论文部分内容阅读
为综合分析东北地区春玉米干旱情况,在对东北地区及其周边105个主要气象站点的逐月、逐日尺度最低气温、最高气温、相对湿度、气压、日照时数、风速、降水等数据空间插值的基础上,计算了1989-2018年1、3、6、12、24个月尺度的标准化降水蒸散指数(SPEI),分析了东北地区干旱发生、演变的规律以及春玉米生长季内不同月份主导气象因子的差异;在东北地区干旱较为严重的2018年,结合逐日气象要素数据与地面干旱实测数据,基于作物水分亏缺指数(CWDI),对作物系数(K_c)及分级阈值进行改进,采用分段函数对K_c进行逐日估算,进而计算逐日累积CWDI,同时利用分段函数对干旱程度分级的临界阈值进行逐日估算,构建随春玉米发育进程变化的干旱等级动态划分标准,建立了一套短时间尺度大范围春玉米干旱动态监测方法体系;利用MODIS数据计算了植被指数并提取了春玉米的空间分布,分析了2018年干旱发生条件下春玉米对致灾因子的响应特征。本文的主要结果如下:(1)1989-2018年东北地区干旱变化有一定的规律性,且春玉米生长季内不同时段的干旱主导因子不同。1989-2018年东北地区有正常-干旱-正常10年为周期的规律,2000-2010这10年内干旱情况较为严重;在春玉米生长季内不同月份干旱主导气象因子有所差异。东北地区春玉米生长季内干旱高发月份为5月,吉林西部,内蒙古和黑龙江西南部地区干旱频率较高;不同月份干旱的主导因子有所差异,除了降水之外,5月的主导因子还包括相对湿度、最高温度和日照时数,6月为相对湿度、日照时数和最低气温,7月为相对湿度和日照时数,8月为最高气温和平均气温,9月为相对湿度和最高气温,整个春玉米生长季为最高气温、日照时数和相对湿度。(2)改进CWDI指标可用于春玉米干旱持续动态监测。利用改进CWDI的2018年春玉米干旱监测结果与地面调查结果具有较高吻合度,整体判对率达到了75.7%,比未改进CWDI监测的干旱判对率提高了8.1%,且具有更好的空间连续性;改进CWDI对降水因子的变化具有较高的敏感性。监测结果显示2018年东北地区干旱较为严重。(3)春玉米对气象干旱的发生会产生一定程度的响应。东北地区春玉米种植面积广大,且多集中于中部地区的广大平原;2018年吉林中部春玉米生长出现了一定的滞后;东北地区大部分春玉米种植区温度植被干旱指数(TVDI)与8天合成改进CWDI(CWDI8)呈现出正相关关系,以黑龙江西南部、吉林中部至辽宁西北部一线相关系数最大,最大相关系数达到了0.717,且由北至南相关系数逐渐减小,且TVDI主要在CWDI8监测干旱重度以上区域出现响应。长时间序列的干旱时空特征研究,对明确东北地区干旱风险和年际变化具有一定的参考价值;而短时间尺度的春玉米干旱灾变过程监测以及春玉米干旱响应分析,有利于春玉米实际生产过程中防旱减灾策略的制定和实施,对春玉米生产具有一定的指导意义。