《Journal of Hydrology: Regional Studies》：Characterization of drought in the Arabian Peninsula: A multi-index approach
编辑推荐：
为解决气候变化背景下阿拉伯半岛干旱加剧、威胁区域水安全和生态系统的问题，研究人员利用SPI、SPEI和EDDI等多个干旱指数，结合ERA5再分析数据，评估了该地区1975-2024年的干旱动态。研究发现，东南和西南区域最易受干旱影响，温度升高和蒸发需求增加是主要驱动因素，露点温度、降水和最高温是关键气象变量，并确认了干旱极端事件的加剧。这项研究强调了采用多指标干旱监测和制定区域适应性策略对增强干旱区气候韧性的重要意义。
在全球变暖加剧的背景下，干旱作为一种发展缓慢但影响深远的自然灾害，正日益威胁着水资源安全、农业生产和社会经济稳定，尤其是在生态脆弱的干旱半干旱地区。阿拉伯半岛地处中东，干旱-超干旱气候和有限的水资源使其对持续性干旱高度敏感，而气候变化、人口增长和地下水超采等因素进一步加剧了该区域的脆弱性。然而，现有研究大多依赖于单一干旱指数，或仅关注特定子区域，未能全面整合降水亏缺、蒸发需求和温度等共同影响干旱的综合效应，这限制了对整个半岛干旱演变机制的深入理解。为了应对这一挑战，Ghani Rahman、Abdur Rashid Jamalzi、Vivek Anand Voora、Sina Borzooi、Subin Kang及Hyun-Han Kwon等研究者们在《Journal of Hydrology: Regional Studies》上发表了最新的研究成果，旨在系统评估阿拉伯半岛长期干旱动态，为区域抗旱减灾和气候适应提供更精准的科学依据。
为了回答上述问题，研究团队采用了多指标综合方法、趋势分析技术和机器学习驱动的归因分析。关键技术方法包括：使用ERA5再分析数据集提供气象变量；计算标准化降水指数（SPI）、标准化降水蒸散发指数（SPEI）和蒸发需求干旱指数（EDDI）在3个月、6个月和12个月尺度上的干旱指标；运用游程理论定义干旱事件并量化其持续时间和严重性；采用改进的Mann-Kendall检验和Sen斜率量化长期趋势；应用创新的可视化趋势分析（IV-ITA）来识别干旱严重程度的非对称分布变化；以及构建基于SHAP（SHapley Additive exPlanations）的XGBoost机器学习模型，以确定影响干旱严重程度的关键气象驱动因子。
研究结果
1. 研究区域概况
阿拉伯半岛面积超过320万平方公里，包括沙特阿拉伯、也门、阿曼等七国。其地形多样，从沿海平原到内陆沙漠（如鲁卜哈利沙漠），再到西南部和也门北部超过3500米的高地。大部分地区年平均降水量低于100毫米，但红海高地因地形抬升作用年降雨量可达777毫米。蒸发量远大于降水量，导致持续性缺水，使其成为高度易受气候变化影响的地区。
2. 主要干旱事件
在1975-2024年期间，研究发现了多个主要的干旱事件，包括1983–1984年、1999–2002年、2007–2009年、2014–2015年和2021–2023年发生的严重干旱。其中，东南和西南区域被确定为最容易遭受干旱的地区。
3. 不同干旱指数表现对比
在所有时间尺度上，纳入温度和潜在蒸散发的SPEI和EDDI与仅基于降水的SPI相比，显示出更高的干旱强度、更早的发生和更长的持续性。这突显了温度升高和蒸发需求增加在阿拉伯半岛干旱演变中的关键作用，尤其是在捕捉“骤旱”（flash drought）方面，EDDI显示出其优势。
4. 干旱趋势的非线性变化
通过应用改进的Mann-Kendall检验和创新的可视化趋势分析（IV-ITA），研究发现干旱分布存在非对称变化，证实了极端干旱事件正在加剧。
5. 干旱属性的概率分析
干旱的持续时间和严重性被建模为概率分布，研究使用对数正态分布来拟合这些属性。通过Copula函数（高斯和弗兰克Copula为最优模型）捕捉持续时间和严重性之间的依赖关系，为联合概率分析和重现期计算提供了基础。
6. 关键气象驱动因子识别
SHAP（基于SHapley可加性解释）分析揭示了影响干旱严重性的主导气象驱动因子。露点温度、降水量和最高气温是关键变量，而风速的影响相对较小。这一发现强调了在干旱监测中，除了降水亏缺外，温度和湿度也是至关重要的因素。
结论与讨论
本研究通过整合SPI、SPEI和EDDI三种干旱指数，对阿拉伯半岛1975-2024年的干旱特征进行了综合评估，揭示了该地区干旱的时空格局、长期趋势和关键驱动机制。主要结论如下：阿拉伯半岛的主要干旱期明确可辨，东南和西南区域是干旱易发区。SPEI和EDDI在所有时间尺度上都比SPI表现出更高的强度，证实了温度升高和大气蒸发需求增加在加剧干旱方面的主导作用。IV-ITA趋势分析方法揭示了极端干旱事件正在加剧的非对称变化。基于Copula的联合概率分析为干旱风险评估提供了新的视角，强调了多变量模型的重要性。SHAP-XGBoost模型成功识别出露点温度、降水和最高气温是干旱严重性的主要驱动因子，这为基于过程的干旱机制理解和早期预警系统的开发提供了关键洞见。
这项研究的意义在于，它首次将EDDI整合到阿拉伯半岛的干旱多指标监测框架中，并采用了创新的趋势分析和机器学习归因方法。这些发现强调了在阿拉伯半岛及类似干旱区，需要采用超越单一降水指数的多指标监测方法，并制定考虑温度和蒸发需求影响的区域特异性适应策略，以增强对日益严重的干旱灾害的气候抵御能力。
