Page 158 - 《高原气象》2026年第4期
P. 158
高 原 气 象 45 卷
1088
图1 长江流域气象站点分布
Fig. 1 The distribution of meteorological stations in the Yangtze River Basin
标准地图服务系统下载的审图号为 GS(2017)3320 式中: T、 T 、 T 分别为日平均气温、 最高气温、
max
min
号的世界地图制作, 底图无修改。 最低气温; R 为日照辐射量, 采用经纬度及日序数
α
2. 2 方法介绍 估算。
(1) 热浪事件 然后对 D 数据序列进行正态化处理, 计算每个
i
热浪事件定义: 参考 Bonsal et al.(2001)提出 数值对应的 SPEI 指数。由于原始数据序列 D 中可
i
的百分位阈值法识别热浪事件, 以日最高气温的第 能存在负值, 所以 SPEI 指数采用了 3 个参数的 log-
90 百分位数(T )作为判定标准。具体而言, 通过 logistic 概率分布, log-logistic 概率分布的累积函数
90
对长江流域 1961 -2022 年所有逐日最高气温数据 F(x)如下:
进行升序排列, 进而确定每个日历日对应的第 90 é ê ê ( ) β ù ú ú -1
α
F ( x ) = 1 + ú ú (4)
ê ê
百分位数值, 单站日最高气温≥T 并持续 3 d 及以 ë x - γ û
90
上, 记为一次单站热浪事件, 持续日数即为单站热 式中: α、 β、 γ分别为尺度、 形状及初始位置参数。
浪日数。 再对累积概率密度 P 进行标准化, 计算公式
热浪过程综合强度 Z根据一次区域性热浪过程 如下:
的平均强度、 平均影响范围和过程长度计算, 即: ì F ( x ) P ≤ 0.5
Z = I × A 0.5 × T 0.5 (1) P = í 1 - F ( x ) P > 0.5 (5)
î
式中: I为区域性热浪过程的平均强度; A 为区域性 计算基于概率分布构建的转换指数w:
热浪过程的平均影响范围; T 为过程长度。采用百
w = -2ln ( P ) (6)
分位阈值法对历年综合强度进行等级划分:按升序
最后得到标准化降水蒸散指数SPEI:
排列后,低于第 50 百分位数(Z )为一般;处于 Z 至 c 0 + c 1 w + c 2 w 2
50
50
Z (含 Z )为较强;处于 Z 至 Z (含 Z )为强;达到 SPEI = w - 1 + d 1 w + d 2 w + d 3 w 3 (7)
2
80
95
50
80
80
或超过Z 为特强。 式 中 : c =2. 515517, c =0, 802853, c =0. 010328,
95
(2) 干旱事件 0 1 2
d =1. 432788, d =0. 189269, d =0. 001308。
2
1
3
干旱事件定义: 干旱事件识别采用标准化降水 当单站日 SPEI 指数连续 15 d 出现轻旱及以上
蒸 散 指 数(Standardize precipitation evaporation in‐ 等级(即 SPEI≤-0. 5), 且至少出现 1 d 干旱等级达
dex, SPEI)(Vicente et al., 2010), 该指数代表降水 到中旱及以上水平(即 SPEI≤-1)时, 判定该站点发
与潜在蒸散之差出现概率的多少, 其被广泛用于评 生一次干旱事件。在干旱过程启动后, 若连续 5 d
估干湿特性。具体计算步骤如下: 干旱等级均为无旱状态, 则视为该干旱过程结束,
首先计算降水量与潜在蒸散量的差值D : 其持续天数即为该站点此次干旱过程的持续日数。
i
(2)
D i = Pre i - ET i 干旱过程综合强度计算方法和分级标准与区
式中: Pre 、 ET 分别为前 90 d 的累积降水量和蒸散 域性热浪过程类似, 详见公式(1)。
i
i
量; ET 采用Hargreaves方法计算: (3) 干旱热浪复合事件
i
ET i = 0.023(T + 17.8) (T max - T min ) 0.05 R a (3) 干旱热浪复合事件定义: 当单站同时发生干

