• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2024, 42(4): 485-497 DOI: 10.11755/j.issn.1006-7639(2024)-04-0485

“干旱特征与影响”专栏

中国干旱灾害的时空变化及其与直接经济损失的关联性研究

陈逸骁,1, 岳思妤,1, 夏雯雯2

1.中国气象局气候预测研究重点开放实验室,国家气候中心,北京 100081

2.中国科学院大气物理研究所大气科学和地球流体力学数值模拟国家重点实验室,北京 100029

Spatiotemporal variation characteristics of drought disaster in China and correlations with direct economic losses

CHEN Yixiao,1, YUE Siyu,1, XIA Wenwen2

1. China Meteorological Administration Key Laboratory for Climate Prediction Studies, National Climate Centre, Beijing 100081, China

2. State Key Laboratory of Numerical Modeling for Atmospheric Sciences and Geophysical Fluid Dynamics, Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

通讯作者: 岳思妤(1995—),女,博士,工程师,主要从事气候变化相关研究。E-mail:yuesy@cma.gov.cn

责任编辑: 王涓力;校对:邓祖琴

收稿日期: 2024-05-22   修回日期: 2024-07-18  

基金资助: 科技创新2030——“新一代人工智能”重大项目(2022ZD0119500)
中国气象局气候预测研究重点开放实验室青年开放课题基金(CMA-LCPS-23-10)
中国气象局青年创新团队气象灾害风险评估(CMA2023QN01)
中国气象局青年创新团队气候变化极端天气气候事件预估与影响风险(CMA2023QN15)

Received: 2024-05-22   Revised: 2024-07-18  

作者简介 About authors

陈逸骁(1999—),男,学士,助理工程师,主要从事气象灾害风险评估相关研究。E-mail:chenyx@cma.gov.cn

摘要

在全球气候变暖背景下,干旱灾害对我国社会经济造成重大影响,且干旱强度和致灾性具有明显的区域性特征,研究干旱的时空变化特征及其关联的经济损失对未来旱灾损失预估、区域干旱灾害风险管理和抗旱资源配置等具有重要意义。基于1961—2022年中国(港、澳、台地区除外)及不同省(市、区)气象干旱综合指数和2001—2022年干旱灾害损失数据,分析干旱的时空变化及其周期性特征,并探究干旱灾害与经济损失之间的关联性。 结果表明,我国干旱强度具有年际和年代际变化趋势,年平均干旱强度存在2 a周期性振荡特征,季风期干旱强度存在9 a和19 a的显著周期变化;干旱强度具有“南强北弱”的分布特征,南方3个干旱强中心分别位于西南地区、黄淮中部以及华南东南部。进入21世纪后,我国农作物干旱受灾面积、绝收面积、受灾人口及直接经济损失整体呈减少态势,但东北和西南地区干旱灾害的直接经济损失较突出。不同省(市、区)干旱灾害与直接经济损失的关联程度不同,南方地区受干旱灾害影响更大,尤其是长江流域中部,干旱强度与经济损失关系紧密。此外,不同地区因干旱导致的直接经济损失不仅受干旱强度和干旱频次影响,也与农作物种植面积、抗旱能力以及人口和环境等因素相关。

关键词: 中国; 干旱灾害; 时空变化; 直接经济损失; 关联性

Abstract

In recent decades, under the global warming, drought disasters have had a significant impact on society and economy in China, and the intensity and disastrousness of droughts have significant regional characteristics. It is very important to understand the spatial and temporal characteristics of drought disasters and their associated economic losses for future drought loss estimation, regional drought disaster risk management, and drought resource allocation. Therefore, based on meteorological drought composite indexes from 1961 to 2022 and drought disaster loss data from 2001 to 2022 in China (except Hong Kong, Macau and Taiwan), the spatial and temporal changes of drought disasters and their periodic characteristics were deeply analyzed, and the correlation between drought disasters and economic losses in different provinces was explored. The results show that the drought intensity has interannual and interdecadal trends, the annual average drought intensity exists a two-year oscillation characteristic, and in the monsoon period, the drought intensity shows two significant change cycles of 9 years and 19 years. The drought intensity shows a distribution characteristic of strong in the south and weak in the north, the three strong drought centers in the south are located in the southwest, the middle of Huanghuai and the southeastern of South China. After 2000, the overall crop drought-affected area, the area with no harvest, the affected population and the overall direct economic losses in China show a decreasing trend, but in the northeast and southwest regions the direct economic losses are more prominent. The correlation between drought disasters and direct economic losses in different provinces is different. On the whole, southern regions are more affected by drought, especially in the central part of the Yangtze River Basin, where drought intensity is closely related to economic losses. In addition, the direct economic losses caused by drought in different regions are not only affected by drought intensity and frequency, but also related to crop planting area, drought resistance ability, population and environment.

Keywords: China; drought disaster; spatiotemporal variation; direct economic loss; correlation

PDF (9306KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈逸骁, 岳思妤, 夏雯雯. 中国干旱灾害的时空变化及其与直接经济损失的关联性研究[J]. 干旱气象, 2024, 42(4): 485-497 DOI:10.11755/j.issn.1006-7639(2024)-04-0485

CHEN Yixiao, YUE Siyu, XIA Wenwen. Spatiotemporal variation characteristics of drought disaster in China and correlations with direct economic losses[J]. Arid Meteorology, 2024, 42(4): 485-497 DOI:10.11755/j.issn.1006-7639(2024)-04-0485

0 引言

近年来,自然灾害事件的发生频率增加、破坏强度加剧、影响范围扩大,对人类生命、财产安全和社会经济可持续发展造成严重威胁(IPCC,2021;程时雄和何宇航,2023)。其中,干旱灾害在全球各气候区反复出现,是对人类社会影响最为严重的自然灾害之一(Mishra and Singh,2010;Zhang et al.,2020)。近50 a全球发生的所有气候灾害事件中,干旱灾害造成34%的死亡人数(最多占比)和7%的经济损失(WMO,2021),且干旱灾害损失增速远超其他气候灾害(Buda et al.,2018)。目前,全球共有北非、澳大利亚、中蒙、西南亚、中亚、北美、南美及南非8大干旱区(钱正安等,2017b)。作为中蒙干旱区的主体部分,中国位于全球独特的中纬度干旱区(钱正安等,2017a),是干旱灾害发生频率最高且影响最严重的国家之一(张强等,2011;Liu et al.,2024)。与此同时,受亚洲季风影响,中国各地区降水及气温差异较大,干旱事件变化规律及其成因十分复杂(Wang et al.,2011)。

前人对中国区域内干旱灾害的时空分布规律和特征进行了探究(莫兴国等,2018;屈艳萍等,2018;Marvel et al.,2019;王芝兰等,2020;Ma et al.,2020;王莺等,2022b;高歌等,2023;张强等,2024)。研究指出,中国干旱分布存在明显的区域差异,南北方均存在区域性干旱中心(Zou et al.,2005;Wu et al.,2011;Han et al.,2021)。过去几十年,北方整体干旱强度更强、干旱事件多发频发,且发生持续性干旱事件的概率大于南方地区(韩兰英等,2019);但近年来,南方干旱发生频次也逐渐增多,且季节性干旱事件显著增加(黄晚华等,2010;Sun and Yang,2012;Chen and Sun,2015)。在全球变暖背景下,干旱整体的发生频率和严重程度更加极端(Trenberth et al.,2014;Samaniego et al.,2018;Huang et al.,2023)。研究表明,在CO2浓度上升期间,大部分高纬度国家变湿,而低纬和中纬度国家变干(Su et al.,2024),这意味着主体位于中低纬度的中国也面临更加严峻的干旱风险。21世纪以来,东北和长江以南地区干旱频率、强度、持续时间及影响尤为突出,且近年来呈现出明显增强趋势(Zhou et al., 2017;Zeng et al.,2020)。2022年,长江流域的严重干旱持续时间长、受灾面积大,是气候变暖背景下干旱灾害异常性突出的表现之一(林纾等,2022;高雅琦等,2023;梅梅等,2023;夏智宏等,2023;周军等,2023)。

我国是全球暴露于干旱灾害危险区人口最多的国家,干旱的致灾性和危险性极强(Naumann et al.,2021;Tang et al.,2024;张强等,2024)。2001—2020年,我国主要气象灾害(干旱、洪涝、台风、冰雹和强风、低温和霜冻)年均影响3.2亿人和3 430万hm2作物,共造成1 739人死亡和3 723亿元人民币的经济损失,其中干旱对农作物的影响占比达48%(Li et al.,2021)。2008—2009年冬季,长江流域以北地区发生严重干旱事件,300多万hm2农作物遭到严重破坏,400多万人饮水困难,仅安徽省内便造成超过22亿美元的经济损失(Gao and Yang, 2009)。倪深海等(2022)对中国干旱灾害损失变化的研究表明1949—2020年因干旱造成的农作物受灾率、农作物成灾率及粮食损失率整体呈现出增加趋势。在全球升温1.5 ℃的情况下,干旱灾害造成的影响和直接经济损失将会继续增加(王浩,2010;Hao and Singh,2015;Buda et al.,2018;雍燕兰等, 2023)。此外干旱灾害风险分布具有明显的空间差异,西北和黑龙江地区的农业经济受干旱影响很大,安徽、河南等省的社会经济对干旱更敏感(张强等,2015;Zhang et al.,2018)。近几十年来,气候变暖已经成为影响干旱灾害的新因素(张强等,2014)。伴随着全球变暖,我国干旱灾害的高危害、高风险区域范围扩大并北移,北方干旱灾害损失的影响明显高于南方,且干旱等级越重,损失增幅越大(Zhang and Wang,2022)。然而,目前对我国干旱灾害风险的长期变化规律研究并不全面,尤其缺少干旱灾害与直接经济损失的关系研究,这些问题为区域灾害管理带来不便与挑战(程静和彭必源,2010;王莺等,2015; Wilhite,2016;王莺等,2022a)。

综上所述,我国干旱灾害的变化特征十分复杂,干旱的空间差异性会导致各个地区受旱灾影响的程度有所不同,研究干旱的时空变化及其与直接经济损失的关联性对未来干旱灾害的损失预估和风险管理具有重要意义。本文分析我国干旱的时空变化特征,并结合灾情数据进一步探讨干旱灾害与直接经济损失之间的关系,分析干旱导致不同区域经济损失的可能原因,以期为我国不同省(市、区)的干旱灾害风险管理和评估提供参考。

1 数据与方法

1.1 数据

气象观测数据为国家级气象观测站1961—2022年逐日气温、降水量等数据,该数据经过质量控制(曹丽娟和严中伟, 2011)。通过对个别缺测年份进行插值补足,得到2 113个国家级气象观测站(图1)数据。

图1

图1   2 113个国家级气象观测站分布

注: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(2020)4619号的标准地图制作,底图无修改,下同

Fig.1   The spatial distribution of 2 113 national meteorological observation stations


干旱灾害损失数据来源于国家气候中心整理、中国气象局编著出版的2001—2022年《中国气象灾害年鉴》,包含中国31个省(区、市)(港澳台地区除外,下同)因旱受灾人口、因旱饮水困难需救助人口、农作物受灾面积、农作物绝收面积和直接经济损失数据。受灾人口指区域内因干旱而遭受损失的人员数量(包含非常住人口),农作物受灾面积指因干旱减产1成以上的农作物播种面积,农作物绝收面积指因干旱减产8成以上的农作物播种面积,直接经济损失指因干旱而导致受灾体自身价值降低或丧失所造成的损失。由于上海市的干旱灾害损失常年为0,未将其纳入损失分析;因港澳台地区数据暂缺,未纳入研究范围。

1.2 方法

1)气象干旱综合指数及干旱强度计算

使用国家气候中心研发的气象干旱综合指数(Meteorological Drought Composite Index,MCI)。该指数综合考虑了降水的长期及短期亏缺,将60 d标准化权重降水指数及90 d、150 d标准化降水指数和季节调节系数纳入到MCI的考虑范畴中,可以有效地监测和评估气象干旱(宋艳玲,2022)。研究表明,该指数在我国各区域适用性均较好(杨玮等,2018;王春学等,2019;王素萍等,2020;谢五三等,2021)。MCI具体计算公式:

MCI=Ka×a×SPIW60+b×MI30+c×SPI90+d×SPI150

式中:MCI为气象干旱综合指数;Ka为季节调节系数,不同地区、不同时间取值有所不同;SPIW60为近60 d标准化权重降水指数;MI30为近30 d相对湿润度指数;SPI90为近90 d标准化降水指数;SPI150为近150 d标准化降水指数;abcd为权重系数,南北方取值不同(表1)。

表1   SPIW60MI30SPI90SPI150各权重系数取值

Tab.1  The values of weighting coefficients of SPIW60,MI30,SPI90 and SPI150

区域abcd
北方及西部地区0.30.50.30.2
南方地区0.50.60.20.1

新窗口打开| 下载CSV


公式(1)以及各参数的计算方法及权重系数参考《气象干旱等级》(GB/T 20481—2017)(全国气候与气候变化标准化技术委员会,2017)。气象干旱等级划分为:MCI>-0.5为无旱,-1.0<MCI≤-0.5为轻旱,-1.5<MCI≤-1.0为中旱,-2.0<MCI≤-1.5为重旱,MCI≤-2.0为特旱。

干旱强度为同时段内累计逐日MCI指数达中旱及以上等级的绝对值之和;干旱日数为逐日MCI指数达中旱及以上等级的日数(廖要明和张存杰,2017)。

2)国内生产总值(Gross Domestic Product,GDP)平减指数

通货膨胀会对直接经济损失产生影响,造成不同年份直接经济损失无法直接对比,需要对2001—2022年干旱造成的直接经济损失进行价格订正(赵珊珊等,2017;李莹和赵珊珊,2022)。引入GDP平减指数(Faulkner-MacDonagh et al.,2003),即某时期未剔除价格变动的GDP与剔除价格变动的GDP之比:

GDP=

GDP平减指数可作为判断直接经济损失真实趋势的指标,合理使用可以有效消除通货膨胀带来的影响,便于比较不同年份干旱造成的直接经济损失(苏乃芳等,2016)。使用国家统计局2001—2022年全国变价和不变价国内生产总值数据(https://data.stats.gov.cn/index.htm),以2000年为价格基期,各年的变价国内生产总值除以不变价国内生产总值,即可得各年的GDP平减指数,将各年的直接经济损失除以GDP平减指数,得到以2000年为价格基期的直接经济损失。

3)功率谱和滤波分析

功率谱分析(Stoica and Moses,2005)是基于傅里叶变换诊断时间序列周期的一种常用方法。该方法将时间序列视为多个不同频率的正弦或余弦波叠加而成的结果,通过展现其方差在不同频域上的分布和功率谱峰值确定时间序列的主要周期,通常采用马尔可夫红色噪声谱对功率谱分析的结果进行检验(Cusick and Flahive,1989),以验证周期的显著性。

采用滑动平均滤波(李湘阁和胡凝,2015;张寅等,2020;李学军等,2022)分析干旱灾害的时间变化趋势,具体公式如下:

x^j=1ki=1kxi+j-1

式中:x^j为滑动平均后的序列;j=1,2,...,n-k+1n为样本数量;k为滑动步长。文中对1961—2022年气象站数据进行3 a滑动平均。

4)相关系数及显著性检验

采用皮尔逊相关系数对各省(区、市)订正后的直接经济损失(x)与干旱强度(y)进行相关性分析:

r=i=1nxi-x-yi-y-i=1nxi-x-2i=1nyi-y-2

相关系数r取值在±1之间,r>0为正相关,r<0为负相关,r越大表明相关性越强。使用T检验(Wilks et al.,2017)进行显著性检验。

2 干旱演变特征

2.1 干旱强度的长期演变特征

图2为1961—2022年我国平均干旱强度的时间序列与年及夏季平均干旱强度的功率谱。可以看出,近60 a来,我国平均干旱强度波动剧烈,具有明显的年际变化特征。为进一步探究干旱强度的长期变化趋势,对年平均干旱强度进行3 a滑动平均处理,结果显示1961—2015年全国平均干旱强度呈现出9~11 a的周期性变化特征,但2016年后干旱强度明显上升,其中2022年干旱强度(120.5)为1961年以来最强。平均干旱强度在统计学意义上有且仅有一个 2 a的年际变化周期,30 a和22 a的周期相对突出,但并不显著。但在季风期(夏季),干旱强度呈现出9 a和19 a的显著变化周期。

图2

图2   1961—2022年我国平均干旱强度时间序列(a)、全年(b)及夏季(6—8月)(c)平均干旱强度的功率谱

Fig.2   Time series of mean drought intensity from 1961 to 2022 (a), power spectrum of annual (b) and summer (June to August) mean drought intensity in China


进一步分析我国干旱强度的长期趋势和周期性特征的原因,探究1961—2022年厄尔尼诺南方涛动(El Niño-Southern Oscillatio, ENSO)和太平洋年代际振荡(Pacific Decadal Oscillation, PDO)等大尺度环流因子与干旱强度的同期及超前、滞后关系(图略)。结果显示,前冬Niño 3.4指数与干旱强度呈显著负相关(-0.29),置信水平为95%;前冬PDO指数与干旱强度呈显著负相关(-0.24),置信水平为90%。因此,针对平均干旱强度而言,ENSO和PDO的影响具有滞后性。然而,中国幅员辽阔,气候类型多样,不同区域对大尺度环流因子的响应大不相同。例如,相关研究表明当PDO处于暖位相时,华北地区高温少雨,而长江中下游地区降水增多(Yang et al.,2017)。因此,虽然前冬太平洋海温模态(ENSO、PDO等)对我国的平均干旱强度有重要影响,但未来还需要分区域进行深入分析。

2.2 干旱强度及干旱日数季节内变化特征

《中国国家地理地区》(中国国家地理地图编委会,2018)以大兴安岭—阴山—贺兰山—巴颜喀拉山—冈底斯山为分界线将我国划分为季风区和非季风区,以此为依据,本文定义的非季风区包括甘肃、青海、西藏、新疆、内蒙古5省(区),其余省(区、市)为季风区。考虑到我国季风区和非季风区气候条件差异很大,图3展示了1961—2022年我国季风区和非季风区逐月平均的不同等级干旱日数变化。可以看出,干旱日数具有明显的季节差异,整体而言夏季干旱易发,冬季干旱较少;季风区比非季风区干旱日数多,尤其在冬季,非季风区几乎不发生干旱,而季风区发生中旱及以上干旱的日数在2 d及以上;季风区7月干旱日数最多,而非季风区6月干旱最强,7月次之。

图3

图3   1961—2022年全国、季风区和非季风区逐月平均的不同等级干旱日数变化

Fig.3   Changes of monthly mean days of drought with different grades in China, monsoon and non-monsoon regions during 1961-2022


综合1961年以来我国多次干旱事件可以看出,影响较大的干旱灾害事件一般跨越多个季节。东北、华北地区干旱主要发生在春夏秋三季,华南地区秋冬季节易发生干旱,西南地区易发生冬春连旱,长江中下游地区易发生夏秋连旱。例如,2018年4—6月,内蒙古、东北等地出现春夏连旱,对农作物及牧草造成较大影响;2000年2月(冬季末期)—7月(夏季中期)华北和西北地区东部发生特大干旱;2003年福建、广东等地发生秋冬连旱;2009年9月—2010年3月,西南地区发生有气象记录以来最严重的秋冬春连旱,对社会经济及人民群众生产生活造成较大影响(中国气象防灾减灾编委会, 2021)。考虑到灾情数据的时间段为2001—2022年,后续分析的时间段均为2001—2022年。

2.3 干旱强度空间分布特征

图4为2001—2022年我国多年平均干旱强度的空间分布。可见,干旱具有明显的“南强北弱”特征,东北、内蒙古中部、西北及新疆南部、西藏等地干旱强度偏弱,西南南部、黄淮中部以及华南东南部存在3个明显强中心。值得注意的是,云南和四川南部平均干旱强度尤为突出。其中,云南年均干旱强度在30省(区、市)中最强(109.4),主要原因可能是青藏高原大地形阻挡水汽传输(Xu et al.,2015),在我国西南部形成典型干旱区。此外,大气环流影响云南地区的降水和温度,进而导致干旱事件的发生。大尺度环流因子也可导致云南干旱。例如,当北极涛动(Arctic Oscillation,AO)处于负位相时,云南高温少雨,干旱易发生(郑建萌等,2013)。除云南和四川外,河南、福建和广东的干旱强度也偏强,均超过85,重大干旱事件易发生在上述区域。而吉林、黑龙江省近20 a来年均干旱强度不足50,干旱强度相对较弱。相关研究指出,2001—2022年的大部分极端气象干旱事件发生于我国南方地区,少部分发生在东北西部、内蒙古及西北地区东部(Liu et al., 2024),与图3中干旱空间分布特征相一致。此外,西藏和新疆等地由于观测站点相对较少(图1),反映的干旱强度空间分布结果具有较强的不确定性。

图4

图4   2001—2022年我国平均干旱强度空间分布

Fig.4   Spatial distribution of average drought intensity in China during 2001-2022


3 干旱灾害损失演变特征

3.1 干旱灾害损失时间变化特征

图5为2001—2022年我国干旱造成的受灾人口及直接经济损失(消除通货膨胀影响后)的变化趋势。可以看出,2001—2022年干旱造成的年均受灾人口超过9 800万人,年均直接经济损失达359.3亿元人民币。干旱造成的受灾人口及直接经济损失整体呈下降趋势,其中,2021、2020年干旱造成的受灾人口为21世纪以来最少和次少,分别为2 068.9万人、2 413.5万人,占当年全国年末总人口的1.5%和1.7%,造成的直接经济损失分别为100.3亿元、130.1亿元人民币;2009、2011年干旱造成的受灾人口为21世纪以来最多和次多,分别为23 038.6万人和20 271.0万人,占当年全国年末总人口的17.3%和15.0%。根据中华人民共和国中央人民政府报道(https://www.gov.cn/govweb/jrzg/2010-01/22/content_1517218.htm),2009年受灾人口明显增多的原因是几乎全国各地均发生不同程度的旱情,相应地,2009年因干旱造成的直接经济损失位列21世纪以来最多,为779.6亿元人民币(消除通货膨胀后)。

图5

图5   2001—2022年我国干旱受灾人口与直接经济损失(消除通货膨胀影响)的历年变化

Fig.5   The variations of drought-affected population and direct economic losses after removing the effects of inflation during 2001-2022 in China


图6为2001—2022年我国由干旱造成的年平均农作物受灾面积及绝收面积变化。年均农作物受灾面积为1 528.8万hm2,绝收面积为178.5万hm2。自2001年以来,以5 a为一阶段,由干旱造成的农作物受灾面积、绝收面积均明显下降。尤其2010年之后,农作物受灾面积下降速度明显加快,近5 a的平均农作物受灾面积、绝收面积均处于2001年以来最低水平。

图6

图6   2001—2022年我国干旱造成的农作物受灾面积(a)和绝收面积(b)变化

Fig.6   Annual variations of drought-affected areas of crop damage (a) and crop failure (b) in China during 2001-2022


虽然2001—2022年总体干旱强度并未减弱,且个别年份干旱强度还比较强,但农作物受灾面积和经济损失均有所减少。这反映出我国整体的抗旱“韧性”增强,得益于预警系统的逐渐完善、抗旱措施的实施、农作物抗旱品种的推广以及防灾减灾能力的提升等(胡振鹏,2023)。

3.2 干旱灾害损失空间分布特征

图7为2001—2022年我国各省(市、区)由干旱造成的年均农作物受灾面积和绝收面积、受灾人口及直接经济损失的空间分布,具体的年均灾害损失数据见表2。可以看出,2001—2022年东北3省、山西和内蒙古的农作物受灾面积比较大,其中内蒙古最大(177.3万hm2);云南、湖北、甘肃、河南及河北等省年均受灾面积超过70.0万hm2,也处于较高水平;青海、福建、浙江、海南、天津、北京及西藏年均受灾面积较小,均不足10.0万hm2。年均农作物绝收面积与受灾面积的空间分布大致相同,内蒙古最多(30.2万hm2),东北3省及山西、云南年均绝收面积均超过10.0万hm2,浙江、福建、广东、青海、海南、北京、天津及西藏绝收面积较小,均不足1.0万hm2,干旱造成的农业受灾面积与前人研究结论“北方高于南方”(张强等,2015;Zhang et al.,2018)相一致。干旱年均受灾人口西南地区最多,其中四川达772.2万人,云南、贵州分别为686.6万人和638.4万人;青海、海南、新疆、福建、天津、北京及西藏等地年均受灾人口较少,均不足60.0万人。2001—2022年由干旱造成的年均直接经济损失东北3省、内蒙古、山西、湖南、云南等地偏高,其中内蒙古位列首位,为62.3亿元人民币,而东部、南部沿海地区年均直接经济损失较少,北京、天津及西藏等地不足1.0亿元人民币。2001—2022年山西和辽宁干旱造成的直接经济损失超过2亿元人民币·km-2,分别位列全国第一和第二,两省总面积在全国范围内并不突出,但受灾面积和经济损失较大,这也意味着山西和辽宁对干旱灾害有更强的脆弱性。

图7

图7   2001—2022年各省(市、区)年均农作物受灾面积(a)和绝收面积(b)、受灾人口(c)及直接经济损失(d)的空间分布

Fig.7   The spatial distributions of annual mean drought-affected areas of crop damage (a) and crop failure (b), drought-affected population (c) and drought-affected direct economic losses (d) in provinces ( municipalities, autonomous region) during 2001-2022


表2   2001—2022年各省(市、区)年均干旱损失统计

Tab.2  Statistics of average annual drought losses in provinces (municipalities, autonomous region) during 2001-2022

区域受灾面积/万hm2绝收面积/万hm2受灾人口/万人直接经济损失/亿元人民币单位面积直接经济损失/
(亿元人民币·万km-2
北京1.30.19.40.50.29
天津2.90.110.60.30.25
河北70.08.7514.620.91.10
山西86.812.5510.532.42.03
内蒙古177.330.2398.562.30.53
辽宁82.115.0269.530.22.01
吉林85.310.5256.329.31.54
黑龙江166.714.1267.029.30.64
江苏20.81.2159.95.60.56
浙江8.70.9123.97.00.70
安徽45.53.9518.918.61.33
福建8.90.729.54.30.36
江西34.14.6368.317.71.04
山东54.63.2424.917.31.08
河南71.45.1571.517.31.02
湖北72.36.0568.928.71.51
湖南57.88.1539.832.51.55
广东13.90.7100.52.10.12
广西34.02.7409.19.80.41
海南5.40.449.82.40.71
重庆24.43.8307.611.91.45
四川65.66.5772.223.90.49
贵州39.38.6638.425.81.43
云南75.410.1686.636.00.92
西藏0.90.08.30.30.00
陕西65.86.2444.520.20.96
甘肃71.77.6418.415.30.36
青海8.90.458.23.80.05
宁夏21.52.792.16.10.92
新疆27.02.440.79.40.06

新窗口打开| 下载CSV


综合来看,近20 a来,东北3省及内蒙古、山西等地由干旱造成的农业受灾较其他地区更严重,相应地这些地区直接经济损失也相对严重;中部及西南地区的年均干旱强度较强,人口分布相对集中,尤其四川省人口数量大,受灾人口更为突出;云南省虽然农作物受灾面积并不是最大,但干旱强度很强(图4),许多居民依赖农业或与农业相关的经济活动为生,因此旱灾一旦发生,会导致更多的受灾人口和经济损失。东北3省作为我国北方的产粮大省,虽然年均干旱强度较低,但干旱造成的农作物受灾面积和经济损失却较高,可能与当地较大的农作物种植面积等有关。

4 干旱灾害与直接经济损失的关联性

我国气候类型和地理环境复杂多样,不同区域的经济损失受到干旱灾害的影响程度不同。为了更好地提升干旱应对能力、优化资源配置、促进区域协调发展,采用皮尔逊相关系数分析不同省份干旱灾害与直接经济损失的关联性,以及影响不同省份直接经济损失的关键干旱灾害指标,为区域灾害风险管理提供参考。

4.1 干旱强度与直接经济损失的关联性

图8为2001—2022年我国各省(市、区)干旱强度与直接经济损失(订正后)的相关系数空间分布。可以看出,几乎所有省(市、区)干旱强度与直接经济损失均呈正相关,其中,江西、贵州、重庆、湖北和山西两者的相关系数均超过0.66,表明这些地区一旦发生干旱,极有可能造成相应的经济损失。总体来看,南方地区相比于北方地区经济受干旱的影响更明显,这些地区分布着大量的农业和经济作物,抗旱能力较差,经济受干旱灾情的影响程度很大,而北方地区降水相对南方少,种植的农作物抗旱属性更强,能够较好地适应缺水环境。此外,随着农业现代化进程的推进,我国部分省份可能拥有较为完善的灌溉系统,使得部分作物能够在干旱条件下通过人工灌溉维持产量,从而减少经济损失,部分地区也可以通过拥有较为多样化的农业生产结构和其他适应措施以减少干旱对经济的影响。需要注意的是,内蒙古、辽宁等省的直接经济损失与干旱强度的相关性很弱,这是因为这些地区虽然年均干旱强度较低,但种植面积广泛,年均受灾面积和绝收面积很大,同样可以导致很大的经济损失。直接经济损失还可能受到干旱灾害的其他关键指标(如干旱持续时间、农作物种类、人口暴露度等)的主导,具有很强的区域性特征。

图8

图8   2001—2022年我国不同省(市、区)年均干旱强度与直接经济损失(订正后)的相关系数分布

(“▲”为通过置信水平为95%的显著性检验)

Fig.8   The distribution of correlation coefficients between average annual drought intensity and direct economic losses (after correction) in different provinces (autonomous region, municipalities) in China during 2001-2022

(The “▲” means passing the significance test at 95% confidence level)


4.2 受灾面积、绝收面积和受灾人口与直接经济损失的关联性

干旱可以通过影响水资源分布、农作物生长和人类生活环境等因素影响直接经济损失。表3列出2001—2022年我国各省(市、区)农作物受灾面积、绝收面积和受灾人口与直接经济损失的相关系数。除江苏、北京和河南外,其他几乎所有省份的直接经济损失与干旱受灾面积、绝收面积在95%的置信水平上均呈显著正相关。干旱期间,农作物生长缺水,导致受灾面积和绝收面积增加,此外干旱还会导致水资源短缺,使得农业灌溉受到限制,从而进一步影响农作物产量,影响农民收入。在这种情况下,农民可能需要投入更多的资金购买水或采取其他应对措施,也将导致经济损失。除了干旱受灾面积和绝收面积外,干旱导致的受灾人口也是影响经济损失的一个重要因素。由于各地城市化进程以及人口密度不同,即使在干旱强度相同的情况下,人群暴露度较高的地方会产生更多的受灾人口。从表3可见,四川、广东、湖南、湖北、辽宁、河南、重庆和贵州等省的干旱受灾人口和直接经济损失的相关系数均高达0.89以上,尤其四川、江苏和河南等省,干旱受灾人口与直接经济损失的关联性远高于干旱受灾面积和绝收面积。这些地区人口密集,经济密度高,即使干旱受灾面积不大,也有可能因为拥有更多的经济作物和基础设施,以及高价值的经济活动,导致较大的直接经济损失和社会影响,这种影响不局限于物质财产损失,还包括对基础设施、生产能力、社会秩序和人民生活水平的深远影响。此外,灾害的突发性、持续时间、救援和重建成本以及预防和应对措施等都会影响干旱灾害的总体经济损失(AghaKouchak et al.,2018;Di Baldassarre et al.,2018;Wallemacq and House,2018;Ruiter et al.,2020)。

表3   2001—2022年不同省(市、区)农作物干旱受灾面积、绝收面积和受灾人口与直接经济损失(订正后)的相关系数

Tab.3  Correlation coefficients between direct economic losses (after correction) and crop damage, crop failure, affected population caused by drought in different provinces (municipalities, autonomous region) from 2001 to 2022

区域受灾面积绝收面积受灾人口
北京0.4200.911*0.411
天津0.560*0.861*0.837*
河北0.660*0.654*0.818*
山西0.836*0.857*0.742*
内蒙古0.842*0.727*0.790*
辽宁0.681*0.637*0.914*
吉林0.747*0.800*0.860*
黑龙江0.775*0.444*0.737*
江苏0.474*0.1140.823*
浙江0.967*0.938*0.792*
安徽0.919*0.812*0.722*
福建0.899*0.896*0.252
江西0.860*0.831*0.828*
山东0.591*0.492*0.859*
河南0.4300.3560.896*
湖北0.901*0.863*0.949*
湖南0.880*0.866*0.927*
广东0.861*0.904*0.916*
广西0.798*0.608*0.682*
海南0.707*0.943*0.634*
重庆0.908*0.963*0.944*
四川0.613*0.517*0.959*
贵州0.952*0.982*0.891*
云南0.886*0.962*0.876*
西藏0.499*0.489*0.602*
陕西0.820*0.696*0.438
甘肃0.635*0.670*0.777*
青海0.610*0.644*0.706*
宁夏0.795*0.711*0.669*
新疆0.689*0.481*0.627*

注:“*”表示在95%的置信水平下显著。

新窗口打开| 下载CSV


5 结论与讨论

本文利用国家级气象观测站数据和各省逐年干旱灾情数据,分析了我国干旱的时空变化及其与直接经济损失的关联性,并探讨影响不同省份直接经济损失的关键干旱灾害指标,得到如下主要结论。

1)全年干旱强度在年际变化上存在2 a振荡特征;在年代际变化上,全年干旱强度呈现以9~11 a为周期的“先增大、后减小”的波动特征,但在统计意义上并不显著。季风期干旱强度呈现出显著的9 a、19 a年周期变化。我国干旱强度具有“南强北弱”分布特征,南方3个干旱强中心分别位于西南地区、黄淮中部以及华南东南部。

2)2001—2022年我国整体农作物受灾面积、绝收面积、受灾人口及直接经济损失均呈下降趋势。内蒙古、山西和东北3省的受灾面积和绝收面积较大,中部和西南地区的受灾人口更多。总体看,干旱灾害在东北和西南地区的直接经济损失更为突出。

3)不同地区干旱灾害与直接经济损失的关联程度不同。整体而言,南方地区受干旱影响更大,尤其是长江流域中部,干旱强度与经济损失关系紧密。干旱灾害影响直接经济损失的关键指标(受灾面积、绝收面积、受灾人口等)也存在区域性差异。在内蒙古、黑龙江等农作物种植广泛的地区,直接经济损失与受灾面积关系密切,而在四川、江苏和河南等地,直接经济损失受到受灾人口的影响更大。

本文统计的干旱灾情数据来自于《中国气象灾害年鉴》,该资料较为全面地总结、记录了我国气象灾害影响,已被前人应用于气候灾害风险研究中。但是,该资料仍然不可避免地存在不确定性。例如,统计资料难以完全覆盖所有受灾地区,特别是极其偏远地区,且灾害可能导致人口流动使得统计的各省份受灾人口数据存在误差等。此外,干旱的长期影响可能在短期内难以完全显现,导致损失评估的不完整。因此,对干旱灾害及其损失的研究还需要结合多种来源和类型的数据进一步探究干旱造成的影响。

本文讨论的干旱主要指气象干旱。气象干旱的频率高,具有早发性,并可能相继引发农业干旱、水文干旱、生态干旱以及社会经济干旱(张强等,2014;Van Loon et al.,2016;张存杰等,2020; 张翔等,2023)。农业干旱、水文干旱受气候异常状态下各地区土地覆盖面积、土壤状况的影响而改变 (Christian-Smith et al.,2015;Van Loon,2015),如果干旱持续时间不长,没有对作物产生影响,且没有引发生态干旱,那么自然系统可以对干旱的影响进行可逆性恢复(张强等,2020)。然而,气候变暖和人类活动有可能会加快气象干旱向其他干旱的转变,在气象、农业、水文干旱共同影响下产生社会经济干旱时,不仅会影响水资源供给和生态环境,还会引发收入下降和民众失业等一系列社会问题(Guo et al.,2021;Wlostowski,2022)。在目前全球极端高温频发的大背景下,极端干旱事件趋于频发且更加极端。因此,我国需要提高对干旱的监测,并因地制宜地采取措施,进一步完善我国对干旱灾害的风险管理体系,以减缓、阻止气象干旱演变为社会经济干旱,减少干旱灾害对社会经济的影响。

此外, 2001—2022年干旱造成的直接经济损失呈现明显下降可能与中国经济结构的转变有关。21世纪后,中国经济从传统的农业主导型进一步向服务业和工业主导型经济转变。这使得农业在GDP中的比重明显下降,第二产业和第三产业的比重上升,特别是第三产业逐渐成为国民经济的重要部分。服务业通常比农业对水资源的依赖性小,因此,产业结构升级有助于减少干旱引起的直接经济损失。另一方面,过去20 a,我国城市化进程加速,城乡结构发生显著变化,人口和经济活动向城市集中。城市经济通常更加多元化,对单一自然资源的依赖较低,在面对干旱时可能具有更强的抵御能力。值得注意的是,虽然中国的经济结构转变可以通过多种途径减少干旱灾害造成的直接经济损失,但这并不意味着可以消除干旱的影响,气候变化和极端天气事件的频发仍然是对中国经济和社会发展的重大挑战。

参考文献

曹丽娟, 严中伟, 2011.

地面气候资料均一性研究进展

[J]. 气候变化研究进展, 7(2): 129-135.

[本文引用: 1]

程静, 彭必源, 2010.

干旱灾害安全网的构建:从危机管理到风险管理的战略性变迁

[J]. 孝感学院学报, 30(4): 79-82.

[本文引用: 1]

程时雄, 何宇航, 2023.

自然灾害经济学研究新进展

[J]. 经济学动态, 744(2): 143-160.

[本文引用: 1]

高歌, 李莹, 陈涛, , 2023.

2004—2019年中国干旱多承灾体灾损风险特征评估

[J]. 气象, 49(5): 611-623.

[本文引用: 1]

高雅琦, 肖莺, 秦鹏程, , 2023.

2022年长江上游流域夏季干旱气候特征及成因分析

[J]. 中国防汛抗旱, 33(3): 12-17.

[本文引用: 1]

韩兰英, 张强, 贾建英, , 2019.

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]. 中国沙漠, 39(5): 1-10.

DOI      [本文引用: 1]

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。

胡振鹏, 2023.

2022年鄱阳湖特大干旱及防旱减灾对策建议

[J]. 中国防汛抗旱, 33(2): 1-6.

[本文引用: 1]

黄晚华, 杨晓光, 李茂松, , 2010.

基于标准化降水指数的中国南方季节性干旱近58 a演变特征

[J]. 农业工程学报, 26(7): 50-59.

[本文引用: 1]

李湘阁, 胡凝, 2015.

实用气象统计方法

[M]. 北京: 气象出版社: 109-111; 238-239.

[本文引用: 1]

李学军, 肖国杰, 张伟超, 2022.

1960—2019 年西宁气候变化特征分析

[J]. 气候变化研究快报, 11(4): 615-621.

[本文引用: 1]

李莹, 赵珊珊, 2022.

2001—2020年中国洪涝灾害损失与致灾危险性研究

[J]. 气候变化研究进展, 18(2): 154-165.

[本文引用: 1]

廖要明, 张存杰, 2017.

基于MCI的中国干旱时空分布及灾情变化特征

[J]. 气象, 43(11): 1 402-1 409.

[本文引用: 1]

林纾, 李红英, 黄鹏程, 2022.

2022年夏季我国高温干旱特征及其环流形势分析

[J]. 干旱气象, 40(5): 748-763.

DOI      [本文引用: 1]

在气候变暖背景下,2022年夏季我国出现1961年以来平均气温最高和降水量次少的气候异常,并伴有最强的全国性(东北地区除外)高温过程和长江中下游及川渝地区大范围强伏旱。针对这次高温干旱的持续性和极端性,本文基于2022年6—8月全国2162个气象站逐日最高气温和降水量以及NCEP(National Centers for Environmental Prediction)/NCAR(National Center for Atmospheric Research)逐日再分析资料等,分析其时空分布特征及环流形势,将对今后我国南方地区夏季高温干旱不同时间尺度的预报预测有一定参考价值。结果表明:2022年夏季,全国76.0%的站共出现48 198次高温,其中36.6%的站累计出现3001次极端高温事件,20次以上极端高温事件的站点均分布在四川盆地,高温状况远超21世纪以来的典型高温年份。全国性的高温过程从6月13日持续到8月30日,共计79 d,高温最强时段在8月11—24日。按照高温发生站次、持续时间、影响范围、强度等由强到弱综合排序,依次是华东、西南、华中、西北、华北和华南地区,其中西南地区极端性最强,而东北地区未出现高温。干旱时空分布特征与高温基本相似,全国最强干旱时段在8月中旬。2022年夏季,500 hPa欧亚中高纬度呈“两脊一槽”型,尤其在7—8月乌拉尔山和鄂霍次克海附近高压脊形成阶段性阻塞高压,强盛的副热带系统将两高之间活跃的冷空气大部分时段阻挡在50°N以北,造成我国“北涝南旱”的格局;低纬度的伊朗高压异常东伸,西太平洋副热带高压略偏北且异常西伸,两高压长时间贯通形成的高压带控制区气流辐散下沉,并持续阻碍水汽向中纬度输送,不利于长江流域产生降水。同时,对流层高层南亚高压异常偏东,与中层的西太平洋副热带高压相向而行,于8月中下旬在80°E—120°E范围内叠加,致使控制我国大范围的高压系统呈稳定正压结构,中心位于川渝上空,致使川渝地区成为高温日数和极端高温事件次数的高值中心。

梅梅, 高歌, 李莹, , 2023.

1961—2022年长江流域高温干旱复合极端事件变化特征

[J]. 人民长江, 54(2): 12-20.

[本文引用: 1]

莫兴国, 胡实, 卢洪健, , 2018.

GCM预测情境下中国21世纪干旱演变趋势分析

[J]. 自然资源学报, 33(7): 1 244-1 256.

[本文引用: 1]

倪深海, 吕娟, 刘静楠, , 2022.

变化环境下我国干旱灾害演变趋势分析

[J]. 中国防汛抗旱, 32(10): 1-7.

[本文引用: 1]

钱正安, 宋敏红, 吴统文, , 2017a.

世界干旱气候研究动态及进展综述(Ⅰ): 若干主要干旱区国家的研究动态及联合国的贡献

[J]. 高原气象, 36(6): 1 433-1 456.

[本文引用: 1]

钱正安, 宋敏红, 吴统文, , 2017b.

世界干旱气候研究动态及进展综述(Ⅱ): 主要研究进展

[J]. 高原气象, 36(6): 1 457-1 476.

[本文引用: 1]

屈艳萍, 吕娟, 张伟兵, , 2018.

中国历史极端干旱研究进展

[J]. 水科学进展, 29(2): 283-292.

[本文引用: 1]

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 20 481—2017[S]. 北京: 中国标准出版社.

[本文引用: 1]

宋艳玲, 2022.

全球干旱指数研究进展

[J]. 应用气象学报, 33(5): 513-526.

[本文引用: 1]

苏乃芳, 李宏瑾, 张怀清, 2016.

有关GDP平减指数的再认识

[J]. 经济学动态(5): 62-73.

[本文引用: 1]

王春学, 张顺谦, 陈文秀, , 2019.

气象干旱综合指数MCI在四川省的适用性分析及修订

[J]. 中国农学通报, 35(9): 115-121.

DOI      [本文引用: 1]

使用1991-2013年四川省156站逐日气温、降水资料和干旱灾情资料,利用灰色关联方法建立了实际干旱灾害等级划分标准,进而分析了MCI指数在四川省的适用性,最后利用投影寻踪方法对MCI指数进行修订。结果表明,选择农作物受灾面积、社会受灾人口和直接经济损失三项指标建立的灰色关联度可以很好的表征干旱灾害的综合损失情况。适用性分析表明,基于MCI的干旱等级评估准确率普遍偏低,其中实际发生特旱21次,而MCI评估结果达115次。MCI指数对旱情等级评估偏重,这可能与四川省灌溉和供水能力逐渐提高有关。以灾害灰色关联度为参考序列,利用投影寻踪方法揭示MCI各个分量对实际旱灾的影响,找到最优投影方向,建立了MCI指数的修订系数。修订后的MCInew较MCI对旱灾等级的评估能力明显提高,其中对特旱评估的准确率从16.5%提高到62.5%,个例分析也表明MCInew与实际旱情的发生发展过程更加吻合。

王浩, 2010.

综合应对中国干旱的几点思考

[J]. 中国水利(8): 4-6.

[本文引用: 1]

王素萍, 王劲松, 张强, , 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      [本文引用: 1]

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。

王莺, 沙莎, 王素萍, , 2015.

中国南方干旱灾害风险评估

[J]. 草业学报, 24(5): 12-24.

DOI      [本文引用: 1]

干旱灾害风险评估是灾害风险管理的关键途径。通过分析干旱灾害风险成因,从干旱灾害的致灾因子危险性、孕灾环境脆弱性、承灾体暴露性和防灾减灾能力四大因子入手,以灾害学理论为基础,构建干旱灾害风险评估模型,然后根据相关气象、地理环境和社会经济数据,在GIS平台上对中国南方地区进行了干旱灾害风险评估。得到以下结论:1)干旱致灾因子的高危险区主要位于云南省的中东部以及与四川的交界处,川西高山高原区和东部盆地的遂宁、宜宾市,以及广东东部沿海地区;2)孕灾环境的高脆弱区主要分布在云南中东部、四川东部盆地以及贵州西北部;3)承灾体的高暴露区主要位于广东东部、雷州半岛和沿海地区,广西南部以及四川盆地的大部分地区;4)防灾减灾能力较高的区域主要位于重庆西部、四川西部、云南东北部、贵州中部、广西南部以及广东中东部地区;5)干旱灾害的高风险区主要位于四川东部盆地、四川与云南交界处、云南东北大部分地区、广西西南部以及广东东北部和雷州半岛;干旱灾害的低风险区主要位于四川北部山区以及广东和广西的北部。

王莺, 王健顺, 张强, 2022a.

中国草原干旱灾害风险特征研究

[J]. 草业学报, 31(8): 1-12.

[本文引用: 1]

王莺, 张强, 王劲松, , 2022b.

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.

[本文引用: 1]

王芝兰, 奚立宗, 李耀辉, , 2020.

中国西北地区东部近546年干旱事件特征分析

[J]. 气象学报, 78(1): 72-85.

[本文引用: 1]

夏智宏, 刘敏, 秦鹏程, , 2023.

2022年长江流域高温干旱过程及其影响评估

[J]. 人民长江, 54(2): 21-28.

[本文引用: 1]

谢五三, 张强, 李威, , 2021.

干旱指数在中国东北、西南和长江中下游地区适用性分析

[J]. 高原气象, 40(5): 1 136-1 146.

[本文引用: 1]

杨玮, 谢五三, 王胜, , 2018.

气象干旱综合监测指数在安徽省的适用性分析

[J]. 气象科技, 46(5): 988-998.

[本文引用: 1]

雍燕兰, 郑雯, 赵铜铁钢, , 2023.

人类活动对于我国气象干旱的影响分析

[J]. 水文, 43(2): 78-85.

[本文引用: 1]

张存杰, 张继权, 胡正华, , 2020. 干旱监测、预警及灾害风险评估技术研究[M]. 北京: 气象出版社: 4-5.

[本文引用: 1]

张强, 韩兰英, 郝小翠, , 2015.

气候变化对中国农业旱灾损失率的影响及其南北区域差异性

[J]. 气象学报, 73(6): 1 092-1 103.

[本文引用: 2]

张强, 韩兰英, 张立阳, , 2014.

论气候变暖背景下干旱和干旱灾害风险特征与管理策略

[J]. 地球科学进展, 29(1): 80-91.

DOI      [本文引用: 2]

干旱是全球影响最广泛的自然灾害, 给人类带来了巨大的危害, 近百年气候显著变暖使干旱灾害及其风险问题更加突出。目前, 对干旱和干旱灾害风险的内在规律理解并不全面, 对气候变暖背景下干旱和干旱灾害风险的表现特征认识也比较模糊。在系统总结国内外已有干旱和干旱灾害风险研究成果的基础上, 归纳了干旱灾害传递过程的基本规律及干旱灾害的本质特征, 综合分析了干旱灾害风险关键要素的主要特点及其相互作用关系, 讨论了气候变暖对干旱和干旱灾害风险的影响特点, 探讨了干旱灾害风险管理的基本要求。在此基础上, 提出了干旱灾害防御的主要措施及干旱灾害风险管理的重点策略。

张强, 李栋梁, 姚玉璧, , 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.

[本文引用: 2]

张强, 姚玉璧, 李耀辉, , 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.

[本文引用: 1]

张强, 张良, 崔显成, , 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.

[本文引用: 1]

张翔, 黄舒哲, 管宇航, 2023.

干旱传播的研究进展、挑战与展望

[J]. 地球科学进展, 38(6): 563-579.

DOI      [本文引用: 1]

干旱通过相互关联的陆气系统与水文循环过程进行传播,在不同的地理时空传播演变成不同的干旱类型,如水文干旱、农业干旱、生态干旱和社会经济干旱等。在全球气候变暖和人类活动加剧的背景下,不同类型干旱之间的传播演变过程呈现出更多的不确定性。近10年来,对干旱传播时空特征、研究方法、演变过程以及驱动因素的理解逐步加深,但明确的科学观点仍相对匮乏。因此,从干旱传播的定义出发,系统分析了该问题的科学内涵,阐明了干旱传播研究的发展阶段。随后综合归纳了当前干旱传播的6类定量研究方法,包括阈值方法与游程理论、相关分析、因果分析、交叉小波、概率模型以及气象水文模型。并进一步从气象—水文和气象—农业两类干旱传播情景以及干旱传播驱动力方面,分析总结了当前形成的主要科学认识,揭示了全球范围内干旱传播研究发现的传播顺序、阶段阈值、时空异质性和人类驱动过程。最后分析指出了未来干旱传播研究面临的一系列挑战,包括进一步挖掘传播过程时空异质性、突破数学与物理知识鸿沟建立可信模型以及融入跨领域知识实现全过程的传播解析。对国内外干旱传播研究的前沿进展和挑战进行了系统分析,可为下一步干旱灾害分析与科学管理提供关键理论与方法支撑。

张寅, 闫凯, 刘钊, , 2020.

基于CRU数据的1901—2018年全球陆表气温时空变化特征分析

[J]. 首都师范大学学报(自然科学版), 41(6): 51-58.

[本文引用: 1]

赵珊珊, 高歌, 黄大鹏, , 2017.

2004—2013年中国气象灾害损失特征分析

[J]. 气象与环境学报, 33(1):101-107.

[本文引用: 1]

郑建萌, 张万诚, 万云霞, , 2013.

云南极端干旱年春季异常环流形势的对比分析

[J]. 高原气象, 32(6): 1 665-1 672.

[本文引用: 1]

中国国家地理地图编委会, 2018. 中国国家地理地区[M]. 北京: 中国大百科全书出版社:30.

[本文引用: 1]

中国气象防灾减灾编委会, 2021. 中国气象防灾减灾[M]. 北京: 气象出版社:16.

[本文引用: 1]

周军, 任宏昌, 王蒙, , 2023.

2022年夏季长江流域干旱特征及成因分析

[J]. 人民长江, 54(2): 29-35.

[本文引用: 1]

AGHAKOUCHAK A, HUNING L, CHIANGh F, et al, 2018.

How do natural hazards cascade to cause disasters?

[J]. Nature, 561(7724): 458-460.

[本文引用: 1]

BUDA S, HUANG J L, FISCHER T, et al, 2018.

Drought losses in China might double between the 1.5 ℃ and 2.0 ℃ warming

[J]. Proceedings of the National Academy of Sciences, 115(42): 10 600-10 605.

[本文引用: 2]

CHEN H P, SUN J Q, 2015.

Changes in drought characteristics over China using the Standardized Precipitation Evapotranspiration Index

[J]. Journal of Climate, 28: 5 430-5 447.

[本文引用: 1]

CHRISTIAN-SMITH J, LEVY M, GLEICK P, 2015.

Maladaptation to drought: A case report from California, USA

[J]. Sustainability Science, 10: 491-501.

[本文引用: 1]

CUSICK T W, FLAHIVE M E, 1989.

The markoff and lagrange spectra

[M]. Providence, R I: American Mathematical Society. DOI:10.1090/surv/030/03

[本文引用: 1]

DI BALDASSARRE G, NOHRSTEDT D, MÅRD J, et al, 2018.

An integrative research framework to unravel the interplay of natural hazards and vulnerabilities

[J]. Earth’s Future, 6: 305-310.

[本文引用: 1]

FAULKNER-MACDONAGH C, TAIMUR B, DECRESSIN J, et al, 2003.

Deflation: determinants, risks, and policy options

[J]. IMF Occasional Papers, 221. DOI: http://dx.doi.org/.

[本文引用: 1]

GAO H, YANG S, 2009.

A severe drought event in northern China in winter 2008-2009 and the possible influences of La Niña and Tibetan Plateau

[J]. Journey of Geophysical Research Atmospheres, 114: 1-16.

[本文引用: 1]

GUO Y, HUANG Q, HUANG S Z, et al, 2021.

Elucidating the effects of mega reservoir on watershed drought tolerance based on a drought propagation analytical method

[J]. Journal of Hydrology, 598(3), 125738. DOI: 10.1016/j.jhydrol.2020.125738.

[本文引用: 1]

HAN L Y, ZHANG Q, ZHANG Z C, et al, 2021.

Drought area, intensity and frequency changes in China under climate warming, 1961-2014

[J]. Journal of Arid Environments, 193, 104596. DOI:10.1016/j.jaridenv.2021.104596.

[本文引用: 1]

HAO Z C, SINGH V P, 2015.

Drought characterization from a multivariate perspective: A review

[J]. Journal of Hydrology, 527: 668-678.

[本文引用: 1]

HUANG Y J, GUO M J, BAI P, et al, 2023.

Warming intensifies severe drought over China from 1980 to 2019

[J]. International Journal of Climatology, 43(4): 1 980-1 992.

[本文引用: 1]

IPCC, 2021.

Climate Change 2021-The Physical Science Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change

[M]. Cambridge, UK: Cambridge University Press.

[本文引用: 1]

LI Y, ZHAO S S, WANG G F, 2021.

Spatiotemporal variations in meteorological disasters and vulnerability in China during 2001-2020

[J]. Frontiers in Earth Science, 9, 789523. DOI:10.3389/feart.2021.789523.

[本文引用: 1]

LIU Z C, ZHOU W, WANG X, 2024.

Extreme meteorological drought events over China (1951-2022): Migration pattern, diversity of temperature extremes, and decadal variations

[J]. Advances in Atmospheric Sciences.

[本文引用: 2]

MA B, ZHANG B, JIA L G, et al, 2020.

Conditional distribution selection for SPEI-daily and its revealed meteorological drought characteristics in China from 1961 to 2017

[J]. Atmospheric Research, 246: 105-108.

[本文引用: 1]

MARVEL K, COOK B I, BONFILS C, et al, 2019.

Twentieth-century hydroclimate changes consistent with human influence

[J]. Nature, 569(7754): 59-65.

[本文引用: 1]

MISHRA A, SINGH V P, 2010.

A review of drought concepts

[J]. Journal of Hydrology, 391(1/2): 202-216.

[本文引用: 1]

NAUMANN G, CAMMALLERI C, MENTASCHI L, et al, 2021.

Increased economic drought impacts in Europe with anthropogenic warming

[J]. Nature Climate Change, 11: 485-491.

[本文引用: 1]

RUITER M, COUASNON A, HOMBERG M, et al, 2020.

Why we can no longer ignore consecutive disasters

[J]. Earth's Future, 8, e2019EF001425. DOI: 10.1029/2019EF001425.

[本文引用: 1]

SAMANIEGO L, THOBER S, KUMAR R, et al, 2018.

Anthropogenic warming exacerbates European soil moisture droughts

[J]. Nature Climate Change, 8: 421-426.

DOI      [本文引用: 1]

Anthropogenic warming is anticipated to increase soil moisture drought in the future. However, projections are accompanied by large uncertainty due to varying estimates of future warming. Here, using an ensemble of hydrological and land-surface models, forced with bias-corrected downscaled general circulation model output, we estimate the impacts of 1-3 K global mean temperature increases on soil moisture droughts in Europe. Compared to the 1.5 K Paris target, an increase of 3 K-which represents current projected temperature change-is found to increase drought area by 40% (+/- 24%), affecting up to 42% (+/-22%) more of the population. Furthermore, an event similar to the 2003 drought is shown to become twice as frequent; thus, due to their increased occurrence, events of this magnitude will no longer be classified as extreme. In the absence of effective mitigation, Europe will therefore face unprecedented increases in soil moisture drought, presenting new challenges for adaptation across the continent.

STOICA P, MOSES R. 2005. Spectral analysis of signals[M]. New Jersey: Prentice Hall.

[本文引用: 1]

SU X Y, HUANG G, WANG L, et al, 2024.

Global drought changes and attribution under carbon neutrality scenario

[J]. Climate Dynamics, https://doi.org/10.1007/s00382-024-07310-2.

URL     [本文引用: 1]

SUN C H, YANG S, 2012.

Persistent severe drought in southern China during winter-spring 2011:Large-scale circulation patterns and possible impacting factors

[J]. Journal of Geophysical Research, 117(D10), D10112. DOI:10.1029/2012JD017500.

[本文引用: 1]

TANG B, HU W T, DUAN A M, et al, 2024.

Impacts of Future Changes in Heavy Precipitation and Extreme Drought on the Economy over South China and Indochina

[J]. Atmospheric Sciences, 41: 1 184-1 200.

[本文引用: 1]

TRENBERTH K, DAI A, SCHRIER G, et al, 2014.

Global warming and changes in drought

[J]. Nature Climate Change, 4: 17-22.

[本文引用: 1]

VAN LOON A F, 2015.

Hydrological drought explained

[J]. Wiley Interdisciplinary Reviews: Water, 2(4): 359-392.

[本文引用: 1]

VAN LOON A F, Gleeson T, Clark J, et al, 2016.

Drought in the Anthropocene

[J]. Nature geoscience,9: 89-91.

[本文引用: 1]

WALLEMACQ P, HOUSE R, 2018.

Economic losses, poverty &amp; disasters: 1998-2017

[R]. DOI:10.13140/RG.2.2.35610.08643

[本文引用: 1]

WANG A H, LETTENMAIER D P, SHEFFIELD J, 2011.

Soil moisture drought in China, 1950-2006

[J]. American Meteorological Society, 24(13): 3 257-3 271.

[本文引用: 1]

WILHITE D A, 2016.

Introduction: Managing drought risk in a changing climate

[J]. Climate Research,70: 99-102.

[本文引用: 1]

WILKS D S, 2017. 大气科学中的统计方法[M]. 朱玉祥, 译. 3版. 北京: 气象出版社: 114-120.

[本文引用: 1]

WLOSTOWSKI A N, JENNINGS K S, BASH R E, et al, 2022.

Dry landscapes and parched economies: A review of how drought impacts nonagricultural socioeconomic sectors in the US Intermountain West

[J]. Wiley Interdisciplinary Reviews: Water, 9(1), e1571. DOI:10.1002/wat2.1571.

[本文引用: 1]

WMO, 2021.

WMO atlas of mortality and economic losses from weather, climate and water extremes (1970-2019)

[R]. World Meteorological Organization, WMO-NO. 1267. https://library.wmo.int/idurl/4/57564.

URL     [本文引用: 1]

WU Z Y, LU G H, WEN L, et al, 2011.

Reconstructing and analyzing China's fifty-nine year (1951-2009) drought history using hydrological model simulation

[J]. Hydrology and Earth System Sciences, 15(9): 2 881-2 894.

[本文引用: 1]

XU K, YANG D W, YANG H B, et al, 2015.

Spatio‐temporal variation of drought in China during 1961-2012: A climatic perspective

[J]. Journal of Hydrology, 526: 253-264.

[本文引用: 1]

YANG Q, MA Z G, FAN X G, et al, 2017.

Decadal Modulation of Precipitation Patterns over Eastern China by Sea Surface Temperature Anomalies

[J]. Journal of Climate, 30(17): 7 017-7 033.

[本文引用: 1]

ZENG J Y, ZHANG R R, LIN Y H, et al, 2020.

Drought frequency characteristics of China, 1981-2019, based on the vegetation health index

[J]. Climate Research, 81: 131-147.

[本文引用: 1]

ZHANG Q, HAN L Y, LIN J J, et al, 2018.

North-South differences in Chinese agricultural losses due to climate-change-influenced droughts

[J]. Theoretical and Applied Climatology, 131(1/2): 719-732.

[本文引用: 2]

ZHANG Q, WANG Y, 2022.

Distribution of hazard and risk caused by agricultural drought and flood and their correlations in summer monsoon-affected areas of China

[J]. Theoretical and Applied Climatology,149: 965-981.

[本文引用: 1]

ZHANG Q, YAO Y B, LI Y H, et al, 2020.

Causes and Changes of Drought in China: Research Progress and Prospects

[J]. Journal of Meteorological Research, 34(3): 460-481.

[本文引用: 1]

ZHOU L, WU J J, MO X Y, et al, 2017.

Quantitative and detailed spatio-temporal patterns of drought in China during 2001-2013

[J]. Science of The Total Environment, 589: 136-145.

[本文引用: 1]

ZOU X K, ZHAI P M, ZHANG Q, 2005.

Variations in droughts over China: 1951-2003

[J]. Geophysical Research Letters, 32(4): 353-368.

[本文引用: 1]

/