贛南地區(qū)近58年來極端氣候變化趨勢分析

吳丹瑞，吳安琪，何新玥，李 明

(1.江西師范大學(xué) 鄱陽湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，南昌 330000；2.西北農(nóng)林大學(xué) 資源環(huán)境學(xué)院，陜西 楊凌 712100； 3.河海大學(xué) 水文水資源學(xué)院，南京 210098)

?

贛南地區(qū)近58年來極端氣候變化趨勢分析

吳丹瑞1,2，吳安琪3，何新玥3，李 明1,2

(1.江西師范大學(xué) 鄱陽湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室，南昌 330000；2.西北農(nóng)林大學(xué) 資源環(huán)境學(xué)院，陜西 楊凌 712100； 3.河海大學(xué) 水文水資源學(xué)院，南京 210098)

極端天氣事件對人類和自然環(huán)境的影響巨大，為評估其變化趨勢，采用Mann-Kendall趨勢檢驗(yàn)和線性傾向估計(jì)法分析了贛南地區(qū)1956—2013年基于氣溫和極端降水的8個指標(biāo)的變化趨勢。結(jié)果表明：①年降雨總量沒有顯著變化，季節(jié)性變化差異較大;②氣溫在年尺度和季節(jié)尺度變化一致，幾乎全部站點(diǎn)年最高氣溫和年最低氣溫都有顯著上升趨勢，且秋季上升幅度最大，其最低氣溫最大上升幅度為每10 a上升0.39 ℃；除春季外，日溫差均為減小趨勢;③極端降水事件有增加趨勢，年尺度上最大日降雨量和最大3日降雨量均有顯著增加趨勢，冬季增加趨勢更加顯著。本研究結(jié)果顯示贛南地區(qū)氣溫變化趨勢與全球變暖保持一致，極端降水事件也在加劇。

氣候變化；極端氣候；贛江流域；年最高氣溫；年最大日降雨量

1 研究背景

隨著全球氣候變暖，全球熱浪、暴雨、冰雹、大雪、洪水和干旱等極端天氣事件加劇，特別是20世紀(jì)80年代以來，極端天氣事件發(fā)生頻率急劇上升，各種氣象災(zāi)害也隨之增加，給全球社會經(jīng)濟(jì)以及生態(tài)環(huán)境造成了嚴(yán)重的損失和破壞[1]。聯(lián)合國政府間氣候變化專門委員會(IPCC)第4次公布的評估報告指出，1980年以后，極端天氣事件尤其是颶風(fēng)(臺風(fēng))、熱浪和強(qiáng)降水等發(fā)生的頻率和強(qiáng)度都呈現(xiàn)不斷增長的趨勢，預(yù)計(jì)這些極端天氣事件將更加頻繁地發(fā)生[2]。更為重要的是，極端天氣事件不僅明顯增多增強(qiáng)，而且分布范圍也不斷擴(kuò)大[3]。

極端天氣事件除本身會造成氣象災(zāi)害外(如強(qiáng)降雨導(dǎo)致洪澇災(zāi)害)，還會引發(fā)一系列二次災(zāi)害，例如強(qiáng)降雨引發(fā)崩塌、滑坡和泥石流等。這些二次災(zāi)害會對生命財(cái)產(chǎn)安全及生態(tài)環(huán)境造成更為嚴(yán)重的影響。另外，極端降雨可能加劇流域土壤侵蝕，導(dǎo)致水、土、肥大量流失，農(nóng)業(yè)耕作產(chǎn)量下降，土地逐漸退化，生態(tài)平衡遭到破壞[4]。所以，鑒于極端天氣事件對人類社會和自然環(huán)境的強(qiáng)大影響，對其變化趨勢的分析與評估是極為重要而緊迫的[5]。

贛南地區(qū)位于鄱陽湖主要支流贛江的上游，是華南經(jīng)濟(jì)區(qū)與長江經(jīng)濟(jì)區(qū)的重要橋梁，是閩東南三角區(qū)、珠江三角洲的腹地，是連接?xùn)|南沿海與內(nèi)地的紐帶[6]。然而，贛南強(qiáng)降雨過程近年頻發(fā)，以點(diǎn)暴雨為主，降雨時空分布極不均勻，洪澇災(zāi)害多發(fā)，同時引發(fā)崩塌、滑坡以及較嚴(yán)重的水土流失。因此，研究贛南地區(qū)極端氣候的變化規(guī)律對該地區(qū)防洪減災(zāi)、水土保持以及生態(tài)保護(hù)都是極為重要的。

2 研究區(qū)域概況

贛南地區(qū)，即江西省南部，位于贛江的上游，主要包括贛州市2區(qū)1市15縣，如圖1所示。

圖1 研究區(qū)域和氣象站點(diǎn)的位置及主要河流

該地區(qū)地處24°29′N—27°09′N，113°54′E—116°38′E之間?？v距295 km，橫距219 km，總面積39 379.64 km2，約占江西省的1/4[6]。

地勢四邊高中間低，贛南地區(qū)四周是武夷山、雩山、諸廣山及南嶺的九連山、大庾嶺等，連綿起伏，斷陷盆地廣泛分布，低山丘陵面積超過80%。平均海拔高度在300～500 m之間，海拔最高處在齊云山鼎鍋寨，為2 061 m，最低處在贛縣湖江鎮(zhèn)張屋村，為82 m[6]。西部、南部和東北部均為低山、丘陵構(gòu)造地貌。新構(gòu)造運(yùn)動上升強(qiáng)烈，山坡陡峭處，流水切割較強(qiáng)，有V形谷發(fā)育，是數(shù)百條河流的發(fā)源地，水土流失嚴(yán)重；以剝蝕為主中等侵蝕緩慢抬升的丘陵地貌，山勢平緩，風(fēng)化強(qiáng)烈，水土流失嚴(yán)重。中部是水力侵蝕堆積地貌，新構(gòu)造運(yùn)動變化緩慢，風(fēng)力、水力侵蝕嚴(yán)重，又由于風(fēng)化殼深厚、溝谷平坦寬闊，極易造成水土流失，遇強(qiáng)降雨極易誘發(fā)滑坡、崩塌等自然災(zāi)害。此外由灰?guī)r、紅巖和含鈣質(zhì)的砂礫巖等形成的溶蝕侵蝕地貌分布廣泛。

贛南地區(qū)屬于亞熱帶季風(fēng)氣候，四季分明，水分、熱量充足，雨熱同期。年平均降水量為1 461.2 mm，春夏季較多。夏季炎熱漫長，冬季溫暖，年平均氣溫19.4 ℃。

研究區(qū)域河流總共1 270多條，河流總長度為16 626.6 km，流域面積為1 449 km2，河流密度為0.42 km/km2[6]。贛南山區(qū)是珠江流域東江水系和長江流域贛江水系的源頭。上千條支流匯聚成9條較大支流，在章貢區(qū)匯聚成贛江，向北流入鄱陽湖，最后進(jìn)入長江。另外還有數(shù)百條支流從贛南的邊緣山區(qū)流入韓江流域的梅江水系以及珠江流域的東江和北江水系[6]。贛南地區(qū)的主要自然災(zāi)害是暴雨以及由此引發(fā)的洪水。一年之內(nèi)會發(fā)生多次的強(qiáng)降雨，并且時空分布特別不均勻，主要表現(xiàn)為點(diǎn)暴雨，西部多為受災(zāi)區(qū)。汛期是每年的4—9月份，洪水多發(fā)期是5—6月份。

3 數(shù)據(jù)資料和處理方法

3.1 數(shù)據(jù)獲取和數(shù)學(xué)符號

3.1.1 數(shù)據(jù)資料

研究使用數(shù)據(jù)為1956—2013年贛南地區(qū)及其周圍7個氣象站測得的日降雨量和日最高、最低氣溫。各氣象站的位置及基本信息如圖1和表1所示，數(shù)據(jù)主要來源于中國氣象局，數(shù)據(jù)質(zhì)量能夠得到保證。為研究極端氣溫和降水的年變化以及季節(jié)性變化，將58 a連續(xù)日數(shù)據(jù)利用Excel 2010軟件錄制多種宏并挖掘提取出年、四季和汛期(5—6月份)的日數(shù)據(jù)，進(jìn)一步整理出年和四季8種指標(biāo)需要的數(shù)據(jù)及汛期的降水?dāng)?shù)據(jù)，其中規(guī)定春季為3—5月份、夏季為6—8月份、秋季為9—11月份、冬季為12月份到次年2月份。

表1 贛南地區(qū)氣象站信息

3.1.2 極端氣溫和降水指數(shù)

采用代用氣候指數(shù)對極端天氣變化的趨勢進(jìn)行檢測獲得國際眾多研究團(tuán)隊(duì)的認(rèn)可，但多種原因(如數(shù)據(jù)不易獲得)使每個研究團(tuán)隊(duì)所采用的各自定義的指數(shù)不相同[7]。本文定義了8種指數(shù)(3種氣溫指數(shù)、5種降水指數(shù))來描述氣溫和降水的變化特征。它們分別被不同研究團(tuán)隊(duì)?wèi)?yīng)用于之前的研究[8-9]。氣溫?cái)?shù)據(jù)指數(shù)為平均日最高溫(MxT)、平均日最低溫(MnT)、平均日溫差(ΔT)，降水?dāng)?shù)據(jù)指數(shù)為總降雨量(P)、1 d最大降雨量(AM1R)、連續(xù)3 d最大降雨量(AM3R)、連續(xù)5 d最大降雨量(AM5R)、連續(xù)7 d最大降雨量(AM7R)。

3.2 研究方法

3.2.1 Mann-Kendall趨勢檢驗(yàn)方法原理

Mann-Kendall(簡稱MK)是水文序列中最受歡迎的一種趨勢檢驗(yàn)方法[10-11]，已經(jīng)被世界氣象組織(WMO)廣泛推薦應(yīng)用于時間序列的趨勢分析，被許多研究人員用來分析降水、氣溫、泥沙和徑流等的時間序列的變化趨勢。利用無參數(shù)MK數(shù)據(jù)檢驗(yàn)方法對8個指標(biāo)的時間序列進(jìn)行趨勢分析。這個檢驗(yàn)允許我們在不進(jìn)行任何特定分布假設(shè)時調(diào)查數(shù)據(jù)的長期趨勢。此外，由于它是無參數(shù)的，很少受數(shù)據(jù)序列中異常值的干擾。評估趨勢的統(tǒng)計(jì)學(xué)顯著性是在相對于零假設(shè)10%的置信水平，零假設(shè)是指分析變量中沒有趨勢。MK檢驗(yàn)中的檢驗(yàn)統(tǒng)計(jì)量S被定義如下，即

(1)

式中：n為數(shù)據(jù)記錄長度;xi和xj為連續(xù)數(shù)據(jù)值;sgn(xj-xi)為符號函數(shù)，其具體形式為

(2)

當(dāng)n≥10時，檢驗(yàn)統(tǒng)計(jì)量S近似服從正態(tài)分布，均值和方差分別為：

E(S)=0 ；

(3)

(4)

式中：m為固定組的數(shù)量；ti為第i個固定組的大小。標(biāo)準(zhǔn)檢驗(yàn)統(tǒng)計(jì)量Z由以下計(jì)算所得，即

(5)

3.2.2 序列相關(guān)性

yt=xt-φxt-1。

(6)

式中：yt為時間序列預(yù)白化的值；xt為時間間隔為t的原始時間序列值；φ為滯后1個時間間隔的自相關(guān)系數(shù)。此項(xiàng)研究中，在置信水平為5%的情況下，序列相關(guān)性顯示為顯著時進(jìn)行預(yù)白化處理。我們的樣本中，大部分的研究變量不顯示顯著的序列相關(guān)性。在應(yīng)用趨勢檢驗(yàn)之前，首先利用預(yù)白化去除時間序列中的序列相關(guān)。

3.2.3 線性傾向估計(jì)法

利用年(四季)各項(xiàng)指標(biāo)序列，以時間t為自變量，年(四季)各項(xiàng)指標(biāo)為因變量，建立一元回歸方程，方程為

y(t)=b0+b1t 。

(7)

式中b0，b1均為系數(shù)，通過最小二乘法獲得。b1為正值，表示有增加(上升)趨勢；b1為負(fù)值，表示有減少(降低)趨勢[13]。

將式(7)求導(dǎo)后，可得

dy(t)/dt=b1。

(8)

一般將b1×10稱為變化傾向率，表示每10 a的變化大小。

3.2.4 聚類分析

本文通過聚類分析研究各個站點(diǎn)極端氣候發(fā)生的異同，以此為依據(jù)探討該地區(qū)極端氣候變化的原因。聚類分析是一種事先不知道分類個數(shù)的分析，因此可以事先不用給出分類標(biāo)準(zhǔn)，它自身可以從所給的樣本數(shù)據(jù)出發(fā)，根據(jù)一些變量的親疏遠(yuǎn)近，逐漸多次進(jìn)行自動聚類[14]。本文聚類分析使用SPSS軟件，采用離差平方和法(Ward’s method) 計(jì)算小類之間的距離，采用歐式距離平方計(jì)算樣本距離，根據(jù)5個降雨指標(biāo)變量對7個氣象站進(jìn)行聚類，根據(jù)3個氣溫指標(biāo)變量對6個氣象站進(jìn)行聚類。

1.2.3 脫落、剔除或終止標(biāo)準(zhǔn) 因不良反應(yīng)和(或)合并癥病情惡化不能完成治療者，因療效不佳而中斷或未按要求配合完成評分及療效評價者。

4 結(jié)果與分析

1956—2013年連續(xù)58 a贛南地區(qū)及周圍7個氣象站的年降雨和氣溫的8個指標(biāo)MK檢驗(yàn)結(jié)果以及顯著上升趨勢(+)、顯著下降趨勢(-)和沒有或者不顯著趨勢(0)的站點(diǎn)百分比，歸納在表2和表3中。同時分析了上述8個指標(biāo)不同季節(jié)的變化趨勢，如表4所示。從表4可以看出，各個站點(diǎn)的8個指標(biāo)在冬季的變化最為顯著，因此，將研究區(qū)域冬季降水和氣溫指標(biāo)每10 a的趨勢和變化進(jìn)行整理，并對比分析，見圖2。

表2 各氣象指標(biāo)序列的MK檢驗(yàn)結(jié)果

表3 各指標(biāo)不同變化趨勢氣象站百分比

注：*表示通過了置信度為90%的顯著性檢驗(yàn)。

表4 1956—2013年研究區(qū)域各指標(biāo)四季顯著變化趨勢站點(diǎn)數(shù)

圖2 1956—2013年研究區(qū)域冬季降水和氣溫指標(biāo)每10 a的趨勢和變化標(biāo)志

4.1 氣 溫

1956—2013年，MxT和MnT顯著上升，平均日溫差范圍(ΔT)隨季節(jié)變化不同，整體為減小趨勢。與全球變暖的大趨勢相一致。

從整個年度的變化趨勢看(表3)，所有站點(diǎn)MxT都有上升趨勢，其中85.71%的站點(diǎn)表現(xiàn)出顯著的上升趨勢。就季節(jié)而言(表4)，MxT在秋季表現(xiàn)出最大的變暖趨勢，所有站點(diǎn)都有顯著的上升趨勢，春夏冬季也均表現(xiàn)出變暖趨勢。MnT有顯著上升趨勢的站點(diǎn)除了在春季是3個外，在其余季節(jié)以及年尺度上所有站點(diǎn)均有顯著上升趨勢，其中秋冬季變暖幅度較大，最大增溫速率發(fā)生在秋季，每10 a上升0.39 ℃。

整體上由于MnT比MxT上升幅度更大，導(dǎo)致ΔT減小。年尺度上，ΔT在大多數(shù)站點(diǎn)都有減小的趨勢，其中33.33%的站點(diǎn)表現(xiàn)出顯著的減小趨勢；春季ΔT表現(xiàn)為增大趨勢，且有1個站點(diǎn)表現(xiàn)出顯著的增大趨勢，這是因?yàn)榇杭綧nT上升幅度比較??；夏冬季ΔT都有較明顯的減小趨勢，且夏季4個(冬季3個)站點(diǎn)表現(xiàn)為顯著的減小趨勢；秋季溫差變化不大，5個站點(diǎn)表現(xiàn)為不顯著的減小趨勢。

4.2 降 水

郭家力等[15]預(yù)測贛江流域降水將會增加，但是，我們的結(jié)果是降水指標(biāo)的變化大多不顯著，站點(diǎn)之間變化趨勢差異較大，這可能與局部地形有關(guān)。總降雨量(P)在年尺度上和夏季均沒有顯著變化；春秋均有減少趨勢，但只有1個站點(diǎn)的減少趨勢顯著；冬季有增加趨勢(表4)。為了解極端天氣對防洪的影響，將汛期(5—6月份)極端降水和總降水的變化趨勢整理為表5。

表5 1956—2013年研究區(qū)域汛期降水指標(biāo) 每10 a的變化和顯著變化標(biāo)志

注：“0”和“-”分別表示在置信度為90%時沒有顯著變化趨勢和有顯著減少趨勢。

在年尺度上(表2)日最大降雨量(AM1R)和連續(xù)3 d最大降雨量(AM3R)大部分站點(diǎn)都有增加趨勢，且有14.29%的站點(diǎn)有顯著增加趨勢，而連續(xù)5 d最大降雨量(AM5R)和連續(xù)7 d最大降雨量(AM7R)沒有明顯變化趨勢，且各站點(diǎn)差異較大，說明時間較短的極端降雨事件有可能增加。此結(jié)果可以為贛南地區(qū)降雨侵蝕的防治和氣候變化下水保措施的制定提供支持[16]。

在季節(jié)上(表4)，站點(diǎn)間差異在春季表現(xiàn)最明顯，AM1R同時存在2個站點(diǎn)分別有顯著增加趨勢和顯著減少趨勢，對于AM3R和AM5R均有1個站點(diǎn)有顯著增加趨勢。夏季和秋季各指標(biāo)變化沒有明顯趨勢，除了夏季的AM7R和秋季的AM3R分別對應(yīng)有1個站點(diǎn)有顯著增加和減少趨勢。冬季各指標(biāo)都有增加趨勢，AM1R，AM3R和AM5R均有3個站點(diǎn)增加趨勢顯著，AM7R有2個站點(diǎn)呈現(xiàn)出顯著增加趨勢?？偟膩碚f，冬季極端降雨的降雨強(qiáng)度在增加。

汛期(5—6月份)降水總量呈現(xiàn)減少趨勢(表4)，其中3個站點(diǎn)顯著減少。所有極端降水指標(biāo)在幾乎全部站點(diǎn)都表現(xiàn)出不顯著的減少趨勢。而年尺度上降水總量沒有顯著變化，極端降水指標(biāo)最大日降水量和最大3 d降水量均有顯著增加趨勢。冬季總降水量和極端降水增加趨勢都更加顯著。說明非汛期的突發(fā)暴雨事件概率增大，這也可能導(dǎo)致汛期時間延長，因此，在今后的防洪工作中要注重非汛期的防洪。

4.3 聚類分析

圖3是根據(jù)氣溫和降水2個變量對贛南地區(qū)7個氣象站點(diǎn)進(jìn)行聚類分析的結(jié)果，以此分析造成該地區(qū)極端氣候變化的潛在原因。

圖3 氣溫指標(biāo)和降水指標(biāo)聚類分析結(jié)果

陳活潑[17]通過分析東亞地區(qū)大氣環(huán)流變化指出，隨著全球變暖，東亞夏季風(fēng)環(huán)流的增強(qiáng)以及大氣層結(jié)不穩(wěn)定的增加為我國降水和極端降水事件的增加提供有利條件。由于我國地質(zhì)地貌特征復(fù)雜，氣候變化研究的空間尺度不同，結(jié)果存在差異。

在對贛南地區(qū)極端氣候變化趨勢進(jìn)行分析時發(fā)現(xiàn)各氣象站點(diǎn)同一指標(biāo)的變化趨勢差異很大，可能是由于地理位置和地形的影響。根據(jù)各指標(biāo)變化趨勢聚類分析的結(jié)果(圖3)可以將贛南地區(qū)劃分為2個區(qū)域。

根據(jù)氣溫3個指標(biāo)聚類分析的結(jié)果(圖3(a))可以看出，贛州、南雄和連平劃分為一個區(qū)域，廣昌、長汀和尋烏為另一個區(qū)域。根據(jù)降水5個指標(biāo)聚類分析的結(jié)果(圖3(b))可以看出，遂川、贛州和南雄可以劃分為一個區(qū)域，廣昌、連平、長汀和尋烏為另一個區(qū)域。

綜合2個結(jié)果可以將遂川、贛州、南雄和連平劃分為一個區(qū)域，廣昌、長汀和尋烏劃分為另外一個區(qū)域，也就是將贛南地區(qū)劃分為東西2個部分。東側(cè)區(qū)域的廣昌、長汀和尋烏都坐落在武夷山脈的山麓，而西側(cè)4個站點(diǎn)都位于武夷山脈以西較遠(yuǎn)的位置。東亞的暖濕氣流在武夷山脈附近受到阻擋可能是造成該地區(qū)極端氣候差異的主要地理原因，而該地區(qū)整體極端氣候變化可能是由全球變暖導(dǎo)致的東亞季風(fēng)環(huán)流的增強(qiáng)造成的。

5 結(jié) 論

(1) 近58 a(1956—2013年)來贛南地區(qū)年降雨總量沒有顯著變化。春秋季節(jié)均有減少趨勢，且均有14.29%的站點(diǎn)表現(xiàn)顯著減少趨勢；夏季沒有顯著變化趨勢；冬季有增加趨勢，且有14.29%的站點(diǎn)有顯著增加趨勢；汛期(5—6月份)降雨減少趨勢明顯，42.86%的站點(diǎn)是顯著減少。

(2) 研究區(qū)域近年來有顯著的變暖趨勢。在年尺度上，日最高溫和最低溫都呈上升趨勢，分別對應(yīng)85.71%和100%的站點(diǎn)表現(xiàn)為顯著上升趨勢。同時由于日最低溫上升的幅度更大，導(dǎo)致日溫差范圍的減小趨勢。在季節(jié)尺度上，日最高溫與最低溫的變化趨勢與年氣溫變化相同，其中秋季上升幅度都最大，其日最低溫最大上升幅度為0.39 ℃/(10 a)。日溫差除春季為增加趨勢外，夏冬季都有較明顯的減小趨勢，且夏季66.67%(冬季50%)的站點(diǎn)表現(xiàn)為顯著的減小趨勢；秋季日溫差變化不大，83.33%的站點(diǎn)表現(xiàn)為不顯著的減小趨勢。

(3) 在年尺度上，極端降水事件有增加趨勢，其中日最大降雨量和最大3 d降雨量均有14.29%的站點(diǎn)有顯著增加趨勢。季節(jié)尺度上，冬季極端降雨顯著增多，春季站點(diǎn)差異較大，夏秋季節(jié)沒有明顯變化趨勢，汛期有不顯著的減少趨勢。 推測非汛期的突發(fā)暴雨事件概率增大，在今后的防洪工作中要注重非汛期的防洪。

(4) 聚類分析將贛南地區(qū)劃分為東西2個部分，東側(cè)區(qū)域的廣昌、長汀和尋烏都坐落在武夷山脈的山麓，而西側(cè)4個站點(diǎn)都位于武夷山脈以西較遠(yuǎn)的位置。東亞的暖濕氣流在武夷山脈附近受到阻擋可能是造成該地區(qū)極端氣候差異的主要地理原因。

[1]萬仕全. 中國降水與溫度極值的時空分布規(guī)律模擬[D]. 蘭州：蘭州大學(xué), 2010.

[2]孫 穎, 王長科, 許紅梅, 等. 直面氣候挑戰(zhàn)——解讀政府間氣候變化專門委員會 (IPCC) 第四次評估報告[J]. 中國減災(zāi), 2007, (7): 8-9.

[3]劉克非. 極端氣候下瀝青路面破壞機(jī)理與修復(fù)技術(shù)研究[D]. 長沙：中南大學(xué), 2012.

[4]YANG T, SHAO Q, HAO Z C,etal. Regional Frequency Analysis and Spatio-temporal Pattern Characterization of Rainfall Extremes in the Pearl River Basin, China[J]. Journal of Hydrology, 2010, 380(3): 386-405.

[5] HU Y, MASKEY S, UHLENBROOK S. Trends in Temperature and Rainfall Extremes in the Yellow River Source Region, China[J]. Climatic Change, 2012, 110(1): 403-429.

[6] 陳納新. 贛州市中心城區(qū)排水系統(tǒng)可行性研究[D]. 江西 贛州：江西理工大學(xué), 2011.

[7] 黃 強(qiáng), 陳子燊. 全球變暖背景下珠江流域極端氣溫與降水事件時空變化的區(qū)域研究[J]. 地球科學(xué)進(jìn)展, 2014, 29(8): 956-967.

[8] ZHAI P, ZHANG X, WAN H,etal. Trends in Total Precipitation and Frequency of Daily Precipitation Extremes over China[J]. Journal of Climate, 2005, 18(7): 1096-1108.

[9] SU B D, JIANG T, JIN W B. Recent Trends in Observed Temperature and Precipitation Extremes in the Yangtze River Basin, China[J]. Theoretical and Applied Climatology, 2006, 83(1/4): 139-151.

[10]MANN H B. Nonparametric Tests Against Trend[J]. Econometrica: Journal of the Econometric Society, 1945,13(3): 245-259.

[11]KENDALL M G. Rank Correlation Measures [M].London：Charles Griffin and Company，1975.

[12]王秀麗. 基于 Bootstrap 方法的北江流域徑流趨勢分析[J]. 廣東水利水電, 2009,(9): 31-33.

[13]陸志華, 夏自強(qiáng), 于嵐嵐, 等. 松花江流域年降水和四季降水變化特征分析[J]. 水文, 2012, 32(2): 62-71.

[14]李 蓉, 李 宇. 基于主成分分析與聚類分析方法的我國西部區(qū)域劃分問題的研究[J]. 科技廣場, 2006,(3): 66-67.

[15]郭家力, 郭生練, 郭 靖, 等. 鄱陽湖流域未來降水變化預(yù)測分析[J]. 長江科學(xué)院院報, 2010, 27(8): 20-24.

[16]董林篧, 鄭艷霞, 程冬兵, 等. 氣候變化對降雨侵蝕力的影響研究綜述[J]. 長江科學(xué)院院報, 2015, 32(3): 59-63.

[17]陳活潑. CMIP5 模式對 21 世紀(jì)末中國極端降水事件變化的預(yù)估[J]. 科學(xué)通報, 2013, 58(8): 743-752.

(編輯：占學(xué)軍)

Trends of Extreme Climate in South Jiangxifrom 1956 to 2013

WU Dan-rui1,2， WU An-qi3，HE Xin-yue3，LI Ming1,2

(1.Key Laboratory of Poyang Lake Wetland and Watershed Research of Ministry of Education, Jiangxi Normal University, Nanchang 330000, China; 2.College of Resources and Environment, Northwest A&F University, Yangling 712100, China; 3.College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China)

Extreme weather events have huge impact on human and the environment. In this article, Mann-Kendall test and linear trend method were adopted to examine the trend of eight indicators according to temperature and precipitation data in south Jiangxi Province from 1956 to 2013. The indicators include average value of daily maximum temperature difference (MxT), average value of daily minimum temperature (MnT), average value of daily temperature difference (△T), total precipitation (P), annual maximum 1-day rainfall (AM1R), annual maximum 3-day rainfall (AM3R), annual maximum 5-day rainfall (AM5R), and annual maximum 7-day rainfall (AM7R).Results showed that 1) there was no significant change in annual precipitation index, but the seasonal variationswere obvious; 2) temperature indicators showed the same trend both in year scale and in season scale, and in almost all the sites MxT and MnT showed significant upward trend, in particular, MnT in autumn had the largest increase of 0.39 ℃ per decade. △Tdecreased except in spring; 3) extreme precipitation events showed an upward trend, and AM1R and AM3R increased significantly, especially in winter. The research results suggest that the temperature trend in Southern Jiangxi is in accordance with global warming trend, and extreme precipitation events are intensifying.

climate change; extreme climate; Ganjiang River Basin; maximum annual temperature; maximum annual daily rainfall

2015-09-22；

2015-11-01

國家自然科學(xué)基金項(xiàng)目(51409216)；鄱陽湖濕地與流域研究教育部重點(diǎn)實(shí)驗(yàn)室(江西師范大學(xué))開放基金資助項(xiàng)目(PK2014003)

吳丹瑞(1992-)，女，河南周口人，碩士研究生，研究方向?yàn)橥寥狼治g與水土保持，(電話)029-87080055(電子信箱)wudanrui15@mails.ucas.ac.cn。

李 明(1986-)，男，甘肅慶陽人，副教授，博士，研究方向?yàn)樗h(huán)境與生態(tài)水利，(電話)029-87080055(電子信箱) lileaf@163.com。

10.11988/ckyyb.20150809

2017,34(1):24-29，39

P461

A

1001-5485(2017)01-0024-06