(Meteorological and Hydrological Droughts in the Lancang-Mekong River Basin: Spatiotemporal Patters and Propagation)
Xuan Luo, Xian Luo, Wenting Ming, Lin Wang, Xin Xiao, Jianan
Xu, Yue Liu and Yungang Li – Bình Yên Đông lược dịch
Atmospheric Research – 5 July 3023
Sông Mekong khô cạn vì hạn hán. [Ảnh: Firstpost]
1. Phần giới thiệu
Hạn hán là khí hậu cực đoan phát triển chậm, lan rộng và kéo dài, ảnh hưởng sâu đậm đến việc phát triển nông nghiệp, kinh tế xã hội, và môi trường sinh thái (Mishra and Singh, 2010; Zhang et al., 2022c). Hạn hán thường được chia làm 4 loại: hạn hán khí tượng (meteorological drough (MD)), hạn hán nông nghiệp (agricultural drought (AD)), hạn hán thủy học (hydrological drought (HD)), và hạn hán xã hội-kinh tế (social-economic drought (SED)) (Wilhite and Glantz, 1985). Những loại hạn hán khác nhau được công nhận tác động qua lại lẫn nhau (Van Loon and Van Lanen, 2012; Guo et al., 2020). MD được gây ra vì thiếu mưa và thường biến thành HD hay AD qua chu kỳ thủy học, khiến không có đủ nguồn nước để dùng cho môi trường (Ma et al., 2019; Zhou et al., 2021a). Trong số những loại hạn hán nầy, HD, được ám chỉ như thiếu hụt nước mặt và nước ngầm (Mishra and Singh, 2010; Van Loon, 2015), là loại hạn hán gay gắt nhất vì nó ảnh hưởng trực tiếp đến thủy nông, kỹ nghệ, và việc cung cấp nước (Zhu et al., 2016; Bhardwa et al., 2020). Hiểu được những đặc tính không gian-thời gian của MDs và HDs, gồm có những cơ chế lan truyền của chúng, vô cùng quan trọng cho việc quản lý nguồn nước.
Một vài nguyên cứu đã giới thiệu nhiều chỉ số hạn hán khác nhau để theo dõi sự xảy ra và lan truyền của hạn hán. Thí dụ, chỉ số mưa tiêu chuẩn hóa (standardized precipitation index (SPI)) (McKee et al., 1993) và chỉ số mưa bốc thoát hơi tiêu chuẩn hóa (standardized precipitation evapotranspiration (SPEI)) (Vicente-Serrano et al., 2010) là 2 chỉ số MD đại diện, có thể được dùng để nghiên cứu hạn hán cho nhiều qui mô thời gian khác nhau. Theo đường lối tính toán của SPI, chỉ số chảy tràn tiêu chuẩn hóa (standardized runoff indes (SRI)) (Shukla and Wood, 2008) và chỉ số dòng chảy tiêu chuẩn hóa (standardized streamflow index (SSI)) (Vincente-Serrano et al., 2012) được dùng rộng rãi để theo dõi HD.
Một số nghiên cứu đã điều tra những đặc tính lan truyền từ MD đến HD trong những thập niên qua, gồm có mức lan truyền, thời gian từ lúc bắt đầu đến lúc chấm dứt (lag time), và thời gian đáp ứng (response time) (Zhang et al., 2021c). Các mô hình thống kê thường không thể thiếu để nghiên cứu sự lan truyền của hạn hán. Thí dụ, lý thuyết chạy (run theory) (Ho et al., 2021; Wu et al., 2021b), phân tích liên hệ (correlation analysis) (Barker et al., 2016), và các phương pháp đáp ứng không thẳng hàng (nonlinear response) (Wu et al., 2017a), phân tích sóng lăn tăn (wavelet analysis) (Huang et al., 2017. và mô hình Copula and Baysesian (Sattar and Kim, 2018). Ngoài các mô hình thống kê, các phương pháp mô phỏng thủy học rất hữu ích để đánh giá sự lan truyền của hạn hán (Ma et al., 2019; Wang et al., 2019b; Wu et al., 2019; Zhang et al., 2022c). Nói chung, những nghiên cứu nầy hầu hết dựa trên quan sát thước nước; tuy nhiên, dữ kiện quan s thường không có sẵn ở những nơi hiếm dữ kiện. Do đó, dữ kiện tái phân tích toàn cầu có thể dùng để thay thế trong việc phân tích lan truyền của hạn hán (Ding et al., 2021).
Khi MD tiến đến HD qua chu kỳ thủy học trên mặt đất, các yếu tố thời tiết và đặc tính của lưu vực cùng có trách nhiệm cho mối liên hệ nầy (Van Loon, 2015; Van Loon and Laaha, 2015). Vai trò của những yếu tố quyết định tùy thuộc nặng nề vào kích thước của qui mô không gian. Trên toàn cầu, HD có thể liên quan nhiều đến điều kiện khí hậu hơn các đặc tính của lưu vực (Van Loon and Laaha, 2015). Tuy nhiên, ở qui mô khu vực, nơi khí hậu tương đối đồng nhất, các đặc tính của lưu vực có ảnh hưởng đáng chú ý đến sự lan truyền của HD (Barker et al., 2016; Valiya Veettil and Mishra, 2020; Konapala and Mishra, 2020; Wu et al., 2021a). Trong các lưu vực bị xáo trộn, những hoạt động của con người như làm đầy các hồ chứa nước, chuyển nước, dẫn tưới đất, và thay đổi cách sử dụng đất đã chúng minh là những yếu tố quan trọng và không thể bỏ qua trong việc xác định sự lan truyền của HD (Wu et al, 2018a; Wang et al., 2019b; Ma et al., 2019; Wu et al., 2019; Yang et al., 2020).
Sông Lancang-Mekong (LMR) được biết như một Thủy lộ Vàng nối liền Trung Hoa và Đông Nam Á (ĐNA), và lưu vực của nó là nơi cư trú của 65 triệu người (Sabo et al., 2017). Khoảng 60% của dân số Mekong dựa vào nông nghiệp để sống còn, và hạn hán tái diễn đe dọa an ninh nước và lương thực trong lưu vực nầy. Lưu vưc sông Lancang-Mekong (LMRB) đã trải qua nhiều trận hạn hán nghiêm trọng và kéo dài trong 20 năm qua (Tran et al., 2019; Loc et al., 2021; Kang et al., 2021). Nghiên cứu gần đây cho thấy rằng thay đổi khí hậu sẽ gia tăng tần suất và tính nghiêm trọng của hạn hán trong LMRB trong tương lai (Dong et al., 2022; Kang et al., 2022; Li et al., 2021a; Thilakarathne and Sridhar, 2017); tuy nhiên, sự lan truyền của hạn hán từ MD đến HD vẫn chưa rõ. Trong nghiên cứu nầy, chúng tôi thực hiện một đánh gia qui mô tiểu khu vực của sự lan truyền hạn hán trong LMRB và mối liên hệ của nó với khí hậu và những đặc tính của khu vực. Mục đích là (1) xác định và phân tích những đặc tính không gian-thời gian của MDs và HDs, (2) xác định thời gian lan truyền hạn hán (DPT) từ MD đến HD, và (3) thăm dò các yếu tố tiềm tàng ảnh hưởng đến DPTs. Kết quả có thể đưa đến một nhận thức tốt hơn về cơ chế lan truyền hạn hán và làm dễ dàng hơn việc quản lý nguồn nước của LMRB.
XIN BẤM "READ MORE" ĐỂ ĐỌC TIẾP
2. Vật liệu và phương pháp
2.1. Vùng nghiên cứu
LMR bắt nguồn từ cao nguyên Qinghai-Tibet (Thanh Hải-Tây
Tạng) ở Trung Hoa và chảy qua Myanmar, Lào, Thái Lan, Cambodia và Việt Nam
(Hình 1). LMRB được chia vùng thượng lưu
vực, đó là lưu vực sông Lancang (LRB) ở Tibet và Yunnan (Vân Nam) ở Trung Hoa
(24% của diện tích tổng cộng), và hạ lưu vực, đó là MRB từ hạ lưu Yunnan đến
Biển Đông (76% của diện tích tổng cộng) (MRC, 2005). LMR có chiều dài tổng cộng là 4.800 km, đứng
thứ 10th trên thế giới. LMRB
có lượng chảy tràn trung bình hàng năm là 475 km3 và một diện tích
khoảng 795.000 km2 (MRC, 2005).
Cao độ của LMRB giảm từ trên 4.500 m trong vùng nguồn đến vài m trên mực
nước biển ở đồng bằng. Có 2 mùa mưa (từ
tháng 6 đến tháng 11) và khô (từ tháng 12 đến tháng 5) vì gió mùa thống trị khí
hậu. Dựa trên căn bản của sản phẩm tái
phân tích ERA-đất, nhiệt độ trung bình hàng năm trong lưu vực thay đổi từ -13
đến 31 oC, và lượng mưa trung bình hàng năm từ 676 đến 3.497
mm. Để phân tích đầy đủ tính không đồng
nhất của những đặc tính của hạn hán, LMRB được chia thành 6 tiểu lưu vực địa lý
theo địa hình, các đặc tính thủy học, và loại bao phủ đất của nó (Hình 1): vùng nguồn sông trên cao nguyên Qinghai-Tibet
(Vùng I); LRB trong tỉnh Yunnan (Vùng II); vùng cao nguyên ở thượng Lào và Thái
Lan (Vùng III); dãy Trường Sơn ở Lảo (Vùng IV); cao nguyên Khorat ở Thái Lan
(Vùng V); và lưu vực hồ Tonle Sap và Đồng bằng sông Cửu Long ở Việt Nam (ĐBSCL)
(Vùng VI).
Hình 1. (a) Địa hình và vị trí của các trạm thủy khí tượng và
(b) loại bao phủ đất trong LMRB.
2.2. Bộ dữ kiện
Lượng mưa hàng tháng, tổng số chảy tràn, nhiệt độ, độ bốc thoát hơi, và độ ẩm của 1 m đất trên mặt được lấy từ dữ kiện tái phân tích ERA5-đất của Trung tâm Tiên đoán Thời tiết Trung hạn Âu Châu (European Center for Medium-Range Weather Forecasts (ECMWF) (Munoz-Sabater et al., 2021). Dữ kiện tái phân tích chia ô có độ phân giải 0,1ox0,1o và bao trùm thời gian từ 1950 đến 2021. Tái phân tích lưu lượng sông toàn cầu GloFAS-ERA5 được tạo nên bằng cách kết hợp lượng chảy tràn ERA5 với mô hình LISFLOOD, nối các ô với chảy tràn qua lòng lạch của sông để có lưu lượng của sông (Harrigan et al., 2020). Lưu lượng hàng tháng GloFAS-4.0 từ 1979 đến 2021 được dùng trong nghiên cứu nầy. Lượng mưa được quan sát ở 103 trạm khí tượng và lưu lượng được ghi nhận ở 9 trạm thủy học (Hình 1a) được thu thập từ Văn phòng Thủy học và Nguồn Nước Tỉnh Yunnan (CMA) (http://data.cma.cn/), và Ủy hội Sông Mekong (MRC) (https://portal.mrcmekong.org/). Ngoài ra, một mô hình cao độ số (DEM) với độ phân giải không gian 90 m được lấy từ Phi vụ Địa hình Radar Shuttle (Shuttle Radars Topography Mission (SRTM). Bản đồ sử dụng đất được lấy từ độ bao phủ đất hàng năm MCD12Q1 của Moderate Resolution Imaging Spectro radiometer (MODIS) (Hình 1b).
Những nghiên cứu trước đây đề nghị rằng lượng mưa và chảy tràn của bộ dữ kiện tái phân tích REA5-Đất thích hợp để tình các chỉ số hạn hán, chẳng hạn như SPI và SRI (Zhou et al., 2021b; Huang et al., 2021; Fan et al., 2021). Để lượng định lượng mưa của ERA5-Đất dữ kiện lưu lượng của GloFAS trong LMRB, dữ kiện tái phân tích được kiểm chứng với các quan sát trên mặt đất. Kết quả kiểm chứng cho thấy lượng mưa ERA5-Đất phù hợp cao với dữ kiện được quan sát, hệ số liên hệ Pearson ở giữa là 0,86 (Hình S1). Trong khi đó, GloFAS cho lưu lượng hàng tháng rất tốt ở 9 trạm thủy học, với hệ số hiệu năng Nash-Sutcliffe thay đổi từ 0,74 đến 0,94 (Hình S2 và Bảng S1). Do đó, dữ kiện tái phân tích có thể được dùng để tính các chỉ số hạn hán được đòi hỏi bởi nghiên cứu nầy.
2.3. Các phương pháp
2.3.1. Các chỉ số hạn hán
SPI (McKee et al., 1993) được dùng để đặc tính hóa MD trong nghiên cứu nầy. SPI có thể phản chiếu các đặc tính của hạn hán ở nhiều qui mô thời gian, vì thế nó được dùng rộng rãi trong việc điều tra các khía cạnh hạn hán khác nhau trong nhiều vùng khác nhau (Barker et al., 2016; Huang et al., 2017; Wu et al., 2018b; Bahrwaj et al., 2020). SPI được tính như sau:
trong đó Gm(x) là phân phối xác suất cộng dồn của dữ kiện mưa.
trong đó
Trong các phương trình (1)-(4), x là trị số mưa, và α và β là các thông số hình dáng và kích thước của phân phối gamma. co, c1, và c2 và d1 , d2 và d3 là các thông số tính toán, có trị số: co = 2,515517, c1 = 0,802853, c2 = 0,010328, d1 = 1,42788, d2 = 0,189269, và d3 = 0.001308.
HD được định lượng bởi SRI được Shukla and Wood (2008) đề nghị, và phương pháp tính của nó giống như SPI. Các nghiên cứu trước đây báo cáo rằng hàm số log-bình thường cho một phù hợp tốt hơn cho nhiều khích thước thời gian của chảy tràn (Wu et al., 2017a; Zhou et al., 2021b). Do đó, phân phối log-bình thường được chọn để tính SRI. Trong khi tính CPI và SRI, qui mô thời gian từ 1-12 tháng được cứu xét. Ngoài ra, thời gian hạn hán (thời gian trong đó SPI/SRI liên tục dưới -1), tính nghiêm trọng (tổng số cộng dồn của tất cả SPI/SRI dho thời gian hạn hán), và cường độ (được định nghĩa như tỉ số của tính nghiêm trọng và thời gian) được rút ra bằng phương pháp lý thuyết chạy (Yevjevich, 1967).
2.3.2. Phương pháp thống kê
Thử nghiệm chiều hướng Mann-Kendall (Mann, 1945; Kendall, 1975), một thử nghiệm không thông số, được sử dụng rộng rãi trong nghiên cứu thủy khí tượng (Wu et al., 2018b; Zhou et al., 2021b). Tuy nhiên, loạt thời gian thường có mối liên hệ tự động, ảnh hưởng đến tầm quan trọng của kết quả thử nghiệm (Wang et al., 2020). Nghiên cứu nầy chấp nhận thử nghiệm chiều hướng Mann-Kendall được điều chỉnh (MMK) vì nó có thể loại bỏ thành phần liên hệ tự động trong loạt thời gian. Tin tức chi tiết về thử nghiệm MMK được trình bày trong một bài viết trước đấy (Wang et al., 2019a). Thống kê thử nghiệm, thí dụ trị số của Z, vượt qua thử nghiệm đáng kể cho α là 0,05 và 0,01 khi |Z| > 1,96 và 2,58, theo thứ tự. Ngoài ra, chiều hướng thay đổi của loạt thời gian được ước tính bởi phương pháp độ dốc của Sen (Sen, 1968).
Hệ số xếp hạng liên hệ Spearman (SSC) được dùng trong nghiên cứu nầy để định lượng mối liên hệ giữa SPI và SRI vì nó có thể được dùng để lượng định mối liên hệ đơn điệu giữa 2 biến số, dù mối liên hệ thẳng hay không thẳng (Zhang et al., 2021). Ngoài ra, SSC không cần giả thiết một sự phân phối bình thường hay các hàm số phân phối đặc biệt khác cho các biến số (Helsel and Hirsch, 1992). SRI-1 (SRI 1 tháng) được dùng vì nó mô tả hạn hán thủy học ngắn hạn. Mối liên hệ giữa SPI-n (n là qui mô thời gian, n = 1,2,…,12) và SRI-1 được tính riêng biệt. DPT là qui mô thời gian tương ứng với hệ số liên hệ Pearman tối đa (MSCC) giữa SPI-n và SSI-1 (Barker et al., 2016; Wu et al., 2018b; Zhang et al., 2022a).
Biến đổi sóng lăn tăn, một khí cụ lý tưởng để phân tích loạt thời gian không di chuyển, có thể nắm được các đặc tính trong một tần suất rộng và có được các sự kiện địa phương trong loạt thời gian bằng cách tự điều chỉnh một cách khôn ngoan (Afshan et al., 2018). Biến đổi lăn tăn ngang (XWT) là một kỹ thuật lượng định nhiều qui mô, nhiều tần suất và nhiều dấu hiệu dựa hoàn toàn trên biến đổi lăn tăn truyền thống, lượng định hữu hiệu mối liên hệ giữa 2 dãy không di chuyển (Grinsted et al., 2004; Wang et al., 2020). Tuy nhiên, XWT chỉ có thể phản ánh mối liên hệ giữa các vùng năng lượng cao, trong khi mối liên hệ giữa các vùng năng lượng thấp cần được thu thập bằng cách dùng biến đổi lăn tăn kết dính (WTC). Vì thế, chúng tôi dùng XWT và WTC trong nghiên cứu nầy để thăm dò mối liên hệ giữa HD và MD. Mô tả chi tiết hơn của XWT và WTC có sẵn trong nghiên cứu của Grinsted et al. (2004), và các chương trình thích hợp được đăng trên http://www.pol.ac.uk/home/resaerch/waveletcoherence/.
2.3.3. Mô hình phát hiện địa dư
Mô hình phát hiện địa dư (GDM) là một kỹ thuật phổ biến để xem xét tính không dồng nhất của của tầng lớp không gian (Wang et al., 2010; Song et al., 2020). Trong nghiên cứu nầy, GDM được dùng để định lượng các yếu tố môi trường (các yếu tố khí tượng, cao độ và loại bao phủ đất) ảnh hưởng đến sự phân phối không gian của DPT trong LMRB. Lực thúc đẩy của mỗi yếu tố môi trường đối với sự phân phối DPT được định lượng bằng cách dùng một yếu tố phát hiện. Ảnh hưởng của những tác động qua lại giữa các yếu tố môi trường đối với sự phân phối của DPT được tiết lộ bằng cách dùng việc phát hiện tương tác. Chi tiết của GDM được trình bày trong Wang et al. (2010) và Meng et al. (2020).
3. Kết quả
3.1. Biến đổi không gian-thời gian trong lượng mưa và chảy tràn
Hình 2 cho thấy chiều hướng thay đổi của lượng mưa và chảy
tràn trên khắp LMRB từ năm 1950 đến 2021.
Nói chung, lượng mưa và chảy tràn cho thấy chiều hướng giảm không đáng
kể, với các mức độ thay đổi từ -0,7 mm/năm và -0,88 mm/năm , theo thứ tự, chứng
tỏ rằng LMRB trải qua một chiều hướng khí hậu khô yếu. Lượng mưa cho thấy tính không đồng nhất không
gian rõ ràng và thay đổi từ -7,53 đến 7,59 mm/năm (Hình 2a). Lượng mưa ở vùng đông nam và nam của LMRB cho
thấy một chiều hướng gia tăng đáng kể, trong khi vùng nguồn có chiều hướng gia
tăng không đáng kể trong LRB trong tỉnh Yunnan, vùng cao nguyên ở thượng Lào,
và cao nguyên Khorat ở Thái Lan. Những
biến đổi không gian trong chảy tràn trên căn bản tương ứng với lượng mưa đó, và
chảy tràn thay đổi từ -7,93 đến 8,08 mm/năm (Hình 2b). Những vùng với chiều hướng chảy tràn giảm
đáng kể (30,84%) thì lớn hơn những vùng có chiều hướng giảm đáng kể trong lượng
mưa (27,66%). Điều nầy phần lớn vì mối
liên hệ lượng mưa-chảy tràn bị ảnh hưởng bởi cây cối, cao độ, và hoạt động của
con ngườ (Pena-Gallardo et al., 2019; Zhou et al., 2021b).
..png)
Hình 2 Chiều hướng thay đổi và mức đáng kể của (a) lương mưa và (b) chảy tràn.
Những chấm đen mô tả chiều hướng đáng kể ở 0,5.
3.2. Biến đổi không gian-thời gian trong MD và HD
Hình 3 trình bày những tiến hóa thời gian của MD và HD ở
những qui mô thời gian khác nhau trong 6 tiểu vùng trong 1950-2021. Nói chung, 2 chỉ số hạn hán cho thấy sự thay
đổi rõ rệt của khô và mưa, và chiều hướng thời gian của MD và HD gần giống
nhau, cho thấy sự nối kết mạnh hơn giữa HD và MD. Tuy nhiên, những đợt hạn hán được xác định
trong từng tiểu vùng thì khác nhau. Thí
dụ, các đợt hạn hán kéo dài chánh được xác định trong Vùng I xảy ra trong
1970-1980 (Hình 3a và 3b). Trong Vùng II
và III, các đợt hạn hán phần lớn xảy ra trong thập niên 1950s và cuối thập niên
2000s (Hình 3c-3f). Rõ ràng là các Vùng
IV, V, và VI hầu như bị hạn hán cực đoan kéo dài trước năm 1970 (Hình 3g-3l).
..png)
Hình 3 Tiến hóa theo thời gian của SPI và SRI ở các qui mô thời gian khác nhau
trong 6 tiểu vùng từ
1950 đến 2021.
Bảng 1 cho thấy chiều hướng Mann-Kendall của loạt thời gian SPI và SRI ở qui mô thời gian 1, 3, 6, và 12 tháng trong 6 tiểu vùng của LMRB từ 1950 đến 2021. Bốn qui mô thời gian nầy đại diện cho hạn hán hàng tháng, theo mùa và hàng năm, có thể phản ánh tiến hóa của hạn hán. Vùng II, III, và V cho thấy chiều hướng giảm của SPI và SRI trong tất cả qui mô thời gian được chọn, và hầu hết chiều hướng giảm nầy thì đáng kể. Ngược lại, các Vùng I, IV, và VI cho thấy chiều hướng gia tăng của SPI và SRI, nhưng chiều hướng trong Vùng VI thì không đáng kể. Phân phối không gian của lượng mưa và chảy tràn trong Hình 2 và lề lối thay đổi của nó hầu như không thay đổi. Đáng chú ý, chiều hướng của SRI thì trầm trọng hơn chiều hướng của SPI trong các vùng II, III, và V. Hơn nữa, vùng II là vùng hạn hán nghiêm trọng nhất, với các trị số Z lớn nhất cho SPI và SRI trong 6 tiểu vùng trên tất cả các qui mô thời gian được chọn.
Bảng 1 Phân tích chiều hướng của SPI và SRI trên qui mô thời gian 1, 3, 6, và 12 tháng
trong 6 tiểu vùng của LMRB từ 1950 đến 2020.
Hình 4 trình bày sự phân phối không gian và một khung cho con số sự kiện MD và HD trên qui mô thời gian khác nhau. Có thể thấy rằng các sự kiện MD xảy ra thường xuyên trong cao nguyên Qinghai-Tbet, vùng cao nguyên ở thượng Lào và Thái Lan, cao nguyên Khorat ở Thái Lan, và lưu vực hồ Tonle Sap ở Cambodia (Hình 4a). Các sự kiện HD tiếp tục xảy ra ở cao nguyên Qinghai-Tibet, vùng cao nguyên phía tây Thái Lan, và dãy Trường Sơn ở Lào (Hình 4c). Những sự kiện MD và HD thường xuyên hơn có vẻ xảy ra trên những qui mô thời gian ngắn hơn, và một vài sự kiện được xác định trên qui mô thời gian dài hơn. Có thể quan sát rằng tần suất của các sự kiện hạn hán giảm khi qui mô thời gian tăng (Hình 4b và 4d). Hơn nữa, với 4 qui mô thời gian được chọn, số sự kiện HD trên khắp tất cả các tiểu vùng của LMRB thì thấp hơn số sự kiện của MD.
Hình 5 trình bày phân phối không gian và một khung cho thời
gian trung bình của các sự kiện hạn hán trên các qui mô thời gian khác
nhau. Các MDs được thấy với thời gian
dài hơn phần lớn xảy ra trong vùng cao nguyên phía đông ở thượng Lào, phía nam
dãy Trường Sơn, và ĐBSCL (Hình 5a). Mặt
khác, các HDs với thời gian dài hơn phần lớn xảy ra ở khoảng giữa của LRB trong
tỉnh Yunnan, cao nguyên Khorat ở Thái Lan, và lưu vực hồ Tonle Sap (Hình
5c). Như được thấy trong Hình 5b và 5d,
thời gian hạn hán của các sự kiện MD và HD gia tăng khi qui mô thời gian tăng.
Hình 4 Phân phối không gian và khung của số sự kiện hạn hán cho các qui mô thời gian khác nhau.
Hình 5 Phân phối không gian và khung cho thời gian hạn hán trung bình
trong các qui mô thời gian khác
nhau
Ngoài ra, thời gian hạn hán của HDs rõ ràng dài hơn thời gian hạn hán của MDs, phù hợp với những điều được tìm thấy trong các vùng khác trên thế giới (Wu et al., 2019; Wu et al., 2021a). Kiểm soát của phân phối không gian của tính nghiêm trọng trung bình của các sự kiện hán hán trong các qui mô thới gian khác nhau thì giống như tính nghiêm trọng của thời gian đó (Hình 5), cho thấy rằng nó gia tăng khi qui mô thời gian gia tăng, và các HDs trên khắp hầu hết tất cả các tiểu vùng thì nghiêm trọng hơn các MDs, như được trình bày trong Hình S3.
3.3. Lan truyền từ MD đến HD
Hình 6 Lề lối không gian cảu (a) hệ số liên hệ Spearman tối
đa (MSCC) và (b) thời gian lan truyền hạn hán (DPT) trong LMRB
Hình 6 cho thấy MSCC giữa SPI-n và SRI-1 và DPT từ MD đến HD
trong LMRB. Rõ ràng là MD và HD liên hệ
chặt chẽ trong tất cả các vùng của LMRB ngoại trừ một số vùng núi à cao nguyên
trong Vùng I và II (Hình 6a). DPTs trong
LMRB phần lớn được thấy tập trung giữ tháng 2 và 9 và cho thấy biến đổi không
gian rõ rệt (Hình 6b). MD trong Vùng I
lan truyền đến HD một cách chậm chạp, với DPTs từ 7-9 tháng, và MSCC là
0,37-0,64. Các Vùng II, III, và IV cho
thấy sự lan truyền nhanh chóng, với DPTs < 4 tháng, và các trị số của MSCC
> 0,7. Tuy nhiên, sự lan truyến của
MD trong Vùng V và VI đến HD tương đối chậm, và DPTs phần lớn tập trung trong
3-7 tháng và 3-5 tháng, theo thứ tự.
Hình 7 Các trị số trượt trung bình của DPTs trong 6 tiểu vùng
được tính cho các của sổ di động (a) 10 năm, (b) 20 năm, và (c) 30 năm.
Để hiểu rõ những thay đổi trong lề lối của DPT trong LMRB từ 1950 đến 2021, phương pháp cửa sổ di động (moving window method) được dùng trong nghiên cứu nầy (Zhang et al., 2022a). Chúng tôi chọn các cửa sổ di động 10, 20, và 30 năm để xem xét tiến hóa của DPT theo thời gian. Đặc biệt, đối với cửa sổ di động 30 năm, bắt đầu từ 1950, lúc đầu chúng tôi tính DPT trung bình của tất cả các ô trong thời gian 1950-1979 và rồi chuyển cửa sổ 1 năm mỗi lần (đó là, 1951-1980, 1952-1981,…, 1992-2021), vì thế tạo nên một loạt thời gian của trị số trung bình của DPT trong 6 tiểu vùng theo thời gian. Hình 7 cho thấy những biến đổi trong trị số trung bình của DPT trong 6 tiểu vùng, với các cửa sô di động 10, 20, và 30 năm, theo thứ tự. Tầm dao động trong DPTs giảm với sự gia tăng của chiều dài cửa số di động. Nói chung, DPTs cho thấy chiều hướng tương tự trong các chiều dài cửa sổ di động khác nhau. Mặc dù các trị số trung bình của DPT thay đổi với thời gian và chiều dài của cửa sổ di động, các trị số phần lớn tập trung chung quanh tháng 8, 3, 3, 3, 5 và 4 cho vùng I, II, III, IV, V, và VI, theo thứ tự.
3.4. Mối liên hệ giữa MD và HD
Hình 8 Biến đổi sóng lăn tăn ngang (XWT) của SPI và SRI trong
6 tiểu vùng. Đường đen đậm đại diện cho
mức tin cậy đáng kể 95%; hình nón ảnh hưởng được tô màu nhạt hơn; thanh màu ở
phía dưới trình bày sức mạnh của sóng lăn tăn ngang; và mũi tên đen, chỉ về
phía trái (phải) để mô tả dấu hiệu ngược giai đoạn (theo giai đoạn), đại diện
mối liên hệ giai đoạn tương đối.
Theo kết quả được trình bày trong Phần 3.3., trị số trung
bình của DPT strong vùng I, II, III, IV, V, và VI là 8, 3, 3, 3, 5, và 4 tháng,
theo thứ tự, XWT được dùng để xác định
tần suất cộng hưởng và chuyển giai đoạn trong phạm vi thời gian-tần suất đối
với SPI-m (m là DPT có phần trăm lớn nhất) và SRI-1. Quang phổ sức mạnh của sóng lăn tăn ngang của
SPI-m và SRI-1 trong 6 tiểu vùng được trình bày trong Hình 8. Như có thể thấy, Vùng I có mối liên hệ tích
cực chiếm ưu thế giữ SPI-8 và SRI-1 (Hình 8a).
Đặc biệt, phần lớn chúng liên hệ thống kê tích cực (theo giai đoạn)
trong 4 thời kỳ 2 năm (1952-1955, 1959-1962, 1984-1988, 1993-1996 và 2019-2020,
một thời kỳ 4 năm (2001-2006), và một thời kỳ 11 năm (1979-2007). Nói chung, loạt SPI-8 trình bày một mối liên
hệ tích cực với SRI-1 tương ứng ở qui mô thời gian ngắn và dài hạn (khoảng 2-11
năm). Các thời kỳ cộng hưởng thay đổi từ
ngắn hạn đến dài hạn trong quang phổ sóng tăn tăn ngang SPI và SRI trong 5 vùng
khác. Ngoài ra, những mối liên hệ giai
đoạn góc cho thấy mối liên hệ tích cực giữa SPI và SRI. Ngoài ra, vùng III-VI có một thời kỳ 11 năm
trước 1980, và vùng II-VI có thời gian 4-7 năm sau 2013. Sự kết đính sóng lăn tăn của loạt thời gian
của SPI-m và SRI-1 được mô tả trong Hình 9, cho thấy những đặc tính chung và
mối liên hệ mạnh mẽ đối với 2 dãy trong vùng năng lượng thấp. Trong đa số các tiểu vùng, một mối liên hệ
trong giai đoạn đáng kể giữa SPI-m và SRI-1.
Những dao động của SRI-1 được mô tả tốt bởi SPI-m, với các thời gian
thay đổi từ 12 đến 256 tháng. Hơn nữa,
WTC được phát hiện kết dính cao trong những vùng với sức mạnh sóng lăn tăn thấp
trong XWT. Phân tích xác nhận thêm mối
liên hệ tích cực giữa HD và MD.
Hình 9 Kết dính biến đổi sóng lăn tăn (WTC) giữa SPI và SRI
trong 6 tiểu vùng
3.5. Ảnh hưởng của khí hậu và đặc tính của lưu vực đối với sự phân phối không gian của DPT
Để khám phá ảnh hưởng của khí hậu và các đặc tính của lưu vực
đối với DPT, mối liên hệ giữa DPT và các yếu tố thủy khí tượng, loại sử dụng
đất, và cao độ được phân tích (Hình 10).
DPT được thấy ngắn hơn trong những vùng có mưa, chảy tràn, nhiệt độ và
bốc thoát hơi cao hơn, và ngược lại (Hình 10a-10d). Ảnh hưởng của độ ẩm của đất đối với DPT trong
LMRB thì không quan trọng so với ảnh hưởng của các yếu tố thủy khí tượng khác
(Hình 10b). Từ bối cảnh của loại sử dụng
đất, các DPTs ngắn hơn xảy ra trong những vùng có độ bao phủ rừng cao (Hình
10f). Rừng có thể làm tăng độ thoát hơi
(transpiration) và làm giảm tính có sẵn của nước, cả 2 làm dễ dàng sự lan
truyến của MD đến HD (Zhang et al., 2022b).
Ngoài ra, những vùng có nhiều đồng cỏ và đất canh tác có DPTs dài hơn
(Hình 10 g và 10h). Dẫn tưới nông nghiệp
gia tăng độ ẩm của đất, vì thế gia tăng DPT.
Về cao độ, những vùng có cao độ cao có DPTs tương đối dài (Hình
10i). Cao độ là yếu tố then chốt trong
việc xác định sự lan truyền của hạn hán vì nó trực tiếp nối với động năng của
tuyết và dự trữ nước ngầm (López-Moreno et al., 2013; Apurv and Cai, 2020; Yang
et al., 2022). Thí dụ, Han et al.,
(2021) thấy rằng tỉ lệ của chảy tràn từ tuyết tan trong vùng nguồn của LRB lên
đến 11%, và vì thế, nó có thể ảnh hưởng trực tiếp đến DPT trong vùng I.
Hình 10 Mối liên hệ giữa DPT và (a) lượng mưa, (b) chảy tràn, (c) bốc thoát hơi, (d) nhiệt độ,
(e) độ ẩm của đất, (f) tỉ lệ rừng, (g) đồng
cỏ, (h) đất canh tác, và (i) cao độ.
Các yếu tố ảnh hưởng được định lượng thêm bằng cách dùng mô
hình phát hiện địa dư (gepgraphical detector model). Trị số Q cao hơn có được từ mô hình phát hiện
cho thấy yếu tố đóng góp nhiều hơn đến DPTs.
Như được thấy trong Hình 11, lượng mưa (trị số Q=0,62) là thành phần
đóng góp nhiều nhất đến sự phân phối không gian của DPT strong LMRB. Điều nầy phần lớn là do mối liên hệ mưa-chảy
tràn có ảnh hưởng đáng kể đối với mối liên hệ giữa SPI và SRI (Zhang et al.,
2020a). Những điều được tìm thấy của
việc phát hiện tác động qua lại cho thấy rằng tác động qua lại giữa mưa và cao
độ có ảnh hưởng đáng kể đến sự phân phối không gian của DPTs trong LMRB.
Hình 11 Phạm vi ảnh hưởng của mỗi yếu tố đối với việc phân phối không gian của DPTs
trong LMRB dựa trên việc phát hiện yếu tố
3.6. Ảnh hưởng của hoạt động của con người đối với sự lan truyền hạn hán
Những sai biệt giữa SRI được mô phỏng và được quan sát có thể
đại diện cho những ảnh hưởng làm xáo trộn của con người (điều hành hồ chứa, nới
rộng thủy nông, và thay đổi bao phủ đất) đối với sự lan truyền của hạn
hán. Từ năm 2009, qui mô của việc xây hồ
chứa nước trong LMRB đã nới rộng chưa từng thấy. Do đó, chúng tôi chọn thời kỳ 2009-2021 để
thăm dò ảnh hưởng của các hoạt động của con người đối với sự lan truyền của hạn
hán. Ở đây, 2 loạt SRI được tình: SRI tự
nhiên (đại diện cho điều kiện tự nhiên không có các động cơ con người) bằng
cách dùng lưu lượng được mô phỏng bởi mô hình GloFAS và SRI được quan sát (đại
diện ảnh hưởng kết hợp của các hoạt động của con người và điều kiện tự nhiên)
bằng cách dùng dữ kiện lưu lượng quan sát được.
Ngoài ra, phương pháp cấy thông số (parameter transplant method) được
dùng để tính loạt SRI tự nhiên và được quan sát (Jiang et al., 2019; Zhang et
al., 2022b). Hình 12 cho thấy hệ số liên
hệ giữa SPI-n và SRI-1 và DPT trong thời gian từ 2009 đến 2021. SPI-n thường liên hệ với loạt SRI-1 tự nhiên
nhiều hơn SRI-1 được quan sát, đề nghị rằng các hoạt động của con người làm suy
yếu mối liên hệ giữa MD và HD. Trong khi
đó, so sánh với điều kiện tự nhiên, DPTs được kéo dài 1-7 tháng ở các tiểu lưu
vực khác nhau là do kết quả của ảnh hưởng của con người.
Hình 12 Liên hệ của (a) SPI-n và SRI-1 tự nhiên, và (b) SPI-n và SRI-1 quan sát được trong 2009-2021. Các chấm đen là thời gian lan truyền hạn hán (DPT)
4. Thảo luận
Mặc dù LMRB thường chứng kiến chiều hướng khô không đáng kể (Hình 2), có tính không đồng nhất không gian rõ rệt trong lề lối mưa và chảy tràn. Những điều được chúng tôi tìm thấy phù hợp vơi kết quả của những nghiên cứu trước đây. Dựa trên dữ kiện của Trung tâm Khí hậu Mưa Toàn cầu (GPCC), Irannezhad et al. (2020) thấy không có những dao động rõ rệt trong lượng mưa hàng năm trong LMRB từ năm 1952 đến 2015. Về không gian, Li et al. (2019) khám phá một chiều hướng giảm trong lượng mưa hàng năm trong LRB từ thập niên 1960s đến thập niên 2010s bắng cách dùng dữ kiện đo đạc. Theo SPI và SRI, những MDs và HDs nghiêm trọng được xác định trong năm 1970, 2004-2005, 2009-2010, 2015-2016, và 2019-2020 trong hầu hết các tiểu vùng của LMRB (Hình 3). Những sự kiện nầy cũng được ghi nhận trong các phúc trình của MRC và đã được xác định trong nghiên cứu trước đây (Zhang et al., 2014; Hunt, 2020; Loc et al., 2021; Mekong River Commission, 2022). Phán đoán từ chiều hướng hạn hán trong mỗi tiểu vùng, vùng II, III, và V dã trải qua các điều kiện hạn hán nghiêm trọng (Bảng 1). Phân phối của các chiều hướng mưa và chảy tràn phù hợp với lề lối không gian nầy (Hình 2).
Chúng tôi cũng khám phá ra rằng các đặc tính của hạn hán thay
đổi đáng kể với thới gian tích lũy trong tất cả các tiểu vùng. Nhiều sự kiện hạn hán hơn
có vẻ xảy ra trong qui mô thời gian ngắn hơn (Hình 4). Điều nầy là do tính dai dẳng tương đối yếu của MDs và HDs trong các qui mô thời gian ngắn hơn (Kwon et al., 2019). Vì tính nhạy cảm của sự lan truyền từ MD đến HD, các HDs thì ít thường xuyên hơn MDs trong tất cả những thời gian tích lũy được chọn (Sattar et al., 2019). Tính nhạy cảm phần lớn dựa trên các đặc tính trên mặt đất và các điều kiện khí tượng (Guo et al., 2016). Li et al. (2022) cho thấy rằng MD hầu như lan truyền đến HD cùng với qui mô thời gian gia tăng trong những vùng thượng lưu của LMRB. Ngược lại, giống như những điều được tìm thấy trước đây (Barker et al., 2016; Kwon et al., 2019; Wang et al., 2020), thời gian trung bình và tính nghiêm trọng của MDs và HDs nâng cao khi qui mô thời gian gia tăng (Hình 4 và Hình S3). Cũng cần lưu ý rằng thời gian và tính nghiêm trọng của MDs thì kéo dài và tập họp lại trong HDs. Đó là vì MDs chịu ảnh hưởng năng nề của việc thiếu mưa, nhưng hạn hán lan truyền qua chu kỳ thủy học có thể chịu ảnh hưởng của các đặc tính lưu vực, khí hậu, và các hoạt động của con người (Huang et al., 2016; Wu et al., 2017b; Yuan et al., 2017; Zhang et al., 2022c).
Trong nghiên cứu nầy, chúng tôi khám phá rằng DPT từ MD đến HD cho thấy những biến đổi không gian đáng chú ý, phù hợp với những nghiên cứu trước đây (Liang et al., 2021; Li et al., 2021b; Ma et al., 2020). DPT phần lớn từ 2-9 tháng trong LMRB (Hình 6 và Hình 7). Nó tương đối dài hơn trong Vùng I (7-9 tháng) và ngắn hơn trong Vùng II (3-4 tháng) phù hợp với kết quả của nghiên cứu trước đây (Li et al., 2022; Zhang et al., 2022a). Những nghiên cứu nầy cũng báo cáo rằng DPT ở vùng nguồn trên cao nguyên Qinghai-Tibet thì dài hơn các khúc sông ở hạ lưu của LRB.
DPT cũng được thấy ngắn hơn trong vùng khí hậu ẩm và nóng và dài hơn trong vùng khô và lạnh, phù hợp với kết quả của các nghiên cứu trước đây (Ding et al., 2021; Zhang et al., 2022a; Zhang et al., 2022c), ám chỉ khí hậu kiểm soát DPT ở qui mô lớn. Tuy nhiên, cách sử dụng đất và cao độ có vẻ có ảnh hưởng lớn đối với DPT ở qui mô tiểu khu vực. Các yếu tố ảnh hưởng được phát hiện bởi mô hình phát hiện địa dư cho thấy lượng mưa là yếu tố chánh ảnh hưởng lề lối phân phối không gian của DPTs ở qui mô lưu vực. Ảnh hưởng đáng kể đối với DPT được tạo nên bởi những tác động qua lại giữa yếu tố mưa và yếu tố cao độ. Hơn nữa, đặc tính của lưu vực, đại diện bởi cách sử dụng đất và cao độ, không có ảnh hưởng đáng kể đối với DPT (Hình 11). Điều được tìm thấy nầy phù hợp với kết quả của các nghiên cứu trứơc đây. Zhou et al. (2021b) thấy ràng lượng mưa và chảy tràn là những thành phần chiếm ưu thế ảnh hưởng đến DPT trong lưu vực sông Pearl. Theo Zhang et al. (2022a), phân phối khu vực của DPT ở Trung Hoa phần lớn chịu ảnh hưởng của lượng mưa và nhiệt độ tối đa. Nói chung, phân phối không gian của DPT trong LMRB được kiểm soát bởi điều kiện khí hậu cùng với các đặc tính của lưu vực.
Kết nối giữa MD và HD đã giảm bởi hoạt động của con người
trong LMRB. Trong lúc đó, DPTs được kéo
dài từ 1-7 tháng ở các trạm thủy học khác nhau dọc theo LMR (Hình 12). Kết quả phù hợp với những điều được tìm thấy
bởi Zhang et al. (2022b), thấy rằng nối kết giữa MD và HD bị giảm bởi các hoạt
động của con người trong lưu vực sông Weihe ở Trung Hoa. Wu et al. (2018a) và Xu et al. (2019) cũng
cho thấy rằng việc điều hành hồ chứa thay đổi mối liên hệ MD-HD và đưa đến
những thay đổi trong DPT strong các lưu vực sông bị ngăn đập. Dự trữ trong hồ chứa nước trong LMRB tăng từ
~2% của lưu lượng hàng năm trung bình trong năm 2008 đến ~20% trong năm 2025
(Hecht et al., 2019), làm tăng đáng kể dòng chảy trong mùa khô và làm giảm lưu
lượng trong mùa mưa (Yun et al.,, 2020; Yun et al., 2021; Vu et al., 2022), làm
thay đổi thêm mối liên hệ đáp ứng của HD đối với MD. Ngoài việc xây cất hồ chứa nước, các hoạt
động của con người khác chẳng hạn như thủy nông, lấy nước, và thay đổi cách sử
dụng đất cũng có thể ảnh hưởng đến sự lan truyền hạn hán thủy học (Wu et al.,
2018a; Ma et al., 2019; Yang et al., 2020), cần được điều tra thêm trong các
nghiên cứu trong tương lai.
5. Phần kết luận
Dựa trên dữ kiện tái phân tích, tiến hóa và các đặc tính lan truyền của MD và HD trong LMRB được xem xét rốt ráo trong nghiên cứu nầy. MD và HD được đặc tính hóa bằng cách dùng SPI và SRI. Xếp loại liên hệ và phân tích sóng lăn tăn của Spearman được dùng để điều tra mối liên hệ giữa MD và HD về sự lan truyền. Các yếu tố tiềm tàng ảnh hưởng đến DPT cũng được thăm dò. Sau đây là những điều được tìm thấy chính của nghiên cứu nầy.
(1)
LMRB
trải qua một chiều hướng khô yếu từ năm 1950 đến 2021. Những vùng với điều kiện hạn hán tồi tệ phần
lớn nằm trong LRB trong tỉnh Yunnan, vùng cao nguyên ở thượng Lào, và cao
nguyên Khorat ở Thái Lan.
(2)
Các
đặc tính của hạn hán thay đổi đáng chú ý với thới gian tích lũy trong tất cả
các tiểu vùng. Khi qui mô thời gian gia
tăng, có ít sự kiện MDs và HDs hơn, mặc dù chúng kéo dài lâu hơn và nghiêm
trọng hơn. Thời gian trung bình và tính
nghiêm trọng của HDs thì kéo dài và kết hợp so với thời gian và tính nghiêm
trọng của MDs trong tất cả qui mô thời gian được chọn.
(3)
DPT
từ MD đến HD cho thấy sự biến đổi không gian đáng cú ý trong LMRB, thay đổi từ
2 đến 9 tháng. Các trị số trung bình của
DPT cho vùng I, II, III, IV, V, và VI khoảng 8, 3, 3, 3, 5 và 4 tháng, theo thứ
tự. Ngoài ra, những mối liên hệ thống kê
tích cực được xác định giữa MD và HD trong mỗi tiểu vùng.
(4)
Lượng
mưa là yếu tố chiếm ưu thế ảnh hưởng đến phân phối không gian của DPTs ở qui mô
lưu vực. Các đăc tính của lưu vực, đại
diện bởi cách sử dụng đất và cao độ, không có ảnh hưởng đáng kể đối với sự phân
phối không gian của DPT.
(5) Các hoạt động của con người làm suy yếu mối liên hệ giữa MD và HD, và DPTs bị kéo dài do ảnh hưởng của con người.
Appendix A. Dữ kiện bổ sung
Dữ kiện bổ sung cho bài viết nầy có thể tìm thấy trên mạng ở https://doi.org/10.1016/j.atmosres.2023.106913.
Tài liệu tham khảo
Afshan, S., Sharif, A., Loganathan, N., Jammazi, R., 2018.
Time–frequency causality between stock prices and exchange rates: further
evidences from cointegration and wavelet analysis. Phys. A: Stat. Mech. Appl. 495, 225–244. https://doi.org/10.1016/j.physa.2017.12.033.
Apurv, T., Cai, X., 2020. Drought propagation in contiguous
U.S. watersheds: a process based understanding of the role of climate and
watershed properties. Water Resour. Res.
56 https://doi.org/10.1029/2020WR027755.
Barker, L.J., Hannaford, J., Chiverton, A., Svensson, C.,
2016. From meteorological to hydrological drought using standardised
indicators. Hydrol. Earth Syst. Sci.
20 (6), 2483–2505. https://doi.org/10.5194/hess-20-2483-2016.
Bhardwaj, K., Shah, D., Aadhar, S., Mishra, V., 2020.
Propagation of meteorological to hydrological droughts in India. J. Geophys. Res.-Atmos. 125 (22) https://doi.org/10.1029/2020jd033455.
Ding, Y., et al., 2021. Propagation of meteorological to
hydrological drought for different climate regions in China. J. Environ. Manag. 283, 111980 https://doi.org/10.1016/j.jenvman.2021.111980.
Dong, Z., et al., 2022. Future projection of seasonal drought
characteristics using CMIP6 in the Lancang-Mekong River Basin. J. Hydrol. 610 https://doi.org/10.1016/j.jhydrol.2022.127815.
Fan, P.Y., et al., 2021. Quantifying land use heterogeneity
on drought conditions for mitigation strategies development in the Dongjiang
River Basin, China. Ecol. Indic. 129 https://doi.org/10.1016/j.ecolind.2021.107945.
Grinsted, A., Moore, J., Jevrejeva, S., 2004. Application of
cross wavelet transform and wavelet coherence to geophysical time series. Nonlinear Process. Geophys. 11 https://doi.org/10.5194/npg-11-561-2004.
Guo, Y., et al., 2020. Propagation thresholds of
meteorological drought for triggering hydrological drought at various levels. Sci. Total Environ. 712, 136502 https://doi.org/10.1016/j.scitotenv.2020.136502.
Han, Z., et al., 2021. An improved modeling of precipitation
phase and snow in the Lancang River Basin in Southwest China. SCIENCE CHINA Technol. Sci. 64 (7),
1513–1527. https://doi.org/10.1007/s11431-020-1788-4.
Harrigan, S., et al., 2020. GloFAS-ERA5 operational global
river discharge reanalysis 1979–present. Earth
Syst. Sci. Data 12 (3), 2043–2060. https://doi.org/10.5194/essd-12-2043-2020.
Hecht, J.S., Lacombe, G., Arias, M.E., Dang, T.D., Piman, T.,
2019. Hydropower dams of the Mekong River basin: a review of their hydrological
impacts. J. Hydrol. 568, 285–300. https://doi.org/10.1016/j.jhydrol.2018.10.045.
Helsel, D., Hirsch, R., 1992. Statistical Methods in Water
Resources, p. 36. Ho, S., Tian, L., Disse, M., Tuo, Y., 2021. A new approach to
quantify propagation time from meteorological to hydrological drought. J. Hydrol. 603 https://doi.org/10.1016/j.jhydrol.2021.127056.
Huang, S., Huang, Q., Chang, J., Leng, G., 2016. Linkages
between hydrological drought, climate indices and human activities: a case
study in the Columbia River basin. Int.
J. Climatol. 36 (1), 280–290. https://doi.org/10.1002/joc.4344.
Huang, S., et al., 2017. The propagation from meteorological
to hydrological drought and its potential influence factors. J. Hydrol. 547, 184–195. https://doi.org/10.1016/j.jhydrol.2017.01.041.
Huang, S., et al., 2021. Drought propagation modification
after the construction of the three Gorges Dam in the Yangtze River Basin. J. Hydrol. 603 https://doi.org/10.1016/j.jhydrol.2021.127138.
Hunt, L., 2020. Struggling with Drought on the Mekong. The Diplomat.
Irannezhad, M., Liu, J., Chen, D., 2020. Influential climate
teleconnections for spatiotemporal precipitation variability in the
Lancang-Mekong River Basin from 1952 to 2015. J. Geophys. Res.-Atmos. 125 (21) https://doi.org/10.1029/2020jd033331.
Jiang, S., et al., 2019. A framework for quantifying the
impacts of climate change and human activities on hydrological drought in a
semiarid basin of Northern China. Hydrol.
Process. 33 (7), 1075–1088. https://doi.org/10.1002/hyp.13386.
Kang, H., Sridhar, V., Mainuddin, M., Trung, L., 2021. Future
rice farming threatened by drought in the lower Mekong Basin. Sci. Rep. 11 https://doi.org/10.1038/s41598-021-88405-2.
Kang, H., Sridhar, V., Ali, S., 2022. Climate change impacts
on conventional and flash droughts in the Mekong River Basin. Sci. Total Environ. 838, 155845 https://doi.org/10.1016/j.scitotenv.2022.155845.
Kendall, M.G., 1975. Rank Correlation Methods, 4th edition.
Charles Grifin, London. Konapala, G., Mishra, A., 2020. Quantifying climate and
catchment control on hydrological drought in the continental United States. Water Resour. Res. 56 (1) https://doi.org/10.1029/2018wr024620.
Kwon, M., Kwon, H.H., Han, D., 2019. Spatio-temporal drought
patterns of multiple drought indices based on precipitation and soil moisture:
a case study in South Korea. Int. J.
Climatol. 39 (12), 4669–4687. https://doi.org/10.1002/joc.6094.
Li, Y., Wang, Z., Zhang, Y., Li, X., Huang, W., 2019. Drought
variability at various timescales over Yunnan Province, China: 1961–2015. Theor. Appl. Climatol. 138 (1–2),
743–757. https://doi.org/10.1007/s00704-019-02859-z.
Li, Y., et al., 2021a. Meteorological and hydrological
droughts in Mekong River Basin and surrounding areas under climate change. J. Hydrol. Region. Stud. 36 https://doi.org/10.1016/j.ejrh.2021.100873.
Li, Z., et al., 2021b. Clarifying the propagation dynamics
from meteorological to hydrological drought induced by climate change and
direct human activities. J.
Hydrometeorol. 22 (9), 2359–2378. https://doi.org/10.1175/jhm-d-21-0033.1.
Li, J., et al., 2022. Relationship between meteorological and
hydrological droughts in the upstream regions of the Lancang–Mekong River. J. Water Clim. Change 13 (2), 421–433. https://doi.org/10.2166/wcc.2021.445.
Liang, Z., Su, X., Feng, K., 2021. Drought propagation and
construction of a comprehensive drought index based on the Soil and Water
Assessment Tool (SWAT) and empirical Kendall distribution function: a case
study for the Jinta River basin in northwestern China. Nat. Hazards Earth Syst. Sci. 21 (4), 1323–1335. https://doi.org/10.5194/nhess-21-1323-2021.
Loc, H.H., et al., 2021. Intensifying saline water intrusion
and drought in the Mekong Delta: from physical evidence to policy outlooks. Sci. Total Environ. 757, 143919.
López-Moreno, J.I., et al., 2013. Hydrological response to
climate variability at different time scales: a study in the Ebro basin. J. Hydrol. 477, 175–188. https://doi.org/10.1016/j.jhydrol.2012.11.028.
Ma, F., Luo, L., Ye, A., Duan, Q., 2019. Drought
characteristics and propagation in the Semiarid Heihe River Basin in
Northwestern China. J. Hydrometeorol.
20 (1), 59–77. https://doi.org/10.1175/jhm-d-18-0129.1.
Ma, L., et al., 2022. Propagation dynamics and causes of
hydrological drought in response to meteorological drought at seasonal
timescales. Hydrol. Res. 53 (1),
193–205. https://doi.org/10.2166/nh.2021.006.
Mann, H., 1945. Non-parametric test against trend. Econometrica
13, 245–259. https://doi.org/10.2307/1907187.
McKee, T., Doesken, N., Kleist, J., 1993. The relationship of
drought frequency and duration to time scales. In: Paper presented at 8th
Conference on Applied Climatology, Am.
Meteorol. Soc., Anaheim, Calif., 17.
Mekong River Commission, 2022. Mekong Low Flow and Drought
Conditions in 2019–2021: Hydrological Conditions in the Lower Mekong River
Basin. MRC Secretariat, Vientiane.
Meng, X., Gao, X., Li, S., Lei, J., 2020. Spatial and
Temporal Characteristics of Vegetation NDVI changes and the driving forces in
Mongolia during 1982–2015. Remote Sens.
12 (4) https://doi.org/10.3390/rs12040603.
Mishra, A.K., Singh, V.P., 2010. A review of drought
concepts. J. Hydrol. 391 (1–2), 202–216. https://doi.org/10.1016/j.jhydrol.2010.07.012.
MRC, 2005. Overview of
the Hydrology of the Mekong Basin. Mekong River Commission, Vientiane.
Munoz-Sabater, J., et al., 2021. ERA5-Land: a
state-of-the-art global reanalysis dataset for land applications. Earth Syst. Sci. Data 13 (9), 4349–4383.
https://doi.org/10.5194/essd-13-4349-2021.
Pena-Gallardo, ˜ M., et al., 2019. Complex influences of
meteorological drought time scales on hydrological droughts in natural basins
of the contiguous Unites States. J.
Hydrol. 568, 611–625. https://doi.org/10.1016/j.jhydrol.2018.11.026.
Sabo, J.L., et al., 2017. Designing river flows to improve
food security futures in the lower Mekong Basin. Science 358 (6368). https://doi.org/10.1126/science.aao1053.
Sattar, M.N., Kim, T.-W., 2018. Probabilistic characteristics
of lag time between meteorological and hydrological droughts using a Bayesian
model. Terr. Atmos. Ocean. Sci. 29
(6), 709–720. https://doi.org/10.3319/tao.2018.07.01.01.
Sattar, M.N., Lee, J.-Y., Shin, J.-Y., Kim, T.-W., 2019.
Probabilistic characteristics of drought propagation from meteorological to
hydrological drought in South Korea. Water
Resour. Manag. 33 (7), 2439–2452. https://doi.org/10.1007/s11269-019-02278-9.
Sen, P., 1968. Estimates of the regression coefficient based
on Kendall’s Tau. J. Am. Stat. Assoc.
63 (324) https://doi.org/10.1080/01621459.1968.10480934.
Shukla, S., Wood, A.W., 2008. Use of a standardized runoff
index for characterizing hydrologic drought. Geophys. Res. Lett. 35 (2) https://doi.org/10.1029/2007gl032487.
Song, Y., Wang, J., Ge, Y., Xu, C., 2020. An optimal
parameters-based geographical detector model enhances geographic
characteristics of explanatory variables for spatial heterogeneity analysis:
cases with different types of spatial data. GISci.
Remote Sens. 57 (5), 593–610. https://doi.org/10.1080/15481603.2020.1760434.
Thilakarathne, M., Sridhar, V., 2017. Characterization of
future drought conditions in the lower Mekong River Basin. Weather Clim. Extrem. 17, 47–58. https://doi.org/10.1016/j.wace.2017.07.004.
Tran, et al., 2019. Assessing spatiotemporal drought dynamics
and its related environmental issues in the Mekong River Delta. Remote Sens. 11 (23) https://doi.org/10.3390/rs11232742.
Valiya Veettil, A., Mishra, A.K., 2020. Multiscale
hydrological drought analysis: role of climate, catchment and morphological
variables and associated thresholds. J.
Hydrol. 582 https://doi.org/10.1016/j.jhydrol.2019.124533.
Van Loon, A.F., 2015. Hydrological drought explained. Wiley Interdiscip. Rev. Water 2 (4),
359–392. https://doi.org/10.1002/wat2.1085.
Van Loon, A.F., Laaha, G., 2015. Hydrological drought
severity explained by climate and catchment characteristics. J. Hydrol. 526, 3–14. https://doi.org/10.1016/j.jhydrol.2014.10.059.
Van Loon, A.F., Van Lanen, H.A.J., 2012. A process-based
typology of hydrological drought. Hydrol.
Earth Syst. Sci. 16 (7), 1915–1946. https://doi.org/10.5194/hess-16-1915-2012.
Vicente-Serrano, S.M., Beguería, S., Lopez-Moreno, J.I.,
2010. A multiscalar drought index sensitive to global warming: the standardized
precipitation evapotranspiration index. J.
Clim. 23 (7), 1696–1718. https://doi.org/10.1175/2009jcli2909.1.
Vicente-Serrano, S.M., et al., 2012. Accurate computation of
a streamflow drought index. J. Hydrol.
Eng. 17 (2), 318–332. https://doi.org/10.1061/(Asce)He.1943-5584.0000433.
Vu, D.T., Dang, T.D., Galelli, S., Hossain, F., 2022.
Satellite observations reveal 13 years of reservoir filling strategies,
operating rules, and hydrological alterations in the Upper Mekong River basin. Hydrol. Earth Syst. Sci. 26 (9),
2345–2364. https://doi.org/10.5194/hess-26-2345-2022.
Wang, J.F., et al., 2010. Geographical detectors-based health
risk assessment and its application in the neural tube defects study of the
Heshun Region, China. Int. J. Geogr. Inf.
Sci. 24 (1), 107–127. https://doi.org/10.1080/13658810802443457.
Wang, F., Yang, H., Wang, Z., Zhang, Z., Li, Z., 2019a.
Drought evaluation with CMORPH satellite precipitation data in the Yellow River
Basin by using gridded standardized precipitation evapotranspiration index. Remote Sens. 11 (5) https://doi.org/10.3390/rs11050485.
Wang, Y., Li, J., Zhang, T., Wang, B., 2019b. Changes in
drought propagation under the regulation of reservoirs and water diversion. Theor. Appl. Climatol. 138 (1–2),
701–711. https://doi.org/10.1007/s00704-019-02839-3.
Wang, F., et al., 2020. Comprehensive evaluation of
hydrological drought and its relationships with meteorological drought in the
Yellow River Basin, China. J. Hydrol.
584 https://doi.org/10.1016/j.jhydrol.2020.124751.
Wilhite, D., Glantz, M., 1985. Understanding: the drought
phenomenon: the role of definitions. Water
Int. 10, 111–120. https://doi.org/10.1080/02508068508686328.
Wu, J., et al., 2017a. Non-linear relationship of
hydrological drought responding to meteorological drought and impact of a large
reservoir. J. Hydrol. 551, 495–507. https://doi.org/10.1016/j.jhydrol.2017.06.029.
Wu, J., Miao, C., Wang, Y., Duan, Q., Zhang, X., 2017b.
Contribution analysis of the long[1]term changes in seasonal
runoff on the Loess Plateau, China, using eight Budyko[1]based
methods. J. Hydrol. 545, 263–275. https://doi.org/10.1016/j.jhydrol.2016.12.050.
Wu, J., et al., 2018a. Impacts of reservoir operations on
multi-scale correlations between hydrological drought and meteorological
drought. J. Hydrol. 563, 726–736. https://doi.org/10.1016/j.jhydrol.2018.06.053.
Wu, J., et al., 2018b. Meteorological and hydrological
drought on the Loess Plateau, China: evolutionary characteristics, impact, and
propagation. J. Geophys. Res.- Atmos.
123 (20), 11,569–11,584. https://doi.org/10.1029/2018jd029145.
Wu, J., et al., 2019. Assessing the impact of human
regulations on hydrological drought development and recovery based on a
‘simulated-observed’ comparison of the SWAT model. J. Hydrol. 577 https://doi.org/10.1016/j.jhydrol.2019.123990.
Wu, J., Chen, X., Yao, H., Zhang, D., 2021a. Multi-timescale
assessment of propagation thresholds from meteorological to hydrological
drought. Sci. Total Environ. 765,
144232 https://doi.org/10.1016/j.scitotenv.2020.144232.
Wu, J., Yuan, X., Yao, H., Chen, X., Wang, G., 2021b.
Reservoirs regulate the relationship between hydrological drought recovery
water and drought characteristics. J.
Hydrol. 603 https://doi.org/10.1016/j.jhydrol.2021.127127.
Xu, Y., et al., 2019. Propagation from meteorological drought
to hydrological drought under the impact of human activities: a case study in
Northern China. J. Hydrol. 579 https://doi.org/10.1016/j.jhydrol.2019.124147.
Yang, X., et al., 2020. Contrasting influences of human
activities on hydrological drought regimes over China based on high-resolution
simulations. Water Resour. Res. 56
(6) https://doi.org/10.1029/2019wr025843.
Yang, F., Xingwu, D., Guo, Q., Lu, S., Hsu, K., 2022. The
spatiotemporal variations and propagation of droughts in Plateau Mountains of
China. Sci. Total Environ. 805,
150257 https://doi.org/10.1016/j.scitotenv.2021.150257.
Yevjevich, V.M., 1967. Objective Approach to Definitions and
Investigations of Continental Hydrologic Droughts. Hydrology Paper 23. Colorado State U, Fort Collins.
Yuan, X., Zhang, M., Wang, L., Zhou, T., 2017. Understanding
and seasonal forecasting of hydrological drought in the Anthropocene. Hydrol. Earth Syst. Sci. 21 (11),
5477–5492. https://doi.org/10.5194/hess-21-5477-2017.
Yun, X., et al., 2020. Impacts of climate change and
reservoir operation on streamflow and flood characteristics in the
Lancang-Mekong River Basin. J. Hydrol.
590 https://doi.org/10.1016/j.jhydrol.2020.125472.
Yun, X., et al., 2021. Can reservoir regulation mitigate
future climate change induced hydrological extremes in the Lancang-Mekong River
Basin? Sci. Total Environ. 785 https://doi.org/10.1016/j.scitotenv.2021.147322.
Zhang, B., et al., 2014. Drought impact on vegetation
productivity in the lower Mekong Basin. Int.
J. Remote Sens. 35 (8), 2835–2856. https://doi.org/10.1080/01431161.2014.890298.
Zhang, H., Ding, J., Wang, Y., Zhou, D., Zhu, Q., 2021.
Investigation about the correlation and propagation among meteorological,
agricultural and groundwater droughts over humid and arid/semi-arid basins in
China. J. Hydrol. 603 https://doi.org/10.1016/j.jhydrol.2021.127007.
Zhang, Q., et al., 2022a. Spatiotemporal characteristics of
meteorological to hydrological drought propagation under natural conditions in
China. Weather Clim. Extrem. 38 https://doi.org/10.1016/j.wace.2022.100505.
Zhang, T., et al., 2022b. Evaluation of the impacts of human
activities on propagation from meteorological drought to hydrological drought
in the Weihe River Basin, China. Sci.
Total Environ. 819, 153030 https://doi.org/10.1016/j.scitotenv.2022.153030.
Zhang, X., et al., 2022c. Drought propagation under global
warming: characteristics, approaches, processes, and controlling factors. Sci. Total Environ. 838, 156021 https://doi.org/10.1016/j.scitotenv.2022.156021.
Zhou, Z., et al., 2021a. Investigating the propagation from
meteorological to hydrological drought by introducing the nonlinear dependence
with directed information transfer index. Water
Resour. Res. 57 (8) https://doi.org/10.1029/2021wr030028.
Zhou, Z., et al., 2021b. Characteristics of propagation from
meteorological drought to hydrological drought in the Pearl River Basin. J. Geophys. Res.-Atmos. 126 (4) https://doi.org/10.1029/2020jd033959.
Zhu, Y., Wang, W., Singh, V., Liu, Y., 2016. Combined use of
meteorological drought indices at multi-time scales for improving hydrological
drought detection. Sci. Total Environ.
571 https://doi.org/10.1016/j.scitotenv.2016.07.096.
No comments:
Post a Comment