摘要：

全球變暖趨勢(shì)明顯，致使區(qū)域性干濕變化特征的不確定性加劇。通過(guò)計(jì)算標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI），結(jié)合可靠性-回彈性-脆弱性指標(biāo)（reliability-resilience-vulnerability，RRV）和馬爾科夫鏈估計(jì)（Markov Chains，MC）統(tǒng)計(jì)2000～2022年云貴高原區(qū)域的干旱風(fēng)險(xiǎn)等級(jí)、干旱發(fā)生頻率、涉及面積占比和平均持續(xù)時(shí)間，并采用Mann-Kendall檢驗(yàn)法檢驗(yàn)其趨勢(shì)顯著性，識(shí)別云貴高原的干旱事件，定量刻畫干旱狀態(tài)空間特征。結(jié)果表明：SPEI-RRV能夠有效識(shí)別云貴高原干旱事件，該指數(shù)能較為精確地評(píng)價(jià)區(qū)域干旱狀態(tài)；云貴高原78%的地區(qū)干旱狀態(tài)有微弱的逐年加重趨勢(shì)，有超過(guò)35%的概率會(huì)遭受從輕度到特級(jí)不同程度的干旱，東部丘陵區(qū)特旱的穩(wěn)態(tài)概率為25%，該區(qū)域發(fā)生極端干旱概率較高。 研究成果可為云貴高原干旱監(jiān)測(cè)和干旱風(fēng)險(xiǎn)評(píng)估提供參考。

關(guān)" 鍵" 詞：

干旱狀態(tài)識(shí)別； SPEI-RRV； 馬爾科夫鏈； 云貴高原

中圖法分類號(hào)： P426.616；P333

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.07.009

收稿日期：

2023-11-10

；接受日期：

2024-01-12

基金項(xiàng)目：

貴州大學(xué)引進(jìn)人才科研項(xiàng)目（貴大人基合字（2020）43號(hào)）；貴州大學(xué)培育項(xiàng)目（貴大培育［2020］57）；武漢大學(xué)地球空間環(huán)境與大地測(cè)量教育部重點(diǎn)實(shí)驗(yàn)室測(cè)繪基礎(chǔ)研究基金項(xiàng)目（20-01-02）；陜西省創(chuàng)新能力支撐計(jì)劃項(xiàng)目“多源水汽反演及其在干旱監(jiān)測(cè)中的應(yīng)用研究”（2023KJXX-050）

作者簡(jiǎn)介：

郝海寧，女，碩士研究生，研究方向?yàn)榻邓繒r(shí)序分析。E-mail：gs.hnhao21@gzu.edu.cn

通信作者：

王新鵬，男，校聘副教授，博士，研究方向?yàn)殚L(zhǎng)時(shí)序數(shù)據(jù)分析、變形監(jiān)測(cè)數(shù)據(jù)處理、精密工程測(cè)量數(shù)據(jù)處理等。E-mail：xpwang3@gzu.edu.cn

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號(hào)：1001-4179（2024） 07-0065-08

引用本文：

郝海寧，王新鵬，簡(jiǎn)靈活，等.

基于SPEI-RRV和MC的云貴高原干旱狀態(tài)識(shí)別

［J］.人民長(zhǎng)江，2024，55（7）：65-72.

0" 引 言

全球變暖趨勢(shì)明顯，干旱等極端氣候事件頻繁發(fā)生且愈加嚴(yán)重［1］。云貴高原被認(rèn)為是中國(guó)干旱多發(fā)區(qū)域之一［2］，干旱所造成的大范圍災(zāi)難性環(huán)境變化和嚴(yán)重的社會(huì)經(jīng)濟(jì)后果引發(fā)廣泛關(guān)注［3-4］。全面理解云貴高原氣象干旱時(shí)空變化趨勢(shì)，明確干旱事件的區(qū)域空間變化規(guī)律，測(cè)量生態(tài)系統(tǒng)對(duì)干旱事件的響應(yīng)狀況，對(duì)云貴高原抗旱防災(zāi)和農(nóng)業(yè)結(jié)構(gòu)調(diào)整具有重要意義。

目前針對(duì)云貴高原所展開的干旱分析多利用干旱指數(shù)結(jié)合趨勢(shì)特征分析干旱的演變特性，如靖娟利等［5］利用標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)（standardized precipitation evapotranspiration index，SPEI）分析了西南地區(qū)包括云貴高原的干旱時(shí)空變化基本特征；葛元?jiǎng)P等［6］采用干旱指數(shù)識(shí)別地區(qū)氣象干旱的常發(fā)區(qū)域；王永鋒等［7］將干旱指數(shù)與西南特有的喀斯特地貌相結(jié)合闡述了特有地貌的干旱空間分布格局。以上研究多采用單一干旱指數(shù)，并且缺少量化生態(tài)系統(tǒng)對(duì)干旱事件的響應(yīng)情況［8］。因此結(jié)合干旱指數(shù)與水資源系統(tǒng)性能評(píng)價(jià)指標(biāo)RRV（可靠性reliability、回彈性resilience、脆弱性vulnerability）量化干旱狀態(tài)的風(fēng)險(xiǎn)指標(biāo)，有益于解析干旱條件對(duì)生態(tài)系統(tǒng)功能的具體影響。RRV指數(shù)已在水文和流域研究中得到應(yīng)用。如Sadeghi［9］將RRV結(jié)合標(biāo)準(zhǔn)化降水指數(shù)（standardized precipitation index，SPI）定量分析伊朗沙贊德流域的健康狀況；楊肖麗等［10］基于SPI-RRV對(duì)中國(guó)氣象干旱及其風(fēng)險(xiǎn)的時(shí)空演變特征做定量評(píng)價(jià)。研究表明，結(jié)合RRV和干旱指標(biāo)，可以更好地量化干旱事件對(duì)生態(tài)系統(tǒng)不同狀態(tài)的影響能力，從而提供對(duì)干旱影響和環(huán)境響應(yīng)更細(xì)致的探查研究。但上述研究采用的SPI和SPEI指數(shù)存在一定局限性，云貴高原地處低緯度高海拔區(qū)域，低緯度致使太陽(yáng)輻射更為集中和強(qiáng)烈，區(qū)域海拔高差大導(dǎo)致蒸發(fā)的潛熱差距大。SPI指數(shù)沒(méi)有考慮氣溫因素，忽略了水分平衡的影響；采用Hargreaves-Samani方法計(jì)算得到SPEI指數(shù)［11］，僅考慮了區(qū)域內(nèi)降水和平均氣溫因素。因此，本文擬使用Penman-Monteith［12］方法計(jì)算得到SPEI指數(shù)，該方法所得指數(shù)能夠捕捉氣溫、風(fēng)速、日照和相對(duì)濕度等因素，使用其識(shí)別云貴高原氣象干旱事件，可為區(qū)域研究提供更完善的干旱風(fēng)險(xiǎn)評(píng)估。

本文利用SPEI-RRV指數(shù)識(shí)別云貴高原干旱事件，并應(yīng)用馬爾可夫鏈估算其不同干旱等級(jí)間的轉(zhuǎn)換概率，使用M-K檢驗(yàn)法檢驗(yàn)干旱事件時(shí)空演變顯著程度；統(tǒng)計(jì)區(qū)域不同等級(jí)干旱發(fā)生頻率、面積占比、平均持續(xù)時(shí)間及干旱風(fēng)險(xiǎn)等級(jí)，定量刻畫干旱空間特征，并對(duì)云貴高原氣象干旱事件進(jìn)行評(píng)估。

1" 研究概況

云貴高原地處中國(guó)西南部，位于橫斷山脈、南嶺山脈和二級(jí)地形階梯組成的“三脈”交匯位置［13］。特有的喀斯特地貌塑造了其獨(dú)特的水文條件，特殊的地理位置和地形決定了其復(fù)雜的氣候特征。圖1為云貴高原的柯本-蓋革氣候分類指數(shù)圖［14］，該區(qū)域經(jīng)歷5種氣候條件，氣候空間差異性顯著。本文使用2022版CN05格點(diǎn)化觀測(cè)數(shù)據(jù)集［15］，分辨率為0.25°×0.25°，選取2000～2022年降水和氣溫?cái)?shù)據(jù)進(jìn)行分析。已有研究表明，包括高原在內(nèi)的觀測(cè)資料具有一定的可靠性［10，16］。蒸發(fā)量數(shù)據(jù)采用hPET全球數(shù)據(jù)集［17］，數(shù)據(jù)集基于ERA5-Land的每小時(shí)氣候變量經(jīng)公式Penman-Monteith計(jì)算得出，具有較高的精度和可信性［18-19］。因地形和水文條件各不相同，將云貴高原分為3個(gè)地形單元：包括橫斷山脈、哀牢山等地區(qū)在內(nèi)，地勢(shì)較高，海拔在1 000～2 000 m 之間的西部山地；包括武陵山、雪峰山等地區(qū)，地勢(shì)較低，海拔在1 000～1 200 m 之間的東部丘陵地區(qū)；云南省的多個(gè)山間盆地交匯處，位于長(zhǎng)江、西江和元江幾大水系分水嶺的中部盆地區(qū)域。區(qū)域的具體劃分如圖1所示。

2" 相關(guān)理論介紹

2.1" SPEI指數(shù)

SPEI是利用Log-logistic概率分布函數(shù)，對(duì)降水和蒸發(fā)差異進(jìn)行三參數(shù)估算，進(jìn)而計(jì)算概率密度函數(shù)，然后對(duì)累積的概率密度進(jìn)行正態(tài)標(biāo)準(zhǔn)化得到［20］。SPEI存在不同時(shí)間尺度，本文擬計(jì)算1月尺度下的SPEI（即SPEI-01），并根據(jù)GB/T 20481-2017《氣象干旱等級(jí)》標(biāo)準(zhǔn)所劃分的干旱等級(jí)定義干旱事件閾值。定義至少出現(xiàn)連續(xù)3個(gè)月SPEI值低于-1的情況為一次干旱事件，即至少連續(xù)3個(gè)月出現(xiàn)中度干旱狀態(tài)。

2.2" SPEI-RRV指數(shù)

2.2.1" 指數(shù)構(gòu)建

SPEI-RRV是SPEI與Rel、Res、Vul組合的復(fù)合指數(shù)。Rel通常指系統(tǒng)在特定條件下正常運(yùn)行的能力，在此為水資源系統(tǒng)在干旱期間能夠提供足夠水資源的能力；Res指系統(tǒng)在受到干旱事件沖擊后恢復(fù)至正常狀態(tài)的能力，評(píng)估系統(tǒng)在干旱后恢復(fù)的速度和效率；Vul指系統(tǒng)在面對(duì)干旱等沖擊時(shí)可能受到的損害程度，用以評(píng)估干旱對(duì)系統(tǒng)的影響程度和系統(tǒng)的恢復(fù)能力［9］。各個(gè)指數(shù)的具體計(jì)算過(guò)程如下：

Rel=1-Mj=1d（j）T（1）

Res=1MMj=1d（j）-1（2）

Vul=1MTi=1Lobs（i）-Lstd（i）Lstd（i）H（Lobs（i）-Lstd（i））（3）

Y1=xi-xminxmax-xmin（4）

Y2=xmax-xixmax-xmin（5）

RRV=3Relstd×Resstd×Vulstd（6）

式中：M是干旱狀態(tài)的數(shù)量；d（j）是第j次干旱狀態(tài)的持續(xù)時(shí)間，月；T是時(shí)間，月；Lobs（i）是第i時(shí)間節(jié)點(diǎn)的SPEI值；Lstd（i）是相應(yīng)的SPEI閾值（SPEI≤-1）；H是Heaviside函數(shù)，確保脆弱性計(jì)算僅涉及干旱狀態(tài)，定義負(fù)自變量H=0，正自變量H=1。然后，對(duì)Rel、Res用公式（4）和對(duì)Vul用公式（5）進(jìn)行標(biāo)準(zhǔn)化。Relstd、Resstd、Vulstd是三者經(jīng)過(guò)標(biāo)準(zhǔn)化后的值。

2.2.2" 指數(shù)評(píng)定等級(jí)劃分

SPEI-RRV應(yīng)用的關(guān)鍵在于確定其合理的干旱風(fēng)險(xiǎn)評(píng)定等級(jí)。參照文獻(xiàn)［9-10］將 SPEI-RRV取值劃分為5個(gè)等級(jí)（表1）。SPEI-RRV取值范圍在0 ～ 0.2之間，表示氣象干旱的破壞性高風(fēng)險(xiǎn)大，干旱風(fēng)險(xiǎn)等級(jí)最高為特旱等級(jí)。SPEI-RRV數(shù)值越低，氣象干旱的破壞性越強(qiáng)，干旱風(fēng)險(xiǎn)等級(jí)越高。

2.3" 干旱特征識(shí)別方法

2.3.1" Mann-Kendall檢驗(yàn)法

本文擬使用Mann-Kendall（M-K）檢驗(yàn)法對(duì)各氣象數(shù)據(jù)和指數(shù)的演變趨勢(shì)顯著性進(jìn)行檢驗(yàn)。Z值是M-K統(tǒng)計(jì)量的置信度標(biāo)準(zhǔn)值［10］。若Z值超過(guò)0，表征變量呈增長(zhǎng)趨勢(shì)；若Z值低于0，則變量為下降趨勢(shì)。Z值的絕對(duì)值達(dá)到或超過(guò)1.96時(shí)，表明趨勢(shì)具有統(tǒng)計(jì)學(xué)上的顯著性；否則，變量趨勢(shì)為不顯著。

2.3.2" 馬爾科夫鏈估計(jì)

馬爾科夫鏈指一種隨機(jī)過(guò)程，其中系統(tǒng)未來(lái)發(fā)生某事件的條件概率僅與其當(dāng)前狀態(tài)有關(guān)，而與其過(guò)去的事件無(wú)關(guān)［21］。鑒于影響SPEI-RRV的因素眾多，可視SPEI-RRV指數(shù)動(dòng)態(tài)過(guò)程為馬爾科夫鏈。將馬爾科夫模型作為動(dòng)態(tài)分類器，以連續(xù)評(píng)估氣象干旱類別，估算其不同干旱等級(jí)間轉(zhuǎn)換概率、穩(wěn)態(tài)概率［21］，并使用平均干旱時(shí)間（mean drought duration，MDD）參數(shù)量化區(qū)域干旱狀態(tài)強(qiáng)度。

3" 分析與討論

3.1" SPEI-RRV云貴高原地區(qū)干旱識(shí)別

為驗(yàn)證SPEI-RRV在云貴高原地區(qū)干旱識(shí)別的適用性，選取結(jié)果與前人研究［22-24］相對(duì)比。

圖2為應(yīng)用指數(shù)識(shí)別得到的干旱事件對(duì)應(yīng)的SPEI-RRV值和干旱事件波及面積比。面積比為發(fā)生中度干旱事件網(wǎng)格點(diǎn)數(shù)與總點(diǎn)數(shù)的比值。通過(guò)SPEI-RRV在2000～2022年期間共識(shí)別得到干旱事件106起。因干旱事件設(shè)置閾值為中度干旱狀態(tài)及以上，所以SPEI-RRV值多集中于0.2～0.3，表征干旱事件多為破壞性較大的重旱事件。2009年發(fā)生事件數(shù)最多，自9月至次年5月干旱狀態(tài)在多區(qū)域不間斷發(fā)生，階段性干旱面積占比峰值出現(xiàn)在9月，這與歷史資料描述［22］分析一致。2009年之前，云貴高原干旱事件發(fā)生頻率較2009年略低，平均干旱持續(xù)時(shí)間為3～4個(gè)月，干旱影響范圍在2003年7月、2006年6月和2007年10月達(dá)到階段性峰值，面積占比均超過(guò)26%，這一結(jié)論與基于MODIS光譜指數(shù)分析云貴高原干旱結(jié)論相符［24］。2009年后干旱的涉及面積和持續(xù)時(shí)間呈明顯上升趨勢(shì)，單次干旱事件涉及面積增大。2009年10月至2010年5月，2011年下半年至2012年8月以及2013年和2014年，區(qū)域均發(fā)生嚴(yán)重干旱事件，干旱持續(xù)時(shí)間為8個(gè)月、6個(gè)月和4個(gè)月不等。2011年7～9月干旱事件所波及面積比超60%，干旱強(qiáng)度較2009年之前明顯提高。2015～2017年干旱狀態(tài)明顯緩解，干旱事件數(shù)量下降顯著。但隨之2019年和2022年干旱強(qiáng)度更大且強(qiáng)度集中，波及面積大，2022年8～12月干旱事件所波及面積比為59%。干旱事件面積比也與前人研究一致［10］?？傮w而言，SPEI-RRV能有效識(shí)別2000～2022年典型干旱事件。結(jié)合前人研究分析判斷，證明SPEI-RRV指數(shù)能較為精確評(píng)價(jià)云貴高原干旱狀態(tài)。

3.2" 干旱時(shí)空演變趨勢(shì)

SPEI-RRV值年際演變趨勢(shì)可劃分為3個(gè)時(shí)段（圖3）。2000～2006年SPEI-RRV范圍主要在0.58～0.62之間，處于中旱等級(jí)，數(shù)據(jù)分布較為集中。2007～2014年SPEI-RRV回升至0.61～0.66之間，年際干旱風(fēng)險(xiǎn)等級(jí)降低。2015～2022年主要集中在0.56～0.60之間，但也有一部分?jǐn)?shù)據(jù)分布在0.63～0.68 之間。干旱不同時(shí)段的峰值位置大致相同，集中在云貴交接區(qū)域，而谷值的位置也較為接近，主要集中在經(jīng)度約為108°E～109°E、緯度約為22.5°W～23.0°W的區(qū)域。年際SPEI-RRV值反映區(qū)域年際平均整體干旱狀態(tài)，較單一干旱事件SPEI-RRV值有所上升。2000～2022年SPEI-RRV值多集中于中旱和輕旱等級(jí)。

圖3（d）為SPEI-RRV值M-K趨勢(shì)檢驗(yàn)，統(tǒng)計(jì)量Z值的標(biāo)準(zhǔn)差為0.764 3，表明數(shù)據(jù)存在一定的空間分布異質(zhì)性。Z值大致呈正態(tài)分布，但偏向負(fù)值，78%的Z值小于零，但僅有3.9%的Z值超過(guò)-1.96，呈顯著變化趨勢(shì)。說(shuō)明云貴高原大部分地區(qū)年際干旱狀態(tài)有微弱的逐年加重趨勢(shì)，并且Z值顯示顯著變干區(qū)域集中分布于云貴高原交界處。此外23%的Z值為正值但未超過(guò)1.96，大部分集中于云南省中西部和貴州省西部，說(shuō)明在此區(qū)域內(nèi)干旱狀態(tài)緩解，但趨勢(shì)依舊不顯著。

3.3" 馬爾科夫鏈估計(jì)

3.3.1" 轉(zhuǎn)移概率矩陣熱力圖

視云貴高原SPEI-RRV指數(shù)的動(dòng)態(tài)過(guò)程為馬爾科

夫鏈，計(jì)算得到轉(zhuǎn)移概率矩陣，然后利用皮爾遜相關(guān)系數(shù)對(duì)其穩(wěn)定性進(jìn)行檢測(cè)。研究表明：轉(zhuǎn)移概率矩陣與初始矩陣之間的線性相關(guān)系數(shù)趨近于1，表明兩者有強(qiáng)相似性，從而說(shuō)明該狀態(tài)轉(zhuǎn)移矩陣是可靠的。

利用轉(zhuǎn)移概率矩陣?yán)L制熱力圖（圖4），圖中每個(gè)單元格標(biāo)有轉(zhuǎn)移概率值，估算從一個(gè)干旱狀態(tài)到另一個(gè)狀態(tài)的概率。顏色越深表示轉(zhuǎn)移概率越高，而顏色越淺表示轉(zhuǎn)移概率越低。正對(duì)角線為干旱狀態(tài)要素的穩(wěn)態(tài)概率，即干旱要素長(zhǎng)期處于每種狀態(tài)的概率。

3個(gè)區(qū)域處于無(wú)旱狀態(tài)的穩(wěn)態(tài)概率最高，均超過(guò)60%。西部山地和中部盆地區(qū)各干旱類別轉(zhuǎn)移到特旱的概率最低，有時(shí)為零，表明兩區(qū)域特旱的發(fā)生概率最小。但從無(wú)旱轉(zhuǎn)移至特旱的概率均超過(guò)50%，表明在某些條件下該區(qū)域可能會(huì)突然經(jīng)歷嚴(yán)重干旱狀態(tài)。東部丘陵區(qū)特旱的穩(wěn)態(tài)概率為25%，說(shuō)明該區(qū)域發(fā)生嚴(yán)重干旱的概率較其他類別干旱發(fā)生的概率高。中部盆地區(qū)中旱到特旱的轉(zhuǎn)移概率是27%，表明一旦進(jìn)入中旱狀態(tài)，其惡化為更嚴(yán)重干旱狀態(tài)的概率增加。云貴高原不同地區(qū)在干旱狀態(tài)之間的轉(zhuǎn)移概率有顯著差異，有超過(guò)35%的概率會(huì)遭受從輕度到特級(jí)不同程度的干旱。

3.3.2" 平均干旱時(shí)間

根據(jù)馬爾科夫鏈理論，各干旱狀態(tài)經(jīng)過(guò)長(zhǎng)時(shí)間的演化，就會(huì)達(dá)到穩(wěn)態(tài)概率，利用其對(duì)平均干旱時(shí)長(zhǎng)進(jìn)行量化。

圖5顯示各季節(jié)云貴高原發(fā)生持續(xù)干旱情況及各干旱時(shí)長(zhǎng)所占面積比。圖中西部山地、東部丘陵區(qū)和中部盆地區(qū)平均干旱時(shí)間在不同季節(jié)具有明顯差異。圖5（a）為春季，中部盆地和西部山區(qū)平均干旱時(shí)長(zhǎng)為2個(gè)月以上的面積占比均超過(guò)50%，東部丘陵區(qū)域中部及東部的小部分區(qū)域平均干旱時(shí)長(zhǎng)超過(guò)2個(gè)月，面積占比為28%。春季西部山地及中部盆地區(qū)域易發(fā)生干旱，其干旱面積占比及平均干旱時(shí)長(zhǎng)遠(yuǎn)超東部丘陵區(qū)。圖5（b）為夏季，西部山地及中部盆地區(qū)域全境平均干旱時(shí)長(zhǎng)較春季有所緩解，處于低值區(qū)。云南省主要為亞熱帶高原氣候，春季易發(fā)生干旱，夏季為雨季致使其平均干旱時(shí)長(zhǎng)降低。東部丘陵區(qū)域平均干旱時(shí)間上升明顯，約64.29%區(qū)域平均干旱時(shí)間為1～2個(gè)月。秋季如圖5（c）所示，區(qū)域遭遇秋旱明顯，干旱面積占比為四季中最大，且對(duì)比夏季平均干旱時(shí)長(zhǎng)延長(zhǎng)

注：藍(lán)色表示干旱平均持續(xù)時(shí)間最短的地區(qū)，而紅色表示干旱平均持續(xù)時(shí)間最長(zhǎng)的地區(qū)。

明顯，平均干旱時(shí)間多為2～3個(gè)月。圖5（d）為冬季，平均干旱時(shí)長(zhǎng)在空間上呈現(xiàn)從西北向東南逐漸降低的趨勢(shì)，西部山區(qū)平均干旱時(shí)間值為2～3個(gè)月占比達(dá) 94.6%，干旱烈度為四季中最強(qiáng)，致使干旱時(shí)長(zhǎng)增加。西部山地區(qū)域?yàn)樘υ瓪夂?，且海拔高水汽被高山阻隔，旱情恢?fù)緩慢，四季干旱持續(xù)時(shí)間最長(zhǎng)。

3.4" 討 論

因干旱誘因眾多，本文選取降水和氣溫空間特征及其變化趨勢(shì)進(jìn)行分析，探尋區(qū)域干旱事件發(fā)生的原因。為降低氣候數(shù)據(jù)中的季節(jié)性波動(dòng)，確保數(shù)據(jù)能更好地反映穩(wěn)定的隨機(jī)過(guò)程，根據(jù)世界氣象組織（WMO）標(biāo)準(zhǔn)，選用距平值（即為某一系列數(shù)值中的某一個(gè)數(shù)值與平均值的差）處理溫度、降水量的月變化。基準(zhǔn)期為2000～2022年的平均溫度和降水量，利用這一標(biāo)準(zhǔn)，計(jì)算得到平均氣候要素距平值。

2000～2022年云貴高原年代際溫度距平增加明顯（圖6（e）），年平均溫度距平從2000年的-4.7%增加至2022年的6.2%，負(fù)趨勢(shì)極值出現(xiàn)在2012年前后，2012年后溫度距平呈增加趨勢(shì)，升溫明顯。春季（圖6（b））顯著升溫區(qū)域與圖5平均干旱持續(xù)時(shí)長(zhǎng)紅色區(qū)域部分重合，說(shuō)明春季氣溫顯著上升可能是因?yàn)槠骄珊禃r(shí)間延長(zhǎng)。夏季云貴兩省超79.6%的地區(qū)Z值的絕對(duì)值超過(guò)2.58，升溫趨勢(shì)顯著。秋季氣溫由東向西遞減，呈現(xiàn)“東增西減”的空間分布趨勢(shì)。冬季中部盆地68%的地區(qū)呈現(xiàn)負(fù)趨勢(shì)，而東部丘陵區(qū)大部分區(qū)域?yàn)檎厔?shì)，變化趨勢(shì)不明顯。降水距平呈現(xiàn)“先增后減再增”波動(dòng)增加的趨勢(shì)（圖7（e）），降水的最小值出現(xiàn)在2009～2012年，此時(shí)發(fā)生的降水量銳減導(dǎo)致地區(qū)出現(xiàn)連旱現(xiàn)象［22］。降水距平值在春夏兩季呈現(xiàn)負(fù)趨勢(shì)，春季僅2.31%的地區(qū)降水量為正趨勢(shì)。夏季降水距平值呈顯著降低趨勢(shì)的區(qū)域范圍擴(kuò)大，占比為38.7%。夏季降水顯著下降區(qū)域與SPEI-RRV值呈顯著變干區(qū)域重合。溫度的升高、降水量的減少導(dǎo)致春夏兩季高溫干旱復(fù)合事件發(fā)生的風(fēng)險(xiǎn)大大增加。而秋季75%的區(qū)域降水距平呈負(fù)趨勢(shì)，致使秋季受溫度和降水的變化影響，干旱風(fēng)險(xiǎn)持續(xù)增加。

4" 結(jié) 論

本文通過(guò)計(jì)算SPEI-RRV指數(shù)和馬爾科夫鏈估計(jì)，使用M-K檢驗(yàn)法檢驗(yàn)干旱事件時(shí)空演變顯著程度；統(tǒng)計(jì)干旱風(fēng)險(xiǎn)等級(jí)、區(qū)域不同等級(jí)干旱發(fā)生頻率、面積占比、平均持續(xù)時(shí)間，定量識(shí)別云貴高原干旱狀態(tài)特征。得出結(jié)論如下：

（1） SPEI-RRV能夠有效識(shí)別云貴高原干旱事件，結(jié)合歷史資料驗(yàn)證了該指數(shù)能較為精確地評(píng)價(jià)區(qū)域干旱狀態(tài)。

（2） 利用馬爾科夫鏈估計(jì)得到轉(zhuǎn)移概率矩陣，估算得出云貴高原有超過(guò)35%的概率會(huì)遭受從輕度到特級(jí)不同程度的干旱。

（3） 云貴高原年均溫度距平值顯著升高，春夏兩季降水距平下降趨勢(shì)顯著。春季氣溫顯著上升與干旱持續(xù)時(shí)長(zhǎng)增加相關(guān)，夏季降水量減少增加了干旱風(fēng)險(xiǎn)。整體上，溫度升高和降水減少共同加劇了該地區(qū)干旱的發(fā)生頻率和持續(xù)時(shí)間。

參考文獻(xiàn)：

［1］" IPCC.Climate change 2014：impacts，adaptation，and vulnerability［M］.Cambridge：Cambridge University Press，2014.

［2］" 劉振男，杜堯，韓幸燁，等.基于遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)模型的干旱預(yù)測(cè)：以云貴高原為例［J］.人民長(zhǎng)江，2020，51（8）：13-18.

［3］" 薛雨婷，李謝輝，賈何佳.基于CMIP6模式的西南地區(qū)旱災(zāi)風(fēng)險(xiǎn)未來(lái)預(yù)估［J］.水土保持研究，2023，30（2）：247-255.

［4］" 夏智宏，劉敏，秦鵬程，等.2022年長(zhǎng)江流域高溫干旱過(guò)程及其影響評(píng)估［J］人民長(zhǎng)江，2023，54（2）：21-28.

［5］" 靖娟利，和彩霞，王永鋒，等.西南地區(qū)1902～2018年干旱時(shí)空演變特征分析［J］.水土保持研究，2022，29（3）：220-227.

［6］" 葛元?jiǎng)P，趙龍龍，陳勁松.1983～2020年西南地區(qū)氣象干旱時(shí)空演變趨勢(shì)及干旱事件識(shí)別［J］.生態(tài)環(huán)境學(xué)報(bào)，2023，32（5）：920-932.

［7］" 王永鋒，和彩霞，靖娟利.基于SPEI的西南喀斯特核心分布區(qū)干旱時(shí)空格局分析［J］.桂林理工大學(xué)學(xué)報(bào)，2022，42（1）：131-140.

［8］" 曾鵬.基于SPI/SPEI指數(shù)與RRV指標(biāo)的我國(guó)流域干旱預(yù)估研究［D］.上海：華東師范大學(xué)，2020.

［9］" SADEGHI S H.Spatiotempor variation of watershed health propensity through reliability-resilience-vulnerability based drought index（case study：Shazand Watershed in Iran）［J］.Science of the Total Environment，2017，587：168-176.

［10］" 楊肖麗，羅定，葉周兵，等.基于SPI-RRV指數(shù)中國(guó)氣象干旱及其風(fēng)險(xiǎn)時(shí)空演變特征研究［J］.水資源護(hù)，2024，40（1）：44-51.

［11］" NEJADREKABI M，ESLAMIAN S，ZAREIAN M J.Spatial statistics techniques for SPEI and NDVI drought indices：a case study of Khuzestan Province［J］.International Journal of Environmental Science and Technology，2022，19（7）：6573-6594.

［12］" JUAN D.Standardized precipitation evapotranspiration index（SPEI） estimated using variant long short-term memory network at four climatic zones of China［J］.Computers and Electronics in Agriculture，2023，21（3）：108-253.

［13］" 郭曉芳，李旭東，程?hào)|亞.云貴高原氣溫與降水空間分布特征及其影響因素［J］.水土保持研究，2021，28（1）：159-163.

［14］" BECK H E，ZIMMERMANN N E，MCVICAR T R.et al.Present and future Kppen-Geiger climate classification maps at 1-km resolution［J］.Scientific Data，2018，5（1）：180-214.

［15］" 吳佳，高學(xué)杰.一套格點(diǎn)化的中國(guó)區(qū)域逐日觀測(cè)資料及與其它資料的對(duì)比［J］.地球物理學(xué)報(bào)，2013，56（4）：1102-1111.

［16］" 陳實(shí)，高超，黃銀蘭.巢湖流域極端降水事件的時(shí)空變化趨勢(shì)分析［J］.人民黃河，2014，36（5）：27-30.

［17］" SINGER M B.Hourly potential evapotranspiration at 0.1° resolution for the global land surface from 1981-present［J］.Scientific Data，2021（1）：224.

［18］" ZENG L L.Amodified hydrologic model for examining the capability of global gridded PET products in improving hydrological simulation accuracy of surface runoff，streamflow and base flow［J］.Journal of Hydrology，2022，6（10）：127-960.

［19］" HERMAN M R，NEJADHASHEMI A P，ABOUALI M，et al.Evaluating the role of evapotranspiration remote sensing data in improving hydrologicalmodeling predictability［J］.Journal of Hydrology，2018，5（56）：39-49.

［20］" SHI B L，ZHU X YU，HU Y C，et al.Drought characteristics of Henan Province in 1961～2013 based on standardized precipitation evapotranspiration index［J］.Journal of Geographical Sciences，2017，27（3）：311-325.

［21］" SANUSI W，JEMAIN A A，ZIN W，et al.The drought characteristics using the first-order Homogeneous Markov Chain of monthly rainfall data in Peninsular Malaysia［J］.Water Resources，2015，29（5）：1523-1539.

［22］" 國(guó)家防汛抗旱總指揮部，中華人民共和國(guó)水利部.2009年中國(guó)水旱災(zāi)害公報(bào)［J］.中華人民共和國(guó)水利部公報(bào)，2011（1）：17.

［23］" 裘峰，孫偉.貴州省2022年旱災(zāi)演變、成因、特點(diǎn)及防治措施［J］.中國(guó)防汛抗旱，2023，33（2）：7-11.

［24］" 王先偉，劉梅，柳林.MODIS光譜指數(shù)在中國(guó)西南干旱監(jiān)測(cè)中的應(yīng)用［J］.遙感學(xué)報(bào)，2014，18（2）：432-456.

（編輯：謝玲嫻）

Identification of drought status in Yunnan-Guizhou Plateau based on SPEI-RRV and Markov Chain

HAO Haining1，WANG Xinpeng1，2，JIAN Linghuo1，ZHAO Qingzhi3

（1.School of Mining，Guizhou University，Guiyang 550025，China；" 2.GNSS Research Center，Wuhan University，Wuhan 430079，China；" 3.College of Geomatics，Xi′an University of Science and Technology，Xi′an 710054，China）

Abstract：

The continual global warming trend has contributed to the uncertainty of regional dry and wet change characteristics.In this study，a standardized precipitation evapotranspiration index （SPEI） of the Yunnan-Guizhou Plateau was calculated，and combined with reliability-resilience-vulnerability （RRV） and Markov Chains （MC），the drought risk level，drought frequency，area proportion and average duration of the region were calculated.Then Mann-Kendall test was employed to test their significance，identify drought events and characterize the spatial characteristics of drought states quantitatively in the Yunnan-Guizhou Plateau during the period from 2000 to 2022.The results showed that SPEI-RRV was reliable in identifying drought events and evaluating regional drought states accurately in the Yunnan-Guizhou Plateau.78% of the regions have a weak increasing trend of drought year by year.The Yunnan-Guizhou Plateau has more than 35% probability of suffering different degrees of drought from light to extra severe，especially the steady state probability of extra severe drought in the eastern hilly region is 25%，and the probability of extreme drought is very high.The research findings can provide references for drought monitoring and drought risk assessment in the Yunnan-Guizhou Plateau.

Key words：

drought status identification； SPEI-RRV； Markov Chains； Yunnan-Guizhou Plateau