基于多源數據的長江流域1982—2022年驟旱事件時空演變

熊立華 李姝儀 查悉妮

摘要：驟發性干旱（簡稱驟旱）是一種突發性高且強度大的極端干旱現象，會對農業生產和生態系統構成嚴重威脅。近年來，長江流域驟旱頻發，然而其驟旱時空演變格局及規律尚不明晰。本研究基于GLEAM、GLDAS和ERA5-Land數據，以標準化蒸發脅迫比及其變化值作為識別指標，開展1982—2022年長江流域驟旱識別，全面分析長江流域驟旱空間分布和時間演變特征;并鑒于2022年旱情的嚴重性和特殊性，重點分析該年長江流域驟旱事件。研究結果表明：① 在空間分布上，長江流域上游的金沙江水系和中下游的大型水庫湖泊驟旱發生頻率最高且強度最大;② 在時間演變上，驟旱發生頻率、平均持續時間和強度均在長江流域整體上呈現出非顯著上升趨勢，而有顯著變化趨勢的區域在2001年前后表現出明顯的趨勢反轉現象;③ 2022年夏季受極端高溫熱浪影響，長江流域遭遇大規模驟旱事件，具有波及范圍廣、持續時間長的特點，且驟旱在空間上呈現出從上游向下游傳遞的態勢。

關鍵詞：驟旱;時空演變;多源數據;標準化蒸發脅迫比;長江流域

中圖分類號：P339??文獻標志碼：A??文章編號：1001-6791（2024）01-0024-14

干旱是最具破壞性的自然災害之一，對農業生產、經濟社會發展都產生巨大威脅［1-3］。傳統干旱是一個發展緩慢的長期過程，發生初期無明顯征兆并且可能持續數月或數年［4-5］。然而近年來，在全球變暖的背景下，一種發生迅速的短期干旱現象，被稱為驟發性干旱（簡稱驟旱），逐漸成為干旱現象的新常態［6］。驟旱因相較于傳統干旱會對農業生產和生態系統造成更嚴重的破壞而引起了廣泛關注［7-9］。

國內外學者圍繞驟旱的定義、識別方法、變化趨勢等開展了大量研究。Mo等［10-11］提出了明確的驟旱定義并劃分出熱浪驟旱及降雨虧缺型驟旱，將傳統的大時間尺度干旱研究拓展到更短的時間尺度;Otkin等［12］認為Mo等［10-11］選取的40%這一閾值不足以表征驟旱的快速發展和嚴重程度;Christian等［13］基于Otkin等［12］的理論開發了一種基于百分位數的驟旱識別方法，利用標準化蒸發脅迫比及其變化值來識別驟旱發生，并將該識別方法應用于美國各地驟旱發生頻率的研究，該識別指標適用于多種數據集且在植被茂密地區和濕潤地區的應用表現出較高的準確性和可靠性［13-14］，已有研究還證明了其在中國區域的適用性［15-16］;Osman等［14，17］采用土壤含水量波動率指標分析了美國大陸的驟旱發生時間和嚴重程度;Yuan等［7］基于根系土壤含水量研究了中國的驟旱發展規律和趨勢，結果表明驟旱統計特征的空間分布差異較大，南方濕潤地區驟旱的發生頻率和強度高于北方半干旱地區，中國未來南方驟旱風險呈顯著增加趨勢。長江流域處于中國中南部，包含多個典型的環境敏感區和氣候變化敏感帶［18-19］，是中國經濟、農業和生態的重要區域［20］，氣候變化導致的驟旱頻發可能會對其造成巨大威脅，但目前針對長江流域驟旱的研究尚不多見，因此，有必要對長江流域驟旱事件的時空演變規律進行研究。

本文以長江流域為研究對象，基于多源數據計算驟旱識別指標，識別1982—2022年的驟旱事件，深入探討長江流域驟旱的時空演變特征;并鑒于2022年長江流域旱情的嚴重性和特殊性，探究2022年長江流域驟旱的時空特征，以期為長江流域干旱的監測、預警和防治，生態的修復，農業的可持續發展以及科學應對氣候變化提供理論依據。

1 研究區域、數據與方法

1.1 研究區域概況

長江流域（24°N—36°N，90°E—123°E）地處中國中南部，干流長約6 300 km，自西而東橫貫中國中部，干流流經青海、西藏、四川、云南、重慶、湖北、湖南、江西、安徽、江蘇、上海等11個?。▍^、市），支流展延至貴州、甘肅、陜西、河南、浙江、廣西、廣東、福建等8個?。▍^），總面積約為180.42萬km2，是中國最大的流域。長江流域地跨熱帶、亞熱帶和暖溫帶氣候區，全年降水量豐富，但時空分布不均，主要集中在夏季?？臻g上降水量自上游向下游遞增。由于降水的時空分布特點，特別是降水集中在夏季以及空間上的不均衡分布，使得其部分季節和區域極易發生干旱事件。

考慮長江流域水文特性，參考長江流域二級流域片和河流水系劃分方案，將研究區細分為11個子流域（圖1）。其中，金沙江水系、岷沱江水系、嘉陵江水系、烏江水系和長江上游干流區間5個子流域位于長江流域上游;漢江水系、洞庭湖水系、鄱陽湖水系和中游干流區間4個子流域位于長江流域中游;三角洲平原區和下游干流區間2個子流域位于長江流域下游。通過細分長江流域的研究區域，有助于更好地理解不同地區的驟旱特征，為評估驟旱的時空演變趨勢和影響提供科學依據。

1.2 數據與方法

1.2.1 數據

所用數據包括蒸散發、潛在蒸散發數據。Liu等［21］評估了包括GLEAM（Global Land Evaporation Amsterdam Model）、GLDAS（Global Land Data Assimilation System）在內的全球10套蒸散發產品在流域尺度（包括長江流域）上的性能，研究結果表明GLEAM、GLDAS產品存在差異，但總體上均有良好的一致趨勢，均可以很好地再現長江流域蒸散發。Yang等［22］綜合分析了包括GLEAM、GLDAS、ERA5-Land在內的4套產品的蒸散量等水文變量在流域尺度（包括長江流域）上的時空變化，研究結果表明3套產品的蒸散發量有著相同的演變趨勢。因此，在計算驟旱識別指標以進行長江流域驟旱識別時，為了減少單一數據源可能產生的偏差和誤差，本文利用GLEAM、GLDAS、ERA5-Land共3套數據源逐日的蒸散發和潛在蒸散發數據計算驟旱識別指標。通過對比、整合和交叉驗證各數據源的研究結果，可以提高長江流域驟旱識別結果的準確性，增強識別結果的可信度。

GLEAM是一套基于遙感數據和陸面模型的全球數據集，由阿姆斯特丹大學提供。GLEAM v3.7a提供的數據集時間跨度為1980—2022年，空間分辨率為0.25°，時間分辨率為1 d。GLDAS是一套融合了觀測數據和陸面模型的數據集，由美國國家航空航天局（NASA）提供。GLDAS提供了多種水文氣象變量，時間跨度為1979年至今。ERA5-Land數據集是一套由歐洲中期天氣預報中心（ECMWF）提供的再分析數據集，是在ERA5的全球陸面模型基礎上進行了一系列改進并重新計算得到的。ERA5-Land提供了50多種水文氣象變量，時間跨度為1950年至今，相比ERA5具有更高的空間分辨率（0.1°）和時間分辨率（1 h）。

本文將從這3套數據源獲得的蒸散發和潛在蒸散發數據都處理成空間分辨率0.25°、時間分辨率1 d用于進行驟旱識別指標的計算。

1.2.2 驟旱事件識別方法

Christian等［13］開發了一種基于百分位數的驟旱識別方法，利用標準化蒸發脅迫比（RSES）及其變化值（ΔRSES）來識別驟旱的發生。

首先，用每日蒸散發（ET）和每日潛在蒸散發（ETP）來計算每日蒸發脅迫比（RES），如式（1）所示：

RES是一個介于0和1之間的值，可以反映當前環境中水分狀況和植被狀況對蒸散發的影響。當RES接近1時，意味著大氣對蒸散發的需求能夠得到充分滿足，土壤水分和植被能夠為蒸散發提供足夠的水分;RES接近0時，意味著土壤水分和植被幾乎無法滿足大氣對蒸散發的需求。

研究驟旱時，需要識別出突然快速發生的、持續時間較短的干旱現象。然而，由于大氣環境和地表條件在日尺度上可能存在較大的波動，直接使用日尺度的RES計算RSES可能導致結果受到短期波動的影響，從而影響到驟旱識別的準確性。因此，在計算RSES之前，Christian等［13］先計算RES的候平均值（5 d為一候）。這樣做既能有效降低短期波動對結果的影響，又能保持對驟旱的敏感性。在得到日RES后計算其候平均值（RESijp）并對研究流域內的每個柵格點進行標準化計算得到標準化蒸發脅迫比，如式（2）所示。標準化的目的在于消除數據異質性，使不同時間段內的蒸散發應力水平具有可比性。

Christian等［13］為了捕捉驟旱迅速加劇的特征，量化蒸散發應力的變化，還計算了RSESijp值之間的變化并對其進行了標準化，如式（3）所示。

接著按照以下標準識別驟旱事件：

標準1：至少有5個候的RSES變化，即驟旱事件的最小長度為6個候（30 d）。

標準2：最終的RSES值低于RSES值的20th百分位數。

標準3：

（a） 各個候之間的ΔRSES應不大于40th百分位數;

（b） 在滿足條件（a）的情況下，最多允許有1個ΔRSES高于40th百分位數。之后的候ΔRSES必須重新滿足條件（a），且結束時的RSES值要小于在RSES緩和之前的RSES值。

標準4：在整個驟旱期間（從滿足標準3（a）的第1個候開始，到滿足標準3（a）的最后1個候結束），RSES的平均變化必須小于25th百分位數。

標準1和標準2旨在排除短期干燥現象，捕捉具有實際影響的干旱情況，確保驟旱快速加劇的過程結束時至少達到了干旱條件且對環境產生了實質性的影響;標準3和標準4都是聚焦于驟旱的快速加劇過程，確保識別出的驟旱在短時間內迅速發展為嚴重干旱狀態。標準3關注于連續候之間干旱加劇的速度，其中，標準3（a）要求驟旱期間，RSES的變化必須足夠快，以反映干旱迅速加劇的特征;標準3（b）是在滿足標準3（a）的基礎上僅允許出現一個較小的波動，以確保所識別的驟旱在整個過程中大致始終保持快速加劇。標準4則關注于整個驟旱過程中的平均干旱加劇速度，確保所識別的驟旱事件在整個過程中始終保持快速加劇，而不會因為短暫的降水、較低的溫度、更多的云層或較低的地表風速等因素而被顯著減緩。

為了說明識別驟旱事件的4個標準，圖2提供了時間序列示意。在此示例中，識別了從5月中旬到6月中旬的一次驟旱事件。在5月11日的ΔRSES位于24th百分位數，說明干旱開始迅速加劇。隨后在5月16日、21日、26日及6月1日的4個ΔRSES均低于40th百分位數，滿足標準3（a）;6月6日，ΔRSES位于57th百分位數，此ΔRSES被判定為干旱迅速加劇的緩和期，并需要檢查隨后一個候的ΔRSES是否滿足標準3（a）;6月11日的ΔRSES低于40th百分位數，滿足標準3（a），且該ΔRSES結束時的RSES值（在圖2中標識為P2）小于緩和期開始之前的RSES值（在圖2中標識為P1），滿足標準3（b）;6月16日的ΔRSES位于84th百分位數，這不滿足標準3（b），說明干旱在6月16日結束了迅速加劇。其余3個標準用于繼續完成該次干旱事件的識別，首先，在此示例中的干旱事件長度為7個ΔRSES（共8個候），滿足標準1;其次，此次干旱事件最終的RSES值低于RSES的20th百分位數，滿足標準2;最后，計算得到整個干旱期間RSES的平均變化位于19th百分位數，滿足標準4。因此，該次迅速加劇的干旱事件滿足確定為驟旱事件的所有標準，可以被視為一次驟旱事件。

1.2.3 驟旱事件評價指標

本研究從3個方面描述驟旱事件的統計特征，包括：

（1） 發生頻率。指研究時段內驟旱事件的總數量。

（2） 平均持續時間。指研究時段內驟旱事件發生的總時間與總次數之比。

（3） 強度。驟旱強度主要依據RSES值的變化（ΔRSES）來劃分［13］，RSES值反映了大氣需求的蒸散發與可用的土壤水分和植被之間的關系，當RSES值降低，即ΔRSES為負值，意味著可用的土壤水分和植被無法滿足大

氣需求的蒸散發，這通常表示干旱條件正在發生或加劇。ΔRSES的絕對值越大，表明RSES值在相對較短的時間內發生了較大的改變，也就是說，如果RSES值正在降低，那么越小的ΔRSES值就越能表示干旱條件正在快速惡化，反映出干旱程度的加劇速度，進而可以提供關于干旱嚴重程度的信息。從數學表達上來說，驟旱強度可以被劃分為4個等級，如表1所示。本研究計算的強度是指研究時段內驟旱事件累計總強度與發生總次數之比。

1.2.4 統計分析方法

驟旱事件的時間演變特征采用氣象學和水文學中常用的Mann-Kendall趨勢分析法（簡稱M-K），M-K是一種非參數統計檢驗法，不受異常值干擾，適合對非正態分布的數據進行分析。本研究在進行時間演變分析時，分別對長江流域整體和每個柵格點的驟旱發生頻率、平均持續時間和強度進行M-K趨勢檢驗，識別出長江流域驟旱評價指標的變化趨勢，得到其時間演變的細節。同時考慮到整個41 a研究時段內可能存在的多變性和長時間序列趨勢的不一致性，為準確揭示驟旱變化的細節，本研究將全時段劃分為2個子時段，分別為1982—2001年和2002—2022年，這種劃分可以更好地反映驟旱特性在不同時段內的變化情況，同時避免由于時間跨度過大而帶來的分析誤差。

在進行了M-K趨勢分析后，本研究還對同一研究時段的驟旱發生頻率（A）、驟旱平均持續時間（B）和驟旱強度（C）進行了皮爾遜相關性分析。

2 結果與分析

2.1 長江流域驟旱事件的空間分布特征

本研究基于GLEAM、GLDAS、ERA5-Land共3套數據源對長江流域1982—2022年的驟旱事件進行識別，得到發生頻率、平均持續時間及強度的空間分布圖（圖3），并根據該結果作了如圖4所示的變異系數分布及如圖5所示的柱狀統計特征，圖5中每個子流域的縱坐標密度值是通過計算每個橫坐標區間內的柵格點數目除以對應子流域的總柵格點數目得到的。根據長江流域3套數據源驟旱強度識別結果，分別計算出不同驟旱強度事件的發生比率（表2）。

圖3、圖4表明基于3套數據源識別出的長江流域驟旱平均持續時間和強度的空間分布趨勢一致且變異系數在大部分區域小于0.3，說明基于3套數據源得到的結果基本一致?；?套數據源識別出的長江流域驟旱發生頻率的空間分布趨勢也是一致的但是仍存在一些差異。具體而言，基于GLEAM數據源識別出的驟旱事件相較于基于GLDAS、ERA5-Land數據源識別出的驟旱事件在長江流域內發生的更加集中、頻繁且強度更高，這與Deng等［15］和Mukherjee等［23］研究結果相似?；诙嘣磾祿R別出的結果之間的差異是數據來源及其處理方法的差異所致，不是本研究的重點關注內容，本研究使用多源數據是為了減少單一數據源可能產生的偏差和誤差，希望通過對比、整合和交叉驗證各數據源的研究結果，提高長江流域驟旱識別結果的準確性，增強識別結果的可信度，所以本研究重點分析研究基于3套數據源識別出的結果之間的共同趨勢和一致性規律。

圖3、圖5表明長江流域驟旱發生頻率及平均持續時間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、鄱陽湖水系。圖3、圖5和表2表明極度驟旱發生的頻率極低且主要分布在金沙江水系，還有少數極度驟旱發生在中游洞庭湖水系、鄱陽湖水系、下游干流區間的巢湖流域及三角洲平原區的太湖流域附近。圖3表明長江流域驟旱事件在河流、湖泊和水庫等水體豐富的地區發生的頻率和強度更高，平均持續時間更長，本研究認為這是由于在持續高溫條件下潛在蒸散發量加大，而湖泊水庫水量下降導致實際蒸散發量下降，從而使驟旱事件增加。同時，這些地區人口密集，人工取水的需求量大，這也對湖泊和水庫的水量產生了重大影響。因此，這些地區更容易發生驟旱。

2.2 長江流域驟旱事件的時間演變特征

基于長江流域1982—2022年驟旱事件識別的結果，計算了長江流域整體驟旱發生頻率、平均持續時間和強度的年際時間變化（圖6），陰影區域代表3套不同數據集的平均值±標準差。本研究還在柵格點尺度上進行了詳盡的時間演變分析，計算出了每個柵格點驟旱評價指標的變化趨勢，得到其時間演變的細節（圖7）。本研究還對同一數據源同一子時段的驟旱發生頻率、驟旱平均持續時間和驟旱強度的趨勢性計算了皮爾遜相關系數（表3）。

圖6表明長江流域驟旱發生頻率、平均持續時間和強度在1982—2022年整體均呈現上升趨勢，上升率分別為20.5%、0.57%和0.83%，但均未通過顯著性檢驗，說明上升趨勢并不顯著。表3表明基于同一套數據源的長江流域驟旱3種評價指標趨勢性檢驗結果在所有子時段都表現出較強的相關性，相關性系數均為0.876 5～0.999 7，這表明驟旱的發生頻率、平均持續時間和強度在4個子時段內都具有高度一致的變化，說明長江流域的氣候變化趨勢對驟旱的影響有一定的穩定性和一致性。圖7表明長江流域內大部分區域的驟旱特征并無顯著變化趨勢。有顯著變化趨勢的區域在2個子時段內存在明顯的趨勢反轉現象，即2001年是個趨勢反轉點，2001年前呈現顯著上升（下降）趨勢的區域在2001年后呈現顯著下降（上升）趨勢，本研究認為這可能是2000年后經濟高速發展伴隨的土地利用、人類活動和水資源管理等變化對驟旱趨勢產生了影響。

2.3 2022年長江流域驟旱事件的時空演變特征研究

2022年，長江流域遭遇了1961年以來最嚴重的旱情，出現了罕見的“主汛期反枯”現象。該次旱情所帶來的影響頗為嚴重，并展現出三大特點：一是受旱空間范圍大，覆蓋了長江流域上游、中游和下游，較為罕見;二是旱情發生時間早，從2022年6月起，長江流域降水就開始顯著偏少;三是該次旱情發生的同時伴隨著自1961年以來最強的持續高溫熱浪［24］?？紤]到持續的高溫熱浪會加劇土壤蒸發，導致地表水分迅速減少，同時使得陸地水汽輸送條件變得異常，為驟旱的發生提供了有利的氣象水文背景，所以本研究合理推測2022年長江流域“主汛期反枯”現象主要是由驟旱引起?；?022年長江流域旱情的嚴重性和特殊性，本研究深入理解并分析2022年長江流域驟旱事件的空間分布特征，并探究其影響因素，對于防范類似災害和應對未來的氣候變化具有重要的現實意義。

圖8是基于GLEAM、GLDAS和ERA5-Land數據源的2022年長江流域驟旱特征空間分布，圖中的“+”表示該柵格點在長江流域汛期（5—10月中旬）內發生了驟旱事件。圖8（a）表明2022年驟旱事件在長江流域全面爆發，覆蓋了全部子流域。11個子流域均發生了至少1次驟旱事件，證明了這次驟旱事件對于整個長江流域的普遍性。盡管整個長江流域均受到了驟旱事件的影響，但發生2次或3次驟旱的地區極少，占比僅

有4%左右，說明驟旱事件的發生與特定的季節性或臨時性環境條件有關，而這些條件在一年中的大部分時間可能并不會出現。這也意味著，盡管驟旱可能在短期內對水資源和相關活動產生嚴重影響，但長期看來，大部分地區可能有足夠的時間來恢復和適應。且在整個長江流域，90%以上的驟旱事件都發生在汛期（5—10月中旬），這進一步說明了驟旱事件發生與季節性環境條件的關系。圖8（a）還表明驟旱發生頻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陽湖水系。圖8（b）表明2022年長江流域約90%的驟旱事件的平均持續時間不超過8個候，反映了驟旱事件的發展迅速和持續時間短的特點；但也存在少數地區的驟旱平均持續時間超過12個候，這些地區主要分布在上游的金沙江水系以及中游的洞庭湖附近。圖8（c）表明2022年長江流域驟旱事件的強度主要是輕度和中度。由此也可以得出長江流域2022年驟旱事件空間分布特征和1982—2022年整體空間分布特征基本一致。

圖9是基于GLEAM、GLDAS和ERA5-Land數據源識別出的2022年長江流域驟旱特征時間演變。圖9表明2022年長江流域發生了5場驟旱事件，每場驟旱分別始于2022年2月、4月、6月、8月及10月，且爆發在2月、4月、6月、8月的驟旱事件的覆蓋面依次變大。圖9還表明2022年長江流域驟旱事件多發生于4—11月，尤其以夏季為主。同時圖9再次印證驟旱事件發生速率快、持續時間短的特點。

基于圖9表現出的2022年長江流域驟旱事件的特點，本研究做了2022年長江流域4—11月驟旱強度時空演變圖（圖10）。圖10表明2022年汛期內驟旱事件并非在長江流域內同時出現，而是呈現出顯著的從上游向下游傳遞的特性，這與Liang等［25］的實驗結果相似。從圖9、圖10可以看出，2022年4月爆發的這場驟旱主要發生在長江上游金沙江水系的上游區域，持續到5月末;隨后6月爆發的這場驟旱轉移至金沙江水系的中下游區域以及長江上游干流區間，持續到7月末，表現出驟旱事件從長江流域上游至中游傳遞轉移的過程;8—9月，驟旱事件覆蓋范圍進一步擴大，覆蓋了長江上游干流區間、中游干流區間、中游部分大型湖泊水庫以及下游干流區間，表現出驟旱事件從長江流域中上游進一步蔓延至下游的過程;最后在10月，驟旱又出現在長江上游金沙江水系的上游區域以及長江流域內部分大型湖泊水庫附近。在驟旱事件的空間傳遞過程中，驟旱強度總體上隨著時間和地理位置的變化而變化，在驟旱事件從上游向下游傳遞的過程中，驟旱強度也逐漸變大，極度驟旱主要出現在夏季的金沙江水系、長江流域上中游干流區間附近及部分大型湖泊水庫附近。

3 結? 論

本研究以長江流域為研究對象，對長江流域1982—2022年的驟旱事件進行識別，并對驟旱事件的時空演變特征進行探究分析，重點對2022年長江流域驟旱事件進行時空分布特征研究。主要結論如下：

（1） 從空間分布角度來看，長江流域驟旱事件表現出顯著的地理差異性。在上游的金沙江水系和中下游的大型水庫湖泊，驟旱事件的頻發性及其嚴重性尤為突出。上游金沙江水系，作為長江流域源頭區的重要組成部分，驟旱事件的發生頻率、平均持續時間和強度顯著高于其他子流域。中下游的長江主干流、大型湖泊水庫等水體豐富的流域如鄱陽湖、洞庭湖、丹江口水庫、巢湖、太湖等，驟旱事件的發生頻率、平均持續時間和強度也表現出高水平。

（2） 從時間演變角度來看，長江流域整體在1982—2022年呈現不顯著的上升趨勢。而從柵格點角度來看，長江流域內每個柵格點驟旱事件的發生頻率、平均持續時間、強度的變化趨勢在研究時段內均表現出高度一致性，但這3個驟旱特征的變化趨勢在長江流域內有顯著的地理差異性。長江流域內大部分區域的驟旱特征并無顯著變化趨勢，有顯著變化趨勢的區域在2001年前后存在明顯的趨勢反轉現象，即2001年是個趨勢反轉點，2001年前呈現顯著上升（下降）趨勢的區域在2001年后呈現顯著下降（上升）趨勢。

（3） 2022年長江流域驟旱事件全流域爆發，覆蓋全部子流域，但驟旱事件并非同時出現，而是呈現出顯著的從上游向下游傳遞的特性。2022年長江流域驟旱事件的發生還表現出顯著的季節性特征，驟旱事件多發生于4—11月，尤其以夏季為主。2022年長江流域驟旱強度的變化與時間和空間的變化有關，在驟旱事件從上游向下游傳遞的過程中，驟旱強度也逐漸變大，極度驟旱主要出現在夏季的金沙江水系、長江流域上中游干流區間附近及部分大型湖泊水庫附近。

參考文獻：

［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］顧磊，陳杰，尹家波，等.氣候變化下中國主要流域氣象水文干旱潛在風險傳播［J］.水科學進展，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，王鈺淼，張苗，等.關于驟旱研究的一些思考［J］.大氣科學學報，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，朱燁，張林齊，等.驟發干旱前期氣象驅動條件及可模擬性分析［J］.水科學進展，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］歐陽志云，王效科，苗鴻.中國生態環境敏感性及其區域差異規律研究［J］.生態學報，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］劉軍會，高吉喜，馬蘇，等.中國生態環境敏感區評價［J］.自然資源學報，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］劉孝富，張志苗，劉柏音，等.長江流域生態系統恢復力評價及其空間異質性研究［J］.環境科學研究，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年長江流域水旱災害防御工作［J］.中國防汛抗旱，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