多种干旱指标在攀枝花地区干旱评价中的应用研究

2023-12-30刘健锋刘正风李永军

四川水利 2023年6期

刘健锋,刘正风,李永军,王峰

(1.攀枝花市水资源配置工程推进中心,四川攀枝花 617000;2.水利部水利水电规划设计总院,北京 100120;3.福建省水利水电勘测设计研究院有限公司,福州 350001;4.攀枝花市气象台,四川攀枝花 617000)

0 引言

干旱灾害是所有自然灾害中发生最普遍、最广泛的灾害之一,分布范围广、发生频度高,严重影响农业生产、工业生产,制约国民经济发展。西南地区是中国干旱强度的次级中心[1-2],在气候变暖的背景下,极端高温干旱天气频发,使该地区近些年来出现大面积的农作物绝收、生活用水困难和巨大经济损失,该现象在干热河谷攀枝花地区表现最为明显[3-5]。攀枝花地区防旱抗旱工作面临严峻挑战。

干旱指数是干旱评价的一个重要指标。目前虽存在各种形式的干旱指数,但由于干旱形成的复杂性和影响部门的广泛性,至今尚无统一的干旱指标体系。鉴于此,本文以干热河谷攀枝花地区为例,选用1967-2018年的径流资料、1988-2019年的气象资料,基于降水和气温的标准化蒸散发指数(Standardized Precipitation Evapotranspiration Index,SPEI指数)[6]、降水的标准化降水指数(Standardized Precipitation Evapotranspiration Index,SPI指数)[7]、径流的标准化径流指数(Standardized Streamflow Index,SSI指数)[8],比较三者之间的相关性,并对比分析各指标在攀枝花地区的实际应用效果,为攀枝花地区干旱防灾减灾及旱情监测和预警提供参考。

1 研究区域概况与资料

攀枝花市位于中国西南川滇交界部,金沙江与雅砻江交汇于此。地理坐标介于北纬26°05′～27°21′,东经101°08′～102°15′。东北面与四川省凉山彝族自治州的会理、德昌、盐源3县接壤,西南面与云南省的宁蒗、华坪、永仁3县交界。北距成都749 km,南距昆明351 km,是四川省通往华南、东南亚沿边、沿海口岸的昀近点,为“四川南向门户”上重要的交通枢纽和商贸物资集散地。

攀枝花市属南亚热带-北温带的多种气候类型,被称为“南亚热带为基带的立体气候”,夏季长,四季不分明,干、雨季降雨差异显著,温度的日较差大,全年日照时数达2 300～2 700 h,太阳辐射强(578～628 kJ/cm2),蒸发量大,小气候复杂多样。年平均气温20℃左右,无霜期300 d以上,是四川省年平均气温总热量最高的地区。5-10月为雨季,6-9月强降水多发,易引发地质灾害,11月至翌年4月为干季,季节性干旱常发,雨季总降雨量占年雨量的近95%,干季总降雨量占年雨量的5%左右。攀枝花市的年均降水量从北向南逐步递减。最少降水区域在东区和仁和区中部,降水量少于850 mm;年降水量在1 200 mm以上。

选取攀枝花气象站点(北纬26.57°,东经101.72°)1988-2019年的月气温和月降水等气象资料,计算了不同时间尺度的SPEI指数值和SPI指数值;选取水文站点(北纬26.40°,东经101.76°)1967-2018年的月径流资料,计算了长系列的SSI指数值。

2 研究方法

2.1 SPI指数

SPI指数是一种广泛应用于气象、农业、水资源管理等领域的干旱指数,用于描述一个区域的降水状况相对于长期平均水平的异常情况。该指数对降水数据进行标准化处理,将原始的降水数据转换为标准正态分布的降水指数。通过将标准化后的降水数据累加到不同的时间段(例如1个月、3个月、6个月等),可以得到不同时间尺度上的SPI干旱指数[6]。该指数的优点是可以针对不同时间尺度上的降水异常情况进行评估,同时,也具有较好的应用价值。

2.2 SPEI指数

SPEI指数是一种考虑了蒸散发的干旱指数,与SPI指数相比,SPEI指数考虑了降水和蒸发蒸腾对干旱的影响。基于降水和气温数据,计算出该地区的蒸发蒸腾数据。通常采用基于温度和湿度计算的Penman-Monteith公式来估算蒸发蒸腾数据。对降水和蒸发蒸腾数据进行标准化处理,将原始的数据转换为标准正态分布的指数。通过将标准化后的降水和蒸发蒸腾数据累加到不同的时间段,可以得到不同时间尺度上的SPEI干旱指数[7]。SPEI指数是一种更全面、更综合的干旱指数,可以更准确地评估气候变化对干旱的影响。

2.3 SSI指数

SSI指数是一种用于评估地区径流干旱的指数。与SPI和SPEI指数类似,SSI指数通过标准化径流量来评估径流干旱的程度。具体计算可参考文献[8]。

三种干旱指数干旱等级划分见表1。

表1 SPI、SPEI、SSI指数干旱等级划分

3 结果与分析

3.1 不同干旱指标相关性分析

3.1.1 SPEI与SPI比较

图1为各时间尺度的SPEI指数和SPI指数的相关性。由图1可看出,1个月、3个月、6个月、9个月和12个月的SPEI与SPI相关系数均在0.85以上,均为显著相关。值得一提的是,在3个月和6个月时间尺度上,SPEI和SPI最相关。这可能对于降水量少蒸散发很大的西南攀枝花地区而言,1个月时间尺度由于降水量与蒸散发量差异大故两个指数相关性略低,而对于9个月尺度和12个月尺度,累积时间尺度越长,累积降水量和蒸散发量差值也越显著,故SPEI指数和SPI指数这个两个时间尺度的相关性也相对偏低。季尺度和半年尺度对干热河谷攀枝花地区来说,累积降水量与蒸散发量的相对差异没有其他时间尺度明显。

图1 SPEI、SPI、SSI指数三者相关系数

3.1.2 SPEI、SPI与SSI比较

各个时间尺度SPI指数、SPEI指数与SSI指数的相关性见图1。由图1可见,SPI指数与SSI指数相关系数整体不高,均在0.4以下,均不显著相关。具体地,在1个月、3个月和6个月较高,均在0.395及以上,9个月和12个月较低,分别为0.335和0.319。对于SPEI指数,该指数与SSI指数的相关性较SPI指数显著提升,1个月、3个月、6个月时间尺度的相关系数均在0.4以上,其中1个月和3个月相关系数接近且在0.44以上;9个月和12个月时间尺度的相关系数值未达到显著相关,分别为0.381和0.390。以上分析表明,SPEI与SSI的相关关系明显优于SPI与SSI相关关系。这主要是因为SPEI是在基于降水的基础上,通过气温波动考虑了蒸散发对干旱的影响,而对于降水量与蒸发量差异大的攀枝花地区,若只考虑降水亏缺对干旱的影响,则显然不能更实际地反应区域的水量平衡条件。SSI指数是基于径流量的一个干旱指数,表征的是区域水量平衡情况。所以从计算原理上,SPEI指数与SSI指数更为一致,在全球变暖的背景下,该计算原理也更合理。

3.2 三种干旱指标与实际旱情的对比分析

干热河谷攀枝花地区干旱频发,“十年十旱”。鉴于特大干旱事件社会影响大、经济损失重,选取攀枝花地区历史典型特大干旱事件评价SPEI指数、SPI指数和SSI指数在该区域的适用性。经查阅[1-5],攀枝花仁和地区在1988年、1989年、1992年、2003-2004年、2011-2012年、2018-2019年发生了特大干旱事件。图2为不同时间尺度SPEI指数和SPI指数以及SSI指数的时间序列图。绿色阴影表示各干旱指数识别的典型干旱事件。

图2 SPI、SPEI、SSI指数时间序列变化

据史料记载,1988年攀枝花地区发生了春夏伏连旱,干旱等级达到特旱。本次干旱遭遇多月连续高温以及降水亏缺引发的特大干旱事件。由图可知,3个月时间尺度的SPEI指数和SPI指数对本次干旱的起始时间、结束时间以及干旱强度的判断上,均与历史记载较为接近。1个月SPEI指数和SPI指数虽然识别出了特旱干旱等级,但由于指数时间尺度短,对干旱结束时间判断上提前了一个月。此外,6个月时间尺度SPI也识别出了本次特旱事件,但SPEI只识别出了重旱,更进一步说明降雨亏缺主导了本次干旱。由于径流调蓄作用,SSI指数也仅识别出重旱。12个月SPEI和SPI由于时间尺度过长,未识别出本次特旱。

1989年是由于多月降雨亏缺导致的特旱事件。因此在大于1个月时间尺度的SPEI指数和SPI指数中,只有SPI识别出了本次特旱事件。1个月SPI和SPEI由于考虑前期雨量周期短,均未识别出本次特大干旱。SSI识别为中旱。1992年高温和降雨亏缺均不显著,因此,只识别到中旱或重旱,与查阅到的资料有出入。可能原因是本次研究选取的是仁和地区的水文气象资料,而记载的是整个攀枝花地区的旱情,此次未能准确反映仁和地区的真实干旱情况。2003-2004年是高温和降水亏缺引起的特大干旱,但总体而言高温贡献略高于降雨亏缺,因此,3个月和9个月SPI均未识别出本次特旱。2009年多月降雨亏缺及2010年春夏连续4个月高温加降雨亏缺,导致仁和地区出现特大水文干旱。2011年7月开始,降水显著亏缺,一直持续到2012年6月,期间也有高温但增温幅度不大。此次干旱事件中,除了1个月和3个月SPEI,其他干旱指数均监测到了本次特旱,尤其是SSI指数连续十个月显示特旱等级。此后,降雨亏缺是常态,但增温强度变强,因此,2014年和2015年春季,SPEI指数分别识别特旱骤旱,而SSI在2015年夏季监测到特大水文干旱。2018年11月开始,仁和再次遭遇高强度高温气候,其中2018年12月-2019年2月连续累积增温7.8℃,1个月和3个月SPEI识别出此次特旱。