基于多源数据的长江流域1982—2022年骤旱事件时空演变

熊立华 李姝仪 查悉妮

摘要：骤发性干旱（简称骤旱）是一种突发性高且强度大的极端干旱现象，会对农业生产和生态系统构成严重威胁。近年来，长江流域骤旱频发，然而其骤旱时空演变格局及规律尚不明晰。本研究基于GLEAM、GLDAS和ERA5-Land数据，以标准化蒸发胁迫比及其变化值作为识别指标，开展1982—2022年长江流域骤旱识别，全面分析长江流域骤旱空间分布和时间演变特征;并鉴于2022年旱情的严重性和特殊性，重点分析该年长江流域骤旱事件。研究结果表明：① 在空间分布上，长江流域上游的金沙江水系和中下游的大型水库湖泊骤旱发生频率最高且强度最大;② 在时间演变上，骤旱发生频率、平均持续时间和强度均在长江流域整体上呈现出非显著上升趋势，而有显著变化趋势的区域在2001年前后表现出明显的趋势反转现象;③ 2022年夏季受极端高温热浪影响，长江流域遭遇大规模骤旱事件，具有波及范围广、持续时间长的特点，且骤旱在空间上呈现出从上游向下游传递的态势。

关键词：骤旱;时空演变;多源数据;标准化蒸发胁迫比;长江流域

中图分类号：P339  文献标志码：A  文章编号：1001-6791（2024）01-0024-14

干旱是最具破坏性的自然灾害之一，对农业生产、经济社会发展都产生巨大威胁［1-3］。传统干旱是一个发展缓慢的长期过程，发生初期无明显征兆并且可能持续数月或数年［4-5］。然而近年来，在全球变暖的背景下，一种发生迅速的短期干旱现象，被称为骤发性干旱（简称骤旱），逐渐成为干旱现象的新常态［6］。骤旱因相较于传统干旱会对农业生产和生态系统造成更严重的破坏而引起了广泛关注［7-9］。

国内外学者围绕骤旱的定义、识别方法、变化趋势等开展了大量研究。Mo等［10-11］提出了明确的骤旱定义并划分出热浪骤旱及降雨亏缺型骤旱，将传统的大时间尺度干旱研究拓展到更短的时间尺度;Otkin等［12］认为Mo等［10-11］选取的40%这一阈值不足以表征骤旱的快速发展和严重程度;Christian等［13］基于Otkin等［12］的理论开发了一种基于百分位数的骤旱识别方法，利用标准化蒸发胁迫比及其变化值来识别骤旱发生，并将该识别方法应用于美国各地骤旱发生频率的研究，该识别指标适用于多种数据集且在植被茂密地区和湿润地区的应用表现出较高的准确性和可靠性［13-14］，已有研究还证明了其在中国区域的适用性［15-16］;Osman等［14，17］采用土壤含水量波动率指标分析了美国大陆的骤旱发生时间和严重程度;Yuan等［7］基于根系土壤含水量研究了中国的骤旱发展规律和趋势，结果表明骤旱统计特征的空间分布差异较大，南方湿润地区骤旱的发生频率和强度高于北方半干旱地区，中国未来南方骤旱风险呈显著增加趋势。长江流域处于中国中南部，包含多个典型的环境敏感区和气候变化敏感带［18-19］，是中国经济、农业和生态的重要区域［20］，气候变化导致的骤旱频发可能会对其造成巨大威胁，但目前针对长江流域骤旱的研究尚不多见，因此，有必要对长江流域骤旱事件的时空演变规律进行研究。

本文以长江流域为研究对象，基于多源数据计算骤旱识别指标，识别1982—2022年的骤旱事件，深入探讨长江流域骤旱的时空演变特征;并鉴于2022年长江流域旱情的严重性和特殊性，探究2022年长江流域骤旱的时空特征，以期为长江流域干旱的监测、预警和防治，生态的修复，农业的可持续发展以及科学应对气候变化提供理论依据。

1 研究区域、数据与方法

1.1 研究区域概况

长江流域（24°N—36°N，90°E—123°E）地处中国中南部，干流长约6 300 km，自西而东横贯中国中部，干流流经青海、西藏、四川、云南、重庆、湖北、湖南、江西、安徽、江苏、上海等11个省（区、市），支流展延至贵州、甘肃、陕西、河南、浙江、广西、广东、福建等8个省（区），总面积约为180.42万km2，是中国最大的流域。长江流域地跨热带、亚热带和暖温带气候区，全年降水量丰富，但时空分布不均，主要集中在夏季。空间上降水量自上游向下游递增。由于降水的时空分布特点，特别是降水集中在夏季以及空间上的不均衡分布，使得其部分季节和区域极易发生干旱事件。

考虑长江流域水文特性，参考长江流域二级流域片和河流水系划分方案，将研究区细分为11个子流域（圖1）。其中，金沙江水系、岷沱江水系、嘉陵江水系、乌江水系和长江上游干流区间5个子流域位于长江流域上游;汉江水系、洞庭湖水系、鄱阳湖水系和中游干流区间4个子流域位于长江流域中游;三角洲平原区和下游干流区间2个子流域位于长江流域下游。通过细分长江流域的研究区域，有助于更好地理解不同地区的骤旱特征，为评估骤旱的时空演变趋势和影响提供科学依据。

1.2 数据与方法

1.2.1 数据

所用数据包括蒸散发、潜在蒸散发数据。Liu等［21］评估了包括GLEAM（Global Land Evaporation Amsterdam Model）、GLDAS（Global Land Data Assimilation System）在内的全球10套蒸散发产品在流域尺度（包括长江流域）上的性能，研究结果表明GLEAM、GLDAS产品存在差异，但总体上均有良好的一致趋势，均可以很好地再现长江流域蒸散发。Yang等［22］综合分析了包括GLEAM、GLDAS、ERA5-Land在内的4套产品的蒸散量等水文变量在流域尺度（包括长江流域）上的时空变化，研究结果表明3套产品的蒸散发量有着相同的演变趋势。因此，在计算骤旱识别指标以进行长江流域骤旱识别时，为了减少单一数据源可能产生的偏差和误差，本文利用GLEAM、GLDAS、ERA5-Land共3套数据源逐日的蒸散发和潜在蒸散发数据计算骤旱识别指标。通过对比、整合和交叉验证各数据源的研究结果，可以提高长江流域骤旱识别结果的准确性，增强识别结果的可信度。

GLEAM是一套基于遥感数据和陆面模型的全球数据集，由阿姆斯特丹大学提供。GLEAM v3.7a提供的数据集时间跨度为1980—2022年，空间分辨率为0.25°，时间分辨率为1 d。GLDAS是一套融合了观测数据和陆面模型的数据集，由美国国家航空航天局（NASA）提供。GLDAS提供了多种水文气象变量，时间跨度为1979年至今。ERA5-Land数据集是一套由欧洲中期天气预报中心（ECMWF）提供的再分析数据集，是在ERA5的全球陆面模型基础上进行了一系列改进并重新計算得到的。ERA5-Land提供了50多种水文气象变量，时间跨度为1950年至今，相比ERA5具有更高的空间分辨率（0.1°）和时间分辨率（1 h）。

本文将从这3套数据源获得的蒸散发和潜在蒸散发数据都处理成空间分辨率0.25°、时间分辨率1 d用于进行骤旱识别指标的计算。

1.2.2 骤旱事件识别方法

Christian等［13］开发了一种基于百分位数的骤旱识别方法，利用标准化蒸发胁迫比（RSES）及其变化值（ΔRSES）来识别骤旱的发生。

首先，用每日蒸散发（ET）和每日潜在蒸散发（ETP）来计算每日蒸发胁迫比（RES），如式（1）所示：

RES是一个介于0和1之间的值，可以反映当前环境中水分状况和植被状况对蒸散发的影响。当RES接近1时，意味着大气对蒸散发的需求能够得到充分满足，土壤水分和植被能够为蒸散发提供足够的水分;RES接近0时，意味着土壤水分和植被几乎无法满足大气对蒸散发的需求。

研究骤旱时，需要识别出突然快速发生的、持续时间较短的干旱现象。然而，由于大气环境和地表条件在日尺度上可能存在较大的波动，直接使用日尺度的RES计算RSES可能导致结果受到短期波动的影响，从而影响到骤旱识别的准确性。因此，在计算RSES之前，Christian等［13］先计算RES的候平均值（5 d为一候）。这样做既能有效降低短期波动对结果的影响，又能保持对骤旱的敏感性。在得到日RES后计算其候平均值（RESijp）并对研究流域内的每个栅格点进行标准化计算得到标准化蒸发胁迫比，如式（2）所示。标准化的目的在于消除数据异质性，使不同时间段内的蒸散发应力水平具有可比性。

Christian等［13］为了捕捉骤旱迅速加剧的特征，量化蒸散发应力的变化，还计算了RSESijp值之间的变化并对其进行了标准化，如式（3）所示。

接着按照以下标准识别骤旱事件：

标准1：至少有5个候的RSES变化，即骤旱事件的最小长度为6个候（30 d）。

标准2：最终的RSES值低于RSES值的20th百分位数。

标准3：

（a） 各个候之间的ΔRSES应不大于40th百分位数;

（b） 在满足条件（a）的情况下，最多允许有1个ΔRSES高于40th百分位数。之后的候ΔRSES必须重新满足条件（a），且结束时的RSES值要小于在RSES缓和之前的RSES值。

标准4：在整个骤旱期间（从满足标准3（a）的第1个候开始，到满足标准3（a）的最后1个候结束），RSES的平均变化必须小于25th百分位数。

标准1和标准2旨在排除短期干燥现象，捕捉具有实际影响的干旱情况，确保骤旱快速加剧的过程结束时至少达到了干旱条件且对环境产生了实质性的影响;标准3和标准4都是聚焦于骤旱的快速加剧过程，确保识别出的骤旱在短时间内迅速发展为严重干旱状态。标准3关注于连续候之间干旱加剧的速度，其中，标准3（a）要求骤旱期间，RSES的变化必须足够快，以反映干旱迅速加剧的特征;标准3（b）是在满足标准3（a）的基础上仅允许出现一个较小的波动，以确保所识别的骤旱在整个过程中大致始终保持快速加剧。标准4则关注于整个骤旱过程中的平均干旱加剧速度，确保所识别的骤旱事件在整个过程中始终保持快速加剧，而不会因为短暂的降水、较低的温度、更多的云层或较低的地表风速等因素而被显著减缓。

为了说明识别骤旱事件的4个标准，图2提供了时间序列示意。在此示例中，识别了从5月中旬到6月中旬的一次骤旱事件。在5月11日的ΔRSES位于24th百分位数，说明干旱开始迅速加剧。随后在5月16日、21日、26日及6月1日的4个ΔRSES均低于40th百分位数，满足标准3（a）;6月6日，ΔRSES位于57th百分位数，此ΔRSES被判定为干旱迅速加剧的缓和期，并需要检查随后一个候的ΔRSES是否满足标准3（a）;6月11日的ΔRSES低于40th百分位数，满足标准3（a），且该ΔRSES结束时的RSES值（在图2中标识为P2）小于缓和期开始之前的RSES值（在图2中标识为P1），满足标准3（b）;6月16日的ΔRSES位于84th百分位数，这不满足标准3（b），说明干旱在6月16日结束了迅速加剧。其余3个标准用于继续完成该次干旱事件的识别，首先，在此示例中的干旱事件长度为7个ΔRSES（共8个候），满足标准1;其次，此次干旱事件最终的RSES值低于RSES的20th百分位数，满足标准2;最后，计算得到整个干旱期间RSES的平均变化位于19th百分位数，满足标准4。因此，该次迅速加剧的干旱事件满足确定为骤旱事件的所有标准，可以被视为一次骤旱事件。

1.2.3 骤旱事件评价指标

本研究从3个方面描述骤旱事件的统计特征，包括：

（1） 发生频率。指研究时段内骤旱事件的总数量。

（2） 平均持续时间。指研究时段内骤旱事件发生的总时间与总次数之比。

（3） 强度。骤旱强度主要依据RSES值的变化（ΔRSES）来划分［13］，RSES值反映了大气需求的蒸散发与可用的土壤水分和植被之间的关系，当RSES值降低，即ΔRSES为负值，意味着可用的土壤水分和植被无法满足大

气需求的蒸散发，这通常表示干旱条件正在发生或加剧。ΔRSES的绝对值越大，表明RSES值在相对较短的时间内发生了较大的改变，也就是说，如果RSES值正在降低，那么越小的ΔRSES值就越能表示干旱条件正在快速恶化，反映出干旱程度的加剧速度，进而可以提供关于干旱严重程度的信息。从数学表达上来说，骤旱强度可以被划分为4个等级，如表1所示。本研究计算的强度是指研究时段内骤旱事件累计总强度与发生总次数之比。

1.2.4 统计分析方法

骤旱事件的时间演变特征采用气象学和水文學中常用的Mann-Kendall趋势分析法（简称M-K），M-K是一种非参数统计检验法，不受异常值干扰，适合对非正态分布的数据进行分析。本研究在进行时间演变分析时，分别对长江流域整体和每个栅格点的骤旱发生频率、平均持续时间和强度进行M-K趋势检验，识别出长江流域骤旱评价指标的变化趋势，得到其时间演变的细节。同时考虑到整个41 a研究时段内可能存在的多变性和长时间序列趋势的不一致性，为准确揭示骤旱变化的细节，本研究将全时段划分为2个子时段，分别为1982—2001年和2002—2022年，这种划分可以更好地反映骤旱特性在不同时段内的变化情况，同时避免由于时间跨度过大而带来的分析误差。

在进行了M-K趋势分析后，本研究还对同一研究时段的骤旱发生频率（A）、骤旱平均持续时间（B）和骤旱强度（C）进行了皮尔逊相关性分析。

2 结果与分析

2.1 长江流域骤旱事件的空间分布特征

本研究基于GLEAM、GLDAS、ERA5-Land共3套数据源对长江流域1982—2022年的骤旱事件进行识别，得到发生频率、平均持续时间及强度的空间分布图（图3），并根据该结果作了如图4所示的变异系数分布及如图5所示的柱状统计特征，图5中每个子流域的纵坐标密度值是通过计算每个横坐标区间内的栅格点数目除以对应子流域的总栅格点数目得到的。根据长江流域3套数据源骤旱强度识别结果，分别计算出不同骤旱强度事件的发生比率（表2）。

图3、图4表明基于3套数据源识别出的长江流域骤旱平均持续时间和强度的空间分布趋势一致且变异系数在大部分区域小于0.3，说明基于3套数据源得到的结果基本一致。基于3套数据源识别出的长江流域骤旱发生频率的空间分布趋势也是一致的但是仍存在一些差异。具体而言，基于GLEAM数据源识别出的骤旱事件相较于基于GLDAS、ERA5-Land数据源识别出的骤旱事件在长江流域内发生的更加集中、频繁且强度更高，这与Deng等［15］和Mukherjee等［23］研究结果相似。基于多源数据识别出的结果之间的差异是数据来源及其处理方法的差异所致，不是本研究的重点关注内容，本研究使用多源数据是为了减少单一数据源可能产生的偏差和误差，希望通过对比、整合和交叉验证各数据源的研究结果，提高长江流域骤旱识别结果的准确性，增强识别结果的可信度，所以本研究重点分析研究基于3套数据源识别出的结果之间的共同趋势和一致性规律。

图3、图5表明长江流域骤旱发生频率及平均持续时间最高的子流域是上游的金沙江水系，其次是中游的洞庭湖水系、鄱阳湖水系。图3、图5和表2表明极度骤旱发生的频率极低且主要分布在金沙江水系，还有少数极度骤旱发生在中游洞庭湖水系、鄱阳湖水系、下游干流区间的巢湖流域及三角洲平原区的太湖流域附近。图3表明长江流域骤旱事件在河流、湖泊和水库等水体丰富的地区发生的频率和强度更高，平均持续时间更长，本研究认为这是由于在持续高温条件下潜在蒸散发量加大，而湖泊水库水量下降导致实际蒸散发量下降，从而使骤旱事件增加。同时，这些地区人口密集，人工取水的需求量大，这也对湖泊和水库的水量产生了重大影响。因此，这些地区更容易发生骤旱。

2.2 长江流域骤旱事件的时间演变特征

基于长江流域1982—2022年骤旱事件识别的结果，计算了长江流域整体骤旱发生频率、平均持续时间和强度的年际时间变化（图6），阴影区域代表3套不同数据集的平均值±标准差。本研究还在栅格点尺度上进行了详尽的时间演变分析，计算出了每个栅格点骤旱评价指标的变化趋势，得到其时间演变的细节（图7）。本研究还对同一数据源同一子时段的骤旱发生频率、骤旱平均持续时间和骤旱强度的趋势性计算了皮尔逊相关系数（表3）。

图6表明长江流域骤旱发生频率、平均持续时间和强度在1982—2022年整体均呈现上升趋势，上升率分别为20.5%、0.57%和0.83%，但均未通过显著性检验，说明上升趋势并不显著。表3表明基于同一套数据源的长江流域骤旱3种评价指标趋势性检验结果在所有子时段都表现出较强的相关性，相关性系数均为0.876 5～0.999 7，这表明骤旱的发生频率、平均持续时间和强度在4个子时段内都具有高度一致的变化，说明长江流域的气候变化趋势对骤旱的影响有一定的稳定性和一致性。图7表明长江流域内大部分区域的骤旱特征并无显著变化趋势。有显著变化趋势的区域在2个子时段内存在明显的趋势反转现象，即2001年是个趋势反转点，2001年前呈现显著上升（下降）趋势的区域在2001年后呈现显著下降（上升）趋势，本研究认为这可能是2000年后经济高速发展伴随的土地利用、人类活动和水资源管理等变化对骤旱趋势产生了影响。

2.3 2022年长江流域骤旱事件的时空演变特征研究

2022年，长江流域遭遇了1961年以来最严重的旱情，出现了罕见的“主汛期反枯”现象。该次旱情所带来的影响颇为严重，并展现出三大特点：一是受旱空间范围大，覆盖了长江流域上游、中游和下游，较为罕见;二是旱情发生时间早，从2022年6月起，长江流域降水就开始显著偏少;三是该次旱情发生的同时伴随着自1961年以来最强的持续高温热浪［24］。考虑到持续的高温热浪会加剧土壤蒸发，导致地表水分迅速减少，同时使得陆地水汽输送条件变得异常，为骤旱的发生提供了有利的气象水文背景，所以本研究合理推测2022年长江流域“主汛期反枯”现象主要是由骤旱引起。基于2022年长江流域旱情的严重性和特殊性，本研究深入理解并分析2022年长江流域骤旱事件的空间分布特征，并探究其影响因素，对于防范类似灾害和应对未来的气候变化具有重要的现实意义。

圖8是基于GLEAM、GLDAS和ERA5-Land数据源的2022年长江流域骤旱特征空间分布，图中的“+”表示该栅格点在长江流域汛期（5—10月中旬）内发生了骤旱事件。图8（a）表明2022年骤旱事件在长江流域全面爆发，覆盖了全部子流域。11个子流域均发生了至少1次骤旱事件，证明了这次骤旱事件对于整个长江流域的普遍性。尽管整个长江流域均受到了骤旱事件的影响，但发生2次或3次骤旱的地区极少，占比仅

有4%左右，说明骤旱事件的发生与特定的季节性或临时性环境条件有关，而这些条件在一年中的大部分时间可能并不会出现。这也意味着，尽管骤旱可能在短期内对水资源和相关活动产生严重影响，但长期看来，大部分地区可能有足够的时间来恢复和适应。且在整个长江流域，90%以上的骤旱事件都发生在汛期（5—10月中旬），这进一步说明了骤旱事件发生与季节性环境条件的关系。图8（a）还表明骤旱发生频率最高的子流域是上游的金沙江水系、中游的洞庭湖水系和鄱阳湖水系。图8（b）表明2022年长江流域约90%的骤旱事件的平均持续时间不超过8个候，反映了骤旱事件的发展迅速和持续时间短的特点；但也存在少数地区的骤旱平均持续时间超过12个候，这些地区主要分布在上游的金沙江水系以及中游的洞庭湖附近。图8（c）表明2022年长江流域骤旱事件的强度主要是轻度和中度。由此也可以得出长江流域2022年骤旱事件空间分布特征和1982—2022年整体空间分布特征基本一致。

图9是基于GLEAM、GLDAS和ERA5-Land数据源识别出的2022年长江流域骤旱特征时间演变。图9表明2022年长江流域发生了5场骤旱事件，每场骤旱分别始于2022年2月、4月、6月、8月及10月，且爆发在2月、4月、6月、8月的骤旱事件的覆盖面依次变大。图9还表明2022年长江流域骤旱事件多发生于4—11月，尤其以夏季为主。同时图9再次印证骤旱事件发生速率快、持续时间短的特点。

基于图9表现出的2022年长江流域骤旱事件的特点，本研究做了2022年长江流域4—11月骤旱强度时空演变图（图10）。图10表明2022年汛期内骤旱事件并非在长江流域内同时出现，而是呈现出显著的从上游向下游传递的特性，这与Liang等［25］的实验结果相似。从图9、图10可以看出，2022年4月爆发的这场骤旱主要发生在长江上游金沙江水系的上游区域，持续到5月末;随后6月爆发的这场骤旱转移至金沙江水系的中下游区域以及长江上游干流区间，持续到7月末，表现出骤旱事件从长江流域上游至中游传递转移的过程;8—9月，骤旱事件覆盖范围进一步扩大，覆盖了长江上游干流区间、中游干流区间、中游部分大型湖泊水库以及下游干流区间，表现出骤旱事件从长江流域中上游进一步蔓延至下游的过程;最后在10月，骤旱又出现在长江上游金沙江水系的上游区域以及长江流域内部分大型湖泊水库附近。在骤旱事件的空间传递过程中，骤旱强度总体上随着时间和地理位置的变化而变化，在骤旱事件从上游向下游传递的过程中，骤旱强度也逐渐变大，极度骤旱主要出现在夏季的金沙江水系、长江流域上中游干流区间附近及部分大型湖泊水库附近。

3 结  论

本研究以长江流域为研究对象，对长江流域1982—2022年的骤旱事件进行识别，并对骤旱事件的时空演变特征进行探究分析，重点对2022年长江流域骤旱事件进行时空分布特征研究。主要结论如下：

（1） 从空间分布角度来看，长江流域骤旱事件表现出显著的地理差异性。在上游的金沙江水系和中下游的大型水库湖泊，骤旱事件的频发性及其严重性尤为突出。上游金沙江水系，作为长江流域源头区的重要组成部分，骤旱事件的发生频率、平均持续时间和强度显著高于其他子流域。中下游的长江主干流、大型湖泊水库等水体丰富的流域如鄱阳湖、洞庭湖、丹江口水库、巢湖、太湖等，骤旱事件的发生频率、平均持续时间和强度也表现出高水平。

（2） 从时间演变角度来看，长江流域整体在1982—2022年呈现不显著的上升趋势。而从栅格点角度来看，长江流域内每个栅格点骤旱事件的发生频率、平均持续时间、强度的变化趋势在研究时段内均表现出高度一致性，但这3个骤旱特征的变化趋势在长江流域内有显著的地理差异性。长江流域内大部分区域的骤旱特征并无显著变化趋势，有显著变化趋势的区域在2001年前后存在明显的趋势反转现象，即2001年是个趋势反转点，2001年前呈现显著上升（下降）趋势的区域在2001年后呈现显著下降（上升）趋势。

（3） 2022年长江流域骤旱事件全流域爆发，覆盖全部子流域，但骤旱事件并非同时出现，而是呈现出显著的从上游向下游传递的特性。2022年长江流域骤旱事件的发生还表现出显著的季节性特征，骤旱事件多发生于4—11月，尤其以夏季为主。2022年长江流域骤旱强度的变化与时间和空间的变化有关，在骤旱事件从上游向下游传递的过程中，骤旱强度也逐渐变大，极度骤旱主要出现在夏季的金沙江水系、长江流域上中游干流区间附近及部分大型湖泊水库附近。

参考文献：

［1］SCHWALM C R，ANDEREGG W R L，MICHALAK A M，et al.Global patterns of drought recovery［J］.Nature，2017，548（7666）：202-205.

［2］EDWARDS B，GRAY M，HUNTER B.The social and economic impacts of drought［J］.Australian Journal of Social Issues，2019，54（1）：22-31.

［3］顾磊，陈杰，尹家波，等.气候变化下中国主要流域气象水文干旱潜在风险传播［J］.水科学进展，2021，32（3）：321-333.（GU L，CHEN J，YIN J B，et al.Risk propagation from meteorological to hydrological droughts in a changing climate for main catchments in China［J］.Advances in Water Science，2021，32（3）：321-333.（in Chinese））

［4］CHEN L G，GOTTSCHALCK J，HARTMAN A，et al.Flash drought characteristics based on US drought monitor［J］.Atmosphere，2019，10（9）：498.

［5］SU B D，HUANG J L，MONDAL S K，et al.Insight from CMIP6 SSP-RCP scenarios for future drought characteristics in China［J］.Atmospheric Research，2021，250：105375.

［6］袁星，王钰淼，张苗，等.关于骤旱研究的一些思考［J］.大气科学学报，2020，43（6）：1086-1095.（YUAN X，WANG Y M，ZHANG M，et al.A few thoughts on the study of flash drought［J］.Transactions of Atmospheric Sciences，2020，43（6）：1086-1095.（in Chinese））

［7］YUAN X，WANG L Y，WU P L，et al.Anthropogenic shift towards higher risk of flash drought over China［J］.Nature Communications，2019，10：4661.

［8］LI J，WANG Z L，WU X S，et al.A new framework for tracking flash drought events in space and time［J］.Catena，2020，194：104763.

［9］ZHANG M A，YUAN X.Rapid reduction in ecosystem productivity caused by flash droughts based on decade-long FLUXNET observations［J］.Hydrology and Earth System Sciences，2020，24（11）：5579-5593.

［10］MO K C，LETTENMAIER D P.Heat wave flash droughts in decline［J］.Geophysical Research Letters，2015，42（8）：2823-2829.

［11］MO K C，LETTENMAIER D P.Precipitation deficit flash droughts over the United States［J］.Journal of Hydrometeorology，2016，17（4）：1169-1184.

［12］OTKIN J A，SVOBODA M，HUNT E D，et al.Flash droughts：a review and assessment of the challenges imposed by rapid-onset droughts in the United States［J］.Bulletin of the American Meteorological Society，2018，99（5）：911-919.

［13］CHRISTIAN J I，BASARA J B，OTKIN J A，et al.A methodology for flash drought identification：application of flash drought frequency across the United States［J］.Journal of Hydrometeorology，2019，20（5）：833-846.

［14］OSMAN M，ZAITCHIK B F，BADR H S，et al.Flash drought onset over the contiguous United States：sensitivity of inventories and trends to quantitative definitions［J］.Hydrology and Earth System Sciences，2021，25（2）：565-581.

［15］DENG S M，TAN X Z，LIU B J，et al.A reversal in global occurrences of flash drought around 2000 identified by rapid changes in the standardized evaporative stress ratio［J］.Science of the Total Environment，2022，848：157427.

［16］劉懿，朱烨，张林齐，等.骤发干旱前期气象驱动条件及可模拟性分析［J］.水科学进展，2021，32（4）：497-507.（LIU Y，ZHU Y，ZHANG L Q，et al.Precedent meteorological driving forces of flash drought and their feasibility for flash drought simulation［J］.Advances in Water Science，2021，32（4）：497-507.（in Chinese））

［17］OSMAN M，ZAITCHIK B F，BADR H S，et al.Diagnostic classification of flash drought events reveals distinct classes of forcings and impacts［J］.Journal of Hydrometeorology，2022，23（2）：275-289.

［18］欧阳志云，王效科，苗鸿.中国生态环境敏感性及其区域差异规律研究［J］.生态学报，2000，20（1）：9-12.（OUYANG Z Y，WANG X K，MIAO H.China′s eco-environmental sensitivity and its spatial heterogeneity［J］.Acta Ecologica Sinica，2000，20（1）：9-12.（in Chinese））

［19］刘军会，高吉喜，马苏，等.中国生态环境敏感区评价［J］.自然资源学报，2015，30（10）：1607-1616.（LIU J H，GAO J X，MA S，et al.Evaluation of ecological sensitivity in China［J］.Journal of Natural Resources，2015，30（10）：1607-1616.（in Chinese））

［20］刘孝富，张志苗，刘柏音，等.长江流域生态系统恢复力评价及其空间异质性研究［J］.环境科学研究，2022，35（12）：2758-2767.（LIU X F，ZHANG Z M，LIU B Y，et al.Assessment and spatial heterogeneity of ecological resilience in the Yangtze River basin［J］.Research of Environmental Sciences，2022，35（12）：2758-2767.（in Chinese））

［21］LIU H Y，XIN X Z，SU Z B，et al.Intercomparison and evaluation of ten global ET products at site and basin scales［J］.Journal of Hydrology，2023，617：128887.

［22］YANG Y，CHEN R S，DING Y J，et al.Variation in the hydrological cycle in the Three-River Headwaters Region based on multi-source data［J］.Frontiers in Environmental Science，2022，10：1088467.

［23］MUKHERJEE S，MISHRA A K.Global flash drought analysis：uncertainties from indicators and datasets［J］.Earth′s Future，2022，10（6）：1-14.

［24］徐照明.2022年長江流域水旱灾害防御工作［J］.中国防汛抗旱，2022，32（12）：13-16，34.（XU Z M.Flood and drought disaster prevention in the Yangtze River basin in 2022［J］.China Flood & Drought Management，2022，32（12）：13-16，34.（in Chinese））

［25］LIANG M L，YUAN X，ZHOU S Y，et al.Spatiotemporal evolution and nowcasting of the 2022 Yangtze River mega-flash drought［J］.Water，2023，15（15）：2744.

Temporal and spatial evolution of flash drought events in the Yangtze River basin from 1982 to 2022 based on multi-source data

Abstract：A flash drought is an extreme drought phenomenon that has high suddenness and intensity and can pose a severe threat to agricultural production and ecosystems.In recent years，flash droughts have occurred frequently in the Yangtze River basin，but the temporal and spatial evolution characteristics of these flash droughts are still unclear.In this study，based on Global Land Evaporation Amsterdam Model （GLEAM），Global Land Data Assimilation System （GLDAS），and ERA5-Land data，the standardized evaporation stress ratio and changes in its value were used as identification indicators to identify flash drought events in the Yangtze River basin from 1982 to 2022，and comprehensively analyze their spatial distribution and temporal evolution characteristics.Additionally，the study examined the flash drought events in the Yangtze River basin in 2022 due to their severity and singularity.The results were as follows：① In terms of spatial distribution，the Jinsha River in the upper reaches and the large reservoirs and lakes in the middle and lower reaches of the Yangtze River basin had the highest frequency and intensity of flash drought events.② Temporally，the frequency，average duration，and intensity of flash drought events all showed an insignificant upward trend in the Yangtze River basin as a whole from 1982 to 2022，while some smaller areas with significant trends exhibited a notable trend reversal around 2001.③ The Yangtze River basin was affected by extreme high temperatures and a heat wave in the summer of 2022 and suffered a large-scale flash drought event that was wide in scope，long in duration，and spatially propagated from upstream to downstream.

Key words：flash drought;spatiotemporal evolution;multi-source data;standardized evaporative stress ratio;the Yangtze River basin