《Ecological Indicators》：Spatiotemporal heterogeneity of agricultural dry-wet abrupt alternation and its driving factors in the southwest karst region of China
编辑推荐：
在气候变化背景下，农业干湿急转（DWAA）事件的加剧对生态脆弱的喀斯特地区农业生产构成日益严峻的挑战。然而，在中国西南喀斯特地区，农业DWAA事件的识别与分区异质性，及其驱动因素的时空变化效应，仍未得到充分理解，尤其是从作物需水角度。为应对这些挑战，本研究将标
在气候变化背景下，农业干湿急转（DWAA）事件的加剧对生态脆弱的喀斯特地区农业生产构成日益严峻的挑战。然而，在中国西南喀斯特地区，农业DWAA事件的识别与分区异质性，及其驱动因素的时空变化效应，仍未得到充分理解，尤其是从作物需水角度。为应对这些挑战，本研究将标准化前期降水蒸散指数（SAPEI）与游程理论相结合，用于识别农业DWAA事件；采用新兴热点分析（EHSA）表征其时空演变；利用旋转经验正交函数（REOF）分析解析主要空间演变模式；此外，运用地理探测器模型（GDM）识别主导驱动因素，并采用地理加权时空回归（GTWR）量化不同子区域中驱动因素的时空非平稳效应。结果表明：（1）干转湿（DTW）事件的转换时间显著短于湿转干（WTD）事件，且DTW事件发生频率约为WTD事件的三倍；（2）子区域I是唯一的热点区域，而子区域IV则以农业DWAA事件的冷点密集聚集为特征；（3）识别出农业DWAA事件的三种空间演变类型：东西反相型、中心-外围反相型和均匀-局部对比型；（4）农业DWAA事件与关键驱动因素之间的关系表现出时空非平稳性；（5）降水时间集中度的影响在子区域I、II和III中增强，而植被相关调节在子区域IV和V中变得日益重要。这些发现为区域特定农业水资源管理和差异化防灾策略提供了科学支持。
论文解读：中国西南喀斯特地区农业干湿急转事件的时空异质性及其驱动因素
一、研究背景与科学问题
在全球气候变化背景下，水文循环的不稳定性加剧，导致持续干旱和极端降水的发生概率同步增加，对社会经济系统和生态稳定性构成严重威胁。近年研究表明，干湿极端事件在气候区域间呈现加剧趋势，尤其在季风主导区，夏季风降水的年际变率和波动进一步增强这些极端事件。干湿急转（Dry-Wet Abrupt Alternation, DWAA）事件，即同一区域在短时间内由极端干旱快速转变为极端湿润或反之的现象，已成为全球和区域尺度研究热点。现有DWAA识别指数大多基于降水，忽视了蒸散作用的影响；虽有指数兼顾降水与潜在蒸散（PET），但主要应用于月尺度，可能平滑短期波动，导致DWAA事件误判。从农业角度看，作物水分胁迫不仅取决于短期降水变化，还受前期水分平衡条件影响，且作物需水随生长阶段和种植制度显著变化。中国西南喀斯特地区降水集中、岩溶石漠化广泛、土壤浅薄不连续，导致土壤储水能力有限，水文响应迅速，农业生产对DWAA事件尤为脆弱。然而，该区域农业DWAA事件的识别、分区异质性及驱动因素的时空变化效应仍不明确。因此，开展此项研究旨在建立日尺度、面向作物需水的农业DWAA识别框架，量化其时空特征，并揭示主导驱动因素及其时空非平稳效应。
二、主要技术方法
研究人员采用以下关键技术方法：（1）基于REOF（旋转经验正交函数）分析，依据降水、气温和作物生长季节约束的联合空间一致性，将研究区划分为五个相对均质的子区域；（2）将标准化前期降水蒸散指数（SAPEI）与游程理论相结合，在日尺度上识别农业DWAA事件，其中SAPEI通过每日降水与作物蒸散（ETc）的差值累积计算，作物系数（Kc）按子区域主导种植制度分配，ET0采用FAO-56 Penman-Monteith公式估算；（3）运用新兴热点分析（EHSA）表征农业DWAA事件的时空演变模式；（4）利用REOF提取主导空间演变模态；（5）采用地理探测器模型（GDM）识别主导驱动因素，并利用地理加权时空回归（GTWR）量化各子区域驱动因素的时空非平稳效应。研究使用1964–2023年西南喀斯特地区68个气象站的日值数据，以及2000–2023年MODIS NDVI和LST产品。
三、主要研究结果
（1）转换时间特征：农业DTW事件的转换时间显著短于WTD事件。各子区域DTW事件转换时间集中在0–6天，而WTD事件集中在6–9天。DTW事件在子区域I和II转换时间相对更短，子区域I中DTW事件转换时间在一天内高度聚集，凸显其突发性。
（2）持续时间特征：农业DTW事件平均持续时间为55–80天，WTD事件为49–100天。DTW事件多数持续31–90天，其中31–60天占比最高；WTD事件中31–60天类别占主导（38%–56%），但>120天的超长事件在各子区域均有发生，且WTD事件中0–30天的短事件几乎不存在，表明湿转干过程难以在极短时间内完成。
（3）频率特征：农业DTW事件总发生次数（2445次）约为WTD事件（763次）的三倍。DTW事件高频区集中在子区域II和V，WTD事件高频区主要位于北部子区域III和IV。子区域IV的WTD事件频率呈显著下降趋势（p<0.1），其余子区域趋势多不显著。
（4）强度时空演变：63.2%的气象站显示农业DWAA强度呈上升趋势，显著上升站主要分布在子区域IV和V。REOF分析识别出三种主导空间演变类型：东西反相型（REOF1）、中心-外围反相型（REOF2）和均匀-局部对比型（REOF3）。EHSA结果显示，子区域I为“零星热点”，子区域IV以“振荡冷点”和“新冷点”为主，子区域II、III、V未检测到显著模式。
（5）驱动因素归因：GDM分析表明，风速（WS）、降水集中度（PCI）和夜间地表温度（LSTN）是解释农业DWAA空间分异的主导单因子（q>0.12，p<0.05）。因子交互作用均呈增强效应，其中NDVI与LSTN交互最强（q=0.337）。GTWR模型（R2=0.782）进一步揭示，WS、PCI、LSTN和NDVI对农业DWAA的影响存在显著时空非平稳性。时间上，子区域I中WS、LSTN、NDVI系数显著下降（p<0.05）；子区域II中PCI显著上升、NDVI显著下降；子区域III中PCI显著上升；子区域IV中WS显著下降、LSTN显著上升；子区域V中PCI显著下降。总体表明，PCI影响在子区域I、II、III中增强，NDVI调节作用在子区域IV、V中日益重要。
四、讨论与结论
讨论部分强调，SAPEI-游程理论框架通过纳入作物系数和前期水分平衡，能够捕捉月尺度指数难以识别的亚月尺度急转过程，并与实际农业灾害记录（如2011年子区域V的DTW事件和2008年子区域III的WTD事件）高度吻合。EHSA和GTWR结果共同表明，子区域I的热点模式与印度夏季风（ISM）驱动的降水变率相关，而子区域IV的冷点主导可能与生态恢复工程促进的植被调节作用增强有关。研究还指出，喀斯特地区农业DWAA管理应从单一目标抗旱或防洪转向排水-蓄水-灌溉协调调控，并针对不同子区域制定差异化策略。研究结论如下：（1）农业DWAA事件呈现明显的不对称性，DTW事件较WTD事件发生更快、历时更短，且频率约为后者的三倍；（2）1964–2023年农业DWAA强度呈显著空间异质性，约63.2%站点呈增强趋势，子区域I为唯一热点区，子区域IV为冷点聚集区；（3）WS、PCI、LSTN和NDVI是主导驱动因素，其效应具有时空非平稳性，PCI影响在子区域I、II、III增强，NDVI在子区域IV、V重要性上升。这些发现为区域特定农业水资源管理和差异化防灾策略提供了科学依据。研究也存在局限性，包括子区域级Kc分配未能完全反映局部作物组成差异、干湿期阈值未按作物和生育阶段分别设定、驱动因子分析限于2000–2023年等。未来研究可结合田间作物损失记录验证阈值，并发展集成事件特征、作物暴露度、生态环境脆弱性和防灾减灾能力的风险评估框架。
