淮河流域农田旱涝逐日监测指标优化及适用性分析

2021-03-11 01:10王晓东陈金华魏忠光
农业工程学报 2021年23期
关键词:淮河流域夏玉米农田

王晓东,陈金华※,陈 曦,岳 伟,魏忠光

(1. 安徽省农业气象中心,合肥 230031;2. 安徽海峰分析测试科技有限公司,合肥 230031)

0 引 言

由于地表水分收支不平衡导致的旱涝灾害是主要的农业气象灾害之一,由其造成的粮食损失约占中国粮食生产总损失的80%以上[1]。淮河流域由于气候过渡性和不稳定性特征,形成了“无降水旱、有降水涝、强降水洪”典型区域旱涝特征,加之流域生态环境脆弱性导致旱涝频发[2]。旱涝灾害对淮河流域粮食作物产量影响显著,大涝年冬小麦产量损失可占平均粮食产量的6%~12%,大旱年占到10%~20%[3]。而夏玉米和一季稻等秋收作物受旱涝灾害影响的减产幅度普遍大于冬小麦,如淮河流域1994、1997、2002 年的干旱,1982、1991、2003、2007年的夏季洪涝导致夏玉米等秋收作物受灾减产,减产率最高达30%以上[4]。气候变化导致该区旱涝灾害明显增多,加上区域经济发展水平不高,制约了对灾害的管理能力,旱涝灾害已成为影响该区农业和国民经济可持续发展的重要障碍因素[5]。因此选择合理的农田旱涝监测指标,研究淮河流域农田旱涝时空特征并开展实时旱涝监测业务服务工作,对流域防灾减灾、保障粮食安全和社会经济可持续发展具有实际意义。

旱涝指标是研究农业旱涝的基础,目前常用的主要指标有综合气象干旱指数(Comprehensive Meteorological Drought Index,CI)、作物水分亏缺指数(Crop Water Deficit Index,CWDI)、帕默尔干旱指数(Palmer Drought Severity Index,PDSI)、标准化降水指数(Standardized Precipitation Index,SPI)、标准化降水蒸发指数(Standardized Precipitation Evapotranspiration Index,SPEI)等,众多学者利用旱涝指标对中国不同地区旱涝特征进行了系统的研究,在旱涝时空分布特征[6-7]、强度发生频率[8-9]、灾害评估和风险区划[10-11]以及遥感应用[12]等方面取得众多研究成果。此外,纪昌明等[13-15]学者也利用SPI 和SPEI 等旱涝指标在淮河流域旱涝特征和产量影响等方面开展了研究。其中,SPEI 指数融合了SPI 与PDSI 指数的优点,综合考虑农田水分平衡且同时能在多时间尺度上合理评估旱涝,能够更客观地描述地表干湿变化,具有适合多尺度、多空间比较的优点,并且在大部分地区都有很好的适用性[16-17]。

目前大部分旱涝指标多以旬、月、季尺度作为统计时段,且容易忽视降水发生时间对当前旱涝的影响,不能完全反映旱涝逐日变化[18-19]。为满足现代农业旱涝监测的要求,提升监测的时效性与精细化水平,本文基于SPEI,针对淮河流域三大主要粮食作物(冬小麦、夏玉米和一季稻)农田旱涝监测,在充分考虑土壤水分变化特征的基础上,优化了农田水分收支项中有效降水量和作物需水量计算,并采用三参数log-Logistic 概率分布拟合了日尺度前期累积降水蒸散差,通过正态标准化得到日尺度标准化前期降水蒸散指数(Standardized Antecedent Precipitation Evapotranspiration Index ,SAPEI),通过典型实例及一致性检验指标Kappa 系数等探讨了其在淮河流域农田旱涝监测中的适用性,最后计算分析了优化后的SAPEI 时空变化特征。将SAPEI 应用于农田旱涝逐日动态监测业务服务中,可及时预防并减轻农田旱涝对作物影响,同时为防灾减灾措施的制定提供决策依据。

1 材料与方法

1.1 研究区域与数据来源

淮河流域地处中国东部,地跨湖北、河南、安徽、江苏和山东5 省(111°55′~121°20′E,30°55′~36°20′N),其西部、南部和东北部为山地丘陵区,其余为平原(含湖泊和洼地),是黄淮海平原的重要组成部分。耕地面积约占全国耕地面积12%,粮食产量占全国总产量近15%,其中小麦产量接近全国总产量的一半,是中国粮食主产区和重要的农产品基地[20-21]。该区域属于一年两熟作物种植区,夏粮以小麦为主;秋粮中北部地区主要以夏玉米为主,南部及沿淮地区多为一季稻[22]。本文综合考虑气候地理、作物种植等因素,将淮河流域分为4 个区[4]。Ⅰ区:东北部山地丘陵区(冬小麦/夏玉米);Ⅱ区:北部平原区(冬小麦/夏玉米);Ⅲ区:中部平原区(冬小麦/夏玉米);Ⅳ区:西部及沿淮区(冬小麦/一季稻)。

淮河流域173 个气象观测站1971—2020 年逐日平均气温、最高气温、最低气温、降水量、日照时数、水汽压、平均风速、相对湿度等气象数据,16 个自动土壤水分代表站2011—2020 年0~50 cm 逐时自动土壤水分数据(土壤体积含水率),36 个农业气象观测站1981—2010年0~50 cm 历史人工土壤水分数据(土壤相对湿度)和作物发育期观测数据,资料均来源于国家气象信息中心;相关农田旱涝灾情数据来源于1995—2018 年《治淮汇刊(年鉴)》。为确保逐日气象数据质量及其连续性,缺测序列≤5 d 的数据采用三次样条函数内插补齐,个别缺测序列>5 d 的使用相邻站点数据进行插补订正。另外由于日降水资料统计时段为前一日20 时至当日20 时,因此使用20 时自动土壤水分数据进行研究分析。研究区域种植分区及各站点分布见图1。

1.2 研究方法

1.2.1 有效降水量

有效降水量是指旱地作物用于满足作物蒸发蒸腾需要的那部分降水量,其中不包括地表径流和渗漏至作物根区以下的部分,也不包括淋洗盐分所需要的降水深层渗漏部分。降水的有效性与降水量级直接相关,同时也与作物生长状况、地表覆盖情况、土壤的质地结构和当前土壤的实际含水率有关[23],常用的经验方法有FAO 推荐的参考作物蒸散量和降水量比率法[24]、美国农业部土壤保持局推荐的有效降水量分析方法[25]等,但影响有效降水量的因素较多,精确计算比较困难,针对具体地区的适用性还有待进一步验证。

本文采用有效降水系数法,为消除固定有效降水系数存在的局限性问题,选择淮河流域2011—2020 年运行较为稳定且具有分区代表性的自动土壤水分观测站数据,分析不同降水过程0~50 cm 土壤贮水量增量与过程累积降水量的关系。其中大雨量级以上的降水过程,0~50 cm 土层的土壤水分变化量普遍可占到整个土层的90%以上,50 cm 以下土层含水率总体较为稳定,而冬小麦、夏玉米和一季稻的主要根系分布于0~50 cm 表土层中[26-27],因此本研究选择0~50 cm 土层平均土壤水分变化作为研究对象。另外剔除土壤贮水量增量大于过程累积降水量的样本,在此基础上建立各分区不同量级降水量和有效降水系数的关系,4 个分区相关系数均在0.68以上,通过了极显著检验(P<0.001)。该方法既考虑了不同降水等级有效性存在差异的特点,同时充分考虑土壤特性,具有较好的区域适用性,另外农田环境小于5 mm 的降水量一般视为无效降水,因此区域有效降水可表示为

式中Pe为有效降水量,mm;Pd为日总降水量,mm;P0为有效降水量达到极大值时所对应的日降水量值,mm;Pemax为有效降水量极大值,mm;a和b为计算有效降水系数的参数。图2 是以淮河流域中部平原区为例,实际降水量与有效降水系数、有效降水量的关系。

基于分区自动土壤水分代表站点分析,获取了淮河流域4 个主要农业种植分区有效降水的估算结果及相关特征量,计算结果见表1。

表1 淮河流域分区有效降水量估算参数和特征值Table 1 Estimated parameters and eigenvalues of regional effective precipitation in Huaihe River Basin

1.2.2 作物需水量

某日大田作物的需水量(ETc)一般由作物系数(Kc)和参考作物蒸散量(ET0)计算得到。

其中Kc反映了作物蒸腾、土壤蒸发的综合效应,受作物类型、气候条件、土壤蒸发、作物生长状况等多种因素影响,本文为获取淮河流域三大主要粮食作物逐日Kc值,首先基于FAO 推荐的作物生育期Kc变化模型[28](图3a),将作物发育期分为发育初期、中期和后期,然后根据淮河流域已有的Kc观测试验资料[29],确定冬小麦、夏玉米和一季稻分区的初期作物系数(Kcini)、中期作物系数(Kcmid)和后期作物系数(Kcend)3 个标准作物系数,最后计算得到逐日Kc。以中部平原区的宿州站(夏粮为冬小麦,秋粮为夏玉米)为例,其年内Kc变化见图3b。各站点逐日参考作物蒸散量(ET0)计算采用联合国粮农组织(FAO1998)推荐的Penman-Monteith 模型,其中净辐射估算的经验系数由流域辐射站实测资料计算得到,各站点采用最短距离和气候相似性原理确定[30],其余参数均采用FAO 推荐值。

1.2.3 旱涝指标模型设计和优化

某日农田水分收支量(ΔW)可表示为

从实际农田旱涝出发,综合考虑农田旱涝前期累积效应,借鉴前期降水指数(Antecedent Precipitation Index,API)的设计理念,当日农田水分供应能力与前期农田水分收支量有关,且离当日越久,影响越小,据此构建前期累积降水与蒸散差值指数(Antecedent Precipitation Evapotranspiration Index,APEI)[31]。本文根据淮河流域农田旱涝特征,对ΔW和K进行本地化订正,并优化了APEI 计算,其公式如下:

式中m为前期农田旱涝累积影响的天数,取值99;i为前推日序数(当日记为0),统计时段共计100 d;ΔWi为第i日农田水分收支量;K为衰减系数,通过对淮河流域分区土壤水分的衰减规律进行研究,以获取前期每日土壤水分影响权重系数,并对权重系数进行归一化处理,其中每个分区土壤水分站点选取4~6 个无降水的长时间序列样本进行研究分析,通过拟合获得Ⅰ~Ⅳ区衰减系数,分别为0.891、0.908、0.921 和0.915。

仿照标准化降水指数SPI 的计算方法,采用三参数log-Logistic 概率密度函数对所建立的逐日APEI 数据序列进行拟合,再经正态标准化求得SAPEI 值,旱涝等级分类标准主要参考SPI 和SPEI 指数研究的相关文献[6,8],通过SAPEI 理论累积概率来确定,并结合土壤相对湿度分类等级[31]确定一一对应关系。具体旱涝等级分类见表2。其概率密度函数如下:

表2 标准化前期降水蒸散指数(SAPEI)旱涝等级标准Table 2 Drought and flood grade standard of Standardized Antecedent Precipitation Evapotranspiration Index (SAPEI)

式中w为概率加权矩;常数项c0=2.515 517,c1=0.802 853,c2=0.010 328,d1=1.432 788,d2=0.189 269,d3=0.001 308,均为对累积概率密度进行正态标准化后计算SAPEI 所需的参数。当P≤0.5 时,P=1-F(x);当P>0.5 时,P=1-P。

1.2.4 分布拟合检验

检验某个样本是否符合正态分布的检验方法有T检验、z检验、偏度和峰度检验等,本文构建的APEI 数据序列是假设其符合三参数log-Logistic 概率分布,并不适合直接采用正态分布检验法。经常采用拟合优度(χ2)检验和Kolmogorov-Smirnov(k-s)检验来验证样本是否符合某一理论分布,虽然k-s 检验的灵敏度没有T检验等正态分布检验方法高,但相比于χ2检验,其适用范围广,且更具稳定性,能较好地验证样本数据是否服从某一特定分布[32-33],因此本文采用k-s检验法进行分布拟合效果检验。

1.2.5 Kappa 系数

Kappa 系数是由Cohen 在1960 年提出并用于衡量分类精度的一致性检验指标[34-35]。所谓一致性就是模型预测结果和实际分类结果是否一致。基于混淆矩阵计算的Kappa 系数取值在−1 到1 之间,通常大于0。一致性分类标准:无一致性(<0)、极低的一致性(0.0~0.20)、一般的一致性(0.21~0.40)、中等的一致性(0.41~0.60)、高度的一致性(0.61~0.80)和几乎完全一致(0.81~1)。Kappa 系数详细计算见文献[34]。

1.2.6 气候倾向率和Mann-Kendall 趋势检验

气候倾向率可由某一气候变量X与所对应的时间t之间建立的一元线性回归方程得到。

式中a0为截距,b0为回归系数,a0和b0通过最小二乘法或经验正交多项式来确定,b0乘以10 即为气候变量X的气候倾向率。

Mann-Kendall 趋势检验是一种非参数统计检验,不需要样本服从一定的分布,同时也不受少数异常值的干扰,更适用于类型变量和顺序变量[36]。因此适合本文中旱涝时间变化突变特征的分析。

2 结果与分析

2.1 APEI 分布拟合检验

SAPEI 是基于假设APEI 序列服从log-Logistic 概率分布,当APEI 序列的经验概率分布与理论概率分布近似一致时,则认为SAPEI 分析适用于该序列。为检验分布的拟合效果,分别计算了1971—2020 年APEI 序列的经验概率和理论概率,分别在淮河流域4 个分区选择临沂、商丘、宿州和淮南作为代表站(图4),可以看出两曲线的重合度都比较高,其中流域南部站点拟合效果总体好于北部。另外为更准确验证拟合效果,本文采用了k-s检验方法,对月尺度的APEI 序列进行拟合效果检验,k-s检验的临界值Dn=0.056,而淮河流域各站点的Dn值为0.038~0.057,其中有97%的站点Dn值小于临界值,通过检验,个别未通过检验的站点主要是因为出现了历史罕见的极端降水,但就整个淮河流域来说发生的总体概率较低。因此可认为构建的 APEI 序列符合三参数1og-Logistic 概率分布,应用SAPEI 表征淮河流域由降水蒸散盈亏引发的农田旱涝是可行的。

2.2 SAPEI 在淮河流域农业旱涝监测中的适用性评价

每个分区分别选择1 个代表站点,同时选择全年及三大作物生育期作为分析时段,通过4 个实例检验SAPEI在淮河流域农业旱涝监测中的适用性。图5a 给出了临沂站2020 年全年SAPEI 逐日变化及其对降水的响应。年内4 月至5 月上旬SAPEI 普遍小于−1.0(中旱及以上),7月中旬至8 月SAPEI 普遍大于1.0(中涝及以上),其余时段介于两者之间,并且年内SAPEI 的日变化能较好地响应降水变化,如5 月9 日日降水量62.9 mm,SAPEI从前日的−2.03(特旱)变为1.15(中涝),与实际田间土壤墒情比较,监测结果与实际情况基本相符。另外SAPEI 年内变化曲线能较好地反映农田失水特征,在无降水情况下,由于夏季农田蒸散大,SAPEI 曲线的下降幅度明显大于其他季节。SAPEI 能较真实地体现年内有无降水情况下的实际逐日农田旱涝变化。

图5b 给出了商丘站1999—2000 年冬小麦生育期SAPEI 逐日变化及其对降水的响应,当年遭遇了流域性的干旱,干旱成灾面积在400 万hm2以上,从商丘站的变化曲线可以看出2000 年初开始持续降水偏少,SAPEI呈明显的下降趋势,3 月底至6 月初持续中旱及以上旱情,其中特旱天数超过了20 d;图5c 给出了宿州站2007 年夏玉米生育期SAPEI 逐日变化及其对降水的响应,当年出现了流域性大洪水,全流域农作物受灾面积200 万 hm2以上,从宿州站的变化曲线可以看出2007 年7 月至9 月农田处于中等及以上涝渍;图5d 给出了淮南站1978 年一季稻生育期SAPEI 逐日变化及其对降水的响应,当年淮河流域出现了春夏秋三季连旱,全流域作物受旱面积达600 万hm2以上,从淮南站的变化曲线可以看出2007年8 月中旬至9 月底,农田持续中旱及以上。结合历史土壤墒情监测资料及《治淮汇刊》年鉴中对作物旱涝具体灾情的描述,基于SAPEI 的农田旱涝监测结果能较客观和准确地反映当时农田实际旱涝特征。

为更加直观对比降水前后SAPEI 的空间变化,选择2013 年5 月21 日、5 月26 日旱情明显缓解和解除前后SPAEI 旱涝监测空间分布(图6a 和6b)。期间大部分站点出现明显降水,其中成武、宝丰和鲁山等10 多个站点累积雨量达100 mm 以上,旱情基本解除,空间分布图与实际农田旱涝分布特征吻合程度较高(图6c 和6d),SPAEI 可以较真实地反映面上农田旱涝变化。同时引入Kappa 系数用于更加定量化评价SPAEI 面上农田旱涝监测和分类精度,按照旱涝等级标准,将历史上站点墒情观测日0~50 cm 土壤相对湿度平均等级与基于SAPEI的旱涝监测等级进行比较,计算两者的Kappa 系数。其中,由于2010 年前土壤墒情以人工取土为主,每旬仅2组观测数据且80 年代后数据相对比较完整,最终参与Kappa 系数计算的样本数582 个。Kappa 系数计算结果为0.56~0.97,其中有93%的样本Kappa 系数超过0.60,一致性程度达到高度一致或者几乎完全一致,另有7%为中等一致性程度,如2013 年5 月21 日和5 月26 日Kappa系数分别为0.69 和0.74,与实际土壤墒情监测结果高度一致;另外基于分析的样本比较其旱涝等级差,大部分监测结果一致或者相差一个等级的比例达到90%以上。总体来说,基于逐日SAPEI 农田旱涝监测空间分布结果能较准确地反映实际面上农田旱涝特征。

2.3 基于SAPEI 的淮河流域农田旱涝时间变化特征

1971-2020 年淮河流域SAPEI 年际变化总体呈缓慢上升趋势(图7a),没有明显的突变发生,指数正负交替,尤其是2000 年以来指数正负波动小,以正常年份为主。冬小麦全生育期SAPEI 年际变化总体呈缓慢下降趋势(图7b),其中UF 和UB 曲线相交于1992 年,之后SAPEI普遍为负,表明SAPEI 在1992 年发生突变,由正常逐渐转变为偏旱。一季稻(Ⅳ区)全生育期SAPEI 年际变化趋势不明显(图7c),但年际间波动幅度大,正负交替旱涝特征明显,如1978 年SAPEI 达到最小值−0.921,当年淮河流域南部一季稻种植区出现春夏秋三季连旱,降水量普遍只有需水量的一半,旱情十分严重,水稻减产明显。夏玉米(Ⅰ、Ⅱ、Ⅲ区)全生育期SAPEI 年际变化总体呈上升趋势(图7d),2000 年前主要以旱涝交替的特征为主,2001—2010 年指数持续大于0,处于明显的偏湿时段,2011 年后指数又趋于平稳。

2.4 SAPEI 气候倾向率空间分布特征

图8a 给出了1971—2020 年淮河流域173 个站SAPEI气候倾向率的空间分布。有57 个站点呈下降趋势,其中有3 个站点下降速率达到了0.03/10 a(P<0.1),主要分布在流域的西北部;另有116 个站点呈上升趋势,其中有12 个站点上升速率超过了0.03/10 a(P<0.1),主要分布在流域的中部偏北地区,中部的利辛和凤阳等站点上升速率超过了0.04/10 a。总体来说,淮河流域大部分地区干旱呈现缓和趋势。

图8b~8d 给出了1971—2020 年淮河流域3 大主要粮食作物全生育期SAPEI 气候倾向率的空间分布。冬小麦生育期有40%的站点呈上升趋势,主要集中在流域的中北部地区,其中Ⅰ区的宁阳和宁陵等站点上升速率超过了0.03/10 a(P<0.1),另外60%的站点呈下降趋势,主要集中在流域南部和西部等地区,其中下降趋势较明显的站点主要集中在西北部的新郑、长葛和汝州等地。一季稻生育期有60%的站点呈上升趋势,主要集中在Ⅳ区的东部地区,其中凤阳SAPEI 上升最为明显,达到了0.06/10 a(P<0.1),其余站点呈下降趋势。夏玉米生育期有76%的站点呈上升趋势,上升站点明显多于下降站点,有26 个站点上升速率超过了0.05/10 a(P<0.1),其中Ⅲ区的舞钢和蒙城上升速率达到了0.1/10 a。

3 讨 论

本文在旱涝指标SPEI 的基础上,以优化后的SAPEI作为淮河流域农田旱涝监测指标,该指标充分考虑了前期农田水分收支影响,并解决了大部分旱涝指标(SPEI或水分亏缺指数等)时效性不高(多以旬、月、季尺度作为统计时段)的问题,实现了旱涝逐日监测,时效性与精细化水平得到提升。逐日旱涝监测与实际土壤墒情及典型历史旱涝事件灾情信息记载情况比较后,旱涝等级的一致性程度较高,具有很好的区域适用性。另外利用SAPEI 对某一过程旱涝灾害进行评估时,首先能较为准确地获取站点旱涝灾害开始和结束的时间,确定旱涝灾害的持续时长,同时能简单评估灾害过程总体发生程度以及旱涝灾害过程变化趋势(加重或缓解),尤其在评估跨月或跨年旱涝灾害过程时,与月、年等旱涝评估指标相比,在评估效果和准确性方面有明显的优势。基于SAPEI 对淮河流域旱涝时空分布特征进行分析,与前人的研究结论进行比较,如淮河流域干旱重心分布主要从淮河流域中心向四周扩散[5];流域冬小麦全生育期干旱指数多年呈上升趋势,且1990 s 后呈明显的偏干趋势[14];流域各区域夏玉米全生育期水分盈亏指数时间变化均呈增加趋势,涝灾风险增加[29];姚蕊等[5,14]研究结论与本文的结果基本一致。但也存在不足和有待探讨的问题:

1)基于SPEI 的适用性分析在华北[17]、东北[19]和华南[37]等不同地区以及全国尺度[6]均有相关的研究,适用性总体较好。但研究发现年均降水量小于200 mm 的干旱地区,由于冬季气温低,蒸发小且降水稀少,导致序列0值附近概率异常偏高,使用log-logistic 概率分布拟合会存在较大的偏差,降低了SPEI 在干旱地区旱涝分析中的适用性[38]。而本文在进行SAPEI 拟合分析时也发现淮河流域北部偏旱地区的拟合效果比南部偏湿地区略差,但该指数设计时考虑了前期农田水分收支影响并且淮河流域全年水分收支总体较为均衡,相比在干旱地区的应用,0 值附近概率异常偏高的问题在很大程度上得到了解决,因此基于三参数log-Logistic 概率分布拟合方法总体上比较适用于淮河流域SAPEI 的计算。

2)虽然在农田旱涝监测方面SAPEI 体现了较好区域适用性,尤其在监测时间尺度上得到了提升,但具体到某一农田旱涝灾害过程定量评估方面,目前还没有进行深入的研究。下一步的工作将在充分考虑作物灌溉条件(灌溉、雨养)、地区抗灾能力等因素并结合田间实际受灾情况(受灾面积、减产率等),确定淮河流域不同作物农田旱涝灾害定量评估指标,并在站点旱涝评估的基础上,建立区域综合旱涝灾害评估指标。

3)本文在优化水分收支项(有效降水量和作物需水量)时,充分考虑了淮河流域不同区域的土壤特征。其中潮土、砂姜黑土和水稻土占流域总面积的70%以上[4],分区土壤水分代表站点选择时已尽量体现土壤代表性,共选择了14 个站点。但由于土壤空间分布较为复杂,且土壤水分自动观测与人工取土观测相比准确性和稳定性略有不足,因此在此基础上建立的分区有效降水系数和土壤水分衰减系数等本地化参数与实际情况会存在一定的偏差,需要进一步验证和完善,使参数更准确。

4)逐日农田SAPEI 监测与实际土壤墒情旱涝等级对比分析时,总体一致性较好,但也出现了基于SAPEI 监测的结果其旱涝程度普遍重于实际土壤墒情的情况,可能与考虑的前期农田水分收支影响时段(本研究取100 d)有关,因此需要从机理性方面进一步完善SAPEI 指数。另外在农田旱涝监测时仅考虑了冬小麦、夏玉米和一季稻3 种主要的粮食作物,而淮河流域大豆、甘薯和棉花等作物也有相当面积的种植,在未来的工作中有必要根据不同作物的作物系数和种植比例计算得到站点逐日综合作物系数,更加综合和全面地考虑流域下垫面作物特征,使得农田旱涝的监测结果更加符合实际情况。

4 结 论

本文利用1971-2020 年淮河流域173 个气象站点逐日气象和土壤水分数据,以SAPEI 作为旱涝动态监测指标,通过典型实例及一致性检验指标等探讨其在实际旱涝监测中的适用性,并分析了农田旱涝时空分布特征。主要结论如下:

1)通过站点概率分布曲线对比及k-s检验,基于三参数log-Logistic 概率分布拟合方法适用于淮河流域SAPEI 的计算,应用SAPEI 表征淮河流域由降水蒸散盈亏引发的农田旱涝是可行的。

2)基于站点实例分析SAPEI 动态变化结果与农田实际旱涝特征基本一致;另外对比SAPEI 旱涝等级与实际土壤墒情等级,582 个实例计算的Kappa 系数中有93%的样本Kappa 系数超过0.6,一致性程度达到高度一致或者几乎完全一致,同时大部分实例旱涝监测结果一致或者相差一个等级的比例达到90%以上。

3)淮河流域年SAPEI 呈上升趋势,总体表现出干旱趋于缓和;冬小麦生育期呈下降趋势,在1992 年发生突变;一季稻生育期正负波动明显;夏玉米生育期呈上升趋势,其中2001-2010 年指数持续大于0,处于明显偏湿时段。从空间分布来看,流域大部分站点干旱呈现缓和趋势。

猜你喜欢
淮河流域夏玉米农田
基于REOF的淮河流域降雨侵蚀力时空变化
有机物料还田对夏玉米穗位叶光合性能及氮代谢的影响
达尔顿老伯的农田
达尔顿老伯的农田
山西省2020年建成高标准农田16.89万公顷(253.34万亩)
气象条件对济南市济阳区夏玉米生长发育的影响
——以2020年为例
巴西2020—2021年度夏玉米产量预计减少17.7%
夏玉米高产高效栽培技术
黑板像农田
基于SWAT模型的淮河上游土地利用变化情景的水文响应