東北地區干旱特征與春玉米生長季干旱主導氣象因子

李崇瑞，游松財，武永峰

東北地區干旱特征與春玉米生長季干旱主導氣象因子

李崇瑞1,2，游松財1，武永峰1※

（1. 中國農業科學院農業環境與可持續發展研究所，北京 100081；2. 中國農業科學院研究生院，北京 100081）

在全球氣候變化背景下，東北地區干旱及其主導氣象因子呈現出新的態勢，并可能對當地農業生產帶來不可預見的災害風險。因此，開展干旱時空規律研究，揭示春玉米生長季干旱發生的氣象驅動因子，對于指導當地開展農業防旱減災工作尤為重要。該研究利用東北地區及其周邊105個氣象站點數據以及30 m分辨率的DEM，在考慮海拔影響的前提下將逐月氣象因子數據空間插值并計算了1989－2018年1、3、6、12、24個月尺度的潛在蒸散量和標準化降水蒸散指數（Standardized Precipitation Evaporation Index，SPEI），分析了干旱的多尺度特征和春玉米生長季各氣象因子的變化規律，明確了干旱的高發月份、區域及主導氣象因子。結果表明：1）1989－2018年干旱呈現出10 a周期的偏輕-偏重-偏輕規律，其中2000－2010年干旱較為嚴重。2）干旱高發月份為5月，且在吉林西部、內蒙古東部和黑龍江西南部等地區干旱發生概率較高。3）氣象因子變化主要以氣溫增加為主，且伴隨氣壓下降和風力減弱，平均氣溫、最高氣溫、最低氣溫、氣壓、風速分別以0.41 ℃/(10 a)、0.42 ℃/(10 a)、0.39 ℃/(10 a)，?0.05 kPa/(10 a)、?0.08 m/(s·10 a)的速度變化。4）各月干旱主導氣象因子不盡相同，5月為降水、相對濕度、最高溫度和日照時數，6月為降水、相對濕度、日照時數和最低氣溫，7月為降水、相對濕度和日照時數，8月為降水、最高氣溫和平均氣溫，9月為降水、相對濕度和最高氣溫，生長季平均條件下為降水、最高氣溫、日照時數和相對濕度，降水對干旱的直接作用遠大于其他氣象因子。該研究可為全面了解東北地區春玉米生長季干旱特點、以及制定合理的干旱應對措施提供一定的參考和依據。

作物；干旱；氣象；標準化降水蒸散指數；東北地區；春玉米生長季

0 引 言

自20世紀70年代以來，由于全球氣候變暖導致極端干旱事件頻發，強度不斷加強[1]。這些極端干旱事件表現出一定的反常性、突發性和不可預見性[2]，對生態系統的穩定和人類社會的可持續發展造成了巨大而深遠的影響[3]。中國東部包括東北地區受到“東亞熱帶季風”和“東亞副熱帶季風”的直接或間接影響[4]，氣候條件的波動性大，且半干旱區不斷東移[5]。從20世紀90年代至21世紀初，東北地區降水減少氣溫增高[6]，受旱面積不斷增大[7]，干旱次數、程度不斷增加[8]，嚴重影響東北地區農業生產。因此，開展氣候變化背景下東北地區干旱時空規律與演變趨勢研究，揭示干旱發生與變化的氣象驅動因子，對指導農業防旱減災就顯得尤為重要。

目前，可用于評估干旱的指標有很多，如標準化降水指數[9]（Standardized Precipitation Index，SPI）和標準化降水蒸散指數[10]（Standardized Precipitation Evaporation Index，SPEI）等。Hayes等[11]利用降水數據，使用SPI對美國的旱情進行監測，并得到了一定的效果。不過長期降水偏少是干旱發生的直接原因，但并非干旱發生的唯一因子[12]。而SPEI考慮了降水和蒸散等的關系，因而具有更為廣泛的應用前景。在植被退化地區，SPEI指數能夠很好地與植被活動狀態相聯系[13]；在大尺度上，又與太平洋年代紀震蕩有同相位關系[14]，且與大氣環流運動密切相關[15]；在時間上，又能很好的反映干旱的發展趨勢，明確地方氣候干濕變化規律[16]；在農業上，又能體現作物生育期干旱的時空特征[17]。

眾多學者利用SPEI對東北地區干旱進行了大量的研究。沈國強等[18]分析了SPEI的適用性，發現SPEI與受災面積呈極顯著負相關、與土壤相對濕度呈極顯著正相關性；梁豐等[19]研究了SPEI與不同的亞洲環流指數與SPEI的相關關系，明確了不同環流指數、不同季節與SPEI的相關性差異；李明等[20]分析了東北地區的干旱風險，明確了干旱的空間格局；高蓓等[21]分析了東北地區干旱的年際變化，明確了東北地區干旱的階段性特征，發現了夏秋變干、冬季變濕的季節變化特點；孟鑫等[22]則分析了東北地區夏季干旱的年際變化特征和干旱的振蕩周期。但這些研究多側重于干旱時空特征的研究，對干旱發生和變化的氣象驅動因子研究較少。而明確不同時空條件下驅動干旱的主導氣象因子，對于認清干旱本質、合理制定應對措施等具有重要指導意義。

為此，本文通過長時間尺度的SPEI分析東北地區1989－2018年干旱規律，分析春玉米生長季內不同氣象因子的變化規律，明確干旱的高發月份和區域，針對不同月份分析主導當月干旱的氣象因子。從而認清干旱規律、本質、時間和地區分布，對合理制定應對措施等具有重要指導意義。

1 數據與方法

1.1 研究區概況及數據處理

研究區位于38°43′N～53°33′N，117°47′E～135°05′E之間，包括遼寧、吉林、黑龍江三省和內蒙古東部的呼倫貝爾市、通遼市、赤峰市、興安盟等地（圖1）。東北地區是世界上三大黑土帶之一，土壤養分含量充足；同時，東北地區的光熱水資源充足，水熱同期，日照充足，日較差也大，且光熱水等資源與作物的生育期同步；地理緯度較高，生長季熱量條件年際波動較大。東北地區自東南沿海向西北內陸濕潤度逐漸降低，由濕潤區、半濕潤區轉變為半干旱區[15]。中部平原區海拔較低；東部為長白山區，西部為大興安嶺，海拔較高。農作物一年一熟。

圖1 研究區范圍以及氣象站點空間分布

研究數據包括：1）涵蓋研究區及周邊地區共105個氣象站點1987－2018年逐月平均氣溫、最高氣溫、最低氣溫、平均風速、平均氣壓、日照時數、平均相對濕度、降水量數據，可從中國氣象數據共享網獲取。為了保證不同時間尺度SPEI結果開始時間點均為1989年1月，故將資料年限前推2年，以1987年為氣象資料起始年份。由于可獲得氣象站點的數量及數據隨年份可能會有一定的變化，且為了滿足研究時段初期不同時間尺度的結果完整性，本文以2018年105個氣象站點為基礎，盡可能多的獲取了1987－2018年研究區及其周邊各個氣象站的氣象數據。2）東北地區30 m分辨率DEM（ASTER GDEM V2版本）。

1.2 研究方法

1.2.1 標準化降水蒸散指數計算

1）計算潛在蒸散量

影響水分蒸散的因素主要是輻射、氣溫、飽和差與風速等，Thornwaite法[23]只考慮氣溫的單一因素，在全球氣候變化導致到達地面的太陽輻射與風速普遍減弱的背景下，簡單套用Thornwaite法的計算結果與實際情況出入很大，而應用Penman-Monteith方法計算的蒸散值與大多數氣象站和水文站實測蒸發皿或蒸發池的水面蒸發量的變化趨勢比較一致。

本文使用FAO-56推薦的Penman-Monteith法計算的作物參考蒸散量ET0表示潛在蒸散量，其計算公式為

式中R為地表凈輻射，MJ/(m2·d)；為土壤熱通量，MJ/(m2·d)；T為平均氣溫，℃；2為2m高處風速，m/s；e為飽和水氣壓，e為實際水氣壓，kPa；Δ為飽和水氣壓曲線斜率，kPa/℃；為干濕表常數，kPa/℃。

2）計算水分盈虧

式中為研究時段內（1989－2018共360個月）月序，隨時間遞增；P為月降水量，D為月水分盈虧，ET0,i為Penman-Monteith法計算的潛在蒸散量，mm。

3）計算不同時間尺度的水分盈虧

式中為時間尺度，為尺度下的月序，X為尺度下第月的水分盈虧，即月及其之前-1個月的月累積水分盈虧，為月之前第-1月的月序。

4）計算概率加權距

首先需要對水分盈虧原始數據序列進行重排，使其成為一個有序的遞增序列[16]。依據L矩估計法計算重排序列的0次、1次和2次冪的概率加權距0，1和2。

式中為冪次數，為樣本總量，本文取360，D為X重排后的有序遞增數列。

5）計算參數

采用三參數的log-logistic概率密度函數擬合數據序列，其中Γ為伽馬函數，為尺度參數，為形狀參數，1為原點參數。

6）計算累積概率

(X)為不同尺度下水分盈虧的累積概率。

7）計算標準化降水蒸散指數

式中0，1，2，1，2，3為常數[10]，分別取2.515 517，0.802 853，0.010 328，1.432 788，0.189 269，0.001 308。當>0.5時，SPEI取相反值。

由于東北地區地形復雜，各地區之間氣象條件差異較大[24]，僅依靠氣象站點數據不能完全體現東北地區整體干旱特點。為此，本文采用澳大利亞國立大學開發的考慮了海拔等影響的ANUSPLIN專業氣象數據插值軟件，參考ANUSPLIN說明文件及劉志紅等的研究[25]，對所有氣象因子數據進行空間插值，將所有空間插值數據和DEM均統一訂正為0.01°×0.01°空間分辨率。使用IDL編程方法進行逐像素計算，得到研究區域參考蒸散量及SPEI等指標計算結果。不同月份、不同時間尺度的SPEI及氣象因子以對應時間內東北地區所有柵格的平均值來表示，空間分布圖使用ArcGIS 10.5繪制完成。

1.2.2 干旱等級標準

本文所采用的干旱等級標準[26]如表1所示。

表1 SPEI干旱等級標準

1.3 干旱時空特征和主導氣象因子提取

本文分別計算了1989－2018年1、3、6、12、24個月尺度的標準化降水蒸散指數，分別以SPEI1，SPEI3，SPEI6，SPEI12，SPEI24表示，同時計算了對應時間尺度內累積降水距平和累積蒸散距平，分析東北地區多尺度干旱特征。

考慮到一個月時長的干旱能夠影響春玉米的生長發育進程，且春玉米生長季主要為5－9月。SPEI1分析1989－2018年春玉米生長季干旱特征簡便易行，在中后期應用效果較好。SPEI3和SPEI6考慮了前期降水補充土壤水分的累積效應，也有一定應用價值。SPEI12和SPEI24等包含玉米非生育期的降水，應用效果較差。故本文選用SPEI1分析1989－2018年春玉米生長季內干旱的高發月份和區域，明確春玉米生長季內干旱的時空特征。

由于干旱的發生可能由多種氣象因子的變化引起，本文分析1989－2018年春玉米生長季內各個氣象因子的變化規律。同時針對各月的氣象因子數據，采用多元線性回歸的方法，利用SPSS軟件將生長季的各個氣象因子逐步的引入或剔除回歸模型，從而建立SPEI1與各個氣象因子的最佳回歸模型，確定最佳模型的氣象因子及其通徑系數，明確干旱主導因子及其對干旱直接作用的大小。

2 結果與分析

2.1 東北地區1989－2018年干旱多尺度特征

圖2為1989－2018年不同時間尺度SPEI及其對應時間尺度內累積降水和蒸散距平值變化，當時間尺度較長時（12個月、24個月），SPEI可以很好地表征區域氣候干旱特點，反映氣候干旱的變化趨勢，且SPEI值與對應時間尺度內的累積降水量距平值比累積蒸散量距平值有更好的對應關系，在表征缺水或干旱趨勢時在時間和程度上同步。在1989－2018這30 a內，東北地區整體氣候干旱經歷了由偏輕到偏重再到偏輕的過程，尤其在2000－2010這10 a內，干旱（SPEI≤?0.5）時長、強度等都超過其他時段，且整體SPEI值小于其他時段。在本文研究的這30a中，東北地區整體干旱呈現偏輕-偏重-偏輕的10 a小周期，且2010年至今為相對非干旱時期，但需注意下一個10 a可能出現的區域氣候干旱。當時間尺度較短時（1、3、6個月），SPEI可以很好地表征氣象干旱特征，反映區域實際干旱特點。從1989－2018年，東北區域整體干旱情況較為嚴重，每年都有一定程度的干旱發生（SPEI≤?0.5），且多集中于5－9月（SPEI3、SPEI6），這與東北地區春玉米生長季重疊，很容易使春玉米受旱，造成春玉米生長受阻甚至影響農業生產。同時，隨著時間尺度的增大，SPEI所反映的氣候規律會出現一定程度的滯后，但規律性更加明顯。

2.2 春玉米生長季干旱特征

圖3為春玉米生長季月平均SPEI1值的年際變化。在20世紀初的近10 a里（1999－2009），月平均SPEI1值明顯偏低；與此同時，這期間內的月平均降水量也明顯低于正常年份（1989－1998和2010－2018），生長季月平均降水量較正常年份平均偏少約17.3 mm，而生長季月平均蒸散量較正常年份平均增加約5.3 mm，這樣的變化使水分赤字加劇，導致春玉米生長季出現一定程度的干旱。

圖4顯示了1989－2018年30 a生長季每月發生不同等級干旱面積百分比的平均值，可以看出東北地區春玉米生長季內干旱面積先減小后增大，7月份干旱面積和程度明顯小于5、6和9月。5月干旱面積和程度最大，有近80%的地區可能發生干旱，此時主要為春玉米生長發育初期，及時灌溉、適時補苗可最大限度的降低干旱造成的減產。從5月到9月，重旱和特旱面積不斷地減少，最終保持穩定，8、9月份干旱面積雖有擴大的趨勢，但整體程度較輕，以輕旱和中旱為主。

圖2 1989－2018年不同時間尺度SPEI及其對應時間尺度內累積降水和蒸散距平值變化

圖3 1989－2018年春玉米生長季平均SPEI1值、平均參考蒸散量和平均降水量變化

此外，每年的7－8月份區域整體SPEI值較高，此時干旱情況并不嚴重。根據圖5可知，這2個月為東北地區的雨季，雨量較為充足，月平均降水量大于月平均蒸散量，而相鄰的5、6月處于降水增加的月份，但降水增加的速率小于蒸散增加的速率，水分盈虧為負，從而導致干旱易發，而此時的干旱使春玉米難以播種，從而影響春玉米的春種時間，影響春玉米出苗以及出苗后的成活。9月降水和蒸散量均在減少，但降水減小的速率大于蒸散，這是9月份干旱發展的主要原因，且由于7、8月份降水量充足，在一定程度上可以對9月份水分平衡進行補充，從而降低9月份干旱的程度和頻率。

圖4 1989－2018年春玉米生長季干旱面積百分比平均值

圖5 1989－2018年月平均降水量和參考蒸散量

圖6為春玉米生長季內每個月發生干旱（SPEI≤?0.5）頻率的空間分布及生長季所有月份平均頻率分布。從生長季平均頻率分布來看，干旱主要分布在吉林西部，內蒙古的赤峰、通遼、呼倫貝爾西部，黑龍江的西南部等地，干旱高發地區應更加注重防旱減災工作的部署。此外，5月除了東部長白山地區之外，其余大部發生干旱的可能性均較大，這對春玉米播種，出苗具有較大的影響。6、7、8月干旱面積逐漸減小，但主要分布吉林西部、黑龍江西南部和內蒙古地區。9月份干旱面積有所增加，但春玉米在9月處于生長發育晚期，此時的干旱對產量影響較小。整體而言，東北地區春玉米生長初期干旱較為嚴重，需要特別的重視。

圖6 春玉米生長季干旱頻率分布

2.3 春玉米生長季氣象因子的變化趨勢

圖7為生長季內各個氣象因子30 a內的變化趨勢?？梢园l現，在這30 a的春玉米生長季累積降水量以3.87 mm/(10 a) 呈不顯著增加趨勢，但降水量波動性較大，降水最多年份（2013）比最少年份（2002）生長季累計降水量多近214 mm；生長季平均氣溫卻呈極顯著增加趨勢，平均氣溫增長率為0.41 ℃/(10 a)，最高氣溫增長率為0.42 ℃/(10 a)，最低氣溫增長率為0.39 ℃/(10 a)，最高氣溫增加速率高于最低氣溫增加速率，表明在東北地區春玉米生長季平均氣溫逐漸增加的前提下，晝夜溫差也有逐漸加大的趨勢；伴隨著氣溫的增加，生長季平均氣壓以?0.05 kPa/(10 a)的速率呈極顯著減小趨勢；生長季平均風速以?0.08 m/(s·10 a)的速度呈極顯著減小趨勢；此外，日照時數和相對濕度分別以?0.05 h/(10 a)、?0.59%/(10 a)的速率減小，但不顯著?？傮w來說，東北地區春玉米生長季氣象因子變化主要以氣溫增加為主，且伴隨著氣壓下降，風力減弱，而這種變化，勢必帶來東北地區春玉米生長季內水分平衡狀態的變化。

2.4 春玉米生長季干旱的主導氣象因子

針對各月及生長季平均SPEI1，利用Shapiro-Wilk法進行正態化檢驗，檢驗結果如表2。各時段檢驗結果的顯著性水平均大于0.05，表明SPEI1在各時段的分布均接近正態分布，可進行逐步線性回歸分析。

圖7 1989－2018年春玉米生長季內各個氣象因子變化趨勢

表2 SPEI1正態化檢驗結果

由表3中通徑系數（標準化系數）可以看出，不同月份內各個氣象因子對SPEI1的直接作用不相同，但降水在不同月份內對SPEI1的直接作用均最大，5－9月及生長季平均分別達到了0.649、0.671、0.665、0.660、0.851和0.578；除了降水之外，5、6、7、9及生長季平均直接作用最大的因子為相對濕度，分別達到了0.240、0.192、0.253、0.140和0.217；日照時數在5、6、7月及生長季平均對SPEI1有直接作用，而在8、9月并無直接作用；此外，氣溫也5、6、8、9月的SPEI1有一定的直接作用，但不同月份直接作用的氣溫類型不同，5、9月及生長季平均為最高氣溫，6月為最低氣溫，8月為最高氣溫和平均氣溫，而7月并無氣溫的直接作用?？傮w而言，影響生長季干旱的主要氣象因子有降水、氣溫、相對濕度和日照時數，而風速和氣壓不是影響干旱的氣象因子。各個月份最佳回歸模型所包含的氣象因子的顯著性均小于0.05，在解釋各個模型時都應當保留，且均為各月干旱的主導氣象因子。

表3 春玉米生長季各月最佳逐步線性回歸模型與回歸系數

注：PRE：降水；mean：平均氣溫；max：最高氣溫；min：最低氣溫；SSD：日照時數；WV：風速；RHU：相對濕度；APS：氣壓

Note: PRE: Precipitation;mean: Average temperature;max: Maximum temperature;min: Minimum temperature; SSD: Sunshine hours; WV: Wind speed; RHU: Relative humidity; APS: Air pressure

5－9月及生長季平均值的線性回歸方程（SPEI1May、SPEI1Jun、SPEI1Jul、SPEI1Aug、SPEI1Sep、SPEI1mean）分別為：

SPEI1May=?2.267+0.024PRE+0.034RHU?

0.056max?0.059SSD （12）

SPEI1Jun=?2.885+0.023PRE+0.036RHU?0.143SSD?

0.056min（13）

SPEI1Jul=?4.446+0.017PRE+0.051RHU?0.133SSD

（14）

SPEI1Aug=3.539+0.017PRE?0.564max+

0.471mean（15）

SPEI1Sep=?2.517+0.027PRE+0.024RHU?0.037max

（16）

SPEI1mean=?1.512+0.018PRE?0.047max?

0.189SSD + 0.035RHU （17）

利用逐步線性回歸去除了因子之間共線性的問題，也可以簡化當月SPEI1的計算。整體而言，1989－2018年生長季降水的變化趨勢不顯著，但氣溫有顯著增高的趨勢。且生長季內除7月外，氣溫（最低氣溫、最高氣溫、平均氣溫）均直接作用于SPEI1，在這樣的條件下，春玉米生長季發生干旱的概率增大，雖然氣溫對SPEI1的直接作用不如降水，但仍需加倍防范其顯著增加引起的氣象干旱。

3 討 論

本文利用SPEI的優勢，分析了東北地區不同時間尺度下干旱的特征，揭示了東北地區近30 a干旱變化規律。Liu等[27]利用SPEI研究內蒙古地區長時間尺度（12、24個月）干旱特征，發現在2000－2010年這10 a內SPEI指數低，氣候趨于干旱，表明內蒙古地區這10 a為干旱期，本文研究區域與其研究區有重疊部分，得出類似的結論，說明在這10 a內中國北方干旱較為普遍。在1910年之前，東北地區春玉米生長季累積降水量有減小的趨勢，減少量約為5.02 mm/a，但自1910年之后，降水又逐漸增加并恢復正常，增加量約為2.77 mm/a，這導致1989－2018年春玉米生長季累積降水量甚至有略微增加的趨勢。本文利用30 a數據研究發現東北地區有10 a的干旱周期性變化，受制于研究數據的限制，在氣候變暖的背景下，這種特點是常態還是偶然需要更多數據來支持，同時還需要不斷補充新的數據，以確定其更加科學的變化規律。

本文所采用的ANUSPLIN插值方法具有更高的精度，由于引入了高程作為協變量，不同氣象要素的插值結果誤差不同，整體而言，ANUSPLIN插值結果在月尺度等插值精度上更接近觀測值，具有更高的可信度[28-29]。通過ANUSPLIN將氣象數據站點數據空間化，可以更好地應用于干旱時空動態分析。本文確定東北地區春玉米生長季干旱高發時段和高發地區，有助于東北各地明確春玉米生長季內干旱的風險強度，指導農業干旱風險防范。但東北地區的西北部、東部分別為大興安嶺、長白山以山地為主，并非為春玉米種植區，本文雖選擇了春玉米生長季，但未涉及春玉米生長發育情況，計算結果為氣象干旱，與農業干旱的實際情況仍有一定的差距，如果增加春玉米分布和生長發育數據（如NDVI），則能更好的應用于農業和生產，減少極端干旱帶來的農業損失。同時，基于SPEI研究的潛在蒸散量計算多利用Thornthwaite法，其所需要的參數較少，便于計算，但考慮的氣象因子較少，且多應于濕潤或半濕潤地區[30]，而Penman-Monteith法考慮了多種氣象因子，精度較高，而東北地區擁有廣大半干旱地帶[31]，Penman-Monteith法更加適用，同時也更利于分析SPEI值與多種氣象因子之間的關系，更好的確立干旱主導因子。

由于干旱的發生與水分平衡密切相關，而水分平衡是一個動態過程，降水、蒸散、徑流、滲漏等均是水分平衡的重要因子。王勁松等[32]在引入了徑流量后發現Z指數和Palmer干旱指數對河西地區的監測結果可明顯改善。而在強降雨過后，土壤水分滲漏也會造成一定的水分流失[33]，影響水分平衡。本文尚未考慮地表徑流等其他因素對干旱的影響，今后搜集并增加這些數據，使研究更加完善。此外，本文雖考慮了春玉米生長季，但未考慮春玉米生長季需水特征的變化，仍然建立在氣象干旱的基礎上，與春玉米實際干旱情況有所差異。

目前，針對干旱主導氣象因子的研究較少，且多集中于大尺度氣候因子對旱情的影響，如沈雨珺等[34]分析了北美區極渦面積指數對江蘇旱情的影響，認為其江蘇春季干旱的主要影響因子。事實上，這種大尺度氣候指數并不能直觀的體現干旱，更無法直接作用于農業防災減災，其更多的是引起降水的變化從而導致干旱的發生。本文探究了東北地區春玉米生長季內各月干旱的主導氣象因子，如降水、氣溫等，發現在不同月份主導干旱的氣象因子不盡相同，但降水是最主要的因子，其不僅在各月均對干旱起主導作用，且對干旱的作用也最大，但不同月份主導干旱的其他氣象因子卻有所差別，這可能導致在同樣的降水條件下，不同月份的干旱情況也會有所不同。此外，降水和日照時數和相對濕度在不同時段內均有著極顯著的相關性，且相關系數較大，由于在空氣濕度不飽和的條件下，降水過程必然導致空氣濕度增大，且由于降水過程伴有云，也會導致日照時數減小，三者相互關聯。

此外，東北地區春玉米生長季干旱高發地區多集中于遼寧西部、吉林中西部及內蒙古赤峰、通遼等地，這些地區多為半干旱氣候區[35]，雨量較少，干旱程度、頻率均較高。本文著重分析了東北地區的整體特點，并未針對特定的干濕區進行探討和研究，不能很好的區分干濕區特點，今后的研究工作可以針對不同的地區分析區域內主導氣象因子及干旱特征，從而更有利于區內農業發展和防旱減災。

4 結 論

1）1989－2018年東北地區有正常-干旱-正常10 a為周期的規律，2000－2010這10 a內干旱情況較為嚴重，其余時段水分條件較為正常，且當時間尺度大于12個月時，SPEI所表征的氣候趨勢越明顯。

2）東北地區春玉米生長季內干旱高發月份為5月，平均發生干旱的面積和干旱發生頻率均高于生長季內其他月份；干旱主要發生在吉林西部、內蒙古和黑龍江西南部地區，這些地區干旱發生頻率較高，受旱風險較大。

3）東北地區春玉米生長季平均氣溫、風速和氣壓呈顯著變化的趨勢，平均氣溫、最高氣溫、最低氣溫、氣壓、風速分別以0.41 ℃/(10 a)、0.42 ℃/(10 a)、0.39 ℃/(10 a)，?0.05 kPa/(10 a)、?0.08 m/(s·10 a)的速度變化，其他氣象因子變化不顯著。

4）干旱的主導氣象因子在不同月份有所差異，5月為降水、相對濕度、最高溫度和日照時數，6月為降水、相對濕度、日照時數和最低氣溫，7月為降水、相對濕度和日照時數，8月為降水、最高氣溫和平均氣溫，9月為降水、相對濕度和最高氣溫，生長季平均條件下為降水、最高氣溫、日照時數和相對濕度，風速和氣壓不是影響干旱的主導因子，所有時段內降水對干旱的直接作用均遠大于其他氣象因子。

[1] 劉憲鋒，朱秀芳，潘耀忠，等. 農業干旱監測研究進展與展望[J]. 地理學報，2015，70(11)：1835-1848.

Liu Xianfeng, Zhu Xiufang, Pan Yaozhong, et al. Agricultural drought monitoring: Progress, challenges, and prospects[J]. Acta Geographica Sinica, 2015, 70(11): 1835-1848. (in Chinese with English abstract)

[2] 崔林麗，史軍，周偉東. 上海極端氣溫變化特征及其對城市化的響應[J]. 地理科學，2009，29(1)：93-97.

Cui Linli, Shi Jun, Zhou Weidong. Characteristics of extreme temperature variations and their response to urbanization in Shanghai[J]. Scientia Geographica Sinica, 2009, 29(1): 93-97. (in Chinese with English abstract)

[3] Intergovernmental Panel on Climate Change. Climate Change 2013: The Physical Science Basis[M]. Cambridge: Cambridge University Press, 2014.

[4] 張強，姚玉璧，李耀輝，等. 中國西北地區干旱氣象災害監測預警與減災技術研究進展及其展望[J]. 地球科學進展，2015，30(2)：196-213.

Zhang Qiang, Yao Yubi, Li Yaohui, et al. Research progress and prospect on the monitoring and early warning and mitigation technology of meteorological drought disaster in northwest China[J]. Advances in Earth Science, 2015, 30(2): 196-213. (in Chinese with English abstract)

[5] 梁澤學，江靜. 中國北方地區1961－2000年干旱半干旱化趨勢[J]. 氣象科學，2005，25(1)：9-17.

Liang Zexue, Jiang Jing. Aridificational and semi-aridificational tendency of the Northern Chi na from 1961 to 2000[J]. Scientia Meteorologica Sinica, 2005, 25(1): 9-17. (in Chinese with English abstract)

[6] 孫鳳華，楊素英，陳鵬獅. 東北地區近44年的氣候暖干化趨勢分析及可能影響[J]. 生態學雜志，2005，24(7)：751-755.

Sun Fenghua, Yang Suying, Chen Pengshi. Climatic warming and drying trend in Northeastern China during the last 44 years and its effects[J]. Chinese Journal of Ecology, 2005, 24(7): 751-755. (in Chinese with English abstract)

[7] Zou X, Zhai P, Zhang Q. Variations in droughts over China: 1951-2003[J]. Geophysical Research Letters, 2005, 32(4): 353-368.

[8] 楊貴羽，韓冬梅，陳一鳴. 1950—2010年東北地區旱澇演變特征分析[J]. 中國水利，2014(5)：45-48.

Yang Guiyu, Han Dongmei, Chen Yiming. Studies on drought and flood transformation in northeast China from 1950 to 2010[J]. China Water Resources, 2014(5): 45-48. (in Chinese with English abstract)

[9] McKee T B, Doesken N J, Kleis J. The relationship of drought frequency and duration to time scales[R]. Eighth Conf. on Applied Climatology, Anaheim, CA: American Meteor Society, 1993.

[10] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23: 1696-1718.

[11] Hayes M J, Svoboda M D, Wilhite D A, et al. Monitoring the 1996 drought using the standardized precipitation index[J]. Bulletin of the American Meteorological Society, 1999, 80(3): 429-438.

[12] 陸桂華，閆桂霞，吳志勇，等. 近50年來中國干旱化特征分析[J]. 水利水電技術，2010，41(3)：78-82.

Lu Guihua, Yan Guixia, Wu Zhiyong, et al. Analysis on aridification with in last 50 years in China[J]. Water Resources and Hydropower Engineering, 2010, 41(3): 78-82. (in Chinese with English abstract)

[13] Sergio V S, Daniel C, Tomás-Burguera Miquel, et al. Drought variability and land degradation in semiarid regions: assessment using remote sensing data and, drought indices (1982–2011)[J]. Remote Sensing, 2015, 7(4): 4391-4423.

[14] 張煦庭，潘學標，徐琳，等. 基于降水蒸發指數的1960－2015年內蒙古干旱時空特征[J]. 農業工程學報，2017，33(15)：190-199.

Zhang Xuting, Pan Xuebiao, Xu Lin, et al. Analysis of spatio-temporal distribution of drought characteristics based on SPEI in Inner Mongolia during 1960-2015[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 190-199. (in Chinese with English abstract)

[15] 沙莎，王勇，沈新勇，等. 基于SPEI指數的東北春旱頻率變化及突變成因分析[J]. 自然災害學報，2017，26(4)：180-190.

Sha Sha, Wang Yong, Shen Xinyong, et al. Analysis of frequency variation and causes of mutation change about spring drought over Northeast region of China[J]. Journal of Natural Disasters, 2017, 26(4): 180-190. (in Chinese with English abstract)

[16] 李偉光，易雪，侯美亭，等. 基于標準化降水蒸散指數的中國干旱趨勢研究[J]. 中國生態農業學報，2012，20(5)：643-649.

Li Weiguang, Yi Xue, Hou Meiting, et al. Standardized precipitation evapotranspiration index shows drought trends in China[J]. Chinese Journal of Eco-Agriculture, 2012, 20(5): 643-649. (in Chinese with English abstract)

[17] 陳燕麗，蒙良莉，黃肖寒，等. 基于SPEI的廣西甘蔗生育期干旱時空演變特征分析[J]. 農業工程學報，2019，35(14)：149-158.

Chen Yanli, Meng Liangli, Huang Xiaohan, et al. Spatial and temporal evolution characteristics of drought in Guangxi during sugarcane growth period based on SPEI[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(14): 149-158. (in Chinese with English abstract)

[18] 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[J]. 生態學報，2017，37(11)：3787-3795.

Shen Guoqiang, Zheng Haifeng, Lei Zhenfeng. Applicability analysis of SPEI for drought research in Northeast China[J]. Acta Ecologica Sinica, 2017, 37(11): 3787-3795. (in Chinese with English abstract)

[19] 梁豐，劉丹丹，王婉昭，等. 基于SPEI的中國東北地區1961—2014年干旱時空演變[J]. 中國沙漠，2017，37(1)：148-157.

Liang Feng, Liu Dandan, Wang Wanzhao, et al. Temporal and spatial distributions of drought in Northeast China in 1961-2014 based on standardized precipitation evapotranspiration index[J]. Journal of Desert Research, 2017, 37(1): 148-157. (in Chinese with English abstract)

[20] 李明，胡煒霞，張蓮芝，等. 基于SPEI的東北地區氣象干旱風險分析[J]. 干旱區資源與環境，2018，32(7)：134-139.

Li Ming, Hu Weixia, Zhang Lianzhi, et al. Risk analysis of meteorological drought in Northeast China based on standardized precipitation evapotranspiration index[J]. Journal of Arid Land Resources and Environment, 2018, 32(7): 134-139. (in Chinese with English abstract)

[21] 高蓓，姜彤，蘇布達，等. 基于SPEI的1961－2012年東北地區干旱演變特征分析[J]. 中國農業氣象，2014，35(6)：656-662.

Gao Bei, Jiang Tong, Su Buda, et al. Evolution analysis on droughts in Northeast China during 1961－2012 based on SPEI[J]. Chinese Journal of Agrometeorology, 2014, 35(6): 656-662. (in Chinese with English abstract)

[22] 孟鑫，智協飛. 東北地區夏季干旱的年際—年代際變化特征[J]. 大氣科學學報，2016，39(4)：562-568.

Meng Xin, Zhi Xiefei. Interannual and interdecadal variations of drought in Northeast China[J]. Transactions of Atmospheric Sciences, 2016, 39(4): 562-568. (in Chinese with English abstract)

[23] Kumar K K, Kumar K R, Rakhecha P R. Comparison of Penman and Thornthwaite methods of estimating potential evapotranspiration for Indian conditions[J]. Theoretical and Applied Climatology, 1987, 38 (3): 140-146.

[24] 李明，王貴文，柴旭榮，等. 基于空間聚類的中國東北氣候分區及其氣象干旱時間變化特征[J]. 自然資源學報，2019，34(8)：1682-1693.

Li Ming, Wang Guiwen, Chai Xurong, et al, Climate regionalization and temporal evolution of meteorological drought in Northeast China based on spatial clustering[J]. Journal of Natural Resources, 2019, 34(8): 1682-1693. (in Chinese with English abstract)

[25] 劉志紅，Tim R McVicar，Tom G Van Nie，等. 基于ANUSPLIN的時間序列氣象要素空間插值[J]. 西北農林科技大學學報：自然科學版，2008，36(10)：227-234.

Liu Zhihong, Tim R McVicar, Tom G Van Nie, et al. Interpolation for time series of meteorological variables using ANUSPLIN[J]. Journal of Northwest A&F University (Nat Sci Ed), 2008, 36(10): 227-234. (in Chinese with English abstract)

[26] 田甜，黃強，郭愛軍，等. 基于標準化降水蒸散指數的渭河流域干旱演變特征分析[J]. 水力發電學報，2016，35(2)：16-27.

Tian Tian, Huang Qiang, Guo Aijun, et al. Drought evolution characteristics in Wei River basin based on standardized precipitation evapotranspiration index[J]. Journal of Hydroelectric Engineering, 2016, 35(2): 16-27. (in Chinese with English abstract)

[27] Liu S, Kang W, Wang T. Drought variability in Inner Mongolia of northern China during 1960－2013 based on standardized precipitation evapotranspiration index[J]. Environmental Earth Sciences, 2016, 75(2): 145.

[28] Wen Huayang, Chen Fengjiao, Li Jun, et al. A study on spatial interpolation of temperature in Anhui Province based on ANUSPLIN[J]. Meteorological and Environmental Research, 2019, 10(2): 51-55, 60.

[29] 李任君，高懋芳，李強，等. 基于ANUSPLIN的降水空間插值方法研究[J]. 中國農業信息，2019，31(1)：48-57.

Li Renjun, Gao Maofang, Li Qiang, et al. Research on rainfall spatial interpolation method based on ANUSPLIN[J]. China Agricultural Informatics, 2019, 31(1): 48-57. (in Chinese with English abstract)

[30] 黃強，陳子燊. 多種蒸散發公式在珠江流域的適用性分析[J]. 熱帶地理，2014，34(6)：737-745.

Huang Qiang, Chen Zishen. Applicability of evapotranspiration equations for the pearl river basin[J]. Tropical Geography, 2014, 34(6): 737-745. (in Chinese with English abstract)

[31] 王炳欽，江源，董滿宇，等. 1961—2010年北方半干旱區極端降水時空變化[J]. 干旱區研究，2016，33(5)：913-920.

Wang Bingqin, Jiang Yuan, Dong Manyu, et al. Spatiotemporal variations of extreme precipitation in the semiarid region in North China during the period of 1961－2010[J]. Arid Zone Research, 2016, 33(5): 913-920. (in Chinese with English abstract)

[32] 王勁松，黃玉霞，馮建英，等. 徑流量Z指數與Palmer指數對河西干旱的監測[J]. 應用氣象學報，2009，20(4)：471-477.

Wang Jinsong, Huang Yuxia, Feng Jianying, et al. The drought monitoring in hexi area using the runoff-denoted z index and the palmer index[J]. Journal of Applied Meteorological Science, 2009, 20(4): 471-477. (in Chinese with English abstract)

[33] 李曉鵬，張佳寶，朱安寧，等. 基于GIS的農田土壤水分滲漏量分布模擬[J]. 土壤通報，2009，40(4)：743-746.

Li Xiaopeng, Zhang Jiabao, Zhu Anning, et al. Simulation the temporal and spatial distribution of farmland soil water drainage based on GIS[J]. Chinese Journal of Soil Science, 2009, 40(4): 743-746. (in Chinese with English abstract)

[34] 沈雨珺，朱堅. 江蘇淮北地區春季旱情的氣象影響因子分析[J]. 水電能源科學，2019，37(9)：6-9, 132.

Shen Yujun, Zhu Jian. Meteorological factors affecting spring drought in Huaibei area of Jiangsu province[J]. Water Resources and Power, 2019, 37(9): 6-9, 132. (in Chinese with English abstract)

[35] 趙俊芳，郭建平，徐精文，等. 基于濕潤指數的中國干濕狀況變化趨勢[J]. 農業工程學報，2010，26(8)：18-24.

Zhao Junfang, Guo Jianping, Xu Jingwen, et al. Trends of Chinese dry-wet condition based on wetness index[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(8): 18-24. (in Chinese with English abstract)

Drought characteristics and dominant meteorological factors driving drought in spring maize growing season in northeast China

Li Chongrui1,2, You Songcai1, Wu Yongfeng1※

(1.,100081,;2.,100081,)

New changing characteristics have emerged in the drought and its dominant meteorological factors in Northeast China, as the ecological impacts of global climate change in recent years. These impacts may bring unpredictable natural disaster risks to local agricultural production. In order to guide the prevention of agricultural drought and mitigation work, it is particularly important to explore the spatial and temporal patterns and evolution trends of drought in Northeast China under the background of climate change, thereby to reveal the meteorological driving factors of drought in the spring maize during growing season. Here, five meteorological factors, including wind speed precipitation, sunshine duration, air temperature, pressure and relative humidity, were interpolated month by month, particularly considering the geographical location and altitude. The data was taken from 105 meteorological stations in Northeast China, where the local DEM data was in the resolution of 30 meters. A Penman-Monteith method was used to calculate the potential evapotranspiration. A IDL program was also used to calculate the Standardized Precipitation Evapotranspiration Index (SPEI) at the 1, 3, 6, 12 and 24-month scales in 1989-2018, further to analyze the multi-scale characteristics of drought. As such, the change characteristic of each meteorological factor was determined in the spring maize during growing season. The high-incidence month and region of drought in the growing season were identified by the SPEI of 1-month scale, thereby to gain the trends of monthly average precipitation and reference evapotranspiration. A stepwise linear regression method was selected to extract the dominant meteorological factors driving drought in each month and the whole growing season. The results indicated that: 1) from 1989 to 2018, a light-serious-light trend of drought was showed in Northeast China in a 10-year cycle, particularly which the worst drought was found in 2000-2010. There was an obvious effect using the SPEI for the drought, as the time scale increased, but there can be a time lag at a certain degree. 2) In the spring maize during growing season, the drought was tend to occur in May, with a high probability in the west of Jilin, the east of Inner Mongolia and the southwest of Heilongjiang. 3) Meteorological variations in the spring maize during growing season in Northeast China were mainly characterized by the increase of air temperature, together with the decrease of air pressure and wind speed. The change rates of average temperature (mean), the maximum temperature (max), the minimum temperature (min), the air pressure (APS) and the wind speed (WV) were 0.41 ℃/(10a), 0.42 ℃/(10a), 0.39 ℃/(10a), -0.05 kPa/(10a), and -0.08 m/(s·10 a), respectively. Other meteorological factors did not change significantly. 4) Dominant meteorological factors driving drought varied in the maize growth period in Northeast China. The significant factors were ranked in descend order: the precipitation (PRE), air relative humidity (RHU),maxand sunshine duration (SSD) in May, followed by the PRE, RHU, SSD andminin June, the PRE, RHU and SSD in July, the PRE,maxandmeanin August, and the PRE, RHU andmaxin September. In the whole growth season, the main meteorological factors were the PRE,max, SSD, and RHU. Specifically, the PRE played the most important role in drought in each month, compared with the other factors. The WV and APS showed the minimum influence on drought. This finding can offer a promising potential reference for the drought characteristics of the spring maize during growing season in Northeast China, and further to make the reasonable decisions for drought prevention.

crops; drought; meteorology; standardized precipitation evapotranspiration index; Northeast China;spring maize growing season

李崇瑞，游松財，武永峰. 東北地區干旱特征與春玉米生長季干旱主導氣象因子[J]. 農業工程學報，2020，36(19)：97-106.doi：10.11975/j.issn.1002-6819.2020.19.011 http://www.tcsae.org

Li Chongrui, You Songcai, Wu Yongfeng. Drought characteristics and dominant meteorological factors driving drought in spring maize growing season in northeast China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(19): 97-106. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2020.19.011 http://www.tcsae.org

2020-04-09

2020-09-17

國家重點研發計劃子課題（2017YFD0300402-2）

李崇瑞，主要從事農業災害監測研究。Email：858998723@qq.com

武永峰，副研究員，主要從事農業災害監測研究。Email：wuyongfeng@caas.cn

10.11975/j.issn.1002-6819.2020.19.011

P49

A

1002-6819(2020)-19-0097-10