Page 233 - 《高原气象》2026年第5期
P. 233
5 期 石文清等:川渝地区汛期旱涝急转事件时空变化特征分析 1449
会严重威胁区域粮食安全(Bi et al., 2020)。中国是 Index, DWAAI)。与之前各指数相比, 该指数不仅
全球极端复合气候事件的高发区之一(褚利玲等, 能够量化前后期旱涝状态差异的幅度, 还可以进一
2025), 近年来国内针对极端气候事件的研究不断 步刻画旱涝转换过程的急剧性或缓和性。基于该
深化。作为典型的复合极端事件类型, 旱涝急转事 指数对长江中下游流域夏季旱涝急转事件的研究
件的识别与评估已成为气候变化与灾害风险研究 表明(闪丽洁等, 2018), 其事件主要集中发生在
的重要内容。目前, 相关研究主要采用两类方法对 5 -6 月, 且多为高强度等级事件; 除 7 月事件数量
旱涝急转事件进行识别与分析。一类方法基于降 和强度有所下降外, 5 月、 6 月和 8 月均呈逐年增加
水指标构建旱涝评价指数。如王胜等(2009)以旬 趋势。
尺度降水距平百分率为基础, 构建了旱涝急转识别 中国西南地区地形地貌复杂, 季节降水年内分
指数, 研究发现淮河流域典型旱涝急转事件具有约 配不均, 旱涝灾害频发且强度较大, 特别是旱涝急
4 年一遇的周期性特征, 且自 2000 年以来发生频率 转事件近年来愈加突出。孙小婷等(2017)利用
显著上升。黄晚华等(2010)利用中国南方 15 个省 1961 -2015 年中国 567 个气象站的逐日降水资料,
(市、 区)的气象台站降水资料, 选取标准化降水指 研究了西南地区夏季旱涝急转及其大气环流异常,
数(Standardized Precipitation Index, SPI)作为干旱 发现 20 世纪 60 年代夏季旱转涝的年份多于涝转
表征指标, 结果表明南方地区干旱程度在时间尺度 旱, 70 年代涝转旱的年份较多, 80 -90 年代二者相
上呈现不同程度的加剧趋势, 其中春旱和秋旱趋于 当, 而 21世纪初以来, 涝转旱的年份偏多。王映思
加重, 而夏旱和冬旱则表现出一定程度的减弱。赵 等(2021)分析了 1961 -2019年西南地区 121个气象
英等(2019)基于标准化加权平均降雨指数(Stan‐ 站的逐日降水资料, 揭示了西南 3 个区域旱涝急转
dard Weighted Average Precipitation, SWAP)对汉江 的地域差异与相似性。刘玉冰等(2024)通过计算
流域旱涝急转事件进行分析, 结果显示涝转旱事件 日尺度旱涝急转指数, 识别了 1960 -2018年重庆市
的发生频次及平均强度均小于旱转涝事件, 后者具 的旱涝急转事件, 指出重庆市的旱涝急转事件主要
有更高的发生概率和更大的潜在危害性。 发生在 4 -9 月, 以旱急转涝事件为主, 频繁出现在
另一类研究则通过构建专门的旱涝急转指数 西部、 中部及东北部区域。川渝地区位于青藏高原
对事件特征进行刻画。如吴志伟等(2006)首次提 东缘, 地形复杂、 气候多变(冯磊等, 2020; 周秋雪
出基于季节尺度的长周期旱涝急转指数(Long-cy‐ 等, 2025), 降水时空分布极不均匀, 暴雨频繁, 且
cle Drought-Flood Abrupt Alternation Index, LDFAI) 夜雨特征突出(姚颖等, 2025)。该地区人口密集、
用于分析长江中下游地区夏季旱涝急转现象。孙 经济活动高度集中, 极端气候事件对区域经济社会
鹏等(2012)则基于 LDFAI进行改进, 得到短周期旱 安全和生态系统稳定性构成严重威胁(陈沪宁等,
涝 急 转 指 数(Short-cycle Drought-Flood Abrupt Al‐ 2025; Li et al., 2026c)。尽管已有研究对西南地区
ternation Index, SDFAI)研究东江流域汛期的旱涝 旱涝急转事件进行了初步分析, 但针对川渝地区的
急转现象 。赵子萌等(2024)基于辽宁省 19 个气象 精细化与系统性研究仍较为不足。为此, 本文计算
站点 1970 -2020年的降水数据, 分别采用长周期和 了日尺度旱涝急转指数, 识别了川渝地区 1970 -
短周期旱涝急转指数对事件的时空分布特征及变 2024 年的旱涝急转事件, 并分析了近 55 年汛期
化趋势进行了系统分析, 明确了LDFAI和SDFAI在 (5 -9 月)旱涝急转事件的时空变化特征, 同时讨论
识别结果上的异同, 实现了对区域旱涝急转事件的 了 2020 年一次典型重度旱涝急转事件的大气环流
定量化评估。张水锋等(2012)在此基础上定义了 特征。研究旨在为川渝地区极端天气和气候变化
径 流 旱 涝 急 转 指 数(Runoff Drought-Flood Abrupt 的监测与预测、 灾害损失减少以及减灾措施的制定
Alternation Index, RDFAI), 指出旱涝急转过程是 提供数据支撑和科学依据。
导致淮河流域汛期径流量增加的重要因素之一。 2 数据来源与方法介绍
然而, 由于月尺度指数在计算过程中易产生旱涝状
态相互抵消的问题, 其对短时剧烈转换过程的刻画 2. 1 数据来源
能力仍存在一定局限。 用于对川渝地区 1970 -2024 年旱涝急转事件
针对上述不足, 闪丽洁等(2018)构建了基于日 时空变化特征进行分析的 44 个气象站点降水数据
尺度的旱涝急转指数(Dry-Wet Abrupt Alternation 主要来源于资料完备性较好、 数据可靠性和科学性

