引用本文
赵新来, 李文龙, Xulin Guo, 余翠, 赵玉婷, 许静. Pa、SPI和SPEI干旱指数对青藏高原东部高寒草地干旱的响应比较. 草业科学, 2017,34(2):273-282
Zhao Xin-lai, Li Wen-long, Xulin Guo, Yu Cui, Zhao Yu-ting, Xu Jing. The responses of Pa, SPI, and SPEI to dry climate in alpine meadows of eastern Qinghai-Tibet Plateau. Pratacultural Science,2017,34(2): 273-282  
Permissions
Copyright©2017, 《草业科学》编辑部
《草业科学》编辑部
Pa、SPI和SPEI干旱指数对青藏高原东部高寒草地干旱的响应比较
赵新来1, 李文龙1, Xulin Guo2, 余翠1, 赵玉婷1, 许静3
1.草地农业生态系统国家重点实验室 兰州大学草地农业科技学院,甘肃 兰州 730000
2.Department of Geography and Planning, University of Saskatchewan, Saskatoon SKS7N5C8, Canada
3.兰州财经大学农林经济管理学院,甘肃 兰州 730020
通信作者:李文龙(1977-),男,甘肃兰州人,教授,博导,博士,研究方向为草地遥感与地理信息系统。E-mail:wllee@lzu.edu.cn

第一作者:赵新来(1992-),男,安徽阜阳人,在读硕士生,研究方向为草地遥感与地理信息系统。E-mail:zhaoxinlai@163.com

收稿日期: 2016-06-14
基金: 国家自然科学基金项目(31170430、41471450); 国家社会科学基金项目(14CJY010); 草地农业生态系统国家重点实验室开放课题(SKLGAE201406); 中央高校基本科研业务费专项(lzujbky-2016-br05); 中央高校自由探索优秀研究生创新项目(2022016zr0185)
摘要

利用甘南州及周边地区33个气象台站1965-2013年的降水和温度数据,比较分析了降水距平指数(Pa)、标准化降水指数(SPI)和标准化降水蒸散指数(SPEI)对高寒草地干旱响应的有效性,并结合历史旱灾统计资料进行了结果验证。结果表明,从Pa指数、SPI指数、SPEI指数与草地NDVI的相关分析可以看出,SPI6和SPEI6与草地NDVI关系较好,Pa、SPI1、SPEI1、SPI3、SPEI3不足是波动不稳定,SPI12、SPEI12对干旱的反应表现出一定的滞后性。SPI6和SPEI6均适于定量研究高寒草地的干旱状况,结合历史统计资料验证,两项干旱指数监测效果相对较好。本研究结果将为有关青藏高原高寒草地的干旱研究提供有益的参考。

关键词: 高寒草地; 气候因子; 干旱指数
中图分类号:S812.1 文献标志码:A 文章编号:1001-0629(2017)2-0273-10 doi: 10.11829/j.issn.1001-0629.2016-0187
The responses of Pa, SPI, and SPEI to dry climate in alpine meadows of eastern Qinghai-Tibet Plateau
Zhao Xin-lai1, Li Wen-long1, Xulin Guo2, Yu Cui1, Zhao Yu-ting1, Xu Jing3
1.State Key Laboratory of Grassland Agro-ecosystems, College of Pastoral Agriculture Science and Technology, Lanzhou University, Lanzhou 730020, China
2.Department of Geography and Planning, University of Saskatchewan, Saskatoon SKS7N5C8, Canada
3.School of Agriculture and Forestry Economic and Management, Lanzhou University of Finance and Economics, Lanzhou 730020, China
Corresponding author: Li Wen-long E-mail:wllee@lzu.edu.cn
Abstract

Using precipitation and temperature data from 33 meteorological stations around Gannan in 1965-2013, the percentage of precipitation anomalies (Pa), standardized precipitation index (SPI), and standardized precipitation evapotranspiration index (SPEI) were calculated. To select a suitable index to describe dry climatic factors in alpine meadows, we analysed the response of these indexes to drought. In addition, verification was conducted by comparing historical disaster statistics with the drought indexes. The correlation analysis of SPI, SPEI, and Pa with grassland normalized difference vegetation index (NDVI) showed that the reaction of Pa, SPI1, SPEI1, SPI3, and SPEI3 to precipitation was too sensitive; however, SPI12 and SPEI12 were slightly hysteretic. SPI6 and SPEI6 were both well suited to quantitatively evaluating the dry climatic factors in this area. Based on historical statistics, two drought indexes were somewhat better. These results provide effective data in support of further research on drought risk analysis in alpine grasslands.

Keyword: alpine meadow; dry climatic factors; drought index

在全球气候变暖的大背景下, 全球范围内特大干旱、高温等极端天气气候事件发生的频率和强度都呈现增加趋势[1, 2]。其中, 由天然降水异常引起的干旱是人类必须面对的重大环境问题[3]。干旱在气象学上有干旱气候和干旱灾害两种理解。干旱气候是指蒸发量比降水量大得多的一种气候; 干旱灾害是指某一地理范围在某一具体时段内的降水量比多年平均降水量显著减少, 导致该地区的经济活动和人类活动受到较大危害的现象。1997年, 美国气象学会(American Meteorological Society, AMS)将干旱分为4类:气象干旱或气候干旱、农业干旱、水文干旱和社会经济干旱, 这受到了众多研究干旱的科学工作者的普遍认可[4]。之后, 有研究学者又提出了生态干旱, 并认为气象干旱主要反映了降水强度及其概率特征, 而农业干旱、生态干旱、水文干旱和社会经济干旱则分别表征了气象干旱对农业、生态、水资源和社会经济活动的影响程度[5]。

青藏高原东部处于温带大陆性气候、温带季风气候和高原山地气候交汇处, 常年降水偏少, 尤其近50年来降水呈现非周期振荡, 干旱事件频繁发生[6, 7]。极端的气候变化对该区域草地植被的生长也产生了较为明显的影响[8, 9, 10, 11]。2015年11月27日联合国粮食与农业组织(Food and Agriculture Organization of the United Nations, FAO)召开亚洲草地可持续管理专家咨询会议(Regional Consultation on Sustainable Grassland and Pasture Management in Asia), 就干旱区的草地恢复、气候变化以及草地保护等问题进行讨论, 指出干旱区草地面临严峻的生态环境问题。相对于森林等其它生态系统, 草地生态系统较为脆弱, 植被类型以草地为主, 气候的变化对依赖降水涵养的天然草地的影响尤为明显, 同时对草原上的主要经济产业的影响更为明显[12, 13, 14]。目前, 干旱领域的研究主要集中在以平原或山区种植业为主的农业干旱, 统计资料和研究方法已经较为完善, 对草地, 尤其是高寒草地的干旱研究鲜见报道。因此, 选择适宜的干旱指数监测草地干旱成为研究的关键之一。

干旱指数是表征干旱程度的标准, 也是旱情描述的数值表达, 但由于干旱地面监测既要考虑气象因素, 也要考虑水文、土壤、作物、水利灌溉等诸多因素, 因而提出精确而普遍使用的干旱指数有很大困难。为了监测干旱, 研究者先后提出了帕默尔干旱指数(palmer drought severity index, PDSI)、地表水分供应指数(surface water supply index, SWSI) 和标准化降水指数(standardized precipitation index, SPI) 等50多种干旱指数[15]。其中SPI由于具有计算简单、时间尺度灵活和对干旱时空变化指示效果较好等优点而被广泛应用[16, 17, 18]。近年来Vicente-Serrano等[19]提出的标准化降水蒸散指数(standardized precipitation evapotranspiration index, SPEI)考虑了降水与蒸散, 也保留了SPI、PDSI指数对干旱事件的敏感度, 受到广泛的关注。因此, SPI和SPEI常被学者用来研究由气候因素变化所导致的干旱等极端气候现象, 可以较好地反映干旱强度与持续时间, 而且能反映不同时间尺度和区域的变化情况。利用降雨变异指数(Z指数)、帕默尔干旱指数和不同时间尺度的SPI(SPI1、SPI2、SPI3、SPI6、SPI9、SPI12和SPI24)作为干旱的定量度量, 将植被健康指数(vegetation condition index, VCI)作为植被对干旱的响应, 分析它们的相关关系, 最后得出SPI6与VCI的相关性最大(R2=0.54)[20]。利用SPI分析了美国大平原北部地区草地和作物对干旱的响应, 探究了不同时间尺度的SPI(SPI1、SPI2、SPI3、SPI6、SPI9和SPI12)与生长季草地或农作物(5-10月)的NDVI线性相关关系, 结果显示, 草地中SPI3和SPI6的相关性较高, 在9月份相关系数最高(R=0.774)[21]。近年来, 国内关于草地生态系统对干旱现象响应的研究逐渐兴起。有学者利用内蒙古43个气象台站2004-2011年5月-8月降水量和降水距平百分率观测资料结合调查统计资料对内蒙古草地干旱损失做了评价[22]。以内蒙古草地为研究区域研究了近50年来荒漠草原气候干燥度的空间分布及其演变特征[23]。以内蒙古草地为研究区域, 利用SPI6干旱指数探究了不同草地类型草地净初级生产力对干旱现象的响应[24]。利用SPEI指数对青藏高原高寒草地自然保护区的气候年际变化作了研究[25]。关于草地对干旱响应的研究日趋增多, 然而研究的草地类型大多是典型草原, 关于高寒草地对干旱的响应还相对少见。为此, 本研究利用地面气象数据、遥感数据和历史统计资料, 集中探究干旱指数在高寒草地干旱监测中的适宜性。

1 研究区与数据来源及方法
1.1 研究区概况

甘南藏族自治州地处青藏高原与黄土高原过渡地带(33° 06'-35° 34' N, 100° 45'-104° 45' E), 位于东亚季风区、西北干旱区和青藏高原高寒区的交汇处, 总面积约4.5万km2, 高寒草地面积约2.75万km2, 草地类型主要有高寒草甸和山地草甸, 丰富的草地资源不仅对国民经济可持续发展有举足轻重的作用, 对黄河、长江上游甚至中下游的生态环境与经济社会的可持续发展也具有重要作用。

1.2 数据来源与介绍

本研究中的数据来源主要有气象数据、遥感卫星数据、历史统计资料以及其它矢量数据等。其中, 气象数据是甘南州及其周边33个气象台站1965-2013年逐月降水和温度资料, 数据来源于中国气象数据网(http://data.cma.cn/)。遥感数据是基于Terra 和Aqua 两颗星观测所得16天合成MOD13Q1 L3级产品数据, 覆盖研究区的影像轨道号为H26V05, 空间分辨率为250 m, 数据来自NASA数据应用网站(http://glovis.usgs.gov/), 文中所用到的数据为2000年5月-9月时段数据。研究中用到的年鉴统计数据主要是《中国气象灾害大典· 甘肃卷》、《中国暴雨洪水及干旱年鉴》等[26, 27]。除此之外, 研究用到的数据还有甘南地区1:50万草地类型图、1:400万行政分区图等空间矢量数据(图1)。

图1 研究区及各站点位置示意图Fig.1 Studied area and the location of the 33 meteorological stations

1.3 研究方法

1.3.1 Pa指数 降水距平百分率可以用来反映某时段降水与周期平均状态的偏离程度, 能直接反映降水异常引起的干旱。

Pa= P-P¯P¯× 100%.

式中:P为某时段降水量, P¯为计算时段同期气候平均降水量。本研究中P为每月的降水量, P¯为各月近50年的平均降水量。Pa指数的优点是计算方法简单, 比较直观明确, 缺点是响应相对缓慢。我国在牧业干旱检测中采用的就是Pa指数, 中国气象局确定了适合我国半干旱、半湿润地区的干旱等级标准(表1)[28]。

表1 Pa、SPI、SPEI干旱分级标准[28, 33, 34, 35] Table 1 Classification standard of drought based on Pa、SPI and SPEI[28, 33, 34, 35]

1.3.2 SPI指数 SPI指数是运用数学方法将降水量的累积频率分布转化为标准正态分布, 具有无量纲、标准化特点, 并适用于不同地区[29, 30, 31]。

设某一时间尺度的降水量为x, 假设降水量序列服从Gamma分布, 则其概率密度函数为:

p(x)= 1βαГ(x)xα -1e-x/β , x> 0(1)

式中:β 和α 分别是尺度参数和形状参数, 均大于零, 用极大似然估计方法求得, 函数表达式见式(2)和式(3)。

α = 1+1+4A/34A(2)

β = x¯/α (3)

式中:A=ln( x¯)- ∑i=1nlnxim, n是降水序列的长度, 其中为零的项数为m, x¯是降水序列中非零项的平均值。

令q= mn, 则一定时间尺度的累积概率:

H(x)=q+(1-q)G(x) (4)

G(x)=∫0xp(x)dx(5)

将累积概率分布H(x)转换到标准正态分布, 即得到对应的SPI值:

当0< H(x)≤ 0.5时, 令k= ln1H(x)2, 则

SPI=- k-c0+c1k+c2k21+d1k+d2k2+d3k3(6)

当0.5< H(x)< 1时, 令k= ln11H(x)]2, 则

SPI=k- c0+c1k+c2k21+d1k+d2k2+d3k3(7)

式中:c0=2.515 517, c1=0.802 853, c2=0.010 328; d1=1.432 788, d2=0.189 269, d3=0.001 308。

因为SPI是通过计算给定时间尺度降水的累积概率来计算干旱指数的, 所以利用当前月和前n个月(n=1, 2, 3, …)的降水量来计算时间尺度为(n+1)个月的SPI, 简称SPIn+1。Guttman[32]认为时间尺度为1-24个月最具有实际应用的价值, 并认为1-2个月时间尺度的SPI适用于气象干旱, 1-6个月的时间尺度的SPI适用于农业干旱, 大于6个月时间尺度的SPI较适用于水文干旱的分析应用。SPI指数优点是计算稳定性良好, 时间尺度灵活, 对时空变化的指示效果良好, 能有效地反映旱涝状况[33]。

1.3.3 SPEI指数 SPEI是Vicente-Serrano在SPI的基础上引入潜在蒸散项构建的, 融合了SPI和PDSI的优点, 计算公式如下:

SPEI=W- c0+c1W+c2W21+d1W+d2W2+d3W3.

式中:W为蒸散降水推导函数的累积概率函数值, 详细步骤可见参考文献[19]。与SPI一样, SPEI具有空间一致性、多时间尺度且计算简单的特点, 同时还综合考虑了降水和温度因子, 适用于气候变暖背景下干旱检测与评估[34, 35]。

1.3.4 归一化指数 归一化植被指数(normalized difference vegetation index, NDVI)是根据植被对光谱反射曲线的特点发展而来的比值型植被指数, 可使植被从水体和土壤中分离出来, 是植被生长状态及植被覆盖度的有效指示因子[36]。在区域干旱程度增加时, 植被生长会因水分不足而受到影响, 其表现在遥感影像上的特征是NDVI相应地减小, 相反地, 当干旱消退时, 植被NDVI也相应地增大。因此, 植被对干旱的响应可以表征在植被NDVI上。

NDVI= NIR-RNIR+R.

式中:NIR和R分别是近红外波段和红光波段的地面反射率。

2 结果与分析
2.1 干旱指数适宜性比较

根据1:50万的草地类型图, 剔除非草地区域的18个台站点, 选取剩下的位于高寒草地区域的15个其它台站点作为样本。该15个台站点的草地类型相同, 均为高寒草地, 海拔地形相近, 最大程度上消除了其它因素的影响。图2、图3和图4展示了2000年草地生长季(5月-9月)NDVI和Pa、不同尺度SPI、SPEI(1, 3, 6, 9个月)的线性相关关系及显著性检验结果。用到的相关系数是Pearson简单相关系数, 显著性检验采用0.01显著性水平下的双尾检验。在5、8月份, Pa指数和高寒草地NDVI显著相关, 且均通过显著性检验(P< 0.01), 而在7和9月Pa和高寒草地NDVI的相关关系不显著(P> 0.01)(图2)。5月份, SPI1、SPI3和 SPI6与高寒草地NDVI具有显著的相关性, 6月份, SPI3、SPI6和高寒草地NDVI具有显著的相关性; 7月份, SPI3、SPI6、SPI12和高寒草地NDVI具有显著的相关性; 8月份, 4个时间尺度的SPI指数和NDVI均有显著的相关性; 9月份, SPI6、SPI12和高寒草地NDVI具有显著的相关关系(图3)。5月份, SPEI1、SPEI3和SPEI6与高寒草地NDVI具有显著的相关性; 6月份, SPEI1、SPEI3、SPEI6和高寒草地NDVI具有显著相关性; 7月份, SPEI3、SPEI6和高寒草地NDVI具有显著相关性; 8月份, 4个时间尺度的SPI指数和NDVI均有显著相关性; 9月份, SPEI12和高寒草地NDVI具有显著相关性。综合比较, 在5月-9月, 在不同尺度干旱指数中, SPI6和SPEI6与高寒草地NDVI均有相对显著的相关关系。进而表明, 当气候发生变化时, 植被生长状况也相应的变化, 即表现为植被NDVI的变化, 可以用干旱指数和NDVI的相关性高低来衡量干旱指数的适宜性。因此, 从结果可以看出, SPI6和SPEI6两种干旱指数更适宜衡量该地区的干旱程度。

图2 Pa与草地生长季NDVI的线性关系Fig.2 The linear relationship between Pa and the NDVI in growing season

图3 不同尺度的SPI与草地生长季各月份的NDVI线性关系
注:SPI1, SPI3, SPI6, SPI12分别表示标准化降水指数1、3、6和12个月的时间尺度。Fig.3 The linear relationship between SPIn and the NDVI in growing season
Note:SPI1, SPI3, SPI6, SPI12 indicate 1, 3, 6 and 12 month of standardized precipitation index.

图4 不同尺度的SPEI与草地生长季各月份的NDVI线性关系
注:SPEI1, SPEI3, SPEI6, SPEI12分别表示标准化降水蒸散指数1、3、6和12个月的时间尺度。Fig.4 The linear relationship between SPEI and the NDVI in growing season
Note:SPEI1, SPEI3, SPEI6, SPEI12 indicate 1, 3, 6 and 12 month of standardized precipitation evapotranspiration index.

2.2 结果检验

绘制出近50年的时间序列图(图5), 参考表1的分级标准, 同时查阅《中国气象灾害大典》等历史灾害记载资料[26, 27], 列出近年50年甘南地区旱灾统计与干旱指数检测结果(表2)。查询到的历史记录共37条, 其中SPI6检测结果和历史记录相符合的有27条, 检验精度为72.97%; SEPI6检测结果和历史记录相符合的有26 条, 检验精度为70.27%。将研究结果和此检验结果综合分析, 可以得出, SPI和SPEI6干旱指数均适宜衡量该地区的干旱程度, 且检验精度都在70%以上。

图5 SPI6和SPEI6时间序列图Fig.5 The temporal series of SPI6 and SPEI6

表2 近50年甘南地区旱灾统计资料和干旱指数检测结果比较 Table 2 Historical statistic of drought and corresponding drought index
3 讨论与结论

借助气象数据, 以农业干旱风险分析为基础, 对高寒草地干旱气候响应下的干旱指数进行了比较分析。结果发现, Pa指数在评估草地生长季7月和9月时, 与草地NDVI的相关性不明显。在7月份大多样点的Pa< 0, 表明7月份降水相对不足, 而NDVI并未相应地明显减小。7月份正是高寒草地的盛草期, 可能是因为此时相对偏少的降水并不是主要限制因素, 而温度正适合草地生长。在9月份, 过半样点的Pa> 0, 表明9月份降水相对充足, 而此时Pa与NDVI的相关关系并不明显, 可能是因为9月份气温降低, 此时, 温度是限制草地生长的主要因子。

比较分析不同尺度的SPI和SPEI, 其中SPI1、SPEI1与草地NDVI在7月和9月相关性不显著; SPI3、SPEI3与草地NDVI在9月的相关性不显著; SPI12与草地NDVI在5月和6月的相关性不显著; SPEI12与草地NDVI在5月、6月、7月的相关性不显著; SPI6、SPEI6与草地NDVI在5月-9月的显著相关。SPI1和SPEI1与草地NDVI的关系和Pa指数的结果相似, 由此可以看出, Pa、SPI1和SPEI1的不足是波动不稳定。SPI3和SPEI3与草地NDVI的相关关系5月-8月显著, 在9月份不显著, 但略好于Pa与9月份草地NDVI的相关性。与Pa相比, SPI6和SPEI6在5月-9月与草地NDVI的相关性显著且较为稳定。由SPI12和SPEI12与草地NDVI的相关性的结果可以看出, 它们具有明显延后的缺点。

甘南地区的旱灾资料记录有37条, 和SPI6、SPEI6指数的监测结果进行比较验证, 两种指数的精度分别是72.97%和70.27%, 进一步证实了SPI6和SPEI6在甘南地区的监测效果较好。而本研究分析中只考虑降水因素的SPI6指数与考虑降水和温度的SPEI6指数和NDVI的相关性结果相似。多数研究认为, 气温和降水是影响植被周期性NDVI变化的重要因素, 但也有研究表明干旱和半干旱地区降水因子对植被NDVI的影响作用明显大于温度因子[37, 38, 39, 40]。甘南藏族自治州位于青藏高原东部, 气温常年相对较低, 蒸散量较小[41], 因此才会得出SPI6和SPEI6的监测效果相近。

通过草地NDVI对Pa指数、SPI指数、SPEI指数的响应分析, SPI6和SPEI6与草地NDVI显著相关, Pa、SPI1、SPEI1、SPI3、SPEI3的不足是波动不稳定, SPI12、SPEI12对干旱的反应表现出一定的滞后性。SPI6和SPEI6均适于定量研究高寒草地的干旱状况, 结合历史统计资料验证, 两项指数监测效果相对较好。以上研究结果将为日后我国高寒牧区的干旱生态风险评价工作提供一定的数据支持和学术参考。

The authors have declared that no competing interests exist.

参考文献
[1] IPCC. Climate Change 2007: Summary of Policymakers. Cambridge, UK: Cambridge University Press, 2007. [本文引用:1]
[2] Stocker T F, Qin D, Plattner G K, Tignor M M B, Allen S K, Boschung J, Nauels A, Xia Y, Bex V, Midgley P M. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of IPCC the Intergovernmental Panel on Climate Change, 2014. [本文引用:1]
[3] Mishra A K, Singh V P. A review of drought concepts. Journal of Hydrology, 2010, 391(1-2): 202-216. [本文引用:1]
[4] American Meteorological Society. Meteorological drought-policy statement. Bulletin of American Meteorological Society, 1997, 78, 847-849. [本文引用:1]
[5] 张强, 韩兰英, 张立阳, 王劲松. 论气候变暖背景下干旱和干旱灾害风险特征与管理策略. 地球科学进展, 2014, 29(1): 80-91.
Zhang Q, Han L Y, Zhang L Y, Wang J S. Analysis on the character and management strategy of drought disaster and risk under the climatic warming. Advances in Earth Science, 2014, 29(1): 80-91. (in Chinese) [本文引用:1]
[6] 黄小燕, 李耀辉, 冯建英, 王劲松, 王芝兰, 王圣杰, 张宇. 中国西北地区降水量及极端干旱气候变化特征. 北京: 31届中国气象学会年会S4 极端气候事件和灾害风险管理, 2014.
Huang X Y, Li Y H, Feng J Y, Wang J S, Wang Z L, Wang S J, Zhang Y. Climate characteristics of precipitation and extreme drought events in northwest China. Beijing: The thirty-first annual meeting of China Meteorological Society, 2014. (in Chinese) [本文引用:1]
[7] 王澄海, 崔洋. 西北地区近50年降水周期的稳定性分析. 地球科学进展, 2006, 21(6): 576-584.
Wang C H, Cui Y. A study of the stability of the precipitation cycle over northwest China in the past 50 years. Advances in Earth Science, 2006, 21(6): 576-584. (in Chinese) [本文引用:1]
[8] 张超, 高晶, 赵艳丽. 基于GIS内蒙古荒漠草原气候变化分析. 草业科学, 2014, 31(12): 2212-2220.
Zhang C, Gao J, Zhao Y L. Climate changes analysis in the Inner Mongolia desert grassland based on GIS. Pratacultural Science, 2014, 31(12): 2212-2220. (in Chinese) [本文引用:1]
[9] 马晓芳, 陈思宇, 邓婕, 冯琦胜, 黄晓东. 青藏高原植被物候监测及其对气候变化的响应. 草业学报, 2016, 25(1): 13-21.
Ma X F, Chen S Y, Deng J, Feng Q S, Huang X D. Vegetation phenology dynamic and its response to climate change on the Tibetan Plateau. Acta Prataculturae Sinica, 2016, 25(1): 13-21. (in Chinese) [本文引用:1]
[10] 刘正佳, 邵全琴, 王丝丝. 21世纪以来青藏高寒草地的变化特征及其对气候的响应. 干旱区地理, 2015, 38(2): 275-282.
Liu Z J, Shao Q Q, Wang S S. Variation of alpine grassland s and its response to climate warming in the Tibetan Plateau since the 21st Century. Arid Land Geography, 2015, 38(2): 275-282. (in Chinese) [本文引用:1]
[11] 张秀云, 姚玉璧, 邓振镛, 尹东, 王润元, 陈昌平. 青藏高原东北边缘牧区气候变化及其对畜牧业的影响. 草业科学, 2007, 24(6): 66-73.
Zhang X Y, Yao X B, Deng Z Y, Yin D, Wang R Y, Chen C P. Effect of supplementing whole oilseeds on meat quality and productive performance of adult ewes raised in house. Pratacultural Science, 2007, 24(6): 66-73. (in Chinese) [本文引用:1]
[12] 刘彩红, 李红梅, 张调风. 气候变暖背景下青南牧区牧业生产关键期变化特征及预估研究. 草业科学, 2015, 32(8): 1352-1362.
Liu C H, Li H M, Zhang T F. Influence of climate warming on change characteristic of husband ry production critical period in northeastern Qinghai during 1961-2013. Pratacultural Science, 2015, 32(8): 1352-1362. (in Chinese) [本文引用:1]
[13] 苟晓伟, 常生华, 程云湘, 侯扶江. 中国北方草原生物量年际动态. 草业科学, 2016, 33(4): 739-747.
Gou X W, Chang S H, Cheng Y X, Hou F J. Annual dynamics of productivity in rangeland across climatic factors over last 30 years in northern China. Pratacultural Science, 2016, 33(4): 739-747. (in Chinese) [本文引用:1]
[14] 王玮, 冯琦胜, 郭铌, 沙莎, 胡蝶, 王丽娟, 李耀辉. 基于长时间序列NDVI资料的我国西北干旱区植被覆盖动态监测. 草业科学, 2015, 32(12): 1969-1979.
Wang W, Feng Q S, Guo N, Sha S, Hu D, Wang L J, Li Y H. Dynamic monitoring of vegetation coverage based on long time-series NDVI data sets in northwest arid region of China. Pratacultural Science, 2015, 32(12): 1969-1979. (in Chinese) [本文引用:1]
[15] Richard R. Heim Jr, 周跃武, 冯建英. 美国20世纪干旱指数评述. 干旱气象, 2006, 24(1): 79-89.
Richard R. Heim Jr, Zhou Y W, Feng J Y. American 20th century drought index review. Arid Meteorology, 2006, 24(1): 79-89. (in Chinese) [本文引用:1]
[16] Guttman N B. Accepting the stand ardized precipitation index: A calculation algorithm. Journal of the American Water Resources Association, 1999, 35(2): 311-322. [本文引用:1]
[17] Tsakiris G, Vangelis H. Towards a drought watch system based on spatial SPI. Water Resources Management, 2004, 18(1): 1-12. [本文引用:1]
[18] Moreira E E, Coelho C A, Paulo A A, Pereira L S, Mexia J T. SPI-based drought category prediction using log-linear models. Journal of Hydrology, 2008, 354(1-4): 116-130. [本文引用:1]
[19] Vicente-Serrano S M, Beguería S, López-Moreno J I. A multi-scalar drought index sensitive to global warming: The stand ardized precipitation evapotranspiration index-SPEI. Journal of Climate, 2010, 23(7): 1696-1718. [本文引用:2]
[20] Quiring S M, Ganesh S. Evaluating the utility of the vegetation condition index (VCI) for monitoring meteorological drought in Texas. Agricultural & Forest Meteorology, 2010, 150(3): 330-339. [本文引用:1]
[21] Ji L, Peters A J. Assessing vegetation response to drought in the northern great plains using vegetation and drought indices. Remote Sensing of Environment, 2003, 87(1): 85-98. [本文引用:1]
[22] 李兴华, 陈素华. 内蒙古草地干旱损失评估方法研究. 草业科学, 2012, 29(7): 32-34.
Li X H, Chen S H. Assessment method of grassland loss from drought damage in Inner Mongolia. Pratacultural Science, 2012, 29(7): 32-34. (in Chinese) [本文引用:1]
[23] 韩芳, 刘朋涛, 牛建明. 50 a来内蒙古荒漠草原气候干燥度的空间分布及其演变特征. 干旱区研究, 2013, 30(3): 449-456.
Han F, Liu P T, Niu J M. Spatial distribution and evolution of climatic aridity in desert steppe in Inner Mongolia in recent 50 years. Arid Zone Research, 2013, 30(3): 449-456. (in Chinese) [本文引用:1]
[24] Lei T, Wu J, Li X. A new framework for evaluating the impacts of drought on net primary productivity of grassland . Science of the Total Environment, 2015, 536: 161-172. [本文引用:1]
[25] 刘世梁, 赵海迪, 董世魁, 安南南, 苏旭坤, 张翔. 基于SPEI的近50年青藏高原高寒草地自然保护区气候变化研究. 生态环境学报, 2014(12): 1883-1888.
Liu S L, Zhao H D, Dong S K, An N N, Su X K, Zhang X. Climate changes in the alpine grassland nature reserves on Qinghai-Tibet Plateau in recent 50 years based on SPEI index. Ecology and Environment, 2014(12): 1883-1888. (in Chinese) [本文引用:1]
[26] 中国暴雨洪水及干旱年鉴编辑委员会. 中国暴雨洪水及干旱年鉴. 北京: 水利电力出版社, 1994.
China Council for the Rainstorm Floods and Drought Yearbook Editing. Beijing: China Rainstorm Floods and Drought Yearbook. Water Resources and Electric Power Press, 1994. (in Chinese) [本文引用:2]
[27] 温克刚. 中国气象灾害大典. 北京: 气象出版社, 2006.
Wen K G. China’s Weather Disaster. Beijing: China Meteorological Press, 2006. (in Chinese) [本文引用:2]
[28] 中国气象局. 干旱监测和影响评价业务规定, 2005.
The China Meteorological Administration. Evaluation of the Effects of Drought Monitoring and Business Rules, 2005. (in Chinese) [本文引用:1]
[29] Edwards D C. Characteristic of 20th Century Drought on the United States at Multiple Time Scales. For Colling: Department of Atmospheric Science Colorado State University, 1997. [本文引用:1]
[30] Seiler R A, Hayes M, Bressan L. Using the stand ardized precipitation index for flood risk monitoring. International Journal of Climatology, 2002, 22(11): 1365-1376. [本文引用:1]
[31] McKee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales. Proceedings of the 8th Conference on Applied Climatology. Boston: American Meteorological Society, 1993: 179-183. [本文引用:1]
[32] Guttman N B. Comparing the palmer drought index and the stand ardized precipitation index. Journal of the American Water Resources Association, 1998, 34(1): 113-121. [本文引用:1]
[33] 中华人民共和国国家质量监督检验检疫总局. GB/T20481—2006气象干旱等级. 北京: 中国标准出版社, 2006.
General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China, GB/T20481—2006 Classification of Meteorological Drought Category. Beijing: China Stand ards Press, 2006. (in Chinese) [本文引用:1]
[34] 熊光洁, 张博凯, 李崇银, 尚可政, 王式功. 基于SPEI的中国西南地区1961-2012年干旱变化特征分析. 气候变化研究进展, 2013, 9(3): 192-198.
Xiong G J, Zhang B K, Li C Y, Shang K Z, Wang S G. Characteristics of drought variations in southwest China in 1961-2012 based on SPEI. Advances in Climate Change Research 2013, 9(3): 192-198. (in Chinese) [本文引用:1]
[35] 张顾炜, 曾刚, 倪东鸿, 周国兵. 西南地区秋季干旱的年代际转折及其可能原因分析. 大气科学, 2016, 40(2): 311-323.
Zhang G W, Zeng G, Ni D H, Zhou G B. Decadal shift of autumn drought in southwest China and its possible causes. Chinese Journal of Atmospheric Sciences, 2016, 40(2): 311-323. (in Chinese) [本文引用:1]
[36] Yang J, Prince S D. Remote sensing of savanna vegetation changes in Eastern Zambia 1972-1989. International Journal of Remote Sensing, 2000, 21(2): 301-322. [本文引用:1]
[37] 姚玉璧, 王劲松, 尚军林, 韩兰英, 石界. 基于相对湿润度指数的西南春季干旱10年际演变特征. 生态环境学报, 2014(4): 547-554.
Yao Y B, Wang J S, Shang J L, Han L Y, Shi J. Decadal variations of spring drought based on relative moisture index in southwest of China. Ecology and Environment, 2014(4): 547-554. (in Chinese) [本文引用:1]
[38] 李秀花, 师庆东, 郭娟, 巴音达拉, 常顺利, 齐家国. 中国西北干旱区1981-2001年NDVI对气候变化的响应分析. 干旱区资源与环境, 2009, 29(5): 989-994.
Li X H, Shi Q D, Guo J, Bayindala, Chang S L, Qi J G. The response of NDVI to climate variability in northwest arid area of China from 1981 to 2001. Journal of Arid Land Resources and Environment, 2009, 29(5): 989-994. (in Chinese) [本文引用:1]
[39] 李震, 阎福礼, 范湘涛. 中国西北地区NDVI变化及其与温度和降水的关系. 遥感学报, 2005, 9(3): 308-313.
Li Z, Yan F L, Fan X T. The variability of NDVI over northwest China and its relation to temperature and precipitation. Journal of Remote Sensing, 2005, 9(3): 308-313. (in Chinese) [本文引用:1]
[40] 王海军, 靳晓华, 李海龙, 张勃, 戴声佩. 基于GIS和RS的中国西北NDVI 变化特征及其与气候变化的耦合性. 农业工程学报, 2010, 26(11): 194-203.
Wang H J, Jin X H, Li H L, Zhang B, Dai S P. NDVI variation and coupling analysis with climate change in northwest of China based on GIS and RS. Transactions of the CSAE, 2010, 26(11): 194-203. (in Chinese) [本文引用:1]
[41] 李鹏飞, 孙小明, 赵昕奕. 近50年中国干旱半干旱地区降水量与潜在蒸散量分析. 干旱区资源与环境, 2012, 26(7): 57-63.
Li P F, Sun X M, Zhao X Y. Analysis of precipitation and potential evapotranspiration in arid and semiarid area of China in recent 50 years. Journal of Arid Land Resources and Environment, 2012, 26(7): 57-63. (in Chinese) [本文引用:1]