氣候和土地利用變化下黃河流域農業干旱時空演變及驅動機制

黎云云，暢建霞，樊晶晶，余 波

氣候和土地利用變化下黃河流域農業干旱時空演變及驅動機制

黎云云1,2，暢建霞2※，樊晶晶3，余 波1

（1. 綿陽師范學院生態安全與保護四川省重點實驗室，綿陽 621000； 2. 西安理工大學省部共建西北旱區生態水利國家重點實驗室，西安 710048；3. 河北工程大學水利水電學院，邯鄲 056038）

為全面剖析氣候和土地利用變化下黃河流域農業干旱時空演變特征及驅動機制，該研究首先構建黃河流域SWAT分布式水文模型，模擬黃河流域水循環過程，基于標準化土壤濕度指數（Standard Soil Moisture Index，SSMI），識別不同干旱等級下的農業干旱歷時、強度及干旱事件，分析黃河流域不同分區農業干旱特征值以及干旱事件頻率在年季尺度上的演變特征；在此基礎上，通過SWAT模型驅動農業干旱模擬方案集，厘定和量化氣候和土地利用變化對黃河流域農業干旱的影響貢獻率。結果表明：累積時間尺度越大，農業干旱發生的次數越少，但歷時越長，農業干旱開始和結束時間多集中于春季和夏季；黃河流域90年代農業干旱最為嚴峻，尤其上游C區最容易遭受重旱和特旱，農業干旱頻率高達70%～90%；氣候變化是驅動黃河流域農業干旱發生的主要誘因，貢獻率約為50%～90%，而土地利用變化對農業干旱的影響相對較弱，貢獻率約為10%～50%。研究結果可為黃河流域制定合理的農業抗災措施提供參考。

干旱；氣候；土地利用；農業干旱；驅動機制；黃河流域

0 引 言

農業干旱持續時間長，影響范圍廣，每年因農業旱災造成的糧食減產或失收非常嚴重[1]。隨著氣候變暖和人類活動的加劇，中國農業干旱廣發和頻發的態勢更加凸顯；近20年來，平均每年農作物受旱面積占中國自然災害比例的50%以上，嚴重威脅著中國的糧食安全和社會經濟的可持續發展[2]。因此，積極開展區域/流域農業干旱演變特征及驅動機制研究，對于科學制定合理的防旱規劃和應急預案具有重要的理論意義和應用價值。

黃河流域作為中國人民的“母親河”，承擔著中國主要的糧食產區和人口密集區（50個大中小城市）的供水任務，對中國社會經濟的可持續發展起著舉足輕重的作用[3]。由于流域獨特的地理位置和氣候條件，黃河流域自古以來便有“十年九旱”之稱，據中國水旱災害公報和相關文獻記載[4-8]，從明洪武元年（1368年）至1949年的582年中，有大旱或大饑記錄的共107年，平均每5.5年一遇；有“人相食，饑殍盈野，死者枕藉”等記錄的大旱災共61年，平均每9.5年一遇。自20世紀中期以來，黃河流域農業干旱事件更加頻繁，受災面積不斷擴大，連季干旱或連年干旱造成的重旱和特旱時常發生。如：關中地區重旱發生頻率為14.6%，基本上三年發生一次較大旱災，個別年份甚至出現極旱；黃河中上游地區，中旱、重旱發生頻率高達80%左右，尤其1991－2000年黃河流域降雨量的減少導致農業大面積失收，如內蒙古、寧夏和甘肅省在1995、1997、1998和2000年均遭受了特大干旱的襲擊，受災面積約700萬hm2，受災人口約1 800萬，糧食減產約230萬t，對國民經濟和生命財產安全已構成了嚴重威脅。

近年來，國內外學者關于流域農業干旱演變及驅動機制等方面的研究已開展了大量工作，并取得了一系列研究成果，如嚴小林等[9]基于受旱率、成災率和糧食減產率等指標，利用Mann-Kendal趨勢檢驗方法對海河流域農業干旱演變特征進行了研究，結果表明海河流域農業干旱隨時間呈現出日益嚴峻的趨勢。王富強等[10]基于土壤相對濕度指數，采用小波分析法和Mann-Kendal突變檢驗法，分析了賈魯河流域農業干旱時空演變規律，結果表明賈魯河流域的農業干旱呈緩慢加劇趨勢。Sultana等[11]基于多指標農業干旱指數，利用地理空間技術對孟加拉國西北部的農業干旱進行了評估。吳迪等[12]采用地表能量平衡方程，對區域大氣環流、地表潛熱通量、地表凈通量與降水、蒸發、溫度等農業干旱影響因素進行了相關性分析和研究，結果表明蒸發量增加和降水量減少是驅動湄公河流域局部地區農業干旱加劇的主要原因。蔣桂芹等[13]基于作物水分收入和支出的代謝過程，分析了氣候變化和人類活動對農業干旱形成的驅動機制。Han等[14]基于標準化土壤水分指數，采用小波相關分析方法，對變化環境下黃土高原農業干旱時空動態特征及潛在影響因素進行了研究，結果表明溫度顯著升高是導致農業干旱的直接因素，植被恢復項目的實施進一步加劇了農業干旱風險。從現階段農業干旱研究成果來看，農業干旱演變特征主要采用小波分析法和 Mann-Kendal法等對農業干旱的整體變化趨勢進行分析，較少從農業干旱特征指標的角度對農業干旱時空演變特征進行系統地研究；農業干旱驅動機制主要采用相關分析法定性分析潛在影響因素對農業干旱的驅動作用，缺少定量分析。目前黃河流域干旱研究主要集中于氣象和水文干旱評估和預測等方面[15-19]，而關于流域農業干旱演變及驅動機制方面的研究和報道則相對較匱乏。

鑒于此，本文以黃河流域為研究對象，基于黃河流域不同氣候分區，系統地識別流域農業干旱演變特征，基于SWAT分布式水循環模型，設置農業干旱驅動模擬方案集，全面剖析氣候和土地利用變化對黃河流域不同分區農業干旱的驅動機制，以期為相關部門完善防旱預警體系和制定農業抗災措施提供科學的參考依據。

1 黃河流域概況及數據來源

1.1 黃河流域概況

黃河干流全長為5 464 km，流域面積為79.5萬km2，是中國第二大河流。由于受大氣環流和季風環流的影響，流域內不同地區氣候差異顯著。降水具有地區分布差異顯著、季節分布不均和年際變化大等特點，多年平均年降水量約476 mm，降水量東多西少、南多北少，從東南向西北遞減；流域大部分地區多年平均蒸發量在800～1 800 mm之間，地區差異較大；多年平均氣溫在?4～14 ℃之間，呈南高北低，東高西低的變化趨勢。因此，為了全面剖析和研究黃河流域農業干旱在空間上的變化特征及驅動機制，本文基于流域氣候及下墊面特征，將黃河流域進一步劃分為6個子區間[20]，如圖1所示。

1.2 數據來源

本文的氣象資料主要收集了1966－2010年海力素、紅原、長武等121個氣象站（圖1）的日尺度平均降雨、日尺度最低和最高氣溫數據，均來源于中國氣象科學數據共享服務網（http://data.cma.cn/）；水文資料收集了1966－2010年黃河干流唐乃亥、蘭州、頭道拐、花園口以及支流渭河流域華縣水文站（圖1）的月尺度還原流量數據，來源于黃河流域水文年鑒和黃河委員會。此外，本文在地理空間數據云（http://www.gscloud.cn）下載了空間分辨率為90 m的黃河流域數字高程圖（DEM），在中國科學院南京土壤研究所（http://www.issas.cas.cn/）下載了比例尺為1∶100萬的黃河流域土壤圖，依據土壤分類標準FAO98，將黃河流域土壤整合成了石灰性褐土、黑麻土、新積土、棕壤等10種類型；在中國科學院資源環境科學數據中心（https://www.resdc.cn/）下載了比例尺為1∶10萬的三期（1980年、2000年和2010年）土地利用圖，依據《土地利用現狀分類》國家標準（GB/T21010-2007），將黃河流域土地重分類為6種土地利用類型，分別為：耕地、草地、林地、水域、裸地以及城鎮建設用地。

2 研究方法

2.1 SWAT水文模型

SWAT（Soil and Water Assessment Tool）水文模型是由美國農業部-農業研究中心（USDA-ARS）開發的分布式水文模型，它主要根據流域的數字高程圖、河網分布、土壤和土地利用類型等，將流域劃分為若干子流域和水文響應單元（HRU），并對HRU進行獨立地產流計算，然后再通過河網連接，對流域出口（控制站點）進行河道匯流演算。與TOPMODLE、MIKE SHE和VIC等模型相比，SWAT模型的優點在于能定量分割土壤、土地利用和氣候變化對水文過程的影響程度。SWAT模型自開發以來，已在加拿大、北美、亞洲及歐洲等地區多個流域得到了廣泛應用并取得了良好的效果[21-22]。除此之外，SWAT模型還具有以下特征：

1）基于物理機制。模型需輸入流域水文氣象、土壤屬性、土地利用類型措施等詳細信息來描述輸入變量和輸出變量之間的關系，可用于模擬徑流、泥沙運移和作物生長等過程。該方法的優點在于：①可模擬觀測數據缺測（如降雨、氣溫等）的流域；②可定量化輸入參數（如管理措施、氣候、植被等變化）對流域產流、產沙、水質或其他變量的影響。

2）計算效率高。可模擬大型流域且運算速率快。

3）可模擬流域長期連續的水文過程。

因此，本文采用SWAT水文模型對黃河流域的水循環過程進行模型，為后續農業干旱方案集的驅動奠定模型基礎。同時，選取納什效率系數Nash-Suttcliffe ()[23]，2以及相對誤差（）[24]3個評價指標，對SWAT模型在黃河流域的模擬效果進行合理性評價。計算公式及評價標準如下所示：

2.2 農業干旱指標的選取

干旱指標是表征或者評估流域/區域干旱的關鍵技術之一。農業干旱指標主要分為兩類：第一類是以直接影響作物水分吸收的土壤水、或土壤水統計特征值為代表的單因素指標，如土壤相對濕度、土壤有效含水量等；第二類是綜合降雨、氣溫和土壤水等為代表的多因素指標，如作物水分指數（CMI，Crop Moisture Index）、Palmer土壤異常指數等。由于土壤水作為作物體內水分的主要來源，直接控制和影響著農業干旱，也是當前學術界最被認可且廣泛應用于表征農業干旱的一種方式。因此，本文選取標準化土壤濕度指數（Standard Soil Moisture Index，SSMI）作為農業干旱評估指標，對黃河流域農業干旱情勢進行評估。SSMI采用分布函數擬合土壤濕度序列，可很好地表征不同累積時間長度下因土壤缺水而導致的農業干旱，適用于多尺度農業干旱空間對比分析[26]。SSMI計算方法與標準化降雨指數（Standard Precipitation Index，SPI）類似，干旱等級劃分標準與SPI相同[27]，如表1所示。

表1 基于標準化土壤濕度指數的農業干旱等級劃分標準

2.3 干旱事件識別及特征變量定義

本文采用當前應用最廣泛的閾值法[28]是對干旱事件進行識別。如圖2所示：黑色曲線代表SSMI時間序列，虛線為干旱指標閾值（?0.5、?1.0、?1.5、?2.0）；當SSMI<時，干旱開始，若某一時刻SSMI>0，干旱結束，則此時段被識別為只發生了1次農業干旱，記為農業干旱事件1（圖2所示），a事件干旱歷時為1。圖中b和d之間間隔了1個時段，如果間隔時段的SSMI>0，則b和d被識別為兩次獨立的農業干旱事件；如果間隔時段的SSMI<0，則b和d合并為一次農業干旱事件，記為農業干旱事件2（圖2所示），此時，農業干旱歷時2=b+c+d。

干旱烈度（）和干旱強度（）定義如下：

2.4 氣候和土地利用變化對黃河流域農業干旱的驅動歸因分析

2.4.1 驅動機理分析

農業干旱是由于農作物體內水分不能滿足其蒸騰和代謝需求（水分收支失衡）而導致的糧食減產或失收現象[29]。農作物體內水分的收入主要來源于根系對土壤水吸收，水分支出則主要通過農作物葉面蒸騰而釋放到大氣中。因此，影響土壤水含量（水分收入）和農作物蒸騰（水分支出）的因素，都可能會誘發農業干旱；由于本文主要研究氣候和土地利用變化下的黃河流域農業干旱演變特征，暫不討論灌溉對農業干旱的影響。

1）氣候變化

氣候變化主要通過降水、氣溫等因子，影響和控制土壤水的入滲和作物葉片的蒸騰而驅動農業干旱。由于本文暫不考慮灌溉對土壤水的補給，則降水是土壤水補給的主要來源；若下墊面坡度較大，降水幾乎是土壤水的唯一補給來源，若下墊面坡度平緩，地下水也有可能補給一定的土壤水分。其他氣象要素如氣溫、風速等則主要通過影響農作物葉片蒸騰而誘發農業干旱。例如：當氣溫較高時，農作物葉片表面的水分汽化加快，進而增加葉片氣孔腔內的蒸汽壓，加速農作物的蒸騰作用；當風速較大時，農作物葉片表面氣溫下降，導致葉片氣孔關閉而降低農作物的蒸騰；當光照較強時，農作物葉片表面氣溫升高，致使葉面氣孔打開而促進農作物蒸騰。

2）土地利用變化

一方面，土地利用類型相互轉換可能會破壞流域的產匯流規律，改變下墊面的天然下滲率，加快或者阻礙地表水向土壤水轉化；例如：城鎮化建設迫使原有的疏松路面變成水泥路面，降低下墊面的下滲能力，致使地表徑流向土壤水的補給量減少而誘發農業干旱。另一方面作物種植結構或生產規模改變引起的土地利用（下墊面）變化，可能導致作物蒸騰作用或土壤蓄水量發生改變；例如：伐木毀林等人類活動改變了作物的種植結構，降低了植被的覆蓋度，可能導致作物蒸騰量和土壤蓄水量減少而引發農業干旱。

2.4.2 歸因量化方法

1）農業干旱模擬方案集

本文以1968－1990年作為農業干旱基準期，1991－2000年和2001－2010年作為農業干旱的干擾期，通過SWAT模型驅動農業干旱設計方案集，量化氣候和土地利用變化對農業干旱的驅動影響貢獻率。表2為農業干旱驅動模擬設計方案集，其中：

方案一：1968－1990年氣象數據、1980年土地利用數據驅動SWAT模型，模擬1968－1990年土壤水過程，結合SSMI計算得到1968－1990年的月尺度農業干旱指標系列。

方案二/方案三：在方案一的基礎上，保持1968－1990年土地利用數據不變，采用1991－2000年/2001－2010年的氣象數據驅動SWAT模型，模擬1991－2000年/2001－2010年的土壤水過程，結合SSMI計算得到1991－2000年/2001－2010年氣候變化驅動下的月尺度農業干旱指標系列。

方案四/方案五：在方案一的基礎上，保持1968－1990年氣象數據不變，采用1990年/2000年的土地利用數據驅動SWAT模型，修改相應土地利用參數，模擬1991－2000年/2001－2010年的土壤水過程，結合SSMI計算得到1991—2000年/2001－2010年土地利用變化驅動下的月尺度農業干旱指標系列。

表2 農業干旱驅動模擬設計方案

2）驅動因素貢獻率量化

由于干旱歷時、干旱強度和干旱事件頻率可較好地表征某一時段內流域干旱的變化特征，因此，本文采用平均干旱歷時、平均干旱強度、以及干旱事件頻率作為各驅動方案中的干旱特征度量指標。假設驅動方案一中的農業干旱特征度量指標（平均農業干旱歷時、平均農業干旱強度或農業干旱事件頻率）為0，驅動方案二/三中對應的農業干旱特征度量指標為climate，驅動方案四/五中對應的農業干旱特征度量指標land，則驅動因素（氣候和土地利用變化）對農業干旱的影響貢獻率可用公式（4）～（7）量化得到：

式中climate表示氣候變化對農業干旱的驅動影響貢獻率，land為土地利用變化對農業干旱的驅動影響貢獻率。若climate和land大于零，則表示氣候和土地利用變化加劇了農業干旱；若climate和land小于零，則表示氣候和土地利用變化緩解了農業干旱；若climate和land等于零，則表示氣候和土地利用變化對農業干旱的驅動影響可忽略不計。

3 結果分析

3.1 SWAT 水文模型參數率定與驗證

在模型校準之前，首先基于Mann-Kendall非參數檢驗方法，對所選取的5個水文站的還原流量序列（1966－2010年）進行突變檢驗，結果顯示黃河流域還原流量序列集中在1990年發生了突變，說明該序列在1990年之前受氣候和土地利用變化的影響相對較小，而1990年以后，氣候和土地利用變化對黃河流域還原流量的影響較大。因此，本文基于突變年份，將研究時段1966－2010年劃分為基準期（1966－1990年）和影響期（1991－2010年）兩個時段。為進一步分析后續不同年代的氣象干旱特征及驅動機制，再次將影響期劃分為1991－2000年和2001－2010年兩個時段。又由于SWAT水文模型在運行初期，需一定時長的流量數據對模型進行預熱，消除模型參數默認值為零的情況，即在模型每個運行時段，需設置2～3 a的預熱期。由于農業干旱具有季節性等時間長的特點，因此，本文采用黃河流域各水文站月徑流數據對SWAT模型參數進行率定和校準，模擬得到月尺度下的水循環要素，定量剖析氣候和土地利用變化下黃河流域農業干旱在年、季時間尺度上的演變特征及驅動機制。黃河流域基準期和影響期唐乃亥、蘭州、頭道拐、華縣、花園口月模擬流量過程和實際還原流量過程如圖3所示，評價指標結果如表3所示。

表3 黃河流域5個水文站SWAT模型月徑流模擬評價指標結果

由圖3和表4知：唐乃亥、蘭州、頭道拐、華縣和花園口水文站的月模擬流量過程與月還原流量過程均擬合較好，3個評價指標均滿足適用性要求，其中：Ens系數都幾乎達到了0.6以上，R均大于0.7，絕對值都在25%以內，表明SWAT模型在黃河流域各分區具有良好的適用性，能很好地模擬不同時段氣候和土地利用變化下流域水循環過程，可進一步用于黃河流域農業干旱驅動模擬研究。

3.2 黃河流域農業干旱特征值分析

本文選取SSMI-1、SSMI-6和SSMI-18三個指標，分別代表黃河流域過去1個月、6個月和18個月土壤水分異常狀態，并基于干旱識別原理，統計分析了黃河流域1968－2010年各分區發生輕旱、中旱、重旱和特旱的農業干旱次數、平均農業干旱歷時以及最大農業干旱歷時，結果如表4所示。

由表4知，農業干旱越嚴重，農業干旱發生次數越少；與SSMI-1和SSMI-6相比，SSMI-18表征的農業干旱總次數明顯減少，但平均農業干旱歷時和最大農業干旱歷時均明顯延長。1個月累積時間尺度下，黃河流域各分區平均農業干旱歷時均為1.5～2.0個月。空間上，B區發生輕旱次數最多，E區發生中旱和特旱次數最多，A區發生重旱次數最多，但平均歷時較短，C區發生特旱次數最少但平均歷時最長（約為2～4個月）。6個月累積時間尺度下，平均農業干旱歷時增加至2～3個月，最大農業干旱歷時約為6～10個月；空間上：A區發生輕旱和重旱次數最多，C區發生重旱次數最多，E區發生特旱次數最多。18個月累積時間尺度下，平均農業干旱歷時明顯延長（約為3～5個月）；空間上：A區發生輕旱次數最多，C區發生中旱、重旱和特旱次數最多；與SSMI-1和SSMI-6相比，采用SSMI-18表征的農業干旱次數減少，但平均農業干旱歷時和最大農業干旱歷時均明顯增加，其中輕旱的最大歷時增加最明顯（約為12～18個月）。

表4　基于SSMI-1、SSMI-6和SSMI-18的農業干旱特征值

為了進一步描述不同干旱等級下的農業干旱特征值（干旱次數和歷時，以及干旱發生的起止時間）數據分布情況，本文繪制了基于SSMI-1、SSMI-6和SSMI-18的輕旱、中旱、重旱和特旱等級下的農業干旱次數和歷時箱線圖，以及農業干旱開始和結束時間箱線圖，結果如圖4和圖5所示。

由圖4知：累積時間尺度越大，干旱發生的次數越少，干旱歷時越長。1個月累積時間尺度下，黃河流域農業干旱歷時空間差異不大，約為1～8個月；6個月累積時間尺度下，黃河流域農業干旱歷時為1～12個月，且上游長歷時農業干旱次數多于下游；18個月累積時間尺度下，黃河流域干旱歷時約為1～22個月，且下游長歷時農業干旱（尤其重旱和特旱）次數明顯增加。由圖5可以看出：黃河流域農業干旱開始和結束時間多集中于春季和夏季（4-8月）；對同一區域來說，累積時間尺度越小，農業干旱開始和結束的時間越集中；但對于同一累積時間尺度而言，干旱等級越高（干旱越嚴重），農業干旱開始的時間越晚。

3.3 黃河流域農業干旱事件頻率時空演變特征分析

1）年演變特征

借助ArcGIS，本文繪制了基于SSMI-1的黃河流域農業干旱事件年際時空頻率分布圖，旨在揭示黃河流域不同分區在基準期、1991－2000和2001－2010年最容易遭受何種等級的農業干旱。結果如圖6a～6c所示。

由圖6a～6c知，基準期，黃河流域上游A區和B區容易遭受重旱，上游C區容易遭受輕旱、中旱和重旱，中游D區和E區容易遭受中旱和特旱，下游F區容易遭受中旱。與基準期相比，1991－2000年黃河流域上游A區、中游D區和E區中旱事件頻率增加，上游B區輕旱事件頻率增加，上游C區特旱事件頻率增加，下游F區重旱事件頻率增加。與1991－2000年相比，2001－2010年黃河流域上游A區重旱和特旱頻率增加，中游E區特旱事件頻頻增加，F區輕旱事件頻率增加，其他三個區域的農業干旱均有所緩解。

由于重度等級以上的農業干旱（重旱和特旱）對糧食產量和生態環境影響較大，本文進一步分析了黃河流域不同分區在不同時段內遭受重旱等級以上的農業干旱事件頻率變化特征，結果如圖6d所示。由圖6d知，黃河流域上游A區在基準期和1991－2000年重旱和特旱事件頻率為25%～40%，進入2000年后，該區重度等級以上的農業干旱事件頻率增加至70%～90%；上游B區和中游D區在基準期重旱和特旱事件頻率均為40%～55%，而到1990年以后，該區域發生重旱和特旱的機率均降低了30%；上游C區重旱和特旱事件頻率在時間上變化顯著，基準期重旱和特旱事件頻率為25%～40%，1991－2000年重旱以上等級的農業干旱頻率增加至70%～90%，而2001－2010年重旱和特旱事件頻率明顯減少，僅為10%～25%；中游E區和下游F區重旱和特旱事件頻率均小于55%，其中，E區重旱和特旱事件頻率在時間上呈先減小后增加的趨勢，而F區重旱和特旱事件頻率在時間上呈先增加后減小的趨勢。

總之：時間上，黃河流域1991－2000年最容易遭受重旱和特旱的襲擊，而進入2000年后，黃河流域大部分地區發生重旱等級以上的農業干旱頻率明顯減少；空間上，上游C區在1991－2000年最容易遭受重度等級以上的農業干旱。根據文獻[1-4]記載，黃河流域1995年、1997年、1998年和2000年都發生了特大農業干旱，受災面積約700萬hm2，受災人口約1800萬，糧食減產約230萬t，其中，內蒙古、寧夏和甘肅省旱情最為嚴峻，驗證了本文農業干旱模擬時空演變的結果的可靠性。

2）季演變特征

同樣借助ArcGIS平臺，本文繪制了基于SSMI-1的黃河流域各分區在季尺度上的農業干旱事件頻率時空分布圖，旨在揭示黃河流域六個分區在基準期、1991—2000年和2001—2010年最容易遭受的季節性農業干旱，結果如圖7所示。黃河流域基準期農業干旱事件頻率在季節上差異明顯，春夏兩季的農業干旱事件頻率明顯高于秋季兩季，其中上游B區和中游D區發生春旱和夏旱的頻率最高，約為75%～90%；與基準期相比，黃河流域1991－2000年農業干旱事件頻率增加，絕大部分區域四季農業干旱事件頻率均高達75%～90%；與1991－2000年相比，除上游A區外，黃河流域2001－2010年春夏秋冬農業干旱均得到了大幅度緩解，尤其上游B區、C區以及中游D區四季農業干旱頻率均小于20%。

總之，2000年以后，黃河上游A區農業干旱最為嚴峻，尤其重旱和特旱事件頻率高達70%～90%。主要是由于該區域位于青藏高原，氣溫偏低，農業生產呈立體布局，加之該區域地高水低的特點，農業灌溉困難，造成該區域經濟落后，農業干旱頻發，糧食產量低下。近10年應對措施建議：加強山區流域的生態綜合治理，加大政府的幫扶力度；調整作物種植結構，優化土地利用格局；大力發展適合于該區域種植的特色農作物，如飼草業等；加強抗旱和節水等技術的指導和培訓，推廣高效補灌或地膜覆蓋等栽培技術，普及和提高農民的抗旱減災知識和旱植能力。

3.4 黃河流域農業干旱特征值驅動歸因分析

采用率定好的SWAT模型，驅動農業干旱模擬設計方案集，基于SSMI-1統計得到各驅動方案下的農業干旱特征值（干旱歷時、干旱強度和干旱事件頻率），根據2.4小節提出的農業干旱驅動歸因識別方法，量化黃河流域1991－2000年和2001－2010年氣候和土地利用變化對農業干旱歷時、干旱強度和干旱事件頻率的驅動影響貢獻率，結果如表5所示。

表5 氣候和土地利用變化對農業干旱特征值的驅動影響

驅動方向：氣候和土地利用變化對黃河流域各分區農業干旱歷時、干旱強度和干旱事件頻率的驅動方向均為正向，說明氣候和土地利用變化在不同程度上加劇了黃河流域農業干旱；總體來看，氣候變化對黃河流域農業干旱特征值的驅動影響明顯大于土地利用變化，即氣候變化是驅動黃河流域各分區農業干旱發生的主要誘因。

干旱歷時：1991－2000年氣候變化對黃河流域上游B區和中游E區農業干旱歷時的驅動影響大于2001－2010年，而2001－2010年土地利用變化對黃河流域上游B區和中游E區農業干旱歷時的驅動影響大于1991－2000年。總之，氣候變化對黃河流域農業干旱歷時的驅動影響占主導地位，驅動影響貢獻率約為60%～90%，土地利用變化對黃河流域農業干旱歷時的影響相對較小，驅動影響貢獻率約為10%～40%。

干旱強度：1991－2000年氣候變化對黃河流域上游B區和中游E區農業干旱強度的驅動影響大于2001－2010年，2001－2010年土地利用變化對黃河流域上游B區和中游E區農業干旱歷時的驅動影響大于1991－2000年。空間上，氣候變化對黃河上游A區（1991－2010年）的農業干旱強度影響最大，驅動影響貢獻率約為95%；而土地利用變化對黃河流域上游B區（2001－2010年）和C區（1991－2000年）的農業干旱強度影響最大，驅動影響貢獻率分別約為55%和40%。總之，氣候變化對黃河流域農業干旱強度的驅動影響占主導地位，驅動影響貢獻率約為50%～90%，而土地利用變化對黃河流域農業干旱強度的影響相對較小，驅動影響貢獻率約為10%～50%。

干旱事件頻率：1991－2000年氣候變化對黃河流域上游B區、中游D區和E區農業干旱頻率的驅動影響大于2001－2010年，而1991－2000年土地利用變化對黃河流域上游A區和C區農業干旱頻率的驅動影響大于2001－2010年。空間上，氣候變化對黃河上游A區（2001－2010年）和中游D區（1991－2000年）的農業干旱頻率影響最大，驅動影響貢獻率分別為96%和97%，土地利用變化對黃河流域下游F區（1991－2010年）的農業干旱頻率影響最大，驅動影響貢獻率分別為42%和49%。總之，氣候變化對農業干旱事件頻率的驅動影響占主導地位，驅動影響貢獻率約為60%～90%，土地利用變化對黃河流域農業干旱事件頻率影響相對較小，驅動影響貢獻率約為10%～40%。

總體而言，氣候變化是驅動黃河流域農業干旱發生的主要原因，驅動影響貢獻率約為50%～90%，而土地利用變化對黃河流域農業干旱的驅動影響相對較弱，驅動影響貢獻率約為10%～50%；就具體的農業干旱特征值而言，氣候變化對黃河流域農業干旱頻率的驅動影響最大，約為60%～90%，土地利用變化對黃河流域農業干旱強度和干旱事件頻率的驅動影響最小，約為10%～40%。

4 結 論

1）累積時間尺度越大，干旱發生的次數越少，干旱歷時越長，黃河流域農業干旱開始和結束時間多集中于春季和夏季（4－8月）；對同一區域來說，累積時間尺度越小，農業干旱開始和結束的時間越集中，但對于同一累積時間尺度而言，干旱等級越高（干旱越嚴重），農業干旱開始的時間越晚。

2）黃河流域1991－2000年農業干旱最嚴峻，但進入2000年后，黃河流域大部分區域的農業干旱得到了明顯緩解。空間上：黃河流域上游C區在1991－2000年最容易遭受重度等級以上的農業干旱，上游A區在2001－2010年最容易遭受重度等級以上的農業干旱。因此，近10年應加強該區域的生態綜合治理，調整作物種植結構，優化土地利用格局，大力發展適合于該區域種植的特色農作物，如飼草業等。

3）氣候變化是驅動黃河流域農業干旱發生的主要原因，驅動影響貢獻率約為50%～90%，而土地利用變化對黃河流域農業干旱的驅動影響相對較弱，驅動影響貢獻率約為10%～50%；就具體的農業干旱特征值而言，氣候變化對黃河流域農業干旱頻率的驅動影響最大，約為60%～90%，土地利用變化對黃河流域農業干旱強度和干旱事件頻率的驅動影響最小，約為10%～40%。

[1] 王利民，劉佳，張有智，等. 我國農業干旱災害時空格局分析[J]. 中國農業資源與區劃，2021，42(1)：96-105.

Wang Limin, Liu Jia, Zhang Youzhi, et al. Analysis on temporal and spatial pattern of agricultural drought disasters in China[J]. Chinese journal of agricultural resources and regional planning, 2021, 42(1): 96-105. (in Chinese with English abstract)

[2] 趙海燕，張文千，鄒旭愷，等. 氣候變化背景下中國農業干旱時空變化特征分析[J]. 中國農業氣象，2021，42(1)：69-79.

Zhao Haiyan, Zhang Wenqian, Zou Xukai, et al. Temporal and spatial characteristics of drought in china under climate change[J]. Chinese Journal of Agrometeorology, 2021, 42(1): 69-79. (in Chinese with English abstract)

[3] 黃建平，張國龍，于海鵬，等. 黃河流域近40年氣候變化的時空特征[J]. 水利學報，2020，51(9)：1048-1058.

Huang Jianping, Zhang Guolong, Yu Haipeng, et al. Characteristics of climate change in the Yellow River basin during recent 40 years[J]. Shuili Xuebao, 2020, 51(9): 1048-1058. (in Chinese with English abstract)

[4] 董安祥，柳媛普，李曉蘋，等. 黃河流域1922－1932年特大旱災的特大及其影響[J]. 氣象干旱，2010，28(3)：270-278.

Dong Anxiang, Liu Yuanpu, Li Xiaoping, et al. Characteristics and influence of the extreme drought event lasting eleven years (1922－1932) in the Yellow River Valley[J]. Journal of Arid Meteorology, 2010, 28(3): 270-278. (in Chinese with English abstract)

[5] 張葆蔚，萬金紅. 2003－2012年我國洪澇災情評估成因分析[J]. 中國水利，2013(11)：35-37.

Zhang Baowei, Wang Jinhong. Assessment and analysis of flood and water logging of China from 2003 to 2012[J]. China Water Resources, 2013(11): 35-37. (in Chinese with English abstract)

[6] 方宏陽. 黃河流域多時空尺度干旱演變規律研究[D]. 邯鄲：河北工程大學，2014.

Fang Hongyang. Research on Drought of Evolution Rules for Different Scales in Yellow River Basin[D]. Handan: Hebei University of Engineering, 2014. (in Chinese with English abstract)

[7] 韓蘭英，張強，馬鵬里，等.氣候變暖背景下黃河流域干旱災害風險空間特征[J].中國沙漠，2021，41(4)：225-234.

Han Lanying, Zhang Qiang, Ma Pengli, et al. Characteristics of drought disasters risk in the Yellow River Basin under the climate warming [J]. China desert, 2021, 41(4): 225-234. (in Chinese with English abstract)

[8] 談英武，張玫，楊立彬. 從黃河流域2009年初的旱情看建設南水北調西線工程的必要性和緊迫性[J]. 南水北調與水利科技，2009，7(4)：1-4.

Tan Yingwu, Zhang Mei, Yang Libin. Necessity and urgency of constructing the western route project of SNWDP by considering drought at the Yellow River Basin in the Year of 2009[J]. South-to-North Water Transfers and Water Science &Technology, 2009, 7(4): 1-4. (in Chinese with English abstract)

[9] 嚴小林，張建云，鮑振鑫，等. 海河流域農業干旱演變情勢分析[J]. 水資源與水工程學報，2016，27(3)：221-225.

Yan Xiaolin, Zhang Jianyun, Bao Zhenxin, et al. Analysis of evoluation of agricultural drought in Haihe River Basin[J]. Journal of Water Resources & Water Engineering, 2016, 27(3): 221-225. (in Chinese with English abstract)

[10] 王富強，閆旭，楊歡. 賈魯河流域農業干旱時空演變特征研究[J]. 華北水利水電大學學報：自然科學版，2018，39(6)：59-65.

Wang Fuqiang, Yan Xu, Yang Huan. Study on the Temporal and Spatial Evolution of Agricultural Drought in Jialu River Basin[J]. Journal of North China University of Water Resources and Electric Power: Natural Science Edition, 2018, 39(6): 59-65. (in Chinese with English abstract)

[11] Sultana M, Gazi M, Mia M. Multiple indices based agricultural drought assessment in the northwestern part of Bangladesh using geospatial techniques[J]. Environmental Challenges, 2021, 4: 100120.

[12] 吳迪，裴源生，趙勇，等. 湄公河流域農業干旱主要影響因素分析和預估[J]. 農業工程學院，2012，28(8)：1-10.

Wu Di, Pei Yuansheng, Zhao Yong, et al. Influencing factors analysis and prediction of agricultural drought in Mekong River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012, 28(8): 1-10. (in Chinese with English abstract)

[13] 蔣桂芹，裴源生，翟家齊. 農業干旱形成機制分析[J]. 灌溉排水學報，2012，31(6)：84-88.

Jiang Guiqin, Pei Yuansheng, Zhai Jiaqi. The formation mechanism of agricultural drought[J]. Journal of irrigation and drainage, 2012, 31(6): 84-88. (in Chinese with English abstract)

[14] Han Z M, Huang Q, Huang S Z, et al. Spatial-temporal dynamics of agricultural drought in the Loess Plateau under a changing environment: Characteristics and potential influencing factors[J]. Agricultural Water Management, 2021, 244, 106540.

[15] 王飛. 多干旱類型視角下的黃河流域干旱時空演變特征研究[D]. 鄭州：鄭州大學，2020.

Wang Fei. Spatiotemporal Evolution of Drought in the Yellow River Basin From the Perspective of Multiple Drought Types[D]. Zhengzhou: Zhengzhou University, 2020. (in Chinese with English abstract)

[16] 周帥，王義民，暢建霞，等. 黃河流域干旱時空演變的空間格局研究[J]. 水利學報，2019，50(10)：1231-1240.

Zhou Shuai, Wang Yimin, Chang Jianxia, et al. Research on spatio-temporal evolution of drought patterns in the Yellow River Basin[J]. Shuili Xuebao, 2019, 50(10): 1231-1240. (in Chinese with English abstract)

[17] Chang J X, Li Y Y, Wang Y M, et al. Copula-based drought risk assessment combined with an integrated index in the Wei River Basin, China[J]. Journal of Hydrology, 2016, 540: 824-834.

[18] Yao M N, Yuan X. Evaluation of summer drought ensemble prediction over the Yellow River basin[J]. Atmospheric and Oceanic Science Letters. 2018, 11(4): 314-321.

[19] 王璐，黃生志，黃強，等. 基于綜合干旱指數的黃河流域干旱多變量概率特征研究[J]. 自然災害學報，2019，28(6)：70-80.

Wang Lu, Huang Shengzhi, Huang Qiang, et al. Drought multivariable probability characteristics based on a multivariate standardized drought index in the Yellow River Basin[J]. Journal of natural disasters, 2019, 28(6): 70-80. (in Chinese with English abstract)

[20] Li Y Y, Luo L F, Chang J X, et al. Hydrological drought evolution with a nonlinear joint index in regions with significant changes in underlying surface[J]. Journal of Hydrology, 2020, 585: 124794.

[21] 黎云云，暢建霞，王義民，等. 渭河流域徑流對土地利用變化的時空響應[J]. 農業工程學報，2016，32(15)：232-238.

Li Yunyun, Chang Jianxia, Wang Yimin, et al. Spatiotemporal responses of runoff to land use change in Wei River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(15): 232-238. (in Chinese with English abstract)

[22] 田晶，郭生練，劉德地，等. 氣候與土地利用變化對漢江流域徑流的影響[J]. 地理學報，2020，75(11)：2307-2318.

Tian Jing, Guo Shenglian, Liu Dedi, et al. Impacts of climate and land use/cover changes on runoff in the Hanjiang River basin[J]. Acta Geographica Sinica, 2020, 75(11): 2307-2318. (in Chinese with English abstract)

[23] Nash J E, Sutcliffe J V. River flow forecasting through conceptual models, part I-a discussion of principles[J]. Journal of Hydrology, 1970, 10(3): 282-290.

[24] Gupta H, Sorooshian S, Yapo P. Status of automatic calibration for hydrologic models: comparison with multilevel expert calibration[J]. Journal of Hydrology Engineering, 1999(4): 135-143.

[25] 宋玉鑫，左其亭，馬軍霞. 基于SWAT模型的開都河流域水文干旱變化特征及驅動因子分析[J]. 干旱區研究，2021，38(3)：1-11.

Song Yuxin, Zuo Qiting, Ma Junxia. Variation characteristics and dynamic drivers of drought in Kaidu River Basin based on SWAT model[J]. Arid area study, 2021, 38(3): 1-11. (in Chinese with English abstract)

[26] 周洪奎，武建軍，李小涵，等. 基于同化數據的標準化土壤濕度指數監測農業干旱的適宜性研究[J]. 生態學報，2019，39(6)：2191-2202.

Zhou Hongkui, Wu Jianjun, Li Xiaohan, et al. Suitability of assimilated data-based standardized soil moisture index for agricultural drought monitoring[J]. Acta Ecologica Sinica, 2019, 39(6): 2191-2202. (in Chinese with English abstract)

[27] 中國氣象局政策法規司.氣象干旱等級標準(GB/T20481-2006)[S]. 北京:氣象出版社，2006.

[28] Yevjevich V M. 1967. An objective approach to de?nitions and investigations of continental hydrologic droughts. Hydrologic Paper. 23. Colorado State Univ., Fort Collins, CO.

[29] Chang H Y, He G H, Wang Q M. Use of sustainability index and cellular automata-Markov model to determine and predict long-term spatio-temporal variation of drought in China[J]. Journal of Hydrology, 2021, 598, 126248.

Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes

Li Yunyun1,2, Chang Jianxia2, Fan Jingjing3, Yu Bo1

(1.,,621000,; 2.,,,710048,; 3.,056038,)

Agricultural drought has posed a serious threat to the national food security, social, environmental, and economic sustainable development in China over the last 20 years. The average annual disaster area has been accounted for more than 50% of natural disasters against climate warming and intensive human activities. Therefore, it is highly urgent to clarify the drought evolution and driving mechanisms for scientific drought prevention. More importantly, the Yellow River Basin provides the water supply for about 140 million people in the region, where about 15% of the total irrigated land was for agricultural irrigation in the country. However, the Yellow River Basin has historically been frequently experiencing serious droughts. For example, the disaster area caused by agricultural drought after 2000 was nearly six times that before 2000. Therefore, taking the Yellow River Basin as a study area, the main objective of this study is to comprehensively analyze the temporal and spatial evolution characteristics and driving mechanisms of agricultural drought. Six sub-basins were divided according to the climatic and topographic characteristics. The standard soil moisture index (SSMI) and threshold method were used to identify the duration, intensity, and drought events under different drought levels. A systematic analysis was also made on the agricultural drought characteristics and event frequencies in different zones in the study area on the annual and seasonal scales. A SWAT model in a simulation scheme was then selected to quantify the impacts of climate and land use land cover (LULC) change on agricultural drought in the study area. Results showed that: 1) The fewer frequencies occurred for the agricultural drought with longer duration, as the cumulative time was much longer. The duration of the agricultural drought was then remarked by SSMI-1, SSMI-6, and SSMI-18 corresponding to about 1-8, 1-12, and 1-22 months, respectively. The beginning and end time of agricultural drought was mainly concentrated in spring and summer. 2) The most serious agricultural drought occurred in the study area during 1981-1990, where that was greatly alleviated in most zones during 2001-2010. Specifically, Zone C and A were the most vulnerable to severe and extreme agricultural drought in the 1990s and 2000s, respectively. 3) Climate change was the main factor that caused the agricultural drought in the study area with a contribution rate of about 50%-90%, while the impact of LULC change was relatively weak with a contribution rate of about 10%-50%. Consequently, the greatest driving impacts of climate and land use were about 60%-90% and 10%-50%, respectively, on the frequency of agricultural drought in the study area. The findings can provide much more accurate information for actual management and disaster prevention of agricultural drought.

drought; climate; land use; agricultural drought; driving mechanism; the Yellow River Basin

黎云云，暢建霞，樊晶晶，等. 氣候和土地利用變化下黃河流域農業干旱時空演變及驅動機制[J]. 農業工程學報，2021，37(19)：84-93.doi：10.11975/j.issn.1002-6819.2021.19.010 http://www.tcsae.org

Li Yunyun, Chang Jianxia, Fan Jingjing, et al. Agricultural drought evolution characteristics and driving mechanisms in the Yellow River Basin under climate and land use changes[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(19): 84-93. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2021.19.010 http://www.tcsae.org

2021-04-26

2021-08-22

國家自然科學基金（52009053）；綿陽師范學院科研啟動項目（QD2020A06）；河北省自然科學基金（E2019402432）；省部共建西北旱區生態水利國家重點實驗室開放課題（2019KFKT-4）

黎云云，博士，副教授，研究方向為水文水資源系統工程。Email：liyunyun19900627@163.com

暢建霞，博士，教授，研究方向為水文水資源系統工程。Email：chxiang@xaut.edu.cn.

10.11975/j.issn.1002-6819.2021.19.010

P4; TV1

A

1002-6819(2021)-19-0084-10