Page 137 - 2025年第56卷第9期

并对 2022 年特大干旱事件进行特征分析；崔冬林 ［14］ 基于 OITREE（Objective Identification Technique for
Regional Extreme Events）客观识别方法提取干旱事件，并通过干旱特征量的加权求和来评估干旱事件
的整体影响；秦鹏程等 ［15］ 借鉴“时间-面积”函数概念，建立了针对干旱事件的评价指标，对比分析
了长江流域的历史干旱事件。传统研究通常从统计角度 ［16］ 构建干旱事件评价指标，未考虑反映物理机
制的特征变量的非线性函数关系，且缺乏基于理论分布的干旱事件整体评估指标，导致综合评价干旱
事件的理论工具不足。
为研究干旱强度在时空域的分布状态，本文建立了干旱强度的时空域理论分布函数方程。首先，
从时间域、空间域上平均强度的非线性函数关系入手，建立微分方程，基于理论推导，分别得到时间
域平均强度与时间长度、空间域平均强度与覆盖面积之间的理论分布函数方程。在此基础上，进一步
推导出时间长度、覆盖面积与时空域平均强度的理论分布函数方程。为了综合评估干旱事件特征，本
文提出综合强度指标，可作为整体视角下的综合度量工具，为干旱事件的阶段划分、空间分区及旱情
时空迁移等工作奠定基础。最后以华北地区为例进行理论验证。

2 研究区概况及数据来源

华北地区位于 110°E—123°E，31°N—43°N，包括河北、河南、山西、山东、北京、天津等 6 省
市，地理分布如图 1 所示。华北地区为半湿润温带季风气候，年降水量介于 400 ~ 600 mm 之间，降水
年内分布不均，主要集中于夏季 ［17］ 。华北地区是重要的粮食生产基地，小麦种植面积和产量约占全国
总量的一半，同时也是我国旱灾发生较为频繁的地区 ［18］ ，抗旱形势历来严峻。

图 1 研究区地理概况

本文选用第二版全球陆地数据同化系统数据集（Global Land Data Assimilation System 2.0，GLDAS-
2.0），该数据集通过多种大气外强迫场资料驱动陆面模式进行长时段模拟，进而获得各种陆面因子与
能量通量数据，是全球尺度高分辨率的资料同化系统 ［19-20］ 。与 GLDAS-1.0 相比，GLDAS-2.0 数据统计
特征更为可靠，具备更高的连续性和一致性 ［21］ ，时间跨度延长，为 1948—2014 年，适用于长时间尺
度的分析。本文应用 GLDAS-2.0 中 CLSM （Catchment Land Surface Model） 集水区地表模型 ［22］ 的降水、
蒸发、气温、地表温度、比湿、水汽压、近地面气压和热通量数据用于干旱指数计算。数据的时间分

— 1241 —