楊少康, 劉 冀, 魏 榕, 董曉華, 劉艷麗, 叢方杰

(1.三峽大學(xué) 水利與環(huán)境學(xué)院，湖北 宜昌 443002; 2.三峽庫區(qū)生態(tài)環(huán)境教育部工程研究中心，湖北 宜昌 443002;3.水資源安全保障湖北省協(xié)同創(chuàng)新中心, 武漢 430072; 4.南京水利科學(xué)研究院 水文水資源與水利工程科學(xué)國家重點(diǎn)實(shí)驗(yàn)室,南京 210098; 5.水利部 應(yīng)對氣候變化研究中心, 南京 210029; 6.煙臺大學(xué) 網(wǎng)絡(luò)與教育技術(shù)中心, 山東 煙臺 264005)

干旱是一種緩慢的自然災(zāi)害，作為一種經(jīng)常出現(xiàn)的極端氣候事件，其影響范圍可以跨域多個(gè)國家和地區(qū)[1]。及時(shí)開展區(qū)域干旱監(jiān)測及特征研究有利于清晰認(rèn)識干旱演變規(guī)律并科學(xué)有效開展抗旱減災(zāi)措施。因此，隨著對干旱深入研究，國內(nèi)外學(xué)者陸續(xù)提出不同的干旱指數(shù)來對干旱進(jìn)行量化分析，以便于能夠更好認(rèn)識干旱變化規(guī)律，其中包括氣象干旱指數(shù)、農(nóng)業(yè)干旱指數(shù)、水文干旱指數(shù)及社會經(jīng)濟(jì)干旱指數(shù)[4]。

IPCC氣候評估報(bào)告指出全球氣溫將不斷持續(xù)升高，且這種變化在北半球更為明顯[5]。在全球變暖的背景下，長江上游流域正表現(xiàn)出暖干化趨勢，尤其是2005年之后干旱頻次、程度、歷時(shí)增加顯著[6]。因此，許多學(xué)者對長江上游流域干旱變化的時(shí)空特征進(jìn)行了研究，沈滸英等[7]基于PAI指出，長江上游地區(qū)發(fā)生大范圍的嚴(yán)重干旱都是在特定的氣候背景及大氣環(huán)流異常情況下發(fā)生；洪興駿等[8]認(rèn)為對長江上游干旱指標(biāo)評估干旱等級時(shí)，應(yīng)該考慮不確定性的影響，以此更為準(zhǔn)確有效地為抗旱提供決策；劉志雄等[9]通過對長江上游流域進(jìn)行旱澇分級，指出對于范圍比較大的區(qū)域可以通過劃分為更小的區(qū)域開展研究。不過，多數(shù)研究是以長江上游流域干旱的整體變化趨勢作為研究對象，且多是基于月、季、年尺度上，不能很好地反映植物生長季所需的氣象要素的特征，且長江上游流域地理跨度大，地形復(fù)雜，氣候條件和敏感性在不同的區(qū)域差異很大[10]，將長江上游流域作為單一的研究區(qū)域，無法揭示其流域內(nèi)部的干旱變化。因此為更好了解長江上游流域干旱演變特征，有必要對長江上游流域進(jìn)行區(qū)域空間細(xì)分。

基于上述原因，本文選取Vicente-Serrano等[11]構(gòu)建的氣象干旱指數(shù)SPEI，SPEI不僅結(jié)合氣溫和降水，更綜合比較潛在蒸散量對干旱的影響，是目前國內(nèi)研究干旱應(yīng)用最為廣泛的指數(shù)之一[12-14]。對長江上游流域植物生長季SPEI利用REOF進(jìn)行計(jì)算，完成長江上游流域空間上的細(xì)分，進(jìn)而選取Yevjevich于1967年提出的游程理論對長江上游流域各分區(qū)干旱特征進(jìn)行分析[15]，以期對長江上游流域農(nóng)業(yè)生產(chǎn)、生態(tài)調(diào)度以及水資源安全提供決策支持。

1 數(shù)據(jù)及研究方法

1.1 研究區(qū)域和數(shù)據(jù)來源

長江發(fā)源于青藏高原各拉丹東，至湖北宜昌以上為上游流域，總體跨越6個(gè)省市區(qū)，干流全長4 511 km，流域面積100萬km2，介于24°46′—35°91′N，90°47′—113°31′E。長江上游流域自然地理?xiàng)l件分異明顯，地跨我國第一、二級階梯，流域地形復(fù)雜，不僅受西南季風(fēng)和東南季風(fēng)的影響，又受“中華水塔”青藏高原的影響，流域地理位置及氣象站分布如圖1所示。本文采用中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(https:∥data.cma.cn/)提供的長江上游流域氣象站1961—2019年氣象數(shù)據(jù)。綜合考慮站點(diǎn)缺測、數(shù)據(jù)起止時(shí)間及空間代表性等情況，最終選取流域內(nèi)及周邊共67個(gè)氣象站點(diǎn)，對于少數(shù)站點(diǎn)缺測數(shù)據(jù)采用臨近站進(jìn)行插補(bǔ)。

圖1 長江上游流域氣象站點(diǎn)分布

1.2 研究方法

1.2.1 標(biāo)準(zhǔn)化降水蒸散指數(shù) 標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)是在標(biāo)準(zhǔn)化降水指數(shù)(SPI)的基礎(chǔ)上發(fā)展而來，綜合考慮了溫度、降水及蒸散作用的影響，是較為理想的氣象干旱指標(biāo)。同SPI一樣，SPEI可以計(jì)算多尺度，可分為月尺度(SPEI-1)、季節(jié)尺度(SPEI-3)、半年尺度(SPEI-6)及年尺度(SPEI-12)[16]。由于SPEI-3更適用于流域的連續(xù)性干旱事件識別，因此本文主要根據(jù)長江上游流域植物生長季(4—10月)各站點(diǎn)數(shù)據(jù)計(jì)算得到站點(diǎn)SPEI-3，運(yùn)用反距離平方法進(jìn)行空間插值，從而得到長江上游流域各像元SPEI-3值，并對各像元進(jìn)行干旱識別。SPEI的具體計(jì)算方法如下：首先計(jì)算逐月降水與潛在蒸散量的水汽平衡Di。

Di=Pi-PETi

(1)

式中：i為月份；P為月降水量(mm)；PET為月潛在蒸散量(mm)。其中PET采用聯(lián)合國糧食及農(nóng)業(yè)組織修訂的Penman-Monteith模型。

(2)

式中：Rn為凈輻射[MJ/(m2·d)]；G為土壤熱通量[MJ/(m2·d)]；T為日均氣溫(℃)；u2為2 m高風(fēng)速(m/s)；es為飽和水汽壓(kPa)；ea為實(shí)際水汽壓(kPa)；Δ為飽和水汽壓—溫度曲線斜率(kPa/℃)；γ為干濕表系數(shù)(kPa/℃)。

然后采用三參數(shù)log-logistic概率分布函數(shù)計(jì)算概率密度函數(shù)f(x)。

(3)

式中：α，β，γ分別為尺度參數(shù)、形狀參數(shù)和位置參數(shù)，這些參數(shù)主要通過線性矩法估計(jì)得到。因此，可以進(jìn)一步得到三參數(shù)log-logistic概率分布函數(shù)F(x)。

(4)

參數(shù)α，β，γ分別采用線性矩法獲得。

(5)

式中：Γ為階乘函數(shù)；ω0，ω1，ω2為原始數(shù)據(jù)Di的概率加權(quán)矩。

對概率分布函數(shù)F(x)進(jìn)行標(biāo)準(zhǔn)化處理，即可得到SPEI。

(6)

(7)

式中：c0=2.515517，c1=0.802853，c2=0.010328，d1=1.432788，d2=0.189269，d3=0.001308。在本文中，選用SPEI作為定義干旱的指標(biāo)。根據(jù)國家氣象等級標(biāo)準(zhǔn)[17]，將干旱分為5個(gè)等級，具體分類情況見表1。

表1 SPEI值干旱等級分類標(biāo)準(zhǔn)

1.2.2 旋轉(zhuǎn)正交分解 經(jīng)驗(yàn)正交分解EOF的功能是把隨時(shí)間變化的向量場分解為不隨時(shí)間變化的空間函數(shù)部分及依賴時(shí)間變化的時(shí)間函數(shù)部分，對包含空間點(diǎn)的場隨時(shí)間變化進(jìn)行分解，將變量場時(shí)間和空間變化特征進(jìn)行分離，展開得到前幾個(gè)特征向量，用盡可能少的模態(tài)表達(dá)主要的時(shí)空變化特征。針對EOF存在過于強(qiáng)調(diào)整體結(jié)構(gòu)而忽視了重要的局部特性的問題，可使用旋轉(zhuǎn)正交分解REOF，即對EOF載荷矩陣進(jìn)行極大方差旋轉(zhuǎn)，將特征向量高載荷集中于某一較小區(qū)域上，突出氣候要素在空間分布的局域特征。REOF具體計(jì)算步驟可參考文獻(xiàn)[18]。

1.2.3 集合經(jīng)驗(yàn)?zāi)B(tài)分解 經(jīng)驗(yàn)?zāi)B(tài)分解EMD是一種自適應(yīng)的時(shí)頻局部化分析方法，該法可從離散無序的原信號序列中分解出有限本征函數(shù)IMFs分量，進(jìn)而體現(xiàn)出原信號序列不同時(shí)間尺度的局部特征，常適用于非線性、非平穩(wěn)的時(shí)間序列。集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD在EMD的基礎(chǔ)上通過添加人為白噪聲和求取集合平均方法，有效解決了采用EMD分解時(shí)間序列時(shí)可能出現(xiàn)的模態(tài)混疊現(xiàn)象。具體計(jì)算步驟詳見文獻(xiàn)[19]。

1.2.4 Mann-Kendall檢驗(yàn)及Sen趨勢度 Mann-Kendall趨勢檢驗(yàn)常用于氣象領(lǐng)域的時(shí)間序列趨勢分析，主要是根據(jù)檢驗(yàn)統(tǒng)計(jì)量Z判斷序列的趨勢顯著性[20]，通常結(jié)合Sen趨勢度使用，Sen趨勢度檢驗(yàn)是由Sen[21]提出的研究長時(shí)序變量的方法，趨勢度β計(jì)算公式如下：

(8)

式中：xj，xi分別為不同時(shí)刻下的變量值；median為中位數(shù)函數(shù)。當(dāng)β>0時(shí)表示變量的時(shí)間序列呈上升趨勢，反之當(dāng)β<0表示變量的時(shí)間序列呈下降趨勢。

1.2.5 干旱特征指標(biāo) 目前一般基于游程理論來進(jìn)行干旱特征的識別，即先選定干旱指標(biāo)閾值，若某個(gè)像元的干旱指標(biāo)超過閾值就被認(rèn)定屬于干旱[22]，本文將干旱閾值指標(biāo)選為-1，即判定SPEI小于-1的像元點(diǎn)為干旱像元。干旱指標(biāo)識別過程如圖2所示，當(dāng)某個(gè)像元關(guān)于SPEI的時(shí)間序列在一個(gè)時(shí)間或多個(gè)時(shí)間內(nèi)連續(xù)大于-1時(shí)，出現(xiàn)正游程，反之則出現(xiàn)負(fù)游程。在干旱特征指標(biāo)的研究中，負(fù)游程的長度被稱為干旱歷時(shí)d，干旱強(qiáng)度s為干旱歷時(shí)與干旱閾值水平包圍的面積，干旱面積則是像元SPEI值低于閾值的干旱像元面積總數(shù)。

圖2 干旱特征識別過程

1.2.6 干旱離散度 干旱離散度(AD)是一種反映干旱區(qū)域干旱強(qiáng)度聚集度的指標(biāo)，其值越小，說明區(qū)域干旱發(fā)生越集中，反之則越發(fā)散。計(jì)算AD，首先需要計(jì)算各區(qū)域的干旱集中點(diǎn)。本文根據(jù)不同分區(qū)每年4—10月份的像元數(shù)據(jù)，得到7個(gè)逐月干旱集中點(diǎn)，再利用這7個(gè)干旱集中點(diǎn)計(jì)算出當(dāng)年干旱集中點(diǎn)，依次方法可以得出不同分區(qū)1961—2019年59 a的逐年干旱集中點(diǎn)，利用不同分區(qū)59個(gè)干旱集中點(diǎn)，算出各分區(qū)59 a平均干旱集中點(diǎn)，最后算出各分區(qū)59個(gè)逐年干旱集中點(diǎn)與該分區(qū)59 a平均干旱集中點(diǎn)的相對比值，得到該分區(qū)AD，具體計(jì)算方法見公式(9)—(12)。

首先計(jì)算不同分區(qū)每年4—10月份逐月干旱集中點(diǎn)：

(9)

式中：si為第i個(gè)干旱像元的強(qiáng)度值；xi，yi為第i個(gè)干旱像元的經(jīng)度、緯度坐標(biāo)；xnm，ynm為第n年中第m個(gè)月干旱逐月集中點(diǎn)的經(jīng)度、緯度坐標(biāo)。

根據(jù)每年4—10月算出來的7個(gè)逐月干旱集中點(diǎn)，得到當(dāng)年干旱集中點(diǎn)：

(10)

式中：sm為第m個(gè)月逐月干旱集中點(diǎn)強(qiáng)度值；xm，ym為第m個(gè)月干旱集中點(diǎn)的經(jīng)度、緯度坐標(biāo)；xn，yn為第n年逐年干旱集中點(diǎn)的經(jīng)度、緯度坐標(biāo)。

再根據(jù)逐年干旱集中點(diǎn)，算出平均干旱集中點(diǎn)：

(11)

式中：sn為第n年逐年干旱集中點(diǎn)強(qiáng)度值；xn，yn為第n年干旱集中點(diǎn)的經(jīng)度、緯度坐標(biāo)；xa，ya為第a分區(qū)平均干旱集中點(diǎn)的經(jīng)度、緯度坐標(biāo)。

最后計(jì)算各分區(qū)干旱離散度：

(12)

式中：x，y為該分區(qū)經(jīng)度、緯度的長度差；AD為各分區(qū)離散度。

2 結(jié)果與分析

2.1 干旱指數(shù)空間分布特征

為探究長江上游流域不同分區(qū)的干旱演變特征，本文開展了基于EOF、REOF的長江上游流域生長季SPEI-3特征分區(qū)的對比研究。由表2可知，由于長江上游流域較大，地形復(fù)雜，導(dǎo)致EOF分解的各個(gè)模態(tài)的方差貢獻(xiàn)率不高，且呈現(xiàn)逐漸減小趨勢，前8個(gè)模態(tài)的累積方差貢獻(xiàn)率達(dá)到67.71%，表明分解出來的模態(tài)函數(shù)可解釋長江上游流域大部分地區(qū)干旱變化。將前8個(gè)模態(tài)進(jìn)行極大方差旋轉(zhuǎn)，旋轉(zhuǎn)后得到的各個(gè)特征向量方差貢獻(xiàn)率均勻分布。模態(tài)中的載荷值反映了空間相關(guān)程度，是氣候分區(qū)的主要依據(jù)，可將載荷值高的地區(qū)視為同一區(qū)域。圖3給出了長江上游流域各空間模態(tài)分布圖。

表2 長江上游流域生長季SPEI前8個(gè)模態(tài)EOF/REOF方差貢獻(xiàn)率 %

將前8個(gè)模態(tài)以空間載荷值絕對值大于0.15進(jìn)行劃分，可將長江上游流域劃分為8個(gè)子區(qū)域，高載荷區(qū)域?qū)㈤L江上游流域絕大多數(shù)地區(qū)涵蓋，存在個(gè)別相鄰分區(qū)在低值區(qū)域少量重疊現(xiàn)象，但整體未影響分區(qū)結(jié)果。具體分區(qū)結(jié)果如圖4所示。

圖3 長江上游流域基于REOF的8個(gè)空間模態(tài)分布

圖4 基于REOF的長江上游流域SPEI-3指數(shù)分區(qū)

2.2 各分區(qū)干旱變化的趨勢特征

為分析長江上游流域各分區(qū)SPEI-3的周期特征，利用EEMD方法對8個(gè)分區(qū)的SPEI-3時(shí)間序列進(jìn)行分解。由圖5可知，4個(gè)分量IMFs及1個(gè)趨勢項(xiàng)RES，IMFs分量依次代表SPEI-3序列分解之后從高頻到低頻的變化，縱軸沒有實(shí)際意義，趨勢項(xiàng)RES則用來解釋SPEI-3的總體變化趨勢。從RES變化可以看出，SPEI-3呈明顯下降的分區(qū)為Ⅴ區(qū)，表示該區(qū)逐漸趨于干旱。Ⅱ區(qū)、Ⅳ區(qū)及Ⅷ區(qū)的趨勢呈現(xiàn)U型，其拐點(diǎn)分別在1992年、1997年及1982年，這三區(qū)干旱呈現(xiàn)“干旱—濕潤”態(tài)勢，區(qū)別在于Ⅱ區(qū)及Ⅷ區(qū)變化較為劇烈，Ⅳ區(qū)變化則較為平緩。Ⅰ區(qū)、Ⅲ區(qū)及Ⅶ區(qū)呈現(xiàn)上升趨勢，表明這3區(qū)趨于濕潤，且Ⅶ區(qū)的濕潤趨勢比其他兩區(qū)較為明顯。Ⅵ區(qū)趨勢呈現(xiàn)波浪線型，“濕潤—干旱”態(tài)勢交替出現(xiàn)，整體趨勢變化不顯著。

各分區(qū)IMFs分量的周期及貢獻(xiàn)率見表3。各區(qū)IMF1分量的周期普遍為3 a左右，且各分區(qū)1～10 a周期占主導(dǎo)地位。比較長江上游流域不同分區(qū)周期貢獻(xiàn)率，年代際及趨勢項(xiàng)的貢獻(xiàn)率遠(yuǎn)遠(yuǎn)低于年際貢獻(xiàn)率，但各分區(qū)之間又互相有所差異。長江上游整體流域的干旱周期以年際變化為主，Ⅰ和Ⅲ區(qū)的年代際貢獻(xiàn)率相比其他區(qū)域較高，趨勢變化貢獻(xiàn)較高的區(qū)域則主要是Ⅴ區(qū)及Ⅷ區(qū)，其他分區(qū)的年代際貢獻(xiàn)率高于趨勢變化。

為確定各分區(qū)SPEI-3的主要周期，對各分區(qū)的IMFs分量進(jìn)行顯著性檢驗(yàn)，具體結(jié)果如圖6所示。長江上游流域8個(gè)分區(qū)的IMF1分量除Ⅲ區(qū)及Ⅳ區(qū)落在80%的置信區(qū)間以上，其余各分區(qū)IMF1分量均接近80%的顯著性檢驗(yàn)線，但未通過檢驗(yàn)。在關(guān)于IMF2分量的顯著性檢驗(yàn)中，僅有Ⅱ區(qū)、Ⅴ區(qū)及Ⅶ區(qū)通過顯著性檢驗(yàn)，且Ⅶ區(qū)IMF2分量落在95%置信區(qū)間以上。IMF3分量的顯著性檢驗(yàn)中，除Ⅶ區(qū)外，其余各區(qū)均未通過顯著性檢驗(yàn)。Ⅰ區(qū)、Ⅱ區(qū)、Ⅴ區(qū)及Ⅶ區(qū)的IMF4分量均落在80%的置信區(qū)間以上，均通過顯著性檢驗(yàn)，其中Ⅰ區(qū)及Ⅴ區(qū)通過了95%的顯著性水平檢驗(yàn)。由此可知，以IMF1分量周期為主要周期的為Ⅲ區(qū)、Ⅳ區(qū)、Ⅵ區(qū)及Ⅷ區(qū)，Ⅱ區(qū)及Ⅶ區(qū)主要以IMF2分量周期為主要周期，Ⅰ區(qū)及Ⅴ區(qū)則以IMF4分量周期為主要周期。整體而言，長江上游流域以IMF1及IMF2分量的年際周期為主要周期。

2.3 各分區(qū)干旱特征

由表4可知，長江上游流域各區(qū)生長季的平均干旱歷時(shí)均在1.4月以上，其中Ⅷ區(qū)干旱歷時(shí)最長為1.59月，最短的為Ⅶ區(qū)的1.41月；Cv值及σ值用來描述系列的離散程度，各區(qū)干旱歷時(shí)的Cv值均大于0.3，σ值均大于0.5，其中Ⅶ區(qū)干旱歷時(shí)的離散程度最大，Cv值達(dá)到0.71，σ值達(dá)到1，Ⅲ區(qū)的Cv值和σ值最小，說明該區(qū)干旱歷時(shí)離散程度較低；Cs值主要用來分析系列不對稱的程度，除Ⅰ區(qū)、Ⅳ區(qū)及Ⅵ區(qū)外，其余5區(qū)均表現(xiàn)為正偏；在變化趨勢分析中，僅有Ⅶ區(qū)干旱歷時(shí)的Z值為-2.05，β值為-0.01，說明該區(qū)通過95%置信水平檢驗(yàn)，干旱歷時(shí)呈顯著下降趨勢，其余各區(qū)均未通過檢驗(yàn)。通過分析長江上游流域各區(qū)植物生長季的干旱強(qiáng)度可知，各區(qū)的平均干旱強(qiáng)度差別不大，且各區(qū)β值均為0，說明長江上游流域整體干旱強(qiáng)度變化不大。對干旱面積進(jìn)行分析，Ⅶ區(qū)的干旱面積最大，達(dá)到30.36%，干旱面積最小的為Ⅷ區(qū)，僅占19.18%，各區(qū)的Cs值均表現(xiàn)為正偏，Ⅰ區(qū)和Ⅶ區(qū)的干旱面積均通過95%的置信水平檢驗(yàn)，呈顯著下降趨勢。整體而言，Ⅶ區(qū)的干旱歷時(shí)和干旱強(qiáng)度最小，但其干旱面積最大。Ⅷ區(qū)的干旱面積最小，干旱歷時(shí)和干旱強(qiáng)度最大，且歷時(shí)和強(qiáng)度的離散程度較低，說明該區(qū)干旱發(fā)生范圍較小，但其強(qiáng)度大。

圖5 基于EEMD得到的長江上游各分區(qū)SPEI-3指數(shù)年際、年代際和趨勢序列

為了進(jìn)一步得到各區(qū)發(fā)生干旱的聚集程度，長江上游流域各區(qū)植物生長季的AD值，計(jì)算結(jié)果見表5。

由表5可知，各區(qū)的AD值均不高，均在0.2之下，說明長江上游流域整體干旱發(fā)生的范圍較為集中，干旱分區(qū)發(fā)生，且在不同分區(qū)內(nèi)，干旱聚集度較高。相比其他各區(qū)，Ⅱ區(qū)的干旱發(fā)生較為發(fā)散，其AD值為0.194，Ⅶ區(qū)的干旱發(fā)生最為集中，其AD值達(dá)到0.091。

表3 長江上游流域各分區(qū)分解分量周期及貢獻(xiàn)率

圖6 長江上游流域各分區(qū)SPEI-3指數(shù)IMFs分量顯著性檢驗(yàn)

表4 長江上游流域各分區(qū)干旱特征統(tǒng)計(jì)

表5 長江上游流域各分區(qū)干旱離散度

3 結(jié) 論

(1) 根據(jù)長江上游各站點(diǎn)SPEI-3變化，可將長江上游流域劃分為8個(gè)亞區(qū)，其中Ⅴ區(qū)逐漸趨于干旱。Ⅱ區(qū)、Ⅳ區(qū)及Ⅷ區(qū)的趨勢呈現(xiàn)U型，呈現(xiàn)“干旱—濕潤”態(tài)勢。Ⅰ區(qū)、Ⅲ區(qū)及Ⅶ區(qū)呈現(xiàn)上升趨勢。Ⅵ區(qū)趨勢呈現(xiàn)波浪線型，“濕潤—干旱”態(tài)勢交替出現(xiàn)，整體趨勢變化不顯著。

(2) 長江上游整個(gè)流域的干旱周期以年際變化為主，年代際周期較為明顯的是Ⅰ和Ⅲ區(qū)。趨勢變化貢獻(xiàn)率較高的區(qū)域則主要是Ⅴ區(qū)及Ⅷ區(qū)，其他分區(qū)的年代際貢獻(xiàn)率高于趨勢變化貢獻(xiàn)率。

(3) 長江上游流域不同位置的干旱歷時(shí)、干旱強(qiáng)度及干旱面積均有不同，表現(xiàn)為Ⅶ區(qū)的干旱歷時(shí)和干旱強(qiáng)度最小，但其干旱面積最大。Ⅷ區(qū)的干旱面積最小，干旱歷時(shí)和干旱強(qiáng)度最大。Ⅱ區(qū)的干旱發(fā)生較為發(fā)散，Ⅶ區(qū)的干旱發(fā)生最為集中。