摘要：研究不同氣候條件下流域旱澇特征的異同，揭示氣候條件對流域旱澇情況的影響，可為不同氣候條件下旱澇災害的評估和預測提供依據(jù)?；跇藴驶邓笖?shù)，通過Mann-Kendall檢驗、滑動T檢驗、小波分析等方法對渭河流域及嘉陵江流域的旱澇演變特征進行了分析。結(jié)果表明：①兩流域的旱澇程度以輕、中度為主，但嘉陵江流域更容易發(fā)生旱澇，渭河流域的旱澇歷時更長。②兩流域旱澇變化過程相似，但渭河流域的旱澇突變點在累積時間尺度較短時出現(xiàn)得更晚，反之出現(xiàn)得更早，且出現(xiàn)顯著性變化趨勢的持續(xù)時間更長。③當累積時間尺度較短時，渭河流域的標準化降水指數(shù)受大周期震蕩影響較大，嘉陵江流域的標準化降水指數(shù)受小周期震蕩影響較大；渭河流域的標準化降水指數(shù)在長時間和短時間尺度下均呈現(xiàn)出周期性，嘉陵江流域的標準化降水指數(shù)只在長時間尺度下呈現(xiàn)出較強的周期性。④渭河流域北部部分地區(qū)應在春季、嘉陵江流域南部應在夏季預防洪澇災害，渭河流域的西部和北部、嘉陵江流域的南部應在秋、冬兩季重點預防旱災的發(fā)生。

關鍵詞：旱澇演變;SPI;Mann-Kendall檢驗;滑動T檢驗;小波分析;渭河流域;嘉陵江流域

中圖分類號：P426.616文獻標識碼：A文章編號：2096-6792（2025）01-0063-15

旱澇災害是世界各地人民面臨的重要問題［1-2］。氣象上的水循環(huán)收支不平衡是導致水文干旱等其他類型災害的原因之一。隨著全球變暖和氣候變化加劇，發(fā)生旱澇災害的風險也相應增加［3］。近年來，國內(nèi)外許多學者基于不同時間尺度下的標準化降水指數(shù)（Standardized Precipitation Index， SPI）序列，對特定流域氣候變化下的干旱特征開展了大量研究［4-9］，但大部分研究只關注于單一區(qū)域的干旱特征，如LIU B等［10］基于干旱指數(shù)分析了重慶市1960—2015年的干旱時空動態(tài);LIU C等［11］基于SPI和標準化降水蒸散指數(shù)（Standardized Precipitation Evapotranspiration Index，SPEI）對四川省的氣象干旱進行了時空分析;SORI R等［12］基于一個月尺度的SPEI數(shù)據(jù)分析了波多黎各的氣象干旱特征;FELLAG M等［13］基于12個月尺度的SPI序列分析了Cheliff地區(qū)中北部區(qū)域的氣象干旱特征，結(jié)果表明該地區(qū)的干旱具有明顯的時空差異;CHEVAL S等［14］基于SPI序列分析了1961—2010年羅馬尼亞的氣象干旱時空特征及其驅(qū)動因素?！吨袊禐暮珗?017》［15］統(tǒng)計結(jié)果顯示，21世紀以來中國因旱澇災害年均受災人口近億人次，經(jīng)濟損失上千億元，因此研究旱澇事件的變化規(guī)律具有重要的社會經(jīng)濟價值。中國北方地區(qū)年降水量為200～600 mm，且時空分布不均勻，雖然內(nèi)陸河流眾多但由于干旱和水資源過度開發(fā)導致徑流量減少，同時由于地下水位較高且地勢平坦，當發(fā)生極端降水時也會出現(xiàn)洪澇現(xiàn)象;南方地區(qū)年降水量為800～2 000 mm，降水空間分布同樣不均勻，常發(fā)生季節(jié)性洪澇、泥石流等水文地質(zhì)災害或“驟發(fā)型”干旱。渭河流域和嘉陵江流域分別屬于典型的北方氣候和南方氣候，渭河流域的旱澇事件在時間上的分布比較均勻，而嘉陵江流域旱澇事件的發(fā)生時間較為集中，兩流域的旱澇情況均會影響流域內(nèi)眾多人口的生產(chǎn)生活。因此，選取嘉陵江流域和渭河流域分別作為南、北方的典型流域，通過分析兩流域近幾十年的旱澇演變特征及其差異性，反映南北不同流域的旱澇災害在時間、空間上的特點，以期為旱澇災害防治提供科學依據(jù)。

1數(shù)據(jù)來源及研究方法

1.1研究區(qū)域概況 渭河發(fā)源于甘肅省渭源縣鳥鼠山，流經(jīng)甘肅、寧夏、陜西，全長818 km，流域面積13.4萬 km2，年降水量400～800 mm，年均徑流量75.7億m3［16］。該流域處于干旱地區(qū)和濕潤地區(qū)的過渡地帶，屬于大陸性季風氣候區(qū)，四季分明。流域降水量在空間上呈現(xiàn)南多北少、西多東少的趨勢，在地形上呈現(xiàn)山區(qū)多而河谷少的趨勢。降水主要集中在夏季，降水量年際變化較大［17］，這也是導致渭河流域水量變化受季節(jié)和氣候影響較大的原因之一。流域內(nèi)旱澇現(xiàn)象明顯，主要特征表現(xiàn)為發(fā)生頻率高、持續(xù)時間長、季節(jié)性強［18］。流域位置如圖1（a）所示。

嘉陵江發(fā)源于陜西省鳳縣秦嶺代王山，流經(jīng)陜西、甘肅、四川、重慶，全長13 145 km，流域面積16萬 km2，年降水量600～1 300 mm，年均徑流量100億～350億m3。流域氣候類型為亞熱帶濕熱季風氣候［19］，屬于典型的南方氣候。流域降水受季風影響較大，當季風弱而遲時，流域西部易出現(xiàn)春旱和初夏干旱的現(xiàn)象，在空間上，上游山區(qū)和中下游盆地區(qū)的降水特征差異較大，一般表現(xiàn)為盆地邊緣地區(qū)降水多、盆地中心地區(qū)降水少。受降水的季節(jié)性影響，嘉陵江流域水量表現(xiàn)出夏季多、冬季少的特點，且由于降水集中，經(jīng)常發(fā)生洪澇災害。嘉陵江流域位置如圖1（b）所示。

1.2數(shù)據(jù)來源

選取渭河流域臨洮、安定、定邊等28個氣象站和嘉陵江流域的若爾蓋、岷縣、武都等19個氣象站1960—2017年逐月降水數(shù)據(jù)，數(shù)據(jù)來源于中國氣象科學數(shù)據(jù)共享服務平臺（http：//data.cma.cn/）。選用SPI1、SPI3、SPI6、SPI12序列作為衡量旱澇程度的指標，其中SPI3序列能較好地反映降水的季節(jié)性變化特征，根據(jù)氣象學中的季節(jié)劃分標準將SPI3序列按照季節(jié)劃分為4個時段：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至次年2月）。

1.3研究方法

采用計算簡單且具有多時間尺度特性［20-22］的SPI衡量流域旱澇，采用Mann-Kendall檢驗、小波分析和反距離權(quán)重插值法［23］分析流域旱澇的趨勢性、突變點、周期性以及空間分布特征?？紤]到Mann-Kendall檢驗的局限性［24-25］，還采用滑動T檢驗法［26-28］對Mann-Kendall突變檢驗的結(jié)果進行補充。

1.3.1旱澇識別

標準化降水指數(shù)的計算方法參考《氣象干旱等級》（GB/T 20481—2017）［29］，干旱等級劃分標準見表1。

游程理論是YEVJEVICH Vujica在1967年提出的一種時間序列分析方法，被廣泛應用于旱澇識別[30-32]。選取三閾值法對旱澇事件進行識別：對于干旱事件，一般認為SPIlt;0時發(fā)生干旱，SPI≤-0.5時達到輕度干旱，且由逐月降水數(shù)據(jù)計算的旱澇事件最低歷時為1個月，故3個閾值R的取值分別為R0=0，R1=-0.5，R2=-1.0;對于洪澇事件，R0=0，R1=0.5，R2=1.0。

1.3.2 Mann-Kendall趨勢檢驗

對于樣本容量為n的時間序列x，構(gòu)造一個秩序列Sk：

Sk=∑ki=1ri；（1）

ri=1， "xigt;xj；0， "xi≤xj。（2）

式中：ri為時間序列樣本xigt;xj（j=1，2，…，i）的個數(shù)；秩序列Sk是ri的累計值。

假定時間序列隨機獨立，構(gòu)造統(tǒng)計量UFk，其表達式為：

UFk=Sk-E（Sk）Var（Sk）， "k=1，2，…，n。（3）

式中：UF1=0;E（Sk）為秩序列Sk的均值;Var（Sk）為秩序列Sk的方差，當E（Sk）、Var（Sk）相互獨立且具有相同連續(xù)分布時，可由式（4）計算。

E（Sk）=k（k-1）4;Var（Sk）=k（k-1）（2k+5）72。（4）

1.3.3Mann-Kendall顯著性檢驗

對于1.3.2中ri的統(tǒng)計量Z和給定的置信水平α，當Zgt;Z1-α/2時，認為在α水平下降水和氣溫序列呈顯著變化趨勢，反之則為輕微變化。本文取α=0.05。

1.3.4Mann-Kendall突變檢驗

依照時間序列x的逆序xn，…，x2，x1，重復式（1）至式（4）過程，同時計算x逆序的統(tǒng)計量UBk（k=n，n-1，…，1）：

UBk=-UFk，UB1=0。（5）

將所有UFk和UBk數(shù)值按順序排列并繪圖，若UFkgt;0或UBkgt;0，表明序列x呈上升趨勢，若UFklt;0或UBklt;0則為下降趨勢。當UFk或UBk突破臨界值時，表明時間序列x的變化趨勢顯著。如果UFk或UBk在臨界線范圍內(nèi)相交，那么交點所在的時間即為突變時間。

1.3.5滑動T檢驗

設滑動點前后兩個時間序列x1和x2總體的分布函數(shù)為F1（x）和F2（x），從F1（x）和F2（x）中分別抽取容量為n1和n2的兩個樣本，要求檢驗原假設F1（x）=F2（x），則定義統(tǒng)計量T。其表達式為：

T=x1-x2S1n1+1n212。（6）

其中：

S=（n1-1）S21+（n2-1）S22n1+n2-2;（7）

x1=1n1∑n1t=1xt;

x2=1n2∑n1+n2t=n1+1xt;（8）

S21=1n1-1∑n1t=1（xt-x1）2;S22=1n2-1∑n1+n2t=n1+1（xt-x2）2。（9）

統(tǒng)計量T服從t（n1+n2-2）分布，選擇顯著性水平α，查t分布表得到臨界值tα2。當Tgt;tα2時，拒絕原假設，說明兩個時間序列間存在顯著性差異;當Tlt;tα2時，接受原假設，說明兩個時間序列間不存在顯著性差異。

1.3.6小波分析

小波分析［33-35］用一小簇小波函數(shù)系數(shù)來表示某一信號，可將時域上的信號擴展至時域和頻域上，且可以通過時間尺度的伸縮反映信號的周期性。小波分析的計算結(jié)果分為小波實部和小波方差，小波實部可以在時域上描述信號在不同時間尺度下的周期情況，而小波方差可以揭示不同時間周期對信號整體周期性的影響。在實際應用中，應針對具體情況選取適當?shù)男〔ê瘮?shù)，本文采用Morlet小波。

2旱澇時間尺度變化特征分析

根據(jù)渭河流域及嘉陵江流域1960—2017年的逐月降水數(shù)據(jù)，構(gòu)建SPI1、SPI3、SPI6、SPI12序列，繪制渭河及嘉陵江流域的SPI變化過程圖，如圖2所示，圖中紅色代表干旱，藍色代表濕潤。

由圖2可知：兩流域旱澇的相同點在于，累積時間尺度越短，SPI值波動越頻繁，單次持續(xù)時間越短;隨著時間尺度的增加，SPI值波動頻率降低，但持續(xù)時間增長。

通過對比可以看出：渭河流域發(fā)生高等級旱澇事件的次數(shù)更多且歷時更長，嘉陵江流域發(fā)生高等級旱澇的時間更集中;嘉陵江流域高等級旱澇多集中發(fā)生于1980—1985年、1995—2000年，渭河流域的高等級旱澇多集中發(fā)生于1994—2005年。

依據(jù)1.3.1節(jié)中的標準化降水指數(shù)對應的干旱等級劃分標準，基于游程理論分別對渭河流域及嘉陵江流域1960—2017年的SPI1、SPI3、SPI6、SPI12序列的旱澇特征進行識別，旱澇特征值見表2。由表2可知：①兩流域旱澇特征的共同點為旱澇等級越高，發(fā)生次數(shù)越少;隨著累積時間尺度的增加，發(fā)生旱澇的總次數(shù)減少。②差異在于，不同累積時間尺度下嘉陵江流域發(fā)生旱澇的總次數(shù)均更多，尤其是重度及以上等級的洪澇，但當累積時間尺度較大時（SPI6、SPI12）渭河流域的洪澇歷時更長;對于中度及以下的干旱，兩流域的發(fā)生次數(shù)無明顯差別，但渭河流域的歷時更長;對于中度以下的洪澇，嘉陵江流域的發(fā)生次數(shù)更多，但歷時更短。

對渭河及嘉陵江流域在不同時間尺度下的旱澇次數(shù)進行統(tǒng)計，結(jié)果見表3。由表3可知，除了12個月累積時間尺度下嘉陵江流域干旱的發(fā)生次數(shù)小于渭河流域的外，其他累積時間尺度下嘉陵江流域的旱澇次數(shù)均大于渭河流域的?？傮w來說，嘉陵江流域比渭河流域更容易發(fā)生旱澇，且更容易發(fā)生高等級旱澇。結(jié)合圖2可以看出，嘉陵江流域的旱澇發(fā)生次數(shù)雖然更多，但旱澇在時間上的分布更加集中，而渭河流域的旱澇在時間上的分布更加均勻。

2.1SPI趨勢性及持續(xù)性特征分析

采用Mann-Kendall秩次相關檢驗法及經(jīng)典重標極差法（R/S）對兩流域1960—2017年的SPI1、SPI3、SPI6、SPI12序列進行趨勢性分析，并對變化趨勢的顯著性進行判斷，顯著性檢驗中選取的置信水平為95%，即Ult;Uα2，所得結(jié)果見表4。

由表4可知：在各時間尺度下，渭河及嘉陵江流域SPI序列的檢驗統(tǒng)計量均為負值，且渭河流域SPI6、SPI12序列和嘉陵江流域SPI3、SPI6、SPI12序列的變化趨勢均為顯著遞減，其余序列的變化趨勢均為不顯著遞減;在各時間尺度下，渭河及嘉陵江流域SPI序列變化趨勢的持續(xù)性較強;隨著累積時間尺度的增加，渭河及嘉陵江流域各時間尺度下的SPI序列變化趨勢的顯著性也逐漸增加，且嘉陵江流域的顯著性增加得更明顯。

2.2SPI變異點特征分析

采用Mann-Kendall法對渭河流域及嘉陵江流域1960—2017年的SPI1、SPI3、SPI6、SPI12序列進行突變檢驗，其中顯著性水平α=0.05，所得結(jié)果如圖3—6所示。由圖3—6可知，隨著時間尺度的增加，UF和UB曲線的波動頻率逐漸下降，波動幅度逐漸上升，交點數(shù)量逐漸減少，這說明在時間尺度較大的情況下突變時間更明確、SPI值上升/下降趨勢更明顯。由于SPI1序列的時間尺度較小，旱澇轉(zhuǎn)換頻繁導致渭河和嘉陵江流域的UF與UB曲線出現(xiàn)較多重疊，變異點不明顯，故采取滑動T檢驗來確定兩流域SPI1序列的突變點。兩流域的SPI值在1960—1970年的波動最明顯，且在累積時間尺度較小時出現(xiàn)變異點，這說明兩流域在19世紀60年代的旱澇交替最頻繁，這種頻繁的旱澇交替在嘉陵江流域表現(xiàn)得更明顯。1971—1975年兩流域的SPI值均出現(xiàn)明顯下降趨勢，但1971—1980年渭河流域的SPI值波動較小，嘉陵江流域的SPI值總體呈現(xiàn)“降—升—降”的趨勢。1980年，渭河流域的SPI值出現(xiàn)不明顯上升趨勢，而嘉陵江流域的SPI值在累積時間尺度較小時呈現(xiàn)“升—降—升”的變化趨勢，在累積時間尺度較大時大致呈現(xiàn)上升趨勢。1990年之后，兩流域的SPI值變化過程相似：在20世紀90年代出現(xiàn)明顯下降趨勢，但渭河流域出現(xiàn)這種明顯下降趨勢的時間更早;2001—2010年趨于平穩(wěn)，2011—2016年出現(xiàn)上升趨勢，且渭河流域的上升幅度更大。

由于渭河、嘉陵江兩流域SPI1序列的Mann-Kendall突變檢驗結(jié)果顯示存在的可能突變點較多且時間上相隔較近，推測其中存在較多雜點。這是由于Mann-Kendall突變檢驗對小尺度內(nèi)頻繁變化的序列檢測性能較低導致的，故采用滑動T檢驗對Mann-Kendall突變檢驗結(jié)果進行驗證，臨界值取2.306，結(jié)果如圖7和圖8所示。

由圖7和圖8可知：

1）兩流域SPI1序列在1960—2017年期間有諸多變異點；渭河流域的Mann-Kendall突變檢驗結(jié)果與滑動T檢驗結(jié)果在1960—1985年間有重合，嘉陵江流域的Mann-Kendall突變檢驗結(jié)果與滑動T檢驗結(jié)果在1960年左右有重合，故嘉陵江流域SPI1序列在1960年左右出現(xiàn)下降變異點。渭河流域SPI1序列變異點數(shù)量較多的原因是，SPI1序列受短期降水影響較大，數(shù)值波動較頻繁。

2）隨著時間累積尺度的增加，兩流域旱澇趨勢的變異點逐漸減少，最終都只剩下1970年一個變異點，而在1970年之后兩流域的SPI值總體呈現(xiàn)下降趨勢。通過分析渭河流域和嘉陵江流域在突變前后的降水量發(fā)現(xiàn)，1960—1969年和1970—2017年兩流域的年均降水量分別為593、565 mm和1 014、946 mm，降水量明顯減少，推測這是導致1970年之后SPI值總體呈現(xiàn)下降趨勢的原因。在1970年之后兩流域SPI值總體呈減少趨勢，并且20世紀90年代時這種減少趨勢變得更顯著，而渭河和嘉陵江流域的SPI值分別在2002年之后、1999年之后出現(xiàn)了上升趨勢，且渭河流域的上升趨勢更明顯。結(jié)合圖3可以看到，兩流域的高等級洪澇基本集中在1990年之前，高等級干旱基本集中在1990—2000年，而在2000年之后旱澇事件的發(fā)生次數(shù)大致相同。

3）總體來說，渭河和嘉陵江流域在各時間尺度下的旱澇變化過程相似，隨著累積時間尺度的增加，旱澇變化趨勢的顯著性越明顯，但渭河的突變點在累積時間尺度較小時出現(xiàn)得更晚，在累積時間尺度較大時出現(xiàn)得更早，且出現(xiàn)顯著性變化趨勢的持續(xù)時間更短。當累積時間尺度較小時，渭河流域的旱澇交替更加頻繁，且存在多個突變點。

2.3SPI周期變化分析

從2.2節(jié)的分析中可以看出，兩流域不同時間尺度和年代下的SPI序列均呈現(xiàn)出不同時間周期的旱澇交替過程。為分析SPI序列的周期性變化規(guī)律，利用小波分析對兩流域各累積時間尺度下的SPI序列進行周期演變特征分析，結(jié)果如圖9—16所示。

由圖9可知：渭河流域SPI1序列在10～18年、22～42年的時間尺度下均存在周期性，且在10～18年的時間尺度下存在4個峰值、22～42年的時間尺度下存在2個峰值；其中40年左右的時間尺度為第一主周期。

由圖10可知：嘉陵江流域SPI1序列在23～48年的時間尺度下存在周期性，且存在2個明顯的峰值；其中15年的時間尺度為第一主周期。對比圖9和圖10可知，渭河和嘉陵江流域均經(jīng)歷了“澇—旱—澇”3次轉(zhuǎn)換，但渭河流域SPI1序列受長周期震蕩的影響較大，嘉陵江流域SPI1序列受短周期震蕩的影響較大。

由圖11可知，渭河流域SPI3序列在5～20年、25～50年的時間尺度下均存在周期性，且在5～20年時間尺度下存在3個峰值、在25～50年時間尺度下存在2個峰值，其中33年的時間尺度為第一主周期。

由圖12可知，嘉陵江流域SPI3序列在20～50年的時間尺度下具有周期性，且存在2個峰值，其中15年的時間尺度為第一主周期。對比圖11和圖12可知，渭河流域SPI3序列受長周期震蕩影響較大，嘉陵江流域SPI3序列受短周期震蕩影響較大。

由圖13可知，渭河流域SPI6序列在10～25年、25～50年的時間尺度下均存在周期性，且在10～25年時間尺度下存在3個峰值、在25～50年的時間尺度下存在2個峰值，其中35年的時間尺度為第一主周期。

由圖14可知，嘉陵江流域SPI6序列在20～50年的時間尺度下存在周期性，且存在1個峰值，其中14年的時間尺度為第一主周期。對比圖13和圖14可知，渭河流域SPI6序列受長周期震蕩影響較大，嘉陵江流域SPI6序列受短周期震蕩影響較大。

由圖15可知，渭河流域SPI12序列在25～40年的時間尺度下存在周期性，僅存在1個峰值，其中33年的時間尺度為第一主周期。由圖16可知，嘉陵江流域SPI12序列不存在周期性。

總體來說：在累積時間尺度較小時，渭河流域主要受長周期震蕩影響較大，嘉陵江流域主要受短周期震蕩影響較大，且渭河流域在長時間和短時間尺度下均呈現(xiàn)出周期性，嘉陵江流域只在長時間尺度下呈現(xiàn)較強周期性；隨著累積時間尺度的增加，渭河流域在短時間尺度上的周期性減弱，只在長時間尺度下呈現(xiàn)明顯周期性，而嘉陵江流域在所有時間尺度下的周期性均減弱。

3旱澇空間尺度變化特征分析

3.1SPI年際變化特征分析

采用Mann-Kendall秩次相關檢驗法及經(jīng)典重標極差法（R/S）對兩流域各站點1960—2017年的SPI1、SPI3、SPI6、SPI12序列進行趨勢性分析，分別計算出檢驗統(tǒng)計量U值，借助ArcGIS軟件中的反距離權(quán)重插值法將U值在空間上進行插值。U≥1.96時表示SPI序列呈顯著變化趨勢，1.96gt;U≥0時表示SPI序列呈不顯著變化趨勢；Ugt;0時表示SPI序列呈上升趨勢，Ult;0時表示SPI序列呈下降趨勢。SPI序列的空間變化及其顯著性分析結(jié)果如圖17所示。由圖17可知：當累積時間尺度較短時，兩流域大部分地區(qū)的SPI序列的變化趨勢為不顯著下降；隨著累積時間尺度的增長，兩流域的SPI序列出現(xiàn)顯著性下降變化趨勢的地區(qū)逐漸增多，當累積時間尺度增長到12個月時，僅有嘉陵江流域東部及南部少量區(qū)域和渭河流域零星區(qū)域的變化趨勢為不顯著。對比來看，兩流域SPI序列總體呈現(xiàn)下降趨勢，且隨著月累積尺度的增加，下降趨勢越明顯，但嘉陵江流域南部和渭河流域北部部分區(qū)域的SPI序列呈現(xiàn)不顯著上升趨勢。在累積時間尺度較短（SPI1、SPI3）的情況下，嘉陵江流域大部分區(qū)域的SPI序列呈顯著降低趨勢，但在累積時間尺度較長（SPI6、SPI12）的情況下，渭河流域較多區(qū)域的SPI序列呈顯著降低趨勢。

3.2SPI季節(jié)變化特征分析

將兩流域各站點的SPI3序列按照季節(jié)劃分，并分別計算其檢驗統(tǒng)計量U值，利用反距離權(quán)重插值法繪制SPI序列季節(jié)性空間變化趨勢及其顯著性分析圖，如圖18所示。由圖18可知，渭河流域和嘉陵江流域旱澇的空間特征均表現(xiàn)出較強的季節(jié)性差異，且均為秋、冬兩季SPI值出現(xiàn)顯著下降的區(qū)域明顯較多。對比來看：春季，渭河流域SPI序列的變化趨勢以下降趨勢為主，僅在北部地區(qū)出現(xiàn)上升趨勢，嘉陵江流域SPI序列的變化趨勢雖然也以下降趨勢為主，但是只有少數(shù)地區(qū)的SPI序列的變化趨勢呈現(xiàn)顯著性變化;夏季，渭河流域SPI序列的變化趨勢基本呈現(xiàn)下降趨勢，呈顯著下降趨勢的地區(qū)主要集中在西部，嘉陵江流域南、北部SPI序列的變化趨勢差異明顯，流域北部SPI序列的變化呈下降趨勢，且大部分呈顯著性下降，而流域南部SPI序列的變化呈上升趨勢，且大部分變化趨勢為不顯著上升;秋季，渭河流域和嘉陵江流域大部分區(qū)域SPI序列的變化均呈顯著下降趨勢，但渭河流域南部及嘉陵江流域北部少部分地區(qū)SPI序列的變化仍呈不顯著下降趨勢;冬季，渭河流域和嘉陵江流域的SPI序列的變化基本呈顯著下降趨勢，且呈顯著下降的區(qū)域較秋季的更多，僅渭河流域及渭河流域與嘉陵江流域交界處的少量區(qū)域呈上升趨勢。總體而言，春季應在渭河流域北部的部分地區(qū)、夏季應在嘉陵江流域南部地區(qū)預防洪澇災害，秋、冬兩季應在渭河流域的西部和北部、嘉陵江流域的南部重點預防旱災的發(fā)生。

4結(jié)論

1）旱澇等級越高，旱澇災害的發(fā)生次數(shù)越少;隨著累積時間尺度的增加，發(fā)生旱澇的次數(shù)減少;兩流域發(fā)生的旱澇均以輕、中度旱澇為主，但嘉陵江流域發(fā)生旱澇的次數(shù)更多，渭河流域的旱澇歷時更長。

2）渭河流域SPI序列的波動幅度更大，旱澇交替更頻繁，在累積時間尺度較小時出現(xiàn)變異點的時間更早，在累積時間尺度較大時相反。兩流域在20世紀60年代旱澇交替最頻繁，在20世紀90年代最易發(fā)生干旱。

3）在累積時間尺度較小時，渭河流域SPI序列主要受長周期震蕩影響，而嘉陵江流域SPI序列主要受短周期震蕩影響，且渭河流域SPI序列在長時間和短時間尺度下均呈現(xiàn)出周期性，而嘉陵江流域SPI序列只在長時間尺度下呈現(xiàn)較強周期性。

4）累積時間尺度越大，SPI序列呈顯著下降變化趨勢越明顯，渭河流域北部部分地區(qū)應在春季、嘉陵江流域南部應在夏季預防洪澇災害，渭河流域的西部和北部、嘉陵江流域的南部應在秋、冬兩季重點預防旱災。

參考文獻

［1］SULIMAN A H A，AWCHI T A，ALMOLA M，et al.Evaluation of remotely sensed precipitation sources for drought assessment in Semiarid Iraq［J］.Atmospheric Research，2020，242：105007.

［2］CHENG Y S，SANG Y F，WANG Z G，et al.Effects of rainfall and underlying surface on flood recession：the upper Huaihe River basin case［J］.International Journal of Disaster Risk Science，2021，12（1）：111-120.

［3］IPCC.Climate change 2014：impact，adaptation，and vnlnerability［M］.Cambridge：Cambridge University Press，2014.

［4］唐怡，卯昌書，蘇建廣.基于SPI指數(shù)的云南省干旱時空特征分析［J］.水利水電快報，2023，44（2）：17-23.

［5］趙水霞，周泉成，王文君，等.基于SPI指數(shù)的內(nèi)蒙古地區(qū)干濕氣候特征［J］.中國水利水電科學研究院學報（中英文），2022，20（1）：10-19.

［6］黃星怡，張佳樂，楊肖麗，等.黃河流域水文干旱時空特征研究［J］.華北水利水電大學學報（自然科學版），2023，44（3）：25-34.

［7］李寶玉，朱曉萌，馮凱，等.貴州省氣象干旱特征時空演變規(guī)律及聯(lián)合發(fā)生概率分析［J］.華北水利水電大學學報（自然科學版），2021，42（6）：42-48，80.

［8］FILHO J D P，F(xiàn)ILHO F D A S，EDUARDO S P R M，et al.Copula-based multivariate frequency analysis of the 2012-2018 drought in northeast Brazil［J］.Water，2020，12：834.

［9］CALOIERO T，VELTRI S，CALOIERO P，et al.Drought analysis in Europe and in the Mediterranean basin using the standardized precipitation index［J］.Water，2018，10：1043.

［10］LIU B，LIU Y B，WANG W P，et al.Meteorological drought events and their evolution from 1960 to 2015 using the daily SWAP index in Chongqing，China［J］.Water，2021，13：1887.

［11］LIU C，YANG C，YANG Q，et al.Spatiotemporal drought analysis by the standardized precipitation index （SPI） and standardized precipitation evapotranspiration index （SPEI） in Sichuan Province，China［J］.Scientific Reports，2021，11：1280.

［12］SORI R，TEJEDA R M，STOJANOVIC M，et al.Spatiotemporal assessment of meteorological drought in Puerto Rico between 1950 and 2019［J］.Environmental Sciences Proceedings，2021，8：40.

［13］FELLAG M，ACHITE M，WALEGA A.Spatialtemporal characterization of meteorological drought using the standardized precipitation index：case study in Algeria［J］.Acta Scientiarum Polonorum Formatio Circumiectus，2021，20（1）：19-31.

［14］CHEVAL S，BUSUIOC A，DUMITRESCU A，et al.Spatio-temporal variability of meteorological drought in Romania using the standardized precipitation index（SPI）［J］.Climate Research，2014，60（3）：235-248.

［15］國家防汛抗旱總指揮部.中國水旱災害公報2017［M］.北京：中國地圖出版社，2018.

［16］王國慶，王云璋.渭河流域產(chǎn)流產(chǎn)沙模型及徑流泥沙變化原因分析［J］.水土保持學報，2000（4）：22-25.

［17］杜希溪.渭河流域氣候舒適度變化特征及其對植被覆蓋響應研究［D］.楊凌：西北農(nóng)林科技大學，2013.

［18］楊睿，耿廣坡，周洪奎，等.基于SPEI_PM指數(shù)的渭河流域氣象干旱時空演變特征［J］.中國農(nóng)業(yè)氣象，2021，42（11）：962-974.

［19］張婷，薛東劍，段金亮，等.2000～2019嘉陵江流域植被覆蓋時空變化特征及氣候響應分析［J］.長江流域資源與環(huán)境，2021，30（5）：1110-1120.

［20］袁文平，周廣勝.標準化降水指標與Z指數(shù)在我國應用的對比分析［J］.植物生態(tài)學報，2004，28（4）：523-529.

［21］PATEL N R，CHOPRA P，DADHWAL V K.Analyzing spatial patterns of meteorological drought using standardized precipitation index［J］.Meteorological Applications，2007，14：329-336.

［22］章誕武，叢振濤，倪廣恒.基于中國氣象資料的趨勢檢驗方法對比分析［J］.水科學進展，2013，24（4）：490-496.

［23］朱繼前，韓美，徐澤華，等.淮河流域不同量級降雨時空分布特征及其影響因素［J］.水土保持研究，2019，26（4）：87-95.

［24］秦年秀，姜彤，許崇育.長江流域徑流趨勢變化及突變分析［J］.長江流域資源與環(huán)境，2005，14（5）：589-594.

［25］余予，孟曉艷，張欣.1980—2011年北京城區(qū)能見度變化趨勢及突變分析［J］.環(huán)境科學研究，2013，26（2）：129-136.

［26］呂琳莉，李朝霞.雅魯藏布江中下游徑流變異性識別［J］.水力發(fā)電，2013，39（5）：13-15.

［27］魏鳳英.現(xiàn)代氣候統(tǒng)計診斷與預測技術(shù)［M］.北京：氣象出版社，2007.

［28］WANG Q，F(xiàn)U C B.The detection of climate abrupt change with Mann-kendall rank statistics［J］.Acta Meteorological Sinica，1992，6（2）：254-260.

［29］中國氣象局.氣象干旱等級：GB/T 20481—2017［S］.北京：中國標準出版社，2018：3.

［30］YEVJEVICH V.An objective approach to definitions and investigations of continental hydrologic droughts［J］.Journal of Hydrology，1969，7（3）：353-356.

［31］MOY L A，KAPADIA A S.Predictions of drought length extreme order statistics using run theory［J］.Journal of Hydrology，1995，169：95-110.

［32］SHIAU J T.Fitting drought duration and severity with two-dimensional copulas［J］.Water Resources Management，2006，20（5）：795-815.

［33］桑燕芳，王中根，劉昌明.小波分析方法在水文學研究中的應用現(xiàn)狀及展望［J］.地理科學進展，2013，32（9）：1413-1422.

［34］朱煒歆，?？〗埽瑒⒏?，等.植被類型對生長季黃土區(qū)土壤含水量的影響［J］.干旱區(qū)資源與環(huán)境，2017，30（1）：152-156.

［35］韋紅波，李銳，楊勤科.我國植被水土保持功能研究進展［J］.植物生態(tài)學報，2002，26（4）：489-496.

Evolution Characteristics of Drought and Flood in Typical River Basins of North and South and Its Contrastive Study

HUANG Yi1， LI Yunyun1， LI Yanchun1， DENG Qian1， FAN Jingjing2， WANG Xuemei1， ZHANG Qing1

（1.School of Resources Environmental Engineering， Mianyang Teachers′ College， Mianyang 621000， China; 2.School of Water Conservancy and Hydroelectric Power， Hebei University of Engineering， Handan 056038， China）

Abstract：

Contrasting the similarities and differences in drought and flood characteristics of river basins under different climatic conditions can more comprehensively explain the impact of climate conditions on drought and flood conditions in river basins， and provide a more representative scientific basis for the assessment and prediction of drought and flood disasters under different climatic conditions. Based on the standardized precipitation index， this paper analyzes the evolution characteristics of drought and flood in the Weihe river and Jialing river basins by Mann-Kendall test， sliding T test and wavelet analysis. The results showed that： ①The drought and flood intensities "in both basins were predominantly mild and moderate， but the Jialing river basin was more prone to drought and flood， and the drought and flood in the Weihe river basin lasted longer. ②The drought and flood variation processes in both basins are similar， but the mutation points of the Weihe river basin appear later at smaller cumulative time scales and earlier at larger time scales， with a longer duration of significant change trends. ③At smaller cumulative time scales， the SPI of the Weihe river basin is more influenced by large-cycle oscillations， while the Jialing river basin is more affected by small-cycle oscillations; The SPI in the Weihe river basin exhibits periodicity at both long-term and short-term time scales， whereas the Jialing river basin shows strong periodicity only at long-term scales. ④Flood prevention should focus on spring in the northern Weihe river basin and summer in the southern Jialing river basin， while drought prevention should target autumn and winter in the western and northern Weihe river basin and the southern Jialing river basin.

Keywords：

drought and flood evolution; SPI; Mann-Kendall test; sliding T test; wavelet analysis; Weihe river basin; Jialing river basin

（編輯：馬偉希）

收稿日期：2023-05-02

基金項目：國家自然科學基金項目（52009053，52209013，32101363）;綿陽師范學院科研啟動項目（QD2020A06）;綿陽師范學院研究生創(chuàng)新實踐基金項目（CX202340）。

第一作者：

黃祎（1998—），男，碩士研究生，從事水文水資源系統(tǒng)工程方面的研究。E-mail：1225440682@qq.com。

通信作者：黎云云（1990—），女，副教授，博士，從事水文水資源系統(tǒng)工程方面的研究。E-mail：liyunyun19900627@163.com。