王 葵，張玉龍，劉有梅，覃信龍，范德方，王 龍

（1.云南農(nóng)業(yè)大學(xué)水利學(xué)院，昆明 650201；2.楚雄欣源水利電力勘察設(shè)計(jì)有限責(zé)任公司，云南 楚雄 675000）

0 引 言

國內(nèi)外學(xué)者針對氣象干旱，提出多種評價(jià)指標(biāo)，常見的包括：干燥度指標(biāo)［10，11］、降水距平百分率［10］、連續(xù)無雨日數(shù)指標(biāo)［12］、Palmer 干旱烈度指標(biāo)（Palmer Drought Severity Index，PDSI）［13］、標(biāo)準(zhǔn)化降水指數(shù)（Standardized Precipitation Index，SPI）［14］、標(biāo)準(zhǔn)化降水蒸散指數(shù)（Standardized Precipitation Evapotranspiration Index，SPEI）［15］；其中SPI可用于表征某時(shí)段降水量出現(xiàn)概率的多少，具有多個(gè)尺度，計(jì)算簡單，適用于各個(gè)地區(qū)的干旱監(jiān)測與評估，目前標(biāo)準(zhǔn)化降水指數(shù)（SPI）是國際上應(yīng)用最廣泛的氣象干旱監(jiān)測指標(biāo)［14，16，17］，在云南也具有很好的適用性［18］。

針對農(nóng)業(yè)干旱，國內(nèi)外許多研究者用遙感技術(shù)來監(jiān)測農(nóng)業(yè)干旱［19，20］，如歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）［20］、植被干旱響應(yīng)指數(shù)（Vegetation Drought Response Index，VegDRI）［21］、多變量干旱監(jiān)測指數(shù)（Multivariate Standardized Drought Index，MSDI）［22］、農(nóng)業(yè)干旱綜合指數(shù)［19，23，24］等，這些指標(biāo)憑借客觀、及時(shí)、經(jīng)濟(jì)、數(shù)據(jù)連續(xù)、覆蓋廣等優(yōu)點(diǎn)，運(yùn)用廣泛，但存在農(nóng)業(yè)干旱遙感監(jiān)測指標(biāo)在時(shí)空尺度的差異性問題，且不同區(qū)域、不同作物所處于的生長階段不同，農(nóng)作物所反映的農(nóng)業(yè)干旱特征也不同［15，19］。從作物旱象層面講，葉水勢指標(biāo)、作物水分脅迫指數(shù)、水分虧缺指數(shù)、作物濕度指標(biāo)、氣孔導(dǎo)度指標(biāo)、光合速率指標(biāo)和蒸騰速率指標(biāo)，以及綜合性的指標(biāo)：作物需水量、供水量等，也是常用于表征農(nóng)業(yè)干旱的指標(biāo)，然而這些指標(biāo)的長系列數(shù)據(jù)的獲取及收集較為困難，很難研究長時(shí)間序列農(nóng)業(yè)干旱的多尺度特征，為了克服這些缺陷，Bae在研究韓國氣象干旱、農(nóng)業(yè)干旱及水文干旱之間的轉(zhuǎn)化關(guān)系時(shí)，采用灌溉水庫的蓄水位為基礎(chǔ)數(shù)據(jù)，用SPI的思路建立了一種新的表征農(nóng)業(yè)干旱的指標(biāo)，他認(rèn)為引起灌溉水庫蓄水水位下降的不一定是降水量，還受灌區(qū)的氣象干旱及干旱時(shí)間影響［2］，Bae 的農(nóng)業(yè)干旱指標(biāo)在韓國得到驗(yàn)證，這種指標(biāo)關(guān)注于灌溉水庫的蓄水情況變化，水庫蓄水動態(tài)變化既能反映來水又能反映灌區(qū)灌溉用水，對于灌區(qū)農(nóng)業(yè)干旱的識別突破了傳統(tǒng)的基于站點(diǎn)數(shù)據(jù)僅能代表點(diǎn)的干旱局限。其他研究者也同樣指出灌區(qū)的農(nóng)業(yè)干旱情況與該灌區(qū)灌溉水庫的蓄水有著密切關(guān)系［1，25］。同時(shí)，運(yùn)用灌溉水庫蓄水水位來表征農(nóng)業(yè)干旱有著長時(shí)間序列資料比較容易獲得，可以極大的方便灌區(qū)管理。

對于雨養(yǎng)農(nóng)業(yè)，氣象干旱一般會導(dǎo)致農(nóng)業(yè)干旱，但對于灌溉農(nóng)業(yè)，氣象干旱與農(nóng)業(yè)干旱之間的關(guān)系可能存在不同，人工灌溉一定程度上可以緩解農(nóng)業(yè)干旱［26］，本次研究基于灌區(qū)降水量計(jì)算不同尺度的SPI，用于表征氣象干旱；Bae 通過水庫蓄水位所建立的農(nóng)業(yè)干旱指標(biāo)在韓國得到了成功應(yīng)用，本文為了更直接地表征農(nóng)業(yè)干旱，以灌溉水庫蓄水量數(shù)據(jù)為基礎(chǔ)，采用SPI的思路，建立農(nóng)業(yè)干旱指標(biāo)；再用游程理論識別氣象干旱和農(nóng)業(yè)干旱的烈度及歷時(shí)，建立了灌區(qū)農(nóng)業(yè)干旱對氣象干旱模型關(guān)系模型，以期為灌區(qū)的農(nóng)業(yè)干旱監(jiān)測和預(yù)報(bào)提供依據(jù)。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域和數(shù)據(jù)

研究區(qū)位于云南省楚雄彝族自治州中西部，金沙江二級支流蜻蛉河沿河兩岸，海拔在1 860.0～1 930.0 m 之間，是蜻蛉河大型灌區(qū)的組成部分，灌區(qū)水源為白鶴水庫，該水庫為年調(diào)節(jié)中型水庫，可供灌溉供水量1 056.5 萬m3。研究區(qū)屬季風(fēng)氣候區(qū)，具有少雨多旱、氣候溫和、日照充足、干濕季分明等特征。根據(jù)《2018年度姚安縣經(jīng)濟(jì)及社會發(fā)展提要》及《2018年度大姚縣經(jīng)濟(jì)及社會發(fā)展提要》，灌區(qū)保證灌溉面積1.54 萬畝，大春作物及種植比例為：水稻（42%）、玉米（11%）、烤煙（12%）、大豆（2.5%）、大春薯雜（2.5%），5-10月是大春作物的生育階段，是水庫主要的供水期。

本文白鶴灌區(qū)降、蓄水?dāng)?shù)據(jù)為1990-2016年的月尺度數(shù)據(jù)，數(shù)據(jù)來源于云南省水利工程管理局與云南省水文水資源局共同刊印的云南省水庫水文資料，該資料于1990年開始刊印，于2016年停止刊印，全部數(shù)據(jù)經(jīng)由云南省水文水資源局進(jìn)行整編，數(shù)據(jù)可靠。

1.2 研究方法

1.2.1 氣象干旱和農(nóng)業(yè)干旱指標(biāo)

以標(biāo)準(zhǔn)化降水指數(shù)SPI代表氣象干旱，基于水庫蓄水水位得到的水庫標(biāo)準(zhǔn)化蓄水指標(biāo)（Standardized Storage Index，SSI）代表農(nóng)業(yè)干旱，SSI采用SPI的思路，基于水庫蓄水?dāng)?shù)據(jù)計(jì)算得到。然后運(yùn)用游程理論提取SPI、SSI的干旱烈度及干旱歷時(shí)，用于研究農(nóng)業(yè)干旱對氣象干旱的響應(yīng)模型。

考慮到活化過程所涉及的指標(biāo)變化及對酵母菌發(fā)酵性能的評價(jià)參數(shù)較多，很難確定較佳的適應(yīng)活化條件，對相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)化處理是解決該難題的有效方法（計(jì)算方法見1.4）。

由于降水量的分布一般不是正態(tài)分布，而是一種偏態(tài)分布，所以采用Γ分布來描述某一尺度下降水量的變化，在計(jì)算出降水量的Γ 分布概率密度函數(shù)求累計(jì)概率后，將累計(jì)概率做正態(tài)標(biāo)準(zhǔn)化處理，最終得到的標(biāo)準(zhǔn)化降水累計(jì)概率即為標(biāo)準(zhǔn)化降水指數(shù)［14］，計(jì)算步驟見文獻(xiàn)［27，28］，SSI參考SPI的計(jì)算方法，通過K-S（Kolmogorov-Smirnov）檢驗(yàn)選擇合適的概率分布函數(shù)。本次研究發(fā)現(xiàn)白鶴水庫在不同時(shí)間尺度下蓄水量均服從Gen.Pareto 分布概率密度函數(shù)，并通過了信度水平α=0.05 檢驗(yàn)，Gen.Pareto分布的概率密度函數(shù)見公式（1），檢驗(yàn)結(jié)果見圖1、2，圖中點(diǎn)分布于45°的斜線上，近似成一條直線，說明數(shù)據(jù)符合Gen.Pareto 分布。分布概率密度函數(shù)求累計(jì)概率后，將累計(jì)概率做正態(tài)標(biāo)準(zhǔn)化處理，最終得到標(biāo)準(zhǔn)化蓄水指數(shù)SSI，農(nóng)業(yè)干旱和氣象干旱標(biāo)準(zhǔn)一致，見表1的干旱分級標(biāo)準(zhǔn)［29-31］。

表1 SPI和SSI干旱等級分類Tab.1 Classification of Standardized Precipitation or Storage Index droughts level.

圖1 1個(gè)月尺度P-P圖Fig.1 1-month scale P-P diagram

式中：參數(shù)σ、k、μ在1 個(gè)月尺度分別為：1 447.2、-1.886 9、121.6；參數(shù)σ、k、μ在3 個(gè)月尺度分別為：3 039.5、-1.510 3、655.56。

圖2 3個(gè)月尺度P-P圖Fig.2 3-month scale P-P diagram

1.2.2 干旱特征要素的提取

在對干旱的研究中，常采用游程理論［32-34］來提取干旱的特征變量，包括干旱歷時(shí)和干旱烈度，是選用截?cái)嗨絏0t來截取一個(gè)隨時(shí)間變化的離散時(shí)間系列Xt，當(dāng)連續(xù)出現(xiàn)Xt＞X0t時(shí)，為正游程；當(dāng)連續(xù)出現(xiàn)Xt＜X0t時(shí)，為負(fù)游程。負(fù)游程的長度稱為干旱歷時(shí)（Duration，D），即干旱起始至終止的時(shí)段數(shù)。負(fù)游程的累計(jì)總和稱為干旱烈度（Magnitude，M），常用絕對值表示。

在對干旱歷時(shí)的識別過程中，如圖3所示：當(dāng)SPI/SSI出現(xiàn)連續(xù)2 個(gè)月及以上的負(fù)值時(shí)，該時(shí)段發(fā)生干旱，如D1、d1、d2；當(dāng)SPI/SSI只出現(xiàn)一個(gè)月的負(fù)值時(shí)，有且僅有SPI/SSI＜-1 時(shí)，該時(shí)段發(fā)生干旱，如D3；然而一場長時(shí)間的干旱過程并不是一直連續(xù)出現(xiàn)的，由于降水時(shí)間的不確定性，一場長時(shí)間的干旱過程中可能會出現(xiàn)個(gè)別月份降水發(fā)生，將這場持續(xù)的嚴(yán)重干旱分成了幾場“子干旱”。根據(jù)干旱過程識別準(zhǔn)則，若打斷的間隔時(shí)間小于6 個(gè)月且打斷的干旱烈度介于0～1 之間，這幾場“子干旱”最終能被識別為一場干旱，如子干旱d1、d2與子干旱d0可視為一場干旱，在此次干旱事件中，D=d1+d0+d2，M=m1+m2。

圖3 基于SPI/SSI干旱等級和游程理論的干旱特征描述Fig.3 Definition of drought characteristics using the SPI/SSI and run theory

1.2.3 農(nóng)業(yè)-氣象干旱的響應(yīng)模型的建立

點(diǎn)繪各時(shí)間尺度下的兩種干旱的烈度和歷時(shí)散點(diǎn)圖，初步判斷干旱烈度及干旱歷時(shí)的大致函數(shù)類型，對比不同函數(shù)模型之間的判別系數(shù)R2，找到白鶴灌區(qū)在各尺度下干旱烈度及干旱歷時(shí)的最優(yōu)模型，根據(jù)賴力［35］、張利利［36］等人關(guān)于農(nóng)業(yè)干旱對氣象干旱響應(yīng)靈敏性的研究，本次研究選擇了1 個(gè)月尺度（SSI1-SPI1）、3 個(gè)月尺度（SSI3-SPI3）及不同尺度（SSI1-SPI1、SSI1-SPI2、SSI1-SPI3、SSI1-SPI4、SSI1-SPI5、SSI1-SPI6），對比不同類型和不同尺度之間判別系數(shù)R2最好的響應(yīng)模型。

2 結(jié)果與分析

2.1 白鶴灌區(qū)主要?dú)庀蟆⑥r(nóng)業(yè)干旱的識別

累計(jì)概率密度函數(shù)（Probability Density Function，PDF）是計(jì)算SPI、SSI的基礎(chǔ)，因此，在轉(zhuǎn)換為計(jì)算SPI/SSI所需的標(biāo)準(zhǔn)正態(tài)分布之前，選擇各水庫各尺度下降、蓄水量序列值最適合的分布類型。同時(shí)采用K-S檢驗(yàn)法（Kolmogorov-Smirnov）［37］對1～6個(gè)月尺度的降水及1 個(gè)月、3 個(gè)月水庫蓄水所符合的概率分布函數(shù)進(jìn)行檢驗(yàn)，結(jié)果表明水庫1～6 個(gè)月尺度的降水量序列值均符合Gamma分布，水庫1個(gè)月、3個(gè)月尺度的蓄水量序列值符合Gen.Pareto分布，水庫的降、蓄水序列值所符合的概率密度分布函數(shù)均通過了α=0.05 的K-S檢驗(yàn)，由于降、蓄水都不是正態(tài)分布，而是偏態(tài)分布，將水庫各尺度累計(jì)分布函數(shù)計(jì)算中的偏態(tài)分布函數(shù)值進(jìn)行正態(tài)標(biāo)準(zhǔn)化即可得到標(biāo)準(zhǔn)化蓄水、降水指數(shù)，列出1 個(gè)月、3 個(gè)月尺度的標(biāo)準(zhǔn)化蓄水、降水指數(shù)（SSI1、SSI3、SPI1、SPI3），結(jié)果見圖4。

圖4 1個(gè)月及3個(gè)月尺度下的SPI、SSIFig.4 SPI and SSI at 1-month and 3-month scales

白鶴水庫灌溉區(qū)一個(gè)月尺度農(nóng)業(yè)干旱與氣象干旱場次均為22場，氣象干旱烈度在0.89～13.82之間，干旱歷時(shí)大多在1～7個(gè)月。個(gè)別事件歷時(shí)長，為21 和26 個(gè)月，對應(yīng)的干旱烈度為13.62、13.82；農(nóng)業(yè)干旱烈度在0.28～23.41 之間，干旱歷時(shí)多在2～7 個(gè)月，個(gè)別長歷時(shí)事件為17 和26 個(gè)月，對應(yīng)的干旱烈度為13.20、23. 41；3 個(gè)月尺度的干旱場次也均為22 場，氣象干旱烈度在0.38～23.12 之間，干旱歷時(shí)多在1～14 個(gè)月之間，個(gè)別長歷時(shí)事件為20和28個(gè)月，對應(yīng)的干旱烈度為23.12、20.77；農(nóng)業(yè)干旱烈度在0.56～26.93 之間，干旱歷時(shí)多在2～6 個(gè)月之間，個(gè)別長歷時(shí)事件為18和31個(gè)月，對應(yīng)的干旱烈度為13.17、26.93；限于文章篇幅，文中給出了3場典型干旱，為便于比較各尺度下氣象干旱于農(nóng)業(yè)干旱最大干旱烈度和最大歷時(shí)的時(shí)間關(guān)系，將各項(xiàng)指標(biāo)列于表2。

表2 干旱烈度和干旱歷時(shí)最大值匯總表Tab.2 Table of maximum intensity of drought and drought duration

在最長干旱歷時(shí)中，2009年氣象干旱與農(nóng)業(yè)干旱開始時(shí)間存在4 個(gè)月時(shí)差，2011年6月份開始的農(nóng)業(yè)干旱發(fā)生時(shí)間于氣象干旱一致，根據(jù)云南減災(zāi)年鑒所述［38，39］，2009-2011年云南發(fā)生了特大旱災(zāi)，同時(shí)根據(jù)降水資料，水庫在2009-2012年間的年降水量較多年平均年降水量少，干旱持續(xù)時(shí)間長，水庫供水保障遭到破壞，氣象干旱發(fā)生的同時(shí)也逐步引起了農(nóng)業(yè)干旱的同步發(fā)生，水庫供水時(shí)段一般為5-10月，該時(shí)段是灌區(qū)大春作物灌溉時(shí)段，根據(jù)蓄水計(jì)算的SSI，以月為單位下白鶴水庫氣象干旱發(fā)生頻次為51.67%，其中輕旱占31.33%，中旱及以上等級的干旱占20.34%，同一年干旱中，干旱呈現(xiàn)出一種或幾種不同等級的干旱程度：1 個(gè)月尺度的氣象干旱在1992-1994年、1997年、2008-2010、2012-2016年中每年的發(fā)生頻次在7次及以上，從干旱等級的發(fā)生時(shí)間來看，重旱、特旱多發(fā)生于5-10月，該時(shí)段是水庫的主要供水時(shí)段，與灌區(qū)灌溉用水過程一致。

2.2 相同尺度下農(nóng)業(yè)干旱對氣象干旱的響應(yīng)模型

對灌區(qū)相同時(shí)間尺度下（1月、3月）的SPI與SSI選取5種函數(shù)進(jìn)行擬合（指數(shù)、線性、對數(shù)、二次多項(xiàng)式、冪乘），發(fā)現(xiàn)1 個(gè)月尺度下，指數(shù)函數(shù)的擬合性最好，3個(gè)月尺度下二次多項(xiàng)式擬合性最好，如圖5所示，對應(yīng)最優(yōu)的模型方程見表3。

表3 白鶴灌區(qū)同尺度的響應(yīng)模型匯總表Tab.3 Summary of optimal model of the same scale in Baihe irrigation area

圖5 灌區(qū)相同尺度下（1月、3月）SSI對SPI響應(yīng)關(guān)系圖Fig.5 Response diagram of SSI to SPI at the same scale（1 month，3 months）

就兩種最優(yōu)擬合模型（指數(shù)函數(shù)、二次多項(xiàng)式）的函數(shù)形狀來分析，擬合曲線斜率均逐漸變大，說明隨著氣象干旱烈度和歷時(shí)不斷增大，農(nóng)業(yè)干旱的發(fā)生由小烈度、短歷時(shí)逐漸增大，甚至超過氣象干旱烈度和歷時(shí)，由于水庫的調(diào)節(jié)作用以及灌區(qū)灌溉用水過程，灌區(qū)農(nóng)業(yè)干旱在氣象干旱發(fā)生干旱等級較低（如輕旱）時(shí)不發(fā)生或滯后發(fā)生，而當(dāng)氣象干旱發(fā)生的干旱等級達(dá)到一定程度（如6-8月份中等及以上的氣象干旱將導(dǎo)致農(nóng)業(yè)干旱的同步發(fā)生），加上該時(shí)段作物的需水要求增加，灌區(qū)農(nóng)業(yè)干旱的發(fā)生頻次及烈度都可能超過氣象干旱，長歷時(shí)、大烈度的氣象干旱會加劇農(nóng)業(yè)干旱。

2.3 1個(gè)月時(shí)間尺度農(nóng)業(yè)干旱對不同時(shí)間尺度（1～6個(gè)月）氣象干旱響應(yīng)關(guān)系的對比

進(jìn)一步對比上述5種模型6個(gè)時(shí)間尺度的R2，見圖6。對比可知，不同的模型和不同時(shí)間尺度下，農(nóng)業(yè)干旱對氣象干旱R2存在差異，6 個(gè)不同時(shí)間尺度下，總體來看，指數(shù)模型能夠更好地反映農(nóng)業(yè)干旱對氣象干旱的響應(yīng)關(guān)系，其中，1個(gè)月尺度農(nóng)業(yè)干旱對3 個(gè)月尺度氣象干旱判別系數(shù)R2最大，對應(yīng)的模型為：SSI1（y）與SPI1（x）的烈度：y=2.211 5 e0.1017x（R2=0.930 9）；SSI1（y）與SPI3（x）的歷時(shí)：y=2.790 5 e0.0782x（R2=0.964 5），說明采用指數(shù)模型描述1 個(gè)月時(shí)間尺度農(nóng)業(yè)干旱對3 個(gè)月時(shí)間尺度的氣象干旱，無論是烈度還是歷時(shí)，均較為合理。

3 討 論

3.1 農(nóng)業(yè)干旱烈度與歷時(shí)頻次及影響因子

氣象干旱是形成農(nóng)業(yè)干旱的重要因素，農(nóng)業(yè)干旱作為氣象干旱的結(jié)果，往往滯后于氣象干旱的發(fā)生［40］，本研究區(qū)農(nóng)業(yè)干旱事件大多滯后于氣象干旱，符合氣象干旱和農(nóng)業(yè)干旱之間的關(guān)系。但對于長歷時(shí)的農(nóng)業(yè)干旱，由于水庫蓄水處于較低水位，一旦繼續(xù)發(fā)生氣象干旱，發(fā)生時(shí)段又正好在水庫正常年份的供水期，水庫難以正常供水，農(nóng)業(yè)干旱和氣象干旱同步發(fā)生，農(nóng)業(yè)干旱烈度和歷時(shí)甚至可能超過氣象干旱。根據(jù)云南減災(zāi)年鑒［38，39］統(tǒng)計(jì)以及羅麗艷等人［41］的研究發(fā)現(xiàn)，云南省2009年夏季雨季提前了2個(gè)月時(shí)間結(jié)束，汛末期水庫蓄水不足，導(dǎo)致了2009年秋季一直延長至2010年春季的罕見大旱，與本研究中2009年長時(shí)間氣象干旱導(dǎo)致的農(nóng)業(yè)干旱現(xiàn)象吻合。

國內(nèi)外學(xué)者認(rèn)為水庫蓄水水位下降的不一定是降水量，還受灌區(qū)的干旱情況及干旱時(shí)間影響，灌區(qū)的農(nóng)業(yè)干旱情況與該灌區(qū)灌溉水庫的蓄水有著密切關(guān)系［2，25］，這本研究分析結(jié)果一致，農(nóng)業(yè)干旱的發(fā)生除了與氣象干旱的烈度、歷時(shí)有關(guān)外，還與區(qū)域內(nèi)種植的作物有關(guān)，作物耗水量的大小和生長周期導(dǎo)致或加重農(nóng)業(yè)干旱的發(fā)生。

3.2 響應(yīng)模型的特征分析

羅綱等人［40］以冬小麥為例，通過作物水分虧缺指數(shù)CWDI與相對濕潤度指數(shù)M來表征干旱情況，發(fā)現(xiàn)冬小麥干旱相較氣象干旱存在延時(shí)，農(nóng)業(yè)干旱的發(fā)生周期更長，發(fā)生頻率更高，氣象干旱會加劇農(nóng)業(yè)干旱，而對比本研究區(qū)域農(nóng)業(yè)干旱對氣象干旱的響應(yīng)模型發(fā)現(xiàn)，長歷時(shí)、大烈度的氣象干旱的確會加重農(nóng)業(yè)干旱，與羅綱等人的研究結(jié)論一致。但小烈度、短時(shí)歷的氣象干旱發(fā)生，農(nóng)業(yè)干旱不發(fā)生或滯后于氣候干旱發(fā)生，體現(xiàn)了水庫對灌區(qū)氣象干旱的抗旱效果和能力。如3.1 所述，當(dāng)氣象干旱發(fā)生的干旱等級達(dá)到一定程度，同時(shí)發(fā)生時(shí)段正好位于灌區(qū)主要灌溉時(shí)段和水庫主要供水時(shí)段時(shí)，灌區(qū)農(nóng)業(yè)干旱的發(fā)生頻次及烈度都可能超過氣象干旱，擬合分析SSI1-SPI1、SSI3-SPI3 得到的兩種最優(yōu)擬合模型（指數(shù)函數(shù)、二次多項(xiàng)式），與馮凱等人［42］用aSPI和SPEI指標(biāo)表征農(nóng)業(yè)干旱對氣象干旱的響應(yīng)關(guān)系一致，能較好地反映農(nóng)業(yè)干旱對氣象干旱的特殊的響應(yīng)關(guān)系。

3.3 農(nóng)業(yè)干旱對不同時(shí)間尺度氣象干旱響應(yīng)關(guān)系差異的探討

張利利等［36］的研究表明：SPI1 和SPI3 能夠反映短期的氣象干旱特征，與農(nóng)業(yè)干旱的關(guān)系密切，之后賴力等［35］在研究中利用SPEI表征氣象干旱，植被狀態(tài)指數(shù)（VCI）表征農(nóng)業(yè)干旱，對甘肅省農(nóng)業(yè)干旱響應(yīng)多尺度氣象干旱的研究中，也表明農(nóng)業(yè)干旱對3 個(gè)月尺度的氣象干旱響應(yīng)最靈敏，與本文的研究結(jié)果一致。

4 結(jié) 論

本文選取以農(nóng)業(yè)灌溉為主的、數(shù)據(jù)序列較長的白鶴水庫，利用1990-2016年的逐月降水、蓄水資料，以SPI代表氣象干旱，SSI代表農(nóng)業(yè)干旱，運(yùn)用游程理論對白鶴水庫不同尺度的干旱烈度及干旱歷時(shí)進(jìn)行了識別分析，分析了農(nóng)業(yè)干旱對不同時(shí)間尺度氣象干旱的響應(yīng)關(guān)系，通過比較不同干旱模型之間的R2，找到了最符合的干旱模型，主要結(jié)論如下。

（1）農(nóng)業(yè)干旱一般在氣象干旱之后發(fā)生，短歷時(shí)、小烈度的氣象干旱發(fā)生，農(nóng)業(yè)干旱不發(fā)生或者滯后發(fā)生，體現(xiàn)了水庫的抗旱能力。但在經(jīng)歷長歷時(shí)，大烈度的農(nóng)業(yè)干旱后，如果繼續(xù)發(fā)生氣象干旱，發(fā)生時(shí)段又正好在水庫正常年份的供水期，水庫難以正常供水，二者存在同步發(fā)生的可能，農(nóng)業(yè)干旱烈度和歷時(shí)大于或等于氣象干旱烈度、歷時(shí)。農(nóng)業(yè)干旱的發(fā)生、歷時(shí)、烈度除了與氣象干旱的烈度、歷時(shí)有關(guān)外，還與灌區(qū)作物用水過程具有關(guān)系。

（2）根據(jù)氣象干旱和農(nóng)業(yè)干旱在相同時(shí)間尺度（SSI1-SPI1、SSI3-SPI3）和一個(gè)月尺度農(nóng)業(yè)干旱與多個(gè)月尺度（SSI1-SPI1、SSI1-SPI2、SSI1-SPI3、SSI1-SPI4、SSI1-SPI5、SSI1-SPI6）氣象干旱的判別系數(shù)R2分析可知，1 個(gè)月時(shí)間尺度的農(nóng)業(yè)干旱的歷時(shí)和烈度都對3個(gè)月的氣象干旱的歷時(shí)和烈度響應(yīng)關(guān)系最好。

（3）對比5 種不同的響應(yīng)關(guān)系，同時(shí)結(jié)合1 個(gè)月時(shí)間尺度農(nóng)業(yè)干旱對氣象干旱響應(yīng)關(guān)系，認(rèn)為1 個(gè)月時(shí)間尺度的農(nóng)業(yè)干旱對3個(gè)月的氣象干旱的響應(yīng)模型都以指數(shù)模型最為合理。干旱烈度和歷時(shí)響應(yīng)關(guān)系分別為：y=2.211 5 e0.1017x（R2=0.930 9）、y=2.790 5 e0.0782x（R2=0.964 5）。