内蒙古气象干旱向农业干旱的因果、演变及多层传播研究

在全球变暖及人类活动加剧背景下，理解气象干旱（MD）如何传播至不同土壤深度的农业干旱（AD）对保障农业生产安全至关重要。本研究以内蒙为研究区，采用标准化降水蒸散指数（SPEI）和不同土壤深度的标准化土壤湿度指数（SSI）表征MD和AD，并应用Copula函数识别其间的非线性传播关系。通过趋势分析、小波分析和移动窗口法揭示了干旱及其传播时间（PT）的时空演变特征，并构建了整合SHAP与Causal Forest的空间因果关系识别框架，定量评估了不同植被类型下影响MD-AD传播PT的机制。研究发现，MD与AD在中东部呈加剧趋势，西部趋于湿润；MD至第一至三层AD的PT随深度增加而增长，短PT区集中在锡林郭勒中部、呼伦贝尔北部及西部；荒漠草原与沙地植被区PT更短、传播更快；人为因子（CO2、放牧强度）对PT的影响范围和强度普遍大于气象因子，研究结果为区域旱情预警与干旱管理策略制定提供了科学依据。

干旱，作为一种发生频率高、持续时间长、恢复缓慢的极端气候事件，在全球范围内对区域经济和生态系统造成广泛且深远的负面影响。从水文循环的角度来看，干旱通常被分为气象干旱（Meteorological Drought， MD）、农业干旱（Agricultural Drought， AD）、水文干旱（Hydrological Drought， HD）和社会经济干旱四种类型。其中，由长期降水偏少引发的气象干旱是起点，它可以通过水分循环过程，逐步演变为影响土壤墒情和作物生长的农业干旱。这两种干旱类型之间的传播，常常导致比单一干旱事件更为严重的生态和经济损失。尤其是在全球气候变暖的背景下，农业干旱对气象干旱的响应更为敏感，未来由气象干旱发展为农业干旱的概率预计将增加，这对全球粮食安全构成了严重威胁。

然而，干旱的传播机制极其复杂，不仅涉及降水、蒸散等气象因素，还受到流域蓄水能力、含水层特性以及人类活动的深刻影响。传统研究往往基于线性统计方法（如皮尔逊相关、游程理论）来探究干旱传播特征，但实际的干旱传播过程具有显著的非线性特征，线性方法可能无法捕捉极端事件中的放大效应，从而导致传播时间（Propagation Time， PT）估算的偏差。此外，以往的研究多集中于气象干旱与浅层土壤的农业干旱之间的关系，缺乏对深层土壤干旱传播过程的系统考察，也较少将放牧、碳排放等人类活动因素纳入分析框架。这些问题限制了对干旱传播机制，尤其是在不同类型植被覆盖下的空间异质性机制的深入理解。

为了应对上述挑战，本研究以中国典型的干旱半干旱生态系统——内蒙古自治区为研究区域，聚焦于1979年至2022年的长时间序列，旨在定量评估不同土壤深度和植被类型下，气象干旱与农业干旱的时空传播特征及驱动机制。研究旨在回答三个核心问题：第一，内蒙古地区气象干旱与不同深度农业干旱的时空演变趋势如何？第二，气象干旱传播至不同深度农业干旱的传播时间（PT）具有怎样的时空变化规律？第三，自然和人为驱动因子如何在不同植被类型下，空间异质地影响干旱传播时间？

为了回答这些问题，研究人员采用了多层次的研究方法。首先，利用欧洲中期天气预报中心（ECMWF）的ERA5-Land和Agrometeorological Indicators reanalysis（AIR）数据集，分别计算了标准化降水蒸散指数（Standardized Precipitation Evapotranspiration Index， SPEI）和不同深度（swvl₁: 0–7 cm， swvl₂: 7–28 cm， swvl₃: 28–100 cm， swvl₄: 100–289 cm）的标准化土壤湿度指数（Standardized Soil Moisture Index， SSI），以表征气象干旱和农业干旱。其次，使用Sen斜率估计和去趋势预置白Mann-Kendall检验进行趋势分析，并应用连续小波变换分析干旱指数的周期特征。最关键的一步是，采用Copula函数（一种能灵活刻画变量间非线性、非正态依赖结构的统计方法）来识别气象干旱与农业干旱之间的非线性传播关系，并基于移动窗口法计算传播时间（PT）。最后，为了深入探究驱动因子，研究构建了一个结合Shapley Additive Explanations（SHAP）和Causal Forest（CF）的机器学习因果推断框架。SHAP用于评估各驱动因子对模型预测的相对重要性，而Causal Forest则用于量化每个驱动因子对传播时间（PT）的因果效应（方向和大小），从而在像素尺度上揭示影响机制的空間異質性。研究中还整合了来自EDGAR数据库的CO₂排放数据、基于卫星和牲畜普查数据估算的放牧强度（Grazing Intensity， GI），以及温度、降水、潜在蒸散、地表径流、植被指数（NDVI）等自然和人为因子。

3.1. MD和AD的时空分布特征

• •
  时间分布特征：研究发现，从1979年到2022年，SPEI和SSI_swvl1–4在年际和季节尺度（秋季SPEI除外）上均呈显著下降趋势，表明气象干旱和农业干旱均在加剧，且干燥趋势随土壤深度增加而加速。春季的干旱加剧速率最为显著。在所有时间尺度上，气象干旱的发生时间均早于农业干旱，且农业干旱的发生随土壤深度增加而延迟，暗示了干旱在土壤剖面中的传播关系。小波分析进一步揭示，气象干旱和浅层（第一、二层）农业干旱以短周期波动（约0.5–2年）为主，而随着深度增加，长周期波动（≥4年）逐渐占据主导，第四层农业干旱表现为一个长期的干旱演化过程。
• •
  空间分布特征：研究期内，内蒙古超过78%的区域SPEI和SSI_swvl1–4呈干旱化趋势。显著的干旱化加剧主要集中在内蒙古中东部地区，而西部地区（主要在秋季）则主要表现为湿润化趋势。随着土壤深度增加，农业干旱显著加剧的范围和强度呈上升趋势。尽管西部地区整体气象干旱化，但在第一至第三层农业干旱中出现了局部湿润化区域，可能反映了深层土壤水分的补充。

3.2. 不同土壤深度下MD与AD的线性和非线性相关性分析

• •
  线性相关分析：在所有时间尺度上，内蒙古超过73%的区域SPEI与SSI_swvl1–4呈正相关，表明不同深度农业干旱与气象干旱之间存在强关联。其中，SPEI与SSI_swvl1–2在春、夏、秋季及年际尺度的正相关性最强，而SPEI与SSI_swvl4以及冬季的各层相关性普遍较弱。
• •
  非线性小波相干分析：分析揭示了SPEI与SSI_swvl1–4之间显著的非线性耦合特征。在短周期（3个月至1年）内，气象干旱领先于所有土层的农业干旱0.75–6个月。随着土壤深度增加，相关性从正相关逐渐转变为负相关。在1–4年周期（1992–2005年），深层土壤（第三、四层）出现了显著的高相干区。研究还发现了在2009–2012年（约6年周期）和1983–1985年（约9个月至2年周期）的异常相关时段，可能受到了特殊气候事件的影响。

3.3. 从MD到AD的传播时间（PT）

• •
  时空演变：气象干旱传播至第一至第三层农业干旱的传播时间（PT）随土壤深度增加而逐渐延长，但传播至第四层农业干旱的PT增速减缓。冬季的PT增长最快。
• •
  空间分布：短传播时间（< 6个月）的空间范围随土壤深度增加而急剧减小。对于MD-AD_swvl1–3，短PT区集中在呼伦贝尔东北部、锡林郭勒中部和内蒙古西部。而对于MD-AD_swvl4，短PT区则聚集在锡林郭勒西北部。短PT区域本身也呈现出缩短的趋势。
• •
  植被类型差异：针叶林（CNF）、阔叶林（BF）、荒漠草原（DS）和沙地植被（SV）的传播时间显著短于其他植被类型。其中，DS和SV的MD-AD_swvl1–2和MD-AD_swvl4的PT呈现缩短趋势，表明这些区域的农业干旱风险在增加。

3.4. MD到AD传播时间（PT）的驱动因素

• •
  因子重要性：SHAP分析表明，在所有土壤深度，CO₂浓度都是影响传播时间（PT）的最主导因子，其次是放牧强度（GI）。这表明人为因子对PT的影响范围和强度普遍大于气象因子。
• •
  因果效应方向：Causal Forest分析量化了各驱动因子在不同植被类型下的因果效应。总体而言，CO₂、放牧强度（GI）、潜在蒸散（PET）和温度（TM）在大多数植被类型中对PT产生正效应（即延长传播时间）。地表径流（SRF）和总降水（TP）的正效应仅出现在少数植被类型和特定土层。植被指数（NDVI）在大部分地区表现出负效应（即缩短传播时间）。
• •
  空間異質性：驱动因子的效应方向在不同植被类型和土壤深度间存在显著差异。例如，在低植被覆盖的DS和SV区，随着土壤深度增加，各驱动因子的效应方向发生显著变化，体现了气候因子和人类活动对干旱传播过程的非线性调控。具体而言，对于MD-AD_swvl1–2和MD-AD_swvl4，所有影响因素在BF和CNF中以正效应（延长PT）为主，而在DS和SV中则以负效应（缩短PT）为主。

结论与讨论

本研究系统揭示了内蒙古地区气象干旱向不同深度农业干旱传播的复杂时空格局与驱动机制。主要结论可归纳为四点：首先，研究期内内蒙古气象干旱与农业干旱总体呈加剧趋势，且干旱化随土壤加深而加速，空间上表现为“中东部干、西部湿”的格局。其次，气象干旱与农业干旱（尤其是浅中层）存在强烈的正相关，但这种关系随深度增加而减弱甚至反转，并受到异常气候事件扰动。第三，干旱传播时间（PT）随土壤深度增加而延长，短PT区空间分布随深度变化，且在森林和干旱草原生态系统中PT更短，其中荒漠草原和沙地植被区的PT呈现缩短趋势，预警风险升高。第四，人为活动因子（CO₂和放牧强度）对PT的影响超越了自然气象因子，但各因子的效应存在显著的植被类型和土壤深度异质性。

研究的意义在于，它通过整合非线性依赖建模（Copula）与像素级因果推断（SHAP+Causal Forest），突破了传统线性方法的局限，更精准地刻画了干旱传播的非线性特征和复杂驱动机制。这不仅深化了对干旱演变与传播过程的科学认识，而且具有重要的实践价值。研究成果能够为内蒙古乃至类似干旱半干旱区，针对不同植被类型和土壤深度，制定差异化的旱情预警指标和精准的干旱缓解策略（如调整放牧强度、优化植被管理）提供直接的科学依据，对于保障区域农牧业生产安全、维护生态平衡具有重要的指导意义。论文发表于《Agricultural Water Management》期刊。

研究的局限性包括深层土壤水分观测数据稀缺、二元化阈值设定的简化，以及未能深入探讨大尺度气候异常（如研究中检测到的1983、2010年前后信号）与干旱传播的具体关联机制。未来的研究需要融合更高分辨率的数据同化产品，探索基于物理过程的传播临界阈值，并量化生态系统内部结构、作物物候与水分利用策略的局部交互作用，从而将空间显式的因果机制与气候-经济模型相衔接，为区域可持续发展提供更坚实的科学支撑。