干旱是世界上危害最严重、最广泛的自然灾害之一（张强等，2020），不仅给国家和社会带来了巨大的经济损失，同时也对干旱监测和预警系统提出了更高的要求和更严峻的挑战（Douville et al.，2021；王莺等，2022； Yuan et al.，2023）。从我国干旱发生的区域分布看，西南地区受灾害影响严重，旱灾受灾率位居全国第二，仅次于华北地区（刘颖秋等，2005；薛亮等，2023）。云南位于西南地区南部，是南亚和东亚季风影响过渡区，干湿季分明，干季（11月至次年4月）降水仅占年降水量的15%左右，因此冬春季常常发生气象干旱（段旭等，2000）。春季是秋收农作物播种、移栽或开花的关键时期，这些作物的产量和产值占全年总产量的80%。因此，云南地区干旱对农业造成的损失在所有自然灾害中占比较大，通常超过40%（黄中艳和朱勇，2009）。此外，云南地区水资源分布不均衡，深谷地区水资源丰富，而平坝地区水资源稀缺，且农业区多集中分布在水资源相对匮乏的坝区，导致水资源供需矛盾尤为突出，成为农业干旱灾害较为严重的重要原因（杨育华等，2019）。白树明和黄中艳（2003）研究指出，1950—2002年云南有49 a出现农业干旱灾害，19 a为大旱年，30 a为小旱年。气候变暖背景下，云南气象干旱发生频次增加、强度增强（金燕等，2018），2009—2012年云南发生了严重的4 a连续干旱（范晓红等，2016），之后2019和2020年又出现了明显的春夏干旱（云南省气象局，2020；周建琴等，2024），对农业生产、人民群众生活、工业生产等各方面都造成了严重影响（刘南江等，2023）。

为提高对云南干旱灾害防治的认识，增加防灾减灾的有效性和针对性，很多学者对云南干旱的特征、环流成因及其影响评估进行了大量的研究：如20世纪80年代后云南受旱面积、因旱粮食损失数量呈增加趋势（白树明和黄中艳，2003），且云南农业干旱灾害的受灾率和成灾率明显增加（韩兰英等，2014）；云南全省大部地区气象干旱持续时间增加、强度增强，降水量异常是气象干旱的主要影响因素，气温升高引起潜在蒸散量的变化也加剧了干旱化趋势（张雷等，2015；周建琴等，2022）；云南气象干旱偏重的原因主要是中高纬度和低纬度环流异常，造成影响云南的冷空气和暖湿气流偏弱，导致降水偏少、气温偏高（杨辉等，2012；陶云等，2014；颜鹏程等，2024），同时北太平洋年代际振荡（Pacific Decadal Oscillation，PDO）负位相和西太平洋暖池异常也是驱动其多尺度干旱异常的大气环流机制（Wang et al.，2024）。此外，韩兰英（2016）和张强等（2024）构建了干旱灾害风险评估模型，结果显示云南是我国南部（包括西南和华南）干旱灾害高风险中心，干旱灾害对粮食生产的影响明显重于除贵州外的其他地区。

以往的研究主要依赖于气象要素或通过这些要素计算得出的干旱指数，这些结论主要反映地表以上大气干湿状况。尽管部分涉及农业干旱灾害分析，但气象干旱与农业干旱灾害之间的关系研究相对宏观，缺乏具体细节。近年来，灾情数据的收集更精准和可靠，云南干旱灾害及其造成的农业损失是否发生了新的变化，对于各级政府下一步加强防灾、减灾工作有何启示?为厘清这些问题，本文结合气象要素、气象综合干旱指数及农业干旱灾害统计等多种资料，首先对云南主要农作物干旱灾害时空分布特征进行分析，然后研究其对不同时段气候要素的依赖关系，明确影响干旱灾害的关键期并分析干旱灾害变化的可能原因，最后构建多因子拟合的农业干旱灾害估算模型，以期为提升云南干旱灾害防御能力和风险管理水平提供科技支撑。

在西南和华南地区干旱监测中，无论从实效性上，还是监测能力的表征上，气象干旱综合指数（Meteorological Drought Composite Index，MCI）均优于其他干旱指数（王素萍等，2015），因此本文采用MCI作为气象干旱表征指标。利用1978—2022年云南125个气象站逐日降水和气温资料（数据经过云南省气象局信息中心质量控制）计算各站MCI指数，并根据《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）划分方法（表1），统计不同等级气象干旱日数。云南全省主要农作物种植面积，因旱受灾、成灾面积和有效灌溉面积数据来自中国统计年鉴（国家统计局，1979—2023），时段为1978—2022年，水库座数和容量数据也来自中国统计年鉴，但时段为1987—2022年。该资料经过严格的质量控制，全国和其他区域数据在干旱灾害研究中被广泛应用（韩兰英等，2014；张强等，2015；江铭诺等，2023）。云南16个州（市）主要农作物种植面积、因旱受灾、成灾、绝收面积数据来自云南统计年鉴（云南省统计局，1997—2023）和云南减灾年鉴（《云南减灾年鉴》编委会，1997—2023），时段为1996—2022年，数据经过云南省统计局和云南省减灾年鉴编委会的严格质量控制。

为综合反映云南农业干旱灾害损失，利用农业种植面积、农业干旱受灾面积、成灾面积以及绝收面积四类数据，分别计算受灾率、成灾率、绝收率及综合损失率，该评估方法已在全国（张强等，2015）、南方（张强等，2018）以及西南（徐新创等，2011）等农业干旱灾害损失评估中应用，评估结果均能有效表达区域之间的农业干旱风险差异，同时还计算了有效灌溉面积占农作物种植面积的比例，具体公式如下：

式中：I1、I2、I3分别为干旱受灾率、成灾率、绝收率，单位：％；D1、D2、D3分别为干旱灾害导致的主要农作物受灾面积、成灾面积、绝收面积，单位：hm²；A为主要农作物种植面积，单位：hm²；L为干旱灾害综合损失率，单位：％；S为有效灌溉面积，单位：hm²；Ir为有效灌溉面积比例，单位：％。

为便于分析，参考张强等（2014）定义，将农业旱灾综合损失率小于3%的年份定义为轻灾年，3%~6%的年份定义为中灾年，大于6%的年份定义为重灾年。

由1978—2022年云南农业干旱灾害受灾率和成灾率的年际变化[图1（a）]看出，受灾率和成灾率总体都呈减少趋势，减少速率分别为0.49%·（10 a）^-1和0.09%·（10 a）^-1，受灾面积和成灾面积在一定程度上反映轻度和中度的农业干旱灾害面积（张强等，2018），因此云南轻度的农业干旱灾害风险有减小趋势，而中度农业干旱灾害风险变化趋势不明显。这与白树明和黄中艳（2003）、韩兰英等（2014）分别基于1950—2002年和1949—2012年云南农业干旱灾害损失数据的研究结论不一致，他们的研究指出云南农业干旱受灾和成灾率均呈增加趋势，主要原因是分析时段不同，说明随着数据的更新，云南农业干旱灾害出现了新的变化特征。1978—2022年云南农业干旱灾害受灾率和成灾率的最大值都出现在2010年，分别为45.9%和33.2%，次大值出现在2005年，分别为33.9%和19.7%，期间仅有2018年受灾率和成灾率都为0，为最小值。说明1978年以来，云南除2018年外每年都有干旱灾害造成损失，只是损失的程度不同。

虽然1978—2022年云南农业干旱受灾率和成灾率总体呈减少趋势，但有明显的突变特征[图1（b）]，受灾率和成灾率都在2004年左右发生由少到多的突变，在2013年左右则发生了由多到少的突变，两次突变均通过α=0.05的显著性检验。这一点由图1（a）和表2也可以看出，1978—2004年云南农业干旱受灾率和成灾率为波动变化，平均值分别为11.28%和5.02%，与1978—2022年平均值比较接近。2005—2013年是受灾率和成灾率最大值时段，平均值分别为20.11%和11.44%，比1978—2022年平均分别偏多8.23%和5.67%。2014—2022年平均受灾率和成灾率为1978年以来最小值，平均值分别为6.10%和2.38%，分别比1978—2022年平均偏少5.78%和3.39%。也就是说，突变前后干旱灾害有明显变化，且近9 a云南农业干旱灾害明显减轻。

云南地区地形复杂，南北海拔差异显著，气候条件空间分布不均匀和农业种植结构差异大，因此有必要对干旱灾害的空间分布特征进行分析。图2为云南16个州（市）不同时段的干旱灾害综合损失率空间分布，因全省平均农业干旱受灾率和成灾率年际变化显示在2004年和2013年左右有明显突变，且州（市）数据记录始于1996年，所以干旱灾害空间特征分析针对1996—2022、1996—2004、2005—2013、2014—2022年4个时段进行。

1996—2022年云南平均干旱灾害综合损失率最大的是保山、大理以及楚雄[图2（a）]，为6%~7%，其次是丽江和玉溪，为5%~6%，最小的是怒江和德宏，干旱综合损失率小于2%。1996—2004年，楚雄干旱灾害综合损失率为6%~7%，德宏和怒江小于2%，与1996—2022年平均值持平，其余州（市）均小于1996—2022年平均[图2（b）]。2005—2013年大理和保山综合损失率最高，为11%~12%，其次是楚雄为10%~11%，昭通为9%~10%，怒江、德宏、临沧和西双版纳小于6%，其余州（市）为6%~9%[图2（c）]。即2005—2013年严重干旱灾害范围较大，除西双版纳和怒江外，其余14个州（市）的综合损失率均比1996—2022年平均偏高2%~6%。2014—2022年丽江干旱综合损失率为6%~7%，高于1996—2022年平均，德宏和怒江与1996—2022年平均持平，其他13个州（市）综合损失率均小于1996—2022年平均，特别是西部和东部的几个州（市），干旱综合损失率均小于2%[图2（d）]。

表3为1996—2022年云南16个州（市）不同程度农业干旱灾害年数和综合损失率气候倾向率，可以发现重灾年数最多的是大理，有12 a，其次是玉溪和楚雄，均为10 a，最少的是德宏，仅有1 a。对照图2（a），可以发现1996—2022年保山、楚雄和大理的平均综合损失率都为6%~7%，但保山重灾年份比楚雄和大理少，这是因为2010年保山综合损失率为45.5%，在16个州（市）中排第一，所以取平均值后综合损失率与楚雄和大理在同一范围。1996—2022年，云南有11个州（市）干旱综合损失率为减小趋势，玉溪、大理、德宏、丽江及临沧5个州（市）为增加趋势，主要分布在云南西部地区。减少最明显的是保山，减小速率为1.48%·（10 a）^-1，增加最明显的是丽江，增加速率为2.21%·（10 a）^-1。

降水和气温是气象干旱最主要的致灾因子，与干旱灾害风险分布格局和发展趋势息息相关，因此分析1978—2022年云南干旱受灾率、成灾率与降水和气温的关系。1978—2022年云南农业干旱受灾率和成灾率与年降水量的相关系数分别为-0.37和-0.27，与年平均气温的相关系数分别为0.12和0.17，仅降水量和受灾率的相关系数通过了α=0.05的显著性检验，且与降水的相关性明显高于平均气温，说明降水对云南农业干旱灾害的影响大于平均气温。

张强等（2018）研究表明干旱灾害损失往往只与某些关键时段的气温和降水变化关系紧密，因此计算农业干旱受灾率和成灾率与1—12月降水和平均气温的相关系数（图3）。可以看到，受灾率和成灾率与大多数月份降水（气温）呈负（正）相关。受灾率和成灾率与1—2月、4—8月、11月降水均为负相关，与其他月份为正相关，其中与5月降水的负相关最显著，分别为-0.45和-0.38，均通过α=0.01的显著性检验。受灾率和成灾率与1—2月、4—8月的气温为正相关，与其他月份为负相关，其中与5月平均气温的相关最显著，分别为0.46和0.40，均通过α=0.01的显著性检验。

从以上分析可知，云南农业干旱受灾率和成灾率与5月降水和平均气温分别为明显的负相关和正相关，且相关系数大于年降水和年气温，是影响干旱灾害的关键期气候因子。张强等（2018）分析表明南方（包括西南和华南）干旱灾害与4月、6月、7月降水和6月、7月、12月气温高相关，这与本文结论不同，说明影响云南农业干旱灾害的关键期气候因子和整个南方有明显区别。这与云南地处低纬高原的地理位置有关，5月是云南干湿季节转换时期（秦剑等，1997），是主要农作物需水的关键期，其中夏玉米为播种出苗期，烤烟和水稻处于移栽期，咖啡处于盛花期等，农业用水需求快速增加，而长达半年的干季之后，库塘蓄水严重下降，所以这个时段降水和气温的影响往往大于其他时期。

计算云南干旱受灾率和成灾率与年不同等级干旱站次数的相关性（图略），发现受灾率和成灾率与轻旱及以上（包括轻旱、中旱、重旱、特旱）站次数相关系数分别为0.46和0.40，与中旱及以上（包括中旱、重旱、特旱）站次数相关系数分别为0.49和0.43，均通过α=0.01的显著性检验。对比与年降水和气温的相关性发现，气象干旱站次数与农业干旱受灾率和成灾率的相关系数更大，可见干旱灾害受气象干旱的影响相对更明显。

为分析农业干旱灾害与逐月气象干旱的关系，计算受灾率和成灾率与云南逐月中旱及以上站次数的相关系数（图4）。可以看出，1—9月气象干旱与干旱灾害均为正相关，10—12月为负相关。1—9月中4月的相关系数没有通过显著性检验，其余月份与受灾率的相关性均通过α=0.05的显著性检验，成灾率与气象干旱的相关性在5月和8月没有通过显著性检验，10—12月气象干旱与干旱灾害负相关性均没有通过显著性检验。进一步计算干旱受灾率和成灾率与1—3月和5—9月中旱及以上站次数的相关性，相关系数分别为0.63和0.58，均通过α=0.001的显著性检验，远高于与全年中旱及以上站次数的相关系数，说明1—3月、5—9月气象干旱对农业干旱灾害的影响大于全年，是影响的关键期。

以上分析表明5月降水、5月平均气温及1—3月、5—9月气象干旱是影响云南农业干旱灾害的关键期气候因子。为进一步分析他们之间的关系，计算1978—2022年云南农业干旱受灾率、成灾率与5月降水、5月平均气温、1—3月和5—9月中旱及以上站次数的标准化时间序列（图5）。可以看出，云南农业干旱受灾率和成灾率为负值时，大部分年份对应5月降水偏多、5月平均气温偏低，同时对应1—3月和5—9月中旱及以上站次数为负值，为正值时则相反。但2014—2022年，云南5月降水有6 a为负值，5月平均气温有7 a为正值，气象干旱站次数有5 a为正值，即干旱致灾因子有利于干旱灾害偏重发生，但干旱受灾率和成灾率仅2019年为正值（图5），干旱综合损失率的空间分布大部地区也低于多年平均[图2（d）]。另外，云南5月降水为减少趋势，而5月平均气温为升高趋势，1—3月和5—9月干旱站次数为增加趋势，这与干旱灾害受灾率和成灾率的变化趋势也不一致[图1（a）]。

计算1978—2022年、1978—2013、2014—2022年5月降水、平均气温及关键期气象干旱站次数与对应时段受灾率和成灾率的相关系数（表4），发现1978—2022年、1978—2013年5月降水、5月平均气温及1—3月和5—9月气象干旱站次数与受灾率和成灾率的相关系数均通过α=0.01的显著性检验。2014—2022年，5月降水和成灾率、5月平均气温与受灾率和成灾率的相关系数均通过α=0.05的显著检验，而5月降水与受灾率、1—3月和5—9月干旱站次数与受灾率和成灾率的相关系数均没有通过显著性检验，因此，2014—2022年5月降水和气温仍然是云南干旱灾害的显著影响因子，但影响程度减弱，而1—3月和5—9月气象干旱对干旱灾害没有显著影响。

综上所述，5月降水、5月平均气温及1—3月、5—9月气象干旱站次数和与云南干旱灾害有显著的相关性，明显好于与年尺度的同类气候要素的相关性，是影响云南干旱灾害的关键期气候因子。但在干旱受灾率和成灾率明显减轻的2014年后，他们之间的对应关系相对减弱。

图6为1978—2022年云南主要农作物种植面积、有效灌溉面积比例及水库座数、水库容量。可以看出，农作物种植面积为增加趋势，增加速率为82.5 hm²·（10 a）^-1，1978—2022年平均值为547.4 hm²，1978—2013年为511.4 hm²，2014—2022年为691.6 hm²，较1978—2022年平均值偏多144.2 hm²，即2014年后云南农业干旱灾害成灾体的暴露度呈增加趋势。同样时段，云南有效灌溉面积比例呈增加趋势，1978—2022年平均值为24.8%，1978—2013年为24.2%，2014—2022年为27.2%，比1978—2022年平均值偏多2.4%，即2014年后有效灌溉面积较之前明显增加。1987—2022年云南水库座数和水库容量均呈增加趋势，2014年后增加明显。1987—2022年两者平均值分别为5 504座和283亿m³，1987—2013年分别为5 079座和104亿m³，2014—2022年分别为6 781座和821亿m³，较1987—2022年平均分别偏多1 277座和538亿m³，水库容量是1987—2022平均值的2倍多。

综上所述，2014年以来，在干旱灾害成灾体面积增加和气象干旱加重的背景下，云南农业干旱灾害的减轻在很大程度上得益于干旱灾害综合防御能力的提升，主要体现在因水库座数和容量增加，导致的有效灌溉面积扩大。这可能是因为2009—2012年云南发生了严重的4 a连旱，因旱灾直接经济损失高达396亿元人民币，为减少后续干旱灾害造成的损失，政府各级部门持续加大了对水利基础设施建设的投资。据统计，2010—2013年全省水利投资规模每年增加40%左右，4 a累积投资突破700亿元人民币，有效提高了云南省的干旱防灾减灾能力和水利基础保障水平（《云南减灾年鉴》编委会，2014—2015）。

选取降水、气温、气象干旱站次数及有效灌溉面积等因子，分别建立单因子和多因子与云南农业干旱受灾率和成灾率的拟合关系式，并计算拟合模型估算值与统计值的相关系数、标准误差和平均绝对误差（表5）。可以发现，单因子拟合模型的估算值与统计值的相关系数（标准误差和平均绝对误差）均小（大）于多因子拟合模型，年尺度因子拟合模型估算值与统计值的相关系数（标准误差和平均绝对误差）也小（大）于关键期多因子综合模型。因此，最终采用5月降水、5月平均气温、1—3月和5—9月气象干旱站次数、有效灌溉面积4个要素构建与云南农业干旱受灾率和成灾率的拟合模型，具体公式如下：

式中：I1和I2分别为干旱受灾率和成灾率，单位：%；P（单位：mm）和T（单位：℃）分别为5月降水量和5月平均气温；N为1—3月和5—9月中旱及以上气象干旱站次数；S为有效灌溉面积，单位：hm²。

图7为1978—2022年基于年和关键期多因子要素拟合模型估算的云南农业干旱受灾率和成灾率与统计值的年际变化。可以看到关键期多因子拟合的干旱受灾率和成灾率与统计值更接近，关键期多因子拟合模型估算的受灾率和成灾率与统计值的相关系数分别为0.69和0.61（表5），标准误差分别为6.51％和4.58％，平均绝对误差分别为4.69％和2.99％，而年尺度多因子拟合模型估算值与统计值的相关系数为0.53和0.48，标准误差分别为7.61％和5.06％，平均绝对误差分别为5.57％和3.38％，即关键期多因子拟合模型拟合效果较好。尤其在干旱灾害重的年份（2010、2005、1979、2019年），基于关键期气候因子拟合的干旱受灾率和成灾率比基于全年气候因子的拟合值更接近统计值。值得注意的是，两个模型对极端干旱的2005和2010年估算误差均大于其他年份，这可能与气象干旱的前期累积影响有关，2005年和2010年气象干旱分别从2004年和2009年的秋季开始发展并持续到当年（图略），而本文模型仅考虑了当年的气候因子，因此模型的估算值比统计值偏低。如何考虑前期气象干旱的累积影响，将在今后的研究中进一步分析。

综上所述，基于关键期多因子拟合的模型估算值与统计值有很好的对应关系，表明该模型对估算云南农业干旱灾害损失具有较好的效果。同时，任何一个单因子的拟合模型估算值与统计值的相关系数都低于多因子组合，年尺度多因子拟合模型估算值与统计值的相关系数也小于关键期多因子拟合模型。说明多因子拟合模型优于单因子拟合模型，且关键期因子拟合模型优于年尺度因子拟合模型。这与第2.3节的分析对应，进一步证明关键期气候因子比年尺度气候因子对干旱灾害的影响大。

本文基于云南降水、平均气温、气象综合干旱指数及农作物干旱灾害等数据，首先分析农业干旱灾害时空分布特征，然后研究影响农业干旱灾害的关键期气候因子，探讨农业干旱灾害变化的可能成因，最后构建基于关键期气候要素的拟合模型，得到以下主要结论。

1 ）1978—2022年云南农业干旱受灾率和成灾率总体呈减小趋势，但有明显的突变特征。45 a中有44 a发生了干旱灾害，在2004年和2013年分别发生了由少到多和由多到少的明显突变。空间分布特征显示，1996—2022年云南有11个州（市）干旱综合损失率呈减小趋势，5个州（市）呈增加趋势，大理、楚雄及保山的综合损失率最高，1996—2004年和2014—2022年云南干旱综合损失率低于多年平均值，其中2014—2022年干旱灾害最轻。2005—2013年云南有14个州（市）干旱综合损失率比1996—2022年平均值偏高2%~6%，是干旱灾害最严重的时段。

2 ）不同时段降水、气温及气象干旱对云南农业干旱灾害损失的影响不同，关键时段的降水和气温对干旱灾害受灾率和成灾率具有更显著的影响。云南5月降水、5月平均气温及1—3月和5—9月气象干旱对云南干旱灾害损失至关重要，他们对干旱灾害的影响明显大于年尺度的降水、平均气温及气象干旱。这与云南季风气候特点和农作物种植及生长季关键期有密切联系。

3 ）1978—2013年5月降水、5月平均气温及1—3月和5—9月气象干旱与云南农业干旱灾害的变化总体对应，但2014年后对应时段降水以偏少为主，气温总体偏高，气象干旱偏重，而云南农业干旱灾害却明显减轻，主要原因之一是政府大力投资水利建设，水库座数、容量及有效灌溉面积明显增加，从而干旱防灾减灾能力增强。

4 ）基于关键影响期多个气候因子构建的拟合模型估算值与统计值的相关系数通过α=0.001的显著性检验，说明模型对估算云南农业干旱灾害损失有很好效果。同时，农业干旱受灾率和成灾率与多因子拟合关系明显好于与单因子的关系，并且与关键期气候因子建立的拟合关系明显好于与年尺度气候因子的关系。因此，基于干旱灾害影响关键期的多因子和有效灌溉面积构建的评估模型，在云南农业干旱灾害评估或预估工作中，将是可供选择的可靠客观模型。

农业干旱灾害形成的原因比较复杂，旱灾损失主要与气候变化和防灾减灾能力有关，另外也可能与其他因素，如种植制度、结构变化、品种变化、甚至耕作方式等有关，需要在今后工作中通过对多源资料和作物模型的综合应用进一步分析。2014年后云南干旱灾害造成的农作物损失明显减少，由于数据原因，本文仅考虑了有效灌溉面积、水库座数及容量要素进行分析，结论不够全面，还需要更多的数据和方法进行支撑。