引言
贵州省地处云贵高原东侧斜坡地带，受东亚季风影响，年降水量丰富，但喀斯特地貌特征突出，贮水保水能力差，经常会发生湿润气候背景下的不同程度干旱，在各种气象灾害造成的损失中，干旱受灾面积（41.6%）和成灾面积（41.0%）最大，干旱是影响贵州省粮食生产最重要的因素（苏跃等，2008）。继2009—2010年秋冬春连旱、2011年春夏秋连旱、2013年夏旱后，2022年贵州省再度发生严重的夏秋冬季节连旱，特别是进入8月以后，贵州中部以北以东地区持续高温少雨，11条河流水位低于枯警水位和历史最低水位，218座水库（除病险水库）低于死水位运行，干旱造成全省9个市（州）76个县（市、区）331.9万人受灾，因旱饮水困难需生活救助人口34.3万人，农作物受灾面积26.6万hm2，直接经济损失25亿元人民币（灾情数据来自贵州省应急管理厅网站 http://yjgl.guizhou.gov.cn/）。
干旱灾害是指因一段时间内少雨或无雨，降水量较常年同期明显偏少而致灾的一种气象灾害。干旱不仅影响农业生产、城镇供水、社会经济稳定与可持续发展，还会造成水资源短缺、荒漠化加重、生态与环境恶化等（Tsegai et al.，2022）。近年来随着气候变暖加剧，全球和区域尺度的干旱呈现增加趋势（Dai and Zhao，2017），中国西南地区干旱发生频率、范围和强度也呈增加趋势，特别是重度和极端干旱事件（尹晗和李耀辉，2013；孙昭萱等，2022），据预测这种趋势在21世纪将持续（胡实等，2015；王莺等，2022；薛亮等，2023）。贵州省位于西南地区东部，由于特殊的地理位置和喀斯特地貌特征，干旱有别于西南地区的云南、四川、重庆等地，呈现区域性、季节性特点，春旱、夏旱及季节性连旱对贵州省农业生产危害最大（罗宁，2006）。干旱指数是表征干旱的重要指标，据世界气象组织统计，目前常用的气象干旱指标有降水距平百分率、标准化降水指数、Z指数、相对湿润度指数、气象干旱综合指数（CI）等，并在以往研究中得到应用（袁文平和周广胜，2004；朱业玉等，2006；王劲松等，2007；姚玉璧等，2007；王越等，2007；韩海涛等，2009；谢清霞等，2016；黄健等，2020；王敏等，2022；陈燕丽等，2022），但各干旱指标的适用范围和应用效果不尽相同（樊高峰等，2006；乔丽等，2010；吴哲红等，2012；李红梅等，2015；李忆平和李耀辉，2017）。近10 a来虽有不少关于贵州省干旱问题的研究（白慧等，2013；夏阳等，2013；杨帆等，2015；严小冬等，2016；廖留峰等，2019；茅海祥等，2020；毛春艳等，2021；游漫等，2022；潘杉等，2023），但主要是借助降水单一指标、相对湿润度指数等开展干旱特征研究，且多数针对春旱、夏旱，对年度、秋旱、冬旱及季节连旱的研究少见。贵州省气象干旱监测业务采用的是中国气象局下发的气象干旱综合指数（Meteorological drought Composite Index，MCI）（国家气候中心等，2017），该指数引进近60 d标准化权重降水指数，改进了干旱发展过程的不合理跳跃现象；考虑了近150 d的降水影响，有效表征了干旱发展的累积效应，对重大干旱事件反映更明显；另外引进季节调节系数，根据不同区域和不同季节进行调整，使干旱监测服务更具针对性，能充分反映干旱的连续性、累积效应以及区域差异性特征。相较于其他干旱指数，MCI具有较好的适用性，能够较准确地反映中国各地气象干旱程度（王素萍等，2020；谢五三等，2021）。无论从全国还是区域层面有很多基于MCI的干旱研究（廖要明和张存杰，2017；成青燕等，2017；韩兰英等，2019；高睿娜等，2021；武荣盛等，2021；张皓等，2022；杨歆雨，2022；吴秀兰等，2022；蔡怡亨等，2023），这些研究深入地揭示了全国及不同区域的干旱分布和变化特征。目前针对贵州省MCI的适用性研究和干旱特征分析很少，MCI能否客观描述贵州省气象干旱的发生发展及缓解、解除过程，是否存在不合理跳跃现象等，迫切需要开展相关研究。本文从典型干旱过程的逐日诊断、干旱不合理跃变次数等方面分析MCI在贵州的适用性，进一步从干旱日数、干旱强度、区域干旱过程等方面对干旱特征进行研究，揭示贵州省干旱发生的时空分布及变化规律，并分析ENSO事件对贵州省干旱的影响，以期对干旱的监测、预测预警和减灾工作提供一定的科学理论依据。
1 资料与方法
1.1 资料
所用资料为贵州省83个国家气象站1981年1月1日至2023年3月31日逐日气象干旱综合指数MCI；贵州省1981—2022年干旱受灾、成灾面积等灾情数据来自贵州省应急管理厅，农作物播种面积数据来自国家统计局（http://www.stats.gov.cn/tjsj/）；美国国家环境预报中心和国家大气研究中心（National Centers for Environmental Prediction/National Center for Atmospheric Research，NCEP/NCAR）提供的1981—2022年月平均风场、位势高度场以及用于计算水汽通量的绝对湿度资料，空间分辨率为2.5°×2.5°；英国气象局Hadley中心提供的1981—2022年海表温度资料，空间分辨率为1°×1°；Niño3.4指数采用国家气候中心发布的监测数据（即5°N—5°S，120°W—170°W区域平均的海表温度距平序列）；ENSO历史事件来自国家气候中心（https:/cmdp.ncc-cma.net/download/ENSO/Monitor/ENSO_his-tory_events.pdf）。气候平均态指1981—2022年平均。
文中附图涉及地图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。
1.2 方法
表1 基于MCI的干旱等级划分
Tab.1
| 无旱 | 轻旱 | 中旱 | 重旱 | 特旱 |
|---|---|---|---|---|
| MCI>-0.5 | -1.0<MCl≤-0.5 | -1.5<MCl≤-1.0 | -2.0<MCI≤-1.5 | MCI≤-2.0 |
（1）单站干旱过程相关指标
当某站连续15 d及以上出现轻旱及以上等级干旱，且至少有一天干旱等级达到中旱以上，则确定发生一次干旱过程；干旱过程时段内第一次出现轻旱的日期为干旱过程开始日；干旱过程发生后，当连续5 d干旱等级为无旱或偏湿时，则干旱过程结束，干旱过程结束前最后一天干旱等级为轻旱或以上的日期为干旱过程结束日；某站过程日数为干旱过程开始日到结束日（含结束日）总天数；干旱过程强度由干旱过程时段内中旱以上MCI绝对值之和确定，其值越大代表干旱强度越强。
（2）区域干旱过程有关指标
10站或以上出现中度或以上等级干旱，定义为1个区域性干旱日；当区域性干旱日持续15 d以上时，定义为一个区域性干旱过程；满足一次区域性干旱过程判定条件的首日为该次区域性干旱过程开始日；某次区域性干旱过程开始后，当连续5 d出现中旱或以上站数小于10站时，即表示该次干旱过程结束，将前一天确定为该次区域性干旱过程结束日；区域性干旱过程综合强度指数（Z）计算公式如下：
式中：I为区域性干旱过程平均强度，即该区域内单日干旱等级达到和超过中旱以上的所有站点MCI平均值；A为该区域内单日干旱等级达到和超过中旱以上的所有站点数平均；T（d）为区域性干旱过程开始至结束之间的天数；α、β分别为A和T的权重系数，均取0.5。
区域性干旱过程综合强度等级按历年综合强度排序百分位数划分为4级：一般区域性干旱过程（占50%）、较强区域性干旱过程（占30%）、强区域性干旱过程（占15%）、特强区域性干旱过程（占5%）。
（3）年和四季干旱日数、干旱强度计算
将基于干旱过程的干旱日数、干旱强度分解到相应的季、年统计。分别进行年（1月1日至12月31日）、春季（3月1日至5月31日）、夏季（6月1日至8月31日）、秋季（9月1日至11月30日）、冬季（12月1日至次年2月28日）干旱过程期间中旱以上等级干旱日数、MCI绝对值累加。
（4）农作物受灾率。用农作物受灾面积占农作物播种面积的比例表示。
图1
图1
贵州省国家级气象站分布
Fig.1
Distribution of national meteorological stations in Guizhou Province
2 MCI指数的适用性分析
2.1 典型干旱过程诊断
由贵州省2022年8月至2023年3月逐日不同等级干旱站数和逐日平均降水量（图2）可知，2022年8月8日贵州省北部、东部旱象露头，中部以北以东地区气象干旱快速发展，重旱以上干旱站数明显增加；9月10—23日受降水过程影响，中旱以上等级干旱站数明显减少，西部气象干旱逐渐解除、北部明显缓解；10月10—25日中东部地区仍无有效降水，干旱进一步发展，重旱以上干旱范围明显扩大；10月26—28日东北部出现降水，旱情略有缓解；之后至12月24日，全省未出现大范围持续性降水，北部及黔东南州旱情进一步发展，重旱以上站数维持在50站以上，为干旱最严重阶段；12月27日至2023年1月4日全省各地出现持续性阴雨天气，西部及中部旱情有所缓解，重旱以上站数明显减少；1月30日中部以东以南气象干旱又开始发展，2月1—20日全省出现持续阴雨天气，中部以北以东地区气象干旱解除，干旱站数减少，基本无特旱，但西南部、南部轻到中等干旱持续，3月16日南部出现强降水过程，旱区干旱缓解甚至解除，区域性干旱过程结束。
图2
图2
基于MCI的贵州省2022/2023年夏秋冬连旱过程逐日不同等级干旱站数及区域平均降水量演变
Fig.2
Evolution of daily station numbers of drought with different grades based on MCI and regional average precipitation during the continuous drought process in summer， autumn and winter of 2022/2023 in Guizhou Province
由此可见，MCI指数能较好地刻画贵州省干旱发生、发展及解除过程，无降水时干旱程度加重、影响范围扩大，当有明显降水时MCI迅速响应，不同等级尤其是特旱、重旱站数明显减少，与灾情实况较为吻合。
2.2 干旱不合理跃变
干旱解除可以跃变，即出现大的降水过程时干旱可以迅速缓解或解除，而干旱发生发展是一个渐进过程，若相邻两日干旱等级出现跨级跳跃加重现象，则认为是由干旱指数造成的不合理跃变。统计贵州省83站1981—2022年MCI的不合理跃变次数为22次，平均每年0.52次，小于中国西南地区（每年2.80次）（谢五三等，2021），且不合理跃变基本发生在干旱缓解阶段，说明MCI在贵州省的不合理跃变次数很小。
2.3 干旱日数与干旱灾情的相关性
旱灾是对贵州省农业生产影响最严重的气象灾害之一，农业干旱与气象干旱既有联系又有区别。从某种程度上讲，农业干旱是气象干旱的进一步发展，反映农业干旱的最好指标是农业受灾面积、成灾面积、成灾率等农业干旱灾情指标。通过分析贵州省历年干旱日数与受灾率的相关性，进一步分析MCI在贵州省的适用性。
从1981—2022年贵州平均年中旱以上干旱日数空间分布（图3）可以看出，遵义市中东部、铜仁市大部、毕节市西部、六盘水市北部、安顺市大部、黔南州南部、黔西南州东部及黔东南州北部及南部局地是贵州干旱多发区，平均年干旱日数普遍在40.0 d以上，其中西北部及南部局地在50.0 d以上，其余地区在30.0~40.0 d。就区域平均而言，毕节市年干旱日数最多，达43.9 d，其余地区平均年干旱日数基本为35.0~40.0 d，贵阳市最少为35.1 d。
图3
图3
贵州省年中旱以上等级干旱日数分布（单位：d）
Fig.3
Distribution of annual drought days in Guizhou Province（Unit： d）
由贵州省历年平均干旱日数与干旱受灾率演变（图4）可知，干旱日数与干旱受灾率年际变化有一定差异，但具有相似的年代际变化特征。年干旱日数总体呈增加趋势[2.1 d·（10 a）-1]，1980年代初干旱日数波动大，由1981年的高峰降到1983年的低谷，1984年开始逐步上升到1987—1992年的高值期，1993—2002年稳定维持在较低水平，进入21世纪干旱日数在波动中上升，2003—2013年的11 a为高值期（8 a在平均值以上，其中4 a在70.0 d以上）；2014—2021年干旱日数维持在20.0 d左右，2022年急剧增加至98.8 d，仅次于2011年。干旱日数较多的年份与干旱受灾率较大年份较一致，其中2011年干旱日数最多达114.3 d，农业受灾率高达36.5%。
图4
图4
1981—2022年贵州省干旱日数及受灾率逐年变化
Fig.4
Yearly variation of drought days and disaster rate in Guizhou Province from 1981 to 2022
贵州省干旱日数与受灾率的相关系数为0.67（通过置信水平为99%的显著性检验），说明干旱日数多则受灾率大，干旱较重年均对应干旱日数较多年份，如受灾率较高的1985—1992年、2003—2013年两个阶段干旱日数也较多。图4中有些年份（如1996、2022年等）干旱日数和受灾率相关性不明显，主要是气象干旱只表征大气水分亏欠情况，并没有结合下垫面农作物状况，这些年份干旱主要发生在秋冬季，因此受灾率相对较小；而同样的气象干旱若发生在春夏季，此阶段农作物需水量大，则干旱受灾率就明显增大，因此还要考虑干旱期是否与农作物需水关键期重合及水利条件等影响因素。1981、2013年干旱日数分别为第7、第4位，但受灾率高正是由于气象干旱发生在夏季且夏旱开始早，干旱期正值水稻需水关键期，危害特别大。
贵州省9个市（州）年干旱日数与干旱受灾面积的相关系数为0.59~0.79，且均通过99%置信水平的显著性检验。除六盘水市在0.60以下，其余市（州）在0.60以上，黔东南州、安顺市、黔南州、黔西南州在0.70以上，也进一说明MCI干旱指数在9个市（州）均有较好的适用性。
综上所述，MCI指数对降水敏感，不合理跃变次数很小，能较好地刻画贵州省的干旱发生发展过程，贵州省及其9个市（州）年干旱日数与干旱受灾率、干旱受灾面积的相关系数高，能客观反映干旱灾害的变化特征，说明MCI指数在贵州省有较好的适用性。
3 干旱强度
3.1 干旱强度时空分布特征
图5
图5
贵州省1981—2022年平均年干旱强度空间分布
Fig.5
Spatial distribution of annual drought intensity averaged during 1981-2022 in Guizhou Province
从1981—2022年贵州省平均的年（图6）和四季（图略）干旱强度变化趋势可以看出，年干旱强度总体呈增加趋势（4.4/10 a），其年代际变化特征明显，年际之间干旱强度差异大。年干旱强度平均为56.0，2011年最大为194.3，1997年最小为11.3。与干旱日数演变特征相似，20世纪80年代到90年代初，干旱强度相对较大，1993—2002年干旱强度相对较小；进入21世纪后干旱强度在波动中上升，干旱频发，其中，2011、2010、2013年干旱强度位居历史第1、第2和第4高位；2014—2021年干旱强度维持较低水平，但2022年干旱强度急剧增加且上升为历史第3高位。以干旱强度大于1.0倍标准差定义极端干旱年份，则1988、1989、2009、2010、2011、2013、2022年为极端干旱年份，这与贵州省气象年鉴、气候评价、灾害大典等记载的贵州省干旱灾害较为一致。9个市（州）的极端干旱年份可能有一定差异，如2006年夏季，从全省平均看不属于极端干旱年份，但对遵义市而言，该年发生极端夏旱，强度为历史第4高位，灾情实况中2006年黔北地区发生特大干旱，说明基于MCI的干旱强度指数不仅能客观反映全省年及季节干旱的变化特征，而且也能客观揭示干旱的地区差异。
图6
图6
1981—2022年贵州省年干旱强度年际变化
Fig.6
Yearly variation of drought intensity in the whole year during 1981-2022 in Guizhou Province
秋季和冬季干旱强度呈增加趋势，春季和夏季则呈减弱趋势，仅秋季的增加趋势通过95%置信水平的显著性检验。春季，2010年代干旱强度最大，1980年代次之，1990年代最小；极端干旱年份为1987、1988、1996、2011年，其中2011年干旱强度最大（89.0），1987年次之（60.1）。夏季，1980年代干旱强度有波动且相对较大，1993—2004年较小，2005—2013年较大，2014—2021年较小，2022年干旱强度急剧增加。夏季，极端干旱年份有1981、1988、1989、2011、2013年，其中2011年最重（82.9），2013年次之（59.6）。秋季，21世纪之前秋旱相对较轻，20 a中仅1990、1992年较重；21世纪开始秋旱明显，发生频率高且强度大，极端干旱年份有1992、2003、2005、2009、2011、2022年，其中2022年最重（104.7），2009年次之（71.7）。冬季，21世纪前干旱总体较轻，之后有所加强，尤其是2007—2012年干旱相对较重，2013—2021年较轻，2022年干旱强度急剧增加且位居历史第4高位；极端干旱年份有1988、1992、2007、2009、2022年，其中2009年最重（71.9），2007年次之（47.4）。
3.2 干旱强度变化趋势空间分布
从1981—2022年贵州省年和四季平均的干旱强度线性变化趋势空间分布（图略）可以看出，年干旱强度除黔西南州呈减弱趋势外，其余地区均呈增加趋势，其中贵阳市增加趋势最大，气候倾向率为13.2/10 a，通过95%置信水平的显著性检验。春季，除毕节市呈增加趋势外，其余地区均呈减弱趋势；夏季，黔西南州、毕节市、六盘水市、遵义市呈增加趋势，其余地区呈减弱趋势，干旱强度总体呈西部增加东部减少趋势；秋季，9个市（州）均呈增加趋势，西部的增加趋势大于东部，其中六盘水市增加趋势通过95%置信水平的显著性检验；冬季，除遵义市和铜仁市呈减小趋势外，其余地区呈增加趋势。总体来看，秋季干旱强度的增加趋势较其他季节明显，与秋季干旱日数明显增多一致。
4 区域干旱过程变化特征
客观识别区域性干旱过程，评估其强度是开展精准监测、评估干旱影响业务的基础。贵州省1981—2022年共发生56次区域性干旱过程，其中，持续天数15~30 d的19次，30~60 d的18次，60~90 d的6次，90~120 d的5次，120~150 d的2次，超过150 d的区域性干旱过程5次。持续时间最长的3次区域性干旱过程分别为2009年8月9日至2010年6月23日（319 d）、2022年8月8日至2023年3月16日（221 d）、2011年4月14日至10月1日（171 d）。
计算区域性干旱过程综合强度指数并进行等级划分，发现1981—2022年贵州省共发生3次特强、9次强、17次较强区域性干旱过程，其余27次为一般区域性干旱过程。其中，2022年8月8日至2023年3月16区域性干旱过程平均强度为1.11，平均影响站数54站，是综合强度指数最强的过程。
对56次区域性干旱过程按发生时间进行排序，计算每次干旱过程的持续天数、平均强度、平均影响站数及综合强度指数（图7）。可以看出，区域性干旱过程的持续天数、平均强度、平均影响站数及综合强度指数均存在较大波动，总体呈低、高、低、高、低的阶段性变化，持续天数均值为62 d，最长为319 d；平均强度均值为0.43，最强为1.11；平均影响站数为35站，最多为54站；综合强度均值为20.3，最强为121.3。21世纪以来，区域性干旱过程跨季、跨年的次数明显增加，干旱平均强度、平均影响站数以及综合强度指数均呈增加趋势。
图7
图7
1981—2022年贵州省区域性干旱过程持续天数（a）、平均强度（b）、平均影响站数（c）、综合强度指数（d）演变
Fig.7
Variations of duration days （a），average intensity （b），average affected area （c） and comprehensive intensity index（d） of regional drought processes in Guizhou Province from 1981 to 2022
由56次区域性干旱过程9个市（州）平均干旱强度演变（图8）可知，9个市（州）平均干旱强度变化趋势与干旱过程综合强度变化趋势基本一致，存在较大波动，总体呈低、高、低、高、低的阶段性变化，但东西部干旱强度峰值对应的过程有所不同，如西部最强过程是2009年8月9日至2010年6月23日的干旱过程，东部最强过程则是2022年8月8日至2023年3月16日的干旱过程。这两次干旱过程具有持续时间长、影响范围广、旱情重、危害大等特点，但干旱强度和干旱强盛期存在地区差异。前一次过程2010年2—4月最为强盛，以西部的黔西南州、六盘水市、安顺市、毕节市和贵州南部最严重[图9（a）]，干旱造成近1 664万人受灾，农作物受灾面积为701×103 hm2，直接经济损失高达23亿元人民币（池再香等，2012），9个市（州）干旱受灾面积与干旱强度的空间分布基本一致；而2022年的干旱过程秋季和初冬最为强盛，以东部的黔东南州、黔南州、铜仁市、遵义市、贵阳市及西部的毕节市北部和东部局地最为严重[图9（b）]。
图8
图8
1981—2022年贵州省区域性干旱过程9个市（州）干旱强度变化
Fig.8
Variations of drought intensity in nine cities （prefectures） during regional drought processes in Guizhou Province from 1981 to 2022
图9
图9
2009年8月9日至2010年6月23日（a）和2022年8月8日至2023年3月16日（b）贵州省干旱过程干旱强度空间分布
Fig.9
Spatial distribution of drought intensity during regional drought processes from 9 August 2009 to 23 June 2010 (a) and from 8 August 2022 to 16 March 2023 (b) in Guizhou Province
5 农业干旱灾情变化特征
1981—2022年贵州省农作物因旱受灾面积多年平均为5.253×105 hm2，总体呈下降趋势，1985—1992年和2001—2013年灾情较重，1988、1989、1990、1992、2001、2010、2011、2013年农作物因旱受灾面积在1.000×106 hm2以上，其中2011年受灾面积和成灾面积均为最大，分别为1.823×106 hm2和1.181×106 hm2，而2020年两者均为最小，几乎无旱灾。从年代际平均（表2）看，呈高、低、高、低变化特征，1980年代受灾面积最大为7.359×105 hm2，2000年代受灾面积次大为6.317×105 hm2，2010年代受灾面积最小为2.986×105 hm2。农作物受旱面积毕节市最大为1.152×105 hm2，遵义市次之（9.990×104 hm2），贵阳市最小为2.540×104 hm2，其余市（州）为2.930×104~5.570×104 hm2。除六盘水市和安顺市2000年代农作物受灾面积最大外，其余7个市（州）1980年代受灾面积最大，2010年代9个市（州）受灾面积均最小。
表2 1981—2022年贵州省及其9个市（州）因旱受灾面积统计
Tab.2
| 地区 | 时 段 | ||||
|---|---|---|---|---|---|
| 1981—2022 | 1981—1990 | 1991—2000 | 2001—2010 | 2011—2022 | |
| 全省 | 525.3 | 735.9 | 480.2 | 631.7 | 298.6 |
| 贵阳市 | 25.4 | 54.0 | 15.1 | 22.1 | 11.9 |
| 遵义市 | 99.9 | 149.6 | 94.2 | 115.1 | 46.1 |
| 铜仁市 | 55.7 | 85.6 | 38.2 | 79.7 | 22.8 |
| 黔东南州 | 42.9 | 64.4 | 26.2 | 58.6 | 24.1 |
| 黔南州 | 51.7 | 82.0 | 38.0 | 69.8 | 20.1 |
| 毕节市 | 115.2 | 167.1 | 122.3 | 143.7 | 35.6 |
| 六盘水市 | 29.3 | 31.9 | 23.1 | 45.0 | 19.2 |
| 安顺市 | 29.7 | 44.8 | 17.7 | 45.6 | 12.4 |
| 黔西南州 | 41.6 | 54.5 | 43.3 | 46.8 | 23.5 |
由贵州9个市（州）1981—2022年农作物因旱受灾面积演变（图略）可知，农作物因旱受灾面积与干旱强度演变规律基本一致，总体呈高、低、高、低的年代际变化特征，1980年代前期波动较大，1985—1992年和2001—2013年干旱强度较大的两个阶段干旱受灾面积较大。受灾面积最大的年份9个市（州）略有差异，夏旱严重的1981、1988—1990、1992、2011、2013年东部5个市（州）受灾面积和成灾面积大于西部4个市（州），春旱严重的1987、2010年西部4个市（州）则大于东部5个市（州），也进一步说明贵州省西部受春旱影响较大，东部受夏旱影响较大的地区差异。以多年平均受灾面积最大的毕节市和遵义市来看，毕节市1992年受灾面积最大，2010年次之；遵义市2013年最大，1992年次之。
6 干旱对ENSO的响应
从1981—2022年贵州省夏旱强度与前期冬季（图略）、春季（图10）、同期夏季（图略）全球海表温度（简称“海温”）异常相关系数的空间分布看出，夏旱强度与中东太平洋、热带北印度洋和大西洋海温呈显著负相关，与西太平洋海温显著正相关，总体呈现类La Niña型海温分布，以春季最为显著。进一步计算夏旱强度与上年及当年逐月和逐季Niño3.4指数的相关系数（图略），结果表明从上年5月起到当年8月均为负相关，且负相关以当年4月最强（相关系数为-0.36），之后逐步下降，仅当年2—6月和春季（-0.35）的相关系数通过α=0.05的显著性检验。由此表明，贵州省夏季干旱对热带太平洋地区海温异常响应存在滞后性，当前期冬、春季热带太平洋对应La Niña（El Niño）事件、赤道东太平洋地区海温偏低（高）时，贵州省夏旱可能偏重（轻）。
图10
图10
1981—2022年贵州省夏旱强度与前期春季全球海温异常相关系数的空间分布
（打点区表示相关系数通过α=0.05的显著性检验）
Fig.10
The spatial distribution of correlation coefficients between summer drought intensity in Guizhou Province and global sea surface temperature anomaly in previous spring
（the dotted passing the significance test at α=0.05）
从12次El Niño衰减年和11次La Niña衰减年贵州省夏季降水距平百分率合成空间分布（图略）可知，El Niño衰减年贵州省除东南部和中部局部降水较常年同期偏少外，其余大部地区降水较常年偏多，但仅南部个别站降水距平百分率绝对值超过10%；与El Niño衰减年相反，La Niña衰减年除中部和西北部局部降水偏多外，其余大部地区夏季降水较常年同期偏少，仅南部部分站点降水距平百分率偏少超过10%。以上分析表明，El Niño和La Niña事件对贵州省夏季降水的影响存在差异，但均没有通过显著性检验。
已有研究表明，El Niño主要通过西北太平洋的反气旋异常影响东亚气候（Zhang et al.，1996；Zhang et al.，1999；Wang et al.，2000）。在El Niño衰减年夏季，从850 hPa风场距平和500 hPa位势高度距平[图11（a）]看，南海附近为西北太平洋反气旋异常，反气旋西北侧的西南风异常有利于西太平洋、南海和孟加拉湾的水汽输送，同时青藏高原东侧和西北地区东部为偏北风异常，中国东北地区为气旋性环流异常，北方冷空气活跃；西太平洋副热带高压（简称“西太副高”）明显偏强偏西，位置偏南，西南暖湿气流与南下的冷空气易在贵州省交汇。整层水汽通量及其散度距平[图12（a）]表明，贵州省为水汽通量散度负距平区，水汽辐合偏强，有利于夏季降水偏多。以区域平均降水距平百分率大于10%为降水偏多年，小于-10%为偏少年，发现El Niño衰减年贵州降水总体略多3.1%，其中4 a略多，4 a偏多，1 a略少，3 a偏少，偏多可能性大。进一步分析E1 Niño衰减年降水偏多年、偏少年合成的850 hPa风场距平和水汽通量及水汽通量散度距平（图略）可知，降水偏多年与E1 Niño衰减年的合成（图略）相似，但强度更强，而降水偏少年南海南部到菲律宾为气旋环流异常，我国长江流域为反气旋环流异常，气旋性环流北侧和反气旋南侧有偏强东风，异常的东风压制了西南水汽的输送，贵州省水汽通量散度距平为正，水汽辐散强，不利于降水，夏旱偏重。在La Niña衰减年，850 hPa风场距平和500 hPa位势高度距平[图11（b）]表明菲律宾以东为反气旋异常，南海附近气旋异常较强，说明西北太平洋反气旋位置偏东，贵州省受气旋异常西北侧东北风异常影响，来自孟加拉湾、西太平洋和南海的水汽输送较弱；西太平副热带地区高度场偏低，西太副高偏北，冷空气影响偏北。从整层水汽通量及其散度距平[图12（b）]看出，贵州省为水汽辐散区，降水偏少，干旱偏重。从La Niña衰减年的区域平均降水合成（图略）来看，贵州省总体降水距平百分率为-3.6%，其中4 a略少，3 a偏少，2 a略多，2 a偏多，偏少可能性相对较大。进一步分析La Niña衰减年降水偏多年、偏少年合成的850 hPa风场距平、水汽通量和水汽通量散度距平（图略）可知，降水偏少年与El Niño衰减年的合成相似，而偏多年南海附近为反气旋异常，处于反气旋异常西北侧的西南水汽输送强，贵州中东部水为汽通量散度负距平区，有利于降水偏多。
图11
图11
El Niño（a）和La Niña（b）衰减年夏季合成的850 hPa风场距平（箭矢，单位：m·s-1）和500 hPa位势高度场（黑色等值线）及距平（填色）（单位：gpm）分布
（红色等值线为1981—2022年的气候态）
Fig.11
The composited 850 hPa wind field anomalies (arrow vectors, Unit: m·s-1) and 500 hPa geopotential height field (black contours) and its anomalies (the color shaded) (Unit: gpm) in summer of El Niño (a) and La Niña (b) decaying years
(the red contours for the climate state during 1981-2022)
图12
图12
El Niño（a）和La Niña（b）衰减年夏季合成的整层水汽通量（矢量，单位：kg·m-1·s-1）和水汽通量散度距平（填色，单位：10-5 kg·m-2·s-1）
Fig.12
Composite vertically integrated water vapor flux (vectors， Unit: kg·m-1·s-1) and water vapor flux divergence (the color shaded, Unit: 10-5 kg·m-2·s-1) anomalies in summer of El Niño (a) and La Niña (b) decaying years
综上所述，在El Niño衰减年（La Niña衰减年）贵州省夏季降水偏多（偏少）的可能性相对较大，这对区域夏季旱涝预测有着一定的指示意义。贵州省位于青藏高原东南侧，特殊的地理位置使得夏季旱涝成因非常复杂，虽然ENSO是年际变化的最强信号，但由于ENSO本身的复杂性和多样性，加上印度洋及大西洋海温、西太副高、青藏高原积雪、南半球和热带环流及北半球中高纬度环流等因子的影响，即使在相似的ENSO背景下，因其他影响因子对ENSO信号的调制作用，贵州省夏季降水可能出现完全不同的分布，如1992年在El Niño背景下降水异常偏少，干旱偏重，而1999年和1996年在La Niña背景下降水异常偏多，可能与ENSO信号从冬到夏的衰减及东亚夏季风环流可能受到其他因子的调制有关。
7 结论与讨论
本文在分析MCI在贵州省的适用性基础上，分析了基于MCI的气象干旱时空分布及变化特征，识别出56次贵州省区域干旱过程，并分析贵州省及其9个市（州）干旱受灾面积变化特征，探讨ENSO事件对次年夏旱的影响，得出以下结论：
（1）MCI指数在贵州省及其9个市（州）有较好的适用性，能较好地刻画干旱发生发展过程，且不合理跃变次数很小，年干旱日数与干旱成灾率相关系数高，能客观反映贵州省干旱灾害的变化特征。
（2）贵州西北部、南部、北部年干旱强度大于中部及西南部、东部边缘；春季干旱强度贵州西部大于东部；夏季东部大于西部、北部大于南部；秋季黔东南州、黔南州南部及黔西南州东部干旱强度较大；冬季西部和南部边缘及遵义市北部局地较大。
（3）1981—2022年，贵州省平均年干旱日数和干旱强度总体呈增加趋势，但存在地区差异，增加的地区主要分布在西部，而减少的地区主要分布在东部。秋季和冬季干旱强度呈增加趋势，春、夏季则呈减弱趋势，秋季干旱强度的增加趋势最明显。
（4）1981—2022年贵州省共发生56次区域性干旱过程，其中特强区域性干旱过程3次、强区域性干旱过程9次、较强区域性干旱过程17次，持续天数、平均强度、平均影响面积以及综合强度指数均存在较大波动，总体呈弱增加趋势。
（5）贵州省及其9个市（州）1981—2022年农作物因旱受灾面积和干旱强度演变基本一致，波动较大，在1985—1992年和2001—2013年两个阶段受灾面积较大，灾情较重，1993—2002年和2014—2022年两个阶段受灾面积较小，灾情较轻。
（6）El Niño衰减年夏季贵州省降水偏多的可能性大，而La Niña衰减年夏季贵州省降水偏少的可能性大。
本文从气候角度系统分析了基于MCI指数的贵州省气象干旱时空分布特征，揭示的“春旱西部重东部轻，夏旱东部重西部轻”的干旱地区差异和春、夏季干旱变化特征与以往研究（许炳南等，1997；夏阳等，2013；严小冬等，2016；廖留峰等，2019）一致，同时对近20 a来影响逐步增大的秋、冬季干旱及年干旱强度并结合农业灾情特征进行分析，并初步探讨ENSO事件对次年夏旱的影响。贵州省喀斯特地貌特征突出，虽然MCI指数能较客观地反映贵州省的实际干旱，但其主要考虑气象因子，对农业、水文以及社会经济干旱等方面反映不够，如年干旱日数与农业灾情年际之间存在差异的原因只作了简单分析，今后在贵州省的干旱气象服务中还需进一步改进。
参考文献
1997—2021年四川省干旱时空变化特征分析
[J].
构建适宜的气象干旱指标是开展干旱监测和干旱评价业务服务的基础。基于1997—2021年四川省155个国家气象站逐日平均气温和降水，以及各县（市、区）农作物播种面积资料，通过改进气象干旱综合指数（Meteorological Drought Composite Index， MCI）中的季节调节系数，形成改进的气象干旱综合指数（Modified Meteorological Drought Composite Index， MCI<sub>m</sub>）；再结合历年干旱受灾面积、有效灌溉面积修订区域性干旱过程识别方法，并识别出四川省历年区域性干旱过程51次，然后再利用经验正交函数（Empirical Orthogonal Function，EOF）、旋转经验正交函数（Rotated Empirical Orthogonal Function）、Morlet小波分析法，分析区域性干旱过程时空分布特征。结果表明：1997—2021年四川省发生区域性干旱过程的持续日数呈现出“先变短再增长再变短”，平均影响范围呈现出“先减小再增大再减小”，平均强度和综合强度呈现出“先减弱再增强再减弱”的变化趋势。平均年干旱过程累积日数总体呈现盆地多于盆周山区、盆周山区多于川西高原和攀西地区的特征。年累积MCI<sub>m</sub>距平EOF分解空间型存在全区一致特征，同时也存在南北反位相特征。四川省可划分为6个区域性干旱气候区，2009—2015年各区年累积MCI<sub>m</sub>周期变化比2001—2008年更明显。改进后的区域性干旱过程识别方法识别出的干旱过程与干旱灾情更为吻合，更能准确反映四川省干旱发生的实际状况。
2009-2010年贵州秋、冬、春季干旱气象要素与环流特征分析
[J].利用2009年9月—2010年5月贵州88个气象站地面观测资料， 800个自动气象站温度、 降水资料以及NCEP再分析资料， 分析了持续干旱过程中的大尺度环流背景及气象要素分布特征， 同时运用气候干湿指数、 综合气象干旱指数对此次持续干旱程度进行了模拟。结果表明， 贵州此次持续干旱天气主要发生在西太平洋副热带高压呈带状分布， 强度偏强\, 位置偏西\, 南支系统偏弱及冷空气活动路径偏北偏东的环流条件下。在干旱期间， 贵州西部地区气温为正距平， 降水为负距平， 空气相对湿度为38％～73％， 气候干湿指数＜0.6； 东部地区气温除2009年11月和2010年4～5月为负距平外， 其余月份均为正距平， 降水基本上为负距平， 空气相对湿度为60％～81％， 除2009年11月和2010年4～5月气候干湿指数＞1.0外， 其余月份均
我国夏季的气候异常与埃尔尼诺/南方涛动现象的关系
[J].
气候变暖背景下中国干旱强度、频次和持续时间及其南北差异性
[J].在全球气温日趋升高和极端降水增加的气候背景下，近年来中国干旱变化特征异常突出，新形势下需进一步深入认识干旱灾害影响机制。利用1960—2014年中国527个气象站逐日气温和降水量数据，选用改进的综合气象干旱指数（MCI）作为监测指标，详细分析了中国干旱强度、频次和持续时间变化特征及其南北差异性。结果表明：气候变暖背景下，中国干旱范围扩大、程度加剧、频次增加；干旱发生的范围发生了明显的转移，北方干旱加剧的同时，南方干旱明显加重，尤其是大旱范围明显增加。中国干旱范围主要在黄河流域以南和长江以北地区。干旱频次北方高于南方，东部高于西部，长江流域以北干旱频次较高。中国干旱持续时间较长，而且四季都有可能发生干旱。干旱不仅发生在干旱区和半干旱区，湿润和半湿润区域也常有干旱发生。不同年代、不同区域干旱发生的程度、持续时间和频次有一定的差异。中国20世纪90年代中后期至21世纪初期干旱范围最广、持续时间最长，造成的损失最严重。中国干旱强度、频次和持续时间南北差异性显著。气候变暖后，中国干旱强度加重、范围扩大、频次增加和持续时间增加明显。
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。
2022年西南地区极端高温干旱特征及其主要影响
[J].利用1961—2022年夏季（6—8月）西南地区441个国家地面气象站逐日基本气象要素观测资料，对2022年夏季西南地区的基本气候概况、高温干旱灾害的特征及其产生的主要影响进行分析。结果表明：此次极端高温干旱事件的严重程度实属历史罕见。2022年夏季西南地区平均气温历史同期最高，降水量历史同期最少，高温日数历史同期最多，极端最高气温历史同期最高。西南地区东部并发严重的气象干旱，特旱站数高达105站，主要发生在西藏中部、四川大部、重庆大部、贵州北部以及云南中部局部地区。受此极端持续的复合型高温干旱事件影响，西南地区东部部分农作物减产、甚至绝收；江河来水量出现“汛期返枯”的罕见现象；电网负荷创历史新高，加之水电发电量锐减，造成能源供应保障短缺；四川盆地东部、重庆西部发生多起森林火灾。本文力图从科学角度认识这次极端高温干旱事件，助力气象灾害风险评估业务发展，为提升防灾减灾和应对气候变化的能力提供支撑。
基于SPEI的近百年天津地区气象干旱时空演变特征
[J].基于1921—2016年天津地区降水、气温观测数据,对全球降水气候中心降水(GPCC-P)、东英吉利大学气候研究中心气温(CRU-T)进行适用性评估后发现GPCC-P和CRU-T均能较好地反映天津地区降水和气温的变化。在此基础上,进一步利用GPCC-P、CRU-T计算的标准化降水蒸散指数(SPEI)分析天津地区近百年干旱时空演变特征并判断其未来变化趋势。结果表明:(1)天津干旱主要发生于1940年代初期、1990年代末和2000年代初期,四季均以轻旱和中旱为主,干旱高频季节由秋、冬季逐渐转为春、夏季。(2)天津全区SPEI气候趋势在6个时期除秋季整体呈 “升、降、升”分布特征外,春、夏、冬季均表现为 “升、降”的分布特征,且夏季下降趋势最为显著,1961—2010年宁河每10 a下降0.30。(3)1921—1970、1931—1980、1941—1990年天津春、冬季湿润化趋势由降水主导,而夏、秋季则由气温和降水协同影响; 1951—2000、1961—2010、1971—2016年春季干旱趋势主要受气温影响,夏、冬季则为气温和降水协同影响,随着全球变暖,气温升高对干旱的影响逐渐增强。(4)1921—2016年天津地区四季SPEI与PDO呈负相关关系,春、夏季相关性从西北向东南递减,而秋、冬季相关性则由东南向西北递减。(5)未来夏季天津全区、冬季天津西南部呈干旱化趋势,春季干旱化趋势、秋季湿润化趋势不明显。
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。
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。
我国西南干旱研究最新进展综述
[J].随着全球气候变化，重大干旱等极端气候事件有增加趋势。我国历来是受干旱危害最严重的国家之一，近年来干旱强度和受旱区域不断增加，而且开始由干旱半干旱区向湿润区发展。雨水充沛、气候湿润的西南地区，近年来发生持续数年的严重干旱事件，给当地社会经济造成重大损失，并引起了广泛关注。许多学者也对西南干旱进行了分析研究，他们通过分析西南地区降水和温度的时空分布特征，以及影响西南干旱的大气环流和天气系统，寻找造成西南干旱的发生规律、特征和形成机理; 还有学者运用干旱指数、卫星遥感等方法研究了西南干旱的监测技术。本文研阅了近10 a 来大量相关文献，对西南干旱的最新研究成果进行了总结和评述，力图为西南乃至其它区域干旱的研究提供借鉴，为干旱防灾减灾提供帮助。
Uncertainties in historical changes and future projections of drought. Part I: estimates of historical, drought changes
[J].
Drought in numbers 2022-restoration for readiness and resilience
[R].
Pacific-East Asian tele-connection: how does ENSO affect East Asian climate?
[J].
Impact of El Niño on the East Asian monsoon: a diagnostic study of the '86/87 and '91/92 events
[J].
A diagnostic study of the impact of El Niño on the precipitation in China
[J].
