0 引 言
干旱作为一种全球性气象灾害，影响范围广、破坏强度大，对人类社会的可持续发展构成严重威胁（Su et al.，2018；IPCC，2021；王莺等，2022）。中国因独特的地理位置，受干旱的影响尤为突出（赵鸿等，2023；Liu et al.，2024）。据中华人民共和国水利部（2024）数据显示，2023年干旱灾害造成全国2097.4万人次不同程度受灾，农作物受灾面积达380万hm2，直接经济损失超205亿元人民币。气候变暖背景下，水分循环进一步加速，降水的不确定性增加，使得干旱灾害风险不断增高（Zhang et al.，2019；Su et al.，2024）。精准评估干旱灾害风险，能够为干旱高风险区域提前部署抗旱措施提供科学依据，从而有效减轻干旱灾害的影响。因此，开展干旱灾害风险评估工作具有重要科学意义。
近年来，关于干旱灾害风险评估的研究不断出现，评估内容主要涵盖由气候变化相关事件引发的表征干旱严重程度的致灾因子危险性评估、反映区域环境受干旱影响的孕灾环境脆弱性或易损性评估、统计暴露于旱灾风险下承灾体数量的承灾体暴露性评估，以及整合多维度要素的灾害综合风险评估等（赵佳琪等，2021；高歌等，2023；贺洁等，2024）。评估方法主要包括：一是概率统计法，主要利用数理统计法对历史因旱受灾样本数据进行分析，预测旱灾风险，信息扩散理论是近几年常用的一种概率估算技术（Niu et al.，2019；梅茹玉等，2022；张玉翠等，2024）；二是指标体系的风险评估法，主要根据风险原理选取优化指标，结合层次分析法等确定权重，最终构建指标体系进行风险评估（李万志等，2021；杨王华等，2024；穆佳等，2024）；三是基于历史灾害损失分布曲线的风险评估，即基于灾害指数识别灾害事件，利用不同作物的灾害损失率曲线进行风险评估（孙可可等，2013；袁喆等，2023）。干旱灾害评估的作物种类繁多，涵盖了各主产区的玉米、水稻、冬小麦、大豆等主要粮食作物（李聪等，2020；乌日娜等，2022；金垚等，2022；梅茹玉等，2022；宋珂，2024；杨王华等，2024）以及主要经济林果等（王景红等，2013；王景红等，2014；肖楠舒等，2022；吴叔阳等，2024）。这些研究结果对指导区域抗旱减灾具有重要参考价值。
河北省位于中国渤海湾地区，是重要的苹果生产基地（王静，2023）。2022年河北省苹果种植面积达11.5万hm2，产量达到265.58万t，苹果是当地农业经济发展中非常重要的支柱产业（中华人民共和国国家统计局，2023）。然而，受降水时空分布不均影响，苹果生产过程常面临干旱灾害威胁。1981—2020年河北省苹果生长季极端干旱年均发生0.7~3.5次，其中幼果期（5—6月）和生长后期（8—9月）为高发阶段，灾害影响呈现“西北和中南部重于东北部”的区域特征（贾桂梅等，2024）。2014年7月，河北省持续高温干旱导致苹果大面积减产，部分果园因缺水出现果实异常脱落、日灼及膨大受阻等问题（索相敏等，2014）。目前，相关研究多聚焦于干旱灾害致灾因子分析（王景红等，2014；程雪等，2020；张玥滢，2020），但针对苹果干旱灾害形成的孕灾环境、承灾体特征及综合风险评估的系统性研究较少。因此，本文以水分盈亏率为干旱致灾因子，量化分析干旱致灾因子危险性；从高程、河流密度和植被覆盖度方面分析孕灾环境对旱灾发生的敏感性；基于苹果种植分布数据，评估承灾体的暴露性；最终构建干旱灾害风险指数，对苹果各生育期干旱灾害风险进行综合评价，以期为河北省苹果生产的抗旱减灾策略制定提供科学依据。
1 数据与方法
1.1 数据来源
河北省1980—2023年20个气象站逐日地面气象观测资料（图1），主要包括气温、日照时数、降水量、相对湿度和平均风速等，来源于中国气象科学数据共享服务网（http://data.cma.cn/）；空间分辨率为1 km×1 km的数字高程模型数据（Digital Elevation Model，DEM）来源于中国地区SRTM（Shuttle Radar Topography Mission）数据（http://srtm.csi.cgiar.org/）；空间分辨率为250 m×250 m的中国2018年月度归一化植被指数（Normalized Difference Vegetation Index，NDVI）、增强型植被指数（Enhanced Vegetation Index，EVI）数据集（徐新良，2018a）及基于DEM提取的中国流域、河网数据集（徐新良，2018b）均来自资源环境科学数据注册与出版系统（http://www.resdc.cn）。
图1
图1
河北省气象站点及高程分布
Fig.1
The distribution of meteorological stations and digital elevation model in Hebei Province
2010—2015年苹果种植数据来自于河北省果业局；耕地面积等基础数据取自《河北省农村统计年鉴2011》（河北省统计局，2012）；历年灾害数据主要参考《中国气象灾害年鉴》（中国气象局，2004—2012）、《中国气象灾害大典：河北卷》（臧建升和温克刚，2008）。苹果生育期划分参考邱美娟等（2021）研究结论，具体为：萌芽—幼果期（3—5月）、果实膨大期（6—8月）、着色成熟期（9—10月）和全生育期（3—10月）。
1.2 方法
1.2.1 基于Anusplin（Australian National University + Spline）的气象要素空间插值
1.2.2 水分盈亏率的计算
利用苹果某一生育阶段的需水量和降水量，构建用于表征水分盈亏程度的水分盈亏率指标。该指标通过综合自然降水供给与农作物水分需求的动态关系，能够有效反映水分平衡状况（郭守生等，2024）。在不考虑灌溉情况下，具体计算公式如下：
1.2.3 干旱灾害指标确定及等级划分
采用百分位数法（余锐等，2023）通过±1个百分位不断迭代运算，对苹果各生育期的水分盈亏率进行干旱等级划分。划分过程中，结合《中国气象灾害年鉴（2004—2012年）》（中国气象局，2004—2012）中关于苹果干旱灾害的历史记录进行调整，最终将萌芽—幼果期第55、45、35和20百分位数对应的水分盈亏率值，其他生育期第40、30、20和10百分位数对应的水分盈亏率值，分别作为轻旱、中旱、重旱和特旱的临界值。表1列出基于水分盈亏率的苹果干旱等级划分标准。此外，基于信息扩散理论（王莺等，2016）计算各生育期干旱发生概率。
表1 基于水分盈亏率的干旱等级划分
Tab.1
| 干旱等级 | 萌芽—幼果期 | 果实膨大期 | 着色—成熟期 | 全生育期 |
|---|---|---|---|---|
| 无旱 | WPLR≥-0.45 | WPLR≥-0.18 | WPLR≥-0.47 | WPLR≥-0.29 |
| 轻旱 | -0.56≤WPLR<-0.45 | -0.32≤WPLR<-0.18 | -0.58≤WPLR<-0.47 | -0.40≤WPLR<-0.29 |
| 中旱 | -0.66≤WPLR<-0.56 | -0.48≤WPLR<-0.32 | -0.70≤WPLR<-0.58 | -0.51≤WPLR<-0.40 |
| 重旱 | -0.78≤WPLR<-0.66 | -0.73≤WPLR<-0.48 | -0.85≤WPLR<-0.70 | -0.74≤WPLR<-0.51 |
| 特旱 | WPLR<-0.78 | WPLR<-0.73 | WPLR<-0.85 | WPLR<-0.74 |
1.2.4 风险模型建立
依据自然灾害风险理论构建苹果各生育期干旱灾害风险指数模型，具体公式如下：
式中：DRI为苹果各生育期干旱灾害风险指数，指数越大，表示干旱灾害风险越高；DH、DS和DV分别为干旱灾害致灾因子危险性指数、孕灾环境敏感性指数和承灾体暴露性指数的归一化值，归一化处理采用邱美娟等（2021）在文献中提及的方法；WH、WS和WV为各项指数的权重，采用专家打分法分别赋值0.5、0.3和0.2。
苹果全生育期的干旱灾害风险指数为：
式中：DRIg、DRI1、DRI2、DRI3分别为苹果全生育期、萌芽—幼果期、果实膨大期和着色—成熟期的干旱灾害风险指数。采用ArcGIS中的自然断点分级法将全生育期干旱灾害风险指数划分为高、中、低3个等级。
1）致灾因子危险性指数
危险性指数的大小通过不同等级干旱灾害的发生概率与对应等级干旱灾害划分组中值的乘积之和来表示（邱美娟等，2018），具体公式如下：
式中：DH为危险性指数，DH越大，表示危险性越高；Pi为第i组出现的概率；Di为第i组中值。
2）孕灾环境敏感性指数
孕灾环境敏感性是指遭受灾害侵袭的区域外部环境对灾害的敏感程度。孕灾环境敏感性程度越高，灾害的风险也越大。孕灾环境敏感性主要从地形、区域水系和植被3个影响因素考虑。高程越高、高程标准差越大（坡度越陡），不容易蓄积足够的水分，越易于形成旱灾（隋刚等，2010）。河流、支流多且密集，水资源丰富，河网密度越高，对于缓解旱情越有利，干旱发生的概率就越小。归一化植被指数（NDVI）反映了植被的覆盖度情况，NDVI越大，植被覆盖度越大，蓄水能力强，受干旱灾害的影响越小，干旱风险低。因此，前人利用高程和高程标准差的不同组合值、河网密度值、NDVI值分别反映地形、水系和植被的影响（邹海平等，2015）。本文也采用这项指标，具体公式如下：
式中：DS为苹果各生育期干旱灾害孕灾环境敏感性指数，DS值越大，表示敏感性越低，灾害风险越小；ELE、RIV和VEG分别为高程及高程标准差的组合值（表2）、河网密度值和NDVI值等归一化后的值；We、Wr和Wg为各项的影响权重，采用专家打分法分别赋值0.5、0.3和0.2。
表2 高程与高程标准差的不同组合值
Tab.2
| 高程/m | 高程标准差 | ||
|---|---|---|---|
| 1级（≤1 m） | 2级（>1~<10 m） | 3级（≥10 m） | |
| 1级（≤100） | 0.9 | 0.8 | 0.7 |
| 2级（>100~300） | 0.8 | 0.7 | 0.6 |
| 3级（>300~700） | 0.7 | 0.6 | 0.5 |
| 4级（>700） | 0.6 | 0.5 | 0.4 |
3 ）承灾体暴露性指数
承灾体暴露性是指苹果受致灾因子不利影响的范围、数量或价值量，其与种植分布情况密切相关。通常而言，作物的种植比例越高，暴露性越高，面临的风险也越大。因此，选取苹果种植面积占耕地面积的百分比作为苹果暴露性指数，具体公式如下：
式中：DV为苹果干旱灾害暴露性指数，DV值越大，表示暴露性越高；PA为苹果种植面积，单位：hm2；CA为耕地面积，单位：hm2。
2 结果与分析
2.1 干旱灾害评价指标及等级的验证
参照《中国气象灾害年鉴》（中国气象局，2004—2012）中记载的研究区2004—2012年作物因旱受灾的情况，选有明显干旱或明确记录无旱的地区，检验苹果干旱灾害发生情况及干旱发生等级的差异程度。河北省内共14个灾害样本，其中基于水分盈亏率的干旱发生情况与历史灾情记录完全一致的有12个，占85.7%，差1个级别的有1个，占7.1%，总体准确率达92.9%（表3），说明WPLR可以较合理的评估河北省苹果干旱风险。
表3 河北省苹果干旱发生情况与实际情况差异程度验证
Tab.3
| 地点 | 年份 | 时段 | 灾情描述 | WPLR等级 | 差异程度 | 地点 | 年份 | 时段 | 灾情描述 | WPLR等级 | 差异程度 |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 唐山 | 2004 | I | 中旱 | 无旱 | 2 | 承德 | 2004 | I | 重旱 | 重旱 | 0 |
| 沧州 | 2004 | I | 无旱 | 无旱 | 0 | 秦皇岛 | 2004 | I | 中旱 | 中旱 | 0 |
| 衡水 | 2004 | I | 无旱 | 无旱 | 0 | 廊坊 | 2004 | I | 中旱 | 中旱 | 0 |
| 邯郸 | 2004 | I | 无旱 | 轻旱 | 1 | 保定 | 2004 | I | 中旱 | 中旱 | 0 |
| 石家庄 | 2004 | I | 重旱 | 重旱 | 0 | 张家口 | 2007 | II | 重旱 | 重旱 | 0 |
| 邢台 | 2004 | I | 重旱 | 重旱 | 0 | 张家口 | 2010 | II | 重旱 | 重旱 | 0 |
| 张家口 | 2004 | I | 重旱 | 重旱 | 0 | 张家口 | 2012 | II | 较重 | 重旱 | 0 |
注：I代表萌芽—幼果期，II代表果实膨大期，0代表完全一致，1代表差1个级别，2代表差2个级别以上。
2.2 干旱灾害致灾因子危险性评估
从近44 a来河北省苹果关键生育期干旱发生概率空间分布（图2）看，萌芽—幼果期最高，大部分地区在60%以上；果实膨大期和着色—成熟期大部分地区干旱发生概率为20%~60%，西北部局部地区超过60%。
图2
图2
1980—2023年河北省苹果不同生育期干旱发生概率分布（单位：%）
Fig.2
The total probability distribution of drought occurrence in different growth stages of apple in Hebei Province from 1980 to 2023 （Unit： %）
从不同等级干旱发生概率（图3）看，萌芽—幼果期以重旱和特旱为主，大部分地区重旱发生概率为20%~40%；一半以上的地区特旱发生概率为20%~40%，主要分布在研究区西北部和中南部区域；而轻旱和中旱的发生概率小于20%。果实膨大期以轻旱和中旱为主，大部分地区发生概率为10%~30%，东部较轻；一半以上地区重旱发生概率小于10%，其他地区基本为10%~30%；特旱发生概率几乎均在10%以下。着色—成熟期各等级干旱发生概率均普遍低于20%，特旱发生概率普遍不足10%。
图3
图3
1980—2023年河北省苹果不同生育期不同等级干旱发生概率空间分布（单位：%）
Fig.3
Probability distribution of different drought grades in different growth stages of apple in Hebei Province from 1980 to 2023 （Unit： %）
由河北省苹果各生育期干旱灾害致灾因子危险性指数空间分布（图4）可以看出，各生育期致灾因子危险性指数基本表现为：萌芽—幼果期>着色—成熟期>果实膨大期，即萌芽—幼果期致灾因子危险性最高，果实膨大期最低。萌芽—幼果期致灾因子危险性指数大部分地区在0.700以上，西北部和东南部在0.770以上；果实膨大期普遍低于0.700，西北部相对较高，为0.600~0.700，其余地区均小于0.600；着色—成熟期在西北局部和东南局部相对较高，在0.700以上，在东部局部地区低于0.600，其余大部分地区为0.600~0.700。
图4
图4
1980—2023年河北省苹果各生育期干旱灾害致灾因子危险性指数空间分布
Fig.4
Spatial distribution of risk index of drought disaster causing factors in different growth stages of apple in Hebei Province from 1980 to 2023
2.3 孕灾环境敏感性评估
图5为河北省苹果不同生育期干旱灾害孕灾环境敏感性指数空间分布。可以看出，各生育期孕灾环境敏感性的空间分布情况相似，由东南向西北敏感性指数逐渐减小，即敏感性逐渐增大。敏感性较高的地区主要分布在西北部、西部局部；东部和东南部地区敏感性相对较低。
图5
图5
1980—2023年河北省苹果不同生育期干旱灾害孕灾环境敏感性指数空间分布
Fig.5
Spatial distribution of environmental sensitivity index of drought disaster in different growth stages of apple in Hebei Province from 1980 to 2023
2.4 承灾体暴露性评估
河北省东北部的承德、青龙和南部邯郸的苹果种植面积比例较高，为50.0%~80.5%，承灾体暴露性也最高；西南部的邢台、中部的涿鹿和怀来、东部宽城的种植面积比例为30.0%~50.0%；辛集、平泉、遵化、阜宁、承德、三河、赤城、深泽、兴隆种植面积比例为10.0%~30.0%；围场、威县、玉田、乐亭、枣强、冀州、武邑、阳原、永清、宣化、邢台、盐山、饶阳、安平、海兴、馆陶、平山、临城、井陉、滦平、赞皇、迁西种植面积比例为5.0%~10.0%；其余各县市苹果种植面积比例均在5.0%以下，承灾体暴露性相对较低（图6）。
图6
图6
1980—2023年河北省苹果干旱灾害承灾体暴露性指数空间分布（单位：%）
Fig.6
Spatial distribution of exposure index of apple drought disaster bearing bodies in Hebei Province from 1980 to 2023 （Unit： %）
2.5 干旱灾害风险评估
2.5.1 各生育期干旱灾害风险评估
图7为河北省苹果关键生育期干旱灾害风险指数空间分布。可以看出，苹果萌芽—幼果期干旱灾害风险指数大于0.700的地区占总面积的95.2%，其中大于0.800的地区主要分布在东北部局部、西北部和南部局部地区，约占总面积的20.8%；小于等于0.700的地区主要分布在南部局部和东部局部，仅占4.8%。果实膨大期干旱灾害风险指数大于0.700的地区约占总面积的36.4%，其中大于0.800的地区主要分布在西北部，占总面积的8.7%；中部和东北局部地区风险指数为0.701~0.800，占27.7%；东南部和东北部地区风险指数为0.601~0.700，占56.8%；东部局部地区风险指数小于0.600。着色—成熟期干旱灾害风险指数大于0.700的地区约占总面的85.3%，大于0.800、0.701~0.800和0.601~0.700的地区分别占总面积的8.5%、76.8%和14.7%，大于0.800的地区主要分布在西北部，0.601~0.700的地区主要分布在西南局部和东部地区。
图7
图7
河北省苹果不同生育期干旱灾害风险指数空间分布
Fig.7
Spatial distribution of apple drought disaster risk index in different growth stages in Hebei Province
2.5.2 全生育期干旱灾害风险评估
图8为河北省苹果全生育期干旱灾害风险区划。可以看出，干旱灾害风险的高值区、中值区和低值区分别占总面积的14.2%、27.2%、58.6%，总体上干旱灾害风险由东南向西北逐渐升高。其中，风险高值区主要分布在河北省的西北部、南部局部和东北部局部地区，主要原因是：西北部属太行山区，地形崎岖，土层浅薄，蓄水能力差；南部局部为华北平原边缘，降水年际波动大，蒸发强烈；东北部局部靠近渤海湾，土壤盐渍化加重干旱影响。风险中值区主要分布在中部和北部地区，位于燕山山麓至平原过渡带，地形起伏较小，土壤保水性优于高值区，但局部岗地仍易旱。风险低值区主要分布在东南部和东部地区，地处华北平原腹地，地势平坦，河流流经，地表水补给较充足。对于灾害风险的中、高值区可以配套智能墒情监测站，建设雨水蓄积工程或蓄水池应对关键期缺水，开发基于气象指数的农业干旱保险产品以降低农户损失；对于灾害风险低值区可以布设土壤水分遥感反演站点，建立“空天地”一体化旱情监测网络，实时监测旱情动态。
图8
图8
河北省苹果全生育期干旱灾害风险区划
Fig.8
Division of drought disaster risk in the whole growth period of apple in Hebei Province
3 讨论与结论
3.1 讨论
本研究基于Anusplin软件和DEM数据对气象数据插值，以水分盈亏率为干旱指标，分析了1980—2023年河北省苹果关键生育期干旱灾害发生致灾因子的危险性；从高程、河流密度和植被覆盖度方面分析孕灾环境对干旱灾害发生的敏感性；从苹果本身的种植分布情况分析承灾体的暴露性；对各项因子进行组合，构建干旱灾害风险指数，进而对苹果全生育期干旱灾害风险进行综合评估。研究充分考虑了苹果种植面积、气象、地形、水资源条件及植被覆盖情况等，揭示了河北省苹果关键生育期干旱风险情况，对当地苹果生产的抗旱工作有重要的参考借鉴价值。
关于苹果的干旱指标及等级划分尚没有统一的标准。本文以水分盈亏率作为干旱指标，根据实际受旱情况结合百分位数法定义干旱等级划分标准，通过历史灾情资料验证表明所采用的干旱指标能够合理评估苹果干旱情况。研究显示河北苹果在萌芽—幼果期面临极高干旱风险，干旱发生概率超过60%，且多为重旱和特旱级别；果实膨大期恰逢华北雨季，降水集中，干旱概率明显降低。这与贾桂梅等（2024）研究发现河北苹果生长季极端干旱主要发生在初始生长期与后期的结论基本一致。主要是因为苹果萌芽—幼果期华北地区雨季尚未到来，降水难以满足苹果生长需求，而着色—成熟期西太平洋副热带高压南撤，雨季逐渐结束，干旱风险回升。空间分布来看，河北省西北部在各关键生育期及全生育期均为干旱灾害高风险区，东部和东南部因靠近渤海，水汽充沛，降水较多，且高程低、地形起伏小，利于水分蓄积，干旱风险相对较低，这同样与贾桂梅等（2024）研究结论相符。因此，针对旱灾高风险区域，可采用秸秆覆盖、地膜覆盖等措施增加果树对水分的利用，并整修改造水利设施，建立科学的果园灌溉制度。
本研究在构建风险模型时，权重系数的确定采取专家打分法，不可避免存在一定主观影响。另外，因资料不足没有考虑防灾减灾能力。部分区域尽管苹果种植规模较大、干旱危险性高且敏感性强，但倘若当地及时采取有效抗旱减灾措施，实际对苹果生产的影响可能明显降低。这些问题都是今后需要解决完善的方向。
3.2 结论
1）河北省苹果萌芽—幼果期为干旱高发阶段，干旱发生概率普遍超过60%，且以重旱和特旱为主；果实膨大期干旱风险明显降低，重旱和特旱发生概率分别低于20%和10%。
2）苹果各生育期致灾因子危险性由高到低依次为：萌芽—幼果期>着色—成熟期>果实膨大期，其中西北部在各生育期均为危险指数高值区；各生育期孕灾环境敏感性的空间分布呈现由东南向西北逐渐增大趋势，高值区主要在河北北部及西部局部地区；承灾体暴露性在东部部分地区和南部局部地区相对较高。
3）苹果萌芽—幼果期、果实膨大期、着色—成熟期分别有95.2%、36.4%和85.3%的区域干旱灾害风险指数大于0.700，其中风险指数大于0.800的区域分别占20.8%、8.7%、8.5%；各生育期灾害风险空间分布略有差异，但西北部始终为灾害风险高值区；苹果全生育期干旱灾害风险的高值区、中值区和低值区分别占总面积的14.2%、27.2%、58.6%，整体呈现由东南向西北灾害风险逐渐升高的空间分布特征。
参考文献
气候变化背景下青海省春小麦水分盈亏率时空分布特征
[J].
本研究旨在科学评价青海省春小麦种植区农业气候变化情况，并合理利用降水资源。采用线性倾向估计、突变检验、空间插值等方法，分析了1991—2021年青海省春小麦生育期气候要素变化趋势及水分盈亏率时空变化特征，并用通径法分析各气象要素与春小麦水分盈亏率的关系。结果表明：青海省春小麦生长期间，气温、≥0℃积温、降水量分别以0.3℃/10 a、50.7℃/10 a、23.6 mm/10 a的速率极显著上升，日照时数以66.6 h/10 a的速率极显著下降，各生育阶段变化趋势显著性不同；全生育期、茎叶生长期、孕穗开花期、灌浆成熟期水分盈亏率每年分别以0.864、1.020、0.464、1.771的百分率增加，孕穗开花阶段增加不显著，全生育期水分盈亏率于2011年发生突变；从地区分布结果来看，水分盈亏率由东向西逐渐减小，河湟谷地水分亏缺较少，青海湖盆地次之，柴达木盆地水分亏缺严重；降水量对水分盈亏率产生显著的正效应，日照、风速、最低气温对水分盈亏率产生显著负效应。研究表明，青海省春小麦种植区气候呈现暖湿化趋势，并且春小麦水分亏缺问题严重，但亏缺程度有所减缓。该研究有助于掌握青海春小麦种植区的气候变化规律，并提高应对干旱灾害风险的能力。
河北省苹果生长季极端干旱时空特征
[J].本研究深入探讨了河北省苹果种植面临的极端干旱情况，旨在通过分析其时空变化趋势和特征，为河北省苹果产区科学灌溉提供理论依据，进而促进地方特色农业的发展和水资源的有效利用。研究基于河北省142个地面气象站的资料，运用地表湿润指数和小波分析方法，对1981—2020年间近40 a苹果生长季极端干旱时空特征进行了综合研究。结果表明：（1）时间变化上，近40 a来，河北省苹果生长季极端干旱发生频数年均0.7~3.5次。苹果生长季内各生长期极端干旱发生次数从高到低依次为：初始生长期（萌芽—开花期）、生长后期、果实着色期、幼果期、果实膨大期。年代际间，1980s最高，2000s最低，2010s呈现回升的趋势。（2）空间分布上，苹果生长季干旱发生总次数呈现东北部少、西北和中南部多的特征，年内各物候期，极端干旱发生次数南部地区高于北部地区，但果实膨大期、生长后期极端干旱发生次数高值区集中在冀西北地区。全省范围极端干旱的变化周期为4~8、7~11、16~20 a。极端干旱频数在苹果幼果期、生长后期于2010s呈现回升趋势，生产上应引起关注和重视。
吉林省玉米干旱风险对产量的影响分析
[J].气候增暖背景下，干旱对吉林省玉米生产影响最大，准确评估玉米干旱风险，能够为保障吉林玉米生产安全提供科学参考。基于吉林省1961—2020年逐日气象数据、玉米发育期和产量资料，构建干旱风险指数，分析其空间分布特征，探讨其与相对气象产量的响应关系。结果表明：吉林省玉米各发育阶段干旱风险指数由西北向东南递减，播种至出苗期干旱风险最高，乳熟至成熟期干旱风险最低。干旱风险指数与相对气象产量呈负相关关系，且在抽雄至乳熟期相关系数绝对值最大。吉林西部最大综合干旱风险指数普遍在2.5以上，能够造成7成玉米减产；吉林中部最大综合干旱风险指数在2.0左右，灾损率可达5成。在吉林省西部和中部，抽雄至乳熟期干旱风险指数、综合干旱风险指数与相对气象产量均呈开口向下的抛物线关系。当综合干旱风险指数较小（0.0~2.0）时，相对气象产量正负值不确定性较大。当综合干旱风险指数较大（2.0~4.0）时，相对气象产量呈明显下降趋势，玉米灾损率明显增大。
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。
基于信息扩散理论的中国南方水旱灾害风险特征
[J].水旱灾害是影响中国南方地区农业生产的主要自然灾害。收集1997—2012年中国南方所辖5省1市的农业灾情数据，建立基于水旱灾害受（成）灾面积的受（成）灾指数。以灾害学理论为基础，基于信息扩散理论的风险评估模型获得中国南方地区不同等级农业水旱灾害风险发生概率。结果表明：（1）贵州和云南的旱灾成灾率高，重庆和广西的水灾成灾率高，说明这些地区的农业对干旱和洪涝的适应性和恢复力差，容易成灾；（2）农业水（旱）灾受灾等级普遍高于成灾等级。随着农业水（旱）灾受灾风险等级的增加，成灾风险等级可能并未随之增加，说明良好的防灾减灾能力可以有效地降低农业水（旱）灾成灾率。研究区北部的水灾风险防范难度大于南部，西南的旱灾风险防范难度大于华南，农业旱灾较之水灾的发生风险等级高、成灾率高，受灾面积和成灾面积广；（3）从空间分布来看，水灾主要发生在四川和重庆地区，旱灾主要发生在西南地区，其中重庆的成灾率较高。
2022年江西省极端干旱对柑橘种植经济损失的遥感评估
[J].2022年江西省发生极端干旱灾害，对柑橘生长及产量造成了十分严重的影响。利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义。采用2022年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区；在此基础上，利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期（6~10月）的归一化差值植被指数（NDVI）和地表温度（LST），用以联合反演温度-植被干旱指数（TVDI）；再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据，定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失。研究结果表明：①2021年和2022年6月~10月江西省柑橘种植区TVDI平均值分别为0.83和0.62，2022年干旱胁迫明显加重；②2022年6月~10月江西省柑橘种植区重度干旱占66.1%，中度干旱占33.7%，且干旱空间分布具有赣北大于赣南的空间格局；③2022年7月初~11月初，江西省柑橘种植区TVDI长时间维持在0.8以上，表现为重度干旱，此时段与柑橘关键生育期重合，对柑橘果实生长影响巨大；④2022年江西省柑橘产量平均减产率达到58.2%，柑橘种植的经济损失呈现由北向南增加的趋势，赣南、赣中以及赣北的直接经济损失依次为49.64亿元、45.17亿元、19.84亿元。研究结果有助于政府部门快速摸清江西省果农受灾情况，并为后续柑橘种植的抗旱救灾、减损保产提供一定的决策依据。
中国月度NDVI、 EVI 250 m数据集
湖北省区域性高温、干旱及其复合事件变化特征及危险性评估
[J].为评估气候变化对农业的潜在影响并科学地制定应对策略，本文基于1994—2023年湖北省76个国家级气象观测站逐日气温、降水等资料，根据区域性高温天气过程等级划分标准及干旱过程监测评估方法，识别和分析了湖北省区域性高温、干旱事件及其复合事件的变化特征和农业致灾危险性。结果表明，湖北省区域性高温事件平均每年发生4.3次，总体呈增加趋势，其中61.2%的特强和强高温事件集中在7—8月；区域性干旱事件平均每年发生1.5次，2010年前呈减少趋势，之后转为增加，冬春季的发生频次略高于夏秋季；区域性高温干旱复合事件多发生在6—8月，2010年后发生频次明显增加。区域性高温和干旱事件的强度及其农业致灾危险性的空间分布基本相似，高温事件的高强度和高危险区主要位于湖北省东部，而低值区位于西南部；干旱事件则以中部偏东区域为高值区，并向周围递减；高温干旱复合事件的致灾危险性从东部向西部递减。区域性高温、干旱及其复合事件分布最广的危险等级区域分别为高危险区、中危险区和极高危险区，其面积分别占湖北省总面积的37.6%、53.8%、46.6%。在全球气候变暖和极端天气事件频发的背景下，湖北省东部区域性极端高温、干旱及其复合事件的发生概率及致灾危险性预计将会增加。
干旱灾害对粮食安全的影响及其应对技术研究进展与展望
[J].干旱是当今世界出现频率最高、持续时间最长、危害范围最广的重大气象灾害，对全球农业、生态、社会发展和国民经济等影响巨大而广泛。农业旱灾是影响农业生产的重要因素，农业生产关乎着国家粮食安全。我国是一个农业大国，同时也是一个旱灾频发的国家，深入了解农业干旱灾害的成因、影响特征、旱灾强度、严重程度以及作物致灾的生理过程和机理等是提升农业干旱灾害监测预测预警水平、减轻和防御灾害损失、提高国家粮食安全生产需要解决的重要科学问题。本文综合回顾了国内外不同程度的农业干旱及其对粮食生产影响的最新研究进展，从农作物形态、生理、细胞和分子水平等方面探究了干旱影响特征及机制，围绕粮食生产如何有效应对农业干旱问题，评述了当前农业干旱监测的主要指标、方法、预警系统等，针对农业可持续发展和干旱新特征，讨论了当前防旱减灾和农业干旱应对的现状，强调了适应与减缓并举的一系列干旱应对措施，在此基础上结合国家、区域和行业发展需求提出了今后应着重加强的重要科学问题、研究对策及学科发展展望。
Crop evapotranspiration: Guidelines for computing crop water requirements
[M].
Yield response to water
[Z].
Climate Change 2021:The Physical Science Basis: Working Group I Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change
[M].
Extreme meteorological drought events over China(1951-2022):Migration patterns, diversity of temperature extremes, and decadal variations
[J].
Analysis of agricultural drought risk based on information distribution and diffusion methods in the main grain production areas of China
[J].
Drought losses in China might double between the 1.5 ℃ and 2.0 ℃ warming
[J].
Global drought changes and attribution under carbon neutrality scenario
[J].
Characteristics of drought in Southern China under climatic warming, the risk, and countermeasures for prevention and control
[J].
