SPEI指數在中國東北地區干旱研究中的適用性分析

沈國強,鄭海峰,雷振鋒

1 中國科學院東北地理與農業生態研究所,長春 130102 2 中國科學院大學,北京 100049

?

SPEI指數在中國東北地區干旱研究中的適用性分析

沈國強1,2,鄭海峰1, *,雷振鋒1,2

1 中國科學院東北地理與農業生態研究所,長春 130102 2 中國科學院大學,北京 100049

干旱指數的區域適用性是準確表征區域干旱的重要前提,本文以中國東北地區為典型研究區,探討標準化降水蒸散指數(SPEI)在該地區應用的有效性。基于研究區90個氣象臺站的逐日氣象資料,計算1961—2014年多時間尺度的SPEI指數。從Kolmogorov-Smirnov (K-S)擬合優度檢驗、SPEI與典型干旱事件核準、SPEI與農作物受旱災面積及與土壤濕度相關性分析等方面,驗證SPEI指數在東北地區的適用性。分析結果表明：1)東北地區多時間尺度的累積水分虧缺量符合Log-logistic分布, SPEI指數在東北地區的應用具備數學統計理論基礎；2)生長季平均SPEI值與黑龍江省、吉林省和遼寧省農作物受旱災面積比例均呈極顯著負相關(P<0.01)；3)在1、3、6和12個月尺度下,SPEI與土壤濕度呈顯著正相關(P<0.05)的站點比例分別為90.2%、92.16%、90.2%和88.24%。綜上所述,SPEI指數不僅滿足數學理論統計的要求,而且與干旱災情數據和土壤水分監測值均具有極度的關聯性,說明其在東北地區干旱預測和定量化研究中具有較好的適用性。

標準化降水蒸散指數；K-S檢驗；土壤濕度；干旱受災面積；干旱事件

干旱指數是定量表征干旱事件的重要指標,常用的干旱指數有降水距平百分率、土壤濕度、蒸發量/降水量、Palmer干旱指數(Palmer drought severity index, PDSI)和標準化降水指數(Standardized precipitation index, SPI)等[1],其中PDSI和SPI應用較為廣泛。PDSI指數的優點在于考慮了溫度和前期天氣條件對干旱的影響,非常適用于干旱對全球變暖響應的研究[2],但其參數獲取困難且計算復雜,加之時間尺度固定(9—12個月之間),因此無法有效地應用于干旱的多時間尺度研究中[3]。SPI指數雖然適用于多時間尺度研究,但其僅以降水量作為干旱定量的唯一參數,忽略了溫度對干旱形成的重要作用[4-5]。標準化降水蒸散指數(Standardized precipitation evapotranspiration index, SPEI)[3]不僅充分考慮了氣溫對干旱的影響,而且綜合考慮了干旱的多時間尺度。SPEI自2010年被提出以來,被廣泛應用于定量干旱的研究中,例如SPEI與氣候因子的相互關系研究[6]、不同干旱指數的對比分析[7-8]、區域干旱時空分布特征分析[9]、蒸散量算法差異對SPEI的影響[10]以及SPEI的多時間尺度研究[11]。鑒于干旱的復雜性、廣泛性和時空差異性,干旱指數的區域適用性成為干旱研究的前提,如果不根據區域的實際情況進行計算,而將SPEI應用于定量干旱事件,容易導致結論偏差[12]。然而,在相關SPEI的研究中,僅有少數學者關注SPEI指數的前提和適用性。這些研究大多以年為時間尺度或以單個月份為研究尺度(例如7月份和12月份)探討SPEI在全球或全國尺度的適用性[13- 15],并沒有考慮SPEI指數的假設和前提。由于區域干旱精確定量化的需求在于—干旱指數要準確反映任一月份、任一站點的水分收支狀況,因而,迫切需要以月為時間尺度,驗證該指數在區域尺度上所有站點的適用性。

自20世紀90年代中期以來,東北地區干旱化趨勢不斷增強[16],生態系統的干旱脆弱性隨之加大,農業發展和生態系統平衡面臨巨大威脅[17-18]。精確定量東北地區的干旱,對該區的干旱適應性研究與管理具有重要意義。到目前為止,SPEI指數在定量東北地區干旱方面的有效性和適用性尚不明確。本文將從SPEI的理論假設和實際定量驗證入手,應用K-S檢驗和相關性分析等方法,探討(1) SPEI指數在東北地區的數學統計理論基礎；(2)干旱事件、旱災面積和土壤濕度對SPEI指數的驗證效果。

1 研究區與數據

1.1 研究區概況

圖1 研究區及氣象站Fig.1 Study area and Meteorological stations

研究區為中國東北地區(38°43′N—53°33′N, 118°50′E—135°2′E)(圖1),行政上包括黑龍江省、吉林省和遼寧省,總面積約84.53萬km2。該區面積廣闊,地形以山地和平原為主,其中,東北平原黑土資源豐富,土壤肥沃,是我國重要的糧食基地。該區主要氣候類型為溫帶季風氣候,年平均氣溫為5.4℃,由南向北依次跨越暖溫帶、中溫帶和寒溫帶；年平均降水量約為600mm,由東向西逐漸減少,東部為濕潤區,西部為半濕潤區。研究區干旱頻發,尤其是進入21世紀之后,干旱事件發生更加頻繁、持續時間更長[19],這嚴重制約東北地區農業生產的發展。據農業部種植業管理司統計,1971—2013年,東北三省平均每年受旱災面積達4×104km2(占地區播種總面積的22.4%),其中黑龍江省、吉林省和遼寧省受災面積分別為1.87×104km2、1.14×104km2和9.9×103km2,分別占各自農作物播種總面積的20.1%、24.9%和25%。

1.2 數據來源

本文所用氣象數據來源于中國氣象局發布的中國地面氣候資料日值數據集(V3.0),包括研究區90個氣象站點(黑龍江、吉林和遼寧分別占31、27和32個)1961年1月1日到2014年4月30日的逐日氣象要素資料(氣溫、降水量、氣壓、風速、相對濕度和日照時數)。這些氣象數據經過中國氣象局嚴格地質量控制,數據的實有率和正確率在99%以上。

典型干旱事件資料來源于中國氣象災害年鑒。本文整理了2004—2010年東北地區影響較大的8次干旱事件的時間、范圍和強度。

農作物受旱災面積資料來自農業部種植業管理司災情數據庫(202.127.42.157/moazzys/zaiqing.aspx),本文分析了1971—2013年東北各省的農作物播種面積以及受旱災面積。

土壤濕度數據來源于中國氣象數據網(data.cma.cn)發布的中國農作物生長發育和農田土壤濕度旬值數據集,數據的時間范圍為1991—2013年。為了保證數據的完整性并減少灌溉措施對土壤濕度的影響,文中保留了51個非水田站點的土壤濕度(10—20cm深處)數據,用算數平均法將旬值轉為月值。

2 研究方法

2.1 SPEI指數計算

SPEI以月水分虧缺量(即降水量減去蒸散量)來表示水分的盈余或赤字。基于“歷史同月的累積水分虧缺量服從Log-logistic分布”這一假設,計算分布概率密度函數和累計概率,然后轉化成標準正態分布進而求得[13]。具體計算步驟如下：

第一步計算潛在蒸散量。本文采用FAO Penman-Monteith法[20]計算潛在蒸散量,公式如下:

式中,PET為潛在蒸散量(mm/d),Rn為地表凈輻射(MJ m-2d-1),G為土壤熱通量(MJ m-2d-1),T為日平均氣溫(℃),Δ為飽和水汽壓曲線斜率(kPa/℃),γ為干濕表常數(kPa/℃),μ2為2m高處的風速(m/s),es為飽和水汽壓(kPa),ea為實際水汽壓(kPa)。

第二步計算逐月降水與蒸散的差值,即水分虧缺量：

Di=Pi-PETi

式中,Di為水分虧缺量,Pi為月降水量,PETi為月潛在蒸散量；并根據線性遞減權重[21]方案建立不同時間尺度的累積水分虧缺量序列：

式中,k為時間尺度(月),n為計算次數；

第三步采用Log-logistic概率密度函數擬合所建立的水分虧缺量序列：

式中,α為尺度參數,β為形狀參數,γ為位置參數,可通過線性矩的方法擬合獲得。累積概率可通過分布函數計算：

第四步對擬合的水分虧缺量序列進行標準正態分布轉換,獲得對應的SPEI:

當P≤0.5時,P=1-F(x)；當P>0.5時,P=1-P, 同時SPEI的符號逆轉,式中其他常數項分別為C0=2.515517,C1=0.802853,C2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。蒸散量和SPEI值均在R語言SPEI package中進行,本文計算了1、3、6和12個月尺度的SPEI,分別記為SPEI01、SPEI03、SPEI06和SPEI12。

2.2 K-S擬合優度檢驗

K-S檢驗[22]是一種擬合優度檢驗方法,利用樣本數據推斷樣本來自的總體是否與某一理論分布有顯著差異。其基本思路是：用F(x)表示各樣本觀測值在理論分布上出現的理論累積概率值,S(x)表示各樣本觀測值的實際累計概率值,計算檢驗統計量：

D=max|S(x)-F(x)|

當零假設成立時,D統計量服從Kolmogorov分布,計算對應的概率p值,若p小于顯著性水平α,則應拒絕零假設,認為樣本來自的總體與指定的分布有顯著差異；否則,不能拒絕零假設,認為二者無顯著差異。為了驗證東北地區累積水分虧缺量是否符合Log-logistic分布,從而判斷SPEI在東北地區的應用是否具備數理統計基礎,本文對不同時間尺度下的累積水分虧缺量序列與Log-logistic分布進行了K-S檢驗。

2.3 相關性分析

為了驗證SPEI在表征農作物受旱災方面的適用性,本文分別分析了1971—2013年黑龍江省、吉林省和遼寧省生長季(4—9月)平均SPEI值與當年作物受旱災面積比例的相關性(各省的樣本量均為43a,當n=43時,rα=0.01的臨界值為0.389)。

同時,為了驗證SPEI在反映土壤干濕狀況方面的適用性,本文以站點為檢驗單元,分析了土壤濕度與SPEI指數的相關性(各站點的樣本量均為134個月,當n=134時,rα=0.05的臨界值為0.17,rα=0.01的臨界值為0.222)。文中相關系數r均指Pearson簡單相關系數。

3 結果分析

3.1 基于K-S檢驗的SPEI指數理論驗證

累積水分虧缺量序列與Log-logistic分布的K-S檢驗結果(圖2)表明,在不同時間尺度下,K-S檢驗的概率p值均大于顯著性水平α=0.05,沒有足夠理由拒絕零假設(零假設為累積水分虧缺量樣本來自Log-logistic分布總體)。因此,可以判定東北地區累積水分虧缺量序列與Log-logistic分布無顯著差異,即該序列來自Log-logistic分布總體。在不同尺度、不同站點和不同月份條件下,Log-logistic分布函數能均較好地擬合累積水分虧缺量序列,由此表明,基于該分布的SPEI指數在東北地區干旱表征上具備數學統計理論基礎。

圖2 K-S檢驗概率p值統計圖(虛線為顯著性水平α=0.05)Fig.2 The p values of K-S Test for water surplus or deficit (dashed line was the significance level: α=0.05)SPEI: 標準化降水蒸散指數Standardized precipitation evapotranspiration index

3.2 典型干旱事件對SPEI指數的核準分析

典型干旱事件與同期SPEI核準的結果(表1)表明,SPEI與干旱事件的時間、地點和強度吻合度較高。例如,在氣象災害年鑒中的記錄為 “2006年4—5月黑龍江齊齊哈爾、大慶和綏化等地旱情嚴重(中到重度)”,經查,齊齊哈爾、大慶、綏化和海倫2006年5月的SPEI值分別為-1.3,-1,-1.2和-1.7,達到中度甚至重度干旱,與年鑒記載相符。另據記載,2009年6月21日至11月上旬,遼寧和吉林出現了大范圍的中到重度氣象干旱,吉林農作物受旱面積2.85×104km2,重旱面積1.32×104km2,8.2萬農村人口、6.4萬頭大牲畜因旱發生飲水困難；其中,長嶺縣普遍遭受伏旱,絕收面積達到160 km2,經查,長嶺站2009年7—9月的SPEI分別為-0.8、-1.8和-1.6,其中8、9月達到重度干旱。由此可見, SPEI能較好地反映東北地區干旱事件的時間、地點及強度。

表1 典型干旱事件與同期SPEI核準(2004—2010年)

SPEI: 標準化降水蒸散指數Standardized precipitation evapotranspiration index

3.3 干旱受災面積對SPEI指數的驗證分析

農作物受旱災面積比例與生長季平均SPEI值的相關性分析結果顯示, 各省農作物受旱災面積比例與SPEI01、SPEI03、SPEI06和SPEI12的相關系數在-0.52與-0.76之間,SPEI指數與受旱災面積呈極顯著負相關關系(P<0.01),表明干旱越嚴重,SPEI值越小,受旱災面積越大。同時,研究發現,在相同的時間尺度下,受旱災面積比例與SPEI的相關性在各個省份之間也存在差異,相關性最強的是遼寧省,其次是吉林省,黑龍江省相關性最弱。

圖3 東北三省農作物受災面積比例與生長季平均SPEI對比Fig.3 The comparison between drought crop area ratio and the mean SPEI

3.4 土壤濕度對SPEI指數的驗證分析

SPEI指數與土壤濕度的相關性分析結果(圖4)表明,在1、3、6和12個月尺度下,51個研究站點中分別有46、47、46和45個站點通過了相關系數的顯著性檢驗(P<0.05),通過率分別達90.2%、92.16%、90.2%和88.24%；其中,分別有46、45、44和40個站點呈現極顯著相關(P<0.01),通過率分別為90.2%、88.24%、86.27和78.43%。同時,研究發現站點顯著性檢驗的通過率隨著SPEI時間尺度的增大而降低。通過了顯著性檢驗(P<0.05)的所有研究站點,其土壤濕度與SPEI的相關系數取值范圍為0.26—0.74,平均值為0.47,表明土壤濕度與SPEI呈顯著正相關,SPEI值越大,土壤濕度越大。

圖4 SPEI與土壤濕度相關分析空間分布Fig.4 Spatial distribution of correlation analysis of SPEI and soil moisture

4 討論

(1)根據SPEI指數的定義,SPEI反映的是某月累積水分虧缺量在歷史同期累積水分虧缺量序列中的分布概率,所以應當用Log-logistic分布對1—12月的累積水分虧缺量序列進行逐月地擬合；而 Vicente-Serrano[13]和莊少偉[14]在驗證SPEI的適用性時,是對整個研究時期每年的水分虧缺量序列進行擬合檢驗,這種以年為時間尺度的驗證方式掩蓋了不同月份之間的水分虧缺量差異,偏離了SPEI的前提假設,據此得出的結論有待商榷。王林[15]驗證了在1個月尺度下,東北地區7月份和12月份的水分虧缺量符合Log-logistic分布,其結果與本文相符,但未考慮前期降雨對干旱的影響及多時間尺度SPEI計算的重要性。為了確保SPEI指數能精確定量地區干旱,本文對東北地區各個站點的水分虧缺量序列進行逐月地擬合,并逐一進行K-S檢驗,證明了SPEI指數在東北地區具有較好的數學統計理論基礎。

(2)SPEI的理論適用性取決于所選的理論分布。Vicente-Serrano[13]提出SPEI指數時,對比了Pearson Ⅲ、Lognormal、廣義極值分布(generalized extreme value, GEV)和Log-logistic四種理論分布對水分虧缺量經驗分布的擬合效果,最終認為Log-logistic更符合其研究站點的水分收支實際情況。王澄海[23]和王芝蘭[24]對中國的降水量序列進行了GEV分布的擬合,并構建了GEV指數,雖然忽視了蒸散對干旱的影響,但為干旱指數的地區適用性研究開拓了新的視野,即應當根據研究區水分收支特點建立區域適用的分布模型,并據此構建干旱指數。此外,由于不同檢驗方法功效不同,所以還應選取合適的方法來檢驗水分虧缺量理論分布與經驗分布的擬合優度,如K-S, Anderson-Darling(A-D)和Shapiro-Wilk(S-W)等[25]。綜上,在驗證干旱指數的區域適用性時,有必要對多種理論分布進行嚴格的擬合優度檢驗,確保研究結論在統計學上的合理性。本研究所使用的Log-logistic分布是干旱研究中較為常用的分布函數,并且已被證明其與東北地區水分虧缺量的擬合優度較好。然而,是否有擬合效果更優的理論分布？這也是干旱精確定量化研究的重要課題之一。

圖5 東北三省水稻種植面積比例變化Fig.5 The variation of area ratio of paddy in the Northeast China

(3)在同一時間尺度下,東北三省受旱災面積與SPEI指數的相關性從強到弱依次為：遼寧>吉林>黑龍江。出現這個結果的主要原因可能是受農業種植結構變化的影響。陳莉[26]認為水稻栽培多以水利灌溉為基礎,受降水影響不大,因此在分析多年農作物干旱面積時,應排除水稻面積增加的影響,只考慮旱作農作物的播種面積。本文認為,水稻的生理抗旱性雖然低于其他作物,但由于灌溉條件成熟,水稻受干旱的影響比其他作物小,即同樣的干旱強度下,其他作物比水稻更易受災。也就是說,SPEI指數對玉米、小麥等農作物受旱情況反映靈敏,而對水稻受旱情況反映不靈敏。由圖5可見,1971—2013年黑龍江省水稻面積由1.65×103km2擴大到3.18×105km2,占農作物總面積比例由2%上升到26%,絕對面積和所占比例在2008年之后均遠超吉林省和遼寧省。由此推斷,黑龍江省水稻種植面積的劇增可能導致了該省農作物受旱災面積與SPEI指數相關性的降低。

(4)由于土壤濕度數據缺失嚴重、采樣頻率過小且易受耕作方式影響等原因,各個站點土壤濕度與SPEI的相關系數相對偏小：在α=0.05的顯著水平上(相關系數的臨界值為0.17), SPEI01、SPEI03、SPEI06和SPEI12與土壤濕度的平均相關系數分別為0.43、0.47、0.48和0.44,均不超過0.5。該結果可以從趙靜[27]的研究中得到部分佐證：錦州站SPEI01與土壤濕度的相關系數為0.482,稍高于本研究的0.468。土壤濕度和SPEI指數均是反映干濕狀況的重要指標,本文使用的土壤濕度是旬值數據,每月采樣3次,而SPEI指數則是依據逐日的氣象數據轉化為月尺度計算而來,其精細程度遠超土壤濕度數據。因此,提高二者相關系數的關鍵在于增強土壤濕度數據的時間連續性和完整性,如提高采樣頻率、用插補法補全缺失數據等。

5 結論

干旱指數的區域適用性是地區干旱精確定量化的前提和基礎。目前有關SPEI指數的區域適用性研究相對缺乏,但是通過我們統計檢驗以及相關性分析,驗證了SPEI指數在東北地區干旱研究中的適用性。本文主要結論如下：

(1)東北地區1、3、6和12個月尺度的累積水分虧缺量序列均能被Log-logistic分布函數較好地擬合, 基于該分布的SPEI指數在東北地區的應用具備數學統計理論基礎。

(2)SPEI指數與典型干旱事件的吻合度較高,能較為準確地反映干旱事件的時間、地點和強度,是干旱監測和預警的重要手段。

(3)SPEI指數與干旱災情數據呈顯著負相關。干旱越嚴重,SPEI指數越小,農作物受旱災面積越大。

(4)SPEI指數與土壤水分資料呈顯著正相關。SPEI指數能指示土壤水分狀況,SPEI指數越大,土壤濕度越大。

綜上所述,SPEI指數的理論假設符合東北實際情況,并且能被歷史資料和事實所驗證,說明SPEI指數在東北干旱研究中的適用性較好。

[1] 衛捷, 馬柱國. Palmer干旱指數、地表濕潤指數與降水距平的比較. 地理學報, 2003, 58(S1): 117- 124.

[2] Dai A G. Drought under global warming: a review. Wiley Interdisciplinary Reviews: Climate Change, 2011, 2(1): 45- 65.

[3] Vicente-Serrano S M, Beguería S, López-Moreno J I. Comment on “Characteristics and trends in various forms of the Palmer Drought Severity Index (PDSI) during 1900—2008” by Aiguo Dai. Journal of Geophysical Research: Atmospheres, 2011, 116(D19): 1-9.

[4] 魏鳳英, 張婷. 東北地區干旱強度頻率分布特征及其環流背景. 自然災害學報, 2009, 18(3): 1- 7.

[5] 謝安, 孫永罡, 白人海. 中國東北近50年干旱發展及對全球氣候變暖的響應. 地理學報, 2003, 58(S1): 75- 82.

[6] 蘇宏新, 李廣起. 基于SPEI的北京低頻干旱與氣候指數關系. 生態學報, 2012, 32(17): 5467- 5475.

[7] 王文, 李亮, 蔡曉軍. CI指數及SPEI指數在長江中下游地區的適用性分析. 熱帶氣象學報, 2015, 31(3): 403- 416.

[8] 熊光潔, 王式功, 李崇銀, 尚可政, 馬玉霞, 莊少偉. 三種干旱指數對西南地區適用性分析. 高原氣象, 2014, 33(3): 686- 697.

[9] 張玉靜, 王春乙, 張繼權. 基于SPEI指數的華北冬麥區干旱時空分布特征分析. 生態學報, 2015, 35(21): 7097- 7107.

[10] Chen H P, Sun J Q. Changes in Drought Characteristics Over China Using the Standardized Precipitation Evapotranspiration Index. Journal of Climate, 2015, 28(13): 5430- 5447.

[11] 張岳軍, 郝智文, 王雁, 李明明, 陳二萍, 李芬, 張永瑞. 基于SPEI和SPI指數的太原多尺度干旱特征與氣候指數的關系. 生態環境學報, 2014, 23(9): 1418- 1424.

[12] 王勁松, 李耀輝, 王潤元, 馮建英, 趙艷霞. 我國氣象干旱研究進展評述. 干旱氣象, 2012, 30(4): 497- 508.

[13] Vicente-Serrano S M, Beguería S, López-Moreno J I. A Multiscalar Drought Index Sensitive to Global Warming: the Standardized Precipitation Evapotranspiration Index. Journal of Climate, 2010, 23(7): 1696- 1718.

[14] 莊少偉, 左洪超, 任鵬程, 熊光潔, 李邦東, 董文成, 王利盈. 標準化降水蒸發指數在中國區域的應用. 氣候與環境研究, 2013, 18(5): 617- 625.

[15] 王林, 陳文. 標準化降水蒸散指數在中國干旱監測的適用性分析. 高原氣象, 2014, 33(2): 423- 431.

[16] 孫力, 沈柏竹, 安剛. 中國東北地區地表干濕狀況的變化及趨勢分析. 應用氣象學報, 2003, 14(5): 542- 552.

[17] Zheng H F, Shen G Q, He X Y, Yu X Y, Ren Z B, Zhang D. Spatial assessment of vegetation vulnerability to accumulated drought in Northeast China. Regional Environmental Change, 2015, 15(8): 1639- 1650.

[18] Chen Z J, He X Y, Cook E R, He H S, Chen W, Sun Y, Cui M X. Detecting dryness and wetness signals from tree-rings in Shenyang, Northeast China. Palaeogeography, Palaeoclimatology, Palaeoecology, 2011, 302(3): 301- 310.

[19] Yu X Y, He X Y, Zheng H F, Guo R C, Ren Z B, Zhang D, Lin J X. Spatial and temporal analysis of drought risk during the crop-growing season over northeast China. Natural Hazards, 2014, 71(1): 275- 289.

[20] Allen R G, Pereira L S, Raes D, Smith M. Crop Evapotranspiration: Guidelines for Computing Crop Water Requirements, FAO Irrigation and Drainage Paper No. 56. Rome: FAO,1998:24-25.

[21] 王春林, 郭晶, 薛麗芳, 丁麗佳. 改進的綜合氣象干旱指數CInew及其適用性分析. 中國農業氣象, 2011, 32(4): 621- 626, 631- 631.

[22] Massey F J Jr. The Kolmogorov-Smirnov Test for Goodness of Fit. Journal of the American Statistical Association, 1951, 46(253): 68- 78.

[23] 王澄海, 王芝蘭, 郭毅鵬. GEV干旱指數及其在氣象干旱預測和監測中的應用和檢驗. 地球科學進展, 2012, 27(9): 957- 968.

[24] 王芝蘭, 王勁松, 李耀輝, 王澄海. 標準化降水指數與廣義極值分布干旱指數在西北地區應用的對比分析. 高原氣象, 2013, 32(3): 839- 847.

[25] Stagge J H, Tallaksen L M, Gudmundsson L, Van Loon A F, Stahl K. Candidate Distributions for Climatological Drought Indices (SPI and SPEI). International Journal of Climatology, 2015, 35(13): 4027- 4040.

[26] 陳莉, 方麗娟, 李帥. 東北地區近50年農作物生長季干旱趨勢研究. 災害學, 2010, 25(4): 5- 10.

[27] 趙靜, 嚴登華, 楊志勇, 胡勇, 翁白莎, 宮博亞. 標準化降水蒸發指數的改進與適用性評價. 物理學報, 2015, 64(4): 049202-1:049202-9.

Applicability analysis of SPEI for drought research in Northeast China

SHEN Guoqiang1, 2, ZHENG Haifeng1, *, LEI Zhenfeng1, 2

1NortheastInstituteofGeographyandAgroecology,ChineseAcademyofSciences,Changchun130102,China2UniversityofChineseAcademyofSciences,Beijing100049,China

Determining the applicability of a drought index to a specific area is a prerequisite for drought quantification and mapping on a regional scale. In this paper, we explored the effectiveness of the Standardized Precipitation Evapotranspiration Index (SPEI) in northeast China. SPEI values at a time scale of 1, 3, 6, and 12 months were calculated using a daily climate dataset that had been collected by 90 meteorological stations in northeast China from 1961 to 2014. The climate variables analyzed included daily temperature, precipitation, atmospheric pressure, wind speed, relative humidity, and sunshine duration. The applicability of the SPEI for drought quantification in northeast China was investigated using Kolmogorov-Smirnov (K-S) test, validation analysis from specific drought events and soil moisture, and correlation analyses between SPEI and the statistics of the area suffering from drought.The results showed that our null hypothesis was rejected by the K-S Test at a 0.05 significance level for each station, and that the Log-logistic distribution matched very well to the water surplus or deficit series for all four time scales at each station. The drought-affected areas showed a significant negative relationship to the SPEI during the growing season (April to September) at these four time scales during 1971—2013. The index of SPEI01 was found to be more suitable for predicting the time, location, and intensity of drought events. There was a strong positive correlation between soil moisture at a depth of 20 cm and the SPEI for most of the climate stations (90.2% of stations for SPEI01, 92.16% of stations for SPEI03, 90.2% of stations for SPEI06 and 88.24% of stations for SPEI12). In addition, the number of climate stations decreased as the time scale increased. Our results indicate that the SPEI is suitable for quantifying droughts, and therefore, should be widely used in scientific drought prediction research in Northeast China.

SPEI; K-S Test; soil moisture; drought-affected area; drought event

國家自然科學基金項目(41371194)；中國科學院重點部署項目(KFZD-SW- 302-03)；中國科學院“協同創新團隊”項目(DLSXT16001)

2016- 04- 16; 網絡出版日期:2017- 02- 22

10.5846/stxb201604160706

*通訊作者Corresponding author.E-mail: zhenghaifeng@iga.ac.cn

沈國強,鄭海峰,雷振鋒.SPEI指數在中國東北地區干旱研究中的適用性分析.生態學報,2017,37(11):3787- 3795.

Shen G Q, Zheng H F, Lei Z F.Applicability analysis of SPEI for drought research in Northeast China.Acta Ecologica Sinica,2017,37(11):3787- 3795.