京津冀地區旱澇空間特征及其對農業用水的影響

范琳琳，王紅瑞，羅文兵，李亞龍，袁念念

(1.長江科學院農業水利研究所，武漢 430010；2.北京師范大學水科學研究院，北京 100083)

氣候對人類社會具有重要意義，氣候系統的任何變化都會對自然生態系統及社會經濟活動產生深遠影響。全球氣候變暖對我國氣候災害的發生造成了重大影響，自20世紀50年代以后，干旱洪澇災害發生頻率以及受災面積整體呈增加趨勢。其中，由于干旱造成的直接經濟損失幾乎占氣象災害損失的50%，旱災面積每年約為2 000萬hm2，對社會經濟造成嚴重的負面影響。京津冀地區旱澇更為嚴重，旱災以春旱最多，有“十年九旱”之說，且范圍廣、影響大、災情重，局地旱情嚴重時人畜飲水亦困難[1]。

許多學者對京津冀地區的氣候變化進行了相關研究。蘇宏新等[2]利用SPEI指數分析了北京地區低頻干旱與氣候指數的關系；方宏陽等[3]利用SPI指數分析了京津冀地區的旱澇時空變化特征；李鵬飛等[4]分析京津冀地區近50年氣溫、降水、潛在蒸散發的變化特征；李雙雙等[5]分析了京津冀地區干旱-暴雨-熱浪災害的時空聚類特征。以往研究多集中在對氣候要素(如降水、氣溫)及干濕狀況的分析，而忽略了干濕狀況的變化對地區農業用水的影響。基于此，本文利用標準化降水蒸散指數(Standard Precipitation and Evapotranspiration Index，簡稱SPEI)分析京津冀地區的旱澇時空特征，并根據地區農業用水量數據分析了旱澇變化對農業用水的影響，以期為未來京津冀地區氣候變化及農業用水的研究提供參考。

1 研究區概況

京津冀地區主要包括北京、天津、石家莊、唐山、承德、張家口、保定、廊坊、秦皇島、滄州、邯鄲、邢臺、衡水，地處E113°27′～E119°50′，N36°05′～ N42°40′之間[6]，如圖1所示。京津冀地區屬于海河流域范疇，而海河流域的水資源短缺問題尤為突出，在我國的眾多流域中是最突出的一個。在1999-2009年的10年干旱期間，北京、天津等海河流域的特大城市由于地表水源驟減而面臨嚴峻的水資源短缺問題，京津冀地區人均水資源量并不到260 m3/人，因而被迫采取包括啟用備用水源、限制用水、外流域調水、加大地下水開采或地區調水等應急措施來應對水資源短缺問題[7]。近年來，隨著城鎮化進程的加快，城鎮生活及環境用水量急劇增加，工業用水量呈增長趨勢，導致農業用水量被迫減少。20世紀80年代以來，該區氣溫顯著上升、降水減少、水資源匱乏、氣候干化突出，致使氣象災害頻繁發生，造成重大經濟損失。

圖1 研究區概況圖Fig.1 Overview diagram of study area

圖2 氣象站點分布圖Fig.2 Distribution of weather stations

2 數據與研究方法

2.1 基本氣象數據

本文所采用的氣象數據為研究區內共24個氣象站點1951年1月-2013年12月的逐月降水、逐月氣溫等基本觀測資料，數據來源于中國氣象數據網(http:∥data.cma.cn/)。氣象站點分布情況如圖2所示。本文所采用的用水數據為以省(市)及行政區為單位，分別為北京、天津、河北2003-2013年總用水量、農業用水量，數據來源于歷年各省(市)水資源公報。

2.2 標準化降水蒸散指數(SPEI)

本文選用氣象干旱指數標準化降水蒸散指數(Standardized Precipitation Evaporation Index，簡稱SPEI)來分析研究區的干旱特征。SPEI是Vicente-Serrano在標準化降水指數(Standardized Precipitation Index，簡稱SPI)的基礎上進行改進，增加氣溫數據計算蒸散發量，建立基于降水、氣溫的水分盈虧關系，并能夠靈活改變時間尺度計算不同累計周期的干旱指數，是分析干旱特征較為理想的指數。其計算過程如下[2]：

(1)計算水平衡：

Di=Pi-PETi

(1)

式中：Pi為降水；PETi為潛在蒸散發量；利用氣溫數據通過Thomthwaite方法計算。

(2)根據水平衡構建水分盈/虧累計序列，可選取不同的時間尺度：

(2)

式中：n為計算次數；k為時間尺度，月。

(3)采用三參數log-logistic概率密度函數對所建立的水分盈虧序列進行擬合：

(3)

式中：α、β、γ為計算參數，這些參數都能通過參數估計方法求得。則給定時間尺度的累積概率為：

(4)

(4)對序列進行標準正態分布轉換，從而得到SPEI：

(5)

式中：當P≤0.5時，P=1-F(x)；當P>0.5時，P=1-P，SPEI的符號被逆轉。其他常數項分別為C0=2.515 517，C1=0.802 853，C2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

利用SPEI表征干旱程度的分級，如表1所示。

表1 SPEI等級劃分Tab.1 Ranking of SPEI

2.3 反距離加權法(IDW)

為分析研究區SPEI的空間特征，采用反距離加權法(Inverse Distance Weighted)將各氣象站的點值插值到空間，以分析其空間特征。反距離加權法的原理為“相近相似”，且距離越近所產生的影響越大。對插值點而言，每個采樣點都對其具有影響，這個影響通過權重來體現。權重在采樣點與插值點之間的距離有關，距離越大，權重越小。表示為[8]：

(6)

式中：Z為待插值點的估計值；Zi為第i個樣本點的實測值；Li為第i個樣本點與待插值點之間的距離；n為樣本總數；p為距離的冪，p的大小會直接影響插值的效果，p越大，插值結果越平滑。大部分學者的研究中均將p取值為2。

3 結果與分析

3.1 SPEI計算結果

以12月為時間尺度，計算各站點逐年SPEI，將典型站點北京站、天津站、石家莊站的計算結果繪制如圖3～圖5所示。

圖3 北京站點SPEI指數Fig.3 The index of SPEI in Beijing station

圖4 天津站點SPEI指數Fig.4 The index of SPEI in Tianjin station

圖5 石家莊站點SPEI指數Fig.5 The index of SPEI in Shi jiazhuang station

3.2 旱澇空間特征分析

由于1990年之前有部分站點缺測，數據點少會造成插值精度變低。因此，為保證插值精度同時分析不同時期SPEI的空間特征，選擇2013年、2008年、2005年及1993年這4個水平年進行插值。插值結果如圖6所示。

對1993年，SPEI數值波動范圍較大，在-1.75～2.0之間。以南宮、邢臺為中心的研究區南部SPEI數值最大，屬于輕度濕潤和嚴重濕潤的范疇。以懷來、張家口為中心的研究區西北部及以樂亭、秦皇島為中心的東北部SPEI數值最小，屬于輕度干旱及嚴重干旱的范圍。整體來看，研究區的大部分區域SPEI數值在-1～1之間，屬于正常范圍。而干旱的面積大于濕潤的面積，中部地區較干旱，南部及北部小部分區域較濕潤。

對2003年，SPEI數值波動范圍較小，在-0.8～1.6之間，這說明2003年研究區SPEI空間差異不大。以北京、密云、唐山、承德、遵化為中心的中部偏北地區SPEI數值較小，雖然偏干旱但仍處于正常范圍內(-1～1)。以南宮、邢臺為中心的研究區南部，以圍場為中心的研究區北部SPEI數值最大，在1～1.6之間，屬于輕度濕潤。濕潤地區的空間分布特征與1993年相似。而以樂亭、秦皇島為中心的東北部在2003年數值變大，屬于輕度濕潤，與1993年情況相反。整體來看，研究區大部分區域數值在-0.8～1之間，屬于正常范圍。

對2008年，SPEI數值波動范圍亦不大，在-1.4～1.2之間。以渤海A平臺、張北、蔚縣為中心的小部分區域SPEI值小于1，屬于輕度干旱。以石家莊、廊坊為中心的小部分區域SPEI值大于1，屬于輕度濕潤。其余地區SPEI值在-1～1之間，屬于正常范圍。整體而言，研究區的大部分區域在正常范圍內，而研究區南部偏干旱，這與1993年與2003年的情況均不太相似。

對2013年，SPEI數值的波動范圍較大，在-1.5～2.25之間。以天津、塘沽為中心的研究區東部、以張北為中心的研究區西北部SPEI數值較小，在-1～-1.5范圍內，屬于輕度干旱。以渤海A平臺為中心的研究區東部以外區域SPEI數值最大，最大處甚至大于2，屬于嚴重濕潤。整體來看，2013年研究區整體偏濕潤，但大部分地區仍處于正常范圍。

為了分析研究區各站點發生干旱的次數及其空間分布規律，根據SPEI分等級范圍，統計各站點歷年發生輕度干旱、嚴重干旱、極端干旱的頻次，同樣采用IDW方法將發生次數插值到空間。由于歷年各站點SPEI指數均未低于-2.0，即未發生極端干旱事件，因此繪制輕度干旱與嚴重干旱頻次空間分布圖，如圖7所示。

從圖7中可以看出，輕度干旱發生的頻次多于嚴重干旱，其中輕度干旱發生的最多次數為9，發生站點為樂亭和張家口，發生輕度干旱次數較少的站點為密云、泊頭與渤海A平臺。發生輕度干旱次數較多的區域位于研究區西北部與研究區東部，而發生輕度干旱次數較少的區域為研究區中部及東南部。嚴重干旱發生的最多次數為6，發生站點為承德。嚴重干旱發生次數較多的站點為承德與饒陽。研究區東部邊緣及西部邊緣發生嚴重干旱次數較少，中部地區發生嚴重干旱次數較多。

圖6 代表年SPEI空間插值結果Fig.6 The spatial interpolation results of SPEI for representative years

圖7 干旱頻率空間分布圖Fig.7 The spatial distribution of drought frequency

由于各站點的歷史數據序列長度不同，為了消除序列長度差異的影響，將各站點發生干旱的頻次除以各站點序列年數，得到各站點發生干旱的頻率，如表2所示。

其中，發生輕度干旱頻率最高的站點為樂亭，發生嚴重干旱頻率最高的站點為泊頭；發生輕度干旱與發生嚴重干旱頻率最低的點均為密云，在有數據的這25年中密云站點未發生過輕度干旱與嚴重干旱。由此可見，發生干旱頻率較高的區域位于研究區的東南邊緣部分。

3.3 旱澇特征對農業用水的影響

北京、天津、河北三地2003-2013年的總用水量、農業用水量如表3所示。從表3中可以看出，近10年來，北京、天津、河北三地的總用水量、農業用水量均呈現出下降的趨勢，且農業用水量占總用水量的比例逐年下降明。研究區三省(市)中，河北省農業用水量所占比例最大，超過70%；天津市次之，約為55%；北京市農業用水所占比例最小，約為33%。

為分析研究區旱澇情勢對研究區農業用水量的影響，分別繪制北京、天津、河北3個行政區2003-2013年的農業用水量與SPEI變化圖，如圖8所示。從圖8中可以看出，北京市農業用水量呈現出明顯的下降趨勢，而天津市與河北省農業用水量呈現波動變化，且河北省農業用水量波動較為明顯。天津、河北兩地的農業用水量與SPEI呈現出明顯的負相關關系，即SPEI越大，農業用水量越小；反之，SPEI越小，農業用水量越大。SPEI值越小說明干旱越嚴重，即當年的天然來水量較少。如天津市2007年SPEI值最小，接近嚴重干旱，當年農業用水量較大。又如河北省2006年SPEI值最小，屬于輕度干旱，當年農業用水量亦較大。這說明研究區的旱澇情勢會在一定程度上影響農業用水量，當SPEI值小(即干旱發生)的時候，研究區降水量偏少，作物在干旱的情況下易蒸騰蒸發出更多的水量。而作物需水量一定，因此需要通過灌溉更多的水量來滿足作物生長發育，則農業用水量隨之增加。

表2 各站點發生干旱的頻次與頻率Tab.2 The frequency of occurring drought each station

圖8 SPEI對農業用水的影響Fig.8 The impact of SPEI on agricultural water

因此，旱澇狀況能在一定程度上影響農業灌溉用水量，從而對農業用水量產生影響。而隨著近些年來各類節水灌溉制度、節水灌溉技術的推廣，農業灌溉用水量得到了有效降低。由技術推廣引起的用水量變化大于區域旱澇狀況對農業用水量的影響，因此SPEI與農業用水量的變化對應關系并不明晰。

4 結 語

本文采用SPEI表征研究區旱澇狀況，利用降水、氣溫數據計算了京津冀地區的SPEI指數，并采用反距離加權法進行空間插值，分析代表年份旱澇狀況的空間分布特征，隨后分析了旱澇情勢對京津冀地區農業用水的影響，結論如下。

(1)在旱澇空間特征分布上，SPEI在各代表年空間分布規律不相同，總體而言研究區南部較濕潤，研究區中部較干旱，且發生輕度干旱的次數最多。

(2)研究區總用水量及農業用水量變幅不大，且呈現出下降趨勢。其中，河北省農業用水比例最大，超過70%；北京市農業用水比例最小，僅30%。

(3)SPEI的大小對農業用水量有一定的影響，主要表現為：SPEI越小，研究區干旱情況越嚴重，降水越少，作物蒸騰蒸發量越大，農業灌溉用水量越大，則農業用水量越大。

□

[1] 王 蓓, 劉衛東, 陸大道. 中國大都市區科技資源配置效率研究 [J]. 地理科學進展, 2011,30(10).

[2] 蘇宏新, 李廣起. 基于SPEI的北京低頻干旱與氣候指數關系[J]. 生態學報, 2012,32(17):5 467-5 475.

[3] 方宏陽, 楊志勇, 欒清華,等. 基于SPI的京津冀地區旱澇時空變化特征分析[J]. 水利水電技術, 2013,44(10):13-16.

[4] 李鵬飛, 劉文軍, 趙昕奕. 京津冀地區近50年氣溫、降水與潛在蒸散量變化分析[J]. 干旱區資源與環境, 2015,29(3).

[5] 李雙雙, 楊賽霓, 劉焱序,等. 1960-2013年京津冀地區干旱-暴雨-熱浪災害時空聚類特征[J]. 地理科學, 2016,(1).

[6] 封志明, 劉登偉. 京津冀地區水資源供需平衡及其水資源承載力 [J]. 自然資源學報, 2006,21(5):689-99.

[7] 李孟穎, 朱戰強. 京津冀地區面向節水型社會水資源問題初探 [J]. 北京規劃建設, 2012,2(27).

[8] 李 新, 程國棟, 盧 玲. 空間內插方法比較 [J]. 地球科學進展, 2000,15(3):260-265.