葛元凱，趙龍龍，陳勁松，任彥霓，李洪忠

1.中國科學(xué)院深圳先進技術(shù)研究院，廣東 深圳 518055；2.河南理工大學(xué)測繪與國土信息工程學(xué)院，河南 焦作 454150

干旱以其持續(xù)時間長、波及范圍廣等特點，對生態(tài)環(huán)境和社會經(jīng)濟發(fā)展造成嚴重威脅，是眾多自然災(zāi)害中造成經(jīng)濟損失最大的氣象災(zāi)害之一（Zhou et al.，2006；石朋等，2022）。受全球變暖影響，干旱的時空分布不斷演變（徐翔宇等，2022），西南地區(qū)作為全國干旱重心區(qū)域之一（韓蘭英等，2014；Han et al.，2016；謝清霞等，2020），干旱發(fā)生頻率和強度的空間不確定性增強，干旱災(zāi)害形勢愈演愈烈（Han et al.，2021；石朋等，2022）。IPCC 第六次評估報告指出，極端氣候事件（極端干旱、熱浪、降水等）的發(fā)生頻率和強度顯著增加（文佐，2022），相比長期氣候趨勢變化，短期氣候變化引起的極端干旱事件對水資源和農(nóng)業(yè)生產(chǎn)的影響更為直接（張旭煜，2022）。全面認識西南地區(qū)氣象干旱的時空演變趨勢，明確干旱事件熱點區(qū)域的時空演變規(guī)律，對西南地區(qū)抗旱防災(zāi)、保障農(nóng)業(yè)健康發(fā)展具有重要意義。

氣象干旱指數(shù)是干旱定量化評估研究中最直接有效的方法之一（賈艷青等，2018）。標(biāo)準(zhǔn)化降水指數(shù)（SPI）、降水距平百分率（Pa）、Z指數(shù)是基于降水信息的常用干旱指數(shù)，可以一定程度上滿足快速監(jiān)測氣象干旱的需求。然而在全球變暖背景下，溫度升高成為加劇干旱過程的重要因素之一。標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）因綜合考慮了降水和溫度對區(qū)域干旱的影響，且具有靈活選擇時間尺度的特性（張玉靜等，2015），被廣泛應(yīng)用于全球變暖背景下的氣象干旱研究。目前已有眾多學(xué)者將SPEI 指數(shù)用于西南地區(qū)氣象干旱研究中。早期研究中，學(xué)者多基于氣象站點計算SPEI，并對站點結(jié)果進行空間插值獲取面狀結(jié)果，以分析西南地區(qū)干旱年際變化特征和空間變化趨勢（王東等，2013；王東等，2014；姚玉璧等，2014；Jin et al.，2020），但獲得的干旱空間格局常存在明顯的插值界限（王東等，2014），難以反映干旱的實際分布特征。雖然部分學(xué)者采用氣候研究委員會（CRU）月尺度SPEI 柵格數(shù)據(jù)集對西南地區(qū)干旱時空變化特征進行分析（靖娟利等，2022；王永鋒等，2022），但是該數(shù)據(jù)集約55 km 的空間分辨率難以捕捉研究區(qū)的干旱格局細節(jié)信息。另一方面，調(diào)研發(fā)現(xiàn)，在不同時間尺度下開展的干旱趨勢研究亦有差異，如趙蘭蘭等（2021），黃健等（2020）分別對1972－2017 年和1976－2017 年西南地區(qū)干旱趨勢及變化特征進行分析，認為西南干旱呈現(xiàn)明顯加重趨勢；而靖娟利等（2022），王永鋒等（2022）分析1902－2018 年西南地區(qū)和西南喀斯特區(qū)域的干旱時空變化規(guī)律，認為西南地區(qū)呈現(xiàn)不顯著變干趨勢；Wang et al（2015）則認為，雖然1961－2012 年間西南地區(qū)總體呈現(xiàn)明顯變干趨勢，但部分極端干旱區(qū)和干旱區(qū)卻明顯變濕。這說明在不同的時間尺度下，西南地區(qū)的干濕趨勢具有較強的不確定性。在當(dāng)前全球變暖及極端氣候事件頻發(fā)的氣候背景下，有必要對西南地區(qū)開展多時段的干旱演變趨勢分析。

干旱事件作為干旱在時間上的累積，嚴重影響水資源的供給和農(nóng)業(yè)部門的產(chǎn)值（姜雨彤等，2022）。近年來，學(xué)者們逐漸重視干旱事件對農(nóng)業(yè)生產(chǎn)的影響并開展了大量研究，但各研究對干旱事件的定義尚不統(tǒng)一。賈艷青等（2018）將至少連續(xù)15 天的SPEI 值低于?2 時定義為極端干旱事件；吳秋潔（2019）將干旱事件定義為至少一個月的SPEI-1 低于?0.5；李星（2018）則認為至少一個月的SPEI-1 值低于?1 時才發(fā)生干旱事件。以上干旱事件的定義在干旱持續(xù)時長以及SPEI 的閾值確定時各有考量，但對干旱事件進行定義時不僅要考慮干旱發(fā)生的程度，還要考慮干旱狀態(tài)的積累對農(nóng)作物生長的影響。作物產(chǎn)量受多個生育期的共同影響，以一個月內(nèi)的SPEI 來定義干旱事件往往會忽略頻繁的干濕交替對農(nóng)業(yè)生產(chǎn)的影響，因此需綜合考慮農(nóng)作物的整個生育期對干旱事件進行定義。

綜上所述，針對當(dāng)前研究中氣象站點代表性不足、使用的SPEI 面狀產(chǎn)品分辨率較低，以及對于干旱事件的識別方法不統(tǒng)一等問題。本文首先生成1983－2020 年5.5 km 長時序逐月SPEI 面狀數(shù)據(jù)；然后將研究時期分3 個時間尺度（38 年、18 年和10 年）對4 個時段（1983－2020 年、1983－2000年、2001－2010 年、2011－2020 年）的干旱時空演變趨勢進行分析；最后，定義干旱事件為至少連續(xù)3 個月發(fā)生中等干旱（即SPEI-1≤?1），構(gòu)建干旱最長持續(xù)月數(shù)（Maxmon）、年均干旱月數(shù)（Meanmon）、干旱事件次數(shù)（CDE）和干旱事件平均持續(xù)月數(shù)（MMDE）4 個指標(biāo)，分析不同時段下西南地區(qū)的干旱強度，識別干旱事件及其熱點區(qū)域。研究結(jié)果可揭示西南地區(qū)氣象干旱的長-短期時空演變趨勢，同時干旱事件熱點區(qū)域的識別也可為西南地區(qū)干旱敏感脆弱區(qū)開展抗旱減災(zāi)提供科學(xué)指導(dǎo)。

1 研究區(qū)概況和數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于中國西南部，東臨華中、華南地區(qū)，北依西北地區(qū)，包括云南省、貴州省、四川省和重慶市，總面積約1.13×106km2（李星，2018）（圖1a）。研究區(qū)地形地貌結(jié)構(gòu)復(fù)雜，河流眾多，地勢西北高東部低，山地、丘陵分布較廣，地形比降大。研究區(qū)氣候類型主要為中亞熱帶濕潤季風(fēng)氣候，亞熱帶高原季風(fēng)濕潤氣候和青藏高原獨特的高原氣候，形成獨特的植被分布格局（張遠東等，2011）（圖1b）。研究區(qū)降水以小雨為主，約占總降水日數(shù)的75%（張琪等，2014），春季降水偏少，夏、秋季降水偏多，冬季降水最少，時空分布不均，干濕季差異大。近年來，受全球變暖影響，研究區(qū)降水量大幅度減少、氣溫不斷升高，干旱頻發(fā)，嚴重威脅當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)。本研究將對以上4 省市進行氣象干旱監(jiān)測，分析各區(qū)域氣象干旱演變趨勢及干旱事件熱點區(qū)域時空格局變化。

圖1 研究區(qū)地理位置Figure 1 Geographic location of the study area

1.2 數(shù)據(jù)來源

本文使用數(shù)據(jù)為1981－2020 年降水?dāng)?shù)據(jù)和潛在蒸散發(fā)數(shù)據(jù)，用于計算多尺度逐月SPEI。其中，降水?dāng)?shù)據(jù)采用加利福尼亞大學(xué)氣候災(zāi)害中心（UCSB/CHC）提供的 CHIRPS 日降水產(chǎn)品（https://chc.ucsb.edu/data/chirps），空間分辨率5 566 m，該數(shù)據(jù)采用衛(wèi)星圖像與站點數(shù)據(jù)相結(jié)合計算得出。Bai et al（2018）結(jié)合國內(nèi)2 480 個雨量測量計數(shù)據(jù)對1981－2014 年間CHIRPS 在中國區(qū)域的適用性進行驗證，結(jié)果顯示其在中國區(qū)域與站點數(shù)據(jù)總體表現(xiàn)出較好的一致性，在南方區(qū)域的表現(xiàn)優(yōu)于西北和北方地區(qū)。為了更明確地驗證CHIRPS 數(shù)據(jù)在西南地區(qū)的適用性，本研究選取研究區(qū)2020 年的氣象站點日降水?dāng)?shù)據(jù)，基于 Bland-Altman（Altman et al.，1983；Bland et al.，1995）方法（常被用于兩種定量數(shù)據(jù)的一致性檢驗）對CHIRPS 數(shù)據(jù)進行適用性分析。通過調(diào)研CHIRPS 數(shù)據(jù)的全年可用性，選取四川甘孜基準(zhǔn)站56146 的全年（366 d）日降水?dāng)?shù)據(jù)進行一致性檢驗。結(jié)果如圖2 所示，從圖中可以看出絕大多數(shù)數(shù)據(jù)點都通過了95%一致性檢驗界限（圖中的兩條虛線）。綜上，認為CHIRPS數(shù)據(jù)在研究區(qū)具有較高的可靠性和適用性。

圖2 降水?dāng)?shù)據(jù)一致性檢驗Figure 2 Consistency test of precipitation data

潛在蒸散發(fā)數(shù)據(jù)采用歐洲中等天氣預(yù)報中心（ECMWF）ERA5-Land 產(chǎn)品提供的月均逐小時PET數(shù) 據(jù) （ https://developers.google.com/earth-engine/datasets/catalog/ECMWF ERA5_LAND MONTHLY BY_HOUR），空間分辨率為11 132 m。該數(shù)據(jù)通過更好地表征地表過程以及采用更高質(zhì)量的近地表氣象變量數(shù)據(jù)，能較為準(zhǔn)確地刻畫地表熱量收支。Sun et al（2020）、黃建平等（2020）、蘇布達等（2020）的研究證明了此數(shù)據(jù)在青藏高原、黃河流域、和中國大陸及各大流域的準(zhǔn)確性和適用性。因已知氣象站點均未找到潛在蒸散數(shù)據(jù)，因此本文在基于降水一致性檢驗的基礎(chǔ)上，通過對比應(yīng)用CHIRPS 和此數(shù)據(jù)計算的SPEI 結(jié)果與前人研究的一致性側(cè)面證明了PET 數(shù)據(jù)的可靠性，SPEI 結(jié)果的可靠性驗證見討論部分。

2 研究方法

本研究的方法主要包括3 部分：（1）SPEI 多時間尺度長時序逐月柵格數(shù)據(jù)集構(gòu)建；（2）多時間尺度干旱時空演變趨勢分析及顯著性檢驗；（3）干旱強度監(jiān)測及干旱事件識別。技術(shù)路線見圖3，詳細方法介紹如下：

圖3 技術(shù)路線圖Figure 3 Technology roadmap

2.1 SPEI 計算方法

SPEI 是對降水量與潛在蒸散發(fā)差值序列的累積概率進行正態(tài)標(biāo)準(zhǔn)化后的指數(shù)（史曉亮等，2020），SPEI 通過納入蒸散量的影響，表征區(qū)域干濕狀態(tài)，對干濕狀況進行量化。本文首先通過谷歌地球引擎（Google Earth Engine，GEE）云平臺獲取逐月累積降水量和累積潛在蒸散量，然后采用Loglogistic 概率分布函數(shù)對降水和蒸散發(fā)差值進行三參數(shù)估計，計算概率密度函數(shù)，最后對累積概率密度正態(tài)標(biāo)準(zhǔn)化得到SPEI 值（Vicente-Serrano et al.，2010；蔡思揚等，2017）。本文逐像元計算1983－2020 年西南地區(qū)1、3 和12 月尺度下SPEI 指數(shù)（SPEI-1、SPEI-3 和SPEI-12），并對其進行干濕分級（王永鋒等，2022）（表1），具體流程見圖3a。

表1 SPEI 指數(shù)干濕等級劃分Table 1 Dry and wet grade division of SPEI

2.2 干旱演變趨勢分析方法

Theil-Sen 趨勢檢驗法（Ohlson et al.，2015）是廣泛應(yīng)用于氣象及水文過程的非參數(shù)趨勢分析法（靖娟利等，2022），該方法既不受異常值影響，也不服從一定的分布，結(jié)果更科學(xué)、可信（白子怡等，2019）。因此，本文采用Theil-Sen 趨勢檢驗法對研究區(qū)進行干旱時空演變趨勢分析，并結(jié)合t檢驗（Kim，2015）和非參數(shù)檢驗法Mann-Kendall（MK）（Mcleod，2005；Ohlson et al.，2015）對演變趨勢的顯著性進行檢驗，兩種方法的顯著性判斷標(biāo)準(zhǔn)見表2 和表3。

表2 t 檢驗顯著性判斷標(biāo)準(zhǔn)Table 2 T-test significance test criteria

表3 Mann-Kendall 顯著性檢驗判斷標(biāo)準(zhǔn)Table 3 Mann-Kendall significance test criteria

為對比不同時間尺度下干旱時空演變趨勢的異同，將研究時期分為4 個時段3 個時間尺度，1983－2020 年（38 年）、1983－2000 年（18 年）、2001－2010 年（10 年）、2011－2020 年（10 年），從三維尺度（時間-經(jīng)度-緯度）分析西南地區(qū)干旱時空演變趨勢，并對不同時段的顯著變干和顯著變濕區(qū)域進行識別，具體流程見圖3b。

2.3 干旱強度監(jiān)測及干旱事件識別

2.3.1 干旱強度監(jiān)測方法

本文從三維尺度（時間-經(jīng)度-緯度），通過構(gòu)建干旱最長持續(xù)月數(shù)（Maxmon）和年均干旱月數(shù)（Meanmon）兩個指標(biāo)，對研究區(qū)的干旱強度進行監(jiān)測（本研究中認為SPEI≤?1 時，即干旱等級為中等時，認為研究區(qū)發(fā)生明顯干旱）。兩個指標(biāo)的計算方法及其指示意義如下：

（1）干旱最長持續(xù)月數(shù)（Maxmon）

干旱最長持續(xù)月數(shù)（Maximum lasted drought months，Maxmon）是指在時間序列中，連續(xù)發(fā)生干旱持續(xù)的最長月數(shù)，此指標(biāo)越大，說明干旱持續(xù)的時間越長，干旱越劇烈，其計算式定義如下：

式中：

Zi,Y——第i個像元在時間尺度為Y（終止年份減起始年份）下發(fā)生干旱的最長持續(xù)時間，單位為月。

M——干旱月；

Mi,Y——干旱持續(xù)月數(shù)；

（2）年均干旱月數(shù)（Meanmon）

年均干旱月數(shù)（Mean annual drought months，Meanmon）是指某一時段內(nèi)，每年平均發(fā)生干旱的月數(shù)，即研究時段內(nèi)發(fā)生干旱的總月數(shù)與時間尺度Y的比值，此指標(biāo)越大，說明一年內(nèi)發(fā)生干旱的時間越長/次數(shù)越多，可一定程度上指示干旱的頻度，其計算式定義如下：

式中：

Ni,Y——第i個像元在時間尺度為Y下的年均干旱月數(shù)，單位為月/年，該指標(biāo)基于SPEI-1 進行計算。

2.3.2 干旱事件識別方法

綜合考慮研究區(qū)農(nóng)作物的生長周期，本文將在至少連續(xù)3 個月SPEI-1≤?1 計一次干旱事件，即至少連續(xù)3 個月發(fā)生中等干旱。本研究構(gòu)建干旱事件次數(shù)（CDE）和干旱事件平均持續(xù)月數(shù)（MMDE）兩個指標(biāo)，對西南地區(qū)干旱事件進行識別。兩個指標(biāo)的計算方法及指示意義如下：

（1）干旱事件次數(shù)（CDE）

干旱事件次數(shù)（Count of drought events，CDE）是指在不同時間尺度下，發(fā)生干旱事件的總次數(shù)。該指標(biāo)越大，說明某一區(qū)域發(fā)生干旱事件的次數(shù)越多，該區(qū)域越脆弱，其計算式定義如下：

12月10日，福田汽車集團與東軟睿馳汽車技術(shù)（沈陽）有限公司（以下簡稱“東軟睿馳”）在京簽署戰(zhàn)略合作協(xié)議。雙方將圍繞自主可控的智能網(wǎng)聯(lián)汽車和人才培養(yǎng)等方面實現(xiàn)共贏。福田汽車集團副總經(jīng)理武錫斌和東軟睿馳總經(jīng)理曹斌博士代表雙方簽署了戰(zhàn)略合作協(xié)議。

式中：

Oi,Y——第i個像元在時間尺度為Y下的干旱事件總次數(shù)，單位為次；

N——干旱事件次數(shù)；

Mi,Y——干旱持續(xù)月數(shù)，該指標(biāo)基于SPEI-1 指數(shù)計算。

（2）干旱事件平均持續(xù)月數(shù)（MMDE）

干旱事件平均持續(xù)月數(shù)（Mean lasted months of drought event，MMDE），為研究時段內(nèi)所有干旱事件持續(xù)月數(shù)之和與干旱事件發(fā)生次數(shù)的比值。該指標(biāo)越大，說明某一區(qū)域發(fā)生干旱事件持續(xù)的時間越長，干旱越劇烈。本研究使用此指標(biāo)對干旱熱點區(qū)域進行識別，其計算式定義如下：

式中：

Pi,Y——第i個像元在時間尺度為Y下的干旱事件平均持續(xù)月數(shù)，單位為月/次；

Mi,Y,3——研究時段內(nèi)一次干旱事件的持續(xù)月數(shù)。

3 結(jié)果與分析

3.1 西南地區(qū)全區(qū)域干旱時間演變趨勢

根據(jù)2.1 節(jié)中SPEI 計算方法，計算了西南地區(qū)1983－2020 年1、3、12 月尺度的SPEI，并生成了研究區(qū)5.5 km 逐月SPEI 長時序面狀產(chǎn)品。同時計算了研究區(qū)逐月SPEI 均值以反映全區(qū)域整體干濕情況。圖4 為研究區(qū)在3 個時間尺度下SPEI 均值的時間序列結(jié)果，從圖中可以看出，SPEI-1 和SPEI-3 對短期氣象條件變化敏感，波動較大，表明研究區(qū)容易發(fā)生月度干旱和季節(jié)干旱；從SPEI-12 可以看出2006年秋至2007 夏、2009 年冬至2010 年春、2011 秋至2012 年夏和2013 年冬為西南地區(qū)明顯的干旱年。

圖4 多尺度SPEI 時間序列Figure 4 Multi-scale SPEI time series

從圖4 可以看出，雖然3 個尺度SPEI 序列的斜率均為負，但M-K 顯著性檢驗均顯示|Z|<1.96，說明研究區(qū)在3 個尺度均沒有顯著的變化趨勢，僅存在階段性的干濕波動。t檢驗結(jié)果（表4）顯示，3 個尺度的SPEI 變化趨勢的P值均遠高于0.05，同樣說明研究區(qū)的變化趨勢不顯著，與M-K 檢驗結(jié)果一致。綜上，研究區(qū)在1983－2020 年間的氣象條件整體處于波動變化狀態(tài)，無明顯變化趨勢。但值得注意的是，SPEI-3 和SPEI-12 顯示2016－2020 年研究區(qū)干旱月份明顯減少，大部分月份呈現(xiàn)正?；驖駶櫊顟B(tài)，說明后5 年研究區(qū)處于階段性變濕狀態(tài)。

表4 t 檢驗結(jié)果Table 4 The T-test results

3.2 不同時段干旱時空演變趨勢

圖5 展示了不同時段內(nèi)SPEI-12 的時空演變趨勢，并根據(jù)95%顯著性檢驗標(biāo)注了研究區(qū)顯著干濕區(qū)域（即|Z|≥1.96 的區(qū)域，Z值為正表示顯著變濕，Z值為負表示顯著變干）。結(jié)果顯示1983－2020 年，研究區(qū)西南部呈現(xiàn)明顯變干趨勢，顯著變干區(qū)域主要集中在云南中部和西部大部分和四川南部小部分區(qū)域；研究區(qū)北部和東南部呈現(xiàn)變濕趨勢，顯著變濕區(qū)域主要集中在四川北部、貴州東部和重慶南部部分區(qū)域。1983－2000 年間研究區(qū)東北部呈現(xiàn)微弱變干趨勢，顯著變干區(qū)域范圍較小，位于四川東南部；研究區(qū)西部和東部呈現(xiàn)微弱變濕趨勢，顯著變濕區(qū)域處于貴州東部和云南西北部。2001－2010年間研究區(qū)大部分區(qū)域處于變干趨勢，顯著變干區(qū)域位于云南南部，顯著變濕區(qū)域位于四川西北部和東北小部分區(qū)域。2011－2020 年間研究區(qū)整體呈變濕趨勢，顯著變濕區(qū)域位于四川中部大部分區(qū)域、云南西北部、貴州東南部和重慶西南部小部分區(qū)域，幾乎無明顯變干區(qū)域。

圖5 不同時段SPEI-12 時空演變特征Figure 5 Spatio-temporal evolution characteristics of SPEI-12 in different time periods

以上結(jié)果說明，在不同的時間尺度下，研究區(qū)的干濕演變趨勢存在較高的不確定性和明顯的空間分布異質(zhì)性。

3.3 干旱強度監(jiān)測及干旱事件識別

3.3.1 干旱強度時空分布

（1）干旱最長持續(xù)月數(shù)（Maxmon）時空演變特征

圖6 為研究區(qū)不同時段內(nèi)Maxmon的空間分布及其在各區(qū)域的面積占比。圖6a 顯示，在1983－2020 年間，云南大部分區(qū)域Maxmon為5－8 個月，表明云南易發(fā)生長周期的干旱災(zāi)害；四川西北部部分區(qū)域Maxmon為7－8 個月，約占總區(qū)域的6.81%，表明四川北部更易發(fā)生長期干旱災(zāi)害；貴州和重慶絕大部分區(qū)域的Maxmon均低于4 個月，說明兩個地區(qū)發(fā)生持續(xù)干旱的風(fēng)險較低。

圖6 不同時段下干旱最長持續(xù)月數(shù)空間分布及其在各區(qū)域面積占比Figure 6 Spatial distribution maps of the Maxmon indicator in different time periods and the area proportion in each region

圖6b－d 直觀的顯示了各時段研究區(qū)發(fā)生持續(xù)干旱的情況。云南的Maxmon在3 個時段呈現(xiàn)不斷增長趨勢，2011－2020 年云南最南端極小區(qū)域的Maxmon達到了11－12 個月，干旱劇烈。分析各區(qū)域的干旱重心區(qū)發(fā)現(xiàn)，近20 年云南干旱重心區(qū)域分布較集中，2001－2010 年位于云南東南部，2011－2020年轉(zhuǎn)移至云南西北部；而四川的干旱重心空間分布較為分散，3 個時段的干旱重心從四川西北部轉(zhuǎn)移至西部又轉(zhuǎn)移到東南部。從各省不同時段內(nèi)Maxmon的面積占比可以看出，在38 年間，重慶和貴州的干旱強度總體較弱，四川經(jīng)歷了干旱強度先減弱又增強的趨勢，而云南經(jīng)歷了先增強又減弱的趨勢。整體來看，云南和四川有50%以上的區(qū)域易發(fā)生高于5 個月的長期干旱，2001－2010 年云南的干旱強度最重。

（2）年均干旱月數(shù)（Meanmon）時空演變特征

圖7 為研究區(qū)不同時段內(nèi)Meanmon的空間分布及其在各區(qū)域的面積占比，顯示Meanmon的空間分布在不同時段具有明顯差異。從圖7a 可知，1983－2020 年間，云南干旱強度最高，四川次之，貴州干旱強度最低，Meanmon整體為2－3 個月。圖7b－d 直觀的顯示了研究區(qū)干旱的演變過程，2001－2020 年，云南和四川干旱頻繁，2011－2020 年云南中部和四川西南部部分區(qū)域Meanmon達到4 個月，約占各區(qū)域的2.54%、8.22%；貴州和重慶在2001－2010 年干旱頻繁。總體來看，云南的Meanmon不斷增長，干旱強度不斷增強；其余省市Meanmon呈現(xiàn)先上升后下降的趨勢，干旱災(zāi)害有所好轉(zhuǎn)。

圖7 不同時段下年均干旱月數(shù)空間分布及其在各區(qū)域面積占比Figure 7 Spatial distribution maps of the Meanmon indicator in different periods and the area proportion in each region

結(jié)合Maxmon和Meanmon的結(jié)果，發(fā)現(xiàn)在1983－2000 年研究區(qū)的干旱強度相較于后20 年均較低。在干旱較為嚴重的云南，2001－2010 年的Meanmon較2011－2020 年嚴重，而Meanmon呈現(xiàn)相反趨勢，這說明云南在2001－2010 年間發(fā)生長期持續(xù)干旱的情況較多，而在2011－2020 年間發(fā)生短期干旱的次數(shù)較多。

3.3.2 干旱事件識別

（1）干旱事件次數(shù)（CDE）時空演變特征

圖8 顯示了研究區(qū)不同時段CDE的空間分布及其在各區(qū)域的面積占比。圖8a 顯示在38 年尺度下，研究區(qū)均發(fā)生過干旱事件，其中四川的干旱事件次數(shù)總體最高，云南次之。圖8b－d 顯示，在3個時段下，各省市均存在干旱事件的空白期。從干旱事件的發(fā)生范圍來看，重慶在2011－2020 年發(fā)生干旱事件的區(qū)域面積最大；貴州干旱事件主要集中在2001－2010 年，在2011－2020 年間約57.85%區(qū)域未發(fā)生干旱事件；云南在2000－2020 年持續(xù)發(fā)生大范圍的干旱事件，發(fā)生干旱事件的區(qū)域比例高達91.65%，且部分區(qū)域的CDE持續(xù)增長；四川1983－2000 年發(fā)生干旱事件的范圍最大，面積占比約為81.48%。從CDE的空間分布上看，1983－2010年四川北部地區(qū)為干旱事件敏感區(qū)域，2011－2020年云南中部和四川西南部為干旱事件敏感區(qū)。

圖8 不同時段下干旱事件次數(shù)空間分布及其在各區(qū)域面積占比Figure 8 Spatial distribution maps of the CDE indicator in different time periods and the area proportion in each region

（2）干旱事件平均持續(xù)月數(shù)（MMDE）時空演變特征

圖9 為研究區(qū)不同時段下MMDE的空間分布及其在各區(qū)域的面積占比。圖9a 顯示1983－2020 年，約82.26%的區(qū)域MMDE為3－4 個月，約16.52%的區(qū)域MMDE為5－6 個月。對比圖8 和圖9 發(fā)現(xiàn)，在1983－2000 年間，CDE和MMDE均處于較低水平；而在2001－2010 年間，雖然研究區(qū)CDE較低，但云南東南部的MMDE達到7－10 個月，干旱事件強度較高；在2011－2020 年間，研究區(qū)大部分區(qū)域MMDE為3－4 個月，四川東南部和云南西北部部分區(qū)域的MMDE達到5－6 個月。以上結(jié)果說明，干旱事件熱點區(qū)域的空間分布在不同時間段具有較大差異，1983－2000 年研究區(qū)干旱事件熱點區(qū)域位于四川北部，2001－2010 年位于云南大部分區(qū)域，而在2011－2020 年間則位于云南中、北部和四川東南部。

圖9 不同時段下干旱事件平均持續(xù)月數(shù)空間分布及其在各區(qū)域面積占比Figure 9 Spatial distribution maps of the MMDE indicator in different periods and the area proportion in each region

從表5 可以看出，在4 個研究時段，研究區(qū)平均MMDE分別為3.63、3.45、3.93 和3.67（月/次），呈現(xiàn)先上升后下降的趨勢，表明研究區(qū)整體干旱災(zāi)害有所好轉(zhuǎn)。在38 年時間尺度下，云南的平均MMDE最高，干旱事件災(zāi)害最為嚴重。在1983－2020 年間，重慶和貴州的MMDE呈現(xiàn)整體上升的趨勢，說明兩省市干旱事件強度有增強趨勢；四川的MMDE呈現(xiàn)先下降后上升的趨勢，說明四川干旱事件災(zāi)害先減緩后加劇；而云南的MMDE呈現(xiàn)先上升后下降的趨勢，說明近年來云南干旱事件災(zāi)害有所好轉(zhuǎn)。

表5 研究區(qū)各區(qū)域不同時段下MMDE的區(qū)域均值Table 5 Regional mean MMDE in different periods of the study area

4 討論

4.1 結(jié)果可靠性分析

為驗證本研究基于像元計算的SPEI 結(jié)果的可靠性，選取SPEI-12 與前人研究結(jié)果作對比。結(jié)果顯示，在對應(yīng)時段內(nèi)本研究的SPEI-12 的年際變化趨勢與李星（2018）在1983－2012 年間（圖10a），史曉亮等（2020）在2002－2019 年間（圖10b）的結(jié)果保持高度一致。圖4 中SPEI-12 捕捉到的2005－2015 年間的典型干旱年份，與前人研究提到的2006 年、2010 年、2011－2012 年和2013－2014 年基本吻合（許凱，2015；胡光成等，2020；呂純月等，2021）。說明本研究應(yīng)用GEE 平臺的降水及蒸散量數(shù)據(jù)計算的SPEI 結(jié)果是可靠的。同時從圖10 還可以看出本研究的SPEI-12 值域范圍整體較大，處于?1.5－1.5 之間，而其他研究結(jié)果多處于?1.0－1.0，這是由于對研究區(qū)全域取均值時，干濕區(qū)域占比不均會一定程度減弱或增強研究區(qū)整體的干濕程度。因此基于像元而不是氣象站點計算SPEI-12 均值，相較于基于站點插值的結(jié)果，可以更加真實地體現(xiàn)研究區(qū)整體的干濕狀態(tài)。同時，5.5 km 高分辨率的SPEI 產(chǎn)品可提供精細化的氣象干旱分布信息。

圖10 SPEI 結(jié)果可靠性驗證Figure 10 Reliability verification of SPEI results

不同時段下研究區(qū)干旱事件熱點區(qū)域具有一定不確定性。李韻婕等（2014）研究顯示1960－2010年干旱事件在西南全境呈增多趨勢，包括云南省大部分區(qū)域、四川省南部、貴州省西南部，這與本文構(gòu)建的CDE在1983－2000 年以及2000－2010 年結(jié)果基本保持一致，同時CDE顯示在1983－2000 四川省北部干旱事件同樣呈現(xiàn)增長趨勢；呂愛民等（2013）研究顯示云南省在2009－2011 年間干旱強度從西向東逐漸加重，在2010 年云南省東部達到極旱水平，與本文MMDE在2000－2010 年的結(jié)果也基本保持一致。說明了本研究提出的兩個干旱事件指標(biāo)結(jié)果具有較高可靠性。

4.2 本文干旱監(jiān)測指標(biāo)的優(yōu)勢

本研究所指的干旱強度主要是從干旱發(fā)生時間長度的角度上來衡量，認為中等干旱等級的干旱持續(xù)時間越長或發(fā)生次數(shù)越多，干旱強度越大，并未涉及干旱等級。相比于將發(fā)生輕度及以上的干旱區(qū)域的SPEI 值累加來評估干旱強度的方法（萬紅蓮等，2018）會忽略干濕交替情況對干旱強度的影響，本研究使用的干旱最長持續(xù)月數(shù)（Maxmon）和年均干旱月數(shù)（Meanmon）能夠全面反映研究區(qū)的干濕交替情況下干旱強度空間分布特征。本研究構(gòu)建的干旱事件次數(shù)（CDE）和干旱事件平均持續(xù)月數(shù)（MMDE）兩個指標(biāo)可有效捕捉西南地區(qū)干旱災(zāi)害的敏感脆弱區(qū)和干旱事件常發(fā)區(qū)及重發(fā)區(qū)。

此外，從研究結(jié)果發(fā)現(xiàn)，不同時段內(nèi)研究區(qū)顯著變干區(qū)域與干旱強度重心區(qū)域，以及干旱事件熱點區(qū)域的相關(guān)性不強，這是由于干旱的時空演變趨勢基于12 月份的SPEI-12 計算得出，而干旱強度指標(biāo)和干旱事件指標(biāo)基于逐月SPEI-1 計算得出。說明在不同研究尺度下干旱的時空演變趨勢會呈現(xiàn)不同結(jié)果，可根據(jù)研究或應(yīng)用需要，選取合適指標(biāo)對干旱進行研究。面向氣候變化等相關(guān)研究，可使用長時間尺度的氣象干旱結(jié)果（如SPEI-12 甚至是SPEI-24）。植被生長尤其是農(nóng)業(yè)生產(chǎn)更多受季節(jié)性干旱等短時間尺度干旱（SPEI-1 或SPEI-3）的影響，本文使用的4 個干旱監(jiān)測指標(biāo)可反映連續(xù)月尺度下區(qū)域干旱情況，可為西南地區(qū)農(nóng)業(yè)生產(chǎn)的抗旱防災(zāi)工作提供更實用的科學(xué)指導(dǎo)。

5 結(jié)論

本文生成了1983－2020 年西南地區(qū)1、3 和12個月尺度的5.5 km 高分辨率長時序SPEI 數(shù)據(jù)產(chǎn)品，構(gòu)建了干旱強度（Maxmon和Meanmon）和干旱事件（CDE和MMDE）4 個指標(biāo)，分4 個時段分析了西南地區(qū)的干旱時空演變趨勢，和干旱強度及干旱事件的時空演變特征，得出主要結(jié)論如下：

（1）西南地區(qū)容易發(fā)生月度干旱和季節(jié)干旱，在1983－2020 年間整體呈階段性干濕波動，無明顯變化趨勢，1983－2000年四川南部和2001－2010年云南南部顯著變干，2011－2020 年全區(qū)整體以變濕為主；

（2）Maxmon和Meanmon可有效反映西南地區(qū)氣象干旱的易感性及其空間分布，Maxmon顯示云南、四川約50%以上的區(qū)域易發(fā)生至少連續(xù)5 個月的持續(xù)干旱，Meanmon顯示3 個時段內(nèi)云南的平均干旱強度呈持續(xù)增強趨勢，而四川、重慶和貴州呈先增強后減弱趨勢；

（3）CDE和MMDE可有效識別不同時段內(nèi)干旱事件的熱點區(qū)域，結(jié)果顯示1983－2000 年熱點區(qū)域位于四川北部，2001－2010 年位于云南中部，2011－2020 年位于云南中部、北部和四川南部，云南省在2001－2010 年干旱事件最嚴重，平均MMDE可達4.70 月/次。