《Journal of Hydrology: Regional Studies》：Meteorological-to-hydrological drought propagation and its drivers in the Upper Indus Basin, Pakistan: A multiscale analysis using explainable machine learning
编辑推荐：
研究区域为巴基斯坦上印度河流域(UIB)，该区域是巴基斯坦水资源供给的关键源头区。研究人员聚焦1982—2022年UIB气象干旱与水文干旱特征及气象干旱向水文干旱的传播过程，采用1、3、6、9、12个月尺度的标准化降水指数(SPI)表征气象干旱，1个月尺度标准
研究区域为巴基斯坦上印度河流域(UIB)，该区域是巴基斯坦水资源供给的关键源头区。研究人员聚焦1982—2022年UIB气象干旱与水文干旱特征及气象干旱向水文干旱的传播过程，采用1、3、6、9、12个月尺度的标准化降水指数(SPI)表征气象干旱，1个月尺度标准化径流指数(SRI)表征水文干旱。通过最大皮尔逊相关系数(MPCC)法估算干旱传播时间，基于事件分析法推导传播速率、频次与强度，并构建可解释机器学习框架(XGBoost-SHAP)识别主导驱动因子。研究表明，短尺度气象干旱发生最为频繁，水文干旱发生频次较低但持续时间更长；平均传播时间为5.84个月，31.61%的流域区域呈现1个月快速响应特征，平均传播频次与速率分别为18.25次与0.32。模型表现优异，传播强度的平均决定系数(R2)达0.75，最高可达0.84。植被状况、温度与径流是传播时间的主导驱动因子，而温度、径流与潜在蒸散发(PET)主要控制传播频次与强度。该研究通过融合多尺度干旱传播指标与可解释机器学习，为区域干旱监测与气候适应提供了新的实证支撑。
研究背景与意义
干旱作为最具破坏性的气候灾害之一，在全球变暖背景下，亚洲诸多流域的气象与水文干旱频发，对水资源、粮食生产及生态系统构成严重威胁。巴基斯坦上印度河流域(UIB)作为南亚关键水源涵养区，其径流70%以上源自冰雪融水，支撑着下游灌溉、水电开发及生态流量维持。然而，该区域地形高差显著、气候异质性强，冬季西风带降水主导、夏季季风影响微弱，冰雪储量变化深刻调控着流域水文过程。尽管已有研究关注UIB干旱特征，但多基于站点记录或流域均值，缺乏对网格尺度干旱传播属性的系统量化，且鲜见将传播时间、速率、频次与强度等多指标与冰冻圈、生态变量关联的研究。传统相关性分析方法难以揭示非线性驱动机制，因此，开展网格尺度干旱传播过程及驱动因子研究，对高山冰冻圈流域的水资源管理具有重要科学价值。本研究成果发表于《Journal of Hydrology: Regional Studies》。
关键技术方法
研究人员采用1982—2022年多源网格数据集，其中降水、径流、温度、土壤含水量、潜在蒸散发(PET)、太阳辐射、融雪及风场数据来自ERA5-Land再分析产品（空间分辨率0.1°×0.1°），归一化植被指数(NDVI)来自GIMMS-3G+数据集（经双线性插值重采样至0.1°分辨率）。通过方差膨胀因子(VIF)检验确保预测变量共线性可控（VIF<4）。干旱识别采用阈值法（SPI/SRI<-0.5），基于游程理论计算干旱历时、频率与强度。干旱传播时间通过最大皮尔逊相关系数(MPCC)法确定，传播频次为有效传播事件总数，传播速率为气象干旱转化为水文干旱的比例，传播强度(DIP)通过气象与水文干旱指数比值量化。驱动因子识别采用XGBoost模型，以80%数据训练、20%数据验证，结合SHAP值解析变量贡献方向与大小。
研究结果
3.1 气象与水文干旱时空特征
气象干旱历时随SPI累积尺度增加而延长：SPI-1尺度下33.58%区域干旱历时≥1.5个月，SPI-12尺度下54.77%区域历时≥6个月。干旱频率则随尺度增加而降低：SPI-1尺度下97%区域年干旱频次≥2次，而SRI-1尺度下仅4.91%区域达此水平。干旱强度在短尺度更高，SPI-1尺度下64.60%区域强度≥1。水文干旱(SRI-1)虽发生频次低（60.12%区域历时≥2.5个月），但持续性更强。年际变化显示，2000年后长尺度气象干旱与水文干旱的历时与强度均显著增加，如2001年SRI-1历时达11个月，1998年SPI-1强度达2.12。
3.2 干旱传播时空特征
干旱传播呈现显著空间异质性：20.06%区域传播时间为12个月，31.61%区域仅为1个月，全流域平均为5.84个月。吉尔吉特-巴尔蒂斯坦(GB)中部及部分低海拔区传播时间较长。传播频次平均为18.25次，36.34%区域≥50次；传播速率平均为0.32；传播强度≥1的区域占28.53%，主要分布于GB地区。事件滞后分析验证了MPCC法估算传播时间的物理合理性，连续SPI尺度验证显示65.44%栅格的传播时间与离散尺度差异在1个月内。
3.3 干旱传播驱动因子
XGBoost模型对传播指标的模拟性能优异，传播强度的R2最高达0.84，各分区模型中开伯尔-普什图省(KPK)表现最佳（R2为0.87~0.90）。SHAP分析表明：植被状况(NDVI)、温度与径流是传播时间的主导驱动因子；温度、径流、NDVI、潜在蒸散发(PET)、土壤含水量及降水控制传播频次，其中高温促进传播，而高土壤含水量、降水与径流抑制传播；传播强度主要受温度、PET与径流驱动，NDVI与土壤含水量起次要作用，太阳辐射、融雪与风速贡献较小。
讨论与结论
讨论部分指出，UIB干旱特征的尺度依赖性源于冰雪、地下水等存储的缓冲作用——短尺度气象干旱常被存储调节，仅当干旱持续至SPI-6及以上尺度时，存储耗尽才会引发水文干旱。传播时间的空间差异与海拔密切相关：低海拔暖区降雨-径流联系紧密，传播时间短；高海拔区冰雪存储与地下水延迟补给延长了传播过程。与其他高山流域相比，UIB显著的海拔梯度与冰川影响导致其传播过程呈现更强的网格尺度变异。驱动因子分析强调，除降水亏缺外，温度、PET、NDVI及前期径流共同调控干旱传播，这要求干旱监测需从单一降水指标转向多要素综合观测。研究局限性包括再分析数据在高山区的误差、NDVI重采样的平滑效应及统计方法的非线性捕捉不足，未来需结合地面观测与事件尺度模型优化分析。
结论部分总结：1982—2022年UIB短尺度气象干旱频发，水文干旱低频但持久；干旱传播空间异质性显著，平均传播时间5.84个月，31.61%区域为1个月快速响应，GB地区传播强度较高；XGBoost模型可有效捕捉传播指标空间变异，植被状况、温度与径流主导传播时间，温度、径流与PET控制传播频次与强度。研究表明，UIB水文干旱响应并非仅由降水亏缺决定，而是受水文气候、地表状态与流域存储的共同调控。
