揚(yáng)州地區(qū)極端降水指標(biāo)變化特征研究

朱夢(mèng)妍 吳灝 馬夢(mèng)瑤 劉妍

摘要：極端降水是產(chǎn)生洪澇災(zāi)害的首要原因之一，對(duì)農(nóng)業(yè)生產(chǎn)有著重要影響。本研究使用揚(yáng)州地區(qū)日降水?dāng)?shù)據(jù)，研究了極端降水指標(biāo)的年內(nèi)、年際及周期性變化特征，探討了降水頻率及降水強(qiáng)度對(duì)總降水的影響，發(fā)現(xiàn)：在年內(nèi)，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕期、強(qiáng)降水量和特強(qiáng)降水量均呈現(xiàn)先增加后減小的趨勢(shì);持續(xù)干期表現(xiàn)為先減小后增加的趨勢(shì)。在年尺度上，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì);持續(xù)干期和持續(xù)濕期均呈現(xiàn)減小的趨勢(shì)。一日暴雨存在3.8年的顯著變化周期，三日暴雨、五日暴雨存在4年的顯著變化周期，中雨日數(shù)、總降水量存在5.7年的顯著變化周期，大雨日數(shù)、暴雨日數(shù)分別存在5.9年和5.8年的顯著變化周期。降水頻率變化對(duì)總降水量貢獻(xiàn)均大于降水強(qiáng)度。研究結(jié)果可為揚(yáng)州地區(qū)灌溉排水規(guī)劃及防災(zāi)減災(zāi)提供參考依據(jù)。

關(guān)鍵詞：極端降水指標(biāo)? 小波分析? 變化趨勢(shì)? 揚(yáng)州地區(qū)

Variation Characteristics of Extreme Precipitation Events of Yangzhou

ZHU Mengyan ?WU Hao ?MA Mengyao ?LIU Yan

（College of Hydraulic Science and Engineering， Yangzhou University， Yangzhou， Jiangsu Province， 225009 China）

Abstract： Extreme precipitation is an important fact that lead to flood-waterlogging disaster and has an important impact on agricultural production. Based on the daily precipitation data in Yangzhou， this study studies the intra-annual， inter-annual and periodic variation characteristics of extreme precipitation indicators， and discusses the influence of precipitation frequency and precipitation intensity on total precipitation. It is found that： RX1 day， RX3 day， RX5 day， R10， R20， R50， SDII， CWD， R95p and R99p had increased trend and CDD had decreased trend within the year. RX1 day， RX3 day， RX5 day， R10， R20， R50， SDII， R95p， R99p and PRCTOT had increased trend， and CDD and CWD had decreased trend on the inter-annual. RX1 day had a significant 3.8 year periodicity， RX3 day and RX5 day had significant 4 year periodicity， R10 and PRCTOT had 5.7 year periodicity， R20 and R50 had 5.9 and 5.8 year periodicity. The effect of precipitation frequency on total precipitation is greater than hat of precipitation intensity. These findings might provide data for irrigation and drainage planning and disaster prevention and mitigation in Yangzhou.

Key Words：Extreme precipitation indices; Wavelet analysis; Variation trend; Yangzhou

大氣中溫室氣體濃度的持續(xù)增加，導(dǎo)致全球及區(qū)域尺度的氣候變暖，對(duì)農(nóng)業(yè)生產(chǎn)及農(nóng)田水管理產(chǎn)生重大影響。地面觀測(cè)資料顯示，20世紀(jì)全球地表平均溫度增加了0.74℃，其中1950年后期上升趨勢(shì)明顯^[1];氣候模式預(yù)測(cè)表明到21世紀(jì)末，全球地表溫度將會(huì)增加0.3～4.8℃^[2]。氣溫增加將導(dǎo)致氣壓、風(fēng)速^[3]及飽和水汽壓等要素發(fā)生改變，進(jìn)而導(dǎo)致地表蒸發(fā)強(qiáng)度和大氣中平均水分含量增加^[4-5]。大氣中平均水分含量增加可能會(huì)導(dǎo)致降水強(qiáng)度及降水頻率發(fā)生改變^[6]，進(jìn)而導(dǎo)致極端降水事件的發(fā)生。極端降水會(huì)引發(fā)洪澇災(zāi)害，導(dǎo)致作物減產(chǎn)等，進(jìn)而影響自然生態(tài)系統(tǒng)和人類社會(huì)的發(fā)展^[7-8]。

揚(yáng)州地區(qū)位于長(zhǎng)江北岸、江淮平原南端，屬于亞熱帶季風(fēng)氣候，四季分明，日照充足，雨量豐沛。降水強(qiáng)度和頻率的變化將對(duì)該地區(qū)工農(nóng)業(yè)生產(chǎn)產(chǎn)生重要影響。研究極端降水頻率、強(qiáng)度和持續(xù)時(shí)間等的變化規(guī)律，對(duì)于制定科學(xué)減災(zāi)戰(zhàn)略至關(guān)重要?；诖?，本研究利用揚(yáng)州日降水?dāng)?shù)據(jù)，統(tǒng)計(jì)計(jì)算極端降水指標(biāo)，在此基礎(chǔ)上分析揚(yáng)州地區(qū)極端降水指標(biāo)年內(nèi)、年際變化及周期性變化特征，并探討不同時(shí)間尺度降水強(qiáng)度及降水頻率對(duì)總降水的影響，以期為農(nóng)田排水工程的實(shí)施及自然災(zāi)害防御等提供參考數(shù)據(jù)。

2 材料及方法

2.1數(shù)據(jù)

本文采用的氣象數(shù)據(jù)來自中國(guó)國(guó)家氣象數(shù)據(jù)共享中心（available at www. nmic.gov.cn/），時(shí)間序列為1960—2019年。通過繪制降水時(shí)間序列圖，以目視判斷的方法查詢可能存在的錯(cuò)誤數(shù)據(jù)，其中錯(cuò)誤和缺失的數(shù)據(jù)使用相一致的長(zhǎng)時(shí)間序列的均值進(jìn)行插補(bǔ)。極端降水指標(biāo)（見表1）主要包括一日暴雨、三日暴雨、五日暴雨、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、降水強(qiáng)度、持續(xù)干旱期、持續(xù)濕潤(rùn)期、強(qiáng)降水、特強(qiáng)降水、年總降水量等，使用matlab軟件編程計(jì)算得出。

2.2 方法

2.2.1 趨勢(shì)分析

線性回歸分析被廣泛應(yīng)用于水文氣象數(shù)據(jù)的時(shí)間變化趨勢(shì)分析^[9]。本研究采用線性回歸分析對(duì)年尺度極端降水指標(biāo)的變化趨勢(shì)進(jìn)行分析。計(jì)算公式為：

y = ax + b? ? ?（1）

式中，a 為線性趨勢(shì)項(xiàng)，即趨勢(shì)系數(shù);b為常數(shù)項(xiàng)。趨勢(shì)系數(shù)為正（負(fù)）表示極端降水指標(biāo)在所統(tǒng)計(jì)的時(shí)間內(nèi)具有線性增加（減少）的變化趨勢(shì)。再利用t檢驗(yàn)對(duì)其線性變化趨勢(shì)進(jìn)行置信度水平檢驗(yàn)。若趨勢(shì)系數(shù)通過置信度較高的顯著性檢驗(yàn)，則變化趨勢(shì)顯著。

2.2.2 小波分析

小波分析（ wavelet analysis） 能夠解析和推斷氣象及水文時(shí)間序列中存在的周期性的變化特征^[10-14]。使用 Morlet小波分析極端降水指標(biāo)的周期性變化特征。對(duì)于時(shí)間序列，小波變換為：

式中，a為尺度因子，反映小波的周期長(zhǎng)度;b為平移因子，反映時(shí)間上的平移。對(duì)于給定的能量有限信號(hào)，離散小波變換形式為：

通過對(duì)小波方差進(jìn)行計(jì)算可以實(shí)現(xiàn)對(duì)時(shí)間序列主周期數(shù)值的確定，其中該數(shù)據(jù)的積分形式可以通過下式表示^[10]：

2.2.3 降水強(qiáng)度及降水頻率對(duì)總降水影響分析

總降水量在一定時(shí)期內(nèi)的變化是由降水頻率和強(qiáng)度的變化引起的。本研究基于多元線性回歸的方法來檢驗(yàn)降水強(qiáng)度及降水頻率對(duì)總降水的重要性^[15-17]。計(jì)算公式為：

PRCPTOT = aCWD + bSDII + c? ? （5）

式中，PRCPTOT為不同時(shí)間尺度總降水量（mm），CWD為降水頻率 （d），SDII為降水強(qiáng)度 （mm），a、b、c為回歸系數(shù)。

在總降水量變化中，降水頻率和強(qiáng)度變化貢獻(xiàn)計(jì)算公式為：

SCWD = aσCWD? ? （6）

SSDII = bσSDII? ? （7）

式中，S_CWD和S_SDII分別為總降水量中，降水頻率和降水強(qiáng)度的貢獻(xiàn);σ_CWD和σ_SDII分別為降水頻率和降水強(qiáng)度標(biāo)準(zhǔn)差。

3. 結(jié)果

3.1 極端降水指標(biāo)年內(nèi)變化特征

揚(yáng)州地區(qū)極端降水指標(biāo)年內(nèi)變化如圖1所示。在月尺度上，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕期、強(qiáng)降水量和特強(qiáng)降水量均呈現(xiàn)先增加后減小的趨勢(shì)。其中，最大值均出現(xiàn)在7月，分別為70.4mm、98.8mm、117.6mm、5.5d、3.4d、2.8d、15.7mm/d、3.7d、69.2mm及67.23mm;最小值均出現(xiàn)在12月，分別為11.5mm、16.0mm、17.7mm、0.8d、0.2d、0.1d、4.1mm/d、2.0d、10.6mm及10.6mm。對(duì)于持續(xù)干期表現(xiàn)為先減小后增加的趨勢(shì)。其中，最大值為18.1d，出現(xiàn)在12月;最小值為8.9d，出現(xiàn)在7月。

在季節(jié)尺度上，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕期、強(qiáng)降水量和特強(qiáng)降水量同樣呈現(xiàn)先增加后減小的趨勢(shì)。其中，最大值均出現(xiàn)在夏季，分別為92.9mm、127.9mm、148.5mm、13.5d、8.2d、6.7d、14.6mm/d、4.6d、115.8mm和84.7mm;最小值均出現(xiàn)在冬季，分別為19.7mm、28.7mm、34.0mm、3.0d、0.6d、0.3d、4.7mm/d、3.3d、19.4mm和18.7mm。對(duì)于持續(xù)干期表現(xiàn)為先減小后增加的趨勢(shì)。其中，最大值為27.8d，出現(xiàn)在冬季;最小值為13.9d，出現(xiàn)在夏季。

3.2 極端降水指標(biāo)年際變化特征

揚(yáng)州地區(qū)極端降水指標(biāo)年際變化如圖2所示。一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì)，增加速率分別為0.89mm/10a、4.68 mm/10a、5.19 mm/10a、0.59 d/10a、0.17d/10a、0.103 d/10a、0.108mm/d/10a、7.67 mm/10a、1.68 mm/10a和15.1 mm/10a。對(duì)于持續(xù)干期和持續(xù)濕期均呈現(xiàn)減小的趨勢(shì)，減小速率為1.47 d/10a和0.018 d/10a。

在年代際尺度上，1960s～1970s，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕潤(rùn)期、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)減小的趨勢(shì)，持續(xù)干旱期呈現(xiàn)增加的趨勢(shì)（見表2）。1970s～1980s，一日暴雨、持續(xù)干旱期和特強(qiáng)降水量及總降水量呈現(xiàn)減小的趨勢(shì)，三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕潤(rùn)期、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì)（見表2）。1980s～1990s，一日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、降水強(qiáng)度、持續(xù)干旱期、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì)，三日暴雨、五日暴雨、雨日數(shù)、持續(xù)濕潤(rùn)期呈現(xiàn)減小的趨勢(shì)（見表2）。1990s～2000s，一日暴雨、三日暴雨、大雨日數(shù)、暴雨日數(shù)、持續(xù)干旱期、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)減小的趨勢(shì)，五日暴雨、中雨日數(shù)、持續(xù)濕潤(rùn)期呈現(xiàn)增加的趨勢(shì)（見表2）。2000s～2010s，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、大雨日數(shù)、暴雨日數(shù)、持續(xù)干旱期、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì)，中雨日數(shù)、持續(xù)濕潤(rùn)期呈現(xiàn)減小的趨勢(shì)（見表2）。

3.3 極端降水指標(biāo)周期性變化特征

各極端降水指標(biāo)小波變換及小波方差如圖3所示。圖中虛線代表置信度為95%的紅噪聲檢驗(yàn)，實(shí)線為小波影響錐。研究期內(nèi)，揚(yáng)州地區(qū)極端降水指數(shù)存在不同時(shí)間尺度的年際振蕩。

一日暴雨存在3.8年的顯著變化周期;1962—1971年、1975—1992年、2000—2015年期間變化顯著，見圖3（a）、 圖4。三日暴雨、五日暴雨存在4年的顯著變化周期，見圖3（b）（c）;其中三日暴雨在1977—1996年、1999—2017年期間變化顯著，五日暴雨在1965—1969年、1981—2016年期間變化顯著，如圖4所示。中雨日數(shù)、總降水量存在5.7年的顯著變化周期，見圖3（d）（i）;其中中雨日數(shù)1965—1979年、1991—1999年間變化顯著，總降水量在1963—2003年、2012—2019年間變化顯著，如圖4所示。大雨日數(shù)、暴雨日數(shù)分別存在5.9年和5.8年顯著變化周期，見圖3（e）（f）;其中大雨日數(shù)在1961—2018年間變化顯著，暴雨日數(shù)在1960—2019年間變化顯著，如圖4所示。

3.4 降水頻率及降水強(qiáng)度對(duì)降水的影響

降水頻率及降水強(qiáng)度對(duì)不同時(shí)間尺度總降水量有重要影響，是導(dǎo)致總降水量變化的主要原因。揚(yáng)州地區(qū)降水頻率及降水強(qiáng)度對(duì)總降水量的影響如圖5、圖6所示。在月尺度上，降水頻率及降水強(qiáng)度對(duì)總降水量的貢獻(xiàn)總體上呈現(xiàn)先增加后減小的趨勢(shì)。降水頻率及對(duì)總降水量貢獻(xiàn)最大值為33.2 mm，出現(xiàn)在8月;最小值為7.2 mm，出現(xiàn)在12月。降水強(qiáng)度對(duì)總降水量貢獻(xiàn)最大值為24.9 mm，出現(xiàn)在7月;最小值為5.8mm，出現(xiàn)在10月。其中，2月、3月和7月，降水頻率及對(duì)總降水量貢獻(xiàn)小于降水強(qiáng)度及對(duì)總降水量貢獻(xiàn)，其他月份則大于降水強(qiáng)度及對(duì)總降水量貢獻(xiàn)。

在季節(jié)尺度上，降水頻率及降水強(qiáng)度對(duì)總降水量的貢獻(xiàn)同樣呈現(xiàn)先增加后減小的趨勢(shì)。降水頻率及降水強(qiáng)度對(duì)總降水量貢獻(xiàn)最大值分別為26.1mm和17.7mm，出現(xiàn)在夏季;最小值分別為9.3 mm和8.1mm，均出現(xiàn)冬季。降水頻率及對(duì)總降水量貢獻(xiàn)均大于降水強(qiáng)度及對(duì)總降水量貢獻(xiàn)。

4 結(jié)語

本文針對(duì)揚(yáng)州地區(qū)1960—2019年的降水?dāng)?shù)據(jù)，采用趨勢(shì)分析和小波分析的方法研究了不同時(shí)間尺度極端降水指標(biāo)的變化特征及周期性變化規(guī)律，在此基礎(chǔ)上探討了降水頻率及降水強(qiáng)度對(duì)降水量的影響。得到以下結(jié)論。

（1）在年內(nèi)，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、持續(xù)濕期、強(qiáng)降水量和特強(qiáng)降水量均呈現(xiàn)先增加后減小的趨勢(shì)。持續(xù)干期表現(xiàn)為先減小后增加的趨勢(shì)。在年尺度上，一日暴雨、三日暴雨、五日暴雨、降水強(qiáng)度、中雨日數(shù)、大雨日數(shù)、暴雨日數(shù)、強(qiáng)降水量、特強(qiáng)降水量及總降水量呈現(xiàn)增加的趨勢(shì)。持續(xù)干期和持續(xù)濕期均呈現(xiàn)減小的趨勢(shì)。

（2）一日暴雨存在3.8年的顯著變化周期，三日暴雨、五日暴雨存在4年的顯著變化周期，中雨日數(shù)、總降水量存在5.7年的顯著變化周期，大雨日數(shù)、暴雨日數(shù)分別存在5.9年和5.8年顯著變化周期。

（3）年內(nèi)，降水頻率及降水強(qiáng)度對(duì)總降水量的貢獻(xiàn)總體上呈現(xiàn)先增加后減小的趨勢(shì)。在月尺度上，除2月、3月和7月，降水頻率對(duì)總降水量貢獻(xiàn)大于降水強(qiáng)度及對(duì)總降水量貢獻(xiàn)。在季節(jié)尺度上，降水頻率對(duì)總降水量貢獻(xiàn)均大于降水強(qiáng)度對(duì)總降水量貢獻(xiàn)。

參考文獻(xiàn)：

FENG S， HU Q， HUANG W， et al. Projected climate regime shift under future global warming from multi-model， multi-scenario CMIP5 simulations [J]. Global and Planetary Change， 2014，112：41-52.

IPCC.Working Group I Contribution to the IPCC Fifth Assessment Report （AR5）， Climate Change 2013： The Physical Science Basis[M].Cambridge University Press， Cambridge， U K.

SENA J A， BESER DE DEUS L A， FREITAS M A V， et al.Extreme Events of Droughts and Floods in Amazonia： 2005 and 2009 [J].Water Resources Management，2012，26（6）：1665-1676.

RUSSO S， STERL A.Global changes in seasonal means and extremes of precipitation from daily climate model data [J].Journal of Geophysical Research： Atmospheres，2012，117（D1）：1-11.

SHERWOOD S， FU Q. A Drier Future？ [J].Science，2014，343（9172）：737-739.

ALLEN M R， INGRAM W J.Constraints on future changes in climate and the hydrologic cycle [J].Nature，2002，419：224-232.

袁業(yè)鵬.渭河流域極端氣象水文事件特征分析[D].西安：長(zhǎng)安大學(xué)，2021.

姚天.近60年淮河流域極端氣候事件變化特征分析 [D].濟(jì)南：濟(jì)南大學(xué)，2021.

劉 偉，王夢(mèng)雨，劉昕曄，等.1972～2017年河北省夏季降水的時(shí)空變化特征 [J].水電能源科學(xué)，2021，10 （39）：10-13.

王曉瑩，景元書，魯永新.近 40 年云南省極端降水時(shí)空變化特征分析 [J].科學(xué)技術(shù)與過程，2021，21（30）：12822-12832.

Hao Wu， Xiugui Wang， Yan Wang， et al. Temporal variations in reference evapotranspiration in Hubei Province， China， from 1960 to 2014 [J]. Theoretical and Applied Climatology， 2019， 135：433-448.

MIN XU， SHICHANG KANG， Hao WU， et al.Detection of spatio-temporal variability of air temperature and precipitation based on long-term meteorological station observations over Tianshan Mountains， Central Asia [J].Atmospheric Research，2018，203：141-163.

LING， H.B.， XU， H.L.， FU， J.Y.Temporal and spatial variation in regional climate and its impact on runoff in Xinjiang， China [J].Water Resour. Manag，2013，27：381-399.

高 瑞， 王龍， 張燕明， 等.基于SPEI的滇中季節(jié)性干旱時(shí)空特征分析 [J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，34（3）：516-521.

XIN LI， XUAN WANG， VLADAN BABOVI.Analysis of variability and trends of precipitation extremes in Singapore during 1980-2013[J].International Journal of Climatology，2018，38：125-141.

LU E， TAKLE ES， MANOJ J.The relationships between climatic and hydrological changes in the upper Mississippi River Basin： a SWAT and multi-GCM study[J].Journal of hydrometeorology，2010，11（2）：437-451.

LU E， ZENG Y， LUO Y， et al. 2014.Changes of summer precipitation in China： the dominance of frequency and intensity and linkage with changes in moisture and air temperature[J].Geophys. Res. Atmos.，2014，119（22）：12575-12587.