近50 a 甘肃省气象干旱时空变化分析

田瀚文 ，赵 燕，陈怡平*，张 义

1. 中国科学院地球环境研究所 黄土与第四纪地质国家重点实验室，西安 710061

2. 中国科学院大学，北京 100049

自20 世纪50 年代以来，气候的变化速率普遍加快，极端气候的出现逐渐频繁，对陆地系统和海上系统的影响极为显著。干旱作为一种极端天气现象，被广泛关注，是影响人类社会最严重的气象灾害之一（张强等，2011；Dai，2011；Sternberg，2011；Grayson，2013）。近年来随着全球气候变暖日渐严峻，部分地区干旱强度、历时、频率等均呈现增加趋势，造成了生态环境、农业生产、社会生活等多方面的连锁灾害（Mu et al.，2014）。我国深受季风气候和大陆性气候影响，导致降水年际变化大，旱涝灾害频发，1990年以来，平均每两年就会发生一次极端干旱事件，导致大量的农业和经济损失（田亚男，2018）。因此，量化干旱事件变化的时空特征具有重要意义。目前，许多学者提出了各种表征气候干旱的指数（王劲松等，2007；包云轩等，2011；曹永强等，2012），包括帕尔默干旱指数（PDSI）、标准化的降水指数（SPI）、地表湿润指数（HI）、气象干旱指数（CI）等，有效解决了干旱监测、预报等问题，但均具有一定的片面性。PDSI 基于水分供需平衡，结合降水、湿度、蒸发等气候因子，对区域干旱程度进行表征，但在旱情等级界定上有主观因素，判断极端旱情时可能会滞后几个月（Dubrovsky et al.，2009）。SPI 可以反映不同时间尺度和不同区域的干旱状况，同时能够较好地表征干旱强度和持续时间，但缺点是仅考虑降水资料，缺少对温度、蒸散等对干旱至关重要的气候要素的考虑（任余龙等，2013）。针对前人方法的不足，Vicente-Serrano et al.（2010）提出了标准化降水蒸散指数（standardized precipitation evapotranspiration index，SPEI），该指数基于降水和蒸散，既保留了PDSI 考虑蒸散对温度敏感的特点，又具备SPI 适合多尺度多空间比较的特点，经研究表明，该指数非常适用于表征全球变暖背景下干旱半干旱区域的气象干旱程度（张玉静等，2015；李军等，2016）。

近年来，众多学者使用SPEI 在国内外不同地区进行了大量研究：1901 — 2015 年，我国干旱面积和干旱强度整体呈上升趋势（刘晓勇，2018）；近50 a 来，东北地区大部分呈明显的干旱化趋势（李明等，2016）；近55 a 以来西南地区极端干旱事件呈明显的季节性差异（王东等，2014）；云南地区近55 a 来干旱化趋势明显（芦佳玉等，2018）；中亚地区整体上SPEI 呈下降趋势，但仍存在明显的季节差异（张乐园等，2020）；我国西北地区干旱存在明显的空间差异特征，中部区域和南疆地区干旱情况明显加剧，高原区和东部北端干旱变化幅度较低（齐乐秦等，2020）。因此，我国西北地区干旱事件仍有待进一步的区域细化和精确评估。

甘肃地处我国西北地区，由于降水稀少，蒸发旺盛，在自然和人文因素的影响下，气候系统更加脆弱，对干旱事件的响应更加敏感，在气候变暖的大背景下，受干旱事件的影响环境自我恢复能力较弱。同时，该区域也是我国最容易发生干旱灾害的区域，每年干旱造成的经济损失远远高于我国其他地区（张强等，2015）。若干旱灾害进一步增强，将会影响该地区作物的分布、产量以及生长发育，进一步导致该地区植被退化、加剧土地荒漠化进程。因此，基于甘肃近50 a 的气象数据，引入游程理论提取干旱事件，采用rotated empirical orthogonal function（REOF）旋转经验正交函数分解对其进行干旱子区的划分。以期探明甘肃干旱事件的时空的变化，为研究区水资源优化配置和科学评估，干旱预警和防灾减灾政策提供理论依据。

1 研究区概况、数据来源与研究方法

1.1 研究区概况

甘肃地处我国东部季风区、西北干旱区、青藏高寒区三大自然区和青藏高原、黄土高原、内蒙古高原三大高原的交汇处，与巴丹吉林、腾格里、库姆塔格三大沙漠交接，是典型的温带季风气候与大陆性气候的过渡区，大部分属温带干旱半干旱气候（图1）。境内自然条件复杂，植被类型繁多，从南到北呈明显的纬度地带性分布与垂直地带性分布。全年降水较少，年均降水量小于400 mm，大致沿东南向西北递减。

图1 研究区概况图Fig. 1 Overview of the study area

1.2 数据来源

选取甘肃地区共26 个气象站1969 — 2018 年的逐月数据，取自中国气象数据网站（http://data.cma.cn/）中国地面气候资料月值数据集。该数据集是由全国各省区的地面日值数据根据《全国地面气候资料（1961 — 1990）统计方法》（宋超辉，1999）及《地面气象观测规范》（中国气象局，2003）有关规定，进行整编统计而得的月值数据集，完成了数据的极值检验和时间一致性检验。数据经过了严格的质量控制，运用一元线性回归法恢复缺测月份数据。气候要素包括平均气温（℃），平均最低、最高气温（℃），降水量（mm），相对湿度（%），平均风速（m · s-1），日照时数（h）数据。

1.3 研究方法

1.3.1 标准化降水蒸散指数SPEI

（1）利用Penman-Monteith 方程计算蒸散发：

SPEI 考虑了气温的因素，引入了地表蒸散变化对干旱的影响，其对气温快速上升导致的干旱化更加敏感（范双萍等，2018），本文ET0采用FAO-56 推荐的Penman-Monteith 方程计算，具体计算方法及公式见文建川等（2020）。

（2）计算逐月降水量与潜在蒸散量的差值，具体公式如下：

式中：Pi为月降水量，ET0为月潜在蒸散量。

（3）采用三参数的Log-Logistic 分布对Di进行拟合，并求出累计函数：

式中：f(x)为概率密度函数，F(x)为概率分布函数。α、β、γ为3 个参数，该参数可以利用线性矩（L-moment）方法拟合获得：

（4）对序列进行标准化正态处理，得到相应SPEI值：

式中：当P≤0.5 时，P=F(x)；当P＞0.5 时，P=1-F(x)；概率加权矩；其他参数分别为：c0= 2.515517，c1= 0.802853，c2= 0.010328，d1= 1.432788，d2= 0.189269，d3= 0.001308。

SPEI干旱等级划分列见表1（Vicente-Serrano et al.，2010）。

表1 月值SPEI 干旱等级划分标准Tab. 1 Monthly SPEI drought classification criteria

1.3.2 干旱识别

游程理论是一种对变量时间序列进行分析的方法，近年来使用在干旱事件的提取与判别方面，相较于传统的仅对比干旱指数的做法，具有更高的准确性和科学意义，在对区域干旱灾害的判别和干旱事件的整体把握具有更高的实用价值（芦佳玉等，2018）。本研究采用游程理论对计算出的SPEI序列值进行干旱识别。根据不同干旱程度的划分标准表（表1），只有SPEI值低于- 0.5 才可能导致干旱事件的发生，对判定干旱事件的3 个阈值分别设定为X0= 0.5，X1= - 0.5，X2= -1.5。具体判定规则如下：

当SPEI＜X1时，初步判断此月干旱（图2 中a — e）。若干旱历时仅1 个月，且对应的SPEI＜X2，则确定此月为1 次干旱事件（图2 中b），反之认为属于小干旱事件（图2 中a），忽略不计；对于间隔1 个月的两次相邻干旱事件，若间隔期X1＜SPEI＜X0，则认为这两次相邻干旱是从属干旱，将这两次相邻干旱合并成1次干旱事件（图2中c、d），否则为2次独立干旱事件（图2中d、e）（李天水等，2016）。

图2 基于游程理论的干旱识别Fig. 2 Drought recognition based on the theory of runs

1.3.3 REOF 旋转正交分解

为进一步得到甘肃干旱事件时空分布特征，以游程理论提取出的干旱事件为对象，采用EOF（North et al.，1982）和 REOF（Denbo et al.，1984）分解分析。EOF 方法是对包含随时间改变空间点的场分解，将其时空变化特征分离，展开得到主要特征向量，可最大限度表征整个气候变量场的变率结构；但EOF 也有局限性，即特征向量空间分布受所取范围和取样大小的影响。REOF 分解建立在EOF 分析基础上，利用方差极大旋转变换将方差贡献集中在较小区域，使得空间分布结构清晰，且反映出不同地域的变化及分布状况，进而对干旱子区进行划分。EOF 和REOF 的具体推导过程详见魏凤英（2007）和王飞等（2018）。

1.3.4 其他方法

采用B-G 分割算法分割要素时间序列确定要素变化阶段，B-G 分割算法是由Bernaola-Galván et al.（2001）研究心电图序列中提出来的一种适合非线性、非平稳时间序列突变检测的方法。与传统的突变检测方法如M-K 突变检测法、Cramert法、Pettitt 法相比，该方法基于t检验将非平稳序列分割成多个具有不同均值的平稳子序列，各子序列表征不同的物理背景，分解得到的各均值段的尺度具有可变性，不受方法本身的限制，是一种有效检测突变的新方法（王飞等，2018）。采用线性回归法对要素的变化趋势进行分析，并进行显著性检验，置信度α取0.01；采用滑动t检验诊断要素变化趋势是否显著，并确定突变点，置信度α取0.01；采用Pettitt 法辅助检验突变，以进一步确定突变点发生年份；采用Morlet 小波分析判断干旱事件的周期变化；采用反距离空间插值法（IDW）将气象要素进行插值，生成气象要素栅格图。

2 研究区近50 a 气象干旱时空变化

2.1 干旱历时时空变化

干旱历时能有效反映干旱事件持续时间，并对其他干旱事件变化具有重要参考意义，图3a 为研究区年干旱历时的变化趋势、累积距平。近50 a，研究区干旱历时呈微弱上升趋势（0.475 d · (10a)-1），最低值和最高值分别为27 d 和167 d，分别出现在1969 和1999 年。累积距平曲线呈现上升 — 急剧下降 — 波动上升趋势，极值点出现在1989 年，但未通过显著性检验。说明近50 a 以来，研究区干旱持续时间先持续延长，在20 世纪80 年代末期开始缩短，之后在90 年代中期至今干旱持续时间逐渐延长。Morlet 小波呈明显的周期变化（图4），19 a 的主周期贯穿整个时间序列，尤其是1972 — 2007 年，分别形成3 个高值和低值中心，要素振荡显著，2007 年至今振荡减弱，要素波动趋于平稳。8 a 的次周期在1990 年以前振荡明显，之后振荡较弱。

图3 干旱历时（a）及干旱强度（b）变化趋势、累积距平图Fig. 3 Trends and cumulative departure curve of drought duration(a) and drought intensity(b)

图4 干旱历时复值Morlet 小波变换（a）、小波方差（b）Fig. 4 Wavelet variance (a), in semi-humid region (b) of drought duration

图5a、5b 为甘肃省多年平均干旱历时及年均干旱历时变化倾向率的空间分布状况。总体上，呈西北持续时间长而东南持续时间较短的分布格局，黄河以东地区除临夏皋兰一带，年均干旱历时均小于10 d。干旱历时多年变化倾向率空间分布图显示，除乌鞘岭地区和河西走廊西端的酒泉地区呈减少趋势外，其余地区干旱历时均呈逐渐延长趋势。

图5 干旱历时（a）、干旱强度（c）空间分布，干旱历时（b）、干旱强度（d）年际变化倾向率Fig. 5 Spatial distribution of drought duration (a) and drought intensity (c), interannual change rate of drought duration (b) and drought intensity (d)

2.2 干旱强度时空变化

干旱强度能有效反映干旱事件的强弱程度，是衡量干旱发生严重程度的重要标准。图3b 为研究区近50 a 干旱强度变化趋势图，整体上，干旱强度以0.128 · (10a)-1呈上升趋势（P＞0.05），但未通过显著性检验，干旱强度加剧趋势较为平缓。由累积距平曲线可知，干旱强度在2000 年达到极小值点，并通过了显著性检验，说明研究区在2000 年后，气象干旱加剧明显，干旱化趋势更加显著。图5c、5d 为甘肃省多年平均干旱强度及年均干旱强度变化倾向率的空间分布状况，整体上中部较强，东南部较弱，且除少数站点外，呈西北部干旱减轻、东南部干旱加剧的趋势。

3 基于REOF的气候子区气象干旱时空变化

3.1 子区的划分

为进一步确定甘肃干旱事件的空间分异，对甘肃及其周边站点的干旱强度进行EOF 和REOF 分解，根据North 检验EOF 分解后的前5 个模态通过了显著性检验，前5 个模态累积贡献为70%，对前5 个主成分进行旋转。由于影响研究区的气候因子相对复杂，收敛速度较慢，REOF 的前5 个特征向量的累积方差贡献为53.06%（表2），基本包含了研究区年尺度干旱事件空间分布的主要信息和规律，取每年时间系数绝对值最大所对应的特征向量作为当年干旱强度的空间分布模态，最后根据REOF 结果划分研究区干旱强度亚区。EOF 与REOF 的计算结果见表2。

表2 EOF 和REOF 的前5 个特征向量及其贡献率Tab. 2 The first 5 feature vectors and contributions of EOF and REOF

图6 显示了干旱强度前5 个REOF 空间模态载荷值的空间分布，RLV1 表示第1 模态旋转载荷向量场，以此类推。表3 为REOF 前5 个空间模态的时间系数特征和干旱空间分异模式。RLV1（图6a）是近50 a 干旱强度分布最常见模态。载荷量均为正值且呈东南高西北低的分布格局，中心载荷量位于甘南地区（0.987），且干旱强度的变化梯度最大，说明在较多年份中干旱强度具有全区一致性，且西北地区干旱强度变化速率小于东南地区。其中，有12 a 为全区一致偏干旱型，大部分集中于2008 — 2018 年，有8 a 为全区一致偏湿润型，大部分集中于1988 — 2005 年。RLV2（图6b）呈东南低西北高的分布格局，除临洮及其周边地区地区外，载荷量均为正值，中心载荷量位于河西走廊西段地区（0.778），东南地区的变化梯度大于西北地区，说明部分年份干旱强度分布具有以“零线”为界的南北反向模态特征，东南部尤其是河东中部地区变率较大。其中有9 a 为北部偏湿润而南部偏干旱型，大部分集中于1980 — 2000年，有8 a 为北部偏干旱而南部偏湿润型，均出现在1985 年前。RLV3（图6c）载荷量大致以黄河沿线为中心向西北和东南方向递增，负值主要分布在黄河沿线的靖远地区以及甘南玛曲地区，正值中心载荷量位于河西地区（0.899），西北地区变化梯度大于东南地区，说明部分年份干旱强度以“零线”为界，呈中部 — 东西部反向分布模态，河西地区变率较大。其中，有1 a 为中部偏干旱而东西部偏湿润型（1995 年），有3 a 为中部偏湿润而东西部偏干旱型（1981 年、1990 年、1994年）。RLV4（图6d）载荷量大体以乌鞘岭地区为中心向东南和西北方向递减，负值主要分布在陇东黄土高原地区。正值中心载荷量位于乌鞘岭地区（0.740），称为乌鞘岭型，变化梯度较大的地区集中在中部地区，说明在少数年份中干旱强度呈以35°N 为界南北反向分布模态，且乌鞘岭地区变率大于其他地区。RLV5（图6e）载荷量负值主要分布甘肃西北地区及河东西部地区，正值中心载荷量位于陇东黄土高原地区（0.723），中部河西走廊东段地区变化梯度大于西北和东南地区，说明在少数年份中干旱强度呈中 — 东西部反向分布模态，且中部地区变率大于西北和东南地区。

表3 REOF 前5 个模态时间系数特征和干旱空间分异模式Tab. 3 REOF’s first 5 modal time coefficient characteristics and arid space separation mode

图6 REOF 旋转分解模态1 — 5（a — e），REOF 分区（f）Fig. 6 REOF mode 1 — 5 (a — e), REOF subregion (f )

根据REOF 分析所得到的旋转成分矩阵对研究区进行干旱亚区的划分，将载荷量空间分布中部分重复部分加以剔除，以载荷量绝对值显著地区为中心并参考行政区界，将甘肃划分为5 个干旱亚区（图6f）：河西地区、河东东部地区、河东中部地区、乌鞘岭地区、河东西部地区。

3.2 各气候子区干旱强度年际变化特征

采用一元线性趋势判断时间序列的变化趋势，采用滑动t检验考察变化趋势的显著性；采用Pettitt 突变检验和滑动t检验交互验证并确定突变年份；采用B-G 分割算法对时间序列进行阶段分割，S1 表示第1 阶段干旱强度的平均值，以此类推（图7）。

图7 河西地区（a）、河东中部地区（b）、河东东部地区（c）、乌鞘岭地区（d）、河东西部地区（e）干旱强度年际变化及B-G 分割阶段Fig. 7 Interannual variation and segmentation stage of drought intensity in Hexi region (a), Hedong central region (b), Hedong easten region (c), Wushaoling region(d) and Hedong westen region (e)

河西地区干旱强度以- 0.362 · (10a)-1呈显著下降趋势（|t| = 3.63＞2.738，α= 0.01），并在1988年突变减少（|t| =3.74＞2.738，α= 0.01），之后以- 0.601 · (10a)-1呈下降趋势（P＞0.05）。B-G 分割共划分为3 个阶段：1969 — 1988、1989 — 1997、1998 — 2018。比较各阶段均值发现：S2 比S1 减少52.9%，S3 比S2 增加28.6%。说明近50 a 该区由干转湿趋势明显，特别是1990 年以后偏湿润（图7a）。

河东中部地区干旱强度以0.129 · (10a)-1呈上升趋势（P＞0.05），在1998 年发生由低到高的转变，但没有通过显著性检验。B-G 分割共划分为4 个阶段：1969 — 1974、1975 — 1998、1999 —2004、2005 — 2018。比较各阶段均值发现：S2 比S1 增加46.4%，S3 比S2 增加1.13 倍，S4 比S3 减少55.02%。说明近50 a 该区气候总体上呈微弱的干旱化趋势，但在本世纪初期至今，干旱强度开始逐年下降，呈湿润化趋势（图7b）。

河东东部地区干旱强度以0.120 · (10a)-1呈上升趋势（P＞0.05），并在1996 年突变增加（|t| =2.04＞2.037，α= 0.05）。B-G 分割共划分为3 个阶段：1969 — 1996、1997 — 2003、2004 — 2018。比较各阶段均值发现：S2 比S1 增加1.04 倍，S3比S2 减少43.5%。说明近50 a 来该区气候总体上呈微弱干旱化趋势，但2002 年至今干旱强度波动下降，呈微弱湿润化趋势（图7c）。

乌鞘岭地区干旱强度以- 0.204 · (10a)-1呈显著下降趋势（|t|=2.11＞2.037，α= 0.05），并在1975年突变减少（|t|=4.35＞2.738，α= 0.01），之后干旱强度波动下降。B-G 分割出现2 个突变点，但1969 年（L0 = 0.99＞0.95）与事实不符，故剔除。共划分为2 个阶段：1969 — 1980、1981 — 2018：S2 比S1 干旱强度均值减少34.7%。说明近50 a 该区呈显著湿润化特征，在空间上呈明显的分水岭位置（图7d）。

河东西部地区干旱强度以0.072 · (10a)-1呈微弱上升趋势（P＞0.05），并在1997 年突变增加（|t| = 2.06＞2.037，α= 0.05），之后以0.017 · (10a)-1的速度呈微弱上升趋势。B-G 分割共划分为3 个阶段：1969 — 1984，1985 — 1995，1996 — 2018。比较各阶段均值发现：S2 比S1 减少43.5%，S3 比S2 增加86.1%。说明近50 a 该区总体上呈微弱干旱化趋势，但在1985 — 1995 年偏湿润，1996 年至今干旱化逐渐递增（图7e）。

3.3 各气候子区干旱强度季节变化特征

根据月尺度干旱强度值统计各干旱子区季节干旱强度值，探究其近50 a 变化趋势及突变年份，结果见表4。

河西地区仅有夏季干旱呈明显缓和趋势，在2014 年发生由高到低的突变，缓和趋势更加明显。其余季节总体上呈微弱干旱化趋势，春季在2011 年出现加剧趋势，秋季在2002 年出现缓和趋势，冬季在2014 年出现缓和趋势，但均未发生突变。

河东中部地区气象干旱变化呈明显一致性，四季均呈现出干旱化趋势，干旱强度值下降速率绝对值春季（- 0.079 · (10a)-1）＞夏季（- 0.064 · (10a)-1）＞秋季（- 0.052 · (10a)-1）＞冬季（- 0.023 · (10a)-1），其中春季和秋季分别在1993 年和1981 年发生突变干旱，夏季和冬季分别在2000 年和1998 年由湿转干，但转变趋势不显著。

河东东部地区仅春季呈明显干旱化趋势并在1997 年突变干旱，干旱化趋势加剧。秋季干旱缓和趋势最显著并在2002 年发生突变，其余两个季节干旱强度呈微弱缓和趋势。

乌鞘岭地区四季变化呈一致性，干旱均呈不同程度缓和趋势，干旱强度值上升速率为冬季（0.128 · (10a)-1）＞夏季（0.078 · (10a)-1）＞春季（0.033 · (10a)-1）＞秋季（0.021 · (10a)-1），其中冬季和夏季分别在1979 年和1990 年发生突变，其余两个季节气候转湿特征不明显。

河东西部地区季节性差异明显，春夏两季呈干旱化趋势，且春季（- 0.058 · (10a)-1）＞夏季（- 0.056 · (10a)-1），两季分别在2002 年和2000年突变干旱。而秋季（0.070 · (10a)-1）干旱呈明显缓和趋势并在2002 年发生突变，干旱的缓和趋势更加明显，冬季呈微弱缓和趋势。

4 驱动因素分析

目前，有研究表明气候变化是干旱形成的主要作用机制（裴源生，2013）。由于干旱成因复杂，并不是单纯的某个因素孤立作用，而是受当地气候因子和环流因子等因素共同影响（季定民等，2015）。为进一步确定干旱强度的驱动因素，首先选取当地3 个气候因子：气温、降水、日照时数，与各子区干旱强度进行相关性分析，其次引入环流因子，对整个研究区不同季节气象干旱的驱动因素进行探究。

根据表5，不同气候子区的干旱强度对各气候因子的响应具有明显差异性。从区域上看，河西地区和河东西部地区对气温要素的响应明显，分别通过了α= 0.01 和α= 0.05 的显著性检验，呈明显的正相关趋势，即随着气温升高，气象干旱呈加剧趋势。河东中部和东部地区则对降水量的响应明显，分别通过了α= 0.05 和α= 0.01 的显著性检验，当降水量减少时，气象干旱呈加剧趋势。乌鞘岭地区对日照时数的响应更加明显，通过了α= 0.05 的显著性检验，当日照时数增加时，气象干旱呈加剧趋势。从气候因子来看，气温与干旱强度呈不同程度的正相关关系，降水量与干旱强度呈不同程度的负相关关系，日照时数与干旱强度的相关性具有区域差异，与河西和河东中部地区呈较微弱的负相关关系，与其他地区呈正相关关系。

表5 干旱强度与气候因子的相关性Tab. 5 Correlation coefficient between drought intensity and climate factors

Person 相关性分析表明（表6）：研究区干旱强度与NAO 事件（北大西洋涛动）仅在夏季呈显著正相关，相关系数为0.35（P＜0.05），秋冬两季均呈负相关关系（P＞0.05），春季呈微弱的正相关关系。表明NAO 指数对研究区夏季存在重要影响，随着NAO 指数的增强，研究区夏季干旱加剧趋势明显。与ENSO 事件（厄尔尼诺-南方涛动）在春季和秋季均呈显著正相关关系（P＜0.01，P＜0.05），而在夏冬两季呈负相关关系（P＞0.05），表明研究区春秋两季气象干旱的发生与ENSO 事件关系密切，ENSO 事件尤其对春旱事件存在重要影响。

表6 干旱强度与环流因子的相关性Tab. 6 Correlation coefficient between Drought intensity and circulation

5 讨论与结论

5.1 讨论

研究表明，SPEI 指数相较其他干旱指数更适用于甘肃，能有效地反映区域的干旱化状况（季定民，2015）。同时，借助游程理论对SPEI 进行干旱事件的提取，有助于定量分析干旱事件的变化程度，经过REOF 分解，空间结构清晰，较为准确地反映了近50 a 干旱事件的空间格局变化。甘肃是典型的旱作农业区，气象干旱对该地区农业生产危害巨大，对该区生态环境可持续发展具有较大影响。同时，干旱灾害也是影响整个西北地区农业生产、生态文明建设的主要自然灾害，近年来随着干旱事件发生频率和强度的增加，造成的破坏不断加剧。

在年际尺度上，研究区干旱先加剧再缓和后又加剧，尤其是2000 年后气候偏干显著。在空间格局方面，研究区整体上呈西北部干旱缓解、东南部干旱加剧的趋势，这与他人研究结果相符合（李亮等，2019；刘冰鑫等，2019）。在干旱亚区的划分上，李亮等（2019）同样采用REOF 法对年尺度SPEI 进行分析，将甘肃划分为4 个干旱敏感区，分别为甘肃东南地区东部、西北地区、中部地区和东南地区西部，发现东南地区东部呈干旱加剧趋势，而河西走廊中部地区呈干旱缓解趋势；刘冰鑫等（2019）将甘肃划分为6 个气候区，甘肃东南部两个气候区气候在整个时间序列上（1961 — 2014）均呈干旱化趋势。以上结果与本文河东地区不同程度干旱加剧而乌鞘岭地区干旱缓解的结果相一致。河西地区虽然总体上呈干旱缓和趋势，但在季节尺度上，该区仅有夏季呈显著缓和趋势，而其他季节仍呈不同程度的干旱化趋势。乌鞘岭地区从年际尺度到季节尺度均呈现干旱的缓和趋势，且冬季趋势最为明显。表明在研究区中西部气候暖湿化明显的背景下，仍需关注湿润化的季节性差异，部分地区春旱强度仍有上升趋势，这对该区旱作农业会带来重要影响，不利于地表水分情况的好转和自然环境的可持续发展。而研究区东部，尤其陇东黄土高原地区，是黄土高原的重要组成部分，以雨养农业为主，是水土流失严重的生态环境脆弱区，近年来春季干旱事件的显著增加不仅对陇东黄土高原农业生产与生态环境影响显著，而且对该地区特色农产品加工生产和农村脱贫致富、生计改善、农业的可持续稳定发展等方面有重要的影响。

5.2 结论

（1）研究区干旱历时呈延长趋势，除乌鞘岭地区和河西走廊西端的酒泉地区呈减少趋势外，其余地区干旱历时均呈逐渐延长趋势。干旱强度呈加剧趋势，空间上呈西北部干旱减轻、东南部干旱加剧的趋势。

（2）干旱强度的空间分布模态主要为全区一致型模态和南北反向分异模态。甘肃共划分为5个干旱子区：河西地区、河东东部地区、河东中部地区、乌鞘岭地区、河东西部地区。

（3）年际尺度上，河西地区自1988 年以来气象干旱显著缓和（P＜0.01）；河东东、中、西部地区存在不同程度的干旱加剧趋势，但东部和中部地区在本世纪初开始存在干旱逐渐缓和趋势；乌鞘岭地区在1975 年以后气象干旱显著缓和（P＜0.01）。季节尺度上，河西地区夏季干旱呈明显缓和趋势；河东东部地区春季呈显著干旱化趋势；河东西部地区春夏两季干旱加剧；河东中部地区四季均呈干旱化趋势且春季最剧烈，而乌鞘岭地区四季均有缓和且冬季最明显。

（4）进一步探究当地气象干旱的影响因素发现：河西地区和河东西部地区对气温要素的响应明显，随着气温升高，气象干旱呈加剧趋势。河东中部和东部地区则对降水量的响应明显，当降水量减少时，气象干旱呈加剧趋势。乌鞘岭地区气象干旱与日照时数呈明显的正相关关系。NAO指数对研究区夏季气象干旱存在重要影响。