黄淮海平原及其附近地区干旱时空动态格局分析_基于标准化降雨指数

第33卷第3期2011年3月2011，33（3）：468-476Resources ScienceVol.33，No.3Mar.，2011文章编号：1007-7588（2011）03-0468-09黄淮海平原及其附近地区干旱时空动态格局分析——基于标准化降雨指数赵林1,2,3,武建军1,2,3,吕爱锋4,刘晓晨1,2,3,刘明1,2,3（1.北京师范大学地表过程与资源生态国家重点实验室，北京100875；2.北京师范大学民政部/教育部减灾与应急管理研究院，北京100875;3.北京师范大学环境演变与自然灾害教育部重点实验室，北京100875;4.中国科学院地理科学与资源研究所，北京100101）摘要：本文根据中国气候区划图将黄淮海及其附近地区划分为4个气候子区域，利用该区域气象站点1961年-2008年的降水数据计算出子区内各站点的不同时间尺度的标准化降雨指数（Standardized Precipitation Index,简称SPI ）；通过各子区站点的SPI 差异分析了研究区内发生干旱的时空差异及其动态格局。

结果表明：在3个月尺度上，A 区、B 区发生严重、极端干旱的频率较高，然而整个研究区发生总体干旱的频率没有明显区别；在6个月尺度上，A 区、B 区发生干旱的频率较高，C 区、D 区发生极端干旱的频率较低，其中安徽北部和河南东部地区发生严重等级干旱的频率较高；在12个月尺度上，A 区、B 区发生总体干旱的频率较高，C 区、D 区发生严重干旱和极端干旱的频率较高；就季节性干旱而言，在3个月尺度上，4个子区域发生各等级干旱的频率也存在较大差别。

此外，从12个月尺度SPI 值时间序列变化趋势来看，1962年-2008年全区干旱有轻微加重的趋势，且整个研究区及其各子区域干旱变化趋势处于波动中，全区20世纪60年代和90年代有明显加重趋势，70、80年代以及2000年以来有减缓的趋势。

关键词：干旱；黄淮海地区；SPI ；时空格局1引言干旱是指在长期无降水或降水异常偏少的气候背景下，由于水分的收支或供求不平衡形成的水分短缺现象[1-3].干旱给人类社会造成严重损失。

据统计，世界范围内在各类自然灾害造成的总损失中，气象灾害引起的损失约占85%，而干旱占气象灾害损失的50%左右[4]。

中国干旱灾害发生频繁，常年农作物受旱面积约0.20~0.27亿hm 2，每年因旱灾造成的粮食损失在100~200亿kg ，占各种自然灾害损失总量的60%[5]。

中国北方是干旱频发的主要地区，仅2000年全国受旱面积高达4054万hm 2，其中北方15省（市、区）受旱面积占全国的70%[7]。

随着全球气候变暖和降水时空分布的时空不均匀性加剧，全球陆地上干旱区的面积增加了一倍多[10]。

1950年-2000年间，我国北方主要农业区干旱面积呈扩大趋势，特别是华北等地干旱面积扩大迅速，而且极端年份干旱面积显著扩大[8]。

如何应对不断严峻的干旱形势，减少干旱给人类社会和生态环境带来的影响，开展区域干旱时空动态变化特征研究，深入探讨区域干旱发生及其变异规律，对于提高干旱管理的科学性和前瞻性都具有重要的科学意义。

区域干旱时空动态监测的方法多种多样，既有基于站点的观测法[11-16]，也有基于遥感的大尺度反演方法[17-22]以及基于气象数据的模型方法。

气象指数法因其算法一致性高、计算简便快捷、对干旱反应灵敏、时间序列长、时间尺度灵活、数据稳定等优点，目前被广泛应用于不同时空尺度上干旱动态的研究。

帕默尔指数（Palmer Drought Severity Index ，简称PDSI ）和SPI 指数是最常用的气象干旱指数。

收稿日期：2010-06-10；修订日期：2010-12-01基金项目：国家自然科学基金项目（编号：NSFC40601091,NSFC40801216）；国家科技支撑计划项目（编号：2006BAC18B06）。

作者简介：赵林，男，重庆市江津区人，博士生，主要从事干旱灾害风险研究。

E-mail:zhaolin@ 通讯作者：武建军，E-mail:jjwu@2011年3月赵林等：黄淮海平原及其附近地区干旱时空动态格局分析PDSI 主要反映的是土壤干旱状况，它可以较好地监测土壤水分以及径流的变化情况，但是一些学者也提出了它的局限性[23-27]，主要有以下几点：①在计算过程中需要确定干旱和湿润期的开始和结束时间，因此该指数对土壤干旱的反应不够迅速灵敏；②过程参数仅参考美国少数地区得出，不具有区域推广性；③对土壤有效含水量（AWC ）的依赖性较大；④它所采用的双层土壤模型较为简单，不能较好地反映实际情况；⑤未考虑降雪、雪盖和冻土等因素，因此在冬春季有降雪的地区并不适用；⑥未充分考虑降水和地表径流之间的滞后时间，导致地表径流量被低估；⑦潜在蒸散量计算不够准确。

而SPI 指数主要反映的是气象干旱状况，它抓住了降水这一在干旱形成过程中的决定性因素，对干旱反应敏捷，且计算过程十分简便，时间尺度十分灵活，经过标准化后在不同时间尺度以及不同区域间都具有可比性，Guttman [27]通过对PDSI 和SPI 的比较分析指出SPI 比PDSI 更具有统计上的一致性。

国外很多学者利用SPI 指数做了很多区域干旱时空格局的相关研究工作[28-32]。

我国应用SPI 进行干旱监测和时空分析的研究案例相对较少，最近几年才逐渐有一些研究成果出现。

袁文平等[33]通过对比研究认为SPI 优于Z 指数,能够有效地反映我国各个区域和各个时段的干旱状况。

李伟光等[34]采用SPI 分别对我国海南省进行了干旱监测和分析，结果表明该指数可较好地进行气象干旱监测与评价。

车少静等[35]和闫峰等[36]分别基于站点尺度和栅格尺度的SPI 对河北省的干旱时空分布特征进行了刻画。

这些国内外的相关研究对于利用SPI 指数来认识区域干旱时空格局及其变化特征研究提供了很好的借鉴。

黄淮海平原是我国农业发展最早的地区之一，也是全国粮、棉、油生产大县分布最集中的地区，据统计，1998年该区粮食总产占全国总产的21.6%，棉花总产占36.3%，油料总产占24.0%[37]。

由于气候和自然条件的影响，此区是我国旱灾多发区和重发区，每年因旱灾造成的经济损失十分严重，对该区干旱时空格局发展规律的研究具有重要的科学意义和实践意义。

此外，由于紧靠黄淮海平原的山西省和内蒙古部分地区处于温带半干旱区，受干旱的影响也十分严重，因此本文以更广范围的黄淮海平原及其附近地区（包括了传统意义上的黄淮海平原及其周边的山西和内蒙古部分地区）为研究区，基于区内气象站点上的降雨量数据，利用SPI 指数序列的时间变化及其所确定的各等级干旱发生频率的空间分布来深入分析黄淮海地区近48年气象干旱的时空格局变化规律。

2研究区、数据和方法2.1研究区和数据研究区位于108.5°E-120.5°E ，32°N-44.5°N ，是我国旱灾多发区和重发区。

该区包括了传统意义上的黄淮海平原及其周边的山西和内蒙古部分地区，包括北京市、天津市、河北省、山西省以及内蒙古自治区、山东省、河南省、浙江省和安徽省的部分地区（图1）。

本文采用的数据由中国气象科学数据共享服务网（/）提供，包括了研究区69个气象站点（如图1所示）1961年-2008年月降雨量数据，以此作为计算SPI 值的输入参数。

利用中国气象科学数据共享网（/）提供的气象站点月降雨量数据作为输入参数，计算气象干旱指数SPI ，利用该指数所确定的干旱等级结合干旱频率公式计算出研究区每个站点每个干旱等级图1研究区Fig.1Study area469第33卷第3期资源科学的发生频率，再将其导入到ArcGIS 软件中绘制成干旱频率专题图，以分析研究区干旱的空间分布特征。

同时，将12个月尺度的SPI 值进行平均处理后可以得到研究区及其子区域的12个月尺度SPI 值的时间序列，并对其时间序列变化趋势在年代际尺度上进行分析。

2.2标准降雨指数的计算标准化降水指数（Standardized Precipitation Index ）简称SPI ，是由McKee T.B.等[38-39]于1993年开发的气象干旱指数，在计算时只需输入30年以上的月降雨量数据序列。

它可以计算1个月、3个月、6个月等短时间尺度，也可以计算12个月、24个月、48个月等长时间尺度，但需要注意的是，在计算长时间尺度的SPI 时，输入的月降雨量数据序列就需要更长一些才能保证计算的准确度。

不同时间尺度的SPI 值体现水分亏盈的侧重点不同（National Drought Mitigation Center ’s website,/ndmc/），1个月、3个月、6个月等短时间尺度的SPI 值代表的是区域短时间内的水分亏盈情况（例如土壤湿度），可以反映农作物在生长期的水分供给是否充足等状况。

而12个月、24个月、48个月等长时间尺度的SPI 值代表的是区域长时间的水分亏盈情况，可以反映河流水位、水库水位、地下水水位等状况。

SPI 的主要计算过程如下[33]：找到一个合适的Gamma 概率分布函数去匹配处理后的数据（因为McKee 等人在分析大量历史资料后发现月降雨量是比较符合Gamma 分布特征的）。

假设某一时段的降水量为x ，则其γ分布的概率密度函数为:g (x )=1βαΓ(α)x α-1e -x /β(x >0)Γ(α)=∫0∞x α-1e -xd x（1）式中α为形状参数；β为尺度参数；x 为降雨量；Γ(α)是gamma 函数。

用最大似然法去估算α和β的最佳值，即：α̂=β̂=x ˉα̂A =ln(x ˉ)-∑ln(x )n （2）式中n 为计算序列的长度。

然后，在计算得到累积概率密度函数G (x )后，又考虑到Gamma 函数对x =0时没有定义，而降水序列可能会包含0值，因此采用以下公式对G (x )进行转换：H (x )=q +(1-q )G (x )（3）式中q 是降水序列中0值出现的频率。

再用高斯函数将H (x )标准化后得到最终的SPI 值，以便不同区域间指数值可比较。

最后得出SPI 值后，根据累积概率分布函数可以确定干旱等级，如表1所示。

本文对研究区内69个气象站点分别进行了3个月、6个月、12个月尺度的SPI 值的计算（结果分别记为SPI 3、SPI 6、SPI 12），然后根据表1对应的干旱等级进行统一划分，计算每一个等级干旱发生的频率F 。

频率计算方法为：F =发生某一等级干旱的月份记录数/总月份记录数。

2.3子区域划分为了更好的揭示该区干旱时空动态格局，本文以中国气候区划图为基础地图，通过合并亚区，将研究区划分为4个子区域，如图2所示。