陳金華,余衛(wèi)國,劉瑞娜,岳 偉,陳 曦

(安徽省農(nóng)業(yè)氣象中心/安徽省農(nóng)村綜合經(jīng)濟信息中心 合肥 230031)

旱澇災害是影響農(nóng)業(yè)生產(chǎn)的主要氣象災害之一,其造成的糧食損失約占我國糧食生產(chǎn)總損失的80%以上[1]。有關農(nóng)業(yè)統(tǒng)計數(shù)據(jù)顯示,2015年我國因干旱和洪澇災害所導致的受災面積、絕收面積分別占全部受災面積、絕收面積的74.5%、76.4%[2]。安徽省地處南北氣候過渡帶,旱澇災害頻發(fā)、多發(fā),且一年中常出現(xiàn)旱澇交替、旱澇并存情況。如2003年和2007年夏季雨帶位于淮河流域,沿江江南降水偏少,省內(nèi)出現(xiàn)北澇南旱;而1999年夏季沿江江南洪澇嚴重,沿淮淮北卻降水偏少,出現(xiàn)南澇北旱[3]。旱澇災害監(jiān)測預警是農(nóng)業(yè)防災減損和保障糧食安全的重要而有效的手段之一。2017年農(nóng)業(yè)農(nóng)村部印發(fā)的《科學應對旱澇災害保障糧食和農(nóng)業(yè)豐收預案》就明確要求“各級農(nóng)業(yè)部門要加強旱澇災害預測預判,及早制定完善技術方案,及時發(fā)布預警信息,提前落實防御措施”。

為提升農(nóng)業(yè)旱澇災害應對防御能力,前人應用氣溫、降水、土壤水分等資料,開展了大量旱澇指數(shù)相關研究與應用。在全球和區(qū)域干旱的監(jiān)測和分析中應用最為廣泛的是帕默爾干旱指數(shù)(Palmer drought severity index,PDSI)[4-5]和標準化降水指數(shù)(standardized precipitation index,SPI)[6],以及基于SPI指數(shù)基礎上,通過引入潛在蒸散項構建的標準化降水蒸散指數(shù)(standardized precipitation evapotranspiration index,SPEI)[7-8]。其中PDSI物理機制較為明確,綜合考慮了水分虧缺量和持續(xù)時間對干旱程度的影響,并考慮到土壤上下層的含水量,但其對資料要求較高,部分參數(shù)只能靠經(jīng)驗估計,這降低了指標的適用范圍[9-10]。SPI是采用Γ函數(shù)的標準化降水累積頻率分布來描述降水量變化,是表征某時段降水量出現(xiàn)概率的指標,在不同地區(qū)或不同時段發(fā)生的干旱具有可比性[11];且計算只需要輸入降水量數(shù)據(jù),簡單易行。SPEI指數(shù)融合了SPI與PDSI指數(shù)的優(yōu)點,既具有多時間尺度的特性,又綜合了溫度對干旱的影響,很好地彌補了這兩個干旱指數(shù)的不足。近年來,國外學者青睞選取SPEI開展不同時間尺度的旱澇監(jiān)測[12-13]及氣候變化背景下的農(nóng)業(yè)、水文等行業(yè)影響評估[14-15]。國內(nèi)學者針對SPEI在中國區(qū)域的適用性及應用案例也較為多見。莊少偉等[16]分析了 SPEI指數(shù)在我國不同等級降水區(qū)域的適用性,并與 SPI和濕潤指數(shù)進行對比分析。劉珂等[17]使用 Thornthwaite和Penman-Monteith兩套潛在蒸散數(shù)據(jù),分別計算得到 SPEI,并以此研究了1949—2008年中國區(qū)域干濕變化時空特征以及兩種蒸散數(shù)據(jù)的SPEI結果之間的差異。MING等[18]分析了中國華北平原玉米趨勢產(chǎn)量與基于 Penman-Monteith的SPEI干旱指數(shù)的相關性。李偉光等[19]、許玲燕等[20]、張勃等[21]、楊曉靜等[22]應用 SPEI指數(shù)分析了中國不同區(qū)域的干旱趨勢與風險規(guī)律。在安徽省區(qū)域性旱澇監(jiān)測評估方面,謝五三等[23]比較了Z指數(shù)、SPI、降水距平百分率指數(shù)(precipitation anomaly percentage,PAP)、相對濕潤度指數(shù)(relative humidity index,RHI)、綜合氣象干旱指數(shù)(comprehensive meteorological drought index,CI)等5種指標在安徽省的適用性,其中后3個指標應用效果相對較好。馬曉群等[24]以濕潤度指數(shù)為基本量,構建了綜合當前旬及以前逐旬累積影響的累積濕潤度指數(shù)(accumulated humidity index,AHI),在安徽省及淮河流域開展旬尺度的旱澇監(jiān)測預警方面有很強的適用性。

以上指數(shù)中,CI、AHI、SPEI等旱澇指數(shù),多以旬、月、季尺度的降水或降水與蒸散為基本輸入,因其簡單易行,在農(nóng)業(yè)、水文等領域的旱澇識別與風險評估方面被廣泛應用。但這類指數(shù)在進行旬、月、季尺度的降水累加時,均采用逐日降水量等權累加方式,本質上僅考慮了累計降水量而忽視了降水發(fā)生時間對當前旱澇的影響。這些指標反映的是某地月(季)尺度總體水分狀況,不能完全反映旱澇逐日變化,當統(tǒng)計時段內(nèi)出現(xiàn)明顯旱澇急轉情況時,必然會出現(xiàn)由明顯的降水移出統(tǒng)計窗口而導致的旱澇表征不合理問題[25-26],從而降低指導農(nóng)業(yè)生產(chǎn)的適用性。本文擬綜合參考AHI、SPEI指數(shù)方法,以日尺度前期累積降水蒸散差值為基本量,采用三參數(shù)log-Logistic概率分布進行擬合,構建日尺度的標準化前期降水蒸散指數(shù)(standardized antecedent precipitation evapotranspiration index,SAPEI),并分析SAPEI在安徽不同干濕性氣候區(qū)旱澇監(jiān)測的可行性與適用性。

1 資料與方法

1.1 研究區(qū)概況與數(shù)據(jù)來源

安徽省位于中國華東地區(qū),位于 114°54′～119°37′E、29°41′～34°38′N。長江、淮河自西向東橫貫省境,將安徽省天然劃分為沿淮淮北、江淮之間、沿江江南3個區(qū)域,其中沿淮淮北屬半濕潤地區(qū),江淮及以南屬濕潤地區(qū)。地貌類型多樣,沿淮淮北為黃淮海平原的重要組成部分;江淮之間以崗地為主,其西部為大別山區(qū);沿江為長江中下游平原,地勢低平,江南為皖南山區(qū)。受南北氣候過渡帶影響,北方干冷氣流與南方暖濕氣流常在安徽省內(nèi)交匯,南北降水量差異性大,其中沿淮淮北降水量為800～1 000 mm,江淮之間為1 000～1 300 mm,沿江江南為1 300～1 700 mm。在農(nóng)業(yè)耕作制度上,為水旱耕作過渡區(qū)域,自北向南形成了旱-旱輪作、水-旱輪作、雙季稻等多種輪作制度。因此選取安徽省開展旱澇指標研究與適用性分析具有代表性。

本文計算SAPEI指數(shù)所用氣象數(shù)據(jù)來源于安徽省各市縣地面氣象觀測站,主要包括氣溫、降水、風速、日照等。SAPEI模型檢驗時所用土壤墑情數(shù)據(jù)來源于安徽省各觀測站土壤墑情普查數(shù)據(jù)。進行SAPEI適用性分析時,兼顧不同農(nóng)業(yè)耕作區(qū)、不同氣候干濕性區(qū)域的適用性差異檢驗,在沿淮淮北選取宿州、江淮之間選取合肥、沿江江南選取宣城分別作為半濕潤地區(qū)(旱作區(qū))、半濕潤與濕潤過渡區(qū)(水旱輪作區(qū))、濕潤地區(qū)(雙季稻區(qū))的代表站。

1.2 SAPEI模型設計與等級指標

1.2.1 SAPEI模型設計

無灌溉時,在忽略地表徑流與地下水影響時,某日農(nóng)田水分收支量(ΔW)可表示為：

式中：P為降水量;ETm為作物潛在蒸散量,用作物系數(shù)(Kc)與參考蒸散量(ET0)乘積來估算,即：ETm=Kc×ET0;ET0用聯(lián)合國糧農(nóng)組織(FAO 1998)推薦的Penman-Monteith模型計算,Kc計算方法參考文獻[24]。

借鑒累積濕潤度指數(shù)與前期降水指數(shù)與設計思想[24,26],假設當日農(nóng)田水分供應能力與前期農(nóng)田水分收支量有關,且離當日越久,影響越小,據(jù)此構建前期累積降水與蒸散差值指數(shù)(antecedent precipitation evapotranspiration index,APEI)：

式中：m為前推天數(shù),取值100;i為前推日序數(shù)(當日為0);K為衰減系數(shù),取0.955;ΔWi為第i日農(nóng)田水分收支量。

設APEI數(shù)據(jù)序列為x={x1,x2,…,xn},仿照標準化降水指數(shù)SPEI計算方法,對x數(shù)據(jù)序列進行標準化。鑒于 APEI值有負值情況,采用三參數(shù)的 log-Logistic概率分布F(x)對其進行擬合,再經(jīng)正態(tài)標準化求得APEI的標準化變量SAPEI值。記log-Logistic擬合分布超過某個x值的累積概率P=1-F(x)。

式中：

式中：ws是概率權重矩,s=0,1,2;l為x按升序排列的序數(shù)(x1≤x2,…,≤xn);Γ是Gamma函數(shù)。

當[P≤0.5]時,概率加權矩：

當[P＞0.5]時,概率加權矩：

式中：常數(shù)c0、c1、c2、d1、d2、d3同 SPI 計算過程,c0=2.515 517,c1=0.802 853,c2=0.010 328,d1=1.432 788,d2=0.189 269,d3=0.001 308。

1.2.2 旱澇等級劃分

SAPEI指數(shù)等級劃分方法綜合參考SPEI有關文獻[21,27]。各等級干濕類型、數(shù)值范圍及理論概率見表1。在SAPEI指數(shù)適用性分析時,需用到土壤墑情資料,表1第5列為SAPEI等級對應的土壤相對濕度數(shù)值范圍[28-29]。

表1 標準化前期降水蒸散指數(shù)(SAPEI)等級標準、理論累積概率及相應的土壤相對濕度閾值Table 1 Grade'standard,theoretical cumulative probability and matching soil relative humidity threshold value for standardized antecedent precipitation evapotranspiration index(SAPEI)

1.3 SAPEI指數(shù)農(nóng)業(yè)旱澇適用性評價

作物全生育期的漬害強度與漬害所處階段、發(fā)生次數(shù)與持續(xù)時間有關,可用基于漬害過程的漬積指數(shù)(Qw)來表示,即：

式中：n為漬害過程數(shù),m為某一漬害過程持續(xù)的天數(shù),SAPEIj為第j天SAPEI值,SAPEIw0為澇漬害發(fā)生界限值,取0.5。

同理,旱積指數(shù)(Qd)可表示為：

式中： SAPEId0為干旱發(fā)生界限值,取-0.5。作物全省生育期氣候干濕性水平,用全生育期 SAPEI平均值()來表示：

式中：m為全生育期天數(shù)。

2 結果與分析

2.1 SAPEI模型檢驗

SAPEI是假設日尺度的前期累積降水蒸散差值指數(shù)(APEI)服從log-Logistic概率分布。因此,當日尺度的前期累積降水蒸散差值序列的經(jīng)驗概率分布與log-Logistic概率分布近似一致時,即認為該尺度SAPEI分析適用于該序列。分別在淮北、江淮、沿江江南選取宿州、合肥、宣城3個代表站,計算1961—2017年APEI序列的經(jīng)驗概率、三參數(shù)log-Logistic分布理論概率F(x)(圖1)?？梢钥闯?不同干濕性區(qū)域代表站的log- Logistic概率分布函數(shù)F(x)曲線和經(jīng)驗概率分布曲線重合度都很高。因此 APEI序列符合三參數(shù)log-Logistic概率分布,應用SAPEI表征由降水蒸散盈虧引發(fā)的旱澇是可行的。

2.2 SAPEI對旱澇過程的描述能力

據(jù)氣象監(jiān)測及有關部門災情分析,2010年10月至2011年6月,安徽全省大部降水持續(xù)偏少,出現(xiàn)明顯的秋冬春連旱,災情嚴重[30]。對淮北、沿淮、江淮3個典型區(qū)域代表站SAPEI及降水動態(tài)數(shù)據(jù)進行分析(圖2),結果顯示代表站 SAPEI在無降水時呈平滑緩慢下降趨勢,沒有出現(xiàn)SPI、CI等指標用于逐日干旱監(jiān)測時常出現(xiàn)的“不合理旱情加劇”問題[25-26];且出現(xiàn)降水時,SAPEI均能及時響應與降水過程量相匹配的增量;3個代表站2010—2011年度冬春季出現(xiàn)持續(xù)旱情,直到6月下旬進入梅汛期才完全解除,表征的旱情發(fā)展情況與實況基本相符。因此SAPEI能夠刻畫有無降水情況下的旱澇演變趨勢。

圖2 安徽省半濕潤區(qū)域(a)、半濕潤濕潤過渡區(qū)域(b)和濕潤區(qū)域(c)代表站點2010年10月—2012年4月標準化前期降水蒸散指數(shù)(SAPEI)對降水的響應Fig.2 Response of standardized antecedent precipitation evapotranspiration index(SAPEI)to rainfall at representative stations for semi-humid zone(a),semi-humid and humid transitional zone(b),or humid zone(c)from Oct.1,2010 to Apr.28,2012 in Anhui Province

進一步對比分析2011年6月8日、6月28日旱情明顯緩解前后的土壤墑情普查與SPAEI數(shù)據(jù)空間分布情況。結果顯示：6月8日土壤相對濕度與 SAPEI監(jiān)測數(shù)據(jù)均顯示在安徽省江北大部出現(xiàn)不同程度旱情,江南地區(qū)無明顯旱情或一定程度的澇漬害;6月28日兩者監(jiān)測數(shù)據(jù)均顯示北部旱情明顯緩解或解除,南部澇漬范圍明顯擴大(圖3)。因此SPAEI實際應用中,也可以較為真實地反映旱澇變化趨勢。從兩者對比看,缺水情況下,SAPEI監(jiān)測的干旱情況重于土壤相對濕度,即SAPEI數(shù)據(jù)偏干;水分有盈余時,SAPEI監(jiān)測的澇漬情況重于土壤相對濕度,即SAPEI數(shù)據(jù)偏濕。這主要是由于土壤墑情普查點有人工干預,在干旱時不能排除前期有灌溉可能;而在田間出現(xiàn)積水時,田塊三溝能及時排除多余的水分,而SAPEI指數(shù)設計中,當日降水沒有引入剔除徑流的參數(shù)。

圖3 安徽省2011年6月8日(旱情緩解前)、6月28日(旱情緩解后)標準化前期降水蒸散指數(shù)(SAPEI)與0～20 cm土壤相對濕度旱澇監(jiān)測對比(a: 6月8日土壤墑情;b: 6月8日SAPEI;c: 6月28日土壤墑情;d: 6月28日SAPEI)Fig.3 Comparison between standardized antecedent precipitation evapotranspiration index(SAPEI)and soil relative humidity of 0-20 cm layer on Jun.8,2011(before drought relief)and Jun.28,2011(after drought relief)in Anhui Province(a：soil relative humidity on Jun.8;b：SAPEI on Jun.8;c：soil relative humidity on Jun.28;d：SAPEI on Jun.28)

2.3 SAPEI在農(nóng)業(yè)上的適用性分析(以冬小麥為例)

利用 57 a(1961—2017年)SAPEI數(shù)據(jù),分別計算安徽省小麥生長季(10月21日—5月31日)的旱積指數(shù)Qd的累年平均值(Qdl)、干旱發(fā)生頻率(Fd),漬積指數(shù)Qw的累年平均值(Qwl)、澇漬發(fā)生頻率(Fw)。結果顯示Qdl絕對值總體呈北高南低分布,即干旱北部重于南部,其中沿淮淮北、大別山區(qū)旱積指數(shù)值為-45～-25不等,江淮中東部及沿江江南地區(qū)-25～-12不等(圖4a);其發(fā)生頻率Fd全省為16%～34%不等,大別山區(qū)、皖南山區(qū)高,沿淮淮北次之,江淮及沿江中東部最小(圖4b)。Qwl變化幅度為10～35,呈北低南高分布,即漬害南部重于北部(圖4c);其發(fā)生頻率為13%～31%不等,北部總體低于南部地區(qū)(圖4d)。

圖4 安徽省冬小麥生長季旱澇積指數(shù)累年平均值及旱澇發(fā)生頻率空間分布(a:年平均旱積指數(shù);b: 干旱頻率;c:年平均漬積指數(shù);d: 澇漬頻率)Fig.4 Spatial distribution of drought and waterlogging frequency and annual mean of accumulated index for winter wheat in Anhui Province(a：annual mean of accumulated drought index;b：drought frequency;c：annual mean of accumulated waterlogging index;d：waterlogging frequency)

冬小麥全生育期 SAPEI均值的累年平均值(ISAPEI),反映了江淮地區(qū)多年小麥旱澇或干濕的平均狀況,其變化幅度為-0.2～0.14,0值線為江淮分水嶺偏北沿大別山區(qū)東麓、南麓走向;0值線以北、以西為ISAPEI負值區(qū),屬正常偏干區(qū)域,與安徽小麥主產(chǎn)區(qū)基本符合;0值線以南、以東為ISAPEI正值區(qū),為正常偏濕區(qū)域(圖5),小麥種植面積自北向南逐漸減小。

圖5 安徽省冬小麥生育期標準化前期降水蒸散指數(shù)(SAPEI)累年平均值空間分布Fig.5 Spatial distribution of annual mean of standardized antecedent precipitation evapotranspiration index(SAPEI)for winter wheat whole development stage in Anhui Province

3 結論與討論

本文選取南北過渡帶、旱地水田過渡區(qū)域的安徽省為代表區(qū)域,通過對前期降水蒸散差值加權累計量(APEI)序列進行三參數(shù)log-Logistic概率分布擬合及正態(tài)標準化處理,構建日尺度的標準化前期降水蒸散指數(shù)(SAPEI),并驗證其在安徽不同干濕性區(qū)域的適用性。研究表明：分別代表沿淮淮北、江淮之間、沿江江南不同干濕性氣候區(qū)的3個代表站點的APEI序列數(shù)據(jù),符合三參數(shù)log- Logistic概率分布,經(jīng)正態(tài)標準化處理后SAPEI時間序列值為鋸齒狀曲線,分別在有降水時出現(xiàn)陡升、在無降水時緩慢下降,其刻畫出的旱澇演變趨勢、旱澇等級均與土壤水分監(jiān)測數(shù)據(jù)有很好的吻合性與同步性。以小麥全生育期SAPEI旱澇積指數(shù)來表示旱澇強度指標,其累年平均值與安徽省農(nóng)業(yè)旱澇氣候態(tài)空間分布型一致[23-24]。全生育期 SAPEI均值的累年平均值(ISAPEI)0值線沿江淮分水嶺偏北、大別山區(qū)東麓、南麓走向,0值線以北、以西的負值、偏干區(qū)域,與安徽小麥主產(chǎn)區(qū)吻合。因此,日尺度的SAPEI適用于安徽不同區(qū)域的農(nóng)業(yè)旱澇實時監(jiān)測預報,且基于過程的SAPEI旱澇積指數(shù)在作物種植氣候干濕性、水分適宜性評價方面也有較強實用性。

1)與同類指數(shù)相比,SAPEI通過修改旬、月、季尺度降水蒸散序列值為日尺度的前期降水蒸散差值加權累計量,實現(xiàn)旱澇指數(shù)的時間降尺度處理,既保留了SPEI綜合溫度對旱澇影響及無量綱指數(shù)區(qū)域適用性強的優(yōu)點,又可反映降水發(fā)生時間、次數(shù)、日雨量大小對旱澇的影響,避免因降水移出統(tǒng)計窗口而導致的旱澇表征不合理情況,因而可以更真實地反映安徽不同干濕性區(qū)域的農(nóng)田水分供需引起的逐日旱澇變化,精準刻畫日尺度的旱澇急轉情況。

2)應用基于過程的SAPEI旱澇積指數(shù)進行農(nóng)業(yè)旱澇分布分析顯示,同一緯度水平下,基于標準化前期降水蒸散指數(shù)的冬小麥全生育期旱澇頻率(Fd、Fw)、累年平均旱澇積(Qdl、Qwl)及SAPEI累年平均值(ISAPEI)均在大別山區(qū)、皖南山區(qū)海拔高的區(qū)域、環(huán)巢湖區(qū)域出現(xiàn)低值或高值區(qū)域(圖4-圖5)。這些區(qū)域與安徽大到暴雨雨日、雨量的高低值落區(qū)[31]有很好的吻合性,這也表明SAPEI可以反映降水過程與時間分布對旱澇的影響,并可一定程度剔除極端強降水時的無效降水影響。而同類旬、月、季尺度指標CI、MA、SPEI指數(shù)因不能完全反映降水時間分布影響,旱澇南北緯向分布特征更為明顯,與區(qū)域與地形因素有關的旱澇特征被弱化或忽略?？梢?基于過程的SAPEI旱澇積指數(shù),可以更客觀、可靠地評價旱澇規(guī)律與風險分布。

3)文中進行 SAPEI與土壤相對濕度對比分析時,SAPEI表現(xiàn)出缺水時的旱情重于土壤相對濕度,而田間有積水時的漬澇程度重于土壤相對濕度的兩極化現(xiàn)象。這里有土壤墑情普查點人為干預的影響原因,也有SAPEI指數(shù)設置時,日降水量數(shù)據(jù)未做有效降水量處理直接參與APEI計算的原因。另一方面,旱澇風險還與旱澇災害所處作物生育期、持續(xù)時間長短有關。SAPEI應用于基于過程的農(nóng)業(yè)影響評估時,簡單以等權旱澇積來表示旱澇過程的綜合強度,具有一定局限性。因此,還有待結合其他有關研究與試驗,引進有效降水量或旱澇敏感性因子,從而構建半機理性的SAPEI旱澇指數(shù)與旱澇積指數(shù)。