Page 45 - 《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 345
干旱指数与验证数据具有较高的一致性， 驱动数据 旱表征（SPEI）的验证情况。驱动数据的月度降水
对干旱的表征情况较好， 可用于驱动 CLM5. 0 来模 和气温与验证数据的季节变化特征吻合度较高， 均表
拟植被对干旱响应情况。降水和气温是西南地区 现为单峰变化， 且相关性均超过0. 99［图2（a）， （b）］。
变干以来干旱频发的主要原因， 对驱动数据的降 由驱动数据和验证数据计算的两种SPEI干旱指数的
水、 气温和 SPEI干旱指数的验证， 可排除因驱动数 一致性较高［图2（c）］， 二者拟合线接近1∶1线， 具有
2
据对干旱表征的偏差导致模拟植被对干旱响应的 较高的R 值（0. 8311）， 且相关性超过0. 9， 因此该数
不准确性。图 2 显示了驱动数据的降水、 气温和干 据可以支持CLM模拟植被对干旱的响应。

图2 驱动数据干旱表征情况的验证
（a）驱动数据 （CMFD-TEMP）与验证数据（TEMP-1 km） 气温的逐月变化， （b）驱动数据（CMFD-Pre）与IMERG数据（IMERG-Pre）
降水的逐月变化， （c） 驱动数据与验证数据的SPEI拟合关系， 左上方COR为两种数据间的相关性系数
Fig. 2 Validation of drought characterization scenarios for driving data.（a） monthly variation in temperature between driving
data （CMFD-TEMP） and validation data （TEMP-1 km）； （b） monthly variation in precipitation between driving data
（CMFD-Pre） and IMERG data （IMERG-Pre）； （c） fit relationship of the SPEI between driving data and validation
data； the correlation coefficient （COR） between the two datasets is shown in the upper left corner
3. 2 极端干旱事件的时空特征 上［图 3（c）］， 四川北部受干旱影响较小， 持续时间
2001-2016 年中国西南地区共发现了 3 例极端 不超过 3 个月。因此， 文中选择 2009 -2010 年作为
干旱事件。从图 3（a）中可以看出， 从 2001 -2016 案例， 研究此次极端干旱对植被 LAI和 GPP的影响
年， SPEI 总体呈现下降趋势， 表明西南干旱的严 以及CLM5. 0模型中植被对干旱响应的模拟状况。
SA
重程度增加。其中最严重和持续时间最长的极端 3. 3 西南地区 2009 --2010 年极端干旱下 CLM5. 0
干旱事件发生在 2009 年 5 月至 2010 年 6 月。此后 模拟验证
的 2011 -2016 年， SPEI 呈上升趋势， 干旱严重程 3. 3. 1 干旱期间LAI和GPP的空间分布特征
SA
度逐渐缓解。2009 -2010 年干旱的空间分布特征， 2009 -2010 年干旱期间， 三套遥感 LAI 和 GPP
此次干旱的严重程度和持续时间均呈现由南向北 数据显示出了相似的空间分布特征， CLM5. 0 可以
递减的趋势［图 3（b）， （c）］。如图 3（b）所示， 这次 捕捉到与遥感数据类似的空间分布趋势。图 4显示
严 重 干 旱 影 响 了 超 过 80% 的 研 究 区 域 （SPEI≤ 了遥感数据和 CLM 模拟的 LAI 和 GPP 在干旱期间
-0. 5）， 最严重的干旱发生在四川南部、 云南和贵 的空间分布情况， 三套遥感数据均显示出， 西南地
州大部分地区（研究区南部）干旱持续 12 个月及以 区 LAI 和 GPP 在此次干旱期间呈现出从东南向西