基于CanESM2的渭河流域干旱演变特征研究

丁 浩，张洪波，b，张靖铷，吴延锐，邵淑婷，姚聪聪，吕丰光

(长安大学 a 水利与环境学院,b旱区地下水文与生态效应教育部重点实验室,陕西 西安710054)

当前气候变化影响着全球不同地区气象水文要素的时空分布特征，也是区域干旱演变的重要驱动力[1-2]。联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第五次工作报告(fifth assessment report，AR5)指出[3]，未来气温仍有持续升高的趋势，干旱在世界范围内的发生频率将呈现增长趋势，且影响范围逐渐增大。作为自然界三大灾害之一，干旱具有发展慢、范围广、发生频率高和持续性强等特点，在我国的成灾率高达53%[4-5]。在全球气候变化背景下，未来的干旱发生频率与强度也会随之变化，有关气候变化下干旱的演化特征研究业已成为国内外学者关注的热点[6]。

全球气候模式(general climate models，GCMs)是定量模拟预估未来气候变化情景的有效工具。许多专家学者应用各种GCMs，将历史基准期与未来期的干旱指标序列分别作为独立样本，对全球及区域尺度下的干旱频率与干旱强度进行了模拟和演化趋势研究。如Gu等[7]采用国际耦合模式比较计划第5阶段(coupled model inter-comparison project，CMIP5)的13个全球气候模式，结合标准化降水蒸散发指数(standardized precipitation evapotranspiration index，SPEI)，分析了全球升温1.5与2.0 ℃情景下区域干旱烈度和干旱历时联合重现期的变化，并对人口与经济的干旱暴露度进行了评估。Rehana等[8]提出了降水实际蒸散发指数(standardised precipitation actual evapotranspiration index，SPAEI)，将该指数应用于印度Krishna河流域，评估了未来情景下流域的干旱演化特征，并与SPEI和水文干旱指数(standardized runoff index，SRI)进行了效能比较。刘子豪等[9]基于CMIP5中的11个全球气候模式，借助遗传算法分析了鄱阳湖流域潜在蒸散发在不同时期的演变规律，并透过Budyko假设研究了未来情景下鄱阳湖流域的干旱时空演变特征。

为了深入推动全球气候变化的区域化影响研究，美国国家航空航天局(NASA)基于CMIP5的21个全球气候模式，应用偏差校正/空间分解(bias correction and spatial disaggregation，BCSD)方法，生成了一套高分辨率的降尺度日值数据集，即NASA earth exchange/global downscaled projections(NEX-GDDP)[10-12]，其包括了历史时期(1950-2005年)和2种情景(RCP4.5、RCP8.5)下预估时段(2006-2100年)的日降水、最高气温和最低气温数据。目前，已有研究对NEX-GDDP降水与温度数据在中国的适用性进行了评估，如Ge等[13]评估了NEX-GDDP对中国极端降水的模拟性能，发现与CMIP5的直接输出结果相比，NEX-GDDP能够更好地描述中国极端降水的空间分布，且不确定性范围较CMIP5直接输出结果明显下降，使得预估结果更加可靠。李金洁等[14]评估了NEX-GDDP对中国极端温度的模拟能力，结果表明CanESM2、CESM1-BGC和MIROC-ESM-CHEM模式的模拟能力相对较高。

渭河流域位于我国西北内陆区的东缘，是典型的干旱半干旱地区。渭河作为关中平原地区人类生产、生活的重要水源，为区域社会经济发展与水安全提供了关键性的保障。然而，长期以来渭河流域旱灾发生频繁，且遭遇损失巨大，给渭河流域高质量发展带来了极大的负面影响[15-16]。一直以来，学者们都对渭河流域干旱演化、评价给予了高度关注，如雷江群等[17]利用渭河流域21个气象站的气象观测资料，采用Penman-Monteith公式计算了潜在蒸散量和干燥指数，通过Mann-Kendall法、小波分析等方法，对渭河流域气候要素与干燥指数的变化特征及干湿状况进行了分析。Zhao等[18]使用3个全球气候模式与SWAT水文模型，研究了渭河流域未来水文干旱发生次数、持续时间和强度的变化规律。袁梦等[19]基于气象干旱指数与水文干旱指数构建了综合干旱指数(comprehensive drought index,CDI)，并使用该指数分析了渭河流域近50年的干旱时空演化特征。田甜等[20]基于渭河流域21个气象站点的实测降水、气温和日照时数数据，计算了各站点的年、季尺度SPEI值，采用累积距平法和有序聚类法对SPEI进行了突变检验，并进一步探讨了渭河流域干旱覆盖面积等的特征变化。

通过文献梳理，不难发现已有研究主要集中在对历史干旱演变过程或趋势的分析与评价，尽管少数研究响应了渭河流域未来持续旱化的趋势，但在干旱指标和事件对气候情景的空间化响应以及持续性分析方面还尚有不足。众所周知，近年来全球气候变化的区域效应愈发明显，对区域干旱事件发生发展的影响也日渐强烈，如何科学地认识区域干旱过程对气候变化的响应，形成渭河流域有效的适应性干旱管理策略尤为迫切。为此，本研究将基于CMIP5统计降尺度数据集NEX-GDDP，使用象限转换法对CanESM2全球气候模式下的降水与气温数据进行校准，并运用游程分析等方法，从干旱指标(SPEI)与干旱事件特征的角度,分析渭河流域历史基准期与未来期2种排放情景(RCP4.5与RCP8.5)下的干旱时空演变特征，探讨干旱事件的频率空间变化与持续性变化，以期为渭河流域未来的旱灾防控和水安全保障,以及响应黄河流域高质量发展的重大国家战略提供科技支撑。

1 研究区域与数据

1.1 研究区概况

渭河是黄河的第一大支流，发源于甘肃省渭源县的鸟鼠山东侧和西秦岭北侧，流经甘肃、宁夏、陕西三省，在陕西省潼关县注入黄河，干流全长818 km。流域地形西高东低，北部为黄土高原，南部为秦岭山脉，其地形及水系概况如图1所示。

图1 渭河流域地形及水系概况

渭河流域属于温带大陆性气候，多年平均气温6～14 ℃，多年平均降水量为500～800 mm，年水面蒸发量为700～1 000 mm，年陆面蒸发量约为500 mm，属于我国典型的干旱半干旱地区。受降水影响，渭河径流年际变化大，且年内分配不均匀，多年平均天然径流量为100.40亿m3。渭河是陕西人民的母亲河，流域内集中了全省64%的人口、72%的灌溉面积、69%的粮食产量，是关中地区生产、生活用水的最主要水源，在流域高质量发展和西部大开发中具有重要作用和战略意义。根据文献[19]所述，建国以来渭河流域共发生了600多次旱灾，其中40%属于严重旱灾。1986年大旱受旱面积达148.4万hm2，直接经济损失达9.46亿元，1994-1995年发生的连旱造成了66.75亿元的经济损失。进入21世纪以来，流域的干旱情势依旧严峻，2013-2014年出现了持续超过200 d的干旱事件，受旱面积约333.3万hm2，经济损失巨大。由此可见，渭河流域旱灾发生频繁，且危害程度较重。

1.2 研究数据

选取1966-2005年为历史基准期，2021-2060年为未来期，拟重点对比2个时期渭河流域干旱时空演化的差异性特征。研究主要涉及历史期的实测气象水文数据和气候模式模拟数据。其中，历史期实测气象水文数据包括实测逐月降水、最高气温与最低气温栅格数据，均来源于国家科技基础条件平台——国家地球系统科学数据中心(http://www.geodata.cn)，空间分辨率为1 km，时间为1966-2005年，该数据使用东安格利亚大学气候研究中心(Climatic Research Unit,CRU)全球0.5°气候数据及WorldClim全球高分辨率气候数据，通过Delta空间降尺度方法在中国地区降尺度生成，并采用496个独立气象观测点数据进行了验证，质量可靠。气候模式模拟数据选用了NEX-GDDP中CanESM2模式下历史期(1966-2005年)与未来期(2021-2060年)2种情景(RCP4.5与RCP8.5)下逐日降水、最高最低气温数据，其中历史数据主要用于建立历史期模拟数据与实测数据之间的演化关系，进而应用象限转换校正法，对未来期气候模式模拟数据实施校准。需要说明的是，由于CanESM2气候模式历史期模拟数据截止于2005年，故本研究选取1966-2005年作为历史基准期，同时为满足象限转换校正法基准期和校准期数据长度一致的要求，未来期选定为2021-2060年。

2 研究方法

开展全球气候模式下渭河流域干旱演变及持续性特征研究的前提，是获取相对可靠的未来期气候模式输出数据。为此，本研究先采用象限转换校正法对GCMs未来情景数据进行校准，并基于校准后的降水和最高、最低气温数据计算潜在蒸散发量，然后对降水与潜在蒸散发的差值序列进行分布拟合与标准化，进而得到未来气候情景下的SPEI序列，最后采用Mann-Kendall趋势检验与游程分析等方法，对历史期和未来期渭河流域干旱指标和特征变量的时空演变趋势与持续性特征进行系统研究。

2.1 象限转换校正法

一般而言，气候模式输出数据与实测数据间多存在一定偏差，很难直接应用于流域尺度的干旱指标计算，因此在使用GCMs未来情景数据时，应首先对其进行校准。本研究采用象限转换校正法(quadrant transformation method，QTM)[21-22]对未来时期的降水和最高、最低气温数据实施校准。QTM是利用GCMs模拟的历史数据与实测历史数据的关联关系，对GCMs预测的未来数据进行校准的一种方法。以降水校正为例，QTM的基本原理如图2所示。坐标轴的横轴为降水量的经验频率，纵轴为降水量数值，第三象限绘制的是GCMs模式模拟数据(即需要校准的未来降水数据)频率曲线，第四象限绘制的是GCMs模式历史降水数据频率曲线，第一象限绘制的是与GCMs模式历史期同期的实测降水量频率曲线，第二象限绘制的是GCMs模式数据校准后的频率曲线，即需要推求的曲线。

图2 象限转换校正法原理示意图

QTM校准的具体步骤如下：

(1)对需要校准的GCMs模式未来模拟降雨量值进行频率计算，绘制频率曲线于第三象限。针对某一频率所对应的降雨量值(初始点)做水平线，交于第四象限的GCMs模式历史数据频率曲线，沿该点作垂线，可确定该降雨量值在第四象限所对应的频率。

(2)将第四象限的垂线上延，与第一象限中的历史实测降雨量频率曲线相交，可得到该频率所对应的实测历史降雨量值。

(3)沿第一象限中的实测历史降雨量数值点做水平线，与过第三象限拟定初始点的垂线可交于第二象限，此交点的纵坐标即校准之后与初始点同频率降雨量值。

(4)重复以上步骤，直到校准完所有第三象限中频率曲线上的数值点，即GCMs模式下不同频率的未来降水量数据，将其配线，可得到第二象限中校准之后的未来期降水量频率曲线。

从以上步骤可以看出，第三象限与第四象限频率曲线均在GCMs模式下形成，其差异主要由气候变化造成，而第一象限与第四象限频率曲线属于同一历史时期，其差异是由GCMs模式的不确定性造成。由此可见，相比于其他校准方法，QTM既考虑了气候变化的差异性，也考虑了模式的不确定性，是一种非常简单有效的校准方法。需要说明的是，由于气候变化的影响，第三象限中的某些极端值在第四象限中可能未找到与之相对应的GCMs模式历史数据，在这种情况下则需要对第四象限的频率曲线进行适当延拓。同时，为了保证校准效果，拟校准的GCMs模式未来模拟数据与历史时期模拟数据的长度应保持一致。

2.2 标准化降水蒸散指数

标准化降水蒸散指数(SPEI)的计算方法类似于标准化降水指数(standardized precipitation index,SPI)，主要使用降水量与潜在蒸散发量的差值描述研究区的干旱状态，由于其考虑了蒸散发对干旱的影响，故SPEI通常对全球气候变化导致的干旱化更加敏感，可反映不同尺度的干旱特征。SPEI的计算过程并不复杂，但需要计算逐月潜在蒸散发量。大量研究表明，国际粮农组织推荐的Penman-Monteith(PM)公式在干旱和湿润地区的蒸散发量计算上具有较高精度[23]，但该公式对气象数据的需求较高，在很多地区或一些情况下很难完整得到。为此，Hargreaves等于1985年提出了Hargreaves公式[24]，其只需要最高、最低气温和大气层顶辐射即可实现较高精度的计算[25-26]，适用区域更为广泛。

本研究先采用Hargreaves公式计算流域逐月潜在蒸散发量，具体公式如下：

(1)

式中：PE为逐月潜在蒸散发量，mm/月；Ra为与大气层顶辐射等价的水量，mm/月；Tmean为月平均日均气温，℃；Tmax和Tmin分别为月平均日最高气温与月平均日最低气温，℃。其中，Ra可通过太阳常数、太阳赤纬、纬度、月份进行计算，具体计算步骤可参考文献[27]。

然后，根据逐月潜在蒸散发量与逐月降水量，可计算两者差值序列Di：

Di=Pi-PEi。

(2)

式中：Pi为逐月降水量，mm；PEi为逐月潜在蒸散发量，mm。

与SPI计算不同的是，由于差值序列Di中存在负值，而两参数的Gamma分布要求变量大于0，因此SPEI的计算中一般选用三参数Gamma分布或三参数Log-Logistic分布对Di的累积序列进行拟合。随后，对其累积分布函数进行正态标准化，即可得到不同时间尺度的SPEI值。为全面反映渭河流域年际与季节尺度的干旱情势演变规律，本研究计算了3月季尺度(SPEI-3)与12月年尺度(SPEI-12)的SPEI值。依据国家气候中心2006年发布的《气象干旱等级》[28]，对SPEI进行干旱等级划分，具体如表1所示。

表1 SPEI干旱等级划分标准

2.3 Mann-Kendall趋势检验

Mann-Kendall(M-K)是一种典型的非参数趋势检验方法，在水文气象领域应用广泛。本研究将其用于SPEI序列的趋势检验。根据M-K法的应用条件，需保证检验数据为相互独立的随机变量，但在很多情况下，原始待检验的水文序列会带有较强的自相关性，常导致趋势检验结果存在一定误差。为此，在趋势检验前，本研究拟采用去趋势预置白方法(TFPW)[29]对SPEI序列进行去一阶自相关处理，以剔除待检序列的自相关性。通过计算，可获得M-K统计量Z。若Z值为正，表明检验序列呈上升趋势，若Z值为负则表明检验序列呈下降趋势，且当统计量|Z|>1.96时，表明超过0.05的显著性水平，即检验序列变化呈显著上升或下降[30]。

2.4 游程分析

干旱情势分析中，通常借助干旱指数将水文气象变量随时间的波动转化为可对比的旱涝情势，从而划分出干旱期与湿润期，但其并不能表征一场干旱事件的强度及发生频率，因此多需要应用游程理论阈值法对干旱事件的各项特征变量进行提取[31]。图3给出了基于游程理论阈值法的干旱事件识别过程，以SPEI=-0.5为阈值对SPEI序列进行截断，则一场干旱事件的开始被定义为SPEI从阈值以上下降到阈值以下的时刻(t)，干旱事件的结束则正好相反。

图3 基于游程理论阈值法的干旱事件识别及干旱特征变量提取

干旱历时D被定义为干旱事件的结束时刻与开始时刻的差值，如D1、D2、D3；干旱烈度S为干旱历时内每月干旱指标与阈值差值的绝对值的累积量，如S1、S2、S3；干旱事件的间隔时间L为一场干旱事件的开始时刻与下一场干旱事件开始时刻的差值，如L1、L2。

3 结果与分析

3.1 气候模式数据校准

基于QTM，使用NEX-GDDP数据集1966-2005年CanESM2模式历史模拟数据与同期实测栅格数据，对2021-2060年CanESM2未来模拟数据进行校准。图4给出了某一栅格校准前后降水、最高气温与最低气温的散点分布图。由图4可见，对于降水，CanESM2模式历史期模拟数据较实测历史数据在低频率与高频率时均有所低估，经校准后，2种RCP情景下未来期不同分位数的降水量均有所提高，CanESM2模式数据的偏估状况有明显改善。最高气温数据中，CanESM2模式模拟数据较实测数据无明显的偏估情况，模拟效果相对较好，校准前后的数据分布也较为一致，各频率对应的最高气温值相近。与上述不同，最低气温的CanESM2模式历史期模拟数据较实测数据整体出现高估情况，校准后未来期各分位数对应的最低气温值均有所降低，偏估情况得到一定改善。此外，从图4也可以明显看出，未来降水的分布与历史基准期相比变化不大，但气温上升趋势明显，可见气候变化对区域干旱情势的影响不容忽视。

3.2 SPEI时空演变特征

3.2.1 时间变化特征 基于历史实测数据和校准的未来CanESM2输出数据，计算渭河流域SPEI值，其结果如图5所示，其中(a)、(b)、(c)分别为历史基准期、未来期RCP4.5情景、未来期RCP8.5情景2种时间尺度(3月和12月)SPEI的时间变化(SPEI-3和SPEI-12)。由图5可以看出，SPEI在季节尺度上的波动较为频繁，干湿交替迅速，随着累积时间尺度的增大，SPEI的变化趋于稳定，干湿状态的延续时间有所延长。究其原因，主要是由于随累积月份的增加，本来一些夹杂在连续干旱期内略高于阈值的SPEI(可能是突然的少量降水)的影响被抹去，一些夹杂在连续湿润期内略低于阈值的SPEI的影响也被剔除，使得原本割裂的气象干旱事件得以连续[31]。从图5还可以较为明显地看出，历史基准期的SPEI在20世纪90年代以后负值明显增多，且绝对值较大。其中年尺度SPEI平均值从0.22(1966-1990年)降低到-0.36(1991-2005年)，在整体上呈现出较为明显的下降趋势。这与邹磊等[32]关于渭河流域干旱时空变化特征的研究结论基本一致。

未来2种RCP情景下，SPEI序列变化存在较为明显的差异，如从图5的SPEI-12序列可以看出，2050-2055年RCP4.5情景下的SPEI序列存在一个较短的干旱过程，且强度相对较小，无特旱(SPEI≤-2.0)过程出现，但在相同时段的RCP8.5情景下，SPEI序列存在一个较长的水分亏缺过程，强度较大，且出现了特旱。由此可知，不同的排放情景会较为强烈地影响区域的气候过程，驱动流域降水与气温的差异性变化，从而引发SPEI表现上的不同。

(a)历史基准期；(b)未来期RCP4.5；(c)未来期RCP8.5

考虑到干旱事件的发生常具有季节性，根据渭河流域气候特征，选用3月季尺度下5、8、11月及次年2月的SPEI值表征春、夏、秋、冬4个季节的干旱情况，选用12月年尺度的SPEI值表征干旱的年际变化，并采用M-K趋势检验法对SPEI序列进行趋势分析，结果如图6所示，其中中心黑色虚线圆圈为0.05显著性水平临界值。由图6可知，历史基准期与未来期2种情景(RCP4.5与RCP8.5)下SPEI在年际变化中均表现出下降趋势，但未通过0.05显著性检验。季节变化中，除历史基准期夏季与未来期RCP4.5情景下的秋季表现出不显著的上升趋势外，其余各时期的SPEI值均呈下降趋势，其中未来期RCP8.5情景下春季的下降趋势通过了显著性检验，说明在RCP8.5情景下未来渭河流域的春旱将显著加剧。需要指出的是，田甜等[20]在研究渭河流域历史时期年尺度干旱变化趋势时，得出了SPEI显著下降的结论，与本研究结果略有差别，这主要是由于计算使用的时间序列长度不同导致，但关于渭河流域整体呈现旱化趋势的结论一致。

中心黑色虚线圆圈为0.05显著性水平临界值

3.2.2 空间分布特征 绘制历史基准期与未来期2种情景(RCP4.5与RCP8.5)下渭河流域年际与季节SPEI趋势变化率的空间分布图，结果如图7所示，其中红线圈画区域为SPEI通过0.05显著性检验的区域。

由图7可知，从年际SPEI值的变化趋势看，历史基准期全流域变化速率皆为负值，但下降趋势并不显著；未来期RCP4.5情景下，大部分地区的SPEI值仍呈现微弱下降趋势，仅流域东部有微弱上升；未来期RCP8.5情景下，全流域SPEI值基本表现为较为明显的下降趋势，且有24%的区域通过了显著性检验，这些区域多集中在流域西部与中东部地区。

红线圈画区域为SPEI通过0.05显著性检验的区域

从季节SPEI值序列趋势变化率的空间分布看，历史基准期春季和冬季存在显著下降的区域，春季主要集中于南部低纬度小范围地区，而冬季则相反，约占流域总面积25%的北部大范围地区均表现出了显著下降趋势。未来期RCP4.5情景下，冬季显著旱化区域相比基准期表现出向西南迁移的趋向，导致流域上游地区大范围的SPEI值出现速降。未来期RCP8.5情景下，春季SPEI在87%的流域面积上表现出显著旱化趋势，说明未来渭河流域春旱风险将显著提高。总的来说，春季与冬季仍是渭河流域未来干旱风险防范的重点季节，且流域西部是冬旱防范的重点区域。

透过研究结果还可以发现，历史基准期春季与夏季SPEI的变化趋势具有明显的分层现象，而在未来2种RCP情景下并未发现这种现象。通过对相同季节降水量变化趋势的统计分析，发现降雨的空间分布与SPEI极为相似，即历史基准期春季与夏季降水量变化速率同样存在分层现象，但在未来2种RCP情景中则不复存在。由此可以看出，在影响SPEI变化的2个主要因素(降水量与潜在蒸散发量)中，降水应该起到了相对主要的作用。一般而言，降水趋势分布格局的变化多是地形条件和大气环流综合作用的结果[33]，当一定时期内地形处于稳定时，则降水格局的变化应该由气候变化驱动。由以上分析可知，未来气候变化可能引发渭河流域气象水文要素的空间格局发生明显变化，进而驱动流域干旱时空分布格局的改变。

3.3 不同等级干旱事件发生频率的空间分布特征

根据干旱划分等级，基于SPEI-12对渭河流域不同等级干旱事件发生频率的空间分布特征进行统计分析，结果如图8所示。由图8可知：(1)轻旱事件。历史基准期轻旱的高发区主要集中在流域中部的广大地区；未来期RCP4.5情景下，轻旱频率高值区则主要覆盖从流域源头到流域中部的狭长地带；RCP8.5情景下，轻旱多发区重点汇集在流域中南部的局部区域。综合来看，未来2种RCP情景下轻旱频率高值区的覆盖面积明显小于历史基准期，说明未来渭河流域轻旱事件的影响区将趋于缩减。(2)中旱事件。历史基准期渭河流域中旱发生频率整体偏低，高值区主要出现在天水与宝鸡附近，并向北有所延伸；未来RCP4.5情景下，中旱的高发地区呈零散的点状分布，面积占比较低；未来RCP8.5情景下，相比基准期中旱频率高值区将继续向北及向关中平原蔓延，且覆盖面积有所增大。(3)重旱事件。历史基准期重旱的高发区主要集中于流域西部边界处的高海拔地区；在未来2种RCP情景下，重旱高频覆盖区域会明显加大，特别是RCP4.5情景下，流域大部分地区都会受到高频重旱的影响，而RCP8.5情景下，流域的西部、北部与关中平原局部地区将是重旱的高发区。(4)特旱事件。历史基准期内渭河流域的北部系特旱高发区；未来2种RCP情景下，流域北部特旱高值区会转变为低值区，且流域整体特旱发生频率也将走低。

图8 历史基准期和未来期2种情景下渭河流域不同等级干旱事件发生频率的空间分布特征

由以上分析可以看出，未来期不论是在RCP4.5还是RCP8.5情景下，中旱与重旱高频区域相比历史基准期均有显著增加。从不同等级干旱事件发生频率的数值上看，未来期轻旱与中旱仍是渭河流域最主要的干旱类型，两者累积发生频率在大部分地区均可达到25%以上。未来期，渭河流域干旱事件的发生频率会呈现“两头减少，中间增多”的态势，即轻旱与特旱发生频率的高值区域会减少，而中旱与重旱发生频率的高值区域将有所增加。

3.4 干旱事件特征与持续性分析

3.4.1 干旱事件特征变量演变规律 干旱事件特征是认识干旱发生、发展情势及厘清干旱时空演变特征、探明干旱潜在成因的重要指标，一般包括干旱事件发生次数、最大亏缺值、干旱历时、干旱烈度和干旱间隔时间等。依据游程理论，以SPEI=-0.5为阈值识别流域内的干旱事件，并对其干旱特征变量信息进行提取，所得统计结果如表2所示。

表2 历史基准期和未来期2种情景下渭河流域不同尺度干旱事件的特征

由表2可知，干旱事件年尺度的发生次数相比季节尺度小，但干旱历时、干旱烈度和干旱间隔时间则明显增大，这主要是受到统计尺度的影响。统计数据表明，历史基准期，基于实测数据得到的SPEI在年尺度的平均干旱历时较未来RCP4.5情景略大，但小于RCP8.5情景，平均干旱烈度排序为RCP8.5>RCP4.5>历史基准期。结合其他数据可以发现，未来RCP8.5情景下干旱发生次数相对较少，但干旱历时与干旱强度均较大。

3.4.2 干旱事件的持续性特征 渭河流域持续性干旱事件时有发生，且常伴随较大的灾害损失，因此干旱持续性的研究尤为必要。一般干旱事件的持续性特征主要包括两个方面，即干旱事件的持续时长和干旱过后再次发生干旱所经历的时长[34]。前者被定义为干旱历时，而后者则是相邻干旱事件的干旱间隔与上一次干旱历时的差值，为阐述方便，在此定义为绝对干旱间隔。干旱历时反映了干旱事件本身的持续时间长度，而绝对干旱间隔则反映了一段时期内干旱事件的高发性。本研究采用SPEI-3识别流域干旱事件，并在此基础上分析干旱事件的持续性特征，图9给出了渭河流域历史基准期和未来期2种情景(RCP4.5与RCP8.5)下不同干旱历时干旱事件频率的空间分布。

图9 历史基准期和未来期2种情景下渭河流域不同干旱历时干旱事件频率的空间分布

由图9可知：(1)历史基准期。持续1个月的干旱过程在整个渭河流域的发生频率均较高，说明历史基准期内干旱事件以短历时为主，干旱事件较少持续发展。但在干旱历时为5个月的干旱事件频率分布中，可发现流域北部发生频率较高，可达14%～20%，说明历史基准期内渭河流域北部区易发生持续时间较长的干旱事件。(2)未来期RCP4.5情景。除渭河流域北部外，其余大部分地区仍以持续1个月的干旱过程为主，但频率明显下降，持续4个月的中长期干旱过程发生频率较基准期明显提高，流域北部发生持续5个月干旱事件的频率有所减小，逐渐转变为以中长期干旱事件为主，且极端干旱事件频率有所下降。(3)未来期RCP8.5情景。持续1个月的短期干旱频率进一步减小，持续2～4个月的中长期干旱事件频率继续提高，累积频率在全流域可达到37%～69%，且高值区主要集中于流域西部与东南部的广大区域。

总体来看，与历史基准期相比，未来2种情景发生短历时干旱事件的频率减小，中长历时干旱事件频率增加，但长历时及超长历时干旱事件有所减少。这与前面关于不同等级干旱发生频率的结论类似，即未来干旱发生频率将呈现“两头减少，中间增多”的态势。

绘制历史基准期和未来期2种情景下渭河流域不同绝对干旱间隔干旱事件过程发生频率的空间分布，结果如图10所示。

图10 历史基准期和未来期2种情景下渭河流域不同绝对干旱间隔干旱事件过程发生频率的空间分布

从图10可以看出，历史基准期与未来期渭河流域不同绝对干旱间隔干旱事件发生频率的空间分布既有联系也有区别。具体表现为：(1)历史基准期与未来期2种RCP情景下，流域主要绝对干旱间隔时间均为1～6个月，其中以1～3个月间隔的发生频率最高，说明流域大部分地区干旱事件之间的时间间隔均较短。未来期2种RCP情景下，流域西部1～3个月间隔的低值区频率有所升高，而RCP8.5情景东南部4～6个月间隔的干旱事件过程的发生频率较高。(2)在7～9个月间隔尺度上，历史基准期与未来期干旱事件发生频率的空间分布存在明显差别，表现为历史基准期渭河流域北部发生频率较低，但未来RCP8.5情景下流域北部存在少量高值区域；未来RCP4.5情景下，渭河流域西南部关中平原地带存在小范围高频率区域，但总体区分度不大。(3)对于10个月以上间隔干旱事件的发生频率，历史基准期与未来期存在较多相似特征，如流域北部3种情形(历史基准期、未来期RCP4.5和RCP8.5)下10月以上间隔的干旱事件发生频率均相对较高，说明渭河流域北部发生的相邻干旱事件的间隔时间相对较长。

综上所述，未来期2种RCP情景下，渭河流域不同间隔干旱事件过程的发生频率变化不大，局部存在差异性；历史基准期流域北部发生短时间间隔与长时间间隔干旱事件过程的频率均较高，而在未来2种RCP情景下，短时间间隔干旱事件过程会减少，中长间隔的干旱事件过程会有所增多。

4 结 论

基于CMIP5统计降尺度数据集NEX-GDDP中的CanESM2气候模式，采用象限转换校正法(QTM)对气候模式输出数据进行校准，并运用Mann-Kendall和游程分析等方法，研究了渭河流域历史基准期与未来期2种排放情景(RCP4.5和RCP8.5)下干旱指标及变量的时空演变与持续性特征，取得的主要结论如下：

(1)趋势演化。历史基准期与未来期SPEI在年际变化上均表现出降低趋势；季节尺度上，除历史基准期夏季与未来RCP4.5情景下秋季表现出不显著的上升趋势外，其余各季节SPEI值均呈下降趋势，其中RCP8.5情景下春季的下降趋势通过了显著性检验，说明未来渭河流域春旱可能显著加剧。

(2)空间演化。历史基准期冬季流域北部大范围地区的SPEI呈显著下降趋势；RCP4.5情景下冬季流域显著旱化区域出现向西南迁移的现象；RCP8.5情景下春季87%流域面积上出现显著变旱的趋势。春季与冬季仍是渭河流域未来干旱风险防范的重点季节，且流域西部是冬旱的重点防范区域。

(3)干旱类型。未来期2种RCP情景下，流域中旱与重旱高频区域相比历史基准期会有显著上升；轻旱与中旱仍是渭河流域最主要的干旱类型；未来流域轻旱与特旱发生频率的高值区域会减少，中旱与重旱发生频率的高值区域会有所增加。

(4)干旱历时。与基准期相比，未来期流域发生短历时干旱事件的频率会有所减小，中长历时干旱事件频率会有所增加，长历时及超长历时干旱事件频率将有所降低；从空间上看，流域北部与渭河源头区长持续性干旱事件的发生频率会显著减小。

(5)干旱间隔。未来期2种RCP情景下，不同绝对干旱间隔的干旱事件发生频率变化不大，且以1～6个月间隔的干旱事件过程为主，局地特征存在差异性，主要表现在流域西部1～3个月间隔的干旱事件会有所增加，4～6个月间隔的干旱事件会相应减少；流域北部1～3个月间隔的干旱事件会有所减少，中长间隔的干旱事件呈增多趋势。