孔 剛,張善亮,王 璐,黃生志,白玨瑩
(1.北京市水影響評價中心,北京 100161;2.中國電建集團華東勘測設計研究院有限公司,浙江 杭州 310014;3.北京中水科工程集團有限公司,北京 100048;4.西安理工大學西北旱區生態水利國家重點實驗室,陜西 西安 710048)
干旱是由于長時間降水的缺乏而導致的水資源供需不平衡、水分短缺的自然現象,因其具有復雜性、隨機性和反復性等特征[1-2],干旱發生頻率高,造成危害程度深,嚴重制約著農業、經濟、生態系統乃至社會的可持續性發展[3-4]。黃土高原是中國氣候敏感區和生態環境脆弱區,近幾十年來,在全球氣候變暖和人類活動(退耕還林、農田灌溉及城市建設等)共同作用下,該地區氣候要素的年際和季節差異較大,使得干旱發生的頻率、強度及持續時間增加,該地區面臨著高風險的極端干旱,對植被生長活動造成了巨大挑戰[5-6]。榆林市位于黃土高原北部,作為中國重要能源戰略后備基地,區域內水土流失嚴重,近年來干旱發生頻率也呈顯著增加趨勢,嚴重制約了當地經濟發展和生態環境修復。因此,研究榆林市不同等級干旱的趨勢及時空分布,對于保障該地區的經濟可持續發展和生態修復具有重要意義。
干旱發生主要是由長時間降水量虧缺導致[7],持續的干旱引起土壤含水量下降,從而影響作物生育期供需水量不平衡,阻礙作物正常生長發育[8]。為進一步量化干旱,國內外學者常采用影響干旱的氣象和水文要素建立不同的干旱指數來研究干旱,通過對干旱強度、持續時間、發生頻率、影響危害等進行時間演變和空間分布比較,從而達到度量、對比和綜合的研究目的。干旱指數作為量化地區干旱特征(如頻次、持續時間、烈度及空間范圍等)的重要變量,是旱情監測有效工具,在區域干旱反演、干旱評價和資源環境研究領域也有較多的應用[9]。目前,有超過150多種干旱指數被應用于表征不同類型的干旱[10],例如,帕爾默干旱指數(PDSI)、標準化降水指數(SPI)[11]、標準化降水蒸散發指數(SPEI)[12]、地表水供給指數(SWSI)[13]和標準化徑流指數(SRI)[14]等。其中, SPI由于具有計算簡便、空間可比性強及具有多時間尺度等優點[16],近年來得到廣泛使用,是被世界氣象組織(WMO)推薦使用的干旱指數[15]。肖名忠等[17]基于6個月時間尺度的SPI分析了珠江流域干旱時間變化特征并基于此研究了該流域干旱風險;郭佳香等[18]基于SPI和HI分析了淮河上中游流域干旱時空演變規律和干旱特征的敏感性;孫智輝等[19]采用SPI分析了黃土高原地區最近40 a的干旱特征。以往研究多針對于特定區域的干旱,而關于不同等級干旱演變規律探究較少,干旱等級作為表征干旱嚴重程度的重要指標,不同程度的干旱對區域帶來的損失差異顯著,因此識別不同等級干旱特征十分重要;此外,使用高分辨率的網格數據集來分析干旱時空演變特征的研究較少,有必要在高精度視角下分析干旱的時空特征來提高干旱監測的準確性。
榆林市屬溫帶半干旱大陸性氣候,日照時間長,降雨年內分布極度不均,長時間的降水虧損易引發干旱,連續的干旱極易威脅到榆林市社會生產和生態環境等的可持續發展。基于此,以榆林市為研究對象,采用月尺度的降水和土壤濕度數據計算2種標準化干旱指數,通過游程理論識別干旱歷時和烈度等特征,研究高精度視角下榆林市不同等級干旱的時空演變特征;并比較2種干旱指數所識別干旱特征的差異。研究結果有助于針對性地應對干旱,開展精準、有效的抗旱措施,同時對榆林市水資源的管理有著重要的意義。
榆林市位于陜西省最北部,地處黃土高原北部及毛烏素沙地南緣,東臨黃河與山西省相望,西連寧夏和甘肅,南與延安市接壤,北鄰內蒙古。地理位置處于107.25°~111.25°E,36.75°~39.75°N,總面積4.3萬km2,約占陜西省21%,管轄著一市二區九縣,研究區屬溫帶大陸性季風氣候區,年平均氣溫為8.4℃,年平均降水量為397.1 mm,在空間上從東南向西北遞減,年內分配極度不均,降水量主要集中在6—9月,研究區所處地理位置和行政區劃分布見圖1。截至2019年末,全市常住人口342.42萬人,城鎮化率59.54%。

圖1 榆林市地理位置及行政區劃示意
本研究在全球陸地數據同化系統(GLDAS)收集了1980—2014年榆林市空間分辨率為0.25°×0.25°的逐月降水和土壤濕度數據(https://search.earthdata.nasa.gov/)。GLDAS是全球高分辨率的陸地建模系統,由美國國家航空航天局(NASA)和美國國家海洋和大氣管理局(NOAA)聯合研發的,利用先進的地表建模技術和數據同化技術提取衛星數據和地面觀測數據以生成最佳的地表狀態和通量場[20]。與其他同類型數據相比,GLDAS產品數據具有時間跨度長和空間分辨率高的特點,對比分析GLDAS和中國氣象共享網降水資料,結果表明,該產品數據在榆林市有較好的適用性[21-22]。
本研究選取標準化降水指數(Standard Precipitation Index,SPI)和標準化土壤濕度指數(Standard Soil Moisture Index,SSMI)為干旱指標。Mckee等[23]為評估美國干旱狀況提出了干旱指數SPI,該指數適用于不同時間尺度和不同區域干旱的計算[5,16]。SPI假設降水時間序列服從伽馬分布,計算某時段降水的累積概率分布,然后將偏態分布的降水轉化為標準正態分布計算SPI,最后采用標準化的累積概率分布確定干旱等級。SSMI與SPI計算原理相同,先采用伽馬分布擬合SM數據,最后將累積分布函數標準化得到,具體計算方法見參考文獻[24]。SPI以及SSMI干旱等級劃分見表1。

表1 SPI/SSMI干旱等級劃分標準
根據SPI和SSMI,采用Yevjevich提出的游程理論對榆林市干旱特征變量中的干旱歷時和干旱烈度進行識別[25]。干旱事件識別前,首先確定發生干旱的閾值,本文依據干旱等級劃分標準確定,如設SPI0(SSMI0)=-0.5,當SPI(SSMI)≤SPI0(SSMI0)時,表現出干旱特征。令SPI和SSMI連續小于設定閾值所持續的時間為干旱歷時D,該次干旱事件中閾值與干旱指數所圍成的面積為干旱烈度S,干旱事件識別示意見圖2。此外,在本研究中計算了干旱面積百分比來評估區域干旱綜合旱情,其中干旱面積百分比為干旱的網格與全區總網格之比[26]。

圖2 干旱事件識別示意
Mann-Kendall趨勢檢驗(MK檢驗)是由Mann與Kendall提出的一種非參數檢驗方法。由于此方法適用性廣、不受異常值干擾,因而在水文領域被廣泛應用[4]。本研究采用MK法對干旱指數進行趨勢分析。對于隨機變量x1,x2,…,xn(n為系列長度),統計所有對偶值(xi,xj,j>i)中的xi (1) 式中: (2) (3) (4) 給定顯著性水平α,其雙尾檢驗臨界值為Uα/2,當|U|Uα/2)時,表明沒有顯著趨勢(具有顯著趨勢);如U>0(U<0),表明系列具有顯著上升(下降)趨勢。 3.1.1榆林市干旱面積百分比 由圖3可知,1981—2014年榆林市3個月時間尺度的標準化降水指數SPI3的干旱持續時間多在一年以內,出現跨年干旱較少;從圖3a可以明顯看出,干旱面積比在3—8月出現紅色較多,表明春夏季節干旱面積大于秋冬季節;此外,基于SPI3的干旱面積比在1997年6—12月、2001年3—9月、2005年3—12月等多個時段內紅色重復出現,表明大部分地區都歷經了長時間的降水虧損。同時從3個月時間尺度的標準化濕度指數SSMI3的干旱面積比圖中明顯看出在多個時間段內出現了跨年干旱,如1985年10月至1988年6月、1991年9月至1992年7月及2005年7月至2009年8月等,其干旱面積百分比超過了50%,表明榆林市部分區域土壤濕度在跨年干旱的時段內出現了較嚴重的虧損;對比SPI3與SSMI3的結果可知,SSMI3識別出的干旱月份持續時間較長,且與SPI3識別出的干旱月份相比有著時間上的推遲,如2013年SSMI3的干旱面積比在3、4月為0,但同時期SPI3干旱面積百分比大約為90%,即出現降水虧損基本上早于土壤濕度虧損。 a)基于SPI3 3.1.2干旱指數SPI、SSMI各月趨勢 采用MK法對干旱指數SPI和SSMI進行趨勢檢驗,結果見圖4、5。由圖4可知,榆林市1月和12月SPI3的趨勢檢驗統計量U值普遍大于0,2、9、10、11月全地區U值大于0,其中1月和11月西北地區、2月東部地區的SPI3通過了顯著性水平為0.05的趨勢檢驗,呈現顯著上升趨勢;3—8月全地區的U值小于0,即SPI3呈現下降趨勢。總體而言,榆林市各區縣SPI3在春夏季節呈現下降趨勢,秋冬季節具有上升趨勢。由圖5可知,基于SSMI3趨勢檢驗結果顯示,1—4、11—12月期間網絡U值基本在0值以上,1—4月的U值在空間上呈由東南向西北遞增的趨勢,其中1—2、11—12月榆林西北部地區的SSMI3通過了顯著性水平為0.05的趨勢檢驗,呈現顯著上升趨勢;6—10月的U值基本小于0,其中8—9月南部地區U值小于-1.96,表明SSMI3具有顯著下降趨勢。 對比SPI3和SSMI3的趨勢檢驗結果可以得出,SSMI3識別出的干旱下降趨勢晚于SPI3,即土壤濕度虧損晚于降水虧損;同時,兩干旱指數均在夏季呈現下降趨勢,表明榆林市夏季有變干趨勢,可能會發生更加嚴重的干旱。 a)1月 b)2月 3.2.1干旱頻次的空間分布特征 本研究使用了3個月時間尺度的SPI和SSMI對榆林市各地區的干旱頻次特征進行分析,結果見圖6—9;基于SPI3,榆林西北地區(神木、榆陽、靖邊等)干旱頻次較高,其他地區相對較低,發生干旱最多的是神木市(60次),干旱最少的是定邊西部地區(46次);且進一步分析了不同層級干旱發生頻次,圖7顯示輕旱次數多的地區主要位于在榆林西北地區(神木、榆陽、靖邊等),與圖6干旱頻次分布較為相似;中旱次數較多的地區位于榆林南部地區(靖邊、清澗),重旱頻發地區主要是榆林西南部(定邊)及北部(神木、府谷),榆林東部邊緣則是特旱頻次較高。 而基于SSMI3,結果見圖8、9,部分地區未發生重旱和特旱,從圖8可以發現,榆林西北地區的榆陽和橫山兩地干旱頻發,輕旱頻次高值出現在神木和榆陽,中旱次數較高的地區位于榆林市的西南部,榆林市東北部和南部區域重旱頻次高,榆林市西北部區域特旱頻次高。比較各層級干旱頻次和干旱頻次分布,特旱頻次和干旱頻次分布具有一致性。 圖6 基于SPI3的干旱頻次總體分布 圖7 基于SPI3的不同等級干旱頻次分布 圖8 基于SSMI3的干旱頻次總體分布 圖9 基于SSMI3的不同等級干旱頻次分布 3.2.2干旱歷時的空間分布特征 采用游程理論計算了1980—2014年榆林市104個網格的干旱歷時與烈度,結果見圖10、11,基于SPI3,榆林市平均干旱歷時介于2~3月,最大值出現在定邊,為2.6月,府谷北部也接近最大值,最小值出現在西北地區;由不同等級干旱的平均歷時見圖11,榆林南部的靖邊、橫山兩地平均輕旱歷時較大,平均中旱歷時較大值位于榆林市西南部定邊縣,平均重旱歷時較大值位于府谷縣及靖邊縣南部,榆林市南部區域的平均特旱歷時較大。對比圖10與圖11發現平均干旱歷時高值區與平均干旱歷時較為吻合。基于SSMI3,平均干旱歷時高值區域位于榆林市西南部和北部府谷縣,從不同等級干旱平均歷時分布可以看出平均干旱歷時高值區域位于榆林市東南部,平均中旱歷時高值區域位于榆林市南部和東北部,榆林市東北部區域(府谷、神木等)平均重旱歷時較長,平均特旱歷時高值區域位于榆林市北部(府谷)。比較圖12與圖13,平均干旱歷時較大值區域與平均中旱歷時及平均重旱歷時較大值區域相一致。 圖10 基于SPI3的平均干旱歷時分布 圖11 基于SPI3的不同等級干旱歷時分布(月) 圖12 基于SSMI3的平均干旱歷時分布 圖13 基于SSMI3的不同等級干旱歷時分布(月) 3.2.3干旱烈度的空間分布特征 基于SPI3、SSMI3計算得到的平均干旱烈度及不同等級平均干旱烈度一般呈現出與平均干旱歷時相似的分布特征,即干旱事件中,干旱歷時與烈度存在較高的相關性。由圖14知,基于SPI3的平均干旱烈度介于1~2之間,榆林北部與西南部地區平均干旱烈度較大;進一步分析不同等級干旱平均烈度,見圖15,平均輕旱烈度較大值多位于榆林市南部區域,平均中旱烈度較大值區域位于榆林市西南部,北部地區平均重旱烈度較大,南部地區平均特旱烈度較大。對比圖14與圖15,榆林市西南部區域因其平均中旱烈度大導致其平均干旱烈度大,而榆林市北部區域平均干旱烈度大原因在于其平均重旱烈度大。基于SSMI3,榆林市北部地區的府谷縣平均干旱烈度出現高值,東北部地區的輕旱、中旱、重旱及特旱平均烈度均較大,南部地區則是輕旱和中旱平均烈度較大,其南部邊緣區域平均特旱烈度大。 圖14 基于SPI3的平均干旱烈度分布 圖15 基于SPI3的不同等級干旱烈度分布 此外,使用SPI與SSMI識別出的干旱特征高值區域基本相同。當今,干旱會對人類生活、工農業等產生一定影響,而其中的重旱和特旱對生活、社會經濟及生態健康更具威脅。因此,有關決策部門應側重與榆林市重旱、特旱頻次高值地區,即榆林西北區域和南部區域的干旱事件。 圖16 基于SSMI3的平均干旱烈度分布 圖17 基于SSMI3的不同等級干旱烈度分布 本文借助榆林市1980—2014年逐月降水和土壤濕度的網格數據,得出3個月時間尺度的標準化降水指數SPI及標準化土壤濕度指數SSMI,使用游程理論識別干旱事件,提取了不同等級干旱事件的干旱特征,同時用干旱面積百分比反應榆林市干旱在時間上的分布,除此之外,還研究了干旱歷時、烈度和頻次在空間上的分布特點,主要結論如下。 a)春夏季節干旱面積大于秋冬季節,且存在降水虧損歷時超6個月以及土壤濕度虧損歷時超12個月現象,降水虧損基本在土壤濕度虧損之前出現。 b)榆林市不同季節存在不同趨勢,變濕趨勢出現在春冬季,變干趨勢出現在夏季,且在榆林南部區域(靖邊、橫山、清澗等)有著明顯變干趨勢。 c)榆林市干旱頻發高值區域和重旱、特旱頻發高值區域并不相同。重旱、特旱頻發高值地區位于榆林市南部、北部及東部邊緣;且干旱烈度和歷時存在較強的相關性,干旱歷時的分布特征與平均干旱烈度及不同層級平局干旱烈度的分布特征呈現出一致性,榆林市北部和南部區域平均重旱歷時、平均特旱歷時及其對應的平均烈度都較大。 總體上,干旱對榆林市有著嚴重威脅,而該地區處于黃土高原實施退耕還林等生態修復措施的重點區域,長歷時與高烈度的干旱可能會對植被生長產生不利影響。

3 結果分析
3.1 干旱的時間分布特征





3.2 干旱的空間分布特征












4 結論