Page 71 - 《高原气象》2026年第4期
P. 71
4 期 郭佳丽等:内蒙古复合干旱和热浪事件特征及其归因 1001
立事件, 从而确保了干旱和热浪事件的极端性和独 CDHW 事件。(b)并集型(d-or-h): 干旱或热浪事件
立性。 重叠发生时两事件合并的时期。(c)干旱热浪型
(3) 复合事件的识别。根据干旱和热浪的重叠 (d-cond-h): 事件重叠时属于干旱的时期, 保留至少
期定义, CDHW 事件包括四种类型(图 2): (a)交集 一个热浪重叠的干旱。(d)热浪干旱型(h-cond-d):
型(d-and-h): 干旱和热浪事件同时发生时的重叠时 事件重叠时属于热浪的时期, 不重叠的热浪不予考
期, 图中展示了应用预识别阈值后得到的干旱和温 虑。图 2 所展示的 CDHW 事件特征指标包括历时、
暖期, 并经过移除和合并程序后最终识别出的 频次、 干旱强度和热浪强度。
图2 四类CDHW事件的概念图
Fig. 2 Conceptual diagram of four types of CDHW events
2. 3. 2 气候倾向率 式中: R xy|z 为自变量 z 固定后因变量 x 与自变量 y 的
气候倾向率广泛应用于气候变化研究中, 通过 偏相关系数; R xy 、 R xz 、 R yz 分别表示 xy、 xz、 yz 之间
拟合一元线性回归方程, 可以量化四类 CDHW 事 的相关系数。绝对值越接近 1, 二者相关性越强,
件特征指标在 1961 -2021 年的线性变化趋势(张玮 反之则越弱。
睿等, 2024)。公式如下: 2. 3. 4 地理探测器
y = ax + b (1) 地理探测器可用于探测地理空间的分异情况,
式中: y表示CDHW事件特征指标值; x表示对应的 且对多个驱动力因子具有共线性免疫的特点, 适用
年份; a是气候倾向率, 其中, a >0表明时序呈上升 于在广阔的指标体系中探寻最为重要的驱动因子
趋势, 反之则为下降趋势。最后结合 F 检验法(P< (王劲峰和徐成东, 2017)。研究选取12个关键环境
0. 05)对拟合得到的方程进行显著性检验。 变量: DMT、 Pre、 pet、 srad、 soil、 Q、 NDVI、 vege、
2. 3. 3 偏相关分析法 soil_type、 CO₂、 LHGI和LUCC。通过因子探测和交
本文采用偏相关分析研究温度和降水对CDHW 互探测, 量化单一因素和交互因素对CDHW事件空
事件特征变化的影响。当存在CDHW事件与双气候 间分布的解释力, 以揭示CDHW事件的影响机理。
变量时, 偏相关分析可以控制另一个气候变量的线
性影响, 获取单一气候变量对CDHW事件特征变化 3 结果与分析
的影响程度(马炳鑫等, 2023)。公式如下:
3. 1 空间分布格局
R xy|z = R xy - R xz × R yz (2) CDHW 事件特征指标值由西南向东北延伸逐
2 ) ( 2 )
( 1 - R xz × 1 - R yz 渐增大(图3)。不同类型CDHW事件中, d-and-h和

