彭 宇, 李發(fā)東,3**, 徐 寧, Rashid Kulmatov, 高克昌, 王國勤, 張永勇, 喬云峰, 李艷紅, 楊 涵, 郝 帥, 李 琦, Sayidjakhon Khasanov

1990—2019年中亞五國干旱狀況時空變化特征及大氣濤動驅(qū)動分析*

彭 宇1,2, 李發(fā)東1,2,3**, 徐 寧1,2, Rashid Kulmatov4, 高克昌5, 王國勤1,6, 張永勇7, 喬云峰1,2, 李艷紅8, 楊 涵8, 郝 帥8, 李 琦1,3, Sayidjakhon Khasanov1,2

(1. 中國科學院地理科學與資源研究所生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測與模擬重點實驗室 北京 100101; 2. 中國科學院大學 北京 100049; 3. 石河子大學水利建筑工程學院 石河子 832000; 4. 烏茲別克斯坦國立大學 塔什干 100170; 5. 華南理工大學 廣州 510006; 6. 聯(lián)合國環(huán)境署-國際生態(tài)系統(tǒng)管理伙伴計劃 北京 100101; 7.中國科學院地理科學與資源研究所陸地水循環(huán)及地表過程重點實驗室 北京 100101; 8. 新疆師范大學 烏魯木齊 830054)

咸海的迅速萎縮導(dǎo)致中亞五國的干旱問題引起了科學界的特別關(guān)注。為厘清中亞五國近30年來水分條件狀況, 探究影響其變化的氣候驅(qū)動要素, 本文使用帕默爾干旱指數(shù)(PDSI)對1990—2019年中亞五國干旱時空變化特征進行評估, 并結(jié)合交叉小波變換揭示了大氣濤動對其干旱狀況的驅(qū)動影響。結(jié)果表明: 中亞五國的干旱指數(shù)呈現(xiàn)周期性交替變化, 年際變化率增大; 夏秋旱、冬春濕的季節(jié)性干旱特征減弱, 不同時間段的PDSI變異程度加劇, 并表現(xiàn)出2018年后進入新一輪干期的可能。干旱程度總體呈現(xiàn)自西南向東北逐漸減輕、自東南山區(qū)向中西部平原逐步加重的格局; 1990—2019年干旱重心由西南內(nèi)陸腹地向哈薩克斯坦中西部地區(qū)轉(zhuǎn)移, 帕米爾和西天山山脈干旱程度呈波動上升態(tài)勢。青藏高原指數(shù)(TPI)對PDSI變化表現(xiàn)出明顯的驅(qū)動作用, 在1990—2019年整個時間序列上均有較高的周期性強度, 擁有1~3年(1995—2000年)、4~5年(2010—2015年)和8~10年(2015—2019年)3個明顯年際尺度的震蕩周期?？傊? 1990—2019年中亞五國整體干旱狀況趨好, 干旱變異程度加劇, 干旱空間分異明顯, TPI在年際尺度上是驅(qū)動PDSI變化的大氣濤動要素。

帕默爾干旱指數(shù)(PDSI); 中亞五國; 干旱; 驅(qū)動力; 大氣濤動; 交叉小波分析

干旱作為全球最嚴重的自然災(zāi)害之一[1], 對水資源[2]、農(nóng)業(yè)生產(chǎn)[3]、生態(tài)系統(tǒng)功能[4]以及環(huán)境可持續(xù)發(fā)展[5]具有深刻影響。已有大量研究致力于表征和監(jiān)測干旱狀況, 標準降水指數(shù)(SPI)[6]、帕爾默干旱指數(shù)(PDSI)[7]、以及標準降水蒸騰指數(shù)(SPEI)[8]等一系列干旱指數(shù)被建立, 以滿足各類型干旱表征的需要; Run理論[9]、經(jīng)驗正交函數(shù)(EOF)[10]、小波分析[11-12]、主成分分析(PCA)[13]和聚類分析[14]等用于評估頻率和時空變化的分析方法被廣泛應(yīng)用于描述干旱特征。這些參考指標和評估方法有效地揭示干旱在持續(xù)時間、嚴重程度和強度變化等方面的結(jié)構(gòu)和特征[15], 為緩解干旱提供了重要參考[16]。

中亞五國地區(qū)位于歐亞大陸腹地, 包括烏茲別克斯坦、哈薩克斯坦、塔吉克斯坦、吉爾吉斯斯坦和土庫曼斯坦[17]。該區(qū)域內(nèi)超過90%的土地為旱地, 即聯(lián)合國防治沙漠化公約定義的干旱、半干旱、半濕潤的地區(qū)[18], 且受到天山山脈以及帕米爾山脈的阻隔, 太平洋及印度洋的水汽難以抵達, 使之成為世界上最干旱的地區(qū)之一[19], 尤其是咸海的迅速萎縮, 使得其干旱問題引起了科學界的特別關(guān)注[15]。在氣候變化影響下, 中亞面臨的干旱問題更加凸顯, 區(qū)域整體氣溫逐年上升, 且增長幅度遠高于北半球平均水平[19], 年均降水量下降[20], 極端干旱事件發(fā)生頻率不斷增加[21]。干旱導(dǎo)致土壤水分脅迫加劇, 造成植物群落生產(chǎn)力的下降[22], 易引發(fā)土壤鹽堿化和沙塵暴等次生災(zāi)害[23]; 降水減少和潛在蒸散量增加的綜合影響加劇了該地區(qū)夏季需水缺口, 破壞了正常的水文循環(huán)[24], 進而導(dǎo)致植被大面積退化[25]。這種由干旱引起的植被和土地退化流失現(xiàn)象已在哈薩克斯坦和烏茲別克斯坦等多國出現(xiàn)[26]。

近年來, 對于中亞地區(qū)干旱狀況的研究主要聚焦于干旱所導(dǎo)致的降水、溫度、徑流、土地利用覆蓋以及陸地生態(tài)系統(tǒng)的時空響應(yīng)和氣候變化情景下干旱狀況模擬預(yù)測等方面, 對于干旱狀況的時空格局分析和干旱驅(qū)動因素的研究仍缺少全面的討論[27]。造成中亞地區(qū)干旱的最廣為接受的解釋是, 溫度增高導(dǎo)致的高蒸散量, 進而引起土壤的干燥[28]。Li等[27]對中亞1965—2014年間PDSI指數(shù)進行了多變量評估, 驗證了該指數(shù)對于氣溫上升和降水的響應(yīng)關(guān)系。為改進PDSI對于干旱評估的缺陷, Guo等[15]綜合SPEI、SPEI3、SPEI5等指數(shù)對1966—2015年的中亞干旱區(qū)進行分區(qū), 探明了其干旱變化的周期性為16~64個月。相關(guān)研究表明, 使用簡化的降水和蒸散值計算干旱指數(shù)對中亞干旱狀況進行評估, 結(jié)果通常顯示出較大偏差[29]。綜合評估和定量解釋干旱指標并對干旱背后的自然變量進行歸因[30]等方面的研究尚待加強。

因此, 本文通過識別1990—2019年中亞干旱狀況的時空變化動態(tài), 利用交叉小波分析評估其周期變化特征, 探究大規(guī)模氣候模態(tài)與干旱變化之間的關(guān)系和驅(qū)動力機制, 以期為中亞干旱區(qū)變化監(jiān)測提供數(shù)據(jù), 為該地區(qū)應(yīng)對氣候變化, 緩解干旱對農(nóng)業(yè)生產(chǎn)的不利影響提供科學支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)地處歐亞大陸腹地, 區(qū)域范圍包括哈薩克斯坦、吉爾吉斯斯坦、烏茲別克斯坦、塔吉克斯坦和土庫曼斯坦5個中亞國家(圖1), 總面積近4×106km2, 其中超90%的土地為旱地[18]。研究區(qū)屬西風氣候, 具有典型的干旱/半干旱氣候環(huán)境特征, 大部分地區(qū)氣候干旱、蒸發(fā)強烈, 生態(tài)環(huán)境脆弱, 自然資源富集, 擁有完整的內(nèi)陸生態(tài)系統(tǒng)[31]。地勢起伏較大, 東南高西北低; 東南部的帕米爾高原, 海拔6000~7500 m, 是中亞地區(qū)的地理及水源高地[32]; 中北部有低山丘陵分布, 涵蓋耕地、林地、草地多種土地覆蓋類型; 西南部以平原盆地地形為主, 平均海拔200~400 m[33]。降水時空分布不均, 主要降雨集中在帕米爾和天山山區(qū), 垂直地帶性明顯, 年平均降水量在300 mm以下, 平原地區(qū)普遍低于200 mm, 東南山區(qū)降水量超過500 mm[32]。地表水空間分布極不均衡, 錫爾河、阿姆河和烏拉爾河為主要河流, 人均水資源量較低, 在1500 m3左右, 灌溉區(qū)的水資源貧乏[34]。

地圖底圖為天地圖在線影像圖, 數(shù)據(jù)來源為自然資源部及NavInfo。地圖中國境邊界數(shù)據(jù)來自公開發(fā)表的LSIB數(shù)據(jù)集, 圖中邊界和名稱以及使用的稱號僅以說明為目的, 不代表官方正式認可。The base map is an online image from TianDiTu, and the source data is from the Ministry of Natural Resources of China and NavInfo. The boundary data for the map are from the publicly available LSIB dataset. Here, the boundaries, names, and designations are for illustrative purposes only and do not represent an official endorsement.

1.2 干旱指數(shù)

為探究中亞五國長期以來干旱情況的變化規(guī)律, 使用PDSI對中亞干旱狀況進行描述, 其計算公式[7]如下:

計算PDSI指數(shù)的數(shù)據(jù)使用University of Idaho開發(fā)的月均氣候及氣候水平衡高分辨率全球數(shù)據(jù)集(TerraClimate), 該數(shù)據(jù)提供自1958年以來累計降水量、潛在蒸發(fā)量、實際蒸散量以及土壤含水量等一系列氣象水平衡參數(shù)。TerraClimate數(shù)據(jù)集通過水平衡模型, 結(jié)合World Climate數(shù)據(jù)集, 使用空間內(nèi)插的方式, 提供了全球尺度長時間序列的生態(tài)、水文相關(guān)數(shù)據(jù), 數(shù)據(jù)集顯示了較高的空間真實性及較低整體平均誤差。干旱區(qū)面積變化受多個自然環(huán)境要素影響, 不同要素對于干旱程度影響的時間、影響周期以及影響貢獻各不相同。因此, 本文選取TerraClimate數(shù)據(jù)集中潛在蒸散、實際蒸散和累計降雨等參數(shù), 分別對其與干旱指數(shù)進行小波變換, 以描繪中亞五國干旱狀況在時空上的變化特征。計算過程中以年為最小統(tǒng)計單位和空間范圍內(nèi)均值作為驅(qū)動參數(shù)的年際代表值。由于所需計算數(shù)據(jù)覆蓋面積大、時間跨度長, 使用Google Earth Engine (GEE)平臺對該數(shù)據(jù)集進行處理。

1.3 氣候模態(tài)

本文使用的氣候模態(tài)數(shù)據(jù)主要來自中國氣象局氣候中心以及美國國家海洋和大氣管理局。研究表明, 中亞氣候狀況主要受到極地和北大西洋濤動指數(shù)(AO/NAO)、西伯利亞高壓指數(shù)(SHI)以及青藏高原指數(shù)(TPI)的影響[35], 且厄爾尼諾-南方濤動(ENSO)也與中亞地區(qū)的干旱狀況展現(xiàn)出較強相關(guān)性[36-37]。因此本文選取了表1所示的氣候指標進行中亞五國干旱狀況對不同氣候模態(tài)的響應(yīng)分析。美國國家海洋和大氣管理局提供了多變量ENSO指數(shù)(Multivariate ENSO Index, MEI)數(shù)據(jù), 該數(shù)據(jù)為滑動雙月平均的海平面氣壓、緯向地面風場、經(jīng)向地面風場、海表面溫度、表面氣溫和總云量的6變量經(jīng)驗正交函數(shù)分解第一模態(tài)的時間系數(shù)[38]。北極濤動指數(shù)(Arctic Oscillation, AO)和北大西洋濤動指數(shù)(North Atlantic Oscillation, NAO)對北半球冬春季近地面氣候要素具有顯著影響[39], 冬季AO通過影響西伯利亞高壓和東亞大槽來改變冬季風, 進而擾動對歐亞大陸中高緯地區(qū)地面氣溫并與之呈現(xiàn)顯著正相關(guān)[40]。AO為20°~90°N、0°~360°區(qū)域內(nèi), 1000 hPa高度異常場經(jīng)驗正交函數(shù)分析(EOF)所得的第一模態(tài)時間系數(shù)的標準化序列; NAO是20°~90°N、0°~360°區(qū)域內(nèi), 標準化500 hPa高度場經(jīng)驗正交函數(shù)分析(EOF)所得的第一模態(tài)的時間系數(shù)。中國氣象局國家氣候中心提供了自1951年以來的青藏高原指數(shù)逐月監(jiān)測數(shù)據(jù), 青藏高原指數(shù)A和青藏高原指數(shù)B分別為25°~35°N、80°~100°E和30°~40°N、75°~105°E兩個區(qū)域內(nèi), 500 hPa高度場, 格點位勢高度與5000位勢米(gpm)之差乘以格點面積的累積值。TPI指數(shù)可以大致反映青藏高原上空500 hPa低渦和高壓的活動情況, TPIA/B指數(shù)的變化對青藏高原臨近地區(qū)的天氣系統(tǒng)或造成一定影響, 進而對中亞地區(qū)干旱狀況產(chǎn)生干擾[41]。

表1 5類用于驅(qū)動力分析的大氣濤動指數(shù)

1.4 連續(xù)小波分析

使用交叉小波變換的方法分析氣候模態(tài)驅(qū)動力特征。交叉小波分析將小波變換與交叉譜分析相結(jié)合, 能有效地分析干旱指數(shù)和驅(qū)動要素兩個時間序列之間的相關(guān)程度, 并反映其在時頻域上的位相結(jié)構(gòu)和細部特征。分別使用交叉小波凝聚譜(WTC)和交叉小波功率譜(XWT)對文中每個驅(qū)動力要素的驅(qū)動貢獻及影響方式進行解析, WTC和XWT均采用Morlet小波計算內(nèi)核, 通過小波變換揭示干旱指數(shù)和驅(qū)動因素在不同時頻域上相互作用的顯著程度, 時間序列()和()之間的XWT定義如下式所示:

在本文應(yīng)用中,()代表驅(qū)動因子,()代表響應(yīng)因子干旱指數(shù)。干旱指數(shù)和驅(qū)動因子分別作為具有相同時間長度的序列, 將兩序列進行小波變換后, 繪制具有相同能量譜的區(qū)域, 從而描述不同時頻域上()和()相互作用的顯著性, 進而揭示兩者整體相關(guān)性、正負相關(guān)性以及滯后時間等響應(yīng)特征。XWT在高能區(qū)時頻域上具有良好的整體相關(guān)分析性能, 而WTC在低能區(qū)時頻域上對局部相關(guān)性具有較好的適用性。

2 結(jié)果與分析

2.1 中亞五國干旱時序變化特征

1990—2019年中亞地區(qū)的PDSI指數(shù)時間變化趨勢如圖2所示。雖然取年度和區(qū)域內(nèi)均值會導(dǎo)致PDSI丟失細節(jié)上的表征, 但可以更清楚地得出變化的總體趨勢。此外, 為了使原始PDSI數(shù)據(jù)平滑并捕獲干旱在時間序列上線性或非線性模式, 借助R語言分別使用5年和10年LOESS曲線對中亞五國更長時間尺度下的干旱狀況趨勢進行了平滑擬合。5年曲線表示計算平滑值時考慮了鄰近的5個點, 而10年LOESS曲線則考慮了10個領(lǐng)近點以獲得更普遍的趨勢。圖2中黑色水平線表示PDSI等于?0.5, 即普通干旱的分界線, 位于該分界線下的點被認為是處于發(fā)生了干旱的年份。

圖2表明, 1990—2019年中亞地區(qū)未出現(xiàn)極端性干旱事件, 但觀測到的年際PDSI均值的變化較大且波動明顯, 波動幅度隨時間推移呈減小趨勢。干旱年份與濕潤年份的界限及其相互轉(zhuǎn)移較為清晰。5年窗口的平滑擬合結(jié)果顯示, 共有6個顯著的干旱區(qū)間, 其分別為1995—1997年(E1)、1999—2001年(E2)、2006年(E3)、2008—2009年(E4)、2010—2012年(E5)和2018—2019年(E6)時間段內(nèi)。該干旱區(qū)間被定義為: 區(qū)間內(nèi)所有PDSI值均在?0.5以下, 且區(qū)間內(nèi)第1個點與上一年或區(qū)間內(nèi)最后1個點與下一年的PDSI變化率大于0.5。E1至E5干旱區(qū)間的內(nèi)部PDSI變化率隨時間推移表現(xiàn)出增加態(tài)勢, 其變化率分別為49%、28%、206%、219%和52%。10年窗口的平滑擬合結(jié)果給出了更長時間尺度的觀測結(jié)果, PDSI表現(xiàn)出正弦函數(shù)式的周期性變化, 即1990—2003年區(qū)間內(nèi)形成一段完整的干濕變化周期, 2003—2015年為第2段干濕變化周期, 2015年后形成新的伊始周期。其中1990—1994年、2000—2004年和2013—2018年為濕潤年份區(qū)間; 1995—1999年和2005—2012年為干旱年份區(qū)間, 上述年份區(qū)間內(nèi)的干濕特征與同樣使用PDSI進行中亞干旱評估的研究相一致[27]。隨時間推移, PDSI所指示的干濕狀況的分異差趨于緩和, 第1和第2周期內(nèi)的PDSI距平均值分別為1.18和0.78。盡管時間序列較短, 僅顯示出2個干旱時期區(qū)間和3個濕潤時期區(qū)間, 不足以驗證其周期變化趨勢的可靠性。但根據(jù)此前擬合曲線的運行軌跡, 2018—2019年發(fā)生干旱區(qū)間顯示, 中亞PDSI有在2019年之后再次進入新一輪干旱區(qū)間的可能。

使用年度PDSI數(shù)據(jù)在一定程度上掩蓋其在時序上的細節(jié)變化, 例如季節(jié)性特征等。且年度均值還會抹平PDSI在數(shù)值上的差異, 從而導(dǎo)致PDSI值不能夠真實準確地反映干旱狀況。因此, 在下文中, 我們放大6個已觀察到的PDSI干旱區(qū)間的時間尺度,通過繪制月均值以獲得更詳細的觀察結(jié)果。

與年度分析相同, 月度干旱指數(shù)按照6個干旱區(qū)間的不同干旱時長, 分別以1/6和1/3持續(xù)時間為窗口對PDSI進行平滑擬合, 以獲得其在不同時間尺度的總體趨勢。E1?E6所涵蓋的時間周期分別為36、36、12、24、36和24個月。如圖3所示, 6個干旱時期中, E2的干旱程度最大, 大部分干旱月PDSI均達極端干旱水平線。E1的干旱程度次之, 主要干旱月的干旱程度處于嚴重干旱和極度干旱之間, 僅1997年度干旱月PDSI超過了極度干旱水平。E3、E4、E5和E6是第2梯隊的干旱時期, 其干旱月的PDSI主要位于嚴重干旱線附近水平。此外, E1、E2和E3顯示明顯的季節(jié)性特征, 即夏秋季(4—7月)的PDSI通常較低, 冬春季(11月至翌年1月)PDSI一般較高。尤其是E2, 1999—2001年期間顯示出非常規(guī)則的季節(jié)性變化, 且PDSI極值相對穩(wěn)定, 負極值處在?6.5~?5.5, 正極值位于?3~?2。E4?E5干旱區(qū)間內(nèi)年際PDSI指數(shù)變化較大, 年內(nèi)PDSI指數(shù)差異相對較小, 其隨季節(jié)變化表現(xiàn)出與E1?E3相同的夏秋低、冬春高趨勢。E6在2018年顯示出上述相同的季節(jié)變化特征, 在2019年未出現(xiàn)該特征。值得注意的是, 2019年夏秋季月份不僅未形成干旱區(qū)間, 反而出現(xiàn)了自2012年以來的PDSI峰值。上述6個干旱區(qū)間的季節(jié)變化趨勢可以看出, 年際整體干濕狀況對夏秋低、冬春高的季節(jié)性特征影響不斷加大, 導(dǎo)致PDSI季節(jié)性規(guī)律性減弱。1901年以來中亞地區(qū)冬春季(12月—翌年5月)降水量的增加、夏秋季(6—11月)降水量減少[42]以及極端降水事件的影響, 導(dǎo)致年際干濕狀況差異加大, 干旱狀況季節(jié)性特征減弱。

基于PDSI指數(shù)的時序分析難以全面描述干旱狀況的特征, 因此使用一系列干旱事件指數(shù)進行更細致的刻畫, 這些指數(shù)包括干旱持續(xù)時間(DD)、干旱嚴重程度(DS)、干旱強度(DI)以及干旱峰值(DP)。圖4對上述4類指數(shù)在不同干旱區(qū)間的特征值進行了繪制, 并按4和6個區(qū)間為平滑窗口生成擬合趨勢線。結(jié)果顯示, E1?E6時間范圍內(nèi)DP呈現(xiàn)增加趨勢, 即干旱程度的相對差異愈發(fā)增大, 且2010年后差異擴大幅度顯著高于1995年以來的水平。DI、DS同DD的變化趨勢相反, 在2001年后間, DI和DS分別躍升至?50和?1.5的高數(shù)值區(qū)間, 而干旱持續(xù)時間在經(jīng)歷了E3的最低值之后穩(wěn)定在10~15個月的較低水平。綜合上述趨勢可以看出, 2001年和2009年干旱特征變化的跳躍點, 各干旱特征指數(shù)在此年度節(jié)點發(fā)生了顯著變化, 干旱特點由長周期高強度向短周期低強度轉(zhuǎn)變, 干旱程度的相對差異增強, 表明中亞五國的整體干旱狀況條件逐步轉(zhuǎn)好, 但不同時間段的干旱變異程度加劇。

2.2 中亞五國干旱空間變化特征

為更好地展示過去30年中亞五國干旱狀況及其空間分異狀況, 按照1995—1997年、1999—2001年、2006年、2008—2009年、2010—2012年和2018—2019年這6個顯著發(fā)生干旱的年度區(qū)間, 分別對其平均干旱強度進行空間變化分析。圖5的空間分析結(jié)果顯示, 中亞五國干旱強度空間分異明顯且時空變化顯著。

1995—2001年高干旱強度區(qū)域主要分布在中亞五國西南的內(nèi)陸腹地?？拷⒛泛觾砂兜闹邢掠蔚貐^(qū)是干旱強度最高、干旱程度最為嚴重的區(qū)域。干旱強度指數(shù)最低、干旱程度最輕、水分條件最優(yōu)的區(qū)域主要集中在東南部的帕米爾及天山山脈以及哈薩克斯坦東北部廣闊的額爾齊斯河及伊希姆河平原地帶。干旱程度總體呈現(xiàn)自西南向東北逐漸減輕、自東南山區(qū)向中西部平原逐步加重的格局。1995—2001年高干旱強度土地主要集中在土庫曼斯坦全境(a)、撒馬爾罕地區(qū)(g)和庫斯塔奈州西北(f)等區(qū)域。此后高干旱強度地區(qū)發(fā)生了明顯的轉(zhuǎn)移, 2006年、2008—2009年、2010—2012年間土庫曼斯坦的干旱強度顯著減弱, 僅首都阿什哈巴德(e)的干旱強度還相對較高。撒馬爾罕地區(qū)(g)高干旱強度土地向西北移動, 以哈薩克斯坦田吉茲湖(b)為中心的干旱影響范圍不斷擴散, 呈現(xiàn)出明顯向東北方向擴展的趨勢, 并迅速延伸至伊希姆河中上游地區(qū)和薩雅克干草原與湖群地帶(c)。伊犁河上游流經(jīng)的阿爾金-埃姆爾沙漠國家公園干旱強度增高, 影響面積不斷擴大并向西延伸。2018年以來哈薩克斯坦中部干旱中心收縮并向西推移。撒馬爾罕地區(qū)(g)的干旱狀況重新恢復(fù)至較高水平, 庫爾干秋別(d)和卡拉博加茲灣(h)地區(qū)干旱強度也有所增加。吉爾吉斯斯坦和塔吉克斯坦的部分區(qū)域干旱指數(shù)呈下降趨勢, 額爾齊斯河及伊希姆河上游地區(qū)干旱狀況也明顯好轉(zhuǎn)。

黑色、黃色、橙色和紅色水平線表示年際PDSI值分別等于?0.5、?2、?3和?4, 以表示輕度、中度、重度和極端干旱。The black, yellow, orange and red horizontal lines represent annual PDSI values equal to ?0.5, ?2, ?3 and ?4, which indicate mild, moderate, severe and extreme drought.

E1?E6為干旱區(qū)間, 具體見圖2。黃色、橙色和紅色水平線表示月際PDSI值分別等于?2、?3和?4, 以表示中度干旱、重度和極端干旱。不同顏色散點以區(qū)分季節(jié), 定義春季為3—5月、夏季為6—8月、秋季為9—11月、冬季為12—翌年2月。E1 to E6 are drought events shown in the figure 2. The yellow, orange and red horizontal lines represent inter-monthly PDSI values equal to ?2, ?3 and ?4, which indicate moderate, severe and extreme drought. Different color scatters are used to distinguish the seasons, defined as March?May for spring, June?August for summer, September?November for autumn and December?February for winter.

DP指數(shù)表示干旱峰值, DD指數(shù)表示干旱持續(xù)時間, DS指數(shù)表示干旱嚴重程度, DI指數(shù)表示干旱強度。6個Events為1990—2019年的6個干旱區(qū)間, 具體見圖2。DP indicates the drought peak, DD indicates drought duration, DS indicates drought severity, and DI indicates drought intensity. Events 1 to 6 are 6 drought events from 1995 to 2019 shown in the figure 2.

從國別來看, 吉爾吉斯斯坦以及塔吉克斯坦氣候條件較為優(yōu)越、西天山山脈及帕米爾地區(qū)的降雨豐沛, 除塔吉克斯坦巴達克山國家公園東側(cè)低地及吉爾吉斯斯坦費爾干納谷地有高干旱程度土地分布外, 兩國主要以半濕潤或濕潤的氣候為主, 整體干旱強度較低。哈薩克斯坦干旱強度空間分異顯著, 呈現(xiàn)從東北向西南逐步變干的趨勢。雖然哈薩克擁有額爾齊斯河、伊希姆河、烏拉爾河及諸多濕地湖泊, 整體水分條件較好, 但河流多為南北流向, 難以為西南地區(qū)提供水源補充, 導(dǎo)致東北部地區(qū)水分條件優(yōu)于西南地區(qū), 加之咸海的逐年萎縮, 咸海附近地區(qū)干旱分布廣闊, 干旱程度嚴重。此外, 烏茲別克斯坦及土庫曼斯坦在E1?E2階段受干旱影響程度最深, 此后的干旱強度不斷降低, 干旱狀況持續(xù)好轉(zhuǎn)。

2.3 中亞五國干旱的氣候模式驅(qū)動力分析

干旱程度受地表蒸散、降水以及人類活動等多方面因素的影響, 而大規(guī)模氣候模態(tài)和環(huán)流狀況是最重要的驅(qū)動要素之一。如“西風模態(tài)”顯著影響了中緯度亞洲地區(qū)西濕東干/西干東濕的氣候特征[43], 西伯利亞高壓指數(shù)和青藏高原指數(shù)TPIB對中亞地區(qū)極端氣候事件具有緊密相互作用關(guān)系[44]。厄爾尼諾現(xiàn)象南方濤動(ENSO)、北大西洋濤動(NAO)、北極濤動指數(shù)(AO)以及TPIA/B與干旱指數(shù)PDSI的相關(guān)分析結(jié)果如圖6所示。TPIA和TPIB與PDSI指數(shù)顯示出顯著的相關(guān)性,值分別為0.02和0.01, 均小于0.05的顯著水平標準, 相關(guān)系數(shù)分別達41%和45%。雖然PDSI在散點圖上表現(xiàn)出較為均一的隨NAO和ENSO的變化, 但從統(tǒng)計學結(jié)果上看其2分別為1%和8%, 對PDSI變化的解釋能力較差, 不具備統(tǒng)計學意義上的相關(guān)性。由于NAO和AO都主要通過影響西伯利亞高壓進而改變冬季風擾動, 對歐亞大陸中高緯地區(qū)的氣溫產(chǎn)生影響, 因此兩者相關(guān)系數(shù)高, 對PDSI變化的驅(qū)動貢獻均較低, 其相關(guān)系數(shù)分別為13%和25%。

E1?E6為干旱區(qū)間, 具體見圖2。DI為1990—2019年中亞五國干旱強度值, 即整個研究時段的PDSI均值。圖中字母代表地區(qū), a為卡拉庫姆沙漠, b為田吉茲湖, c為薩雅克草原, d為庫爾干秋別, e為阿什哈巴德, f為庫斯塔奈州, g為撒馬爾罕, h為卡拉博加茲灣。E1 to E6 are drought events shown in the figure 2. In the map, DI is the drought intensity for Central Asia from 1990 to 2019, i.e., the average PDSI value for the entire study period. The letters in the figures indicate different regions: a is the Karakum Desert, b is Tengiz Lake, c is Saryarka, d is Qurghonteppa, e is Ashgabat, f is Kostanay, g is Samarkand, and h is Karabogaz Bay.

TPIA和TPIB分別為青藏高原指數(shù)A和B。AO為北極濤動指數(shù), ENSO為厄爾尼諾現(xiàn)象南方濤動指數(shù), NAO為北大西洋濤動指數(shù)。左圖中右上側(cè)圓圈大小和顏色共同表示值大小, ***、**和*分別表示<0.001、<0.01和<0.05水平顯著相關(guān); 左下側(cè)數(shù)值表示所對應(yīng)的相關(guān)性系數(shù)。右圖中5種氣候指數(shù)為自變量, PDSI為因變量。TPIAand TPIBare the Tibetan Plateau Index A and B, respectively. AO is the Arctic Oscillation, ENSO is the El Ni?o Southern Oscillation, and NAO is the North Atlantic Oscillation. In the left panel, the size and color of the circles in the upper right panel together indicate the-value; ***, ** and * indicate significant correlation at<0.001,<0.01 and<0.05 levels, respectively. In the lower-left panel, data are the corresponding correlation coefficients. In the right panel, the five climate indices are independent variables, and PDSI is the dependent variable.

為進一步探究TPI對PDSI變化的驅(qū)動關(guān)系, 使用變換交叉小波函數(shù), 分別就不同自然環(huán)境要素繪制小波功率譜和小波凝聚譜, 生成的結(jié)果如圖7所示。從圖7可知, TPIA和TPIB對PDSI具有相似的驅(qū)動特征, 即在25°~35°N、80°~100°E和30°~40°N、75°~105°E兩個區(qū)域內(nèi)的氣候變化對中亞五國干旱狀況的驅(qū)動具有大致相同的時頻和周期; TPI與PDSI干旱指數(shù)的主共振周期擁有1~3年的短型震蕩周期(1995—2000年)、4~5年的中長期震蕩周期(2010—2015年)和8~10年的長期震蕩周期(全時頻域); 交叉小波凝聚譜顯示TPIA/B和PDSI指數(shù)在整個時間序列上均有較高的周期性強度, 反映了TPIA/B對PDSI指數(shù)變化的主導(dǎo)因子作用, 但在不同周期尺度上的相關(guān)性特征存在不穩(wěn)定情況; TPIA/B變化位相遲于PDSI, 這是因為中亞地區(qū)干期主要受到印度洋西南季風和大西洋西風通量影響, 青藏高原的屏障阻擋作用使得西南暖濕氣流無法達到, 造成了TPI位相變化遲滯。

小波功率譜(圖7上)色柱代表所在周期的信號震蕩強度, 數(shù)值越高置信度檢驗越顯著; 小波凝聚譜(圖7下)色柱數(shù)值表示小波相關(guān)系數(shù)的平方, 數(shù)值越大代表PDSI指數(shù)與該驅(qū)動因素在該局部時頻域的相關(guān)性越高。錐形區(qū)域為有效的譜值區(qū), 黑色框線區(qū)域為顯著性水平超過95%的置信區(qū)間。右向箭頭表示PDSI指數(shù)與驅(qū)動因素變化位相一致, 左向箭頭表示變化位相相反, 向上箭頭表示驅(qū)動因素變化早于PDSI指數(shù), 向下箭頭表示遲于PDSI指數(shù)。The color bars in XWT (top two figures) represent the strength of signal oscillation in the period, with higher values representing more significant confidence tests; the color bars in WTC (bottom two figures) represent the square of wavelet correlation coefficient, where larger values represent a higher correlation between PDSI index and the drivers in the local time-frequency domain. The tapered area is the valid spectral area, and the black-boxed area is the confidence interval for significance levels above 95%. The right arrow indicates that the PDSI is in phase with the driver change. The left arrow indicates the opposite. The up arrow indicates that the driver changes earlier than the PDSI, and the down arrow indicates that it changes later than the PDSI.

3 討論

TerraClimate為評估中亞五國地區(qū)的干旱狀況提供了長時間序列和較高時間分辨率(月度)的水氣平衡數(shù)據(jù), 且基于MODIS地表溫度等協(xié)變量修正后的TerraClimate數(shù)據(jù)還能提供更高的空間真實度。但由于觀測網(wǎng)格非均一分布以及站點觀測數(shù)據(jù)的不確定性, 中亞地區(qū)恰好位于全球TerraClimate數(shù)據(jù)集不確定性相對較高的區(qū)域, 因此使用該數(shù)據(jù)進行的干旱狀況變化趨勢評估結(jié)果有待進一步校正。

大氣濤動對氣溫、降水具有顯著影響, NAO對北半球中緯度地區(qū)平均氣溫的驅(qū)動作用明顯。研究指出在中亞地區(qū)NAO與降水具有負作用關(guān)系, NAO的減小會顯著增加中亞地區(qū)的降水量[45], 該負作用關(guān)系也在我國新疆地區(qū)得到驗證[46]。本文對5種大氣濤動指數(shù)進行相關(guān)性統(tǒng)計分析結(jié)果顯示, AO、NAO和ENSO均與PDSI未顯示出顯著的統(tǒng)計學相關(guān), 這與此前的研究結(jié)果相悖?？赡艿慕忉屖茿O和NAO雖然能夠顯著反映降水的變化, 但不同干旱指數(shù)對于真實干旱狀況的表征能力存在差異。

此外, 年度和區(qū)域均值PDSI在一定程度上抹去了數(shù)據(jù)極值差異, 特別是在不同季節(jié)和不同干旱程度地區(qū)上的差異。例如, 夏秋低、冬春高的季節(jié)性特征在進行相關(guān)性分析時會被忽略, 從而導(dǎo)致了年度PDSI與部分大氣濤動指數(shù)在統(tǒng)計學上相關(guān)度不高的現(xiàn)象。中亞五國的水汽主要來源于秋冬季節(jié)的大西洋西風降水, 與青藏高原指數(shù)B(TPI2)所覆蓋的我國西北地區(qū)受相似的大氣環(huán)流影響, 相似的大氣環(huán)流影響是否是造成中亞PDSI和TPI2統(tǒng)計學上的相關(guān)的原因, 兩者相互作用的方式和特征有待分析, 月度數(shù)據(jù)可能提供更為詳細的相互作用機理解釋。如夏季的西南季風受到地形阻擋而在青藏高原形成強大的熱源, 上升氣流向東擴散, 在亞熱帶地區(qū)下沉形成降水。該環(huán)流模型是否同樣適用于青藏高原西側(cè)的中亞地區(qū), 其是否是造成中亞PDSI和TPI指數(shù)相關(guān)卻不顯著的主要原因, 仍需進一步探討。

4 結(jié)論

本文利用1990—2019年TerraClimate數(shù)據(jù)對中亞干旱區(qū)面積的時空變化進行監(jiān)測, 并使用交叉小波變換對中亞五國地區(qū)的主要氣候指數(shù)驅(qū)動進行了分析, 形成的主要結(jié)論如下:

1)中亞五國地區(qū)干旱狀況呈現(xiàn)周期性干濕期交替變化, 并在2018年后表現(xiàn)出進入新一輪干期的可能。干旱的年際干濕狀況差異加大, 年內(nèi)夏秋旱、冬春濕的季節(jié)性特征減弱。干旱狀況條件逐步轉(zhuǎn)好, 但不同時間段的干旱變異程度加劇。

2)干旱程度總體呈現(xiàn)自西南向東北逐漸減輕、自東南山區(qū)向中西部平原逐步加重的格局。干旱重心由西南內(nèi)陸腹地的克孜勒庫姆沙漠、拉庫姆沙漠和卡拉博加滋灣區(qū)域向哈薩克斯坦中西部地區(qū)轉(zhuǎn)移, 且影響范圍延伸至伊希姆河中上游和薩雅克干草原地區(qū)。2018年后哈薩克斯坦中西部整體干旱程度減退消弱, 但哈薩克斯坦西北邊境及烏茲別克斯坦撒馬爾罕地區(qū)仍存留高干旱程度地區(qū)。里海東岸地區(qū)、帕米爾和西天山山區(qū)以及撒馬爾罕地區(qū)干旱程度呈波動上升態(tài)勢。

3)TPI1/2指數(shù)對PDSI變化表現(xiàn)出顯著的驅(qū)動作用, 所代表兩個區(qū)域?qū)DSI的影響特征較為一致, 在1990—2019年整個時間序列上均有較高的周期性強度, 相互作用特征不穩(wěn)定。且均擁有1~3年(1995—2000年)、4~5年(2010—2015年)和8~10年(2015—2019)3個年際尺度的震蕩周期。

[1] PORTELA M M, DOS SANTOS J F, SILVA A T, et al. Drought analysis in southern Paraguay, Brazil and northern Argentina: Regionalization, occurrence rate and rainfall thresholds[J]. Hydrology Research, 2015, 46(5): 792–810

[2] ZHANG Z X, CHEN X, XU C Y, et al. Examining the influence of river-lake interaction on the drought and water resources in the Poyang Lake basin[J]. Journal of Hydrology, 2015, 522: 510–521

[3] CRAFT K E, MAHMOOD R, KING S A, et al. Twentieth century droughts and agriculture: Examples from impacts on soybean production in Kentucky, USA[J]. Ambio, 2015, 44(6): 557–568

[4] BASTOS A, CIAIS P, FRIEDLINGSTEIN P, et al. Direct and seasonal legacy effects of the 2018 heat wave and drought on European ecosystem productivity[J]. Science Advances, 2020, 6(24): eaba2724

[5] SHARAFI L, ZARAFSHANI K, KESHAVARZ M, et al. Drought risk assessment: Towards drought early warning system and sustainable environment in western Iran[J]. Ecological Indicators, 2020, 114: 106276

[6] MCKEE T B, DOESKEN N J, KLEIST J. The relationship of drought frequency and duration to time scales[C]// Proceedings of the 8th Conference on Applied Climatology. Boston: American Meteorological Society, 1993: 179–184

[7] PALMER W C. Meteorological Drought[M]. US Department of Commerce, Weather Bureau, 1965

[8] VICENTE-SERRANO S M, BEGUERíA S, LóPEZ- MORENO J I. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23(7): 1696–1718

[9] WANG L P, ZHANG X N, WANG S F, et al. Analysis and application of drought characteristics based on theory of runs and copulas in Yunnan, Southwest China[J]. International Journal of Environmental Research and Public Health, 2020, 17(13): 4654

[10] TATLI H, TüRKE? M. Empirical Orthogonal Function analysis of the palmer drought indices[J]. Agricultural and Forest Meteorology, 2011, 151(7): 981–991

[11] WANG Q, LIU Y Y, TONG L J, et al. Rescaled statistics and wavelet analysis on agricultural drought disaster periodic fluctuations in China from 1950 to 2016[J]. Sustainability, 2018, 10(9): 3257

[12] JIA H C, PAN D H. Drought risk assessment in Yunnan Province of China based on wavelet analysis[J]. Advances in Meteorology, 2016, (3): 1–10

[13] ZHANG Q, KONG D D, SINGH V P, et al. Response of vegetation to different time-scales drought across China: Spatiotemporal patterns, causes and implications[J]. Global and Planetary Change, 2017, 152: 1–11

[14] ULLAH H, AKBAR M, KHAN F. Construction of homogeneous climatic regions by combining cluster analysis and L-moment approach on the basis of Reconnaissance Drought Index for Pakistan[J]. International Journal of Climatology, 2020, 40(1): 324–341

[15] GUO H, BAO A M, LIU T, et al. Spatial and temporal characteristics of droughts in Central Asia during 1966–2015[J]. Science of the Total Environment, 2018, 624: 1523–1538

[16] GUO H, BAO A M, NDAYISABA F, et al. Space-time characterization of drought events and their impacts on vegetation in Central Asia[J]. Journal of Hydrology, 2018, 564: 1165–1178

[17] KOUTROULIS A G. Dryland changes under different levels of global warming[J]. Science of the Total Environment, 2019, 655: 482–511

[18] JOHANNERS F L. Central Asia Human Development Report[M]. Bratislava: UNDP, 2006

[19] HU Z Y, ZHANG C, HU Q, et al. Temperature changes in Central Asia from 1979 to 2011 based on multiple datasets[J]. Journal of Climate, 2014, 27(3): 1143–1167

[20] LIOUBIMTSEVA E, HENEBRY G M. Climate and environmental change in arid Central Asia: Impacts, vulnerability, and adaptations[J]. Journal of Arid Environments, 2009, 73(11): 963–977

[21] MOHAMMAT A, WANG X H, XU X T, et al. Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia[J]. Agricultural and Forest Meteorology, 2013, 178/179: 21–30

[22] ZANG Y X, MIN X J, DE DIOS V R, et al. Extreme drought affects the productivity, but not the composition, of a desert plant community in Central Asia differentially across microtopographies[J]. Science of the Total Environment, 2020, 717: 137251

[23] INDOITU R, ORLOVSKY L, ORLOVSKY N. Dust storms in Central Asia: Spatial and temporal variations[J]. Journal of Arid Environments, 2012, 85: 62–70

[24] DI MATTEO L, DRAGONI W, MACCARI D, et al. Climate change, water supply and environmental problems of headwaters: The paradigmatic case of the Tiber, Savio and Marecchia rivers (Central Italy)[J]. Science of the Total Environment, 2017, 598: 733–748

[25] JIANG L L, JIAPAER G, BAO A M, et al. Vegetation dynamics and responses to climate change and human activities in Central Asia[J]. Science of the Total Environment, 2017, 599/600: 967–980

[26] HUANG J P, YU H P, DAI A G, et al. Drylands face potential threat under 2 ℃ global warming target[J]. Nature Climate Change, 2017, 7(6): 417–422

[27] LI Z, CHEN Y N, FANG G H, et al. Multivariate assessment and attribution of droughts in Central Asia[J]. Scientific Reports, 2017, 7: 1316

[28] CHENG S J, HUANG J P. Enhanced soil moisture drying in transitional regions under a warming climate[J]. Journal of Geophysical Research: Atmospheres, 2016, 121(6): 2542–2555

[29] GREVE P, ORLOWSKY B, MUELLER B, et al. Global assessment of trends in wetting and drying over land[J]. Nature Geoscience, 2014, 7(10): 716–721

[30] TA Z J, YU R D, CHEN X, et al. Analysis of the spatio-temporal patterns of dry and wet conditions in Central Asia[J]. Atmosphere, 2018, 9(1): 7

[31] 陳曦, 姜逢清, 王亞俊, 等. 亞洲中部干旱區(qū)生態(tài)地理格局研究[J]. 干旱區(qū)研究, 2013, 30(3): 385–390 CHEN X, JIANG F Q, WANG Y J, et al. Characteristics of the eco-geographical pattern in arid land of Central Asia[J]. Arid Zone Research, 2013, 30(3): 385–390

[32] 楊勝天, 于心怡, 丁建麗, 等. 中亞地區(qū)水問題研究綜述[J]. 地理學報, 2017, 72(1): 79–93 YANG S T, YU X Y, DING J L, et al. A review of water issues research in Central Asia[J]. Acta Geographica Sinica, 2017, 72(1): 79–93

[33] 阮宏威, 于靜潔. 1992—2015年中亞五國土地覆蓋與蒸散發(fā)變化[J]. 地理學報, 2019, 74(7): 1292–1304RUAN H W, YU J J. Changes in land cover and evapotranspiration in the five Central Asian countries from 1992 to 2015[J]. Acta Geographica Sinica, 2019, 74(7): 1292–1304

[34] 鄧銘江, 龍愛華, 章毅, 等. 中亞五國水資源及其開發(fā)利用評價[J]. 地球科學進展, 2010, 25(12): 1347–1356 DENG M J, LONG A H, ZHANG Y, et al. Assessment of water resources development and utilization in the five Central Asia countries[J]. Advances in Earth Science, 2010, 25(12): 1347–1356

[35] ISSANOVA G, ABUDUWAILI J. Aeolian Processes as Dust Storms in the Deserts of Central Asia and Kazakhstan[M]. Singapore: Springer, 2017

[36] BARLOW M, CULLEN H, LYON B. Drought in Central and Southwest Asia: La Ni?a, the Warm Pool, and Indian Ocean Precipitation[J]. Journal of Climate, 2002, 15(7): 697–700

[37] HOERLING M, KUMAR A. The perfect ocean for drought[J]. Science, 2003, 299(5607): 691–694

[38] D'ODORICO P, YOO J C, OVER T M. An assessment of ENSO-induced patterns of rainfall erosivity in the southwestern United States[J]. Journal of Climate, 2001, 14(21): 4230–4242

[39] 姚俊強, 劉志輝, 楊青, 等. 近130年來中亞干旱區(qū)典型流域氣溫變化及其影響因子[J]. 地理學報, 2014, 69(3): 291–302 YAO J Q, LIU Z H, YANG Q, et al. Temperature variability and its possible causes in the typical basins of the arid Central Asia in recent 130 years[J]. Acta Geographica Sinica, 2014, 69(3): 291–302

[40] WU B Y, WANG J. Possible impacts of winter Arctic Oscillation on Siberian high, the East Asian winter monsoon and sea-ice extent[J]. Advances in Atmospheric Sciences, 2002, 19(2): 297–320

[41] 王曉春, 吳國雄. 中國夏季降水異?？臻g模與副熱帶高壓的關(guān)系[J]. 大氣科學, 1997, 21(2): 161–169 WANG X C, WU G X. The analysis of the relationship between the spatial modes of summer precipitation anomalies over China and the general circulation[J]. Scientia Atmopherica Sinica, 1997, 21(2): 161–169

[42] CHEN X, WANG S S, HU Z Y, et al. Spatiotemporal characteristics of seasonal precipitation and their relationships with ENSO in Central Asia during 1901–2013[J]. Journal of Geographical Sciences, 2018, 28(9): 1341–1368

[43] CHEN F H, CHEN J H, HUANG W, et al. Westerlies Asia and monsoonal Asia: Spatiotemporal differences in climate change and possible mechanisms on decadal to sub-orbital timescales[J]. Earth-Science Reviews, 2019, 192: 337–354

[44] ZHANG M, CHEN Y N, SHEN Y J, et al. Tracking climate change in Central Asia through temperature and precipitation extremes[J]. Journal of Geographical Sciences, 2019, 29(1): 3–28

[45] AIZEN E M, AIZEN V B, MELACK J M, et al. Precipitation and atmospheric circulation patterns at mid-latitudes of Asia[J]. International Journal of Climatology, 2001, 21(5): 535–556

[46] CHEN F H, HUANG W, JIN L Y, et al. Spatiotemporal precipitation variations in the arid Central Asia in the context of global warming[J]. Science China Earth Sciences, 2011, 54(12): 1812–1821

Spatial-temporal variations in drought conditions and their climatic oscillations in Central Asia from 1990 to 2019*

PENG Yu1,2, LI Fadong1,2,3**, XU Ning1,2, Rashid KULMATOV4, GAO Kechang5, WANG Guoqin1,6, ZHANG Yongyong7, QIAO Yunfeng1,2, LI Yanhong8, YANG Han8, HAO Shuai8, LI Qi1,3, Sayidjakhon KHASANOV1,2

(1. Key Laboratory of Ecosystem Network Observation and Modeling, Institution of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China; 3. College of Water Conservancy and Architectural Engineering, Shihezi University, Shihezi 832000, China; 4. National University of Uzbekistan, Tashkent 100170, Uzbekistan; 5. South China University of Technology, Guangzhou 510006, China; 6. United Nations Environment Programme-International Ecosystem Management Partnership (UNEP-IEMP), Beijing 100101, China; 7. Key Laboratory of Water Cycle and Related Land Surface Processes, Institution of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; 8. Xinjiang Normal University, Urumqi 830054, China)

The rapid shrinking of the Aral Sea has prompted the scientific community to focus on Central Asian drought. To clarify the moisture conditions of Central Asia over the past 30 years and to investigate the climate drivers of change, in this study, we used the Palmer Drought Index (PDSI) to assess the spatial and temporal characteristics of drought in the five Central Asian countries (Kazakhstan, Uzbekistan, Turkmenistan, Tajikistan and Kyrgyzstan) from 1990 to 2019. PDSI was combined with the cross-wavelet transformation to reveal the driving influence of climate oscillations on drought conditions. The results showed that the drought indicators displayed a cyclical alternation with an increasing variability, a weakening of the dry summer/autumn and wet winter/spring seasonal drought characteristics, and the possibility of a new dry period after 2018. The general drought intensity gradually decreased from the southwest to the northeast and progressively increased from the southeast mountainous area to the central and western plains. The drought center shifted from the southwestern hinterland to the northwestern regions of Kazakhstan. The Pamir and West Tianshan Mountains showed a fluctuating and increasing drought trend. The Tibetan Plateau Index (TPI) showed an apparent driving effect on PDSI changes, with high cyclical intensity throughout the 1990–2019 period (1–3 years [1995–2000], 4–5 years [2010–2015], 8–10 years [2010–2015], and 8–10 years [2016–2019]) with three distinct interannual-scale oscillatory cycles. Overall, drought conditions tended to improve, with increased drought variability and significant spatial variability; the TPI is the atmospheric oscillator driving PDSI variability.

Palmer Drought Index (PDSI); Central Asia; Drought; Driving force; Climatic oscillations; Cross-wavelet analysis

10.13930/j.cnki.cjea.200927

彭宇, 李發(fā)東, 徐寧, Rashid Kulmatov, 高克昌, 王國勤, 張永勇, 喬云峰, 李艷紅, 楊涵, 郝帥, 李琦, Sayidjakhon Khasanov. 1990—2019年中亞五國干旱狀況時空變化特征及大氣濤動驅(qū)動分析[J]. 中國生態(tài)農(nóng)業(yè)學報(中英文), 2021, 29(2): 312-324

PENG Y, LI F D, XU N, KULMATOV R, GAO K C, WANG G Q, ZHANG Y Y, QIAO Y F, LI Y H, YANG H, HAO S, LI Q, KHASANOV S. Spatial-temporal variations in drought conditions and their climatic oscillations in Central Asia from 1990 to 2019[J]. Chinese Journal of Eco-Agriculture, 2021, 29(2): 312-324

X21; P95

* 中國科學院戰(zhàn)略性先導(dǎo)科技專項資助(XDA20040302)、國家自然科學基金項目(U1803244, 41761144053)和石河子市科技計劃項目(2019ZH13)資助

李發(fā)東, 主要從事生態(tài)系統(tǒng)過程與環(huán)境研究。E-mail: lifadong@igsnrr.ac.cn

彭宇, 主要從事環(huán)境遙感-信息學與流域模擬研究。E-mail: pengyu181@mails.ucas.ac.cn

2020-11-18

2020-12-30

* This study was supported by the Strategic Priority Research Program of Chinese Academy of Sciences (XDA20040302), the National Natural Science Foundation of China (U1803244, 41761144053), and the Science and Technology Planning Project of Shihezi City, Xinjiang (2019ZH13).

, E-mail: lifadong@igsnrr.ac.cn

Nov. 18, 2020;

Dec. 30, 2020