珠江流域區(qū)域干旱風(fēng)險(xiǎn)評(píng)估*

黃 強(qiáng)，陳子燊，劉占明，孔 蘭

(1.中山大學(xué)水資源與環(huán)境系，廣東 廣州 510275；2.中水珠江規(guī)劃勘測(cè)設(shè)計(jì)有限公司，廣東 廣州 510610)

隨著全球變暖，氣候變化導(dǎo)致的極端氣候事件強(qiáng)度和頻率增大使自然災(zāi)害頻發(fā)已成為人類21世紀(jì)面臨的嚴(yán)峻挑戰(zhàn)之一[1]。由一定時(shí)間內(nèi)水分短缺而引起的干旱事件被認(rèn)為是目前最為復(fù)雜的自然災(zāi)害之一，它可以發(fā)生在任何地方的任何季節(jié)，由于其出現(xiàn)時(shí)間難以預(yù)測(cè)，并且持續(xù)時(shí)間長(zhǎng)，影響范圍廣，對(duì)生態(tài)系統(tǒng)、作物生長(zhǎng)以及社會(huì)經(jīng)濟(jì)發(fā)展等造成了巨大的影響和破壞[2]。干旱形成的物理機(jī)制十分復(fù)雜，并受多種因素影響，如何有效地進(jìn)行干旱監(jiān)測(cè)與評(píng)價(jià)已成為了熱點(diǎn)關(guān)注問(wèn)題。

標(biāo)準(zhǔn)化降水指數(shù)[3](SPI)是目前干旱監(jiān)測(cè)與評(píng)價(jià)最為常用的指標(biāo)之一。通過(guò)標(biāo)準(zhǔn)化降水量來(lái)表征水分偏離正常的程度，具有計(jì)算簡(jiǎn)單并可根據(jù)不同時(shí)間尺度計(jì)算特點(diǎn)的SPI同時(shí)具有很強(qiáng)的空間可比性。然而SPI是只考慮了降水作用對(duì)水分平衡的影響而忽略了其它因素，實(shí)際上蒸散發(fā)在水分轉(zhuǎn)換過(guò)程中的作用也十分重要，尤其是在全球變暖的背景下，氣溫升高導(dǎo)致的蒸散發(fā)作用增強(qiáng)已不容忽視[4]。因此在SPI的基礎(chǔ)上，Vicente-Serrano等[5]提出了標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)，SPEI的計(jì)算原理與SPI類似，但SPEI融合了蒸散發(fā)作用，更符合自然界的水分平衡關(guān)系，SPEI已逐步應(yīng)用于國(guó)外的干旱監(jiān)測(cè)與評(píng)價(jià)中。而在國(guó)內(nèi)，特別是南方地區(qū)，蒸散發(fā)的作用更是不能忽視，李偉光等[6]對(duì)中國(guó)干旱趨勢(shì)的研究表明SPEI與實(shí)際旱情更符合，更適合用于干旱的監(jiān)測(cè)與評(píng)價(jià)。

干旱難以預(yù)測(cè)，但研究不同干旱事件出現(xiàn)的頻率為干旱風(fēng)險(xiǎn)管理提供決策依據(jù)卻是一件十分有意義的工作。目前國(guó)內(nèi)外基于單變量的頻率風(fēng)險(xiǎn)已有較多的研究，但由于干旱特征屬性間存在明顯的相關(guān)性，傳統(tǒng)的單變量頻率分析并不能真正地揭示干旱的頻率特征，而相比于邊緣分布必須服從某個(gè)特定分布的多變量極值分布，copula函數(shù)因其靈活性更適合用于多變量的頻率分析中。近年來(lái)，已有不少國(guó)內(nèi)外學(xué)者將copula函數(shù)應(yīng)用到多變量的干旱頻率風(fēng)險(xiǎn)分析中。由于干旱又具有區(qū)域性，并且單站點(diǎn)觀測(cè)資料的短缺或過(guò)短往往會(huì)造成較大的重現(xiàn)期估算誤差，因此從區(qū)域角度考慮的干旱頻率分析相比單站點(diǎn)分析更具有可靠性。Eslamian等[7]將Hosking等[8]提出的區(qū)域洪水頻率分析方法應(yīng)用于區(qū)域干旱頻率分析以克服單站點(diǎn)分析的不足，然而此方法也僅局限于單變量，并不能滿足干旱事件多個(gè)特征屬性的特點(diǎn)，因而在此基礎(chǔ)上的多變量區(qū)域頻率分析方法對(duì)于干旱風(fēng)險(xiǎn)分析來(lái)說(shuō)就顯得尤為重要了。

1 研究區(qū)概況與基本數(shù)據(jù)

珠江是中國(guó)境內(nèi)第三長(zhǎng)河流，年徑流量?jī)H次于長(zhǎng)江，流經(jīng)云南、貴州、廣西和廣東4個(gè)省份及香港、澳門(mén)特別行政區(qū)。珠江全長(zhǎng)2 320 km，流域面積45.2 km2(包括越南境內(nèi)的1.1萬(wàn)km2)，主要干流有西江、北江和東江。珠江流域地處熱帶和亞熱帶季風(fēng)氣候區(qū)，年平均氣溫在14～22 ℃之間，多年平均降水量為1 525 mm。珠江流域年均降水量充沛，但時(shí)空分布不均勻的特點(diǎn)導(dǎo)致了干旱現(xiàn)象時(shí)常出現(xiàn)。雖然近年來(lái)珠江流域的總降水量呈現(xiàn)增加的趨勢(shì)[9]，但伴隨著氣溫升高[10]導(dǎo)致的蒸散發(fā)作用不斷增強(qiáng)，干旱的問(wèn)題已經(jīng)越來(lái)越突出。進(jìn)入21世紀(jì)以來(lái)，珠江流域干旱現(xiàn)象不斷出現(xiàn)，尤其是2003年以來(lái)幾乎年年出現(xiàn)干旱，連續(xù)不斷的干旱使珠江流域遭受了嚴(yán)重的經(jīng)濟(jì)社會(huì)損失，而不同區(qū)域的干旱狀況又不盡相同，由此而產(chǎn)生的不同區(qū)域間水資源供需矛盾凸現(xiàn)在社會(huì)各界的關(guān)注之中。肖名忠等[11]對(duì)珠江流域的總體干旱特征作了分析, 發(fā)現(xiàn)西部地區(qū)有變旱的趨勢(shì)而東部有變濕潤(rùn)的趨勢(shì), 流域的整體干旱問(wèn)題較突出。立足于此，本文將從多變量區(qū)域分析的角度探討珠江流域的區(qū)域干旱特征以及不同區(qū)域未來(lái)遭遇的干旱風(fēng)險(xiǎn)幾率，以期為珠江流域的干旱風(fēng)險(xiǎn)和水資源供需管理提供可靠的決策依據(jù)。

本文所采用的數(shù)據(jù)為國(guó)家氣象臺(tái)提供的42個(gè)氣象站點(diǎn)1951-2011年的月降水與氣溫?cái)?shù)據(jù)，數(shù)據(jù)均已經(jīng)過(guò)嚴(yán)格的三性審查，并具有良好的完整性。珠江流域地理位置、雨量站分布及主要河流示意圖見(jiàn)圖1。

2 研究方法

2.1 標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)(SPEI)

假設(shè)降水量和氣溫的潛在蒸散發(fā)序列分別為P(t)和PET(t)，t為時(shí)間(月)，則降水量序列與潛在蒸散發(fā)量序列的差值即為凈降水量序列X(t)：

(1)

潛在蒸散發(fā)量序列由Thornthwaite方法[12]計(jì)算：

PET(t)=16K[T(t)/H]a

(2)

式中，T(t)為月平均氣溫/℃；H為年熱指數(shù)，為一年中各個(gè)月熱指數(shù)h=[T(t)/5]1.514的累加值；a為經(jīng)驗(yàn)指數(shù)，由H的函數(shù)關(guān)系導(dǎo)出：a=6.75×10-7H3-7.71×10-5H2+1.79×10-2H+0.49；K為修正系數(shù)，取決于緯度。

表1 SPEI干旱等級(jí)劃分

2.2 游程理論

圖2 由SPEI定義的干旱事件游程圖Fig.2 Depiction of drought events using SPEI

干旱事件最重要的3個(gè)特征屬性為歷時(shí)、強(qiáng)度和嚴(yán)重度，根據(jù)Yevjevich提出的游程理論[16]，由SPEI定義的干旱事件如圖2所示，以SPEI值小于-0.52開(kāi)始到大于-0.52結(jié)束為一個(gè)干旱事件，其間經(jīng)歷的時(shí)間長(zhǎng)度為干旱歷時(shí)D/月，歷時(shí)內(nèi)SPEI偏離-0.52的最大值為干旱強(qiáng)度I，SPEI偏離-0.52的累加值即陰影部分面積為干旱嚴(yán)重度，從上一個(gè)干旱事件開(kāi)始到下一個(gè)干旱事件開(kāi)始為干旱間隔時(shí)間L。雖然干旱事件有多個(gè)特征屬性，但選用的變量太多又會(huì)使事件本身過(guò)于復(fù)雜化，增加分析的難度和結(jié)果的不確定性，由于干旱嚴(yán)重度沒(méi)有嚴(yán)格意義的分等定級(jí)標(biāo)準(zhǔn)，因此本文選取干旱歷時(shí)和干旱強(qiáng)度兩個(gè)特征變量來(lái)進(jìn)行珠江流域的干旱頻率風(fēng)險(xiǎn)分析。

2.3 多變量線性協(xié)矩

在線性矩的基礎(chǔ)上，Serfling等[17]提出了多變量線性協(xié)矩。以二維隨機(jī)變量為例，假設(shè)(X1,X2)是一對(duì)具有相關(guān)性的隨機(jī)變量，X1按與X2從小到大排列后對(duì)應(yīng)的順序重新排列后記為X(12)。X1對(duì)于X2的k(k>1)階樣本線性協(xié)矩為：

(3)

(4)

和2階樣本線性矩。同理可得到X2對(duì)于X1的k階樣本線性協(xié)矩λk[21]和線性協(xié)矩系數(shù)λ1[21]、τ2[21]、τ3[21]、τ4[21]。

由變量相互間及自身的線性協(xié)矩系數(shù)構(gòu)成的線性協(xié)矩系數(shù)矩陣為：

(5)

τk[11]和τk[22]分別為X1和X2的單變量線性矩系數(shù)。

2.4 copula函數(shù)

以二維隨機(jī)變量為例，根據(jù)Sklar理論[18]，若FX(x)和FY(y)分別為隨機(jī)變量X和Y的邊緣分布函數(shù)，F(xiàn)X,Y(x,y)為聯(lián)合分布函數(shù)，存在一個(gè)copula函數(shù)C使得：

FX,Y(x,y)=C(FX(x),FY(y))

(6)

反之，對(duì)于任何邊緣分布函數(shù)FX(x)和FY(y)及任何copula函數(shù)C，若式(5)成立，則FX,Y(x,y)為隨機(jī)變量(X,Y)的聯(lián)合分布函數(shù)。若FX(x)和FY(y)為連續(xù)分布函數(shù)，則式(5)中的copula函數(shù)C是唯一的。

Archimedean copula函數(shù)是所有copula函數(shù)中較為常用的一族，其基本形式為：

C(u,v)=φ-1[φ(u)+φ(v)]

(7)

φ(t)為Archimedean copula函數(shù)生成元，必須滿足(1)φ(t)；(2)φ(0)=∞；(3)φ′(t)<0；(4)φ″(t)>0，t∈(0,1]。φ′(t)和φ″(t)分別為一階和二階導(dǎo)數(shù)，φ-1(t)為反函數(shù)，u和v分別為隨機(jī)變量的累積概率。Nelson[19]介紹了22種單參數(shù)Archimedean copula函數(shù)，而在干旱頻率分析中滿足相關(guān)性的有14種，14種單參數(shù)Archimedean copula函數(shù)及生成元φ(t)如表2所示。參數(shù)估計(jì)采用計(jì)算簡(jiǎn)便的相關(guān)系數(shù)法[19]，即利用樣本相關(guān)系數(shù)與Archimedean copula函數(shù)生成元間的關(guān)系來(lái)估計(jì)參數(shù)。

表2 14種單參數(shù)Archimedean copula函數(shù)及生成元

2.5 多變量區(qū)域頻率分析

(8)

H‖·‖=(V‖·‖-uVsim)/σVsim

(9)

(10)

不一致性統(tǒng)計(jì)量D‖·‖的臨界值為2.6[20]，即統(tǒng)計(jì)量D‖·‖大于臨界值的站點(diǎn)樣本可視為與區(qū)域內(nèi)其它站點(diǎn)不一致，應(yīng)予以剔除。若均質(zhì)性統(tǒng)計(jì)量H‖·‖<1，則認(rèn)為待檢驗(yàn)區(qū)域?yàn)榫|(zhì)區(qū)域；若1≤H‖·‖<2，則待檢驗(yàn)區(qū)域介于均質(zhì)與非均質(zhì)區(qū)域；若H‖·‖≥2，則待檢驗(yàn)區(qū)域?yàn)榉蔷|(zhì)區(qū)域。

2.5.2 區(qū)域邊緣分布與copula函數(shù)選擇 均質(zhì)區(qū)域里所有站點(diǎn)的隨機(jī)變量都具有相同的概率分布[8]，類似地，均質(zhì)區(qū)域里所有站點(diǎn)具有相關(guān)性的隨機(jī)變量間也應(yīng)具有相同的copula函數(shù)。采用相關(guān)均方根誤差法(RMSE)和χ2檢驗(yàn)對(duì)6種常用的概率分布(指數(shù)分布EXP、廣義正態(tài)分布GNO、廣義極值分布GEV、廣義邏輯斯特分布GLO、廣義帕雷托分布GPA和皮爾遜三型分布PE3)進(jìn)行擬合優(yōu)度檢驗(yàn)，分別優(yōu)選出干旱歷時(shí)與干旱強(qiáng)度的區(qū)域邊緣分布函數(shù)。區(qū)域copula函數(shù)則根據(jù)AIC準(zhǔn)則確定，AIC值越小，copula的擬合效果越好，區(qū)域加權(quán)平均AIC值最小的copula函數(shù)優(yōu)選為區(qū)域copula函數(shù)。

(11)

式中，C為由備選copula函數(shù)計(jì)算的累積概率，Cn為經(jīng)驗(yàn)累積概率，n為樣本量。

2.5.3 聯(lián)合重現(xiàn)期 某一干旱事件的聯(lián)合累積概率通過(guò)構(gòu)建copula函數(shù)即可求得，而對(duì)于給定的累積概率p，必定存在多個(gè)干旱事件與之對(duì)應(yīng)，然而，由于干旱事件具有多個(gè)特征屬性，比較這些事件的量級(jí)大小就顯得十分抽象，若通過(guò)求累積概率小于或等于p的概率將多維的信息轉(zhuǎn)化為單維則可以使問(wèn)題具體化。計(jì)算重現(xiàn)期是風(fēng)險(xiǎn)評(píng)估的有效手段，文獻(xiàn)[21]利用Kendall分布函數(shù)[19]定義了多變量重現(xiàn)期：

(12)

式中，E(L)為平均干旱間隔時(shí)間，KC為Kendall分布函數(shù)。

KC(p)=p-φ(p)/φ′(p)

(13)

3 結(jié)果與分析

3.1 區(qū)域劃分、不一致性檢驗(yàn)及均質(zhì)性檢驗(yàn)

利用由月降水量與氣溫計(jì)算的珠江流域42個(gè)氣象站點(diǎn)1951-2011年3個(gè)月尺度SPEI，作旋轉(zhuǎn)經(jīng)驗(yàn)正交函數(shù)[22](REOF)時(shí)空分解以劃分出若干個(gè)均質(zhì)相似的干旱變化特征區(qū)域。珠江流域REOF時(shí)空分解的前5個(gè)主要空間模態(tài)的方差貢獻(xiàn)占整個(gè)空間場(chǎng)方差比例為70.2%，基本上代表了整個(gè)空間場(chǎng)的特征。5個(gè)空間模態(tài)載荷值在空間上的分布如圖3所示，高載荷值代表了該空間模態(tài)干旱變化特征的中心，5個(gè)空間模態(tài)的高載荷值區(qū)(> 0.2)即代表了不同的干旱變化特征區(qū)域，因此可將這5個(gè)高載荷值區(qū)作為珠江流域干旱變化的5個(gè)特征區(qū)域。

分區(qū)一主要為北江中上游、賀江、桂江流域和柳江中下游至賀江的西江干流地區(qū)，共包含了10個(gè)站點(diǎn)；分區(qū)二為東江流域、北江和西江下游以及珠江三角洲地區(qū)，包含了11個(gè)站點(diǎn)；分區(qū)三主要為柳江、紅水河及北盤(pán)江上游等地區(qū)，包含了9個(gè)站點(diǎn)；分區(qū)四位于左江和右江流域，包含了6個(gè)站點(diǎn)；分區(qū)五則為珠江流域西部山區(qū)，也包含了6個(gè)站點(diǎn)。5個(gè)分區(qū)中各站點(diǎn)的不一致性統(tǒng)計(jì)量D‖·‖均未超過(guò)臨界值，因此所有站點(diǎn)的樣本均可用于各分區(qū)的區(qū)域干旱頻率計(jì)算；5個(gè)分區(qū)的均質(zhì)性檢驗(yàn)統(tǒng)計(jì)量H‖·‖分別為-1.24、-1.32、0.40、-0.82和-0.97，均未低于均質(zhì)性區(qū)域的臨界值，因此可以認(rèn)為，劃分的5個(gè)區(qū)域都是干旱變化特征的均質(zhì)性區(qū)域。

圖3 REOF前五個(gè)主要空間模態(tài)載荷值的空間分布Fig.3 Spatial distribution of load value from the first five principal space mode by REOF

3.2 區(qū)域邊緣分布與copula函數(shù)

均質(zhì)區(qū)域內(nèi)的各個(gè)站點(diǎn)具有相同的邊緣分布和copula函數(shù)，但不同均質(zhì)區(qū)域的邊緣分布和copula函數(shù)是不一樣的或具有不同的參數(shù)。由SPEI定義的干旱事件(圖2)以SPEI值小于-0.52為開(kāi)始，以SPEI值大于-0.52為結(jié)束，但由于SPEI以月為單位計(jì)算的特點(diǎn)，并非所有干旱事件的起始點(diǎn)或結(jié)束點(diǎn)都為整數(shù)月，因此若按整數(shù)月提取干旱歷時(shí)則會(huì)出現(xiàn)樣本中有多個(gè)相同歷時(shí)的狀況，因而造成分布擬合的較大誤差。基于此，本文首先對(duì)SPEI序列以1/30月即1日為間隔進(jìn)行3次樣條插值，再按游程理論提取干旱歷時(shí)的樣本。由兩種方法提取的干旱歷時(shí)樣本的擬合對(duì)比(圖4a)中可以發(fā)現(xiàn)，后一種方法提取的樣本擬合誤差顯然更小。

對(duì)各分區(qū)所有站點(diǎn)干旱歷時(shí)和干旱強(qiáng)度樣本分別作6個(gè)備選分布擬合的相關(guān)均方差(RMSE)檢驗(yàn)以優(yōu)選出各個(gè)分區(qū)的區(qū)域邊緣分布。各分區(qū)6個(gè)備選分布的區(qū)域加權(quán)平均RMSE值如表3所示，GNO分布對(duì)分區(qū)一和分區(qū)三歷時(shí)樣本擬合的RMSE值最小，優(yōu)選為這兩個(gè)區(qū)域的干旱歷時(shí)邊緣分布，PE3分布則對(duì)分區(qū)二、分區(qū)四和分區(qū)五歷時(shí)樣本的擬合效果最優(yōu)，確定為這三個(gè)分區(qū)的干旱歷時(shí)邊緣分布；對(duì)于干旱強(qiáng)度，五個(gè)備選分布中，GPA分布對(duì)各個(gè)分區(qū)樣本擬合的RMSE值都是最小的，擬合效果最優(yōu)，因而優(yōu)選為各個(gè)分區(qū)的干旱強(qiáng)度邊緣分布。站干旱歷時(shí)和干旱強(qiáng)度樣本的擬合效果如圖4所示 (興義站)。各分區(qū)14種備選copula函數(shù)的區(qū)域加權(quán)平均AIC值如表4所示，Arch1 copula即Clayton copula優(yōu)選為分區(qū)一、分區(qū)三和分區(qū)五的區(qū)域copula函數(shù)，Arch13 copula則優(yōu)選為分區(qū)二和分區(qū)四的區(qū)域copula函數(shù)。

圖4 干旱歷時(shí)與強(qiáng)度樣本擬合效果Fig.4 Goodness of fit for drought duration and intensity

備選邊緣分布分區(qū)一RMSE干旱歷時(shí)干旱強(qiáng)度分區(qū)二RMSE干旱歷時(shí)干旱強(qiáng)度分區(qū)三RMSE干旱歷時(shí)干旱強(qiáng)度分區(qū)四RMSE干旱歷時(shí)干旱強(qiáng)度分區(qū)五RMSE干旱歷時(shí)干旱強(qiáng)度EXP0267014903050135037801570333016104900128GNO0271005802930057032200710310005904350053GEV0289005603190055033900690322005504410052GLO0329007803570076037500940354008104640073GPA0275004503080042032600380313003404660039PE30260005303000054032100610313005304740050

表4 各分區(qū)14 種備選Archimedean copula函數(shù)的擬合優(yōu)度

雖然均質(zhì)區(qū)域內(nèi)所有站點(diǎn)都具有相同的邊緣分布和copula函數(shù)，但各個(gè)站點(diǎn)的尺度參數(shù)(取為樣本均值)均不相同，根據(jù)標(biāo)度洪水法[8]，區(qū)域邊緣分布和copula函數(shù)的參數(shù)均由各站點(diǎn)的無(wú)因次樣本估計(jì)。各分區(qū)內(nèi)站點(diǎn)干旱歷時(shí)和強(qiáng)度樣本除以各自尺度參數(shù)即得到各自的無(wú)因次樣本，區(qū)域邊緣分布參數(shù)由各站點(diǎn)無(wú)因次樣本的加權(quán)平均線性矩估計(jì)，而區(qū)域copula函數(shù)參數(shù)則由無(wú)因次樣本的加權(quán)平均相關(guān)系數(shù)估計(jì)。

3.3 重現(xiàn)期分析與風(fēng)險(xiǎn)評(píng)估

利用由無(wú)因次樣本估計(jì)得到的區(qū)域邊緣分布和copula函數(shù)參數(shù)，根據(jù)式(12)和(13)，分別計(jì)算5個(gè)分區(qū)中各個(gè)站點(diǎn)干旱歷時(shí)與強(qiáng)度的聯(lián)合重現(xiàn)期。由于區(qū)域內(nèi)各站點(diǎn)干旱歷時(shí)和強(qiáng)度的尺度參數(shù)均不相同，因此在計(jì)算區(qū)域中某站點(diǎn)干旱重現(xiàn)期時(shí)，必須先按該站點(diǎn)尺度參數(shù)無(wú)因次化后再計(jì)算重現(xiàn)期。5個(gè)分區(qū)的干旱歷時(shí)和強(qiáng)度均值分別為3.56和0.69、3.58和0.66、3.42和0.65、3.59和0.69、3.58和0.64，2個(gè)月、4個(gè)月、6個(gè)月和8個(gè)月歷時(shí)分別對(duì)應(yīng)的是短歷時(shí)、中等歷時(shí)、較長(zhǎng)歷時(shí)和長(zhǎng)歷時(shí)，0.32、0.76、1.12和1.53強(qiáng)度分別對(duì)應(yīng)的是中旱、重旱、特旱和極旱4個(gè)干旱級(jí)別，可將珠江流域的干旱風(fēng)險(xiǎn)劃分為4個(gè)等級(jí)，分別為2個(gè)月歷時(shí)與中旱、4個(gè)月歷時(shí)與重旱、6個(gè)月歷時(shí)與特旱、8個(gè)月歷時(shí)與極旱。

珠江流域4個(gè)等級(jí)的“且”和“或”干旱風(fēng)險(xiǎn)分別如圖5所示。重現(xiàn)期越小表明遭遇干旱風(fēng)險(xiǎn)的幾率越大，根據(jù)圖5，從區(qū)域的角度上看，賀江和桂江流域地區(qū)為珠江流域干旱風(fēng)險(xiǎn)的中心，遭遇4個(gè)級(jí)別干旱風(fēng)險(xiǎn)的幾率均較大，應(yīng)視為重點(diǎn)干旱風(fēng)險(xiǎn)區(qū)；左江和右江流域地區(qū)遭遇2個(gè)月歷時(shí)與中旱、4個(gè)月歷時(shí)與重旱、6個(gè)月歷時(shí)與特旱的聯(lián)合風(fēng)險(xiǎn)幾率也均較大，也應(yīng)視為重點(diǎn)的干旱風(fēng)險(xiǎn)區(qū)；而珠江三角洲地區(qū)和西部山區(qū)的干旱風(fēng)險(xiǎn)也不應(yīng)忽視，尤其是8個(gè)月歷時(shí)與極旱的風(fēng)險(xiǎn)。從行政管理的角度上看，珠江流域在廣西部分的范圍最大，同時(shí)廣西的部分又是干旱風(fēng)險(xiǎn)最大的省份，而廣東和云南遭遇6個(gè)月歷時(shí)與特旱的風(fēng)險(xiǎn)也應(yīng)當(dāng)受到重視。

4 結(jié) 論

1)珠江流域REOF時(shí)空分解的前5個(gè)主要空間模態(tài)方差貢獻(xiàn)占整個(gè)空間場(chǎng)的方差比例達(dá)到了70.2%，基本上代表了整個(gè)空間場(chǎng)的特征。根據(jù)這5個(gè)空間模態(tài)高載荷值的空間分布特征將珠江流域劃分成了5個(gè)干旱變化特征區(qū)域。根據(jù)不一致性和均質(zhì)性檢驗(yàn)結(jié)果，5個(gè)分區(qū)均為干旱變化特征的均質(zhì)性區(qū)域，所有站點(diǎn)的干旱歷時(shí)與強(qiáng)度樣本均具有良好的一致性。

圖5 珠江流域聯(lián)合干旱風(fēng)險(xiǎn) (a)2個(gè)月歷時(shí)與中旱; (b)4個(gè)月歷時(shí)與重旱; (c)6個(gè)月歷時(shí)與特旱; (d)8個(gè)月歷時(shí)與極旱Fig.5 Joint drought risk across the Pearl River basin for (a)D≤2∪I≤0.32; (b) D≤4∪I≤0.76;(c) D≤6∪I≤1.12; (d) D≤8∪I≤1.53

2)以日為單位插值后提取的干旱歷時(shí)樣本擬合誤差要比按月提取的樣本小得多，更適合用于珠江流域的多變量干旱頻率計(jì)算。根據(jù)各分區(qū)的擬合優(yōu)度檢驗(yàn)，GNO和PE3分布分別優(yōu)選為不同分區(qū)的干旱歷時(shí)邊緣分布，GPA分布優(yōu)選為干旱強(qiáng)度邊緣分布，區(qū)域copula函數(shù)則分別為Clayton和Arch13 copula。

3)從區(qū)域的角度，賀江和桂江流域地區(qū)遭遇4個(gè)級(jí)別干旱風(fēng)險(xiǎn)的幾率均較大，左江和右江流域遭遇2個(gè)月歷時(shí)與中旱、4個(gè)月歷時(shí)與重旱、6個(gè)月歷時(shí)與特旱的聯(lián)合風(fēng)險(xiǎn)幾率也均較大，都應(yīng)視為珠江流域的重點(diǎn)干旱風(fēng)險(xiǎn)區(qū)；同時(shí)珠江三角洲地區(qū)和西部山區(qū)的干旱風(fēng)險(xiǎn)也不應(yīng)忽視，尤其是8個(gè)月歷時(shí)與極旱的風(fēng)險(xiǎn)。從行政的角度，廣西是干旱風(fēng)險(xiǎn)管理的重點(diǎn)省份，而廣東和云南遭遇6個(gè)月歷時(shí)與特旱的風(fēng)險(xiǎn)也應(yīng)當(dāng)受到重視。

參考文獻(xiàn)：

[1] IPCC. Climate change 2007: the physical science basis [M]. Cambridge: Cambridge University Press, 2007.

[2] LLOYD-HUGHES B, SAUNDERS M A. A drought climatology for Europe [J]. International Journal of Climatology, 2002, 22 : 1571-1592.

[3] MCKEE T B, DOESKEN N J, KLEIST J. The relationship of drought frequency and duration to time scales [C]//Proceedings of the 8th Conference on Applied Climatology, California, 1993 : 179-184.

[4] NICHILLS N. The changing nature of Australian droughts [J]. Climatic Change, 2004, 63 (3) : 323-326.

[5] VICENTE-SERRANO S M, BEGUERíA S, LóPEZ-MORENO J I. A Multi-scalar drought index sensitive to global warming: the Standardized Precipitation Evapotranspiration Index-SPEI [J]. Journal of Climate, 2010, 23 (7) : 1696-1718.

[6] 李偉光, 易雪, 侯美亭，等. 基于標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)的中國(guó)干旱趨勢(shì)研究 [J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20 (5) : 643-649.

[7] ESLAMIAN S, HASSANZADEH H, ABEDI-KOUPAI J, et al. Application of L-moments for regional frequency analysis of monthly drought indexes [J]. Journal of Hydrologic Engineering, 2012, 17 (1) : 32-42.

[8] HOSKING J R M, WALLIS J R. Regional frequency analysis: An approach based on L-moments [M]. Cambridge: Cambridge University Press, 1997.

[9] 王兆禮, 陳曉宏, 張靈，等. 近40年來(lái)珠江流域降水量的時(shí)空演變特征 [J]. 水文,2006,26(6):71-75.

[10] 王兆禮, 陳曉宏, 黃國(guó)如. 近40年來(lái)珠江流域平均氣溫時(shí)空演變特征 [J]. 熱帶地理, 2007, 27 (4) : 289-294.

[11] 肖名忠, 張強(qiáng), 陳曉宏. 基于多變量概率分析的珠江流域干旱特征研究 [J]. 地理學(xué)報(bào), 2012, 67 (1) : 83-92.

[12] THORNTHWAITE C W. An approach toward a rational classification of climate [J]. Geographical Review, 1948, 38 (1) : 55-94.

[13] KAO S C, GOVINDARAJU R S. A copula-based joint deficit index for droughts [J]. Journal of Hydrology, 2010, 380 : 121-134.

[14] ANGREW C T. Using SPI to identify drought [J]. Drought Network News, 2000, 12 : 6-12.

[15] SANTOS J F, PULIDO-CALVO I, PORTELA M M. Spatial and temporal variability of droughts in Portugal [J]. Water Resource Research, 2010, 46, W03503, doi:10.1029/2009WR008071.

[16] YEVJEVICH V M. An objective approach to definitions and investigations of continental hydrologic drought[R]. Colorado: Hydrology Papers 23, 1967.

[17] SERFLING R, XIAO P. A contribution to multivariate L-moments: L-comoment matrices [J]. Journal of Mulitivariate Analysis, 2007, 98 (9) : 1765-1781.

[18] SKLAR K. Fonctions de repartition àn Dimensions et Leura Marges [J]. Publ Inst Stat Univ Paris,1959, 8:229-231.

[19] NELSEN R B. An introdection to copulas[M].2nd ed.New York: Springer, 2006.

[20] CHEBANA F, OUARDA T B M J. Multivariate L-moment homogeneity test [J]. Water Resource Research, 2007, 43, W08406, doi:1029/2006WR005639.

[21] SALVADORI G, DE MICHELE C. Multivariate multiparameter extreme value models and return period: A copula approach [J]. Water Resource Research, 2010, 46, W10501, doi:101029/2009WR009040.

[22] 魏鳳英. 現(xiàn)代氣候統(tǒng)計(jì)診斷預(yù)測(cè)技術(shù) [M]. 北京: 氣象出版社, 1999.