淮河流域干旱时空演变特征及成因

基于淮河流域149气象站点1962—2016年标准化降水蒸散发指数、16个气候因子和NCEP/NCAR再分析资料,通过小波分析和旋转经验正交函数等手段,分析淮河流域干旱重心的转移轨迹,研究气象干旱与气候因子的相关关系,并通过大气环流的异常特征揭示气象干旱的主要成因。结果表明:(1)干旱重心分布主要从淮河流域中心向四周扩散,淮河流域大范围区域呈干旱化态势。2013年干旱重心从西北部→中部→西南部→中部变化,随着干旱面积的增大,干旱重心由四周向中心移动。(2)PDO、ONI、Nino4、Nino3.4、MEI、BEST与SPEI均呈显著正相关关系,SOI、TNI与SPEI则呈显著负相关关系。(3)干旱周期主要集中在1970年代、1990年代和2000年代存在2—5年显著周期,气候因子在3.4—4.5年存在显著周期。(4)春季高纬度地区的气流南下,与印度洋、孟加拉湾北上气流导致南湿北干;夏季蒙古气旋偏弱与异常偏北风覆盖导致东干西湿;秋季大陆高压控制,偏北风和南风相互影响造成东干西湿;冬季盛行下沉气流与盛行东南风造成东湿西干的气候特征。

2000—2018年青藏高原旱灾风险动态评估

全球变暖气候变化背景下,干旱给农业生产带来严重威胁。青藏高原作为气候变化的“感应器”和“敏感区”,对青藏高原进行农业旱灾风险研究,有利于青藏高原抗旱规划和提高抵御旱灾的能力。基于区域灾害系统理论构建了青藏高原农业旱灾风险评估模型,分析了青藏高原农业旱灾危险性、暴露性、脆弱性和旱灾风险的时空演变特征,并对青藏高原县市农业旱灾风险等级进行了区划。结果表明:①青藏高原农业旱灾危险性由东南向西北呈现“高—低—高”分布,东南部区域危险性呈现增加趋势,7—9月青藏高原东部及东南部冬小麦与冬青稞遭遇旱灾的风险较高,4—8月青藏高原北部区域牧草遭遇旱灾风险较高;②藏高原农业旱灾暴露性区域性差异较小,东部和西北部暴露性呈现增加趋势,中部和西部暴露性呈现下降趋势;③青藏高原98.79%的县市脆弱性减小趋势通过置信度为99%的显著性检验;④青藏高原东南部和北部区域农业旱灾风险较高且呈现增加趋势。

基于机器学习算法的安徽省农业旱灾风险动态评估

基于安徽省及周边139个气象站点1960-2016年气象数据和2002-2017年的统计年鉴数据,通过机器学习算法随机森林、聚类分析方法构建安徽省农业旱灾风险评估模型,从致灾因子的危险性和孕灾环境与承灾体的脆弱性角度,动态评估安徽省农业旱灾风险时空演变规律并揭示其主要影响因素。研究结果表明:(1)旱灾危险性在不同年代的空间分布变化较大。在2000 s期间,安徽省南部北部出现干湿反转,南部危险性超过北部。在农作物关键生长期(3-8月份),4月和7-8月的危险性高值区域超过全省1/2面积。2001-2016年安徽省旱灾危险性由南向北递减,北部区域危险性变化(2.86)大于南部区域(0.55),南部区域危险性存在减小趋势,北部存在增大趋势。(2)脆弱性指标中复种指数、人均水资源量、农村居民纯收入、人均GDP、人均粮食产量、森林覆盖率这6个指标权重最高,占整个指标权重一半以上(57.6%)。加权评分得到2001-2016年安徽省农业旱灾脆弱性,其均值由南向北递增,各个区域脆弱性存在下降趋势,南部区域下降趋势更大,而北部区域下降趋势不显著。(3)2001-2016年安徽省农业旱灾综合风险均值达到中等级(0.208~0.339),旱灾综合风险均值由西南向东北呈现“高(0.367)-低(0.084)-高(0.281)”分布,变异系数大(0.64~2.86)。安徽省南部区域农业旱灾综合风险存在减小趋势,而北部区域作为重要粮食主产区,其农业旱灾综合风险存在上升趋势。(4)各市受灾面积与绝收面积在时间上具有同步性,且旱灾受灾率与脆弱性均值空间分布一致,旱灾绝收率与危险性均值空间分布一致。安徽省农业旱灾综合风险和旱灾受灾率、绝收率通过了99%的显著性检验,表明构建的安徽省旱灾综合风险评估体系具有合理性。