內(nèi)蒙古各氣候區(qū)主要作物生長季干旱特征及其與響應(yīng)因子回歸模型

高曉瑜， 湯鵬程， 張 莎， 屈忠義， 楊 威

（1.內(nèi)蒙古農(nóng)業(yè)大學水利與土木建筑工程學院，內(nèi)蒙古 呼和浩特 010018；2.中國水利水電科學研究院牧區(qū)水利科學研究所，內(nèi)蒙古 呼和浩特 010020）

在全球變暖背景下，水分平衡變化直接改變了土壤表面濕潤程度，也間接導致了氣象災(zāi)害的發(fā)生，進而引起作物減產(chǎn)、生態(tài)環(huán)境惡化等問題［1-2］。在中國也表現(xiàn)得非常明顯，尤其是北方地區(qū)［3］。內(nèi)蒙古地區(qū)東西跨度較大，大部分地區(qū)對氣象因子變化較敏感，干旱的發(fā)生對內(nèi)蒙古地區(qū)的草原和農(nóng)業(yè)系統(tǒng)生態(tài)環(huán)境及經(jīng)濟發(fā)展均會產(chǎn)生嚴重的影響。頻次高、持續(xù)時間長的干旱對內(nèi)蒙古各氣候區(qū)作物生長發(fā)育造成嚴重損失，甚至影響糧食安全［4］。因此，研究作物生長期干旱的分布特征，對該地區(qū)干旱的評估及其對糧食安全的影響具有重要意義。

干旱的研究多依賴于干旱指數(shù)或濕潤指數(shù)，如標準化降水指數(shù)（Standard Precipitation Index,SPI）［5］、降水距平百分率（Precipitation Anomaly Percentage,PA）［6］、帕爾默干旱指數(shù)（Palmer Drought Severity Index, PDSI）［7］和標準化降水蒸散指數(shù)（Standardized Precipitation Evapotranspiration Index, SPEI）［8］；SPI方法僅考慮了降水的作用，但其并非唯一因素，具有一定的局限性［9-10］。PA方法將復(fù)雜的干旱現(xiàn)象歸結(jié)于單一的原因，未能反映干旱的機理［11］；朱燁等［12-13］在中國區(qū)域用PDSI 方法進行旱情評估，但PDSI 適用于長期干旱，對短期干旱難以評估。

SPEI方法能綜合考慮降水和蒸散的作用，且能基于多時間尺度內(nèi)合理評估干旱［14］。研究表明，基于Penman-Monteith 公式得到的SPEI 更能合理地描述中國北方地區(qū)干濕變化特征［15］。已有學者利用SPEI 評價了中國部分區(qū)域包括內(nèi)蒙古地區(qū)的干旱時空格局特征。莊少偉等［16］對比了SPI和濕潤指數(shù)H，對SPEI 方法在中國區(qū)域的應(yīng)用情況進行了分析；劉宇等［17］采用SPEI 方法，發(fā)現(xiàn)渭北黃土臺塬區(qū)春季干旱演變對年干旱的貢獻率最大；張煦庭等［18］利用SPEI 方法，分析了內(nèi)蒙古干旱時空特征，明確了其對氣候變化的響應(yīng)。關(guān)于內(nèi)蒙古地區(qū)的干旱研究多側(cè)重于某一點或整個區(qū)域的干旱特征，對不同氣候區(qū)作物生長季的干旱及其氣象驅(qū)動因子涉及較少，而厘清作物生長季干旱及其驅(qū)動因子，對指導實際農(nóng)牧業(yè)生產(chǎn)具有重要意義。

本研究基于1981—2012 年的氣象數(shù)據(jù)，利用SPEI方法，對內(nèi)蒙古各氣候區(qū)的作物生長季干旱特征及其驅(qū)動因子進行分析，并利用2014—2020年的數(shù)據(jù)對回歸模型進行驗證，明確各氣候區(qū)作物生長季干旱高發(fā)時間與具體區(qū)域，研究干旱規(guī)律與本質(zhì)，對于合理制定應(yīng)對干旱發(fā)生的措施具有實際指導意義。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況與數(shù)據(jù)處理

內(nèi)蒙古位于中國北部，面積118.3×104km2，約占中國陸地面積的八分之一（圖1）。由于內(nèi)蒙古地區(qū)東西跨度較大，涉及的多個氣候區(qū)具有不同的干旱特征及影響因子。根據(jù)聯(lián)合國防治荒漠化公約提出的全球干旱指數(shù)，將內(nèi)蒙古全區(qū)由西向東劃分為5個氣候區(qū)：特干旱、干旱、半干旱、干旱半濕潤和濕潤半濕潤［19］。內(nèi)蒙古全區(qū)冬季較長且寒冷，春季較干旱且有風，降水主要集中在夏季，占年降水量的60%～70%；年平均氣溫為-4～10 ℃，年平均降水量為50～550 mm，年參照作物需水量為570～1674 mm［20］。

研究數(shù)據(jù)主要基于50 個氣象站點1981—2020年逐日平均氣溫、最高氣溫、最低氣溫、平均風速、平均氣壓、日照時數(shù)、平均相對濕度、降水量數(shù)據(jù)。圖1顯示了所有氣象站點的分布，由于吉柯德、阿拉善右旗、杭錦后旗和伊金霍洛旗4 個站點存在氣象數(shù)據(jù)不連續(xù)現(xiàn)象，故1981—2012年的干旱分析采用了46 個氣象站點的數(shù)據(jù)，由于氣象站點數(shù)據(jù)不全，2014—2020 年驗證的數(shù)據(jù)采用了平均分布在全區(qū)的20個氣象站點的數(shù)據(jù)，2013年只獲取了少數(shù)氣象站點的數(shù)據(jù)，因此驗證從2014年的數(shù)據(jù)開始。

圖1 研究區(qū)位置示意圖Fig.1 Location of study area

1.2 研究方法

1.2.1 標準化降水蒸散指數(shù)（SPEI）

（1）計算潛在蒸散量

SPEI 計算原理是利用降水量與蒸散量差值偏離平均狀態(tài)的程度來表征某地區(qū)的干旱［18］。用Penman-Monteith 公式得到的潛在蒸散不僅考慮溫度因子，還加入風速、氣壓和相對濕度等要素，無論在干旱區(qū)還是在濕潤區(qū)都與實測參考作物蒸散量較為符合［14］。因此，本文采用Penman-Monteith 公式來計算潛在蒸散量［21］。

式中：Rn為植被表面凈輻射量，W·m-2；G為土壤熱通量，W·m-2；Δ 為飽和水汽壓-溫度關(guān)系曲線的斜率，kPa·℃-1；γ為濕度計常數(shù)，kPa·℃-1；T為空氣平均溫度；u2為地面2 m高處的平均風速，m·s-1；es為飽和水汽壓，kPa；ea為實際水氣壓，kPa。

（2）計算氣候水平衡

計算氣候水平衡，即逐月降水量與蒸散量的差值Di：

式中：i為研究時段內(nèi)月序，隨時間遞增；R為降水量，mm；PET 為潛在蒸散量，mm。

（3）建立不同尺度下氣候?qū)W意義的水分盈/虧累積序列

式中：k為月時間尺度；n為計算次數(shù)。

（4）計算概率加權(quán)距（ws）、概率密度函數(shù)［F(x)］的參數(shù)以及進行累積概率（P）計算，具體計算過程見李偉光等［22］的研究。

（5）計算標準化降水蒸散指數(shù)（SPEI）值

對序列進行正態(tài)分布標準化，得到對應(yīng)的SPEI值。

1.2.2 干旱等級標準 SPEI 具有多時間尺度特征，本文計算得到50個站點不同時間尺度的SPEI（包括1、3、6、12 個月），基于SPEI 的干旱等級標準［18］如表1所示。

表1 SPEI干旱等級標準Tab.1 SPEI drought rating criteria

1.2.3 干旱特征及其主導氣象因子提取和回歸模型驗證 本研究分別計算了1981—2020 年1、3、6、12個月尺度的SPEI值，用于分析內(nèi)蒙古地區(qū)多時間尺度的干旱特征。5—9 月為內(nèi)蒙古各氣候區(qū)作物的主要生長季，SPEI-1分析作物生長季的干旱特征簡便易行，SPEI-3 和SPEI-6 考慮了前期的降水補充土壤水分的累積效應(yīng)，有一定應(yīng)用價值，而SPEI-12則包含了作物非生育期的降水，故應(yīng)用效果較差；因此，本研究采用月尺度的干旱特征［23］，對5—9 月各月的干旱變化及干旱頻率進行分析，以揭示作物生長季內(nèi)的干旱時空特征。

氣象因子是影響干旱的主要因素，本研究采用多元線性回歸的方法，基于SPSS 軟件構(gòu)建SPEI-1與各個氣象因子的逐步線性最佳回歸模型，確定SPEI-1的最佳模型的氣象因子及其通徑系數(shù)，確定干旱主導因子。

針對所構(gòu)建的回歸模型，采用2014—2020年的氣象數(shù)據(jù)對其進行驗證與誤差分析，進一步確定其在各氣候區(qū)的適用性。模型的適用性的判別標準較多，本文以實際計算值與模型估算值之間的均方根誤差（Root Mean Squared Error，RMSE）、平均相對誤差（Mean Relative Error, MRE)、納什系數(shù)（Nash-Sutcliffe Efficiency Coefficient, NSE)、決定系數(shù)（R2）和回歸系數(shù)（Regression Coefficient,b）來表征模型的精確程度，各指標計算方法如下：

式中：N為觀測值的個數(shù)；Pi和Oi分別為第i天的預(yù)測值和實測值（i=1,2,3,…,N）；Pˉ和Oˉ為預(yù)測值和實測值的平均值；R2和b越接近于1，表示模型模擬效果越好；MRE 和RMSE 值越小，表示模型模擬效果越好；NSE 越接近于1，表示模擬效果越好，接近于0，表示模型效果可行，當NSE遠遠小于0時，表示模型不可行。

2 結(jié)果與分析

2.1 內(nèi)蒙古地區(qū)1981—2020年干旱多時間尺度特征

圖2 為1981—2020 年不同時間尺度SPEI 值變化，當時間尺度較短時（1、3、6個月），SPEI可以很好地表征氣象干旱特征，反映區(qū)域?qū)嶋H干旱特征。1981—2020 年，內(nèi)蒙古地區(qū)整體干旱情況較嚴重，每年都會有不同程度的干旱發(fā)生，且主要集中在5—9 月，這與主要作物生長季重合較多，容易使作物生長受到影響。當時間尺度較大時（12 個月），SPEI同樣可以反映區(qū)域氣象干旱特征，1981—2020年，內(nèi)蒙古地區(qū)整體氣候經(jīng)歷了干旱由偏輕到偏重再到偏輕的干旱過程，尤其是在1998—2008 年，干旱程度較嚴重，整體SPEI值小于其他時間段。隨著時間尺度的增大，SPEI所反映的氣候規(guī)律會出現(xiàn)一定程度滯后，但規(guī)律性更加明顯。綜上所述，SPEI-1可以反映干旱程度，同時考慮了1個月時長的干旱能夠影響作物的生長進程，因此采用SPEI-1值分析5—9月作物主要生長季的干旱情況。

圖2 1981—2020年不同時間尺度SPEI值變化Fig.2 Change of SPEI values in different time scales from 1981 to 2020

2.2 主要作物生長季干旱特征

作物生長期間月平均SPEI-1 值的年際變化如圖3。從40 a 的SPEI-1 值變化來看，其中有19 a 的SPEI-1 值小于-0.5，即出現(xiàn)干旱情況。尤其是在1999—2011年，除了2003年月平均SPEI-1為-0.36，其余均小于-0.5，同時該時段的降水量明顯偏低，而蒸散量偏高。該時段內(nèi)作物生長階段月平均降水量較平常年份偏少約11.86 mm，而月平均蒸散量卻增加約4.91 mm，因此會引起作物生長季的干旱。2012年后干旱有所緩解，除了2017年出現(xiàn)一定程度的干旱，其余年份平均SPEI-1均大于-0.5。

圖3 1981—2020年作物生長季平均SPEI-1值、參考蒸散量和降水量Fig.3 Change of average SPEI-1,potential evapotranspiration and precipitation in crop growing season from 1981 to 2020

由圖4可知，隨著時間推移，干旱面積呈現(xiàn)逐漸減少的趨勢，5月和6月的干旱程度顯著大于7月、8月和9 月。5 月干旱面積和程度均最大。在5 月，90%的地區(qū)存在發(fā)生干旱的可能，且大部分地區(qū)會發(fā)生中旱及重旱，而5月正是作物的出苗期，該階段的干旱會對作物減產(chǎn)帶來較大的危害。從5—9月，特旱和重旱的面積變化逐漸減少；6 月隨著雨季來臨干旱面積明顯減少，7 月、8 月和9 月出現(xiàn)特旱的可能性較??；8月開始重旱面積出現(xiàn)的可能性很小，而中輕旱面積與7月差異不大，8月和9月主要以中輕旱為主。

圖4 1981—2020年全區(qū)作物生長季干旱面積百分比平均值Fig.4 Average percentage of drought area in crop growing season from 1981 to 2020

1981—2020 年作物生長季內(nèi)蒙古各氣候區(qū)每月發(fā)生不同等級干旱面積百分比的平均值如圖5所示。無干旱情況發(fā)生的概率為42%，主要集中在內(nèi)蒙古東部及中東部偏濕潤地區(qū)；輕度干旱平均發(fā)生概率為17%，多發(fā)生于內(nèi)蒙古的中部、中西部及西部地區(qū)；內(nèi)蒙古特干旱地區(qū)發(fā)生中度干旱的概率為48%，比濕潤半濕潤地區(qū)高37%；重度干旱發(fā)生概率平均為13%，且每個地區(qū)發(fā)生的概率相差不大，而特大干旱在東部濕潤地區(qū)發(fā)生的概率反而較大，平均為3%。

圖5 1981—2020 年作物生長季內(nèi)蒙古各區(qū)域干旱面積百分比平均值Fig.5 Average percentage of drought area in crop growing season from 1981 to 2020 in various regions

此外，從6 月開始干旱情況有所緩解。由圖6可知，各氣候區(qū)5—9 月的降水量為全年最大，但是每月的月平均降水量均小于蒸散量，因此也均會有不同程度的干旱發(fā)生。雖然6 月降水開始明顯增加，但蒸散也是全年最高，水分虧缺嚴重，因此6 月的干旱仍比較嚴重。7月、8月隨著月均降水量與月均蒸散量差值的縮小，干旱情況較5 月、6 月有所緩解。9月比7月和8月降水蒸散差值變化較小，但干旱面積仍有減少的趨勢。

圖6 1981—2020年作物生長季各氣候區(qū)月平均降水量和潛在蒸散量Fig.6 Average monthly precipitation and potential evapotranspiration during crop growing season in various climate areas from 1981to 2020

作物生長季內(nèi)每個月發(fā)生干旱（SPEI≤-0.5）頻率的空間分布及生長季所有月份平均頻率分布如圖7所示。內(nèi)蒙古西部的阿拉善地區(qū)、河套灌區(qū)，包頭東部、中部的朱日和、阿巴嘎旗及東部的呼倫貝爾等地區(qū)為干旱發(fā)生的主要地區(qū)。

圖7 作物生長季各氣候區(qū)干旱頻率分布Fig.7 Drought frequency distribution during crop growing season in various climate areas

另外，5 月和6 月是作物出苗及拔節(jié)的關(guān)鍵時期，該時段除了東北部地區(qū)外，其他地區(qū)發(fā)生干旱的可能性均較大。5月、6月干旱的發(fā)生會導致作物生長受限。7月、8月、9月也均有大面積干旱發(fā)生，主要以輕旱和中旱為主。9月內(nèi)蒙古東部地區(qū)發(fā)生中重度干旱的概率增大，但9月處于作物生長末期，對作物影響較小。整體而言，內(nèi)蒙古地區(qū)從西到東，干旱發(fā)生的頻率逐漸減小。從時間變化來看，作物生長初期干旱情況較嚴重。

2.3 作物生長季的干旱主導氣象因子

采用各月及生長季SPEI-1 值進行分析，利用Kolmogorov-Smirnov 法進行正態(tài)化檢驗，結(jié)果如表2。各氣候區(qū)各時段的Kolmogorov-Smirnov 顯著性均大于0.05，因此月尺度SPEI值在各氣候區(qū)各時段的分布均呈正態(tài)分布，對其進行回歸分析?；貧w模型的建立可以采用較少的氣象數(shù)據(jù)估算干旱指數(shù)，為農(nóng)業(yè)部門進行干旱評估與預(yù)防提供簡便的干旱指數(shù)估算方法。

表2 SPEI-1正態(tài)化檢驗結(jié)果Tab.2 SPEI-1 normalization test results

基于SPSS分析，對各氣候區(qū)作物生長季內(nèi)的月尺度SPEI與對應(yīng)月份的降水、氣溫、相對濕度、日照時數(shù)、風速等氣象因子進行最佳逐步線性回歸（表3）。綜合各氣候區(qū)來看，7月、8月、9月的回歸模型的決定系數(shù)均較高，7月、8月、9月濕潤半濕潤氣候區(qū)、干旱半濕潤氣候區(qū)、半干旱氣候區(qū)、干旱氣候區(qū)、特干旱氣候區(qū)及內(nèi)蒙古全區(qū)的R2平均值分別為：0.862、0.826、0.814、0.877、0.814和0.838，均大于0.8。6 月和生長季平均的最佳回歸模型的R2在0.5左右，僅5月R2較低。

表3 中給出了不同影響因子的標準系數(shù)，不同月份內(nèi)主要影響SPEI-1值的氣象因子不盡相同，從全區(qū)平均來看，5月和6月作用比較大的為最低溫度和相對濕度；而7月、8月、9月的降水對SPEI-1值影響較大，標準化系數(shù)分別為0.936、0.901 和0.894?；谧罴阎鸩骄€性回歸及考慮相對濕度與降水的相關(guān)性，生長季平均作用最大的為相對濕度，標準化系數(shù)為0.798。在5月、6月及生長季平均，SPEI-1與日照時數(shù)也有直接關(guān)系。此外，5月、6月、8月及生長季平均的SPEI-1 值與溫度也有一定的直接關(guān)系，但最高、最低及平均氣溫的影響作用不同，影響較大的均是最低氣溫。因此，影響作物生長季干旱情況的主要氣象因子有相對濕度、降水和氣溫。

表3 各氣候區(qū)作物生長季5—9月最佳逐步線性回歸模型與回歸系數(shù)Tab.3 Regression coefficient of the best stepwise linear regression model from May to September of crop growing season in various climate areas

續(xù)表3

續(xù)表3

從各氣候區(qū)來看，各氣候區(qū)干旱的主導氣象因子也各不相同。在濕潤半濕潤氣候區(qū)、干旱半濕潤氣候區(qū)、半干旱氣候區(qū)、干旱氣候區(qū)和特干旱氣候區(qū)，5月直接影響SPEI-1的氣象因子分別為最低溫度和降水，最低溫度、風速和氣壓，風速、相對濕度和日照時數(shù)，最低溫度，最低溫度、風速和相對濕度。因此，5月影響SPEI-1最主要的氣象因子為最低溫度。

由于月份最佳回歸模型所包含的氣象因子的顯著性均小于0.05，在解釋各個模型時都應(yīng)當保留，且均為各月干旱的主導氣象因子。

各氣候區(qū)及全區(qū)平均5—9 月及生長季平均值線性回歸方程如表4所示。

表4 SPEI-1值與主導氣象因子回歸方程Tab.4 Regression equation between SPEI-1 value and dominant meteorological factors

綜上所述，氣溫在生育期大部分月份都會作用于SPEI-1，因此近年來氣溫的上升會對作物生長季的干旱有直接要影響。雖然7 月、8 月、9 月降水對SPEI-1的作用大于氣溫，但仍需考慮溫度升高引起的干旱。

2.4 各氣候區(qū)回歸模型驗證

采用2014—2020 年的SPEI-1 計算值和對應(yīng)的氣象數(shù)據(jù)，對上述已確定的模型進行驗證，圖8對比了SPEI-1的估算值與計算值。結(jié)果顯示，各氣候區(qū)估算值和計算值的對應(yīng)值均勻地分布在1:1 線兩側(cè)，說明回歸模型均具有較高的精度，能夠較好地利用部分氣象數(shù)據(jù)得到月SPEI值。表5為圖8中各圖的RMSE、NSE、R2、b、MRE。圖8 和表5 均反映出全區(qū)的回歸模型相比各氣候區(qū)的回歸模型，精度較低；如濕潤半濕潤、干旱半濕潤、半干旱、干旱、特干旱氣候區(qū)及全區(qū)7 月的NSE 分別為：0.77、0.91、0.91、0.84、0.84和0.82，說明全區(qū)的回歸模型不能很精確地估算各氣候區(qū)的干旱。

表5 各氣候區(qū)回歸模型誤差Tab.5 Errors of regression models in various climate areas

圖8 各氣候區(qū)SPEI-1的估算值與計算值對比Fig.8 Comparison of predicted and calculated values of SPEI-1 in various climatic regions

對比同一氣候區(qū)各月的回歸模型，5 月和生長季平均的模型估算效果相對其他月份較低，如干旱半濕潤氣候區(qū)5 月、6 月、7 月、8 月、9 月及生長季平均 的NSE 分 別 為：0.05、0.61、0.91、0.97、0.93 和0.51。主要因為5月的干旱較嚴重，影響因素較多，因此模擬精度較低。生長季平均的干旱特征與各月的干旱特征有明顯不同，因此生長季平均的回歸模型不能準確估算各月的干旱指數(shù)。

3 討論

本文選用基于Penman-Monteith 公式的SPEI值，分析了內(nèi)蒙古各氣候區(qū)月尺度下的干旱特征，闡明了內(nèi)蒙古近40 a的干旱變化規(guī)律。與Liu等［24］

的結(jié)論一致，氣候變化大背景下，內(nèi)蒙古在2000—2011 年SPEI 值較前期偏低，表明這10 a 為干旱期。另外，Huang等［25］的研究認為，內(nèi)蒙古地區(qū)主要呈現(xiàn)降水量減少的趨勢尤其是中東部地區(qū)，且會影響該地區(qū)的水資源問題。

針對主要作物生長季（5—9 月）的干旱進行分析，40 a 來主要作物生長季SPEI 值小于0.5 的有19 a，也就是有一半左右的年份會在生長季出現(xiàn)干旱。作物生長季干旱面積百分比顯示，內(nèi)蒙古地區(qū)作物生長季干旱高發(fā)時段主要集中在5—6月，且以中重旱為主，由于5月、6月降水較少，而蒸散量卻很大，與王瀟瀟等［20］的結(jié)論一致。

內(nèi)蒙古地區(qū)作物生長季干旱高發(fā)地區(qū)隨著月份的變化有所差異，整個生長季平均來看，主要集中在中西部及西部干旱半干旱氣候區(qū)，如張煦庭等［18］和那音太［26］研究顯示，內(nèi)蒙古西部地區(qū)降水較少但變異程度大，同時地表蒸散量大，更易出現(xiàn)輕旱和中旱；內(nèi)蒙古東部地區(qū)雖然降水量較大但是參考作物蒸散量也同時上升［27］，因此，如圖6中顯示東部及中東部地區(qū)發(fā)生特旱的概率會高一些，周揚等［5］的研究有類似的結(jié)論。不同氣候區(qū)呈現(xiàn)不同的干旱特點與不同的氣象主導因子，在不同氣候區(qū)如何應(yīng)對和預(yù)測干旱發(fā)生，還需作后續(xù)研究。

目前，關(guān)于內(nèi)蒙古各氣候區(qū)的干旱驅(qū)動因子研究較少，多集中于大尺度的氣象因子分析，如王瀟瀟等［20］分析了內(nèi)蒙古地區(qū)氣象因子的時空變化，發(fā)現(xiàn)了溫度與濕度的整體趨勢，但不能精確刻畫干旱，無法直接用于指導農(nóng)業(yè)生產(chǎn)。本研究發(fā)現(xiàn)，內(nèi)蒙古地區(qū)不同氣候區(qū)作物生長季內(nèi)不同月份主導干旱的氣象因子并不相同，降水和相對濕度是最主要的主導因子；同一時段不同的氣候區(qū)也表現(xiàn)出不一樣的規(guī)律，這些研究成果可以更加準確地指導當?shù)氐霓r(nóng)業(yè)生產(chǎn)。由于降水和相對濕度存在極高的相關(guān)性，所以在模型回歸過程中進行了變量去除，所以回歸公式中降水和相對濕度并未同時出現(xiàn)［23］。

續(xù)圖8

此外，本研究主要針對氣候干旱與氣象因子的關(guān)系，旨在揭示各氣候區(qū)的氣候干旱，為農(nóng)業(yè)干旱災(zāi)害預(yù)防及合理的灌溉等措施提供科學依據(jù)，接下來的研究中應(yīng)將氣候干旱與土壤干旱相結(jié)合向農(nóng)業(yè)干旱過渡，以實現(xiàn)更好地指導農(nóng)業(yè)生產(chǎn)。

4 結(jié)論

（1）1981—2020年內(nèi)蒙古經(jīng)歷了干旱程度先偏輕到偏重又偏輕的過程，1998—2008年干旱情況較為嚴重，其余年份干旱情況較輕。

（2）內(nèi)蒙古各氣候區(qū)作物生長季內(nèi)5月的干旱面積最大和程度最重，90%的地區(qū)可能發(fā)生干旱，且大部分地區(qū)會發(fā)生中旱及重旱，8月和9月主要以中輕旱為主。內(nèi)蒙古西部特干旱氣候區(qū)發(fā)生中度干旱的概率為45%，比東部濕潤半濕潤氣候區(qū)高32%；重度干旱平均發(fā)生概率為14%，每個地區(qū)發(fā)生的概率相差不大，而特大干旱反而在東部濕潤地區(qū)發(fā)生的概率較大，平均為3%。

（3）內(nèi)蒙古作物生長季干旱主導因子隨著時間的變化而不同。5 月、6 月、7 月、8 月、9 月和生長季平均的干旱主導因子分別為：最低溫度、最低溫度、降水量、降水量、降水量和最低溫度；因此，降水和最低溫度是作物生長季最主要的干旱影響因子。從不同空間分布來看，各氣候區(qū)干旱的主導氣象因子也各不相同。如5月從西向東5個氣候區(qū)直接影響SPEI-1 的氣象因子分別為：最低溫度和降水，最低溫度、風速和氣壓，風速、相對濕度和日照時數(shù)，最低溫度，最低溫度、風速和相對濕度，但5 月最主要的干旱主導氣象因子為最低溫度。

（4）各氣候區(qū)回歸模型通過2014—2020 年數(shù)據(jù)的驗證，除了全區(qū)的模型及各氣候區(qū)5 月和生長季的模型外，其余均具有較高的估算精度，能夠為不同氣候區(qū)氣象數(shù)據(jù)缺失情況下的干旱分析提供理論支持。