基于新型綜合干旱指數(shù)的珠江流域未來干旱變化特征研究

李 軍，吳旭樹，王兆禮，2，尹家波，陳曉宏

（1.華南理工大學 土木與交通學院 亞熱帶建筑科學國家重點實驗室，廣東 廣州 510640；2.廣東省水利工程安全與綠色水利工程技術研究中心，廣東 廣州 510641；3.武漢大學 水資源與水電工程科學國家重點實驗室，湖北 武漢 430072；4.中山大學 水資源與環(huán)境研究中心，廣東 廣州 510275）

1 研究背景

干旱是一種自然災害，具有發(fā)生頻率高、影響范圍廣和危害程度深等特點，易對社會經(jīng)濟發(fā)展造成不良影響［1-3］。近10年來，中國經(jīng)歷頻繁的干旱災害，造成的損失占氣象災害的50 %以上［4］。隨著全球氣候變暖，干旱影響將逐漸增大［5-6］，但往往卻難以捕捉干旱的開始、持續(xù)時間和結束等特征［7-8］。為此，前人做出許多努力來研究干旱［1，9-11］。其中，干旱指數(shù)構建是干旱研究的基礎，其可對干旱特征進行客觀的時空分析和監(jiān)測，從而達到度量、對比和綜合的研究目的［12-14］。故干旱指數(shù)的研究具有重要的現(xiàn)實意義。

干旱可分別從氣象、水文、農(nóng)業(yè)等角度進行描述和刻畫，相應地有多種干旱指數(shù)［13］。例如，用于描述氣象干旱的標準化降水蒸散指數(shù)（SPEI）［15］，用來描述水文干旱的地表水供應指數(shù)（SWSI）［16］和標準化徑流指數(shù)（SRI）［17］，以及用于描述農(nóng)業(yè)干旱的標準化土壤水指數(shù)（SMDI）［18］、作物水分指數(shù)（CMI）［19］和修正帕默爾干旱指數(shù)（scPDSI）［20］等；然而單一指數(shù)往往不能綜合多種水文氣象要素，從而無法綜合地從氣象、水文、農(nóng)業(yè)等角度全方面地監(jiān)測干旱，且干旱一般在氣象、水文、農(nóng)業(yè)等角度無清晰的界限。因此，需要探索一種綜合考慮多種水文氣象要素的干旱指數(shù)。近年來，為了創(chuàng)建一種融合多種干旱相關水文氣象變量的綜合干旱指數(shù)，國內(nèi)學者進行了諸多研究。如任怡等［21］采用熵權法和模糊綜合法綜合PDSI、SPI 和SPEI 指數(shù)，建立一種模糊綜合評價指數(shù)。常文娟等［22］采用主成分分析法將降雨、徑流及土壤含水量等要素融合為一種綜合干旱指標。然而，模糊綜合干旱指數(shù)的賦權存在一定主觀性，不能有效地客觀比較跨時空尺度干旱。主成分分析法的綜合干旱指數(shù)往往基于降維后的第一主成分構建，不能全面地保持原始變量全部信息，且無法反映水文氣象要素信息的非線性影響特征［9］。Copula 函數(shù)能構造不同邊緣分布的多變量聯(lián)合分布函數(shù)，能巧妙地避免上述問題，且在構建綜合干旱指數(shù)方面已有較廣應用［23-25］。張迎等［23］基于Copula 函數(shù)，聯(lián)合降雨和徑流要素，構建了一種能綜合表征渭河流域氣象和水文干旱的綜合干旱指數(shù)。Hao 等［24］基于降水、徑流兩要素，構建美國加利福尼亞州和北卡萊羅納州的綜合干旱指數(shù)，并將該指數(shù)與標準化降水指數(shù)及標準化徑流指數(shù)對比，論證該綜合干旱指數(shù)在該地區(qū)具有一定的可靠性，具備監(jiān)測水文、氣象干旱的能力。已有的綜合干旱指數(shù)一般僅考慮徑流、降水等要素［23-25］，忽略了蒸散發(fā)和土壤水等要素，故難以從水文、氣象、農(nóng)業(yè)等多角度綜合地刻畫干旱。

鑒于此，本文擬基于降雨、蒸散發(fā)、徑流和土壤水等水文氣象要素，運用Copula 函數(shù)，構建適宜濕潤地區(qū)的一種新型綜合干旱指數(shù)CSDI（Comprehensive Standardized Drought Index），綜合表征氣象-水文-農(nóng)業(yè)干旱，并以珠江流域為例，分析未來氣候變化情景下綜合干旱的變化特征。該指數(shù)能基于水文，氣象，農(nóng)業(yè)等多角度全面地描述干旱，提高綜合干旱指數(shù)的準確性和適用性，以期為研究區(qū)防旱抗旱提供新的參考依據(jù)。

2 研究內(nèi)容和方法

2.1 研究區(qū)概況及數(shù)據(jù)資料珠江流域（圖1）面積45.4 萬km2，由西江、北江、東江等諸流域組成。珠江流域地處熱帶和亞熱帶季風氣候區(qū)，多年平均氣溫15～22°C，多年平均降水量1500 mm，年內(nèi)降水80%集中在4—9月；同時珠江三角洲地區(qū)也是中國經(jīng)濟最發(fā)達地區(qū)之一。近年來，珠江流域干旱現(xiàn)象不斷出現(xiàn)，尤其是2003年以來幾乎年年出現(xiàn)干旱（2009、2010 和2011年大干旱事件），連續(xù)不斷的干旱使珠江流域遭受了嚴重的經(jīng)濟社會損失；干旱災害頻次約占總自然災害的1/5，均為各項災害之首；糧食因旱災減產(chǎn)占總產(chǎn)量的5%以上［26-27］。在氣候變化的影響下，珠江流域干旱風險將進一步增加［28］，因此分析研究區(qū)未來綜合干旱特征變化研究具有重要的意義。

圖1 珠江流域地理位置及站點分布

為收集構建綜合干旱指數(shù)的基礎數(shù)據(jù)，本文基于VIC 水文模型模擬珠江流域蒸散發(fā)、土壤水和徑流等水文要素。為運行VIC 水文模型，收集了珠江流域及其周邊91 個氣象站1960—2015年的氣象數(shù)據(jù)，包括降水、氣溫、風速、相對濕度、氣壓和日照時數(shù)等。水文數(shù)據(jù)包括高要、石角、博羅水文站點（西江、北江和東江的控制站點）的1960—2000年的逐月流量數(shù)據(jù)，來源于廣東省水文局。地表高程數(shù)據(jù)來自于90 m 分辨率的STRM 數(shù)據(jù)。土壤參數(shù)來自于FAO 的全球1 km 土壤數(shù)據(jù)集。植被參數(shù)來自于中國科學院1 km 分辨率數(shù)據(jù)。因CanESM2，CNRM-CM5，CSIRO，MIROC-ESM，MPI-ESM-LR，MRI-CGCM3 等氣候模式對中國氣候因子均有較好的模擬效果［29］，因此，本文收集這些模式RCP2.6、RCP4.5 和RCP8.5 情景下（2050—2100年）的降水、氣溫、氣壓、風速、相對濕度、入射短波及長波輻射等數(shù)據(jù)。采用Delta 方法［30］對氣候模式數(shù)據(jù)進行降尺度，后用貝葉斯模型平均法進行多模式集成。Li 等［28］研究已對珠江流域VIC 模型進行率定與驗證，表明該模型能較為準確地模擬流域的水文過程，可用于流域的干旱評估。同時對多模式集成結果進行評估，表明能較合理地再現(xiàn)珠江流域的氣候特征，適合用于珠江流域氣候變化的研究（VIC 模型率定與驗證及氣候模式評估詳見Li 等［28］）。VIC 模型在世界范圍內(nèi)已被廣泛用于模擬土壤水分和徑流，這些研究證明VIC 模型的土壤水數(shù)據(jù)是可靠且合理的［31-33］。此外，該模型已成功應用于珠江流域土壤水和徑流模擬［34-35］。

2.2 綜合干旱指數(shù)構建現(xiàn)有干旱指數(shù)一般分別從農(nóng)業(yè)、水文、氣象等角度描述干旱［1，13］，但影響干旱的水文氣象因素復雜多樣，很難使用一個干旱指數(shù)從多種角度完全描述干旱［23］，需要探索能綜合從多種角度（如水文、氣象、農(nóng)業(yè)等）刻畫干旱的綜合指數(shù)。Copula 函數(shù)不受單變量服從何種邊緣分布的限制，可客觀反映多種水文要素低于某一閾值時的狀態(tài)，構造不同邊緣分布下的多源水文氣象變量之間的聯(lián)合分布。故本文運用Copula 函數(shù)構建綜合干旱指數(shù)。在Copula 函數(shù)中，對于多維的隨機變量X1，…，Xd，它們的聯(lián)合分布函數(shù)為H(x1，…，xd)，邊緣分布函數(shù)為F(x1)，…，F(xiàn)(xd)，則一定存在一個Copula 函數(shù)C，滿足H(x1，…，xd)=C(F(x1)，…，F(xiàn)(xd))［9，23］，該函數(shù)將不同邊緣分布的相關變量連接組合，不是基于各變量的權重來構建指數(shù)［9，23］。為能同時表征氣象、水文及農(nóng)業(yè)干旱，本文基于Copula 函數(shù)聯(lián)合降水、蒸散發(fā)、土壤水及徑流等水文氣象要素，構建綜合干旱指數(shù)（CSDI）。所有要素都可在預定的滑動窗口（例如，3月尺度）累積，以表示不同時間尺度的水分虧缺狀況，這使得CSDI 在時間尺度上具有靈活性。前人研究表明3月時間尺度的干旱指數(shù)可較好表征中國干旱［36］，故本文以構建3月時間尺度的CSDI 為例。而其他時間尺度的（1、6、9 和12）CSDI 指數(shù)具體構建方法跟3月時間尺度基本一樣，但降水、蒸散發(fā)、土壤水及徑流等因子要考慮對應時間尺度的具體值，如6月時間尺度CSDI 指數(shù)，相應的水文氣象因子要考慮前期6 個月的累積變化。

2.2.1 邊緣分布函數(shù) 邊緣分布考慮廣義極值分布（GEV）、皮爾遜Ⅲ型（P-Ⅲ）、韋布爾分布（WBL）、對數(shù)正態(tài)分布（LOG）、伽馬分布（GAM）、和對數(shù)邏蒂斯迪克分布（LOL）共6 種常用模型。邊緣分布采用Kolmogorov-Smirnov（K-S）方法和均方根誤差法（RMSE）進行擬合優(yōu)度檢驗，確定最適邊緣分布函數(shù)。K-S 和RMSE 結果如表1所示，結果表明降水和土壤水的最優(yōu)模型均為GEV 模型，蒸散發(fā)和土壤水則分別為P-III 和WBL 模型。

表1 邊緣分布模型擬合優(yōu)選

2.2.2 最優(yōu)Copula 函數(shù)選擇 Copula 函數(shù)構造多樣，例如Archimedean、Meta-elliptic、Extreme Value 和Miscellaneous 等。Archimedean Copulas 結構簡單、代表性廣，已在珠江流域水文氣象多變量聯(lián)合分布模擬中取得了良好效果［37］。由于其對高維問題有一定受限，于是更為靈活的嵌套Copulas 應運而生。嵌套Archimedean Copula 函數(shù)將二元Archimedean Copula 函數(shù)擴展到多維問題框架，用來研究多維變量的相關性，簡單和實用［9］。故用嵌套Archimedean Copulas，選取其家族的Gumbel、Clayton、AliMikhail-Haq（AMH）和Frank Copula 函數(shù)作為備選函數(shù)來選擇最優(yōu)Copula 函數(shù)。

利用擬合得到的4 種Copula 函數(shù)與經(jīng)驗Copula 的赤池信息量準則（AIC）、RMSE 和相關系數(shù)（R）來進行擬合優(yōu)度評價。AIC 是衡量統(tǒng)計模型擬合優(yōu)良性的一種標準；RMSE表示模擬值與真實值偏差的平方與模擬次數(shù)比值的平方根；R表征兩變量之間的線性相關程度；RMSE和AIC值越小，表示模擬擬合效果越優(yōu)，而R值越大，表示模型效果越優(yōu)。AIC、RMSE和R的結果如表2所示，表明Archimedean Copulas 的AMH、Clayton、Frank 和Gumbel 模型，均能較好地模擬珠江流域的降水、蒸散發(fā)、土壤水和徑流等聯(lián)合分布。而珠江流域的水文氣象多變量聯(lián)合分布的最優(yōu)模型為Frank Copula 模型。因此，本文選用Frank Copula 函數(shù)作為連接函數(shù)。

表2 Copula 函數(shù)聯(lián)合分布模型擬合優(yōu)選

2.2.3 標準化指數(shù) 以降水、蒸散發(fā)、徑流和土壤水序列為隨機變量，進行多變量聯(lián)合分布函數(shù)構建，X1，X2，X3和X4為降水、蒸散發(fā)、徑流和土壤水的某一數(shù)字，假設隨機變量相應的邊緣分布分為F(x1)，F(xiàn)(x2)，F(xiàn)(x3)和F(x4)，則他們的聯(lián)合分布P可用累積聯(lián)合概率q和Copula 函數(shù)C表示：

上述得到累積聯(lián)合概率是由所有邊際函數(shù)得到聯(lián)合水分虧缺狀況，累積概率p值較小表征干燥狀況，反之，則表示濕潤狀況。而累積概率值服從給定的邊緣分布，對于不同季節(jié)或地區(qū)的值，它們通常反映不同水分虧缺狀況，不能用于區(qū)域水分虧缺比較［38］。因此，用Kendall 分布函數(shù)進行轉(zhuǎn)化，可使CSDI 指數(shù)用于區(qū)域不同干旱的比較。Kendall 分布函數(shù)為：

于是得到綜合干旱指數(shù)：

式中：φ為標準正態(tài)分布。

如表3所示，基于CSDI 累積概率值，按照綜合嚴重程度，將干旱等級劃分為無旱、輕旱、中旱、重旱和特旱等不同的等級。

表3 CSDI 指數(shù)干旱等級劃分

2.3 其他方法基于游程理論［37］識別和提取綜合干旱事件和特點，包括歷時、嚴重性、峰值等典型特征。為反應CSDI 表征干旱的能力，scPD?SI 指數(shù)，3月時間尺度SPEI 指數(shù)和SRI 指數(shù)等作為參考指數(shù)，scPDSI 指數(shù)計算基于國標GBT 20481—2017 氣象干旱等級標準。此外，運用Copula 函數(shù)，基于同頻放大法，反算給定聯(lián)合重現(xiàn)期對應的設計組合值。有

式中：干旱歷時X、嚴重性Y和峰值Z為連續(xù)隨機變量，各自的邊緣分布函數(shù)分別為Fx(x)、Fy(y)和Fz(z)；P1、P2和P3分別為干旱歷時、嚴重性和峰值的超閾概率；C1、C2和C3分別為歷時、嚴重性與峰值的超閾聯(lián)合概率；C(u，v)、C(u，w)和C(v，w)均為邊緣分布為[0 ，1] 區(qū)間的Copu?la 聯(lián)結函數(shù)。

3 結果

3.1 綜合干旱指數(shù)評價圖2展示了月尺度下珠江流域1961—2015年CSDI 指數(shù)與SPEI 指數(shù)、SRI 指數(shù)、scPDSI 指數(shù)的相關系數(shù)空間分布圖。由圖可知，CSDI 指數(shù)與SPEI 指數(shù)、SRI 指數(shù)、scPDSI 指數(shù)的相關系數(shù)在全流域基本大于0.7（P＜0.01），呈極強相關性。CSDI 指數(shù)與SPEI 指數(shù)和SRI 指數(shù)在珠江流域上游和下游相關性最大，而與scPDSI 在流域上游端部地區(qū)相關性最大。

圖2 1961—2015年月CSDI 指數(shù)與其他干旱指數(shù)相關系數(shù)空間分布

對珠江流域1961—2015年CSDI 指數(shù)、SPEI 指數(shù)、SRI 指數(shù)、scPDSI 指數(shù)序列進行月干旱頻次統(tǒng)計。統(tǒng)計了CSDI 指數(shù)至少與SPEI 指數(shù)、SRI 指數(shù)、scPDSI 指數(shù)中的一種同時出現(xiàn)干旱的頻次占CSDI指數(shù)干旱總頻次的比例。圖3顯示了CSDI 指數(shù)干旱監(jiān)測“準確率”。 CSDI 指數(shù)在全流域的干旱監(jiān)測“準確率”基本在80%以上。這些分析表明CSDI 指數(shù)監(jiān)測干旱具有一定的可靠性。

圖3 CSDI 指數(shù)干旱監(jiān)測“準確率”

查閱關于珠江流域干旱研究的相關文獻發(fā)現(xiàn)［27，39］，珠江流域在1963年遭受特大干旱。因此，以珠江流域1963年的干旱為例，比對CSDI 指數(shù)、SPEI 指數(shù)、SRI 指數(shù)和scPDSI 指數(shù)對本次干旱的監(jiān)測能力。圖4顯示了基于CSDI 指數(shù)、SPEI 指數(shù)、SRI 指數(shù)和scPDSI 指數(shù)的珠江流域1963年干旱的空間演變。1963年1月流域上游開始出現(xiàn)干旱。同年3月，氣象干旱發(fā)展迅速，基本蔓延至整個流域，流域下游局部地區(qū)出現(xiàn)嚴重氣象干旱；同時流域上下游地區(qū)出現(xiàn)農(nóng)業(yè)和水文干旱，而中部地區(qū)呈無農(nóng)業(yè)和水文干旱，因農(nóng)業(yè)干旱和水文干旱對氣象干旱的響應存在一定的延遲［23］。CSDI 指數(shù)顯示干旱空間分布與SPEI 指數(shù)相似，表明CSDI 指數(shù)捕捉干旱開始的能力與SPEI 指數(shù)相當。1963年7月，整個流域遭受特大氣象干旱和水文干旱，CSDI 指數(shù)空間分布與SPEI 指數(shù)及SRI 指數(shù)相似，表明CSDI 指數(shù)可監(jiān)測氣象干旱和水文干旱。而流域中上游地區(qū)出現(xiàn)特大農(nóng)業(yè)干旱，其余地區(qū)以嚴重農(nóng)業(yè)干旱為主，CSDI 指數(shù)可為農(nóng)業(yè)干旱提供及時預警。1963年12月，氣象干旱和水文干旱基本在珠江流域結束，而仍有農(nóng)業(yè)干旱，CSDI 指數(shù)顯示相似的干旱空間分布，這表明CSDI 指數(shù)捕捉干旱結束的能力與scPDSI指數(shù)相當。這些分析表明綜合降雨、蒸散發(fā)、徑流及土壤水等多種水文氣象要素的CSDI 指數(shù)能夠靈敏、有效地捕捉干旱的開始、持續(xù)時和結束等重要特征。

圖4 1963年珠江流域干旱空間演變

綜上分析可知，本文構建的CSDI 綜合干旱指數(shù)在干旱監(jiān)測方面具有一定的可靠性和綜合性等優(yōu)勢，兼具SPEI 指數(shù)、SRI 指數(shù)和scPDSI 指數(shù)的能力，如SPEI 指數(shù)一樣較好地捕捉干旱的開始，也能如scPDSI 指數(shù)一樣較好地監(jiān)測干旱的持續(xù)時間和結束，并監(jiān)測水文干旱，能夠更加綜合、全面地監(jiān)測水文、氣象和農(nóng)業(yè)干旱，提前預警，可為干旱的監(jiān)測和預警預報提供新的工具。這意味著，當CS?DI 指數(shù)開始低于干旱閾值時，氣象干旱可能開始，應制定氣象干旱傳播導致農(nóng)業(yè)干旱的應對方案，并發(fā)布預警；CSDI 指數(shù)繼續(xù)減小，則是氣象干旱開始傳播，導致農(nóng)業(yè)和水文干旱，根據(jù)應對方案采取及時有效的措施；而CSDI 指數(shù)持續(xù)低值時，表明3 種干旱可能在該區(qū)域存在，必須采取積極的抗旱政策。

3.2 綜合干旱時空變化分析既往（1961—2015）和未來情景（2050—2100）綜合干旱特點（歷時、嚴重性和峰值）。圖5展示了未來情景下干旱嚴重性、歷時和峰值較既往時段變化百分比。RCP2.6 情景下，干旱嚴重性在珠江流域下游明顯低于既往時段，減少20%～40%；流域中上游干旱嚴重性變大，局部地區(qū)增加20%～40%。RCP4.5 和RCP8.5 情景下，整個流域的干旱嚴重性基本變大，上游嚴重性明顯增加（圖5（a））。未來情景的干旱歷時變化與干旱嚴重性變化基本一致（圖5（b））。RCP2.6 情景干旱嚴重性在珠江流域平均減少4.2%，而在RCP4.5 和RCP8.5 情景下，則分別平均增加14.8%和15.3%。 RCP2.6 情景下干旱歷時在珠江流域平均減少3.5%，而在RCP4.5 和RCP8.5 情景下，則分別平均增加16.8%和11.5%。RCP2.6 和RCP4.5 情景下，干旱峰值空間變化無明顯一致性，上中下游地區(qū)均有峰值增加或減少的區(qū)域；RCP8.5 情景下，流域中上游大部分地區(qū)峰值變大，局部地區(qū)甚至增加20%～40%，整個流域平均增加5.1%（圖5（c））。

圖6為未來情景下干旱最大嚴重性和歷時較既往時段的變化。RCP2.6 和RCP 4.5 情景下，最大嚴重性和最長歷時在流域上下游地區(qū)較既往時段降低，局部地區(qū)最大嚴重性和最長歷時甚至減少40%以上，而流域中部大部分地區(qū)最大嚴重性和最長歷時均變大，局部地區(qū)甚至增加60%以上。RCP8.5情景下，最大嚴重性和最長歷時在珠江流域大部分地區(qū)均呈增加，分別平均增加11.3%和20.9%。

圖6 未來情境下干旱最大嚴重性、最長歷時較既往時段變化

3.3 綜合干旱特征聯(lián)合分布變化圖7展示了珠江流域既往和未來情景的干旱特征指標之間的相關性。干旱特征指標之間呈現(xiàn)為正相關性。除了干旱歷時與峰值相依程度略微小一些，干旱特征指標之間的相關系數(shù)基本上均大于0.5（P＜0.05），相關性程度較高。既往和未來情景的干旱特征嚴重性和歷時相關系數(shù)差別都較小。總體上來看，嚴重性與歷時、嚴重性與峰值的相關性要明顯高于歷時與峰值。

圖7 所有格網(wǎng)既往和未來干旱特點相互關系

為構建干旱特征聯(lián)合分布，故確認嚴重性、歷時和峰值最優(yōu)擬合模型。嚴重性和歷時的最優(yōu)擬合模型均為GEV 模型，峰值的最優(yōu)模型為WBL 模型。此外，為模擬干旱特征的兩變量聯(lián)合分布，基于Archimedean Copulas 家族的Gumbel、Clayton、AMH 和Frank Copula 函數(shù)選取最優(yōu)擬合模型。干旱特征兩變量聯(lián)合分布最優(yōu)模型均為Frank Copula。干旱特征邊緣分布和聯(lián)合分布最優(yōu)模型選取方法采用2.2 節(jié)所述方法，詳細結果此處不再一一贅述。圖8展示了未來情景下干旱特征兩變量超閾聯(lián)合重現(xiàn)期100年的同頻設計值較既往時段的變化百分比。雖然嚴重性與歷時、歷時與峰值和嚴重性與峰值的相依性特征有所區(qū)別，各自的聯(lián)合分布模型與參數(shù)也存在差異，但相同聯(lián)合重現(xiàn)期所對應的單變量設計值空間分布變化基本一致。RCP2.6 情景下，珠江流域下游地區(qū)超閾聯(lián)合重現(xiàn)期100年的同頻設計嚴重性和歷時值均變小，減少20%～60%；中游地區(qū)一百年同頻設計嚴重性和歷時值均變大，整個流域分別平均減少13.5%和6.5%；珠江流域北部一百年同頻設計峰值均變小，減少20%～40%。RCP4.5 情景下，珠江流域上下游兩端地區(qū)同頻設計嚴重性和歷時值減少40%～60%，而中游地區(qū)同頻設計嚴重性和歷時值均變大，局部區(qū)域甚至增加80%以上；中上游地區(qū)一百年同頻設計峰值均變小，減少20%～40%。RCP8.5 情景下，珠江流域大部分地區(qū)一百年同頻設計嚴重性和歷時值均變大，整個流域分別平均增加20.5%和22.1%。

圖8 未來情景干旱雙變量聯(lián)合分布100年重現(xiàn)期同頻設計值較既往時段變化

4 討論

在RCP8.5 情景下，珠江流域綜合干旱嚴重性、歷時、峰值等均呈明顯增加現(xiàn)象，特別中上游地區(qū)。影響干旱變化的氣象因素一般有降水、氣溫、蒸散發(fā)等因素［1］。降水變化異常一直認為是珠江流域干旱變化的主要因素，特別是中上游地區(qū)［26-27］。然而，氣候變化背景下，氣溫顯著增加可能導致蒸散發(fā)明顯增加，而主導干旱變化［40］。在高二氧化碳排放情景下（即RCP8.5 情景），珠江流域未來降水未呈明顯增加或減少趨勢，而由于氣溫變化導致，蒸散發(fā)呈明顯增加趨勢，是珠江流域未來干旱嚴重性增加的主要因素［29］。中上游地區(qū)喀斯特地貌的廣泛分布也可能加劇干旱。廣泛分布的喀斯特地貌改變了地表水文循環(huán)過程，特別是降雨徑流過程?？λ固氐孛仓校脖幌∈枨业乇砀采w土壤較薄，增加了地表水了下滲，減少地表對降水的蓄留能力。在氣候異常情況下（如降水不足伴隨極端高溫），容易導致頻繁的干旱［41］。此外，珠江流域干旱的變化也與大氣環(huán)流變化有密切關系。就既往時段而言，過去40年，中國西南向東北有一條干旱趨勢帶［41］，而流域西北部顯著變干地區(qū)正好與這條趨勢帶重疊。干旱的發(fā)生往往與特殊的大氣環(huán)流型密不可分。大氣風向改變導致水汽輸送通量的變化，在很大程度影響珠江流域的降水格局。當西太平洋副高系統(tǒng)東退或減弱時，赤道輻合帶東風減弱，流域內(nèi)輸入的水汽量不及輸出的水汽多，造成珠江流域西北部上空水汽輻散，削弱云貴地區(qū)降水形成條件致使局地干旱發(fā)生［26，42］。

干旱作為一種對人類社會影響嚴重的自然災害，一直受到學術界和有關部門的持續(xù)關注和重視。在全球氣候變化背景下，水文、氣象或農(nóng)業(yè)干旱頻發(fā)且交叉，形成綜合性干旱，而目前對綜合干旱指數(shù)構建及其規(guī)律的認識尚需更多科學、有效研究，對綜合干旱的監(jiān)測和預報能力尚未達到生產(chǎn)實踐的要求［23-25，40］。本文基于降水、徑流、蒸散發(fā)、及土壤水等水文氣象要素，構建適宜于珠江流域的綜合干旱指數(shù)，該指數(shù)與SPEI、SRI 及scPDSI 指數(shù)對比，比較了它們相關性及對干旱監(jiān)測能力，表明該指數(shù)兼具表征氣象、水文和農(nóng)業(yè)干旱的能力。本文提出的綜合干旱指數(shù)（CS?DI），可對現(xiàn)有的干旱指數(shù)進行補充，可為綜合干旱的監(jiān)測及預警預報提供可靠、有力的新工具。但本文尚存一些研究局限。CSDI 指數(shù)雖從氣象、水文、農(nóng)業(yè)角度等描述和刻畫干旱，但未考慮社會經(jīng)濟因素。本文僅驗證CSDI 在南方典型濕潤氣候區(qū)的適用性，尚未驗證該指數(shù)在其他氣候區(qū)的適用性。此外，本文尚未分析由于模型模擬輸入數(shù)據(jù)的誤差，引起干旱特征變化的不確定性，如水文模型模擬水文要素之間可能有重疊部分，而造成干旱嚴重性和歷時增加。未來研究將針對這些不足展開工作，以求為有關部門提供更加可靠、適用的綜合性干旱指數(shù)，為防災減災提供科學依據(jù)。

5 結論

本文運用珠江流域降水、蒸散發(fā)、土壤水和徑流等水文氣象數(shù)據(jù)，基于參數(shù)嵌套Frank Copula 函數(shù)構建了一種新型綜合干旱指數(shù)（CSDI），并基于該指數(shù)分析了珠江流域未來綜合干旱的變化特征。主要結論如下：（1）CSDI指數(shù)與SPEI指數(shù)、SRI指數(shù)和scPDSI指數(shù)呈現(xiàn)良好的相關性（P＜0.01），CSDI 指數(shù)能夠如SPEI 指數(shù)一樣很好地監(jiān)測到干旱的開始，也能如scPDSI 指數(shù)一樣很好地監(jiān)測到干旱的結束，能夠綜合表征氣象、水文和農(nóng)業(yè)三種干旱。（2）RCP2.6 情景下（2050—2100年），綜合干旱嚴重性和歷時在珠江流域均變小，分別平均減少4.2%和3.5%。RCP4.5 和8.5 情景下，整個流域的干旱嚴重性均變大，分別平均增加14.8%和15.3%，而歷時則分別平均增加16.8%和11.5%。（3）綜合干旱既往和未來情景下的干旱特征兩變量之間具有較高的正相關性（P＜0.05）。RCP2.6 情景下，珠江流域下游地區(qū)超閾聯(lián)合重現(xiàn)期100年的同頻設計嚴重性和歷時值均變小，分別平均減少13.5%和6.5%。RCP 8.5 情景下，珠江流域大部分地區(qū)100年同頻設計嚴重性和歷時值均變大，分別平均增加20.5%和22.1%。