呂瀟雨， 郭 浩， 孟翔晨， 包安明， 田蕓菲， 朱 麗

（1.曲阜師范大學(xué)地理與旅游學(xué)院，山東 日照 276826；2.中國科學(xué)院新疆生態(tài)與地理研究所，新疆 烏魯木齊 830011）

政府間氣候變化專門委員會(huì)（Intergovernmental Panel on Climate Change,IPCC）將干旱定義為“一段時(shí)間足以導(dǎo)致嚴(yán)重水文失衡的異常干旱天氣”［1］。近年來，隨著全球氣溫的升高，干旱事件發(fā)生的頻次、覆蓋面積均有增加［2］。中國地處典型季風(fēng)氣候區(qū)，干旱災(zāi)害的影響突出，每年造成的糧食減產(chǎn)從數(shù)百萬噸到數(shù)千萬噸不止，干旱造成的直接經(jīng)濟(jì)損失高達(dá)440×108元·a-1［3-4］?？茖W(xué)識(shí)別干旱事件并定量描述其特征是分析干旱時(shí)空演變規(guī)律的前提，能否準(zhǔn)確識(shí)別干旱事件，并定量化分析干旱事件的時(shí)空特征及其發(fā)展過程是干旱防災(zāi)減災(zāi)和預(yù)測(cè)的前提條件［5］。

干旱是一種異常的氣象水文現(xiàn)象，一場(chǎng)干旱通常被稱為一次干旱事件。要深化干旱變化規(guī)律的認(rèn)識(shí)，首先需準(zhǔn)確識(shí)別并提取干旱事件，而后進(jìn)行多特征分析。一場(chǎng)干旱事件實(shí)質(zhì)上是一個(gè)時(shí)空聯(lián)動(dòng)的過程，既在時(shí)間維度上演化也在空間維度上變化。傳統(tǒng)干旱事件識(shí)別方法多樣，比如閾值水平法、游程理論法、小波變換法、經(jīng)驗(yàn)正交函數(shù)等。大量學(xué)者基于以上方法開展了干旱監(jiān)測(cè)的相關(guān)研究，為干旱事件識(shí)別和干旱特征定量化分析提供了重要參考，如任朝霞等［6］基于百分位閾值法分析西北干旱區(qū)極端氣候變化趨勢(shì)；李天水等［7］基于游程理論和Copula 函數(shù)的聯(lián)合應(yīng)用，為區(qū)域干旱風(fēng)險(xiǎn)評(píng)估提供參考；Huang 等［8］利用交叉小波分析方法對(duì)渭河流域水文干旱與氣象干旱的相關(guān)性進(jìn)行了研究。經(jīng)驗(yàn)正交函數(shù)（EOF）和旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)（REOF）也被廣泛應(yīng)用于氣象要素時(shí)空特征分析［9-10］。然而，以上方法局限于一維或二維層面，多通過將三維空間壓縮為二維或一維來簡(jiǎn)化干旱事件的三維結(jié)構(gòu)。比如固定區(qū)域干旱指數(shù)的時(shí)間變化（一維）或某一時(shí)間段內(nèi)干濕狀況的空間分布圖（二維）等。而干旱事件是一個(gè)三維尺度下的干濕異常問題，既在空間上發(fā)展也在時(shí)間上變化，降維處理固然能夠更為迅速地提取干旱事件并進(jìn)行分析，但同時(shí)也會(huì)破壞干旱事件的三維時(shí)空結(jié)構(gòu)，進(jìn)而導(dǎo)致干旱路徑、發(fā)展過程、移動(dòng)方向等關(guān)鍵信息的丟失。

為解決上述問題，近年來，部分國內(nèi)外學(xué)者聚焦三維視角下的干旱事件識(shí)別與特征定量化研究，并且取得了一定的進(jìn)展。Andreadis 等［11］利用聚類算法識(shí)別干旱事件及其空間范圍，并建立了干旱嚴(yán)重程度-面積-持續(xù)時(shí)間(SAD)曲線，將每一次干旱的面積與其嚴(yán)重程度聯(lián)系起來。后來，Lloyd-Hughes等［12］擴(kuò)展了SAD干旱識(shí)別方法，明確了干旱事件的三維（經(jīng)度、緯度、時(shí)間）結(jié)構(gòu)，并通過逐一識(shí)別干旱指數(shù)三維立方體（3×3×3）內(nèi)的干旱像元點(diǎn)的方式實(shí)現(xiàn)干旱事件的識(shí)別；Guo 等［5］對(duì)傳統(tǒng)三維聚類算法進(jìn)行了改進(jìn)，從歷時(shí)、嚴(yán)重度、烈度、質(zhì)心等多個(gè)變量來度量干旱事件，并分析了亞洲中部地區(qū)干旱事件的時(shí)空演化特征；Liu 等［13］通過三維空間內(nèi)氣象干旱聚類和水文干旱聚類的重疊情況研究了氣象干旱向水文干旱的演變過程；Wen 等［14］繪制三維閾值等值面，聚類時(shí)空互聯(lián)網(wǎng)格點(diǎn)，形成三維干旱結(jié)構(gòu)，表征干旱事件，描述了干旱發(fā)展過程中的時(shí)空分布格局和時(shí)空變異性；Xu等［15］基于三維聚類方法識(shí)別了1961—2012 年中國季風(fēng)區(qū)的干旱事件，并通過歷時(shí)、受影響面積、嚴(yán)重程度、強(qiáng)度和質(zhì)心等多個(gè)特征變量來度量干旱事件；馮凱等［16］基于三維干旱識(shí)別方法分析了黑河流域干旱時(shí)空連續(xù)動(dòng)態(tài)演變特征；鄧翠玲等［17］將圖像三維連通性識(shí)別方法應(yīng)用于長(zhǎng)江流域的氣象干旱事件的識(shí)別和提取。

隨著氣候變化和人類活動(dòng)的不斷加劇，中國的干旱事件不斷頻發(fā)且有進(jìn)一步加劇的趨勢(shì)，干旱時(shí)空特征日趨復(fù)雜，然而中國干旱事件時(shí)空演變規(guī)律仍不清晰，對(duì)干旱發(fā)生發(fā)展過程的認(rèn)識(shí)仍有待深入。因此，本文基于三維聚類算法從時(shí)空聯(lián)動(dòng)的視角出發(fā)識(shí)別中國1981—2020年間的干旱事件，在分析干旱發(fā)生時(shí)間、歷時(shí)、嚴(yán)重度、烈度等常規(guī)靜態(tài)特征的基礎(chǔ)上，定量化研究干旱事件的發(fā)展過程、移動(dòng)路徑等動(dòng)態(tài)演變特征，旨在深化對(duì)干旱事件時(shí)空演變規(guī)律的認(rèn)識(shí)，促進(jìn)干旱識(shí)別與特征定量化的發(fā)展，為干旱風(fēng)險(xiǎn)管理和干旱預(yù)測(cè)提供科學(xué)參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

中國位于亞洲東部、太平洋西岸，地理坐標(biāo)介于73°33′～135°05′E，3°51′～53°33′N之間，研究區(qū)域不包括臺(tái)灣。地勢(shì)西高東低，呈階梯狀分布，高程空間差異大。中國主要以季風(fēng)氣候?yàn)橹?，南北跨緯度廣，太陽輻射能量空間異質(zhì)性強(qiáng)。由于海陸熱力性質(zhì)差異，降水量從東南到西北逐漸降低，東南沿海地區(qū)年降水量在1600 mm 以上，在秦嶺-淮河附近減少到800 mm，大興安嶺-陰山-蘭州-青藏高原東南部地區(qū)降水量約為400 mm，賀蘭山-青藏高原中部200 mm，西海降水量減少到200 mm，而塔里木盆地年降水量則不足50 mm。旱澇災(zāi)害呈漸進(jìn)變化，分布在全國各地，災(zāi)害從北向南更加多樣化。干旱是中國北方地區(qū)的主要災(zāi)害類型，而洪水是南方地區(qū)最重要的災(zāi)害類型［18］。半個(gè)世紀(jì)以來，我國高溫、強(qiáng)降水等極端天氣氣候事件趨多、趨強(qiáng)［19］，即使在一些通常被認(rèn)為潮濕的地區(qū)干旱災(zāi)害現(xiàn)象也頻繁發(fā)生［20］。干旱事件通常集中發(fā)生在華北平原至長(zhǎng)江下游地區(qū)，華北平原西部、黃土高原、四川盆地和云貴高原有明顯的干旱趨勢(shì)［15］。頻發(fā)的干旱帶來了嚴(yán)重的損失，例如2022年夏季長(zhǎng)江流域發(fā)生的罕見的重大干旱事件，對(duì)當(dāng)?shù)毓まr(nóng)業(yè)生產(chǎn)、居民生活、生態(tài)安全等造成嚴(yán)重影響［21-23］。

1.2 數(shù)據(jù)來源與處理

1.2.1 中國逐日降水分析產(chǎn)品CPAP 中國逐日降水分析產(chǎn)品（CPAP）來源于中國氣象數(shù)據(jù)網(wǎng)（www.data.cma.cn），空間分辨率0.25°×0.25°。CPAP 由國家氣象信息中心（NMIC）和中國氣象局（CMA）基于約2400個(gè)氣象站點(diǎn)的降水?dāng)?shù)據(jù)，結(jié)合最優(yōu)插值技術(shù)（OI）生產(chǎn)得到。圖1 給出了中國地區(qū)用于生成CPAP 的氣象站點(diǎn)分布。CPAP 所用氣象資料均經(jīng)過極端值的檢驗(yàn)，內(nèi)部一致性檢驗(yàn)和空間一致性檢驗(yàn)的三級(jí)質(zhì)量控制［24］。經(jīng)驗(yàn)證與獨(dú)立規(guī)范觀測(cè)相比，CPAP在0.5°尺度下的相對(duì)偏差(RB)為3.21%［24］。研究表明，CPAP 逐日降水資料與中國不同地區(qū)的觀測(cè)結(jié)果有很好的一致性［25］。本文將日尺度CPAP累加至月尺度，用于計(jì)算干旱指數(shù)SPEI。

1.2.2 ERA5-Land ERA5-Land是由歐洲中期天氣預(yù)報(bào)中心生產(chǎn)的第五代新氣候高分辨率再分析網(wǎng)格數(shù)據(jù)集，空間分辨率為0.1°，覆蓋范圍為90°S～90°N［26］。該數(shù)據(jù)集包括了自1981 年以來，表征溫度、湖泊、積雪、土壤水分、輻射和熱量、蒸散和徑流、風(fēng)速、氣壓、降水量及植被的50種變量的月動(dòng)態(tài)數(shù)據(jù)，具有時(shí)間序列長(zhǎng)、時(shí)空分辨率高、變量豐富等優(yōu)點(diǎn)。ERA5-Land 在天氣氣候診斷、遙感數(shù)據(jù)同化、干旱監(jiān)測(cè)等方面得到了廣泛應(yīng)用［27-28］。ERA5-Land 提供了小時(shí)尺度和月尺度2 種時(shí)間分辨率版本，本文從其官方網(wǎng)站（https://cds.climate.copernicus.eu/）下載得到1981年1月至2020年12月ERA5-Land 的月尺度蒸散發(fā)（PET）網(wǎng)格數(shù)據(jù)用于計(jì)算SPEI干旱指數(shù)。該數(shù)據(jù)集中的PET是基于Penman-Monteith方程計(jì)算，經(jīng)驗(yàn)證其適合于中國的干旱監(jiān)測(cè)［29］。

2 研究方法

2.1 標(biāo)準(zhǔn)化降水蒸散指數(shù)SPEI

不同時(shí)間、不同地區(qū)的降水量差異巨大，因此很難通過降水量的大小進(jìn)行時(shí)空尺度的比較［30］。標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)同時(shí)考慮了溫度和降水，且具有多時(shí)間尺度特征和標(biāo)準(zhǔn)化特征，在實(shí)際應(yīng)用中可消除降水時(shí)空差異，適用于干旱時(shí)空變化規(guī)律研究。前人研究表明［15,31］，3 個(gè)月時(shí)間尺度的SPEI能夠反映干濕變化的季節(jié)性特征，既不會(huì)因?yàn)闀r(shí)間太短導(dǎo)致SPEI值震蕩劇烈，也不會(huì)因?yàn)闀r(shí)間太長(zhǎng)而導(dǎo)致SPEI 值變化過于平緩。本文基于1981—2020 年（40 a）的降水觀測(cè)插值數(shù)據(jù)和ERA5-Land數(shù)據(jù)集中的潛在蒸散發(fā)數(shù)據(jù)，利用R 語言中SPEI包，計(jì)算得到3個(gè)月時(shí)間尺度的SPEI（即SPEI3），計(jì)算步驟參考表1。

表1 SPEI計(jì)算步驟Tab.1 The calculation steps of SPEI

2.2 基于三維聚類算法的干旱事件識(shí)別方法

本研究選擇閾值-1作為干旱狀態(tài)的識(shí)別標(biāo)準(zhǔn)，即當(dāng)SPEI3＜-1 時(shí)發(fā)生干旱則代表該地區(qū)處于干旱狀態(tài)［32］?；贕uo等［5］的改進(jìn)型三維聚類干旱事件識(shí)別方法識(shí)別干旱事件并定量化描述事件的時(shí)空演化特征。該方法具體步驟如下：

（1）構(gòu)建三維數(shù)據(jù)空間。以研究區(qū)的歷年逐月SPEI3 為基本數(shù)據(jù)，以經(jīng)度（Lon）、緯度（Lat）和時(shí)間（t）為3個(gè)坐標(biāo)軸（如圖2步驟1），建立SPEI3的三維數(shù)據(jù)空間。此時(shí)，該三維空間的大小是Nlat×Nlon×Nt。其中Nlat、Nlon和Nt分別代表SPEI 三維數(shù)據(jù)空間中緯度格網(wǎng)數(shù)、經(jīng)度格網(wǎng)數(shù)和時(shí)間范圍（月數(shù)）。時(shí)間范圍Nt即為SPEI干旱指數(shù)計(jì)算的時(shí)間范圍，本文時(shí)間范圍Nt范圍設(shè)定為1981年1月至2020年12月。

圖2 基于三維聚類算法的干旱事件識(shí)別步驟Fig.2 Drought identification steps based on the three dimensional clutering algorithm

（2）干旱圖斑識(shí)別。對(duì)每個(gè)月的SPEI3 數(shù)據(jù)進(jìn)行干旱狀態(tài)識(shí)別，當(dāng)某格點(diǎn)SPEI3 的值＜-1 時(shí)則認(rèn)為是干旱狀態(tài)并將其標(biāo)記為干旱格點(diǎn)。然后，識(shí)別當(dāng)前月所有干旱格點(diǎn)并將相鄰干旱格點(diǎn)標(biāo)記為一個(gè)干旱圖斑。

（3）干旱圖斑篩選。在實(shí)際干旱事件分析過程中，覆蓋面廣、持續(xù)時(shí)間長(zhǎng)的干旱是研究的重點(diǎn)，干旱碎斑影響有限且會(huì)擾亂干旱事件的識(shí)別。為避免干旱碎斑對(duì)干旱事件識(shí)別和特征定量化分析造成的影響［5］，本文僅考慮面積大于整個(gè)研究區(qū)面積的1.6%（15.36×104km2）的干旱圖斑［33］。

（4）干旱事件識(shí)別。三維干旱事件是在干旱指標(biāo)三維空間中，聚集在一起相互連通的干旱指標(biāo)體素的集合。為確定一個(gè)干旱事件，需要定義相鄰事件干旱圖斑的重疊面積。根據(jù)Guo 等［5］的研究，當(dāng)兩個(gè)相鄰圖層中，干旱圖斑的重疊面積＞6400 km2時(shí)，將其認(rèn)定為同一干旱事件。從第2 個(gè)月開始重復(fù)步驟2 直到所有月份的圖層檢查完成，提取干旱體素并賦予其唯一編號(hào)，即一場(chǎng)三維干旱事件。

2.3 干旱事件特征變量

本研究基于以下6 種干旱特征來度量干旱事件：

（1）干旱持續(xù)時(shí)間（Drought Duration，DD）是指處于干旱狀態(tài)下的時(shí)長(zhǎng)，即干旱開始時(shí)間和干旱結(jié)束時(shí)間之間的月份數(shù)。

（2）干旱嚴(yán)重度［34-35］（Drought Severity，DS）是指干旱事件期間SPEI累加值的絕對(duì)值，公式如下：

式中：DD表示某一干旱事件的持續(xù)時(shí)間；SPEIi表示第i個(gè)月的SPEI值。

（3）干旱烈度［36］（Drought Intensity，DI）是指干旱期間SPEI 值的平均值，是干旱嚴(yán)重度DS 與干旱持續(xù)時(shí)間DD的比值，公式如下：

式中：DD表示某一干旱事件的持續(xù)時(shí)間；DS表示某一干旱嚴(yán)重度；SPEIi表示第i個(gè)月的SPEI值。

（4）干旱面積（Drought Area，DA）又稱干旱范圍（Drought Spatial Extent）或者干旱影響范圍（Drought Influenced Area），是指某次干旱事件所涉及的最大范圍，即干旱事件期間曾處于干旱狀態(tài)的最大面積。

（5）干旱質(zhì)心（Drought Centroids，DC）為SPEI值在三維空間中的加權(quán)重心，它對(duì)于研究干旱的時(shí)空分布規(guī)律有著重要的作用。為刻畫干旱事件的發(fā)展遷移過程，同時(shí)計(jì)算逐月干旱質(zhì)心。

（6）干旱遷移路徑長(zhǎng)度（Drought track length，DL）［37-38］為干旱軌跡的長(zhǎng)度，即逐月干旱質(zhì)心移動(dòng)距離的總和，基于Haversine 公式（https://en.wikipedia.org/wiki/Haversine_formula）計(jì)算兩個(gè)質(zhì)心之間的距離d，其計(jì)算過程見如下公式：

式中：d表示地球上兩點(diǎn)之間的距離；r表示地球的半徑；φ1和φ2分別表示點(diǎn)1 的緯度和點(diǎn)2 的緯度；λ1和λ2分別表示點(diǎn)1的經(jīng)度和點(diǎn)2的經(jīng)度；DD表示某一干旱事件的持續(xù)時(shí)間；dt表示t月的質(zhì)心與t+1月的質(zhì)心之間的距離。

3 結(jié)果與分析

3.1 基于三維聚類算法的干旱識(shí)別結(jié)果

基于SPEI3，通過三維聚類算法的干旱識(shí)別方法，在1981年到2020年中國地區(qū)共識(shí)別出持續(xù)2個(gè)月及以上的干旱事件102場(chǎng)。表2列出了干旱嚴(yán)重度最高的20場(chǎng)干旱事件及其時(shí)空特征，定量描述了每一場(chǎng)干旱事件的發(fā)生時(shí)間、結(jié)束時(shí)間、嚴(yán)重程度、影響范圍、質(zhì)心以及質(zhì)心路徑長(zhǎng)度。經(jīng)統(tǒng)計(jì)，在102場(chǎng)干旱事件中，有12.7%的干旱歷時(shí)長(zhǎng)達(dá)1 a 以上，10.8%的干旱事件覆蓋面積超過480×104km2，占我國國土面積的50%。同時(shí)，歷時(shí)超過12個(gè)月的干旱事件的干旱嚴(yán)重度均位于所有干旱事件的前10%，這表明干旱歷時(shí)是導(dǎo)致干旱嚴(yán)重性的重要因素。綜上可知，近40 a來中國的干旱事件在時(shí)間上具有連年性和在空間上存在普遍性。

表2 1981—2020年中國20場(chǎng)最嚴(yán)重干旱事件Tab.2 The 20 most severe drought events in China during 1981-2020

3.2 干旱特征變化分析

圖3 顯示了102 場(chǎng)干旱事件質(zhì)心的空間分布，圖中圓形的大小和顏色分別代表干旱事件的嚴(yán)重度和歷時(shí)。干旱事件的質(zhì)心在研究區(qū)內(nèi)均勻分布，長(zhǎng)歷時(shí)、強(qiáng)烈度的大規(guī)模干旱事件主要集中在青海、甘肅、內(nèi)蒙古等中國中部地區(qū)，這種“中間區(qū)域效應(yīng)”主要是由研究區(qū)域邊界限制造成的［39］，小規(guī)模干旱事件多集中在南部地區(qū)。

圖3 干旱質(zhì)心空間分布Fig.3 Spatial distribution of drought centroids

根據(jù)干旱事件中干旱質(zhì)心移動(dòng)的方向，繪制1981—2020 年我國102 場(chǎng)干旱事件歷時(shí)-頻次的空間分布（圖4），其中不同的顏色表示干旱歷時(shí)。從堆積柱狀圖和玫瑰圖來看，中國發(fā)生的干旱更傾向于自東向西發(fā)展。不同方向上的干旱事件持續(xù)時(shí)間并無明顯規(guī)律，在東、西、南、北、東北、西北、東南和西南8 個(gè)方向中，西部地區(qū)發(fā)生的干旱事件累計(jì)值最高，達(dá)到36場(chǎng)，占干旱總次數(shù)的35.3%，若加之西北、西南方向的干旱事件，共計(jì)有干旱事件64場(chǎng)，占干旱總次數(shù)的62.7%。其中西北向干旱事件有16場(chǎng)，西南向干旱事件有12場(chǎng)。其他方向的干旱事件略顯弱勢(shì)，東、東北、北、南、東南的干旱次數(shù)分別為12、8、10、2場(chǎng)和6場(chǎng)。

圖4 1981—2020年中國干旱事件動(dòng)態(tài)特征干旱歷時(shí)（a）與干旱移動(dòng)方向（b）Fig.4 Drought dynamic characteristics(a)the stacked column of drought duration(b)the directional rose diagram of drought direction in mainland China during 1981-2020

根據(jù)每場(chǎng)干旱事件的逐月干旱嚴(yán)重度、逐月干旱面積、逐月干旱烈度，繪制1981—2020 年干旱時(shí)間的時(shí)間演變情況，通過不同的顏色標(biāo)記不同歷時(shí)的干旱事件，矩形表示單次干旱事件所影響的面積。如圖5所示，從時(shí)間分布上看，各個(gè)干旱事件的時(shí)間重疊度較高，且不同地區(qū)同時(shí)發(fā)生干旱事件的情況較多。從長(zhǎng)時(shí)間序列的分布密度來看，覆蓋范圍廣且嚴(yán)重度高的干旱事件較多的發(fā)生于2005—2010 年之間。干旱嚴(yán)重度與干旱面積的相關(guān)性較高，但烈度與歷時(shí)和嚴(yán)重度的相關(guān)性較弱。這說明干旱事件發(fā)生覆蓋面積越廣更易引發(fā)高嚴(yán)重度干旱事件。比如，2008 年8 月至2009 年9 月發(fā)生的干旱事件，干旱面積覆蓋了研究區(qū)80%的地區(qū)，其受旱面積大，局部災(zāi)情重等特點(diǎn)［40］，使其成為研究區(qū)近40 a來最嚴(yán)重的干旱事件。根據(jù)干旱面積、干旱嚴(yán)重度及干旱烈度時(shí)間演化情況來看（圖5），在102場(chǎng)干旱事件中，約40%的干旱事件呈現(xiàn)出干旱面積和干旱嚴(yán)重度的多峰現(xiàn)象，即一場(chǎng)干旱事件過程中，其干旱面積和嚴(yán)重度變化出現(xiàn)多個(gè)峰值。超過半數(shù)（57.84%）的干旱事件在干旱烈度變化中呈現(xiàn)多峰現(xiàn)象。不同特征的干旱事件多峰現(xiàn)象不利于干旱事件發(fā)展的預(yù)估，這是由于當(dāng)某一干旱特征（干旱烈度、干旱嚴(yán)重度、干旱面積）由升轉(zhuǎn)降時(shí)并不能代表干旱的結(jié)束，也許會(huì)產(chǎn)生新的上升趨勢(shì)。

圖5 1981—2020年中國干旱事件的嚴(yán)重度、面積、烈度的時(shí)間演變Fig.5 Temporal evolution of the severity,area and intensity of drought events in China,1981-2020

受氣候變化的影響，中國地區(qū)三維干旱特征變化情況較為復(fù)雜，圖6以5 a為周期統(tǒng)計(jì)了干旱事件的累計(jì)頻次、歷時(shí)均值、烈度均值、嚴(yán)重度均值和面積均值?？梢钥闯?，40 a來，單場(chǎng)干旱事件的持續(xù)月數(shù)均值隨時(shí)間變化呈現(xiàn)明顯的抬升趨勢(shì)；干旱烈度均值穩(wěn)定在0.6左右；干旱歷時(shí)均值、干旱嚴(yán)重度均值、干旱面積均值趨勢(shì)大致相同，呈先抬升后輕微下降的形勢(shì)。綜合來看，2000年之后長(zhǎng)歷時(shí)干旱事件發(fā)生次數(shù)明顯增多，2005—2010年間發(fā)生長(zhǎng)歷時(shí)干旱事件16 場(chǎng)，平均干旱歷時(shí)和面積分別為6.7 個(gè)月和2.8×106km2，歷時(shí)長(zhǎng)、烈度高、影響面積廣的干旱事件大多發(fā)生在2005—2010年。

圖6 1981—2020年中國干旱特征年代際變化Fig.6 Decadal change plot of drought characteristics in China during 1981-2020

3.3 典型三維干旱事件分析

為分析典型干旱事件的空間格局和時(shí)間演變特征，本文根據(jù)三維干旱特征值的不同，從最嚴(yán)重的20 場(chǎng)干旱事件中，再次選取出嚴(yán)重度最高、烈度最高、歷時(shí)最長(zhǎng)最短、同等嚴(yán)重度下歷時(shí)較短、同等嚴(yán)重度下烈度較強(qiáng)的6 場(chǎng)典型干旱事件，并在表2中以淡黃色背景標(biāo)記。圖7和圖8展示了典型干旱事件三維結(jié)構(gòu)及特征變量的時(shí)間趨勢(shì)。由圖8 可知，在單場(chǎng)干旱事件中，干旱嚴(yán)重度、干旱面積和干旱烈度的逐月變化趨勢(shì)基本一致。

圖7 典型干旱事件三維結(jié)構(gòu)Fig.7 The three dimensional structure of typical drought events

圖8 典型干旱事件特征變量的時(shí)間變化Fig.8 Temporal changes of the characteristics of typical drought events

通過干旱事件d（圖7d）可以明顯看出，作為研究時(shí)段內(nèi)最嚴(yán)重的干旱事件，本場(chǎng)干旱事件的干旱強(qiáng)度高、影響面積廣，從中國東北地區(qū)逐步發(fā)展至中國西部地區(qū)，而后其干旱質(zhì)心向東移動(dòng)，最終在中國中部地區(qū)消失，覆蓋面積達(dá)8.00×106km2，約占中國陸地面積的80%，歷時(shí)長(zhǎng)達(dá)14 個(gè)月。在2009年2月，此次干旱事件達(dá)到覆蓋面積上的峰值，其覆蓋面積超過5.00×106km2。在前人研究中驗(yàn)證了2008 年10 月至2009 年3 月我國北方地區(qū)出現(xiàn)的秋冬連旱現(xiàn)象［41-42］，研究中描述了此次旱情在2008年10月以后逐漸加重，2009年1月下旬各地旱情達(dá)到了最嚴(yán)重的程度。

干旱事件f（圖7f）是近40 a 來發(fā)生的歷時(shí)最長(zhǎng)的干旱事件，共歷時(shí)22個(gè)月。在歷時(shí)較長(zhǎng)的干旱事件中，干旱嚴(yán)重度、干旱面積等特征往往會(huì)產(chǎn)生多個(gè)峰值。這種多峰現(xiàn)象不利于干旱發(fā)生發(fā)展過程的預(yù)測(cè)，比如干旱嚴(yán)重度等特征的暫時(shí)降低可能被錯(cuò)誤地認(rèn)為是干旱進(jìn)入消亡期。此次干旱事件主要發(fā)生在中東部地區(qū)，累計(jì)覆蓋面積為3.78×106km2，遠(yuǎn)小于干旱事件d的面積。在中國應(yīng)急管理部發(fā)布自然災(zāi)害基本情況中描述到，2019年東北地區(qū)遭遇春旱，山西、河南等地出現(xiàn)階段性夏伏旱，華北、西南和東北地區(qū)夏伏旱［43］，其描述的干旱影響范圍與本文識(shí)別的干旱面積基本一致。

干旱事件a（圖7a）的歷時(shí)與干旱事件d（圖7d）相同，但其干旱嚴(yán)重程度遠(yuǎn)小于干旱事件d（圖7f），究其原因，主要是其干旱面積不同。干旱事件a 從中國中部地區(qū)逐步向西發(fā)展，干旱受災(zāi)范圍相對(duì)集中，其峰值出現(xiàn)在本場(chǎng)干旱發(fā)生的第8個(gè)月，其單月干旱影響面積達(dá)到了1.54×106km2。由此可知，在干旱事件歷時(shí)相同的情況下，干旱覆蓋面積都對(duì)干旱事件的嚴(yán)重程度起決定性作用。干旱事件c（圖7c），發(fā)生在中國的東北地區(qū)，與干旱事件a 的干旱嚴(yán)重度相同（均為1.74×107km2），值得注意的是，盡管干旱事件c 的歷時(shí)短且覆蓋面積小，但其干旱烈度卻比干旱事件a 高出了0.58，說明在干旱嚴(yán)重度相同的狀態(tài)下，干旱烈度越小，干旱面積則越大，反之亦然。

干旱事件b（圖7b）的嚴(yán)重度在所識(shí)別干旱事件中位列第4，與同等嚴(yán)重度的干旱事件相比，此次干旱事件的歷時(shí)較短，表明此次干旱事件發(fā)生短促而劇烈。該干旱事件發(fā)生自陜西、山西以及內(nèi)蒙古交匯處，而后迅速蔓延至全國，直至1999年4月，干旱質(zhì)心移動(dòng)至西藏地區(qū)，而后逐漸消亡。干旱事件e（圖7e），此次干旱事件的歷時(shí)為6 個(gè)月，是中國1980—2020 年最嚴(yán)重的20 場(chǎng)干旱事件中歷時(shí)最短的干旱事件，但其干旱烈度處于第2 位。與干旱事件b 的干旱特征一致，此干旱事件的發(fā)生發(fā)展同樣的短促而劇烈，值得注意的是，干旱事件e在一個(gè)月內(nèi)消亡，消亡期十分短暫。

以上干旱事件與有關(guān)研究文獻(xiàn)［44］相符合，每場(chǎng)干旱事件的發(fā)生發(fā)展時(shí)間和影響范圍與記載的一致性較高，進(jìn)一步驗(yàn)證了本文提出的三維聚類算法干旱識(shí)別是合理可靠的。

為分析典型干旱事件的發(fā)生發(fā)展過程、逐月空間影響范圍等特征，本文進(jìn)一步分析了研究時(shí)段內(nèi)烈度最強(qiáng)干旱事件（2007年6月至2008年5月）的時(shí)空動(dòng)態(tài)演變過程。圖9繪制了干旱事件發(fā)生至消亡的時(shí)空動(dòng)態(tài)演變?nèi)^程及其逐月遷移路徑，點(diǎn)代表每個(gè)月干旱集群的質(zhì)心，連接質(zhì)心之間的箭頭為干旱遷移路徑。由圖可知，本場(chǎng)干旱事件的源頭在內(nèi)蒙古北部地區(qū)，發(fā)生干旱時(shí)質(zhì)心在赤峰市，隨后干旱迅速蔓延至東北地區(qū)全域，干旱質(zhì)心向東北方向遷移至白城市；8月至9月，干旱繼續(xù)向北發(fā)展，干旱嚴(yán)重程度持續(xù)增加，旱情最為嚴(yán)重，單月干旱面積達(dá)到峰值(1.38×106km2)；10月干旱分散為兩個(gè)部分，旱情由此開始衰減；11月至次年1月，干旱中心向西遷移至齊齊哈爾市；2 月至3 月，干旱中心向東漸漸移動(dòng)；4月至5月，干旱中心持續(xù)向北移動(dòng)，最終移動(dòng)至呼倫貝爾市北部，并最終在此消亡。綜合來看，本次干旱事件從2007 年6 月至次年5 月共歷時(shí)12個(gè)月，此干旱生長(zhǎng)期較短（2007 年6 月至2007 年9月，共4 個(gè)月），衰減時(shí)間較長(zhǎng)（2007 年10 月至2008年5 月，共8 個(gè)月），旱情經(jīng)歷了生長(zhǎng)期-強(qiáng)化期-峰值期-衰減期-消亡期5 個(gè)階段；干旱質(zhì)心移動(dòng)方向由南向北遷移，遷移路徑大致為赤峰市→白城市→大慶市→呼倫貝爾市南部→齊齊哈爾市→呼倫貝爾市北部。此次干旱事件與中國氣象干旱圖集［44］中2007 年秋季干旱、2008 年春季干旱重合度較高，進(jìn)一步驗(yàn)證了三維聚類算法識(shí)別干旱事件的可靠性。

圖9 2007年6月至2008年5月的干旱事件時(shí)空動(dòng)態(tài)演變過程及其逐月遷移路徑Fig.9 Evolution of the spatial and temporal dynamics of drought events from June 2007 to May 2008 and their migration paths from month to month

4 結(jié)論與討論

本文以中國為研究區(qū)，從三維視角出發(fā)，識(shí)別1981—2020年間的干旱事件，并系統(tǒng)分析干旱事件的歷時(shí)、嚴(yán)重度、烈度、影響面積等基本特征和移動(dòng)路徑、發(fā)展方向等動(dòng)態(tài)特征?；谌S聚類算法的干旱事件識(shí)別方法能夠?yàn)榻沂靖珊禃r(shí)空變化規(guī)律提供新途徑，研究結(jié)論有助于深化中國干旱事件發(fā)生發(fā)展過程的認(rèn)識(shí)和理解。本文主要結(jié)論如下：

與歷史文獻(xiàn)資料對(duì)比分析，結(jié)果表明三維聚類算法能有效識(shí)別區(qū)域氣象干旱事件，1981—2020年間共識(shí)別歷時(shí)超過2個(gè)月的干旱事件102場(chǎng)。研究時(shí)段內(nèi)，最嚴(yán)重干旱事件發(fā)生于2008年8月至2009年9 月期間，共歷時(shí)14 個(gè)月，影響了中國超80%的面積。不同干旱事件的時(shí)空特征差異顯著，同一個(gè)干旱事件逐月烈度、逐月嚴(yán)重度等特征隨時(shí)間的變化區(qū)別也較明顯。

基于干旱事件的質(zhì)心分布情況以及歷時(shí)圖、移動(dòng)方向玫瑰圖分析發(fā)現(xiàn)，中國發(fā)生的長(zhǎng)歷時(shí)、強(qiáng)烈度的大規(guī)模干旱事件主要集中于中西部地區(qū)，且62.7%的干旱事件更傾向于自東向西發(fā)展。通過逐月分析干旱事件的特征變化，發(fā)現(xiàn)中國發(fā)生的干旱事件時(shí)間重疊度較高。從長(zhǎng)時(shí)間序列的分布密度來看，覆蓋范圍廣且嚴(yán)重度高的干旱事件較多的發(fā)生于2005—2010 年之間。在102 場(chǎng)干旱事件中，約40%的干旱事件呈現(xiàn)出干旱面積和干旱嚴(yán)重度的多峰現(xiàn)象，超過半數(shù)（57.84%）的干旱事件在干旱烈度變化中呈現(xiàn)多峰現(xiàn)象，干旱事件的多峰現(xiàn)象不利于干旱事件發(fā)展的預(yù)估。

本文針對(duì)干旱過程在時(shí)空維度下的演變特征開展研究仍存在一些待改進(jìn)之處。首先，SPEI干旱指數(shù)是基于降水和潛在蒸散發(fā)計(jì)算得到，本質(zhì)上反映的是氣象干旱［32］，并未考慮下墊面植被類型、地形等因素的影響。其次，部分研究［33］表明，以研究區(qū)1.6%的面積比重作為最小干旱聚類面積閾值能夠有效提取三維干旱事件并避免干旱聚類碎斑出現(xiàn)，然而不同閾值的大小會(huì)導(dǎo)致干旱事件提取結(jié)果的差異，其閾值選取的合理性仍有待進(jìn)一步驗(yàn)證。最后，三維聚類干旱識(shí)別算法雖然能夠有效避免干旱事件的動(dòng)態(tài)信息丟失的問題［45］，但同時(shí)面臨算法相對(duì)較復(fù)雜的問題。