进入经济,科技,文化全球化的大数据时代,复杂网络与非线性时间序列的应用研究越来越受到关注,例如流行病传播,大脑功能网络,气候干旱事件以及金融股票波动等,时间序列的分析方法可以为我们提供新颖的思考与探索方向。目前,传统的研究非线性时间序列的方法受到复杂网络研究的影响而得到了快速的发展,然而由于实际研究中序列长度和噪声的影响,极大限制了时间序列网络方法的广泛应用。本文着眼于气候干旱极端事件的时间序列,讨论复杂网络方法在实际序列分析碰到的共性问题,并提供解决办法。本文关注巴西东北部(NEB)近些年来持续的干旱事件,因为该地区自2010年就开始处于持续干旱状态,造成了重大的社会影响与经济损失。NEB极端干旱事件的物理机制是周边热带海洋不同的相互作用时间尺度引起的,因此本文以1979-2018年降雨量数据以及大西洋、太平洋、厄尔尼诺等不同区域的海表温度数据,将事件时间序列转化为ordinal pattern符号序列并构建序列间的转换网络。此外我们根据Kullback-Leibler散度(KLD)计算符号序列间的非均匀性,得到两个时间序列间的耦合时滞信息。并且本文提出基于KLD计算统计可靠性的假设检验,得到了很好的验证。最后我们用时滞信息与干旱周期长度(DPL)定量分析了NEB降水的季节性时间尺度的动态变化。本文提出的非线性时间序列网络方法为研究事件时间序列间的相互作用提供了新的研究思路,并进一步提出了耦合方向结果显著性的统计假设检验方法,这也为后续研究多个系统间的耦合关系奠定了基础。