论文部分内容阅读
干旱是自然灾害中破坏力很强、带来的经济损失极为严重的一类灾害。为了更好地防控干旱灾害，有效进行水资源管理，研究不同气候区干旱的时空分布及预测具有十分重要的意义。
本研究针对我国大陆地区不同气候区，收集了1961年以来552个站点的降水P、最低气温Tmin、最高气温Tmax、平均气温Tave、2m风速U2、相对湿度RH、日照时数n等多要素气象观测数据。基于改进的Mann-Kendall方法检验各气象要素的年变化趋势，采用FAO56Penman-Monteith公式计算参考作物腾发量ET0，并结合各要素的实际变化趋势分析了单、双及多气象要素同时变化情况下，ET0的变化特征和对气象要素的敏感性。基于此，采用不同方法(包括Irmaketal.(2003)、Bertietal.(2014)、Priestley-Taylor(1972)、Doorenbos-Pruitt和Valiantzas方法等)估算ET0，并用于进一步计算标准化降水蒸散指数SPEI，结合小波分析得出的波谱特征和小波方差分析了SPEI的周期变化规律，并进一步评价了我国不同气候分区干旱演变规律。此外，对观测的逐日降水数据进行偏差矫正，并对比了基于观测降水(Pm)和偏差校正后的降水(Pc)计算的SPEI的差异。采用不同干旱指标(包括降水距平百分率、标准化降水指数、标准化降水蒸散指数和蒸发需求指数)，研究了从1周到12个月等不同时间尺度下各时期的干旱程度和时空变化规律。最后，采用统计降尺度后的28个全球气候模式(GCM)数据，预测了2011-2100年期间2个代表性浓度路径(RCP4.5和RCP8.5情景)下12个月尺度的SPEI，并分析了7个气候分区和全国的未来时期干旱演变规律。
基于上述分析得出的主要结论如下：
(1)在单气象要素变化情况下，参考作物腾发量ET0对Tmax、U2和n更敏感。对于两个气象要素同时变化的情况，ET0对Tmin和Tmax同时变化的敏感性比对其他要素组合变化时更大，但是在(-U2)&(-n)同时变化的情景中，ET0比其他情景降低的更多。三个或三个以上气象要素同时变化情况下，Tmax、Tmin、Tave和RH的增加以及U2和n的降低导致实际的ET0下降。风速U2和日照时数n减少导致ET0降低，抵消了最高气温Tmax增加导致ET0增加的趋势。
(2)响应降水P、ET0和降水蒸散差D(=P-ET0)，基于不同ET0估计方法估算的SPEI出现季节性和区域性差异。冬春季节西北和东北的SPEI呈增加趋势，但华中地区四季SPEI都有所降低。季节性和年际SPEIIRA、SPEIPT、SPEIMHS、SPEIVal和SPEIPM监测的干旱频率和周期随着季节性和区域性的变化而变化。在干旱-半干旱地区和青藏高原地区(即子区域1、2和6)发现SPEIIRA,SPEIPT,SPEIMHS和SPEIVal存在较大偏差，表明利用SPEI进行干旱评估时，降水较少的干旱-半干旱地区SPEI受ET0估计方法的影响比湿润地区大。然而，对于大多数分区，不同ET0估算方法得到的SPEI指示的极端干旱事件(SPEI<-2.0)差异不明显。小波分析结果表明，尽管西北地区(分区1)不同SPEI的波动和波谱大体相似，但是周期信号不同。
(3)在过去的53年中，中国的大多数站点的降水P呈增加趋势，ET0呈下降趋势，中国的干旱普遍得到缓解。而P和ET0的变化趋势也影响了Pa、SPI、SPEI和EDDI的时空分布模式。当时间尺度从24个月降低到1个月时，SPI、SPEI和EDDI的时间波动越来越剧烈。与历史上严重或极端干旱相比，12个月尺度的SPI和SPEI表现优于EDDI，但在旱涝急转时表现都不佳。在不同的子区域，Pa、SPI和SPEI在表示历史严重或极端干旱方面表现良好，但EDDI在子区域1、4、5和7中的表现较差。总之，SPI、SPEI和EDDI可以较好的识别干旱胁迫区域，但Pa效果较差。SPI、SPEI和EDDI中两两指标的相关性排序为SPIvs.SPEI>SPEIvs.EDDI>SPIvs.EDDI。此外，1周~12周尺度的EDDI有效揭示了骤旱的发生和结束，具有骤旱预警的潜力，这是SPI和SPEI无法实现的。每个干旱指数都有其优势和局限性，使用时要慎重选择。
(4)1961-2015年期间，通常校正后的降水量Pc比观测降水量Pm大，并且具有依分区7、5、3、4、6、2和1的顺序逐渐减小的规律。因此使用Pc计算的Im都要大于使用Pm的计算值。当使用Im(基于Pm和Pc)进行气候类型划分时，不同分区的气候类型保持不变或向湿润气候类型转变。1961至2015年，降水观测偏差校正对SPEI的影响很小，但在严重或极端干旱的情况下，基于Pc的SPEI值较大，这也意味着变得较为湿润。因此，干旱指数Im和SPEI均随Pc值的变化而变化，其中各分区的Im变化明显，SPEI变化较小。
(5)干旱站点百分比，干旱频率，干旱事件发生次数，干旱历时，干旱严重程度和干旱峰值时空变化一致表明中国未来将发生更加严重、更加频繁的干旱，尤其是西北地区。未来中国东南部、东北部、中部和东部(分区4、5、6和7)遭受的干旱程度较轻。尽管未来中国大部分地区的年降水量将增加，但它并不能掩盖最低和最高气温的升高对干旱加剧影响，特别是在中国西北地区。在21世纪末，中国西北地区的干旱预防工作仍将严峻。GCMs对干旱预测的不确定性贡献大于站点和RCPs，方差百分比大于40％。在未来干旱评估中，SPEI的表现优于其他仅考虑单个变量影响的干旱指数(例如SPI和EDDI)。作物产量与干旱指数之间的关系以及相关性最高的月份随作物、干旱指数和时间尺度的不同而变化。在使用不同的干旱指数评估干旱对玉米和棉花产量的影响时，发现存在很大的差异。因此，需要进一步研究干旱对其他农作物产量的影响。
本研究针对我国大陆地区不同气候区，收集了1961年以来552个站点的降水P、最低气温Tmin、最高气温Tmax、平均气温Tave、2m风速U2、相对湿度RH、日照时数n等多要素气象观测数据。基于改进的Mann-Kendall方法检验各气象要素的年变化趋势，采用FAO56Penman-Monteith公式计算参考作物腾发量ET0，并结合各要素的实际变化趋势分析了单、双及多气象要素同时变化情况下，ET0的变化特征和对气象要素的敏感性。基于此，采用不同方法(包括Irmaketal.(2003)、Bertietal.(2014)、Priestley-Taylor(1972)、Doorenbos-Pruitt和Valiantzas方法等)估算ET0，并用于进一步计算标准化降水蒸散指数SPEI，结合小波分析得出的波谱特征和小波方差分析了SPEI的周期变化规律，并进一步评价了我国不同气候分区干旱演变规律。此外，对观测的逐日降水数据进行偏差矫正，并对比了基于观测降水(Pm)和偏差校正后的降水(Pc)计算的SPEI的差异。采用不同干旱指标(包括降水距平百分率、标准化降水指数、标准化降水蒸散指数和蒸发需求指数)，研究了从1周到12个月等不同时间尺度下各时期的干旱程度和时空变化规律。最后，采用统计降尺度后的28个全球气候模式(GCM)数据，预测了2011-2100年期间2个代表性浓度路径(RCP4.5和RCP8.5情景)下12个月尺度的SPEI，并分析了7个气候分区和全国的未来时期干旱演变规律。
基于上述分析得出的主要结论如下：
(1)在单气象要素变化情况下，参考作物腾发量ET0对Tmax、U2和n更敏感。对于两个气象要素同时变化的情况，ET0对Tmin和Tmax同时变化的敏感性比对其他要素组合变化时更大，但是在(-U2)&(-n)同时变化的情景中，ET0比其他情景降低的更多。三个或三个以上气象要素同时变化情况下，Tmax、Tmin、Tave和RH的增加以及U2和n的降低导致实际的ET0下降。风速U2和日照时数n减少导致ET0降低，抵消了最高气温Tmax增加导致ET0增加的趋势。
(2)响应降水P、ET0和降水蒸散差D(=P-ET0)，基于不同ET0估计方法估算的SPEI出现季节性和区域性差异。冬春季节西北和东北的SPEI呈增加趋势，但华中地区四季SPEI都有所降低。季节性和年际SPEIIRA、SPEIPT、SPEIMHS、SPEIVal和SPEIPM监测的干旱频率和周期随着季节性和区域性的变化而变化。在干旱-半干旱地区和青藏高原地区(即子区域1、2和6)发现SPEIIRA,SPEIPT,SPEIMHS和SPEIVal存在较大偏差，表明利用SPEI进行干旱评估时，降水较少的干旱-半干旱地区SPEI受ET0估计方法的影响比湿润地区大。然而，对于大多数分区，不同ET0估算方法得到的SPEI指示的极端干旱事件(SPEI<-2.0)差异不明显。小波分析结果表明，尽管西北地区(分区1)不同SPEI的波动和波谱大体相似，但是周期信号不同。
(3)在过去的53年中，中国的大多数站点的降水P呈增加趋势，ET0呈下降趋势，中国的干旱普遍得到缓解。而P和ET0的变化趋势也影响了Pa、SPI、SPEI和EDDI的时空分布模式。当时间尺度从24个月降低到1个月时，SPI、SPEI和EDDI的时间波动越来越剧烈。与历史上严重或极端干旱相比，12个月尺度的SPI和SPEI表现优于EDDI，但在旱涝急转时表现都不佳。在不同的子区域，Pa、SPI和SPEI在表示历史严重或极端干旱方面表现良好，但EDDI在子区域1、4、5和7中的表现较差。总之，SPI、SPEI和EDDI可以较好的识别干旱胁迫区域，但Pa效果较差。SPI、SPEI和EDDI中两两指标的相关性排序为SPIvs.SPEI>SPEIvs.EDDI>SPIvs.EDDI。此外，1周~12周尺度的EDDI有效揭示了骤旱的发生和结束，具有骤旱预警的潜力，这是SPI和SPEI无法实现的。每个干旱指数都有其优势和局限性，使用时要慎重选择。
(4)1961-2015年期间，通常校正后的降水量Pc比观测降水量Pm大，并且具有依分区7、5、3、4、6、2和1的顺序逐渐减小的规律。因此使用Pc计算的Im都要大于使用Pm的计算值。当使用Im(基于Pm和Pc)进行气候类型划分时，不同分区的气候类型保持不变或向湿润气候类型转变。1961至2015年，降水观测偏差校正对SPEI的影响很小，但在严重或极端干旱的情况下，基于Pc的SPEI值较大，这也意味着变得较为湿润。因此，干旱指数Im和SPEI均随Pc值的变化而变化，其中各分区的Im变化明显，SPEI变化较小。
(5)干旱站点百分比，干旱频率，干旱事件发生次数，干旱历时，干旱严重程度和干旱峰值时空变化一致表明中国未来将发生更加严重、更加频繁的干旱，尤其是西北地区。未来中国东南部、东北部、中部和东部(分区4、5、6和7)遭受的干旱程度较轻。尽管未来中国大部分地区的年降水量将增加，但它并不能掩盖最低和最高气温的升高对干旱加剧影响，特别是在中国西北地区。在21世纪末，中国西北地区的干旱预防工作仍将严峻。GCMs对干旱预测的不确定性贡献大于站点和RCPs，方差百分比大于40％。在未来干旱评估中，SPEI的表现优于其他仅考虑单个变量影响的干旱指数(例如SPI和EDDI)。作物产量与干旱指数之间的关系以及相关性最高的月份随作物、干旱指数和时间尺度的不同而变化。在使用不同的干旱指数评估干旱对玉米和棉花产量的影响时，发现存在很大的差异。因此，需要进一步研究干旱对其他农作物产量的影响。