近40年（1982年—2018年）中国草原区干湿变化趋势分析

底凯， 胡中民， 郝珖存， 曹若臣， 梁敏琪， 韩道瑞， 吴戈男

1. 华南师范大学 地理科学学院, 广州 510631;2. 中交四航工程研究院有限公司, 广州 510230;

3. 中交交通基础工程环保与安全重点实验室, 广州 510230;

4. 中国科学院地理科学与资源研究所 生态系统观测与模拟重点实验室, 北京 100101;

5. 中国科学院大学 资源与环境学院, 北京 100049

1 引 言

气候变暖导致全球降水和气温格局发生了改变（Huang 等，2016），干旱区域面积持续扩大（Sheffield 等，2012），近年来中国也呈现干旱加剧趋势（Chen 和Sun，2015），干旱半干旱区域面积持续增大（Zhang 等，2016）。干旱的加剧影响了区域水资源供需矛盾，导致一系列自然灾害发生，严重影响了陆地生态系统稳定性（Tong 等，2018；Vicente-Serrano 等，2012）。因此，监测干湿程度变化趋势具有重要意义。

草地生态系统覆盖率了全球超过30%的陆地面积，是陆地生态系统中面积最大、分布最广的生态系统（Zhao 等，2020）。地处干旱半干旱的中国草原区占了国土陆地面积的40%左右，生境脆弱易受外界干扰，对降水变化敏感（Seddon 等，2016；Stanimirova 等，2019）。虽然，现在对中国草原区干湿程度已有许多研究，但还有以下两点不足：（1）大部分研究主要集中在局部区域，例如，西北（Liu 等，2013）、西北中某几省（Tan等，2015；Yao 等，2018）或青藏区域（Gao 等，2015），没有从整体考虑中国草原区的干湿变化；（2）研究的时间范围大部分集中在20 世纪80 年代中期—21 世纪初前10 年左右（Zhang 等，2016；Gao 等，2015）。

气候的干湿程度通常用干旱指数（Drought Index）来量化，其中，最常用的干旱指数为联合国环境署提出的干燥度指数AI（Aridity Index），即降水与潜在蒸散发的比值，被广泛应用于干湿程度的量化与评估（Asadi Zarch 等，2015）；该指数刻画了陆地生态系统对水分的供应（降水）与需求（潜在蒸散发）的差异，由于含义明确，计算相对简便而被广泛采用（Asadi Zarch 等，2015；Huang 等，2016；Liu 等，2013）。然而，研究表明，不同研究采用该指数所描述的干湿程度变化趋势往往不一致（Vicente-Serrano 等，2012），其原因可能是不同研究用于计算干燥度指数气象数据的来源不同，导致对干燥度指数变化趋势的结论不一致（Liu 等，2019）；另外，本研究也比较了另一个被广泛采用的干旱指数，自校正帕尔默干旱指数指数scPDSI （Self-Calibrated Palmer Drought Severity Index）在本区域的适用性（Dai，2013）。

为了准确刻画中国草原区干湿程度的变化趋势与空间格局，本研究以目前精度最高的土壤湿度主被动探测SMAP（Soil Moisture Active Passive）卫星所监测到的土壤含水量产品作为参照（Mohanty等，2017；Kim 等，2018；Ma 等，2019），评估不同数据源得到的干燥度指数的可信度，在此基础上遴选最佳的干旱指数，评估中国草原区近40年来干湿程度的变化趋势和空间格局。

2 材料与方法

2.1 研究区域

中国草原区地处中国西部，位于26°50′°N—53.33°N 和73.40°E—126.04°E，境内有内蒙古自治区、宁夏回族自治区、甘肃省、新疆维吾尔自治区、青海省和西藏自治区，面积约为5.29×106km2。该区域多年平均气温为5.82 ℃，多年平均降水为315.27 mm，冬季寒冷干燥、夏季高温多雨，主要属大陆性气候或高原山地气候，生态系统脆弱，对全球变化敏感（Seddon 等，2016；Stanimirova等，2019）。草地分布及其类型依照《中华人民共和国植被图（1∶100 万）》（中国植被图编委会和中国科学院，2007）划分，见图1（审图号：GS（2021）8551 号。中国草原区另划分3 个子研究区分别为：内蒙古草原区、西北草原区和青藏草原区，其中内蒙古草原区为内蒙古自治区，青藏草原区内含青海省和西藏自治区，西北草原区内含宁夏回族自治区、甘肃省及新疆维吾尔自治区。

图1 中国草原区的范围及主要植被类型Fig.1 Location of the study region and distribution of grassland types in China grasslands

2.2 干旱指数计算

干燥度指数AI（Aridity Index）的计算方法为年降水量与年潜在蒸散发的比值：

式中，Pi与PETi分别为月降水量与潜在蒸散发（每年12 个月）；AI 越大表明气候越湿润 （Huang等，2016）。

潜在蒸散发是计算AI 的关键变量，现有研究多常采用Penman-Monteith （Van Der Schrier 等，2011）公式计算：

式中，PETpm为参考蒸腾速率（mm）；Δ 是温度随饱和水汽压变化的斜率（kPa/℃）；Rn是作物表面的净辐射通量（MJ/m2）；G是土壤热通量（MJ/m2）；T为2 m 高度处的平均气温（℃）；u2为2 m 高度的风速（m/s）；es为饱和水汽压（kPa）；ea为实际水汽压（kPa）；es-ea为空气饱和水汽压差（kPa）；γ为干湿表常数（kPa/℃），本文为0.674（Akumaga和Alderman，2019）。

2.3 数据来源与处理

2.3.1 CRU全球气象数据

本研究使用了英国东英吉利大学气候变化研究小组的CRU （Climatic Research Unit） TS 4.03（https：//crudata.uea.ac.uk/cru/data/hrg/［2020-09-24］）降水和潜在蒸散发数据产品，空间分辨率为0.5°×0.5°，时间分辨率为月尺度（Rodell 等，2004），该数据集已被广泛应用于全球变化研究（Huang 等，2016；Vicente-Serrano 等，2012；Van Der Schrier 等，2013）。CRU_AI的计算为CRU PPT除以CRU PET。

2.3.2 GLDAS全球气象数据产品

全球陆面数据同化系统数据产品GLDAS（Global Land Data Assimilation System）是基于卫星遥感和地面观测数据作为驱动数据，用陆面模式与数据同化生成全球地表气象数据产品。本研究使用质量最高的GLDAS-2.0 Noah 和GLDAS-2.1 Noah数据集中的降水、气温、相对湿度、风速、短波辐射、长波辐射、土壤热通量和反照率共8 个数据集（https：//disc.gsfc.nasa.gov/datasets？keywords=gldas&page=1［2020-09-24］），空间分辨率为0.25°×0.25°，时间分辨率为日。GLDAS-2.0 Noah为1948年3 月—2014 年12 月数据（Rodell 等，2004），最新版本的GLDAS-2.1 Noah 从2000 年1 月1 日更新至今。以2000 年—2014 年重叠时段的GLDAS-2.1 Noah 为自变量，GLDAS-2.0 Noah 为因变量逐格点构建一元线性回归方程，再利用所构建的方程校正1982年—1999年的数据，基于计算校正后的气象数据用Penman-Monteith 公式（Van Der Schrier 等，2011）计算中国草原区的潜在蒸散发。GLDAS_AI的计算为GLDAS PPT除以GLDAS PET。

2.3.3 GLEAM全球潜在蒸散发数据产品

阿姆斯特丹全球陆地蒸散发产品GLEAM（Global Land-surface Evaporation： the Amsterdam Methodology）是基于卫星观测和模型模拟的数据产品（Martens 等，2017）。本研究使用最新版的GLEAM v3.2a 数据集（https：//www.gleam.eu/［2020-09-24］），PET 的时间分辨率为月，空间分辨率0.25°×0.25°（Martens 等，2017），时间范围是1980年—2018年。

因该数据集不包括降水，为了计算AI，本研究所使用的1982 年—2018 年的时间序列台站降水量数据获取自中国气象局—国家气象信息中心（http：//data.cma.cn/en［2020-09-24］），并 使 用ANUSPLIN 软件插值，插值栅格精度为0.5°×0.5°。该数据集和插值方法在中国草原区已被广泛应用（Zhao 等，2020；Cao 等，2020）。GLEAM_AI的计算为插值后PPT 除以GLEAM PET；此外，结果分析用到的气温数据也来源于中国气象局—国家气象信息中心并用ANUSPLIN软件插值成栅格精度为0.5°×0.5°。

2.3.4 SMAP全球土壤含水量数据产品

土壤含水量主被动卫星SMAP（Soil Moisture Active Passive）搭载了L 波段1.26 GHz 主动式遥感雷达和L波段被动式1.41 GHz遥感微波辐射仪，用于观测土壤含水量及冻融情况（Mohanty 等，2017；孙灏 等，2021）。本研究应用了SMAP Level 3（https：//nsidc.org/data/smap/smap-data.html［2020-09-24］）土壤含水量日数据集，空间分辨率为36 km×36 km（Ma 等，2019），时间范围为2015 年5 月1 日至2018年12月31日（Chan 等，2016）。该数据是目前可靠性最高的土壤含水量卫星遥感产品，已在全球不同区域得到验证（Kim 等，2018；Ma 等，2019）。

2.3.5 scPDSI全球干旱指数产品

scPDSI 是 基 于PDSI （The Palmer Drought Severity Index）发展而来，综合考虑了水分亏缺量和持续时间对干湿程度的影响（王先伟 等，2014），其计算需要用到前期降水量、土壤含水量、径流和潜在蒸散发（Van Der Schrier 等，2011）。scPDSI 数据产品为全球月尺度，空间分辨率为0.5°×0.5°，获取自英国气候研究中心（https：//crudata.uea.ac.uk/cru/data/drought/［2020-09-24］），该数据产品使用CRU TS 3.10.01 为驱动数据，时 间 范围是1901 年1 月至2018 年12 月（Van Der Schrier 等，2013；Dai，2013）。

2.4 数据处理和分析

（1） 统一空间分辨率。使用双线性（bilinear）重采样方法将SMAP 土壤含水量、计算GLDAS AI所需的变量和GLEAM PET 的空间分辨率统一到0.5°×0.5°。

（2） 数据分析。使用2015年—2018年6—10月各干旱指数的月均值分别与相同时间的SMAP 0—10 cm 土壤含水量均值进行相关性检验，遴选最优干旱指数。后续分析采用最小二乘法来估算最优干旱指数年均值、年降水和年均气温计算各变量的时间序列变化趋势（式（3）），用Student-t 检验其趋势的显著性。

式中，y是干旱指数或气候因子，t是时间（年），a是截距，b是速率，ε是残差。

为了确定干旱指数与气候因子趋势发生改变的转变年份，采用常用的分段线性回归方法确定是否有存在趋势转变以及转变的时间节点（Piao等，2011；Wang 等，2011；Hu 等，2018；Chen等，2014）：

式中，yt为最优干旱指数与气候因子时间序列，xt是时间（年），j是预估的时间序列最优干旱指数的转变点年份，a0是截距，b1和b2分别是转变前后的速率，用最小二乘法估测了上述系数和j。如果拒绝原假设b2= 0 并且转变前后差异满足p<0.05，则转变前后具有显著性差异。

3 结 果

3.1 不同数据源干旱指数对比

各干旱指数和SMAP土壤含水量的月时间序列相关分析结果表明，GLEAM_AI 干旱指数与SMAP土壤含水量相关性最高（图2，审图号GS（2021）8551 号），全区平均的相关系数（r）为0.7，其次为CRU_AI（r=0.57），scPDSI（r=0.53）和GLDAS_AI（r=0.38）；另外，年尺度上（2015年—2018年）基于GLEAM 的AI 的年际变化趋势SMAP 土壤含水量的年际变化趋势一致性也最高（图3，审图号GS（2021）8551 号），这说明基于GLEAM 的AI 量化研究区干湿程度最为可靠。因此，本研究使用GLEAM_AI 进一步分析研究区干湿程度的动态变化和空间格局。

图2 2015年—2018年中国草原区SMAP土壤含水量与干旱指数的相关系数空间趋势图（插图为空间上不同相关系数的频率分布）Fig.2 Spatial distribution of the correlation coefficients between the drought index and SMAP during 2015—2018（The inset figure shows the rate of different correlation coefficients in space）

图3 中国草原区土壤含水量和不同干旱指数的空间变化趋势图（黑点为p < 0.05具有显著性差异区域）Fig.3 Spatial distribution of the trend of soil moisture and different drought index （Dotted regions indicated the detected trends were significant at p < 0.05）

进一步分别比较了CRU、GLDAS和中国气象局的降水，以及CRU、CLDAS和GLEAM的潜在蒸散发表明，几个数据产品的年降水尽管数值上有一定差异，但变化趋势一致（图4（a））；1982年—2018年年潜在蒸散发都呈整体上升趋势（图4（b）），与AI发生趋势转变的年份一样（图4（b）和图5（a）），年潜在蒸散发都呈先快速上升后缓慢上升趋势，GLEAM 潜在蒸散发的趋势转变都通过了显著性检验（P<0.05），这说明GLEAM 数据产品的潜在蒸散发可信度最高。

图4 1982年—2018年中国草原区年降水和年潜在蒸散发的动态变化Fig.4 Temporal dynamic trend of mean annual precipitation and mean annual potential evapotranspiration in China grasslands during 1982—2018

3.2 干旱指数和相关气候因子的动态变化趋势

1982 年—2018 年中国草原区AI 整体呈不显著的上升趋势（0.0015 a-1，p= 0.054），但年降水（1.15 mm/a，p<0.05）、年潜在蒸散发（0.68 mm/a，p<0.05）和年均气温（0.02 ℃/a，p< 0.05）都整体呈显著增加趋势（图5）。在1982 年—2018 年之间AI 在2005 年发生趋势转变（p< 0.05），1982 年—2005 年呈下降趋势（-0.0005 a-1），但在2006 年—2018 年呈上升趋势（0.009 a-1）。年降水、年潜在蒸散发和年均气温在1982 年—2005 年均呈上升趋势，年降水和年均气温在2006 年—2018 呈上升趋势，但年潜在蒸散发呈下降趋势（图5）。1982 年—2018 年内蒙古草原区、西北草原区的AI、年降水和年潜在蒸散发的趋势转变年份均发生在2005 年，但青藏草原区的AI和年降水趋势转变发生在1994 年，年潜在蒸发在2005 年（图6）。1982年—2018 年内蒙古草原区、西北草原区和青藏高原区3 个区域的AI和年降水变化趋势均一致，但AI 和年潜在蒸散发变化趋势不一致（图5）。内蒙古草原区AI和年降水在1982 年—2005 年呈下降趋势，在2006 年—2018 年呈上升趋势，年潜在蒸散发在这两个时间段均呈上升趋势（图6（a）—6（c））。西北草原区AI、年降水和年潜在蒸散发在1982 年—2005 年和2006 年—2018 年两个时间段均呈上升趋势（图 6（d）—6（f））。青藏高原区AI、年降水在1982 年—1994 年均呈下降趋势，在1995 年—2018 年呈上升趋势，但年潜在蒸散发在1982 年—2005 年呈上升趋势，在2006 年—2018 年呈下降趋势（图 6（g）—6（i））。

图5 1982年—2018年干燥度指数、年降水、年潜在蒸散发和年均气温动态变化，虚线为1982年—2018年变化趋势，实线分别代表1982年—2005年和2006年—2018年两个时间段的变化趋势；图中数值分别表示1982年—2005年和2006年—2018年AI、年降水、年潜在蒸散发和年均气温的变化速率Fig.5 Temporal dynamic trend of AI （aridity index）， mean annual precipitation， mean annual potential evapotranspiration and mean annual air temperature during 1982—2018. The dashed line shows a trend of 1982—2018， and the solid line shows a trend of 1982—2005 and 2006—2018. The values in the figure show the change rate of mean annual AI， mean annual precipitation，mean annual potential evapotranspiration and mean annual temperature in 1982—2005 and 2006—2018， respectively

图6 1982年—2018年不同区域干燥度指数、年降水和年潜在蒸散发动态变化Fig.6 Temporal dynamic trend of AI， mean annual precipitation and mean annual potential evapotranspiration in different region during 1982—2008， respectively

3.3 AI和气候因子变化的空间分布格局

在1982年—2005年和2006年—2018年两个时间段，中国草原区AI 和年降水的空间变化趋势均呈相似的空间分布格局，1982 年—2005 年AI 和年降水在内蒙古草原区东部、青藏高原东北部呈下降趋势，2006 年—2018 年AI 和年降水在大部分区域呈上升趋势除青藏高原中部外（图7（a）—7（d））。整体看来，1982 年—2005 年中国草原区AI整体呈减小趋势（图7（a）），2006年—2018年AI呈增加趋势（图7（b））。

图7 中国草原区1982年—2005年和2006年—2018年的AI、年降水和年潜在蒸散发空间变化趋势图（黑点为p < 0.05具有显著性差异区域；插图为空间上不同变化速率的频率分布）Fig.7 Spatial distribution of the trend of AI， mean annual precipitation and mean annual potential evapotranspiration both of during 1982—2005 and 2006—2018， respectively. Dotted regions indicated the detected trends were significant at p < 0.05. The inset figure shows the rate of different slope in space

在1982年—2005年和2006年—2018年两个时间段，中国草原区AI 和年降水全部呈强正相关（r>0.6）关系（图8（a）和8（b））；AI 和年潜在蒸散发整体呈负相关关系（r=-0.20）（图8（c）和8（d））。

图8 1982年—2005年和2006年—2018年的AI与年降水、年潜在蒸散发的相关系数空间趋势图（插图为空间上不同相关系数的频率分布）Fig.8 Spatial distribution of the correlation coefficients between the AI， mean annual precipitation and mean annual potential evapotranspiration both of during 1982—2005 and 2006—2018， respectively. The inset figure shows the rate of different correlation coefficients in space

4 讨 论

4.1 中国草原区干湿程度的变化趋势

中国草原区AI、年降水和年潜在蒸散发在1982 年—2018 年整体均呈上升趋势（图5），虽然年降水和年潜在蒸散发都呈上升趋势，但年降水的增加速率（1.15 mm/a）是年潜在蒸散发增加速率（0.68 mm/a）的两倍，导致AI 呈上升趋势，说明了该地区整体变得更加湿润（马柱国 等，2018）。中国草原区AI 在2005 年发生转变，但研究区域的不同和研究时段的差异可能会导致结果有差异（图5），例如：马柱国等（2018）对1951年—2016 年中国北方研究表明AI 在2001 年发生转变，杨舒畅和杨恒山（2019）的研究表明内蒙古在1982 年和2012 年发生两次趋势突变。中国草原区AI 在2005 年发生转变的原因是：1982 年—2005 年缓慢增多的年降水（0.65 mm/a）和升温导致快速增多的年潜在蒸散发（1.10 mm/a）加剧了地面水分消耗，使得AI 呈下降趋势（符淙斌和马柱国，2008），但2005年—2018年降水的增多（4.27 mm/a）和年潜在蒸散发的减少（-0.07 mm/a）导致AI 呈上升趋势，中国草原区AI 变化主要受降水量变化的影响（Liu 等，2019；Gao 等，2015；Huo 等，2013）。

本研究表明，2006 年—2018 年中国草原区为整体呈现出湿润化的趋势，其原因可能是印度洋季风和西风环流对研究区影响有所加强（Sun 等，2019；Li 等，2020），把更多的水蒸气从海洋表面输送到该地区，从而产生更多的降水。另外，在此期间中国草原区出现了增温停滞，导致年潜在蒸散发增速放缓，这也缓解了干旱。增温停滞的原因有待深入，这将有助于预测未来该区域的干湿度的变化趋势。

4.2 中国草原区干湿变化的空间格局

内蒙古草原区和青藏草原区在转变前后年两个时间段AI 均呈先下降后上升趋势，因为转变前年降水增速比年潜在蒸散发增速慢，而转变后年降水比年潜在蒸散发增速快（图6（a）—6（c）和图6（g）—6（i））（Li 等，2020），内蒙古草原区、西北草原区两个区域和青藏高原区年潜在蒸散发的变化趋势不一致是因为西北草原区和内蒙古草原区相较于青藏高原常年受干热风影响（图6（f）和6（i））（候启 等，2019）。内蒙古草原区AI 趋势转变年份和中国草原区的一致都为2006 年，说明内蒙古草原区主导了中国草原区的干湿条件变化（图5（a）和图6（a））。

中国草原区1982年—2005年和2006年—2018年两个时间段AI和年降水的空间变化趋势较为一致，但AI 与年潜在蒸散发的空间变化趋势存在较大差异（图7），因为AI 和年降水量的相关系数呈显著正相关关系（图8（a）和8（b）），这说明了中国草原区的干湿程度变化受降水主导（Ramarao 等，2019）。

1982年—2005年中国草原区干旱加剧的同时，也表现出该时段末期比前期，干旱或湿润的区域面积的增加或减少（图7（a）），有52%的区域呈干旱加剧趋势，之前的研究也发现在中国西北部干旱面积的扩张（Chen 和Sun，2015；Zhang 等，2016），2006 年—2018 年整体呈干旱缓解趋势（图6（b）），有82%面积呈湿润化趋势，干旱面积缩小（Chen和Sun，2015）。

4.3 研究中的不足与展望

本研究所采用的干燥度指数的降水数据是基于全国756 个国家级台站数据插补得到，在新疆、西藏等地区台站数量相对较少，这可能导致降水和干燥度指数的空间分布在这些区域存在一定的误差。今后的研究中需要采用更多的地面降水观测数据或其他降水数据产品，进而提高干燥度指数空间格局的可信度。本研究验证各干旱指数的SMAP土壤含水量数据时间跨度为2015年—2018年，年限偏少，仅能评估各干旱指数在研究区的整体适用性，未来随着该数据所积累的年限的增加，对于干旱指数在研究区效果的空间分布有更深入的认识。基于干燥度指数的动态变化特征得出，2008 年以来，中国北方草原区湿润程度增加，如果同时考虑CO2浓度升高对植物水分需求的下降，其改善效果可能比干燥度指数所表现的趋势更为明显，今后可基于长期地面和遥感数据对研究区植被生长的水分限制强度的变化做深入分析。

5 结 论

干旱指数中的干燥度指数比scPDSI 更能反映中国草原区的干湿变化。潜在蒸散发是导致不同数据源产品干旱指数变化趋势不一致的主要因素，在中国草原区，基于GLEAM 产品得到的干燥度指数可靠性最高。1982 年—2018 年中国草原区因年降水是年潜在蒸散发增速的两倍，导致呈湿润化趋势，干燥度指数另在2005年发生趋势转变，1982年—2005 年中国草原区呈较弱的干旱化趋势，其主要原因是气温升高导致地表蒸散耗水压力持续增加，2006 年—2018 年呈明显的湿润化趋势，其主要原因是该区域降水持续升高，而气温升高表现出停滞使蒸散耗水压力得到一定缓解。就分区域而言，内蒙古草原区和西北草原区干燥度指数都在2005年发生趋势转变，但青藏草原区则在1994 年，内蒙古草原区在2005 年前后和青藏草原区在1994 年前后两个时期均发生趋势转变，而西北草原区在1982年以来一直呈现出湿润化的趋势，而在2005年以后这种趋势尤为明显。中国草原区的干湿条件变化主要受内蒙古草原区主导。