日尺度標準化前期降水蒸散指數在大豆旱澇評估中的適用性分析

董秋婷,張淑杰,刁 軍 ,姜 珊,賀明慧,劉 敏,4

(1.遼寧省沈陽市渾南區氣象局,遼寧 沈陽 110180;2.中國氣象局沈陽大氣環境研究所/遼寧省農業氣象災害重點實驗室,遼寧 沈陽 110166;3.遼寧省沈陽市氣象局,遼寧 沈陽 110180;4.遼寧省鐵嶺市氣象局,遼寧 鐵嶺 112000)

旱澇災害是影響農業生產較為嚴重的氣象災害之一,具有影響范圍廣、發生頻率高、持續時間長、造成經濟損失大等特點[1]?！?020年全球糧食危機報告》指出干旱和洪澇等極端災害性天氣是影響糧食安全的重要驅動因素之一[2]。遼寧省位于我國東北地區,瀕臨黃海與渤海,受季風氣候影響降水時空分布不均,導致旱澇災害頻發,一年中常出現旱澇交替、旱澇并存的情況[3]。如2013年5月降水異常偏少,出現嚴重春旱,而7月降水異常偏多,省內出現旱轉澇的情況;2014年遼寧省發生夏秋連旱,農作物受災面積達195萬hm2,遼西及大連北部最為嚴重[4];2016年遼寧省共出現6次暴雨過程,造成農作物受災面積9.6萬hm2。因此,在氣候變化的背景下,加強旱澇災害監測預警是減少農業損失、保障糧食安全的重要而有效手段之一[5]。

旱澇指標是開展農業旱澇研究的基礎,目前常用的旱澇指標有綜合氣象干旱指數(Comprehensive meteorological drought index,CI)、帕爾默干旱指數(Palmer drought severity index,PDSI)、標準化降水指數(Standardized precipitation index,SPI)和標準化降水蒸散指數(Standardized precipitation-evapotranspiration index,SPEI)等。很多專家學者利用不同的旱澇指標對不同地區旱澇災害特征進行了分析研究,主要集中在旱澇災害時空演變特征[6]、旱澇強度與發生頻率[7-8]、旱澇災害風險區劃與評估[9-10]及對農作物的影響[11]等方面。由于SPEI指數融合了SPI與PDSI指數的優點,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的不足。近年來,國內外專家學者利用SPEI對各區域的適應性和應用做了相關研究工作。例如Vicente-Serrano等[12-14]利用SPEI指數同時考慮了降水和溫度的影響,發現全球7個氣候區SPEI指數序列與sc-PDSI指數在各時間尺度和不同地區具有較好的一致性,能夠較好地表征地表干濕變化特征,表明SPEI指數在全球變暖的背景下對旱澇災害的監測更為靈活和可靠。Sien等[15]利用SPEI指數對緬甸的干旱時空分布特征及對農作物的影響進行了研究,研究表明緬甸農業生態區干濕空間分布不均勻,且在不同時間尺度上存在差異。Dukat等[16]利用SPI和SPEI指數估算了1951—2015年中緯度歐洲干旱發生的嚴重程度和變化趨勢,研究發現歐洲出現的干旱的嚴重程度、頻率和長度均在增加。我國學者利用SPEI指數對不同氣候區開展相關研究工作,發現SPEI指數在東北、西北、華北和華南等我國大部分地區都具有很好的適用性[17-21]。綜合目前國內外關于SPEI指數在世界及中國不同地區適用性的研究發現,主要集中于月、季時間尺度來評估旱澇狀況,容易忽略掉一些短時間突發的旱澇災害,出現低估或無法識別旱澇災害的情況[22-24],不能真實有效地反映農田旱澇的變化,為了更準確地識別日時間尺度的旱澇發生情況,很多學者對SPEI指數進行改進和優化[5,24],將其定義為日尺度標準化前期降水蒸散指數(Standardized antecedent precipitation evapotranspiration index,SAPEI),在西南地區[25]和江淮地區[5,24]進行了適用性分析,該指數在遼寧地區的適應性有待于進一步評估驗證。由于SAPEI指數是由標準化降水蒸散指數(SPEI)改進而來[5,12],優點主要有:①考慮了農田前期土壤水分變化和降水量對旱澇災害的影響;②優化了作物不同發育期的需水特征;③能夠實現對農田日尺度旱澇變化情況的監測[5,24-25]。因此,本文引入日尺度標準化前期降水蒸散指數對遼寧大豆旱澇發生情況進行識別判斷,利用SAPEI指數選擇典型年對日尺度旱澇過程進行識別驗證,提出大豆旱澇過程識別方法,同時采用旱積指數和漬積指數分別從干旱過程和漬澇過程進一步驗證該指數在遼寧省大豆農田旱澇監測評估中的可行性和適用性,以期為遼寧省旱澇預測預警和防災減災提供科學依據。

1 資料與方法

1.1 研究區概況

遼寧省位于東北地區南部,地處38°43′～43°29′N和118°50′～125°47′E之間,南鄰黃、渤二海。遼寧省地勢自東、西、北三面向中部和南部傾斜,東西兩側為丘陵山地,中部為自東北向西南傾斜的遼河平原,具有山、平、洼等多種多樣的地勢類型。遼寧省地處中緯度,屬溫帶大陸性季風氣候,年降水量為400～1 100 mm,主要集中在夏季,受地理位置和季風影響,降水時空分布不均,局地、短時強降水時有發生,且年際間差異大,以致旱澇災害頻發[1,3]。遼寧省是我國重要的商品糧生產基地,是東北春大豆種植區的最南端,生育期長,積溫高,光、熱、水等氣候資源優越,具有較高的大豆生產潛力區。

1.2 數據來源

本研究所用資料為遼寧地區51個氣象站1961—2020年的日平均氣溫、日最高氣溫、日最低氣溫、日降水量、日日照時數、日水汽壓、日平均風速資料以及新民、海城、錦州和昌圖4個農業氣象觀測站的大豆發育期資料。土壤水分數據來源于遼寧省各觀測站土壤墑情觀測數據。

1.3 日尺度標準化前期降水蒸散指數(SAPEI)

日尺度標準化前期降水蒸散指數(SAPEI)[5]既考慮了前期土壤中水分的影響,又能反映出日降水量和降水時間對當日旱澇的影響,該指數可以用于日尺度對旱澇的監測。

SAPEI指數的計算過程如下:

(1)日農田水分收支量(ΔW)計算。根據土壤水分平衡方程,在忽略灌溉、地表徑流和地下水的情況下,可簡化為:

ΔW=P-ETc

(1)

ETc=KcET0

(2)

式中,P為降水量;ETc為作物需水量;ET0為參考作物蒸散量,利用聯合國糧農組織(FAO 1998)推薦的Penman-Monteith公式計算而得;Kc為作物系數,采用單作物系數法計算[26],Kc-ini、Kc-mid、Kc-end,即大豆出苗～分枝期、分枝～鼓粒期、鼓?！墒炱诜謩e取0.40、1.15、0.55。

(2)考慮農田日水分供應能力與前期農田水分狀況有關,計算前期累積降水與蒸散差值指數(Antecedent precipitation evapotranspiration index,APEI)[5]:

(3)

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

(3)對APEI構成的數據序列進行標準化,并采用三參數的log-Logistic概率分布F(x)進行正態化擬合。得到對應的F(x)日值。

(4)

式中:

(5)

(6)

γ=w0-αΓ(1+1/β)Γ(1-1/β)

(7)

(8)

式中,ws為概率權重矩,s=0,1,2;l為x按升序排列的序數;Γ為Gamma函數。

(4)對累積概率進行標準化,進而求得標準化變量SAPEI值。

P=1-F(x)

(9)

當累積概率P≤0.5時,概率加權矩

(10)

當累積概率P>0.5時,概率加權矩

(11)

式中,常數c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。

1.4 旱澇等級劃分

SAPEI指數等級分類標準綜合參照SAPEI及SPEI有關文獻[5,17]。各等級旱澇等級標準、數值范圍及理論累積概率、土壤相對濕度閾值如表1所示。

1.5 SAPEI指數農業旱澇適用性評價

作物全生育期的干旱強度與干旱所處階段、發生次數及持續時間有關。因此,使用基于干旱過程的旱積指數(Qd)來表示[5],即:

(12)

式中,n為干旱過程數;m為某一次干旱過程持續天數;SAPEIj為第j天SAPEI值;SAPEId0為干旱發生界限值,為-0.5。

同理,漬積指數Qw可表示為:

(13)

式中,SAPEIw0為澇漬害發生界限值,為0.5。

2 結果與分析

2.1 SAPEI模型檢驗

SAPEI是基于假設某一時間尺度的前期累積降水與蒸散差值指數(APEI)序列服從log-Logistic概率分布。因此,當日尺度APEI序列的經驗概率分布與log-Logistic理論概率分布曲線大致相似時,即認為日尺度SAPEI分析適用于該序列[5]。為檢驗日尺度SAPEI在遼寧地區的適應性,將日尺度APEI序列的經驗概率分布與三參數log-Logistic理論概率F(x)分布進行對比分析。綜合考慮遼寧省氣候區劃和大豆種植分布的情況,選取了新民、海城、錦州和昌圖4個大豆主產區站點作為驗證代表站(圖1)。從圖1可以看出,不同區域代表站點的APEI序列的log-Logistic理論概率F(x)與經驗概率分布曲線重合度較高,變化趨勢比較一致,說明日尺度APEI序列服從log-Logistic理論概率分布。因此,SAPEI能夠表征遼寧省大豆農田由降水和蒸散盈虧引起的旱澇狀況。

圖1 代表站APEI序列經驗概率與log-Logistic理論概率分布對比Fig.1 Comparison between log-Logistic distribution and the empirical probability distribution for APEI series in representative stations

2.2 SAPEI對旱澇過程的描述能力

據《中國氣象災害年鑒》及相關部門統計分析,2014年遼寧省發生大旱,農作物受災面積達195萬hm2,干枯和重旱面積125萬hm2,糧食因災減產500萬t左右[3-4]。因此,分別對新民、海城、錦州和昌圖4個大豆主產區代表站2014年SAPEI逐日變化及降水的動態響應情況進行分析(圖2)。2014年進入春季后,持續無降水,出現春旱,旱情一直持續到4月下旬,SAPEI值持續降低反映了旱情的發展與持續。進入6月份,降水量增多,SAPEI值逐漸回升,并出現短期澇情。7月中下旬持續無有效降水并伴隨高溫天氣,大豆進入開花結莢期,需水量增大,SAPEI值迅速而持續下降。隨著8月下旬降雨再次增多,SAPEI值的旱澇等級也相應提升,9月份旱情得到有效緩解并解除。結果表明,4個代表站在無降水或降水持續偏少時,SAPEI呈現平滑而緩慢的下降趨勢,并沒有出現CI、SPI等指標用于監測逐日干旱時常出現的“不合理干旱加劇”的問題[7,27];在出現降水時,SAPEI能夠及時響應與降水量增加相匹配,反映降水對旱情的緩解作用?？梢?SAPEI曲線呈現典型的“鋸齒型”波動特征,能夠精細的刻畫旱澇情況發生、發展、持續和結束過程。

圖2 遼寧省4個代表站點2014年4—9月SAPEI對降水的響應Fig.2 Response of SAPEI to rainfall at representative stations for 4 representative stations from Apr. to Sept. 2014 in Liaoning Province

進一步對比分析了2014年8月8日、9月3日旱情明顯緩解前后的土壤墑情數據與SAPEI數據旱澇空間分布情況。結果顯示:8月8日土壤相對濕度與SAPEI指數在遼西和遼中地區均顯示出現了不同程度旱情,遼東地區無旱情或輕度澇漬害。9月3日二者監測數據均顯示出遼西和遼中地區旱情得到明顯緩解或解除,遼南地區出現輕度澇漬,遼東地區澇漬范圍明顯擴大(圖3)。因此,應用SAPEI對農田旱澇監測,能夠較為真實地反映農田的旱澇變化特征。從二者對比來看,在水分缺少的情況下,SAPEI監測的干旱情況重于實際土壤墑情,可見SAPEI數據監測結果偏干;在水分有盈余的情況下,除遼寧北部外,SAPEI監測的澇漬情況輕于實際土壤墑情,SAPEI數據監測結果偏干。SAPEI數據結果偏干,主要是由于在土壤墑情觀測的農田存在人為干預的可能性,不能排除在出現干旱時前期進行灌溉;而在設計SAPEI指數時,日降水量中未剔除徑流參數。

2.3 SAPEI指數監測大豆旱澇的適用性分析

利用SAPEI指數,計算60年(1961—2020年)遼寧省51個站大豆全生育期(4月27日—9月24日)旱積指數Qd累年平均值、干旱發生頻率,漬積指數Qw累年平均值、澇漬發生頻率。結果表明,旱積指數Qd絕對值總體呈現北高東低的分布特征,變化幅度為-45.40～-14.64,即遼北地區干旱重于遼東地區,其中遼北地區旱積指數范圍在-45.40～-34.09之間,遼東地區旱積指數范圍在-27.75～-14.64之間(圖4a)。干旱發生頻率全省范圍在14.15%～30.87%之間,其中遼北地區最高,遼西次之,遼南和遼東地區最小(圖4b)。漬積指數Qw變化幅度為53.02～70.97,呈現東高北低分布,即漬害遼東地區重于遼北地區(圖4c);澇漬發生頻率范圍在44.09%～63.07%之間,遼西北地區低于遼東地區(圖4d)。

3 討 論

本文以優化后的SAPEI指數作為遼寧地區大豆農田旱澇監測指標,該指標充分考慮了前期農田水分收支影響,并解決了大部分旱澇指標時效性不高的問題,實現了旱澇逐日監測,時效性與精細化水平得到提升。通過選取典型干旱年識別驗證,發現逐日大豆旱澇監測與實際土壤墑情及典型年旱澇災情信息記載的旱澇等級一致性程度較高,具有很好的區域適用性,與葛東[19]、王曉丹[22]、沈國強[28]等的研究結果一致,充分說明其在遼寧乃至東北地區的適用性。

有學者[19-20,29]在對我國北方地區各類干旱指數適用性分析中研究發現,干旱災害時間尺度靈活,因而同一種干旱指數,時間尺度的不同也會產生較大的差異。曹永強等[17]利用多時間尺度SPEI指數研究遼寧省旱澇特征發現,年值SPEI旱澇變化穩定、周期性明顯,季值、月值SPEI波動變化大,能夠反映短期旱澇特征;沈國強等[28]利用月值SPEI指數監測東北地區干旱,認為東北地區干旱在降水充足的夏季反而干旱更為普遍、更加嚴重;王曉丹等[22]使用日值SPEI監測干旱發現東北地區西部干旱持續時間長強度高,東部時間短強度低;也有部分專家[7-8,27]指出利用季、月值SPEI監測干旱時因只考慮累計降水而忽視當前降水,容易出現“不合理旱情加劇”而旱澇表征不合理等問題。而在SPEI基礎上優化后的SAPEI做為旱澇監測指標[5],充分考慮了前期農田水分平衡和當日的干濕狀況[24-25],避免了無法有效監測旱澇事件和時效性不高的問題[30]。本文利用SAPEI指數對2014年大豆生長季逐日旱澇過程進行評估時,發現該指數能較為準確地獲取站點旱澇災害開始和結束的時間,確定旱澇災害的持續時長,可以簡單評估災害過程總體發生程度以及旱澇災害過程變化趨勢(加重或緩解),尤其在評估跨月旱澇災害過程時,與月、年等旱澇評估指標相比,在評估效果和準確性方面有明顯的優勢。SAPEI指數既可以反映降水時間、次數、日雨量對農田旱澇的影響,又能夠體現無量綱SAPEI指數具有較好的區域適應性的優點。因此,SAPEI指數能夠真實有效地監測遼寧不同干濕區域農田水分變化而引起的農田旱澇變化,實現農田日尺度干旱過程、澇漬過程和旱澇急轉的識別。

在進行逐日SAPEI與實際土壤相對濕度監測的旱澇等級對比分析時,發現總體一致性較好,但部分地區出現了SAPEI監測的干旱程度重于實際土壤墑情的情況,即表現為缺水時旱情偏重,SAPEI數據結果偏干的現象。陳金華[5]、王曉東[24]等研究發現了安徽省、江淮流域的逐日農田SAPEI旱情監測結果普遍重于土壤相對濕度的情況。其一方面是由于土壤墑情觀測的農田有人為干預的因素,另一方面也存在設計SAPEI指數時,對日降水量未做有效降水量處理而直接參與計算的原因,同時也未考慮土壤持水能力[29]。另外,旱澇風險程度與旱澇災害發生時所處作物生育期、旱澇持續時間長短等有關。應用SAPEI指數對農田旱澇影響進行評估時,簡單以旱澇積指數來表示旱澇過程的綜合強度,具有一定的局限性。因此,需要從機理方面進一步完善SAPEI指數。

4 結 論

1)通過大豆主產區4個站點概率曲線對比,基于三參數log-Logistic概率分布的擬合方法計算的SAPEI指數適用于遼寧地區,SAPEI指數能夠表征遼寧省大豆農田由降水蒸散盈虧引起的旱澇狀況。

2)典型站點SAPEI指數時間序列曲線呈現典型的“鋸齒型”波動特征,SAPEI指數能夠真實客觀地反映降水的出現對大豆農田干旱過程和漬澇過程的影響,能夠精細的刻畫旱澇發生、發展、持續、緩解和結束過程。2014年8月8日和9月3日SAPEI指數評估的遼寧地區旱澇等級與實際土壤墑情等級具有一致性和同步性,表明該指數能夠描述大豆生育期內旱澇變化過程。

3)基于SAPEI指數的大豆全生育期旱澇積指數計算結果顯示,旱積指數Qd變化幅度為-14.64～-45.40,遼北地區干旱重于遼東地區;干旱發生頻率范圍在14.15%～30.87%之間,其中遼北最高;漬積指數Qw變化幅度為53.02～70.97,漬害遼東地區重于遼北地區;澇漬發生頻率范圍在44.09%～63.07%之間,其中遼東最高。