基于多種趨勢分析方法的京津冀地區極端降水趨勢分析

魯東陽 閆磊 徐永新 李婧 徐丹 姚瑞娟

摘 要：變化環境下我國極端降水事件頻發，導致洪澇災害加劇，嚴重影響社會經濟的可持續發展。分析京津冀地區極端降水趨勢，預測未來極端降水，更合理地開展降水頻率分析，對合理配置水資源有重要意義。基于京津冀及周邊地區25個氣象站1960—2016年逐日降水數據，分別采用普通Mann Kendall檢驗、預置白Mann Kendall檢驗、去趨勢預置白Mann Kendall檢驗和改進的Mann Kendall檢驗方法，選取7個極端降水指標對京津冀地區極端降水進行趨勢分析。結果表明：京津冀日極端降水95%分位數表現為西北地區下降、東部鄰渤海地區和南部地區上升的趨勢；日降水強度表現為上升趨勢；邊界區域年降水量表現為上升趨勢，內部呈下降趨勢；其他指標呈顯著或不顯著的下降趨勢。對4種方法所得結果進行對比，除年降水量外，各極端降水指標的檢驗結果均有不同程度的差別，預置白Mann Kendall方法最為嚴格。

關鍵詞：極端降水；趨勢分析；非參數檢驗；極端降水閾值；京津冀

中圖分類號：P333.6 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2022.01.006

引用格式：魯東陽，閆磊，徐永新，等.基于多種趨勢分析方法的京津冀地區極端降水趨勢分析[J].人民黃河，2022，44（1）：26-32.

AnalysisofExtremePrecipitationTrendinBeijing Tianjin HebeiRegionBasedonVarious TrendAnalysisMethods

LUDongyang1，YANLei1，XUYongxin1，2，LIJing1，XUDan1，YAORuijuan1

（1.CollegeofWaterConservancyandHydropower，HebeiUniversityofEngineering，Handan056000，China；2.UniversityoftheWesternCape，CapeTown7535，RepublicofSouthAfrica）

Abstract：Underthechangingenvironment，thefrequentoccurrenceofextremeprecipitationeventsinChinaleadstotheaggravationofflood disaster，whichseriouslyaffectsthesustainabledevelopmentofsocialeconomy.Itisofgreatsignificancetoanalyzethetrendofextremepre cipitationinBeijingTianjinHebeiarea，predictthefutureextremeprecipitation，andanalyzethefrequencyofprecipitationmorereasonably. Basedonthedailyprecipitationdataof25meteorologicalstationsinBeijing，TianjinandHebeifrom1960to2016，thispaperusedcommon MannKendalltest，presetwhiteMannKendalltest，detrendpresetwhiteMannKendalltestandimprovedMannKendalltesttoanalyzethe trendofextremeprecipitationinBeijing，TianjinandHebeibyselecting7extremeprecipitationindexes.Theresultsshowthatthe95%quan tilesofthedailyextremeprecipitationinBeijing，TianjinandHebeishowsadownwardtrendinthenorthwest，theBohaiSeaandthesouthin theeast，anupwardtrendinthedailyprecipitationintensity，anupwardtrendintheannualtotalprecipitationintheborderarea，anda downwardtrendintheinterior，andasignificantorinsignificantdownwardtrendinotherindicators.Comparedwiththeresultsofthefour methods，theresultsofeachprecipitationindexaredifferentexcepttheannualtotalprecipitation，andthepresetwhiteMannKendallmethod isthemoststrict.

Keywords：extremeprecipitation；trendanalysis；nonparametrictest；extremeprecipitationthreshold；Beijing Tianjin Hebei

近年來，隨著全球氣候變暖，我國極端天氣事件頻發，尤其是極端降水事件趨多且趨強[1]，導致旱澇災害加劇，嚴重影響農業生產和社會經濟的可持續發展。從整體上看，我國華北地區強降水事件呈減少趨勢[2]，但華北東南部部分大城市的極端降水強度則表現出明顯的增強趨勢[3]。進行極端降水趨勢分析，對合理配置水資源、滿足居民生活和工農業發展的基本需要、保障人民生命財產安全具有重要意義[4-6]。

目前，已有不少國內外學者進行了極端降水趨勢分析研究[7-12]，具體方法有參數檢驗法和非參數檢驗法，其中非參數檢驗法具有不受樣本分布類型影響等特點，被廣泛應用于水文時間序列的趨勢檢驗。時間序列趨勢分析中的Mann Kendall非參數檢驗方法由Mann[13]和Kendall[14]提出。李志等[15]基于Mann Kendall等方法，指出涇河流域極端降水事件各指標都趨于升高。占車生等[16]采用Mann Kendall法對渭河流域降水時間序列進行了趨勢分析，得出渭河流域年降水量在時間上呈現出一定的減少趨勢，在空間上表現為從上游到下游逐漸增加。Mann Kendall法雖然具有非參數檢驗的優勢，但要求樣本數據是連續獨立的，當樣本數據存在自相關性時，將影響Mann Kendall檢驗方法正確評估趨勢的能力[17]。受氣候變化和人類活動影響，降水序列的自相關性日趨強烈，僅用Mann Kendall法不可避免地出現誤差。為此，很多學者對Mann Kendall法進行了修正，在進行Mann Kendall法檢驗之前對序列進行處理以消除序列相關性的方法稱為前置移除法。Storch[18]指出，在應用Mann Kendall方法前，對序列進行預置白處理（Pre-Whitening），以消除序列中的自相關成分。Yue等[19]證明，對于一個存在趨勢項和一階自相關的序列，預置白處理會去掉部分趨勢成分，接受無趨勢的無效假設，使得原本趨勢顯著的序列被認為趨勢不顯著，因此對預置白處理做了進一步的改進，提出了去趨勢預置白Mann Kendall檢驗法。針對自相關性影響，對Mann Kendall方法本身進行改進的方法稱為參數修正法，Hamed等[20]提出了一個計算有效樣本量的經驗公式，修改了Mann Kendall統計量的方差，以消除序列相關性對Mann Kendall檢驗的影響。章誕武等[21]基于中國氣象資料對多種非參數趨勢檢驗方法進行對比分析，提出序列中存在的正（負）自相關性不會改變Mann Kendall趨勢檢驗統計量的概率分布和期望，但將增大（減小）其方差，從而在某一顯著性水平下，增大（減小）拒絕原假設的概率。因此，在對水文序列有無自相關性以及明顯趨勢性未知的情況下，僅使用Mann Kendall檢驗方法對序列進行趨勢分析是片面的。

目前我國已有對京津冀地區降水趨勢分析的研究[22]，但基于最新氣象數據對京津冀地區極端降水趨勢應用多種趨勢檢驗方法對比分析的研究較少，筆者采用Mann Kendall檢驗、預置白Mann Kendall檢驗、去趨勢預置白Mann Kendall檢驗方法以及改進的Mann Kendall檢驗方法，對京津冀面平均降水量以及25個氣象站點1960—2016年降水數據的7個極端降水指標進行趨勢分析，并在ArcGIS中用泰森多邊形法[23]求出不同極端降水指標的京津冀面平均變化量，以期為預測京津冀地區未來降水趨勢、更合理地開展非一致性降水頻率分析、滿足居民生活和工農業發展基本需要提供依據。

1 研究區域和數據資料

京津冀地區位于東經113°47′—119°50′、北緯36°5′—42°46′之間，總面積21.6萬km2，地處華北平原，北接內蒙古高原，西鄰黃土高原，東鄰渤海[24]。區域內部兼有高原、山地、丘陵、盆地、平原、草原和海濱等多種地形地貌。京津冀地區整體上屬于典型的溫帶大陸性季風氣候區，大部分地區四季分明，春季干旱少雨，夏季炎熱多雨，秋季晝夜溫差大，冬季寒冷干燥。

本文選取京津冀及周邊地區25個氣象站1960—2016年逐日降水數據進行分析，研究區域和氣象站分布如圖1所示。

2 指標選取及研究方法

2.1 極端降水指標的選取

在選取極端降水指標之前，需要明確極端降水閾值的定義。通常日降水量超過25mm的降水事件稱為大雨，日降水量超過50mm的降水事件稱為暴雨，早期采用大雨或暴雨這樣的標準作為一個共同的閾值來研究極端降水[25]。然而，極端降水事件應因地而異，對于中國的西北部，常年干旱，即使是一場中雨也會造成泥石流等災害，而對于東南沿海，降水要遠比內陸多。所以，按照大雨或暴雨這樣的標準來定義閾值研究極端降水事件存在很大問題。目前，國際上多采用百分位法[23]定義極端降水閾值，通過計算超過閾值的降水量或頻數等，對極端降水事件進行分析研究。這種閾值的定義方法消除了地域差異的因素，使計算出的極端降水指標具有在不同空間區域的可比性，可以更好地表征極端降水事件的區域特征，以便更客觀地分析極端降水的變化趨勢[26]。

采用百分位法，將1960—2016年逐年有效日降水量（大于0.01mm）序列由小到大排列，取其第95個百分位數的降水為本年極端降水事件的閾值，當某站某日降水量超過這個閾值時，就記為一次極端降水事件，進而確定相關極端降水指標。本研究選取7個極端降水指標，見表1。

利用有效樣本量修正的M-K檢驗方法，對原始時間序列趨勢的顯著性進行評價。

3 趨勢檢驗結果分析

3.1 日極端降水95%分位數

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站日極端降水95%分位數進行趨勢分析。京津冀面平均日極端降水95%分位數在4種方法下表現為不顯著的上升趨勢。由圖2可知，4種方法下的安陽、泊頭、廊坊、樂亭、密云、南宮、秦皇島、石家莊、天津、圍場、蔚縣、邢臺，M-K和MMK方法下的承德，PW-MK和TFPW-MK方法下的張北均表現為顯著或不顯著的上升趨勢；其他除M-K方法下的北京表現為顯著的下降趨勢外均表現為不顯著的下降趨勢。日極端降水95%分位數在空間上的表現為西北地區減小、東部鄰渤海地區和南部地區增大。而京津冀西北地區有個別站點出現顯著的上升趨勢，出現該趨勢可能與地形有關。

3.2 極端降水天數

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站極端降水天數進行趨勢分析。京津冀面平均極端降水天數在4種方法下表現為顯著的下降趨勢。由圖3可知，4種方法下所有站點的極端降水天數均表現為顯著或不顯著的下降趨勢。其中表現出顯著下降趨勢的站點主要分布在東部地區。

3.3 強降水量

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站強降水量進行趨勢分析。京津冀面平均強降水量在4種方法下表現為顯著的下降趨勢。由圖4可知，4種方法下泊頭、廊坊、石家莊、圍場以及M-K方法下的蔚縣表現為不顯著上升趨勢，其他均表現為下降趨勢，其中4種方法下的遵化、饒陽，M-K方法下的黃驊、唐山，PW-MK方法下的南宮、塘沽，TFPW-MK方法下的黃驊、唐山、塘沽，MMK方法下的黃驊、南宮、塘沽均表現為顯著的下降趨勢。下降趨勢顯著的站點主要分布在東部地區。

3.4 日降水強度

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站日降水強度進行趨勢分析。由表2可知，4種方法下的豐寧、饒陽、遵化，PW-MK和TFPW-MK方法下的保定、秦皇島、青龍表現為不顯著的下降趨勢；其他站以及京津冀面平均日降水強度在4種方法下表現為顯著或不顯著的上升趨勢。南部地區個別站點上升趨勢顯著。

3.5 年降水量

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站年降水量進行趨勢分析。由表3可知，泊頭、廊坊、石家莊、圍場、蔚縣、邢臺、張家口站經4種方法分析均表現為不顯著的上升趨勢，其他站及京津冀面平均年降水量表現為不顯著的下降趨勢。空間上看，京津冀邊界區域年降水量表現為微弱的上升趨勢，內部呈微弱的下降趨勢。

3.6 年最大日降水量

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站年最大日降水量進行趨勢分析。由表4可知，4種方法下的圍場、邢臺、承德，PW-MK和TFPW-MK方法下的廊坊，TFPW-MK和MMK方法下的泊頭、石家莊，M-K方法下的石家莊表現為不顯著的上升趨勢。其他站和京津冀面平均年最大日降水量在4種方法下表現為顯著或不顯著的下降趨勢。

3.7 極端降水貢獻率

運用4種趨勢檢驗方法對京津冀面平均及25個氣象站極端降水貢獻率進行趨勢分析。由表5可知，北京、懷來、唐山在PW-MK方法下表現為不顯著的下降趨勢，在其他3種方法下表現為顯著的下降趨勢；黃驊、南宮、塘沽、張家口、遵化以及京津冀面平均極端降水貢獻率在4種方法下表現為顯著的下降趨勢，其他站除青龍、石家莊表現為不顯著的上升趨勢外均表現為不顯著的下降趨勢。

3.8 4種方法結果對比分析

4種方法檢驗后具有顯著性趨勢變化的站點所占比例見表6。根據表6對比分析不同方法檢驗結果的差異。

由表6可以看出，對日極端降水95%分位數來說，除M-K方法外的其他3種方法得到的具有顯著趨勢的站點比例一致，均為8%，M-K方法得到的具有顯著趨勢的站點比例最大，站點之間具有包含關系，即除M-K方法外其他3種方法得到的具有顯著趨勢的站點均能通過M-K檢驗；對極端降水天數來說，M-K與MMK方法得到的具有顯著趨勢的站點比例一致，PW-MK和TFPW-MK方法得到的結果一致，但站點之間并沒有完全的包含關系；對強降水量來說，PW-MK方法最為嚴格；對日降水強度來說，除MMK方法外的其他3種方法結果一致，但并不具有站點之間的包含關系，MMK方法最為嚴格；對年降水量來說，4種方法結果均一致；對年最大日降水量來說M-K與TFPW-MK方法結果一致，MMK與PW-MK方法結果一致，并且經MMK與PW-MK方法得到具有顯著趨勢的站點均能通過M-K與TFPW-MK檢驗；對極端降水貢獻率來說，除PW-MK方法外的其他3種方法得出的結果一致，并且PW-MK方法最嚴格且得到具有顯著趨勢的站點均能通過其他3種方法檢驗。

7個指標中，年降水量經4種趨勢檢驗方法得到的結果一致，極端降水天數得到的結果差異最大，有16%的站點檢驗結果有差異，其他降水指標經4種趨勢檢驗方法得到的結果差異相對較小。造成這種差異的原因可能是某些站點的降水序列存在正（負）自相關性，或者是序列存在明顯趨勢，從而影響了趨勢檢驗的結果。

4 結 論

基于京津冀及周邊地區25個氣象站1960—2016年降水數據，采用M-K、PW-MK、TFPW-MK和MMK等4種趨勢檢驗方法對京津冀面平均及25個氣象站的日極端降水95%分位數、強降水量等7個極端降水指標進行了趨勢分析。4種趨勢檢驗方法得出的結果受降水序列自相關性和趨勢性的影響，個別站點產生了些許偏差，但總體上看，得出的結果差異不大。

（1）京津冀地區日極端降水95%分位數表現為西北地區減小、東部鄰渤海地區和南部地區增大的趨勢，而京津冀西北地區有個別站點出現明顯的上升趨勢，這可能是地形原因導致的；京津冀面平均極端降水天數表現為下降的趨勢，尤其以東部地區下降趨勢顯著；京津冀面平均強降水量表現為顯著的下降趨勢，東部地區下降趨勢顯著性更強；京津冀面平均日降水強度表現為上升趨勢，南部個別站點上升趨勢顯著；京津冀邊界區域年降水量表現為微弱的上升趨勢，內部呈微弱的下降趨勢；京津冀面平均年最大日降水量和極端降水貢獻率呈顯著下降趨勢。

（2）4種趨勢檢驗方法的結果對比分析表明，4種方法對年降水量的趨勢分析結果一致，而對其他降水指標得到的結果均有不同程度的差別，其中對極端降水天數得到的結果差別最大。綜合所有指標分析結果來看，PW-MK檢驗方法最為嚴格，得到的具有顯著性趨勢的站點最少。4種趨勢檢驗方法所得結果的差異表明當水文序列存在自相關性或明顯趨勢性時，會影響趨勢檢驗的結果。

（3）京津冀地區部分站點極端降水指標表現出顯著的趨勢性，不再滿足一致性假設。因此，應當針對京津冀地區的極端降水序列開展非一致性頻率分析，并分析設計暴雨值與出現頻率（或重現期）之間的定量關系，為京津冀地區水資源配置和防災減災提供參考。

參考文獻：

[1] 方浩，喬云亭.中國東部夏季極端降水時空分布及環流背景[J].熱帶氣象學報，2019，35（4）：517-527.

[2] 賈艷青，張勃.1960—2016年中國北方地區極端干濕事件演變特征[J].自然資源學報，2019，34（7）：1543-1554.

[3] 王萃萃，翟盤茂.中國大城市極端強降水事件變化的初步分析[J].氣候與環境研究，2009，14（5）：553-560.

[4] 張翠萍，李小平，陳真，等.涇河合水川流域極端降水時空演變特征[J].人民黃河，2020，42（12）：12-17，22.

[5] 張延偉，史本林，朱孔來.1960—2010年河南省極端氣候事件變化趨勢[J].人民黃河，2016，38（8）：10-13，17.

[6] 王成都，劉國東，孫冉，等.1951—2013年山東省極端降水特征分析[J].人民黃河，2016，38（8）：5-9.

[7] YUANJ，XUYP，WUL，etal.VariabilityofPrecipitation ExtremesovertheYangtzeRiverDelta，EasternChina，During1960-2016[J].TheoreticalandAppliedClimatology，2019，138（1-2）：305-319.

[8] TEDESCHIRG，GRIMMAM，CAVALCANTIIFA.Influence ofCentralandEastENSOonExtremeEventsofPrecipitationin SouthAmericaDuringAustralSpringandSummer[J].Interna tionalJournalofClimatology，2015，35：2045-2064.

[9] 襲祝香，楊雪艷，劉玉汐，等.松遼流域1961—2017年極端降水變化特征[J].水土保持研究，2019，26（3）：199-203，212.

[10] 苗正偉，李娜，路梅，等.1961—2017年京津冀地區極端降水事件變化特征[J].水利水電技術，2019，50（3）：34-44.

[11] 高冰，任依清.鄱陽湖流域1961—2010年極端降水變化分析[J].水利水電科技進展，2016，36（1）：31-35.

[12] 房俊晗，郭斌，張振克，等.1960—2013年黃淮海平原極端降水時空變化特征[J].河南大學學報（自然科學版），2018，48（2）：160-171.

[13] MANNHB.NonparametricTestsAgainstTrend[J].Econo metrica，1945，13（3）：245-259.

[14] KENDALLMG.RankCorrelationMethods[M].London：CharlesGriffin，1975：202.

[15] 李志，劉文兆，鄭粉莉.1965年至2005年涇河流域極端降水事件變化趨勢分析[J].資源科學，2010，32（8）：1527-1532.

[16] 占車生，喬晨，徐宗學，等.渭河流域近50年來氣候變化趨勢及突變分析[J].北京師范大學學報（自然科學版），2012，48（4）：399-405.

[17] YUES，WANGCY.TheMann KendallTestModifiedbyEf fectiveSampleSizetoDetectTrendinSeriallyCorrelated HydrologicalSeries[J].WaterResourcesManagement，2004，18（3）：201-218.

[18] STORCHHV.MisusesofStatisticalAnalysisinClimate Research[M].Heidelberg：Springer，1999：11-26.

[19] YUES，PILONP，PHINNEYB，etal.TheInfluenceofAuto correlationontheAbilitytoDetectTrendinHydrologicalSe ries[J].HydrologicalProcesses，2002，16（9）：1807-1829.

[20] HAMEDKH，RAOAR.AModifiedMann KendallTrend TestforAutocorrelatedData[J].JournalofHydrology，1998，204（1-4）：182-196.

[21] 章誕武，叢振濤，倪廣恒.基于中國氣象資料的趨勢檢驗方法對比分析[J].水科學進展，2013，24（4）：490-496.

[22] 劉金平，韓軍彩，向亮，等.1961—2012年京津冀地區不同等級降水日數時空演變特征[J].氣象與環境學報，2015，31（1）：43-50.

[23] 王玉德.基于ArcGIS的泰森多邊形法計算區域平均雨量[J].吉林水利，2014（6）：58-60，63.

[24] 王麗.京津冀地區資源開發利用與環境保護研究[J].經濟研究參考，2015（2）：47-71.

[25] 羅夢森，熊世為，梁宇飛.區域極端降水事件閾值計算方法比較分析[J].氣象科學，2013，33（5）：549-554.

[26] 江秀芳，李麗平，周立波.極端降水特性分析研究進展[J].氣象與減災研究，2012，35（2）：1-6.

[27] 張洪波，王斌，辛琛，等.去趨勢預置白方法對徑流序列趨勢檢驗的影響[J].水力發電學報，2016，35（12）：56-69.

[28] MATALASNC，LANGBEINWB.InformationContentofthe Mean[J].JournalofGeophysicalResearch，1962，67（9）：3441-3448.

【責任編輯 張 帥】