基于圖像三維連通性識別方法的長江流域干旱事件特征

鄧翠玲，佘敦先，張利平，張 琴，柳 鑫，王書霞

（1.武漢大學水資源與水電工程科學國家重點實驗室，武漢 430072；2.海綿城市建設水系統科學湖北省重點實驗室，武漢 430072）

0 引 言

干旱通常是指在一定時期內由降水不足等因素引發的區域水份供需不平衡的氣候事件，具有持續時間長、范圍波及廣、發生頻率高、產生危害大等特征[1]。全球約有45%的土地受到干旱威脅[2]，每年受旱災影響的人口數超過其他任何一種氣象災害[3]。自20世紀70年代以來，干旱在中國造成的經濟損失每年高達上千億人民幣[1]。干旱不僅會給農業生產帶來巨大損失，影響區域經濟可持續發展，還會造成區域水資源短缺、生態惡化、荒漠化加劇等諸多不利影響[4-5]。IPCC（2019）第六次評估報告《氣候變化與土地》特別報告[6]指出1961—2013年間，受干旱影響的面積平均每年增加幅度高于1%。有研究表明1950年之后中國區域干旱發生頻次和影響范圍逐漸增加，造成的經濟損失呈大幅上升趨勢[7-8]。干旱的多發、頻發已成為制約區域社會經濟可持續發展不可忽視的因素。因此，明晰區域干旱發生發展演變規律具有重要的現實意義與價值。

科學辨識區域干旱事件是干旱演變規律分析的前提[9]。干旱事件的發生、發展和恢復不僅在時間上連續，在空間上也呈現動態擴展或收縮性[10-11]，具有明顯的時空三維特征。不同干旱事件的發生、演變及時空結構差異顯著[11]。早期關于區域干旱的辨識研究大多對干旱事件進行降維處理，側重關注干旱在時間維度或空間維度的變化規律[5,7,12-13]，提出和發展了一系列干旱特征分析方法，如游程理論[14]、小波分析[11]等可以從時間維度識別干旱和提取干旱特征；主成分分析方法[15]、經驗正交分解[16]、聚類分析[17-18]等方法被廣泛應用于分析干旱在空間上的演變規律。這類分析方法不能有效、完整地呈現干旱事件的三維結構及其在時空發展上的關聯性[9,19]。當前，綜合考慮區域干旱事件在時空維度上的連續性以及對干旱動態規律分析是區域干旱研究的重要方向[9-10,20]。

近年來，越來越多的研究開始從時空三維視角對區域干旱進行提取和分析。其中，具有代表性的研究是將聚類算法引入干旱事件識別[21]，該方法基于干旱指標，首先在二維空間上識別干旱“斑塊”，然后在時間維度上對空間重合面積超過一定閾值的干旱“斑塊”進行合并，最終得到時空連續的區域干旱事件。在應用過程中學者對此方法進行了改進和發展。如基于不同干旱指數分析了干旱事件識別結果的差異[22]；為了使識別出的干旱事件更加符合區域實際情況，需要設置合理的面積閾值，學者探討了不同區域最小干旱“斑塊”面積、相鄰時段“斑塊”空間重合面積和場次干旱事件干旱“斑塊”最大面積差等面積閾值對干旱事件識別的影響[9,11,19]；將此方法拓展到其他類型干旱事件識別過程，基于土壤水分數據，識別和提取了農業干旱事件[23]?；诰垲愃惴ǖ母珊凳录R別方法對每一個干旱“斑塊”均需要與其相鄰時段所有干旱“斑塊”進行空間關聯性判斷，在大面積區域進行長時間尺度干旱事件識別時耗時較長，因此發展一種效率更高的干旱事件識別方法有助于區域干旱事件演變規律研究。

一場完整的干旱事件可以概化為在三維空間上相互連通的三維連通體，與三維連通的圖像有相似之處。當前圖像連通性識別技術發展比較成熟，形成了計算簡單高效的系列算法[24-25]，因此本文將其引入干旱事件的識別過程，該方法基于干旱指標先識別出三維連通體，然后綜合考慮區域干旱事件的發生和發展過程等因素，對連通體進行拆分，最后實現對區域干旱事件的識別和提取。與基于聚類算法的干旱事件識別方法相比，該方法只需判斷干旱“斑塊”與所屬連通體內相鄰時段所有干旱“斑塊”是否屬于同一場干旱事件，減少了干旱“斑塊”空間關聯判斷次數。本文選擇長江流域作為研究區域，應用提出的方法識別并提取了長江流域 1960－2015年的干旱事件，基于干旱強度、干旱面積、干旱歷時，干旱逐月集中點等干旱事件特征變量描述和分析了長江流域干旱特征及其發展演變特征。

1 研究區和數據

1.1 研究區概況

長江發源于青藏高原的唐古拉山脈，向東流經中國11個省級行政區后注入東海，長江干流全長6 387 km，是世界上第三長的河流。長江流域位于 90°33'E～122°25'E，24°30'N～35°45'N（圖1），總面積達180萬km2，約占中國國土面積的18.8%，流域內人口占中國總人口的1/3[26]。其中，宜昌站以上、從宜昌到湖口、湖口至入海口分別為長江流域上游、中游和下游，流域控制面積分別約為100萬、68萬和12萬km2。長江流域氣候溫暖，雨量較為豐沛，多年平均降水量為1 127 mm[27]，受水汽輸送和地形因素的影響，降水量時空分配不均，干旱在各個季節均有發生，且影響面積較大[28]。有研究表明1961—2015年期間長江流域年均干旱發生次數為3.77次[29]，給區域內水資源管理、農業生產及社會經濟可持續發展帶來巨大壓力[29-30]。因此，開展區域干旱事件的識別并研究其發展遷移規律對長江流域防旱抗旱和水資源優化配置等均具有重要現實意義。

1.2 數 據

本文選取長江流域及周邊206個氣象站點（圖1）的逐日氣象資料（降水、日最高氣溫、日最低氣溫、日平均氣溫、日照時數、風速、相對濕度、大氣壓）開展長江流域的氣象干旱分析，數據來源于國家氣象科學數據中心（http://data.cma.cn/）。潛在蒸散發由聯合國糧農組織推薦的Penman-Monteith公式[31]計算得到。利用反距離加權（Inversed Distance Weighted, IDW）插值方法將計算得到的氣象站點月降水和潛在蒸散發月數據插值成0.25°×0.25°的空間格點數據，最后根據SPEI指數計算方法[32]得到長江流域各格點1960—2015年SPEI3指數序列。

2 研究方法

2.1 干旱指數的選取

本文采用SPEI指數刻畫氣象干旱，該指標考慮了降水和潛在蒸散發對干旱的影響，具有計算簡單、多時間尺度等優點[32]，在氣象干旱評估中應用廣泛。干旱具有較為明顯的季節性特征，研究表明，3個月尺度的干旱指數的既不會因為時間太短造成干旱指數變化激烈，又不會因為時間太長而均化干旱指數序列變化過程[10]，被國內外學者廣泛應用到不同地區的氣象干旱事件識別[9-10,20,22]。因此，本文選取3個月尺度的SPEI（記為SPEI3）指數開展后續分析。參照SPEI干旱等級劃分標準[32]和長江流域干旱有關研究[28,33]，當SPEI3

2.2 基于圖像三維連通性識別技術的干旱事件提取方法

干旱事件具有明顯時空連續性和動態演變三維特征，發生干旱的格點與圖像中的有效像素格點類似，從空間中識別三維圖像連通體與從干旱指標中識別三維氣象干旱事件具有相似性，因此可以將三維圖像連通性識別技術引入到氣象干旱事件的識別。圖像三維連通性識別技術基于圖像有效像素格點之間的距離判斷圖像之間是否相互連通，若距離為1則表示相互連通，大于1則不連通[34]。棋盤距離常被用來描述圖像像素格點之間的距離，它是指兩點間橫縱（豎）坐標之差的最大值。二維D(a2,b2)和三維D(a3,b3)棋盤距離可表示為

式中a2(x1,y1) ,b2(x2,y2)和a3(x1,y1,z1) ,b3(x2,y2,z2)分別代表二維和三維圖像上的兩個像素格點。因此，在二維空間上，圖像中心像素格點與其周圍 8個像素格點相互連通；在三維空間上，圖像中心像素格點與其周圍 26和像素格點相互連通（圖2）。

基于圖像三維連通性識別技術的干旱事件識別方法首先在干旱指標空間體中識別出三維連通體，然后根據干旱發生和重合面積閾值將連通體逐層拆分，最終得到干旱事件。并從歷史文獻、相關記錄和土壤水分數據等不同角度對識別出的干旱事件的合理性進行驗證。研究表明干旱發生和重合面積閾值與研究區面積相關，為合理識別區域干旱事件，通常將其設為研究區面積的百分比。干旱事件識別的具體步驟如下：

1）干旱指標二值化。根據 SPEI指標的干旱等級劃分標準，當 SPEI

2）空間三維連續體識別?；诙祷母珊抵笜藬祿腿S圖像連通性識別原理，識別并標記三維干旱連通體。

3）三維干旱連通體拆分。在實際研究中，小面積的干旱并不會引發嚴重的經濟損失和不良后果，也不會被有關部門記載。在干旱事件提取過程中，為避免小面積干旱事件對分析區域干旱整體發生規律和演變特征的影響，當干旱“斑塊”面積占比（干旱“斑塊”面積占研究區面積比值）大于干旱發生面積閾值（A，%）時認為干旱事件發生。對第2）步中識別的持續時間超過一個月的三維干旱連通體，需要設置相鄰時段空間重合面積閾值占比（B，%）判斷相鄰時段干旱“斑塊”是否屬于同一場干旱事件。三維干旱連通體拆分的具體步驟如下：

1）當三維干旱連通體持續時間為1個月時，干旱“斑塊”面積占比大于A時認為此“斑塊”有效并保留干旱標記，否則刪除標記；

2）當三維干旱連通體持續時間大于1個月時，若相鄰月份（如第i月和i+1月）干旱“斑塊”空間重合面積占比大于B，則屬于同一場干旱事件，保留原有干旱事件標記；否則，判斷第i+1月干旱“斑塊”面積占比是否大于A，若大于，則開始新的干旱事件標記，若小于等于，則刪除該月干旱標記，直至拆分并標記完該三維干旱連通體，開始下一個三維干旱連通體的拆分和干旱事件提取。圖3展示了三維干旱連通體拆分和干旱事件提取示例流程，若假設3、4、5月時，干旱“斑塊”空間重合面積占比小于B，且3、4月時單個干旱“斑塊”面積占比小于A，則該干旱連通體被拆分成兩場干旱事件。

2.3 干旱事件特征變量

干旱事件特征變量可以用來分析干旱事件的特征及其發展規律，干旱強度、干旱歷時和干旱面積常用于分析干旱事件的整體特征；干旱逐月集中點常用于分析干旱中心隨時間的移動特征，可以表征干旱事件的中心的演變遷移路徑[10]；干旱累積發生次數和年累積干旱發生頻率能反應一定時間內干旱發生的頻繁程度，其中，干旱事件累積發生次數為特定時間內干旱事件發生的次數之和，年累積干旱發生頻率為每年發生干旱的月數除以12個月。因此本文選用上述6種干旱事件特征變量描述和分析干旱事件發展演變規律。上述有關特征變量的具體定義如下：

1）干旱歷時（D，月）：干旱的持續時間，數值上等于干旱發生時間與干旱結束時間之間的時間間隔。

2）干旱面積（W，km2）：干旱所影響區域在平面上的平均投影面積，數值上等于干旱持續時間內逐月干旱面積之和除以干旱歷時。

式中i表示一場干旱事件的第i個月，Wi表示一場干旱事件第i個月所影響的面積。

3）干旱強度（S）：干旱事件的干旱強度即事件的平均強度，等于逐月SPEI3絕對值在時空上的均值。

式中j為特定月份干旱事件的第j個格點，Sj為第j個格點的干旱強度，等于該點SPEI3指標的絕對值，J表示一場干旱事件在第i月發生干旱的格點數。

4）干旱逐月集中點[10]：一場干旱事件第i月的干旱強度加權質心（X,Y），假設該月干旱強度集中于該點[10]，干旱事件干旱逐月集中點的移動過程能反應干旱事件發展過程中干旱中心的移動方向。

式中Xj、Yj為某一月份干旱第j個格點的經度和緯度。

3 結果與分析

3.1 基于圖像三維連通性識別方法的干旱事件識別

面積閾值的選取對干旱事件識別影響較大，不合理的面積閾值往往會提取出不符合實際情況的長歷時干旱事件[35]。研究表明面積閾值設置為研究區面積的1.6%能有效識別研究區內的干旱事件[10,20,23,36]，考慮到不同研究區干旱發生演變特征不同，本文將面積閾值A、B設定為同一值，分析了不同面積閾值（從1.0%至2.0%）對長江流域干旱事件識別的影響（圖4）。可以看出，當干旱面積閾值取值為研究區面積的1.5%時，在長江流域識別出的最長干旱事件歷時和對應事件的干旱面積逐漸趨于平穩。考慮到長江流域屬于亞熱帶季風氣候，根據歷史干旱事件發生記錄，該區域很少發生20個月以上的長歷時干旱事件[37]，因此，本文將面積閾值設置為研究區面積的1.5%（約為2.7萬km2）。

基于1960－2015年長江流域SPEI3數據，采用基于圖像三維連通性識別技術的干旱事件識別方法，共識別出281場干旱事件，表1列出了干旱面積排名前10的干旱事件的發生時間、結束時間和影響范圍與相關文獻和記錄的對比情況?？傮w來說，這10場干旱事件與有關研究文獻和官方報告記載相符合，每場干旱事件的開始時間、結束時間和影響范圍與記載的一致性較高，并且累積干旱強度較大的區域與文獻記載的干旱峰值出現區域重合度較高。個別干旱事件與相關文獻記載存在一定的差異，如第4、5場干旱事件的影響范圍大于相關文獻記載，其原因可能是上述干旱事件在空間存在連續性，但由于某些區域干旱強度較小或因干旱對社會和自然環境的影響較小，沒有被記錄或者被記錄成不同場次干旱事件。綜合來看，該方法能有效地識別長江流域干旱事件。

表1 基于圖像三維連通性識別技術識別出的干旱面積排名前10的干旱事件與歷史干旱事件記錄的對比Table 1 Comparison of the top ten largest drought events ranked by area between records and identified based on three-dimensional graph connectedness recognition method

為進一步驗證本文提出的干旱事件識別方法的合理性，選取了長江流域2006年和2009年發生的兩場典型干旱事件，分析了干旱發展演變過程與相關文獻和記錄的吻合情況，以及基于聚類算法識別出的典型干旱事件的差異（圖5）。據2006年全國旱災及抗旱減災情況[38]，2006年干旱事件發生在長江中上游地區，為夏秋連旱，該場干旱始于2006年6月，漢江流域和長江流域西南地區等地最先出現干旱，6月下旬干旱有所緩解，7－8月下旬旱情發展到中國西南以及江南部分地區，9月旱情得到緩解，10月旱情再次加重，11月干旱逐漸消失。本文識別出的干旱事件表明，此次干旱最早于 6月份發生在長江流域西南東部地區，逐漸向西擴張，8－9月份干旱最為嚴重，云南、貴州和四川等地干旱強度較大，10月份以后，干旱情況得到緩和，11月份結束。基于聚類算法識別出的干旱事件發生時間相較于歷史記錄和本文識別的干旱事件開始時間略早，其影響范圍小于本文識別的干旱事件（圖5a）。2009－2010年的干旱事件是發生在中國西南地區的秋冬春連旱，據相關記載[39]，2009年入秋以后干旱開始發展，2010年3－4月初旱情發展到高峰，西南地區多數水利工程無水可用，5月份進入雨季后，干旱逐漸解除。識別出的干旱事件表明干旱始于2009年8月，持續時間長達10個月，影響范圍從貴州等地逐步發展到西南五省部分區域，次年3月干旱達到高峰，云南地區遭受嚴重的干旱，5月以后西南地區干旱開始逐步解除。本文提出的干旱事件識別方法和基于聚類算法的干旱事件識別方法識別出的干旱事件的開始時間、結束時間和影響范圍一致性較高，且干旱較嚴重的區域重合度較高。但本文提出的干旱事件識別方法識別出的干旱事件影響范圍比基于聚類算法識別方法識別出的干旱事件稍大，可能是由于兩種方法在計算相鄰時段干旱“斑塊”空間重合面積時所使用的方法不同造成的。根據與歷史典型干旱事件相關記錄和不同方法的識別結果可以看出，本文發展的干旱事件識別方法能較好的識別出干旱事件的發生、結束、重災區以及整場干旱事件的發展演變過程。

氣象干旱發生后在短時間內得不到緩解就影響土壤水分補給，甚至造成土壤水分虧缺，因此可以分析干旱事件影響范圍內的土壤水分情況來驗證識別出的干旱事件是否合理?？紤]到土壤水分對氣象干旱具有一定滯后性，本文對比分析了歷時大于 1個月的干旱事件的干旱強度與對應事件影響范圍內表層（0～10 cm）土壤水分虧缺程度之間的相關關系（圖6）。圖中土壤水分虧缺為標準化土壤水分的相反數，其值大于 0表示土壤水分不足，越大表明土壤水分虧缺越嚴重。識別出的干旱事件的干旱強度與其影響范圍內的表層土壤水分虧缺具有顯著正相關關系，干旱強度越大的干旱事件對應的土壤水虧缺越嚴重；長歷時干旱事件的干旱強度與土壤水分虧缺程度的相關性更高。不同角度的驗證結果表明，基于圖像三維連通性識別技術的干旱事件識別方法能有效識別區域干旱事件。

3.2 長江流域干旱特征變化分析

圖7展示了長江流域1960－2015年長歷時干旱事件的時空發展過程?？梢钥闯?，時間上，強度高、影響面積廣的干旱事件大多發生在1960－1962年、1966－1969年、1978－1979年、1992－1994年、1996－1999年、2002－2004年、2006－2007年、2009－2010年、2012－2014年等時間段；空間上，長江流域中部地區長歷時干旱發生相對較為頻繁。1980－1990年長歷時干旱事件平均干旱面積相對較小，2000年之后長歷時干旱事件發生次數明顯增多，1960－1999年40 a間共發生43場長歷時干旱事件，平均每年1.1次，平均干旱持續時間和面積分別為8.1個月和2.74×104km2；2000—2015年16 a間發生長歷時干旱事件21場，平均每年1.5場，平均干旱持續時間和面積分別為7.6個月和3.50×104km2。

劉君龍等[28]的研究結果表明2000年之后長江流域干旱頻率是1960—2018年的1.5倍，干旱影響面積逐漸增加；Zhang等[40]基于GRACE重力衛星的水儲量數據的研究表明，長江流域2003年、2006－2008年、2008－2010年等年份發生了長歷時干旱，與本文的研究結論一致。

長江流域干旱累積發生次數、累積干旱強度的空間分布和變化趨勢空間分布如圖8所示，長江流域西部的四川省，中部的陜西省、湖北省、湖南省和東部的江西省干旱累積發生次數較多，上述省份部分區域1960－2015年發生了45場以上干旱事件；流域東南部的云南省干旱事件發生次數相對較少。累積干旱強度也具有明顯的空間異質性，四川省、重慶市、貴州省、湖南省和湖北省等地累積干旱強度較強，而長江流域源頭區域、云南省和東南部地區干旱累積強度較小。對比圖8a和8b，陜西省和江西省干旱事件發生次數較多，但累積干旱強度較小，表明這些區域輕旱發生次數較多，而在四川省和貴州省部分區域，干旱事件次數較少但累積干旱強度較大，表明這些區域重旱發生次數較多，這與歷史統計資料分析結論上游發生重旱的頻率明顯高于中下游一致[37]。

中部區域和云南等地干旱發生頻率呈現出增加趨勢，其中四川盆地和云南省部分區域增加較大；源頭區域、四川省西部和流域東部部分地區干旱事件發生頻率呈下降趨勢，其中四川省西部部分地區下降最明顯（圖8c）。與干旱事件發生頻率趨勢空間分布相似（圖8d），年累積干旱強度變化在流域中部和云南省部分區域呈現出增加趨勢，增加較大區域集中在四川盆地和云南省等地；流域西北部和東部大部分地區年累積干旱強度呈下降趨勢，且下降趨勢明顯的區域多集中在流域西北部。

長江流域干旱逐月集中點遷移路徑較為復雜，長歷時干旱多數存在先向一個方向遷移后又折回的現象（圖9）。不同年代干旱事件的主要遷移方向不同，1960－1969年干旱逐月集中點主要東南方向遷移，1970－1979年和20世紀初期主要向東南方向遷移，1970－1999年主要向西北方向遷移，2000年及之后主要向西北和東南方向遷移（表2）。整體上，長江流域長歷時干旱事件逐月集中點主要向西北和東南方向遷移，約占長歷時干旱事件總數的 83%，向東北和西南方向遷移的干旱事件較少，約占長歷時干旱事件總數的 17%干旱事件遷移方向可能與區域降水和水汽輸送等因素有關[41-42]。

表2 長江流域干旱逐月集中點向不同方向遷移的長歷時干旱事件數量統計表Table 2 Statistical table of the number of long duration drought events which drought center migrate to different direction in the Yangtze River Basin

4 結 論

本文將圖像三維連通性識別方法引入到氣象干旱事件識別過程中，不同于基于聚類算法的干旱事件識別方法先識別干旱斑塊再合并，該方法先識別三維連通體，再根據閾值條件對連通體進行拆分，從而得到干旱事件。應用此方法識別了 1960－2015年長江流域氣象干旱事件，并分析了干旱事件發展演變特征。主要結論如下：

1）將本文提出的基于圖像三維連通性識別方法的干旱事件識別方法所識別出的干旱事件與歷史記錄、干旱事件影響范圍內的土壤水分虧缺情況和基于聚類算法識別出的干旱事件進行綜合對比，結果表明本文提出的干旱事件識別方法能有效識別區域氣象干旱事件?；赟PEI3數據，長江流域1960－2015年共識別出281場氣象干旱事件，其中長歷時干旱事件64場，；

2）長江流域中部區域長歷時干旱事件發生次數較多，1980－1990年長歷時干旱事件發生頻率較低，2000年之后長歷時干旱事件發生頻率和影響面積較 1960－1990年增加，約83%的長歷時干旱事件向西北和東南方向發展；

3）長江流域中部干旱事件發生頻率和年累積干旱強度大于源頭區域和流域東部，且存在明顯增加趨勢。

本文發展的三維干旱事件識別方法為基于事件角度分析干旱提供了新途徑，對長江流域干旱事件演變規律分析有助于更好理解長江流域歷史干旱事件發展變化特征。但本文只分析長江流域干旱事件整體的變化和遷移特征，下一步研究可以考慮分析影響干旱發生和干旱事件逐月集中點遷移的因素，以更好地從影響干旱發生機理角度分析長江流域干旱發生演變規律。