1969—2017 年拉薩強(qiáng)降水日數(shù)變化特征*

多典洛珠 丁真貢嘎 拉巴 潘多 邊瑪羅布

（1.西藏自治區(qū)氣象臺(tái)；2.西藏拉薩市氣象局，西藏 拉薩 850000）

近年來，我國極端天氣氣候事件頻發(fā)，臺(tái)風(fēng)、暴雨、高溫、干旱、風(fēng)雹、雪災(zāi)等氣象災(zāi)害給人民生命財(cái)產(chǎn)安全和經(jīng)濟(jì)社會(huì)運(yùn)行帶來嚴(yán)重影響。

極端降水事件已逐漸成為國內(nèi)專家學(xué)者研究的熱點(diǎn)議題［1-4］。楊金虎等［2］針對(duì)中國西北近45a汛期極端降水事件的發(fā)生頻次和分布特征進(jìn)行了統(tǒng)計(jì)分析；張楠楠等［3］對(duì)寧夏中雨以上降水過程氣候特征進(jìn)行了研究，發(fā)現(xiàn)隨著地勢的差異，寧夏中雨及以上降水事件自北向南逐漸遞增；鄒立堯等［4］研究得出近60a 三江平原夏季強(qiáng)降水日數(shù)總體呈增多趨勢，其中最多年比最少年偏多8.6d；吳丹等［5］通過閾值分析法將江淮流域不同測站汛期極端強(qiáng)降水事件進(jìn)行統(tǒng)計(jì)分析，并定義了每個(gè)測站相應(yīng)的閾值。

極端降水事件不僅會(huì)直接對(duì)社會(huì)、環(huán)境造成重要影響，持續(xù)性強(qiáng)降水事件還會(huì)致使洪澇災(zāi)害的發(fā)生［6］。在全球變暖氣候大背景下［7,8］，西藏地區(qū)大部分極端降水指數(shù)呈現(xiàn)不顯著的增加趨勢［9］。西藏作為青藏高原的主體，本身地質(zhì)環(huán)境脆弱，地形結(jié)構(gòu)復(fù)雜多樣，氣象災(zāi)害多發(fā)易發(fā)。首府城市拉薩又是人口相對(duì)密集的地區(qū)，氣象災(zāi)害給人民生命和財(cái)產(chǎn)安全造成的影響更大。通過分析2019—2021 年氣象資料，拉薩市范圍近90 余氣象觀測站共出現(xiàn)378 站次24h 降水量≥25mm，其中2站次24h降水量≥50mm。不僅如此，受城市特殊下墊面的影響，午后到傍晚時(shí)分更容易出現(xiàn)中小尺度的強(qiáng)對(duì)流天氣，根據(jù)統(tǒng)計(jì)有314 個(gè)站次1h降水量≥10mm，其中22 站次1h 降水量≥20mm。極端性天氣的頻繁出現(xiàn)使氣象災(zāi)害發(fā)生的突發(fā)性、極端性和不可預(yù)見性隨之加強(qiáng)。因此，研究拉薩地區(qū)的強(qiáng)降水天氣氣候特征及其影響因子，有利于進(jìn)一步揭示河谷地區(qū)天氣氣候特征，為該地區(qū)極端天氣的預(yù)測和防范提供可參考依據(jù)。

近年來，針對(duì)拉薩地區(qū)強(qiáng)降水的研究也有很多，但是大多僅限于一兩次天氣個(gè)例的分析［10,11］，對(duì)強(qiáng)降水的長期變化及其成因分析較少。本文基于拉薩近49a（1969—2017）汛期降水資料，首先采用百分位法分析了拉薩強(qiáng)降水閾值，其次利用趨勢系數(shù)、滑動(dòng)t 檢驗(yàn)和累積距平曲線以及Morlet 小波分析法對(duì)拉薩強(qiáng)降水的氣候特征進(jìn)行診斷分析，最后結(jié)合相關(guān)性分析進(jìn)一步研究了拉薩強(qiáng)降水變化可能的影響因子。

1 資料與方法

1.1 資料

選取1969—2017 年拉薩站汛期（5—9 月）20:00至次日20:00 累積降水量分析了拉薩強(qiáng)降水日數(shù)的長期變化，利用日最高氣溫、日最低氣溫和兩個(gè)時(shí)次（08:00 和20:00）探空資料分析了拉薩強(qiáng)降水日數(shù)變化可能的影響因子。

1.2 強(qiáng)降水日

按照中國氣象局降水等級(jí)劃分標(biāo)準(zhǔn)，將日降水量超過50mm 的降水事件，稱為暴雨；日降水量超過25mm 的則視為大雨［12］。然而，對(duì)于不同地區(qū)來說，出現(xiàn)的降水概率、強(qiáng)度和造成的影響等存在很大的差異，在高原地區(qū)，受復(fù)雜地形和區(qū)域特殊天氣氣候的影響，完全用全國統(tǒng)一的日降水量來簡單定義當(dāng)?shù)氐臉O端降水事件是不合理的，需要根據(jù)當(dāng)?shù)氐膶?shí)際情況，因地制宜，研究出適合本地的強(qiáng)降水閾值。本文采用逐年日降水序列的第90 個(gè)百分位值作為強(qiáng)降水閾值［13］，根據(jù)計(jì)算得出拉薩近49a 強(qiáng)降水閾值為14.2mm，日降水量（R24）≥14.2mm 時(shí)定義為一次強(qiáng)降水日。

1.3 整層大氣水汽含量和穩(wěn)定度k 指數(shù)計(jì)算方法

1.3.1 整層大氣水汽含量。一般情況下，在探空觀測資料中，用溫度露點(diǎn)差來表示各層高度上的濕度量。因此，要計(jì)算整層水汽含量［14］首先要通過溫度露點(diǎn)差來確定各層的水汽壓值。

式（1）中：a 和b 均代表常數(shù)，在水面飽和情況下a=17.26，b=35.86;在冰面飽和情況下取a=21.87,b=7.66,再通過水汽壓值e 計(jì)算出比濕q:

式（2）中：e 表示水汽壓，p 表示氣壓。最后利用比濕計(jì)算整層水汽含量的公式如下：

式（3）中，q 為比濕（g/kg）,Ps 為地面氣壓（hPa），Pz 為積分上限，取200hPa。

1.3.2 K 指數(shù)。K 指數(shù)［15］可以反映大氣的層結(jié)穩(wěn)定情況。K 指數(shù)越大（越?。?，層結(jié)越不穩(wěn)定（穩(wěn)定）。

式（4）中，T500 和T300 分別代表500hPa 和300hPa 的溫度，Td500 代表500hPa 露點(diǎn)，(T-Td)400代表400hPa 溫度露點(diǎn)差，K 指數(shù)計(jì)算式中第一項(xiàng)表示溫度直減率，第二項(xiàng)表示低層水汽條件，第三項(xiàng)表示中層飽和程度。

1.4 分析方法

首先建立強(qiáng)降水日數(shù)序列與時(shí)間序列之間的一元線性回歸方程：

式（5）中，y 為強(qiáng)降水日數(shù)，x 為時(shí)間序列，a為線性傾向率，當(dāng)a ＞0（＜0）表示近49a 強(qiáng)降水日數(shù)有上升（下降）趨勢，該方法主要用來評(píng)估強(qiáng)降水日數(shù)的長期變化趨勢，之后分別采用累積距平曲線和Morlet 小波方法［16］分析了強(qiáng)降水日數(shù)的氣候突變特征和周期變化，最后通過相關(guān)性分析討論了強(qiáng)降水日數(shù)與其他氣象要素之間的相互關(guān)系。

2 強(qiáng)降水日數(shù)變化趨勢

2.1 長期趨勢變化特征

為進(jìn)一步分析拉薩強(qiáng)降水日數(shù)的長期變化特征，圖1 給出了拉薩汛期強(qiáng)降水日數(shù)年際變化趨勢，1969—2017 年強(qiáng)降水日數(shù)總體上呈增多趨勢，其氣候傾向率為0.6d/10a，通過了0.05 的顯著性檢驗(yàn)，表明強(qiáng)降水日數(shù)顯著增多。其中，峰值出現(xiàn)在2014 年，共計(jì)17d；次峰值則分別出現(xiàn)于1995 年和2016 年，均為13d。近49a 強(qiáng)降水日數(shù)最少的年份為1992 年，只有2d；而次少的則為1975 年和1981 年，均為3d。同時(shí)，強(qiáng)降水日數(shù)年際變化幅度較大，最多年與最少年相差15d。

圖1 1969—2017 年拉薩強(qiáng)降水日數(shù)變化特征

根據(jù)5 階多項(xiàng)式擬合，可以看出，拉薩市強(qiáng)降水日數(shù)以波動(dòng)的形式逐漸增多，20 世紀(jì)60 年代到70年代間呈遞減趨勢，此后整體為上升趨勢，轉(zhuǎn)折期在1980 年左右，特別是20 世紀(jì)90 年代和21 世紀(jì)10年代初經(jīng)歷了頻繁出現(xiàn)強(qiáng)降水天氣時(shí)期。

2.2 突變分析

為進(jìn)一步分析強(qiáng)降水日數(shù)的多年序列是否存在氣候突變，圖2 給出了1969—2017 年強(qiáng)降水日數(shù)的標(biāo)準(zhǔn)化距平序列的10a 滑動(dòng)t 檢驗(yàn)和累積距平曲線，發(fā)現(xiàn)1989 年和1992 年分別為滑動(dòng)t 統(tǒng)計(jì)量最小值和次小值，并且通過了0.05 顯著性檢驗(yàn)，即1989 年前后強(qiáng)降水日數(shù)距平值出現(xiàn)了明顯的差異。從累積距平曲線的變化趨勢可以得出：在1989 年前，降水日數(shù)距平表現(xiàn)為持續(xù)的下降趨勢，以負(fù)距平為主，1989 年以后，降水日數(shù)距平表現(xiàn)為上升趨勢，以正距平為主。說明1989 年前后降水日數(shù)變化趨勢出現(xiàn)了明顯的轉(zhuǎn)折。

圖2 1969—2017 年拉薩強(qiáng)降水日數(shù)標(biāo)準(zhǔn)化距平10a滑動(dòng)t 檢驗(yàn)及累積距平曲線

2.3 周期分析

小波變換具有多分辨率特點(diǎn)，能自動(dòng)適應(yīng)時(shí)頻信號(hào)分析的要求，從而可聚焦到信號(hào)的任意細(xì)節(jié)，能夠有效提取氣候序列在各種尺度擾動(dòng)的周期變化。

圖3 繪制了拉薩市近49a 強(qiáng)降水日數(shù)Morlet 小波分析，左圖為周期變化，右圖為小波功率譜，倒錐形為影響錐，網(wǎng)格線區(qū)域代表邊緣區(qū)域，該區(qū)域周期變化具有一定的不確定性，對(duì)應(yīng)右側(cè)功率譜，當(dāng)功率越大時(shí)等值線越密集。

圖3 1969—2017 年拉薩強(qiáng)降水日數(shù)小波分析

可以看出拉薩強(qiáng)降水日數(shù)存在準(zhǔn)3a 和4a～6a 尺度的年際變化周期，其中主周期為3a，同時(shí)還存在4a～6a 的次周期。

3 強(qiáng)降水日數(shù)增多可能的影響因子

3.1 與大氣水汽含量的相互關(guān)系

從產(chǎn)生降水的基本成因分析，降水形成的首要條件是水汽由源地輸送到降水地區(qū)，水汽是大氣中活躍多變的氣象因子，水汽條件的差異直接影響到是否發(fā)生降水，更是決定降水強(qiáng)度的根本因素。拉薩地區(qū)地處雅魯藏布江河谷地區(qū)，降水日變化特征非常明顯，從多年平均降水強(qiáng)度日變化上看，一般存在兩個(gè)峰值，第一個(gè)峰值出現(xiàn)在午后，第二個(gè)峰值出現(xiàn)在夜間［17］，因此選取拉薩站08 時(shí)（北京時(shí)，下同）探空觀測數(shù)據(jù)和20 時(shí)探空觀測數(shù)據(jù)，分別計(jì)算出汛期逐日大氣整層水汽含量并進(jìn)行算數(shù)平均，從而得到逐年汛期平均整層水汽含量。將整層水汽含量序列與強(qiáng)降水日數(shù)序列進(jìn)行相關(guān)性分析。

由于1979—2014 年期間探空觀測資料缺測率相對(duì)較少，本文選取該時(shí)段探空資料與汛期拉薩強(qiáng)降水日數(shù)進(jìn)行對(duì)比分析，圖4 給出了降水日數(shù)與汛期降水出現(xiàn)日平均08 時(shí)和20 時(shí)整層水汽含量之間的時(shí)序圖，可以看出強(qiáng)降水日數(shù)和水汽含量之間的變化趨勢基本一致，通過相關(guān)性分析發(fā)現(xiàn)強(qiáng)降水日數(shù)與兩個(gè)時(shí)次的整層水汽含量之間呈現(xiàn)正相關(guān)，相關(guān)系數(shù)分別達(dá)到了0.42 和0.41，均通過了0.01 的顯著性檢驗(yàn)。說明，拉薩的強(qiáng)降水日數(shù)分別與08 時(shí)和20 時(shí)大氣整層水汽含量之間有較好的相關(guān)性，當(dāng)汛期平均整層水汽含量高（低）時(shí)強(qiáng)降水日數(shù)多（少）。

圖4 1979—2014 年拉薩強(qiáng)降水日數(shù)分別與汛期降水日08 時(shí)（a）和20 時(shí)（b）整層水汽含量之間的相關(guān)性

3.2 與大氣穩(wěn)定度K 指數(shù)的關(guān)系

一般情況下,形成暴雨的三個(gè)主要條件分別為充足的水汽條件、較強(qiáng)的垂直上升運(yùn)動(dòng)和大氣層結(jié)不穩(wěn)定條件。K 指數(shù)往往可以較好的反映大氣的層結(jié)穩(wěn)定度。與3.1 節(jié)中的統(tǒng)計(jì)方法一樣，利用拉薩站汛期降水出現(xiàn)日08 時(shí)和20 時(shí)的探空資料計(jì)算了逐日k 指數(shù)，通過算數(shù)平均得到汛期平均K 指數(shù)序列。根據(jù)相關(guān)性分析結(jié)果（圖5），拉薩強(qiáng)降水日數(shù)與K 指數(shù)呈現(xiàn)正相關(guān)關(guān)系，當(dāng)K 指數(shù)越大（?。r(shí)大氣層結(jié)越不穩(wěn)定（穩(wěn)定），強(qiáng)降水日數(shù)越多（少），對(duì)比來看，強(qiáng)降水日數(shù)與20 時(shí)K 指數(shù)之間的相關(guān)系數(shù)大于08 時(shí)K 指數(shù)，通過了0.05 的顯著水平。說明強(qiáng)降水日數(shù)和下午的不穩(wěn)定條件之間的關(guān)系更加密切，這可能與拉薩地區(qū)午后易出現(xiàn)對(duì)流性天氣有關(guān)。

圖5 1979—2014 年拉薩強(qiáng)降水日數(shù)分別與汛期降水日08 時(shí)（a）和20 時(shí)（b）平均k 指數(shù)之間的相關(guān)性

3.3 與地面氣溫之間的關(guān)系

降水和氣溫之間的關(guān)系也十分密切，當(dāng)白天有天氣系統(tǒng)過境時(shí)，天空云量往往較多，此時(shí)最高氣溫往往偏低；而夜間有天氣系統(tǒng)過境時(shí)，天空云量較多，云層保溫效應(yīng)明顯，易造成最低氣溫上升。

分析拉薩強(qiáng)降水日數(shù)與地面氣溫的相關(guān)性，表1給出了近49a 汛期降水出現(xiàn)日平均最低氣溫、最高氣溫和氣溫日較差與強(qiáng)降水日數(shù)之間的相關(guān)系數(shù)?？梢钥闯觯瑥?qiáng)降水日數(shù)與日最低氣溫關(guān)系密切呈現(xiàn)正相關(guān)，通過了0.05 的顯著水平。拉薩地區(qū)降水主要集中在夜間，平均夜雨率達(dá)到了75%［18］，而日最低氣溫一般出現(xiàn)在清晨06:00～08:00 時(shí)之間，因此，當(dāng)有降水天氣系統(tǒng)過境時(shí)，在云層的保溫效應(yīng)和潛熱釋放的雙重作用下，日最低氣溫往往偏高。

表1 汛期強(qiáng)降水日數(shù)與降水日平均地面氣溫之間的相關(guān)性

此外，強(qiáng)降水日數(shù)與氣溫日較差呈現(xiàn)反相關(guān)關(guān)系，相關(guān)系數(shù)達(dá)到了-0.34，通過了0.01 的顯著水平。由于氣溫日較差是一天中最高氣溫和最低氣溫的差值，再次說明，降水天氣系統(tǒng)過境時(shí)高溫偏低、低溫偏高，易造成氣溫日較差偏小，因此，強(qiáng)降水日數(shù)越多時(shí)，平均氣溫日較差越小。

4 小結(jié)

本文首先利用1969—2017 年拉薩站汛期地面和探空觀測資料，分析了拉薩地區(qū)近49a 強(qiáng)降水日數(shù)的長期變化趨勢、突變特征和周期變化，其次分析了強(qiáng)降水日數(shù)與其他氣象要素之間的相互關(guān)系，得到如下主要結(jié)論：

（1）拉薩近49a 強(qiáng)降水日數(shù)呈現(xiàn)顯著的增多趨勢（增多率為0.6d/10a），強(qiáng)降水日數(shù)最多的年份出現(xiàn)在2014 年，達(dá)到了17d，強(qiáng)降水日數(shù)最少的年份為1992 年，只有2d；在19 世紀(jì)80 年代強(qiáng)降水日數(shù)出現(xiàn)了由少到多的突變，突變年為1989 年；強(qiáng)降水日數(shù)在近49a 存在準(zhǔn)3a 的主周期和4a～6a 的次周期。

（2）強(qiáng)降水日數(shù)與大氣整層水汽含量呈現(xiàn)正相關(guān)關(guān)系，與08 時(shí)和20 時(shí)整層水汽含量的相關(guān)系數(shù)分別達(dá)到了0.42 和0.41 均通過了0.01 的顯著水平，強(qiáng)降水日數(shù)與K 指數(shù)也呈現(xiàn)正相關(guān)關(guān)系，其中與20 時(shí)K 指數(shù)之間的相關(guān)系數(shù)高于08 時(shí)，通過了0.05 的顯著水平。

（3）強(qiáng)降水日數(shù)與地面日最低氣溫呈現(xiàn)顯著的正相關(guān)關(guān)系，與氣溫日較差呈現(xiàn)顯著的負(fù)相關(guān)關(guān)系，與地面最高氣溫相關(guān)性不明顯；當(dāng)強(qiáng)降水日數(shù)越多（越少）時(shí)日最低氣溫越高（低）而平均氣溫日較差越?。ù螅?。