近60年江西省時段最大降水變異診斷

吳紹飛，王 奇，黃彬彬，居 翔，徐長寶，賀 淼

(南昌工程學院 鄱陽湖流域水工程安全與資源高效利用國家地方聯合工程實驗室，江西 南昌 330099)

降水是誘發暴雨、城市內澇、山洪泥石流等災害的主要原因之一，對社會經濟活動造成極大威脅。氣候變化與人類活動雙重影響下，包括短歷時強降水等在內的極端水文事件呈廣發、頻發等態勢成為國內外普遍共識。因此，研究區域強降水時空分布規律，對認識強降水引發的自然災害有重要意義。Asadieh 等[1]發現全球最大日降水比過去110年增加了約5.73 mm。於琍等[2]發現近25年中國暴雨日數稍有增加，暴雨強度與日數總體上南方高于北方，東部高于西部。在區域尺度上，潘國艷等[3]發現贛江流域年最大日降水、95%閾值極端降水量與降水日數均表現出一定的增加趨勢，整體表現為由西南向東北增加。冶運濤等[4]研究了長江上游流域的降水結構特性，發現長江上游流域的降水發生率伴隨歷時的增加而減少，短歷時降水次數頻次逐漸增加，降水強度也隨之增大；宋曉猛等[5-6]研究了北京地區的降水結構和降水極值特征。可以發現，受觀測資料限制，相關研究主要以日以上時間尺度極端降水為主。吳偉杰等[7]等指出，采用日降雨量開展極端降水分析夸大了長時間連續性弱降水的作用，無法真實反映降水強度影響。謝五三等[8]等發現安徽省小時極端降水局地性特征明顯，且主要發生在梅雨期；章毅之等[9]研究了江西省近40年小時尺度降水的分布特性，結果表明，江西省短歷時降水的平均歷時呈“南少北多”的趨勢，降水量與頻次顯著增加。小時尺度降水更有利于真實的反映極端降水時程變化特征，更加符合暴雨致災研究需要，逐漸為越來越多學者重視。

江西省位于中國南部，屬亞熱帶暖濕季風氣候，常受暴雨洪澇等自然災害侵襲[10]，短時強降水引發的城市內澇、農田淹灌問題尤為突出。相關學者對區域極端天氣特征、形成因素、預報模型[11-12]做了大量研究，但是缺乏對小時尺度降水時空分布特征的進一步研究。本文選取江西省91個水文氣象站點1954—2012近60年小時尺度降水數據，系統開展研究區域多時段年最大降水變異診斷分析，以期為全省暴雨災害風險預警預報等提供一定的理論參考。

1 研究資料與方法

選用江西省1954—2012年91個氣象站(圖1)逐小時降水資料，引入水文變異診斷方法，分析江西省連續1、3、6、12、24 h等不同歷時年最大降水的時空分布特征。其中部分站點數據缺測，經過篩選最終選擇81個資料系列完整的站點進行分析。謝平等[13]指出，氣候變化與人類活動影響下的極端水文系列，常常表現出2種變異類型：跳躍和趨勢變異。使用單一的檢驗方法，診斷結果往往難以一致且不具備說服力，因此采用多種趨勢、跳躍診斷法，對各站點各時段最大降水序列進行綜合診斷。

圖1 研究區域站點分布

a)流程及方法。①首先使用Python編程對數據預處理，計算獲取站點各時段最大降水值，以及1 h降水大于等于16 mm、12 h大于等于30 mm、24 h大于等于50 mm的頻數。②其次通過詳細診斷的多種檢驗法、綜合診斷的效率系數，最終確定各站點各時段的最大降水變異類型。③最后結合GIS軟件將各站點的診斷結果、相應極端降水頻率進行空間分析。詳細診斷包含趨勢診斷、跳躍診斷。趨勢診斷采取線性趨勢、Kendall、Spearman，跳躍診斷選取M-K、累積距平、有序聚類、滑動F、滑動秩和；綜合診斷：效率系數R2。

b)趨勢診斷中Spearman秩次相關法。該方法為一種非參數檢驗法，用于檢驗變量之間的相關性。原理：將N對(xi，yi)依次秩序編號，將重復數據取編號平均進而對變量等級檢驗判斷數據之間的關聯性。式(1)rs是秩相關系數，取值介于(-1，1)，若取值大于0即為正相關，否則負相關，取值為0則無關，Ri和Qi分別是2個變量的秩。

(1)

c)跳躍診斷中Mann-Kendall原理。對已有序列x構造一個新的秩序列St，見式(2)，意為若序列的i時刻大于j時刻，則計數累加；假設序列隨機獨立，給定式(3)計算得出統計變量UFt，UBt是前者的逆序計算，利用式(4)、(5)計算出所構造序列的方差Var(St)，UFt、UBt是2條大小相同符號相異的曲線，兩者若兩者值大于0即序列趨勢增加，否則減少，超過顯著水平線就代表顯著，曲線有交點表明發生變異。

(2)

(3)

(4)

(5)

d)綜合診斷效率系數R2。引入效率系數R2用于判斷跳躍類型，計算得出效率系數值大者為最終跳躍變異類型；基于詳細診斷結果，其顯著性的判斷則根據統計各方法為顯著性的次數判斷，顯著計數1，否則0，累加大于2則最終診斷為趨勢顯著。R2計算方法為式(6)—(8)，發生跳躍突變時，若只有1種突變結果則直接跳過該系數直接判定；若2種形式都有，則綜合次數較多或鄰近較多的點作為突變點K，公式中Qm,i分為2種情況，若趨勢變異Qm,i則為該序列當前時刻的一元線性回歸值，若跳躍變異則在跳躍點K處分為前后2段數據分別代入式(7)、(8)計算，Qi為序列值。研究路線見圖2。

圖2 研究方法

(6)

(7)

(8)

2 結果與分析

2.1序列診斷

a)詳細診斷。選取處理好的萍鄉站降水序列，利用M-K、線性趨勢、滑動平均進行詳細診斷[14](由于站點和檢驗方法較多，限于篇幅只選取代表性站點進行展示)。首先，圖3使用M-K對萍鄉站各時段年最大降水序列跳躍檢驗，其中曲線UF、UB在顯著水平線α=0.05[15]內有交點則有可能發生變異，圖3a—3e分別是最大1、3、6、12、24 h降水序列的檢驗結果。試驗發現各時段最大降水序列的統計量曲線交叉點，多數集中于20世紀八九十年代，因此序列極有可能發生變異且具體時間節點分別為1986、1987、1989、1991、1996年；其次，為進一步判斷變異類型，圖4采用滑動平均[16]、一元線性回歸[17]法對各時段降水序列趨勢診斷，其中一元線性趨勢線的檢驗結果表明圖3a—3e各時段最大降水序列的變化趨勢都表現為增加，滑動平均趨勢線顯示出序列的基本走向，各時段序列的顯著性系數分別為2.20、3.21、2.82、2.62、2.34，都大于標準顯著性系數值，因此初步判斷萍鄉站最大降水序列的變化趨勢為顯著增加；最后，判斷站點的最終變異類型還需進行綜合診斷，若存在2種變異類型則需要計算相應的效率系數對比數值大小，只有單一類型則無需計算直接判定變異類型，并最終指出相應跳躍節點和趨勢程度。

a)1 h

a)1 h

d)12 h

b)綜合診斷。表1所示為萍鄉站5個時段最大降水序列診斷結果。其中趨勢診斷方法有3種：線性趨勢、Kendall、Spearman；跳躍診斷：M-K、累積距平、有序聚類、滑動F、滑動秩和。首先經過3種詳細診斷方法得出初步結果，其次通過綜合診斷計算出跳躍效率系數和趨勢效率系數(式(6)—(8))，對比兩者數值大者決定變異類型。結果表明每種方法都通過了顯著性水平檢驗，最終診斷結論為該站點5種時段最大降水序列均發生跳躍變異，各時段最大降水序列的跳躍節點分別為1976、1990、1989、1990、1992年。圖5為萍鄉站最大1、24 h降水序列的變異結果，圖5a顯示1 h最大降水序列在1976年發生向上跳躍變異，變異前后最大降水量均值分別為33.45、 43.52 mm；圖5b為24 h最大降水序列在1992年向上跳躍，跳躍前后均值分別為110.94、137.40 mm。

表1 萍鄉站多歷時變異診斷結果

a)1 h

2.2 變異類型及極端降水空間分布

通過以上診斷過程，確定各站點多時段最大降水序列的變異診斷結果(限于篇幅只選取了1、24 h作為展示)。由圖6可知伴隨歷時的增加，序列發生變異的站點逐漸增多且以跳躍增大居多。其中圖6a表明1 h發生顯著變異的站點主要集中在江西省北部鄱陽湖平原地區，少量分布在南方山嶺地區，整體呈現為“北密南疏”，變異年份以20世紀七八十年代為主；圖6b顯示24 h顯著變異的站點數增加十分明顯，以南方跳躍增大最為突出，其中變異節點以90年代居多，變化不顯著的站點集中在北方平原地區。主要成因分析：①時段最大降水變異分布呈現為“北密南疏”主要歸因于地形地貌，江西全省唯有北部擁有平原，東、西、南三面山嶺；②陳阿嬌[18]研究指出長江流域內降水變異程度與高程、大氣環流指數有一定相關性。因此對江西省時段最大降水變異進一步分析：南方山嶺地區降水序列變異程度與高程整體呈正相關性，北方平原地區呈現負相關性；結合大氣環流指數AO(北極濤動)與鄱陽湖流域內站點降水量呈負相關性、NAO(北大西洋濤動)與流域內站點降水量呈正相關性、PNA(太平洋-北美濤動)呈現負相關性[18]，可以發現大氣環流指數與江西省降水序列的變化有一定相關性，是造成時段最大降水變異的成因之一。

a)1 h

由圖7可知江西省各站點各時段暴雨發生頻次的空間分布。結果顯示，高頻次暴雨分布呈現為“西南多、東北少”。其中圖7a顯示1 h降水大于16 mm的高頻暴雨分布相對均勻，頻數在11～13之間，發生次數為6～9的則緊密集中于北部平原地區；12 h降水大于30 mm的高頻暴雨事件逐漸減少，其中發生5～6次的暴雨事件居多且分布相對均勻；24 h降水大于50 mm的暴雨事件進一步減少，高頻暴雨的頻數主要分布于全省中部和南部，次數為5～7次。造成這種分布情形的主要原因和當地的地理形態有關，江西省三面環山，北部是鄱陽湖一帶的平原地區，形狀猶如“簸箕”，冷暖氣流在江西東部交匯，由于山脈的地形抬升，西部背風坡空氣下沉不利于產生強降水，因此北部地區發生強降水次數相對其他地區較少[19]。

a)16 mm

3 結論

本文利用江西省91個水文站近60年小時尺度降水資料，對全省多時段最大降水序列最大1 h至24 h進行變異診斷和最大降水均值、變差系數、暴雨頻次分析，主要結論如下。

a)江西省各尺度降水序列最大1、3、6、12、24 h分布特征較為相似，研究區域內發生顯著變異的站點北部平原地區多余南方山嶺地區，空間分布呈現為“北密南疏”。

b)南方山嶺與北方平原地區降水序列的變異程度與高程分別呈現正相關性、負相關性，大氣環流指數是造成時段最大降水序列變異的主要成因之一，其中研究人員發現AO、NAO、PNA與研究區域內降水量分別呈現負、正、負相關性。

c)全省暴雨事件發生頻次隨著歷時的增加逐漸減少，各歷時高頻暴雨事件空間分布西南區域相對北方較多，主要影響因素和當地地形相關。

基于全省多個氣象站小時降水資料，分析短歷時最大降水變異趨勢和暴雨頻次變化特征，目的在于為短時暴雨預報及洪澇預警服務提供一定信息參考。未來的氣象預報機制，需要提供更為精準氣象水文數據，尤其近年來城市內澇和洪澇問題頻發，更加需要對多時段短歷時降水過程進行多要素特性分析，下一步除了需要更為精準的降水資料，還需要結合深度學習技術對短時強降水出現的概率分布、短期降水量預測進一步研究。