基于SPEI指数与GIS技术的高寒草地干旱生态风险动态评价

李文龙，蔡 栋，苏文亮，魏 巍，朱高峰，赵志刚，许 静

（1.兰州大学草地农业生态系统国家重点实验室 / 兰州大学草地农业科技学院，甘肃 兰州 730020；2.兰州大学资源环境学院，甘肃兰州 730000；3.兰州大学草地农业生态系统国家重点实验室 / 兰州大学生命科学学院，甘肃 兰州 730000；4.兰州财经大学经济管理学院，甘肃 兰州 730020）

近年来全球气候呈现暖干化的变化态势[1]，因全球环境变化所引起的发生频率更高、持续时间更长、作用更强的干旱，将导致区域性旱灾风险的增加[2-3]。干旱灾害已经成为全球最严重的自然灾害之一，据统计，旱灾在每年发生的气象灾害中占总影响面积的50%，干旱已被中国科学技术蓝皮书列为气象灾害中的第一位[4-5]。目前，关于干旱的研究与统计大多以农业干旱和水文干旱为主。例如，秦鹏程等[6]基于标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)研究了近50年东北玉米(Zea mays)生长季干旱演变特征，发现东北玉米生长季干旱风险与气候变化联系紧密；徐向阳等[7]基于帕默尔干旱指数(palmer drought severity inde,PDSI)建立了模拟农业干旱的数学模型，结果显示该模型能够定量估算旱灾范围以及灾害所带来的损失；李立新等[8]利用海河流域内及其周边51个气象台站的近50年气候因子数据，采用相对湿润度指数探讨了流域近50年不同等级干旱的时空演变规律，揭示了海河流域的轻旱较高，并且干旱呈现增强的趋势；管晓丹等[9]利用22年逐月GIMMS 8 km分辨率的归一化差分植被指数(normalized difference vegetation index,NDVI)数据和西北地区138个气象台站的月降水数据，发现植被状态指数(vegetation condition index,VCI)可以较好地反映西北大部分地区干旱的空间分布；王莺等[10]采用基于信息扩散理论的模糊数学方法，建立了甘肃省农业旱灾受灾风险模型，结果显示，旱灾指数在22%时旱灾受灾概率最大；Xu等[11]通过不同时间尺度的SPEI与小麦(Triticum aestivum)产量建立多元回归模型，揭示了产量与SPEI之间的关系；Ming等[12]分析了基于彭曼模型的SPEI指数与华北平原夏玉米产量的关系；Xu等[13]利用SPEI指数对我国1961-2012年的干旱特征进行分析；She等[14]研究了中国黄河流域极端旱情的时空变化。然而，对于草地干旱生态风险的研究相对较少。由于草地干旱的特殊性，它不同于农业干旱，缺少人为因素的干扰，自然降水和温度变化对草地生长状况的影响更大，降水异常和温度起伏对高寒草地所产生的影响比对农作物的影响更加显著。因此，需要选择合适的干旱指标对高寒草地进行气候干旱监测，以及对产生的干旱风险进行评价。

1 研究区概况与研究方法

研究区(33°06′－35°44′ N，100°46′－104°44′ E)位于甘肃省西南部(图1)，地处青藏高原东部边缘，气候寒冷湿润，平均海拔3 000 m，年均温1～3 ℃，年降水量400～700 mm。全州地形复杂，草地类型多样，主要有高寒灌丛草甸类、高寒草甸类、低平草甸类、暖性草丛类、沼泽类、温性草原类和温性草甸草原类，总面积为272.34万hm2，其中可利用草地面积为256.55万hm2[15-18]。由于受全球气候变化的影响，以碌曲县为代表的年降水量由20世纪60年代的633.7 mm减少为2012年的595.9 mm，气温则从20世纪60年代到2012年升高了1.1 ℃，这些气候变化导致降水补给减少，植物、土壤失水速度加快，进而造成旱灾、植被退化等生态环境恶化问题[19]。

图1 研究区及气象台站点位置示意图Figure 1 Map of the research area and the locations of the meteorological stations

1.1 研究数据

本研究所用数据主要有气象台站数据、数字化地图数据以及遥感数据等。其中，气象数据为甘南州及其周围33个气象台站1955-2014年60年的日降水、日平均气温、日最大温度、日最低温度、日风速等。数据来源于中国气象局数据中心(http://www.cma.gov.cv)。遥感数据主要为植被指数16 d合成产品MOD13Q1，包括NDVI指数和增强植被指数(enhanced vegetation index,EVI)两种指数产品，影像覆盖甘南州的轨道号为H26V05，空间分辨率为250 m，下载的遥感数据时间序列范围为2000-2015年，空间坐标统一为WGS1984。该数据来源于美国国家航空航天局(National Aeronautics and Space Administration，简称NASA)对地观测系统数据共享平台(https://e4ftl01.cr.usgs.gov/ASTT/)。此外，还用到全国草地类型矢量边界以及行政矢量边界数据等。数据下载来源于中国科学院地理科学与资源研究所(http://www.nfiieos.cn)。

1.2 研究方法

1.2.1 植被指数

由于归一化植被指数(NDVI)受到土壤和叶冠背景、高植被覆盖区域易饱和等因素的影响，其使用范围受到限制[20-22]。而增强型植被指数(EVI)通过蓝光与红光对气溶胶的差异，加入蓝色波段以及增强植被信号，来矫正土壤背景和气溶胶散射对植被的影响，同时，有效地解决了NDVI在植被高生物量区域易饱和的缺点[20,23]。因此将MODISEVI作为评价植被生长状况的评价因子，其计算公式为[16]：

式中：NIR、R和B表示经过大气校正的近红外、红光和蓝光通道的反射值；L= 1，为土壤调节参数；参数C1和C2值分别取6.0和7.5。

1.2.2 标准化降水蒸散指数

标准化降水蒸散指数(SPEI)通过计算降水与潜在蒸散量的差值偏离平均状态的程度，表征某地区气温和降水对干旱发生的共同效应[24-25]。该指数是Vicente-Serrano在标准化指数(standardization index,SPI)的基础上加入潜在蒸散项建立的，既融入了降水和温度对于区域干旱的影响，同时具有SPI多时间和多空间尺度的特性，兼具SPI指数和PDSI指数的优点[26-27]。其计算公式[26]如下：

式中：W为概率加权矩，C0= 2.515 517，C1= 0.802 853，C2= 0.010 328，d1= 1.432 788，d2= 0.189 269，d3=0.001 308，具体计算步骤可见文献[26]。

由于SPEI与SPI具有相同的特点，且计算方法相似，参考中国气象局干旱监测业务规定等资料，将SPI的干旱等级评价标准应用于SPEI干旱风险评价[28-32](表1)。

表1 SPEI干旱等级标准Table 1 Grade standard of drought based on SPEI

本研究选取不同时间尺度的SPEI作为自变量，分别将反映甘南高寒草地生长季5-9月草地生长状况的EVI指数作为因变量，再以二者之间的相关性作为干旱评价标准，分析哪种时间尺度的SPEI能够更加准确地反映草地干旱发生的状况。以玛曲气象台站2000－2014年5－9月相关数据进行分析。

1.2.3 干旱时空变化动态分析

利用Arcgis10.4软件对甘南内部及其边缘的33个气象台站进行反距离权重(IDW)插值，绘制甘南高寒草地干旱空间分布图，分析草地生长季干旱分布的空间变化。由于Morlet小波是一种单频、复正弦调制高斯波，频域的局部性很好，因而常被用于水文和气象时间序列的分析中。所以使用Morlet连续小波分析合作气象台站和玛曲气象台站近60年来干旱变化的周期特性，Morlet小波计算步骤可参见参考文献[33]。

1.2.4 干旱风险评价模型

参照生态风险评价模型，一般将风险表示为[34-35]：

式中：R表示风险，P表示风险概率，D表示风险后果或损失程度。

本研究以甘南高寒草地作为风险受体，基于高寒草地生长状况建立干旱灾害损失度；利用概率密度函数估计干旱风险概率，最后确定高寒草地生长季干旱风险值模型。

由于草地在水分充足条件下生长状况可以达到Hmax，而在发生干旱时草地生长状况为H1，草地为了达到在正常水分下的生长状况，其损失为D=Hmax-H1。然而，这只是针对同一地点不同年份的比较，对于不同地点的草地，由于还受到其他因素的影响，在水分充足的情况下生长状况也可能不同。因此研究中以干旱损失率来替代干旱损失度。公式如下：

干旱发生概率通过参数估计进行计算。一般当数据服从正态分布时：

对于SPEI 6的干旱等级划分以及概率累计函数的性质，一个随机的SPEI 6为s时，当s ≥ -0.5时，干旱不会发生，此时P= 0；当s ＜ -0.5时，

假设随机变量服从正态分布，则参数可以通过训练数据进行估计。研究中以玛曲气象台站60年草地生长季的21 600个数据作为样本数据，绘制数据频数分布图，通过观察可以判断该数据符合正态分布类型，从而进行估计参数。

最后将当年高寒草地生长季干旱风险值表示为：

式中：y为年份，i为月份，Ri表示某月的干旱风险值。

2 结果与分析

2.1 最适SPEI指数值选取

各台站点在草地生长季(5－9月)不同时间尺度上SPEI与EVI的相关系数(表2)表明，在合作气象台站，与高寒草地EVI之间具有显著相关性的 SPEI值有 6月份的 SPEI 2，7月份的 SPEI 4、SPEI 5、 SPEI 6、 SPEI 7、 SPEI 8、 SPEI 9、 SPEI 10，8月份除SPEI 1、SPEI 2、SPEI 3和SPEI 12外的其余指数值，9月份的 SPEI 6、SPEI 7、SPEI 8、SPEI 9；在玛曲气象台站，与高寒草地EVI之间具有显著相关性的指数值有6月份的SPEI 9，7月份除SPEI 1、SPEI 2、SPEI 12外的其余时间尺度，8月份除SPEI 1、SPEI 2、SPEI 3和SPEI 12外的其余时间尺度，9月份的 SPEI 6、SPEI 7、SPEI 8、SPEI 9。综合比较两者之间具有显著相关性的数据发现，SPEI 5、SPEI 6、SPEI 7、SPEI 8和 SPEI 9指数值与EVI显著相关的占较大比例，而SPEI 6与EVI之间的相关系数显著性较其他时间尺度的SPEI更明显。因此，本研究选取SPEI 6进行草地生长季干旱分析。同时查阅《中国气象灾害大典》等历史旱灾记录[36-37]，共37个历史记录值，其中SPEI 6监测粗精度为81%(不分干旱等级，统计干旱有无发生)，而SPEI 6的干旱监测结果与历史统计资料相一致(区分干旱等级)的有26个，该时间尺度的SPEI监测精度达到70.27%。因此可将SPEI 6作为甘南草地干旱监测的指标，对甘南高寒草地生长季干旱进行评价。

2.2 研究区干湿变化周期分析

已有的研究表明，小波系数的变化趋势与气候长时间序列的波动具有很好的相关性，因而，可以用小波系数来反映气候要素在不同时间尺度上的周期性和变化规律[38]。小波变换系数实部等值线图(图2)中，数值表示小波系数的实部，实部数值越大，相应的SPEI 6值也越大，小波波幅表现为湿周期，反之则为干周期。对于合作气象台站点(图2a)，明显的震荡周期主要集中在3－6年、8－10年。在1955－2000年间有8－10年“干－湿－干－湿－干”的短周期波动，在1973－2014年间3－6年的短周期波动较为明显，经历了“干－湿－干－湿－干－湿－干－湿”的变化，并且这种3－6年内的震荡变化对短周期震荡的影响几乎贯穿整个时间序列；对于中时间尺度15年左右的震荡，并没有表现出特别明显的干湿特性。对于玛曲气象台站点近60年生长季SPEI 6而言(图2b)，该台站点存在准4年、准6年和准14年的震荡周期，在准4年震荡周期尺度上，1955－2004年间经历了“干－湿－干－湿－干－湿－干－湿－干－湿－干－湿－干－湿”的交替变化；同样在1955—2014年间存在准6年的中短期波动，周期交替变化表现为“干－湿－干－湿－干－湿－干－湿”；在准14年较大尺度震荡周期上，在整个时间序列内周期变化表现为“干－湿－干－湿”的交替变换。

图2 近60年合作和玛曲气象台站点高寒草地生长季SPEI 6 Morlet小波系数等值线分布图Figure 2 Distribution map of SPEI 6 Morlet wavelet coefficient isolines of the alpine meadow growing season in the cooperation meteorological station site of Hezuo and Maqu in the last 60 years

2.3 SPEI 6空间分布特征

图3 近60年玛曲气象台站点高寒草地生长季SPEI 6 Morlet小波系数等值线分布图Figure 3 Spatial distribution of SPEI 6 values of the alpine meadow growing season in Gannan Prefecture from 2000 to 2014

在Arcgis10.4软件中，利用克里金插值对甘南高寒草地2000－2014年SPEI 6进行插值分析(图3)。2000、2001、2002、2004、2005、2007 以及 2009 年甘南地区干旱主要发生在研究区的东部，并且东南区域干旱较其他区域偏重；2003年干旱主要发生在南偏西小面积区域以及东南部；2006年干旱区域主要在南部区域；2008和2014年除了玛曲西部的部分区域较湿润外，甘南其他地区都发生了大面积的干旱；2010和2013年干旱发生区域较小，主要爆发于玛曲的西部地区；2011和2012年干旱主要发生在研究区的北部，并且主要集中在合作和夏河地区。综合分析甘南高寒草地生长季干旱发生的区域主要在甘南州的东部，西部相对来说发生干旱的频率较低。

对近15年的SPEI 6进行趋势分析(图4)，当SLOPE系数大于0时，表明SPEI 6在15年间呈现增大的趋势，反之说明近15年间SPEI 6在逐渐减小。由于在玛曲西部地区的SLOPE系数最小值为-0.005，说明SPEI 6有减小的趋势，干旱呈现增强的趋势。而在研究区的东部，SLOPE系数大于0，说明东部的SPEI 6有增大的趋势，在东部干旱呈现逐渐减弱的状态。

图4 甘南州2000－2014年高寒草地生长季SPEI 6空间分布图Figure 4 Spatial distribution of SLOPE trend coefficient of SPEI 6 of the alpine meadow in Gannan Prefecture during the growing season from 2000 to 2014

2.4 干旱概率密度函数估测

以玛曲气象台站为例，利用1955－2014年草地生长季5－9月的SPEI 6共计21 660个样本数据，进行正态分布拟合和参数估计，当置信度为90%时，得到正态分布均值μ= 0.040 2，方差δ= 1.218 9。最后将所计算的参数代入模型(式9)，得到干旱发生概率。

2.5 干旱风险评价结果

利用草地干旱生态风险评价模型计算相应年份高寒草地生长季草地干旱风险值，采用五分法将干旱风险值(0－100)划分为不同干旱等级，由低到高依次对应：低风险区、次低风险区、中等风险区、次高风险区和高风险区[39-41]。如图5所示，2000年甘南州东南部地区处于次低风险区；2001和2006年甘南全州的干旱风险都较大，干旱风险处于低风险－中等风险之间；2002、2003、2007、2010、2012和2013年甘南州处于干旱低风险区；2004和2009年干旱风险较高的区域主要集中在甘南州西南部和东部地区；2005年干旱风险较大的地区在甘南州东北部地区；2008年除了玛曲西部部分区域干旱风险值较小以外，其他区域的干旱风险都较大；2014年干旱风险值较大的区域主要在甘南的西南部地区。并且通过对2000－2014年甘南州的干旱风险值进行SLOPE趋势(图6)分析发现，过去15年间，碌曲县南部、玛曲县东南部以及玛曲县西北部边界干旱风险有加重的趋势；甘南州东部地区干旱风险呈减弱趋势。整个研究区而言，西部干旱风险大，东部干旱风险小。

3 结论

1)利用Morlet小波分析(图2)60年时间序列的SPEI 6，结果表明，甘南地区近60年间，有明显的以3－6年为周期的“干”到“湿”交替变化。通过周期变化中所对应的小波系数的实部发现，两个“湿”周期所对应的小波系数实部值在减小，意味着湿润态势在减弱，同时两个“干”周期所对应的小波系数实部值也在减小。所以整体而言，研究区经历了由“湿”到“干”的变化。结合30年合作、玛曲气象台站点的年蒸发量、年降水量和年均温数据，发现年降水量基本保持不变、年均温呈现增长的趋势，且增长趋势较大，而年蒸发量呈现下降的趋势，并且蒸发量远远大于降水量，符合气候逐渐变“暖”变“干”的趋势。

2)通过分析，甘南高寒草地生长季干旱发生的区域主要在甘南州的东部，西部相对来说发生干旱的频率较低(图3)，而甘南州西部地区的SPEI 6有减小的趋势(图4)，所以在甘南州地区，东部是干旱的主要发生区域，但是干旱呈现减弱的状态，西部地区干旱发生较少，但是有逐渐增强的趋势。

图5 甘南州2000－2014年高寒草地生长季SPEI 6的SLOPE趋势系数空间分布图Figure 5 Drought risk in the alpine meadow in Gannan Prefecture during the growing season from 2000 to 2014

3)将干旱风险(图5)与SPEI 6空间分布(图3)进行对比，可以发现，两者揭示干旱特征现象基本一致，并且参考统计年鉴干旱记录，2012和2013年均未发生干旱，而根据模型计算的干旱发生概率也非常低，结果显示也未有干旱发生，因此该模型能很好地揭示干旱发生概率。

图6 2000－2014年甘南州高寒草地生长季干旱风险Figure 6 SLOPE trend map of drought risk in Gannan Prefecture from 2000 to 2014

本研究利用甘南周边33个气象台站1955－2014年的日降水与气温数据，计算了不同时间尺度的SPEI干旱指数，对监测甘南高寒草地生长季干旱的SPEI进行了最优尺度分析。通过对SPEI 6时间序列进行Morlet连续小波分析，SPEI 6的空间分布特征分析，以及通过SPEI 6建立干旱发生概率模型，EVI指数建立干旱损失模型，同时以概率风险模型为基础建立干旱风险评价模型，采用空间插值方法和SLOPE趋势分析方法对甘南高寒草地干旱风险进行评价，得出主要结论如下：SPEI 6能够作为监测高寒草地干旱状况的主要指标；研究区高寒草地在时间尺度上有明显的短周期(3－6年)波动变化；空间上，近15年研究区呈现西部干旱加剧，东部干旱减缓的趋势。未来干旱发生风险较高的地区可能出现在碌曲县南部，玛曲县南部，而玛曲湿地周围可能发生干旱的风险概率较大；基于干旱损失度，建立的干旱发生概率模型和参数估计法，适合于对高寒草地的干旱生态风险进行定量评价。综上，本研究的研究方法和结果对高寒草地的草地资源生态安全研究有一定的实际和理论参考价值。