基于Copula函数的四川水稻关键生育期高温干旱复合事件时空特征分析

doi:10.11755/j.issn.1006-7639-2026-02-0175

干旱气象 ›› 2026, Vol. 44 ›› Issue (2): 175-188.DOI: 10.11755/j.issn.1006-7639-2026-02-0175

基于Copula函数的四川水稻关键生育期高温干旱复合事件时空特征分析

蒲长林¹(), 陈东东²(), 张玉芳², 王晓东³, 邹雨伽²

¹ 四川省气候中心，四川成都 610000
² 四川省农业气象中心，丘区农业绿色高效节水技术与装备四川省重点实验室，四川成都 610072
³ 安徽省农业气象中心，安徽合肥 230031

收稿日期:2025-11-03 修回日期:2026-01-14 出版日期:2026-05-20 发布日期:2026-05-18
通讯作者: 陈东东（1983—），男，高级工程师，主要从事农业气象相关研究。E-mail： peter19831203@163.com。
作者简介:蒲长林（1995—），男，助理工程师，主要从事应用气象、农业与气候变化相关研究。E-mail： 2646394509@qq.com。
基金资助:
四川省水稻复合灾害动态监测及评估技术研究项目(SCQXKJYJXZD202408);四川省科普培训项目“气象防灾减灾宣传科普行”(2025JDKP0028);四川省气象局重点创新团队(SCQXZDCXTD202403);长江流域粮油主产区主要作物气象灾害预警及防控关键技术研发与应用项目(2024YFD2301305);四川高温干旱复合事件Copula建模与风险评估项目(SCQXKJQN202502);川渝地区高温-干旱-林火复合链式灾害的演化机制及风险评估项目(2025ZNSFSC1138)

Spatio-temporal characteristics of compound high temperature and drought events during critical rice growth periods in Sichuan Province based on the Copula function

PU Changlin¹(), CHEN Dongdong²(), ZHANG Yufang², WANG Xiaodong³, ZOU Yujia²

¹ Sichuan Climate Center， Chengdu 610000， China
² The Agrometeorological Center of Sichuan Province， Key Laboratory of Green and Efficient Water-Saving Technology and Equipment for Hilly Agriculture of Sichuan Province， Chengdu 610072， China
³ Anhui Agrometeorological Center， Hefei 230031， China

Received:2025-11-03 Revised:2026-01-14 Online:2026-05-20 Published:2026-05-18

摘要/Abstract

摘要：

在全球气候变暖背景下，高温与干旱复合事件对农业生产的危害远超过单一灾害。基于四川省92个气象站1981—2022年逐日降水量和最高气温数据，结合标准化降水蒸散指数和标准化温度指数，利用Copula函数构建高温与干旱强度的联合概率分布模型，系统分析水稻关键生育期（孕穗—抽穗期、抽穗—成熟期）高温干旱复合事件的时空特征。结果表明：1）在大部分站点中，广义极值分布（Generalized Extreme Value，GEV）是水稻两个生育期内干旱强度和高温强度的最优边际分布，且孕穗—抽穗期的拟合度优于抽穗—成熟期；2）Gumbel Copula被选为大部分站点最优的联合分布模型，揭示高温与干旱事件存在协同发生倾向；3）在7个水稻种植区中，轻度高温叠加轻度干旱的复合事件发生概率最高，联合重现期为9~20 a（孕穗—抽穗期）。空间上，盆中、盆南、盆周等区域为高频区，孕穗—抽穗期是复合胁迫发生概率更高的关键生育期；4）与1981—2000年相比，2001—2022年7个水稻种植区高温干旱复合事件频率及强度均呈增加趋势，且高温频率与强度的增幅均高于干旱。近20 a来，四川省水稻生育期内高温干旱复合事件风险正在加剧，高温风险正在快速累积。

关键词: 四川, 水稻关键生育期, 高温, 干旱, 复合事件, Copula函数

Abstract:

Under global warming, compound events of heat and drought pose a far greater threat to agricultural production than individual extremes. Based on daily precipitation and maximum temperature data from 92 meteorological stations in Sichuan Province druing 1981-2022, this study employed the Standardized Precipitation Evapotranspiration Index (SPEI) and the Standardized Temperature Index (STI) to characterize drought intensity and high temperature intensity， respectively. A joint probability distribution model of heat and drought intensities was constructed using the Copula function, and the spatiotemporal characteristics of compound heat-drought events during the critical rice growth periods (booting-heading and heading-maturity) were analyzed systematically. The results indicated that: 1) The Generalized Extreme Value (GEV) distribution was identified as the optimal marginal distribution for both drought intensity and heat intensity at most stations across the two growth stages, with better goodness-of-fit observed at the booting-heading stage than the heading-maturity stage. 2) The Gumbel Copula was selected as the optimal joint distribution model for the majority of stations, revealing a tendency for heat and drought events to occur in tandem. 3) In the seven rice-planting subregions, compound events characterized by mild heat and mild drought exhibit the highest occurrence probability, with joint return periods ranging from 9 to 20 years during the booting-heading stage. Spatially, the central Sichuan Basin, southern Sichuan Basin, and basin peripheral areas are high-frequency regions. The booting-heading stage was the critical growth period with a higher occurrence probability of compound stress. 4) Compared with the period 1981-2000, both the frequency and intensity of compound heat-drought events increased across all seven rice-planting subregions during 2001-2022, and the increases in heat frequency and intensity were more pronounced than drought. In summary, over the past two decades, the risk of compound heat-drought events during the rice growth period in Sichuan Province has intensified, with heat-related risk rising at a particularly rapid rate.

Key words: Sichuan, critical growth period of rice, high temperature, drought, compound event, Copula function

中图分类号:

P466
S16

蒲长林, 陈东东, 张玉芳, 王晓东, 邹雨伽. 基于Copula函数的四川水稻关键生育期高温干旱复合事件时空特征分析[J]. 干旱气象, 2026, 44(2): 175-188.

PU Changlin, CHEN Dongdong, ZHANG Yufang, WANG Xiaodong, ZOU Yujia. Spatio-temporal characteristics of compound high temperature and drought events during critical rice growth periods in Sichuan Province based on the Copula function[J]. Journal of Arid Meteorology, 2026, 44(2): 175-188.

图/表 13

图1 研究区水稻种植分区（填色）及92个气象站点（圆点）空间分布

Fig.1 Spatial distribution of rice planting regions （the color shaded） and 92 meteorological stations （dots） in the study area

表1 四川省不同区域水稻关键生育期时段划分

Tab.1 The time division of key rice growth stages in different regions of Sichuan Province

区域	孕穗—抽穗	抽穗—成熟
川西南宽谷	7月21日—8月10日	8月11日—9月10日
川西南山地	7月21日—8月10日	8月11日—9月10日
盆南	7月1—10日	7月11日—8月10日
盆西	7月21日—8月10日	8月11日—9月10日
盆中	7月21—31日	8月1日—9月10日
盆东	7月21日—8月10日	8月11—31日
盆周	7月21日—8月20日	8月21日—9月30日

表2 高温与干旱强度等级划分标准

Tab.2 Classification criteria for high temperature and drought intensity levels

干旱或高温强度	SPEI	STI
轻度	-1.0<SPEI≤-0.5	0.5≤STI<1.0
中度	-1.5<SPEI≤-1.0	1.0≤STI<1.5
重度	SPEI≤-1.5	STI≥1.5

图2 1981—2022年四川省不同水稻种植区孕穗—抽穗期（a、c）、抽穗—成熟期（b、d）逐年高温（a、b）和干旱（c、d）平均强度等级统计

Fig.2 Statistics of annual average intensity grades of high temperature (a, b) and drought (c, d) during the booting-heading (a, c) and heading-maturity (b, d) stages in different rice planting regions of Sichuan Province from 1981 to 2022

图3 1981—2022年四川水稻种植区孕穗—抽穗期（a）、抽穗—成熟期（b）高温干旱复合事件累计发生频次（单位：次）空间分布

Fig.3 Spatial distribution of cumulative occurrence frequency of compound high temperature and drought events during the booting-heading (a) and heading-maturity (b) stages in rice planting regions of Sichuan Province from 1981 to 2022 (Unit: times)

图4 1981—2022年四川省不同水稻种植区、不同生育期、不同时期的高温（a）、干旱（b）累计发生频次

Fig.4 Cumulative occurrence frequency of high temperature (a) and drought (b) in different rice planting regions, growth stages and periods in Sichuan Province from 1981 to 2022

图5 叙永站1981—2022年水稻孕穗—抽穗期SPEI（a）与STI（b）的最优边际分布拟合曲线

Fig.5 Fitted curves of the optimal marginal distributions of SPEI (a) and STI (b) during the booting-heading stage of rice at Xuyong Station from 1981 to 2022

图6 1981—2022年四川水稻种植区孕穗—抽穗期（a、b）、抽穗—成熟期（c、d）SPEI（a、c）与STI（b、d）最优边际分布函数空间分布

Fig.6 Spatial distribution of optimal marginal distribution functions of SPEI (a, c) and STI (b, d) during the booting-heading (a, b) and heading-maturity (c, d) stages in rice planting regions of Sichuan Province from 1981 to 2022

图7 1981—2022年四川水稻种植区孕穗—抽穗期（a）、抽穗—成熟期（b）高温与干旱强度最优Copula函数空间分布

Fig.7 Spatial distribution of optimal Copula functions of high temperature and drought intensity during the booting-heading (a) and heading-maturity (b) stages in rice planting regions of Sichuan Province from 1981 to 2022

图8 1981—2022年叙永站水稻孕穗—抽穗期（a、b）、抽穗—成熟期（c、d）SPEI与STI联合累积概率（a、c）及其重现期（b、d）（黑色点为高温干旱复合事件）

Fig.8 Joint cumulative probability (a, c) and corresponding return period (b, d) of SPEI and STI during the booting-heading (a, b) and heading-maturity (c, d) stages of rice at Xuyong Station from 1981 to 2022 (Black dots represent compound high-temperature and drought events)

图9 四川省不同水稻种植区不同生育期不同时期的高温干旱强度累积分布函数及其90%分位数（Q90）

Fig.9 The cumulative distribution functions and their 90th percentiles (Q90) of high temperature and drought intensity in different rice planting regions of Sichuan Province during different growth stages and periods

图10 四川省水稻种植区孕穗—抽穗期不同等级高温干旱联合重现期空间分布（单位：a）

Fig.10 Spatial distribution of the combined recurrence periods of high temperature and drought with different grades during the booting-heading stages in rice planting regions of Sichuan Province （Unit： a）

图11 四川省水稻种植区抽穗—成熟期不同等级高温干旱联合重现期分布（单位：a）

Fig.11 Spatial distribution of the combined recurrence periods of high temperature and drought with different grades during the heading-maturity stages in rice planting regions of Sichuan Province （Unit： a）

参考文献 39

[1]	蔡慧君, 金磊, 肇同斌, 等, 2020. 辽东山区春季极端低温时空分布特征及发生概率预测[J]. 自然灾害学报, 29(3):173-185.
[2]	蔡怡亨, 李帅, 张强, 等, 2023. 1997—2021年四川省干旱时空变化特征分析[J]. 干旱气象, 41(2): 241-250. DOI
[3]	邓彪, 孙蕊, 邢开瑜, 等, 2024. 1961—2022年四川省区域性干旱过程识别及时空演变特征[J]. 高原山地气象研究, 44(1): 85-93.
[4]	董朝阳, 刘志娟, 杨晓光, 2015. 北方地区不同等级干旱对春玉米产量影响[J]. 农业工程学报, 31(11): 157-164.
[5]	甘书龙, 1986. 四川省农业资源与区划:上篇[M]. 成都: 四川省社会科学院出版社.
[6]	韩佳昊, 张琪, 王丽荣, 等, 2021. 海河平原夏玉米主要生育期发生高温干旱并发事件的气候学分析[J]. 中国农业气象, 42(6): 507-517.
[7]	韩兰英, 张强, 贾建英, 等, 2019. 气候变暖背景下中国干旱强度、频次和持续时间及其南北差异性[J]. 中国沙漠, 39(5): 1-10. DOI
[8]	姜大膀, 王晓欣, 2021. 对IPCC第六次评估报告中有关干旱变化的解读[J]. 大气科学学报, 44(5): 650-653.
[9]	金燕, 况雪源, 晏红明, 等, 2018. 近55年来云南区域性干旱事件的分布特征和变化趋势研究[J]. 气象, 44(9): 1 169-1 178.
[10]	梁媛媛, 孙鹏, 张强, 2022. 基于Copula函数的1977—2014年广东省年最大洪峰特征分析[J]. 水利水电技术: 中英文, 53(2): 1-17.
[11]	雷智雯, 陈东东, 栗晓玮, 等, 2025. 基于Copula函数的西南地区一季稻高温干旱复合事件演变特征[J/OL]. 生态学杂志,1-13.(2025-11-17)[2026-04-10]. https://kns.cnki.net/kcms2/article/abstract?v=H8HwaL3t0AupntcrcbJpYSvuIqjtvuqI9THtfkqbLfRoIAN8lK7LumQBrlenymQD7rR9VG0qgEKa8pIniG_KM-XGsh1Qi3YKZa058Kcm9VXx_Ib93ZDBoKvsCyX2-Yz8YPjLmcnuwVlEaz_jtpzL_fZJ_2JV74CwsjTbtHMS05b6g4HBLHUkqQ==&uniplatform=NZKPT&language=CHS.
[12]	卫仁娟, 潘妮, 钟馨, 等, 2024. 四川省极端高温干旱复合事件变化特征研究[J]. 水文, 44(6): 60-67.
[13]	熊志强, 1999. 四川农业灾害与减灾对策[M]. 成都: 四川科学技术出版社.
[14]	武新英, 郝增超, 张璇, 等, 2021. 中国夏季复合高温干旱分布及变异趋势[J]. 水利水电技术: 中英文, 52(12): 90-98.
[15]	魏凤英, 曹鸿兴, 王丽萍, 等, 2003. 20世纪80-90年代我国气候增暖进程的统计事实[J]. 应用气象学报, 14(1): 79-86.
[16]	应寿英, 赵颖文, 何鹏, 2024. 四川省水稻产业发展现状与对策[J]. 黑龙江农业科学(12): 73-79.
[17]	余兴湛, 蒲义良, 康伯乾, 2022. 基于SPEI的广东省近50 a干旱时空特征[J]. 干旱气象, 40(6): 1 051-1 058.
[18]	俞昕, 张琪, 杨再强, 2023. 基于Copula函数分析华北地区年高温干旱复合事件发生特征[J]. 中国农业气象, 44(8): 695-706.
[19]	张菡, 郑昊, 李媛媛, 等, 2015. 针对水稻的四川盆地高温热害风险评估[J]. 江苏农业科学, 43(12): 406-409.
[20]	张强, 韩兰英, 郝小翠, 等, 2015. 气候变化对中国农业旱灾损失率的影响及其南北区域差异性[J]. 气象学报, 73(6): 1 092-1 103.
[21]	赵海燕, 张文千, 邹旭恺, 等, 2021. 气候变化背景下中国农业干旱时空变化特征分析[J]. 中国农业气象, 42(1): 69-79.
[22]	AGHAKOUCHAK A, CHENG L Y, MAZDIYASNI O, et al, 2014. Global warming and changes in risk of concurrent climate extremes: Insights from the 2014 California drought[J]. Geophysical Research Letters, 41(24): 8 847-8 852.
[23]	CHEN G, LI K, GU H T, et al, 2024. Climatic challenges in the growth cycle of winter wheat in the Huang-Huai-Hai Plain: New perspectives on high-temperature-drought and low-temperature-drought compound events[J]. Atmosphere, 15(7): 747. DOI:10.3390/atmos15070747.
[24]	FLANNIGAN M D, KRAWCHUK M A, DE GROOT W J, et al, 2009. Implications of changing climate for global wildland fire[J]. International Journal of Wildland Fire, 18(5): 483-507. DOI URL
[25]	GUO Y, LU X L, ZHANG J Q, et al, 2022. Joint analysis of drought and heat events during maize (Zea mays L.) growth periods using Copula and cloud models: A case study of Songliao Plain[J]. Agricultural Water Management,259: 107238. DOI:10.1016/j.agwat.2021.107238.
[26]	HAO Z C, HAO F H, SINGH V P, et al, 2018. A multivariate approach for statistical assessments of compound extremes[J]. Journal of Hydrology, 565: 87-94. DOI URL
[27]	HANSEN J, SATO M, RUEDY R, 2012. Perception of climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 109(37): E2415-E2423.
[28]	IPCC, 2014. Climate change 2013: The physical science basis: Working group I contribution to the fifth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press.
[29]	MUKHERJEE S, MISHRA A K, 2021. Increase in compound drought and heatwaves in a warming world[J]. Geophysical Research Letters, 48(1): e2020GL090617. DOI:10.1029/2020GL090617.
[30]	RIDDER N N, PITMAN A J, UKKOLA A M, 2021. Do CMIP6 climate models simulate global or regional compound events skillfully?[J]. Geophysical Research Letters, 48(2): e2020GL091152. DOI:10.1029/2020GL091152.
[31]	SHARMA S, MUJUMDAR P, 2017. Increasing frequency and spatial extent of concurrent meteorological droughts and heatwaves in India[J]. Scientific Reports, 7(1): 15582. DOI:10.1038/s41598-017-15896-3. PMID
[32]	TRIPATHY K P, MUKHERJEE S, MISHRA A K, et al, 2023. Climate change will accelerate the high-end risk of compound drought and heatwave events[J]. Proceedings of the National Academy of Sciences of the United States of America, 120(28):e2219825120. DOI:10.1073/pnas.2219825120.
[33]	WANG R, LÜ G N, NING L, et al, 2021. Likelihood of compound dry and hot extremes increased with stronger dependence during warm seasons[J]. Atmospheric Research, 260: 105692. DOI:10.1016/j.atmosres.2021.105692.
[34]	WU X Y, HAO Z C, HAO F H, et al, 2019a. Variations of compound precipitation and temperature extremes in China during 1961-2014[J]. Science of the Total Environment, 663: 731-737. DOI URL
[35]	WU X Y, HAO Z C, HAO F H, et al, 2019b. Spatial and temporal variations of compound droughts and hot extremes in China[J]. Atmosphere, 10(2): 95. DOI:10.3390/atmos10020095.
[36]	YAO N, LI Y, LEI T J, et al, 2018. Drought evolution, severity and trends in mainland China over 1961-2013[J]. Science of The Total Environment, 616/617: 73-89. DOI URL
[37]	ZHANG Y, HAO Z C, FENG S F, et al, 2022a. Comparisons of changes in compound dry and hot events in China based on different drought indicators[J]. International Journal of Climatology, 42(16): 8 133-8 145.
[38]	ZHANG Q, YU X, QIU R J, et al, 2022b. Evolution, severity, and spatial extent of compound drought and heat events in North China based on Copula model[J]. Agricultural Water Management, 273: 107918. DOI:10.1016/j.agwat.2022.107918.
[39]	ZSCHEISCHLER J, MARTIUS O, WESTRA S, et al, 2020. A typology of compound weather and climate events[J]. Nature Reviews Earth & Environment, 1(7): 333-347.

基于Copula函数的四川水稻关键生育期高温干旱复合事件时空特征分析

Spatio-temporal characteristics of compound high temperature and drought events during critical rice growth periods in Sichuan Province based on the Copula function

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 13

参考文献 39

相关文章 15

编辑推荐

Metrics

[1]	高娜, 王素艳, 李欣, 高睿娜, 王岱. 宁夏次季节旱涝急转事件识别及演变特征[J]. 干旱气象, 2026, 44(2): 189-199.
[2]	王帆, 齐月, 方锋, 贾建英, 王兴, 房子云, 贾亦阳, 任淑媛, 张雅馨. 河西走廊制种玉米高温热害时空特征及风险区划[J]. 干旱气象, 2026, 44(2): 200-207.
[3]	李卓卓, 杨莲梅, 阿不都外力·阿不力克木. 基于多源数据的典型干旱区云水资源气候特征研究[J]. 干旱气象, 2026, 44(2): 208-218.
[4]	沈诗荐, 李金建, 马鹤翟, 李兴, 孟庆怡, 李霄宇. 亚欧大陆波列模态与热带对流对长江流域2024年夏末秋初复合高温干旱事件的协同影响[J]. 干旱气象, 2026, 44(1): 1-14.
[5]	尹喆, 颜鹏程, 左冬冬, 李淑萍. 基于ERA5降水数据的精细化干旱指数在黄河中上游地区的适用性评估[J]. 干旱气象, 2026, 44(1): 15-27.
[6]	李家良, 彭丽英, 刘祖任, 余绍荣, 梁家杰. 基于SPEI的粤西近50 a干旱特征分析[J]. 干旱气象, 2026, 44(1): 47-55.
[7]	段海来, 刘畅, 谢礼江. 珠江口咸潮与干旱复合事件风险及其对气候变化的响应[J]. 干旱气象, 2025, 43(6): 846-855.
[8]	朱瑶, 唐露, 倪长健, 李娜, 唐得智, 李昕翼. 四川盆地霾天气过程水汽演化特征及与大气能见度的关系[J]. 干旱气象, 2025, 43(6): 967-975.
[9]	杨耀先, 姚玉璧, 阳仁贵, 高瑜昺, 张伟伟, 邓梦雨, 肖淼元. 中纬度大气环流异常对2024年加州干旱引发山火的影响[J]. 干旱气象, 2025, 43(5): 655-666.
[10]	于晓晶, 张丽霞, 于志翔, 杨可儿. 2025年1月美国洛杉矶破纪录山火事件的干旱气象条件归因[J]. 干旱气象, 2025, 43(5): 667-677.
[11]	赵采玲, 杨金虎, 岳平, 颜鹏程, 李忆平, 李红, 李丹华. 2024年7月美国加利福尼亚州山火与干旱和高温等极端气象条件的关系及大气环流成因[J]. 干旱气象, 2025, 43(5): 678-688.
[12]	赵斯楠, 赵海燕, 代潭龙, 李睿, 邵丽芳, 张强. 高温和干旱对美国加利福尼亚州山火的影响[J]. 干旱气象, 2025, 43(5): 689-700.
[13]	胡跃鹏, 赵军平, 刘汉华, 付远, 孙善磊, 宋子祎. 2024年7—9月浙江省极端高温成因分析[J]. 干旱气象, 2025, 43(4): 499-509.
[14]	陈君芝, 伯忠凯, 徐玮平, 孟祥新, 曹洁. 山东省6月区域性持续高温过程的变化特征及成因分析[J]. 干旱气象, 2025, 43(4): 510-520.
[15]	庞萬隆, 袁子玥, 马秀枝, 胡志超, 李昕桥, 王敏怡, 马雅楠, 郑雨. 新疆伊犁河流域近30 a极端高温时空分布特征[J]. 干旱气象, 2025, 43(4): 521-530.