京津冀地区旱涝空间特征及其对农业用水的影响

2016-03-26范琳琳王红瑞罗文兵李亚龙袁念念

中国农村水利水电 2016年8期

范琳琳，王红瑞，罗文兵，李亚龙，袁念念

(1.长江科学院农业水利研究所，武汉 430010；2.北京师范大学水科学研究院，北京 100083)

气候对人类社会具有重要意义，气候系统的任何变化都会对自然生态系统及社会经济活动产生深远影响。全球气候变暖对我国气候灾害的发生造成了重大影响，自20世纪50年代以后，干旱洪涝灾害发生频率以及受灾面积整体呈增加趋势。其中，由于干旱造成的直接经济损失几乎占气象灾害损失的50%，旱灾面积每年约为2 000万hm2，对社会经济造成严重的负面影响。京津冀地区旱涝更为严重，旱灾以春旱最多，有“十年九旱”之说，且范围广、影响大、灾情重，局地旱情严重时人畜饮水亦困难[1]。

许多学者对京津冀地区的气候变化进行了相关研究。苏宏新等[2]利用SPEI指数分析了北京地区低频干旱与气候指数的关系；方宏阳等[3]利用SPI指数分析了京津冀地区的旱涝时空变化特征；李鹏飞等[4]分析京津冀地区近50年气温、降水、潜在蒸散发的变化特征；李双双等[5]分析了京津冀地区干旱-暴雨-热浪灾害的时空聚类特征。以往研究多集中在对气候要素(如降水、气温)及干湿状况的分析，而忽略了干湿状况的变化对地区农业用水的影响。基于此，本文利用标准化降水蒸散指数(Standard Precipitation and Evapotranspiration Index，简称SPEI)分析京津冀地区的旱涝时空特征，并根据地区农业用水量数据分析了旱涝变化对农业用水的影响，以期为未来京津冀地区气候变化及农业用水的研究提供参考。

1 研究区概况

京津冀地区主要包括北京、天津、石家庄、唐山、承德、张家口、保定、廊坊、秦皇岛、沧州、邯郸、邢台、衡水，地处E113°27′～E119°50′，N36°05′～ N42°40′之间[6]，如图1所示。京津冀地区属于海河流域范畴，而海河流域的水资源短缺问题尤为突出，在我国的众多流域中是最突出的一个。在1999-2009年的10年干旱期间，北京、天津等海河流域的特大城市由于地表水源骤减而面临严峻的水资源短缺问题，京津冀地区人均水资源量并不到260 m3/人，因而被迫采取包括启用备用水源、限制用水、外流域调水、加大地下水开采或地区调水等应急措施来应对水资源短缺问题[7]。近年来，随着城镇化进程的加快，城镇生活及环境用水量急剧增加，工业用水量呈增长趋势，导致农业用水量被迫减少。20世纪80年代以来，该区气温显著上升、降水减少、水资源匮乏、气候干化突出，致使气象灾害频繁发生，造成重大经济损失。

图1 研究区概况图Fig.1 Overview diagram of study area

图2 气象站点分布图Fig.2 Distribution of weather stations

2 数据与研究方法

2.1 基本气象数据

本文所采用的气象数据为研究区内共24个气象站点1951年1月-2013年12月的逐月降水、逐月气温等基本观测资料，数据来源于中国气象数据网(http:∥data.cma.cn/)。气象站点分布情况如图2所示。本文所采用的用水数据为以省(市)及行政区为单位，分别为北京、天津、河北2003-2013年总用水量、农业用水量，数据来源于历年各省(市)水资源公报。

2.2 标准化降水蒸散指数(SPEI)

本文选用气象干旱指数标准化降水蒸散指数(Standardized Precipitation Evaporation Index，简称SPEI)来分析研究区的干旱特征。SPEI是Vicente-Serrano在标准化降水指数(Standardized Precipitation Index，简称SPI)的基础上进行改进，增加气温数据计算蒸散发量，建立基于降水、气温的水分盈亏关系，并能够灵活改变时间尺度计算不同累计周期的干旱指数，是分析干旱特征较为理想的指数。其计算过程如下[2]：

(1)计算水平衡：

Di=Pi-PETi

(1)

式中：Pi为降水；PETi为潜在蒸散发量；利用气温数据通过Thomthwaite方法计算。

(2)根据水平衡构建水分盈/亏累计序列，可选取不同的时间尺度：

(2)

式中：n为计算次数；k为时间尺度，月。

(3)采用三参数log-logistic概率密度函数对所建立的水分盈亏序列进行拟合：

(3)

式中：α、β、γ为计算参数，这些参数都能通过参数估计方法求得。则给定时间尺度的累积概率为：

(4)

(4)对序列进行标准正态分布转换，从而得到SPEI：

(5)

式中：当P≤0.5时，P=1-F(x)；当P>0.5时，P=1-P，SPEI的符号被逆转。其他常数项分别为C0=2.515 517，C1=0.802 853，C2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

利用SPEI表征干旱程度的分级，如表1所示。

表1 SPEI等级划分Tab.1 Ranking of SPEI

2.3 反距离加权法(IDW)

为分析研究区SPEI的空间特征，采用反距离加权法(Inverse Distance Weighted)将各气象站的点值插值到空间，以分析其空间特征。反距离加权法的原理为“相近相似”，且距离越近所产生的影响越大。对插值点而言，每个采样点都对其具有影响，这个影响通过权重来体现。权重在采样点与插值点之间的距离有关，距离越大，权重越小。表示为[8]：

(6)

式中：Z为待插值点的估计值；Zi为第i个样本点的实测值；Li为第i个样本点与待插值点之间的距离；n为样本总数；p为距离的幂，p的大小会直接影响插值的效果，p越大，插值结果越平滑。大部分学者的研究中均将p取值为2。

3 结果与分析

3.1 SPEI计算结果

以12月为时间尺度，计算各站点逐年SPEI，将典型站点北京站、天津站、石家庄站的计算结果绘制如图3～图5所示。

图3 北京站点SPEI指数Fig.3 The index of SPEI in Beijing station

图4 天津站点SPEI指数Fig.4 The index of SPEI in Tianjin station

图5 石家庄站点SPEI指数Fig.5 The index of SPEI in Shi jiazhuang station

3.2 旱涝空间特征分析

由于1990年之前有部分站点缺测，数据点少会造成插值精度变低。因此，为保证插值精度同时分析不同时期SPEI的空间特征，选择2013年、2008年、2005年及1993年这4个水平年进行插值。插值结果如图6所示。

对1993年，SPEI数值波动范围较大，在-1.75～2.0之间。以南宫、邢台为中心的研究区南部SPEI数值最大，属于轻度湿润和严重湿润的范畴。以怀来、张家口为中心的研究区西北部及以乐亭、秦皇岛为中心的东北部SPEI数值最小，属于轻度干旱及严重干旱的范围。整体来看，研究区的大部分区域SPEI数值在-1～1之间，属于正常范围。而干旱的面积大于湿润的面积，中部地区较干旱，南部及北部小部分区域较湿润。

对2003年，SPEI数值波动范围较小，在-0.8～1.6之间，这说明2003年研究区SPEI空间差异不大。以北京、密云、唐山、承德、遵化为中心的中部偏北地区SPEI数值较小，虽然偏干旱但仍处于正常范围内(-1～1)。以南宫、邢台为中心的研究区南部，以围场为中心的研究区北部SPEI数值最大，在1～1.6之间，属于轻度湿润。湿润地区的空间分布特征与1993年相似。而以乐亭、秦皇岛为中心的东北部在2003年数值变大，属于轻度湿润，与1993年情况相反。整体来看，研究区大部分区域数值在-0.8～1之间，属于正常范围。

对2008年，SPEI数值波动范围亦不大，在-1.4～1.2之间。以渤海A平台、张北、蔚县为中心的小部分区域SPEI值小于1，属于轻度干旱。以石家庄、廊坊为中心的小部分区域SPEI值大于1，属于轻度湿润。其余地区SPEI值在-1～1之间，属于正常范围。整体而言，研究区的大部分区域在正常范围内，而研究区南部偏干旱，这与1993年与2003年的情况均不太相似。

对2013年，SPEI数值的波动范围较大，在-1.5～2.25之间。以天津、塘沽为中心的研究区东部、以张北为中心的研究区西北部SPEI数值较小，在-1～-1.5范围内，属于轻度干旱。以渤海A平台为中心的研究区东部以外区域SPEI数值最大，最大处甚至大于2，属于严重湿润。整体来看，2013年研究区整体偏湿润，但大部分地区仍处于正常范围。

为了分析研究区各站点发生干旱的次数及其空间分布规律，根据SPEI分等级范围，统计各站点历年发生轻度干旱、严重干旱、极端干旱的频次，同样采用IDW方法将发生次数插值到空间。由于历年各站点SPEI指数均未低于-2.0，即未发生极端干旱事件，因此绘制轻度干旱与严重干旱频次空间分布图，如图7所示。

从图7中可以看出，轻度干旱发生的频次多于严重干旱，其中轻度干旱发生的最多次数为9，发生站点为乐亭和张家口，发生轻度干旱次数较少的站点为密云、泊头与渤海A平台。发生轻度干旱次数较多的区域位于研究区西北部与研究区东部，而发生轻度干旱次数较少的区域为研究区中部及东南部。严重干旱发生的最多次数为6，发生站点为承德。严重干旱发生次数较多的站点为承德与饶阳。研究区东部边缘及西部边缘发生严重干旱次数较少，中部地区发生严重干旱次数较多。

图6 代表年SPEI空间插值结果Fig.6 The spatial interpolation results of SPEI for representative years

图7 干旱频率空间分布图Fig.7 The spatial distribution of drought frequency

由于各站点的历史数据序列长度不同，为了消除序列长度差异的影响，将各站点发生干旱的频次除以各站点序列年数，得到各站点发生干旱的频率，如表2所示。

其中，发生轻度干旱频率最高的站点为乐亭，发生严重干旱频率最高的站点为泊头；发生轻度干旱与发生严重干旱频率最低的点均为密云，在有数据的这25年中密云站点未发生过轻度干旱与严重干旱。由此可见，发生干旱频率较高的区域位于研究区的东南边缘部分。

3.3 旱涝特征对农业用水的影响

北京、天津、河北三地2003-2013年的总用水量、农业用水量如表3所示。从表3中可以看出，近10年来，北京、天津、河北三地的总用水量、农业用水量均呈现出下降的趋势，且农业用水量占总用水量的比例逐年下降明。研究区三省(市)中，河北省农业用水量所占比例最大，超过70%；天津市次之，约为55%；北京市农业用水所占比例最小，约为33%。

为分析研究区旱涝情势对研究区农业用水量的影响，分别绘制北京、天津、河北3个行政区2003-2013年的农业用水量与SPEI变化图，如图8所示。从图8中可以看出，北京市农业用水量呈现出明显的下降趋势，而天津市与河北省农业用水量呈现波动变化，且河北省农业用水量波动较为明显。天津、河北两地的农业用水量与SPEI呈现出明显的负相关关系，即SPEI越大，农业用水量越小；反之，SPEI越小，农业用水量越大。SPEI值越小说明干旱越严重，即当年的天然来水量较少。如天津市2007年SPEI值最小，接近严重干旱，当年农业用水量较大。又如河北省2006年SPEI值最小，属于轻度干旱，当年农业用水量亦较大。这说明研究区的旱涝情势会在一定程度上影响农业用水量，当SPEI值小(即干旱发生)的时候，研究区降水量偏少，作物在干旱的情况下易蒸腾蒸发出更多的水量。而作物需水量一定，因此需要通过灌溉更多的水量来满足作物生长发育，则农业用水量随之增加。