中巴经济走廊专题 I 区论文(评审中) 版本 ZH3
下载
1961–2015年新疆区域SPEI干旱指数数据集
A dataset of drought indices based on the standardized precipitation evapotranspiration index (SPEI) over Xinjiang, China (1961 – 2015)
 >>
: 2018 - 07 - 11
: 2018 - 09 - 11
: 2018 - 09 - 11
433 4 0
摘要&关键词
摘要:新疆地处亚洲中部干旱区,地形复杂,生态环境脆弱,抵御灾害的能力较低,是全球气候变暖的敏感区和强烈影响区。随着全球气候变暖,新疆的干旱化问题引起了广泛关注。本文基于中国新疆区域55个气象观测站1961–2015年逐日气温和降水观测资料,经过数据质量控制和异常值剔除,计算得到每个站点1961–2015年1、3、6、12、24和48个月时间尺度逐月标准化降水蒸散发指数(SPEI)时间变化序列,整理出新疆干旱指数数据集。本数据集为分析新疆区域长时间序列不同时间尺度干旱变化趋势及变化特征提供了数据支撑,也可以作为基础数据来探索干旱事件对生态水文环境和农牧业生产的影响。
关键词:标准化降水蒸散发指数;新疆;干旱变化;气象站点
Abstract & Keywords
Abstract: Xinjiang is located in the Eurasian hinterland in northwestern China. With complex terrain and fragile ecological environment, Xinjiang is particularly sensitive to global warming. Indeed, drought in Xinjiang has attracted extensive attention under global warming. Based on daily temperature and precipitation observed at 55 meteorological stations over Xinjiang during 1961 – 2015, this study calculated a series of drought indices based on the Standardized Precipitation Evapotranspiration Index (SPEI). The SPEI was calculated for each station with selected time scales of 1, 3, 6, 12, 24 and 48 months. This dataset is useful for research on the trends and spatial-temporal characteristics of drought events over Xinjiang. When used together with regional statistics, it helps reveal the impacts of drought on agricultural production and eco-hydrological environment.
Keywords: Standardized Precipitation Evapotranspiration Index; Xinjiang; climate change; meteorological stations
数据库(集)基本信息简介
数据库(集)名称1961–2015年新疆区域SPEI干旱指数数据集
数据作者姚俊强,毛炜峄,胡文峰,陈静,范煜婷
联系人姚俊强(yaojq1987@126.com)
数据时间范围1961~2015年
地理区域新疆区域,包括55个气象观测站
时间分辨率
数据量2.38 MB
数据格式*.xlsx
数据服务系统网址http://www.sciencedb.cn/dataSet/handle/632
基金项目国家自然科学基金项目(41501050;41605067);中央级公益性科研院所基本科研业务费专项资金项目(IDM201506)
数据库(集)组成本数据集由6个不同时间尺度干旱指数文件(.xlsx)组成,包括1, 3, 6, 12, 24和48个月时间尺度干旱指数结果,结果文件以时间尺度命名。每个指数结果文件均由年份、月份、SPEI值和对应站点WMO编号组成。每个文件的数据量因站点数目及时间尺度的不同略有差异,如3个月时间尺度干旱指数结果从1961年3月开始,因此在1961年1月和2月无值,用“NA”表示,以此类推。未压缩数据量大约为2.38 MB。
Dataset Profile
TitleA dataset of drought indices based on the standardized precipitation evapotranspiration index (SPEI) over Xinjiang, China (1961 – 2015)
Data corresponding authorsYao Junqiang (yaojq1987@126.com)
Data authorsYao Junqiang, MaoWeiyi, Chen Jing, Fan Yuting
Time period1961–2015
Geographical scopeXinjiang Uygur Autonomous Region, including 55 meteorological stations
Temporal resolutionMonth
Data volume2.38 MB
Data format*.xlsx
Data service system< http://www.sciencedb.cn/dataSet/handle/632>
Sources of fundingNational Natural Science Foundation of China (Grant Nos. 41501050 and 41605067); Basic Research Operating Expenses of the Central-level Non-profit Research Institutes (IDM201506)
Dataset compositionThis dataset consists of 6 .xlsx files which record drought indices at different timescales, including SPEI 1mo, SPEI 3mo, SPEI 6mo, SPEI 12mo, SPEI 24mo and SPEI 48mo timescale drought indices. Files of this dataset are named after their index names in English. Each file consists of information on year, month, SPEI index results, and WMO site numbers. Each file has a slightly different data volume depending on the number of sites and the different timescales used. The amount of uncompressed data is about 2.38 MB.
引 言
干旱是气象灾害中最为严重的灾害之一,它具有出现频率高、持续时间长、波及范围大的特点,因此备受科学界和社会的关注[1,2,3 ]。近年来,随着全球变暖的不断加剧,极端天气气候事件频繁出现,干旱的发生频率和强度明显增加,不但给人类带来巨大的经济损失,还会造成水资源短缺、荒漠化加剧和沙尘暴频发等生态问题,对干旱区的影响更加明显[4-5]。随着国家“一带一路”战略的实施,新疆作为“丝绸之路经济带”核心区,备受关注。新疆地处亚洲中部干旱区,地形复杂,生态环境极其脆弱,抵御灾害的能力较低,是全球气候变暖的敏感区和强烈影响区[6-7]。随着全球气候变暖导致水循环过程加剧,新疆的干旱化问题引起了广泛关注[6]
干旱具有多时空尺度的特征。气象干旱是干旱的本质,其他干旱都是气象干旱引发的结果[8]。气象干旱变化分析需气象观测资料作为基础数据。目前,观测资料内容虽全面,涉及干湿气候表征的有降水、水汽压、相对湿度等要素,但单个要素并不能全面反映干湿状况,不利于直观分析干旱气候变化。基于气象观测资料,能够计算出一些可以综合表征区域干湿气候变化的指标,统称为干旱指数[2]。降水和蒸发变化是影响干湿气候形成的两个最主要驱动因子,标准化降水蒸散指数(SPEI)综合考虑了降水和蒸发作用,且具有多尺度特征,能够在不同时间尺度上合理地评估干湿变化[9]。利用SPEI指数不仅可以直观反映区域干湿分布与变化趋势,而且能够反映不同尺度的干旱变化情况[10]。因此,提供支持新疆地区干湿气候研究的SPEI多时间尺度干旱指数数据十分必要。
本数据集为新疆区域不同时间尺度干旱指数数据。利用逐月气温和降水数据,建立1961–2015年1、3、6、12、24和48个月时间尺度逐月干旱变化时间序列,整理出干旱指数数据集,为进一步分析新疆区域长时间序列内不同时间尺度干旱变化趋势及变化特征提供了可靠的数据支撑。
1   数据采集和处理方法
1.1   站点分布
本文所采用的原始气象站观测资料来源于中国气象科学数据共享服务网,气象观测站点主要分布于新疆维吾尔自治区主要绿洲区域,山区和沙漠腹地站点稀少,大部分气象观测站高程范围在200–1500 m,跨越了高原温带、暖温带、中温带和亚寒带等4个温度带。本文选取了55个地面气象观测站观测数据,选用的新疆区域气象站点及其空间高程分布如图1所示。


图1   气象观测站点分布图
1.2   数据生产流程
数据生产流程共分为4部分:数据预处理、计算潜在蒸散发量、计算标准化降水蒸散发指数(SPEI)和整理干旱指数结果,整体流程如图2所示。


图2   干旱指数生产流程
1.2.1   数据预处理
原始气象观测站点数据来源于新疆气象信息中心,选取新疆76个国家基准站1961–2015年逐日气温和降水数据。同时对逐日气温数据进行平均,对逐次降水量数据进行求和,获得逐月数据。另剔除了连续缺测3个月以上的台站记录,最终获得了55个气象观测站的观测记录。提取每个站点1961–2015年逐月气温和降水量的全部记录,并按年月依次排序,输出以55个站点名命名的ASCII 格式文本文件,便于满足后续计算干旱指数的数据需求。
1.2.2   潜在蒸散发量的计算
潜在蒸散发量(PET)是计算SPEI干旱指数的关键变量。本数据集采用Thornthwaite方法[11]计算PET,具体如下:


 
其中T为逐月平均温度,N为最大日照时数,NDM为逐月的日数,I为年热量指数,是用每年12个月的月热量指数求和得到。年热量指数的计算为:
\(I=\sum _{i=1}^{12}{\left(\frac{T}{5}\right)}^{1.514}\mathrm{ }\mathrm{ }\mathrm{ }\mathrm{T}>0\) (2)
m 是与I有关的系数,利用式(3)可得到:
m =6.75×10-7I 3 -7.71×10-5I 2 +1.79×10-2I +0.492 (3)
利用Thornthwaite方法计算PET,所需的计算变量少,方法简单易行,因此应用广泛。
1.2.3   标准化降水蒸散发指数(SPEI)的计算
在全球变暖背景下,增温对干旱的影响日益明显,而SPEI指数考虑了气温变化对干旱的影响。SPEI指数的计算程序软件来自西班牙CSIC机构(http://digital.csic.es/),计算过程包括以下四个步骤[9]
(1)计算气候水平衡量:
气候水平衡量Di 即降水量Pi 与潜在蒸散发量PETi 之差,
Di =Pi-PETi (4)
其中PET用1.2.2部分的Thomthwaite 方法计算得到;
(2)建立不同时间尺度的气候水平衡累积序列:
\({D}_{n}^{k}=\sum _{i=0}^{k-1}\left({P}_{n-i}-{PET}_{n-i}\right) , n\ge k\) (5)
式中,k为时间尺度,一般为月,n为计算次数。
(3)采用log-logistic 概率密度函数拟合建立数据序列:
\(f\left(x\right)=\frac{\beta }{\alpha }{\left(\frac{\chi -\gamma }{\alpha }\right)}^{\beta -1}{\left[1+{\left(\frac{\chi -\gamma }{\alpha }\right)}^{\beta }\right]}^{-2}\) (6)
式中,\(\alpha \)为尺度系数,\(\beta \)为形状系数,\(\gamma \)为origin参数,可通过L-矩参数估计方法求得。因此,给定时间尺度的累积概率为
\(F\left(x\right)={\left[1+{\left(\frac{\mathrm{\alpha }}{\mathrm{\chi }-\mathrm{\gamma }}\right)}^{\mathrm{\beta }}\right]}^{-1}\) (7)
(4)对累积概率密度进行标准正态分布转换,获取相应的SPEI时间变化序列:
\(SPEI=W-\frac{{C}_{0}+{C}_{1}W+{C}_{2}{W}^{2}}{1+{d}_{1}W+{d}_{2}{W}^{2}+{d}_{3}{W}^{3}},   \) (8)
式中,W是一个参数,其值为\(W=\sqrt{-2ln\left(P\right)}。\)P 是超过确定水分盈亏的概率,当P≤0.5时,P=1−F(x);当P>0.5时,P=1−PSPEI的符号被逆转。式中其他常数项分别为C0 =2.515517,C1 =2.515517,C2 =2.515517,d1 =2.515517,d2 =2.515517,d3 =2.515517。
综上,SPEI指数不仅具有多时间尺度特征,而且考虑了气温的敏感性影响,在变暖背景下干湿分析中具有明显的优势[6, 9]
1.2.4   时间尺度选择与结果整理
干旱具有多尺度特征,不同时间尺度对不同受灾体的影响存在差异。因此,选取不同时间尺度,可以反映不同类型的干旱状况。如3个月时间尺度可以反映气象干旱,6个月时间尺度可以反映农业生态干旱,而12个月时间尺度则反映水文干旱[6]。因此,本数据集主要选取1、3、6、12、24和48个月时间尺度,来计算不同时间尺度各站逐月干旱指数。
2   数据样本
本数据集包含新疆区域55个站点、6个时间尺度的干旱指数结果文件,为了便于计算处理与应用,存储为xlsx格式文件,结果文件以时间尺度命名,例如 SPEI-3.xlsx。每个指数结果文件均包含4个属性值:年份、月份、SPEI值和对应站点WMO编号(如 51053)。每个表格按照2*2的矩阵排列,其中第一列为年份,第二列为月份;第一行是站点对应的世界气象组织(WMO)统一的气象站点编号,矩阵值为对应时间尺度的SPEI干旱指数,如图3所示。


图3   SPEI-1数据样本
3   数据质量控制和评估
3.1   数据初步质量控制
数据质量控制是计算测站SPEI干旱指数的必要步骤,测站原始观测数据的异常值及错误会导致计算干旱指数错误,影响数据集后续应用分析。数据质量控制主要包括对原始数据的特殊值的处理,以及在干旱指数生产过程中通过软件自动识别和人工校检的手段,对数据进行严格质量控制。新疆气象信息中心对原始数据进行了初步质量控制。首先,检测每个站点逐日气温和降水量数据是否存在缺测,缺测超过3个月自动踢出;其次,进行了逻辑异常值的判断,日平均气温利用日最低和最高温度进行检测,降水量不能小于0 mm。
3.2   干旱指数产品评估
为了进一步直观显示本数据集内干旱指数反映出的干湿变化趋势,将各站点不同时间尺度的干旱指数时间变化序列和变化斜率的空间分布展示出来,从而进一步验证本数据集结果的可靠性。图4是各站点不同时间尺度干旱指数每10年的年际变化趋势,图5是1961–2015年1–24个月时间尺度逐月干旱指数时间变化序列可视化结果。


图4   不同时间尺度SPEI干旱指数变化趋势可视化结果
根据图4不同时间尺度干旱指数变化趋势可知,新疆西北部以变湿为主,东南部以变干为主,这与以往研究中西北地区西部(新疆西部)暖湿化的结果一致[12-13]。图5的时间变化可知,新疆在20世纪80年代中后期至90年代有明显的暖湿化,但在21世纪以来有较明显的暖干化趋势,这与马柱国等[14]研究得出近些年来中国北方和西北部有变干趋势一致。
干旱化势必对农牧业生产有重要影响。利用新疆区域农作物受灾面积数据[15]来进一步验证本数据集结果的可靠性。从图6中农作物受灾面积和12个月尺度干旱指数对比发现,农作物受灾面积和12个月尺度干旱指数对应关系很好,相关系数在0.60以上,说明12个月尺度干旱指数能够很好地反映干旱对农业生产受灾的影响情况。


图5   不同时间尺度SPEI干旱指数时间变化可视化结果[6]


图6   12个月时间尺度SPEI指数与农作物受灾面积对比
4   数据价值及使用建议
干旱事件的发生频率、强度和变化趋势对区域气候变化和生态环境的分析及评价具有直接影响,本数据集可以和土壤湿度、植被覆盖、水文径流数据配合使用,用于探索新疆地区不同尺度干旱的发生频率、强度、变化趋势及空间特征。本数据集也可以用来与当地农业受灾面积、灾害损失等统计数据做关联分析,评估干旱事件对农牧业生产的影响。
本数据集共享了新疆区域55个气象站点1961–2015年内不同时间尺度干旱指数的结果。数据文件按时间尺度分别存储,数据文件格式为xlsx,便于后续处理与应用,用户可根据实际情况选择性下载数据。
[1]
杨庆, 李明星, 郑子彦, 等. 7种气象干旱指数的中国区域适应性[J]. 中国科学: 地球科学, 2017, 47: 337–353.
[2]
张强, 张良, 崔显成, 等. 干旱监测与评价技术的发展及其科学挑战[J]. 地球科学进展, 2011, 26: 763–778.
[3]
DAI A. Increasing drought under global warming in observations and models[J]. Nature Climate Change, 2012, 3: 52–58.
[4]
苏宏新, 李广起. 基于 SPEI 的北京低频干旱与气候指数关系[J]. 生态学报, 2012, 32(17): 5467-5475.
[5]
张利利, 周俊菊, 张恒玮, 等. 基于SPI的石羊河流域气候干湿变化及干旱事件的时空格局特征研究[J]. 生态学报, 2017, 37(3): 996-1007.
[6]
YAO J, ZHAO Y, CHEN Y, et al. Multi-scale assessments of droughts: A case study in Xinjiang, China[J]. Science of The Total Environment, 2018, 630: 444-452.
[7]
YAO J Q, CHEN Y N, ZHAO Y, et al. Response of vegetation NDVI to climatic extremes in the arid region of Central Asia: a case study in Xinjiang, China[J]. Theoretical and Applied Climatology, 2018, 131:1503–1515
[8]
DAI A. Drought under global warming: A review[J]. WIREs Climate Change, 2011, 2: 45–65.
[9]
VICENTE-SERRANO S M, BEGUERÍA S, LÓPEZ-MORENO J I. A multiscalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index[J]. Journal of Climate. 2010, 23 (7): 1696–1718.
[10]
YAO J Q, ZHAO Y, YU X J. Spatial-temporal variation and impacts of drought in Xinjiang (Northwest China) during 1961–2015[J]. 2018, PeerJ 6: e4926.
[11]
THORNTHWAITE C W. An approach toward a rational classification of climate[J]. Geogr. Rev, 1948, 38: 55–94.
[12]
施雅风, 沈永平, 胡汝骥. 西北气候由暖干向暖湿转型的信号、影响和前景初步探讨[J]. 冰川冻土, 2002, 24: 219–226.
[13]
施雅风, 沈永平, 李栋梁, 等. 中国西北气候由暖干向暖湿转型的特征和趋势探讨[J]. 第四纪研究, 2003, 23: 152–164.
[14]
马柱国, 符淙斌, 杨庆, 等. 关于我国北方干旱化及其转折性变化[J]. 大气科学, 2018. DOI: 10.3878/j.issn.1006-9895.1802.18110.
[15]
GUO J, CHEN H, ZHANG X, et al. A dataset of agro-meteorological disaster-affected area and grain loss in China (1949 – 2015). Science Data Bank. DOI: 10.11922/sciencedb.537.
数据引用格式
姚俊强, 毛炜峄, 胡文峰, 等. 1961–2015年新疆区域SPEI干旱指数数据集[DB/OL]. Science Data Bank, 2018. (2018-07-11). DOI: 10.11922/sciencedb.632.
稿件与作者信息
论文引用格式
姚俊强, 毛炜峄, 胡文峰, 等. 1961–2015年新疆区域SPEI干旱指数数据集[J/OL]. 中国科学数据, 2018. (2018-09-11). DOI: 10.11922/csdata.2018.0048.zh.
姚俊强
Yao Junqiang
主要承担工作:数据产品设计与论文撰写。
yaojq1987@126.com
(1987—),男,甘肃通渭人,博士,副研究员,主要研究方向为干旱区气候变化与水循环。
毛炜峄
Mao Weiyi
主要承担工作: 论文的审查与修改。
(1969—),男,新疆人,研究员,主要研究方向为短期气候预测。
胡文峰
Hu Wenfeng
主要承担工作: 数据整理和论文修改。
(1979—),男,安徽安庆人,讲师,主要研究方向为陆气相互作用。
陈静
Chen Jing
主要承担工作:基础数据处理及结果分析。
(1992—),女,山东临沂人,硕士,助理研究员,主要研究方向为极端天气气候事件及变化。
范煜婷
Fan Yuting
主要承担工作:基础数据管理与应用。
(1987—),女,新疆人,博士,副研究员,主要研究方向为树木年轮水文气候重建与同位素水文研究。
出版历史
I区发布时间:2018年9月11日 ( 版本ZH3
参考文献列表中查看
中国科学数据
csdata