塔河流域干旱指标建立

塔河流域干旱指标建立_塔河流域干旱预警

4　塔河流域干旱指标及干旱演变趋势

4．1　水文气象要素变化特征

气温、降水、径流共同决定了流域内的干燥和湿润程度，近年来气候变化与人类活动的加剧导致流域内水循环时空分布发生改变。利用近50年的水文气象资料分析塔河流域的孕灾因子的变化特征，为深入了解干旱特征奠定基础。

4．1．1　水文要素变化趋势

前已述，塔河流域四周的高山区，北起天山南抵昆仑山，分布着大量的冰川，据《中国冰川水资源》统计，塔河流域的高山冰川面积（包括境外面积）有2．322 万km2，冰川储量为24　038亿m3，每年的冰雪融水量可达171亿m3，占地表水资源量的41．9%，冰川储量十分丰富。如图4．1所示。

图4．1　塔河流域冰川分布图

塔河三大源流区分布着大量的冰川，冰川作为“高山固体水库”，每年夏季气温上升，高山冰雪融化，补给河流水量。干暖年份，虽然降雨减少，但气温升高，冰川消融量增大，以弥补降雨量不足；而在冷湿年份，冰川消融量因低温减少，但降雨量增加，补给河流水量变化不大，这使得这些河流特大水年与特小水年水量不至于过分悬殊。为了研究三大源流区径流变化趋势，采用世界气象组织（WMO）推荐使用的Mann－Kendall非参数检验法，该方法适用于任何分布形式的时间序列，也不受少数异常值的干扰，因而被广泛应用在水文气象序列中，其基本原理如下：

首先，对时间序列（x1，x2，x3，…，xn）依次比较，结果记为sgn（θ）：

用下式计算Mann－Kendall统计值：

式中：xk、xi——要进行检验的随机变量；

　n——所选数据序列的长度。

则与此相关的检验统计量为：

随着n的逐渐增加，Zc很快收敛于标准化正态分布，当－Z1－α/2≤Zc≤Z1－α/2时，接受原假设，表明样本没有明显变化趋势，其中，±Z1－α/2是标准正态分布中值为1－α/2时对应的显著性水平α下的统计值。当统计量Zc为正值，说明序列有上升趋势；Zc为负值，则表示有下降趋势。

选取三大源流区主要代表水文站及干流的阿拉尔站1961—2007年的径流量资料，采用Mann－Kendall法对年、季径流量变化趋势进行检验，结果表明：近50年以来，塔河流域高山冰川消融量持续增长，源流区径流量显著增多，其中阿克苏河年、季尺度增湿趋势最为明显，叶尔羌河春、冬两季径流量均有显著增多，和田河冬季径流量明显增多，四季中源流区冬季径流量增幅最为明显；干流河道来水量日益减少，其中冬季来水量下降幅度最大。综合分析，气候变暖导致塔河源流区冰川消融量增多，补给水量增大；径流在源流区形成后，进入到人类活动频繁的平原区，平原区水资源利用规模的不断扩大，导致干流来水量大幅减少。（见表4．1，表中＊＊表示变化趋势显著（下同））。

表4．1　塔河流域径流变化趋势

塔河属于典型的内陆耗散型河流，径流形成于山区，消耗于平原区、荒漠区，消失于沙漠。自阿克苏河、叶尔羌河、和田河三河汇合口的肖夹克以下河流称塔河干流。塔河干流自身不产流，径流全靠源流补给。历史上，塔河流域的九大水系均有水汇入塔河干流。但由于气候变化与人类活动等的影响，目前仅有阿克苏河、叶尔羌河、和田河补给塔河，称为“上游三源流”。

源流区水资源主要来源于高山冰雪消融，受气候变化的影响，水资源数量发生改变。人类活动的加剧，导致干流的径流量急剧减少。同样采用Mann－Kendall检验法对源流区和干流年径流变化特征、不同季节径流变化特征进行分析，结果表明：近40年以来，阿克苏河年径流量明显增多，协合拉站夏、冬两季径流量增幅明显。叶尔羌河夏季和冬季的径流量显著增多，玉孜门勒克站年径流量呈显著增多趋势，和田河及干流年径流量趋于平稳，流域干流冬季径流量明显下降，见表4．2及图4．2。

表4．2　塔河流域各水文站年径流变化趋势

图4．2　塔河流域径流量距平百分率

4．1．2　气象要素变化趋势

基于塔河流域范围内各气象站点1961—2009年的逐月气温、降雨量、蒸发量资料，进行Mann－Kendall趋势检验可以得出：在全球变暖的大背景下，流域年平均温度整体表现出明显的上升趋势，四季温度均有不同程度的波动上升，其中冬季上升幅度最大；流域北部的托什干河、喀什噶尔河、渭干河一带年降雨量及夏季降雨量明显增多，其他地区年、季降雨量变化趋于平稳；在过去50年里，流域年蒸发量与各季节间蒸发量均具有明显的下降趋势，这与流域内气温显著上升的趋势相悖，存在“蒸发悖论”。见图4．3～图4．5。

图4．3　塔河流域降雨量变化趋势

图4．4　塔河流域温度变化趋势

图4．5　塔河流域蒸发量变化趋势

为了进一步探索塔河流域年、季尺度表现出来的“蒸发悖论”，以阿合奇站为例，分析该站年内和不同月份间气温与蒸发量的相关关系，取置信度a＝0．01来检验相关关系的显著性，计算公式为：

式中：tα——置信度为a的分位；

　n－2——自由度。

气温与蒸发量在年内高度相关，相关系数达到0．9以上，均通过了置信度a＝0．01的显著性检验；而不同月份间气温与蒸发量相关系数较低，均未通过显著性检验。结合“蒸发悖论”已有研究成果，分别分析了相对湿度、风速、云量、日照时数等要素与蒸发量的相关关系，并从中筛选出与蒸发最为密切的相对湿度，可以发现相对湿度与蒸发量在不同月份间高度相关，而在年内相关性较低。综合分析可以得出，影响蒸发量的主导因素随气温不断变化，当气温变化幅度较小时（月际、年际），湿度是影响蒸发的主导因素，导致年、季尺度下气温与蒸发量的不同步变化，而气温变化幅度较大时（年内），气温则是影响蒸发的主导因素。气温与蒸发量，温度与蒸发量，月蒸发量与月平均温度相关系数见图4．6～图4．10。

图4．6　阿合奇站年内气温与蒸发量相关系数

图4．7　阿合奇站不同月份气温与蒸发量相关系数

图4．8　阿合奇站年内相对湿度与蒸发量相关系数

图4．9　阿合奇站不同月份相对湿度与蒸发量相关系数

图4．10　阿合奇站月蒸发量与月平均温度相关关系

4．2　塔河流域干旱指标建立

干旱指标是干旱研究的基础，干旱指标的选取应该满足以下四个基本原则：①合适的时间尺度；②可定量评估大范围、长时间持续的干旱情况；③应用性强；④具有可以计算的过去较长时间的、准确的指标序列。结合塔河流域特殊的气候、地理环境条件选取合适的气象、水文干旱指标，为干旱特征分析以及干旱预警模型的建立提供参数依据，同时结合物元理论的方法构建了流域综合干旱评价模型。

4．2．1　气象干旱指标

气象干旱指某一地区内长期缺乏降水，水分支出大于水分收入而造成的水分短缺现象。塔河流域降雨稀少、蒸发强烈，无雨月数占很大比例。根据流域干旱的成因，春季降雨量直接影响到春季的旱涝情况，因此本次研究选取SPI－3、SPI－6作为流域内的气象干旱评价指标。

SPI能够较好地反映干旱强度和干旱历时，时空适用性较强。不同时间尺度的SPI值对于降水量的敏感性不同，时间尺度越小，则对于一次降水变化越显著，其值会发生较大变化，甚至是正负波动。相反，时间尺度越大则对于一次降水的反映并不显著，只有持续的多次降水才会使之发生波动。因此SPI可以有效地区分土壤水分亏缺和用于补给的水分亏缺这两类干旱原因，且SPI的计算仅需要降雨量作为输入项，因而得到广泛应用。其基本原理如下：

式中：α——形状参数；β为尺度参数；

　x——降雨量；

　Γ（α）——Gamma函数。最佳的α、β估计值可采用极大似然估计方法求得，即

式中：n为计算序列的长度，在计算得到累积概率密度函数G（x）后，由于Gamma函数不包含x＝0的情况，而实际降雨量可以为0，所以累积概率为：

式中：q是降雨序列中0值出现的频率。用高斯函数将H（x）标准化后得到最终的SPI值，其干旱等级见表4．3。

表4．3　SPI干旱等级划分标准

通过SPI－3、SPI－6的计算结果，统计出流域内不同干旱等级发生的频率，结果显示：上游和中游地区发生极端干旱的频率较大；中下游区域遭受中度干旱和严重干旱的频率较大。如图4．11所示。

图4．11（彩插1）　塔河流域不同气象干旱等级发生频率

4．2．2　水文干旱指标

水文干旱是指因降水长期短缺而造成某段时间内地表水或地下水收支不平衡，使河流径流量、地表水、水库蓄水和湖水减少的现象。塔河流域的河流多数属于混合补给型，河流径流深与流域平均高程、地理位置及自然气候特点有关，河道出山口处的天然来水量的变化才能真实地反映干旱时间与空间的变化规律。研究选取基于河川径流量的SRI（Standardized　Runoff　Index）作为水文干旱评价指标。SRI与SPI具有同样的设计理念：将偏态分布的径流量转化为标准正态分布，以进行不同时空尺度下的对比分析。基本原理为：

首先通过Box－Cox转换将径流量序列转化为正态分布：

式中：X——径流量；

　λ——Box－Cox转换系数；

　Y——经Box－Cox转换后的序列；

　Y、σY——分别为其均值和标准差。

　SRI干旱等级划分标准见表4．4。

表4．4　SRI干旱等级划分标准

通过塔河流域主要代表水文站1961—2007年的SRI－1序列，可以发现塔河流域源流区2000年以来各月份均处于丰水阶段，干流处于一个枯水阶段，干旱月份占很大比重，见图4．12。

图4．12（彩插2）　塔河流域主要代表水文站1961—2007年SRI指标值

4．2．3　农业干旱指标

农业干旱可分为土壤干旱和作物干旱两种情况。其中土壤干旱是指土壤有效水分减少到凋萎水量以下，植物生长发育得不到正常供水的情形；作物干旱是指根区土壤水分不足又伴随一定的蒸发势，或者土壤水分充足，因大气过高的蒸发势而引起的作物体内暂时性缺水的情形。土壤干旱和作物干旱构成了农业干旱，表现为植物枯萎、减产等。

当太阳辐射到达地面后，一部分能量用于升高土地表面的温度，一部分将向下传输。热惯量就是阻止物质温度变化的一个量。对于质地均匀的地物，热惯量定义为：

式中：P——热惯量（J/m2·s1/2·℃）；

　k——土壤导热率（J/m·s·℃）；

　ρ——土壤密度（kg/m3）；

　C——土壤热容量（J/（kg·℃））。一般来说，土壤含水量越大，C和k值越大，因而P越大。此外，土壤表面温度的日变化幅度由土壤内外因素共同决定，内部因素主要是热导率（P）和热容量（C）；外部因素则是风、云、水汽等所带来的热变化，其中土壤含水量对土壤温度日变化幅度的影响最强烈，土壤表层昼夜温差随土壤含水量的增加而减少。因此，可以通过遥感数据所获得的热惯量和土壤含水量的关系来研究和监测土壤水分。

常常使用表观热惯量（Apparent　Thernal　Inertia，ATI）来代替真实热惯量P

来进行土壤含水量的反演，热惯量方程可简化为：

ATI＝（1－A）/（Td－Tn）＝（1－A）/ΔT　　（4．14）

式中：A——土壤反照率；

Td、Tn——分别为白天、夜晚的地表温度（K），由于地球表面温度在273～330K之间，其辐射峰值在812μm范围；Td和Tn可分别由NOAA－AVHRR第4通道的昼夜亮温代替，有研究表明亮温差与实际温度差不超过IK，对应的MODIS数据则相当于第31波段的亮温值。

4．2．4　指标适用性分析

根据《新疆维吾尔自治区水资源公报》和《塔河流域水资源公报》对历年干旱事件的详细描述，对比分析气象干旱指标SPI与水文干旱指标SRI的评价效果，来检验所选指标在塔河流域的适用性。

选取水资源公报中记载的1994—1998年的各场干旱事件，依据干旱历时选择相应时间尺度的干旱指标进行评价。例如1994年3～4月份的气象干旱事件选择SPI－2进行评价，1994年3～5月的干旱事件则选择SPI－3进行评价，利用流域的面降雨量序列的指标值进行整个区域气象干旱评价。通过对比分析可以得出：SPI、SRI均能够很好地反映出塔河流域的实际干旱情况，在该流域具有很强的干旱监测，可用来进行干旱特征的分析及干旱预警模型建立。对比检验结果见表4．5。

表4．5　干旱指标评价结果与实际旱情对比

4．3　气象干旱识别及演变趋势

4．3．1　气象干旱空间分布

塔河流域涉及范围大，干旱事件的识别应充分考虑流域下垫面和水文气象条件的空间变异性，因此需要对研究区域进行干旱分区。本研究采用主成分分析法对塔河流域干旱分区。主成分分析法的本质是对高维变量进行降维处理，用较少的几个综合指标来代替原来较多的变量指标，同时各综合指标之间又相互独立，具有以下优势：①不受分析变量之间相互依赖性影响；②对正态性有要求但并不严格；③只有存在过多的零值才会影响分析结果。其原理就是通过线性组合的方式对处于时间i的p个原始变量Xi，1，Xi，2，…，Xi，p生成p个主成分Yi，1，Yi，2，…，Yi，p，构成以下方程组：

式中：Y变量之间具有正交且互不相关的特性；Yi，1解释了原始变量总方差的主要部分；Yi，2解释剩余方差的主要部分。线性方程组里的系数为主成分与变量之间的相关系数。

（1）由于SPI的计算过程包含标准化，故可直接采用SPI序列进行主成分提取。

（2）主成分可以通过方差、协方差、相关系数矩阵进行提取，本研究采用相关系数矩阵R＝（rij）p×p。

根据特征方程｜λI－R｜＝0计算特征值并按大小顺序排列λ1≥λ2≥…≥λp≥0；然后求出相应的特征向量。

（3）计算贡献率及累积贡献率

贡献率em为：

取累积贡献率达70%左右作为主成分。

（4）计算主成分载荷

（5）为了更清楚的展现各主成分与原始变量之间的关系，采用最大变异法进行因子旋转，该方法使因素轴间夹角保持90°（即两因素间不相关），通过V最大化来实现，计算式为：

式中：σ为每个主成分对应载荷的标准差。旋转后的主成分与原始变量之间得到更高的相关系数，使聚类后的原始变量具有最相似的时变特征 。

对于不同尺度的气象干旱指标SPI，采用上述方法分别提取了各自的主成分，它们对累积方差贡献率均可达到70%左右，见图4．13。

图4．13　不同尺度SPI的主成分方差贡献率

载荷表示各主成分与原始变量的相关系数，与同一主成分相关系数高的变量得以聚类。因此采用因子载荷来划分塔河流域气象干旱空间分布。图4．14表明：各站点与其主成分间相关关系显著，并能客观地反映出塔河流域的“四源一干”的干旱空间分布格局，表明通过SPI进行干旱分区的可行性。

图4．14（彩插3）　不同尺度SPI因子载荷空间分布

4．3．2　气象干旱影响范围

塔河流域受春旱影响严重，而SPI－33～5月表示春季3～5月份的累积降雨量丰枯情况，通过主成分分析法提取出各气象站点SPI－33～5月序列的4个主成分，其中第一主成分能够代表阿克苏河流域和干流上中游的春季旱涝情况，第二主成分能够代表和田河流域春季的旱涝程度，第三主成分表示开都—孔雀河流域春季旱涝程度，第四主成分代表叶尔羌河流域春季旱涝情况，见图4．15。

图4．15（彩插4）　基于SPI－33～5月塔河流域干旱分区

依据各主成分范围内的气象站点分布，采用泰森多边形进行划分，得到各气象站点的面积权重，统计各主成分区域春旱事件的影响范围，结果表明：第一分区进入2007年以后春旱事件的影响范围达到了100%，以轻度干旱、中度干旱、严重干旱为主，春旱形势严峻；第二分区2007年之后春旱的影响范围明显减小，但相应的干旱程度越发严重，以中度干旱和严重干旱的形式出现；第三分区2002年之后春旱形势略有缓和，以轻度干旱的形式出现；第四分区2005年之后春旱程度加重，影响范围趋于平稳，在2007年出现过一次极端干旱事件。综上所述，塔河流域各干旱分区，发生的春旱事件在时间、影响范围和程度上差异显著，如图4．16所示。

（a）SPI－33～5月～F1

图4．16（彩插5）　各分区干旱影响范围变化情况

4．3．3　气象干旱演变趋势

进一步采用谐波分析法对SPI－33～5月的四个主成分进行周期识别，以诊断塔河流域各干旱分区范围内春季的旱涝演变趋势。其具体方法如下：

对于一个水文、气象时间序列x，（t＝1，2，…，n），当它满足一定条件时，可以进行傅立叶级数展开，有：

序列xt的第i个谐波表示为：

它的频谱值为：

S2i＝ 12（a2i＋b2i）　　　（4．25）

频谱分析预先给定一系列的“试验周期”，然后进行计算，得到功率谱值，从而得到周期图或谱图。为了判断序列的周期，需要对功率谱进行周期的显著性检验。本文根据Fisher判据来判断，其基本步骤如下：令

采用谐波分析法得到各主成分的周期项，SPI3～5月～F1具有8．2年的波动周期，平均每8．2年就会经历一次春季丰枯转变过程。SPI3～5月～F2存在5．4年的周期成分，SPI3～5月～F3具有3．5年变化周期，SPI3～5月～F4变化无序，无明显的波动周期。通过主震荡周期可以预测：阿克苏河流域及干流上中游未来将处于一个由偏枯逐渐向正常转变的阶段，和田河流域将处于一个由正常逐渐向干旱转变的阶段，开都—孔雀河将处于一个由正常逐渐向偏丰转变的阶段，见图4．17。

图4．17　SPI3～5月主成分周期性分析

对于气象干旱，通过主震荡周期分析可以进行预测。塔河流域西北部（第1主成分区域）未来将处于一个由偏枯逐渐向正常转变的阶段，流域西南部（第2主成分区域）处于一个由正常逐渐向干旱转变的阶段，流域东部（第3主成分区域）处于一个由正常逐渐向偏丰转变的阶段，流域西部（第4主成分区域）处于一个由偏枯逐渐向正常转变的阶段（见图4．18）。

图4．18　TC1～5月主成分周期性分析

4．4　水文干旱识别及演变趋势

4．4．1　水文干旱识别方法

根据游程理论，设定干旱阈值R0、R1、R2，当指标值小于或等于R0时发生干旱，当两次干旱事件（干旱历时和干旱烈度分别为d1，d2和s1，s2）之间只有1个时段的干旱指标大于R0但小于R2时，认为这两次干旱是从属干旱，可合并为一次干旱事件，合并后的干旱历时D＝d1＋d2＋1，干旱烈度S＝s1＋s2。对于历时只有1个时段的干旱事件，其指标值小于R1才被确定为1次干旱事件，反之计为是小干旱事件，忽略不计。图中共显示两场干旱事件，干旱历时为D，干旱烈度为S，干旱间隔事件为L，见图4．19。

图4．19　游程理论示意

当连续出现干旱时，则出现连枯月，连枯月的游程概率计算公式如下：

式中：P——连续K月枯水发生概率；

ρ——模型分布参数，是指在前一月为枯水月条件下连续出现枯水的概率，可

由长序列观测资料计算；

S——序列中枯水累积月数；

S1——包括K＝1在内的各种长度连枯月发生频次的累计值。

根据协合拉站、沙里桂兰克站及阿拉尔站1961—2007年的SRI－1序列，选取阈值水平R0＝0，R1＝－1，R2＝1对干旱事件进行提取，协合拉站1961—2007年间发生过41场干旱事件，平均干旱历时和干旱烈度为8．02个月和4．99，最长干旱历时为39个月，发生在1974年6月～1977年8月，对应的干旱烈度为历史最大值。平均干旱间隔时间15．83个月，表示平均15．83个月发生一场干旱事件；沙里桂兰克站发生36场干旱事件，最长历时干旱发生在1961年1月～1964年5月，这场干旱的烈度达37．35，最大烈度干旱发生在1984年9月～1987年6月，这场干旱历时长达34个月；阿拉尔站发生60场干旱事件，最长历时干旱发生在1990年11月～1991年12月，对应的干旱烈度为7．14，最大烈度干旱发生在1974年9月～1975年9月，干旱历时达13个月。统计结果见表4．6。

表4．6　各水文站干旱特征统计结果

通过各水文站连续枯水的游程概率，可以看出协合拉站和沙里桂兰克站出现连续枯水1～2个月的概率较高，阿拉尔站出现连续枯水1～4个月的概率较高，如图4．20所示。

图4．20　各水文站点连续枯水游程概率

综合分析各水文站点的干旱特征，协合拉站80年代以前的干旱事件具有长历时、高烈度的特点，在80年代之间干旱事件具有长历时、低烈度的变化趋势，进入90年代以后协合拉站进入偏湿期，干旱事件常有短历时、低烈度的特点；沙里桂兰克站90年代之前干旱事件频发，而且各场次干旱持续时间较长，干旱烈度较大。90年代之后干旱烈度偏小，干旱事件发生较少；阿拉尔站进入90年代之后，干旱灾害频发，且连续枯水的持续时间长，干旱烈度较大，干旱形势日趋严峻。

4．4．2　水文干旱重现期及烈度

通过干旱历时和干旱烈度来描述干旱事件分析干旱频率时，需要计算两者联合概率分布函数，Copula函数是实现这种相关性分析的有效方法，其中最常用的函数有Gumbel－Hougaard、Clayton和Frank　Copula。令u＝FD（d），v＝FS（s），则三者表示为：

本研究采用相关指标法和极大似然法进行Copula函数参数估计：

（1）相关指标法

Copula函数相关指标法参数估计见表4．7。

表4．7　Copula函数相关指标法参数估计

注：表中τ为Kendall相关系数。

（2）极大似然法

式中：L（θ）——似然函数；

u1＝FD（d）；u2＝FS（s）；c（（u1，u2）；

θ）——二维Copula函数的密度函数。

二维Copula函数经验频率计算公式如下：

Po（i）＝（mi－0．44）/（n＋0．12）　　（4．37）

式中：mi——表示联合观测样本中满足条件D≤di且S≤si的观测个数；

n——样本容量。

采用均方根误差评定各种Copula函数拟合结果，计算式为：

式中：Pc（i）——理论联合频率值；

Po（i）——为经验联合频率值。

根据重现期来描述干旱事件的严重性，干旱历时与干旱烈度联合分布的重现期包括D＞d或S＞s和D＞d且S＞s两种情况：

式中：TDS——干旱事件的同现重现期（D＞d且S＞s）；

T′DS——干旱事件的联合重现期（D＞d或S＞s）；

E（L）——干旱间隔的期望值。

干旱历时与干旱烈度具有正相关性，即干旱历时越长，对应的干旱烈度越大。各站点干旱历时与干旱烈度Pearson相关系数均达到0．85以上，具有很好的相关性。以协合拉站为例，对干旱历时和干旱烈度进行频率分析，假定干旱历时与干旱烈度分别服从指数分布和Gamma分布，应用极大似然法估计参数，同时采用Kolmogorov－Smirnov进行检验，干旱历时和干旱烈度K－S统计检验值分别为0．107　1 和0．126　8，显著水平0．01对应的临界值是0．2546，因此可认为干旱历时和干旱烈度分别服从指数分布和Gamma分布，见图4．21。

图4．21　协合拉站干旱历时和干旱烈度概率分布

采用上述三种Copula函数建立干旱历时与干旱烈度之间的联合分布，分别运用相关指标法和极大似然法估计Copula函数参数，绘制了两种参数估计方法的理论与经验频率的相关图，如图4．22所示。

图4．22　不同方法对实测干旱历时及干旱烈度拟合比较

利用均方根误差检验不同Copula函数和不同参数估计方法对实测干旱历时和干旱烈度的拟合程度，结果表明：协合拉站的干旱联合概率分布应选用Gumbel－ Hougaard　Copula连接函数，沙里桂兰克站选用Frank　Copula函数，阿拉尔站选取Gumbel－Hougaard　Copula函数；采用极大似然法较相关指标法拥有更好的估计效果，可得到干旱历时与干旱烈度的最优联合概率分布，见表4．8。

表4．8　各水文站Copula参数估计及评价指标计算结果

选取不同的边缘分布重现期得到联合分布重现期，边缘分布的重现期介于T′DS与TDS之间，联合分布的两种重现期可以看作边缘分布的两种极端情况。可以根据联合分布的重现期作为实际干旱重现期的区间估计，当边缘分布的重现期为100年时，协合拉站实际发生干旱的重现期在76．7～143．5年之间，见表4．9。

表4．9　协合拉站不同重现期下的干旱历时与干旱烈度

根据协合拉站干旱要素同现重现期与联合重现期分布图，协合拉站1974年 6月—1977年8月的干旱事件，干旱历时达到170年一遇的水平，对应的干旱烈度重现期为280年一遇，两者的联合重现期T′DS是155年，而同现重现期TDS则达到了330年一遇的水平，见图4．23。

图4．23　协合拉站干旱要素同现重现期和联合重现期分布图

4．4．3　水文干旱演变趋势

塔河流域各站水文干旱演变趋势见图4．24。

图4．24　流域主要代表水文站SRI－33～5月演变周期分析

由于春季来水量关系到春季可引用水量，同样地采用谐波周期法对塔河流域主要代表水文站的SRI－33～5月指标值进行周期识别，可以发现沙里桂兰克站、玉孜门勒克站、乌鲁瓦提站三站春季径流量具有同样的丰枯演变周期，演变周期为11．75年；卡群站春季旱涝演变周期为4．7年与7．8年的混合演变周期；协合拉站无明显的周期变化；通过各站主震荡周期可以预测出未来一段时期内塔河源流区春季径流量将处在一个由偏丰逐渐向偏枯转变的阶段，各站点演变周期能够为未来塔河流域的旱情预测提供重要的参考价值。

4．5　本章小结

对流域的气象水文干旱特征及演变规律进行了详细分析。运用主成分分析法对气象干旱进行分区，基于各分区范围内气象站点的面积权重，统计了各分区春旱事件的影响范围。

运用三阈值游程理论对各站点的干旱事件进行提取，分析各站点的干旱历时和干旱烈度的变化特征；通过Copula函数建立了干旱历时与干旱强度的联合分布，得到各场干旱事件的联合重现期和同现重现期；采用谐波分析法提取了各水文站点的春季旱涝周期。并通过联合分布较好的实现了干旱事件重现期预测，研发了干旱预警模型，在中尺度预测上应用效果较好。