1957—2017 年中國(guó)不同流域土石壩潰壩事件時(shí)空演化規(guī)律

摘要： 本研究旨在分析中國(guó)不同流域土石壩潰壩事件與厄爾尼諾現(xiàn)象之間的關(guān)聯(lián)性，并探討厄爾尼諾對(duì)水庫大壩安全運(yùn)行的潛在影響?；?957—2017 年中國(guó)氣象站點(diǎn)逐日降水?dāng)?shù)據(jù)，采用合成分析和交叉小波方法，分析不同流域內(nèi)厄爾尼諾對(duì)極端降水時(shí)空分布特征的影響，進(jìn)而建立土石壩潰壩事件與厄爾尼諾現(xiàn)象之間的相關(guān)性。結(jié)果表明：九大流域內(nèi)潰壩事件與厄爾尼諾顯著相關(guān)，其中海河流域內(nèi)潰壩事件與厄爾尼諾當(dāng)年關(guān)聯(lián)性更強(qiáng)，而黃河、長(zhǎng)江和東南諸河流域的潰壩事件則更多地受到厄爾尼諾次年的影響；在相關(guān)性方面，黃河、長(zhǎng)江及海河流域的強(qiáng)降水指數(shù)與厄爾尼諾指數(shù)之間顯著負(fù)相關(guān)，且厄爾尼諾指數(shù)的變化通常超前于強(qiáng)降水事件約1 a。

關(guān)鍵詞： 潰壩事件；時(shí)空演化；極端降水；九大流域；厄爾尼諾

中圖分類號(hào)： P467 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1001-6791（ 2024） 05-0689-11

政府間氣候變化專門委員會(huì)（ IPCC） 第六次評(píng)估報(bào)告指出， 全球升溫將在2021 —2040 年達(dá)到或超過1.5 ℃[1]，氣候變暖導(dǎo)致全球和區(qū)域水循環(huán)加劇，從而增加極端降水事件發(fā)生的頻率以及強(qiáng)度[2]。隨著極端天氣事件發(fā)生頻度和強(qiáng)度的增加，中國(guó)水庫大壩安全運(yùn)行的保障面臨嚴(yán)峻挑戰(zhàn)。目前，中國(guó)在氣候變化對(duì)水庫大壩安全影響的研究方面已取得一定進(jìn)展[3-4]，然而在極端氣候事件與水利工程安全方面的定量分析和系統(tǒng)性研究仍然不足[5]。

國(guó)際大壩潰決與事故調(diào)查的研究開始于20 世紀(jì)70 年代，80 年代中國(guó)也開展了系統(tǒng)的潰壩數(shù)據(jù)統(tǒng)計(jì)工作[6-7]，并對(duì)潰壩的成因進(jìn)行總結(jié)與梳理。解家畢等[8] 從1954—2006 年發(fā)生的3 498 座潰壩案例中，根據(jù)潰壩發(fā)生時(shí)期、地理位置、規(guī)模、壩高、壩型、成因等多個(gè)方面進(jìn)行統(tǒng)計(jì)及初步分析；盛金保等[9] 對(duì)1954 年以來的歷史潰壩及其生命損失數(shù)據(jù)按年代、規(guī)模、壩型、壩高、季節(jié)、建設(shè)與運(yùn)行期、地理區(qū)域等進(jìn)行了系統(tǒng)統(tǒng)計(jì)分析；李宏恩等[10] 提出近年來中國(guó)的潰壩成因中因超標(biāo)準(zhǔn)洪水導(dǎo)致的漫頂潰壩占全部漫頂潰壩比例高達(dá)95.74%，說明全球氣候變化造成的極端強(qiáng)降水等災(zāi)害與潰壩事件直接相關(guān)。由此可見，建立極端強(qiáng)降水事件與潰壩事件的發(fā)生在時(shí)間、空間上的聯(lián)系對(duì)于分析潰壩事件發(fā)生規(guī)律具有重要意義。然而，目前關(guān)于中國(guó)潰壩事件歸因的分析工作中，對(duì)于極端氣候變化及其短期預(yù)測(cè)作用與潰壩事件相關(guān)性的研究較少，更是缺乏定量表征兩者之間聯(lián)系的研究成果。

極端降水事件與大尺度環(huán)流異常密切相關(guān)，其中厄爾尼諾是全球年際變率的最強(qiáng)信號(hào)，也是目前氣候預(yù)測(cè)最有效的可預(yù)報(bào)性來源[11]。厄爾尼諾是指赤道中、東太平洋海表面溫度暖異常的位相，而冷異常的位相稱為拉尼娜現(xiàn)象[12]。厄爾尼諾可以通過影響大尺度環(huán)流系統(tǒng)來影響全球不同地區(qū)的氣候異常和降水變化[13-14]，同時(shí)還會(huì)影響全球洪水，研究表明，通過利用厄爾尼諾指數(shù)，能夠很好地探究厄爾尼諾與區(qū)域降水及流域洪水間的相關(guān)性[15-16]?？卒h[17] 利用厄爾尼諾冬季指數(shù)指出中國(guó)不同強(qiáng)度降水與厄爾尼諾具有良好的相關(guān)性，其中高強(qiáng)度降水量多在厄爾尼諾年發(fā)生；劉向培等[18] 指出中國(guó)降水集中程度與厄爾尼諾指數(shù)Ni?o 3.4 之間的相關(guān)性呈現(xiàn)滯后性。隨著全球變暖的不斷變化，厄爾尼諾對(duì)氣候影響顯著增強(qiáng)，未來厄爾尼諾可能會(huì)造成更大的氣候?yàn)?zāi)害[19]。Yan 等[20] 發(fā)現(xiàn)在許多流域的洪水與Ni?o 3.4 之間存在顯著的相關(guān)性，利用厄爾尼諾與洪水的關(guān)系可以較好地預(yù)測(cè)流域規(guī)模的季節(jié)性洪水。由此可見，厄爾尼諾作為影響中國(guó)不同流域極端降水的重要大氣環(huán)流，對(duì)中國(guó)大壩安全的威脅顯而易見。尤其值得注意的是，2023 年已被確定為厄爾尼諾年[21]，2024 年可能受其影響，流域范圍內(nèi)水庫面臨怎樣的異常降水風(fēng)險(xiǎn)還不明確。

本文基于中國(guó)1957—2017 年歷史潰壩事件，系統(tǒng)分析不同流域內(nèi)土石壩潰壩事件的時(shí)空分布特征及其與極端降水的相關(guān)性，分析厄爾尼諾事件與極端降水的相關(guān)性，探究大尺度環(huán)流系統(tǒng)與潰壩事件的關(guān)系，以期為中國(guó)防汛抗旱及水資源安全管理提供參考。

1 數(shù)據(jù)與方法

1.1 研究數(shù)據(jù)

本文以中國(guó)九大流域片為研究區(qū)域，流域邊界數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心，將中國(guó)劃分為內(nèi)陸河流域片、西南諸河流域片、東南諸河流域片、珠江流域片、長(zhǎng)江流域片、黃河流域片、淮河流域片、海河流域片和松遼河流域片（圖1）。

本文采用的中國(guó)降水?dāng)?shù)據(jù)來自中國(guó)氣象局國(guó)家氣象信息中心的中國(guó)地面氣候資料日值數(shù)據(jù)集（ https：//data.cma.cn/data），為確保數(shù)據(jù)連續(xù)、完整，選取了1957—2017 年數(shù)據(jù)完整率達(dá)到95% 的824 個(gè)站點(diǎn)的降水資料，并對(duì)其中部分缺測(cè)數(shù)據(jù)進(jìn)行插補(bǔ)，所有數(shù)據(jù)序列經(jīng)過質(zhì)量控制與均一化處理。文中各變量的氣候平均值均為1957—2017 年平均，所有距平場(chǎng)或異常場(chǎng)的計(jì)算均相對(duì)于氣候平均值進(jìn)行計(jì)算。文中春季為3—5 月、夏季為6—8 月、秋季為9—11 月、冬季為12 月至翌年2 月。

潰壩數(shù)據(jù)基于水利部大壩安全管理中心大壩基礎(chǔ)數(shù)據(jù)庫，潰壩事件選擇潰壩原因?yàn)槌瑯?biāo)準(zhǔn)洪水引起的土石壩，為分析潰壩與氣象降水間的關(guān)系，選取潰壩所在地區(qū)國(guó)家氣象站監(jiān)測(cè)的降水?dāng)?shù)據(jù)進(jìn)行分析，為統(tǒng)一時(shí)間尺度，潰壩事件發(fā)生時(shí)間選擇1957—2017 年，以進(jìn)行統(tǒng)計(jì)分析。

文中分析的厄爾尼諾事件以厄爾尼諾指數(shù)（ONI）定義，序列來自NOAA/CPC（美國(guó)大氣海洋局氣候預(yù)測(cè)中心：http：//www.cpc.ncep.noaa.gov），該指數(shù)為Ni?o 3.4（120°W—170°W）連續(xù)3 個(gè)月平均海面溫度。

1.2 研究方法

（1）厄爾尼諾事件識(shí)別。依據(jù)《厄爾尼諾/拉尼娜事件判別方法：GB/T 33 666—2017》[22] 中識(shí)別歷史厄爾尼諾事件的規(guī)定，以O(shè)NI 絕對(duì)值達(dá)到或超過0.5 ℃ 且持續(xù)至少5 個(gè)月為依據(jù)，判定為1 次厄爾尼諾事件。本文將厄爾尼諾發(fā)生當(dāng)年稱為當(dāng)年，而發(fā)生第2 年稱為次年，將厄爾尼諾當(dāng)年及次年統(tǒng)稱為特征年，反之為非特征年。表1 中給出了不同強(qiáng)度厄爾尼諾事件的具體歸類。其中在1976 年與1977 年發(fā)生的2 次弱厄爾尼諾事件不足6 個(gè)月，本文為后續(xù)分析厄爾尼諾當(dāng)年與次年考慮，將2 次厄爾尼諾事件合并為1 次厄爾尼諾事件，以便分析說明。

（ 2）降水指數(shù)。極端降水指數(shù)是用來衡量某區(qū)域在一定時(shí)間范圍內(nèi)出現(xiàn)極端降水事件的程度和頻率的指標(biāo)。氣候變化檢測(cè)和指數(shù)專家組（ ETCCDI）定義了10 個(gè)降水指數(shù)[23]，包括年降水量（ PRCPTOT）、降水強(qiáng)度（ SDII）和8 個(gè)極端降水指數(shù)，極端降水指數(shù)分別為年內(nèi)最大日降水量（ Rx1day）、年內(nèi)連續(xù)5 d 最大累計(jì)降水量（ Rx5day）、年內(nèi)日降水量大于研究時(shí)段所有日降水95% 分位值的累計(jì)降水量（ R95p）、年內(nèi)日降水量大于研究時(shí)段所有日降水99% 分位值的累計(jì)降水量（ R99p）、大雨日數(shù)（ R10mm）、極端大雨日數(shù)（ R20mm）、最大連續(xù)濕潤(rùn)日數(shù)（ CWD）和最大連續(xù)干旱日數(shù)（ CDD）。本文主要為建立厄爾尼諾與極端降水之間的相關(guān)性，在定義降水極端事件時(shí)，采用R95p 進(jìn)行分析更具意義[24]。

（ 3）合成分析。合成分析用于比較潰壩事件前期降水異常累計(jì)量以及降水強(qiáng)度。首先利用氣候態(tài)降水?dāng)?shù)據(jù)，對(duì)各站逐日降水量進(jìn)行距平計(jì)算，然后提取所有歷史潰壩事件前3～7 d 的逐日降水量，以降水量大于1 mm 為條件，對(duì)各站點(diǎn)的前3 日、前5 日以及前7 日的連續(xù)降水距平值進(jìn)行累加計(jì)算，最后對(duì)各站點(diǎn)的降水距平累計(jì)值進(jìn)行平均計(jì)算，即獲得潰壩前期各站降水異常累計(jì)值。潰壩前期降水強(qiáng)度則是各站各潰壩事件前期一次場(chǎng)次降水的累計(jì)降水量與降水日數(shù)之比，最后對(duì)各事件前期降水強(qiáng)度進(jìn)行平均計(jì)算。

（ 4）交叉小波分析。交叉小波變換（ Cross Wavelet，XWT）和小波相干變換（ Wavelet Coherence，WTC）分析可以識(shí)別出2 個(gè)時(shí)間序列在不同時(shí)頻域相互作用的顯著性，并且能識(shí)別出序列間的相關(guān)一致性及在時(shí)頻空間中的相位關(guān)系。交叉小波能量譜能夠反映2 個(gè)序列經(jīng)小波變換后高能量區(qū)的顯著相關(guān)性，而小波相干則能夠揭示交叉小波不能揭示的兩者低能量區(qū)的顯著相關(guān)性。交叉小波變換及小波相干變換的詳細(xì)計(jì)算過程可以參考文獻(xiàn)[25-26]。

2 不同流域極端降水的特征分析

極端降水與潰壩事件有著直接的關(guān)系，短時(shí)或持續(xù)性強(qiáng)降水極易引發(fā)洪水，進(jìn)而威脅水庫大壩安全。已有研究表明[17-18]，厄爾尼諾對(duì)中國(guó)不同區(qū)域極端降水有著相對(duì)滯后的影響。為探究潰壩前期厄爾尼諾事件對(duì)不同流域降水特征的影響，以所有潰壩事件、厄爾尼諾當(dāng)年及其次年3 種情況分類，應(yīng)用合成分析對(duì)各流域潰壩事件前3 日、前5 日以及前7 日降水距平累計(jì)值及降水強(qiáng)度進(jìn)行分析，根據(jù)初步計(jì)算結(jié)果表明，前7 日降水特征與潰壩事件之間的關(guān)聯(lián)性更強(qiáng)，故采用前7 日降水作為研究指標(biāo)。

2.1 降水異常累計(jì)值特征分析

圖2 中反映了潰壩前期降水距平累計(jì)值的空間分布特征。3 種情況下降水異常分別具有不同的極值中心。圖2（ a）表明整體潰壩事件的降水異常集中出現(xiàn)在淮河流域東部、長(zhǎng)江流域東部及北部以及珠江流域東部，其中淮河流域東部及珠江流域東部累計(jì)距平最大值超過200 mm，長(zhǎng)江流域東部及北部累計(jì)距平最大值超過150 mm；圖2（ b）表明厄爾尼諾當(dāng)年潰壩降水異常集中在海河流域、東南諸河流域以及珠江流域東部，3 個(gè)流域累計(jì)距平最大值均超過100 mm；圖2（c）中淮河流域、長(zhǎng)江流域東部以及珠江流域東部為厄爾尼諾次年降水異常極值區(qū)，其中各流域累計(jì)距平最大值均超過150 mm；值得關(guān)注的是東南諸河流域降水異常雖然不比極值中心顯著集中，但也明顯高于其他流域，其最大值超過100 mm。

2.2 降水強(qiáng)度特征分析

圖3 分析潰壩前期降水強(qiáng)度空間分布特征，降水強(qiáng)度與降水異常的高值中心有所差別，說明不同流域內(nèi)潰壩事件的發(fā)生不僅由持續(xù)性強(qiáng)降水引起，也可由短臨強(qiáng)降水造成。圖3（ a）表明所有潰壩的降水強(qiáng)度極值中心與降水異常的中心基本一致，其中淮河流域東部及珠江流域東部降水強(qiáng)度達(dá)到最大，超過50 mm/d；長(zhǎng)江流域北部及東南部降水強(qiáng)度超過40 mm/d；圖3（b）厄爾尼諾當(dāng)年降水強(qiáng)度中心則出現(xiàn)在海河流域、黃河流域西部、長(zhǎng)江流域中北及中南部、東南諸河流域以及珠江流域東部， 其中珠江流域東部降水強(qiáng)度超過40 mm/d，東南諸河流域降水強(qiáng)度超過35 mm/d，長(zhǎng)江流域中北及中南部降水強(qiáng)度超過30 mm/d，海河流域降水強(qiáng)度超過25 mm/d，黃河流域西部降水強(qiáng)度超過20 mm/d；圖3（ c）說明降水強(qiáng)度中心集中在淮河流域、長(zhǎng)江流域北部、黃河流域北部以及珠江流域東部，淮河流域降水強(qiáng)度超過35 mm/d，其中東南諸河流域的降水強(qiáng)度明顯高于其他非高值中心的流域降水強(qiáng)度。

綜上所述，長(zhǎng)江、珠江以及淮河流域內(nèi)潰壩事件的發(fā)生多與降水強(qiáng)度強(qiáng)且降水量大的強(qiáng)降水事件相關(guān)；在厄爾尼諾當(dāng)年易于引發(fā)海河流域發(fā)生持續(xù)性強(qiáng)降水；在厄爾尼諾次年，長(zhǎng)江流域東部更易發(fā)生持續(xù)時(shí)間長(zhǎng)且降水量足的極端降水事件。

厄爾尼諾通過改變大氣環(huán)流模式引發(fā)不同流域內(nèi)極端降水，而極端降水則誘發(fā)超標(biāo)準(zhǔn)洪水，進(jìn)而威脅水庫大壩安全。進(jìn)一步探討厄爾尼諾下誘發(fā)超標(biāo)準(zhǔn)洪水與中國(guó)不同流域潰壩事件之間的關(guān)系，能為預(yù)測(cè)潛在風(fēng)險(xiǎn)提供科學(xué)合理的研究依據(jù)。

3 不同流域超標(biāo)準(zhǔn)洪水與潰壩事件的時(shí)空演化規(guī)律

根據(jù)以往研究[10]，中國(guó)潰壩呈現(xiàn)明顯的年代階段特征，并分為1980 年以前的潰壩高發(fā)階段、1980—1999 年顯著下降階段以及2000 年以后漸趨穩(wěn)定階段3 個(gè)階段，本文據(jù)此將潰壩事件分為1957 —1980 年、1981 —1999 年及2000 —2017 年3 個(gè)階段，分別分析潰壩事件在厄爾尼諾當(dāng)年、次年以及非厄爾尼諾特征年3 種情況下的占比（表2）。

在1957—1980 年、1981—1999 年和2000—2017 年分別發(fā)生7、5、5 次厄爾尼諾事件。經(jīng)過分階段統(tǒng)計(jì)，發(fā)現(xiàn)在1957—1980 年間，海河、黃河、長(zhǎng)江以及東南諸河流域內(nèi)的潰壩事件在厄爾尼諾特征年總占比均超過50%；對(duì)比分析，除海河及淮河流域內(nèi)的潰壩事件在厄爾尼諾當(dāng)年占比更高以外，其他流域內(nèi)的潰壩事件則更易發(fā)生在厄爾尼諾次年。1981—1999 年間，松遼河、淮河、珠江以及東南諸河流域內(nèi)的潰壩事件在厄爾尼諾特征年總占比均超過50%；在厄爾尼諾特征年中，淮河流域內(nèi)潰壩事件均發(fā)生于厄爾尼諾當(dāng)年，除了黃河與東南諸河流域內(nèi)潰壩事件中發(fā)生于厄爾尼諾次年事件更多外，其他流域的潰壩事件則更多出現(xiàn)于厄爾尼諾當(dāng)年。2000—2017 年間，海河流域未發(fā)生潰壩事件，東南諸河與淮河流域潰壩事件均不在厄爾尼諾特征年；松遼河、長(zhǎng)江以及內(nèi)陸河流域內(nèi)的潰壩事件更多發(fā)生在厄爾尼諾次年，而黃河以及西南諸河流域內(nèi)的潰壩事件更多發(fā)生于厄爾尼諾當(dāng)年。對(duì)比3 個(gè)階段變化趨勢(shì)，松遼河及內(nèi)陸河潰壩事件發(fā)生在厄爾尼諾特征年的占比有顯著增加的趨勢(shì)，且厄爾尼諾次年發(fā)生占比更高，這說明厄爾尼諾引發(fā)的超標(biāo)準(zhǔn)洪水可能導(dǎo)致現(xiàn)有水庫大壩防洪標(biāo)準(zhǔn)難以應(yīng)對(duì)。

通過計(jì)算各流域在厄爾尼諾特征年發(fā)生潰壩事件的總占比，發(fā)現(xiàn)厄爾尼諾當(dāng)年對(duì)海河流域內(nèi)的潰壩事件影響更大，其潰壩占比為38.9%；而厄爾尼諾次年對(duì)黃河、長(zhǎng)江以及東南諸河流域作用更強(qiáng)，其潰壩占比分別為35.5%、34.9% 以及41.0%。由此分析，海河流域內(nèi)的水庫大壩更應(yīng)在厄爾尼諾當(dāng)年做好防范及預(yù)警，正如2023 年厄爾尼諾當(dāng)年，海河流域出現(xiàn)“ 23·7”流域性特大洪水；而在厄爾尼諾次年，則更應(yīng)防范黃河、長(zhǎng)江以及東南諸河流域內(nèi)的水庫安全，如2024 年6 月28 日，受持續(xù)強(qiáng)降雨影響，長(zhǎng)江中下游洞庭湖、鄱陽湖等多條支流發(fā)生較大洪水過程。

4 厄爾尼諾與土石壩潰壩事件的相關(guān)性分析

為了探究厄爾尼諾與土石壩潰壩事件之間的聯(lián)系，以極端降水指數(shù)作為聯(lián)系兩者相關(guān)性的量化指標(biāo)，經(jīng)研究計(jì)算分析后發(fā)現(xiàn)，選用極端降水指數(shù)中的指數(shù)R95p 能更好地描述各流域降水特征與厄爾尼諾的差異特征； 以O(shè)NI 作為判斷厄爾尼諾事件的標(biāo)準(zhǔn)， 本研究分別選用春季（ 3 — 5 月） 、夏季（ 6 — 8 月） 、秋季（9—11 月）、冬季（12 月至翌年2 月）的ONI 均值，以4 個(gè)指數(shù)對(duì)各流域R95p 進(jìn)行相關(guān)性計(jì)算，由表3 比較發(fā)現(xiàn)，ONI 冬季指數(shù)與各流域R95p 相關(guān)性解釋最好。

采取交叉小波變換分析各流域R95p 與ONI 在時(shí)頻域的高能量波譜區(qū)的相互關(guān)系，采用小波相干變換分析兩者在時(shí)頻域的低能量波譜區(qū)的相互關(guān)系。圖4 中結(jié)果表明，松遼河流域（圖4（ a） ）存在2 個(gè)共振周期，ONI 與R95p 在2～4 a 的共振周期主要表現(xiàn)在1987—1997 年，ONI 變化超前于R95p 變化約1/4 周期，即超前1 a；在1～2 a 的共振周期主要表現(xiàn)在2009 —2015 年，ONI 變化超前于R95p 變化約1/4 周期，即超前0.5 a。海河流域（圖4（b））存在1 個(gè)顯著的共振周期表現(xiàn)在1965—1973 年，呈現(xiàn)反位相?；春恿饔颍▓D4（c））兩序列共振周期較不顯著，只有零星區(qū)域通過顯著性檢驗(yàn)。黃河流域（圖4（ d） ）存在2 個(gè)共振周期，其中高能量區(qū)的1～3 a 出現(xiàn)在1963—1969 年，呈現(xiàn)負(fù)位相關(guān)系。長(zhǎng)江流域（圖4（ e） ）存在2 個(gè)共振周期，其中高能量區(qū)的1～ 4 a 出現(xiàn)在1997 —1999 年， ONI 變化超前于R95p 變化約3/8 個(gè)周期，約0.9 a。珠江流域（圖4（ f） ） 存在2 個(gè)共振周期， 在0.4～ 2 a 的共振周期主要表現(xiàn)在2007 —2009 年， 在6～ 6.4 a 的共振周期主要表現(xiàn)在2001 —2005 年，但區(qū)域相對(duì)較小。東南諸河流域（圖4（ g） ）在1969 —1971 年存在3～4 a 周期，ONI 變化超前R95p 變化約3.5 a。西南諸河流域（圖4（ h） ）雖然有3 個(gè)周期，但是能量譜數(shù)值并不高。內(nèi)陸河流域（圖4（ i） ）存在2 個(gè)共振周期，在0.8～3.6 a 的共振周期主要表現(xiàn)在1995—1997 年，在6～6.4 a 的共振周期主要表現(xiàn)在2001—2005 年，均呈現(xiàn)負(fù)位相。

在時(shí)頻域低能量波譜區(qū)，小波相干的結(jié)果表明，松遼河流域（圖5（a））在3 a 尺度上存在顯著的ONI 變化超前于R95p 約1/4 周期，即0.75 a；海河流域（圖5（ b） ）在0.4～3 a 尺度上存在明顯的負(fù)相關(guān)關(guān)系；淮河流域（圖5（ c） ）在0.4～ 3 a 尺度上ONI 變化滯后于R95p 約1/4 周期，在0.4～ 1.2 a 尺度上ONI 變化滯后于R95p 約1/8 周期，而在9.2～9.6 a 尺度上ONI 變化超前于R95p 約1/4 周期；黃河流域（圖5（ d） ）內(nèi)ONI 變化與R95p 呈現(xiàn)強(qiáng)相關(guān)， 且在0.4～ 2 a 尺度下呈現(xiàn)負(fù)相關(guān)， ONI 變化超前于R95p 約1/2 周期， 即約0.2～ 1 a， 同樣在3.2～5.2 a 尺度及2.4～3.2 a 尺度下，ONI 與強(qiáng)降水量呈現(xiàn)負(fù)相關(guān)性；長(zhǎng)江流域（圖5（ e） ）在1.6～3.6 a 尺度上ONI 變化超前于R95p 約1/4 個(gè)周期，約0.4～0.9 a；珠江流域（圖5（f））在0.4～0.8 a 尺度上ONI 與R95p 呈現(xiàn)強(qiáng)負(fù)相關(guān)性； 東南諸河流域（ 圖5（ g） ） 在0.4～ 1.2 a 尺度上ONI 與R95p 呈現(xiàn)強(qiáng)負(fù)相關(guān)性， 在3～ 4.8 a 尺度上ONI 變化超前于R95p 約1/4 個(gè)周期， 約0.75～ 1.2 a； 西南諸河流域（ 圖5（ h） ） 在2～ 4 a 尺度上ONI 變化于R95p 呈現(xiàn)強(qiáng)負(fù)相關(guān)，并超前1/2 個(gè)周期，約1～2 a；內(nèi)陸河流域（圖5（ i） ）在0～4 a 周期尺度中，兩者相互影響不穩(wěn)定，但仍呈現(xiàn)出ONI 與R95p 負(fù)相關(guān)關(guān)系，此外在5.2～6.4 a 尺度上ONI 變化超前于R95p 約1/4 周期，約1.3～1.6 a。

由上述分析可知， 九大流域R95p 指數(shù)與ONI 均呈現(xiàn)負(fù)相關(guān)關(guān)系， 流域間的差異出現(xiàn)在ONI 超前于R95p 的周期數(shù)。海河、松遼河以及淮河流域的ONI 變化超前于R95p 變化的周期數(shù)基本穩(wěn)定在1a 周期內(nèi)，而其他流域超前周期數(shù)大于1a 周期的，如黃河、長(zhǎng)江、珠江以及東南諸河流域。與前述分析厄爾尼諾當(dāng)年、次年潰壩事件占比的結(jié)論進(jìn)行對(duì)比分析，ONI 對(duì)預(yù)測(cè)各流域強(qiáng)降水發(fā)生情況有一定的指示作用。考慮到厄爾尼諾的滯后效應(yīng)，探究如厄爾尼諾等大尺度大氣環(huán)流因子與水庫潰壩事件的相關(guān)性，更有助于為流域防汛工作提供支撐。

5 結(jié)論

為探究潰壩事件與氣候變化的相關(guān)性，本文利用中國(guó)歷史潰壩數(shù)據(jù)及逐日降水?dāng)?shù)據(jù)，基于厄爾尼諾事件系統(tǒng)地分析了1957—2017 年中國(guó)九大流域潰壩事件與極端降水之間的變化特征，并對(duì)厄爾尼諾事件下的流域超標(biāo)準(zhǔn)洪水影響進(jìn)行相關(guān)性分析。主要結(jié)論如下：

（ 1）厄爾尼諾事件導(dǎo)致極端降雨，極端降雨誘發(fā)流域性超標(biāo)準(zhǔn)洪水進(jìn)而導(dǎo)致潰壩事件的發(fā)生。從不同流域內(nèi)潰壩前期降水異常分析，厄爾尼諾當(dāng)年更易造成海河流域發(fā)生持續(xù)性強(qiáng)降水；而厄爾尼諾次年則對(duì)黃河、長(zhǎng)江以及東南諸河流域作用更強(qiáng)，其中對(duì)長(zhǎng)江流域東部的降水量及降水強(qiáng)度作用更為集中。

（ 2）厄爾尼諾事件誘發(fā)各流域潰壩事件的特征均有不同，其中，厄爾尼諾當(dāng)年引發(fā)的超標(biāo)準(zhǔn)洪水對(duì)海河流域潰壩事件影響更大，而厄爾尼諾次年對(duì)黃河、長(zhǎng)江以及東南諸河流域作用更強(qiáng)。

（ 3）不同流域內(nèi)強(qiáng)降水指數(shù)與厄爾尼諾指數(shù)均呈負(fù)相關(guān)性，其中黃河、長(zhǎng)江與海河流域呈現(xiàn)較強(qiáng)的負(fù)相關(guān)性；經(jīng)交叉小波分析發(fā)現(xiàn)，海河、松遼河以及淮河流域的厄爾尼諾指數(shù)變化超前于強(qiáng)降水指數(shù)變化，周期數(shù)基本穩(wěn)定在1 a 內(nèi)，而其他流域超前周期數(shù)大于1 a 周期。

（ 4）潰壩事件的發(fā)生往往是多方面綜合因素的結(jié)果，極端降水是重要的誘發(fā)因素之一，近些年隨著中國(guó)監(jiān)測(cè)預(yù)警水平和筑壩能力的提升，總體來看雖然中國(guó)潰壩率呈明顯下降趨勢(shì)，但極端性氣候?qū)λこ痰南嚓P(guān)性研究仍然有待進(jìn)一步挖掘。

參考文獻(xiàn)：

[1]MASSON-DELMOTTE V. Climate change 2021：the physical science basis：working group I contribution to the sixth assessment report ofthe intergovernmental panel on climate change[M]. Geneva：IPCC，2021.

[2]黃生志，杜夢(mèng)，李沛，等. 變化環(huán)境下降雨集中度的變異與驅(qū)動(dòng)力探究[J]. 水科學(xué)進(jìn)展，2019，30（4）：496-506. （HUANG SZ， DU M， LI P， et al. Investigation of the abrupt changes in precipitation concentration and the driving forces under the changingenvironment[J]. Advances in Water Science，2019，30（4）：496-506. （in Chinese））

[3]秦鵬程，劉敏，夏智宏，等. 氣候變化對(duì)我國(guó)水資源和重大水利工程影響研究進(jìn)展[J]. 氣象科技進(jìn)展，2022，12（ 6）：7-15.（ QIN P C， LIU M， XIA Z H， et al. Progress in assessing the impacts of climate change on China's water resources and major waterconservancy projects[J]. Advances in Meteorological Science and Technology，2022，12（6）：7-15. （in Chinese））

[4]班璇，師崇文，郭輝，等. 氣候變化和水利工程對(duì)丹江口大壩下游水文情勢(shì)的影響[J]. 水利水電科技進(jìn)展，2020，40（4）：1-7. （BAN X，SHI C W，GUO H，et al. Effects of climate change and water conservancy projects on hydrological regime downstream ofDanjiangkou Dam[J]. Advances in Science and Technology of Water Resources，2020，40（4）：1-7. （in Chinese））

[5]張建云， 向衍. 氣候變化對(duì)水利工程安全影響分析[J]. 中國(guó)科學(xué)： 技術(shù)科學(xué)， 2018， 48（ 10） ： 1031-1039. （ZHANG J Y，XIANG Y. Analysis on the impact of climate change on the water conservancy project safety[J]. Scientia Sinica Technologica， 2018，48（10）：1031-1039. （in Chinese））

[6]水利部工程管理局. 全國(guó)水庫垮壩登記冊(cè)[R]. 北京： 水利部工程管理局， 1981. （Department of Water Resources EngineeringAdministration. National register of reservoir breakdowns[R]. Beijing：Department of Water Resources Engineering Administration，1981.（in Chinese））

[7]水利部水利管理司. 全國(guó)水庫垮壩登記冊(cè)（ 1981—1990） [R]. 北京：水利部水利管理司，1993. （Department of Water ResourcesManagement. National register of reservoir breakdowns （1981—1990）[R]. Beijing：Department of Water Resources Management，1993.（in Chinese））

[8]解家畢，孫東亞. 全國(guó)水庫潰壩統(tǒng)計(jì)及潰壩原因分析[J]. 水利水電技術(shù)，2009，40（12）：124-128. （XIE J B，SUN D Y. Statisticsof dam failures in China and analysis on failure causations[J]. Water Resources and Hydropower Engineering，2009，40（12）：124-128. （inChinese））

[9]盛金保，李宏恩，盛韜楨. 我國(guó)水庫潰壩及其生命損失統(tǒng)計(jì)分析[J]. 水利水運(yùn)工程學(xué)報(bào)，2023（ 1）：1-15. （SHENG J B，LI HE，SHENG T Z. Statistical analysis of dam failure and its loss of life in China[J]. Hydro-Science and Engineering，2023（ 1）：1-15. （ inChinese））

[10]李宏恩，馬桂珍，王芳，等. 2000—2018 年中國(guó)水庫潰壩規(guī)律分析與對(duì)策[J]. 水利水運(yùn)工程學(xué)報(bào)，2021（5）：101-111. （LI HE，MA G Z，WANG F，et al. Analysis of dam failure trend of China from 2000 to 2018 and improvement suggestions[J]. Hydro-Scienceand Engineering，2021（5）：101-111. （in Chinese））

[11]YEH S W，CAI W J，MIN S K，et al. ENSO atmospheric teleconnections and their response to greenhouse gas forcing[J]. Reviews ofGeophysics，2018，56（1）：185-206.

[12]張曉琳，馬永星. 厄爾尼諾-南方濤動(dòng)研究進(jìn)展[J]. 科學(xué)通報(bào)，2024，69：1047-1057. （ZHANG X L，MA Y X. Progresses of ElNi?o and Southern Oscillation research[J]. Chinese Science Bulletin，2024，69：1047-1057. （in Chinese））

[13]曹青，陳璽，張?jiān)疥P(guān). ENSO 對(duì)珠江流域雨季降雨的影響[J]. 水文，2023，43（2）：97-102，119. （CAO Q，CHEN X，ZHANG YG. Impacts of various types of el Ni?o-Southern Oscillation （ENSO） and ENSO modoki on the rainy season over the Pearl River basin[J].Journal of China Hydrology，2023，43（2）：97-102，119. （in Chinese））

[14]黎凌峰，王靚怡，韋李宏，等. 三類ENSO 相位下中國(guó)暖季降水時(shí)空變化特征[J]. 水文，2022，42（2）：66-72，108. （LI L F，WANG L Y，WEI L H，et al. Spatial and temporal characteristics of warm-season precipitation in China and its relationship with ENSO[J].Journal of China Hydrology，2022，42（2）：66-72，108. （in Chinese））

[15]EMERTON R， CLOKE H L， STEPHENS E M， et al. Complex picture for likelihood of ENSO-driven flood hazard[J]. NatureCommunications，2017，8：14796.

[16]LEE D，WARD P J，BLOCK P. Identification of symmetric and asymmetric responses in seasonal streamflow globally to ENSO phase[J].Environmental Research Letters，2018，13（4）：044031.

[17]孔鋒. 中國(guó)不同強(qiáng)度降雨量的多屬性時(shí)序變化特征及其對(duì)ENSO 的響應(yīng)[J]. 長(zhǎng)江流域資源與環(huán)境，2020，29（ 6）：1387-1400.（ KONG F. Multi-attribute temporal variation of rainfall with different intensities in China and its response to ENSO[J]. Resources andEnvironment in the Yangtze Basin，2020，29（6）：1387-1400. （in Chinese））

[18]劉向培，佟曉輝，賈慶宇，等. 1960—2017 年中國(guó)降水集中程度特征分析[J]. 水科學(xué)進(jìn)展，2021，32（1）：10-19. （LIU X P，TONG X H， JIA Q Y， et al. Precipitation concentration characteristics in China during 1960 —2017[J]. Advances in Water Science，2021，32（1）：10-19. （in Chinese））

[19]HU K M，HUANG G，HUANG P，et al. Intensification of El Ni?o-induced atmospheric anomalies under greenhouse warming[J]. NatureGeoscience，2021，14：377-382.

[20]YAN Y， WU H， GU G J， et al. Exploring the ENSO impact on basin-scale floods using hydrological simulations and TRMMprecipitation[J]. Geophysical Research Letters，2020，47（22）：1-9.

[21]LIAN T，WANG J，CHEN D K，et al. A strong 2023/24 El Ni?o is staged by tropical Pacific Ocean heat content buildup[J]. Ocean-Land-Atmosphere Research，2023，2：0011.

[22]厄爾尼諾/拉尼娜事件判別方法：GB/T 33666—2017[S]. 北京：中國(guó)標(biāo)準(zhǔn)出版社，2017. （Method for discriminating El Ni?o/LaNi?a events：GB/T 33666—2017[S]. Beijing：Standards Press of China，2017. （in Chinese））

[23]江潔，周天軍，張文霞. 近60 年來中國(guó)主要流域極端降水演變特征[J]. 大氣科學(xué)，2022，46（3）：707-724. （JIANG J，ZHOU TJ，ZHANG W X. Temporal and spatial variations of extreme precipitation in the main river basins of China in the past 60 years[J]. ChineseJournal of Atmospheric Sciences，2022，46（3）：707-724. （in Chinese））

[24]楊雯婷，孫建華，傅慎明，等. 1981 —2020 年華南地區(qū)區(qū)域性極端降水事件研究[J]. 大氣科學(xué)，2024，48（ 3）：906-922.（YANG W T，SUN J H，F(xiàn)U S M，et al. Study on regional extreme precipitation events over South China during 1981—2020[J]. ChineseJournal of Atmospheric Sciences，2024，48（3）：906-922. （in Chinese））

[25]GRINSTED A， MOORE J C， JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical timeseries[J]. Nonlinear Processes in Geophysics，2004，11：561-566.

[26]洪梅，劉科峰，張棟，等. 基于交叉小波分析方法的西太平洋副熱帶高壓年際變率與熱帶海溫及大氣環(huán)流異常的相關(guān)性研究[J]. 熱帶氣象學(xué)報(bào)， 2020， 36（ 2） ： 166-179. （ HONG M，LIU K F，ZHANG D，et al. The correlation of the Western Pacificsubtropical high interannual variability with tropical sst and atmospheric circulation anomalies based on the cross-wavelet analysis[J]. Journalof Tropical Meteorology，2020，36（2）：166-179. （in Chinese））