基于下垫面结构的喀斯特地区洪涝演化特征研究

谭红梅 贺中华 顾小林 许明金 王茂强 杨树平

摘要：为探究不同下垫面结构下喀斯特地区的洪涝演化特征，基于贵州省1980～2020年降雨数据计算降水Z指数，利用系统聚类法划分贵州省下垫面结构，分析其洪涝时空演化特征，并探讨下垫面主导影响因子。结果表明：① 贵州省下垫面可划分为深切割岩溶较强发育谷地区、浅切割岩溶中等发育谷地区、深切割非岩溶洼地区、浅切割岩溶强烈发育谷地区。② 1980～2020年贵州省呈变涝趋势，大涝发生次数较多；空间上整体呈东南高、西北低的分布格局，以大涝、重涝偏多，但各亚区空间分布特征不同。③ 不同下垫面条件对洪涝影响由大到小依次为地形地貌>岩溶发育强度>地表切割深度；各级洪涝在不同下垫面条件下均出现概率性转移，转移现象较活跃。研究成果可为喀斯特流域防洪减灾提供参考。

关 键 词：洪涝演化；Z指数；下垫面结构；Morlet小波；状态转移概率矩阵；贵州省；喀斯特流域

中图法分类号：P333.2；TV87

文献标志码：A

DOI：10.16232/j.cnki.1001-4179.2024.05.005

0 引 言

随着全球气温升高、水循环加剧，频繁发生的极端洪水事件已对人们生活造成极大的威胁^［1-2］。據水利部统计，2008～2018年中国数百个城市遭受洪涝灾害，尤其是2008年直接经济损失达374.5亿元^［3］、2018年“伦比亚”台风影响中国8个省份，洪灾造成经济损失14亿美元^［4］。尽管随着时代的发展，防洪措施已日益改进，但洪涝灾害仍是中国主要的自然灾害之一^［5］。因此，加强对洪涝灾害的研究，尤其是探讨洪涝机制的研究对防洪减灾意义重大。

洪涝并非由降雨单一因子控制，还受到其他多因素影响，如大气环流^［6-7］、地形地貌^［8-10］、太阳黑子^［11-13］等，其中地形地貌与洪涝具有极强的相关性^［14］。当前不少学者都将地形地貌与气候、工程设施等不同角度的因素共同作为洪涝影响因子进行探讨，如Zhang等^［15］借助地理探测器将地表环境、气候等因子与洪涝进行探测分析，揭示其对洪涝的影响；Brázdil等^［16］讨论了气候、下垫面等因素对洪涝的影响，并认为洪涝受下垫面的影响重大；黄琨等^［9］从岩溶地貌、排涝工程两方面探究落马洞暗河洪涝成因，提出岩溶地貌对当地洪涝有极大影响；尤李俊等^［17］从地形地貌等自然原因与下垫面变化等人为原因说明了其对洪涝的影响。可见，地形、地貌等下垫面结构对洪涝具有不可忽视的影响，然而鲜有学者对洪涝与下垫面结构开展针对性研究。不同下垫面结构对洪涝的影响不同，尤其是喀斯特地区，独特的地表、地下二元结构使洪涝表现出更加复杂的特征。从喀斯特地区下垫面结构特征出发，量化分析洪涝与喀斯特地区下垫面结构相关关系的研究更是微乎其微。

中国西南部贵州省多岩溶高原山地，下垫面结构复杂，季风与青藏高原环流系统的双重影响导致降雨充沛但分布不均，多发洪涝灾害^［17-19］。本文选取贵州省岩溶发育强度、地表切割深度以及地形地貌3个下垫面条件，利用系统聚类法对其进行下垫面分区。在此基础上从时空角度分析洪涝特征，同时结合下垫面因子，分析不同下垫面条件下洪涝的转移概率特征，探讨引起区域洪涝空间差异的主导因素，以期为喀斯特地区防洪减灾提供科学指导。

1 研究区概况

贵州省位于中国西南部，位于103°36′E～109°35′E，24°37′N～29°13′N，全省面积超过17万km²，为四川盆地与广西盆地之间的一个岩溶高原山区，喀斯特地貌类型齐全^［20］，成土速度缓慢，土层浅薄。贵州省处于副热带东亚大陆季风区内，温暖湿润，因云层常年较多，所以日照少，阴天多，降水充足，多年平均降水量达1 100～1 300 mm^［21］。地势西高东低，地貌分区显著，降水时空分布不均，多极端天气，洪水内涝、气象干旱等灾害频发^［22-23］。贵州省行政区划与气象站点分布见图1。

2 研究数据与方法

2.1 数 据

本文降雨数据来源于NASA，空间分辨率为0.25°，时间分辨率为1个月。利用ArcGIS软件技术手段对贵州省84个气象站点1980～2020年逐月降雨数据进行提取。其他数据来源于1∶500 000贵州省综合地貌图，包括贵州省地貌类型数据、地表切割深度数据以及岩溶发育强度数据等。

2.2 研究方法

2.2.1 降水Z指数

降水Z指数能较明显地确定区域干旱与洪涝等级，该指数在降雨量处理方面应用广泛^［24］。其涉及公式主要为

式中：C_s为偏态系数;φ_i为标准变量;x_i为某一时段降雨量，mm;n为样本数;x为n年内某一时间尺度的平均降雨量，mm;σ为标准差。

根据Z变量的正态分布曲线，划分为7个洪涝与干旱等级，见表1^［25］。

2.2.2 Morlet小波

Morlet小波是连续小波变换中最常用的一个小波函数^［26］，在分析时间序列方面具有强大的分辨多尺度的功能，能识别出不同时间尺度的主要变化周期，从而对未来发展趋势做出准确预测^［27］，其简化后的数学定义为

式中：v₀为小波的中心频率，j为虚数单位。

对公式（6）进行傅里叶变换得到：

式中：ω为频率。

本文利用Morlet小波分析贵州省84个站点41 a来洪涝的时间变化规律。

2.2.3 状态转移概率矩阵

状态转移概率矩阵^［28］又称马尔科夫链，一个离散时间的马尔科夫链（X₁，X₂，X₃，…，X_n），其随机过程具有马尔科夫性质，即将到来的状态只取决于当前的状态，不依赖于之前的狀态（X_n-1，X_n-2，…，X₁）。设随机序列{X_n，n=0，1，2，…，n}，X_n的条件分布函数与在X_n+1=x_n+1条件下的条件分布函数相等，即

P_r（X_n+1=x_n+1|X₁=x₁，X₂=x₂，…，X_n=x_n）=P_r（X_n+1=x_n+1|X_n=x_n）    （8）

设P_r（X_i=s_j|X₀=s_i）=p_ij为s_i状态到s_j状态的转移概率，则p_ij表示为转移概率矩阵形式P。

3 结果与分析

3.1 流域下垫面介质结构特征

地貌单元划分有多种方法，目前多以地质-结构地貌单元为基础，内外营力相结合、成因-形态相结合的方法划分区域地貌类型，并由此编制地貌类型图^［29］。贵州省地貌类型特殊，流域下垫面结构独特，本文采用泰森多边形法提取各站点覆盖的地表切割程度与地貌数据，结合岩溶发育强度的百分比（各下垫面数据分级见表2），借助SPSS软件进行系统聚类法分析，可将贵州省划分为4个亚区，具体分区见图2。

3.1.1 深切割岩溶强发育谷地区

该区域位于贵州省西部，共17个站点控制，包括六盘水全部、黔西南州大部以及毕节市西部地区。该区为岩溶发育区，其岩溶较强发育区占71.68%，深切割地形占比52.82%，稍高于浅切割地形面积占比。谷地占比49.07%，占比面积几乎高出占比第二地貌的2倍。总体表现为深切割岩溶较强发育谷地区为主的下垫面结构（简称为Ⅰ区）。

3.1.2 浅切割岩溶中等发育谷地区

该区域面积最大，主要位于贵州省中部及东北部，共41个站点控制，包括铜仁市全部，贵阳市、遵义市大部，毕节市东部、黔东南州及黔南州北部地区。该区岩溶发育广泛，岩溶中等发育区占比高达97.93%，地表切割深度较浅，浅切割地形占比56.04%。地貌以谷地为主，谷地占比面积超出占比面积第二地貌的3倍。总体表现为浅切割岩溶中等发育谷地区为主的下垫面结构（简称为Ⅱ区）。

3.1.3 深切割非岩溶洼地区

该区域主要位于贵州省东南部，共13个站点控制，包括黔东南州大部、遵义市西南部以及三都县。该区只有小部分地区为岩溶发育区，其非岩溶区占比高达87.84%，地表切割深度较深，深切割地形占比65.76%，地貌以洼地为主，洼地占比高达71.43%，盆地与中低山地貌占比极低。总体表现为深切割非岩溶洼地区为主的下垫面结构（简称为Ⅲ区）。

3.1.4 浅切割岩溶强发育谷地区

该区域位于贵州省南部，共13个站点控制，包括黔南州大部及安顺、黔西南州局部地区。该区仅在荔波县出现极少量非岩溶发育区，占比面积不到1%，其余地区均为岩溶发育区，其中岩溶强烈发育区占比65.14%，浅切割地形占比69.62%，谷地占比58.04%，即表现为浅切割岩溶强烈发育谷地区为主的下垫面结构（简称为Ⅳ区）。

3.2 区域洪涝时空变化特征

3.2.1 时间变化特征分析

根据各站点月降水数据计算出各区域1980～2020年的Z指数值，采用算术平均法计算得到4个区的逐年累计降雨量以及各区域的Z指数值，Z指数值越大则表明该站点越湿润。对贵州省降水Z指数时间变化特征分析表明（图3）：4个区降水Z指数均表现出不同程度的上升趋势，其中Ⅰ区Z指数上升速率为0.141/10 a（p>0.05），Ⅱ区Z指数上升速率为0.191/10 a（p>0.05），Ⅲ区Z指数上升速率为0.167/10 a（p>0.05），Ⅳ区Z指数上升速率为0.221/10 a（p>0.05），4个区均未通过0.05显著性检验，这反映出贵州省整体表现为不显著变涝的态势，但4个区Z指数时间变化趋势存在细微差距。

图3（a）将Ⅰ区Z指数时间变化大致分为4个时段，1980～1989年、1989～1999年、1999～2011年、2011～2020年，斜率分别为-1.59/10 a（p>0.05）、2.91/10 a（p<0.01）、-1.70/10 a（p<0.05）、2.62/10 a（p<0.05），表现出“降-增”交替的趋势，后3个时段均通过了0.05显著性水平检验。41 a内该区共出现10次洪涝，为4个区发生洪涝次数最多区，仅大涝次数就达到5次，年代上洪涝发生次数也呈现出“低-高”交替的规律，这可能是因为Ⅰ区降雨在年代上也呈“低-高”交替的分布规律。

图3（b）将Ⅱ区Z指数时间变化大致分为3个时段，即1980～1994年、1994～2011年、2011～2020年，斜率分别为0.39/10 a（p>0.05）、-1.39/10 a（p<0.01）、3.50/10 a（p<0.05），后两个时段均通过了0.05显著性水平检验。该区在41 a内共出现洪涝6次，大涝次数最多（4次），20世纪80年代未出现过洪涝，洪涝相对集中发生于20世纪90年代，降雨也在20世纪80年代最少。

图3（c）将Ⅲ区Z指数时间变化划分与Ⅱ区相同，3个时段斜率分别为0.23/10 a（p>0.05）、-1.47/10 a（p<0.01）、3.84/10 a（p<0.05），后2个时段均通过了0.05显著性水平检验。该区在41 a内共出现5次洪涝，为4个区发生洪涝次数最少区，较为干旱，20世纪80年代未出现过洪涝，洪涝均发生于1994年之后。

图3（d）将Ⅳ区Z指数时间变化划分为3个时段，即1980～2008年、2008～2011年、2011～2020年，斜率分别为0.24/10 a（p>0.05）、-9.85/10 a（p>0.05）、3.06/10 a（p>0.05），3个时段均未通过0.05显著性水平检验。该区在41 a内共出现7次洪涝，其中大涝最多（3次），20世纪80年代未出现过洪涝。

从图3中可以看出，贵州省经常发生大涝，重涝、偏涝的情况相对较少。在1994，1999，2015年与2020年均出现洪涝，其中2020年均为4个亚区洪涝最严重年份，而2011年Z指数值均最小。可能是由于1994、1999、2015、2000年这几年降雨量都偏多，2011年降雨最少导致的。此外，丁立国^［30］研究发现贵州省年均暴雨日数与年均暴雨量都呈增加趋势，并且在1991～2020年间，2020年的年均暴雨日数最大。

3.2.2 空间变化特征分析

运用Z指数对贵州省1980～2020年84个站点的月降雨量进行算术平均处理，进而算出各站点Z指数值。如图4（a）所示，Ⅰ区Z指数值在空间上呈南高北低的空间分布，值介于-2.4～0.5之间，大部分地区Z指数为负值，是4个亚区中最干旱的区域。Ⅱ区Z指数值在空间上呈自西向东逐渐增加的趋势，值介于-1.8～1.6之间，区域内Z指数值差异较大，但在-1.0～1.0之间相对集中，东部有7个县域出现洪涝，集中发生于铜仁市及其周边，未出现过重涝。Ⅲ区Z指数值在空间上有两块区域，其中一块仅含赤水市与习水县，均为大旱，其余地区Z指数值介于0.5～2.5之間，该区域在4个亚区中最为湿润，共有8个县域出现洪涝，其中5个县域为重涝，洪涝集中发生于从江县及其周围地区。Ⅳ区Z指数值在空间上呈南高北低的空间分布，值集中分布于-0.5～0.5之间，正负分布均衡，且区域处于正常状态。图4（b）表明，近41 a贵州省绝大部分地区降水Z指数呈增加趋势，极少部分地区呈减少趋势。Z指数呈减小趋势的区域多分布在Ⅰ区西部，Ⅱ区东北少部分地区也出现减少趋势，其余地区均呈增加趋势，但仅贵州省中东部与西南部部分地区通过了0.05显著性水平检验。

以上结果表明，贵州省4个亚区的Z指数值在空间上呈现出不同的分布格局，洪涝以大涝、重涝偏多。由图4可知Z指数值在空间上整体呈东南高西北低的空间分布，变化较为连续，旱涝程度由西北向东南逐渐变涝。而贵州省降雨量空间分布也呈西北向东南逐渐增加的趋势，与Z指数空间分布高度一致。此外，卢瑞荆^［31］研究发现贵州省存在3个多雨区，分别为贵州省东南、东北以及西南部，与Z指数空间分布基本一致。丁立国^［30］研究发现贵州省暴雨量较高区与卢瑞荆多雨区一致，暴雨量较少区主要集中在毕节市西部，与本文Z指数空间分布基本一致。

3.2.3 周期分析

图5为贵州省不同下垫面亚区Z指数值的小波实部等值线图，相位为正表示偏涝，相位为负表示偏旱。从结果可知，4个区Z指数值的周期变化均较显著。Ⅰ区Z指数值存在显著的准31 a振荡周期，时间持续性好，旱涝交替明显，准16 a周期主要出现在1980～2002年，准10 a周期出现在1993年之后；Ⅱ区Z指数值存在着准31 a和准10 a周期，准31 a周期时间延续性好，旱涝交替明显，出现在1980～2020年，准10 a周期出现在2000年代之后，也出现旱涝交替现象；Ⅲ区Z指数值在1980～2020年存在准31 a和10 a周期，准31 a周期最显著，准10 a周期在2000年代之后较为明显，但两个周期时间持续性都较好，旱涝交替明显；Ⅳ区存在准31，16，10 a 3个周期，准31 a周期最为显著，时间持续性好，旱涝交替明显，准16 a周期主要出现在1980～2006年，准10 a周期出现于2000年代之后，在2008～2020年较为显著，该时段洪涝交替现象明显。

3.3 区域下垫面对洪涝的影响分析

3.3.1 洪涝与区域下垫面的关联分析

由表3可以明显看出洪涝等级与地形地貌呈负相关关系，而与岩溶发育强度和地表切割深度呈正相关关系，其中仅与地表切割深度之间未通过0.05显著性检验，但在各亚区之间存在细微差距。洪涝等级与地形地貌之间的相关系数为-0.791，两者之间相关性较强，喀斯特地区存在独特的地表地下二元结构，地下的地貌形态为洪水提供了滞留空间和场所，故导致洪涝等级与地形地貌之间存在负相关关系。洪涝等级与岩溶发育强度之间的相关系数为0.772，岩溶发育越强则旱涝等级越高，洪涝越严重，当降雨量过多时，岩溶发育强度越强，地表水对可溶性岩石的冲蚀、潜蚀等机械作用越强，越容易产生大量石块、泥沙等杂物堆积，使水流受阻，进而引发洪涝。在Ⅰ区，仅地形地貌对旱涝等级相关系数较大且为负值，与其余两种条件之间的相关性较低，说明Ⅰ区旱涝等级对这地形地貌的敏感性稍强于其他两种。Ⅲ区对各下垫面条件均不存在明显的相关性，仅Ⅱ区与地表切割深度存在相关性，说明在这3个区内这几种下垫面条件差异不大，旱涝等级与其相关性不明显。

不同下垫面条件对洪涝影响程度不同，影响程度由大到小依次为地形地貌>岩溶发育强度>地表切割深度。这主要是因为喀斯特地区除地表地貌空间组合外，还具有独特的地下地貌形态，只要地表水下渗进入地下，地下岩溶地貌就会提供场所对其滞留，尽管岩溶发育强度对洪涝影响也较大，但只有当降雨过大，流水的冲蚀、潜蚀等作用达到一定程度，一定数量的泥沙、石块等杂质阻塞水流通道时，才能引发洪涝，这一过程需要一定物理外力作用与时间才能发生，相较起来，岩溶地区地形地貌对洪涝更敏感，能更快地做出反应。

3.3.2 不同区域下垫面条件下洪涝的转移概率特征

由于气候变化速率较慢，为深入分析1980～2020年洪涝在不同下垫面条件下的概率转移特征，本文选取研究时段内最初年代（20世纪80年代）与最末年代（21世纪10年代）的状态，以保证在降雨气候条件差异更大的条件下，不同亚区、不同下垫面条件下洪涝等级之间的转移概率特征更突出。由图6可以看出，不同地貌类型下，不同等级间的洪涝均发生了概率性转移。Ⅰ区各级洪涝之间的转移较为活跃，但在不同地貌下表现出不同的转移特征，在盆地与谷地区域主要表现为1～3级洪涝转移为2～4级，呈现出“高转低”的现象，而洼地与中低山地区则主要由3～4级洪涝转移为2级，部分4级洪涝不变，呈现出“低转高”的现象，转移概率均较高；Ⅱ区20世纪80年代中不同等级洪涝均转移到21世纪10年代各等级洪涝上，绝大部分洪涝表现出由1～4级转移为2～4级，呈现出“高转低”的现象；Ⅲ区洪涝在不同地貌类型下转移概率分布大致相似，其中20世纪80年代的2～4级洪涝向21世纪10年代的4级洪涝转移较为活跃，存在“高转低”的现象；Ⅳ区洪涝在不同地貌类型下转移概率分布大致相似，其中1级洪涝均转移为2级，转移概率达到1。

不同切割深度下（图7），不同等级间的洪涝均发生了概率性转移，但各亚区之间存在细微差异。Ⅰ区20世纪80年代中3级洪涝转为21世纪10年代的2级洪涝的概率为1，存在“低转高”的现象。Ⅱ区各等级洪涝转移较为分散，并未集中转移到某一个等级的洪涝，转移现象不太活跃。Ⅲ区20世纪80年代中不同等级洪涝均转移到21世纪10年代各等级洪涝上，其中2～4级洪涝主要转移为21世纪10年代的4级洪涝，且3级洪涝转为4级的概率可达到1，存在较明显的“高转低”现象。Ⅳ区洪涝转移现象较活跃，其中20世纪80年代的1級、3级洪涝分别转为21世纪10年代的2级、3级的概率均达到1，存在较明显的“高转低”现象。

与前两种下垫面条件相比，不同岩溶发育强度下的洪涝等级较为单一（图8），在图中的分布也较为稀疏，虽然各等级洪涝间也存在不同程度的概率转移，但转移现象不太稳定，并没有相对稳定集中的现象存在，转移现象较活跃。

4 讨论与结论

4.1 讨 论

本研究基于1980～2020年逐月降雨数据对Z指数进行计算，并利用SPSS系统聚类法对贵州省下垫面结构进行分区，探究贵州省洪涝在不同下垫面条件下的时空演化特征。研究发现贵州省整体呈自西北向东南逐渐变涝的趋势。贵州省地势西高东低，喀斯特地貌类型复杂，而复杂的地形地貌对太阳辐射和降雨有再分配作用，太阳辐射一方面导致大气压强和地表气温改变，造成气压梯度和温度梯度变化，大气活动异常；另一方面引起水分蒸散发变化，大气中水分含量改变，加剧降雨空间分配不均程度，降雨量也呈现出自西北向东南逐渐递增的趋势，说明降水是引起洪涝的主要因素，与前人的研究结果一致^［31-34］。此外，贵州省西部高耸乌蒙山，降雨偏少；贵州省处于内陆地区，根据海陆热力性质不同，温差加大，空气交换总量增多导致海洋携带的水分越多，而东南部属于迎风坡，南海水汽由此向北输送^［31］，故贵州省东南部降雨充沛，易形成洪涝。

在不同下垫面结构下，Ⅲ区洪涝最为严重，其中Ⅲ区为非喀斯特地区，Ⅰ、Ⅱ、Ⅳ区岩溶发育程度为中等及以上，在不同岩溶发育强度下，区域地下形成大小不一的“管道”，地下空间储水能力不同^［35］，此外，岩溶发育越强的地区越容易受到流水侵蚀，当降雨量大时，地表受到降雨强烈的机械溶蚀作用，容易产生杂质堵塞河道，导致地表排水不畅，进而引发洪涝。尽管Ⅰ区岩溶发育较强，但该地区降雨少，地表径流小，故不易发生洪涝；Ⅱ区下垫面结构差异不大，但区域东西部降雨差异大，故而该区东部干旱，西部发生洪涝；Ⅲ区降雨量大，且地下岩溶地貌不发育，故易发生洪涝；Ⅳ区降雨偏多，但地下岩溶地貌发育，两者中和导致该区处于正常状态。

4.2 结 论

本文利用系统聚类法对贵州省下垫面进行分区，在此基础上分析洪涝时空特征，并探讨对区域洪涝产生影响的下垫面主导因素，同时分析不同下垫面条件下洪涝的转移概率特征，以期为贵州省防洪减灾提供科学指导。研究得到以下结论：

（1）利用系统聚类法可将贵州省下垫面划分为深切割岩溶较强发育谷地区、浅切割岩溶中等发育谷地区、深切割非岩溶洼地区、浅切割岩溶强烈发育谷地区4个亚区。

（2）1980～2020年贵州省整体呈变涝趋势，经常发生大涝，重涝、偏涝的情况相对较少，2020年均为4个亚区洪涝最严重年份；空间上，贵州省Z指数值整体呈“东南高、西北低”的分布格局，但4个亚区洪涝空间分布格局有所差异，以大涝、重涝偏多；此外，4个亚区均存在31 a和10 a周期。

（3）从区域下垫面对洪涝的影响分析中发现，不同下垫面条件对洪涝影响程度不同，由大到小依次为地形地貌>岩溶发育强度>地表切割深度，喀斯特地区地形地貌对洪涝的调节作用最显著。

（4）各级洪涝在不同下垫面条件下均出现概率性转移，转移现象较活跃，Ⅱ与Ⅲ区普遍存在“高转低”的现象，但在不同岩溶发育强度条件下，各区转移现象都不太稳定，没有明显的规律可寻。

参考文献：

［1］FANG J，KONG F，FANG J Y，et al.Observed changes in hydrological extremes and flood disaster in Yangtze River Basin：spatial-temporal variability and climate change impacts［J］.Natural Hazards，2018，93（1）：89-107.

［2］张灵，熊开国，郭广芬，等.异常海温对长江流域夏季典型旱涝的影响研究［J］.人民长江，2024，55（4）：118-124.

［3］WU M M，WU Z N，GE W，et al.Identification of sensitivity indicators of urban rainstorm flood disasters：a case study in China［J］.Journal of Hydrology，2021，599：126393.

［4］WU Z N，SHEN Y X，WANG H L，et al.Urban flood disaster risk evaluation based on ontology and Bayesian Network［J］.Journal of Hydrology，2020，583：124596.

［5］李双，杜建括，张志伟，等.基于灰靶模型和GIS的陜南暴雨洪涝灾害风险区划［J］.人民长江，2021，52（7）：17-21.

［6］LIU J Y，ZHANG Y Q.Multi-temporal clustering of continental floods and associated atmospheric circulations［J］.Journal of Hydrology，2017，555：744-759.

［7］DANIEL G K，DAVID A L，DAVID M H.Floods in the Southern Alps of New Zealand：the importance of atmospheric rivers［J］.Hydrological Processes，2016，30（26）：5063-5070.

［8］孔锋，王一飞，吕丽莉，等.北京“7·21”特大暴雨洪涝特征与成因及对策建议［J］.人民长江，2018，49（增1）：15-19.

［9］黄琨，武亚遵，万军伟，等.落马洞暗河发育特征及其洪涝成因分析［J］.中国岩溶，2010，29（4）：385-388.

［10］熊平生.鄱阳湖区洪涝灾害成因和减灾策略［J］.人民黄河，2010，32（10）：26-28.

［11］LI H Y，XUE L J，WANG X J.Relationship between solar activity and flood/drought disasters of the Second Songhua River basin［J］.Journal of Water and Climate Change，2015，6（3）：578.

［12］晏德莉.云南省震-旱-涝时空对称结构及风险管理［D］.西安：陕西师范大学，2020.

［13］MOHAMED M A，EI-MAHDY M E.Impact of sunspot activity on the rainfall patterns over Eastern Africa：a case study of Sudan and South Sudan［J］.Journal of Water and Climate Change，2021，12（5）：2104-2124.

［14］谢立华，赵寒冰.洪涝灾害与地形的相关性研究：以肇庆市为例［J］.自然灾害学报，2013，22（6）：240-245.

［15］ZHANG H，LUO J G，WU J Y，et al.Spatial-temporal characteristics and driving factors of flash floods in Shaanxi Province considering regional differentiation［J］.Hydrology Research，2022，53（1）：156-174.

［16］BR?ZDIL R，EZN?KOV? L，VAL??EK H，et al.Fluctuations of floods of the River Morava（Czech Republic） in the 1691～2009 period：interactions of natural and anthropogenic factors［J］.Hydrological Sciences Journal，2011，56（3）：468-485.

［17］李月，馮霞，吴路华，等.基于能值-生态足迹的贵州高原典型喀斯特区域水资源可持续评价研究［J］.灌溉排水学报，2024，43（4）：96-104.

尤李俊，王少丽，刘长荣，等.1957～2019年三江平原降雨洪涝特征分析：以绥滨县为例［J］.水资源与水工程学报，2022，33（4）：40-49.

［18］吴立，霍治国，张蕾，等.西南地区农业洪涝等级指标构建及时空分布特征［J］.应用生态学报，2015，26（8）：2473-2481.

［19］曹建廷，黄火键，徐震，等.贵州省洪涝灾害演变规律及致灾机理研究［J］.人民长江，2023，54（5）：61-66，79.

［20］贺中华，陈晓翔，梁虹，等.典型喀斯特岩性组合结构的流域水文干旱机制研究：以贵州省为例［J］.地质科学，2015，50（1）：340-353.

［21］刘炜，焦树林，李银久，等.贵州省1960～2019年不同地貌类型降水时空特征［J］.水土保持研究，2021，28（5）：159-171.

［22］吴小飘，周忠发，朱孟，等.典型喀斯特聚集区不同地貌类型干旱时空特征［J］.水土保持研究，2023，30（1）：336-347.

［23］张克新，王娟娟，彭娇婷，等.贵州省降水集散程度时空变化及其影响因素分析［J］.贵州师范大学学报（自然科学版），2020，38（2）：10-18.

［24］侯雨乐，赵景波.气候突变下基于Z指数的松潘县旱涝演变分析［J］.水土保持研究，2021，28（4）：165-170.

［25］费龙，邓国荣，张洪岩，等.基于降水Z指数的朝鲜降水及旱涝时空特征［J］.自然资源学报，2020，35（12）：3051-3063.

［26］何岭松，李巍华.用Morlet小波进行包络检波分析［J］.振动工程学报，2002（1）：123-126.

［27］谢智博，穆兴民，高鹏，等.基于R/S和Morlet小波分析的北洛河上游径流变化特征［J］.水土保持研究，2022，29（2）：139-144.

［28］游漫，贺中华，张浪，等.贵州省农业与气象干旱特征及其响应关系［J］.水土保持学报，2022，36（5）：255-264.

［29］陈志明.论中国地貌图的研制原则、内容与方法：以1：4000000全国地貌图为例［J］.地理学报，1993（2）：105-113.

［30］丁立国.贵州山地复杂地形下暴雨洪涝灾害风险研究［D］.南京：南京信息工程大学，2022.

［31］卢瑞荆.贵州暴雨洪涝的气候特征分析［D］.兰州：兰州大学，2010.

［32］ARCHER D R，FOWLER H J.Characterising flash flood response to intense rainfall and impacts using historical information and gauged data in Britain［J］.Journal of Flood Risk Management，2018，11：S121-S133.

［33］PEI W，TIAN C Z，FU Q，et al.Risk analysis and influencing factors of drought and flood disasters in China［J］.Natural Hazards，2021，110（3）：1599-1620.

［34］邱粲，刘焕彬，万程程，等.1984～2019年山东省暴雨洪涝灾害时空变化特征及其成因分析［J］.灾害学，2022，37（4）：57-63.

［35］张浪，贺中华，杨铭珂，等.气象干旱-水文干旱传播过程特征及其影响因素：以贵州黔中水利工程区为例［J］.水土保持学报，2022，36（1）：142-152.

（编辑：谢玲娴）

Characteristics of flood evolution in karst area based on underlying surface structureTAN Hongmei¹，HE Zhonghua^1，2，GU Xiaolin³，XU Mingjin³，WANG Maoqiang¹，YANG Shuping¹

（1.School of Geography and Environmental Sciences，Guizhou Normal University School，Guiyang 550001，China；2.Key Laboratory of Remote Sensing Application of Mountain Resources and Environment，Guiyang 550001，China；3.Guizhou Provincial Hydrology and Water Resources Bureau，Guiyang 550002，China）

Abstract：To investigate the characteristics of flood evolution in karst area under different underlying surface structure，based on the rainfall data of Guizhou Province from 1980 to 2020，a Z-index of precipitation was calculated，and the underlying surface structure of Guizhou Province was divided by using the systematic clustering method.The spatial and temporal evolution characteristics of flood and waterlogging were analyzed，and the dominant influencing factors of the underlying surface were discussed.The results showed that：① The underlying surface of Guizhou Province can be divided into deep-cutting karst strong development valley area，shallow-cutting karst medium development valley area，deep-cutting non-karst depression area，and shallow-cutting karst strong development valley area.② The flood in Guizhou Province showed a trend of more waterlogging from 1980 to 2020，with large floods occurring more；the spatial distribution pattern of the Z-index was high in the southeast and low in the northwest，with more large floods and severe floods，but the spatial distribution characteristics of the subregions were different.③ The influence of each underlying surface condition on the flood was sequenced as topography and landform>karst development intensity>surface cutting depth.All levels of flood showed probabilistic transfer under different underlying surface structures，and the transfer phenomenon was active.The results of the study can provide a scientific basis for flood prevention and disaster mitigation in karst basins.

Key words：flood evolution；Z-index；underlying surface structure；Morlet wavelet；transfer probability matrix；Guizhou Province；karst watershed