 2018 ), liderando así los cambios en las características de la sequía agrícola. Además, los cultivos tolerantes al
estrés pueden mitigar potencialmente los impactos negativos de la sequía ( Fisher et al., 2015 ). Los agricultores con variedades de maíz
tolerantes a la sequía no experimentaron el impacto de una sequía, como reducciones en la productividad agrícola, cuando ocurrió la
sequía más severa en 2015 en Uganda ( Simtowe et al., 2019 ). Un análisis de tendencias de los residuos del NDVI reveló que las nuevas
variedades de granos y las prácticas agrícolas, y no los aumentos de riego, generaron la aparente desviación de la tendencia del NDVI de
las precipitaciones en Australia Occidental (Burrell et al., 2017) .), lo que significa que las nuevas variedades y prácticas de labranza han
cambiado la respuesta del cultivo (estrés de crecimiento, reducción del rendimiento o fracaso) a la sequía o las características de la sequía.
Por lo tanto, al mitigar el impacto de las sequías en las condiciones de los cultivos, las medidas contra la sequía han cambiado
significativamente la manifestación de las características reales de la sequía agrícola, como el alcance, la intensidad, la duración y la
frecuencia, y han alterado el proceso de propagación del desarrollo de la sequía (Wang et al., 2016b ) . ) y la vulnerabilidad a la sequía
afectada ( Wilhelmi y Wilhite, 2002 ). Sin embargo, falta un método para cuantificar los cambios en las características de la sequía, que de
hecho son los efectos de las medidas contra la sequía en la mitigación de la sequía.
Si bien la sequía es un fenómeno climático relativamente previsible con mecanismos biofísicos, las reacciones a la sequía del individuo a
la comunidad e incluso a nivel estatal son diferentes ( O'farrell et al., 2009 ). La mayoría de los países aún se encuentran en las primeras
etapas de desarrollo e implementación de esquemas de mitigación para compensar las influencias de las sequías agrícolas, incluida la
modernización del riego, la instalación de medidores de flujo de agua , el almacenamiento de agua superficial y la fijación de precios del
agua subterránea ( Patrick, 2017 ). Es necesario investigar el papel general de las medidas contra la sequía, lo que mejorará nuestra
comprensión del efecto de las medidas de mitigación de la sequía., ya que la “falta de información” sobre el desempeño de la mitigación
de la sequía es la mayor barrera para invertir en estrategias de mitigación de la sequía ( Wilhite et al., 2007 ). Un análisis y una conclusión
del efecto de mitigación de la sequía pueden respaldar la investigación sobre el cambio climático y proporcionar información para la toma
de decisiones relacionadas con la seguridad alimentaria.
El objetivo de este artículo es proponer un método para evaluar los cambios en las características de la sequía para cuantificar los efectos
de las medidas contra la sequía en la mitigación de la sequía. Se realizaron análisis espacio-temporales de los cambios en las
características de la sequía en seis provincias de la llanura del norte de China y el noreste de China durante 37 años para sequías agrícolas
en condiciones naturales y reales.
2 . Datos y método
2.1 . Área de estudio

Se eligen seis provincias en China para este estudio para probar el método ( Fig. 1 ). Tres de las provincias (Heilongjiang, Jilin y Liaoning)
están ubicadas en el noreste de China (NEC), que está dominado por un clima templado con solo una cosecha por año. Las otras tres
provincias (Hebei, Henan y Shandong) se encuentran en la Llanura del Norte de China (NCP). La precipitación media anual de 1980 a 2015
según la Red de Investigación de Ecosistemas de China (CERN) ( http://www.cern.ac.cn/0index/index.asp ↗ ) se presenta como
información de referencia.
Descargar : Descargar imagen de alta resolución (800KB)

Descargar: Descargar imagen a tamaño completo
Figura 1 . Ubicación de las seis provincias de China y precipitación media anual.
El tipo de clima típico de NEC es un clima monzónico continental templado. La precipitación media anual oscila entre 400 mm y 1000
mm. Los principales tipos de cultivos son el trigo de primavera, el maíz de verano, el arroz y la soja, con una sola temporada de
crecimiento de mayo a septiembre. La mayor parte de la tierra cultivable es de secano según datos estadísticos ( Oficina Nacional de
Estadísticas, 2018 ).
El PNC se encuentra bajo un tipo de clima monzónico continental semihúmedo templado. La precipitación del PNC está entre 500 y 900
mm por año (disminuyendo de sureste a noroeste). Aproximadamente el 80% de la precipitación anual ocurre de junio a septiembre. Las
sequías ocurren principalmente en primavera y verano. El trigo y el maíz de invierno son los dos cultivos principales, y la producción de
estos dos cultivos representa aproximadamente el 50% de la producción nacional de trigo y maíz. Por lo general, los cultivos de invierno
son de regadío y los de verano son de secano. Desde 1980, el revestimiento de canales, tuberías, goteo y riego por aspersión se han
introducido en el NCP para mejorar la confiabilidad del riego, adaptarse a eventos de sequía y mejorar la eficiencia del uso del agua.. Con
el desarrollo de más de 30 años de agricultura de ahorro de agua, la mejora del coeficiente de uso de riego en esta región fue significativa,
con mejoras del 67 %, 60 % y 63 % para las provincias de Hebei, Henan y Shandong, respectivamente, en 2016.
2.2 . Datos
El PDSI ( Palmer, 1965 ) y el VHI ( Kogan, 2001 ; Rhee et al., 2010 ) se seleccionan para describir por separado las sequías agrícolas en
condiciones naturales y de intervención, respectivamente.
El PDSI es el índice más popular utilizado en todo el mundo para monitorear y analizar la ocurrencia de sequías. La teoría básica del PDSI
es la diferencia entre la precipitación real y la cantidad de precipitación necesaria para el crecimiento adecuado de la vegetación ( Wells et
al., 2004 ). El PDSI incorpora información anterior y actual sobre el suministro de agua (precipitación) y la demanda (evapotranspiración
potencial) en la evaluación del déficit de agua. El PDSI generalmente se calcula de forma semanal o mensual con la precipitación y la
temperatura como datos de entrada para un modelo de balance hídrico simplificado, que incluye un conjunto de términos de balance
hídrico normalizados. Para mejorar la comparabilidad espacial, se utilizó la ecuación de Penman-Monteith (PM) para el cálculo de la
evapotranspiración potencial (EP) (Sheffield et al., 2012 ), que tiene en cuenta las influencias de la radiación solar, la humedad del aire y la
velocidad del viento.
El PDSI se utilizó como índice para monitorear la sequía meteorológica en muchos estudios ( Dai, 2011 ). Otros investigadores utilizaron el
PDSI como índice de sequía agrícola ( Sheffield et al., 2012 ; Wang et al., 2016b ) porque el PDSI está estrechamente relacionado con la
humedad del suelo y es un indicador eficaz de la sequía agrícola a escala mensual ( Dai, 2011 ).). La razón de los diferentes usos del PDSI
se debe principalmente a las diferentes definiciones de indicadores adoptadas en varios estudios. Los indicadores meteorológicos de
sequía se ocupan principalmente de los cambios en las precipitaciones, mientras que los indicadores de sequía agrícola se centran en los
cambios en la humedad del suelo. En esta investigación, nos referimos al PDSI como un indicador de sequía agrícola, centrándonos en la
humedad del suelo y PE sin reflejar el impacto de las prácticas agrícolas, como el riego y las medidas de conservación del agua (Dai, 2011;
Mu et al., 2013 ) .). La extracción humana de agua subterránea en regiones áridas, incluido el norte de China central, probablemente tenga
poco efecto en los valores de PDSI. Existe una correlación débil principalmente en regiones donde los humanos tienen una gran influencia
en el flujo de los ríos. El PDSI con PM se puede utilizar globalmente excepto para regiones cercanas al polo ( Dai, 2011 ).
El conjunto de datos PDSI utilizado en esta investigación se descargó del conjunto de datos TerraClimate respaldado por la Universidad de
Idaho ( http://www.climatologylab.org/terraclimate.html ↗ ), que es un conjunto de datos global que cubre de 1900 a 2018 a una
resolución de 4 km con una intervalo mensual ( Abatzoglou et al., 2018 ). El PDSI se calculó usando precipitación y PE de la ecuación PM.
El cálculo es similar al método PDSI-PM utilizado en otro estudio ( Van der Schrier et al., 2011 ). El PDSI varía desde aproximadamente −10
(extremadamente seco) a +10 (extremadamente húmedo) y representa el grado de humedad del suelo, lo que permite comparaciones
espaciotemporales.
El VHI basado en satélite se calcula con tres canales espectrales: visible (VIS), infrarrojo cercano (NIR) e infrarrojo térmico (IR). El VHI, que
se desarrolló para la detección de sequías agrícolas, se basa en la estimación del estrés de la vegetación relacionado con el agua y la
temperatura a partir de índices derivados de satélites ( Kogan, 2001 ; Rhee et al., 2010 ). Se ha demostrado que el VHI tiene una gran
capacidad y alta idoneidad para detectar sequías agrícolas ( Kogan, 2002 ; Yan et al., 2016b ). El VHI considera tanto las condiciones de la
vegetación (VCI) como las condiciones térmicas (TCI) al evaluar las tensiones ambientales relacionadas con el agua y la temperatura
dentro de un período de observación dado. Usando los valores mínimos de NDVIy la temperatura de la superficie terrestre (LST), el VHI
postula que la producción primaria es proporcional al recurso de crecimiento más limitante y se convierte en el más bajo en el valor más
bajo de NDVI o LST. La diferencia entre los valores máximo y mínimo de NDVI y LST es el límite de tolerancia al estrés hídrico de los
cultivos, que también elimina los componentes climáticos de estos índices ( Kogan et al., 2019 ). Generalmente, el VHI se calcula de la
siguiente manera:
donde NDVI es el valor de píxel derivado del satélite y NDVI max y NDVI min son los valores máximo y mínimo de NDVI durante el período
de investigación ( Kogan, 2002 ). LST es la temperatura de brillo y α es el parámetro de ponderación ( Kogan, 2001 ).
El conjunto de datos consta de índices semanales globales (VCI, TCI y VHI) derivados de datos orbitales AVHRR GAC entre 55°S y 75°N (
STAR, 2018 ). La resolución espacial es de 4 km. Los datos del VHI de 1982 a 2018 se extrajeron del conjunto de datos con una resolución
de 4 km con intervalos de diez días ( https://www.star.nesdis.noaa.gov/smcd/emb/vci/VH/vh_ftp.php ↗ ) . Para la determinación del
parámetro de ponderación α, dado que se desconocen las contribuciones de la humedad y la temperatura a la salud del cultivo a lo largo
del ciclo de crecimiento del cultivo, generalmente se asignó el mismo peso a VCI y TCI para calcular el VHI (Kogan, 2001) .) en este
conjunto de datos. Si la vegetación es muy saludable, el VHI se establece en 100. Si la vegetación se está marchitando, el estado de la
vegetación es extremadamente estresado y el VHI es igual a 0. Entre estas dos condiciones extremas (muy saludable y extremadamente
estresada), la salud de la vegetación es continuamente dividido en diferentes niveles de salud de la vegetación, al igual que se hace para
los niveles de estrés: leve, moderado, severo, extremo, excepcional, etc.
Los datos de máscara de tierras de cultivo fueron adquiridos del mapa de cobertura terrestre ChinaCover por la Academia de Ciencias de
China, que es un conjunto de datos de cobertura terrestre de China con una resolución de 30 m ( Wu et al., 2017 ). El mapa ChinaCover es
un conjunto de datos de cobertura terrestre nacional para China que se desarrolla cada cinco años. En esta investigación, utilizamos
cuatro conjuntos de datos de cobertura terrestre de ChinaCover en 1990, 2000, 2010 y 2015 y extrajimos tierras de cultivo como una
máscara. Para garantizar la precisión de las mediciones y comparaciones del área, todos los datos se convirtieron a la proyección cilíndrica
de área equivalente de Behrmann con una resolución de 4 km para estadísticas de valor y cálculo del área.
Hay muchas medidas contra la sequía emprendidas en el NCP y NEC ( Li et al., 2018b ; Yan y Wu, 2014 ; Yan et al., 2015 ). El área de riego
podría reflejar la inversión en mejoras de la condición del agua de cultivos hechas por el hombre. La capacidad del embalse podría reflejar
la capacidad provincial para sufrir un período de sequía. El uso de plástico agrícola podría indicar los métodos adoptados para preservar el
agua del suelo de la evapotranspiración. El área de riego provincial, la capacidad del embalse y los datos de uso de película plástica
agrícola para un análisis más detallado se obtuvieron del sitio web de datos estadísticos nacionales de China ( http://data.stats.gov.cn ↗ ) (
Oficina Nacional de Estadísticas, 2018 ). tabla 1muestra los porcentajes de riego para las 6 provincias. Se observó que, aunque tanto Hebei
como Shandong han tenido porcentajes bastante altos desde la década de 1980, se ha mejorado la eficiencia del riego ( Li et al., 2020 ; Li et
al., 2018b ).
Tabla 1 . Porcentajes de área de riego para 6 provincias en China.
Hebei Shandong Henán Heilongjiang Liaoning Jilin
1980 41,3% 41,6% 28,1% 8,3% 19,8% 18,3%
1990 46,3% 42,5% 33,3% 15,2% 33,3% 24,6%
años 2000 51,3% 44,3% 35,4% 23,6% 39,9% 32,1%
2010s 51,6% 45,6% 35,8% 40,9% 37,3% 31,7%
2.3 . Método
La sequía meteorológica es causada principalmente por condiciones climáticas anormales, pero no todas las sequías meteorológicas
causarán una sequía agrícola real hasta cierto punto, una sequía agrícola real ocurrirá solo cuando ocurra una sequía meteorológica y
cause estrés en los cultivos. Este nivel de respuesta es la resiliencia de la agricultura frente a la sequía meteorológica y la tolerancia de los
cultivos al estrés hídrico ( Birthal and Hazrana, 2019). Además, es posible que la sequía agrícola real no ocurra una vez que se adopten
medidas contra la sequía, como el riego y las medidas de conservación del agua, que es la resiliencia de la agricultura a la sequía agrícola.
La diferencia en la respuesta refleja la respuesta tardía de los cultivos a la sequía, la resiliencia de los cultivos a la sequía o la contribución
de las medidas contra la sequía para aliviar el daño a la agricultura por la sequía. La resiliencia se puede describir mediante cambios en las
características de la sequía, como cambios en las áreas afectadas por la sequía y la frecuencia de ocurrencia, lo que refleja un aumento en
la capacidad de las actividades humanas para mitigar la sequía.
La sequía agrícola puede llamarse sequía agrícola natural si ocurre en condiciones naturales sin ninguna intervención artificial. Estas
condiciones previas existen para pastizales, arbustos y bosques y son raras en tierras de cultivo dado que los agricultores tomarían
medidas contra la sequía a través de prácticas de selección de cultivos, riego y labranza para salvar el cultivo mitigando los impactos de la
sequía (Li et al., 2018b ; Wilhelmi y Wihite, 2002 ). Por lo tanto, la sequía agrícola natural se considera un fenómeno natural ( Wang et al.,
2016b ), mientras que la sequía agrícola real ocurre como siempre, incluso con el alto nivel de interferencia de las actividades humanas.
El PDSI describe la variabilidad de la humedad del suelo impulsada por el clima sin considerar los impactos de las actividades humanas,
como el riego y las medidas de conservación del agua. Por lo tanto, las características del PDSI determinan que este pueda reflejar
únicamente la sequía agrícola en condiciones naturales. es decir, sequía agrícola natural. Por otro lado, el VHI puede representar una
sequía agrícola real ya que se basa en sensores remotos y monitorea directamente el estrés de los cultivos, lo que refleja el impacto de las
actividades humanas como el riego, las prácticas de labranza y las variedades tolerantes al estrés. Las diferencias en la extensión espacial
y la frecuencia de ocurrencia en un período determinado entre los dos indicadores se pueden utilizar para describir los efectos de las
medidas contra la sequía en la mitigación de la sequía.
Dado que el PDSI y el VHI tienen diferentes definiciones de intensidad y duración, que son difíciles de detectar cuando se utilizan
conjuntos de datos mensuales, la cobertura espacial y la frecuencia se utilizan a menudo para cuantificar la sequía. Se desarrollan dos
indicadores utilizando la diferencia porcentual para cuantificar el efecto de la mitigación. Un indicador son los cambios en la frecuencia
de ocurrencia de sequías agrícolas (ADFC), y el otro son los cambios en el área afectada por sequías agrícolas (ADAC). Cuanto menores
sean los valores de ADFC y ADAC, mayor será el efecto de mitigación de la sequía agrícola, y viceversa.
donde i es la temporada, la primavera es la primera temporada de crecimiento, que es de marzo a mayo, el verano es la segunda
temporada, que es de junio a agosto para el NCP, y solo ocurre una temporada de crecimiento en el NEC, que es de mayo a agosto El PDSI y
el VHI son los índices de sequía agrícola natural y real. α es el umbral para determinar la sequía con el PDSI, y β es el umbral para
determinar la sequía con el VHI. Se considera un solo grupo de severidad de sequía, sin más dividirse en grupos leve, moderado, grave y
extremo. Tanto la serie temporal ADFC como la ADAC se generan en 6 provincias y se promedian en diferentes períodos (1982–1990,
1991–2000, 2001–2010 y 2011–2018).
Para una comparación adecuada entre el PDSI y el VHI, el umbral de sequía debe definirse desde el principio. Los rangos de valores de los
dos índices no son los mismos. La Fig. 2 muestra el porcentaje de área bajo los valores específicos de PDSI y VHI con pasos de 0,5 para
PDSI y 5 para VHI en las tierras de cultivo de secano de Heilongjiang. >90% de las tierras de cultivo son de secano en Heilongjiang con
medidas limitadas contra la sequía en la década de 1980. Las tierras de cultivo de secano se seleccionaron utilizando la máscara de riego
de la FAO y las tierras de cultivo de ChinaCover ( http://www.fao.org/aquastat/en/geospatial-information/global-maps-irrigated-areas ) ↗).
Del mapa de distribución, encontramos que el área afectada aumentó linealmente con el valor PDSI pero se curvó exponencialmente para
el VHI. Sin embargo, las áreas afectadas fueron iguales (23.96%), cuando el PDSI fue < −0.5 y el VHI fue <45, suponiendo que el área
afectada por sequía detectada tanto por el PDSI como por el VHI fuera la misma para las áreas agrícolas de secano. En este caso, los valores
de PDSI inferiores a -0,5, que es el valor del parámetro α, y los valores de VHI <45, que es el valor del parámetro β, se consideran
condiciones de sequía.

figura 2 Distribución del porcentaje de área por debajo de los umbrales específicos de PDSI y VHI para las tierras de cultivo de secano de
Heilongjiang en la década de 1980.
3 . Resultados
3.1 . Variaciones y cambios en el PDSI y VHI

El clima monzónico de China provoca frecuentes sequías. La Tabla 1 muestra los promedios de PDSI y VHI para 6 provincias en primavera
(marzo a mayo) y verano (mayo a agosto) para NEC y de junio a agosto para NCP. El PDSI promedio de marzo a mayo en el NCP es inferior
a −1 ( Tabla 2 ), lo que indica que la primavera es una estación propensa a la sequía y que la condición mejora en el verano en el NCP (
Yang et al., 2016 ; Yu et al., 2019). Hebei se volvió peor que antes en el nuevo siglo. La sequía en Henan durante los últimos 10 años ha sido
más severa que en otros años tanto en primavera como en verano. La sequía en NEC no fue tan severa como la del NCP pero fue la peor en
la primera década de este siglo. Entre las 6 provincias, Hebei es la provincia más propensa a la sequía, y las sequías son más graves aquí
que en las otras 5 provincias. Las segundas sequías más severas ocurren en Shandong.
Tabla 2 . Los valores promedio de PDSI y VHI para 6 provincias.
Índice Período PNC Comité ejecutivo nacional
Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)
Hebei Shandong Henán Hebei Shandong Henán Heilongjiang Liaoning Jilin
PDSI 1982-1989 −1,39 −1,63 −1,03 −1,18 −1,96 −0,49 1.43 −2,35 −0,20
PDSI 1990-1999 −1,78 −1,65 −1,47 −1,28 −1,00 −0,83 0.01 −0,89 −0,64
PDSI 2000-2009 −2,88 −1,22 −1,50 −2,56 −0,68 −0,24 −1,93 −3,15 −3,00
PDSI 2010-2018 −2,15 −2,23 −1,91 −1,91 −1,76 −1,98 −0,66 −2,62 −1,43
VHI 1982-1989 39.99 40.02 38.93 55.61 54.40 51.52 54.41 46.97 51.50
VHI 1990-1999 54.47 57.21 51.88 55.84 56.45 55.91 53.72 54.14 54.59
VHI 2000-2009 50.50 53.14 55.41 54.22 57.62 54.67 43.25 45.17 45.65
VHI 2010-2018 46.14 51.28 55.70 60.39 54.17 57.09 51.28 51.37 50.68
La sequía detectada por el VHI es bastante diferente a la detectada por el PDSI. Para todas las provincias de NCP, hay un aumento aparente
en los valores de VHI (Hebei: +6,16, Shandong: +11,26, Henan: +16,77) durante la primavera desde la década de 1980 hasta la de 2010. En
verano, el aumento del VHI es menor (Hebei: +4,78, Shandong: +0, Henan: +5,57). Para las provincias de NEC, el cambio en los valores de
VHI es bastante pequeño (Heilongjiang, −3,13, Liaoning: +4,40, Jilin: −0,81). Si bien casi todos los valores de PDSI en NEC disminuyeron
entre las décadas de 1980 y 2010, las diferentes pendientes de cambio entre PDSI y VHI podrían ser un marcador de la influencia humana
en las condiciones naturales de sequía.
La figura 3 muestra la serie temporal del PDSI y VHI sobre las 6 provincias seleccionadas. La línea verde en la Fig. 3 indica el umbral de
sequía. Cuanto más por debajo de la línea verde está el PDSI, peor es la sequía. Si bien el PDSI varió alrededor de la línea de sequía en
varias provincias, el VHI estuvo cerca de la línea de sequía en la década de 1980 y se mantuvo por encima de la línea de sequía en la
mayoría de los años desde 1990 en el NCP. Hay variabilidades y cambios similares en el PDSI y VHI en NEC. Las diferencias en los valores
de VHI en primavera y verano en la provincia de Hebei son mucho mayores que las diferencias en el PDSI.

Figura 3 . Serie de tiempo del promedio de PDSI (línea continua negra) y VHI (línea continua amarilla) en 6 provincias seleccionadas
durante la primavera (delgada), el verano (gruesa) y la temporada de crecimiento. (Para la interpretación de las referencias al color en la
leyenda de esta figura, se remite al lector a la versión web de este artículo).
El modo principal de la variabilidad en el PDSI y el VHI es una salida gradual. Las salidas se han producido en Hebei desde la década de
1980 y se ampliaron después de 1995; en Henan, las salidas han ocurrido desde 2005. No hubo una salida obvia en Shandong antes de
2015, aunque el VHI estuvo mayormente por encima de la línea de sequía. Esta salida se produjo después de 2012 para las tres provincias
de NEC. Las salidas fueron más significativas a nivel de ambas provincias para el NCP que para NEC.
3.2 . Cambio de frecuencia de sequía

Las distribuciones de frecuencia de sequía en primavera y verano se produjeron utilizando el PDSI y el VHI durante 37 años durante el
período 1982-2018 ( Fig. 4 ) y se resumen en la Tabla 3 . La frecuencia con la que la sequía derivada del PDSI es amplia en cobertura y alta
en frecuencia.
Descargar : Descargar imagen de alta resolución (3MB)



Figura 4 . La frecuencia de sequía y sus cambios derivados del (a) PDSI, (b) VHI y (c) ADFC.
Tabla 3 . Frecuencia de sequía derivada del PDSI, VHI y ADFC para 6 provincias.
Frecuencia Región PNC Comité ejecutivo nacional
Estación Marzo mayo Junio agosto mayo-agosto
Provincias Hebei Shandong Henán Hebei Shandong Henán Heilongjiang Liaoning Jilin
1980 81,6% 77,4% 64,7% 72,6% 87,6% 51,2% 32,7% 57,3% 37,0%
1990 64,8% 75,8% 63,6% 53,4% 57,0% 65,4% 39,6% 53,8% 49,2%
f(PDSI)
años 2000 93,6% 70,2% 74,8% 87,1% 64,7% 57,3% 77,7% 87,5% 87,8%
2010s 88,0% 79,2% 85,4% 78,0% 81,0% 82,4% 46,2% 56,7% 55,4%
1980 73,7% 73,0% 76,4% 37,6% 40,6% 42,3% 36,3% 50,3% 46,9%
1990 39,9% 30,7% 41,8% 28,7% 27,7% 29,5% 36,3% 36,4% 34,3%
f(VHI)
años 2000 48,6% 39,8% 35,0% 39,5% 26,7% 33,7% 66,9% 58,2% 58,5%
2010s 57,9% 42,1% 32,3% 26,2% 36,2% 27,5% 42,3% 43,8% 42,7%
1980 −9,7% −5,7% 18,2% −48,3% −53,7% −17,4% 11,1% −12,3% 26,8%
1990 −38,5% −59,5% −34,4% −46,2% −51,4% −54,9% −8,4% −32,3% −30,3%
ADFC
años 2000 −48,1% −43,3% −53,2% −54,7% −58,8% −41,2% −13,9% −33,5% −33,3%
2010s −34,3% −46,8% −62,2% −66,4% −55,3% −66,6% −8,4% −22,8% −22,9%
En los últimos 37 años, Hebei ha tenido la frecuencia de sequía más alta detectada por el PDSI, que va del 64,8 % en la década de 1990 al
93,6 % en la década de 2000 en la temporada de primavera ( marzo a mayo) y del 53,4 % al 87,1 % en el verano. (junio a agosto). Por otro
lado, utilizando los resultados del VHI de 1982 a 2018, la frecuencia de sequía en Hebei varió del 39,9 % al 57,9 % en primavera y del 26,2 %
al 39,5 % en verano. La frecuencia de las sequías se redujo en un 9,7 % en la década de 1980, significativamente en un 38,5 %, 48,1 % y 34,3
% en las décadas de 1990, 2000 y 2010, respectivamente, en primavera, y en un 48,3 %, 46,2 %, 54,7 % y 66,4 %, respectivamente. en verano.
Shandong mostró cambios similares. La frecuencia de las sequías se redujo en un 5,7 % en la década de 1980, con reducciones
significativas del 59,5 %, 43,3 % y 46,8 % en las décadas de 1990, 2000 y 2010, respectivamente, en primavera y reducciones del 53,7 %, 51,4
%, 58,8 % y 55,3 %, respectivamente. en verano. La frecuencia de la sequía en Henan cambió en un 18,2 %, -34,4 %, -53,2 % y -62,2 % en
primavera y disminuyó en un 17,4 %, 54,9 %, 41,2 % y 66,6 % en verano en las décadas de 1980, 1990, 2000 y 2010. respectivamente.
Para las tres provincias en NEC, no hubo grandes diferencias en la frecuencia de la sequía en la provincia de Heilongjiang, pero hubo
reducciones en las provincias de Liaoning y Jilin durante las últimas tres décadas. La reducción de la frecuencia de sequía aumentó
significativamente en la temporada de primavera pero no para la temporada de verano en NCP ni para las provincias en NEC.
Los diferentes patrones de frecuencia de sequía en la Fig. 4 demuestran que la frecuencia de sequía agrícola real en primavera (marzo-
mayo) y verano (junio-agosto) en el PNC es significativamente diferente de la sequía agrícola natural que ocurre bajo condiciones
naturales.
Figura 4(a) muestra la frecuencia de sequía agrícola natural de la década reflejada por el PDSI. La sequía de primavera se produjo en un
rango relativamente amplio y la frecuencia también fue relativamente alta, especialmente en las décadas de 2000 y 2010. La frecuencia de
ocurrencia fue mucho mayor en las décadas de 2000 y 2010 que en las otras décadas en el PNC. En la década de 2000, la sequía ocurrió
principalmente en la parte norte del NCP, mientras que en la década de 2010, ocurrió principalmente en Henan, en el sur del NCP. Las
sequías de verano ocurrieron con menos frecuencia que las sequías de primavera, pero ocurrieron con más frecuencia en la década de
1980 que las sequías de primavera, principalmente en la provincia de Shandong en la década de 1980 y en la parte norte de NCP en la
década de 2000. La frecuencia de sequía en NEC fue significativamente menor que en NCP, pero no ocurrió lo mismo en la década de
2000.
Sin embargo, la frecuencia real de sequía agrícola detectada por el VHI ( Fig. 4b ) fue diferente de la detectada por el PDSI. Con excepción
de la frecuencia de sequía primaveral en la década de 1980 en el PNC, que fue relativamente alta, la frecuencia de sequía en otras décadas
fue relativamente baja, la distribución espacial fue homogénea y la alta frecuencia se presentó principalmente en las áreas marginales del
PNC y el áreas que rodean la llanura del noreste, que son campos inclinados en áreas montañosas.
Como resultado, la diferencia relativa en la frecuencia de sequía que se muestra en la Fig. 4 (c) disminuyó significativamente. En
particular, la frecuencia de la sequía de verano en el NCP disminuyó significativamente y la frecuencia de la sequía de primavera en el NCP
no disminuyó significativamente en la década de 1980, pero la frecuencia de ocurrencia disminuyó significativamente después de la
década de 1990. En NEC, la frecuencia de ocurrencia de sequías, especialmente en la década de 2000, se ha mitigado de manera efectiva,
aunque no fue tan efectiva en algunas de las áreas marginales.
3.3 . Cambios en el área afectada por la sequía

Tanto la Tabla 4 como la Figura 5 muestran los porcentajes de área afectada por la sequía por década del área total de tierras de cultivo en
las seis provincias. El área afectada por la sequía decenal se define como el porcentaje promedio de sequía que ocurre en el intervalo de la
década. El área afectada detectada por el PDSI es >70% para el NCP en primavera pero varía para el NCP en verano y para el NEC ( Tabla 4).
Sin embargo, el área total afectada por la sequía (VHI < 45) ocupó del 41,2 % en la década de 1990 al 73,7 % en la década de 1980 para las
tierras de cultivo de Hebei durante la temporada de primavera. En comparación con el PDSI, el área total inducida por sequía disminuyó
del 9,6 % en la década de 1980 al 48 % en las décadas de 1990 y 2000. La mayor reducción afectada por la sequía se produjo en Shandong
en la década de 1990, con una reducción del 62,4 % en la temporada de primavera, del 66,1 % en Hebei en la década de 2010 durante la
temporada de verano y del 42 % en Liaoning en la década de 1990.
Tabla 4 . Porcentaje de área afectada por sequía detectada por el PDSI y el VHI.
Estación Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)
Provincia Hebei Shandong Henán Hebei Shandong Henán Heilongjiang Liaoning Jilin
1980 81,6% 77,4% 73,9% 72,6% 87,6% 58,3% 32,7% 88,5% 56,6%
1990 79,6% 83,9% 79,1% 66,7% 63,4% 72,7% 49,5% 66,7% 61,4%
PDSI
años 2000 93,6% 70,2% 82,4% 87,1% 64,7% 57,3% 85,2% 97,2% 97,5%
2010s 88,0% 88,9% 85,4% 78,0% 81,0% 82,4% 59,4% 72,8% 70,9%
1980 73,7% 73,1% 75,4% 37,6% 40,7% 44,1% 36,4% 55,6% 43,3%
1990 41,2% 31,5% 42,1% 34,9% 30,5% 32,3% 38,4% 38,6% 35,8%
VHI
años 2000 48,6% 39,9% 33,0% 39,5% 26,7% 33,8% 70,1% 63,1% 61,6%
2010s 58,1% 43,4% 33,1% 26,4% 37,2% 28,3% 44,4% 44,9% 45,2%
ADAC 1980 −9,6% −5,6% 2,0% −48,2% −53,6% −24,4% 11,3% −37,2% −23,5%
1990 −48,3% −62,4% −46,7% −47,6% −51,9% −55,6% −22,4% −42,0% −41,8%
años 2000 −48,1% −43,2% −59,9% −54,6% −58,7% −41,1% −17,7% −35,1% −36,8%
Estación Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)
Provincia Hebei Shandong Henán Hebei Shandong Henán Heilongjiang Liaoning Jilin
2010s −34,0% −51,2% −61,3% −66,1% −54,1% −65,7% −25,2% −38,3% −36,3%

Figura 5 . Tendencia en el ADAC sobre las seis provincias con cambios significativos marcados (p < .1: Hebei Spring, Hebei Summer, Henan
Spring, Henan Summer, Jilin).
Las reducciones porcentuales del área afectada por la sequía en Hebei y Henan han sido significativas ( p < 0,05) desde la década de 1980
en la primavera y no significativas en las provincias de Shandong o NEC, excepto Liaoning, que disminuyó significativamente ( p < 0,1), lo
que indica que Las medidas contra la sequía han derrotado con éxito las condiciones de sequía natural hasta cierto punto en la temporada
de primavera ( Fig. 5 ).
Las áreas afectadas por la sequía primaveral en cada provincia se han reducido considerablemente. El ADAC promedio para las seis
provincias varió de −21% (bajo: −53,6%, alto: 11,3%) en la década de 1980 a 47% (bajo: −62,4%, alto: −22,4%) en la década de 1990 y −48%
(bajo: −66,1%, alto: −25,2%) después de 2010. Con el tiempo, el efecto de mitigación de la sequía agrícola se fortaleció y el efecto de
mitigación fue más evidente en los últimos 15 años.
Aplicamos un análisis de tendencia a los valores PDSI que se muestran en la Fig. 3 y encontramos que todas las provincias de NCP y NEC
exhibieron tendencias decrecientes (pendiente < 0), y una tendencia decreciente significativa ocurrió en primavera en Henan (p < .05), lo
que significa que las tendencias de sequía agrícola bajo condiciones naturales en el NCP y NEC no estaban mejorando. Combinando los
resultados de la tendencia PDSI y la tendencia ADAC en la Fig. 5 , encontramos que mientras las condiciones de sequía agrícola (PDSI) no
mejoraron, los efectos de mitigación de la sequía mejoraron en el NCP y NEC y fueron especialmente significativos en Henan y Hebei. Este
resultado podría ser una indicación de que Hebei y Henan han mitigado con éxito las áreas afectadas por la sequía durante las últimas
cuatro décadas.
La distribución anual de ADAC en la Fig. 5 muestra que Hebei y Henan experimentaron un aumento significativo en los efectos de
mitigación de la sequía en primavera y verano, lo que indica que la vulnerabilidad a la sequía de estas provincias disminuyó durante la
última década, lo cual es consistente con la investigación de He et al . . (2013) , quienes demostraron que el PNC del sur, incluidos Henan y
el sur de Hebei, tiene una baja vulnerabilidad a la sequía. Para Shandong, aunque el cambio de ADAC no fue significativo, Shandong ha
tenido un ADAC más bajo que las otras dos provincias de NCP desde la década de 1990, lo que demuestra que Shandong tenía una mejor
base para vencer la sequía en la etapa inicial del período de investigación.
3.4 . Indicación de mitigación para eventos de sequía extrema

El ADAC puede reflejar los efectos de mitigación del área de sequía a escala anual y puede usarse para evaluar la influencia de la
intervención humana que ocasionalmente ocurre bajo condiciones de sequía extrema. Tabla 5muestra los años de sequía extrema elegidos
por los valores promedio de PDSI de las tierras de cultivo inferiores a -3 en el período de investigación. También se muestran los
porcentajes de tierras de cultivo afectadas por la sequía detectados por PDSI, VHI y ADAC. En general, el porcentaje de afectados por la
sequía del PDSI fue alto en los años extremos a lo largo de cuatro décadas, por lo general >90% en las provincias de NCP y NEC. Los
porcentajes de afectados por la sequía del VHI fueron diferentes de los porcentajes del PDSI con valores altos en 1982 y han disminuido
significativamente desde entonces. En consecuencia, el ADAC fue alto en 1982, con las sequías PDSI y VHI exhibiendo diferencias muy
pequeñas, lo que significa que la sequía agrícola natural bajo condiciones naturales fue mitigada dentro de un área pequeña, y la mayoría
de las áreas afectadas por la sequía agrícola natural extrema experimentaron sequías Durante la primavera en Hebei, el ADAC fue alto en
1982 y disminuyó durante las sequías de 1999–2000 y 2017–2018. El ADAC de verano de Hebei también exhibió un patrón de cambio
similar con un ADAC alto durante la sequía de 1999 (−23,8 %) y un ADAC mucho más bajo durante la sequía de 2017–2018 (2017: −70,6 %,
2018: −72,5 %), lo que significa que cualquier sequía agrícola natural se mitigó en gran medida en 2017 en comparación con las de 1999.
En las provincias de NEC, los años de sequía agrícola más extrema en Jilin exhibieron ADAC similares por encima del 40%, excepto en 1982,
2000 y 2003, cuando la sequía ocurrió en marginales. áreas Las provincias NEC no mostraron muchos cambios según el ADAC durante tres
décadas, similar a las provincias NCP, posiblemente debido a las diferentes estrategias de uso del agua utilizadas en el NEC, ya que las
precipitaciones en el NEC satisfacen las necesidades de los cultivos. El ADAC de verano de Hebei también exhibió un patrón de cambio
precipitaciones en el NEC satisfacen las necesidades de los cultivos. El ADAC de verano de Hebei también exhibió un patrón de cambio
precipitaciones en el NEC satisfacen las necesidades de los cultivos. 8 %) y un ADAC mucho más bajo durante la sequía de 2017–2018
(2017: −70,6 %, 2018: −72,5 %), lo que significa que cualquier sequía agrícola natural se mitigó en gran medida en 2017 en comparación con
las de 1999. En las provincias de NEC , los años de sequía agrícola más extrema en Jilin exhibieron ADAC similares por encima del 40%,
excepto en 1982, 2000 y 2003, cuando la sequía ocurrió en áreas marginales. Las provincias NEC no mostraron muchos cambios según el
ADAC durante tres décadas, similar a las provincias NCP, posiblemente debido a las diferentes estrategias de uso del agua utilizadas en el
NEC, ya que las precipitaciones en el NEC satisfacen las necesidades de los cultivos. 8 %) y un ADAC mucho más bajo durante la sequía de
2017–2018 (2017: −70,6 %, 2018: −72,5 %), lo que significa que cualquier sequía agrícola natural se mitigó en gran medida en 2017 en
comparación con las de 1999. En las provincias de NEC , los años de sequía agrícola más extrema en Jilin exhibieron ADAC similares por
encima del 40%, excepto en 1982, 2000 y 2003, cuando la sequía ocurrió en áreas marginales. Las provincias NEC no mostraron muchos
cambios según el ADAC durante tres décadas, similar a las provincias NCP, posiblemente debido a las diferentes estrategias de uso del
agua utilizadas en el NEC, ya que las precipitaciones en el NEC satisfacen las necesidades de los cultivos. los años de sequía agrícola más
extrema en Jilin exhibieron ADAC similares por encima del 40%, excepto en 1982, 2000 y 2003, cuando la sequía ocurrió en áreas
marginales. Las provincias NEC no mostraron muchos cambios según el ADAC durante tres décadas, similar a las provincias NCP,
posiblemente debido a las diferentes estrategias de uso del agua utilizadas en el NEC, ya que las precipitaciones en el NEC satisfacen las
necesidades de los cultivos. los años de sequía agrícola más extrema en Jilin exhibieron ADAC similares por encima del 40%, excepto en
1982, 2000 y 2003, cuando la sequía ocurrió en áreas marginales. Las provincias NEC no mostraron muchos cambios según el ADAC
durante tres décadas, similar a las provincias NCP, posiblemente debido a las diferentes estrategias de uso del agua utilizadas en el NEC, ya
que las precipitaciones en el NEC satisfacen las necesidades de los cultivos.
Table 5. Average values and drought areas of the PDSI VHI and ADAC in extreme natural agricultural drought years.
Spring March–May
PDSI VHI PDSI drought area VHI drought area ADAC
Hebei Shandong Henan Hebei Shandong Henan Hebei Shandong Henan Hebei Shandong Henan Hebei Shandong Henan
1982 −3.5 −4.41 28.52 20.76 100.00% 100.00% 84.80% 96.40% −15.20% −3.60%
1999 −3.25 −3.86 −3.13 64.91 68.74 55.2 91.20% 100.00% 100.00% 18.50% 13.80% 36.10% −79.80% −86.20% −63.90%
2000 −3.6 −3.17 −4.1 56.93 62.2 46.82 99.10% 100.00% 100.00% 29.20% 15.40% 58.70% −70.50% −84.60% −41.30%
2002 −5.16 −3.66 −3.31 54.6 50.38 51.08 100.00% 100.00% 100.00% 37.50% 46.90% 45.50% −62.50% −53.10% −54.50%
2014 −3.19 −4.02 45.83 51.12 100.00% 100.00% 56.10% 41.60% −43.90% −58.40%
2017 −3.11 −3.5 49.66 52.91 100.00% 100.00% 47.30% 37.90% −52.70% −62.10%
2018 −4.12 −3.6 47.8 49.33 100.00% 100.00% 54.80% 45.20% −45.20% −54.80%
Summer June–August
1982 −4.02 47.04 100.00% 58.10% −41.90%
Summer June–August
1999 −4.07 −3.97 −3.23 50.15 57.38 55.1 96.20% 100.00% 100.00% 50.90% 26.40% 31.60% −47.00% −73.60% −68.40%
2000 −4.31 −3.16 39.92 46.79 100.00% 100.00% 76.20% 60.10% −23.80% −39.90%
2002 −4.76 −3.9 46.94 44.99 100.00% 100.00% 57.20% 64.00% −42.80% −36.00%
2014 −3.12 −3.44 −4.37 59.41 50.64 54.19 100.00% 100.00% 100.00% 29.40% 44.10% 33.30% −70.60% −55.90% −66.70%
2017 −3.32 −3.36 58.65 53.32 100.00% 100.00% 27.50% 39.60% −72.50% −60.40%
Growing May–August
season
Heilongjiang Liaoning Jilin Heilongjiang Liaoning Jilin Heilongjiang Liaoning Jilin Heilongjiang Liaoning Jilin Heilongjia
1982 −3.8 −2.56 36.13 37.28 100.00% 100.00% 76.67% 78.58%
2000 −3.91 −3 31.9 33.95 100.00% 99.54% 94.49% 93.11%
2002 −3.07 −5.02 −5.18 46.82 46.35 47.75 96.29% 100.00% 97.81% 62.44% 63.26% 57.90% −35.20%
2003 −3.07 −4.37 −4.57 37.39 40.78 44.18 100.00% 99.77% 100.00% 84.57% 80.56% 72.29% −15.40%
2008 −3.5 −3.12 43.65 49.14 98.49% 97.84% 71.71% 53.44% −27.20%
2017 −5.31 −2.96 48.05 50.46 100.00% 90.81% 54.92% 45.93%
2018 −5.46 −3.25 47.17 48.39 100.00% 94.10% 55.70% 50.33%
Notably, from 2014 to 2016, when a strong El Niño struck China with a heavy decrease in rainfall in the NCP (Ma et al., 2018; Zhai et al.,
2016), the PDSI values in Shandong and Henan provinces were very low in 2014 (Table 5), indicating a strong drought. However, due to
the use of proper solutions, agricultural losses were generally not very severe, which was reflected by the normal VHI values (45.83 and
51.12 for Shandong and Henan, respectively) and low ADAC values (−43.90% and − 58.40%, respectively). The ADAC values show that nearly
44% and 58% of the natural agricultural drought-affected area was successfully mitigated by human interventions. Contrary to the 2014 El
Niño, the 1982 El Niño caused a severe drought in the spring in the NCP, especially in Shandong (the PDSI mean value was less than −4)
and Hebei provinces, due to the use of less developed methods for defeating extreme disasters; thus, Shandong suffered significant
agricultural losses (Tao et al., 2004), and the ADAC was only −3.6% for Shandong. Another extreme drought occurred in 1999 under the
influence of the 1998 El Niño. The average PDSI values in spring in the NCP provinces were all less than −3, and the ADAC was sufficient in
1999 with values lower than 80%, meaning that >80% of affected area by the natural agricultural droughts did not actually experience
drought. The high ADAC value is consistent with low drought mitigation measures. This comparison of different El Niño years showed
that the ADAC has advantages in evaluating drought mitigation effects during occasional drought events.
3.5. Factors contributing to drought-affected area reduction

To understand what factors contributed the most to the reduction in drought-affected area, Fig. 6 shows the relationship of the ADAC
with irrigated cropland area, reservoir capacity and agricultural plastic usage. The ADAC exhibits a significant relationship with irrigated
area in Hebei, Henan and Heilongjiang provinces and agricultural plastic usage in Henan, Heilongjiang and Liaoning provinces, indicating
the usefulness of irrigation and agricultural plastic usage in reducing drought-affected areas. In Henan Province, agricultural plastic usage
increased from <30,000 tons in 1990s to >140,000 tons in 2010s and is highly correlated with decreasing drought. The reservoir capacity
shows a positive effect on reducing drought with a weak relationship, since it increases the water supply and strongly alters hydrological
drought (Wu et al., 2018).
Download : Download high-res image (1MB)

Download : Download full-size image
Fig. 6. Scatterplots of the difference in drought-affected area percentages detected by the PDSI and VHI over the 6 selected provinces from
1982 to 2018 in comparison to irrigation area (cross), reservoir capacity (asterisk) and plastic film usage (open circle).
Fig. 7 shows the annual ADAC and the provincial irrigation area, reservoir capacity and agricultural plastic usage data for the six
provinces. All three statistical indicators have greatly increased in all provinces along with the decrease in the ADAC in the three
provinces and NCP but are not obvious in NEC. Notably, some years in the 1980s and 2010s showed similar low area differences, but the
reasons behind these differences were quite different. In the 1980s, the area differences could be low with high PDSI and VHI drought
areas, while during some years in the 2010s, the PDSI and VHI drought areas were both low. To some extent, the high correlation could
confirm the effectiveness of using differences in drought area and frequency between the PDSI and VHI to monitor the human activities
influencing drought.
Download : Download high-res image (927KB)

Download : Download full-size image
Fig. 7. Temporal development of annual statistics and the ADAC.
4. Discussion
Regional drought is the combined consequence of natural changes and human activities (Fu et al., 2008). Factors that influence drought
propagation include regional climate process and local land surface characteristics (Barker et al., 2015; Van Loon and Laaha, 2015) as well
as human activities (Wang et al., 2016b). Many drought indices have been proposed for describing the drought characteristics (Hayes et
al., 2012; West et al., 2019). However, there are differences in the ability of meteorological and agricultural indicators to describe drought
characteristics (Hayes et al., 2012; Qin et al., 2015; Wang et al., 2016a; Wang et al., 2018). Differences in drought characteristics derived
from indices, particularly in drought-affected areas and frequency of occurrence provide valuable information on drought mitigation
effects. In this paper, a method to quantify the mitigation effect is proposed by using the changes in the drought characteristics of
frequency and affected area percentage detected by the PDSI and VHI, assuming that the PDSI represents agricultural drought under
natural conditions and the VHI is the mark of actually stressed vegetation drought. Two indicators are proposed to quantify drought
mitigation. One indicator is the ADFC, representing the changes in drought frequency, and the other is the ADAC, representing the
drought-affected area reduction from natural to actual conditions.
4.1. Performance of the ADFC and ADAC

Both the PDSI and VHI are popular drought indices that have been used to describe drought characteristics (Dai, 2011; Kogan et al., 2019;
Tian et al., 2018; Troy et al., 2015; Yan et al., 2016a). The PDSI describes the soil moisture variation caused by climate change without
considering the impact of field practices such as irrigation and tillage practices. The VHI reflects actual vegetation under stress or soil
moisture deficits. The drought characteristics derived from both the PDSI and VHI should not make much difference under natural
conditions without any human interventions. In other words, the different drought characteristics obtained from the PDSI and VHI and
their temporal process of their departure could reflect the agricultural drought mitigation level. This means that differences in drought
characteristics detected by the PDSI and VHI can be used to capture the impacts of anti-drought measures. Drought indices are usually
grouped into meteorological drought, agricultural drought and hydrological drought and analyses have been performed for temporal
changes and impacts of drought on yield, water tables, river discharges (Bhuiyan et al., 2006; Bokusheva et al., 2016; Khan et al., 2008;
Kogan, 2002; Wu et al., 2018). These analytical methods performed well in monitoring different aspects of drought dynamics. Large
differences were observed between drought-affected areas detected by different indices (Qin et al., 2015; Yang et al., 2018). Thus, new
indices were developed in this research to quantify the differences and explore the values.
It is obvious that both indicators are highly relevant to drought mitigation. The ADFC can reflect the differences in drought occurrence
frequency detected by the PDSI and VHI in different decades. The tendency of the ADFC can reflect the changes in drought frequency
differences in different decades, which helps to macroscopically understand the characteristics of drought occurrence in different time
periods. The ADAC is an indicator of the difference in drought-affected areas detected by the PDSI and VHI. It is obvious that drought areas
detected by the PDSI are larger than those detected by the VHI. The larger the difference is, the higher the mitigating effect of anti-
drought measures. The time series changes in ADAC can also reflect the changes in the contribution of anti-drought measures.
Both ADFC and ADAC can explain the impacts of overall anti-drought measures, including irrigation, drought-tolerant seeds, farm
performance, planting density, and tillage practices. There is hardly any inclusion or exclusion of specific measures in this study. The anti-
drought measures might not truly make a difference (Lobell, 2014). Drought-tolerant varieties were developed to ensure crop production
under mild drought conditions, but when faced with extreme drought, too much planting can exacerbate the drought risk. While the
current maize varieties are robust to crowding and farmers are capable of obtaining many plants per field, this same crowding effect takes
a toll when water resources are restricted (Uwizeyimana et al., 2018). Expansion of irrigation could reduce the amount of water available
for crops on average and might increase the drought risk. Drought-affected areas could be larger than nonirrigated areas in the event of
extreme dry weather (Hornbeck and Keskin, 2014; Troy et al., 2015). Therefore, both ADFC and ADAC provide a method to describe the
comprehensive performances of anti-drought measures undertaken in a region.
The effects of drought mitigation with irrigation and other measures (Uwizeyimana et al., 2018) can be characterized using yield.
However, yield is also affected by other factors, such as different farming practices and different crop breeds that vary in drought
tolerance, fertilizer and pesticide characteristics (Tian et al., 2018). There is no evidence to support that farmer yields are becoming less
sensitive to drought in the main maize and soybean-growing states (Hornbeck and Keskin, 2014; Lobell, 2014).
4.2. Effects of drought mitigation in the NCP and NEC

Drought is a complex natural phenomenon, and drought has not changed much over the past 60 years considering the changes in
available radiation and meteorological parameters (Sheffield et al., 2012). Since the late 1990s, droughts have occurred at increased
frequency and severity across China, especially in the NCP (Yu et al., 2014; Zhai et al., 2016; Zou et al., 2005). Concurrently, consecutive
drought has also increased across China (Chen and Sun, 2015).
As human activities could reduce natural drought conditions, the actual drought was less than the natural drought (Qin et al., 2015; Yang
et al., 2018). In every province, differences in drought frequency and drought area between the PDSI and VHI could reflect the
intervention degree of human activities during natural drought events; the higher the differences are, the lower the ADAC and ADFC
values will be.
Based on the ADAC and ADFC time series, the drought mitigation performances of the NCP and NEC provinces can be evaluated. The
comparison of the differences in ADFC across the last four decades (1980s, 1990s, 2000s and 2010s) revealed that the ADFC decreased
strongly between the 1980s and 2010s in the three NCP provinces, with a 24.6% decrease in Hebei, 80.3% decrease in Henan and 41.1%
decrease in Shandong, which was confirmed by other studies (Piao et al., 2010; Yang et al., 2018; Yu et al., 2014). In summer, the ADFC
values of the three provinces in North China did not decrease as much as those in spring. The Hebei, Henan, and Shandong ADFCs
decreased by 18.2%, 49.2%, and 1.6%, respectively. This result can explain why no agricultural losses but frequent droughts were observed
in the NCP (Zhang et al., 2019). The declines in ADFCs in the three NEC provinces were lower than those in the NCP. In general, human
activities in NCP have a strong mitigation effect on spring drought, and the mitigation effects in NCP and NEC in summer are not large,
which is consistent with the characteristics of irrigation agriculture in spring in the NCP and rainfed agriculture in NEC and limited
irrigation in summer in the NCP. The ADAC and the ADFC could reflect similar change patterns in the drought mitigation effects at the
decadal scale in the NCP and NEC.
Furthermore, the ADAC could reflect the drought mitigation effects at an annual scale. We found that with the development of drought
mitigation methods, the NCP's reaction to extreme droughts, such as those resulting from El Niño, improved between 1982 and 2014. The
2014–2016 El Niño has been regarded as one of the three most severe El Niño events since 1950 (L'Heureux et al., 2017). The 1982 El Niño-
induced drought was less severe than that in 2014 with a slightly higher PDSI (Zhai et al., 2016), but the ADAC in 2014 was much lower
than that in 1982, indicating that the drought area mitigation effect in 2014 was much better than that in 1982. Another extreme drought
occurred in 1999 under the effect of the 1998 El Niño influence. The average PDSI values in spring in the NCP provinces were all less than
−3, and the ADAC was lower than 80% in 1999, meaning that >80% of the meteorological drought-affected areas did not actually
experience drought. This finding is confirmed by other studies (Qin et al., 2015). By analyzing the ADAC performances for the three single
drought events, we conclude that the ADAC could indicate the drought mitigation effects at an annual scale, especially when extreme
drought occurred, and the change in drought-affected areas could directly show the influence of anti-drought measures. According to
Table 5, the extreme meteorological drought years are selected, and the PDSI and VHI drought areas are compared with the ADAC. We
found that the ADAC changed over time, which can be an indicator of the effects of human drought mitigation.
The ADAC differences among regions can also show regional drought mitigation changes. During the 2000 PDSI drought, the PDSI in
spring in Shandong was −3.6, and the natural agricultural drought-affected area was 100%. The PDSI value of Jilin was −3.0, which was
higher than that of Shandong, but the ADAC of Shandong (−84.6%) was lower than that of Jilin (−6.5%). This comparison shows the
contemporaneous difference in drought mitigation effects in Shandong and Jilin, with Shandong performing better than Jilin in terms of
mitigating drought.
The ADFC can be an indicator of a decade of drought frequency mitigation, which is useful for evaluating the overall picture of the
drought mitigation effects under the development of agricultural economies and the construction of large water conservancy facilities, as
the drought mitigation methods do not manifest effects over short periods. Some extreme drought events, such as El Niño, which usually
last for one or two years, can be hidden over a long temporal period, such as a decade. The ADAC, on the other hand, performs well in
properly reflecting the human activity effects on these kinds of single drought events. The ADAC could reflect the effects of relatively
small and timely methods in drought mitigation, such as increasing irrigation and using agricultural films to prevent evapotranspiration.
With the combination of the ADAC and ADFC, we can evaluate the effects of both large and small measures in reducing the influence of
drought at different temporal scales.
Drought mitigation was significantly correlated with irrigation areas and agricultural plastic usage in some provinces, indicating that
these two measures have a major contribution to drought mitigation. Temporally, drought alleviation changes from year to year. A
comparison of the irrigated farmland with rainfed farmland shows that irrigation alleviated 42.98% of the negative impact of drought in
the NCP in the growing season and alleviated over 30% of the negative impacts of drought at other time scales. However, the reduction
rate of ADFC and ADAC is lower than the increase rate of irrigation area from 1980s to 2010s in Heilongjiang Province, one of three
provinces in NEC, indicating irrigation is over expanded or more than needed.
4.3. Comparison of the PDSI and VHI to quantify drought mitigation

In this paper, a method for analyzing drought mitigation levels using two different indices, PDSI and VHI, was proposed. To make the two
indices comparable, the difference between the PDSI and VHI should be eliminated by identifying thresholds. Usually, the PDSI ranges
from −10 to 10, and the VHI ranges from 0 to 100.
In previous studies, different PDSI drought thresholds were used, such as −2.0 (Zhai et al., 2010) and − 0.5 (Van der Schrier et al., 2011), and
the VHI drought threshold was set to 40 (Kogan, 2002). We assumed that the PDSI and VHI exhibit similar patterns in terms of rainfed
cropland, as anti-drought measures are not applied much. By comparing the PDSI and VHI value distribution densities in the rainfed
cropland of Heilongjiang in the 1980s, where <10% of cropland is irrigated, we found that the PDSI and VHI exhibited similar distributions
of 23.96% at a PDSI < −0.5 and a VHI < 45 in the 1980s for the Heilongjiang rainfed cropland; thus, in this paper, we define the drought
threshold as −0.5 for the PDSI and 45 for the VHI. Notably, both thresholds chosen in this study were adopted for the analysis of temporal
drought frequency and area changes; those values are not absolute thresholds for drought and were only used to eliminate the relative
difference between the droughts reflected by the PDSI and VHI.
Although we have tried to set thresholds for each drought index to reduce their differences in value ranges, there are still initial
differences between these two indices, that is, the spatial distribution differences. Fig. 3 compares the drought frequencies deduced from
the PDSI and VHI, which shows that the PDSI usually has large patches with similar frequencies, and the VHI patches are much smaller
because the PDSI is calculated based on meteorological data and parameters for the root zone storage capacity of the soil water context,
which is very coarse, and the VHI is developed based on remote sensing data at the km level. This spatial distribution difference could
influence the spatial analysis of drought, and hopefully, with a more precise PDSI dataset, the analysis could be more accurate in the
future.
The PDSI and relevant meteorological drought indices account for climate variability without considering the impact of anti-drought
measures such as irrigation, tillage practices, drought-tolerant variety, and crowded plantations. Studies have shown that these indices
are sufficient for describing drought characteristics under natural conditions. However, natural conditions are rarely found in the
agricultural land cover types examined here due to human intervention. Farmers will try their best to combat drought (Li et al., 2018b). In
this case, it will be difficult to use meteorological drought indices to explain the drought properties and their impacts, which is why no
single drought index can capture all aspects of agricultural drought (Tian et al., 2018). On the other hand, satellite-based drought indices
can capture the actual drought characteristics but hardly reflect the drought end if VI-based indices are used. In this regard, it is not
appropriate to compare the capabilities of the meteorological drought indices with those of various remotely sensed drought indices.
Even if with in situ soil moisture data were measured under natural conditions, the results may be in good agreement with
meteorological indices but not with satellite-based VIs (Yang et al., 2018).
5. Conclusion
Based on the analysis of the frequency and range of drought occurrence, the agricultural drought mitigation effect indices ADFC and ADAC
are proposed in this paper, and these indices can reflect the effects of agricultural drought mitigation in different regions during different
periods. We applied the drought mitigation indices to the NCP and NEC, where different farming practices are applied.
The agricultural drought mitigation indices ADFC and ADAC are simple and applicable and can be used to evaluate the overall influence of
anti-drought measures on agricultural drought by detecting the changes in drought characteristics derived from the PDSI and VHI
separately. The ADFC and ADAC results show that the human drought mitigation effect was significant in the spring in the NCP over the
last four decades, with the frequency of agricultural drought under natural conditions remaining high, while in the summer in the NCP
and NEC, the mitigation influence was not as significant, with a low agricultural drought frequency. The ADFC could reflect the drought
frequency mitigation effect at the decade level, which could aid in understanding drought occurrence mechanisms and influences over
wide ranges. The ADAC responds well to annual human activities at the temporal level and can provide timely annual feedback for the
drought mitigation effects of human interventions, which is profound for evaluating human activities in mitigating single drought events,
such as El Niño-induced drought.
CRediT authorship contribution statement

Bingfang Wu:Conceptualization, Formal analysis, Investigation, Writing - original draft.Zonghan Ma:Data curation, Software, Writing - review
& editing.Nana Yan:Methodology, Writing - review & editing.
Declaration of competing interest

The authors declare that they have no known competing financial interests or personal relationships that could have appeared to
influence the work reported in this paper.
Acknowledgements
This research was financially supported by the National Key Research and Development Program of China (Grant No. 2016YFA0600304)
and the International Partnership Program of Chinese Academy of Sciences (Grant No. 121311KYSB20170004).
Artículos recomendados
References
Abatzoglou et al., 2018 J.T. Abatzoglou, S.Z. Dobrowski, S.A. Parks, K.C. Hegewisch
TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958–2015
Scientific data, 5 (2018), Article 170191
View in Scopus ↗ Google Scholar ↗
Anderegg et al., 2012 W.R. Anderegg, J.A. Berry, D.D. Smith, J.S. Sperry, L.D. Anderegg, C.B. Field
The roles of hydraulic and carbon stress in a widespread climate-induced forest die-off
Proc. Natl. Acad. Sci., 109 (2012), pp. 233-237
CrossRef ↗ View in Scopus ↗ Google Scholar ↗
Araujo et al., 2016 J.A. Araujo, B.J. Abiodun, O. Crespo

Impacts of drought on grape yields in Western cape, South Africa
Theor. Appl. Climatol., 123 (2016), pp. 117-130
Barker et al., 2015 L. Barker, J. Hannaford, A. Chiverton, C. Svensson

From meteorological to hydrological drought using standardised indicators
Hydrol. Earth Syst. Sci., 20 (2015), pp. 2483-2505
Google Scholar ↗
Bento et al., 2018 V.A. Bento, C.M. Gouveia, C.C. DaCamara, I.F. Trigo
A climatological assessment of drought impact on vegetation health index
Agric. For. Meteorol., 259 (2018), pp. 286-295
View PDF View article View in Scopus ↗ Google Scholar ↗
Bhuiyan et al., 2006 C. Bhuiyan, R. Singh, F. Kogan

Monitoring drought dynamics in the Aravalli region (India) using different indices based on ground and remote
sensing data
Int. J. Appl. Earth Obs. Geoinf., 8 (2006), pp. 289-302
Birthal and Hazrana, 2019 P.S. Birthal, J. Hazrana

Crop diversification and resilience of agriculture to climatic shocks: evidence from India
Agric. Syst., 173 (2019), pp. 345-354
Bokusheva et al., 2016 R. Bokusheva, F. Kogan, I. Vitkovskaya, S. Conradt, M. Batyrbayeva

Satellite-based vegetation health indices as a criteria for insuring against drought-related yield losses
Burrell et al., 2017 A.L. Burrell, J.P. Evans, Y.Y. Liu

Detecting dryland degradation using time series segmentation and residual trend analysis (TSS-RESTREND)
Remote Sens. Environ., 197 (2017), pp. 43-57
Chen and Sun, 2015 H. Chen, J. Sun

Changes in drought characteristics over China using the standardized precipitation evapotranspiration index
J. Clim., 28 (2015), pp. 5430-5447
Dai, 2011 A. Dai

Drought under global warming: a review
Wiley Interdiscip. Rev. Clim. Chang., 2 (2011), pp. 45-65
Entekhabi et al., 2008 D. Entekhabi, E.G. Njoku, P.E. Oneill, M.W. Spencer, T.J. Jackson, J. Entin, E. Im, K. Kellogg
The soil moisture active/passive Mission (SMAP)
International Geoscience and Remote Sensing Symposium (2008), pp. 1-4
CrossRef ↗ Google Scholar ↗
Eswar et al., 2018 R. Eswar, N.N. Das, C. Poulsen, A. Behrangi, J. Swigart, M. Svoboda, D. Entekhabi, S. Yueh, B. Doorn, J. Entin
SMAP soil moisture change as an indicator of drought conditions
Remote Sens., 10 (2018), p. 788
Fisher et al., 2015 M. Fisher, T. Abate, R. Lunduka, W. Asnake, Y. Alemayehu, R.B. Madulu
Drought tolerant maize for farmer adaptation to drought in sub-Saharan Africa: determinants of adoption in eastern
and southern Africa
Clim. Chang., 133 (2015), pp. 283-299
Fu et al., 2008 C. Fu, Z. Jiang, Z. Guan, J. He, Z.F. Xu (Eds.), Regional climate studies of China, Springer Science & Business Media (2008)
Google Scholar ↗
García-León et al., 2019 D. García-León, S. Contreras, J. Hunink

Comparison of meteorological and satellite-based drought indices as yield predictors of Spanish cereals
Agric. Water Manag., 213 (2019), pp. 388-396
Gomes et al., 2017 A.C.C. Gomes, N. Bernardo, E. Alcântara
Accessing the southeastern Brazil 2014 drought severity on the vegetation health by satellite image
Nat. Hazards, 89 (2017), pp. 1401-1420
Gu et al., 2008 Y. Gu, E. Hunt, B.D. Wardlow, J.B. Basara, J.F. Brown, J.P. Verdin
Evaluation of MODIS NDVI and NDWI for vegetation drought monitoring using Oklahoma Mesonet soil moisture
data
Geophys. Res. Lett., 35 (2008), pp. 1-5
Hayes et al., 2012 M.J. Hayes, M.D. Svoboda, B.D. Wardlow, M.C. Anderson, F. Kogan
Drought Monitoring: Historical and Current Perspectives
(2012)
Google Scholar ↗
He et al., 2013 B. He, J. Wu, A. Lü, X. Cui, L. Zhou, M. Liu, L. Zhao

Quantitative assessment and spatial characteristic analysis of agricultural drought risk in China
Nat. Hazards, 66 (2013), pp. 155-166
Hornbeck and Keskin, 2014 R. Hornbeck, P. Keskin

The historically evolving impact of the Ogallala aquifer: agricultural adaptation to groundwater and drought
Am. Econ. J. Appl. Econ., 6 (2014), pp. 190-219
Jones et al., 2019 S.M. Jones, A. Bottero, D.N. Kastendick, B.J. Palik
Managing red pine stand structure to mitigate drought impacts
Dendrochronologia, 57 (2019), Article 125623
Khan et al., 2008 S. Khan, H.F. Gabriel, T. Rana

Standard precipitation index to track drought and assess impact of rainfall on watertables in irrigation areas
Irrig. Drain. Syst., 22 (2008), pp. 159-177
Kogan, 2001 F.N. Kogan

Operational space technology for global vegetation assessment
Bull. Am. Meteorol. Soc., 82 (2001), pp. 1949-1964
Kogan, 2002 F. Kogan

World droughts in the new millennium from AVHRR-based vegetation health indices
Eos, Transactions American Geophysical Union, 83 (2002), pp. 557-563
Kogan et al., 2012 F. Kogan, L. Salazar, L. Roytman

Forecasting crop production using satellite-based vegetation health indices in Kansas, USA
Int. J. Remote Sens., 33 (2012), pp. 2798-2814
Kogan et al., 2019 F. Kogan, W. Guo, W. Yang

Drought and food security prediction from NOAA new generation of operational satellites
Geomatics, Natural Hazards and Risk, 10 (2019), pp. 651-666
Kresovic et al., 2014 B. Kresovic, G. Matovic, E. Gregoric, S. Djuricin, D. Bodroza

Irrigation as a climate change impact mitigation measure: an agronomic and economic assessment of maize
production in Serbia
Lesk et al., 2016 C. Lesk, P. Rowhani, N. Ramankutty
Influence of extreme weather disasters on global crop production
Nature, 529 (2016), p. 84
L'Heureux et al., 2017 M.L. L’Heureux, K. Takahashi, A.B. Watkins, A.G. Barnston, E.J. Becker, T.E. Di Liberto, F. Gamble, J. Gottschalck, M.S. Halpert, B.
Huang
Observing and predicting the 2015/16 El Niño
Li and Ren, 2019 P. Li, L. Ren

Evaluating the effects of limited irrigation on crop water productivity and reducing deep groundwater exploitation
in the North China Plain using an agro-hydrological model: I. parameter sensitivity analysis, calibration and model
validation
J. Hydrol., 574 (2019), pp. 497-516
Li et al., 2018a X. Li, S. Kang, X. Zhang, F. Li, H. Lu

Deficit irrigation provokes more pronounced responses of maize photosynthesis and water productivity to elevated
CO 2
View PDF View article Google Scholar ↗
Li et al., 2018b X. Li, Y. Yang, J.P.H. Poon, Y. Liu, H. Liu

Anti-drought measures and their effectiveness: a study of farmers’ actions and government support in China
Ecol. Indic., 87 (2018), pp. 285-295
Li et al., 2020 X. Li, W. Jiang, D. Duan

Spatio-temporal analysis of irrigation water use coefficients in China
J. Environ. Manag., 262 (2020)
Google Scholar ↗
Lobell, 2014 D.B. Lobell

Climate change adaptation in crop production: beware of illusions
Global Food Security, 3 (2014), pp. 72-76
Ma et al., 2018 F. Ma, A. Ye, J. You, Q. Duan

2015–16 floods and droughts in China, and its response to the strong El Niño
Sci. Total Environ., 627 (2018), pp. 1473-1484
Mavromatis, 2007 T. Mavromatis

Drought index evaluation for assessing future wheat production in Greece
Int. J. Climatol., 27 (2007), pp. 911-924
McKee et al., 1993 T.B. McKee, N.J. Doesken, K. J.

The relationship of drought frequency and duration to time scales
8th Conference on Applied Climatology, Anaheim, CA (1993), pp. 179-184
Google Scholar ↗
Mohtashami et al., 2020 R. Mohtashami, M. Dehnavi, H. Balouchi, H. Faraji

Improving yield, oil content and water productivity of dryland canola by supplementary irrigation and selenium
spraying
Agric. Water Manag. (2020), p. 232
Google Scholar ↗
Mu et al., 2013 Q. Mu, M. Zhao, J.S. Kimball, N.G. Mcdowell, S.W. Running
A remotely sensed global terrestrial drought severity index

Narasimhan and Srinivasan, 2005 B. Narasimhan, R. Srinivasan

Development and evaluation of Soil Moisture Deficit Index (SMDI) and Evapotranspiration Deficit Index (ETDI) for
agricultural drought monitoring
National Bureau of Statistics, C, 2018 National Bureau of Statistics, C

China Statistical Yearbook 2018
China Statistics Press (2018)
Google Scholar ↗
O'farrell et al., 2009 P. O’farrell, P. Anderson, S. Milton, W. Dean

Human response and adaptation to drought in the arid zone: lessons from southern Africa
S. Afr. J. Sci., 105 (2009), pp. 34-39
Pablos et al., 2017 M. Pablos, J. Martínez-Fernández, N. Sánchez, Á. González-Zamora

Temporal and spatial comparison of agricultural drought indices from moderate resolution satellite soil moisture
data over Northwest Spain
Remote Sens., 9 (2017), p. 1168
Palmer, 1965 W. Palmer

Meteorological Drought. Research Paper Number 45
US Department of Commerce. Weather Bureau, Washington, DC, USA (1965)
Google Scholar ↗
Parry et al., 2016 S. Parry, C. Prudhomme, R.L. Wilby, P.J. Wood

Drought termination concept and characterisation
Prog. Phys. Geogr., 40 (2016), pp. 743-767
Patrick, 2017 E. Patrick

Drought Characteristics and Management in Central Asia and Turkey. FAO Water Reports (FAO)
Food and Agriculture Organization of the United Nations Rome, Italy (2017), p. 114
Google Scholar ↗
Piao et al., 2010 S. Piao, P. Ciais, Y. Huang, Z. Shen, S. Peng, J. Li, L. Zhou, H. Liu, Y. Ma, Y. Ding
The impacts of climate change on water resources and agriculture in China
Nature, 467 (2010), pp. 43-51
Potop, 2011 V. Potop

Evolution of drought severity and its impact on corn in the Republic of Moldova
Theor. Appl. Climatol., 105 (2011), pp. 469-483
Prasad et al., 2006 A.K. Prasad, L. Chai, R.P. Singh, M. Kafatos

Crop yield estimation model for Iowa using remote sensing and surface parameters
Int. J. Appl. Earth Obs. Geoinf., 8 (2006), pp. 26-33
Qin et al., 2015 Y. Qin, D. Yang, H. Lei, K. Xu, X. Xu

Comparative analysis of drought based on precipitation and soil moisture indices in Haihe basin of North China
during the period of 1960–2010
J. Hydrol., 526 (2015), pp. 55-67
Quiring and Papakryiakou, 2003 S.M. Quiring, T.N. Papakryiakou
An evaluation of agricultural drought indices for the Canadian prairies
Rahman et al., 2009 A. Rahman, L. Roytman, N. Krakauer, M. Nizamuddin, M. Goldberg

Use of vegetation health data for estimation of Aus rice yield in Bangladesh
Sensors, 9 (2009), pp. 2968-2975
Rhee et al., 2010 J. Rhee, J. Im, G.J. Carbone

Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data
Rojas et al., 2011 O. Rojas, A. Vrieling, F. Rembold

Assessing drought probability for agricultural areas in Africa with coarse resolution remote sensing imagery
Sánchez et al., 2016 N. Sánchez, Á. González-Zamora, M. Piles, J. Martínez-Fernández

A new Soil Moisture Agricultural Drought Index (SMADI) integrating MODIS and SMOS products: a case of study
over the Iberian Peninsula
Remote Sens., 8 (2016), p. 287
Sangüesa-Barreda et al., 2015 G. Sangüesa-Barreda, J.J. Camarero, J. Oliva, F. Montes, A. Gazol

Past logging, drought and pathogens interact and contribute to forest dieback
Schauberger et al., 2017 B. Schauberger, S. Archontoulis, A. Arneth, J. Balkovic, P. Ciais, D. Deryng, J. Elliott, C. Folberth, N. Khabarov, C. Müller
Consistent negative response of US crops to high temperatures in observations and crop models
Nat. Commun., 8 (2017), Article 13931
Seneviratne and Ciais, 2017 S.I. Seneviratne, P. Ciais

Environmental science: trends in ecosystem recovery from drought
Nature, 548 (2017), pp. 164-165
Sheffield et al., 2012 J. Sheffield, E.F. Wood, M.L. Roderick

Little change in global drought over the past 60 years
Nature, 491 (2012), p. 435
Sholihah et al., 2016 Sholihah, R.I., Trisasongko, B.H., Shiddiq, D., Iman, L.O.S., Kusdaryanto, S., Manijo, & Panuju, D.R. (2016). Identification
of agricultural drought extent based on vegetation health indices of Landsat data: case of Subang and Karawang, Indonesia☆.
Procedia Environ. Sci., 33, 14–20.
Google Scholar ↗
Sims et al., 2002 A.P. Sims, D. Niyogi, S. Raman

Adopting drought indices for estimating soil moisture: a North Carolina case study
Geophys. Res. Lett., 29 (2002), pp. 24-21–24–24
Google Scholar ↗
Simtowe et al., 2019 F. Simtowe, E. Amondo, P. Marenya, D.B. Rahut, K. Sonder, O. Erenstein
Impacts of drought-tolerant maize varieties on productivity, risk, and resource use: evidence from Uganda
Land Use Policy, 88 (2019), Article 104091
Solh and van Ginkel, 2014 M. Solh, M. van Ginkel
Drought preparedness and drought mitigation in the developing world’ s drylands

Weather and Climate Extremes, 3 (2014), pp. 62-66
STAR, 2018 N. STAR

Global Vegetation Health Products
Center for Satellite Applications and Research, NOAA, USA (2018)
Google Scholar ↗
Su et al., 2018 B. Su, J. Huang, T. Fischer, Y. Wang, Z.W. Kundzewicz, J. Zhai, H. Sun, A. Wang, X. Zeng, G. Wang
Drought losses in China might double between the 1.5° C and 2.0° C warming
Proc. Natl. Acad. Sci., 115 (2018), pp. 10600-10605
Suarez et al., 2019 F.G. Suarez, L.E. Fulginiti, R.K. Perrin

What is the use value of irrigation water from the High Plains aquifer
Am. J. Agric. Econ., 101 (2019), pp. 455-466
Google Scholar ↗
Tao et al., 2004 F. Tao, M. Yokozawa, Z. Zhang, Y. Hayashi, H. Grassl, C. Fu

Variability in climatology and agricultural production in China in association with the east Asian summer monsoon
and El Niño southern oscillation
Clim. Res., 28 (2004), pp. 23-30
Tian et al., 2014 D. Tian, C.J. Martinez, W.D. Graham

Seasonal prediction of regional reference evapotranspiration based on climate forecast system version 2
J. Hydrometeorol., 15 (2014), pp. 1166-1188
Tian et al., 2015 H. Tian, Q. Yang, R.G. Najjar, W. Ren, M.A. Friedrichs, C.S. Hopkinson, S. Pan
Anthropogenic and climatic influences on carbon fluxes from eastern North America to the Atlantic Ocean: a
process-based modeling study
Journal of Geophysical Research: Biogeosciences, 120 (2015), pp. 757-772
Tian et al., 2018 Tian, L.Y., Shanshui; Quiring, Steven M. (2018). Evaluation of six indices for monitoring agricultural drought in the
southcentral United States. Agric. For. Meteorol., 249, 13.
Google Scholar ↗
Trenberth et al., 2014 K.E. Trenberth, A. Dai, G. Van Der Schrier, P.D. Jones, J. Barichivich, K.R. Briffa, J. Sheffield
Global warming and changes in drought
Nat. Clim. Chang., 4 (2014), pp. 17-22
Trnka et al., 2019 M. Trnka, S. Feng, M.A. Semenov, J.E. Olesen, K.C. Kersebaum, R.P. Rotter, D. Semeradova, K. Klem, W. Huang, M. Ruizramos
Mitigation efforts will not fully alleviate the increase in water scarcity occurrence probability in wheat-producing
areas
Sci. Adv., 5 (2019)
Google Scholar ↗
Troy et al., 2015 T.J. Troy, C. Kipgen, I. Pal

The impact of climate extremes and irrigation on US crop yields
Environ. Res. Lett., 10 (2015), Article 054013
UNESCAP, 2019 UNESCAP

The Disaster Riskscape across Asia-Pacific: The Asia-Pacific Disaster Report 2019
(2019)
(United Nations publication)
Google Scholar ↗
Uwizeyimana et al., 2018 D. Uwizeyimana, S.M. Mureithi, G. Karuku, G. Kironchi
Effect of water conservation measures on soil moisture and maize yield under drought prone agro-ecological zones
in Rwanda
International Soil and Water Conservation Research, 6 (2018), pp. 214-221
Van der Schrier et al., 2011 G. Van der Schrier, P. Jones, K. Briffa
The sensitivity of the PDSI to the Thornthwaite and penman-Monteith parameterizations for potential
evapotranspiration
Journal of Geophysical Research: Atmospheres, 116 (2011)
Google Scholar ↗
Van Loon and Laaha, 2015 A.F. Van Loon, G. Laaha

Hydrological drought severity explained by climate and catchment characteristics
J. Hydrol., 526 (2015), pp. 3-14
Van Loon et al., 2016 A.F. Van Loon, T. Gleeson, J. Clark, A.I. Van Dijk, K. Stahl, J. Hannaford, G. Di Baldassarre, A.J. Teuling, L.M. Tallaksen, R. Uijlenhoet
Drought in the Anthropocene
Nat. Geosci., 9 (2016), p. 89
Vergni and Todisco, 2011 L. Vergni, F. Todisco

Spatio-temporal variability of precipitation, temperature and agricultural drought indices in Central Italy
Vicenteserrano et al., 2010 S.M. Vicenteserrano, S. Begueria, J.I. Lopezmoreno

A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index
J. Clim., 23 (2010), pp. 1696-1718
Vicenteserrano et al., 2012 S.M. Vicenteserrano, S. Begueria, J. Lorenzolacruz, J.J. Camarero, J.I. Lopezmoreno, C. Azorinmolina, J. Revuelto, E.
Morantejeda, A. Sanchezlorenzo
Performance of drought indices for ecological, agricultural, and hydrological applications
Earth Interact., 16 (2012), pp. 1-27
Google Scholar ↗
Wang et al., 2016a H. Wang, S.M. Vicenteserrano, F. Tao, X. Zhang, P. Wang, C. Zhang, Y. Chen, D. Zhu, A.E. Kenawy
Monitoring winter wheat drought threat in northern China using multiple climate-based drought indices and soil
moisture during 2000–2013
Wang et al., 2016b W. Wang, M.W. Ertsen, M.D. Svoboda, M. Hafeez

Propagation of drought: from meteorological drought to agricultural and hydrological drought
Adv. Meteorol., 2016 (2016)
Google Scholar ↗
Wang et al., 2018 S. Wang, X. Mo, S. Hu, S. Liu, Z. Liu

Assessment of droughts and wheat yield loss on the North China plain with an aggregate drought index (ADI)
approach
Ecol. Indic., 87 (2018), pp. 107-116
Wardlow et al., 2017 B.D. Wardlow, M.C. Anderson, J.P. Verdin

Remote Sensing of Drought: Innovative Monitoring Approaches
(1st edition), CRC Press (2017)
Google Scholar ↗
Weiss et al., 2020 M. Weiss, F. Jacob, G. Duveiller
Remote sensing for agricultural applications: a meta-review

Remote Sens. Environ., 236 (2020), Article 111402
Wells et al., 2004 N. Wells, S. Goddard, M.J. Hayes

A self-calibrating Palmer drought severity index
J. Clim., 17 (2004), pp. 2335-2351
West et al., 2018 H. West, N. Quinn, M. Horswell, P. White

Assessing vegetation response to soil moisture fluctuation under extreme drought using Sentinel-2
Water, 10 (2018), p. 838
West et al., 2019 H. West, N. Quinn, M. Horswell

Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities
Remote Sens. Environ., 232 (2019), Article 111291
Wilhelmi and Wilhite, 2002 O.V. Wilhelmi, D.A. Wilhite

Assessing vulnerability to agricultural drought: a Nebraska case study
Nat. Hazards, 25 (2002), pp. 37-58
Google Scholar ↗
Wilhite et al., 2007 D.A. Wilhite, M.D. Svoboda, M.J. Hayes

Understanding the complex impacts of drought: a key to enhancing drought mitigation and preparedness
Water Resour. Manag., 21 (2007), pp. 763-774
Wu et al., 2017 B.Q. Wu, Jinkai, Yuan Zeng

Land Cover Atlas of the People’s Republic of China (1: 1 000 000)
China Map Publishing House, Beijing (2017)
(Chinese)
Google Scholar ↗
Wu et al., 2018 J. Wu, Z. Liu, H. Yao, X. Chen, X. Chen, Y. Zheng, Y. He

Impacts of reservoir operations on multi-scale correlations between hydrological drought and meteorological
drought
J. Hydrol., 563 (2018), pp. 726-736
Yan and Wu, 2014 N. Yan, B. Wu

Integrated spatial–temporal analysis of crop water productivity of winter wheat in Hai Basin
Yan et al., 2015 N. Yan, B. Wu, C. Perry, H. Zeng

Assessing potential water savings in agriculture on the Hai Basin plain, China
Yan et al., 2016a H. Yan, S.Q. Wang, J.B. Wang, H.Q. Lu, A.H. Guo, Z.C. Zhu, R.B. Myneni, H.H. Shugart
Assessing spatiotemporal variation of drought in China and its impact on agriculture during 1982–2011 by using
PDSI indices and agriculture drought survey data
Journal of Geophysical Research: Atmospheres, 121 (2016), pp. 2283-2298
Yan et al., 2016b N. Yan, B. Wu, V.K. Boken, S. Chang, L. Yang

A drought monitoring operational system for China using satellite data: design and evaluation
Geomatics, Natural Hazards and Risk, 7 (2016), pp. 264-277
Yang et al., 2016 M. Yang, D. Yan, Y. Yu, Z. Yang
SPEI-based spatiotemporal analysis of drought in Haihe River Basin from 1961 to 2010
Adv. Meteorol., 2016 (2016), pp. 1-10
Yang et al., 2018 S. Yang, D. Meng, H. Gong, X. Li, X. Wu

Soil drought and vegetation response during 2001–2015 in North China based on GLDAS and MODIS data
Adv. Meteorol., 2018 (2018), pp. 1-14
Google Scholar ↗
Yao et al., 2020 N. Yao, L. Li, P. Feng, H. Feng, D.L. Liu, Y. Liu, K. Jiang, X. Hu, Y. Li
Projections of drought characteristics in China based on a standardized precipitation and evapotranspiration index
and multiple GCMs
Sci. Total Environ., 704 (2020), p. 135245
Yu et al., 2014 M. Yu, Q. Li, M.J. Hayes, M. Svoboda, R.R. Heim

Are droughts becoming more frequent or severe in China based on the Standardized Precipitation
Evapotranspiration Index: 1951–2010?
Int. J. Climatol., 34 (2014), pp. 545-558
CrossRef ↗ Google Scholar ↗
Yu et al., 2019 H. Yu, Q. Zhang, C. Xu, J. Du, P. Sun, P. Hu

Modified Palmer Drought Severity Index: model improvement and application
Environ. Int., 130 (2019), Article 104951
Zhai et al., 2010 J. Zhai, B. Su, V. Krysanova, T. Vetter, C. Gao, T. Jiang

Spatial variation and trends in PDSI and SPI indices and their relation to streamflow in 10 large regions of China
J. Clim., 23 (2010), pp. 649-663
Zhai et al., 2016 P. Zhai, R. Yu, Y. Guo, Q. Li, X. Ren, Y. Wang, W. Xu, Y. Liu, Y. Ding
The strong El Niño of 2015/16 and its dominant impacts on global and China's climate
Journal of Meteorological Research, 30 (2016), pp. 283-297
Zhang et al., 2019 Q. Zhang, H. Yu, P. Sun, V.P. Singh, P. Shi

Multisource data based agricultural drought monitoring and agricultural loss in China
Glob. Planet. Chang., 172 (2019), pp. 298-306
Zipper et al., 2016 S.C. Zipper, J. Qiu, C.J. Kucharik

Drought effects on US maize and soybean production: spatiotemporal patterns and historical changes
Environ. Res. Lett., 11 (2016), Article 094021
Zou et al., 2005 X. Zou, P. Zhai, Q. Zhang

Variations in droughts over China: 1951–2003
Geophys. Res. Lett., 32 (2005), p. L04707
Google Scholar ↗
Cited by (48)
Responses of agricultural drought to meteorological drought under different climatic zones and vegetation types
2023, Journal of Hydrology
Show abstract
Assessment of agricultural drought based on multi-source remote sensing data in a major grain producing area of
Northwest China
2023, Agricultural Water Management
Show abstract
How does dewfall affect drought assessment in different climate regions in China
2023, Journal of Hydrology
Show abstract
evaluación basada en MODIS de la sequía agrícola, la eficiencia del uso del agua y la possequía en Irán; teniendo en cuenta
la influencia de regiones climáticas heterogéneas
2022, Revista de Producción más Limpia
Mostrar resumen
Efectos de diferentes tipos de sequía sobre la vegetación en la cuenca del río Huang-Huai-Hai, China
2022, Indicadores Ecológicos
Mostrar resumen
Diferencias regionales en el desempeño de las medidas de mitigación de la sequía en las 12 principales regiones
productoras de trigo del mundo
2022, Gestión del agua agrícola
Mostrar resumen
Ver todos los artículos que citan en Scopus

Ver Resumen
© 2020 Elsevier Inc. Todos los derechos reservados.
Copyright © 2023 Elsevier BV o sus licenciantes o colaboradores.

ScienceDirect® es una marca registrada de Elsevier BV

Índices de Mitigación de La Sequía Agrícola Derivados de Los Cambios en Las Características de La Sequía

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Índices de Mitigación de La Sequía Agrícola Derivados de Los Cambios en Las Características de La Sequía

Cargado por

Copyright:

Formatos disponibles

22/3/23, 11:13 Índices de mitigación de la sequía agrícola derivados de los cambios en las características de la sequía - ScienceDirect

Detección Remota del Medio Ambiente

Índices de mitigación de la sequía agrícola derivados de los cambios en las características de

Describir Compartir Citar

• Se proponen y prueban dos índices de mitigación de la sequía (ADFC y ADAC).

• ADAC tiene la capacidad de evaluar el desempeño de la mitigación ante un

• PDSI y VHI detectan sequías agrícolas naturales y reales por separado.

2.1 . Área de estudio

Descargar : Descargar imagen de alta resolución (800KB)

Figura 1 . Ubicación de las seis provincias de China y precipitación media anual.

Tabla 1 . Porcentajes de área de riego para 6 provincias en China.

Hebei Shandong Henán Heilongjiang Liaoning Jilin

1980 41,3% 41,6% 28,1% 8,3% 19,8% 18,3%

1990 46,3% 42,5% 33,3% 15,2% 33,3% 24,6%

años 2000 51,3% 44,3% 35,4% 23,6% 39,9% 32,1%

2010s 51,6% 45,6% 35,8% 40,9% 37,3% 31,7%

Descargar : Descargar imagen de alta resolución (158KB)

3.1 . Variaciones y cambios en el PDSI y VHI

Tabla 2 . Los valores promedio de PDSI y VHI para 6 provincias.

Índice Período PNC Comité ejecutivo nacional

Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)

Hebei Shandong Henán Hebei Shandong Henán Heilongjiang Liaoning Jilin

Descargar : Descargar imagen de alta resolución (715KB)

3.2 . Cambio de frecuencia de sequía

Descargar : Descargar imagen de alta resolución (3MB)

Descargar : Descargar imagen de alta resolución (3MB)

Descargar : Descargar imagen de alta resolución (3MB)

Frecuencia Región PNC Comité ejecutivo nacional

Estación Marzo mayo Junio ​agosto mayo-agosto

3.3 . Cambios en el área afectada por la sequía

Estación Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)

Estación Marzo-mayo (primavera) Junio-agosto (verano) Mayo-agosto (temporada de crecimiento)

Descargar : Descargar imagen de alta resolución (599KB)

3.4 . Indicación de mitigación para eventos de sequía extrema

PDSI VHI PDSI drought area VHI drought area ADAC

PDSI VHI PDSI drought area VHI drought area ADAC

1982 −4.02 47.04 100.00% 58.10% −41.90%

PDSI VHI PDSI drought area VHI drought area ADAC

1982 −3.8 −2.56 36.13 37.28 100.00% 100.00% 76.67% 78.58%

2000 −3.91 −3 31.9 33.95 100.00% 99.54% 94.49% 93.11%

2017 −5.31 −2.96 48.05 50.46 100.00% 90.81% 54.92% 45.93%

2018 −5.46 −3.25 47.17 48.39 100.00% 94.10% 55.70% 50.33%

3.5. Factors contributing to drought-affected area reduction

Download : Download high-res image (1MB)

Download : Download high-res image (927KB)

Fig. 7. Temporal development of annual statistics and the ADAC.

4.1. Performance of the ADFC and ADAC

4.2. Effects of drought mitigation in the NCP and NEC

4.3. Comparison of the PDSI and VHI to quantify drought mitigation

CRediT authorship contribution statement

Declaration of competing interest

Araujo et al., 2016 J.A. Araujo, B.J. Abiodun, O. Crespo

Barker et al., 2015 L. Barker, J. Hannaford, A. Chiverton, C. Svensson

Bhuiyan et al., 2006 C. Bhuiyan, R. Singh, F. Kogan

Birthal and Hazrana, 2019 P.S. Birthal, J. Hazrana

Bokusheva et al., 2016 R. Bokusheva, F. Kogan, I. Vitkovskaya, S. Conradt, M. Batyrbayeva

Burrell et al., 2017 A.L. Burrell, J.P. Evans, Y.Y. Liu

Chen and Sun, 2015 H. Chen, J. Sun

Dai, 2011 A. Dai

García-León et al., 2019 D. García-León, S. Contreras, J. Hunink

He et al., 2013 B. He, J. Wu, A. Lü, X. Cui, L. Zhou, M. Liu, L. Zhao

Hornbeck and Keskin, 2014 R. Hornbeck, P. Keskin

Khan et al., 2008 S. Khan, H.F. Gabriel, T. Rana

Estación Marzo mayo Junio agosto mayo-agosto