气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制

黎云云，畅建霞，樊晶晶，余 波

气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制

黎云云1,2，畅建霞2※，樊晶晶3，余 波1

（1. 绵阳师范学院生态安全与保护四川省重点实验室，绵阳 621000； 2. 西安理工大学省部共建西北旱区生态水利国家重点实验室，西安 710048；3. 河北工程大学水利水电学院，邯郸 056038）

为全面剖析气候和土地利用变化下黄河流域农业干旱时空演变特征及驱动机制，该研究首先构建黄河流域SWAT分布式水文模型，模拟黄河流域水循环过程，基于标准化土壤湿度指数（Standard Soil Moisture Index，SSMI），识别不同干旱等级下的农业干旱历时、强度及干旱事件，分析黄河流域不同分区农业干旱特征值以及干旱事件频率在年季尺度上的演变特征；在此基础上，通过SWAT模型驱动农业干旱模拟方案集，厘定和量化气候和土地利用变化对黄河流域农业干旱的影响贡献率。结果表明：累积时间尺度越大，农业干旱发生的次数越少，但历时越长，农业干旱开始和结束时间多集中于春季和夏季；黄河流域90年代农业干旱最为严峻，尤其上游C区最容易遭受重旱和特旱，农业干旱频率高达70%～90%；气候变化是驱动黄河流域农业干旱发生的主要诱因，贡献率约为50%～90%，而土地利用变化对农业干旱的影响相对较弱，贡献率约为10%～50%。研究结果可为黄河流域制定合理的农业抗灾措施提供参考。

干旱；气候；土地利用；农业干旱；驱动机制；黄河流域

0 引 言

农业干旱持续时间长，影响范围广，每年因农业旱灾造成的粮食减产或失收非常严重[1]。随着气候变暖和人类活动的加剧，中国农业干旱广发和频发的态势更加凸显；近20年来，平均每年农作物受旱面积占中国自然灾害比例的50%以上，严重威胁着中国的粮食安全和社会经济的可持续发展[2]。因此，积极开展区域/流域农业干旱演变特征及驱动机制研究，对于科学制定合理的防旱规划和应急预案具有重要的理论意义和应用价值。

黄河流域作为中国人民的“母亲河”，承担着中国主要的粮食产区和人口密集区（50个大中小城市）的供水任务，对中国社会经济的可持续发展起着举足轻重的作用[3]。由于流域独特的地理位置和气候条件，黄河流域自古以来便有“十年九旱”之称，据中国水旱灾害公报和相关文献记载[4-8]，从明洪武元年（1368年）至1949年的582年中，有大旱或大饥记录的共107年，平均每5.5年一遇；有“人相食，饥殍盈野，死者枕藉”等记录的大旱灾共61年，平均每9.5年一遇。自20世纪中期以来，黄河流域农业干旱事件更加频繁，受灾面积不断扩大，连季干旱或连年干旱造成的重旱和特旱时常发生。如：关中地区重旱发生频率为14.6%，基本上三年发生一次较大旱灾，个别年份甚至出现极旱；黄河中上游地区，中旱、重旱发生频率高达80%左右，尤其1991－2000年黄河流域降雨量的减少导致农业大面积失收，如内蒙古、宁夏和甘肃省在1995、1997、1998和2000年均遭受了特大干旱的袭击，受灾面积约700万hm2，受灾人口约1 800万，粮食减产约230万t，对国民经济和生命财产安全已构成了严重威胁。

近年来，国内外学者关于流域农业干旱演变及驱动机制等方面的研究已开展了大量工作，并取得了一系列研究成果，如严小林等[9]基于受旱率、成灾率和粮食减产率等指标，利用Mann-Kendal趋势检验方法对海河流域农业干旱演变特征进行了研究，结果表明海河流域农业干旱随时间呈现出日益严峻的趋势。王富强等[10]基于土壤相对湿度指数，采用小波分析法和Mann-Kendal突变检验法，分析了贾鲁河流域农业干旱时空演变规律，结果表明贾鲁河流域的农业干旱呈缓慢加剧趋势。Sultana等[11]基于多指标农业干旱指数，利用地理空间技术对孟加拉国西北部的农业干旱进行了评估。吴迪等[12]采用地表能量平衡方程，对区域大气环流、地表潜热通量、地表净通量与降水、蒸发、温度等农业干旱影响因素进行了相关性分析和研究，结果表明蒸发量增加和降水量减少是驱动湄公河流域局部地区农业干旱加剧的主要原因。蒋桂芹等[13]基于作物水分收入和支出的代谢过程，分析了气候变化和人类活动对农业干旱形成的驱动机制。Han等[14]基于标准化土壤水分指数，采用小波相关分析方法，对变化环境下黄土高原农业干旱时空动态特征及潜在影响因素进行了研究，结果表明温度显著升高是导致农业干旱的直接因素，植被恢复项目的实施进一步加剧了农业干旱风险。从现阶段农业干旱研究成果来看，农业干旱演变特征主要采用小波分析法和 Mann-Kendal法等对农业干旱的整体变化趋势进行分析，较少从农业干旱特征指标的角度对农业干旱时空演变特征进行系统地研究；农业干旱驱动机制主要采用相关分析法定性分析潜在影响因素对农业干旱的驱动作用，缺少定量分析。目前黄河流域干旱研究主要集中于气象和水文干旱评估和预测等方面[15-19]，而关于流域农业干旱演变及驱动机制方面的研究和报道则相对较匮乏。

鉴于此，本文以黄河流域为研究对象，基于黄河流域不同气候分区，系统地识别流域农业干旱演变特征，基于SWAT分布式水循环模型，设置农业干旱驱动模拟方案集，全面剖析气候和土地利用变化对黄河流域不同分区农业干旱的驱动机制，以期为相关部门完善防旱预警体系和制定农业抗灾措施提供科学的参考依据。

1 黄河流域概况及数据来源

1.1 黄河流域概况

黄河干流全长为5 464 km，流域面积为79.5万km2，是中国第二大河流。由于受大气环流和季风环流的影响，流域内不同地区气候差异显著。降水具有地区分布差异显著、季节分布不均和年际变化大等特点，多年平均年降水量约476 mm，降水量东多西少、南多北少，从东南向西北递减；流域大部分地区多年平均蒸发量在800～1 800 mm之间，地区差异较大；多年平均气温在−4～14 ℃之间，呈南高北低，东高西低的变化趋势。因此，为了全面剖析和研究黄河流域农业干旱在空间上的变化特征及驱动机制，本文基于流域气候及下垫面特征，将黄河流域进一步划分为6个子区间[20]，如图1所示。

1.2 数据来源

本文的气象资料主要收集了1966－2010年海力素、红原、长武等121个气象站（图1）的日尺度平均降雨、日尺度最低和最高气温数据，均来源于中国气象科学数据共享服务网（http://data.cma.cn/）；水文资料收集了1966－2010年黄河干流唐乃亥、兰州、头道拐、花园口以及支流渭河流域华县水文站（图1）的月尺度还原流量数据，来源于黄河流域水文年鉴和黄河委员会。此外，本文在地理空间数据云（http://www.gscloud.cn）下载了空间分辨率为90 m的黄河流域数字高程图（DEM），在中国科学院南京土壤研究所（http://www.issas.cas.cn/）下载了比例尺为1∶100万的黄河流域土壤图，依据土壤分类标准FAO98，将黄河流域土壤整合成了石灰性褐土、黑麻土、新积土、棕壤等10种类型；在中国科学院资源环境科学数据中心（https://www.resdc.cn/）下载了比例尺为1∶10万的三期（1980年、2000年和2010年）土地利用图，依据《土地利用现状分类》国家标准（GB/T21010-2007），将黄河流域土地重分类为6种土地利用类型，分别为：耕地、草地、林地、水域、裸地以及城镇建设用地。

2 研究方法

2.1 SWAT水文模型

SWAT（Soil and Water Assessment Tool）水文模型是由美国农业部-农业研究中心（USDA-ARS）开发的分布式水文模型，它主要根据流域的数字高程图、河网分布、土壤和土地利用类型等，将流域划分为若干子流域和水文响应单元（HRU），并对HRU进行独立地产流计算，然后再通过河网连接，对流域出口（控制站点）进行河道汇流演算。与TOPMODLE、MIKE SHE和VIC等模型相比，SWAT模型的优点在于能定量分割土壤、土地利用和气候变化对水文过程的影响程度。SWAT模型自开发以来，已在加拿大、北美、亚洲及欧洲等地区多个流域得到了广泛应用并取得了良好的效果[21-22]。除此之外，SWAT模型还具有以下特征：

1）基于物理机制。模型需输入流域水文气象、土壤属性、土地利用类型措施等详细信息来描述输入变量和输出变量之间的关系，可用于模拟径流、泥沙运移和作物生长等过程。该方法的优点在于：①可模拟观测数据缺测（如降雨、气温等）的流域；②可定量化输入参数（如管理措施、气候、植被等变化）对流域产流、产沙、水质或其他变量的影响。

2）计算效率高。可模拟大型流域且运算速率快。

3）可模拟流域长期连续的水文过程。

因此，本文采用SWAT水文模型对黄河流域的水循环过程进行模型，为后续农业干旱方案集的驱动奠定模型基础。同时，选取纳什效率系数Nash-Suttcliffe ()[23]，2以及相对误差（）[24]3个评价指标，对SWAT模型在黄河流域的模拟效果进行合理性评价。计算公式及评价标准如下所示：

2.2 农业干旱指标的选取

干旱指标是表征或者评估流域/区域干旱的关键技术之一。农业干旱指标主要分为两类：第一类是以直接影响作物水分吸收的土壤水、或土壤水统计特征值为代表的单因素指标，如土壤相对湿度、土壤有效含水量等；第二类是综合降雨、气温和土壤水等为代表的多因素指标，如作物水分指数（CMI，Crop Moisture Index）、Palmer土壤异常指数等。由于土壤水作为作物体内水分的主要来源，直接控制和影响着农业干旱，也是当前学术界最被认可且广泛应用于表征农业干旱的一种方式。因此，本文选取标准化土壤湿度指数（Standard Soil Moisture Index，SSMI）作为农业干旱评估指标，对黄河流域农业干旱情势进行评估。SSMI采用分布函数拟合土壤湿度序列，可很好地表征不同累积时间长度下因土壤缺水而导致的农业干旱，适用于多尺度农业干旱空间对比分析[26]。SSMI计算方法与标准化降雨指数（Standard Precipitation Index，SPI）类似，干旱等级划分标准与SPI相同[27]，如表1所示。

表1 基于标准化土壤湿度指数的农业干旱等级划分标准

2.3 干旱事件识别及特征变量定义

本文采用当前应用最广泛的阈值法[28]是对干旱事件进行识别。如图2所示：黑色曲线代表SSMI时间序列，虚线为干旱指标阈值（−0.5、−1.0、−1.5、−2.0）；当SSMI<时，干旱开始，若某一时刻SSMI>0，干旱结束，则此时段被识别为只发生了1次农业干旱，记为农业干旱事件1（图2所示），a事件干旱历时为1。图中b和d之间间隔了1个时段，如果间隔时段的SSMI>0，则b和d被识别为两次独立的农业干旱事件；如果间隔时段的SSMI<0，则b和d合并为一次农业干旱事件，记为农业干旱事件2（图2所示），此时，农业干旱历时2=b+c+d。

干旱烈度（）和干旱强度（）定义如下：

2.4 气候和土地利用变化对黄河流域农业干旱的驱动归因分析

2.4.1 驱动机理分析

农业干旱是由于农作物体内水分不能满足其蒸腾和代谢需求（水分收支失衡）而导致的粮食减产或失收现象[29]。农作物体内水分的收入主要来源于根系对土壤水吸收，水分支出则主要通过农作物叶面蒸腾而释放到大气中。因此，影响土壤水含量（水分收入）和农作物蒸腾（水分支出）的因素，都可能会诱发农业干旱；由于本文主要研究气候和土地利用变化下的黄河流域农业干旱演变特征，暂不讨论灌溉对农业干旱的影响。

1）气候变化

气候变化主要通过降水、气温等因子，影响和控制土壤水的入渗和作物叶片的蒸腾而驱动农业干旱。由于本文暂不考虑灌溉对土壤水的补给，则降水是土壤水补给的主要来源；若下垫面坡度较大，降水几乎是土壤水的唯一补给来源，若下垫面坡度平缓，地下水也有可能补给一定的土壤水分。其他气象要素如气温、风速等则主要通过影响农作物叶片蒸腾而诱发农业干旱。例如：当气温较高时，农作物叶片表面的水分汽化加快，进而增加叶片气孔腔内的蒸汽压，加速农作物的蒸腾作用；当风速较大时，农作物叶片表面气温下降，导致叶片气孔关闭而降低农作物的蒸腾；当光照较强时，农作物叶片表面气温升高，致使叶面气孔打开而促进农作物蒸腾。

2）土地利用变化

一方面，土地利用类型相互转换可能会破坏流域的产汇流规律，改变下垫面的天然下渗率，加快或者阻碍地表水向土壤水转化；例如：城镇化建设迫使原有的疏松路面变成水泥路面，降低下垫面的下渗能力，致使地表径流向土壤水的补给量减少而诱发农业干旱。另一方面作物种植结构或生产规模改变引起的土地利用（下垫面）变化，可能导致作物蒸腾作用或土壤蓄水量发生改变；例如：伐木毁林等人类活动改变了作物的种植结构，降低了植被的覆盖度，可能导致作物蒸腾量和土壤蓄水量减少而引发农业干旱。

2.4.2 归因量化方法

1）农业干旱模拟方案集

本文以1968－1990年作为农业干旱基准期，1991－2000年和2001－2010年作为农业干旱的干扰期，通过SWAT模型驱动农业干旱设计方案集，量化气候和土地利用变化对农业干旱的驱动影响贡献率。表2为农业干旱驱动模拟设计方案集，其中：

方案一：1968－1990年气象数据、1980年土地利用数据驱动SWAT模型，模拟1968－1990年土壤水过程，结合SSMI计算得到1968－1990年的月尺度农业干旱指标系列。

方案二/方案三：在方案一的基础上，保持1968－1990年土地利用数据不变，采用1991－2000年/2001－2010年的气象数据驱动SWAT模型，模拟1991－2000年/2001－2010年的土壤水过程，结合SSMI计算得到1991－2000年/2001－2010年气候变化驱动下的月尺度农业干旱指标系列。

方案四/方案五：在方案一的基础上，保持1968－1990年气象数据不变，采用1990年/2000年的土地利用数据驱动SWAT模型，修改相应土地利用参数，模拟1991－2000年/2001－2010年的土壤水过程，结合SSMI计算得到1991—2000年/2001－2010年土地利用变化驱动下的月尺度农业干旱指标系列。

表2 农业干旱驱动模拟设计方案

2）驱动因素贡献率量化

由于干旱历时、干旱强度和干旱事件频率可较好地表征某一时段内流域干旱的变化特征，因此，本文采用平均干旱历时、平均干旱强度、以及干旱事件频率作为各驱动方案中的干旱特征度量指标。假设驱动方案一中的农业干旱特征度量指标（平均农业干旱历时、平均农业干旱强度或农业干旱事件频率）为0，驱动方案二/三中对应的农业干旱特征度量指标为climate，驱动方案四/五中对应的农业干旱特征度量指标land，则驱动因素（气候和土地利用变化）对农业干旱的影响贡献率可用公式（4）～（7）量化得到：

式中climate表示气候变化对农业干旱的驱动影响贡献率，land为土地利用变化对农业干旱的驱动影响贡献率。若climate和land大于零，则表示气候和土地利用变化加剧了农业干旱；若climate和land小于零，则表示气候和土地利用变化缓解了农业干旱；若climate和land等于零，则表示气候和土地利用变化对农业干旱的驱动影响可忽略不计。

3 结果分析

3.1 SWAT 水文模型参数率定与验证

在模型校准之前，首先基于Mann-Kendall非参数检验方法，对所选取的5个水文站的还原流量序列（1966－2010年）进行突变检验，结果显示黄河流域还原流量序列集中在1990年发生了突变，说明该序列在1990年之前受气候和土地利用变化的影响相对较小，而1990年以后，气候和土地利用变化对黄河流域还原流量的影响较大。因此，本文基于突变年份，将研究时段1966－2010年划分为基准期（1966－1990年）和影响期（1991－2010年）两个时段。为进一步分析后续不同年代的气象干旱特征及驱动机制，再次将影响期划分为1991－2000年和2001－2010年两个时段。又由于SWAT水文模型在运行初期，需一定时长的流量数据对模型进行预热，消除模型参数默认值为零的情况，即在模型每个运行时段，需设置2～3 a的预热期。由于农业干旱具有季节性等时间长的特点，因此，本文采用黄河流域各水文站月径流数据对SWAT模型参数进行率定和校准，模拟得到月尺度下的水循环要素，定量剖析气候和土地利用变化下黄河流域农业干旱在年、季时间尺度上的演变特征及驱动机制。黄河流域基准期和影响期唐乃亥、兰州、头道拐、华县、花园口月模拟流量过程和实际还原流量过程如图3所示，评价指标结果如表3所示。

表3 黄河流域5个水文站SWAT模型月径流模拟评价指标结果

由图3和表4知：唐乃亥、兰州、头道拐、华县和花园口水文站的月模拟流量过程与月还原流量过程均拟合较好，3个评价指标均满足适用性要求，其中：Ens系数都几乎达到了0.6以上，R均大于0.7，绝对值都在25%以内，表明SWAT模型在黄河流域各分区具有良好的适用性，能很好地模拟不同时段气候和土地利用变化下流域水循环过程，可进一步用于黄河流域农业干旱驱动模拟研究。

3.2 黄河流域农业干旱特征值分析

本文选取SSMI-1、SSMI-6和SSMI-18三个指标，分别代表黄河流域过去1个月、6个月和18个月土壤水分异常状态，并基于干旱识别原理，统计分析了黄河流域1968－2010年各分区发生轻旱、中旱、重旱和特旱的农业干旱次数、平均农业干旱历时以及最大农业干旱历时，结果如表4所示。

由表4知，农业干旱越严重，农业干旱发生次数越少；与SSMI-1和SSMI-6相比，SSMI-18表征的农业干旱总次数明显减少，但平均农业干旱历时和最大农业干旱历时均明显延长。1个月累积时间尺度下，黄河流域各分区平均农业干旱历时均为1.5～2.0个月。空间上，B区发生轻旱次数最多，E区发生中旱和特旱次数最多，A区发生重旱次数最多，但平均历时较短，C区发生特旱次数最少但平均历时最长（约为2～4个月）。6个月累积时间尺度下，平均农业干旱历时增加至2～3个月，最大农业干旱历时约为6～10个月；空间上：A区发生轻旱和重旱次数最多，C区发生重旱次数最多，E区发生特旱次数最多。18个月累积时间尺度下，平均农业干旱历时明显延长（约为3～5个月）；空间上：A区发生轻旱次数最多，C区发生中旱、重旱和特旱次数最多；与SSMI-1和SSMI-6相比，采用SSMI-18表征的农业干旱次数减少，但平均农业干旱历时和最大农业干旱历时均明显增加，其中轻旱的最大历时增加最明显（约为12～18个月）。

表4　基于SSMI-1、SSMI-6和SSMI-18的农业干旱特征值

为了进一步描述不同干旱等级下的农业干旱特征值（干旱次数和历时，以及干旱发生的起止时间）数据分布情况，本文绘制了基于SSMI-1、SSMI-6和SSMI-18的轻旱、中旱、重旱和特旱等级下的农业干旱次数和历时箱线图，以及农业干旱开始和结束时间箱线图，结果如图4和图5所示。

由图4知：累积时间尺度越大，干旱发生的次数越少，干旱历时越长。1个月累积时间尺度下，黄河流域农业干旱历时空间差异不大，约为1～8个月；6个月累积时间尺度下，黄河流域农业干旱历时为1～12个月，且上游长历时农业干旱次数多于下游；18个月累积时间尺度下，黄河流域干旱历时约为1～22个月，且下游长历时农业干旱（尤其重旱和特旱）次数明显增加。由图5可以看出：黄河流域农业干旱开始和结束时间多集中于春季和夏季（4-8月）；对同一区域来说，累积时间尺度越小，农业干旱开始和结束的时间越集中；但对于同一累积时间尺度而言，干旱等级越高（干旱越严重），农业干旱开始的时间越晚。

3.3 黄河流域农业干旱事件频率时空演变特征分析

1）年演变特征

借助ArcGIS，本文绘制了基于SSMI-1的黄河流域农业干旱事件年际时空频率分布图，旨在揭示黄河流域不同分区在基准期、1991－2000和2001－2010年最容易遭受何种等级的农业干旱。结果如图6a～6c所示。

由图6a～6c知，基准期，黄河流域上游A区和B区容易遭受重旱，上游C区容易遭受轻旱、中旱和重旱，中游D区和E区容易遭受中旱和特旱，下游F区容易遭受中旱。与基准期相比，1991－2000年黄河流域上游A区、中游D区和E区中旱事件频率增加，上游B区轻旱事件频率增加，上游C区特旱事件频率增加，下游F区重旱事件频率增加。与1991－2000年相比，2001－2010年黄河流域上游A区重旱和特旱频率增加，中游E区特旱事件频频增加，F区轻旱事件频率增加，其他三个区域的农业干旱均有所缓解。

由于重度等级以上的农业干旱（重旱和特旱）对粮食产量和生态环境影响较大，本文进一步分析了黄河流域不同分区在不同时段内遭受重旱等级以上的农业干旱事件频率变化特征，结果如图6d所示。由图6d知，黄河流域上游A区在基准期和1991－2000年重旱和特旱事件频率为25%～40%，进入2000年后，该区重度等级以上的农业干旱事件频率增加至70%～90%；上游B区和中游D区在基准期重旱和特旱事件频率均为40%～55%，而到1990年以后，该区域发生重旱和特旱的机率均降低了30%；上游C区重旱和特旱事件频率在时间上变化显著，基准期重旱和特旱事件频率为25%～40%，1991－2000年重旱以上等级的农业干旱频率增加至70%～90%，而2001－2010年重旱和特旱事件频率明显减少，仅为10%～25%；中游E区和下游F区重旱和特旱事件频率均小于55%，其中，E区重旱和特旱事件频率在时间上呈先减小后增加的趋势，而F区重旱和特旱事件频率在时间上呈先增加后减小的趋势。

总之：时间上，黄河流域1991－2000年最容易遭受重旱和特旱的袭击，而进入2000年后，黄河流域大部分地区发生重旱等级以上的农业干旱频率明显减少；空间上，上游C区在1991－2000年最容易遭受重度等级以上的农业干旱。根据文献[1-4]记载，黄河流域1995年、1997年、1998年和2000年都发生了特大农业干旱，受灾面积约700万hm2，受灾人口约1800万，粮食减产约230万t，其中，内蒙古、宁夏和甘肃省旱情最为严峻，验证了本文农业干旱模拟时空演变的结果的可靠性。

2）季演变特征

同样借助ArcGIS平台，本文绘制了基于SSMI-1的黄河流域各分区在季尺度上的农业干旱事件频率时空分布图，旨在揭示黄河流域六个分区在基准期、1991—2000年和2001—2010年最容易遭受的季节性农业干旱，结果如图7所示。黄河流域基准期农业干旱事件频率在季节上差异明显，春夏两季的农业干旱事件频率明显高于秋季两季，其中上游B区和中游D区发生春旱和夏旱的频率最高，约为75%～90%；与基准期相比，黄河流域1991－2000年农业干旱事件频率增加，绝大部分区域四季农业干旱事件频率均高达75%～90%；与1991－2000年相比，除上游A区外，黄河流域2001－2010年春夏秋冬农业干旱均得到了大幅度缓解，尤其上游B区、C区以及中游D区四季农业干旱频率均小于20%。

总之，2000年以后，黄河上游A区农业干旱最为严峻，尤其重旱和特旱事件频率高达70%～90%。主要是由于该区域位于青藏高原，气温偏低，农业生产呈立体布局，加之该区域地高水低的特点，农业灌溉困难，造成该区域经济落后，农业干旱频发，粮食产量低下。近10年应对措施建议：加强山区流域的生态综合治理，加大政府的帮扶力度；调整作物种植结构，优化土地利用格局；大力发展适合于该区域种植的特色农作物，如饲草业等；加强抗旱和节水等技术的指导和培训，推广高效补灌或地膜覆盖等栽培技术，普及和提高农民的抗旱减灾知识和旱植能力。

3.4 黄河流域农业干旱特征值驱动归因分析

采用率定好的SWAT模型，驱动农业干旱模拟设计方案集，基于SSMI-1统计得到各驱动方案下的农业干旱特征值（干旱历时、干旱强度和干旱事件频率），根据2.4小节提出的农业干旱驱动归因识别方法，量化黄河流域1991－2000年和2001－2010年气候和土地利用变化对农业干旱历时、干旱强度和干旱事件频率的驱动影响贡献率，结果如表5所示。

表5 气候和土地利用变化对农业干旱特征值的驱动影响

驱动方向：气候和土地利用变化对黄河流域各分区农业干旱历时、干旱强度和干旱事件频率的驱动方向均为正向，说明气候和土地利用变化在不同程度上加剧了黄河流域农业干旱；总体来看，气候变化对黄河流域农业干旱特征值的驱动影响明显大于土地利用变化，即气候变化是驱动黄河流域各分区农业干旱发生的主要诱因。

干旱历时：1991－2000年气候变化对黄河流域上游B区和中游E区农业干旱历时的驱动影响大于2001－2010年，而2001－2010年土地利用变化对黄河流域上游B区和中游E区农业干旱历时的驱动影响大于1991－2000年。总之，气候变化对黄河流域农业干旱历时的驱动影响占主导地位，驱动影响贡献率约为60%～90%，土地利用变化对黄河流域农业干旱历时的影响相对较小，驱动影响贡献率约为10%～40%。

干旱强度：1991－2000年气候变化对黄河流域上游B区和中游E区农业干旱强度的驱动影响大于2001－2010年，2001－2010年土地利用变化对黄河流域上游B区和中游E区农业干旱历时的驱动影响大于1991－2000年。空间上，气候变化对黄河上游A区（1991－2010年）的农业干旱强度影响最大，驱动影响贡献率约为95%；而土地利用变化对黄河流域上游B区（2001－2010年）和C区（1991－2000年）的农业干旱强度影响最大，驱动影响贡献率分别约为55%和40%。总之，气候变化对黄河流域农业干旱强度的驱动影响占主导地位，驱动影响贡献率约为50%～90%，而土地利用变化对黄河流域农业干旱强度的影响相对较小，驱动影响贡献率约为10%～50%。

干旱事件频率：1991－2000年气候变化对黄河流域上游B区、中游D区和E区农业干旱频率的驱动影响大于2001－2010年，而1991－2000年土地利用变化对黄河流域上游A区和C区农业干旱频率的驱动影响大于2001－2010年。空间上，气候变化对黄河上游A区（2001－2010年）和中游D区（1991－2000年）的农业干旱频率影响最大，驱动影响贡献率分别为96%和97%，土地利用变化对黄河流域下游F区（1991－2010年）的农业干旱频率影响最大，驱动影响贡献率分别为42%和49%。总之，气候变化对农业干旱事件频率的驱动影响占主导地位，驱动影响贡献率约为60%～90%，土地利用变化对黄河流域农业干旱事件频率影响相对较小，驱动影响贡献率约为10%～40%。

总体而言，气候变化是驱动黄河流域农业干旱发生的主要原因，驱动影响贡献率约为50%～90%，而土地利用变化对黄河流域农业干旱的驱动影响相对较弱，驱动影响贡献率约为10%～50%；就具体的农业干旱特征值而言，气候变化对黄河流域农业干旱频率的驱动影响最大，约为60%～90%，土地利用变化对黄河流域农业干旱强度和干旱事件频率的驱动影响最小，约为10%～40%。

4 结 论

1）累积时间尺度越大，干旱发生的次数越少，干旱历时越长，黄河流域农业干旱开始和结束时间多集中于春季和夏季（4－8月）；对同一区域来说，累积时间尺度越小，农业干旱开始和结束的时间越集中，但对于同一累积时间尺度而言，干旱等级越高（干旱越严重），农业干旱开始的时间越晚。

2）黄河流域1991－2000年农业干旱最严峻，但进入2000年后，黄河流域大部分区域的农业干旱得到了明显缓解。空间上：黄河流域上游C区在1991－2000年最容易遭受重度等级以上的农业干旱，上游A区在2001－2010年最容易遭受重度等级以上的农业干旱。因此，近10年应加强该区域的生态综合治理，调整作物种植结构，优化土地利用格局，大力发展适合于该区域种植的特色农作物，如饲草业等。

3）气候变化是驱动黄河流域农业干旱发生的主要原因，驱动影响贡献率约为50%～90%，而土地利用变化对黄河流域农业干旱的驱动影响相对较弱，驱动影响贡献率约为10%～50%；就具体的农业干旱特征值而言，气候变化对黄河流域农业干旱频率的驱动影响最大，约为60%～90%，土地利用变化对黄河流域农业干旱强度和干旱事件频率的驱动影响最小，约为10%～40%。

[1] 王利民，刘佳，张有智，等. 我国农业干旱灾害时空格局分析[J]. 中国农业资源与区划，2021，42(1)：96-105.

Wang Limin, Liu Jia, Zhang Youzhi, et al. Analysis on temporal and spatial pattern of agricultural drought disasters in China[J]. Chinese journal of agricultural resources and regional planning, 2021, 42(1): 96-105. (in Chinese with English abstract)

[2] 赵海燕，张文千，邹旭恺，等. 气候变化背景下中国农业干旱时空变化特征分析[J]. 中国农业气象，2021，42(1)：69-79.

Zhao Haiyan, Zhang Wenqian, Zou Xukai, et al. Temporal and spatial characteristics of drought in china under climate change[J]. Chinese Journal of Agrometeorology, 2021, 42(1): 69-79. (in Chinese with English abstract)

[3] 黄建平，张国龙，于海鹏，等. 黄河流域近40年气候变化的时空特征[J]. 水利学报，2020，51(9)：1048-1058.

Huang Jianping, Zhang Guolong, Yu Haipeng, et al. Characteristics of climate change in the Yellow River basin during recent 40 years[J]. Shuili Xuebao, 2020, 51(9): 1048-1058. (in Chinese with English abstract)

[4] 董安祥，柳媛普，李晓苹，等. 黄河流域1922－1932年特大旱灾的特大及其影响[J]. 气象干旱，2010，28(3)：270-278.

Dong Anxiang, Liu Yuanpu, Li Xiaoping, et al. Characteristics and influence of the extreme drought event lasting eleven years (1922－1932) in the Yellow River Valley[J]. Journal of Arid Meteorology, 2010, 28(3): 270-278. (in Chinese with English abstract)

[5] 张葆蔚，万金红. 2003－2012年我国洪涝灾情评估成因分析[J]. 中国水利，2013(11)：35-37.

Zhang Baowei, Wang Jinhong. Assessment and analysis of flood and water logging of China from 2003 to 2012[J]. China Water Resources, 2013(11): 35-37. (in Chinese with English abstract)

[6] 方宏阳. 黄河流域多时空尺度干旱演变规律研究[D]. 邯郸：河北工程大学，2014.

Fang Hongyang. Research on Drought of Evolution Rules for Different Scales in Yellow River Basin[D]. Handan: Hebei University of Engineering, 2014. (in Chinese with English abstract)

[7] 韩兰英，张强，马鹏里，等.气候变暖背景下黄河流域干旱灾害风险空间特征[J].中国沙漠，2021，41(4)：225-234.

Han Lanying, Zhang Qiang, Ma Pengli, et al. Characteristics of drought disasters risk in the Yellow River Basin under the climate warming [J]. China desert, 2021, 41(4): 225-234. (in Chinese with English abstract)

[8] 谈英武，张玫，杨立彬. 从黄河流域2009年初的旱情看建设南水北调西线工程的必要性和紧迫性[J]. 南水北调与水利科技，2009，7(4)：1-4.

Tan Yingwu, Zhang Mei, Yang Libin. Necessity and urgency of constructing the western route project of SNWDP by considering drought at the Yellow River Basin in the Year of 2009[J]. South-to-North Water Transfers and Water Science &Technology, 2009, 7(4): 1-4. (in Chinese with English abstract)

[9] 严小林，张建云，鲍振鑫，等. 海河流域农业干旱演变情势分析[J]. 水资源与水工程学报，2016，27(3)：221-225.

Yan Xiaolin, Zhang Jianyun, Bao Zhenxin, et al. Analysis of evoluation of agricultural drought in Haihe River Basin[J]. Journal of Water Resources & Water Engineering, 2016, 27(3): 221-225. (in Chinese with English abstract)

[10] 王富强，闫旭，杨欢. 贾鲁河流域农业干旱时空演变特征研究[J]. 华北水利水电大学学报：自然科学版，2018，39(6)：59-65.

Wang Fuqiang, Yan Xu, Yang Huan. Study on the Temporal and Spatial Evolution of Agricultural Drought in Jialu River Basin[J]. Journal of North China University of Water Resources and Electric Power: Natural Science Edition, 2018, 39(6): 59-65. (in Chinese with English abstract)

[11] Sultana M, Gazi M, Mia M. Multiple indices based agricultural drought assessment in the northwestern part of Bangladesh using geospatial techniques[J]. Environmental Challenges, 2021, 4: 100120.

[12] 吴迪，裴源生，赵勇，等. 湄公河流域农业干旱主要影响因素分析和预估[J]. 农业工程学院，2012，28(8)：1-10.

Wu Di, Pei Yuansheng, Zhao Yong, et al. Influencing factors analysis and prediction of agricultural drought in Mekong River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(8): 1-10. (in Chinese with English abstract)

[13] 蒋桂芹，裴源生，翟家齐. 农业干旱形成机制分析[J]. 灌溉排水学报，2012，31(6)：84-88.

Jiang Guiqin, Pei Yuansheng, Zhai Jiaqi. The formation mechanism of agricultural drought[J]. Journal of irrigation and drainage, 2012, 31(6): 84-88. (in Chinese with English abstract)

[14] Han Z M, Huang Q, Huang S Z, et al. Spatial-temporal dynamics of agricultural drought in the Loess Plateau under a changing environment: Characteristics and potential influencing factors[J]. Agricultural Water Management, 2021, 244, 106540.

[15] 王飞. 多干旱类型视角下的黄河流域干旱时空演变特征研究[D]. 郑州：郑州大学，2020.

Wang Fei. Spatiotemporal Evolution of Drought in the Yellow River Basin From the Perspective of Multiple Drought Types[D]. Zhengzhou: Zhengzhou University, 2020. (in Chinese with English abstract)

[16] 周帅，王义民，畅建霞，等. 黄河流域干旱时空演变的空间格局研究[J]. 水利学报，2019，50(10)：1231-1240.

Zhou Shuai, Wang Yimin, Chang Jianxia, et al. Research on spatio-temporal evolution of drought patterns in the Yellow River Basin[J]. Shuili Xuebao, 2019, 50(10): 1231-1240. (in Chinese with English abstract)

[17] Chang J X, Li Y Y, Wang Y M, et al. Copula-based drought risk assessment combined with an integrated index in the Wei River Basin, China[J]. Journal of Hydrology, 2016, 540: 824-834.

[18] Yao M N, Yuan X. Evaluation of summer drought ensemble prediction over the Yellow River basin[J]. Atmospheric and Oceanic Science Letters. 2018, 11(4): 314-321.

[19] 王璐，黄生志，黄强，等. 基于综合干旱指数的黄河流域干旱多变量概率特征研究[J]. 自然灾害学报，2019，28(6)：70-80.

Wang Lu, Huang Shengzhi, Huang Qiang, et al. Drought multivariable probability characteristics based on a multivariate standardized drought index in the Yellow River Basin[J]. Journal of natural disasters, 2019, 28(6): 70-80. (in Chinese with English abstract)

[20] Li Y Y, Luo L F, Chang J X, et al. Hydrological drought evolution with a nonlinear joint index in regions with significant changes in underlying surface[J]. Journal of Hydrology, 2020, 585: 124794.

[21] 黎云云，畅建霞，王义民，等. 渭河流域径流对土地利用变化的时空响应[J]. 农业工程学报，2016，32(15)：232-238.

Li Yunyun, Chang Jianxia, Wang Yimin, et al. Spatiotemporal responses of runoff to land use change in Wei River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(15): 232-238. (in Chinese with English abstract)

[22] 田晶，郭生练，刘德地，等. 气候与土地利用变化对汉江流域径流的影响[J]. 地理学报，2020，75(11)：2307-2318.

Tian Jing, Guo Shenglian, Liu Dedi, et al. Impacts of climate and land use/cover changes on runoff in the Hanjiang River basin[J]. Acta Geographica Sinica, 2020, 75(11): 2307-2318. (in Chinese with English abstract)

[23] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models, part I-a discussion of principles[J]. Journal of Hydrology, 1970, 10(3): 282-290.

[24] Gupta H, Sorooshian S, Yapo P. Status of automatic calibration for hydrologic models: comparison with multilevel expert calibration[J]. Journal of Hydrology Engineering, 1999(4): 135-143.

[25] 宋玉鑫，左其亭，马军霞. 基于SWAT模型的开都河流域水文干旱变化特征及驱动因子分析[J]. 干旱区研究，2021，38(3)：1-11.

Song Yuxin, Zuo Qiting, Ma Junxia. Variation characteristics and dynamic drivers of drought in Kaidu River Basin based on SWAT model[J]. Arid area study, 2021, 38(3): 1-11. (in Chinese with English abstract)

[26] 周洪奎，武建军，李小涵，等. 基于同化数据的标准化土壤湿度指数监测农业干旱的适宜性研究[J]. 生态学报，2019，39(6)：2191-2202.

Zhou Hongkui, Wu Jianjun, Li Xiaohan, et al. Suitability of assimilated data-based standardized soil moisture index for agricultural drought monitoring[J]. Acta Ecologica Sinica, 2019, 39(6): 2191-2202. (in Chinese with English abstract)

[27] 中国气象局政策法规司.气象干旱等级标准(GB/T20481-2006)[S]. 北京:气象出版社，2006.

[28] Yevjevich V M. 1967. An objective approach to definitions and investigations of continental hydrologic droughts. Hydrologic Paper. 23. Colorado State Univ., Fort Collins, CO.

[29] Chang H Y, He G H, Wang Q M. Use of sustainability index and cellular automata-Markov model to determine and predict long-term spatio-temporal variation of drought in China[J]. Journal of Hydrology, 2021, 598, 126248.

Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes

Li Yunyun1,2, Chang Jianxia2, Fan Jingjing3, Yu Bo1

(1.,,621000,; 2.,,,710048,; 3.,056038,)

Agricultural drought has posed a serious threat to the national food security, social, environmental, and economic sustainable development in China over the last 20 years. The average annual disaster area has been accounted for more than 50% of natural disasters against climate warming and intensive human activities. Therefore, it is highly urgent to clarify the drought evolution and driving mechanisms for scientific drought prevention. More importantly, the Yellow River Basin provides the water supply for about 140 million people in the region, where about 15% of the total irrigated land was for agricultural irrigation in the country. However, the Yellow River Basin has historically been frequently experiencing serious droughts. For example, the disaster area caused by agricultural drought after 2000 was nearly six times that before 2000. Therefore, taking the Yellow River Basin as a study area, the main objective of this study is to comprehensively analyze the temporal and spatial evolution characteristics and driving mechanisms of agricultural drought. Six sub-basins were divided according to the climatic and topographic characteristics. The standard soil moisture index (SSMI) and threshold method were used to identify the duration, intensity, and drought events under different drought levels. A systematic analysis was also made on the agricultural drought characteristics and event frequencies in different zones in the study area on the annual and seasonal scales. A SWAT model in a simulation scheme was then selected to quantify the impacts of climate and land use land cover (LULC) change on agricultural drought in the study area. Results showed that: 1) The fewer frequencies occurred for the agricultural drought with longer duration, as the cumulative time was much longer. The duration of the agricultural drought was then remarked by SSMI-1, SSMI-6, and SSMI-18 corresponding to about 1-8, 1-12, and 1-22 months, respectively. The beginning and end time of agricultural drought was mainly concentrated in spring and summer. 2) The most serious agricultural drought occurred in the study area during 1981-1990, where that was greatly alleviated in most zones during 2001-2010. Specifically, Zone C and A were the most vulnerable to severe and extreme agricultural drought in the 1990s and 2000s, respectively. 3) Climate change was the main factor that caused the agricultural drought in the study area with a contribution rate of about 50%-90%, while the impact of LULC change was relatively weak with a contribution rate of about 10%-50%. Consequently, the greatest driving impacts of climate and land use were about 60%-90% and 10%-50%, respectively, on the frequency of agricultural drought in the study area. The findings can provide much more accurate information for actual management and disaster prevention of agricultural drought.

drought; climate; land use; agricultural drought; driving mechanism; the Yellow River Basin

黎云云，畅建霞，樊晶晶，等. 气候和土地利用变化下黄河流域农业干旱时空演变及驱动机制[J]. 农业工程学报，2021，37(19)：84-93.doi：10.11975/j.issn.1002-6819.2021.19.010 http://www.tcsae.org

Li Yunyun, Chang Jianxia, Fan Jingjing, et al. Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(19): 84-93. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.19.010 http://www.tcsae.org

2021-04-26

2021-08-22

国家自然科学基金（52009053）；绵阳师范学院科研启动项目（QD2020A06）；河北省自然科学基金（E2019402432）；省部共建西北旱区生态水利国家重点实验室开放课题（2019KFKT-4）

黎云云，博士，副教授，研究方向为水文水资源系统工程。Email：liyunyun19900627@163.com

畅建霞，博士，教授，研究方向为水文水资源系统工程。Email：chxiang@xaut.edu.cn.

10.11975/j.issn.1002-6819.2021.19.010

P4; TV1

A

1002-6819(2021)-19-0084-10