2. 南京水利科学研究院水文水资源与水利工程科学国家重点实验室, 江苏 南京 210029;
3. 水利部应对气候变化研究中心, 江苏 南京 210029
从《京都议定书》到《巴黎协定》, 全球变暖已成为社会各界的共识, 也成为全世界要共同努力、积极应对的全球化问题。气候平均态是描述气候变化的常用方法, 但相较于气候平均态, 极端降水事件对气候变化更加敏感(Katz et al, 1992), 能体现气候在较小时间尺度上的变化。在全球变暖的背景下, 极端降水事件的发生频率和强度均有上升趋势, 近几十年来全球极端降水的变化特征已经验证了该结论, 且许吟隆等(2005)和胡宜昌等(2007)研究表明, 未来极端降水可能会继续以这种趋势发展。这种变化趋势对人类生产、生活等造成了严重危害。因此, 对极端降水的研究不仅有重要理论意义, 还有更重要的现实意义。
当前, 国内专家学者主要从频率、强度等方面对极端降水事件展开了深入的研究。任国玉等(2015)分析了1956—2013年全国降水指标的趋势变化, 结果表明全年平均暴雨量、日数有较显著上升, 暴雨强度无明显变化。佘敦先等(2011)研究表明1960—2009年淮河流域最大日降水事件发生年份大多集中于20世纪60—70年代, 且以汛期居多, 最大日降水量随年份呈增加趋势。陆志刚等(2011)发现1960—2008年淮河流域降水事件有向极端化发展的倾向。然而, 国内关于极端降水发生时间方面的研究较少。李建等(2013)分析了我国5年一遇极端降水发生时间的季节特征, 认为不同地区极端降水具有不同的季节性特征。顾西辉等(2016)分析发现中国极端降水发生时间在中南部呈显著上升趋势, 其他区域趋势不显著。此外, 类似的还有极端降水集中期和集中度的研究。杨金虎等(2008)通过EOF、小波分析等方法研究了我国西北地区极端降水事件集中度和集中期的时空特征。顾万龙等(2010)对1961—2005年淮河流域降水量年内分配变化规律进行了分析, 认为年内降水集中期, 空间上从南向北逐步推后, 时间上降水集中期与主汛期时间一致。
国外学者不仅在极端降水的频率和强度方面开展了广泛的研究, 同时还在其发生时间方面进行了一定范围的探讨。通常来看, 国外研究极端降水或洪水发生时间的方法, 主要有两类:第一类, 运用圆形统计等方法来量化极端降水或洪水发生时间, 寻找其规律。如Parajka et al(2009)分析了径流和降水的季节性, 依据该季节性分析洪水的发生过程, 并用于洪水一致区的划分。Koutroulis et al(2010)用圆形统计来描述克里特岛的洪水季节性, 发现洪水事件与日降水最大值的季节性非常一致。第二类, 用某些极值统计模拟方法来模拟识别极值降水在发生频率或强度方面的季节性变化。Jones et al(2013)和Maraun et al(2009)分别采用单变量和多变量GEV模型分析英国极值降水的季节性。Fowler et al(2003)则采用POT模型结合地区频率分析的方法分析季节和年极值降水的变化。
淮河流域地处我国南北气候过渡带, 通常夏秋闷热多雨, 冬春干旱少雨, 极端降水事件频繁发生, 由此导致的旱涝急转及水安全问题十分突出。对此, 本文通过圆形统计、线性趋势、相关分析、EOF分析等方法分析流域内极端降水发生的时空演变规律, 同时探究其主要影响因素, 为淮河流域防洪减灾及水资源管理提供参考。
2 资料选取和方法介绍所用数据均来自于中国气象科学数据共享网(http://cdc.cma.gov.cn)。筛选淮河流域19602014年25个分布均匀、无缺测情况的站点, 利用逐日降水资料, 确定极端降水指数, 并提取得到极端降水的发生时间(一年之中的发生时间, 以1月1日为第1天, 第365或366天为最后一天, 即Julian day)。由于极端降水发生时间具有很强的离散特征, 采用圆形统计方法处理发生时间数据。圆形统计方法是用于处理角度(周期性)资料的一类分析方法, 日期(一年中的日数)也可以通过适当的转换变为角度资料进行处理。变换公式如下:
$\theta=\frac{2 {\rm{ \mathsf{ π} }} D}{k}, $ | (1) |
其中: D为极端降水发生时间(年日数Julian day); k为一年总天数(365或366天); θ为角度(弧度制)。和一般的统计方法相比, 圆形统计对于周期性时间资料的处理, 更加合理、准确。圆形统计的平均发生时间、发生时间的集中程度的计算公式如下:
$ \overline{x}=\frac{1}{n} \sum\limits_{i=1}^{n} \cos \theta_{i}, $ | (2) |
$ \overline{y}=\frac{1}{n} \sum\limits_{i=1}^{n} \sin \theta_{i}, $ | (3) |
$\overline{\theta}=\tan ^{-1}\left(\frac{\overline{y}}{\overline{x}}\right) \text { for } \overline{x} \geqslant 0, $ | (4) |
$ \overline{\theta}=\tan ^{-1}\left(\frac{\overline{y}}{\overline{x}}\right)+{\rm{ \mathsf{ π} }} \text { for } \overline{x}<0, $ | (5) |
$ M D=\overline{\theta} \frac{k}{2 {\rm{ \mathsf{ π} }}} $ | (6) |
$ r=\sqrt{\overline{x}^{2}+\overline{y}^{2}} $ | (7) |
其中: MD是平均发生时间; k为一年总天数(365或366天); θ为平均角度; n为极端降水事件个数; r为发生时间的集中程度指数, 当r=0, 表明发生时间在年内为均匀分布; r=1, 表明发生时间的集中程度最高, 集中在年内某一天。
假设两次极端降水的发生时间分别为1月和11月, 其算术平均值为6月, 而依据圆形统计得到的均值则为12月, 显然, 平均时间为12月更合理, 圆形统计的结果符合真实情况。其原因在于圆形统计将时间的计算由直线域变为圆域, 考虑了时间的周期性, 因此是研究极端降水发生时间季节性变化的重要统计方法。
3 结果与分析关于极端降水的发生时间可以通过年最大一次降水的发生时间或年最大多次降水的发生时间来定义。以1972年亳州站为例, 分别选取年最大1次和最大3次日降水的发生时间, 并计算最大3次日降水的平均发生时间, 展示圆形统计法的结果(图 1)。从图 1中可以看出, 亳州站1972年最大3次日降水的发生时间依次为184(7月)、211(7月)、245(9月), 平均发生时间为213(7月), 年最大1次降水的发生时间211(7月)。年最大1次和最大3次日降水发生时间的平均值无明显差异。
图 2为基于年最大3次日降水、最大1次日降水的流域各站点极端降水发生时间序列的箱线图。图 3为基于年最大3次日降水、最大1次日降水的流域平均的极端降水发生时间序列图。对比图 2和图 3可以发现, 年最大3次日降水的发生时间与年最大1次日降水的发生时间结果较为一致, 图 3中二者时间序列的相关系数达0.66, 达到了0.001显著性水平。由于论文篇幅所限, 故本文选择年最大1次日降水发生时间作为极端降水发生时间的代表(下称极端降水发生时间), 进行分析。
图 2(b)中最上端和最下端的短横线“-”为当年流域所有站点发生时间数据的上下边缘值, 超出上边缘或低于下边缘的数据为异常值, 以空心圆“○”进行标注。矩形盒“□”上下两端分别对应发生时间的上下四分位数数值, 中间短横线“-”为发生时间中位数。从图 2(b)中可以看出, 流域极端降水发生时间最早为第62天, 最迟为第332天, 主要集中在第200天左右, 即7月中下旬, 与淮河流域主雨季(江淮梅雨期)由盛转衰的时间较一致。由于流域内各个站点极端降水发生时间的空间差异性较大、离散特征较强, 无法从箱线图中得到发生时间的细致变化情况, 需要做进一步的处理和分析。
图 4为淮河流域25个站点极端降水平均发生时间的矢量空间分布, 其中矢量的方向与图 1中一致, 以矢量方向“→”, 即指向右, 代表发生时间为一月份, 随着月份增大, 以“→”中心点为轴心的箭头逆时针旋转。从图 4中可以看出, 代表淮河流域极端降水平均发生时间的矢量方向比较接近, 主要位于7月中下旬, 其中东台站箭头的向下偏转角度最大, 其平均发生时间位于8月初, 信阳站箭头最接近水平方向, 其平均发生时间位于7月上旬。
为了反映淮河流域作为一个整体的极端降水发生时间的平均状况, 对流域各站点历年的发生时间计算其平均值, 进一步分析流域平均的极端降水发生时间随时间的变化[图 3(b)]。流域平均发生时间最早的年份是2013年, 为第174天(6月23日), 最晚的年份是1992年, 为第231天(8月18日), 多年平均发生时间为第202天(7月20日)。对该时间序列进行线性拟合, 其回归系数为-0.137, 即以每10年1.37天的速率提前, 因此流域平均发生时间随年份推移, 呈提前趋势, 但是不显著(其判定系数R2仅为0.0332)。从年代际角度来看, 20世纪60—80年代这3个年代的平均发生时间波动明显, 其中60年代平均发生时间最晚, 70年代最早, 80年代也较晚; 而20世纪90年代至21世纪10年代这3个年代的平均发生时间波动相对平缓, 其中20世纪90年代和21世纪00年代略偏早, 而21世纪10年代略偏晚。总体来看, 发生时间最晚的年代是20世纪60年代, 最早的年代是20世纪70年代。
进一步计算各年份流域平均极端降水发生时间的集中程度指数, 反映其集中程度特征(图 5)。从图 5中可以看出, 集中程度除个别年份外, 基本均大于0.7, 主要位于0.7~0.9之间, 多年均值为0.82, 因此淮河流域极端降水的发生时间具有高度的集中性。集中程度最大的年份是2008年, 为0.96, 最小年份是1985年, 为0.62。此外, 1995年以来, 发生时间的集中程度均处于高值阶段, 1996—2014年时段的均值达到0.87。总体而言, 淮河流域极端降水发生时间的集中程度呈上升趋势, 且达到了0.05的显著性水平(其线性拟合判定系数R2达到了0.1031)。
由于淮河流域极端降水的发生时间大多集中于夏季, 进一步对流域夏季的情况进行分析。从图 6的时间序列图(以6月1日为第1天)可以发现, 淮河流域夏季极端降水发生时间主要在7月中下旬, 和年极端降水的发生时间一致。发生时间最迟的年份是1964年, 为第69天(8月8日), 最早的年份是2000年, 为第32天(7月3日)。总体而言, 近55年淮河流域夏季极端降水的发生时间随年份推移呈推迟趋势, 但趋势不显著。从年代际角度对比图 6和图 3(b)可见, 夏季与年极端降水发生时间的变化特征总体上比较一致, 在各个年代均呈现高-低-高-低-低-高的阶段性变化; 但是, 夏季相对于年序列而言, 在20世纪60-80年代的变化较为平缓, 而20世纪90年代至21世纪10年代的变化幅度则更加显著。
综上, 淮河流域年和夏季极端降水的发生时间均集中在7月中下旬, 年际振荡明显, 且随年份推移有提前的趋势但不显著; 同时, 发生时间的集中程度有显著提高, 未来极端降水发生时间位于7月的可能性加大, 这对于7月多发的伏旱现象可能有所缓解。
3.2 空间特征分析为了更直观地分析极端降水发生时间的空间分布特征, 对圆形统计计算的各站点的多年平均极端降水发生时间, 通过反距离权重法进行空间插值(图 7)。从图 7中可以看出, 淮河流域极端降水平均发生时间由西南向东北方向推迟。流域内站点间极端降水发生时间的最大时间差(发生时间最早和最晚的时间差)达到21天。流域西南部发生时间最早, 为7月中上旬。该时间段淮河流域主要受江淮梅雨的影响, 极端降水主要由梅雨造成。东部沿海地区发生时间最迟, 为7月底和8月初, 这主要是由于东部沿海地区的极端降水除了由江淮梅雨形成外, 也可能受台风影响而形成, 而淮河流域受台风影响最主要的时间段为8月(时间上位于江淮梅雨北跳之后), 因此, 其多年平均发生时间略迟。
将各站点的极端降水发生时间与年份进行相关分析, 所得相关系数通过反距离权重法进行空间插值, 得到空间分布(图 8)。从图 8中可以看出, 相关系数的最大值出现在信阳站, 为0.18, 表明该站极端降水发生时间会随年份推移而推迟, 但不显著; 相关系数最小值出现在许昌站, 为-0.29, 表明该站极端降水发生时间会随年份推移而提前, 并且达到0.05显著性水平。总体而言, 相关系数以负值为主, 即淮河流域大部分区域极端降水发生时间会随年份而提前, 但达到显著性水平的站点不多, 提前较明显的区域分布在流域西北部。分析认为, 该提前趋势应该与我国夏季主降水带的移动有关, 司东等(2010); Liu et al(2012)研究表明, 20世纪90年代以来, 伴随着东亚夏季风的恢复增强, 我国东部的主降水带从长江流域向北移动到了淮河流域, 从而有利于极端降水的发生时间提前。
为了更清晰、直观地展示极端降水发生时间的年代际变化, 将1960—2014年的极端降水发生时间按不同年代分别进行处理, 分析得到图 9。其中, 各年代平均的极端降水发生时间, 是通过计算每个年代极端降水发生时间的中位数而得到(采用中位数可以避免异常值的影响)。从图 9中可以看出, 淮河流域极端降水发生时间的年代际变化较明显, 并且存在明显的空间差异性。流域东部沿海地区站点的发生时间最大值多出现在20世纪80年代或90年代; 中南部站点发生时间的最大值多出现在70年代或80年代; 西部站点发生时间的最大值多出现在20世纪10年代。此外, 流域西部站点在20世纪10年代的极端降水发生时间有明显推迟, 平均发生时间均大于230天, 与21世纪00年代相比均有超过30天的推迟。流域其余区域极端降水发生时间的年代际变化不大。
与图 7相比, 夏季极端降水发生时间同样存在明显的空间差异性, 空间分布特征也比较相似, 流域南部发生时间较早, 北部发生时间较迟。但也存在差别, 流域西北部夏季极端降水发生时间偏晚(图 10), 而年极端降水发生时间偏早(图 7)。此外, 对比图 10和图 7的空间分布可以看出, 各站点夏季与年极端降水发生时间的差别不大, 平均差值为3天左右, 且多数站点夏季极端降水发生时间早于年极端降水。另一方面, 站点间夏季极端降水发生时间的最大时间差低于年极端降水, 为15天。
经验正交函数EOF方法在提取物理量场时空变化的信息特征方面具有极其明显的优点, 一直是气象学家进行资料分析的重要手段(张英华等, 2016; 赵威等, 2016; 杨玮等, 2017; 申红艳等, 2017; 王丹云等, 2017)。由于淮河流域极端降水发生时间的复杂性, 进一步采用EOF方法分离淮河流域极端降水发生时间的时空变化, 并通过North检验方法选取显著性的模态, 来描述极端降水发生时间的时空变化格局。
North检验结果表明, 第一和第二两个模态均通过了显著性检验。从图 11中可以看出, 第一特征向量(方差贡献率为13.7%)的空间分布呈现明显的“西北-东南”反位相分布, 西北部呈正值, 东南部(除东台站外)呈负值。第一模态的时间系数显示, 极端降水发生时间的年际变化较大, 总体上有下降趋势, 但未达到0.05显著性水平。时间系数在1980年前后有较明显差异, 此前年际变化较弱, 此后则有较剧烈年际变化。将时间系数与空间模态相结合分析, 时间系数为正值, 表明流域西北部极端降水发生时间推迟, 东南部发生时间提前; 时间系数为负值, 表明流域西北部极端降水发生时间提前, 东南部发生时间推迟。由于时间系数存在下降的趋势, 流域西北部的极端降水发生时间总体倾向于提前, 而流域东南部总体倾向于推迟。
从图 12中可以看出, 第二特征向量(方差贡献率为10.2%)表现出明显的区域一致性分布(除西北部宝丰、郑州、西华和开封4个站点外), 均为负值。第二时间系数呈现的年际变化比第一模态更加剧烈, 总体有微弱上升趋势, 但未达到0.05显著性水平。时间系数在1992年前后有较明显差异, 1992年前的时间系数变化较为剧烈, 上下波动显著, 1992年之后变化趋于平缓。结合空间模态进行分析, 时间系数为正值, 则淮河流域绝大部分区域极端降水发生时间会提前, 而西北部少数站点的发生时间会推迟; 时间系数为负值, 则流域绝大部分区域发生时间会推迟, 而西北部少数站点会提前。由于时间系数存在弱的上升趋势, 因此流域极端降水发生时间总体上倾向于提前。
淮河流域极端降水发生时间的EOF分析结果, 其第一模态揭示了流域极端降水发生时间在空间上的分异特征, 呈现东南-西北反位相分布的格局, 这样的结果与梅雨和台风的影响有关:由于雨带的南北推移而形成了南北向的差异, 加上沿海的东部地区容易受台风的影响, 从而形成了东南-西北向的分布格局; 第二模态则反映了该流域极端降水发生时间在空间上的近似一致性分布特征, 这种一致性分布, 主要是由于淮河流域面积不大, 自然地理特征比较一致, 即气候特征比较相似, 地形起伏也不大, 除了上游的丘陵山地外, 以平原为主, 因此具有近似一致性的模态。
4 结论选取了淮河流域25个资料完整、分布相对均匀的气象站点, 采用其逐日降水资料、借助于圆形统计、EOF分析等方法, 分析了1960—2014年流域极端降水发生时间的时空特征。得到如下主要结论:
(1) 淮河流域年以及夏季极端降水发生时间主要集中于7月中下旬, 并存在明显的年际变化; 流域平均的极端降水发生时间随年份有所提前, 但提前趋势未达到0.05显著性水平。流域极端降水发生时间集中程度随年份上升, 上升趋势达到了0.05显著性水平。综合起来分析, 7月发生极端降水的可能性增大。
(2) 流域年和夏季极端降水发生时间在空间上均由西南向东北逐渐推迟, 且多数站点夏季极端降水的发生时间早于年极端降水。该空间分布特征在一定程度上受梅雨和台风的变化的影响。流域大部分站点发生时间呈有微弱提前的特征, 该提前与20世纪90年代以来我国主雨带的年代际北移有关。
(3) 流域极端降水发生时间的EOF分析, 第一模态空间典型场呈“西北-东南”反位相分布; 第二模态空间典型场呈一致性分布, 二者分别揭示了流域极端降水发生时间在空间上的分异特征和近似一致性分布特征。第一模态时间系数有下降, 但未达到0.05显著性水平, 第二模态时间系数呈上升, 同样未达到0.05显著性水平。
Fowler H J. 2003. Implications of changes in seasonal and annual extreme rainfall[J]. Geophysical Research Letters, 30(13): 1720.
DOI:10.1029/2003gl017327 |
|
Katz R W, Brown B G. 1992. Extreme events in a changing climate:Variability is more important than averages[J]. Climatic Change, 21(3): 289–302.
DOI:10.1007/bf00139728 |
|
Koutroulis A G, Tsanis I K, Daliakopoulos I N. 2010. Seasonality of floods and their hydrometeorologic characteristics in the island of Crete[J]. Journal of Hydrology, 394(1-2): 90–100.
DOI:10.1016/j.jhydrol.2010.04.025 |
|
Liu H W, Zhou T J, Zhu Y X, et al. 2012. The strengthening East Asia summer monsoon since the early 1990s[J]. Chinese Science Bulletin, 57(13): 1553–1558.
DOI:10.1007/s11434-012-4991-8 |
|
Maraun D, Rust H W, Osborn T J. 2009. The annual cycle of heavy precipitation across the United Kingdom:a model based on extreme value statistics[J]. International Journal of Climatology, 29(12): 1731–1744.
DOI:10.1002/joc.1811 |
|
Jones M R, Fowler H J, Kilsby C G, et al. 2013. An assessment of changes in seasonal and annual extreme rainfall in the UK between 1961 and 2009[J]. International Journal of Climatology, 33(5): 1178–1194.
DOI:10.1002/joc.3503 |
|
Parajka J, Kohnová S, Merz R, et al. 2009. Comparative analysis of the seasonality of hydrological characteristic in Slovakia and Austria[J]. Hydrological Sciences Journal/Journal des Sciences Hydrologiques, 54(3): 456–473.
DOI:10.1623/hysj.54.3.456 |
|
顾万龙, 王纪军, 朱业玉, 等. 2010. 淮河流域降水量年内分配变化规律分析[J]. 长江流域资源与环境, 19(4): 426–431.
|
|
顾西辉, 张强, 孔冬冬. 2016. 中国极端降水事件时空特征及其对夏季温度响应[J]. 地理学报, 71(5): 718–730.
DOI:10.11821/dlxb201605002 |
|
胡宜昌, 董文杰, 何勇. 2007. 21世纪初极端天气气候事件研究进展[J]. 地球科学进展, 22(10): 1066–1075.
DOI:10.3321/j.issn:1001-8166.2007.10.011 |
|
李建, 宇如聪, 孙溦. 2013. 从小时尺度考察中国中东部极端降水的持续性和季节特征[J]. 气象学报, 71(4): 652–659.
DOI:10.11676/qxxb2013.052 |
|
陆志刚, 张旭晖, 霍金兰, 等. 2011. 1960-2008年淮河流域极端降水演变特征[J]. 气象科学, 31(增刊l): 77–83.
DOI:10.3969/2012jms.00** |
|
任国玉, 任玉玉, 战云健, 等. 2015. 中国大陆降水时空变异规律——Ⅱ.现代变化趋势[J]. 水科学进展, 26(4): 451–465.
DOI:10.14042/j.cnki.32.1309.2015.04.001 |
|
佘敦先, 夏军, 张永勇, 等. 2011. 近50年来淮河流域极端降水的时空变化及统计特征[J]. 地理学报, 66(9): 1200–1210.
DOI:10.11821/xb201109005 |
|
申红艳, 陈丽娟, 胡泊, 等. 2017. 西北中部夏季降水主要空间型及环流特征[J]. 高原气象, 36(2): 455–467.
DOI:10.7522/j.issn.1000-0534.2016.00139 |
|
司东, 丁一汇, 柳艳菊. 2010. 中国梅雨雨带年代际尺度上的北移及其原因[J]. 科学通报, 55(1): 68–73.
|
|
王丹云, 吕世华, 韩博, 等. 2017. 近30年黄土高原春季降水特征与春旱变化的关系[J]. 高原气象, 36(2): 395–406.
DOI:10.7522/j.issn.1000-0534.2016.00121 |
|
许吟隆, 黄晓莹, 张勇, 等. 2005. 中国21世纪气候变化情景的统计分析[J]. 气候变化研究进展, 1(2): 80–83.
DOI:10.3969/j.issn.1673-1719.2005.02.007 |
|
杨金虎, 江志红, 王鹏祥, 等. 2008. 中国西北极端降水事件年内非均匀性特征分析[J]. 中国沙漠, 28(1): 178–184.
DOI:10.3321/j.issn:1000-3037.2007.04.014 |
|
杨玮, 徐敏, 周顺武, 等. 2017. 江淮流域6-7月极端强降水事件时空变化及环流异常[J]. 高原气象, 36(3): 718–735.
DOI:10.7522/j.issn.1000-0534.2016.00047 |
|
张英华, 李艳, 李德帅, 等. 2016. 中国东部夏季极端高温的空间分布特征及其环流型[J]. 高原气象, 35(2): 469–483.
DOI:10.7522/j.issn.1000-0534.2014.00159 |
|
赵威, 赵威, 韦志刚, 等. 2016. 1964-2013年中国北方农牧交错带温度和降水时空演变特征[J]. 高原气象, 35(4): 979–988.
DOI:10.7522/j.issn.1000-0534.2015.00079 |
2. Nanjing Hydraulic Research Institute, State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Nanjing 210029, Jiangsu, China;
3. Research Center for Climate Change, Ministry of Water Resources, Nanjing 210029, Jiangsu, China