基于GLDAS-2數據的中國極端降水事件時空變異性研究

尚天赦, 王 飛,2, 戈文艷,2

(1.西北農林科技大學 水土保持研究所, 陜西 楊凌 712100; 2.中國科學院 水利部 水土保持研究所, 陜西 楊凌 712100)

已有研究表明，在氣候變暖的背景下，中國發生的極端降水事件呈增多趨勢，其中極端降水量增加最多的是華東地區，極端降水日數增加最快的是西北地區[9-11]。然而，現有的相關研究主要集中于局部地區的極端降水變化，關于大范圍內極端降水事件時空變化規律的研究較少[12-13]。雖然目前認為氣象站點數據是最精準的數據，但氣象站的觀測范圍有限，站點數據欠缺代表性，難以代表整個研究區的情況。為了降低由某地區某一氣象站點代表該地區整體情況的誤差，從而更加完整全面地研究極端降水事件，利用模擬氣象數據進行的研究已經越來越多，包括TRMM[14]、GCPP[15]、PERSIANN-CDR[16]、CHIRPS[17]、CMFD等[18]數據集均有應用，這些數據集記錄時間較短，難以進行長期的研究分析。全球陸地數據同化系統(Global Land Data Assimilation System，GLDAS)的輸出產品分辨率高，獲取不同地區降水時空特征較為方便，有利于長期頻率分析，可以為氣象缺測地區提供數據參考，在中國已經經過適宜性評估[19-21]，同時在中國已經有相對廣泛的應用[22-23]。而且，相較于其他模擬產品而言，GLADS數據更準確，也更加接近氣象站點的數據[22,24]。因此，為了研究大范圍內的極端降水變化，本研究使用覆蓋全區域更精確和高分辨率網格數據GLDAS數據集，對極端降水事件發生的頻率和變化趨勢進行討論和研究。

1 研究數據和方法

1.1 數據來源

研究使用來自美國宇航局(NASA)、美國海洋和大氣局(NOAA)聯合開發的GLADS(Catchment Land Surface Model)-2.0數據集的降水數據，該版本時間跨度為1948—2014年，數據的空間分辨率為0.25°×0.25°[25]。

1.2 方法

將整個中國作為研究區，中國位于歐亞大陸東部，地形復雜，氣候類型多樣。因為中國跨度大，地域廣闊，為了方便進行分析，根據中國科學院地理所的劃分，將全中國分為6個區域，分析各個部分的不同指標的變化情況(圖1)。

注：本文所用地圖審圖號為GS(2016)2556號,底圖無修改。下圖同。

在對GLDAS數據進行計算之前，為確保GLDAS-2.0數據集的可靠性，使用中國氣象數據網(http:∥data.cma.cn/)的中國地面氣候資料日值數據集(V3.0)與GLDAS數據進行相關性分析，以確保GLDAS數據的可信度。利用焦俏等的評價方法[27-28]，提取GLDAS-2.0數據集的多年平均降水，與氣象站點數據進行相關性分析。除去異常值，無數據和難以進行分析的站點后，選擇1961—2014年628個站點的數據為基礎觀測數據(圖1)，與GLDAS-2.0數據進行相同年限內的數據相關性分析計算。結果表明，GLDAS數據與站點數據具有極高相關性，表明GLDAS-2.0數據在中國地區進行極端降水計算研究的可靠性很高(圖2)。

圖2 GLDAS數據和站點數據的相關性分析

利用MATLAB 2016軟件對GLADS-2.0數據進行處理，得到1948—2014年的日降水量數據。中國國家氣象局將24 h內降水量超過50 mm的事件定義為暴雨[29]。本文在此基礎上進一步細化，分別以24 h內降水量超過20 mm(R20)，30 mm(R30)，50 mm(R50)和100 mm(R100)為不同指標，來對研究區內降水情況進行分析。根據計算分析，發現R30指標與R20指標分析結果相似，R100指標在研究區內變化程度太小可以忽略不計，所以正式研究時只使用R20和R50這兩個指標。同時，結合氣候變化探測和指數聯合專家組(ETCCDI)推薦的指標，共選取9個極端降水指標(表1)[30-34]，研究中國的極端降水事件時空變異性。R20和R50，Rx1day和Rx5day，R95p和R99p這三組指標分別代表降水絕對指數、降水強度指數、降水閾值指數[35]，降水絕對指數表示降水較多時的極端降水變化，強度指數和閾值指數能反映強度和極端降水的關系，這些指數之間相互影響相互聯系[36]。在計算R95p和R99p這兩個指標時，每一個格點內的數據都參與了計算。

表1 本研究使用的極端降水指標定義

利用M-K分析對表1所列的9個指標進行分析，來檢驗這些極端降水指標的突變性。M-K趨勢作為非參數檢驗方法，對異常值不敏感而被廣泛應用于氣溫降水及水文序列等連續性時間序列的趨勢變化分析和顯著性檢驗研究中[9,37-38]：

假設有一時間序列：X1，X2，X3，…，Xn，其趨勢檢驗統計量公式是:

式中:sign()為符號函數。當(Xi-Xj)<、=或>0時,sign(Xi-Xj)分布為-1,0或1;Mann-Kendall統計量Z值計算公式為:

1887年，Arrhenius首次提出烴類混合物的黏度預測計算式，如式(4)。在該模型的基礎上，大量學者基于實驗結果的分析和處理，提出相應的修正模型和演化模型[5]，其中典型的修正模型主要有3種:式(5)是在Arrhenius模型的基礎上考慮了組分油之間的相互作用而引入常數C 12值，該改進模型又稱為Grunberg-Nisson模型;式(6)～式(7)的修正是在Grunberg-Nisson模型的基礎上通過實驗擬合后引進系數B 12，對組分油間相互作用的進一步修正[6]，分別稱之為Arrhenius修正1、Arrhenius修正2模型。

通過M-K分析得到的Z值表示顯著性趨勢，根據Z值正負來表示極端降水指標的趨勢顯著性變化。當Z為正值時表示上升增加趨勢，負值時表示下降減少趨勢。Z的絕對值在大于等于1.64，1.96，2.56時表示分別通過了置信度90%，95%，99%顯著性檢驗。

本研究將整個中國作為研究區，中國位于歐亞大陸東部，地形復雜，氣候類型多樣。因為中國跨度大，地域廣闊，為了方便進行分析，根據中國科學院地理所的劃分(圖1)，將全中國分為6個區域，分析各個部分的不同指標變化情況。

2 結果和分析

2.1 極端降水的空間分布特征

通過圖3和圖4可以看出，1948—2014年中國年均降水量總體上呈現出西北少，華東及中南南部多的空間分布特征，其中華東和中南地區降水量較多，最高達2 100 mm以上；西北和華北降水量較低，東北地區降水量大小較為均勻，年均降水量最低的地區出現在西北的中西部地區，最低可至1 mm；SDII平均值大的地方分布主要集中在中南、華東局部和西南少部分地區，西北地區該指標平均值小，表明西北地區降水時間少，降水量也不多，華東和中南地區的情況則正好與西北相反。西南地區的CWD較高，其中在西南邊界區域的CWD可以達到111 d，表示該地區全年超過3個月以上的時間都有降水；而西北和華北的持續降水日數最低的平均為0.019 d，即基本不存在連續降水的情況。

圖3 1948-2014年中國CWD，SDII，PRCPTOT指標平均值空間分布

從圖5，6可知，三組指標平均值在各個區域內的分布相似。在中南和華東地區降水絕對值、降水強度和降水閾值均高，而在西北地區這三組指標的平均值低，在東北地區這三組指標的平均值集中在一定范圍內。這與PRCPTOT指標的空間分布一致，說明過去的一段時間內，中國的降水仍然很不均衡，華東中南沿海地區降水多西北內陸地區降水少的情況沒有變化。

圖4 1948-2014年中國CWD，SDII，PRCPTOT指標平均值在不同區域的分布

圖5 1948-2014年中國6種極端降水指標平均值空間變化情況

圖6 1948-2014年中國6種極端降水指標在不同區域的分布情況

綜合來看，各個極端降水指標的平均值總體上呈現華東高西北低的狀況。華東及中南沿海地區因為地處熱帶及亞熱帶，再加上臺風等自然災害的影響，所以降水較為頻繁；西北地處內陸，降水量逐年增加，然而就各個極端降水指標的平均值來看，判斷極端降水事件的發生與否比較困難。因此，本文使用M-K趨勢分析以便于進一步判別極端降水指標值較低地區發生極端降水事件的趨勢變化。

2.2 極端降水事件時空變化趨勢

從圖7，8可知，在全國大部分地區，CWD呈現出減弱的趨勢，其中在華東和華北地區有20%左右的區域呈現顯著性減弱的趨勢(p<0.1)，表明全國范圍內，持續降水日數會持續減少。

從PRCPTOT和SDII的變化情況來看，華東、華北和東北的大部分區域均呈現減弱趨勢，其中華北地區SDII指標有將近30%區域顯著降低(p<0.1)，PRCPTOT指標有將近15%區域趨勢顯著降低(p<0.1)，表明華北的年降水量隨時間變化持續減少，日降水強度呈現減弱趨勢；此外在西北、中南和西南地區有20%左右的區域呈現出增加趨勢(p<0.1)，這些地區的年降水量隨時間變化有所增加，日降水強度逐年變強。

中南地區有20%左右的區域Rx1day指標呈現顯著性增強的趨勢(p<0.05)，在西北中部、中南北部，華東、東北和西南的少數地區達到了99%的顯著增加的變化趨勢，表明這些地區日降水量持續增加。Rx5day在華北、華東和東北地區顯著性增強(p<0.05)的區域較少，西北、中南和西南地區顯著性增強(p<0.05)的區域較多，其中在西北西部地區變化比較顯著(p<0.01)，表明這些地區的連續日降水量值逐年增加。就整體而言，強度指標在西北、中南、華北和西南地區顯著增強，表明這些地區的降水變多。

圖7 1948-2014年中國不同極端降水指標趨勢性變化

R95p和R99 p發生變化顯著增強(p<0.1)的地區廣泛分布在中國的中南、西北和西南地區。而R95p在中南和華東地區比R99p突變更加顯著，R99p在西北、中南和西南地區發生極端強水量降水事件的突變性比R95p更高。R20指標在西南、西北和中南地區出現顯著性增強(p<0.1)的區域占本地區面積的9%左右，其中在西南、西北和中南的交界處則表現出顯著性增強趨勢(p<0.01)。

R50指標在全國大范圍呈現增強趨勢(p<0.1)，除華北地區外，其他地區有5%左右的地區呈現顯著性增強趨勢(p<0.05)，其中在西南、西北和中南的交界處，中南和華東交界處，中南地區南部和華東地區南部增強顯著性可達到99%。這些情況說明西北、中南和西南地區的極端強降水量會逐年增多，降水絕對指數不斷增強，各個地區存在少數區域出現變化趨勢減弱的情況，即這里極端降水事件地區分布多，強降水容易出現且分布廣泛。R20和R50呈現顯著性減弱趨勢(p<0.01)的地區分布較少，降水絕對指數在全中國減少的地區基本不存在，反映全中國降水強度一直變大。

圖8 1948-2014年中國不同極端降水指標趨勢性變化在各地區的占比

綜上所述，雖然CWD，SDII和PRCPTOT這三項指標在全國范圍內變化呈現減弱趨勢，但降水絕對指標在全國的大部分地區呈現出增強趨勢，強度指標在西北、中南、西南地區超過50%以上區域呈現增強趨勢，閾值指標同樣在西北、中南、西南地區大部分區域(70%左右)呈現增強的趨勢，表明全國發生極端降水事件的頻率增高，在西北、中南、西南地區出現了連續濕潤天數變少，強降水變多的情況，使得降水逐漸集中，趨于極端化。這種變化在其他人的研究中也有所體現[10，39-40]。

極端降水事件作為短歷時的強降水現象，結合不同降水指標的平均值和M-K分析，西北地區的降水強度指標、絕對指標和閾值指標呈現明顯增強趨勢，表明西北地區發生極端降水的現象越來越多，這與其他研究結論一致，可能是西北地區所處的地理位置和全球變暖的外部環境因素所導致[41-43]。中南北部和中部，主要指其與西北地區、華東地區的交界處，絕對指標、強度指標和閾值指標變化增強趨勢(p<0.1)明顯，CWD，SDII，PRCPTOT指標減弱趨勢(p<0.1)明顯，表明這里發生極端降水事件的可能性會大大加強[34，44]，這也與秦嶺淮河以南地區極端降水相關結論相似[23,45-46]。

3 結 論

(1) 全國發生極端降水事件的頻率增加，西北、西南和中南地區的年降水量增強趨勢(p<0.1)明顯，日降水強度逐年增加，連續濕潤天數變少，強降水變多，西北地區變化最為明顯。

(2) 西北地區中西部的降水強度指標、絕對指標和閾值指標呈現明顯增強趨勢(p<0.1)。中南地區北部和中部，主要指其與西北地區、華東地區的交界處，絕對指標、強度指標和閾值指標變化增強趨勢(p<0.01)明顯，CWD，SDII，PRCPTOT指標減弱趨勢(p<0.01)明顯，表明這些地區發生極端降水事件的可能性高。

極端降水的發生是各種氣候現象綜合的結果，之后對大尺度范圍的極端降水進一步研究時，應該考慮其他氣象因素，如可以結合環流季風的變化來進行細化研究，但大尺度區域的環流季風情況較為復雜，需要分不同情況進行討論。在未來，應該在西北地區中西部(新疆中部、青海中部)，西北和中南交界處(湖北、河南、陜西交界地區)，中南和華東交界處(河南、安徽交界處)，提前做好因短歷時強降水而出現的洪澇災害的預警。