基于三維識(shí)別的中國(guó)干旱事件演變特征分析

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(guó)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(mén)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(lái)，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(guó)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(wàn)噸到數(shù)千萬(wàn)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(guò)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(guò)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(kāi)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(guò)將三維空間壓縮為二維或一維來(lái)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(wèn)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(guò)程、移動(dòng)方向等關(guān)鍵信息的丟失。

為解決上述問(wèn)題，近年來(lái)，部分國(guó)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(lèi)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(lái)。后來(lái)，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(guò)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(lèi)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(lái)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(guò)三維空間內(nèi)氣象干旱聚類(lèi)和水文干旱聚類(lèi)的重疊情況研究了氣象干旱向水文干旱的演變過(guò)程；Wen 等［14］繪制三維閾值等值面，聚類(lèi)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(guò)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(lèi)方法識(shí)別了1961—2012 年中國(guó)季風(fēng)區(qū)的干旱事件，并通過(guò)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(lái)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(lèi)活動(dòng)的不斷加劇，中國(guó)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(guó)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(guò)程的認(rèn)識(shí)仍有待深入。因此，本文基于三維聚類(lèi)算法從時(shí)空聯(lián)動(dòng)的視角出發(fā)識(shí)別中國(guó)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(guò)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(guó)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(xiāo)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(guó)主要以季風(fēng)氣候?yàn)橹鳎媳笨缇暥葟V，太陽(yáng)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(guó)各地，災(zāi)害從北向南更加多樣化。干旱是中國(guó)北方地區(qū)的主要災(zāi)害類(lèi)型，而洪水是南方地區(qū)最重要的災(zāi)害類(lèi)型［18］。半個(gè)世紀(jì)以來(lái)，我國(guó)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(lái)了嚴(yán)重的損失，例如2022年夏季長(zhǎng)江流域發(fā)生的罕見(jiàn)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(lái)源與處理

1.2.1 中國(guó)逐日降水分析產(chǎn)品CPAP 中國(guó)逐日降水分析產(chǎn)品（CPAP）來(lái)源于中國(guó)氣象數(shù)據(jù)網(wǎng)（www.data.cma.cn），空間分辨率0.25°×0.25°。CPAP 由國(guó)家氣象信息中心（NMIC）和中國(guó)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(guó)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(guò)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(guó)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(lái)，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(guó)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(guò)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(guò)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(yǔ)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(lèi)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(lèi)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(lèi)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(guò)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(kāi)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(lái)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(kāi)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(huà)干旱事件的發(fā)展遷移過(guò)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(guò)程見(jiàn)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(lèi)算法的干旱識(shí)別結(jié)果

基于SPEI3，通過(guò)三維聚類(lèi)算法的干旱識(shí)別方法，在1981年到2020年中國(guó)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(guò)480×104km2，占我國(guó)國(guó)土面積的50%。同時(shí)，歷時(shí)超過(guò)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(lái)中國(guó)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(guó)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(guó)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(guó)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(lái)看，中國(guó)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(wú)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(guó)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(guò)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(lái)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(shuō)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(lái)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(lái)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(guò)程中，其干旱面積和嚴(yán)重度變化出現(xiàn)多個(gè)峰值。超過(guò)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(guó)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(guó)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。可以看出，40 a來(lái)，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(lái)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(guó)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(guò)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(guó)東北地區(qū)逐步發(fā)展至中國(guó)西部地區(qū)，而后其干旱質(zhì)心向東移動(dòng)，最終在中國(guó)中部地區(qū)消失，覆蓋面積達(dá)8.00×106km2，約占中國(guó)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(guò)5.00×106km2。在前人研究中驗(yàn)證了2008 年10 月至2009 年3 月我國(guó)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(lái)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(guò)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(guó)應(yīng)急管理部發(fā)布自然災(zāi)害基本情況中描述到，2019年?yáng)|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(guó)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(guó)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(shuō)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(guó)，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(guó)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(lèi)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(guò)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(guò)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)^(guò)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(kāi)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(lái)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(guó)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(lèi)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(guò)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(guó)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(lèi)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(guó)干旱事件發(fā)生發(fā)展過(guò)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(lèi)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(guò)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(guó)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(guó)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(guò)逐月分析干旱事件的特征變化，發(fā)現(xiàn)中國(guó)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(lái)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(guò)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(guò)程在時(shí)空維度下的演變特征開(kāi)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(lèi)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(lèi)面積閾值能夠有效提取三維干旱事件并避免干旱聚類(lèi)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(lèi)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(wèn)題［45］，但同時(shí)面臨算法相對(duì)較復(fù)雜的問(wèn)題。