1990中亚五国干旱状况时空变化特征及大气涛动驱动分析.docx
- 文档编号:10428265
- 上传时间:2023-02-11
- 格式:DOCX
- 页数:26
- 大小:5.06MB
1990中亚五国干旱状况时空变化特征及大气涛动驱动分析.docx
《1990中亚五国干旱状况时空变化特征及大气涛动驱动分析.docx》由会员分享,可在线阅读,更多相关《1990中亚五国干旱状况时空变化特征及大气涛动驱动分析.docx(26页珍藏版)》请在冰豆网上搜索。
1990中亚五国干旱状况时空变化特征及大气涛动驱动分析
DOI:
10.13930/ki.cjea.200927
彭宇,李发东,徐宁,RashidKulmatov,高克昌,王国勤,张永勇,乔云峰,李艳红,杨涵,郝帅,李琦,SayidjakhonKhasanov.1990—2019年中亚五国干旱状况时空变化特征及大气涛动驱动分析[J].中国生态农业学报(中英文),2021,29
(2):
312324
PENGY,LIFD,XUN,KULMATOVR,GAOKC,WANGGQ,ZHANGYY,QIAOYF,LIYH,YANGH,HAOS,LIQ,KHASANOVS.Spatial-temporalvariationsindroughtconditionsandtheirclimaticoscillationsinCentralAsiafrom1990to2019[J].ChineseJournalofEco-Agriculture,2021,29
(2):
312324
1990—2019年中亚五国干旱状况时空变化特征及
大气涛动驱动分析*
彭宇1,2,李发东1,2,3**,徐宁1,2,RashidKulmatov4,高克昌5,王国勤1,6,
张永勇7,乔云峰1,2,李艳红8,杨涵8,郝帅8,李琦1,3,
SayidjakhonKhasanov1,2
(1.中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室北京100101;2.中国科学院大学北京100049;3.石河子大学水利建筑工程学院石河子832000;4.乌兹别克斯坦国立大学塔什干100170;5.华南理工大学广州510006;6.联合国环境署-国际生态系统管理伙伴计划北京100101;7.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室北京100101;8.新疆师范大学乌鲁木齐830054)
摘要:
咸海的迅速萎缩导致中亚五国的干旱问题引起了科学界的特别关注。
为厘清中亚五国近30年来水分条件状况,探究影响其变化的气候驱动要素,本文使用帕默尔干旱指数(PDSI)对1990—2019年中亚五国干旱时空变化特征进行评估,并结合交叉小波变换揭示了大气涛动对其干旱状况的驱动影响。
结果表明:
中亚五国的干旱指数呈现周期性交替变化,年际变化率增大;夏秋旱、冬春湿的季节性干旱特征减弱,不同时间段的PDSI变异程度加剧,并表现出2018年后进入新一轮干期的可能。
干旱程度总体呈现自西南向东北逐渐减轻、自东南山区向中西部平原逐步加重的格局;1990—2019年干旱重心由西南内陆腹地向哈萨克斯坦中西部地区转移,帕米尔和西天山山脉干旱程度呈波动上升态势。
青藏高原指数(TPI)对PDSI变化表现出明显的驱动作用,在1990—2019年整个时间序列上均有较高的周期性强度,拥有1~3年(1995—2000年)、4~5年(2010—2015年)和8~10年(2015—2019年)3个明显年际尺度的震荡周期。
总之,1990—2019年中亚五国整体干旱状况趋好,干旱变异程度加剧,干旱空间分异明显,TPI在年际尺度上是驱动PDSI变化的大气涛动要素。
关键词:
帕默尔干旱指数(PDSI);中亚五国;干旱;驱动力;大气涛动;交叉小波分析
中图分类号:
X21;P95
Spatial-temporalvariationsindroughtconditionsandtheirclimaticoscillationsinCentralAsiafrom1990to2019*
PENGYu1,2,LIFadong1,2,3**,XUNing1,2,RashidKULMATOV4,GAOKechang5,WANGGuoqin1,6,ZHANGYongyong7,QIAOYunfeng1,2,LIYanhong8,YANGHan8,HAOShuai8,LIQi1,3,SayidjakhonKHASANOV1,2
(1.KeyLaboratoryofEcosystemNetworkObservationandModeling,InstitutionofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China;2.UniversityofChineseAcademyofSciences,Beijing100049,China;3.CollegeofWaterConservancyandArchitecturalEngineering,ShiheziUniversity,Shihezi832000,China;4.NationalUniversityofUzbekistan,Tashkent100170,Uzbekistan;5.SouthChinaUniversityofTechnology,Guangzhou510006,China;
6.UnitedNationsEnvironmentProgramme-InternationalEcosystemManagementPartnership(UNEP-IEMP),Beijing100101,China;7.KeyLaboratoryofWaterCycleandRelatedLandSurfaceProcesses,InstitutionofGeographicSciencesandNaturalResourcesResearch,ChineseAcademyofSciences,Beijing100101,China;8.XinjiangNormalUniversity,Urumqi830054,China)
Abstract:
TherapidshrinkingoftheAralSeahaspromptedthescientificcommunitytofocusonCentralAsiandrought.ToclarifythemoistureconditionsofCentralAsiaoverthepast30yearsandtoinvestigatetheclimatedriversofchange,inthisstudy,weusedthePalmerDroughtIndex(PDSI)toassessthespatialandtemporalcharacteristicsofdroughtinthefiveCentralAsiancountries(Kazakhstan,Uzbekistan,Turkmenistan,TajikistanandKyrgyzstan)from1990to2019.PDSIwascombinedwiththecross-wavelettransformationtorevealthedrivinginfluenceofclimateoscillationsondroughtconditions.Theresultsshowedthatthedroughtindicatorsdisplayedacyclicalalternationwithanincreasingvariability,aweakeningofthedrysummer/autumnandwetwinter/springseasonaldroughtcharacteristics,andthepossibilityofanewdryperiodafter2018.Thegeneraldroughtintensitygraduallydecreasedfromthesouthwesttothenortheastandprogressivelyincreasedfromthesoutheastmountainousareatothecentralandwesternplains.ThedroughtcentershiftedfromthesouthwesternhinterlandtothenorthwesternregionsofKazakhstan.ThePamirandWestTianshanMountainsshowedafluctuatingandincreasingdroughttrend.TheTibetanPlateauIndex(TPI)showedanapparentdrivingeffectonPDSIchanges,withhighcyclicalintensitythroughoutthe1990–2019period(1–3years[1995–2000],4–5years[2010–2015],8–10years[2010–2015],and8–10years[2016–2019])withthreedistinctinterannual-scaleoscillatorycycles.Overall,droughtconditionstendedtoimprove,withincreaseddroughtvariabilityandsignificantspatialvariability;theTPIistheatmosphericoscillatordrivingPDSIvariability.
Keywords:
PalmerDroughtIndex(PDSI);CentralAsia;Drought;Drivingforce;Climaticoscillations;Cross-waveletanalysis
干旱作为全球最严重的自然灾害之一[1],对水资源[2]、农业生产[3]、生态系统功能[4]以及环境可持续发展[5]具有深刻影响。
已有大量研究致力于表征和监测干旱状况,标准降水指数(SPI)[6]、帕尔默干旱指数(PDSI)[7]、以及标准降水蒸腾指数(SPEI)[8]等一系列干旱指数被建立,以满足各类型干旱表征的需要;Run理论[9]、经验正交函数(EOF)[10]、小波分析[11-12]、主成分分析(PCA)[13]和聚类分析[14]等用于评估频率和时空变化的分析方法被广泛应用于描述干旱特征。
这些参考指标和评估方法有效地揭示干旱在持续时间、严重程度和强度变化等方面的结构和特征[15],为缓解干旱提供了重要参考[16]。
中亚五国地区位于欧亚大陆腹地,包括乌兹别克斯坦、哈萨克斯坦、塔吉克斯坦、吉尔吉斯斯坦和土库曼斯坦[17]。
该区域内超过90%的土地为旱地,即联合国防治沙漠化公约定义的干旱、半干旱、半湿润的地区[18],且受到天山山脉以及帕米尔山脉的阻隔,太平洋及印度洋的水汽难以抵达,使之成为世界上最干旱的地区之一[19],尤其是咸海的迅速萎缩,使得其干旱问题引起了科学界的特别关注[15]。
在气候变化影响下,中亚面临的干旱问题更加凸显,区域整体气温逐年上升,且增长幅度远高于北半球平均水平[19],年均降水量下降[20],极端干旱事件发生频率不断增加[21]。
干旱导致土壤水分胁迫加剧,造成植物群落生产力的下降[22],易引发土壤盐碱化和沙尘暴等次生灾害[23];降水减少和潜在蒸散量增加的综合影响加剧了该地区夏季需水缺口,破坏了正常的水文循环[24],进而导致植被大面积退化[25]。
这种由干旱引起的植被和土地退化流失现象已在哈萨克斯坦和乌兹别克斯坦等多国出现[26]。
近年来,对于中亚地区干旱状况的研究主要聚焦于干旱所导致的降水、温度、径流、土地利用覆盖以及陆地生态系统的时空响应和气候变化情景下干旱状况模拟预测等方面,对于干旱状况的时空格局分析和干旱驱动因素的研究仍缺少全面的讨论[27]。
造成中亚地区干旱的最广为接受的解释是,温度增高导致的高蒸散量,进而引起土壤的干燥[28]。
Li等[27]对中亚1965—2014年间PDSI指数进行了多变量评估,验证了该指数对于气温上升和降水的响应关系。
为改进PDSI对于干旱评估的缺陷,Guo等[15]综合SPEI、SPEI3、SPEI5等指数对1966—2015年的中亚干旱区进行分区,探明了其干旱变化的周期性为16~64个月。
相关研究表明,使用简化的降水和蒸散值计算干旱指数对中亚干旱状况进行评估,结果通常显示出较大偏差[29]。
综合评估和定量解释干旱指标并对干旱背后的自然变量进行归因[30]等方面的研究尚待加强。
因此,本文通过识别1990—2019年中亚干旱状况的时空变化动态,利用交叉小波分析评估其周期变化特征,探究大规模气候模态与干旱变化之间的关系和驱动力机制,以期为中亚干旱区变化监测提供数据,为该地区应对气候变化,缓解干旱对农业生产的不利影响提供科学支撑。
1材料与方法
1.1研究区概况
研究区地处欧亚大陆腹地,区域范围包括哈萨克斯坦、吉尔吉斯斯坦、乌兹别克斯坦、塔吉克斯坦和土库曼斯坦5个中亚国家(图1),总面积近
4×106km2,其中超90%的土地为旱地[18]。
研究区属西风气候,具有典型的干旱/半干旱气候环境特征,大部分地区气候干旱、蒸发强烈,生态环境脆弱,自然资源富集,拥有完整的内陆生态系统[31]。
地势起伏较大,东南高西北低;东南部的帕米尔高原,海拔6000~7500m,是中亚地区的地理及水源高地[32];中北部有低山丘陵分布,涵盖耕地、林地、草地多种土地覆盖类型;西南部以平原盆地地形为主,平均海拔200~400m[33]。
降水时空分布不均,主要降雨集中在帕米尔和天山山区,垂直地带性明显,年平均降水量在300mm以下,平原地区普遍低于200 mm,东南山区降水量超过500mm[32]。
地表水空间分布极不均衡,锡尔河、阿姆河和乌拉尔河为主要河流,人均水资源量较低,在1500m3左右,灌溉区的水资源贫乏[34]。
图12019年中亚五国地区干旱指数和主要水系空间分布
Fig.1DroughtindexandspatialstreamdistributioninthefivecountriesofCentralAsiain2019
地图底图为天地图在线影像图,数据来源为自然资源部及NavInfo。
地图中国境边界数据来自公开发表的LSIB数据集,图中边界和名称以及使用的称号仅以说明为目的,不代表官方正式认可。
ThebasemapisanonlineimagefromTianDiTu,andthesourcedataisfromtheMinistryofNaturalResourcesofChinaandNavInfo.TheboundarydataforthemaparefromthepubliclyavailableLSIBdataset.Here,theboundaries,names,anddesignationsareforillustrativepurposesonlyanddonotrepresentanofficialendorsement.
1.2干旱指数
为探究中亚五国长期以来干旱情况的变化规律,使用PDSI对中亚干旱状况进行描述,其计算公式[7]如下:
(1)
(2)
式中:
PET表示气候适宜蒸散量,PR表示潜在补水,PRO表示潜在径流,P表示降水,L表示潜在失水。
分别为蒸散与潜在蒸散的比值(蒸散系数)、补水与潜在补水的比值(土壤水供给系数)、径流与潜在径流的比值(径流系数)和失水与潜在失水的比值(土壤水损失系数)。
水分异常系数(Z)为气候权重系数(Kj)与差值系数(d)的乘积,即各月的水分距平指数。
其中气候权重系数Kj受到月份和地理位置的影响,可由公式(3)表示。
(3)
式中:
为第i个月的水分距平d的绝对值的多年平均,
为1—12月的多年平均绝对水分异常。
第j月的气候权重修正系数
通过式(4)进行计算:
(4)
式中:
PET为该月平均潜在蒸散量,R为该月平均土壤实际水分供给量,Ro为该月平均实际径流量,
为该月平均实际降水量,L为该月实际土壤水分损失量。
计算PDSI指数的数据使用UniversityofIdaho开发的月均气候及气候水平衡高分辨率全球数据集(TerraClimate),该数据提供自1958年以来累计降水量、潜在蒸发量、实际蒸散量以及土壤含水量等一系列气象水平衡参数。
TerraClimate数据集通过水平衡模型,结合WorldClimate数据集,使用空间内插的方式,提供了全球尺度长时间序列的生态、水文相关数据,数据集显示了较高的空间真实性及较低整体平均误差。
干旱区面积变化受多个自然环境要素影响,不同要素对于干旱程度影响的时间、影响周期以及影响贡献各不相同。
因此,本文选取TerraClimate数据集中潜在蒸散、实际蒸散和累计降雨等参数,分别对其与干旱指数进行小波变换,以描绘中亚五国干旱状况在时空上的变化特征。
计算过程中以年为最小统计单位和空间范围内均值作为驱动参数的年际代表值。
由于所需计算数据覆盖面积大、时间跨度长,使用GoogleEarthEngine(GEE)平台对该数据集进行处理。
1.3气候模态
本文使用的气候模态数据主要来自中国气象局气候中心以及美国国家海洋和大气管理局。
研究表明,中亚气候状况主要受到极地和北大西洋涛动指数(AO/NAO)、西伯利亚高压指数(SHI)以及青藏高原指数(TPI)的影响[35],且厄尔尼诺-南方涛动(ENSO)也与中亚地区的干旱状况展现出较强相关性[36-37]。
因此本文选取了表1所示的气候指标进行中亚五国干旱状况对不同气候模态的响应分析。
美国国家海洋和大气管理局提供了多变量ENSO指数(MultivariateENSOIndex,MEI)数据,该数据为滑动双月平均的海平面气压、纬向地面风场、经向地面风场、海表面温度、表面气温和总云量的6变量经验正交函数分解第一模态的时间系数[38]。
北极涛动指数(ArcticOscillation,AO)和北大西洋涛动指数(NorthAtlanticOscillation,NAO)对北半球冬春季近地面气候要素具有显著影响[39],冬季AO通过影响西伯利亚高压和东亚大槽来改变冬季风,进而扰动对欧亚大陆中高纬地区地面气温并与之呈现显著正相关[40]。
AO为20°~90°N、0°~360°区域内,1000hPa高度异常场经验正交函数分析(EOF)所得的第一模态时间系数的标准化序列;NAO是20°~90°N、
表15类用于驱动力分析的大气涛动指数
Table1Fiveoscillatorindexesusedtoanalysisclimaticdriving
气候指标
Oscillatorindex
全称
Fullname
数据时间
Period
数据来源
Source
数据链接
Link
ENSO
厄尔尼诺现象南方涛动
ElNinosouthernoscillation
1990—2019
美国国家海洋和大气管理局NationalOceanicandAtmosphericAdministration(NOAA)
https:
//psl.noaa.gov/enso/mei/
NAO
北大西洋涛动指数
NorthAtlanticOscillation
1990—2019
美国国家海洋和大气管理局NationalOceanicandAtmosphericAdministration(NOAA)
http:
//www.cpc.ncep.noaa.gov/data/
teledoc/nao.shtml
AO
北极涛动指数
ArcticOscillation
1990—2019
美国国家海洋和大气管理局NationalOceanicandAtmosphericAdministration(NOAA)
http:
//www.cpc.ncep.noaa.gov/data/
teledoc/nao.shtml
TPIA/B
青藏高原指数A/B
TibetPlateauIndexA/B
1990—2019
中国气象局气候变化中心
ChinaMeteorologicalAdministration(CMA)
http:
//cmdp.ncc-
0°~360°区域内,标准化500hPa高度场经验正交函数分析(EOF)所得的第一模态的时间系数。
中国气象局国家气候中心提供了自1951年以来的青藏高原指数逐月监测数据,青藏高原指数A和青藏高原指数B分别为25°~35°N、80°~100°E和30°~40°N、75°~105°E两个区域内,500hPa高度场,格点位势高度与5000位势米(gpm)之差乘以格点面积的累积值。
TPI指数可以大致反映青藏高原上空500hPa低涡和高压的活动情况,TPIA/B指数的变化对青藏高原临近地区的天气系统或造成一定影响,进而对中亚地区干旱状况产生干扰[41]。
1.4连续小波分析
使用交叉小波变换的方法分析气候模态驱动力特征。
交叉小波分析将小波变换与交叉谱分析相结合,能有效地分析干旱指数和驱动要素两个时间序列之间的相关程度,并反映其在时频域上的位相结构和细部特征。
分别使用交叉小波凝聚谱(WTC)和交叉小波功率谱(XWT)对文中每个驱动力要素的驱动贡献及影响方式进行解析,WTC和XWT均采用Morlet小波计算内核,通过小波变换揭示干旱指数和驱动因素在不同时频域上相互作用的显著程度,时间序列x(t)和y(t)之间的XWT定义如下式所示:
(5)
式中:
a为尺度伸缩参数,τ为时间平移参数,
为序列x(t)的小波变换系数,
为序列y(t)小波变换系数的复共轭。
而WTC在x(t)和y(t)时序上的定义如式(6)所示:
(6)
式中:
S为平滑算子;
为x(t)和y(t)小波相关系数;
和
分别为x(t)和y(t)两个时间序列的连续小波变化,通过平滑后的系数反映x(t)和y(t
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 1990 中亚 干旱 状况 时空 变化 特征 大气 驱动 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)