基于SPEI的辽宁省气象干旱特征及驱动因素分析

2022-09-12曹永强李可欣杨雪婷周姝含

水利水电科技进展 2022年5期

曹永强，李可欣，任博，杨雪婷，周姝含，赵慧

(1.辽宁师范大学地理科学学院，辽宁大连 116029； 2.天津师范大学京津冀生态文明发展研究院，天津 300387)

近年来各类极端气候频发，由此引发的灾害日益增多且风险日益加大。IPCC第六次报告指出，在过去的一个世纪里，全球气温上升了1.09℃，与第五次报告的0.78℃相比又上升了0.31℃[1]。全球气候变暖导致我国干旱趋势加重，旱灾造成的损失呈增加趋势[2]。作为对人类社会影响最严重的灾害之一，干旱发生具有缓慢性、持续性及地域广泛性等特点。干旱易造成水资源短缺、土地荒漠化加剧等问题并影响生态系统，同时随着人口的增加和经济的发展，干旱引发的水资源短缺必然制约社会经济的发展。2020年全国因旱致农作物受灾面积、直接经济损失与2015—2019年均值相比分别下降了44%和37%，云南、辽宁和山西等6个省(区)旱情较为严重[3]，因此加强辽宁省的干旱研究有助于辽宁省对干旱致灾情况做出及时有效的应对。

干旱可分为气象干旱、农业干旱、水文干旱和社会经济干旱4种[4]。干旱研究的基础是对干旱的定量识别，因此干旱指数作为干旱定量分析的重要手段应运而生[5]。早期研究干旱多注重于降水，采用降水的负距平来确定发生干旱的时间和强度，但是降水负距平难以建立干旱与社会生产生活的相关性。干旱的强度、范围和持续时间可以通过干旱指数确定，由于不同区域干旱特征的特殊性，干旱发生时对社会及生产生活的影响也不尽相同，因此根据对干旱研究侧重点的不同，不同干旱指数表征同一干旱事件的时空分异特征也会有所不同。目前，常用的气象干旱指数有50余种，如Palmer干旱指数(Palmer drought severity index，PDSI)、标准化降水指数(standardized precipitation index，SPI)、标准化降水蒸散指数(standardized precipitation evapotranspiration index，SPEI)等。PDSI综合考虑了某时段内研究区的水分亏缺状况，但是该指数中经验参数的取值依赖研究区完备的数据支持且计算复杂[6]。SPI在计算时只需考虑降水，时间尺度相对灵活，但是SPI对潜在蒸散发、气温和地表状态等的表征存在欠缺。基于此， Vicente-Serrano等[7]提出了SPEI，SPEI具有能够有效地描述多时间尺度的水分亏缺，反映不同水资源、降水和蒸散量之间的滞后关系,对温度变化感应灵敏，以及能够进行多时间尺度计算、运算简单、可以进行不同时间空间横向或纵向比较等优点，具有很强的适用性。近年来，我国学者对SPEI在我国不同地区及不同降水量情况下的适用性、不同未来气候情景下的SPEI进行了分析，并利用SPEI对不同地区进行了干旱时空分析。王林等[8-9]对我国SPEI的适用性进行了分析，指出该指数能够准确描述特大干旱事件出现的地区中心、影响程度及范围，且与PDSI相比有计算更便捷的优点。庄少伟等[10]分析了全国范围内降水不同时SPEI的适用性问题，表明SPEI对地表干旱的表征更准确，并探究了增温效应对干旱的影响。刘珂等[11]通过两种潜在蒸散发算法计算得出SPEI并对1949—2008年我国干旱进行了研究，结果表明我国整体上处于变干趋势，春季变干趋势最明显。胡实等[12]以3种不同未来气候情况为背景研究了我国北方地区干旱情况，得出未来北方地区呈现干旱化趋势，各季节不同干旱程度反差极大。除了对局部地区气象因素对干旱的影响研究外，大尺度的气候因子在干旱形成过程中作用明显。目前大气环流指数与干旱的研究已在我国不同地区展开。由于大气环流的周期性、持续性和可预测性的特点，对干旱的预警预测具有重要意义。

近年来，气候变暖也使辽宁省的气候和环境发生变化，其中制约农业发展的灾害事件频发，其中频繁发生的干旱对辽宁省粮食生产造成了严重的威胁[13]。本文利用辽宁省内19个气象站点1970—2020年基础观测资料，采用基于Penman-Monteith(PM)法的SPEI对辽宁省1970—2020年干旱情况进行统计与分析，探究其时空变化规律；在此基础上分析各气象因子与SPEI的相关性，并结合ENSO事件对辽宁省干旱进行分析，旨在为辽宁干旱问题的预警以及有效规避干旱情况的发生提供参考。

1 研究区概况

辽宁省位于东北三省最南端(118°53′E～125°46′E，38°43′N～43°26′N)(图1)，东西部为山地丘陵，中部为平原，为温带大陆性季风气候，雨热同期，四季分明。由于辽宁省南临渤海和黄海，深受来自海洋的暖湿气流影响，使该地区海洋性特征明显，年平均降水量为400～1 000 mm，年平均气温为 5.2～11.7℃，年日照时数2 100～2 900 h。

图1 研究区概况

辽宁省是我国粮食主产区之一，农业发达，具有稻谷、玉米等基础农作物生长的良好条件，不仅属于东北地区早熟单季稻稻区，同时也是东北春播玉米区。2020年我国粮食总产量为6 695亿kg，比上年增加56.5亿kg，其中，辽宁省粮食总产量为234亿kg，居全国第12位，单位面积产量为6 630 kg/hm2，居全国第5位[14]。

2 数据来源与研究方法

2.1 数据来源

1970—2020年辽宁省逐日气象数据(平均风速、平均气温、日照时数、平均相对湿度、最高日气温、最低日气温)来源于中国气象数据网(http：//data.cma.cn)。鉴于部分站点在1970年后建立，另有部分站点在2017年或更早已停止监测，为保证数据的准确性，最终选取分布均匀的19个气象站点作为基础气象数据来源。ENSO数据和海表温度距平指数(sea surface temperature anomalies，STTA)来源于中国气象局国家气候中心气候监测系统。

2.2 研究方法

2.2.1潜在蒸散量计算

由于实际蒸散量数据的缺乏，一般参照潜在蒸散量来估算实际蒸散量。PM法为联合国粮农组织推荐计算潜在蒸散量的方法，此方法通过气温、降水和风速等要素进行综合计算得出潜在蒸散量，计算误差小，结果与作物实际蒸散量相符。潜在蒸散量计算公式为

式中：ET0为潜在蒸散量，mm；Δ为饱和水汽压与温度关系曲线的斜率值，kPa/℃；Rn为地面净辐射量，MJ/m2；G为土壤热通量，MJ/(m2·d)；γ为湿度计常数，kPa/℃；T为日平均温度，℃；u2为2 m高度处风速，m/s；es为饱和水汽压，kPa；ea为实际水汽压，kPa。式中参数计算及取值可参考GB/T 20481—2017《气象干旱等级》。

2.2.2SPEI计算

SPEI通过对年均降水量和潜在蒸散量二者之间差值的正态标准化处理得到。SPEI计算方法考虑了气象因子对潜在蒸散量的影响，加之研究区内潜在蒸散量较大，因此适用于辽宁省的干旱评估。具体计算步骤如下：

a.计算潜在蒸散量与逐月降水量的差值Di:

Di=Pi-ETi

(2)

式中：Pi为第i月的累计降水量，mm；ETi为第i月的潜在蒸散量，mm，采用PM法计算；Di为反映第i月水分盈亏状况的参数，mm。

b.构建水分盈亏累积序列，采用log-logistic概率分布函数，并对概率密度进行标准化处理，计算出对应的SPEI值：

(3)

式中：I为SPEI值；w概率加权矩；p为累积概率；C0、C1、C2、d1、d2、d3为常数项，C0=2.515 517，C1=0.802 853，C2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 30。根据GB/T 20481—2006《气候干旱等级》，SPEI的干旱等级划分标准为：I≤-2.0为特旱，-2.0-0.5为无旱。

本文分别计算了3个不同时间尺度的SPEI值，即月尺度(SPEI-1)、季尺度(SPEI-3)和年尺度(SPEI-12)。四季划分标准：3—5月为春季，6—8月为夏季，9—11月为秋季，12月至次年2月为冬季。分别用SPEI-3的5月表示春季，8月表示夏季，11月表示秋季，次年2月表示冬季。

2.2.3干旱发生频率

统计辽宁省19个气象站点1970—2020年不同时间尺度I≤-0.5出现的次数n，计算其占总年数N(N=51)的比重，即为各站点干旱发生的频率：

(4)

式中D为干旱发生的频率。

2.2.4ENSO事件强度划分

STTA由太平洋月平均海表温度指数与同月多年平均海表温度之差得到。参考文献[15]并结合STTA对ENSO事件强度进行划分，如表1所示。

表1 基于STTA的ENSO事件强度划分标准

2.2.5相关分析法

相关性分析可衡量两变量间的关系，相关系数的正负分别代表两因子呈正相关关系或负相关关系，绝对值越大越相关，反之则相关性越小。

3 结果与分析

3.1 辽宁省气象干旱时间演变分析

3.1.1不同时间尺度SPEI变化趋势

基于辽宁省19个气象站点气象资料数据计算得到月、季、年多尺度SPEI值(图2)，并通过线性倾向分析辽宁省1970—2020年的干旱变化特征及趋势变化特征。

图2 辽宁省不同时间尺度SPEI变化

a.从月尺度的SPEI(图2(a))可以看出SPEI的变化频繁且剧烈，呈明显的正负振荡，多年来在-1.93～2.38之间变化，反映了月降水对干旱程度的剧烈影响。 1970—2020年SPEI-1平均值为-0.04，属于正常范围。总体来看，在月尺度下共发生126次干旱事件，其中轻旱69次，中旱38次，重旱16次，极端干旱事件仅发生了3次，极端干旱事件多发生于夏季及秋季，轻旱、中旱、重旱、特旱在干旱事件中的占比分别为54.76%、30.16%、12.7%和2.38%，随着干旱等级的提升，对应干旱事件比例也随之减小。

b.从季尺度的SPEI(图2(b))可以看出，1970—2000年除少量年份外总体处于偏旱状态，轻旱为主，中旱及以上旱情较少，没有特旱事件发生；2001—2009年旱情较轻；2009年之后总体较湿润，仅发生1次特旱事件，干旱的变化与气象因子变化有关。

c.从年尺度的SPEI(图2(c))可以看出，SPEI-12曲线最为平滑，全省1970—2020年轻旱、中旱、重旱、特旱在干旱事件中的占比分别为62.83%、34.52%、2.56%和0，SPEI-12值表征正常年份偏多，干旱事件多为轻旱和中旱，重旱事件很少，无特旱事件发生。2010年为旱涝转折年，2010年以后除2014年发生1次干旱事件外都处于湿润状态。

综合比较辽宁省月、季、年尺度SPEI变化可知：3个时间尺度的SPEI都显示出明显的周期振荡，干旱事件发生频繁，其中月尺度的SPEI波动幅度最为强烈，说明月尺度SPEI相比季尺度和年尺度对短时间内降水和气温变化更为敏感，对短期内的干旱事件反映更准确。季尺度对季节性干旱有很好的反映。年尺度SPEI因为时间尺度的增大对气象因子的响应较月尺度SPEI相对迟缓，干旱的周期也相对延长，对短期的干旱响应存在误差，但对干旱的持续时间及发展趋势具有明显的指示作用。因此对不同时间尺度SPEI值的合理应用有助于对辽宁省干旱进行预警预测。从不同时间尺度的SPEI趋势线可知辽宁省未来气候偏湿润，干旱发生频率有所下降，有利于促进农业的发展，但干旱引发的旱情仍需重视。

3.1.2干旱年际及季节变化特征

为分析辽宁省年尺度SPEI的变化及突变情况，对辽宁省年尺度SPEI进行Mann-Kendall(M-K)突变检验。由图3和图4可知：1970—2020年辽宁省的SPEI值在零值线上波动变化，根据UF线可以看出，其上升下降趋势交替出现，说明1970—2020年辽宁省湿润干旱交替出现，1970—1979年、1986—1999年和2010—2020年为湿润化阶段(除1972年), 1980—1985年和2000—2009年为干旱化阶段。2000—2002年干旱化相当明显，这一时期降水少，加之气温升高蒸散量上升，使水分缺失较大。2010—2020年又处于湿润化阶段，但2014年出现干旱且达到重旱等级，与实际干旱发生情况相符，因此SPEI对辽宁省的干旱监测有很好的适用性。1974年、1975年和2010年为突变年份。2018年和2019年UF线超过0.05临界线，说明辽宁省湿润化显著，应加强防洪防涝工作。

图3 1970—2020年辽宁省年尺度SPEIM-K突变检验曲线

图4 1970—2020年辽宁省降水量和平均气温发展趋势

图5 1970—2020 年辽宁省四季SPEI变化趋势及M-K突变检验

为分析辽宁省SPEI季尺度特征，利用SPEI-3绘制季尺度SPEI变化趋势图(图5)。由图5可知：①季尺度SPEI变化趋势中，春夏秋季线性倾向率都是正值，处于不同程度的上升趋势，冬季为负值，处于下降趋势，说明辽宁省春夏秋季处于由干旱向湿润阶段发展，冬季趋于干旱，但趋势不明显。②春季SPEI(图5(a))呈先上升后下降最后上升趋势，2005年之前SPEI大多为负值，说明1970—2005年干旱事件频繁，干旱化趋势明显。2005—2020年SPEI多为正值，处于湿润阶段。突变年为2007年，处于由干旱向湿润转变阶段， 2017年湿润趋势显著。③夏季SPEI(图5(b))年际化阶段性明显，1970—1984年偏旱，1985—1998年偏涝，1999—2007年偏旱，2007年之后处于湿润阶段。1985年、1986年和2007年为突变年，均为由旱转涝年。相对春季，夏季旱灾较少但强度较大，旱涝问题突出。④秋季SPEI(图5(c))上升下降趋势交替出现，但变化趋势不显著，干旱变化不稳定，整体而言秋季变化与春夏两季趋势一致，变化特征总体为湿润干旱交替出现。⑤冬季SPEI(图5(d))在1970—2020年呈下降趋势，1970—1999年和2010—2020年除个别年份为负值外，整体表现为湿润化趋势明显。1999—2009年干旱化趋势明显，1970—1989年变化不稳定，在2007年之后由干旱转向湿润。与曹永强等[16]对辽宁省近年来旱涝分析结果较一致，辽宁省四季干旱变化都有阶段性特征。

图6 辽宁省1970—2020年干旱发生频率空间分布

3.1.3气象干旱空间变化特征

为分析辽宁省干旱发生频率的空间变化规律，通过对辽宁省19个气象站点季尺度SPEI和年尺度SPEI计算得出季尺度干旱发生频率和年尺度干旱发生频率并进行插值，得到辽宁省干旱发生频率空间分布如图6所示。①由图6(a)可见，辽宁省各地区干旱发生频率、干旱强度均存在显著差异，1970—2020年辽宁省夏季干旱发生面积以及频率均为最高，其中彰武、清原、朝阳、丹东、大连5个地区四季干旱发生频率均较高；②春季干旱发生频率为20%～40%的区域占全省总面积的2/3，清原地区春季干旱发生频率最高，达92.16%，特旱发生频率为17.65%，其他地区以轻旱为主，其次则为中旱；③夏季干旱发生频率为20%～40%的区域占全省面积的3/4以上，西部地区干旱分布较为连续，东部地区宽甸、岫岩、开原、沈阳等站点干旱发生频率均低于20%，清原地区干旱情况最为严重，大连、彰武地区次之；④秋季干旱频率为0～80%，1/2地区的干旱发生频率为32%～48%，宽甸、岫岩秋季干旱发生频率最低；⑤冬季各地干旱发生频率中，仅特旱发生频率为最低，1/3地区干旱发生频率小于20%，仅清原地区干旱情况最为严重。

辽宁省年均干旱发生频率为0～40%，以16%～24%为主；清原干旱发生频率最高，为39.54%，彰武、营口次之。1949年辽宁省干旱发生频率辽西最高、辽南次之且中部地区较低[17]，与本文研究结论基本一致。辽西地区相比省内其他地区距海较远，使辽西地区获得水分偏少，同时辽西地区土壤以沙土为主，保水能力差，而不合理的开荒种植、开采地下水以及农田水利设施老化淤积，也严重影响对干旱的有效应对。丹东地区位于辽东，干旱发生频率较高的原因主要是降水时空分布不均且年际变化大。受太平洋水汽和西伯利亚冷空气影响，丹东的降雨多集中在夏季，且集中在山地地区，南部平原农耕区缺水严重；丹东地区土层较薄，坡度大，缺乏有效的水利设施，雨水资源利用率低，同时ENSO事件的发生使丹东地区干旱发生频率加大。大连市干旱发生频率高主要是因为大连市降雨集中在夏季，春季农作物需水量大，易造成春旱；此外水土流失严重，生产生活用水量增加，以及气温升高和城市化的加快使蒸发量变大也导致干旱风险提高。

3.2 气象干旱驱动因素分析

3.2.1气象因素多年变化特征

图7 辽宁省1970—2020各气象因素变化规律

a.如图7(a)所示，1970—2020年辽宁省年平均气温总体上呈上升趋势。年平均气温在1983—1988年和2008—2013年两个时间段出现下降趋势，在2014年出现大幅度升高，同年辽宁省大部分地区气温异常偏高，且降水也相对较少，这与2013年5月发生的厄尔尼诺现象导致赤道中部和太平洋大部海温较常年气温平均值偏高有着密切的关系。1970—2020年大尺度气温总体上升趋势较为平稳，变化波动较小。1970—2020年辽宁省平均风速总体呈下降趋势，总体区间为2～5 m/s，平均风速为3.19 m/s，变化幅度较大，具有明显的阶段性特征，1994—2003年为变化偏弱阶段，其他时段变化强度较大。

b.如图7(b)所示，1970—2020年辽宁省平均相对湿度变化总体呈下降趋势，总体在60%～75%区间内波动，大幅度波动出现在2015—2020年，这主要与2015年开始平均风速极大值出现以及降水量减少有关，平均相对湿度50 a尺度总体变化幅度较大，这同样受到多年来降水与风速不规则变化的影响，由于1970—2020年风速呈明显下降趋势，而降水变化较为平稳，二者综合作用导致平均相对湿度有小幅度上升趋势。1970—2020年辽宁省降水量平均值为695 mm，在460～1 100 mm区间内波动。2010年夏季辽宁省平均降水量为475 mm，为1970—2020年最高值，该年辽河干流和部分支流水位超过警戒水位，同年辽宁省仅辽西地区降水量较少，其他地区年均降水量均多于该地区多年平均值1倍及以上，这种全域性降水量的增多，显然与全球性天气影响有关，即在一定程度上受到大气环流的影响[18]。 1970—2020年辽宁省潜在蒸散量总体呈上升趋势，多年平均值为866.68 mm，总体波动幅度较小，2004—2013年潜在蒸散量数值在趋势线之下，主要是因为这段时间平均气温普遍较低，2013年后气温明显攀升，潜在蒸散量则升高至趋势线之上。2004—2008年SPEI-12呈明显的先上升后下降的趋势，平均气温与潜在蒸散量则呈现先下降后上升的趋势，由此可以假设平均气温、潜在蒸散量与SPEI-12呈负相关关系，与平均风速、平均相对湿度和降水量呈正相关关系，但气象因素与SPEI之间相互作用较为复杂，依据“直观”判断并不具备科学依据，要探究辽宁省气象干旱驱动因素具体驱动形式还需进一步分析讨论。

3.2.2年尺度气象因素与SPEI相关关系

以1970—2020年各气象站点气象数据为基础，计算得到平均气温、平均风速、平均相对湿度、潜在蒸数量和降水量5个气象因素与SPEI的相关系数分别为-0.14、0.045、0.1、-0.527和0.792，明显可以看出平均气温、潜在蒸散量与SPEI呈显著负相关关系，这与前面假设基本一致。平均风速、平均相对湿度、降水量则与SPEI呈正相关关系，在年尺度上各气象因素与SPEI相关性中，降水量与SPEI相关性最强。

3.2.3季尺度气象因素与SPEI相关关系

如表2所示，平均气温在季尺度上与SPEI均为负相关关系；平均风速除夏季外均与SPEI呈正相关关系，而夏季则与SPEI呈负相关关系；平均相对湿度在季尺度上均与SPEI呈正相关关系；潜在蒸散量除夏季外均与SPEI呈正相关关系；降水量在季尺度上均与SPEI呈正相关关系。在季尺度中降水量与SPEI相关性均为最强，潜在蒸散量次之，可见降水量是影响SPEI变化的主导因素，而在春秋冬季潜在蒸散量也可认为是SPEI的主导因素之一。季尺度较年尺度各气象因素与SPEI的相关性明显升高，可见小时间尺度的气象因素对SPEI的影响更明显。平均气温与SPEI相关性绝对值在春季为最大，秋季次之，冬季最小。总体上,气温与SPEI呈正相关关系。夏季平均风速与SPEI呈负相关关系，主要是由于夏季气温高，整体风速较小，不易将空气及土壤中水分消耗，而春季和秋季正值南北冷暖气流运动交汇，使得风速相对较大，水分易消散，平均风速与SPEI相关性较小，平均风速不是SPEI主导因素。平均相对湿度与SPEI相关性在春季和秋季最大，呈显著正相关关系，即平均相对湿度越大，SPEI值越大，发生干旱的风险就越低。

表2 季尺度各气象因素与SPEI的相关系数

3.2.4ENSO冷暖事件与SPEI关系

赵永平等[19]研究表明，ENSO事件通过影响季风环流和副热带高压从而对我国的气候产生不同程度的影响。对1970—2020年ENSO冷暖事件分别进行统计并与年尺度SPEI计算结果进行对比，结果如表3和表4所示，2000年前暖事件对应的SPEI平均值为-0.127 1，辽宁省累计发生干旱的气象站点为87个，2000年前冷事件对应的SPEI平均值为0.197 6，辽宁省累计发生干旱的气象站点为57个。通过对比发现，2000年前ENSO对干旱的发生均有影响，但暖事件影响更高。2000年后暖事件对应的SPEI平均值为-0.109 0，辽宁省累计发生干旱的气象站点为75个。2000年后冷事件对应的SPEI平均值为0.472 9，辽宁省累计发生干旱的气象站点为45个。可见2000年后ENSO暖事件对干旱产生的影响大于ENSO冷事件。1970—2020年ENSO冷暖事件时期SPEI平均值均在正常范围内，但是对干旱事件的响应依然存在，说明干旱历时与干旱发生时期分布不均，且SPEI负值能反应干旱程度，1970—2020年ENSO暖事件时期SPEI均值都为负，说明ENSO暖事件变化对辽宁省干旱有一定程度的影响且影响程度较ENSO冷事件大。

表3 ENSO暖事件对干旱的影响

表4 ENSO冷事件对干旱的影响

通过对辽宁省年尺度的SPEI与ENSO事件强度的相关性分析，结果显示两者的相关系数为-0.25，通过了0.05的显著性检验，印证了ENSO事件影响着辽宁省干旱的发生，且暖事件发生时出现干旱的可能性更大，暖事件的强度越大，严重干旱的概率越大。将ENSO事件强度与辽宁省SPEI-12进行对比得到图8，可见SPEI-12基本与ENSO事件强度呈负相关关系，与上述分析结果一致。

图8 ENSO事件强度与SPEI-12对应关系

3.3 讨论

图2、图3和图5干旱发展情况与趋势与王学凤等[20]对近年来辽宁省旱涝特征分析的研究结果较一致；干旱发生频率空间分布结果(图6)与曹永强等[21]对辽宁省气象干旱研究结果有相似性。本文关于干旱特征的研究中主要分析了干旱的时空分布特征、发展趋势、频率和强度，干旱作为一种极其复杂的过程，后续研究还需针对干旱历时、烈度、周期性变化规律、干旱指数的适用性等方面对干旱特征进行全面分析，以更好地了解干旱的发生发展规律。

本文SPEI相关性研究主要基于基础气象因素，多注重小尺度气象因素研究。在大尺度自然因素与SPEI关系方面，冯仕远等[22]分析了夏季风指数与SPEI的相关性；徐乔婷等[23]研究了SPEI与大西洋涛动、北极振荡、太平洋涛动和ENSO之间的相互关系，结果表明大尺度的气候因素对干旱的发生起重要作用，同时社会因素也影响着干旱的发生发展。因此，在今后的研究中还需要对不同气候背景下的干旱发展情况与极端气候因素及人类活动的影响进行深入研究分析。