作为我国土壤湿度指标的常用干旱指数外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

作为我国土壤湿度指标的常用干旱指数

HONGSHUO WANG

中国农业大学地理信息工程系，北京，中国和俄亥俄州立大学地理系，俄亥俄州哥伦布市

JEFFREYC. ROGERS AND DARLA K.MUNROE

俄亥俄州立大学地理系，俄亥俄州哥伦布市

摘要

土壤水分短缺对农业造成的不利影响与气象干旱显着相关。由于用于监测农业干旱的土壤水分观测数据有限，使用干旱指数来表征土壤湿度具有重要意义。常用的干旱指数与土壤含水量之间的关系在这里使用中国地面天气数据和计算的基于站点的干旱指数来检查。在中国东北部以外，表层土壤含水量受时间尺度较短的干旱指数影响较大，而深层土壤含水量与较长时间尺度的干旱指数上较为相关。多尺度干旱指数的效果要好于双层桶模型的干旱指数。标准化降水蒸散指数(SPEI)能比标准化降水指数(SPI)相似或更好地表征不同土壤层土壤水分的特征。在中国的大多数站点，Z指数与0-5cm土壤含水量的相关性高于帕尔默干旱指数(PDSI)，而帕尔默干旱干旱指数(PDSI)与90-100cm深度土壤含水量的相关性高于Z指数。土壤容重和土壤有机碳密度是影响土壤水分和干旱指数关系空间变异的两个主要土壤属性。该研究可以促进农业干旱监测，并根据气象站数据计算常用干旱指数。

1.引言

干旱是一种气候灾害，可能会对粮食安全和社会经济稳定产生负面影响。最近基于观测和模型的研究显示全球干旱正在增多(Dai 2012)。因此，我们迫切需要了解当前和未来在世界不同地区的干旱情况。有效的干旱监测通常基于气象观测，在干旱的评估和治理中起重要作用。

干旱可以从气象、农业、水文方面来监测(Dracup et al.1980; Wilhite and Glantz 1985)，气象干旱通常通过每隔一段时间的降水异常来量化(Olukayode Oladipo 1985; Meze-Hausken 2004)。农业干旱是干旱最重要的方面，它经常用一段时间内影响作物生长的土壤水分短缺来定义。水文干旱的发生伴随最长时间尺度内河流和水库水量的减少。各种各样基于气象站气候数据的干旱指数被广泛应用。这些干旱指数基本上分为两类。第一类包含基于湿润和干燥统计概率表征的多尺度干旱指数，例如，标准化降水指数(SPI; McKee et al.1993)和标准化降水蒸散指数(SPEI; Vicente-Serrano et al. 2010)。SPI由发生在不同的时间尺度上的降水异常定义，由于其计算简便，经常用于干旱监测(Guttman 1998)。SPI在风险评估和决策方面具有很大的潜力。SPEI也一种是评估降水和潜在的蒸散量PET平衡的多尺度干旱指数。另一类则包含了另一类则包含了由二维模型产生的干旱指数，例如Palmer干旱指数(PDSI; Palmer 1965)，Z指数(Palmer 1965)，以及自矫正Palmer干旱指数(scPDSI; Wells et al. 2004)。

这些常用的干旱指数月计算可以通过开放的数据资料很容易得到。与这些干旱指数相比，农业干旱由于缺乏地面土壤水分观测，相对难以量化。更重要的是，从气候模式中得出的土壤水分含量在显示趋势和突变方面具有非常大的不确定性(Li et al. 2007)。作为替代，微波遥感可以扫描土壤水分，但它只能扫描到表层土壤深度，通常在0-5cm之间（Oweetal.2001; Dorigo et al. 2010），且在植被高度覆盖地区的估算是不合理或缺失的（Jackson 1997; Wagneret al. 1999）。

气候资料中常用的干旱指标有可能作为土壤水分指标，世界不同地区对干旱指数与土壤水分的关系也有一定的研究。例如，Sims等人(2002)表明，SPI在北卡罗来纳州更能代表短期降水和土壤湿度的变化。Mika等人(2005)表明，PDSI与十一月至四月匈牙利大平原上的土壤湿度的相关性高于五月至十月。Dai等人(2004)的研究表明，中国大部分地区的PDSI与土壤水分在1m深度内有显著的相关性。这些研究主要集中在平均土壤水分(通常在1米深度内)与干旱指数之间的关系。不同层次的土壤水分变化及其对气象干旱的响应还不是十分清楚。

中国人口约占世界人口的22％，只拥有7％~8％的耕地。中国的作物生产和粮食安全一直是人们关注的焦点，因为近年来许多耕地面临的干旱威胁越来越大（Piao et al. 2010）。可以改善农业干旱监测的研究在中国具有重要意义。国内的对土壤水分在不同深度对常用干旱指标响应的研究相对较少。在本研究中，我们着重研究以下几个问题，以加强我们对常用干旱指标作为中国农业干旱监测指标的认识：1)干旱的时间尺度和土壤层深度的关系; 2)找出土壤水分—干旱指数关系的物理解释; 3) 确定哪些常用干旱指数(SPI，SPEI，Z指数，PDSI和scPDSI)能够最好地表征不同土壤深度下的土壤水分; 4) 比较作为土壤水分指标的不同干旱指数。

图.1:中国土壤水分站的空间分布。黑点代表中国40个土壤水分站的位置。带有加号的站点是在0.5°

纬度/经度（32站）内配置气象和土壤湿度观测值的站点。 图2采用了开放圆的数据。由于土壤水分

站的空间分布，南海的岛屿并不显示，下文也是如此。

2.数据和方法

如图1所示，我们参考了40个台站(Li et al.2005)的土壤水分资料，以及中国气象共享服务系统756个气象台站的气候资料(http://cdc.cma.gov.cn/)。 我们从土壤湿度站0.5°半径范围内选择最近的气象站创建配对。总共选取32对土壤水分站和气象站(图1)。

土壤湿度观测采用重量测定技术，将1米深度按每10厘米为一层划分，第一层分为两个5厘米的层次。这些数据是1982~1999年间每月第八，第十八和第二十八天三次观测获得的。我们对每个月的三个观测值进行平均，得到不同站点土壤水分的月时间序列。所有32个站点都被归类为农田或草地，他们的数据观测代表了中国不同地区的农业土壤水分状况。下载每月总降水量，月平均日最高气温，月平均日最低气温，每月总日照时数，10米高度月平均日风速和月平均相对湿度。根据FAO的Penman-Monteith方法(Allen et al.1998)，每月总日照时数需要改为月平均日照时数。在用一下公式计算之前，月平均日风速U需要从10m高度转换到2m(分别从U₁₀到U₂)：

在计算PDSI时，土壤“桶”模型的一个重要参数是可用含水量(AWC)。在这项研究中，我们从Global Gridded Surfaces of Selected Soil Characteristics dataset, part of the International Geosphere–Biosphere Programme Data and Information Systems (IGBP-DIS)获得每个站点地表最上层1米深处的了土壤AWC，空间分辨率为5times;5弧分(可从www.daac.ornl.gov获得)。

中国的土壤数据(Weietal.2013)来自北京师范大学(http://globalchange.bnu.edu.cn/)。数据包含六个层次，我们采用0~83厘米层的5times;5弧分土壤性质数据，这些数据接近于这里所使用的0~80厘米层的土壤水分。沙子百分比(％)，粘土百分比(％)，体积密度(g∙cm^-3)和土壤有机碳(SOC)密度(t∙ha^-1)被用来解释土壤湿度对干旱指数的响应，因为这四个因素已经被证实是影响土壤含水量的因素(Cosby et al. 1984; Rawls et al. 2003)。

SPI使用降水作为量化干旱严重程度的唯一输入，而SPEI使用降水和PET之间的差异，可以反映温度变化对干旱的影响，因为PET主要是​​地表气温，风速，太阳辐射和湿度决定的。在不同时间尺度上的SPI和SPEI分别用伽马和对数逻辑分布的历史数据来计算。这些指数的标准值的平均值为零，即单位标准差为零。 SPI和SPEI的重要特征之一在于它们的多时间尺度，可用于从水分异常的时间积累的角度评估干旱。PDSI基于水分平衡方程（Palmer 1965）的水分预算模型，该模型包含降水，蒸散，径流和补给。PDSI本身取决于土壤的双层桶模型。顶层土壤被假定为保持一英寸的土壤湿度。在PDSI计算中，当前情况下的气候适宜（CAFEC）用于获得潜在的指数值：

每月的水量平衡系数alpha;，beta;，gamma;，delta;可以用蒸散E的平均值来计算;土壤补给RE; 径流RO; 水

到土壤层损失L; 和它们的潜在价值PE，PRE，PRO，PL。维持正常土壤水分含量的降水量也称为CAFEC降水量P_c，可表示为

这可以得出Z指数，这是根据一个特定月份的实际降水量与同一个月的计算出的P_c之间的差值得出的：

其中K是气候特征系数。最后，可以计算出第i个月的PDSI：

在计算scPDSI时，公式(4)中的K和公式(5)中的0.897和1/3被替换为基于给定位置的历史气候数据自动计算的值。

有两种常用的计算蒸散量的方法：用于计算PET的Thornthwaite方法和用于计算参考蒸散ET_o的Penman-Monteith方法。Van der Schrier 等人（2011）表明，基于这两种方法的PDSI值在显示干旱趋势，强度和持续时间方面非常相似。 Dai（2011）也证明了不同方法的选择对PDSI和scPDSI结果影响不大，而Sheffiel等（2012）指出Thornthwaite和Penman-Monteith方法得出的干旱趋势有很大的差异。 McVicar等人（2012）也指出，中国大气水分的变化不仅受平均气温的动力驱动，而且主要受其他气候因子的变化驱动。为了更准确地量化蒸散，我们使用Penman-Monteith方法计算SPEI，Z指数，PDSI和scPDSI中的ET_o。SPI和SPEI的计算在R中使用“SPEI”软件包实现（Begueriacute;aet al. 2013）。 Z指数，PDSI和scPDSI的计算是在C 中使用Wells等人（2004年）提供的代码实现的。我们修改了一部分代码，用FAO的Penman-Monteith方法代替Thornthwaite方法计算ET_o（Allen et al.1998）。在计算中，参考面是一个假定的草地参考作物，假定高度为0.12 m，固定表面电阻为70s∙m^-1，反照率为0.23。

图2：图1中南充站10〜20cm土层土壤水分时间序列，相应的3个月SPI，3个月SPEI，Z指数，PDSI

和scPDSI曲线。 土壤湿度时间序列中的间隔代表缺失数据的时间段。

3.结果

a. 干旱指数对土壤水分的时间尺度效应

Ji和Peters(2003)表明，3个月的SPI与美国大平原中纬度地区的农田和草地植被生长的相关性最高。作为一个例子，对中国南部南充站观测到的10~20cm深度土壤水分值，五个干旱湿度指数进行相似的比较（图2）， 指数包括3个月的SPI，SPEI，Z指数，PDSI和scPDSI。 3个月SPI和SPEI的波动在记录期间是相似的，但在记录早期没有充分复制潮湿的土壤条件。Z指数在记录上有较高的频率变化，与SPI和SPEI有一些相似之处。特定月份的PDSI和scPDSI可以代表前几个月干旱的积累;因此，它们的曲线比SPI和SPEI的3个月尺度更平滑。所有的干旱指标都解释了所选站点的土壤湿度变化大致相同(plt;0.001).。

图3:（a）0-5cm和（b）90-100cm土壤层深度的SPI的最佳时间尺度，（c）0-5cm和（d）90-100cm土壤层深度的SPEI的最佳时间尺度，没有填色的圆圈是指给定层土壤水分观测值小于40个月，或者相关性在

p=0.05时不显著。

图4：（a）SPI和（b）SPEI的最佳时间尺度（1-12个月）与0~100cm全部土壤层的土壤深度之间的相关性。 填充颜色表示p=0.05级别的显著相关性。 圆与黑点的关系为负相关。 这个深度是由每层的平均值量化的，

例如，95cm代表90-100cm的土壤层。没有填充的圆圈是那些在给定层中的土壤湿度观测覆盖少于40个月或在p=0.05时其相关性不显著的那些。

图5：（a）PDSI-SPI，（b）PDSI-SPEI，（c）Z指数-SPI和（d）Z指数-SPEI发生在不同的时间尺度上的关

系。每个站不同的颜色填充表示SPI或SPEI的时间尺度（1-12个月 ）与PDSI或Z指数的相关性最高。

在本研究中，SPI和SPEI的最佳时间尺度被定义为与特定土壤层与土壤湿度具有最显著相关性的干旱指数的月时间尺度周期。计算不同月份干旱指数(SPI和SPEI)与特定层土壤含水量之间的Pearson相关系数r，以便找到该土壤层的最佳时间尺度。最佳时间尺度与地层深度之间的相关性如图3所示。大多数台站(SPI中29个中的20个和SPEI中29个中的20个)具有1~3个月的最佳时间尺度，土壤水分深度为0~5cm(图3a，c)，尽管有些台站的时间尺度较长，为6~12个月，尤其是在中国东北部。相反，SPI中23个中的14个和SPEI中22个中的14个具有9~12个月的最佳时间尺度，土壤湿度为90~100cm(图3b，d)。这表明指数的时间尺度的长度与相关层深度之间存在直接关系。图4更普遍地显示，大多数站点(SPI中23个中的17个和SPEI中20个中的17个)整个100cm土壤

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[21270]，资料为PDF文档或Word文档，PDF文档可免费转换为Word