多源降水數(shù)據(jù)在烏江流域干旱監(jiān)測中的適用性評估

摘要：為了彌補地面站點分布稀缺、資料缺測等因素給干旱監(jiān)測帶來的不確定性，選取CMFD、MSWEP、ERA5 3種高時空分辨率降水產(chǎn)品，以烏江流域及其周邊15個地面氣象站點1979～2016年降水資料為基準，利用標準化降水指數(shù)分析評估這3種降水產(chǎn)品在烏江流域的精度及不同時間尺度干旱監(jiān)測中的適用性。結(jié)果表明：CMFD與MSWEP具有較高的探測精度，能準確捕捉烏江流域多年平均降水空間分布，ERA5則存在明顯高估現(xiàn)象。在季節(jié)尺度和月尺度上，CMFD與MSWEP相關(guān)系數(shù)均大于0.9，數(shù)據(jù)精度高于ERA5；CMFD與MSWEP計算的不同時間尺度下的SPI與站點之間存在較高的一致性，在不同時間尺度上的相關(guān)系數(shù)均高于0.94，而ERA5則隨著時間尺度增加與站點之間一致性逐漸降低，相關(guān)系數(shù)平均值僅有0.46；3種降水產(chǎn)品在干旱頻率空間分布的刻畫上并沒有一種產(chǎn)品表現(xiàn)出絕對優(yōu)勢，但總體來說CMFD要優(yōu)于MSWEP和ERA5；CMFD在捕捉干旱歷時、烈度、峰值和嚴重度等干旱特征方面表現(xiàn)較優(yōu)，其次是MSWEP和ERA5。綜上所述，CMFD與MSWEP可為流域干旱監(jiān)測提供數(shù)據(jù)支撐，ERA5降水數(shù)據(jù)質(zhì)量較差，需進一步對其降水數(shù)據(jù)進行校正。研究成果可為烏江流域的干旱監(jiān)測、預(yù)警等提供數(shù)據(jù)支撐。

關(guān) 鍵 詞：干旱監(jiān)測； 標準化降水指數(shù)； CMFD； MSWEP； ERA5； 烏江流域

中圖法分類號： TV11；P426.6

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.11.020

0 引 言

干旱是世界上最嚴重的自然災(zāi)害之一，具有影響范圍廣、持續(xù)時間長、發(fā)生頻率高的特點^［1］，不僅影響著全球的氣候狀況、生態(tài)環(huán)境，而且對全球的社會穩(wěn)定和經(jīng)濟發(fā)展產(chǎn)生極大的威脅。干旱通?？煞譃榻邓蛔銓?dǎo)致的氣象干旱，土壤水分不足引起的農(nóng)業(yè)干旱，水資源不足引起的水文干旱和水資源供需不平衡引起的社會經(jīng)濟干旱^［2］。聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第六次評估報告指出，未來將會有更多的區(qū)域受到農(nóng)業(yè)干旱的影響，一些區(qū)域的水文干旱也將加重^［3-4］。據(jù)估計，2001～2020年中國因干旱造成的直接經(jīng)濟損失占總損失的21%，僅次于暴雨洪澇災(zāi)害^［5］。干旱災(zāi)害已成為了亟待解決的重大科學(xué)問題并且受到了社會各界的高度重視。

為了準確地監(jiān)測干旱的時空分布及演變規(guī)律，國內(nèi)外學(xué)者利用降水、氣溫等要素，提出了眾多的干旱指數(shù)用于氣象干旱特征的量化研究，常見的包括：標準化降水指數(shù)（standardized precipitation index，SPI）、標準加權(quán)降水指數(shù)（standardized weighted average of precipitation，SWAP）、標準化降水蒸散指數(shù)（standardized precipitation evapotranspiration index，SPEI）、帕爾默干旱強度指數(shù)（Palmer drought severity index，PDSI）等。大部分的干旱指數(shù)需要多種參數(shù)參與計算，對數(shù)據(jù)質(zhì)量要求較高，計算過程較為復(fù)雜。SPI是表征時段降水量匱乏狀態(tài)的無量綱指數(shù)，僅需要歷史降水序列便可對其進行計算，對數(shù)據(jù)要求低且計算簡便，具有穩(wěn)定性好且能對不同時間尺度降水進行量化研究等特點，因此受到眾多研究人員的青睞^［6-8］，被廣泛應(yīng)用于干旱監(jiān)測研究中。

傳統(tǒng)干旱監(jiān)測大多依賴于地面站點數(shù)據(jù)計算相應(yīng)的干旱指標^［9］，但受限于區(qū)域或流域站點數(shù)量有限，基于地面氣象站點計算的干旱指數(shù)難以全面反映全區(qū)域或全流域的干旱特征。此外，偏遠復(fù)雜山區(qū)缺乏實測站點數(shù)據(jù)以及長系列觀測資料，使得實際應(yīng)用中難以對這些地區(qū)進行干旱監(jiān)測，增加了干旱監(jiān)測的不確定性。近些年來隨著數(shù)據(jù)反演算法、數(shù)據(jù)同化算法的不斷發(fā)展，一批高時空分辨率的降水再分析數(shù)據(jù)集陸續(xù)發(fā)布，如中國區(qū)域高時空分辨率地面氣象要素驅(qū)動數(shù)據(jù)集（China Meteorological Forcing Dataset，CMFD）、多源加權(quán)集合降水數(shù)據(jù)（Multi-Source Weighted Ensemble Precipitation，MSWEP）以及歐洲中期天氣預(yù)報中心全球氣候第五代產(chǎn)品ERA5等。這些數(shù)據(jù)集可在一定程度上彌補地面氣象站點數(shù)量稀缺以及分布不均的不足^［10］，利用這些數(shù)據(jù)集進行SPI指數(shù)計算是解決無資料或缺資料地區(qū)干旱監(jiān)測的有效方法之一。目前，針對MSWEP的干旱監(jiān)測應(yīng)用，已有研究人員開展了相關(guān)研究。許昕彤等^［11］將MSWEP降水產(chǎn)品應(yīng)用于黃河流域干旱監(jiān)測，結(jié)果顯示MSWEP適用于黃河流域中下游的干旱監(jiān)測，而對于地形復(fù)雜的黃河源區(qū)需要進一步修正其降水誤差；Li等^［12］基于SPI指數(shù)評估了MSWEP在中亞地區(qū)4個流域的干旱趨勢和干旱事件的時空特征，結(jié)果表明MSWEP能有效捕捉干旱事件及其基本特征；Li等^［13］在中國10個流域評價了MSWEP的干旱監(jiān)測能力，發(fā)現(xiàn)MSWEP可以較好地反映干旱的空間格局和變化趨勢。ERA5包括降水、蒸散發(fā)、溫度、濕度、土壤濕度等眾多要素，目前已有利用蒸散發(fā)、溫度、濕度、土壤濕度等要素進行干旱監(jiān)測方面的研究^［14-16］，而針對其降水要素進行的干旱監(jiān)測研究目前在國內(nèi)僅應(yīng)用于中國區(qū)域這樣的大尺度區(qū)域上，這種在大尺度區(qū)域上進行的干旱監(jiān)測評估可能會忽略中小尺度上的干旱監(jiān)測差異。劉婷婷等^［17］基于ERA5降水數(shù)據(jù)集利用SPI指數(shù)評估其在中國區(qū)域的適用性，發(fā)現(xiàn)利用ERA5進行干旱事件識別時，與站點數(shù)據(jù)有較大的差距，閾值越低誤差越大；馬茜^［18］基于SPEI指數(shù)和Z指數(shù)對不同類型降水產(chǎn)品在中國九大片區(qū)的干旱監(jiān)測效用進行了評估，結(jié)果發(fā)現(xiàn)ERA5和ERA-Interim在9套降水產(chǎn)品中表現(xiàn)最差。而對于CMFD降水數(shù)據(jù)還鮮有相關(guān)研究。

貴州省年降水量為1 000～1 300 mm^［19］，雨量充沛，但由于降水空間異質(zhì)性強，再加之地處喀斯特地區(qū)，土地坡度大且土層薄弱，土壤保水蓄水能力差，使得區(qū)域性和季節(jié)性的干旱高發(fā)。貴州省近些年來多次發(fā)生嚴重旱情^［20-22］，造成了巨大的經(jīng)濟損失，制約著貴州省經(jīng)濟的健康發(fā)展。烏江是長江上游南岸的最大支流，也是貴州省第一大河，其在貴州省境內(nèi)的流域面積占全流域面積的76%。烏江流域貴州段（以下統(tǒng)稱烏江流域）人口密度大，經(jīng)濟發(fā)展迅速，流域內(nèi)的干旱問題關(guān)乎貴州省經(jīng)濟社會的發(fā)展。本文在比較CMFD、MSWEP、ERA5這3種降水產(chǎn)品在烏江流域精度的基礎(chǔ)上，基于SPI干旱指數(shù)，從不同時間尺度上分析評估CMFD、MSWEP和ERA5在烏江流域的干旱監(jiān)測特征，以期為烏江流域的干旱監(jiān)測、預(yù)警等提供數(shù)據(jù)支撐。

1 研究區(qū)概況

烏江發(fā)源于貴州省西北面烏蒙山脈東麓羊角山最高峰東北面威寧縣草海鎮(zhèn)綠水塘，橫貫貴州省，于重慶市的涪陵區(qū)匯入長江，貓?zhí)?、清水江等是其主要支流，流域面積約8.79萬 km²，干流全長1 044 km，天然落差2 391 m，平均比降2.293‰^［23］。本次研究區(qū)域為烏江流域貴州段，其流域面積6.68萬 km²，占烏江流域總面積的76%，流域概況及站點分布如圖1所示。研究區(qū)內(nèi)氣候?qū)賮啛釒Ъ撅L(fēng)濕潤氣候，年降雨量為1 100～1 400 mm，流域地形表現(xiàn)為西南高、東北低。

2 數(shù)據(jù)和方法

2.1 研究數(shù)據(jù)

SPI指數(shù)的可靠性受資料長度限制的影響^［24］，世界氣象組織（World Meteorological Organization，WMO）指出針對氣候的研究至少需要30 a的數(shù)據(jù)資料。本文以1979～2016年作為研究時段，共收集到烏江流域內(nèi)及其周邊15個地面氣象站點數(shù)據(jù)，數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)（https：∥data.cma.cn/），站點數(shù)據(jù)經(jīng)過氣候界限檢查、臺站極值檢查、時空一致性檢查等一系列質(zhì)量檢查。CMFD^［25］是中國科學(xué)院青藏高原研究所基于Princeton再分析資料、GLDAS資料、GEWEX-SRB輻射資料、TRMM降水資料以及中國氣象局常規(guī)氣象觀測數(shù)據(jù)開發(fā)的一套近地面氣象要素再分析數(shù)據(jù)集，其時間分辨率為3 h，空間分辨率為0.1°×0.1°。MSWEP是Beck等^［26］基于站點降水數(shù)據(jù)、衛(wèi)星降水數(shù)據(jù)、模式模擬數(shù)據(jù)等開發(fā)而成的一套降水數(shù)據(jù)，具有時間尺度長、空間分辨率高等優(yōu)點，其時間分辨率為1 h，空間分辨率為0.1°×0.1°。ERA5是歐洲中期天氣預(yù)報中心（ECMWF）發(fā)布的第五代全球氣候和大氣再分析數(shù)據(jù)集，是目前全球時空分辨率較高的再分析資料之一，其時間分辨率為1 h，空間分辨率為0.25°×0.25°。

2.2 研究方法

2.2.1 數(shù)據(jù)預(yù)處理

由于3種降水數(shù)據(jù)均為網(wǎng)格數(shù)據(jù)，而站點數(shù)據(jù)為點源數(shù)據(jù)，因此本文采用最鄰近內(nèi)插法進行兩種數(shù)據(jù)之間的關(guān)聯(lián)，即利用站點坐標提取其所在網(wǎng)格的降水數(shù)據(jù)，進而在站點尺度上對3種降水數(shù)據(jù)進行對比評估，該方法可以避免由站點數(shù)據(jù)直接插值到空間數(shù)據(jù)所造成的誤差。

2.2.2 標準化降水指數(shù)

標準化降水指數(shù)（standardized precipitation index，SPI）可用于監(jiān)測不同時間尺度的干旱事件，具有良好的適用性和可靠性，SPI同時也是世界氣象學(xué)會、中國氣象局等機構(gòu)的業(yè)務(wù)化干旱監(jiān)測指標。SPI由Mckee等^［27］于1993年提出，其計算原理為將降水量序列看作服從Γ分布，利用Γ分布概率密度函數(shù)求累積概率，再通過正態(tài)標準化求出SPI值。其計算方便，僅依靠降水數(shù)據(jù)便可反映出多時間尺度的干旱狀況。計算公式如下：

SPI=St-（c2t+c1）t+c0［（d3t+d2）t+d1］t+1

t=ln1H（x）2（1）

G（x）=1βγΓ（γ）0∫x0x^γ-1e^-x/βdx，x＞0

Γ（γ）=∫∞0x^γ-1e^-xdx（2）

式中：x為降水量；β和γ為Γ函數(shù)的比例因子和形狀因子；S為相關(guān)系數(shù)；c0，c1，c2和d1，d2，d3為計算參數(shù)，取值分別為c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。G（x）、H（x）為降水概率分布函數(shù)，當G（x）＞0.5時，H（x）=1-G（x）且S=1；當G（x）≤0.5時，H（x）=G（x）且S=-1。

根據(jù)國家氣象局頒布的GB/T 20481—2017《氣象干旱等級》^［28］，利用SPI值可將干旱等級劃分為5類，如表1所列。通常，1個月尺度SPI對降水變化敏感，常用于監(jiān)測月干旱情況；3個月和6個月尺度SPI表示土壤水分盈虧情況，常用于農(nóng)業(yè)氣象干旱的監(jiān)測；12個月尺度SPI對降水變化的響應(yīng)緩慢，常用于氣象干旱及水文干旱的監(jiān)測。因此，為評估CMFD、MSWEP以及ERA5這3種降水產(chǎn)品在烏江流域的干旱監(jiān)測精度，分別計算了1，3，6，12個月尺度的SPI。具體地，SPI1代表1個月時間尺度的干旱狀況；SPI3代表3個月時間尺度的干旱狀況，2月SPI值是根據(jù)12月、次年1月和2月的降水數(shù)據(jù)計算所得，即代表冬季的干旱情況；5月SPI值是根據(jù)3，4，5月降水數(shù)據(jù)計算所得，即代表春季的干旱情況，依此類推，也即5，8，11，2月分別代表春、夏、秋、冬四季的干旱情況。SPI12代表12個月時間尺度的干旱狀況，即12月份的SPI值是根據(jù)這一年中1～12月降水數(shù)據(jù)計算所得，因此若每年12月份的SPI值小于-0.5，則可認為該年為干旱年。

2.2.3 干旱特征評估

為進一步分析3種降水產(chǎn)品對干旱監(jiān)測的適用性，基于游程理論^［29-30］對干旱事件進行識別。短歷時的干旱事件影響較低，因此本文選擇代表季節(jié)性干旱的SPI3來定義干旱，即SPI3小于-0.5時為一次干旱事件。采用干旱歷時（drought duration，DD）、干旱峰值（drought peak，DP）、干旱烈度（drought intensity，DI）、干旱嚴重度（drought severity，DS）和干旱頻率（drought frequency，DF）來量化干旱特征。干旱歷時表示處于持續(xù)干旱狀態(tài)下的干旱月數(shù)；干旱峰值表示干旱發(fā)生期間SPI最小值的絕對值；干旱烈度表示干旱嚴重度與干旱歷時的比值；干旱嚴重度表示干旱發(fā)生期間SPI累加值的絕對值；干旱頻率指發(fā)生干旱的年份數(shù)量與研究時段內(nèi)總年份數(shù)量的比值，用來表征干旱發(fā)生的頻繁程度。具體計算公式如下：

DD=t1-t0（3）

DP=Zmin（4）

DI=DSDD（5）

DS=DDi=1Zi（6）

DF=nN×100%（7）

式中：t1為干旱開始時間；t0為干旱結(jié)束時間；Z_min為干旱發(fā)生期間SPI的最小值；i為干旱發(fā)生時的一個月；Zi為某場干旱事件發(fā)生期間月份i的SPI值；n為發(fā)生干旱的年數(shù)或者季節(jié)數(shù)；N為總的年數(shù)或總的季節(jié)數(shù)。

3 結(jié)果與分析

3.1 降水產(chǎn)品精度評估

為直觀判別不同源降水數(shù)據(jù)在烏江流域的空間差異，分別基于CMFD、MSWEP、ERA5以及同期地面氣象站點（Gauge）的降水數(shù)據(jù)繪制烏江流域多年平均降水空間分布圖，如圖2所示。從圖2中可以看出，烏江流域多年平均降水表現(xiàn)為由西南向東北逐漸增加的趨勢（圖2（a）），CMFD與MSWEP對這一現(xiàn)象捕捉較為準確，而ERA5表現(xiàn)為嚴重高估，該結(jié)論與Jiang等^［31］在中國大陸區(qū)域?qū)RA5降水數(shù)據(jù)進行的精度評估結(jié)論相似。15個站點平均高估程度超過80%，但總體上同樣表現(xiàn)為西南低東北高的趨勢。

進一步對比分析3種降水產(chǎn)品在烏江流域季節(jié)尺度上的準確性，基于各站點季節(jié)降水數(shù)據(jù)，繪制烏江流域季節(jié)降水泰勒圖，如圖3所示。可以明顯看出，ERA5在四季均距離Gauge點最遠，其數(shù)據(jù)精度較差。而CMFD與MSWEP距離Gauge點較近，相關(guān)系數(shù)均大于0.9，數(shù)據(jù)精度明顯高于ERA5，其中，CMFD數(shù)據(jù)精度又略優(yōu)于MSWEP。

用于計算SPI1、SPI3、SPI6、SPI12的降水數(shù)據(jù)均是以月降水數(shù)據(jù)為基礎(chǔ)計算得到，為直觀比較3種數(shù)據(jù)在烏江流域的精度差異，基于1979年1月至2016年12月15個站點的算術(shù)面平均降水，繪制逐月降水散點圖，如圖4所示。從圖4中可以明顯看到，ERA5降水數(shù)據(jù)總體位于1∶1線上方，表明ERA5降水數(shù)據(jù)相較站點降水數(shù)據(jù)來說總體偏大，而CMFD與MSWEP則較均勻地分布在1∶1線的兩側(cè)，表明這兩種數(shù)據(jù)精度較高，二者相關(guān)系數(shù)分別為0.99和0.98，而ERA5相關(guān)系數(shù)為0.76，3種降水數(shù)據(jù)均通過0.01水平的顯著性檢驗。

圖5為CMFD、MSWEP和ERA5這3種降水數(shù)據(jù)和地面氣象站點的相關(guān)系數(shù)，均通過0.01水平的顯著性檢驗。可以發(fā)現(xiàn)，各個站點CMFD與MSWEP的相關(guān)系數(shù)均明顯高于ERA5，CMFD和MSWEP在15個站點相關(guān)系數(shù)的平均值分別為0.94和0.93，ERA5僅為0.66。其中在仁懷站3種降水產(chǎn)品的相關(guān)系數(shù)均最低，分別為0.84，0.87，0.60。

3.2 降水產(chǎn)品在干旱監(jiān)測中的適用性分析

為進一步評估CMFD、MSWEP和ERA5這3種降水產(chǎn)品在烏江流域干旱監(jiān)測中的適用性，基于站點降水算術(shù)平均值，計算這3種降水產(chǎn)品以及氣象站點在1，3，6，12個月時間尺度上的SPI值，得到1979～2016年各時間尺度的年際變化，如圖6所示。從圖6中可以看出，3種降水產(chǎn)品均表現(xiàn)出頻繁的干濕交替現(xiàn)象，隨著時間尺度的增加，其波動頻率降低且幅度減弱。其中基于CMFD與MSWEP降水產(chǎn)品計算得到的SPI值在捕捉不同時間尺度的SPI趨勢方面表現(xiàn)較優(yōu)，與氣象站點數(shù)據(jù)之間存在著較高的一致性，在4種時間尺度上的相關(guān)系數(shù)均高于0.94。而ERA5與氣象站點之間的一致性則較差，且隨著時間尺度的增加，基于ERA5計算的SPI時間序列與基于地面站點數(shù)據(jù)計算的SPI時間序列之間的差異愈加明顯，其相關(guān)性逐漸降低，4種時間尺度上的相關(guān)系數(shù)平均值僅有0.46，說明ERA5降水產(chǎn)品隨著時間尺度的增加，其捕捉干濕變化情況的能力有所減弱。這主要是因為SPI基于不同時間尺度累計降水量與歷史平均水平進行對比從而反饋干濕狀況，累積降水量會隨著時間尺度的增加而增多，由于誤差的累積效應(yīng)，ERA5的誤差會隨著時間尺度的增加而增大，從而表現(xiàn)為ERA5對于干濕狀況的捕捉能力隨時間尺度的增加而逐漸降低。

鑒于SPI12能夠反映長期的旱澇變化特征，且長時間尺度的干旱對流域的影響更加嚴重，因此針對各站點對比分析3種降水產(chǎn)品在長時間尺度上對干旱事件的捕捉能力，如圖7所示。從圖7中可以發(fā)現(xiàn)，CMFD與MSWEP計算的SPI12值與基于實測降水數(shù)據(jù)計算的SPI12值之間的擬合程度較好，除仁懷站（CMFD相關(guān)系數(shù)為0.45，MSWEP相關(guān)系數(shù)為0.47）外，其余各站點CMFD與MSWEP的相關(guān)系數(shù)均高于0.65，與地面氣象站點之間的一致性較高，表明這兩種數(shù)據(jù)可以較好地捕捉烏江流域長時間尺度的干旱事件。而ERA5相關(guān)系數(shù)最高為酉陽站的0.59，最低為都勻站的0.03。特別對于2002年，ERA5在各站點的SPI12均表現(xiàn)為明顯高估，主要是由于ERA5嚴重高估了烏江流域2002年降水量，高估程度達到282%，從而使得SPI12表現(xiàn)為高估。

基于3種降水產(chǎn)品以及地面氣象站點降水數(shù)據(jù)計算得到的SPI12值，計算各個站點的干旱頻率，采用反距離加權(quán)平均法對流域內(nèi)及其周邊站點進行空間插值，繪制SPI12干旱頻率空間分布圖，如圖8所示。從圖8中可以看到，3種降水產(chǎn)品均表現(xiàn)出不同的空間異質(zhì)性，與站點降水數(shù)據(jù)之間均存在一定的差異。其中，基于地面氣象站點的干旱頻率表現(xiàn)出西南和東北高、中間低的空間分布，CMFD能大致反映出實際的干旱頻率空間分布，但在中部地區(qū)的干旱頻率明顯偏低，其中CMFD在息烽站的干旱頻率為23.68%，低于實測站點的31.58%。而MSWEP在東北部地區(qū)的干旱頻率則明顯偏高，MSWEP在正安站的干旱頻率為42.11%，高于實測站點的36.84%，而在中部地區(qū)MSWEP同樣高估了干旱發(fā)生的頻率。而對于ERA5，其在中東部地區(qū)干旱頻率明顯低估，可能原因是ERA5降水數(shù)據(jù)高估實測站點降水，導(dǎo)致其干旱頻率出現(xiàn)低估。

圖9為季節(jié)尺度干旱頻率的空間分布。從圖9中可以看出，在春季，基于地面氣象站點的干旱頻率空間分布大致呈東北低西南高的分布（圖9（a）），這與其流域地形及降水分布相似，在流域地形較高的西南地區(qū)降水較少，而在地形較低的東北地區(qū)降水較多，如圖2（a）所示。CMFD則表現(xiàn)在流域中部干旱頻率較低（圖9（b）），而在東北和西南高的趨勢，其干旱頻率的低值區(qū)相較于地面氣象站點出現(xiàn)了向下的偏移。而對于MSWEP和ERA5，兩者呈現(xiàn)出相似的空間分布特征，均表現(xiàn)為東北低西南高的空間分布，但在具體細節(jié)的刻畫上與地面氣象站點仍存在一定差距；在夏秋兩季，CMFD均表現(xiàn)出與地面氣象站點相似的空間分布，基于站點的夏秋兩季平均干旱頻率分別為29.82%和33.68%，CMFD的則為30.18%和32.81%。而MSWEP和ERA5與地面氣象站點之間的差異則較大，在夏季，兩者在東北部和西南部出現(xiàn)低估，而在秋季，兩者均出現(xiàn)明顯的低估，MSWEP和ERA5的平均干旱頻率分別為32.63%和30.70%，低于站點的33.68%；對于冬季而言，CMFD和MSWEP與站點之間均存在不同的空間分布差異，其中CMFD在流域中部表現(xiàn)出明顯高估，而在西南部則表現(xiàn)為低估，MSWEP在東北部則表現(xiàn)出低估。ERA5則表現(xiàn)出與地面氣象站點相似的干旱趨勢，從西南到東北呈高-低-高的空間分布?？傮w來看，CMFD能較準確地反映烏江流域季節(jié)尺度干旱頻率空間分布，這與季節(jié)降水精度評價結(jié)論相一致。

總體而言，CMFD對于烏江流域年尺度和季節(jié)尺度干旱頻率的刻畫較為準確，其主要原因是CMFD同化了國內(nèi)地面氣象站點資料，使其得到的降水數(shù)據(jù)更貼近實際降水過程，因而其準確度較高。但受限于插值算法的不同以及站點數(shù)量的限制，由站點插值得到的干旱頻率空間分布可能并不能反映實際的干旱頻率空間分布情況，因此在評價烏江流域?qū)嶋H的干旱頻率空間分布特征時存在一定的局限性。

3.3 基于區(qū)域平均的典型干旱事件分析

為評估CMFD、MSWEP、ERA5這3種降水產(chǎn)品對干旱事件的監(jiān)測能力，基于烏江流域內(nèi)及其周邊15個站點的平均降水計算得到的SPI指數(shù)，結(jié)合游程理論方法識別烏江流域發(fā)生的干旱事件，利用干旱歷時、烈度、峰值以及嚴重度對其進行量化。根據(jù)地面氣象站點計算得到的SPI3值，共識別出1979～2016年20次干旱事件，CMFD與MSWEP識別出其中19次干旱事件，而ERA5僅識別出其中11次干旱事件。根據(jù)干旱歷時長短、烈度高低、峰值高低和嚴重度高低，從地面氣象站點識別出的20場干旱事件中選取其中4場典型的干旱事件進行分析，如表2所列。

（1） 干旱事件event1發(fā)生在1979年3～5月，干旱持續(xù)時間3個月，持續(xù)時間短，但烈度較高，達到1.43，嚴重度為4.30，峰值1.61，干旱類型為重旱。該次干旱事件屬于典型的短時高強度干旱類型。CMFD、MSWEP和ERA5這3種降水產(chǎn)品均能捕捉到干旱的起止時間，但僅CMFD捕捉到峰值時間，且烈度、峰值和嚴重度均較為準確，但都出現(xiàn)了輕微的低估。而MSWEP和ERA5低估則較為嚴重，MSWEP對烈度、峰值和嚴重度分別低估21.0%，20.5%和27.9%，ERA5則高達41.9%，41.0%和41.9%。

（2） 干旱事件event2發(fā)生在1989年5～9月，干旱持續(xù)時間5個月，烈度較低為1.16，嚴重度5.78，峰值1.96，為重旱類型。CMFD、MSWEP和ERA5這3種降水產(chǎn)品均能捕捉到干旱的起止時間以及峰值時間，CMFD和ERA5對該場干旱事件的監(jiān)測較為準確。而MSWEP則表現(xiàn)出明顯的高估，對烈度、峰值和嚴重度分別高估12.9%，7.14%和13.3%。

（3） 干旱事件event3發(fā)生在2009年7月至2010年6月，是研究期內(nèi)持續(xù)時間最長的一次干旱，持續(xù)時間達到12個月，其涉及范圍之廣、影響程度之深均為歷史罕見^［20］。本次干旱嚴重度達到17.37，烈度1.45，峰值達到2.15，處于特旱狀態(tài)。CMFD和MSWEP均監(jiān)測到本次極端干旱事件，但MSWEP監(jiān)測到的干旱時段提前了一個月，其干旱烈度相較CMFD而言更接近地面氣象站點，但峰值則要偏大16.3%。ERA5則沒有監(jiān)測到本次干旱事件。

（4） 干旱事件event4發(fā)生在2011年3～10月，干旱持續(xù)時間8個月，其烈度和峰值在整個研究期內(nèi)最高，烈度達到了1.96，嚴重度為15.69，峰值2.87，處于特旱狀態(tài)。CMFD、MSWEP和ERA5均捕捉到本次干旱事件，其中CMFD和ERA5均捕捉到峰值時間，但干旱時段則分別提前一個月和延后一個月。對于烈度而言，3種降水產(chǎn)品與地面氣象站點之間相差不大。CMFD、MSWEP和ERA5的峰值均為研究期內(nèi)最高，其中CMFD與MSWEP對峰值明顯高估，分別達到12.9%和18.1%，ERA5則較準確地監(jiān)測到本次干旱峰值。同樣對于嚴重度而言，CMFD與ERA5明顯偏大，分別高估14.9%和19.8%，MSWEP嚴重度較準確。

4 討 論

CMFD與MSWEP在烏江流域干旱監(jiān)測中具有較好的應(yīng)用潛力，其主要原因是這兩種降水產(chǎn)品均同化了地面站點降水數(shù)據(jù)，降水數(shù)據(jù)具有較高的精度，這已經(jīng)得到不少研究人員在不同區(qū)域或流域的證實^{［10，32-33］}。其中MSWEP已在干旱監(jiān)測領(lǐng)域得到研究^［11-13］，而針對CMFD的干旱監(jiān)測研究還較為匱乏。此外，CMFD與MSWEP雖然具有較高的精度，但并不能直接用其代替實測站點數(shù)據(jù)。本文僅利用了烏江流域及其周邊共15個站點降水數(shù)據(jù)，站點數(shù)量少會給CMFD與MSWEP的評估帶來一定影響，隨著地面氣象站點數(shù)據(jù)的不斷完善以及多源降水產(chǎn)品的不斷改進，烏江流域的干旱監(jiān)測精度將會得到不斷提高。

ERA5雖然誤差較大，但其在時間和空間上的變化趨勢與地面站點大致相同^［10］，因此后期可考慮利用線性縮放法、參數(shù)轉(zhuǎn)換法等算法對其降水數(shù)據(jù)進行偏差校正，以達到提高降水數(shù)據(jù)質(zhì)量的目的，最終實現(xiàn)對流域內(nèi)的干旱監(jiān)測。此外，本文僅針對降水一個要素進行干旱評價，而影響干旱發(fā)生的因素眾多，包括溫度、濕度、蒸散發(fā)等，僅利用SPI指數(shù)進行評價存在一定的局限性，未來可利用SPI、SPEI、PDSI等指數(shù)對多要素進行干旱的綜合評價，以提高干旱評估的合理性。

5 結(jié) 論

本文基于CMFD、MSWEP、ERA5以及氣象站點觀測數(shù)據(jù)，計算了1，3，6，12個月時間尺度的SPI值，分析評估不同時間尺度上烏江流域的干旱特征。主要結(jié)論如下：

（1） CMFD與MSWEP能準確反映出烏江流域多年平均降水空間分布，在季節(jié)尺度和月尺度上精度同樣較高，相關(guān)系數(shù)均高于0.9。而ERA5對降水存在明顯高估的現(xiàn)象，數(shù)據(jù)質(zhì)量較差，建議在使用時對其進行偏差校正。

（2） 基于CMFD與MSWEP降水產(chǎn)品計算得到的SPI值在捕捉不同時間尺度的SPI趨勢方面表現(xiàn)較優(yōu)，與氣象站點數(shù)據(jù)之間存在著較高的一致性。而ERA5則表現(xiàn)為隨著時間尺度增加，相關(guān)性逐漸降低。

（3） 在干旱頻率空間分布上，3種降水產(chǎn)品都表現(xiàn)出了不同的空間異質(zhì)性，但總體上CMFD對于年尺度和季節(jié)尺度的干旱頻率空間分布的刻畫較為準確，MSWEP和ERA5差異則較大。

（4） 在對干旱事件識別能力方面，CMFD與MSWEP均能監(jiān)測到流域內(nèi)發(fā)生的絕大多數(shù)干旱事件，且對各典型干旱事件的歷時、烈度、嚴重度等干旱特征的捕捉均要優(yōu)于ERA5。而ERA5漏測掉大部分干旱事件，特別是event3這種持續(xù)時間長的典型干旱事件，其對干旱事件的監(jiān)測還具有較大的不確定性。

參考文獻：

［1］ 沈彥軍，李紅軍，雷玉平.干旱指數(shù)應(yīng)用研究綜述［J］.南水北調(diào)與水利科技，2013，11（4）：128-133.

［2］ DRACUP J A，LEE K S，PAULSON E G.On the definition of droughts［J］.Water Resources Research，1980，16（2）：297-303.

［3］ 周波濤，錢進.IPCC AR6報告解讀：極端天氣氣候事件變化［J］.氣候變化研究進展，2021，17（6）：713-718.

［4］ IPCC.Climate change 2021-the physical science basis［J］.Chemistry International，2021，43（4）：22-23.

［5］ LI Y，ZHAO S S，WANG G F.Spatiotemporal variations in meteorological disasters and vulnerability in China during 2001-2020［J］.Frontiers in Earth Science，2021，9：789523.

［6］ 王舒，肖高翔.4種氣象干旱指數(shù)在新疆的適用性分析［J］.人民長江，2021，52（9）：86-92，100.

［7］ 趙水霞，周泉成，王文君，等.基于SPI指數(shù)的內(nèi)蒙古地區(qū)干濕氣候特征［J］.中國水利水電科學(xué)研究院學(xué)報（中英文），2022，20（1）：10-19.

［8］ 劉叢偉，胡珊珊，張濤，等.基于SPI指數(shù)的白洋淀流域干旱演變特征分析［J］.水土保持研究，2022，29（6）：254-259.

［9］ 郝增超，侯愛中，張璇，等.干旱監(jiān)測與預(yù)報研究進展與展望［J］.水利水電技術(shù)，2020，51（11）：30-40.

［10］丁光旭，郭家力，湯正陽，等.多種降水再分析數(shù)據(jù)在長江流域的適用性對比［J］.人民長江，2022，53（9）：72-79.

［11］許昕彤，朱麗，呂瀟雨，等.MSWEP降水產(chǎn)品在黃河流域氣象干旱監(jiān)測中的適用性評價［J］.干旱區(qū)地理，2023，46（3）：371-384.

［12］LI M，LV X Y，LI Z，et al.Evaluation and application of MSWEP in drought monitoring in Central Asia［J］.Atmosphere，2022，13（7）：1053.

［13］LI Y Z，ZHUANG J C，BAI P，et al.Evaluation of three long-term remotely sensed precipitation estimates for meteorological drought monitoring over China［J］.Remote Sensing，2022，15（1）：86.

［14］ZHANG R Q，LI L，ZHANG Y，et al.Assessment of agricultural drought using soil water deficit index based on ERA5-Land soil moisture data in four southern provinces of China［J］.Agriculture，2021，11（5）：411.

［15］ZHANG X，DUANG Y W，DUAN J P，et al.A daily drought index based on evapotranspiration and its application in regional drought analyses［J］.Science China Earth Sciences，2021，65（2）：317-336.

［16］CAI S H，SONG X N，HU R H，et al.Spatiotemporal characteristics of agricultural droughts based on soil moisture data in Inner Mongolia from 1981 to 2019［J］.Journal of Hydrology，2021，603：127104.

［17］劉婷婷，朱秀芳，郭銳，等.ERA5再分析降水數(shù)據(jù)在中國的適用性分析［J］.干旱區(qū)地理，2022，45（1）：66-79.

［18］馬茜.不同類型降水產(chǎn)品在中國不同分區(qū)的精度評價及干旱監(jiān)測適用性研究［D］.楊凌：西北農(nóng)林科技大學(xué)，2021.

［19］賀中華，陳曉翔，梁虹，等.基于土壤系統(tǒng)結(jié)構(gòu)的喀斯特流域水文干旱分析：以貴州省為例［J］.自然資源學(xué)報，2013，28（10）：1731-1742.

［20］商崇菊，王群，郝志斌.貴州省2009～2010年特大干旱災(zāi)害成因、特點及影響淺析［J］.中國水利，2010（17）：11-13.

［21］張保國，裘峰，孫偉，等.貴州省2022年旱災(zāi)演變、成因、特點及防治措施［J］.中國防汛抗旱，2023，33（2）：7-11.

［22］孫偉，裘峰，王麗萍，等.2022年貴州省干旱災(zāi)害應(yīng)對與思考［J］.水利水電快報，2023，44（4）：24-27.

［23］李長江，吳海寬，付杰.近50年烏江流域降雨演變趨勢研究［J］.水利建設(shè)與管理，2022，42（11）：73-78.

［24］WU H，HAYES M J，WILHITE D A，et al.The effect of the length of record on the standardized precipitation index calculation［J］.International Journal of Climatology，2005，25（4）：505-520.

［25］HE J，YANG K，TANG W，et al.The first high-resolution meteorological forcing dataset for land process studies over China［J］.Scientific Data，2020，7（1）：25.

［26］BECK H E，WOOD E F，PAN M，et al.MSWEP V2 global 3-hourly 0.1° precipitation：methodology and quantitative assessment［J］.Bulletin of the American Meteorological Socety，2019，100（3）：473-500.

［27］MCKEE T B，DOESKEN N J，KLEIST J.The relationship of drought frequency and duration to time scales［C］∥Proceedings of the Eighth Conference on Applied Climatology，Anaheim，California，1993.

［28］中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局，中國國家標準化管理委員會.氣象干旱等級：GB/T 20481—2017［S］.北京：中國標準出版社，2017.

［29］顏雅瓊，岳元，唐舟，等.氣候變化背景下淮河流域干旱演變特征［J］.水土保持研究，2023，30（3）：336-344.

［30］王曉峰，張園，馮曉明，等.基于游程理論和Copula函數(shù)的干旱特征分析及應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報，2017，33（10）：206-214.

［31］JIANG Q，LI W Y，F(xiàn)AN Z D，et al.Evaluation of the ERA5 reanalysis precipitation dataset over Chinese mainland［J］.Journal of Hydrology，2021，595：125660.

［32］黃琦，王瑞敏，向俊燕，等.三種降水產(chǎn)品在雅礱江流域的時空適用性研究［J］.水文，2020，40（4）：14-21.

［33］LI L J，WANG Y T，WANG L Z，et al.Spatio-temporal accuracy evaluation of MSWEP daily precipitation over the Huaihe River Basin，China：a comparison study with representative satellite-and reanalysis-based products［J］.Journal of Geographical Sciences，2022，32（11）：2271-2290.

（編輯：謝玲嫻）

Applicability evaluation on drought monitoring in Wujiang River Basin using multi-source precipitation data

LIU Xingju¹，DING Guangxu²，TIAN Siyuan²，HUANG Li¹，GAN Hengyu¹

（1.Guizhou Wujiang Hydropower Development Co.，Ltd.，Guiyang 550002，China； 2.PowerChina Guiyang Engineering Co.，Ltd.，Guiyang 550081，China）

Abstract：

To compensate for the uncertainty in drought monitoring due to scarcity of ground stations and data measurement，we selected three high spatial-temporal resolution precipitation products，CMFD，MSWEP and ERA5，for analysis.By using precipitation data from 15 ground meteorological stations in and around the Wujiang River Basin spanning 1979 to 2016，the accuracies of three precipitation products in the Wujiang River Basin and their suitability for drought monitoring in various time scales were analyzed and evaluated using the standardized precipitation index （SPI）.The results revealed that CMFD and MSWEP demonstrate remarkable detection precision，accurately portraying the spatial distribution of annual average precipitation over the Wujiang River Basin，whereas ERA5 exhibits significant overestimation.On both seasonal and monthly scales，the correlation coefficients of CMFD and MSWEP exceed 0.9，indicating a superior data accuracy compared to ERA5.Furthermore，CMFD and MSWEP exhibit high consistency with ground stations in calculating SPI across different time scales，with correlation coefficients surpassing 0.94.Conversely，the consistency between ERA5 and stations diminishes as the time scales augment，resulting in an average correlation coefficient of merely 0.46.Although none of the three precipitation products emerged as a clear winner in portraying the spatial distribution of drought frequency，CMFD generally outperforms MSWEP and ERA5.CMFD also excels in capturing drought duration，intensity，peak and severity，followed by MSWEP and ERA5.In conclusion，CMFD and MSWEP provide valuable data support for drought monitoring in the basin，while the precipitation data quality of ERA5 necessitates further improvement.The outcomes of this research will contribute significantly to drought monitoring and early warning in the Wujiang River Basin.

Key words：

drought monitoring； standardized precipitation index； CMFD； MSWEP； ERA5； Wujiang River Basin