基于干旱过程模拟的旱情综合评估方法应用研究

，

(长江科学院 a.水资源综合利用研究所；b.流域水资源与生态环境科学湖北省重点实验室， 武汉 430010)

1 研究背景

干旱通常是因长期无降水或降水偏少造成河川径流持续下降、土壤缺水、地下水下降、可用水资源量明显低于当地环境和社会赖以保持稳定所需水平的一种现象。干旱灾害被认为是最复杂、影响人口最多的自然灾害，预防和减轻干旱灾害已经成为当今世界关注的重要研究课题之一,已引起了气象、农业、水文、环境、生态和地理等领域科学家的高度重视[1]。尤其是近期气候变暖引发的极端干旱事件增多，IPCC(Intergovernmental Panel on Climate Change)系列报告就此指出，未来干旱强度和风险有不断增加的趋势，需要做好应对，干旱问题研究的重要性在当前更加凸显。

干旱成因条件复杂、影响因素众多、涉及范围广、时空不确定性大，导致干旱研究工作难度很大。目前国际上还缺乏系统的干旱理论基础，干旱的定义也不统一，干旱的发生发展规律认识还有待深入，有关的预测预报方法和预警技术尚不成熟，相应的减灾工作也只能是“抗旱”而做不到“防旱”。

2 干旱指标和评估方法研究现状综述

对干旱现象进行观测和评估，是干旱研究和抗旱减灾的基础。一方面可以依据长时间序列的观测资料，通过分析而形成对旱情时空分布和发生规律的基本认识，以服务于抗旱减灾工作；另一方面在前者的基础上，最大限度地利用实时的各种监测信息对已经发生和即将发生的旱情进行评估，以服务于应急响应的科学决策与指导等。在干旱评估中，一般采用旱情等级指标(或称干旱指标)，来表示旱情的严重程度。

在20世纪初，主要以无雨天数作为干旱的判断指标，如Munger’s Index(1916)和Kincer’s Index(1919)；到20世纪30年代，Marcovitch考虑到干旱不仅与降雨有关，还与气温有关，提出以每月高温天气日数与降水总量之间的比值作为干旱指标；随着Penman和Thornthwaite等人在蒸发研究上的突出进展，开始出现了以降雨和土壤蒸发之间的水分收支状况来表示的干旱指标[2]。1965年美国气象学家Palmer提出的PDSI (Palmer Drought Severity Index)等干旱指标[3]，极大地促进了干旱评估工作由早期的经验性判断向定量化评估的里程碑式转变[4]。PDSI干旱指标综合考虑了降水、径流、土壤水和蒸发等要素，能反映水分亏缺和持续时间因子对干旱程度的影响，还可对旱情下一步发展状况进行简单的推演预测，目前该指标已被广泛地应用于美国及其它国家[5]。1965年以后，美国还相继出现了作物土壤水分指标CMI(Crop Moisture Index)、地表水供给指标SWSI (Surface Water Supply Index)和标准化降水指标SPI (Standardized Precipitation Index)等，但其影响和应用都逊于PDSI指标。2000年开始应用的DM (Drought Monitor)方法，则利用包括遥感和地面墒情监测等各类信息，将几种干旱指标进行综合分析，能够提供每周的旱情等级分布图。目前也出现了许多基于卫星和航空遥感的干旱评估指标，例如VCI(Vegetation condition index)、归一化水分指数NDWI (Normalized Difference Water Index)和温度植被旱情指数TVDI(Temperature-Vegetation Dryness Index)。

我国自1950年代才开展干旱研究，采用的干旱指标及评估方法大多是参考国外模式，并按照国内气候特征和干旱特点建立起来的，例如安顺清等人[6]对PDSI干旱指标及其计算模式进行修正后应用到国内。还有专家针对干旱现象的不确定性，结合旱灾损失统计，采用风险识别、模糊判断和聚类分析等方法来进行旱灾风险评估，并提出了旱灾风险指标概念。例如，张继权等[7]采用风险评估方法对松辽平原麦区的农业干旱灾害进行了评估。

当前国内外采用的干旱指标很多，大致可以概括为4类，见表1。可以看出，这几类干旱指标都只是从某些方面反映了干旱现象。2006年11月我国颁布的《气象干旱等级》(GB/T20481—2006)中，规定了5种监测干旱的单项指标和综合气象干旱指数CI(Comprehensive Meteorological Drought Index)，5种单项指标为：降水量和降水量距平百分率、标准化降水指数、相对湿润度指数、土壤湿度干旱指数和帕默尔干旱指数，综合气象干旱指数CI则是以标准化降水指数、相对湿润度指数和降水量为基础建立的一种综合指数。该标准制定的气象干旱等级，适用于气象、水文、农业、林业、社会经济等行业从事干旱监测、评估部门使用。但该标准对各地区下垫面条件和季节变化考虑得仍然不够充分。例如，对于降水距平百分比为-40%的同样降水条件，当其出现在不同地区、发生在不同季节、不同土地利用方式条件下，所导致的旱情程度及影响会有明显差别：若是在北方冬季，2个月内降水偏少40%，对冬小麦生长影响并无大碍，因为小麦在冬季不需要多少水，对社会其他方面的影响也不大；但若是在南方夏季，2个月内降水偏少40%，若无灌溉，水稻将会枯萎，且对社会其他方面的影响也会很大。

表1 国内外常用干旱指标分类

总而言之，目前采用的干旱指标和评估方法很多，大多数是从干旱成因条件(降水亏缺等)，或者是旱情的特征表象(土壤含水量下降、地表径流减少等)，或者是干旱的灾害损失等某一方面，来评估旱情严重程度。有些指标过于单一，没有体现旱情随降水亏缺及持续时间的发展变化，且难以反映旱情在地区间和季节上的差异。实际上这些指标并不是独立的，相互之间有着水文转化联系。干旱的起因是降水偏少，但发展成为旱灾，则是一个缓慢的渐进过程。持续的降水偏少后，就会出现土壤水分干涸、河道径流量减少和地下水位下降等现象，发展到一定程度就会导致作物枯死、河道断流和水源枯竭，从而给社会带来灾害。虽说干旱是降水偏少和高温等不利气象引起的，但其发展变化及成灾，则与下垫面条件及水文过程密切相关。仅将干旱视为一种气象灾害或农业灾害来研究它的成因规律和灾害影响是不够的，需要考虑从水文循环角度，系统地研究干旱的发展变化。由于干旱发展演变过程复杂且涉及范围大，目前还没有较好的物理模型手段来研究其规律，且又缺乏从水文循环机理角度构建的干旱模拟模型，国内外对干旱的发展演变规律认识还不深入，有待进一步研究。

3 基于过程模拟的旱情综合评估方法体系

由于干旱成因条件复杂、影响广泛。单从干旱形成的某一因素或者是旱情特征的某一表象来评估旱情程度，难以全面地反映干旱对社会生活影响的复杂性和广泛性。通过水文过程模拟，可以获取水文过程中的各个水文要素，这为旱情的全面评估提供了基础水情信息[8]。为此，在分布式水文模拟的基础上，建立了如图1所示的干旱过程模拟及旱情综合评估方法体系，可以从不同侧面和不同角度来评估旱情。

图1 基于分布式水文模拟的干旱评估方法及指标体系

该体系包括2个主要部分：①流域分布式水文循环过程模拟；②干旱模拟及评估。其中在干旱模拟及评估中，即可以利用常规的干旱指标，如降水距平指标、相对湿润度指标、土壤含水量指标和径流距平指标等，对旱情等级进行评估，也可以利用PDSI指标对干旱发展过程进行模拟推演，以实现干旱预测和预报功能[9]。旱情综合评估方法体系中采用的各指标的评估方法简要如下：

(1) 降水距平指标。降雨偏少是干旱发生的先决条件，有很多干旱指标就是以降水为基础的。降水距平指标是表征某时段降水量异常的常用方法之一，计算表达式为

(1)

(2)

(2) 相对湿润度指标或称干湿度指标。用来表示某时段内地表水分的收支关系。相对湿润度指标ZDi定义为某时段内潜在蒸发能力EP与实际降水量P之比为

ZDi=EPi/Pi。

(3)

其中潜在蒸发能力EP采用Penman-montieth公式来计算。

(3) 土壤墒情指标。前述的降水距平指标和相对湿润度指标均为气象干旱指标，而土壤墒情指标属农业干旱类指标。通常作物生长的水分主要是靠根系从土壤中吸取的，土壤水分的不足会影响作物的正常发育。常用的土壤水分指标是依据土壤水分平衡原理和水分消退模式计算各个生长时段的土壤含水量，并以作物不同生长状态下土壤水分的实验数据作为判定指标，预测农业干旱是否发生。本研究利用分布式水文模拟得到的表层土壤相对饱和度，来进行旱情等级判断。

(4) 径流距平指标。径流距平指标是表征某时段地表或河道径流异常的常用方法之一，包括河道径流距平指标和地表径流距平指标。通常河道径流距平指标是以控制性水文站的观测流量来计算的。本研究则利用分布式水文模拟得到的径流深，先统计每个网格每旬的多年平均径流量，然后对每个网格进行旱情等级判断，所采用的计算表达式为

(4)

(5) PDSI指标。PDSI指标的计算方法如下，详细说明请参考文献[9]。

di=Pi-(αPEi+βPRi+γPROi-δPLi);

(5)

zi=Kdi;

(6)

xi=0.867xi-1+zi/42.795 。

(7)

式中:Pi为本时段的降水量；PEi为本时段的潜在蒸发量；PRi为本时段的潜在补水量；PROi为本时段的潜在径流量；PLi为本时段的潜在失水量，这4个参量，都是利用分布式水文模拟得到气象水文要素来计算的。α,β,γ,δ为气候常数，K为考虑权重因子的气候常数。xi为本时段的PDSI指数，xi-1为前一时段的PDSI指数。

旱灾的形成是一个发展过程，且成因是多条件的，影响和体现也是多方面的。相对而言，基于分布式水文模拟的PDSI指标能够较好地反映旱情的发生和发展过程，尤其是能够体现出前期的降水丰枯和土壤水分盈亏对后期旱情的影响。至于降水距平、相对湿润度、径流距平和土壤墒情指标都是依据某一或两个气象水文要素做出的评价。例如：降水距平指标是以历史平均水平为基础确定旱涝，虽然计算简单，但难以反映水分支出和地表水分平衡状态；相对湿润度指标虽然能反映水分收入与支出之间的关系，但不利于不同地区的干旱程度比较。径流距平指标也是以历史平均水平为基础确定旱涝。这3个指标都难以反映干旱的持续时间影响。土壤墒情指标，还是可以反映前期土壤缺水对后期土壤墒情的影响。

4 旱情综合评估示例

以长江上游地区为例，利用建立起来的干旱模型，经过模型参数率定和验证之后，以气象观测数据作为模型输入，模拟了2006年全年的旱情发生、发展和结束全过程。分别采用降水距平指标、相对湿润度指标、径流距平指标、土壤墒情指标、PDSI指标，从不同角度，对旱情的时空变化进行了评估，见图2至图6。下面将利用模拟和评估结果，重点对2006年川渝地区严重干旱事件的时空发展过程进行分析。

4.1 基本情况及数据条件

长江上游地区是长江流域干旱发生的主要地区之一，尤其是川渝地区，干旱事件发生的总频次远高于长江中、下游，而重旱以上的发生频次略高于中、下游。2006年在重庆及相邻的四川盆地，发生了有气象站记录以来最为严重的干旱，约60年一遇。据重庆市救灾办通报，截至2006年8月13日，全市40个区县(自治县、市)不同程度受旱，特大干旱区/县达24个。全市农作物受旱面积127.02万公顷，有746.53万人、684.32万头牲畜饮水困难，旱灾造成直接经济损失达24.6亿元。

本次构建的干旱模型网格尺度为5 km×5 km,计算时间步长为1 h，以旬为单位整理出旱情空间分布图。模型中采用的数字地形为25 m×25 m网格的DEM数据。土地利用资料来源于全球土地利用数据库2.0版，该数据空间分辨率是1 km。土壤资料来源于中科院南京土壤研究所，数据空间尺度为2 km×2 km。植被随季节的变化用逐月的叶面积指数(LAI)气象输入数据来源于国家气象局主要站点的日观测数据，包括降水量、气温、平均风速、相对湿度、日照时间等。采用距离方向加权平均法，将气象站点观测值插值到网格空间上。

4.2 长江上游2006年的干旱发展过程分析

在2006年初的1月份，该地区降水较常年偏少25%以上，局部地区达到80%以上，整个长江上游面积超过60万km2的川渝地区旱情都很严重，旱情主要体现在土壤墒情严重缺水。由于正好处于枯水期，多年平均径流本身就很少，且径流大部分是由地下水出流贡献的，因此单从径流距平指标，水文干旱并不严重。到了2月中旬，区域内降水增加，旱情有所缓解，四川盆地内的旱情轻微，川西高原及云南北部的旱情仍较严重，这种状态一直持续到3月中下旬。到了4月份，除了昆明、攀枝花和西昌一带的旱情进一步加重，长江上游其它的地区的旱情逐渐解除。到了6月上旬，昆明、攀枝花和西昌一带旱情也解除了，整个长江上游旱情基本解除，土壤墒情、径流都处于正常。6月中下旬，区域内降水偏少，川北和重庆地区的开始出现轻微干旱，主要体现在径流的减少，川北的土壤墒情较严重，而重庆地区的土壤墒情尚正常。在7月中下旬，重庆地区降水连续偏少45%以上，这直接导致区域内径流大幅减少，而此时又逢高温天气，蒸发能力强，土壤含水量也开始逐渐减少，重庆地区旱情开始由轻微干旱转变为中等干旱。而在8月份，川渝地区上中下三旬的降水仍然偏少45%以上，局部地区偏少80%以上，重庆、内江和南充一带由于持续的高温无雨天气条件，首次导致地表径流大幅减少，其次土壤含水量减少，旱情加剧并演变成严重干旱。9月上旬，川渝地区普降大雨，大部分地区的土壤墒情得到了缓解，但由于前期土壤干涸及地表缺水太严重，降雨并没有形成明显的径流，重庆及周边地区的径流仍严重偏少。9月中旬，重庆、川北川东和乌江地区的降水仍较常年偏少，9月下旬，重庆以北地区的降水正常，而以南地区降水偏少，重庆地区的土壤墒情不严重，但径流仍然偏少。到了10月份，长江上游大部分出现了降水，仅局部地区降水偏少。重庆地区的降水尚属正常，土壤墒情已恢复正常，从径流距平值来看，该地区径流仍较常年偏少15%以上。到了11月份，中上旬重庆地区的降水偏少，而在下旬，出现了明显降水，成都和绵阳地区的干旱也由严重干旱减弱为轻微干旱。川西高原一带因土壤墒情趋于严重，仍维持中等干旱。到了12月份，川渝地区也开始处于枯季，降水减少、蒸发能力加强，大部分地区旱情中等，局部旱情也较严重。

图2 降水距平指标反映的干旱事件过程

图3 相对湿润度指标反映的干旱事件过程

图4 径流距平指标反映的干旱事件过程

图5 土壤墒情指标反映的干旱事件过程

图6 PDSI指标反映的干旱事件过程

4.3 不同旱情指标评估结果对比分析

在2006年7—9月期间长江上游地区，不同指标表示的旱情评估结果分别见图2至图6 。从2006年川渝地区伏夏期间的严重干旱事件形成过程来看，6月中下旬降水偏少是干旱的开始；7月份降水进一步减少而导致地表径流锐减；到8月份高温少雨天气的持续，土壤墒情加剧，导致8月下旬旱情达到极端，从而造成了严重的社会经济灾害；而到9月份，随着降雨增加，旱情有所缓解。在这个干旱发生发展过程中，采用不同的评估指标，会得出不同的旱情评估结果。以旱情逐步严重的7月中旬为例，重庆地区降水偏少60%，若单从降水距平指标来看，该旬重庆地区为极端干旱(见图2)；单从相对湿润度指标来看，该地区也是极端干旱(见图3)；从径流距平指标来看，重庆地区为严重干旱(见图4)；但从土壤墒情来看，该地区仅为轻微干旱(见图5)；若以PDSI指标来看为轻微-中等干旱(见图6)。再以旱情得以缓解的9月上旬为例，重庆地区普降大雨，若单从降水距平指标来看，重庆地区为中等湿润(见图2)；单从相对湿润度指标来看，该地区也是中等湿润(见图3)；从径流距平指标来看，重庆地区却为严重干旱(见图4)；但从土壤墒情来看，为轻微干旱(见图5)；若以PDSI指标来看该地区旱情为中等(见图6)。

可以看出，如果采用某一指标来孤立地评估旱情，其结果是不全面的，有时甚至会引起混淆。其实，这4个指标都没有错，只不过是从不同方面来表征干旱在某一时段的外在体现。但如果从降雨产流的水文过程来看，就很好理解为什么会出现上述指标状态差异。干旱是一个缓慢发展过程，从6月中下旬降水偏少产生干旱，到8月末旱情发展到极端，历时3个月，首先降水偏少将直接导致地表径流减少，然后土壤水分在高温作用下蒸发而逐渐干涸，同时河道径流锐减。同样干旱的缓解或结束，也有一个缓慢过程，8月份干旱严重，土壤干裂、地表干涸，9月上旬虽然降水偏多，但降水后，首先土壤墒情得到了缓解，而并不会产生多少地表径流，因此9月上旬，重庆地区的旱情虽有所缓解，但仍然持续干旱。相对而言，PDSI指标是在分布式水文模拟的基础上，考虑了降水、径流、土壤水和蒸发等因素之间内在关系，且采取连续演算方式，能综合反映降水、蒸发和土壤水分亏缺和持续时间因子对干旱程度的累积影响，故可以反映了旱情的发生发展变化过程。

5 结 语

由于旱灾的成因是多条件的，旱灾的影响和体现也是多方面的，因此，需要从各个角度来全面地认识和评估旱情程度。本文提出的旱情综合评估方法，是从干旱发展的渐进过程，在分布式水文模拟结果上，利用各种气象水文要素，来评估旱情的严重程度。在干旱发生初期，可以采用降水距平或相对湿润度等气象干旱指标，来评价降水偏少或高温无雨现象，为气象部门提供初期预警参考；随着干旱进一步发展，可以采用地表或河道径流距平等水文干旱指标，来评价地表水资源量短缺程度，为水利部门提供详细的水情信息；进而，可以采用土壤墒情等农业干旱指标，来评价农作物受旱程度，为农业部门灌溉减灾提供田间指导。如果要从系统角度来评估的严重程度，建议采用PDSI指标来评估旱情的发生发展演变过程。

参考文献：

[1] MISHRA A K, SINGH V P.A Review of Drought Concepts[J].Journal of Hydrology, 2010, (391): 202-216.

[2] PAULO A A, PEREIRA L S.Drought Concepts and Characterization: Comparing Drought Indices Applied at Local and Regional Scales[J].Water International, 2006, 31(1): 37-49.

[3] PALMER W C.Meteorological Drought: Research Paper No.45[R].Washington, D C: US Weather Bureau, 1965.

[4] HEIM JR R R.A Review of Twentieth Century Drought Indices Used in the United States[J].Bulletin of the American Meteorological Society, 2002, 83(8): 1149-1165.

[5] DAI A, TRENBERTH K E, QIAN T.A Global Dataset of Palmer Drought Severity Index for 1870-2002: Relationship with Soil Moisture and Effects of Surface Warming[J].Journal of Hydrometeorology, 2004, 5(6): 1117-1129.

[6] 安顺清, 邢久星.帕默尔旱度模式的修正[J].气象, 1985, 11(12): 17-19.(AN Shun-qing, XING Jiu-xing.The Modification of Palmer Drought Severity Model[J].Meteorology, 1985, 11(12): 17-19.

[7] ZHANG Ji-quan.Risk Assessment of Drought Disaster in the Maize-growing Region of Songliao Plain, China[J].Agriculture, Ecosystem & Environment, 2004, 102(2): 133-153.

[8] 许继军.分布式水文模型在长江流域的应用研究[D].北京: 清华大学, 2007.(XU Ji-jun.Application of a Distributed Hydrological Model to the Yangtze River Basin[D].Beijing: Tsinghua University, 2007.(in Chinese))

[9] 许继军, 杨大文.基于分布式水文模拟的干旱评估预报模型研究[J].水利学报, 2010, 41(6): 739-746.(XU Ji-jun, YANG Da-wen.New Model for Drought Estimation and Prediction Based on Distributed Hydrological Simulation[J].Journal of Hydraulic Engineering，2010, 41(6): 739-746.(in Chinese))