遼寧省近54年旱澇特征分析及其對大氣環流響應研究

王學鳳，路 潔，曹永強

（1.中國水利水電科學研究院信息中心，北京 100038；2.遼寧師范大學地理科學學院，遼寧大連 116029）

1 研究背景

在所有自然災害中，氣象災害發生次數最多，其中，旱澇災害是全球性最為嚴重的自然災害之一，因其影響范圍廣、持續時間長、造成的經濟損失大，對農業、生態環境和人類生產生活帶來諸多負面影響［1］。目前，全球氣候變暖被學術界廣泛認同，在全球持續變暖背景下，全球海洋溫度異常變化或大尺度氣候系統變化（ENSO系統及太平洋濤動事件等）對區域水熱影響也越來越顯著，導致極端降水事件頻繁發生，進一步增加了極端旱澇事件的發生風險［2］。據統計，2016年中國受旱澇、臺風等多種自然災害影響，農作物受災面積達2622萬hm2，受災人口達1.9億人，經濟損失達5032.9億元［3］。因此，把握旱澇災害變化規律和成因，以期達到緩解災情，減少經濟損失，穩定農業生產，實現經濟社會可持續發展的目的，已成為國際國內學者高度關注的科學問題。

當前，國內外對旱澇領域的研究集中于旱澇指標的建立、旱澇成因及驅動機制、旱澇與承災體之間的關系等多個層面。目前常用的旱澇指標包括Palmer［4］在1960年代中期提出的PDSI指數、Mckee等［5］提出的標準化降水指數（SPI）及Vicente Serrano 等［6］提出的標準化降水蒸散指數（SPEI）等，其中SPEI指數綜合考慮了降水及由溫度變化導致的蒸散速率不同等多方面因素，可以反映不同時間尺度的旱澇特征且較PDSI計算簡便，因此，在全球增暖背景下更為適用。Yu等［7］基于SPEI指數對中國的干旱時空演變特征進行分析，表明1990年代末期中國干旱強度都有不同程度的增加，東北和華北干旱發生次數最頻繁，華南也呈現干旱化趨勢。在旱澇成因研究方面，Voice等［8］基于全球環流模式對澳大利亞SSTA與干旱的關系進行研究，發現兩者關系非常密切，當東太平洋處于厄爾尼諾暖期時，影響更為強烈；季定民等［9］對甘肅河東農業區干旱和大氣環流之間的關系進行研究，結果表明發生厄爾尼諾時，該區春夏干旱化趨勢顯著，發生拉尼娜事件時，濕潤化趨勢顯著。

遼寧省位于東北地區南部，臨黃渤二海，由于其獨特的地理位置，受季風影響導致降水時空分布很不均勻，遼寧省局地強降雨時有發生，洪澇事件發生頻繁，7—8月部分地區持續高溫少雨，其中旱情以遼西地區最為嚴重，經常出現旱澇并存現象。遼寧省糧食種植面積多年大于300萬hm2，占遼寧省耕地面積90%以上，其中主要作物玉米和水稻分別占糧食作物播種面積的63.91%和21.12%。隨著農業產業結構和種植業內部結構調整的日益深入，糧食產量不斷增多，其中國家扶持的遼寧省商品糧基地縣產量占全省80%，商品率占全省90%以上，為我國糧食安全和主要農產品供給做出了重要貢獻，是我國重要的商品糧生產基地［10］。但近年來由旱澇災害造成的農作物減產失收情況越來越嚴重。據《中國氣象災害年鑒》統計，2014年遼寧省大旱，農作物受災面積達195萬hm2，干枯和重旱面積125萬hm2。遼西及大連北部地區災情最為嚴重，坡耕地作物已基本絕收，遼寧全省糧食因災減產100億斤左右［11］；2016年，遼寧省共出現6次暴雨過程，造成農作物受災面積9.6萬hm2，絕收面積1.0萬hm2；受災人口78.2萬人，直接經濟損失33.9億元［12］。

鑒于此，很多學者對遼寧省旱澇災害開展了大量研究工作，總體來說，大多是對旱澇時空演變特征及趨勢的研究，還未有通過大氣環流角度對旱澇變化成因進行分析。因此，本文基于SPEI 指數，運用小波分析、經驗正交函數等方法分析遼寧省旱澇的時空演變及周期特征，并運用交叉小波方法探討旱澇對太陽黑子和環流因子的響應，以期為遼寧省旱澇預測預警和抗旱減災提供科學依據。

2 數據來源與研究方法

2.1 研究區概況遼寧省位于亞歐大陸東部中緯度地區，屬溫帶大陸性季風氣候區，境內雨熱同期，夏季溫和，冬季寒冷，年均降水量500～1000 mm，受季風影響降水時空分布很不均勻，降水量由東向西遞減，且年際年內差異大，以致旱澇頻發。不僅如此，遼寧省是我國重要的商品糧生產基地，但受旱澇災害影響畝均水資源量僅為全國平均的38%，局部地區地下水超采、地表河道斷流等問題凸顯，水資源供需矛盾日益尖銳，缺水現象持續惡化。

2.2 數據來源為保證氣象資料的完整性和時間連續性，選用遼寧省23個氣象站數據，包括逐日平均氣溫、最高氣溫、最低氣溫、降水量、相對濕度、日照時數和風速等觀測資料，時間跨度為1965—2018年，數據均源于中國氣象數據網（http：//data.cma.cn/site/index.html）。參考文獻［13-16］對旱澇災害大氣環流方面的成因分析，發現多變量ENSO指數（MEI）綜合考慮了海表溫度、氣壓、地面經向風、緯向風及總云量等方面因素，可達到監測判斷ENSO事件的目的，因此選取該指數表征ENSO 事件；選取具有代表性的與旱澇有關的環流因子包括海表溫度距平（SSTA）、太平洋濤動（PDO）、北極濤動（AO）和北大西洋濤動（NAO），均源于美國國家海洋和大氣局網站（http：//www.esrl.noaa.gov/psd/enso/mei），表征太陽黑子活動狀況的太陽黑子相對數源于比利時皇家天文臺數據中心（http：//www.sidc.be/silso/datafiles），時間跨度為1965—2018年；遼寧省旱澇災情信息源于中國氣象災害大典、中國氣象災害年鑒和水利部中國水旱災害公報等。

2.3 研究方法

2.3.1 標準化降水蒸散指數 目前，國內外提出了很多表征旱澇狀況的指數，由于旱澇變化受自然因子，如氣溫、降水和蒸散等方面的影響，因此考慮多種因素的綜合性旱澇指標更能反映客觀實際狀況，其中，應用相對廣泛的是標準化降水蒸散指數（SPEI指數），該指標綜合考慮了旱澇對降水和蒸散的響應，同時還可以反映多時間尺度特征，能夠達到準確檢測的目的。具體計算步驟如下。

（1）計算潛在蒸散量（ET0）。采用FAO推薦的Penman-Monteith方法，該方法綜合考慮了氣溫、降水、風速和日照等要素，與作物實際蒸散相符［17］：

式中：ET0為潛在蒸散發量，mm；Rn為凈輻射，MJ/（m2·d）；G為熱通量密度，MJ/（m2·d）；T為日平均溫度，℃；u2為2 m高處風速，m/s；es為飽和空氣水汽壓，kPa；ea為空氣水汽壓，kPa；Δ為飽和水汽壓-溫度曲線的梯度，kPa/℃；γ為濕度計常數，kPa/℃；Gn、Gd為固定常數，在估算逐日潛在蒸散發量時取值分別為900和0.34，各參數詳細計算及取值參考文獻［14］。

（2）計算逐月蒸散量（PETi）與逐月降雨量的差值（Di）［18］。逐月蒸散量（PETi）由逐日潛在蒸散量（ET0）按月累計而成：

式中：Pi為第i月的降水量，mm；PETi為第i月的潛在蒸散量，mm；Di為水分盈虧狀況，mm。

（3）對降水量和潛在蒸散量的差值正態化處理。采用log-logistic概率分布函數對概率密度進行標準化處理，計算出對應的SPEI值［18］，log-logistic概率分布函數為：

式中α、β、δ采用線性矩方法擬合。

對累計概率密度進行標準化：

當累積概率V≤0.5時：

式中：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308，該參數取值參考文獻［10］。

當累積概率V＞0.5時，SPEI值的符號被逆轉。

參考《氣候干旱等級》（GB/T20481-2017）［18］，將SPEI值劃分為9級，等級劃分情況如表1所示。

表1 SPEI旱澇等級劃分標準

2.3.2 經驗正交函數分解法 經驗正交函數分解（EOF）也稱為主分量分析（PCA），是一種提取主要數據特征量的方法。其中，特征向量對應空間模態，反映空間分布特點，主成分對應時間系數，反映時間變化，因此，EOF分解可稱為時空分解。其具體算法詳見文獻［19］。

在EOF分析中，若通過North顯著性檢驗，表明前幾個特征向量可以最大限度的表征某區域變量場的變率分布結構。如果模態系數為同一符號，則說明該區域變量變化趨勢是基本一致的，絕對值最大處位于中心；如果模態系數呈正負相間分布型，說明代表了兩種分布類型。

2.3.3 小波分析與交叉小波分析 小波分析在氣候診斷中不僅能清晰地揭示出某氣候因子非平穩時間序列的變化周期，還可以反映變化的時間位置；而交叉小波變換結合小波變換和交叉譜分析，可研究2個時間序列間的時頻共振周期與位相關系。本文運用小波分析方法，借助matlab工具繪制了小波實部圖和系數模的等值線圖，用于分析遼寧省年均SPEI指數的周期震蕩特征，繪制交叉小波圖用于分析SPEI值與影響因素之間的相關關系，其具體算法詳見文獻［20］。

本文以遼寧省為研究基點，以標準化降水蒸散指數（SPEI）為旱澇量化指標，運用線性趨勢、滑動平均、小波變換對旱澇變化進行時間演變和周期分析，采用經驗正交分解法對旱澇空間演變特征進行分析。此外，根據以往研究，太陽黑子可通過改變地表溫度、海氣耦合改變大氣環流等多種形式影響氣候系統［21］，遙相關是指遙遠距離的大氣環流變化與異常間的關聯性，即一個區域的環流異常可以引起遠距離的另一個區域的環流異常，包括多變量ENSO指數（MEI）、太平洋濤動（PDO）、北極濤動（AO）和北大西洋濤動（NAO）等，區域氣溫、降水與海流及大氣遙相關型的活動密切有關［22］，因此結合太陽黑子和遙相關指數，運用交叉小波方法探討旱澇特征對各因子的響應。

3 結果與分析

圖1 遼寧省SPEI時間序列

為揭示遼寧省旱澇多尺度周期變化特征，采用Morlet小波方法繪制小波系數實部等值線和小波方差圖（圖2），顏色深淺代表小波系數信號的強弱，等值線中心若為正值，表示偏澇，反之偏旱。由圖3可知，1965—2018年間遼寧省SPEI指數在年際和年代際上都存在明顯周期變化，包括5～8 a和9～12 a的小尺度信號以及29～45 a的大尺度信號。其中在5～8 a周期的時間序列中經歷了5個旱澇交替過程，2010年由5 a 尺度向上偏移到8 a 尺度；9～12 a 周期的時間尺度上經歷了4.5個旱澇交替，該周期內小波曲線閉合完整，說明其變化較為明顯；29～45 a 周期時間序列上正負相位明顯且穩定，經歷了2個旱澇變化過程。從圖2（b）可以看出共有3個峰值，第一峰值為29 a，該時間尺度波動能量最強，正負變化明顯，這一周期對近54年遼寧省旱澇起主要作用，是旱澇變化的主周期；其次還存在5 a和9 a兩個峰值，對應為兩個次周期，上述3個周期共同對遼寧省旱澇變化起作用。

3.2 遼寧省旱澇空間演化特征為更好了解遼寧省旱澇空間分布特征，采用EOF 方法對遼寧省1965—2018年SPEI指數進行分解，并進行North 顯著性檢驗［19］，繪制遼寧省旱澇主要空間分布模態。表2為遼寧省SPEI值EDF分解的前5個特征值的累計貢獻率，其中，前5個特征向量貢獻率達到77.64%，但只有前2 個特征值的誤差范圍不重疊，通過顯著性檢驗，前2個特征向量累計貢獻率為60.38%，因此前兩個特征向量可很好解釋遼寧省近54年的時空分布類型。

圖2 遼寧省省1965—2018年SPEI小波系數實部等值線和方差

表2 遼寧省SPEI值EOF分解的5個特征向量貢獻率

第一模態特征向量方差貢獻率為50.85%，遠高于其他模態，是遼寧省旱澇變化的主要空間分布形式。圖3（a）顯示第一模態系數在0.05 ～0.28之間，全省均表現為正值，表明1965—2018年遼寧省旱澇變化具有高度一致性，即要么全省偏旱要么全省偏澇，這種現象是受大尺度氣候系統影響形成的。高值中心位于遼中一帶，說明該區旱澇變化最為明顯，反應最為敏感。從圖3（b）可以看出，時間系數在近54年呈不顯著上升趨勢，說明全區向濕潤化演變，旱情有所緩解。

圖3 SPEI值模態1特征向量分布和向量場時間系數

第二模態特征向量方差貢獻率為9.53%，也是典型的旱澇主要分布形式，其對應的空間系數在-0.55 ～0.46之間，如圖4所示。這種形式正值中心出現在遼西北和遼中，負值中心出現在遼北遼東，呈現遼西-遼東反向分布模式，即要么遼西偏旱遼東偏澇，要么遼西偏澇遼東偏旱，說明除受大尺度氣候因子外，還受地理位置，地形條件的影響。與唐亞平等［23］對遼寧省旱澇分區的研究結果保持一致。從第二模態時間系數長時間序列的變化特征來看，時間系數在1965—2018年呈上升趨勢，并通過顯著性檢驗，年代變化特征表現為1990年代前為負值，之后多為正值，說明遼寧省在1990年代前表現為遼西干旱遼東濕潤，之后遼西地區向濕潤化發展，遼東向干旱化方向發展，時間系數與典型向量場所反映的信息保持一致。

圖4 SPEI值模態2特征向量分布和向量場時間系數

據中國氣象災害年鑒、中國水旱災害公報和中國旱澇災害數據集記載，1965年3—7月，遼寧省發生重旱，降水距平百分率達到-35%～-80%；1972年3—7月，全省農田受旱面積175萬hm2，成災面積101萬hm2，遼西發生特旱；1989年，全省雨量偏少，造成糧食減產37億kg；1997年，全省14個市除盤錦市外，都遭受不同程度的干旱，直接經濟損失8.46億元；1999—2002年發生連旱；2014年遼寧省發生了1951年以來最為嚴重的夏秋連旱，農作物受災面積181.1 萬hm2，受災人口659.7 萬人，直接經濟損失162.8億元。從研究區域23個氣象站點對應時段SPEI情況來看（圖2），相應年份普遍出現了不同程度的干旱災害，SPEI值于1965、1972、1989和2014年分別達到-1.14、-0.93、-1.05和-1.39，干旱分析結果與實際歷史記載的干旱基本對應。

就暴雨洪澇災害而言，1985 和1994年特大洪水，分別造成直接經濟損失47.1 億元和151 億元；1995年汛期，遼寧省遭遇歷史罕見的特大暴雨襲擊，暴雨范圍廣強度大；2010年遼寧省共發生6次強降雨過程，阜新、朝陽等地市不同程度受災；2015和2016年，遼寧省分別出現較強暴雨過程5次、6次，農作物絕收面積達1.1萬hm2；2017年暴雨洪澇造成農作物絕收面積2.2萬hm2，經濟損失65.9億元。從研究區域23 個氣象站點對應時段SPEI情況來看，SPEI值于1985、1995、2010、2012年分別達到1.36、0.87、1.47和1.21，且2015—2018年SPEI值均超過0.5，發生連續洪澇災害，與實際歷史記載的洪澇災害基本對應。

綜上所述，SPEI和記載的實際旱澇情況之間無論在時間趨勢還是空間分布上均具有很好的對應性，說明SPEI指數在遼寧省具有很好的適用性，能夠準確反映該區域的旱澇情況。

3.3 遼寧省旱澇成因分析

通過在安徽績溪壓力鋼管制造的實踐，鋼管圓度和焊接質量是小直徑高強度壓力鋼管制造的關鍵質量控制點。通過增加新型設備和新工藝的投入，不僅僅可以保證鋼管的制造質量，而且施工效率得到大幅提升，符合現階段節能環保的要求，施工成本也得到了有效的控制。

3.3.1 遼寧省旱澇與太陽黑子和大尺度環流因子的時間相關性 太陽活動有多種表現形式，它可通過改變地表溫度、海氣耦合改變大氣環流等多種形式影響氣候系統，與區域氣溫、降水有明顯相關性［21］。以往研究成果指出太陽黑子相對數可以作為表征太陽活動強弱的標志，且大致以11年為一個變化周期，因此探討太陽黑子相對數與SPEI值之間的相關性，如圖5所示，遼寧省1965—2018年54年間共出現5個太陽黑子極大值（1968年、1979年、1989年、2000年、2014年）和6個太陽黑子極小值（1965年、1975年、1986年、1996年、2007年、2018年），從兩者相關性角度而言，太陽黑子數與SPEI指數呈顯著負相關關系（P＜0.001），太陽黑子數越大，SPEI值越低，氣候越干旱。太陽黑子數出現極大或極小值時，SPEI指數在當年或滯后2 a左右出現相應極值。

圖5 太陽黑子活動與遼寧省SPEI指數的關系

為探討遼寧省旱澇和太陽活動間的具體聯系，統計分析了太陽黑子相對數極大值（M）和極小值（m）年及前后1年的旱澇頻次，見表3。1965—2018年54年間共出現26次旱澇災害，其中發生在太陽黑子極值年附近的有17次，占總頻次的65.4%。由表3可知，遼寧省在5個極小值年前后1 a共15年內，共發生2次干旱事件和5次洪澇事件，說明在太陽黑子極小值年前后容易發生旱澇災害且澇災多于旱災；遼寧省在6個極大值年前后1 a共16年內，共發生8次干旱事件和2次洪澇事件，說明在太陽黑子極大值年前后旱災出現頻次多于澇災，因此，在極大值年前后應加強抗旱減災工作。

表3 遼寧省太陽黑子極值年附近旱澇統計

通過對遼寧省1965—2018年SPEI指數和ENSO、PDO、AO和NAO4個大氣環流指數進行多項式擬合，獲得兩者間年際尺度的變化趨勢并揭示相互關系。ENSO是指低緯度海氣相互耦合作用，是低緯太平洋附近地區乃至全球范圍氣候變化的自然信號之一［24］，通常用海溫距平指數SSTA表征ENSO強弱，根據李曉燕等［25］對ENSO強度劃分的結果將冷暖事件分別劃分為強中弱三個等級。由圖6（a）可知，遼寧省SPEI指數與ENSO 事件呈較強負相關關系，ENSO 為正值時SPEI指數為負，原因是厄爾尼諾事件發生時，遼寧省降水減少，氣溫年較差加大，氣候表現為持續干旱，因此，暖事件促進該區干旱化；ENSO 為負值時SPEI指數為正，原因是拉尼娜事件發生時，遼寧省降水增加，氣候趨于濕潤，因此冷事件促進該區濕潤化，且ENSO事件強度越強，發生旱澇的可能性就越大。

PDO為太平洋十年濤動指數，反映熱帶太平洋和北太平洋中緯度的海溫異常現象［26］。該指數與旱澇也有很明顯的對應關系，如圖6（b）顯示，遼寧省SPEI指數與PDO 呈正相關關系，PDO 處于正（負）值對應SPEI指數也為正（負）值，因此，PDO處于冷相位時易發生干旱事件，處于暖相位易發生洪澇事件。此外，PDO在1978年和2000年的正負相位轉變對應的SPEI指數旱澇轉變時間為1983年和2009年，因此兩者之間存在一定滯后性。

AO為北極濤動指數，是北半球中高緯度大氣環流變化主要模態，對北半球地區季節尺度乃至年際尺度的氣候變化都會產生影響［27］。由圖6（c）可知，AO為正（負）值時對應正常（干旱）年份，絕對值越大，旱澇強度也越大，這是由于AO強度越強時，我國高緯區降水偏多，氣溫也升高，共同使我國旱情有所緩解。NAO為北大西洋濤動，反映了亞速爾高壓和冰島低壓之間的變化關系［28］。由圖6（d）可知，NAO大部分年份都處于正值，與SPEI指數呈負相關關系，發生較強的北大西洋濤動時可能會發生嚴重干旱事件，這與符淙斌等［29］的研究結果是相一致的。綜上所述，從遙相關指數和旱澇指數一一對應關系看，當厄爾尼諾增強、太平洋和北大西洋的海表溫度異常變冷、北極冷空氣向南侵襲時，遼寧省會產生不同程度的干旱，反之發生洪澇災害。大氣環流指數對遼寧省旱澇變化的影響機制復雜性，不僅表現為4個大氣環流指數對整個遼寧省氣候變化都存在相關性，而且也表現在不同環流指數之間的相互作用，共同作用于區域降水和旱澇變化。因此，大氣環流指數的正負作用轉換機制及指數之間的相互協同或制約作用都需要進一步明晰。

圖6 遼寧省SPEI變化趨勢與大氣環流發生強度的關系

3.3.2 遼寧省旱澇與太陽黑子和大尺度環流因子共振關系 交叉小波可著重突出旱澇變化與大尺度因子在時頻中高能量區的關系，為進一步分析遼寧省SPEI指數與太陽黑子相對數和大氣環流間的相互關系，采用交叉小波方法繪制兩者之間的交叉小波功率譜（圖7）。圖中黑色細實線內的區域為有效譜，區域外在邊界效應影響下不予考慮，粗黑線內區域通過紅噪聲檢驗（0.05顯著性），顏色代表能量密度，越接近紅色代表凝聚程度越高，箭頭表示相位差［20］。

由圖7（a）可知，遼寧省SPEI值與太陽黑子相對數通過紅噪聲檢驗的8 ～12 a 共振周期集中表現于1983—2000年，說明兩序列在時頻上表現為顯著的反相位共振關系，即兩者呈負相關，進一步驗證了上述結果。平均位相角落后30°～45°，說明SPEI值變化延后于太陽黑子活動1 ～1.5個月。

圖7 遼寧省SPEI與太陽黑子和大氣環流交叉小波分析

多變量ENSO指數（MEI）可達到監測判斷ENSO事件的目的，綜合考慮了海表溫度、氣壓、地面經向風、緯向風及總云量等方面因素［30］，因此選取該指數表征ENSO事件。由圖7（b）可知，SPEI指數與MEI指數通過紅噪聲檢驗的2 ～3 a共振周期集中于2008—2010年，兩序列在時頻上表現為穩定正相位共振關系，4 ～5 a共振周期表現于1984—1991年，平均位相角向下垂直90°，說明SPEI變化位相落后于MEI變化3個月，在高頻區域存在10年共振周期，兩序列交叉小波能量通過了紅噪聲檢驗，但維持時間短未形成穩定相互關系。由圖7（c）可知，SPEI和PDO在1989—1994年表現為顯著4 ～5 a共振周期，呈負相關且滯后1 ～1.5個月，此外，兩者在高頻區域存在8 ～11 a的主共振周期，集中于1989—2001年，呈顯著正相關關系。由圖7（d）可知，SPEI和AO在1 ～3 a時域內，兩序列交叉小波能量強度通過顯著性檢驗，但由于位相隨時間變化差異大沒有形成穩定的相互關系，但兩者在1980—1992年表現出顯著8 ～10 a的主共振周期，呈負相關關系且存在1 ～1.5個月的滯后性。由圖10（e）可知，SPEI和NAO通過紅噪聲檢驗的8～12年共振周期集中表現于1983—1999年，說明兩序列在時頻上表現為顯著的反相位共振關系，即兩者呈負相關，平均位相角落后30°～45°，說明SPEI值變化延后于NAO變化1 ～1.5個月。

3.4 討論本文成因分析部分的結果與蘇宏新等［16］對北京干旱成因分析的研究成果相一致。但需注意的是遼寧省旱澇事件發生的成因機制是非常復雜的，除受太陽黑子和大氣環流的影響外，還與地形特征、全球變暖及人類活動等因素有關。目前多數研究僅考慮了自然方面而忽略了人類活動對旱澇變化的影響，就人類活動影響而言，主要集中于工農業排放的污染物質和溫室氣體及城市化過程中對地表的改造等方面。遼寧省城市人口集聚，近年來，隨著城市化快速發展，一方面人口增加及城市交通的增加使人為熱排放增多，直接影響地表感熱的變化，另一方面，改變了地表下墊面性質，地面粗糙度使近地面風速減弱，高大建筑物對氣流的阻滯也使風速降低，最終導致溫度升高降水減少，相應使城市周邊干旱事件的發生頻率增多，張亮亮等［31］對遼寧省2000年、2005年、2010年和2014年土地利用遙感類型分析表明，城鄉工礦用地在4 個時段內都呈增多趨勢，從2000年的8689.34 km2增加至2014年的12 089.45 km2，增幅達139.13%，因此，遼寧省隨著城市化進程的加快，城鄉工礦居民用地擠占了耕地林地面積，改變地表水文過程，最終可能加速旱澇事件的發生。因此，不僅在旱澇狀況和大尺度氣候因子之間的耦合機理方面需要進一步明晰，同時要減少干預自然和破壞自然環境的人類活動，相關部門也要對旱澇災害做好準確預測預報工作，以期達到抗旱減澇，穩定農業生產，實現經濟社會可持續發展的目的。

4 結論

以遼寧省為研究基點，以標準化降水蒸散指數（SPEI）為旱澇量化指標，運用滑動平均、小波變換、經驗正交分解等方法對遼寧省近54年旱澇時空演變特征進行分析，結果與實際發生的旱澇相吻合，說明SPEI指數在遼寧省旱澇監測中有較好的適應性。此外，結合太陽黑子和遙相關指數，運用交叉小波方法探討旱澇特征對各因子的響應，該方法敏感可行，可較好的顯示各因子的響應特征。結果表明：（1）時間上，遼寧省近54年逐漸向濕潤方向發展，階段特征表現為1980年代中期前為干旱期，1980年代中期到2010年代為干濕交替，之后除個別年份外表現為偏澇。小波方差圖表明遼寧省SPEI值共有3個周期，分別為29 a的主周期和5 a、9 a次周期，3個時間尺度信號都較為穩定。（2）空間上，遼寧省旱澇有兩種模態，模態1表現為全區一致性，即要么全省偏旱要么全省偏澇，這種現象是受大尺度氣候系統影響形成的；模態2表現為遼西-遼東反向分布模式，即要么遼西偏旱遼東偏澇要么遼西偏澇遼東偏旱，說明除受大尺度氣候因子外，還受地理位置，地形條件的影響。（3）成因上，受太陽活動影響在太陽黑子數極值年份左右2年易發生旱澇災害，兩序列在時頻上存在8 ～12 a周期，表現為顯著的反相位共振關系；SPEI與ENSO、NAO指數呈負相關關系，而與PDO和AO指數呈正相關關系，并存在不同時間尺度的共振周期，各個大氣環流指數與SPEI指數的相關性強弱也存在空間異質性。