高原气象

高原气象 >

2020 , Vol. 39 >Issue 3: 628 - 640

DOI: https://doi.org/10.7522/j.issn.1000-0534.2019.00049.

论文

多种干旱指数在中国北方的适用性及其差异原因初探

  • 王素萍 , 1, 2 ,
  • 王劲松 2 ,
  • 张强 , 1, 3 ,
  • 李忆平 2
展开
  • 1. 兰州大学大气科学学院, 甘肃 兰州 730000
  • 2. 中国气象局兰州干旱气象研究所/中国气象局干旱气候变化与减灾重点实验室/甘肃省干旱气候变化 与减灾重点实验室, 甘肃 兰州 730020
  • 3. 甘肃省气象局, 甘肃 兰州 730020
张强（1965 -）， 男， 甘肃靖远人， 研究员， 主要从事大气边界层、 陆面过程和干旱气候研究. E-mail:

王素萍（1979 -）， 女， 甘肃合作人， 副研究员， 主要从事干旱监测和干旱气候变化研究. E-mail:

收稿日期: 2019-02-16

  修回日期: 2019-05-17

  网络出版日期: 2020-06-28

基金资助

公益性行业（气象）科研专项（重大专项）(GYHY(QX)201506001-05)

国家自然 科学基金项目(41705067)

收起

Applicability Evaluation of Drought Indices in Northern China and the Reasons for Their Differences

  • Suping WANG , 1, 2 ,
  • Jinsong WANG 2 ,
  • Qiang ZHANG , 1, 3 ,
  • Yiping LI 2
Expand
  • 1. College of Atmospheric Science, Lanzhou University, Lanzhou 730000, Gansu, China
  • 2. Institute of Arid Meteorology, China Meteorological Administration/ Key Laboratory of Arid Climate Change and Disaster Reduction, China Meteorological Administration/Key Laboratory of Arid Climatic Change and Disaster Reduction, Gansu Province, Lanzhou 730020, Gansu, China
  • 3. Gansu Provincial Meteorological Bureau, Lanzhou 730020, Gansu, China

Received date: 2019-02-16

  Revised date: 2019-05-17

  Online published: 2020-06-28

Fold

本文亮点

利用中国北方（东北、 华北、 内蒙古、 黄淮以及西北地区中东部）12个省（区）267个站点逐日气象数据和典型站点土壤相对湿度资料, 对目前应用最为广泛的5种干旱指数在该区域的适用性进行了评估, 并对各指数监测结果差异原因进行了初步探讨。结果表明, 在我国北方干旱监测中, MCI和K指数的监测效果要优于SPI、 Pa和SPEI指数。MCI指数对研究区春旱的监测尤具有优越性, K指数对偏东、 偏南区域的夏、 秋、 冬季旱情的监测能力略优于MCI指数, Pa和SPI指数对夏、 秋季的旱情监测准确率较高, 而SPEI指数对夏旱有较强的监测能力。Pa指数、 SPI指数以及SPEI指数监测准确率低主要是因为这些指数监测偏轻或漏测的频率较高, 而K指数对东北区域的春旱漏测频率也较高, 漏测频率高达29%。各类干旱指数的监测能力与各自考虑的干旱影响因子及其时间尺度密切相关, 抓住主要因子和主要影响时间尺度是准确监测旱情的关键。

本文引用格式

王素萍 , 王劲松 , 张强 , 李忆平 . 多种干旱指数在中国北方的适用性及其差异原因初探[J]. 高原气象, 2020 , 39(3) : 628 -640 . DOI: 10.7522/j.issn.1000-0534.2019.00049.

Highlights

Drought monitoring is an essential component of drought research.It is normally performed using various drought indices.A number of drought indices have been introduced and applied in different regions.But some of those are region specific and have limitations of applicability in other climatic conditions.Based on daily meteorological data from 267 weather stations and soil relative humidity of 20 cm from 3 agrometeorological sites, the applicability of five drought indices include in MCI、 K、 SPI、 SPEI and Pa in Northern China were evaluated and the reasons for the difference of the monitoring results were discussed.The results showed that for the ability of drought monitoring, MCI and K indices have the best performances.MCI is particularly advantageous in spring in the study area.K index is slightly better than MCI in the easterly and southerly regions in summer, autumn and winter.Pa and SPI index performance well in summer and autumn, and SPEI do best in summer.The low monitoring accuracy of Pa, SPI and SPEI is mainly due to the light monitoring of these indexes or the high frequency of missing, while the K index also has a high frequency of missing in spring in the northeast region, up to 29%.The monitoring ability of various drought indexes is closely related to the drought factors and their time scales which are considered respectively.Taken together, MCI and K are better than other indices in the study area.

1 引言

干旱灾害是中国乃至全球最主要的自然灾害之一, 严重制约当地经济发展和社会进步（Wilhite, 2000; 张强等, 2011; Dai, 2013; Huang et al, 2016）, 客观、 准确地开展干旱监测预警工作是提高干旱灾害防灾减灾能力、 减轻灾害损失的重要基础。
干旱指数是开展干旱监测预警、 评估干旱风险的重要手段。目前国内外常用的干旱指数有几十种, 不同区域主要致旱因子不同, 基于不同背景建立的干旱指数其监测能力也会有差异, 要客观、 准确地开展干旱监测预警工作, 需要深入开展干旱监测指数的区域适用性研究, 因地制宜、 因时制宜地选择指数。
目前, 国外有关干旱指数适用性评估工作大多是通过对比多种指数之间的一致性、 相关性, 给出某区域较为适用的指数（Morid et al, 2006; Dogan et al, 2012; Shahabfar et al, 2013; Jain et al, 2015）。国内也有类似的研究, 如: 袁文平等（2004）通过对比SPI指数、 Z指数以及降水量变化间的一致性, 指出SPI指数在我国的应用优于Z指数; 而Wu et al（2001）研究指出, 相比于SPI指数, Z指数更适用于中国的干旱监测; 张存杰等（1998）认为较降水距平百分率Pa、 降水标准化变量而言, 经修正后的Z指数更适合于西北地区; 卫捷等（2003）研究指出PDSI指数优于地表湿润指数MI和降水距平百分率Pa, 在中国的适用性最好; 王林等（2014）对比了标准化降水蒸散指数SPEI、 标准化降水指数SPI以及PDSI指数3种指数, 指出SPEI指数在中国的适用性最强。
干旱指数适用性评估是对其表征某一区域干旱特征准确性高低的客观评价, 是对其反映实际干湿状况能力的评估, 因此, 应通过与实际干旱状况的比较来评估其适用性。实际受旱面积和程度、 土壤湿度以及灾情文献描述等常被作为实际干旱状况标准来衡量干旱指数监测准确性。受灾面积和程度是鉴别干旱指数监测正确与否的最直接证据, 一些学者（谢五三等, 2013; 沈国强等, 2017）通过分析干旱指数监测结果与农作物受旱灾面积间的相关性提出了相应区域适用性较好的指数。但受灾面积数据较难获取, 且时间和空间精度不高, 所以这类适用性评估易受到限制; 土壤湿度也能有效地反映区域的干湿状况, 常用来检验其他干旱指数的准确性（Vicente-Serrano et al, 2010; 杨庆等, 2017）, 但目前气象台站实测的土壤湿度数据缺测较多, 遥感观测资料和基于数值模式的土壤湿度结果也存在一定局限性（Kerr, 2007; 师春香等, 2011; 丁旭等, 2018; 王静等, 2018; 朱智等, 2018; 崔园园等, 2018a, 2018b）, 限制了这类适用性分析工作的开展; 来自文献、 灾害普查等的干旱灾情资料为干旱指数适用性评估提供了重要支撑, 目前已被用于大量的研究中, 如王劲松等（2013）评估了CI、 SPI、 PDSI、 Pa以及K干旱指数在黄河流域的适用性, 指出K和CI指数在该区域适用性最好; 蔡晓军等（2013）研究指出, Z指数在江淮区域的应用效果较Pa、 MI、 SPI以及CI指数好; 谢五三等（2014）研究指出, CI和CI new要优于Pa、 Z、 SPI和MI指数, 在淮河流域具有更好的适用性; 王素萍等（2015）研究表明, 相比于SPI、 PDSI、 DI等指数, MCI指数和K指数在西南和华南区域的监测能力最强。
以上研究为不同区域干旱指数的选择提供了科学依据, 但不同学者在开展适用性工作时参考的标准有差异, 对比的指标也不尽相同, 甚至得出一些相反的结论, 影响结果的可比性, 对实际工作缺乏指导意义。另外, 以往的研究大多只讨论了适用性的强弱, 没有具体分析产生这种差异的原因, 而明晰原因才能有针对性选择影响因子, 优化区域干旱监测和干旱风险评估中因子的科学构成与量化评估。基于以上考虑, 本文选择我国两大旱灾多发区之一的北方区域作为研究区, 综合气象、 农业、 水文等多部门干旱灾情资料和研究区典型站点的土壤湿度观测资料, 对目前应用最为广泛的5种干旱指数在该区域的适用性进行综合评估, 并对各种指数监测结果的差异原因进行了初步的探讨, 以期为该区域干旱监测、 预警以及干旱风险管理提供科学依据。

2 研究区域和资料选取

研究区包括我国东北（黑龙江、 辽宁、 吉林）、 华北（河北、 山西）、 内蒙古、 黄淮（山东、 河南）以及西北地区中东部（陕西、 宁夏、 甘肃、 青海）在内的12个省（区）, 是我国干旱高发区域。气象数据来源于国家气象信息中心提供的研究区267个站点1960 -2014年逐日平均温度、 最高温度、 最低温度、 降水量、 日照时数、 平均风速以及相对湿度观测数据。土壤湿度资料来源于中国农作物生长发育状况资料数据集中20 cm土壤相对湿度数据。研究区范围、 气象站点及代表农气站分布见图1所示。文中涉及的地图是基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1600号的中国地图制作, 底图无修改。
图1 研究区域、 气象站点和农气站分布

Fig.1 Distribution of the study area, meteorological sites and agrometeorological sites

3 方法介绍

3.1　干旱指数

选择降水距平百分率Pa、 标准化降水指数SPI、 标准化降水蒸散发指数SPEI、 综合气象干旱指数MCI以及K干旱指数5种指数, 既包括考虑降水量这一主要致灾因子的单因子指数SPI和Pa, 也包括既考虑了降水又考虑蒸发影响的综合指数MCI、 K以及SPEI。同时, 这些指数中还充分考虑了不同时间尺度降水和蒸发的影响, 具有一定的代表性。PDSI指标对中国大部区域年尺度上的干湿变化反映的较好（卫捷等, 2003; 杨庆等, 2017）, 但对研究区月和季尺度干旱事件的监测能力较差（王劲松等, 2013）, 且该指标涉及参数多, 很多参数需要试验来确定, 所以本研究中暂未涉及。
降水距平百分率Pa和标准化降水指数SPI是国内外较为常用的指标, 具体计算方法和等级划分标准可参见文献McKee et al（1993）或国家标准《气象干旱等级》（GB/T20481-2006）（中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2006）, 这里不再详述。标准化降水蒸散指数SPEI综合考虑了蒸散发和降水对干旱的影响, 已被广泛应用于世界范围内的干旱研究中（王林等, 2014; 张立杰等, 2018）。本文在计算SPEI时, 采用世界粮农组织(FAO)1998年修正的Penman-Monteith公式计算潜在蒸散发, SPEI指数的具体计算方法可参见文献Vicente-Serrano et al（2010）, 其干旱等级划分标准同SPI。文中采用的均是1个月尺度的Pa、 SPI和SPEI。
MCI指数是在综合气象干旱指数CI的基础上修正的新的指数, 目前, 已应用于国家和各省气候中心干旱监测和预警业务中, 其形式如下:
M C I = a · S P I W 60 + b · M I 30 + c · S P I 90 + d · S P I 150，
式中: SPIW 60为近60天标准化权重降水指数（Lu, 2009）; MI 30为近30天相对湿润度指数, 其计算公式为 M I 30 = ( P - E T 0 ) / E T 0, P为近30天降水量; ET 0为近30天潜在蒸散量, 用Thornthwaite方法计算; SPI 90和SPI 150分别为近90天和近150天的标准化降水指数; a、 b、 c、 d为权重系数, 分别取0.3, 0.5, 0.3和0.2。MCI指数的具体计算方法可参见国家标准《气象干旱等级》（GB/T20481-2017）（中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2017）。由于MCI指数得到的是逐日的监测结果, 为便于与其他指数比较, 本文参考王春林等（2012）某时段干旱等级的确定方法, 得到各站逐月的MCI值, 月MCI指数干旱等级划分标准同SPI。
K指数（王劲松等, 2007）是根据某时段内降水量和蒸发量的相对变率来确定干旱状况, 综合考虑了水分收支平衡中的降水量和作物参考蒸散量, 计算公式为:
K = P ' / E '，
式中: K为某时段的干旱指数; P '和 E '分别为该时段降水和参考作物蒸散发的相对变率, 其中 P ' = P / P ¯, E ' = E / E ¯; P和 E为该时段降水量和蒸散量（单位: mm）; P ¯和 E ¯为1981 -2010年平均降水量和蒸散量（单位: mm）。蒸散量采用Penman-Monteith模型来计算。文中使用的K指数是改进的考虑了前3个月水分累积效应（Wang et al, 2016）和衰减效应（Lu, 2009）的K指数（Wang et al, 2018）, 其中:
P = ∑ n = 0 N ( a · n + b ) P n，
E = ∑ n = 0 N ( a · n + b ) E n，
式中: n为距离当日的天数; N=90, 表示前90天; Pn和En为第n天的降水量和蒸发量; a, b为经验常数, 分别是线性衰减模式的斜率和垂直截距。

3.2　适用性评价方法

不同行业、 不同着眼点得到的干旱灾情信息也会有一定的差异, 为尽可能准确、 客观地评价各干旱指数的监测能力, 同时, 避免用个别实例进行检验可能带来的片面性, 本文综合中国气象局《中国气象灾害大典》（温克刚等, 2008）和《中国气象灾害年鉴》（中国气象局, 2006, 2007, 2012）、 水利部《中国水旱灾害公报》（国家防汛抗旱总指挥部和中华人民共和国水利部, 2007, 2008, 2010, 2012）以及农业部计划司中国农村经济统计大全统计的1949 -1990年干旱灾情信息（中国天气网, 2010）中的旱情信息, 以同一时间有2套以上资料记载有旱情为标准在研究区确定了30次干旱事件, 具体可见表1, 其中春旱10次, 夏（伏）旱8次, 秋旱6次, 冬旱6次。
表1 研究区干旱事件

Table 1 Drought events in study area

干旱类型 年份 主要旱区
春旱 1972 河北大部、 山西大部（中部）、 内蒙古中东部和西部偏东区域、 吉林大部、 辽宁西部、 黑龙江大部（东北部）、 河南北部、 山东北部（西北部）、 宁夏、 陕北、 青海中部
1974 河北大部、 山西中部、 山东西北部、 内蒙古中西部、 黑龙江西南部、 吉林西部、 陕西中北部、 甘肃河东大部、 宁夏北部、 青海海东农区
1977 河北大部、 山西大部（中南部）、 山东北部、 内蒙古西部、 黑龙江西南部、 吉林西部、 陕西关中平原、 甘肃陇中、 宁夏中南部、 青海东北部
1978 河北大部（南部）、 山西大部、 山东大部（东南部）、 河南大部、 河南北部、 内蒙古西部、 黑龙江南部、 吉林大部（中西部）、 辽宁东部和西部的局部地区、 陕西大部（中南部）、 甘肃河东大部、 宁夏中南部、 青海海东
1986 河北大部（北部）、 山西大部（中南部）、 山东大部（半岛）、 河南大部、 内蒙古中西部、 黑龙江西南部、 吉林西部、 辽宁西部、 陕西大部、 甘肃大部、 宁夏中南部、 青海东北部
1993 河北大部（中南部）、 山西大部（中南部）、 山东西北部、 河南北部和西部、 内蒙古大部、 黑龙江西南部和东北部、 吉林南部、 辽宁西部、 陕北、 甘肃河东大部、 宁夏南部
1995 内蒙古大部、 黑龙江东南部局地、 辽宁西部、 吉林西部、 青海东部、 甘肃河东大部、 陕北和陕东南、 宁夏南部、 河南北部、 山东半岛和中部局地, 河北中南部、 山西大部
2000 内蒙古东南和西部, 河北大部、 山西大部、 山东大部、 河南大部、 陕西大部、 甘肃大部、 宁夏中南部、 青海海东
2001 河北、 山西中南部、 内蒙古中南部局地、 河南、 山东半岛、 宁夏、 陕西北部、 甘肃中东部、 吉林西部、 辽宁西部
2004 黑龙江西南部松嫩平原, 吉林中西部, 辽宁中部、 内蒙古东南部、 河北中北部、 山西大部、 河南南部、 陕西中北部、 甘肃河东大部、 宁夏中部
夏旱 1972 黑龙江东北部、 吉林中西部、 辽宁中西部、 内蒙古大部、 河北南部、 山西大部、 山东西北部、 河南西部、 陕西中南部、 甘肃河东局地、 宁夏大部、 青海海东
1980 黑龙江松嫩平原、 吉林中西部、 辽宁大部、 陕西关中、 宁夏中部、 内蒙古中西部、 河北大部、 山西中部、 陕西大部、 甘肃陇东、 宁夏大部、 青海海东、 河南中部和北部
1982 黑龙江大部、 吉林大部、 辽宁大部、 内蒙古西部、 河北局地、 山西中南部、 陕西大部、 甘肃陇中、 宁夏大部、 青海海东、 山东半岛、 河南大部
1987 黑龙江西北部、 辽宁中西部、 内蒙古中西部、 河北中南部和北部局地、 山西大部、 陕西中北部、 甘肃河东大部、 山东局地、 河南大部、 宁夏大部
1989 黑龙江大部、 吉林西部、 辽南、 内蒙古中部和东南部、 河北北部和东部沿海、 山西中北部、 陕北、 甘肃河东大部、 宁夏南部、 山东半岛和山东中南部
1991 吉林东部、 辽宁大部、 内蒙古中西部、 华北大部、 甘肃大部、 陕西大部、 宁夏大部、 山东半岛、 河南中北部
1995 黑龙江松嫩平原、 吉林西部、 内蒙古、 山西大部、 陕西大部、 甘肃河东大部、 宁南山区、 青海北部、 山东西南部、 河南中北部
1997 黑龙江松嫩平原和牡丹江半山区、 吉林中西部和东部局地、 辽宁东部、 内蒙古中东部、 华北大部、 陕西中北部、 甘肃大部、 山东大部、 河南局地
秋旱 1990 河北大部、 陕西局地、 河南中部和东部、 山东南部
1991 陕西大部、 甘肃河东大部、 宁夏南部、 山东东南部、 河南大部
1998 河北大部、 山西南部、 陕西大部、 甘肃河东大部、 宁夏南部、 山东中西部、 河南大部
1999 黑龙江松嫩平原、 辽宁西部、 山西中北部、 河北中南部、 陕南、 甘肃中东部、 宁南山区、 山东半岛东部
2005 内蒙古、 黑龙江大部、 吉林西部、 华北大部、 陕西北部、 宁夏大部
2006 内蒙古（中西部）、 东北局地、 华北大部（河北）、 黄淮大部、 西北地区东北部、 青海东部
冬旱 1977 黑龙江松嫩平原局地、 吉林中西部、 辽宁、 华北大部、 陕西大部、 宁南山区、 黄淮大部
1992 黑龙江松嫩平原西部、 吉林西部、 辽宁西部和南部、 内蒙古西部和东部局地、 河北大部、 山西大部、 陕西大部、 甘肃、 青海东部、 河南大部
1999 吉林西部、 内蒙古中西部和东南部、 河北中南部、 山西、 陕西、 甘肃、 宁南山区、 河南、 山东、 青海东部
2008 黑龙江西南部、 吉林西部、 辽宁西部、 内蒙古中东部、 河北大部及京津等地有中至重度气象干旱, 局地特旱
2009 河北（中南部）、 山西（中部）、 山东（西部）、 河南（东北部和中部）、 陕西、 甘肃
2011 华北（山西东南部、 河北南部）、 黄淮大部

粗体表示区域内有重度以上旱情

文中给定了一个定量的适用性评分标准（表2）, 并以灾情信息为标准, 逐一对比了30次事件中各干旱指数监测效果, 计算了各指数监测准确率A, 计算公式为:
A ( % ) =   S   /   ( 3 × n )   × 100，
式中: S为不同类型干旱事件中各干旱指数监测效果实际得分总和; n为事件数, 春旱、 夏（伏）旱、 秋旱以及冬旱中n分别为10, 8, 6和6。
表2 各干旱指数监测效果评分标准

Table 2 Capacity scores of drought indices for drought monitoring

监测结果 监测效果 评分
监测到旱情 空监测或漏监测 差 0
程度和范围均有偏差 较差 1
程度和范围有1项符合 一般 2
程度和范围均符合 较好 3

4 结果分析

4.1　不同干旱指数的监测准确率

由于灾情信息基本是以省（区）行政区域为统计单位记录的, 所以, 这里也以省（区）为单位开展适应性分析。图2为各干旱指数对不同省份、 不同季节干旱的监测准确率。从图2中可以看出, MCI指数对研究区大部春旱的监测准确率明显高于其他指数, 准确率平均为78%, 是监测研究区春旱的最适宜指数。除东北区域外, 其他4种指数对春旱的监测效果相当, 准确率平均为66%。在东北区域, MCI指数监测准确率明显高于其他指数, 该区域春旱监测中尤其要注意指数的选择; 各指数对研究区夏旱的监测准确率差异较小, 准确率平均在70%, 比较而言, MCI指数对偏北部分区域如黑龙江、 吉林的旱情监测准确率略高于其他指数, K指数对偏南、 偏东部分区域的监测能力略优于其他指数; 从各指数对秋旱的监测准确率来看, K指数对研究区大部秋旱的监测准确率略高于其他指数, 但在甘肃和宁夏区域, MCI指数的监测准确度要高于K指数, SPEI对华北、 黄淮和西北东部的部分区域秋旱的监测准确率低于70%, 其他区域监测能力与K或MCI相当。Pa和SPI指数的监测准确率差异较小, 监测能力略低于K或MCI指数; 对于冬旱而言, MCI和K指数的监测效果要优于其他指数。
图2 各干旱指数对不同区域、 不同季节干旱的监测准确率（单位: %）

Fig.2 The monitoring accuracy of each drought index for different regions and different seasons.Unit: %

综合来看, MCI和K指数的监测效果要优于SPI、 Pa和SPEI指数。MCI指数对研究区春旱的监测尤具有优越性, K指数对偏东、 偏南区域的夏、 秋、 冬3季旱情监测能力略优于MCI指数, Pa和SPI指数对夏、 秋两季的旱情监测准确率较高, 而SPEI指数对研究区夏旱有较强的监测能力。进一步分析表明, Pa指数、 SPI指数以及SPEI指数监测准确率低主要是因为这些指数监测偏轻或漏测频率较高, 尤其是对春旱的漏测, 漏测频率在16%~44%之间, 而K指数对东北区域的春旱漏测频率也较高, 频率高达29%。

4.2　不同干旱指数干旱监测实例

由于文章篇幅所限, 以下仅就不同季节的干旱事件各给出1个实例。
从1995年4月各指数对研究区旱情的监测结果(图3)中可以看出, 对比表1中的实际干旱状况来看, MCI指数对大部区域的旱情监测的最好, K指数对东北春旱的监测偏轻或存在漏测情况, 而SPEI指数无论是对旱区范围还是对干旱程度的监测均与实际状况差异较大, SPI指数对东北、 内蒙古以及西北东部的旱情监测偏轻, 部分区域还存在漏测情况, Pa指数对陕西、 山西以及甘肃陇东的旱情监测偏轻或漏测。
图3 1995年4月干旱指数监测结果

Fig.3 Drought monitoring from different drought indices in April 1995

从各指数对1982年夏季东北、 内蒙古以及甘肃等地旱灾的监测结果(图4)中可以看出, 对比实际旱情来看, MCI对东北、 华北、 陕西、 青海区域的旱情监测的较好, 但对河南和内蒙古西部的旱情监测偏轻, K指数的监测结果与实际最为吻合, 而SPEI、 SPI和Pa指数对华北和内蒙古的旱情监测偏轻或存在漏测情况。
图4 1982年6月干旱指数监测结果

Fig.4 Drought monitoring from different drought indices in June 1982

从2006年研究区秋旱的监测结果(图5)中可以看出, 对比表1中的实际干旱状况来看, MCI指数对内蒙古和黄淮区域的旱情监测偏轻, 对青海东部的旱情有漏测情况, SPEI指数对华北、 黄淮区域旱情监测偏轻, SPI对内蒙古区域的旱情监测偏轻或漏测, 相比较而言, Pa和K指数对此次秋旱监测效果最好。
图5 2006年10月干旱指数监测结果

Fig.5 Drought monitoring from different drought indices in October 2006

从各指数对1992年研究区冬旱的监测结果(图6)中可以看出, 对比表1中的实际干旱状况来看, MCI指数漏测东北区域的旱情, 对西北东部、 华北及黄淮区域的旱情监测也偏轻, K和Pa指数较好的监测了华北、 黄淮、 西北地区东部以及东北的旱情, 但内蒙古区域的旱情监测偏重, SPEI指数监测的旱情普遍偏轻, 旱区范围偏小, SPI指数对西北东部、 华北及黄淮区域的旱情监测偏轻, 范围略偏小。
图6 1992年2月干旱指数监测结果

Fig.6 Drought monitoring from different drought indices in February 1992

4.3　各指数监测差异原因的初步分析

干旱本质上是水分收支不平衡造成的水分异常短缺现象, 各类干旱指数的差异主要在于各自描述水分收支不平衡的不同上, 主要体现在以下3个方面: 一是致旱因子的选择, 即考虑哪些干旱影响因子, 只考虑降水的变化？如Pa、 SPI指数等, 还是考虑降水和蒸发的综合影响？如SPEI、 K指数等, 或者还要考虑径流、 土壤持水能力等要素; 其次是考虑的时间尺度, 即考虑前期多长时间尺度的降水、 蒸发、 径流等对后期的干湿产生影响, 如CI指数只考虑前3个月降水的影响, 而MCI指数考虑前5个月降水的影响; 最后是如何考虑各因子的影响, 即因子影响的量化方式, 如前期降水或蒸发等因子对后期旱涝的影响是等权的还是有衰减？如SPI指数中假设前期和近期降水对后期旱涝的影响是等权的（McKee et al, 1993）, 而K指数则假定前期降水对后期旱涝的影响是随时间衰减的（Wang et al, 2018）。
本文以20 cm土壤相对湿度作为定量化干湿标准, 通过分析不同尺度降水量和蒸发量异常与土壤湿度的相关性, 确定影响区域干湿变化的主要因子和主要尺度, 进而探讨各指数监测能力差异的原因。土壤湿度是最直接反映区域干湿状况的定量指标, 中国农作物生长发育状况资料数据集中研究区有405个农气站1991年9月至2012年7月20 cm土壤相对湿度数据, 但大多数台站数据缺失严重, 本文综合考虑数据样本长度、 干旱发生频率以及图2中同一区域各指数监测结果差异大小, 选择青海共和、 河南新乡以及吉林白城3站剔除灌溉时段的20 cm土壤相对湿度数据, 计算了月平均土壤相对湿度与不同时间尺度降水量和蒸散发量异常间的相关系数（表3）。从表3中可以看出, Pa和ΔET0分别表示降水距平百分率和参考作物蒸散发量距平, 其后的数字表示时间尺度, 如Pa_1和ΔET0_3分别表示近1个月即当月降水距平百分率和近3个月累积参考作物蒸散发量距平值, 以此类推。由于冬季土壤湿度观测数据有限, 这里只讨论了春、 夏、 秋3季的相关情况。
表3 代表站月平均20 cm土壤相对湿度与不同时间尺度降水距平百分率和参考作物蒸散发距平的相关系数

Table 3 The correlation coefficient between the average monthly soil relative humidity of 20 cm and the anomaly of precipitation and the reference crop evapotranspiration at different time scales

台站 季节 要素
Pa_1 ΔET0_1 Pa_2 Pa_3 ΔET0_3 Pa_5
吉林白城 春季(N=62) 0.26 -0.45** 0.22 0.23 -0.43** 0.36**
夏季(N=62) 0.67** -0.48** 0.67** 0.64** -0.32* 0.60**
秋季(N=35) 0.41** -0.39* 0.61** 0.70** -0.49* 0.63**
河南新乡 春季(N=57) 0.65** -0.32* 0.64** 0.65** -0.35** 0.56**
夏季(N=60) 0.35** -0.37** 0.31* 0.26 -0.26 0.27
秋季(N=60) 0.64** -0.44** 0.58** 0.38** -0.47** 0.22
青海共和 春季(N=57) 0.27* -0.13 0.36** 0.41** -0.13 0.44**
夏季(N=61) 0.53** -0.32* 0.55** 0.46** -0.32* 0.45**
秋季(N=27) 0.41* -0.49** 0.02 0.35 -0.06 0.35

N表示样本量; **和*分别表示通过0.001和0.05的显著性水平检验

吉林白城站春季20 cm土壤相对湿度与ΔET0_1、 ΔET0_3以及Pa_5的相关性极显著, 说明当月蒸散、 近3个月累积蒸散以及近5个月累积降水是影响该区域春季旱涝的主要因子, MCI指数充分考虑了这些因子, 所以其监测能力远强于其他指数; 夏、 秋季土壤相对湿度与5个月内的降水和3个月内的蒸散相关均很显著, 即前5个月内的降水状况和3个月内的蒸散状况对东北区域的夏、 秋季旱涝均有显著影响, 所以, 各指数均能较好的监测旱情, 而MCI指数考虑的最周全, 监测能力也略强于其他指数。
河南新乡春季土壤湿度与各尺度降水和蒸发异常均密切相关, 尤其是近3个月的降水和蒸散异常, K指数充分考虑了这些因子的影响, 所以其监测能力最强; 夏季土壤湿度与近1~2个月的降水异常和近1个月蒸发异常相关相对较高, SPEI、 SPI以及Pa指数监测能力相对较强; 秋季, 近3个月内的降水和蒸发尤其是当月降水异常与土壤相对湿度相关最显著, K、 Pa和SPI指数监测能力均较强。
青海东部春季土壤湿度与前5个月降水异常相关显著, 所以MCI指数能较好的监测出旱情, 而仅考虑当月降水异常的Pa指数、 SPI指数监测能力相对较弱; 夏季干湿状况与各尺度降水和蒸散相关均较显著, 尤其是与近2个月降水极显著相关, 各指数均表现出较强的监测能力, 尤其是考虑近期降水和蒸散的K、 SPEI、 SPI以及Pa指数; 当月降水和蒸散异常与青海东部秋季土壤湿度的相关相对较高, 所以, SPI、 Pa、 SPEI指数监测能力较强。
图7进一步展示了研究时段逐年各季平均20 cm土壤相对湿度与不同时间尺度降水距平百分率和蒸散发距平变化的对应情况, S1~S4表示4种不同降水和蒸散发条件下发生干旱的年份百分比, 其中S1为近1个月降水偏少, S2为近1个月降水偏少且蒸散发偏多, S3表示近3个月内降水偏少、 蒸散发偏多, S4表示近1~3个月和近5个月降水偏少、 近1个月蒸散发偏多。从图7中可以看出, 总体来看, 与土壤湿度高相关的时间尺度内降水偏少、 蒸散偏多时, 出现旱情的频率较其他情形高9%~18%。限于篇幅, 这里仅给出吉林白城站的情况予以说明。吉林春旱与近5个月降水异常密切相关, 白城站仅近5个月降水异常偏少（即Pa_5<0）的年份中就有67%的年份出现旱情, 近5个月内降水偏少、 近1个月蒸散偏多的年份全部出现旱情, 比较而言, 仅近期（1~3个月）降水偏少、 蒸散量偏多情况下出现旱情的频率略低, 平均为77%。另外, 2008 -2010年春季Pa_5>0但SM20≤60%, 即近5个月累积降水偏多情况下出现了春旱, 通过分析前期逐月降水的变化发现, 2008 -2010年间, 白城上年夏、 秋、 冬3季降水持续异常偏少, 当年春季大多数月份降水偏多8成至2倍, 当月降水异常偏多降低了前期降水亏缺的程度, 所以出现前5个月累积降水偏多时出现旱情的情况。有研究表明（王素萍等, 2013）, 东北地区春季土壤湿度主要受到前5~6个月尺度大气水分的影响, 尤其是上年秋末冬初的降水对后期土壤墒情有决定作用, 所以东北地区春旱的监测可能要考虑前6个月, 即上年秋季以来更长时间尺度的降水异常状况。夏、 秋季, 近5个月内降水偏少、 近1个月蒸散偏多情况下出现旱情的频率也高于其他情形, 尤其是在秋季。以上结果进一步表明, 东北区域的旱涝与较长时间尺度的水分状况相关密切, MCI指数全面考虑了影响东北区域干旱的主要因子和主要时间尺度, 其监测能力也略强于其他指数。
图7 白城20 cm土壤相对湿度（SM20）与同时段不同时间尺度降水距平百分率Pa和蒸散发距平ΔET0的对应关系

Fig.7 The corresponding relationship between the SM20 and the anomaly of precipitation and evapotranspiration in Baicheng

5 讨论

考虑相同尺度、 相同因子的干旱指数, 计算方法不同, 监测能力也会有差异。同样是考虑1个月时间尺度降水影响的干旱指数Pa和SPI, Pa的计算是基于距平的, 而SPI的计算是基于概率分布, Pa考察当月降水与多年平均值的偏离程度, SPI考察的是当月降水在多年值中的概率分布; 另外, Pa中把降水量当作正态分布来考虑（袁云等, 2010）, 而SPI指数假设某一段时间内的累积降水量服从伽马（Gamma）分布, 吴子君等（2017）研究表明, 不同的降水分布函数对不同区域、 不同季节降水的描述能力不同。因此, 除了对致旱因子科学构成的考虑外, 如何量化各因子的影响也会对旱涝程度的衡量带来差异。
温度变化对中国北方干旱影响大（Chen et al, 2015）, 有研究指出, SPEI与SPI序列只在增温不显著的地区较为相似（Vicente-Serrano et al, 2010）, 在增温显著的季节或区域, SPEI指数对干旱的监测能力要优于SPI（唐敏等, 2017）; SPEI、 MCI和K指数综合考虑了降水和温度因子, 适用于气候变暖背景下干旱检测与评估, 但其是不是对伴随高温的干旱或升温显著区域的干旱监测能力更强？
综合以上分析, 干旱指数之间的差异体现了各指数对研究对象、 致旱因子以及干旱机理的不同考虑。不同因子对旱涝监测影响有多大？不同的干旱量化方式对旱涝监测影响有多大？多种致旱因子对干旱的协同影响又如何？深刻剖析这些原因, 可以深化对区域干旱的主要驱动因子、 干旱机理等的认识, 可为区域干旱影响因子的精准识别与科学量化提供科学指导, 将是未来干旱监测指数改进的着眼点和有效途径, 限于篇幅, 本文在这些方面暂未做更深入分析, 今后将开展更细致的研究和探讨。

6 结论

本文对目前应用最为广泛的5种干旱指数在中国北方的适用性进行了综合评估, 并对各种指数监测结果的差异原因进行了初步探讨, 得到以下主要结论:
（1） MCI指数对研究区春旱的监测尤具有优越性, K指数对偏东、 偏南区域的夏、 秋、 冬季旱情监测能力略优于MCI指数, Pa和SPI指数对夏、 秋季的旱情监测准确率较高, 而SPEI指数对研究区夏旱有较强的监测能力。
（2） 综合来看, 我国北方旱区干旱监测中, MCI和K指数的监测效果要优于SPI、 Pa和SPEI指数。Pa指数、 SPI指数以及SPEI指数监测准确率低主要是因为这些指数监测偏轻或漏测频率较高。
（3） 各指数的干旱监测能力与其考虑的主要致旱因子和主要影响时间尺度密切相关, 抓住主要因子和主要时间尺度是准确开展干旱监测的关键。MCI指数全面考虑了影响区域干湿的主要因子和尺度, 其监测能力强于其他指数, 但在东北区域春旱监测中需要考虑近6个月降水的影响, 其他指数在东北区域春旱监测中也需考虑更长时间尺度水分收支的影响。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
Chen H, Sun J, 2015.Changes in drought characteristics over China using the standardized precipitation evapotranspiration index[J].Journal of Climate, 28(13): 5430-5447.

Dai A, 2013.Increasing drought under global warming in observations and models[J].Nature Climate Change, 3(1): 52-58.

Dogan S, Berktay A, Singh V P, 2012.Comparison of multi-monthly rainfall-based drought severity indices, with application to semi-arid Konya closed basin, Turkey[J].Journal of Hydrology, 470- 471: 255-268.

Huang J P, Yu H P, Guan X D, al et, 2016.Accelerated dryland expansion under climate change[J].Nature Climate Change, 6: 166-171.

Jain V K, Pandey R P, Jain M K, al et, 2015.Comparison of drought indices for appraisal of drought characteristics in the Ken River Basin[J].Weather and Climate Extremes, 8: 1-11.

Kerr Y H, 2007.Soil moisture from space: Where are we?[J].Hydrogeology Journal, 15(1): 117-120.

Lu Er, 2009.Determining the start, duration, and strength of flood and drought with daily precipitation: Rationale [J].Geophysical Research Letters, 36: L12707.DOI: 10.1029/ 2009GL038817.

McKee T B, Doesken J, Kleist J, 1993.The relationship of drought frequency and duration to time scales[C]//Eight Conf.On Applied Climatology.Anaheim, CA, Amer.Meteor.Soc.17(22): 179-184.

Morid S, Smakhtin V, Moghaddasi M, 2006.Comparison of seven meteorological indices for drought monitoring in Iran[J].International Journal of Climatology, 26(7): 971-985.

Shahabfar A, Eitzinger J, 2013.Spatio-temporal analysis of droughts in semi-arid regions by using meteorological drought indices[J].Atmosphere, 4(2): 94-112.

Vicente-Serrano S M, Santiago B, Juan I, 2010.A multi-scalar drought index sensitive to global warming: The Standardized Precipitation Evapotranspiration Index-SPEI[J].Journal of Climate, 23: 1696-1718.

Wang J S, Wang S P, Li Y P, al et, 2018.A study of the K drought monitoring model[J].Polish Journal of Environmental Studies, 27( 1): 1-9.DOI: 10.15244/pjoes/74901.

Wang S P, Wang J S, Zhang Q, al et, 2016.Effect of precipitation deficit preceding severe droughts in Southwestern and Southern China[J].Discrete Dynamics in Nature and Society, (3): 1-10.

Wilhite D A, 2000.Drought as a natural hazard: Concepts and definitions[M].London: Drought-National Drought Mitigation Center, chapter 1, 3-18.

Wu H, Hayes M J, Weiss A, al et, 2001.An evaluation of the standardized precipitation index, the China‐Z Index and the statistical Z-Score[J].International Journal of Climatology, 21(6): 745-758.

蔡晓军, 茅海祥, 王文, 2013.多尺度干旱指数在江淮流域的适应性研究[J].冰川冻土, 35(4): 978-989.

崔园园, 敬文琪, 覃军, 2018a.基于TIPEX Ⅲ资料对CLDAS-V2.0和GLDAS-NOAH陆面模式产品在青藏高原地区的适用性评估[J].高原气象, 37(5): 1143-1160.DOI: 10.7522/j.issn. 1000-0534.2018.00020.

崔园园, 覃军, 敬文琪, 等, 2018b.GLDAS和CLDAS融合土壤水分产品在青藏高原地区的适用性评估[J].高原气象, 37(1): 123-136.DOI: 10.7522/j.issn.1000-0534.2017.00035.

丁旭, 赖欣, 范广洲, 等, 2018.再分析土壤温湿度资料在青藏高原地区适用性的分析[J].高原气象, 37(3): 626-641.DOI: 10. 7522/j.issn.1000-0534.2017.00060.

国家防汛抗旱总指挥部, 中华人民共和国水利部, 2007.中国水旱灾害公报2006[M].北京: 中国水利水电出版社, 15-24.

国家防汛抗旱总指挥部, 中华人民共和国水利部, 2008.中国水旱灾害公报2008[M].北京: 中国水利水电出版社, 18-27.

国家防汛抗旱总指挥部, 中华人民共和国水利部, 2010.中国水旱灾害公报2009[M].北京: 中国水利水电出版社, 17-27.

国家防汛抗旱总指挥部, 中华人民共和国水利部, 2012.中国水旱灾害公报2011[M].北京: 中国水利水电出版社, 18-26.

师春香, 谢正辉, 钱辉, 等, 2011.基于卫星遥感资料的中国区域土壤湿度EnKF数据同化[J].中国科学: 地球科学, 3: 375-385.

沈国强, 郑海峰, 雷振锋, 2017.SPEI指数在中国东北地区干旱研究中的适用性分析[J].生态学报, 37 (11): 3787-3795.

唐敏, 张勃, 张耀宗, 等, 2017.基于SPEI和SPI指数的青海省东部农业区春夏气象干旱特征的评估[J].自然资源学报, 32(6): 1029-1042.

王春林, 陈慧华, 唐力生, 2012.广东省气象干旱图集[M].北京: 中国科学技术出版社, 12.

王劲松, 郭江勇, 倾继祖, 2007.一种K干旱指数在西北地区春旱分析中的应用[J].自然资源学报, 22(5): 709-717.

王劲松, 李忆平, 任余龙, 等, 2013.多种干旱监测指标在黄河流域应用的比较[J].自然资源学报, 28(8): 1337-1349.

王静, 祁莉, 吴志伟, 等.2018.多套土壤湿度替代资料在青藏高原的适用性分析[J].高原气象, 37(2): 371-381.DOI: 10.7522/j.issn.1000-0534.2017.00074.

王林, 陈文, 2014.标准化降水蒸散指数在中国干旱监测的适用性分析[J].高原气象, 33(2): 423-431.DOI: 10.7522/j.issn. 1000-0534.2013.00048.

王素萍, 王劲松, 张强, 等, 2015.几种干旱指标对西南和华南区域月尺度干旱监测的适用性评价[J].高原气象, 34(6): 1616-1624.DOI: 10.7522/j.issn.1000-0534.2014.00089.

王素萍, 张存杰, 宋连春, 等, 2013.多尺度气象干旱与土壤相对湿度的关系研究[J].冰川冻土, 35(4): 865-873.

卫捷, 马柱国, 2003.Palmer干旱指数、 地表湿润指数与降水距平的比较[J].地理学报, 58(增刊): 117 -124.

温克刚, 丁一汇, 2008.中国气象灾害大典综合卷[M].北京: 气象出版社, 159-229.

吴子君, 张强, 石彦军, 等, 2017.多种累积降水量分布函数在中国适用性的讨论[J].高原气象, 36(5): 1221-1233.DOI: 10. 7522/j.issn.1000-0534.2016.00079.

谢五三, 田红, 王胜, 等, 2013.基于CI指数的淮河流域干旱时空特征研究[J].气象, 39(9): 1171- 1175.

谢五三, 王胜, 唐为安, 等, 2014.干旱指数在淮河流域的适用性对比[J].应用气象学报, 25(2): 176-184.

杨庆, 李明星, 郑子彦, 等, 2017.7种气象干旱指数的中国区域适应性[J].中国科学: 地球科学, 47: 337-353.

袁文平, 周广胜, 2004.标准化降水指标与Z指数在我国应用的对比分析[J].植物生态学报, 28(4): 523-529.

袁云, 李栋梁, 安迪, 2010.基于标准化降水指数的中国冬季干旱分区及气候特征[J].中国沙漠, 30(4): 917-925.

张存杰, 王宝灵, 刘德祥, 等, 1998.西北地区旱涝指标的研究[J].高原气象, 17(4): 381-389.

张立杰, 李健, 2018.基于SPEI和SPI指数的西江流域干旱多时间尺度变化特征[J].高原气象, 37(2): 560-567.DOI: 10.7522/j.issn.1000-0534.2018.00013.

张强, 张良, 崔显成, 等, 2011.干旱监测与评价技术的发展及其科学挑战[J].地球科学进展, 26(7): 763-778.

中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2006.GB/T 20481-2006.气象干旱等级[S].北京: 中国标准出版社.

中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会, 2017.GB/T 20481-2017.气象干旱等级[S].北京: 中国标准出版社.

中国气象局, 2006.中国气象灾害年鉴2005[M].北京: 气象出版社, 14-16, 113-117.

中国气象局, 2007.中国气象灾害年鉴2006[M].北京: 气象出版社, 28-31.

中国气象局, 2012.中国气象灾害年鉴2011[M].北京: 气象出版社, 10-16, 79-83.

中国天气网, 2010.1949 -1990年中国干旱灾害事件[Z/OL].[2019-01-20].http: //

朱智, 师春香, 张涛, 等, 2018.四套再分析土壤湿度资料在中国区域的适用性分析[J].高原气象, 37(1): 240-252.DOI: 10. 7522/j.issn.1000-0534.2017.00033.

Options
文章导航

/

〈 〉

本系统由北京玛格泰克科技发展有限公司设计开发 技术支持：support@magtech.com.cn