基于Copula的多元标准化干旱指数揭示中国东部农业气候区干旱时空演变及驱动机制

《Agricultural Water Management》：Comprehensive drought detection, spatiotemporal variations, and attribution across different agricultural climate zones in Eastern China using a copula-based drought index

针对中国东部农业综合区（ACAEC）缺乏大尺度干旱综合评估的问题，研究人员基于Copula函数构建了融合降水（SPI）和土壤湿度（SSI）的多元标准化干旱指数（MSDI），揭示了2001–2020年间干旱整体恶化、南移且短期事件频发的趋势，并利用XGBoost-SHAP量化了不同气候区主导驱动因子（如NEC和HHH以SOL和DTR为主，MLRYR和SC以RH、NDVI和PET为主），为区域针对性抗旱策略制定提供了科学依据。

　　

在全球气候变化和极端事件频发的背景下，干旱作为一种复杂的自然灾害，对农业、水资源和社会经济系统产生着日益严重的影响。中国东部农业综合区（Agricultural Comprehensive Areas in Eastern China, ACAEC）作为国家粮食安全的核心区域，虽只占国土面积的约30%，却贡献了全国76.18%的粮食产量，其干旱风险直接威胁着农业可持续性和国家粮食安全。然而，当前对该区域的干旱研究多局限于单一指标或小尺度分析，缺乏对干旱全面、综合的评估，其时空演变规律和驱动机制仍不清晰。在此背景下，一项发表在《Agricultural Water Management》上的研究为我们提供了新的见解。

为了系统评估ACAEC的干旱状况，研究人员发展了一个新颖的框架。他们首先利用Copula函数耦合了标准化降水指数（Standardized Precipitation Index, SPI）和标准化土壤湿度指数（Standardized Soil Moisture Index, SSI），构建了一个全新的多元标准化干旱指数（Multivariate Standardized Drought Index, MSDI）。该指数有效捕捉了气象干旱（源于降水亏缺）和农业干旱（源于土壤水分下降）之间的非线性依赖关系，能更准确地识别干旱的发生、持续和恢复。研究利用了2001–2020年的多源数据，包括来自国家气象信息中心的站点尺度降水数据，以及来自国家青藏高原科学数据中心的1公里分辨率根区土壤湿度数据。所有数据均经过预处理，统一至1公里空间分辨率和月/年时间尺度，确保了分析的一致性。

基于MSDI，研究团队结合Mann-Kendall趋势检验和Sen’s斜率估计来量化干旱的时间变化趋势，并采用重心（Center-of-Gravity, CoG）模型来追踪干旱特征在空间上的迁移轨迹，从而互补地评估了中国东北（NEC）、黄淮海（HHH）、长江中下游（MLRYR）和华南（SC）四个子区域的干旱演变。为进一步探究干旱背后的驱动机制，他们应用了XGBoost机器学习模型结合SHAP（SHapley Additive exPlanations）值分析，定量评估了多个环境因子对MSDI的相对贡献。

研究结果揭示了ACAEC干旱严峻的时空格局。

4.1. Development of the multivariate standardized drought index (MSDI)

研究成功构建了MSDI。通过拟合优度检验（如Kolmogorov-Smirnov检验），确定了SPI和SSI的最优边缘分布函数（如GEV、Weibull、Gamma分布），并在此基础上选择了最优的Copula函数（NEC和MLRYR为Frank-copula，HHH为t-copula，SC为Gaussian-copula）来建立两者的联合分布。MSDI与SPI和SSI均表现出高度一致性（Pearson相关系数>0.75），并能更灵敏地捕捉到单一指数可能遗漏的干旱事件，例如成功识别了2003-2004年和2014年等历史干旱事件，其预警时间甚至早于国家气候中心的报告。

4.2. Drought identification

对MSDI的分析表明，2001-2020年间，ACAEC的干旱状况整体呈恶化趋势，其特征是干旱重心南移，短期事件的频率、强度和严重程度增加。具体而言，NEC的干旱状况略有改善，而HHH、MLRYR和SC的干旱严重程度加剧，且恶化速度超过了区域平均水平。Run理论识别出的最严重干旱事件集中在2001–2003、2007–2009、2011–2012和2019–2020这几个时段，其中2001年的干旱是21世纪初最严重的事件之一。

4.3. Spatiotemporal evolution of drought

趋势分析显示，MSDI、SPI和SSI在四个研究阶段（2001-2005, 2006-2010, 2011-2015, 2016-2020）的变化趋势存在明显的时空异质性。例如，在阶段3（2011-2015），干旱状况因降水和土壤湿度增加而有所改善，但阶段4（2016-2020）又再次加剧。空间上，NEC干旱缓解，而HHH、MLRYR和SC干旱加剧。干旱的持续时间、频率、强度和严重程度在大部分区域也呈现增加趋势。

4.4. Migration direction and trajectory of drought characteristics

重心迁移分析表明，干旱特征的质心发生了方向性移动。NEC和MLRYR的干旱特征向西南方向迁移，HHH向东北方向迁移，而SC则向东南方向迁移。这揭示了干旱在区域间的传播路径和空间动态。

4.5. Attribution analysis of drought across climatic zones in ACAEC

驱动机制分析是本研究的一大亮点。XGBoost模型表现出良好的预测性能（R2 0.62–0.72）。SHAP分析揭示了主导驱动因子存在显著的区域异质性。在NEC和HHH，太阳辐射（SOL）和昼夜温差（DTR）是主要驱动因子，贡献率分别为35.5%和39.1%。而在MLRYR和SC，相对湿度（RH）、归一化植被指数（NDVI）和潜在蒸散（PET）则发挥着更大的作用，贡献率分别为38.6%和50.0%。研究还发现了这些因子与MSDI之间存在复杂的非单调关系，存在明显的阈值效应。

研究的结论与讨论部分强调，ACAEC面临着日益加剧的干旱风险，且呈现出明显的南北分异和复合特征（如干旱-热浪复合事件）。本研究发展的Copula-based MSDI提供了一个强大的综合干旱监测工具。更重要的是，通过机器学习方法量化了不同气候区干旱的主导驱动因子，揭示了其背后的物理机制，例如NEC和HHH的干旱主要受能量控制（SOL和DTR），而MLRYR和SC的干旱则更多受水分和植被调控（RH, NDVI, PET）。这些发现具有重要的实践意义。基于这些机制，研究提出了分区治理的干旱缓解策略，例如在NEC推广保护性耕作和黑土地保护，在HHH调整种植制度、发展节水农业和生态修复，在MLRYR和SC改善红壤肥力、优化水资源调度等。这些区域化的策略为增强农业可持续性、保障粮食安全和提升灾害韧性提供了精准的科学依据，对中国的农业水资源管理和适应气候变化政策制定具有重要的指导价值。