淮河流域陆地水储量与干旱指标分析
2020-11-20李晓英吴淑君
李晓英，吴淑君，王 颖，崔 威
(河海大学水利水电学院，江苏 南京 210098)
干旱作为常见的自然灾害，与人类生活、社会经济发展密切相关[1-3]。传统干旱灾害定量观测是基于点的观测，难以反映面尺度上的干旱特征。遥感观测覆盖面大，能满足干旱监测的时空分辨率要求，因此广泛应用于旱情监测。随着卫星遥感技术的发展，遥感手段能越来越精确地监测降水、蒸发、土壤水分等水循环要素，成为区域旱涝灾害监测和评估的重要手段[4-6]。
标准化降水指数(standardized precipitation index， SPI)是气象干旱指标中最常用的表征地区干旱程度的指标。Byakatonda等[7]运用Mann-Kendall趋势检验法研究不同时间尺度的SPI和标准化降水蒸发指数对区域干旱的指示性。方国华等[8]选取SPI对淮河流域干旱事件的时空连续性进行了判别，结果表明淮河流域春旱、夏旱频繁，流域北部受干旱影响更严重。Caloiero等[9]使用SPI分析了北半球干旱事件，评估了严重干旱和极端干旱类型的变化。
利用植被覆盖遥感数据可计算得到地区条件植被指数(vegetation condition index， VCI)，VCI常用于生态干旱监测。VCI在相对少雨地区具有良好的监测能力，在比较湿润的生态系统中，因土壤湿度对植被长势的限制小，将对VCI准确性产生影响[10-11]。为研究河南省干旱情况，沙莎等[12]将VCI与同期SPI、PDSI、Pa等干旱指数进行对比，发现在不同的作物生长阶段VCI对气象干旱存在不同的滞后效应。王文等[13]利用MODIS遥感数据和GLDAS数据，在云贵高原区对干旱遥感监测的各干旱指数进行了对比。王圆圆等[14]基于VCI和SPI间的相关性，评估了植被对气象干旱的响应特征，西藏地区植被生长对降水的响应滞后长达12周。李新尧等[15]探讨了VCI在陕西省农业干旱监测中的适用性，发现月尺度VCI与降水相关性较差。
陆地水储量变化(terrestrial water storage anomaly， TWSA)能够体现地表水、地下水、土壤含水量、冰雪和生物体含水量的综合变化[16]。水文干旱常伴随气象干旱[17]，GRACE重力卫星能够有效监测TWSA，用于水文干旱监测。曹艳萍等[18]利用降水数据和GRACE数据对新疆地区旱情进行分析，发现利用TWSA来反演的干旱特征与近年来新疆干旱灾害实际情况基本吻合，且与SPI的结果一致性较好。王文等[16]构建了长江流域标准化陆地水储量指数(standardized water storage index， SWSI)，结合标准化土壤含水量指数、标准化径流指数和SPI对长江中下游的旱情进行评估，分析了各指数的灵敏度。马柱国等[19]利用GRACE数据、降水等数据对我国东部干旱进行研究，发现长江流域存在显著干旱趋势，华北地区干旱缓解，而GRACE反演的陆地水储量显示北方仍处在干旱状态。
目前对干旱指标的研究主要基于降雨和植被等要素，对陆地水储量指标的研究较少，SWSI在淮河流域干旱的应用研究较为缺乏。本文以淮河流域洪泽湖以上范围为研究对象，分析研究区域多年陆地水储量变化、降水变化及植被变化情况。基于研究区域陆地水储量变化数据生成新的水文干旱指标SWSI，选取传统气象干旱指标SPI和生态干旱指标VCI为典型干旱指标进行多指标对比分析，验证SWSI对淮河流域干旱及强度的指示性，以期为多指标在淮河流域干旱中的应用提供参考。
1 研究区域概况与数据来源
1.1 研究区域概况
淮河流域位于我国东部，地跨河南、湖北、安徽、江苏、山东5省，流域西、南、东北部为山区，其余为平原、湖泊等。淮河流域地处我国南北气候过渡带，南部为亚热带湿润季风气候区，北部为暖温带半湿润季风气候区，流域植被分布具有明显条带性。南部降水量大于北部，山区降水量高于平原。淮河流域农业自然条件优越，是我国重要的粮棉油生产基地之一，干旱灾害将严重影响我国粮食安全。
1.2 数据来源
1.2.1GRACE数据
GRACE卫星通过监测时变重力场变化得到地表质量变化，并转化为等效水高变化，数据序列最早始于2002年4月。本文采用2003—2016年CSR、GFZ、JPL 3家研究机构发布的全球空间分辨率为 1°×1°的逐月等效水高变化的均值，对流域进行面积加权平均，得到的各月平均TWSA为相对于2004—2009年陆地水储量均值的距平值。
1.2.2降雨数据
降雨数据采用淮河流域1987—2016年降雨月值格点数据，数据来源于中国气象数据网，分辨率为0.5°×0.5°，个别缺损数据采用样条法插值。
1.2.3MODIS数据
采用MOD13A 3月数据生成归一化植被指数(normalized difference vegetation index， NDVI)，资料时间序列为2001—2016年，空间分辨率为1 km。NDVI与地表覆盖率呈正相关关系，能够很好反映地表植被覆盖情况。
1.3 Mann-Kendall检验法
Mann-Kendall检验法是一种非参数统计检验方法，能够实现高效率定量化操作，且检测范围广，受人为影响小，在水文气象资料的长期变化趋势预测中得到广泛应用，其计算公式[20]为
(1)
(2)
式中：p为时间序列对偶值(xi,xj)(j>i)中xi
2 流域干旱分析指标
2.1 SWSI
SWSI作为一种水文干旱指标，能够评价陆地水储量的亏损状况[16,21]。利用正态分布Q-Q图评估GRACE反演的淮河流域洪泽湖以上范围TWSA的实际分布与正态分布偏离度。如图1所示，样本点经验分位数与理论分位数分布近似在一条直线上，表明陆地水储量分布接近正态分布，则SWSI可表达为
(3)
图1 TWSA正态分布Q-Q图Fig.1 Normal Q-Q plot for TWSA
2.2 SPI
SPI可以表征某时段降水量出现的概率，被广泛应用于干旱识别。干旱等级划分标准适宜不同时段不同地区，具有良好的时空适应性，通常要求降水数据序列长度达30 a以上。采用Г分布概率描述降水变化。
降水量服从Г分布时，概率密度计算公式为
(4)
(5)
式中:x为降水量样本值;β>0、γ>0分别为尺度参数和形状参数，可采用极大似然估计得到，Г(γ)为Г函数。对概率密度函数进行积分计算Г分布概率P，当降水量x=0时，P=m/n，m、n分别为降水量为0的样本数和总样本数。
对Г分布概率进行正态标准化处理，即得到SPI值，再由标准化降水累积频率分布划分干旱等级。近似求解SPI值为
(8)
其中
式中：S为概率密度正负系数，当P>0.5时，S=1；当P≤0.5时，S=-1。各参数值如下：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。
根据干旱等级标准GB/T 20481—2017《气象干旱等级》及相应研究[4,10]，ISPI≤-2.0，为极端干旱；-2.0 NDVI的年际变化能够反映气象条件差异造成的生态系统生产力的波动。NDVI长系列年的最值反映了研究系列年份的最极端气象条件，利用这一特性可以将生态系统因素与极端天气因素对植被覆盖的影响剥离，使得VCI的变化能够反映植被含水量，评价极端天气对植被的影响，从而监测农业干旱。 (9) 式中：INDVIi为某月的NDVI；INDVI,max、INDVI,min分别为研究长系列年中月NDVI的最大值和最小值。通常IVCI≤0.15表示植被生长状况差，发生极端干旱；0.15 淮河流域洪泽湖以上区域2016年年均TWSA、降水量和NDVI相对于2003年年均的变化率如图2所示。相对2003年，2016年淮河流域年均降水量整体稍有下降，淮河南部大别山山脉地区降水量略有上升，淮河南部降水量高于北部。GRACE反演的淮河流域陆地水储量除洪泽湖范围外均呈现下降状态，尤其是淮南市一带。分析原因，应是洪泽湖保护规划等措施的实施，洪泽湖生态保护增强，使得湖区水储量上升。相较2003年，淮河流域城市化水平提高，地下水用水量增加，陆地水资源量损耗增大。相较2003年，2016年淮河流域的年均植被指数除个别小范围地区变化较大外，整体较为均匀，略有上升。流域植被覆盖率增加，流域生态环境得到改善。 (a) TWSA (b) 降水量 (c) NDVI图2 2003年、2016年淮河流域TWSA、降水量及NDVI相对变化对比Fig.2 Comparison of the changes of TWSA, precipitation and NDVI between 2003 and 2016 in the Huaihe River Basin 利用Mann-Kendall检验法分析淮河流域GRACE反演的TWSA、降水及NDVI的趋势性，发现2003—2016年淮河流域降水量存在微弱下降趋势，TWSA呈现显著下降趋势，但流域NDVI有显著上升的趋势。TWSA受到降水量的影响，一般与降水量变化呈正相关关系[22-23]。淮河流域陆地水储量的显著下降除受到人类活动用水增加的影响外，还受到流域降水量下降的影响。NDVI的上升主要受人类活动因素的影响，随着人们环保意识逐步增强，植被保护、城市绿化、退耕还林等一系列措施的实施使得区域植被覆盖率逐步升高，NDVI显著上升。 基于淮河流域TWSA、降水量及NDVI分别构建了流域2003—2016年间SWSI、SPI和VCI 3个指标序列(图3)，从水文干旱、气象干旱和生态干旱角度分析淮河流域洪泽湖以上范围区域性干旱，并评估各指标对淮河流域干旱的表征能力。 图3 2003—2016年淮河流域各干旱指标变化Fig.3 Variation of drought indices from 2003 to 2016 in the Huaihe River Basin SPI和VCI的相关性较好，两者相关系数达0.71(P<0.01)，SWSI与SPI、VCI间整体相关性略差。图3中横线为各指标是否发生旱情分界线，分界线以上表示为轻微干旱或无旱状态。从图3可见，2004—2010年SWSI变化虽然与SPI和VCI较为同步，但是变化幅度小，部分月份当SPI和VCI出现旱情时，SWSI整体仍呈现轻微干旱或者无旱状态。2006—2016年SWSI变化与SPI和VCI变化一致性较好，对旱情的指示较为吻合，但存在2～3月的不同步性。SPI与VCI的趋势较为一致，当SPI显示存在旱情时，VCI也同期呈现干旱状态。当SPI显示研究区域为湿润状态时，VCI均表现为植被生长状况良好，无干旱出现。2003年VCI基本小于干旱界限值，较为异常，主要是受MOD13卫星提供的原始数据时间序列较短的影响。VCI监测干旱时要求有较长时间的植被覆盖率资料积累，而由于MODIS公开资料最早从2001年起，导致NDVI最值不具代表性，造成计算VCI时存在误差，影响VCI干旱监测的准确性。同时由于淮河流域研究区域均处于湿润、半湿润地区而VCI具有局限性，在较湿润生态系统中，受植被自身特性影响较大，会出现无法准确识别出干旱事件的情况[9-10]。 对3个指标在2003—2016年间的干旱月份进行统计(表1)，发现SWSI与SPI在极端干旱、严重干旱和中等干旱月份数量基本相当，与VCI反映的同等级干旱月份数量差距较大。当SWSI与SPI指示月份出现短期连续性轻旱，尚未构成旱情时，VCI对应月份显示为中等干旱或严重干旱。 表1 2003—2016年淮河流域各干旱指标干旱月份数Table 1 Number of dry months of various drought indices in the Huaihe River Basin from 2003 to 2016 分别对各干旱研究指标在历史干旱时期对应显示干旱等级进行统计，结果见表2，旱情资料来源于《中国水旱灾害公报》。淮河流域发生了5场较大规模的旱情，其中SWSI和VCI均全部监测到，SPI存在一次遗漏。2012年淮河流域发生短暂旱情，7月旱情随降水量增多而解除，同期SWSI和SPI显示为轻微干旱，而VCI指示的干旱等级偏高达到严重干旱。2014年黄淮地区持续高温，淮河上中游来水偏少6～7成，导致夏伏旱较为严重，SPI仅考虑了降水量的影响，未能正确指示旱情。SWSI除2009年受前期水储量较丰影响仅表现为轻微干旱外，整体表现较为良好。 表2 淮河流域历史干旱事件与各指标干旱结果比较Table 2 Comparison of historical drought events and drought indices results in the Huaihe River Basin a. 2003—2016年期间，淮河流域年均降水量整体稍有下降，南部山脉地区降水量上升；流域陆地水储量除洪泽湖范围上升明显外，整体呈现下降状态；年均植被指数略有上升，植被覆盖率增加。淮河流域降水量呈现微弱下降趋势，而陆地水储量显著下降，植被指数显著上升，一定程度上反应了地下水取用、环境绿化等人类活动对流域陆地水储量和植被覆盖率的影响。 b. SPI与VCI相关性较高，与SWSI变化较为一致，但SWSI变化相对于SPI和VCI变化存在 2～3月的滞后性。SWSI与SPI指示的不同等级干旱月份数基本相当，明显少于VCI。当SWSI与SPI指示月份仅表现为短期轻微干旱，流域未发生旱情时，VCI多次显示不准确的严重干旱，进一步验证了VCI的局限性。 c. SPI对2003—2016年间淮河流域历史干旱存在漏报，VCI指示的干旱等级略偏高，SWSI整体表现较为良好。综合研究结果表明，SWSI能够有效监测淮河流域旱情，为干旱的监测和防治提供可靠依据，但在其他流域多指标对干旱的指示性仍需进一步研究。2.3 VCI
3 结果与讨论
3.1 流域降水量、陆地水储量及植被指数变化分析
3.2 流域干旱指标指示性分析
4 结 论
