标准化降水蒸散指数
- 提出者
- Vicente-Serrano, Beguería, and López-Moreno
- 年份
- 2010
- 类型
- Probability-based water deficit indicator
- 类别
- Drought and water balance analysis
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
标准化降水蒸散指数(SPEI)是一个气候指数,它结合了降水和温度(通过参考蒸散量)来表征水分亏缺和干旱。SPEI由Vicente-Serrano及其同事于2010年开发,它扩展了SPI(标准化降水指数)的框架,以考虑降水不足和变暖导致蒸发需求增加的综合影响,从而提供比仅基于降水的指数更具物理依据的干旱指标。
方法背后的直觉
SPEI计算的是在选定的时间尺度(1、3、6或12个月)上,降水与参考蒸散量(ET0)之差,即累积气候水平衡(CWB)。这种水平衡同时捕捉了水的供应(降水)和水的需求(蒸发和植物蒸腾,随温度升高而增加)。然后,使用三参数对数逻辑分布对CWB进行标准化,得到与SPI具有相同解释的SPEI值:负值表示干旱,正值表示湿润条件。通过包含温度效应,SPEI反映了气候变化对水文的实际影响。
历史学
SPEI于2010年由Vicente-Serrano及其同事提出,其出现源于认识到仅基于降水的干旱指数未能捕捉到变暖引起的蒸散量增加。该指数在气候变化研究中得到推广,世界气象组织推荐SPEI与SPI一起用于干旱监测。近期的发展包括基于卫星的ET0估算,使得在数据稀疏地区也能计算SPEI,以及将SPEI与土壤湿度和河流流量模型耦合,用于综合水资源评估。
何时使用
当预期温度会影响可用水量时(例如在蒸发需求高的半干旱和干旱地区),用于干旱评估;用于气候变化影响评估(SPEI比SPI更能捕捉变暖驱动的干旱);以及在降水不足和温度异常都很重要的业务干旱监测中。对于蒸散量对温度变化不敏感的热带湿润地区,SPI可能就足够了。
局限与注意事项
- 需要降水数据以外的温度数据,限制了在温度观测稀疏地区的应用
- 参考蒸散量(ET0)的参数化引入了不确定性;不同的ET0公式会产生不同的SPEI值
- 在降水为零的月份很多的干旱地区,概率分布拟合可能存在问题
- SPEI的预测继承了GCM温度和降水预测的巨大不确定性,尤其是在区域尺度上
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 物理依据充分:同时考虑了水的供应和需求,反映了真实的水文压力
- 对变暖敏感:即使降水保持不变,也能捕捉到由蒸散量增加引起的干旱趋势
- 时间尺度灵活:支持1、3、6和12个月的累积,用于评估不同时间范围的影响
- 改进的干旱表征:与仅基于降水的指标相比,SPEI与河流流量、地下水和土壤湿度变化的相关性更好
应用
- 气候变化干旱预测:使用GCM预测计算的SPEI来评估变暖情景下未来干旱的频率和强度
- 业务干旱预警:实时计算区域气象站的SPEI,以指导水资源管理者和农业顾问
- 农业胁迫评估:将SPEI与作物产量数据相关联,以开发用于产量预测的干旱影响模型
- 流域管理:使用SPEI评估可用水量,并在可变的干旱情景下规划水资源分配和水库运行
使用方式
使用方式
收集长期(30年以上)月度降水和温度数据。太阳辐射、风速和湿度可以改进ET0的估算,但并非总是可用。
参考蒸散量(ET0)使用Hargreaves方程(仅限温度)或Penman-Monteith方程(如果提供完整的气象数据)进行计算。应用质量控制以消除数据错误。
对于每个累积期(1、3、6、12个月),计算累积气候水平衡(P - ET0)。将累积分布拟合到对数逻辑概率分布。
通过使用拟合的累积分布函数转换每个CWB值来计算标准化变量(SPEI)。结果范围大约从-4(极端干旱)到+4(极端湿润)。
分析SPEI图和时间序列的干旱发生、持续时间、强度和恢复情况。空间格局揭示了同时受干旱影响的区域。SPEI的趋势表明可用水量存在系统性变化(例如,地中海地区的水分减少趋势)。
常见陷阱
- 假设SPEI直接代表土壤湿度;SPEI是相对于气候学的水平衡异常,而不是绝对土壤湿度含量
- 比较使用不同ET0方法或降水来源计算的SPEI值;标准化仅确保在一致数据集内的可比性
- 在未考虑降水和温度分布潜在变化的情况下,过度推断SPEI的未来趋势
常见问题
什么是参考蒸散量(ET0)以及如何计算?
ET0是指在水分充足和最佳生长条件下,参考作物(草)的蒸散速率。它代表了大气对水的需求。Hargreaves方法仅根据温度估算ET0;Penman-Monteith方法使用温度、湿度、风和辐射来提高精度。在给定温度下,ET0随干旱程度(较低的湿度)和风力以及更强的辐射而增加。
SPEI与Palmer干旱指数(PDSI)有何不同?
两者都结合了降水和温度。PDSI使用具有规定土壤特性的土壤水平衡模型;SPEI使用(P - ET0)的简单累积。SPEI计算速度更快,且不需要土壤数据。不同时间尺度的SPEI时间序列是独立的;不同时间尺度的PDSI值源于单一的潜在过程。对于业务监测,SPEI更实用。
SPEI能否预测气候变化下的未来干旱?
可以。降尺度后的GCM降水和温度预测可以输入SPEI计算,从而得到2050年或2100年的SPEI预测。然而,由于GCM的离散性和降尺度方法,存在很大的不确定性。建议使用多个GCM的集合SPEI。
典型的SPEI干旱分类阈值是什么?
与SPI类似:SPEI > 1.5为极度湿润;1.0–1.5为非常湿润;0.5–1.0为中度湿润;-0.5–0.5为接近正常;-0.5至-1.0为中度干旱;-1.0至-1.5为严重干旱;-1.5至-2.0为非常严重干旱;< -2.0为极端干旱。
相关方法
参考文献
Vicente-Serrano, S. M., Beguería, S., & López-Moreno, J. I. (2010). A multiscalar drought index sensitive to global warming: the Standardized Precipitation Evapotranspiration Index. Journal of Climate, 23(7), 1696-1718.
打开 DOI 文献已复制。