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

