基于日尺度的湖南省復(fù)合干熱事件演變特征研究

摘" 要：復(fù)合干熱事件頻發(fā)，對(duì)自然生態(tài)系統(tǒng)和人類社會(huì)造成嚴(yán)重的影響。探究湖南省復(fù)合干熱事件的時(shí)空演變特征，為提升區(qū)域的防災(zāi)減災(zāi)能力提供參考。利用2000—2018年湖南省每日降水與最高氣溫?cái)?shù)據(jù)，計(jì)算每日標(biāo)準(zhǔn)化降水指數(shù)（SPI）與每日標(biāo)準(zhǔn)化溫度指數(shù)（STI），并通過Copula模型構(gòu)建每日復(fù)合干熱指數(shù)（CDHI）；運(yùn)用游程理論提取并分析復(fù)合干熱事件的演變特征。結(jié)果表明，每日CDHI能夠有效識(shí)別干旱和高溫事件。通過每日CDHI監(jiān)測(cè)到2000—2018年該省復(fù)合干熱事件頻次為6.23次/a，總體呈上升趨勢(shì)（0.012次/a）；59.34%的區(qū)域頻次增加，集中在北部。烈度呈下降趨勢(shì)（-0.81/a），而強(qiáng)度表現(xiàn)為“先升后降再升”的特征，較大的區(qū)域集中在南部地區(qū)，未來應(yīng)針對(duì)不同區(qū)域復(fù)合事件的特征采取差異化的措施，以減輕極端災(zāi)害帶來的影響。

關(guān)鍵詞：Copula模型；日尺度CDHI；游程理論；復(fù)合干熱事件；極端災(zāi)害

中圖分類號(hào)：D922.68" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2025）03-0120-05

Abstract： The frequency of compound drought-heat events has increased significantly， causing severe impacts on natural ecosystems and human society. This study investigates the spatiotemporal evolution characteristics of compound dry-hot events in Hunan Province to provide a scientific reference for enhancing regional disaster prevention and mitigation capabilities. Utilizing daily precipitation and maximum temperature data from Hunan Province from 2000 to 2018 to calculate the daily Standardized Precipitation Index （SPI） and daily Standardized Temperature Index（STI）. Copula model was employed to construct the daily Compound Drought-Heat Index（CDHI）. And the evolution characteristics of compound dry-heat events were extracted and analyzed using the theory of runs.The results indicated that the daily CDHI could effectively identify drought and high-temperature events. Monitoring through daily CDHI revealed that the frequency of compound dry-heat events in the province from 2000 to 2018 has been 6.23 times per year， showing an overall increasing trend （0.012 times/year）. In 59.34% of the areas， the frequency has increased， mainly concentrated in the northern part. The intensity shows a decreasing trend （-0.81/year）， while the magnitude exhibits a \"rise-decline-rise\" pattern. The areas with higher intensity and magnitude are concentrated in the southern region. Future measures should be tailored to the characteristics of compound events in different regions to mitigate the impacts of extreme disasters.

Keywords： Copula model; daily compound drought-hot index; run theory; compound drought-hot events; extreme disasters

高溫、洪水、干旱和寒潮等多個(gè)極端氣候因子驅(qū)動(dòng)的極端氣候事件在時(shí)間和空間角度上呈現(xiàn)出高度重合的趨勢(shì)，導(dǎo)致復(fù)合型極端氣候事件的頻發(fā)[1]。其中，同時(shí)發(fā)生的干旱和高溫事件因其對(duì)生態(tài)系統(tǒng)和人類社會(huì)的嚴(yán)重影響而受到廣泛關(guān)注。在全球變暖的趨勢(shì)下，復(fù)合干熱事件的頻率及影響范圍正在不斷擴(kuò)大[2]。特別是在暖季干旱狀況發(fā)生頻次大幅增加的狀況下，形成速度快和強(qiáng)度高的驟旱事件。這種驟旱事件往往伴隨著較大的降水虧缺和高溫異常[3]，促進(jìn)了持續(xù)數(shù)天至數(shù)周且嚴(yán)重程度高的復(fù)合干熱事件的形成。因此，針對(duì)復(fù)合干熱事件的監(jiān)測(cè)已成為當(dāng)前研究熱點(diǎn)。

對(duì)于復(fù)合干熱事件的監(jiān)測(cè)，通常通過計(jì)算單一干旱和高溫事件的同時(shí)發(fā)生，或通過制定構(gòu)建表征干旱和高溫的極值指數(shù)來識(shí)別復(fù)合事件，如標(biāo)準(zhǔn)化復(fù)合事件指數(shù)（SCEI）和標(biāo)準(zhǔn)化干熱指數(shù)（SDHI）。但是，這2種方式未能充分捕捉不同干熱條件的組合，只考慮了降水和溫度序列之間的全局依賴關(guān)系，反映的是降水和溫度的比率，嚴(yán)重低估了復(fù)合干熱事件發(fā)生的頻率[4]。近年來，Copula模型、熵模型和非參數(shù)模型等分布建模方法為研究復(fù)合干熱事件提供了新的思路。其中，基于Copula模型的聯(lián)合分布建模方法應(yīng)用較為廣泛。通過Copula模型，能夠有效地將表征干旱的指數(shù)和表征高溫的指數(shù)的邊際分布連接起來，從而形成多維聯(lián)合累積概率分布，用于構(gòu)建復(fù)合干熱指數(shù)[5]。綜合現(xiàn)有的研究，大多利用Copula模型構(gòu)建的是月尺度上的復(fù)合干熱指數(shù)，然而月尺度時(shí)間分辨率較粗，只能提供復(fù)合干熱時(shí)間的總體變化狀況，無法捕捉到月內(nèi)更為精細(xì)干熱波動(dòng)異常，導(dǎo)致持續(xù)數(shù)天至數(shù)周的短歷時(shí)復(fù)合干熱事件的誤選和漏選[6]，在時(shí)間維度精細(xì)地刻畫復(fù)合干熱事件的指數(shù)仍相對(duì)欠缺。

近年來，湖南省極端復(fù)合干熱事件頻發(fā)，對(duì)農(nóng)業(yè)生產(chǎn)造成了嚴(yán)重影響。本研究選取湖南省每日降水與最高氣溫?cái)?shù)據(jù)，運(yùn)用Copula模型構(gòu)建日尺度上的復(fù)合干熱指數(shù)（CDHI）。在對(duì)每日CDHI評(píng)估的基礎(chǔ)上，通過游程理論識(shí)別并分析復(fù)合干熱事件的頻率、強(qiáng)度和烈度等演變特征，為湖南省在未來氣候變化下相關(guān)應(yīng)對(duì)政策的優(yōu)化，提升抗旱減災(zāi)能力提供科學(xué)參考。

1" 研究區(qū)概況

湖南?。?08.78°—114.25°E，24.63°—30.13°N）位于我國長(zhǎng)江中游地區(qū)，總面積為21.18×104 km2。湖南省是農(nóng)業(yè)大省，也是我國重要的糧食生產(chǎn)基地。受東亞季風(fēng)氣候和西太平洋副熱帶高壓影響較大，年平均氣溫為16～19 ℃，年平均降水量為1 400～1 500 mm，降水充足但時(shí)空分布不均勻。在夏季雨季結(jié)束后，持續(xù)高溫與連續(xù)干旱狀況疊加，易發(fā)生復(fù)合干熱事件。

2" 數(shù)據(jù)與方法

2.1" 研究數(shù)據(jù)

每日降水?dāng)?shù)據(jù)選取國家青藏高原數(shù)據(jù)中心（https：//data.tpdc.ac.cn）每日降水CHM_PRE數(shù)據(jù)集[7]，時(shí)間分辨率為1 d，空間分辨率為0.25°。每日最高溫度數(shù)據(jù)選取國家青藏高原數(shù)據(jù)中心（https：//data.tpdc.ac.cn/）的中國區(qū)域地面氣象要素驅(qū)動(dòng)數(shù)據(jù)集中的最高溫度[8]，時(shí)間分辨率為1 d，空間分辨率為0.1°。選取2000—2018年湖南省每日降水與每日最高氣溫?cái)?shù)據(jù)，經(jīng)過預(yù)處理，重采樣至空間分辨率0.25°。在此基礎(chǔ)上，根據(jù)Stagge等[9]的方法，計(jì)算每日標(biāo)準(zhǔn)化降水指數(shù)（Stan-dardized Precipitation Index，SPI）與每日標(biāo)準(zhǔn)化溫度指數(shù)（Standardized Temperature Index，STI）。

2.2" 復(fù)合干熱指數(shù)計(jì)算

本文基于Copula模型聯(lián)合日尺度SPI和日尺度STI構(gòu)建2000—2018年湖南省日尺度復(fù)合干熱事件指數(shù)CDHI。對(duì)于復(fù)合干熱指數(shù)CDHI，假設(shè)SPI和STI分別為2個(gè)隨機(jī)連續(xù)變量A和B，復(fù)合干熱事件可以描述為一個(gè)變量A小于或等于閾值a，另一個(gè)變量B大于或等于閾值b，則復(fù)合干熱事件的聯(lián)合概率P可以表示為

P（A≤a，B≥b）=P（A≤a）-P（A≤a，B≤b）=u-C（u，v）=q ，" " " " " " " " "（1）

式中：C為Copula模型中的Gumbel Copula聯(lián)合分布函數(shù)；u、v分別為隨機(jī)變量A和B的邊緣分布函數(shù)；q為復(fù)合干熱事件的概率。

CDHI=φ-1（G（q）） ， （2）

式中：CDHI為復(fù)合干熱指數(shù)的值；φ為標(biāo)準(zhǔn)正態(tài)分布；G為Gringortrn經(jīng)驗(yàn)概率分布。CDHI≤-0.8時(shí)，表明發(fā)生復(fù)合干熱事件；CDHI的值越低，表明復(fù)合干熱狀況越嚴(yán)重。

2.3 復(fù)合干熱事件演變特征的識(shí)別與分析

本文運(yùn)用游程理論識(shí)別復(fù)合干熱事件及其頻率、烈度、強(qiáng)度等演變特征。對(duì)于時(shí)間序列CDHIt，給定某個(gè)截?cái)嗨紺DHI0（-0.8）。持續(xù)時(shí)間為時(shí)間序列CDHIt值低于CDHI0的連續(xù)間隔的數(shù)量；頻次為給定時(shí)間段內(nèi)事件的數(shù)量；烈度為一場(chǎng)干熱復(fù)合事件的閾值與復(fù)合指數(shù)所形成的面積定義；強(qiáng)度為復(fù)合干熱期間的烈度與歷時(shí)的比值。由于短期內(nèi)發(fā)生的復(fù)合干熱事件通常至少持續(xù)數(shù)周，因此只考慮發(fā)生持續(xù)7 d以上的復(fù)合干熱事件。

3 結(jié)果與分析

3.1 復(fù)合干熱指數(shù)的評(píng)估

每日CDHI是通過Copula模型將SPI與STI的邊際分布相結(jié)合所構(gòu)建的。盡管Copula模型已被廣泛用于連接2個(gè)依賴分布，但每日CDHI捕捉復(fù)合干熱事件的能力仍需進(jìn)一步驗(yàn)證。整體上看，2000—2018年湖南省每日CDHI與每日SPI、每日STI具有較強(qiáng)的相關(guān)性。每日CDHI與每日SPI表現(xiàn)出較強(qiáng)的正相關(guān)性，相關(guān)系數(shù)為0.70（Plt;0.01）；每日CDHI與每日STI也存在著顯著的負(fù)相關(guān)性，相關(guān)系數(shù)為-0.71（Plt;0.01）。這表明每日CDHI的變化與每日SPI和每日STI的變化密切相關(guān)，驗(yàn)證了日尺度CDHI指數(shù)在監(jiān)測(cè)湖南省2000—2018年干旱和高溫事件方面的適用性。

3.2" 復(fù)合干熱事件演變特征

3.2.1" 復(fù)合干熱事件的頻次

2000—2018年，湖南省復(fù)合干熱事件的發(fā)生頻次總體上呈現(xiàn)上升趨勢(shì)，其中北部地區(qū)為復(fù)合干熱事件高發(fā)區(qū)（圖1）。從空間分布上看，湖南省復(fù)合干熱事件的發(fā)生頻次為6.12次/a，其中68.35%的區(qū)域發(fā)生頻次高于6.00次/a，最高頻次為7.26次/a，主要集中在北部地區(qū)，而南部發(fā)生頻次相對(duì)較少，范圍為5.00～5.90次/a。此外，湖南省59.34%的區(qū)域復(fù)合干熱事件的發(fā)生頻次呈增加趨勢(shì)，主要集中在北部地區(qū)，最大增幅達(dá)0.24次/a。相比之下，湖南省南部其余40.66%區(qū)域頻次則呈現(xiàn)減少趨勢(shì)，最大減幅達(dá)0.21次/a。

從時(shí)間序列上看，2000—2018年湖南省復(fù)合干熱事件的發(fā)生頻次表現(xiàn)出明顯的年際變化（圖2），總體上呈現(xiàn)上升趨勢(shì)，增長(zhǎng)率為0.012次/a，年均發(fā)生頻次為6.23次/a。復(fù)合干熱事件頻次的變化主要分為以下3個(gè)階段：第一階段是2000—2002年，在此期間，復(fù)合干熱事件的頻次波動(dòng)較大。2001年發(fā)生頻次達(dá)最高值8.94次；而2002年發(fā)生降至最低值3.85次，頻次的快速下降使得復(fù)合干熱狀況在短期內(nèi)得到了暫時(shí)緩解。第二階段為2002—2009年，復(fù)合干熱事件的頻次呈波動(dòng)上升趨勢(shì)，增長(zhǎng)率為0.28次/a。隨后至2018年，復(fù)合干熱事件的頻次變化趨于穩(wěn)定，變化范圍位于5.61～7.02次。

3.2.2" 復(fù)合干熱事件的烈度

復(fù)合干熱事件的烈度在湖南省的空間分布如圖3所示。在空間上，復(fù)合干熱事件的烈度均值為40.76， 90.97%的區(qū)域烈度位于38～48范圍之間。烈度最大值達(dá)48.73，主要集中在湖南省南部及東南部地區(qū)；而北部地區(qū)烈度相對(duì)較小，最小達(dá)35.44。在時(shí)間序列上看，2000—2018年，湖南省復(fù)合干熱事件的烈度在年際上存在較大的差異（圖4）。整體上，烈度呈現(xiàn)下降趨勢(shì)，減少趨勢(shì)為-0.81/a。其中，2003年出現(xiàn)最大值，達(dá)79.40；2016年出現(xiàn)最小值，達(dá)19.82。

3.2.3" 復(fù)合干熱事件的強(qiáng)度

2000—2018年間，湖南省復(fù)合干熱事件的強(qiáng)度與烈度呈現(xiàn)相似的空間分布特征（圖5），強(qiáng)度均值為1.49。強(qiáng)度較高的區(qū)域集中分布在湖南省南部與西部地區(qū)，最大值達(dá)1.53；而東北部地區(qū)強(qiáng)度值相對(duì)較小，最小達(dá)1.44。在時(shí)間上，湖南省2000—2018年復(fù)合干熱事件的強(qiáng)度表現(xiàn)出較大的波動(dòng)性（圖6）?？傮w上，復(fù)合干熱事件強(qiáng)度的變化趨勢(shì)呈現(xiàn)“先上升后下降而后又上升”的變化特征。具體表現(xiàn)為：2000—2003年，復(fù)合干熱事件的強(qiáng)度由2002年的1.46上升至2003年的最高值的1.58；而后在2003—2012年，復(fù)合干熱事件的強(qiáng)度呈現(xiàn)逐漸下降趨勢(shì)，由2003年1.58下降至2012年的最低值1.31，降幅達(dá)17.09%；隨后2012-2018年，在此期間，復(fù)合干熱事件強(qiáng)度再度上升，至2018年達(dá)到1.55，增幅為18.32%。

4 結(jié)論

本文結(jié)合SPI與STI指數(shù)，利用Copula模型構(gòu)建了每日CDHI，評(píng)估了其監(jiān)測(cè)復(fù)合干熱事件的能力，并分析了湖南省2000—2018年復(fù)合干熱事件的時(shí)空演變特征，主要結(jié)論如下：基于每日CDHI，監(jiān)測(cè)到湖南省發(fā)生的復(fù)合事件存在顯著的空間差異性，復(fù)合干熱事件發(fā)生頻次較多的區(qū)域集中在湖南省北部，而烈度和強(qiáng)度較高的區(qū)域則集中在湖南省南部，需針對(duì)不同區(qū)域復(fù)合事件的特征采取措施以減輕其帶來的危害。

參考文獻(xiàn)：

[1] 余榮，翟盤茂.關(guān)于復(fù)合型極端事件的新認(rèn)識(shí)和啟示[J].大氣科學(xué)學(xué)報(bào)，2021，44（5）：645-649.

[2] 任嘉欣，王衛(wèi)光，魏佳，等.中國夏季復(fù)合干熱事件的時(shí)空演變規(guī)律及其與氣候模態(tài)的關(guān)系[J].中國農(nóng)村水利水電，2024，（9）：173-180.

[3] 施欣池，余錦華，張旭煜.長(zhǎng)江中下游地區(qū)驟發(fā)干旱與緩發(fā)干旱特征對(duì)比研究[J].氣象科學(xué)，2024，44（2）：292-300.

[4] 陸夢(mèng)恬.長(zhǎng)江流域干旱和熱浪對(duì)植被綠度和生產(chǎn)力的影響研究[D].杭州：浙江大學(xué)，2022.

[5] 俞昕，張琪，楊再強(qiáng).基于Copula函數(shù)分析華北地區(qū)年高溫干旱復(fù)合事件發(fā)生特征*（9）[J].中國農(nóng)業(yè)氣象，2023，44（8）：695-706.

[6] 熊少堂，趙銅鐵鋼，郭成超，等.我國各大流域復(fù)合高溫干旱事件變化趨勢(shì)與歸因分析[J].中國科學(xué)：地球科學(xué)，2024，54（1）：83-96.

[7] HAN J， MIAO C， GOU J， et al. A new daily gridded precipitation dataset for the Chinese mainland based on gauge observations[J].Earth System Science Data，2023，15（7）：3147-3161.

[8] HE J， YANG K， TANG W， et al. The first high-resolution meteorological forcing dataset for land process studies over China[J].Scientific Data，2020（7）：25.

[9] STAGGE H J， TALLAKSEN M L， GUDMUNDSSON L， et al. Candidate distributions for climatological drought indices （SPI and SPEI）[J].International Journal of Climatology，2015，35（13）：4027-4040.