四川省1960—2019年干湿事件时空演变特征分析

黄祎 黎云云 樊晶晶 郑钧蔚 张庆

摘要：四川省人口众多，各地气候异质性强，干湿特征对气象变化比较敏感，研究干湿的时空演变特征可以为当地采取应对气候变化的对策提供依据。基于游程理论识别并刻画四川1960—2019年干湿事件及其代际和季节性特征，利用Mann.Kendall检验、小波分析描述干湿的趋势性、显著性和周期性，结果表明：四川地区1990s干湿事件最多，2000s干湿事件最少，其中川西地区最干，川东最湿，且均在1980s分别达到干湿事件次数峰值；四川地区干旱事件主要在春、冬两季发生，湿润事件主要在夏、秋两季发生，其中春季主要在川西发生干旱事件，秋季主要在川西、川北地区发生湿润事件；川西、川北地区有湿润倾向，川南、川东地区有干旱倾向，除川南地区外，其他分区夏季SPEI序列均呈下降趋势，川西、川东地区冬季SPEI序列下降趋势放缓。

关键词：干湿演变；SPEI；Mann.Kendall；小波分析；四川

中图分类号：TV21  文献标识码：A  文章编号：1001.9235（2024）01.0072.14

Analysis of Spatiotemporal Evolution Characteristics of Dry and Wet Events in Sichuan Province from 1960 to 2019

HUANG Yi1，LI Yunyun1*，FAN Jingjing2，ZHENG Junwei1，ZHANG Qing1

（1.Mianyang Teachers College，Mianyang 621000，China;2.Hebei University of Engineering，Handan 056038，China）

Abstract： Sichuan Province has a large population and experiences substantial regional climate heterogeneity，resulting in differential sensitivity of dryness and wetness to meteorological changes.Examining the spatiotemporal evolution characteristics of dryness and wetness can provide a basis for local departments to take countermeasures against climate change.The dry and wet events in Sichuan from 1960 to 2019 and their intergenerational and seasonal characteristics are identified and described based on run theory.The trend，significance，and periodicity of dry and wet events are described by the Mann.Kendall test and wavelet analysis.The results show that Sichuan Province experienced the highest frequency of dry and wet events in the 1990s and the lowest frequency of the events in the 2000s.Western Sichuan is the driest，while eastern Sichuan is the wettest，with both reaching peak dry and wet event counts in the 1980s.In Sichuan，drought events occur mainly in spring and winter，while humid events occur mainly in summer and autumn.Drought events occur mainly in western Sichuan in spring，and humid events occur mainly in western and northern Sichuan in autumn.The western and northern Sichuan areas tend to be humid，while the southern and eastern Sichuan areas tend to be dry.Except for southern Sichuan，the standardized precipitation evapotranspiration index （SPEI） sequence in summer shows a downward trend in other areas，while the downward trend of the SPEI sequence in winter slows down in western and eastern Sichuan areas.

Keywords：dry and wet evolution;SPEI;Mann.Kendall;wavelet analysis;Sichuan

四川省作為长江中上游重要生态屏障和现代化农业发展区［1］，干湿情况对四川省生态环境保护与建设和农业生产情况产生重要影响。降水是径流的基本来源，降水异常是导致干湿灾害的重要原因之一，如气象干旱事件其在水循环中的传播是导致水文干旱事件（包括河流干旱事件和地下水干旱事件）和农业干旱事件的影响因素［2-3］。自20世纪80年代以来，四川省干旱事件灾害次数呈上升趋势，且严重旱灾发生频次明显增加［4］。湿润事件灾害多在四川盆地附近发生，在不同时空尺度下呈现不同特征，且多在夏秋季节发生较严重的湿润事件灾害［5-6］。

近年來，国内外对变化气候下的气象干旱事件做了大量研究，如薛华柱等［7］利用Penman-Monteith蒸散模型计算河西走廊不同时间尺度的标准化降水蒸发指数（Standardized Precipitation Evapotranspiration Index，SPEI），结果表明1965—2017年间河西走廊的气象干旱事件呈减弱趋势，有利于当地开展农业生产和环境改善工作。陈亚利等［8］基于SPEI，结合Copula函数探究辽河流域1959—2019年气象干旱事件特征，结果表明夏、秋两季辽河流域气象干旱事件呈加剧趋势。王景红等［9］基于标准化降水指数（Standardized Precipitation Index，SPI），结合Mann.Kendall检验对陕西苹果主产区1961—2010年的降水数据进行多尺度的气象干旱事件分析，结果表明陕西苹果主产区年12个月尺度的SPI、春夏秋9个月尺度的SPI以及秋季3个月尺度的SPI整体呈线性下降趋势，总体趋于干旱事件，且干旱事件强度有所加重。唐怡等［10］基于云南省1959—2018年的多尺度SPI序列，结合M.K检验和小波分析描述云南省的气象干旱事件时空演变特征，结果表明干旱事件的范围和强度均呈缓慢上升趋势，且干旱事件范围与强度成正比。P Filho等 ［11］基于12个月尺度的SPI序列，利用游程理论、Copula函数、IFM等手段研究巴西东北部Ceará省2012—2018年干旱事件的因果及发生频率，研究表明其成因是太平洋和大西洋的海面温度异常，其平均双变量回归期估计为240 a。T Caloiero等［12］基于3、6、12、24个月尺度的SPI序列研究欧洲和地中海盆地1951—2016年的干旱事件特征，结果表明地中海盆地和北非是干旱事件最容易持续的地区，SPI值普遍下降，在长时间积累尺度上SPI值下降更明显。

四川海拔跨度大，各地区间气候条件各不相同，导致干湿事件的时空特征有明显异质性［13］，由此本文将四川地区划分为川西、川北、川南、川北4个区域进行干湿事件的研究。本文基于逐月SPEI指数结合游程理论识别干湿事件，并按不同时间尺度分析干湿特征，通过M.K检验分析干湿事件的持续性和显著性，利用小波分析干湿事件的周期性规律，以期作为有关部门开展气象灾害预警的参考依据。

1 研究区域概况及数据来源

1.1 研究区域概况

四川省位于亚热带和温带交界处，地势西高东低，温度受海拔高度和季节变化较大，低海拔地区夏季平均气温约25 ℃，冬季平均气温约5 ℃，高海拔地区夏季平均气温约10 ℃，冬季平均气温约-5 ℃；降水受季风影响较大，多集中在夏季，川东和川南地区夏季降水平均在300～400 mm，而川西地区夏季降水平均在100 mm以下，降水的时空差异明显，常常导致季节性干湿灾害。由于受到青藏高原和亚洲季风影响，四川省气候多样，但总体上属于亚热带湿润事件气候和温带湿润事件气候。根据历史数据统计，在过去60 a中（1960—2019年），四川省全年平均降水量为3 206 mm。其中，夏季（6—8月）是全年降水最多的季节，占全年总降水量的50%～60%；春、冬两季则相对较干旱事件。同时，在不同地区之间也存在着明显的空间分布特征，东部沿江一带和南部山区雨量较大，而北部盆地及其周边山区则相对较少。本文研究区域及分区情况见图1。

1.2 数据来源

本文数据来源于中国气象科学数据共享服务平台（http：//data.cma.cn/）所发布的1960—2019年逐月降水数据，站点选取温江、旺苍、宜宾、大竹等42个站点（图1）。本文选取SPEI1序列作为衡量干湿程度的指标，但多个月尺度的SPEI能较好表征时间尺度较大的干湿事件，故本文对多个月尺度的SPEI作定性分析。本文将SPEI1序列按照季节划分为4个部分：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至次年2月）。

2 研究方法

2.1 标准化降水蒸散指数

虽然SPI具有可以比较不同地域、时间的不同干旱事件条件［14-15］、通过降水异常的不同时间尺度描述短期和长期干旱事件影响［16-17］的优势，但在计算过程中未考虑温度对干湿的影响，为综合考虑降水和温度对干湿的影响，本文采用SPEI表征干湿情况。标准化降水蒸散指数（SPEI）的计算方法参考GB/T 20481—2017《气象干旱事件等级》［18］， 干旱事件等级划分标准见表1。

本文对于干湿事件的识别采用V Yevjevich［19］提出的游程理论，并采取三阈值法提取干湿事件，即：当某时刻的SPEI值超出阈值R1时表示该次干湿事件开始，当另一时刻的SPEI值未超出该阈值时表示此次干湿事件结束，此间的时间跨度则为该次干湿事件的历时，此间所有SPEI的累计和为此次干湿事件的烈度；若2次干湿事件的时间间隔为1个月且间隔月的干湿指数小于阈值R0，则将这2次干湿事件合并为一个干旱事件，在干湿事件融合后依然存在一些小型干湿事件；对于历时为1个月且烈度不超过R2的小型干湿事件进行剔除。上述三阈值的选择方法参考文献［20-22］，对于干旱事件，本文采取R0=0、R1=-0.5、R2=-1，对于湿润事件，R0=0、R1=0.5、R2=1，游程理论示意见图2。

2.2 Mann.Kendall趋势检验

Mann.Kendall检验法具有不需要待测序列服从同一概率分布的优点［23］，其原理是，对于样本容量为n的时间序列x，构造一个秩序列，j=1，2，…，i：

其中，秩序列Sk是时间序列xi＞xj数值个数ri的累计值。

假定时间序列随机独立，其统计量见式（3）：

其中当UFi=0时，累积的均值和方差，在x1，x2，…，xn相互独立且具有相同连续分布时，可由式（4）计算，k=1，2，…，n：

统计UFi呈標准正态分布，依照时间序列x1，x2，…，xn排列，对于给定显著性水平α，查询正态分布表，若UFi＞Uα，则表明序列x随时间存在显著性趋势变化。

2.3 Mann.Kendall显著性检验

Mann.Kendall显著性检验法作为常用的非参数检验法，适用范围广，具有不要求样本遵循一定的分布特征和不受少数异常值影响等优点。本文运用该方法对降水及气温序列变化趋势进行显著性检验，对于给定的显著性水平α，当Z＞1.96时，可以认为在α水平上降水和气温序列有显著变化趋势，反之则为轻微变化。本文定义变化趋势在α=0.05下显著时，为显著变化。

2.4 小波分析

小波分析可研究不同时间尺度的气象要素随时间的变化情况，是研究气象要素长期变化特征的重要方法，并广泛应用于气候诊断［24-26］。小波分析用一小簇小波函数系数来表示某一信号，相比于窗口傅里叶变换，小波函数的窗口大小固定、形状可以变换，可以灵敏地反映信号的突变。小波函数是小波分析的关键，指具有震荡性并且能够快速衰减到零的一类函数，本文选取Morlet函数作为母波，Morlet小波函数在低频区域具有高频率分辨率和低时间分辨率，在高频区域则相反，这一特性符合研究降水周期性变化特征的要求，具体计算过程参考文献［27-28］。

3 结果分析

3.1 年际干湿特征分析

各分区降水量见图3，在各区域降水中，川西和川南区域分别以0.78、2.08 mm/a的增长率递增，而川北和川东区域分别以-0.68、-1.38 mm/a的下降率递减，各区域间降水变化趋势差异性明显。对降水数据分析后发现，川东地区平均降水量最大，川西地区平均降水量最小，最大年降水量出现在2016年的川南地区，为1 105 mm，达到多年平均值的171%，最小年降水量出现在1987年的川北地区，为612 mm，为多年平均值的0.78%。各分区气温均呈上升趋势，其中川西地区的气温上升最快，上升速率为0.02 ℃/a，其他分区的气温均以0.01 ℃/a的速率上升。其中川西地区的年均气温最低，仅为10.05 ℃，川东地区的年均气温最高，为16.98 ℃。

为分析各分区的干湿情况，作各分区的多尺度SPEI见图4：月尺度越大，干湿交替频率越低，但单次干湿持续时间越长。川西地区的高等级湿润事件主要集中在1969—1970年及2000年左右，高等级干旱事件主要集中在1973、2007、2013年左右；川北地区的高等级湿润事件主要集中在1960—1967年及1990、2017年左右，高等级干旱事件主要集中在1987、1993年左右及1996—2004年；川南地区的高等级湿润事件主要集中在1975、2016年左右，高等级干旱事件主要集中在1995年左右及2004—2014年；川东地区的高等级湿润事件主要集中在1964年左右及1969—1971年，高等级干旱事件主要发生在1990年之后，但并不集中发生。

3.2 代际干湿特征分析

为了定量分析各分区内在代际尺度下干湿发生次数及持续时间，现将1个月尺度下的SPEI作为干湿指标，通过游程理论提取干湿事件，干湿特征统计见表2。除1960s的川南地区和1980s的川东地区以外，各分区在各年代的干旱事件次数均大于湿润事件次数。横向对比，1960s川西地区和川东地区的干旱事件次数最多，达到了15次，川南地区湿润事件次数最多，达到了12次；1970s川东地区的干湿次数均最多，分别达到了17次和11次；1980s川西地区的干旱事件次数最多，达到了17次，川东地区的湿润事件次数最多，达到了12次；1990s川西和川东地区的干湿次数最多，分别达到了16次和10次；2000s川西地区的干湿次数最多，分别达到了14次和11次；2010s川西和川南地区的干旱事件次数最多，达到了15次，川东地区的湿润事件次数最多，达到了11次。纵向对比，川西地区在1980s发生干旱事件次数最多，在2000s发生干湿次数最多；川北地区在1990s发生干旱事件次数最多，在1960s、1980s、2000s发生干湿次数最多；川南地区在2010s发生干旱事件次数最多，在1960s发生湿润事件次数最多；川东地区在1970s发生干旱事件次数最多，在1980s发生湿润事件次数最多。总体而言，除1970s以外，川西地区在各年代均为最易发生干旱事件的分区，川东地区在1970s—1990s和2010s为最易发生湿润事件的分区。

为更好描述各分区在各年代的季节性干湿事件特征，将各分区的SPEI1序列按照季节（春季，3—5月；夏季，6—8月；秋季，9—11月；冬季，12月至次年2月）划分并统计各季节达到轻度及以上等级的干湿频数，见表3。各分区均最易在春、冬两季，尤其是冬季发生干旱事件，在夏、秋两季，尤其是夏季发生湿润事件。春季，川西地区最易发生干旱事件，川东地区最易发生湿润事件；夏季，川东地区最易发生干旱事件；秋季，川西地区最易发生干湿事件；冬季，川北、川南地区最易发生干旱事件，川西地区最易发生湿润事件。

通过ArcGIS平台，将各分区在四季的干湿比例（频率大于0表示干旱月频数大于湿润月频数，频率小于0表示干旱月频数小于湿润月频数）按照代际顺序绘制见图5。 在各年代下，川西地区在春、秋两季均更易出现干旱月，其中，在1960s和1980s春季出现干旱月的比例最高；在各年代下，川北地区在春季更容易出现干旱月，其中，在1990s春季出现干旱月的比例最高，除1980s以外，川北地区在秋季更容易出现湿润月；除1970s以外，在各年代下，川南地区在春季更容易出现干旱月，在1970s以后，川南地区在秋季更容易出现干旱月，而在1970s及以前，川南地区在秋季出现湿润月的次数比出现干旱月的次数高40%以上；在各年代下，川东地区在春季均更易出现湿润月，其中在1970s和2000s春季出现湿润月的比例最高，除2000s以外，川东地区在秋季更容易出现湿润月，其中，在1960s和1980s出现湿润月的比例最高；在各年代下，各分区均在夏季更容易出现湿润月，其中川北地区在1990s夏季出现湿润月的比例相对较低，川东地区在1960s夏季出现湿润月的比例最低，在1980s夏季出现湿润月的比例最高；在各年代下，各分区在冬季几乎不出现湿润月。

3.3 SPEI趋势性及显著性分析

为描述四川各分区干湿指标的变化趋势和持续性情况，本文采用Mann.Kendall秩次相关检验法及经典重标极差法（R/S）进一步对四川各地区的SPEI1序列进行了趋势性分析，并对趋势结果的显著性进行了判断，显著性检验中选取置信水平为95%，即|U|＜Ua/2=1.96，结果见表4。川西、川北地区的SPEI1序列呈现不显著递增状态，但川西地区SPEI1序列的不显著递增状态持续性较弱，而川南、川东地区SPEI1序列均呈现持续性较强的不显著递减状态，这表明川西和川北地区气象干湿水平有向湿润发展的趋势，但川西地区的湿润趋势不稳定，而川南和川东地区气象干湿水平则有稳定的向干旱发展的趋势。

3.4 SPEI周期性分析

对于各区最容易出现湿润事件的夏季和最容易出现干旱事件的冬季，本文借助Matlab软件对四川各分区的夏季和冬季SPEI1序列进行小波分析以揭示其周期性，母波选择Morlet，川西夏季小波分析结果见图6。根据小波实部可以看到，川西地区夏季的SPEI1序列在整个周期经历了2次比较明显的干湿交替，其中在1989—1992、2001—2008年处于气象湿润期，在1985、1999、2014年附近处于气象干旱期，且干湿以15 a为中心时间尺度，16 a左右为一个时间周期；根据小波方差可以看出川西地区的SPEI1序列大致存在2个较为明显的峰值，且在15 a左右的周期为第一主周期，因此川西地区SPEI1序列在15 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

根据图7小波实部可以看到，川北地区夏季的SPEI1序列在整个周期经历了4次比较明显的干湿交替，其中在1963、1980、1995、2010年附近为气象湿润期，在1973、1990、2003、2017年附近为气象干旱期，且干湿以17 a为中心时间尺度，15 a左右为一个时间周期；根据小波方差可以看出SPEI1序列大致存在2个较为明显的峰值，且在17 a左右的周期为第一主周期，因此川北地区SPEI1序列在17 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

根据圖8小波实部可以看到，川南地区夏季的SPEI1序列在整个周期经历了1次比较明显的干湿交替，其中在1960—1978年为气象湿润期，在1983—2005年为气象干旱期，且干湿以50 a为中心时间尺度，60 a左右为一个时间周期；根据小波方差可以看出川南地区的SPEI1序列大致存在2个较为明显的峰值，且在54 a左右的周期为第一主周期，因此川南地区SPEI1序列在54 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

根据图9小波实部可以看出，川东地区夏季的SPEI1序列在整个周期经历了一次比较明显的干湿交替，其中在1982—1995年为正相位，表示该周期内川东地区为气象湿润事件期，在1960—1975、2000—2019年为气象干旱期，且干湿以45 a为中心时间尺度，40 a左右为一个时间周期；根据小波方差可以看出川东地区的SPEI1序列大致存在3个较为明显的峰值，且在46 a左右的周期为第一主周期，因此川东地区SPEI1序列在46 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

冬季小波分析结果见图10—13。根据图10小波实部可以看到，川西地区冬季的SPEI1序列在整个周期经历了一次比较明显的干湿交替，其中在1980—1995年为气象湿润期，在1960—1975、1999—2015年附近为气象干旱期，且干湿以40 a为中心时间尺度，40 a左右为一个时间周期；根据小波方差可以看出川西地区的SPEI1序列大致存在2个较为明显的峰值，且在40 a左右的周期为第一主周期，因此川西地区SPEI1序列在40 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

根据图11小波实部可以看到，川北地区冬季的SPEI1序列在整个周期经历了3次比较明显的干湿交替，其中在1965、1974、1985年附近为气象湿润期，在1970、1980、1990年附近为气象干旱期，且干湿以10 a为中心时间尺度，12 a左右为一个干湿交替周期；根据小波方差可以看出川北地区的SPEI1序列大致存在3个较为明显的峰值，且在10 a左右的周期为第一主周期，因此川北地区SPEI1序列在10 a左右周期的震荡情况对周期变化影响最大。

根据图12小波实部可以看到，川南地区冬季的SPEI1序列在整个周期经历了6次比较明显的涝旱交替，且干湿以10 a为中心时间尺度，10 a左右为一个时间周期；根据小波方差可以看出川南地区的SPEI1序列存在1个较为明显的峰值，对应在10 a左右，为唯一主周期，因此川南地区SPEI1序列在10 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

根据图13小波实部可以看出，川东地区冬季的SPEI1序列在整个周期经历了2次比较明显的干湿交替，其中在1977—1990、2010—2019年为气象湿润期，在1960—1975、1995—2006年为气象干旱期，且干湿以35 a为中心时间尺度，30 a左右为一个时间周期；根据小波方差可以看出川东地区的SPEI1序列大致存在3个较为明显的峰值，且在40 a左右的周期为第一主周期，因此川东地区SPEI1序列在40 a左右周期的震荡情况对整个时间周期内的周期变化影响最大。

总结来说，除川南地区外，各分区的夏季SPEI1主周期均在2019年左右处于负相位，这意味着未来一段时间内除川南地区以外的各分区在夏季可能出现干旱事件情况。2022年四川地区的严重夏旱符合这一预测，结合图3，川南地区自2010s以来的降水增加趋势是川南地区夏季SPEI1主周期在2019年之后处于正相位的主要原因。川西地区的冬季SPEI1主周期基本脱离负相位，未来一段时间的冬旱有减少趋势，川北、川南地区的冬季SPEI1主周期仍处于负相位，未来一段时间仍将维持冬旱趋势，川东地区的冬季SPEI1主周期处于正相位，未来一段时间的冬旱有减少趋势。

刘琳等［29］基于西南五省级行政区1960—2011年的降水数据计算SPI及Z值，并对干湿特征分析及趋势预测，结果表明川西地区的Z指数较小，干旱事件情况严重，这与本文3.2节的结论吻合。Z指数和SPI指数的计算只基于降水量，而SPEI的计算基于降水量和温度，可以更好反映气候变化对干湿的影响，但Z指数对较小的地理区域在较短时间内的干湿表征效果较好，如齐冬梅等［2］基于Z指数对四川1961—2014年四川干旱事件特征进行了分析，分析发现四川盆地西部、东部、南部、中部区干旱事件程度加强，而川西高原区和川西南山地区干旱事件程度减弱。此外，本文仅从气象角度对干湿特征进行分析，缺少对干旱事件传播特征的分析，下一步将对气象-水文干旱事件传播特征进行分析研究。

4 结论

a）1960—2019年间川西、川南地区降水量呈上升趋势，川北、川东地区降水量呈下降趋势。各分区的气温均呈现上升趋势，其中川西地区气温上升最快。各分区均经历了“湿—干—湿”的变化，四川地区1990s的干湿灾害最多，2000s干湿灾害次数最少。川西和川东地区分别是最易发生干旱和湿润事件的分区且均在1980s达到干湿事件次数峰值。

b）四川地区干旱事件主要在春、冬两季发生，湿润事件主要在夏、秋两季发生，其中春季的干旱事件主要发生在川西地区，夏季的湿润事件在川东地区发生的次数较少，秋季的湿润时间主要在川西、川北地区发生。

c）夏季，川西、川北、川南、川东地区的SPEI的主周期分别为15、16、60、40 a。冬季，川西、川北、川南、川东地区的SPEI的主周期分别为40、12、10、35 a；川西、川东地区的SPEI周期变化主要受大周期影响较大，周期分别为40、35 a。除川南地区外，其它分区夏季SPEI序列均呈下降趋势，川西、川东地区冬季SPEI序列下降趋势放缓。

参考文献：

［1］刘慧丽，陈浩，董廷旭，等.川渝地区NDVI动态特征及其对气候变化的响应［J］.生态学报，2023，43（16）：6743-6757.

［2］齐冬梅，李跃清，王莺，等.基于Z指数的四川干旱事件时空分布特征［J］.干旱事件气象，2017，35（5）：734-744.

［3］粟晓玲，褚江东，张特，等.西北地区地下水干旱事件时空演变趋势及对气象干旱事件的动态响应［J］.水资源保护，2022，38（1）：34-42.

［4］巫娜，罗凝谊，许勇.四川盆地干旱事件灾害统计特征［J］.气象科技，2014，42（2）：309-313.

［5］廖光明，延军平，胡娜娜，等.四川盆地东部近50年降水与干湿时间序列分析［J］.长江流域资源与环境，2012，21（9）：1160-1166.

［6］齐冬梅，李跃清，刘昆鹏.四川地区夏季干湿与西太平洋副热带高压的关系［J］.高原山地气象研究，2012，32（2）：41-46.

［7］薛华柱，李阳阳，董国涛.基于SPEI指数分析河西走廊气象干旱事件时空变化特征［J］.中国农业气象，2022，43（11）：923-934.

［8］陈亚利，赵强，艾明乐，等.1959—2019年辽河流域气象干旱事件时空特征分析［J］.水利水电技术（中英文），2023，54（1）：42-52.

［9］王景红，张勇，刘璐.基于多尺度标准化降水指数的陕西苹果主产区气象干旱事件分析［J］.气象，2013，39（12）：1656-1662.

［10］唐怡，卯昌书，苏建广.基于SPI指数的云南省干旱事件时空特征分析［J］.水利水电快报，2023，44（2）：17-23.

［11］PONTES F，JOO D，SOUZA F，et al.Copula.Based Multivariate Frequency Analysis Of The 2012—2018 Drought In Northeast Brazil［J］.Water，2020，12（3）.DOI：10.3390/w12030834.

［12］TOMMASO C，SIMONE V，PAOLA C，et al.Drought Analysis in Europe and in the Mediterranean Basin Using the Standardized Precipitation Index［J］.Water，2018，10（8）.DOI：10.3390/w10081043.

［13］齊冬梅，李跃清，陈永仁，等.近50年四川地区旱涝时空变化特征研究［J］.高原气象，2011，30（5）：1170-1179.

［14］VICENTE S.Differences in spatial patterns of drought on different time sales：An analysis of the Iberian Peninsula［J］.Water Resources Management，2006，20（1）：37-60.

［15］WU H，HAYES M J，WILHITE D A，et al.The effect of the length of record on the standardized precipitation index calculation［J］.International Journal of Climatology，2005，25（4）：505-520.

［16］GUTTMAN N B.Comparing the Palmer drought severity index and the standardized precipitation Index［J］.Journal of the American Water，Resources Association，1998，34（1）：113-121.

［17］HAYES M J，SVOBODA M，WILHITE D A，et al.Monitoring the 1996 drought using the Standardized Precipitation Index［J］.Bulletin of the American Meteorological Society，1999（80）：429-438.

［18］中国气象局.气象干旱事件等级：GB/T20481—2017［M］.北京：中国标准出版社，2018.

［19］YEVJEVICH V.An Objective Approach to Definitions and Investigations of Continental Hydrologic Droughts［D］.Fort Collins，CO，USA：Colorado State University，1967.

［20］粟晓玲，褚江东，张特，等.西北地区地下水干旱事件时空演变趋势及对气象干旱事件的动态响应［J］.水资源保护，2022，38（1）：34-42.

［21］袁飞，章益棋，刘懿，等.基于标准化帕尔默干旱事件指数的西江流域干旱事件评估［J］.水资源保护，2021，37（1）：46-52.

［22］石朋，唐汉，瞿思敏，等.西南地区气象干旱事件向水文干旱事件传播的特征［J］.水资源保护，2023，39（1）：49-56.

［23］章诞武，丛振涛，倪广恒.基于中国气象资料的趋势检验方法对比分析［J］.水科学进展，2013，24（4）：490-496.

［24］马晓波，胡泽勇.青藏高原40年来降水变化趋势及突变的分析［J］.中国沙漠，25（1）：139-141.

［25］韩熠哲，马伟强，王炳赟，等.青藏高原近30年降水变化特征分析［J］.高原气象，2017，36（6）：1477-1486.

［26］許钦，叶鸣，蔡晶，等.1956—2018年太湖流域降水统计特征及演变趋势［J］.水资源保护，2023，39（1）：127-132，173.

［27］刘宇，李雯晴，刘招，等.基于SPEI渭北黄土台塬区干旱事件时空演变特征［J］.水土保持研究，2021，28（1）：109-117.

［28］陈沪生，周玉良，周平，等.基于小波和ARIMA的黄山市年降水量分析及预测［J］.南水北调与水利科技，2019，17（5）：50-55.

［29］刘琳，徐宗学.西南地区干湿特征及其趋势预测［J］.自然资源学报，2014，29（10）：1792-1801.