2.3.1 干旱识别
标准化降水指数(SPI)是由McKee等于1993年开发的气象干旱指数,用于干旱的识别。SPI对短期降雨比PDSI更敏感,更好地监测土壤湿度的变化,对干旱的发生反应灵敏且能较早地识别干旱,具有良好的空间标准化。干旱等级划分标准具有气候意义,不同时段不同地区都适宜,具有较好的时空适应性,已被广泛使用(Sheffield和Wood,2007;Sheffield等,2012)。Guttman对PDSI和SPI进行比较,同时分析了帕默尔水文干旱指数(Palmer Hydrologic Drought Index,PHDI)的敏感性(Guttman,1998)。与其他干旱指数相比,SPI能够更好地刻画干旱的严重性(Keyantash和Dracup,2002)。袁文平等认为SPI优于Z指数,能够有效地反映各个区域和各个时段的旱涝状况(袁文平和周广胜,2004b)。为了保证计算的精度,SPI在计算时需要输入30年以上的月降水量时间序列,可以计算1个月、3个月、6个月等短时间尺度,亦可计算12个月、24个月、48个月等长时间尺度,相应地刻画不同时间尺度的干旱,便于监测短期的土壤湿度状况(2或3个月尺度SPI)、长期的水资源状况,如地下水、径流、胡泊和水库的水位等。SPI详细的描述和计算请参考Lloyd-Hughes和Saunders的论文,适用于定量刻画大部分干旱事件,包括气象、农业和水文干旱(Lloyd-Hughes和Saunders,2002)。由于降水是内蒙古草原植被生长的主要控制因子(Zhang和Zhou,2011;马文红等,2010;张存厚等,2013),同时,GCTE研究中所指的干旱是指基于气象学角度的干旱对陆地生态系统的影响(田汉勤等,2007),本书研究的目标是对干旱的影响进行评估,而不是对干旱本身进行准确监测,因此,本书选用表现出色的SPI进行干旱识别,而未选择基于SPI改进的标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index,SPEI)干旱指数(Vicente-Serrano等,2010)。Ji和Peters采用SPI和NDVI对美国大草原干旱影响进行评估,发现3个月尺度SPI和NDVI的相关性最好(Ji和Peters,2003)。Lotsch等发现4~6个月尺度的SPI比较适合草地生长季干旱状况的分析(Lotsch等,2003)。在本书中,采用1个月、3个月、6个月、12个月尺度的SPI分别表示短期、季节、生长季和年尺度的干旱状况(Chen等,2012)。
本书拟利用SPI指数来监测和识别干旱灾害,标准化降水指数(SPI)是先求出降水量Γ分布概率,然后进行正态标准化而得,其计算步骤如下。
(1)假设某时段降水量为随机变量x,则其Γ分布的概率密度函数为

式中 β、γ———尺度和形状参数,β>0,γ>0,β和γ可用极大似然估计方法求得。

![]()
![]()
式中 xi———降水量资料样本;![]()
x-———降水量多年平均值。
确定概率密度函数中的参数后,对于某一年的降水量x0,可求出随机变量x小于x0事件的概率为
![]()
利用数值积分可以计算用式代入式后的事件概率近似估计值。(https://www.daowen.com)
(2)降水量为0时的事件概率由式(2-13)估计。
![]()
式中 m———降水量为0的样本数;
n———总样本数。
对Γ分布概率进行正态标准化处理,即将式(2-13)求得的概率值代入标准化正态分布函数,即
![]()
对式(2-14)进行近似求解可得

式(2-15)中,
,P为式或求得的概率。当P>0.5时,S=1;当P≤0.5时,S=-1。c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。
经由式(2-15)求得的Z值就是SPI值,根据累计概率分布函数可以确定干旱等级,见表2-4。
表2-4 SPI值干旱等级划分表

注:(Hayes,2006;Łabędzki,2007;McKee等,1993)