文献摘录_0617

全球变暖对干旱气候和干旱特征的影响

摘要

气候变暖导致区域气候和极端气候的变化。然而，对未来变暖如何影响亚洲干旱气候的理解仍不清楚。利用耦合模式比对项目第6期的共享社会经济路径5-8.5，研究了全球变暖对亚洲干旱区转移和干旱变化模式的影响。在高于工业化前水平的潜在GW目标(参考期+0.66°C，未来期+1.5°C、+2.5°C、+3.0°C)下，研究了干旱地区的变化。我们研究了与干旱相关的降水和温度指数的变化，干旱模式对应于一致干旱区和基于GW情景的干湿转移区。结果表明，气候变暖对气温和降水产生影响，使干旱区气候分布向扩大方向变化。由于气候带的变化，当升温3°C时，相对于参考气候，干旱区可能扩大2.6%。降水指数的变化对干旱变化的空间格局和程度有影响。气象条件诱发的未来干旱特征根据干湿转移和干旱事件表现出不同的行为。特别是，整个亚洲的干旱特征在严重程度和频率方面都可能因更大程度的GW而加剧，特别是在干旱地区和极端干旱方面。该研究为研究受GW影响的区域气候与干旱特征之间的关系提供了有价值的信息。

1介绍

自前工业化时期以来，人为排放引起的全球变暖(GW)一直在持续。变暖最根本和最深远的影响之一是水文循环的加剧，这导致了全球长期平均和极端事件的内在区域气候特征的改变(IPCC 2013, 2018)。然而，即使在当前状态下，由于全球环流和局部辐射强迫的复杂影响，区域(或局部)气候的变化模式也因区域气候特征而呈现出不平等的时空格局(Paeth et al 2015)。此外，预计进一步变暖将增强水文循环的强度，并导致区域尺度上平均气候和极端气候的额外变化(Trenberth 1999, 2011;Kim and Bae 2020)。因此，探测区域气候对当前和未来变暖的响应变化对于了解环境条件的变化非常重要。

区域平均气候与供水、粮食安全、自然资源以及人类健康和生计密切相关，由较长时期(例如至少20年)的气候条件确定。

气温升高和降水模式变化是直接影响气候变化的因素(IPCC 2013)，并因此调节全球的长期气候(Trenberth 1999);然而，这些因子的变化模式高度依赖于区域气候特征。显然，区域气候带的时空格局正在因气候变化而发生变化，尽管气候预估存在不确定性和大量的自然变率(Latif 2011;Zhang and Zhou 2015;Ukkola et al. 2020)。进一步的变暖可能会加速区域气候变化，而变化的方向正朝着全球干旱加剧的方向发展。这种广泛的全球干旱趋势影响了亚洲等地区的区域气候;因此，由于持续气候变化的影响，预计亚洲干旱地区也将增加(Wei et al . 2019;Kim and Bae 2021)。在这方面，考虑到亚洲大陆的人口众多和广阔的农田，必须检测干旱的变化，特别是在亚洲。

气候变暖将加剧极端气候，尤其是极端干旱。气候变暖会导致降雨模式的变化不平衡或加剧干旱(Cook et al, 2020)。降雨模式的不平衡增加了降水分布的偏度，干尾变宽。这导致一些地区有更高的干旱风险，尽管原因包括潮湿的气候或年降水量增加的模式(Menne et al 2012)。干旱加剧增加了与土壤湿度和径流有关的极端干旱的风险(Cook et al . 2020)。降雨减少会成倍增加干旱风险，特别是在干旱地区，因为降水与土壤水分或径流之间的关系是非线性的(Li et al . 2021b)。

为了分析气候变化对干旱区干旱特征的影响，以往的一些研究利用气候模式输出(Son and Bae 2015;Cook等人2020;Balting等2021;Li et al . 2021b)。结果表明，干旱区干旱对气候变化的敏感性和脆弱性高于湿润地区(即非干旱地区)(Balting et al . 2021;Li et al . 2021b)。这是因为干旱地区的干旱状况只有通过充足的降雨才能缓解或结束，而充足的降雨需要外界提供足够的水分。因此，无论在当前气候还是未来气候下，干旱区(包括由湿区新转化的干旱区)发生的干旱比湿区更严重(Feng and Fu 2013;Son and Bae 2015)。然而，气候向干旱或湿润气候的转变是否与干旱特征的变化相关尚不清楚，特别是在亚洲。

假设整个亚洲气温变暖，极端降水的未来变化比平均降水更一致(Zhao et al . 2018;Li et al . 2019;Yao et al . 2021)。此外，极端降水的变化模式，如干(湿)期长度的增加和强降水事件，会影响干旱模式的加剧(Sun et al. 2021)。

因此，随着全球平均温度(GMT)的升高，亚洲大部分地区的干旱频率和严重程度可能会增加(Xu et al . 2018)。具体而言，全球变暖导致区域气候变量在平均和极端条件下的变化模式，从而导致亚洲干旱的变化(IPCC 2018;Aadhar and Mishra 2020)。然而，目前尚不清楚气候特征响应未来气候变化的变化是否与该地区的干旱特征有关。因此，有必要研究平均和极端气候的区域变化模式对干旱特征变化的贡献。

据我们所知，相对较少的研究评估了全球变暖对区域气候特征的影响(即，包括对长期变化和极端天气事件的影响)，涉及在区域尺度上取决于区域气候带的潜在干旱风险的联系。在本研究中，我们研究了气候变化对亚洲季风区区域气候特征和干旱的变暖影响。

此外，利用耦合模式比对项目(CMIP6)第六阶段基于多地球系统模式(ESM)的最新气候预估;Eyring et al . 2016)，我们提出了未来变暖下气候和干旱特征变化的最新结果。我们评估了全球变暖对区域气候的影响以及与变暖目标相对应的干旱特征，重点关注了干旱气候的变化。基于气候带分类识别长期气候变化，结合干旱特征分析气候极端指数变化。

中国西南地区春季干旱时空变化及其与全球气候事件的遥相关

研究区域:西南地区(97.4ºE~112.1ºE, 21.1ºN~34.3ºN)，包括四川、云南、贵州、重庆、广西等省。

研究重点:气象干旱有可能更加频繁和加剧，对粮食安全、饮用水供应、生态环境安全和经济社会可持续发展构成巨大威胁。然而，季节性干旱的时空变化及其可能的驱动因素仍不完全清楚。本文对1961—2020年西南地区春季干旱的时空变化特征及其可能的遥相关机制进行了深入探讨。

气温上升和降水减少导致1961—2020年西南东部地区春季干旱有明显恶化趋势。2003年春季干旱发生了显著的突变，尤其在2003年以后，春季干旱的发生频率和强度显著增加。1961-2020年春季干旱演变受NAO主导，同时也受TNA和AO耦合的影响。而2003-2020年ESWC春季干旱显著恶化的主要原因是NAO、TNA和PDO的耦合作用。研究结果可为西南地区的农业生产、水资源管理，特别是春季干旱的预警预报提供有价值的信息。

干旱是一种极端干燥的天气状况，可导致严重的水文失衡，这主要归因于降水不足和蒸散发增加(IPCC, 2014)。

干旱可分为气象干旱、农业干旱、水文干旱、地下水干旱和社会经济干旱(Azarakhshi et al, 2011)。

气象干旱是最广泛和最关键的干旱类型，通常是其他类型干旱的前兆，也是本工作的重点(Mishra et al, 2010)。

气象干旱通常会造成严重的经济损失和饮用水短缺(Qiu, 2010)。

气象干旱对农业生产、植被生长和碳平衡也有显著的负面影响，威胁生态系统的可持续发展(Wolf et al, 2016)。中国西南地区地处东亚季风区，气象干旱灾害多发(Liu et al .， 2012;Lin et al, 2015)。2010年春季，中国西南地区遭受了近50年来最严重的干旱灾害(Yang et al .， 2012)。2010年春旱严重影响了400万公顷农作物的产量和品质，造成数千万人的饮用水短缺(Qiu, 2010)，严重影响了西南地区生态系统的稳定(Wang et al, 2010)。因此，了解西南地区春季干旱的时空格局及其可能的机制是十分重要和紧迫的。

为了定量描述气象干旱，人们开发了许多干旱指数。常用的干旱指数有Palmer干旱严重指数(PDSI, Palmer, 1965)、有效干旱指数(EDI, Morid et al, 2006)、标准化降水指数(SPI, Stagge et al, 2015)和标准化降水-蒸散指数(SPEI, Van Loon et al, 2016)。PDSI在干旱监测中考虑降水和蒸发量，但存在定标期效应高、利用受限、空间可比性问题以及确定干旱状况与指标值关系的主观性等不足(Vicente-Serrano et al .， 2010;Vicente-Serrano et al, 2013)。SPI只考虑降水的影响，忽略了温度对干旱的影响。SPEI还考虑了温度的影响，具有多时间尺度的特点，允许灵活的可比性。SPEI在全球和区域研究中被广泛用于描述干旱(Byakatonda等人，2018;Hui-Mean等，2018;Chen et al, 2019)。

许多先前的全球和区域研究表明，在过去几十年中，使用干旱指数的气象干旱变得更加严重。在全球范围内，历史气候观测表明，近几十年来，在气候变暖的影响下，世界许多地区，特别是北半球的气象干旱变得更加频繁和严重(Chiang et al, 2021;Sreeparvathy et al, 2022)。1961-2015年中国黄河流域干旱有明显恶化趋势(Wang et al .， 2018a)。西北地区气象干旱频次减少，严重程度增强(Yao et, 2020)。在中南半岛大部分地区，气象干旱也趋于更为广泛和严重(Phan-Van et al, 2022)。在西南地区，气象干旱增加趋势主要集中在广西和贵州(Zhang et al .， 2013)。近期研究发现，2000年以后西南地区气象干旱热点向云南省转移(Feng et al .， 2014;Jia等，2018;丁高，2020;Cheng et al .， 2020)。西南地区春季干旱的时空变化特征尚不完全清楚。

气象干旱的发生机制极其复杂，全球气候事件是关键驱动因素。局部气候和地形变化是影响气象干旱变化的主要因素(Asong et al .， 2018)。季风区气候主要受季风变化的影响。东亚季风受北大西洋涛动(NAO)、厄尔尼诺-南纬涛动(ENSO)、印度洋偶极子(IOD)和太平洋十年涛动(PDO)的显著影响(Chen et al .， 2013;肖等，2015;Zhang et al, 2014)。ENSO区域的海表温度(SST)异常改变了大气气体流动，引发了中国许多地区的干旱等极端天气事件(Huang et al .， 2016;Liu et al .， 2017;Huang et al, 2019)。以往的研究也表明，全球气候事件与全球气象干旱密切相关。例如，北极涛动(Arctic Oscillation, AO)和NAO影响了中国西北地区(Wang et al, 2015)和西南地区(Wang et al, 2020)以及伊比利亚半岛地区(Manzano et al, 2019)的气象干旱演变。此外，NAO是1979-2013年朝鲜半岛春季干旱的关键因素(Kim et al, 2017)。以往的研究主要使用传统的相关分析方法，如Pearson和Spearman相关系数，分析全球个别气候事件与气象干旱之间可能的遥相关关系，但这些方法在不同的时间尺度上并不实用(Seyoum, 2018)。然而，气象干旱的变化可能受到全球气候事件耦合效应的影响(Hu et al .， 2016)。例如，印度半岛的气象干旱演变受到NAO、PDO和IOD耦合的影响(Shamna et al, 2022)。ENSO、PNA和IOD的耦合效应也可以解释中国地下水干旱的演变(Wang et al .， 2022)。

以往的研究表明，西南地区严重的春季干旱与显著的降水亏缺和局部地质条件有关(Long et al .， 2014)。春季降水不足的可能原因是中国西南上空存在一个异常的西沃克风下降分支(Tan et al, 2017)。此外，西南地区严重的春季干旱可能主要是由大气内部变率驱动的(Liu et al, 2022)。然而，全球气候事件对中国西南地区气象干旱的个别影响和耦合影响在很大程度上仍不清楚。

因此，本研究的目标是:(1)深入研究1961-2020年中国西南地区春季干旱的时空变化特征;(2)探讨中国西南地区春季干旱与全球气候事件之间可能的遥相关机制。本文组织如下。第2节简要介绍了数据集的方法。结果和讨论分别在第3节和第4节中给出，主要发现在第5节中得出。

人为影响全球干旱频率、持续时间和强度的证据

干旱对生态、农业和经济部门有严重的直接和间接影响，例如对野生动物栖息地和作物的破坏1 - 5。

相对较低的水可用性(即干旱)也可能对太阳能热能、地热和水力发电产生强烈影响6,7。此外，干旱事件可以影响诸如热浪等相关灾害的发生，这些事件的同时发生可以“级联”增加野火事件的风险8,9。

全球降水气候学中心(GPCC)的观测结果显示，1951 - 2010年间，西非、东亚、中美洲、亚马逊河流域和地中海地区的气象干旱频率、持续时间和强度均呈上升趋势。此外，气候研究单位(CRU)的观测也显示，陆地气象干旱面积呈显著上升趋势11。由于未来的气候预测表明，美洲、欧洲、亚洲和非洲的干旱频率和严重程度将增加，因此干旱特征的表征是水文学领域一个重要和相关的研究领域12 - 17。

以前的探测和归因研究利用观测和模式模拟将平均和极端温度和降水事件的增加趋势归因于人为排放18 - 23。许多探测和归因研究使用了有或没有人为强迫的历史气候模式模拟，以确定我们观测到的气候条件是由自然变率、人为排放还是两者的组合造成的[19,24]。Fischer和Knutti18使用分数风险度量(称为“归因风险分数”)发现，18%的中等日极端降水可归因于目前0.85°C的温度升高。此外，费舍尔和克努蒂将75%的每日中等极端高温归因于全球气温的持续上升。

尽管在文献18,19,22,24 - 26中对水文气候变量进行了许多检测和归因研究，但人类强迫对不同干旱特征(如持续时间、频率和严重程度)的全球影响尚未明确量化。此前，Wehner等人回顾了美国不同干旱类型发生的变化27。到目前为止，美国气象干旱条件的历史变化还没有被正式归因于人为强迫。另一方面，美国西部的水文干旱条件被归因于人为强迫，因为它们依赖于降雪积累和最终的融雪，而这又受温度条件的强烈影响25。此外，Marvel等人利用气候模式模拟和根据树木年轮记录构建的干旱地图集，提供了自20世纪初以来人类活动对全球土壤水分干旱趋势影响的证据28。Marvel等人在全球干旱地图集区域发现了人类活动总体增加的信号，而在1950-1975年期间，人类活动的信号减少，这可能是期间人为气溶胶排放造成的。Bonfils等人最近还使用了一种多元指纹方法来捕捉人类排放对全球干燥模式的贡献，表明观测到的水文气候条件变化源于温室气体和人为和自然气溶胶强迫的共同作用[29]。总体而言，以往的研究表明，由于干旱可以以多种方式表征，人为强迫对干旱事件的影响是复杂的。

在这项工作中，我们研究了人为强迫对全球气象干旱特征变化的影响。在这里，我们使用最近发布的耦合模式比对项目第6阶段(CMIP6)气候模式模拟来创建标准化降水指数(SPI)来表征气象干旱。利用9个CMIP6模式(每个模式有3个集合成员)，我们量化了历史(包括所有温室气体(GHG)和人为气溶胶(AER)强迫)和历史自然气候情景的干旱频率、最大干旱持续时间和最大干旱强度，以研究人为排放对19 - 20世纪干旱特征变化的影响。此外，我们利用空间聚合的视角评估了人为强迫对这些干旱特征变化的全球分布的影响。我们还研究了干旱事件持续时间和中位数强度的双变量分布差异，以表征人为强迫对这些干旱特征之间依赖性的影响。

为了直接量化人为强迫对干旱事件的影响，我们估计了可归因于人为气候变化的干旱发生的可能性。

我们采用Fischer和Knutti(2015)中使用的概率比概念来量化20世纪末在历史条件下相对于自然条件下发生干旱事件的可能性18。通过研究干旱风险的全球分布，我们从气象干旱的角度确定了对人为气候变化更敏感的地区。我们还分析了纯温室气体强迫和纯aer强迫对干旱发生可能性的个别影响，以便更好地了解温室气体强迫和人为气溶胶强迫的个别贡献。除了基于spi的分析之外，我们还基于标准化降水-蒸散指数(SPEI)数据研究了干旱特征，以更好地了解人为强迫对净水分有效性的影响，这里将净水分有效性视为月降水量与潜在蒸散之间的差异30。通过使用SPEI，我们可以研究人为强迫对大气蒸发需求的额外影响，预计随着全球气温继续上升，大气蒸发需求将增加31。总体而言，了解人为气候变化对干旱特征的贡献对于我们解释历史观测到的干旱趋势非常重要。

基于CMIP6气候变化情景的气象突发性干旱风险预估

气象突发性干旱(MFDs)是一种以快速发生/加剧为特征的亚季节性至季节性干旱现象。本研究评估了当前和未来5种CMIP6 SSP强迫情景(SSP- fs)在全球、大陆和区域尺度上的MFDs趋势和热点区域的变化。对12个gcm的分析表明，在全球范围内，mfd的发生频率、持续时间和严重程度将分别增加~ 20-50%、20-58%和26-62%，其中夏季发生的概率最高。干旱区和半干旱区是MFD的热点区域。在大多数大陆，MFD暴露风险预计超过1.5倍，其中印度次大陆的风险最高。此外，在目前受mfd影响较小的欧洲和南美洲，在最温暖的SSP-FS下，预计热点地区的温度将大幅增加(约122-127%)。确定了最易受mfd影响的lulc等级和海拔范围，以及引发mfd发展的区域潜在水文气象驱动因素。

介绍

突发性干旱(FD)是一种不同于传统干旱的极端事件，其特征是干旱/干燥条件迅速加剧。

干旱灾害多为持续时间短、强度大的干旱事件，对水资源、农业和生态系统造成多方面的影响。

与主要归因于降水减少的常规干旱(即发展缓慢的干旱)不同，fd的发生是在低降水同时伴有异常高温、大风和/或大气辐射变化的情况下。

这种耦合效应可以突然提高蒸散速率并从景观中去除可用水，有利于水分胁迫状态的快速加剧，从而导致FDs。

它们可以表现为离散的干旱事件，但也可能表现为已经发生的长期干旱的严重程度迅速增加。如果它们不被终止，它们可能会继续进入一个更持久的干旱时期。

随着气候变化和人类活动的加剧，干旱事件的影响和不确定性在未来2 ~ 4将显著增加。然而，据我们所知，基于未来气候预测来评估FD事件影响预测变化的研究是有限的。

fd大致分为热浪fd和降水亏缺fds5,6。热浪fd主要是由于(i)气温急剧上升导致蒸散量增加和(ii)全球变暖加剧导致土壤水分减少的综合影响。降水对热浪fd的增强起着至关重要的作用。然而，降水异常并不会引发那些与降水强迫无关的事件。这些fd属于农业干旱类别，因为它们是由土壤水分枯竭引起的，可造成严重的作物损害，造成重大的经济损失。降水亏缺fd则属于气象干旱范畴，主要是由于气候变化引起的降水负异常所致。它们导致蒸散量的减少和温度异常的增加。因此，这两种灾害是由不同的自然机制发起和维持的，对各种社会经济部门的相关负面影响也不同。

近几十年来，FD研究取得了重大进展，特别是对热浪FD的研究。基于土壤湿度6,8 - 10、气象变量7,11 - 13和遥感的各种方法已经发展到在区域和地方尺度上识别fd。Christian et al .， 20111考虑多个再分析数据集的蒸发应力异常变化，试图评估1980 - 2015年全球尺度农业fd的影响。然而，目前还没有研究集中在识别降水亏缺FDs或气象FDs (MFDs)对当前和未来气候变化情景的全球、大陆和区域尺度的影响，以及确定MFDs的潜在驱动因素。mfd的预测/早期预警至关重要，因为它们可能对各个社会经济部门造成不利影响。因此，本研究旨在评估5个CMIP6(耦合模式比对项目)SSP-FS(共享社会经济路径强迫情景)(SSP1-1.9、SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5)描述的24个气候带MFDs当前和未来气候变化条件下的全球、大陆和区域尺度变化、趋势和热点区域。该研究根据多种特征(持续时间、严重程度、相对频率、可变性和暴露风险)评估了mfd的影响。MFD热点区域也使用多元FD指标(MFDI)来确定。在全球尺度上评估了不同土地利用/土地覆盖等级和高程对mfd的脆弱性。此外，本文还分析了区域尺度上有利于mfd发展和增强的水文气象异常和潜在的气候驱动因子/预测因子。

结果

mfd的影响越来越大

根据“方法”一节(“mfd的鉴定”小节)中描述的基于多标准的检测程序，使用标准化前降水蒸散发指数(SAPEI)确定mfd。

为此，使用双线性插值方法将12个全球环流模式(GCMs)的MFD预测因子(降水、最高和最低温度)的数据(见“方法”部分的“研究区域和数据”小节)重新网格化到共同分辨率(1.5°× 1.5°)。

随后，考虑到分位数映射程序，他们进行了偏差校正(使用CPC观察到的数据集)19。

对偏校正预测因子的多模型集合(MME)中位数也进行了估计。

本研究中确定的mfd的准确性取决于从GCM输出中识别的预测变量的准确性。

因此，利用基准期/参考期(1979-2014)数据集，研究了GCMs与观测数据集之间的一致性，包括:

(i)纬向时空平均值的变化20和(ii) 24个气气区(详细信息见“研究区域和数据”小节，“方法”部分)的每个偏差校正变量(降水、温度)的日空间平均值的纬向累积分布(补充图1)。分析表明，经偏置校正后的12个单独GCM和GCM MME与不同气候带观测数据构建的GCM和MME相当接近。因此，考虑了来自12个gcm及其MME中位数的偏校正预测因子，以确定当前(1979-2014年)和未来5个(2015-2100年)SSP-FS的全球尺度(全球陆地面积)MFD事件。

利用12个gcm的气候模拟(补充表1)及其MME中值(“方法”部分“MFD特征的确定”小节)确定了与历史和预测的未来MFD相关的五个特征(发生的相对频率/概率、持续时间、临界严重程度、时空变异性和暴露风险)。

为了验证MFD分析，利用观测(CPC)数据集和12个GCMs的气候模拟，确定了覆盖全球陆地面积的网格对应历史时期(1979-2014)的三个特征(持续时间、临界严重程度和经历MFD的面积百分比)。基于观测数据集确定的MFD特征的区域平均年估计值在24个气候带中大多数使用12个gcm确定的相应估计值的第5和第95个百分位数范围内(补充图2)。这表明12个gcm可以被认为是可靠的，可以得到MFD的未来预测。

打码特征分辨根据GCM输出表明,全球有一个增加的影响能够与所有未来SSP-FS(图1)。平均持续时间(相对频率)的显示是放大了大约22.2±6.5%(21.2±5.2%)在北美,88±28.3%(83.3±24.3%)在南美,73.3±13.3%(65.5±9.1%)在欧洲,51±18.9%(43.8±15%)在非洲,37.8±16.2%(34±12.8%)在亚洲,和44.2±25.6%(38.5±22.5%)在澳大利亚不同SSP-FS考虑使用杜洛瓦的估计得到的相应范围预计增加意味着重要的显示和控制程度这些大洲28.1±6.3,89.4±26.4,59.4±16.7,71.1±11日43±16.4,和51±24.7%,分别为(补充表2)。南美可能经验最高的增加持续时间,相对频率,所有SSP-FS打码的关键程度。SSP1-1.9情景被认为是最温和/最乐观的情景(即全球二氧化碳排放量在2050年左右降至净零)，显示各大洲MFD影响的预估变化最小。使用Mann-Kendall趋势检验在网格尺度上确定了MFD特征的趋势，考虑了10%的显著性水平(图2)。分析预测，非洲MFD受影响地区的百分比增长最高，所有SSP-FS的MFD持续时间(15.91±10.2%)和临界严重程度(17.54±10.78%)呈显著正趋势(补充表3)。其他大陆的面积增长约为0-23%，持续时间和临界严重程度呈正趋势所有SSP-FS。在所有大陆，MFD特征呈负趋势的地区比例相当低(<5%)。历史和未来SSP-FS的年相对频率没有明显的变化趋势，因为mfd最有可能在最高温度月份出现最多两次。mfd的年际变异性量化了mfd年度发生率缺乏一致性。最大变率(=1)预计在每年均匀发生或在整个考虑期间不发生的情况下(即，发生遵循均匀概率分布)。与其他MFD特征相反，预计未来所有SSP-FS的变异性都将减少，其中SSP5-8.5情景的减少幅度最大(图2i)。mfd未来变异性的降低可归因于每年mfd的常规发生率的增加。

Zone-wise趋势分析了考虑每个气候带的年均维护功能配置特点来源于杜洛瓦分析表明,年平均持续时间和打码的关键程度在增加在所有24区ssp2 - 4.5, ssp3 - 7.0,和ssp5 - 8.5场景(图3和表4补充)。在ssp1 - 2.6中,所有区域均呈增长趋势在关键的严重性,和一个类似的趋势是明显的时间显示,除了四个区(1、3、21和23)。(1) 12个历史时期区和6个SSP1-1.9(最温和)情景区年平均持续时间呈微弱增加趋势(p值< 0.1)，(2)13个历史时期区和10个SSP1-1.9情景区的临界严重程度(补充表1)。除了极端干旱和干旱地区(即撒哈拉沙漠[Zone-11]、澳大利亚中部[Zone-23]、非洲南部[zone -13,14])，就所有SSP-FS的严重程度、频率和持续时间而言(图4和补充图3)，预计巴西东部[Zone-10]气候类别、美国和墨西哥(zone -4,5,6)、印度和孟加拉国(zone - 20)以及中亚(Zone-18)等地区最容易受到MFDs的影响(图4和补充图3)。同样，就区域趋势而言，除了干旱地区外，中亚(zone -16,17)、澳大利亚南部(Zone-24)、西欧(zone - 22)、发现中非(12区)和美国北部(3区)在各种SSP-FS中mfd的严重程度和持续时间呈增加趋势。大部分区(>16个区)年际变化较大(>0.5)。在mfd中表现出较高变异性和相对频率的区域(10,11,3 - 5区)被认为是高风险区域。这是因为这些区域的MFDs发生率高，同时MFDs具有高度的不可预测性，这可能会加剧其影响。

每月MFD发生的概率

基于标准化降水和蒸散指数及多重gcm的中国干旱特征预估

摘要

干旱对农业生产具有破坏性影响;因此，干旱预测对于制定未来的干旱缓解战略至关重要。本研究旨在预估2011-2100年中国大陆在3个月、6个月和12个月时间尺度上的标准化降水和蒸散指数(SPEI)，以及在两个代表性浓度路径(RCP)情景下(RCP 4.5和RCP 8.5)，并评估各干旱指数在1961-2000年基线期的变化。利用预估的SPEI，估算了2011-2040年、2041-2070年和2071-2100年干旱发生时间、持续时间、严重程度、峰值、频率以及干旱台站百分比的时空变化特征。结果表明，从SPEI和生成的干旱变量来看，未来中国大陆的干旱将比基线期更加频繁和严重。在RCP4.5和rcp8.5情景下，到2100年西北干旱地区的PSSD值分别为60%和81%。虽然预计大多数地区的年降水量将增加，但由于最低气温和最高气温的增加，干旱情况仍将恶化。然而，gcm对SPEI预估的不确定性比站点和rcp贡献更大，因为gcm对方差的贡献更大(>40%)。SPEI比其他仅考虑单一变量影响的指数表现得更好。作物产量与3个干旱指数的关系因月份、作物(玉米和棉花)和时间尺度(3个月和6个月)而异。我们研究的干旱预测可以为利益相关者在面对气候变化时制定区域特定的干旱适应策略提供宝贵的信息。

1. 介绍

干旱是最复杂和最具破坏性的自然现象之一，对农业、生态和社会产生严重影响(Mishra和Singh, 2010;Schubert et al, 2016)。

干旱灾害的发生和形成不仅包括一个复杂的动态过程和多尺度水能循环机制的发展过程，而且涉及气象、农业、水文、生态、社会经济学等多个领域，长期以来一直是一个难题。

在全球变暖的背景下，2010-2011年东非干旱(Dutra et al .， 2013)、2011年德克萨斯州干旱(Nielsen-Gammon, 2012)、2012年美国中部大平原干旱(Hoerling et al .， 2014)、2011 - 2014年加州干旱(Seager et al .， 2015)、2009-2011年中国南方冬春干旱(Sun and Yang, 2012)等严重干旱事件在全球范围内相继发生。中国的严重干旱造成了重大的经济和社会损失，人们呼吁提高应对大规模干旱的能力。

因此，获得未来干旱变化的可靠预测是很重要的;这些预测对于制定缓解和适应战略至关重要。

气候预测是未来干旱评估的基础。一般来说，用于预测气候变化的方法有统计方法、动态方法和混合方法。

统计方法以不同的影响因子作为预测因子，利用基于历史记录的经验关系，而动力方法则基于大气、海洋和陆地表面的物理过程。

随着计算效率的提高，许多全球气候模式(GCMs)正被用于获得未来干旱预测，如耦合模式比对项目第5阶段(CMIP5)提供的模式(Dai, 2013;Masud等人，2017;Thilakarathne and Sridhar, 2017)。模拟是分析21世纪气候变化预估的一种有力方法。然而，由于未来气候预估中存在许多不确定性，因此没有一个模式能够充分描述气候系统的整体过程。因此，更多的研究倾向于使用多个gcm来评估未来的干旱条件，以减少模型的不确定性(Mpelasoka等，2018)。

例如，Dai(2013)应用14个CMIP5模型预测了全球干旱状况，并预测了未来30-90年许多陆地地区的严重和广泛干旱。

Ahmadalipour等人(2017)选择了21个gcm来评估干旱预测，并指出美国的干旱频率和强度可能会显著增加。Feng等(2019)利用28个gcm估算了代表性浓度路径(RCP) 8.5情景下气候变化对澳大利亚东南部小麦带21世纪干旱特征的影响。然而，以往的研究利用的未来气候预估数据要么只有少数GCM，要么是低分辨率的栅格原始GCM数据，要么是中国以外地区的数据。中国有不同的气候带和各种各样的景观。很少有研究关注中国不同气候带未来干旱的演变，利用多重偏倚校正的统计降尺度gcm。

干旱指数是利用预估气候数据(如温度和降水)进行干旱预报的有用工具。人们开发了各种干旱指数来描述和监测气象、农业和水文干旱。

这些干旱指数包括降水异常百分比(Van Rooy, 1965)、干旱指数(Arora, 2002;Budyko, 1974;Erinc, 1965;领域,2012;联合国环境规划署，1993)、Palmer干旱严重指数(PDSI) (Palmer, 1965)以及自校准PDSI (Liu et al .， 2004)、标准化降水指数(SPI) (McKee et al .， 1993)、标准化降水蒸散指数(SPEI) (Vicente-Serrano et al .， 2010)、中国综合指数(CMA, 2006)、标准化水分异常指数(Zhang et al .， 2015)、蒸发需求干旱指数(EDDI) (Hobbins et al .， 2016)、标准化蒸散亏缺指数(Vicente-Serrano et al .， 2018)等。其中，PDSI、SPI和SPEI近年来被广泛用于干旱评价和监测(Li et al .， 2017)。尽管PDSI是通过考虑水的供应和需求而开发的，但由于其固定的时间尺度，它不具备在大范围时间尺度上识别干旱的能力(Zhang等人，2017)。SPI是为了监测多个时间尺度上的干旱特征而开发的，但它不能反映由变暖引起的干旱状况，因为它只考虑降水(Yao et al, 2018a)。与SPI相比，SPEI是一种改进的干旱指数，纳入了参考作物蒸散(ET0)和降水(P)。SPEI可用于研究全球变暖对干旱严重程度的影响(Beguería et al .， 2014)。相比之下，SPEI在监测气象干旱方面具有更大的优势。

利用SPEI对中国干旱特征的发展、演变和时空分布进行了研究(Chen and Sun, 2015;Yao等，2018a;Yao et al .， 2018b)。然而，很少有研究利用缩小尺度的GCM数据和SPEI对中国不同地区的干旱变化进行系统评估。

随着社会经济发展和生态文明建设对干旱防灾减灾能力的依赖日益增强，如何及时有效地监测和预测干旱的发生，客观准确地评价干旱的严重程度和范围，科学有效地应对干旱灾害的危害等问题已成为重要的科学课题。利用1961—2100年中国大陆763个站点的CMIP5在RCP4.5和RCP8.5情景下的28个gcm的气象资料(经统计缩小)，计算了3、6和12个月时间尺度的SPEI。本研究的目标是:(1)在两种RCP情景下预估未来一个时期(2011-2100年)的SPEI值;(2)利用预估的SPEI在1961-1990年、2011-2040年、2041-2070年和2071-2100年中国大陆不同子区域的干旱持续时间、干旱严重程度、干旱峰值和干旱频率上的时空变化特征。

2. 数据和方法

2.1. 研究区域和数据来源

中国幅员辽阔，地形复杂，气候多样。有温带季风气候、亚热带季风气候、热带季风气候、热带雨林气候、温带大陆性气候和高原山地气候。中国从南到北跨越多个气候带(图1)。根据长期气候条件和地形，将中国划分为7个气候分区(Yao et al .， 2018a;赵,1983)。

表1列出了这些次区域长期平均气候变量的详细变化情况。分区1的长期平均降水量最小(136 mm)，分区7的长期平均降水量最大(1600 mm)。

2.2. 全球气候模式和统计降尺度

原始的gcm通常是粗糙的空间分辨率，无法产生区域尺度的预估。因此，将原始GCM数据降尺度到每个GCM的气象观测站是非常必要的。使用Liu和Zuo(2012)开发的NWAI-WG将每个GCM的最低气温(Tmin)和最高气温(Tmax)以及降水(P)的月值缩小为具有每日观测历史气候数据的所有选定站点的日值。1961—2017年763个国家级气象站逐月Tmin、Tmax和P观测资料及地理资料均来自中国气象资料共享服务网。在IPCC耦合模式比对项目第5阶段(CMIP5)气候预估中，有60多个gcm经常进行20世纪所有人为强迫和自然强迫的实验，连续模拟大气温室气体(GHG)浓度的4个代表性浓度路径(rcp)的未来时期(van Vuuren et al, 2011)。然而，在RCP4.5和RCP8.5中，只有大约一半的gcm具有模拟数据。RCP4.5代表温室气体年排放量在2040年左右达到峰值并在整个21世纪后期下降的情景，而RCP8.5代表温室气体年排放量在整个21世纪持续增加的情景，到21世纪末分别导致4.5和8.5 W m2的强迫(van Vuuren et al .， 2011)。因此，我们的研究使用了这两种RCP (RCP 4.5和RCP 8.5)， 28种gcm的相关数据来自https://esgf-data.dkrz.de/ search/cmip5-dkrz(表S1)。

NWAI-WG方法可以从逐月网格化的GCM数据中生成真实的日时间序列。该方法包括对原始gcm中的偏差进行校正，并且对于合并到多个gcm中具有计算效率(Li et al .， 2019)。NWAI-WG在最近的气候变化研究中被频繁使用(Anwar et al, 2015;Feng et al .， 2019;Li et al .， 2019;Wang et al .， 2016)。

降尺度过程包括空间降尺度和时间降尺度两个主要步骤。空间降尺度采用逆距离加权插值方法，将GCM网格单元的Tmin、Tmax和P的月GCM投影降尺度为感兴趣站点的月值，然后对月GCM数据进行偏差校正，使其与每个站点的观测数据相匹配。偏差校正方法是建立历史观测气候与GCM模拟同一历史时期气候之间的q-plot关系，并利用这种关系对历史模拟和未来预估中的偏差进行校正(Liu and Zuo, 2012)。在时间降尺度阶段，使用修正版WGEN将月度偏差校正数据分解为每日数据(Richardson and Wright, 1984)。该方法的主要特点是，与原始WGEN使用的单一参数集相比，用于生成每日气候序列的参数是特定于每个站点和一年中的每个月的(Liu and Zuo, 2012)。这是通过推导相关矩阵的解析解来实现的，该矩阵是气候变量之间的序列相关系数和相互相关系数的函数(Liu and Zuo, 2012)。NWAI-WG降尺度方法的另一个特点是，该方法包括一个评估程序，以确保每个月的日值总和几乎与经偏差校正的月度GCM预估相同，因此不会引入降尺度的不确定性。关于这种统计降尺度方法的更多细节可以在Liu and Zuo(2012)中找到。

3. 结果

3.1. 历史和预估气候变量的变化趋势

3.1.1. 不同gcm对相关气候变量降尺度的影响

缩减规模Tmean和P的性能从28模型评估通过比较平均值和标准偏差(SD)的观察和缩减规模年度Tmean和P值从28日全球大气环流模型对1961 - 2000年(图2)。结果表明,缩减规模平均值的年度Tmean和P强烈赞同的观测值(确定系数R2 = 1)(图2 a和b)。观察平均值之间的差异和缩减规模意味着基线值周期可以忽略不计(Tmean值为0.03 C, P值为1.8 mm)。

R2的标准差值观察和缩减规模年度Tmean和P一般高(0.32 < R2为Tmean < 0.75和0.87 < R2 P < 0.93)。10和90 -分位数Tmean R2值分别为0.60和0.73,0.92和0.93,P的R2值的标准差Tmean略小于P的标准偏差,因为复杂的内部变化的气候的影响变量。然而，mean和Dmean之间的标准差差异非常小(Tmean为0.03 C, P为1.8 mm)(图2c和d)。年Tmean(0.99~1.01)和P(0.99~1.04)的平均值的线性斜率非常接近1.0。对于SD值，线性斜率变化较大(Tmean为0.77~1.54,P为0.70~0.92)。图2表明，NWAI-WG统计降尺度方法对Tmean和P的投影效果较好，因此，NWAI-WG方法降尺度的相关气候变量足够可靠，可用于计算SPEI。

3.1.2. Tmax、Tmin和P的变化趋势的意义和幅度

1961 - 2000年(基线)和2011-2100年两种RCP情景下Tmax、Tmin和P的趋势显著性和幅度值(Sen’s slope)的空间分布(由28个gcm的降尺度数据平均)如图3和S2所示。结果表明:(1)在RCP 4.5和RCP 8.5情景下，1961—2000年和2011—2100年，763个站点的年Tmax和Tmin均呈显著增加趋势;然而，Sen 's斜率值在不同的地点和时期有所不同。1961 ~ 2000年年Tmax的Sen′s斜率由西北向东南逐渐减小，为<0.025 C年1。2011—2100年，中国东南部大片地区年Tmax的Sen′s斜率值高于1961—2000年。在青藏高原中部和西北北部(RCP 4.5和8.5情景下)和东北(RCP 8.5情景下)，年Tmax的Sen′s斜率增加到>0.030 C year1。与1961-2000年和2011-2100年的Tmax相比，Tmin的Sen′s斜率值更大，特别是在中国北方大片地区。这一结果表明，未来Tmin的增加将大于Tmax的增加。(2) 1961 ~ 2000年，763个站点中29、237、458、34和5个站点的年P值分别呈显著增加、不显著增加、不显著减少、显著减少和无变化趋势。

在rcp4.5情景下，2011—2100年669和94个站点的年P均有显著和不显著的增加趋势。在rcp8.5情景下，2011—2100年734、28和1站的P值呈显著、不显著的上升趋势和不显著的下降趋势。中国1961 ~ 2000年P的Sen’s斜率总体小于0.5 mm /年1, 2011 ~ 2100年P的Sen’s斜率增大到0.5，最大可达2.0 mm /年1。与RCP 4.5情景相比，在RCP 8.5情景下，年P的Sen’s斜率值较大的地区较多，尤其是中国东南部地区。此外，与1961 - 2000年相比，2011 - 2100年1、2和6分区域的P变化大于其他4个分区域，尤其是在RCP 8.5情景下(图S3)。(3) SPEI显示的气温和降水同时增加的结果是有趣的，需要进一步研究。

3.2. 不同次区域和中国大陆SPEI的变化

3.2.1. 时间变化

在RCP4.5情景下，1961年至2100年间，中国大陆所有763个台站的年度SPEI的时间变化如图所示。4。对于每年，763个站点的28个缩小的GCM预测的SPEI值以分布的形式呈现，这是干旱条件的完整呈现。分布的变化可以说明RCP4.5情景下1961-2100年中国大陆干旱条件的总体变化。注意，在某种程度上，每个分布的峰值位置可以代表集中分布位置；使用黑线将峰值位置连接起来以指示趋势。在研究期间，分布在1、2、3亚区和中国大陆显示出显著（p＜0.001）的下降趋势，在4、5、7亚区显示出不显著的上升趋势，在6亚区则显示出显著的下降趋势（p＜0.01）。子区域1的峰值从0.9下降到近2.0，表明在预测期内，该子区域的大部分地区可能会经历从潮湿到干燥的转变（严重干旱条件）。在第2和第3亚区以及中国大陆也观察到了类似的SPEI特征，尽管其集中分布位置和范围各不相同。分区4、5、6和7的SPEI趋势相对微妙，集中值在0附近波动。总体而言，干旱和半干旱地区（中国西部和西北部）预计将经历更严重的干旱条件，尽管降水量预计会增加，但中国东北部和东南部预计不会经历严重干旱，因为预测的年降水量很高。

在RCP8.5情景下，1961–2100年中国大陆所有763个台站的年内SPEI的时间变化如图所示。5。分布的变化表明，在RCP4.5情景下，1961-2100年间，大多数亚区和中国大陆的干旱条件总体上有所下降。1、2、3、5和6亚区和大陆的SPEI呈显著（p＜0.001）下降趋势，4和7亚区的SPEI则呈不显著下降趋势。到21世纪末，中国大陆大部分地区可能会经历中度干旱。预计第7次区域未来不会遭受严重干旱。与RCP4.5情景相比，在RCP8.5情景下，所有次区域和中国大陆的SPEI线性斜率值每年下降0.002至0.007，表明干旱略为严重。在高排放情景下干旱的加剧意味着全球范围内人工控制二氧化碳排放的必要性，特别是在本世纪末。

1961年至2100年期间，中国大陆7个亚区每个站PSSD（SPEI<1）的多模型系综平均值的时间变化如图所示。6。PSSD的GCM系综值包括1961-2000年不同亚区和中国大陆观测到的干旱程度的大部分变化。这表明，28个GCM在历史时期干旱的长期平均值和空间特征方面表现出良好的一致性。尽管存在年际变化和GCM不确定性，但1至3亚区和中国大陆的PSSD有明显的增加趋势，4至6亚区的PSSD增加趋势不太明显，7亚区几乎没有PSSD的增加趋势。在RCP4.5情景下，预计到21世纪末，1至7次区域和中国大陆分别约60%、37%、42%、28%、29%、24%、11%和31%的站点将遭受中度至极端干旱（SPEI<1）。

在RCP8.5情景下，到21世纪末，遭受中度至极端干旱的站点的数值分别为81%、48%、63%、32%、40%、40%、25%和45%。总的来说，PSSD的趋势与不同子区域的年度SPEI的趋势一致。干旱可能加剧，特别是在中国西北干旱和半干旱地区（1至3分区），这表明在未来优化用水和管理的必要性。

四个时期（1961–1990、2011–2040、2041–2070和2071–2100）的干旱频率（从28个GCM中的每个GCM获得）也因不同的子区域和RCP情景而变化（图7）。从1961–1990年到2071–2100年，所有7个亚区和中国大陆的干旱频率都有所增加，尤其是1、2和3亚区（中国西北）。据预测，与其他次区域的预测相比，第7次区域未来将遭受不那么严重的干旱。

据预测，到21世纪末，在RCP 8.5情景下，1、2、3、4、5和6分区的干旱频率将显著增加。

3.2.2. 不同时期干旱变量的空间分布

中国四个时期（1961–1990、2011–2040、2041–2070和2071–2100）的干旱事件发生时间（多模型集合平均值）显示出巨大的空间变异性（图8）。应该注意的是，干旱发生时间可能包括表现出部分干旱条件而不是完全干旱条件的时期，并且频繁的干旱事件可能不会导致更长的干旱持续时间。图8显示（1）在RCP 4.5和RCP8.5情景下，1961年至1990年至2071年至2100年，中国大部分地区的干旱发生频率更高。未来一段时期，西北地区的干旱将日益频繁。在RCP4.5和RCP8.5情景下，2041-2070和2071-2100年最大干旱发生时间更多地发生在中国东南部，而最小干旱发生时间更频繁地发生在西北部。（2） 在RCP4.5情景下，1961–1990年至2011–2040年、2041–2070年和2071–2100年期间，发生8次干旱的站点数量分别从6个增加到371个、293个和151个，发生9次干旱的站数量分别从0个增加到7个、1个和1个。此外，从1961年到1990年，干旱发生次数少于6次的站点数量增加到2071-2100个。（3） 在RCP8.5情景下，发生8次干旱的站点数量从1个增加到353个、347个和247个；发生9次干旱的站点从0个增加到45个、36个和49个；1961年至1990年至2011年至2040年、2041年至2070年和2071年至2100年期间，干旱发生10次的站点数量分别从0增加到0、0和6。（4） 总体而言，预计21世纪末中国东南部将出现更严重的干旱，而西北部的干旱则不那么频繁。

1961–1990年至2011–2040年、2041–2070年和2071–2100年，总干旱持续时间（以SPEI<1为特征的干旱月的总和，通过多模型集合平均）增加，并且这种增加在中国西北部更为明显（图9）。图9显示（1）1961年至1990年，干旱分别在0、0、96、667、0、0和0站持续了48、72、96、120、180、240和>240个月。在RCP4.5情景下，2011-2040年、2041-2070年和2071-2100年，所有站点的干旱持续时间均超过96个月。1961年至1990年、2011年至2040年、2041年至2070年和2071年至2100年，干旱持续240个月的台站更多（0个、50个、85个和87个）。预计2041-2070年和2071-2100年，有更多（48个和57个）站点的干旱将持续240个月以上。（2） 据预测，到21世纪末，中国西部大面积地区将经历长期干旱（>240个月），特别是在RCP8.5情景下。（3）更多的站点干旱持续时间更长，这表明未来需要预防干旱。

1961–1990年至2011–2040年、2041–2070年和2071–2100年，总干旱严重程度（每个站点在研究期间累积的12个月S PEI<1的绝对值，通过多模型集合平均）有所增加，在RCP8.5情景下，中国西北部的干旱严重程度更为明显（图10）。在1961-1990年期间，38个和725个站点的干旱严重程度分别为50-100和100-150，没有一个站点的旱灾严重程度超过150。在RCP4.5情景下，2011-2040年，126、438、146、29和24个站点的干旱严重程度分别为100-150、150-200、200-300、300-400和>400；2041-2070年，12、191、298、160、45和57个站点的干旱严重程度将分别为50-100、100-150、150-200、200-300、300-400和>400；2071-2100年，2、166、313、159、55和68个站点的干旱严重程度分别为50-100、100-150、150-200、200-300、300-400和>400。在RCP8.5情景下，未来时期也将出现更严重的干旱，2071-2100年，7、42、126、326、106和156个站点的干旱严重程度将分别为50-100、100-150、150-200、200-300、300-400和>400。更严重的干旱将主要发生在中国西北部。这与年度SPEI的时间变化一致。

由最小12个月SPEI绝对值表示的干旱峰值在空间上和1961–1990、2011–2040、2041–2070和2071–2100的不同时期有所不同（图11）。干旱峰值表明在研究期间存在严重或极端的干旱条件。图9显示（1）从1961年到1990年，共有0、319、437、7、0、0和0个站点的干旱峰值分别为2.0、2.2、2.4、2.6、2.8、3.0和>3.0。中国西北部大部分地区出现了小的干旱高峰。（2） 然而，在2011-2040年，在RCP4.5和RCP8.5情景下，0个站点出现了2.0和2.2的较小干旱峰值。干旱高峰较大的站点较多（>2.2），特别是在中国西北地区。（3） 2071-2100年，在RCP 4.5情景下，369个站点预测干旱峰值>3.0，在RCP8.5情景下，641个站点预测峰值>3.0。中国大部分地区预计将出现高干旱峰值。

3.3. 预计干旱频率、持续时间、严重程度和峰值的不确定性

计算了不同来源对预测干旱变量（干旱频率、持续时间、严重程度和峰值）不确定性的贡献，如图所示。12。预测干旱变量的总方差（100%）被划分为由站点、GCM和RCP及其相互作用引起的七个变异源。不确定性的最大份额来自GCM，分别有48.6%、63.6%、55.4%和42.2%的不确定性对干旱频率、持续时间、严重程度和峰值有影响，其次是地理位置（站点）和RCP。

RCP在干旱变量评估的总不确定性中所占份额最小，即<15%。此外，它们的相互作用也大大增加了预测不同干旱变量的总体不确定性。例如，与其他交互因素的不确定性相比，与站点（GCM:站点）相关的GCM不确定性在干旱频率（18%）中更为明显。

4.讨论

4.1. 中国干旱的变化与趋势

在这项研究中，使用28个统计缩减的GCM集合预测了中国不同亚区域的干旱条件。

总的来说，中国大陆可能会经历更严重的干旱条件，如SPEI的显著下降趋势所示（图4和5）。

然而，预测的干旱趋势在各个亚区域之间存在差异，并表现出很大的空间变异性。

我们发现，在RCP8.5下，中国西北、北部和东南部（1、2、5和6亚区）的SPEI均呈下降趋势，表明这些地区更容易受到干旱的影响。

这与莫等人（2018）和刘、江（2015）的研究一致。

这也与Huang等人（2018）一致，他使用区域气候模型来研究干旱。

他们发现，预计年降水量将增加，而这些干旱的西北地区的干旱可能会更加频繁和严重。

这是因为全球变暖导致蒸散量增加。

21世纪末，中国西北地区的蒸散量增长率将是降水量的2-3倍（Zhang et al.，2019）。

鉴于这些地区是中国主要的人口和农业生产中心，应优先考虑并提前制定适当的用水计划。降水变化可能是中国南方潮湿地区未来干旱预测的决定因素。因此，蒸散量的增加对该地区未来干旱的影响可能并不显著。然而，更频繁的极端降水也可能导致干旱加剧。例如，Ji和Kang（2015）发现，与1985-2005年相比，21世纪末中国南方的强降水强度和最大连续干旱日数将增加。Gu等人（2019）使用29个GCM和SPEI的偏差校正原始GCM数据评估了干旱变化，并使用信噪比和标准差分数作为RCP8.5情景下中国10个地区的指标，分析了内部气候变化（由气候系统的混乱性质引起）对区域干旱的贡献。我们还发现，中国大陆未来将遭受更严重的干旱。重要的是，我们使用了观测站数据和统计缩减的28个GCM预测气候数据，而不是Gu等人（2019）使用的与偏差校正的原始月度GCM数据相关的插值气候数据。我们还包括了两个RCP，以涵盖广泛的温室气体排放情景。系统地进行了RCP8.5和RCP4.5情景之间的比较，并显示了具有可能不确定性的预测SPEI的所有可能的详细结果。本研究还研究了SPEI与作物（玉米和棉花）产量之间的关系。因此，减少温室气体排放是减少未来不利气候条件的重要途径。

4.2. 不同气候变量在干旱监测中的作用

降水量是监测干旱的一个重要变量，但它不是唯一的因素。地表蒸散（由温度、湿度和能量驱动）在干旱的演变中也起着重要作用。当使用SPEI表示干旱、降水和温度（或蒸散）时

对SPEI值的贡献不同。通过分离降水量和潜在蒸散量在干旱变化趋势中的贡献，Cook等人（2014）发现潜在蒸散量的增加是区域干旱的主要原因；潜在的蒸散会加剧降水量减少地区的干旱程度，并导致降水量略有增加地区的气候从湿润变为干燥。Vicente-Serrano等人（2015）分析了四个干旱指数对P和ET0输入的敏感性。他们发现，SPEI对ET0变异表现出最大的敏感性，具有明显的地理模式，主要受干旱控制。孙等人（2017）利用SPEI研究了西南地区1971年至2012年的干旱特征及其年代际变化。他们的研究结果表明，潜在蒸散量在干旱事件中起着关键作用，并可能扩大干旱的持续时间和强度。不同气候变量在决定干旱演变中的作用各不相同。

本研究没有关注不同亚区中哪些气候因素控制ET0。然而，王等人（2017）选择了五个气候变量（包括风速和太阳辐射），并确定了它们对1961年至2013年中国ET0变化的贡献。他们的研究区域和子区域与本研究中使用的相似。他们发现，控制气候的因素分别是1至7分区的风速、Tmax、Tmax，太阳辐射、太阳辐射、Tmax和太阳辐射。

尽管日照时数对ET0的估计有很大贡献，但在中国P>500 mm的地区，ET0预测精度的提高并不会自动导致SPEI精度的提高（Yao等人，2019）。他们的研究结果为我们提供了参考，这里不再讨论这个问题的更多细节。

4.3. 干旱预测中使用不同干旱指数的不确定性

已经制定了许多指数来评估干旱的严重程度和演变或干旱和潮湿事件。例如，SPEI旨在比较大气蒸发需求

而SPI和EDDI是基于降水量或基于蒸发需求的气象指数。基于SPI和负EDDI的干旱分类与SPEI的相似。为了与SPEI进行比较（图4和图5），根据1961–2100年RCP4.5和RCP8.5情景下的28个GCM，对中国大陆763个气象站的年度SPI和EDDI进行了预测（图13）。中国大陆的SPEI呈显著下降趋势（RCP4.5和RCP8.5情景的线性趋势分别为0.004年1和0.01年1，p<0.001）。然而，对于RCP4.5和RCP8.5情景，SPI的线性趋势分别为0.006年1和0.005年1（p＜0.001），并且在中国大陆有显著的增加趋势（图12a和b），这意味着未来的干旱缓解。RCP4.5和RCP8.5情景的EDDI线性趋势分别为0.015年1和0.018年1（p＜0.001），这意味着未来干旱加剧（图第12c和d段）。不同干旱指数所产生的预计干旱条件存在不确定性。Taylor等人（2013）使用四个干旱指数（SPI、土壤水分异常、PDSI和标准化径流指数）预测了2070-2099年的全球未来干旱。他们认为，干旱指数的选择可能会影响基于气候变化的干旱影响评估的结果，仅使用一个指数可能无法准确代表未来可能发生的物理干旱变化的范围。赵等人（2017）比较了应用自我校准PDSI和SPEI监测不同事件时间尺度干旱事件的效果。他们得出的结论是，SPEI适用于短期和长期干旱监测，在中国具有广泛的应用前景。姚等人（2018a）应用SPEI、EDDI、降水异常百分比和SPI研究了1961年至2013年中国大陆干旱的演变、严重程度和趋势。他们发现，当用于模拟历史干旱事件时，SPEI表现良好。

总的来说，在监测许多地区的生态、水文和农业干旱方面，SPEI的性能优于其他干旱指数。这些信息将有助于确保未来的干旱影响评估得到适当设计，以考虑到使用不同干旱指数带来的不确定性。

4.4. 干旱加剧对作物产量的影响

SPEI所显示的干旱减少趋势可能对中国的作物生产产生一定影响。在本研究中，1亚区（即中国西北）的干旱加剧比其他地区更为突出。因此，收集了1986-2016年新疆维吾尔自治区1亚区春、夏玉米（17个测站）和棉花（17个站）的产量数据（测站信息详见表S2）。玉米和棉花的产量与4月至10月作物生长季节的3个月和6个月SPEI、EDDI和SPI相关（指数计算细节见Vicente Serrano等人（2010）、Hobbins等人（2016）和McKee等人（1993）），并比较了它们的线性斜率（表2）。这一结果表明，干旱条件影响了玉米和棉花的产量。对于产量和EDDI，在3个月的时间尺度上，从生长期的开始到中期，相关性是正的，但在玉米和棉花的收获期附近，相关性是负的。然而，SPEI和SPI的相关性通常相反，因为它们对干旱严重程度的分类与EDDI的定义相反（见表2，Yao等人（2018a，b），了解指数分类的详细信息）。在整个生长期内，玉米产量与6个月的EDDI、SPEI和SPI值之间均呈正相关，但棉花产量与6月的SPEI和SPI值之间呈负相关。对于玉米，产量和指数之间的最大相关系数出现在5月的EDDI 3个月和6个月时间尺度上，10月的SPEI 3个月时间，4月的SPEI和SPI 6个月的时间尺度上。就棉花而言，产量与三个干旱指数之间的最大相关系数分别出现在5月的三个月时间尺度上，以及7月、6月和6月的六个月时间维度上。作物产量与干旱指数之间的关系以及相关性最高的月份在不同作物、不同干旱指数和不同时间尺度之间并不一致。这是合理的，因为农业和气候系统表现出自然变异性。这突出表明，当有其他作物的产量数据时，有必要对这一主题进行进一步调查。

尽管如此，干旱将对玉米和棉花产量产生负面影响。例如，Shi和Tao（2014）发现，SPEI降低0.5导致非洲32个国家玉米产量损失超过30%。张（2004）报道，农业气象灾害占玉米产量负值年的55%，其中1949～1990年干旱灾害占60%。刘等人（2018）报告称，在站点尺度上，使用SPI和SPEI的产量和干旱指标之间的相关性往往高于使用PDSI的相关性。然而，在本研究中，干旱条件对不同作物产量的影响在作物生长季节的各种指标之间存在很大差异。

此外，在干旱条件对产量影响最大的月份，作物类型表现出相当大的差异（Peña-Gallardo等人，2019）。因此，需要对不同作物进行干旱监测，以便在未来的研究中得出可靠的结论。我们的研究结果有助于更好地了解未来中国不同亚区域的干旱演变，并为长期规划和抗旱计划的设计提供有用的信息。

5.结论

基于观测到的和统计缩小的GCM年Tmean和P之间差异的平均值和标准偏差值，证实了统计缩小结果的总体良好性能，表明了NWAI-WG统计缩小方法在中国的适用性。12个月SPEI的时间和空间变化以及生成的干旱变量（遭受干旱的站点百分比、干旱频率、干旱事件发生时间、干旱持续时间、干旱严重程度和干旱峰值）一致显示，中国的干旱更严重、更频繁，极端干旱峰值更大，特别是在RCP8.5情景下和中国西北部，那里的降水较少，大多数地区处于干旱和半干旱气候。

中国西北部的干旱加剧已引起注意，并已向该地区政府发出警告，要求其支付

更加重视干旱预防。第7次区域（中国东南部）和其他地区（中国东北部、中部和东部）在未来将经历不那么严重的干旱。

然而，水资源机构仍然需要采取适当的干旱预防措施，因为气候变异是自然的，人类无法控制。

气温和降水在我国不同亚区发挥着不同的作用。尽管预计中国大部分地区的年降水量将增加，但这并不能掩盖最低和最高气温升高对干旱的加剧影响，尤其是在中国西北部。到21世纪末，中国西北地区的抗旱形势依然严峻。GCM对干旱预测不确定性的贡献大于站点和RCP的贡献，方差百分比>40%。

干旱指数SPEI的表现优于仅考虑单变量影响的其他指数，如SPI和EDDI。作物产量与干旱指数之间的关系以及相关性最高的月份因作物、干旱指数和时间尺度的不同而不同。

在使用不同的干旱指数评估干旱演变对玉米和棉花产量的影响时（考虑到作物生长季节的6个月），发现了显著的差异。需要进一步研究干旱对其他作物产量的影响。