作者简介｜PROFILE
PROFILE
第一作者：金浩宇，河海大学长江保护与绿色发展研究院讲师，本硕毕业于河海大学，本科水务工程专业，硕士水文学及水资源专业，博士毕业于中山大学，水利工程专业，KU Leuven博士联合培养。
主要研究方向：极端天气气候事件；旱涝灾害防治；机器学习等；欢迎相关方向展开合作研究
联系方式：jinhaoyupp@163.com
引文链接｜CITATION
Jin H, Zhang K, Zhang P, et al (2025) Spatiotemporal evolution of drought status and its driving factors attribution in China. Sci Total Environ 958:178131. https://doi.org/https://doi.org/10.1016/j.scitotenv.2024.178131
关键词｜KEYWORDS
干旱; 偏相关分析; 趋势贡献分解; 主成分分析; 地理探测器
摘要｜ABSTRACT
受全球变暖影响，干旱事件发生频率增加，强度和持续时间增加。每年因干旱造成的经济损失约占中国GDP的0.5%~1%，严重干旱年份损失甚至更高。中国半干旱与半湿润地区的分界线不断南移，干旱地区面积不断增加。华北、西北东部、东北地区呈现干旱化趋势，易发生干旱，形成由东北向西南的干旱化趋势带。1995年以来，干旱给中国造成的直接经济损失逐年增加，位居各类自然灾害之首。因此，研究中国干旱状况的基本特征，可以为制定应对全球气候变化影响的措施提供理论依据，对于认识中国干旱变化趋势、有利于区域生态环境保护具有重要意义。本研究利用1984—2016年中国地区长期序列的SPEI指数、降水、气温、土壤湿度、地表太阳辐射、相对湿度以及归一化植被指数（NDVI）数据集，以全面了解中国气象干旱状况的变化及不同影响因素对气象干旱状况变化的影响。
图1. 1984 年至 2016 年 SPEI 的最大值和最小值以及相应年份，
以及各年份的百分比
提取1984—2016年及其对应年份的年SPEI最大值和最小值，可知SPEI值较高的地区主要在华南和青藏高原，SPEI值较低的地区主要在华北和新疆（图1）。中国大部分地区的SPEI最大值出现在2000年之前，占比超过70%；SPEI值较低的地区主要在华南、新疆和东北地区，华东地区的最小值相对较大。除青藏高原外，中国大部分地区的SPEI最小值出现在2000年以后，占比超过75%。这表明近年来中国大部分地区的干旱状况有所加重。
图2. SPEI与不同影响因素间偏相关系数（PACC）最大绝对值、
对应影响因素、各影响因素所占比例及PACC显著性检验结果
本研究进一步提取不同影响因子与SPEI的最大绝对值PACC及对应的影响因子分布，统计不同影响因子所占比例及对应的p值分布（图2）。PACC的最大绝对值在华南、华北、西南、东北地区为正值，在西北地区大部分地区、四川部分地区及青藏高原为负值。降水与SPEI之间的PACC在华南地区最大，气温与SPEI之间的PACC在西北地区最大。但青藏高原和东北地区SPEI的最大影响因子更为复杂，不同区域受的影响因素不同。在中国，45.7%的区域SPEI与降水之间的PACC最大，30.8%的区域SPEI与温度之间的PACC最大，10.7%的区域SPEI与土壤湿度之间的PACC最大，6%的区域SPEI与相对湿度之间的PACC最大，4.5%的区域SPEI与NDVI之间的PACC最大，只有2.3%的区域SPEI与地表太阳辐射之间的PACC最大。当PACC绝对值最大时，对应的p值均小于0.05，说明中国所有区域都呈显著相关。
图3. 不同影响变量对PCA1方差的贡献率及其平均值
本研究进一步分析了各变量对PCA1的贡献（图3）。SPEI主要在西北地区、四川和河北地区对PCA1有贡献。降水对中国大部分地区（除塔里木盆地外）PCA1的贡献较大。温度主要在塔里木盆地、陕西和西藏西北部地区对PCA1有贡献。土壤湿度主要在华南、华北和东北地区对PCA1有贡献。相对湿度对中国大部分地区（除塔里木盆地和青海部分地区外）PCA1的贡献较大。NDVI仅在内蒙古西部、新疆东部和西藏西部部分地区对PCA1有贡献。从平均贡献率来看，降水的贡献最大，为19.7%；其次是相对湿度，为19.2%；NDVI最小，为6.0%。
总结： 近年来中国干旱现象加剧，亟待明确不同区域干旱演变特征及其影响因素。本研究通过多种方法从多方面初步探索了中国不同区域干旱的影响因素及其作用强度。
数据链接｜DATA LINKS
全球SPEI数据库（SPEIbase）可以提供全球尺度上长期可靠的干旱信息，空间分辨率为0.5°，时间分辨率为月（https://digital.csic.es/），可以提供1~48个月的SPEI时间尺度。降水和气温数据由国家地球系统科学数据中心（NESSDC）提供，空间分辨率为1 km，时间分辨率为月（https://www.geodata.cn/main/）。土壤湿度数据来自科学数据库（SDB），空间分辨率为0.25°×0.25°，时间分辨率为月（https://www.scidb.cn/en）。地表太阳辐射和相对湿度数据集来自中国陆面观测均匀格网数据集，空间分辨率为0.1°×0.1°，时间分辨率为月（http://poles.tpdc.ac.cn/）；NDVI数据来自中国8 km分辨率月度NDVI数据集（https://www.geodata.cn/main/#/）。
相关推荐｜RECOMMENDATIONS
[1] Jiang P, Liu H, Piao S, et al (2019) Enhanced growth after extreme wetness compensates for post-drought carbon loss in dry forests. Nat Commun 10:195. https://doi.org/10.1038/s41467-018-08229-z
[2] Li X, Piao S, Wang K, et al (2020) Temporal trade-off between gymnosperm resistance and resilience increases forest sensitivity to extreme drought. Nat Ecol Evol 4:1075–1083. https://doi.org/10.1038/s41559-020-1217-3
[3] Wang W, Du Q, Yang H, et al (2024) Drought patterns and multiple teleconnection factors driving forces in China during 1960–2018. J Hydrol 631:130821. https://doi.org/https://doi.org/10.1016/j.jhydrol.2024.130821
[4] Zhao W, Wu J, Du E, et al (2024) Deciphering the influence of climate change and human activities on the drought propagation. J Hydrol Reg Stud 51:101654. https://doi.org/https://doi.org/10.1016/j.ejrh.2024.101654
撰稿: 金浩宇 | 编辑: 杨帆 | 校稿: Hydro90编委团
