不同溫升情景下中國旱災(zāi)風(fēng)險(xiǎn)變化評(píng)估

盧冬燕， 朱秀芳,3， 唐明秀， 郭春華， 劉婷婷

（1.北京師范大學(xué)環(huán)境演變與自然災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室，北京 100875；2.北京師范大學(xué)地理科學(xué)學(xué)部遙感科學(xué)與工程研究院，北京 100875；3.北京師范大學(xué)遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，北京 100875）

在全球變暖背景下，近年來世界各地的極端天氣氣候事件（高溫?zé)崂?、干旱、?qiáng)降水等）日益頻繁［1］。聯(lián)合國政府間氣候變化專門委員會(huì)（Intergovernmental Panel on Climate Change，IPCC）第六次評(píng)估報(bào)告（the Sixth Assessment Report，AR6）指出，2011—2020 年全球平均氣溫較工業(yè)化前水平升高了約1.09 ℃，未來全球溫升水平的持續(xù)增加將導(dǎo)致危害多發(fā)并發(fā)［2］。干旱作為一種頻率高、持續(xù)久、危害大的極端氣候事件，對(duì)水資源供應(yīng)、農(nóng)業(yè)生產(chǎn)、生態(tài)保護(hù)等諸多方面產(chǎn)生負(fù)面影響。中國是一個(gè)干旱災(zāi)害頻發(fā)的農(nóng)業(yè)大國，2017—2021年全國年均作物受旱面積為7.8×106hm2，旱災(zāi)造成的年均直接經(jīng)濟(jì)損失達(dá)3.1×1010元［3］。研究表明，受氣候變暖影響，過去幾十年中國整體呈干旱化趨勢，21世紀(jì)中后期變干趨勢將持續(xù)［4］，危及經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展。因此，科學(xué)評(píng)估未來旱災(zāi)風(fēng)險(xiǎn)顯得極為重要，能夠?yàn)楹禐?zāi)風(fēng)險(xiǎn)預(yù)警和防范提供科學(xué)支撐。

旱災(zāi)風(fēng)險(xiǎn)指干旱的發(fā)生對(duì)社會(huì)經(jīng)濟(jì)和生態(tài)環(huán)境造成不利影響的可能性，是致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度和脆弱性相互作用的結(jié)果［5］。旱災(zāi)的致災(zāi)因子是指氣象系統(tǒng)異常造成的干旱，干旱危險(xiǎn)性分析一般是基于干旱指數(shù)識(shí)別干旱過程，提取用于定量描述干旱事件的干旱特征變量（干旱歷時(shí)、干旱強(qiáng)度等）并加以分析［6］。旱災(zāi)的承災(zāi)體為受旱災(zāi)影響和威脅的人類社會(huì)主體，在同等致災(zāi)因子作用下，承災(zāi)體的暴露度和脆弱性越大，風(fēng)險(xiǎn)越大。暴露度反映了暴露在干旱下的人口和資產(chǎn)的規(guī)模，可用人口密度、GDP 等指標(biāo)進(jìn)行量化；脆弱性反映了承災(zāi)體對(duì)干旱的敏感性和應(yīng)對(duì)能力，可用人均GDP、土地利用情況等指標(biāo)進(jìn)行量化［7］。不少研究從干旱危險(xiǎn)性、承災(zāi)體暴露度和脆弱性3 個(gè)方面進(jìn)行分析，構(gòu)建3 個(gè)綜合指標(biāo)并計(jì)算其乘積以表征旱災(zāi)風(fēng)險(xiǎn)［8-10］，為旱災(zāi)風(fēng)險(xiǎn)評(píng)估框架的構(gòu)建提供了參考。

目前，旱災(zāi)風(fēng)險(xiǎn)評(píng)估多基于歷史資料開展，而通過引入未來情景數(shù)據(jù)可開展未來旱災(zāi)風(fēng)險(xiǎn)預(yù)估。世界氣候研究計(jì)劃（WCRP）組織的國際耦合模式比較計(jì)劃已進(jìn)入第6 階段（CMIP6），所提供的氣候模式數(shù)據(jù)在未來氣候預(yù)測研究中應(yīng)用廣泛［11］。同時(shí)，基于共享社會(huì)經(jīng)濟(jì)路徑（SSPs）的社會(huì)經(jīng)濟(jì)要素（人口、經(jīng)濟(jì)、土地利用等）定量模擬和預(yù)估數(shù)據(jù)集逐漸豐富，為氣象災(zāi)害的承災(zāi)體暴露度和脆弱性評(píng)估提供了數(shù)據(jù)支撐［12］。已有研究結(jié)合氣候模式數(shù)據(jù)和承災(zāi)體預(yù)估數(shù)據(jù)對(duì)全球和區(qū)域尺度的未來旱災(zāi)風(fēng)險(xiǎn)進(jìn)行了預(yù)估［7,13-14］，但對(duì)不同溫升情景關(guān)注較少。為了更好地應(yīng)對(duì)全球溫升加劇對(duì)旱災(zāi)應(yīng)急管理帶來的挑戰(zhàn)，有必要預(yù)估未來不同溫升情景下干旱對(duì)經(jīng)濟(jì)社會(huì)的影響。綜上，本研究基于CMIP6氣候模式數(shù)據(jù)和承災(zāi)體預(yù)估數(shù)據(jù)評(píng)估2 ℃、3 ℃、4 ℃溫升情景下的中國旱災(zāi)風(fēng)險(xiǎn)及其變化，以期為全球變暖背景下抗旱減災(zāi)方案制定提供科學(xué)依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

中國地處亞洲東部，是一個(gè)地域廣闊、地形復(fù)雜、氣候多樣的國家。為對(duì)比分析不同區(qū)域的旱災(zāi)風(fēng)險(xiǎn)特征，本文根據(jù)前人研究將中國劃分為7 個(gè)自然地區(qū)［15］，即東北濕潤半濕潤溫帶地區(qū)、華北濕潤半濕潤暖溫帶地區(qū)、華中華南濕潤亞熱帶地區(qū)、華南濕潤熱帶地區(qū)、內(nèi)蒙草原地區(qū)、西北荒漠地區(qū)和青藏高原地區(qū)，分別用A、B、C、D、E、F 和G 表示（圖1）。該區(qū)劃方案按照地理位置、地貌、氣候、植被等因素的差異性和相似性進(jìn)行劃分［15］，已廣泛應(yīng)用于中國干旱相關(guān)的研究［16］。

圖1 中國7個(gè)自然地區(qū)Fig.1 Seven natural regions of China

1.2 數(shù)據(jù)來源

1.2.1 氣象觀測數(shù)據(jù)CN05.1數(shù)據(jù)集基于中國2400多個(gè)氣象臺(tái)站1961 年至今的觀測資料使用距平逼近法插值得到，分辨率為0.25°，是目前中國區(qū)域最精確的格點(diǎn)化氣象觀測數(shù)據(jù)集［17-18］。本研究將1961—2014 年逐月氣象要素（降水量、最高氣溫、最低氣溫、平均風(fēng)速、相對(duì)濕度和日照時(shí)數(shù)）雙線性插值為0.5°分辨率，用于評(píng)估CMIP6 歷史氣候模擬數(shù)據(jù)。

1.2.2 氣候模式數(shù)據(jù)CMIP6氣候模式數(shù)據(jù)由WCRP提供（https://esgf-node.llnl.gov/projects/cmip6），是氣候變化預(yù)測研究中最先進(jìn)、最可靠的數(shù)據(jù)源之一［11］。歷史氣候模擬試驗(yàn)提供了1850—2014 年的歷史氣候模擬數(shù)據(jù)，情景模式比較計(jì)劃提供了2015—2100年的未來氣候預(yù)估數(shù)據(jù)［11］。本研究使用1995—2100年逐月的平均氣溫?cái)?shù)據(jù)計(jì)算全球溫升水平，使用1961—2100 年逐月的降水量、最高氣溫、最低氣溫、風(fēng)速、相對(duì)濕度、地表下行短波輻射、氣壓數(shù)據(jù)計(jì)算干旱指數(shù)。情景模式比較計(jì)劃設(shè)計(jì)的氣候預(yù)估情景是不同SSPs與輻射強(qiáng)迫水平的組合情景，本研究選取了SSP5-8.5情景（化石燃料驅(qū)動(dòng)的發(fā)展路徑與高輻射強(qiáng)迫情景）［19］，這是唯一能夠達(dá)到4 ℃溫升水平的氣候預(yù)估情景。選取了包含所需變量的20個(gè)氣候模式（表1），將各模式數(shù)據(jù)雙線性插值為0.5°分辨率。

表1 研究所使用的20個(gè)CMIP6氣候模式信息Tab.1 Information of 20 climate models from CMIP6 used in this study

1.2.3 高程數(shù)據(jù)美國地質(zhì)勘探局提供了2010年全球多分辨率地形高程數(shù)據(jù)（GMTED2010）［20］，可滿足不同尺度和不同領(lǐng)域的應(yīng)用需求。本研究將30″分辨率的平均高程數(shù)據(jù)采用均值聚合方法重采樣為0.5°分辨率，用于計(jì)算干旱指數(shù)。

1.2.4 人口和GDP數(shù)據(jù)姜彤等［21］發(fā)布了5種SSPs的人口和經(jīng)濟(jì)預(yù)估數(shù)據(jù)，包含2010—2100 年0.5°分辨率的中國逐年人口和GDP 數(shù)據(jù)。該數(shù)據(jù)集考慮了人口政策變化對(duì)人口結(jié)構(gòu)和經(jīng)濟(jì)的影響，比較貼近中國國情［22］。本研究使用SSP5 的人口和GDP 數(shù)據(jù)進(jìn)行承災(zāi)體暴露度和脆弱性評(píng)估。

1.2.5 土地利用數(shù)據(jù)土地利用協(xié)調(diào)（LUH2）數(shù)據(jù)集是CMIP6 試驗(yàn)的基礎(chǔ)驅(qū)動(dòng)數(shù)據(jù)，包含850—2100 年0.25°分辨率的全球逐年土地利用數(shù)據(jù)［23］。本研究基于歷史數(shù)據(jù)和SSP5-8.5 情景數(shù)據(jù)提取1995—2100年中國的耕地占比和灌溉占比，即每個(gè)格點(diǎn)的耕地面積和灌溉面積占該格點(diǎn)面積的比例，采用面積加權(quán)平均方法將分辨率統(tǒng)一為0.5°，用于承災(zāi)體暴露度和脆弱性的評(píng)估。

1.3 研究方法

1.3.1 泰勒?qǐng)D方法泰勒?qǐng)D方法是評(píng)估氣候模式模擬性能的一種常用方法，將相關(guān)系數(shù)（r）、標(biāo)準(zhǔn)差（SD）以及均方根誤差（RMSE）3 個(gè)統(tǒng)計(jì)量顯示在一張圖中，較直觀地給出模擬值與觀測值的差異［24］。本研究使用標(biāo)準(zhǔn)化泰勒?qǐng)D，將觀測值和模擬值的SD和RMSE除以觀測值的SD，以消除量綱。標(biāo)準(zhǔn)化泰勒?qǐng)D中，觀測值的SD 為1，RMSE 為0。模擬性能較好的氣候模式其r和SD接近1且RMSE接近0。

1.3.2 不同溫升情景的確定根據(jù)IPCC AR6，1995—2014 年的全球變暖觀測值為0.85 ℃［2］。因此，本研究將1995—2014 年作為溫升水平計(jì)算和旱災(zāi)風(fēng)險(xiǎn)評(píng)估的基準(zhǔn)期?；贑MIP6 各模式逐月的平均氣溫格點(diǎn)數(shù)據(jù)，采用面積加權(quán)平均法計(jì)算1995—2100年的逐年全球平均氣溫。對(duì)于每個(gè)模式，計(jì)算其20 a滑動(dòng)平均氣溫，與基準(zhǔn)期平均氣溫作差，將溫差首次達(dá)到1.15 ℃、2.15 ℃、3.15 ℃的未來某個(gè)20 a時(shí)間段定義為2 ℃、3 ℃、4 ℃溫升情景對(duì)應(yīng)的時(shí)間段。

1.3.3 旱災(zāi)風(fēng)險(xiǎn)評(píng)估模型

（1）干旱危險(xiǎn)性分析

使用1 個(gè)月時(shí)間尺度的標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）作為監(jiān)測氣象干旱的指標(biāo)，無旱、輕旱、中旱、重旱、特旱對(duì)應(yīng)的SPEI數(shù)值范圍分別為：>-0.5、(-1.0,-0.5］、(-1.5,-1.0］、(-2.0,-1.5］、<-2.0［25］。SPEI考慮了蒸散量對(duì)氣溫變化敏感的特點(diǎn)［26］，該指數(shù)由降水量與潛在蒸散量（PET）的差值構(gòu)建，計(jì)算方法可參考國家標(biāo)準(zhǔn)《氣象干旱等級(jí)》［25］。本研究中PET的計(jì)算采用Penman-Monteith方法，PET和SPEI的計(jì)算使用R 語言SPEI 包［27］。首先基于1961—2014年數(shù)據(jù)計(jì)算各模式SPEI，再將所得擬合參數(shù)用于2015—2100年SPEI的計(jì)算。

參照前人研究［28］，基于SPEI采用三閾值游程理論方法識(shí)別干旱事件，選取的3個(gè)閾值分別為0、-0.5和-1。提取基準(zhǔn)期和2 ℃、3 ℃、4 ℃溫升情景（后續(xù)簡稱4種情景）的20 a期間干旱頻次、干旱歷時(shí)和干旱強(qiáng)度3 個(gè)特征變量。其中，干旱頻次是平均每年發(fā)生的干旱事件數(shù)（次·a-1）；一次干旱事件的歷時(shí)和強(qiáng)度分別指干旱事件持續(xù)月數(shù)和干旱事件中SPEI均值的絕對(duì)值，本研究中干旱歷時(shí)和干旱強(qiáng)度通過對(duì)20 a期間各干旱事件的歷時(shí)和強(qiáng)度取均值得到?；诟珊堤卣髯兞繕?gòu)建干旱危險(xiǎn)性指數(shù)（DHI）［29］，計(jì)算4種情景下各模式DHI，再對(duì)4種情景的各模式結(jié)果取均值。DHI計(jì)算公式如下：

式中：W1、W2為權(quán)重系數(shù)，均為0.5；(F×D)′、(F×I)′分別為干旱頻次（F）與干旱歷時(shí)（D）、干旱強(qiáng)度（I）相乘所得乘積的歸一化值，歸一化處理使用極值標(biāo)準(zhǔn)化法［30］。

（2）暴露度和脆弱性分析

本研究選用人口數(shù)量、GDP 和耕地占比3 個(gè)正向指標(biāo)對(duì)暴露度進(jìn)行量化，對(duì)3 個(gè)指標(biāo)進(jìn)行歸一化處理后取等權(quán)重均值，得到干旱暴露度指數(shù)（DEI）。選用人均GDP 和灌溉占比2個(gè)負(fù)向指標(biāo)對(duì)脆弱性進(jìn)行量化，對(duì)2 個(gè)指標(biāo)進(jìn)行歸一化處理后取等權(quán)重均值，得到干旱脆弱性指數(shù)（DVI）。

由于人口和GDP 預(yù)估數(shù)據(jù)是基于2010 年的數(shù)據(jù)生成，因此對(duì)于人口數(shù)量、GDP、人均GDP，基準(zhǔn)期指標(biāo)使用2010年數(shù)據(jù)，而未來溫升情景下指標(biāo)則使用20 a數(shù)據(jù)均值。對(duì)于耕地占比和灌溉占比2個(gè)指標(biāo)，4種情景下指標(biāo)均使用20 a數(shù)據(jù)均值。

（3）旱災(zāi)風(fēng)險(xiǎn)指數(shù)計(jì)算

將3 個(gè)綜合指數(shù)DHI、DEI、DVI 相乘，得到4 種情景的旱災(zāi)風(fēng)險(xiǎn)指數(shù)（DRI），計(jì)算公式如下：

1.3.4 DRI空間格局與變化分析

（1）空間自相關(guān)分析

基于GeoDa 軟件對(duì)4種情景的DRI 進(jìn)行空間自相關(guān)性分析。采用全局Moran’sI從整個(gè)研究區(qū)尺度檢測空間自相關(guān)性，指數(shù)的取值范圍為-1～1，大于0 表示正相關(guān)，小于0 表示負(fù)相關(guān)，等于0 則表示隨機(jī)分布。采用局部Moran’sI作為局部空間關(guān)聯(lián)指標(biāo)（LISA），分析空間集聚特征［31］。

（2）地理探測器

地理探測器是探測空間分異性及其驅(qū)動(dòng)因素的工具，包括因子探測、交互作用探測、風(fēng)險(xiǎn)區(qū)探測和生態(tài)探測［32］。本文基于地理探測器分析旱災(zāi)風(fēng)險(xiǎn)變化空間分異性的影響因子，使用因子探測和交互作用探測得到衡量自變量對(duì)因變量解釋度的q值。將每個(gè)溫升情景下DRI 與基準(zhǔn)期DRI 作差，得到旱災(zāi)風(fēng)險(xiǎn)變化，作為輸入地理探測器的因變量。自變量則為8 個(gè)指標(biāo)（干旱頻次、干旱歷時(shí)、干旱強(qiáng)度、人口數(shù)量、GDP、耕地占比、人均GDP、灌溉占比）的變化，即每個(gè)溫升情景下指標(biāo)值與基準(zhǔn)期指標(biāo)值的差值。利用R語言GD包實(shí)現(xiàn)自變量最優(yōu)離散化處理并執(zhí)行地理探測器分析［33］。

2 結(jié)果與分析

2.1 氣候模式模擬性能評(píng)估

由于SPEI 基于降水量和PET 計(jì)算得到，CMIP6數(shù)據(jù)對(duì)中國降水量和PET 模擬的準(zhǔn)確性可反映其對(duì)干旱的模擬能力。利用1961—2014 年的CN05.1觀測數(shù)據(jù)對(duì)CMIP6 降水和PET 模擬數(shù)據(jù)進(jìn)行了評(píng)估，氣候模式的模擬性能在標(biāo)準(zhǔn)化泰勒?qǐng)D上表現(xiàn)為距離觀測值越近越好（圖2）。降水量模擬值與觀測值的r范圍為0.52～0.71，PET 的r范圍為0.88～0.93。各模式降水量的SD均大于1，最大值為1.61，而PET的SD 范圍為0.93～1.39。降水量和PET 的RMSE 范圍分別為0.78～1.32 和0.37～0.68?？傮w來看，各模式對(duì)降水量和PET 的模擬性能良好，可用于分析中國干旱危險(xiǎn)性。

圖2 各氣候模式降水量和PET的標(biāo)準(zhǔn)化泰勒?qǐng)DFig.2 Standardized Taylor diagrams of precipitation and PET for each climate model

2.2 溫升情景確定結(jié)果

統(tǒng)計(jì)20 個(gè)氣候模式達(dá)到2 ℃、3 ℃、4 ℃溫升水平的20 a 時(shí)間段（表2）發(fā)現(xiàn)，所有氣候模式都能達(dá)到2 ℃、3 ℃溫升水平，其中有14 個(gè)模式達(dá)到4 ℃溫升水平。

表2 各氣候模式2 ℃、3 ℃、4 ℃溫升情景年份Tab.2 Years for 2 ℃,3 ℃,and 4 ℃temperature rise scenarios for each climate model

2.3 DHI、DEI、DVI 3個(gè)綜合指數(shù)計(jì)算結(jié)果

計(jì)算4 種情景下的DHI、DEI、DVI，使用分位數(shù)法分別將3個(gè)綜合指數(shù)值分為5個(gè)等級(jí)，得到3個(gè)綜合指數(shù)等級(jí)圖（圖3），第1等級(jí)到第5等級(jí)（G1～G5）所對(duì)應(yīng)的指數(shù)值依次增大。DHI等級(jí)呈現(xiàn)西北與東南相對(duì)較高的格局，與中國西北干旱歷時(shí)長、強(qiáng)度大以及中國東南干旱頻次高的特點(diǎn)相對(duì)應(yīng)［34］。DHI整體上隨著溫升水平的增加而增大，表明未來中國整體呈現(xiàn)暖干化趨勢。DEI等級(jí)呈東高西低的格局且整體隨時(shí)間的推移而增加，DVI 等級(jí)則呈西高東低的格局且整體隨時(shí)間的推移而降低，這與中國社會(huì)經(jīng)濟(jì)發(fā)展水平東高西低的格局相符，未來由于人口增長和經(jīng)濟(jì)發(fā)展，暴露度有所提高而脆弱性有所降低。

圖3 基準(zhǔn)期和2 ℃、3 ℃、4 ℃溫升情景下中國DHI、DEI、DVI等級(jí)分布Fig.3 Distributions of DHI,DEI,and DVI grades for the baseline period and the 2 ℃,3 ℃,and 4 ℃temperature rise scenarios in China

2.4 DRI空間格局分析

使用分位數(shù)法將DRI 數(shù)值分為5 個(gè)等級(jí)，G1～G5 所對(duì)應(yīng)的DRI 數(shù)值依次增大（圖4a、d、g、j）。DRI 等級(jí)呈東高西低的格局，且隨溫升水平的增加而整體增大。全局空間自相關(guān)分析結(jié)果顯示，4 種情景下的全局Moran’sI值分別為0.851、0.864、0.860 和0.855，且都通過了顯著性檢驗(yàn)（P<0.001）。根據(jù)Moran散點(diǎn)圖（圖4c、f、i、l），大多數(shù)散點(diǎn)均落在第一象限（高高區(qū)）和第三象限（低低區(qū)），少數(shù)散點(diǎn)落在了第二象限（低高區(qū)）和第四象限（高低區(qū)），表明DRI空間分布呈現(xiàn)以高值集聚和低值集聚為主的空間正相關(guān)。進(jìn)一步繪制了0.05 顯著性水平下的LISA集聚圖（圖4b、e、h、k），將所有格點(diǎn)分為5種類型：不顯著、高高區(qū)、低低區(qū)、低高區(qū)和高低區(qū)。高值集聚區(qū)主要分布在地區(qū)A、B、C、D，而低值集聚區(qū)主要分布在地區(qū)E、F、G。

圖4 DRI等級(jí)分布及空間自相關(guān)性分析結(jié)果Fig.4 DRI grade distributions and results of spatial autocorrelation analysis

全國及7個(gè)自然地區(qū)的DRI箱線圖（圖5）顯示：從全國來看，DRI的最大值、中位數(shù)和均值從基準(zhǔn)期到4 ℃溫升情景依次增大，3個(gè)溫升情景下的極差依次增大，平均值全部大于中位數(shù)。分區(qū)域來看，在基準(zhǔn)期，DRI的最大值出現(xiàn)在C地區(qū)，中位數(shù)與均值的排序一致，各地區(qū)由高到低依次為：B、C、A、D、E、F、G；在3 個(gè)溫升情景下，DRI 最大值仍出現(xiàn)在C 地區(qū)，中位數(shù)與均值最高的3個(gè)地區(qū)為地區(qū)B、C、D，最低的地區(qū)為G；整體來看，7 個(gè)自然地區(qū)DRI 隨著溫升水平的增加而增大。

圖5 全國和7個(gè)自然地區(qū)DRI箱線圖Fig.5 Box plots of DRI for the whole country and 7 natural regions

2.5 旱災(zāi)風(fēng)險(xiǎn)變化分析

將2 ℃、3 ℃、4 ℃溫升情景下的旱災(zāi)風(fēng)險(xiǎn)變化值劃分為6 個(gè)等級(jí)，得到空間分布如圖6 所示。整體來看，3 個(gè)溫升情景下的DRI 相對(duì)于基準(zhǔn)期以增大為主，在中國東部沿海地區(qū)增大較明顯。隨著溫升水平的升高，DRI增加值整體增大。

圖6 2 ℃、3 ℃、4 ℃溫升情景下旱災(zāi)風(fēng)險(xiǎn)變化分布Fig.6 Distributions of changes in drought risk under 2 ℃,3 ℃,and 4 ℃temperature rise scenarios

因子探測和交互作用探測結(jié)果如圖7所示。就單因子而言，在3 個(gè)溫升情景下，8 個(gè)影響因子的q值均通過了0.001 水平的顯著性檢驗(yàn)，q值排名前3的影響因子均為人口數(shù)量變化、GDP 變化、耕地占比變化；在2 ℃溫升情景下，耕地占比變化對(duì)旱災(zāi)風(fēng)險(xiǎn)變化的解釋度最大，為61%；在3 ℃、4 ℃溫升情景下，GDP 變化對(duì)旱災(zāi)風(fēng)險(xiǎn)變化的解釋度最大，為63%。就影響因子交互作用而言，交互作用類型為雙因子增強(qiáng)和非線性增強(qiáng)；在3個(gè)溫升情景下，對(duì)旱災(zāi)風(fēng)險(xiǎn)變化解釋力最大的2對(duì)交互作用影響因子均為耕地占比變化∩人口數(shù)量變化、耕地占比變化∩GDP 變化，其交互作用對(duì)風(fēng)險(xiǎn)變化的解釋程度在75%以上，表明承災(zāi)體暴露度變化對(duì)旱災(zāi)風(fēng)險(xiǎn)變化的解釋能力較強(qiáng)。綜合來看，影響因子兩兩交互作用相對(duì)于單因子而言能更好地解釋旱災(zāi)風(fēng)險(xiǎn)變化。干旱頻次變化、干旱歷時(shí)變化、干旱強(qiáng)度變化的單因子q值及兩兩交互作用的q值在2 ℃、3 ℃、4 ℃溫升情景下依次增大，表明干旱危險(xiǎn)性變化對(duì)旱災(zāi)風(fēng)險(xiǎn)變化的影響隨著溫升加劇而更加明顯。

圖7 因子探測和交互作用探測結(jié)果Fig.7 Results of factor detection and interaction detection

3 討論

目前，基于未來情景數(shù)據(jù)進(jìn)行中國旱災(zāi)風(fēng)險(xiǎn)預(yù)估的研究相對(duì)較少，且已有研究多為區(qū)域性研究［14,35］。本文引入未來預(yù)估數(shù)據(jù)所得中國旱災(zāi)風(fēng)險(xiǎn)的空間分布與趙佳琪等［5］基于歷史數(shù)據(jù)所得結(jié)果類似，表明了研究結(jié)果的可靠性。與前人研究相比，本文從不同溫升情景的角度開展旱災(zāi)風(fēng)險(xiǎn)評(píng)估，并分析了未來旱災(zāi)風(fēng)險(xiǎn)變化的驅(qū)動(dòng)因素，有助于更好地認(rèn)識(shí)中國旱災(zāi)風(fēng)險(xiǎn)隨著全球溫升加劇而發(fā)生的變化，為氣候變化風(fēng)險(xiǎn)防范提供了參考依據(jù)。然而，本研究還存在一些不足之處。由于未來氣候變化和人類活動(dòng)的復(fù)雜性以及氣候模式的不確定性，基于SSP5-8.5 情景的氣候模式數(shù)據(jù)所得結(jié)果具有較大的不確定性，中國未來氣候是否持續(xù)暖干化還有待進(jìn)一步探討。同時(shí)，指標(biāo)選取、數(shù)據(jù)處理方式、權(quán)重設(shè)置等也會(huì)造成旱災(zāi)風(fēng)險(xiǎn)評(píng)估結(jié)果的不確定性。此外，本文對(duì)中國所有格點(diǎn)進(jìn)行了旱災(zāi)風(fēng)險(xiǎn)變化的全局驅(qū)動(dòng)力探測，但不同地區(qū)由于自然和社會(huì)經(jīng)濟(jì)條件存在差異，旱災(zāi)風(fēng)險(xiǎn)變化的主導(dǎo)因素可能有所不同，未來可進(jìn)一步探測不同地區(qū)的局域驅(qū)動(dòng)力并分析其差異。

4 結(jié)論

本研究利用20 個(gè)CMIP6 氣候模式數(shù)據(jù)和承災(zāi)體預(yù)估數(shù)據(jù)，對(duì)致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露度和脆弱性進(jìn)行量化，計(jì)算了DHI、DEI 和DVI，從而將3個(gè)綜合指數(shù)相乘得到DRI，評(píng)估了2 ℃、3 ℃、4 ℃溫升情景下的中國旱災(zāi)風(fēng)險(xiǎn)及其相對(duì)于基準(zhǔn)期的變化，主要結(jié)論如下：

（1）DHI、DEI 和DVI 有較明顯的空間分布規(guī)律。DHI 整體上表現(xiàn)為西北和東南相對(duì)較高，DEI和DVI 則分別表現(xiàn)為東高西低、西高東低。隨著溫升水平的升高，干旱危險(xiǎn)性增加明顯，承災(zāi)體暴露度整體有所增加，而承災(zāi)體脆弱性有所降低。

（2）DRI 呈現(xiàn)明顯的空間集聚特征，高值空間集聚區(qū)主要分布在東部季風(fēng)區(qū)，低值空間集聚區(qū)主要分布在西部地區(qū)，中國旱災(zāi)風(fēng)險(xiǎn)在基準(zhǔn)期和不同溫升情景下都呈東高西低的特點(diǎn)。

（3）與基準(zhǔn)期相比，3個(gè)溫升情景下的DRI以增大為主，中國東部沿海地區(qū)增大最為明顯。隨著溫升水平的升高，風(fēng)險(xiǎn)增加值整體呈增長趨勢。通過對(duì)旱災(zāi)風(fēng)險(xiǎn)變化進(jìn)行全局驅(qū)動(dòng)力探測，發(fā)現(xiàn)人口數(shù)量變化、GDP 變化和耕地占比變化是主要驅(qū)動(dòng)因子，因子兩兩交互作用相對(duì)于單因子對(duì)旱災(zāi)風(fēng)險(xiǎn)變化有更強(qiáng)的解釋力。