长江流域旱涝急转事件的时空格局与水文气候贡献

《Journal of Hydrology: Regional Studies》：Spatiotemporal patterns and hydroclimatic contributions associated with drought–flood abrupt alternation in the Yangtze River Basin

　　

中文翻译（摘要） 研究区域：中国长江流域 研究重点：本研究考察了1961–2023年长江流域旱涝急转（DFAA）事件的时空格局、季节性、周期变率以及水文气候贡献。研究人员使用基于连续月标准化降水蒸散指数（SPEI）构建的标准化旱涝急转指数（DFAAI）来识别干旱转洪涝（DF）和洪涝转干旱（FD）事件。研究采用趋势分析、热点分析、谱分析和沙普利加法解释（SHAP）分析来评估其频率、强度、演变及相关预测因子。 该区域新的水文见解：DFAA频率和强度表现出显著的空间格局，表明快速水量平衡反转的复发性和严重性在长江流域并非空间均匀。高频区域主要出现在中下游流域和湖区，每十年超过10次事件，而最强事件则聚集在四川盆地边缘。流域平均线性趋势较弱，但2000年后DFAA变率有所增强。DF事件跨越6月至10月，而FD事件集中于7月至9月，且各子流域间表现出更强的同步性，反映了季风季节水分恢复和消耗的不同路径。DF和FD频率呈现3–5年的周期变率，而强度则包含更长周期的成分。SHAP结果表明，快速降水和湿度变化与水量平衡反转的触发最为一致相关，而温度和辐射条件则对其强度贡献更大，尤其是对FD事件而言。大尺度环流指数主要调节背景气候状态。

论文解读文章

一、研究背景与科学问题

在全球变暖背景下，水文循环显著增强。大气水汽含量随温度上升而增加，每升温1°C，大气可多容纳约7%的水汽，这导致极端水文事件更加频繁和剧烈。世界气象组织（WMO）综合八套独立数据集指出，2023–2025年是自记录以来最暖的三年，其三年平均温度比工业化前水平高出1.48°C（±0.13°C）。这种增暖加剧了水文循环的不稳定性，使得干旱和洪涝等极端事件的发生概率增加。在此背景下，短期内同一区域干旱与洪涝快速交替的复合极端事件——旱涝急转（DFAA）——成为流域尺度水文风险的重要表现形式。与单一的干旱或洪涝事件相比，DFAA涉及复合灾害和强烈的时间紧迫性，其灾害过程更为复杂，往往在时间和空间上产生放大的影响，对农业生产、水资源管理、防洪和生态系统稳定性构成严峻挑战。

已有研究在不同的区域（如淮河流域、汉江流域、美国得克萨斯州、巴基斯坦杰赫勒姆河上游等）对DFAA事件的时空特征进行了探讨。然而，许多基于SPI、SPEI和PDSI等指数的识别方法，在捕捉干旱转洪涝或洪涝转干旱的快速交替过程方面能力有限，可能导致强干旱或严重洪涝被误判为DFAA事件。部分研究引入降水变量和季节约束构建了不同的DFAA指数，但分类阈值和权重参数往往基于经验设定，带有主观性，且不同研究间的指数定义不一致，限制了区域和时段间的比较。近期提出的标准化DFAA指数（DFAAI）在统一框架内整合了干旱和洪涝状态，降低了误分类和遗漏的风险。然而，多数现有研究聚焦于空间格局或多年的平均值，对DFAA事件的年内分布、多尺度周期振荡和区域时空异质性的系统分析仍然有限。

此外，在探究与DFAA相关的水文气候因素时，已有研究主要采用皮尔逊相关或偏相关分析来评估单个气象变量或遥相关指数与DFAA事件之间的统计关系。这些方法简单直观，但多基于线性假设，难以捕捉复杂气候条件下的非线性响应；预测因子之间的相关性也可能影响估计关系和相对重要性的解释。近年来，基于博弈论的沙普利加法解释（SHAP）方法可量化多变量模型中各输入变量的统计贡献，不依赖线性假设，并且能在考虑其他预测因子的同时评估每个变量。因此，将可解释机器学习引入DFAA分析，有助于刻画与DFAA相关的水文气候贡献模式。

长江流域（YRB）是中国人口最稠密、经济最活跃的区域之一，作为典型的季风主导流域，DFAA事件频发，造成了巨大的社会经济损失。然而，该流域DFAA的空间格局、时间与周期变化、演化热点及相关贡献结构仍未被充分理解。据此，本研究提出四个科学问题：DFAA事件频率和强度的空间分布特征是什么？DFAA事件如何随时间演变并表现出何种季节结构？DFAA事件具有哪些周期特征和热点演化格局？区域气象变量和大尺度环流预测因子对DFAA频率和强度的统计贡献是什么？

二、主要技术方法

研究人员为开展本研究，主要使用了以下关键方法：基于连续月标准化降水蒸散指数（SPEI）构建标准化旱涝急转指数（DFAAI）以识别和量化DFAA事件，其中SPEI基于降水与潜在蒸散量之差计算，潜在蒸散量采用FAO Penman–Monteith方法估算；利用泰森多边形权重法将685个国家气象站观测数据转换为流域和子流域尺度面平均值，以减小站点分布不均的影响；采用奇异谱分析（SSA）进行时间序列分解以区分趋势和振荡成分；结合集合经验模态分解（EEMD）和扩展热点分析（EHSA）识别周期尺度和演化空间聚集；最终使用基于机器学习的SHAP方法量化各预测因子的统计贡献。

三、研究结果

DFAA频率和强度的空间格局：研究发现DFAA频率和强度呈现出明显的空间非均匀性。DFAA高频区域主要位于长江中下游流域及湖区，每十年事件数超过10次；而强度最强的事件则聚集在四川盆地边缘。这表明快速水量平衡反转的复发性和严重性在流域内并非空间一致。

DFAA的时间演变与季节结构：流域平均的DFAA线性趋势较弱，但2000年以后DFAA的变率有所增强。从季节结构看，干旱转洪涝（DF）事件主要发生在6月至10月，而洪涝转干旱（FD）事件则集中在7月至9月，且FD事件在子流域间表现出更强的同步性。这反映了季风季节中水分恢复和消耗的不同路径。

DFAA的周期特征与热点演化：通过谱分析（如EEMD）发现，DF和FD事件频率均存在3–5年的周期变率，而事件强度则包含更长周期的成分。热点分析揭示了DFAA事件空间聚集和演化的动态过程。

水文气候贡献分析：SHAP分析结果表明，快速的降水和湿度变化与水量平衡反转的触发最为一致相关；而温度和辐射条件则对事件强度贡献更大，尤其是对FD事件。大尺度环流指数（如ENSO相关指数、PDO、AMO、NAO和AO）主要起到调节背景气候状态的作用，而非直接触发DFAA事件。

四、讨论与结论

讨论部分指出，DFAA事件的时空异质性受到区域气象要素与大尺度环流背景的共同影响。区域尺度上，降水与湿度的快速变化是触发DFAA的直接因素；而温度与辐射状况则对事件的强度，特别是洪涝转干旱（FD）事件的强度，具有更重要的调制作用。大尺度环流指数虽非触发因子，但通过影响区域水汽输送和气候背景，为DFAA的发生提供了有利的环境条件。DF与FD事件在季节分布和子流域同步性上的差异，反映了季风系统中水分循环不同阶段的特点。

研究结论可概括为：本研究系统刻画了1961–2023年长江流域DFAA事件的时空格局、季节结构、周期特征及水文气候贡献，揭示了频率与强度的空间非均匀性、2000年后的变率增强、3–5年的周期振荡，以及降水与湿度变化对事件触发的主导作用，为长江流域DFAA风险评估、灾害防治和气候适应策略提供了科学依据。