基于SPEI的长江流域干旱特征及其驱动因素分析

商建东, 王芷晓, 魏洁茹, 魏冲

(1.郑州大学 国家超级计算郑州中心,河南 郑州 450000; 2.郑州大学 计算机与人工智能学院,河南 郑州 450000;3.郑州大学 地球科学与技术学院,河南 郑州 450000; 4.华北水利水电大学 测绘与地理信息学院,河南 郑州 450046)

在各种自然灾害中,干旱影响的面积大,造成的经济损失严重,为世界上危害巨大的自然灾害之一[1],其对农业生产[2]、生物多样性[3]、人类社会健康发展[4]、水文水资源[5]等领域具有重要影响。干旱根据其成因可分为四大类型[6]:气象干旱(降水损失)、农业干旱(土壤水分损失)、水文干旱(地表径流、总水量和地下水损失)和社会经济干旱(水供应和需求损失)。由于气候变化、人类活动等相关自然因素与人为因素[7]的相互作用,使得干旱事件发生频率大幅增加[8]。然而,干旱涉及众多因素,复杂且多变,干旱事件的识别和分析面临巨大挑战。正确认识和掌握干旱时空演变特征及其驱动因素,对干旱研究具有重要的现实意义。

干旱指数是定量衡量干旱严重程度的重要指标[9]。在过去几十年里,一系列气象干旱指数在干旱研究中发挥重要作用,如标准化降水指数(Standardized Precipitation Index,SPI)[10],标准化降水蒸散发指数(Standardized Precipitation Evapotranspiration Index,SPEI)[11],帕尔默干旱指数(Palmer Drought Severity Index,PDSI)[12]和土壤水分亏缺指数(Soil Moisture Deficit Index,SMDI)[13]等,被广泛用于不同的空间尺度,如全球、区域和国家[14]。VICENTE-SERRANO S M等[11]提出的SPEI保留了PDSI和SPI指数的核心算法,允许结合多尺度特征和评估温度变化对干旱的影响[15],同时考虑了气温因素并且引入了潜在蒸散量这一概念[16]。目前,在SPEI计算过程中常用的潜在蒸散发模型有两种,分别为Thornthwaite模型和Penman-Monteith模型。Thornthwaite模型蒸散发公式中唯一需要的气象要素是温度,而Penman公式相关模型不仅要考虑温度,还要考虑太阳辐射、气压、风速、相对湿度和气象站点的地理位置等[15]。刘珂等[17]分别利用Thornthwaite模型和Penman-Monteith模型计算了中国区域的SPEI(分别简写为SPEI_TH和SPEI_PM),结果表明,基于Penman-Monteith模型的SPEI 相对而言能更加合理地描述研究区域的干湿变化特征。

SPEI在国内外干旱研究中得到了广泛应用。LING M等[18]利用SPEI对1960—2020年海河流域干旱时空演变特征进行了分析,发现干旱发生频率呈上升趋势,轻旱和中旱频繁发生。门宝辉等[19]利用SPEI研究潮白河流域气象干旱的时空特征,结果表明,不同时间尺度的干湿变化趋势不完全相同,但都主要以轻旱和中旱为主。WANG S等[20]利用SPEI研究1982—2015年内蒙古多时间尺度的干旱情况对植被动态的影响发现,随着干旱程度的增加,植被生产力丧失的概率增大。CHEN H等[14]指出,SPEI_PM在中国的干旱监测结果优于SPEI_TH的,近几十年来,温度变化对干旱的驱动影响最大。LI X等[21]研究发现,长江流域的SPEI_PM结果优于SPI和SPEI_TH的,但该研究仅仅使用SPEI_PM分析了长江流域年尺度的干旱变化特征,并未进行多尺度分析以及干旱驱动因素分析。田晴等[22]将长江流域按照各子流域进行划分,利用土壤湿度数据进行农业干旱研究,但并未使用SPEI进行干旱分析。黄涛等[23]基于帕尔默干旱指数(PDSI)对长江流域干旱面积的时间变化特征、干湿情景时空分布特征以及变化趋势进行分析,但该研究所使用的PDSI缺乏多尺度特性,不能有效分析长江流域的多尺度干旱特征,相关研究也缺乏对长江流域干旱驱动因素的分析。以往的研究在分析干旱事件发生条件时,往往只简单地归因于平均或极端温度和降水,而忽视了内在因素的存在以及干旱事件长期变化规律,从而导致区域干旱现象的核心问题未能得到有效解决。

本文基于SPEI_PM,使用干旱覆盖面积占比、Sen+Mann-Kendall趋势检验、干旱重心转移模型等方法对长江流域干旱特征进行多尺度分析,基于地理探测器研究长江流域干旱驱动因素。

1 研究区概况

长江流域总面积约180万km2,如图1所示,约占中国国土面积的18.8%,是中国第一大流域,横跨青藏高原高寒区、西南热带季风区和华中亚热带季风区[23],上游植被以高寒草甸和天然草地为主,中游以森林植被类型为主,中下游四川盆地广泛分布农田[24],区域植被类型丰富。长江流域降水时空分布与气温分布极其不均匀,年平均降水量约为300～2 400 mm,平均气温为4～24 ℃,降雨集中在5月、6月和9月[21]。

2 数据与方法

2.1 数据来源

长江流域114个气象站点1980—2019年的逐日最高气温、最低气温、平均气温、降水量、相对湿度、日照时长及平均风速等数据来源于中国气象科学数据共享服务网(https://www.data.cma.cn/)。为保证数据在时间序列上的完整性,对少数站点的缺失数据采用临近站点的数据进行插补。其他驱动因子数据以及长江流域内各省界、长江流域边界矢量地图数据均来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/)和地理空间数据云(https://www.gscloud.cn/)。

2.2 研究方法

2.2.1 标准化降水蒸散指数

SPEI_TH方法只考虑温度和纬度两个因素[25]的影响,而SPEI_PM方法考虑了平均风速、日照时数、平均降水、最高气温、最低气温、海拔高度等SPEI_TH方法没有涉及到的因素,可以更好地反映不同地区的干湿状况[18]。在实际的应用过程中,已经有大量学者证明了SPEI_PM优势更显著,故本文选用SPEI_PM方法。SPEI_PM具体计算过程见文献[26]。

参照文献[21]对干旱等级进行划分,详见表1。

表1 标准化降水蒸散指数干旱等级划分表

2.2.2 干旱面积统计

YEVJEVICH V[27]于1967年提出的游程理论作为一种识别干旱事件的手段,被广泛应用于干旱评价。本文利用游程理论分离出长江流域的干旱特征量,将SPEI<-0.5的值视为干旱。本文利用反距离权重空间插值法(Inverse Distance Weighted,IDW)对SPEI进行插值计算,并对计算结果进行重分类,然后统计长江流域内发生干旱(即SPEI<-0.5)的栅格像元个数,计算受旱面积与总面积(M)的百分比,公式如下:

(1)

式中:A为干旱面积占比;m为受旱面积。

2.2.3 Sen+Mann-Kendall检验

Mann-Kendall趋势检验(M-K检验)方法常用于气象领域的时间序列趋势分析[28],其计算过程[29]主要依靠检验统计量Z来确定一个序列中趋势的显著性,如果|Z|>1.96,则在95%的显著性水平上,拒绝无趋势的无效假设。M-K检验通常与Sen趋势度结合使用,Sen趋势度检验是由SEN P K[30]提出的一种研究长时间序列变量的方法,其主要衡量标准是趋势度(β),计算公式如下:

(2)

式中:xi、xj分别为不同时刻下的变量值;median(·)为中位数函数。当β>0,则该变量的时间序列呈上升趋势,反之呈下降趋势。

2.2.4 干旱重心迁移模型

重心迁移模型可以反映研究区内干旱的时空聚集和动态迁移特征[31],通过比较研究期内的干旱分布重心位置,可以得到长江流域干旱分布的空间变化规律。计算干旱重心模型的公式如下:

(3)

(4)

式中:Xt、Yt分别为干旱重心的经度、纬度坐标;Pit表示第i个像元t年的干旱程度;Xit和Yit分别为第i个像元t年干旱重心的经度、纬度坐标。

计算干旱重心迁移距离的公式如下:

(5)

式中:s和k分别为迁移始末时间;Ds-k为该时段内干旱重心迁移距离;(Xs,Ys)和(Xk,Yk)分别为对应时段内干旱重心的空间地理坐标;C为常数,取111.111,是将地理坐标(1°)换算成平面距离(km)的系数。

2.2.5 地理探测器

地理探测是探测地理现象空间分异并揭示其驱动力的一组统计学方法,由风险探测、因子探测、生态探测和交互探测4个部分组成[32]。本文主要使用因子探测和交互探测来研究影响长江流域干旱时空变化的空间分异因素[32]。

1)因子探测可以探测属性Y的空间分异性,以及探测某驱动因子X在多大程度上解释了属性Y的空间分异,并以q值为度量(q∈[0,1]),q值越大,说明驱动因子X对属性Y的解释力越大。其表达式为:

(6)

2)交互作用探测可以识别不同驱动因子之间的交互作用,即评估驱动因子共同作用时是否会增加或减弱对因变量Y的解释力。

干旱是多方位驱动因子共同作用下形成的[33]。参考已有研究[34],从自然因素(地形地貌和气象)和人为因素(社会经济和交通)层面,共选取4个类别12个驱动因子,见表2。

3 结果与分析

3.1 干旱时间变化特征

3.1.1 干旱年际变化特征

1980—2019年长江流域的年尺度SPEI(SPEI-12)在短期内表现为明显的正负振荡形式,如图2所示,整体上呈上升趋势,上升速率为0.01/(10年),表明长江流域气候呈湿润趋势,这与ZHANG H等[38]的结论一致。

图2 1980—2019年长江流域年平均SPEI值变化

近40年来,长江流域的干旱时期主要集中于1986—1988年和2006—2013年,其中1986年、1988年和2006年干旱强度较大,SPEI值分别为-0.75、-0.73和-0.62,主要表现为轻旱。湿润时期主要集中于1980—1983年和1989—2005年,其中1983年和1998年相对湿润,SPEI值分别达到0.59和0.68,1998年表现最为湿润,其原因在于长江流域多处支流汇聚叠加,发生了全流域洪灾。

对长江流域每一年发生干旱的区域面积占比进行统计,如图3所示,长江流域干旱面积占比整体上呈现下降趋势,下降速率为0.008/(10年),与图2得出的结论一致,干旱情况得到缓解。由图3可知,1986年、1988年和2006年干旱面积占比分别为68%、70%和67%,这说明该时间节点长江流域绝大多数地区都发生了干旱,比如2006年发生了典型的夏伏旱。

3.1.2 干旱季节变化特征

季节界定按照气象划分法进行划分,季节月份按照顺序划分为3—5月(春季)、6—8月(夏季)、9—11月(秋季)、12月—翌年2月(冬季)。

季尺度干旱变化特征表明,1980—2019年长江流域各季尺度SPEI(SPEI-3)总体与年尺度相比,呈明显正负波动状态,如图4所示。其中:春季和夏季SPEI整体呈不显著上升趋势,上升速率分别为0.061/(10年)和0.003/(10年)。秋季和冬季SPEI整体呈不显著下降趋势,下降速率分别为0.006/(10年)和0.077/(10年)。相比其他季节,长江流域1980—2019年冬季干旱发生频率较高,夏季SPEI变化趋势与年尺度SPEI变化趋势更为相似。

图4 1980—2019年长江流域站点季节SPEI值变化

3.2 干旱空间变化特征

3.2.1 干旱年尺度变化特征

本章以年为时间尺度进行研究,将对应年代内10年的年尺度SPEI值进行平均。为避免长江流域SPEI值在部分年份出现异常值情况,本文在ArcGIS平台运用IDW方法对SPEI进行空间插值,得到长江流域四期干旱区域空间分布图,如图5所示。由图5分析可知:20世纪80年代干旱区域主要分布在长江流域西部和东南部地区;20世纪90年代干旱区域主要分布在长江流域北部和西北部地区;21世纪00年代干旱区域主要分布在长江流域东部地区;21世纪10年代干旱区域主要分布在长江流域西南部和中部地区。其中,20世纪80年代出现干旱的区域面积最多,21世纪00年代出现干旱的区域面积最少。

图5 长江流域各年代干旱区域空间分布情况

对长江流域年尺度的SPEI值进行 Sen+Mann-Kendall趋势检验,并利用IDW进行空间插值,如图6所示。由图6表明,1980—2019年长江流域年尺度SPEI趋势系数为(-0.58～0.61)/(10年),SPEI值呈现上升和下降趋势的区域分别占长江流域总面积的52.36%和47.64%。这说明不同气象站点的SPEI值变化趋势具有明显的空间差异性。长江流域的西南至东北区域SPEI值主要呈现下降趋势,表现为由湿润变得干旱;长江流域边缘地区SPEI值主要呈上升趋势,表现为由干旱变得湿润。该结果与田晴等[22]对长江流域干旱变化趋势研究得到的结论基本一致。根据站点数据具体分析可知:通过由湿变干显著性检验的有8个站点,主要集中在四川西南部(木里、汉源、资阳)、重庆北部(万州、奉节)和湖北西北部(房县、老河口、郧西);通过由干变湿显著性检验的有5个站点,主要集中在青海西部(五道梁、沱沱河)、四川西部(得荣、稻城)和上海(徐家汇)。

图6 长江流域年尺度Sen+Mann-Kendall趋势检验空间分布

为进一步了解长江流域干旱时空变化特征,基于ArcGIS平台,利用重心迁移模型计算每个年代的干旱重心坐标;根据每个重心的经纬度坐标绘制了1980—2019年长江流域的干旱重心变化轨迹,如图7所示。

图7 长江流域20世纪80年代至21世纪10年代干旱重心迁移轨迹

最后,根据以上结果计算长江流域干旱事件的重心迁移方向和距离,见表3。

表3 长江流域1980—2019年年尺度干旱重心迁移情况

通过对比发现,干旱重心主要分布在长江流域中部,其迁移方向表现为东西向的移动趋势大于南北向的,且干旱重心逐渐东移,即向长江流域中下游移动。

3.2.2 干旱季尺度变化特征

图8—图11为长江流域各年代季节干旱区域空间分布情况。总体来看:21世纪10年代冬季干旱区域面积最大,主要集中在长江流域中部地区;其次是20世纪80年代夏季、20世纪80年代冬季、20世纪90年代秋季、20世纪80年代春季以及21世纪00年代春季,干旱区域主要分布在长江流域东南地区、中部地区、北部和西北地区、东部地区及北部地区;其他年代季节干旱区域较少,甚至几乎没有发生干旱的区域。

图8 长江流域20世纪80年代季节干旱区域空间分布情况

图9 长江流域20世纪90年代季节干旱区域空间分布情况

图10 长江流域21世纪00年代季节干旱区域空间分布情况

图11 长江流域21世纪10年代季节干旱区域空间分布情况

图12为长江流域季尺度Sen+Mann-Kendall趋势检验空间分布情况。由图12可知,长江流域不同季节的SPEI空间变化趋势呈现显著不同。

图12 长江流域季尺度Sen+Mann-Kendall趋势检验空间分布

长江流域春季SPEI主要呈现上升趋势,趋势系数为(-0.48～0.51)/ (10年),趋势呈显著上升的区域主要分布在四川边界(德格、宜宾、广元)、湖北西南部以及东部(恩施、麻城、英山)和上海(徐家汇)。

长江流域夏季SPEI主要呈现上升趋势,趋势系数为(-0.39～0.56)/(10年),趋势呈显著上升的区域主要分布在青海南部(治多)、四川东部以及南部(达州、汉源、木里)和上海(徐家汇)。

长江流域秋季SPEI呈现下降趋势和上升趋势的区域相当,趋势呈显著下降的区域主要分布在湖南南部(永州)和上海(宝山);趋势呈显著上升的区域主要分布在四川东南部(宜宾)、安徽南部(桐城)和上海(徐家汇)。

长江流域冬季SPEI主要呈现下降趋势,趋势系数(-0.59～0.64)/(10年),对比春夏秋三季,干旱趋势显著增强,趋势呈显著下降的区域主要分布在青海南部(玉树)、四川边缘地区(新龙、盐源、遂宁)、贵州西部(威宁)、陕西南部(汉中)、湖南南部(永州、常宁、衡阳)、江西北部和南部(景德镇、吉安县)、浙江北部(平湖)和上海(宝山);趋势呈显著上升的区域主要分布在四川北部(广源)、贵州北部(桐梓)、湖北西南部(恩施)、湖南西南部以及东北部(通道、马坡岭)和安徽南部(桐城)。

为进一步了解长江流域干旱在不同年代、季节的时空变化情况,分别利用重心迁移模型计算重心坐标,计算各年代不同季节的重心迁移轨迹,具体干旱重心空间分布位置如图13所示,迁移距离见表4。由表4可知:长江流域20世纪80年代和20世纪90年代干旱重心迁移方向主要为由东向西;21世纪00年代和21世纪10年代干旱重心迁移方向主要为由西向东。而20世纪80年代和20世纪90年代与21世纪00年代和21世纪10年代干旱重心迁移方向完全相反,这表明随着时间的推移,出现干旱的空间位置发生了重大改变。4个年代季节尺度的干旱重心迁移表现为东西向移动趋势大于南北向移动趋势,且干旱重心逐渐东移,即向长江流域中下游移动。

表4 长江流域20世纪80年代至21世纪10年代季尺度干旱重心迁移方向与距离

图13 长江流域季节平均SPEI值重心迁移轨迹

3.3 长江流域干旱驱动因素分析

3.3.1 干旱水平差异的影响因素

由于短期内影响因子不会对长江流域造成过多影响,故本文以5年为时间间隔,选取2000年、2005年、2010年以及2015年的时间截面数据对各影响因子进行因子探测,选取SPEI-12为研究属性,见表5。

表5 长江流域干旱差异的因子探测结果

本研究从4个维度选取了12个可能影响干旱差异的指标,通过将各维度具体指标的平均值q求和,得到不同维度对长江流域干旱差异的作用强度,同时将各作用强度划分为两个作用等级,规定q>0.5作为强作用维度层,否则为弱作用维度层。维度作用结果排名为气象(0.59)>地形地貌(0.55)>交通区位(0.19)>社会经济(0.16),其中气象和地形地貌为强作用维度层,交通区位和社会经济为弱作用强度层,这与实际情况相吻合,证实气象和地形地貌对长江流域干旱差异起到较大影响作用。

根据因子探测结果,将q值排名前三位的影响因子视为主导因素,2000年前三位分别为高程(0.18)、距铁路距离(0.18)和年均气温(0.16);2005年前三位分别为年均气温(0.32)、土壤类型(0.30)和高程(0.28);2010年前三位分别为年均降水(0.43)、高程(0.19)和土壤类型(0.10);2015年前三位分别为年均降水(0.70)、土壤类型(0.44)和年均气温(0.42)。

从各影响因子平均q值结果来看,年均降水(0.34)、高程(0.27)、年均气温(0.25)和土壤类型(0.24)占据主导地位,其中作用强度最强的为年均降水因素。从影响因子每一时期q值变化情况来看,变化比较明显的为年均降水,并随着时间的推移逐渐占据主导地位。高程、土壤类型和年均气温的q值呈上升趋势并且在各时期占据主要地位,这说明人类活动对环境的影响逐渐增强。

3.3.2 干旱水平差异影响因素的交互作用探测

使用交互作用探测器分别对2000年、2005年、2010年以及2015年长江流域干旱差异影响因子(编码含义见表2)进行交互探测,结果如图14所示。根据交互探测结果可知:双因子交互作用对长江流域干旱差异影响力大于单因子作用,作用类型为非线性增强和双因子增强,即长江流域干旱差异是多因子组合作用的结果。2000年双因子组合效果最佳的为高程和年均降水(0.32);2005年双因子组合效果最佳的为土壤类型和年均降水(0.40);2010年双因子组合效果最佳的为土壤类型和年均降水(0.52);2015年双因子组合效果最佳的有6组,为年均降水分别与高程、土壤类型、年均气温、人口密度、夜间灯光、人类足迹的组合,探测值均为0.72。由此可以发现,从2010年开始年均降水与其他因子的组合均在长江流域干旱差异影响中占据主导地位。这说明并非单因子、单维度的作用造成了长江流域的干旱差异,而是多因素、多系统的综合作用产生了环境差异及演变过程。

图14 长江流域干旱差异的交互探测结果

4 结论

本文基于SPEI_PM,利用干旱面积统计方法、Sen+Mann-Kendall检验、干旱重心迁移模型以及地理探测器,分析了1980—2019年多时间尺度下长江流域时空干旱变化特征以及驱动因素。主要结论如下:

1)长江流域干旱级别以无旱和轻旱为主。1980—2019年长江流域气候总体呈湿润趋势。春季和夏季呈不显著变湿趋势;秋季和冬季呈不显著变干趋势。

2)长江流域不同年代干旱面积占比排名为20世纪80年代>20世纪90年代>21世纪10年代>21世纪00年代,其中年尺度干旱面积占比与夏季的最为相似。从干旱变化趋势来看,长江流域年际干旱情况加重和减轻程度相当。春季和夏季主要呈现变湿趋势,秋季干旱情况加重和减轻程度相当,冬季主要呈现变干趋势。在季尺度与年尺度下,长江流域干旱重心迁移分布情况大致相同,都表现为东西向的移动趋势大于南北向的。

3)地形地貌和气象对长江流域干旱的影响最大,其中年均降水和高程因子占据主导地位。双因子交互作用对长江流域干旱变化的影响力大于单因子作用,说明长江流域干旱情况差异是多因子组合作用的结果。

本研究在干旱特征上进行了多尺度分析,探讨了引起干旱变化的主要影响因素及作用机理,可为长江流域气象灾害的预警与治理提供理论基础与决策依据。

目前,长江流域部分区域干旱问题日益凸显,出现自然景观破坏、生物多样性减少等现象,然而目前有关干旱如何影响长江流域生态发展及作用机理的研究有限。深入探究长江流域干旱时空特征的内在影响及驱动因素可为长江流域经济、人文、生态的进一步发展提供重要参考。未来可以重点关注研究,对长江流域气象干旱做到及时防控、精准应对。