珠江流域旱澇急轉事件識別指數(shù)優(yōu)選研究

梁曼琳，劉丙軍，3，李 旦

（1.中山大學土木工程學院，廣東珠海 519082；2.華南地區(qū)水循環(huán)與水安全廣東省普通高校重點實驗室，廣東珠海 519082；3.南方海洋科學與工程廣東省實驗室（珠海），廣東珠海 519000）

引言

全球氣候持續(xù)變暖加速了水文循環(huán)過程［1］，流域極端降水事件增加，降水時空分布不均的情況進一步加?。?］，進而更易導致流域旱澇極端災害事件頻發(fā)。相比較于單一災害類型，短期時間內接連遭遇干旱、洪澇氣象災害，受災區(qū)域面臨的損失和影響會更加嚴重［3］。作為受氣候影響最敏感的領域之一，農業(yè)生產在頻率高、強度大的氣象災害中遭受重大損失［4］。因此，開展旱澇急轉事件識別及影響機制的研究，對保障區(qū)域水安全與糧食安全，具有十分重要的理論與實踐意義［5］。

當前，旱澇急轉事件的識別方法主要分為2方面：一方面，根據(jù)降水量和降水日數(shù)篩選旱澇急轉事件，通常采用連續(xù)無雨日數(shù)劃分干旱等級，結合首次降雨雨強閾值［6］或多種降雨情景劃分洪澇等級［7-8］，篩選旱澇急轉事件。盡管該識別方法以實際降水情況，可直接提取旱澇急轉事件，但是存在以經驗值劃分旱澇標準、只適用于研究旱轉澇事件的局限性；另一方面，分別從宏觀尺度與微觀尺度出發(fā)構建旱澇急轉指數(shù)，即直接通過急轉指數(shù)數(shù)值判斷是否發(fā)生急轉，或結合游程理論的多閾值門檻提取急轉事件。宏觀尺度上，研究多以長周期旱澇急轉指數(shù)LDFAI［9］和短周期旱澇急轉指數(shù)SDFAI［10］為代表，分別采用多月或單月標準降水計算得相應指數(shù)。這類研究存在不能完整描述急轉事件、急轉時間節(jié)點固定的短板，無法提取出多維度的旱澇急轉特性。微觀上，研究多基于標準化前期降水指數(shù)SAPI［11］、日尺度旱澇急轉指數(shù)DWAAI［12］、SPI［13］、SWAP［14］等旱澇識別指數(shù)，結合游程理論對具體的旱澇急轉事件進行識別。該識別手段能夠準確地識別出當?shù)氐暮禎城闆r，篩選的急轉事件具有明確物理意義并可提取事件特性。然而，上述研究存在研究時期固定為汛期、單一研究旱轉澇類型急轉事件的不足，并缺少對指數(shù)合理性的探討。

綜上，本文選取珠江流域為研究區(qū)域，構建了不同前期降水影響日數(shù)下的旱澇指數(shù)SPI、SPEI和SWAP，運用游程理論，結合急轉發(fā)生期的降水集中性、土壤墑情變化以及實際農業(yè)生產情況，根據(jù)急轉識別結果的有效性與準確性，探討了上述指數(shù)的適用性，對適合珠江流域旱澇急轉事件識別的急轉指數(shù)進行優(yōu)選，以期為珠江流域水資源安全調控提供理論與實踐依據(jù)。

1 研究方法

1.1 旱澇識別指數(shù)

根據(jù)結合游程理論識別方法，選取合適的旱澇識別指數(shù)進行急轉事件識別。本文選用3種常見旱澇識別指數(shù)SPI、SPEI和SWAP，3種指數(shù)皆采用降水數(shù)據(jù)進行構建，同時具有多種時間尺度。其區(qū)別在于構建的側重點不一，其中SPI僅關注降水，SPEI加入了蒸散發(fā)的影響，SWAP中包含了降水影響衰減的因素。

（1）標準化降水指數(shù)SPI。SPI［15］是McKee等在評估美國科羅拉多州干旱狀況時提出的，具有適用于多時間尺度、計算簡單穩(wěn)定、對旱澇反應靈敏的優(yōu)點。假定降水量變化服從Gamma分布，計算出某時段內降水量Γ分布概率，對累積概率分布H（x）進行標準正態(tài)化處理，得到相應的SPI序列，計算過程詳見文獻［15］。

（2）標準化降水蒸散發(fā)指數(shù)SPEI。SPEI［16］是基于SPI改進的量化氣候旱度的指標，以簡單水循環(huán)為支撐，充分考慮了大氣蒸散發(fā)對水分通量的影響。SPEI計算方法為假定同一時段的降水與潛在蒸散發(fā)差值序列服從log-logistic分布，計算出某時段內降水與潛在蒸散發(fā)差值的log-logistic分布概率，最后對累積概率分布H（x）進行標準正態(tài)化處理，計算過程詳見文獻［17］，其中潛在蒸散發(fā)PE的計算采用聯(lián)合國糧農組織推薦的FAO Penman-Monteith公式。

（3）標準化加權平均降雨指數(shù)SWAP。SWAP指數(shù)是以當日旱澇狀態(tài)受前期旱澇狀態(tài)和當日降水的影響為前提的指數(shù)，不僅可用來衡量當前的氣象旱澇狀態(tài)，而且可體現(xiàn)旱澇的累積效應。SWAP計算方法是假定同一日加權平均降雨WAP［18］序列服從Gamma分布，通過Γ分布對某時段WAP進行擬合，最后對累積概率分布進行標準正態(tài)化處理，公式如下：

式中：Pn表示第n天的降水；wn表示Pn的權重，a為權重隨時間的衰減參數(shù)；N為前期降水影響天數(shù)。a與N的選取一般根據(jù)研究區(qū)當?shù)赝寥?水系統(tǒng)而定，根據(jù)經驗通常定義a=0.9，N=45。a取值較大時可相對降低SWAP對當前降水敏感性，為避免SWAP由于較小降水過程而出現(xiàn)頻繁波動，選取a=0.9。由于SPI、SPEI和SWAP遵循了一致的標準化方法，它們的值應具有相同的統(tǒng)計意義。因此，采用統(tǒng)一的標準化累積頻率分布來劃分旱澇等級（見表1）。

表1 SPI、SPEI和SWAP的旱澇強度分類等級Table 1 Categorization of dryness-wetness grade by the SPI,SPEI and SWAP

1.2 旱澇急轉事件識別方法

游程理論，或稱為“閾值理論”，是一種分析時間序列的方法，可簡易提取干旱和洪澇多種特征屬性（圖1）。對某一旱澇指數(shù)時間序列，設定指數(shù)臨界值X0、X1和時間長度臨界值D0、D1和D2，當指數(shù)持續(xù)低于X0（高于X1）的時間不小于D0（D1）時，認為出現(xiàn)干旱（洪澇）。當干旱與洪澇之間相隔的時間不大于D2時，認為構成了旱澇急轉事件。根據(jù)旱澇指數(shù)劃分標準，選用中旱等級上界-1和中澇等級下界1作為X0和X1。參考各類研究的急轉識別方法，確定基于日值指數(shù)的識別時長閾值D0、D1為10日，干旱狀態(tài)與洪澇狀態(tài)之間的急轉期時長閾值D2為8日。

圖1 基于游程理論的急轉事件識別過程Fig.1 Detection of the drought-flood abrupt alternation based on the run theory

為避免輕微的降水擾動導致長期旱澇事件被分割為若干短期事件，從而無法有效識別急轉事件，采用IC方法［19］對符合條件的同一指數(shù)序列識別的連續(xù)干旱或洪澇事件進行合并處理。以2個連續(xù)干旱事件的合并為例，前后發(fā)生的干旱事件具有特征屬性分別代表起始時間、結束時間、歷時和烈度。當滿足以下2個條件時，可認為該相鄰的兩場干旱相互關聯(lián)，可進行合并得到新的干旱事件：一是中間間隔時間ti不超過臨界值tc，二是相鄰干旱的間隔時間ti內的烈度超越量Si與前一干旱事件烈度S1的比值不超過臨界值ρc。參考Tu［20］等在珠江流域的敏感性分析成果，設定tc=2 d和ρc=0.2。

1.3 識別結果比對方法

能否準確判斷旱澇急轉發(fā)生時段是檢驗急轉識別方法有效性指標之一。本文選用綜合指標權重分配法，篩選旱澇急轉事件識別的適宜指數(shù)：在參與比對的n種識別指數(shù)中，對于同一研究區(qū)同一急轉類型（澇轉旱或旱轉澇）急轉事件，以發(fā)生時間為基準，統(tǒng)計所有識別方法在每個月識別的急轉事件數(shù)，并根據(jù)發(fā)生頻次對當月賦予權重m（0≤m≤n）（如圖2）。根據(jù)每種指數(shù)方法的識別結果時間分布，將其對應月份權重進行加總，計算方法如下式中：Ei為某研究區(qū)中同類型急轉事件的權重和；T為時間序列的總月份數(shù)；(coli)t為該方法在第t月是否發(fā)生急轉事件的邏輯值。最終以所有研究區(qū)域不同類型的權重和總和作為識別方法權重和E，權重和越大說明該識別方法對其他識別方法結果的歸納能力越高。為了排除識別方法因識別事件數(shù)多且權重和最大被認作最優(yōu)方法、實際與其他識別方法結果重合度低的情況，計算不同權重閾值k（1≤k≤n）下的權重和Ek，其值僅包括m≥k的月份權重。以Ek占總權重E1（k=1時的權重和）的比例表示權重比例，權重比例越高說明急轉結果中多種識別方法可共同識別的事件所占比重大，歸納準確度越高。當某識別方法權重和Ek（k＞1）較其他方法有明顯優(yōu)勢、且權重比例也較高時，認為該識別方法歸納能力與識別準確度高，可作為最優(yōu)識別方法。

圖2 對月份進行加權法賦值示意圖Fig.2 Schematic diagram of the weighting assignment at the monthly scale

2 案例分析

2.1 研究區(qū)概況

珠江位于102°14'～115°53'E、21°31'～26°49'N之間，由西江、北江與東江三大支流構成，流經我國南部的云南、貴州、廣西、廣東、湖南、江西等6省（自治區(qū)）。珠江流域地域廣闊，氣候復雜，屬于濕熱多雨的熱帶、亞熱帶氣候區(qū)?？紤]到流域內降水空間分布整體性，將廣西東南部、廣東東部和西南部及海南島納入研究區(qū)。珠江流域降水受氣旋/副熱帶高氣壓等大氣系統(tǒng)交替影響，極易發(fā)生旱澇急轉事件，嚴重威脅流域以及粵港澳大灣區(qū)的水資源安全，以珠江流域作為研究案例具有較高研究意義。本文氣象資料來源于國家氣象科學數(shù)據(jù)中心產品“中國地面氣候資料日值數(shù)據(jù)集（V3.0）”（http：//data.cma.cn），選用1961-2020年珠江流域內的日降水、氣溫等資料，該數(shù)據(jù)集質量良好，具有完整性和可靠性，被廣泛應用于珠江流域等區(qū)域性研究中［14，21］。土壤墑情資料來源于歐洲中期天氣預報中心（ECMWF）的第五代全球大氣再分析數(shù)據(jù)（ERA5）產品（https：//cds.climate.copernicus.eu），選用第一層（0～7 cm）土壤含水率數(shù)據(jù)代表土壤墑情，該數(shù)據(jù)集同樣在地區(qū)氣象研究中被廣泛應用，且其土壤含水率數(shù)據(jù)在珠江流域具有較高適用性［22］。為排除季節(jié)變化對土壤含水率的影響，對土壤含水率進行標準化處理。

珠江流域多年平均溫度在14～22℃之間，多年平均降水量約1 200～2 200 mm。受季風氣候影響，降水空間分布差異明顯，總體呈東多西少變化趨勢?；谥榻饔蚪浂瓤缍却?、降水時空分布不均勻的特點，參考Fang等［23］的劃分方法，按照水資源二級分區(qū)，將珠江流域分為10個子流域，分別為西江段的南北盤江區(qū)（I區(qū)）、紅柳江區(qū)（II區(qū)）、西江區(qū)（III區(qū)）和郁江區(qū)（VII區(qū)），北江段的北江區(qū)（IV區(qū)），東江段的東江區(qū)（V區(qū)），珠江三角洲河段的珠江三角洲區(qū)（IX區(qū)），以及韓江及粵東諸河區(qū)（VI區(qū)）、粵西桂南沿海諸河區(qū)（VIII區(qū)）和海南島及南海各島諸河區(qū)（X區(qū)）。以子流域內氣象站數(shù)據(jù)或格點土壤數(shù)據(jù)的平均值代表子流域氣象和土壤墑情。該分區(qū)方法使得同一子流域內氣象條件和土壤條件相近，其中子流域降水均值與同區(qū)域站點降水相關性平均值高達0.71，同時土壤含水率均值與同子流域格點相關性平均值高達0.51，且協(xié)方差數(shù)值均大于0。子流域之間降水規(guī)律則有明顯差距，主要表現(xiàn)為日降水相關性強弱不一和變化趨勢不一（圖3），如I區(qū)、X區(qū)與大部分的子流域相關性系數(shù)在0.2以下，V區(qū)和VI區(qū)降水相關性系數(shù)高達0.8，過半數(shù)的子流域相關性系數(shù)小于0.3。在變化趨勢上，分別有7個子流域日降水序列的M-K趨勢系數(shù)Z值大于1.96，日降水序列出現(xiàn)明顯的上升趨勢，VII區(qū)日降水序列的Z值小于-1.96，出現(xiàn)了相反的變化趨勢（見表2）。整體上流域降水空間異質性較強，需采用分區(qū)后的子流域作為整體，分別進行急轉事件的識別。

圖3 各區(qū)日降水序列的相關性Fig.3 Correlation of precipitation series between different sub basins

表2 日降水量與日尺度指數(shù)在不同研究區(qū)域的M-K趨勢檢驗值Table 2 M-K test of the daily precipitation and indices for different sub basins

2.2 前期降水影響日數(shù)優(yōu)選

降水對后續(xù)干濕狀態(tài)具有持續(xù)的影響，可通過前期降水日數(shù)反映。為避免出現(xiàn)短期干旱與強澇交替的情形，結合珠江流域產匯流特點，考慮從7 d、14 d和21 d中選取合適的前期降水影響日數(shù)，作為構建旱澇識別指數(shù)的前期降雨影響因子。以分區(qū)III為例，受前期降雨影響下標準化降水量Pst變幅明顯較不受前期降雨影響（N=1）時平緩，強降水的影響作用得到延長。當相鄰兩場降水間隔時間較短時，N=7、N=14和N=21的Pst持續(xù)維持在較高水平，利于反映地區(qū)持續(xù)澇的特征和提取澇事件，因此較大的N值適用于作為構建旱澇識別指數(shù)的前期降水影響日數(shù)（見圖4）。

圖4 III區(qū)2000年不同累積降雨日數(shù)下的標準化降雨量Fig.4 Standardized precipitation under different accumulation precipitation days at 2000 in sub basin III

通過急轉發(fā)生時期降水集中性與土壤墑情同步變化率，分析前期降水影響日數(shù)N值對的旱澇急轉事件識別結果有效性的影響，結果見表3。一般情況下，降水集中性越強，土壤墑情同步變化率越高，識別結果有效性也越高。結果中3種N值下識別結果有效性皆較高，降水集中度指數(shù)CI［24］、降水絕對偏差Ca［25］和土壤墑情同步變化率Sc（土壤含水率的Theil-Sen魯棒線性變化趨勢與急轉類型一致的比例）最小值達0.64、38.83和82%，說明指數(shù)識別結果有效性都較高。其中N=14與N=21的CI和Ca值均明顯較N=7時高，降水集中性更優(yōu)，N=14與N=21土壤墑情同步變化率Sc分別為89%和87%，N=14土壤墑情同步變化響應程度更高，可認為N=14時識別結果有效性最優(yōu)。綜上分析，當N=14時各指數(shù)識別結果歸納能力最優(yōu)，表現(xiàn)為權重和E1、E2較其他N值下的對應權重和更大，說明識別事件結果中包含了最多與其他N值下識別一致的急轉事件。

表3 基于不同前期影響日數(shù)的各指數(shù)急轉識別結果平均指標Table 3 Average assessments for different indices based on varying accumulation precipitation days

2.3 SPI、SPEI與SWAP指數(shù)優(yōu)選

對比基于SPI、SPEI和SWAP的急轉識別結果有效性，結果見圖5。其中，基于SWAP識別結果在各子流域降水集中性和土壤墑情同步變化性較SPI和SPEI更好，CI、Ca和Sc的變化范圍分別為0.68～0.78、21.3～76和74%～100%，V區(qū)和IX區(qū)的CI、Ca和Sc值均為3種指數(shù)中最高，總體上大于或略小于同區(qū)域對應均值。全流域總體平均值分別為0.73、52.48和92%（見表4），降水集中性指數(shù)比基于SPEI識別結果高，同時土壤墑情同步變化性比基于SPI高，說明3種指數(shù)中基于SWAP的急轉識別結果有效性最強，與降水集中性和土壤墑情同步變化性對應關系最優(yōu)。

圖5 不同指數(shù)方法識別結果的急轉事件特性空間分布Fig.5 Spatial distribution of different indices-derived detected drought-flood abrupt alternation events

表4 基于N=14的各指數(shù)急轉識別結果平均指標Table 4 The detection of abrupt alternation events based on different indices under N=14

通過統(tǒng)計k=1、k=2和k=3這3種閾值下的權重和及計算相應的權重比例，認為基于SWAP指數(shù)的識別準確度在3種指數(shù)中最優(yōu)。當k=2時，SWAP指數(shù)的權重比例為0.9，是基于SPI和SPEI權重比例的1.9和1.3倍，說明基于SWAP的識別結果中包含最大比重的多種識別方法可共同識別的事件，識別歸納的準確度最優(yōu)。同時，各k值下基于SWAP的權重和Ek較大，與E1值最大的基于SPI方法在k=2權重和相差5.8%，2種指數(shù)方法對全部識別結果歸納能力相近，見圖6。

圖6 權重和與權重比例隨驗證層次的變化Fig.6 Changes in weight and weight rate along the level variation

SWAP指數(shù)在識別典型急轉事件上亦較SPI和SPEI更加準確。根據(jù)中國氣象災害年鑒［26］等資料的記載，2007年夏季在珠江流域發(fā)生過典型急轉事件，華南大部分地區(qū)7月至8月上旬持續(xù)高溫少雨，伏旱嚴重，湖南、廣東、廣西、江西等地逾370萬人出現(xiàn)飲水困難，151.9萬hm2農作物受災。8月中下旬，超強臺風“圣帕”在臺灣省東部和福建省沿海地區(qū)登陸，致使華南等地發(fā)生強降水，使部分地區(qū)前期干旱得到緩解，也使部分地區(qū)發(fā)生洪澇災害。通過該3種旱澇識別指數(shù)均可在該時段內識別出旱轉澇急轉事件，急轉發(fā)生區(qū)域為V區(qū)、VI區(qū)和IX區(qū)。以V區(qū)中識別得的急轉事件為例，3種指數(shù)識別得的急轉時間旱段起止時間及澇段起始時間相近，其中SWAP指數(shù)識別的急轉事件澇段起始時間最早，在子區(qū)域降雨量達第一個峰值時判定急轉事件澇段開始，SPI和SPEI識別的急轉事件澇段則出現(xiàn)了1～2日的延后，見圖7。SWAP指數(shù)識別的澇段結束時間發(fā)生于第二次降水峰值后的持續(xù)5日的小雨時段內，后續(xù)5日總雨量為80 mm，未發(fā)生強降水，無法使急轉事件的澇段延續(xù)，因此急轉結束時間分別較SPI和SPEI提早6日和18日?？梢钥闯?，構建SWAP指數(shù)中的降水影響衰減因素使得SWAP能夠有效對澇時期進行合理判斷，在干燥少雨氣象條件下指數(shù)發(fā)生相應及時的變化，對旱澇急轉過程的識別較SPI和SPEI更準確，結合其急轉結果識別的有效性和準確性高的特點，選取SWAP-14d作為識別珠江流域旱澇急轉事件的最優(yōu)指數(shù)。

注：圖中標點為3種指數(shù)識別得的急轉事件旱段及澇段的起止時間點。

3 結論

基于珠江流域1961-2020年的日氣象資料，結合游程理論，分別探討了不同前期降水影響日數(shù)下的SPI、SPEI和SWAP在珠江流域旱澇急轉事件識別適用性，得出以下主要結論：

（1）根據(jù)水資源二級區(qū)將珠江流域劃分為10個子流域，使得同一子流域內氣象與土壤條件相近，不同子流域間日降水序列相關性普遍較弱，過半數(shù)的子流域相關性系數(shù)小于0.3。同時，不同子流域降水變化趨勢具有明顯差異，其中7個和1個子流域日降水序列分別呈顯著上升和下降趨勢，降水時空分布異質性較強；

（2）前期降水影響日數(shù)為14 d時，急轉發(fā)生時期降水集中度普遍較7 d時高，平均土壤墑情同步變化率較21 d時高，識別結果有效性最優(yōu)，同時各指數(shù)識別結果歸納能力最優(yōu)，權重和大于7 d和21 d對應的權重和更大，可作為構建旱澇識別指數(shù)的前期降水影響日數(shù)；

（3）3種旱澇識別指數(shù)中，基于SWAP識別的急轉事件同期降水集中度CI、Ca和土壤墑情同步變化率分別為0.73、52.48和92%，總體上數(shù)值均高于基于SPI和SPEI識別結果，急轉識別結果有效性最高。同時，SWAP的權重比例明顯高于基于SPI和SPEI對應的權重比例，對典型旱澇急轉災情的識別準確度最高。