气象干旱向农业干旱转化的过程中的时空动态特征及其影响因素

《Journal of Hydrology: Regional Studies》：Spatiotemporal dynamic characteristics and influencing factors of propagation time from meteorological drought to agricultural drought

本研究基于长江流域气象与农业干旱指数，采用滑动窗口和机器学习算法分析干旱传播时空动态及驱动因素，揭示温度和土壤水分记忆为主要影响因素，为精准抗旱管理提供依据。

　　本研究聚焦于长江流域（YRB）从气象干旱向农业干旱传播的时间动态及其主导因素。干旱作为一种广泛且严重的自然灾害，近年来由于气候变化和人类活动的双重影响，其频率和强度显著上升。干旱对粮食安全、水资源供应和生态环境构成了巨大威胁，因此，理解干旱传播机制对于干旱风险管理和应对策略制定至关重要。本文通过分析气象干旱与农业干旱之间的传播时间，揭示了其在时间和空间上的变化规律，并进一步探讨了这些变化背后的主导因素。

在长江流域，干旱的传播时间存在明显的空间和季节差异。研究发现，流域的西部地区表现出最显著的传播时间波动，而春季和冬季的传播时间对环境变化更为敏感。在网格尺度上，年均温度（Tem）是影响传播时间变化的主要因素。然而，不同区域和季节的影响因素有所不同。例如，年均降水量（Pre）是整个流域中影响传播时间空间变化的最重要因素，但在中下游地区，土壤水分与降水量之间的耦合关系（SM_Pre）以及土壤水分记忆（即土壤水分的持续性特征）则主导了传播时间的变化。从季节角度来看，春季的传播时间主要受Pre的影响，夏季和秋季则主要由SM_Pre决定，而冬季则主要受Tem影响。

为了评估传播时间的动态变化，本文采用了一种基于滑动窗口的动态分析方法。将气象和农业干旱指数的时间序列划分为31个子序列，每个子序列代表一个10年的滑动窗口，每年移动一次。通过计算不同降水累积周期下的SPI与ISMAPI之间的相关性，可以确定每个子序列对应的传播时间。此外，还引入了变异系数（Coefficient of Variation）来衡量传播时间的波动性。在网格尺度上，变异系数反映了整个研究期间传播时间的时序波动；在区域尺度上，它则捕捉了空间异质性。较高的变异系数意味着干旱传播时间在不同区域之间存在较大差异。

研究还发现，流域的西部地区在1981年至2020年间，传播时间的平均值较高，波动性也更强。这表明西部地区的干旱传播过程可能受到更为复杂的环境因素影响。例如，年均温度的变化可能对土壤水分的可获得性产生重要影响，而降水量的增加则可能迅速补充土壤水分的流失。此外，不同季节的传播时间变化也表现出显著的差异。春季和冬季的传播时间波动幅度较大，而夏季和秋季的波动相对较小。这可能与不同季节的气温和降水模式有关，例如，春季和冬季的气温较低，导致土壤水分的蒸发和流失速度较慢，从而延长了干旱传播时间；而在夏季和秋季，高温和充沛的降水可能加快了土壤水分的补充速度，从而缩短了传播时间。

为了识别影响传播时间变化的主要因素，研究采用了XGBoost算法。该算法是一种高效的梯度提升框架，能够通过构建一系列决策树来提高预测的准确性。研究选择了包括年均降水量、年均温度、年均潜在蒸发蒸腾量（Pet）、干旱指数（AI）、土壤水分记忆（SM_CC）、土壤水分与降水量的相关系数（SM_Pre）、土壤水分与温度的相关系数（SM_Tem）以及植被指数（NDVI）在内的八个潜在影响因素。通过XGBoost算法对这些因素进行相对重要性分析，可以识别出哪些因素对传播时间的变化具有更大的贡献。

结果显示，年均温度（Tem）在网格尺度上是影响传播时间变化的主导因素，其平均相对重要性达到0.22。而年均降水量（Pre）和土壤水分记忆（SM_CC）则紧随其后，平均相对重要性分别为0.15和0.15。相比之下，干旱指数（AI）对传播时间的影响最小，平均相对重要性仅为0.07。这表明，虽然降水量对干旱传播时间有重要影响，但温度变化在某些情况下可能成为更关键的因素。此外，NDVI在某些区域和季节中表现出较高的相对重要性，尤其是在研究的早期阶段，其对传播时间的影响显著增强。这说明植被状况的变化可能对干旱传播过程产生不可忽视的作用。

研究还发现，不同季节和区域的影响因素存在显著差异。例如，在春季，年均降水量（Pre）是影响传播时间空间变化的主导因素，其平均相对重要性达到0.42。而在夏季和秋季，土壤水分与降水量的相关系数（SM_Pre）成为主要影响因素，平均相对重要性分别为0.57和0.34。冬季则以年均温度（Tem）为主要影响因素，平均相对重要性为0.47。这些结果表明，干旱传播时间的变化不仅受到降水和温度的影响，还与土壤水分的持续性和植被状况密切相关。

此外，研究还分析了不同时间段内传播时间的动态变化趋势。例如，在1981年至1990年的基准期，传播时间的空间分布模式与后续时间段相比存在显著差异。通过计算不同时间段内传播时间与基准期的余弦相似度，可以进一步了解传播时间的变化趋势。研究发现，某些区域的传播时间与基准期的相似度较低，说明这些区域的干旱传播过程发生了显著变化。同时，变异系数的分析表明，传播时间的空间异质性在某些时间段内有所增强，尤其是在流域的中下游地区。

在探讨干旱传播时间变化的主导因素时，研究还发现，土壤水分记忆（SM_CC）在某些区域和季节中表现出更强的影响力。例如，在夏季和秋季，SM_Pre和SM_CC的相对重要性较高，表明这些因素在传播时间的变化中起着关键作用。而在冬季，Tem的影响更为显著，这可能与低温条件下土壤水分的蒸发和补充速度较慢有关。这些发现为干旱传播机制的研究提供了新的视角，同时也为干旱风险管理提供了科学依据。

总体而言，本文通过综合运用SPI和ISMAPI指数、滑动窗口相关分析以及XGBoost算法，系统地分析了长江流域干旱传播时间的动态变化及其主导因素。研究结果表明，传播时间的变化不仅受到气候因素的影响，还与土壤水分的持续性和植被状况密切相关。这些发现对于理解干旱的传播机制、制定更有效的干旱管理策略具有重要意义。未来的研究可以进一步探索这些方法在其他流域和干旱类型中的适用性，以评估其在不同环境条件下的鲁棒性和泛化能力。