气象干旱指数在青藏高原东缘高寒草地的适用性评价及2022年干旱监测分析

doi:10.11755/j.issn.1006-7639-2025-03-0366

干旱气象 ›› 2025, Vol. 43 ›› Issue (3): 366-374.DOI: 10.11755/j.issn.1006-7639-2025-03-0366

气象干旱指数在青藏高原东缘高寒草地的适用性评价及2022年干旱监测分析

范浩男¹(), 王玮¹(), 戴昂², 马林飞¹, 李肖康¹

1.中国民用航空飞行学院，航空气象学院，中国气象局航空气象重点开放实验室，四川广汉 618300
2.甘肃省玛曲县气象局，甘肃玛曲 747300

收稿日期:2024-05-29 修回日期:2025-05-18 出版日期:2025-06-30 发布日期:2025-07-12
通讯作者: 王玮（1985—），男，副研究员，主要从事气象卫星及遥感应用研究。E-mail：wangwei@cafuc.edu.cn。
作者简介:范浩男（2000—），男，硕士研究生，研究方向为高寒草地遥感干早监测。E-mail：fhn1632144265@163.com。
基金资助:
四川省自然科学基金项目(2023NSFSC0249);中央高校基本科研业务费专项资金项目(25CAFUC04033);中央高校基本科研业务费专项资金项目(25CAFUC08002-07)

Applicability evaluation of meteorological drought index in alpine grassland at the eastern edge of the Qinghai-Xizang Plateau and drought monitoring in 2022

FAN Haonan¹(), WANG Wei¹(), DAI Ang², MA Linfei¹, LI Xiaokang¹

1. School of Aviation Meteorology， Civil Aviation Flight School of China， Key Open Laboratory of Aviation Meteorology， China Meteorological Administration， Guanghan 618300， Sichuan， China
2. Maqu County Meteorological Bureau， Maqu 747300， Gansu， China

Received:2024-05-29 Revised:2025-05-18 Online:2025-06-30 Published:2025-07-12

摘要/Abstract

摘要： 研究气象干旱指数在高寒草地上的适应性，对提高青藏高原天然植被干旱监测精度、保护高寒草地生态系统、促进牧区社会经济的可持续发展具有重要意义。利用2010—2022年逐日土壤水分实测数据，结合Pearson相关系数和干旱识别方法，对降水量距平百分率（Precipitation Anomaly in Percentage，PA）、标准化降水指数（Standardized Precipitation Index，SPI）、综合气象干旱指数（Meteorological Drought Composite Index，MCI）和帕默尔干旱指数（Palmer Drought Severity Index，PDSI）在青藏高原东缘高寒草地的干旱监测精度进行评价，选取干旱识别精度较高的PDSI进行本地化校验，并基于校验后得到的PDSI_improved对2022年研究区逐月旱情进行分析。结果表明：1）PA、SPI、MCI和PDSI 4种气象干旱指数在研究区的干旱识别精度分别是48.21%、38.79%、37.42%和59.16%。其中PDSI对研究区高寒草地的旱情监测较好，但在土壤相对湿度小于等于60%且干旱天数不连续的情况下，易出现漏测或者多测情况。2）通过建立土壤相对湿度与PDSI的对应关系，对PDSI进行本地化校验和干旱等级阈值调整，改进后的PDSI_improved干旱识别精度可提高12.15%，达71.31%。3）采用PDSI_improved对2022年研究区进行干旱监测，结果显示旱情主要发生在研究区东南部海拔3 300~3 700 m低地势处，且干旱存在明显的季节特征，主要集中在冬季，以重旱和特旱为主。

关键词: PDSI, 青藏高原, 高寒草地, 适应性, 本地化校验

Abstract:

The study of the adaptability of meteorological drought indices in alpine grassland is of great significance to improve the accuracy of drought monitoring of natural vegetation on the Qinghai-Xizang Plateau, protect alpine grassland ecosystems, and promote the sustainable socio-economic development of pastoral areas. In this study, the drought monitoring accuracy of indices such as Precipitation Anomaly in Percentage (PA), Standardized Precipitation Index (SPI), Meteorological Drought Composite Index (MCI) and Palmer’s Drought Severity Index (PDSI) in the alpine grassland at the eastern edge of the Qinghai-Xizang Plateau was evaluated by using the day-by-day measured soil moisture data from 2010 to 2022, and combining with the Pearson’s correlation coefficient and the method of drought identification. The PDSI index with higher drought identification accuracy was selected for local calibration, and based on the PDSI_improved obtained from the calibration, the monthly drought conditions of the study area in 2022 were analyzed. The results show that: 1) The drought identification accuracies of the four meteorological drought indices (PA, SPI, MCI and PDSI) in the study area were 48.21%, 38.79%, 37.42% and 59.16%, respectively. Among them, the PDSI responded better to the drought condition of the alpine grassland in the study area, but in the case when the relative soil humidity was less than or equal to 60% and the number of drought days was not consecutive, it was prone to omission or over-measurement. 2) By establishing the correspondence between the relative soil humidity and the PDSI value, and performing the localized calibration of the PDSI and the threshold adjustment of drought level, the improved PDSI can improve the drought identification accuracy by 12.15%, reaching 71.31%. 3) The PDSI_improved was used to monitor the drought situation in the study area in 2022. The results show that the drought mainly occurred in the low-lying areas in the southeast of the study area at an altitude of 3 300-3 700 m, and the drought had obvious seasonal characteristics, which was mainly concentrated in winter and mainly characterized by severe drought and extreme drought.

Key words: PDSI, the Qinghai-Xizang Plateau, alpine grassland, adaptation, calibration

中图分类号:

S423

范浩男, 王玮, 戴昂, 马林飞, 李肖康. 气象干旱指数在青藏高原东缘高寒草地的适用性评价及2022年干旱监测分析[J]. 干旱气象, 2025, 43(3): 366-374.

FAN Haonan, WANG Wei, DAI Ang, MA Linfei, LI Xiaokang. Applicability evaluation of meteorological drought index in alpine grassland at the eastern edge of the Qinghai-Xizang Plateau and drought monitoring in 2022[J]. Journal of Arid Meteorology, 2025, 43(3): 366-374.

图/表 7

图1 研究区概况

Fig.1 Overview of the study area

表1 4种干旱指数精度分析结果

Tab.1 Accuracy identification results of four drought indices

干旱指数	一致性样本数/个		非一致性样本数/个		识别精度/%	误差/%
干旱指数	有旱（S_dry）	无旱（L_normal）	多测（L_fault）	漏测（S_missed）	识别精度/%	误差/%
PA	638	344	704	349	48.21	51.79
PDSI	721	483	512	319	59.16	40.84
SPI	481	308	559	687	38.79	61.21
MCI	569	192	522	752	37.42	62.58

表2 4种干旱指数与土壤湿度的Pearson相关系数

Tab.2 Pearson correlation coefficients between four indices and soil moisture

干旱指数	Pearson相关系数（r）	显著性（p值）
PA	0.64	0.05
PDSI	0.73	0.03
SPI	0.57	0.04
MCI	0.60	0.05

表3 PDSI本地化校验前后干旱等级划分

Tab.3 The classification of drought grades based on PDSI before and after localization calibration

类型	PDSI（校验前）阈值区间	PDSI_improved（校验后）阈值区间
无旱	-1.0<PDSI	-1.43<PDSI_improved
轻旱	-2.0<PDSI≤-1.0	-2.46<PDSI_improved≤-1.43
中旱	-3.0<PDSI≤-2.0	-3.52<PDSI_improved≤-2.46
重旱	-4.0<PDSI≤-3.0	-4.36<PDSI_improved≤-3.52
特旱	PDSI≤-4.0	PDSI_improved≤-4.36

表4 PDSI本地化校验前后识别精度对比

Tab.4 Comparison of recognition accuracy of PDSI before and after localization calibration

干旱指数	一致性		非一致性		识别精度/%
干旱指数	有旱样本/个	无旱样本/个	多测样本/个	漏测样本/个	识别精度/%
PDSI	721	483	512	319	59.16
PDSI_improved	702	600	253	270	71.31

图2 2022年各月土壤湿度及PDSI校验前后监测的干旱情况对比

Fig.2 Comparison of soil moisture and drought conditions monitored by PDSI before and after calibration in each month of 2022

图3 2022年1—12月研究区本地化校验后的PDSIimproved监测的干旱空间分布

Fig.3 The spatial distribution of drought in the study area from January to December 2022 monitored by PDSIimproved after localization verification

参考文献 45

[1]	曹旭娟, 2017. 青藏高原草地退化及其对气候变化的响应[D]. 北京: 中国农业科学院.
[2]	樊博, 林丽, 曹广民, 等, 2020. 不同演替状态下高寒草甸土壤物理性质与植物根系的相互关系[J]. 生态学报, 40(7): 2 300-2 309.
[3]	郭铌, 王小平, 2015. 遥感干旱应用技术进展及面临的技术问题与发展机遇[J]. 干旱气象, 33(1): 1-18. DOI
[4]	郭冬, 吐平逊·哈斯木, 吴秀兰, 等, 2022. 四种气象干旱指数在新疆区域适用性研究[J]. 沙漠与绿洲气象, 16(3):90-101.
[5]	李柏贞, 周广胜, 2014. 干旱指标研究进展[J]. 生态学报, 34(5): 1 043-1 052.
[6]	李忆平, 李耀辉, 2017. 气象干旱指数在中国的适应性研究进展[J]. 干旱气象, 35(5): 709-723. DOI
[7]	林丽, 孙睿藻, 郭小伟, 等, 2024. 青藏高原草地生态系统演化过程、可持续发展瓶颈及应对分析[J]. 草业科学, 41(8):1865-1 882.
[8]	刘海, 姜亮亮, 刘冰, 等, 2023. 近40年中国干旱特征及其对植被变化的影响[J]. 生态学报, 43(19): 7 936-7 949.
[9]	全国气候与气候变化标准化技术委员会, 2006. 气象干旱等级:GB/T 20481—2006[S]. 北京: 中国标准出版社.
[10]	全国气候与气候变化标准化技术委员会, 2017. 气象干旱等级:GB/T 20481—2017[S]. 北京: 中国标准出版社.
[11]	沈彦军, 李红军, 雷玉平, 2013. 干旱指数应用研究综述[J]. 南水北调与水利科技, 11(4): 128-133.
[12]	孙博, 钱静, 陈曦, 等, 2020. 常见遥感干旱监测指标在哈萨克斯坦的一致性分析[J]. 干旱区研究, 37(3): 663-670.
[13]	王劲松, 任余龙, 宋秀玲, 2008. K干旱指数在甘肃省干旱监测业务中的应用[J]. 干旱气象, 26(4): 75-79.
[14]	王美林, 姜群鸥, 邵雅琪, 等, 2019. 基于TVDI的玛曲土壤湿度时空变化及其影响因素[J]. 中国水土保持科学, 17(4): 141-152.
[15]	王素萍, 王劲松, 张强, 等, 2020. 多种干旱指数在中国北方的适用性及其差异原因初探[J]. 高原气象, 39(3): 628-640. DOI
[16]	王素艳, 郑广芬, 李欣, 等, 2013. CI综合气象干旱指数在宁夏的本地化修正及应用[J]. 干旱气象, 31(3): 561-569. DOI
[17]	王玮, 王丽娟, 郭铌, 等, 2023. 基于哨兵卫星数据的巴丹吉林—腾格里沙漠辐射准不变场选取与评价[J]. 遥感学报, 27(10): 2 350-2 362.
[18]	王新源, 连杰, 杨小鹏, 等, 2019. 玛曲县植被覆被变化及其对环境要素的响应[J]. 生态学报, 39(3): 923-935.
[19]	王莺, 张强, 王劲松, 等, 2022. 21世纪以来干旱研究的若干新进展与展望[J]. 干旱气象, 40(4): 549-566. DOI
[20]	王姝, 张亮, 朱红秀, 等, 2024. 2022年7—8月川西高原植被长势的影响[J]. 高原山地气象研究, 44(1):94-103.
[21]	杨庆, 李明星, 郑子彦, 等, 2017. 7种气象干旱指数的中国区域适应性[J]. 中国科学:地球科学, 47(3): 337-353.
[22]	张强, 李栋梁, 姚玉璧, 等, 2024. 干旱形成机制与预测理论方法及其灾害风险特征研究进展与展望[J]. 气象学报, 82(1):1-21.
[23]	张强, 姚玉璧, 李耀辉, 等, 2020. 中国干旱事件成因和变化规律的研究进展与展望[J]. 气象学报, 78(3): 500-521.
[24]	张强, 张良, 崔显成, 等, 2011. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 26(7): 763-778.
[25]	张世喆, 朱秀芳, 刘婷婷, 等, 2022. 气候变化下中国不同植被区总初级生产力对干旱的响应[J]. 生态学报, 42(8): 3 429-3 440.
[26]	张旭辉, 玉素甫江·如素力, 仇忠丽, 等, 2024. 基于Sentinel-2时序数据的新疆焉耆盆地农作物遥感识别与评估[J]. 干旱区地理, 47(4):672-683. DOI
[27]	周扬, 李宁, 吉中会, 等, 2013. 基于SPI指数的1981—2010年内蒙古地区干旱时空分布特征[J]. 自然资源学报, 28(10): 1 694-1 706.
[28]	ABATZOGLOU J T, DOBROWSKI S Z, PARKS S A, et al, 2018. TerraClimate, a high-resolution global dataset of monthly climate and climatic water balance from 1958-2015[J]. Scientific Data, 5: 170191. DOI: 10.1038/sdata. 2017.191.
[29]	ARAGHI A, MARTINEZ C J, ADAMOWSKI J F, 2023. Evaluation of TerraClimate gridded data across diverse climates in Iran[J]. Earth Science Informatics, 16(2): 1 347-1 358.
[30]	BAYARJARGAL Y, KARNIELI A, BAYASGALAN M, et al, 2006. A comparative study of NOAA-AVHRR derived drought indices using change vector analysis[J]. Remote Sensing of Environment, 105(1): 9-22.
[31]	BAZRKAR M H, ZHANG J L, CHU X F, 2020. Hydroclimatic aggregate drought index (HADI): A new approach for identification and categorization of drought in cold climate regions[J]. Stochastic Environmental Research and Risk Assessment, 34(11): 1 847-1 870.
[32]	BECK H E, VAN DIJK A I J M, DE Roo A D, et al, 2017. Global evaluation of runoff from 10 state-of-the-art hydrological models[J]. Hydrology and Earth System Sciences, 21(6): 2 881-2 903.
[33]	DAI A G, 2011. Drought under global warming: a review[J]. Wiley Interdisciplinary Reviews: Climate Change, 2(1): 45-65.
[34]	DE BOECK H J, HILTBRUNNER E, VERLINDEN M, et al, 2018. Legacy effects of climate extremes in alpine grassland[J]. Frontiers in Plant Science, 9: 1586. DOI: 10.3389/fpls.2018.01586. PMID
[35]	KEYANTASH J, DRACUP J A, 2002. The quantification of drought: An evaluation of drought indices[J]. Bulletin of the American Meteorological Society, 83(8): 1 167-1 180.
[36]	LEMENKOVA P, 2022. Mapping climate parameters over the territory of Botswana using GMT and gridded surface data from TerraClimate[J]. ISPRS International Journal of Geo-Information, 11(9): 473. DOI: 10.3390/ijgi11090473.
[37]	LIU Y, CHEN J, ZHANG Y, et al, 2020. Impact of continuous soil moisture deficit on winter wheat growth in the North China Plain[J]. Agricultural Water Management, 240: 106245.
[38]	LIU Y, YANG X L, REN L L, et al, 2015. A new physically based self-calibrating Palmer drought severity index and its performance evaluation[J]. Water Resources Management, 29(13): 4 833-4 847.
[39]	MA M W, REN L L, YUAN F, et al, 2014. A new standardized Palmer drought index for hydro‐meteorological use[J]. Hydrological Processes, 28(23): 5 645-5 661.
[40]	MA M W, WANG W C, YUAN F, et al, 2018. Application of a hybrid multiscalar indicator in drought identification in Beijing and Guangzhou, China[J]. Water Science and Engineering, 11(3): 177-186.
[41]	PALMER W C, 1965. Meteorological drought[R]. U.S. Department of Commerce Weather Bureau Research Paper, No. 45.
[42]	ROSSATO L, MARENGO J A, DE ANGELIS C F, et al. 2017. Impact of soil moisture over Palmer Drought Severity Index and its future projections in Brazil[J]. Rbrh, 22. DOI:10.1590/2318-0331.0117160045.
[43]	SMITH M D, WILKINS K D, HOLDREGE M C, et al, 2024. Extreme drought impacts have been underestimated in grasslands and shrublands globally[J]. Proceedings of the National Academy of Sciences of the United States of America, 121(4): e2309881120. DOI:10.1073/pnas. 2309881120.
[44]	WANG T H, YANG D W, YANG Y T, et al, 2023. Pervasive permafrost thaw exacerbates future risk of water shortage across the Tibetan Plateau[J]. Earth’s Future, 11(10): e2022EF003463.
[45]	World Meteorological Organization (WMO), Global Water Partnership (GWP), 2014. National drought management policy guidelines: A template for action (Wilhite DA)[R]. Integrated Drought Management Programme Tools and Guidelines Series, No. 1.

气象干旱指数在青藏高原东缘高寒草地的适用性评价及2022年干旱监测分析

Applicability evaluation of meteorological drought index in alpine grassland at the eastern edge of the Qinghai-Xizang Plateau and drought monitoring in 2022

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 45

相关文章 15

编辑推荐

Metrics

[1]	黄小梅, 周长艳, 庞轶舒, 于浩慧, 甘薇薇. 夏季青藏高原及周边地区大气热源与川渝盆地高温日数年际变化的关系[J]. 干旱气象, 2025, 43(2): 221-230.
[2]	姚彦伶, 王悦, 陈权亮, 廖雨静. 青藏高原中东部极端降水的时空变化特征[J]. 干旱气象, 2023, 41(5): 714-722.
[3]	郭英香, 冯晓莉, 刘畅, 申红艳, 陈海存, 李漠雨. 1961—2021年青藏高原前后冬强降雪特征分析[J]. 干旱气象, 2023, 41(5): 723-733.
[4]	曹晓云, 周秉荣, 周华坤, 乔斌, 颜玉倩, 赵彤, 陈奇, 赵慧芳, 于红妍. 气候变化对青藏高原植被生态系统的影响研究进展[J]. 干旱气象, 2022, 40(6): 1068-1080.
[5]	唐国瑛, 李丰全, 王莺, 马莉. 青藏高原东北边缘地带2017—2020年地闪时空分布特征[J]. 干旱气象, 2022, 40(5): 849-856.
[6]	马萌萌, 左洪超, 李立程, 段济开. 青藏高原夏季风和北半球夏季季节内振荡对中国西南地区雨季旱涝的影响及协同作用[J]. 干旱气象, 2022, 40(4): 577-588.
[7]	焦洋, 张永婧, 尹承美, 褚颖佳. 山东夏季暴雨对青藏高原东南部及邻近区域春季大气热源变化的响应[J]. 干旱气象, 2022, 40(3): 406-414.
[8]	马敏劲, 陈玥, 康国强, 赵侦竹, 黄万龙, 谈昌蓉, 丁凡. 青藏高原夏季边界层再分析资料的偏差分析及订正[J]. 干旱气象, 2022, 40(1): 95-107.
[9]	杨振鑫, 祁萍, 孙磊, 崔小平, 赵月兰. 青藏高原东北侧短时强降水阈值确定及特征分析[J]. 干旱气象, 2021, 39(4): 563-568.
[10]	张海宏, 石明明, 吴昊, 祁栋林, 权晨. 基于ERA-Interim资料的青海省空中云水资源评估[J]. 干旱气象, 2021, 39(4): 569-576.
[11]	张亚春, 马耀明, 马伟强, 王宾宾, 王玉阳, . 青藏高原不同下垫面蒸散量及其与气象因子的相关性[J]. 干旱气象, 2021, 39(3): 366-373.
[12]	高睿娜, 王素艳, 高娜, 左河疆. CI和MCI干旱指数在宁夏的适应性对比[J]. 干旱气象, 2021, 39(2): 185-192.
[13]	郑然, 刘嘉慧敏, 王春学, 李栋梁, 唐红玉, 刘博. 华西南区秋雨异常及其对青藏高原冬季大气冷源的响应[J]. 干旱气象, 2021, 39(2): 225-234.
[14]	王溪雯, 张飞民, 王芝兰, 杨凯, 王澄海. 青藏高原西部一次高原涡生成的数值模拟研究[J]. 干旱气象, 2021, 39(1): 54-64.
[15]	孙夏, 范广洲, 张永莉, 赖欣. 夏季青藏高原不同层次土壤湿度时空变化特征[J]. 干旱气象, 2019, 37(2): 252-261.