太湖流域降水量變化及其與組合大氣環流的關系

吳舒祺，么嘉棋，候文星，阿 多，趙文吉*

（1.首都師范大學 資源環境與旅游學院，北京 100048；2.山東科技大學 測繪與空間信息學院，山東 青島 266590；3.應急管理部國家減災中心，北京 100124）

?水土資源與環境?

太湖流域降水量變化及其與組合大氣環流的關系

吳舒祺1，么嘉棋2，候文星1，阿 多3*，趙文吉1*

（1.首都師范大學 資源環境與旅游學院，北京 100048；2.山東科技大學 測繪與空間信息學院，山東 青島 266590；3.應急管理部國家減災中心，北京 100124）

【目的】探明太湖流域降水量變化及與大氣環流的多尺度效應。【方法】采用Mann Kendall（MK）、Modified Mann Kendall（MMK）趨勢檢驗法以及小波相干分析（Wavelet Coherence, WTC）、多小波相干分析（Multiple Wavelet Coherence, MWC），對太湖流域1960—2020年30個氣象站的降水量變化及其與單個和組合大氣環流因子的多尺度振蕩關系進行分析。【結果】①MMK及MK的趨勢值在年尺度降水量及季節尺度降水量的空間分布相似，但顯著性存在差異。年降水量上升趨勢最大，而冬季降水量上升趨勢最小。MMK可以檢測出MK無法檢測出的顯著性，尤其是對于春季降水量。②WTC分析結果表明，太湖流域降水量與大氣環流因子具有復雜的非線性關系，不同時域具有明顯差異。③從單要素來看，EASM是太湖流域最具影響力的遙相關；在多要素組合中，Prep-AO-PDO-ENSO-EASM-DMI組合對流域降水量影響最大。【結論】單獨的主導遙相關并不能很好地解釋降水量與大氣環流的關系，具有最高顯著功率數百分比(POSP)的大氣環流組合可作為解釋降水量變化的最佳組合。

MMK趨勢檢驗；多小波相干；組合大氣環流；多尺度效應；顯著功率百分比

0 引 言

【研究意義】氣候變化會對降水量、溫度等水文氣象變量產生重大影響，同時也會增加極端天氣事件的發生概率。在氣候變化背景下，降水量具有明顯的地域差異性，研究不同區域的降水量變化具有重要意義。太湖流域屬于我國經濟發達、人口密集地區，暴雨洪澇災害頻發，對區域經濟發展和人民生命財產安全造成了重大威脅。該地區降水量的變異性在很大程度上受大尺度氣象因子的影響。作為氣候診斷的重要內容，在全球氣候變化背景下研究區域降水量及其與大氣環流之間的耦合效應對客觀認識區域水循環機制和未來水資源管理具有重要的科學意義。

【研究進展】區域降水量對大氣環流的響應較為復雜，如何定量分析區域降水量與大氣環流因子的耦合關系值得深入探討。目前，關于大氣環流對區域氣候的影響主要聚焦于二者之間的線性關系[1-3]，較少涉及二者之間的非線性關系。降水量對大尺度氣候振蕩的響應遠比線性相關要復雜得多，共振行為發生在不同的時間尺度，且往往具有非線性特征[4]。基于連續小波變換的雙變量小波相干分析（Wavelet Coherence，WTC）可以量化2個水文氣象變量之間的多尺度效應。大氣環流通常在某些時間尺度上顯示出強烈振蕩，因此可以在這些時間尺度上識別水文氣象變量與大氣環流之間的類似振蕩行為。影響降水量的過程可能涉及多個規模相關的氣候因素[5-6]。當研究涉及2個以上變量的局部關系時，則不能使用WTC法。Hu等[7]提出了基于連續小波變換的多小波相干分析（MWC），并與多變量經驗模式分解（MEMD）與多光譜相干分析（MSC）進行了比較；結果表明，MWC優于其他2種方法，能夠使用多個預測變量來定位多尺度關系，特別是對于非平穩時間序列。因此，MWC常被用來揭示地球科學領域中的時間或空間尺度的多元關系[8-10]。

【切入點】流域降水量的影響因子復雜，涉及多個因子的相互作用。大氣遙相關的變化并不是孤立的，其共同作用影響降水量變化[11]。迄今為止，大多數研究只關注雙變量關系，缺少大氣遙相關因子在不同時頻尺度上對區域降水量綜合影響的定量分析。水文氣象時間序列也呈現出更強的非平穩與趨勢化特征，可能會導致突發性洪水。【擬解決的關鍵問題】鑒于此，本研究以太湖流域為研究區，使用MMK及MK分析對區域降水時間序列進行趨勢分析，并利用WTC及MWC法來揭示大氣環流指數對流域降水量的單獨與綜合影響。研究結果可為區域水資源管理及旱澇災害防控提供參考，并可為了解流域降水量與大氣遙相關之間的動態非線性過程提供一個新的視角。

1 材料與方法

1.1 研究區概況

太湖流域（30°28′—32°15′N，119°11′—121°53′E）位于長江中下游地區。該地區地形西高東低，西部為山地丘陵，中東部為平原。流域總面積約36 895 km2。太湖流域位于亞熱帶季風區，年平均氣溫為16.2 ℃，自北向南逐漸遞增。年平均降水量為1 205 mm，受流域內地形、人類活動等影響，流域內水資源分布極不均勻。降水量年際差異較大，最大與最小年降水量的比值為4.8（圖1）。該地區氣象災害頻繁，嚴重阻礙區域經濟發展。

圖1 太湖流域概況Fig.1 Overview of the Taihu Lake Basin

1.2 數據來源

研究中使用的30個氣象站點逐日降水量數據來源于國家氣候中心發布的中國地面氣候資料日值數據集（V3.0）。水系數據、DEM數據來源于資源環境數據中心（https://www.resdc.cn/）。根據綜合指數、更近原始動力原則，選取與研究區降水量密切相關的大氣環流指數[2]。本研究使用的大氣環流指數為北極濤動（AO）、太平洋年代際濤動（PDO）、厄爾尼諾-南方濤動（ENSO）、印度洋偶極子（DMI）、東亞夏季風（EASM）。

1.3 研究方法

采用MK和MMK趨勢檢驗來判斷研究區降水量的變化趨勢。MK作為一種基于秩的非參數檢驗方法，不直接依賴于隨機變量，不受數據分布以及極值的影響，是時間趨勢研究中廣泛使用的方法。在實際應用中，MK分析結果會受序列自相關等因素的影響。Hamed等[12]考慮了氣象水文時間序列的自相關，通過方差校正對趨勢估計值進行修正，從而對MK方法進行了改進，得到MMK檢驗方法。使用WTC和MWC計算流域降水量與大氣環流因子的單變量相干及多變量相干。計算WTC、MWC在所有尺度上的平均功率（the average power of wavelet coherence, AWC）以及95%顯著性水平上的顯著功率數百分比（the percentage of significant power at the 95% significance level, POSP）。對于預測變量的組合，當一個額外因素導致POSP增加至少5%時，認為具有統計學意義[10]。

2 結果與分析

2.1 時空變化分析

使用MMK以及MK的趨勢值來探究太湖流域降水量年尺度及季節尺度趨勢變化的空間特征，結果如圖2所示。MMK與MK的趨勢值在年、季節尺度降水量的空間分布大致相似，但顯著性存在差異。年降水量的MMK趨勢中，27個站點具有顯著上升趨勢；MK趨勢中，23個站點具有顯著上升趨勢。春季降水量的MMK趨勢中，13個站點具有顯著下降趨勢；MK趨勢中，1個站點具有顯著下降趨勢。夏季降水量的MMK趨勢中，所有站點均具有顯著上升趨勢；MK趨勢中，1個站點上升趨勢不顯著，其余站點均具有顯著上升趨勢。秋季降水量的MMK趨勢中，3個站點具有顯著下降趨勢；MK趨勢中，所有站點變化均不顯著。冬季降水量的MMK趨勢以及MK趨勢中所有站點均具有顯著上升趨勢。

太湖流域降水量的時間趨勢統計如表1所示。春秋季降水量具有下降趨勢，春季降水量通過MMK檢驗的95%顯著性水平，但未通過MK檢驗的95%顯著性水平；秋季降水量則具有非顯著下降趨勢，使用MMK及MK趨勢檢測均未通過95%顯著性檢測。年降水量、夏季降水量及冬季降水量趨勢均通過MMK及MK的95%顯著性檢驗。年降水量增加趨勢最大為4.74 mm/a，夏季降水量次之，而冬季降水量上升趨勢最小，為1.56 mm/a。

圖2 MMK與MK檢驗的結果比較Fig.2 Comparison of the results between MMK and MK

表1 太湖流域降水量MMK及MK趨勢統計Table 1 MMK and MK statistics of precipitation in the Taihu Lake Basin

總體而言，在分析時間序列趨勢顯著性時，MK趨勢的顯著性被弱化，MMK可以檢測出MK無法檢測到的顯著性，尤其對于春季降水量，這可能是由于時間序列中存在正負自相關影響拒絕原假設的概率。

2.2 小波相干分析

太湖流域降水量與大氣環流因子的小波相干分析結果如圖3所示。流域降水量與AO在1960—1970年具有2個尺度的共振周期，8～16個月尺度上具有顯著正位相共振周期；在32～48個月尺度上，平均位相角向下，降水量提前于AO。在高時頻段，降水量序列與AO的小波相干能量強度有時也通過顯著性檢測，但維持時間較短且其位相關系隨時頻變化的差異較大，沒有形成穩定的相關性。流域降水量與PDO在1960—1965、1990—2005、2010—2018年具有8～16個月的顯著共振周期，交叉位相角向上，流域降水量延后于PDO。流域降水量與ENSO在1972—1976年具有18～26個月的顯著共振周期，交叉位相角向上，降水量延后于ENSO；在1995—2001年具有16～20個月的顯著正位相共振周期。流域降水量與EASM在1965—1975年具有10～16個月的顯著負位相共振周期。流域降水量與DMI在1970—1980、1978—1982、1982—1900年分別具有8～12、32～36、18～30個月的顯著共振周期。

圖3 太湖流域降水量與大氣環流指數的WTCFig.3 WTC of the precipitation and atmospheric circulation in the Taihu Lake Basin.

2.3 多小波相干分析

太湖流域降水量與單個及組合大氣環流的AWC以及POSP的統計結果如表2所示，降水量與組合大氣環流的多小波相干如圖4所示。對于單要素，EASM對太湖流域降水量的多尺度效應較為明顯，而AO對流域降水量的多尺度效應相對較小。要素組合中，Prep-ENSO-EASM組合的POSP最大，相比于Prep-ENSO以及Prep-EASM的POSP增加超過5%。三要素組合中，Prep-AO-EASM-DMI的POSP最大。8～16個月顯著相干性最有可能與EASM有關，低時頻尺度的顯著相干性可能與ENSO及DMI有關。四要素組合的AWC大于三要素組合，但POSP存在小于三要素組合的情況，其中POSP最大的組合是Prep-AO-ENSO-EASM-DMI。總體而言，為使AWC和POSP最大，需考慮多因素組合（Prep-AO-PDO-ENSO-EASM-DMI）。

平均相干性隨自變量數量的增加而增加，但POSP存在不確定性。三要素組合的POSP存在小于二要素組合的情況，POSP的結果差異可能是由于第三要素在特定周期和時間段中所包含的顯著量已被第一、第二要素統計。太湖流域降水量的連續小波變換及方差如圖5所示。WTC以及MWC中具有大于12個月的顯著共振周期，但這在降水量的CWT中并不顯著。流域降水量的CWT光譜結果顯示，太湖流域年平均降水量具有12個月的顯著振蕩周期，這也是太湖流域降水量的典型周期[13]。降水量與遙相關具有較低的共振頻率，但在降水量單獨的CWT中卻并沒有體現，12個月的周期作為主導周期可能掩蓋了CWT中其他低頻顯著周期。

表2 小波相干及多變量小波相干的平均功率（AWC）及95%顯著水平上的功率數百分比（POSP）統計Table 2 Statistics of the average power of the wavelet coherence(AWC) and percentage of significant power at the 95% significant level (POSP) for the wavelet coherence (WTC) and multivariate wavelet coherence (MWC)

圖4 太湖流域降水量與大氣環流指數的多小波相干（MWC）Fig.4 Multivariate wavelet coherence (MWC) of the precipitation and atmospheric circulation in the Taihu Lake Basin

圖5 太湖流域降水量的連續小波變換（CWT）及方差Fig.5 Continuous wavelet analysis and various of precipitation in the Taihu Lake Basin

3 討 論

以往研究結果表明，太湖流域年降水量具有上升趨勢，東部的顯著性水平高于西部[14]。春、秋季降水量具有下降趨勢，夏、冬季降水量具有上升趨勢，夏季降水量與年降水量的空間分布相似，東部地區降水量增加顯著且變化趨勢大于西部站點[15]，均與本研究結果相似。Han等[16]研究結果也指出，該地區短時間降水量對年降水量的貢獻較大，年降水量增加而平均降水持續時間變短，降水強度增大。極端降水事件的發生頻率增加意味著太湖流域洪澇災害風險將進一步增加。對于這些未來面臨高洪水風險的地區，應采取相關措施，如充分發揮太湖的調蓄作用，完善流域排水防洪工程布局等。此外，對于太湖流域，春、秋季的農業灌溉用水量較大，然而本文及以往研究結果均表明，春季和秋季降水量具有下降趨勢。趨勢持續可能會對該地區的農業生產產生深遠影響。因此，對于該地區的春秋旱情，在管理上應給予重視。

我國東部以季風氣候為主，太湖流域降水量變化與東亞夏季風密切相關[14]。20世紀70年代中后期，赤道東太平洋出現的類似El Nin?o型海溫異常，使得東亞夏季風減弱，鋒面雨帶在我國區域北上的動力不足，長時間滯留在長江中下游地區，造成太湖流域等地強降水明顯加強[17]。東亞季風也會受到AO、PDO、ENSO、DMI的影響，因此，我國降水研究主要選擇AO、PDO、ENSO、EASM、DMI作為影響區域降水的大氣環流指數[18]。以往研究表明，EASM與太湖流域降水量呈負相關[19]；PDO與太湖流域降水量也具有很好的一致性[20]；ENSO次年流域降水量也會增加，ENSO提前于流域降水[21]，這些與本文研究結果相似。AO與流域降水量呈負相關[22]；DMI為負位相時，流域少雨[23]，這些與本文研究結果不一致。不同研究區的自然地理條件，人類活動以及數據類型都會對研究結果產生影響。單獨的主導遙相關并不能很好地解釋降水量與大氣環流的關系，具有最高POSP的大氣環流組合可作為解釋降水量變化的最佳組合。但大氣環流與非氣候因子（如地形、城市化等）之間的潛在相互影響，而這些在本研究中被忽略，在解釋大氣環流因子對流域降水量的影響需謹慎使用。

降水量的影響因子除了氣候因子自身內部波動，地理差異以及人類活動也會對降水量變化產生影響。例如地形地貌、土地覆蓋、水文條件、土壤類型等自然地理因素，以及溫室氣體排放、人工造林、森林砍伐以及城市熱島等，都會影響流域降水量變化。近年來，太湖流域城市規模不斷擴大，土地利用急劇變化。大規模的人口擴張和城市建設導致大量人為熱量以及氣溶膠排放，這些環境變化干擾了城市表面和大氣之間的能量交換過程，改變了城市地區的輻射收支，這將有利于增強水汽輸送和輻合上升運動，進而導致降水尤其極端降水事件的增加。此外，人類活動對流域降水影響的量化，其他大規模環流可能對太湖流域降水量產生的影響，以及相關大氣環流的影響因素，如太平洋海溫、氣壓以及青藏熱動力效應等，這些在未來需進一步深入研究。

4 結 論

1）年降水量上升趨勢最大，夏季降水量次之，而冬季降水量上升趨勢最小。在分析趨勢顯著性時，MK趨勢的顯著性被弱化，MMK可以檢測出MK沒有檢測到的顯著性，尤其是對于春季降水量。

2）太湖流域降水量與大氣環流因子之間具有復雜的非線性關系，但在不同時域中具有明顯差異。

3）從單要素來看，EASM是太湖流域最具影響力的遙相關；在多要素組合中，Prep-AO-PDO-ENSO-EASM-DMI組合對流域降水量的影響最大。

[1]溫煜華, 呂越敏, 李宗省. 近60 a祁連山極端降水變化研究[J]. 干旱區地理, 2021, 44(5): 1 199-1 212.WEN Yuhua, LYU Yuemin, LI Zongxing. Changes of extreme precipitation in Qilian Mountains in recent 60 years[J]. Arid Land Geography, 2021, 44(5): 1 199-1 212.

[2]何昶, 鄧建明, 李雪純, 等. 太湖流域近60年氣溫多時間尺度波動幅度的長期變化特征[J]. 河南師范大學學報(自然科學版), 2022,50(6): 130-138.HE Chang, DENG Jianming, LI Xuechun, et al. Long-term characteristics of multi-timescale fluctuation amplitude of temperature in the past six decades in Taihu Basin[J]. Journal of Henan Normal University (Natrual Science Edition), 2022, 50(6): 130-138.

[3]張儀輝, 劉昌明, 梁康, 等. 雅魯藏布江流域降水時空變化特征[J].地理學報, 2022, 77(3): 603-618.ZHANG Yihui, LIU Changming, LIANG Kang, et al. Spatio-temporal variation of precipitation in the Yarlung Zangbo river basin[J]. Acta Geographica Sinica, 2022, 77(3): 603-618.

[4]DAS Jew, JHA Srinidhi, GOYAL Manish Kumar. On the relationship of climatic and monsoon teleconnections with monthly precipitation over meteorologically homogenous regions in India: Wavelet amp; global coherence approaches[J]. Atmospheric Research, 2020, 238: 104 889.

[5]李崇銀, 楊輝, 趙晶晶. 大氣環流系統組合性異常與極端天氣氣候事件發生[J]. 大氣科學學報, 2019, 42(3): 321-333.LI Chongyin, YANG Hui, ZHAO Jingjing. Combination anomalies of atmospheric circulation system and occurrences of extreme weather/climate events[J]. Transactions of Atmospheric Sciences, 2019,42(3): 321-333.

[6]晏德莉, 李雙雙, 延軍平, 等. 漢江流域降水非均勻性變化特征分析[J].武漢大學學報(理學版), 2020, 66(4): 377-385.YAN Deli, LI Shuangshuang, YAN Junping, et al. Analysis of variation characterstics of precipitation heterogeneity in the Hanjiang River Basin[J]. Journal of Wuhan University (Natural Science Edition), 2020,66(4): 377-385.

[7] HU Wei, SI Bingcheng. Multiple wavelet coherence for untangling scale-specific and localized multivariate relationships in geosciences[J].Hydrology and Earth System Sciences, 2016, 20(8): 3 183-3 191.

[8] SU Lu, MIAO Chiyuan, DUAN Qinyun, et al. Multiple‐wavelet coherence of world's large rivers with meteorological factors and ocean signals[J]. Journal of Geophysical Research: Atmospheres, 2019, 124(9):4 932-4 954.

[9] HU Wei, SI Bingcheng, BISWAS Asim, et al. Temporally stable patterns but seasonal dependent controls of soil water content: Evidence from wavelet analyses[J]. Hydrological Processes, 2017, 31(21): 3 697-3 707.

[10] CHENG Qingping, ZHONG Fanglei, WANG Ping. Baseflow dynamics and multivariate analysis using bivariate and multiple wavelet coherence in an alpine endorheic river basin (Northwest China)[J].Science of the Total Environment, 2021, 772: 145 013.

[11] WU Shuqi, HU Zhuowei, WANG Zhiheng, et al. Spatiotemporal variations in extreme precipitation on the middle and lower reaches of the Yangtze River Basin (1970 to 2018)[J]. Quaternary International,2021, 592: 80-96.

[12] HAMED Khaled H, RAO A Ramachandra. A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology, 1998,204(1-4): 182-196.

[13] WU Shuqi, ZHAO Wenji, YAO Jiaqi, et al. Precipitation variations in the Tai Lake Basin from 1971 to 2018 based on innovative trend analysis[J]. Ecological Indicators, 2022, 139: 108 868.

[14] 楊鳳, 高穎會, 陳鋼. 太湖流域1961—2015年降水趨勢分析[J].中國防汛抗旱, 2020, 30(3): 51-54, 60.YANG Feng, GAO Yinghui, CHEN Gang. Analysis of precipitation trend in Taihu Lake Basin from 1961 to 2015[J]. China Flood and Drought Management, 2020, 30(3): 51-54, 60.

[15] WANG Yuefeng, XU Youpeng, TABARI Hossein, et al. Innovative trend analysis of annual and seasonal rainfall in the Yangtze River Delta,eastern China[J]. Atmospheric Research, 2020, 231: 104 673.

[16] HAN Longfei, XU Youpeng, PAN Guangbo, et al. Changing properties of precipitation extremes in the urban areas, Yangtze River Delta, China,during 1957—2013[J]. Natural Hazards, 2015, 79(1): 437-454.

[17] 董滿宇, 田相佑, 胡木蘭, 等. 1960—2017年太湖流域不同等級降水時空特征[J]. 熱帶地理, 2020, 40(6): 1 063-1 074.DONG Manyu, TIAN Xiangyou, HU Mulan, et al. Spatio-Temporal Variation in Precipitation for Different Grades in the Taihu Lake Basin during 1960—2017[J]. Tropical Geography, 2020, 40(6): 1 063-1 074.

[18] GU Xuezhi, YE Lei, XIN Qian, et al. Extreme Precipitation in China: A Review[J]. Advances in Water Resources, 2022, 163: 104 144.

[19] ZHANG Lilan, CHEN Xiaohong, LAI Rouyi. Urban signatures of sub-daily extreme precipitation events over a metropolitan region[J].Atmospheric Research, 2020, 246: 105 204.

[20] 吳舒祺, 趙文吉, 楊陽, 等. 基于小波變換的長江中下游地區極端降水與大氣環流響應關系研究[J]. 水資源與水工程學報, 2021, 32(4): 67-76.WU Shuqi, ZHAO Wenji, YANG Yang, et al. Response of extreme precipitation events in the middle and lower reaches of the Yangtze River Basin to the atmospheric circulation based on continuous wavelet transform[J]. Journal of Water Resouces and Water Engineering, 2021,32(4): 67-76.

[21] 余榮, 翟盤茂. 厄爾尼諾對長江中下游地區夏季持續性降水結構的影響及其可能機理[J]. 氣象學報, 2018, 76(3): 408-419.YU Rong, ZHAI Panmao. The influence of El Nino on summer persistent precipitation structure in the middle and lower reaches of the Yangtze River and its possible mechanism[J]. Acta Meteorologica Sinica, 2018, 76(3): 408-419.

[22] 張勇, 楊春瑰, 唐衛亞. 長江中下游1—5月降水分布型及其成因[J].大氣科學學報, 2015, 38(1): 111-119.ZHANG Yong, YANG Chungui, TANG Weiya. Precipitation patterns in the middle and low reaches of Yangtze River during January-May and their cau-ses[J]. Transactions of Atmospheric Sciences, 2015, 38(1): 111-119.

[23] 袁媛, 高輝, 李維京, 等. 2016年和1998年汛期降水特征及物理機制對比分析[J]. 氣象學報, 2017, 75(1): 19-38.YUAN Yuan, GAO Hui, LI Weijing, et al. Analysis and comparison of summer precipitation features and physical mechanisms between 2016 and 1998[J]. Acta Meteorological Sinica, 2017, 75(1): 19-38.

Variation of Precipitation in Taihu Lake Basin and Its Relationship with Atmospheric Circulation

WU Shuqi1, YAO Jiaqi2, HOU Wenxing1, A Duo3*, ZHAO Wenji1*

(1. College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China;2. College of Geodesy and Geomatics, Shandong University of Science and Technology, Qingdao 266590, China;3. National Disaster Reduction Center of China, Beijing 100124, China)

【Objective】Precipitation and its variation is the driver of all ecological functions in a catchment. It is affected by many factors. This paper investigates the variation in precipitation and its multi-scale correlations with atmospheric circulation in the Taihu Lake Basin (TLB), China. 【Method】The analysis was based on precipitation measured from 1960 to 2020 from 30 meteorological stations across the basin. Its multi-scale oscillations, as well as correlation with single and combined atmospheric circulation factors were analyzed using the Mann Kendall (MK),modified Mann Kendall (MMK), wavelet coherence (WTC), and multiple wavelet coherence (MWC). 【Result】①The annual and seasonal trends identified by MMK and MK from the precipitation series was similar, but the significance differed between the two methods. We found the largest upward trend in annual precipitation, but the seasonal precipitation in winter had the smallest upward trend. MMK detected significance that MK failed to identify,especially for spring precipitation. ② WTC found that the precipitation and atmospheric circulation factors were nonlinearly correlated in a complex way, but their correlation varied with time. ③ For single atmospheric circulation factors, the EASM was the most influential teleconnection affecting precipitaton in the TLB. Among the multivariates, Prep-AO-PDO-ENSO-EASM-DMI had the greatest impact on precipitation in TLB. 【Conclusion】The dominant tele-correlation alone cannot explain the relationship between precipitation and atmospheric circulation, and a combination of atmospheric circulation factors and the highest percentage of significant power(POSP) offered the best explanation for precipitation variation in TLB.

MMK trend test; multi-wavelet coherence; combined atmospheric circulation; multi-scale effect;percentage of significant power

吳舒祺, 么嘉棋, 候文星, 等. 太湖流域降水量變化及其與組合大氣環流的關系[J]. 灌溉排水學報, 2023, 42(3): 97-103.

WU Shuqi, YAO Jiaqi, HOU Wenxing, et al. Variation of Precipitation in Taihu Lake Basin and Its Relationship with Atmospheric Circulation[J]. Journal of Irrigation and Drainage, 2023, 42(3): 97-103.

P426；P434

A

10.13522/j.cnki.ggps.2022279

1672 - 3317（2023）03 - 0097 - 07

2022-05-19

國家重點研發計劃課題（2017YFC1502901）

吳舒祺（1994-），男。博士研究生，主要從事氣候變化研究。E-mail: wushuqi5577@163.com

趙文吉（1967-），男。教授，主要從事遙感技術與地學應用研究。E-mail: zhwenji1215@163.com

阿多（1983-），男。助理研究員，主要從事地學應用研究。E-mail: baisha.ad@163.com

責任編輯：韓 洋