Page 152 - 《高原气象》2026年第3期
P. 152

高     原      气     象                                 45 卷
              760
                                                  表1  旗(县或区)与对应编码
                                         Table 1  County or district with corresponding codes
                 旗(县或区)         编码       旗(县或区)         编码       旗(县或区)         编码       旗(县或区)         编码
                  四子王旗           1       土默特左旗          11         达茂旗          21         乌达区           31
                  察右中旗           2        托克托县          12       乌拉特前旗          22         海南区           32
                   卓资县           3         武川县          13       乌拉特中旗          23         杭锦旗           33
                   凉城县           4       土默特右旗          14         五原县          24        鄂托克旗           34
                 和林格尔县           5         固阳县          15         临河区          25       鄂托克前旗           35
                  清水河县           6         石拐区          16       乌拉特后旗          26        达拉特旗           36
                   新城区           7         东河区          17        杭锦后旗          27         东胜区           37
                   赛罕区           8         青山区          18         磴口县          28        康巴什区           38
                   玉泉区           9        昆都仑区          19       阿拉善左旗          29       伊金霍洛旗           39
                   回民区          10         九原区          20        海勃湾区          30         乌审旗           40
                                                                                          准格尔旗           41

             分辨率, 采用克里金插值法将气象资料空间分辨率                            型(王劲峰和徐成东, 2017), 阐述极端水文气象事
             插值为 1000 m。文中涉及的地图是基于中华人民                          件对植被覆盖的驱动作用。模型通过计算因子解
             共和国自然资源部地图技术审查中心标准地图服                              释力 q 值[0, 1]来定量表征极端水文气象事件对植
             务系统下载的审图号为 GS(2024)0650 号中国地图                      被覆盖的驱动效应。当 q→1 时, 表明极端水文气
             制作, 底图无修改。                                         象事件对植被覆盖空间格局具有决定性解释能力;
             3. 2 研究方法                                          当 q→0 时, 两者不存在显著空间关联; q 值域内数
             3. 2. 1 极端水文气象事件识别                                 值与解释效能呈严格单调递增关系。此外, 借助交
                  本文采用基于像元的动态极值法(Lu et al,                      互作用探测模块, 通过比较独立因子 q 值代数与双
             2018), 依据金佳鑫等(2021)研究长江流域极端水                       因子交互探测值数学关系, 精准判别极端事件协同
             文气象事件时空演变规律的设计方案, 识别和统计                            作用类型(表3)。
             极端水文气象事件。即针对研究区每个像元, 在研                                   表3  两个自变量对因变量交互作用类型
             究时段选取历年以相同日期为基准日的前 10 日和                             Table 3  Types of interaction between two covariates
             后 10 日共 462 日作为时间窗口样本; 将时间窗口                                    判据                    交互关系
             VPD(PRE)样本由大(小)到小(大)排列, 定义 10%                        q ( X 1 ∩ X 2 ) < Min (q ( X 1 ), q ( X 2 ))  非线性减弱
             和 90% 分位数值为极端干旱阈值 D 和极端湿润阈                           Min (q ( X 1 ), q ( X 2 )) < q ( X 1 ∩ X 2 ) <  单因子非线性减弱
                                              c
             值 W 。其中, 降水量需剔除零值进行统计, 具体判                                Max (q ( X 1 )), q ( X 2 ))
                  c
             别方法如表 2 所示。统计 1 年中出现极端干旱和极                            q ( X 1 ∩ X 2 ) > Max (q ( X 1 ), q ( X 2 ))  双因子增强
             端湿润日数的累积值即为该年极端水文气象事件                                   q ( X 1 ∩ X 2 ) = q ( X 1 ) + q ( X 2 )  独立
             的频数。                                                    q ( X 1 ∩ X 2 ) > q ( X 1 ) + q ( X 2 )  非线性增强
             3. 2. 2 地理探测器
                                                                    此外, 基于一元线性回归模型(蒲娅和朱朋,
                  本文引入地理探测器(Geodetector)空间统计模
                                                                2021)定量分析极端水文气象事件年际变化趋势, 运
                         表2  极端水文气象事件判别                         用皮尔逊相关分析法(郭亮等, 2023)探讨极端水文气
                     Table 2  Identification of extreme hydro-  象事件和植被覆盖的关系, 并通过 t 检验(俞立平,
                            meteorological events
                                                                2025)进行显著性验证, 以确保研究结论的可靠性。
                类  型        名称含义          名称简称       判别式
                                                                4  结果分析
               极端干旱      极端降水干旱事件         Dry-PRE   PRE≤D c
                 事件      极端水汽干旱事件         Dry-VPD   VPD≥D c     4. 1 极端水文气象事件演变
               极端湿润      极端降水湿润事件         Wet-PRE   PRE≥W c     4. 1. 1 空间分布
                 事件      极端水汽湿润事件         Wet-VPD   VPD≤W c         从极端水文气象事件年均频数空间分布(图2)可
   147   148   149   150   151   152   153   154   155   156   157