中国南方高度城市化地区气象干旱时空演变规律分析——以深圳市为例

李蔚， 陈晓宏， 吴孝情

(1.中山大学 水资源与环境研究中心，广东 广州 510275； 2.广东省华南地区水安全调控工程技术研究中心，广东 广州 510275； 3.环境保护部华南环境科学研究所，广东 广州 510655)

P=n/(m+1) ,



中国南方高度城市化地区气象干旱时空演变规律分析
——以深圳市为例

李蔚， 陈晓宏， 吴孝情

(1.中山大学 水资源与环境研究中心，广东 广州 510275； 2.广东省华南地区水安全调控工程技术研究中心，广东 广州 510275； 3.环境保护部华南环境科学研究所，广东 广州 510655)

在变化环境下，中国南方湿润地区干旱事件呈多发趋势。以高度城市化的深圳市为例，选取10个气象代表站(1965—2010年)逐日降雨数据计算不同时间尺度的标准化降水指数(Standard Precipitation Index， SPI)，采用M-K趋势分析法及小波分析法分析深圳市干旱变化趋势及周期以辨识其干湿时空变化特征；采用随机森林算法定量分析混合ENSO指数(Multivariate ENSO Index，MEI)、太平洋年代际振荡指数(Pacific Decadal Oscillation,PDO)、太阳黑子等7个影响因子对深圳市干湿变化的影响程度。结果表明：深圳市的气象干旱多发于1月份，于1—3月呈干旱趋势，8—10月则呈湿润趋势；12个月尺度的SPI序列变化周期集中在2.0～6.5 a；城市中心区为近年干旱主要发生地区，其干旱趋势明显；ENSO现象及PDO是影响深圳市干湿变化的主要影响因素。

标准化降水指数(SPI)；高度城市化；干湿变化；随机森林算法；深圳市

干旱灾害是全球危害范围最广、发生最为频繁、对人类社会生存与发展影响最为深远的自然灾害。当前，在高强度人类活动影响下及剧烈气候、环境的演变背景下，干旱发生的频率和幅度日益增加。如2012年美国遭遇了1956年来最大干旱，2014年澳洲东部的大片土地遭遇了自一个多世纪前联邦大旱(Federation Drought)之后的最干旱时期，2015年南非遭受了112年来最强干旱，等等。我国发生重大干旱事件也屡见不鲜，在外界印象中，干旱主要发生于我国西北、华北等地区[1]，其中2010年的西南大干旱尤为典型。但近年来，向来是降水丰沛之地的南方地区，干旱也频有发生，数次大干旱给当地人民群众造成了重大经济损失，也使区域生态环境遭受了严重破坏[2]。

干旱事件演化过程复杂，在南方湿润地区，干旱成因由自然一元驱动向“自然-社会”二元驱动演进。有研究表明，随着城市化加速，城市的“水-热-气”循环较非城市地区有明显变化，城市地区具有显著的“热岛效应”和“干岛效应”，直接影响区域降水量[3]。降水量作为评估干旱的一个关键指标，往往会在城市化进程中发生改变。识别这些变化可进一步了解城市干旱水平的概况。深圳市自改革开放以来发展极其迅速，目前已完全城市化[4]，能够作为高度城市化地区的代表城市，而近几年深圳有变干旱的趋势[5]。由于其水资源供需矛盾突出，干旱造成的影响不容小觑，如1991年深圳市由气候干旱引发严重水荒，造成60多万居民用水困难，引发多宗学生中毒事件、多家工厂停业，损失极大。因此，探讨高度城市化地区在城市化过程中的干湿变化，对城市水资源管理具有重要的指导意义。

衡量干旱概况的指标众多，如降水距平百分率(Percentage of Precipitation Anomaly，Pa)、相对湿润指数(Relative Moisture Index，M)、帕默尔干旱指数(Palmer Drought Severity Index，PDSI)、标准化降水指数(Standard Precipitation Index，SPI)等。标准化降水指数(SPI)具有能够反映不同时间尺度下气象干旱情况的优势，是国内外学者广泛应用的干旱研究指数。因此，本文选取SPI分析深圳干旱时空演变特征；同时，采用随机森林算法定量评估大气环流异常要素及太阳黑子对深圳市干湿变化的影响。研究结果可为深圳市干旱风险以及水资源管理提供科学支持和依据。

1 研究区概况

深圳市位于东经113°46′—114°37′、北纬22°27′—22°52′，地处广东省南部、南海之滨。全市属亚热带海洋性季风气候，年平均气温22.4 ℃。全市多年平均降雨量1 981 mm，雨量主要集中在每年的4—9月，约占全年降雨量的85%。地形东西长、南北窄；地势东南高、西北低，大部分为低丘陵地，间以平缓的台地；西部为滨海平原，如图1所示。改革开放以来，截至2014年，深圳已从人口仅万人的小镇发展成为一个常驻人口1 078万人、建成区面积达890 km2的新型现代化城市。深圳市本地水资源匮乏，七成以上的用水需从市外的东江引入，是全国严重缺水城市之一。

图1 深圳市地理位置及代表气象站点分布图

2 数据来源及研究方法

2.1 数据来源

采用的10个站点逐日降雨数据(1960—2010年)来源于深圳市气象局，站点分布情况如图1所示。对缺测和错误的逐日数据进行插补：对于1～2 d缺测或错误的数据，采用相邻7 d滑动平均进行插补；对连续缺测或错误超过2 d的数据则采用其他年份同期的平均值代替。对于气候影响因素分析，SOI(Southern Oscillation Index，南方涛动指数)数据来源于东安格利亚大学开放数据库(https:∥crudata.uea.ac.uk/cru/data/soi/)，PDO(Pacific Decadal Oscillation，太平洋年代际振荡指数)数据来自华盛顿大学海洋大气研究所(http:∥research.jisao.washington.edu/pdo/PDO.latest)，MEI(Multivariate ENSO Index，混合ENSO指数)、Nino3.4SST(the Nino3.4 Sea Surface Temperature，Nino3.4区海表温度距平)、SS(Sunspot，太阳黑子)、NAO(Northern Atlantic Oscillation，大西洋涛动指数)、AO(Arctic Oscillation，北极-北大西洋震荡指数)均来自美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration，NOAA)。

2.2 研究方法

标准化降水指数(SPI)是表示干旱程度的特征量，已有干旱指标在世界范围内多达上百种，由于干旱成因较为复杂，目前还没有普遍适用于所有情况的干旱指数。在众多方法中，采用SPI方法相对简单，能够对不同时间尺度和不同地点的降水进行直接比较，且对干旱的反应较为灵敏，因而应用广泛。具体计算过程见文献[6]。对于SPI值的干旱等级划分见表1。

采用下式计算旱涝频率P，以反映发生旱涝的频繁程度。

P=n/(m+1) ,

(1)式中：n为研究时段内发生旱涝的月数；m为研究时段的总月数。

采取M-K趋势分析法对SPI序列进行趋势分析。该法不需要样本遵循一定的分布，也不受少数异常值的干扰，被广泛应用于气象和水文序列的趋势检验中，具体计算见文献[7]。

采取小波分析对SPI序列进行周期分析。该法是近年来较新的一种时频分析方法，与傅里叶变换相比，小波变换能有效地从信号中提取信息，解决了难以获得信号的局部特性以及对突变信号和非平稳信号效果不佳的问题。复值Morlet小波可以对相位进行很好的表达，且具有非正交性，已在水文学中获得广泛使用，具体见文献[8]。

采取随机森林(Random Forest,RF)算法分析气象因素对SPI序列的影响。RF是由Breiman[9]于1999年提出的一种基于统计学习理论的组合分类智能算法，利用Bootstrap重抽样方法从原始数据中抽取多个样本，然后对每个Bootstrap样本进行分类树构建，对所有分类树的预测进行组合并通过投票方式得出最终结果。本文主要应用RF的回归分析功能，具体见文献[10-11]。

表1 SPI值的旱涝等级划分

3 深圳市干旱分析

3.1 不同时间尺度SPI分析

分别计算不同时间尺度(1个月、3个月、6个月、12个月)下深圳10个气象站1965—2010年各年每月标准化降水指数(分别记为SPI1、SPI3、SPI6和SPI12)。因各站计算结果较相似，限于篇幅，以深圳水库站为例作为说明，如图2所示。

由图2可以看出，深圳水库站不同时间尺度下SPI值反映的旱涝情况不同。相对而言，1个月尺度和3个月尺度的SPI值随时间分布较6个月和12个月尺度更加分散，且反映出旱涝的敏感程度更高、变化周期更短。根据表1对不同时间尺度下SPI值进行旱涝等级划分，发现部分旱涝等级存在延后或提前的情况，如2004年冬季至2005年春季期间，SPI3显示2004年12月、次年1月，持续2个月发生中度干旱；SPI6、SPI12则显示干旱始于2005年1月，持续4个月，干旱程度仅1月达到中旱程度。推测原因为相同月份下，考虑长时间尺度的降水序列比短时间尺度下的降水序列更为平缓，相应的SPI值计算结果变化频率更小，趋势及周期性更明显。其他站点也得出相似结果。

统计各时间尺度下1965—2010年气象干旱发生的次数，结果如图3所示。

图3表明：分别基于SPI1、SPI3、SPI6、SPI12计算的不同等级旱涝的发生次数略有不同，其中SPI1及SPI12两种尺度与SPI3和SPI6指示的旱涝发生次数差别较大，SPI3和SPI6统计结果较相近；就各个旱涝等级来看，除重旱的识别上各时间尺度差异不大外，其余等级中，短时间尺度(SPI1、SPI3)对轻旱、重涝两个等级的识别更敏感，长时间尺度(SPI6、SPI12)对中涝、轻涝等级识别更敏感，在中旱的识别上，以中时间尺度(SPI3、SPI6)更明显。

根据《深圳年鉴》可知，2000年以来深圳发生较严重干旱的情况如下：2001年第四季度—2002年7月连续三季干旱；2003年1—4月份因低雨量发生干旱；2004年春、秋季出现52 a深圳有记录以来最严重的干早；2005年发生中度秋、冬连旱；2009年10月—2010年2月，发生秋、冬连旱。将此干旱实际发生情况与SPI1、SPI3、SPI6、SPI12指示的干旱发生等级进行对比，结果显示：2001—2002年及2009年的各时间尺度干旱识别差别不大；2003—2005年3 a期间的干旱识别结果与实际情况相比，SPI1识别的干旱发生时间较短，而SPI3、SPI12识别的干旱等级较高，SPI6识别干旱的发生时间及程度较为适中，但敏感性弱于SPI3。值得注意的是，深圳市气象局2009年10月—2010年2月期间3次发射火箭弹实施人工增雨后，全市出现小到中雨降水，因SPI值以统计降水量为基础，各尺度计算结果均未识别出此时间段内出现的干旱。

图3 基于多时间尺度SPI值干旱等级统计分布图

3.2 干旱频次分析

考虑到深圳雨季较长，发生干旱多以轻旱为主，对干旱的识别需要较高敏感度，因此选择SPI3来统计干旱发生的频次；又因时间尺度越长，趋势及周期性越明显，选择6个月尺度分析深圳干湿变化趋势，选择12月尺度分析深圳干湿变化周期。

3.2.1 年内变化特征

根据3个月尺度SPI3值统计10个站点在1965—2010年间各月份发生干旱(包括重旱、中旱和轻旱)的次数，按照式(1)分别计算其频率，结果如图4所示；再统计深圳市各月份重旱发生频次，结果如图5所示。

图5 深圳市各月份发生重旱的频次

由图4和图5可知，各站发生干旱的频率以1月最高，6月次之，其余各月干旱发生频率差别不大；而年内重旱发生次数最多的是在2月和11月，10月及12月次之，发生时间主要集中于秋、冬两季。可见，年内深圳多于1月份发生干旱，重旱多发生于秋、冬季节。

3.2.2 年际变化及空间分布特征

分别计算各个站点1965—1980年(未城市化阶段)，1980—1990年(初步城市化阶段)，1990—2000年(快速城市化阶段)，2000—2010年(高度城市化阶段)4个阶段的SPI3，统计发生重旱、中旱和轻旱的频次，利用反距离权重法对10个站点的干旱总次数进行插值，得到各阶段深圳市不同区域气象干旱发生的频次分布图，如图6所示。

由图6可知，1965—2010年46 a内，除1965—1990年间干旱发生次数呈增长趋势以外，1990年以后干旱的次数呈减少趋势。干旱发生次数增长的主要原因是1984—1988年期间出现了一系列的严重干旱事件，从而导致了该阶段干旱频次上升。1990年以后，深圳市各站发生干旱次数由1990年前的10～23次下降至5～13次。

在空间分布上，1980年以前，深圳气象干旱多发于南澳圩站及清林径水库站附近(大鹏新区及龙岗区北部)；1980—1990年，深圳干旱频发，主要集中于高峰水库站、西丽水库站以及铁岗水库站附近区域(龙华新区、宝安区南部及南山区北部)；1990—2000年，干旱多发区域在1980—1990年基础上增加了福田水库站附近区域(盐坪山新区、田区北部及龙岗区东南局部地区)；2000—2010年，深圳干旱多发区域南移至深圳水库站附近，即福田区东部、罗湖区及盐田区西部、龙岗区西南部。总体上，深圳自1965—2010年46 a间，干旱多发区从郊区不断向中心城区靠拢。

图6 深圳市1965—2010年气象干旱发生的频次统计图

3.3 干湿变化趋势

SPI可揭示旱涝发生概况，其值变化趋势能反映区域降水变化趋势，即SPI出现增加趋势则表明此区域有变湿润的趋势，相反则呈干旱趋势。通过分析SPI变化情况，探讨深圳市干湿变化特征。

选择深圳市10个站点6个月尺度SPI6值，应用M-K趋势分析法分别对各站点在1965—2010年间各个月份SPI的变化趋势，结果见表2。

表2 深圳市1965—2010年SPI6变化趋势

注：带“**”的数值表示超过90%置信度。

由表2可知：在置信度90%的条件下，石岩水库站1月份以及深圳水库站3月份SPI6值呈现显著下降趋势，表明在1965—2010年间，石岩水库站1月及深圳水库站3月呈现明显干旱趋势；深圳水库站8月及南澳圩站8—10月的SPI6值均呈现显著上升趋势，表明1965—2010年间，深圳水库站9月以及南澳圩站8—10月呈现明显湿润趋势。另外，除石岩水库全年各月份都有干旱趋势外，其余各站多于1—3月呈现干旱趋势，而在8—10月呈现湿润趋势。

鉴于1—3月、8—10月干湿变化较明显，利用反距离权重法对10个站点1—3月、8—10月的M-K值进行插值，得到深圳市1965—2010年干旱趋势空间分布图及湿润趋势空间分布图，分别如图7和图8所示，以进一步探讨深圳市干湿变化的空间分布情况。

图7表明：1月干旱趋势最显著的区域位于深圳水库站及石岩水库站附近区域(罗湖区、盐田区、宝安区北部及光明新区)；2月干旱趋势最显著的区域与1月类似；3月干旱趋势显著地区主要集中在深圳水库站附近地区(罗湖区及盐田区)。综合来看，1—3月期间，深圳水库站附近区域的干旱趋势都较为显著，石岩水库站附近区域于1月及2月呈现较显著干旱趋势，其余地区干旱趋势较缓。就行政区而言，干旱趋势最明显的区域集中在罗湖区、盐田区西部以及福田区东部这3个城市中心区域，其次是光明新区及宝安区北部地区。

图7 深圳市1965—2010年干旱趋势空间分布图

图8 深圳市1965—2010年湿润趋势空间分布图

图8表明：8—10月期间，除个别站点有不明显

干旱趋势外，深圳市大部分地区趋于湿润，各月份趋于湿润的区域比较相似。其中，南澳圩站附近区域(大鹏新区)于8—10月呈现显著的湿润趋势，其次深圳水库站附近区域(罗湖区及盐田区)于9月呈现较明显的湿润趋势，其余各地区湿润趋势不明显。结合考虑干与湿变化趋势，除深圳水库站附近地区(罗湖区及盐田区)呈现冬、春季干旱趋势显著，间有夏季较明显湿润趋势的特点外，其余大部分站点未同时显现变干或变湿趋势。

鉴于SPI12值显现出相对较好的周期性，为进一步探讨深圳市各站点干湿变化规律，采用小波分析法探讨深圳市各站点1965—2010年SPI12值的干湿变化周期。限于篇幅，以深圳水库站为例，其小波分析结果如图9所示。

由小波功率频谱图及其时频分布图可知，深圳水库站自1970年以来一直呈现干湿交替的现象，其中1975—1990年间，干湿变化现象最为显著。结合小波波谱及能量分布分析可知，深圳水库站近46 a的SPI12变化周期为3.90 a。用相同方法分析得到各站干湿变化结果见表3。由表3可见，深圳各站点SPI12变化周期分布于2.00～6.50 a，即深圳市干湿变化周期分布于2.00～6.50 a。

图9 深圳水库站1965—2010年干湿变化小波分析结果

站点三洲田水库高峰水库石岩水库罗田水库铁岗水库赤湾深圳水库南澳圩清林径水库西丽水库周期/a3.906.543.286.553.283.283.901.956.542.53

综上可知，深圳市中心区域(罗湖区、福田区)气象干旱的发生频次有增加趋势，且这些地区1—3月干旱变化趋势最明显，但9月兼有一定的湿润变化趋势。发生上述复杂现象的原因可能与气候变化及城市化效应有关。已有研究证明，华南地区平均降水及降水日数呈现减少趋势[12]，而深圳市最易于冬季出现热岛效应[13]。热岛效应与下垫面结构、热量释放、植被覆盖、人口密度等有密切关系，它使得城市区域气温明显高于郊区及周边乡村，水分蒸发增强，水蒸气随气流上升至高空后由城市向郊区流动，遇冷后形成降雨，造成城市中心区的降水偏少、郊区降水偏多的现象。另外，由于城市不透水面积多，径流系数大，雨水容易流失，且植被覆盖度低，使得城区普遍存在“干岛效应”，空气湿度较郊区小[3]。在热岛、干岛两种效应共同作用下，城市中心地区的气象干旱较郊区更明显。

3.4 影响因素分析

大气环流异常及太阳活动会导致降水发生异常，而干旱的发生与这些影响因素关系密切。因此，探讨大气环流异常及太阳活动对深圳干湿变化影响，可进一步了解深圳市干湿变化规律。在众多大气环流异常要素以及太阳活动因子中，ENSO事件中的MEI、Nino3.4SST、SOI、SS、PDO、NAO、AO共7个影响因素对我国南方地区影响较为明显[14]。因此，选取此7个因素并分析其对深圳市干湿变化的影响。选取上述7个因素的逐月数据作为自变量，1965—2010年SPI3逐月数值为因变量，采用随机森林回归算法分析各个因素对深圳市10个站点的重要度。把各月重要度按从大到小顺序进行排列，结果见表4。

表4 深圳市各站点干湿变化影响因素排序结果

由表4可知：在1965—2010年间大部分站点的SPI3值受MEI影响最大，Nino3.4SST次之，再者是PDO；罗田水库站和清林径水库站以Nino3.4SST影响最大，而MEI排名第二；石岩水库站PDO重要程度最大，超过MEI、Nino3.4SST。为分析各个要素对深圳市干湿情况的总体影响，对各个站点的每个影响因素按照排序赋予分值，其中第一位赋予7分，第二位赋予6分，以此类推，直至最后一位赋予1分，再累加各站不同影响因素的分值，得到各个影响因素总分，见表5。

表5 各影响因素分值统计表

由表5可知，影响深圳市SPI3值变化的主要因子为MEI和Nino3.4SST，即ENSO现象对深圳市干湿变化的影响最大。此结论与黄金平等[15]得到的El Nino显著地影响东江流域El Nino 发生时段的降水的结论类似。另一方面，位于第三位的PDO对各站干湿变化的影响也十分明显，李宏毅等[16]也得出过类似结论，认为我国华南地区3月份降水与PDO有着显著的相关性。其余4个影响因素虽然对深圳市干湿变化也有影响作用，但其重要性与此3个因素相距较大。

4 结 语

1)不同时间尺度SPI值对旱涝的指示程度不同，SPI3和SPI6对干旱频次的统计结果较相近；与实际情况相比较，SPI1识别的干旱发生时间较短，而SPI3、SPI12识别的干旱等级较高，SPI6识别干旱的发生时间及程度较为适中但敏感性较弱。

2)深圳市年内气象干旱多发生于1月份，重旱多发于2月及11月。1965—2010年46 a间，干旱多发区从郊区不断向中心城区靠拢。

3)深圳市干湿变化最明显的区域位于城市建设中心的罗湖区、福田区东部及盐田区西部地区，其冬、春季干旱趋势显著，间有夏季较明显的湿润趋势。各站点SPI12变化周期为2.00～6.50 a。

4)在MEI、Nino3.4SST、PDO等7个大气环流异常及太阳活动影响因素中，深圳市干湿变化受到ENSO现象的影响最大，其次是大气环流太平洋年代际振荡指数(PDO)。

[1]任国玉,封国林,严中伟.中国极端气候变化观测研究回顾与展望[J].气候与环境研究,2010,15(4):337-353.

[2]裴源生,蒋桂芹,翟家齐.干旱演变驱动机制理论框架及其关键问题[J].水科学进展,2013,24(3):449-456.

[3]史军,梁萍,万齐林,等.城市气候效应研究进展[J].热带气象学报,2011,27(6):942-951.

[4]马林靖,周立群.快速城市化时期的城市化质量研究：浅谈高城市化率背后的质量危机[J].云南财经大学学报,2011(6):119-125.

[5]张莉,力梅,钟保.深圳市的干旱特征分析及对策研究[J].气象软科学,2008(3):135-138.

[6]王志良,曹蕾.基于SPI的郑州市近60年旱涝特征分析[J].华北水利水电学院学报,2011，32(6):30-32.

[7]秦年秀,姜彤,许崇育.长江流域径流趋势变化及突变分析[J].长江流域资源与环境,2005,14(5):589-594.

[8]马建琴,韩曦.甘肃省近48年春旱时空变化趋势分析[J].华北水利水电学院学报,2013，34(3):40-43.

[9]BREIMAN L.Random forests-random features[J].Machine Learning,1999,45(1):5-32.

[10]吴孝情,陈晓宏,唐亦汉,等.珠江流域非平稳性降雨极值时空变化特征及其成因[J].水利学报,2015,46(9):1055-1063.

[11]赖成光,陈晓宏,赵仕威,等.基于随机森林的洪灾风险评价模型及其应用[J].水利学报,2015，46(1):58-66.

[12]吴婕,徐影,师宇.华南地区城市化对区域气候变化的影响[J].气候与环境研究,2015,46(6):654-662.

[13]张恩洁,张晶晶,赵昕奕,等.深圳城市热岛研究[J].自然灾害学报,2008,17(2):19-24.

[14]李宏毅,林朝晖,宋燕,等.我国华南3月份降水异常的可能影响因子分析[J].大气科学,2013,37(3):719-730.

[15]黄金平,程东升,邓家泉,等.东江流域气候分析[J].人民珠江,2006(5):48-52.

[16]李宏毅,林朝晖,陈红.我国华南3月份降水年代际变化的特征[J].气候与环境研究,2010,15(3):311-321.

(责任编辑：乔翠平)

Spatio-temporal Variation of Meteorological Drought in a Highly Urbanized Area in Southern China， a Case Study in Shenzhen City

LI Wei1,2, CHEN Xiaohong1,2, WU Xiaoqing3

(1.Center for Water Resources and Environment, Sun Yat-sen University, Guangzhou 510275, China; 2.Guangdong Engineering Technology Research Center of Water Security Regulation and Control for Southern China, Guangzhou 510275, China; 3.South China Institute of Environmental Sciences,Ministry of Environmental Protection, Guangzhou 510655, China)

The drought events show an increasing trend in humid areas of southern China recently under the changing environment. Shenzhen City, a highly urbanized area in southern China, was taken as a study case to discuss the spatio-temporal features of dry-wet variation. Daily precipitation data (1965—2010) from 10 meteorological stations were utilized to compute the standard precipitation index (SPI) on different time scales; whereas, the Mann-Kendall statistical method and Morlet wavelet analysis were applied to analyzing the variation trends and periods of drought, respectively. Finally, Random Forest algorithm was adopted to quantitatively analyze the influence of seven factors on the dry-wet variation in Shenzhen, such as Multivariate ENSO Index (MEI), the Pacific Decadal Oscillation (PDO), sunspot and so on. Results indicate: the meteorological drought of Shenzhen City frequently occurred in January; a dryness trend was identified from January to March while a wet trend from August to October; the variation period of SPI at 12-month scale was 2.0～6.5 a; the center of the city becomes more susceptible to meteorological drought recently as the droughts events show significantly increasing trend in these areas; ENSO and PDO were demonstrated as the two most dominant indexes that greatly impact the dry-wet variation of the city.

Standard Precipitation Index (SPI); high urbanization; dry-wet variation; random forest; Shenzhen City

2016-02-04

国家自然科学基金项目(91547202，51210013，51479216，51479217)。

李蔚(1992—)，女，壮族，云南昆明人，博士研究生，主要从事水文学及水资源方面的研究。E-mail：152821031@qq.com。

陈晓宏(1963—)，男，湖北公安人，教授，博导，博士，主要从事水文学及水资源方面的研究。E-mail：eescxh@mail.sysu.edu.cn。

10.3969/j.issn.1002-5634.2016.03.002

TV11；P429

A

1002-5634(2016)03-0011-08