引言
干旱灾害造成的损失占气象灾害损失的50%（Obasi，1994），损失的严重性与干旱日数、干旱频率、干旱面积有关（钱正安等，2001）。以往研究基于各种干旱指数对中国或部分地区的干旱气候特征进行分析（王亚平等，2008；申双和等，2009；刘玉莲和于宏敏，2012；赵一磊等，2013；李雪纯等，2018；郭梦等，2019），发现中国平均年干旱日数总体呈增加趋势（廖要明和张存杰，2017），其中西部干旱日数持续减少，西北地区干旱减缓，东部干旱年代际变化特征为先增多后减少（陈敏等，2022）；20世纪80年代后，由于降水减少和气温升高，我国东北地区干旱频次明显增加（马柱国和符淙斌，2006），干旱化趋势显著加快（邹旭恺和张强，2008），尤其5—9月趋势更加明显（马建勇等，2012），东北三省农业旱灾呈重灾化趋势（杨文通等，2022）。
黑龙江省是中国气候变化敏感区之一（于宏敏等，2012），也是最主要的粮食产区，5—9月是黑龙江省粮食作物主要生长季，干旱是影响农业生产的主要气象灾害之一。近20 a来，黑龙江省旱灾总面积占农业气象灾害总面积的63%（吴黎等，2022），旱灾造成的农业灾损量最大（刘玉汐等，2020）。由于干旱成因及其影响的复杂性，很难找到一种普适的干旱指数，研究发现气象干旱综合指数（Meteorological Drought Composite Index，MCI）对我国北方地区的干旱监测效果优于其他干旱指数（王素萍等，2020）。因此，本文基于MCI指数对黑龙江省农作物生长季（5—9月）干旱时空分布及演变规律进行分析，探讨气象干旱与环流异常的联系，以期为干旱防灾减灾应对、合理调整农业种植布局等提供科学决策依据。
1 研究区概况
图1
图1
黑龙江省地理分区（填色区）及1990—2020年降水气候态（黑色等值线，单位：mm）分布
Fig.1
Geographical zoning （color filled areas） and distribution of precipitation climate state （black isolines， Unit： mm） during 1990-2020 in Heilongjiang Province
2 资料与方法
所用资料为黑龙江省80个国家气象站1970—2020年5—9月逐日降水量、最高气温、最低气温及平均气温资料，数据通过质量控制；国家气象信息中心最新发布的中国第一代全球大气再分析产品（CRA40），水平分辨率34 km，时间分辨率6 h，模式层顶气压为0.27 hPa。与欧洲中尺度天气预报中心（European Centre for Medium-Range Weather Forecasts， ECMWF）再分析产品（ECMWF Reanalysis-Interim， ERA-Interim）、美国国家环境预报中心再分析产品（The United States National Centers for environmental prediction reanalysis， NCEP）等相比，CRA40具有较好的一致性（Zhao et al.，2021；Yu et al.，2021；Liu et al.，2023）。
式中：Ka为季节调节系数，根据不同季节各地主要农作物生长发育阶段对土壤水分的敏感程度确定；SPIW60为近 60 d的标准化权重降水指数;MI30为近30 d相对湿润度指数；SPI90和SPI150分别为近90 d和近150 d的标准化降水指数；a、b、c、d分别为SPIW60、MI30、SPI90、SPI150的权重系数，南北方取值有所不同。
表1 基于气象干旱综合指数MCI的干旱等级划分
Tab.1
| 等级 | 类型 | MCI | 干旱影响程度 |
|---|---|---|---|
| 1 | 无旱 | MCI>-0.5 | 地表湿润，作物水分供应充足；地表水资源充足，能满足人们生产、生活需要 |
| 2 | 轻旱 | -1.0<MCI≤-0.5 | 地表空气干燥，土壤出现水分轻度不足，作物轻微缺水，叶色不正；水资源出现短缺，但对生产、生活影响不大 |
| 3 | 中旱 | -1.5<MCI≤-1.0 | 土壤表面干燥，土壤出现水分不足，作物叶片出现萎蔫现象；水资源短缺，对生产、生活造成影响 |
| 4 | 重旱 | -2.0<MCI≤-1.5 | 土壤水分持续严重不足，出现干土层（1~10 cm），作物出现枯死现象；河流出现断流，水资源严重不足，对生产、生活造成较重影响 |
| 5 | 特旱 | MCI≤-2.0 | 土壤水分持续严重不足，出现较厚干土层（大于10 cm），作物出现大面积枯死；多条河流出现断流，水资源严重不足，对生产、生活造成严重影响 |
文中附图涉及地图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（2017）3320号的标准地图制作，底图无修改。
3 结果分析
3.1 不同等级干旱日数空间分布
图2为1970—2020年5—9月黑龙江省中旱及以上和中旱、重旱、特旱日数空间分布。可以看出，干旱高发区主要集中在西部，高值中心分别位于大兴安岭南部及松嫩平原西部，其中松嫩平原西部泰来站近50 a中旱及以上等级干旱日数超过2 000 d，年平均超过40.0 d，即有四分之一时间出现旱情。此外，黑龙江省中部及东部也是干旱多发区，年平均中旱及以上等级干旱日数为33.0 d。
图2
图2
1970—2020年5—9月黑龙江省中旱及以上（a）和中旱（b）、重旱（c）、特旱（d）日数空间分布（单位：d）
Fig.2
Spatial distribution of days of moderate drought and above (a), moderate drought (b), severe drought (c) and extreme drought (d) in Heilongjiang Province from May to September during 1970-2020 (Unit: d)
不同等级干旱日数空间分布存在差异，松嫩平原西部和南部中旱日数最多，年均超过20.0 d，其中泰来站最多，高达1 352 d，年均为26.5 d；松嫩平原东部、三江平原西部、牡丹江半山区东部年均中旱日数为18.0~19.0 d；牡丹江半山区南部、大兴安岭北部及东部中旱日数较少。重旱日数西部多，中部、东部偏少，3个高值中心分别位于牡丹江南部、大兴安岭中部、松嫩平原西部，年均重旱日数均超过10.0 d；低值区位于大兴安岭北部及大兴安岭南部与三江平原交界处。特旱日数高值区分布在松嫩平原及三江平原东部，年均超过5.0 d。
图3
图3
1970—2020年5月（a、b、c）、6月（d、e、f）、8月（g、h、i）黑龙江省中旱（a、d、g）、重旱（b、e、h）、特旱（c、f、i）日数空间分布（单位：d）
Fig.3
Spatial distribution of days of moderate drought (a, d, g), severe drought (b, e, h) and extreme drought (c, f, i) in Heilongjiang Province in May (a, b, c), June (d, e, f) and August (g, h, i) from 1970 to 2020 (Unit: d)
黑龙江省中旱、重旱、特旱日数空间分布年代际特征明显（图4），20世纪70年代，各等级干旱日数均在三江平原与松嫩平原交界处最多；80年代高值区西移（图略）；90年代，中旱日数在松嫩平原西部偏多，重旱日数在松嫩平原西部和三江平原西部偏多，特旱日数在大兴安岭南部和省界东部沿线偏多。21世纪00年代，中旱和重旱日数依旧西多东少，空间差异变化不大，特旱则东部偏多（图略）；10年代，各等级干旱日数较之前明显减少，仅黑河地区部分站点中旱日数超过200 d，占全部站点的5%。
3.2 不同等级干旱日数年际变化
图4
图4
20世纪70年代（a、b、c）、90年代（d、e、f）及21世纪10年代（g、h、i）5—9月黑龙江省中旱（a、d、g）、重旱（b、e、h）、特旱（c、f、i）日数空间分布（单位：d）
Fig.4
The spatial distribution of days of moderate drought (a, d, g), severe drought (b, e, h) and extreme drought (c, f, i) in Heilongjiang Province from May to September in the 1970s (a, b, c), 1990s (d, e, f) and 2010s (g, h, i) (Unit: d)
图5
图5
1970—2020年5—9月黑龙江省平均中旱（a）、重旱（b）、特旱（c）日数年际变化
Fig.5
Inter-annual variation of moderate （a）， severe （b） and extreme （c） drought days in Heilongjiang Province from May to September during 1970-2020
3.3 气象干旱与环流异常的联系
图6
图6
1970—2020年5—9月黑龙江省中旱及以上等级干旱日数与降水量标准化时间序列
Fig.6
The standardized time series of days of moderate drought and above and precipitation in Heilongjiang Province from May to September during1970-2020
选取黑龙江省中旱及以上等级干旱日数大于1倍标准差的正值年份作为典型干旱年（1970、1979、1982、1989、1999、2001、2003、2007年），大于1倍标准差的负值年份作为典型湿润年（1973、1981、1983、1984、1988、1990、1991年）进行合成分析（图7），揭示典型干旱和湿润年的大气环流异常特征。
图7
图7
黑龙江省典型干旱年（a、b）与湿润年（c、d）500 hPa高度距平场（a、c，单位：gpm）、850 hPa风场距平（b、d，单位：m s-1）合成分析及其差值场（e，单位：gpm；f，单位：m s-1）
（打点区域通过α=0.10的显著性检验。下同）
Fig.7
Synthetic analysis of 500 hPa height anomaly field （a， c， Unit： gpm）， 850 hPa wind field anomaly （b， d， Unit： m s-1） in typical dry year （a， b） and wet year （c， d） in Heilongjiang Province and their difference field （e， Unit： gpm； f， Unit： m s-1）
（The dotting area passes the significance test at α=0.10. the same as below）
降水的形成除了动力条件以外，还必须有充足的水汽输送，水汽输送不足可能进一步导致干旱发生和发展（魏凤英和张婷，2009）。研究表明，来自欧亚大陆的水汽明显减少会造成东北出现干旱（汪秀清等，2006），另外，中纬度西风水汽输送与西南水汽输送未能在东北地区汇合是东北干旱的原因之一（孙力等，2002）。从典型干旱年[图8（a）]与湿润年[图8（b）]的整层水汽通量场合成可以看出，典型干旱年，来自南侧的水汽到达黑龙江省相对较少，该地为水汽异常辐散区，有利于干旱发展；而典型湿润年情况恰好相反，水汽输送直接到达黑龙江省，为水汽异常辐合区，这一点从整层水汽通量差值场[图8（c）]中也能体现出来。同时，在典型干旱年，水汽输送通道不明显，而在典型湿润年，有3支明显的水汽通道（西侧、西南侧和东南侧），有利于水汽向黑龙江地区输送，为降水的形成和持续提供水汽支撑。
图8
图8
典型干旱年（a）与典型湿润年（b）整层水汽通量距平合成分析及其差值场（c）（单位：kg·m-1·s-1）
Fig.8
Synthetic analysis of whole layer water vapor flux anomaly in typical dry years （a） and wet years （b） in Heilongjiang Province and their difference field （c） （Unit： kg·m-1·s-1）
综上所述，当5—9月西太平洋副热带高压（简称“副高”）偏强、贝加尔湖至蒙古地区高压减弱、鄂霍茨克海阻塞高压偏强时，有利于高纬冷空气向黑龙江地区输送，与西侧、西南侧和东南侧的3支水汽通道输送异常增强相结合，导致黑龙江地区作物生长季降水偏多。反之，副高偏弱、贝加尔湖至蒙古地区高压增强、鄂霍茨克海阻塞高压偏弱时，不利于高纬冷空气向黑龙江地区输送，会导致黑龙江地区作物生长季降水偏少，形成干旱。
4 讨论与结论
4.1 讨论
影响干旱发生的气候因子比较复杂（张强等，2020；王莺等，2022；薛亮等，2023），松嫩平原西部干旱多发的原因众说纷纭，主要两点可能原因：一是地形因素影响，松嫩平原西部在大兴安岭山脉东侧，属于背风坡，降水易偏少；二是大气环流异常导致，黑龙江省处于东亚夏季风北边缘带，影响该地区的环流系统较复杂，除了中高纬环流影响，还受低纬地区环流影响，大气环流异常会造成水汽输送偏少，从而导致降水偏少。张强等（2015）研究指出，北方旱灾的重灾和中灾年份分布主要依赖降水条件。东北地区属于温带大陆性季风气候，自东南向西北从湿润区、半湿润区过渡到半干旱区，季风气候不稳定性是导致春旱频发的重要原因，今后还需做进一步研究。
黑龙江省西部是春玉米主要种植区，5月播种期干旱会对玉米产量造成一定影响，因此春播前进行适当灌溉对春玉米产量极为有利（郭晓丽和陈素华，2018）；6、7月西部松嫩平原春玉米正处于三叶到开花过渡期，抽雄前后是春玉米需水敏感期（韦潇宇等，2018），如果此时遇到干旱灾害，会严重影响最终产量，保证这一需水关键期的水分供应十分必要；8、9月三江平原和松嫩平原谷子进入抽穗开花期，是谷子生长过程中第二个需水关键期，此时若有干旱发生，非常不利于花粉正常成熟，出现秕谷（杨霏云等，2015）。可见，干旱会在整个生长季对不同作物产生不同程度的影响，为减轻干旱造成的危害，需要提高针对性的干旱监测评估水平，如考虑不同尺度水分循环对干旱的贡献，将数值模拟资料有效用于干旱监测（张强等，2011）等，提高预警服务能力，以采取有效防御措施，抗旱减灾。
4.2 结论
本文基于气象干旱综合指数MCI，对1970—2020年5—9月黑龙江省干旱时空分布特征进行分析，并探究干旱与环流异常的关系，主要结论如下：
（1）黑龙江省大兴安岭南部、松嫩平原西部是干旱多发区，南部的牡丹江半山区干旱相对较少。松嫩平原、牡丹江半山区中旱发生日数较多，大兴安岭北部最少；重旱西部多、中部东部较少；特旱也是西部最严重，年平均特旱日数达5.0 d以上，其次是三江平原东部。
（2）5月，中旱和重旱自西向东逐渐减少，特旱为西多东少；6、7月干旱分布特征比较接近，均为西北部偏多、东南部偏少；8、9月中旱、重旱在三江平原明显偏多，松嫩平原特旱较多。
（3）黑龙江省中旱、重旱、特旱日数空间分布年代际特征明显：20世纪70年代，各等级干旱日数在三江平原与松嫩平原交界处最多；80年代高值区西移；90年代，中旱、重旱日数在松嫩平原和三江平原西部偏多，特旱日数在大兴安岭南部偏多；21世纪00年代，中旱、重旱日数西多东少，特旱日数则东部偏多；10年代，黑龙江省各等级干旱日数均呈明显减少趋势。
（4）1970—2020年黑龙江中旱、重旱、特旱日数均呈减少趋势，变化速率分别为-1.7、-1.1、-0.6 d·（10 a）-1；中旱日数1999年最多，1990年最少。
（5）典型干旱年与典型湿润年环流存在显著差异。典型干旱年，贝加尔湖以西地区受反气旋控制，黑龙江上空受西风带气流控制，盛行下沉气流，不利于冷暖空气交汇，水汽输送通道不明显，水汽难以到达黑龙江地区；典型湿润年的情况则相反。
参考文献
松花江流域水文干旱联合概率分布特征研究
[J].
利用松花江流域水文站1957-2006的径流量，采用游程理论、Eviews统计软件以及Copula函数对松花江流域水文干旱特征以及水文干旱联合概率分布特征进行了研究。结果表明：Eviews统计软件能够较好的得出时间序列符合的概率密度函数；G-H Copula函数以及Clayton Copula 函数能够较好的拟合两个变量的独立分布；Copula函数能够考虑水文干旱的极值，对于分析松花江流域水文干旱联合概率分布是适用的。
内蒙古中部地区春玉米水分亏缺时空特征
[J].水分亏缺指数是判识作物干旱程度的重要指标之一，分析作物水分亏缺指数时空变化规律可为作物合理布局和科学有效灌溉提供理论依据。基于内蒙古中部地区24个气象站1971—2015年降水、气温、风速等逐日气象观测数据和春玉米生育期观测与调查资料，以Penman-Monteith模型为基础计算春玉米需水量，并结合作物有效降水量，定量分析春玉米水分亏缺指数的时空分布特征。结果表明，内蒙古中部地区春玉米生长季内水分亏缺指数呈“高、低、高”的波动变化；近45 a来，春玉米水分亏缺指数在生育前期和后期呈下降趋势，而在生育中期则呈上升趋势，且抽雄-乳熟期的水分亏缺指数上升趋势明显，1990年代以后上升趋势达到显著性水平，说明水分亏缺指数表现出向春玉米需水关键期增加的趋势，并在1991年发生显著突变；空间上，春玉米水分亏缺指数呈带状分布，且呈北高南低的分布格局，这与该区降水量南多北少的分布特征有关。
基于降水距平百分率的安徽省近50 a干旱时空分布特征分析
[J].基于安徽省1965-2014年15个气象站点的降水资料,以降水距平百分率（Pa）为干旱指标,从年和季（3个月）时间尺度定量的分析安徽省时空变化特征。研究结果表明：安徽省干旱在空间尺度上分布不均,北部和西南地区干旱发生频率高,中部和东南地区发生频率较低,自北向南干旱频率逐渐降低。通过对季节尺度干旱结果的比较,其中秋旱发生频率最高、强度最大、干旱范围最广,其次是夏旱、冬旱和春旱。其中春旱和秋旱有加重趋势,而夏旱和冬旱趋势不明显。分析安徽省干旱时空特征和发生规律,可以为安徽省干旱的评估及预警工作提供科学依据。
多种干旱指数在中国北方的适用性及其差异原因初探
[J].利用中国北方（东北、 华北、 内蒙古、 黄淮以及西北地区中东部）12个省（区）267个站点逐日气象数据和典型站点土壤相对湿度资料, 对目前应用最为广泛的5种干旱指数在该区域的适用性进行了评估, 并对各指数监测结果差异原因进行了初步探讨。结果表明, 在我国北方干旱监测中, MCI和K指数的监测效果要优于SPI、 Pa和SPEI指数。MCI指数对研究区春旱的监测尤具有优越性, K指数对偏东、 偏南区域的夏、 秋、 冬季旱情的监测能力略优于MCI指数, Pa和SPI指数对夏、 秋季的旱情监测准确率较高, 而SPEI指数对夏旱有较强的监测能力。Pa指数、 SPI指数以及SPEI指数监测准确率低主要是因为这些指数监测偏轻或漏测的频率较高, 而K指数对东北区域的春旱漏测频率也较高, 漏测频率高达29%。各类干旱指数的监测能力与各自考虑的干旱影响因子及其时间尺度密切相关, 抓住主要因子和主要影响时间尺度是准确监测旱情的关键。
中国东北三省1960—2005年地表干燥度变化趋势
[J].为研究气候变化对东北三省地表干湿状况的影响，利用该区1960—2005年72个气象站的观测资料，采用Penman-Monteith模型计算了各站的潜在蒸散量，由潜在蒸散量和降水量之比构建干燥度指数，并采用Kriging法进行空间插值以分析其区域特征。结果表明，该区地表干湿状况具有明显的时空变化特征。1960—1979年间，由于降水减少和潜在蒸散增加，地表干燥度指数呈增加趋势，水汽压差增大是潜在蒸散增加的主要原因；1980—2005年间，大部分地区地表干旱状况有所减缓，其中以黑龙江省和吉林东部尤为明显。降水增加和潜在蒸散减少是地表干旱状况趋缓的主要原因，风速降低和净辐射减小导致潜在蒸散减少。总体而言，气候变化并未加剧东北三省的干旱化。
21世纪以来干旱研究的若干新进展与展望
[J].干旱是中国影响范围最广、造成经济损失最严重的自然灾害之一，直接威胁国家粮食安全和社会经济发展，对干旱问题的认识和研究有助于提升国家防旱减灾能力。自新中国成立以来，中国对于干旱气象的研究取得了丰硕的成果。本文以21世纪以来中国气象局干旱气候变化与减灾重点开放实验室为平台开展的与干旱气象相关的科研项目群取得的研究成果为基础，通过成果检索，对干旱监测技术、干旱时空分布规律、干旱致灾特征、干旱灾害风险及其对气候变暖的响应以及干旱灾害风险管理与防御技术等方面的新进展进行总结和归纳。同时，基于干旱气象研究的前沿发展趋势，提出中国未来干旱气象研究应在加强气候变化背景下干旱高发区综合性干旱观测试验基础上，从不同维度和尺度定量研究干旱形成机理，构建多源数据融合和多方法结合的综合干旱监测新方法，揭示干旱致灾机理，科学评估干旱灾害风险，提出具有可执行性的风险管理策略等重点科学问题上取得突破。这对于推动中国干旱气象研究具有积极意义。
我国不同区域气象干旱成因研究进展与展望
[J].在全球增暖背景下，我国干旱灾害的严重程度、持续时间和影响范围均呈增加趋势。气象干旱是干旱灾害发生的前提，厘清气象干旱形成原因，对提高干旱预警能力、制定干旱灾害应对策略和防御措施有重要科学意义。本文较为全面地梳理了我国气象干旱成因的研究进展。首先，考虑干旱的成因具有区域差异性，分别总结了我国西北、华北、东北、华东、华南及西南6个区域的干旱成因；考虑干旱的时间持续性，基于季节干旱、两季连旱和三季连旱，分别从冷暖空气、位势高度场、海温场异常等方面归纳各区域不同持续时间气象干旱形成的主要影响因子。其次，提出了目前我国气象干旱成因研究面临的科学问题和未来研究方向。鉴于已有的干旱成因研究多以对单一影响因子研究为主，即便考虑了干旱形成的多个影响因子，但仍然相对缺乏对多因子间协同作用的定量分析，因此未来需要关注不同影响因子对气象干旱形成的贡献率及彼此间协同作用的定量关系。
基于标准降水指数的黑龙江省气象干旱特征分析
[J].以黑龙江省27个气象站点1959～2014年的逐月降水数据为基础，计算不同时间尺度的标准降水指数，结合主成分分析法分析该省气象干旱的严重程度、影响范围、时空分布的多时间尺度特性。结果表明，黑龙江发生气象干旱的频率约为30%，省内气象干旱影响范围在1980年前呈扩大趋势之后逐渐缩小，2000年至2014年干旱范围轻微增大后趋于稳定。气象干旱空间分布格局主要存在整体一致型和西北-东南对立分布两种态势。随着时间的变化，黑龙江在1980年后极端事件发生较多，2000年后旱化趋势显著。该结论可为研究区内的水资源分配及农业发展提供理论指导作用。
CRA-40/Atmosphere: the first-generation Chinese atmospheric reanalysis(1979-2018): system description and performance evaluation
[J].
WMO’s Role in the international decade for natural disaster reduction
[J].
The Asian subtropical westerly jet stream in CRA-40, ERA5, and CFSR reanalysis data: comparative assessment
[J].
Contributions of local and remote atmospheric moisture fluxes to east China precipitation estimated from CRA-40 reanalysis
[J].
