1951-2018年華南前汛期暴雨特征分析
——以韶關市為例

周嘉琦, 陳世發

(韶關學院 旅游與地理學院， 廣東 韶關 512005)

隨著全球氣候變暖，氣候異常事件明顯增多，各地極端降水事件頻現，暴雨是我國常見的氣象災害之一，其特點是長時間、強度大，導致洪澇災難的發生，對人們生命安全和生產、生活安全帶來非常大的危難[1-3]。因此，重視暴雨觀測、研究暴雨特點，是氣象災害預防工作的基礎。

國內外學者們對暴雨氣候特征進行了相關研究，Barredo[4]研究表明，1970—2005年歐洲的暴雨災害加重的主要原因不是氣候異常，是人口暴增而導致脆弱性增加的結果。廣東前汛期降水為全年降水量的40%～60%，前汛期降水的多少直接影響到廣東省汛期的旱澇[5-7]；艾卉等[8]從暴雨日數、暴雨強度和暴雨貢獻率，分析廣州汛期的暴雨的變化特征；李明華等[9]認為，惠州城區50 a的雨日氣候特征應全面研究雨日及不同強度雨日的氣候統計特征；凌良新等[10]認為，潮州市暴雨主要發生在4—9月，而且暴雨天氣的發生時間有提前的趨勢。雖然對不同區域的暴雨有所研究，但針對前汛期暴雨的研究相對較少。

華南地區是我國汛期最長的區域，暴雨氣候有地域差異，對氣候變化反映也不盡相同。為探討前汛期(4—6月)不同等級暴雨變化的趨勢、突變點和周期變化規律及重現期，本文選取韶關市1951—2018年的日降水資料目的在于探討：(1) 韶關市前汛期暴雨、大暴雨事件變化特征及其與降水的關系；(2) 前汛期暴雨、大暴雨事件的周期變化規律；(3) 前汛期暴雨、大暴雨事件的重現期。本研究以期找出長時間前汛期不同等級暴雨的變化趨勢和周期變化規律，有利于更加全面了解韶關市的氣候變化特征，對于預測氣候災害，及防災減災有重大意義。

1 研究區概況與研究方法

1.1 研究區概況

韶關市處于廣東省的北部，北江的中上游地區，對內連接珠三角，具有重要的經濟、生態地位。山地丘陵地形顯著且北部依靠南嶺，氣候屬于中亞熱帶季風氣候，季風氣候明顯，雨熱同期，多年平均降水量為1 618.91 mm(1951—2018年)，降水豐富且集中，易發生澇災、泥石流和滑坡等災害。

1.2 數據來源與方法

1.2.1 數據來源 本文運用中國氣象共享服務網提供的1951—2018年韶關市氣象站降水資料(日降水量)，分別算出前汛期暴雨、大暴雨的頻次和降水量，再通過Excel，SPSS，Origin，Matlab，Furfer等軟件進行數據處理。

1.2.2 前汛期的確定和暴雨等級的方法 華南地區降水呈現雙峰型特征，其中主峰為6月，次鋒為8月。每年4—6月，華南地區受大型降水過程主要受冷暖空氣及華南低空西南急流的影響，往往造成雨量大，持續時間長，形成汛期，稱為前汛期[1,11]。

我國氣象上規定，24 h降水量有50 mm或以上的雨，定義為“暴雨”[12]。根據降水強度分為三級。其范圍在50～99.9 mm，則定義為“暴雨”；100～199.9 mm，定義為“大暴雨”；200 mm以上，定義為“特大暴雨”。由于該研究區在1951—2018年的前汛期期間的24 h降水量無大于200 mm，因此本文僅研究暴雨和大暴雨兩個等級的情況。

1.2.3 降水變率 降水變率是指降水量的年(或季、月)際變化，是降水絕對變率(又稱降水距平)。它是指某地實際降水量與同期多年平均降水量之差與多年平均降水量的百分比，具體計算公式如下[13]：

(1)

1.2.4 Morlet小波分析方法 小波分析是以Fourier變換為基礎，運用三角函數來表示信號和解釋時域成分的一種研究方法[14]，通過小波函數變換判斷某段時間的周期振蕩特點?；拘〔槠椒娇煞e函數t，t∈L2(R)，對t伸縮和平移得一簇函數，即連續小波t，再計算小波變換系數和小波方差，本文采用的Morlet小波為：

(2)

式中:kφ=10，分析小波為:

(3)

式中:c>0,b∈R；c為尺度參數；d為平移參數。

(4)

Morlet小波系數的實部表示不同特征時間尺度信號在不同時間上的分布和位相，正的小波系數反映出分析對象在該時間段為偏多期，反之為偏少期，零值則為突變點。

1.2.5 Man-Kendall趨勢檢驗與突變 本文采用Man-Kendall (M-K檢驗)是非參數秩次統計檢驗法，用于研究降水變化趨勢與突變分析。M-K檢驗應用于水文和氣象要素分析[15]，在Man-Kendall趨勢檢驗中，n個獨立的、隨機變量同分布的樣本為時間序列數據Xi(i=1,2,3,…,n)；假設是雙邊檢驗。對于所有的i，j≤n，且i≠j，xk和xj的分布是不相同的。定義檢驗統計量S：

(5)

(6)

式中:取值如下:

(7)

當M-K統計量公式如下：

(8)

此外，M-K法還可研究突變檢驗：把具有n個樣本量的時間序列為Xi(i=1,2,3,…,n)，確定統計量：

(9)

式中:j=1,2,…，i；k=1,2,…，n。在假設時間序列隨機獨立時:

E[Sk]=k(k-1)/4 1≤k≤n

(10)

(11)

將標準化：

(12)

UBk=-UFk,i′=n+1-I,i′=12,L,n,…,

(13)

最后，將UBk和UFk的值分別組成曲線，當UBk或UFk的值大于0，則表明降水量為上升的特點，反之則相反；如果和兩條曲線出現交點，且交點在а值臨界線之間，那么交點為突變開始。UBk大于臨界值，則變化明顯。

1.2.6 皮爾遜三型頻率曲線 根據皮爾遜三型頻率曲線對于概率事件預測的優越性，本文用于分析韶關市前汛期不同等級的暴雨數據，計算其重現期，對當地的暴雨頻次進行預測，為當地防洪防旱工作提供數據支持。

皮爾遜三型頻率曲線的繪制要求求出指定的頻率P所對應的隨機變量xp，也就是對密度曲線進行積分[16]，即：

(14)

求出等于及大于xp的累計頻率p值。實際操作還可通過變量轉換，則：

(15)

式中:x,Cv,Cs為3個統計參數,分別代表均值、離差系數和偏態系數。頻率計算就是如何從樣本資料中估算3個參數值,比如矩法公式、極大似然法、概率權重矩法等,但圖解適線(即“三點法”)來確定參數較簡便。

頻率曲線繪制后，可在頻率曲線上求頻率P的設計值xp。由于“頻率”比較抽象，可用水文學的“重現期”表示。兩者的關系式為：當頻率p<50%，重現期T為：

T=1/P

(16)

當頻率P>50%，重現期T為：

T=1/(1-P)

(17)

2 結果與分析

2.1 前汛期暴雨變化特征

2.1.1 前汛期暴雨變化特征 對1951—2018年韶關市前汛期的降水特征進行統計，結果表明：前汛期年降水變率極大值為2.36，出現在1957年；1963—1992年中(除了1970年、1972年、1973年、1974年、1975年的相對變率分布在0.00%～50%)，其余年份降水相對變率較穩定，均分布在0.00%～-50%；1993—2018年中，降水較多的年份有10 a，分別是1993年、1994年、1998年、2001年、2005年、2010年、2012年、2014年、2015年、2016年，降水較少的有16 a且降水變率小于35%，分別是1995年、1996年、1997年、1999年、2000年、2002年、2003年、2004年、2006年、2007年、2008年、2009年、2011年、2013年、2017年、2018年。其中，降水變率大于50%的有1954年、1957年、1962年、1993年、2010年、2015年共6 a。綜上，說明68 a間，降水變率差異大，但總體在增加。

前汛期暴雨變率變化曲線與降水變率基本一致，前汛期暴雨變率最大值為2.70，出現在2015年。1951—1955年大部分年份的降水較多；降水較少的年份主要分布在1956—1992年、1997年、1999年、2001年、2002年、2007年、2008年、2011年、2014年、2017年、2018年，其中，降水變率為-100%的有1967年、1970年、1979年、1985年、1986年共5 a，即這五年的暴雨量為0 mm。而降水變率大于100%的有6 a，分別為1954年、1962年、1993年、2005年、2010年、2015年。說明90年代以后暴雨變率變化大，極端降水發生的頻率高，極端事件增多的趨勢一致。

前汛期暴雨對前汛期降水的平均貢獻率為27%，最大暴雨貢獻率為65.7%，出現在2015年。前汛期暴雨貢獻率大于40%的有13 a，分別為1953年、1954年、1955年、1962年、1972年、1993年、1995年、1996年、2000年、2003年、2005年、2015年、2016年，均為前汛期暴雨貢獻率高峰期。

由韶關市1951—2018年前汛期降水變率與前汛期暴雨變率和前汛期暴雨的貢獻率(圖1)可得，在1992年以后前汛期暴雨變率有明顯的增大，而降水變率也明顯加大，即近30 a極端降水事件發生幾率將加大。過去68 a間，以1992年為界點，降水變率差異大，即1992年以后易出現洪澇災害。

圖1 1951-2018年韶關前汛期降水變率與前汛期暴雨

分析韶關市68 a間4—6月逐月暴雨量占前汛期雨量比例的年際變化特征(圖2)，可以看出：4月累積暴雨量<5月累積暴雨量<6月累積暴雨量，但是部分年份出現差異。比如、1951年、1983年、1996—2000年、2004年、2007年中4月的暴雨量為前汛期暴雨量之首，其中1951年4月暴雨量占前汛期降水的比例高達33%；而5月暴雨量的比例為最高的年份則有1980—1982年、2010—2015年、其中2015年的比例是各年份中前汛期逐月暴雨占前汛期降水的比例的最高值、為49%；而6月暴雨量的比例為最高的年份有1952—1968年、1990—1995年、2005年、2009年、2016—2018年，其中1995年的比例占46%為最高。綜上，4月份的累積暴雨量占前汛期雨量的比例最小，5月、6月份的累積暴雨量占前汛期雨量的比例較大，但是部分年份的前汛期逐月暴雨量變化差異大，在氣象觀測中應加強關注，為韶關市防洪抗旱災做好預測。

圖2 不同年份4-6月逐月暴雨占前汛期雨量比例

2.1.2 前汛期不同等級暴雨多時間尺度變化特征 1951—2018年韶關市出現暴雨頻次共為341 d，全年平均暴雨頻次為5 d，年極大值為12 d，出現在2015年、2016年，而有個別年份無暴雨出現(1986年)；68 a間韶關前汛期出現暴雨頻次198 d，前汛期年平均暴雨頻次為3 d，極大值為9 d，出現在2015年，有5個年份前汛期未出現暴雨，分別是1967年、1970年、1985年、1986年；另外68 a間前汛期暴雨頻次約占全年暴雨頻次的58.06%。由此可見，前汛期暴雨對全年暴雨有較大影響，導致韶關市發生旱澇災害的幾率變大。

分析全年暴雨頻次和前汛期暴雨頻次變化特征發現(圖3)，二者變化曲線基本一致，在過去的68 a間，前汛期暴雨頻次總體呈波動上升的趨勢，氣候傾向率為0.02次/a，上升趨勢明顯。

圖3 全年暴雨頻次和前汛期暴雨頻次變化

從暴雨日數的年際變化來看(圖4)，1951—2018年的暴雨雨日共175 d，年平均暴雨雨日為2.6 d，其中1951年、2005年、2016年最多，為7 d，1967年、1969年、1970年、1979年、1985年、1986年、1990年最少為0 d，暴雨日數的變化幅度較大；出現大暴雨雨日共23 d，年均0.34 d，其中2015年、1993年最多，為3 d，出現大暴雨日數為0 d的有50 a，且大暴雨日數的年際變化趨勢為從無到劇烈增加，說明韶關市68 a來發生大暴雨事件的變率較大，對韶關市同期的農業、水利和防洪抗災的影響較大。綜上，68 a間前汛期發生暴雨的頻次最多且對同期韶關市暴雨貢獻較大，大暴雨發生頻次雖少，但因其降水量大，一旦發生易增加韶關市旱澇事件。

圖4 前汛期暴雨、大暴雨頻次年際變化

2.1.3 韶關市前汛期不同等級暴雨量的Man-Kendall趨勢檢驗與突變分析 通過Man-Kendall法對68 a來韶關市的前汛期不同等級的暴雨量進行趨勢檢驗與突變分析，結果見表1和圖5所示。68 a來韶關市大暴雨等級的降水量呈明顯上升趨勢，通過了顯著性檢驗(|Z|值大于1.28)，韶關市1951—2018年來前汛期的大暴雨等級的雨量上升趨勢顯著。而暴雨等級的降雨量的變化趨勢，未通過顯著性檢驗(|Z|值小于1.28)，韶關市前汛期暴雨下降趨勢不顯著。

由圖6A可知，前汛期暴雨從1951—1998年、2007—2016年有明顯的上升趨勢，并且通過了0.05顯著性檢驗(U0.05=1.96)。在1952—1955年中，UF(k)大于0.01顯著水平(U0.01=2.56)，這表明在1952—1955年中韶關市的暴雨量增加的趨勢十分顯著。根據UF(k)和UB(k)曲線交點的位置，確定韶關市前汛期暴雨量的變化存在4個突變點，分別為1953年(上升趨勢)；1957年(下降趨勢)；2006年(下降趨勢向上升趨勢的轉變)以及2015年(平穩趨勢向下降趨勢的轉變)。

表1 韶關市前汛期不同等級暴雨變化趨勢的M-K檢驗結果

圖5 前汛期暴雨、大暴雨總量年際變化

由圖6B可知，大暴雨的UF曲線的變化趨勢并沒有通過0.05顯著性檢驗(U0.05=1.96)。在1951年、1952年中，UF(k)大于0.01顯著水平(U0.01=2.56)，所以韶關市前汛期的大暴雨在1951年、1952年間的上升趨勢十分顯著。在1960年、1961年、1963—2018年中、UF(k)大于0.01顯著水平(U0.01=2.56)、所以韶關市前汛期的大暴雨在此期間的下降趨勢十分顯著。

圖6 韶關市前汛期不同等級暴雨量M-K統計曲線

2.2 韶關市前汛期不同等級暴雨日數的周期性分析

由圖7的前汛期不同等級68 a來暴雨日數序列的小波變換時頻分布圖，可知在不同等級中都存在多重時間周期尺度上的鑲套復雜結構現象。

由圖7A可得，前汛期暴雨明顯可見存在6～9 a短期震蕩周期、12～18 a的中期震蕩周期、22 a的長期震蕩周期。為了得到更加準確的降水量周期特征，計算前汛期不同等級的暴雨日數的小波變換方差，得出其主要周期(圖8)。由圖8A可得，暴雨頻次序列存在22 a的主振蕩周期，其中15 a，8 a，6 a的振蕩周期也明顯可見。從圖7A的變化規律看，1951—1990年韶關前汛期暴雨正處在6 a短期震蕩的少降水期，2005—2018年韶關前汛期暴雨正處在8 a短期震蕩的少降水期；68 a來存在著15 a的震蕩期，期間經歷了多→少→少→多→少→多→少→多→少→多十個循環交替；22 a的震蕩周期是震蕩信號最強的周期，且存在著少→多→少→多→少→多→少7個循環交替，其中在2018年的震蕩周期等值線未閉合，則2018年以后在22 a周期上降水量將處于偏少降水時期。

圖7 韶關市前汛期不同等級暴雨日數變化的小波變換實部的時頻分布

由圖7B可得，前汛期大暴雨日數明顯可見存在4～8 a短期震蕩周期、15～18 a的中期震蕩周期、27～28 a的長期震蕩周期。為了得到更加準確的降水量周期特征，圖8通過計算前汛期不同等級的大暴雨日數的小波變換方差，可直接給出其主要周期。由圖8B可得大暴雨日數序列存在27 a的主振蕩周期，其中4 a，8 a，15 a的振蕩周期也明顯可見。從圖7B的變化規律看，1951—1975年韶關前汛期大暴雨正處在4 a短期震蕩的少降水期，2000—2016年韶關前汛期大暴雨正處在8 a短期震蕩的少降水期；1990年來存在著15 a的震蕩期，期間經歷了多→少→多→少→多→少→多→少→多9個循環交替；27 a的震蕩周期是震蕩信號最強的周期，且存在著少→多→少→多→少5個循環交替，其中在2018年的震蕩周期等值線仍未閉合，則2018年以后在27 a周期上降水量處于偏少降水時期。

1951—2018年韶關市的前汛期不同等級年際暴雨日數受多重震蕩周期性規律控制，明顯存在6 a和8 a的短期震蕩周期、15 a的中期震蕩周期以及22 a和27 a的長期震蕩周期。其中從劇烈的震蕩周期來看，27 a的長期震蕩周期是韶關市前汛期暴雨日數的主要震蕩周期，同時，6 a，8 a的短期震蕩周期以及15 a的中期震蕩周期都對68 a來韶關市年際前汛期暴雨日數的周期有一定的影響。

2.3 韶關市前汛期不同等級暴雨頻次的重現期

采用皮爾遜三型頻率曲線對韶關市前汛期不同等級暴雨頻次的概率分布進行擬合，結合暴雨的分布特征和管理，為韶關市設計暴雨的雨型提供參考。對圖9進行分析，在不考慮個別異常點的前提下，可得出以下結論：

前汛期暴雨頻次：由圖9A可得在Cs=2Cv時的理論分布對經驗頻率小于50%的擬合效果最好。當Cv=0.67時，出現暴雨頻次為7的頻率為2%～5%，重現期為20～50 a，即二十至五十年一遇，屬于小概率事件；暴雨頻次為6的頻率為5%～10%，重現期為10～20 a；暴雨頻次為5的頻率為10%，重現期為10 a；暴雨頻次為4的頻率為10%～20%，重現期為5～10 a；暴雨頻次為3的頻率為20%～48%，重現期為2～5 a；暴雨頻次為2的頻率為50%～75%，重現期為2～4 a；暴雨頻次為1的頻率為75%～90%，重現期為4～10 a；暴雨頻次為0的頻率為90%～99%，重現期為10～100年。綜上，年暴雨頻次較多的屬于小概率事件，如7次、6次、5次；年暴雨頻次較少的發生概率較大，如3次、2次、1次和0次。

圖8 韶關市前汛期不同等級暴雨日數小波方差

前汛期大暴雨頻次：由圖9B可得在Cs=Cv時的理論分布對經驗頻率小于50%的擬合效果最好。當Cv=1.95時，出現大暴雨頻次為3的頻率為2%～5%，重現期為20～50 a，即二十至五十年一遇，屬于小概率事件；大暴雨頻次為2的頻率為5%，重現期為20 a；大暴雨頻次為1的頻率為5%～30%，重現期為3.3～20 a；暴雨頻次為0的頻率為30%～99%，重現期為30～100年。綜上，年大暴雨頻次較多的屬于小概率事件，如2次；年暴雨頻次較少的發生概率較大，如1次和0次。

綜上，年暴雨頻次較多的屬于小概率事件，但對于研究暴雨洪水問題有重要意義；年暴雨頻次較少的發生概率較大，對于水庫興利調節和研究枯水問題有較大意義。

圖9 韶關市前汛期不同等級暴雨頻次累積頻率曲線

3 結 論

(1) 前汛期暴雨對前汛期降水貢獻大，平均貢獻率為27%，暴雨的多少與前汛期降水呈正比關系。前汛期降水量呈明顯的增加趨勢，但降水變率差異大。而前汛期暴雨氣候傾向率為0.02次/年，上升趨勢明顯。

(2) 暴雨的突變現象明顯，大暴雨的上升或下降趨勢顯著。暴雨的UF曲線增加和下降趨勢通過了0.05顯著性檢驗(U0.05=1.95)，且有1953年、1957年、2006年、2015年4個突變點；大暴雨的UF曲線的大于置信水平，其UF曲線的變化趨勢并沒有通過0.05顯著性檢驗。

(3) 68 a來韶關市的前汛期不同等級暴雨日數受多重震蕩周期性規律控制，27 a，22 a的長期震蕩周期是韶關市前汛期暴雨等級和大暴雨等級的暴雨日數的主要震蕩周期。同時，4 a，6 a，8 a的短期震蕩周期以及15 a的中期震蕩周期都對68 a來韶關市年際前汛期暴雨日數的周期有一定的影響；暴雨日數的主要震蕩周期是6 a，8 a，15 a，22 a，大暴雨日數為4 a，8 a，15 a，27 a。

(4) 年暴雨頻次較多(7次、6次、5次)的屬于小概率事件、頻次較少(3次、2次、1次和0次)的發生概率較大；年大暴雨頻次較多(2次)的屬于小概率事件、頻次較少(1次和0次)的發生概率較大。