辽宁省近54年旱涝特征分析及其对大气环流响应研究

王学凤，路 洁，曹永强

（1.中国水利水电科学研究院信息中心，北京 100038；2.辽宁师范大学地理科学学院，辽宁大连 116029）

1 研究背景

在所有自然灾害中，气象灾害发生次数最多，其中，旱涝灾害是全球性最为严重的自然灾害之一，因其影响范围广、持续时间长、造成的经济损失大，对农业、生态环境和人类生产生活带来诸多负面影响［1］。目前，全球气候变暖被学术界广泛认同，在全球持续变暖背景下，全球海洋温度异常变化或大尺度气候系统变化（ENSO系统及太平洋涛动事件等）对区域水热影响也越来越显著，导致极端降水事件频繁发生，进一步增加了极端旱涝事件的发生风险［2］。据统计，2016年中国受旱涝、台风等多种自然灾害影响，农作物受灾面积达2622万hm2，受灾人口达1.9亿人，经济损失达5032.9亿元［3］。因此，把握旱涝灾害变化规律和成因，以期达到缓解灾情，减少经济损失，稳定农业生产，实现经济社会可持续发展的目的，已成为国际国内学者高度关注的科学问题。

当前，国内外对旱涝领域的研究集中于旱涝指标的建立、旱涝成因及驱动机制、旱涝与承灾体之间的关系等多个层面。目前常用的旱涝指标包括Palmer［4］在1960年代中期提出的PDSI指数、Mckee等［5］提出的标准化降水指数（SPI）及Vicente Serrano 等［6］提出的标准化降水蒸散指数（SPEI）等，其中SPEI指数综合考虑了降水及由温度变化导致的蒸散速率不同等多方面因素，可以反映不同时间尺度的旱涝特征且较PDSI计算简便，因此，在全球增暖背景下更为适用。Yu等［7］基于SPEI指数对中国的干旱时空演变特征进行分析，表明1990年代末期中国干旱强度都有不同程度的增加，东北和华北干旱发生次数最频繁，华南也呈现干旱化趋势。在旱涝成因研究方面，Voice等［8］基于全球环流模式对澳大利亚SSTA与干旱的关系进行研究，发现两者关系非常密切，当东太平洋处于厄尔尼诺暖期时，影响更为强烈；季定民等［9］对甘肃河东农业区干旱和大气环流之间的关系进行研究，结果表明发生厄尔尼诺时，该区春夏干旱化趋势显著，发生拉尼娜事件时，湿润化趋势显著。

辽宁省位于东北地区南部，临黄渤二海，由于其独特的地理位置，受季风影响导致降水时空分布很不均匀，辽宁省局地强降雨时有发生，洪涝事件发生频繁，7—8月部分地区持续高温少雨，其中旱情以辽西地区最为严重，经常出现旱涝并存现象。辽宁省粮食种植面积多年大于300万hm2，占辽宁省耕地面积90%以上，其中主要作物玉米和水稻分别占粮食作物播种面积的63.91%和21.12%。随着农业产业结构和种植业内部结构调整的日益深入，粮食产量不断增多，其中国家扶持的辽宁省商品粮基地县产量占全省80%，商品率占全省90%以上，为我国粮食安全和主要农产品供给做出了重要贡献，是我国重要的商品粮生产基地［10］。但近年来由旱涝灾害造成的农作物减产失收情况越来越严重。据《中国气象灾害年鉴》统计，2014年辽宁省大旱，农作物受灾面积达195万hm2，干枯和重旱面积125万hm2。辽西及大连北部地区灾情最为严重，坡耕地作物已基本绝收，辽宁全省粮食因灾减产100亿斤左右［11］；2016年，辽宁省共出现6次暴雨过程，造成农作物受灾面积9.6万hm2，绝收面积1.0万hm2；受灾人口78.2万人，直接经济损失33.9亿元［12］。

鉴于此，很多学者对辽宁省旱涝灾害开展了大量研究工作，总体来说，大多是对旱涝时空演变特征及趋势的研究，还未有通过大气环流角度对旱涝变化成因进行分析。因此，本文基于SPEI 指数，运用小波分析、经验正交函数等方法分析辽宁省旱涝的时空演变及周期特征，并运用交叉小波方法探讨旱涝对太阳黑子和环流因子的响应，以期为辽宁省旱涝预测预警和抗旱减灾提供科学依据。

2 数据来源与研究方法

2.1 研究区概况辽宁省位于亚欧大陆东部中纬度地区，属温带大陆性季风气候区，境内雨热同期，夏季温和，冬季寒冷，年均降水量500～1000 mm，受季风影响降水时空分布很不均匀，降水量由东向西递减，且年际年内差异大，以致旱涝频发。不仅如此，辽宁省是我国重要的商品粮生产基地，但受旱涝灾害影响亩均水资源量仅为全国平均的38%，局部地区地下水超采、地表河道断流等问题凸显，水资源供需矛盾日益尖锐，缺水现象持续恶化。

2.2 数据来源为保证气象资料的完整性和时间连续性，选用辽宁省23个气象站数据，包括逐日平均气温、最高气温、最低气温、降水量、相对湿度、日照时数和风速等观测资料，时间跨度为1965—2018年，数据均源于中国气象数据网（http：//data.cma.cn/site/index.html）。参考文献［13-16］对旱涝灾害大气环流方面的成因分析，发现多变量ENSO指数（MEI）综合考虑了海表温度、气压、地面经向风、纬向风及总云量等方面因素，可达到监测判断ENSO事件的目的，因此选取该指数表征ENSO 事件；选取具有代表性的与旱涝有关的环流因子包括海表温度距平（SSTA）、太平洋涛动（PDO）、北极涛动（AO）和北大西洋涛动（NAO），均源于美国国家海洋和大气局网站（http：//www.esrl.noaa.gov/psd/enso/mei），表征太阳黑子活动状况的太阳黑子相对数源于比利时皇家天文台数据中心（http：//www.sidc.be/silso/datafiles），时间跨度为1965—2018年；辽宁省旱涝灾情信息源于中国气象灾害大典、中国气象灾害年鉴和水利部中国水旱灾害公报等。

2.3 研究方法

2.3.1 标准化降水蒸散指数 目前，国内外提出了很多表征旱涝状况的指数，由于旱涝变化受自然因子，如气温、降水和蒸散等方面的影响，因此考虑多种因素的综合性旱涝指标更能反映客观实际状况，其中，应用相对广泛的是标准化降水蒸散指数（SPEI指数），该指标综合考虑了旱涝对降水和蒸散的响应，同时还可以反映多时间尺度特征，能够达到准确检测的目的。具体计算步骤如下。

（1）计算潜在蒸散量（ET0）。采用FAO推荐的Penman-Monteith方法，该方法综合考虑了气温、降水、风速和日照等要素，与作物实际蒸散相符［17］：

式中：ET0为潜在蒸散发量，mm；Rn为净辐射，MJ/（m2·d）；G为热通量密度，MJ/（m2·d）；T为日平均温度，℃；u2为2 m高处风速，m/s；es为饱和空气水汽压，kPa；ea为空气水汽压，kPa；Δ为饱和水汽压-温度曲线的梯度，kPa/℃；γ为湿度计常数，kPa/℃；Gn、Gd为固定常数，在估算逐日潜在蒸散发量时取值分别为900和0.34，各参数详细计算及取值参考文献［14］。

（2）计算逐月蒸散量（PETi）与逐月降雨量的差值（Di）［18］。逐月蒸散量（PETi）由逐日潜在蒸散量（ET0）按月累计而成：

式中：Pi为第i月的降水量，mm；PETi为第i月的潜在蒸散量，mm；Di为水分盈亏状况，mm。

（3）对降水量和潜在蒸散量的差值正态化处理。采用log-logistic概率分布函数对概率密度进行标准化处理，计算出对应的SPEI值［18］，log-logistic概率分布函数为：

式中α、β、δ采用线性矩方法拟合。

对累计概率密度进行标准化：

当累积概率V≤0.5时：

式中：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308，该参数取值参考文献［10］。

当累积概率V＞0.5时，SPEI值的符号被逆转。

参考《气候干旱等级》（GB/T20481-2017）［18］，将SPEI值划分为9级，等级划分情况如表1所示。

表1 SPEI旱涝等级划分标准

2.3.2 经验正交函数分解法 经验正交函数分解（EOF）也称为主分量分析（PCA），是一种提取主要数据特征量的方法。其中，特征向量对应空间模态，反映空间分布特点，主成分对应时间系数，反映时间变化，因此，EOF分解可称为时空分解。其具体算法详见文献［19］。

在EOF分析中，若通过North显著性检验，表明前几个特征向量可以最大限度的表征某区域变量场的变率分布结构。如果模态系数为同一符号，则说明该区域变量变化趋势是基本一致的，绝对值最大处位于中心；如果模态系数呈正负相间分布型，说明代表了两种分布类型。

2.3.3 小波分析与交叉小波分析 小波分析在气候诊断中不仅能清晰地揭示出某气候因子非平稳时间序列的变化周期，还可以反映变化的时间位置；而交叉小波变换结合小波变换和交叉谱分析，可研究2个时间序列间的时频共振周期与位相关系。本文运用小波分析方法，借助matlab工具绘制了小波实部图和系数模的等值线图，用于分析辽宁省年均SPEI指数的周期震荡特征，绘制交叉小波图用于分析SPEI值与影响因素之间的相关关系，其具体算法详见文献［20］。

本文以辽宁省为研究基点，以标准化降水蒸散指数（SPEI）为旱涝量化指标，运用线性趋势、滑动平均、小波变换对旱涝变化进行时间演变和周期分析，采用经验正交分解法对旱涝空间演变特征进行分析。此外，根据以往研究，太阳黑子可通过改变地表温度、海气耦合改变大气环流等多种形式影响气候系统［21］，遥相关是指遥远距离的大气环流变化与异常间的关联性，即一个区域的环流异常可以引起远距离的另一个区域的环流异常，包括多变量ENSO指数（MEI）、太平洋涛动（PDO）、北极涛动（AO）和北大西洋涛动（NAO）等，区域气温、降水与海流及大气遥相关型的活动密切有关［22］，因此结合太阳黑子和遥相关指数，运用交叉小波方法探讨旱涝特征对各因子的响应。

3 结果与分析

图1 辽宁省SPEI时间序列

为揭示辽宁省旱涝多尺度周期变化特征，采用Morlet小波方法绘制小波系数实部等值线和小波方差图（图2），颜色深浅代表小波系数信号的强弱，等值线中心若为正值，表示偏涝，反之偏旱。由图3可知，1965—2018年间辽宁省SPEI指数在年际和年代际上都存在明显周期变化，包括5～8 a和9～12 a的小尺度信号以及29～45 a的大尺度信号。其中在5～8 a周期的时间序列中经历了5个旱涝交替过程，2010年由5 a 尺度向上偏移到8 a 尺度；9～12 a 周期的时间尺度上经历了4.5个旱涝交替，该周期内小波曲线闭合完整，说明其变化较为明显；29～45 a 周期时间序列上正负相位明显且稳定，经历了2个旱涝变化过程。从图2（b）可以看出共有3个峰值，第一峰值为29 a，该时间尺度波动能量最强，正负变化明显，这一周期对近54年辽宁省旱涝起主要作用，是旱涝变化的主周期；其次还存在5 a和9 a两个峰值，对应为两个次周期，上述3个周期共同对辽宁省旱涝变化起作用。

3.2 辽宁省旱涝空间演化特征为更好了解辽宁省旱涝空间分布特征，采用EOF 方法对辽宁省1965—2018年SPEI指数进行分解，并进行North 显著性检验［19］，绘制辽宁省旱涝主要空间分布模态。表2为辽宁省SPEI值EDF分解的前5个特征值的累计贡献率，其中，前5个特征向量贡献率达到77.64%，但只有前2 个特征值的误差范围不重叠，通过显著性检验，前2个特征向量累计贡献率为60.38%，因此前两个特征向量可很好解释辽宁省近54年的时空分布类型。

图2 辽宁省省1965—2018年SPEI小波系数实部等值线和方差

表2 辽宁省SPEI值EOF分解的5个特征向量贡献率

第一模态特征向量方差贡献率为50.85%，远高于其他模态，是辽宁省旱涝变化的主要空间分布形式。图3（a）显示第一模态系数在0.05 ～0.28之间，全省均表现为正值，表明1965—2018年辽宁省旱涝变化具有高度一致性，即要么全省偏旱要么全省偏涝，这种现象是受大尺度气候系统影响形成的。高值中心位于辽中一带，说明该区旱涝变化最为明显，反应最为敏感。从图3（b）可以看出，时间系数在近54年呈不显著上升趋势，说明全区向湿润化演变，旱情有所缓解。

图3 SPEI值模态1特征向量分布和向量场时间系数

第二模态特征向量方差贡献率为9.53%，也是典型的旱涝主要分布形式，其对应的空间系数在-0.55 ～0.46之间，如图4所示。这种形式正值中心出现在辽西北和辽中，负值中心出现在辽北辽东，呈现辽西-辽东反向分布模式，即要么辽西偏旱辽东偏涝，要么辽西偏涝辽东偏旱，说明除受大尺度气候因子外，还受地理位置，地形条件的影响。与唐亚平等［23］对辽宁省旱涝分区的研究结果保持一致。从第二模态时间系数长时间序列的变化特征来看，时间系数在1965—2018年呈上升趋势，并通过显著性检验，年代变化特征表现为1990年代前为负值，之后多为正值，说明辽宁省在1990年代前表现为辽西干旱辽东湿润，之后辽西地区向湿润化发展，辽东向干旱化方向发展，时间系数与典型向量场所反映的信息保持一致。

图4 SPEI值模态2特征向量分布和向量场时间系数

据中国气象灾害年鉴、中国水旱灾害公报和中国旱涝灾害数据集记载，1965年3—7月，辽宁省发生重旱，降水距平百分率达到-35%～-80%；1972年3—7月，全省农田受旱面积175万hm2，成灾面积101万hm2，辽西发生特旱；1989年，全省雨量偏少，造成粮食减产37亿kg；1997年，全省14个市除盘锦市外，都遭受不同程度的干旱，直接经济损失8.46亿元；1999—2002年发生连旱；2014年辽宁省发生了1951年以来最为严重的夏秋连旱，农作物受灾面积181.1 万hm2，受灾人口659.7 万人，直接经济损失162.8亿元。从研究区域23个气象站点对应时段SPEI情况来看（图2），相应年份普遍出现了不同程度的干旱灾害，SPEI值于1965、1972、1989和2014年分别达到-1.14、-0.93、-1.05和-1.39，干旱分析结果与实际历史记载的干旱基本对应。

就暴雨洪涝灾害而言，1985 和1994年特大洪水，分别造成直接经济损失47.1 亿元和151 亿元；1995年汛期，辽宁省遭遇历史罕见的特大暴雨袭击，暴雨范围广强度大；2010年辽宁省共发生6次强降雨过程，阜新、朝阳等地市不同程度受灾；2015和2016年，辽宁省分别出现较强暴雨过程5次、6次，农作物绝收面积达1.1万hm2；2017年暴雨洪涝造成农作物绝收面积2.2万hm2，经济损失65.9亿元。从研究区域23 个气象站点对应时段SPEI情况来看，SPEI值于1985、1995、2010、2012年分别达到1.36、0.87、1.47和1.21，且2015—2018年SPEI值均超过0.5，发生连续洪涝灾害，与实际历史记载的洪涝灾害基本对应。

综上所述，SPEI和记载的实际旱涝情况之间无论在时间趋势还是空间分布上均具有很好的对应性，说明SPEI指数在辽宁省具有很好的适用性，能够准确反映该区域的旱涝情况。

3.3 辽宁省旱涝成因分析

通过在安徽绩溪压力钢管制造的实践，钢管圆度和焊接质量是小直径高强度压力钢管制造的关键质量控制点。通过增加新型设备和新工艺的投入，不仅仅可以保证钢管的制造质量，而且施工效率得到大幅提升，符合现阶段节能环保的要求，施工成本也得到了有效的控制。

3.3.1 辽宁省旱涝与太阳黑子和大尺度环流因子的时间相关性 太阳活动有多种表现形式，它可通过改变地表温度、海气耦合改变大气环流等多种形式影响气候系统，与区域气温、降水有明显相关性［21］。以往研究成果指出太阳黑子相对数可以作为表征太阳活动强弱的标志，且大致以11年为一个变化周期，因此探讨太阳黑子相对数与SPEI值之间的相关性，如图5所示，辽宁省1965—2018年54年间共出现5个太阳黑子极大值（1968年、1979年、1989年、2000年、2014年）和6个太阳黑子极小值（1965年、1975年、1986年、1996年、2007年、2018年），从两者相关性角度而言，太阳黑子数与SPEI指数呈显著负相关关系（P＜0.001），太阳黑子数越大，SPEI值越低，气候越干旱。太阳黑子数出现极大或极小值时，SPEI指数在当年或滞后2 a左右出现相应极值。

图5 太阳黑子活动与辽宁省SPEI指数的关系

为探讨辽宁省旱涝和太阳活动间的具体联系，统计分析了太阳黑子相对数极大值（M）和极小值（m）年及前后1年的旱涝频次，见表3。1965—2018年54年间共出现26次旱涝灾害，其中发生在太阳黑子极值年附近的有17次，占总频次的65.4%。由表3可知，辽宁省在5个极小值年前后1 a共15年内，共发生2次干旱事件和5次洪涝事件，说明在太阳黑子极小值年前后容易发生旱涝灾害且涝灾多于旱灾；辽宁省在6个极大值年前后1 a共16年内，共发生8次干旱事件和2次洪涝事件，说明在太阳黑子极大值年前后旱灾出现频次多于涝灾，因此，在极大值年前后应加强抗旱减灾工作。

表3 辽宁省太阳黑子极值年附近旱涝统计

通过对辽宁省1965—2018年SPEI指数和ENSO、PDO、AO和NAO4个大气环流指数进行多项式拟合，获得两者间年际尺度的变化趋势并揭示相互关系。ENSO是指低纬度海气相互耦合作用，是低纬太平洋附近地区乃至全球范围气候变化的自然信号之一［24］，通常用海温距平指数SSTA表征ENSO强弱，根据李晓燕等［25］对ENSO强度划分的结果将冷暖事件分别划分为强中弱三个等级。由图6（a）可知，辽宁省SPEI指数与ENSO 事件呈较强负相关关系，ENSO 为正值时SPEI指数为负，原因是厄尔尼诺事件发生时，辽宁省降水减少，气温年较差加大，气候表现为持续干旱，因此，暖事件促进该区干旱化；ENSO 为负值时SPEI指数为正，原因是拉尼娜事件发生时，辽宁省降水增加，气候趋于湿润，因此冷事件促进该区湿润化，且ENSO事件强度越强，发生旱涝的可能性就越大。

PDO为太平洋十年涛动指数，反映热带太平洋和北太平洋中纬度的海温异常现象［26］。该指数与旱涝也有很明显的对应关系，如图6（b）显示，辽宁省SPEI指数与PDO 呈正相关关系，PDO 处于正（负）值对应SPEI指数也为正（负）值，因此，PDO处于冷相位时易发生干旱事件，处于暖相位易发生洪涝事件。此外，PDO在1978年和2000年的正负相位转变对应的SPEI指数旱涝转变时间为1983年和2009年，因此两者之间存在一定滞后性。

AO为北极涛动指数，是北半球中高纬度大气环流变化主要模态，对北半球地区季节尺度乃至年际尺度的气候变化都会产生影响［27］。由图6（c）可知，AO为正（负）值时对应正常（干旱）年份，绝对值越大，旱涝强度也越大，这是由于AO强度越强时，我国高纬区降水偏多，气温也升高，共同使我国旱情有所缓解。NAO为北大西洋涛动，反映了亚速尔高压和冰岛低压之间的变化关系［28］。由图6（d）可知，NAO大部分年份都处于正值，与SPEI指数呈负相关关系，发生较强的北大西洋涛动时可能会发生严重干旱事件，这与符淙斌等［29］的研究结果是相一致的。综上所述，从遥相关指数和旱涝指数一一对应关系看，当厄尔尼诺增强、太平洋和北大西洋的海表温度异常变冷、北极冷空气向南侵袭时，辽宁省会产生不同程度的干旱，反之发生洪涝灾害。大气环流指数对辽宁省旱涝变化的影响机制复杂性，不仅表现为4个大气环流指数对整个辽宁省气候变化都存在相关性，而且也表现在不同环流指数之间的相互作用，共同作用于区域降水和旱涝变化。因此，大气环流指数的正负作用转换机制及指数之间的相互协同或制约作用都需要进一步明晰。

图6 辽宁省SPEI变化趋势与大气环流发生强度的关系

3.3.2 辽宁省旱涝与太阳黑子和大尺度环流因子共振关系 交叉小波可着重突出旱涝变化与大尺度因子在时频中高能量区的关系，为进一步分析辽宁省SPEI指数与太阳黑子相对数和大气环流间的相互关系，采用交叉小波方法绘制两者之间的交叉小波功率谱（图7）。图中黑色细实线内的区域为有效谱，区域外在边界效应影响下不予考虑，粗黑线内区域通过红噪声检验（0.05显著性），颜色代表能量密度，越接近红色代表凝聚程度越高，箭头表示相位差［20］。

由图7（a）可知，辽宁省SPEI值与太阳黑子相对数通过红噪声检验的8 ～12 a 共振周期集中表现于1983—2000年，说明两序列在时频上表现为显著的反相位共振关系，即两者呈负相关，进一步验证了上述结果。平均位相角落后30°～45°，说明SPEI值变化延后于太阳黑子活动1 ～1.5个月。

图7 辽宁省SPEI与太阳黑子和大气环流交叉小波分析

多变量ENSO指数（MEI）可达到监测判断ENSO事件的目的，综合考虑了海表温度、气压、地面经向风、纬向风及总云量等方面因素［30］，因此选取该指数表征ENSO事件。由图7（b）可知，SPEI指数与MEI指数通过红噪声检验的2 ～3 a共振周期集中于2008—2010年，两序列在时频上表现为稳定正相位共振关系，4 ～5 a共振周期表现于1984—1991年，平均位相角向下垂直90°，说明SPEI变化位相落后于MEI变化3个月，在高频区域存在10年共振周期，两序列交叉小波能量通过了红噪声检验，但维持时间短未形成稳定相互关系。由图7（c）可知，SPEI和PDO在1989—1994年表现为显著4 ～5 a共振周期，呈负相关且滞后1 ～1.5个月，此外，两者在高频区域存在8 ～11 a的主共振周期，集中于1989—2001年，呈显著正相关关系。由图7（d）可知，SPEI和AO在1 ～3 a时域内，两序列交叉小波能量强度通过显著性检验，但由于位相随时间变化差异大没有形成稳定的相互关系，但两者在1980—1992年表现出显著8 ～10 a的主共振周期，呈负相关关系且存在1 ～1.5个月的滞后性。由图10（e）可知，SPEI和NAO通过红噪声检验的8～12年共振周期集中表现于1983—1999年，说明两序列在时频上表现为显著的反相位共振关系，即两者呈负相关，平均位相角落后30°～45°，说明SPEI值变化延后于NAO变化1 ～1.5个月。

3.4 讨论本文成因分析部分的结果与苏宏新等［16］对北京干旱成因分析的研究成果相一致。但需注意的是辽宁省旱涝事件发生的成因机制是非常复杂的，除受太阳黑子和大气环流的影响外，还与地形特征、全球变暖及人类活动等因素有关。目前多数研究仅考虑了自然方面而忽略了人类活动对旱涝变化的影响，就人类活动影响而言，主要集中于工农业排放的污染物质和温室气体及城市化过程中对地表的改造等方面。辽宁省城市人口集聚，近年来，随着城市化快速发展，一方面人口增加及城市交通的增加使人为热排放增多，直接影响地表感热的变化，另一方面，改变了地表下垫面性质，地面粗糙度使近地面风速减弱，高大建筑物对气流的阻滞也使风速降低，最终导致温度升高降水减少，相应使城市周边干旱事件的发生频率增多，张亮亮等［31］对辽宁省2000年、2005年、2010年和2014年土地利用遥感类型分析表明，城乡工矿用地在4 个时段内都呈增多趋势，从2000年的8689.34 km2增加至2014年的12 089.45 km2，增幅达139.13%，因此，辽宁省随着城市化进程的加快，城乡工矿居民用地挤占了耕地林地面积，改变地表水文过程，最终可能加速旱涝事件的发生。因此，不仅在旱涝状况和大尺度气候因子之间的耦合机理方面需要进一步明晰，同时要减少干预自然和破坏自然环境的人类活动，相关部门也要对旱涝灾害做好准确预测预报工作，以期达到抗旱减涝，稳定农业生产，实现经济社会可持续发展的目的。

4 结论

以辽宁省为研究基点，以标准化降水蒸散指数（SPEI）为旱涝量化指标，运用滑动平均、小波变换、经验正交分解等方法对辽宁省近54年旱涝时空演变特征进行分析，结果与实际发生的旱涝相吻合，说明SPEI指数在辽宁省旱涝监测中有较好的适应性。此外，结合太阳黑子和遥相关指数，运用交叉小波方法探讨旱涝特征对各因子的响应，该方法敏感可行，可较好的显示各因子的响应特征。结果表明：（1）时间上，辽宁省近54年逐渐向湿润方向发展，阶段特征表现为1980年代中期前为干旱期，1980年代中期到2010年代为干湿交替，之后除个别年份外表现为偏涝。小波方差图表明辽宁省SPEI值共有3个周期，分别为29 a的主周期和5 a、9 a次周期，3个时间尺度信号都较为稳定。（2）空间上，辽宁省旱涝有两种模态，模态1表现为全区一致性，即要么全省偏旱要么全省偏涝，这种现象是受大尺度气候系统影响形成的；模态2表现为辽西-辽东反向分布模式，即要么辽西偏旱辽东偏涝要么辽西偏涝辽东偏旱，说明除受大尺度气候因子外，还受地理位置，地形条件的影响。（3）成因上，受太阳活动影响在太阳黑子数极值年份左右2年易发生旱涝灾害，两序列在时频上存在8 ～12 a周期，表现为显著的反相位共振关系；SPEI与ENSO、NAO指数呈负相关关系，而与PDO和AO指数呈正相关关系，并存在不同时间尺度的共振周期，各个大气环流指数与SPEI指数的相关性强弱也存在空间异质性。