高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SPEI的中亚地区1901—2015年干旱时空趋势分析

魏巍 王百田 张克斌

魏巍, 王百田, 张克斌. 基于SPEI的中亚地区1901—2015年干旱时空趋势分析[J]. 北京林业大学学报, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
引用本文: 魏巍, 王百田, 张克斌. 基于SPEI的中亚地区1901—2015年干旱时空趋势分析[J]. 北京林业大学学报, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
Wei Wei, Wang Baitian, Zhang Kebin. Analysis on spatiotemporal trend of drought in the Central Asia region during 1901−2015 based on SPEI[J]. Journal of Beijing Forestry University, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
Citation: Wei Wei, Wang Baitian, Zhang Kebin. Analysis on spatiotemporal trend of drought in the Central Asia region during 1901−2015 based on SPEI[J]. Journal of Beijing Forestry University, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055

基于SPEI的中亚地区1901—2015年干旱时空趋势分析

doi: 10.12171/j.1000-1522.20190055
基金项目: 国家国际科技合作专项项目(2015DFR31130);河北地质大学博士科研启动基金资助
详细信息
    作者简介:

    魏巍,博士。主要研究方向:恢复生态学。Email:weibjfu@126.com 地址:050031 河北省石家庄市裕华区槐安东路136号河北地质大学土地资源与城乡规划学院

    通讯作者:

    王百田,教授,博士生导师。主要研究方向:水土保持学。Email:wbaitian@bjfu.edu.cn 地址:100083 北京市海淀区清华东路35号北京林业大学水土保持学院

Analysis on spatiotemporal trend of drought in the Central Asia region during 1901−2015 based on SPEI

  • 摘要: 目的中亚地区是位于欧亚大陆中心、远离海洋的内陆旱地,其旱地生态系统支持很大比例的人口和经济,评估干旱对该区域可持续性发展有重要意义。方法本研究基于1901—2015年空间分辨率0.5° × 0.5°的标准化降水蒸散指数(SPEI)月数据,应用关联Mann-Kendall检验和Theil-Sen(TS)slope分析了1901—2015年中亚地区1、3、6和12个月的SPEI(SPEI01、SPEI03、SPEI06、SPEI12)的趋势空间分布情况,以评估不同时间尺度的干旱变化。结果研究显示(1)SPEI01在39.24%的研究区面积上呈显著下降趋势(P < 0.05),且我国新疆天山山脉以南地区下降幅度最大,为− 5×10− 4 a1;在45.73%的研究区面积上呈显著上升趋势,其中塔吉克斯坦的上升幅度最大,为3×10− 4 a1。(2)SPEI03在76.32%的研究区面积上呈显著下降趋势(P < 0.05),其中吉尔吉斯斯坦下降幅度最大,为− 4×10− 4 a1;在15.39%的研究区面积上呈显著上升趋势(P < 0.05),其中塔吉克斯坦上升幅度最大,为3×10− 4 a1。(3)SPEI06和SPEI12的趋势空间分布基本相同,且哈萨克斯坦的下降幅度最大,分别为− 3×10− 4和− 5×10− 4 a1,塔吉克斯坦的上升幅度最大,分别为5×10− 4和6×10− 4 a1结论中亚地区年和季节降水的时空变化影响水资源的时空分布,造成不同区域不同时间尺度的湿润化和干旱化趋势。对于哈萨克斯坦中部、土库曼斯坦西南部和我国新疆天山以南地区出现的短期和中长期干旱化趋势以及中亚大面积区域出现的季节性干旱化趋势,当地政府有必要采取相应措施应对干旱,以防治植被退化和荒漠化,保证粮食生产及其人口福祉和安全。对于其他区域出现的湿润化趋势,特别是极端降水事件增多,当地政府需进一步完善防洪和水利灌溉设施,以防止洪旱灾害扩大和实现水资源的有效利用。
  • 图  1  研究区位置图

    Figure  1.  Location of the study area

    图  2  1901—2015年SPEI的趋势和趋势率空间分布

    Figure  2.  Spatial distribution of trend and trend slope of SPEI in 1901−2015

    图  3  趋势在各区域面积所占的百分比

    XIN, 中国新疆; KAZ, 哈萨克斯坦; KGZ, 吉尔吉斯斯坦; TJK, 塔吉克斯坦; UZB, 乌兹别克斯坦; TKM, 土库曼斯坦。XIN, Xinjiang, China; KAZ, Kazakhstan; KGZ, Kyrgyzstan; TJK, Tajikistan; UZB, Uzbekistan; TKM, Turkmenistan

    Figure  3.  Percentage of trend in each region area

  • [1] Alexander L, Allen S, Bindoff N L. Climate change 2013: the physical science basis[R]//Contribution of working group I to the fifth assessment report of the intergovernmental panel on climate change. Cambridge: Cambridge University Press, 2013.
    [2] Murray V, Ebi K L. IPCC special report on managing the risks of extreme events and disasters to advance climate change adaptation (SREX)[J]. Journal of Epidemiology and Community Health, 2012, 66(9): 759−760. doi:  10.1136/jech-2012-201045
    [3] Asl S J, Khorshiddoust A M, Dinpashoh Y, et al. Frequency analysis of climate extreme events in Zanjan, Iran[J]. Stochastic Environmental Research and Risk Assessment, 2013, 27(7): 1637−1650. doi:  10.1007/s00477-013-0701-6
    [4] Kao S C, Rao S G. Hutchinson on trivariate statistical analysis of extreme rainfall events via the plackett family of copulas[J]. Water Resources Research, 2008, 44(2): 32−37.
    [5] Nohegar N, Heydarzadeh M, Malekian A. Assessment of severity of droughts using geostatistics method (case study: southern Iran)[J]. Desert, 2013, 18: 79−87.
    [6] Masoudi M, Hakimi S. A new model for vulnerability assessment of drought in Iran using percent of normal precipitation index (PNPI)[J]. Iranian Journal of Science and Technology Transaction A-Science, 2014, 38(4): 435−440.
    [7] 刘晓云, 李栋梁, 王劲松. 1961—2009年中国区域干旱状况的时空变化特征[J]. 中国沙漠, 2012, 32(2):473−483.

    Liu X Y, Li D L, Wang J S. Spatiotemporal characteristics of drought over China during 1961 –2009[J]. Journal of Desert Research, 2012, 32(2): 473−483.
    [8] Carrão H, Naumann G, Barbosa P. Global projections of drought hazard in a warming climate: a prime for disaster risk management[J]. Climate Dynamics, 2018, 50(5−6): 1−19.
    [9] Dracup J A, Lee K S, Paulson E G. On the definition of droughts[J]. Water Resources Research, 1980, 16(2): 297−302. doi:  10.1029/WR016i002p00297
    [10] Wilhite D A, Glantz M H. Understanding the drought phenomenon: the role of definitions[J]. Water International, 1985, 10(3): 111−120. doi:  10.1080/02508068508686328
    [11] Orville H D. AMS statement on meteorological drought[J]. Bulletin of the American Meteorological Society, 1990, 71(7): 1021−1025. doi:  10.1175/1520-0477-71.7.1021
    [12] Kallis G. Droughts[J]. Annual Review of Environment and Resources, 2008, 33(1): 85−118.
    [13] Wilhite D A, Hayes M J, Svoboda M D. Drought monitoring and assessment: status and trends in the United States[M]//Drought and drought mitigation in Europe. Amsterdam: Springer, 2000.
    [14] Tsakiris G, Pangalou D, Vangelis H. Regional drought assessment based on the reconnaissance drought index (RDI)[J]. Water Resources Management, 2007, 21(5): 821−833. doi:  10.1007/s11269-006-9105-4
    [15] Dai A. Characteristics and trends in various forms of the palmer drought severity index during 1900 –2008[J/OL]. Journal of Geophysical Research: Atmospheres, 2011, 116(D12) [2019–01–12]. https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2010JD015541.
    [16] Mckee T B, Doesken N J, Kleist J. The relationship of drought frequency and duration to time scales[R]. California: Eighth Conference on Applied Climatology, 1993.
    [17] Akbar N, Ahmad N, Ardavan G. Comparison of the suitability of standardized precipitation index (SPI) and aggregated drought index (ADI) in Minab Watershed (Hormozgan Province/South of Iran)[J]. African Journal of Agricultural Research, 2012, 7(44): 5905−5911. doi:  10.5897/AJAR12.1521
    [18] Vicente-Serrano S M, Begueria S, López- Moreno J I. A multi-scalar drought index sensitive to global warming: the standardized precipitation evapotranspiration index:SPEI[J]. Journal of Climate, 2010, 23(7): 1696−1718. doi:  10.1175/2009JCLI2909.1
    [19] 孙滨峰, 赵红, 王效科. 基于标准化降水蒸发指数(SPEI)的东北干旱时空特征[J]. 生态环境学报, 2015, 24(1):22−28.

    Sun B F, Zhao H, Wang X K. Spatiotemporal characteristics of drought in Northeast China based on SPEI[J]. Ecology and Environmental Sciences, 2015, 24(1): 22−28.
    [20] 李洁, 莫淑红, 沈冰, 等. 基于SPEI的渭河流域干旱特征分析[J]. 西安理工大学学报, 2016, 32(1):70−76.

    Li J, Mo S H, Shen B, et al. Analysis of drought characteristics in Weihe River Basin based on SPEI[J]. Journal of Xi’an University of Technology, 2016, 32(1): 70−76.
    [21] Yu M, Li Q, Hayes M J, et al. Are droughts becoming more frequent or severe in China based on the standardized precipitation evapotranspiration index: 1951 –2010?[J]. International Journal of Climatology, 2014, 34(3): 545−558. doi:  10.1002/joc.3701
    [22] Tan C P, Yang J P, Li M. Temporal-spatial variation of drought indicated by SPI and SPEI in Ningxia Hui Autonomous Region, China[J]. Atmosphere (Basel), 2015, 6(10): 1399−1421.
    [23] Hu Z Y, Zhang C, Hu Q S, et al. Temperature changes in Central Asia from 1979 to 2011 based on multiple datasets[J]. Journal of Climate, 2014, 27(3): 1143−1167. doi:  10.1175/JCLI-D-13-00064.1
    [24] Gessner U, Naeimi V, Klein I, et al. The relationship between precipitation anomalies and satellite-derived vegetation activity in Central Asia[J]. Global and Planetary Change, 2013, 110: 74−87. doi:  10.1016/j.gloplacha.2012.09.007
    [25] Lioubimtseva E, Henebry G M. Climate and environmental change in arid Central Asia: impacts, vulnerability, and adaptations[J]. Journal of Arid Environments, 2009, 73(11): 963−977. doi:  10.1016/j.jaridenv.2009.04.022
    [26] Mohammat A, Wang X H, Xu X T, et al. Drought and spring cooling induced recent decrease in vegetation growth in Inner Asia[J]. Agricultural and Forest Meteorology, 2013, 178–179(5): 21−30.
    [27] De Beurs K M, Wright C K, Henebry G M. Dual scale trend analysis forevaluating climatic and anthropogenic effects on the vegetated land surface in Russia and Kazakhstan[J/OL]. Environmental Research Letters, 2009, 4(4): 045012 [2019−01−12]. https://iopscience.iop.org/article/10.1088/1748-9326/4/4/045012.
    [28] Zhang C, Ren W. Complex climatic and CO2 controls on net primary productivity of temperate dryland ecosystems over central Asia during 1980 –2014[J]. Journal of Geophysical Research: Biogeosciences, 2017, 122(9): 2356−2374. doi:  10.1002/2017JG003781
    [29] Sheffield J, Wood E F. Projected changes in drought occurrence under future global warming from multi-model, multi-scenario, IPCC AR4 simulations[J]. Climate Dynamics, 2008, 31(1): 79−105. doi:  10.1007/s00382-007-0340-z
    [30] Jiang L L, Jiapaer G, Bao A M, et al. Vegetation dynamics and responses to climate change and human activities in Central Asia[J]. Science of the Total Environment, 2017, 599−600: 967−980.
    [31] Beckwith C I. Empires of the silk road: a history of central Eurasia from the Bronze Age to the present[M]. Princeton: Princeton University Press, 2009.
    [32] Barrow C J. World atlas of desertification[J]. Land Degradation & Development, 1992, 3(4): 249.
    [33] Vicente-Serrano S M, Célia G, Jesús J, et al. Response of vegetation to drought time-scales across global land biomes[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(1): 52−57. doi:  10.1073/pnas.1207068110
    [34] Sangüesa-Barreda G, Camarero J J, Oliva J, et al. Past logging, drought and pathogens interact and contribute to forest dieback[J]. Agricultural and Forest Meteorology, 2015, 208: 85−94. doi:  10.1016/j.agrformet.2015.04.011
    [35] Vicente-Serrano S M, Beguería S, López-Moreno J I, et al. A new global 0.5° gridded dataset (1901 –2006) of a multiscalar drought index: comparison with current drought index datasets based on the palmer drought severity index[J]. Journal of Hydrometeorology, 2010, 11(4): 1033−1043. doi:  10.1175/2010JHM1224.1
    [36] Um M J, Kim Y, Park D, et al. Effects of different reference periods on drought index (SPEI) estimations from 1901 to 2014[J]. Hydrology & Earth System Sciences, 2017, 21(10): 4989−5007.
    [37] 王芝兰, 李耀辉, 王素萍, 等. 1901—2012年中国西北地区东部多时间尺度干旱特征[J]. 中国沙漠, 2015, 35(6):1666−1673. doi:  10.7522/j.issn.1000-694X.2014.00190

    Wang Z L, Li Y H, Wang S P, et al. Characteristics of drought at multiple time scales in the east of northwest China from 1901−2012[J]. Journal of Desert Research, 2015, 35(6): 1666−1673. doi:  10.7522/j.issn.1000-694X.2014.00190
    [38] 沈国强, 郑海峰, 雷振锋. SPEI指数在中国东北地区干旱研究中的适用性分析[J]. 生态学报, 2017, 37(11):3787−3795.

    Shen G Q, Zheng H F, Lei Z F. Applicability analysis of SPEI for drought research in Northeast China[J]. Acta Ecologica Sinica, 2017, 37(11): 3787−3795.
    [39] 芦佳玉, 延军平, 李英杰, 等. 基于SPEI及游程理论的云贵地区1960—2014年干旱时空变化特征[J]. 浙江大学学报(理学版), 2018, 45(3):363−372.

    Lu J Y, Yan J P, Li Y J, et al. The temporal variation characteristics of drought in Yunnan-Guizhou area during 1960 to 2014 based on SPEI and run-length theory[J]. Journal of Zhejiang University (Science Edition), 2018, 45(3): 363−372.
    [40] Hoaglin D C, Mosteller F, Tukey J W. Understanding robust and exploratory data analysis[M]//Understanding robust and exploratory data analysis. New York: John Wiley and Sons, 2000.
    [41] Neeti N, Eastman J R. A contextual Mann-Kendall approach for the assessment of trend significance in image time series[J]. Transactions in Gis, 2011, 15(5): 599. doi:  10.1111/j.1467-9671.2011.01280.x
    [42] Von Storch H. Misuses of statistical analysis in climate research[M]. New York: Springer-Verlag, 1995.
    [43] Eastman J R. TerrSet: geospatial monitoring and modeling system manual[EB/OL]. (2016−10−11)[2018−12−21]. http://clarklabs.org/wp-content/uploads/2016/10/Terrset-Manual.pdf.
    [44] Mitchell T D, Jones P D. An improved method of constructing a database of monthly climate observations and associated high-resolution grids[J]. International Journal of Climatology, 2005, 25(6): 693−712. doi:  10.1002/joc.1181
    [45] 吴燕锋, 巴特尔巴克, 罗那那, 等. 1901—2013年塔吉克斯坦极端降水事件时空变化特征[J]. 干旱区研究, 2016, 33(5):943−951.

    Wu Y F, Baterbake, Luo N N, et al. Spatiotemporal variation of extreme precipitation events in Tajikistan during the period of 1901−2013[J]. Arid Zone Research, 2016, 33(5): 943−951.
    [46] Hu Z Y, Zhou Q M, Chen X, et al. Variations and changes of annual precipitation in Central Asia over the last century[J]. International Journal of Climatology, 2017, 37: 157−170.
    [47] 张强, 张存杰, 白虎志, 等. 西北地区气候变化新动态及对干旱环境的影响[J]. 干旱气象, 2010, 28(1):1−7. doi:  10.3969/j.issn.1006-7639.2010.01.001

    Zhang Q, Zhang C J, Bai H Z, et al. New development of climate change in northwest China and its impact on arid environment[J]. Journal of Arid Meteorology, 2010, 28(1): 1−7. doi:  10.3969/j.issn.1006-7639.2010.01.001
    [48] 张延伟, 李红忠, 魏文寿, 等. 1961—2010年北疆地区极端气候事件变化[J]. 中国沙漠, 2013, 33(6):1891−1897. doi:  10.7522/j.issn.1000-694X.2013.00245

    Zhang Y W, Li H Z, Wei W S, et al. Change of extreme climate events during 1961 to 2010 in Northern Xinjiang, China[J]. Journal of Desert Research, 2013, 33(6): 1891−1897. doi:  10.7522/j.issn.1000-694X.2013.00245
    [49] 姜逢清, 朱诚, 胡汝骥. 新疆1950—1997年洪旱灾害的统计与分形特征分析[J]. 自然灾害学报, 2002, 11(4):96−100. doi:  10.3969/j.issn.1004-4574.2002.04.016

    Jiang F Q, Zhu C, Hu R J. Statistical and fractal features of the flood and drought disasters in Xinjiang from 1950 to 1997[J]. Journal of Natural Disasters, 2002, 11(4): 96−100. doi:  10.3969/j.issn.1004-4574.2002.04.016
    [50] Bolch T. Climate change and glacier retreat in northern Tien Shan (Kazakhstan/Kyrgyzstan) using remote sensing data[J]. Global and Planetary Change, 2007, 56(1–2): 1−12.
    [51] 陈发虎, 黄伟, 靳立亚, 等. 全球变暖背景下中亚干旱区降水变化特征及其空间差异[J]. 中国科学: 地球科学, 2012, 41(11):1647−1657.

    Chen F H, Huang W, Jin L Y, et al. Characteristics and spatial differences of precipitation in arid region of Central Asia under the background of global warming[J]. Chinese Science: Earth Science, 2012, 41(11): 1647−1657.
    [52] Ho P. Rangeland degradation in north China revisited? A preliminary statistical analysis to validate non-equilibrium range ecology[J]. Journal of Development Studies, 2001, 37(3): 99−133. doi:  10.1080/00220380412331321991
    [53] Chen X, Wang S S, Hu Z Y, et al. Spatiotemporal characteristics of seasonal precipitation and their relationships with ENSO in Central Asia during 1901 –2013[J]. Journal of Geographical Sciences, 2018, 28(9): 1341−1368. doi:  10.1007/s11442-018-1529-2
    [54] 沈伟峰, 缪启龙, 魏铁鑫, 等. 中亚地区近130多a温度变化特征[J]. 干旱气象, 2013, 31(1):32−36.

    Shen W F, Liao Q L, Wei T X, et al. Analysis of temperature variation in recent 130 years in Central Asia[J]. Journal of Arid Meteorology, 2013, 31(1): 32−36.
    [55] Wehrden H V, Hanspach J, Ronnenberg K, et al. Inter-annual rainfall variability in Central Asia : a contribution to the discussion on the importance of environmental stochasticity in drylands[J]. Journal of Arid Environments, 2010, 74(10): 1212−1215. doi:  10.1016/j.jaridenv.2010.03.011
    [56] Xu H J, Wang X P, Zhang X X. Decreased vegetation growth in response to summer drought in Central Asia from 2000 to 2012[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 52: 390−402. doi:  10.1016/j.jag.2016.07.010
    [57] Angert A, Biraud S, Bonfils C, et al. Drier summers cancel out the CO2 uptake enhancement induced by warmer springs[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(31): 10823−10827. doi:  10.1073/pnas.0501647102
  • [1] 靳川, 查天山, 贾昕, 田赟, 周文君, 杨双宝, 郭子繁.  干旱环境3种荒漠灌木叶绿素荧光参数动态 . 北京林业大学学报, 2020, 42(8): 72-80. doi: 10.12171/j.1000-1522.20190316
    [2] 张勇, 胡晓晴, 李豆, 刘雪梅.  白桦BpSPL8启动子的克隆及异源过表达BpSPL8对拟南芥耐旱性的影响 . 北京林业大学学报, 2019, 41(8): 67-75. doi: 10.13332/j.1000-1522.20190137
    [3] 申明爽, 朱清科, 王瑜, 梅雪梅, 苟清平, 刘昱言.  陕北黄土区不同微地形土壤水分变化趋势分析 . 北京林业大学学报, 2018, 40(3): 84-92. doi: 10.13332/j.1000-1522.20170337
    [4] 李双, 苏艳艳, 王厚领, 李惠广, 刘超, 夏新莉, 尹伟伦.  胡杨miR1444b在拟南芥中正调控植物抗旱性 . 北京林业大学学报, 2018, 40(4): 1-9. doi: 10.13332/j.1000-1522.20180043
    [5] 马志波, 黄清麟, 庄崇洋, 郑群瑞, 王宏.  基于分层的典型中亚热带天然阔叶林的种间关联性 . 北京林业大学学报, 2017, 39(12): 10-16. doi: 10.13332/j.1000-1522.20170182
    [6] 高颖, 吴玉璇, 张颖, 赵金平, 许志钢.  现代轻型木结构住宅模数与标准化体系研究 . 北京林业大学学报, 2017, 39(8): 111-118. doi: 10.13332/j.1000-1522.20170022
    [7] 王丛鹏, 贾伏丽, 刘沙, 刘超, 夏新莉, 尹伟伦.  干旱对欧美杨气孔发育的影响 . 北京林业大学学报, 2016, 38(6): 28-34. doi: 10.13332/j.1000-1522.20160050
    [8] 黄小辉, 冯大兰, 刘芸, 朱恒星, 陈道静, 耿养会.  模拟石漠化异质生境中桑树的生长和叶绿素荧光特性 . 北京林业大学学报, 2016, 38(10): 50-58. doi: 10.13332/j.1000-1522.20150324
    [9] 路端正, 王九丽, 谢磊.  黄荆种以下分类群的聚类与演化趋势分析 . 北京林业大学学报, 2015, 37(2): 55-58. doi: 10.13332/j.cnki.jbfu.2015.02.019
    [10] 刘锦春, 马晔, 陶建平, 高凯敏, 梁千慧.  丛枝菌根真菌对西南岩溶地区干旱及干湿交替下 金银花根系生长的影响 . 北京林业大学学报, 2015, 37(10): 110-116. doi: 10.13332/j.1000-1522.20150057
    [11] 韩朝, 董慧, 常智慧.  污泥对干旱条件下高羊茅氮素利用的影响 . 北京林业大学学报, 2014, 36(4): 82-87. doi: 10.13332/j.cnki.jbfu.2014.04.016
    [12] 施征, 史胜青, 张志翔, 高荣孚, 肖文发.  干旱与高盐对梭梭叶绿素荧光特性的影响 . 北京林业大学学报, 2012, 34(3): 20-25.
    [13] 陈明涛, 赵忠.  干旱对4种苗木根系特征及各部分物质分配的影响 . 北京林业大学学报, 2011, 33(1): 16-22.
    [14] 游广永, 张一平, 刘玉洪, 巩合德, 罗有勇.  哀牢山亚热带常绿阔叶林地温特征及变化趋势 . 北京林业大学学报, 2011, 33(2): 53-58.
    [15] 高程达, 孙向阳, 张林, 李志刚, 阿拉塔.  北温带干旱地区土壤剖面CO 2 通量的变化特征 . 北京林业大学学报, 2010, 32(2): 6-13.
    [16] 李晓松, 李增元, 高志海, 白黎娜, 王琫瑜, 李世明.  基于Hyperion植被指数的干旱地区稀疏植被覆盖度估测 . 北京林业大学学报, 2010, 32(3): 95-100.
    [17] 高程达, 孙向阳, 张林, 李志刚, 阿拉塔, .  北温带干旱地区土壤-大气界面CO2通量的变化特征 . 北京林业大学学报, 2009, 31(6): 32-38.
    [18] 李子君, 李秀彬, .  潮白河上游1961—2005年径流变化趋势及原因分析 . 北京林业大学学报, 2008, 30(supp.2): 82-87.
    [19] 胡万良, 李瑞, 吴彩燕, 殷亚方, 王费新, 黄荣凤, 杨平, 刘杏娥, 何亚平, 邓小文, 张璧光, 胡胜华, 高黎, 袁怀文, 秦爱光, 毛俊娟, 周永学, 白岗栓, 郑小贤, 王芳, 张洪江, 张莉俊, 颜绍馗, 魏潇潇, 李猛, 王晓欢, 王小青, 刘燕, 王正, 汪思龙, 赵天忠, 罗晓芳, 费世民, 樊军锋, 常旭, 张岩, 谭学仁, NagaoHirofumi, 戴思兰, 王胜华, 王兆印, 乔建平, 崔赛华, 杜社妮, 张克斌, 孙向阳, 韩士杰, 徐嘉, 孔祥文, 刘云芳, 范冰, 陈放, 李华, 李昀, KatoHideo, 龚月桦, 江玉林, , 张占雄, 江泽慧, 张双保, 王海燕, 张旭, 高荣孚, 侯喜录, 刘秀英, 陈秀明, 陈宗伟, 李媛良, IdoHirofumi, 任海青, 李晓峰, , 常亮, 杨培华, 郭树花, 丁磊, 张代贵, 徐庆祥, 张桂兰, 高建社, , 费本华, 陈学平, 薛岩, , 蒋俊明, 李考学, 王晓东, 续九如, , 刘永红, 李雪峰, 金鑫, 涂代伦, , , 丁国权, 张红丽.  极端干旱地区胡杨林根系分布的非线性分析 . 北京林业大学学报, 2007, 29(6): 109-114.
    [20] 吕建雄, 王继强, 谢力生, 李利平, 周存宇, 王跃思, 高莉萍, 程广有, 赵东, 贺康宁, 孙仁山, 包仁艳, 李红, 高林, 李世荣, 邢韶华, 向仕龙, 周国逸, 殷亚方, 于志明, 孙扬, 高峰, 李文彬, 李吉跃, 姜春宁, 包满珠, 史常青, 孙磊, 赵勃, 葛春华, 刘娟娟, 田勇臣, 曹全军, 王迎红, 赵有科, 郑彩霞, 唐晓杰, 丁坤善, 孙艳玲, 华丽, 周心澄, 高亦珂, 张德强, 王清春, 姜笑梅, 崔国发, 张启翔, 刘世忠, .  杂谷脑河径流趋势及周期变化特征的小波分析 . 北京林业大学学报, 2005, 27(4): 49-55.
  • 加载中
图(3)
计量
  • 文章访问数:  625
  • HTML全文浏览量:  398
  • PDF下载量:  22
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-22
  • 修回日期:  2019-01-26
  • 网络出版日期:  2020-03-21
  • 刊出日期:  2020-04-27

基于SPEI的中亚地区1901—2015年干旱时空趋势分析

doi: 10.12171/j.1000-1522.20190055
    基金项目:  国家国际科技合作专项项目(2015DFR31130);河北地质大学博士科研启动基金资助
    作者简介:

    魏巍,博士。主要研究方向:恢复生态学。Email:weibjfu@126.com 地址:050031 河北省石家庄市裕华区槐安东路136号河北地质大学土地资源与城乡规划学院

    通讯作者: 王百田,教授,博士生导师。主要研究方向:水土保持学。Email:wbaitian@bjfu.edu.cn 地址:100083 北京市海淀区清华东路35号北京林业大学水土保持学院

摘要: 目的中亚地区是位于欧亚大陆中心、远离海洋的内陆旱地,其旱地生态系统支持很大比例的人口和经济,评估干旱对该区域可持续性发展有重要意义。方法本研究基于1901—2015年空间分辨率0.5° × 0.5°的标准化降水蒸散指数(SPEI)月数据,应用关联Mann-Kendall检验和Theil-Sen(TS)slope分析了1901—2015年中亚地区1、3、6和12个月的SPEI(SPEI01、SPEI03、SPEI06、SPEI12)的趋势空间分布情况,以评估不同时间尺度的干旱变化。结果研究显示(1)SPEI01在39.24%的研究区面积上呈显著下降趋势(P < 0.05),且我国新疆天山山脉以南地区下降幅度最大,为− 5×10− 4 a1;在45.73%的研究区面积上呈显著上升趋势,其中塔吉克斯坦的上升幅度最大,为3×10− 4 a1。(2)SPEI03在76.32%的研究区面积上呈显著下降趋势(P < 0.05),其中吉尔吉斯斯坦下降幅度最大,为− 4×10− 4 a1;在15.39%的研究区面积上呈显著上升趋势(P < 0.05),其中塔吉克斯坦上升幅度最大,为3×10− 4 a1。(3)SPEI06和SPEI12的趋势空间分布基本相同,且哈萨克斯坦的下降幅度最大,分别为− 3×10− 4和− 5×10− 4 a1,塔吉克斯坦的上升幅度最大,分别为5×10− 4和6×10− 4 a1结论中亚地区年和季节降水的时空变化影响水资源的时空分布,造成不同区域不同时间尺度的湿润化和干旱化趋势。对于哈萨克斯坦中部、土库曼斯坦西南部和我国新疆天山以南地区出现的短期和中长期干旱化趋势以及中亚大面积区域出现的季节性干旱化趋势,当地政府有必要采取相应措施应对干旱,以防治植被退化和荒漠化,保证粮食生产及其人口福祉和安全。对于其他区域出现的湿润化趋势,特别是极端降水事件增多,当地政府需进一步完善防洪和水利灌溉设施,以防止洪旱灾害扩大和实现水资源的有效利用。

English Abstract

魏巍, 王百田, 张克斌. 基于SPEI的中亚地区1901—2015年干旱时空趋势分析[J]. 北京林业大学学报, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
引用本文: 魏巍, 王百田, 张克斌. 基于SPEI的中亚地区1901—2015年干旱时空趋势分析[J]. 北京林业大学学报, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
Wei Wei, Wang Baitian, Zhang Kebin. Analysis on spatiotemporal trend of drought in the Central Asia region during 1901−2015 based on SPEI[J]. Journal of Beijing Forestry University, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
Citation: Wei Wei, Wang Baitian, Zhang Kebin. Analysis on spatiotemporal trend of drought in the Central Asia region during 1901−2015 based on SPEI[J]. Journal of Beijing Forestry University, 2020, 42(4): 113-121. doi: 10.12171/j.1000-1522.20190055
  • IPCC指出全球气候变化是最重要的环境问题,也是人类面临的最大挑战,自1951年到2012年,全球地表气温上升了近0.72 ℃[1]。随气温不断上升,极端气候事件发生频率、强度、持续时间和空间范围发生了变化,这些极端事件直接或是间接引起主要社会问题和自然灾害[2]。干旱是极端气候事件中最严重的灾害之一,在全球范围内普遍发生,且其发生的频率和强度呈增多增强的态势[3]。作为造成损失最大和目前为人们所了解最少的极端气候事件[4],干旱对水资源、农业、植被、野生动物、环境因素和人类健康都会造成破坏性影响[5-6]。区域干旱已经成为全球变化区域研究的重要内容之一[7],研究干旱的时空分布特征和发生原因也越来越重要。

    干旱源于降水短缺、土壤水分亏缺、高蒸散和水资源的过度开发等,或是这些因素的综合[8]。干旱的定义很多,但是没有为人们所普遍接受的。Dracup等[9]建议对干旱进行分类,Wilhite等[10]将干旱发展为一套被美国气象学会[11]所接受的系统。根据缺水的性质,可以将干旱分为4类:气象干旱、农业干旱、水文干旱和社会经济干旱。气象干旱与天气有关,特别是异常降水不足,农业干旱与土壤水分匮缺和水资源管理不善有关,水文干旱与地表水异常和湖泊萎缩等有关,社会经济干旱主要评估由于干旱所造成的经济损失。干旱指数是干旱监测系统的基本要素,可对空间和时间范围内的干旱程度进行评估[12],这些指数将气候异常转化为简洁扼要的信息,使得人们可以应用指数对已经发生的干旱在强度、频率、持续时间和空间范围进行量化评估[13],并对再次发生的概率进行估计。这些信息对于环境和人类对于水资源进行有计划的开发、管理和应用是极其重要的[14]

    世界不同地区已经引用许多干旱指数进行干旱监测和研究。广泛应用的指数包括帕尔默干旱指数(palmer drought severity index,PDSI)[15]、标准化降水指数(standardized precipitation index,SPI)[16]、综合干旱指数(aggregate drought index,ADI)[17]、标准化降水蒸散指数(standardized precipitation evapotranspiration index,SPEI)[18]。PDSI基于土壤水分平衡,数据要求相对较高,但是缺少适应干旱多等级的灵活性;SPI具有多尺度、计算简单的优点,但只涉及降水,不考虑其他变量[18]。ADI通过输入6种水文变量(降水、水流、水库蓄水、蒸散、土壤水分和雪水含量),将3种干旱(气象干旱、农业干旱、水文干旱)的物理状态进行了综合[17]。SPEI结合了SPI的多时性和PDSI的敏感性。SPEI的主要优点是它能够识别不同的干旱类型。这适用于监测和探讨全球变暖背景下的干旱特征[18]。近年来,SPEI在许多不同地区的干旱监测中得到了广泛的应用。孙滨峰等[19]应用SPEI对1961年到2012年东北地区的干旱时空变化特征进行了研究。李洁等[20]采用SPEI对渭河流域1961到2013年的干旱时空分布特征进行分析,发现渭河流域春秋干旱加重。Yu等[21]应用SPEI对中国1951年到2010年的干旱趋势进行了研究。Tan等[22]利用SPI和SPEI对宁夏的干旱特征进行了研究,发现SPEI比SPI更适用于宁夏的气候变化和干旱变化研究。

    中亚地区位于亚欧大陆内部,远离海洋,是北半球最大的干旱地区之一,主要气候类型是带有强季节性的大陆性气候,植被易受季节性或间歇性水资源短缺的影响。在过去几十年,中亚地区的气温以0.04 ℃/a呈显著升高,远高于北半球的气温上升[23],降水变化表现出明显的年际变化和强烈的异质性[24],近几十年来,中亚地区整体气温显著上升,降水量略有下降[25],且极端水文事件特别是干旱事件发生的频率增加[26],整个中亚发生了严重干旱[27]。干旱作为严重干扰,对中亚的陆地生态系统产生了重大影响[28]。研究发现由于降水减少和潜在蒸散增加[29]的综合影响,夏季水分亏缺加剧,植被出现大面积的退化[30]。作为丝绸之路经济带的重要支点之一,中亚地区通过文化和贸易交流将中国西部城市与欧洲和世界相连[31],中亚的旱地生态系统支持了相当大的人口比例和经济,因此对干旱进行评估,对该区域可持续性发展有重要意义。

    本文应用不同时间尺度的标准化降水蒸散指数(SPEI),对1901—2015年中亚地区的干旱时空趋势进行研究,服务于中亚地区的干旱监测,同时为水资源的合理开发和管理提供有用信息。

    • 中亚位于欧亚大陆的中部,35° ~ 55° N,45° ~ 95° E,包括哈萨克斯坦、土库曼斯坦、乌兹别克斯坦、吉尔吉斯斯坦、塔吉克斯坦和我国新疆(图1)。西部毗邻里海,北部与俄罗斯接壤,东北部和东南部由中国境内的阿尔泰山和昆仑山包围,南部与伊朗和阿富汗接壤。总面积约为566.65 × 104 km2。该地区由半干旱区过渡到干旱区,旱地约占区域面积的91%[32],属于典型温带内陆气候。年平均温度(MAT)从− 11.0到18.7 ℃不等,高海拔地区(阿尔泰山脉和天山山脉)的MAT低于0 ℃[26]。夏季最高温度可达40 ℃,冬季最低温度可达− 20 ℃。大部分地区的年平均降水量甚至小于200 mm [26]。生长季内降雨量梯度明显,从东北部的400 mm到西南部的 < 20 mm。该地区有近3 000 h的日照,每年不到150 d无霜期。

      图  1  研究区位置图

      Figure 1.  Location of the study area

    • 全球栅格SPEI产品是涵盖1901—2015年的月数据集,空间分辨率为0.5° × 0.5°,可从http://sac.csic.es/spei/database.html获取。该数据集是英国东安格利亚大学气候研究中心基于CRU TS3.0的月降水和平均气温数据编制处理得到;SPEI越小表示气候越干旱,越大表示气候越湿润[18];数据集已经广泛应用于全球干旱研究[33-37]

      SPEI01可以反映短时间内干旱的细微变化,SPEI03可以反映季节性干旱情况,SPEI06可以反映半年尺度的干旱变化,SPEI12可以反映年际干旱情况,这4种时间尺度的SPEI数据被广泛应用[38-39]。本研究采用1901—2015年的SPEI01、SPEI03、SPEI06、SPEI12,对中亚地区1901—2015年不同时间尺度干旱的时空趋势进行研究。

    • 基于像元尺度,使用Theil-Sen(TS)slope分析1901—2015年中亚地区不同时间尺度的干旱趋势,该方法可有效抵抗异常值[40],接着应用关联Mann-Kendall检验(CMK)来评估趋势显著性水平。CMK检验是在区域尺度上评估每个网格周围3 × 3邻域的趋势和趋势的显著性水平,是Mann-Kendall检验的改进版本[41]。CMK检验计算过程如下:

      首先对输入的时间序列图像进行预白化处理,消除序列相关性对趋势的影响[42],然后计算9个领域网格的Mann Kendall统计数据(S),公式如下:

      $${\bar S_n} = \frac{1}{n}\sum\limits_{i = 1}^n {{S_i}} $$ (1)

      式中:$n = 9$,包括中心网格及周围8个网格,${S_i}$是第$i$个邻域网格的Mann Kendall S

      对于独立同分布且数据集合长度为$m$的时间序列(${\bar S_n} $),其均值和方差为:

      $$E\left( {{\bar S_n} } \right) = 0$$ (2)
      $${\rm{Var}}\left( {{\bar S_n} } \right) = \frac{{m(m - 1)(2m + 5)}}{{18n}} = \frac{{{\sigma ^2}}}{n}$$ (3)

      由于${\bar S_n} $是由独立同分布的数据计算得到,因而对于较大$n$${\bar S_n} $为正态分布,${Z_n}$计算公式为:

      $${Z_n} = \frac{{{\bar S_n} - E\left( {\bar S_n} \right)}}{{\sigma /\sqrt n }}$$ (4)

      由于这些独立同分布的数据是互相关联的,因而对方差进行调整以适应关联性:

      $${\rm{Var}}\left( {{\bar S_n} } \right) = \frac{1}{{{n^2}}}\left[ {\sum\limits_{i = 1}^n {{\rm{Var}}\left( {{S_i}} \right) + 2\sum\limits_{i = 1}^{n - 1} {\sum\limits_{l = 1}^{n - i} {{\rm{Cov}}\left( {{S_i},{S_{i + l}}} \right)} } } } \right]$$ (5)

      领域$i$$i + l$之间的协方差表示为:

      $${\rm{Cov}}\left( {{S_i},{S_{i + l}}} \right) = {\sigma ^2}{\rho _{i,i + l}}$$ (6)

      式中:领域$i$$i + l$之间的互相关系数${\rho _{i,i + l}}$为:

      $${\rho _{i,i + l}} = \frac{{\dfrac{1}{m}\displaystyle\sum\limits_{j = 1}^m {\left( {X_j^i - \mathop {{X^i}}\limits^\_ } \right)\left( {X_j^{i + l} - \mathop {{X^{i + l}}}\limits^\_ } \right)} }}{{\sqrt {{\rm{Var}}\left( {{X^i}} \right){\rm{Var}}\left( {{X^{i + l}}} \right)} }}$$ (7)

      因此,${Z_n}$的公式:

      $${Z_n} = {{{\bar S_n} } / {\sqrt {{\rm{Var}}\left( {{\bar S_n} } \right)} }}$$ (8)

      CMK趋势显著性检验得到的图像,其显著性水平划分依据为:正负号代表趋势方向,绝对值越大趋势变化越明显,绝对值高于1.96则趋势变化显著,对应显著性水平为0.05(P < 0.05)。本研究应用IDRISI TerrSet软件[43]实现CMK检验。

    • 图2展示了基于0.5° × 0.5°的月数据得到的1901—2015年中亚地区SPEI变化趋势空间分布情况。如图所示,在哈萨克斯坦的中部大面积地区、乌兹别克斯坦的纳沃伊州、土库曼斯坦的阿哈尔州、我国新疆天山山脉以南地区,SPEI01呈不同程度的显著下降趋势(P < 0.05),占整个研究区面积的39.24%,且新疆天山山脉以南地区下降幅度最大,为− 5×10− 4 a− 1。其余地区的SPEI01呈不同程度的上升趋势,其中45.73%的研究区面积呈显著上升趋势(图2)。就各区域来看,SPEI01呈显著下降趋势的区域分别占哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、我国新疆面积的近31.46%、12.58%、15.56%和73.60%;SPEI01在吉尔吉斯斯坦和塔吉克斯坦的整个区域、49.50%的哈萨克斯坦、51.42%的土库曼斯坦和69.68%的乌兹别克斯坦呈显著上升,其中包括土库曼斯坦的列巴普州和巴尔坎州、乌兹别克斯坦的卡拉卡尔帕克斯坦共和国和东南部的各州,且塔吉克斯坦的上升幅度最大,为3×10− 4 a− 1图23)。

      图  2  1901—2015年SPEI的趋势和趋势率空间分布

      Figure 2.  Spatial distribution of trend and trend slope of SPEI in 1901−2015

      图  3  趋势在各区域面积所占的百分比

      Figure 3.  Percentage of trend in each region area

      近100多年,SPEI03的趋势率变化处于− 1×10− 3 ~ 12×10− 4 a1之间,研究区面积的76.32%呈显著下降趋势(P < 0.05),其中吉尔吉斯斯坦的下降幅度最大,为− 4×10− 4 a− 1,研究区面积的15.39%呈显著上升趋势(P < 0.05),包括塔吉克斯坦、乌兹别克斯坦南部、土库曼斯坦的东北部和西部、哈萨克斯坦的西部和西南部,其中塔吉克斯坦上升幅度最大,为3×10− 4 a− 1图2)。就各区域来看,SPEI03呈显著下降趋势的区域分别占吉尔吉斯斯坦、塔吉克斯坦、哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、我国新疆面积的近100%、24.81%、76.54%、55.66%、45.49%和93.19%;SPEI03在61.86%的塔吉克斯坦、40.43%的土库曼斯坦、33.83%的乌兹别克斯坦和15.18%的哈萨克斯坦呈显著上升趋势(图23)。

      SPEI06的趋势率变化范围为− 9×10− 4 ~ 11×10− 4 a− 1,研究区面积的59.13%呈显著上升趋势(P < 0.05),其中塔吉克斯坦的上升幅度最大,为5×10− 4 a− 1,研究区面积的32.08%呈显著下降趋势(P < 0.05),主要出现在哈萨克斯坦的中部、我国新疆的东部和东南部、土库曼斯坦的西南部,其中哈萨克斯坦的下降幅度最大,为− 3×10− 4 a− 1图2)。就各区域来看,SPEI06呈显著上升趋势的区域分别占我国新疆、哈萨克斯坦、乌兹别克斯坦和土库曼斯坦面积的42.75%、55.09%、93.49%和81.97%,塔吉克斯坦和吉尔吉斯斯坦的整个区域均呈显著上升趋势;SPEI06在47.55%的我国新疆、35.13%的哈萨克斯坦、11.56%的土库曼斯坦呈显著下降趋势(图23)。

      SPEI12的趋势率变化范围为− 12×10− 4 ~ 14×10− 4 a− 1,显著下降的区域占研究区面积的28.57%(P < 0.05),主要出现在哈萨克斯坦中部、我国新疆东部和东南部、土库曼斯坦西南部,其中哈萨克斯坦的下降幅度最大,为− 5×10− 4 a− 1;显著上升的区域占研究区面积的63.79%(P < 0.05),其中塔吉克斯坦的上升幅度最大,为6×10− 4 a− 1图2)。就各区域来看,SPEI12在31.76%的我国新疆、37.18%的哈萨克斯坦、12.05%的土库曼斯坦呈显著下降趋势;SPEI12呈显著上升趋势的区域分别占我国新疆、哈萨克斯坦、乌兹别克斯坦和土库曼斯坦面积的59.26%、54.57%、93.96%和82.47%,塔吉克斯坦和吉尔吉斯斯坦的整个区域均呈显著上升趋势(图23)。

    • 基于CRU-SPEI数据,应用CMK检验和Theil-Sen(TS)slope分析了1901—2015年中亚地区不同时间尺度的干旱趋势,结论如下:

      1901—2015年,研究区SPEI01显著下降趋势范围占总面积的39.24%,较SPEI06和SPEI12的下降趋势范围有所扩大,主要在乌兹别克斯坦、我国新疆和土库曼斯坦有所扩大,且新疆天山山脉以南地区干旱化趋势最为明显;显著上升趋势范围占整个研究区面积的45.73%,塔吉克斯坦湿润化趋势较明显。研究区SPEI06和SPEI12的趋势变化情况基本相同,显著下降趋势范围分别占整个研究区面积的32.08%和28.57%,主要位于哈萨克斯坦的中部、我国新疆的东部和东南部、土库曼斯坦的西南部,其中哈萨克斯坦的干旱化趋势最为集中和明显;显著上升趋势范围分别占整个研究区面积的59.13%和63.79%,其中塔吉克斯坦的湿润化趋势最为明显。中亚地区不同区域干湿趋势的变化与降水变化的区域差异有关,其他研究也揭示了这点[44]。塔吉克斯坦的湿润化趋势与其年极端降水事件增加密切相关[45]。我国新疆天山以北的湿润化趋势显著,旱情缓解,与新疆地区年降水量增加有关[46],同时与张强等的研究结果保持一致[47]。我国新疆北部的阿勒泰地区是畜牧业大区和种植基地,暖湿化趋势对该地区的牧草和农作物生长产生积极影响,但北疆地区极端降水增加增强[48]导致洪旱灾害扩大化[49],这就需要当地政府进一步完善防洪和水利灌溉设施。短期和中长期干旱日益加剧的地区波及到了农田,当地政府和相关部门需采取措施应对这一状况,增加人工降雨,采取节水灌溉,同时种植抗旱耐旱作物,来保证粮食生产和安全。

      115年间,研究区SPEI03显著下降趋势范围占总面积的76.32%,较短期和中长期干旱的趋势范围有所扩大,其中吉尔吉斯斯坦季节性干旱趋势最为明显,其他研究揭示自20世纪50年代起,随季节温度显著上升,吉尔吉斯斯坦北部地区气候变得更为干燥[50];在15.39%的研究区面积上,SPEI03呈显著上升趋势,其中塔吉克斯坦的湿润化趋势最为明显。塔吉克斯坦在中亚地区的降水增幅较大[51],其春、秋、冬季极端降水均出现增加增强的趋势,而夏季极端降水仅轻微减少[45],说明了塔吉克斯坦不同时间尺度的湿润化趋势。中亚地区作为世界最大的干旱-半干旱地区,大陆性气候具有强烈的季节性:降水呈单峰型季节格局,降水多集中于温暖的春季和夏季,其中春季降水最多,而冬季较为干燥[52-53]。近130年以来,中亚地区的气温不断攀升,增温持续时间长且春、秋、冬季增温幅度较大[54],季节温度升高伴随降水的季节分布不均可能导致其季节尺度干旱的加剧,其他研究也揭示了中亚地区季节性干旱的加剧[54]。季节性干旱的加剧影响植被生长,Wehrden等[55]研究表明中亚地区的夏季植被生长与夏季干旱相关性显著,Xu等[56]揭示由于中亚地区夏季降水减少和潜在蒸散增加导致夏季水分亏缺加剧,植被出现大面积退化,Angert等[57]认为中亚地区近期植被褐变可能与夏季干旱胁迫增加有关。此外,气候季节变化相对气候均值变化对于牧场的影响更大[54],随着季节性干旱趋势加剧,维持较多畜牧量的地区可能对土地退化更为敏感。

参考文献 (57)

目录

    /

    返回文章
    返回