1963—2022年西北地区中西部干旱演变特征及植被响应研究

doi:10.11755/j.issn.1006-7639-2025-02-0163

1963—2022年西北地区中西部干旱演变特征及植被响应研究

苏天鑫^,¹, 孟宪红²^,³, 杨显玉^,¹, 安颖颖²^,³, 赵采玲⁴

1.成都信息工程大学大气科学学院/高原大气与环境四川省重点实验室，四川成都 610225

2.中国科学院西北生态环境资源研究院/冰冻圈科学与冻土工程重点实验室，甘肃兰州 730000

3.甘肃省黄河源区气候与环境野外科学观测研究站，甘肃兰州 730000

4.中国气象局兰州干旱气象研究所甘肃省干旱气候变化与减灾重点实验室/中国气象局干旱气候变化与减灾重点实验室，甘肃兰州 730020

Drought evolution characteristics and vegetation response in the midwestern region of northwest China from 1963 to 2022

SU Tianxin^,¹, MENG Xianhong²^,³, YANG Xianyu^,¹, AN Yingying²^,³, ZHAO Cailing⁴

1. College of Atmospheric Sciences， Chengdu University of Information Technology/ Sichuan Key Laboratory of Plateau Atmosphere and Environment， Chengdu 610225， China

2. Northwest Institute of Eco-Environment and Resources， Chinese Academy of Sciences / Key Laboratory of Cryosphere Science and Frozen Soil Engineering， Lanzhou 730000， China

3. Field Scientific Observatory for Climate and Environment in the Yellow River Source Region， Lanzhou 730000， China

4. Key Laboratory for Arid Climate Change and Disaster Reduction of Gansu Province， Lanzhou Institute of Arid Meteorology/ Key Laboratory for Arid Climate Change and Disaster Reduction of the China Meteorological Administration， Lanzhou 730020， China

通讯作者: 杨显玉（1982—），男，内蒙古赤峰人，副教授，主要从事陆面过程与气候变化研究。E-mail：xyang@cuit.edu.cn。

责任编辑: 邓祖琴；校对：黄小燕

收稿日期: 2024-11-28 修回日期: 2025-01-16

基金资助:

中国科学院B类先导专项(XDB0720200)
甘肃省科技领军人才项目(24RCKB009)
中国科学院“西部之光-西部交叉团队”项目(xbzg-zdsys-202215)
甘肃省科技计划项目(23JRRA654)
干旱气象科学研究基金项目(IAM201803)

Received: 2024-11-28 Revised: 2025-01-16

作者简介 About authors

苏天鑫（2001—），男，湖北襄阳人，硕士研究生，主要从事区域气候变化及其影响研究。E-mail：sutianxin2001@163.com。

摘要

系统研究干旱演变特征及植被对干旱的响应，对防旱减灾、水资源管理和策略制定具有重要意义。本研究以新疆、青海和甘肃三省为研究区域，基于1963—2022年CN05.1数据计算标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI），结合2003—2022年植被归一化指数NDVI，应用游程理论、Theil-Sen趋势检验、Mann-Kendall显著性检验、回归分析等方法，分析西北地区中西部不同时间尺度的干旱演变特征，并探讨干旱对植被的影响。结果表明，近60 a来，研究区在年代际和年际尺度上呈现干旱化趋势，1998年为干旱突变年；新疆东部和南部、柴达木盆地及河西走廊的干旱化趋势更为明显，干旱程度以轻旱和中旱为主，河西走廊中旱发生频率（大于15.00%）明显高于其他地区。干旱变化具有12 a、30 a和46 a的周期特征并具有明显的季节差异。春、夏、秋季西北地区中西部具有明显干旱化趋势，其中秋季SPEI减小速率为-0.034 a^-1，干旱化趋势最突出；尤其是河西走廊，春、夏、秋季SPEI减小速率均小于-0.030 a^-1，表明该地区连旱可能性较高，同时干旱历时、烈度峰值和平均干旱烈度均较高。塔里木盆地春秋季的干旱程度亦较为突出。干旱对植被变化具有一定的影响。与2003—2012年相比，2013—2022年NDVI退化面积增加约3.52%。近20 a来植被退化区域主要分布在新疆西部、青海东部和南部，NDVI与SPEI呈正相关。

关键词： 西北地区中西部; 干旱; 标准化降水蒸散指数; NDVI

Abstract

Systematically investigating drought evolution characteristics and vegetation responses to drought is crucial for drought prevention, disaster mitigation, water resource management, and policy formulation. Our study focuses on Xinjiang, Qinghai, and Gansu provinces in mid-western Northwest China. Using the CN05.1 dataset from 1963 to 2022 to calculate the standardized precipitation evapotranspiration index (SPEI), combined with the normalized difference vegetation index (NDVI) from 2003 to 2022, we applied run theory, Theil-Sen slope estimator, Mann-Kendall trend test, and regression analysis to analyze drought evolution across multiple temporal scales and explore drought impacts on vegetation. The results indicate that over the past 60 years, the study area exhibited a drying trend on decadal and interannual scales, with 1998 identified as a significant drought mutation year. Pronounced drying trends were observed in eastern and southern Xinjiang, the Qaidam Basin, and the Hexi Corridor, where light and moderate droughts were predominant. The Hexi Corridor experienced a significantly higher frequency of moderate droughts (greater than 15.00%) than other regions. Drought variability exhibited periodic characteristics of 12-year, 30-year, and 46-year cycles, with notable seasonal differences. In spring, summer, and autumn, the mid-western Northwest China showed significant drying trends, with the most rapid decline in autumn (SPEI rate: -0.034 yr⁻¹). The Hexi Corridor exhibited SPEI decline rates below -0.030 yr⁻¹ across all three seasons, indicating high risks of consecutive droughts, alongside prolonged duration, higher peak intensity, and mean drought intensity. The Tarim Basin also faced severe drought conditions in spring and autumn. Drought exerted measurable impacts on vegetation dynamics. Compared to 2003-2012, NDVI degradation areas increased by approximately 3.52% during 2013-2022. Over the past two decades, vegetation degradation was concentrated in western Xinjiang, eastern and southern Qinghai, where NDVI and SPEI were positively correlated.

Keywords： Mid-western Northwest; drought; standardized precipitation evapotranspiration index; NDVI

PDF (32484KB) 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

苏天鑫, 孟宪红, 杨显玉, 安颖颖, 赵采玲. 1963—2022年西北地区中西部干旱演变特征及植被响应研究[J]. 干旱气象, 2025, 43(2): 163-175 DOI:10.11755/j.issn.1006-7639-2025-02-0163

SU Tianxin, MENG Xianhong, YANG Xianyu, AN Yingying, ZHAO Cailing. Drought evolution characteristics and vegetation response in the midwestern region of northwest China from 1963 to 2022[J]. Arid Meteorology, 2025, 43(2): 163-175 DOI:10.11755/j.issn.1006-7639-2025-02-0163

0 引言

在全球变暖背景下，干旱频率和强度增加，已成为“缓慢发作、无声无息的杀手”。干旱指区域地表水分长期亏缺，导致的水文失衡现象，当持续时间足够长或强度足够大时，会引发干旱灾害（张强等，2011）。干旱可分为气象干旱、农业干旱、水文干旱和社会经济干旱，其中气象干旱是其他类型干旱发生的先决条件，通常由气候异常引起。干旱的重要性广受关注（Huang et al.，2017；王莺等，2022；赵鸿等，2023；张强等，2023；张强等，2024）。为量化和评估干旱，国内外提出了多种干旱指数，其中帕默尔干旱指数（Palmer Drought Severity Index，PDSI）、标准化降水指数（Standardized Precipitation Index，SPI）和标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index，SPEI）应用最广（Gocic and Trajkovic，2014；熊威，2017；Liu et al.，2018；赵惠珍等，2023；刘宇等，2023；张燕等，2024；Liu et al.，2024）。PDSI基于美国中西部观测数据，应用存在局限性（卫捷和马柱国，2003）；SPI未考虑气温变化，而西北地区“暖湿化”趋势导致蒸散发量通常高于降水量（柴荣繁等，2018），忽视气温可能影响干旱评估。相比之下，Vicente-Serrano等（2010）构建的SPEI同时考虑温度和降水，具备多时间尺度特性，能更准确描述全球变暖下的干旱特征。植被是环境干湿变化的重要指示器，影响碳循环、水循环及人类活动，而干旱限制植被生长。归一化植被指数（Normalized Difference Vegetation Index，NDVI）能有效表征植被对干旱的响应（郑有飞等，2007）。

中国西北地区位于欧亚大陆腹地（郭兵等，2018），气候干燥、水资源短缺、植被稀少，是全球生态环境脆弱区和气候变化响应敏感区（张强等，2021）。作为我国唯一横跨干旱-半干旱-高寒气候的过渡带，其气候生态响应具有空间异质性。西北地区中西部年降水量明显增加，而东部（甘肃东部、宁夏、陕西）降水减少（丁一汇等，2023）；西北地区升温速率达0.34 ℃·（10 a）^-1，高于全球和全国平均水平，气温升高导致蒸发增强，南疆潜在蒸散发变化速率为56.68 mm·（10 a）^-1，高于河西走廊[45.54 mm·（10 a）^-1]（陈亚宁等，2023）。这种区域差异使其成为研究全球变暖下“区域干湿变化-生态系统反馈”的理想区域。

西北地区中西部山区、盆地相间的地貌格局具有重要生态屏障作用。天山、昆仑山、阿尔金山和祁连山不仅是生态安全屏障，还为河川径流提供关键水源（陈亚宁等，2023）。祁连山冰川融水支撑河西走廊农业灌溉，新疆冰雪融水贡献塔里木河流域35%~50%径流。新疆北部植被退化与沙尘暴频率明显相关，干旱通过水资源影响生态和粮食安全。当前，冰川退缩、极端降水和干旱事件频发，正通过“蒸发需求增加-土壤水分亏缺-植被生理胁迫”的传导机制，放大生态与农业风险。因此，深入研究西北地区中西部干旱演变，对于解析“生态恢复力-农业适应性-政策干预有效性”机制，推动区域气候、生态、农业的协调发展，具有重要科学价值和战略意义。

干旱的形成和发展是水分亏缺累积过程，需结合时间尺度分析。月尺度干旱影响土壤湿度及雨养农业，季节尺度干旱影响河川径流与农业灌溉，年尺度干旱则与地下水、水库湖泊蓄水密切相关（赵林等，2011；王文举等，2012）。因此，干旱指数需与特定时间尺度匹配，以便监测和管理水资源。

尽管已有诸多西北地区干旱研究（王芝兰等，2015；梁丹等，2015；Yao et al.，2018；郭冬等，2022；周俊菊等，2022；高婧等，2024），但多基于单站数据，缺乏空间代表性，尤其在气象站点稀疏的中西部和高原地区。而真实干旱是时空连续过程，单站点数据难以全面反映干旱动态。本研究使用SPEI和NDVI，基于多时间尺度和时空连续性，系统分析西北地区中西部干旱，旨在为区域干旱防控、节水措施和政策制定提供科学依据。

1 资料与方法

1.1 研究区概况

研究区位于72°E—110°E、30°N—50°N，涵盖新疆、青海和甘肃3省区，地形复杂，包括盆地、高原和山地，海拔为-192~8 569 m（图1）。该区域深居内陆，湿润气流难以到达，降水稀少，是我国典型的干旱半干旱区。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区示意图

注:基于国家测绘地理信息局审图号为GS京(2022)1061号的标准地图制作，底图无修改，下同。

Fig.1 Schematic diagram of the study area

1.2 数据

1963—2022年逐月CN05.1数据，空间分辨率0.25°×0.25°。该数据基于2 400余个国家级气象站观测，通过薄盘样条函数法和角距权重方法进行插值和叠加处理（吴佳和高学杰，2013），数据经过严格质量控制（赵煜飞等，2014）；NDVI数据来源于生态环境部卫星环境应用中心（简称“卫星中心”）2000—2023年空间分辨率为250 m×250 m的月产品数据。

1.3 方法

1.3.1 SPEI计算及干旱等级划分

SPEI由降水与潜在蒸散发（Potential Evapotranspiration，PET）的差值构建，并采用水分盈亏的概率分布函数来描述干旱变化。SPEI计算分为三步：1）计算 $P - P E T$ 并添加偏移量1 000.0以保证gamma拟合的非负性，其中 $P E T$ 的计算参考Thornthwaite方法（Thornthwaite，1948）；2）根据gamma分布拟合不同时间尺度的累计 $D_{i}$ 量：

（1）

D_{i} = P_{i} - P E T_{i} + 1 000.0

式中： $P_{i}$ 、 $P E T_{i}$ 、 $D_{i}$ 分别为某月（i）的降水、潜在蒸散发、降水和潜在蒸散发的差值，单位均为mm；3）对各月累计概率密度函数进行标准化处理。详细计算过程见《气象干旱等级：GB/T20481—2017》（全国气候与气候变化标准化技术委员会，2017）。

不同时间尺度SPEI的第一个月对应的是当前月，对n个月尺度的SPEI，由当前月和向前延续n-1个月的 $D_{i}$ 累计之和计算。为表述方便，时间尺度为1个月、3个月和12个月的SPEI分别用SPEI₁、SPEI₃和SPEI₁₂表示。依据《气象干旱等级：GB/T20481—2017》（全国气候与气候变化标准化技术委员会，2017）将SPEI划分为5级（表1）。

表1 SPEI干旱指数等级划分

Tab.1 Drought classification criteria based on SPEI

等级	干旱类型	SPEI值
1	无旱	-0.5<SPEI
2	轻旱	-1.0<SPEI≤-0.5
3	中旱	-1.5<SPEI≤-1.0
4	重旱	-2.0<SPEI≤-1.5
5	特旱	SPEI≤-2.0

新窗口打开| 下载CSV

1.3.2 干旱发生频率

使用干旱发生频率作为研究区干旱变化特征的指标之一，单个格点干旱发生频率F计算公式（黄文君，2021）如下：

（2）

\begin{matrix} F = \frac{m}{M} \times 100 % \end{matrix}

式中： $M$ 为该格点时间序列总长度， $m$ 为该格点符合阈值（表1）的干旱月数。按照SPEI不同等级的干旱月数，可计算不同程度的干旱发生频率。

1.3.3 基于游程理论的干旱特征提取

游程理论是识别干旱事件的有效方法，可提取干旱历时、干旱烈度及烈度峰值等特征。本文干旱事件定义为SPEI<-0.5的过程，其中持续1个月的干旱事件视为小干旱事件，间隔1个月且间隔期的SPEI<-0.5干旱事件为从属干旱事件，二者的处理方法参考李明等（2017）的研究。干旱历时d指某次干旱持续的月数，干旱烈度S为干旱期间SPEI与-0.5之差的累计和，为方便计算，取相反数转为正值，即：

（3）

S = - \sum_{j = 1}^{d} (S P E I_{j} + 0.5)

单个格点平均干旱烈度 $S_{a v e}$ 、平均干旱历时 $D_{a v e}$ 和烈度峰值 $S_{m a x}$ 的计算公式如下：

（4）

S_{a v e} = \sum_{l = 1}^{N} S_{l} / N

（5）

D_{a v e} = \sum_{l = 1}^{N} d_{l} / N

（6）

S_{m a x} = \underset{1 \leq l \leq N}{m a x} S_{l}

式中：N是该格点处干旱发生的次数。

1.3.4 干旱趋势分析

Theil-Sen Median（Sen斜率估计）是一种稳健的非参数趋势计算方法，计算公式（滕怀颐，2021）如下：

（7）

β = M e d i a n (\frac{N D V I_{t} - N D V I_{s}}{t - s})

式中： $N D V I_{t}$ 和 $N D V I_{s}$ 分别为像元t、s时刻的NDVI值。当 $β > 0$ 时，NDVI呈上升趋势，反之则呈下降趋势。

Mann-Kendall是一种非参数检验方法，无需对假设数据进行分布检验，且不受极端值影响（魏凤英，2007），适用于长时间序列数据的趋势显著性检验。Z统计量用于衡量时间序列趋势的显著性，本文取95%的置信水平即当|Z|>1.96判断植被NDVI变化趋势显著。

1.3.5 适用性评价方法

为全面、客观评估SPEI指数在干旱监测中的适用性，并减少因个别案例导致的片面性，本研究综合多种权威资料，包括《中国气象灾害大典：综合卷》（温克刚和丁一汇，2008）、《中国气象灾害年鉴》（董文杰，2005；董文杰，2007；肖子牛，2009；宋连春，2016；宋连春，2018）、《中国水旱灾害防御公报》（中华人民共和国水利部，2005、2007、2009、2016、2018、2023）及中国天气网统计的1949—1990年旱情信息，筛选标准为至少两套及以上资料记载的干旱事件，最终确定24 次典型干旱事件，其中春旱8次、夏旱8次、秋旱4次、春夏秋连旱4次。

使用定量化适用性评分标准（王素萍等，2020）（表2），并以灾情信息为对照依据，对24次干旱事件进行SPEI监测效果评估（表3），SPEI指数监测准确率计算公式（王素萍等，2020）如下：

（8）

A (%) = \frac{Q}{3 \times q} \times 100

式中： $Q$ 为SPEI 指数各类干旱事件中的总得分； $q$ 为事件总数（表3）。

表2 干旱事件SPEI适用性评分标准

Tab.2 Drought event SPEI applicability rating criteria

监测结果	监测效果	评分
空检测或漏监测	差	0
程度和范围均有偏差	较差	1
程度和范围有1项符合	一般	2
程度和范围均符合	较好	3

新窗口打开| 下载CSV

表3 研究区干旱事件、监测效果评分和准确率

Tab.3 Drought events in study area、monitoring effectiveness rating and accuracy

干旱类型	年份	主要旱区	评分	准确率/%
春旱	1974	新疆大部、甘肃河东	2	62.50
	1977	新疆局部、青海大部	2
	1978	新疆大部、甘肃河东	2
	1981	甘肃大部	1
	1986	新疆大部、甘肃河西	1
	2000	新疆大部、甘肃大部、青海海东	3
	2004	新疆大部、甘肃河东	2
	2015	新疆大部、甘肃大部	2
夏旱	1972	甘肃河东、青海海东	2	79.17
	1978	新疆大部、甘肃河西	2
	1990	新疆大部、甘肃河东	2
	1991	西北大部	3
	1995	甘肃河东、青海大部	3
	1997	甘肃大部	2
	2006	西北大部	3
	2017	甘肃大部、青海东部	2
秋旱	1986	新疆大部	2	83.33
	1991	新疆北部、甘肃河东	3
	1998	甘肃河东	3
	1999	甘肃中东部	2
春夏秋连旱	1978	新疆大部	2	75.00
	1997	甘肃大部	2
	2008	新疆大部	3
	2022	甘肃大部	2
整体			53	73.61

注：粗体表示有重度以上旱情。

新窗口打开| 下载CSV

此外，使用复Morlet小波分析干旱的周期波动，使用回归方法分析干旱的趋势变化，使用皮尔逊相关系数计算SPEI和NDVI的相关性，使用Mann-Kendall突变检验得到干旱的突变特征。

2 研究区干旱时空演变特征分析

2.1 SPEI干旱指数适用性评估

从表3可知，SPEI对夏旱和秋旱监测准确率较高，分别为79.17%、83.33%，而春旱准确率为62.50%，整体准确率为73.61%，SPEI能较好反映西北地区中西部干旱状况。

图2显示，SPEI对春旱、夏旱、秋旱、春夏秋连旱4种类型干旱的范围及程度监测效果良好，与表3记录的实际干旱状况一致，较准确地刻画了干旱强度和位置，表明SPEI适用于西北地区中西部的干旱监测。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 西北地区中西部4次干旱事件SPEI空间分布

Fig.2 Spatial distribution of SPEI for four drought events in the midwestern region of northwest China

2.2 SPEI年代际和年际变化

基于年尺度SPEI₁₂绘制研究区不同年代际干旱的空间分布（图3）。1963—1972年，大部分地区SPEI>0；1973—1992年，SPEI为-0.5~1.0；1993年后，青海、新疆部分地区SPEI<-0.5，为轻度干旱；2003—2012年，研究区SPEI<-1.0的面积占比为2.29%，SPEI<-0.5的面积占比达99.30%，干旱加剧；2013—2022年，SPEI<-1.0的面积占53.86%，SPEI<-0.5的面积占99.72%，干旱程度进一步加重。图3表明，1993年后西北地区中西部干旱范围扩大、强度增强。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 西北地区中西部1963—2022年不同年代际SPEI空间分布

Fig.3 Spatial distribution of SPEI in different decades in the midwestern region of northwest China from 1963 to 2022

季节尺度SPEI₃和年尺度SPEI₁₂的年变化率k分别为-0.020 8、-0.039 3 a^-1，均达到95%的置信水平（P<0.05），干旱化趋势显著；SPEI₃、SPEI₁₂的突变年份分别为2000年、1998年（图4）。99.71%的地区达到95%的置信水平（图5），其中新疆东部和南部、柴达木盆地、河西走廊的SPEI₁₂倾向率小于-0.040 0 a^-1，干旱加剧趋势尤为突出。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 西北地区中西部1963—2022年SPEI年际变化及M-K检验

Fig.4 Interannual variation of SPEI and M-K test in the midwestern region of northwest China from 1963 to 2022

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 西北地区中西部1963—2022年SPEI年变化率的空间分布

（打点区域达到95%的置信水平）

Fig.5 Spatial distribution of the SPEI change rate in the midwestern region of northwest China from 1963 to 2022

（The dotted areas indicate significance at the 95% confidence level）

进一步分析干旱的周期性（图6）发现，SPEI存在5个周期性峰值，分别对应4 a、12 a、17 a、30 a和46 a的时间尺度。其中，46 a周期波动能量最强，对干旱演变影响最大；12 a、30 a为次级主周期，共同主导区域干旱变化。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 西北地区中西部1963—2022年基于SPEI的干旱周期小波分析（a）及对应的小波系数方差（b）

Fig.6 Wavelet analysis of drought cycles based on SPEI （a） and corresponding wavelet coefficient variance （b） in the midwestern region of northwest China from 1963 to 2022

西北地区中西部干旱发生频率为轻旱>中旱>重旱>特旱（图7），轻旱（频率为4.86%~25.14%）主要发生在青海省中部、新疆北部和南部；河西走廊发生中旱频率（>15.00%）远高于其他地区。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 西北地区中西部1963—2022年不同等级干旱发生频率（单位：%）的空间分布

Fig.7 Spatial distribution of drought occurrence frequency （Unit： %） at different severity levels in the midwestern region of northwest China from 1963 to 2022

2.3 SPEI季节变化

图8为西北地区中西部各季节SPEI₃的变化趋势。春季，83.49%的区域达到95%的置信水平，甘肃、塔里木盆地、柴达木盆地SPEI₃变化速率小于-0.02 a^-1；夏季，98.94%的区域达到95%的置信水平，新疆东部、河西走廊、柴达木盆地SPEI₃变化速率小于-0.03 a^-1；秋季干旱化趋势与夏季相似，河西走廊、柴达木盆地、新疆东部和南部的SPEI₃变化速率小于-0.03 a^-1。冬季，天山、祁连山区SPEI₃显著上升，显示冬季湿润化趋势，可能与升温导致的固态水融化有关。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 西北地区中西部1963—2022年SPEI季节变化趋势的空间分布（单位：a^-1）

（打点区域达到95%的置信水平）

Fig.8 Spatial distribution of seasonal SPEI trends in the midwestern region of northwest China from 1963 to 2022 (Unit: a^-1)

(The dotted areas indicate significance at the 95% confidence level)

基于游程理论评估各季节干旱频次、平均干旱历时、烈度峰值及平均干旱烈度（图9）。春季，南疆盆地、河西走廊干旱历时长、干旱烈度高、峰值大，春旱发生次数虽少但危害较大；夏季，新疆干旱程度较轻，河西走廊干旱频次少、历时长、烈度强，危害较大；秋季，河西走廊、塔克拉玛干沙漠干旱历时长、烈度强，危害较大。河西走廊春、夏、秋季干旱强度均较大，武威市烈度峰值高，这些地区的干旱影响尤为显著。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 西北地区中西部1963—2022年各季节干旱频次、平均干旱历时、烈度峰值和平均干旱烈度的空间分布

Fig.9 Spatial distribution of seasonal drought frequency， mean duration， peak intensity， and mean intensity in the midwestern region of northwest China from 1963 to 2022

图10为各季节干旱突变情况。春、夏、秋季SPEI₃均表现出显著干旱化趋势（P<0.05），突变年份分别为2004、1998、1997年；冬季SPEI₃湿润化趋势不显著（P>0.05，k=0.000 8 a^-1）。夏季和秋季的突变年份与年SPEI突变年份相近，而春季干旱突变年份相较年尺度SPEI稍有滞后。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 西北地区中西部1963—2022年SPEI季节变化及M-K检验

Fig.10 Seasonal variation of SPEI and M-K test in the midwestern region of northwest China from 1963 to 2022

3 NDVI对干旱的响应

图11为西北地区中西部2003—2022年NDVI年均值空间分布及不同阶段变化趋势。结合表4，NDVI高值区（≥0.4，占研究区总面积的24.92%）主要集中在甘肃省东部、新疆西北部、青海东部和南部，表明这些区域植被覆盖状况良好；而NDVI低值区（<0.1，占研究区总面积的41.06%）则集中分布在甘肃西北部、青海北部、新疆南部和东部。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 西北地区中西部2003—2022年NDVI年均值空间分布及不同阶段变化趋势

Fig.11 Spatial distribution of annual mean NDVI and its trend changes in different periods in the midwestern region of northwest China from 2003 to 2022

表4 西北地区中西部2003—2022年NDVI年均值统计

Tab.4 Annual average statistics of NDVI in the midwestern region of northwest China from 2003 to 2022

NDVI均值	像元个数	百分比/%
<0.1	18 928 780	41.06
~0.1<0.2	9 231 039	20.02
~0.2<0.3	3 847 051	8.35
~0.3<0.4	2 606 813	5.65
~0.4<0.95	11 484 042	24.92

新窗口打开| 下载CSV

基于Theil-Sen趋势检验和Mann-Kendall显著性检验，将NDVI变化趋势分为5个层级（表5）。NDVI改善区域占57.36%，与西北干旱区NDVI总体改善趋势一致（马有绚，2016；梅静，2023）；保持稳态区域占34.57%；退化区域占8.07%，其中显著退化区域占1.59%，主要分布在新疆西部、青海东部和南部。由表6可知，NDVI退化面积由2003—2012年的19.45%上升至2013—2022年的22.97%，退化面积增加3.52%。2003—2012年退化区域主要分布在柴达木盆地、新疆中部和北部；2013—2022年主要分布在甘肃西北部、新疆北部和塔克拉玛干沙漠，与前人研究（宋佳颖，2021）一致。

表5 西北地区中西部2003—2022年NDVI变化趋势统计

Tab.5 Statistics on the trend of NDVI in the midwestern region of northwest China from 2003 to 2022

$S_{N D V I}$ /a^-1	$\|Z\|$	NDVI趋势	像元个数	百分比/%
<-0.000 5	≤1.96	轻微退化	2 926 009	6.48
<-0.000 5	>1.96	显著退化	716 410	1.59
-0.000 5~0.000 5		稳定不变	15 602 273	34.57
>0.000 5	>1.96	明显改善	14 966 410	33.17
>0.000 5	≤1.96	轻微改善	10 915 416	24.19

新窗口打开| 下载CSV

表6 西北地区中西部2003—2012年和2013—2022年NDVI变化趋势统计

Tab.6 Statistics of NDVI trends in the midwestern region of northwest China from 2003 to 2012 and from 2013 to 2022

2003—2012年			2013—2022年
NDVI趋势	像元个数	百分比/%	NDVI趋势	像元个数	百分比/%
轻微退化	8 013 340	17.72	轻微退化	9 291 888	20.54
明显退化	782 646	1.73	明显退化	1 099 378	2.43
稳定不变	11 958 309	26.45	稳定不变	11 165 730	24.68
明显改善	6 001 385	13.27	明显改善	5 199 594	11.49
轻微改善	18 455 916	40.83	轻微改善	18 487 780	40.86

新窗口打开| 下载CSV

由图12可知，NDVI和SPEI显著正相关区域主要分布在新疆西部，显著负相关主要分布在新疆东部及河西走廊中西部。在整体干旱的趋势下，NDVI并非一致下降，在部分NDVI低值（<0.1）区，SPEI下降而NDVI增加，二者呈反向变化。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 西北地区中西部2003—2022年NDVI与SPEI相关系数的空间分布

（黑色区域达到95%置信水平）

Fig.12 Spatial distribution of the correlation coefficient between NDVI and SPEI in the midwestern region of northwest China from 2003 to 2022

（The black areas indicate significance at the 95% confidence level）

4 讨论

4.1 SPEI计算方法与适用性评估

潜在蒸散发表征大气蒸发需求，而实际蒸散发反映真实水分损失，二者存在差异。SPEI通过比较大气蒸发能力与降水量评估干旱，计算方法灵活。本研究基于西北地区长时序气象数据（风速、辐射等）缺失现状，采用Thornthwaite方法计算潜在蒸散发，该方法通过建立温度-潜在蒸散发经验关系实现SPEI计算。尽管未考虑风速、云量等局地气候因子影响，但该方法兼顾了水分收支的热力效应，已广泛应用于西北地区干旱研究（王芝兰等，2015；梁丹等，2015；Yao et al.，2018；郭冬等，2022）。

SPEI监测结果与历史干旱灾害记录交叉验证，表明其对西北地区中西部干旱分布及强度具有良好表征能力。未来研究将结合遥感辐射数据与再分析风速产品，采用Penman-Monteith等更精确算法，以提升干旱指数监测精度。

4.2 干旱演变特征及驱动机制

近60 a来，西北地区中西部干旱化趋势呈显著空间异质性（图4），新疆东部、南部及河西走廊SPEI倾向率低于-0.03 a^-1，与郭冬等（2022）研究结论一致。这一现象可能与区域水热再分配有关：西北“暖湿化”使青海东部、新疆北部和西部降水明显增加（丁一汇等，2023），但升温导致无效蒸发增强，在干旱敏感区（如河西走廊）引发“干得更干”负反馈。SPEI分析表明干旱周期主要为12 a、30 a和46 a，表明多尺度气候振荡协同驱动干旱变化，这种周期识别为区域干旱预测提供了关键时间尺度参数。

4.3 “暖湿化”对干旱和植被的双重影响

西北“暖湿化”对干旱与植被的影响复杂，气候变暖与降水增加整体促进植被恢复；但气候变暖加剧农田蒸发，降低水分利用效率，加速冰川和积雪融化，导致固体水资源储量锐减、地表径流稳定性降低（张强等，2023）；极端气候加剧，增加无效蒸发，地下水超采，导致干旱事件发生频率与强度同步上升。从降水空间分布来看，西北地区中西部大部分地区年降水量呈显著增加趋势，增幅大值中心位于青海东部、新疆北部和西部（丁一汇等，2023）。该降水变化格局与SPEI倾向率低值区及SPEI-NDVI正相关区高度一致，表明降水增加在一定程度上缓解了干旱并改善植被。

4.4 气候变化与人类活动的共同驱动

关于NDVI与SPEI的显著相关性可以从两个维度解释：一是自然驱动下的正相关主导区。新疆大部分地区以草原、草甸和荒漠植被为主，土壤水分保持能力弱，气温升高加速植被表面蒸发（姜萍等，2022；马楠等，2024），使得植被覆盖度（NDVI）与干旱指数（SPEI）呈现同向变化趋势。当SPEI降低（干旱加剧）时，水分限制直接抑制植被发育，导致NDVI同步下降，表现为正相关。二是人类活动驱动的负相关区。在新疆哈密及甘肃河西地区，集中分布有绿洲农业，人为因素主导了绿洲的面积显著扩张（高鹏文等，2020），绿洲的重心发生迁移（焦岩等，2024）。这种扩张和迁移多通过垦荒、灌溉、水利设施建设等人工干预实现，打破了干旱与植被水分供给的自然关联，即使SPEI指示区域干旱加重，在人为干预下，仍可维持甚至提升植被覆盖，导致NDVI增长与SPEI下降在统计上形成负向关联。综上，西北地区中西部植被与干旱的关系呈现“气候-人为”双驱动特征，且主导因素存在较大的空间异质性，未来研究可着重于识别绿洲扩张和迁移时区域水资源可持续性利用的阈值，为水资源管理提供更科学的依据。

4.5 植被类型的差异性

吴万民等（2023）指出，新疆准噶尔盆地以草地、草甸为主的生态系统呈现出NDVI退化趋势，这与本研究中识别的新疆地区NDVI退化区域一致。然而，由于本研究使用的NDVI数据未对植被类型进行细分，限制了对不同植被类型干旱响应差异的深入分析。研究区地形复杂、植被类型多样，不同植被类型对干旱的响应在时间尺度上存在明显差异，例如草地因根系浅、水分保持能力较弱，较林地对干旱更为敏感（孔冬冬等，2016）。因此，未来研究应进一步结合高分辨率植被分类数据，深入探讨不同植被类型对干旱的响应机制，以全面揭示干旱对区域生态系统的潜在影响。

5 结论

本文以西北地区中西部的新疆、青海、甘肃为研究区域，评估了SPEI在该地区的适用性，分析了1963—2022年干旱的时空演变特征，并探讨了植被变化及其对干旱的响应。得到以下主要结论。

1 ）SPEI能较好反映研究区干旱特征。1963—2022年，SPEI下降速率快（k<-0.040 0 a^-1）的区域主要在新疆东部和南部、河西走廊及柴达木盆地。SPEI具有12 a、30 a和46 a的周期变化特征。西北地区中西部轻度干旱和中度干旱的发生频率较高，其中河西走廊中旱发生频率（>15.00%）远高于其他地区。年尺度SPEI在1998年发生突变，由湿润转为干旱，并表现出明显的干旱化趋势。

2 ）春、夏、秋季SPEI均明显下降，其中秋季下降速率最快（-0.034 2 a^-1）；春、夏、秋季河西走廊干旱事件历时长、烈度强，造成的危害更大；夏季和秋季SPEI表征的干旱突变年份分别为1998、1997年，而春季为2004年。

3 ）2003—2022年NDVI退化区域主要分布在新疆西部、甘肃中部及青海东部，退化面积占8.07%；相比2003—2012年，2013—2022年NDVI退化面积增加3.52%。NDVI和SPEI显著正相关区域主要分布在新疆西部，显著负相关主要分布在新疆东部及甘肃西部，表明降水增加在一定程度上促进植被恢复，而干旱加剧区域的植被退化趋势更为明显。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

柴荣繁, 陈海山, 孙善磊,

2018.

基于SPEI的中国干湿变化趋势归因分析

[J]. 气象科学, 38(4):423-431.