基于重力衛(wèi)星的四川省干旱事件特征研究

崔立魯 何明睿 羅川江 朱承康 殷茂喬

（文章編號(hào)：1004－5422（2023）02－0212－07

DOI：10.3969/j.issn.1004-5422.2023.02.017

收稿日期：2022-03-30

基金項(xiàng)目：武漢引力與固體潮國(guó)家野外科學(xué)觀測(cè)研究站開放研究基金資助課題（WHYWZ202102）；成都大學(xué)大學(xué)生創(chuàng)新訓(xùn)練計(jì)劃孵化培育項(xiàng)目（CDUCX2022141、CDUCX2022150、CDUCX2022179、CDUCX2022185）

作者簡(jiǎn)介：崔立魯（1983—），男，博士，副教授，從事衛(wèi)星重力水文應(yīng)用研究.E-mail：lilucui@126.com

摘要：利用基于重力衛(wèi)星時(shí)變重力場(chǎng)模型的嚴(yán)重干旱指數(shù)的干旱特征評(píng)估法研究了2002—2020年四川省發(fā)生的干旱事件并對(duì)干旱事件的持續(xù)時(shí)間、嚴(yán)重程度及峰值等干旱特征進(jìn)行了量化分析.結(jié)果表明，在研究時(shí)間段內(nèi)四川省共計(jì)發(fā)生了7次干旱事件，其中干旱嚴(yán)重程度較高的2次干旱事件分別發(fā)生在2002年7月至2003年5月和2009年5月至2010年4月.2次干旱事件分別持續(xù)了11個(gè)月和12個(gè)月，干旱嚴(yán)重程度分別為-72.64和-56.48.前者主要發(fā)生在四川省的東北部地區(qū)，而后者則主要發(fā)生在四川省西南部地區(qū).基于重力衛(wèi)星數(shù)據(jù)的干旱評(píng)估方法可以有效地探測(cè)到四川省干旱事件的發(fā)生，并能對(duì)干旱事件特征進(jìn)行準(zhǔn)確量化.

關(guān)鍵詞：重力衛(wèi)星;干旱事件;干旱特征;干旱指數(shù)

中圖分類號(hào)：P426.616

文獻(xiàn)標(biāo)志碼：A

0引言

干旱是一種嚴(yán)重的自然災(zāi)害［1］，隨著全球變暖，世界各地干旱事件頻發(fā)，其發(fā)生頻率和嚴(yán)重程度也越來越高.干旱特征主要包括干旱持續(xù)時(shí)間、干旱嚴(yán)重程度、干旱峰值和干旱受災(zāi)面積［2］.實(shí)現(xiàn)干旱特征的精確量化對(duì)于干旱災(zāi)害的早期預(yù)警、減少災(zāi)害損失和災(zāi)后重建等具有非常重要的意義.

重力恢復(fù)與氣候?qū)嶒?yàn)（GRACE）衛(wèi)星及其后續(xù)計(jì)劃（GRACE-FO）是由美國(guó)國(guó)家航空航天局和德國(guó)太空中心聯(lián)合開發(fā)的.其中，GRACE衛(wèi)星已于2002年3月發(fā)射升空，2017年6月完成任務(wù)；GRACE-FO衛(wèi)星于2018年5月成功發(fā)射，并運(yùn)行至今［3］.這兩項(xiàng)衛(wèi)星任務(wù)能夠探測(cè)到包括從地球表面到最深層含水層的陸地水儲(chǔ)量變化（TWSC），包括地表水、積雪、土壤水和地下水等［4］.因此，相對(duì)于傳統(tǒng)干旱指數(shù)，基于GRACE/GRACE-FO TWSC的干旱指數(shù)能夠從陸地水循環(huán)的角度更全面地反映干旱的實(shí)際情況.Yirdaw等［5］利用基于GRACE的總水儲(chǔ)量虧損指數(shù)表征2002—2003年加拿大喀徹溫河流域的干旱事件，給出了該流域TWSC長(zhǎng)期變化趨勢(shì).Yi等［6］構(gòu)建了基于GRACE TWSC的水文干旱指數(shù)，并用于監(jiān)測(cè)2003—2012年美國(guó)地區(qū)的干旱事件.結(jié)果表明，該干旱指數(shù)與帕默爾干旱指數(shù)（PDSI）具有良好的一致性，能夠有效地監(jiān)測(cè)美國(guó)地區(qū)的干旱事件.Zhao等［7］提出了一種基于GRACE TWSC的干旱嚴(yán)重指數(shù)（GRACE-DSI），并監(jiān)測(cè)到2002—2014年的全球主要干旱事件.結(jié)果表明，該干旱指數(shù)的探測(cè)結(jié)果與傳統(tǒng)干旱指數(shù)在時(shí)變變化上具有高度的一致性.冉紅艷等［8］采用GRACE-DSI分析了2019年夏秋季長(zhǎng)江中下游地區(qū)發(fā)生的嚴(yán)重干旱事件，并對(duì)其干旱強(qiáng)度和時(shí)空分布情況進(jìn)行了研究.結(jié)果表明，GRACE-DSI能夠很好地表征2019年長(zhǎng)江中下游地區(qū)的干旱事件進(jìn)展，并與傳統(tǒng)干旱指數(shù)具有良好的吻合性.雖然上述研究都驗(yàn)證了基于GRACE TWSC的干旱指數(shù)在監(jiān)測(cè)區(qū)域干旱事件上的可靠性和可行性，但是并沒有對(duì)干旱特征進(jìn)行有效的量化.

四川省是我國(guó)重要的工農(nóng)業(yè)生產(chǎn)基地，也是長(zhǎng)江上游的人口和經(jīng)濟(jì)大省.本研究采用基于GRACE-DSI的干旱評(píng)估方法對(duì)四川省近18年以來的干旱事件特征進(jìn)行量化分析.同時(shí)，利用自校準(zhǔn)PDSI（scPDSI）和標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）對(duì)GRACE-DSI探測(cè)區(qū)域干旱事件的可靠性和可行性進(jìn)行驗(yàn)證.干旱根據(jù)性質(zhì)一般可以分為氣象干旱、水文干旱、農(nóng)業(yè)干旱和社會(huì)經(jīng)濟(jì)干旱［9］，由于本研究中GRACE數(shù)據(jù)反演的是陸地水儲(chǔ)量變化，因此本研究中的干旱特指水文干旱.

1研究區(qū)域概況

四川?。ㄒ妶D1）位于我國(guó)西南地區(qū)，地處長(zhǎng)江上游，總面積48.6萬平方千米，其地理位置在北緯26°03′～34°19′，東經(jīng)97°21′～108°12′之間.四川省地貌東西差異巨大，全境主要由山地、丘陵、平原、盆地和高原構(gòu)成.截至2022年底，四川省常住人口為8 374萬人，2022年四川省地區(qū)生產(chǎn)總值為56 749.8億元.四川省是我國(guó)西部工業(yè)門類最齊全，優(yōu)勢(shì)產(chǎn)品最多，實(shí)力最強(qiáng)的工業(yè)基地.四川省農(nóng)作物種植面積14 500～15 000萬畝，其中糧食作物10 000萬畝左右.

2數(shù)據(jù)與方法

2.1實(shí)驗(yàn)數(shù)據(jù)介紹

2.1.1GRACE/GRACE-FO數(shù)據(jù)

本研究采用由美國(guó)得克薩斯州立大學(xué)奧斯丁分?？臻g研究中心提供的2002年4月至2020年12月GRACE/GRACE-FO RL06時(shí)變重力場(chǎng)模型對(duì)四川省TWSC進(jìn)行反演，其球諧系數(shù)截?cái)嘀?0階.該模型扣除了潮汐、大氣和海洋質(zhì)量變化的影響［10-11］.由于受到地心運(yùn)動(dòng)和衛(wèi)星軌道的影響，該時(shí)變重力場(chǎng)模型球諧系數(shù)的一階項(xiàng)和C20系數(shù)存在著較大的誤差，因此分別采用Swenson等［12］的成果和衛(wèi)星激光測(cè)距儀的C20系數(shù)［13］對(duì)其進(jìn)行替換.同時(shí)，由于GRACE和GRACE-FO計(jì)劃之間存在著11個(gè)月的數(shù)據(jù)空白期，本研究采用由國(guó)家青藏高原科學(xué)數(shù)據(jù)中心提供的“中國(guó)區(qū)域基于降水重構(gòu)陸地水儲(chǔ)量變化數(shù)據(jù)集（2002—2019年）”填補(bǔ)上述空白［14］.

2.1.2傳統(tǒng)干旱指數(shù)

本研究采用的傳統(tǒng)干旱指數(shù)分別為scPDSI和SPEI.其中，1901—2019年scPDSI全球0.5°×0.5°格網(wǎng)數(shù)據(jù)由東英吉利大學(xué)氣候研究所提供，相對(duì)于傳統(tǒng)PDSI數(shù)據(jù)，其考慮了全球范圍內(nèi)氣候變化的長(zhǎng)期趨勢(shì)變化，因此更適合用于全球范圍內(nèi)的干旱事件研究［15］;1901—2018年SPEI全球0.5°×0.5°格網(wǎng)數(shù)據(jù)由東英吉利大學(xué)氣候研究所提供，其是基于標(biāo)準(zhǔn)化降水指數(shù)的基本原理通過計(jì)算不同時(shí)間尺度上的降水量和潛在蒸發(fā)量之間的累積差異綜合得到的［16］.SPEI數(shù)據(jù)分為3、6和12個(gè)月的3種不同時(shí)間尺度，分別代表氣象、農(nóng)業(yè)和水文干旱.因此，不同時(shí)間尺度上的SPEI數(shù)據(jù)可用于監(jiān)測(cè)不同類型的干旱事件［17］.而本研究采用的scPDSI和SPEI格網(wǎng)數(shù)據(jù)的時(shí)間跨度均為2002年4月至2020年12月.

2.1.3納什效率系數(shù)

在水文學(xué)中，納什效率系數(shù)被廣泛地應(yīng)用于對(duì)觀測(cè)和模擬數(shù)據(jù)之間的相互比較，其具體表達(dá)式為，

NSE=1－∑ni=1Xi－Yi2∑ni=1Xi－Xmean2i=1，2，3，…，n（1）

式中，NSE為納什效率系數(shù)，Xi 是某一種觀測(cè)數(shù)據(jù)序列，Yi 是另一種模擬數(shù)據(jù)序列，Xmean 是觀測(cè)時(shí)間序列的平均值，n為觀測(cè)序列和模擬序列的觀測(cè)值個(gè)數(shù).NSE的數(shù)值范圍為－∞～1.NSE=1意味著2種序列完美符合；0

2.2數(shù)據(jù)處理方法

球諧系數(shù)法計(jì)算TWSC的表達(dá)式［18-19］為，

ΔHθ，λ=aρa(bǔ)ve3ρw∑∞l=02l+11+kl∑lm=0lmcosθ（ΔClmcos（mλ）+ΔSlmsin（mλ））（2）

式中，ΔH為等效水高（也即TWSC）；θ和λ分別為地心余緯和地心經(jīng)度；l和m分別為球諧系數(shù)的階次數(shù)；a為地球平均半徑，其值為6 371.393 km；kl為勒夫數(shù)；ρw為水密度，其值為1 000 kg/m3；ρa(bǔ)ve為地球平均密度，其值為5 507.85 kg/m3；ΔClm和ΔSlm為重力場(chǎng)球諧系數(shù)相對(duì)于背景場(chǎng)的變化量；lmcosθ為規(guī)格化締合勒讓德函數(shù).本研究采用2002年4月至2020年12月的球諧系數(shù)平均值作為背景場(chǎng).由于重力場(chǎng)模型球諧系數(shù)高頻誤差和相關(guān)誤差的影響，采用球諧系數(shù)法得到的研究區(qū)域內(nèi)1°×1°TWSC格網(wǎng)數(shù)據(jù)結(jié)果存在著顯著的南北條帶誤差，因此，本研究采用300 km Fan濾波加上P3M6濾波對(duì)上述誤差進(jìn)行處理［20］.

隨后通過對(duì)球諧系數(shù)法得到的TWSC格網(wǎng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化得到研究區(qū)域內(nèi)1°×1°GRACE-DSI格網(wǎng)數(shù)據(jù)，其計(jì)算公式［21］為，

GRACE-DSIi，j=TWSCi，j－TWSCmeanjσj（3）

式中，TWSCi，j為第i年的第j月的TWSC，其中2002≤i≤2020，1≤j≤12.TWSCmeanj和σj分別為所有第j月TWSC的平均值和方差.當(dāng)GRACE-DSI連續(xù)3個(gè)月≤-0.1，且受災(zāi)面積比≥10%時(shí)，則認(rèn)為干旱事件發(fā)生了.而干旱嚴(yán)重程度的公式［22］為，

S=×D（4）

式中，S為某一干旱事件的嚴(yán)重程度，為發(fā)生干旱事件期間GRACE-DSI的平均值，D為干旱事件持續(xù)的時(shí)間.

3結(jié)果與分析

3.1GRACE-DSI的驗(yàn)證

圖2給出了四川省2002—2020年5種干旱指數(shù)的時(shí)間序列.由圖可知，5種干旱指數(shù)時(shí)間序列具有一致的趨勢(shì)變化.由于不存在干旱指數(shù)的真值，因?yàn)闊o法對(duì)GRACE-DSI的精度進(jìn)行評(píng)估，因此綜合4種傳統(tǒng)干旱指數(shù)，以相關(guān)系數(shù)和納什效率系數(shù)作為指標(biāo)，評(píng)估了GRACE-DSI的適用性.本研究采用3點(diǎn)平滑對(duì)5種干旱指數(shù)進(jìn)行處理，然后分別計(jì)算了他們相互之間的相關(guān)系數(shù)（見表1）.由表可知，GRACE-DSI與其他干旱指數(shù)之間的相關(guān)系數(shù)均大于0.5，這說明GRACE-DSI與其他干旱指數(shù)均為強(qiáng)相關(guān).上述干旱指數(shù)中，與GRACE-DSI相關(guān)性最強(qiáng)的是SPEI-12，兩者的相關(guān)系數(shù)為0.70；其次是SPEI-6，兩者的相關(guān)系數(shù)為0.67；接著是scPDSI，兩者的相關(guān)系數(shù)為0.65；最弱的是SPEI-3，兩者的相關(guān)系數(shù)為0.56.另外，GRACE-DSI與scPDSI、SPEI-3、SPEI-6和SPEI-12的納什效率系數(shù)分別為0.43、0.34、0.49和0.58.上述結(jié)果表明，GRACE-DSI與4種傳統(tǒng)干旱指數(shù)具有很好的一致性，也驗(yàn)證了GRACE-DSI在四川省探測(cè)干旱事件的可靠性和有效性.

由圖2還可以看出，5種干旱指數(shù)之間存在著差異，這是由于GRACE-DSI、scPDSI和SPEI 3種干旱指數(shù)采用的計(jì)算數(shù)據(jù)不同所造成的，GRACE-DSI是基于整個(gè)陸地水儲(chǔ)量變化，而scPDSI和SPEI在計(jì)算過程中分別采用的是降水和土壤水，降水和蒸散發(fā).

3.2四川省干旱事件監(jiān)測(cè)

本研究對(duì)2002年4月至2020年12月四川省干旱指數(shù)時(shí)間序列進(jìn)行分析，以確定研究時(shí)間段內(nèi)干旱事件的發(fā)生次數(shù)及對(duì)干旱事件的特征進(jìn)行量化，結(jié)果如圖3和表2所示.由圖表可知，在研究時(shí)間段內(nèi)四川省共計(jì)發(fā)生了7次干旱事件，其中，在2006—2011年近6年的時(shí)間內(nèi)接連發(fā)生了4次干旱事件.而嚴(yán)重程度較高的2次干旱事件分別發(fā)生在2002年7月至2003年5月和2009年5月至2010年4月.2002年7月至2003年5月干旱事件的嚴(yán)重程度為-72.46，在此次干旱事件期間GRACE-DSI峰值出現(xiàn)在2003年5月，其值為-12.11，受災(zāi)面積比最高時(shí)達(dá)到了78.30%；2009年5月至2010年4月干旱事件持續(xù)時(shí)間達(dá)到了12個(gè)月，其嚴(yán)重程度為-56.48，而此次干旱事件的GRACE-DSI峰值為-8.69，出現(xiàn)在2010年4月，受災(zāi)面積比最高時(shí)達(dá)到了70.11%.而2016年9月至2017年2月的干旱事件是受災(zāi)面積最多的一次，其最高峰時(shí)受災(zāi)面積比達(dá)到了90.30%.

為了進(jìn)一步研究區(qū)域干旱事件的影響，本研究隨機(jī)選取了3次不同嚴(yán)重程度的干旱事件進(jìn)行分析，分別為2002年7月至2003年5月、2009年5月至2010年4月和2016年9月至2017年2月.圖4～圖6分別給出3次干旱事件的干旱嚴(yán)重程度和干旱發(fā)生月份數(shù)的空間分布圖.由圖4（A）可知，本次干旱事件主要發(fā)生在四川省的中東部地區(qū)，尤其是東北部.四川省東北部地區(qū)的干旱嚴(yán)重程度均大于-40，而其他干旱地區(qū)的干旱嚴(yán)重程度大約為-10～-40.而在四川省西南部分地區(qū)干旱嚴(yán)重程度在0以上，說明該區(qū)域并沒有受到本次干旱事件的影響.由圖4（B）可知，受到本次干旱事件影響時(shí)間最長(zhǎng)的主要集中在四川省東部，其中東北部地區(qū)的干旱月份達(dá)到了6～10個(gè)月.而在四川省西南部地區(qū)其干旱月份基本上為0，也就是說，該區(qū)域沒有發(fā)生干旱.通過比較圖4（A）和圖4（B）可以發(fā)現(xiàn)，2個(gè)圖的旱情分布情況基本一致.由圖5（A）可知，本次干旱事件最嚴(yán)重的區(qū)域是四川省西南部地區(qū)，其干旱嚴(yán)重程度均大于-35；在中部和南部地區(qū)也受到了不同程度的干旱災(zāi)害影響，其干旱嚴(yán)重程度在-10～-35左右.而在北部地區(qū)基本上沒有受到干旱災(zāi)害的影響，其干旱嚴(yán)重程度均大于0.由圖5（B）可知，干旱月份數(shù)的空間分布與干旱嚴(yán)重程度基本一致.在四川省北部地區(qū)干旱月份數(shù)基本上為0，而干旱月份數(shù)較多的區(qū)域主要集中在四川省南部地區(qū)，且從東北往西南，干旱月份逐漸增多.

由圖6（A）可知，本次干旱最嚴(yán)重的區(qū)域出現(xiàn)在四川省西北部，但是干旱嚴(yán)重程度最大也只有-20，且分布面積較小.而在四川省東南部的小部分地區(qū)基本上沒有干旱.由圖6（B）可知，干旱月份數(shù)的分布與干旱嚴(yán)重程度的分布基本一致，均為從西北到東南逐漸減少.

綜合上述3次干旱事件的分析可知，GRACE-DSI可以有效地監(jiān)測(cè)和量化四川省的干旱事件.

4結(jié)論

本文利用GRACE/GRACE-FO時(shí)變重力場(chǎng)模型構(gòu)建了基于TWSC的干旱嚴(yán)重指數(shù)GRACE-DSI，并且利用該干旱指數(shù)監(jiān)測(cè)并量化了四川省2002年4月至2020年12月發(fā)生的干旱事件，并采用4種傳統(tǒng)干旱指數(shù)對(duì)GRACE-DSI在四川省監(jiān)測(cè)干旱事件的能力進(jìn)行了有效的評(píng)估.結(jié)果表明，GRACE-DSI在四川省與scPDSI、SPEI-3、SPEI-6和SPEI-12 4種傳統(tǒng)干旱指數(shù)有著較好的一致性，這說明利用GRACE-DSI監(jiān)測(cè)四川省干旱事件具有較好的可行性和有效性.同時(shí)，利用基于GRACE-DSI的干旱特征量化方法成功探測(cè)到四川省在研究時(shí)間段內(nèi)共計(jì)發(fā)生了7次較大的干旱事件，其中以2002年7月至2003年5月和2009年5月至2010年4月2次干旱事件最為嚴(yán)重，2次干旱事件都影響到了四川省的大部分地區(qū)，持續(xù)時(shí)間均超過了11個(gè)月.因此，利用GRACE-DSI對(duì)四川省干旱事件進(jìn)行監(jiān)測(cè)和量化是有效可行的.而本研究的研究成果將為區(qū)域干旱災(zāi)害的預(yù)警和挽回災(zāi)害損失提供可靠的數(shù)據(jù)支持.

參考文獻(xiàn)：

［1］Schwalm C R，Anderegg W R L，Michalak A M，et al.Global patterns of drought recovery［J］.Nature，2017，548：202-205.

［2］Cui L L，Zhang C，Luo Z C，et al.Using the local drought data and GRACE/GRACE-FO data to characterize the drought events in Mainland China from 2002 to 2020［J］.Appl Sci，2021，11（20）：9594-1-9594-8.

［3］崔立魯，杜安，高珊，等.新一代重力衛(wèi)星時(shí)變重力場(chǎng)濾波方法分析［J］.科學(xué)技術(shù)與工程，2021，21（8）：3018-3022.

［4］Longuevegne L，Wilson C R，Scanlon B R，et al.GRACE water storage estimates for the Middle East and other regions with significant reservoir and lake storage［J］.Hydrol Earth Syst Sci，2013，17（12）：4817-4830.

［5］Yirdaw S Z，Snelgrove K R，Agboma C O.GRACE satellite observations of terrestrial moisture changes for drought characterization in the Canadian Prairie［J］.J Hydrol，2008，356（1/2）：84-92.

［6］Yi H，Wen L.Satellite gravity measurement monitoring terrestrial water storage and drought in the continental United States［J］.Sci Rep，2016，6：19909-1-19909-11.

［7］Zhao M，Geruo A，Velicogna I，et al.A global gridded dataset of GRACE drought severity index for 2002-14：comparison with PDSI and SPEI and a case study of the Australia millennium drought［J］.J Hydrometeor，2017，18（8）：2117-2129.

［8］冉紅艷，鐘敏，陳威，等.利用GRACE-FO重力衛(wèi)星探測(cè)2019年長(zhǎng)江中下游極端干旱［J］.科學(xué)通報(bào)，2021，66（1）：107-117.

［9］Heim R R.A review of twentieth-century drought indices used in the United States［J］.Bull Amer Meteor Soc，2002，83（8）：1149-1166.

［10］崔立魯，周甜，張誠(chéng)，等.利用重力衛(wèi)星監(jiān)測(cè)尼泊爾Ms8.1地震前后重力變化［J］.科學(xué)技術(shù)與工程，2020，20（28）：11434-11441.

［11］崔立魯，張誠(chéng)，鄒正波，等.利用重力衛(wèi)星監(jiān)測(cè)2003—2016年南極地區(qū)冰蓋質(zhì)量變化［J］.科學(xué)技術(shù)與工程，2021，21（1）：27-31.

［12］Swenson S，Chambers D，Whar J.Estimating geocenter variations form a combination of GRACE and ocean model output［J］.J Geophys Res，2008，113（B8）：194-205.

［13］Chen J L，Rodell M，Wilson C R，et al.Low degree spherical harmnonic influences on Gravity Recovery and Climate Experiment （GRACE）water storage estimates［J］.Geophys Res Lett，2005，32（14）： L14405-1-L14405-9.

［14］Zhong Y L，F(xiàn)eng W，Humphrey V，et al.Human-induced and climate-driver contributions to water storage variations in the Haihe river basin，China［J］.Remote Sens，2019，11（24）：3050-1-3050-8.

［15］Schrier G，Barichivich J，Biffa K R，et al.A scPDSI-based global data set of dry and wet spell for 1901—2009［J］.J Geophys Res Atmos，2013，118（10）：4025-4048.

［16］Vicente-Serrano S，Beguería S，López-Moreno J I.A multiscalar drought index sensitive to global warming：The standardized precipitation evapotranspiration index［J］.J Clim，2010，23（7）：1696-1718.

［17］Wu T T，Zheng W，Yin W J，et al.Spatiotemporal characteristics of drought and driving factors based on the GRACE-derived total storage deficit index：a case study in Southwest China［J］.Remote Sens，2021，13（1）：79-1-79-10.

［18］崔立魯，宋哲，鄒正波，等.基于GRACE的2009—2010年西南地區(qū)特大干旱分析［J］.人民長(zhǎng)江，2020，51（7）：13-19.

［19］崔立魯，張誠(chéng)，鄒正波，等.2003—2016年南極地區(qū)冰蓋質(zhì)量變化時(shí)間序列分析［J］.大地測(cè)量與地球動(dòng)力學(xué)，2020，40（12）：1219-1222.

［20］崔立魯，宋哲，鄒正波，等.重力衛(wèi)星時(shí)變重力場(chǎng)位系數(shù)誤差Fan濾波算法分析［J］.科學(xué)技術(shù)與工程，2019，19（15）：46-51.

［21］Cui L L，Zhang C，Yao C L，et al.Analysis of the influencing factors of drought events based on GRACE data under different climatic conditions：a case study in Mainland China［J］.Water，2021，13（18）：2575-1-2575-9.

［22］Thomas A C，Reager J T，F(xiàn)amiglietti J S，et al.A GRACE-based water storage deficit approach for hydrological drought characterization［J］.Geophys Res Lett，2014，41（5）：1537-1545.（實(shí)習(xí)編輯：姚運(yùn)秀）

Research on Characteristics of Drought Events in Sichuan Province Based on Gravity Satellite

CUI Lilu，HE Mingrui，LUO Chuanjiang，ZHU Chengkang，YIN Maoqiao

（School of Architecture and Civil Engineering，Chengdu University，Chengdu 610106，China）

Abstract：

The drought characteristics evaluation method based on the severe drought index from gravity satellites time variable gravity field model was used to study the drought events in Sichuan from 2002 to 2020 and to analyze the duration，drought severity and peak value of these drought events.The results show that there were seven drought events in Sichuan during the study period and the two drought events with higher drought severity occurred from July 2002 to May 2003 and from May 2009 to April 2010，respectively.The two drought events lasted for 11 and 12 months，respectively，and the drought severity were -72.64 and -56.48，respectively.The former one mainly occurred in the northeast Sichuan and the latter one mainly occurred in southwest Sichuan.The above study results show that the drought assessment method based on gravity satellite data can effectively detect the occurrence of drought events in Sichuan province，and can accurately quantify the characteristics of drought events.

Key words：

gravity satellite;drought event;drought characteristics;drought index