基于1961—2100年SPI和SPEI的云南省干旱特征評估

劉小剛 冷險險 孫光照 彭有亮 黃一峰 楊啟良

(昆明理工大學現(xiàn)代農(nóng)業(yè)工程學院， 昆明 650500)

0 引言

干旱是一個緩慢發(fā)展且持續(xù)時間長的極端氣候事件，目前預測的可能性較低。在不斷變化的氣候中，干旱已成為全球性問題。云南省是中國和世界少有的“氣候王國”，形成云南省干旱災害的主要原因是季風氣候的影響[1]。近年來，在全球氣候變化大背景下，特殊的地理環(huán)境以及地形使得云南省氣候與生態(tài)環(huán)境的演變存在特殊性，表現(xiàn)出氣溫升高、降雨日數(shù)減少、極端氣候事件增多等氣候響應[2]，而干旱尤為突出。特別是在2009—2012年間，云南省出現(xiàn)史無前例的連年干旱，對農(nóng)業(yè)生產(chǎn)、生態(tài)環(huán)境和經(jīng)濟社會造成巨大影響。因此，研究干旱的發(fā)生規(guī)律和變化特征，對于云南省適應氣候變化以及防災減災決策具有重要的意義[3]。彭貴芬等[4]分析了云南地區(qū)干旱氣候特征，認為云南地區(qū)春末夏初最易發(fā)生干旱，且干旱持續(xù)時間和強度均呈加重趨勢。由于干旱成因復雜，易受人類活動影響，目前普遍使用干旱指數(shù)來描述干旱現(xiàn)象[5]。其中，常用于干旱預測、預報的干旱指數(shù)有PALMER[6]提出的帕爾默干旱強度指數(shù)，MCKEE等[7]提出的標準化降水指數(shù)(SPI)，曹永強等[8]、李樹巖等[9]和張調(diào)風等[10]提出的綜合氣象干旱指數(shù)(CI)，以及VICENTE-SERRANO等[11]提出的標準化降水蒸發(fā)指數(shù)(SPEI)等。目前干旱指數(shù)研究基本集中在利用歷史氣象資料進行預報、預測，如趙平偉等[12]基于SPEI和SPI指數(shù)對滇西南地區(qū)1961—2013年的氣象數(shù)據(jù)進行季節(jié)連旱分析，黃中艷等[13]基于若干干旱指標對云南省2009—2010年進行農(nóng)業(yè)干旱監(jiān)測評估適用性分析，張雷等[3]基于1961—2010年氣象資料對云南省的干旱變化特征進行分析。其中，也有利用國際耦合模式比較計劃第 5 階段(CMIP5)全球氣候模式輸出的氣象數(shù)據(jù)對干旱變化的模擬分析，如WANG等[14]基于CMIP5模式對西南地區(qū)進行干旱評估，張冰等[15]利用CMIP5輸出的未來氣象數(shù)據(jù)對中國地區(qū)干旱變化模擬能力評估。少有研究將政府間氣候變化專門委員會(IPCC)上公布的CMIP5模式輸出的未來氣象預測數(shù)據(jù)[16]結(jié)合SPI和SPEI指數(shù)進行系統(tǒng)研究。

考慮代表性濃度路徑(RCPs)情景，使用一般循環(huán)模型(GCM)模擬未來氣候數(shù)據(jù)，在最近研究中得到大量應用。RCPs可分為RCP 8.5(高排放)、RCP 6.0(中高排放)、RCP 4.5(中低排放)和RCP 2.6(低排放)，這些數(shù)字(單位：W/m2)表示到2100年輻射強迫的水平。其中RCP 4.5是由美國太平洋西北國家實驗室開發(fā)，發(fā)現(xiàn)2100年后，輻射強迫開始穩(wěn)定，與未來溫室氣體排放量相一致，比較符合未來較低的能源強度、減少農(nóng)田和草地使用、嚴格的氣候政策、穩(wěn)定的甲烷排放，以及符合在2040年預期排放量下降之前CO2排放量略有增加[17]。IPCC公布的一般循環(huán)模型(GCM)下包括多個氣候模型，其中張武龍等[18]研究了在RCP 4.5情景下各模型(CMIP5模式)對我國西南地區(qū)干濕季降水的模擬和預估，發(fā)現(xiàn)無論是在干季或濕季，其中HadGEM2-ES模型下對西南地區(qū)降水的模擬效果較優(yōu)。

本研究將運用GCM中HadGEM2-ES模型在中等代表性濃度路徑(RCP 4.5)情景下輸出的2011—2100年氣象數(shù)據(jù)(即CMIP5模式輸出的未來氣象數(shù)據(jù))，結(jié)合SPI和SPEI指數(shù)評估未來氣候變化對云南省短期和中長期干旱的影響。計算多個時間尺度(1、3、6、12、24個月)的SPI和SPEI，分析季節(jié)性SPI和SPEI的統(tǒng)計值，利用條件概率分析SPI和SPEI之間的關(guān)系，運用非超越概率分析季節(jié)性SPI和SPEI，以及應用游程理論分析研究區(qū)域內(nèi)的干旱烈度、干旱歷時和干旱強度，以評估未來氣候變化對云南省干旱特征的影響，旨在為云南省未來干旱演變預測提供一定的科學參考。

1 材料與方法

1.1 研究區(qū)域

云南省(20°8′32″～29°15′8″N，97°31′39″～106°11′47″E)地處中國西南邊疆，是一個高原山區(qū)省份，北回歸線橫貫南部，屬低緯度的內(nèi)陸地區(qū)。全省總面積3.94×105km2，占全國陸地面積的4.1%。云南省氣候基本屬于亞熱帶高原季風型，立體氣候特點顯著，類型眾多、年溫差小、日溫差大、干濕季節(jié)分明。各地年平均降水量560～2 300 mm，年平均氣溫6.9～27.1℃，濕季在5—10月，降水量約占全年85%，干季在11月—次年4月，降水量約占全年15%。其中，云南省氣象站點分布及干旱預測選取氣象站點(根據(jù)《中國氣象災害大典》(云南卷)[1]中的輕旱災區(qū)、中等旱災區(qū)和重旱災區(qū)3個干旱災區(qū)，其中輕旱災區(qū)主要有潞西、臨滄、思茅和景洪，中等旱災區(qū)主要有昆明、玉溪、曲靖、文山和保山，重旱災區(qū)主要有蒙自、楚雄、麗江、昭通和中甸)。由于部分站點歷史氣象數(shù)據(jù)有所缺失，因此本研究對每個干旱災區(qū)選取兩個氣象站點進行數(shù)據(jù)處理，以代表云南省分析其干旱特征，選取氣象站點空間分布見圖1，選取氣象站點信息見表1。

圖1 云南省內(nèi)氣象站點分布Fig.1 Distribution of meteorological stations in Yunnan Province

1.2 數(shù)據(jù)來源與處理

本研究所用的數(shù)據(jù)主要有氣象站數(shù)據(jù)與GCM數(shù)據(jù)。

表1 氣象站點信息Tab.1 Meteorological stations information

實測氣象站數(shù)據(jù)。選取了研究區(qū)內(nèi)6個氣象站點(楚雄、昆明、臨滄、蒙自、思茅和玉溪站)1961—2010年的逐日氣象觀測數(shù)據(jù)，數(shù)據(jù)由中國氣象資料共享服務網(wǎng)提供。

GCM數(shù)據(jù)。來源于PCMDI提供的IPCC AR5(CMIP5)中HadGEM2-ES模型RCP 4.5情景下輸出的1961—2010年和2011—2100年逐月平均降水數(shù)據(jù)和氣溫數(shù)據(jù)，將數(shù)據(jù)統(tǒng)一雙線性插值至對應站點輸出氣象數(shù)據(jù)，并對得到的數(shù)據(jù)進行修正，得到各站點修正后的氣象數(shù)據(jù)，修正公式[19]為

(1)

μ0——觀測數(shù)據(jù)均值

μm——模擬數(shù)據(jù)均值

σ0——觀測數(shù)據(jù)標準差

σm——模擬數(shù)據(jù)標準差

1.3 研究方法

1.3.1SPI指數(shù)計算方法

SPI指數(shù)是MCKEE等[7]在評估美國科羅拉多州干旱狀況時提出的，是表征某時段降水量出現(xiàn)概率的指標之一。假定降水量變化服從Gamma分布，在計算出某一時段的Γ分布概率后，進行正態(tài)標準化處理，最終以標準化降水累積頻率分布來劃分干旱等級[20]，可對不同時段內(nèi)降水量缺乏程度進行定量化表征。SPI指數(shù)的構(gòu)建過程如下：

假定某一時段降水量為x，其Γ分布的概率密度函數(shù)為

(2)

式中β——尺度參數(shù)γ——形狀參數(shù)

其中β和γ可用極大似然估計法求得，即

(3)

(4)

(5)

式中xi——降水資料樣本

n——計算序列長度

確定相關(guān)參數(shù)后，對于某一年降水量x0，可以求出隨機變量x小于x0事件的概率

(6)

F(x=0)=m/n′

(7)

式中m——降水量為0的樣本

n′——總樣本數(shù)

對Γ分布概率進行正態(tài)標準化處理，式(6)和式(7)求得概率值代入標準化正態(tài)分布函數(shù)中，可得

(8)

將式(8)近似求解得

(9)

(10)

式中F——與Γ函數(shù)相關(guān)的降水分布概率

S——概率密度正負系數(shù)

c0、c1、c2、d1、d2、d3——分布函數(shù)轉(zhuǎn)換為累積頻率簡化近似求解公式的計算參數(shù)

SPI——SPI指數(shù)

當F>0.5時，S=1；F≤0.5時，S=-1。c0=2.515 517、c1=0.802 853、c2=0.010 328、d1=1.432 788、d2=0.189 269、d3=0.001 308。

1.3.2SPEI指數(shù)計算方法

SPEI指數(shù)是VICENTE-SERRANO等[11,21]提出的計算方法，在SPI的基礎(chǔ)上，以簡單水循環(huán)為支撐，考慮蒸散發(fā)對水分通量的影響。SPEI計算原理是用水分虧缺量(月降水量與月潛在蒸散發(fā)量之差)取代SPI計算中的月降水量[22]，且SPEI基于log-logistic分布的頻率值。SPEI指數(shù)計算方法為

Di=Pi-PETi

(11)

(12)

(13)

(14)

λ=6.75×10-7I3-7.71×10-5I2+
1.79×10-2I+0.492

(15)

式中Pi——月降水量，mm

Di——月水分虧缺量，mm

i——月數(shù)K——修正系數(shù)

PETi——月潛在蒸散發(fā)量，mm

T——月平均氣溫，℃

I——年熱量指數(shù)λ——常數(shù)

N——最大日照時數(shù)，h

NDM——一個月的天數(shù)，d

根據(jù)log-logistic概率分布函數(shù)計算水分虧缺量的概率分布

(16)

(17)

(18)

(19)

(20)

式中α——位置參數(shù)

ω0、ω1、ω2——概率權(quán)重

Xl——累計水分虧缺量，l取1,2,…,n

log-logistic概率分布函數(shù)為

(21)

對F(x)進行正態(tài)標準化處理。令f=1-F(x)，則

(22)

式中SPEI——SPEI指數(shù)

SPI和SPEI具有多時間尺度的特征，計算1、3、6、12、24個月5個時間尺度的SPI值和SPEI值，分別用SPI(1)、SPI(3)、SPI(6)、SPI(12)、SPI(24)、SPEI(1)、SPEI(3)、SPEI(6)、SPEI(12)和SPEI(24)表示。

根據(jù)中國氣象局制定的SPI和SPEI干旱等級劃分標準[23]，將SPI和SPEI劃分為5個等級，分別為無旱、輕微干旱、中等干旱、嚴重干旱和極端干旱，見表2。

表2 SPI和SPEI干旱等級劃分Tab.2 Drought grade classification based on SPI and SPEI

1.3.3游程理論

干旱特征包括各種干旱條件，如持續(xù)時間，烈度和強度。YEVJEVICH[24]提出運用游程理論來表征干旱特征，游程理論是指持續(xù)出現(xiàn)的同類事件，在其前和其后為另外的事件[25]，本研究基于SPI和SPEI指數(shù)運用游程理論分析干旱特征。

圖2 給定閾值游程理論的干旱特征Fig.2 Drought characteristics using runs theory for a given threshold level

對于給定閾值運用游程理論來表征干旱特征(+R和-R代表干旱指標值)，見圖2。游程被定義為干旱變量時間序列中的一部分，其中所有的值均低于或高于所選擇的閾值，也稱為負或正游程[26]。不同閾值的干旱歷時、干旱烈度和干旱強度的各種統(tǒng)計指標能較好地描述干旱特征。干旱歷時是指干旱過程從開始至結(jié)束所持續(xù)的時間，可用年、月、周或者其他時間段進行表示，且在此期間干旱指標值均低于臨界水平[17]；干旱烈度是指干旱過程中干旱指標值與干旱閾值之差的累積和；干旱強度是指干旱指標值低于閾值水平的均值，其值等于干旱烈度除以干旱歷時。本研究使用1961—2100年的SPI和SPEI值和游程理論估算干旱歷時、干旱烈度和干旱強度。

2 結(jié)果與分析

2.1 多時間尺度SPI和SPEI計算

用1961—2010年的觀測氣象數(shù)據(jù)和基于RCP 4.5情景下2011—2100年的模擬氣象數(shù)據(jù)，計算得到SPI和SPEI多時間尺度的序列值變化(圖3)。不同時間尺度的SPI和SPEI值隨時間變化的敏感性明顯不同，時間尺度越小，干濕變化越顯著。反之，時間尺度越大則干濕交替越平緩。相比于2011年以后，2011年以前多時間尺度的SPI值不斷減?。蝗欢?，SPEI的最小值卻在很遠的未來。在同樣氣候條件下，SPI和SPEI結(jié)果卻產(chǎn)生了差異。因此，需要分析這種差異來源，以便處理未來干旱狀況。本研究運用條件概率來分析SPI和SPEI，條件概率是指給定事件A在另一個事件B已經(jīng)發(fā)生條件下的發(fā)生概率，表示為P(A|B)。

由于1961—2010年氣象數(shù)據(jù)采用歷史數(shù)據(jù)，2010年以后采用模擬數(shù)據(jù)，為更好研究歷史數(shù)據(jù)與模擬數(shù)據(jù)對干旱特征影響的狀況，本研究將1961—2100年共140 a分為4個時段(每個時段為35 a)，并對各時段的1、3、6、12、24個月5個時間尺度的SPI和SPEI值進行條件概率計算，見表3。將-1.0作為SPI和SPEI干旱條件的閾值。因此，假定干旱事件(A和B)的概率為SPI(小于等于-1.0)和SPEI(小于等于-1.0)，同時計算了在SPEI(小于等于-1.0)(或SPI)已經(jīng)發(fā)生條件下SPI(小于等于-1.0)(或SPEI)的條件概率，分析氣候變化對SPI和SPEI的影響。

圖3 1961—2100年不同時間尺度的SPI和SPEI變化Fig.3 Changes of SPI and SPEI on different timescales from 1961 to 2100

表3 多時間尺度SPI和SPEI的條件概率Tab.3 Conditional probability of multiple timescale SPI and SPEI

注：A代表SPI小于等于-1.0的干旱事件，B代表SPEI小于等于-1.0的干旱事件。

在1961—1995年SPEI(1) 小于等于-1.0條件下，SPI(1) 小于等于-1.0的概率為P(A|B)=0.89；在1961—1995年SPI(1) 小于等于-1.0條件下，SPEI(1) 小于等于-1.0的概率為P(B|A)=0.87。表明在SPEI確定干旱的條件下，SPI的結(jié)果與SPEI確定的結(jié)果相差較小。同理，在SPI確定干旱的條件下，SPEI的結(jié)果與SPI確定的結(jié)果也相差較小。表明在相同歷史時期，SPI和SPEI能相互確定對方的干旱情況。但在1996—2030年、2031—2065年、2066—2100年，1個月時間尺度的SPI和SPEI的條件概率卻發(fā)生了變化，P(A|B)隨著時間的推移逐漸變小，而P(B|A)隨著時間的推移卻逐漸增大，即從1996—2030年時間段后，SPEI可以檢測出在同一時期內(nèi)SPI確定的干旱狀況。1個月時間尺度SPI和SPEI在2031—2065年的P(A|B)為0.44，在2066—2100年降到了0.30。而P(B|A)在未來卻正好相反，對于1個月時間尺度的SPI和SPEI，P(B|A)到2066—2100年增加到了0.97，表明未來的氣候變化使SPI和SPEI的關(guān)系顛倒。

2.2 季節(jié)性SPI和SPEI的短、中期干旱分析

上述將1961—2100年整個時期分為4個時段，對應的時間段為1961—1995年、1996—2030年、2031—2065年和2066—2100年。對每個時段內(nèi)SPI和SPEI值按月份進行處理，各個月SPI和SPEI值為時段內(nèi)該月多年平均值(圖4和圖5)。對于SPI(1)在1961—1995年除了1、3、5、7月，其他月份的SPI均大于0，但在1996—2030年從6月到10月有較明顯的減小。表明在1996—2030年，由于氣候的變化，月降水量在減少，每年從6月到10月期間的干旱情況變得更嚴峻。與1961—1995年和1996—2030年時段相比，2031—2065年的SPI(1)從6月到10月減小更加顯著，但在1月到5月期間及11月和12月，SPI(1)均大于0。在2066—2100年，從5月開始減小，持續(xù)到10月停止，其中7月、8月和9月干旱情況非常明顯，而其他月份SPI(1)均大于0，2066—2100年年均SPI(1)為0.03，相比于2031—2065年的0.09，小了0.06，表明2066—2100年出現(xiàn)干旱次數(shù)比2031—2065年多。根據(jù)SPI(1)、SPI(3)和SPI(6)的結(jié)果表明，在2031—2065年和2066—2100年，干濕季分明，干季集中在1—5月及11月和12月，干季集中在6—10月。在2031—2065年年均SPI(3)為0.11，SPI(3)最小值出現(xiàn)在8月(-0.76)；在2066—2100年年均SPI(3)為-0.01，SPI(3)最小值出現(xiàn)在10月(-0.78)。此外，在2031—2065年年均SPI(6)減小到0.09，在1月和9—12月各月值均小于0，最小值出現(xiàn)在11月(-0.75)；2066—2100年年均SPI(6)為-0.11，SPI(6)為負值主要出現(xiàn)在1月和7—12月，相比2031—2065年的9—12月提前了兩個月。表明與短期干旱相比，氣候變化對中期干旱影響更顯著。

圖4 多時間尺度SPI各時段均值Fig.4 Mean SPI on multiple timescales for each period

圖5 多時間尺度SPEI各時段均值Fig.5 Mean SPEI on multiple timescales for each period

SPEI與SPI在各個時段內(nèi)所反映的值有所不同。從1961—1995年時段到1996—2030年時段年均SPEI(1)明顯減小，如1961—1995年11月平均SPEI(1)為0.22，到了1996—2030年11月平均SPEI(1)減小到-0.31。減小趨勢最大出現(xiàn)在晚秋和冬季。氣候變化導致的干旱對秋冬季作物會有一定的影響。此外，SPEI(1)減小最大出現(xiàn)在2066—2100年7—12月，表明在未來幾乎整個夏、秋和初冬季干旱均較為嚴重。對于SPEI(3)和SPEI(6)的中期干旱，表明平均SPEI減小趨勢較SPEI(1)更明顯，如1996—2030年SPEI(1)的年均值為-0.16，而SPEI(3)和SPEI(6)在1996—2030年年均值分別為-0.19和-0.21。2066—2100年平均SPEI(6)減小到-0.65，是SPEI(1)、SPEI(3)和SPEI(6)中最小的，且最小的SPI值和SPEI值均出現(xiàn)在2066—2100年秋季。兩個干旱指數(shù)表明，在未來中期干旱情況比短期干旱情況更加嚴重。

2.3 季節(jié)性SPI與SPEI的非超越概率分析

計算各季節(jié)的SPI、SPEI和1、3、6、12、24個月的SPI與SPEI累積值，由此計算各季節(jié)干旱指數(shù)小于等于-1.0的非超越概率，見表4。當SPI小于等于-1.0時，在1961—1995年冬季SPI(1)的非超越概率為7.1%，SPI(6)非超越概率減小到3.4%，而SPI(12)和SPI(24)分別增加到8.3%和7.5%；除了1961—1995年夏季外，SPI(6) 小于等于-1.0的非超越概率均小于SPI(1) 小于等于-1.0的非超越概率。1961—1995年夏季的SPI(3)小于等于-1.0非超越概率為9.5%，2031—2065年增加至13.8%，到2066—2100年(11.4%)稍有減少。1961—1995年秋季SPI(6) 小于等于-1.0的非超越概率為5.7%，至2031—2065年增大到15.7%，2066—2100年較2031—2065年則下降了0.5個百分點。對于長期干旱指數(shù)SPI(12)和SPI(24)，1961年至2030年間各季節(jié)干旱情況在增加，1996年到2065年間各季節(jié)的非超越概率均減小，至2100年各季節(jié)SPI(12) 小于等于-1.0與SPI(24) 小于等于-1.0均在增加。結(jié)果表明，氣候變化在夏、秋和冬季3個季節(jié)對中長期干旱的影響大于對短期干旱的影響；而在春季，除了1996—2030年，其他年份的SPI(6)小于等于-1.0的非超越概率均小于SPI(1)小于等于-1.0的非超越概率，意味著氣候變化使春季短期干旱的影響較中長期干旱更顯著。

表4 多時間尺度SPI和SPEI小于等于-1.0的非超越概率Tab.4 Non-exceedance probability of multiple timescales SPI and SPEI below and equal to -1.0 %

1961—1995年和2066—2100年冬季，SPEI(6) 小于等于-1.0的非超越概率從4.4%增加到21.4%，而SPI僅增加到8.7%。在1961—1995年春季，SPEI(1) 小于等于-1.0的非超越概率為9.0%，1996—2030年以后趨勢為先增加后減小再增加的過程，至2066—2100年時段達到14.8%。1961—1995年和2066—2100年夏季，SPEI(1)小于等于-1.0的非超越概率分別為8.1%和15.2%。夏季的SPEI(1)和SPEI(6)的非超越概率與SPI(1)和SPI(6)的具有一定差異，SPEI在1961—1995年有更小的非超越概率，SPI則在2066—2100年達到最小值。當SPEI(12)和SPEI(24) 小于等于-1.0，1978—2083年的非超越概率變化趨勢為先增大后減小再增大的過程。SPEI小于等于-1.0的最大非超越概率為26.2%(SPEI(12)，2066—2100年冬季)，比SPEI(1)和SPEI(6)都大。表明氣候變化在1978—2083年冬季和夏季造成嚴重干旱，且中長期干旱嚴重程度在整個冬季和夏季尤為明顯。

2.4 游程理論干旱特征分析

在氣候變化情況下，運用游程理論分析多時間尺度的SPI和SPEI的干旱烈度、歷時和強度(表5)。干旱特征閾值選用SPI等于-1.0和SPEI等于-1.0(據(jù)表2確定)。隨著氣候變化SPI(1)、SPI(3)和SPI(6)的干旱烈度在1961—2100年逐漸減小，而SPEI(1)、SPEI(3)和SPEI(6)的干旱烈度卻在增加；對于SPI(12)和SPI(24)的干旱烈度隨時間變化趨勢為先增大后減小再增大，SPEI(12)干旱烈度隨時間變化趨勢為逐漸增大，而SPEI(24)的干旱烈度隨時間變化為先增大后減小再增大。SPI(6)的干旱烈度均大于SPI(1)的干旱烈度，SPI(12)的干旱烈度除了1961—1995年外均大于SPI(6)的；SPEI(6)干旱烈度在1996—2030年和2066—2100年大于SPI(1)的干旱烈度，其余均小于SPI(1)的，SPEI(12)的干旱烈度除了1961—1995年外均大于SPEI(6)的干旱烈度。SPI表明1個月干旱烈度的表現(xiàn)基本優(yōu)于其他月份的干旱烈度，SPEI則是3個月干旱烈度的表現(xiàn)基本優(yōu)于其他月份的干旱烈度。在2066—2100年SPEI(1)的干旱烈度約為1961—1995年干旱烈度的2.15倍，而SPEI(24)的干旱烈度約為1961—1995年干旱烈度的4.91倍。因此在未來氣候變化會造成更嚴重和更頻繁的干旱狀況。SPI干旱強度基本在減小，而SPEI干旱強度基本在增大。1961—1995年SPI(1) 小于等于-1.0的干旱歷時為67月，到2066—2100年減小至39月，而SPI(6) 小于等于-1.0和SPI(24)小于等于-1.0的結(jié)果卻恰好相反，SPI(6)干旱歷時從55月增加到66月，SPI(24)干旱歷時從59月增加到了109月，而各個時間尺度SPEI小于等于-1.0干旱歷時從1961—1995年時段至2066—2100年時段逐漸增加。結(jié)果表明，中長期干旱特征比短期干旱特征更顯著，但SPI和SPEI得到的結(jié)果在某些方面并不一致，可能原因是影響干旱特征本身的氣象因素較多，SPI僅考慮了降水來確定干旱狀況，而SPEI考慮了降水和氣溫因素來確定干旱狀況，其結(jié)果精確性較SPI更高，且氣候變化是多氣象因素的變化，因此導致SPI與SPEI輸出的結(jié)果出現(xiàn)差異。

表5 多時間尺度SPI與SPEI的干旱烈度、歷時和強度Tab.5 Drought severity, duration and intensity of multiple-timescales SPI and SPEI

基于干旱烈度、干旱歷時和干旱強度對云南省干旱特征分析，再結(jié)合上述結(jié)果可知SPEI更具代表性，SPEI表明從1961—1995年到2066—2100年云南省干旱狀況在逐漸增加，且未來氣候變化將導致更加嚴重的干旱。其中，短期干旱對于氣候變化更加敏感。與干旱強度相比，SPEI(12)在1961—1995年的干旱強度與2066—2100年的僅相差0.02，SPI(12)之間僅相差0.01，再綜合SPI和SPEI干旱強度數(shù)據(jù)表明，中長期干旱與短期干旱均受氣候變化影響。

3 討論

氣候變化可認定為嚴重影響未來干旱的因素。因作物易受到干旱的影響，干旱特征變化可能是災難性的。由于SPI和SPEI可消除降水的時空差異，對干旱變化反應敏感，能很好地反映不同區(qū)域和時段的干旱狀況[27]。因此，本研究用標準化降水指數(shù)(SPI)和標準化降水蒸散指數(shù)(SPEI)進行分析。目前大部分研究都是基于歷史氣象數(shù)據(jù)利用SPI和SPEI等干旱指數(shù)進行干旱評估及預測，也有部分研究是基于CMIP5模式輸出的降水和氣溫數(shù)據(jù)對未來干旱評估及預測，其中少有研究將CMIP5模式輸出的未來氣象預測數(shù)據(jù)結(jié)合SPI和SPEI指數(shù)進行系統(tǒng)研究。本研究利用CMIP5模式輸出的未來氣象數(shù)據(jù)計算多個時間尺度的SPI和SPEI。分析季節(jié)性SPI和SPEI的統(tǒng)計值，運用條件概率分析SPI和SPEI之間的關(guān)系和非超越概率分析季節(jié)性SPI和SPEI，并運用游程理論分析研究區(qū)域內(nèi)的干旱烈度、干旱歷時和干旱強度，以評估未來氣候變化對云南省干旱特征的影響。

經(jīng)SPI指數(shù)的非超越概率分析，夏季、秋季和冬季的中長期干旱將比氣候變化導致的短期干旱更嚴重，春季期間的中長期干旱受氣候變化的影響要小于短期干旱；經(jīng)SPEI非超越概率分析，氣候變化可能導致從1961—1995年和2066—2100年夏季和冬季出現(xiàn)嚴重干旱，1996—2030年所有時期的春季和冬季的中期嚴重干旱可能會惡化，這與趙平偉等[12]研究的SPEI及SPI指數(shù)在滇西南地區(qū)干旱演變中的時空變化趨勢基本一致。采用游程理論分析干旱特征，由于1961—1995年時段到2066—2100年時段的氣候變化，SPI表明1個月的干旱烈度基本優(yōu)于其他月份的干旱烈度；SPEI則是3個月的干旱烈度基本優(yōu)于其他月份的干旱烈度，SPEI(24)的干旱烈度約為1961—1995年干旱烈度的4.91倍，長期干旱嚴重程度在加劇，氣候變化引起更嚴重、更頻繁和更長持續(xù)時間的干旱。

云南省干濕變化表現(xiàn)為5a左右的振蕩周期，且未來幾年云南省地區(qū)仍表現(xiàn)為干周期[3]，并有長達4—6月的跨季節(jié)性嚴重持續(xù)干旱[13]。在全球變暖背景下，云南省雨季有氣候變干的趨勢，干季多區(qū)域呈干旱略加強趨勢[28]，本研究發(fā)現(xiàn)氣候變化引起嚴重和長歷時的干旱，這與左冬冬等[29]運用游程理論分析中國西南地區(qū)歷史數(shù)據(jù)干旱特征變化趨勢的結(jié)果基本一致。云南省干旱災害出現(xiàn)頻繁、持續(xù)時間長，其分布具有一致性的特點，干旱出現(xiàn)的時段主要出現(xiàn)在冬、春及初夏季，嚴重時則會出現(xiàn)冬春初夏連旱，而近年來秋季干旱呈頻發(fā)之勢[30]，這是由于當每年10月以后干季到來時，中緯度的西風帶天氣系統(tǒng)逐漸南伸擴展，青藏高原南部的南支西風氣流建立并開始影響與控制云南省上空，強勁的西風氣流切斷了南部水汽的來源，形成了少雨、干旱的大氣環(huán)流背景[1, 30-35]，與上述季節(jié)性干旱結(jié)果基本一致。

本研究結(jié)果對云南省干旱預測、評估及其風險管理和應用決策具有指導性和實用性，可為未來旱作農(nóng)業(yè)生態(tài)管理提供一定的依據(jù)。但由于SPI和SPEI僅是氣象干旱指標，研究區(qū)域的SPI和SPEI值是各氣象站點SPI和SPEI值的平均，可能會降低氣象站點之間的空間差異性，同時未來氣象數(shù)據(jù)也是由模型模擬得到，致使數(shù)據(jù)本身具有一定的誤差，因此用它們評估及預測干旱可能發(fā)生時間和嚴重程度上存在一定差距，故需要考慮空間的差異性和提高未來氣象數(shù)據(jù)模型模擬精度以進一步對干旱事件提供更加精確的預測，為今后研究的重要內(nèi)容。

4 結(jié)論

(1)SPI和SPEI指數(shù)表明，未來云南省中期干旱狀況將比短期干旱更加嚴重。根據(jù)SPI小于等于-1.0的非超越概率，夏季、秋季和冬季的中長期干旱將比氣候變化導致的短期干旱更嚴重。但春季期間的中長期干旱受氣候變化的影響要小于短期干旱；根據(jù)SPEI小于等于-1.0的非超越概率，1961—1995年時段冬季SPEI(1)的非超越概率為5.2%，但在2066—2100年時段增加到18.4%；SPEI(6)的非超越概率從4.4%增加到21.4%，SPEI(24)的從7.0%增加到25.7%。這說明由于氣候變化，未來有可能發(fā)生嚴重干旱，且中長期干旱比短期干旱更嚴重。結(jié)合夏季SPEI的非超越概率分析可知，氣候變化可能導致1961—1995年和2066—2100年夏季和冬季出現(xiàn)嚴重干旱。

(2)2066—2100年時段SPEI(24)的干旱烈度約為1961—1995年時段干旱烈度的4.91倍，長期干旱嚴重程度在加劇。此外，氣候變化除了引起更嚴重和更頻繁的干旱外，還將帶來更長歷時的干旱。SPI在1961—1995年的干旱比2066—2100年預測的要多，而SPEI(1)在1961—1995年的干旱烈度為28.3，到2066—2100年達到60.9，表明氣候變化使未來干旱加劇。SPEI綜合考慮了氣溫和降水因素，其預測干旱狀況更精確；SPI和SPEI結(jié)果表明，短期干旱對氣候變化更為敏感，而短期和中期干旱的強度都將受到氣候變化的強烈影響。