基于日尺度的湖南省復合干熱事件演變特征研究

摘" 要：復合干熱事件頻發，對自然生態系統和人類社會造成嚴重的影響。探究湖南省復合干熱事件的時空演變特征，為提升區域的防災減災能力提供參考。利用2000—2018年湖南省每日降水與最高氣溫數據，計算每日標準化降水指數（SPI）與每日標準化溫度指數（STI），并通過Copula模型構建每日復合干熱指數（CDHI）；運用游程理論提取并分析復合干熱事件的演變特征。結果表明，每日CDHI能夠有效識別干旱和高溫事件。通過每日CDHI監測到2000—2018年該省復合干熱事件頻次為6.23次/a，總體呈上升趨勢（0.012次/a）；59.34%的區域頻次增加，集中在北部。烈度呈下降趨勢（-0.81/a），而強度表現為“先升后降再升”的特征，較大的區域集中在南部地區，未來應針對不同區域復合事件的特征采取差異化的措施，以減輕極端災害帶來的影響。

關鍵詞：Copula模型；日尺度CDHI；游程理論；復合干熱事件；極端災害

中圖分類號：D922.68" " " 文獻標志碼：A" " " " " 文章編號：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、干旱和寒潮等多個極端氣候因子驅動的極端氣候事件在時間和空間角度上呈現出高度重合的趨勢，導致復合型極端氣候事件的頻發[1]。其中，同時發生的干旱和高溫事件因其對生態系統和人類社會的嚴重影響而受到廣泛關注。在全球變暖的趨勢下，復合干熱事件的頻率及影響范圍正在不斷擴大[2]。特別是在暖季干旱狀況發生頻次大幅增加的狀況下，形成速度快和強度高的驟旱事件。這種驟旱事件往往伴隨著較大的降水虧缺和高溫異常[3]，促進了持續數天至數周且嚴重程度高的復合干熱事件的形成。因此，針對復合干熱事件的監測已成為當前研究熱點。

對于復合干熱事件的監測，通常通過計算單一干旱和高溫事件的同時發生，或通過制定構建表征干旱和高溫的極值指數來識別復合事件，如標準化復合事件指數（SCEI）和標準化干熱指數（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系，反映的是降水和溫度的比率，嚴重低估了復合干熱事件發生的頻率[4]。近年來，Copula模型、熵模型和非參數模型等分布建模方法為研究復合干熱事件提供了新的思路。其中，基于Copula模型的聯合分布建模方法應用較為廣泛。通過Copula模型，能夠有效地將表征干旱的指數和表征高溫的指數的邊際分布連接起來，從而形成多維聯合累積概率分布，用于構建復合干熱指數[5]。綜合現有的研究，大多利用Copula模型構建的是月尺度上的復合干熱指數，然而月尺度時間分辨率較粗，只能提供復合干熱時間的總體變化狀況，無法捕捉到月內更為精細干熱波動異常，導致持續數天至數周的短歷時復合干熱事件的誤選和漏選[6]，在時間維度精細地刻畫復合干熱事件的指數仍相對欠缺。

近年來，湖南省極端復合干熱事件頻發，對農業生產造成了嚴重影響。本研究選取湖南省每日降水與最高氣溫數據，運用Copula模型構建日尺度上的復合干熱指數（CDHI）。在對每日CDHI評估的基礎上，通過游程理論識別并分析復合干熱事件的頻率、強度和烈度等演變特征，為湖南省在未來氣候變化下相關應對政策的優化，提升抗旱減災能力提供科學參考。

1" 研究區概況

湖南?。?08.78°—114.25°E，24.63°—30.13°N）位于我國長江中游地區，總面積為21.18×104 km2。湖南省是農業大省，也是我國重要的糧食生產基地。受東亞季風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，降水充足但時空分布不均勻。在夏季雨季結束后，持續高溫與連續干旱狀況疊加，易發生復合干熱事件。

2" 數據與方法

2.1" 研究數據

每日降水數據選取國家青藏高原數據中心（https：//data.tpdc.ac.cn）每日降水CHM_PRE數據集[7]，時間分辨率為1 d，空間分辨率為0.25°。每日最高溫度數據選取國家青藏高原數據中心（https：//data.tpdc.ac.cn/）的中國區域地面氣象要素驅動數據集中的最高溫度[8]，時間分辨率為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數據，經過預處理，重采樣至空間分辨率0.25°。在此基礎上，根據Stagge等[9]的方法，計算每日標準化降水指數（Stan-dardized Precipitation Index，SPI）與每日標準化溫度指數（Standardized Temperature Index，STI）。

2.2" 復合干熱指數計算

本文基于Copula模型聯合日尺度SPI和日尺度STI構建2000—2018年湖南省日尺度復合干熱事件指數CDHI。對于復合干熱指數CDHI，假設SPI和STI分別為2個隨機連續變量A和B，復合干熱事件可以描述為一個變量A小于或等于閾值a，另一個變量B大于或等于閾值b，則復合干熱事件的聯合概率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聯合分布函數；u、v分別為隨機變量A和B的邊緣分布函數；q為復合干熱事件的概率。

CDHI=φ-1（G（q）） ， （2）

式中：CDHI為復合干熱指數的值；φ為標準正態分布；G為Gringortrn經驗概率分布。CDHI≤-0.8時，表明發生復合干熱事件；CDHI的值越低，表明復合干熱狀況越嚴重。

2.3 復合干熱事件演變特征的識別與分析

本文運用游程理論識別復合干熱事件及其頻率、烈度、強度等演變特征。對于時間序列CDHIt，給定某個截斷水平CDHI0（-0.8）。持續時間為時間序列CDHIt值低于CDHI0的連續間隔的數量；頻次為給定時間段內事件的數量；烈度為一場干熱復合事件的閾值與復合指數所形成的面積定義；強度為復合干熱期間的烈度與歷時的比值。由于短期內發生的復合干熱事件通常至少持續數周，因此只考慮發生持續7 d以上的復合干熱事件。

3 結果與分析

3.1 復合干熱指數的評估

每日CDHI是通過Copula模型將SPI與STI的邊際分布相結合所構建的。盡管Copula模型已被廣泛用于連接2個依賴分布，但每日CDHI捕捉復合干熱事件的能力仍需進一步驗證。整體上看，2000—2018年湖南省每日CDHI與每日SPI、每日STI具有較強的相關性。每日CDHI與每日SPI表現出較強的正相關性，相關系數為0.70（Plt;0.01）；每日CDHI與每日STI也存在著顯著的負相關性，相關系數為-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，驗證了日尺度CDHI指數在監測湖南省2000—2018年干旱和高溫事件方面的適用性。

3.2" 復合干熱事件演變特征

3.2.1" 復合干熱事件的頻次

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

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

3.2.2" 復合干熱事件的烈度

復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，復合干熱事件的烈度均值為40.76， 90.97%的區域烈度位于38～48范圍之間。烈度最大值達48.73，主要集中在湖南省南部及東南部地區；而北部地區烈度相對較小，最小達35.44。在時間序列上看，2000—2018年，湖南省復合干熱事件的烈度在年際上存在較大的差異（圖4）。整體上，烈度呈現下降趨勢，減少趨勢為-0.81/a。其中，2003年出現最大值，達79.40；2016年出現最小值，達19.82。

3.2.3" 復合干熱事件的強度

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

4 結論

本文結合SPI與STI指數，利用Copula模型構建了每日CDHI，評估了其監測復合干熱事件的能力，并分析了湖南省2000—2018年復合干熱事件的時空演變特征，主要結論如下：基于每日CDHI，監測到湖南省發生的復合事件存在顯著的空間差異性，復合干熱事件發生頻次較多的區域集中在湖南省北部，而烈度和強度較高的區域則集中在湖南省南部，需針對不同區域復合事件的特征采取措施以減輕其帶來的危害。

參考文獻：

[1] 余榮，翟盤茂.關于復合型極端事件的新認識和啟示[J].大氣科學學報，2021，44（5）：645-649.

[2] 任嘉欣，王衛光，魏佳，等.中國夏季復合干熱事件的時空演變規律及其與氣候模態的關系[J].中國農村水利水電，2024，（9）：173-180.

[3] 施欣池，余錦華，張旭煜.長江中下游地區驟發干旱與緩發干旱特征對比研究[J].氣象科學，2024，44（2）：292-300.

[4] 陸夢恬.長江流域干旱和熱浪對植被綠度和生產力的影響研究[D].杭州：浙江大學，2022.

[5] 俞昕，張琪，楊再強.基于Copula函數分析華北地區年高溫干旱復合事件發生特征*（9）[J].中國農業氣象，2023，44（8）：695-706.

[6] 熊少堂，趙銅鐵鋼，郭成超，等.我國各大流域復合高溫干旱事件變化趨勢與歸因分析[J].中國科學：地球科學，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.