شاخص بزرگ گرم خشک: یک شاخص مشترک برای تجزیه و تحلیل رویداد مرکب

برای تجربه مزایای فرمت پرونده EPUB3 به یک نرم افزار reader یا سازگار نیاز دارید.

3405 بارگیری در کل

این مقاله را به اشتراک بگذارید

نامه الکترونیکی نویسنده

وابستگی های نویسنده

1 کالج علوم آب ، دانشگاه عادی پکن ، پکن ، 100875 ، جمهوری خلق چین

2 گروه مهندسی بیولوژیکی و کشاورزی و گروه مهندسی عمران ، دانشگاه A& M تگزاس ، ایستگاه کالج ، TX 77843-2117 ، ایالات متحده آمریکا

یادداشت های نویسنده

3 نویسنده ای که باید به هر مکاتبات پرداخته شود.

شناسه های orcid

تاریخ

1. 29 نوامبر 2018 دریافت کرد
2. اصلاح شده 30 آوریل 2019
3. پذیرفته شده 2 مه 2019
4. منتشر شده 21 ژوئن 2019

اطلاعات بررسی همسالان

خلاصه

آب و هوا و افراط آب و هوا ، مانند خشکسالی و امواج گرما ، معمولاً توسط خواص مختلف از جمله فرکانس ، مدت و بزرگی مشخص می شود. بزرگی از مهمترین خواصی است که تأثیر افراط و تفریط را تعیین می کند. حوادث خشک و گرم مرکب ممکن است باعث تأثیرات مضر بر منابع آب ، امنیت انرژی ، تولید محصولات زراعی و امنیت غذایی شود و در سالهای اخیر توجه بیشتری را به خود جلب کرده است. اگرچه مطالعات گسترده ای برای بررسی میزان خشکسالی های فردی یا افراط های گرم انجام شده است ، اما ارزیابی میزان حوادث خشک و گرم مرکب مورد توجه محدودی قرار گرفته است. در این مطالعه ، ما یک شاخص بزرگ داغ (DHMI) ایجاد می کنیم تا میزان وقایع ترکیبی خشک و گرم را توصیف کنیم ، با استفاده از بارش ماهانه و حداکثر دمای روزانه ، که هم شرایط خشک و هم داغ را در نظر می گیرد. DHMI برای تجزیه و تحلیل الگوهای مکانی و زمانی از بزرگی حوادث خشک و گرم مرکب در چین در تابستان (ژوئن ، ژوئیه و آگوست) برای دوره 1961-2013 استفاده می شود. نتایج نشان می دهد که بزرگی حوادث خشک و گرم مرکب به طور عمده در شمال شرقی و جنوب غربی چین رخ می دهد ، با بزرگی بالاتر که بیشتر در دهه های اخیر از دهه 1990 مشاهده می شود. شاخص قدر پیشنهادی پتانسیل دارد ابزاری مفید برای تجزیه و تحلیل حوادث خشک و گرم ترکیب و تأثیرات آنها باشد.

استناد به صادرات و چکیدهBibtex RIS

محتوای اصلی این کار ممکن است تحت شرایط مجوز Creative Commons Attribution 3. 0 استفاده شود. هرگونه توزیع بیشتر این کار باید نسبت به نویسنده (ها) و عنوان اثر ، ژورنال استناد و DOI حفظ شود.

1. معرفی

برای ده ها سال ، خشکسالی شدید و افراط و تفریط در مناطق مختلف جهان به جامعه و اکوسیستم زده است و اثرات مخرب از جمله تخریب اکوسیستم رودخانه ، کاهش عملکرد محصول یا حتی قحطی را ایجاد کرده است (به عنوان مثال خشکسالی آفریقای شرقی 2010-1011)2011 ، Funk 2011 ، Coumou and Rahmstorf 2012 ، Van Dijk et al 2013). به عنوان مثال ، در بین تمام رویدادهای میلیارد دلاری که در دوره 1980-2011 در ایالات متحده رخ داده است ، خسارت ناشی از خشکسالی/موج های گرما حدود 210. 1 میلیارد دلار بوده است (اسمیت و کاتز 2013). تحت گرم شدن کره زمین ، خشکسالی های مکرر ، شدیدتر و طولانی تر و همچنین حوادث گرمتر و طولانی تر از موج گرما در بسیاری از مناطق در سراسر جهان مشاهده شده است و پیش بینی می شود در آینده تشدید شود (Meehl and Tebaldi 2004 ، Fischer and Schär 2010 ، Dai 2012، پرکینز و همکاران 2012 ، ترنبرت و همکاران 2014 ، لنگ و همکاران 2016 ، روسو و همکاران 2017 ، شما و همکاران 2017). تأثیرات منفی خشکسالی یا افراط و تفریط و افزایش خطرات در آینده خواستار تلاشهای بهبود یافته برای ارزیابی تغییرات در خصوصیات مختلف و تأثیرات آنها بر اکوسیستم و جامعه تحت شرایط تغییر است.

خشکسالی به طور کلی به عنوان کسری طولانی مدت بارش تعریف می شود و می تواند به انواع مختلفی از جمله خشکسالی هواشناسی ، کشاورزی ، هیدرولوژیکی و اقتصادی و اقتصادی طبقه بندی شود. شاخص های مختلف خشکسالی برای نظارت بر وضعیت خشکسالی انواع مختلف ، مانند شاخص بارش استاندارد (SPI) (McKee و همکاران 1993) ، شاخص شدت خشکسالی پالمر (PDSI) ، از جمله دیگر (Mishra and Singh 2010) ایجاد شده است. SPI می تواند برای ارزیابی شرایط خشکسالی در مقیاس های مختلف مورد استفاده قرار گیرد و به عنوان شاخص برای ردیابی خشکسالی هواشناسی توسط سازمان هواشناسی جهان (WMO) توصیه شده است (هایز و همکاران 2011). با این حال ، ضرر SPI این است که فقط مبتنی بر بارش است و بنابراین ممکن است در توصیف پدیده خشکسالی پیچیده کوتاه شود. برای پرداختن به این مسئله ، اخیراً انواع شاخص های خشکسالی کامپوزیت برای توصیف خشکسالی از دیدگاه چند متغیره ایجاد شده است (Svoboda et al 2002 ، Hao و Singh 2015). به عنوان مثال ، شاخص استاندارد بارش-تبخیر (SPEI) (Vicente-Serrano و همکاران 2010) برای ترکیب بارش و تبخیر و تعرق بالقوه ، که به ویژه برای ارزیابی خشکی تحت گرم شدن کره زمین مفید است ، تهیه شده است.

خشکسالی معمولاً توسط خواص مختلف از جمله مدت زمان ، فرکانس ، شدت و بزرگی مشخص می شود. برای یک نشانگر خاص ، این خصوصیات خشکسالی را می توان با استفاده از تئوری اجرا توسعه یافته توسط یووویچ (1967) استخراج کرد ، که در آن این سریال بر اساس سطح آستانه و سپس مفاهیم مختلف اجرا در توالی های مختلف تقسیم می شود (به عنوان مثال فاصله بین پیشرانهای پی در پی و پی در پی. برخاستن می تواند به عنوان مدت زمان در نظر گرفته شود) برای توصیف خواص خشکسالی قابل استفاده است. تعداد زیادی از حوادث خشکسالی شدید در بسیاری از مناطق در سراسر جهان با مدت زمان و شدت/شدت های مختلف در دهه های اخیر مورد تجزیه و تحلیل قرار گرفته است (Dai 2011 ، Trenberth et al 2014) ، مانند خشکسالی تگزاس 2011 ، خشکسالی کالیفرنیا 2012-2016 ، وخشکسالی هزاره 2001-2009 در جنوب شرقی استرالیا (Van Dijk et al 2013). خشکسالی سال 2011 در تگزاس از نظر شدت بی سابقه بود (نیلسن-گامون 2012). خشکسالی 5 ساله کالیفرنیا در طی سالهای 2012-2016 به عنوان یکی از طولانی ترین و استثنایی ترین خشکسالی ها با ضررهای فوق العاده کشاورزی و اکوسیستم شناخته شد (لوند و همکاران 2018). تعدادی از مطالعات به مدل سازی این خصوصیات خشکسالی با استفاده از تجزیه و تحلیل چند متغیره اختصاص یافته است (Shiau 2006 ، Xu et al 2015). به عنوان مثال ، Shiau (2006) با پیوستن به مدت خشکسالی با شدت ، یک عملکرد توزیع چند متغیره را بر اساس کوپل های دو بعدی ساخت. این مطالعات به طور کلی اهمیت بررسی خصوصیات متعدد را نشان می دهد ، به جای تمرکز بر فرکانس به تنهایی ، برای درک بهتر خشکسالی و تأثیرات آنها.

علاوه بر این ، افراط و تفریط شدید در سالهای اخیر غالباً رخ داده است و اثرات فاجعه بار بر سلامت انسان ، تأمین آب ، امنیت غذایی و توسعه اقتصادی ایجاد کرده است (Luterbacher et al 2004 ، Barriopedro et al 2011 ، Perkins 2015). ناهنجاری های درجه حرارت بالا و مثبت معمولاً برای توصیف افراط های مربوط به گرما ، یا بر اساس یک آستانه مطلق (به عنوان مثال بالاتر از 35 درجه سانتیگراد) یا آستانه نسبی (به عنوان مثال بالاتر از صدک 90 از حداکثر دمای روزانه آب و هوای محلی) استفاده می شود. برای پرداختن به محدودیت احتمالی آستانه مطلق برای مقایسه در فصول یا مناطق ، آستانه نسبی بر اساس صدک ها معمولاً مورد استفاده قرار می گیرد ، که وقوع وقایع شدید را بر اساس بیش از حد (یا عدم وجود) یک آستانه نسبت به شرایط محلی تعریف می کند. به عنوان مثال ، موج گرما معمولاً به عنوان موردی تعریف می شود که درجه حرارت بالاتر از آستانه بالا حداکثر دمای روزانه برای یک دوره روزهای متوالی (به عنوان مثال 3 د) (Meehl and Tebaldi 2004 ، Perkins and Alexander 2013 ، Zampieri et al 2017 است.). مثالهای معمولی شامل موج گرما اروپا در سال 2003 و موج گرمای روسیه در سال 2010 است که به عنوان شدیدترین وقایع موج گرما در ضبط شناخته شده اند (Barriopedro et al 2011 ، Miralles et al 2014 ، Russo et al 2015 ، Russo et al 2017).

شاخص های متنوعی برای توصیف فرکانس و مدت زمان افراط دما یا امواج گرما ، مانند شاخص مدت زمان موج گرما و شاخص مدت زمان طلسم گرم ایجاد شده است (فریش و همکاران 2002 ، الکساندر و همکاران 2006). Fischer and Schär (2010) روشی را برای مطالعه جنبه های مختلف درجه حرارت شدید (یا موج گرما) بر اساس حداکثر دمای روزانه ، از جمله فرکانس روز موج گرما ، تعداد روزهای گرما ، حداکثر مدت زمان موج گرما و دامنه موج گرما پیشنهاد کردند که می تواند برای متفاوت استفاده کندشاخص های موج گرما. به عنوان مثال ، بر اساس فاکتور گرمای اضافی (EHF) (Nai and Fawcett 2013) ، پرکینز و الکساندر (2013) یک روش مشابه را برای بررسی فرکانس ، تعداد ، مدت ، دامنه و میزان افراط گرما در استرالیا اتخاذ کردند. موج گرما بر اساس صدک 90 برای حداکثر دما (TX90) و حداقل دما (TN90). جدا از پیشرفت در توصیف جنبه های مختلف امواج گرما/افراط دما ، تلاش شده است تا خصوصیات ترکیبی برای تمایز حوادث مختلف شدید (به عنوان مثال دو موج گرما با مدت زمان یکسان اما ناهنجاری های دما متفاوت) انجام شود. روسو و همكاران (2014) شاخص بزرگی موج گرما (HWMI) را پیشنهاد كردند ، كه بر اساس عملکرد توزیع احتمال تجربی از جمع سه بالاترین دمای حداکثر روزانه متوالی هر سال ، برای ارزیابی میزان موج گرما با ترکیب مدت زمان تعریف شده است. و شدتاز آنجا که HWMI محدودیت هایی در اختصاص بزرگی به دمای بسیار بالا دارد ، روسو و همکاران (2015) روزانه شاخص قدر موج گرما را روزانه (HWMID) پیشنهاد کردند که با اختصاص مقدار روزانه با مقادیر در [0 ، + ∞] محدودیت را برطرف می کند. یک فاصله محدود [0 ، 1]. این تحولات معیارهای افراط و تفریط ابزارهای مؤثر برای بهبود درک ما از وقایع مرتبط با گرما و تأثیرات آنها فراهم کرده است.

مطالعات قبلی بیشتر خواص مختلف خشکسالی و وقایع داغ در انزوا را ارزیابی می کردند. دهه های اخیر شاهد مجموعه ای از رویدادهای خشک و داغ ترکیبی مانند موج گرمای سال 2003 در اروپا و موج گرما در سال 2010 در روسیه بوده است که با خشکسالی همزمان مشخص می شوند (Sedlmeier و همکاران 2017). مطالعات بیشماری نشان داده است که تأثیرات شدیدی از وقایع خشک و داغ مرکب بر تولید کشاورزی ، اکوسیستم ها و جامعه بشری نشان داده است (Seneviratne و همکاران 2012 ، Zampieri et al 2017 ، Zscheischler و همکاران 2018). به عنوان مثال ، خشک و داغ سال 2003 در اروپا منجر به کشته شدن حدود 70000 نفر شد (Barriopedro و همکاران 2011). بسیاری از تحولات اخیر در مورد تجزیه و تحلیل وقایع ترکیبی متمرکز بر فرکانس یا وسعت مکانی (Hao et al 2013 ، Mazdiyasni و Aghakouchak 2015 ، Sharma and Mujumdar 2017 ، Wu et al 2019). تأثیر واقعی یک واقعه مرکب نه تنها با وقوع آن همراه است بلکه با بزرگی خشکسالی و شدید گرم نیز همراه است (به عنوان مثال تأثیر افراط با همان وضعیت خشکسالی بلکه ناهنجاری های مختلف دمای مثبت متفاوت است). با این حال ، ارزیابی از بزرگی حوادث خشک و گرم مرکب فاقد آن بوده و از این رو اندازه گیری بزرگی مناسب مطلوب است.

بنابراین هدف از این مطالعه ایجاد یک شاخص مشترک برای توصیف بزرگی حوادث خشک و گرم ترکیب است. سپس از شاخص پیشنهادی برای تجزیه و تحلیل الگوهای مکانی و زمانی وقایع ترکیبی خشک و داغ که در تابستان (ژوئن ، ژوئیه و آگوست (JJA)) در چین رخ داده است ، برای دوره 2013-2013 استفاده شد. توسعه شاخص برای بزرگی حوادث خشک و گرم مرکب در بخش 2 ارائه شده است.

2. روش

بزرگی یک خشکسالی را می توان تقریباً بر اساس تفاوت بین مقدار شاخص خشکسالی (DI) و آستانه در ماه های خشکسالی (مشخص شده به عنوان δ DI) تعریف کرد ، با یک عزیمت بزرگ از آستانه نشان دهنده بزرگی بالای خشکسالی (یووویچ. 1967 ، نام و همکاران 2015). بزرگی یک شدید گرم را می توان با دما مشخص کرد (به عنوان مثال حداکثر دمای روزانه t_حداکثر) بالاتر از یک آستانه خاص (مشخص شده به عنوان Δ T) (پرکینز و الکساندر 2013 ، روسو و همکاران 2014). ترکیب این دو مقدار مختلف به طور مستقیم برای توسعه یک شاخص بزرگی از حوادث گرم و گرم به دلیل تفاوت در واحدهای آنها و شاخص حاصل از آن دشوار است. به دنبال Russo و همکاران (2014) ، ما Δ T را با قرار دادن یک توزیع حاشیه ای تبدیل کردیم تا احتمال عدم وجود آن P (Δ T) را بدست آوریم ، که در [0 ، 1] قرار می گیرد ، با یک Δ T بزرگ مربوط به یک احتمال زیاد P (Δt). بر این اساس ، DI به عنوان احتمال (یا صدک) متغیر انباشته شده مورد علاقه تعریف می شود (به روشهای عادی استاندارد مانند روش سنتی برای محاسبه SPI یا SPEI تبدیل نشده است) (Russo et al 2013) ، که از 0 تا نیز متغیر است1

شاخص قدر گرم خشک (DHMI) از حوادث خشک و گرم ترکیب می تواند به صورت (نشان داده شده در شکل 1) تعریف شود:

در جایی که m تعداد دوره ها (به عنوان مثال ماه ها یا فصول) برای تعریف DHMI است. تعداد روزهای دوره M با روزانه t است_حداکثربالاتر از آستانه ؛تفاوت بین روزانه t است_حداکثرو آستانه روز D_مگس(در طی آن T_حداکثربالاتر از آستانه است) ؛p () تابع توزیع حاشیه Δ T برای هر دوره m است ، که می تواند بر اساس توزیع غیر پارامتری ، مانند فرمول موقعیت نقشه برداری ویبول ، در کل اقلیم شناسی قرار گیرد. و تفاوت بین شاخص خشکسالی DI و آستانه مربوطه برای دوره m است. توجه داشته باشید که وقتی مقدار DI مربوطه () مربوط به آستانه (DI) صفر باشد (DI)₀). به طور خاص ، به این صورت محاسبه می شود:

شکل 1. تصویر تعریف DHMI در طول تابستان JJA بر اساس نشانگر خشکسالی (DI) و حداکثر دمای روزانه (t_حداکثر). خطوط جامد سیاه DI₀و t₀آستانه DI و Daily T هستند_حداکثر، به ترتیب. خط آبی سری DI است ، و منحنی قرمز روزانه T است_حداکثر series. and are the absolute values of the difference of the DI with the threshold ( = 0 if DI >دیزائی₀) برای ماه مربوطه. ارزش مطلق تفاوت روزانه t است_حداکثربا آستانه (برای t_حداکثربالاتر از آستانه) برای روز من.

توجه داشته باشید که گزینه های مختلف شاخص برای خشکسالی و رویدادهای داغ وجود دارد که می توانید هنگام مونتاژ یک فهرست از آن انتخاب کنید. از شاخص های مختلف (به عنوان مثال SPI ، PDSI ، SPEI) می توان برای تعریف DI استفاده کرد. علاوه بر این ، این شاخص را می توان برای دوره های مختلف (به عنوان مثال ماه ، فصل یا سال) با انتخاب مقادیر مختلف پارامتر M و واحد دوره m محاسبه کرد. اگر پارامتر M = 1 و واحد M ماه باشد ، سپس شاخص DHMI برای یک ماه واحد (به عنوان مثال اوت) هر سال محاسبه می شود. به طور مشابه ، اگر پارامتر M = 3 و واحد M ماه باشد ، می توان شاخص DHMI را به مدت سه ماه (به عنوان مثال JJA) محاسبه کرد ، همانطور که در شکل 1 نشان داده شده است. مقدار Δ T در معادله (1) می تواند برای همه تعریف شودروزهایی با درجه حرارت بالاتر از آستانه در دوره M (همانطور که در شکل 1 نشان داده شده است). همچنین می تواند برای هر موج گرما تعریف شود و فقط روزها در طول هر موج گرما در تعریف Δ T در این معادله حساب می شود. این شاخص DHMI را می توان به عنوان جمع بندی بزرگی خشکسالی Δ di مشاهده کرد_مگسوزن توسط احتمال عدم وجود دما p (Δ t_مگس) برای هر دوره m. بنابراین ، مقدار DHMI از 0 تا حداکثر مقدار Δ Di (برای M = 1) متغیر است. به عنوان مثال ، اگر از SPI به عنوان شاخص خشکسالی هواشناسی استفاده شود و صدک 30 (مربوط به مقدار SPI از 0. 5)) به عنوان آستانه تعریف خشکسالی برای یک دوره واحد انتخاب می شود ، سپس DHMI از 0 تا 0. 3 متغیر است.

3. داده ها و نتایج

3. 1داده ها

ما از بارش ماهانه و روزانه T استفاده کردیم_حداکثرداده ها در طول JJA از سال 1961 تا 2013 بر روی چین برای محاسبه میزان حوادث خشک و گرم ترکیب. این داده های شبکه شده در وضوح مکانی 0. 5 × 0. 5 درجه از مرکز ملی آب و هوایی مدیریت هواشناسی چین (http://data. cma. cn/) ، که ادغام داده های مشاهده از 2472 ایستگاه هواشناسی در کل کشور به دست آمد. از داده های بارش ماهانه برای محاسبه شاخص خشکسالی و روزانه T استفاده شد_حداکثراز داده ها برای توصیف شرایط گرم استفاده شد.

SPI به عنوان شاخص خشکسالی برای تعریف DI انتخاب شد ، زیرا توصیه می شود خشکسالی هواشناسی توسط WMO را ردیابی کند (هایز و همکاران 2011). SPI را می توان بر اساس تجمع بارش مقیاس های زمانی مختلف محاسبه کرد ، که برای به دست آوردن احتمال حاشیه ای که سپس بر اساس توزیع عادی استاندارد به یک شاخص استاندارد تبدیل می شود ، در یک عملکرد توزیع قرار دارد. در این مطالعه ، از SPI بر اساس بارش انباشته شده در طول JJA برای توصیف وضعیت خشکسالی در طول تابستان استفاده شد. از یک روش تجربی مبتنی بر فرمول موقعیت نقشه برداری Weibull برای محاسبه SPI استفاده شد (Stagge et al 2015). توجه داشته باشید که ما احتمال عدم وجود بارش انباشته شده در طول JJA را محاسبه کردیم (یا SPI مربوطه را به توزیع یکنواخت تبدیل می کنیم) و از آن به عنوان DI برای محاسبه DHMI در معادله (1) استفاده کردیم.

3. 2محاسبه DHMI

در این مطالعه ، یک رویداد خشک و گرم ترکیبی اتفاق می افتد که روزانه T_حداکثردر تابستان خشک بالاتر از آستانه است. وقوع خشکسالی در فصل تابستان به عنوان صدک بارش انباشته شده JJA پایین تر از صدک 30 (مربوط به SPI) تعریف شده است.< −0.5), which is used to define the abnormally dry condition in the US Drought Monitor (Svoboda et al 2002). This threshold was selected to obtain a relatively large number of records of compound events. Another potential consideration of this threshold was that the compound impact may result from an individual event without being extreme (Seneviratne et al 2012). In addition, we chose the 90th percentile of daily T _حداکثر، که معمولاً به عنوان آستانه برای تعریف امواج گرما یا افراط دما استفاده شده است (الکساندر و همکاران 2006 ، پرکینز و الکساندر 2013 ، زامپیری و همکاران 2018) ، بر اساس سوابق حداکثر دمای روزانه در JJA از دوره مطالعه کامل (یعنیهمه روزها با t_حداکثربرای تعریف DHMI بالاتر از آستانه در فصل خشکسالی). توجیه انتخاب این آستانه بر اساس تعادل "شدید" و "قابل اندازه گیری" بود ، زیرا آستانه بالاتر (به عنوان مثال 95 یا 99) برای t_حداکثرممکن است منجر به اندازه گیری حوادث بسیار کمی شود ، در حالی که یک آستانه کوچکتر (به عنوان مثال 80 یا 85) ممکن است منجر به اندازه گیری حوادث بسیار زیاد شود (پرکینز و الکساندر 2013).

3. 3تصویر DHMI در یک نقطه شبکه

نمونه ای از تکامل وقایع ترکیبی خشک و داغ در طول JJA در این بخش نشان داده شده است. ما برای اولین بار یک نقطه شبکه (106 ° 75'E ، 29 ° 25'N) واقع در شهرداری Chongqing (یک منطقه با تابستان گرم و خشکسالی مکرر) در جنوب غربی چین را انتخاب کردیم تا کاربرد DHMI را برای ارزیابی بزرگی ترکیب خشک نشان دهدو رویدادهای داغما ابتدا Δ Di را بر اساس تفاوت بین D I و آستانه 0. 3 (برای DI پایین تر از آستانه) برای هر تابستان محاسبه کردیم. علاوه بر این ، Δ T بر اساس جمع بندی مقادیر مطلق تفاوت روزانه T محاسبه شد_حداکثربا آستانه مربوطه (برای روزانه t_حداکثربالاتر از آستانه) برای هر تابستان هر سال ، که از آن P (Δ T) برای دوره 1961-2013 به دست آمد. سپس DHMI بر اساس معادله (1) محاسبه شد. سری Δ Di ، P (Δ T) و DHMI برای هر تابستان کل دوره 1961-2013 برای نقطه شبکه انتخاب شده در شکل 2 نشان داده شده است. به طور کلی ، DHMI وقتی Δ DI و P (Δ T هر دو بزرگتر بود ، بزرگتر بود.) بزرگتر بودند. برای دوره های معینی ، مانند سال 1972 ، اگرچه P (Δ T) نسبتاً زیاد بود ، اما DHMI به دلیل کم بودن δ DI در این دوره هنوز نسبتاً کم بود. این نتایج حاکی از خاصیت اصلی DHMI در ترکیب هر دو خشکسالی و شرایط گرم است.

شکل 2. سری زمانی DHMI برای یک نقطه شبکه (106 ° 75'E ، 29 ° 25'N) در طول JJA برای دوره 1961-2013 در جنوب غربی چین. مقادیر Δ Di و P (Δ T) نیز برای مقایسه نشان داده شده است.

همانطور که در شکل 2 نشان داده شده است ، مقدار DHMI در سال 2006 بزرگترین برای کل دوره 1961-2013 (DHMI = 0. 28) بود ، نشان می دهد که بزرگی رویداد خشک و داغ ترکیب در سال 2006 بالاترین در رکورد تاریخی برای این کار بودنقطه شبکه ، به دنبال آن وضعیت خشک و گرم در سال 2011 (DHMI = 0. 25). این افراط تا حدودی در مطالعات قبلی با خشکسالی شدید و روزهای گرم در شهرداری چونگ کینگ در این دو دوره نشان داده شده است (لو و همکاران 2013 ، وانگ و همکاران 2014a ، چن و همکاران 2017). علاوه بر این ، برخی از وقایع خشک و داغ دیگر ، مانند وقایع در سال 1971 (Δ Di = 0. 23 ، P (Δ T) = 0. 78) و 1992 (Δ Di = 0. 19 ، P (Δ T) = 0. 93) وجود داشت. در مقایسه با واقعه مرکب در سال 1992 ، رویداد داغ در سال 1971 δ DI بالاتر و P پایین تر (Δ T) را نشان داد. بنابراین ، مقایسه بزرگی این دو واقعه مرکب توسط فرد Δ Di یا P (Δ T) دشوار است. با این حال ، شاخص پیشنهادی DHMI با ادغام شرایط خشک و گرم بر این مشکل غلبه می کند. به طور خاص ، مقادیر DHMI برای دو دوره تابستانی 1971 و 1992 به ترتیب 18/0 و 0. 17 برای این نقطه شبکه بود. این نشان می دهد که بزرگی رویداد خشک و گرم ترکیب در سال 1971 بالاتر از سال 1992 بود.

3. 4رویدادهای خشک و گرم در سال 2006 در جنوب غربی چین

منطقه جنوب غربی چین ، که دارای توپوگرافی پیچیده ای است ، مستعد ابتلا به تابستان های بسیار خشک و گرم است (Ma et al 2017). در طول خشکسالی شدید در تابستان سال 2006 ، منطقه سیچوا ن-چونگ کینگ نیز در اثر وضعیت گرم شدید مورد اصابت قرار گرفت. براساس آمار ، خشکسالی با وضعیت گرم در جنوب غربی چین در طول JJA سال 2006 باعث شد حداقل 18 میلیون نفر کمبود آب و 11. 74 میلیارد CNY ضرر مستقیم اقتصادی را تجربه کنند (لی و همکاران 2011 ، وانگ و همکاران 2015). این تأثیرات تهدیدی جدی برای سلامت انسان و توسعه اقتصادی و اجتماعی به وجود آورد.

در اینجا ، ما رویداد خشک و داغ را در طول JJA 2006 در این منطقه به عنوان یک مطالعه موردی انتخاب کردیم تا بزرگی آن را برای اهداف مصور بررسی کنیم. همانطور که در شکل 3 (a) نشان داده شده است ، منطقه سیچوا ن-Chongqing در سال 2006 خشکسالی شدید و وضعیت گرم را تجربه کرد ، با مقادیر DHMI در بیشتر مناطق بالاتر از 0. 2. مقدار حوادث مرکب این منطقه در طول JJA برای کل دوره مطالعه سال 1961-2013 محاسبه شد تا تغییرات زمانی آن را نشان دهد. در اینجا ما میانگین مکانی مقادیر DHMI را برای همه شبکه های موجود در منطقه سیچوا ن-Chongqing گرفتیم تا برای هر فصل تابستان یک ارزش کسب کنیم. برای jja هر سال ، SPI و T_حداکثرناهنجاری ( t-anomaly) نیز محاسبه شد و برای مقایسه نشان داده شده است (شکل 3 (b)). وقایع ترکیبی شدید ، مانند مواردی در طول سالهای 1997 ، 2006 و 2011 ، از این رقم مشاهده می شود که در طی آن نسبتاً کم SPI و T بالا_حداکثرناهنجاری مشاهده شد. بزرگی رویداد مرکب برای دوره JJA 2006 بالاترین (با ارزش DHMI 0. 19) در بین تمام این رویدادهای مرکب بود. این نتایج به طور کلی نشانگر مناسب بودن این شاخص در توصیف بزرگی حوادث خشک و گرم است.

شکل 3. بزرگی رویداد خشک و گرم ترکیب در جنوب غربی چین.(الف): الگوی مکانی DHMI برای دوره JJA 2006 ؛(ب): تنوع زمانی DHMI در طول JJA برای دوره 1961-2013 (مقادیر SPI و t-anomaly نیز برای مقایسه نشان داده شده است).

3. 5توزیع مکانی از بزرگی

میانگین بزرگی و حداکثر بزرگی حوادث خشک و گرم مرکب نسبت به چین در طول JJA برای دوره 1961-2013 به ترتیب در شکل 4 (a) و (b) نشان داده شده است. میانگین متوسط بیشتر حوادث خشک و گرم مرکب (مقادیر بالاتر DHMI) به طور عمده در شمال شرقی و جنوب غربی چین رخ داده است (شکل 4 (A)). این نتایج تا حدودی با مطالعات قبلی برای خشکسالی شدید و همچنین امواج گرما در این مناطق سازگار است (یو و همکاران 2014 ، وانگ و همکاران 2017). برای قسمت شرقی مغولستان داخلی (شمال شرقی چین) ، استان سیچوان و شهرداری چونگ کینگ (جنوب غربی چین) ، بزرگی بالای رویداد خشک و داغ مرکب به طور کلی با شانس بالای وقایع همزمان خشک و داغ در مطالعات قبلی مطابقت دارد (ژو و لیو 2018 ، وو و همکاران 2019). علاوه بر این ، حداکثر بزرگی از رویداد خشک گرم در شمال شرقی ، شرقی ، مرکزی و جنوبی چین نسبتاً زیاد بود (شکل 4 (B)).

شکل 4. میانگین بزرگی (A) و حداکثر بزرگی (B) از رویداد خشک و گرم ترکیب (یعنی DHMI) در طول JJA برای دوره 1961-2013 در چین ، همراه با سال مربوط به حداکثر بزرگی (C).

مکانیسم های مختلفی وجود دارد که ممکن است به الگوی مکانی بزرگی حوادث خشک و گرم مرکب در چین کمک کند. با توجه به تعامل زمین و جو ، وضعیت خشک ممکن است دمای سطح را در طول تابستان ، به ویژه در مناطق انتقالی آب و هوای خشک و مرطوب تقویت کند (Koster et al 2009 ، Seneviratne et al 2010 ، Mueller and Seneviratne 2012). این ممکن است منجر به موج گرما (یا روزهای متوالی دمای فوق العاده بالا) شود که به نوبه خود ممکن است وضعیت خشکسالی را اغراق کند. از تعریف DHMI در معادله (1) ، انتظار می رود این فرایند منجر به بزرگی بالاتر از افراط و تفریط شود. بنابراین ، بزرگی یک رویداد خشک و گرم مرکب در تابستان در شمال شرقی و جنوب غربی چین ممکن است مربوط به بازخورد جو زمین باشد (هائو و همکاران 2017 ، لیو و همکاران 2017). به عنوان مثال ، هائو و همکاران (2017) تعامل خشکسالی و افراط و تفریط در این مناطق را نشان دادند ، که منجر به احتمال بالاتر شرایط خشک و گرم همزمان می شود و انتظار می رود که به بزرگی بالای رویداد خشک و گرم مرکب کمک کندبشرعلاوه بر این ، گردش خون جوی در مقیاس بزرگ (به عنوان مثال ، ناهنجاری های فوق گرمسیری اقیانوس آرام غربی (WPSH)) و دمای سطح دریا (SST) (به عنوان مثال EI nin ̃ o نوسان جنوبی) همچنین ممکن است از طریق تأثیر بر تأثیر بر روی میزان بالای حوادث مرکب نقش داشته باشد. وقوع موج گرما و/یا خشکسالی در چین (وو و همکاران 2019). به عنوان مثال ، بارش (یا خشکسالی) در جنوب غربی چین معمولاً با ناهنجاری های مداوم SST و شرایط جوی تنظیم می شود (وانگ و همکاران 2015) و ناهنجاری های SST اقیانوس هند نشان داده شده است که در تابستان در افراط و پرورش درجه حرارت بالا در جنوب چین در طول تابستان نقش دارد (هو و همکاران 2012). به عنوان نمونه دیگر ، دلایل احتمالی واقعه خشک و داغ ترکیبی شدید در سال 2006 در جنوب غربی چین شامل تقویت WPSH با خط الراس نیمه گرمسیری که به سمت شمال و غرب حرکت می کند ، و خط الراس بلند تبت به سمت شرق حرکت می کند (لی و همکاران 2011 ، وانگ و همکاران2015). عوامل دیگر ، مانند شهرنشینی سریع ، ممکن است نقش مهمی در افراط های آب و هوا همزمان داشته باشند (ژو و لیو 2018). اکتشاف دقیق مکانیسم های فیزیکی بزرگی از حوادث خشک و گرم مرکب فراتر از محدوده این مطالعه است و در آینده انجام خواهد شد.

3. 6توزیع زمانی از بزرگی

برای ارزیابی تغییرات زمانی از بزرگی حوادث خشک و گرم مرکب ، سال با حداکثر بزرگی حوادث مرکب (یعنی بالاترین مقدار DHMI) در طول JJA برای دوره 1961-2013 نسبت به چین استخراج شد ، همانطور که در شکل 4 نشان داده شده است.(ج). بیشترین بزرگی از وقایع خشک و گرم در سراسر کشور در سالهای اخیر پس از دهه 1990 رخ داده است. این احتمالاً مربوط به یافته های قبلی خشکسالی شدیدتر و همچنین روزهای گرم مکرر در مناطق بیشتر در چین از دهه 1990 است (دینگ و همکاران 2009 ، وانگ و همکاران 2012 ، 2017 ، یو و همکاران 2014 ، شما و همکاران 2017)بشراین متغیرهای خشکسالی و افراط گرم همچنین ممکن است ناشی از گرم شدن آب و هوا باشد ، که باعث افزایش فرکانس و همچنین افزایش شدت بارش و افراط و دما می شود (Zhai and Pan 2003 ، Dai 2011 ، Wang et al 2012 ، You et al 2017). توجه داشته باشید که شمال غربی چین و قسمتهای پایین رودخانه یانگ تسه دو منطقه اصلی هستند که بالاترین بزرگی حوادث مرکب قبل از دهه 1990 رخ داده است. این ممکن است تا حدودی مربوط به افزایش قابل توجهی بارش (ژی و همکاران 2005 ، لو و همکاران 2014) و همچنین کاهش دما (یا وقایع موج گرما) باشد (Wang et al 2014b ، شما و همکاران 2017) در تابستان در این مناطق. این نتایج حاکی از افزایش خطر وقایع خشک و گرم در بسیاری از مناطق در سراسر چین در سالهای اخیر است.

4. نتیجه گیری

در این مطالعه ، DHMI بر اساس بارش ماهانه و حداکثر دمای روزانه برای توصیف بزرگی حوادث خشک و گرم ترکیب پیشنهاد شده است. این رویداد خشک و گرم در سال 2006 در منطقه جنوب غربی چین به عنوان یک مطالعه موردی برای ارزیابی عملکرد شاخص پیشنهادی برای تجزیه و تحلیل خواص رویداد مرکب مورد استفاده قرار گرفت. سپس این شاخص برای تجزیه و تحلیل توزیع مکانی و زمانی از بزرگی حوادث خشک و گرم ترکیب در طول JJA برای دوره 1961-2013 در چین استفاده شد. مشخص شد که بزرگی حوادث خشک و گرم مرکب بیشتر در شمال شرقی و جنوب غربی چین مشخص شده است. علاوه بر این ، وقایع مرکب با بزرگی بالاتر در دهه های اخیر پس از دهه 1990 در سراسر چین اتفاق می افتد.

DHMI پیشنهادی ادغام ویژگی های مختلف خشکسالی و گرمای شدید را ممکن می سازد و بنابراین انتظار می رود به ارزیابی کمی رویدادهای ترکیبی و اثرات مرتبط کمک کند. همچنین محدودیت هایی در این شاخص وجود دارد که ممکن است باعث ایجاد برخی عدم قطعیت ها شود. شاخص پیشنهادی عمدتاً برای شرایط ترکیبی خشک و گرم توسعه یافته است و فرمول فعلی برای سایر رویدادهای ترکیبی، مانند شرایط ترکیبی تنش مرطوب و گرمایی قابل استفاده نیست. علاوه بر این، این شاخص تنها بر اساس دمای حداکثر روزانه با تمرکز بر دمای انباشته بالاتر از آستانه مشخص تعریف می شود. فکر_حداکثربه طور گسترده ای به عنوان شاخصی برای توصیف گرمای شدید استفاده می شود، مدت طولانی است که مشخص شده است که حداقل دمای شبانه (T_دقیقه) همچنین نقش مهمی در گرمای شدید چند روزه ایفا می کند و بنابراین برخی از شاخص ها (مانند EHF) استفاده از T را انتخاب می کنند._{منظور داشتن}برای ترکیب روزانه T_حداکثرو t_دقیقه(پرکینز و الکساندر 2013). علاوه بر این، اگرچه شاخص هر دو شرایط خشک و گرم را در بر می گیرد، عملکرد آن در توضیح اثرات شدید (به عنوان مثال کاهش عملکرد محصول در مناطق مختلف (Zampieri و همکاران 2017)) باید بیشتر تأیید شود. به طور سنتی، توصیه شده است که یک شاخص خشکسالی، مانند SPI، باید بر اساس حداقل 30 سال داده محاسبه شود. این حداقل نیاز طول داده در محاسبه DHMI است، زیرا بر اساس همزمانی خشکسالی ها و شدت گرم تعریف می شود. گسترش و ارزیابی شاخص پیشنهادی در کار آینده ما مورد بررسی قرار خواهد گرفت. توجه داشته باشید که هدف ما از این مطالعه جایگزینی سایر شاخص های گرمایی رایج نیست، بلکه روشی جایگزین برای توصیف افراط های ترکیبی که هم شرایط خشک و هم گرما را در بر می گیرد، ارائه می کند. بسیاری از مطالعات نشان داده اند که افزایش شدید ترکیبات خشک و گرم ممکن است در آینده در بسیاری از مناطق در سطح جهان رخ دهد (Zscheischler and Seneviratne 2017, Zscheischler et al 2018)، که ممکن است منجر به افزایش اثرات بر بخش های مختلف جامعه و محیط شود. شاخص بزرگی پیشنهادی ممکن است به ارزیابی اثرات آتی رویدادهای ترکیبی برای تدوین استراتژی هایی برای کاهش اثرات منفی آنها کمک کند.