旱涝事件与人口迁移的数据分析方法、装置及相关设备

摘要

本申请公开了一种旱涝事件与人口迁移的数据分析方法、装置及相关设备，包括：生成各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序列数据以及人口分布时间序列数据；根据各时间序列数据：基于重心分析模型，计算得到重心分布数据；基于Mann‑Kendall趋势分析法，计算得到关系趋势数据；基于皮尔逊相关系数法，计算得到相关性分析数据；基于局部多项式回归拟合法，计算得到时间演变数据；其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述时间演变数据用于量化旱涝事件与人口迁移的关系。本申请定量描述了洪涝事件与人口迁移之间的关系，以便于从社会人文的角度交叉印证水文历史序列背景下，对严重旱涝事件的重建和识别。

说明书

技术领域

本申请涉及数据分析技术领域，更具体地说，是涉及一种旱涝事件与人口 迁移的数据分析方法、装置及相关设备。

背景技术

气候变化和人口移民之间的关系互馈机制是当今全球议程上最紧迫的问 题之一。气候与气候变化被看作是影响人类社会的主要环境因素，它们从各个 方面相互影响，甚至引发移民或者冲突。气候变化主要表现为气温、降水均值 的季节性的显著变化，同时也包括洪水、风暴、和严重寒冷等严重气候事件的 频率或者强度增加。而人口迁移则是人们为了生存从一个地方迁移到另一个 地方，并永久或暂时的定居在那。这种迁移通常是远距离的。这些移民都是被 迫的，人类别无选择的背景离乡，他们曾受着巨大的痛苦和生存压力。

部分历史学家认为，历史时期的人口大规模迁移的原因错综复杂，迁徙既 可能与内部政治环境、外部民族压迫、家国动荡、战乱频繁的人文社会环境有 直接关系。而气象学家则认为人口迁徙与环境变迁、气候波动以及自然灾害频 繁互为因果。也有人认为历史时期中亚地区和蒙古高原地区的游牧民族向南 方迁移，很可能与北方气候突变有某种关联，甚至有学者把所有因自然环境变 化造成的迁徙人群都定义为“环境移民”。单独从某一学科角度分析气候变化 或者人口迁移事件，成果丰厚。但是涉及到气候变化与人口迁移的多学科综合 集成分析的研究则收获有限，或者说进展缓慢，几乎没有对在气候变化影响下的人口迁移的内在机理进行交叉学科的逻辑驱动机理分析。在众多的人口迁 移分析案例中，把人口迁移定义为于环境或生态移民占主流，定义为气候移民 的则比较少见；与此同时，在近现代的严重气候事件的应对措施上，国外重点 关注政府和非政府组织等人文群体如何采取应对手段，在国内，该领域还存在 很大研究开发空间。

目前，关于气候变化和自然灾害对移民影响的讨论越来越多。学者们主要 运用各种模型来模拟探究气候变化和人口迁移之间的复杂关系。这些模型根 据各自学科的特点可分为两大类：从气候变化的角度进行研究的数学模型；从 人文社会学角度展开研究的人口迁移概念模型。一系列的数学模型被用于特 定的目的，例如理解和探索某个特定的过程，测试模型灵敏度或者长时间的模 拟气候。数学模型是建立在描述系统现象的基础科学和工程知识的基础上的， 数学模型可以定量的描述气候变化对某一具体的严重事件的影响，或者预测 出某一地区的人口迁移趋势。但是，所有数学模型都需要大量的理论数据的支 撑，不同数据的选取都会对最终结果产生较大的偏差。在研究过程中人们认识 到，现有的数学模型之间的联系并不完全适合将自然与社会科学相结合，并加 深人们对气候变化可能影响人口迁移的理解。而概念模型，也被称为“连接模 型”，他们的目标是识别和简要描述气候变化与人口迁移之间潜在的多层级的 联系。他们可以提供相关过程的概述，并提供构建知识框架，缩减学科之间的 知识差异。

我们对气候变化作为移民的原因和后果的复杂的双向关系的了解仍然非 常有限。造成这种情况的原因之一是：相关数据难以获取；此外，气候变化和 移民是两个完全不相同的学科。要想探究自然科学与人文社会学的联系需要 跨越多个中间学科，这个难度是传统科学研究所无法比拟的。由于这一知识鸿 沟的存在，目前还没有研究可以全面评估气候变化对人口迁移的全面影响。 IPCC因此将填补气候变化对人类居住环境影响这一知识鸿沟列为最迫切的研 究需求之一。

历史时期气候变化对社会发展的影响与人类适应问题，是当前全球变化 领域的研究热点之一。尽管国内外对历史气候变化与人类活动之间的关系进 行了大量的研究，但总的来说仍处于起步阶段，这些研究仍存在诸如代用资料 与气候变化重建结果不确定性；历史气候变化辨识及其时空协同特征、不同尺 度、不同时段气候变化的成因机制研究不够深入；气候变化影响与适应的区域 差异关注不足；以及对于历史气候变化与人口迁移之间的相互影响仅仅停留 基于文献、史书的定性估计等问题。

对于解释气候变化对人口迁移的影响，概念模型比数学模型在逻辑上是 更有说服力的，但所有结论都只是定性描述。

发明内容

有鉴于此，本申请提供了一种旱涝事件与人口迁移的数据分析方法、装置 及相关设备，以定量描述旱涝事件与人口迁移的关系。

为实现上述目的，本申请第一方面提供了一种旱涝事件与人口迁移的数 据分析方法，包括：

获取各目标区域在预设时间范围内的气候数据及人口数据，根据所述气 候数据生成各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序 列数据，以及根据所述人口数据生成人口分布时间序列数据，其中，严重干旱 事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干湿等级标准进行划分 得到；

根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序列 数据及人口分布时间序列数据：

基于重心分析模型，分别计算各目标区域在各目标时段的严重干旱事件 的重心、严重洪涝事件的重心及人口分布的重心，得到重心分布数据；

基于Mann-Kendall趋势分析法，分别计算各目标区域在各目标时段的严 重干旱事件的正态统计变量、严重洪涝事件的正态统计变量及人口分布的正 态统计变量，得到关系趋势数据；

基于皮尔逊相关系数法，计算各目标区域在预设的时段中，人口分布数据 分别与scPDSI均值、严重干旱事件面积占比、严重洪涝事件面积占比的相关 性，得到相关性分析数据；

基于局部多项式回归拟合法，对各目标区域的人口分布时间序列数据进 行拟合计算，得到人口分布时间连续数据，并由所述人口分布时间连续数据、 严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成时间演变数据；

其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述 时间演变数据用于量化旱涝事件与人口迁移的关系。

优选地，获取各目标区域在预设时间范围内的气候数据的过程，包括：

获取各目标区域的scPDSI网格点数据，所述网格点数据包括各网格点在 第一预设时间范围内的气候数据；

判断所述预设时间范围是否包括在所述第一预设时间范围之内；

若是，根据所述scPDSI网格点数据获取各目标区域在预设时间范围内的 气候数据；

若否，利用多源替代数据，对所述scPDSI网格点数据进行年尺度的重建， 得到各目标区域在预设时间范围内的气候数据。

优选地，根据所述人口数据生成人口分布时间序列数据的过程，包括：

将所述预设时间范围划分成预设数目个时段；

根据所述人口数据获取每一时段各目标区域的人口数量，并对每一时段 各目标区域的人口数量进行累加，得到每一时段的人口总数；

针对每一时段、每一目标区域，将所述目标区域的人口数量除以所述时段 的人口总数，得到所述目标区域在所述时段的人口指标；

根据各时段、各目标区域的人口指标，构建人口分布时间序列数据。

优选地，所述基于重心分析模型，分别计算各目标区域在各目标时段的严 重干旱事件的重心、严重洪涝事件的重心及人口分布的重心的过程，包括：

采用下述方程式计算各目标区域在各目标时段的严重干旱事件的重心、 严重洪涝事件的重心及人口分布的重心：

其中，X和Y分别表示重心坐标的经度和纬度，x

优选地，所述基于Mann-Kendall趋势分析法，分别计算各目标区域在各 目标时段的严重干旱事件的正态统计变量、严重洪涝事件的正态统计变量及 人口分布的正态统计变量，得到关系趋势数据的过程，包括：

将所述目标序列数据为严重干旱事件时间序列数据、严重洪涝事件时间 序列数据或人口分布时间序列数据作为目标序列数据，针对各目标区域的目 标序列数据(x

根据下述方程式计算统计变量S：

其中，

S为正态分布，其均值为0，方差Var(S)＝n(n-1)(2n+5)/18；当n>10 时，根据下述方程式计算正态统计变量Z：

其中，Z表征关系趋势数据，用于判断目标序列数据是否存在上升或下降 趋势。

优选地，所述基于皮尔逊相关系数法，计算各目标区域在预设的时段中， 人口分布数据分别与scPDSI均值、严重干旱事件面积占比、严重洪涝事件面 积占比的相关性的过程，包括：

根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序列 数据，获取各目标区域在预设的时段的scPDSI均值序列数据、严重干旱事件 面积占比序列数据和严重洪涝事件面积占比序列数据；

根据各目标区域的人口分布时间序列数据，获取各目标区域在预设的时 段的人口数量时间序列数据；

根据下述方程式分别计算人口数量与scPDSI均值、严重干旱事件面积占 比和严重洪涝事件面积占比的皮尔逊相关系数：

其中，x

优选地，所述对各目标区域的人口分布时间序列数据进行拟合计算，得到 人口分布时间连续数据的过程，包括：

通过以下方程式确定权重函数：

通过以下方程式对人口分布时间序列数据进行平滑窗口计算，得到人口 分布时间连续数据x：

其中，x

ε

优选地，所述旱涝事件与人口迁移的数据分析方法还包括：基于预设的推 拉理论，构建严重旱涝驱动人口迁移的驱动场，得到严重旱涝事件对人口迁移 的驱动场数据；

所述驱动场数据用于量化旱涝事件与人口迁移的关系。

优选地，所述基于预设的推拉理论，构建严重旱涝驱动人口迁移的驱动场， 得到严重旱涝事件对人口迁移的驱动场数据的过程，包括：

单个驱动电荷D1(x

其中，i为x轴方向上对应的单位矢量，j为y轴方向上对应的单位矢量，ε

n个驱动电荷D(x

其中，n表示scPDSI网格点的总数，x

通过以下方程式计算每个网格驱动电荷的驱动力D：

D＝aD

其中，D

本申请第二方面提供了一种旱涝事件与人口迁移的数据分析装置，包括：

数据获取单元，用于获取各目标区域在预设时间范围内的气候数据及人 口数据，根据所述气候数据生成各目标区域的严重干旱事件时间序列数据、严 重洪涝事件时间序列数据，以及根据所述人口数据生成人口分布时间序列数 据，其中，严重干旱事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干 湿等级标准进行划分得到；

重心计算单元，用于根据各目标区域的严重干旱事件时间序列数据、严重 洪涝事件时间序列数据及人口分布时间序列数据，基于重心分析模型，分别计 算各目标区域在各目标时段的严重干旱事件的重心、严重洪涝事件的重心及 人口分布的重心，得到重心分布数据；

趋势计算单元，用于根据各目标区域的严重干旱事件时间序列数据、严重 洪涝事件时间序列数据及人口分布时间序列数据，基于Mann-Kendall趋势分 析法，分别计算各目标区域在各目标时段的严重干旱事件的正态统计变量、严 重洪涝事件的正态统计变量及人口分布的正态统计变量，得到关系趋势数据；

相关性计算单元，用于根据各目标区域的严重干旱事件时间序列数据、严 重洪涝事件时间序列数据及人口分布时间序列数据，基于皮尔逊相关系数法， 计算各目标区域在预设的时段中，人口分布数据分别与scPDSI均值、严重干 旱事件面积占比、严重洪涝事件面积占比的相关性，得到相关性分析数据；

时间演变计算单元，用于根据各目标区域的严重干旱事件时间序列数据、 严重洪涝事件时间序列数据及人口分布时间序列数据，基于局部多项式回归 拟合法，对各目标区域的人口分布时间序列数据进行拟合计算，得到人口分布 时间连续数据，并由所述人口分布时间连续数据、严重干旱事件时间序列数据、 严重洪涝事件时间序列数据生成时间演变数据；

其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述 时间演变数据用于量化旱涝事件与人口迁移的关系。

本申请第三方面提供了一种旱涝事件与人口迁移的数据分析设备，包括： 存储器和处理器；

所述存储器，用于存储程序；

所述处理器，用于执行所述程序，实现如上述的旱涝事件与人口迁移的数 据分析方法的各个步骤。

本申请第四方面提供了一种存储介质，其上存储有计算机程序，所述计算 机程序被处理器执行时，实现如上述的旱涝事件与人口迁移的数据分析方法 的各个步骤。

经由上述的技术方案可知，本申请首先获取各目标区域在预设时间范围 内的气候数据及人口数据，并根据所述气候数据生成各目标区域的严重干旱 事件时间序列数据、严重洪涝事件时间序列数据，以及根据所述人口数据生成 人口分布时间序列数据。其中，严重干旱事件及严重洪涝事件为根据帕默尔干 旱指数scPDSI的干湿等级标准进行划分得到。然后，根据各目标区域的严重 干旱事件时间序列数据、严重洪涝事件时间序列数据及人口分布时间序列数 据，计算重心分布数据、关系趋势数据、相关性分析数据以及时间演变数据。 具体地，基于重心分析模型，分别计算各目标区域在各目标时段的严重干旱事 件的重心、严重洪涝事件的重心及人口分布的重心，得到重心分布数据；基于 Mann-Kendall趋势分析法，分别计算各目标区域在各目标时段的严重干旱事 件、严重洪涝事件以及人口分布这三者的正态统计变量，得到关系趋势数据； 基于皮尔逊相关系数法，计算各目标区域在预设的时段中，人口分布数据分别 与scPDSI均值、严重干旱事件面积占比、严重洪涝事件面积占比的相关性， 得到相关性分析数据；基于局部多项式回归拟合法，对各目标区域的人口分布 时间序列数据进行拟合计算，得到人口分布时间连续数据，并由所述人口分布 时间连续数据、严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成 时间演变数据。通过所述重心分布数据，定量描述了各目标时段内的严重旱涝 事件与人口分布的重心关系；通过所述关系趋势数据，定量描述了各目标区域 在各目标时段的变化趋势关系；通过所述相关性分析数据，定量描述了各目标 区域在各目标时段内的旱涝事件与人口迁移的关联关系；通过所述时间演变 数据，实现了严重旱涝事件的重建和识别。综上，通过分析与量化严重旱涝事 件对人口迁移的影响，以便于从社会人文的角度交叉印证水文历史序列背景 下，对严重旱涝事件的重建和识别。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描 述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出 创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例公开的旱涝事件与人口迁移的数据分析方法的示意 图；

图2至图5为本申请实施例公开的中国各朝代的严重旱涝事件及人口分 布的重心示意图；

图6为本申请实施例公开的人口分布与严重旱涝事件面积占比变化趋势 的示意图；

图7为本申请实施例公开的“推拉理论”简化示意图；

图8为本申请实施例公开的干旱事件影响人口迁移的概念模型的示意图；

图9为本申请实施例公开的洪涝事件影响人口迁移的概念模型的示意图；

图10为本申请实施例公开的旱涝事件与人口迁移的数据分析装置的示意 图；

图11为本申请实施例公开的旱涝事件与人口迁移的数据分析设备的示意 图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不 是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创 造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在众多的严重气候事件中，干旱、洪水以及海平面上升等气候事件由于其 影响范围广，是目前影响人类活动的主要气象要素。其中，洪水具有突发性的 特点，海平面上升有地域局限性。干旱是一种“爬行”现象，发展缓慢，难以 界定其开始和结束。持续的时间越长，对人类活动的影响就越大。此外，受影 响的地区通常比其他自然灾害严重得多。不同的严重事件由于其各自的特性， 对人口迁移也具有不同的影响机制。

本申请旨在通过分析与量化严重旱涝事件对人口迁移的影响，以便于从 社会人文的角度交叉印证水文历史序列背景下，对严重旱涝事件的重建和识 别。本申请基于“推拉理论”构建人口迁移驱动场，在识别结果准确性的同时， 定量描绘过去两千年气候变化对中国人口迁移的影响与人类对气候变化的适 应过程与区域差异，以具体反演出的严重旱涝事件为对象，结合数学模型和概 念模型各自的优点，运用从历史文献中整理出来的人口分布数据，探究严重旱 涝变化对历史上典型的无政治动乱影响时期的人口迁移事件的影响特点以及 影响机制。

下面介绍本申请实施例提供的旱涝事件与人口迁移的数据分析方法。请 参阅图1，本申请实施例提供的旱涝事件与人口迁移的数据分析方法可以包括 如下步骤：

步骤S101，生成各目标区域的严重干旱事件时间序列数据、严重洪涝事 件时间序列数据以及人口分布时间序列数据。

具体地，首先获取各目标区域在预设时间范围内的气候数据及人口数据， 然后根据该气候数据生成各目标区域的严重干旱事件时间序列数据、严重洪 涝事件时间序列数据，以及根据该人口数据生成人口分布时间序列数据。

例如，可以从英国东英格利亚大学气候研究中心(climatic research unit,CRU)获取气候数据集(一共有3725个格点，空间分辨率为0.5°×0.5°)， 该数据集基于CRUTS 3.10.01版本气候数据，具有较高的精度，可从英国气 象数据中心下载(http://www.badc.rl.ac.uk/)。该数据集主要有3个优势：1) 在多样的气候条件下，scPDSI有相似的变动范围，使其更适合分析不同地区 的有效水分；2)使用物理意义更清晰的Penman-Monteith公式计算蒸发量， 用实际的植被代替参考作物，植被数据来源于美国地质调查局，为卫星遥感解 译数据(1km分辨率)；3)计算水分平衡时考虑了季节性积雪动态变化。

其中，严重干旱事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干 湿等级标准进行划分得到。例如，可以将scPDSI<-3的数据确定为严重干 旱事件，将scPDSI>3的数据确定为严重洪涝事件。

其中，scPDSI指数(自校准帕尔默干旱严重指数，self-calibration PalmerDrought Severity Index)(https://crudata.uea.ac.uk/cru/data/drought/)为由Wells等人在2004年引入的概念，是Palmer在1965年提出的原始PDSI的一个变 体，旨在使不同气候状况的结果更具可比性。与PDSI一样，scPDSI是根据 降水和温度的时间序列以及与每个位置的土壤/地表特征相关的固定参数计算 得出的。

步骤S102，计算各目标区域在各目标时段的严重干旱事件的重心、严重 洪涝事件的重心及人口分布的重心，得到重心分布数据。

具体地，根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时 间序列数据及人口分布时间序列数据，基于重心分析模型，分别计算各目标区 域在各目标时段的严重干旱事件的重心、严重洪涝事件的重心及人口分布的 重心，得到重心分布数据。

其中，重心概念源于物理学，是指区域空间内存在某点，在该点各个方向 上的力量能够保持平衡。通过将各目标区域在同一目标时段的重心分布数据 描绘在同一张地图上，可以直观地看出人口与严重旱涝事件的重心在一定时 段内的移动轨迹，从而折射出人口与严重旱涝事件分布规律及其相互间的关 系。

步骤S103，计算各目标区域在各目标时段的严重干旱事件的正态统计变 量、严重洪涝事件的正态统计变量及人口分布的正态统计变量，得到关系趋势 数据。

具体地，根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时 间序列数据及人口分布时间序列数据，基于Mann-Kendall趋势分析法，分别 计算各目标区域在各目标时段的严重干旱事件的正态统计变量、严重洪涝事 件的正态统计变量及人口分布的正态统计变量，得到关系趋势数据。

其中，Mann-Kendall检验方法是世界气象组织推荐并已广泛使用的非参 数检验方法，最初由Mann和Kendall提出，许多学者不断运用此方法来分析 降水、径流、气温和水质等要素时间序列的趋势变化。Mann-Kendall检验不需 要样本遵从一定的分布，也不受少数异常数值的干扰，适用于水文、气象等非 正态分布的数据，计算简便。

步骤S104，计算各目标区域在预设的时段中，人口分布数据分别与scPDSI 均值、严重干旱事件面积占比、严重洪涝事件面积占比的相关性，得到相关性 分析数据。

具体地，根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时 间序列数据及人口分布时间序列数据，基于皮尔逊相关系数法，计算各目标区 域在预设的时段中，人口分布数据分别与scPDSI均值、严重干旱事件面积占 比、严重洪涝事件面积占比的相关性，得到相关性分析数据。

例如，为了说明严重旱涝事件与人口迁移的关系，可以从区域的scPDSI 重建结果中提取出不同时间跨度(当年、前一年、前两年、前三年、前四年、 前五年、前十年、前十五年、前二十年、前三十年、前五十年)下的scPDSI 的平均值、严重干旱事件面积占比、严重旱涝事件面积占比三类特征值，分别 利用各地区的人口比例数据与各区三类特征值做皮尔逊相关分析，得到相关 性分析数据。

步骤S105，对各目标区域的人口分布时间序列数据进行拟合计算，得到 人口分布时间连续数据，并由人口分布时间连续数据、严重干旱事件时间序列 数据、严重洪涝事件时间序列数据生成时间演变数据。

具体地，根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时 间序列数据及人口分布时间序列数据，基于局部多项式回归拟合法，对各目标 区域的人口分布时间序列数据进行拟合计算，得到人口分布时间连续数据，并 由该人口分布时间连续数据、严重干旱事件时间序列数据、严重洪涝事件时间 序列数据生成时间演变数据。

其中，局部多项式回归拟合(LPRF，Local Polynomial Regression Fitting) 拟合是对两维散点图进行平滑的常用方法，它结合了传统线性回归的简洁性 和非线性回归的灵活性。当要估计某个响应变量值时，先从其预测变量附近取 一个数据子集，然后对该子集进行线性回归或二次回归，回归时采用加权最小 二乘法，即越靠近估计点的值其权重越大，最后利用得到的局部回归模型来估 计响应变量的值。用这种方法进行逐点运算得到整条拟合曲线。

本申请首先获取各目标区域在预设时间范围内的气候数据及人口数据， 并根据所述气候数据生成各目标区域的严重干旱事件时间序列数据、严重洪 涝事件时间序列数据，以及根据所述人口数据生成人口分布时间序列数据。其 中，严重干旱事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干湿等级 标准进行划分得到。然后，根据各目标区域的严重干旱事件时间序列数据、严 重洪涝事件时间序列数据及人口分布时间序列数据，计算重心分布数据、关系 趋势数据、相关性分析数据以及时间演变数据。具体地，基于重心分析模型， 分别计算各目标区域在各目标时段的严重干旱事件的重心、严重洪涝事件的 重心及人口分布的重心，得到重心分布数据；基于Mann-Kendall趋势分析法， 分别计算各目标区域在各目标时段的严重干旱事件、严重洪涝事件以及人口 分布这三者的正态统计变量，得到关系趋势数据；基于皮尔逊相关系数法，计 算各目标区域在预设的时段中，人口分布数据分别与scPDSI均值、严重干旱 事件面积占比、严重洪涝事件面积占比的相关性，得到相关性分析数据；基于 局部多项式回归拟合法，对各目标区域的人口分布时间序列数据进行拟合计 算，得到人口分布时间连续数据，并由所述人口分布时间连续数据、严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成时间演变数据。通过所述 重心分布数据，定量描述了各目标时段内的严重旱涝事件与人口分布的重心 关系；通过所述关系趋势数据，定量描述了各目标区域在各目标时段的变化趋 势关系；通过所述相关性分析数据，定量描述了各目标区域在各目标时段内的 旱涝事件与人口迁移的关联关系；通过所述时间演变数据，实现了严重旱涝事 件的重建和识别。综上，通过分析与量化严重旱涝事件对人口迁移的影响，以 便于从社会人文的角度交叉印证水文历史序列背景下，对严重旱涝事件的重 建和识别。

在本申请的一些实施例中，上述步骤101获取各目标区域在预设时间范 围内的气候数据的过程，可以包括：

S1，获取各目标区域的scPDSI网格点数据，该网格点数据包括各网格点 在第一预设时间范围内的气候数据。

S2，判断该预设时间范围是否包括在第一预设时间范围之内。

S3，若该预设时间范围包括在第一预设时间范围之内，根据该scPDSI网 格点数据获取各目标区域在预设时间范围内的气候数据。

具体地，若该预设时间范围包括在第一预设时间范围之内，则意味着该 scPDSI网格点数据已经涵盖预设时间范围内的数据，则直接从该scPDSI网格 点数据中提取出预设时间范围内的气候数据则可。

S4，若该预设时间范围没有包括在第一预设时间范围之内，利用多源替代 数据，对所述scPDSI网格点数据进行年尺度的重建，得到各目标区域在预设 时间范围内的气候数据。

具体地，若该预设时间范围没有包括在第一预设时间范围之内，意味着该 scPDSI网格点数据没有涵盖预设时间范围内的数据，则需要通过数据插值的 形式获取预设时间范围内的数据。

在本申请的一些实施例中，上述步骤S101根据该人口数据生成人口分布 时间序列数据的过程，可以包括：

S1，将该预设时间范围划分成预设数目个时段。

S2，根据该人口数据获取每一时段各目标区域的人口数量，并对每一时段 各目标区域的人口数量进行累加，得到每一时段的人口总数。

S3，针对每一时段、每一目标区域，将该目标区域的人口数量除以该时段 的人口总数，得到该目标区域在该时段的人口指标。

S4，根据各时段、各目标区域的人口指标，构建人口分布时间序列数据。

通过将每一时段内、每一目标区域内人口数量相对于所有目标区域的人 口总数的比例作为人口指标，很好地消除了地区人口总量分布不均的影响。

在本申请的一些实施例中，上述步骤S102基于重心分析模型，分别计算 各目标区域在各目标时段的严重干旱事件、严重洪涝事件及人口分布的重心 的过程，可以包括：

采用下述方程式计算各目标区域在各目标时段的严重干旱事件、严重洪 涝事件及人口分布这三者的重心：

其中，X和Y分别表示重心坐标的经度和纬度，x

在一个具体的实施例中，为了更直观的了解公元140-1949年间中国的严 重旱涝事件与人口分布的整体变化情况，将公元140-1949年间的时间划分为 16个时段，然后将16个时段的中国各省人口分布数据及其时间节点前一百年 间的严重旱涝事件的分布情况进行克里金插值，并运用上述重心计算方程式 计算出了16个时段的严重旱涝事件与人口分布的重心，如图2至图5所示。 其中，图中的中线表示近两千年中国人口分布重心的纬度总体平均值(北纬 32.51°)；五角星代表人口重心；中线上方的十字代表严重干旱事件的重心； 中线下方的十字代表严重洪涝事件的重心。

公元140年(东汉朝)，当时的首都是河南洛阳。如图2(a)所示，人 口高度集中在河南河北等“中原地区”，而干旱事件重心在陕西和宁夏交界处， 洪涝事件重心在河南与湖北交界处。一直到公元609年(隋朝前期)，重心一 直是在北区洛阳附近。由图3(e)可以看出，从公元639年(唐朝初期)开 始，干旱事件的重心首次由陕西西北部的河套地区向中原地区移动，与此同时 西北的“川蜀之地”人口呈现显著增加，在此期间洪涝事件的重心移动不明显。 由此开始，中国历史上的人口重心第一次由位于“中原地区”的黄河流域来到 了“荆襄之地”长江流域，且该状态一直延续至今。由图4(i)至图4(l)可 以看出，公元1102-1578年(北宋晚期至明朝初期)，干旱事件的重心基本稳 定在陕西东南方的商洛地区，此时的洪涝事件重心由安徽的大别山地区逐渐 向西南方的湘赣鄂交界地带移动，在此条件下人口重心在保持纬度基本不变 的条件下，逐步向长三角“江南地区”移动。由图5(m)至图5(p)可以看出，从1661年的清朝时期开始随着干旱事件重心开始南下到湖北的十堰地 区，洪涝事件的重心也逐渐北移动，在干旱事件与洪涝事件重心逐渐接近的气 候背景下，人口重心也在逐渐回到华中地区。

根据16个时间节点的人口重心与严重旱涝事件重心的变化情况来看，过 去将近两千年的时间里，中国的人口重心在严重干旱事件与洪涝事件的“夹逼” 背景下，由起初的“中原”黄河流域逐步向南迁移到了“荆襄之地”长江流域， 然后向东迁移至“江南”长三角地区，最后再逐步回到华中的“荆襄之地”。 在整个人口重心的变动过程中，其与旱涝事件重心的变动情况基本保持一致。 人口重心基本处在干旱重心与洪涝重心的连线之上，与此同时，干旱事件主要 控制人口重心的纬度变化，而洪涝事件主要控制人口重心的经度变化。

综上，通过对比分析旱涝事件的重心与人口重心这一人文社会因素的变化 情况，我们可以从宏观上清楚的了解到本研究重建和识别出的严重旱涝事件 与人口分布变化情况保持一致，在印证前文研究结果可靠性的同时也说明了 人口迁移直接受到旱涝事件等气候变化的影响。

在本申请的一些实施例中，上述步骤S103基于Mann-Kendall趋势分析 法，分别计算各目标区域在各目标时段的严重干旱事件、严重洪涝事件及人口 分布这三者的正态统计变量，得到关系趋势数据的过程，可以包括：

将所述目标序列数据为严重干旱事件时间序列数据、严重洪涝事件时间 序列数据或人口分布时间序列数据作为目标序列数据，针对各目标区域的目 标序列数据(x

根据下述方程式计算统计变量S：

其中，

S为正态分布，其均值为0，方差Var(S)＝n(n-1)(2n+5)/18。当n>10 时，根据下述方程式计算正态统计变量Z：

其中，正态统计变量Z(即MK值)，表征关系趋势数据，用于判断目标 序列数据是否存在上升或下降趋势。

在双边的趋势检验中，在给定的α置信水平上，如果|Z|≥Z

例如，对于正态统计变量Z，当Z值大于0时，地区的严重干旱事件面积 占比、严重洪涝事件面积占比以及人口分布呈上升趋势；当Z值小于0时，地 区的严重干旱事件面积占比、严重洪涝事件面积占比以及人口分布则呈下降 趋势。其中，Z的绝对值在大于等于1.28、1.64和2.32时，分别通过了信度 90％，95％和99％的显著性检验。

在一个具体的实施例中，根据公元140-1949年间各省市严重干旱事件面 积占比、严重洪涝事件面积占比以及人口分布三大研究对象的统计数据，计算 出各省市的三个研究对象历年来的变化趋势值(MK值)，并利用ArcGIS软 件进行空间克里金插值，得到趋势分布图如图6所示。

由图6可以明显的看出，从人口分布的角度来看，东南地区人口呈现明 显增加，与之相应的是西北地区人口比重明显减少。按照地区划分，“关中” 地区人口显著减少，京津冀、长三角珠三角地区人口显著增加。人口分布比重 存在整体向东南迁移的态势。江苏、安徽和湖北这三个地处长江中下游的洪涝 多发地的严重洪涝事件面积占比，呈现显著降低的趋势M-K值分别为-3.484、 -2.235和-2.029；同时并不存在洪涝面积占比显著增加的地区。严重干旱事件 面积占比，陕西、山西和山东呈现出增加的趋势；福建、浙江等地的严重干旱 面积呈现显著减少趋势，M-K值分别达到了-3.085和-2.293。严重干旱面积占 比整体存在向西北迁移的态势，这与人口变化趋势正好相反。

在本申请的一些实施例中，上述步骤S104基于皮尔逊相关系数法，计算 各目标区域在预设的时段中，人口分布数据分别与scPDSI均值、严重干旱事 件面积占比、严重洪涝事件面积占比的相关性的过程，可以包括：

S1，根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序 列数据，获取各目标区域在预设的时段的scPDSI均值序列数据、严重干旱事 件面积占比序列数据和严重洪涝事件面积占比序列数据。

S2，根据各目标区域的人口分布时间序列数据，获取各目标区域在预设的 时段的人口数量时间序列数据。

S3，根据下述方程式分别计算人口数量与scPDSI均值、严重干旱事件面 积占比和严重洪涝事件面积占比的皮尔逊相关系数：

其中，x

在一个具体的实施例中，为了说明严重旱涝事件与人口迁移的关系，分别 从三个子研究区的scPDSI重建结果中提取出不同时间跨度(当年、前一年、 前两年、前三年、前四年、前五年、前十年、前十五年、前二十年、前三十年、 前五十年)下的scPDSI的平均值、严重旱涝事件面积占比三类特征值(此处 不同时间跨度对应于上述S1中的预设的时段)。分别利用各区的人口比例数 据与各区三类特征值做皮尔逊相关分析，结果如表1所示。

表1：人口比例分别与各子研究区scPDSI均值、严重旱涝事件面积占比 相关分析表

根据相关分析结果，可以发现，三个子研究区内旱涝与人口迁移关系的特 点各不相同。对于北区来说，人口迁移主要是与严重干旱面积占比显著相关， 且前五年的严重干旱面积占比对当年的人口迁移呈现显著负相关(最大值达 到了-0.4339，n＝80，p-value<0.01)。中区的人口占比变化情况主要与多年的 scPDSI均值呈现正相关关系，前十五年的均值对当年人口占比影响最显著(r ＝-0.2851，n＝80，p-value<0.01)。南区的严重洪涝面积占比和严重干旱面积 占比对人口占比都有较大影响，且洪涝影响更为显著(r＝-0.3558，n＝80，p- value<0.01)。另外，从时间跨度的角度来看，北方地区和南方地区人口占比 对当地前五年内的旱涝变化更为敏感，而中部地区的人口占比则是对scPDSI 均值有十到十五年的延迟响应。结合各地区的经济模式来分析，北方地区主要 是种植业和畜牧业，且本就缺水，所以直接受干旱的影响最直接最迅速；南区 由于受到季风气候和大气洋流涛动的影响，严重旱涝频发。虽然承灾能力弱导 致南方地区旱涝情形均对人口占比有着直接迅速的影响，但是由于人口密度 低，对自然灾害有着充足的缓冲空间，所以人口比例依然平缓增加；而中部地 区，虽然也以种植业为主，但人口最稠密的江淮地区，在各个朝代均是全国的 经济中心，不仅对各地人口有一定的吸引力，而且该地气候适宜，灾害的发生频率相对其他两地最小，因此对旱涝变化有着一定的承受能力，或者说缓冲能 力，所以表现出延迟响应。

为了解人口分布与严重旱涝事件的时间演变特征的地区差异性，可以以 中等尺度区域为对象，分别对区域的人口占比进行局部多项式回归拟合，然后 分别汇总各区域的严重旱涝事件面积占比，绘制时间序列。为了进一步直观的 量化旱涝事件变化与人口分布之间的数理统计关系，并计算了各区域内严重 旱涝事件与人口分布时间序列的皮尔逊相关系数。具体地，可以基于R语言 实现局部多项式回归拟合scPDSI数据与人口分布数据，分析旱涝事件与人口 分布时间演变关系，并识别出旱涝事件对人口分布具有明显影响的典型时段； 同时结合历史资料中关于人口变化与旱涝事件变化的关联性记载信息来印证 严重旱涝事件的重建和识别结果的准确性。

局部多项式回归拟合(LPRF，Local Polynomial Regression Fitting)拟合是 对两维散点图进行平滑的常用方法，它结合了传统线性回归的简洁性和非线 性回归的灵活性。当要估计某个响应变量值时，先从其预测变量附近取一个数 据子集，然后对该子集进行线性回归或二次回归，回归时采用加权最小二乘法， 即越靠近估计点的值其权重越大，最后利用得到的局部回归模型来估计响应 变量的值。用这种方法进行逐点运算得到整条拟合曲线。

基于此，在本申请的一些实施例中，上述步骤S105对各目标区域的人口 分布时间序列数据进行拟合计算，得到人口分布时间连续数据的过程，包括：

通过以下方程式确定权重函数：

通过以下方程式对人口分布时间序列数据进行平滑窗口计算，得到人口 分布时间连续数据x：

其中，x

其中，ε

基于局部多项式回归拟合方法，分析严重旱涝事件与人口分布的时间演 变的具体计算步骤可以通过R语言的程序包“LOESS”实现。

在物理学中，存在于电荷周围能传递电荷与电荷之间相互作用的物理场 称为电场，其中，可以用电场强度来表示电场的强弱和方向。库仑定律指出， 点电荷产生的电场强度与其所带的电量成正比，并且与距离的平方成反比，离 场源电荷愈远则电场强度愈弱。同时，电场满足叠加原理，如果存在多于一个 点电荷，任何点的总电场强度等于各个点电荷单独存在时各自所激发的场强 的矢量和。在任意一点处，N个点电荷所激发的总场强就是每一个点电荷激发 的电场的叠加，计算公式如下：

其中Q

人口在迁移过程中受到气候因素(干旱或者洪水)的驱动力也可与电场进 行类比研究。巴格内(D.J.Bagne)于19世纪提出了人口学上最重要的宏观 理论“推拉理论”。该理论认为人口流动的目的是改善生活条件，流入地的那 些有利于改善生活条件的因素就成为拉力，而流出地的不利生活条件就是推 力。请参阅图7，人口流动就是由拉力、推力、中间障碍三因素综合驱动的结 果。

基于此，在本申请的一些实施例中，该旱涝事件与人口迁移的数据分析方 法还可以包括：

步骤S106，基于预设的推拉理论，构建严重旱涝驱动人口迁移的驱动场， 得到严重旱涝事件对人口迁移的驱动场数据。

该驱动场数据可以结合上述步骤S101～步骤S105计算得到的重心分布数 据、关系趋势数据、相关性分析数据以及时间演变数据，用以量化旱涝事件与 人口迁移的关系。

具体地，本申请实施例将所有scPDSI网格点上某一点的驱动力类比于电 场中的点电荷，称之为驱动点荷。根据“推拉理论”，每个驱动点荷的驱动力D 由迁移前期人口分布代表的迁移拉力D

D＝aD

其中，四种驱动力都是同时存在的，权重系数(a,b,c,d)由信息熵算法确 定。因为只有前期人口分布代表的迁移拉力D

本申请实施例依次将典型时期的四种驱动力图层叠加形成完整驱动场地 图，各指标经过同一标准化之后进行算，将场强大小统一视为无量纲的指标。 其中，地图代表迁移后期的人口占比空间分布图，采用黑色尖头代表场强方向 和大小。

由于电场描述的是一个三维概念，而由于气候变化对人口迁移驱动力主 要体现在平面上，故本申请实施例定义的四个驱动场均是二维场。对于驱动场 中的A(x,y)，假设其只受到单个驱动电荷D1(x

其中，i为x轴方向上对应的单位矢量，j为y轴方向上对应的单位矢量。当 A处在n个驱动点荷产生的驱动场中，其受到的场强为n个驱动点荷在A点 场强的矢量叠加：

其中，n表示scPDSI网格点的总数(n＝1546)，x

严重旱涝事件影响人口迁移的中间过程极其复杂，在详细分析旱涝事件 驱动人口迁移的内动因素的前提下，本申请将概念模型简化成“黑箱”模型，仅 考虑模型的输入和输出。结合“推拉理论”，构建了旱涝-迁移驱动场，即严 重干旱事件驱动迁移概念模型和严重洪涝事件驱动迁移概念模型。

请参阅图8，由气候变化引起的大气环流异常将直接导致降水和径流的下 降，增加大部分中纬度大陆内部夏季干燥的风险，从而影响水分的蒸发以及土 壤沙碱化。这些问题将直接导致农作物减产、农田牧场退化以及加剧北方游牧 民族的南下入侵，继而引发粮食供给减少、收入减少，累积到一定时间就会爆 发饥荒、疾病等社会问题。人民为了生存必然会迁往自然环境相对较好的地区 继续生活，而受到干旱影响的地区会及时进行自我修复，受灾人民也会逐渐找 到适应干旱灾害的应对或者预防措施，同时新的迁入地区的易损性也会提高。 纵观整个概念模型，从干旱的形成到最终的迁移以及迁移后的自我修复，是一 个极其漫长且复杂多变的过程。

请参阅图9，由大气环流异常所引起的严重降水和热带气旋(近期也包括 大量的森林乱砍乱伐)，会引发显著的泥石流、山体滑坡以及洪涝等事件。这 些问题会直接造成河堤侵蚀甚至决堤、房屋和基础设施的毁坏、农作物牲畜损 害、人员伤亡以及污水扩散等一些列的次生灾害。进而导致土地流失、可耕种 的沃野良田减少、粮食供给减少、疾病瘟疫增加。人民的温饱甚至生命安全受 到了威胁之后，必然会迁往自然环境相对更适宜的地方继续生活；而受到严重 洪涝事件影响的地区会及时的进行自我修复自我调节和适应。受灾人民也会 逐渐找到适应洪涝灾害的应对或者预防措施，同时新的迁入地区的易损性也 会提高。纵观整个概念模型，从洪涝事件的形成到最终的迁移以及迁移后的自 我修复，相对于严重干旱事件是一个相对短暂但是同样复杂多变的过程。

结合严重旱涝事件各自的发展特点以及对人民生存影响的进程来看，气 候变化并不会影响某几个人在某一年或者某几个月内的永久性远距离迁移， 但随着严重事件的累积，它会导致几十年内甚至几百年内大规模的人口移动。 而要弄清楚旱涝事件与人口迁移之间的各个环节存在何种关联或者存在怎么 样的数学关系，需要涉猎很多学科的内容。为了简化研究，合理量化两者间的 关系，可以将概念模型里的中间环节忽略，仅考虑模型的输入“旱涝事件”和 输出“人口迁移”，结合“推拉理论”构建旱涝-迁移驱动场，对旱涝事件驱动 人口迁移在不同空间上的方向和强度。

下面对本申请实施例提供的旱涝事件与人口迁移的数据分析装置进行描 述，下文描述的旱涝事件与人口迁移的数据分析装置与上文描述的旱涝事件 与人口迁移的数据分析方法可相互对应参照。

请参见图10，本申请实施例提供的旱涝事件与人口迁移的数据分析装置， 可以包括：

数据获取单元21，用于获取各目标区域在预设时间范围内的气候数据及 人口数据，根据所述气候数据生成各目标区域的严重干旱事件时间序列数据、 严重洪涝事件时间序列数据，以及根据所述人口数据生成人口分布时间序列 数据，其中，严重干旱事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的 干湿等级标准进行划分得到；

重心计算单元22，用于根据各目标区域的严重干旱事件时间序列数据、 严重洪涝事件时间序列数据及人口分布时间序列数据，基于重心分析模型，分 别计算各目标区域在各目标时段的严重干旱事件的重心、严重洪涝事件的重 心及人口分布的重心，得到重心分布数据；

趋势计算单元23，用于根据各目标区域的严重干旱事件时间序列数据、 严重洪涝事件时间序列数据及人口分布时间序列数据，基于Mann-Kendall趋 势分析法，分别计算各目标区域在各目标时段的严重干旱事件的正态统计变 量、严重洪涝事件的正态统计变量及人口分布的正态统计变量，得到关系趋势 数据；

相关性计算单元24，用于根据各目标区域的严重干旱事件时间序列数据、 严重洪涝事件时间序列数据及人口分布时间序列数据，基于皮尔逊相关系数 法，计算各目标区域在预设的时段中，人口分布数据分别与scPDSI均值、严 重干旱事件面积占比、严重洪涝事件面积占比的相关性，得到相关性分析数据；

时间演变计算单元25，用于根据各目标区域的严重干旱事件时间序列数 据、严重洪涝事件时间序列数据及人口分布时间序列数据，基于局部多项式回 归拟合法，对各目标区域的人口分布时间序列数据进行拟合计算，得到人口分 布时间连续数据，并由所述人口分布时间连续数据、严重干旱事件时间序列数 据、严重洪涝事件时间序列数据生成时间演变数据；

其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述 时间演变数据用于量化旱涝事件与人口迁移的关系。

本申请实施例提供的旱涝事件与人口迁移的数据分析装置可应用于旱涝 事件与人口迁移的数据分析设备，如计算机等智能设备。可选的，图11示出 了旱涝事件与人口迁移的数据分析设备的硬件结构框图，参照图11，旱涝事 件与人口迁移的数据分析设备的硬件结构可以包括：至少一个处理器31，至 少一个通信接口32，至少一个存储器33和至少一个通信总线34。

在本申请实施例中，处理器31、通信接口32、存储器33、通信总线34 的数量为至少一个，且处理器31、通信接口32、存储器33通过通信总线34 完成相互间的通信；

处理器31可能是一个中央处理器CPU，或者是特定集成电路ASIC (ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例 的一个或多个集成电路等；

存储器32可能包含高速RAM存储器，也可能还包括非易失性存储器 (non-volatile memory)等，例如至少一个磁盘存储器；

其中，存储器33存储有程序，处理器31可调用存储器33存储的程序， 所述程序用于：

获取各目标区域在预设时间范围内的气候数据及人口数据，根据所述气 候数据生成各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序 列数据，以及根据所述人口数据生成人口分布时间序列数据，其中，严重干旱 事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干湿等级标准进行划分 得到；

根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序列 数据及人口分布时间序列数据：

基于重心分析模型，分别计算各目标区域在各目标时段的严重干旱事件 的重心、严重洪涝事件的重心及人口分布的重心，得到重心分布数据；

基于Mann-Kendall趋势分析法，分别计算各目标区域在各目标时段的严 重干旱事件的正态统计变量、严重洪涝事件的正态统计变量及人口分布的正 态统计变量，得到关系趋势数据；

基于皮尔逊相关系数法，计算各目标区域在预设的时段中，人口分布数据 分别与scPDSI均值、严重干旱事件面积占比、严重洪涝事件面积占比的相关 性，得到相关性分析数据；

基于局部多项式回归拟合法，对各目标区域的人口分布时间序列数据进 行拟合计算，得到人口分布时间连续数据，并由所述人口分布时间连续数据、 严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成时间演变数据；

其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述 时间演变数据用于量化旱涝事件与人口迁移的关系。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执 行的程序，所述程序用于：

获取各目标区域在预设时间范围内的气候数据及人口数据，根据所述气 候数据生成各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序 列数据，以及根据所述人口数据生成人口分布时间序列数据，其中，严重干旱 事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干湿等级标准进行划分 得到；

根据各目标区域的严重干旱事件时间序列数据、严重洪涝事件时间序列 数据及人口分布时间序列数据：

基于重心分析模型，分别计算各目标区域在各目标时段的严重干旱事件 的重心、严重洪涝事件的重心及人口分布的重心，得到重心分布数据；

基于Mann-Kendall趋势分析法，分别计算各目标区域在各目标时段的严 重干旱事件的正态统计变量、严重洪涝事件的正态统计变量及人口分布的正 态统计变量，得到关系趋势数据；

基于皮尔逊相关系数法，计算各目标区域在预设的时段中，人口分布数据 分别与scPDSI均值、严重干旱事件面积占比、严重洪涝事件面积占比的相关 性，得到相关性分析数据；

基于局部多项式回归拟合法，对各目标区域的人口分布时间序列数据进 行拟合计算，得到人口分布时间连续数据，并由所述人口分布时间连续数据、 严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成时间演变数据；

其中，所述重心分布数据、关系趋势数据、所述相关性分析数据以及所述 时间演变数据用于量化旱涝事件与人口迁移的关系。

可选的，所述程序的细化功能和扩展功能可参照上文描述。

综上所述：

本申请首先获取各目标区域在预设时间范围内的气候数据及人口数据， 并根据所述气候数据生成各目标区域的严重干旱事件时间序列数据、严重洪 涝事件时间序列数据，以及根据所述人口数据生成人口分布时间序列数据。其 中，严重干旱事件及严重洪涝事件为根据帕默尔干旱指数scPDSI的干湿等级 标准进行划分得到。然后，根据各目标区域的严重干旱事件时间序列数据、严 重洪涝事件时间序列数据及人口分布时间序列数据，计算重心分布数据、关系 趋势数据、相关性分析数据以及时间演变数据。具体地，基于重心分析模型， 分别计算各目标区域在各目标时段的严重干旱事件的重心、严重洪涝事件的 重心及人口分布的重心，得到重心分布数据；基于Mann-Kendall趋势分析法， 分别计算各目标区域在各目标时段的严重干旱事件、严重洪涝事件以及人口 分布这三者的正态统计变量，得到关系趋势数据；基于皮尔逊相关系数法，计 算各目标区域在预设的时段中，人口分布数据分别与scPDSI均值、严重干旱 事件面积占比、严重洪涝事件面积占比的相关性，得到相关性分析数据；基于 局部多项式回归拟合法，对各目标区域的人口分布时间序列数据进行拟合计 算，得到人口分布时间连续数据，并由所述人口分布时间连续数据、严重干旱事件时间序列数据、严重洪涝事件时间序列数据生成时间演变数据。通过所述 重心分布数据，定量描述了各目标时段内的严重旱涝事件与人口分布的重心 关系；通过所述关系趋势数据，定量描述了各目标区域在各目标时段的变化趋 势关系；通过所述相关性分析数据，定量描述了各目标区域在各目标时段内的 旱涝事件与人口迁移的关联关系；通过所述时间演变数据，实现了严重旱涝事 件的重建和识别。综上，通过分析与量化严重旱涝事件对人口迁移的影响，以 便于从社会人文的角度交叉印证水文历史序列背景下，对严重旱涝事件的重 建和识别。

进一步地，本申请能重建并剖析重大、严重气候事件对社会经济的影响的 典型案例，阐明过去长历时的气象干旱事件对大尺度区域人口迁移的影响及 其区域差异，在印证重建结果的准确性的同时，也为地区妥善应对未来气候变 化、保障社会经济可持续发展提供历史相似型和经验借鉴。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅 仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或 者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语 “包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得 包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括 没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所 固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素， 并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要 素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都 是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同 相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下， 在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。