基于标准化指数的中国东北地区复合高温干旱事件时空变化特征分析

张雪玲,朱美琪,李 颖

(辽宁师范大学地理科学学院,辽宁 大连 116029)

0 引言

随着全球气候变暖,极端天气气候事件频发,且常表现为多种极端事件的交织耦合发生[1]。IPCC第六次评估报告中也指出复合极端事件将随着全球气候变暖的加剧而变得更加频繁[2]。极端高温和干旱同时或相继发生被称为复合高温干旱事件,全球范围内复合高温干旱事件的发生频率、影响范围和严重程度显著增加,其中中纬度地区是干旱和热浪的热点地区[3]。复合高温干旱事件会造成作物减产、森林火灾、草场退化、水资源短缺等一系列负面影响,且其影响结果远远大于单一极端气候事件[4,5]。2014年美国加州干旱热浪导致森林火灾频发;2010俄罗斯发生严重复合高温干旱事件,造成55 000人死亡,年作物歉收约25%[6]。因此,气象灾害研究正在逐步从单一灾种向复合灾种转变,特别是明晰复合事件的内在物理机制是减轻灾害影响的重要前提[7]。

衡量干-热复合事件需要选择或构建相关指数。最简便的方法是提取干旱条件下的高温日数、次数或强度作为依据[8,9],但这类指标虽然能够作为干-热复合事件分析的基础数据,却无法全面分析事件的发展状况。学者们开始探索构建综合性指数,即将代表干旱和高温的指数相结合,如基于元高斯模型构建的条件分布进行预测的标准化复合事件指示器(SCEI)、标准化干热指数(SDHI)等整合干热事件[10,11];运用Copula模型将日尺度的标准化降水量蒸散指数(SAPEI)和标准化温度指数(STI)联合构建标准化干热复合指数(SCDHI)[12]。在确定指数的基础上即可评价历史事件的时空变化规律,常用的方法包括M-K趋势,Sen’s斜率,线性回归方法等分析复合事件时间变化规律[13,14];复杂网络方法[15],莫兰指数方法[16],经验正交函数(EOF)分析变异模式[17]等分析复合事件的空间分布特征。

中国东北地区对气候变化反应十分敏感,干旱和极端高温发生频次和强度较高,更是复合高温干旱事件的重点发生区[18,19]。比起单独干旱和极端高温事件的详尽研究,复合事件的研究大多集中在全国区域上的大尺度研究中,对小区域尺度的精细化研究还在探索中。因此,对东北地区复合高温干旱事件的时空演变特征进行精细化分析对降低区域生态系统和人类社会风险有重要意义。

1 数据和方法

1.1 研究区

中国东北地区(111.14°～135.08°E,38.72°～53.56°N)指黑龙江、吉林和辽宁三省以及内蒙古东五盟市构成的地区,土地面积为126万km2,如图1所示。属温带季风气候,夏季温热多雨,冬季寒冷干燥;自南向北跨越中温带与寒温带,自东南向西北,从湿润区、半湿润区过渡到半干旱区,夏季均温在13.40～23.83℃,夏季月均降水量35.90～204.92 mm。东北地区森林覆盖率高,森林总蓄积量约占全国的1/3,是中国重要的工业和农业基地,目前东北地区复合高温干旱事件的发生频率显著升高,严重威胁当地生态系统安全和人类生活。

1.2 数据来源

注:基于自然资源部标准地图服务系统的标准地图 (审图号:GS(2020)4619)绘制,分辨率1∶1 400 万,底图无修改。

1961—2020年网格化月值降水量和温度数据来自东安格利亚大学气候研究所网格化时间序列数据库CRU TS v.4.05(http://cru.uea.ac.uk/data)[20],分辨率为0.5°,基于此数据计算干旱和高温的指数。CRU TS是目前使用最广泛的气候数据集之一,有较高的可靠性,由其计算的SPEI适用于东部地区的干旱监测[21]。暖季被定义为当地温度气候学中最热的三个月[22],东北地区属北半球温带季风气候,四季分明,因此将6、7、8月确定为暖季。

1.3 研究方法

本文选用的标准化降水蒸散发指数(SPEI)融合了标准化降水指数(SPI)和PDSI的特点,考虑温度变化对干旱的影响,具有良好的应用前景,且在东北地区干旱预测和定量化研究中具有较好的适用性[23]。为了统一时间尺度,选择STI表征高温。本研究利用东北地区673个格点的降水和温度数据计算SPEI和STI,根据不同阈值识别复合高温干旱事件,通过趋势分析方法和空间聚类分析方法针对1961—2020年夏季不同阈值复合高温干旱事件的时空变化特征进行研究。

1.3.1 高温干旱指标

SPEI在干旱研究中应用广泛,被用来衡量干湿状况识别干旱事件,可以计算多种时间尺度(1,3,12月等),SPEI值越大越湿润,值越小越干旱,在干旱研究中应用广泛[24]。它是从SPI进一步发展而来,同时纳入蒸散发的影响。高温事件使用STI进行表征,STI是根据SPI进行定义,其计算方法一致[25]。由于复合极端高温干旱事件集中在暖季,因此本研究采用6—8月份的降水量和温度数据计算SPEI和STI指数。SPEI可以计算不同时间尺度,利用1个月尺度的SPEI和STI来识别复合事件,另外计算暖季三个月尺度的SPEI来分析东北地区夏季SPEI的年际变化。

1.3.2 复合事件定义

复合高温干旱事件一般定义为干旱和高温同时发生,可以表征为降水和高温同时超过特定阈值[26]。表1是根据GB/T20481—2017《气象干旱等级》对指数等级的划分,将-0.5、-1.0以及-1.5作为干旱的阈值,当SPEI值小于不同阈值时即为发生相应程度干旱;将0.5、1.0和1.5作为高温事件的阈值,当STI值大于不同阈值时即为发生相应程度高温事件。将不同等级干旱和高温进行组合,形成9种不同复合事件类型,见表2。当某月SPEI和STI同时满足阈值条件时,视为该月发生相应程度复合高温干旱事件。虽然标准化指数方法有一定不足,难以全面分析事件发展状况,但对于历史复合事件的时空变化特征的分析是可行的,因此选定此方法。

表1 不同范围SPEI和STI等级划分

表2 复合干旱高温事件组合类型

1.3.3 时空特征分析方法

线性趋势分析通常用于分析两个变量间的线性趋势,一元线性回归趋势分析方法被用来分析复合事件的变化趋势。通过一元线性回归趋势分析方法,以时间为自变量,SPEI,STI和发生频次等指数为因变量,分别进行基于空间像元尺度的一元线性回归拟合,得到的回归系数表示指数随时间的增加而变化的趋势。线性回归方程是否可靠,估计的误差有多大,均需经过显著性检验和误差计算。系数R2为回归平方和占总误差平方和的比例,反映回归直线的拟合程度,取值范围在[0,1]之间,越接近1表示拟合效果越好。

此外,将1961年至2020年的前30年和后30年分为两个时段来分析事件随时间的变化。计算两个时段之间复合事件数量的百分比变化Eprop,如公式(1),其中N61-90,N91-20,N61-20分别是1961—1990年、1991—2020年和1961—2020年时间段内发生的事件数量。

(1)

莫兰指数(Moran′s I)用于分析不同阈值复合事件的相关特征,分为全局Moran′s I和局部Moran′s I。全局Moran′s I只表示空间是否出现了聚集或异常值,如果全局有自相关出现接着做局部自相关,局部Moran′s I体现聚集和异常值的空间分布。全局Moran′s I是一个有理数,经过方差归一化之后,它的值会被归一化到-1与+1之间。Moran′s I大于0时,表示数据呈现空间正相关,其值越大空间相关性越明显;Moran′s I小于0时,表示数据呈现空间负相关,其值越小空间差异越大;Moran′s I为0时,空间呈随机性。局部Moran′s I基于全局Moran′s I,体现观察值和相邻值之间空间相关性,包括高-高聚集,低-低聚集,高-低异常,低-高异常四种类型。

2 结果与分析

2.1 复合高温干旱事件空间分布特征

图2中展示了东北地区1961—2020年夏季不同阈值复合高温干旱事件发生频次的空间分布,可以看出西部大部分地区为复合高温干旱事件高发区。东北地区Mi-Mi发生频次在3.5次以上,其中约67%以上格点频次高于5次,最高频次约为7.17位于西北部。而南部地区复合事件发生频次相对较低,在3.5～4.5次。Mi-M的发生频次在2～5次,Mi-S为0.67～2.67次。M-Mi,M-M,M-S发生频次分别为1.83～5.33次,1.17～3.83次,0.17～2.5次,高值区位于西北部。S-Mi,S-M,S-S分别为0.67～3.33次,0.17～2.83次,0～1.83次,高值区位于东北地区西部。随着阈值的升高,复合事件发生频次明显降低,但空间分布仍具有一定一致性。同一干旱等级,轻度高温定义的复合事件的高发区分布比较广泛,中度和重度高温定义的复合事件高发区逐渐集中于东北地区西部及西北部。同一高温程度,不同等级干旱定义的复合事件高发区分布较为一致。

注:基于自然资源部标准地图服务系统的标准地图(审图号:GS(2020)4619)绘制,分辨率1∶1 400万,底图无修改。

总的来说,东北地区西部及西北部复合高温干旱事件更为频繁,南部及东部复合事件发生频次较低。东北地区西部暖季月平均降水及气温的空间分布降水较低,气温较高,与复合事件的高发生频次相匹配;而南部虽然气温较高,但是降水也较为丰富,因此复合事件的发生频次较低;北部地区复合事件发生频次较高,气温和降水均较低,说明降水较为缺乏可能是该地区复合事件发生的重要原因。

2.2 复合高温干旱事件的历史演变

统计每年所有格点各阈值复合事件发生次数进行平均,结果如图3所示。1961—2020年各阈值复合事件发生次数均呈现上升趋势,在20世纪90年代开始明显升高。Mi-Mi上升速率最快达到0.016 58次/a,其中1990s前期呈0.003 98次/a的小幅度上升趋势,1990s后期上升速率明显达到0.013 08次/a。Mi-M和M-Mi的变化与Mi-Mi相似,在研究期前半段无明显上升趋势,后半段明显上升,整体变化速率分别达到0.011 08次/a和0.013 68次/a。M-M的发生次数在1990s前期小幅度下降,1990s后期明显上升,整体上升速率为0.009 9次/a。Mi-S,M-S,S-Mi,S-M,S-S的发生次数则均在1990s前期呈不显著下降趋势,1990s后期小幅度波动上升,整体呈上升趋势,频率分别为0.004 91次/a,0.004 62次/a,0.008 4次/a,0.006 55次/a,0.003 48次/a。

图3 1961-2020年东北地区各阈值复合事件变化趋势图

为了评估复合事件分布的历史变化情况,将1961—2020年整个研究时段划分成两个30年,如图4所示。与1961—1990年相比,1991—2020年各阈值复合事件数量在大部分地区大幅增加,少数地区不变或有所下降,主要位于研究区西部。随着高温阈值的增加,复合事件变化比例Eprop增加显著,随干旱严重程度的增加小幅增加,Mi-Mi(Mi-M/Mi-S)、M-Mi(M-M/S-M)、S-Mi(M-S/S-S)的平均比率分别为0.52(0.55/0.59)、0.74(0.79/0.80)、0.97(0.89/0.91)。可见复合高温干旱事件主要由高温事件驱动。另外,严重程度更高的事件主要发生在1990年之后,严重事件的发生可能性正在增加,东北地区复合高温干旱事件胁迫日益加剧。

图5是1961—2020年夏季SPEI和STI的变化趋势,由图5可以看出,1961—2020年SPEI以0.009 15/a速率显著下降,STI以0.024 44/a速率显著升高,STI的变化幅度高于SPEI。两者都在20世纪90年代出现大幅度变化达到峰值,与图4中复合事件变化比例一致,干旱和高温情况日益加剧。

注:基于自然资源部标准地图服务系统的标准地图(审图号:GS(2020)4619)绘制,分辨率1∶1 400万,底图无修改。

图5 1961—2020年夏季STI和SPEI的变化趋势

2.3 复合高温干旱事件影响面积变化趋势

注:j, k, l阈值分别为±0.5,±1.0,±1.5。

基于1961—2020年复合高温干旱事件发生格点数,统计东北地区不同阈值下发生复合事件的面积百分比的变化趋势,如图6所示。从图6可以看出,东北地区不同阈值复合事件的发生面积百分比均呈现显著增加的趋势,其中Mi-Mi变化速率最快达到约1.024 03%/a,Mi-M约为0.791 26%/a,Mi-S约为0.425 83%/a,M-Mi约为1.001 1%/a,M-M约为0.772 08%/a,M-S约为0.412 64%/a,S-Mi约为0.720 31%/a,S-M约为0.577 2%/a,S-S变化速率最低约为0.324 75%/a。不同阈值复合事件的发生在空间上的分布越来越广泛,且随着严重程度的增加变化速率降低。2000年之后,空间范围呈现出较为陡峭的上升趋势。图6(j—l)展示了不同阈值SPEI和STI影响面积百分比的变化,可见受干旱和高温影响的地区显著增加,其变化速率与复合事件相一致,在2000年左右呈现比较陡峭的增加趋势。与SPEI相比,受高STI影响的区域面积增加更为明显,这说明复合高温干旱事件的空间范围的增加很可能是由于STI影响范围的显著增加。复合事件影响面积的增加主要受到高温事件的影响,全球变暖造成的复合干旱和极端炎热的风险增加。总体来看,东北地区发生复合事件的面积持续扩大,越来越多的地区受到其影响。

2.4 复合高温干旱事件的空间相关性

使用全局Moran′s I计算不同阈值复合事件的总体空间相关性(表3)。Moran′s I为正,各阈值复合事件的呈现空间正相关。三种情况下Z值均超过2.58,表示在99%置信水平上表现出强烈的空间依赖性和集群。其中M-Mi的Moran′s I最大达到0.896 785,M-M为0.883 411,M-S为0.790 956,说明干旱程度一致时,由三个高温等级定义的复合事件中中度高温复合事件的空间正相关最为明显,其次为重度高温复合事件,轻度高温复合事件Moran′s I在三者中最低。高温程度一致时,Moran′s I随着干旱程度的升高而降低,如Mi-Mi为0.857 594,Mi-M为0.805 629,Mi-S为0.742 49。各等级复合事件体现出较高空间一致性。

表3 不同阈值复合事件发生次数的全局Moran′s I和Z指数

运用局部Moran′s I分析东北地区复合事件发生频率的空间聚类特征,图7是局部空间自相关的LISA聚集图。可见,东北地区复合事件的发生频率呈现了空间上的同质性,表现出明显的聚集特征,且以H-H和L-L聚集为主。Mi-M,Mi-Mi主要为H-H聚集,主要分布在东北地区西部和西北部,为发生次数的高值聚集区,以及L-L聚集分布在东南部地区,为Mi-Mi低值聚集区(图7(a)、图7(b)),Mi-S高值区则主要聚集在西北部和中部,低值区聚集在东部和南部(图7(c))。M-Mi,M-M,M-S的H-H聚集主要分布在西部,为M-M高值聚集区,L-L聚集主要分布在东南部和东部,为低值聚集区。与Mi-Mi相比,M-M的高值聚集区的分布更为紧密集中(图7(d—f))。S-Mi,S-M,S-S的H-H聚集主要分布在西部,此处频发,同时出现了个别呈现出L-H异常的格点位于西北部,L-L聚集少量分布在南部,东北部以及东部地区,为低频区(图7(g—i))。几种情况下高值和低值聚集区的分布特征大体相似。

内蒙古东五盟地区是复合高温干旱事件的高值聚集区,气温和蒸散量的显著提高导致该地区干旱化,进而加剧高温情况。复合事件的低值聚集区主要分布在东北地区南部、辽宁沿海地区和黑龙江东部地区,可能是由于夏季降水较高导致的,在研究区北部也有个别低值区,该地纬度较高温度偏低是复合事件较少的重要原因。

注:基于自然资源部标准地图服务系统的标准地图(审图号:GS(2020)4619)绘制,分辨率1∶1 400万,底图无修改。

3 结论

本文利用1961—2020年东北地区温度和降水网格化数据计算标准化指数SPEI和STI,分析不同干热阈值下复合高温干旱事件的空间分布和时间变异规律。

1)东北地区的SPEI值呈现显著的降低趋势,STI值呈现显著的增加趋势。这与前人研究一致,东北地区干旱和极端高温事件发生显著增加,呈现暖干化趋势[27, 28]。STI及高温事件影响面积的变化明显高于SPI及干旱事件,东北地区复合高温干旱事件的增加主要以高温条件下的增加为主。与目前争议加剧的干旱事件相比,现有研究表明,在全球变暖的背景下,极端高温事件发生频率的增加更为显著。

2)通过空间聚类特征分析,发现东北地区复合高温干旱事件的发生频率具有强烈的一致性。局部空间自相关分析出高低值聚集区,高值聚集在东北地区东部的内蒙古东五盟地区,该地区干旱和高温事件高频发生[29, 30]。气温和蒸散量的显著提高导致该地区干旱化,进而加剧高温情况。复合事件的低值聚集区主要分布在东北地区南部、辽宁沿海地区和黑龙江东部地区,可能是由于夏季降水较多导致的,在研究区北部也有个别低值区,该地纬度较高温度偏低可能是复合事件较少的重要原因。

3)复合高温干旱事件的发生数量在东北地区大部分格点显著增加,发生面积有扩大趋势。复合事件的发生频率和影响面积在20世纪90年代以来开始显著增加,这在之前的研究中也被证实[19]。更严重的复合事件主要发生在近30年中,东北地区面临的复合高温干旱事件胁迫日益加剧,需要提高对极端事件的预测和防范。

除了过高的温度、亏缺的降水之外,土壤水分、辐射、蒸散发以及大气环流因子等气候学因素在复合高温干旱事件的发生中也起到主导作用。本文没有涉及对复合事件形成的物理机制的深入探讨,在未来还应加大大气环流因子等因素对复合事件的研究,以便更全面地分析复合高温干旱事件的内在机制。