《Agricultural Water Management》：How can a multi-dimensional Copula framework reveal the intensity of compound droughts?
编辑推荐：
针对复合干旱强度量化评估不足的难题，研究人员提出了一个融合双变量和三变量Copula结构的多维标准化复合干旱严重程度指数(SCDS)，以量化气象(MD)、水文(HD)和生态(ED)干旱间的非线性依赖关系。研究发现，1987-2020年间新疆复合干旱强度呈增强趋势(斜率=-0.002)，且不同季节主导干旱类型各异。该研究为干旱监测、风险评估和气候适应提供了统一量化工具。
在全球气候变暖的背景下，极端天气事件正变得愈发频繁和剧烈。干旱，作为一种持久且影响广泛的自然灾害，对粮食安全、水资源和生态系统稳定性构成严重威胁。然而，干旱并非孤立事件，它常常表现出“级联效应”——持续的气象干旱(MD)减少降水，打破降水与蒸散发间的平衡，进而导致地表径流和地下水补给减少，引发水文干旱(HD)，最终引发植被胁迫和生态系统退化，即生态干旱(ED)。这种不同类型干旱在时空上的耦合，被称为“复合干旱”。面对这种复杂的、多类型的干旱耦合现象，一个核心的科学挑战在于如何全面、准确地评估和量化复合干旱的“强度”。传统研究大多关注单一类型干旱，或仅限于分析固定两两干旱类型之间的联合概率，难以在一个统一的概率框架下，系统地表征“至少两种干旱类型同时发生”这一复合干旱的核心定义，更难以量化其综合强度。特别是在地形复杂、气候干旱的新疆地区，多种干旱类型频繁发生、相互作用强烈，对这一问题的研究显得尤为迫切和重要。
为了填补这一空白，由曾坤郭、余洋、孙凌霄、李春兰、何静、陈明杰、高雨婷、邓建明、余瑞德组成的研究团队在《Agricultural Water Management》上发表了一项研究。他们开发了一个创新的多维Copula理论框架，旨在揭示复合干旱的强度及其动态机制。该研究聚焦新疆，利用1987年至2020年的长时间序列数据，构建了能够整合气象、水文、生态三类干旱信息的标准化复合干旱严重程度指数(SCDS)，并对复合干旱的时空演变趋势、突变点以及各类型干旱的相对贡献进行了深入分析。
研究人员开展这项研究主要运用了以下几个关键技术方法：首先，他们基于标准化降水蒸散指数(SPEI)、标准化径流指数(SRI)和标准化复合生态干旱指数(SCEDI)分别表征MD、HD和ED。其次，研究核心是构建了基于Copula函数的SCDS指数量化框架，该框架通过概率积分变换(PIT)将各干旱指数标准化，并利用双变量Copula模型刻画两两干旱类型（MH, ME, HE）间的非线性依赖关系，同时采用D-vine Copula结构构建三变量(MHE)联合分布模型，最终在一个统一的概率公式下计算“至少两种干旱类型同时发生”的概率，并将其通过Probit变换标准化为SCDS指数。此外，研究还采用了季节性趋势分解(STL)与剪枝精确线性时间(PELT)算法相结合的方法，来检测SCDS时间序列的长期趋势和突变点。最后，通过基于“敏感性×趋势”的相对贡献(RC)方法，系统量化了MD、HD、ED三者对SCDS长期变化的相对驱动作用。
4.1. SPEI、SRI和SCEDI之间的空间相关性特征
研究首先通过皮尔逊相关分析明确了三种单一干旱类型间的内在联系。结果显示，SPEI与SRI、SPEI与SCEDI、SRI与SCEDI之间均普遍呈正相关关系，且通过显著性检验(p< 0.05)的区域比例分别达到83.91%、85.07%和61.32%，表明三类干旱在时空上具有较强的一致性。其中，SPEI与SCEDI的相关性最强，而SRI与SCEDI的关联相对较弱，这反映了在干旱区，生态干旱对气象干旱的响应可能更为直接，而其与水文干旱的同步性则因水文过程的缓冲作用而有所减弱。
4.2. SCDS的合理性评估
4.2.1. 基于Copula框架的可靠性
研究详细展示了SCDS的构建过程。通过AIC和BIC准则筛选最优的边缘分布和Copula函数类型。结果发现，对于SPEI，正态(Normal)分布占主导(97.85%)；对于SCEDI，逻辑(Logistic)分布较常见(46.8%)。在双变量Copula选择上，MH组合中最优的Copula类型表现出明显的空间异质性，如GumbelCopula(具有强上尾相依性)在阿尔泰山等区域占比较高，暗示极端条件下MD与HD易同时加剧。在三变量建模中，采用了D-vine Copula，并比较了M-H-E和M-E-H两种变量序列。空间分析揭示，盆地边缘绿洲区以M-H-E(气象→水文→生态)传播序列为主，反映了水文过程和人工作用的缓冲；而山区则以M-E-H(气象→生态→水文)序列为主，表明生态系统对气象缺水的响应可能先于水文系统。
4.2.2. SCDS与单一干旱指数的关系
通过三维散点图和时间序列对比分析，验证了SCDS能有效捕捉多类型干旱的协同发生。当SPEI、SRI、SCEDI中任意两者或三者同时为负值(干旱)时，SCDS值相应降低(干旱加剧)。SCDS的时间序列波动与三个单一指数高度同步，在整个研究区的一致性比率高达83.5%，在各子区域也均超过81%，证明了SCDS在整合多源干旱信息方面的可靠性。
4.2.3. 典型干旱期的对比分析
以2008年夏季干旱为例，SCDS的空间分布模式与《中国水旱灾害公报》中记载的旱情高度吻合，且能清晰显示三种干旱类型协同发生的区域，其表征的复合干旱范围和强度与实际情况一致，进一步证实了SCDS在识别复合干旱事件方面的有效性和适用性。
4.3. 基于SCDS的趋势和突变点检测
趋势和突变点特征的空间分布：应用STL-PELT耦合方法对SCDS序列进行分析。结果显示，1987-2020年间，整个新疆地区的SCDS呈现轻微的下降趋势(斜率 = -0.002)，表明复合干旱强度在整体上逐渐增强。超过78%的像元检测到突变点，且93%以上的突变点表现为SCDS值下降(Δμ< 0)。突变点时间主要集中在2000-2010年，其中52.16%集中在2000-2005年，多发生于山区；30.38%在2005-2010年，多见于河谷绿洲区。从变化类型看，单调减少(持续变干)是主导类型，占总面积的39.47%，主要分布在绿洲农业区；而总体稳定的区域约占12.16%，主要位于昆仑山北麓。
子区域趋势分析：各子区域的SCDS均呈下降趋势，但强度各异。阿尔泰山下降趋势最显著(斜率 = -0.003, p≤ 0.05)，而昆仑山趋势最弱且不显著。部分区域检测到趋势转折，如阿尔泰山和天山区在2003-2006年间存在从下降到略增的转折(但转折后趋势不显著)，伊犁河谷则在2006年后有从增到减的转折。
4.4. 三类干旱对SCDS的相对贡献统计
利用相对贡献(RC)方法量化了MD、HD、ED对SCDS长期变化的驱动作用。结果显示，RC存在明显的季节分异：春季(3-5月)，MD的贡献率最高(40.97%-44.41%)，主导了绿洲区的复合干旱；夏季和秋季(6-11月)，ED的贡献占据绝对优势(贡献率36.43%-42.42%)，特别是在天山和西昆仑山等高植被覆盖的山区；冬季，HD的影响增强，在12月贡献率达到40.54%。这表明复合干旱的形成机制存在季节性转换，春季受气候条件主导，夏秋季受生态过程调控，冬季则水文过程的作用凸显。
研究结论与讨论
本研究的核心结论是，所提出的标准化复合干旱严重程度指数(SCDS)能够有效捕捉气象、水文、生态干旱之间的非线性依赖关系，为量化复合干旱强度提供了一个统一、可靠的指标。基于SCDS的分析揭示，1987年至2020年间，新疆地区的复合干旱强度整体呈增强趋势，且超过一半的区域表现为持续的干旱化。复合干旱的动态在2000年至2010年间发生了显著转变，这可能与全球变暖背景下区域气候向暖干化转型有关。研究还首次系统量化了不同季节各类干旱对复合干旱的相对贡献，揭示了“气象主导春季、生态主导夏秋、水文影响冬季”的清晰季节性格局，深化了对干旱多系统耦合与传播机制的理解。
这项研究的重要意义在于其方法论的创新与应用价值。与以往多关注固定双变量组合的研究不同，SCDS框架创新性地将三种双变量组合与一种三变量组合整合在统一的概率体系中，从而能系统性表征“至少两类干旱同时发生”这一定义下的全部复合干旱状态。这为解决复合干旱强度量化这一难题提供了新的理论工具。在全球气候变化导致干旱事件复合性、极端性增加的背景下，该研究不仅增强了对多类型干旱相互作用的理解，也为区域干旱风险的动态监测、精准评估以及水资源管理和生态保护的气候适应策略制定，提供了至关重要的科学依据。
