陜甘寧三河源區1971—2017年極端降水時空變化分析

張 菁，張 珂,4，王 晟，肖 潺，陶 然，鞠 艷，李巧玲，李致家，陽 輝，劉湘偉

(1.河海大學水文水資源與水利工程科學國家重點實驗室，江蘇 南京 210098；2.河海大學長江保護與綠色發展研究院，江蘇 南京 210098；3.河海大學水文水資源學院，江蘇 南京 210098；4.中國氣象局-河海大學水文氣象研究聯合實驗室，江蘇 南京 210098； 5.中國氣象局國家氣候中心，北京 100081； 6.西藏自治區水文水資源勘測局，西藏 拉薩 850000)

2018年IPCC在《全球1.5℃增暖特別報告》[1]中指出全球平均氣溫將在2030—2052年比工業化前水平高出1.5℃，全球增暖已日趨嚴重。由此引發的高溫、暴雨、干旱、洪澇、臺風等極端氣候事件頻發[2]，突發性強，危害性大，易造成社會經濟損失，因此研究極端降水事件具有重要意義。

許多學者針對極端降水時空變化及其驅動因素做了大量的探索性研究。氣候變暖導致全球極端降水強度急速增長，氣溫每升高1℃時極端降水量則會成倍增長，極端降水事件發生趨于頻繁[3-4]。近50余年，中國西北地區極端降水顯著增加，華北、東北和西南地區減少[5]。楊東等[6]指出甘肅黃土高原地區西南、東北地區極端降水減少，西北、東南地區增加。姜創業等[7]指出陜西極端降水事件呈現階段性變化，1961—2009年經歷了“增長—減少—增長”波動變化過程。李雙雙等[8]研究指出秦嶺—淮河南北降水強度增加，突發性強降水增多，降水持續時間呈現破碎化，季節性極端降水事件與ENSO有著密切的關系。

陜甘寧三河源地區地處黃土高原西北部，屬于季風區邊緣地帶，海拔較高，氣候差異明顯，地理環境復雜，生態環境脆弱，水資源先天不足，降水是該區域水資源的主要來源，且突發性強降水易引發滑坡、泥石流等災害，威脅地區人民的生存和發展，因此，研究極端降水的時空特征的變化意義非凡。本文采用逐日實測降水、氣溫數據定量分析了1971—2017年陜甘寧三河源地區極端降水的時空特征與變化趨勢，以期為三河源地區應對未來氣候變化、解決水資源短缺問題提供參考。

1 數據和方法

1.1 研究區概況

陜甘寧三河源地區位于黃土高原西北部，地理位置為34°30′～37°50′N，105°～109°E，面積約7萬km2，橫跨陜西、甘肅、寧夏3省(區)，海拔高差較大，內有涇河、葫蘆河、清水河，發源于寧夏六盤山地區。六盤山地區地勢較高，海拔在2 000 m以上，構成三河的分水嶺。涇河流域內地勢西北高，東南低；清水河流域則南高北低，海拔在500～2 000 m，以黃土丘陵為主；葫蘆河流域地勢北高南低，平均海拔1 800 m，流域內溝壑縱橫(圖1)[9-10]。研究區東南部地區屬溫帶大陸性氣候，西北部地區屬溫帶半干旱氣候區。草地為主要的用地類型，多集中在北部地區，其次是耕地，集中在東南、西南地區。

圖1 研究區地理地形與氣象站分布 Fig.1 Geography, topography and distribution of rain stations in the study area

1.2 研究數據

本文氣象數據來自國家氣象信息中心(http://data.cma.cn/)提供的中國地面氣候資料日值數據集，篩選逐日降水、氣溫資料，剔除存在數據缺失的日期，最終選取29個站點數據。提取流域地形地貌與河系所需的DEM (digital elevation model)數據來自地理空間數據云平臺(http://www.gscloud.cn/)。厄爾尼諾—南方濤動(ENSO)現象的相位和強度[11]采用多元ENSO指數(Multivariate ENSO Index, MEI)來表征，數據來源于NOAA Physcial Sciences Laboratory (https://psl.noaa.gov/enso/mei/)。MEI是熱帶太平洋上的海溫、海平面氣壓、地面緯向風、地面經向風、海表面溫度和天空云量6種要素經主成分分析，比其他ENSO指數包括的信息多，能夠更好地反映海氣耦合系統的本質[12]。

1.3 極端降水定義

目前，極端降水的閾值確定方法有2種：絕對閾值法和百分位閾值法，本文采用國際通用的百分位閾值法來確定閾值，進而確定極端降水序列[13-14]，具體方法為把逐日非零降水量按升序排列，將第95個百分位值的47 a平均值定義為極端降水量事件的閾值，當站點某日降水量超過了極端降水閾值時，即稱該站發生了極端降水事件。累加每年極端降水事件的降水量為極端降水總量。參照Bonsal等[15]的方法，若某個氣象要素有n個值，將其按照升序排列x1，x2，…，xn，某個值小于或等于xm的概率為

(1)

采用世界氣象組織(WMO)、氣候委員會(CCI)、全球氣候研究計劃氣候變化和可預測性計劃(CLIVAR)確定的氣候變化監測指標[16]。極端降水指數選取以下4個指標參數：(a)濕日降水總量(PRCPTOT),為日降水量大于1 mm的年累積降水量；(b)極端降水量(R95P),為日降水量大于95%分位值的強降水之和；(c)強降水日數(R20),為年日降水量大于或等于20 mm的總日數；(d)雨日日數(RD),為年日降水量大于或等于1 mm的總日數。

1.4 研究方法

1.4.1 氣候趨勢系數

在氣候學上，常用氣候傾向率法來分析氣象要素x的長期變化趨勢，由于氣候傾向率有單位，無法對不同要素進行比較，且未考慮同一氣象要素在不同站點的自然變異差別，因此本文采用克服此缺陷的氣候趨勢系數rxt來度量氣象要素的變化趨勢[17]。趨勢系數定義為樣本長度為l的要素時間序列與自然數列(1,2,…,l)之間的相關系數：

(2)

1.4.2 小波相干分析

小波分析可以直觀觀察氣象序列的整體特征和局部變化，交叉小波功率譜可以揭示它們共同的高能量值區及位相關系，小波相干譜可以用來度量時—頻空間中兩個時間序列在低能量值區的局部相關密切程度。本文采用小波相干譜研究MEI指數與極端降水指數的相關程度[18]。

對于任意2個要素的時間序列X和Y之間的交叉小波功率譜(XWT)定義為

(3)

小波相干譜定義為

(4)

這是2個要素的時間序列在某一頻率上波振幅的交叉積與各個振幅乘積之比。

2 結 果 分 析

2.1 多年平均降水量及氣溫

由圖2(a)可見，研究區內降水量總體上由東南向西北遞減，其中近一半面積的降水量低于500 mm，最大值僅有626.8 mm，出現在六盤山站，以六盤山站為中心的六盤山山區一帶降水較多，但整個區域內降水相對缺乏；年平均氣溫4.58～13.39℃，自南向北減小。由時間過程線可見，研究區氣候呈現暖濕化趨勢，氣溫顯著上升，氣候趨勢系數為0.8。1971—1996年，氣溫整體距平為負距平，期間氣溫先下降后上升，1997—2017年氣溫整體距平為正距平，1997—2012年期間氣溫先上升后緩慢下降，2012年后氣溫則持續上升；年平均降水量在時間上呈現不顯著的增長趨勢，氣候趨勢系數為0.15，年降水主要表現為年際震蕩。

圖2 多年平均降水量和氣溫的空間分布及區域平均年降水量和氣溫的時間變化Fig.2 Spatial distribution of multi-year average precipitation and air temperature, and time courses of yearly regional average precipitation and air temperature

2.2 極端降水時間變化特征

基于各極端降水指數分析各極端降水指數的時間變化特征(圖3)。除總雨日呈下降趨勢外，其余均呈上升趨勢。濕日降水量表現為不顯著的增長趨勢，以年際震蕩為主，變化速率為0.018 mm/a，多年均值小于500 mm。極端降水量反映極端降水的情況，氣候趨勢系數為0.14，呈上升趨勢，通過了0.05顯著性水平檢驗。從9 a滑動平均曲線可以看出極端降水量呈波動增長，20世紀70—90年代中期先增長后減小，之后呈較快的增長趨勢。強降水日數波動幅度較大，表現出“增加—減少—增加”的波動變化過程，氣候趨勢系數為0.13，總體呈正趨勢，達到0.1的顯著性水平。年總雨日數呈顯著的減小趨勢，氣候趨勢系數為-0.37，達到了99%以上的置信度。研究區的降水量增加，年總雨日顯著減少，降水強度增加，同時強降水日數顯著增加，表明日降水低于20 mm的弱降水日數急劇減少，極端降水增多。極端降水和強降水日數增加表明研究區極端降水事件的發生也有所增加。

圖3 1971—2017年各極端降水指數變化趨勢Fig.3 Time courses of extreme precipitation indices from 1971 to 2017

2.3 極端降水空間變化特征

受地理位置與地形影響，極端降水的空間分布與年總降水保持一致，在空間上總體呈現“南高北低”，南部地區極端降水指數普遍大于北部地區，降水事件發生的頻次、強度、數量六盤山一帶偏多，以同心為中心的地區較少。區域內極端降水指數變化不盡相同，根據各極端降水指數變化趨勢空間分布(圖4)可以看出：極端降水指數變化趨勢存在顯著的空間差異。1971—2017年，研究區北部濕日降水量為正趨勢，麻黃山地區濕日降水量顯著增長，趨勢系數為0.25，達到0.05的顯著性水平；東南、西南地區濕日降水量減少，涇陽、禮泉地區通過顯著性檢驗。研究區內極端降水南北變化截然不同，總體呈現北增南減的變化特征，環縣地區極端降水增加非常明顯，達到0.05的顯著性水平，趨勢系數為0.35。東部地區強降水日數無明顯變化，西北部為正趨勢，強降水日數增加，95%以上置信度的顯著增長區在麻黃山、海源、西吉地區。強降水日數減少區域主要位于西南部的莊浪、六盤山地區，但均未通過顯著性檢驗。研究區內80%地區年總雨日為負趨勢，靈臺、鎮原、靜寧地區顯著減少，其中靈臺變化最大，趨勢系數為-0.55；東南部地區降雨日數增長，但未通過顯著性檢驗。整體而言北部地區極端降水量、強降水日數均呈增長趨勢，年總雨日減少，降水趨于極端化，西南部地區極端降水、強降水日數、年總雨日均呈減少趨勢，空間差異較大。

圖4 各極端降水指數變化趨勢空間分布Fig.4 Spatial patterns of variation trends of extreme precipitation indices

2.4 極端降水指數與MEI的關聯分析

使用小波相干分析法研究MEI與極端降水指數在時頻域中低能量區的相互關系(圖5)。濕日降水量與MEI在3～5 a時間尺度具有顯著的負相關特征，相關系數達到0.9，兩序列交叉位相差約為120°，濕日降水量超前MEI變化。MEI與極端降水量在1982—1986年時段上有一個準4 a顯著共振周期，相關系數為0.8；1980—2015年時段具有10～12 a時間尺度顯著共振周期，位相差90°，MEI序列提前極端降水量變化。強降水日數與MEI在1977—1989年具有3～5 a時間尺度的顯著負相關共振周期，相關系數達0.8，位相差約為130°；1990年后出現9～13 a時間尺度的顯著共振周期，位相差為90°，MEI序列變化超前強降水日數變化。MEI與降雨日數在1977—1986年時段具有3～5 a時間尺度的顯著共振周期，表現出較強的負相關特征，位相差為120°±10°，相關系數可達0.85，通過95%的置信度檢驗，MEI滯后降雨日數變化，在其他頻段上沒有顯著的相關能量區。

圖5 極端降水指數和MEI的交叉小波相干譜Fig.5 Wavelet coherence spectrum of extreme precipitation indices and MEI indices

不同極端降水指數與MEI的小波相干譜具有一定的相似性，在1977—1989年時段上存在3～5 a時間尺度的共振周期，呈顯著負相關性，位相差約為120°，極端降水指數序列變化超前MEI。20世紀90年代出現9～12 a時間尺度的共振長周期，位相差90°，相關系數可達0.8，兩序列表現出較強的相關特征。

3 結 論

a. 研究區多年平均降水量由東南向西北遞減，在時間上主要表現為年際震蕩，1971—2017年以來出現了2次豐枯交替，2010年左右進入多雨期，氣溫上升，整個研究區氣候呈現暖濕化。

b. 濕日降水量、極端降水量與強降水日總體上呈波動增長趨勢，其中極端降水、強降水日顯著增長，總雨日呈顯著的減少趨勢。

c. 極端降水指數在空間上具有明顯的差異性，極端降水量和降水事件發生頻次均由南向北遞減。濕日降水量和極端降水量在大部分地區呈增加趨勢，總雨日顯著減少，強降水日數增加，弱降水日減少，區域內降水趨于極端化。

d. 極端降水指數與MEI具有顯著負相關性，相關系數達0.8，通過95%的置信度檢驗。1977—1989年有3～5 a時間尺度的共振周期，極端降水指數超前MEI變化，隨后出現9～12 a時間尺度的顯著共振長周期。影響降水的要素較多，環流因子的共同作用會對區域極端降水造成重要影響，本文僅通過綜合ENSO指數與極端降水的關聯角度分析兩者關系，后續工作會通過多個角度來探討極端降水的影響因素。