海河流域降水時空演變特征及其驅動力分析

鄒 磊，夏 軍,，張 印，喬云峰

(1.中國科學院地理科學與資源研究所陸地水循環及地表過程重點實驗室，北京 100101；2.武漢大學水資源與水電工程科學國家重點實驗室，湖北 武漢 430072；3.中國科學院地理科學與資源研究所生態系統網絡觀測與模擬重點實驗室，北京 100101)

降水是全球水循環的基本組成部分，是影響人類經濟和地球生態環境最重要的氣候因素之一[1-2]。受全球氣候變暖以及高強度人類活動的影響，降水格局發生了顯著變化[3]，中緯度地區降水增加，亞洲季風降水變率加大[4]，導致水汽循環發生改變，洪澇、干旱等極端水文氣象事件頻發，對社會經濟發展和人類生產生活產生重要影響[5]，因此，有必要對變化環境下流域不同量級降水量的演變趨勢及其變異驅動力進行深入研究。

近年來，由于氣候變化劇烈，降水時空分布特征變化顯著，國內外眾多學者針對降水的時空變化分析研究較多，如姚俊強等[6]針對中國西北干旱區降水時空變化特征進行分析研究，得出研究時段西北干旱區的降水量增加趨勢明顯。Afzal等[7]研究發現蘇格蘭區域的降水自20世紀70年代以來呈現顯著的增加趨勢。束美珍等[8]基于海河流域25個氣象站點1960—2010年逐月降水量資料，采用線性回歸法、累計距平法分析海河流域年際降水特征，發現海河流域1960—2010年降水量呈現微弱下降趨勢。陳磊等[9]利用黃河流域106個氣象站點1960—2010年逐日降水量數據，采用多種趨勢分析方法結合對季節降水的變化趨勢和變異情況進行了研究，結果表明黃河流域20世紀90年代后流域降水變化趨勢明顯改變。陳潔等[10]基于1961—2010年地面氣象觀測資料，分析了我國降水與地表干濕狀況時空格局，結果表明1961—2010年我國降水量呈輕微增加趨勢。上述研究主要關注于降水總量的時空演變分析，但是針對不同量級降水量在年際和季節尺度上的趨勢分析較少，且降水量變化背后可能的影響因素還在不斷探索之中。有研究表明，太陽黑子和大氣環流異常因子(如厄爾尼諾-南方濤動(ENSO)、北極濤動(AO)和太平洋10年濤動(PDO))對降水有較強的影響[11-12]。研究引起流域降水量變化的影響因素，將有助于構建降水量的數值模擬模型，對不同量級降水量進行模擬預估。

本文以海河流域為研究區，基于流域內35個氣象站點1961—2018年逐日降水觀測數據，采用創新趨勢分析法、Mann-Kendall非參數檢驗法和Pettitt突變檢驗法綜合分析海河流域不同量級降水量在年際和季節尺度上的時空演變特征，并進一步探究年降水量與太陽黑子和大氣環流異常因子之間的相關性，以期較全面地揭示變化環境下降水量的演變特征，并為海河流域水資源管理、氣象災害的防治和農業生產提供參考。

1 研究區概況

海河流域(35°N～43°N、112°E～120°E)東臨渤海，西接太行山脈，南界黃河，北倚內蒙古高原，流域總面積約31.8萬km2(圖1)。海河流域包括七大河系，分別為灤河河系、北三河系、永定河系、大清河系、子牙河系、漳衛河系和徒駭馬頰河系。全流域地勢西北高東南低，屬溫帶季風氣候區，降水年內分配不均，多集中于夏季，冬春較少。流域內人口密集，在我國政治經濟中占有重要地位。受全球氣候不斷變化和高強度人類活動的影響，流域內降水的時空分布發生了顯著改變，該區域面臨嚴重的水資源短缺危機。因此，加強海河流域不同量級降水量趨勢分析及其驅動力的研究，對于認識區域尺度上氣候變化對流域水資源的影響和制定切實的流域水資源管理目標有重要意義。

圖1 海河流域及氣象站點分布示意圖

2 資料與方法

2.1 數據資料及預處理

采用國家氣象信息中心資料室(中國氣象科學數據共享服務網)提供的氣象資料，選取海河流域35個氣象站(圖1)1961—2018年的逐日降水數據進行分析。考慮到數據序列的完整性和連續性，對降水數據進行初步質量控制和缺失數據插補。文中關于四季的時間規定如下：春季3—5月，夏季6—8月，秋季9—11月和冬季12月至次年2月。

為了進一步探究大氣環流異常因子和太陽黑子對海河流域年降水量變化的影響，利用1961—2018年的太陽黑子數、ENSO指數(本文以Nino3.4指數描述)、PDO和AO指數作為影響因素分析年降水量發生變化的驅動力。其中，太陽黑子數據來自國際科學協會理事會(ICSU)世界數據系統(WDS)的太陽黑子指數(http://sidc.oma.be/silso/dayssnplot)，PDO和ENSO指數來源于美國國家海洋與大氣管理局(National Oceanic and Atmospheric Administration， NOAA)地球系統研究實驗室(http://www.esrl.noaa.gov/psd/data/climateindices/list/)，AO指數來源于NOAA國家氣候數據中心(http://www.ncdc.noaa.gov/teleconnections/ao.php)。

2.2 Mann-Kendall非參數檢驗

Mann-Kendall(M-K)非參數檢驗法是世界氣象組織推薦并已廣泛使用的非參數檢驗方法[13-14]，近年來被眾多學者用于分析降水、徑流和氣溫等要素時間序列的變化趨勢[15-18]。該方法不需要樣本序列遵從一定的分布，對于時間序列(x1，x2，…，xn)，檢驗的統計量S的計算公式為

(1)

其中

式中：n為觀測值的數量;xi和xj分別為i、j時刻的觀測值。

S為正態分布，均值為0，方差var(S)計算公式為

(2)

當n>10時，標準的正態統計變量如下：

(3)

式中：Z為時間序列的標準化統計量，Z>0和Z<0分別表示增加和減少趨勢。|Z|值越大，意味著趨勢越顯著。在本研究中，考慮0.05的顯著性水平，也就是說，Z>1.96和Z<-1.96分別表示顯著的增加和減少趨勢。

2.3 創新趨勢分析

創新趨勢分析(innovative trend analysis， ITA)法最初由Sen[19]提出，可輕松獲取低、中、高等不同等級數據的趨勢。該方法不需要任何假設，已被應用于環境、水文氣象變量的趨勢分析中[20-21]。該方法將研究變量的序列劃分成兩個時間長度相同的子序列，按照升序進行排列后繪制散點圖，如果散點分布位于1∶1線附近的，則認為該序列沒有趨勢;如果散點落在1∶1線的上三角區域，表明該序列具有上升趨勢；相反，則表明該序列具有下降趨勢，可用于分析不同等級降水的變化趨勢，具體計算過程可參考文獻[19,22]。參考Wu等[20]的研究，本文基于百分位數對不同量級的降水強度進行分類：輕度降水(小于10%)；低等降水(10%～40%)；中等降水(40%～60%)；高等降水(60%～90%)；強降水(大于90%)。

2.4 Pettitt突變分析

Pettitt突變分析方法是一種基于秩的非參數變點檢測方法[23]，其計算簡便，受異常值影響較小，廣泛應用于水文氣象等領域，可以對水文氣象要素時間序列進行突變分析，獲取突變點，可用于海河流域降水量突變點分析，具體計算過程可參考文獻[24]。

2.5 交叉小波變換分析

交叉小波變換(cross-wavelet transform， XWT)是將小波變換和交叉譜分析兩種方法相結合而產生的一種信號分析手段[25]。該方法可用于分析兩個時間序列在時域和頻域中的相關關系[26]，從而充分揭示它們具體的相關性和演化特征。交叉小波變換的詳細計算過程可以參考文獻[27]。

3 結果與分析

3.1 流域降水的時間序列變化特征

基于海河流域35個氣象站點1961—2018年逐日實測降水資料，采用泰森多邊形法獲取海河流域面平均降水量，對其進行多尺度時間序列(年尺度和季節尺度)演變特征分析(圖2)。由圖2可以看出，海河流域1961—2018年全年降水量呈明顯的下降趨勢，年降水量最大值出現在1964年(圖2(e))。根據Pettitt突變結果分析可得，海河流域降水量在1979年發生突變(圖3)；冬季降水量有微弱的下降趨勢(圖2(a))，遞減速率約為-0.037 4 mm/a；春季降水量在1963年以前呈下降趨勢，在1963年以后整體呈現出增加趨勢(圖2(b))；夏季降水量呈顯著下降趨勢，遞減速率達-1.202 3 mm/a(圖2(c))；秋季降水量整體上呈現出增加趨勢，增速約0.140 5 mm/a(圖2(d))。

為了進一步明晰不同量級降水量的趨勢變化，采用創新趨勢分析法進一步針對年尺度和季節尺度下不同量級降水量進行趨勢變化分析。圖4為年尺度和季節尺度下應用創新趨勢法分析所得結果。如圖4(e)所示，海河流域年降水序列多數點位于45°線的下三角區，表明年降水序列整體呈現出下降趨勢，這個結論和逐年降水變化趨勢分析結論相同。

(a) 冬季

其中，輕度降水的下降趨勢并不顯著，強降水變化趨勢顯著，呈現出超過10%的下降趨勢；冬季降水序列大多數點位于1∶1線的下部，表征海河流域冬季降水整體呈下降趨勢(圖4(a))。從圖4(a)中可以看出，隨著降水量的不斷增加，點位與1∶1線的偏離距離增大，表明冬季降水量的下降趨勢隨著降水強度的增加而逐漸加強，強降水呈現出超過10%的顯著下降趨勢；春季降水序列大多數點位于1∶1線的上三角區域內，表征春季降水量呈現出總體增長趨勢(圖4(b))，但輕度降水和強降水變化趨勢不顯著；海河流域夏季降水序列主要分布在1∶1線的下部，表明夏季降水量整體呈現出下降趨勢(圖4(c))，同時大多數點位于-5%帶的下方，夏季強降水呈現出10%的顯著下降趨勢；秋季降水序列多數位于45°線的上方，表明秋季降水量整體呈上升趨勢，其中多數點據位于45°線和5%帶之間，上升趨勢不顯著(圖4(d))。綜上所述，海河流域年降水量總體呈現出下降趨勢，春季和秋季降水量呈現出上升趨勢，夏季和冬季降水量呈現下降趨勢，且夏季和冬季強降水的下降趨勢顯著，降水量的減少可能會進一步加劇海河流域水資源短缺。

圖3 海河流域年降水量突變分析

3.2 流域降水量的空間變化特征

基于海河流域35個氣象站點1961—2018年逐日降水資料，采用反距離加權平均方法對氣象站點數據進行空間插值，獲取海河流域降水量空間分布，并對每個氣象站點降水量做M-K趨勢分析，結果如圖5所示。從圖5(e)可以看出，海河流域年降水量整體呈現南多北少，數值范圍在 377.5～750.6 mm之間，在五臺山以及東北部遵化、青龍等站點附近出現降水量高值區，最小值出現在西北部。流域內多數站點(18個)呈現出下降趨勢，其中五臺山站點降水下降趨勢顯著。海河流域冬季降水從北向南逐漸增加，變化范圍為5.3～30.7 mm，86%的站點(30個)出現下降趨勢，五臺山地區海拔較高，是冬季降水的一個高值區域，且呈現出輕微的上升趨勢(圖5(a))；春季流域降水大部分站點呈現上升趨勢，南部降水多，中部降水偏少(圖5(b))；夏季降水東部偏多，多數站點出現下降趨勢，這可能主要和地形相關，以太行山和燕山為界限，山前部分降水多，山后降水少，流域降水量變化范圍在228.7～521.3 mm之間(圖5(c))；秋季降水的空間分布形態和春季降水較為相似，整體變化在67.5～146.8 mm之間，五臺山以及南部地區降水呈下降趨勢，東北部降水偏少，但東北部降水整體呈上升趨勢(圖5(d))。綜上所述，海河流域1961—2018年降水格局整體呈現南多北少，且有五臺山周邊和東北部等兩個高值降水區。春秋兩季降水呈上升趨勢，冬夏兩季呈下降趨勢，特別是夏季，和全年的分布形勢相似，降水減少趨勢顯著，且地形要素對降水有明顯影響，以太行山和燕山為界，山前多雨，分別向西北和東南兩側減少。

(a) 冬季

(a) 冬季

3.3 年降水量的驅動力分析

采用交叉小波變換探究具有代表性的大氣環流異常因子和太陽黑子與海河流域年降水量之間的相關關系。在交叉小波圖中，顏色越接近紅色表征兩者之間的相關性越強，越接近藍色表征兩者之間的相關性越弱；黑粗線為95%置信區間的邊界，箭頭表示相對相位差，→表示兩者之間相位一致，←表示兩者變化相位相反；細黑線為小波影響錐線的邊界，其所包圍的部分為有效譜值區。

(a) ENSO-年降水量

如圖6(a)所示，海河流域年降水量與ENSO在1965—1974年存在1～4 a周期顯著的負相關關系，在1989—1995年和1998—1999年分別存在 6～7 a和5 a周期的負相關關系；PDO與海河流域年降水量存在兩個明顯的信號，前者為1990—1997年的 4～6 a周期的負相關關系，后者為1991—2003年的8～11 a周期較為顯著的正相關關系(圖6(b))；AO與海河流域年降水存在4個共振周期，在1967—1970年存在1～4 a周期顯著的正相關關系，在1982—1993年和2004—2007年分別存在16～20 a和5 a周期的正相關關系，在1978—1995年存在 8～9 a周期較為顯著的負相關關系(圖6(c))；太陽黑子與海河流域年降水量在1968—2008年存在一個8～12 a周期的顯著的負相關關系(圖6(d))。已有研究發現，太陽黑子平均變化周期大約為11 a，與圖6(d)中存在的共軛周期基本一致。太陽黑子增多，表明太陽活動加強，改變大氣環流的平均狀態，影響區域降水發生變化。綜上所述，海河流域年降水量與太陽黑子，ENSO、AO和PDO均存在一定的共振周期，只是在不同時域中存在明顯差異。具體來說，太陽黑子、AO和ENSO對年降水量的影響較顯著，PDO對年降水量的影響相對較弱。

4 結 論

a. 1961—2018年海河流域降水整體上呈現減少趨勢，其中輕度降水的下降趨勢并不顯著，強降水變化趨勢顯著，呈現出超過10%的下降趨勢，流域年降水量序列在1979年發生突變。春季和秋季降水存在增加趨勢，夏季和冬季降水呈減少趨勢，且夏季和冬季的強降水減少趨勢顯著，隨著時間的推移，降水量的減少將會進一步加劇海河流域水資源的短缺。

b. 1961—2018年海河流域降水整體上呈現出南多北少的格局，且有五臺山周邊和東北部等兩個高值降水區。各個季節的變化趨勢有所差異，夏季和全年在空間上的分布形態相似，整體上呈現南多北少的格局，從沿海到內陸也逐漸減少，受地形因素影響，以太行山和燕山為界，山前多雨，分別向西北和東南兩側減少；春秋兩季的分布特征類似，南部降水多，中部降水偏少。

c. 通過交叉小波分析，海河流域年降水量與太陽黑子，ENSO、AO和PDO均存在一定的共振周期。具體來說，太陽黑子、AO和ENSO對于年降水量的影響較顯著，PDO對于年降水量的影響相對較弱。結果表明太陽活動和大氣環流異常因子影響了降水量的變化。