基于SPEI的廣西干旱綜合特征及農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)研究

楊星星, 楊云川,2,3, 鄧思敏, 廖麗萍,2,3, 謝鑫昌, 田 憶

(1.廣西大學(xué) 土木建筑工程學(xué)院, 南寧 530004; 2.廣西大學(xué) 工程防災(zāi)與結(jié)構(gòu)安全教育部重點(diǎn)實(shí)驗(yàn)室,南寧 530004; 3.廣西防災(zāi)減災(zāi)與工程安全重點(diǎn)實(shí)驗(yàn)室, 南寧 530004)

干旱是最常見的自然災(zāi)害之一，其歷時(shí)長(zhǎng)，影響范圍廣，對(duì)自然生態(tài)系統(tǒng)破壞大，嚴(yán)重影響著人類社會(huì)的發(fā)展[1]。干旱不僅發(fā)生在降水匱乏、氣候干燥的地區(qū)，在降水豐沛、氣候濕潤(rùn)的地區(qū)也常有發(fā)生，且由于物候影響，濕潤(rùn)地區(qū)植物生長(zhǎng)過程中耗水量較大，干旱爆發(fā)對(duì)其生態(tài)系統(tǒng)的破壞也更加嚴(yán)重[2]。2010年，中國(guó)西南地區(qū)大旱便是典型的濕潤(rùn)地區(qū)干旱事件，該次干旱事件造成上千萬(wàn)人飲水困難，30多萬(wàn)hm2農(nóng)作物受災(zāi)，直接經(jīng)濟(jì)損失近200億元[3]。而在全球氣候變暖的大背景下，干旱的強(qiáng)度及頻次均顯著增多[4]，使得抗旱減災(zāi)工作日益嚴(yán)峻。

干旱的巨大危害性也吸引了眾多學(xué)者的關(guān)注[5-7]。張強(qiáng)等[2]分析了中國(guó)南方地區(qū)干旱受災(zāi)面積的時(shí)間特征，并以干旱強(qiáng)度為致災(zāi)因子評(píng)估了區(qū)域旱災(zāi)風(fēng)險(xiǎn)。劉小剛等[8]基于SPI和SPEI指數(shù)研究了云南省過去及未來(lái)的干旱頻率特征。何嬌楠等[9]則以SPI值作為干旱致災(zāi)因子采用災(zāi)害風(fēng)險(xiǎn)理論評(píng)估了云南省旱災(zāi)風(fēng)險(xiǎn)。賈艷青等[10]基于日SPEI指數(shù)分析了西南地區(qū)極端干旱事件的趨勢(shì)變化及空間分布等特征。柳媛普等[6]以CI指數(shù)作為干旱強(qiáng)度評(píng)估了氣候變暖背景下西南地區(qū)干旱風(fēng)險(xiǎn)。康永輝等[11]研究了廣西大石山區(qū)的干旱特性并分析了其成因，結(jié)果表明巖溶地質(zhì)特性以及水土流失嚴(yán)重等因素是當(dāng)?shù)睾禐?zāi)加劇的主要原因。綜上可知，目前對(duì)于典型濕潤(rùn)地區(qū)——西南地區(qū)的干旱特征以及旱災(zāi)風(fēng)險(xiǎn)等方面的研究已有很多，但相關(guān)研究也存在一些不足：(1) 大多數(shù)研究?jī)H采用干旱指數(shù)值進(jìn)行特征分析及風(fēng)險(xiǎn)評(píng)估，忽略了干旱的多維度特征，而干旱的致災(zāi)危險(xiǎn)性是由干旱強(qiáng)度以及歷時(shí)等多種特征共同決定；(2) 大多數(shù)研究?jī)H對(duì)干旱的趨勢(shì)或頻率等一兩種特性進(jìn)行分析，缺乏對(duì)干旱特征的全面綜合分析研究。

廣西是西南地區(qū)的重要組成部分，作為典型的亞熱帶季風(fēng)濕潤(rùn)區(qū)[12]，其年降水量豐沛但時(shí)空分布不均，且?guī)r溶發(fā)育的石山丘陵、洼地廣泛分布，土層淺薄且保水能力差，產(chǎn)匯流過程復(fù)雜[13]，致使多年來(lái)區(qū)域洪澇、干旱災(zāi)害頻繁，損失巨大[14]，區(qū)域干旱特性及旱災(zāi)風(fēng)險(xiǎn)研究迫在眉睫。籍此，本文基于1961—2016年廣西降水及氣溫?cái)?shù)據(jù)計(jì)算出SPEI值，采用游程理論提取出干旱的強(qiáng)度及歷時(shí)兩個(gè)維度信息，在此基礎(chǔ)上采用多種方法分析對(duì)比這兩個(gè)維度的趨勢(shì)、突變、周期、頻率等多種特征，最后又以干旱強(qiáng)度及歷時(shí)共同作為致災(zāi)因子并結(jié)合社會(huì)經(jīng)濟(jì)發(fā)展數(shù)據(jù)評(píng)估廣西地區(qū)農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)，以期為廣西乃至西南地區(qū)的干旱監(jiān)測(cè)、預(yù)警等工作提供科學(xué)參考。

1 研究數(shù)據(jù)與方法

1.1 數(shù) 據(jù)

文中主要用到廣西地區(qū)1961—2016年降雨、氣溫?cái)?shù)據(jù)，以及2015—2016年的廣西地區(qū)社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)。其中降雨數(shù)據(jù)和氣溫?cái)?shù)據(jù)分別來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)的《中國(guó)地面降水月值0.5°×0.5°格點(diǎn)數(shù)據(jù)集(V2.0)》和《中國(guó)地面氣溫月值0.5°×0.5°格點(diǎn)數(shù)據(jù)集(V2.0)》。兩數(shù)據(jù)集均基于2 472個(gè)國(guó)家氣象站地面觀測(cè)數(shù)據(jù)通過薄盤樣條法插值而來(lái)，數(shù)據(jù)集經(jīng)嚴(yán)格交叉驗(yàn)證、誤差分析，質(zhì)量狀況良好[30]。研究中通過Python從數(shù)據(jù)集中批量提取廣西地區(qū)0.5°×0.5°格點(diǎn)(87個(gè))的1961—2016年逐月降水和氣溫?cái)?shù)據(jù)用于特征及風(fēng)險(xiǎn)分析(圖1)。而計(jì)算各旱災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)所需的廣西社會(huì)發(fā)展統(tǒng)計(jì)數(shù)據(jù)，包括耕地面積、行政區(qū)面積、播種面積、農(nóng)業(yè)生產(chǎn)總值、耕地面積等(表1)則主要來(lái)源于2015—2016年廣西統(tǒng)計(jì)年鑒(http:∥tjj.gxzf.gov.cn/)。

圖1 廣西0.5度格點(diǎn)分布

1.2 干旱監(jiān)測(cè)指數(shù)

標(biāo)準(zhǔn)化蒸散發(fā)指數(shù)(standardized precipitation evapotranspiration index,SPEI)是由Vicenteserrano等[15]提出的基于水量平衡原理的干旱監(jiān)測(cè)指數(shù)，其主要通過計(jì)算凈降水量偏離平均狀態(tài)的程度來(lái)描述干旱強(qiáng)度[8]。其主要計(jì)算步驟包括[1]：(1) 計(jì)算區(qū)域潛在蒸散發(fā)。(使用Thornthwaite 公式或Penman-Monteith 公式);(2) 計(jì)算逐月凈降水量。(即降雨與潛在蒸散發(fā)的差值);(3) 計(jì)算不同時(shí)間尺度的水分盈虧累積序列，當(dāng)選取時(shí)間尺度為1月時(shí)，計(jì)算結(jié)果即為SPEI1，同理可得SPEI3，SPEI6，SPEI12;(4) 對(duì)水分盈虧累積序列進(jìn)行正態(tài)化(采用log-logistic函數(shù));(5) 進(jìn)行標(biāo)準(zhǔn)正態(tài)分布轉(zhuǎn)換，計(jì)算得SPEI值。SPEI的干旱強(qiáng)度分級(jí)表與SPI相同，可參考相關(guān)文獻(xiàn)。

表1 旱災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)

1.3 干旱特征分析

1.3.1 干旱多維度信息提取方法 研究中采用游程理論提取干旱強(qiáng)度及干旱歷時(shí)兩個(gè)維度信息，其基本操作步驟如下[16]：

(1) 確定R0，R1，R2。本研究中根據(jù)侯陳瑤等[17]以及蘆佳玉等[18]的研究經(jīng)驗(yàn)，選取R0=0，R1=-0.3，R2=-0.5。

(2) 確定潛在干旱事件。若某月SPEI1≤R1,則將該月視作潛在干旱月，對(duì)于連續(xù)潛在干旱月視作一次潛在干旱事件。如圖2中有a，b，c1，c2，d這4次潛在干旱事件。

(3) 從潛在事件中篩選出干旱事件。對(duì)于歷時(shí)僅有1月的潛在干旱事件，若其SPEI≥R2則將其剔除，否則視為一次干旱事件；若兩次潛在干旱事件間隔一個(gè)月，且該月SPEI≤R0，兩者合并為一次干旱事件；其余歷時(shí)大于一個(gè)月的潛在事件均視為一次干旱事件。如圖2中a被剔除，b為干旱事件，c1和c2合并為一次干旱，d為一次干旱事件。

圖2 基于游程理論的干旱事件識(shí)別及干旱特征變量的確定

1.3.2 干旱時(shí)間序列特征分析方法 為較為清晰地分析干旱強(qiáng)度以及歷時(shí)序列的各種特征，研究中采用線性傾向率[19]描述干旱強(qiáng)度及歷時(shí)的年變化量，采用Mann-kendall檢驗(yàn)干旱強(qiáng)度及歷時(shí)變化趨勢(shì)的顯著程度，采用Hurst方法[20]評(píng)估兩者變化趨勢(shì)的未來(lái)延續(xù)性，采用Pettitt算法[21]檢驗(yàn)兩者的變異性，采用EEMD方法[22]分析兩者的周期性。以上方法均是常用的水文氣象時(shí)間序列分析方法，其詳細(xì)計(jì)算過程可參考相關(guān)文獻(xiàn)。

1.3.3 干旱頻率分析方法 Copula函數(shù)是常用的多維干旱特征聯(lián)合分布函數(shù)，其定義域?yàn)閇0,1]，其不要求變量同分布，可以將符合不同形式邊緣分布的干旱特征聯(lián)合起來(lái)[17,23]。由Copula建立的聯(lián)合分布函數(shù)形式如下[23]：

F(d,s)=P(D≤d,S≤s)=C[FD(d),FS(s)]

(1)

式中：D為干旱歷時(shí)；S為強(qiáng)度，F(xiàn)D(d)，F(xiàn)S(s)分別為歷時(shí)、強(qiáng)度的邊緣分布函數(shù)；C為聯(lián)合分布。

其具體構(gòu)建步驟如下：

(1) 求出干旱歷時(shí)及強(qiáng)度的邊緣分布函數(shù)。采用Weibull，Gamma，Normal，Birnbaum-Saunders，Logistic，Log-Normal，Poisson，Exponential這8種分布函數(shù)[23]分別擬合基于游程理論提取的干旱歷時(shí)及干旱強(qiáng)度，并采用Kolmogorov-Smirnov(KS)檢驗(yàn)[24]擬合效果的顯著性，最后根據(jù)均方差(OLS)最小原則[25]從通過顯著性檢驗(yàn)的備選函數(shù)中找到干旱歷時(shí)及強(qiáng)度的最優(yōu)邊緣分布。

(2) 選取Normal，T，F(xiàn)rank，Clayton，Gumbel共5種常用Copula函數(shù)[26]作為干旱強(qiáng)度及歷時(shí)的備選聯(lián)合分布函數(shù)，采用極大似然法計(jì)算出每種Copula函數(shù)的參數(shù)，并采用Bootstrap Cramér-von Mises(CM)方法[24]進(jìn)行假設(shè)檢驗(yàn)，最后從通過檢驗(yàn)的Copula函數(shù)中選擇均方差(OLS)最小的作為最優(yōu)Copula。

1.4 農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)評(píng)估

1.4.1 旱災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)選取 研究中采用基于旱災(zāi)損失風(fēng)險(xiǎn)構(gòu)成要素的風(fēng)險(xiǎn)評(píng)估方法，即從災(zāi)害的危險(xiǎn)性(H)、暴露性(E)、敏感性(V)以及抗旱能力(RE)等方面選取一定的指標(biāo)進(jìn)行旱災(zāi)風(fēng)險(xiǎn)評(píng)估[27]。并根據(jù)計(jì)算公式：

(2)

計(jì)算出區(qū)域旱災(zāi)風(fēng)險(xiǎn)值。對(duì)于危險(xiǎn)性等各個(gè)維度指標(biāo)的選取則從現(xiàn)有研究經(jīng)驗(yàn)[27-28]以及資料的易獲取性兩個(gè)方面考慮，最終選取的指標(biāo)見表1。每個(gè)功能層指標(biāo)與權(quán)重乘積的加和即為該功能層的值。

1.4.2 旱災(zāi)風(fēng)險(xiǎn)評(píng)估指標(biāo)權(quán)重確定方法 對(duì)于旱災(zāi)風(fēng)險(xiǎn)評(píng)估中各指標(biāo)權(quán)重的確定則采用投影尋蹤模型。投影尋蹤法主要原理是將高維數(shù)據(jù)投影到低維空間，然后建立投影指標(biāo)函數(shù)，當(dāng)函數(shù)達(dá)到最優(yōu)時(shí)，其對(duì)應(yīng)的即為最佳投影向量[29]，即可用于指標(biāo)權(quán)重的確定。對(duì)于投影函數(shù)的最優(yōu)解求解則常采用遺傳算法[30]。

2 結(jié)果與分析

2.1 干旱時(shí)間變化特征

2.1.1 干旱序列趨勢(shì)變化特征 采用游程理論從廣西SPEI1序列中提取出干旱強(qiáng)度以及干旱歷時(shí)，并統(tǒng)計(jì)出整個(gè)區(qū)域每年干旱事件的平均強(qiáng)度以及平均歷時(shí)(圖3)，并計(jì)算出兩序列的Cv值，傾向率、Mann-kendall趨勢(shì)檢驗(yàn)Z值，以及Hurst值(表2)。由圖3可知，1961—2016年，廣西地區(qū)干旱強(qiáng)度與歷時(shí)的波動(dòng)均較為平緩，兩者Cv值均在0.5以下。在變化趨勢(shì)上，干旱強(qiáng)度與干旱歷時(shí)則呈現(xiàn)出較大的差異性，1961—2016年，干旱強(qiáng)度呈現(xiàn)出微弱的下降趨勢(shì)，其下降率小于-0.001/a，而干旱歷時(shí)則呈現(xiàn)出微弱的上升趨勢(shì)，其上升率為0.007月/a，不過兩者變化的趨勢(shì)均不顯著，其Mann-kendall檢驗(yàn)值均小于1.28，未通過90%顯著性檢驗(yàn)。從Hurst值來(lái)看，干旱歷時(shí)的Hurst值為0.729，有較大的可能會(huì)繼續(xù)保持微弱上升趨勢(shì)，而干旱強(qiáng)度的Hurst僅有0.591，其變化趨勢(shì)的未來(lái)延續(xù)性不顯著。

圖3 廣西1961-2016年干旱強(qiáng)度、歷時(shí)序列變化曲線

表2 廣西1961-2016年干旱強(qiáng)度及歷時(shí)序列特征值

2.1.2 干旱序列突變及周期變化特征 為分析1961—2016年廣西干旱的突變特征，采用Pettitt算法，分別檢測(cè)干旱強(qiáng)度以及干旱歷時(shí)序列的突變點(diǎn)。由圖4可知，廣西地區(qū)1961—2016年的干旱強(qiáng)度序列以及干旱歷時(shí)序列均存在突變點(diǎn)，前者突變點(diǎn)在2007年，后者突變點(diǎn)在1985年，兩突變點(diǎn)均通過了95%顯著性檢驗(yàn)。突變后的平均干旱強(qiáng)度相比與突變前增加了12.26%，而平均干旱歷時(shí)則相對(duì)于突變前則增加了14.56%。

圖4 廣西1961-2016年干旱強(qiáng)度及歷時(shí)序列突變檢驗(yàn)

為分析1961—2016年廣西干旱的周期性特征，采用EEMD算法分別對(duì)干旱強(qiáng)度以及干旱歷時(shí)進(jìn)行分解。如圖5可知，干旱強(qiáng)度和歷時(shí)序列均可被分解為4個(gè)IMF分量，以及一個(gè)Res余量。各分量間差異顯著，但總體呈現(xiàn)出由IMF1到IMF4，振動(dòng)頻率以及振動(dòng)幅度均逐漸減小的變化特性。而Res余量則體現(xiàn)出干旱強(qiáng)度以及干旱歷時(shí)在不同時(shí)期的變化趨勢(shì)，干旱強(qiáng)度在1961—1991年呈現(xiàn)出逐漸下降的趨勢(shì)，隨后在1991—2016年又呈現(xiàn)出逐漸上升的變化趨勢(shì)；而干旱歷時(shí)序列則是在1961—1981年逐漸下降，1981—2001年逐漸上升，2001—2016年又逐漸下降。為確定兩序列主要周期，對(duì)各序列IMF分量進(jìn)行顯著性檢驗(yàn)[31]。由圖6可知，干旱強(qiáng)度及干旱歷時(shí)序列各分量中僅有IMF1分量通過顯著性檢驗(yàn)，其中前者比后者更加顯著，干旱強(qiáng)度IMF1落在90%置信區(qū)以上，而干旱歷時(shí)IMF1落在80%置信區(qū)以上，其余分量中，干旱強(qiáng)度的IMF3分量，以及干旱歷時(shí)的IMF3，IMF4分量也均接近80%顯著性檢驗(yàn)線，但均未通過檢驗(yàn)。對(duì)強(qiáng)度和歷時(shí)的IMF1序列進(jìn)行Hilbert-Huang變換即可得到兩者對(duì)應(yīng)的中心頻率分別為0.30，0.32，頻率的倒數(shù)即為周期，則可得兩者對(duì)應(yīng)的主周期為3.38，3.12 a。

圖5 廣西1961-2016年干旱強(qiáng)度、歷時(shí)序列EEMD分解

圖6 干旱強(qiáng)度、歷時(shí)各IMF分量顯著性檢驗(yàn)

2.1.3 干旱頻率特征 為分析廣西地區(qū)1961—2016年干旱的單變量頻率特征，采用1.3.3中方法擬合出干旱歷時(shí)及強(qiáng)度的分布函數(shù)。最終選取Log-Normal(μ=0.510，σ=0.564)作為干旱歷時(shí)的最優(yōu)分布，選取Birnbaum-Saunders(β=1.598，γ=0.656)作為干旱強(qiáng)度的最優(yōu)分布，兩者經(jīng)驗(yàn)概率分布與理論概率分布曲線如圖7所示，Log-Normal和Birnbaum-Saunders分布對(duì)干旱歷時(shí)及干旱強(qiáng)度的擬合較好，兩者經(jīng)驗(yàn)分布曲線與理論概率分布曲線基本重合。廣西地區(qū)大多數(shù)干旱事件的歷時(shí)都在7個(gè)月以內(nèi)，歷時(shí)在1～4月的干旱事件最多(超過80%)；強(qiáng)度大多小于8，強(qiáng)度值在0～4的干旱事件超過80%。

圖7 干旱歷時(shí)及強(qiáng)度的經(jīng)驗(yàn)分布和理論分布

為分析基于干旱強(qiáng)度及歷時(shí)的雙變量干旱頻率特征，采用1.3.3中方法最終選取Gumbel Copula(θ=3.185)函數(shù)建立干旱強(qiáng)度及歷時(shí)的二維聯(lián)合分布。圖8為基于干旱歷時(shí)及強(qiáng)度的聯(lián)合概率分布圖，由圖8可查得不同干旱強(qiáng)度及歷時(shí)下的干旱頻率，且由圖可知廣西地區(qū)短歷時(shí)低強(qiáng)度干旱居多，極少有干旱事件強(qiáng)度大于12且歷時(shí)大于12個(gè)月，但干旱歷時(shí)不大于4個(gè)月且干旱強(qiáng)度不大于4的干旱事件約有60%；隨著干旱歷時(shí)和干旱強(qiáng)度值的不斷增大，二者的聯(lián)合累計(jì)概率值也不斷增大，但聯(lián)合累計(jì)概率值越大，其增長(zhǎng)速度也越慢，這說明大多數(shù)干旱事件以短歷時(shí)低強(qiáng)度為主，而強(qiáng)度越高且歷時(shí)越長(zhǎng)的干旱事件越少。

2.2 干旱空間分布特征

使用游程理論識(shí)別出每個(gè)格點(diǎn)1961—2016年所有干旱事件的強(qiáng)度及歷時(shí)，并計(jì)算出其平均強(qiáng)度及平均歷時(shí)空間插值。由圖9可知，廣西干旱平均強(qiáng)度為1.20～2.05，其中桂東南的貴港、玉林、北海等地較高，在1.65以上，其次在桂北的桂林、柳州以及桂西河池西部、崇左等地為1.50～1.60，最低的則是桂北的河池東部以及桂南的欽州、防城港等地在1.50以下。廣西干旱歷時(shí)則集中在4.4～4.9個(gè)月，且呈現(xiàn)出，桂北的桂林北部—河池，以及桂東南的梧州—防城港兩個(gè)帶狀區(qū)域較低(4.4～4.7個(gè)月)，賀州—崇左的帶狀區(qū)域較高(4.7～4.9個(gè)月)。由干旱強(qiáng)度以及干旱歷時(shí)的空間分布對(duì)比則可以看出，干旱強(qiáng)度及干旱歷時(shí)的空間分布在整體上沒有表現(xiàn)出顯著的相關(guān)性，但在部分地區(qū)，例如桂北的河池東部以及桂南的欽州西部?jī)烧呔。诠鹬械膩?lái)賓、貴港等地兩者均偏大。

計(jì)算出每個(gè)格點(diǎn)年干旱強(qiáng)度及干旱歷時(shí)序列的年變化率，并計(jì)算出每個(gè)序列的Mann-kendall趨勢(shì)檢驗(yàn)值和Hurst值(圖10)。由圖10可知，干旱強(qiáng)度及歷時(shí)呈現(xiàn)出顯著的空間分布特征。從干旱強(qiáng)度來(lái)看，桂北呈現(xiàn)出降低趨勢(shì)，而桂南則呈現(xiàn)出上升趨勢(shì)，但僅有桂北及桂東南極小部分區(qū)域的變化趨勢(shì)較為顯著，其余大部分區(qū)域的Mann-kendall檢驗(yàn)值均為-1.28～1.28(顯著性檢驗(yàn)小于90%)，而從干旱歷時(shí)來(lái)看，全區(qū)大部均呈現(xiàn)出上升趨勢(shì)，僅有桂北小部分區(qū)域呈現(xiàn)出下降趨勢(shì)，但除桂北小部分區(qū)域的增長(zhǎng)趨勢(shì)較為顯著，其余地區(qū)均未通過90%顯著性檢驗(yàn)。在趨勢(shì)未來(lái)延續(xù)性方面，干旱歷時(shí)序列在全區(qū)域大部分地區(qū)的Hurst值均在0.50左右，未來(lái)延續(xù)性并不明確，而干旱強(qiáng)度序列的Husrt值在桂西以及桂南等小部分區(qū)域在0.50附近，其余區(qū)域Hurst值均在0.60以上，呈現(xiàn)出一定的趨勢(shì)延續(xù)性，尤其是在桂中等區(qū)域，其Hurst值在0.70以上，其趨勢(shì)延續(xù)性較強(qiáng)。

2.3 農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)

計(jì)算出風(fēng)險(xiǎn)評(píng)估各指標(biāo)值，進(jìn)行歸一化處理以后建立投影尋蹤模型，其中各市SPEI強(qiáng)度及歷時(shí)由各市區(qū)域內(nèi)格點(diǎn)的強(qiáng)度及歷時(shí)的多年算術(shù)平均求得。根據(jù)1.3.2內(nèi)容建立投影尋蹤模型并得到最佳投影方向A={0.152,0.292,0.401,0.189,0.470,0.145,0.341,0.098,0.282,0.404}，A中每一個(gè)元素順序?qū)?yīng)表1中a1—a12。通過投影向量可以計(jì)算出各市的危險(xiǎn)性、暴露性、敏感性、抗旱能力值，并根據(jù)旱災(zāi)風(fēng)險(xiǎn)綜合計(jì)算公式可得各市干旱風(fēng)險(xiǎn)(圖11)。

圖8 干旱強(qiáng)度及歷時(shí)的聯(lián)合概率分布

圖9 廣西干旱強(qiáng)度及歷時(shí)空間分布

圖10 廣西干旱強(qiáng)度及歷時(shí)的變化趨勢(shì)空間分布

圖11 廣西干旱危險(xiǎn)性、暴露性、脆弱性、抗旱能力及農(nóng)業(yè)旱災(zāi)風(fēng)險(xiǎn)空間分布

由圖11可知,廣西地區(qū)的干旱危險(xiǎn)性在賀州、貴港以及百色等地較高，在桂南的欽州、北海、防城港等地較低，其余地區(qū)則相差不大；而暴露性則在桂中地區(qū)較高，尤其是崇左、來(lái)賓等地，在桂西的百色以及桂東的賀州、梧州等地偏低，這與屈艷萍等[32]對(duì)全國(guó)旱災(zāi)暴露性研究結(jié)果較為相似(崇左等地較高，桂東地區(qū)偏低)；脆弱性則呈現(xiàn)出由桂東向桂西逐漸增加的變化趨勢(shì)，這與康永輝等[11]對(duì)桂西北地區(qū)的脆弱性研究結(jié)果較為相似(桂西脆弱性較高)；抗旱能力則是在桂北的桂林以及桂東等區(qū)域較低，桂中的次之，桂西等地則較高，但最高的則是桂中的來(lái)賓。綜合各項(xiàng)指標(biāo)計(jì)算得廣西地區(qū)各市干旱風(fēng)險(xiǎn)值，其中干旱風(fēng)險(xiǎn)最高的是桂西南的崇左，以及桂中的來(lái)賓，其余各區(qū)域中，桂西北的旱災(zāi)風(fēng)險(xiǎn)要明顯高于桂東南，這與張強(qiáng)等[2]在研究華南地區(qū)旱災(zāi)風(fēng)險(xiǎn)的結(jié)論有一定的相同之處(桂西較高，桂東北及桂東較低)。

3 結(jié) 論

(1) 1961—2016年，廣西干旱強(qiáng)度呈現(xiàn)出微弱的下降趨勢(shì)，而歷時(shí)則微弱上升，但兩者的變化趨勢(shì)均不顯著，不過后者表現(xiàn)出更強(qiáng)的未來(lái)延續(xù)性；干旱強(qiáng)度序列在2007年存在突變點(diǎn)，而歷時(shí)則在1985年；干旱頻次和歷時(shí)的周期均在3.20 a左右。

(2) Log-Normal和Birnbaum-Saunders函數(shù)可以分別較好地?cái)M合干旱歷時(shí)和干旱強(qiáng)度的概率分布；而Gumbel Copula函數(shù)則為兩者最優(yōu)的聯(lián)合概率分布。就單變量來(lái)說，超過80%的干旱歷時(shí)在1～4個(gè)月，超過80%的干旱強(qiáng)度在0～4；就雙變量來(lái)說，短歷時(shí)低強(qiáng)度干旱居多，約有60%的干旱事件強(qiáng)度及歷時(shí)均小于4。

(3) 干旱強(qiáng)度在桂東南較大，桂西次之，桂南最低；干旱歷時(shí)則在賀州—來(lái)賓—崇左的帶狀區(qū)域內(nèi)較高，在桂東南較低。就變化趨勢(shì)來(lái)說，強(qiáng)度在桂北以減小為主，在桂南以增長(zhǎng)為主；歷時(shí)在全區(qū)大部分區(qū)域均以增長(zhǎng)為主，且桂中較高；但全區(qū)大部分區(qū)域強(qiáng)度及歷時(shí)的變化趨勢(shì)均不顯著。

(4) 廣西地區(qū)干旱風(fēng)險(xiǎn)最高的是桂東南的崇左，以及桂中的來(lái)賓，其余各區(qū)域中，桂西北區(qū)域的干旱風(fēng)險(xiǎn)要明顯高于桂東南。