淮河流域陸地水儲量與干旱指標分析

李曉英，吳淑君，王 穎，崔 威

(河海大學水利水電學院，江蘇 南京 210098)

干旱作為常見的自然災害，與人類生活、社會經濟發展密切相關[1-3]。傳統干旱災害定量觀測是基于點的觀測，難以反映面尺度上的干旱特征。遙感觀測覆蓋面大，能滿足干旱監測的時空分辨率要求，因此廣泛應用于旱情監測。隨著衛星遙感技術的發展，遙感手段能越來越精確地監測降水、蒸發、土壤水分等水循環要素，成為區域旱澇災害監測和評估的重要手段[4-6]。

標準化降水指數(standardized precipitation index， SPI)是氣象干旱指標中最常用的表征地區干旱程度的指標。Byakatonda等[7]運用Mann-Kendall趨勢檢驗法研究不同時間尺度的SPI和標準化降水蒸發指數對區域干旱的指示性。方國華等[8]選取SPI對淮河流域干旱事件的時空連續性進行了判別，結果表明淮河流域春旱、夏旱頻繁，流域北部受干旱影響更嚴重。Caloiero等[9]使用SPI分析了北半球干旱事件，評估了嚴重干旱和極端干旱類型的變化。

利用植被覆蓋遙感數據可計算得到地區條件植被指數(vegetation condition index， VCI)，VCI常用于生態干旱監測。VCI在相對少雨地區具有良好的監測能力，在比較濕潤的生態系統中，因土壤濕度對植被長勢的限制小，將對VCI準確性產生影響[10-11]。為研究河南省干旱情況，沙莎等[12]將VCI與同期SPI、PDSI、Pa等干旱指數進行對比，發現在不同的作物生長階段VCI對氣象干旱存在不同的滯后效應。王文等[13]利用MODIS遙感數據和GLDAS數據，在云貴高原區對干旱遙感監測的各干旱指數進行了對比。王圓圓等[14]基于VCI和SPI間的相關性，評估了植被對氣象干旱的響應特征，西藏地區植被生長對降水的響應滯后長達12周。李新堯等[15]探討了VCI在陜西省農業干旱監測中的適用性，發現月尺度VCI與降水相關性較差。

陸地水儲量變化(terrestrial water storage anomaly， TWSA)能夠體現地表水、地下水、土壤含水量、冰雪和生物體含水量的綜合變化[16]。水文干旱常伴隨氣象干旱[17]，GRACE重力衛星能夠有效監測TWSA，用于水文干旱監測。曹艷萍等[18]利用降水數據和GRACE數據對新疆地區旱情進行分析，發現利用TWSA來反演的干旱特征與近年來新疆干旱災害實際情況基本吻合，且與SPI的結果一致性較好。王文等[16]構建了長江流域標準化陸地水儲量指數(standardized water storage index， SWSI)，結合標準化土壤含水量指數、標準化徑流指數和SPI對長江中下游的旱情進行評估，分析了各指數的靈敏度。馬柱國等[19]利用GRACE數據、降水等數據對我國東部干旱進行研究，發現長江流域存在顯著干旱趨勢，華北地區干旱緩解，而GRACE反演的陸地水儲量顯示北方仍處在干旱狀態。

目前對干旱指標的研究主要基于降雨和植被等要素，對陸地水儲量指標的研究較少，SWSI在淮河流域干旱的應用研究較為缺乏。本文以淮河流域洪澤湖以上范圍為研究對象，分析研究區域多年陸地水儲量變化、降水變化及植被變化情況。基于研究區域陸地水儲量變化數據生成新的水文干旱指標SWSI，選取傳統氣象干旱指標SPI和生態干旱指標VCI為典型干旱指標進行多指標對比分析，驗證SWSI對淮河流域干旱及強度的指示性，以期為多指標在淮河流域干旱中的應用提供參考。

1 研究區域概況與數據來源

1.1 研究區域概況

淮河流域位于我國東部，地跨河南、湖北、安徽、江蘇、山東5省，流域西、南、東北部為山區，其余為平原、湖泊等?；春恿饔虻靥幬覈媳睔夂蜻^渡帶，南部為亞熱帶濕潤季風氣候區，北部為暖溫帶半濕潤季風氣候區，流域植被分布具有明顯條帶性。南部降水量大于北部，山區降水量高于平原?；春恿饔蜣r業自然條件優越，是我國重要的糧棉油生產基地之一，干旱災害將嚴重影響我國糧食安全。

1.2 數據來源

1.2.1GRACE數據

GRACE衛星通過監測時變重力場變化得到地表質量變化，并轉化為等效水高變化，數據序列最早始于2002年4月。本文采用2003—2016年CSR、GFZ、JPL 3家研究機構發布的全球空間分辨率為 1°×1°的逐月等效水高變化的均值，對流域進行面積加權平均，得到的各月平均TWSA為相對于2004—2009年陸地水儲量均值的距平值。

1.2.2降雨數據

降雨數據采用淮河流域1987—2016年降雨月值格點數據，數據來源于中國氣象數據網，分辨率為0.5°×0.5°，個別缺損數據采用樣條法插值。

1.2.3MODIS數據

采用MOD13A 3月數據生成歸一化植被指數(normalized difference vegetation index， NDVI)，資料時間序列為2001—2016年，空間分辨率為1 km。NDVI與地表覆蓋率呈正相關關系，能夠很好反映地表植被覆蓋情況。

1.3 Mann-Kendall檢驗法

Mann-Kendall檢驗法是一種非參數統計檢驗方法，能夠實現高效率定量化操作，且檢測范圍廣，受人為影響小，在水文氣象資料的長期變化趨勢預測中得到廣泛應用，其計算公式[20]為

(1)

(2)

式中：p為時間序列對偶值(xi,xj)(j>i)中xi0，表示序列有上升趨勢；當τ<0，表示序列有下降趨勢。當|U|>U0.05=1.96時，表示序列趨勢變化顯著，反之沒有顯著變化趨勢。

2 流域干旱分析指標

2.1 SWSI

SWSI作為一種水文干旱指標，能夠評價陸地水儲量的虧損狀況[16,21]。利用正態分布Q-Q圖評估GRACE反演的淮河流域洪澤湖以上范圍TWSA的實際分布與正態分布偏離度。如圖1所示，樣本點經驗分位數與理論分位數分布近似在一條直線上，表明陸地水儲量分布接近正態分布，則SWSI可表達為

(3)

圖1 TWSA正態分布Q-Q圖Fig.1 Normal Q-Q plot for TWSA

2.2 SPI

SPI可以表征某時段降水量出現的概率，被廣泛應用于干旱識別。干旱等級劃分標準適宜不同時段不同地區，具有良好的時空適應性，通常要求降水數據序列長度達30 a以上。采用Г分布概率描述降水變化。

降水量服從Г分布時，概率密度計算公式為

(4)

(5)

式中:x為降水量樣本值;β>0、γ>0分別為尺度參數和形狀參數，可采用極大似然估計得到，Г(γ)為Г函數。對概率密度函數進行積分計算Г分布概率P，當降水量x=0時，P=m/n，m、n分別為降水量為0的樣本數和總樣本數。

對Г分布概率進行正態標準化處理，即得到SPI值，再由標準化降水累積頻率分布劃分干旱等級。近似求解SPI值為

(8)

其中

式中：S為概率密度正負系數，當P>0.5時，S=1；當P≤0.5時，S=-1。各參數值如下：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308。

根據干旱等級標準GB/T 20481—2017《氣象干旱等級》及相應研究[4,10]，ISPI≤-2.0，為極端干旱；-2.0

2.3 VCI

NDVI的年際變化能夠反映氣象條件差異造成的生態系統生產力的波動。NDVI長系列年的最值反映了研究系列年份的最極端氣象條件，利用這一特性可以將生態系統因素與極端天氣因素對植被覆蓋的影響剝離，使得VCI的變化能夠反映植被含水量，評價極端天氣對植被的影響，從而監測農業干旱。

(9)

式中：INDVIi為某月的NDVI；INDVI,max、INDVI,min分別為研究長系列年中月NDVI的最大值和最小值。通常IVCI≤0.15表示植被生長狀況差，發生極端干旱；0.150.7表示植被生長狀況良好，無干旱[14-15]。

3 結果與討論

3.1 流域降水量、陸地水儲量及植被指數變化分析

淮河流域洪澤湖以上區域2016年年均TWSA、降水量和NDVI相對于2003年年均的變化率如圖2所示。相對2003年，2016年淮河流域年均降水量整體稍有下降，淮河南部大別山山脈地區降水量略有上升，淮河南部降水量高于北部。GRACE反演的淮河流域陸地水儲量除洪澤湖范圍外均呈現下降狀態，尤其是淮南市一帶。分析原因，應是洪澤湖保護規劃等措施的實施，洪澤湖生態保護增強，使得湖區水儲量上升。相較2003年，淮河流域城市化水平提高，地下水用水量增加，陸地水資源量損耗增大。相較2003年，2016年淮河流域的年均植被指數除個別小范圍地區變化較大外，整體較為均勻，略有上升。流域植被覆蓋率增加，流域生態環境得到改善。

(a) TWSA

(b) 降水量

(c) NDVI圖2 2003年、2016年淮河流域TWSA、降水量及NDVI相對變化對比Fig.2 Comparison of the changes of TWSA, precipitation and NDVI between 2003 and 2016 in the Huaihe River Basin

利用Mann-Kendall檢驗法分析淮河流域GRACE反演的TWSA、降水及NDVI的趨勢性，發現2003—2016年淮河流域降水量存在微弱下降趨勢，TWSA呈現顯著下降趨勢，但流域NDVI有顯著上升的趨勢。TWSA受到降水量的影響，一般與降水量變化呈正相關關系[22-23]?；春恿饔蜿懙厮畠α康娘@著下降除受到人類活動用水增加的影響外，還受到流域降水量下降的影響。NDVI的上升主要受人類活動因素的影響，隨著人們環保意識逐步增強，植被保護、城市綠化、退耕還林等一系列措施的實施使得區域植被覆蓋率逐步升高，NDVI顯著上升。

3.2 流域干旱指標指示性分析

基于淮河流域TWSA、降水量及NDVI分別構建了流域2003—2016年間SWSI、SPI和VCI 3個指標序列(圖3)，從水文干旱、氣象干旱和生態干旱角度分析淮河流域洪澤湖以上范圍區域性干旱，并評估各指標對淮河流域干旱的表征能力。

圖3 2003—2016年淮河流域各干旱指標變化Fig.3 Variation of drought indices from 2003 to 2016 in the Huaihe River Basin

SPI和VCI的相關性較好，兩者相關系數達0.71(P<0.01)，SWSI與SPI、VCI間整體相關性略差。圖3中橫線為各指標是否發生旱情分界線，分界線以上表示為輕微干旱或無旱狀態。從圖3可見，2004—2010年SWSI變化雖然與SPI和VCI較為同步，但是變化幅度小，部分月份當SPI和VCI出現旱情時，SWSI整體仍呈現輕微干旱或者無旱狀態。2006—2016年SWSI變化與SPI和VCI變化一致性較好，對旱情的指示較為吻合，但存在2～3月的不同步性。SPI與VCI的趨勢較為一致，當SPI顯示存在旱情時，VCI也同期呈現干旱狀態。當SPI顯示研究區域為濕潤狀態時，VCI均表現為植被生長狀況良好，無干旱出現。2003年VCI基本小于干旱界限值，較為異常，主要是受MOD13衛星提供的原始數據時間序列較短的影響。VCI監測干旱時要求有較長時間的植被覆蓋率資料積累，而由于MODIS公開資料最早從2001年起，導致NDVI最值不具代表性，造成計算VCI時存在誤差，影響VCI干旱監測的準確性。同時由于淮河流域研究區域均處于濕潤、半濕潤地區而VCI具有局限性，在較濕潤生態系統中，受植被自身特性影響較大，會出現無法準確識別出干旱事件的情況[9-10]。

對3個指標在2003—2016年間的干旱月份進行統計(表1)，發現SWSI與SPI在極端干旱、嚴重干旱和中等干旱月份數量基本相當，與VCI反映的同等級干旱月份數量差距較大。當SWSI與SPI指示月份出現短期連續性輕旱，尚未構成旱情時，VCI對應月份顯示為中等干旱或嚴重干旱。

表1 2003—2016年淮河流域各干旱指標干旱月份數Table 1 Number of dry months of various drought indices in the Huaihe River Basin from 2003 to 2016

分別對各干旱研究指標在歷史干旱時期對應顯示干旱等級進行統計，結果見表2，旱情資料來源于《中國水旱災害公報》。淮河流域發生了5場較大規模的旱情，其中SWSI和VCI均全部監測到，SPI存在一次遺漏。2012年淮河流域發生短暫旱情，7月旱情隨降水量增多而解除，同期SWSI和SPI顯示為輕微干旱，而VCI指示的干旱等級偏高達到嚴重干旱。2014年黃淮地區持續高溫，淮河上中游來水偏少6～7成，導致夏伏旱較為嚴重，SPI僅考慮了降水量的影響，未能正確指示旱情。SWSI除2009年受前期水儲量較豐影響僅表現為輕微干旱外，整體表現較為良好。

表2 淮河流域歷史干旱事件與各指標干旱結果比較Table 2 Comparison of historical drought events and drought indices results in the Huaihe River Basin

4 結 論

a. 2003—2016年期間，淮河流域年均降水量整體稍有下降，南部山脈地區降水量上升；流域陸地水儲量除洪澤湖范圍上升明顯外，整體呈現下降狀態；年均植被指數略有上升，植被覆蓋率增加。淮河流域降水量呈現微弱下降趨勢，而陸地水儲量顯著下降，植被指數顯著上升，一定程度上反應了地下水取用、環境綠化等人類活動對流域陸地水儲量和植被覆蓋率的影響。

b. SPI與VCI相關性較高，與SWSI變化較為一致，但SWSI變化相對于SPI和VCI變化存在 2～3月的滯后性。SWSI與SPI指示的不同等級干旱月份數基本相當，明顯少于VCI。當SWSI與SPI指示月份僅表現為短期輕微干旱，流域未發生旱情時，VCI多次顯示不準確的嚴重干旱，進一步驗證了VCI的局限性。

c. SPI對2003—2016年間淮河流域歷史干旱存在漏報，VCI指示的干旱等級略偏高，SWSI整體表現較為良好。綜合研究結果表明，SWSI能夠有效監測淮河流域旱情，為干旱的監測和防治提供可靠依據，但在其他流域多指標對干旱的指示性仍需進一步研究。