干旱分布

干旱分布（精选4篇）

干旱分布 篇1

干旱灾害是我国最主要的自然灾害之一,是给农业经济带来的损失最为严重的一种气象灾害[1,2,3]。干旱灾害影响巨大,还有很多的潜在威胁,目前的研究并不深入,自然灾害既有显性的也有隐性的,很多隐性灾害都没有被发现,应予以重视。实际上我国也比较重视,特别是一到旱季,省政府、市政府都较为重视。

吉林省是我国重要的商品粮产粮大省,也是重要的商品粮生产基地,严重的旱灾致使受灾面积增加,粮食减产甚至绝收,严重威胁东北部粮食产量的稳定,位于西北部的白城地区是吉林省风沙、干旱等自然灾害频发地区,也是吉林省重要的畜牧业及粮食基地,故研究白城地区干旱时空特征对白城地区抗旱具有重要意义。

1 数据与方法

以白城地区为研究区域,以白城地区5个观测站点1961—2014年降水量作为基础数据,选择合适干旱指标(SPI)进行干旱空间特征分析。选取以12个月为时间尺度计算出的SPI12值来计算白城地区1961—2014年的干旱特征,选取以3个月为时间尺度的SPI3值来计算各季的干旱特征,为白城地区抗旱对策提供依据。

2 结果与分析

2.1 年干旱程度空间分布特征

图1为白城地区基于SPI得出的1961—2014年白城地区轻旱(图1a)、中旱(图1b)、重旱(图1c)和特旱(图1d)的空间分布概率。由图1a可知,白城地区年度轻旱出现的概率多在10%以上,最大值出现在镇赉县西北部,局地超过了20%,基于SPI的白城地区轻旱分布特征表现为较明显的北多南少且依纬度递减的特点,对比基于Pa的轻旱分布图可知:镇赉县在无论是基于SPI还是Pa的角度下都是白城地区轻旱高发地区,而通榆县的结论却相反。

由图1b可知,白城地区年中旱的分布特征基本为“北多南少”,与轻旱的分布特征类似,也与基于Pa情况下得到的中旱分布特征一致,说明镇赉县的轻旱和中旱发生概率都较其余白城地区更大,形势更为严峻。

由图1c可知,在基于SPI的角度下,白城地区出现重度干旱的概率更大,大安市东部地区最大可超过7%,洮南县在基于SPI的角度下,全县出现重度干旱的概率要大于基于Pa的概率,为相对大值区,通榆县大部在2种角度下都一致认为是重旱稀发地区。

注:a、b、c、d分别表示轻旱、中旱、重旱及特旱。下同。

由图1d可知,基于SPI的白城地区特旱的年分布特征为:由西向东概率递减,通榆县大部在2种判别方法下都是较其余白城地区特级旱灾高发区域,镇赉县与大安市的分布特征在2种判别方法下较一致。

综上可得,基于SPI的白城地区轻旱与特旱多发生在白城地区南部,中旱多发生于北部,重度旱灾多发生于东部,基于SPI和Pa的白城地区干旱分布特征大体上一致,但多在细节上有差异,综合对比两者可得出:白城地区年发生轻旱的概率最高,特旱的概率最低;通榆县东南部为发生轻旱概率最大地区,镇赉县西北部为发生中旱概率最大地区;最易发生重旱和特旱的地区虽在基于SPI和基于Pa上有不同表现,但基本表现为重旱多发生在白城地区东部,特旱多发生在北城地区南部。

2.2 季节干旱程度空间分布特征

2.2.1 春季干旱程度空间分布。

图2为白城地区基于SPI3得出的春季轻旱(图2a)、春季中旱(图2b)、春季重旱(图2c)和春季特旱(图2d)的空间分布概率图。

由图2a可知,春季白城地区发生轻度干旱的概率多在9%~19%之间,呈现出“北多南少”的分布特点,这一分布特点与基于Pa的春季轻旱相反,但如果将其与基于Pa的春季中旱分布特征对比,则两者较为一致,这反映出SPI与Pa这2种不同判别方法在定义干旱程度上的差异,需引起注意。

由图2b可知,春季白城地区发生中度干旱的特征与基于Pa情况下的较一致,都大致为“北多南少”的特点,只是在基于SPI的情况下,春季中旱多发区改为大安市东部。

由图2c可知,春季白城发生重度干旱的概率多在1.6%~5.6%之间,同样为”北多南少”的特征,与基于Pa情况下得到的分布特征相差不大,只是重旱多发区位置稍偏西,由镇赉县变为白城市区。

由图2d可知,特级干旱在白城地区春季发生率不足4%,其分布特征基本为“北少南多”,通榆县为春季最易发生特级干旱地区。

综合对比可知:基于SPI和基于Pa的白城地区重度和特级干旱分布特征上,一致性最强,而在轻旱上出现的差异较大;春季基于SPI的白城地区分布特征中,秋季和春季分布特征最相似;镇赉县春季和秋季需要重点防范轻度干旱和重度干旱,通榆县需要重点关注冬季发生的特旱情况。

2.2.2 夏季干旱程度空间分布。

图3为白城地区基于SPI3得出的夏季轻旱(图3a)、夏季中旱(图3b)、夏季重旱(图3c)和夏季特旱(图3d)的空间分布概率图。

由图3a可知,夏季白城地区的轻度干旱概率多在7%~19%之间,大安市东部局地超过20%,其分布特征大致为“西少东多”,镇赉县西部与洮南市大部夏季受轻旱影响最小。

由图3b可知,夏季白城地区的中度干旱多发生在镇赉县西北部等白城地区北部,最大值可超过9%。

由图3c可知,夏季发生重度干旱的概率大于发生中度干旱的概率,通榆县夏季为最易发生重度干旱的区域,这一特点与基于Pa的夏季重度干旱区域相反,再次说明两者判别之间的差异,在夏季多降水的情况下,基于Pa的干旱分类方法受降水影响较大。

由图3d可知,夏季发生特级干旱的概率多在5%以内,十分稀少,且多发生于大安市东部和白城城区西北部,这一特征未在Pa上显示出来,在一定程度上体现了SPI方法的优越性,夏季也是2种方法分析白城地区干旱特征差异最大的季节[4,5,6]。

2.2.3 秋季干旱程度空间分布。

图4为白城地区基于SPI3得出的秋季轻旱(图4a)、秋季中旱(图4b)、秋季重旱(图4c)和秋季特旱(图4d)的空间分布概率图。

由图4a可知,白城地区秋季轻旱的发生概率较大,多在10%以上,最大值出现在白城市区西北部,局地超过20%,最小值出现在洮南市中部,不足8%。

由图4b可知,白城地区秋季中度干旱分布特征基本为“西北多东南少”,通榆县东南部秋季中度干旱少发。

由图4c可知,秋季白城地区重旱形势与其中旱形势基本相反,呈现“西北少,东南多”的特点。

由图4d可知,秋季白城地区特旱形势整体较少,不足2%,但区域分布特征依旧明显,自西向东逐渐减少。

结合基于Pa的白城地区秋季干旱分布图分析可知:秋季是一年四季中2种方法分析出特征差异最小的季节;白城地区的西北部秋季需重点防范轻旱的发生;洮南市中部秋季较其余地区多发中度干旱;通榆县东南部秋季发生重度干旱的概率较其余地区最大;秋季特级干旱少发,但“自西向东概率递减”特征明显。

2.2.4 冬季干旱程度空间分布。

图5为白城地区基于SPI3得出的冬季轻旱(图5a)、冬季中旱(图5b)、冬季重旱(图5c)和冬季特旱(图5d)的空间分布概率。

由图5a可知,白城地区冬季轻旱发生的概率自北向南增加,冬季轻旱在镇赉县发生最少,在通榆县发生最多。

由图5b可知,冬季发生中度干旱的概率多在5%~10%之间,白城地区西部冬季需防范中度干旱的发生与发展。

由图5c可知,白城地区秋季发生重度干旱的位置主要集中在白城地区东北部,镇赉县大部冬季发生重度干旱的概率超过7%,其次的大值区出现在洮南市中部。

由图5d可知,冬季发生特级干旱的概率依旧较少,不足4%,但基本呈现“南北多,东西少”的分布特征。

综合所有基于SPI的四季分布图可知:一年中,除夏季外,特级干旱的分布特征基本一致,通榆县东南部较其余地区更易发生特级干旱;中度干旱的分布特征在除冬季外,基本一致,呈现白城地区北部都为中度干旱大值区;轻度干旱的分布特征在春季和夏季最为相似,呈现“西北多,东南少”的特点;秋季是一年四季中2种方法分析得到的特征差异最小的季节,而夏季则是差异最大的季节。

3 结论与讨论

分析结果表明,白城地区在空间上特征差别并不是很大,只不过是干旱发生的市县不同,干旱严重情况不同,干旱持续的时间不同而已。春季在白城地区发生的干旱多以轻度和中度干旱为主,且呈现“南北相反”的分布特征,重旱和特大干旱春季少发;夏季由于降水充沛,是白城地区一年旱情最缓和的季节,干旱多以轻度和中度干旱的形式发生,且概率均较小;秋季轻旱最多,重度和特级干旱秋季发生概率小于春季,但较夏季有增加趋势;冬季最容易发生特级干旱,冬季发生重度干旱概率仅次于秋季。

参考文献

[1]张文宗,王鑫,康西言,等.河北省玉米干旱风险评估及区划方法[J].华北农学报,2008(增刊2):367-372.

[2]曹建华,尹清华,李俊有.赤峰市干旱灾害风险指标的确定及分布规律[J].内蒙古农业科技,2009(2):72-73.

[3]潘冬梅,诺尔沙拉,潘雪梅.基于干旱K指数的阿勒泰地区夏旱风险区划[J].沙漠与绿洲气象,2013(6):68-72.

[4]潘晓瑜.三都县近50年干旱分析[J].现代农业科技,2011(10):299-300.

[5]胡伟,陈豫.黄土高原半干旱区旱作农田土壤干燥化研究[J].河南农业科学,2013(10):75-79.

[6]周扬,李宁,吉中会,等.基于SPI指数的1981—2010年内蒙古地区干旱时空分布特征[J].自然资源学报,2013(10):1694-1706.

干旱分布 篇2

干旱是一种频发的自然灾害,对人类和社会产生极大的危害。它是包括干旱历时、干旱烈度和干旱强度等多个相关变量的极值水文事件,并且干旱特征变量之间往往存在着一定的相关性,单变量分析很难反映这种相关性。传统的多变量频率分析模型要求单变量服从相同的边缘分布,而Copula函数理论适用于构建边缘分布不受此类限制的联合分布,是描述变量间相关性的一种很好的工具。

Copula函数最初多应用于金融、保险等行业。近些年来,Copula函数被引入水文研究领域,取得了一定的成果。Genest et al.研究了大量的相关性方程及相关的Copula函数的参数估计及拟合度评价,并将meta椭圆Copula函数应用于年度春季洪水的洪峰、洪量和历时的联合分布的建立[1,2]。Serinaldi and Grimaldi基于非对称Archimedean Copula函数建立三维联合分布[3]。Kao and Govindaraju利用Plackett Copula分析了三维降水极值事件,结果表明,Plackett Copula可以分析二维和三维的降水的联合分布[4]。Song Songbai and Vijay P Singh应用遗传算法估计Plackett Copula函数的参数,基于Plackett Copula函数建立了干旱历时、干旱烈度以及干旱间隔时间之间的联合分布,并计算了相应的条件重现期[5]。L Zhang and Vijay P Singh(2007b,2007c)基于Gumbel Copula建立了降水历时、降水强度和雨深以及洪峰、洪量和洪水历时的三变量联合分布,并与三维正态分布进行了比较,表明Gumbel Copula建立的三维联合分布效果相对较好,并计算了不同条件下的重现期[6,7]。J.T,Shiau、Song Feng和Saralees Nadarajah利用Clayton Copula函数对黄河流域的水文干旱事件进行了干旱历时和干旱烈度的联合分布的构造,并对其联合概率分布、联合重现期与条件重现期进行了计算[8]。阎宝伟等以标准降水指数作为干旱指标, 通过Gumbel Copula 函数构造干旱历时和干旱程度的联合分布来分析干旱的基本特征, 并以汉江上游为例进行了应用研究[9]。徐岗飞等依据轮次分析、游程理论等计算了北方荒漠化地区的降水特征,并分析了干旱区和极端干旱区等地区的江水增减趋势[10]。方红远等运用模拟统计法和概率解析法多角度的分析了干旱和非干旱历史分布、转移概率以及干旱重现期等干旱事件特征[11]。迄今为止,在国内外的文献中, 基于Copula函数对二维联合分布的研究和应用比较多, 对三维及以上的联合分布的研究和应用比较少。相对于洪水和降雨特征分析,对干旱的特征研究所作的工作相对较少,且这些研究大多为干旱历时和干旱烈度之间以及干旱历时和干旱强度之间的两维分布的分析计算。本文以渭河流域西安站为例,利用Copula函数对其月降水资料进行分析,选取干旱历时、干旱烈度和干旱烈度峰值为干旱特征变量,研究三维的干旱联合分布,从而分析该地区的干旱发生规律,以期为当地的水资源决策者提供依据。

1 干旱变量的定义

干旱特征变量通常包括干旱历时、干旱烈度、干旱强度和干旱烈度峰值等[12]。对于干旱的识别,一般采用游程理论(Run theory),也叫轮次理论。干旱变量的定义如图1所示,X0为截取水平,当径流(或降水)序列Xt(t=1,2,…,N)在一个或多个时段内连续小于X0时,出现负游程,发生干旱;干旱历时D为负游程长度;干旱烈度S为负游程的阴影部分的面积;干旱强度I为干旱烈度S与干旱历时D的比值;烈度峰值M为负游程的极值。

2 Archimedean Copula函数

2.1 Copula函数

Copula是定义在[0, 1]区间均匀分布的联合分布函数,其定义见参考文献[4]。

常用的三维的Archimedean Copulas函数有Clayton, Frank, Ali-Mikhail-Haq (AMH)和Gumbel-Hougaard (GH) [13]:

(1)Clayton Copula:

$C(u{}_1,u{}_2,u{}_3)=(u{}_1^{-\theta }+u{}_2^{-\theta }+u{}_3^{-\theta }-2){}^{-(-1/\theta )}\theta \in (0,\infty )(1)$

(2) Gumbel-Hougaard (GH) Copula:

$\begin{array}{l}C(u{}_1,u{}_2,u{}_3)=\\ \exp \{[(-\text{l}\text{n}u{}_1){}^{\theta }+(-\text{l}\text{n}u{}_2){}^{\theta }+(-\text{l}\text{n}u{}_3){}^{\theta }]{}^{(1/\theta )}\}\theta \in [1,\infty )(2)\end{array}$

(3) Ali-Mikhail-Haq (AMH) Copula:

$\begin{array}{l}C(u{}_1,u{}_2,u{}_3)=\\ u{}_{1}u{}_2{}_3/[1-\theta (1-u{}_1)(1-u{}_2)(1-u{}_3)]\theta \in [-1,1)(3)\end{array}$

(4) Frank Copula:

$\begin{array}{l}C(u{}_1,u{}_2,u{}_3)=-\frac{1}{\theta }\ln \{1+\\ \frac{[\exp (-\theta u{}_1)-1][\exp (-\theta u{}_2)-1][\exp (-\theta u{}_3)-1]}{[\exp (-\theta )-1]{}^2}\}\theta \in R(4)\end{array}$

式中:C(u1,u2,u3)为三维的Copula函数;u1,u2,u3为边缘分布函数;θ为Copula函数的参数。

2.2 Archimedean Copula函数的参数估计

常用的Copula函数的参数估计方法有相关性指标法,极大似然法,以及适线法等等。其中,对于二维Copula函数的参数估计,普遍适用的相对简便的方法是相关性指标法。然而,对于三维的Copula 函数,相关性指标法不再适用。本文选用极大似然法和适线法进行参数估计。

(1)极大似然法[14]。

假定在(u1,u2,u3)的样本空间上,极大似然的计算步骤表示如下:

$\begin{array}{l}L(\theta )={\displaystyle \prod _{i=1}^{n}c}[(u{}_{i1},u{}_{i2},u{}_{i3});\theta ]={\displaystyle \prod _{i=1}^n\frac{\partial {}^{3}C[(u{}_1,u{}_2,u{}_3);\theta ]}{\partial u{}_1\partial u{}_2\partial u{}_3}}(5)\\ \ln [L(\theta )]={\displaystyle \sum _{i=1}^n\text{l}}\text{n}\{c[(u{}_{i1},u{}_{i2},u{}_{i3});\theta ]\}(6)\\ \frac{\partial \ln [L(\theta )]}{\partial \theta }=0(7)\end{array}$

解方程(7)即可得到参数θ。

式中:L(θ)为似然函数;c[(u1,u2,u3);θ]为三维Copula函数的密度函数,其他符号意义同前。

(2)适线法[15]。

适线法的基本原理在一定的实现准则下,求解与经验点据拟合最优的频率曲线的统计参数。本文选择离差平方和最小准则(OLS):

${\rm O}LS=\sqrt{\frac{1}{n}{\displaystyle \sum _{i=1}^n(}Ce{}_i-C{}_i){}^2}(8)$

式中:Ci表示联合观测值样本(x1i,x2i,x3i)的Copula函数计算值;Cei表示相应的经验概率。对于某一特定的Copula函数,目标函数OLS越小,说明该Copula函数的参数θ越优。因此,Copula的参数估计值$\widehat{\theta }$满足:$\underset{\theta }{{\displaystyle \min }}[{\rm O}LA(\theta )]$。

2.3 Copula函数的选择

拟合优度评价是选择分布线型的一个重要标准。本文分别采用均方根误差(RMSE),AIC以及Bias[16]为指标来评价Copula函数的拟合程度的优劣。RMSE、AIC和Bias的值越小,表示Copula函数拟合程度越好。

3 干旱特征变量的联合分布

干旱历时D、干旱烈度S和烈度峰值M分别选用指数分布、Gamma分布和广义Pareto分布,分布函数分别为:

$\begin{array}{l}F{}_D(d)=1-\text{e}{}^{\frac{d-\mu }{\lambda }}(9)\\ F{}_S(s)={\displaystyle \underset{0}{\overset{s}{\int }}\frac{s{}^{\alpha -1}}{\beta {}^{\alpha {}_{\Gamma }}(\alpha )}}\text{e}{}^{\frac{s}{\beta }}ds(10)\\ F{}_{{\rm M}}(m)=1-[1-\frac{k}{\sigma }m]{}^{\frac{1}{k}}(11)\end{array}$

假定X1,X2和X3分别表示干旱事件中具有相依关系的变量序列,u1,u2,u3分别表示干旱历时、干旱烈度和烈度峰值的边缘分布,其事件(x1,x2,x3)的联合概率分布函数F可表示为:

$\begin{array}{l}F(x{}_1,x{}_2,x{}_3)=\\ C[F{}_{X{}_1}(x{}_1),F{}_{X{}_2}(x{}_2),F{}_{X{}_3}(x{}_3)]=C(u{}_1,u{}_2,u{}_3)(12)\end{array}$

当给定X3≤x3时,条件概率分布函数可表示为:

$[{\rm H}S2*3]F(x{}_1,x{}_2|X{}_3\le x{}_3)=\frac{F(x{}_1,x{}_2,x{}_3)}{F(x{}_3)}=\frac{C(u{}_1,u{}_2,u{}_3)}{u{}_3}(13)$

相应的重现期为:

$[{\rm H}S2*3]{\rm T}(x{}_1,x{}_2|X{}_3\le x{}_3)=\frac{{\rm N}}{n[1-F(x{}_1,x{}_2|X{}_3\le x{}_3)]}(14)$

当给定X2≤x2,X3≤x3时,条件概率分布函数可表示为:

$[{\rm H}S2*3]F(x{}_1|X{}_2\le x{}_2,X{}_3\le x{}_3)=\frac{F(x{}_1,x{}_2,x{}_3)}{F(x{}_2,x{}_3)}=\frac{C(u{}_1,u{}_2,u{}_3)}{C(u{}_2,u{}_3)}(15)$

相应的重现期为:

$\begin{array}{l}{\rm T}(x{}_1|X{}_2\le x{}_2,X{}_3\le x{}_3)=\\ [{\rm H}S2]\frac{{\rm N}}{n[1-F(x{}_1|X{}_2\le x{}_2,X{}_3\le x{}_3)]}(16)\end{array}$

式中:N为干旱系列长度(年);n为发生干旱的次数。

4 实例研究

本文以渭河流域西安站1932-2008年的月降水资料为例,选取多年各月平均值为截取水平,获得干旱历时D、干旱烈度S和烈度峰值M,研究该站的干旱变量联合分布及条件重现期。

4.1 干旱特征变量的边缘分布

应用概率权重矩法求得指数分布的参数为μ=0.61,λ=1.70;用极大似然法求得Gamma分布和广义Pareto分布的参数分别为α=0.96, β=49.96;k=-0.39,σ=39.92。指数分布,Gamma分布和广义Pareto分布对干旱历时、干旱烈度和烈度峰值的拟合程度如图2所示。

4.2 Copula函数的参数估计与选择

根据公式(6),(7),(8),(9)计算得Copula函数的参数及拟合优度评价指标,计算结果见表1。通过计算结果的对比,适线法计算得出的RMSE、AIC和Bias的值均小于对应函数用极大似然法计算出的RMSE、AIC和Bias的值,因此,对于三维Archimedean Copula函数的参数估计,适线法的效果优于极大似然法。

将适线法估计出的参数分别代入4种Archimedean Copula函数中,做经验频率与理论频率拟合效果图如图3, 由图3以及表1中各拟合优度评价指标的比较可知,Clayton Copula对西安站的干旱数据的拟合效果最好。所以,本文选用Clayton Copula函数对西安站进行基于干旱历时、干旱烈度和烈度峰值的三变量的联合分布的分析计算。

4.3 联合分布的分析计算

给定烈度峰值小于等于某一特定值,干旱历时和干旱烈度的联合重现期的计算结果如图4和图5所示,从图4和图5中,可查出给定M≤20 mm,M≤10 mm条件时的干旱历时和干旱烈度的联合重现期。

给定干旱烈度和烈度峰值分别小于等于某一特定值,干旱历时的条件重现期的计算结果如图6所示,从图6中,可以查出给定(M≤20 mm,S≤100 mm),(M≤20 mm,S≤160 mm),(M≤20 mm,S≤220 mm),(M≤10 mm,S≤100 mm),(M≤10 mm,S≤160 mm), (M≤10 mm,S≤220 mm)条件时的干旱历时的条件重现期。

5 结 论

以渭河流域西安站77年的月降水资料为例,基于游程理论,从降水资料中提取干旱特征变量(干旱历时、干旱烈度和烈度峰值),通过Archimedean Copula函数构造三变量间的联合分布,然后通过拟合优度检验选择Clayton Copula函数构造西安站干旱变量间的联合分布,并计算条件重现期。结果表明,用Copula函数构造的联合分布考虑到了干旱历时、干旱烈度和烈度峰值的不同组合情况,而且能够求得不同干旱历时、干旱烈度或烈度峰值下的条件概率和条件重现期,能够更全面真实地反应干旱特征。

干旱分布 篇3

1材料与方法

1.1试验区概况

克里雅河流域位于塔克拉玛干沙漠南缘, 昆仑山中段北麓, 属于大陆性暖温带干旱沙漠气候, 四季分明, 温差较大, 降水稀少, 蒸发量大, 年平均气温12.4℃, 无霜期为200 d, 年均降水量为44.7 mm, 年平均蒸发量为2 498mm[4]。随着强烈的地表蒸发, 许多可溶性盐类随土壤毛细管上升至地表, 造成农田耕层盐渍化, 破坏了土壤的理化性能。试验区示意见图1。

1.2试验方法

新疆南疆地区2012年8—10月是盐渍地的反盐期, 连续采集反盐期的表层土壤, 深度分别为0~10 cm和1 0~30 cm。为了充分呈现出盐渍地土壤水分的分布特征, 选取的样点尽量分布在不同程度的盐渍地上。

土壤含水量的测定:把所取的土壤样本装入密封铝盒中, 进行室内土壤水分的测定, 采用烘干法烘干土壤, 烘干前后, 使用高精度电子天平梅特勒AL204称取铝盒前后的重量, 从而求算出土壤含水量。

2结果与分析

2.1土壤水分的空间分布

土壤水能够将地表水和地下水紧密联系在一起, 是物质传输和运移的重要载体, 也是衡量土壤肥力的主要因素之一[5,6,7,8], 在干旱区, 土壤水分状况能直接影响植被的生存状况, 对农业生产和生态环境都具有决定性的作用[9]。

研究区盐渍土壤分布广泛, 即使在绿洲覆盖的地区, 土壤也依然呈现轻度盐渍化现象。所采集的土壤样品均包含了轻度盐渍地、中度盐渍地和重度盐渍地等。绿洲覆盖区域以及靠近绿洲外围的土壤样品盐渍化程度较低, 土壤含水量明显高于裸露的盐渍地。将48个采样点的土壤含水量进行统计分析 (表1) 。

统计结果表明, 从轻度盐渍地、中度盐渍地到重度盐渍地, 土壤含水量差异较大, 且不同深度含水量也存在较明显的差异。表层土壤 (0~10 cm) 的含水量明显低于10~30 cm深度的土壤含水量, 且表层土壤含水量由于土壤盐渍化程度的不同而存在差异, 绿洲内部和外围的土壤含水量也存在明显差异。变异系数的能反映土壤水分的空间变异性大小和数据的离散程度, 通常认为, 0.01<变异系数<1.00, 属于中等变异性[10];峰度系数能够表明数据在中心的聚集程度, 该研究中土壤含水量的峰度系数均不为0, 所以不符合正态分布规律, 表层土壤的含水量峰度绝对值仅为0.383 5, 相对而言, 较为接近正态分布特征;偏度系数反映了所有样品土壤含水量分布形状, 度量了分布的偏斜程度和偏向, 表层土壤含水量呈现正偏的趋势, 且正偏较为显著, 而10~30 cm的土壤含水量只有非常轻微的负偏趋势[11,12]。

通过空间差值的方法, 可以更直观的看出土壤含水量的空间分布特征。研究区涉及范围较大, 具有较强的区域性, 且影响因素诸多, 采用克里格插值法效果较好[13,14]。运用SPSS和ARCGIS软件实现对表层土壤 (0~1 0cm) 以及1 0~30 cm的土壤含水量的空间差值分析 (图2、3) 。

0~1 0 cm表层土壤含水量与1 0~30 cm深度的土壤含水量的统计结果差异较大, 且分布趋势也有显著差异。0~10 cm土壤含水量分布趋势较为清晰, 西南方向含水量较大, 东北方向土壤含水量次之, 与实际研究区内各类地物类型的分布情况非常吻合。10~30 cm土壤含水量分布趋势则与地物覆被类型略有差异, 但外围盐渍地含水量的大小并没有明显的规律。河道周边含水量较大, 河道水分会产生水分下渗, 对较深层次土壤的含水量有所影响, 远离水域的土壤样品含水量略低与河道周边。

3结论与讨论

3.1讨论

0~1 0 cm深度, 植被覆盖区以及水域周边土壤含水量较大, 而远离河道的区域, 土壤的含水量也逐步降低, 同时, 盐渍化土壤的盐渍化程度不同, 其含水量也伴随着盐渍化程度的增加而降低。但是, 也存在个别表层土壤样品由于非常容易受到外界环境干扰, 而导致个别土壤样品含水量出现与整体土壤水分含量分布规律相悖的现象。

导致表层土壤和10~30 cm土壤含水量分布特征存在明显差异的原因主要有:①表层土壤含水量的大小与灌溉引流等人为因素, 以及降水、蒸散等自然因素密切相关, 容易受到外界因素的影响和干扰;②降水能够湿润一定深的土层, 却无法无限深入土层之中, 同时最表面的土壤水分蒸发最快, 也会导致不同土层深度的盐渍土含水量差异很大;③研究区处于克里雅河流域周边, 采样点有的靠近水域, 有的则远离水域, 盐渍化程度也存在差异, 8—10月处于返盐期, 盐分析出, 在土壤表层产生盐壳、盐结皮, 故而不同土壤样品的含水量差异很大;④植物的生长需要从土壤中获取水分, 植物根系的深度、蒸腾作用的强度、耐盐保水的能力以及采样点附近的植被覆盖度等因素均对土壤含水量大小有所影响。

3.2结论

通过分析土壤含水量的空间分布和光谱特征, 得到以下结论:

(1) 表层土壤 (0~10 cm) 的含水量明显低于10~30cm深度的土壤含水量, 且表层土壤含水量由于土壤盐渍化程度的不同而存在差异, 绿洲内部和外围的土壤含水量也存在明显差异。土壤含水量呈现中等变异性, 不符合正态分布规律, 表层土壤的含水量峰度绝对值仅为0.383 5;表层土壤含水量呈现正偏的趋势, 而10~30 cm的土壤含水量只有非常轻微的负偏趋势。

(2) 0~10 cm土壤含水量分布趋势清晰且与各类地物类型的分布情况非常吻合, 西南方向含水量较大, 东北方向土壤含水量次之。植被覆盖区以及水域周边土壤含水量较大, 含水量伴随距河道距离的增加而降低, 也伴随着盐渍化程度的增加而降低。而0~30 cm土壤含水量分布趋势则与地表地物分布情况差异较大, 绿洲外围盐渍地土壤的含水量大小没有显著的分布规律。

干旱分布 篇4

1 研究区概况

石羊河流域下游地处甘肃省河西走廊东部北侧, 位于东径103°2′~104°2′, 北纬38°5′~39°6′之间, 从地质构造分界, 主要包括红崖山-黑山以北的昌宁盆地和民勤盆地, 属阿拉善台块的边缘凹陷区。西部和北部与荒漠地带相接, 西北部为巴丹吉林沙漠, 东南为腾格里沙漠, 主要地貌类型为剥蚀低山、沙漠、戈壁和湖盆盐碱地。石羊河下游地区处于中国东亚夏季风的西部边缘地带, 平均海拔1000~1500m, 属温带干旱荒漠气候;干旱缺水, 蒸发强烈, 风大沙多, 年9级以上大风日数为27.8d, 年沙尘暴日数为37d;多年平均气温7.6℃, 年平均降水量113.2mm, 年蒸发量2604.3mm。石羊河下游内无地表径流产生, 唯一的地表水资源来自石羊河。地带性土壤为灰棕漠土, 在河流沿岸和湖盆分布有草甸土和盐碱土, 在戈壁沙漠分布着风沙土。该地区植物区系属泛北极植物区, 亚洲荒漠植物亚区, 介于草原区向干旱荒漠区过度的边缘, 有天然种子植物23科73属123个种, 其中豆科 (12属) 和黎科 (12属) 最多, 其次是菊科 (11属) 、禾本科 (10属) 。

2 主要植被群落分布范围及特征

石羊河下游干旱荒漠区生态公益林区主要植被群落现有梭梭、白刺、红砂、盐爪爪、霸王等。

2.1 梭梭群落

梭梭 (Haloxylon ammodendron Bge.) 是藜科梭梭属植物, 属于亚洲荒漠成分, 广泛分布于中亚荒漠地区, 在我国天然分布主要在新疆维吾尔自治区、青海省、内蒙古自治区、甘肃省等4个省 (区) 境区, 由于其具有耐干旱、耐贫瘠、耐沙埋风蚀、耐盐碱、容易成活、生长快等优势, 在我国西北干旱荒漠区防沙治沙中广泛应用。

据民间资料记载, 20世纪初在石羊河下游民勤西北部的周家井一带曾有过约4600hm2天然梭梭林, 20世纪20~30年代消失。1959年民勤治沙综合试验站从新疆准噶尔地区引进梭梭进行人工造林获得成功, 开始在民勤及中国西北广大沙区推广。目前石羊河下游现存梭梭林面积2.44×104hm2。在上世纪90年代以前, 项目区营造梭梭林主要采用“粘土沙障+梭梭”的模式;上世纪90年代以后, 主要采用“麦草方格沙障+梭梭”的造林模式。

据资料记载, 梭梭分布区为极端大陆性, 不仅能生活在干旱荒漠地区水位较高的风成沙丘、丘间沙地和淤积、湖积龟裂型粘土, 以及中、轻度盐渍土上, 也能生长在基质极端粗糙、水分异常缺乏的洪积石质戈壁和剥蚀石质山坡及山谷;梭梭具有冬眠和夏眠的特性, 喜光性和抗旱力极强, 根系发达, 在气温高达43℃而地表温度高达60℃~70℃甚至80℃的情况下仍能正常生长;其抗盐性很强, 幼树在固定半固定、土壤含盐量0.2%~0.3%的沙丘上生长良好, 而在含盐量0.13%以下者反而生长不良。

通过调查, 研究区人工梭梭林主要分布在流动沙丘、半固定沙丘、固定沙丘、假砾石滩地等;这几种立地条件下的梭梭林占了整个石羊河下游人工梭梭林的97.56%, 这几种地类也是项目区风沙危害的重点区域, 更是多年来当地防风固沙工程建设的重点区域;其它的生境类型还有山前洪积扇和风蚀残积山坡等。

项目区梭梭群落伴生植物种主要有灌木白刺 (Traria tangutorica) 、沙蒿 (A rtemisia ordosica) 和1年生草本植物沙米 (Agriophyllum squarrosum) 、五星蒿 (Echinopsilon divaricaturn) 、刺蓬 (Cornulaea alaschanica) 等;但不同立地条件下的人工梭梭林伴生种也不尽相同, 半固定沙丘生长的植物种数多, 盖度也最大;其次为流动沙丘;固定沙丘不仅植物种少, 且植物生长不良, 盖度也低。

生长在流动沙丘上的梭梭存活率高, 生长旺盛, 主要体现在新枝数量多、生长量大、结果枝多;半固定沙丘上栽植的人工梭梭林的长势次之;固定沙丘、丘间平滩地和假砾石滩地3种立地条件下梭梭林生长较差;山前洪积扇和风蚀残积山坡这2种立地条件下的梭梭林不是处在风沙危害的主要地段, 面积也小, 在项目区防风固沙中不起主要作用。

梭梭生长状况与土壤水分有着密切的关系, 不同立地条件下的梭梭的不同生长指标的差异性各不相同, 这主要是在梭梭生长过程中立地条件对梭梭的影响不同所致。梭梭栽植初期, 沙丘都是用粘土沙障或者草方格沙障固定, 土壤中储存的水分条件较好且接近, 梭梭生长较旺盛;但是随着梭梭进一步生长, 不同立地条件下枝条生长情况差异就变得较大。梭梭适宜在沙丘上生长, 流动沙丘和半固定沙丘有利于大气降水向土壤中人渗, 土壤水分条件较好, 梭梭一直处于较旺盛的生长状态;丘间平滩地和粘土固定沙丘可供梭梭生长利用的土壤水分少, 梭梭生长不良。就流动沙丘、半固定沙丘和固定沙丘这3种立地条件下的梭梭对比分析, 株高最大的是流动沙丘上生长的梭梭, 生长在半固定沙丘和固定沙丘上的梭梭株高很接近。冠幅的差异比较显著, 生长在流动沙丘上的梭梭的冠幅比生长在半固定沙丘和固定沙丘上的梭梭大得多。

2.2 白刺群落

经调查, 在研究区内分布的白刺属植物种质资源有泡果白刺 (N.sphaerocarpa Maximowicz) 、白刺 (N.tangutorum Bobrov) 、大白刺 (N.roborowskii Komarov) 、小果白刺 (N.sibirica Pallas) 等4种, 这些白刺种是石羊河下游干旱荒漠区主要的建群植物之一, 是优良的抗盐碱和防风固沙造林先锋树种及饲用植物。

目前, 石羊河下游干旱荒漠区白刺资源面积为19.34×104hm2, 白刺主要分布在民勤绿洲边缘的西北风沙线上, 分布带约成45°, 与来自巴丹吉林沙漠的主风方向相垂直, 以阻挡着来自巴丹吉林沙漠的风沙, 保护着民勤绿洲。通过对石羊河下游干旱荒漠区白刺种类的调查和分类鉴定, 白刺种群分布类型有4种, 分别是草地型白刺、沙丘型白刺、沙地型白刺和散生型白刺。石羊河下游主要以沙丘型白刺类型为主, 是白刺分布的主要形式。

2.3 红砂群落

红砂 (Reaumuriasoongorica) 隶属于柽柳科 (Tamaricaceae) , 为超旱生小灌木。主要分布项目区的山麓洪积平原、山地丘陵、剥蚀残丘、山前砂砾质和砾质洪积扇、戈壁等;土壤一般为灰棕荒漠土, 在荒漠灰钙土上也有生长, 在盐渍化以至强盐渍化土壤上生长良好, 是项目区荒漠灌丛植被的主要优势种和建群种之一;其抗逆性强, 生态可塑性大, 具有很强的抗旱、耐盐和集沙能力, 对荒漠地区的生态保护具重要作用。

目前, 石羊河下游干旱荒漠区红砂分布面积1.52×104hm2。该区域的红砂群落类型具有结构简单、密度稀疏、种类成分单纯的特征, 伴生植物有灌木和多年或1年生草本。依据植物生活型, 在垂直结构上可分为2个层片, 第1层片为灌木、半灌木层, 主要植物种有刺旋花、苏枸杞、泡泡刺、白刺;第2层片为草本层, 主要植物种有骆驼蓬、针茅、蒺藜、刺叶柄棘豆、沙葱、画眉草、碱蓬、刺蓬、狗尾草、羊胡子和禾草。

经调查研究, 发现从5月到10月, 红砂群落灌木层物种数没有变化, 盖度逐渐降低, 10月份为4.38%, 比5月份下降16.73%。草本层植物随季节变化较大, 10月份植物种达到14种, 群落结构较为复杂, 从5月到10月草本层的密度和盖度逐渐增大, 10月份密度和盖度是5月份的48倍和4.45倍。10月份的冠幅与5月份相比, 分别增加44.32%、237.84%、83.63%。白刺、泡泡刺在5月份的盖度最小;刺旋花盖度10月份最大, 这主要是由于苏枸杞、刺旋花、泡泡刺和白刺的生理特性和生长规律不同所致。红砂群落的草本伴生种随季节变化不同, 5月份主要有禾草;7月份主要有禾草、草霸王、蒺藜;10月份主要有禾草、蒺藜、沙葱、画眉草;10月草本层密度达到最大。红砂的生长呈现明显的季节变化规律, 密度基本稳定, 冠幅逐渐增大, 盖度逐渐降低。随着气温的回升, 4月中下旬红砂萌动出芽, 开始生长。5月份红砂株高18.66cm, 冠幅为40.20~36.46cm, 盖度为9.44%;红砂枝条生长缓慢, 6月末7月初红砂开花。同5月份相比, 7月份红砂的冠幅略有增大, 密度、株高和盖度有所下降, 下降依次为8%、2.41%和19.28%;一方面由于气温持续升高, 红砂生长的同时蒸发、蒸腾和干旱的加强, 植物生长所需的水分不足;另一方面, 牲畜的践踏、啃食, 还有小部分红砂衰退。8月上旬红砂进入果期, 9月末至10月初种子成熟。同7月份相比, 10月份红砂的冠幅增大, 密度略有减少, 株高略有增加, 新梢长度增加23.89%, 盖度下降14.70%;一方面随着雨季来临, 红砂生长所需的水分较充足, 红砂继续生长;另一方面, 由于部分红砂自然衰退较明显, 从而导致红砂生长指标变化。5月、7月和10月红砂植株的含水率分别为14.80%、31.07%和22.82%, 可见, 7月份红砂的水分蒸腾和蒸发较强, 储水能力较差, 水分易于蒸发散失, 红砂长势较差, 受水分的影响较大。

2.4 盐爪爪群落

经课题组调查研究, 在研究区内分布的盐爪爪属植物种类有盐爪爪Kalidiumfoliatum (Pall.) Moq., 细枝盐爪爪K.gracile Fenzlin Ledeb., 圆叶盐爪爪K.schrenkianum Bunge ex Ung.-Sternb., 黄毛头K.cuspidatum (Ung.-Sternb.) Grubov var.sinicum A.J.Li。盐爪爪植物属于多汁盐柴灌木、半灌木或小灌木荒漠, 生于荒漠草地和荒漠盐湖外围的膨松盐土和盐渍化的低沙地或盐渍化的丘间低地, 往往形成地表盐结皮, 其株高20~50cm, 冠幅50~100cm, 多分枝, 分布面广, 多为稀疏状态, 在局部地段有时成为纯群丛, 植被盖度5%~35%。

在研究区内盐爪爪群落中, 该群落植物生活型谱有多年生草本、灌木、小灌木、半灌木和一、二年生草本植物等5种, 其中:多年生草本占35.71%, 灌木占28.58%, 小灌木占17.86%, 一、二年生草本占10.71%, 半灌木占7.14%。

盐爪爪群落中以多年生草本和灌木种类较多, 所占的比例最大, 分别占总种数的35.71%和28.58%, 而小灌木、半灌木和一、二年生草本种类相对较少, 这主要是干旱荒漠区盐爪爪群落中荒漠植物对该区域干旱少雨、气温变化剧烈以及土壤盐渍化等严酷条件长期适应的结果。在盐爪爪群落中, 主要伴生种有珍珠猪毛菜Salsola passerina Bunge、红砂Reaumuria soongarica (Pall.) Maxim.、白茎盐生草Halogeton arachnoideus Moq.、短叶假木贼Anabasis brevifolia C.A.Mey.、花花柴Karelinia caspia (Pall.) Less.、唐古特白刺Nitraria tangutorum Bobrov、泡泡白刺N.sphaerocarpa Maxim.、大白刺N.roborowskii Kom、碱蓬Suaeda glauca (Bunge) Bunge、阿拉善碱蓬S.przewalskii Bunge等。

2.5 霸王建群种

经调查统计, 石羊河下游干旱荒漠区霸王群落在项目区呈2片, 集中分布在民勤北石榴井西部的霸王坑和五托井的北板滩井的半固定沙地、积沙洼地、砂砾质戈壁和剥蚀残丘上。分布区土壤以棕色荒漠土或灰棕色荒漠土为主。在霸王坑, 霸王和泡泡刺为该群落的共优势种, 伴生种有唐古特白刺、荒漠锦鸡儿、泡泡刺、戈壁针茅、沙葱、刺叶柄棘豆等。在北板滩井, 霸王和驼绒藜为该群落的共优势种, 伴生种有刺叶柄棘豆、荒漠锦鸡儿、刺旋花、沙葱、唐古特白刺、泡泡刺、戈壁针茅、细叶骆驼蓬等。

通过对石羊河下游霸王群落的调查, 在霸王坑分布区内出现的植物有8科19属20种, 样地内出现的物种共有16种, 样线中出现而没有在样方中出现的有4种, 在北板滩井分布区内出现的植物有8科17属18种, 样地内出现的物种共有13种, 样线中出现而没有在样方中出现的有5种。由些可见, 在石羊河下游霸王群落共有9科20属21种植物组成, 群落主要特征为植物种类单一, 个体数量少。

项目区霸王群落植物属的分布区类型有7个, 其中:世界分布3属, 地中海区、西亚至中亚分布及其变型5属, 北温带分布及其变型6属, 温带亚洲分布2属, 中亚分布1属, 旧世界温带分布及其变型2属, 旧世界热带分布及其变型1属, 分别占总属数的15%、25%、30%、10%、5%、10%、5%, 该区域霸王群落植物属的分布区类型以地中海区、西亚至中亚分布及其变型和北温带分布及其变型为主。

摘要：石羊河下游干旱荒漠区是中国西北乃至全球干旱荒漠区的典型地区, 该区域分布的天然植被群落面积多达23.4×104hm2, 且70%以上均为原生态状态, 是极佳的天然荒漠植被物种基因库和良好的科学研究场所, 同时也是当下国内社会关注度最高的地区之一。本文在对该区域荒漠植被群落全面调查和数据统计的基础上, 重点对该区域主要荒漠植被群落的分布面积、地理分布区域、群落现状进行分析研究, 以便为今后开展科学研究和重点保护具有重要意义。

关键词：石羊河下游,干旱荒漠区,荒漠植被,分布特征

参考文献

[1]张百平.中国干旱区生态战略再思考[J].干旱区研究, 2006, 23 (3) :381-383.

[2]常兆丰, 赵明, 韩福贵, 等.民勤沙区不同稳定性沙丘植被生境条件研究[J].干旱区研究, 2004, 21 (4) :384-388.

[3]常兆丰, 赵明, 韩福贵, 等.民勤沙区几种荒漠植物的现实生态位[J].西北植物学报, 2006, 26 (1) :165-173.