引言
干旱是最普遍、最复杂的自然灾害之一，影响广且持续时间长，给人类社会造成的影响越来越严重[1⇓-3]。随着全球气候持续变暖，极端天气事件的发生频率和强度都在逐步上升，我国大部分地区的干旱灾害也日益加剧[4-5]。近年来各国研发了众多干旱指数用于评估和监测干旱事件[6-7]。目前，我国常用的干旱指数主要有标准化降水指数（standardized precipitation index，SPI）、帕默尔干旱指数（Palmer drought severity index，PDSI）、综合气象干旱指数（composite meteorological drought index，CI）、Z指数、干燥度指数和标准降水蒸散指数（standardized precipitation evapotranspiration index，SPEI）等50多种[8-9]。这些常用干旱指数大多存在一定局限性，如SPI和Z指数等仅单一考虑降水因素对干旱的影响[10]；PDSI计算复杂且难以准确评估短期干旱事件[11]；CI对降水事件的响应过于灵敏，且权重系数及阈值难以确定[12]。因此这些指标大多能在一定程度上反映某一区域干旱特征，但在不同区域的适用性较差[13]。SPEI在SPI的基础上发展而来，除了考虑降水因素外，还考虑了气温波动对干旱的影响[14]，不仅能监测到干旱是否发生，还能反映多个时间尺度的干旱严重程度和持续时间[15]。因此SPEI自提出后便在不同区域的干旱监测中得到广泛应用[16⇓-18]，且在华南地区适用性较好[19⇓-21]。
广东濒临南海，属亚热带季风气候，因其独特的地理环境，太阳辐射强、气温高、降水丰沛但时空分布不均，因此区域性、季节性干旱十分明显[22]。广东省是我国经济大省，城市化程度高，居民生活、工业和农业生产等对淡水资源的需求量非常大，干旱一旦发生便会对居民的正常生活生产和社会经济发展等造成影响，其危害及带来的损失也会更严重，如2004年全省的严重旱灾，导致直接经济损失16.7亿元[23]。研究表明广东省气候总体比较湿润，但干旱化趋势微弱、干旱发生频率较高，且这些研究多基于单一干旱指数分析华南整体或广东局部地区的干旱特征[24⇓-26]。另外，由于广东省地域广阔，各地地形和海陆位置存在差异，不同区域干旱特征迥异，因此，有必要研究广东省各地的干旱特征。本文利用广东省86个国家气象观测站逐月降水量和气温资料，分别计算不同时间尺度的SPEI，对广东省干旱时空变化特征进行分析，以期为广东省农业生态系统的科学管理和气象防灾减灾等方面提供参考。
1 资料与方法
1.1 资料
利用广东省气象探测数据中心提供的1971—2020年广东省86个国家气象观测站（图1）逐月降水量和气温资料。
图1
图1
广东省地形及86个国家气象观测站分布
Fig.1
Distribution of 86 national meteorological observation stations and topography in Guangdong Province
文中附图涉及的广东省市行政边界均基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2019）1822号的中国地图制作，底图无修改。
1.2 方法
表1 基于SPEI的干旱等级划分
Tab.1
| SPEI | 干旱等级 |
|---|---|
| -1.0 | 轻旱 |
| -1.5 | 中旱 |
| -2.0 | 重旱 |
| SPEI≤-2.0 | 特旱 |
Mann-Kendall趋势检验是非参数统计检验方法[32]，适用于分析持续增长或下降的时间序列数据，计算方法简便，因此采用Mann-Kendall趋势检验对广东省86个气象站不同时间尺度SPEI变化趋势进行检验。经验正交函数（empirical orthogonal function，EOF）[33]能把随时间变化的变量场分解为不随时间变化的空间函数和只依赖时间变化的时间函数，也称时空分解，因此对广东省86个气象站逐月年尺度SPEI进行EOF分解和North检验[34-35]，研究干旱的主要变化模态及时间变化规律。极点对称模态分解（extreme-point symmetric mode decomposition，ESMD）[36]在经验模态分解（empirical mode decomposition，EMD）的基础上，用内部极点对称代替外部包络线插值，利用“最小二乘”思想改进趋势余量R使其成为原始序列的最佳自适应全局均线，并由此确定最佳筛选次数，在处理非线性非平稳数据的多尺度分析方面拥有很大优越性。因此应用ESMD方法分析广东省干旱的时间变化趋势和周期特征，所涉及的周期信号采用快速傅里叶变换计算[37]。
2 结果与分析
2.1 干旱指数变化趋势
图2为1971—2020年广东省不同时间尺度SPEI的Mann-Kendall趋势系数和年尺度SPEI年际变化，其中SPEI的Mann-Kendall趋势系数小于0为下降趋势，表示趋于干旱化，反之则趋于湿润化，其绝对值大于等于1.64、1.96时，分别表示通过α=0.1、α=0.05的显著性检验。广东省春季（3—5月）有79站（91.9%）SPEI呈下降趋势，但仅有3站通过α=0.1的显著性检验（乐昌、怀集和遂溪站）和1站通过α=0.05的显著性检验（雷州站）；曲江、广州、东莞、博罗、惠东、云浮和电白7站呈上升趋势，站点分布较分散，且均未通过α=0.1的显著性检验。夏季（6—8月）有62站（72.1%）SPEI呈下降趋势，通过α=0.1和α=0.05显著性检验的站点均为5站；有24站SPEI呈上升趋势，主要集中在广东省中部曲江—佛冈—广州—中山一带，但仅广州站通过α=0.05的显著性检验，其他站均未通过α=0.1的显著性检验。秋季（9—11月）有73站（84.9%）SPEI呈下降趋势，但仅有4站通过α=0.1的显著性检验（深圳、陆丰、五华和英德站）和2站通过α=0.05的显著性检验（吴川和台山站）；有13站SPEI呈上升趋势，但均未通过α=0.1的显著性检验，主要集中在广东省中部的四会—广州—从化一带。冬季（12月至次年2月）有56站（65.1%）SPEI呈下降趋势，其中有4站通过α=0.1的显著性检验（陆丰、惠来、潮阳和澄海站）和1站通过α=0.05的显著性检验（汕头站），且基本都分布在广东省东南角；有30站SPEI呈上升趋势，主要集中在广东省北部、西北部和西南部，但仅有连州站通过α=0.1的显著性检验。对春、夏、秋、冬季的平均SPEI序列进行Mann-Kendall趋势检验，发现各季节都呈现下降趋势，但均未通过α=0.1的显著性检验。综上可知，广东省大部地区各季节都呈现干旱化趋势，但并不明显。
图2
图2
1971—2020年广东省不同时间尺度SPEI的Mann-Kendall趋势系数（a、b、c、d、e）和年尺度SPEI年际变化（f）
Fig.2
Mann-Kendall trend coefficients of SPEI at different time scales (a, b, c, d, e) and inter-annual variation of annual scale SPEI (f) in Guangdong Province during 1971-2020
对广东省平均年尺度SPEI序列进行Mann-Kendall趋势检验，总体呈下降趋势，并通过α=0.1的显著性检验。从各站来看，有76站（88.3%）表现为下降趋势，其中有9站通过α=0.1的显著性检验，26站通过α=0.05的显著性检验，且主要分布在广东省东部大部分地区、西南部和台山—新兴一带；有10站SPEI呈上升趋势，但仅广州站通过α=0.05的显著性检验，其他站均未通过α=0.1的显著性检验。从广东省年尺度SPEI年际变化看出，SPEI整体呈下降趋势，变化率为-0.008 a-1。从年尺度SPEI 5 a滑动平均看，1971—1989年为下降趋势，1989—1996年为上升趋势，1996—2005年为下降趋势，2005—2015年为上升趋势，2015—2020年为下降趋势。综合来看，广东省SPEI整体呈现较明显下降趋势，即有干旱化趋势。
2.2 干旱频率和强度
图3为1971—2020年广东省干旱频率和干旱强度空间分布。可以看出，广东省干旱发生频率为28%~38%，平均32%，其中轻旱、中旱、重旱、特旱发生频率分别为15%、10%、5%、2%，轻旱和中旱频率占干旱总频率的78%。约有75%的区域干旱发生频率为30%~34%，干旱出现频率较高的区域为广东省西南部阳江—湛江沿海一带和广东省北部的连山和曲江地区，而广东省北部的河源—和平—蕉岭一带干旱出现频率较低。广东省干旱的平均强度为1.03~1.20，属于中旱级别，干旱强度较低区域集中在广东省西南部电白—湛江沿海一带和广东省北部连山—曲江一带，与干旱发生频率较高区域有较好的反向对应关系。综上所述，广东省干旱发生频率较高，但强度较低。
图3
图3
1971—2020年广东省干旱频率（a，单位：%）和干旱强度（b）空间分布
Fig.3
The spatial distribution of drought frequency (a， Unit: %) and drought intensity (b) in Guangdong Province during 1971-2020
2.3 干旱时空分布特征
表2为1971—2020年广东省年尺度SPEI EOF分解的前5个模态贡献率，图4为前3个模态的空间分布及第1模态的时间系数。可以看出，前3个模态的方差贡献率之和为69.51%，且都通过North显著性检验，能很好地代表广东省SPEI的时空分布特征。EOF第一模态（EOF1）方差贡献率为51.62%，远高于其他模态，是广东省干旱特征的主要变化模态，该模态空间向量场呈现整个区域范围内均为正值[图4（a）]，说明广东省整体干旱类型以同位相变化为主导，即存在一致变旱或变涝特征，其数值自西向东递增，表征广东省干旱显著程度自西向东依次递增，东部和中部的敏感性高于西部。该模态的时间系数整体表现为下降趋势[图4（b）]，即呈干旱化趋势，且波动较剧烈，说明EOF第一模态特征非常典型。另外，1991、1999、2004、2012年有明显的负峰值，表明这些年份较干旱，而1973、1975、1983、1995、2016、2018年有明显的正峰值，表明这些年份较湿润。从《中国气象灾害大典：广东卷》[22]和《广东天气预报技术手册》[23]的记载来看1991、1999、2004年都是干旱严重年份，与上述研究结论基本吻合，说明SPEI在广东省区域的适用性较为理想。
表2 1971—2020年广东省年尺度SPEI的EOF分解前5个模态贡献率
Tab.2
| 模态 | 方差贡献率/% | 累计方差贡献率/% |
|---|---|---|
| EOF1 | 51.62 | 51.62 |
| EOF2 | 11.49 | 63.11 |
| EOF3 | 6.40 | 69.51 |
| EOF4 | 4.36 | 73.87 |
| EOF5 | 2.50 | 76.37 |
图4
图4
1971—2020年广东省年尺度SPEI的EOF分解前3个模态空间分布（a、c、d）及第1模态的时间系数（b）
Fig.4
Spatial distribution of the first three modes (a, c, d) and the time coefficient of the first mode (b) of EOF decomposition of annual scale SPEI in Guangdong Province during 1971-2020
EOF第二模态（EOF2）方差贡献率为11.49%，该模态空间向量场呈东西反相变化特征，分界线在广东省中部乐昌—曲江—英德—清远—花都—广州—东莞—深圳一带，以西为负值一致性，越往西负值越大，以东为正值一致性。EOF第三模态（EOF3）方差贡献率为6.40%，该模态空间向量场呈南北反相变化特征，分界线在广东省中部德庆—云浮—新兴—新会—中山—东莞—博罗—河源—龙川—平远—蕉岭一带，以南为负值一致性，以北为正值一致性，越往北正值越大，表明该模态与海陆差异有明显关联。
为探索EOF1、EOF2与海表温度（sea surface temperature，SST）和大气环流的相关性，选取4个区域ENSO强度指标（Niño1+2区、Niño3区、Niño4区和Niño3.4区的SST）和4个西太平洋副热带高压（western Pacific subtropical high，WPSH）指标（面积、强度、脊线位置和西伸脊点）与EOF1、EOF2的时间系数进行相关性分析（表3）。可以看出，EOF1的时间系数（PC1）与Niño1+2区、Niño3区、Niño3.4区SST的相关系数分别为0.33、0.24、0.18，且相关系数均通过α=0.05的显著性检验，而PC1与Niño4区SST及WPSH面积、强度、脊线位置、西伸脊点的相关性较差，说明EOF1与赤道太平洋中东部的海表温度关系更为密切。进一步分析发现，赤道太平洋中东部的海表温度异常偏低年份的秋冬季节，通常热带太平洋东风异常，Walker环流加强，在西太平洋赤道附近一带的上升运动加强，而在华南地区存在下沉运动，导致在热带西太平洋、南海附近上空低层存在气旋性异常环流，南海受异常的偏东到东北风场控制，孟加拉湾、南海的水汽难以向广东输送，广东秋冬季节的降水减少，容易造成广东地区干旱。EOF2的时间系数（PC2）与WPSH面积的相关性（0.13）最高，PC2与WPSH强度的相关性（0.12）与前者相近，另外PC2与WPSH西伸脊点的相关系数也达0.11，且PC2与WPSH面积、强度和西伸脊点的相关系数均通过α=0.05的显著性检验，而PC2与WPSH脊线位置、Niño3区、Niño4区和Niño3.4区SST的相关性较差，说明EOF2与西太平洋副热带高压的关系较为密切。进一步分析发现，春季WPSH面积异常偏大、强度异常偏强和西伸脊点异常偏西时，脊线位置也会较常年偏北，并导致雨带位置偏北，广东东部降水正常，而广东西部由于纬度偏低，降水往往偏少，容易造成广东西部区域性干旱；而春季WPSH面积异常偏小、强度异常偏弱和西伸脊点异常偏东时，脊线位置也会较常年偏南，导致雨带位置偏南，广东西部降水正常，而广东东部由于纬度偏高，降水通常偏少，容易造成广东东部区域性干旱。
表3 EOF1、EOF2的时间系数与厄尔尼诺强度指标、西太平洋副热带高压指标的相关性
Tab.3
| 时间系数 | 厄尔尼诺强度指标 | 西太平洋副热带高压指标 | ||||||
|---|---|---|---|---|---|---|---|---|
| Niño 1+2区 | Niño 3区 | Niño 4区 | Niño 3.4区 | 面积 | 强度 | 脊线位置 | 西伸 脊点 | |
| PC1 | 0.33** | 0.24** | 0.02 | 0.18** | 0.05 | 0.06 | -0.04 | -0.04 |
| PC2 | 0.09* | 0.03 | -0.03 | -0.01 | 0.13** | 0.12** | 0.04 | 0.11** |
注：**、*分别表示通过α=0.05、α=0.1的显著性检验。
2.4 干旱周期
应用ESMD方法，对广东省平均年尺度SPEI进行分解，当趋势余量R对应的方差比率最小时，筛选次数（29次）达到最佳，此时可将其分解成4个模态（IMF1、IMF2、IMF3、IMF4）和一个趋势余量R（图5），模态IMF1、IMF2、IMF3、IMF4能依次反映原始序列从高频到低频的周期振荡特征。每个模态的周期和贡献率如表4所示，可以看出，模态1（IMF1）占据权重最大，方差贡献率为47.33%，周期为3.1 a。模态2（IMF2）和模态3（IMF3）方差贡献率分别为20.04%和18.07%，周期分别为7.1、12.5 a，信号较为平稳、明显。模态4（IMF4）占据权重最小，方差贡献率仅为4.61%，周期为16.7 a。趋势余量R为原始序列的最佳自适应全局均线，在一定程度上表征年尺度SPEI序列的趋势状况，其方差贡献率为9.95%；1971年以来趋势余量R整体呈较明显下降趋势，其中1971—2002年下降趋势明显，2002—2020年波动较小。综上，广东省年尺度SPEI序列在年际上以3.1 a周期振荡为主，同时还有7.1 a的周期振荡；在年代际上以12.5 a周期振荡为主，同时具有16.7 a的周期振荡；另外，趋势余量R反映广东有干旱化趋势。
图5
图5
1971—2020年广东省年尺度SPEI的ESMD的模态分量及趋势余量年际变化
Fig.5
The annual variation of modal components and trend margin of ESMD decomposition of annual scale SPEI in Guangdong Province during 1971-2020
表4 1971—2020年广东省年尺度SPEI的ESMD各模态分量的周期及方差贡献率
Tab.4
| 模态分量 | 周期/a | 方差贡献率/% |
|---|---|---|
| IMF1 | 3.1 | 47.33 |
| IMF2 | 7.1 | 20.04 |
| IMF3 | 12.5 | 18.07 |
| IMF4 | 16.7 | 4.61 |
| 趋势余量R | 无 | 9.95 |
3 结论
本文基于标准降水蒸散发指数（SPEI），对广东省干旱时空变化特征进行分析，发现广东省整体有较为明显的干旱化趋势，干旱发生频率较高，但强度较低。
（1）广东省SPEI整体呈较明显下降趋势，即干旱化趋势。春、夏、秋、冬季SPEI变化表明四季也呈干旱化趋势，但并不明显。
（2）广东省干旱发生频率为28%~38%，平均32%，其中轻旱、中旱、重旱、特旱频率分别为15%、10%、5%、2%，轻旱和中旱频率占干旱总频率的78%。广东省干旱出现时干旱平均强度为1.03~1.20，属中旱级别，干旱强度较低区域与干旱频率较高区域有较好的反向对应关系。综上所述，广东省发生干旱的频率较高，但强度较低。
（3）EOF第一模态方差贡献率达51.62%，远高于其他模态，是广东省干旱特征的主要变化模态，该模态空间向量场呈现整个区域范围内均为正值，说明广东省干旱类型以同位相变化为主导，即存在一致变旱或变涝特征，与赤道太平洋中东部海表温度关系更为密切。该模态时间系数整体表现为下降趋势，说明广东省呈干旱化趋势。EOF第二模态方差贡献率为11.49%，该模态空间向量场呈东西反相变化特征，与西太平洋副热带高压关系较为密切。EOF第三模态方差贡献率为6.40%，该模态空间向量场呈南北反相变化特征，与海陆差异有明显关联。
（4）ESMD分析表明广东省平均年尺度SPEI在年际上以3.1 a周期振荡为主，同时还具有7.1 a周期振荡；年代际上以12.5 a周期振荡为主，同时还存在16.7 a周期振荡；另外，趋势余量R反映广东省具有干旱化趋势。
由于干旱影响要素非常复杂，尽管SPEI综合考虑了降水和气温这两个对气候演变起重要作用的因素，但并未考虑连续无降水日、土壤持水量以及大气环流等因素，对干旱事件的评估可能会有一定程度偏差。因此，还需根据广东省的实际情况，对各种指标和影响因素进行深入讨论，研究适宜广东省的干旱指标。
参考文献
Greater sensitivity to drought accompanies maize yield increase in the U. S. Midwest
[J].
Future flood losses in major coastal cities
[J].
我国气象干旱研究进展评述
[J].
近几十年来，在全球变化和社会经济高速发展的影响下，全球环境问题尤为突出。其中最为严峻的问题之一是干旱的频繁发生。干旱已经成为全球性的问题，由干旱，尤其是重大干旱灾害所引起的水资源匮乏、粮食危机、生态恶化( 如荒漠化等) ，直接威胁到国家的长期粮食安全和社会稳定。针对这些问题，本文介绍了国家对干旱研究的需求和近年来在干旱研究领域的主要科技进展，提出了目前干旱研究领域存在争议的问题、以及面对国家需求应解决的关键科学问题。并对未来5 ～ 10 a该领域的发展趋势进行了简要分析。
Regional drought assessment based on the reconnaissance drought index (RDI)
[J].
亚非地区近百年干旱时空变化特征
[J].利用1901—2010年帕默尔指数（PDSI）和1981—2010年CMAP降水、NCAR 700 hPa位势高度等格点资料，分析亚非干旱、半干旱带中北非、中东、中亚西部、中亚东部至中国西北地区西部及中国西北地区东部、华北和东北等7个区域PDSI的时空演变特征。结果表明：北非至中东地区大部，前20 a（1901—1920年）PDSI为-1～2，干旱较轻或相对不旱；1920年代以后PDSI为-4～-2，干旱较重。与其他地区不同的是，中亚东部至中国西北地区西部1980年代以后PDSI>0，这与该区同时期700 hPa位势高度下降及夏季降水量增加有关。PDSI≤-2的干旱期，有从北非地区到中国东北地区逐区向东扩展的趋势，后延推移间隔约为24～31 a，这对干旱气候预测有一定的参考意义。
气象干旱指数在中国的适应性研究进展
[J].在全球变暖背景下, 中国极端干旱事件频繁发生，其强度和范围都不断增大，这不但给国民经济特别是农业生产等带来巨大损失, 还会造成水资源短缺、荒漠化加剧、沙尘暴频发等诸多深远的不利影响。为进一步提高干旱监测、预测、评估和决策服务等方面的技术水平, 以气象干旱为对象，对常用的气象干旱指标在中国的时空适应性进行了系统总结。首先，从指数的计算原理及考虑要素的角度回顾了国内常用干旱指数及其特点，这些指标主要分为两类：一类是只考虑单一因子的干旱指标，另一类是考虑多要素的干旱指标。其次，系统归纳了这些干旱指数在我国不同区域、不同季节的适应性，阐述了对现有干旱指数的进一步修正、改进及其应用效果，并对影响干旱指数适应性的主要因素进行探讨。最后，提出目前干旱研究领域存在争议的问题，探讨今后在气象干旱监测指标及其适应性研究中应重点解决的关键科学问题及发展趋势。
A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index
[J].
基于SPEI的安徽滁州市旱涝特征及其对小麦产量的影响
[J].利用1961—2019年安徽滁州地区7个国家站常规气象观测资料和1980—2019年小麦生育期观测资料及单产数据,采用多时间尺度的SPEI旱涝指数,探讨分析滁州地区气象旱涝特征及其对小麦产量的影响。结果表明:滁州地区SPEI具有明显的月际、季节变化特征,冬季各月的SPEI收敛性最强,夏季各月的SPEI离散度最大,且呈现明显的春旱、夏涝特征,季节性连旱、连涝中春夏连旱、春夏连涝造成的影响最重。滁州市2000年以后春季呈现干旱化态势,20世纪90年代后夏、冬季均转为变湿的态势,尤以冬季变湿趋势最为显著,而秋季干湿趋势不明显,但2009年以后略有增湿趋势。3月的SPEI3与小麦气候产量相关性最显著,两者存在二次项系数为负的抛物线关系,当3月的SPEI3值大于0.81或小于-1.93时,可能会造成小麦高度减产。
Study of the temporal and spatial patterns of drought in the Yellow River basin based on SPEI
[J].
几种干旱指标对西南和华南区域月尺度干旱监测的适用性评价
[J].利用西南和华南区域129个气象站逐日和逐月气象数据, 计算并对比分析了7种干旱监测指标在该区域的适用性, 结果表明: MCI指数和K干旱指数在研究区各季干旱监测中表现均较好, 其中, 夏、 秋季K指数优于MCI指数, 冬、 春季MCI指数优于K指数; DI指数对冬、 春季旱情监测较好; PDSI指数和GEVI指数在夏、 秋季监测能力较强; SPI指数夏季监测效果较好; SPIW60指数在各季的监测能力都较弱。K指数对干旱演变过程的刻画能力最强, 其次是DI指数; MCI指数在干旱缓解阶段存在监测偏重的情况;SPI、 SPIW60以及GEVI指数对干旱的累积效应考虑不够, 存在监测偏轻、 缓解或解除过快情况; PDSI指数对干旱波动发展过程反映能力较差。综合来看,MCI指数和K指数优于其他指数, K指数更适用于研究区的月尺度干旱监测。
Temperature-based approaches for estimating reference evapotranspiration
[J].
基于SPEI指数的近53年河南省干旱时空变化特征
[J].干旱在中国发生较为频繁,对农作物的影响较大。基于1961-2013年实测气象资料,利用标准化降水蒸散指数（SPEI）定量分析了河南省不同时间尺度干旱发生频率和发生强度,揭示了该地区干旱发生的时空演变特征及干旱发生的原因。结果表明：SPEI值能较好地反映河南省干旱的变化特征;随着时间尺度的减小,SPEI值波动幅度增加,干旱发生频率增加。近53年河南省干旱发生频率总体呈上升趋势,且各地区之间分布不均匀。周口地区发生频率最高,达35%以上;豫中和豫西地区最低,为26%左右。四季中以春、夏两季干旱发生最为严重,其次为秋季,冬季最弱。在年际变化方面,1966-1968年、1998-2000年和2011-2013年发生了大范围的持续干旱。干旱发生强度呈现豫北和豫西偏东地区高,豫东和豫南北部地区低特点;干旱发生强度最强的地区为安阳,为22.18%,最弱的地区为驻马店,为16.60%。
Empirical orthogonal functions: the medium is the message
[J].
Sampling errors in the estimation of empirical orthogonal functions
[J].
