1961—2017年成都市降水變化特征分析

謝直苡 謝世友

摘要 ? ?本文選取1961—2017年成都市月降水量數(shù)據(jù)，利用線性回歸分析、Mann-Kendall突變分析和EEMD周期分析等數(shù)理統(tǒng)計方法，研究了成都市近57年降水量的變化特征，為其水資源檢測、評估和氣象災害防治提供一定的理論依據(jù)和基礎。結果表明，成都市近57年平均年降水量為892.6 mm，呈逐漸下降的趨勢且無突變現(xiàn)象發(fā)生，以3年和5年的年際周期振蕩變化為主。降水主要集中在夏、秋兩季，累計降水量超過年降水量的80%，其中夏季降水量呈減少趨勢，不存在突變，包含2年和7年的周期;秋季降水量存在2個突變點，變化周期以準3年和11年為主。春季降水量占全年降水量的16%，有多個突變點，存在2年和9年的周期。冬季降水量僅占3%，呈緩慢上升趨勢，存在多個突變點，周期為2年和準6年。

關鍵詞 ? ?降水量;EEMD分析;Mann-Kendall突變分析;四川成都;1961—2017年

中圖分類號 ? ?P426.61 ? ? ? ?文獻標識碼 ? ?A

文章編號 ? 1007-5739（2019）20-0197-07 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 開放科學（資源服務）標識碼（OSID）

Abstract ? ?Based on the precipitation data of Chengdu City from 1961 to 2017，the precipitation change characteristics in past 57 years were analyzed by linear regression analysis，Mann-Kendall sudden change analysis and EEMD analysis，so as to provide some theoretical foundation for the detection，evaluation of water resources and control of meteorological disasters.The results showed that the average annual precipitation in Chengdu City was 892.6 mm in the past 57 years，and it exhibited a decreasing trend with no sudden change，and the inter-annual oscillations were 3 years and 5 years.Precipitation was mainly concentrated in summer and autumn with the cumulative precipitation accounting for more than 80% of annual precipitation.The summer precipitation showed a decreasing trend with no sudden change，containing the periods of 2 years and 7 years.The precipitation had two sudden change points in autumn，and the periodic change were mainly the inter-annual oscillations of quasi 3 years and 11 years.The spring precipitation accounted for 16% of the annual precipitation with the periods of 2 years and 9 years，and it had many sudden change points.The winter precipitation only accounted for 3%，exhibiting a slow increasing trend with multiple sudden change points，and the oscillations periods were 2 years and quasi 6 years.

Key words ? ?precipitation;EEMD analysis;Mann-Kendall sudden change analysis;Chengdu Sichuan;1961-2017

降水對水資源的有效利用、農業(yè)生產發(fā)展、社會經濟發(fā)展、防災減災等具有重要影響[1]。研究區(qū)域降水量變化特征，對于分析全球氣候變化背景下的水資源評估和氣候預測等氣象工作具有非常重要的意義[2]。在全球氣溫上升的背景下，北半球中緯度極端降水事件有逐漸增強的趨勢[3]。研究表明，我國降水量變化特征具有區(qū)域性，西南部分地區(qū)降水量呈減少的趨勢，而西北地區(qū)降水量增長趨勢較為明顯[4-5]。常懷勇等[6]利用M-K和Hurst指數(shù)等方法得出全球中低緯地區(qū)的夏季降水量年際變化較大;王艷姣等[7]對中國降水進行分區(qū)，指出我國西南各地降水受地形、季風等因素的影響，階段性特征明顯;胡豪然等[8]發(fā)現(xiàn)四川盆地汛期發(fā)生極端降水事件的趨勢為從西向東遞減。

成都市位于成都平原中部，屬于亞熱帶季風濕潤性氣候，年降水量在607～1 393 mm之間，降水季節(jié)分配不均勻，主要集中在7—8月，降水量最少月份為12月和1月。暴雨期普遍出現(xiàn)在5—9月，常年暴雨的始、終期分別在6月末和8月下旬[9]。成都平原是我國重要的糧食產地，降水變化對農作物生長、產量影響較大。

目前，部分學者已對成都市的氣候變化有了一定的研究[10-11]，主要集中在成都市降水量的變化趨勢、突變特征和變化周期等方面，但對降水量不同尺度周期振蕩的變化過程研究較少，同時缺乏對成都市四季降水變化特征的深入研究;在研究方法上，對周期分析多采用小波分析，但是小波分析沒有自適應性，需要人為設定基函數(shù)，這對分析結果會產生一定影響。因此，本文選用自適應性較強的EEMD方法，該方法是目前提取信號變化趨勢的最新方法之一。本文選取1961—2017年成都市月降水量資料，對成都市近57年降水量的年際和季節(jié)變化特征進行分析研究，這對成都市水資源檢測、短期降水預測以及采取有效措施應對降水變化具有重要意義。

1 ? ?數(shù)據(jù)與方法

1.1 ? ?數(shù)據(jù)來源

本文選用1961—2017年成都市的月降水量數(shù)據(jù)，數(shù)據(jù)來源于國家氣象局和國家氣象數(shù)據(jù)共享網，年降水量由各月降水量累計而得。數(shù)據(jù)根據(jù)《全國地面氣候資料統(tǒng)計方法》及《地面氣象觀測規(guī)范》有關規(guī)定進行整編統(tǒng)計而得，通過均一性檢驗和質量控制。季節(jié)劃分：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至翌年2月）。

1.2 ? ?線性回歸分析

線性回歸分析是目前水文統(tǒng)計學中較為常用的方法[12]，運用最小二乘函數(shù)在自變量x和因變量y之間建立一元線性回歸模型，即y=bx+a，用于定量分析降水量的線性變化趨勢。其中y為降水量，x為時間（本文為1961—2017年），b表示氣候傾向率，10×b則為降水量每10年的氣候傾向率。

1.3 ? ?Mann-Kendall突變分析

Mann-Kendall簡稱M-K法，是一種非參數(shù)統(tǒng)計檢驗的方法。用M-K法進行分析，不需要樣本遵從一定的分布，也不受到少數(shù)異常值的干擾，且計算簡單。因此，M-K非參數(shù)統(tǒng)計檢驗方法適用于研究水文、氣象等非正態(tài)分布數(shù)據(jù)的長期變化趨勢和突變情況[13]。

序列x1，x2，x3…xn 計算出的統(tǒng)計量序列UF為標準正態(tài)分布。給定顯著性水平α，若|UF|>Uα表明序列存在明顯的趨勢變化。將時間序列按逆序排列，重復上式計算，同時滿足k=n，n-1，…1，UB1=0，得到序列UB。繪制UF、UB曲線，分析UF和UB曲線隨時間序列x的變化趨勢，UF>0，表示序列呈上升趨勢;若UF<0，則表示序列呈下降趨勢;若2條曲線在臨界直線之間出現(xiàn)交點，那么交點對應的時間則可能是出現(xiàn)突變的時間。

1.4 ? ?EEMD周期分析

集合經驗模態(tài)分解（EEMD）方法是由Wu和Huang[14]提出的一種新的時間序列信號處理方法，該方法是對經驗模態(tài)分解（EMD）的改進發(fā)展，彌補了EMD邊緣效應和尺度混合的問題。EEMD方法能夠將原始信號中不同尺度的波動和變化趨勢（本征模函數(shù)IMF）提取出來，具有較好的自適應性和局部變化特征，非常適用于處理非平穩(wěn)、非線性的時間序列，是目前提取信號變化趨勢的主要方法，逐漸被用于氣候變化的多尺度分析中[15-16]。而傳統(tǒng)小波分析由于在分辨率上存在不清晰，需要人為設定相應的基函數(shù)，自適性較弱，且在信號分析中可能出現(xiàn)假的波動尺度[17]。

2 ? ?結果與分析

2.1 ? ?降水量變化線性分析

1961—2017年成都市年降水量變化見圖1（a），近57年成都市平均年降水量為892.6 mm，年降水量的峰值出現(xiàn)在1961年，為1 393 mm;2012年為最低值（607 mm）。近57年成都市年降水量以1.44 mm/a的趨勢下降，通過F檢驗，結果表明其下降趨勢不顯著。這與馬振峰等[18]得出的四川地區(qū)年降水量呈下降趨勢結果一致。由圖1（b）可看出，5年滑動平均值曲線表明近57年成都市年降水量整體波動較小，但降水距平值顯示個別年份降水量變化較大。

從成都市降水量年代際變化可以看出，各年代降水量波動較大，總體上呈現(xiàn)出“W”型的變化趨勢，其中20世紀60年代降水量最多（955.7 mm），距平值為63.1 mm;最低降水量（811.8 mm）出現(xiàn)在20世紀90年代，距平值低至-80.8 mm。20世紀60—70年代降水量為減少趨勢，10年間減少66.4 mm;70—80年代降水量增加42.8 mm;80—90年代降水量大幅度下降，10年間減少120.3 mm;2001—2017年，降水量逐漸增加，17年間增加141.5 mm，增加傾向率為83.2 mm/10 a（表1）。

表2為成都市近57年降水量季節(jié)分配，春、夏、秋季降水量均呈不同程度的下降趨勢，冬季為上升趨勢。降水量在季節(jié)分配上不平衡，主要集中在夏、秋季，累計降水量超過年降水量的80%，夏季降水量占年降水量的61%，為主要糧食作物水稻的生長提供了良好的水分條件;秋季降水量占年降水量的20%，僅次于夏季，其具有降水持續(xù)天數(shù)多、降雨量大、雨水下滲能力強等特點[11]。春季降水量占年降水量的16%，能為春季農作物的拔苗提供比較充足的水源[19]。冬季平均降水量為24.3 mm，僅占年降水量的3%，1980年達到最低值，僅有8 mm，冬季降水量嚴重偏少時容易誘發(fā)春旱，但冬季降水量呈現(xiàn)出緩慢增加的趨勢，增加的傾向率為0.5 mm/10 a，這可能有利于冬季作物的生長[20]。

成都市冬季降水量分量及趨勢項（圖8）與周期分析結果（表7）顯示，冬季降水量各分量中C1和C2與原始序列在0.01水平上達到極顯著相關。C1振幅經歷了“減小-增大”3個循環(huán)，代表2年的周期。C2周期為準6年，在70年代振幅較小，其余時段振幅較大。C3和C4代表冬季降水量在年代尺度上的震蕩，周期分別為14年和準29年，C3曲線表現(xiàn)出4個正負交替的變化，分量C4表示冬季降水量大致經歷了“少-多”的變化過程。從趨勢項可以看出，在1985年之前，成都市冬季降水量呈現(xiàn)逐漸增加的趨勢;1985年后，降水量呈現(xiàn)逐漸減少的趨勢。冬季降水量各分量中C1和C2與原始序列在0.01水平上達到極顯著相關，由方差貢獻率可知，C1和C2的方差貢獻率累計超過80%，表明成都市冬季降水量變化周期以2年和準6年的年際變化為主。

3 ? ?結論

（1）從回歸分析看，在年代際特征上，近57年成都市的年降水量整體呈小幅下降的趨勢，這與四川盆地年降水量減少的趨勢相符合，各年代降水量大致呈“W”型的變化趨勢。在季節(jié)特征上，降水主要集中在夏、秋季，累計超過全年降水量的80%;冬季降水量最少，僅占全年降水量的3%，冬季降水量整體呈逐漸上升的趨勢，而其他各季降水量均呈緩慢下降的趨勢。

（2）降水量的突變分析結果表明，成都市年降水量在1961—2017年間沒有發(fā)生突變。春季降水量存在多個突變點，1990年之前呈現(xiàn)出“減少-增多”不斷交替的現(xiàn)象，1990年之后降水量逐漸減少。夏季降水量沒有發(fā)生突變，在整個時間尺度上為下降趨勢。秋季降水量存在2個突變點，分別為1962年和1970年，1962年表現(xiàn)為增加趨勢，1970年表現(xiàn)為下降趨勢。冬季降水量出現(xiàn)多個突變點，振蕩劇烈，在1974年后逐漸增加，這有利于冬季作物和越冬農作物的生長發(fā)育。

（3）EEMD周期分析結果顯示，成都市全年與季節(jié)的降水量均受年際尺度的振蕩影響，但具體周期存在差異，年降水量的主導周期為3年和5年，春季降水量包含2年和9年的周期，夏季降水量為2年和7年周期，秋季降水量包含準3年和11年的周期，冬季降水量為2年和準6年周期。全年與夏季降水量都存在先減少后增加的趨勢，但發(fā)生轉變的時間不同，年降水量以2001年為界，夏季降水量以1985年為界。春季降水量在整個時間尺度上呈下降趨勢，21世紀以來秋季降水量呈增加趨勢，冬季降水量經歷了“先增加后減少”的變化過程。

4 ? ?參考文獻

[1] ASHIQ M W，ZHAO C，NI J，et al.GIS-based high-resolution spatial interpolation of precipitation in mountain-plain areas of Upper Pakistan for regional climate change impact studies[J].Theoretical and Applied Climatology，2010，99（3-4）：239-253.

[2] 王曉霞，徐宗學，阮本清.天津市降水量變化趨勢的時空分布特征[J].干旱區(qū)資源與環(huán)境，2008（9）：92-96.

[3] 翟盤茂，王萃萃，李威.極端降水事件變化的觀測研究[J].氣候變化研究進展，2007（3）：144-148.

[4] 方修琦，張學珍，戴玉娟，等.1951—2005年中國大陸冬季溫度變化過程的區(qū)域差異[J].地理科學，2010，30（4）：571-576.

[5] 趙宗慈，王紹武，羅勇.IPCC成立以來對溫度升高的評估與預估[J].氣候變化研究進展，2007（3）：183-184.

[6] 常遠勇，侯西勇，毋亭，等.1998—2010年全球中低緯度降水時空特征分析[J].水科學進展，2012，23（4）：475-484.

[7] 王艷姣，閆峰.1960—2010年中國降水區(qū)域分異及年代際變化特征[J].地理科學進展，2014，33（10）：1354-1363.

[8] 胡豪然，毛曉亮，梁玲.近50年四川盆地汛期極端降水事件的時空演變[J].地理學報，2009，64（3）：278-288.

[9] 熊娜娜，謝世友.成都市水資源生態(tài)足跡及承載力時空演變研究[J].西南大學學報（自然科學版），2018，40（6）：124-131.

[10] 王若男，馬林，王瑩，等.成都地區(qū)1951—2010年降水年變化分析[J].安徽農學通報，2015，21（18）：146-147.

[11] 李昕翼，肖國杰，白愛娟，等.成都地區(qū)降水時空分布變化[J].氣象科技，2011，39（4）：417-422.

[12] 張潔，楊慶，趙杰.基于灰色系統(tǒng)與線性回歸方法的水質預測[J].城市地質，2015，10（4）：67-71.

[13] 符淙斌，王強.氣候突變的定義和檢測方法[J].大氣科學，1992（4）：482-493.

[14] WU ZH，HUANG NE.Ensemble Empirical Mode Decomposition：A Noise-assisted Data Analysis Method[J].Advances Data Analysis，2009，1（1）：1-41.

[15] 段麗瑤，丁一匯，任雨.1921—2010年天津氣溫和降水量序列的多尺度分析[J].氣候與環(huán)境研究，2014，19（4）：515-522.

[16] 柏玲，陳忠升，趙本福.集合經驗模態(tài)分解在長江中下游梅雨變化多尺度分析中的應用[J].長江流域資源與環(huán)境，2015，24（3）：482-488.

[17] ALEXANDROV T.A Method of Trend Extraction Using Singular Spect-rum Analysis[J].Reevetat Statisitical Journal，2009.

[18] 馬振鋒，彭駿，高文良，等.近40年西南地區(qū)的氣候變化事實[J].高原氣象，2006（4）：633-642.

[19] 黃億，王靖，赫迪，等.氣候變暖下西南春玉米生長季不利氣象條件的時空演變[J].資源科學，2017，39（9）：1753-1764.

[20] 姜珊，于秀芹，李來民，等.1980—2010年煙臺市降水變化規(guī)律及時空分布特征分析[J].現(xiàn)代農業(yè)科技，2014（3）：263-265.