基于TerraClimate数据集的1960—2019年中国干湿气候变化特征

(1.南京信息工程大学 应用气象学院，南京 210044； 2.广东省气象公共服务中心，广州 510640)

1 研究背景

全球变暖仍在持续，且当前出现的气候状态是过去几个世纪甚至几千年来所未见的[1]。中国作为全球气候变化的敏感区和影响显著区，随着全球温度的升高，地表蒸散量增加，降水强度和分布受到影响，其大部分区域的干湿状况将会发生变化，进而影响我国的农业生产和布局，制约经济发展，因此，对干湿问题的研究，一直备受气候学者的重视[2-6]。目前，基于气象站点观测数据，众多学者对中国区域的干湿状况取得了大量的研究成果，如申双和等[7]利用616个地面气象台站的日气象资料，对中国干湿状况进行了时空分析，指出近30 a来中国变湿地区多于变干地区；胡琦等[5]研究了近54 a中国干湿气候时空变化特征，发现不同地区干湿状况变化差异很大，干旱趋势主要发生在半干旱半湿润区；姜江等[8]对1962—2011年中国各干湿区范围变化进行了分析，在空间上中国西部湿润化、东部干旱化。我国的气象站点的分布具有东部密集西部稀疏的特点，用气象站点观测数据研究全国范围内的干湿区域变化有一定的局限性，而高分辨率产品数据在获取、可用性和空间覆盖方面有更好的优势。

TerraClimate是一款具有长时间序列的全球陆地表面气候和气候水平衡的数据集，1958—2021年，其空间分辨率为1/24°，时间分辨率为月。该数据集利用气候辅助插值，将来自WorldClim数据集的高空间分辨率气候正常值与其他随时间变化的粗分辨率数据相结合，以生成含有不同气候因子的月度数据[9]。因为TerraClimate数据集具有较高的空间分辨率，能够较好地模拟下垫面较为复杂的区域，因而在生态和水文分析中得到广泛应用。国内学者在基于Google Earth Engine与机器学习中，将其作为气候数据的来源，以估算灌木覆盖度[10-11]；国外学者利用TerraClimate数据集导出的标准降水指数(SPI)和标准降水蒸发指数(SPEI)绘制菲律宾气象干旱灾害地图[12]，利用土壤湿度、降水量以及温度的值对波托哈尔高原进行干旱监测[13]，利用降水量、土壤湿度和径流数据研究印度流域的水文趋势[14]。

目前，尚未有学者利用TerraClimate数据集在中国区域进行相关研究。本研究分别利用降水量和湿润指数2个干湿指标，基于TerraClimate数据集，对比分析近几十年来中国区域干湿气候分区的转变以及干湿状况的时空变化趋势，并探讨TerraClimate高分辨率数据集在中国区域的适用性。

2 数据及研究方法

2.1 数据来源及预处理

本文所用模拟资料为1960—2019年包括降水和蒸散的两个气候因子的TerraClimate月度数据(https:∥climate.northwestknowledge.net/TERRACLIMATE/)，格式为NETCDF，由爱达荷大学西北知识网络数据存储库提供。实测资料是与模拟资料相同时间尺度和气候因子的由中国气象数据网(http:∥data.cma.cn/data/weatherBk.html)提供的全国931个站点资料，将缺测月份少于10个月且总年数少于30年的站点剔除，共有674个站点，如图1所示。

图1 中国气象站点分布Fig.1 Distribution of meteorological stations in China

2.2 湿润指数的计算

目前，学者们常用降水量和湿润指数这2个指标来研究干湿气候区域的变化[15]。湿润指数(HI)的计算公式为

(1)

式中：ppt为年降水量(mm)；pet为年潜在蒸散量(mm)。

基于降水量和湿润指数的干湿分区标准[7]如表1所示，本文将气候区域分为干旱区、半干旱区、半湿润区和湿润区4种。

表1 基于降水量和湿润指数的干湿分区Table 1 Classification of arid-wet regions based onprecipitation and humidity index

2.3 Theil-Sen Median+Mann-Kendall趋势分析法

Theil-Sen Median斜率(TSslope)估计法是一种非参数统计的趋势方法，广泛用于检测长时间序列数据集的变化趋势[16]。该方法计算效率高，相比于最小二乘法一元线性回归趋势分析法，其不受时间序列异常值的影响，且对于测量误差和离群数据不敏感[17]。其计算公式为

式中：Median表示中位数函数；xi、xj分别表示第i、j时刻的序列数据。

利用TSslope的正负来判断数据的变化趋势：当TSslope>0时，表示变量呈现增加的趋势；当TSslope<0时，表示变量呈现减少的趋势；当TSslope=0时，表示变量变化趋势不明显。|TSslope|表示变量变化趋势幅度状况。

目前很多学者将Theil-Sen Median斜率与Mann-Kendall趋势检验结合起来，形成一种全新的趋势分析方法。Mann-Kendall检验[18-19]也被称为无分布检验，该方法的优点是只要求数据独立，且受异常值的干扰较小，常用于气候和水文时间序列趋势分析中[20]。其计算公式为：

(3)

(4)

其中：

(5)

(6)

本文中置信度水平α为0.05，要素的变化趋势和显著性类型如表2所示。

表2 变化趋势及显著性检验Table 2 Change trend and significance test

3 结果分析

3.1 精度评价

根据研究区内的674个气象站点经纬度利用ArcGIS软件提取TerraClimate对应像元1961—2019年间年均降水量及年均潜在蒸散量，分别与气象站点观测值进行对比，数据精度结果如表3所示。在年尺度上，该数据集的降水、潜在蒸散数据与气象站观测数据在整体上有较高的一致性，相关系数R分别为0.936和0.516，降水数据的精度要明显优于潜在蒸散数据。

表3 年降水量和年潜在蒸散量精度指标Table 3 Accuracy index of annual precipitation andannual potential evapotranspiration

图2 中国干湿气候区划Fig.2 Zoning of dry-wet climate of China

3.2 干湿气候区划

利用气象数据处理软件CDO对TerraClimate数据集的降水和蒸散数据进行预处理，运行ArcMap软件将中国划分为干旱区、半干旱区、半湿润区和湿润区。图2(a)是基于降水量划分的中国60 a干湿气候区划图。降水量<200 mm的干旱区主要分布在内蒙古西部、甘肃西北部、青海西北部、西藏西部以及新疆的大部分地区；降水量在200～400 mm之间的半干旱区主要分布在大兴安岭以西、内蒙古东部、青海中部以及西藏中部，少部分分布在新疆的西北角；降水量在400～800 mm之间的半湿润区主要分布在东北平原、华北平原、黄土高原、青藏高原区的东部以及云南的西北部；降水量>800 mm的湿润区主要分布在秦岭—淮河以南、四川盆地等在内的广大中南部和东部地区，少部分分布在辽宁的东部以及吉林的南部。图2(b)是基于湿润指数划分的中国60 a干湿气候区划图。湿润指数<0.2的干旱区与按降水量所划分的干旱区大致吻合，但其他3个分区有些许差异，主要体现在西南地区，湿润指数>1的湿润区在该地东南部范围变大，半干旱区和半湿润区范围从该地中部向西缩小，云南半湿润区范围变大。前人利用气象站点观测资料基于降水量或湿润指数划分的干湿区结果，均与本研究利用TerraClimate数据集基于降水量的划分结果[5,7-8,21-23]相一致。

3.3 干湿气候区时空变化

图3为基于降水量和湿润指数划分的中国1990—2019年与1960—1989年相比的前后30 a干湿区变化。图中展示了6种气候区转变类型，其中，向更干旱气候转变的区域有3种类型：半干旱区转变为干旱区、半湿润区转变为半干旱区、湿润区转变为半湿润区。向更湿润气候转变的区域有3种类型：干旱区转变为半干旱区、半干旱区转变为半湿润区、半湿润区转变为湿润区。

图3 中国前后30 a干湿气候区变化Fig.3 Dry-wet climatic changes in China in 1960-1989and 1990-2019

由图3(a)可见，向更干旱气候区转变的区域主要分布在横跨内蒙古中部和昆仑山西部边缘以及西藏西部的狭长带状区，吉林以西、沿山西、陕西与内蒙古交界线到甘肃南部，吉林南部、辽宁东部以及秦岭；向更湿润气候区转变的区域主要分布在新疆西北部、从西藏中西部至青海北部的狭长带状区，天山西部、从西藏东南部至青海东北部的狭长带状区以及河北北部，四川中南部和安徽北部。由图3(b)可见，基于湿润指数所划分的变化区域与图3(a)有较好的一致性，但从变化面积来看，其发生干湿区域变化的面积较多，且变干和变湿的区域有些许差异。与基于年降水量划分的干湿区变化相比，基于湿润指数划分的向更干气候区转变的区域在黑龙江、河北以及云南等地的范围明显扩大，向更湿润气候区转变的区域在西藏和青海中部以及云南西北部的覆盖范围略微缩小。

图4展示了基于年降水量和湿润指数划分的各分区前后30 a的变化。由图4可见，基于这2个指标的干湿区域面积增减趋势相同，但变化幅度存在差异。1990—2019年与1960—1989年相比，中国的干旱区和湿润区面积负增长，半干旱区和半湿润区面积正增长，这也与前人研究结果[4-5,15,24-26]相一致。

图4 中国前后30 a各干湿分区变化直方图Fig.4 Histogram of dry-wet zoning changes inChina in 1960-1989 and 1990-2019

图5 基于降水量和湿润指数划分的干湿气候界线年代际波动Fig.5 Interdecadal fluctuation of dry-wet climatic boundary based on precipitation and humidity index

3.4 干湿气候分界线的年代际波动

随着气候的变化，干湿气候分界线也是变化的。图5展示了分别基于年降水量和湿润指数划分的各年代干湿气候界线变化。由图5可见，1970s较1960s而言明显变化的是湿润指数0.2线在内蒙古中部向东小幅度偏移，400 mm等降水量线、湿润指数0.5线在内蒙古高原东北部向东北方突出；1980s较1970s而言明显变化的是400 mm等降水量线在内蒙古高原东北部向西南方向退回，800 mm等降水量线在淮河向南退回，湿润指数0.5线在内蒙古东北部向西南方向退回、在河北和山西向南推进，湿润指数1.0线在黑龙江西北部向南扩大、在湖北中部小幅度向北退回；1990s较1980s而言明显变化的是400 mm等降水量线在内蒙古高原东北部向西退回，800 mm等降水量线在秦岭向南退回，湿润指数0.5线在西藏南部向西退回、在天山向东推进；2000s较1990s而言明显变化的是200 mm等降水量线在内蒙古高原中部向东推进，400 mm等降水量线、湿润指数0.5线在内蒙古高原东北部大幅度向东推进；2010s较2000s而言明显变化的是400 mm等降水量线在内蒙古高原东北部向西退回，800 mm等降水量线在淮河向南退回，湿润指数1.0线在黑龙江东部向南扩大。这与杨建平等[27]、黄亮等[25]关于中国干湿气候界线年代际波动的研究结果具有很好的一致性。

图6 中国区域降水量年际变化趋势及显著性检验Fig.6 Interannual variation trend and significance testof regional precipitation in China

图7 中国区域湿润指数年际变化趋势及显著性检验Fig.7 Interannual variation trend and significance testof regional humidity index in China

3.5 降水量和湿润指数的年际变化趋势分析

利用Theil-sen估计法和MK检验对2种指标进行年际变化趋势分析。图6和图7分别是降水量和湿润指数的中国区域年际变化趋势及显著性检验结果。由图6(a)可知，ppt_sen趋势介于-3.33～7.00 mm/a之间，降水量正变化的区域主要分布在西北干旱半干旱区的中西部、青藏高原区、除山东省的华东地区、湖北东部、湖南东部以及华南地区；降水量负变化的区域主要分布在东北地区西南部、华北地区、陕西、湖北西部、贵州以及云南大部分地区。由表2和图6(b)可知：降水量增减的区域与图6(a)正负变化的区域具有较好地一致性，但大部分区域并未通过显著性水平检验。降水量显著增加的区域主要集中在新疆西北部、甘肃中部、青海以及西藏中部；降水量显著减小的区域主要集中在辽宁西南角、山东东北角。由图7(a)可知：HI_sen趋势介于-1.43～0.01/a之间，湿润指数正变化的区域要小于负变化的区域，正变化的区域主要分布在中国的西部。由表2和图7(b)可知：湿润指数增减的区域与图5(b)(HI=0.2)正负变化的区域具有很好地一致性，通过显著性检验的区域要少于未通过的。湿润指数显著增加的区域主要集中在塔里木盆地、准噶尔盆地、西藏中部以及青海中部；湿润指数显著减小的区域主要集中在大兴安岭西部、吉林南部、辽宁东部、山西、陕西南部、四川以及云南东南部。对比相关文献关于我国降水量和湿润指数年际变化趋势分析的研究成果[5,22,25-26,28]，TerraClimate数据集的降水量资料更具有适用性。

4 讨 论

目前，国内关于中国各地区干湿气候变化的研究成果较多，且主要是基于气象站点观测资料对中国干湿变化状况和变化趋势[4,6-7,15]、干湿气候变化的成因[5,21,23]、干湿气候界线的变迁[25,27-28]等方面进行的分析。但是，中国国土面积辽阔，地形地貌复杂，而气象观测站一般建设在平坦开阔地带，东部平原地区站点密集，西部地形复杂地区站点数量稀少，这种站点分布状况对干湿气候变化的研究有着一定的局限性。基于气象站点观测资料开展的干湿变化研究结果可以反映宏观变化趋势，但在研究较小区域尤其是缺乏气象观测的地区时还存在着不足。本研究选取了TerraClimate高分辨率数据集分析了中国地区干湿气候变化状况，研究得到的中国各干湿区范围、各干湿区面积增减趋势、干湿气候界线的年代际波动结果以及降水量和湿润指数的年际变化趋势均与前人利用气象站观测资料的相关研究结果在宏观上是相对一致的[4-5,7-8,15,21-28]。

气候干湿状况受很多因素的影响，比如温度、湿度、风速等，以湿润指数为评价指标比单纯用降水量单个因素进行干湿变化分析更有优势。蒸散数据的可靠性影响着湿润指数的评价结果，利用Penman-Montieth[29]公式计算潜在蒸散具有明确的物理意义，但是该方法在一定区域内存在参数估计的误差，且实际蒸散也会因不同气候区、经纬度、地形、土壤等而有所差异[6-7]，因此对潜在蒸散的计算还要进一步的验证和校正。TerraClimate数据集对潜在蒸散数据进行了修正，考虑了积雪覆盖或生长季节开始之前地表水通量的减少，并利用与温度的经验关系来考虑降水阶段的有效蒸腾的变化[9]，这可能是本研究中由降水量和潜在蒸散量共同决定的湿润指数开展的相关研究结果与其他学者产生差异的原因之一。此外，TerraClimte数据本身的局限性也是造成研究结果差异的原因，类似于该数据集的网格化气候数据具有不确定性，这种不确定性可能来自于插值和外推方法以及数据随时间的可用性变化[9,30-32]。

本文利用具有高分辨率的长时间序列的栅格数据对1960—2019年的中国干湿状况进行了分析，为我国气候变化规律的研究及防灾减灾提供参考，特别是缺乏气象资料的地区，但仅使用了TerraClimate数据集的降水和蒸散数据，温度、风速、水汽压等数据也可以在未来的研究中加以利用。

5 结 论

本文使用了TerraClimate数据库中公开的1960—2019年的降水和潜在蒸散数据，利用降水量和湿润指数作为评价干湿气候的指标，分析了中国区域干湿气候特征，并探讨了该数据集在中国的适用性，其结论可归纳如下：

(1)利用TerraClimate数据集降水数据进行干湿气候特征分析的结果与利用地面气象站点观测值进行分析的结果具有高度的一致性，从精度评价的结果更能直观地反映出该数据集具有较为准确的降水信息捕捉能力。

(2)1990—2019年与1960—1989年相比，基于降水量和湿润指数划分的各干湿区面积增减趋势一致，即干旱区和湿润区面积负增长，半干旱区和半湿润区面积正增长。

(3)基于降水量的干旱与半干旱区的分界线主要在内蒙古高原中部按年代东西波动，半干旱与半湿润区分界线主要在内蒙古高原东北部按年代东西波动，半湿润和湿润区分界线主要在淮河按年代南北波动；基于湿润指数的干旱与半干旱区的分界线主要在内蒙古中部按年代小幅度偏移，半干旱与半湿润区分界线主要在内蒙古东北部、西藏南部按年代东西波动，半湿润与湿润区分界线主要在黑龙江按年代向南扩大。

(4)近60 a来我国大部分地区降水量和湿润指数变化趋势不显著，中国的西部和东南部降水量和湿润指数趋于增大，气候变湿；东北、华北、华中、陕西、甘肃西部、四川盆地、贵州以及云南大部分地区降水量和湿润指数趋于减小，气候变干。