大气科学论文

您当前的位置:学术堂 > 物理论文 > 大气科学论文 >

云南历年干旱数据研究中SSPEI的改进应用(2)

来源:水电能源科学 作者:李彬权;梁忠民;朱畅畅
发布于:2018-04-16 共4488字

  4 干湿状况特征分析

  4.1 干旱指数变化特征

  受降水和气温双因素控制, 各气象站1958~2013年间年尺度SSPEI序列变化趋势除贡山、华坪、元谋站外, 其他站点的SSPEI-Th呈下降趋势 (即更干燥) ;南部的6个站点均表现为显着性变干趋势, 其中以思茅站的干化趋势最为显着, SSPEI-Th趋势值达到每年-0.027 3。SSPEI-Pm序列在蒙自、盐源两站得出与SSPEI-Th相反的变湿趋势, 元谋站的变湿趋势则更显着, 在其他站点上干湿趋势与SSPEI-Th结果一致;根据SSPEI-Pm计算的最显着变干趋势的站点为威宁站, 趋势值为每年-0.031 6。

  以昆明站为例计算了3、6、12个月三种时间尺度的SSPEI指数在1958~2013年间的变化情况, 见图3。由图3可看出, 较短时间尺度的SSEPI序列表现为更为剧烈的干湿状况演替变化, 而当时间尺度变大, 干湿事件的变化则更为平缓, 且持续时间更长。总体上看, SSPEI-Th和SSPEI-Pm在变化趋势上较为相似;但SSPEI-Pm倾向于“抹平”在连续干旱 (或湿润) 事件间隙中的个别短历时、低量级的干旱 (湿润) 事件。但除此之外, 两种蒸散发算法的SSPEI在昆明站表现为较为一致的干湿演替。根据12个月尺度的SSPEI结果, 昆明地区1958~1986年间以湿润状况为主, 1987~2002年间则干湿状态交替演变, 而2003年后昆明地区转变为以干燥为主。

  以SSPEI=-1.0为区分干旱事件的阈值, 分析年尺度SSPEI时间序列的变化特征。定义SSPEI<-1.0的连续月数为干旱历时, 干旱历时内所有SSPEI指数之和为干旱强度。表1统计了1958~2013年间昆明站两种SSPEI指数的干旱事件发生数目、干旱历时和干旱强度。由表1可看出, 在研究的55年间, SSPEI-Th和SSPEI-Pm表征的干旱事件总数分别为19、21次, 平均历时和强度也较为接近。同时, 逐年代的统计结果表明昆明地区的干旱事件有一定程度的频发、持续时间变长、强度加大的趋势。

  4.2 两种干旱指数的差异与相关性分析

  每个气象站均有不同时间尺度的SSPEI-Th和SSPEI-Pm序列。通过对比分析1~12个月不同时间尺度上所有37个站点平均SSPEI-Th与SSPEI-Pm的相关度变化, 结果表明, 两种蒸散发算法的SSPEI序列之间相关系数的变化范围为0.95~0.97, 其均值为0.97, 表现为较高的相关性。在不同时间尺度上, 以6个月尺度为拐点, 两种SSPEI指数的相关性先增大再稍有减小。

  图3 昆明站3、6、12个月三种时间尺度的SSPEI-Th和SSPEI-Pm的变化情况Fig.3 Evolution of SSPEI-Thand SSPEI-Pm with 3, 6and 12months intervals in Kunming station

  表1 昆明站干旱事件的年尺度SSPEI-Th和SSPEI-Pm序列的特征统计结果Tab.1 Occurrence number, average duration and magnitude of drought periods determined using12-month drought indices in Kunming station

  以昆明站为例, 逐月对比两种SSPEI指数的差异, 见图4。由图4可看出, 在1958~2013年间, SSPEI-Th与SSPEI-Pm相减的误差变化范围为-1.41~1.28, 平均绝对值误差为0.20。在不同季节对比上, 冬春夏秋四季的平均绝对值误差分别为0.33、0.24、0.09、0.14, 由此可知这两种干旱指数在冬春季节的差异明显比夏秋季节大。究其原因是由于根据Thornthwaite公式计算的SPET在气温低于0℃时为零值, 此时气温在SSPEI-Th计算中不起作用 (结果与SSPI相同) , 则不能考虑蒸散发因素。因此在气温较低的冬春季节, SSPEI-Pm计算结果应更符合实际情况。

  图4 昆明站月尺度SSPEI指数差异的逐月对比Fig.4 Comparison of the differences between SSPEI-Thand SSPEI-Pmof monthly-scale in Kunming station

  4.3 与历史干旱的对比验证

  以1958~2001年间共19场云南省历史干旱事件[11]验证两种SSPEI指数在云南省的适用性 (图5) 。但由于部分场次的干旱事件记录并未标明具体的干旱范围 (市或县) , 因此仅能初步验证其精度。由图5可看出, 两种SSPEI指数均能够识别出大部分历史干旱事件, 能够较好地从水分亏缺角度反演历史干旱情况。但在干旱强度识别上, SSPEI-Pm结果精度要稍高, 与实际情况更吻合, 特别是在云南省中北部高海拔的冬春干旱事件上 (如第4场1963年5月楚雄、大理、昭通地区干旱) 。

  图5 SSPEI-Th和SSPEI-Pm在云南省19场历史干旱事件发生相应站点的取值箱形图Fig.5 Box plots showing SSPEI-Thand SSPEI-Pmof all considered stations in 19historical drought events

  5 结论

  a.在1958~2013年间, 仅利用气温因子计算的SSPEI-Th在大多数站点上表现为下降趋势, 同时这种变干的趋势在云南省南部的站点上表现得尤为显着。基于综合气象因子计算的SSPEI-Pm与SSPEI-Th在整体变化趋势上较为一致, 仅在个别地区 (蒙自站和盐源站) 表现为相反的变湿趋势。

  b.不同时间尺度的相关性分析表明, 两种SSPEI指数具有较高的相关度。逐月对比昆明站资料, 发现两种SSPEI指数在冬春季节的差异明显比夏秋季节大。此外, 通过与历史干旱记录验证, SSPEI-Th和SSPEI-Pm在历史干旱事件识别中具有很好的适用性。由于SSPEI-Pm计算的冬春季SPET更为合理, 因此SSPEI-Pm在云南省历史干旱 (特别是中北部高海拔地区冬春干旱) 识别上比SSPEI-Th精度更高。

  参考文献

  [1]李燕.干旱灾害风险评估研究[D].南京:河海大学, 2014.
  [2]Vicente-Serrano S M, Begueria S, López-Moreno J I.A Multiscalar Drought Index Sensitive to Global Warming:The Standardized Precipitation Evapotranspiration Index[J].Journal of Climate, 2010, 23 (7) :1 696-1 718.
  [3]张勃, 张耀宗, 任培贵, 等.基于SPEI法的陇东地区近50a干旱化时空特征分析[J].地理科学, 2015, 35 (8) :999-1 006.
  [4]Thornthwaite C W.An Approach Toward a Rational Classification of Climate[J].Geographical Review, 1948, 38 (1) :55-94.
  [5]Li B, Zhou W, Zhao Y, et al.Using the SPEI to Assess Recent Climate Change in the Yarlung Zangbo River Basin, South Tibet[J].Water, 2015, 7:5 474-5 486.
  [6]Sheffield J, Wood E F, Roderick M L.Little Change in Global Drought over the Past 60 Years[J].Nature, 2012, 491:435-440.
  [7]刘珂, 姜大膀.基于两种潜在蒸散发算法的SPEI对中国干湿变化的分析[J].大气科学, 2016, 39 (1) :23-36.
  [8]Mann H B.Nonparametric Tests Against Trend[J].Econometrica, 1945, 13:245-259.
  [9]Kendall M G.Rand Correlation Methods[M].London:Charles Griffin, 1975.

原文出处:李彬权,梁忠民,朱畅畅,牛小茹.标准化降水蒸散发指数在云南省历史干旱特征分析中的应用[J].水电能源科学,2018,36(03):1-5.
相关内容推荐
相关标签:
返回:大气科学论文