GeoHealth: 揭示明清时期400年流行病规律-与旱涝交互相关，大规模爆发或存在32年周期

干旱、洪涝与流行病之间是否存在某种内在的、可量化的关联？历史能否为未来的公共卫生防御提供预警？

近日，北京师范大学地理科学学部高剑波教授与程杨教授、叶瑜副教授等合作者在GeoHealth发表了题为“流行病、干旱与洪涝复杂互动的涌现现象：来自中国明清时期1470-1911年的启示”的研究论文。

该研究利用中国明清时期长达400多年的历史数据，首次通过自适应分形分析（Adaptive Fractal Analysis, AFA）方法，揭示了气候灾害与流行病爆发之间复杂的非线性关系，发现大规模流行病的爆发可能存在不短于32年的周期性规律。

研究背景：从历史中寻找气候与健康的答案

随着全球气候变暖，洪涝和干旱等极端天气事件频发。科学界已知气候因素会通过改变病媒（如蚊虫）的分布或污染水源来影响传染病的传播。然而，这种互动关系在长时段、大尺度上究竟呈现何种数学规律？

中国拥有世界上最丰富的历史气象与灾害记录。研究团队整合了《中国三千年气象记录总集》《中国灾荒史记》《中国近五百年旱涝分布图集》等资料，构建了涵盖18个省（市）的流行病、干旱、洪涝三大指数体系，覆盖北方地区（黄河流域及周边）、中部地区（长江中下游）、南方地区（华南及西南）三大区域。试图从复杂系统科学的视角，解开气候-流行病互动的谜团。

图1：本研究区地图划分为三个部分：华南（含广西、广东、贵州、福建）、华中（含湖南、江西、浙江、湖北、安徽、江苏、上海）以及华北（含陕西、河南、山东、山西、河北、北京、天津）

核心发现：32年周期与“涌现”现象

1. 大规模流行病爆发的“32年周期律”

研究团队通过对历史数据的分析，识别出明清时期的四次大规模流行病爆发（分别约为1588年、1641年、1821年和1862年）。通过自适应分形分析，研究发现，流行病与干旱、洪涝的交互作用在时间尺度上存在显著的特征。最值得关注的发现是，大规模流行病爆发的平均间隔周期可能不短于32年。这一发现为理解流行病的长期复发规律提供了重要的量化参考，也印证了国际上关于其他传染病（如斑疹伤寒）暴发间隔的研究。

图2：1639–1648 年间中国疫情的空间分布：不同颜色标示各年份出现疫情的县份；右上角小图则汇总标示所有年份曾有疫情的县份。

2. 流行病与旱涝的相关性差异

干旱指数与流行病指数呈一定同步性，北方地区二者交互呈现出一种非平稳的“涌现”（Emergence）行为，是流行病高发敏感区。

洪涝指数与流行病相关性较弱，标度行为不明确，仅部分时段因灾害连锁反应可能诱发疫情。

3.“南涝北旱”下的区域差异

研究显示，中国不同区域的气候-流行病互动模式存在显著差异：

• 北方地区：流行病与干旱之间表现出极强的交互作用。研究发现，北方地区的流行病与干旱指数的互相关标度指数大于1，这意味着在北方，干旱往往是引爆大规模流行病的关键“扳机”，二者叠加产生了“1+1>2”的灾难性后果（如明末的大旱与大疫）。
• 中部地区：介于南北之间，流行病峰值特征与北方相似，但1700年后强度减弱，水网密集降低了洪涝的影响，与干旱关联接近平稳与非平稳边界。
• 南方地区：三者长程相关性均最弱，流行病峰值更分散。洪涝对流行病的直接触发作用相对较弱，相关性标度接近0.5（即弱相关）。

图3. (a1、b1、c1)：华北地区疫情、旱灾与洪灾指数的时间序列；(a2、b2、c2) 分别为其对应的自适应分形分析（AFA）结果，图中拟合直线的斜率即为 Hurst 参数。

4. 流行病规模符合“齐普夫定律”（Zipf's Law）

研究还发现了一个有趣的现象：历史上大规模流行病的规模分布（按受灾县数排名）在双对数坐标下呈现出完美的线性关系，即符合齐普夫定律。这表明流行病的传播并非完全随机，而是遵循着复杂系统中常见的幂律分布，这一特征在北方地区尤为明显。

图4. 四次大型疫情暴发的齐夫定律

研究方法：复杂性科学的利器

本研究并未采用传统的线性统计方法，而是引入了自适应分形分析（AFA）。这是由高剑波教授发明的一种处理非平稳、非线性时间序列的先进方法。相比于传统的去趋势波动分析（DFA），AFA能够更精准地捕捉历史数据中的长程相关性（Long-range correlations）和趋势转折点，从而在看似杂乱无章的历史记录中，提取出气候与疾病互动的深层动力学特征。

展望与意义

该研究不仅重建了中国历史上的疫灾图景，更重要的是为现代流行病防控提供了新的视角。

• 预警意义：32年的周期提示我们，在大流行病结束后，不能掉以轻心，需警惕长周期后的卷土重来。
• 气候适应：揭示了干旱在北方地区引发流行病的高风险性，提示在应对未来气候变化时，北方地区需重点关注干旱引致的公共卫生危机，而南方需关注其特有的环境病媒传播。

论文原文

作者信息

高剑波 (Jianbo Gao)

北京师范大学地理科学学部教授，中国科学院自动化研究所兼职研究员。主要从事复杂系统理论、大数据分析、非线性动力学及其在地球科学、生命科学及社会科学中的应用研究。他是自适应分形分析（AFA）方法的奠基人之一。

侯鑫 (Xin Hou)

北京师范大学地理科学学学部博士毕业生，首都师范大学青年教师，主要从事人文地理学和地理学科教学研究。

程杨 (Yang Cheng)

北京师范大学地理科学学部教授，主要从事健康地理学研究。

叶瑜 (Yu Ye)

北京师范大学地理科学学学部副教授，主要从事历史气候变化研究。

王雨潇 (Yuxiao Wang)、孔劲松 (Jingsong Kong)

北京师范大学地理科学学学部硕士毕业生，主要从事健康地理学研究。

本研究得到了中央高校基本科研业务费专项资金项目的支持。

论文引用

Gao, J., Hou, X., Cheng, Y., Ye, Y., Wang, Y., & Kong, J. (2025). Emergence from the complex interactions of epidemics, droughts, and floods: Insights from Ming and Qing dynasties of China during 1470–1911. GeoHealth, 9, e2024GH001224.

关于期刊

GeoHealth 是AGU于2017年创立的开放获取期刊，发表地球和环境科学与健康科学交叉领域的原创性研究论文和评论文章，涵盖各类全球和地区性问题，包括气候变化对人类、农业和生态系统健康的影响，空气和水污染，除草剂和杀虫剂的环境持久性，辐射与健康，地理医学以及灾害对健康的影响等。

2024年影响因子：3.8

5年影响因子： 4.8

从投稿到一审的中位数时间：50天

END

声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。