20世紀以來全球氣象干旱時空變化研究

劉巧妙 李英杰 麻慶苗 繆紫露 喬家軒

摘 要：【目的】氣象干旱是四種干旱類型中最先發生的，探明氣象干旱發生的特征及規律對其他幾種類型干旱的早期預警和防災減災具有重要意義?！痉椒ā炕贑RU TS數據集中長系列氣象數據，采用標準化降雨蒸散發指數（SPEI）表征氣象干旱情勢，采用Mann-Kendall趨勢檢驗和最小二乘回歸分析法研究1901—2021年全球氣象干旱變化，并分析其時空變化特征，引入濕潤指數（HI）探究干濕狀況變化對干旱歷時的影響?！窘Y果】20世紀以來全球氣象干旱整體呈現加重趨勢，尤其是在2001年以后。全球大部分流域的平均干旱歷時在13至16個月之間，大部分流域的干旱持續時間沒有顯著變化?！窘Y論】流域尺度下的干旱歷時與區域干濕狀況密切相關，累計濕度越大，干旱持續時間越長。

關鍵詞：氣象干旱；累計濕度；流域；時空特征

中圖分類號：P426.616? ? 文獻標志碼：A? ? 文章編號：1003-5168（2024）04-0098-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.04.018

Research on the Temporal and Spatial Changes of Global

Meteorological Drought Since the 20th Century

LIU Qiaomiao? LI Yingjie? MA Qingmiao? MIAO Zilu? QIAO Jiaxuan

（School of Geography， Geomatics and Planning， Jiangsu Normal University， Xuzhou 221116， China）

Abstract： [Purposes] Meteorological drought firstly occurs of the four types of drought， and exploring the characteristics and laws of meteorological drought is of great significance for early warning， disaster prevention and mitigation of other types of drought. [Methods] Based on the medium and long series of meteorological data of CRU TS dataset， this paper uses standardized rainfall evapotranspiration index （SPEI） to characterize meteorological drought situation， uses Mann-Kendall trend test and least squares regression analysis to study the global meteorological drought changes from 1901 to 2021， analyzes their spatiotemporal variation characteristics， and introduces wetness index （HI） to explore the influence of dry and wet conditions on drought duration. [Findings] Since the 20th century， the global meteorological drought has shown an overall aggravation trend， especially after 2001. The average drought duration of most river basins in the world is between 13～16 months， and the duration of drought in most river basins has not changed significantly. [Conclusions] The duration of drought at the basin scale is closely related to regional dry and wet conditions. The greater the accumulated humidity， the longer the drought lasts.

Keywords： meteorological drought; accumulated humidity; drainage basin; temporal-spatial characteristics

0 引言

干旱是指在某個區域、一段時間內水分供給相對不足的一種自然現象。干旱的發生會對農作物生長、人類生產生活和自然環境造成影響，有研究表明干旱造成的經濟損失約占各種自然災害總損失的35%［1］。根據研究對象和目的不同，通?？梢园迅珊捣譃樗姆N類型［2-4］：氣象干旱、農業干旱、水文干旱和社會經濟干旱。干旱在世界范圍內普遍存在［5］，且過程十分復雜，具有發生頻率高、范圍廣、歷時長、發生相對緩慢等特點，在災前沒有明顯的預兆，會通過影響牲畜、水資源、衛生間接影響人類社會經濟［5］。在全球變暖的背景下，干旱影響還在進一步加劇，極端干旱事件出現頻率增高［6-7］，干旱研究已經成為世界普遍關注的課題。

氣象干旱主要表現為一段時間內由于蒸發量和降水量的收支不平衡，水分支出大于水分收入而造成的水分短缺現象。氣象干旱主要與降水和氣溫兩大氣象因子直接相關。農業干旱是指在作物生育期內，由于土壤水分持續不足而造成的作物體內水分虧缺。水文干旱是指河川徑流、水庫蓄水、湖水和地下水等水資源量持續性地低于其常年均值的現象。社會經濟干旱則是指當水分供需不平衡，水分供給量小于需求量時，生產、消費等正常社會經濟活動受到水分制約影響的現象。四種類型的干旱相互聯系、相互區別，其中氣象干旱是其他幾種類型干旱發生和發展的基礎［8］。

在干旱研究過程中，首要問題就是干旱的識別。由于干旱具有隨機性、不確定性、動態性等多維特征，干旱的度量是比較困難的，其發生發展乃至結束時間是模糊不清的。由于干旱的復雜性與差異性，客觀判斷和評估干旱事件的時空分布特征至關重要。通常，干旱采用嚴重程度、持續時間和影響面積等三維特征進行衡量。因此，一次干旱事件可采用干旱嚴重程度、持續時間和影響面積等特征變量進行量化表征。目前干旱研究大多通過干旱指數的計算分析，以達到對不同時間尺度的干旱進行監測和評價的目的。一般先通過構建某一干旱指數進行干旱識別，再依據干旱指數的閾值水平劃分確定干旱事件的起止時間、持續時間、干旱強度、干旱面積等特征變量［9-10］，進而準確反映干旱事件的特征及其影響。目前，國內外尚沒有統一的干旱指數能適用于廣泛的干旱研究，因此，干旱指數的確定一直是干旱研究的難點和熱點問題。

為解決上述問題，近年來，部分國內外學者聚焦干旱事件識別與特征定量化研究，取得了一定的進展。Mishra等［11］使用站點記錄的月降雨數據構建標準化降雨指數（Standardized Precipitation Index，SPI）識別并評估了1965—2001年印度堪薩巴蒂河流域的氣象干旱嚴重程度。Ullah等［12］使用CMIP6數據預測南亞地區在1.5 ℃和2 ℃變暖下干旱風險變化，結果表明南亞西南地區的干旱風險將增加，將全球變暖控制在1.5 ℃下比控制在2 ℃之下能顯著減少南亞地區干旱風險。Chen等［13］使用CMI6數據計算SPEI指數，預測了1961—2000年、2021—2060年及2061—2100年的干濕頻率、持續時間和嚴重程度，結果表明中國西北地區將呈現干旱趨勢，而在2021—2100年中國的其他地區呈現濕潤趨勢。Guo等［14］使用CMIP6數據計算標準化蒸散發指數預測中亞未來干旱特征變化，結果表明在即將到來的2021—2050年，中亞將發生更多持續時間更長但是強度更低的干旱事件。Salehie等［15］使用CMIP6，采用標準化降雨蒸散發指數評估了2020—2059和2060—2099年阿姆河流域干旱特征變化，結果表明，未來該流域所有干旱的增加幾乎都集中在流域中部和西北部，整體上干旱將從東部往西北部轉移。

隨著氣候變化和人類活動的不斷加劇，全球干旱事件呈現加劇的趨勢，干旱時空特征日趨復雜。因此，本研究基于游程算法識別全球225個流域1901—2021年間的干旱事件，對干旱事件歷時、嚴重度、烈度等特征進行分析，定量化研究各個流域干旱事件的變化趨勢，以期為全球干旱風險管理和干旱預警提供科學參考。

1 數據和方法

1.1 數據

1.1.1 氣候數據集。CRU TS（Climatic Research Unit gridded Time Series）是目前使用最廣泛的氣候數據集之一［16-18］，由英國國家大氣科學中心（the UK National Centre for Atmospheric Science，NCAS）制作。目前，CRU TS Version 4.07提供全球1901—2021年覆蓋陸地表面的0.5°×0.5°分辨率的10套氣候數據。該數據集，使用來自氣象局和其他外部代理的每日或亞日數據計算得到月觀測數據，在此基礎上使用角距離加權插值生產得到月度網格化數據，涵蓋了溫度（平均值、最小值、最大值和晝夜溫差）、降水量（總量，雨天數）、潛在蒸散發和云量等。CRU數據集經過了嚴格的時均一性檢驗，具有時間尺度長、分辨率高等優點，已被廣泛應用于氣候變化研究。

1.1.2 全球流域邊界數據。全球流域邊界數據是在HydroSHEDS產品和HYDRO1k產品的基礎上生產而來的，由聯合國糧食及農業組織（AQUASTAT）發布。HydroSHEDS是世界野生動物基金會開發的制圖產品，其原始數據是NASA航天飛機雷達地形任務（SRTM）獲取的高程數據，SRTM提供了全球南緯60°到北緯60°之間的高程數據，分辨率為15弧秒。北緯60°以上的部分由HYDRO1k數據（原始數據為USGS世界30弧秒高程模型，GTOPO30）補充。全球流域邊界數據提供了流域編碼、流域名稱和流域面積信息。

1.2 方法

1.2.1 標準化降雨蒸散發指數Spei。Spei是在標準化降水指數（SPI）基礎上發展起來的主流干旱指數，繼承了SPI資料容易獲取、計算相對簡單、適于多時空尺度計算比較等優點。不同之處在于，SPI以降水量為氣象干旱唯一考慮要素，而Spei考慮水分平衡對氣象干旱的影響，用降水量和潛在蒸散發量的差值偏離程度來表征干濕狀態。

Spei的構建步驟如下。

對于樣本數為n年的逐月降水序列[{Pi，i=1，2，…，12n}]和潛在蒸散發序列[{Ei，i=1，2，…，12n}]，構建水分虧缺序列[{xi=Pi-Ei，i=1，2，…，12n}]；指定時間尺度為w個月時，計算w個月的水分盈虧累積序列[{xwi，i=1，2，…，12n-w+1}]，按照[xwi]所在月份m重新將其排列組合得到12個子序列[{xmwt，t=1，2，…，n}]；選用合適的概率分布擬合各個子序列[xmwt]，進一步計算相應累積概率[Fx]。本研究選用三參數Log-logistic概率分布來擬合水分盈虧序列，將[Fx]通過式（1）、式（2）轉換為標準正態分布函數，即可求得Spei。

[Spei=W-C0+C1+C2W21+d1W+d2W2+d3W3] （1）

[W=-2lnP，P≤0.5] （2）

式中：[P=1-F（x）]，如果[P>0.5]，用[1-P]代替[P]，并相應改變Spei的符號。[C0]、[C1]、[C2]、[d1]、[d2]、[d3]均為常數，取值分別為2.515 517、0.802 853、0.010 328、1.432 788、0.189 269和0.001 308。[W]為構造的一個指數。

本研究使用R包［19］計算[Spei]。

1.2.2 濕潤指數HI。HI是表示氣候濕潤程度的指標，可以客觀反映這一區域水熱收支情況［20］。HI通常用地面水分的收入量與支出量的比值表示，比值越大，表明氣候越濕潤；比值越小，則氣候越干燥。

1.2.3 干旱事件識別和特征。Yevjevich首次將游程理論應用于干旱研究中，通過干旱強度指標識別干旱起始和結束時間從而提取干旱事件，此后游程理論在干旱研究中被廣泛應用。首先需要根據干旱指數確定干旱強度K（K=Spei），其次確定干旱事件識別強度K0，當K>K0時，出現正游程，反之則為負游程，最后求得干旱事件發生次數及每次干旱事件的起始和結束時間。根據干旱等級劃分標準，設定不同的K0可以識別不同強度的干旱事件。此外，游程算法可以通過限定干旱持續時間來篩選干旱事件。為降低數據噪聲，同時考慮到持續低強度干旱會對農糧業和自然環境產生較大影響［21-22］，參照前人研究內容［23-24］，本研究中將至少三個月的連續負Spei定義為干旱事件。

在成功識別干旱事件后，需要從不同的干旱特征角度來進行分析，常見的干旱特征包括干旱持續時間（DD）、干旱強度（DI）、干旱頻率（F）、干旱嚴重程度（DS）、干旱面積（DA）。DD是干旱開始時間（DIT）和結束時間（DTT）之間的月份數。DS是干旱事件期間SPEI值的正總和。DI是干旱持續時間內SPEI值的平均值。DA是發生干旱的面積范圍。

1.2.4 Mann-Kendall趨勢檢驗。Mann-Kendall趨勢檢驗由曼恩和肯德爾共同開發［25-26］，是氣象學中廣泛使用的一種非參數趨勢顯著性檢驗方法，對異常值敏感性低。該方法可用于分析中心趨勢不穩定的時間序列，基于數據的秩，而不是數據本身。Mann-Kendall趨勢檢驗適用于分析持續增長或下降趨勢（單調趨勢）的時間序列數據。適用于所有的分布（即數據不需要滿足正態分布的假設），但數據應該沒有序列相關性。如果數據具有序列相關性，則會在顯著性水平（p值）上產生影響。本研究使用pyMannKendall包［27］進行Mann-Kendall趨勢檢驗，從而確定斜率的顯著性。

1.2.5 最小二乘回歸分析。最小二乘回歸分析的核心理論是均方誤差最小化，主要思想是選擇未知參數使得理論值與觀測值之差的平方和達到最小。在線性回歸中，最小二乘法就是找到一條直線，使所有樣本到直線上的歐氏距離之和最小。本研究使用最小二乘回歸分析濕潤指數和干旱持續時間的相關性。

2 結果與分析

2.1 氣象要素時空特征分析

統計流域范圍內的平均降水量和潛在蒸散發量，結果顯示，全球大部分流域的降水呈現增加趨勢，蒸散發呈現減少趨勢。從聚集程度上看，北美洲東部和歐洲北部流域的降水呈顯著增加趨勢（增加幅度為0.02 mm/月），潛在蒸散發呈不顯著減少趨勢。非洲除了東非大裂谷附近和非洲西側沿岸的部分流域，其他地區降水均呈現減少趨勢，非洲中部的潛在蒸散發呈現減少趨勢，非洲北部的潛在蒸散發呈現顯著增加趨勢。南美洲西側沿岸的降水呈現減少趨勢，下降幅度最大達到0.01mm/月，南美洲西側沿岸和南側的潛在蒸散發呈現減少趨勢，其余大部分地區呈現顯著增加趨勢。澳大利亞大部分地區的降水呈現增加趨勢，西側和南側沿岸的潛在蒸散發呈現增加趨勢，其余地區潛在蒸散發呈現減少趨勢。

2.2 氣象干旱時空特征分析

2.2.1 全球尺度氣象干旱時空演變特征。標準化降水蒸散發指數（SPEI）可以計算表征多種時間尺度的干濕狀態。SPEI-1反映短期水分盈缺情況；SPEI-3則考慮了前期降水、氣溫因素的影響，能夠反映季節尺度上水分盈虧的變化情況，常用于農業干旱的研究；SPEI-12往往用于研究氣象干旱的年際變化趨勢。本研究計算了SPEI-1、SPEI-3、SPEI-12三個時間尺度的SPEI指數，對1901—2021年全球整體氣象干旱情況進行分析，結果如圖1所示。

從時間尺度對比來看，時間尺度越小，干濕交替越頻繁，SPEI-12能夠識別較連續的干旱和濕潤事件。從年際變化結果可以知道，1950—2000年降水偏多、干旱年份相對較少，2001年以后全球干旱年份和干旱強度明顯增加。從變化率來看，SPEI-1、SPEI-3、SPEI-12均以0.000 1/a的速率呈現下降趨勢，表明近年來全球趨于干旱。其中全球最嚴重的一場干旱發生在2021年7月左右，全球受災面積達9 178萬km2，北亞、中亞、西亞、中國新疆、南美洲、非洲北部、美國西部、格陵蘭島北部均受到影響。

根據三個時間尺度的SPEI指數結果，1901—2021年全球干旱狀態可以分為四個時期，本研究計算了這四個時期的干旱頻率。結果表明，1901—1925年和1951—2000年全球處于較為濕潤狀態，1926—1950年全球較為干旱，2001—2021年全球干旱頻率最嚴重。

2.2.2 全球干旱事件識別。為更好地研究全球氣象干旱的時空變化，有必要對全球不同地區的氣象干旱情況進行分析。因此，本研究以SPEI-12為氣象干旱指標，使用聯合國糧食及農業組織、糧農組織土地和水利司發布的世界主要水文流域數據對全球區域進行劃分，最終對全球225個流域分別進行干旱事件識別（南極洲等缺少降雨或潛在蒸散發數據的地區不參與統計）。結果顯示，全球大部分流域的平均干旱歷時在13至16個月之間，最長的干旱歷時為29個月。1901—2021年全球發生氣象干旱事件次數最少的是亞馬孫流域、阿拉伯半島和非洲北部內陸，發生了23次，其中亞馬孫流域干旱歷時最長（平均每次28.8月）、非洲北部內陸干旱歷時最短（平均每次24.2月）。發生干旱次數最多的是新西蘭，發生了70次干旱事件，平均干旱歷時8.7個月。此外，本研究還統計了各個流域的氣象干旱強度變化趨勢，結果表明全球133個流域氣象干旱強度呈現下降趨勢，占流域總面積的58%，其中115個流域顯著下降，占流域總面積的49%；92個流域氣象干旱強度呈現上升趨勢，其中61個流域呈現顯著上升趨勢，占流域總面積的27%。

2.3 干旱持續時間與濕潤指數之間的聯系

氣象干旱的發生過程受到自然、社會等多種因素的共同影響，其中氣象因素的影響最直接，其通過影響降水、蒸散發的變化影響氣象干旱持續時間。本研究依據提取的干旱事件分別研究各個流域干旱持續時間的變化。結果表明，全球大部分流域的干旱持續時間變化不顯著，北非沿岸、西亞和中亞地區部分流域干旱持續時間呈現顯著增加趨勢，但是增加幅度不明顯。

使用CRU數據集分別統計225個流域每個月的降水量均值和蒸散發均值序列，計算得到每次干旱事件對應的累計濕度。累計濕度是每次干旱事件中累計降水量和累計蒸散發的比值。流域干旱持續時間與累計濕度的相關性見表1。由表1可知，有197個流域干旱持續時間與累計濕度的R?超過0.75，占流域總面積的88%；其中170個流域干旱持續時間與累計濕度呈現明顯相關性，R?超過0.9，占流域總面積的80%；還有28個流域干旱持續時間與累計濕度沒有表現出明顯的相關性，這些流域大多位于北亞、中亞、南亞及歐洲地區。

3 結論和討論

本研究分析1901—2021年全球氣象干旱時空變化特征，以流域為尺度識別并提取干旱事件，探討流域干濕狀況對干旱持續時間的影響，主要結論如下。

①時間尺度越小，干濕交替最頻繁，SPEI-12能夠識別較連續的干旱和濕潤事件。從年際變化結果可知，全球氣象干旱均呈加重趨勢，2001年以后全球干旱頻率和干旱強度明顯增加。

②全球大部分流域的平均干旱歷時在13至16個月之間，最長的干旱歷時為29個月。大部分流域的干旱歷時變化不顯著，北非沿岸、西亞和中亞地區部分流域干旱持續時間呈現顯著增加趨勢，但是增加幅度不明顯。

③流域尺度下的干旱歷時與區域干濕狀況密切相關。累計濕度越大，干旱持續越久。88%的流域干旱歷時與累計濕度的相關性R?超過0.9。干旱歷時受氣候因子和人類活動雙重驅動的影響。氣候因子包括氣候平均條件（或整體干濕狀況）、氣候季節性、氣象變量異常（主要為氣溫升高、降水減少）等，可以通過改變水汽輸送和陸地水儲量系統影響水文循環過程，進而影響干旱發生過程［28］。而人類活動包括水庫調度、農業灌溉、跨流域調水、地下水開采和回補、水土保持、生態修復、城市化等，會顯著改變區域干濕分布，進而改變干旱持續時間［29-30］。本研究僅對氣候干濕狀況影響下的干旱歷時特征進行了分析，今后還需要進一步定量研究其他驅動因素對干旱歷時的作用機制。

參考文獻：

［1］王英，遲道才.干旱指標研究與進展［J］.科技創新導報，2009（35）：72，74.

［2］馮平.干旱災害的識別途徑［J］.自然災害學報，1997（3）：43-49.

［3］胡彩虹，王金星，王藝璇，等.水文干旱指標研究進展綜述［J］.人民長江，2013，44（7）：11-15.

［4］顧孝天，李寧.干旱災害類型研究［C］//中國災害防御協會風險分析專業委員會.風險分析和危機反應的創新理論和方法：中國災害防御協會風險分析專業委員會第五屆年會論文集.北京師范大學地表過程與資源生態國家重點實驗室;北京師范大學環境演變與自然災害教育部重點實驗室，2012：6.

［5］趙麗，馮寶平，張書花.國內外干旱及干旱指標研究進展［J］.江蘇農業科學，2012，40（8）：345-348.

［6］AR4 Climate Change 2007： The Physical Science Basis — IPCC［EB/OL］. ［2023-03-23］. https：//www.ipcc.ch/report/ar4/wg1/.

［7］INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE. Climate Change 2013 — The Physical Science Basis： Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change［M］.Cambridge： Cambridge University Press，2014.

［8］汪洋，雷添杰，程慧，等.干旱類型轉化機理及預警體系框架研究［J］.水利水電技術，2020，51（4）：38-46.

［9］DRACUP J A， LEE K S， PAULSON J E. On the definition of droughts［J］. Water Resources Research， 1980， 16（2）：297-302.

［10］MISHRA A K， SINGH V P. Drought modeling-a review［J］. Journal of Hydrology， 2011， 403（1）：157-175.

［11］MISHRA A K， DESAI V R. Spatial and temporal drought analysis in the Krishna river basin of Maharashtra， India［J］. Cogent Engineering， 2016， 3（1）：1185926.

［12］ULLAH I， MA X， ASFAW T G， et al. Projected changes in increased drought risks over South Asia under a warmer climate［J］. Earth's Future， 2022， 10（10）.

［13］CHEN X， LI Y， YAO N， et al. Projected dry/wet regimes in China using SPEI under four SSP‐RCPs based on statistically downscaled CMIP6 data［J］. International Journal of Climatology， 2022， 42： 9357-9384.

［14］GUO H， HE S F， LI M， et al. Future changes of drought characteristics in Coupled Model Intercomparison Project phase 6 Shared Socioeconomic Pathway scenarios over Central Asia［J］. International Journal of Climatology， 2022， 42： 3888-3908.

［15］SALEHIE O， HAMED M， ISMAIL T， et al. Projection of droughts in Amu river basin for shared socioeconomic pathways CMIP6［J］. Theoretical and Applied Climatology， 2022， 149（3-4）： 1009-1027.

［16］ARNELL N W， LLOYD-HUGHES B. The global-scale impacts of climate change on water resources and flooding under new climate and socio-economic scenarios［J］. Climatic Change， 2014， 122（1-2）： 127-140.

［17］COOK E R， SEAGER R， KUSHNIR Y， et al. Old World megadroughts and pluvials during the Common Era［J］. Science Advances，? 2015（1）： 1-9.

［18］HARRIS I， OSBORN T J， JONES P， et al. Version 4 of the CRU TS monthly high-resolution gridded multivariate climate dataset［J］. Scientific Data， 2020， 7（1）： 109.

［19］BEGUER?A S. sbegueria/SPEIbase： Version 2.5.1［CP/OL］. Zenodo， 2017［2023-06-26］. https：//zenodo.org/record/834462.

［20］黃小燕，張明軍，賈文雄，等.中國西北地區地表干濕變化及影響因素［J］.水科學進展，2011，22（2）：151-159.

［21］SHEFFIELD J，WOOD E F. Characteristics of global and regional drought， 1950—2000： Analysis of soil moisture data from off-line simulation of the terrestrial hydrologic cycle［J］. Journal of Geophysical Research， 2007， 112（D17）： D17115.

［22］VENTURAS D M， MACKINNON D E， DARIO H L， et al. Chaparral shrub hydraulic traits， size， and life history types relate to species mortality during california's historic drought of 2014.［J］. PLoS One， 2017， 11（7）：0159145.

［23］GUO H， BAO A， LIU T， et al. Spatial and temporal characteristics of droughts in Central Asia during 1966—2015［J］. The Science of the Total Environment， 2018， 624： 1523-1538.

［24］MCKEE T，DOESKEN N，KLEIST J.The relationship of drought Frequency and duration to time scales［C/OL］. ［2023-03-10］. https：//www.semanticscholar.org/paper/THE-RELATIONSH-IP-OF-DROUGHT-FREQUENCY-AND-DU

RATION-Mckee-Doesken/c3f7136d6cb726b295eb34565a8270177c57f40f.

［25］KENDALL M G .Maurice G. Rank Correlation methods［M］. New York： Oxford University Press， 1990.

［26］MANN H B. Nonparametric tests against trend［J］. Econometrica， 1945， 13（3）： 245-259.

［27］HUSSAIN M， MAHMUD I. Pymannkendall： a python package for non parametric mann kendall family of trend tests.［J］. Journal of Open Source Software， 2019， 4（39）：1556-1556.

［28］FOROOTAN E， KHAKI M， SCHUMACHER M， et al. Understanding the global hydrological droughts of 2003—2016 and their relationships with teleconnections［J］. Science of the Total Environment， 2018，650（P2）：2587-2604.

［29］WANG Y X， LI J Z， ZHANG T，et al. Changes in drought propagation under the regulation of reservoirs and water diversion［J］. Theoretical and Applied Climatology， 2019， 138（1-2） ： 701-711.

［30］王文，王靖淑，陶奕源，等.人類活動對水文干旱形成與發展的影響研究進展［J］.水文，2020，40（3）：1-8.