長江流域可能最大降水的時空變化特征

劉延志 李佳佳

摘 要：基于長江流域188個氣象站1963—2018年的日降水觀測數據，采用改進的Mann-Kendall（MMK）方法檢驗流域內各站點年最大日降水量（AMDP）的變化趨勢，利用改進的Hershfield法估算所有站點的可能最大降水（PMP）并分析其時空變化特征，以揭示氣候變化對PMP產生的影響。結果表明：1963—1992年和1989—2018年流域內大多數站點的AMDP呈非顯著變化趨勢，用于估算這2個時期的PMP具有一定的合理性;2個時期的AMDP均值及其標準差均呈現西北低東南高的空間格局，且與1963—1992年相比，流域內1989—2018年大多數站點的AMDP均值及其標準差呈增加趨勢;2個時期的PMP均呈東高西低的空間分布特征，且1989—2018年流域的PMP較1963—1992年平均增加約28.28%，其中79.79%站點的PMP呈增加趨勢，增加趨勢顯著的站點主要分布在川西高原、南陽盆地和長江以南地區。

關鍵詞：可能最大降水;改進的Hershfield方法;頻率因子;長江流域;時空變化特征

中圖分類號 P426.6 文獻標識碼 A 文章編號 1007-7731（2022）10-0150-06

Spatiotemporal Variation Characteristics of Probable Maximum Precipitation in the Yangtze River Basin

LIU Yanzhi? ?LI Jiajia

（College of Geographic Sciences， Hunan Normal University， Changsha 410081， China）

Abstract： Based on the observed daily precipitation during 1963—2018 at 188 meteorological stations in the Yangtze River Basin， the Modified Mann-Kendall （MMK） method is used to analyze the trends of the temporal variations in Annual Maximum Daily Precipitation （AMDP）. Then Probable Maximum Precipitation （PMP） is estimated by the modified Hershfield statistical method and the spatiotemporal variation characteristics of PMP are analyzed for all stations over the basin， as a result， to reveal the possible impact of climate change on PMP. The results show that AMDP shows nonsignificant increasing or decreasing trend at most stations of the basin during 1963—1992 and 1989—2018 period so that it is reasonable to use them for PMP estimation. The mean and standard deviation of AMDP shows a spatial pattern of higher values in southeast and lower values in northwest， and an increasing trend at most stations during 1989—2018 relative to 1963—1992. The PMP during two periods is characterized by the spatial distribution with higher values in east and lower values in west. Compared to 1963—1992， the average PMP over the basin increases by 28.28% during 1989—2018， and there are 79.79% stations， mostly located in the western Sichuan Plateau， Nanyang Basin and the south region over the Yangtze River Basin， showing that PMP increases significantly.

Key words： Probable maximum precipitation; modified Hershfield method; frequency factor; Yangtze River Basin; spatiotemporal variation characteristic

氣候變化會改變全球水文循環過程，從而改變降水的時空變化規律[1-2]。IPCC（Intergovernmental Panel on Climate Change）第六次報告[3]指出，21世紀內全球氣溫上升將超過1.5～2℃，世界各地特別是亞洲地區極端降水事件風險將進一步加劇。在全球變暖的背景下，極端降水事件不斷增加已成為不可爭論的事實[4]。而極端降水是造成洪澇災害頻發的重要原因之一，往往會給社會經濟和生態發展等方面帶來巨大的危害，引發了社會各界的廣泛關注[5]。可能最大降水[6]（PMP）是在現代氣候條件下，某一設定流域在一定歷時內的最大降水深度，代表一種相對極端降水事件，已有許多研究學者利用PMP來估計極端降水[7-8]。雖然PMP不考慮長期的氣候變化趨勢，但隨著氣候變暖，極端強降水事件不斷增加，導致氣候變化對PMP可能產生的影響不容忽視。已有大量研究[9-12]表明，在氣候變化的不斷影響下，全球大部分地區的PMP可能出現了不同程度地增加。如Kunkel等[10]使用全球氣候模式（GCMs）模擬的降水數據，探究了氣候變化對PMP的影響，結果表明，未來全球范圍內的PMP呈增加趨勢，特別是到2071—2100年美國大陸的PMP將會增加20%～30%。Afrooz等[12]以1971—2000年為基準期，預估了伊朗南部地區的PMP，結果顯示PMP的增加幅度為18.2%～27.3%。

長江流域面積廣闊，地貌類型和氣候條件復雜多樣，降水的時空分布很不均勻且年際變化大[13]。作為中國氣候變化響應的敏感區域，近年來長江流域極端降水趨于增多，洪澇災害頻發，致使大壩和水電站的建設以及城市化進程受到了嚴重影響。然而，關于氣候變化對長江流域PMP時空變化的影響研究仍較少。因此，在當前氣候條件下估算長江流域的PMP，研究PMP的時空變化特征及其對氣候變化的響應很有必要，這不僅有助于水文工程的風險評估，而且對氣候變暖背景下極端降水事件的預估也具有重要意義。

目前，估算PMP的方法主要包括統計估算法和水文氣象法兩大類[14]。其中，由Hershfield[15]開發的統計估算法是世界氣象組織（WMO）推薦的估算PMP的主要方法之一，其計算簡便，在資料允許的條件下，Hershfield法可以快速估算PMP以提供實際參考。蘭平等[7]利用Hershfield法和暴雨移置法估算了香港地區的PMP。吳成興等[8]分別采用Hershfield法和水文氣象法計算金沙江流域不同歷時的PMP，結果表明，利用Hershfield法計算PMP是有效可行的。值得注意的是，采用Hershfield法估算PMP時，頻率因子（K）起著關鍵的作用，然而在較少發生極端降水的地區，傳統的上包絡線方法會導致PMP的估算結果過高。本研究采用Sarkar等[16]提出的改進上包絡線方法來確定新的頻率因子，以此來估算長江流域各氣象站的PMP。

因此，本研究基于長江流域188個氣象站的日降水觀測數據，采用改進的Hershfield法估算該流域的PMP，并分析了流域PMP的時間變化和空間分布特征，揭示氣候變化對PMP可能產生的影響，以期為流域內資料缺乏地區PMP的計算和流域可能最大洪水計算提供參考。

1 數據與方法

1.1 數據資料 本文所使用的氣象數據為長江流域188個氣象站（圖1）1963—2018年實測日降水數據，下載于中國氣象科學數據共享服務網（http：//www.escience.gov.cn/metdata/page/index.html）。根據WMO指南，獲取極端氣候變量的特征時，應采用不少于30年的時間序列作為氣候預測的標準期。因此，本文將長江流域1963—2018年的觀測數據分為2個30年的窗口時期（1963—1992年和1989—2018年）進行PMP的計算和分析。

1.2 研究方法

1.2.1 Modified Mann-Kendall檢驗 Mann-Kendall（MK）檢驗法是一種非參數統計檢驗方法，常用于水文、氣象等時間序列的趨勢檢驗[17]。由于降水序列可能存在自相關性，會影響趨勢檢驗結果的可靠性[18]。為了消除該影響，本研究采用Modified Mann-Kendall（MMK）檢驗[19]方法分別對長江流域188個氣象站點的年最大日降水量（AMDP）進行趨勢分析，并進行顯著性檢驗，顯著性水平設為5%，具體算法參見文獻[19]。

1.2.2 改進的Hershfield法 統計估算法是Hershfield于1961年提出的，該方法主要是根據實測降水量求出統計量K以估算PMP。計算公式如下：

[XPMP=XN+K×SN] （1）

式中：[XN]和[SN]分別為氣象站AMDP的均值和標準差;[K]代表頻率因子，其計算公式為：

[K=Xm-XN-1SN-1] （2）

式中：[Xm]為AMDP的最大值;[XN-1]和[SN-1]分別為AMDP剔除最大值后的均值和標準差。

由于K過大會導致PMP的估算結果過高，使水利設施的設計成本增大，而K過小會導致PMP過低，水利設施則面臨更高的風險。因此，為了使PMP的估算結果更合理，Hershfield[20]對公式（2）的K擬合上包絡線以確定新的頻率因子。計算公式如下：

[K=KAe-bXN] （3）

式中：[KA]為AMDP均值最小的點的[K]值;[b]為指數衰減的斜率。然而，在較少發生極端降水地區這種傳統的包絡線方法會導致的PMP估算結果過高。因此，本文采用改進的上包絡線方法線來確定K，公式[16]如下：

[K=Km? ? ? ? ? ? ? ?， 0<XN<XtNKm e-b（XN-XTN）， XN>XtN] （4）

式中：[Km]為該流域所有氣象站K的最大值;[XtN]表示[Km]點處AMDP的均值。具體算法參見文獻[21][21]。

2 結果與分析

2.1 AMDP變化趨勢 利用AMDP估算PMP時，需確保AMDP時間序列沒有顯著的上升或下降趨勢[22]。故本研究在0.05的顯著性水平下，分別對流域內188個氣象站1963—1992年和1989—2018年的AMDP進行MMK趨勢檢驗分析。圖2展示了所有氣象站在2個時期內AMDP的時間變化趨勢檢驗結果。從圖2可以看出，2個時期內大多數站點的AMDP呈非顯著變化趨勢，僅少數站點的AMDP呈顯著的上升或下降趨勢，散布于流域內。因此，在氣候變化條件下，利用流域188個氣象站實測的AMDP估算各站點的PMP是合理的。

2.2 構建區域包絡線 繪制1963—1992年和1989—2018年188個站點的K與其AMDP均值之間的散點圖以構建改進的上包絡線，結果如圖3所示。從圖3可以看出，改進后的包絡線由一條平行于橫軸的直線和一條指數衰減的曲線組成，且在1989—2018年K的指數衰減速度更快。這一觀察結果與Lee等[17]和Desa[23]等的發現是一致的。此外，從圖3還可以觀察到，多數站點的K值集中在2～6。而在圖3a和3b中分別存在2個和一個明顯的異常點，正如Sarka等[16]所指出的，若將異常點作為[Km]會導致研究區域的PMP估算結果過高。因此，剔除異常點后，通過構建上包絡線確定新的頻率因子，而在異常點處則使用其原始的頻率因子，然后估算流域內各個氣象站的PMP。

2.3 PMP的時空變化特征 為分析長江流域1963—1992年和1989—2018年PMP的時空變化特征，基于AMDP的均值和標準差以及改進的頻率因子K，利用改進的Hershfield法分別計算了流域188個氣象站在這2個時期的PMP值。然后，利用克里金插值方法繪制了流域AMDP均值及其標準差、K和PMP的空間分布圖（見圖4）。觀察圖4a和4b可以發現，在2個時期內AMDP均值具有相似的空間分布特征，均表現出明顯的空間差異性，即AMDP均值大致呈現出西北低東南高的空間格局。具體地，青藏高原的AMDP均值最小，長江中下游平原的AMDP均值最大，同時，在流域中部的四川盆地地區存在一個高值中心。這與該流域降水自東南向西北逐漸減少，且四川盆地為降水高值區的降水特征相吻合[24]。從圖4c和4d中可以觀測到，在流域中西部地區存在1條沿東北-西南方向的分界線，界限以東地區的AMDP標準差明顯高于界限以西地區，同時，在界限以東的四川盆地西南部、洞庭湖流域西北部和鄱陽湖北部地區均存在高值中心。一個地區的AMDP標準差越大，則表明該地區AMDP的波動幅度越大，極端降水年際變化幅度就越大。圖4e和4f給出了該流域2個時期內K的空間分布圖，可以看出絕大部分地區1963—1992年的K值在8～8.5，而1989—2018年的K值除鄱陽湖流域東北部地區以外均大于9。這表明長江流域1989—2018年的K值相對于1963—1992年明顯升高，這勢必會造成流域1989—2018年的PMP值有所升高。圖4g和4h分別展示了長江流域在1963—1992年和1989—2018年PMP的空間分布情況，可以觀察到，2個時期的PMP均呈現東高西低的空間分布特征，特別地，四川盆地和長江中下游地區1989—2018年的PMP較前一時期明顯增加。之前有研究指出，長江流域降水的極值中心處于湖北省東南部、江西省東北部和安徽省南部交界處，主要原因是由于受到地勢海拔和東亞夏季風的影響，有利于長江流域梅雨鋒的長期停留，進而導致長江中下游極端降水增加的可能性變大[25]。而四川盆地西部地區位于青藏高原東部位置，當偏東氣流盛行時，盆地西部的山區地形產生抬升作用，導致該地區更易發生強降水事件[26]，因此四川盆地地區的PMP較高。

為了直觀地反映AMDP和PMP的變化情況，分別計算流域188個站點1989—2018年的AMDP均值和標準差以及PMP相較于1963—1992年的增長率，其空間分布如圖5所示。同時，表1列出了流域所有站點的AMDP均值和標準差以及PMP的平均變化情況。觀察圖5c和表1可知，流域內有79.79%站點的PMP呈增加趨勢，其中，增加趨勢顯著的站點主要分布在川西高原、南陽盆地和長江以南地區，PMP的變化范圍在-43.03%～209.91%。然而，在整個長江流域，PMP的平均增長率為28.28%。這表明1989—2018年流域整體的PMP明顯增加。PMP的變化與AMDP的平均值和標準差密切相關。從圖5a、5b和表1可以看出：1963—2018年流域內AMDP的均值和標準差呈現出不同的變化趨勢，有72.34%站點的AMDP均值呈增加趨勢，且增加趨勢最明顯的地區位于流域的東北部和洞庭湖流域的西南部。與AMDP的均值相比，其標準差顯示出更高的變化范圍，最大增長率為142.29%，說明1963—2018年流域內極端降水的年際變化幅度更大。流域內有56.91%的站點AMDP的標準差呈增加趨勢，增加趨勢最明顯的地區位于流域西部的川西高原。在氣候變化的影響下，長江流域大部分地區的AMDP均值和標準差逐漸增加，這意味著區域內極端降水的變異性明顯增強，導致PMP增加。

3 結論

本研究結果表明：

（1）流域1963—1992年和1989—2018年大多數站點的AMDP呈非顯著變化趨勢，因而用于估算2個時期的PMP具有一定的合理性。

（2）AMDP均值在1963—1992年和1989—2018年這2段時期內大致呈現出西北低東南高的空間格局，且與1963—1992年相比，1989—2018年流域內有72.34%的站點的AMDP均值呈增加趨勢，且增加趨勢最明顯的地區位于流域的東北部和洞庭湖流域的西南部。與AMDP均值相比，AMDP標準差顯示出更高的變化范圍，增加趨勢最明顯的地區位于流域西部的川西高原。

（3）PMP的變化與AMDP的平均值、標準差密切相關。流域1963—1992年和1989—2018年的PMP均呈現東高西低的空間分布特征。與前一時期相比，流域1989—2018年的PMP平均增加28.28%且有79.79%站點呈增加趨勢。其中，增加趨勢較明顯的站點主要分布在川西高原、南陽盆地和長江以南地區。

參考文獻

[1]李峰平，章光新，董李勤.氣候變化對水循環與水資源的影響研究綜述[J].地理科學，2013，33（04）：457-464.

[2]姜彤，孫赫敏，李修倉，等.氣候變化對水文循環的影響[J].氣象，2020，46（03）：289-300.

[3]IPCC，Climate Change 2021：The Physical Science Basis.Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. New York：Cambridge University Press，2021.

[4]Berg P，Moseley C，Haerter J O.Strong increase in convective precipitation in response to higher temperatures[J].Nature Geoscience，2013，6（3）：181-185.

[5]高濤，謝立安.近50年來中國極端降水趨勢與物理成因研究綜述[J].地球科學進展，2014，29（05）：577-589.

[6]World Meteorological Organization（WMO）. Manual for estimation of probable maximum precipitation[M].Geveva：WMO，2009，No.1045.WMO，2017.WMO guidelines on the calculation of climate normals.World Meteorol.Organ.29.

[7]蘭平，林炳章，陳曉旸，等.基于改進的統計估算法與暴雨移置法的香港地區4h可能最大降水估算[J].水電能源科學，2018，36（09）：5.

[8]吳成興，李國芳，楊百銀，等.基于衛星降水數據的金沙江流域可能最大降水量計算方法[J].水電能源科學，2020，38（02）：5-8.

[9]Katelyn A.Johnson，Jeffrey C.Smithers.Updating the estimation of 1-day probable maximum precipitation in South Africa[J].Journal of Hydrology：Regional Studies，2020，32：100736.

[10]Kenneth E.Kunkel，Thomas R.Karl，David R.Easterling，et al.Probable maximum precipitation and climate change[J].Geophysical Research Letters，2013，40（7）：1402-1408

[11]Lee O，Park Y.，Kim E S，et al.Projection of Korean probable maximum precipitation under future climate change scenarios[J].Advances in Meteorology，2016，13：1-16.

[12]Afrooz A.H.，Akbari H，Rakhshandehroo G R，et al.Climate change impact on probable maximum precipitation in Chenar-Rahdar River Basin[J].Watershed Management，2015（08）：36-47.

[13]孫惠惠，章新平，黎祖賢，等.長江流域不同類型降水量的非均勻性分布特征[J].長江流域資源與環境，2019，28（06）：1422-1433.

[14]林炳章，蘭平，張葉暉，等.可能最大降水估算研究綜述[J].水利學報，2018，049（001）：92-102，114.

[15]Hershfield D M.Method for Estimating Probable Maximum Rainfall[J].American Water Works Association，1965，57（8）：965-972.

[16]Subharthi Sarkar，Rajib Maity.Increase in probable maximum precipitation in a changing climate over India[J].Journal of Hydrology，2020，585：124806.

[17]HAMED K H.Trend detection in hydrologic data：The Mann–Kendall trend test under the scaling hypothesis [J].Journal of Hydrology，2008，349（3-4）：350-363.

[18]章誕武，叢振濤，倪廣恒.基于中國氣象資料的趨勢檢驗方法對比分析[J].水科學進展，2013，24（04）：490-496.

[19]Khaled H.Hamed，A.Ramachandra Rao.A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology，1998，204（1）：182-196.

[20]Hershfield D M.Estimating the Probable Maximum Precipitation [J].American Society of Civil Engineers，1961，87（5）：99-106.

[21]Chavan S R，Srinivas V V.Regionalization based envelope curves for PMP estimation by Hershfield method [J].International Journal of Climatology，2017，37（10）：3767-3779.

[22]Beauchamp J，Leconte R，Trudel M，et al.Estimation of the summer-fall PMP and PMF of a northern watershed under a changed climate[J].Water Resources Research，2013，49（6）：3852-3862.

[23]Desa M M N，Rakhecha P R.Probable maximum precipitation for 24-h duration over an equatorial region：Part 2-Johor，Malaysia [J].Atmospheric Research，2007，84（1）：84-90.

[24]盧萍，楊康權.四川盆地三個典型落區西南渦暴雨天氣成因的對比分析[J].高原山地氣象研究，2017，37（3）：16-20.

[25]Zhang Q，Xu C Y，Zhang Z，et al.Spatial and temporal variability of precipitation maxima during 1960-2005 in the Yangtze River basin and possible association with large-scale circulation[J].Journal of Hydrology，2008，353（3-4）：215-227.

[26]胡思，曾祎，王磊，等.長江流域極端降水的區域頻率及時空特征[J].長江流域資源與環境，2019，28（08）：2008-2018.

（責編：張宏民）