《Journal of Environmental Management》：Comprehending the impact of hydro-meteorological droughts on ecosystem vulnerability and resilience across the Indus River Basin in Pakistan
编辑推荐：
本研究基于贝叶斯模型开发了信德河盆地集成的干旱指数（CIDI），通过整合SPEI和SWAI，结合BVAR筛选敏感农业干旱指标，利用BPCA和BMA优化权重分配，发现CIDI在27个子流域中表现更稳健。生态系统脆弱性分析表明，上中游易受温度和植被指标影响，下游呈现高抗逆性。研究强调多维度干旱耦合效应及气候-土地利用时空异质性。
Khalil Ur Rahman|Shahanshah Abbas|Aftab Haider Khan|Songhao Shang|Anwar Hussain|Deqiang Mao
山东大学土木工程学院，中国山东济南，250061
摘要
本研究开发了一种基于流域的综合干旱指数（CIDI），适用于巴基斯坦的印度河流域。该指数通过系统整合标准化降水蒸散指数（SPEI）和标准化水资源可用性指数（SWAI）来构建。首先，使用贝叶斯向量自回归方法筛选出对SPEI和SWAI敏感的农业干旱指标，然后利用贝叶斯主成分分析（BPCA）分别开发基于SPEI的农业干旱指数（SPEI-IADI）和基于SWAI的农业干旱指数（SWAI-IADI）。最后，通过贝叶斯模型平均法得到CIDI。在印度河流域的27个流域中对CIDI、SPEI-IADI和SWAI-IADI进行了全面评估。1990年至2023年间，利用基于遥感的生态指数评估了这些流域的生态系统对干旱的脆弱性和恢复力，评估间隔为0.25°×0.25°。研究结果表明：在上游印度河流域（UIB），SPEI与标准化土壤湿度指数（SSMI）和植被状况指数（VCI）之间没有显著的相关性；在中游印度河流域（MIB），SPEI与SSMI及基于算术平均值的植被健康指数（VHIa）之间也没有显著相关性；在下游印度河流域（LIB），SPEI与SSMI之间同样没有显著相关性。相比之下，SWAI与SSMI、TCI及VHIa之间的相关性更为明显。BPCA揭示了温度在干旱发生、时空传播及转变过程中的重要作用。然而，在MIB中，某些像素的BPCA权重受到温度和植被指标的共同影响而表现出显著变化。贝叶斯模型平均法给予SWAI-IADI的权重最低，可能是因为其影响时间和传播时间较短。CIDI作为一种更为稳健的指数，其表现优于SPEI-IADI和SWAI-IADI。总体而言，研究发现LIB和MIB的生态系统在空间和时间上都极为脆弱，而UIB则因良好的冰冻圈和气候条件而具有较高的恢复力。这些发现强调了在开发综合干旱指数时整合生态系统脆弱性以及考虑气象干旱和水文干旱因素的重要性。
引言
干旱是一种多方面、极具破坏性且复杂的自然灾害，由极端气候变化引发（Rahman等人，2024年；Xu等人，2024年）。干旱的复杂性涉及多个关键因素，包括水文循环的变化、自然和人为因素的贡献，以及土壤、植被和大气之间的复杂相互作用（Tang等人，2025年；Vicente-Serrano等人，2020年）。干旱通常影响范围广泛，持续时间较长，对农作物产量、生态系统（Müller和Bahn，2022年）和经济造成严重影响。随着全球变暖和气候变化的加剧，干旱的强度、持续时间和范围都在增加（Tang等人，2025年；Xu等人，2022年）。干旱被视为水资源、粮食和生态系统可持续性的主要威胁之一（Xu等人，2024年）。因此，开发可靠的干旱指数（尤其是综合干旱指数IDIs）至关重要，这些指数需要具备出色的稳健性，以便有效识别和缓解干旱。
根据干旱的影响和特征，干旱可分为四种类型：气象干旱、水文干旱、农业干旱和社会经济干旱（Mishra和Singh，2010年；Shukla和Wood，2008年；Vicente-Serrano等人，2012年；Zhang等人，2024年）。多项研究表明，这些干旱类型之间存在相互关联，且随着气候变化、土地利用和环境变化的加剧，这种关联性愈发明显（Shao等人，2022年）。为监测干旱的频率、严重程度和持续时间，人们提出了多种干旱指数，其中标准化干旱指数最为稳健和常用（Van Loon等人，2016年）。例如，标准化降水蒸散指数（SPEI）（McKee等人，1993年；Vicente-Serrano等人，2020年）用于监测气象干旱；标准化径流指数和标准化水资源可用性指数（SWAI）用于表征水文干旱（Lan等人，2024年；Vicente-Serrano等人，2012年）。农业干旱通常通过遥感技术进行评估，常用的指标包括植被状况指数（VCI）、温度状况指数（TCI）和植被健康指数（VHI）（Kogan，1995年）。
尽管有这些独立的干旱指数，但目前的研究正致力于开发更为稳健的综合干旱指数（IDIs）。例如，Rahman等人（2024年）利用结构方程建模和贝叶斯主成分分析（BPCA）开发了综合农业干旱指数（IADI），整合了TCI、VCI、VHI、土壤湿度状况指数和温度植被干燥指数（TVDI）。另一项研究则结合降水状况指数、VCI和TCI开发了缩放干旱状况指数。Zhang和Jia（2013年）通过整合降水状况指数、TCI和SSMI开发了微波综合干旱指数。除了使用统计和机器学习技术整合基于遥感的干旱指数外，还有一些研究将基于实地的干旱指数与遥感指数相结合来开发IDIs。例如，Kao和Govindaraju（2010年）基于双变量copula理论开发了联合指数，考虑了降水和径流数据。Hao和AghaKouchak（2013年）利用土壤湿度和降水数据开发了多变量标准化干旱指数。
农业和生态系统对频繁的严重干旱事件极为脆弱，尤其是在印度河流域（IRB）。IRB具有极端的水文气候特征，从上游UIB的冰川气候逐渐过渡到中游MIB的湿润气候，再到下游LIB的极端干旱气候。UIB的冰川融化提供了IRB下游流量的40%以上，这种依赖性使得该地区对温度引起的干旱尤为敏感，其中气象干旱是水资源短缺的主要驱动因素。春季温度低于平均水平会导致水文干旱；相反，快速升温则会引发冰川融化，进而引发洪水。跨境水资源问题进一步加剧了这种脆弱性，尤其是在喀布尔河和旁遮普省的五条河流中，这些问题改变了环境流量，加剧了生态系统的脆弱性。
因此，迫切需要开发稳健的干旱指数，例如本研究中的流域尺度干旱指数（CIDI），以评估复杂干旱相互作用对生态系统的影响。CIDI是一种新型综合指数，它整合了气象干旱、农业干旱和水文干旱，考虑了它们的滞后时间、时空传播特性以及过渡特征。本研究的目标包括：i) 使用Rahman等人（2025年）提出的方法，通过动态权重系统计算SPEI、SWAI和VHIa在空间和时间上的传播；ii) 通过贝叶斯向量自回归（BVAR）和贝叶斯主成分分析（BPCA）逐步推导出SPEI、SWAI、VHIa和IADI指数，并将其整合为CIDI；iii) 在27个流域的像素尺度上评估CIDI；iv) 利用基于遥感的生态指数（RSEI）评估IRB代表性像素的生态系统对干旱的脆弱性。
研究区域
印度河流域（IRB）是世界上最大和最重要的河流流域之一，流经巴基斯坦（56%）、印度（26.6%）和中国（10.7%）（Archer等人，2010年）。印度河是IRB的主要支流，发源于青藏高原，主要由UIB的降水和冰川/积雪融化补给。巴基斯坦境内的IRB（图1）位于北纬24.02°至37.07°、东经66.20°至82.50°之间，面积为855,045平方公里。IRB的地形复杂
方法论
所提出方法论的结构框架如图2所示，包括三个主要阶段：(i) 计算气象干旱、水文干旱和农业干旱指数及其在流域内的传播/转变，同时考虑滞后时间。在像素尺度上计算出的SPEI、SWAI和VHIa被汇总到流域尺度，并通过PCA系统地传播到下游。计算SPEI、SWAI和ADIs的详细步骤见
综合农业干旱指数
使用耦合的BVAR和BPCA方法为IRB的27个流域开发了IADI，同时考虑了SPEI和SWAI的影响。首先使用BVAR分析SPEI/SWAI与ADIs之间的因果关系，并设定阈值系数0.5来筛选/排名每个像素上的敏感ADIs。图3和S1展示了IRB中BVAR系数（SPEI–ADIs和SWAI–ADIs）的空间分布。结果显示，SSMI和VCI之间的因果关系较弱
印度河流域的干旱状况与特征
巴基斯坦的IRB面临极端气候事件的显著增加，干旱是最关键且最频繁的自然灾害，其成因包括气候变化和人为活动。干旱的频率和严重程度正在加剧，研究表明每十年大约发生三次中度至重度的干旱事件。因此，进行区域干旱评估并开发稳健的干旱指数至关重要
结论
印度河流域（IRB）正面临日益严重的干旱风险，但由于流域的复杂动态，传统的独立干旱指数往往无法准确捕捉干旱情况。为解决这一问题，本研究采用了一种新的贝叶斯框架，结合贝叶斯向量自回归（BVAR）、贝叶斯主成分分析（BPCA）和贝叶斯模型平均法（BMA）开发了基于流域的综合干旱指数（CIDI）。
CRediT作者贡献声明
Khalil Ur Rahman：撰写初稿、可视化处理、验证、软件开发、方法论设计、概念构思。Shahanshah Abbas：验证、软件开发、形式化分析。Aftab Haider Khan：验证、软件开发、数据整理。Songhao Shang：撰写、审稿与编辑、监督、方法论设计、概念构思。Anwar Hussain：撰写、审稿与编辑、软件开发、方法论设计。Deqiang Mao：撰写、审稿与编辑、监督、资源协调、方法论设计。
资助
本研究得到了山东大学的基础研究资助（资助编号：31410061340019）。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
作者感谢巴基斯坦气象部门（PMD）和水资源与电力开发局（WAPDA）提供现场数据。
