多种气象干旱指数在新疆干旱评价中的应用对比研究*

慈 晖，张 强，肖名忠

(1. 江苏第二师范学院，江苏 南京 210013；2. 中山大学水资源与环境系//华南地区水循环与水安全广东省普通高校重点实验室，广东 广州 510275)

多种气象干旱指数在新疆干旱评价中的应用对比研究*

慈 晖1，张 强2，肖名忠2

(1. 江苏第二师范学院，江苏 南京 210013；2. 中山大学水资源与环境系//华南地区水循环与水安全广东省普通高校重点实验室，广东 广州 510275)

选取新疆50个气象测站1960-2010年间逐日降水、气温资料，采用模糊C均值聚类方法，并结合新疆地形地貌及水汽来源等地理特征，将全疆分为北疆、南疆、天山北坡、天山南坡及天山东段5个区域，对比分析标准化降水指数(SPI)、标准化降水蒸散发指数(SPEI)、自适应帕默尔指数(scPDSI)及有效干旱指数(EDI)的优缺点及其在各分区干湿监测过程中的适用性。SPI、SPEI、EDI对降水、气温响应较快，且干湿趋势变化所呈总体特征一致，EDI较SPI及SPEI对降水量变化更加敏感，SPI较EDI对“干”的评定较重，对“湿”的判定较轻，SPEI综合考虑气温及降水对“干”、“湿”的共同作用，能够监测到SPI及EDI无法监测到的一些特大旱情，而scPDSI对干湿事件的判断结果与其他三种指数相差较大，甚至会出现完全相反的判断结果，且scPDSI对旱情严重程度的判断偏轻，对干湿变化响应较慢，不适用于新疆干湿监测。SPI与SPEI相关性较好，SPI与EDI相关性明显好于SPEI与EDI的相关性，而scPDSI与其他三种干旱指数的相关性均较弱。另外，从干旱发生频率、干旱站次比及干旱强度三个角度进一步分析不同等级干旱事件的发生规律，整体上，干旱发生具有明显的区域性和季节性特征，不论是年或者四季干旱，干旱影响范围均呈缩减趋势。

干旱监测；气象干旱指数；相关性分析；新疆

干旱，作为极端气候事件的一种，是一种极其复杂的气象灾害，是世界范围内当今人类所面临的重大环境问题，更是非常重要的气候问题。干旱事件的监测与评价是防洪抗旱减灾的关键，干旱监测过程中，存在以下三个困难：干旱发生发展过程较为缓慢，降水亏缺在经过一段时间的累积之后，才能够表现出干旱特征，但是对于一次干旱事件，其开始、结束及干旱程度的监测较为困难；世界范围内，对于干旱并没有一个精确并且通用的定义；干旱所造成的影响是非结构化的，并且能够远播至更大范围内，使得干旱监测工作更难开展。因此，客观的评价干旱强度、干旱量级、干旱历时及干旱发生的空间范围受到更大的局限性，对干旱事件的监测与评价是一件非常困难的事情。19世纪70年代以后，全球受旱灾影响的区域范围不断扩大[1]，由于全球温度升高及降水减少的共同作用，导致干旱地区占据的面积仅仅在50年内就扩大了1倍[2-3]。据统计，气象灾害所引起的损失占各类自然灾害所引起损失的85%，仅干旱灾害，占气象灾害损失的50%左右[2, 4]。气象干旱是各种干旱类型的基础，目前国内外主要用各种气象干旱指数来监测干旱情况，如帕默尔指数[5]、百分位指数[6]、Z指数[7]以及目前广泛使用的SPI指数等。但目前为止，没有任何一种干旱指数是通用的，Morid等[8]对比7种干旱指数对伊朗干旱监测的适用性，指出EDI指数对干旱发生的响应最好。庄晓翠等[9]对比SPI及K指数在阿勒泰地区旱涝趋势监测过程中的应用，指出基于12个月时间尺度的SPI对长期干旱监测较好，而基于3～6个月时间尺度的SPI则更好地反映干旱发展。阿帕尔等[10]指出Z指数能较为客观地分析新疆昌吉干旱变化特征。Wei等[11]对比分析了SPI、SPEI及scPDSI指数在中国西北干旱监测中的应用。在前人研究的基础上，结合国内外在干旱指数研究方面的最新进展，比较多种常用干旱指数在新疆干旱监测中的适用性，以期能够更好地识别新疆状况，为新疆干旱监测、预警提供重要理论依据。

1 数据和方法

1.1 数据来源

本文所分析数据为国家气象中心提供的1961-2010年新疆50个气象测站逐日均温、逐日最高温、逐日最低温及逐日降水资料。对缺测数据处理方法如下[12]：缺测1～2 d数据，采用相邻日的数据平均值进行插补；缺测3 d以上数据，采用同期数据资料的多年平均值进行插补。研究区域地形及气象测站分布如图1。

图1 研究区地形(a)及气象测站(b)分布Fig.1 Locations of study region (a) and meteorological stations (b)

1.2 地理分区

季节性积雪及融雪径流是干旱区域重要的环境影响因子[13]，而气温变化会直接影响融雪过程。因此，考虑气温因素，结合海拔、经纬度、月均温均值、月最高温均值、月最低温均值、各月气温日较差均值、生长季节期间(5-8月)温度均值及生长季节期间(5-8月)最高温均值[14]信息，采用模糊C聚类法[15-16]将新疆50个测站隶属于3个不同类群(图2a)。基于FCM聚类分析结果、复杂的研究区地域背景及气候特征，考虑新疆天山山区气象测站的地理位置分布[17-18]，将本文所采用的50个测站隶属于5个分区来进行干旱指数的对比分析，并探讨各干旱指数在各区干旱监测过程中的适用性及准确性，其中北疆地区11个测站，南疆地区11个测站，天山北坡8个测站，天山东段6个测站，天山南坡14个测站(图2b)。

图2 模糊聚类分析测站隶属群类分布(a)及气象测站地理分区(b)Fig.2 FCM-based regionalization of meteorological stations (a) and five sub-regions of FCM-based and geographical regionalization (b)

1.3 方法

1.3.1 标准化降水指数(the Standardized Precipitation Index，SPI) 是McKee等提出[19-20]的基于降水量的指标，是世界气象组织推荐使用的一种气象干旱指数。计算只基于降水数据，并未考虑诸如温度、蒸散发、风速及土壤持水能力等其他因素对干旱可能造成的影响，很多研究结果表明[21-22]，降水是决定干旱事件发生、结束、历时以及强度的主要因子，降水变率远大于气温及潜在蒸散发等其他因素的变率。

1.3.2 自适应帕默尔指数 由Palmer于1965[5]年提出的PDSI是干旱指数发展过程中的里程碑，基于土壤水分供给平衡，既考虑近期降水量异常程度，同时考虑前期降水量、蒸发量以及径流影响，被广泛的用于美国气象、农业、水利及政府决策部门。但是PDSI指数也存在一定弊端[23]：计算过程复杂，反应不够灵敏，并未考虑灌溉等人类活动的影响，也忽略了降雪、雪盖、冰冻等因素的影响。Wells等[24]在2004年对PDSI指数进行了很大程度上的改善，建立了自适应帕默尔指数(the Self-calibrating PDSI，scPDSI)，使得持续因子和气候权重因子根据站点的气候特征自动校正，对干湿状况有不同的敏感性，在空间尺度上的可比性有很大提高。

利用美国内布拉斯加大学国家农业决策支持系统中对自适应帕默尔指数的计算软件，采用逐年逐月降水量、逐年逐月气温、多年逐月气温均值、多年逐月降水均值及相应参数来计算逐年逐月scPDSI。其中，参数选取两个数值：计算测站的土壤有效持水能力(Available Water Holding Capacity，AWC)及纬度信息。在scPDSI计算过程中，土壤有效持水能力扮演着相当重要的角色，参照相关文献[25]，scPDSI计算过程中的土壤有效持水能力参数来自美国橡树岭国家实验室提供的“Plant Extractable Water Capacity of Soil”数据，为ASCII格式，经度为0.5°×0.5°，单位为“cm water per cm soil”，采用Arcgis软件中的“分区统计”功能，即可提取出各测站的土壤有效持水能力。

1.3.3 标准化降水蒸散发指数(the Standardized Precipitation Evapotranspiration Index，SPEI) 是Vicente-Serrano等[26]在SPI的基础上引入潜在蒸散发的概念构建的，融合了标准化降水指标SPI和基于土壤水分平衡方程的帕默尔干旱指数PDSI的优点[27]。

SPEI及SPI均基于单变量概率分布函数进行标准化，而两者之间的不同之处主要在于以下3个方面：① SPI仅考虑降水量单一因素的影响，而SPEI除考虑降水之外，还考虑气温的影响；② SPI指标研究的着重点为降水异常，而SPEI研究的重点为水分平衡(即降水量与潜在蒸发量之差)的异常；③ 采用合适的单变量概率分布函数将属于偏态分布的降水量数据转化为标准正态分布，SPI采用Gamma分布(皮尔逊III型)，而SPEI采用三参数Log-logistic分布。

1.3.4 有效干旱指数(the Effective Drought Index，EDI) 是基于日尺度降水量数据的干旱指数，早期降水量的贡献随时间迁移越来越小，可以监测到长达多年的持续干旱，是干旱研究领域创新性的突破。EDI指数也被广泛地运用在韩国干旱事件的实时监测上[8, 28]，并且Morid[8]、Pandey等[29]同样指出EDI优于SPI指数，能够很好地应用在伊朗及印度地区干旱监测工作之中。Muthoni Masinde[30]结合EDI指数与人工神经网络，探讨了肯尼亚地区干旱预警工作。

表1 气象干旱指数等级

2 结果与讨论

2.1 多种干旱指数相关性

SPI及SPEI的最大特点就是能够基于多时间尺度。前人研究结果指出，在降水量高于200 mm地区，基于各个时间尺度的SPEI分析均适用。在年降水量小于200 mm干旱地区，基于12个月时间尺度的SPEI适用性最好，且基于12个月时间尺度的SPI对长期干旱事件监测效果较好[31-32]。另外，为了保证干旱指数在对比分析过程中选取时间尺度的一致性，本文分别采用SPI12、SPEI12、scPDSI及EDI指数，分析了1962-2010年新疆5个分区各个站点间干湿变化情况如图3。北疆地区及天山北坡地区SPI、SPEI之间的相关性明显强于其他指数。南疆地区及天山南坡SPI与SPEI、EDI之间相关性均较好且差别不大。天山东段SPI与EDI指数相关性更强且在各测站之间相关性好坏表现的更为一致、稳定。总体来看，不论是哪个分区，SPI与SPEI相关性都表现的较好，而SPI与EDI仅仅考虑降水影响的指数之间的相关性也明显好于综合考虑降水、气温的SPEI指数与EDI指数之间的相关性，而scPDSI与其他3种干旱指数的相关性均较弱，明显不适合新疆干湿状况的监测，与其他3种干旱指数的相关性较差，甚至出现了负相关的情况。

图3 新疆五个分区多种干旱指数相关性(A)北疆地区；(B)南疆地区；(C)天山北坡；(D)天山东段；(E)天山南坡Fig.3 Correlation analysis between four drought indices across five sub-regions

2.2 多种干旱指数针对不同等级干旱发生频率

图4a-e分别为采用多种干旱指数对北疆、南疆、天山北坡、东段及南坡干旱等级的判定，总体来看，5个区域SPI、SPEI、EDI对干湿等级评定的结果呈倒钟形分布。本文着重分析各干旱指数对新疆“干”的评定，不论是新疆哪个区域，SPI与SPEI对于各干旱等级频率的判定结果较为一致，与图3中SPI与SPEI具有很强相关性的结论一致。SPI、SPEI、EDI对不同干旱等级发生频率的变化规律十分明显且单一，与SPI、SPEI相比，EDI判断为正常的频率明显低于SPI及SPEI指数，相反地，对轻旱、中旱、重旱发生频率的判定，EDI要明显高于SPI及SPEI，因此，EDI较SPI及SPEI对降水量变化更加敏感。而各区域测站基于scPDSI不同等级干旱发生频率的变化规律并不明显，其所评定的中旱、重旱发生频率要远远超过正常以及轻旱，尤其是和布克赛尔以及阿拉山口，和布克赛尔scPDSI监测的重度干旱是其他各干旱指数监测到的重度干旱的17倍之多，中度干旱则是3～5倍；阿拉山口scPDSI监测的重度干旱高达其他干旱指数监测结果8～25倍，中度干旱则为4～12倍，对于“干”情的判断完全与实际不符，不适用于新疆地区“干”、“湿”情的监测。

2.3 干旱指数对干旱情况反映能力

图5为针对新疆不同行政区域，采用四种干旱指数对1980-2010年间新疆不同行政区域平均水平上干湿情况的判断，并结合新疆实际灾情损失，对比分析了各干旱指数的适用性。可以看出，受灾面积越大、粮食损失越多，经济作物损失及抗旱浇灌面积也呈现出与受灾面积、粮食损失一致的变化趋势。SPI、SPEI、EDI呈现的变化趋势较为一致，在0值上下不断波动起伏变化，但绝大多数组分均为正常情况；而EDI起伏波动变化较SPI及SPEI更为频繁、快速，由此也可看出，基于日尺度降水量的干旱指数EDI较其他干旱指数对降水变化的响应最快。在月尺度平均水平上，SPI及SPEI表现出的变化趋势及对干湿情况的判断较为一致。而scPDSI值的时间变化趋势与SPI、SPEI、EDI有较大差别，对降水、气温等气候因子响应较慢，所呈现的“干”、“湿”交替并不频繁，“干”、“湿”呈阶段性出现，且其表现出的干湿与新疆实际灾情损失的差异较大，并不适合新疆干湿情况的判断。

图4 1961-2010年多种干旱指数在新疆五个分区不同干旱等级频率分布(1-正常；2-轻旱；3-中旱；4-重旱)Fig.4 Different levels of drought frequency of four drought indices within five sub-regions

2.4 新疆干湿状况变化特征

2.4.1 平均SPEI年际变化及突变检验 通过上述研究，可以看出，SPEI12相对其他干旱指数，既考虑了降水、气温两种气象因子对于干旱的共同作用，在全疆范围内适用性都较好。为了更好地使用SPEI12指数揭示新疆地区的干湿变化特征，按照《气象干旱等级GB/T20481-2006》中对旱情严重程度的划分标准对SPEI12值进一步细化[33-34]，将SPEI12≤-2.0定义为特旱，将-2.0-0.5定义为无旱。本文采用基于12个月尺度的SPEI指数(SPEI12)，从干旱发生频率、干旱站次比及干旱发生强度3个方面综合评价1961-2010年新疆干旱事件的发生发展变化。

图5 新疆各行政区域灾情损失及各干旱指数变化情况(Ⅰ：SPI-受灾面积；Ⅱ：SPEI-粮食损失；Ⅲ：scPDSI-经济作物损失；Ⅳ：EDI-抗旱浇灌面积)(A-阿克苏；B-阿勒泰；C-巴州；D-博州；E-昌州；F-哈密；G-和田；H-喀什；I-克州；J-塔城；K-吐鲁番；L-乌鲁木齐；M-伊犁)Fig.5 Practical disaster situations and trend analyses of four drought indices in different regions

图6为新疆多个测站年均SPEI12年际变化趋势及Mann-Kendall检验结果，可以看出，整体上新疆干湿波动特征明显，干湿状况不断交替出现。20世纪70年代以前，主要表现为干旱，70年代初期到中期，并未发生干旱，70年代中后期到80年代初期，干旱再次出现，80年代中后期到90年代后期，较长一段时间表现为湿润，而90年代后期到21世纪初期，表现为干旱，尤其是2007年以后SPEI大幅下降，2010年，SPEI又有所回升。1961-2010年间，新疆地区年平均SPEI每10 a上升0.07，呈湿润化趋势，普遍来看，SPEI表现为“湿”的幅度大于表现为“干”的幅度。在通过置信度为95%显著性检验基础上，新疆年均SPEI在20世纪60年代后期以后突变上升，突变前后相差较大，且UFk变化总体呈上升趋势，并不断伴随着上升与下降波动交替出现。

图6 新疆SPEI12年平均值年际变化特征(a)及MK趋势检测(b)Fig.6 Inter-annual variation (a) and Mann-Kendall test (b) of average SPEI of Xinjiang

2.4.2 年及四季干旱特征 基于新疆1961-2010年50 a间降水数据，采用基于12个月时间尺度的SPEI指数评定新疆干旱，图7为新疆地区各干旱等级年干旱频率分布，干旱(含轻旱、中旱、重旱及特旱)发生频率在22.45%～34.69%之间，如图7a，干旱频率昌州中东部地区(北塔山、奇台一带)及和田东部地区(皮山、和田一带)最高，北疆地区干旱发生频率整体上相对南疆地区偏高；吐鲁番地区(吐鲁番、七角井一带)及博州地区中等干旱频率相对较高，中等干旱发生频率位于13%～18.37%之间(图7b)；阿克苏地区库车、阿克苏一带及哈密地区哈密一带重旱发生频率较其他地区高，达4%～6.12%(图7c)；阿克苏地区阿克苏、阿拉尔、柯坪一带及巴州地区若羌一带特重干旱频率较高，位于1.5%～2%之间，较其他地区更高(图7d)。另外，可以看出，阿克苏地区重旱及特重干旱发生频率较其他地区更高，中等干旱发生频率同样较高，采取相应的防旱减灾措施对于阿克苏地区灾害损失的减轻有重要意义。限于篇幅，季节干旱频率分布图略。

图7 1961-2010年间新疆地区年干旱频率分布(A-阿克苏；B-阿勒泰；C-巴州；D-博州；E-昌州；F-哈密；G-和田；H-喀什；I-克州；J-塔城；K-吐鲁番；L-乌鲁木齐；M-伊犁)Fig.7 Spatial distribution of annual drought frequency of different drought classes across Xinjiang

整体上，新疆地区干旱事件的发生具有明显的区域性和季节性。不论是年或者四季干旱，干旱发生的影响范围均呈缩减趋势，春季干旱强度的变化趋势与干旱站次比变化趋势表现的较为一致，而其他季节及年干旱中干旱强度的变化趋势并不明显(图8)。另外，秋季干旱表现为全域性干旱的年份，年干旱均为全域性干旱，因此，秋季干旱发生的全域性与否对于全年干旱的发生范围会产生一定的影响。近50 a来，新疆年干旱主要以20世纪70-80年代初期区域性干旱及60-70、90年代及21世纪初期局域性干旱为主；春季干旱主要以20世纪60-70年代及21世纪初的全域性干旱和20世纪60年代末、70年代及80年代初的局域性干旱为主；夏季干旱主要以20世纪60年代末、70年代中后期、80年代中期区域性干旱和20世纪80年代及21世纪初的局域性干旱为主；秋季干旱主要以20世纪60年代初期、70年代中后期及90年代末期至21世纪初的全域性干旱和20世纪60年代末、70年代、80年代的区域性干旱为主；冬季干旱主要以20世纪60年代、70年代末、90年代末及21世纪初的全域性干旱和20世纪70、80、90年代的局域性干旱为主；此外，年及四季干旱强度均表现为轻度干旱和中度干旱。四个季节各等级干旱(干旱、中等干旱、重旱及特重干旱)发生频率高于年干旱各等级干旱的发生频率，四个季节重旱及特重干旱发生频率大小较为一致；冬季干旱发生频率高于其他季节，而中等干旱发生频率春季、冬季最高，秋季次之，夏季最小。另外，在空间分布上，春季及秋季各等级干旱发生规律较为一致，北疆阿勒泰地区及塔城地区干旱、中等干旱发生频率较低，而重旱及特重干旱发生频率高于其他地区；北疆北部阿勒泰地区及塔城地区夏季、冬季干旱和中等干旱发生频率较低，而阿勒泰地区、塔城地区及新疆东南部巴州地区、吐鲁番地区、哈密地区一带重旱及特重干旱发生频率较高；总体来说，年干旱发生频率北疆高于南疆，阿克苏地区重旱及特重干旱发生频率较高，新疆季节干旱高发，对于季节干旱的进一步了解有助于结合作物生长轮换制度及时采取防旱措施减少农业干旱损失。

图8 1961-2010年新疆地区年及四季干旱站次比和干旱强度变化Fig.8 Seasonal drought intensity and drought station level attained in Xinjiang

3 结 论

总体来看，SPI、SPEI、EDI对降水、气温响应较快，且变化所呈总体特征较为一致，而scPDSI对干湿事件的判断结果与其他三种指标相差较大，甚至会出现完全相反的判断结果，且scPDSI对旱情发生程度等级的判断偏轻，对干湿变化响应较慢，不适用于新疆干湿的监测。且SPI与SPEI相关性最好，SPI与EDI相关性明显好于SPEI与EDI的相关性，而scPDSI与其他3种干旱指数的相关性均较弱。EDI较SPI及SPEI对降水量变化更加敏感，SPI较EDI对“干”的评定较重，对“湿”的判定较轻，而SPEI综合考虑了气温以及降水对“干”、“湿”的共同作用，能够监测到SPI及EDI无法监测到的一些特大旱情。虽然SPI与SPEI的计算是基于不同的概率分布函数，然而SPI与SPEI对新疆干湿监测结果表现的较为一致且与实际灾情较为相符，因此，获取较长时间序列的降水、气温资料在各干旱指数间差异性消除方面起到重要作用，考虑到两种干旱指数之间的一致性，在评定干湿事件时，要综合考虑数据资料获取的难易程度，计算方法的复杂程度以及当前研究过程中对于该指数的应用程度；本文并不推荐在新疆干旱监测中采用scPDSI指数，另外，由于EDI计算基于日尺度降水数据，对于干旱开始、结束的具体时间的判定具有很大的优势。

[1] LI Z, ZHENG F L, LIU W Z, et al. Spatial distribution and temporal trends of extreme temperature and precipitation events on the Loess Plateau of China during 1961-2007[J]. Quaternary International, 2010, 226(1-2): 92-100.

[2] 李新周, 刘晓东, 马柱国. 近百年来全球主要干旱区的干旱化特征分析[J]. 干旱区研究, 2004, 21(2): 97-103.

[3] DAI A, TRENBERTH K E, QIAN T 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): 1117-1130.

[4] OBASI G O P. WMO’s Role in the international decade for natural disaster reduction[J]. Bulletin of the American Meteorological Society, 1994, 75(9): 1655-1661.

[5] PALMER W C. Meteorological Drought[R]. US Department of Commerce, Weather Bureau. Washington, DC, USA, 1965.

[6] GIBBS W J, MAHER J V. Rainfall Deciles as Drought Indicators[R]. Bureau of Meteorology, Melbourne, Australia, 1967.

[7] WU H, HAYES M J, WEISS A, et al. An evaluation of the Standardized Precipitation Index, the China-Z Index and the statistical Z-Score[J]. International Journal of Climatology, 2001, 21(6): 745-758.

[8] MORID S, SMAKHTIN V, MOGHADDASI M. Comparison of seven meteorological indices for drought monitoring in Iran[J]. International Journal of Climatology, 2006, 26(7): 971-985.

[9] 庄晓翠, 杨森, 赵正波. SPI与K指数在阿勒泰地区应用的对比分析[J]. 沙漠与绿洲气象, 2011, 5(4): 9-13.

[10] 阿帕尔, 叶儿克江, 阿斯马. 昌吉市气候干旱指标对比分析[J]. 沙漠与绿洲气象, 2009, 3(3): 22-25.

[11] WEI K, WANG L. Reexamination of the aridity conditions in arid northwestern China for the last decade[J]. Journal of Climate, 2013, 26(23): 9594-9602.

[12] ZHANG Q, SINGH V P, LI J F, et al. Analysis of the periods of maximum consecutive wet days in China[J]. Journal of Geophysical Research, 2012, 440/441:113-122.

[13] 包安明, 陈晓娜, 李兰海. 融雪径流研究的理论与方法及其在干旱区的应用[J]. 干旱区地理, 2010, 33(5): 684-691.

[14] SOHRABI M M, RYU J H, ABATZOGLOU J, et al. Climate extreme and its linkage to regional drought over Idaho, USA[J]. Natural Hazards, 2013, 65(1): 653-681.

[15] BEZDEK J C. A Convergence Theorem for the Fuzzy ISODATA Clustering Algorithms[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1980, 2(1): 1-8.

[16] 于洋. 模糊聚类分析中模糊C均值聚类计算方法研究[D]. 沈阳: 沈阳工业大学, 2009.

[17] 李瑞雪. 中国天山山区气候变化的时空分布特征[D]. 甘肃: 西北师范大学, 2010.

[18] 张正勇, 刘琳, 唐湘玲. 1960-2010年中国天山山区气候变化区域差异及突变特征[J]. 地理科学进展, 2012, 31(11): 1475-1484.

[19] MCKEE T B, DOESKEN N J, KLEIST J. The relationship of drought frequency and duration to time scales[C]//Eighth Conference on Applied Climatology, Anaheim, California, USA, 1993.

[20] MCKEE T B, DOESKEN N J, KLEIST J. Drought monitoring with multiple time scales[C]//9th AMS Conference on Applied Climatology. Dallas, TX, USA, 1995.

[21] HEIM 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.

[22] CHANG T J, KLEOPA X A. A proposed method for drought monitoring[J]. JAWRA Journal of the American Water Resources Association, 1991, 27(2): 275-281.

[23] ALLEY W M. The Palmer Drought Severity Index: limitations and assumptions[J]. Journal of Climate and Applied Meteorology, 1984, 23(7): 1100-1109.

[24] WELLS N, GODDARD S, HAYES M J. A self-calibrating Palmer Drought Severity Index[J]. Journal of Climate, 2004, 17(12): 2335-2351.

[25] 尹圆圆, 周垠, 张兴明, 等. 中国农业旱灾致灾风险评价[J]. 新疆师范大学学报(自然科学版), 2013, 32(2): 35-40.

[26] VICENTE-SERRANO S M, BEGUERIA S, LOPEZ-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.

[27] 熊光洁, 张博凯, 李崇银, 等. 基于SPEI的中国西南地区1961-2012年干旱变化特征分析[J]. 气候变化研究进展, 2013, 9(3): 192-198.

[28] KIM D W, BYUN H R, CHOI K S. Evaluation, modification, and application of the Effective Drought Index to 200-Year drought climatology of Seoul, Korea[J]. Journal of Hydrology, 2009, 378(1-2): 1-12.

[29] PANDEY R P, DASH B B, MISHRA S K, et al. Study of indices for drought characterization in KBK districts in Orissa (India)[J]. Hydrological Processes, 2008, 22(12): 1895-1907.

[30] MASINDE M. Artificial neural networks models for predicting effective drought index: Factoring effects of rainfall variability[J]. Mitigation and Adaptation Strategies for Global Change, 2014, 19(8): 1139-1162.

[31] 庄少伟. 基于标准化降水蒸发指数的中国区域干旱化特征分析[D]. 甘肃: 兰州大学, 2013.

[32] 庄少伟, 左洪超, 任鹏程, 等. 标准化降水蒸发指数在中国区域的应用[J]. 气候与环境研究, 2013, 18(5): 617-625.

[33] 周扬, 李宁, 吉中会, 等. 基于SPI指数的1981-2010年内蒙古地区干旱时空分布特征[J]. 自然资源学报, 2013, 28(10): 1694-1706.

[34] 张强, 邹旭恺, 肖风劲. GB/T 20481-2006, 气象干旱等级[M].北京: 中国标准出版社, 2006.

Evaluation and comparability of four meteorological drought indices during drought monitoring in Xinjiang

CIHui1,ZHANGQiang2,XIAOMingzhong2

(1. Jiangsu Second Normal University, Nanjing 210013, China;2. Department of Water Resources and Environment//Key Laboratory of Water Cycle and Water Security in Southern China of Guangdong High Education Institute,Sun Yat-sen University, Guangzhou 510275, China)

Drought is perhaps the most complex natural hazard. Drought monitoring is an essential component of drought risk management. It is usually performed with the use of various drought indices. A number of drought indices have been introduced and applied in the drought monitoring in different regions to date all over the world. Xinjiang was divided into five sub-regions with Fuzzy Clustering Method along with considering its geographic and geomorphic conditions and different vapor sources: northern Xinjiang, southern Xinjiang, northern slope of Tianshan Mountain, southern slope of Tianshan Mountain, and the eastern part of Tianshan Mountain. Comparability analyses and correlation analyses have been carried out between the Standardized Precipitation Index (SPI), the Standardized Precipitation Evapotranspiration Index (SPEI), the Effective Drought Index (EDI), and the Self-calibrating PDSI (scPDSI) to investigate advantages and disadvantages of four drought indices and to pick out the most applicable drought index for the five sub-regions in Xinjiang based on daily precipitation and temperature data from 50 meteorological stations in Xinjiang. SPI, SPEI, and EDI respond quickly to precipitation and temperature. The tendency and changing characteristics were in consistent with each other. Drought classes and wet classes defined with SPI are higher and lower than with EDI, respectively. Since SPEI can take into account of combined action of precipitation and temperature in the evaluation of drought and wet, some severe droughts that cannot be detected with SPI and scPDSI can be monitored with SPEI. The correlation between SPI and EDI is better than it between SPEI and EDI. The difference of variation tendency between SPI, SPEI, EDI and scPDSI is very large and the relationship between scPDSI and other drought indices is worst. Therefore, scPDSI is not applicable to drought monitoring in Xinjiang. In addition, drought frequency, drought severity, drought stations proportion of different classes of annual and seasonal drought have been analyzed with SPEI12. No matter annual or seasonal droughts, there are obvious regional and seasonal characteristics. And the influence area has been reduced to an extent.

drought monitoring; meteorological drought indices; correlation analysis; Xinjiang

10.13471/j.cnki.acta.snus.2016.02.022

2015-03-09

国家杰出青年科学基金资助项目(51425903)；江苏第二师范学院博士专项资助项目(JSNU2015BZ01)；新疆维吾尔自治区科技计划资助项目(201331104)；香港特别行政区研究资助局资助项目(CUHK441313)；中山大学滨海小流域自然地理综合过程观测与实验平台建设资助项目(2012年度)

慈晖(1989年生)，女；研究方向：区域水文循环与水资源演变；通讯作者：张强;E-mail:zhangq68@mail.sysu.edu.cn

P468.024

A

0529-6579(2016)02-0124-10