基于SPI的黄河谷地气象干旱特征
黄河源区历史时期干湿变化特征分析
黄河源区历史时期干湿变化特征分析黄河源区是指黄河的发源地，位于青海省、甘肃省和四川省交界处。
黄河源区是中国重要的水源补给区域，对于黄河流域以及中国的生态环境具有重要的意义。
在历史时期，黄河源区的干湿变化经历了较大的波动。
根据古地理、古气候学和历史文献等资料的研究，可以大致归纳出以下几个干湿变化特征：1. 冰期干旱期：在晚更新世的冰期时期，黄河源区受到了气候干旱的影响，水源供给相对较少。
冰期干旱期对黄河源区的水资源形成了负面影响。
2. 湿润期：在冰期之后，随着气候的变暖，黄河源区出现了湿润的气候条件。
湿润期使得黄河源区的降水量增加，水资源得到了较好的充实，水文条件较好。
3. 间冰期干旱期：在湿润期之后，黄河源区又经历了一个间冰期干旱期。
这一时期的干旱导致了黄河源区的水源缺乏，水文条件恶化。
4. 现代时期的干旱期：进入现代时期，黄河源区的水文条件再次出现了恶化。
这一时期的干旱主要受到全球气候变化和人类活动的影响。
从历史时期干湿变化的特征可以看出，黄河源区的水文条件在不同的时期有着较大的差异。
气候变化是影响水资源形成和分配的重要因素，受到全球气候变化的影响，黄河源区的水文条件经历了不同的阶段。
人类活动对于黄河源区的干湿变化也具有一定的影响。
近年来，随着人类对于水资源的过度使用和过度开发，黄河源区的水资源供给受到了极大的影响。
人类活动引发的水土保持问题、水资源消耗问题等，进一步加剧了黄河源区的水文环境恶化。
黄河源区在历史时期的干湿变化特征是多样的，受到全球气候变化和人类活动的影响。
为了保护黄河源区的水资源，应当加强水资源管理、生态保护和环境治理，合理利用水资源，减少水资源的消耗，保护好黄河源区的生态环境。
基于 SPI 指数的辽源市干旱特征研究
基于 SPI 指数的辽源市干旱特征研究摘要：本文基于辽源市1960-2019年逐月降水量数据，选取标准化降水指数（SPI）作为干旱衡量指标，研究辽源市近60a来干旱时间序列分布特征和干旱等级情况，结果表明：以a为尺度分析，辽源市出现干旱的频率达到33.3%，与夏季干旱频率相近；近30a干旱发生频率有明显增加的趋势，干旱频率高达50%，对比前30a为16.7%；近20a夏季干旱出现频率同样显著增加，达到45%，对比此前40a频率只有25%；春季干旱频率为26.7%，其中春季严重干旱频率较低只有6.7%，但在所有春季干旱的年份中占比较高；春播关键期的5月干旱年份中严重干旱占比为33.3%，中旱以上占比66.7%。
关键字：辽源市；标准化降水指数；干旱等级辽源市位于吉林省中南部，地处长白山余脉向松辽平原的过渡地带，地理概貌为五山一水四分田，属低山丘陵区。
辽源市幅员面积5140平方公里，总人口130万，其中农业人口64.1万人。
东丰、东辽两县均是国家商品粮基地县。
全市耕地面积363万亩，其中坡地、平地、洼地各占三分之一，农民人均耕地5.5亩。
辽源属半湿润温带大陆性季风气候，一年四季分明，降水主要集中在夏季，季节间和多年间分布很不均衡，容易出现干旱，甚至春夏连旱，对农业生产影响较大。
1 研究方法1.1 标准化降水指数（SPI）由于降水量不同时间和空间的变化幅度很大，一般不是正态分布，而是呈现一种偏态分布。
因此在降水分析和干旱监测、评估中，通常采用Γ分布来描述降水量的变化。
在此基础上，再经过正态标准化处理，可计算得到标准化降水指数（简称SPI），最终用标准化降水累积频率分布来划分干旱等级[7]。
1.2 干旱评价指标本文利用标准化降水指数来划分干旱等级，并采用干旱频率指标评估辽源市干旱的时间序列分布特征，具体指标解释如下：1）标准化降水指数（SPI）划分的干旱等级见下表[7]：2）干旱频率，用于评价某站点有资料年份内发生干旱的频率程度[8]。
黄河源区历史时期干湿变化特征分析
黄河源区历史时期干湿变化特征分析黄河源区位于青藏高原东北部，是黄河的发源地之一，是中国重要的水资源基地之一。
长期以来，黄河源区的干湿变化对于黄河上游地区的生态环境和水资源分布起着至关重要的作用。
对黄河源区历史时期的干湿变化特征进行分析，有助于我们更好地了解区域气候变化规律，为未来的水资源规划和生态环境保护提供科学依据。
黄河源区历史时期的干湿变化特征，受到多种因素的影响，包括气候变化、人类活动等。
气候变化是主要影响因素之一。
黄河源区气候类型属于青藏高原季风型气候，呈现出明显的干湿季节变化特征。
根据相关资料分析，黄河源区历史时期的干湿变化可大致分为以下几个时期：古代时期、中古时期、近现代时期等。
在古代时期，黄河源区干湿变化受自然气候因素的影响较大。
史书记载，古代时期黄河源区气候多为湿润，水草丰茂，牛羊满野，人民安居乐业。
但在干旱年份，水草枯萎，牛羊难以生存。
可以看出，在古代时期，黄河源区的干湿变化呈现出周期性的特征，呈现出明显的波动。
这可能与古代时期的气候变化规律有关，也与当时人类活动和自然环境的相互作用有关。
在近现代时期，随着人类社会的进步和工业化的发展，黄河源区的干湿变化受到了人类活动的影响。
工业化、城市化带来了大量的人口迁移和耕地开垦，对当地的生态环境和水资源产生了一定的影响。
加之气候变化的影响，近现代时期的黄河源区出现了一些明显的干旱和水患，对当地的生产和生活带来了严重的影响。
以上分析表明，黄河源区历史时期的干湿变化特征受多种因素影响，其中气候变化是主要影响因素之一。
而近现代时期的人类活动也对当地的干湿变化产生了一定的影响。
未来对黄河源区的生态环境和水资源进行合理的规划和保护显得尤为重要。
基于SPI的陇东黄土高原干旱特征及对冬小麦产量的影响分析
櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄櫄 产研究［Ｊ］．中国农业科学，２００８（８）：２４９９－２５０５．［２０］ＩｄｓｏＳＢ，ＰｉｎｔｅｒＰＪ，ＪａｃｋｓｏｎＲＤ，ｅｔａｌ．Ｅｓｔｉｍａｔｉｏｎｏｆｇｒａｉｎｙｉｅｌｄｓｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｃｒｏｐｓｅｎｅｓｃｅｎｃｅｒａｔｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９８０，９（１）：８７－９１．［２１］刘良云，王纪华，黄文江，等．利用新型光谱指数改善冬小麦估产精度［Ｊ］．农业工程学报，２００４（１）：１７２－１７５．［２２］翟清云，张娟娟，熊淑萍，等．基于不同土壤质地的小麦叶片氮含量高光谱差异及监测模型构建［Ｊ］．中国农业科学，２０１３，４６（１３）：２６５５－２６６７．［２３］杨 智，李映雪，徐德福，等．冠层反射光谱与小麦产量及产量构成因素的定量关系［Ｊ］．中国农业气象，２００８（３）：３３８－３４３，３２４．［２４］刘冰峰，李 军，赵刚峰，等．夏玉米叶片全氮含量高光谱遥感估算模型研究［Ｊ］．植物营养与肥料学报，２０１２，１８（４）：８１３－８２４．［２５］王丽凤，张长利，赵 越，等．高光谱成像技术的玉米叶片氮含量检测模型［Ｊ］．农机化研究，２０１７，３９（１１）：１４０－１４７．［２６］王孟和，李 宝，汪光胜，等．基于高光谱的玉米叶片氮含量监测模型［Ｊ］．扬州大学学报（农业与生命科学版），２０１８，３９（１）：９１－９６．［２７］ＷｅｎＰＦ，ＨｅＪ，ＮｉｎｇＦ，ｅｔａｌ．Ｅｓｔｉｍａｔｉｎｇｌｅａｆｎｉｔｒｏｇｅｎｃｏｎｃｅｎｔｒａｔｉｏｎｃｏｎｓｉｄｅｒｉｎｇｕｎｓｙｎｃｈｒｏｎｉｚｅｄｍａｉｚｅｇｒｏｗｔｈｓｔａｇｅｓｗｉｔｈｃａｎｏｐｙｈｙｐｅｒｓｐｅｃｔｒａｌｔｅｃｈｎｉｑｕｅ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓ，２０１９，１０７：１０５５９０．［２８］贺 婷，李建东，刘桂鹏，等．基于高光谱遥感的玉米全氮含量估测模型［Ｊ］．沈阳农业大学学报，２０１６，４７（３）：２５７－２６５．［２９］ＭａｒｓｃｈｎｅｒＨ．高级植物营养学［Ｍ］．曹一平，陆景陵，译．北京：中国农业大学，２００１．［３０］ＺｈａｎｇＹＪ，ＷａｎｇＬ，ＢａｉＹＩ，ｅｔａｌ．Ｎｉｔｒｏｇｅｎｎｕｔｒｉｔｉｏｎｄｉａｇｎｏｓｔｉｃｂａｓｅｄｏｎｈｙｐｅｒｓｐｅｃｔｒａｌａｎａｌｙｓｉｓａｂｏｕｔｄｉｆｆｅｒｅｎｔｌａｙｅｒｓｌｅａｖｅｓｉｎｍａｉｚｅ［Ｊ］．ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓ，２０１９，３９（９）：２８２９－２８３５． ［３１］马晓蕾，范广博，李永玉，等．精准施肥决策模型与数据库系统［Ｊ］．农业机械学报，２０１１，４２（５）：１９３－１９７．张可心，张谋草，刘 翔，等．基于ＳＰＩ的陇东黄土高原干旱特征及对冬小麦产量的影响分析［Ｊ］．江苏农业科学，２０２０，４８（２３）：２３３－２４０．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２０．２３．０４７基于ＳＰＩ的陇东黄土高原干旱特征及对冬小麦产量的影响分析张可心，张谋草，刘 翔，张洪芬，张天峰（甘肃省庆阳市气象局，甘肃西峰７４５０００） 摘要：基于１９７１—２０１８年陇东地区的逐月气象资料，使用标准化降水指数（ＳＰＩ）作为干旱指标，采用线性趋势和Ｍａｎｎ－Ｋｅｎｄａｌｌ突变检验，多尺度定量分析陇东地区近４８年的气象干旱特征，并结合冬小麦产量资料，研究ＳＰＩ表征的气象干旱对冬小麦产量的影响。
基于联合干旱指数的黄河流域干旱时空特征
㊀收稿日期：２０１９－０１－２３㊀基金项目： 十三五 国家重点研发计划项目（２０１６ＹＦＡ０６０１５０４）；国家自然科学基金资助项目（４１８０７１６５，４１５０１０１７）；江苏省自然科学基金资助项目（ＢＫ２０１８０５１２）㊀作者简介：曹闯（１９９４ ），男，江苏盐城人，硕士研究生，研究方向为水文水资源㊀通信作者：任立良（１９６３ ），男，江苏扬中人，教授，博士，博士生导师，研究方向为水文水资源㊀Ｅ⁃ｍａｉｌ：ｒｌｌ＠ｈｈｕ．ｅｄｕ．ｃｎʌ水资源ɔ基于联合干旱指数的黄河流域干旱时空特征曹㊀闯１，２，任立良１，２，刘㊀懿１，２，江善虎１，２，张林齐１，２，张㊀璐１，２（１．河海大学水文水资源与水利工程科学国家重点实验室，江苏南京２１００９８；２．河海大学水文水资源学院，江苏南京２１００９８）摘㊀要：依据黄河流域１００个气象站１９６１ ２０１３年的降水数据，采用高斯Ｃｏｐｕｌａ函数并联合５个时间尺度的标准降水指数（ＳＰＩ），构建了联合干旱指数（ＪＤＩ），进而剖析流域干旱时空演变特性和评估历史时期干旱特征（历时㊁烈度）及联合特征分布规律㊂结果表明：ＪＤＩ具备短时间尺度ＳＰＩ对干旱事件开始时刻的快速捕捉能力，同时考虑到长时间尺度ＳＰＩ的时间滞后性，在捕捉干旱传播及演变过程方面体现出较大优势；从时空分布特征来看，黄河流域中南部地区在２０世纪９０年代存在明显的干旱高频区，渭河㊁泾河㊁洛河流域存在以年代为周期的旱涝交替现象；黄河流域西北部地区㊁北部河套平原和大黑河子流域及中南部少数地区比其他地区更易发生长历时㊁大烈度干旱事件；变动阈值水平能引起历时和烈度较大的变化幅度，而联合特征对阈值水平变化的响应不敏感㊂关键词：Ｃｏｐｕｌａ函数；干旱；阈值水平；时空特征；黄河流域中图分类号：ＴＶ２１３．４；ＴＶ８８２．１㊀㊀㊀文献标志码：Ａ㊀㊀㊀ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－１３７９．２０１９．０５．０１２㊀Ｓｐａｔｉａｌ⁃ＴｅｍｐｏｒａｌＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＤｒｏｕｇｈｔｏｆｔｈｅＹｅｌｌｏｗＲｉｖｅｒＢａｓｉｎＢａｓｅｄｏｎＪｏｉｎｔＤｒｏｕｇｈｔＩｎｄｅｘＣＡＯＣｈｕａｎｇ１，２，ＲＥＮＬｉｌｉａｎｇ１，２，ＬＩＵＹｉ１，２，ＪＩＡＮＧＳｈａｎｈｕ１，２，ＺＨＡＮＧＬｉｎｑｉ１，２，ＺＨＡＮＧＬｕ１，２（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒｏｌｏｇｙ⁃ＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｏｆＨｙｄｒｏｌｏｇｙａｎｄＷａｔｅｒＲｅｓｏｕｒｃｅｓ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｄａｔａｏｆ１００ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｔａｔｉｏｎｓｉｎｔｈｅＹｅｌｌｏｗＲｉｖｅｒｂａｓｉｎｆｒｏｍ１９６１ｔｏ２０１３，ｕｓｉｎｇＧａｕｓｓｉａｎＣｏｐｕｌａｆｕｎｃｔｉｏｎａｎｄｃｏｍｂｉｎｉｎｇｓｔａｎｄａｒｄｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｄｅｘｅｓ（ＳＰＩ）ｏｎ５ｔｉｍｅｓｃａｌｅｓ，ｔｈｉｓｐａｐｅｒｃｏｎｓｔｒｕｃｔｅｄｔｈｅＪｏｉｎｔＤｒｏｕｇｈｔＩｎｄｅｘ（ＪＤＩ），ｆｕｒｔｈｅｒａｎａｌｙｚｅｄｔｈｅｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌｄｒｏｕｇｈｔｅｖｏｌｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｅｖａｌｕａｔｅｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｌａｗｓｏｆｈｉｓｔｏｒｉｃａｌｐｅｒｉｏｄｄｒｏｕｇｈｔｃｈａｒａｃ⁃ｔｅｒｓ（ｄｕｒａｔｉｏｎａｎｄｉｎｔｅｎｓｉｔｙ）ａｎｄｔｈｅｊｏｉｎｔｄｒｏｕｇｈｔｃｈａｒａｃｔｅｒｓ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔＪＤＩｈａｓｔｈｅａｂｉｌｉｔｙｔｏｑｕｉｃｋｌｙｃａｐｔｕｒｅｔｈｅｏｎｓｅｔｏｆｄｒｏｕｇｈｔｅｖｅｎｔｓｏｎｔｈｅｓｈｏｒｔｔｉｍｅｓｃａｌｅＳＰＩａｎｄｃａｎｔａｋｅｉｎｔｏｃｏｎｓｉｄｅｒａｔｉｏｎｔｈｅｔｉｍｅｌａｇｏｆｔｈｅｌｏｎｇｔｉｍｅｓｃａｌｅＳＰＩ，ｗｈｉｃｈｓｈｏｗｓａｇｏｏｄａｄｖａｎｔａｇｅｉｎｃａｐｔｕｒｉｎｇｔｈｅｐｒｏｐａｇａｔｉｏｎａｎｄｅｖｏｌｕｔｉｏｎｏｆｄｒｏｕｇｈｔ；ｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｔｈｅｃｅｎｔｒａｌａｎｄｓｏｕｔｈ⁃ｅｒｎｒｅｇｉｏｎｓｏｆｔｈｅｂａｓｉｎｈａｖｅｓｉｇｎｉｆｉｃａｎｔｈｉｇｈｄｒｏｕｇｈｔｆｒｅｑｕｅｎｃｙａｒｅａｓｉｎｔｈｅ１９９０ｓ，ｔｈｅＷｅｉｈｅＲｉｖｅｒｂａｓｉｎａｎｄＪｉｎｇｈｅＲｉｖｅｒｂａｓｉｎａｎｄＬｕｏｈｅＲｉｖｅｒｂａｓｉｎｈａｖｅｔｈｅｄｒｏｕｇｈｔａｎｄｆｌｏｏｄａｌｔｅｒｎａｔｉｏｎｗｉｔｈｔｈｅｐｅｒｉｏｄ；ｔｈｅｎｏｒｔｈｗｅｓｔｅｒｎｒｅｇｉｏｎｏｆｔｈｅｂａｓｉｎ，ｔｈｅｎｏｒｔｈｅｒｎＨｅｔａｏｐｌａｉｎａｎｄＤａｈｅｉＲｉｖｅｒｂａｓｉｎａｎｄａｆｅｗａｒｅａｓｉｎｔｈｅｓｏｕｔｈ⁃ｃｅｎｔｒａｌｒｅｇｉｏｎａｒｅｍｏｒｅｖｕｌｎｅｒａｂｌｅｔｏｐｒｏｌｏｎｇｅｄａｎｄｓｅｖｅｒｅｄｒｏｕｇｈｔｅｖｅｎｔｓｔｈａｎｔｈａｔｏｆｏｔｈｅｒｒｅｇｉｏｎｓ；ｔｈｅｖａｒｉａｔｉｏｎｏｆｔｈｒｅｓｈｏｌｄｌｅｖｅｌｃａｎｌｅａｄｔｏｌａｒｇｅｖａｒｉａｔｉｏｎｒａｎｇｅｏｆｄｒｏｕｇｈｔｆｅａｔｕｒｅｓ，ｗｈｉｌｅｔｈｅｊｏｉｎｔｆｅａｔｕｒｅｓａｒｅｉｎｓｅｎｓｉｔｉｖｅｔｏｔｈｅｉｒｒｅｓｐｏｎｓｅｓ．Ｋｅｙｗｏｒｄｓ：Ｃｏｐｕｌａｆｕｎｃｔｉｏｎ；ｄｒｏｕｇｈｔ；ｔｈｒｅｓｈｏｌｄｌｅｖｅｌ；ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌｃｈａｒａｃｔｅｒｓ；ＹｅｌｌｏｗＲｉｖｅｒｂａｓｉｎ㊀㊀干旱是气象灾害之一，给社会生产㊁生活等方面带来巨大危害［１］㊂在未来一段时期内全球气候变化仍以变暖为主，旱灾将朝着发生频率增大的趋势发展［２－３］㊂黄河流域是我国重要的农业生产基地，也是受气候变化影响的敏感区，历史上干旱频发且旱情严重［４－５］，因此研究该流域干旱时空特征及变化趋势具有重要意义㊂干旱研究中干旱特征一般用阈值方法识别和提取，然而阈值水平的选取存在很大的主观性［６］，不同阈值水平下的干旱特征（趋势㊁面积㊁事件历时㊁烈度和频率等）存在差异性㊂干旱指数是研究干旱时空特征的重要指标，常用的标准干旱指数（ＳＩ）突破了传统干旱指数单一时间尺度的限制，但不同时间尺度的ＳＩ在反映某一特定月份的干湿状态时可能产生不一致的结果［７］，联合多时间尺度的ＳＩ模拟干旱的发展演变过程可以提高干旱监测的精确性㊂近年来，有关学者广泛采用线性权重法㊁水量平衡法和联合概率分布函数构建以融合多个变量为核心的综合干旱指数［８－１０］㊂线性权重法在赋权时存在一定的主观性，无法反映变量间的非线性影响特征；水量平衡法存在水文模型参数估计和模型结构不确定性等诸多问题，带来较大的计㊃１５㊃第４１卷第５期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀人㊀民㊀黄㊀河㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Ｖｏｌ．４１，Ｎｏ．５㊀㊀２０１９年５月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀ＹＥＬＬＯＷ㊀ＲＩＶＥＲ㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Ｍａｙ，２０１９㊀㊀算误差；Ｃｏｐｕｌａ函数是一种联合多个边缘分布的非线性方法，可以巧妙避免上述问题，同时考虑了变量的统计特征，因而应用广泛㊂鉴于标准降水指数（ＳＰＩ）具有可变的时间尺度，且所需数据易于获取㊁计算简单，笔者采用高斯Ｃｏｐｕｌａ函数描述５个时间尺度ＳＰＩ间的关联结构，构建联合干旱指数（ＪＤＩ），并测试ＪＤＩ对干旱的诊断效果㊂在此基础上，剖析黄河流域干旱时空演变特性，进一步利用游程分析提取不同阈值水平下的干旱特征，研究阈值水平变化对干旱特征的影响，评估历史时期干旱事件历时㊁烈度及历时－烈度联合特征分布规律，以期为流域旱灾防治提供参考㊂１㊀研究区概况与数据来源黄河流域面积７９．５万ｋｍ２，地势西高东低，位于大气环流西风带，受极地高压㊁青藏高压与副高压影响㊂流域内各地气候特征差异显著，年际降水空间分布不均，年内降水有显著季节性特征，洪涝㊁干旱时常发生㊂本文选取流域内及周边１００个气象站（见图１）１９６１ ２０１３年逐日降水量数据（数据来源于中国气象数据网ｈｔｔｐ：／／ｄａｔａ．ｃｍａ．ｃｎ／）进行分析㊂采用均值替换法插补缺测数据，使日降水量数据完整，并将其处理为月降水量数据㊂图１㊀黄河流域及周边气象站分布２㊀研究方法２．１㊀标准降水指数（ＳＰＩ）［１１］先计算ｗ个月的累计降水量：Ｕｗ（ｔ）＝ðｔｉ＝ｔ－ｗ＋１Ｄ（ｉ）（１）式中：ｔ为时间，月；Ｄ（ｉ）为１个月的降水量序列，ｍｍ㊂将Ｕｗ（ｔ）按月份分为１２个子序列Ｕｍｗ（ｍ＝１，２， ，１２），为避免样本重叠，ｗ不大于１２㊂对每个子序列Ｕｍｗ进行拟合检验，将累积概率标准正态化转换可得到ＳＰＩ㊂２．２㊀联合干旱指数（ＪＤＩ）采用伽玛分布拟合不同时间尺度的Ｕｍｗ，基于高斯Ｃｏｐｕｌａ函数联合边缘分布累积概率㊂Ｓｋｌａｒ定理和有关研究［１２］提出了理论和经验Ｃｏｐｕｌａ方法，公式为ｑ＝Ｃ［Ｆ１（Ｕ１），Ｆ２（Ｕ２）， ，Ｆｄ（Ｕｄ）］＝Ｐ［Ｕ１ɤＦ１（Ｕ１）， ，ＵｄɤＦｄ（Ｕｄ）］（２）Ｃ（ｋ１ｎ，ｋ２ｎ， ，ｋｄｎ）＝ａｎ（３）式中：ｑ为联合累积概率；Ｕｄ为多维随机向量Ｕ第ｄ维度的变量；Ｆ为边缘分布累积概率；Ｐ为联结函数；Ｃ为ｄ维Ｃｏｐｕｌａ函数；ｎ为变量样本数；ｋ为维度的序次；ａ为样本值小于样本秩统计量的个数㊂ｑ反映全部边缘分布的联合影响，是一种联合的水分盈亏状态，值越小代表水分亏缺程度越严重㊂基于存在某一概率分布函数能够描述ｑ的猜想，有学者［１１］提出Ｋｅｎｄａｌｌ分布函数Ｋｃ（ｑ）作为联合概率的分布函数，其表达式为Ｋｃ（ｑ）＝Ｐ［Ｃ（Ｆ１（Ｕ１）， ，Ｆｄ（Ｕｄ））ɤｑ］（４）Ｋｃ（ｑ）由标准正态分布的逆函数转为ＪＤＩ，其干旱等级划分标准（见表１）与ＳＰＩ一致㊂表１㊀ＪＤＩ干旱等级划分标准干旱类型ＪＤＩ正常－０．５＜ＪＤＩɤ０．５轻旱－１．０＜ＪＤＩɤ－０．５中旱－１．５＜ＪＤＩɤ－１．０重旱－２．０＜ＪＤＩɤ－１．５特旱ＪＤＩɤ－２．０２．３㊀游程分析通过游程分析［１３］提取干旱特征（见图２），阈值水平Ｘ０截取随时间ｔ变化的干旱指数序列Ｘ，在某时段内有Ｘ＜Ｘ０（负游程），表明一次干旱事件发生㊂为降低轻微干旱的影响效应［１４］，对于历时仅为１个月的干旱，指数值小于Ｘ２方视为干旱发生，否则忽略不计㊂若两次干旱仅相隔１个月且指数值小于Ｘ１，可视为１次干旱过程，对应的干旱特征变量将合并㊂为研究阈值变化对干旱特征的影响，本文设定３种阈值水平：阈值水平１为Ｘ０取－０．７，阈值水平２为Ｘ０取－０．５，阈值水平３为Ｘ０取－０．３；Ｘ１皆取０，表示长历时且指数值为０的事件会导致严重干旱；Ｘ２皆取－１，表示轻旱以上等级干旱发生时的指数值㊂图２㊀游程分析示意㊃２５㊃２．４㊀边缘分布与联合分布选用水文频率分析中常用的指数分布㊁伽玛分布㊁对数正态分布㊁韦布尔分布４种分布函数，对１００个气象站的干旱历时与烈度进行拟合，统一采用最大似然法［１５］估计参数，通过Ｋｏｌｍｏｇｏｒｏｖ－Ｓｍｉｒｎｏｖ假设检验［１６］确定最优边缘分布㊂对干旱变量的二维联结，选用ＡｒｃｈｉｍｅｄｅａｎＣｏｐｕｌａ函数簇中的Ｃｌａｙｔｏｎ㊁Ｆｒａｎｋ㊁Ｇｕｍｂｅｌ函数作为联结函数，并以ＲＭＳＥ㊁ＡＩＣ㊁ＢＩＣ等统计量作为评价标准来确定最优联合分布㊂２．５㊀干旱事件重现期重现期可视为一次超标事件发生所需的试验次数，采用超定量抽样方式［１７］计算重现期：Ｔｐ＝λＰ（Ｙ＞ｙ）＝Ｎ／ｋ１－Ｆ（ｙ）（５）式中：Ｙ为随机变量；ｙ为任意实数；λ为干旱间隔的期望值，月；ｋ为Ｎ年内发生干旱的次数；Ｆ（ｙ）为累积概率㊂两变量（Ｙ，Ｗ）联合重现期Ｔ㊁同现重现期Ｔᶄ定义为发生Ｙ＞ｙ或Ｗ＞ｗ㊁Ｙ＞ｙ且Ｗ＞ｗ的联合概率［１８］：Ｔ＝λＰ（Ｙ＞ｙɣＷ＞ｗ）＝λ１－Ｃ［ＦＹ（ｙ），ＦＷ（ｗ）］（６）Ｔᶄ＝λＰ（Ｙ＞ｙɘＷ＞ｗ）＝λ１－ＦＹ（ｙ）－ＦＷ（ｗ）＋Ｃ［ＦＹ（ｙ），ＦＷ（ｗ）］（７）３㊀结果与分析３．１㊀指数构建与对比高斯Ｃｏｐｕｌａ函数应用于１２维联合分布时，在参数估计中可能存在不收敛的情形且计算速度慢，不利于实际应用，因此本文采用降低维度的方式，依据５个时间尺度（１㊁３㊁６㊁９㊁１２个月）标准干旱指数ＳＰＩ１㊁ＳＰＩ３㊁ＳＰＩ６㊁ＳＰＩ９㊁ＳＰＩ１２两两之间的相关性，基于５维高斯Ｃｏｐｕｌａ函数构建ＪＤＩ㊂为评价对多维边缘分布的拟合状况，以黄河流域不同区域西宁㊁平凉㊁榆林㊁济南４个站点为例，绘制５维高斯Ｃｏｐｕｌａ函数与１２维经验Ｃｏｐｕｌａ函数建立的联合分布的概率散点图，并拟合其线性关系（见图３）㊂结果显示：有９６个气象站的拟合优度Ｒ２大于０．９８，表明趋势线拟合可靠；有９５个气象站的线性拟合优度大于０．９３，表明５维高斯Ｃｏｐｕｌａ函数基本能保留１２维经验Ｃｏｐｕｌａ函数的联合分布信息㊂将不同干旱指数序列与‘中国近五百年旱涝分布图集“的旱涝记录进行对比（见图４），分析ＪＤＩ的合理性㊂为便于比较，相应地调整了‘中国近五百年旱涝图３㊀经验概率与理论概率的拟合关系分布图集“的旱涝等级划分标准（见表２）㊂平凉站１９６２ ２０００年旱涝监测结果显示：ＪＤＩ具备短时间尺㊃３５㊃度ＳＰＩ对干旱开始时刻反应灵敏的能力，其指标序列易出现波动；ＪＤＩ具备长时间尺度ＳＰＩ识别干旱持续性的能力，能体现时间滞后效应㊂不同时间尺度的ＳＰＩ对干旱的敏感度不同，ＪＤＩ基本能捕捉到典型历史干旱事件（如１９６５年㊁１９７２年㊁１９９７年等特大干旱）㊂ＪＤＩ综合了各时间尺度ＳＰＩ反映的干旱特征信息，反映的干旱状态是至少３个不同时间尺度ＳＰＩ反映的降水量处于偏少的状态㊂图４㊀平凉站干旱指数与旱涝图集对比表２㊀‘中国近五百年旱涝分布图集“旱涝分级调整旱涝程度ＪＤＩ涝偏涝正常偏旱旱原旱涝分级１２３４５调整后分级２１０－１－２３．２㊀干旱演变表３统计了１９６２ ２０１３年黄河流域不同区域４个气象站的不同年代际年均干旱月数，结果显示：西宁站干旱频发，不同等级年均干旱月数呈年代际波动减少趋势；平凉站不同等级年均干旱月数呈年代际波动增加的趋势，其中２０世纪９０年代中旱以上等级年均干旱月数占比较大；榆林站不同年代际年均干旱月数相差较小，１９６２ １９６９年年均干旱月数不多，但极旱年均月数占比很大；济南站１９６２ １９６９年和２０世纪８０年代年均干旱月数较多，轻旱以上等级年均月数占比较大㊂不同气象站年均轻旱月数在各年代际相差较小，流域内轻旱分布较为均匀㊂黄河流域１９６２ ２０１３年不同年代际中旱及以上等级干旱频率的空间分布见图５㊂１９６２ １９６９年干旱集中发生在黄河流域西北部大通河子流域和北部地区河套平原及大黑河子流域，少数气象站的干旱频率超过３５％；２０世纪７０年代干旱频率在大通河子流域减小至２０％以下，在大黑河子流域减小至１５％以下，在黄河流域中部部分地区为１５％ ２０％；８０年代干旱频率在黄河流域下游地区增大至２０％以上，在其他地区不同程度地减小；９０年代干旱频率在黄河流域大部分地区显著增大（尤其是中部泾河㊁渭河和汾河子流域增大至２５％以上，很多气象站超过３５％），中旱㊁重旱㊁极旱集中发生在黄河流域中南部地区，主要表现为２次特大干旱事件（１９９５年陕甘地区发生严重春夏连旱，１９９７年黄河流域大部分地区发生严重夏旱）；２０００ ２０１３年干旱频率在黄河流域源头以南地区有所增大，在流域中南部地区减小至１０％ ２０％㊂总体上，大通河子流域和黄河流域下游地区干旱变化趋势一致，中部渭河㊁泾河和洛河子流域存在以年代为周期的旱涝交替现象㊂表３㊀１９６２ ２０１３年黄河流域各年代际的年均干旱月数气象站时段轻旱中旱重旱极旱总干旱西宁１９６２ １９６９１．９２．８１．５１．１７．３１９７０ １９７９１．６０．８０．２０．２２．８１９８０ １９８９２．５１．６０．５０．１４．７１９９０ １９９９１．４０．６０．５０２．５２０００ ２０１３０．８０．１０００．９平凉１９６２ １９６９１．００．３０．４０．３１．９１９７０ １９７９１．４１．２０．３０２．９１９８０ １９８９１．９１．５０．５０３．９１９９０ １９９９１．４０．７０．８０．７３．６２０００ ２０１３２．７１．３０．５０．１４．６榆林１９６２ １９６９０．８０．４０．５１．３２．９１９７０ １９７９２．１０．５０．３０２．９１９８０ １９８９２．０１．５０．８０４．３１９９０ １９９９２．０１．５０．３０．４４．２２０００ ２０１３１．４１．２０．４０３．０济南１９６２ １９６９２．６１．５０．６０．８５．５１９７０ １９７９１．７０．９０．１０２．７１９８０ １９８９２．２１．４１．３０．３５．２１９９０ １９９９１．２０．７０．３０．１２．３２０００ ２０１３１．１１．００．３０．２２．５图５㊀中旱及以上等级干旱频率空间分布３．３㊀边缘分布与Ｃｏｐｕｌａ函数不同阈值水平下４种边缘分布对干旱特征变量的拟合度检验结果见表４㊂Ｌｏｇｎ分布的ＫＳ检验通过率（理论概率与经验概率一致程度的显著性水平为０．０５的气象站数量占气象站总数量的百分比）最高且接近于１，因此选用对数正态分布拟合各阈值水平下干旱历时与烈度的关系㊂所有气象站变量间Ｐｅａｒｓｏｎ㊁Ｓｐｅａｒｍａｎ㊁Ｋｅｎｄａｌｌ相关系数的范围分别为０．７５６ ０．９８４㊁０．６８４ ０．９４１㊁０．５１０ ０．８２２，表明两者相关度较高㊂ＲＭＳＥ㊁ＢＩＣ等评价指标值越小，联合函数拟合度㊃４５㊃就越好㊂不同阈值水平下３种联合分布的拟合结果见表５，由于ＦｒａｎｋＣｏｐｕｌａ函数拟合最优的气象站数最多，因此选用ＦｒａｎｋＣｏｐｕｌａ函数作为各阈值水平下的二维联合函数㊂３．４㊀干旱特征分布规律不同阈值水平下干旱历时与烈度的联合重现期㊁同现重现期见图６㊂可以看出：对于某一长历时㊁大烈度的干旱事件，同现重现期远大于联合重现期㊂图中散点的历时大多在１０个月以内，烈度大多在８以下，它们的联合重现期大多在１０ａ以内，同现重现期大多在１５ａ以内，两者相差不大㊂散点基本分散在４５ʎ线附近，表明历时长而烈度小的干旱事件罕见，进一步说明两者相关度较高㊂从实际应用视角看，分析同现重现期比联合重现期更有意义，因此本文仅就同现重现期分析流域干旱特征㊂表４㊀边缘分布优选干旱特征分布类型ＫＳ检验通过率阈值水平１阈值水平２阈值水平３历时Ｅｘｐ０．５００．９１０．９７Ｇａｍ０．４８０．８７０．９０Ｌｏｇｎ０．９６１．０００．９７Ｗｂｌ０．６７０．９５０．９７烈度Ｅｘｐ０．６５０．７８０．８１Ｇａｍ０．７９０．８９０．９５Ｌｏｇｎ１．００１．００１．００Ｗｂｌ０．９７０．９７１．００表５㊀联合分布优选阈值水平拟合最优的气象站数ＣｌａｙｔｏｎＣｏｐｕｌａ函数ＦｒａｎｋＣｏｐｕｌａ函数ＧｕｍｂｅｌＣｏｐｕｌａ函数１７６１３２２３８７１０３１０６６２４图６㊀平凉站的联合重现期、同现重现期㊀㊀１０ａ重现期干旱特征值（历时㊁烈度）及同现重现期的空间分布见图７㊂对于同一阈值水平，１０ａ一遇干旱历时和烈度的空间分布较为吻合，均表现为黄河流域西北部地区㊁北部河套平原及大黑河子流域㊁中南部少数地区的干旱历时长㊁烈度大，而黄河流域源头西北部㊁中部干流中下段和下游大部分地区的干旱历时短㊁烈度小；历时长㊁烈度大的地区同现重现期小，同现重现期越小，历时和烈度越可能同时大于各自阈值，干旱风险就越大，不同的是黄河源头北部同现重现期也小，易出现旱情㊂对于不同阈值水平，干旱特征值和同现重现期的空间分布均有所变化但大体类似，阈值水平每增加０．２，干旱历时和烈度均增加１ ３，同现重现期高值区发生无规则的轻微变化，但对低值区影响甚小㊂阈值水平的微小变化能引起干旱历时和烈度同一方向较大的变动幅度，而同现重现期具有良好的稳定性㊂４㊀结㊀论（１）将基于５维高斯Ｃｏｐｕｌａ函数构建的联合干旱指数ＪＤＩ与ＳＰＩ相比较，发现ＪＤＩ综合了不同时间尺度ＳＰＩ的干旱特征信息，具备短时间尺度ＳＰＩ快速捕捉干旱开始时刻的能力，也考虑了时间滞后效应，兼具长时间尺度ＳＰＩ识别干旱持续性的能力，在描述干旱传播及演变过程方面有较大优势㊂（２）根据黄河流域各年代际的年均干旱月数和干旱频率分析干旱演变特性，发现西宁站不同等级年均干旱月数呈年代际减少的趋势，而平凉站呈年代际增大的趋势㊂各年代际轻旱分布均匀，２０世纪９０年代流域中南部地区存在显著的干旱频率高值区㊂从干旱频率看，中部渭河㊁泾河㊁洛河子流域存在以年代为周㊃５５㊃期的旱涝交替现象㊂图７㊀１０ａ一遇干旱历时㊁烈度及同现重现期的空间分布㊀㊀（３）采用Ｌｏｇｎ分布拟合干旱历时㊁烈度，并采用ＦｒａｎｋＣｏｐｕｌａ函数联合历时与烈度，以此分析干旱特征分布规律，发现黄河流域历时长而烈度小的干旱事件罕见，流域西北部地区㊁北部河套平原及大黑河子流域和中部偏南少数地区的干旱历时长㊁烈度大㊁重现期短㊁风险大，而黄河流域源头西北部㊁中部干流中下段和下游大部分地区呈现相反情形㊂（４）以小梯度变化的阈值水平分别提取干旱特征，发现阈值水平轻微的变化能引起干旱历时和烈度同一方向较大的变动幅度，但对同现重现期影响较小㊂干旱历时和烈度对阈值水平响应敏感，同现重现期稳定性良好㊂参考文献：［１］㊀刘彤，闫天池．我国的主要气象灾害及其经济损失［Ｊ］．自然灾害学报，２０１１，２０（２）：９０－９５．［２］㊀ＲＥＩＮＭＡＮＳＬ．ＩｎｔｅｒｇｏｖｅｒｎｍｅｎｔａｌＰａｎｅｌｏｎＣｌｉｍａｔｅＣｈａｎｇｅ（ＩＰＣＣ）［Ｊ］．ＥｎｃｙｃｌｏｐｅｄｉａｏｆＥｎｅｒｇｙＮａｔｕｒａｌＲｅｓｏｕｒｃｅ＆ＥｎｖｉｒｏｎｍｅｎｔａｌＥｃｏｎｏｍｉｃｓ，２０１３，２６（２）：４８－５６．［３］㊀黄荣辉，杜振彩．全球变暖背景下中国旱涝气候灾害的演变特征及趋势［Ｊ］．自然杂志，２０１０，３２（４）：１８７－１９５．［４］㊀杨肖丽，郑巍斐，林长清，等．基于统计降尺度和ＳＰＩ的黄河流域干旱预测［Ｊ］．河海大学学报（自然科学版），２０１７，４５（５）：３７７－３８３．［５］㊀魏甡生．中国历史上的干旱［Ｊ］．知识就是力量，２００９（４）：１６－１８．［６］㊀陆桂华，闫桂霞，吴志勇，等．基于Ｃｏｐｕｌａ函数的区域干旱分析方法［Ｊ］．水科学进展，２０１０，２１（２）：１８８－１９３．［７］㊀ＨＡＹＥＳＭＪ，ＳＶＯＢＯＤＡＭＤ，ＷＩＬＨＩＴＥＤＡ，ｅｔａｌ．Ｍｏｎｉ⁃ｔｏｒｉｎｇｔｈｅ１９９６ＤｒｏｕｇｈｔＵｓｉｎｇｔｈｅＳｔａｎｄａｒｄｉｚｅｄＰｒｅｃｉｐｉｔａｔｉｏｎＩｎｄｅｘ［Ｊ］．ＢｕｌｌｅｔｉｎｏｆｔｈｅＡｍｅｒｉｃａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙ，１９９９，８０（３）：４２９－４３８．［８］㊀ＭＯＫＣ，ＬＥＴＴＥＮＭＡＩＥＲＤＰ．ＯｂｊｅｃｔｉｖｅＤｒｏｕｇｈｔＣｌａｓｓｉｆｉ⁃ｃａｔｉｏｎＵｓｉｎｇＭｕｌｔｉｐｌｅＬａｎｄＳｕｒｆａｃｅＭｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｍｅｔｅｏｒｏｌｏｇｙ，２０１４，１５（３）：９９０－１０１０．［９］㊀ＨＡＯＺ，ＡＧＨＡＫＯＵＣＨＡＫＡ．ＭｕｌｔｉｖａｒｉａｔｅＳｔａｎｄａｒｄｉｚｅｄＤｒｏｕｇｈｔＩｎｄｅｘ：ＡＰａｒａｍｅｔｒｉｃＭｕｌｔｉ⁃ＩｎｄｅｘＭｏｄｅｌ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＷａｔｅｒＲｅｓｏｕｒｃｅｓ，２０１３，５７（９）：１２－１８．［１０］㊀ＪＯＥＨ．ＭｕｌｔｉｖａｒｉａｔｅＭｏｄｅｌｓａｎｄＤｅｐｅｎｄｅｎｃｅＣｏｎｃｅｐｔｓ［Ｊ］．Ｔｅｃｈｎｏｍｅｔｒｉｃｓ，１９９８，４０（４）：３５３．［１１］㊀ＫＡＯＳＣ，ＧＯＶＩＮＤＡＲＡＪＵＲＳ．ＡＣｏｐｕｌａ⁃ＢａｓｅｄＪｏｉｎｔＤｅｆｉｃｉｔＩｎｄｅｘｆｏｒＤｒｏｕｇｈｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，２０１０，３８０（１）：１２１－１３４．［１２］㊀ＮＥＬＳＥＮＲＢ．ＡｎＩｎｔｒｏｄｕｃｔｉｏｎｔｏＣｏｐｕｌａｓ［Ｊ］．Ｔｅｃｈｎｏｍｅｔ⁃ｒｉｃｓ，２０００，４２（３）：３１７－３１７．［１３］㊀ＹＥＶＪＥＶＩＣＨＶ．ＡｎＯｂｊｅｃｔｉｖｅＡｐｐｒｏａｃｈｔｏＤｅｆｉｎｉｔｉｏｎｓａｎｄＩｎｖｅｓｔｉｇａｔｉｏｎｓｏｆＣｏｎｔｉｎｅｎｔａｌＨｙｄｒｏｌｏｇｉｃＤｒｏｕｇｈｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＨｙｄｒｏｌｏｇｙ，１９６７，７（３）：４９１－４９４．［１４］㊀ＬＩＵＸＦ，ＷＡＮＧＳＸ，ＺＨＯＵＹ，ｅｔａｌ．ＳｐａｔｉａｌＡｎａｌｙｓｉｓｏｆＭｅｔｅｏｒｏｌｏｇｉｃａｌＤｒｏｕｇｈｔＲｅｔｕｒｎＰｅｒｉｏｄｓｉｎＣｈｉｎａＵｓｉｎｇＣｏｐ⁃ｕｌａｓ［Ｊ］．ＮａｔｕｒａｌＨａｚａｒｄｓ，２０１６，８０（１）：３６７－３８８．［１５］㊀ＣＨＥＮＸ，ＦＡＮＹ．ＥｓｔｉｍａｔｉｏｎｏｆＣｏｐｕｌａ⁃ＢａｓｅｄＳｅｍｉｐａｒａ⁃ｍｅｔｒｉｃＴｉｍｅＳｅｒｉｅｓＭｏｄｅｌｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｅｔｒｉｃｓ，２００６，１３０（２）：３０７－３３５．［１６］㊀ＭＡＳＳＥＹＪＲＦ．ＴｈｅＫｏｌｍｏｇｏｒｏｖ⁃ＳｍｉｒｎｏｖＴｅｓｔｆｏｒＧｏｏｄｎｅｓｓｏｆＦｉｔ［Ｊ］．ＰｕｂｌｉｃａｔｉｏｎｓｏｆｔｈｅＡｍｅｒｉｃａｎＳｔａｔｉｓｔｉｃａｌＡｓｓｏｃｉａ⁃ｔｉｏｎ，１９５１，４６（３）：６８－７８．［１７］㊀程亮，金菊良，郦建强，等．干旱频率分析研究进展［Ｊ］．水科学进展，２０１３，２４（２）：２９６－３０２．［１８］㊀ＳＨＩＡＵＪＴ．ＦｉｔｔｉｎｇＤｒｏｕｇｈｔＤｕｒａｔｉｏｎａｎｄＳｅｖｅｒｉｔｙｗｉｔｈＴｗｏ－ＤｉｍｅｎｓｉｏｎａｌＣｏｐｕｌａｓ［Ｊ］．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔ，２００６，２０（５）：７９５－８１５．ʌ责任编辑㊀张华兴ɔ㊃６５㊃。
基于PDSI指数的三江源干旱气候特征分析
基于SPI的黄河流域干旱时空特征分析
临夏
３７．４８ １０５．６７ １ １８３．４
榆中
３８．７３ １１２．７２ ８２８．２
靖远
３８．４７ １１１．１３ １ ０１２．６
景泰
３８．９２ １１１．８２
乌鞘岭
３８．２３ １０９．７０
３８．４８ １０６．２２ ３８．８３ １０５．６７ ３９．３８ １１１．１５ ８６１．５ ３９．８３ １０９．９８ １ ４６１．９ ３９．１０ １０７．９８ １ ３８０．３ ３９．２２ １０６．７７ １ ０９２．５ ４０．７５ １０７．４２ １ ０３９．３ ３９．７８ １０５．７５ １ ０３１．８ ４１．０３ １１３．０７ １ ４１９．３ ４０．００ １１２．４５ １ ３４５．８ ４０．８２ １１１．６８ １ ０６３ ４０．６７ １０９．８５ １ ０６７．２ ４１．７０ １１０．４３ １ ３７６．６ ４１．５７ １０８．５２ １ ２８８ ３５．３８ １０５．００ ２ ４５０．６ ３５．３７ １０３．８７ １ ８９３．８ ３５．５８ １０３．１８ １ ９１７．２ ３５．８７ １０４．１５ １ ８７４．４ ３６．５７ １０４．６８ １ ３９８．２ ３７．１８ １０４．０５ １ ６３０．９ ３７．２０ １０２．８７ ３ ０４５．１
收 稿 日 期 ：２０１４－１２－０８ 基 金 项 目 ：国 家 国 际 科 技 合 作 专 项 （２０１３ＤＦＧ７０９９０）；公 益 性 行 业 项 目 （２０１２０３０７７）；中 央 高 校 基 本 科 研 业 务 费 专 项 资 金 项 目 （２０１４ＹＪ００９） 作 者 简 介 ：牛 亚 婷 （１９９０－），女 。 硕 士 研 究 生 ，主 要 从 事 农 业 节 水 理 论 与 技 术 研 究 。Ｅ－ｍａｉｌ：１００３９８９０３５＠ｑｑ．ｃｏｍ 通 讯 作 者 ：王 素 芬 （１９７１－），女 。 副 教 授 ，博 士 ，主 要 从 事 农 业 节 水 与 水 资 源 高 效 利 用 研 究 。Ｅ－ｍａｉｌ：ｗａｎｇｓｕｆ＠ｃａｕ．ｅｄｕ．ｃｎ
基于SPI的黄河谷地气象干旱特征
张海春
关键词
标准化降水指数(SPI)，干旱指数，干旱频率，黄河谷地
Copyright © 2019 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
Open Access
1. 引言
干旱指因久晴无雨或少雨，降水量较常年同期明显偏少而形成的一种灾害，分为气象干旱、农业干 旱、水文干旱以及经济社会干旱[1]。21 世纪以来，随着气候变化和人类活动的影响加剧，干旱等极端事 件频繁发生并不断加剧，给社会经济和人民生活带来了严重的影响，干旱已成为目前损失最严重的自然 灾害[2] [3] [4] [5] [6]。IPCC 第四次评估报告指出[7]，在所有的气象灾害中，旱涝所造成的损失占到一半 以上。干旱是我国西北地区东部最常见、影响范围最广的气象灾害[8] [9]。青海省地处青藏高原东北部， 全省属于高原大陆性气候，是全球同纬度最干旱的地区之一[3]，同时这里受西风带气候、高原季风和东 亚季风气候影响，降水变率大，干旱频率高，是我国气候变化的敏感区和生态脆弱区[10]。张天峰等[11] 研究了西北地区秋季干旱指数的变化特征， 得出西北地区的干旱有明显的地域特征， 青海西部为干旱区， 青海东部和南部为半干旱区。 王希娟等[12]研究了青海春季降水的气候变化特征及其对春旱的影响， 认为 1961~2003 年间青海高原大部分地区春季降水量的总趋势是增加的，春季降水干、湿交替的特征非常明 显。何卓玛等[13]分析了 1961~2008 年近 48 年青海干旱的时空特征，得出青海干旱呈减少趋势。有关文 献[14] [15]对贵德县气候变化进行了研究，但利用标准化降水指数(SPI)分析贵德地区干旱特征的文章鲜见。 本文利用贵德县 1961~2017 年近 57 年逐月降水资料，计算贵德地区年、春季、夏季和秋季的标准化降水 指数(以下称 SPI 指数)，分析贵德地区干旱变化特征，为防灾减灾提供科学依据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文章引用: 张海春. 基于 SPI 的黄河谷地气象干旱特征[J]. 农业科学, 2019, 9(1): 22-27. DOI: 10.12677/hjas.2019.91004
Table 1. Classification table of meteorological drought level of standardized precipitation index 表 1. 标准化降水指数气象干旱等级划分表
等级 1 2 3 4 5 类型 无旱 轻旱 中旱 重旱 特旱 标准化降水指数 SPI −0.5 < SPI −1.0 < SPI < −0.5 −1.5 < SPI < −1.0 −2.0 < SPI < −1.5 SPI < −2.0
th th th
Received: Dec. 24 , 2018; accepted: Jan. 7 , 2019; published: Jan. 14 , 2019
Abstract
Data at Guide county observatory station in Qinghai Province for 1961-2017 precipitation was utilized to obtain annual drought index and seasonal drought index in Yellow River Valley based on standardization precipitation index (SPI). The result showed that there were many droughts in the Guide area, 38.2% of which occurred from 1961 to 2017. The drought frequency in spring, summer and autumn was 26.3%, 24.6% and 31.6%, respectively.
Analysis of Drought Characteristics in Yellow River Valley of Qinghai Province Based on SPI
Haichun Zhang
Meteorological Bureau in Hainan State of Qinghai Province, Gonghe Qinghai
2. 研究区概况及资料来源
2.1. 研究区概况
贵德县属于青海东部农业区， 地处东经 100˚58'8''~101˚47'50''， 北纬 35˚29'45''~36˚23'35''。 总面积 3504 平方千米，总人口 10.6 万人，耕地面积 19.22 万亩。产业结构以农业为主，畜牧业占相当比重，并辅之 轻工业。主要农产品有：小麦、油菜、蔬菜、果品等，是青海省粮食和蔬菜的重要生产基地。 贵德属高原大陆性气候，光照时间长，太阳辐射强。春季干旱多风，夏季短促凉爽，秋季阴湿多雨， 冬季漫长干燥， 气温日差较大。 由于贵德地形地势和高原大陆性气候等因素， 气象灾害种类多、强度大、 频率高，是我省气象灾害影响最为严重的地区之一。
DOI: 10.12677/hjas.2019.91004 23 农业科学
张海春
某时段内降水量的分布概率后，再进行正态标准化处理，最终用标准化降水量累积频率分布来划分干旱 等级。SPI 的计算式如下[16]：
SPI = S ( d3t + d 2 ) t + d1 t + 1.0 t − ( c2t + c1 ) t + c0
4.2. 贵德地区季节性干旱特征
4.2.1. 春季干旱特征 图 2 为 1961~2017 年近 57 年贵德地区春季干旱指数，由图 2 可见，1961~2017 年近 57 年贵德地区
DOI: 10.12677/hjas.2019.91004 24 农业科学
张海春
共发生春季干旱 15 次，其中：特旱 2 次，重旱 2 次，中旱 4 次，轻旱 7 次。春季干旱频率为 26.3%，与 年干旱变化一致。春季轻旱频率为 12.3%，中旱频率为 7.0%，重量和特旱频率均为 3.5%，春季特旱发生 频率为 4 季最多。贵德连续 2 年发生春季干旱的次数为 2 次，分别为 1975~1976 年、1996~1997 年，其 中 1975~1976 年分别为轻旱和中旱，1996~1997 年分别为特旱和轻旱。贵德地区连续 3 年发生春季干旱 的次数仅有 1 次，为 1999~200 年，分别发生轻旱、特旱和轻旱。贵德地区 1961~2017 年近 57 年的春季 干旱强度在 0.0~3.1 之间，平均干旱强度为 0.80。干旱类型包括特旱、重旱、中旱、轻旱和无旱。其中 2002~2017 年 16 年中仅发生一次干旱(2015 年，中旱)，表明春旱发生次数随年际的延长减少。
Hans Journal of Agricultural Sciences 农业科学, 2019, 9(1), 22-27 Published Online January 2019 in Hans. /journal/hjas https:///10.12677/hjas.2019.91004
Figure 1. Drought index of the Guide area from 1961 to 2017 图 1. 贵德地区 1961~2017 年年干旱指数
Figure 2. Spring drought index of Guide area from 1961 to 2017 图 2. 贵德地区 1961~2017 年春季干旱指数
Open Access
1. 引言
干旱指因久晴无雨或少雨，降水量较常年同期明显偏少而形成的一种灾害，分为气象干旱、农业干 旱、水文干旱以及经济社会干旱[1]。21 世纪以来，随着气候变化和人类活动的影响加剧，干旱等极端事 件频繁发生并不断加剧，给社会经济和人民生活带来了严重的影响，干旱已成为目前损失最严重的自然 灾害[2] [3] [4] [5] [6]。IPCC 第四次评估报告指出[7]，在所有的气象灾害中，旱涝所造成的损失占到一半 以上。干旱是我国西北地区东部最常见、影响范围最广的气象灾害[8] [9]。青海省地处青藏高原东北部， 全省属于高原大陆性气候，是全球同纬度最干旱的地区之一[3]，同时这里受西风带气候、高原季风和东 亚季风气候影响，降水变率大，干旱频率高，是我国气候变化的敏感区和生态脆弱区[10]。张天峰等[11] 研究了西北地区秋季干旱指数的变化特征， 得出西北地区的干旱有明显的地域特征， 青海西部为干旱区， 青海东部和南部为半干旱区。 王希娟等[12]研究了青海春季降水的气候变化特征及其对春旱的影响， 认为 1961~2003 年间青海高原大部分地区春季降水量的总趋势是增加的，春季降水干、湿交替的特征非常明 显。何卓玛等[13]分析了 1961~2008 年近 48 年青海干旱的时空特征，得出青海干旱呈减少趋势。有关文 献[14] [15]对贵德县气候变化进行了研究，但利用标准化降水指数(SPI)分析贵德地区干旱特征的文章鲜见。 本文利用贵德县 1961~2017 年近 57 年逐月降水资料，计算贵德地区年、春季、夏季和秋季的标准化降水 指数(以下称 SPI 指数)，分析贵德地区干旱变化特征，为防灾减灾提供科学依据。
(1) (2)
式中： t = ln
1 ， F 为概率。 F2
因为 SPI 不仅考虑了降水服从偏态分布的实际，又进行了正态标准化处理，所以使 SPI 适合确定不 同时间尺度的干旱监测、评估，具有相同的干旱等级划分标准，适合进行多时间尺度对比分析，而且 SPI 计算简单，资料容易获取，同时具有良好的计算稳定性，其不足是没有考虑影响干旱发生的其他因子。 标准化降水指数气象干旱等级划分见表 1。
4.2.2. 夏季干旱特征 图 3 为 1961~2017 年近 57 年贵德地区夏季干旱指数，由图 3 可见，1961~2017 年近 57 年贵德地区 共发生夏季干旱 14 次，其中：特旱 1 次，重旱 5 次，中旱 1 次，轻旱 7 次。夏季干旱频率为 24.6%，小 于年和春季干旱变化。 夏季轻旱频率为 12.3%， 中旱频率为 1.8%， 重量频率为 8.8%， 特旱频率均为 1.8%。 贵德连续 2 年发生夏季干旱的次数为 2 次，分别为 1965~1966 年、1968~1969 年，其中 1965~1966 年分 别为重旱和特旱，1968~1969 年均为轻旱。贵德地区连续 3 年发生夏季干旱的次数为 1 次，为 2000~2002 年，分别发生重旱、轻旱和重旱。贵德地区 1961~2017 年近 57 年的夏季干旱强度在 0.0~2.4 之间，平均 干旱强度为 0.80，干旱类型包括特旱、重旱、中旱、轻旱和无旱。在 1983~1997 年 15 年中未发生干旱。
3.2. 干旱频率
干旱频率为 1961~2017 年贵德地区达到某级别干旱(轻旱、中旱、重旱、特旱)的月数。利用贵德站 在逐月降水资料计算贵德站春季、夏季、秋季和年的 SPI 值，然后再根据表 1 统计贵德地区春季、夏季、 秋季和年干旱等级。
3.3. 数据处理
应用 Excel2003 软件对数据进行统计处理、分析。
Keywords
Standardization Precipitation Index, Drought Index, Drought Frequency, Yellow River Valley