商建東, 王芷曉, 魏潔茹, 魏沖

(1.鄭州大學 國家超級計算鄭州中心,河南 鄭州 450000; 2.鄭州大學 計算機與人工智能學院,河南 鄭州 450000;3.鄭州大學 地球科學與技術學院,河南 鄭州 450000; 4.華北水利水電大學 測繪與地理信息學院,河南 鄭州 450046)

在各種自然災害中,干旱影響的面積大,造成的經(jīng)濟損失嚴重,為世界上危害巨大的自然災害之一[1],其對農業(yè)生產[2]、生物多樣性[3]、人類社會健康發(fā)展[4]、水文水資源[5]等領域具有重要影響。干旱根據(jù)其成因可分為四大類型[6]:氣象干旱(降水損失)、農業(yè)干旱(土壤水分損失)、水文干旱(地表徑流、總水量和地下水損失)和社會經(jīng)濟干旱(水供應和需求損失)。由于氣候變化、人類活動等相關自然因素與人為因素[7]的相互作用,使得干旱事件發(fā)生頻率大幅增加[8]。然而,干旱涉及眾多因素,復雜且多變,干旱事件的識別和分析面臨巨大挑戰(zhàn)。正確認識和掌握干旱時空演變特征及其驅動因素,對干旱研究具有重要的現(xiàn)實意義。

干旱指數(shù)是定量衡量干旱嚴重程度的重要指標[9]。在過去幾十年里,一系列氣象干旱指數(shù)在干旱研究中發(fā)揮重要作用,如標準化降水指數(shù)(Standardized Precipitation Index,SPI)[10],標準化降水蒸散發(fā)指數(shù)(Standardized Precipitation Evapotranspiration Index,SPEI)[11],帕爾默干旱指數(shù)(Palmer Drought Severity Index,PDSI)[12]和土壤水分虧缺指數(shù)(Soil Moisture Deficit Index,SMDI)[13]等,被廣泛用于不同的空間尺度,如全球、區(qū)域和國家[14]。VICENTE-SERRANO S M等[11]提出的SPEI保留了PDSI和SPI指數(shù)的核心算法,允許結合多尺度特征和評估溫度變化對干旱的影響[15],同時考慮了氣溫因素并且引入了潛在蒸散量這一概念[16]。目前,在SPEI計算過程中常用的潛在蒸散發(fā)模型有兩種,分別為Thornthwaite模型和Penman-Monteith模型。Thornthwaite模型蒸散發(fā)公式中唯一需要的氣象要素是溫度,而Penman公式相關模型不僅要考慮溫度,還要考慮太陽輻射、氣壓、風速、相對濕度和氣象站點的地理位置等[15]。劉珂等[17]分別利用Thornthwaite模型和Penman-Monteith模型計算了中國區(qū)域的SPEI(分別簡寫為SPEI_TH和SPEI_PM),結果表明,基于Penman-Monteith模型的SPEI 相對而言能更加合理地描述研究區(qū)域的干濕變化特征。

SPEI在國內外干旱研究中得到了廣泛應用。LING M等[18]利用SPEI對1960—2020年海河流域干旱時空演變特征進行了分析,發(fā)現(xiàn)干旱發(fā)生頻率呈上升趨勢,輕旱和中旱頻繁發(fā)生。門寶輝等[19]利用SPEI研究潮白河流域氣象干旱的時空特征,結果表明,不同時間尺度的干濕變化趨勢不完全相同,但都主要以輕旱和中旱為主。WANG S等[20]利用SPEI研究1982—2015年內蒙古多時間尺度的干旱情況對植被動態(tài)的影響發(fā)現(xiàn),隨著干旱程度的增加,植被生產力喪失的概率增大。CHEN H等[14]指出,SPEI_PM在中國的干旱監(jiān)測結果優(yōu)于SPEI_TH的,近幾十年來,溫度變化對干旱的驅動影響最大。LI X等[21]研究發(fā)現(xiàn),長江流域的SPEI_PM結果優(yōu)于SPI和SPEI_TH的,但該研究僅僅使用SPEI_PM分析了長江流域年尺度的干旱變化特征,并未進行多尺度分析以及干旱驅動因素分析。田晴等[22]將長江流域按照各子流域進行劃分,利用土壤濕度數(shù)據(jù)進行農業(yè)干旱研究,但并未使用SPEI進行干旱分析。黃濤等[23]基于帕爾默干旱指數(shù)(PDSI)對長江流域干旱面積的時間變化特征、干濕情景時空分布特征以及變化趨勢進行分析,但該研究所使用的PDSI缺乏多尺度特性,不能有效分析長江流域的多尺度干旱特征,相關研究也缺乏對長江流域干旱驅動因素的分析。以往的研究在分析干旱事件發(fā)生條件時,往往只簡單地歸因于平均或極端溫度和降水,而忽視了內在因素的存在以及干旱事件長期變化規(guī)律,從而導致區(qū)域干旱現(xiàn)象的核心問題未能得到有效解決。

本文基于SPEI_PM,使用干旱覆蓋面積占比、Sen+Mann-Kendall趨勢檢驗、干旱重心轉移模型等方法對長江流域干旱特征進行多尺度分析,基于地理探測器研究長江流域干旱驅動因素。

1 研究區(qū)概況

長江流域總面積約180萬km2,如圖1所示,約占中國國土面積的18.8%,是中國第一大流域,橫跨青藏高原高寒區(qū)、西南熱帶季風區(qū)和華中亞熱帶季風區(qū)[23],上游植被以高寒草甸和天然草地為主,中游以森林植被類型為主,中下游四川盆地廣泛分布農田[24],區(qū)域植被類型豐富。長江流域降水時空分布與氣溫分布極其不均勻,年平均降水量約為300～2 400 mm,平均氣溫為4～24 ℃,降雨集中在5月、6月和9月[21]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

長江流域114個氣象站點1980—2019年的逐日最高氣溫、最低氣溫、平均氣溫、降水量、相對濕度、日照時長及平均風速等數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)(https://www.data.cma.cn/)。為保證數(shù)據(jù)在時間序列上的完整性,對少數(shù)站點的缺失數(shù)據(jù)采用臨近站點的數(shù)據(jù)進行插補。其他驅動因子數(shù)據(jù)以及長江流域內各省界、長江流域邊界矢量地圖數(shù)據(jù)均來源于中國科學院資源環(huán)境科學與數(shù)據(jù)中心(https://www.resdc.cn/)和地理空間數(shù)據(jù)云(https://www.gscloud.cn/)。

2.2 研究方法

2.2.1 標準化降水蒸散指數(shù)

SPEI_TH方法只考慮溫度和緯度兩個因素[25]的影響,而SPEI_PM方法考慮了平均風速、日照時數(shù)、平均降水、最高氣溫、最低氣溫、海拔高度等SPEI_TH方法沒有涉及到的因素,可以更好地反映不同地區(qū)的干濕狀況[18]。在實際的應用過程中,已經(jīng)有大量學者證明了SPEI_PM優(yōu)勢更顯著,故本文選用SPEI_PM方法。SPEI_PM具體計算過程見文獻[26]。

參照文獻[21]對干旱等級進行劃分,詳見表1。

表1 標準化降水蒸散指數(shù)干旱等級劃分表

2.2.2 干旱面積統(tǒng)計

YEVJEVICH V[27]于1967年提出的游程理論作為一種識別干旱事件的手段,被廣泛應用于干旱評價。本文利用游程理論分離出長江流域的干旱特征量,將SPEI<-0.5的值視為干旱。本文利用反距離權重空間插值法(Inverse Distance Weighted,IDW)對SPEI進行插值計算,并對計算結果進行重分類,然后統(tǒng)計長江流域內發(fā)生干旱(即SPEI<-0.5)的柵格像元個數(shù),計算受旱面積與總面積(M)的百分比,公式如下:

(1)

式中:A為干旱面積占比;m為受旱面積。

2.2.3 Sen+Mann-Kendall檢驗

Mann-Kendall趨勢檢驗(M-K檢驗)方法常用于氣象領域的時間序列趨勢分析[28],其計算過程[29]主要依靠檢驗統(tǒng)計量Z來確定一個序列中趨勢的顯著性,如果|Z|>1.96,則在95%的顯著性水平上,拒絕無趨勢的無效假設。M-K檢驗通常與Sen趨勢度結合使用,Sen趨勢度檢驗是由SEN P K[30]提出的一種研究長時間序列變量的方法,其主要衡量標準是趨勢度(β),計算公式如下:

(2)

式中:xi、xj分別為不同時刻下的變量值;median(·)為中位數(shù)函數(shù)。當β>0,則該變量的時間序列呈上升趨勢,反之呈下降趨勢。

2.2.4 干旱重心遷移模型

重心遷移模型可以反映研究區(qū)內干旱的時空聚集和動態(tài)遷移特征[31],通過比較研究期內的干旱分布重心位置,可以得到長江流域干旱分布的空間變化規(guī)律。計算干旱重心模型的公式如下:

(3)

(4)

式中:Xt、Yt分別為干旱重心的經(jīng)度、緯度坐標;Pit表示第i個像元t年的干旱程度;Xit和Yit分別為第i個像元t年干旱重心的經(jīng)度、緯度坐標。

計算干旱重心遷移距離的公式如下:

(5)

式中:s和k分別為遷移始末時間;Ds-k為該時段內干旱重心遷移距離;(Xs,Ys)和(Xk,Yk)分別為對應時段內干旱重心的空間地理坐標;C為常數(shù),取111.111,是將地理坐標(1°)換算成平面距離(km)的系數(shù)。

2.2.5 地理探測器

地理探測是探測地理現(xiàn)象空間分異并揭示其驅動力的一組統(tǒng)計學方法,由風險探測、因子探測、生態(tài)探測和交互探測4個部分組成[32]。本文主要使用因子探測和交互探測來研究影響長江流域干旱時空變化的空間分異因素[32]。

1)因子探測可以探測屬性Y的空間分異性,以及探測某驅動因子X在多大程度上解釋了屬性Y的空間分異,并以q值為度量(q∈[0,1]),q值越大,說明驅動因子X對屬性Y的解釋力越大。其表達式為:

(6)

2)交互作用探測可以識別不同驅動因子之間的交互作用,即評估驅動因子共同作用時是否會增加或減弱對因變量Y的解釋力。

干旱是多方位驅動因子共同作用下形成的[33]。參考已有研究[34],從自然因素(地形地貌和氣象)和人為因素(社會經(jīng)濟和交通)層面,共選取4個類別12個驅動因子,見表2。

3 結果與分析

3.1 干旱時間變化特征

3.1.1 干旱年際變化特征

1980—2019年長江流域的年尺度SPEI(SPEI-12)在短期內表現(xiàn)為明顯的正負振蕩形式,如圖2所示,整體上呈上升趨勢,上升速率為0.01/(10年),表明長江流域氣候呈濕潤趨勢,這與ZHANG H等[38]的結論一致。

圖2 1980—2019年長江流域年平均SPEI值變化

近40年來,長江流域的干旱時期主要集中于1986—1988年和2006—2013年,其中1986年、1988年和2006年干旱強度較大,SPEI值分別為-0.75、-0.73和-0.62,主要表現(xiàn)為輕旱。濕潤時期主要集中于1980—1983年和1989—2005年,其中1983年和1998年相對濕潤,SPEI值分別達到0.59和0.68,1998年表現(xiàn)最為濕潤,其原因在于長江流域多處支流匯聚疊加,發(fā)生了全流域洪災。

對長江流域每一年發(fā)生干旱的區(qū)域面積占比進行統(tǒng)計,如圖3所示,長江流域干旱面積占比整體上呈現(xiàn)下降趨勢,下降速率為0.008/(10年),與圖2得出的結論一致,干旱情況得到緩解。由圖3可知,1986年、1988年和2006年干旱面積占比分別為68%、70%和67%,這說明該時間節(jié)點長江流域絕大多數(shù)地區(qū)都發(fā)生了干旱,比如2006年發(fā)生了典型的夏伏旱。

3.1.2 干旱季節(jié)變化特征

季節(jié)界定按照氣象劃分法進行劃分,季節(jié)月份按照順序劃分為3—5月(春季)、6—8月(夏季)、9—11月(秋季)、12月—翌年2月(冬季)。

季尺度干旱變化特征表明,1980—2019年長江流域各季尺度SPEI(SPEI-3)總體與年尺度相比,呈明顯正負波動狀態(tài),如圖4所示。其中:春季和夏季SPEI整體呈不顯著上升趨勢,上升速率分別為0.061/(10年)和0.003/(10年)。秋季和冬季SPEI整體呈不顯著下降趨勢,下降速率分別為0.006/(10年)和0.077/(10年)。相比其他季節(jié),長江流域1980—2019年冬季干旱發(fā)生頻率較高,夏季SPEI變化趨勢與年尺度SPEI變化趨勢更為相似。

圖4 1980—2019年長江流域站點季節(jié)SPEI值變化

3.2 干旱空間變化特征

3.2.1 干旱年尺度變化特征

本章以年為時間尺度進行研究,將對應年代內10年的年尺度SPEI值進行平均。為避免長江流域SPEI值在部分年份出現(xiàn)異常值情況,本文在ArcGIS平臺運用IDW方法對SPEI進行空間插值,得到長江流域四期干旱區(qū)域空間分布圖,如圖5所示。由圖5分析可知:20世紀80年代干旱區(qū)域主要分布在長江流域西部和東南部地區(qū);20世紀90年代干旱區(qū)域主要分布在長江流域北部和西北部地區(qū);21世紀00年代干旱區(qū)域主要分布在長江流域東部地區(qū);21世紀10年代干旱區(qū)域主要分布在長江流域西南部和中部地區(qū)。其中,20世紀80年代出現(xiàn)干旱的區(qū)域面積最多,21世紀00年代出現(xiàn)干旱的區(qū)域面積最少。

圖5 長江流域各年代干旱區(qū)域空間分布情況

對長江流域年尺度的SPEI值進行 Sen+Mann-Kendall趨勢檢驗,并利用IDW進行空間插值,如圖6所示。由圖6表明,1980—2019年長江流域年尺度SPEI趨勢系數(shù)為(-0.58～0.61)/(10年),SPEI值呈現(xiàn)上升和下降趨勢的區(qū)域分別占長江流域總面積的52.36%和47.64%。這說明不同氣象站點的SPEI值變化趨勢具有明顯的空間差異性。長江流域的西南至東北區(qū)域SPEI值主要呈現(xiàn)下降趨勢,表現(xiàn)為由濕潤變得干旱;長江流域邊緣地區(qū)SPEI值主要呈上升趨勢,表現(xiàn)為由干旱變得濕潤。該結果與田晴等[22]對長江流域干旱變化趨勢研究得到的結論基本一致。根據(jù)站點數(shù)據(jù)具體分析可知:通過由濕變干顯著性檢驗的有8個站點,主要集中在四川西南部(木里、漢源、資陽)、重慶北部(萬州、奉節(jié))和湖北西北部(房縣、老河口、鄖西);通過由干變濕顯著性檢驗的有5個站點,主要集中在青海西部(五道梁、沱沱河)、四川西部(得榮、稻城)和上海(徐家匯)。

圖6 長江流域年尺度Sen+Mann-Kendall趨勢檢驗空間分布

為進一步了解長江流域干旱時空變化特征,基于ArcGIS平臺,利用重心遷移模型計算每個年代的干旱重心坐標;根據(jù)每個重心的經(jīng)緯度坐標繪制了1980—2019年長江流域的干旱重心變化軌跡,如圖7所示。

圖7 長江流域20世紀80年代至21世紀10年代干旱重心遷移軌跡

最后,根據(jù)以上結果計算長江流域干旱事件的重心遷移方向和距離,見表3。

表3 長江流域1980—2019年年尺度干旱重心遷移情況

通過對比發(fā)現(xiàn),干旱重心主要分布在長江流域中部,其遷移方向表現(xiàn)為東西向的移動趨勢大于南北向的,且干旱重心逐漸東移,即向長江流域中下游移動。

3.2.2 干旱季尺度變化特征

圖8—圖11為長江流域各年代季節(jié)干旱區(qū)域空間分布情況?？傮w來看:21世紀10年代冬季干旱區(qū)域面積最大,主要集中在長江流域中部地區(qū);其次是20世紀80年代夏季、20世紀80年代冬季、20世紀90年代秋季、20世紀80年代春季以及21世紀00年代春季,干旱區(qū)域主要分布在長江流域東南地區(qū)、中部地區(qū)、北部和西北地區(qū)、東部地區(qū)及北部地區(qū);其他年代季節(jié)干旱區(qū)域較少,甚至幾乎沒有發(fā)生干旱的區(qū)域。

圖8 長江流域20世紀80年代季節(jié)干旱區(qū)域空間分布情況

圖9 長江流域20世紀90年代季節(jié)干旱區(qū)域空間分布情況

圖10 長江流域21世紀00年代季節(jié)干旱區(qū)域空間分布情況

圖11 長江流域21世紀10年代季節(jié)干旱區(qū)域空間分布情況

圖12為長江流域季尺度Sen+Mann-Kendall趨勢檢驗空間分布情況。由圖12可知,長江流域不同季節(jié)的SPEI空間變化趨勢呈現(xiàn)顯著不同。

圖12 長江流域季尺度Sen+Mann-Kendall趨勢檢驗空間分布

長江流域春季SPEI主要呈現(xiàn)上升趨勢,趨勢系數(shù)為(-0.48～0.51)/ (10年),趨勢呈顯著上升的區(qū)域主要分布在四川邊界(德格、宜賓、廣元)、湖北西南部以及東部(恩施、麻城、英山)和上海(徐家匯)。

長江流域夏季SPEI主要呈現(xiàn)上升趨勢,趨勢系數(shù)為(-0.39～0.56)/(10年),趨勢呈顯著上升的區(qū)域主要分布在青海南部(治多)、四川東部以及南部(達州、漢源、木里)和上海(徐家匯)。

長江流域秋季SPEI呈現(xiàn)下降趨勢和上升趨勢的區(qū)域相當,趨勢呈顯著下降的區(qū)域主要分布在湖南南部(永州)和上海(寶山);趨勢呈顯著上升的區(qū)域主要分布在四川東南部(宜賓)、安徽南部(桐城)和上海(徐家匯)。

長江流域冬季SPEI主要呈現(xiàn)下降趨勢,趨勢系數(shù)(-0.59～0.64)/(10年),對比春夏秋三季,干旱趨勢顯著增強,趨勢呈顯著下降的區(qū)域主要分布在青海南部(玉樹)、四川邊緣地區(qū)(新龍、鹽源、遂寧)、貴州西部(威寧)、陜西南部(漢中)、湖南南部(永州、常寧、衡陽)、江西北部和南部(景德鎮(zhèn)、吉安縣)、浙江北部(平湖)和上海(寶山);趨勢呈顯著上升的區(qū)域主要分布在四川北部(廣源)、貴州北部(桐梓)、湖北西南部(恩施)、湖南西南部以及東北部(通道、馬坡嶺)和安徽南部(桐城)。

為進一步了解長江流域干旱在不同年代、季節(jié)的時空變化情況,分別利用重心遷移模型計算重心坐標,計算各年代不同季節(jié)的重心遷移軌跡,具體干旱重心空間分布位置如圖13所示,遷移距離見表4。由表4可知:長江流域20世紀80年代和20世紀90年代干旱重心遷移方向主要為由東向西;21世紀00年代和21世紀10年代干旱重心遷移方向主要為由西向東。而20世紀80年代和20世紀90年代與21世紀00年代和21世紀10年代干旱重心遷移方向完全相反,這表明隨著時間的推移,出現(xiàn)干旱的空間位置發(fā)生了重大改變。4個年代季節(jié)尺度的干旱重心遷移表現(xiàn)為東西向移動趨勢大于南北向移動趨勢,且干旱重心逐漸東移,即向長江流域中下游移動。

表4 長江流域20世紀80年代至21世紀10年代季尺度干旱重心遷移方向與距離

圖13 長江流域季節(jié)平均SPEI值重心遷移軌跡

3.3 長江流域干旱驅動因素分析

3.3.1 干旱水平差異的影響因素

由于短期內影響因子不會對長江流域造成過多影響,故本文以5年為時間間隔,選取2000年、2005年、2010年以及2015年的時間截面數(shù)據(jù)對各影響因子進行因子探測,選取SPEI-12為研究屬性,見表5。

表5 長江流域干旱差異的因子探測結果

本研究從4個維度選取了12個可能影響干旱差異的指標,通過將各維度具體指標的平均值q求和,得到不同維度對長江流域干旱差異的作用強度,同時將各作用強度劃分為兩個作用等級,規(guī)定q>0.5作為強作用維度層,否則為弱作用維度層。維度作用結果排名為氣象(0.59)>地形地貌(0.55)>交通區(qū)位(0.19)>社會經(jīng)濟(0.16),其中氣象和地形地貌為強作用維度層,交通區(qū)位和社會經(jīng)濟為弱作用強度層,這與實際情況相吻合,證實氣象和地形地貌對長江流域干旱差異起到較大影響作用。

根據(jù)因子探測結果,將q值排名前三位的影響因子視為主導因素,2000年前三位分別為高程(0.18)、距鐵路距離(0.18)和年均氣溫(0.16);2005年前三位分別為年均氣溫(0.32)、土壤類型(0.30)和高程(0.28);2010年前三位分別為年均降水(0.43)、高程(0.19)和土壤類型(0.10);2015年前三位分別為年均降水(0.70)、土壤類型(0.44)和年均氣溫(0.42)。

從各影響因子平均q值結果來看,年均降水(0.34)、高程(0.27)、年均氣溫(0.25)和土壤類型(0.24)占據(jù)主導地位,其中作用強度最強的為年均降水因素。從影響因子每一時期q值變化情況來看,變化比較明顯的為年均降水,并隨著時間的推移逐漸占據(jù)主導地位。高程、土壤類型和年均氣溫的q值呈上升趨勢并且在各時期占據(jù)主要地位,這說明人類活動對環(huán)境的影響逐漸增強。

3.3.2 干旱水平差異影響因素的交互作用探測

使用交互作用探測器分別對2000年、2005年、2010年以及2015年長江流域干旱差異影響因子(編碼含義見表2)進行交互探測,結果如圖14所示。根據(jù)交互探測結果可知:雙因子交互作用對長江流域干旱差異影響力大于單因子作用,作用類型為非線性增強和雙因子增強,即長江流域干旱差異是多因子組合作用的結果。2000年雙因子組合效果最佳的為高程和年均降水(0.32);2005年雙因子組合效果最佳的為土壤類型和年均降水(0.40);2010年雙因子組合效果最佳的為土壤類型和年均降水(0.52);2015年雙因子組合效果最佳的有6組,為年均降水分別與高程、土壤類型、年均氣溫、人口密度、夜間燈光、人類足跡的組合,探測值均為0.72。由此可以發(fā)現(xiàn),從2010年開始年均降水與其他因子的組合均在長江流域干旱差異影響中占據(jù)主導地位。這說明并非單因子、單維度的作用造成了長江流域的干旱差異,而是多因素、多系統(tǒng)的綜合作用產生了環(huán)境差異及演變過程。

圖14 長江流域干旱差異的交互探測結果

4 結論

本文基于SPEI_PM,利用干旱面積統(tǒng)計方法、Sen+Mann-Kendall檢驗、干旱重心遷移模型以及地理探測器,分析了1980—2019年多時間尺度下長江流域時空干旱變化特征以及驅動因素。主要結論如下:

1)長江流域干旱級別以無旱和輕旱為主。1980—2019年長江流域氣候總體呈濕潤趨勢。春季和夏季呈不顯著變濕趨勢;秋季和冬季呈不顯著變干趨勢。

2)長江流域不同年代干旱面積占比排名為20世紀80年代>20世紀90年代>21世紀10年代>21世紀00年代,其中年尺度干旱面積占比與夏季的最為相似。從干旱變化趨勢來看,長江流域年際干旱情況加重和減輕程度相當。春季和夏季主要呈現(xiàn)變濕趨勢,秋季干旱情況加重和減輕程度相當,冬季主要呈現(xiàn)變干趨勢。在季尺度與年尺度下,長江流域干旱重心遷移分布情況大致相同,都表現(xiàn)為東西向的移動趨勢大于南北向的。

3)地形地貌和氣象對長江流域干旱的影響最大,其中年均降水和高程因子占據(jù)主導地位。雙因子交互作用對長江流域干旱變化的影響力大于單因子作用,說明長江流域干旱情況差異是多因子組合作用的結果。

本研究在干旱特征上進行了多尺度分析,探討了引起干旱變化的主要影響因素及作用機理,可為長江流域氣象災害的預警與治理提供理論基礎與決策依據(jù)。

目前,長江流域部分區(qū)域干旱問題日益凸顯,出現(xiàn)自然景觀破壞、生物多樣性減少等現(xiàn)象,然而目前有關干旱如何影響長江流域生態(tài)發(fā)展及作用機理的研究有限。深入探究長江流域干旱時空特征的內在影響及驅動因素可為長江流域經(jīng)濟、人文、生態(tài)的進一步發(fā)展提供重要參考。未來可以重點關注研究,對長江流域氣象干旱做到及時防控、精準應對。