1965—2015年海河流域干旱時空變化特征分析

范倩倩，趙安周，張安兵，王冬利*，趙玉玲，劉海新

（1.河北工程大學地球科學與工程學院，河北 邯鄲 056038；2. 河北工程大學礦業與測繪工程學院，河北 邯鄲 056038）

IPCC第五次評估報告指出，全球氣候變暖毋庸置疑，1951—2012年全球平均氣溫升高了0.72℃[1]。在全球氣候變暖背景下，近些年來我國極端干旱災害事件呈現增多的趨勢，對社會經濟和環境都造成了深遠影響[2-4]。據統計，在2010年期間90%以上的自然災害都是由極端氣候事件引起的[5-6]。眾多極端災害事件中，干旱災害造成的影響最為嚴重，因而受到學者的廣泛關注。

目前，對干旱事件的評價多采用各種干旱指數，如利用濕潤指數[7]、相對濕潤指數（Relative Moisture Index, MI）[8]、綜合氣象干旱指數（Composite Meteorological Drought Index, CI）[9]、帕默爾干旱強度 指 數（Palmer Drought Severity Index, PDSI）[10]、改進帕默爾干旱強度指數（Self-Calibrating Palmer Drought Severity Index, SC-PDSI）[11]、標準化降水指數（Standardized Precipitation Index, SPI）[12]、 標準化降水蒸發指數（Standardized Precipitation Evapotranspiration Index, SPEI）等[13]。在常用的各種干旱指標中，MI指數受降水、蒸散等因素影響偏大，對干旱事件的識別能力較差[14]；改進CI指數雖然改善了原始CI指數對干旱監測的不連續加重現象，但是權重累積值仍存在跳躍現象，且權重系數及閾值尚未確定[15]；SC-PDSI指數雖然對PDSI指數的地域約束性有較大改進，但是仍不能準確檢測多時間尺度干旱[16]；SPI指數僅考慮降水因素，未考慮蒸散對干旱的影響[16]；SPEI指數綜合考慮降水量和蒸散量，計算簡單，數據易獲取，具備多時間尺度、多空間比較的特點，能夠準確表征流域地表干濕變化，被廣泛應用于干旱研究中[17-18]。

海河流域地處華北地區，跨越北京、天津在內的七大省市，是我國重要的工農業生產區。20世紀五十年代以來，隨著全球氣候變暖，極端旱澇事件發生頻率升高，1949—2000年間該流域的受旱率為4.4%/10a，干旱導致的糧食減產率為0.77%/10a[19]。目前已經有很多學者針對該流域的干旱事件進行了研究，例如李立新等[8]采用M指數對海河流域進行干旱化特征及其變化趨勢分析，揭示了歷年來海河流域整體干旱化有減弱趨勢，空間上部分地區干旱化影響有加重趨勢；He等[20]采用CI指數分析了海河流域1961—2011年各干旱事件的嚴重程度、持續時間和頻次，并指出平均干旱持續時間為57～85 d，干旱發生次數超過48次，渤海灣干旱持續時間及嚴重度最高；王文靜等[15]利用改進CI指數對海河流域干旱變化進行研究，指出干旱嚴重程度有上升趨勢，且在空間分布上呈現出高頻低強度、低頻高強度的特征；宗燕等[21]采用SPI指數揭示了海河流域春旱和冬旱減輕、夏旱和秋旱加重趨勢，且干旱影響范圍有擴大趨勢。這些已有研究多關注于干旱強度、干旱持續時間及干旱趨勢方面，對干旱發生的空間模態關注較少。海河流域干旱發生機制復雜，選取合適的干旱指數定量表征干旱程度，并對干旱向量場進行時空分解來探究干旱變化規律是目前海河流域干旱研究的關鍵。

鑒于此，本文選取SPEI指數在年和季節尺度下對海河流域干旱的時間變化、空間分布及趨勢特征進行定量分析，通過經驗正交函數（Empirical Orthogonal Function, EOF）分析探究海河流域干旱的主要空間模態及對應的時間系數變化，以期為流域干旱過程的識別提供參考，為流域干旱的準確監測及災害預警提供合理依據。

1 研究區域

海河流域是我國七大流域之一，包括海河、灤河和徒駭馬頰河3大水系、7大河系、10條骨干河流。其中，7大河系分別為灤河河系、北三河系、永定河系、大清河系、子牙河系、漳衛河系、徒駭馬頰河系[22]。該流域地處華北地區，地勢西北高東南低，東部為渤海，西部為太行山，南部為黃河，北部與蒙古高原接壤。流域總面積為31.78萬km2，跨越北京、天津、河北、河南、山東、山西、內蒙古和遼寧八個省市（圖1）。該流域人口密度高，城市眾多，在我國政治、經濟、文化中的地位極為重要。海河流域屬于半濕潤半干旱的溫帶大陸性季風氣候，冬季寒冷少雪，夏季炎熱多雨，春季氣候干燥，蒸發量大，易形成干旱天氣，流域年均降水量約為539 mm，年均蒸發量約為470 mm，年平均氣溫在8～12℃之間[20]。該流域降水時空分布不均且變化率大，常出現季節性干旱。

2 數據與方法

2.1 數據來源

本研究所用氣象數據資料來源于中國氣象科學數據共享服務網，研究數據時間長度選取為1965年1月到2015年12月。剔除海河流域數據缺失較大的站點，最終選取海河流域及其周邊區域34個氣象站點（圖1）的月降水量與平均氣溫等氣象數據用于研究，對于部分具有異常值的數據采用該站點長時間系列中同期月份數據的均值代替。根據氣象學的通用劃分及海河流域的氣候特點，將一年劃分為春（3—5月）、夏（6—8月）、秋（9—11月）、冬（12月—次年2月）四季。

圖1 海河流域氣象站點分布圖Fig. 1 Distribution of meteorological stations in the Haihe River Basin

2.2 研究方法

2.2.1 標準化降水蒸發指數（SPEI） 標準化降水蒸發指數（SPEI）是一種基于月降水量和氣溫數據的干旱指數[16]。本文使用平均氣溫數據通過Thornthwaite方法[23]計算蒸散量，用月降水量與月潛在蒸散量的差值來表示月水分虧缺量，相對于僅考慮降水量的SPI指數對干旱的表征更為準確。其計算過程概述如下[16]：

1）潛在蒸散量的計算[23]。

式中：PET為月潛在蒸散量，Ti為月平均氣溫(℃)，I為年總熱量指數，Ii為月熱量指數，K為修正系數，m=0.492+1.79×10-2I-7.71×10-5I2+6.75 10-7I3。

2）不同時間尺度上累積水分虧缺量的計算。

式中：Di是第i月降水量與潛在蒸發量的差值，即月水分虧缺量，Pi為第i月降水量，PETi為第i月潛在蒸發量。

式中：k為時間尺度，i=1，2，…，n，n為時間序列的樣本數，為k時間尺度水分虧缺的累積量。

3）三參數log-logistic概率分布函數對累積水分虧缺序列的擬合:

式中：α、β、γ分別表示尺度、形狀和位置的參數。并且D值范圍為γ＜D＜∞。

因此，概率分布函數可表示為：

4）對概率分布函數F(x)進行標準化處理，獲取近似的SPEI值：

式中：常數項C0，C1，C2，d1，d2，d3分別為C0=2.515 52，C1=0.802 85，C2=0.010 33，d1=1.432 79，d2=0.189 27，d3=0.001 31。當P≤0.5，P=1-F(x)，P表示超過D值的概率。當P＞0.5時，P=1-P，SPEI變號。

根據國家氣象等級判別標準，將SPEI干旱指標劃分如表1所示[24]：

表1 SPEI 的干旱等級劃分Table 1 The drought classification of SPEI

2.2.2 Mann-Kendall(M-K)檢驗 Mann-Kendall(M-K)檢驗是一種非參數統計檢驗，不需要符合任何特定的分布，且可以忽略時間序列中的異常值，可以分析時間序列中的線性及非線性趨勢[25]。本研究通過M-K檢驗來判斷海河流域長時間序列的變化趨勢，并定量分析變化趨勢的顯著性。主要計算過程概述如下[25]：

1）Mann-kendall方法首先通過以下公式計算S統計量：

sgn值的符號定義如下：

式中：n為時間序列的長度，xj是在時間j時的觀測值，xk是在時間k時的觀測值。統計量S值表示趨勢方向，負(正)值表示下降(上升)趨勢。若n≥8，統計量S為正態分布，均值和方差如下：

式中：E(S)表示均值，Var(S)表示方差，t表示時間序列中任何給定組值的數量。

2）使用統計量Z來檢驗S的統計顯著性，標準化的Mann-Kendall統計量Z服從標準正態分布，均值和單位方差為零，Z統計量的公式如下：

若值|Z|＞Za/2，則在α顯著性水平的雙邊檢驗中，原假設（即沒有明顯的趨勢）不成立。在本研究中，分別在0.05及0.01的置信度水平上進行了顯著性檢驗。

2.2.3 經驗正交函數分析（EOF） EOF分析被廣泛應用于大氣科學和氣候研究中[26-28]，其通過降維的方式提取原數據的主要信息，可將復雜的氣象要素矩陣正交分解為空間向量矩陣和時間系數矩陣，并根據方差貢獻率的大小提取研究區域氣象要素的主要空間分布模態及其隨時間變化的氣候特征。

2.2.4 其他研究方法 本文對SPEI和年份采用線性回歸分析來估計SPEI隨時間變化的趨勢，確定時間序列中出現的線性趨勢的斜率。為研究流域內干旱發生的影響范圍，特引入干旱站次比的定義[29]。基于氣象數據計算歷年各站點年和季節尺度下的SPEI值，采用泰森多邊形法估算各站點所影響區域的面積[30]，將各站點影響區域面積作為權重系數，然后將各站點SPEI值與該站點權重系數相乘后累加得到整個流域SPEI值，從而定量表征整個流域干旱狀況。

采用ArcGIS地統計模塊中的反距離權插值法(Inverse Distance Weighted, IDW) 將各站點數據插值為面狀數據，來分析海河流域干旱的空間分布特點。IDW插值法基于相近相似原理，以插值點與樣本間的距離為權重進行加權平均，離插值點越近的樣本賦予的權重越大，該方法屬于精確性插值，適合用于氣候空間變量的分析中[31-33]。

3 結果與分析

3.1 海河流域干旱特征時間變化

3.1.1 海河流域年、春、夏、秋季歷年SPEI時間序列 1965—2015年海河流域年、春季、夏季、秋季的SPEI時間變化序列如圖2所示。由圖2可以看出，海河流域年、春季、夏季的SPEI均呈現減小的趨勢，其減小速率分別為-0.1070/10a、-0.0328/10a、-0.1292/10a，其中僅夏季SPEI的變化通過了顯著性檢驗（P＜0.05），表明夏季干旱化趨勢顯著。秋季SPEI呈增加的趨勢，干旱化趨勢得到緩解，其增加速率為0.0362/10a，但未通過顯著性檢驗（P＞0.05）。

3.1.2 海河流域年、春、夏、秋季各級干旱發生頻率占比 為進一步研究海河流域干旱變化特征，對近51年來海河流域年、春、夏、秋季的各級干旱發生頻率進行統計（圖3）。從年尺度的各級頻率占比來看，未有極端干旱、嚴重干旱事件發生，中等干旱和輕度干旱所占百分比分別為7.84%和13.73%；就不同季節來看，各季節均未發生極端干旱事件，春季嚴重干旱、中等干旱和輕度干旱事件百分比分別為1.96%、1.96%和23.53%；夏季干旱事件以中等干旱（3.92%）與輕度干旱（21.57%）為主；秋季嚴重干旱與輕度干旱事件分別占3.92%和15.69%。綜上所述，春季易發生輕度干旱，夏季以中等干旱為主，秋季易發生嚴重干旱，且春季干旱事件總頻率最高，應重點關注。

圖2 1965—2015年海河流域年、春季、夏季、秋季SPEI時間序列圖Fig. 2 SPEI time series of yearly, spring, summer and autumn in the Haihe River Basin from 1965 to 2015

圖3 1965—2015年海河流域年、春、夏、秋季各級干旱事件發生頻率占比Fig. 3 Drought frequency at all various levels of yearly,spring, summer and autumn in the Haihe River Basin from 1965 to 2015

3.1.3 不同年代海河流域年、春、夏、秋季干旱影響范圍 同時本文分別計算了不同年代各級干旱站次比（表2）。從表2可以看出，各年代極端干旱站次比在春季尺度下于2001—2010年達到最高，其值為4.71%，其次在秋季尺度下于1991—2000年達到最高，值為4.41%，年尺度及夏季尺度極端干旱站次比在各年代間的變化范圍不大，均在1%左右；各年代嚴重干旱站次比在夏季尺度下于1991—2000年達到最高，值為10.29%，其次年、春季尺度下各年代嚴重干旱站次比也是在1991—2000年達到最高，值分別為9.12%、7.35%，秋季的站次比于2001—2010年達到最高，值為6.47%；各年代中等干旱站次比在年、夏尺度下均于2001—2010年達到最高，值分別為16.47%和16.18%，其次在秋季尺度下在1965—1970年達到最高，值為16.18%，春季站次比于2011—2015年達到最高，值為14.12%；各年代輕度干旱站次比在秋季尺度下于1981—1990年達到最高，值為24.41%，其次在春、夏季尺度下均于2011—2015年達到最高，其值分別為19.41%和22.94%，年尺度站次比于2001—2010年達到最高，值為18.53%。綜上所述，年尺度的干旱影響范圍在2001—2010年達到最大，春季和夏季各年代以來干旱影響范圍有呈增加趨勢，秋季各年代以來干旱影響范圍先增加后減小。

3.2 海河流域干旱特征空間變化

3.2.1 空間分布特征 基于IDW插值法對各站點各級干旱發生頻率進行空間插值，得到如圖4所示的1965—2015年海河流域年、春、夏、秋季各級干旱發生頻率的空間分布圖。就極端干旱分布頻率而言（圖4中a, e, i, m），年尺度下在灤河河系的北部及子牙河系、漳衛河系等地的南部偶有發生，春季主要發生在永定河系的北部及漳衛河系等地，夏季主要分布于黑龍港運東的東部，秋季在黑龍港運東、徒駭馬頰河系東部發生頻率略高。從嚴重干旱的分布頻率來看（圖4中b, f, j, n），年尺度主要集中在黑龍港運東的東部及徒駭馬頰河系的南部，春季主要發生在永定河系及徒駭馬頰河系，夏季主要位于大清河系北部、子牙河系等地，秋季在永定河系、灤河河系發生頻率略高。中等干旱的分布頻率表明（圖4中c, g, k, o），年、夏季尺度下主要發生于大清河系、北三河系及永定河系的東部，春、秋季主要分布于灤河河系、大清河系及漳衛河系的西部。就輕度干旱的分布頻率而言（圖4中d, h, l, p），年、春季尺度下主要發生在灤河河系、北三河系、大清河系，夏季集中于灤河河系、大清河系中部及漳衛河系等地，秋季主要發生于永定河系、子牙河系及漳衛河系等地。

表2 年、春、夏、秋季海河流域各年代各級干旱站次比(%)Table 2 The ratio of drought stations to total stations in different decades of yearly, spring, summer and autumn in the Haihe River Basin from 1965 to 2015

圖4 1965—2015年海河流域年、春、夏、秋季各級干旱發生頻率的空間分布Fig. 4 Frequency distributions of drought at all various levels of yearly, spring, summer and autumn in the Haihe River Basin from 1965 to 2015

3.2.2 空間趨勢特征及顯著性 應用M-K檢驗方法對海河流域各站近51年來年和季節SPEI值變化趨勢及顯著性進行了分析（圖5）。就年變化來看（圖5a），整個流域范圍內88.24%的站點SPEI值呈減小趨勢，其中14.71%的站點呈顯著減小趨勢（P＜0.05），分別為張北、北京、遵化、樂亭、塘沽站，而五寨、南宮、惠民、濟南站呈增加趨勢，占總站點數的11.76%，但增加趨勢均不顯著；就春季來看（圖5b），SPEI呈減小趨勢的站點占61.76%，主要分布于永定河系、灤河河系、北三河系及子牙河系，其中太原、蔚縣站呈顯著減小趨勢（P＜0.05），占總站點數的5.88%，而38.23%的站點呈增加趨勢，但增加趨勢均不顯著，主要位于大清河系、黑龍港運東、徒駭馬頰河系及漳衛河系等地；夏季變化中（圖5c），整個流域范圍內91.18%的站點呈減小趨勢，其中38.24%的站點呈顯著減小趨勢（P＜0.05），主要分布在永定河系、北三河系及灤河河系，而朝陽、濟南、惠民站呈增加趨勢，占總站點數的8.82%，但增加趨勢均不顯著；秋季（圖5d）SPEI呈減小趨勢的站點占32.35%，減小趨勢均不顯著，主要分布于漳衛河系、徒駭馬頰河系等地，而67.65%的站點呈增加的趨勢，主要位于永定河系、大清河系、北三河系及灤河河系，其中承德、唐山站呈顯著增加趨勢（P＜0.05），占總站點數的5.88%。

3.3 海河流域SPEI主要的時空模態分析

為了進一步識別海河流域干旱的主要時空模態，分別對海河流域及其周邊34個氣象站點1965—2015年的年、季尺度的SPEI值組成的二維矩陣進行EOF分析。表3為EOF分解后年、季尺度下前三個特征向量的方差貢獻率及累積方差貢獻率。年、春、夏、秋尺度的前2個特征向量的累積方差貢獻率范圍在53.82%～64.89%之間，可以描述SPEI向量場的主要時空分布特征，因此，本文分別選取年、季尺度的前2個特征向量進行分析。圖6與圖7分別顯示了年、春、夏、秋季的特征向量的空間分布與其對應的時間系數。

圖5 海河流域各站點SPEI變化趨勢及顯著性空間分布圖Fig. 5 Spatial distributions of SPEI variation trend and significance at various stations in the Haihe River Basin

圖6 海河流域年、春、夏、秋季SPEI的前2個特征向量的空間分布Fig. 6 Spatial distributions of the first two eigenvectors of SPEI in the Haihe River Basin at the annual, spring, summer and autumn scales

表3 年、季尺度下前三個特征向量的方差貢獻及累積方差貢獻率(%)Table 3 Variance contribution rates and cumulative variance contribution rates of the first three eigenvectors at the annual and seasonal scales (%)

SPEI年和季節尺度第一模態（EOF1）的載荷值均為正值，表明1965—2015年期間海河流域SPEI具有高度一致性，從流域北部至流域南部均呈現“低、高、低”的分布格局，且高值區位于北三河系、大清河系的北京等地，表明該區域SPEI變化率較大，低值區位于漳衛河系、灤河河系，表明該區域SPEI的變化率較小（圖6a1, b1, c1, d1）。分別結合年、春、夏、秋季EOF1對應的時間系數PC1（圖7）可知，海河流域近年來在年、春、夏季呈現干旱趨勢，但在秋季SPEI呈濕潤化趨勢，這與3.1.1部分的結果一致。此外，年和季節的典型干旱年份多出現在1997—2007年之間，且時間系數均呈現年際震蕩變化特征。

SPEI年和秋季尺度第二模態（EOF2）分布以塘沽、保定、右玉為界，載荷值向南為正，向北為負，由南向北依次減小，正值中心位于安陽，負值中心位于圍場、承德等地，呈現流域南部-北部反向分布格局（圖6a2，d2)；春季EOF2分布中以青龍、北京、太原為界，載荷值向北為正值，向南為負值，由北向南依次遞減，正值中心位于張家口，負值中心位于惠民，呈現流域西北部-東南部的反向分布格局（圖6b2）；夏季EOF2分布中以塘沽、饒陽為界，載荷值向北為正值，向南為負值，由北向南依次遞減，正值中心位于承德，負值中心位于安陽，呈現流域北部-南部的反向分布格局（圖6c2）。分別結合年、春、夏、秋季EOF2對應的時間系數PC2（圖7）可知，1965—2015年期間，時間系數在正負之間呈年際震蕩變化，即流域南部與北部交替進入干旱與濕潤狀態。

圖7 海河流域年、春、夏、秋季SPEI的前2個特征向量所對應的時間系數Fig. 7 The time coefficients corresponding to the first two eigenvectors of SPEI in the Haihe River Basin at the annual,spring, summer and autumn scales

4 結論與討論

4.1 結論

基于海河流域34個氣象站點月降水量、氣溫數據，利用線性回歸分析、Mann-Kendall檢驗和EOF分析等方法，本文對海河流域1965—2015年間的干旱時空變化特征進行了研究，得出以下結論：

1）時間變化方面，海河流域在年、春季、夏季的SPEI序列均呈干旱化趨勢，秋季SPEI序列呈濕潤化趨勢，僅夏季SPEI序列通過了0.05顯著性檢驗，干旱趨勢顯著。各級干旱發生頻率表明：春季易發生輕度干旱，夏季以中等干旱為主，秋季易發生嚴重干旱，且年、季尺度干旱總頻率占比春季最高。各年代以來干旱影響范圍在春、夏季有所增加，在秋季先增加后減小。

2）空間變化方面，極端干旱在秋季于黑龍港運東、徒駭馬頰河系東部頻率較高；嚴重干旱在年尺度下集中于黑龍港運東的東部及徒駭馬頰河系的南部，夏季集中于大清河系北部及子牙河系；中等干旱在年、夏季均集中于大清河系、北三河系及永定河系的東部，春、秋季主要分布于灤河河系、大清河系及漳衛河系的西部；輕度干旱在年、春、夏季主要發生于灤河河系、北三河系、大清河系，秋季主要發生于永定河系、子牙河系及漳衛河系等地。從干旱變化趨勢來看，年、春、夏季在整個流域范圍內呈干旱化趨勢；秋季在永定河系、大清河系、北三河系及灤河河系呈不顯著的濕潤化趨勢。

3）EOF分析結果表明，年、季SPEI的第一特征向量分布呈現全流域一致型的“低、高、低”分布格局。年、春、夏季分別對應的時間系數呈干旱趨勢，秋季時間系數呈濕潤化趨勢。年、夏、秋季SPEI的第二特征向量分布呈流域南部-北部反向分布格局，而春季呈流域西北部-東南部的反向分布格局。年、季對應的時間系數均表明流域南部與北部交替進入干旱與濕潤狀態。

4.2 討論

海河流域是我國政治、文化中心，近年來上下游用水矛盾、地下水超采等因素導致流域水資源短缺，進一步加劇了流域環境惡化、干旱頻發的現象[34]，量化干旱頻率和強度是氣候研究的關鍵所在[18,35]。干旱的發生機制十分復雜，受影響因素較多，所以選擇合理的干旱指數是分析干旱變化特征的基礎。目前已有多位學者針對該流域的干旱狀況進行了研究[8,15,20-21]，但是在干旱指數以及時間尺度的選取上具有一定局限性，難以全面理解和預測海河流域干旱發生機制。

本文在此基礎上基于SPEI指數分別在年和季節尺度上定量分析了近51年來海河流域整個流域干旱的時間變化以及流域內各個區域干旱發生的空間差異。SPEI時間序列的研究結果表明，海河流域在年尺度下呈不顯著干旱化趨勢，這與宗燕等[21]基于SPI指數的研究結果基本一致。在季節尺度上，本文指出在春、夏季呈干旱化趨勢，秋季尺度上呈濕潤化趨勢，王文靜等[15]、宗燕等[21]的研究結果表明在春、夏、秋季海河流域均呈干旱化趨勢，其秋季結果與本文存在差異；車少靜等[12]研究指出河北省春、秋季干旱呈減輕趨勢，夏季干旱呈弱加劇趨勢，其春季結果與本文存在差異。在進行空間變化特征研究時，得出的輕度干旱、中度干旱、嚴重干旱發生范圍與李立新等[8]、宗燕等[21]得出的結果基本一致，但極端干旱發生范圍與宗燕等[21]的研究結果略有差異。本文通過干旱時空模態分析，得出全流域一致型的“低、高、低”干旱分布格局，這與車少靜等[12]得出的河北省不同區域存在旱澇一致性趨勢的結果基本一致。此外，本文研究結果表明，第二特征向量呈現南-北反向分布格局以及西北-東南的反向分布格局，這與車少靜等[12]得出的河北省某些時段所表現出南北差異以及東西差異的結果基本吻合，進一步驗證了本文研究結果的可信性。

本文與已有研究存在差異性的原因在于所用干旱指數不同，即所考慮的干旱影響因子有所差異，且選取的研究時段不同會導致干旱的分析結果有一定的差異。另外，本文基于離散站點計算整個流域干旱值的過程中采用泰森多邊形法估算權重系數，與直接取站點均值作為整個流域值的方法相比，更能科學表征整個流域干旱狀況。在后續研究中可以考慮基于空間連續性較好的柵格氣象數據進行分析，或者結合該流域地形特征構建函數模型，將離散站點連續化。另外，本文僅分析了流域干旱變化特征，未對干旱發生機制進行深入分析，后續研究應結合海河流域地勢特征、氣候環境、城市化進程及政府相關政策做進一步探討。