干燥度指数作为衡量一个地区干湿程度的指标，也是全球变化研究中经常涉及的气候指标之一。在传统的计算中，AI指的是多年平均降水量与净辐射之比，但这一计算方法未能充分考虑陆地表面的空间差异特征（例如土壤质地和地形地貌）。为更好地反映这一影响，卢麾课题组发现，利用高时空分辨率遥感数据刻画的蒸散发-土壤水耦合机制可以弥补这一不足。课题组利用自身研发的长时序日尺度地表土壤水分数据集和基于地表通量平衡理论估算的蒸散发方法，分析了中国和美国区域的蒸散发-土壤水耦合强度（∆𝐶𝑜𝑟𝑟），提出了新的地表干燥度分类方案。

近日，清华大学地学系卢麾副教授课题组在《环境研究快报》（Environmental Research Letters）上发表题为“基于地表能量分配机制的干旱度划分简单框架”（A Simple Framework to Characterize Land Aridity Based on Energy Partitioning Regimes）的研究论文，基于遥感观测数据和蒸散发-土壤水耦合机制，提出了一种考虑了下垫面能量和水量分配过程的地表干燥程度分类方案。该方案考虑了陆表的空间异质性，拓展了干燥程度划分的空间和时间变异性，可为研究区域的气候变化、人类生产活动以及制定相关的区域防灾减灾措施提供指导。

研究首先对比了传统AI和蒸散发-土壤水耦合机制的空间分布图。从图1可以看出，AI和蒸散发-土壤水耦合机制在总体的空间分布格局上是较为相似的。这意味着蒸散发-土壤水耦合机制和AI能够反映相同的地表能水收支信息，即长期平均的总量信息。然而二者对局地特征的表现差异十分明显,例如在中国云南和美国南部的一些区域，当AI表征的地表水分情况较为湿润的时候，蒸散发-土壤水耦合机制却表现出相反的结果。这说明二者反映的信息不同。研究通过对八个样本对进行归因分析表明，使用蒸散发-土壤水耦合机制能够更好地反映下垫面空间异质性的影响（图2）。

图1 蒸散发-土壤水耦合强度（a-b；∆𝐶𝑜𝑟𝑟>0时代表蒸散发受能量限制，反之受水分控制，同时∆𝐶𝑜𝑟𝑟绝对值越大，蒸散发-土壤水耦合强度越高）和干燥度指数AI（c-d）在两个研究区域的空间分布图。图中字母为研究中选取分析样本的标注。

图2位于中国云南的样本A和位于中国湖南的样本A’的蒸散发-土壤水耦合强度（图a）和AI空间分布图（图b），以及二者的土壤水分概率密度曲线（图c）和土壤水退水曲线（图d）示意图。样本A和A’具有相近的降水量，却表现出了相反的蒸散发机制。这可能是由于样本A所在的云贵高原地区分布着较多的喀斯特地貌，到达地表的降水下渗到深层土壤中的速率较快，因此表层的土壤水分含量较为干燥。

基于以上分析，研究提出了基于蒸散发-土壤水耦合机制的双级地表干燥度划分方案（图3）。其中，一级分类反映的是与AI相同的信息，即由蒸散发的能量/水量限制机制决定的地表湿润（W）和干燥（D）的条件。同时，由于∆𝐶𝑜𝑟𝑟与AI反映的不同信息是由下垫面空间异质性和陆气交互作用引起的，这意味着对蒸散发-土壤水耦合强度进行分类能够对极端天气气候事件具有指示意义。因此，在二级分类中，当耦合强度大于75百分位时，意味着此地区发生极端天气气候事件的风险较高（h），而低于25百分位时则风险较低（l）。

图3 基于蒸散发-土壤水耦合机制的干燥度划分方案。W代表长期平均为湿润型的气候，D代表干燥型的气候。和代表蒸散发-土壤水作用强度∆𝐶𝑜𝑟𝑟的在75和25百分位数，代表网格行列标号。

图4展示了分别使用AI指数和蒸散发-土壤水耦合机制的干燥度分类图。可以看到，相比于基于AI的分类来说，新的指标对极端天气气候事件常发的区域（例如美国南部和中国云南等地）具有较好的指示意义。

相比于传统的干燥度指数AI来说，此研究提出的基于蒸散发-土壤水耦合机制的划分框架更能反映由下垫面空间异质性和陆气相互作用引起的地表能水收支情况。此外，本研究提出的划分框架以相对较短的时间尺度（即每天）定义地表干燥程度，更能反映强烈的陆气耦合所引起的极端事件（骤旱、热浪等），因为这些事件往往发生在相对较短的时间段内。因此，此研究重新定义的地表干燥度分级图--包括了短期地表水和能量的变化信息--可为传统的基于干燥指数AI的气候分类图提供重要的补充信息，以解决人类面临的与水安全、生态安全和气象灾害有关的环境挑战。

图4 基于蒸散发-土壤水作用机制（图a和b）和AI（图c和d）的干燥度区划图。图中黑色和灰色框代表分析样本所处位置。

清华大学地学系博士生何晴为该论文的第一作者，地学系卢麾副教授为论文的通讯作者。合作者包括清华大学地学系阳坤教授，美国西北太平洋国家实验室L. Ruby Leung院士，加州大学圣地亚哥分校潘铭教授，中国科学院青藏高原研究所何杰博士以及中国科学院空天信息研究院姚盼盼助理研究员。本研究得到了国家重点研发计划项目（2017YFA0603703）和第二次青藏高原科考项目(2019QZKK0206)的支持。

论文链接：

He, Q., Lu, H.*, Yang, K., Leung, L.R., Pan, M., He, J., Yao, P., 2022. A simple framework to characterize land aridity based on surface energy partitioning regimes. Environ. Res. Lett. 17, 034008.

https://doi.org/10.1088/1748-9326/ac50d4

供稿：何晴

编辑：王佳音

审核：张强 卢麾