梁曼琳，劉丙軍，3，李 旦

（1.中山大學(xué)土木工程學(xué)院，廣東珠海 519082；2.華南地區(qū)水循環(huán)與水安全廣東省普通高校重點實驗室，廣東珠海 519082；3.南方海洋科學(xué)與工程廣東省實驗室（珠海），廣東珠海 519000）

引言

全球氣候持續(xù)變暖加速了水文循環(huán)過程［1］，流域極端降水事件增加，降水時空分布不均的情況進一步加?。?］，進而更易導(dǎo)致流域旱澇極端災(zāi)害事件頻發(fā)。相比較于單一災(zāi)害類型，短期時間內(nèi)接連遭遇干旱、洪澇氣象災(zāi)害，受災(zāi)區(qū)域面臨的損失和影響會更加嚴(yán)重［3］。作為受氣候影響最敏感的領(lǐng)域之一，農(nóng)業(yè)生產(chǎn)在頻率高、強度大的氣象災(zāi)害中遭受重大損失［4］。因此，開展旱澇急轉(zhuǎn)事件識別及影響機制的研究，對保障區(qū)域水安全與糧食安全，具有十分重要的理論與實踐意義［5］。

當(dāng)前，旱澇急轉(zhuǎn)事件的識別方法主要分為2方面：一方面，根據(jù)降水量和降水日數(shù)篩選旱澇急轉(zhuǎn)事件，通常采用連續(xù)無雨日數(shù)劃分干旱等級，結(jié)合首次降雨雨強閾值［6］或多種降雨情景劃分洪澇等級［7-8］，篩選旱澇急轉(zhuǎn)事件。盡管該識別方法以實際降水情況，可直接提取旱澇急轉(zhuǎn)事件，但是存在以經(jīng)驗值劃分旱澇標(biāo)準(zhǔn)、只適用于研究旱轉(zhuǎn)澇事件的局限性；另一方面，分別從宏觀尺度與微觀尺度出發(fā)構(gòu)建旱澇急轉(zhuǎn)指數(shù)，即直接通過急轉(zhuǎn)指數(shù)數(shù)值判斷是否發(fā)生急轉(zhuǎn)，或結(jié)合游程理論的多閾值門檻提取急轉(zhuǎn)事件。宏觀尺度上，研究多以長周期旱澇急轉(zhuǎn)指數(shù)LDFAI［9］和短周期旱澇急轉(zhuǎn)指數(shù)SDFAI［10］為代表，分別采用多月或單月標(biāo)準(zhǔn)降水計算得相應(yīng)指數(shù)。這類研究存在不能完整描述急轉(zhuǎn)事件、急轉(zhuǎn)時間節(jié)點固定的短板，無法提取出多維度的旱澇急轉(zhuǎn)特性。微觀上，研究多基于標(biāo)準(zhǔn)化前期降水指數(shù)SAPI［11］、日尺度旱澇急轉(zhuǎn)指數(shù)DWAAI［12］、SPI［13］、SWAP［14］等旱澇識別指數(shù)，結(jié)合游程理論對具體的旱澇急轉(zhuǎn)事件進行識別。該識別手段能夠準(zhǔn)確地識別出當(dāng)?shù)氐暮禎城闆r，篩選的急轉(zhuǎn)事件具有明確物理意義并可提取事件特性。然而，上述研究存在研究時期固定為汛期、單一研究旱轉(zhuǎn)澇類型急轉(zhuǎn)事件的不足，并缺少對指數(shù)合理性的探討。

綜上，本文選取珠江流域為研究區(qū)域，構(gòu)建了不同前期降水影響日數(shù)下的旱澇指數(shù)SPI、SPEI和SWAP，運用游程理論，結(jié)合急轉(zhuǎn)發(fā)生期的降水集中性、土壤墑情變化以及實際農(nóng)業(yè)生產(chǎn)情況，根據(jù)急轉(zhuǎn)識別結(jié)果的有效性與準(zhǔn)確性，探討了上述指數(shù)的適用性，對適合珠江流域旱澇急轉(zhuǎn)事件識別的急轉(zhuǎn)指數(shù)進行優(yōu)選，以期為珠江流域水資源安全調(diào)控提供理論與實踐依據(jù)。

1 研究方法

1.1 旱澇識別指數(shù)

根據(jù)結(jié)合游程理論識別方法，選取合適的旱澇識別指數(shù)進行急轉(zhuǎn)事件識別。本文選用3種常見旱澇識別指數(shù)SPI、SPEI和SWAP，3種指數(shù)皆采用降水?dāng)?shù)據(jù)進行構(gòu)建，同時具有多種時間尺度。其區(qū)別在于構(gòu)建的側(cè)重點不一，其中SPI僅關(guān)注降水，SPEI加入了蒸散發(fā)的影響，SWAP中包含了降水影響衰減的因素。

（1）標(biāo)準(zhǔn)化降水指數(shù)SPI。SPI［15］是McKee等在評估美國科羅拉多州干旱狀況時提出的，具有適用于多時間尺度、計算簡單穩(wěn)定、對旱澇反應(yīng)靈敏的優(yōu)點。假定降水量變化服從Gamma分布，計算出某時段內(nèi)降水量Γ分布概率，對累積概率分布H（x）進行標(biāo)準(zhǔn)正態(tài)化處理，得到相應(yīng)的SPI序列，計算過程詳見文獻［15］。

（2）標(biāo)準(zhǔn)化降水蒸散發(fā)指數(shù)SPEI。SPEI［16］是基于SPI改進的量化氣候旱度的指標(biāo)，以簡單水循環(huán)為支撐，充分考慮了大氣蒸散發(fā)對水分通量的影響。SPEI計算方法為假定同一時段的降水與潛在蒸散發(fā)差值序列服從log-logistic分布，計算出某時段內(nèi)降水與潛在蒸散發(fā)差值的log-logistic分布概率，最后對累積概率分布H（x）進行標(biāo)準(zhǔn)正態(tài)化處理，計算過程詳見文獻［17］，其中潛在蒸散發(fā)PE的計算采用聯(lián)合國糧農(nóng)組織推薦的FAO Penman-Monteith公式。

（3）標(biāo)準(zhǔn)化加權(quán)平均降雨指數(shù)SWAP。SWAP指數(shù)是以當(dāng)日旱澇狀態(tài)受前期旱澇狀態(tài)和當(dāng)日降水的影響為前提的指數(shù)，不僅可用來衡量當(dāng)前的氣象旱澇狀態(tài)，而且可體現(xiàn)旱澇的累積效應(yīng)。SWAP計算方法是假定同一日加權(quán)平均降雨WAP［18］序列服從Gamma分布，通過Γ分布對某時段WAP進行擬合，最后對累積概率分布進行標(biāo)準(zhǔn)正態(tài)化處理，公式如下：

式中：Pn表示第n天的降水；wn表示Pn的權(quán)重，a為權(quán)重隨時間的衰減參數(shù)；N為前期降水影響天數(shù)。a與N的選取一般根據(jù)研究區(qū)當(dāng)?shù)赝寥?水系統(tǒng)而定，根據(jù)經(jīng)驗通常定義a=0.9，N=45。a取值較大時可相對降低SWAP對當(dāng)前降水敏感性，為避免SWAP由于較小降水過程而出現(xiàn)頻繁波動，選取a=0.9。由于SPI、SPEI和SWAP遵循了一致的標(biāo)準(zhǔn)化方法，它們的值應(yīng)具有相同的統(tǒng)計意義。因此，采用統(tǒng)一的標(biāo)準(zhǔn)化累積頻率分布來劃分旱澇等級（見表1）。

表1 SPI、SPEI和SWAP的旱澇強度分類等級Table 1 Categorization of dryness-wetness grade by the SPI,SPEI and SWAP

1.2 旱澇急轉(zhuǎn)事件識別方法

游程理論，或稱為“閾值理論”，是一種分析時間序列的方法，可簡易提取干旱和洪澇多種特征屬性（圖1）。對某一旱澇指數(shù)時間序列，設(shè)定指數(shù)臨界值X0、X1和時間長度臨界值D0、D1和D2，當(dāng)指數(shù)持續(xù)低于X0（高于X1）的時間不小于D0（D1）時，認為出現(xiàn)干旱（洪澇）。當(dāng)干旱與洪澇之間相隔的時間不大于D2時，認為構(gòu)成了旱澇急轉(zhuǎn)事件。根據(jù)旱澇指數(shù)劃分標(biāo)準(zhǔn)，選用中旱等級上界-1和中澇等級下界1作為X0和X1。參考各類研究的急轉(zhuǎn)識別方法，確定基于日值指數(shù)的識別時長閾值D0、D1為10日，干旱狀態(tài)與洪澇狀態(tài)之間的急轉(zhuǎn)期時長閾值D2為8日。

圖1 基于游程理論的急轉(zhuǎn)事件識別過程Fig.1 Detection of the drought-flood abrupt alternation based on the run theory

為避免輕微的降水?dāng)_動導(dǎo)致長期旱澇事件被分割為若干短期事件，從而無法有效識別急轉(zhuǎn)事件，采用IC方法［19］對符合條件的同一指數(shù)序列識別的連續(xù)干旱或洪澇事件進行合并處理。以2個連續(xù)干旱事件的合并為例，前后發(fā)生的干旱事件具有特征屬性分別代表起始時間、結(jié)束時間、歷時和烈度。當(dāng)滿足以下2個條件時，可認為該相鄰的兩場干旱相互關(guān)聯(lián)，可進行合并得到新的干旱事件：一是中間間隔時間ti不超過臨界值tc，二是相鄰干旱的間隔時間ti內(nèi)的烈度超越量Si與前一干旱事件烈度S1的比值不超過臨界值ρc。參考Tu［20］等在珠江流域的敏感性分析成果，設(shè)定tc=2 d和ρc=0.2。

1.3 識別結(jié)果比對方法

能否準(zhǔn)確判斷旱澇急轉(zhuǎn)發(fā)生時段是檢驗急轉(zhuǎn)識別方法有效性指標(biāo)之一。本文選用綜合指標(biāo)權(quán)重分配法，篩選旱澇急轉(zhuǎn)事件識別的適宜指數(shù)：在參與比對的n種識別指數(shù)中，對于同一研究區(qū)同一急轉(zhuǎn)類型（澇轉(zhuǎn)旱或旱轉(zhuǎn)澇）急轉(zhuǎn)事件，以發(fā)生時間為基準(zhǔn)，統(tǒng)計所有識別方法在每個月識別的急轉(zhuǎn)事件數(shù)，并根據(jù)發(fā)生頻次對當(dāng)月賦予權(quán)重m（0≤m≤n）（如圖2）。根據(jù)每種指數(shù)方法的識別結(jié)果時間分布，將其對應(yīng)月份權(quán)重進行加總，計算方法如下式中：Ei為某研究區(qū)中同類型急轉(zhuǎn)事件的權(quán)重和；T為時間序列的總月份數(shù)；(coli)t為該方法在第t月是否發(fā)生急轉(zhuǎn)事件的邏輯值。最終以所有研究區(qū)域不同類型的權(quán)重和總和作為識別方法權(quán)重和E，權(quán)重和越大說明該識別方法對其他識別方法結(jié)果的歸納能力越高。為了排除識別方法因識別事件數(shù)多且權(quán)重和最大被認作最優(yōu)方法、實際與其他識別方法結(jié)果重合度低的情況，計算不同權(quán)重閾值k（1≤k≤n）下的權(quán)重和Ek，其值僅包括m≥k的月份權(quán)重。以Ek占總權(quán)重E1（k=1時的權(quán)重和）的比例表示權(quán)重比例，權(quán)重比例越高說明急轉(zhuǎn)結(jié)果中多種識別方法可共同識別的事件所占比重大，歸納準(zhǔn)確度越高。當(dāng)某識別方法權(quán)重和Ek（k＞1）較其他方法有明顯優(yōu)勢、且權(quán)重比例也較高時，認為該識別方法歸納能力與識別準(zhǔn)確度高，可作為最優(yōu)識別方法。

圖2 對月份進行加權(quán)法賦值示意圖Fig.2 Schematic diagram of the weighting assignment at the monthly scale

2 案例分析

2.1 研究區(qū)概況

珠江位于102°14'～115°53'E、21°31'～26°49'N之間，由西江、北江與東江三大支流構(gòu)成，流經(jīng)我國南部的云南、貴州、廣西、廣東、湖南、江西等6?。ㄗ灾螀^(qū)）。珠江流域地域廣闊，氣候復(fù)雜，屬于濕熱多雨的熱帶、亞熱帶氣候區(qū)。考慮到流域內(nèi)降水空間分布整體性，將廣西東南部、廣東東部和西南部及海南島納入研究區(qū)。珠江流域降水受氣旋/副熱帶高氣壓等大氣系統(tǒng)交替影響，極易發(fā)生旱澇急轉(zhuǎn)事件，嚴(yán)重威脅流域以及粵港澳大灣區(qū)的水資源安全，以珠江流域作為研究案例具有較高研究意義。本文氣象資料來源于國家氣象科學(xué)數(shù)據(jù)中心產(chǎn)品“中國地面氣候資料日值數(shù)據(jù)集（V3.0）”（http：//data.cma.cn），選用1961-2020年珠江流域內(nèi)的日降水、氣溫等資料，該數(shù)據(jù)集質(zhì)量良好，具有完整性和可靠性，被廣泛應(yīng)用于珠江流域等區(qū)域性研究中［14，21］。土壤墑情資料來源于歐洲中期天氣預(yù)報中心（ECMWF）的第五代全球大氣再分析數(shù)據(jù)（ERA5）產(chǎn)品（https：//cds.climate.copernicus.eu），選用第一層（0～7 cm）土壤含水率數(shù)據(jù)代表土壤墑情，該數(shù)據(jù)集同樣在地區(qū)氣象研究中被廣泛應(yīng)用，且其土壤含水率數(shù)據(jù)在珠江流域具有較高適用性［22］。為排除季節(jié)變化對土壤含水率的影響，對土壤含水率進行標(biāo)準(zhǔn)化處理。

珠江流域多年平均溫度在14～22℃之間，多年平均降水量約1 200～2 200 mm。受季風(fēng)氣候影響，降水空間分布差異明顯，總體呈東多西少變化趨勢?；谥榻饔蚪?jīng)度跨度大、降水時空分布不均勻的特點，參考Fang等［23］的劃分方法，按照水資源二級分區(qū)，將珠江流域分為10個子流域，分別為西江段的南北盤江區(qū)（I區(qū)）、紅柳江區(qū)（II區(qū)）、西江區(qū)（III區(qū)）和郁江區(qū)（VII區(qū)），北江段的北江區(qū)（IV區(qū)），東江段的東江區(qū)（V區(qū)），珠江三角洲河段的珠江三角洲區(qū)（IX區(qū)），以及韓江及粵東諸河區(qū)（VI區(qū)）、粵西桂南沿海諸河區(qū)（VIII區(qū)）和海南島及南海各島諸河區(qū)（X區(qū)）。以子流域內(nèi)氣象站數(shù)據(jù)或格點土壤數(shù)據(jù)的平均值代表子流域氣象和土壤墑情。該分區(qū)方法使得同一子流域內(nèi)氣象條件和土壤條件相近，其中子流域降水均值與同區(qū)域站點降水相關(guān)性平均值高達0.71，同時土壤含水率均值與同子流域格點相關(guān)性平均值高達0.51，且協(xié)方差數(shù)值均大于0。子流域之間降水規(guī)律則有明顯差距，主要表現(xiàn)為日降水相關(guān)性強弱不一和變化趨勢不一（圖3），如I區(qū)、X區(qū)與大部分的子流域相關(guān)性系數(shù)在0.2以下，V區(qū)和VI區(qū)降水相關(guān)性系數(shù)高達0.8，過半數(shù)的子流域相關(guān)性系數(shù)小于0.3。在變化趨勢上，分別有7個子流域日降水序列的M-K趨勢系數(shù)Z值大于1.96，日降水序列出現(xiàn)明顯的上升趨勢，VII區(qū)日降水序列的Z值小于-1.96，出現(xiàn)了相反的變化趨勢（見表2）。整體上流域降水空間異質(zhì)性較強，需采用分區(qū)后的子流域作為整體，分別進行急轉(zhuǎn)事件的識別。

圖3 各區(qū)日降水序列的相關(guān)性Fig.3 Correlation of precipitation series between different sub basins

表2 日降水量與日尺度指數(shù)在不同研究區(qū)域的M-K趨勢檢驗值Table 2 M-K test of the daily precipitation and indices for different sub basins

2.2 前期降水影響日數(shù)優(yōu)選

降水對后續(xù)干濕狀態(tài)具有持續(xù)的影響，可通過前期降水日數(shù)反映。為避免出現(xiàn)短期干旱與強澇交替的情形，結(jié)合珠江流域產(chǎn)匯流特點，考慮從7 d、14 d和21 d中選取合適的前期降水影響日數(shù)，作為構(gòu)建旱澇識別指數(shù)的前期降雨影響因子。以分區(qū)III為例，受前期降雨影響下標(biāo)準(zhǔn)化降水量Pst變幅明顯較不受前期降雨影響（N=1）時平緩，強降水的影響作用得到延長。當(dāng)相鄰兩場降水間隔時間較短時，N=7、N=14和N=21的Pst持續(xù)維持在較高水平，利于反映地區(qū)持續(xù)澇的特征和提取澇事件，因此較大的N值適用于作為構(gòu)建旱澇識別指數(shù)的前期降水影響日數(shù)（見圖4）。

圖4 III區(qū)2000年不同累積降雨日數(shù)下的標(biāo)準(zhǔn)化降雨量Fig.4 Standardized precipitation under different accumulation precipitation days at 2000 in sub basin III

通過急轉(zhuǎn)發(fā)生時期降水集中性與土壤墑情同步變化率，分析前期降水影響日數(shù)N值對的旱澇急轉(zhuǎn)事件識別結(jié)果有效性的影響，結(jié)果見表3。一般情況下，降水集中性越強，土壤墑情同步變化率越高，識別結(jié)果有效性也越高。結(jié)果中3種N值下識別結(jié)果有效性皆較高，降水集中度指數(shù)CI［24］、降水絕對偏差Ca［25］和土壤墑情同步變化率Sc（土壤含水率的Theil-Sen魯棒線性變化趨勢與急轉(zhuǎn)類型一致的比例）最小值達0.64、38.83和82%，說明指數(shù)識別結(jié)果有效性都較高。其中N=14與N=21的CI和Ca值均明顯較N=7時高，降水集中性更優(yōu)，N=14與N=21土壤墑情同步變化率Sc分別為89%和87%，N=14土壤墑情同步變化響應(yīng)程度更高，可認為N=14時識別結(jié)果有效性最優(yōu)。綜上分析，當(dāng)N=14時各指數(shù)識別結(jié)果歸納能力最優(yōu)，表現(xiàn)為權(quán)重和E1、E2較其他N值下的對應(yīng)權(quán)重和更大，說明識別事件結(jié)果中包含了最多與其他N值下識別一致的急轉(zhuǎn)事件。

表3 基于不同前期影響日數(shù)的各指數(shù)急轉(zhuǎn)識別結(jié)果平均指標(biāo)Table 3 Average assessments for different indices based on varying accumulation precipitation days

2.3 SPI、SPEI與SWAP指數(shù)優(yōu)選

對比基于SPI、SPEI和SWAP的急轉(zhuǎn)識別結(jié)果有效性，結(jié)果見圖5。其中，基于SWAP識別結(jié)果在各子流域降水集中性和土壤墑情同步變化性較SPI和SPEI更好，CI、Ca和Sc的變化范圍分別為0.68～0.78、21.3～76和74%～100%，V區(qū)和IX區(qū)的CI、Ca和Sc值均為3種指數(shù)中最高，總體上大于或略小于同區(qū)域?qū)?yīng)均值。全流域總體平均值分別為0.73、52.48和92%（見表4），降水集中性指數(shù)比基于SPEI識別結(jié)果高，同時土壤墑情同步變化性比基于SPI高，說明3種指數(shù)中基于SWAP的急轉(zhuǎn)識別結(jié)果有效性最強，與降水集中性和土壤墑情同步變化性對應(yīng)關(guān)系最優(yōu)。

圖5 不同指數(shù)方法識別結(jié)果的急轉(zhuǎn)事件特性空間分布Fig.5 Spatial distribution of different indices-derived detected drought-flood abrupt alternation events

表4 基于N=14的各指數(shù)急轉(zhuǎn)識別結(jié)果平均指標(biāo)Table 4 The detection of abrupt alternation events based on different indices under N=14

通過統(tǒng)計k=1、k=2和k=3這3種閾值下的權(quán)重和及計算相應(yīng)的權(quán)重比例，認為基于SWAP指數(shù)的識別準(zhǔn)確度在3種指數(shù)中最優(yōu)。當(dāng)k=2時，SWAP指數(shù)的權(quán)重比例為0.9，是基于SPI和SPEI權(quán)重比例的1.9和1.3倍，說明基于SWAP的識別結(jié)果中包含最大比重的多種識別方法可共同識別的事件，識別歸納的準(zhǔn)確度最優(yōu)。同時，各k值下基于SWAP的權(quán)重和Ek較大，與E1值最大的基于SPI方法在k=2權(quán)重和相差5.8%，2種指數(shù)方法對全部識別結(jié)果歸納能力相近，見圖6。

圖6 權(quán)重和與權(quán)重比例隨驗證層次的變化Fig.6 Changes in weight and weight rate along the level variation

SWAP指數(shù)在識別典型急轉(zhuǎn)事件上亦較SPI和SPEI更加準(zhǔn)確。根據(jù)中國氣象災(zāi)害年鑒［26］等資料的記載，2007年夏季在珠江流域發(fā)生過典型急轉(zhuǎn)事件，華南大部分地區(qū)7月至8月上旬持續(xù)高溫少雨，伏旱嚴(yán)重，湖南、廣東、廣西、江西等地逾370萬人出現(xiàn)飲水困難，151.9萬hm2農(nóng)作物受災(zāi)。8月中下旬，超強臺風(fēng)“圣帕”在臺灣省東部和福建省沿海地區(qū)登陸，致使華南等地發(fā)生強降水，使部分地區(qū)前期干旱得到緩解，也使部分地區(qū)發(fā)生洪澇災(zāi)害。通過該3種旱澇識別指數(shù)均可在該時段內(nèi)識別出旱轉(zhuǎn)澇急轉(zhuǎn)事件，急轉(zhuǎn)發(fā)生區(qū)域為V區(qū)、VI區(qū)和IX區(qū)。以V區(qū)中識別得的急轉(zhuǎn)事件為例，3種指數(shù)識別得的急轉(zhuǎn)時間旱段起止時間及澇段起始時間相近，其中SWAP指數(shù)識別的急轉(zhuǎn)事件澇段起始時間最早，在子區(qū)域降雨量達第一個峰值時判定急轉(zhuǎn)事件澇段開始，SPI和SPEI識別的急轉(zhuǎn)事件澇段則出現(xiàn)了1～2日的延后，見圖7。SWAP指數(shù)識別的澇段結(jié)束時間發(fā)生于第二次降水峰值后的持續(xù)5日的小雨時段內(nèi)，后續(xù)5日總雨量為80 mm，未發(fā)生強降水，無法使急轉(zhuǎn)事件的澇段延續(xù)，因此急轉(zhuǎn)結(jié)束時間分別較SPI和SPEI提早6日和18日?？梢钥闯觯瑯?gòu)建SWAP指數(shù)中的降水影響衰減因素使得SWAP能夠有效對澇時期進行合理判斷，在干燥少雨氣象條件下指數(shù)發(fā)生相應(yīng)及時的變化，對旱澇急轉(zhuǎn)過程的識別較SPI和SPEI更準(zhǔn)確，結(jié)合其急轉(zhuǎn)結(jié)果識別的有效性和準(zhǔn)確性高的特點，選取SWAP-14d作為識別珠江流域旱澇急轉(zhuǎn)事件的最優(yōu)指數(shù)。

注：圖中標(biāo)點為3種指數(shù)識別得的急轉(zhuǎn)事件旱段及澇段的起止時間點。

3 結(jié)論

基于珠江流域1961-2020年的日氣象資料，結(jié)合游程理論，分別探討了不同前期降水影響日數(shù)下的SPI、SPEI和SWAP在珠江流域旱澇急轉(zhuǎn)事件識別適用性，得出以下主要結(jié)論：

（1）根據(jù)水資源二級區(qū)將珠江流域劃分為10個子流域，使得同一子流域內(nèi)氣象與土壤條件相近，不同子流域間日降水序列相關(guān)性普遍較弱，過半數(shù)的子流域相關(guān)性系數(shù)小于0.3。同時，不同子流域降水變化趨勢具有明顯差異，其中7個和1個子流域日降水序列分別呈顯著上升和下降趨勢，降水時空分布異質(zhì)性較強；

（2）前期降水影響日數(shù)為14 d時，急轉(zhuǎn)發(fā)生時期降水集中度普遍較7 d時高，平均土壤墑情同步變化率較21 d時高，識別結(jié)果有效性最優(yōu)，同時各指數(shù)識別結(jié)果歸納能力最優(yōu)，權(quán)重和大于7 d和21 d對應(yīng)的權(quán)重和更大，可作為構(gòu)建旱澇識別指數(shù)的前期降水影響日數(shù)；

（3）3種旱澇識別指數(shù)中，基于SWAP識別的急轉(zhuǎn)事件同期降水集中度CI、Ca和土壤墑情同步變化率分別為0.73、52.48和92%，總體上數(shù)值均高于基于SPI和SPEI識別結(jié)果，急轉(zhuǎn)識別結(jié)果有效性最高。同時，SWAP的權(quán)重比例明顯高于基于SPI和SPEI對應(yīng)的權(quán)重比例，對典型旱澇急轉(zhuǎn)災(zāi)情的識別準(zhǔn)確度最高。