中国干旱主导时期及其驱动因素的定量识别：结合TVDI与像素级EMD方法

《Geomatics, Natural Hazards and Risk》：Quantitative identification of drought dominant periods and driving factors in China: integrating from TVDI and pixel-wise EMD

本研究基于温度-植被干旱指数（TVDI）与像素级经验模态分解（EMD）方法，系统分析中国2000-2022年干旱时空异质性及多尺度驱动机制。结果表明：干旱主导周期随时间尺度变化呈现空间分异特征，降水（PRE）主导季节尺度干旱，蒸散发（PET）和最高气温（Tmax）分别主导年际与 decad尺度干旱，生态脆弱区植被指数（NDVI）对短期干旱敏感。方法创新性体现在建立多时间尺度干旱驱动因子量化模型，揭示中国北方干旱加剧与全球变暖关联，南方湿润区干旱风险上升与季风减弱相关，为精准化抗旱管理提供科学依据。

　　干旱作为一种由水供需失衡或水预算失衡引起的自然现象，其持续时间长、影响范围广、持续时间久远，已成为全球生态和环境问题之一。近年来，随着全球气候变化的加剧，中国干旱灾害的频率和强度不断上升，给农业生产、生态环境以及区域经济发展带来了严重影响。然而，当前的研究在干旱的驱动机制方面仍存在不足，尤其是在多时空尺度下的定量分析方面。为了弥补这一不足，本研究结合温度-植被干旱指数（TVDI）与像素级经验模态分解（EMD）方法，构建了一个多尺度干旱分析框架，旨在揭示中国不同区域干旱的时空特征及其主要驱动因素。

### 干旱现象的复杂性与研究意义

干旱的形成和发展受到多种因素的共同作用，包括气象因素、地理条件以及人类活动。在气候变化背景下，这些因素之间的相互作用变得更加复杂。例如，降水（PRE）的变化直接影响植被生长和土壤水分状况，而潜在蒸散发（PET）和最高温度（T_max）则在不同区域表现出不同的主导作用。此外，植被指数（NDVI）在生态脆弱地区对干旱的敏感性较高，这使得干旱的识别和评估更加复杂。因此，识别干旱的演变规律和驱动机制对于提高干旱监测和预警的准确性具有重要意义。

### 多尺度干旱分析方法

为了更全面地理解干旱的多尺度特征，本研究采用了像素级EMD方法。该方法由Huang等人（1998）提出，是一种基于时间域特性的信号处理技术，能够有效分离复杂时间序列中的不同振荡周期。通过EMD，可以将干旱信号分解为多个内在模式函数（IMF）和残差趋势曲线，从而实现对不同时间尺度干旱特征的融合分析。这种方法在信号处理、医学图像分析和工程参数识别等领域取得了显著成果，为干旱研究提供了新的视角。

在本研究中，TVDI与EMD方法的结合不仅能够揭示中国干旱的多尺度特征，还能定量识别不同时间尺度下的主要驱动因素。TVDI通过植被指数和地表温度之间的关系，反映了植被干旱状况，而EMD则能够提取干旱在不同时间尺度上的变化模式。这种结合使得研究者可以更精确地分析干旱的时空演化过程，为干旱风险评估和适应策略提供科学依据。

### 中国干旱的时空特征

根据研究结果，中国干旱的时空分布呈现出显著的区域差异。在降水方面，PRE是季节性干旱的主要驱动因素，尤其是在生态脆弱地区，其对干旱的控制作用更为明显。而在西北干旱地区，PET则在年际干旱中占据主导地位，表明该地区干旱的演变主要受到蒸发蒸腾过程的影响。此外，T_max在北方干旱区域表现出显著的主导作用，尤其是在十年尺度上，其对干旱模式的影响尤为突出。

从时间尺度来看，随着干旱主导周期的延长，PRE的驱动作用逐渐减弱，而T_max的影响则不断增强。这种变化趋势表明，干旱的形成机制在不同时间尺度上具有不同的主导因素。例如，在季节性干旱中，PRE的变化直接决定了土壤水分的供应情况，而在年际和十年尺度上，T_max和PET则成为主要的驱动因素。

### 干旱的区域差异与生态影响

研究还发现，中国不同区域的干旱特征存在显著差异。在西北干旱区，干旱的演变与年际降水变化密切相关，而在东北和华北地区，最高温度和潜在蒸散发对干旱的影响更为突出。此外，植被指数（NDVI）在生态脆弱地区表现出较高的敏感性，这表明植被对干旱的响应具有一定的区域特征。例如，在青藏高原和西南地区，NDVI的变化与干旱的演变密切相关，显示出植被对干旱的调节作用。

值得注意的是，随着全球变暖的加剧，中国南部地区的干旱风险正在显著上升，尤其是在四川、重庆、西南地区以及长江中下游地区。这些地区的干旱趋势与降水减少、季节性降雨波动以及极端气候事件的增加有关。与此同时，中国北方地区的干旱风险虽然依然较高，但部分区域（如东北地区）呈现出一定的湿润趋势，表明干旱的演变受到多种因素的共同影响。

### 干旱的多尺度驱动机制

通过像素级EMD方法，研究还揭示了不同时间尺度下干旱的驱动机制。在季节性干旱中，PRE的主导作用尤为显著，而在年际和十年尺度上，T_max和PET则成为主要的控制因素。此外，NDVI在某些区域（如青藏高原和西南地区）对干旱的敏感性较高，表明植被状况在干旱评估中具有重要作用。

研究进一步指出，随着干旱周期的延长，降水的驱动作用逐渐减弱，而最高温度的影响则增强。这种变化趋势表明，干旱的形成机制在不同时间尺度上具有不同的主导因素。例如，在季节性干旱中，降水的波动是关键因素，而在长期干旱中，最高温度和潜在蒸散发则成为主要的驱动因素。

### 未来研究方向与应用前景

尽管本研究取得了一定成果，但在干旱驱动机制的分析方面仍存在一定的局限性。例如，TVDI方法主要依赖植被生长来反映干旱状况，而在降水丰富的沿海地区，这种方法可能会低估干旱的严重性。此外，研究尚未充分考虑人类活动和地表覆盖变化对干旱的影响，例如土地利用变化、城市化以及人口密度等因素。

未来的研究应进一步优化干旱评估方法，结合更全面的干旱指标，以更准确地反映干旱的多尺度特征。同时，应加强干旱驱动机制的定量分析，尤其是在不同时间尺度上的因素贡献率和变化趋势。此外，随着全球气候变化的持续影响，干旱的演变模式和驱动机制将变得更加复杂，因此需要更精细的监测手段和更全面的分析方法，以支持干旱风险的科学评估和管理策略的制定。

### 结论

本研究通过TVDI和像素级EMD方法的结合，系统地分析了中国2000年至2022年间干旱的多尺度特征和驱动机制。研究结果表明，不同区域和不同时间尺度下的干旱具有不同的主导因素，PRE在季节性干旱中起着关键作用，而T_max和PET则在年际和十年尺度上占据主导地位。此外，随着干旱周期的延长，降水的驱动作用逐渐减弱，而最高温度的影响则增强。

通过这种方法，本研究不仅揭示了中国干旱的多尺度演变规律，还为干旱风险评估和适应策略的制定提供了科学依据。未来的研究应进一步优化干旱评估方法，考虑更多的人类活动和地表变化因素，以更全面地理解干旱的形成机制，并为干旱的预测和管理提供更精确的指导。