劉 曉 勇
(咸陽市水利局, 陜西 咸陽 712000)
干旱是一種持續(xù)時(shí)間長(zhǎng)、影響范圍廣、發(fā)生頻率高的自然災(zāi)害[1]。近年來,隨著氣候變化、人類活動(dòng)的加劇,干旱發(fā)生的強(qiáng)度和頻率都有增加的趨勢(shì),頻發(fā)性、高強(qiáng)度的干旱天氣加劇了區(qū)域水資源供需矛盾,造成水質(zhì)惡化,作物減產(chǎn),生態(tài)惡化等一系列連鎖災(zāi)害[2]。世界上諸多國(guó)家和地區(qū)都曾受干旱的侵?jǐn)_,嚴(yán)重影響了這些國(guó)家地區(qū)的自然生態(tài)環(huán)境和人類生活[3]。由于季風(fēng)途徑和強(qiáng)弱的年際變化大,長(zhǎng)期以來我國(guó)大范圍的干旱頻繁發(fā)生[4],據(jù)水利部報(bào)道,在1990年—2007年間,平均每?jī)赡晡覈?guó)就會(huì)發(fā)生一次極端干旱事件,平均每次干旱引起的糧食減產(chǎn)達(dá)392億kg,占國(guó)民經(jīng)濟(jì)生產(chǎn)總值的1.47%,因干旱引起的經(jīng)濟(jì)損失達(dá)700多億元[5]。進(jìn)入21世紀(jì)以來,由于氣候變化等的影響,中國(guó)面臨的干旱風(fēng)險(xiǎn)更加嚴(yán)峻,因此,深入理解干旱時(shí)空變化特征對(duì)于未來干旱發(fā)生風(fēng)險(xiǎn)管理及水資源合理配置具有重要意義。
以往關(guān)于干旱的研究多是基于站點(diǎn)進(jìn)行,通過游程理論識(shí)別干旱特征(歷時(shí)、烈度、烈度峰值),利用Copula函數(shù)分析多種干旱特征的聯(lián)合分布特性及變量間相依性[6]。Copula函數(shù)是Sklar[7]提出的一種聯(lián)接函數(shù),Copula函數(shù)可以通過聯(lián)接不同的邊緣分布,獲得多變量聯(lián)合概率特征,在國(guó)內(nèi)外干旱分析中得到了廣泛應(yīng)用[1,8-13]。Copula函數(shù)的廣泛應(yīng)用表明其能夠?qū)Χ鄠€(gè)特征變量進(jìn)行更優(yōu)的聯(lián)合擬合,對(duì)干旱發(fā)生特點(diǎn)進(jìn)行更精確地分析[11]。但是,基于站點(diǎn)的干旱分析方法可以為小范圍的干旱風(fēng)險(xiǎn)管理提供準(zhǔn)確信息,但是在大范圍的干旱管理與風(fēng)險(xiǎn)評(píng)估中的適用性較差[14]。因此,需要在大范圍研究區(qū)域干旱時(shí)空發(fā)生特點(diǎn),探索區(qū)域干旱發(fā)生風(fēng)險(xiǎn)。
本文以整個(gè)中國(guó)為研究對(duì)象,基于1901年—2015年的月SPEI數(shù)據(jù),通過空間干旱特征識(shí)別方法識(shí)別干旱面積與干旱烈度,分析中國(guó)百年干旱的時(shí)空發(fā)生特點(diǎn),并利用Copula函數(shù)探究干旱面積與干旱烈度相依性,并繪制干旱烈度-面積-頻率曲線。
本文的研究區(qū)域?yàn)檎麄€(gè)中國(guó)地區(qū),數(shù)據(jù)為1901年—2015年共115年的月SPEI指數(shù)監(jiān)測(cè)干旱,SPEI指數(shù)是Vicente-Serrano等[15]在標(biāo)準(zhǔn)化降水指數(shù)(SPI)的基礎(chǔ)上通過引入潛在蒸散量構(gòu)建的,融合了SPI和帕爾默干旱指數(shù)(PDSI)的優(yōu)點(diǎn),SPEI用水分虧缺量和持續(xù)時(shí)間2個(gè)因素來描述干旱,可以很好地表示干旱的程度[16]。SPEI數(shù)據(jù)來源于網(wǎng)站(http://spei.csic.es/index.html),空間分辨率為0.5°。
本研究所用干旱特征包括:
(1) 干旱影響面積(At):At表示時(shí)刻t區(qū)域干旱面積(ηspei<ηspeithr)所占比例,公式為:
(1)
式中:I[.]為邏輯指標(biāo)函數(shù);ηspei i,t為第i個(gè)柵格t時(shí)期的SPEI值;ηspeithr為干旱閾值,本文取為0;ai表示第i個(gè)柵格的面積值;Np為柵格總數(shù)。
(2)干旱烈度(St):
(2)
式中:Nct表示t時(shí)期干旱柵格總數(shù)。
Copula函數(shù)的理論基礎(chǔ)是Sklar定理,假設(shè)Fxy是二維聯(lián)合概率分布函數(shù),其邊緣分布為Fx與Fy,存在一個(gè)Copula函數(shù)使得:
Fxy=C(Fx,F(xiàn)y)=C(u,v)
(3)
如果Fx與Fy是連續(xù)的,則C是唯一的,否則C由ranFx×ranFy唯一確定[17]。
Copula函數(shù)有不同的函數(shù)族,本文選用以下6種Copula函數(shù)作為備選Copula:Gumbel Copula、Clayton Copula、Frank Copula、Joe Copula、Galambos Copula和Normal Copula。
干旱烈度關(guān)于干旱影響面積的條件重現(xiàn)期可以表示為:
(4)
式中:μ=N/n,N為數(shù)據(jù)系列長(zhǎng)度(年);n為干旱發(fā)生次數(shù);CS|A=a表示給定干旱面積a時(shí),干旱烈度S的累積概率函數(shù)。聯(lián)合Copula的條件分布根據(jù)下式計(jì)算:
(5)
首先利用0.5°分辨率的SPEI數(shù)據(jù)計(jì)算出了中國(guó)地區(qū)的干旱烈度(S)與干旱面積(A)(見圖1)。中國(guó)地區(qū)1901年—2015年干旱烈度與干旱面積總體呈增加趨勢(shì),干旱烈度與干旱面積的變化趨勢(shì)一致,為探索干旱烈度與干旱面積的關(guān)系,首先對(duì)兩者進(jìn)行邊緣分布擬合,選擇最優(yōu)擬合函數(shù)。
選擇7種常用分布函數(shù)(Gamma,Weibull,Normal,Lognormal,Logistics,Loglogistics,Gev)對(duì)干旱烈度與干旱面積進(jìn)行擬合,選擇KS檢驗(yàn)與AD檢驗(yàn)兩種檢驗(yàn)方法對(duì)不同分布進(jìn)行擬合優(yōu)度檢驗(yàn),檢驗(yàn)結(jié)果如表1所示,對(duì)于干旱面積(A),Weibull分布的擬合效果最好,對(duì)于干旱烈度(S),Gev分布的擬合效果最好。
圖1 1900年—2015年干旱烈度/面積變化
圖2中給出了Weibull分布擬合干旱面積(A)和Gev分布擬合干旱烈度(S)的概率密度圖、累積概率分布圖、P-P圖及Q-Q圖,結(jié)果顯示,Weibull分布對(duì)于A的擬合良好,Gev分布對(duì)S的擬合良好,因此,選擇Weibull分布為A的邊緣分布,Gev分布為S的邊緣分布。
在利用Copula函數(shù)對(duì)變量進(jìn)行聯(lián)合之前,首先需要對(duì)變量的相依性進(jìn)行度量,判定變量與變量之間是否存在強(qiáng)相依關(guān)系。分別繪制了干旱面積與干旱烈度的分級(jí)排序散點(diǎn)圖、Chi圖和Kendall圖(見圖3),結(jié)果顯示,干旱面積與干旱烈度之間存在較強(qiáng)的相依性,可以利用Copula函數(shù)聯(lián)結(jié)。
文中選擇了6種Copula函數(shù)(Clayton,Gumbel,F(xiàn)rank,Joe,Galambos,Normal)對(duì)干旱面積與干旱烈度進(jìn)行聯(lián)結(jié),并與經(jīng)驗(yàn)聯(lián)合概率進(jìn)行對(duì)比,選擇CM(Sn)檢驗(yàn)方法對(duì)擬合結(jié)果進(jìn)行檢驗(yàn),結(jié)果表明(表2)Normal Copula分布的擬合效果最好。
表2 不同類型Copula模型參數(shù)估計(jì)及擬合優(yōu)度檢驗(yàn)
圖2 基于最優(yōu)分布函數(shù)的干旱面積(A)、干旱烈度(S)PDF、CDF、P-P、Q-Q圖
圖3干旱面積與干旱烈度的相依性度量
為了比較不同Copula函數(shù)的擬合效果,分別繪制了基于不同Copula模型的干旱面積和干旱烈度實(shí)測(cè)值與隨機(jī)生成值的累積概率散點(diǎn)圖(見圖4)及基于不同Copula模型的干旱面積和干旱烈度實(shí)測(cè)值與隨機(jī)生成值散點(diǎn)圖,結(jié)果表明Normal Copula函數(shù)的模型效果最好,實(shí)測(cè)值與隨機(jī)生成值的匹配效果最優(yōu),因此,選擇Normal Copula函數(shù)作為干旱面積與干旱烈度的聯(lián)接函數(shù)。
圖4基于不同Copula模型的干旱面積和干旱烈度實(shí)測(cè)(黑色)與生成(灰色)累積概率散點(diǎn)圖
干旱烈度-面積-頻率曲線表示給定干旱面積重現(xiàn)期的條件下干旱烈度的重現(xiàn)期,表示干旱面積對(duì)干旱烈度的影響程度,計(jì)算公式為:
(6)
(7)
式中u1=FA(a),u2=FS(s),Φ表示正態(tài)變換,具體過程可參見宋松柏教授的Copulas函數(shù)及其在水文中的應(yīng)用[18]。對(duì)應(yīng)不同重現(xiàn)期的干旱烈度-面積-頻率曲線如圖5所示,隨著干旱烈度的增加,干旱面積也呈增加趨勢(shì)。根據(jù)干旱烈度-面積-頻率曲線圖可以識(shí)別給定干旱面積重現(xiàn)期條件下干旱烈度的發(fā)生頻率。對(duì)于區(qū)域干旱特征分析及水資源管理具有重要的科學(xué)意義。
圖5不同重現(xiàn)期對(duì)應(yīng)的面積-烈度-概率曲線
正確識(shí)別區(qū)域干旱特征對(duì)于水資源管理具有重要的指導(dǎo)意義。本文基于中國(guó)地區(qū)1901—2015年的月SPEI數(shù)據(jù)對(duì)干旱烈度與干旱面積進(jìn)行識(shí)別,并優(yōu)選出最適宜邊緣分布函數(shù),進(jìn)而優(yōu)選Copula函數(shù)對(duì)干旱面積與干旱烈度進(jìn)行聯(lián)合,最后繪制干旱烈度-面積-頻率曲線,對(duì)干旱特征進(jìn)行分析,得到以下主要結(jié)論:
(1) 1901年—2015年間,中國(guó)地區(qū)基于SPEI指數(shù)識(shí)別的干旱烈度與干旱面積總體呈增加趨勢(shì),且兩者趨勢(shì)一致,具有較強(qiáng)的相依性。
(2) 干旱面積最適宜的邊緣分布函數(shù)為Weibull分布,干旱烈度最適宜的分布函數(shù)為Gev分布,干旱面積與干旱烈度的最適宜聯(lián)接函數(shù)為Normal Copula函數(shù)。
(3) 根據(jù)干旱烈度-面積-頻率曲線,隨著干旱烈度的增加,干旱面積也呈增加趨勢(shì),根據(jù)干旱烈度-面積-頻率曲線圖可以識(shí)別給定干旱面積重現(xiàn)期條件下干旱烈度的發(fā)生頻率,對(duì)于區(qū)域干旱特征分析及水資源管理具有重要的科學(xué)意義。