西南地區(qū)不同海拔極端降水時空變化特征

董欣，倪相

西南大學(xué) 地理科學(xué)學(xué)院， 重慶 400715

自工業(yè)化以來， 人類活動所造成的影響已經(jīng)使得大氣、 海洋和陸地變暖[1]， 這一趨勢正對人類社會的可持續(xù)發(fā)展產(chǎn)生巨大的影響[2-3]． 在全球變暖的背景下， 極端降水事件變得更加頻繁[4]， 因極端降水引發(fā)的洪水、 干旱、 泥石流等自然災(zāi)害頻發(fā)， 自然生態(tài)系統(tǒng)和經(jīng)濟社會發(fā)展受到嚴重影響[5]， 并對人類的生產(chǎn)生活構(gòu)成了嚴重威脅． 西南地區(qū)地形復(fù)雜， 喀斯特地貌分布廣泛， 石漠化和水土流失問題嚴重． 受季風(fēng)環(huán)流的影響， 該地區(qū)降水時空分布不均勻且季節(jié)差異性大[6-7]， 從而使得局部強降水事件頻繁發(fā)生， 且區(qū)域差異顯著．

近年來， 洪澇、 滑坡、 泥石流等山地災(zāi)害在西南地區(qū)頻繁發(fā)生． 而誘發(fā)山地災(zāi)害與城市內(nèi)澇的短時極端降水也因此受到了更加廣泛的關(guān)注[8]． 羅玉等[9]基于西南地區(qū)1970-2010年90個氣象臺站的逐日降水資料， 對極端強降水的變化趨勢進行了研究， 結(jié)果表明， 強降水、 降水強度及強降水比呈上升趨勢， 在空間上呈東西或西北、 東南向梯度變化， 這與劉琳等[10]得出的研究結(jié)果一致． 羅玉等[11]還在氣象臺站逐日降水資料基礎(chǔ)上， 加入NCEP/NCAR逐日再分析資料， 對四川盆地夏季區(qū)域性極端降水事件特征及其成因進行了分析． 丁文榮[12]以1960-2011年110個氣象站的逐日降水資料為基礎(chǔ)， 發(fā)現(xiàn)西南地區(qū)極端降水頻數(shù)有增加趨勢． 譚霞等[13]基于25個站點的逐日降水資料， 分析了西南地區(qū)1979-2016年夏季降水的變化特征， 得出降水總天數(shù)總體呈減少趨勢的結(jié)論． 唐紅玉等[14]利用1960-2000年小時降水資料， 分析了西南地區(qū)的降水頻率和比率， 總結(jié)了該地區(qū)降水時段的變化規(guī)律． 毛冬艷等[15]利用逐小時降水資料， 分析了1981-2010年西南地區(qū)的短時強降水與強暴雨的變化特征， 指出短時強降水呈現(xiàn)頻次增加、 強度增強的變化趨勢． 張煥等[16]根據(jù)西南地區(qū)1961-2000年逐時降水資料， 分析了不同季節(jié)降水和極端強降水的變化趨勢， 指出夏季西南大部分地區(qū)的極端強降水時數(shù)和強度增加．

極端降水常產(chǎn)生于中小尺度天氣系統(tǒng)中， 具有強度大、 時間短的特征， 利用日降水量的研究難以描述其突發(fā)性． 西南地區(qū)地形復(fù)雜、 海拔起伏大， 導(dǎo)致該地區(qū)的極端降水情況復(fù)雜． 鑒于此， 本研究根據(jù)西南地區(qū)381個站點的逐小時降水觀測資料， 選取9個極端降水指數(shù)， 揭示1980-2018年暖季極端降水事件在不同海拔的特征和長期變化趨勢， 以期為該地區(qū)氣象災(zāi)害預(yù)測提供線索， 以及對防災(zāi)減災(zāi)提供一定的參考．

1 數(shù)據(jù)和方法

本研究中的西南地區(qū)包括重慶市、 四川省、 貴州省和云南省， 所用降水?dāng)?shù)據(jù)來自國家氣象信息中心(http： //data.cma.cn)的“中國地面氣象站逐小時觀測資料”， 數(shù)據(jù)具有良好的完整性， 并且經(jīng)過嚴格的質(zhì)量控制， 以確保各站點降水資料的準確性和可靠性． 數(shù)據(jù)觀測時段為1980-2018年， 本研究選取降水集中的暖季(5-9月)作為研究時間段． 觀測站測得的降水?dāng)?shù)據(jù)都會存在缺測的情況， 為了保證數(shù)據(jù)的精度， 首先要進行站點篩選． 選擇站點的標(biāo)準是： ① 所需時段的降水缺測時數(shù)低于總時數(shù)的20%， 若滿足此要求則記該年為有效年份； ② 有效年份超過20年． 經(jīng)過篩選， 滿足上述條件的站點共計381個． 根據(jù)李炳元等[17]的海拔分級指標(biāo)， 將本研究區(qū)按照海拔進行劃分， 海拔<1 000 m的區(qū)域為低海拔地區(qū)， [1 000， 2 000) m之間的為中海拔地區(qū)， ≥2 000 m的劃分為高海拔地區(qū)． 按照該標(biāo)準劃分得出的結(jié)果為： 低海拔地區(qū)有203個站點， 中海拔地區(qū)有147個站點， 高海拔地區(qū)有31個站點． 西南地區(qū)各氣象站點的分布狀況如圖1所示．

審圖號： GS(2019)3333號圖1 西南地區(qū)氣象站點分布圖

本研究參考氣候變化檢測監(jiān)測和指標(biāo)專家小組極端降水監(jiān)測方法， 利用小時降水定義了7個降水指數(shù)[18]， 并引入2個新的指數(shù)， 弱降水小時數(shù)(Hours with Light Precipitation， HLP)和強降水小時數(shù)(Hours with Heavy Precipitation， HHP)． 具體的指標(biāo)定義如表1所示． 研究中采用滑動平均、 線性趨勢等方法對各站點降水指數(shù)變化趨勢進行分析， 不同海拔地區(qū)指數(shù)區(qū)域平均值為各區(qū)域所有站點極端降水指數(shù)的算術(shù)平均值．

表1 極端降水指數(shù)及其定義

2 結(jié)果與分析

2.1 暖季極端降水指數(shù)時間序列變化特征

2.1.1 低海拔地區(qū)極端降水指數(shù)時間序列變化特征

低海拔地區(qū)的范圍主要包括四川東部、 重慶以及貴州東部， 由低海拔地區(qū)暖季極端降水指數(shù)的年際變化來看(圖2)， RX1hour，RX12hour，PRCPTOT，SDII和HHP表現(xiàn)出了不同程度的上升， 其中PRCPTOT上升速率最大， 達到了3.6 mm/10 a， 而R95(圖2a)、 R99(圖2b)、 R1mm(圖2g)和HLP(圖2h)呈現(xiàn)下降趨勢， 下降速率分別為0.09 mm/10 a，0.35 mm/10 a，5.32 h/10 a和5.91 h/10 a． 這說明1980-2018年低海拔地區(qū)暖季降水小時數(shù)減少， 強降水小時數(shù)增加， 降水量增加， 降水的強度顯著增大． 不過各指數(shù)的年際變化表現(xiàn)出明顯的非線性趨勢， 如R95，R99和PRCPTOT等參數(shù)在2000年之前呈現(xiàn)下降趨勢， 2000年之后呈現(xiàn)上升趨勢．

黑色實線為年平均值， 紅色實線為5年滑動平均結(jié)果， 黑色虛線為5年滑動平均的線性擬合結(jié)果．圖2 1980-2018年低海拔地區(qū)暖季極端降水指數(shù)的年際變化

2.1.2 中海拔地區(qū)極端降水指數(shù)時間序列變化特征

中海拔地區(qū)包括四川中部、 云南中東部以及貴州西部， 其極端降水指數(shù)的變化如圖3所示， 除了PRCPTOT(圖3e)、 R1mm(圖3g)和HLP(圖3h)表現(xiàn)為下降趨勢， 下降速率分別為0.69 mm/10 a，11.37 h/10 a和10.79 h/10 a， 其他指數(shù)R95(圖3a)、 R99(圖3b)、 RX1hour(圖3c)、 RX12hour(圖3d)、 SDII(圖3f)和HHP(圖3i)均表現(xiàn)出不同程度的上升， 上升速率分別為0.47 mm/10 a，0.01 mm/10 a，0.66 mm/10 a，1.37 mm/10 a，0.04 mm/(h·10 a)和0.12 h/10 a． 整體看來中海拔地區(qū)1980-2018年暖季降水小時數(shù)減少的同時， 極端降水強度和極值都有所增加． 但在年際變化上， 中海拔地區(qū)與低海拔地區(qū)表現(xiàn)出了明顯的差異， 比如中海拔地區(qū)PRCPTOT在2000年之前是較為明顯的上升， 但2000年后出現(xiàn)了較大的波動， 這一波動與低海拔地區(qū)呈現(xiàn)相反趨勢． 同時， 中海拔地區(qū)R95，R99，R1mm和HLP也表現(xiàn)出了與PRCPTOT類似的年際變化．

黑色實線為年平均值， 紅色實線為5年滑動平均結(jié)果， 黑色虛線為5年滑動平均的線性擬合結(jié)果．圖3 1980-2018年中海拔地區(qū)暖季極端降水指數(shù)的年際變化

2.1.3 高海拔地區(qū)極端降水指數(shù)時間序列變化特征

高海拔地區(qū)為四川西部、 云南西北部以及四川云南交界處， 由圖4可見， 高海拔地區(qū)的5個極端降水指數(shù)均呈下降趨勢， R95(圖4a)、 R99(圖4b)、 PRCPTOT(圖4e)、 R1mm(圖4g)和HLP(圖4h)的下降速率分別為2.11 mm/10 a，0.77 mm/10 a，2.43 mm/10 a，4.09 h/10 a和4.53 h/10 a， 其余指數(shù)表現(xiàn)出了上升趨勢， 而RX12hour(圖4d)上升速率最大， 達到了0.24 mm/10 a． 整體看來高海拔地區(qū)降水小時數(shù)減少， 總降水量減少， 極端降水量減少， 其頻率、 強度和極值也都表現(xiàn)出了不同程度的增加． 而大部分指數(shù)的年際變化非常相似， 如R95，R99，PRCPTOT，R1mm和HLP這些指數(shù)， 在2000年之前呈現(xiàn)上升趨勢， 2000年之后呈現(xiàn)下降趨勢．

黑色實線為年平均值， 紅色實線為5年滑動平均結(jié)果， 黑色虛線為5年滑動平均的線性擬合結(jié)果．圖4 1980-2018年高海拔地區(qū)暖季極端降水指數(shù)的年際變化

表2為不同海拔地區(qū)暖季極端降水指數(shù)平均值及變化趨勢， 從各指數(shù)的平均值來看， 從大到小基本上都依次為： 低海拔、 中海拔、 高海拔， 而PRCPTOT，R1mm和HLP表現(xiàn)出不同的變化規(guī)律， R1mm和HLP從大到小依次為： 高海拔、 中海拔、 低海拔， 而PRCPTOT從大到小依次為： 中海拔、 低海拔、 高海拔． 從各指數(shù)的變化趨勢來看， 大多表現(xiàn)為中、 高海拔高于低海拔， 并且有隨海拔升高而增大的特點． 其中， RX12hour表現(xiàn)出了顯著的上升趨勢， 尤其是在中海拔地區(qū)， 上升速率達到了1.37 mm/10 a． 雖然總降水量在不同海拔并沒有呈現(xiàn)一致的趨勢， 但RX1hour，RX12hour和SDII在所有海拔均呈上升趨勢， 這體現(xiàn)了短時極端降水量和降水強度的增加． HLP在所有高度呈現(xiàn)一致的下降趨勢， 與之相反的是HHP呈現(xiàn)上升趨勢．

表2 1980-2018年西南不同海拔地區(qū)暖季極端降水指數(shù)的平均值及變化趨勢

2.2 極端降水指數(shù)空間格局變化特征

圖5為西南地區(qū)暖季9個極端降水指數(shù)趨勢的多年平均空間分布特征． 由圖5可知， R95和R99具有大致相同的空間分布(圖5a、 圖5b)， 在西南地區(qū)大多呈現(xiàn)出上升趨勢， 且空間分布較為復(fù)雜， 四川東部的站點多呈現(xiàn)下降趨勢． RX1hour多表現(xiàn)為上升趨勢， 出現(xiàn)下降趨勢的地區(qū)主要集中在重慶西部、 四川東部以及貴州西部(圖5c)， 下降幅度集中在0～6 mm/10 a． 暖季RX12hour變化趨勢整體表現(xiàn)為上升趨勢， 主要在四川東部呈現(xiàn)明顯的下降趨勢， 降幅最大為13.69 mm/10 a(圖5d)． PRCPTOT出現(xiàn)下降趨勢的站點主要集中在四川東部和重慶(圖5e)． SDII在大部分地區(qū)表現(xiàn)出了上升趨勢， 尤其是在貴州最為明顯， 增幅達到了0.1～0.164 mm/(h·10 a)， 四川東部的部分站點下降幅度最大(圖5f)． R1mm在絕大部分地區(qū)均以下降趨勢為主， 而在四川西部、 云南西部以及貴州東部呈現(xiàn)上升趨勢(圖5g)， HLP(圖5h)也表現(xiàn)出了相似的變化趨勢． HHP(圖5i)的空間分布較為復(fù)雜， 在大部分地區(qū)表現(xiàn)出上升趨勢， 最大增幅為1.14 mm/10 a， 下降區(qū)域集中在四川東部和重慶．

總體而言， 各極端降水指數(shù)只有R1mm和HLP表現(xiàn)出了明顯下降的趨勢， 其余指數(shù)大多表現(xiàn)出了上升的趨勢， 這表明西南地區(qū)暖季總降水量逐漸增加， 降水小時數(shù)尤其是弱降水小時數(shù)在減少， 而極端降水的強度和極值在增加．

黑色圓圈表示有統(tǒng)計學(xué)意義的站點．圖5 1980-2018 年西南地區(qū)各站點暖季極端降水指數(shù)趨勢的空間分布

2.3 極端降水指數(shù)與海拔之間的關(guān)系

各極端降水指數(shù)與海拔的關(guān)系較為復(fù)雜， 經(jīng)計算， R95，R99，RX1hour，RX12hour，PRCPTOT，SDII，HHP這7個指數(shù)與海拔呈負相關(guān)關(guān)系， 而R1mm和HLP與海拔呈正相關(guān)關(guān)系． 圖6為1980-2018年西南地區(qū)381個站點暖季極端降水指數(shù)多年平均值與海拔的散點圖． 其中R95(圖6a)的下降速率最大， 海拔每上升100 m， 強降水量減少3.8 mm， R99(圖6b)、 RX1hour(圖6c)、 RX12hour(圖6d)、 PRCPTOT(圖6e)、 SDII(圖6f)以及HHP(圖6i)也隨海拔的升高呈現(xiàn)下降趨勢， 其下降速率分別為1.8 mm/100 m，0.7 mm/100 m，1.7 mm/100 m，3.4 mm/100 m，0.02 mm/(h·100 m)和0.1 h/100 m， 這反映了降水多集中在低海拔地區(qū)， 同時該區(qū)域也更容易發(fā)生極端降水事件． R1mm(圖6g)和HLP(圖6h)的上升速率分別為3.6h/100 m和4.1h/100 m， 這表明隨著海拔的升高， 降水小時數(shù)和弱降水小時數(shù)增加． 總體來看， 海拔對西南地區(qū)的極端降水指數(shù)均值有一定的影響． 低海拔地區(qū)由于極端降水量多且降水小時數(shù)少， 降水強度高， 因此發(fā)生極端降水事件的可能性較大； 而高海拔地區(qū)卻表現(xiàn)出了降水小時數(shù)較多且以弱降水為主， 極端降水相對較少的特征， 這一結(jié)果也說明了西南地區(qū)局部降水的復(fù)雜性．

圖6 西南地區(qū)1980-2018年暖季各臺站極端降水指數(shù)均值隨海拔的變化

圖7為西南地區(qū)各站點暖季指數(shù)變化趨勢與海拔之間的關(guān)系， 從圖7中可以看出， 除了SDII(圖7f)和HHP(圖7i)與海拔呈負相關(guān)關(guān)系， 即海拔每上升100 m， SDII下降0.000 6 mm/(h·10 a)， 而HHP減少0.002 h/10 a， 其余7個指數(shù)的變化趨勢均與海拔呈正相關(guān)關(guān)系． 其中R1mm(圖7g)和HLP(圖7h)增幅最大， 達到了0.3 h/(10 a·100 m)． 因此， 隨著海拔的升高降水量增速加快， 降水小時數(shù)增幅變大， 且弱降水小時數(shù)增幅也逐年增加， 表明高海拔地區(qū)降水小時數(shù)會進一步增加， 并以弱降水小時數(shù)為主． SDII和HHP的變化趨勢隨海拔升高而減小， 說明低海拔地區(qū)降水強度和強降水小時數(shù)會進一步增加．

由圖8可知， 箱線圖顯示了不同海拔地區(qū)各指數(shù)變化趨勢的分布情況， 大部分指數(shù)的變化趨勢在不同海拔地區(qū)的中位數(shù)和平均值都大于0， 說明這些指數(shù)整體變化趨勢是增加的． 而對于R1mm和HLP這兩個指數(shù)， 在低、 中海拔的數(shù)據(jù)分布都比較集中， 它們的中位數(shù)和平均值都小于0， 說明降水小時數(shù)和弱降水小時數(shù)整體上都呈下降趨勢， 因此西南地區(qū)暖季降水向強降水量和小時數(shù)更多、 強度更強、 極值更大的方向發(fā)展．

圖7 西南地區(qū)1980-2018年暖季各臺站極端降水指數(shù)趨勢隨海拔的變化

3 結(jié)論

本研究基于西南地區(qū)381個站點的逐小時降水資料， 采用9個極端降水指數(shù)， 分析了1980-2018年暖季極端降水的時空變化特征， 主要得到以下結(jié)論：

1980-2018年， 1 h最大降水量RX1hour、 12 h最大降水量RX12hour、 平均小時降水強度SDII以及強降水小時數(shù)HHP的區(qū)域平均值在各海拔區(qū)域都呈現(xiàn)不同程度的上升趨勢； 強降水量R95和極強降水量R99在中海拔地區(qū)表現(xiàn)為上升趨勢， 在低、 高海拔地區(qū)則表現(xiàn)為下降趨勢； 年總降水量PRCPTOT在低海拔地區(qū)呈現(xiàn)上升趨勢， 在中、 高海拔地區(qū)為下降趨勢； 而降水小時數(shù)R1mm和弱降水小時數(shù)HLP則在各海拔區(qū)域都表現(xiàn)出了下降趨勢． 這表明近39年來， 西南地區(qū)暖季極端降水的頻率、 極值和強度在增加． 各指數(shù)的年際變化表現(xiàn)出明顯的非線性趨勢， 如在低海拔地區(qū)， R95，R99和HHP等參數(shù)在2000年之前呈現(xiàn)下降趨勢， 2000年之后呈現(xiàn)上升趨勢； 中海拔地區(qū)則不同于低海拔地區(qū)， 比如PRCPTOT在2000年之前呈現(xiàn)為上升趨勢， 但2000年后出現(xiàn)了較大的波動； 高海拔地區(qū)大部分指數(shù)的年際變化與中海拔地區(qū)相似．

各降水指數(shù)趨勢表現(xiàn)出由西向東逐漸增多的特征， 增加的站點主要集中在四川東部和貴州； R1mm和HLP趨勢空間差異較大， 主要以減少趨勢為主， 在四川西部和貴州東部增加趨勢明顯．

箱體內(nèi)“x”表示各臺站指數(shù)趨勢的平均值圖8 西南地區(qū)1980-2018年暖季不同海拔極端降水指數(shù)變化趨勢的箱線圖

總體來看， 不同海拔地區(qū)的降水特征呈現(xiàn)出較大的差異． 對于各指數(shù)的氣候平均值來說， R1mm和HLP與海拔呈正相關(guān)關(guān)系， 這表明隨著海拔的升高， 降水小時數(shù)和弱降水小時數(shù)增加． 剩余7個指數(shù)隨海拔的升高呈現(xiàn)下降趨勢， 反映了降水多集中在低海拔地區(qū)， 同時該區(qū)域也更容易發(fā)生極端降水事件． 對于各指數(shù)的變化趨勢來說， RX1hour， RX12hour， SDII， R1mm， HLP， HHP在3個海拔范圍均表現(xiàn)出上升或者下降趨勢． 綜合結(jié)果表明， 伴隨著極端降水量、 降水強度的增加， 強降水小時數(shù)也在不斷地增加． 其余4個參數(shù)在不同海拔呈現(xiàn)不同的趨勢， 展示出西南地區(qū)不同海拔極端降水情況的差異．

政府間氣候變化專門委員會(IPCC)在第五次評估報告中指出， 缺乏足夠的降水資料將導(dǎo)致評估結(jié)果出現(xiàn)一定的偏差和不確定性． 因此， 用更長的時間序列、 更高時空分辨率的降水?dāng)?shù)據(jù)對其進行全面、 系統(tǒng)的分析是非常有必要的． 在全球變暖的大背景下， 我國西南地區(qū)極端降水指數(shù)對海拔具有一定的敏感性[19]， 這也足以表現(xiàn)出該地區(qū)降水的復(fù)雜性． 由于西南地區(qū)所處位置的特殊性及地形特征的復(fù)雜性， 該區(qū)域氣候特征極其復(fù)雜， 這增加了極端降水事件變化的歸因的難度． 除海拔之外， 氣候變化導(dǎo)致的大氣環(huán)流以及水汽輸送條件的改變也會影響降水條件， 作為中國氣溶膠光學(xué)厚度的高值區(qū)[20]， 氣溶膠通過改變云微物理過程進而影響降水的發(fā)生[21]， 未來的工作也將深入探討這些因素對復(fù)雜地形下極端降水的影響．