貴州省綜合干旱指數構建及應用研究

劉振男 周靖楠 龔宇 徐敏

摘要：

構建有效干旱指數是識別、評價實際旱情的關鍵，以貴州省為研究區域，基于月尺度降水、氣溫、土壤含水量數據，以GB/T 20481-2017《氣象干旱等級》中綜合干旱指數（CI）的構建方法為參考，采用主成分分析對上述多源數據集進行融合計算，提出了一種物理機制清晰、應用簡便的綜合干旱指數（PTS）。評價了該指數在貴州省的適用性，檢驗了該指數表征旱情時空演變全過程特征的能力，分析了該指數與其他常用干旱指數間的性能差異。結果表明：在干旱歷時與強度方面，新構建的綜合干旱指數能夠準確地識別出貴州省全部6次典型旱情，同時其刻畫的干旱發生-發展-消退全過程時空演變特征與歷史資料基本一致。該干旱指數不但克服了典型氣象干旱指數出現的高估旱情等級問題，而且對旱情態勢走向評價更加準確。

關 鍵 詞：

干旱指數； 旱情評價； 主成分分析； 貴州省

中圖法分類號： TV11

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.008

0 引 言

近年來，隨著全球氣候變暖和人類活動加劇，中國傳統濕潤區貴州省干旱事件頻發，給當地經濟造成了巨大損失 ［1-2］。準確刻畫貴州省干旱全過程特征，不僅有助于指導抗旱減災工作的具體部署，對深入剖析喀斯特地區干旱形成機理也具有重要研究價值。目前，對貴州省干旱評價的研究主要基于單要素干旱指數，如毛春艷等［3］采用降水距平百分率指數（PI）對貴州山區的干旱情勢進行了評價并指出當地干旱情勢與地形因子關系密切；吳建峰等［4］基于標準降水指數（SPI）分析了貴州近半世紀的氣象干旱時空演變特征；劉振男等［5］基于中國氣象局全球大氣/陸面再分析產品（CMA-RA）計算了貴州標準化土壤濕度指數（SSI）并驗證了該指數對研究區農業干旱評價的適用性。由于各研究切入點與數據來源不同，僅從氣象、農業等視角片面地對干旱情勢進行評價，無法全面客觀地反映干旱特征全貌。為此，能夠多維度識別干旱特征的指數也被引入到研究區的應用當中。例如，慎東方等［6］選用標準化降水蒸發指數（SPEI）對貴州氣象干旱的歷時與烈度進行了識別與評價，結果表明同時考慮降水與蒸發的指數所得結果更加可靠；吳哲紅等［7］分別運用綜合氣象干旱指數（CI）對貴州安順地區的氣象干旱進行了評價，結果表明該指數的評定結果更能反映實際旱情特征；王文等［8］基于遙感監測數據研究了標準化降水指數（SPI）、偵測干旱指數（RDI）及蒸散發脅迫指數（ESI）在云貴高原區的干旱評價效果，結果證實同時考慮實際蒸散發和潛在蒸散發的蒸

散發脅迫指數比考慮單一蒸散發因素的干旱指數在監測干旱方面更有效；張建平等［9］基于相對濕潤指數（MI）與歸一化植被指數（NDVI），構建了綜合干旱指數（DI）并驗證了其對西南地區的干旱評價效果優于其他單一干旱指數。由此可見，采用多要素干旱指數對研究區的干旱評價更加可靠，但當前用于研究區的綜合干旱指數數據來源過于單一，或均采集自監測站點，或均來源于遙感監測，而采用多源數據耦合構造綜合干旱指數的研究并不多見，對其評價效果的適用性也沒有充分認識。因此，本文基于監測站點的降水、氣溫數據及全球大氣/陸面再分析產品的土壤含水量數據，采用主成分分析方法構建一種適用于評價貴州省干旱的綜合干旱指數，并與SPEI指數和SSI指數進行對比，驗證了新構建指數在貴州省干旱評價中的適用性。研究成果可為提升研究區干旱監測預警能力提供技術參考。

1 研究區域與方法

1.1 研究區概況

貴州省（東經103°36′～109°31′，北緯24°37′～29°13′）位于中國西南，是典型的喀斯特地貌集中區，山地與丘陵占貴州省總面積的90%以上，地勢呈西高東低之態，平均海拔為1 100 m，為濕潤地區，屬亞熱帶濕潤季風氣候，年內氣溫差異性較小，多年平均氣溫約為15 ℃，雨量大但分布不均，降水主要集中在5～10月，多年平均降水量約為1160.6 mm，常年相對濕度在70%以上，局部氣候特征顯著，干旱、凌凍等災害性天氣多發，給當地社會造成了巨大危害，引起了當地政府和相關組織的高度關注［10］。

1.2 數據來源

貴州省37個氣象站的降水與氣溫數據收集自中國國家氣象信息中心（NMIC），以數據完整度與系列長度為標準，對各站點的數據進行了再次遴選，最終確定選用19個氣象站點的數據進行研究，上述站點空間分布均勻，具有較高的代表性與可靠性，具體氣象站點信息如圖1所示。土壤含水量數據采集自中國氣象局全球大氣/陸面再分析產品（CMA-RA），由于0～10 cm土層的含水量能夠有效表征農業干旱的實際情況［11-12］，為此，本文選用的0～10 cm土壤含水量數據提取自同化產品“CRA40LAND”，空間分辨率為0.5°×0.5°，時間分辨率為1個月。降水、氣溫與土壤含水量數據的時間起止為2009年1月至2020年12月，上述數據資料下載自中國氣象數據服務網（http：∥data.cma.cn/）。

1.4 綜合干旱指數評定等級的確定

綜合干旱指數（PTS）應用的關鍵在于確定其合理的干旱評定等級。本文參考文獻［18］的確定方法，即基于月時間尺度的SPEI指數和SSI指數對應的不同干旱發生頻率均值（見表1），反算得到了PTS的干旱評定等級標準（見表2）。SSI指數的計算原理與SPEI指數相近，具體可參考文獻［5］。

2 結果與分析

2.1 綜合干旱指數適用性分析

為了檢驗綜合干旱指數在貴州省干旱事件評價的適用性，依據水利部發布的《中國水旱災害公報》（http：∥www.mwr.gov.cn/sj/tjgb/zgshzhgb/），整理了貴州省2009～2020年間的實際旱情資料。據統計，貴州省12 a間有6 a發生了干旱，具體時間分別為：2009年、2010年、2011年、2012年、2014年與2018年。根據PTS的干旱等級評定標準，將PTS≤-0.36作為干旱發生的臨界點，將其持續時間作為干旱歷時，干旱歷時期中PTS的最小值作為干旱強度的判定條件。

表3和圖2展示的是貴州省旱情歷史資料與綜合干旱指數PTS間的比對結果。可以看出，新構建的PTS指數較好地識別出發生在貴州省的4次干旱事件，PTS指數所顯示的干旱歷時與干旱強度與實際資料基本相符，尤其是對2009年、2010年及2011年干旱事件的評價更加準確。例如，就干旱歷時比對情況而言，歷史資料指出“自2009年9月中旬，貴州出現旱情，到2010年5月，旱情減緩”，而PTS指數顯示此次旱情起止時間約為2009年9月至2010年5月；就干旱強度比對情況而言，歷史資料指出：2011年9月，旱情達到高峰期，而PTS指數的最小值亦出現在2011年9月份，數值為-1.25，旱情等級為重旱。由此可見，PTS指數能對貴州省實際干旱情況進行準確的評價，說明其適用于研究區的干旱評價，且評價結果具有較好的可靠性。

2.2 綜合干旱指數監測典型干旱能力分析

選用貴州省2009～2010年秋冬春三季連旱作為典型案例，檢驗綜合干旱指數PTS監測旱情過程的能力。2009年與2010年的《中國水旱災害公報》記錄：此次旱情開始于2009年9月中旬，貴州東北部、北部、西北部與東南部地區最早出現旱情，2009年12月旱情開始迅速發展，直至2010年4月末，旱情逐漸開始緩解，2010年3，4月旱情最為嚴重，部分地區干旱強度達到特旱。

基于Arcgis軟件平臺，采用反距離插值繪制出綜合干旱指數PTS監測2009～2010年旱情時空演變過程（見圖3）。就時間尺度而言，此次旱情最早發生于2009年9月，見圖3（a），且研究區局部有5個月出現了特旱，即2009年9月、2009年11月、2010年1月、2010年2月及2010年3月，PTS的峰值出現于2010年3月（PTS≈-2.44，特旱），自2010年4月開始，旱情逐漸開始減弱。就空間尺度分析，旱情最早發生于貴州西部、北部、東北部及東南部，旱情等級均達重旱以上，見圖3（a），2009年10月旱情出現了大幅蔓延之勢，見圖3（b），直至2010年1月旱情開始穩定擴散至全省，見圖3（e），2010年2月與3月旱情最為嚴重，貴州東南部、東北部及西南部地區旱情等級已到達特旱，見圖3（f）與圖3（g），旱情于2010年4月開始有所減弱，見圖3（h）。顯然，綜合干旱指數PTS反映的旱情時空演變特征與歷史資料描述情況基本一致，說明PTS具備良好的旱情監測能力，可用于評價貴州省實際旱情的指數。

2.3 綜合干旱指數與其他干旱指數對比分析

基于月尺度的氣象干旱指數（SPEI）、農業干旱指數（SSI）與綜合干旱指數（PTS）計算了不同干旱指數間的相關系數，結果表明PTS與SPEI、SSI間的相關系數值分別為0.682 8及0.879 2，顯然PTS與SPEI、SSI均呈正相關關系，這與PTS指數的構建原理相符，表明了PTS在評價干旱時能同時兼顧降水、氣溫與土壤含水量的影響；同時發現，由于計算SPEI與SSI時的基礎數據無交叉，因此SPEI與SSI間的相關系數僅為0.126 1。PTS、SPEI與SSI指數監測研究區干旱的變化過程見圖4。由圖4可知，氣象干旱指數SPEI隨著時間變化曲線波動明顯，同時對干旱過程反應敏感，能夠較早捕捉到干旱未來發展態勢信息，但識別干旱穩定性一般，會出現高估旱情等級的現象。農業干旱指數SSI對實際旱情評價較為客觀，與歷史資料信息反映的情況大體相符，但有評價遲滯現象，即SSI反映旱情時間往往落后于實際情況。綜合干旱指數PTS的評價結果與SSI的評價結果較為接近，但PTS克服了SSI的遲滯現象，對干旱的反映更加及時。

為了深入剖析不同干旱指數間的性能差異，以2009～2010年貴州省典型干旱事件為例，再次對3種干旱指數的評價過程進行分析。總體而言，3種干旱指數均對典型旱情做出了有效識別，即干旱歷時均為8個月，干旱強度均為特旱。就評價旱情過程細節而言，SPEI顯示2009年9月干旱等級就達到了特旱，并持續6個月，直到2010年3月逐漸緩解；SSI顯示2009年9月起旱情為重旱水平，2010年2月與3月旱情達特旱；PTS同樣顯示2010年2月與3月旱情為特旱水平，但在2009年9～12月，旱情有從輕旱向重旱過渡階段，這與歷史資料所描述的情況更加相符。就旱情等級評價細節而言，歷史資料指出“本輪旱情在2010年3月與4月份最為嚴重”，PTS顯示3月份旱情為特旱、4月份旱情為重旱，SPEI顯示3月份旱情為輕旱、4月份旱情為無旱，SSI顯示3月份旱情為特旱、4月份旱情為輕旱。顯然，PTS的評價結果較SPEI，SSI更加貼合實際情況，即對4月份的旱情走勢評價更為準確。

3 討 論

本文基于降水、氣溫以及土壤含水量數據，采用主成分分析法構建了一種適用于貴州省的綜合干旱指數PTS，以《中國水旱災害公報》的記載資料為背景，檢驗了PTS評價實際旱情的能力，且探明了其與SPEI、SSI指數在識別旱情方面的差異性，研究成果可為貴州省干旱防治工作提供一定的技術參考。

雖然研究取得些許成果，但仍有不足之處：① 致旱要素眾多，諸如降水、氣溫、徑流、日照時數、地貌特征等都會對干旱產生一定影響［19］，而本文僅考慮了降水、氣溫與土壤含水量的耦合作用，后續可在此研究基礎上，適時增加其他相關影響要素，進而提高綜合干旱指數的普適性與可靠性，為準確刻畫研究區干旱全貌特征提供有力工具；② 當前干旱指數種類眾多，本文僅對PTS與SPEI、SSI指數的性能差異性進行了對比分析，未將PTS與其他不同類型干旱指數進行對比分析，今后可作進一步的討論、驗證；③ 旱情嚴重期，對干旱實時評價的時間往往以日、候為尺度［20］，本文受限于數據資料時間分辨率的客觀原因，未以日、候的時間尺度對PTS進行計算分析，下一步可采用降尺度等方法提高數據的時間分辨率，從而滿足政府與相關部門的實際業務需求。

4 結 論

本文收集了貴州省月尺度降水、氣溫與土壤含水量數據，基于主成分分析法構建了綜合干旱指數PTS，檢驗了PTS指數在貴州省干旱評價中的適用性與可靠性，得到結論如下：

（1） 綜合干旱指數PTS能夠很好地識別貴州省的實際旱情，是一種研究貴州省干旱的有效指數。

（2） 綜合干旱指數PTS具備良好的旱情監測能力，其反映的旱情時空演變特征與歷史資料描述情況基本一致。

（3） 綜合干旱指數PTS、SPEI與SSI指數在評價干旱情勢方面能力大體相當，但在旱情細節評價方面，PTS較SPEI、SSI指數更有優勢。

參考文獻：

［1］ 劉振男，杜堯，韓幸燁，等.基于遺傳算法優化極限學習機模型的干旱預測：以云貴高原為例［J］.人民長江，2020，51（8）：13-18.

［2］ LI Q，DU Y，LIU Z，et al.Drought prediction in the Yunnan-Guizhou Plateau of China by coupling the estimation of distribution algorithm and the extreme learning machine［J］.Nat Hazards，2022，113：1635-1661.

［3］ 毛春艷，戴麗，楊廣斌，等.1960-2016年貴州喀斯特山區干旱時空動態分析［J］.水資源與水工程學報，2021，32（3）：64-72，79.

［4］ 吳建峰，張鳳太，盧海芬，等.基于標準化降水指數的貴州省近54年干旱時空特征分析［J］.科學技術與工程，2018，18（15）：207-214.

［5］ 劉振男，焦衛國，王笑宇，等.基于標準化土壤濕度指數的貴州省農業干旱評價［J］.中國農村水利水電，2022（11）：1-5，12.

［6］ 慎東方，商崇菊，方小宇，等.貴州省干旱歷時和干旱烈度的時空特征分析［J］.干旱區資源與環境，2016，30（7）：138-143.

［7］ 吳哲紅，詹沛剛，陳貞宏，等.基于CI指數和K指數的近40a貴州安順區域干旱演變特征［J］.冰川凍土，2013，35（4）：1044-1055.

［8］ 王文，黃瑾，崔巍.云貴高原區干旱遙感監測中各干旱指數的應用對比［J］.農業工程學報，2018，34（19）：131-139，309.

［9］ 張建平，劉宗元，王靖，等.西南地區綜合干旱監測模型構建與驗證［J］.農業工程學報，2017，33（5）：102-107.

［10］ 劉振男.中長期干旱預測研究：以云貴高原為例［D］.南京：河海大學，2019.

［11］ 牛乾坤，劉瀏，程湫雅，等.基于多源遙感數據的河套灌區干旱時空演變特征［J］.干旱地區農業研究，2020，38（4）：266-277.

［12］ SHEFFIELD J，GOTETI G，WEN F，et al.A simulated soil moisture based drought analysis for the United States［J］.Journal of Geophysical Research，2004，109：1-19.

［13］ 吳志勇，程丹丹，何海，等.綜合干旱指數研究進展［J］.水資源保護，2021，37（1）：36-45.

［14］ 袁星，王鈺淼，張苗，等.關于驟旱研究的一些思考［J］.大氣科學學報，2020，43（6）：1086-1095.

［15］ 粟曉玲，梁曉萱，吳海江，等.表征生態狀況的綜合干旱指數構建及干旱風險分析［J］.水資源保護，2023，39（2）：50-58，100.

［16］ 郭盛明.綜合干旱指數構建及其適用性研究［D］.楊凌：西北農林科技大學，2021.

［17］ 常文娟，梁忠民，馬海波.基于主成分分析的干旱綜合指標構建及其應用［J］.水文，2017，37（1）：33-38，82.

［18］ 馬俊超，杭慶豐，李瓊芳，等.基于VIC模型的灤河流域綜合干旱指數的構建與應用［J］.水資源與水工程學報，2015，26（2）：79-84.

［19］ 馮寶飛，邱輝，紀國良.2022年夏季長江流域氣象干旱特征及成因初探［J］.人民長江，2022，53（12）：6-15.

［20］ 虞美秀.綜合干旱指數的構建與應用［D］.南京：河海大學，2013.

（編輯：江 文）

Abstract：

The construction of an effective drought index is the key to identifying and evaluating the actual drought situation.Taking Guizhou Province as the study area，a comprehensive drought index with a clear physical mechanism and easy application was developed based on monthly precipitation，temperature and soil moisture content according to the method in GB/T 20481-2017.The above multi-source data sets were fused and calculated by Principal Component Analysis.The applicability of the index in the study area was evaluated.The ability of the index to represent the whole process of spatio-temporal evolution of drought was tested.The performance difference between this index and other commonly used drought indexes was analyzed.The results show that the newly constructed comprehensive drought index can accurately identify all 6 typical droughts in the study area in terms of drought duration and intensity.Meanwhile，the spatio-temporal characteristics of the whole process of drought occurrence，development and subside are basically consistent with the historical data.This drought index not only overcomes the problem of overestimation of drought grade that exists in typical meteorological drought index but also evaluates the drought trend more accurately.The research results can provide a technical reference for drought relief work in Guizhou Province.

Key words：

drought index；drought assessment；principal component analysis；Guizhou Province