基于GAMLSS模型的青海省非平稳NSPEI干旱时空特征分析.pdf

第3 0卷第6期2 0 2 3年1 2月水土保持研究R e s e a r c ho fS o i l a n dW a t e rC o n s e r v a t i o nV o l.3 0,N o.6D e c.,2 0 2 3 收稿日期:2 0 2 2-0 8-0 2 修回日期:2 0 2 2-1 0-0 9 资助项目:陕西省科技统筹创新计划项目“现代农业节水技术模式与高效用水物联网系统基金”(2 0 1 6 K T Z D NY-0 1-0 1)第一作者:孙媛(1 9 9 7),女,内蒙古包头人,硕士研究生,研究方向为气候变化下的干旱识别与时空演变规律。E-m a i l:s u n y u a n 0 3 1 0n w a-f u.e d u.c n 通信作者:张鑫(1 9 6 8),男,河南淅川人,博士,教授,主要从事气候变化与水循环、干旱识别与时空演变规律研究。E-m a i l:z h x i n n w s u a f.e d u.c nh t t p:s t b c y j.p a p e r o n c e.o r gD O I:1 0.1 3 8 6 9/j.c n k i.r s w c.2 0 2 3.0 6.0 0 7.孙媛,张鑫,闫彩,等.基于GAML S S模型的青海省非平稳N S P E I干旱时空特征分析J.水土保持研究,2 0 2 3,3 0(6):3 1 6-3 2 7,3 3 6.S u nY u a n,Z h a n gX i n,Y a nC a i,e t a l.S p a t i o t e m p o r a lC h a r a c t e r i s t i c so fD r o u g h tU s i n gN S P E I i nQ i n g h a i P r o v i n c eB a s e do n t h eGAML S SM o d e lJ.R e s e a r c ho fS o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,3 0(6):3 1 6-3 2 7,3 3 6.基于G AML S S模型的青海省非平稳N S P E I干旱时空特征分析孙 媛1,张 鑫1,闫 彩1,赵雪岩2,雒舒琪1,胡晓萌1(1.西北农林科技大学 水利与建筑工程学院,陕西 杨凌7 1 2 1 0 0;2.黄河水利委员会 山东水文水资源局 艾山水文站,山东 聊城2 5 2 2 0 0)摘 要:目的 识别气象变量在气候变化影响下出现的非平稳特征,揭示青海省气象干旱特征的时空演变规律,进而为青海省抗旱减灾提供一定的技术支持。方法 基于GAML S S模型构建以气候因子为解释变量的非平稳N S P E I,通过与传统S P E I对比遴选一种更适合青海省的气象干旱指数,并利用游程理论与C o p u l a方法分析了不同情景下干旱重现期的分布特征。结果N S P E I较S P E I能更准确地识别青海省不同干旱程度,尤其对于较严重干旱事件。1 9 6 12 0 2 0年青海省干旱频率呈下降趋势且主要发生中度干旱和轻度干旱,干旱频率高发区为柴达木盆地西北部,青南牧区西南部为干旱低频区;干旱历时、干旱烈度分别以0.0 1 89/a,0.0 1 66/a的速率减小,两干旱特征时空变化较同步,均由西北向东北部递减。在中旱情景下,T o r平均为2.7 9a一遇,T a n d平均为7.5 2a一遇;重旱T o r平均为4.1 1a一遇,T a n d平均为1 6.2 2a一遇,青海省西南部是中、重旱高风险集中区,而东部农业区为重、中旱低风险集中区。结论 青海省降水、气温序列的平稳性不复存在,考虑以气候因子为协变量N S P E I在揭示青海省时空变化趋势方面更有优势,可以用来预测未来青海省气象干旱的变化情况。关键词:G AML S S模型;非平稳干旱;C o p u l a理论;青海省;干旱重现期中图分类号:P 4 6 7 文献标识码:A 文章编号:1 0 0 5-3 4 0 9(2 0 2 3)0 6-0 3 1 6-1 2S p a t i o t e m p o r a lC h a r a c t e r i s t i c so fD r o u g h tU s i n gN S P E I i nQ i n g h a iP r o v i n c eB a s e do nt h eG AML S SM o d e lS u nY u a n1,Z h a n gX i n1,Y a nC a i1,Z h a oX u e y a n2,L u oS h u q i1,H uX i a o m e n g1(1.C o l l e g eo fW a t e rR e s o u r c e sa n dA r c h i t e c t u r a lE n g i n e e r i n g,N o r t h w e s tA&FU n i v e r s i t y,Y a n g l i n g,S h a a n x i7 1 2 1 0 0,C h i n a;2.A i s h a nH y d r o l o g i cS t a t i o n,S h a n d o n gH y d r o l o g ya n dW a t e rR e s o u r c e sB u r e a u,Y e l l o wR i v e rW a t e rR e s o u r c e sC o mm i s s i o n,L i a o c h e n g,S h a n d o n g2 5 2 2 0 0,C h i n a)A b s t r a c t:O b j e c t i v eT h ea i m so f t h i ss t u d ya r et oi d e n t i f yt h en o n-s t a t i o n a r yc h a r a c t e r i s t i c so fm e t e o r o l o g i c a lv a r i a b l e su n d e r t h e i n f l u e n c eo f c l i m a t ec h a n g ea n dr e v e a l t h es p a t i o t e m p o r a l e v o l u t i o n l a wo fm e t e o r o l o g i c a ld r o u g h t c h a r a c t e r i s t i c s i nQ i n g h a iP r o v i n c e,s oa st op r o v i d es o m et e c h n i c a ls u p p o r tf o rd r o u g h tr e l i e fa n dd i s a s t e r r e d u c t i o n i nQ i n g h a iP r o v i n c e.M e t h o d sB a s e do nGAML S Sm o d e l,an o n-s t a t i o n a r yN S P E Iw i t hc l i m a t i c f a c t o r sa se x p l a n a t o r yv a r i a b l e sw a sc o n s t r u c t e d.A m e t e o r o l o g i c a ld r o u g h t i n d e xm o r es u i t a b l ef o rQ i n g h a iP r o v i n c ew a s s e l e c t e db yc o m p a r i n gw i t ht h e t r a d i t i o n a l S P E I,a n d t h ed i s t r i b u t i o nc h a r a c t e r i s t i c so fd r o u g h t r e t u r np e r i o d su n d e rd i f f e r e n ts c e n a r i o sw e r ea n a l y z e db yu s i n gt h er u nl e n g t ht h e o r ya n dC o p u l am e t h o d.R e s u l t sC o m p a r e dw i t hS P E I,N S P E I c o u l d i d e n t i f yd i f f e r e n t d r o u g h t d e g r e e s i nQ i n g h a i P r o v i n c em o r ea c c u r a t e l y,e s p e c i a l l yf o r s e v e r ed r o u g h t e v e n t s.F r o m1 9 6 1t o2 0 2 0,t h ed r o u g h t f r e q u e n c y i nQ i n g h a iP r o v i n c es h o w e dad e c r e a s i n gt r e n da n dm o d e r a t ea n dm i l dd r o u g h tm a i n l yo c c u r r e d.T h eh i g hd r o u g h t f r e-q u e n c yo c c u r r e d i nt h en o r t h w e s to fQ a i d a mB a s i na n dt h el o wd r o u g h t f r e q u e n c ya r e ai nt h es o u t h w e s to fQ i n g n a np a s t o r a l a r e a.D r o u g h td u r a t i o na n dd r o u g h t i n t e n s i t yd e c r e a s e da t 0.0 1 89/aa n d0.0 1 66/a,r e s p e c-t i v e l y.T h es p a t i o t e m p o r a l c h a n g e so f t h e t w od r o u g h t c h a r a c t e r i s t i c sw e r es y n c h r o n o u s,a n db o t hd e c r e a s e df r o mn o r t h w e s t t on o r t h e a s t.I nt h em o d e r a t ed r o u g h t s c e n a r i o,T o r a n dT a n da v e r a g e d2.7 9a n d7.5 2y e a r s,r e s p e c t i v e l y.T h ea v e r a g eT o ro f s e v e r ed r o u g h tw a s4.1 1y e a r s,a n dt h ea v e r a g eT a n dw a s1 6.2 2y e a r s.T h es o u t h w e s to fQ i n g h a i P r o v i n c ew a s t h eh i g hr i s ka r e ao fm o d e r a t e a n ds e v e r ed r o u g h t,w h i l e t h e e a s t e r na g r i-c u l t u r a l a r e aw a s t h eh e a v ya n d l o wr i s ka r e ao fm o d e r a t e a n ds e v e r ed r o u g h t.C o n c l u s i o nT h e s t a t i o n a r i t i e so fp r e c i p i t a t i o na n dt e m p e r a t u r es e r i e s i nQ i n g h a iP r o v i n c en ol o n g e re x i s t.C o n s i d e r i n gt h a tN S P E I,w h i c ht a k e sc l i m a t ef a c t o ra sc o v a r i a b l e,h a sm o r ea d v a n t a g e si nr e v e a l i n gt h es p a t i o t e m p o r a lv a r i a t i o nt r e n do fQ i n g h a iP r o v i n c e,i t c a nb eu s e dt op r e d i c t t h e f u t u r ec h a n g eo fm e t e o r o l o g i c a l d r o u g h t i nQ i n g h a iP r o v i n c e.K e y w o r d s:GAML S S m o d e l;n o ns t a t i o n a r yd r o u g h t;C o p u l a sc o n n e c tt h e o r y;Q i n g h a iP r o v i n c e;d r o u g h tr e t u r np e r i o d 干旱是指在一定时期区域内由水分收支不平衡而引发的一种缺水现象,具有广泛且深远的时空影响效应1。I P C C 6报告指出,我国气温将持续上升直到2 0 5 0年且各地极端干旱事件将会变得更频繁、严重2。干旱问题已经成为我国乃至全球普遍关注的问题。青海省位于我国青藏高原东北部,由于具有特殊的高寒干旱气候条件与复杂多样的地形、地貌特征3,导致其气象干旱灾害发生频率较高、持续时间较长,对全省农牧业经济发展、人类生产生活以及生态环境的影响较大。根据青海省1 9 8 42 0 1 7年气象灾害记录,3 4a里干旱灾害发生的频数为1 6 6次,造成年均经济损失47 0 2万元,年均农作物受灾面积3.6万h m24。因此,在气候变化背景下,为青海省寻求适合的气象干旱检测指标是干旱事件的识别与预测的首要任务,以期达到对防御干旱灾害、降低干旱风险影响具有重要的理论价值和实践意义。一个合适的干旱检测指标可以有效减少干旱灾害对生态环境、农牧业发展以及国民经济的损失,在干旱监测和量化中越来越多的气象干旱指数被开发出来5。比如,帕尔默干旱指数(P D S I)、标准化降水指数(S P I)、标准化降水蒸散指数(S P E I)等6-8。其中S P E I的提出弥补了P D S I与S P I这两种指数的不足,它不仅考虑了气温变异性的影响,而且还适用于多时间尺度特征的比较,适用性范围较广9。温家兴等1 0证明了多尺度S P E I对表征青海省干旱有较好的适用性,范磊等1 1利用S P E I确定了青海省干旱与大气环流有一定的响应关系。值得注意的是,之前研究中S P E I指数是在水文气象序列满足平稳性假设前提下进行计算的,即降水、气温时间序列的期望、方差是固定的。但是在气候变化下,国内外众多学者证明了长期水文序列的平稳性不复存在1 2。目前,已有学者针对非平稳问题构建了一些非平稳气象干旱检测指标。W a n g等1 3通过构建非平稳伽马模型,提出了基于时间变化的非平稳标准化降水指数(S P I t)。L i等1 4基于GAML S S模型纳入以气候指数作为降水时间序列的协变量建立N S P I,研究显示该指数能更好地描述和评估滦河流域的干旱特征。然而,这些研究大多都是针对降水气象变量的非平稳性开展的,却忽略了在气候变化下气温的非平稳性。温庆志等1 5提出N S P E I指数并发现中国气象站点中8 8%的站点对N S P E I的拟合效果较好。这表明N S P E I在我国的适应性较好,对于该指数的进一步研究也是很有必要的。同时,由于诸多学者考虑到GAML S S模型能 有 效 地 识 别 统 计 参 数 线 性 以 及 非 线 性 特征1 6,因此该模型被广泛应用到构建非平稳干旱指数中。S o n g等1 7利用GAML S S模型考虑分布参数与气候指数的非线性变化构建了N S P I,为长江中下游地区提供了一种可行的干旱评估方法。近年来,越来越多的研究表明,水文系统常受到E N S O,AMO等大尺度气象环流因子影响1 8,但极少有学者将气候因子视为协变量纳入降水-潜在蒸散序列之中构建非平稳气象干旱指数。因此,鉴于青海省降水、气温等年际变化与大尺度气候指数间存在遥相关关系,本文拟在GAML S S框架内同时考虑降水、气温的位置参数与气候指数的变化关系,构建非平稳状态下的N S P E I,来弥补传统平稳气象干旱指数的不足。基于青海省历史灾情数据将N S P E I指数与S P E I指数进行对比分析,寻求更好的干旱监测指数来表示青海省干旱时空演变规律,并分析不同情景下干旱特征的联合重现期分布特713第6期 孙媛等:基于GAML S S模型的青海省非平稳N S P E I干旱时空特征分析征,以期为青海省旱灾决策和应对未来气候变化提供理论支持和科学依据。1 资料来源与研究方法1.1 数据资料本文使用的1 9 6 12 0 2 0年青海省及周边共3 0个气象站点的降水、气温、风速等逐日气象数据下载于中国气象数据网(h t t p:d a t a.c m a.c n/),各气象站点分布见图1。文中对所使用的气象数据进行了质量检测,并将观测数据中缺测部分使用线性内插法补齐时间序列。结合前人研究1 4,文中选择5个大尺度气候指数:太平洋年代际涛动(P D O)、北大西洋涛动(NAO)、大西洋数多年代际震荡(AMO)、南方涛动指数(S O I)和北极涛动(AO)。1 9 6 12 0 2 0年气候指数月数据来自于美国国家大气海洋局气候预测中心(NOAA)(h t t p:www.e s r l.n o a a.g o v/t e l e c o n n e c t i o n s/)。注:基于标准地图服务系统下载的审图号G S(2 0 1 9)1 8 2 2号的标准地图制作,底图未做修改,下图同。图1 青海省气象站点分布及高程F i g.1 D i s t r i b u t i o na n de l e v a t i o no fm e t e o r o l o g i c a ls t a t i o n s i nQ i n g h a iP r o v i n c e1.2 研究方法1.2.1 平 稳S P E I V i c e n t e-S e r r a n o等8提 出 的S P E I是根据降水与潜在蒸散水分亏损情况来进行干旱模拟,其中,E T0采用P e n m a n-M o n t e i t h蒸发公式计算。Di=Pi-(E T0)i(1)式中:Pi为月降水量(mm);(E T0)i为月潜在蒸散量(mm);Di为月降水量与月潜在蒸散量的差值;然后根据L o g-l o g i s t i c概率密度函数求Di的累计概率,最后对 累计概率进 行正 态 标 准 化 就 得 到S P E I,其中S P E I的计算公式如下:S P E I=w-c0+c1w+c2w21+d1w+d2w2+d3w3,w=-2 l nP(2)式中:P为超过待定D值的累积概率,当p0.5时,S P E I值的符号被逆转;c0=2.5 1 5 5 1 7,c1=0.8 0 2 8 5 3,c2=0.0 1 0 3 2 8,d1=1.4 3 2 7 8 8,d2=0.1 8 9 2 6 9,d3=0.0 0 1 3 0 8。由于在全球范围内大尺度气候模式与区域内年际、年代际降水等水文变量存在遥相关关系,因此,本文选择1 2个月尺度S P E I进行分析气象干旱的年际变异规律。根据S P E I值将干旱事件分为轻旱D1(-1S P E I-0.5)、中旱D2(-1.5S P E I-1)、重旱D3(2dSs)和“且”(DdSs)两种情况2 4。若干旱历时(D)和干旱烈度(S)的边缘分布函数分别为F(d),F(s),联合分布函数为F(d,s),则二维联合重现期To r和同现重现期Ta n d分别表示为:To r=Nn1-F(d,s)(4)Ta n d=Nn1-F(d)-F(s)+F(d,s)(5)式中:N为系列长度(月);n为研究时段干旱发生次数。2 结果与分析2.1 基于G AML S S模型构建N S P E I2.1.1 非平稳模型的构建 各种研究表明,气候指数对水文气象变量的影响往往伴随着不同时间尺度的滞后效应。本文先对青海省各站点1 2个月尺度时序D与所选的5个气候因子分别进行时滞相关分析,时滞数为01 2个月,并采用P e a r s o n相关系数和S e n s方法来挑选影响最大的气候指标序列。再通过逐步回归方法确定各站点非平稳模型显著(显著性超过9 5%)相关的解释变量。由于本文站点较多,下面只列出了各功能分区具有代表性的1 4个站点中气候因子时滞数以及逐步回归确定的解释变量(表1)。由表1可知,P D O,NAO,S O I,AMO,AO这5个气候指数与青海省干旱分别存在5个月(2 3%的站点)、1个月(3 0%的站点)、0个月(2 7%的站点)、7个月(4 0%的站点)、1 1个月(4 0%的站点)的滞后。结果表明,青海省各站点因地理位置不同受到环流的影响有所不同,西北部柴达木盆地站点主要受AMO,AO的影响,环湖区的主要受P D O,AMO,AO的影响,东部主要受S O I,AMO,AO影响,青南牧区的主要受NAO,AMO,AO的影响,这与范磊等1 1发现较为一致。由于降水与气温变化特征存在空间差异性,导致最终各站点选择最佳非平稳模型的解释变量也是不同的。表1 青海省部分站点气象指数时滞序列与相关解释变量T a b l e1 T i m ed e l a y s e r i e sa n dr e l a t e de x p l a n a t o r yv a r i a b l e so fm e t e o r o l o g i c a l i n d i c e sa t s o m e s t a t i o n s i nQ i n g h a iP r o v i n c站点时滞相关序列(l=0,1,2,1 2)相关解释变量 小灶火P D O(1 2)NAO(5)S O I(1)AMO(0)AO(1 2)P D O*,AO诺木洪P D O(1 2)NAO(9)S O I(7)AMO(2)AO(0)AO*共和P D O(1 2)NAO(1)S O I(2)AMO(1 2)AO(2)P D O*,S O I*,AO西宁P D O(5)NAO(1 2)S O I(0)AMO(0)AO(1 2)P D O*,S O I*,AMO*民和P D O(5)NAO(2)S O I(1 2)AMO(0)AO(2)S O I*,AMO*,AO*兴海P D O(6)NAO(2)S O I(2)AMO(1 2)AO(2)AMO*,AO贵南P D O(1 2)NAO(1)S O I(6)AMO(1 2)AO(2)P D O,AMO*,AO同仁P D O(0)NAO(2)S O I(0)AMO(0)AO(1)NAO*,S O I曲麻莱P D O(5)NAO(5)S O I(2)AMO(1 2)AO(1)NAO*,AO玛沁P D O(7)NAO(2)S O I(2)AMO(1 2)AO(1)AO*囊谦P D O(5)NAO(1 2)S O I(1 1)AMO(2)AO(1 2)S O I,AMO*,AO*托勒P D O(4)NAO(1 0)S O I(9)AMO(2)AO(1)NAO*,S O I*,AMO*祁连P D O(1 2)NAO(0)S O I(1 2)AMO(2)AO(1)P D O*,AMO,AO*门源P D O(4)NAO(1)S O I(1 1)AMO(7)AO(2)P D O*,AO注:*代表显著水平为0.0 0 1,*代表显著水平为0.0 1,*代表显著水平为0.0 5,括号里表示为气候因子时滞数。本文采用最大似然法来估计非平稳模型中最优协变量的参数,并同时构建一个统计参数为常数的平稳模型。根据A I C准则、S B C准则对各站点的平稳模型和非平稳模型的性能进行比较(以3月、6月、1 2月为例)。如图2所示,青海省3 0个站点的箱线图中非平稳模型的A I C值、S B C值中位数均明显低于平稳模型,根据A I C,S B C值最小原则得到,非平稳模型在拟合时序D与气候指数方面要比平稳模型性能表现好。表2展示了代表站点对所构建非平稳模型中位置参数()的估计结果。例如,民和站时序D与上一年1 2月的S O I(l=1 2),1 2月的AMO(l=0)与1 0月的AO(l=2)存在显著相关关系,并将上述气候因子作为最优解释变量代入公式(3)中,得到位置参数与气候因子非平稳拟合结果为:(t)=6.3 3-0.6 S O I(t)-0.0 5 AMO(t)-0.1 8 AO(t),其中气候因子观测值均为1 2个月尺度。913第6期 孙媛等:基于GAML S S模型的青海省非平稳N S P E I干旱时空特征分析图2 青海省平稳模型和非平稳模型的A I C,S B C值的箱线图(3月、6月、9月)F i g.2 B o xp l o t o fA I Ca n dS B Cv a l u e so f s t a t i o n a r ym o d e l a n dn o n-s t a t i o n a r ym o d e l i nQ i n g h a iP r o v i n c e(M a r c h,J u n ea n dS e p t e m b e r)2.1.2 非平稳模型的检验 为检验以气候因子为协变量的非平稳模型的合理性及拟合效果,计算模型残差序列,结果见表2。表2中所有站点的非平稳模型所得到残差序列的均值接近于0,方差接近于1,偏态系数接近于0,峰态系数接近于3,F i l l i b e n系数大于等于0.9 8 7,说明理论残差序列与实测残差序列有良好的相关关系。此外,通过构建分位数图(第5,2 5,5 0,7 5,9 5分位数)、正态QQ图和w o r m图,进一步评估最优非平稳模型的可靠性。由图3可知,以民和站点为例,对比平稳模型和非平稳模型的分位数图,发现非平稳模型能够捕捉大部分实测时序D的变化,尤其更准确捕捉到若干极值点,可以更好地来描述干旱与气候指数非平稳关系。从正态QQ图中可以直观看到,民和站大部分残差点据都是均匀地分布在直线附近,这说明残差点据近似服从标准正态分布;在w o r m图中,模型的实际点据与理论直线分布具有较好的一致性,所有残差点都在9 5%的置信区间内,这也充分证明了大尺度气候因子作为非平稳降水、气温模型的协变量是合理、可靠的。因此,在气候变化的背景下引入非平稳性是必要的,通过构建N S P E I指数来揭示干旱演变特征,可作为干旱评估与分析的重要手段。表2 部分站点非平稳模型的参数估计和残差统计结果T a b l e2 P a r a m e t e r e s t i m a t i o na n dr e s i d u a l s t a t i s t i c a l r e s u l t so fn o n-s t a t i o n a r ym o d e l sa t s o m e s i t e s站点0123均值均方差偏态系数峰度系数概率点据相关系数玛沁5.3 2 7-0.4 8 9-0.0 8 41.0 6 9-0.6 8 93.5 5 20.9 8 2小灶火7.0 8 90.0 3 10.0 4 9-0.0 2 40.9 7 8-0.2 0 82.5 1 90.9 8 9诺木洪6.9 8 8-0.0 0 8-0.2 0 7-0.0 4 11.0 0 4-0.2 4 82.6 4 10.9 8 8共和6.3 2 5-0.0 5 9-0.0 5 1-0.0 1 61.0 1 5-0.2 3 52.7 6 60.9 9 8西宁4.7 0 3-0.4 0 1-0.5 0 2-0.0 1 31.1 3 7-0.2 9 22.5 1 30.9 8 7兴海6.1 2 6-0.1 8 1-0.2 3 9-0.0 6 41.0 1 6-0.5 3 33.0 9 00.9 8 6同仁6.0 8 8-0.2 1 1-0.0 8 8-0.0 4 61.0 3 6-0.4 8 53.0 0 30.9 8 8曲麻莱5.8 1 00.2 8 4-0.2 8 8-0.0 2 40.9 9 0-0.2 3 12.4 3 40.9 9 5门源5.2 1 9-0.1 7 7-0.3 3 4-0.0 8 01.0 3 2-0.7 0 92.9 8 10.9 9 2民和6.3 7 20.0 9 60.2 3 8-0.1 8 2-0.0 3 21.0 0 1-0.4 0 52.7 5 10.9 8 8贵南5.7 4 4 5-0.0 6 8-0.3 7 9-0.5 1 2-0.0 3 71.0 4 9-0.5 5 83.0 0 20.9 8 9囊谦5.8 1 2-0.0 7 4-0.3 8 6-0.1 8 5-0.0 7 61.0 0 9-0.6 3 52.6 1 40.9 9 7托勒6.1 3 80.0 8 90.0 3 20.2 2 0-0.0 5 11.0 0 2-0.3 9 72.5 7 90.9 8 9祁连5.9 5 4-0.0 5 5-0.1 8 8-0.1 1 6-0.0 5 51.0 2 2-0.6 4 13.1 1 60.9 8 92.2 N S P E I干旱事件的验证应用所 提 出 的 非 平 稳L o g-l o g i s t i c模 型,计 算1 9 6 12 0 2 0年青海省年尺度N S P E I与传统S P E I。由于S P E I的适用性已得到证明,因此通过对比两种指数以及根据气象灾害记录可对N S P E I的可靠性与适用性进行评价,从而确定适合青海省的干旱指数。本文以民和站为例:如图4 A所示,N S P E I在1 9 6 12 0 2 0年中不仅与S P E I随时间的变化趋势较为一致,并且能够有效识别出1 9 6 2年36月、1 9 9 9年、2 0 0 5年45月、2 0 1 5年以及2 0 1 7年等这些典型年的干旱事件变化情况,这验证了N S P E I在识别青海省干旱事件的可023 水 土 保 持 研 究 第3 0卷靠性与适用性。但在图4 A中两种指数在极端值处也存在一些显著差异。例如,在1 9 9 4年N S P E I识别到的干旱严重程度要高于S P E I,根据历史记录民和站在1 9 9 4年发生了持续9个月的重旱,然而S P E I没有揭示出这一年严重的水分亏缺情况,这表明N S-P E I可以比S P E I识别出更多的极端干旱事件。因此在大多数情况下两指数在评估干旱程度方面也具有一些差异。图3 民和站平稳与非平稳模型模拟结果分位数图及Q Q图与W o r m图F i g.3 Q u a n t i l eg r a p h,Q Qg r a p ha n dW o r mg r a p ho f s t a t i o n a r ya n dn o n-s t a t i o n a r ym o d e l s i m u l a t i o nr e s u l t so fM i n h eS t a t i o n 图4 BC显示了1 9 6 12 0 2 0年1 2月共和站的N S P E I与S P E I干旱程度差异结果图,在图中N S P E I与S P E I提供的干旱程度几乎是一致的,但也存在一些显著区别。比如在1 9 9 4年和2 0 1 7年S P E I值均表现为无旱和中旱,而按N S P E I值则表示发生了轻旱和重旱。此外,在1 9 8 0年中累积降水、潜在蒸散和两者差值D分别为2 7 3.3,9 2 8.5,-6 5 5.2mm,S P E I将该年划分为轻旱,N S P E I将这一时期划分为中旱;在1 9 9 0年中累积降水、潜在蒸散和两者差值D分别为2 5 4.9,9 1 1.5,-6 5 6.6mm,S P E I将该年同样划分为轻旱,然而N S P E I将其划分为重旱。出现这种情况是因为N S P E I指标是在降水-潜在蒸散基础上,考虑到前期或同期S O I,AMO,AO气候指数序列对降水潜在蒸散序列动态影响,从而表现出了异于平稳性指标的气象干旱特征。由此可见N S P E I能够模拟出在变化环境下降水与气温的非平稳动态变化。为进一步验证N S P E I在青海省的适用性,选择发生极端干旱事件的1 9 9 9年为代表年,根据S P E I与N S P E I对青海省典型旱情空间分布进行评价(图5)。如图5所示,S P E I与N S P E I的评价结果均表明有5 0%以上的站点都发生了不同程度的干旱,且主要集中分布在青海省的东部农业区以及柴达木盆地西北部。而与S P E I评价结果相比,N S P E I识别到遭遇干旱的区域面积更大、严重程度更重,尤其玉树州沱沱河站发生重旱及特旱的情况。1 9 9 9年整个青海省旱情严重,绝大部分站点的降水量比历年同期偏少7成以上,特别是玉树州,从上年1 0月本年5月连续干旱,7月中旬8月上旬滴雨未落,农作物干枯而死。因此,对比发现N S P E I更能反映出1 9 9 9年青海省各区域的严重历史旱情。在时间和空间尺度上,两种干旱评价结果的差异性同时说明在气候变化的影响下青海省气象干旱的时空特征已发生了改变,N S P E I以此特征适应了由气候变化引起的非一致性影响,使其能够应用于变化环境下的气象干旱监测与评价进而有助于气象干旱的预测预报。2.3 基于N S P E I的非平稳干旱特征分析2.3.1 干旱特征时空分析 为进一步了解非平稳条件下青海省干旱事件特征的变化情况,以1 2个月尺度N S P E I指 标 为 依 据,计 算 青 海 省3 0个 站 点1 9 6 12 0 2 0年气象干旱事件的特征指标值,包括干旱频率、干旱历时及干旱烈度。以2 0a尺度将研究期划分为3个时段,分别为1 9 6 11 9 8 0年、1 9 8 12 0 0 0年及2 0 0 12 0 2 0年。由表3可知,从年代际变化来看,青海省1 9 6 12 0 2 0年干旱频率呈现逐渐减小的趋势,整体发生频123第6期 孙媛等:基于GAML S S模型的青海省非平稳N S P E I干旱时空特征分析率为:中旱轻旱重旱特旱。其中,1 9 6 01 9 8 0年是干旱发生频率最高的年代,频率达到了5 2.1 6%,期间主要发生中度干旱(2 2.9 9%)。从1 9 8 02 0 0 0年及2 0 0 0