用于监测区域干旱特征的非参数事件间时间与幅度方法

《Environmental and Ecological Statistics》：Non-parametric time between events and amplitude methods for monitoring regional drought characteristics

　　

干旱是一种重要的自然现象，对环境、经济和社会产生深远影响。有效监测干旱特征（如频率、幅度和持续时间）对于制定韧性和缓解策略至关重要。研究人员提出了一种非参数事件间时间与幅度（TBEA）框架，用于区域干旱特征的统计监测。干旱事件使用面积加权的区域标准化降水蒸散指数（SPEI）进行识别，该指数在12个月和24个月的累积尺度上计算，分别代表水文干旱和社会经济干旱。研究考虑了两种互补的无分布监测方法。采用指数加权移动平均（EWMA）TBEA控制图来检测偏离基线干旱动态的渐进和持续性变化，同时使用基于Kolmogorov–Smirnov统计量的非参数变点控制图来识别复合TBEA统计量中的突然分布变化。这两种方法共同考虑了连续干旱事件之间的时间及其幅度，为干旱发生过程提供了统一的随机表示。所提出的方法论被应用于意大利艾米利亚-罗马涅地区超过一个世纪的每月SPEI数据。研究结果提供了一致的证据，表明从2000年代初开始，区域干旱特征出现长期恶化，其特征是干旱事件越来越频繁和严重。该框架的完全非参数特性使其非常适合于操作性干旱监测以及在环境事件分析中更广泛的应用。

干旱是对农业生产、环境、经济和社会稳定具有深远影响的自然现象。因此，客观量化干旱事件的频率、幅度和持续时间至关重要。标准化降水蒸散指数（SPEI，结合降水、温度和潜在蒸散量计算的气候干旱指数）被广泛用于干旱监测。为了制定有效的干旱管理和韧性政策，必须监测干旱演变并检测干旱特征的变化。然而，干旱动力学具有复杂的非平稳分布特征，传统的基于趋势的方法或参数假设往往难以捕捉微妙的气候变化和过渡动态。因此，迫切需要灵活的无分布框架来检测干旱事件行为中的渐进和突然变化。针对上述问题，研究人员提出了一种完全非参数的事件间时间与幅度（TBEA，监测连续事件发生时间间隔与事件幅度的统计方法）框架，用于监测区域干旱特征。研究得出结论：从2000年代初开始，区域干旱特征出现长期恶化，干旱事件日益频繁和严重。该研究通过将干旱视为随机事件过程，利用无分布控制图联合考虑事件到达间隔时间和幅度，为干旱监测提供了早期预警和结构性特征评估，具有重要的理论和实际意义。该论文发表在《Environmental and Ecological Statistics》期刊上。

研究人员采用了两种互补的无分布监测方法。一是指数加权移动平均（EWMA，对时间序列数据加权平均以检测微小趋势变化的统计方法）TBEA控制图，用于检测偏离基线干旱动态的渐进变化；二是基于Kolmogorov–Smirnov统计量的非参数变点控制图，用于识别干旱过程中的突然分布偏移。研究使用的样本队列来源于意大利艾米利亚-罗马涅地区1901年1月至2023年12月超过一个世纪的月度SPEI数据，并在阿尔巴尼亚地拉那的SPEI-12数据上进行了可迁移性评估。

事件间时间与幅度框架
研究人员将干旱事件定义为SPEI低于预设阈值的情况。每个事件由连续干旱事件之间的时间间隔（T_i，表示事件复发频率）和事件幅度（X_i，表示干旱严重程度）表征。T_i减少表明干旱发生更频繁，X_i增加反映干旱更严重。研究引入符号统计量将离散的T和X转化为连续变量，并构建了单边EWMA TBEA控制图。同时，针对T和X尺度不同的问题，使用了归一化变量，并采用比率统计量Z_R=X'/T'进行变点检测。

区域SPEI指数构建与实证分析
研究人员从全球SPEI数据库获取数据，计算了艾米利亚-罗马涅地区面积加权的区域SPEI-12_R值。将SPEI-12_R≤-1的情况视为干旱事件，共识别出194个干旱事件。前35个事件用于估计受控参数，剩余159个用于第二阶段分析。EWMA-TBEA控制图检测到两个主要的失控信号序列，分别发生在2017年12月至2018年8月以及2022年8月至2023年7月。KS控制图检测到五个变点，分别为1949年10月、2003年8月、2011年11月、2017年4月和2022年3月。

EWMA与变点发现的综合解释
研究发现两种监测方法一致表明区域干旱状况随时间恶化。2003年以后，Z_R统计量的均值出现显著向上偏移。EWMA统计量在2003年8月左右开始偏离其平稳基线并呈上升趋势，这与KS图检测到的第一个增加变点相吻合。EWMA方法在识别持续趋势方面非常有效，而KS控制图则能更敏锐地检测到离散偏移和状态转变。KS变点控制图在2003年8月提前检测到了这一状态转变，表明随后出现的反复干旱事件是2000年代初已开始过渡的体现。

扩展至社会经济干旱：SPEI-24分析
研究人员分析了区域面积加权SPEI-24数据，共识别出198个干旱事件。EWMA控制图识别出2017年11月至2019年7月以及2023年1月至2023年12月两个失控时期。KS控制图检测到五个变点，分别发生在1945年5月、1947年2月、2012年7月、2016年11月和2019年4月。结果表明，KS图捕捉到了2012年7月长期稳定期的结束，标志着区域干旱特征结构性恶化的开始，这在EWMA图中表现为上升趋势。

与常规方法的比较及可迁移性评估
研究人员将所提框架与Mann-Kendall趋势检验、Sen斜率估计量和Pettitt单变点检验进行了比较。常规方法证实存在长期干旱趋势和主要结构转变，但无法提供干旱事件动态的详细信息。而所提框架明确将干旱表示为基于阈值的事件序列，联合考虑了事件频率和严重性。此外，该方法被应用于地拉那的SPEI-12数据，结果表明其能捕捉有意义的干旱事件动态，证明了该框架在不同气候条件下的潜在可迁移性。

总结讨论部分
研究人员提出了一种完全非参数的基于TBEA的框架用于监测区域干旱特征，该框架结合了EWMA-TBEA控制图和Kolmogorov–Smirnov变点程序。其主要方法论贡献在于将两者作为同一基于事件的干旱过程的互补视角共同使用：EWMA-TBEA图跟踪偏离基线干旱动态的渐进累积变化，而KS程序检测离散的状态偏移，两者共同提供了更完整的诊断。应用于艾米利亚-罗马涅地区超过一个世纪的SPEI数据，这种整合允许从单一、无分布的事件频率和幅度表示中得出早期预警信号和具有统计基础的结构性干旱演变特征。实证结果揭示了两种方法之间的高度一致性，一致表明从2000年代初开始，区域干旱状况明显恶化，事件越来越频繁和严重。基于SPEI-12的分析突出了长期趋势和反复失控期的存在，扩展至SPEI-24的分析进一步证实了该方法在社会经济干旱应用中的稳健性。从政策和管理角度看，该框架具有诸多优势：EWMA-TBEA图可提供干旱特征新趋势的早期预警，变点分析则提供了状态偏移的严格识别。在实际计算层面，该框架保持可行且适用于实际应用。未来的研究可通过开发空间分层或子区域实现将该方法扩展到多区域分析，并整合社会经济和基础设施变量，以进一步增强其在气候风险管理中的相关性。