中国三维复合型旱热事件的级联结构与事件级归因：气象系统与农业系统的对比分析

《Journal of Hydrology》：Cascade structure and event-level attribution of three-dimensional compound drought–heat events in China: contrasting meteorological and agricultural systems

　　

• •
  研究人员构建了一个非平稳框架，用于识别复合型干旱-高温事件。
• •
  与农业相关事件相比，气象相关事件在空间上更具聚集性。
• •
  农业相关事件的持续时间更长，这表明陆地表面存在更强的记忆效应。
• •
  等级级联分析揭示了从轻微事件向极端事件发展的路径。
• •
  可解释机器学习方法有助于区分大气因素与陆地记忆因素对事件的影响。

引言

复合型干旱-高温极端天气是最具破坏性的气候相关灾害之一，因为它同时带来水分短缺和异常的热应力，其对生态系统、农业、人类健康以及能源-水系统的危害，远远超过这两种灾害单独存在时的危害程度（Bogenreuther等人，2025年）。持续升温会增加大气的蒸发需求，改变温度极值的出现频率，还会强化陆地-大气之间的反馈机制（比如土壤湿度降低会抑制蒸发冷却作用），从而促使干燥与高温状况同时出现（Xing等人，2023年；Zhao等人，2022年）。多个地区的观测数据表明，近几十年来复合型干旱-高温事件的频率和/或强度有所上升，而且随着气温持续升高，这类事件的强度还将进一步加剧，这会对粮食安全与可持续发展造成直接影响（Lu等人，2026年）。由于干旱和高温的边际行为以及二者之间的依赖结构都可能随气候变化和陆地表面状况的改变而发生变化，因此量化复合型风险仍然面临诸多挑战。

尽管人们对这类灾害越来越重视，但由于一些结构性难题，目前对其特征的完整描述仍存在不足。首先，许多评估方法仍然基于干旱和高温行为的平稳性假设，而越来越多的证据表明，在气候变化和陆地表面状况改变的背景下，这两种现象的分布特征及其依赖结构都在发生变化（Samaniego等人，2018年）。其次，人们往往将复合型干旱-高温事件简单视为时间上的重叠现象，这就无法体现它们作为具有持久性和发展态势的复杂时空系统所呈现的演变规律（Wu等人，2022年）。第三，复合型灾害涉及大气系统与陆地表面系统之间的相互作用，但以灾害本身为研究对象的（气象相关）分析与以实际影响为研究对象的（农业或生态相关）分析常常被混为一谈，尽管这两类分析在记忆效应和可预测性方面存在明显差异（Zeng等人，2024年；Zhang等人，2022年）。这些局限性不仅阻碍了对这类灾害的一致性识别，也难以揭示其级联机制，同时还增加了确定主要驱动因素的难度，进而限制了复合型风险评估结果在不同地区和不同气候条件下的适用性。

鉴于上述情况，选择一个涵盖多种气候类型和不同陆地表面条件的研究区域，对于测试基于事件分析和考虑系统特性的复合型干旱-高温风险评估方法而言至关重要。中国具备这样的研究条件：这里气候梯度明显，农业活动频繁，且人口密集的区域对水文气候变化极为敏感。已有研究显示，中国北方和东部地区的干旱与高温现象十分显著，而且许多高影响程度的灾害都是干旱与高温共同作用的结果，而非单一的异常现象（Han等人，2025年；Li等人，2023年；Ning等人，2025年）。尤为关键的是，复合型灾害同时影响气象系统和农业系统：大气干旱与高温共同构成了灾害信号，而土壤湿度不足和植被热应力则代表了通过陆地表面记忆效应将外部驱动力转化为实际影响的路径（Liu等人，2022年）。由于农业系统的响应依赖于之前的水分储存量、植被的调节能力以及地表能量的分配情况，这些因素可能会滞后于大气信号的变化，并对大气信号产生重新塑造的作用，因此农业系统在持久性、空间分布特征以及可预测性方面可能与大气系统存在差异（Feng等人，2024年）。然而，许多评估方法仍然将复合型干旱-高温事件简单视为时间上的重叠现象，没有意识到气象驱动因素与农业影响可能由不同的因素驱动，只是通过陆地表面的滞后响应相互关联（Cammalleri等人，2023年；Mondal等人，2023年）。

从方法论角度来看，复合型事件本质上是具有时空特性的。事件检测通常依赖于网格点上的一维运行理论，有时会进一步进行空间聚合处理，或者使用基于阈值的掩码结合随时间变化的连通分量标记技术来进行检测（Feng等人，2024年；Wen等人，2020年；Weng等人，2023年）。虽然这类方法有助于开展气候统计分析，但可能无法将复合型干旱-高温事件视为具有 evolving特征、可能发生碎片化或合并、以及会迁移的复杂三维实体。如果空间或时间上的“连接桥梁”较为薄弱，就可能导致不同的系统被人为地合并为更大的事件，进而高估事件的持续时间和严重程度；而那些虽然间歇出现但实际存在物理连接的演化过程，则可能被分割成多个独立的部分（AghaKouchak等人，2023年；Garrick等人，2018年）。在分析长期存在的灾害事件的各种属性（如影响范围、严重程度、迁移路径）以及其内部的级联发展规律时，这种不确定性会带来很大麻烦。

另一个问题源于人们普遍采用的平稳性假设。许多复合型指标和阈值都采用不随时间变化的边际分布和固定的依赖结构，这实际上隐含着统计稳定性这一前提（Lee和Singh，2020年；Liu等人，2024年）。但在气候变化背景下，分布特征的改变以及依赖结构的演变都可能使概率估算出现偏差，进而影响跨年代的比较。尽管非平稳干旱指数和基于Copula函数的依赖结构建模方法已经为该领域的发展做出了贡献，但仍然存在两个不足：其一，非平稳的边际分布和依赖结构很少被整合到一个能够在不同空间和时间范围内保持可比性的统一复合型指标中；其二，现有的分析大多仅关注网格单元序列或二维的静态数据，未能对完整的三维事件发展过程进行跟踪，因此难以深入了解事件的形态、迁移规律以及内部级联机制。

正是出于对这些问题的考虑，我们提出了四个核心研究问题：（1）如何将复合型干旱-高温灾害表示为具有物理意义的三维事件，同时避免因弱连接现象而导致的误差？（2）中国各地的这类灾害在事件规模层面的特征（如影响范围、严重程度、强度、持续时间、峰值强度、迁移路径等）在几十年间发生了怎样的变化？（3）复合型事件是否存在内部级联现象，即是否包含更严重的子事件？此外，气象系统与农业系统中的级联模式存在哪些差异？（4）在训练好的模型中，哪些预测因子与事件级别的复合型灾害强度关联最为紧密？而且，在以灾害本身为研究对象的气象系统与以实际影响为研究对象的农业系统中，这些预测因子对灾害强度的贡献程度以及可预测性又存在怎样的差异？

为此，我们构建了一个非平稳的、基于事件的三维分析框架，该框架既考虑了事件的地理范围，也分析了其随时间的发展变化情况，可用于对中国境内的复合型干旱-高温事件进行分析。我们利用GAMLSS方法构建了非平稳的标准干旱指数和高温指数，使得这些指数的分布参数能够随时间发生变化；同时结合基于Copula函数的依赖结构模型，既能够量化各种事件的联合行为，又能保留非平稳特性。之后，我们采用包含多级过滤和重叠约束条件的节点-边-事件算法来识别严格意义上的三维事件，从而能够准确提取事件的各项属性以及不同严重程度级别之间的级联关系。最后，我们运用带有SHAP归因功能的可解释机器学习方法，来分析大气因素与陆地表面因素中对事件强度的各自影响程度。

章节要点

研究区域与数据

本研究区域涵盖了中国大陆地区（北纬20°至54°，东经73°至135°），为了便于区域分析，该地区被划分为几个不同的气候亚区（见图1）。这些亚区包括湿润季风气候区、过渡性气候区以及干旱气候区。这种亚区分类方式（SR-I至SR-VII）是基于Zhao在1983年提出的中国气候区域划分标准，该标准是根据长期平均气温、降水量、湿度条件、地形特征以及水热状况等方面的差异来划分的。

干旱、高温及复合型干旱-高温事件的空间分布特征与基本特点

中国境内气象干旱、农业干旱、高温以及复合型干旱-高温事件的空间分布特征以及事件规模的统计特点如图3所示。大面积且严重程度高的灾害事件在不同类型的灾害中都呈现出大致相似的区域分布特征，不过在气象系统与农业系统中的空间表现存在明显差异。图S7进一步展示了灾害事件的峰值强度在空间上的异质性特征。

三维识别方法的对比分析

要准确识别三维干旱-高温事件，是对其时空演变规律、级联结构以及基于模型的成因分析进行深入研究的必要前提（Wen等人，2020年）。现有研究提出了多种事件提取方法，这些方法大致可以分为三类：第一类是将一维运行理论扩展到三维空间；第二类是基于阈值判断并结合连通分量标记技术；第三类则是采用更为严格的识别方法。

结论

我们构建了一个非平稳的三维分析框架，用于分析中国境内的复合型干旱-高温事件，同时比较这类事件在气象系统与农业系统中的发展规律以及其主要驱动因素。通过整合非平稳复合型指标、严格的事件识别方法、等级级联分析技术以及可解释机器学习方法，该框架能够全面把握事件的空间结构特征、时间持续性、内部级联规律以及决定事件发展的主要因素。

研究结果主要得出以下四点结论

CRediT作者贡献说明

Ben Niu：负责原文撰写——初稿编写、可视化分析、方法设计、概念构思。Yi Li：负责原文撰写——审阅与编辑工作、资金筹集工作。Shasha Han：负责原文撰写——审阅与编辑工作、概念构思。Jinxuan Zhao：负责可视化工作。Darrell W.S. Tang：负责资金筹集工作。David M. Hannah：负责原文撰写——审阅与编辑工作、概念构思。

利益冲突声明

所有作者声明，他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

本研究得到了中国国家自然科学基金（项目编号：W2533117）以及中国国家留学基金委的联合支持。在开展这项研究期间，作者作为访问学者，还得到了伯明翰大学地理学院以及地球与环境科学系的帮助与支持。

Ben Niu|Yi Li|Shasha Han|Jinxuan Zhao|Darrell W.S. Tang|David M. Hannah