Improved identification and monitoring of meteorological, agricultural,
and hydrological droughts using the modified nonstationary drought
indices in the Yellow River Basin of China
1-摘要
水文气象序列中的非平稳性使干旱监测和评估复杂化。我们的研究旨在更好地识别和监测中国黄河流域 （YRB） 的气象、农业和水文干旱。我们基于位置、规模和形状的广义加性模型 （GAMLSS） 构建了非平稳标准化降水指数 （NSPI）、非平稳标准化降水蒸散指数 （NSPEI）、非平稳标准化土壤水分指数 （NSSMI） 和非平稳标准化径流指数 （NSRI）。我们还通过将 NSPI/NSPEI/NSSMI/NSRI 与历史上的干旱事件进行比较，调查了它们的性能。我们的结果表明：（1） 概率分布函数 （PDF） 、平滑函数 （SF） 和自由度 （DF） 显着影响了 GAMLSS 模型的拟合效果。PDF 成为决定拟合精度的最关键因素，而 SF 和 DF 在防止过度拟合和准确描述数据变化方面发挥着关键作用。（2） 平稳 GAMLSS 模型主要适用于较低尺度（1 个月和 3 个月尺度）的时间序列，而非平稳模型则表现出更好的适用于较高尺度（6 个月和 12 个月尺度）的时间序列。（3） NSPI 和 NSPEI 在识别气象干旱方面表现出更高的敏感性，NSPEI 在确定干旱强度和持续时间方面表现出更高的精度。然而，与 SSMI 相比，虽然 NSSMI 与历史上的农业干旱事件更紧密地保持一致，但它对轻度和中度干旱的反应有限。（4） NSRI 表明 YRB 支流的水文干旱受气象干旱的显著影响，水文干旱的强度强于YRB干流。综上所述，非平稳干旱指数可以更好地识别气候变化期间的干旱事件，为气候变化环境中的干旱管理提供有价值的信息。
2-图表
我们精心构建了最佳 GAMLSS 模型来开发非平稳干旱指数 （NSPI、NSPEI、NSSMI 和 NSRI），对 YRB 中的各种干旱类型进行了细致的评估。在这个过程中，概率分布函数 （PDF）、平滑函数 （SF） 和自由度 （DF） 的选择至关重要。我们发现 GAMLSS 模型的拟合效果在很大程度上取决于 PDF，其中 SF 和 DF 也起着重要作用。最佳 PDF 的选择揭示了不同时间尺度的空间变化，降水 （P）、水分亏缺 （D）、土壤水分 （SM） 和径流 （R） 等参数分布不同。SFs 和 DFs 的选择是基于它们防止过拟合的能力，并准确反映不同时间尺度的数据离散和趋势变化。
在模型性能方面，我们的研究表明，与平稳指数相比，非平稳干旱指数对干旱事件的评估更加精确和可靠。在评估民和站等特定地点的历史干旱事件时，这一点尤为明显。NSPEI 、 NSSMI 和 NSRI 等非平稳指数在检测干旱事件和强度方面表现出卓越的能力，与历史记录密切相关。他们有效地识别了干旱持续时间和强度的变化，从而提供了对干旱动态的更全面理解。
GAMLSS 模型与这些非平稳指数的整合显着增强了干旱评估的稳健性和适用性。通过适应水文气象时间序列中固有的非平稳性，这些指数可以更准确地表示 YRB 的极端潮湿和干燥条件。我们的研究强调了在干旱分析中考虑非平稳因素的重要性，为更明智的水资源管理和缓解策略铺平了道路，以应对气候变异和变化的复杂性。
