贵州省综合干旱指数构建及应用研究

刘振男 周靖楠 龚宇 徐敏

摘要：

构建有效干旱指数是识别、评价实际旱情的关键，以贵州省为研究区域，基于月尺度降水、气温、土壤含水量数据，以GB/T 20481-2017《气象干旱等级》中综合干旱指数（CI）的构建方法为参考，采用主成分分析对上述多源数据集进行融合计算，提出了一种物理机制清晰、应用简便的综合干旱指数（PTS）。评价了该指数在贵州省的适用性，检验了该指数表征旱情时空演变全过程特征的能力，分析了该指数与其他常用干旱指数间的性能差异。结果表明：在干旱历时与强度方面，新构建的综合干旱指数能够准确地识别出贵州省全部6次典型旱情，同时其刻画的干旱发生-发展-消退全过程时空演变特征与历史资料基本一致。该干旱指数不但克服了典型气象干旱指数出现的高估旱情等级问题，而且对旱情态势走向评价更加准确。

关 键 词：

干旱指数； 旱情评价； 主成分分析； 贵州省

中图法分类号： TV11

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2023.08.008

0 引 言

近年来，随着全球气候变暖和人类活动加剧，中国传统湿润区贵州省干旱事件频发，给当地经济造成了巨大损失 ［1-2］。准确刻画贵州省干旱全过程特征，不仅有助于指导抗旱减灾工作的具体部署，对深入剖析喀斯特地区干旱形成机理也具有重要研究价值。目前，对贵州省干旱评价的研究主要基于单要素干旱指数，如毛春艳等［3］采用降水距平百分率指数（PI）对贵州山区的干旱情势进行了评价并指出当地干旱情势与地形因子关系密切；吴建峰等［4］基于标准降水指数（SPI）分析了贵州近半世纪的气象干旱时空演变特征；刘振男等［5］基于中国气象局全球大气/陆面再分析产品（CMA-RA）计算了贵州标准化土壤湿度指数（SSI）并验证了该指数对研究区农业干旱评价的适用性。由于各研究切入点与数据来源不同，仅从气象、农业等视角片面地对干旱情势进行评价，无法全面客观地反映干旱特征全貌。为此，能够多维度识别干旱特征的指数也被引入到研究区的应用当中。例如，慎东方等［6］选用标准化降水蒸发指数（SPEI）对贵州气象干旱的历时与烈度进行了识别与評价，结果表明同时考虑降水与蒸发的指数所得结果更加可靠；吴哲红等［7］分别运用综合气象干旱指数（CI）对贵州安顺地区的气象干旱进行了评价，结果表明该指数的评定结果更能反映实际旱情特征；王文等［8］基于遥感监测数据研究了标准化降水指数（SPI）、侦测干旱指数（RDI）及蒸散发胁迫指数（ESI）在云贵高原区的干旱评价效果，结果证实同时考虑实际蒸散发和潜在蒸散发的蒸

散发胁迫指数比考虑单一蒸散发因素的干旱指数在监测干旱方面更有效；张建平等［9］基于相对湿润指数（MI）与归一化植被指数（NDVI），构建了综合干旱指数（DI）并验证了其对西南地区的干旱评价效果优于其他单一干旱指数。由此可见，采用多要素干旱指数对研究区的干旱评价更加可靠，但当前用于研究区的综合干旱指数数据来源过于单一，或均采集自监测站点，或均来源于遥感监测，而采用多源数据耦合构造综合干旱指数的研究并不多见，对其评价效果的适用性也没有充分认识。因此，本文基于监测站点的降水、气温数据及全球大气/陆面再分析产品的土壤含水量数据，采用主成分分析方法构建一种适用于评价贵州省干旱的综合干旱指数，并与SPEI指数和SSI指数进行对比，验证了新构建指数在贵州省干旱评价中的适用性。研究成果可为提升研究区干旱监测预警能力提供技术参考。

1 研究区域与方法

1.1 研究区概况

贵州省（东经103°36′～109°31′，北纬24°37′～29°13′）位于中国西南，是典型的喀斯特地貌集中区，山地与丘陵占贵州省总面积的90%以上，地势呈西高东低之态，平均海拔为1 100 m，为湿润地区，属亚热带湿润季风气候，年内气温差异性较小，多年平均气温约为15 ℃，雨量大但分布不均，降水主要集中在5～10月，多年平均降水量约为1160.6 mm，常年相对湿度在70%以上，局部气候特征显著，干旱、凌冻等灾害性天气多发，给当地社会造成了巨大危害，引起了当地政府和相关组织的高度关注［10］。

1.2 数据来源

贵州省37个气象站的降水与气温数据收集自中国国家气象信息中心（NMIC），以数据完整度与系列长度为标准，对各站点的数据进行了再次遴选，最终确定选用19个气象站点的数据进行研究，上述站点空间分布均匀，具有较高的代表性与可靠性，具体气象站点信息如图1所示。土壤含水量数据采集自中国气象局全球大气/陆面再分析产品（CMA-RA），由于0～10 cm土层的含水量能够有效表征农业干旱的实际情况［11-12］，为此，本文选用的0～10 cm土壤含水量数据提取自同化产品“CRA40LAND”，空间分辨率为0.5°×0.5°，时间分辨率为1个月。降水、气温与土壤含水量数据的时间起止为2009年1月至2020年12月，上述数据资料下载自中国气象数据服务网（http：∥data.cma.cn/）。

1.4 综合干旱指数评定等级的确定

综合干旱指数（PTS）应用的关键在于确定其合理的干旱评定等级。本文参考文献［18］的确定方法，即基于月时间尺度的SPEI指数和SSI指数对应的不同干旱发生频率均值（见表1），反算得到了PTS的干旱评定等级标准（见表2）。SSI指数的计算原理与SPEI指数相近，具体可参考文献［5］。

2 结果与分析

2.1 综合干旱指数适用性分析

为了检验综合干旱指数在贵州省干旱事件评价的适用性，依据水利部发布的《中国水旱灾害公报》（http：∥www.mwr.gov.cn/sj/tjgb/zgshzhgb/），整理了贵州省2009～2020年间的实际旱情资料。据统计，贵州省12 a间有6 a发生了干旱，具体时间分别为：2009年、2010年、2011年、2012年、2014年与2018年。根据PTS的干旱等级评定标准，将PTS≤-0.36作为干旱发生的临界点，将其持续时间作为干旱历时，干旱历时期中PTS的最小值作为干旱强度的判定条件。

表3和图2展示的是贵州省旱情历史资料与综合干旱指数PTS间的比对结果。可以看出，新构建的PTS指数较好地识别出发生在贵州省的4次干旱事件，PTS指数所显示的干旱历时与干旱强度与实际资料基本相符，尤其是对2009年、2010年及2011年干旱事件的评价更加准确。例如，就干旱历时比对情况而言，历史资料指出“自2009年9月中旬，贵州出现旱情，到2010年5月，旱情减缓”，而PTS指数显示此次旱情起止时间约为2009年9月至2010年5月；就干旱强度比对情况而言，历史资料指出：2011年9月，旱情达到高峰期，而PTS指数的最小值亦出现在2011年9月份，数值为-1.25，旱情等级为重旱。由此可见，PTS指数能对贵州省实际干旱情况进行准确的评价，说明其适用于研究区的干旱评价，且评价结果具有较好的可靠性。

2.2 综合干旱指数监测典型干旱能力分析

选用贵州省2009～2010年秋冬春三季连旱作为典型案例，检验综合干旱指数PTS监测旱情过程的能力。2009年与2010年的《中国水旱灾害公报》记录：此次旱情开始于2009年9月中旬，贵州东北部、北部、西北部与东南部地区最早出现旱情，2009年12月旱情开始迅速发展，直至2010年4月末，旱情逐渐开始缓解，2010年3，4月旱情最为严重，部分地区干旱强度达到特旱。

基于Arcgis软件平台，采用反距离插值绘制出综合干旱指数PTS监测2009～2010年旱情时空演变过程（见图3）。就时间尺度而言，此次旱情最早发生于2009年9月，见图3（a），且研究区局部有5个月出现了特旱，即2009年9月、2009年11月、2010年1月、2010年2月及2010年3月，PTS的峰值出现于2010年3月（PTS≈-2.44，特旱），自2010年4月开始，旱情逐渐开始减弱。就空间尺度分析，旱情最早发生于贵州西部、北部、东北部及东南部，旱情等级均达重旱以上，见图3（a），2009年10月旱情出现了大幅蔓延之势，见图3（b），直至2010年1月旱情开始稳定扩散至全省，见图3（e），2010年2月与3月旱情最为严重，贵州东南部、东北部及西南部地区旱情等级已到达特旱，见图3（f）与图3（g），旱情于2010年4月开始有所减弱，见图3（h）。显然，综合干旱指数PTS反映的旱情时空演变特征与历史资料描述情况基本一致，说明PTS具备良好的旱情监测能力，可用于评价贵州省实际旱情的指数。

2.3 综合干旱指数与其他干旱指数对比分析

基于月尺度的气象干旱指数（SPEI）、农业干旱指数（SSI）与综合干旱指数（PTS）计算了不同干旱指数间的相关系数，结果表明PTS与SPEI、SSI间的相关系数值分别为0.682 8及0.879 2，显然PTS与SPEI、SSI均呈正相关关系，这与PTS指数的构建原理相符，表明了PTS在评价干旱时能同时兼顾降水、气温与土壤含水量的影响；同时发现，由于计算SPEI与SSI时的基础数据无交叉，因此SPEI与SSI间的相关系数仅为0.126 1。PTS、SPEI与SSI指数监测研究区干旱的变化过程见图4。由图4可知，气象干旱指数SPEI随着时间变化曲线波动明显，同时对干旱过程反应敏感，能够较早捕捉到干旱未来发展态势信息，但识别干旱稳定性一般，会出现高估旱情等级的现象。农业干旱指数SSI对实际旱情评价较为客观，与历史资料信息反映的情况大体相符，但有评价迟滞现象，即SSI反映旱情时间往往落后于实际情况。综合干旱指数PTS的评价结果与SSI的评价结果较为接近，但PTS克服了SSI的迟滞现象，对干旱的反映更加及時。

为了深入剖析不同干旱指数间的性能差异，以2009～2010年贵州省典型干旱事件为例，再次对3种干旱指数的评价过程进行分析。总体而言，3种干旱指数均对典型旱情做出了有效识别，即干旱历时均为8个月，干旱强度均为特旱。就评价旱情过程细节而言，SPEI显示2009年9月干旱等级就达到了特旱，并持续6个月，直到2010年3月逐渐缓解；SSI显示2009年9月起旱情为重旱水平，2010年2月与3月旱情达特旱；PTS同样显示2010年2月与3月旱情为特旱水平，但在2009年9～12月，旱情有从轻旱向重旱过渡阶段，这与历史资料所描述的情况更加相符。就旱情等级评价细节而言，历史资料指出“本轮旱情在2010年3月与4月份最为严重”，PTS显示3月份旱情为特旱、4月份旱情为重旱，SPEI显示3月份旱情为轻旱、4月份旱情为无旱，SSI显示3月份旱情为特旱、4月份旱情为轻旱。显然，PTS的评价结果较SPEI，SSI更加贴合实际情况，即对4月份的旱情走势评价更为准确。

3 讨 论

本文基于降水、气温以及土壤含水量数据，采用主成分分析法构建了一种适用于贵州省的综合干旱指数PTS，以《中国水旱灾害公报》的记载资料为背景，检验了PTS评价实际旱情的能力，且探明了其与SPEI、SSI指数在识别旱情方面的差异性，研究成果可为贵州省干旱防治工作提供一定的技术参考。

虽然研究取得些许成果，但仍有不足之处：① 致旱要素众多，诸如降水、气温、径流、日照时数、地貌特征等都会对干旱产生一定影响［19］，而本文仅考虑了降水、气温与土壤含水量的耦合作用，后续可在此研究基础上，适时增加其他相关影响要素，进而提高综合干旱指数的普适性与可靠性，为准确刻画研究区干旱全貌特征提供有力工具；② 当前干旱指数种类众多，本文仅对PTS与SPEI、SSI指数的性能差异性进行了对比分析，未将PTS与其他不同类型干旱指数进行对比分析，今后可作进一步的讨论、验证；③ 旱情严重期，对干旱实时评价的时间往往以日、候为尺度［20］，本文受限于数据资料时间分辨率的客观原因，未以日、候的时间尺度对PTS进行计算分析，下一步可采用降尺度等方法提高数据的时间分辨率，从而满足政府与相关部门的实际业务需求。

4 结 论

本文收集了貴州省月尺度降水、气温与土壤含水量数据，基于主成分分析法构建了综合干旱指数PTS，检验了PTS指数在贵州省干旱评价中的适用性与可靠性，得到结论如下：

（1） 综合干旱指数PTS能够很好地识别贵州省的实际旱情，是一种研究贵州省干旱的有效指数。

（2） 综合干旱指数PTS具备良好的旱情监测能力，其反映的旱情时空演变特征与历史资料描述情况基本一致。

（3） 综合干旱指数PTS、SPEI与SSI指数在评价干旱情势方面能力大体相当，但在旱情细节评价方面，PTS较SPEI、SSI指数更有优势。

参考文献：

［1］ 刘振男，杜尧，韩幸烨，等.基于遗传算法优化极限学习机模型的干旱预测：以云贵高原为例［J］.人民长江，2020，51（8）：13-18.

［2］ LI Q，DU Y，LIU Z，et al.Drought prediction in the Yunnan-Guizhou Plateau of China by coupling the estimation of distribution algorithm and the extreme learning machine［J］.Nat Hazards，2022，113：1635-1661.

［3］ 毛春艳，戴丽，杨广斌，等.1960-2016年贵州喀斯特山区干旱时空动态分析［J］.水资源与水工程学报，2021，32（3）：64-72，79.

［4］ 吴建峰，张凤太，卢海芬，等.基于标准化降水指数的贵州省近54年干旱时空特征分析［J］.科学技术与工程，2018，18（15）：207-214.

［5］ 刘振男，焦卫国，王笑宇，等.基于标准化土壤湿度指数的贵州省农业干旱评价［J］.中国农村水利水电，2022（11）：1-5，12.

［6］ 慎东方，商崇菊，方小宇，等.贵州省干旱历时和干旱烈度的时空特征分析［J］.干旱区资源与环境，2016，30（7）：138-143.

［7］ 吴哲红，詹沛刚，陈贞宏，等.基于CI指数和K指数的近40a贵州安顺区域干旱演变特征［J］.冰川冻土，2013，35（4）：1044-1055.

［8］ 王文，黄瑾，崔巍.云贵高原区干旱遥感监测中各干旱指数的应用对比［J］.农业工程学报，2018，34（19）：131-139，309.

［9］ 张建平，刘宗元，王靖，等.西南地区综合干旱监测模型构建与验证［J］.农业工程学报，2017，33（5）：102-107.

［10］ 刘振男.中长期干旱预测研究：以云贵高原为例［D］.南京：河海大学，2019.

［11］ 牛乾坤，刘浏，程湫雅，等.基于多源遥感数据的河套灌区干旱时空演变特征［J］.干旱地区农业研究，2020，38（4）：266-277.

［12］ SHEFFIELD J，GOTETI G，WEN F，et al.A simulated soil moisture based drought analysis for the United States［J］.Journal of Geophysical Research，2004，109：1-19.

［13］ 吴志勇，程丹丹，何海，等.综合干旱指数研究进展［J］.水资源保护，2021，37（1）：36-45.

［14］ 袁星，王钰淼，张苗，等.关于骤旱研究的一些思考［J］.大气科学学报，2020，43（6）：1086-1095.

［15］ 粟晓玲，梁晓萱，吴海江，等.表征生态状况的综合干旱指数构建及干旱风险分析［J］.水资源保护，2023，39（2）：50-58，100.

［16］ 郭盛明.综合干旱指数构建及其适用性研究［D］.杨凌：西北农林科技大学，2021.

［17］ 常文娟，梁忠民，马海波.基于主成分分析的干旱综合指标构建及其应用［J］.水文，2017，37（1）：33-38，82.

［18］ 马俊超，杭庆丰，李琼芳，等.基于VIC模型的滦河流域综合干旱指数的构建与应用［J］.水资源与水工程学报，2015，26（2）：79-84.

［19］ 冯宝飞，邱辉，纪国良.2022年夏季长江流域气象干旱特征及成因初探［J］.人民长江，2022，53（12）：6-15.

［20］ 虞美秀.综合干旱指数的构建与应用［D］.南京：河海大学，2013.

（编辑：江 文）

Abstract：

The construction of an effective drought index is the key to identifying and evaluating the actual drought situation.Taking Guizhou Province as the study area，a comprehensive drought index with a clear physical mechanism and easy application was developed based on monthly precipitation，temperature and soil moisture content according to the method in GB/T 20481-2017.The above multi-source data sets were fused and calculated by Principal Component Analysis.The applicability of the index in the study area was evaluated.The ability of the index to represent the whole process of spatio-temporal evolution of drought was tested.The performance difference between this index and other commonly used drought indexes was analyzed.The results show that the newly constructed comprehensive drought index can accurately identify all 6 typical droughts in the study area in terms of drought duration and intensity.Meanwhile，the spatio-temporal characteristics of the whole process of drought occurrence，development and subside are basically consistent with the historical data.This drought index not only overcomes the problem of overestimation of drought grade that exists in typical meteorological drought index but also evaluates the drought trend more accurately.The research results can provide a technical reference for drought relief work in Guizhou Province.

Key words：

drought index；drought assessment；principal component analysis；Guizhou Province