EN中文

Arid Zone Research >

2024 , Vol. 41 >Issue 5: 717 - 729

DOI: https://doi.org/10.13866/j.azr.2024.05.01

Weather and Climate

Spatial and temporal variation of drought in Northwest China based on CMIP6 model

  • SHAN Jian'an , 1 ,
  • ZHU Rui 1 ,
  • YIN Zhenliang , 2, 3 ,
  • YANG Huaqing 1 ,
  • ZHANG Wei 1 ,
  • FANG Chunshuang 1
Expand
  • 1. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Key Laboratory of Science and Technology in Surveying & Mapping, Gansu Province, Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730000, Gansu, China
  • 2. Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands, National Cryosphere Desert Data Center, Northwest Institute of Eco-Environment and Resources, Chinese Academy of Sciences, Lanzhou 730000, Gansu, China
  • 3. College of Safety and Environmental Engineering, Shandong University of Science and Technology, Qingdao 266000, Shandong, China

Received date: 2023-11-18

  Revised date: 2024-01-21

  Online published: 2024-06-20

Fold

Abstract

Based on data from 152 meteorological stations in Northwest China and 16 climate models of CMIP6, the CMIP6 model data were bias-corrected using the RoMBC method. The Standardized Precipitation Evapotranspiration Index (SPEI) was then constructed to analyze the spatial and temporal distribution and variation of drought in Northwest China under the historical and future scenarios (SSP1-2.6, SSP2-4.5, SSP3-7.0, SSP5-8.5). The results are as follows: (1) Under the historical scenario, the northwest area experienced a notable increase in both the temperature and precipitation. The temperature and precipitation have been rising at a rate of 0.15-0.74 ℃ and 2.71-14.83 mm per decade, respectively, and the same is expected for future scenarios. (2) From 1975 to 2014, the annual and seasonal SPEI in Northwest China decreased overall. The maximum decline rate in spring was 0.19 per decade. Droughts in most areas were increasingly intense throughout the year, particularly in spring and winter. In terms of drought frequency in Northwest China, mild and moderate droughts appeared more than severe and extreme droughts, and this type of natural disaster was more frequent in the east of the country than in the west. (3) From 2020 to 2100, Northwest China is likely to suffer from droughts, but there are no distinct drought characteristics identified in the research under the SSP1-2.6 scenario. The northwest region is expected to experience an increase in the number of droughts, trends in drought, and drought frequency under the other three scenarios. The most severe drought conditions were observed under the SSP5-8.5 scenario. This study provides insights into the spatial and temporal development of drought in Northwest China using meteorological and model data. The findings can serve as a basis for drought risk assessment, scientific water resources management, and agricultural production in the region.

Key words： SPEI; spatial-temporal pattern of drought; CMIP6; Northwest China

Cite this article

SHAN Jian'an , ZHU Rui , YIN Zhenliang , YANG Huaqing , ZHANG Wei , FANG Chunshuang . Spatial and temporal variation of drought in Northwest China based on CMIP6 model[J]. Arid Zone Research, 2024 , 41(5) : 717 -729 . DOI: 10.13866/j.azr.2024.05.01

干旱作为一种极端气候事件，对区域农业生产、生态系统稳定和社会经济发展产生深远影响[1]。随着气候变化持续加剧，发生干旱的严重程度和频率预计将增加，对陆地生态系统造成严重损害甚至濒临崩溃[2⇓-4]。与其他自然灾害相比，干旱的发展速度较缓，其特征难以量化，影响方式较为间接，同时危害范围也相对广泛[5]。西北地区是我国典型的气候变化敏感区和生态环境脆弱区[6]，水资源短缺与持续干旱成为该地区可持续发展的限制因素[7]。因此，了解西北地区干旱时空格局及其变化趋势，对于制定科学合理的气候变化适应性应对措施具有重要意义。
干旱是一种受多种因素综合影响的复杂现象，定量描述干旱是干旱研究的关键。目前，已有的干旱指数包括标准降水指数（Standardized Precipitation Index，SPI）[8]、帕尔默干旱指数（Palmer Drought Severity Index，PDSI）[9]、综合气象干旱指数（Comprehensive Meteorological Drought Index，CI）[10]、标准化降水蒸散指数（SPEI）[11]等。其中SPEI作为一种综合考虑潜在蒸散发、气温和降水的指标，被广泛用于干旱研究[12⇓-14]。侯青青等[15]采用SPEI指数分析了黄土高原的年、季尺度干旱时空分布及变化特征，发现黄土高原总体呈现干旱化趋势，且年际和季节尺度的干旱发生频率在空间上差异较大。姚俊强等[16]基于SPEI指数对新疆区域干湿气候变化及其影响评估进行了探讨，表明SPEI适用于西北地区干旱监测研究。潜在蒸散发是计算SPEI的关键参量，计算潜在蒸散发常用的方法包括Penman-Monteith、Thornthwaite、Hargreaves、Hamon、Priestley-Taylor等，在计算SPEI时，通常采用Penman-Monteith法，其计算潜在蒸散发时综合考虑了气温、风速、日照实数等因素的影响[17]。利用国际耦合模式比较计划（Coupled Model Intercomparison Project，CMIP）其输出结果对区域未来干旱趋势进行预估已成为一种重要手段。卢冬燕等[18]利用CMIP6的18个模式和SPEI指数对中国7个自然地区的未来干旱特征进行分析，表明干旱特征指标增加值最大的地区均为西北荒漠地区。胡实等[19]基于CMIP3（Coupled Model Intercomparison Project 3，CMIP3）和SPEI指数分析了2011—2050年我国北方地区干旱状况的时空变化趋势，发现北方地区未来40 a呈现干旱化倾向，其中轻度和中度季节性干旱发生频率降低，重度和极端季节性干旱发生频率增加。Li等[20]基于CMIP6模式数据和PDSI指数揭示了西北地区未来（2015—2099年）干旱状况，指出SSP1-2.6下的干旱严重程度无明显趋势，SSP2-4.5和SSP5-8.5情景下干旱严重程度迅速增加。干旱时空格局的改变是温度和降水变化的综合效应，研究表明西北地区未来年平均气温将进一步升高[21]，年降水量将明显增加；且排放情景越高，气温升高和降水增幅越明显。两者的共同作用将会加剧21世纪西北地区的干旱状况。因此，本文基于气象台站观测数据和CMIP6模式数据，使用Penman-Monteith法计算SPEI，探究西北地区未来年、季节尺度干旱时空规律，为西北地区的干旱监测和农业生产等提供依据，以应对未来不确定的气候挑战。

1 数据与方法

1.1 研究区概况

我国西北地区位于73°25′~110°55′E、31°35′~49°15′N，包括新疆、甘肃、青海、宁夏、陕西和内蒙古西部地区（图1），土地面积约占我国国土面积的1/3[22]。处于东亚季风气候、西风带和高原季风气候相互作用和影响的交汇地带，深居内陆，远离海洋，降水稀少[23]，70%以上地区降水不足400 mm；蒸发量约为降水的8~10倍；年平均气温主要介于0~16 ℃[24]，呈显著升高趋势且升温速率明显高于同期全球和全国平均水平[21]。
图1 研究区地理位置及气象站点分布

注：底图采用自然资源部标准地图制作，审图号为GS(2023)2767号，对底图边界无修改。下同。

Fig. 1 Geographical location and distribution of meteorological stations in study area

1.2 数据来源与处理

实际观测数据选用中国气象数据网提供的“中国地面气候资料日值数据集（V3.0）”，选取研究区及周边152个国家标准气象台站的降水、气温、相对湿度、风向风速、日照时数数据，通过日照时数计算辐射量。气候变化数据选用CMIP6发布的16个全球气候模式数据，如表1。对CMIP6模式数据进行双线性插值，统一分辨率至0.5°×0.5°。通过多变量偏差校正RoMBC方法对选取的模式格点数据进行偏差校正，减小全球气候模式在区域尺度上的模拟偏差，提高气候模式数据的模拟精度[25]。
表1 CMIP6中16个GCMs模式基本信息

Tab. 1 Basic information of 16 GCMs models in CMIP6

模式名称 研发机构 格点数/个
ACCESS-CM2 澳大利亚联邦科学与工业研究组织 192×144
ACCESS-ESM1-5 澳大利亚联邦科学与工业研究组织 192×144
CanESM5 加拿大环境署 128×64
CMCC-ESM2 欧洲地中海气候变化中心 288×192
EC-Earth3 欧盟地球系统模式联盟 512×256
FGOALS-g3 中国科学院大气物理研究所 180×80
GFDL-ESM4 美国大气海洋局 288×180
INM-CM4-8 俄罗斯科学院计算数学研究所 180×120
INM-CM5-0 俄罗斯科学院计算数学研究所 180×120
IPSL-CM6A-LR 皮埃尔-西蒙拉普拉斯研究所 144×143
MIROC6 日本海洋地球科学与技术处 256×128
MPI-ESM1-2-HR 德国气候和地球系统研究中心 384×192
MPI-ESM1-2-LR 德国马普气象研究所 192×96
MRI-ESM2-0 日本气象厅气象研究所 320×160
NorESM2-MM 挪威气候中心 288×192
TaiESM1 “中研院” 288×192
为克服单一气候模式数据不确定性大等问题[26]，采用多模式集合（Multi-Model Ensemble，MME）平均法，对CMIP6的16个全球气候模式数据进行集合平均。选取的CMIP6未来情景包括SSP1-2.6（低强迫情景）、SSP2-4.5（中等强迫情景）、SSP3-7.0（中高等强迫情景）、SSP5-8.5（高等强迫情景），其中SSP1-2.6包含了显著的土地利用变化（特别是全球森林面积显著增加)，代表低脆弱性、低减缓压力和低辐射强迫的综合影响；SSP2-4.5土地利用和气溶胶路径不如其他SSP极端，代表中等社会脆弱性与中等辐射强迫的组合；SSP3-7.0代表高社会脆弱性与相对高的人为辐射强迫组合；SSP5-8.5代表2100年人为辐射强迫达到8.5 W·m-2的共享社会经济路径[27]。

1.3 研究方法

泰勒图能很好地展示CMIP6多模式集合平均结果的模拟能力，以图形的形式直观展示模拟值与观测值之间的标准差之比（ σ f）、相关系数（R）和均方根误差（RMSE）。 σ f和RMSE约束模拟值与观测值之间的偏差大小，R反映模拟结果与观测值之间的相似程度[28]。
SPEI由降水与潜在蒸散发的差值经过标准化处理得到，计算过程如下：
使用Penman-Monteith（PM）公式计算潜在蒸散发：
P E T = 0.408 Δ R n - G + γ 900 T + 273 U 2 ( e a - e d ) Δ + γ ( 1 + 0.34 U 2 )
式中：PET为潜在蒸散量（mm·d-1）；Δ为温度随饱和水汽压变化的斜率（kPa·℃-1）；U2为离地2 m高处风速（m·s-1）； e a为饱和蒸气压（kPa）； e d为实际蒸气压（kPa）；T为平均气温（℃）；γ为湿度表常数（kPa·℃-1）；G为土壤热通量密度（MJ·m-2∙d-1）。
计算逐月降水量与潜在蒸散发量的差值：
D i = P i - P E T i
式中：i为月份；P为月降水量。
采用三参数的Log-logistic分布对Di进行拟合，并计算累积概率分布函数：
f x = β α x - γ α ( β - 1 ) 1 + x - γ α β - 2
F x = ∫ 0 x f ( t ) d t = 1 + α x - γ β - 1
式中：α为尺度参数；β为形状参数；γ为origin参数；f(x)为概率密度函数；F(x)为概率分布函数。
对累积概率分布函数进行正态标准化得到SPEI：
S P E I = W - C 0 + C 1 + C 2 W 2 1 + d 1 W + d 2 W 2 + d 3 W 3
W = - 2 l n ( p )
式中：当p≤0.5时，p=F(x)，当p>0.5时，p=1-F(x)；其他参数分别为C0=2.515517，C1=0.802853，C2=0.010328，d1=1.432788，d2=0.189 269，d3=0.001308。
不同时间尺度的SPEI具有不同意义，SPEI01（1个月）能较好地反映水分盈亏的细微性变化，以此显示短期干旱；SPEI03（3个月）和SPEI06（6个月）能够体现前期水分盈亏量变化对研究区干湿程度的累积影响，表征干湿季节变化；SPEI12（12个月）反映干旱的长期变化特征，用以表征干旱的年际变化[29-30]。本研究选取SPEI03分析季节尺度变化，SPEI12分析年尺度变化；选取SPEI12中的12月作为年SPEI值，SPEI03中的5月、8月、11月、次年2月作为春季、夏季、秋季、冬季的SPEI值[31]。结合我国西北地区的地理特性并参考相关研究划分干旱等级[32]，SPEI干旱等级划分标准如下（表2）。
表2 SPEI干旱等级变化

Tab. 2 SPEI drought grade change

干旱等级 SPEI值
无旱 SPEI>-0.5
轻旱 -1.0<SPEI≤-0.5
中旱 -1.5<SPEI≤-1.0
重旱 -2.0<SPEI≤-1.5
特旱 SPEI≤-2.0
RoMBC是一种统计校正方法，旨在调整气候模型输出或历史气候数据，使其更准确地与观测数据相匹配。它是处理多变量气候模拟和实际观测之间的偏差和差异，具体原理参见[33]。实际校正时观测数据为经过处理的气象站点数据；校正的模式数据为CMIP6模式数据，历史时期的数据为1975—2014年，未来时期为2020—2100年。
采用Mann-Kendall（M-K）趋势检验分析研究区干旱变化趋势[13]，统计量Z值为正值表示呈增加趋势，为负值表示呈减少趋势。Z值的绝对值大于1.96、2.58分别表明变化趋势通过0.05和0.01水平的显著性检验。

2 结果与分析

2.1 气候模式偏差校正精度评估

2.1.1 基于泰勒图的模拟能力评估

图2为16个气候模式和多模式集合偏差校正前后的模式模拟精度泰勒图。偏差校正前（图2a，图2b）的标准差以及相关系数表现较差，降水的标准差最大值约为1.7，相关系数介于0.6~0.84；气温的标准差最大值约为1.3，相关系数为0.95~0.99，均方根误差位于0.3~0.4。偏差校正后，模式模拟降水与观测降水的相关系数在0.81~0.85，呈高度相关性，降水的标准差值接近1，均方根误差值小于1，降水模拟效果提升；气温的相关系数在0.97~0.99，呈高度相关，标准差值趋近1。多模式集合在校正后精度高于单个模式，降水相关系数为0.96，气温相关系数为0.99。
图2 单模式和多模式集合平均的降水、气温偏差校正前后模拟结果泰勒图

Fig. 2 Taylor diagram of simulation results before and after correction of precipitation and temperature deviation of single mode and multi-mode ensemble mean

2.1.2 多年月平均气候变化模拟评估

如图3所示，经过RoMBC校正的CMIP6多模式集合平均结果能够较好地模拟西北地区多年月平均气温和降水。月平均降水的模拟值与气象站点观测值误差相差0.15~1.31 mm，多年月平均气温模拟曲线与观测值曲线基本完全重合，进一步说明经过偏差校正之后的CMIP6多模式集合平均效果较好。
图3 多年月平均气温、降水量模拟评估

Fig. 3 Multi-year monthly average temperature and precipitation simulation assessment

综合以上分析，CMIP6模式数据经过偏差校正之后，多模式集合平均结果在气温、降水的模拟中与气象站点观测数据具有较好的相关性，能够反映西北地区的气候要素变化趋势，适用于分析西北地区干旱的时空演变格局。因此，在预估西北地区干旱的时空变化中采用经过RoMBC校正后的CMIP6多模式集合平均结果进行分析。

2.1.3 历史和未来气候变化

基于16个CMIP6模式集合预估西北地区历史和未来的年平均气温和年总降水量（图4）。西北地区历史（1975—2014年）的年平均气温从6.23 ℃（1975年）增加到7.43 ℃（2014年）（图4a），增幅达1.2 ℃，增温速率为0.3 ℃·（10a）-1（P<0.05）。同时，历史年总降水量略有增加，从295 mm（1975年）增加到314 mm（2014年）（图4b），增幅达19 mm，增加速率为4.8 mm·（10a）-1（P<0.05）。2015—2100年，SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5四种情景下西北地区的年平均气温预计分别以0.15 ℃·（10a）-1、0.31 ℃·（10a）-1、0.54 ℃·（10a）-1、0.74 ℃·（10a）-1的速度上升（图4a）。在SSP2-4.5、SSP3-7.0、SSP5-8.5这三种情景下增温速率明显高于历史时期和SSP1-2.6情景；四种情景下年总降水量预计将分别以2.71 mm·（10a）-1、6.83 mm·（10a）-1、8.71 mm·（10a）-1、14.83 mm·（10a）-1的速度增加（图4b）。总体而言，未来西北地区气温和降水均有明显增加的趋势，SSP5-8.5情景下表征尤为显著。
图4 CMIP6多模式集合年平均降水量、气温模拟值与观测值对比

注：实线为情景下多模式集合平均值和观测数据；彩色阴影部分是模式集合平均最大最小值分布，表征模式的不确定性。

Fig. 4 Comparison of simulated and observed monthly mean precipitation and temperature of CMIP6 multi-model ensemble mean

2.2 西北地区历史干旱趋势分析

2.2.1 时间变化趋势

由图5可知，不同时间尺度的SPEI变化趋势整体呈下降趋势，表明1975—2014年西北地区气候向干旱化发展。从年尺度（图5a），西北地区SPEI值波动较大，但总体呈下降趋势，下降速率为0.11·（10a）-1。分析发现1975—2014年西北地区经历了5次干旱，分别是1980年（轻度干旱）、1997年（中度干旱）、2004年（轻度干旱）、2006年（轻度干旱）、2013年（轻度干旱）；相对湿润的年份是1988年、1992年、1993年、2003年。
图5 1975—2014年西北地区年尺度和季节尺度SPEI年际变化趋势

Fig. 5 The interannual variation trend of SPEI at annual and seasonal scales in Northwest China from 1975 to 2014

从季节尺度来看（图5），春季SPEI下降速率最大，下降速率为0.19·（10a）-1，发生干旱次数最多，共10次，其中1980年、1997年、2001年、2004年、2006年、2007年、2014年发生轻度干旱，2000年、2008年、2013年发生中度干旱；夏季SPEI值波动较小，1977年、1997年、2001年发生轻度干旱，1978—1996年和2002—2014年，西北地区呈现出相对湿润的状态；秋季以0.02·（10a）-1的速率缓慢下降；冬季SPEI值的下降速率为0.09·（10a）-1，其中两次中度干旱（1979年、1999年）、4次轻度干旱（1997年、2004年、2007年、2009年），1980—1996年气候相对湿润。

2.2.2 空间变化趋势

西北地区1975—2014年各气象站点年、季节尺度SPEI倾向率存在一定的空间差异性（图6）。从年尺度（图6a）看，1975—2014年西北地区年SPEI倾向率空间呈现出干旱化趋势，105个站点呈现出干旱化趋势，主要分布于内蒙古西部、甘肃、新疆西南部，其中新疆的十三间房站和甘肃的马鬃山站等站点变干趋势显著；此外，47个站点呈现出湿润化趋势，主要分布于新疆西北部、青海西部。
图6 西北地区年尺度和季节尺度SPEI倾向率空间分布

Fig. 6 The spatial distribution of SPEI tendency rate at annual and seasonal scales in Northwest China

从年内变化看，春季84.2%的气象站呈干旱趋势（图6a），主要分布在新疆西南部、甘肃、内蒙古西部、宁夏与陕西等地，其中新疆十三间房站、喀什站、皮山站、和田站和宁夏的中卫站、甘肃靖远站等是春季区域干旱化的高值中心；夏季42.8%的气象站呈干旱趋势（图6b），甘肃东部、内蒙古西部、陕西等地是主要的干旱区域；秋季36.9%的气象站呈干旱趋势（图6c），相比夏季有所降低，区域干旱化中心是新疆西南部、内蒙古西部阿拉善盟等地；冬季73%的气象站呈干旱趋势（图6d），相比春季有所降低，主要分布在新疆东南部、青海、甘肃东部以及陕西东北部等区域，其中青海茫崖站、五道梁站、曲麻莱站是区域干旱化的高值中心。从西北地区不同尺度的SPEI空间倾向率变化趋势来看，内蒙古西部、甘肃、新疆西南部等地是主要的干旱区域，而新疆西北部、中部、青海中部是主要的湿润区域。

2.2.3 干旱频率特征

图7为西北地区年尺度和季尺度干旱频率空间分布图。从年尺度看，轻中旱发生频率为15%~39%（图7a1），平均为25.6%，轻中旱高频区域集中在新疆十三间房站、红柳河站、温泉站和宁夏固原站、陕西横山站，干旱频率为分别为39%、39%、37%、35%、35%；年尺度中特旱发生频率为0%~12%（图7a2），主要分布在内蒙古西部的东部、陕西南部、新疆北部等地区。从年内变化看，春季轻中旱发生频率10%~39%（图7b1），平均为23.7%，主要集中在新疆吐鲁番、铁干里克、淖毛湖和内蒙古巴彦诺尔公等站点；重特旱发生频率0%~12%（图7b2），其中新疆吐尔尕特站和内蒙古东胜站是区域重特旱的高值中心。夏季轻中旱发生频率12%~35%（图7c1），平均为26.7%，除新疆轮台站、甘肃敦煌站、高台站、青海诺木洪站和兴海站等其他站点都易发生干旱；重特旱发生频率0%~12%（图7c2），主要集中在新疆东部和青海北部等地。秋季轻中旱发生频率10%~39%（图7d1），平均为25.2%，主要分布在新疆十三间房、内蒙古包头和阿拉善左旗等站点；重特旱发生频率0%~12%（图7d2），主要分布在新疆、青海北部和内蒙古西部阿拉善等区域。冬季轻中旱发生频率10%~39%（图7e1），平均为26.2%，新疆和布克赛尔、青海同仁、甘肃合作等站点是区域易发生轻中旱的高值中心；重特旱发生频率0%~14%（图7e2），西北地区大部分地区不易发生干旱，但新疆乌苏、库车、塔什库尔干和宁夏陶乐等站点是区域重特旱频率高值中心。
图7 西北地区年尺度和季节尺度干旱发生频率空间分布

注：a、b、c、d、e分别表示年、春季、夏季、秋季、冬季；1、2表示轻中旱、重特旱。

Fig. 7 Spatial distribution of annual and seasonal drought frequency in Northwest China

综合年和四季的干旱频率差异来看，西北地区年、季尺度轻中旱发生频率均高于重特旱频率，东部发生干旱频率高于西部，其中夏季平均轻中旱频率最高，冬季重特旱频率较其他季节和年略高。

2.3 西北地区未来干旱趋势分析

2.3.1 时间变化趋势

未来不同情景和尺度的SPEI均呈下降趋势，SSP1-2.6情景下春季的下降速率分别为0.0467·（10a）-1（图8a2），发生11次轻度干旱（表3），主要集中在2050s、2080s，其余均不会发生干旱。SSP2-4.5情景下年SPEI下降速率为0.079·（10a）-1（图8b1），发生5次轻度干旱（2071年、2076年、2078年、2085年、2094年）；从年内变化来看，春季和冬季发生干旱（图8b2、图8b5），春季干旱集中在2080s、2090s，冬季为2078年和2083年。SSP3-7.0和SSP5-8.5情景下，除秋季外均会发生干旱，其中年尺度分别发生11次、22次干旱，主要发生在2080s之后；春季SPEI下降速率最大[0.1363·（10a）-1、0.1605·（10a）-1]、发生干旱次数最多（29次、36次），表明春季干旱最为严重；夏季和冬季下降速率和干旱次数较接近。
图8 不同情景2020—2100年西北地区年尺度和季节尺度SPEI年际变化趋势

注：a为SSP1-2.6，b为SSP2-4.5，c为SSP3-7.0，d为SSP5-8.5；1为年，2为春季，3为夏季，4为秋季，5为冬季。下同。

Fig. 8 The interannual variation trend of SPEI at annual and seasonal scales in Northwest China from 2020 to 2100 under different scenarios

表3 不同情景下年和季节尺度不同干旱类型发生频率

Tab. 3 The frequency of different drought types at annual and seasonal scales under different scenarios /d

SSP1-2.6 SSP2-4.5 SSP3-7.0 SSP5-8.5
轻旱 中旱 重旱 特旱 轻旱 中旱 重旱 特旱 轻旱 中旱 重旱 特旱 轻旱 中旱 重旱 特旱
年 20.17 14.77 7.14 2.04 20.57 15.37 7.51 2.08 20.88 15.5 7.4 1.91 21.17 16.82 8.27 1.83
春 17.46 12.4 5.78 1.61 18.24 13.12 6.09 1.71 18.66 13.04 5.88 1.51 18.66 13.69 6.67 1.8
夏 15.4 10.16 4.6 1.16 15.84 10.81 4.72 1.24 16.84 11.31 4.89 1.14 16.23 10.89 4.77 1.21
秋 17.08 12.17 5.61 1.63 17.57 12.59 5.96 1.67 17.7 12.39 5.7 1.48 17.59 13.42 6.7 1.76
冬 17.68 12.62 6.04 1.64 18.52 13.67 6.47 1.7 19.14 13.73 6.38 1.51 19.09 14.52 7.04 1.66
综合来看，随着辐射强迫的增加，未来西北地区SPEI值在不同尺度上虽有波动，但总体呈下降趋势。低强迫情景SSP1-2.6西北地区SPEI整体虽是下降趋势但较为湿润，高强迫情景SSP5-8.5西北地区干旱频发。从年尺度来看，SSP1-2.6情景西北地区处于比较干燥的状态但不发生干旱，其余情景下均发生干旱且干旱次数增加。从年内变化来看，春季是一年中最干旱的季节，4种情景均发生干旱且干旱次数随辐射浓度增加而增加，主要集中于2080s和2090s；SSP3-7.0和SSP5-8.5情景下夏季会发生干旱，秋季的4种情景下均不发生干旱，除SSP1-2.6情景外冬季均会发生干旱。

2.3.2 空间变化趋势

西北地区未来不同情景和尺度下SPEI倾向率空间分布具有明显差异。SSP1-2.6情景下年尺度整体呈干旱化趋势（图9a1），86.2%的气象站呈干旱趋势，主要集中在新疆东部、甘肃西北部、内蒙古西部的阿拉善盟、陕西、宁夏等地；从年内变化来看，春季干旱区域主要为南疆、青海西部、甘肃东部、陕西等地（图9a2）；夏季新疆东部和南部、青海西北部、陕西等地是主要的干旱区域（图9a3）；秋季新疆西南部和东北部等地干旱趋势加剧（图9a4）；冬季干旱的区域主要是南疆、甘肃河西地区、青海西北部等区域（图9a5）。SSP2-4.5情景下年尺度93.4%的气象站呈干旱趋势（图9b1），主要集中在新疆东部、甘肃西北部、内蒙古西部的阿拉善盟、陕西、宁夏等地；春季（图9b2）全区除新疆西北部的伊犁河谷地区均呈干旱趋势，夏季青海西北部、新疆东部等地呈干旱趋势（图9b3），秋季干旱趋势与SSP1-2.6情景秋季干旱趋势较为一致（图9b4），冬季南疆、内蒙古西部、甘肃河西、青海西部是主要的干旱区域（图9b5）。SSP3-7.0和SSP5-8.5情景下年尺度95.4%、97.4%的气象站点呈干旱趋势（图9c1、图9d1），多年来趋于干旱化的区域主要是新疆东部和南部、青海西部、甘肃兰州以西、内蒙古西部的阿拉善盟等区域；春季干旱区域主要分布在南疆、青海、内蒙古西部、甘肃、陕西北部等区域（图9c2、图9d2），夏季新疆西北部、青海西部等地较为干旱（图9c3、图9d3），秋季干旱地区主要是新疆西北部（图9c4、图9d4），冬季新疆东部、甘肃西北部、青海西部、内蒙古西部阿拉善盟是主要的干旱区域（图9c5、图9d5）。
图9 不同情景西北地区年尺度和季节尺度SPEI倾向率空间分布

Fig. 9 The spatial distribution of SPEI tendency rate at annual and seasonal scales in Northwest China under different scenarios

结合不同情景和尺度的SPEI空间倾向率可以看出，年尺度西北地区未来以干旱化趋势为主，从低强迫情景SSP1-2.6到高强迫情景SSP5-8.5干旱趋势加重，主要分布在新疆东北部、内蒙古西部阿拉善盟、甘肃河西地区、青海西北部等区域；季节尺度，随着辐射强迫增加，SSP5-8.5情景下西北地区干旱趋势最为严重，春季、夏季、秋季未来多年气候以干旱化趋势为主，而秋季相对湿润；区域干旱化的高值中心分布在新疆十三间房站、青海茫崖站、甘肃马鬃山站、内蒙古西部拐子湖站等地区，湿润化的区域主要分布在新疆西北部、青海东南部、内蒙古西部包头等地区。

2.3.3 干旱频率特征

对西北地区不同情景不同尺度的干旱发生频率进行统计，通过空间插值生成干旱频率分布图，如图10所示。SSP1-2.6情景年尺度西北地区干旱发生的频率为21.8%~50.7%（图10a1），轻旱、中旱、重旱、特旱发生频率为20.17%、14.77%、7.14%、2.04%，其中新疆东部、青海西部、甘肃河西地区的酒泉等地干旱频发，新疆西北部、陕西北部、内蒙古西部的包头等地干旱频率低；从年内变化来看，春季除新疆西北部外全区均易发干旱（图10a2）；夏季除青海东部和南部其他地区干旱发生频率都较低（图10a3）；秋季南疆、青海西部、甘肃西北部和东部等地干旱发生频率较高（图10a4）；冬季新疆西部干旱频率较低（图10a5），其余地区干旱发生频率较高。SSP2-4.5和SSP3-7.0情景下年尺度干旱发生频率为25.5%~54.8%、24.8%~56.3%（图10b1、图10c1），新疆东部、青海西部、甘肃河西走廊、内蒙古西部的阿拉善盟等地干旱频率高，轻旱频率20.57%、20.88%高于其他干旱类型；春季除新疆西北部、陕西南部、宁夏南部等地外全区干旱频率较高（图10b2、图10c2）；夏季青海、甘肃河西、新疆东北部等地干旱频率高（图10b3、图10c3）；秋季新疆东部和南部、甘肃河西、青海西部等地干旱频率高（图10b4、图10c4）；冬季干旱频率较秋季增加但干旱频发地区较为一致（图10b5、图10c5）。SSP5-8.5情景下全区大部分地区干旱频发，年尺度全区干旱发生的频率为22%~55.9%（图10d1），轻旱、中旱、重旱、特旱发生频率为21.17%、16.82%、8.27%、1.83%，陕西、宁夏等地干旱发生频率较低；年内春季、秋季、冬季干旱频率高的区域主要是新疆南部和东部、河西走廊、青海西部等地（图10d2、图10d4、图10d5），夏季除青海西部外其余大部分地区干旱频率低（图10d3），轻旱、中旱、重旱、特旱发生频率为16.2%、10.89%、4.77%、1.21%均低于年和季节尺度。
图10 不同情景下年尺度和季节尺度干旱频率空间分布

Fig. 10 Spatial distribution of annual and seasonal drought frequency under different scenarios

综合来看，随着排放情景的变化，SSP3-7.0情景下西北地区干旱发生频率较高，这与杨肖丽等[34]的部分结论相一致，SSP3-7.0情景代表了大量土地利用变化（尤其是全球森林覆盖率下降）和高的气候强迫因子（特别是二氧化硫）有关；年尺度发生轻旱、中旱、重旱、特旱的频率高于四季尺度，未来西北地区发生干旱多以轻旱为主。从年尺度看，SSP1-2.6情景特旱频率最高，干旱频发的地区主要分布在青海、新疆、甘肃三省交汇处。从季节尺度看，春季干旱发生频率最高，夏季最低，青海西北部、河西走廊、新疆东南部和内蒙古西部阿拉善盟等地区的干旱发生频率较高，而新疆西北部、陕西南部、甘肃东南部等地的干旱发生频率较低。

3 讨论

由于人类活动对干旱的影响不容忽视，与以往研究相比，本研究采用最新的CMIP6模式数据对我国西北地区干旱状况进行预测。CMIP6模式对西北地区气温和降水的模拟效果有所改善[35]，有利于对西北地区干旱信号的捕捉。Li等[20]利用12个CMIP6计算PDSI指数，分析了西北地区未来近一百年的气候变化与干旱状况，结果表明在SSP2-4.5和SSP5-8.5这两种情景下中国西北区域均出现变干的倾向，而SSP1-2.6情景下西北干旱无明显的变化趋势，这与本研究结果一致。Ma等[36]基于27个模式的降水和温度数据计算SPEI，评估了2015—2099年中国干旱特征的变化，研究发现，西北地区干旱明显加剧，中低排放情景下，干旱事件频次增加，与本研究结果一致。已有关于西北地区未来干旱演变趋势的研究表明大多数GCM模式数据原始值在误差校正前都低估了西北地区的温度，而所有模式数据均高估了西北地区的降水量[20,37]，这可能会导致本研究结果低估了中国西北地区未来的干旱情况。但相关研究均表明，未来中国大部分地区将发生更频繁和严重的干旱，尤其是西北地区干旱明显加剧，与本研究结果基本一致。
此外，西北地区以山、盆相间的地貌格局、山地-绿洲-荒漠相伴而生的复合生态系统特点[7]，增大了干旱预测的不确定性和难度，今后在注重提高西北地区干旱预测准确性的同时，也需以内陆河流域系统为单元加强气象干旱、农业干旱、水文干旱的发生特点和变化趋势。后续研究中应当充分考虑气候变化的不确定性和西北地区地形的复杂性，选取更多气候变化情景和精度高的模式数据用于研究。

4 结论

本研究基于气象台站和CMIP6模式数据，通过计算标准化降水蒸散发指数（SPEI），分析了西北地区历史及未来的干旱时空格局，得到以下结论：
（1） 西北地区在1975—2100年平均气温与年降水量均呈增加趋势，平均气温增温速率为0.3 ℃·（10a）-1，年降水量增加速率为4.8 mm·（10a）-1。未来四种情景下，西北地区年平均温度增加范围在0.15~0.74 ℃·（10a）-1，年降水量增加范围为2.71~14.83 mm·（10a）-1。
（2） 1975—2014年西北地区年均SPEI整体呈下降趋势，表明西北地区呈干旱化趋势，春季较其他季节下降速率最大；西北地区轻中旱发生频率范围为10%~39%，重特旱频率为0%~14%。
（3） 未来SSP1-2.6情景下干旱趋势相对较轻，除春季外均不会发生干旱，其余3种情景下西北地区干旱趋势加剧，SSP5-8.5情景下最为明显，除秋季外均会发生干旱且干旱次数随着排放浓度增加而增加，主要集中在2075年以后。从空间分布格局看，4种情景下内蒙古西部阿拉善盟、甘肃河西走廊、新疆南部、青海西北部等地干旱趋势严重、干旱频率高，年、春季、冬季干旱加剧，易发干旱，夏季、秋季干旱程度轻。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨晋云, 张莎, 白雲, 等. 基于机器学习融合多源遥感数据模拟SPEI监测山东干旱[J]. 中国农业气象, 2021, 42(3): 230-242.

[Yang Jinyun, Zhang Sha, Bai Yun, et al. SPEl simulation for monitoring drought based machine learning lntegrating multi-source remote sensing data in Shandong[J]. Chinese Journal of Agrometeorology, 2021, 42(3): 230-242.]

[2]
赵海燕, 张文千, 邹旭恺, 等. 气候变化背景下中国农业干旱时空变化特征分析[J]. 中国农业气象, 2021, 42(1): 69-79.

[Zhao Hanyan, 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.]

[3]
Wang S, Li R, Wu Y, et al. Effects of multi-temporal scale drought on vegetation dynamics in Inner Mongolia from 1982 to 2015, China[J]. Ecological Indicators, 2022, 136: 108666.

[4]
Crocetti L, Forkel M, Fischer M, et al. Earth observation for agricultural drought monitoring in the Pannonian Basin (Southeastern Europe): Current state and future directions[J]. Regional Environmental Change, 2020, 20(4): 123.

[5]
Dai A. Drought under global warming: A review[J]. Wiley Interdisciplinary Reviews: Climate Change, 2011, 2(1): 45-65.

[6]
王鹏涛. 西北地区干旱灾害时空统计规律与风险管理研究[D]. 西安: 陕西师范大学, 2018.

[Wang Pengtao. Study on Spatial-temporal Statistics and Risk Management of Drought Disaster in Northwest China[D]. Xi'an: Shaanxi Normal University, 2018.]

[7]
陈亚宁, 李忠勤, 徐建华, 等. 中国西北干旱区水资源与生态环境变化及保护建议[J]. 中国科学院院刊, 2023, 38(3): 385-393.

[Chen Yaning, Li Zhongqin, Xu Jianhua, et al. Changes and protection suggestions in water resources and ecological environment in arid region of Northwest China[J]. Bulletin of Chinese Academy of Sciences, 2023, 38(3): 385-393.]

[8]
Seier B A, Haves M, Bresan L. Usino the standardized precipitation index for tood risk monitorina[J]. Intematonal Journal of Cimatoloay, 2002, 22: 1365-1379

[9]
Palmer W C. Meteorological Drought[R]. Washington DC: U. S. Department of Commerce, Weather Bureau, 1965: 45-58.

[10]
张强, 高歌. 我国近50年旱涝灾害时空变化及检测预警服务[J]. 科技导报, 2004, 3(4): 109-114.

[Zhang Qiang, Gao Ge. The spatial and temporal features of drought and flood disasters in the past 50 years and monitoring and warning services in China[J]. Science & Technology Review, 2004, 3(4): 109-114.]

[11]
Vicente-Serrano S M, Begueria S, Lopez-Moreno J. A mul-tiscalar drought index sensitive to global warming: The stan-dardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23(7): 1696-1718.

[12]
李伟光, 易雪, 侯美亭, 等, 基于标准化降水蒸散指数的华南干旱趋势研究[J]. 中国生态农业学报, 2012, 20(5): 643-649.

[Li Weiguang, Yi Xue, Hou Meiting, et al. Study on drought trend in south China based on standardized precipitation evapotranspiration index[J]. Journal of Natural Disasters, 2012, 20(5): 643-649.]

[13]
薛华柱, 李阳阳, 董国涛. 基于SPEI 指数分析河西走廊气象干旱时空变化特征[J]. 中国农业气象, 2022, 43(11): 923-934.

Xue Huazhu, Li Yangyang, Dong Guotao. Analysis of spatial-temporal variation characteristics of meteorological drought in the Hexi Corridor based on SPEI index[J]. Chinese Journal of Agrometeorology, 2022, 43(11): 923-934.]

DOI

[14]
刘哲琼, 佘敦先, 夏军, 等. 黄土高原地区气象干旱动态格局演变及其对植被的影响[J]. 地理科学, 2023, 43(9): 1659-1671.

DOI

[Liu Zheqiong, She Dunxian, Xia Jun, et al. Impacts of meteorological drought on vegetation and their dynamic pattern evolutions on the Loess Plateau[J]. Scientia Geographica Sinica, 2023, 43(9): 1659-1671.]

DOI

[15]
侯青青, 裴婷婷, 陈英, 等. 1986—2019年黄土高原干旱变化特征及趋势[J]. 应用生态学报, 2021, 32(2): 649-660.

DOI

[Hou Qingqing, Pei Tingting, Chen Ying, et al. Variations of drought and its trend in the Loess Plateau from 1986 to 2019[J]. Chinese Journal of Applied Ecology, 2021, 32(2): 649-660.]

DOI

[16]
姚俊强, 毛炜峄, 陈静, 等. 新疆气候“湿干转折”的信号和影响探讨[J]. 地理学报, 2021, 76(1): 57-72.

DOI

[Yao Junqiang, Mao Weiyi, Chen Jing, et al. Trend of climate and hydrology change in Xinjiang and its problems thinking[J]. Journal of Glaciology and Geocryology, 2021, 76(1): 57-72.]

[17]
刘珂, 姜大膀. 基于两种潜在蒸散发算法的SPEI对中国干湿变化的分析[J]. 大气科学, 2015, 39(1): 23-36.

[Liu Ke, Jiang Dabang. Analysis of dryness/wetness over China using standardized precipitation evapotranspiration index based on two evapotranspiration algorithms[J]. Chinese Journal of Atmospheric Sciences, 2015, 39 (1): 23-36.]

[18]
卢冬燕, 朱秀芳, 刘婷婷, 等. 2 ℃温升情景下中国气象干旱特征变化[J]. 干旱区地理, 2023, 46(8): 1227-1237.

[Lu Dongyan, Zhu Xiufang, Liu Tingting, et al. Changes in meteorological drought characteristics in China under the 2 ℃ temperature rise scenario[J]. Arid Land Geography, 2023, 46(8): 1227-1237.]

[19]
胡实, 莫兴国, 林忠辉. 未来气候情景下我国北方地区干旱时空变化趋势[J]. 干旱区地理, 2015, 38(2): 239-248.

[Hu Shi, Mo Xingguo, Lin Zhonghui. Projections of spatial-temporal variation of drought in north China[J]. Arid Land Geography, 2015, 38(2): 239-248.]

[20]
Li S Y, Miao L J, Jiang Z H, et al. Projected drought conditions in Northwest China with CMIP6 models under combined SSPs and RCPs for 2015-2099[J]. Advances in Climate Change Research, 2020, 11(3): 210-217.

[21]
丁一汇, 柳艳菊, 徐影, 等. 全球气候变化的区域响应: 中国西北地区气候“暖湿化”趋势、成因及预估研究进展与展望[J]. 地球科学进展, 2023, 38(6): 551-562.

DOI

[Ding Yihui, Liu Yanju, Xu Ying, et al. Regional responses to global climate change: Progress and prospects for trend, causes, and projection of climatic warming-wetting in Northwest China[J]. Advances in Earth Science, 2023, 38(6): 551-562.]

DOI

[22]
姚旭阳, 张明军, 张宇, 等. 中国西北地区气候转型的新认识[J]. 干旱区地理, 2022, 45(3): 671-683.

[Yao Xuyang, Zhang Mingjun, Zhang Yu, et al. New insights into climate transition in Northwest China[J]. Arid Land Geography, 2022, 45(3): 671-683.]

[23]
粟晓玲, 褚江东, 张特, 等. 西北地区地下水干旱时空演变趋势及对气象干早的动态响应[J]. 水资源保护, 2022, 38(1): 34-42.

[Su Xiaoling, Chu Jiangdong, Zhang Te, et al. Spatio-temporal evolution trend of groundwater drought and its dynamic response to meteorological drought in Northwest China[J]. Water Resources Protection, 2022, 38(1): 34-42.]

[24]
孔蕊. 变化环境下西北地区草地地上碳储量演变及驱动力分析[D]. 南京: 南京林业大学, 2020.

[Kong Rui. Evolution and Driving Force Analysis of Grassland Aboveground Carbon Storage in Northwest China Under Changing Environment[D]. Nanjing: Nanjing Forestry University, 2020.]

[25]
李雅培, 朱睿, 刘涛, 等. 基于BCC-CSM2-MR模式的疏勒河流域未来气温降水变化趋势分析[J]. 高原气象, 2021, 40(3): 535-546.

DOI

[Li Yapei, Zhu Rui, Liu Tao, et al. Trend analysis of future temperature and precipitation in Shule river basin based on BCC-CSM2-MR model[J]. Plateau Meteorology, 2021, 40(3): 535-546.]

DOI

[26]
Kharin V V, Zwiers F W. Climate predictions with multimodel ensembles[J]. Journal of Climate, 2002, 15(7): 793-799.

[27]
周天军, 邹立维, 陈晓龙. 第六次国际耦合模式比较计划(CMIP6)评述[J]. 气候变化研究进展, 2019, 15(5): 445-456.

[Zhou Tianjun, Zou Liwei, Chen Xiaolong. Commentary on the coupled model intercomparison project phase 6 (CMIP6)[J]. Climate Change Research, 2019, 15(5): 445-456.]

[28]
胡一阳, 徐影, 李金建, 等. CMIP6不同分辨率全球气候模式对中国降水模拟能力评估[J]. 气候变化研究进展, 2021, 17(6): 730-743.

[Hu Yiyang, Xu Ying, Li Jinjian, et al. Evaluation on the performance of CMIP6 global climate models with different horizontal resolution in simulating the precipitation over China[J]. Climate Change Research, 2021, 17(6): 730-743.]

[29]
黄文君. 中国西北干旱区干旱时空演变及预估[D]. 乌鲁木齐: 新疆大学, 2021.

[Huang Wenjun. Spatial-temporal Variation and Projection of Drought in the Arid Regions of Northwestern China[D]. Urumqi: Xinjiang University, 2021.]

[30]
王东, 张勃, 安美玲, 等. 基于SPEI的西南地区近53 a干旱时空特征分析[J]. 自然资源学报, 2014, 29(6): 1003-1016.

DOI

[Wang Dong, Zhang Bo, An Meiling, et al. Temporal and spatial distributions of drought in Southwest China over the past 53 years based on Standardized Precipitation Evapotranspiration Index[J]. Journal of Natural Resources, 2014, 29(6): 1003-1016.]

DOI

[31]
王兆礼, 黄泽勤, 李军, 等. 基于SPEI和NDVI的中国流域尺度气象干旱及植被分布时空演变[J]. 农业工程学报, 2016, 32(14): 177-186.

[Wang Zhaoli, Huang Zeqing, Li Jun, et al. Assessing impacts of meteorological drought on vegetation at catchment scale in China based on SPEI and NDVI[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(14): 177-186.]

[32]
郑景云, 尹云鹤, 李炳元. 中国气候区划新方案[J]. 地理学报, 2010, 65(1): 3-12.

[Zheng Jingyun, Yin Yunhe, Li Bingyuan, et al. A new scheme for climate regionalization in China[J]. Acta Geographica Sinica, 2010, 65(1): 3-12.]

DOI

[33]
Mehrotra R, Sharma A. A robust alternative for correcting systematic biases in multi-variable climate model simulations[J]. Environmental Model Software, 2021, 139: 105019

[34]
杨肖丽, 马慧君, 吴凡, 等. 基于CMIP6的全球及干旱带干旱时空演变[J]. 水资源保护, 2023, 39(2): 1004-6993.

[Yang Xiaoli, Ma Huijun, Wu Fan, et al. Spatiotemporal evolution of global and arid zone drought based on CMIP6[J]. Water Resources Protection, 2023, 39(2): 1004-6993.]

[35]
Zhu H, Jiang Z, Li J, et al. Does CMIP6 inspire more confidence in simulating climate extremes over China?[J]. Advances in Atmospheric Sciences, 2020, 37: 1119-1132.

[36]
Ma Z, Sun P, Zhang Q, et al. The characteristics and evaluation of future droughts across China through the CMIP6 multi-model ensemble[J]. Remote Sensing, 2022, 14(5): 1097.

[37]
田佳西. 西北地区气候暖湿化演变趋势及其对植被恢复影响研究[D]. 南京: 南京林业大学, 2023.

[Tian Jiaxi. Study on the Evolution Trend of Climate Warming and Wetting in Northwest China and Its Impact on Vegetation Restoration[D]. Nanjing: Nanjing Forestry University, 2023.]

Options
Outlines

/

〈 〉