1 引言

伴随着全球气候变暖常态化^[1-2], 全球众多地区干旱、洪涝灾害事件的频率和强度均呈显著增加趋势^[3-4], 中国是世界旱涝灾害最为频繁和严重的少数国家之一^[5]。近年研究表明, 降雨是中国区域旱涝灾害的主要风险源^[6-7], 中国旱涝分布格局呈北方易遭旱灾、南方旱涝并发的总体特征^[8-9]; 尤其南方地区旱涝交替并存和急转突变现象, 已成为区域旱涝事件过程精准监测与信号诊断预警的前沿热点^[10-11]。然而, 由于气候气象特征差异, 旱涝监测指数结果在不同的区域和时间尺度上常呈现出较显著差异^[12-13]。因此, 针对不同区域和研究目标, 澄清旱涝指数的最佳表达时间尺度, 成为开展精细化旱涝演变监测、旱涝事件发生发展过程识别及信号诊断预警的前提。

近年, 已有学者探讨了干旱指数在不同时间尺度上的表达差异。如徐一丹等^[13]对东北地区1960-2014年旱涝监测表明, SPI/SPEI指数在月尺度上围绕0值频繁波动, 但随时间尺度增加会形成干湿阶段持续期; 陈少丹等^[14]计算了河南省1961-2016年1、3、6、12个月等多个尺度SPEI, 发现随着时间尺度的增大, SPEI值波动幅度减小, 且月尺度SPEI与TVDI呈负相关关系; 杨思遥等^[15]分析了华北地区1、3、6、9、12个月的SPEI与植被指数之间的关系, 发现植被受旱长势对SPEI-3的响应最明显, 且月尺度SPEI呈干湿交替特征, 并随着时间尺度增大干旱化趋势增强; Wang等^[16]计算了1~100天中11个时间尺度SPEI, 并讨论其与EPIC作物模型模拟各时间尺度的华北地区冬小麦产量间的关系, 发现90天尺度的SPEI描述其产量损失效果最佳。综上, 相关研究多关注月及以上时间尺度或北方地区, 对月以下的日-候-旬等尺度及旱涝转化频发的南方地区研究相对较少。此外, 针对不同的研究对象或目标(如干旱类型、作物种类、长期规律还是次事件过程等), 所得到的最佳时间尺度往往不同。本文即针对该问题, 以广西为例, 通过对比分析年内的日、候、旬、月、季等多个时间尺度干旱指数对干湿现象的表达差异, 并结合典型的干旱和湿润事件发生发展过程识别, 论证更适合南方频繁旱涝急转现象表达的最佳时间尺度。

2 研究区域、数据与方法 2.1 研究区域与数据

广西属亚热带季风湿润区, 年降水量丰沛但时空分布不均^[17], 加之下垫面石山丘陵广泛分布、岩溶发育, 土层保水能力弱^[18], 是旱涝灾害频繁且存在多次交替转化的典型区域^[11], 多年来洪旱灾害损失巨大^[19]。因此, 开展旱涝事件精细化的实时监测、发生发展信号诊断及预测预警是该区域的迫切需求, 而明确其气象干湿演变及识别的最佳时间尺度则是一个首要内容。

文中降水数据来源于中国气象数据共享网(http://data.cma.cn)的《中国地面降水日值0.5 °×0.5 °格点数据集(V2.0)》; 该数据集由2 472个国家级气象观测站的降水资料通过TPS空间插值而来, 赵煜飞等^[20]在全国范围对其进行精度评估, 结果表明该数据集质量良好, 具有很好应用价值。文中通过Python编程批量提取广西0.5 °×0.5 °格点1961-2017年逐日降水数据, 对于个别格点的缺测日进行了空间内插补充。

2.2 研究方法

区域气象旱涝监测业务中常使用多因素气象干旱指数(如帕默尔指数PDSI、干燥度指数、气象综合干旱指数CI和标准化降水蒸散指数SPEI等), 但由于温度、蒸散发要素监测数据在山区常存在缺失、时序过短及空间分辨率不足等问题, 实际应用中对只需要降水数据的单因素气象干旱指数(如降水距平百分率指数P_a、标准化降水指数SPI、标准化前期降水指数^[21]SAPI和加权平均降水指数^[22]WAP等)需求仍然很高, 特别是在干旱模拟和预估领域^[23]。此外, P_a、SPI等指数本质上仅考虑了累计降水量而忽视降水发生时间对当前旱情的影响, 用于日、候、旬等月以内的时间尺度干旱监测时常导致"不合理旱情加剧"问题^[24]; SAPI指数虽解决了这一问题, 但其又存在少雨时对旱日敏感性低、而对降水敏感性高, 多雨时对旱日敏感性高、而对降水敏感性低的问题^[24-25]; WAP指数综合考虑降雨、蒸散及下垫面水分耗散的累积影响, 能更准确反映干湿过程的累积效应, 但存在区域及不同尺度上阈值不统一而无法对比问题^[23]。为此, 本文采用距平改进的加权平均降水指数IWAP, 讨论广西年内干湿演变的多时间尺度效应, 并采用游程理论结合极端事件强度-过程检测方法(EID)实现典型干旱与湿润事件的起讫过程识别。

(1) IWAP方法。Lu^[22]在2009年基于单一降水要素, 充分考虑前期降水量、蒸散量、土壤水分供给、径流和表层水分损失过程, 提出加权平均降水指数WAP, 其物理内涵如下式,

$\frac{\mathrm{d} f(t)}{\mathrm{d} t}=-b f(t)+P(t)$

(11)

式中, t为0时为当前时间状态, f(t)受降水量P(t)影响, 表示湿润强度, -bf(t)表示前期降雨、蒸散、径流、下渗对当前湿润强度起耗散作用的衰减程度, b为衰减系数; 其中b>0, 使湿润程度趋于0发展, 雨量P为外部影响因素, 使湿润程度增加; P越大, f越大, 表征湿润强度越重, 反之干旱程度越重。

对式(1)积分后再加权平均处理得到下式,

$\mathrm{WAP} \equiv \sum\limits_{n=0}^{N} a^{n} P_{n} / \sum\limits_{n=0}^{N} a^{n}$

(2)

式中, N为超前当前日的最大天数, P_n为前期第n日降水量, n为超前当前日的天数, n=0代表当前日; a表示前一日的降水对当前涝的程度贡献强度, Lu r^[22]论证取0.9为适宜值, 此时N取44天。由此, 根据逐日降水量P即可计算逐日WAP值来监测每天的干湿强度, WAP越大越偏湿; WAP越小越偏旱。

由于WAP在不同区域及不同尺度上的阈值不同而无法对比, 赵一磊等^[23]采用距平百分率的方法对WAP进行标准化改进, 并引入参数c, 对WAP进行校正, 得到IWAP如式(3),

$\mathrm{IWAP}=c \times(\mathrm{WAP}-\overline{\mathrm{WAP}}) / \overline{\mathrm{WAP}}$

(3)

式中:WAP为WAP的多年平均值, c= $\left\{\begin{array}{l}1(p r>300 \mathrm{~mm}) \\ 0.02(pr \leqslant 300 \mathrm{~mm})\end{array}\right.$, pr为年平均降水量。IWAP有效解决了WAP在不同地区不同季节无法横向对比的问题, 便于全国范围使用, 其旱涝等级如表 1。

(2) 游程理论与EID方法。游程理论被广泛应用于干旱事件识别^[26], 本文识别干旱事件阈值为0、-0.5、-1.0^[27], 识别湿润事件阈值为0、0.5、1.0。干旱事件识别过程:当IWAP<-0.5时, 初步认定发生干旱, 历时为1天/候的干旱事件, 若IWAP<-1, 则为一次干旱事件, 反之将其剔除; 相邻两次干旱事件间隔1天/候, 若IWAP<0, 则合并为一次干旱过程, 反之为两次独立干旱过程。湿润事件识别过程:当IWAP>0.5时, 初步认定发生湿润, 历时为1天/候的湿润事件, 若IWAP>1.0, 则为一次湿润事件, 反之将其剔除; 相邻两次湿润事件间隔1天/候, 若IWAP>0, 则合并为一次湿润过程, 反之为两次独立的湿润过程。

Lu提出极端事件强度-过程检测方法^[28]EID用于识别极端降雨过程, 其考虑到连续强降水(未达极端强度)的规模效应, 认为强度较弱但历时较长也是极端事件^[29], 通过确认相对降雨强度的最大值, 再根据所选持续时间找出极端事件开始和结束的日期。显然, 该方法对干湿事件的强度-过程识别亦适用, 且IWAP强度较弱但历时较长的时段, 亦可认为是极端事件, 故将该方法用于分析IWAP序列所表达的气象干湿事件起讫过程。具体方法如下:

$R(n, m)=n^{a} I(n, m)$

(4)

式中, I(n, m)为IWAP序列在时段n内的平均值, n为持续时间, m为当前日期, a为取值为0~1之间的参数, 本文a取0.45^[28]; 若n为奇数, 开始和结束的时间为[m-(n-1)/2~m+(n-1)/2], 若n为偶数, 则为[m-(n-2)/2~m+n/2]。

EID方法中n的取值具有较强主观性, 在干湿事件识别中, 盲目取值会导致整个干旱事件不完整或出现多余, 为找到正确的干湿历时n, 先采用游程理论对IWAP序列进行识别, 得到干湿历时, 并将此结果与IWAP序列进行对比, 确定不同历时所在的时间范围, 再将该历时代入EID方法中, 得到m, 即一次事件的时间中心。定位m位置, 再根据持续时间n计算出起始和结束日期, 完成一次干湿事件过程识别。

3 广西干湿时空演变尺度效应分析 3.1 干湿强度的时空尺度效应

(1) 典型年份干湿监测的时间变化尺度效应。

在研究时段内, 选择典型干旱(2009年7月1日-2010年6月30日)和湿润(1998年1月1日-1998年12月31日)年份, 分别计算87个格点的日、候、旬、月、季尺度IWAP值; 并以河池(干旱)和柳州(湿润)为代表格点绘制各尺度IWAP时变曲线(图 2)。图 2a表明, 不同时间尺度的干旱强度时变差异显著, 总体上随时间尺度从小到大(日到季), IWAP值呈现从频繁波动到整体均化的时变特征; 其中, 日、候尺度能较好地响应降雨变化并揭示干湿快速转换现象, 而旬、月、季尺度则明显存在坦化, 更适合描述月及以上时段的干湿规律。图 2b表明, 日、候、旬尺度的湿润强度波动变化在强降雨时段(6-8月)较为一致, 而月、季尺度则明显坦化, 对强降雨的响应不太敏感。总之, 无论干旱还是湿润年份, 日、候尺度均能较好地监测到广西气象干湿交替演变过程, 但候尺度在干湿急转的局部时段不如日尺度IWAP敏感; 旬尺度对连续强降雨及其后续时段的干湿监测效果较好, 而对季节的长时段干湿交替监测效果较差; 月、季尺度明显均化, 难以监测广西气象干湿快速交替演变过程。

(2) 典型年份干湿监测的空间分布尺度效应。

针对上述典型干旱(湿润)年份, 分别选择典型的干旱(湿润)时段(图 2), 并按时段内各尺度上总体干旱(湿润)格点占比最大原则, 确定2个典型的干旱日2009年9月15日和2010年3月15日的IWAP空间分布, 并拓展到该日所在的候、旬、月和季尺度(图 3); 同理确定了2个典型的湿润日1998年3月10日和1998年7月1日及对应的各尺度IWAP空间分布(图 4)。

由图 3可知, 广西不同时间尺度IWAP干旱强度及其空间分布存在较大差异, 2个典型时段的日-候尺度间、月-季尺度间的干旱强度空间分布均呈中强正相关一致性(相关系数通过自由度为87的0.01极显著水平检验(临界值0.273), 其中0.4~0.6和0.6~0.8分别为中、强相关), 而旬尺度与其他4个时间尺度均存在较大差异且表现出不稳定性(尺度间相关系数强弱不定)。在干旱强度数值上, 日、候尺度能够较好地监测出区域精细化的特-重-中-轻旱各等级IWAP量值, 而旬、月、季尺度则很大程度上整体均化(图 3中2009年第26旬、2010年第8旬、月、季等)或局部加强(图 3中2009年秋季)了IWAP干旱强度值, 甚至表现出完全不同或相反的局部湿润等级值(图 3中2009年第26旬)。上述结果表明, 广西干旱事件在空间分布格局和强度等级上均具有较显著的时间尺度效应; 针对广西干旱事件空间格局与强度演变的精细化监测, 日、候尺度是更适宜的表达尺度。

由图 4可知, 不同时间尺度IWAP对广西湿润强度及其空间分布监测总体具有极显著的中强正相关一致性(除了1998年7月与夏季间的异常弱相关)。在湿润强度数值上, 除了旬、月尺度IWAP值相对接近, 其他各尺度间的湿润强度值相差较大, 日、候尺度仍能较好地监测出极、重强度湿润值, 而对应的旬、月、季尺度多表现出普遍均化为更低强度等级的湿润(如1998年第11旬、7月)或正常状态(图 4中1998年春季、夏季)、甚至相反的干旱等级值(如1998年第7旬、3月)。上述结果表明, 广西湿润事件在空间分布格局和强度等级上均具有较显著的时间尺度效应; 针对广西湿润事件分布格局与演变过程的精细化监测, 日、候尺度亦是更适宜的表达尺度。

3.2 干湿面积变化的尺度效应

统计IWAP干湿强度格点的面积百分率, 绘制1961-2017年各时间尺度的干旱、湿润面积百分率时变曲线(图 5); 并计算相邻尺度间对应等级干湿面积的相关系数(如日尺度按5日均值序列与候尺度序列对应计算, 其他尺度类推); 单个时间尺度内对应等级的干旱与湿润面积相关系数如图 5右边数值。

由图 5可知, 各时间尺度总体均显示广西干旱与湿润事件影响面积随时间频繁交替的变化特征, 其中, 季尺度呈现出较显著的年际时段持续干旱(如1987-1989年、2004-2008年、2009-2012年)或持续湿润(如1993-1998年)的面积变化现象; 各时间尺度上, 广西干湿面积波动变化具有显著的尺度效应, 且不仅存在月-季旱涝并存、还存在更小时间尺度(如旬、候、日)的旱涝频繁交替的演变特征。此外, 日与候尺度干湿面积序列间的相关系数值范围为0.64~0.79(均值为0.73, 属强相关)、候与旬尺度为0.14~0.49(均值为0.40, 属中相关)、旬与月尺度为0~0.40(均值为0.25, 属弱相关)、月与季尺度为0~0.58(均值为0.41, 属中相关); 这表明日与候尺度能较好地反映广西干湿面积随时间的精细化交替波动过程, 而候与旬、旬与月尺度对广西干湿面积变化的反映一致性总体较弱(尤其是特、重旱基本无相关性), 月与季尺度间湿润及轻旱等级的面积变化具有中等相关一致性, 而在中度以上干旱等级的相关性很弱或无相关性。

由图 5中单个时间尺度内的干湿面积序列间相关系数可知, 各尺度的轻旱与轻湿均存在极显著的强(或接近强-0.6)负相关, 各尺度的中旱与中湿均存在极显著的中度(或接近中度-0.4)负相关, 表明广西轻度和中度的干湿面积演变在不同时间尺度内亦普遍存在连续交替的波动特征。而各尺度内的重度和特(极)等级的干湿面积间的相关性均很弱(小于0.2)或未通过显著性检验, 表明广西重度和特(极)等级的干湿面积演变没有显著的一致性对应关系, 除了变量内部的干湿波动分量外, 还受到外部干扰造成的多重周期振荡分量, 最终叠加表现出异常的极端干湿事件现象。

在广西干湿影响面积量值方面, 极湿事件面积超50%年份有:1972年、1983年、1990年、1994年、2016年(日尺度), 1983年、1990年、1994年、2016年(候尺度), 1968年、1994年、2016年(旬尺度), 1968年、1994年(月尺度), 1994年、2016年(季尺度); 特旱事件面积超50%年份有:1963年、1972年、1988年、1991年、2004年、2012年、2016年(日尺度), 1963年、1967年、1988年、1989年、1991年、1993年、2010年(候尺度), 2004年(旬尺度), 1963年(月尺度), 1963年、1989年、2009年、2011年(季尺度)。由此表明, 广西全局或区域性极端干湿事件监测亦存在显著的尺度效应, 但日、候尺度均能更稳定和全面地监测出极端干湿事件, 且监测结果差异相对较小。此外, 在各时间尺度内, 发生各等级干旱事件的面积总体均大于发生湿润事件的面积; 季尺度干湿面积总体存在较显著的累加抵消或坦化现象, 故量值上明显小于其他时间尺度。

3.3 干湿事件频次空间分布的尺度效应

统计各等级IWAP干湿强度事件在研究区内的发生频次百分率, 绘制1961-2017年各时间尺度的干旱事件(图 6)、湿润事件(图 7)发生频次百分率空间分布。

由图 6和图 7可知, 57年时段内, 广西各强度干旱(湿润)事件发生频次空间分布及其百分率在不同时间尺度上差异显著; 其中, 日与候尺度(空间相关系数值为:总旱0.616 3(除中旱外)、总湿0.511 9)、旬与月尺度(总旱0.636 7(除特旱弱相关)、总湿0.766 5)之间的发生频次空间分布总体具有中、强相关程度的空间一致性, 而候与旬尺度(总旱0.238、总湿0.568 1)、月与季尺度(总旱0.139 6、总湿0.188 1)之间的频次空间分布则总体表现为弱、负或基本无空间一致的相关性。这表明, 日与候尺度、旬与月尺度各自能够监测出广西干旱(湿润)事件相近或一致的发生模态和强度空间格局; 而候与旬尺度、月与季尺度之间的监测模态空间格局差异较大。

在干旱事件频次量值方面(图 6), 不同时间尺度的干旱事件频次均值为:32.98%(日)、30.56%(候)、37.29%(旬)、36.03%(月)、26.23%(季); 各等级干旱事件频次均值范围为:轻旱16.69%(月)~21.16%(日), 中旱6.93%(季)~16.91%(月), 重旱1.51%(旬)~2.69%(候), 特旱0.01%(月)~0.99%(候)。由此表明, 不同时间尺度对广西干旱事件发生频次的监测, 总旱结果差异相对较小(除季尺度), 但各尺度同等级干旱频次差异相对较大; 尤其是日与候尺度监测的特旱频次显著大于其他尺度, 说明广西存在10天以内尺度的骤发性干旱, 这种现象难以在旬及以上时间尺度上被识别。

在湿润事件频次量值方面(图 7), 不同时间尺度的湿润事件频次均值为:26.17%(日)、27.11%(候)、32.84%(旬)、33.58%(月)、27.28%(季); 各等级湿润事件频次均值范围为:轻湿11.72%(日)~15.15%(月), 中湿6.82%(日)~11.35%(月), 重湿3.53%(季)~5.27%(旬), 极湿2.08%(月)~4.19%(季)。由此表明, 不同时间尺度对广西湿润事件发生频次的监测, 旬、月尺度的总湿频次略高于其他尺度, 而各尺度的同等级湿润频次差异相对较大(尤其是中湿、极湿)。

对比上述干旱与湿润事件频次结果, 广西总体干旱事件频次略高于湿润事件频次; 在不同干湿等级上, 轻旱、中旱事件频次显著高于轻湿、中湿事件, 而重旱、特旱事件频次显著低于重湿、极湿事件。由此表明, 广西干旱事件多以气象干湿频繁交替的轻、中旱现象为主, 连续极端干旱事件显著较少; 而广西湿润事件则以干湿频繁交替的轻、中湿, 及连续极端降雨形成的重、极湿事件均有一定频次的现象。综上, 广西干旱、湿润事件发生频次的空间分布和量值均存在显著尺度效应; 其中, 对干旱事件, 日与候尺度具有更全面的监测能力(尤其对特旱); 而对湿润事件, 没有发现某尺度显著优于其他尺度的现象。

4 广西典型干湿事件过程识别

基于3节结果, 本节采用能反映广西干湿事件精细化演变过程的日与候尺度IWAP序列, 并结合游程理论和EID方法对典型干旱(2009年7年1日-2010年6月30日)和典型湿润(1998年1月1日-1998年12月31日)年份进行干旱(河池、百色)、湿润(柳州、南宁)事件发生、发展至结束整个过程识别。首先, 分别绘制日尺度(图 8干旱和图 10湿润)与候(图 9干旱和图 11湿润)尺度IWAP强度、累积及其5点斜率滑动曲线, 采用游程理论识别IWAP曲线得到干旱、湿润事件的合理持续历时(表 2); 其次, 采用EID方法按该持续历时逐日/候滑动分别求得时段干湿的相对强度及其曲线(图 8~图 11), 其中, 曲线的最小(大)值点即为干旱(湿润)事件过程的历时中心, 并根据公式(4)计算得到最终的干旱(湿润)事件起讫时间(表 3)。

4.1 典型干旱事件过程识别

由图 8、图 9可知, IWAP曲线表达了河池、百色在时段内干旱综合强度的变化过程, 日与候尺度IWAP曲线都能较好地识别出2009年7月1日-2010年6月30日时段内的两次持续数月的干旱事件, 二者仅在局部时段的量值上有所不同。图中IWAP逐日(候)累积曲线进一步揭示了时段内, 河池、百色干旱过程的累积效应和持续影响程度, 当IWAP为正值表示气象干旱解除时, 恰是本次干旱对下垫面(如作物)影响最为严重的时刻, 即累计曲线达到最小值; 而且后续影响虽有减缓, 但并未消除, 随之进入了下一次干旱过程, 最终形成了2009-2010年广西大范围的秋冬春连续特大干旱及旱灾事件^[30]。IWAP累计曲线的5点斜率(逐日/候)滑动曲线反映了干旱影响程度的增强(负值)、减弱(正值)及其变化速率(绝对值大小); 图 8~图 9中均显示两次典型干旱事件过程的前半个时段干旱影响加重速率显著强于后半个时段。

游程理论识别的干旱事件持续历时显示(表 2), 河池两次干旱事件的合理持续历时:日尺度分别为171天和93天, 候尺度分别为32候(共160天)和15候(共75天); 百色两次干旱事件的合理持续历时:日尺度分别为169天和52天, 候尺度分别为33候(共165天)和10候(共50天)。此外, 表中其他持续历时数值为这两次干旱事件的前、后时段因干湿波动而形成的短期干旱现象, 其影响显然很小。

基于上述两次干旱事件的合理持续历时, 按EID方法检测得到了河池、百色典型干旱事件过程的最大相对强度的中心时刻, 日尺度显示(图 8箭头所示):河池分别为2009年10月29日和2010年4月5日, 百色分别为2009年10月30日和2010年4月2日; 候尺度显示(图 9箭头所示):河池分别为2009年第59候(即2009年10月18-22日)和2010年第20候(即2010年4月11-15日), 百色分别为2009年第61候(即2009年10月28日-11月1日)和2010年第19候(即2010年4月1-5日)。以此中心时刻为EID方法中的当前日期m, 持续历时为n, 由公式(4)计算得准确的干旱事件起讫时间(表 3); 日尺度显示:河池两次干旱事件过程时段分别为2009年8月5日-2010年1月22日和2010年2月25日-5月28日, 百色两次干旱事件过程时段分别为2009年8月3日-2010年1月22日和2010年3月8日-4月28日; 候尺度显示:河池分别为2009年第44候-2010年第2候和2010年第13候-第27候, 百色分别为2009年第45候-2010年第4候和2010年第15候-第24候。通过对比EID监测结果(图 8~9的2个干旱时段)与IWAP强度及其累积曲线, 易知游程理论结合EID方法能够较准确地识别广西干旱事件过程的起讫时间和相对强度中心, 并且日尺度的识别精确度略优于候尺度。

4.2 典型湿润事件过程识别

由图 10、图 11可知, 日与候尺度IWAP曲线亦能较好识别出1998年1月1日-12月31日时段内柳州(2次)和南宁(1次)典型气象湿润事件综合强度随降雨变化的发生发展过程。图中IWAP逐日(候)累积曲线亦揭示了时段内柳州、南宁一定空间范围内的湿润累积量变化, 当IWAP为负值表示气象湿润事件解除时, 该空间范围内的湿润累积量达到最大, 此后对应的下垫面洪涝灾害随之逐渐减弱至解除(这不同于干旱的后续长期影响); 这是因为洪涝灾害形成通常为"线状"分布, 工程调控和人类防灾能起到较显著效果(而面状分布的干旱则常难以及时应对产生效果, 通常存在显著的滞后性)^[31]。此外, IWAP累计曲线的5点斜率(逐日/候)滑动曲线反映了湿润累积的增强(正值)、减弱(负值)及变化速率(绝对值大小); 图 10~图 11均显示出该湿润事件过程的前半个时段增强速率显著快于后半个时段减弱速率。

游程理论识别的湿润事件持续历时显示(表 2), 柳州两次典型湿润事件的合理持续历时:日尺度分别为30天和47天, 候尺度均为10候(共50天); 南宁一次典型湿润事件的合理持续历时:日尺度为46天, 候尺度为11候(共55天)。表 2中其他持续历时数值为这两次典型湿润事件前、后时段因干湿波动而形成的短期湿润现象, 其影响显然很小。

基于上述典型湿润事件的合理持续历时, 按EID方法检测得到了柳州、南宁典型湿润事件过程的最大相对强度的中心时刻, 日尺度显示(图 10箭头所示):柳州分别为1998年3月17日和1998年7月13日, 南宁为1998年7月12日; 候尺度显示(图 11箭头所示):柳州分别为1998年第18候(即1998年3月27-31日)和1998年第40候(即1998年7月15-19日), 南宁为1998年第41候(即1998年7月20-24日)。以此中心时刻为EID方法中的当前日期m, 持续历时为n, 由公式(4)计算可得准确的湿润事件起讫时间(表 3); 日尺度显示:柳州两次湿润事件过程时段分别为1998年3月3日4月1日和1998年6月20日-8月5日, 南宁1次湿润事件过程时段为1998年6月20日-8月4日; 候尺度显示:柳州分别为1998年第14候-第23候和1998年第36候-第45候, 南宁为1998年第36候-第46候。通过对比EID监测结果(图 10~图 11的2个湿润时段)与IWAP强度及其累积曲线, 易知游程理论结合EID方法亦能够较准确地识别广西湿润事件过程的起讫时间和相对强度中心, 并且日尺度的识别精确度略优于候尺度。

综上, 日尺度IWAP对广西干湿波动变化较候尺度敏感, 能很好地揭示骤发性干旱和突发极端降雨形成的湿润事件; 而候尺度IWAP则相对更为稳定, 能很好地揭示长时段(通常在月及以上时间尺度的季节性干湿事件)的干湿演变过程。由此推断, 同时考虑候尺度稳定性和日尺度精细化优势, 采用候尺度逐日滑动方式计算IWAP进行广西干湿过程识别可能是最佳方式。

5 结论

本文通过分析IWAP指数在广西不同时间尺度干湿演变监测及其过程识别效果, 得出以下结论。

(1) 在干湿强度时空分布方面, IWAP指数时间尺度越小(如日、候), 对广西大气干湿快速频繁交替波动和空间分布连续演变现象监测效果越好; 旬尺度在不同的干湿条件下监测效果优劣差异较大, 月、季尺度则存在明显均化或局部累积。

(2) 在干湿面积变化方面, 日与候尺度IWAP监测的广西干湿面积变化具有强正相关一致性, 而其他尺度间的结果相关性普遍较弱; 单个尺度内的轻(中)度干湿的面积变化存在强(中)负相关一致性, 重(特)干湿的面积变化无一致相关性; 各时间尺度上, 广西干旱事件面积总体均大于湿润事件面积, 且季尺度干湿面积存在较显著的累加抵消现象, 数值明显小于其他时间尺度。

(3) 在干湿事件频次方面, 不同时间尺度间IWAP对广西总干旱、总湿润事件频次监测差异小于各尺度内的同等级干湿事件频次差异; 日与候尺度、旬与月尺度分别监测出广西干湿事件相近的发生模态和强度分布, 而其他尺度监测的频次差异较大。广西总体的干旱事件频次略高于湿润事件频次, 但重旱、特旱事件频次显著低于重湿、极湿频次。

(4) 在干湿事件过程识别方面, 采用日或候尺度IWAP指数, 结合游程理论和EID方法对广西干湿过程及其起讫时间识别具有很好的效果, 且日尺度对干湿快速交替波动的响应比候尺度敏感, 能很好地揭示骤发性干旱和突发极端降雨形成的湿润事件。

总之, 广西气象干湿时空演变具有显著的时间尺度效应, 针对当前经济社会对区域旱涝事件过程的精细化识别与信号诊断(逐日), 并实现业务化实时精准旱涝灾害预警的迫切需求, 文中的研究成果可为此目标提供重要的科技支撑。