全球主要农田突发干旱（flash drought）同时发生的风险上升：气候变暖与ENSO的影响

作者及发表信息
本研究由印度理工学院甘地讷格尔分校（Indian Institute of Technology Gandhinagar）的Shanti Shwarup Mahto和Vimal Mishra合作完成，发表于2023年4月的*Environmental Research Letters*（Environ. Res. Lett. 18 044044）。研究聚焦气候变化对全球粮食安全的威胁，尤其关注突发干旱在主要农田区域的协同发生及其驱动机制。

学术背景
全球农田（约16亿公顷）是粮食安全的核心，但近年来气候变化导致极端干旱事件频发，威胁小麦、玉米和水稻等主粮生产。传统干旱研究较多，但突发干旱（flash drought）——一种由快速土壤水分耗竭引发的干旱——的协同发生及其驱动因素尚未明确。本研究旨在填补这一空白，通过观测数据（1981–2020年）和CMIP6气候模型预测，分析全球16个主要农田区域突发干旱的频率、驱动因素及其与厄尔尼诺-南方振荡（ENSO）的关系。

研究流程与方法

1. 数据来源与处理

   • 观测数据：使用欧洲中期天气预报中心（ECMWF）的ERA5再分析数据，包括每日气温、露点温度、土壤湿度（SM）和降水。卫星土壤湿度数据来自GLEAM模型，降水数据来自全球降水气候计划（GPCP）。
     
   • 气候模型：采用9个CMIP6模型（如ACCESS-CM2、MIROC6等）的模拟数据，涵盖历史时期（1981–2014年）和未来情景（SSP1-2.6至SSP5-8.5）。数据空间分辨率统一为1°（约110公里）。
     

2. 突发干旱的定义与识别

   • 定义：突发干旱需满足三个条件：（1）快速发生（土壤湿度在3个5天时段内从40百分位降至20百分位以下）；（2）持续干旱（至少2个时段土壤湿度低于20百分位）；（3）终止条件（土壤湿度回升至30百分位以上）。
     
   • 频率计算：突发干旱频率为干旱时段占总时段的百分比。
     

3. 驱动因素分析

   • 水汽压差（VPD）：通过饱和水汽压与实际水汽压的差值计算，反映大气干旱程度。
     
   • ENSO影响：利用尼诺3.4区海表温度（SST）异常识别厄尔尼诺（El Niño）和拉尼娜（La Niña）事件，分析其与突发干旱协同发生的关系。
     

4. 统计方法

   • 趋势分析采用Mann-Kendall检验和Sen斜率估计；主导性分析（dominance analysis）评估降水和VPD对突发干旱的相对贡献。
     

主要结果

1. 观测期（1981–2020年）的变化

   • 气候趋势：全球主要农田显著变暖（1–2°C），欧洲升温最高（2.5°C）；降水呈空间异质性，南美、东非等地减少15%以上。
     
   • 突发干旱频率：南美、欧洲、东南亚等区域频率上升10%以上，而加拿大和南亚因降水增加略有下降。2012年全球11个主要农田同时发生突发干旱，导致玉米和小麦减产30%以上。
     

2. 未来预测（2071–2100年）

   • 9/16的农田区域突发干旱频率将进一步增加，欧洲、北美东部等地增幅达8–12%。VPD是主要驱动因素，贡献率达60%。
     
   • ENSO正相位（El Niño）导致10/16的农田区域突发干旱协同发生风险上升，未来其影响可能加剧。
     

3. 驱动机制

   • VPD主导：在观测和未来情景中，VPD对突发干旱的贡献均超过降水，尤其在变暖背景下，大气干旱加剧土壤水分流失。
     
   • ENSO的作用：El Niño年突发干旱协同发生概率比La Niña年高30%，且未来El Niño事件频率增加可能进一步放大风险。
     

结论与意义
1. 科学价值：首次量化了全球农田突发干旱协同发生的风险，揭示了VPD和ENSO的关键作用，为气候-农业耦合研究提供了新视角。
2. 应用价值：研究结果警示，未来粮食生产可能面临更频繁的复合极端事件，需加强适应性管理（如灌溉优化和早熟作物育种）。
3. 政策建议：国际粮食贸易体系需建立针对协同干旱的应急储备机制，以缓解价格波动对低收入国家的冲击。

研究亮点
1. 方法创新：结合多源数据（再分析、卫星、CMIP6）和主导性分析，明确了VPD的主导地位。
2. 发现新颖性：揭示了ENSO对突发干旱协同发生的调控机制，未来El Niño事件可能成为粮食危机的放大器。
3. 全球尺度：覆盖16个主要农田区域，为区域差异化应对策略提供了依据（如南亚需关注 monsoon 增强的缓冲作用）。

其他有价值内容
研究指出，尽管技术进步（如CO₂施肥效应）可部分抵消干旱损失，但突发干旱的快速性使其难以通过传统灌溉缓解，凸显了早期预警系统的重要性。此外，CMIP6模型未考虑人类干预（如灌溉）的影响，未来研究需进一步耦合社会经济因素。