長(zhǎng)江流域六省(市)夏秋季生態(tài)干旱綜合強(qiáng)度評(píng)估

姜田亮，屈艷萍，呂 娟，粟曉玲，董蓉蓉

(1.中國(guó)水利水電科學(xué)研究院 防洪抗旱減災(zāi)研究中心，北京 100038；2.水利部防洪抗旱減災(zāi)工程技術(shù)研究中心，北京 100038；3.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院，陜西 楊凌 712100；4.西北農(nóng)林科技大學(xué) 旱區(qū)農(nóng)業(yè)水土工程教育部重點(diǎn)實(shí)驗(yàn)室，陜西 楊凌 712100)

1 研究背景

2022年6月份以來，長(zhǎng)江流域持續(xù)高溫少雨、江河來水偏少，導(dǎo)致流域許多中小型水庫(kù)蓄水不足、湖泊水位持續(xù)降低、多地缺水缺墑[1]。進(jìn)入7月份，長(zhǎng)江流域的洞庭湖、鄱陽湖水位較常年同期偏低4.85～6.13 m，水域面積較6月縮小3/4，對(duì)生態(tài)造成嚴(yán)重的負(fù)面影響[2]。8月11日水利部發(fā)布旱情通報(bào)，并針對(duì)此次干旱影響最為嚴(yán)重的安徽省、江西省、湖北省、湖南省、重慶市和四川省等長(zhǎng)江流域六省(市)啟動(dòng)干旱防御IV級(jí)響應(yīng)[3]。目前關(guān)于氣象干旱影響下的水文干旱和農(nóng)業(yè)干旱的評(píng)估手段已日趨成熟，相關(guān)部門和學(xué)者已從干旱成因、發(fā)展過程和預(yù)測(cè)預(yù)警等方面開展了全面剖析[4-5]，然而對(duì)于此次干旱產(chǎn)生的生態(tài)影響仍缺乏有效的定量評(píng)估。

目前生態(tài)干旱的研究仍處于起步階段，為應(yīng)對(duì)干旱引發(fā)的生態(tài)風(fēng)險(xiǎn)，美國(guó)人與自然合作組織(SNAPP)最早提出了生態(tài)干旱的概念，即“由自然或人類管理引發(fā)的周期性供水不足，導(dǎo)致植被正常生長(zhǎng)發(fā)育的水文氣象條件發(fā)生變化，使受水分脅迫的植被與其生存的土壤環(huán)境構(gòu)成旱生環(huán)境，進(jìn)而反饋至其他系統(tǒng)的綜合復(fù)雜過程”[6]。隨后Crausbay等[7]、Munson等[8]和粟曉玲等[9]都從不同角度完善了生態(tài)干旱概念。金菊良等[10]認(rèn)為干旱的定義和指數(shù)構(gòu)建應(yīng)厘清致災(zāi)因子和承災(zāi)對(duì)象之間的關(guān)系。生態(tài)干旱按研究對(duì)象可分為陸地系統(tǒng)生態(tài)干旱和水域系統(tǒng)生態(tài)干旱2類，其中植被為陸地生態(tài)系統(tǒng)的主要承災(zāi)體。因此，基于金菊良等[10]提出的干旱理論框架和SNAPP提出的生態(tài)干旱概念，Jiang等[11-12]將陸地系統(tǒng)的生態(tài)干旱概念完善為“區(qū)域供需水失衡使植被系統(tǒng)缺水程度高于地區(qū)多年平均水平，并可能影響植被系統(tǒng)的結(jié)構(gòu)和功能，在自然和/或人類系統(tǒng)中觸發(fā)反饋的現(xiàn)象”。

傳統(tǒng)的干旱評(píng)估大多基于致災(zāi)因子，包括降水、徑流、土壤儲(chǔ)水量等構(gòu)建單變量或多變量干旱指數(shù)，評(píng)估干旱對(duì)水文、農(nóng)業(yè)和社會(huì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生的影響。對(duì)于生態(tài)干旱，現(xiàn)有研究大都基于單/多變量干旱指數(shù)或基于表征生態(tài)系統(tǒng)特征的遙感植被指數(shù)，來反映生態(tài)系統(tǒng)所受的干旱脅迫。然而前者忽視了不同生態(tài)系統(tǒng)組分本身的抗旱特性，例如，相同的氣象干旱條件下，林地和草地的需水量不同，受旱程度也有較大差異[13]。后者混淆了致災(zāi)因子和承災(zāi)體的關(guān)系，基于生態(tài)的遙感指數(shù)變化不僅受干旱影響，與其他災(zāi)害和人類活動(dòng)也息息相關(guān)[14]。Park等[15]認(rèn)為生態(tài)干旱應(yīng)從生態(tài)系統(tǒng)的角度，對(duì)陸地生態(tài)系統(tǒng)與水域生態(tài)系統(tǒng)分別進(jìn)行評(píng)估。對(duì)于陸地生態(tài)系統(tǒng)，不同類型植被對(duì)缺水環(huán)境(即干旱)的響應(yīng)特性不同，因此生態(tài)干旱應(yīng)當(dāng)體現(xiàn)出一定歷時(shí)干旱導(dǎo)致的植被供、需水失衡[16]?；谶@一思想，Jiang等[12]提出基于生態(tài)缺水的生態(tài)干旱指數(shù)，該指數(shù)在評(píng)估西北干旱區(qū)[11]和長(zhǎng)江流域[17]生態(tài)干旱均有較好的適用性。已有研究[18]表明，干旱半干旱區(qū)降水量少、含水層埋深大，生態(tài)系統(tǒng)的供水不足是主要致災(zāi)因子。長(zhǎng)江六省(市)地處濕潤(rùn)區(qū)，可利用水量相對(duì)豐富，在2022年特大干旱影響下，生態(tài)干旱具有什么樣的時(shí)空變化特點(diǎn)？主要致災(zāi)因子是什么？這些均為亟需探討的問題。

鑒于此，本研究以啟動(dòng)干旱IV級(jí)響應(yīng)的長(zhǎng)江流域六省(市)為研究區(qū)，采用標(biāo)準(zhǔn)化生態(tài)缺水指數(shù)和改進(jìn)的歸一化差異水體指數(shù)，分別評(píng)估了六省(市)干旱對(duì)陸地和水域生態(tài)干旱的影響嚴(yán)重程度；構(gòu)建生態(tài)干旱綜合強(qiáng)度指數(shù)，評(píng)估1982—2022年夏秋季生態(tài)干旱綜合強(qiáng)度的時(shí)變特征；分析2022年夏秋季生態(tài)干旱綜合強(qiáng)度的時(shí)空分布及其主要致災(zāi)要素，以期為生態(tài)干旱評(píng)估提供更加可靠的方法，為緩解研究區(qū)生態(tài)干旱提供數(shù)據(jù)參考。

2 材料方法

2.1 研究區(qū)概況和數(shù)據(jù)來源研究區(qū)包括四川省、重慶市、湖北省、湖南省、安徽省和江西省。研究區(qū)經(jīng)度范圍為92°02′E—119°01′E，緯度范圍為24°09′N—34°06′N，橫跨長(zhǎng)江中、下游，總面積約127.22萬km2，約占中國(guó)總面積的13.3%(圖1)。

圖1 長(zhǎng)江六省(市)土地利用類型空間分布

圖2 游程理論示意圖

圖3 2022年6—11月六省(市)的生態(tài)干旱情況

圖4 2022年6—11月六省(市)的NDVI距平指數(shù)

圖5 2022年6—12月鄱陽湖水體面積變化

圖6 2022年6—12月洞庭湖水體面積變化

四川省和重慶市地處長(zhǎng)江上游，東西高程差較大，西部多為山地和高原，海拔超過3000 m，主要植被類型為高覆蓋度草、灌木林和有林地，東部多為盆地和丘陵，海拔500～2000 m，主要植被類型為有林地和灌木林[19]。長(zhǎng)江中游的湖南省和湖北省四周由山地環(huán)繞，海拔較高，林地分布廣泛，中部為平坦的平原地形，分布有洞庭湖等大、中型湖泊[20]。長(zhǎng)江中下游的安徽省東南部以山地、丘陵為主，植被類型多為林地和草地，北部較為平坦，為旱地和水田，江西省東、南、西三面環(huán)山，山地丘陵站全省面積的70%，植被類型多樣，北部的鄱陽湖是中國(guó)最大的淡水湖。受亞熱帶季風(fēng)氣候的影響，研究區(qū)年均降水800～1200 mm，年均氣溫10～20℃[21]。

本研究中所使用的數(shù)據(jù)包括氣象數(shù)據(jù)、土地利用類型數(shù)據(jù)和植被遙感數(shù)據(jù)，其中氣象數(shù)據(jù)來源于ERA5的陸面月平均數(shù)據(jù)(https：//cds.climate.copernicus.eu)，包括降水、地表反射、溫度、相對(duì)濕度、風(fēng)速、長(zhǎng)波輻射、大氣壓強(qiáng)和下行短波輻射，空間分辨率為0.1°× 0.1°；土地利用類型數(shù)據(jù)來源于中國(guó)多時(shí)期土地覆被遙感監(jiān)測(cè)數(shù)據(jù)集(https：//www.resdc.cn)，空間分辨率為1 km×1 km；植被數(shù)據(jù)為AVHRR土地歸一化差異植被指數(shù)(NDVI；https：//www.ncei.noaa.gov)，空間分辨率為0.05°×0.05°。為保持各數(shù)據(jù)時(shí)空分辨率的一致性，采用雙線性內(nèi)插法將氣象數(shù)據(jù)和植被遙感數(shù)據(jù)重采樣至0.1°×0.1°，采用最鄰近插值法將土地利用類型數(shù)據(jù)重采樣至0.1°× 0.1°，時(shí)間范圍均為1982年7月—2022年11月。水體提取使用的數(shù)據(jù)包括Landsat 5、Landsat 7和Landsat 8(https：//landsat.gsfc.nasa.gov/；空間精度為30 m，時(shí)間范圍為1982—2022年)，并在Google Earth Engine平臺(tái)(https：//earthengine.google.com/)上進(jìn)行了大氣校正和輻射標(biāo)定等預(yù)處理。

2.2 研究方法

2.2.1 生態(tài)干旱指數(shù)構(gòu)建 水域系統(tǒng)生態(tài)干旱狀況采用典型湖泊水域面積逐月變化反應(yīng)。采用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)，剔除衛(wèi)星數(shù)據(jù)中建筑、植被和裸土等噪聲信息，提取水體范圍[22]。表達(dá)式為：

(1)

式中：MIR為中紅外波段；Green為綠色波段。與傳統(tǒng)NDWI相比，MNDWI用MIR代替NDWI中的近紅外波段，MIR與綠色波段的差值更大，從而使水體的正值更高，使建筑用地、土壤和植被的負(fù)值更低，因此水體和其它類型用地之間的對(duì)比將明顯增加[22]。

陸地系統(tǒng)生態(tài)干旱采用標(biāo)準(zhǔn)化生態(tài)缺水量指數(shù)(SEWDI)進(jìn)行評(píng)估[11]。該指數(shù)通過計(jì)算生態(tài)需水量與生態(tài)耗水量之差得到生態(tài)缺水量，并對(duì)生態(tài)缺水量進(jìn)行類似于標(biāo)準(zhǔn)化降水指數(shù)(SPI)的逆標(biāo)準(zhǔn)化變換處理，得到標(biāo)準(zhǔn)化生態(tài)缺水量指數(shù)(SEWDI)表征干旱對(duì)生態(tài)系統(tǒng)的影響程度。其中，生態(tài)需水量用聯(lián)合國(guó)糧農(nóng)組織推薦的單作物系數(shù)法計(jì)算[23]，所需變量包括凈輻射量、土壤熱通量、平均氣溫T、2 m高處的平均風(fēng)速、飽和水汽壓、實(shí)際水汽壓、土地利用類型數(shù)據(jù)和NDVI；生態(tài)耗水量近似實(shí)際蒸散量，利用地表能量平衡模型計(jì)算[24]，所需變量包括地表凈輻射、地表反射率、地表輻射率、空氣密度、空氣熱容、水平面高度和2 m高處的平均風(fēng)速。逆標(biāo)準(zhǔn)化變換的具體步驟為：①利用式(1)對(duì)1—12月的生態(tài)缺水量月序列x1i進(jìn)行歸一化處理，得到新序列x2i，分別用0.999和0.001代替新序列中的1和0以便于擬合分布；②選用三種常用分布，包括Gamma分布、log-logistic分布以及P-Ⅲ型分布，對(duì)x2i進(jìn)行擬合求參，得到概率密度方程fx2i(t)，并利用Akaike information criterion (AIC準(zhǔn)則)進(jìn)行最優(yōu)擬合分布選擇；③利用式(2)對(duì)最優(yōu)分布函數(shù)的概率密度函數(shù)進(jìn)行積分，獲得相應(yīng)的累積分布Fx2i(t)；④利用式(3)對(duì)Fx2i(t)進(jìn)行逆標(biāo)準(zhǔn)化變換得到標(biāo)準(zhǔn)化生態(tài)缺水指數(shù)(SEWDI)。表達(dá)式為：

(1)

(2)

SEWDI=Φ-1(Fx2i)

(3)

式中SEWDI越小，表明生態(tài)干旱程度越高。參照《氣象干旱等級(jí)》(GB/T 20481—2017)[25]中標(biāo)準(zhǔn)化降水指數(shù)(SPI)的劃分方法，將生態(tài)干旱等級(jí)劃分為無旱(SEWDI≥0.5)、輕旱(-0.5>SEWDI≥-1)、中旱(-1>SEWDI≥-1.5)和重旱(SEWDI<-1.5)。

2.1.2 生態(tài)干旱綜合強(qiáng)度評(píng)估 應(yīng)用游程理論[26](圖 2)，以SEWDI<-0.5為閾值提取各格點(diǎn)的生態(tài)干旱事件，其中生態(tài)干旱事件的歷時(shí)為負(fù)游程的長(zhǎng)度，烈度為歷時(shí)內(nèi)逐月SEWDI之和的絕對(duì)值。

在此基礎(chǔ)上，采用Dai等[27]和Veettil等[28]提出的方法，通過生態(tài)干旱事件的歷時(shí)、發(fā)生次數(shù)和烈度等特征構(gòu)建評(píng)估指標(biāo)，評(píng)估不同時(shí)段內(nèi)生態(tài)干旱綜合強(qiáng)度動(dòng)態(tài)變化。計(jì)算公式如下：

(4)

(5)

(6)

Cs=w1Pr0+w2Sm0+w3(1-Ds0)

(7)

式中：Pr側(cè)重反映研究區(qū)干旱的總時(shí)長(zhǎng)，該值越大干旱綜合強(qiáng)度越大；TD為研究時(shí)段的總長(zhǎng)度；DDi為第i場(chǎng)干旱事件的歷時(shí)；M為干旱事件次數(shù)；Sm為研究時(shí)段內(nèi)M場(chǎng)干旱事件的平均干旱烈度，該值越大干旱綜合強(qiáng)度越大；Si為第i場(chǎng)生態(tài)干旱的烈度值；Ds為干旱事件的平均歷時(shí)的倒數(shù)，該值越小干旱綜合強(qiáng)度越大。Cs為研究時(shí)段內(nèi)生態(tài)干旱的綜合強(qiáng)度；Pr0、Sm0和Ds0分別為歸一化后的Pr、Sm和Ds；w1、w2和w3分別為Pr0、Sm0和Ds0的權(quán)重，本文均取1/3。

3 計(jì)算與分析結(jié)果

3.1 2022年夏秋季干旱對(duì)陸地生態(tài)系統(tǒng)的影響圖 3為2022年6—11月SEWDI的空間分布特征，反映生態(tài)干旱的嚴(yán)重程度。由于歸一化差異植被指數(shù)(NDVI)可以反映植被的生物量大小和活力水平[18]，因此計(jì)算相同時(shí)段的NDVI距平指數(shù)反映生態(tài)植被的受旱程度(圖 4)?？梢钥闯?，6月為干旱的起始階段，SEWDI均值為-0.43，中旱及以上區(qū)域面積占比為53.20%。相應(yīng)地，NDVI距平指數(shù)為-19.78，43.7%的區(qū)域NDVI距平指數(shù)超過研究區(qū)均值。生態(tài)干旱重旱區(qū)域和植被受旱嚴(yán)重區(qū)均分布在四川東部、重慶和湖北西部等長(zhǎng)江中上游地區(qū)。

7—9月為干旱的發(fā)展階段，生態(tài)干旱程度不斷增加，SEWDI均值分別減小至-0.68、-0.73和-0.75；中、重旱面積分別增加至60.71%、67.15%和66.3%，且中旱、重旱區(qū)域不斷擴(kuò)張。例如，重慶市8月中旱、重旱區(qū)的面積占比由66.41%增加到74.47%，江西省的中旱、重旱面積由6月的10.64%增加至62.37%。在此影響下，研究區(qū)7—8月NDVI距平指數(shù)均值分別減小至-25.71和-26.30，9月達(dá)到最低值-41.63，且重慶、湖北、湖南、安徽和江西距平為負(fù)的區(qū)域面積占比均超過90%。Seleiman等[29]的研究表明當(dāng)缺水程度和時(shí)間不斷增加，產(chǎn)生的缺水累積效應(yīng)會(huì)顯著減少植被生物量、降低生長(zhǎng)活力，這也是9月NDVI距平值陡然降低的主要原因。

10—11月為干旱的緩解階段，SEWDI均值分別減小至-0.41和-0.38，六省(市)中、重旱面積大范圍減小，其中江西省中、重旱面積占比環(huán)比減少最大，由最高時(shí)的69.47%減小至11月的7.51%。相應(yīng)地，NDVI距平指數(shù)開始增加，10月和11月分別為-31.63和-19.00，其中湖北、江西和湖南環(huán)比增幅超過50%。一方面是由于植被進(jìn)入生長(zhǎng)后期使需水量減小，另一方面湖南、湖北和江西出現(xiàn)降雨過程使供水量增加，導(dǎo)致生態(tài)缺水量降低，生態(tài)植被恢復(fù)。

總體而言，SEWDI能較好地反映干旱缺水對(duì)陸地生態(tài)系統(tǒng)產(chǎn)生的影響，其中2022年重慶市生態(tài)干旱重旱區(qū)的面積占比最大，安徽省最小，且重旱區(qū)大都分布在林草覆蓋度較高的區(qū)域。

3.2 2022年夏秋季干旱對(duì)水域生態(tài)系統(tǒng)的影響為直觀體現(xiàn)干旱對(duì)水域生態(tài)系統(tǒng)的影響，以六省(市)中鄱陽湖和洞庭湖為例，提取1982—2022年6—11月的水體面積，對(duì)比2022年與歷史同時(shí)期水體面積的差異(圖 5)。6月鄱陽湖區(qū)水體面積與歷史同期大體持平，6月23日鄱陽湖水位(星子站)達(dá)到年最高水位17.52 m[2]；7—11月隨著氣象干旱不斷發(fā)展，水體面積不斷減小，其中8月水體面積環(huán)比減少最大(環(huán)比減少54.16%)，10月水體面積相較于歷史同期減小最大(減小3166.27 km2)，11月鄱陽湖水體面積減小至2022年最小值，僅為225 km2。11月10日鄱陽湖水位降到4.75 m，創(chuàng)下1950年以來歷史最低紀(jì)錄[2]。在此影響下，鄱陽湖區(qū)生態(tài)系統(tǒng)嚴(yán)重受損，例如沉水植被沒有成熟就全部死亡、濕生植物提前萌芽發(fā)育和老化死亡、底棲動(dòng)物因旱損失90%[2]。12月鄱陽湖水體面積仍然較小，但與歷史同期大體持平，水域生態(tài)旱情緩解。

類似地，6月干旱對(duì)洞庭湖區(qū)的影響相對(duì)較小，湖區(qū)水體面積和水位(城陵磯站)與歷史同期大體持平(圖 6)；7—10月水體面積隨旱情發(fā)展不斷減小，其中8月水體環(huán)比面積減小最大(環(huán)比減小38.49%)，8月9日起洞庭湖水位(城陵磯站)持續(xù)低于歷史同期最低水位[30]；10月湖區(qū)面積較歷史同期減少最大，10月1日減少至309.9 km2，為1998年以來歷史同期的最小值，10月2日低于歷史同期最低水位近3 m。持續(xù)干旱導(dǎo)致水域系統(tǒng)中河湖連通性變差，淡水生物群落的豐富度、流域生物多樣性也因此受到嚴(yán)重影響，野外調(diào)查發(fā)現(xiàn)因旱導(dǎo)致死亡的底棲動(dòng)物在洲灘上隨處可見，尤其是一些軟體動(dòng)物[30]。11月隨著降雨量增加，洞庭湖面積得到一定程度恢復(fù)，11月14日起洞庭湖水位(城陵磯站)不斷上升，水域系統(tǒng)生態(tài)干旱開始緩解。綜上，2022年大旱對(duì)六省(市)的水域生態(tài)系統(tǒng)產(chǎn)生負(fù)面影響較為嚴(yán)重的時(shí)段在7—11月，且對(duì)長(zhǎng)江下游水域系統(tǒng)的影響更久。

3.3 近40年長(zhǎng)江流域六省(市)夏秋季的生態(tài)干旱綜合強(qiáng)度時(shí)空演變圖7(a)為四川省、重慶市、湖南省、湖北省、江西省和安徽省1982—2022年夏秋季生態(tài)干旱綜合強(qiáng)度的年際變化。六省(市)的生態(tài)干旱綜合強(qiáng)度均呈波動(dòng)上升的趨勢(shì)，且2010年以后，干旱對(duì)生態(tài)系統(tǒng)的影響程度明顯增加，排名前五的年份分別是2011年(0.680)、2013年(0.686)、2017年(0.689)、2019年(0.724)、2022年(0.757)。在2022年特大干旱背景下，六省(市)的生態(tài)干旱綜合強(qiáng)度大都達(dá)到或接近歷史同期最小值，其中重慶市最高(0.91)，其次為湖南省(0.82)、江西省(0.81)和湖北省(0.79)，安徽省(0.76)和四川省(0.75)的綜合干旱強(qiáng)度相對(duì)較低。

圖7 2022年6—11月六省(市)生態(tài)干旱綜合強(qiáng)度年際變化和2022年空間分布

以生態(tài)干旱綜合強(qiáng)度高于0.7的區(qū)域作為高強(qiáng)度區(qū)進(jìn)行統(tǒng)計(jì)，2022年六省(市)高強(qiáng)度面積達(dá)到72.8%，高于歷史平均水平的67.4%(圖7(b))。從空間分布發(fā)展過程來看，2006年以前，夏秋季生態(tài)干旱綜合強(qiáng)度較高的區(qū)域主要集中在四川中西部，即長(zhǎng)江流域中上游地區(qū)；2006—2016年，中上游地區(qū)生態(tài)干旱綜合強(qiáng)度不斷降低，重慶市、湖南省、湖北省、安徽省和江西省等中下游地區(qū)生態(tài)干旱綜合強(qiáng)度不斷增加；2016年以來逐漸表現(xiàn)為全流域強(qiáng)度增加。

4 討論

4.1 近40年夏秋季長(zhǎng)江六省(市)生態(tài)供、需水變化特點(diǎn)分析生態(tài)供、需水水平在近40年的變化特點(diǎn)，有助于進(jìn)一步厘清2022年生態(tài)干旱加劇的原因。Vicente-Serrano等[31]認(rèn)為，在植被可利用水資源復(fù)雜的區(qū)域，植被實(shí)際耗水量變化能夠反映區(qū)域的生態(tài)供水趨勢(shì)，減去生態(tài)需水量得到的蒸散發(fā)虧缺，能有效表征生態(tài)缺水量。本研究采用2.2.1節(jié)所述逆標(biāo)準(zhǔn)化方法對(duì)1982—2022年6—11月生態(tài)需水量和生態(tài)耗水量序列進(jìn)行處理，分別作為生態(tài)需水指數(shù)和生態(tài)供水指數(shù)，指數(shù)值越高表示生態(tài)需水量和生態(tài)供水量越大。從圖 8可以看出，1982—2022年生態(tài)供水指數(shù)呈下降趨勢(shì)，而生態(tài)需水指數(shù)呈波動(dòng)上升趨勢(shì)。2022年夏秋季，六省(市)生態(tài)供水指數(shù)均達(dá)到或接近歷史同期最低值，江西、湖南和重慶的生態(tài)需水指數(shù)也均為歷史同期最高值。此外，對(duì)比圖7可以發(fā)現(xiàn)，生態(tài)供水指數(shù)與生態(tài)干旱綜合強(qiáng)度的相關(guān)系數(shù)為-0.37，達(dá)到0.05的顯著性水平，變化趨勢(shì)相似度更高，而生態(tài)需水指數(shù)與生態(tài)干旱綜合強(qiáng)度的相關(guān)系數(shù)僅為0.14，說明長(zhǎng)江流域六省(市)夏秋季生態(tài)干旱主要由生態(tài)供水強(qiáng)度決定，生態(tài)需水強(qiáng)度起輔助作用。當(dāng)較低的生態(tài)供水指數(shù)和較高的生態(tài)需水指數(shù)相疊加時(shí)，就會(huì)引發(fā)嚴(yán)重的生態(tài)干旱，例如2013年、2019年和2022年。

圖8 2022年6—11月六省(市)生態(tài)需水指數(shù)和生態(tài)供水指數(shù)的年際變化

4.2 2022年生態(tài)干旱成因分析西太平洋副熱帶高壓(西太副高)是影響我國(guó)夏秋季氣溫和降水的主要因素，由于西太副高屬于下沉氣流，陸面異常高溫時(shí)便導(dǎo)致氣流無法凝結(jié)成雨，且容易形成晴空，而大氣透明度的變高進(jìn)一步減弱云層對(duì)太陽輻射的削減作用，使下墊面溫度上升，形成惡性循環(huán)[32]。2022年6月以來，西太副高面積偏大，強(qiáng)度偏高、持續(xù)時(shí)間較長(zhǎng)、位置偏西北，且長(zhǎng)期盤踞在長(zhǎng)江流域[4]。6月降水距平指數(shù)均值為-5.65，50.68%的區(qū)域距平指數(shù)低于歷史同期平均水平，9.48%的區(qū)域達(dá)到輕旱水平(距平指數(shù)小于-40)，對(duì)生態(tài)系統(tǒng)的影響較小。7月，氣象干旱程度進(jìn)一步加劇，距平指數(shù)均值為-34.32，46.19%的區(qū)域發(fā)生干旱，29.66%的區(qū)域達(dá)到中等及以上的干旱水平(距平指數(shù)小于-80)。8月距平指數(shù)均值減小到-61.24，六省(市)76.58%的區(qū)域發(fā)生氣象干旱，中度和重度干旱的區(qū)域分別為13.32%和35.50%。9月，氣象干旱進(jìn)一步發(fā)展，距平指數(shù)均值為-73.09；除四川外，旱情影響范圍進(jìn)一步擴(kuò)大，湖南、江西、重慶、湖北和安徽的中、重旱區(qū)域面積占比均超過65%，降雨量的減少直接導(dǎo)致了六省(市)植被可利用水量減少、生態(tài)供水指數(shù)偏低，尤其是四川、湖北和重慶，從而使7—9月的生態(tài)干旱呈加劇態(tài)勢(shì)。10月距平指數(shù)增加至-61.47，四川、湖北和安徽的中旱和重旱面積占比大范圍減少，六省(市)重旱面積占比減少至16.00%(圖 9)。11月以后隨著數(shù)次降雨過程，湖南和江西氣象干旱顯著緩解，中旱以上面積減小至7.46%。長(zhǎng)江主要支流、部分河段及鄱陽湖、洞庭湖等主要湖泊水位不同程度恢復(fù)(圖 5—6)，植被可利用水量增加、供水指數(shù)升高，生態(tài)干旱也相應(yīng)減輕。

生態(tài)需水量受溫度和植被種類的影響較大。冷空氣在西太副高的影響下直接南下入海，2022年6—11月六省(市)59.84%的區(qū)域高溫日數(shù)(日最高氣溫高于35℃)高于歷史平均值，其中51.03%的區(qū)域高溫日數(shù)超過25 d，尤其是江西省、湖南省和安徽省，平均高溫日數(shù)分別為55 d、41 d和42 d(圖 10)。地處盆地的川渝部分地區(qū)，地表溫度難以擴(kuò)散，高溫日數(shù)超過30 d，較歷史同期多14.6 d。此外，由圖1統(tǒng)計(jì)可得，六省(市)林地面積占比高(約占43.8%)，四川省、湖北省、湖南省、安徽省、江西省和重慶市的森林覆蓋率分別為40.26%、39.60%、59.98%、30.30%、63.35%和55.04%，已有研究表明林地需水量對(duì)高溫響應(yīng)更加敏感，從而導(dǎo)致2022年夏秋季森林覆蓋率高的區(qū)域具有更高的需水指數(shù)[18](排名前三的分別是江西省、湖南省和重慶市)。綜上所述，降水和地表水偏少導(dǎo)致的低生態(tài)供水強(qiáng)度，與高溫日數(shù)較長(zhǎng)導(dǎo)致的高生態(tài)需水強(qiáng)度相疊加，引發(fā)了1982年以來最為嚴(yán)重的生態(tài)干旱。

圖9 2022年6—11月六省(市)氣象干旱嚴(yán)重程度排名前二月份的降水距平空間分布

圖10 1982—2022年6—11月高溫日數(shù)均值及2022年6—11月高溫日數(shù)

5 結(jié)論

本研究對(duì)衛(wèi)星遙感數(shù)據(jù)進(jìn)行解譯，重點(diǎn)分析了2022年長(zhǎng)江流域大干旱背景下，6—11月長(zhǎng)江流域六省(市)生態(tài)干旱的時(shí)空演變規(guī)律及成因，評(píng)估了1982—2022年夏秋季的生態(tài)干旱綜合強(qiáng)度，獲得以下結(jié)果：

(1)6月為生態(tài)干旱起始階段，7—9月陸地系統(tǒng)生態(tài)干旱嚴(yán)重程度和影響范圍均不斷增加，10—11月隨植被需水量減小，降雨量增加，陸地生態(tài)干旱開始緩解。水域系統(tǒng)生態(tài)干旱不斷加重并持續(xù)至11月，且鄱陽湖生態(tài)干旱持續(xù)時(shí)間較洞庭湖更長(zhǎng)。

(2)1982—2022年生態(tài)干旱綜合強(qiáng)度呈波動(dòng)增加態(tài)勢(shì)，2022年夏秋季六省(市)生態(tài)干旱綜合強(qiáng)度均達(dá)到或接近歷史同期的最大值，嚴(yán)重程度由高到低依次為重慶市、湖南省、江西省、湖北省、安徽省和四川省。

(3)長(zhǎng)江流域六省(市)生態(tài)干旱主要由生態(tài)供水強(qiáng)度決定。2022年降水和地表水偏少導(dǎo)致的生態(tài)供水強(qiáng)度偏低，與溫度過高導(dǎo)致的生態(tài)需水強(qiáng)度偏高相疊加，引發(fā)了六省(市)1982年以來最嚴(yán)重的生態(tài)干旱。