基于GIS的安徽省江淮分水嶺區(qū)域氣象干旱研究

王孟和, 何桂芳, 徐建輝, 汪光勝, 吳 見

(1.南京市測繪勘察研究院股份有限公司, 南京 210019; 2.華東冶金地質(zhì)勘查局物探隊,安徽 蕪湖 241000; 3.滁州學(xué)院 安徽地理信息集成應(yīng)用協(xié)同創(chuàng)新中心, 安徽 滁州 239000)

干旱是指在長達(dá)一定時間無有效降水的氣候背景下，水分收支失衡而導(dǎo)致水分短缺的現(xiàn)象，是全球最主要的氣象災(zāi)害之一，在全球造成了重大的人員傷亡和財產(chǎn)損失，旱災(zāi)在中國發(fā)生頻繁，在自然災(zāi)害中占有相當(dāng)高的比例[1]。對干旱的研究一直是國內(nèi)熱點(diǎn)課題，Heim[2]回顧了二十世紀(jì)各種干旱指數(shù)在美國的使用；王兆禮等[3]基于改進(jìn)后的帕默爾干旱指數(shù)，對中國氣象干旱的時空演變規(guī)律進(jìn)行了研究；明博等[4]基于SPI和SPEI研究了北京地區(qū)干旱對作物產(chǎn)量的影響。

江淮分水嶺地區(qū)因其獨(dú)特的地理環(huán)境和氣候條件，擁有豐富的農(nóng)業(yè)資源，是安徽省乃至全國重要的油糧棉基地，但同時旱澇災(zāi)害多發(fā)。楊書運(yùn)等[5]從降水分布、蒸發(fā)和干燥度角度研究了江淮分水嶺地區(qū)干旱情況；袁媛等[6]采用Z指數(shù)的方法，利用GIS技術(shù)，研究了江淮分水嶺區(qū)域旱澇災(zāi)害的時空變化規(guī)律。趙宗權(quán)等[7]選取旱災(zāi)評價指標(biāo)，對江淮分水嶺地區(qū)的旱災(zāi)風(fēng)險進(jìn)行評估。標(biāo)準(zhǔn)降水指數(shù)(Standardized Precipitation Index，SPI)是以降水量為基礎(chǔ)的一種氣象干旱指數(shù)[8]，計算簡便，能夠進(jìn)行多尺度的干旱監(jiān)測[9]，可以較好地反映干旱強(qiáng)度和持續(xù)時間。國內(nèi)外有眾多學(xué)者[10-14]進(jìn)行了基于標(biāo)準(zhǔn)降水指數(shù)(SPI)的區(qū)域干旱研究，驗(yàn)證了標(biāo)準(zhǔn)降水指數(shù)(SPI)在干旱研究中具有優(yōu)越性。因此，本文基于江淮分水嶺及其周邊共15個站點(diǎn)的30 a逐日降水?dāng)?shù)據(jù)，采用多尺度疊加標(biāo)準(zhǔn)降水指數(shù)，對干濕等級情況進(jìn)行研究，促進(jìn)對該區(qū)域氣象干旱發(fā)生規(guī)律的了解，以期為江淮分水嶺地區(qū)的干旱防治提供科學(xué)依據(jù)。

1 研究區(qū)概況及資料來源

1.1 研究區(qū)概況

本研究選取江淮分水嶺位于安徽省境內(nèi)的部分為研究區(qū)，位于長江淮河之間，該區(qū)域以丘陵崗地為主，海拔多為100～300 m，地形相對破碎。氣候上屬于東部季風(fēng)區(qū)，是亞熱帶季風(fēng)氣候與溫帶季風(fēng)氣候過渡區(qū)，季風(fēng)氣候明顯，降水多集中在夏季，年均降水量在900 mm左右。耕地面積在30%以上，農(nóng)業(yè)以傳統(tǒng)農(nóng)業(yè)生產(chǎn)為主，易受自然條件影響。

1.2 資料來源

降水?dāng)?shù)據(jù)來源于各省、市、自治區(qū)氣候資料處理部門逐月上報的《地面氣象記錄月報表》的信息化資料，本文選取了研究區(qū)及其周邊區(qū)域共15個站點(diǎn)的1980—2009年逐日降水?dāng)?shù)據(jù)，包括阜陽、壽縣、滁州、六安、霍山、合肥、蚌埠、巢湖和安慶9個在江淮分水嶺區(qū)域的氣象站點(diǎn)和盱眙、固始、南京、高郵、英山、蕪湖6個分布在研究區(qū)域之外的站點(diǎn)，分布于研究區(qū)域之外的站點(diǎn)數(shù)據(jù)作為空間插值的數(shù)據(jù)。數(shù)據(jù)精度為0.1 mm，選取的數(shù)據(jù)缺測日數(shù)年均少于7 d，對缺測日數(shù)據(jù)進(jìn)行簡單的插值處理，即以該站點(diǎn)多年的缺測日平均降水量插補(bǔ)缺測日降水?dāng)?shù)據(jù)。

2 研究方法

2.1 信息熵

信息熵理論是由Shannon[15]借助熱力學(xué)的概念提出的，用于度量系統(tǒng)的穩(wěn)定程度。通常，一個信源發(fā)送出的符號是不確定的，根據(jù)其出現(xiàn)的概率可以來衡量它。概率越大，出現(xiàn)機(jī)會也就越多，不確定性就越小；反之不確定性就越大。不確定性函數(shù)f是概率p的單調(diào)遞降函數(shù)；兩個獨(dú)立符號所產(chǎn)生的不確定性應(yīng)等于各自不確定性之和，即f(p1，p2)=f(p1)+f(p2)，這稱為可加性。同時滿足這兩個條件的函數(shù)f是對數(shù)函數(shù)，即：

(1)

在信源中，考慮的不是某一單個符號發(fā)生的不確定性，而是要考慮這個信源所有可能發(fā)生情況的平均不確定性。若信源符號有n種取值：U1，…，Ui，…，Un，對應(yīng)概率為：p1，…，pi，…，pn，且各種符號的出現(xiàn)彼此獨(dú)立，即滿足：

(2)

這時，信源的平均不確定性應(yīng)當(dāng)為單個符號不確定性的-lognp(xi)統(tǒng)計平均值(E)，可稱為信息熵，即：

(3)

上式中：對數(shù)一般取2為底，即得：

(4)

變量具有越大的不確定性，熵也就越大，弄清楚它需要的信息量也就需要越大，因此，其最優(yōu)解，也就是使熵最大解的那個。

2.2 多尺度疊加

2.2.1 均態(tài)尺度與變化尺度 根據(jù)侯威等[8]學(xué)者的研究，基于信息熵理論，從某一站30 a逐日降水序列、逐日降水距平序列和年際日尺度下的降水均值序列中，找到使得信息熵達(dá)最大值的尺度，即最能夠突出氣候態(tài)演變和逐日降水變化狀況的尺度，即均態(tài)尺度及變化尺度。均態(tài)尺度及變化尺度計算過程詳見參考文獻(xiàn)[8]，計算結(jié)果見表1。由計算結(jié)果可知，江淮分水嶺區(qū)域內(nèi)各站點(diǎn)變化尺度在8～11 d，均態(tài)尺度為9～11 d，站點(diǎn)間差異較小。

2.2.2 尺度疊加 在均態(tài)尺度和變化尺度的疊加尺度下，對降水量的年際日尺度氣候態(tài)和逐日變化的演變研究，更能反映降水量與干旱的相關(guān)情況?；跇?biāo)準(zhǔn)降水指數(shù)(SPI)的標(biāo)準(zhǔn)算法[16]，在均態(tài)尺度和變化尺度下，采取逐日滑動的計算方法，計算30 a的逐日SPI。均態(tài)尺度下的SPI記為SPI1，變化尺度下的SPI記為SPI2，將均態(tài)尺度與變化尺度下的SPI疊加，得疊加的標(biāo)準(zhǔn)降水指數(shù)TSPI=(SPI1+SPI2)/2，TSPI越大，說明在均態(tài)尺度和變化尺度的疊加尺度下相對越濕潤；反之，TSPI越小，說明在均態(tài)尺度和變化尺度的疊加尺度下相對越干燥。

表1區(qū)域內(nèi)站點(diǎn)均態(tài)尺度和變化尺度計算結(jié)果d

站點(diǎn)變化尺度均態(tài)尺度安慶1111巢湖910霍山89壽縣910六安89合肥89滁州99蚌埠1011

TSPI是將SPI的兩種尺度疊加值進(jìn)行均值化。因此，對于TSPI的劃分參照SPI的劃分原則。根據(jù)標(biāo)準(zhǔn)降水指數(shù)劃分標(biāo)準(zhǔn)，將干濕劃分成特別濕、嚴(yán)重濕、中等濕、輕微濕、正常、輕微干、中等干、嚴(yán)重干和特別干9個不同干濕程度等級，對TSPI進(jìn)行等級劃分，見表2。

表2 TSPI等級劃分及其等級符號

3 江淮分水嶺地區(qū)干旱時空特征

3.1 各站點(diǎn)各干濕等級日數(shù)比例特征

使用兩種尺度疊加下的標(biāo)準(zhǔn)降水指數(shù)及其干濕等級劃分方法，對1980—2009年各個站點(diǎn)逐日干濕等級進(jìn)行統(tǒng)計，計算出各干濕等級的日數(shù)占比(圖1)。由圖1可看出，各干濕等級的日數(shù)百分比基本呈正態(tài)分布?！疤貏e干”和“特別濕”等級的干濕事件發(fā)生的概率均為0，這說明在均態(tài)尺度和變化尺度的疊加尺度下，1980—2009年江淮分水嶺地區(qū)未出現(xiàn)特別等級的極端天氣事件。此外，結(jié)合各站點(diǎn)不同干濕等級日數(shù)比例統(tǒng)計結(jié)果，“正常”等級的干濕事件發(fā)生的概率最高，在50%～66%；“輕微干”和“輕微濕”等級的干濕事件發(fā)生的概率較高，“輕微干”等級事件概率在11%～20%，“輕微濕”等級事件概率在7%～13%；“中等干”和“中等濕”等級的干濕事件發(fā)生的概率較低，“中等干”等級事件概率在0.9%～3.1%，“中等濕”等級事件概率在8.9%～12%；“嚴(yán)重干”和“嚴(yán)重濕”等級的干濕事件發(fā)生的概率最低，“嚴(yán)重干”等級事件概率在0.05%～0.5%，“嚴(yán)重濕”等級事件概率在2.2%～4.6%?？傮w來說，濕潤等級發(fā)生的概率略高于干旱等級發(fā)生的概率，平均約高出6%。說明研究區(qū)總體上是濕等級天數(shù)比例多于干等級天數(shù)。

圖1 1980-2009年各站點(diǎn)逐日TSPI序列各干濕等級日數(shù)占比

3.2 不同等級干事件概率的季節(jié)變化特征

對各站點(diǎn)1980—2009年逐日TSPI序列不同干等級的日數(shù)進(jìn)行統(tǒng)計，計算各個月份不同干等級事件的發(fā)生概率。由于“特別干”事件的發(fā)生為0，所以在此只對“輕微干”、“中等干”和“嚴(yán)重干”等級事件進(jìn)行統(tǒng)計(圖2)。

由圖2可看出，“輕微干”事件中，持續(xù)時間較長的是春季(3月、5月)、夏季(6月、7月、8月)、秋季(9月)，均超過平均日數(shù)百分比(15.06%)，其他月份均低于平均水平；“中等干”事件中，持續(xù)時間較長的是春季(3月)、夏季(7月、8月)，均超過平均日數(shù)百分比(1.82%)；“嚴(yán)重干”事件中，持續(xù)時間較長的是春季(3月)、夏季(7月、8月)、秋季(10月)、冬季(12月、1月)，均超過平均日數(shù)百分比(0.21%)。

將各等級不同月份干事件日數(shù)占比統(tǒng)一來看，3月、7月、8月的“輕微干”、“中等干”、“嚴(yán)重干”等級日數(shù)比例均較高，這3個月份的干旱持續(xù)時間較長、影響較重，且3月是冬小麥等越冬作物的生長期，7月、8月份是夏季作物的生長期。就本研究而言，這段時間的干旱對農(nóng)作物的影響最大，應(yīng)注重這幾個月份的旱災(zāi)防范工作。冬季干旱以“嚴(yán)重干”為主，但持續(xù)時間較短，對農(nóng)作物的影響較小。其他月份主要以“輕微干”為主，且持續(xù)時間都較短，對農(nóng)業(yè)的影響有限。

圖2 1980-2009年9個站點(diǎn)逐日TSPI序列不同等級干日數(shù)各月的占比

3.3 不同等級干事件概率空間分布特征

由圖3可以看出“嚴(yán)重干”等級在霍山、六安和滁州地區(qū)所占的比重較大，3個站點(diǎn)總比重超過了55%，“嚴(yán)重干”等級事件在這3個地區(qū)相對集中發(fā)生，其中霍山所占比重超過了25%，是“嚴(yán)重干”等級事件的最集中發(fā)生區(qū)，“嚴(yán)重干”事件對其影響的持續(xù)時間最長；而在其他地區(qū)，所占比重均較小，其中，蚌埠和阜陽地區(qū)的占比均小于5%，“嚴(yán)重干”在這兩個地區(qū)發(fā)生的概率最小?！爸械雀伞焙汀拜p微干”等級事件均在霍山、巢湖、安慶、六安等地的比重較高，“中等干”和“輕微干”等級事件在這些地區(qū)發(fā)生的概率相對較大。9個站點(diǎn)“嚴(yán)重干”等級占比相差最大，最高占比與最低占比相差超過了24個百分點(diǎn)，說明“嚴(yán)重干”等級的相對分布差異較為明顯。而“中等干”最大差約為12個百分點(diǎn)，“輕微干”最大差約為5個百分點(diǎn)?！爸械雀伞焙汀拜p微干”事件在區(qū)域站點(diǎn)內(nèi)相對分布較為均衡。

3.4 不同等級干事件概率時間、空間綜合特征

根據(jù)各月份各站點(diǎn)逐日TSPI序列不同等級干日數(shù)占比統(tǒng)計，計算出各季節(jié)各站點(diǎn)逐日TSPI序列不同等級干日數(shù)占比，利用ArcGIS軟件中的空間插值工具，制作江淮分水嶺地區(qū)各季節(jié)不同等級干日數(shù)占比分布圖(圖4)。

由圖4可以看出：(1) 對于“輕微干”事件，春季主要集中在南部地區(qū)，呈現(xiàn)從南向北遞減的趨勢，總體概率較高；夏季主要分布在西部地區(qū)，呈現(xiàn)西高東低的趨勢，絕大多數(shù)地區(qū)超過50%。秋季與夏季分布趨勢相近，但秋季總體概率較小，絕大多數(shù)地區(qū)在40%以下；與秋季相同，冬季多數(shù)地區(qū)低于40%，但冬季中部、南部普遍較北部高。綜合對比四季，“輕微干”等級事件夏季分布差異較小但范圍最廣且持續(xù)時間最長。(2) 對于“中等干”事件，春季集中分布在霍山、巢湖、安慶等地區(qū)，整體上南部較高；夏季集中在中北部地區(qū)，南部和東部地區(qū)較低，且有逐漸下降的趨勢；秋季主要分布在霍山及其周邊地區(qū)，分布較為集中，向東部、南部和東北部遞減，東部地區(qū)，巢湖形成一個較高中心，其他地區(qū)較低；冬季普遍較低，只有六安、霍山和巢湖等個別地區(qū)較小范圍內(nèi)出現(xiàn)相對較高的值。總體來說，“中等干”等級事件四季總體較低，夏季略高，冬季變化較小。(3) 對于“嚴(yán)重干”事件，春季在霍山地區(qū)形成集中向東北部急劇遞減向東部南部緩慢遞減；夏季分布與春季類似，霍山地區(qū)比較集中，但變化幅度相對減小，東部地區(qū)整體較低，只有滁州地區(qū)相對較高；秋季整體變化緩和，西高東低，南部出現(xiàn)低值中心；冬季中部、西部較高，東北部和南部較低?？傮w看來，“嚴(yán)重干”等級事件春季、夏季變化較大，總體影響較大；秋季、冬季變化較小，影響也較小。

圖3 1980-2009年9個站點(diǎn)各干等級日數(shù)在各干等級總?cè)諗?shù)中的比例

圖4 1980-2009年江淮分水嶺地區(qū)各季節(jié)輕微干、中等干、嚴(yán)重干事件日數(shù)比率空間分布

4 個例檢驗(yàn)

根據(jù)2001—2010年的安徽省電子版統(tǒng)計年鑒，統(tǒng)計出安慶市2000—2009年農(nóng)業(yè)干旱受災(zāi)面積，將其與2000—2009年安慶市干等級日數(shù)占比相比較(圖5)。

由圖5可以看出2000—2009年除2003年和2005年外，受災(zāi)面積增減情況均與干等級日數(shù)占比變化趨勢相吻合，經(jīng)相關(guān)性分析二者相關(guān)性系數(shù)為0.52，相關(guān)性較強(qiáng)。干旱受災(zāi)面積會受到多種因素的影響，但最重要的影響因子是降水，在同等情況下，干旱事件發(fā)生的頻率增高，農(nóng)業(yè)受災(zāi)面積也會增加，說明多尺度疊加干旱監(jiān)測適用于江淮分水嶺區(qū)域的干旱研究。

圖5 安慶市2000-2009年間逐年干等級日數(shù)占比和逐年干旱受災(zāi)面積

5 結(jié) 論

(1) 江淮分水嶺地區(qū)，各干濕等級的分布有明顯的正態(tài)分布的特點(diǎn)，即干濕事件的等級越趨向“正?！?，其發(fā)生的概率就越大；趨向極端的事件，其發(fā)生的概率逐漸降低。該研究區(qū)濕等級事件發(fā)生的概率略高于干等級事件，干等級事件的發(fā)生集中在“輕微干”事件上。

(2) 從時間上看，春季(3月、5月)、夏季(6月、7月、8月)、秋季(9月)持續(xù)時間較長，且春季(3月)和夏季(7月、8月)的干旱程度最深，對農(nóng)業(yè)生產(chǎn)特別是對江淮分水嶺地區(qū)越冬和春耕作物的不利影響較為明顯，此段時間為農(nóng)業(yè)防旱的重點(diǎn)時段；秋季(9月)的干事件的時間較長，但程度較淺，對農(nóng)業(yè)的影響有限，而對于農(nóng)業(yè)上的秋收是有利的。

(3) 從空間分布上看，總體上江淮分水嶺西部地區(qū)干旱日數(shù)占比較高，向東、南、北方向有下降的趨勢，霍山地區(qū)形成一個干事件發(fā)生日數(shù)的峰值。在同等情況下，霍山及其周邊地區(qū)是防旱相對重點(diǎn)的區(qū)域。

本文使用的是兩種尺度疊加下的標(biāo)準(zhǔn)降水指數(shù)，對單一化標(biāo)準(zhǔn)降水指數(shù)進(jìn)行了改進(jìn)，并以安慶市為個例，初步驗(yàn)證了其適用性。但是相關(guān)尺度的研究還很少，對于其適用性和可靠性還缺乏更多的檢驗(yàn)，需要更多的研究來提供理論支撐。本文是從均態(tài)尺度和變化尺度兩個尺度進(jìn)行研究的，未對其他尺度下的降水指數(shù)進(jìn)行綜合研究，還需要更多種尺度下的綜合研究，來提升研究的可靠性。本文研究區(qū)域內(nèi)只有9個站點(diǎn)，研究時間為30 a，研究數(shù)據(jù)還不夠豐富，研究時間跨度相對較短，缺乏對該研究區(qū)域更廣泛、更長時間干旱變化的規(guī)律性研究。

參考文獻(xiàn)：

[1] 鄭遠(yuǎn)長.全球自然災(zāi)害概述[J].中國減災(zāi),2002,10(1):14-19.

[2] Heim R R. A review of twentieth-century drought indices used in the United States[J]. Bulletin of the american Meteorological Society, 2002,83(8):1149-1166.

[3] 王兆禮,李軍,黃澤勤,等.基于改進(jìn)帕默爾干旱指數(shù)的中國氣象干旱時空演變分析[J].農(nóng)業(yè)工程學(xué)報,2016,32(2):161-168.

[4] 明博,陶洪斌,王璞.基于標(biāo)準(zhǔn)化降水蒸散指數(shù)研究干旱對北京地區(qū)作物產(chǎn)量的影響[J].中國農(nóng)業(yè)大學(xué)學(xué)報,2013,18(5):28-36.

[5] 楊書運(yùn),馬成澤,袁東海.江淮分水嶺地區(qū)干旱分析[J].中國農(nóng)業(yè)氣象,2003,24(4):29-32.

[6] 袁媛,王心源,雷能忠,等.基于GIS的江淮分水嶺地區(qū)旱澇災(zāi)害時空分析[J].水文,2007,27(6):36-38,49.

[7] 趙宗權(quán),周亮廣.江淮分水嶺地區(qū)旱災(zāi)風(fēng)險評估[J].水土保持研究,2017,24(1):370-375.

[8] 侯威,張存杰,高歌.基于標(biāo)準(zhǔn)降水指數(shù)的多尺度疊加干旱監(jiān)測指標(biāo)及其等級劃分[J].干旱區(qū)研究,2013,30(1):74-88.

[9] 劉彤,閆天池.我國的主要?dú)庀鬄?zāi)害及其經(jīng)濟(jì)損失[J].自然災(zāi)害學(xué)報,2011,20(2):91-95.

[10] Parel N R, Chopra P, Dadhwal V K. Analyzing spatial patterns of meteorological drought using standardized precipitation index [J]. Meteorological Applications, 2007,14(4):329-336.

[11] 黃生志,黃強(qiáng),王義民,等.基于SPI的渭河流域干旱特征演變研究[J].自然災(zāi)害學(xué)報,2015,24(1):15-22.

[12] 郝秀平,張振偉,馬建琴,等.基于標(biāo)準(zhǔn)降水指數(shù)的河南省干旱時空演變規(guī)律分析[J].水電能源科學(xué),2013,31(9):4-7.

[13] 李劍鋒,張強(qiáng),陳曉宏,等.基于標(biāo)準(zhǔn)降水指標(biāo)的新疆干旱特征演變[J].應(yīng)用氣象學(xué)報,2012,23(3):322-330.

[14] 何福力,胡彩虹,王紀(jì)軍,等.基于標(biāo)準(zhǔn)化降水指數(shù)、徑流指數(shù)的黃河流域近50年氣象水文干旱演變分析[J].地理與地理信息科學(xué),2015,31(3):69-75.

[15] Shannon C E. A mathematical theory of communication[J]. Bell System Technical Journal, 1948,27:379-433，623-659.

[16] 袁文平,周廣勝.標(biāo)準(zhǔn)化降水指標(biāo)與Z指數(shù)在我國應(yīng)用的對比分析[J].植物生態(tài)學(xué)報,2004,28(4):523-529.