1970-2019年河南省年內降水分配非均勻性的時空演變

陳家棟, 田宏偉, 黃 進, 張金池

(1.南京林業大學 南方現代林業協同創新中心, 江蘇省水土保持與生態修復重點實驗室,江蘇 南京 210037; 2.中國氣象局/河南省農業氣象保障與應用技術重點實驗室, 河南 鄭州 450003;3.河南省氣象科學研究所, 河南 鄭州 450003; 4.南京信息工程大學 應用氣象學院, 江蘇 南京 210044)

伴隨著全球氣溫升高，區域性極端氣候事件頻發，降水呈現出更為顯著的多尺度時空非均勻性，其劇烈的時空變化不斷地加劇著區域性氣象水文災害的風險[1]。區域降水的變化特征通常包含了“降雨量”和“降雨結構”的變化，不同時段內降水量的分配則是反映降水結構的重要內涵[2]。降水年內分配不均勻，雨量集中到少數月份中，是導致區域旱澇等氣象災害事件發生的重要原因，因此研究降水年內分配非均勻性的時空演變對水資源安全監測和管理有著重要現實意義[3]。基于月降水量數據，Zhang等[4]提出的降水集中度(PCD)是中國學者使用最多的一種評估年內降水分配均勻與否的降水指數。近20 a來，PCD指數已應用于陜西[2]、江蘇[5]、遼寧[6]、浙江等[7]諸多省份以及淮河[3]、珠江[8]、漢江等[9]主要流域，其結果定量表征了不同區域降水量在時空場上的非均一性，并探討了PCD變化趨勢的空間分布，進而反映了中國降水季節變率時空演變特征的區域差異。國際上對降水集中性的描述大多采用De Luis等[10]改進的降水集中指數(PCI)、Walsh等[11]提出的降水季節性指數(PSI)[4]。與PCD和PCI等指數相比，PSI的優勢是它的計算更為簡便，物理意義更直觀，且有著良好的分級參考標準[12]。

河南省為一個農業大省，是中國糧食生產的核心產區，其冬小麥、玉米、花生等重要糧油作物的產量均居全國前列[13]。由于地處南北氣候過渡帶，受季風影響，河南省降水年際變異及區域分布差異都極為顯著，降水異常引發的旱澇災害嚴重影響了區域糧食生產安全和人民正常生活[14]。目前，河南省降水變化規律的相關研究主要集中在強度、極值、頻次等方面，對降水結構的探求還較少[15]。鑒于此，本文運用降水季節性指數(PSI)探求年內降水非均勻性的時空演變對評估河南省水資源對氣候變化的響應有著重要意義。

1 資料與方法

1.1 基本數據

圖1中113個氣象觀測站1970—2019年的逐月降水資料由河南省氣象局提供。基于加拿大環境部氣候研究中心RHtest均一性檢驗技術，各站點月降水序列均通過了懲罰最大F檢驗(PMFT)。國家統計數據庫(http:∥data.stats.gov.cn/)提供了全省尺度1970—2019年冬小麥、夏玉米、大豆、花生、油菜籽、芝麻的總產量數據。此外，15種大尺度大氣環流指數(large-scale atmospheric circulation indices, LACI)1988—2017年的逐月數據由美國國家大氣海洋(NOAA)氣候預測中心( https:∥www.esrl.noaa.gov)提供，其分別為太平洋—北美遙相關型(PNA)、東太平洋/北太平洋濤動(EP/NP)、西太平洋遙相關型(WP)、北大西洋濤動(NAO)、南方濤動(SOI)、熱帶北大西洋海溫(TNA)、熱帶南大西洋海溫(TSA)、西半球暖池指數(WHWP)、混合ENSO指數(MEI)、厄爾尼諾-3區的平均海面溫度(NINO3) 、厄爾尼諾1+2區的平均海面溫度(NINO1+2) 、厄爾尼諾-4區的平均海面溫度(NINO4) 、厄爾尼諾-3.4區的平均海面溫度(NINO3.4)、太平洋年代際振蕩(PDO)、北太平洋遙相關型(NP)[16-18]。

圖1 河南省113個氣象站點的空間分布

1.2 降水季節性指數(PSI)

降水季節性指數PSI可用公式(1)計算，其中R為第i年的降水總量(mm)，Xn為該年第n月的降水量(mm)。PSI≤0.19，表明年內降水呈現非常均勻分配；PSI位于0.20～0.39區間，表明降水分配較均勻，且有明顯的雨季；PSI位于0.40～0.59區間，表明降水分配有一定的季節性，且有短暫的旱季；PSI位于0.60～0.79區間，表明降水分配呈現季節性；PSI位于0.80～0.99區間，表明降水分配呈現極強的季節性，且有較長的旱季；PSI位于1.00～1.19區間，表明降水集中在某3個月份中；PSI≥1.20，表明降水分配極不均勻，降水多集中在1～2個月中。

(1)

1.3 PSI的時空分析方法

主成分分析(principal component analysis, PCA)是一種常用的數據降維手段，可以有效識別空間尺度下某種氣候指標時序變化特征相似性及分異性[18]。本研究某給定時段i的k個變量Xi,1,Xi,2,…,Xi,k，同時有k個主成分(principal component, PC)Yi,1,Yi,2,…,Yi,k，它們可表達為各變量的線性關系：

Yi,1=a11Xi,1+a12Xi,2+…+a1kXi,k

Yi,2=a21Xi,1+a22Xi,2+…+a2kXi,k

?

Yi,k=ak1Xi,1+ak2Xi,2+…+akkXi,k

(2)

其中Xi,k指的是 PSI時間序列；k表示氣象站點數(113個)；i表示每個站 PSI序列的長度，即50(1970—2019年)。由Xi,k計算得出Yi,1,Yi,2,…,Yi,k的無量綱逐年序列稱之為主成分得分序列(principal component sores, PCS)，其表征了從原始113列PSI中提取了若干不同演變特征的時序模態。式中線性組合的系數a11,…akk表征了原始PSI序列與不同主成分對應PCS序列的相關性，其歸一化后的結果稱之為載荷。載荷值越高則表明某一站點PSI序列與某一PCS序列的相關性越高，通過對載荷的空間插值可以完成基于PSI變化特征的空間聚類。本研究中主成分分析過程由統計軟件SPSS 21.0中的相關模塊完成，而載荷的空間插值則由ArcGIS 10.0中的反距離權插值模塊完成。

主成分分析提取的若干PCS序列刻畫了不同區域PSI的時序變化情形，近似于無量綱化的PSI區域平均值逐年序列，為快速識別PSI年際變化的區域差異提供了便捷。采用Mann-Kendall趨勢和突變檢驗、集合經驗模態分析、交叉小波變換對PCS序列進行的診斷分析。集合經驗模態分析(ensemble empirical mode decomposition, EEMD)廣泛應用非線性、非平穩的時間序列的多重周期研究，其將時間序列分解為有限個不同時間尺度的振蕩分量，得到若干個具有不同尺度特征的固有模態函數(intrinsic mode function, IMF)，進而準確捕捉原始信號的內在波動特征和趨勢變化[19]。交叉小波變換 (cross wavelet transform, XWT)具有較強的信號耦合和分辨能力，可以分析兩個時間序列中具有較高共振能量的共振周期及其相位關系[20]。交叉小波圖中箭頭表示相位差，→表示兩時間序列變化相位一致，←表示兩時間序列變化相位相反；背景顏色越接近紅色表征相關性越強，越接近藍色代表征關性越弱；粗黑線勾勒的區域則通過了0.05顯著性水平檢驗[21]。

2 結果與分析

2.1 PSI的空間分布特征

基于IDW插值法，圖2a描繪了各站點降水季節性指數PSI多年均值的空間分布，可以發現河南省PSI呈現出明顯的由南向北遞增的梯度變化。與之相反，圖2b中河南省多年年降水量呈現出明顯由南向北遞減的梯度變化。這表明河南省降水越豐沛的地區，其年內降水分配的非均勻性越低。南部及西南部地區的PSI在0.64～0.8之間變化，這表明該區域降水的年內分配具有明顯的季節性；而河南省中部及北部地區的PSI在0.8～0.97之間變化，這表明該區域的年內降水分配存在著較長歷時的旱季。與此同時，降水貢獻率(各月降水量占年總降水量的比例)進一步刻畫降水分配非均性的區域差異。由圖2c可以發現，不同區域的各月降水均呈現出顯著的單峰型分布，且年降水主要集中在7月。河南省北部地區呈現出更高的降水集中性，其7月貢獻了全年降水量的28.3%，其次8月和6月的貢獻率分別為20.5%和11.8%。相較而言，河南省南部地區則呈現較低的降水集中性，其7月降水僅占全年降水的18.1%，且6，7，8這3個月的總降水貢獻率不超過46%。其總體而言，河南省北部呈現出較高的年內降水分配非均勻性。此外，圖2d表明不同區域的年總降水量均主要集中在中雨事件。相比較下，河南省南部地區暴雨及大暴雨對年年總降水量的貢獻率較高。

2.2 基于PSI變化差異的氣候分區

依托SPSS 21.0的主成分分析模塊，對113列(113個站點)×50行(50 a)的PSI矩陣進行降維，以此識別降水分配非均勻性的區域演變差異。圖3中前4個主成分累積方差貢獻率超過了75%，且各主成分的特征根均大于5，滿足提取要求。基于PC1，PC2，PC3，PC4在PSI序列上的載荷(圖4)及其對應的PCS1，PCS2，PCS3，PCS4序列(圖5)，可以從113個站點PSI的時序變化中識別出4個典型的時空演變模態。依據載荷值的高低，第Ⅰ模態(PC1)主要表征了河南省西部地區(區域Ⅰ)PSI的年際變化；第Ⅱ模態(PC2)主要表征了河南省西部地區(區域Ⅱ)PSI的年際變化；第Ⅲ模態(PC3)主要表征了河南省北部地區(區域Ⅲ)PSI的年際變化；第Ⅳ模態(PC4)主要主要表征了河南省南部地區(區域Ⅳ)PSI的年際變化。可以發現這一分區結果呈現出典型的南北、東西差異。

圖3 113個氣象站降水季節性指數PSI逐年序列主成分分析結果

2.3 各分區降水季節性指數PSI的演變特征

圖5中PCS序列直觀地表征了各分區近50 a PSI的演變過程。從Mann-Kendall趨勢檢驗來看，各PCS序列近50 a的變化趨勢均沒有通過顯著性檢驗，其中西部(區域Ⅰ)和南部(區域Ⅳ)的PCS呈現出較弱的上升趨勢，而中東部(區域Ⅱ)和北部(區域Ⅲ)的PCS呈現出較弱的下降趨勢。此外，各PCS突變檢驗生成的UF/UB序列進一步刻畫了PSI的轉折性變化。由圖5a所示，河南省西部地區(區域Ⅰ)的PCS分別在1987，1994，2014年發生了突變，但未通過顯著性檢驗，其大致呈現出先增加—減少—增加的演變過程。圖5b中河南省西部地區(區域Ⅱ)的PCS則大致呈現出減少—增加—減少的演變過程，其分別在1993，2014年發生突變，但未通過顯著性水平。圖5d中河南省南部地區(區域Ⅳ)的PCS在1982，1997年的突變仍未通過顯著性檢驗，其整體呈現出增加—減少—增加的演變過程，特別是在2004年后其上升趨勢較為強烈。相比較區域Ⅰ，Ⅱ，Ⅳ較明顯的年代際變化，圖4d中河南省北部地區(區域Ⅲ)的PCS存在更多的不顯著突變點，其呈現更為明顯的短期年際波動。

注：PC1，PC2，PC3，PC4為PSI的時序變化中識別出4個典型的時空演變模態。依據載荷值的高低，第Ⅰ模態(PC1)主要表征了河南省西部地區(區域Ⅰ)PSI的年際變化；第Ⅱ模態(PC2)主要表征了河南省西部地區(區域Ⅱ)PSI的年際變化；第Ⅲ模態(PC3)主要表征了河南省北部地區(區域Ⅲ)PSI的年際變化；第Ⅳ模態(PC4)主要主要表征了河南省南部地區(區域Ⅳ)PSI的年際變化。下同。

圖5 各分區主成分得分PCS序列的Mann-Kendall趨勢和突變檢驗

表1給出了各分區PCS序列的EEMD分析結果，以此探求PSI的周期性振蕩特征。PCS1，PCS2，PCS3，PCS4的IMF1分量方差貢獻率分別為55.9%，70.32%，86.22%，72.08%，明顯高于其他IMF分量，這表明了PCS1，PCS2，PCS3，PCS4分別呈現出主周期為2.94，2.63，3.33，2.63 a的短期振蕩。與上其他3個分區相比，河南省北部PCS序列的短期振蕩更為強烈，其體現在IMF1的方差貢獻率超過了86%。

表1 各分區主成分得分PCS序列集合經驗模態分析EEMD分解結果

2.4 各分區PSI對大氣環流指數的敏感性分析

依托PCS序列以及15種LACI的逐年序列，表2通過相關分析和逐步回歸分析探求河南省不同區域PSI變化的主要驅動力。由表2可以發現河南省PSI波動對與環流信號的響應存在著顯著的區域差異。4個氣候分區中，北部地區(區域Ⅲ)PCS3與LACI的相關性最為顯著，其中NAO，MEI，NINO3，NINO1+2，NINO4，NINO3.4均對PCS3有著顯著影響，特別是PCS3與NINO3，NINO1+2的負相關性通過了0.01顯著性水平檢驗。NAO，MEI，NINO3，NINO1+2，NINO3.4也對PCS1和PCS2有這顯著影響，但負相關性均未通過0.01顯著性水平檢驗。反觀區域Ⅳ，PCS4與LACI的相關性最弱，且均未通過且通過0.05顯著性水平檢驗。此外，逐步回歸分析指出NAO，NINO3.4，NINO3分別是影響PCS1，PCS2，PCS3的關鍵環流因子。

表2 主成分得分PCS與LACI的相關分析及多元逐步回歸分析

圖6中交叉小波能量譜進一步刻畫了PCS與關鍵環流因子的時頻對應關系。圖6a中PCS1與NAO存在著兩個共振周期，兩者在1985—1990年期間存在著周期為2～4 a的負相關性，在1985—1990年期間存在著周期為2～4 a的負相關性。圖6b中PCS1與NINO3.4存在著兩個共振周期，兩者在1989—1999年期間存在著周期為1～4 a的負相關性，在1993—2004年期間存在著周期為4～6 a的負相關性。圖6c中PCS3與NINO3存在著3個共振周期，兩者在1974—1997年期間存在著周期為2～6 a的負相關性，在1989—2004年期間存在著周期為5～6 a的負相關性，在2011—2015年期間存在著周期為2～3 a的負相關性。

通過圖6中色相及顯著性范圍的差異可以發現，NINO3對PCS3有著更為強烈更為持續的影響，這與表2中各分區回歸方程的R2高低相吻合。

圖6 主成分得分PCS序列與關鍵環流因子的交叉小波變換

2.5 各分區PSI對主要糧油作物產量的影響

統計資料記錄的作物產量與時間呈現出極顯著的正相關性，逐年的農業投入、技術進步、政策改良等人為因素極大的提高了產量，因此需要去除人為因素導致的產量增加趨勢才能客觀的識別氣候要素波動的貢獻。一階差分法常應用于產量去趨勢處理，即本年產量值減去前一年的產量值，并將要分析的氣候要素也做一階差分，然后將兩者對應起來分析[22]。對全省主要糧油作物總產量序列及PCS序列進行一階差分預處理，并對它們進行了相關分析，以此探求全省糧油作物生產安全對PSI的響應。除花生外，其他5種作物的產量均與各分區PCS呈現出負相關性，這表明較高的年內降水集中性不利于糧油作物的種植(表3)。其中冬小麥的產量波動對PSI極為敏感，其與PCS1，PCS2，PCS4的負相關系數分別為-0.56，-0.392，-0.371，且均通過了0.01顯著性水平檢驗，這說明了河南省大部分地區降水集中性年際異常對冬小麥生產安全有著顯著的指示作用。

表3 河南省主要糧油作物總產量與各分區PCS的相關分析

3 討 論

研究區年內降水分配非均勻性的年際變化呈現出顯著的區域差異，其可劃分為西部、中東部、北部、南部4個呈現不同降水季節性指數(PSI)演變特征的子區域。相類似的空間區劃格局還發現在河南省年降水和氣溫等要素的年際變化[16-18]。該省自南向北由亞熱帶向暖溫帶過渡、自東向西由平原向丘陵山地過渡的雙重氣候過渡性是造成相關指標時空演變呈現出顯著區域差異的重要原因[17]。特別是河南省北部地區不僅呈現出較高的降水非均性，且PSI呈現出強烈的短期年際波動。這與該省干旱時空分布規律相一致，由于地處暖溫帶大陸性季風氣候區，降水異常導致北部地區干旱的發生頻率、持續強度均高于其他區域[23]。河南省大部分地區降水非均勻性主要受基于海表溫度的厄爾尼諾/南方濤動(ENSO)指標的影響，特別是與NAO，NINO3.4，NINO3等指標有著顯著的負相關性。相類似的，黃淮海平原諸多極端降水指數與ENSO指數也存在著顯著的負相關性[24]。現有的研究表明ENSO的位相轉換對華北季節性降水有著重要影響，在暖相位的厄爾尼諾年，春季降水偏多，夏季和全年偏少；反之在冷相拉的尼娜年，春季降水偏少，夏季和全年偏多[25-27]。因此，相關ENSO指標的數值越高，則意味著研究區夏季對年降水總量的貢獻率偏低，進而使得年內降水分配更均勻。此外，冬小麥產量對PSI的年際異常較為敏感，特別是西部地區的PSI與小麥產量的相關性達到了-0.560，而研究區冬小麥的氣候產量與降水、氣溫等農氣指標的相關系數在-0.39～0.32間浮動[17]。因此，PSI可以作為重要氣候指標用來評估由于降水異常導致的災損。

4 結 論

(1) 本研究計算了河南省113個站點近50 a的降水季節性指數(PSI)，其多年均值的空間分布表明北部地區呈現出較高的年內降水分配非均勻性。

(2) 研究區可以劃分成西部、中東部、北部、南部4個呈現不同降水非均勻性演變特征的子區域，其中北部地區的PSI呈現出更為強烈的短期波動，而其他3個區域的PSI在1990年后呈現出一定的中長期上升趨勢。

(3) 北大西洋濤動(NAO)、厄爾尼諾-3區的平均海面溫度(NINO3.4)、厄爾尼諾-3區的平均海面溫度(NINO3) 分別是顯著影響西部、中東部、北部PSI的關鍵環流因子。

(4) 與其他糧油作物相比，冬小麥產量波動對年內降水分配非均勻性更為敏感。