Page 43 - 《高原气象》2026年第2期

2 期 邴嘉玮等：2009 -2010年西南地区干旱影响下的陆面模式CLM5.0植被生长模拟评估 343
SPEI尺度最为敏感（Deng et al， 2021）。因此， 本文 （SPEI）等多个气候指数， 已被广泛应用于不同区域
选择 6 个月时间尺度的 SPEI 及其标准化异常来识 气候指数的计算中。其中对 SPEI 的计算， 以每月
别西南地区 2001 -2016 年期间极端干旱事件。基 降水和 PET 数据为输入， 可以对 1~48 个月时间尺
于 SPEI值的干旱分类标准（GB/T 20481-2017）如表 度的 SPEI进行计算， 计算方法可见（https： //github.
2所示。 com/monocongo/climate_indices）。
如上所述， 将计算出的 SPEI 值求取其标准化
表2 气象干旱分类标准
异常（SPEI ）， 基于 6 个月尺度的 SPEI， 将极端干
Table 2 Meteorological drought classification criteria SA
旱事件定义为 SPEI <-0. 5 且至少持续 6 个月。文
等级 类型 SPEI SA
中将阈值设置为-0. 5， 因为它很好地捕捉了中国西
1 无旱 SPEI>-0. 5
南地区干旱事件的极端干旱异常（Li et al， 2019）。
2 轻旱 -1<SPEI≤-0. 5
在极端干旱事件的识别中， 干旱的开始定义为
3 中旱 -1. 5<SPEI≤-1
SPEI 低 于 阈 值 的 第 一 个 月 ， 干 旱 的 结 束 则 是
SA
4 重旱 -2<SPEI≤-1. 5
SPEI 向上越过阈值的第一个月， 干旱期间则为干
SA
5 特旱 SPEI≤-2
旱开始和结束之间的时间段。SPEI 的计算公式
SA
第一步， 计算潜在蒸散（PET）。最广泛使用的 如式（5）。
计算方法是 Thornthwaite 方法， 该方法的优点是考 SPEI i - mean( SPEI i )
SPEI SA = （5）
虑了温度变化和纬度因子（日照时数）， 能够更好地 σ( SPEI i )
反映地表潜在蒸散情况。本文使用的是中国 1 km 式中： SPEI 为第 i个月的 SPEI； mean（SPEI）是参照
i
i
分辨率逐月平均气温数据集来作为 Thornthwaite 函 期（2001 -2016 年）第 i 个 月 的 SPEI 的 均 值 ； σ
数的输入变量计算PET， 见式（1）。 （SPEI）是参照期第i个月SPEI的标准差（SD）。
( H ) A 2. 3. 2 分析方法
i
PET = 16.0 × 10T i （1） （1） 关键植被指标
式 中 ： i 为 月 ； PET 为 月 的 潜 在 蒸 散 量（单 位 ： 叶面积指数 LAI 和总初级生产力 GPP 是评估
mm·mon ）； T 指月的平均气温（单位： ℃）； H 指年 生态系统健康和功能的重要参数， 不仅可以反映植
-1
i
热量指数； A 为常数。各月热量指数 H i 由式（2） 被的生长状况和动态变化， 还与关键生态系统过
计算： 程， 如碳循环、 能量平衡等密切相关（Beer et al，
( 5) 1.514 2010； Yao et al， 2018； Zhang et al， 2023； Sellers et
H i = T i （2） al， 1997）。因此， 使用 LAI和 GPP 作为植被活动指

年热量指数H计算见式（3）： 标可以更好地捕捉干旱对植被活动的直接影响， 了
12 12 ( 5) 1.514 解植被活动对气候变化响应的内部过程。
H = ∑ H i = ∑ T i （3）
i = 1 i = 1 （2） 植被与干旱的相关性分析
常数A由式（4）计算： 已有很多学者通过计算干旱期间 SPEI 指数与
2
A = 6.75 × 10 H - 7.71 × 10 H + 1.792 植被指标的 Pearson 相关系数来确定植被对干旱的
3
-7
-5
-2
×10 H + 0.49 （4） 响应情况。相关系数越接近于 1 代表植被 LAI 和
式中： 当月平均气温 T≤0 ℃， 月热量指数 H=0， 潜 GPP 与干旱的正相关性越显著， 说明干旱事件的发
-1
在蒸散量PET=0 mm·mon 。 展对植被产生了较强的不利影响。前文述及， 植被
第二步， 根据降水数据和 PET 数据计算 SPEI。 LAI、 GPP 对 6 个月尺度 SPEI 的响应最为敏感， 我
本文使用的降水数据是卫星观测数据 IMERG。为 们首先对极端干旱期间 6 个月尺度的 SPEI 与对应
计算网格单元级别的 SPEI， 便于进行后续分析， 本 时期 LAI 和 GPP 进行相关性分析， 以确定不同地
文采用的是 James Adams 等人于 Python 发布的“cli‐ 区 LAI 和 GPP 对干旱的即时响应情况。计算方法
mate_indices”库（https： //github. com/monocongo/cli‐ 见式（6）。
mate_indices）来计算多时间尺度的 SPEI。该程序 n
库 可 计 算 包 括 Standardized Precipitation Index ∑ [( x i - x ˉ) ( y i - y ˉ) ]
R xy = i = 1 （6）
（SPI）、 Palmer Drought Severity Index （PDSI）、 n 2 n 2
Standardized Precipitation Evapotranspiration Index ∑ ( x i - x ˉ) ∑ ( y i - y ˉ)
i = 1
i = 1