不同类型的干旱如何影响黄河流域的复合干旱现象？

《Journal of Hydrology: Regional Studies》：How do different drought types influence compound drought in the Yellow river Basin?

复合干旱特征及驱动因素研究——基于黄河流域的水文模型、copula函数与机器学习解析。气象干旱在上游及中部地区优先传导至农业干旱，而在其他区域转向水文干旱，复合干旱严重度呈现显著空间异质性。通过XGBoost-SHAP模型量化发现气象干旱是主要驱动因素（贡献率最高），但区域敏感性不同，农业干旱次之，水文干旱在下游影响凸显。研究建立非线性阈值模型（PPET>?35.18mm，SW>38.62mm，WYLD>2.76mm），为差异化抗旱策略提供依据。

　　在全球气候变化的背景下，干旱作为一种极端天气事件，其发生频率和类型正在发生变化。不同类型的干旱（气象干旱、农业干旱和水文干旱）在某些地区同时出现，这种现象被称为复合干旱。复合干旱对水资源、农业生产、工业发展和社会经济活动产生深远影响，因此对其机制和影响因素的研究变得尤为重要。本文聚焦于黄河流域（YRB），通过整合水文建模、Copula函数和机器学习可解释性技术，探讨干旱传播路径、复合干旱特征以及不同干旱类型在不同子区域中的影响差异。研究结果表明，干旱传播路径在空间上存在显著差异：在黄河上游和中游的某些区域（III类），气象干旱传播速度更快，导致水文干旱的发生；而在其他区域（I、II、V和VI类），气象干旱则更倾向于传播至农业干旱。空间上，复合干旱最严重的区域位于上游（III类），而最轻微的区域则位于下游（VI类）。在YRB及其上游和中游区域（I-V类），气象干旱通常在确定的复合干旱月份中对复合干旱的影响最强，而在下游区域，水文干旱则成为最主要的影响因素。农业干旱的影响通常排在第二位（I-IV类）或第三位（V和VI类）。此外，研究还揭示了降水量减去潜在蒸散发（PPET）、土壤水分含量（SW）和径流量（WYLD）对复合干旱的非线性影响及其区域性的阈值。例如，在YRB中，当PPET大于-35.18毫米、SW大于38.62毫米和WYLD大于2.76毫米时，复合干旱会有所缓解。这些发现突显了复合干旱驱动因素的空间异质性，并提供了定量、阈值导向的见解，这对制定针对性的干旱管理策略具有重要意义。所采用的综合框架具有可扩展性，能够为其他地区的复合干旱分析提供有价值的指导。

干旱是全球范围内最普遍、破坏性最强、经济损失最严重的自然灾害之一。其对水资源、粮食安全、工业生产以及众多其他社会经济活动造成严重影响。干旱通常被划分为四种类型：气象干旱、水文干旱、农业干旱和经济社会干旱。为量化这些干旱类型，已提出多种干旱指数。常用的气象干旱指数包括标准化降水指数（SPI）和标准化降水蒸散发指数（SPEI）。水文干旱则常使用标准化径流指数（SRI）进行评估，而农业干旱则依赖标准化土壤水分指数（SSI）。然而，这些干旱指数的设计主要用于监测单一类型的干旱，无法有效反映不同类型干旱之间的相互作用。

不同类型干旱之间存在复杂的联系，其中一种类型可能会引发另一种类型，这种过程被称为干旱传播。大多数干旱事件起源于气象干旱，随后可能导致农业和水文干旱的发生。目前，常用的干旱传播时间计算方法包括最大相关性和运行理论方法。这些方法的应用揭示了干旱传播动态的显著区域差异。例如，不同地区的研究结果表明，气象干旱可能首先传播至农业干旱，也可能首先传播至水文干旱。理解这些地区特有的传播路径对于水资源管理和干旱预警至关重要。然而，在关注干旱传播的过程中，还需要认识到这一过程可能导致同一地区同时出现多种类型的干旱，从而形成复合干旱。复合干旱可能带来更加复杂的干旱情景，因此近年来，研究人员提出了整合多种干旱指标的复合干旱指数，以更准确和系统地评估干旱。这些综合指数在不同地区展现出良好的适用性，证实了其在分析复合干旱中的可靠性。然而，目前的研究主要集中在构建复合干旱指数以描述和分析相关特征，而较少深入探讨不同干旱类型（气象干旱、农业干旱或水文干旱）对复合干旱的影响差异。

为了解决这一问题，本文引入了极端梯度提升（XGBoost）模型和SHapley Additive exPlanations（SHAP）方法，以阐明不同干旱类型对复合干旱的影响。XGBoost是一种广泛使用的机器学习算法，以其预测性能、处理大规模数据的能力以及建模复杂非线性关系的能力而著称。XGBoost能够处理高维数据集，并捕捉特征之间的复杂相互作用，展现出显著的适应性和可靠性。通过应用XGBoost模型，可以量化和排序不同干旱变量（如降水量、蒸散发量、径流量和土壤水分含量）对特定复合干旱指数的贡献，从而识别出影响最大的干旱类型。然而，尽管XGBoost模型具有较强的预测能力，其“黑箱”特性使得结果的解释变得困难。为此，本文引入了SHAP方法，以解决这一问题。SHAP值基于博弈论中的Shapley值，是一种解释性工具，能够提供模型输出的全局和局部解释，并量化每个特征对预测的贡献。因此，SHAP值的使用可以揭示每种干旱类型在复合干旱形成过程中的具体作用，从而量化其影响。

在复合干旱研究中，将XGBoost模型与SHAP方法结合提供了一种新的视角，使得不同干旱类型对复合干旱的相对贡献得以明确。本文以干旱频发的黄河流域为研究对象，首先识别了区域内的干旱传播路径，随后构建了复合干旱指数，并最后通过XGBoost-SHAP方法对复合干旱的影响因素进行了深入分析。这种方法有助于更全面地理解干旱变量之间的复杂关系，为优化复合干旱指数和制定干旱缓解策略提供了关键支持。本文的研究成果不仅为黄河流域的干旱管理提供了指导，还具有广泛的适用性，可能推广到其他干旱频发地区，并为全球干旱监测和管理的进一步发展提供启发。

黄河流域是中国重要的农业生产基地，但大部分地区位于干旱和半干旱地带，水资源稀缺。在全球气候变化和人类活动的双重影响下，流域内的水资源状况和农业生产面临诸多挑战。因此，研究黄河流域内的复合干旱特征及其驱动因素的空间异质性，对于制定有效的干旱应对措施具有重要意义。本文的研究区域涵盖黄河上游、中游和下游，分别对应不同的地理和气候条件。在这些区域中，干旱传播路径和影响因素的分布存在显著差异，这使得在不同子区域制定针对性的干旱管理策略成为必要。

为评估黄河流域的水文状况，本文采用了SWAT模型进行模拟。SWAT模型在该研究中表现出良好的适用性，能够准确模拟流域内的水文过程。通过敏感性分析，从28个相关参数中筛选出18个对径流模拟具有高度敏感性的参数，并用于模型校准。其中，曲线数（CN2）被识别为最具影响力的参数。经过校准，模型能够较好地模拟每月的水文数据，为后续干旱分析提供了坚实的基础。SWAT模型的模拟结果不仅反映了流域内的水文动态，还为干旱传播路径和复合干旱特征的识别提供了数据支持。

本文的研究成果表明，复合干旱的特征和影响因素在空间上存在显著差异。在上游区域（III类），复合干旱最为严重，而在下游区域（VI类），复合干旱则较为轻微。这种空间异质性表明，不同子区域对干旱的响应机制和管理需求存在差异。因此，在制定干旱管理策略时，需要考虑不同区域的具体情况，采取差异化的措施。此外，研究还揭示了PPET、SW和WYLD对复合干旱的非线性影响及其区域性的阈值。这些阈值为干旱预警和管理提供了量化依据，有助于更精准地评估干旱风险。

本文的研究方法具有创新性和可扩展性。通过整合水文建模、Copula函数和机器学习可解释性技术，为复合干旱分析提供了一种系统化的框架。该框架不仅能够识别干旱传播路径和复合干旱特征，还能够量化不同干旱类型对复合干旱的影响。这种方法的应用为其他干旱频发地区的研究提供了借鉴，有助于推动全球干旱监测和管理技术的发展。此外，本文的研究还强调了不同干旱类型之间的相互作用，为理解复合干旱的形成机制提供了新的视角。

综上所述，本文的研究为黄河流域的复合干旱分析提供了重要的理论和实践支持。通过识别干旱传播路径、构建复合干旱指数以及量化不同干旱类型的影响，研究揭示了复合干旱的复杂性和空间异质性。这些发现不仅有助于优化现有的干旱管理策略，还为未来的研究提供了新的方向。同时，本文的研究成果具有广泛的适用性，可能推广到其他干旱频发地区，为全球干旱监测和管理提供有价值的参考。