1984—2021年中国高温干旱复合事件特征及标准化经济损失评估

doi:10.7523/j.ucas.2025.005

摘要/Abstract

摘要：

干旱和高温是常发的灾害性气候事件，可引发不同程度的经济损失。随着社会经济发展，其致灾性与社会经济条件叠加放大了灾害损失。聚焦1984—2021年中国高温干旱复合事件特征及经济损失，基于标准化方法构建干旱强度与灾害损失率关系模型，分析社会经济发展对干旱经济损失的影响，为干旱损失预估和区域防灾策略提供科学依据。结果显示，1984—1990年为干旱高发期，西南、黄淮中部和长江上游为主要干旱中心，经济损失尤为显著。原始损失随时间增加，而剔除人口和经济增长影响后的损失呈下降趋势，且与干旱时空分布高度一致。人口增长和经济发展是中国干旱经济损失显著增加的主要驱动因素，标准化处理能更准确反映干旱事件实际影响。

关键词: 高温干旱复合事件, 干旱强度, 直接经济损失, 标准化方法, 灾害损失率

Abstract:

As socioeconomic development progresses， the interaction between climatic hazards and socioeconomic conditions amplifies substantial economic losses at varying scales. This study focuses on the characteristics and economic impacts of compound drought-heatwave events in China from 1984 to 2021. Using a standardized methodology， we developed a drought intensity-loss ratio model to isolate the influence of socioeconomic development on drought-related economic losses， providing a scientific basis for loss estimation and regional disaster prevention strategies. The results indicate that 1984 to 1990 was a period of high drought frequency， with the primary drought centers located in Southwest China， the central Huang-Huai region， and the upper Yangtze River， where economic losses were particularly significant. While raw economic losses increased over time， losses adjusted for population and economic growth showed a declining trend， closely aligning with the spatiotemporal distribution of droughts. Population growth and economic development are identified as the main drivers of the significant increase in China’s drought-related economic losses. The standardization approach effectively reveals the actual impacts of drought events. Based on these findings， this study constructed a drought intensity-loss ratio model to better characterize the relationship between natural drought variability and economic losses， offering a robust framework for accurately assessing drought impacts and supporting disaster mitigation strategies.

Key words: compound high-temperature and drought events, drought intensity, direct economic loss, normalization method, loss ratio

中图分类号:

P429

周昱, 华丽娟, 钟霖浩, 杨洋, 龚昭荟, 周宇欣. 1984—2021年中国高温干旱复合事件特征及标准化经济损失评估[J]. 中国科学院大学学报, 2026, 43(4): 519-530.

Yu ZHOU, Lijuan HUA, Linhao ZHONG, Yang YANG, Zhaohui GONG, Yuxin ZHOU. Characteristics of compound high temperature and drought events and assessment of standardized economic losses across China from 1984 to 2021[J]. Journal of University of Chinese Academy of Sciences, 2026, 43(4): 519-530.

图/表 9

表1 指数的等级划分

Table 1 Classification of indices

程度	SPI	STI	程度	SCEI/SDHI
无	（-0.5， ∞）	（-∞， 0.5）	异常	［-0.5，-0.8）
轻	［-0.5， -1.0）	［0.5， 1.0）	中度	［-0.8，-1.2）
中	［-1.0，-1.5）	［1.0， 1.5）	严重	［-1.2，-1.6）
重	［-1.5，-2.0）	［1.5， 2.0）	极端	［-1.6，-2.0）
特	（-∞， -2.0］	$[2.0,$ ∞）	极致	（-∞， -2.0］

表1 指数的等级划分

Table 1 Classification of indices

程度	SPI	STI	程度	SCEI/SDHI
无	（-0.5， ∞）	（-∞， 0.5）	异常	［-0.5，-0.8）
轻	［-0.5， -1.0）	［0.5， 1.0）	中度	［-0.8，-1.2）
中	［-1.0，-1.5）	［1.0， 1.5）	严重	［-1.2，-1.6）
重	［-1.5，-2.0）	［1.5， 2.0）	极端	［-1.6，-2.0）
特	（-∞， -2.0］	$[2.0,$ ∞）	极致	（-∞， -2.0］

图1 1984—2021年中国年平均SPI-12时间变化和空间分布注：该图基于自然资源部标准地图服务网站GS（2022）4305号标准地图制作，底图无修改。下同。

Fig.1 Temporal changes and spatial distribution of the annual average SPI-12 in China from 1984 to 2021

图2 1984—2021年中国夏季区域平均SCEI、SDHI、SPI和STI时间序列及SCEI与SDHI的气泡图

Fig.2 Regional average time series of SCEI， SDHI， SPI， and STI during summer in China from 1984 to 2021 and the bubble plots of the SCEI and SDHI

表2 指数间的相关系数列表

Table 2 List of correlation coefficients between indices

	STI	SPI	SCEI	SDHI
STI	1	-	-	-
SPI	-0.165	1	-	-
SCEI	-0.787^*	0.634^*	1	-
SDHI	-0.793^*	0.656^*	0.920^*	1

图3 1984—2021年干旱DEL及其占GDP比例的年际变化、滑动T检验与红噪声谱分析

Fig.3 Interannual variations of direct economic losses due to drought and their proportion to GDP， sliding T-test， and red noise spectrum analysis from 1984 to 2021

表3 年均干旱损失及在GDP中所占的份额

Table 3 Mean annual drought losses and their share in GDP

	DEL/亿元	DEL/GDP/%	DEL/GDP增量/%
原始	322.5	0.20	1.04
DEL_CPI	450.9	0.46	1.46
DEL_CNM	4 862.9	21.56	15.76
DEL_ANM	2 051.1	5.46	6.65

图4 1998—2020年干旱造成的年均原始及标准化后DEL的空间分布

Fig.4 Spatial distribution of DEL_Original and DEL_normalized caused by drought in China from 1998 to 2020

图5 1998—2020年干旱造成的年均原始及标准化后DEL的趋势变化空间分布

Fig.5 Spatial distribution of trend changes in annual average DEL_Original and DEL_normalized caused by drought from 1998 to 2020

图6 1998—2020年年均干旱强度与DEL的相关系数空间分布及与经济损失率之间的关系

Fig.6 Spatial distribution of correlation coefficients between average annual drought intensity and direct economic loss in different provinces from 1998 to 2020 and the relationship between them and economic loss rate

参考文献 48

[1]	Coumou D， Rahmstorf S. A decade of weather extremes［J］. Nature Climate Change， 2012， 2（7）： 491-496. DOI： 10.1038/nclimate1452 .
[2]	United Nations Office for Disaster Risk Reduction. Global assessment report on disaster risk reduction［DB/OL］. ［2024-05-15］. .
[3]	Wilhite D A. Drought as a natural hazard： concepts and definitions［M］//Drought： A global assessment， Vol. I. London： Routledge， 2000： 3-18.
[4]	Zscheischler J， Seneviratne S I. Dependence of drivers affects risks associated with compound events［J］. Science Advances， 2017， 3（6）： e1700263. DOI： 10.1126/sciadv.1700263 .
[5]	Barriopedro D， Fischer E M， Luterbacher J， et al. The hot summer of 2010： redrawing the temperature record map of Europe［J］. Science， 2011， 332（6026）： 220-224. DOI： 10.1126/science.1201224 .
[6]	秦大河. 中国极端天气气候事件和灾害风险管理与适应国家评估报告［M］. 北京：科学出版社， 2015.
[7]	Petherick A. Drought in China［J］. Nature Climate Change， 2011， 1（6）： 293. DOI： 10.1038/nclimate1215 .
[8]	Burke E J， Brown S J， Christidis N. Modeling the recent evolution of global drought and projections for the twenty-first century with the Hadley centre climate model［J］. Journal of Hydrometeorology， 2006， 7（5）： 1113-1125. DOI： 10.1175/jmh544.1 .
[9]	Mckee T， Doesken N， Kleist J. The relationship of drought frequency and duration to time scales［C］//Proceedings of the 8th conference on applied climatology. American Meteorological Society， 1993： 179-184.
[10]	Zscheischler J， Michalak A M， Schwalm C， et al. Impact of large-scale climate extremes on biospheric carbon fluxes： an intercomparison based on MsTMIP data［J］. Global Biogeochemical Cycles， 2014， 28（6）： 585-600. DOI： 10.1002/2014GB004826 .
[11]	Hao Z C， Hao F H， Singh V P， et al. Changes in the severity of compound drought and hot extremes over global land areas［J］. Environmental Research Letters， 2018， 13（12）： 124022. DOI： 10.1088/1748-9326/aaee96 .
[12]	Hao Z C， Hao F H， Singh V P， et al. Statistical prediction of the severity of compound dry-hot events based on El Niño-Southern Oscillation［J］. Journal of Hydrology， 2019， 572： 243-250. DOI： 10.1016/j.jhydrol.2019.03.001 .
[13]	Ali M， Deo R C， Maraseni T， et al. Improving SPI-derived drought forecasts incorporating synoptic-scale climate indices in multi-phase multivariate empirical mode decomposition model hybridized with simulated annealing and kernel ridge regression algorithms［J］. Journal of Hydrology， 2019， 576： 164-184. DOI： 10.1016/j.jhydrol.2019.06.032 .
[14]	赵晶，姜彤，苏布达，等. 标准化方法在干旱损失预估中的应用：以华北地区为例［J］. 江苏农业科学， 2018， 46（18）：302-309. DOI： 10.15889/j.issn.1002-1302.2018.18.072 .
[15]	Pielke R A Jr， Gratz J， Landsea C W， et al. Normalized hurricane damage in the United States： 1900-2005［J］. Natural Hazards Review， 2008， 9（1）： 29-42. DOI： 10.1061/（asce）1527-6988（2008）9：1（29 ）.
[16]	Pielke R A Jr， Rubiera J， Landsea C， et al. Hurricane vulnerability in Latin America and the Caribbean： normalized damage and loss potentials［J］. Natural Hazards Review， 2003， 4（3）： 101-114. DOI： 10.1061/（asce）1527-6988（2003）4：3（101 ）.
[17]	Weinkle J， Landsea C， Collins D， et al. Normalized hurricane damage in the continental United States 1900-2017［J］. Nature Sustainability， 2018， 1： 808-813. DOI： 10.1038/s41893-018-0165-2 .
[18]	Neumayer E， Barthel F. Normalizing economic loss from natural disasters： a global analysis［J］. Global Environmental Change， 2011， 21（1）： 13-24. DOI： 10.1016/j.gloenvcha.2010.10.004 .
[19]	Barredo J I. Normalised flood losses in Europe： 1970-2006［J］. Natural Hazards and Earth System Sciences， 2009， 9（1）： 97-104. DOI： 10.5194/nhess-9-97-2009 .
[20]	Wang Y J， Wen S S， Li X C， et al. Spatiotemporal distributions of influential tropical cyclones and associated economic losses in China in 1984-2015［J］. Natural Hazards， 2016， 84（3）：2009-2030. DOI： 10.1007/s11069-016-2531-6 .
[21]	Zhang Q， Wu L G， Liu Q F. Tropical cyclone damages in China 1983-2006［J］. Bulletin of the American Meteorological Society， 2009， 90（4）： 489-496. DOI： 10.1175/2008bams2631.1 .
[22]	温姗姗，翟建青， Thomas F，等. 1984—2014年影响中国热带气旋的经济损失标准化及其变化特征［J］. 热带气象学报， 2017， 33（4）： 478-487. DOI： 10.16032/j.issn.1004-4965.2017.04.005 .
[23]	Wirtz A， Kron W， Löw P， et al. The need for data： natural disasters and the challenges of database management［J］. Natural Hazards， 2014， 70： 135-157. DOI： 10.1007/s11069-012-0312-4 .
[24]	Centre for Research on the Epidemiology of Disasters. Emergency Events Database［DB/OL］. ［2024-06-26］. .
[25]	Re Munich. Munich Re NatCatSERVICE Database［DB/OL］. ［2024-06-26］..
[26]	中国气象局. 中国气象灾害年鉴2021［M］. 北京：气象出版社， 2022.
[27]	Kron W， Steuer M， Löw P， et al. How to deal properly with a natural catastrophe database：analysis of flood losses［J］. Natural Hazards and Earth System Sciences， 2012， 12： 535-550. DOI： 10.5194/nhess-12-535-2012 .
[28]	Wang S M， Xu T H， Nie W F， et al. Evaluation of precipitable water vapor from five reanalysis products with ground-based GNSS observations［J］. Remote Sensing， 2020， 12（11）： 1817. DOI： 10.3390/rs12111817 .
[29]	国家统计局. 中国统计年鉴［M］. 北京：中国统计出版社， 2022.
[30]	Vicente-Serrano S M， Beguería S， López-Moreno J I. A multiscalar drought index sensitive to global warming： the standardized precipitation evapotranspiration index［J］. Journal of Climate， 2010， 23（7）： 1696-1718. DOI： 10.1175/2009JCLI2909.1 .
[31]	Yuan W P， Zhou G S. Comparison between standardized precipitation index and z-index in China［J］. Chinese Journal of Plant Ecology， 2004， 28（4）： 523-529. DOI： 10.17521/cjpe.2004.0071 .
[32]	Mishra A K， Singh V P. A review of drought concepts［J］. Journal of Hydrology， 2010， 391（1-2）， 202-216. DOI： 10.1016/j.jhydrol.2010.07.012 .
[33]	姜雨彤，侯爱中，郝增超，等. 长江流域2022年高温干旱事件演变及历史对比［J］. 水力发电学报，2023， 42（8）： 1-9. DOI： 10.11660/slfdxb.20230801 .
[34]	Wu X Y， Hao Z C， Zhang X， et al. Evaluation of severity changes of compound dry and hot events in China based on a multivariate multi-index approach［J］. Journal of Hydrology， 2020， 583： 124580. DOI： 10.1016/j.jhydrol.2020.124580 .
[35]	Gringorten I I. A plotting rule for extreme probability paper［J］. Journal of Geophysical Research， 1963， 68（3）： 813-814. DOI： 10.1029/JZ068i003p00813 .
[36]	国家质量监督检验检疫总局，中国国家标准化管理委员会. 气象干旱等级：［S］. 北京：中国标准出版社， 2017.
[37]	Schultze C L. The consumer price index： conceptual issues and practical suggestions［J］. Journal of Economic Perspectives， 2003， 17（1）： 3-22. DOI： 10.1257/089533003321164921 .
[38]	严中伟，华丽娟，钱诚，等. 气候统计方法和应用［M］. 北京：科学出版社， 2024.
[39]	Schulz M， Mudelsee M. REDFIT： estimating red-noise spectra directly from unevenly spaced paleoclimatic time series［J］. Computers Geosciences， 2002， 28（3）： 421-426. DOI： 10.1016/S0098-3004（01）00044-9 .
[40]	Shen H W， Tabios G Q. Drought analysis with reservoirs using tree-ring reconstructed flows［J］. Journal of Hydraulic Engineering， 1995， 121（5）： 413-421. DOI： 10.1061/（ASCE）0733-9429（1995）121：5（413 ）.
[41]	Liu Z C， Zhou W， Wang X. Extreme meteorological drought events over China（1951-2022）： migration patterns， diversity of temperature extremes， and decadal variations［J］. Advances in Atmospheric Sciences， 2024， 41（12）： 2313-2336. DOI： 10.1007/s00376-024-4004-2 .
[42]	廖国清，朱烨，吴光东，等. 中国近60年干旱热浪演变趋势及并发特征分析［J］. 长江科学院院报，2023， 40（2）： 169-176. DOI： 10.11988/ckyyb.20220754 .
[43]	Seneviratne S I， Nicholls N， Easterling D， et al. Changes in climate extremes and their impacts on the natural physical environment［M］//Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. Cambridge： Cambridge University Press， 2012： 109-230. DOI： 10.1017/CBO9781139177245.006 .
[44]	Yang Q， Ma Z G， Fan X G， et al. Decadal modulation of precipitation patterns over Eastern China by sea surface temperature anomalies［J］. Journal of Climate， 2017， 30（17）： 7017-7033. DOI： 10.1175/JCLI-D-16-0793.1 .
[45]	Hergarten S. Aspects of risk assessment in power-law distributed natural hazards［J］. Natural Hazards and Earth System Sciences， 2004， 4（2）： 309-313. DOI： 10.5194/nhess-4-309-2004 .
[46]	Choi O， Fisher A. The impacts of socioeconomic development and climate change on severe weather catastrophe losses： Mid-Atlantic Region （MAR） and the U.S［J］. Climatic Change， 2003， 58（1）： 149-170. DOI： 10.1023/A：1023459216609 .
[47]	Nordhaus W D. The economics of hurricanes and implications of global warming［J］. Climate Change Economics， 2010， 1（1）： 1-20. DOI： 10.1142/S2010007810000054 .
[48]	Schmidt S， Kemfert C， Höppe P. The impact of socio-economics and climate change on tropical cyclone losses in the USA［J］. Regional Environmental Change， 2010， 10： 13-26. DOI： 10.1007/s10113-008-0082-4 .