張潔祥 呂娟 張學(xué)君 屈艷萍 馮愛(ài)青

摘要：

2022年夏季，長(zhǎng)江流域遭遇了史上罕見(jiàn)的高溫干旱事件，給農(nóng)業(yè)、生態(tài)和社會(huì)經(jīng)濟(jì)帶來(lái)嚴(yán)重影響。利用1961～2022年的氣象數(shù)據(jù)資料，分析了2022年長(zhǎng)江流域夏季高溫少雨的時(shí)空分布特征；在此基礎(chǔ)上，采用基于Copula函數(shù)的多變量風(fēng)險(xiǎn)評(píng)估方法，對(duì)此次高溫復(fù)合型干旱事件的重現(xiàn)期進(jìn)行了分析。結(jié)果表明：長(zhǎng)江流域2022年夏季高溫日數(shù)較常年同期偏多147.5%，為1961年以來(lái)歷史第一位，且高溫發(fā)展嚴(yán)重區(qū)域與降雨量偏少區(qū)域高度重合?；贑opula函數(shù)聯(lián)合重現(xiàn)期的分析顯示2022年夏季長(zhǎng)江流域干旱超過(guò)100a一遇，為有完整氣象觀測(cè)記錄以來(lái)最極端的干旱；而只考慮降水或者高溫的單變量重現(xiàn)期分析將此次干旱事件定義為30a或者60a一遇，難以合理描述此類復(fù)合型災(zāi)害的發(fā)生風(fēng)險(xiǎn)。從空間看，2022年夏季長(zhǎng)江流域干旱在上、中、下游的聯(lián)合重現(xiàn)期分別為100，75，55a一遇。針對(duì)日益頻發(fā)的復(fù)合型極端事件，未來(lái)風(fēng)險(xiǎn)評(píng)估需考慮兩個(gè)或多個(gè)變量極端狀況的同期疊加效應(yīng)，這對(duì)于科學(xué)把握災(zāi)害的極端性及其風(fēng)險(xiǎn)影響、及時(shí)制定抗旱減災(zāi)措施具有重要的科學(xué)指導(dǎo)意義。

關(guān) 鍵 詞：

重現(xiàn)期； 極端干旱； Copula函數(shù)； 復(fù)合型事件； 高溫少雨； 2022年長(zhǎng)江流域干旱

中圖法分類號(hào)： P426.6

文獻(xiàn)標(biāo)志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.005

0 引 言

在全球氣候變暖和人類活動(dòng)影響下，由兩個(gè)或多個(gè)極端事件同時(shí)或者相繼發(fā)生所形成的復(fù)合型極端事件發(fā)生頻率和強(qiáng)度不斷增加［1-5］。相對(duì)于傳統(tǒng)的單一事件，復(fù)合型極端事件造成的社會(huì)、經(jīng)濟(jì)和生態(tài)影響更為嚴(yán)重。IPCC第六次評(píng)估報(bào)告（AR6）評(píng)估表明，20世紀(jì)50年代以來(lái)，全球熱浪和干旱復(fù)合事件增多，并且隨著未來(lái)氣候變暖加劇，許多區(qū)域的復(fù)合事件發(fā)生概率將增加［6-7］。在全球氣候變化背景下，中國(guó)高溫干旱等復(fù)合極端事件發(fā)生的頻率和強(qiáng)度同樣呈現(xiàn)增加趨勢(shì)［8-10］。開(kāi)展復(fù)合型極端事件的風(fēng)險(xiǎn)評(píng)估對(duì)于科學(xué)認(rèn)識(shí)不同極端事件的疊加效應(yīng)，準(zhǔn)確把握災(zāi)害的極端性及其影響，及時(shí)制定防災(zāi)減災(zāi)措施具有重要的意義。

高溫-少雨疊加形成的極端干旱是一類典型的復(fù)合型極端事件。近年來(lái)，國(guó)內(nèi)外學(xué)者嘗試從多變量聯(lián)合重現(xiàn)的角度出發(fā)，對(duì)此類復(fù)合極端事件的風(fēng)險(xiǎn)進(jìn)行綜合評(píng)估。AghaKouchak等［11］采用基于Copula函數(shù)的多變量風(fēng)險(xiǎn)評(píng)估方法分析了2014年加州大旱的聯(lián)合重現(xiàn)期，結(jié)果表明考慮降水和溫度復(fù)合型事件的2014年加州大旱的重現(xiàn)期達(dá)到200 a一遇，遠(yuǎn)遠(yuǎn)大于基于單變量風(fēng)險(xiǎn)評(píng)估的重現(xiàn)期。Liu等［12］分別采用基于單邊量風(fēng)險(xiǎn)評(píng)估和基于Copula函數(shù)的多變量風(fēng)險(xiǎn)評(píng)估方法分析了中國(guó)西南地區(qū)典型干旱年份的重現(xiàn)期，發(fā)現(xiàn)基于單變量的風(fēng)險(xiǎn)評(píng)估難以合理描述復(fù)合型災(zāi)害的發(fā)生風(fēng)險(xiǎn)，而在氣候變化的背景下復(fù)合型災(zāi)害事件的發(fā)生將變得更加普遍，采用多變量的方法則更能準(zhǔn)確估算其發(fā)生概率。梅梅等［13］基于1961～2022年長(zhǎng)江流域逐日氣象觀測(cè)數(shù)據(jù)和氣象干旱綜合指數(shù)，分析了長(zhǎng)江流域極端高溫、干旱以及高溫干旱復(fù)合事件的長(zhǎng)期趨勢(shì)和相互關(guān)系，發(fā)現(xiàn)在氣候變暖背景下，高溫、復(fù)合極端事件將變得更為極端；高溫事件增加是復(fù)合事件增加的原因，越來(lái)越多的干旱事件與高溫關(guān)聯(lián)。以上研究表明，傳統(tǒng)的單變量風(fēng)險(xiǎn)評(píng)估方法難以準(zhǔn)確評(píng)估其重現(xiàn)期，考慮多變量因素風(fēng)險(xiǎn)評(píng)估是合理和必要的。

長(zhǎng)江流域是中國(guó)第一大流域，長(zhǎng)江經(jīng)濟(jì)帶戰(zhàn)略作為中國(guó)新一輪國(guó)家戰(zhàn)略，其區(qū)域內(nèi)干旱與洪澇災(zāi)害的發(fā)生對(duì)中國(guó)政治經(jīng)濟(jì)有著舉足輕重的影響。2022年入汛以來(lái)，長(zhǎng)江流域降水持續(xù)性偏少，高溫?zé)崂诉^(guò)程持續(xù)增強(qiáng)，高溫少雨同期疊加致使流域出現(xiàn)自1961年有完整氣象觀測(cè)記錄以來(lái)最嚴(yán)重的水文氣象干旱，覆蓋流域的上、中、下游。針對(duì)此次典型的高溫復(fù)合型干旱事件，不少學(xué)者從成因、災(zāi)害風(fēng)險(xiǎn)、影響等方面進(jìn)行了研究［14-18］，但其極端性及其復(fù)合型風(fēng)險(xiǎn)仍有待進(jìn)一步深入研究。因此，本研究基于1961～2022年夏季長(zhǎng)江流域降雨和氣溫?cái)?shù)據(jù)產(chǎn)品，考慮高溫-少雨雙變量復(fù)合疊加影響，按照不同流域分區(qū)對(duì)2022年夏季長(zhǎng)江流域干旱的重現(xiàn)期進(jìn)行了綜合研究，為全面認(rèn)識(shí)此次長(zhǎng)江流域大旱的極端性及其風(fēng)險(xiǎn)影響，科學(xué)制定抗旱減災(zāi)決策提供支撐。

1 數(shù)據(jù)與方法

1.1 研究數(shù)據(jù)

本文以長(zhǎng)江流域?yàn)檠芯繀^(qū)域，并將其劃分為上游、中游和下游（見(jiàn)圖1）［19-20］。采用國(guó)家氣候中心提供的流域668個(gè)氣象站點(diǎn)1961年1月以來(lái)的逐月降水和高溫日數(shù)資料（站點(diǎn)分布如圖1所示）進(jìn)行分析。所有雨量數(shù)據(jù)均通過(guò)系統(tǒng)的質(zhì)量控制和均一性檢驗(yàn)，保證了資料的連續(xù)性和完整性。

常用的Copula函數(shù)包括t-copula和Archimedean copula（Frank，Clayton，Gumbel），可以用來(lái)構(gòu)建二維聯(lián)合分布。根據(jù)經(jīng)驗(yàn)分布函數(shù)與理論分布函數(shù)的平方歐式距離［36］來(lái)進(jìn)行聯(lián)合分布函數(shù)的擬合優(yōu)度檢驗(yàn)。本文擬選擇t-copula［34］來(lái)計(jì)算雙變量Kendall重現(xiàn)期（SKRP）。

2 結(jié)果與討論

2.1 長(zhǎng)江流域夏季降雨和高溫時(shí)空分布特征

圖2展示了1961～2022年夏季（6～8月）長(zhǎng)江流域面雨量和高溫日數(shù)的變化?？傮w上，長(zhǎng)江流域夏季面雨量和高溫日數(shù)均呈現(xiàn)出上升趨勢(shì)。其中，長(zhǎng)江流域夏季面雨量呈現(xiàn)輕微上升趨勢(shì)，每10 a面雨量增加6.1 mm；長(zhǎng)江流域夏季高溫日數(shù)呈現(xiàn)明顯的上升趨勢(shì)，每10 a高溫日數(shù)增加1.1 d，在2000年以后高溫日數(shù)增加趨勢(shì)更加顯著，每10 a高溫日數(shù)增加3.8 d，與IPCC第六次評(píng)估報(bào)告（AR6）的結(jié)論基本一致［37］。

對(duì)于2022年夏季（6～8月），長(zhǎng)江流域面雨量為345.5 mm，較常年同期偏少26.1%，為歷史同期第二少。其中，2022年8月份長(zhǎng)江流域面雨量?jī)H為64.8 mm，為歷史同期最少，較常年同期偏少52.8%。長(zhǎng)江流域高溫日數(shù)為35.8 d，遠(yuǎn)遠(yuǎn)超出歷史同期水平，較常年同期偏多147.5%。2022年8月份長(zhǎng)江流域高溫日數(shù)達(dá)到19.2 d，較常年同期偏多209.2%。

圖3展示了2022年夏季（6～8月）長(zhǎng)江流域降雨量距平和高溫日數(shù)的空間分布情況。總體上，2022年夏季長(zhǎng)江流域降雨量幾乎全流域較常年同期水平偏少，大部分地區(qū)降雨量偏少20%以上；降雨量偏少最嚴(yán)重的地區(qū)有四川省中東部、重慶市、湖南省中部、湖北省北部、安徽省中部、江西省東南部等地區(qū)，降雨量較常年同期水平偏少50%以上，部分地區(qū)甚至偏少80%以上。2022年夏季長(zhǎng)江流域大部分地區(qū)高溫日數(shù)超過(guò)30 d，高溫日數(shù)最多的地區(qū)分布在四川省中東部、重慶市、湖南省中部和東南部、湖北省北部和東部、安徽省中部和東部、江西省等地區(qū)，高溫日數(shù)達(dá)到50 d以上。高溫少雨將導(dǎo)致干旱的發(fā)生。通過(guò)圖3（a）和3（b）可知，2022年夏季長(zhǎng)江流域高溫發(fā)展嚴(yán)重區(qū)域與降雨量偏少區(qū)域高度重合，高溫導(dǎo)致蒸發(fā)需求的增加，加上降雨的減少，使得長(zhǎng)江流域氣象干旱快速發(fā)展。

2.2 2022年夏季長(zhǎng)江流域極端干旱重現(xiàn)期分析

圖4可見(jiàn)，2022年夏季長(zhǎng)江流域面雨量為345.5 mm，在歷史同期位于第二少；1972年夏季長(zhǎng)江流域面雨量為344.3 mm，歷史同期位于第一少；2022年夏季長(zhǎng)江流域高溫日數(shù)為35.8 d，在歷史同期位于第一位；1972年夏季長(zhǎng)江流域高溫日數(shù)為16.4 d。

在基于降水的單變量風(fēng)險(xiǎn)評(píng)估中，1972年和2022年夏季長(zhǎng)江流域干旱事件的重現(xiàn)期分別約為60 a和30 a；在基于高溫日數(shù)的單變量風(fēng)險(xiǎn)評(píng)估中，1972年和2022年夏季長(zhǎng)江流域干旱事件的重現(xiàn)期分別約為3 a和60 a?；诟邷?少雨復(fù)合型事件，2022年夏季長(zhǎng)江流域干旱事件的重現(xiàn)期約為100 a，1972年夏季長(zhǎng)江流域干旱事件的重現(xiàn)期約為20 a，見(jiàn)圖4（c）和圖4（d）。表明隨著溫度的增加，降雨量接近而溫度升高將導(dǎo)致土壤更加干旱，對(duì)自然和社會(huì)經(jīng)濟(jì)系統(tǒng)產(chǎn)生的影響越大。

2.2.1 上游區(qū)

圖5可見(jiàn)，2022年夏季長(zhǎng)江上游區(qū)面雨量為324.8 mm，位于歷史同期第二少；2006年夏季長(zhǎng)江上游區(qū)面雨量為314.5 mm，位于歷史同期第一少；2022年夏季長(zhǎng)江上游區(qū)高溫日數(shù)為26.4 d，位于歷史同期第一位；2006年夏季長(zhǎng)江上游區(qū)高溫日數(shù)為21.3 d，位于歷史同期第二位。

在基于降水的單變量風(fēng)險(xiǎn)評(píng)估中，2006年和2022年夏季長(zhǎng)江上游區(qū)干旱事件的重現(xiàn)期分別約為60 a和30 a；在基于高溫日數(shù)的單變量風(fēng)險(xiǎn)評(píng)估中，2006年和2022年夏季長(zhǎng)江上游區(qū)干旱事件的重現(xiàn)期分別約為30 a和60 a?；诟邷?少雨復(fù)合型事件，2022年夏季長(zhǎng)江上游區(qū)干旱事件的重現(xiàn)期約為100 a，而2006年夏季長(zhǎng)江上游區(qū)干旱事件的重現(xiàn)期約為75 a。說(shuō)明對(duì)于長(zhǎng)江上游區(qū)來(lái)說(shuō)，高溫在2022年夏季這場(chǎng)干旱中起到至關(guān)重要的作用。

2.2.2 中游區(qū)

圖6可見(jiàn)，2022年夏季長(zhǎng)江中游區(qū)面雨量為383.0 mm，位于歷史同期第4少；1972年夏季長(zhǎng)江中游區(qū)面雨量為319.3 mm，位于歷史同期第一少，見(jiàn)圖6（a）；2022年夏季長(zhǎng)江中游區(qū)高溫日數(shù)為43.2 d，位于歷史同期第一位；1972年夏季長(zhǎng)江中游區(qū)高溫日數(shù)為22.3 d，見(jiàn)圖6（b）。

在基于降水的單變量風(fēng)險(xiǎn)評(píng)估中，1972年和2022年夏季長(zhǎng)江中游區(qū)干旱事件的重現(xiàn)期分別約為60 a和15 a；基于高溫日數(shù)的單變量風(fēng)險(xiǎn)評(píng)估，1972年和2022年夏季長(zhǎng)江中游區(qū)干旱事件的重現(xiàn)期分別約為2 a和60 a?；诟邷?少雨復(fù)合型事件，2022年夏季長(zhǎng)江中游區(qū)干旱事件的重現(xiàn)期約為75 a，而1972年為20 a，見(jiàn)圖6（c）和圖6（d）。

2.2.3 下游區(qū)

圖7可見(jiàn)，2022年夏季長(zhǎng)江下游區(qū)面雨量為313.5 mm，位于歷史同期第5少；1978年夏季長(zhǎng)江下游區(qū)面雨量為185.1 mm，位于歷史同期第一少；2022年夏季長(zhǎng)江下游區(qū)高溫日數(shù)為40.4 d，位于歷史同期第一位；1978年夏季長(zhǎng)江下游區(qū)高溫日數(shù)為28.8 d，位于歷史同期第四位。

傳統(tǒng)基于降水的單變量風(fēng)險(xiǎn)評(píng)估，1978年和2022年夏季長(zhǎng)江下游區(qū)干旱事件的重現(xiàn)期分別約為60 a和12 a；基于高溫日數(shù)的單變量風(fēng)險(xiǎn)評(píng)估，1978年和2022年夏季長(zhǎng)江下游區(qū)干旱事件的重現(xiàn)期分別約為15 a和60 a?；诟邷?少雨復(fù)合型事件，2022年夏季長(zhǎng)江下游區(qū)復(fù)合干旱事件的重現(xiàn)期約為55 a，而1978年的重現(xiàn)期則小于50 a。說(shuō)明對(duì)于一場(chǎng)干旱事件，基于單變量的風(fēng)險(xiǎn)評(píng)估不能準(zhǔn)確估計(jì)復(fù)合型災(zāi)害發(fā)生的風(fēng)險(xiǎn)。

2.2.4 合理性討論

為進(jìn)一步驗(yàn)證多變量聯(lián)合重現(xiàn)期結(jié)論的合理性，本文劃分了少雨、高溫、高溫-少雨3類樣本年份，并采用單變量與雙變量對(duì)上述對(duì)象的重現(xiàn)期進(jìn)行了分析。其中，典型的少雨年份有1972年、1992年、1971年、1966年，其中1972年夏季長(zhǎng)江流域面雨量為344.3 mm，位于歷史同期第一少；典型的高溫年份有2018年、1961年、2016年、2017年；典型的復(fù)合高溫-少雨年份有2022年、1978年、2006年、2013年和1967年（見(jiàn)圖8）。

基于降水的單變量重現(xiàn)期分析，夏季長(zhǎng)江流域高溫-少雨年份2022年、1978年、2006年、2013年、1967年的重現(xiàn)期分別約為30 a、20 a、15 a、12 a、7 a；少雨年份1972年、1992年、1971年、1966年的重現(xiàn)期分別為60 a、10 a、9 a、8 a；高溫年份2018年、1961年、2016年、2017年的重現(xiàn)期分別為3 a、2 a、1 a、1 a（見(jiàn)表1）。

基于高溫日數(shù)的單變量重現(xiàn)期分析，夏季長(zhǎng)江流域高溫-少雨年份2022年、1978年、2006年、2013年、1967年的重現(xiàn)期分別約為60 a、10 a、20 a、30 a、7 a；少雨年份1972年、1992年、1971年、1966年的重現(xiàn)期分別為3 a、2 a、5 a、6 a；高溫年份2018年、1961年、2016年、2017年的重現(xiàn)期分別為15 a、12 a、9 a、8 a（見(jiàn)表1）。

根據(jù)高溫與少雨聯(lián)合重現(xiàn)期分析，2022年夏季長(zhǎng)江流域高溫復(fù)合型事件的重現(xiàn)期約為100 a，1972年、1978年、2006年和2013年重現(xiàn)期均為20 a，其余年份重現(xiàn)期均小于10a（見(jiàn)表1）。

上述結(jié)果表明，傳統(tǒng)的單變量風(fēng)險(xiǎn)評(píng)估側(cè)重從單一方面對(duì)極端事件進(jìn)行定性描述，對(duì)復(fù)合型極端事件的風(fēng)險(xiǎn)易存在高估或低估的現(xiàn)象；相反，采用多變量聯(lián)合重現(xiàn)期評(píng)估能夠考慮不同變量同期的極端性，更能全面合理地認(rèn)識(shí)事件的發(fā)生風(fēng)險(xiǎn)及其極端性。

3 結(jié) 論

本研究基于1961～2022年夏季長(zhǎng)江流域降水、氣溫?cái)?shù)據(jù)產(chǎn)品，對(duì)2022年夏季長(zhǎng)江流域干旱的時(shí)空特征進(jìn)行了分析。在此基礎(chǔ)上，采用單變量和Copula多變量重現(xiàn)期分析方法，對(duì)2022年夏季長(zhǎng)江流域高溫少雨復(fù)合事件的重現(xiàn)期進(jìn)行了分析。主要結(jié)論如下：

（1） 1961～2022年長(zhǎng)江流域夏季降水和高溫日數(shù)均呈現(xiàn)上升趨勢(shì)。其中，長(zhǎng)江流域夏季面雨量輕微上升，每10 a面雨量增加6.1 mm；長(zhǎng)江流域夏季高溫日數(shù)呈現(xiàn)明顯的上升趨勢(shì)，每10 a高溫日數(shù)增加1.1 d，在2000年以后高溫日數(shù)增加趨勢(shì)更加顯著，每10 a高溫日數(shù)增加3.8 d。

（2） 2022年夏季長(zhǎng)江流域降雨量幾乎全流域較常年同期水平偏少，大部分地區(qū)偏少20%以上；2022年夏季長(zhǎng)江流域大部分地區(qū)高溫日數(shù)超過(guò)30 d，遠(yuǎn)遠(yuǎn)超出歷史同期水平，較常年同期偏多147.5%。高溫發(fā)展嚴(yán)重區(qū)域與降雨量偏少區(qū)域高度重合，高溫導(dǎo)致蒸發(fā)增加，疊加降水減少，使得長(zhǎng)江流域氣象干旱迅速發(fā)展。

（3） 在高溫-少雨復(fù)合事件影響下，2022年夏季長(zhǎng)江流域干旱重現(xiàn)期超過(guò)100 a，為有完整氣象記錄以來(lái)最極端的干旱事件；而基于降水或者溫度單變量的重現(xiàn)期分析，將此次干旱事件定義為30 a或者60 a一遇，難以合理描述此類復(fù)合型災(zāi)害的發(fā)生風(fēng)險(xiǎn)。從空間上看，此次干旱在上、中、下游的聯(lián)合重現(xiàn)期分別達(dá)到100 a，75 a，55 a。表明針對(duì)諸如2022年夏季長(zhǎng)江流域復(fù)合型極端氣候事件，開(kāi)展風(fēng)險(xiǎn)評(píng)估需考慮多變量疊加效應(yīng)，這對(duì)于科學(xué)把握災(zāi)害的極端性、準(zhǔn)確評(píng)估災(zāi)害的影響極為重要。

參考文獻(xiàn)：

［1］ JEHANZAIBM，SATTAR M N，LEE J H，et al.Investigating effect of climate change on drought propagation from meteorological tohydrological drought using multi-model ensemble projections［J］.Stochastic Environmental Research and Risk Assessment，2020，34：7-21.

［2］ CARDELL M F，AMENGUAL A，ROMERO R，et al.Future extremes of temperature and precipitation in Europe derived from a combination of dynamical and statistical approaches［J］.International Journal of Climatology，2020，40：4800-4827.

［3］ WEILNHAMMERV，SCHMIDJ，MITTERMEIERI，et al.Extreme weather eventsineurope and their health consequences-A systematic review［J］.International Journal of Hygiene and Environmental Health，2021，233：113688.

［4］ LEONARD M，WESTRAS，PHATAKA，et al.A compound event framework for understanding extreme impacts［J］.Wiley Interdisciplinary Reviews-climate Change，2014，5（1）：113-128.

［5］ HAO Z C，AGHAKOUCHAK A，PHILLIPSTJ.Changes in concurrent monthly precipitation and temperature extremes［J］.Environmental Research Letters，2013，8（3）：034014.

［6］ IPCC.Climate Change 2021：the physical science basis contribution of working group I to the sixth assessment report of the intergovernmental panel on climate change［M］.Cambridge：Cambridge University Press，2021.

［7］ 周波濤，錢進(jìn).IPCC AR6報(bào)告解讀：極端天氣氣候事件變化［J］.氣候變化研究進(jìn)展，2021，17（6）：713-718.

［8］ 廖國(guó)清，朱燁，吳光東，等.中國(guó)近60年干旱熱浪演變趨勢(shì)及并發(fā)特征分析［J］.長(zhǎng)江科學(xué)院院報(bào)，2023，40（2）：169-176.

［9］ 武新英，郝增超，張璇，等.中國(guó)夏季復(fù)合高溫干旱分布及變異趨勢(shì)［J］.水利水電技術(shù)（中英文），2021，52（12）：90-98.

［10］ ZHOU P，LIU Z Y.Likelihood of concurrent climate extremes and variations over China［J］.Environmental Research Letters，2018，13（9）：094023.

［11］ AGHAKOUCHAK A，CHENGLY，MAZDIYASNI O，et al.Global warming and changes in risk of concurrentclimate extremes：Insights from the 2014 California drought［J］.Geophysical Research Letters，2014，41（24）：8847-8852.

［12］ LIU L L，JIANG Y，GAO J B，et al.Concurrent climate extremes and impacts on ecosystems in southwest China［J］.Remote Sensing，2022，14（7），1678.

［13］ 梅梅，高歌，李瑩，等.1961～2022年長(zhǎng)江流域高溫干旱復(fù)合極端事件變化特征［J］.人民長(zhǎng)江，2023，54（2）：12-20.

［14］ 周軍，任宏昌，王蒙，等.2022年夏季長(zhǎng)江流域干旱特征及成因分析［J］.人民長(zhǎng)江，2023，54（2）：29-35.

［15］ 孫博，王會(huì)軍，黃艷艷，等.2022年夏季中國(guó)高溫干旱氣候特征及成因探討［J］.大氣科學(xué)學(xué)報(bào)，2023，46（1）：1-8.

［16］ 張強(qiáng).科學(xué)解讀“2022年長(zhǎng)江流域重大干旱”［J］.干旱氣象，2022，40（4）：545-548.

［17］ 陳茜茜，屈艷萍，呂娟，等.長(zhǎng)江流域干旱災(zāi)害風(fēng)險(xiǎn)分布特征分析［J］.中國(guó)防汛抗旱，2022，32（10）：17-22.

［18］ 范進(jìn)進(jìn)，秦鵬程，史瑞琴，等.氣候變化背景下湖北省高溫干旱復(fù)合災(zāi)害變化特征［J］.干旱氣象，2022，40（5）：780-790.

［19］ ZHANG D，HONG H Y，ZHANG Q，et al.Attribution of the changes in annual stream flow in the Yangtze River Basin over the past 146 years［J］.Theoretical and Applied Climatology，2015，119：323-332.

［20］ 黃濤，徐力剛，范宏翔，等.長(zhǎng)江流域干旱時(shí)空變化特征及演變趨勢(shì)［J］.環(huán)境科學(xué)研究，2018，31（10）：1677-1684.

［21］ 詹道江，徐向陽(yáng)，陳元芳.工程水文學(xué)［M］.北京：中國(guó)水利電力出版社，2013.

［22］ COOLEY D，NYCHKAD，NAVEAUP.Bayesian spatial modeling of extreme precipitation return levels［J］.Journal of the American Statistical Association，2007，102（4079）：824-840.

［23］ CHOWV T.Handbook of Applied Hydrology［M］.New York：McGraw-Hill，1964.

［24］ HAO Z C，AGHAKOUCHAKA.Multivariate standardized drought index：A parametric multi-index model［J］.Advances in Water Resources，2013，57：12-18.

［25］ 王曉峰，張園，馮曉明，等.基于游程理論和Copula函數(shù)的干旱特征分析及應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2017，33（10）：206-214.

［26］ 閻寶偉，郭生練，肖義，等.基于兩變量聯(lián)合分布的干旱特征分析［J］.干旱區(qū)研究，2007，24（4）：537-542.

［27］ 肖義.基于copula函數(shù)的多變量水文分析計(jì)算研究［D］.武漢：武漢大學(xué)，2007.

［28］ 許凱.中國(guó)干旱變化規(guī)律及典型引黃灌區(qū)干旱預(yù)報(bào)方法研究［D］.北京：清華大學(xué)，2015.

［29］ 史黎翔.多變量水文事件重現(xiàn)期計(jì)算研究［D］.楊凌：西北農(nóng)林科技大學(xué)，2016.

［30］ 史黎翔，宋松柏.基于Copula函數(shù)的兩變量洪水重現(xiàn)期與設(shè)計(jì)值計(jì)算研究［J］.水力發(fā)電學(xué)報(bào)，2015，34（10）：27-34.

［31］ SALVADORI G，MICHELE C D，DURANTE F.On the return period and design in a multivariate framework［J］.Hydrology and Earth System Sciences，2011，15（11）：3293-3305.

［32］ SALVADORI G.Bivariate return periods via 2-Copulas［J］.Statistical Methodology，2004，1（1）：129-144.

［33］ SKLAR M.Fonctions de répartition à n dimensions et leurs marges［J］.Publications de l′Institut de Statistique de L′Université de Paris，1959，8：229-231.

［34］ NELSEN R B.An introduction to copulas［M］.New York：Springer Science & Business Media，2007.

［35］ JOE H，KUROWICKA D.Dependence modeling：Vine copula handbook［M］.Singapore：World Scientific，2010.

［36］ HOSSAINM，ABUFARDEH S.A new method of calculating Squared Euclidean Distance（SED） using p-Tree technology and itsperformance analysis［J］.EPiC Series Computing.2019，58：45-54.

［37］ 姜大膀，王曉欣.對(duì) IPCC 第六次評(píng)估報(bào)告中有關(guān)干旱變化的解讀［J］.大氣科學(xué)學(xué)報(bào)，2021，44（5）：650-653.

（編輯：江 文）

Abstract：

In the summer of 2022，the Changjiang River Basin suffered a rare high-temperature drought event，posing a serious impact on agriculture，ecology and social economy.Based on the 61-year meteorological data （1961-2022） and the multivariate risk assessment method based on the Copula function，the return period of extreme climate in the Changjiang River basin in the summer of 2022 was evaluated.Results show that the number of high-temperature days in the summer of 2022 in the Changjiang River Basin is 1475% higher than that in the same period of normal year，which is the first in history since 1961.Areas where severe high temperatures developed are highly coincident with areas with little precipitation.The 2022 concurrent event has a return period of about 100 years，which is the most extreme drought event in the complete historical record.However，the return period of individual climate factors such as precipitation or temperature is just 30 years or 60 years，which significantly underestimates the risk of such compound disasters.Spatially，the joint return periods of this drought in the upper，middle，and lower reaches are 100，75，and 55 years.These analyses show that for compound events of concurrent droughts and heat waves，the superposition effect of multiple variables （high temperature and low precipitation） should be considered in the future risk of extreme events.This will largely give a help to scientifically grasp the extremes of disasters and their risk effects and to formulate drought mitigation measures in time.

Key words：

return period；extreme drought；Copula function；compound events；high-temperature and low-precipitation；drought in Changjiang River Basin of 2022