2000—2018年青藏高原旱灾风险动态评估

刘果镍，梁媛媛*，邱 月，夏静霞，丁梦瑶，孙 鹏

(1.安徽师范大学地理与旅游学院，安徽 芜湖 241002;2.江淮流域地表过程与区域响应安徽省重点实验室，安徽 芜湖 241002)

干旱是世界上最普遍存在的一种自然灾害，具有发生频率高、持续时间长、影响范围广的特点[1]，其一旦发生，极易造成巨大的社会经济损失。近年来，以全球变暖为主要特征的全球气候变化影响着人类的生存和发展[2]。随着气候变暖，区域的干旱风险将会增大。青藏高原作为气候变化的“感应器”和“敏感区”[3]，气候变暖将增大青藏高原旱灾风险，给农业生产带来严重威胁，对青藏高原进行农业旱灾风险研究，有利于青藏高原抗旱规划和提高抵御旱灾的能力。

近年来，许多学者对旱灾风险进行了研究。刘玉杰等[4]使用危险性、暴露性、脆弱性3个方面分析3种情景下的代表性代表集中路径(RCP)和共享社会经济路径(SSP)的全球未来干旱社会经济风险；Lida、张磊等[5-6]从危险性、脆弱性2个方面选取影响干旱的指标，对伊朗西101部和东南亚澜沧江-湄公河地区进行了农业干旱风险评估；张存厚、杨晓静等[7-8]从危险性、敏感性、易损性和减灾能力4个方面选取影响干旱的指标，使用加权综合评价法构建旱灾综合风险评估模型，评估内蒙古草原和东北三省旱灾综合风险；Carrao[9]等从干旱风险性、暴露性、脆弱性3个方面，对2000—2014年全球干旱风险进行了评估，绘制了全球干旱风险图；Neri等[10](2015)从危险性和脆弱性两方面对墨西哥干旱风险进行了评估，并对风险模型进行了验证；Yu J等[11]基于copula的干旱频率分析构建了危险性指数，使用多个社会经济指标构建了脆弱性指数，对韩国忠清省各市进行了干旱风险评估。在当前对于干旱风险评估中，干旱风险评估多是静态，不能动态反应干旱风险的历年变化，对于评估的结果主要以年尺度的为主；干旱风险评估基本评价单元过大，多数学者以市、省、国家作为基本评价单元，而县域尺度的干旱风险评估更能深化区域旱灾风险的认知；对于作物关键期的干旱风险研究较少。

本研究基于青藏高原SPEI指标数据以及2001—2019年统计年鉴数据，构建了青藏高原县市尺度旱灾风险评估体系，分析了2000—2018年青藏高原农业旱灾危险性、暴露性、脆弱性和旱灾风险的时空演变特征，并对青藏高原县市农业旱灾风险等级进行了区划，旨在为青藏高原农业生产与旱灾防范提供参考。

1 研究方法与数据来源

1.1 研究区概况

青藏高原地处亚洲内陆，位于东经73°19′～104°43′，北纬28°32′～40°01′，是中国最大、世界海拔最高的高原，被誉为“世界屋脊”“第三极”。青藏高原平均海拔超过4 000 m，受海拔影响，气候垂直变化大，东南部暖湿，西北部干冷，随着海拔升高气温下降，植被也依次从森林、灌丛、草原、草甸、裸岩到冰川。青藏高原草地分布广泛，在东北部和南部河谷区域有少量耕地分布(图1)。本文研究区包括西藏自治区与青海省全部区域，新疆维吾尔自治区、甘肃省、四川省、云南省这4个省级行政区的部分区域，共计234个县级行政区域。

图1 2018年青藏高原区土地利用分布

1.2 数据来源

研究所使用的数据主要包括：①SPEI指标数据：全球SPEI数据库(0.5°×0.5°)https://digital.csic.es/handle，使用ArcGis建立青藏高原区域渔网点，将0.5°×0.5°的SPEI信息赋值给渔网点，计算县域内渔网点SPEI值的均值，得到县域尺度的SPEI数据；②统计年鉴数据：2001—2019年中国县社会经济统计年鉴数据、甘肃发展年鉴、青海统计年鉴、四川统计年鉴、西藏统计年鉴、新疆统计年鉴、云南统计年鉴，包括人口密度、第一产业密度、人均粮食产量、人均公共预算、单位机械动力。

1.3 研究方法

1.3.1农业旱灾风险评估模型

本研究基于区域灾害系统理论，分别考虑了致灾因子的危险性、承载体的暴露性与孕灾环境的脆弱性。构建了青藏高原农业旱灾风险评估模型，见式(1)：

R=H×E×V

(1)

式中R——农业旱灾综合风险；H——农业旱灾危险性；E——农业旱灾暴露性；V——农业旱灾脆弱性的综合评价值。

a)危险性。旱灾致灾因子的危险性主要反映在降水和气温的异常，可以用干旱指数来表达旱灾危险性。干旱指数是用来探测干旱发生的风险和严重程度。常用的干旱指数有PDSI、SPI和SPEI，SPEI相比较PDSI，其计算更简单，对资料的需求更低，适用性更广；相比较SPI，SPEI考虑了温度、蒸散发等其他因素对干旱的影响，其结果更加切合实际[12-15]。本文干旱危险性采用SPEI指数进行分析。有研究表明[16-17]，1个月尺度SPEI适用于气象干旱，3～6个月尺度SPEI适用于农业干旱，6～12个月尺度SPEI适用于水文干旱。赵新来等[18]将青藏高原SPEI与草地NDVI进行相关分析，其中6个月尺度SPEI与草地NDVI关系较好，表明了6个月尺度SPEI在青藏高原的适用性较强，因此本文使用6个月尺度SPEI。

b)暴露性。承灾体的暴露性主要反映在旱灾发生过程中可能受到旱灾影响的人、物、财产。已有研究[19]中常用粮食种植面积占对应行政区域总面积比例、单位面积粮食产量作为暴露性指标，青藏高原县市尺度可获取数据较少，结合研究区特点和数据可获得性，本文选用人口密度、第一产业密度、人均粮食产量作为暴露性指标。

c)脆弱性。孕灾环境的脆弱性主要体现在灾后恢复能力，包括农作物种植环境对旱灾的抵御能力和社会经济环境对旱灾的应对能力。已有研究[20-25]中常用有效灌溉面积、乡村人均收入、森林覆盖面积、农业机械总动力、农村恩格尔系数、作物生长季缺水率、土壤有效持水力等作为农业旱灾脆弱性指标。青藏高原县市尺度可获取数据较少，结合研究区特点和数据可获得性，选取人均公共预算，单位机械动力作为脆弱性指标，由于青藏高原部分县市耕地面积数据无法获取，单位机械动力采用机械总动力/粮食产量。

1.3.2SPEI指数

标准化降水蒸散指数(SPEI)由Vicente-Serrano等[26]对降水量与潜在蒸散量差值序列的累积概率值进行正态标准化后的指数。首先计算逐月降水与蒸散的差值Di，即

Di=Pi-PETi

(2)

式中Pi——月降水量;PETi——月潜在蒸散量。

对Di数据序列采用Log-logistic分布模型进行正态化处理，计算每个数值对应的SPEI，并得到不同时间尺度的SPEI。

使用6个月尺度SPEI均值表示该区域旱灾危险性，公式为

(3)

式中H——旱灾危险性；∑SPEI06——研究区域所有栅格的6个月尺度SPEI值之和；M——研究区域栅格的数目。

1.3.3基尼系数客观赋权方法

在旱灾风险评价中，指标权重的确定是一个重要环节，影响旱灾风险评价结果。指标权重评价方法众多，可分为两类，一类是主观赋权法，如专家打分法、层次分析法[27]、序关系分析法；一类是客观赋权法，如主成分分析法、复相关系数法、熵值法、DIDF法[28]、Critic法[29]。主观赋权法优点是能够反映专家意见，其缺点是无法避免人为因素带来的影响。客观赋权法根据指标原始信息确定权重，避免了人的主观影响。本研究使用李刚等[30]提出的基尼系数客观赋权方法，采用基尼系数的大小来反映数据差异的大小，具有适用性强、保序性好的优势。计算公式为：

(4)

式中rk——指标k的权重；gk——指标k的基尼系数；n——指标个数；gi——第i个指标的基尼系数。

使用R语言进行基尼系数客观赋权方法计算，得到权重结果见表1。

表1 2000—2018年青藏高原农业旱灾风险评估指标权重

1.3.4变异系数

为定量化表达农业旱灾综合风险稳定性，本文使用了变异系数，变异系数没有量纲，能够客观地比较2组数据离散程度大小，变异系数大小能反映农业风险的稳定状况，变异系数越大表明旱灾风险年际波动越大，农业生产的不确定因素越多，敏感性越大，见式(5)：

(5)

式中 C.V——变异系数；SD——标准偏差；MN——平均值。

1.3.5M-K趋势分析

M-K趋势检验法是一种非参数趋势分析方法，其在气象学、水文学研究中广泛应用[31-32]。M-K趋势检验法对数据样本分布不做要求，并且不受缺失值和异常值的影响，适合长时间序列数据的趋势显著检验[33]。对于时间序列Xi，i=1，2，3，…，n。定义标准化检验统计量为：

(6)

(7)

(8)

E(S)=0

(9)

式中xj、xi——时间序列数据；n——数据个数。Z为正值表示存在增加趋势，Z为负值表示存在减小趋势，当Z的绝对值大于1.65、1.96和2.58时，表示趋势分别通过了置信度为90%、95%和99%的显著性检验。

1.3.6分位数分级法

采用分位数分类，分类间隔点为20%、40%、60%、80%，其分类结果不会受到数据自身分布的影响，能够很好显示出地理特征的空间差异。分级结果见表2。

表2 2000—2018年青藏高原农业旱灾风险评估分级标准

2 结果分析

2.1 青藏高原旱灾危险性时空特征分析

农作物不同生长期对水分的需求不同，不同生长期内发生干旱的影响也不同。青藏高原农业类型以河谷农业和畜牧业为主。河谷农业主要种植冬小麦和冬青稞，主要分布在青藏高原东南部和东北部的河谷区域。青藏高原冬小麦和冬青稞的分蘖—拔节、拔节—抽穗、抽穗—蜡熟这3个阶段是耗水旺期，为关键生长期，该时期发生干旱将对作物产量产生严重负面影响[34-35]。表3为青藏高原冬小麦和冬青稞生长期时间，关键生长期为5—9月，结合图2，7—9月青藏高原东部及东南部冬小麦与冬青稞遭遇旱灾的风险较高。青藏高原区草地面积达1.6×106km2，约占其总面积的63.9%[36]，其生长季为4—10月，3月下旬开始牧草返青，返青生长持续到6月结束，8月中下旬牧草成熟，9—10月份牧草枯黄，其中4—8月份是牧草生长的关键期，该时期对水分需求较敏感。在青藏高原牧草关键生长期，4月份青藏高原呈现较高的危险性，不利于牧草返青；4—8月份青藏高原北部区域都呈现高危险性，该区域牧草遭遇旱灾风险较高；总体来看青藏高原中部区域危险性低，畜牧业遭遇旱灾的风险较低，而靠近边界区域危险性偏高，畜牧业遭遇旱灾的风险较高。

表3 青藏高原冬小麦和冬青稞生长期

图2 2000—2018年青藏高原1—12月农业旱灾危险性系数空间分布

由2000—2018年青藏高原农业旱灾危险性均值空间分布(图3a)，青藏高原农业旱灾危险性空间分布特点为：由东南向西北呈现“高—低—高”分布，西北部以较高危险性和高危险性等级为主，中部区域以较低危险性和低危险性等级为主，东南部为中等危险性和较高危险性。变化趋势特征方面，结合2000—2018年青藏高原农业旱灾危险性M-K趋势空间分布(图3b)，青藏高原东北部区域危险性呈现减小趋势，但未通过置信度为90%的显著性检验(|Z|<1.65)，西部区域危险性呈现增加趋势(|Z|<1.65)，东南部区域危险性呈现增加趋势，通过了置信度为90%的显著性检验(|Z|>1.65)，其中东南部区域的芒康县、洛隆县、波密县、乃东县、朗县、乡城县、西昌市、左贡县、兰坪白族普米族自治县、德钦县、维西傈僳族自治县危险性呈现增加趋势通过了置信度为99%的显著性检验(|Z|>2.58)。结合2000—2018年青藏高原农业旱灾危险性变异系数空间分布(图3c)，青藏高原中部区域变异系数偏低，南部区域变异系数偏高。最低等级变异系数值区间为1.068 8～2.426 9，说明青藏高原整个区域危险性变异系数都很大，不同年份危险性变动很大，加大了青藏高原的旱灾危险程度。

a)危险性均值

为直观体现青藏高原农业旱灾危险性年际变化，计算了每一年不同等级危险性县市比例，见图4。青藏高原农业旱灾危险性年际变化很大，反映出危险性的不稳定。2006、2009、2013、2015年青藏高原农业旱灾危险性最高，达到高等级危险性县市比例分别为90.36%、81.92%、69.87%、81.12%。

图4 2000—2018年青藏高原农业旱灾危险性百分比堆积

2.2 青藏高原旱灾暴露性时空特征分析

图5为2000—2018年青藏高原农业旱灾暴露性指标均值、M-K趋势、变异系数空间分布，由人口密度均值空间分布(图5a)可发现，青藏高原中西部人口密度差异较小，总体人口密度由东向西递减，其中70%以上区域人口密度很小(0.12～2.52 km2/人)，青藏高原东部区域人口密度稍大。由人口密度M-K趋势空间分布(图5d)可发现，青藏高原85.94%的县市人口密度呈现增长趋势。由人口密度变异系数空间分布(图5g)可发现，青藏高原中东部区域变异系数高，但变异系数整体较小(均值0.102)，说明人口密度年际变化小。

由第一产业密度均值空间分布(图5b)可发现，青藏高原中西部第一产业密度差异较小，65%以上区域第一产业密度很小(0.044～0.087万元/km2)，青藏高原东部边缘区域第一产业密度稍大，其中四川省什邡市、彭州市、崇州市、大邑县、绵竹市、都江堰市第一产业密度超过100万元/km2。由第一产业密度M-K趋势空间分布(图5e)可发现，青藏高原所有区域第一产业密度都呈现增长趋势，99.5%的县市第一产业密度增长趋势通过了置信度为99%的显著性检验。由第一产业密度变异系数空间分布(图5h)可发现，第一产业密度变异系数由东北向西南递减，东北部第一产业密度稳定性较差。

由人均粮食产量均值空间分布(图5c)可发现，青藏高原人均粮食产量区域性差异较大，青藏高原西北部区域人均粮食较高，当地南靠昆仑山脉，发展绿洲农业；青藏高原中部区域人均粮食产量低，该地海拔高，不适宜种植业发展；青藏高原南部雅鲁藏布江河谷区域人均粮食产量高，河谷区域海拔较低，土壤肥沃，水汽较充足，适宜种植业发展。由人均粮食产量M-K趋势空间分布(图5f)可发现，人均粮食产量增长区域与减少区域间隔分布，呈现“川”字型，其中27.3%县市区域人均粮食产量呈现增长趋势通过了置信度为99%的显著性检验，26.1%县市区域人均粮食产量呈现下降趋势通过了置信度为99%的显著性检验。由人均粮食产量变异系数空间分布(图5i)可发现，人均粮食产量变异系数北高南低，北部粮食产量稳定性较差。

图5 2000—2018年青藏高原农业旱灾暴露性指标均值、M-K趋势、变异系数空间分布

由2000—2018年青藏高原农业旱灾暴露性均值空间分布(图6a)，青藏高原农业旱灾危险性空间分布特点为：藏高原农业旱灾暴露性区域性差异较小，中部区域为低暴露性，青藏高原东部边缘区域、南部雅鲁藏布江河谷区域、青藏高原西北部区域暴露性较高。变化趋势特征方面，结合2000—2018年青藏高原农业旱灾暴露性M-K趋势空间分布(图6b)，青藏高原东部和西北部暴露性呈现增加趋势，75.1%的县市暴露性增加趋势过置信度为99%的显著性检验；青藏高原中部和西部暴露性呈现下降趋势，有8.83%的县市暴露性下降趋势过置信度为99%的显著性检验。结合2000—2018年青藏高原农业旱灾暴露性变异系数空间分布(图6c)，青藏高原农业旱灾暴露性变异系数北高南低，变异系数整体较小(均值0.157)，说明青藏高原农业旱灾暴露性稳定。

a)暴露性均值

图7为2000—2018年不同等级暴露性县市比例，由图可知青藏高原农业旱灾暴露性年际变化小。较低、中等、较高等级暴露性县市比例较稳定，低等级暴露性县市比例由2000年的23.69%逐渐降到2018年的18.07%，高等级暴露性县市比例由2000年的14.85%逐渐上升到2018年的22.48%，可见青藏高原农业旱灾暴露性在稳定上升。

图7 2000—2018年青藏高原农业旱灾暴露性百分比堆积

2.3 青藏高原旱灾脆弱性时空特征分析

图8为2000—2018年青藏高原农业旱灾脆弱性指标均值、M-K趋势、变异系数空间分布，由人均公共预算均值空间分布(图8a)可发现，青藏高原人均公共预算区域性差异大，青藏高原南部边缘区域与北部区域人均公共预算高；青藏高原东缘和西北部人均公共预算较低。由人均公共预算M-K趋势空间分布(图8c)可发现，青藏高原全部区域人均公共预算都呈现上升趋势，并且都通过了置信度为99%的显著性检验，人均公共预算的增长使得有更多社会资源能够投入到防灾减灾。由人均公共预算变异系数空间分布(图8e)可发现，青藏高原人均公共预算变异系数整体较大(均值0.95)，说明青藏高原人均公共预算年际变化幅度不稳定。

由单位机械动力均值空间分布(图8b)可发现，青藏高原中部单位机械动力高，东南部和西北部单位机械动力较低。由单位机械动力M-K趋势空间分布(图8d)可发现，青藏高原大部分区域单位机械动力呈现增长趋势，75.9%的县市单位机械动力增长趋势通过了置信度为99%的显著性检验。由单位机械动力变异系数空间分布(图8f)可发现，青藏高原变异系数整体较小(均值0.46)，说明青藏高原单位机械动力年际变化幅度较稳定。

a)人均公共预算均值

d)单位机械动力M-K趋势

由2000—2018年青藏高原农业旱灾脆弱性性均值空间分布(图9a)可知，青藏高原中西部区域农业旱灾脆弱性以低脆弱性、较低脆弱性等级为主，而青藏高原东南部区域、西北部区域以中等脆弱性、较高脆弱性、高脆弱性为主。变化趋势特征方面，结合2000—2018年青藏高原农业旱灾脆弱性M-K趋势空间分布(图9b)，青藏高原所有区域农业旱灾脆弱性呈现减小趋势，98.79%的县市脆弱性减小趋势通过置信度为99%的显著性检验。结合2000—2018年青藏高原农业旱灾脆弱性变异系数空间分布(图9c)，青藏高原脆弱性变异系数与脆弱性均值分布相反，脆弱性较小的区域变异系数大，脆弱性较大的区域变异系数小；变异系数整体小(均值0.023)，说明青藏高原脆弱性变化稳定。

a)脆弱性均值

图10为2000—2018年不同等级脆弱性县市比例，由图可知青藏高原农业旱灾暴露性年际变化较大，高等级暴露性县市比例由2000年的90.36%逐渐降到2018年的1.2%，低等级暴露性县市比例由2000年的4.82%逐渐上升到2018年的68.27%，其中2006—2015年时间段脆弱性变化幅度最大。

图10 2000—2018年青藏高原农业旱灾脆弱性百分比堆积

2.4 青藏高原旱灾风险时空特征分析

由2000—2018年青藏高原农业旱灾风险均值空间分布(图11a)，青藏高原中西部农业旱灾风险空间差异较小，大部分区域为低等级风险，青藏高原东部区域、雅鲁藏布江河谷区域、西北部区域旱灾风险较高。变化趋势特征方面，结合2000—2018年青藏高原农业旱灾风险M-K趋势空间分布(图11b)，青藏高原东南部和北部边界附近区域农业旱灾风险呈现增加趋势，农业旱灾风险呈现增加趋势县市比例为83.13%；青藏高原中部区域农业旱灾风险呈现下降趋势，下降趋势的县市比例为16.87%。结合2000—2018年青藏高原农业旱灾风险变异系数空间分布(图11c)，青藏高原北部区域农业旱灾风险变异系数大，东南部、南部区域变异系数小。

a)旱灾风险均值

图12为2000—2018年不同等级旱灾风险县市比例，由图可知青藏高原农业旱灾风险年际变化较小，各等级县市比例较稳定，低等级旱灾风险县市比例由2000年的27.71%逐渐降到2018年的20.08%，高等级旱灾风险县市比例由2000年的13.65%逐渐上升到2018年的22.48%。

图12 2000—2018年青藏高原农业旱灾风险百分比堆积

3 讨论

本研究构建了青藏高原县市尺度农业旱灾风险评估体系，丰富了青藏高原农业旱灾风险评估技术。受县市资料数据所限，所使用评价指标较少，评价结果的代表性存在一定欠缺。但是，本研究整体上明晰了青藏高原旱灾风险特征，并对青藏高原234个县市农业旱灾风险等级进行了区划，以期深化对青藏高原农业旱灾风险的认知，为青藏高原农业生产与旱灾防范提供参考，具有实用价值。

现有多数研究中，为更好显示出地理特征的空间差异，使用自然间断点分类，自然间断点分类法将相似的值分为同一类，并且使各个类别之间差异最大化。在旱灾风险均值(自然间断点分级)图(图13a)中，可发现，由于青藏高原旱灾风险空间差异较小，大部分区域为低风险等级，只有青藏高原东缘区域旱灾风险较高，难以看出青藏高原各区域旱灾风险的空间变化。而分位数分级(图13b)能够更好的观察青藏高原各区域旱灾风险的空间变化，可以看出青藏高原西北部、东北部、东南部、雅鲁藏布江河谷附近区域旱灾风险偏高，中西部区域旱灾风险偏低。本研究数据集中于低值附近，使用自然间断点分类不易观察出地理要素空间变化，更适合使用分位数分级。

a)旱灾风险均值(自然间断点分级)

旱灾危险性变异系数最大，年际波动最大，为旱灾风险最不确定因素。旱灾暴露性年际变化稳定，呈现稳定增长，随着时间推移，承灾体的价值越来越高，暴露性随之增长，最后会趋于稳定(接近最大值)(图14)。旱灾脆弱性年际变化也比较稳定，与暴露性相反的是旱灾脆弱性呈现稳定下降，随着时间推移，抗旱能力增强，旱灾脆弱性随之下降，最后也会趋于稳定(接近最小值)。对于某一区域，未来旱灾暴露性和脆弱性趋于稳定，旱灾风险的将主要受到旱灾危险性影响，需加强气象观测与土壤墒情监测预报，提升对农业旱灾危险性的预测，以期在旱灾发生之前做好抗旱准备，减少农业损失。

图14 旱灾危险性、暴露性、脆弱性值随时间变化示意

4 结论

基于区域灾害系统理论构建了青藏高原农业旱灾风险评估体系，研究了青藏高原农业旱灾危险性、暴露性、脆弱性和旱灾风险的时空演变特征，并对青藏高原县市农业旱灾风险等级进行了区划。得出以下结论。

a)青藏高原月份农业旱灾危险性变化显著，青藏高原农作物关键生长期期间，7—9月青藏高原东部及东南部冬小麦与冬青稞遭遇旱灾的风险较高，4—8月青藏高原北部区域呈现高危险性，该区域牧草遭遇旱灾风险较高。

b)青藏高原农业旱灾危险性由东南向西北呈现“高—低—高”分布，东北部区域危险性呈现减小趋势；西部区域危险性呈现增加趋势，东南部区域危险性呈现增加趋势，通过了置信度为90%的显著性检验(|Z|>1.65)，青藏高原整个区域危险性变异系数很大，不同年份危险性变动很大，加大了青藏高原的旱灾危险程度。

c)藏高原农业旱灾暴露性区域性差异较小，中部区域为低暴露性，青藏高原东部边缘区域、南部雅鲁藏布江河谷区域、青藏高原西北部区域为中等暴露性、较高暴露性。青藏高原东部和西北部暴露性呈现增加趋势，75.1%的县市暴露性增加趋势通过置信度为99%的显著性检验。青藏高原农业旱灾暴露性变异系数北高南低，变异系数整体较小(均值0.157)，暴露性变化稳定。

d)青藏高原中西部区域农业旱灾脆弱性以低脆弱性、较低脆弱性等级为主，而青藏高原东南部区域、西北部区域以中等脆弱性、较高脆弱性、高脆弱性为主。青藏高原98.79%的县市脆弱性减小趋势通过置信度为99%的显著性检验。青藏高原脆弱性变异系数与脆弱性均值分布相反，脆弱性较小的区域变异系数大，脆弱性较大的区域变异系数小；变异系数整体小(均值0.023)，脆弱性变化稳定。

e)青藏高原中西部农业旱灾风险空间差异较小，大部分区域为低等级风险，而东部区域、雅鲁藏布江河谷区域、西北部区域旱灾风险较高。青藏高原东南部和北部边界附近区域农业旱灾风险呈现增加趋势，农业旱灾风险呈现增加趋势县市比例为83.13%；青藏高原中部区域农业旱灾风险呈现下降趋势，下降趋势的县市比例为16.87%。