《表5 SPI和SPEI与各层SMAPI线性关系统计》

《表5 SPI和SPEI与各层SMAPI线性关系统计》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《典型干旱指数在黄河源区的适宜性评估》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录
注:表中-1、-3、-6等代表不同的时间尺度(月),下同。

SPI和SPEI指数采用了相似的计算方法,区别仅在于SPEI考虑了温度对干旱的影响。统计结果表明(表5),针对0.05 m处的SMAPI指数,当时间尺度k=6时,相对于其他的时间尺度SPI、SPEI与SMAPI0.05具有最强相关性,相关系数分别为0.47和0.44,如图5所示。针对0.10、0.20、0.40和0.80 m深度上的SMAPI值,当时间尺度k(28)24时,SPI和SPEI与其相关性最强,如图6所示,二者在变化趋势相似,且SPI较SPEI与各层SMAPI指数的相关性更强,SPI较SPEI对干旱发生的强度有着系统性的高估。需要特别注意的是,虽然SPEI由SPI指数发展而来,并且SPEI考虑了温度对干旱的影响,从理论上较SPI更为完善,但是,SPEI指数在计算潜在蒸散发量的时采用了桑斯威特方法,该方法假定当温度小于0时,潜在蒸发量为0,该假设在青藏高原地区将导致较大的计算误差,原因是即使在月平均温度小于0的情况下,由于高原地区极大的昼夜度差,在昼间的潜在蒸发量必然大于0。因此,在评估高原干旱特征时,SPI较SPEI有着明显的优势。