1957—2022年遼河流域降雨時空演變規(guī)律分析

安彥宜

(遼寧省大連水文局,遼寧 大連 116000)

2023年發(fā)生的海河流域“23·7”流域性特大洪水嚴重危害了人民生命安全,造成了巨大經濟損失。針對洪水防御過程中暴露的短板,水利部對精準監(jiān)測并分析流域暴雨時空分布提出了更高的要求。同時,在全球氣候變暖環(huán)境下,氣候變化使得水文循環(huán)過程突變情況日益加劇,導致極端天氣頻發(fā)[1]。區(qū)域氣候變化對水文氣象過程影響的主要體現是降雨頻率和強度的變化[2]。降雨作為表征區(qū)域水資源天然賦存條件的重要水文因素,其反映著自然生態(tài)系統(tǒng)的健康程度,直接影響區(qū)域農業(yè)生產、防汛抗旱等人類活動。受季風氣候影響,我國東北部普遍存在降雨年內分布不均、年際豐枯變化劇烈現象,進而導致洪災與旱災頻發(fā)、并發(fā),汛期水資源管理與非汛期水資源短缺問題長期存在,嚴重制約社會經濟發(fā)展[3]。基于以上背景,積極開展區(qū)域降雨規(guī)律分析對客觀認識全球氣候變化背景下區(qū)域水文變異機制以及防御水文過程突變環(huán)境下流域性特大洪水具有重要的科學參考價值。

降雨的年內、年際演變特征分析,一直是水文領域的重要基礎研究內容,始終為區(qū)域水資源評價、管理、利用等專項及綜合規(guī)劃提供著重要數據支撐。鄒宇[4]以陽江市近30年逐日降雨資料為基礎,采用ArcGIS空間分析、小波分析等方法分析了陽江市各區(qū)域不同時期的降雨分配以及時間演變、空間分布特征,為當地防汛減災、雨洪資源利用提供科學依據。葉許春等[5]利用相關分析等方法定量分析了長江中下游降雨演變特征與季風系統(tǒng)的相關性和差異性,對認識區(qū)域降雨變異機制具有重要科學意義。朱凱莉等[6]將傳統(tǒng)統(tǒng)計學方法與GIS空間分析技術相結合,探究了汛期降雨的時空變化特征,并進一步利用Mann-kendall檢驗法明晰了城市化對區(qū)域汛期降雨的影響規(guī)律。韓晶[7]對北江流域石角站年內、年際兩種時間尺度的降雨、徑流系列變化趨勢進行聯合分析,明晰了研究區(qū)降雨量對徑流變化的顯著影響。鄭彥辰等[8]采用空間矩、時間矩作為量化指標,定量分析研究流域降雨時空分布規(guī)律,為分析降雨演變提供了新方法。

本研究在借鑒前述研究方法的基礎上,利用遼河流域1957—2022年逐日實測降雨序列進行趨勢性、周期性分析,結合空間矩評價等方法,定量評價遼河流域降雨時空演變規(guī)律,以期為遼河流域防汛減災、雨洪資源可持續(xù)利用,加快構建雨水情監(jiān)測預報“三道防線”工作以及精準分析流域暴雨時空分布等工作提供科學技術與數據參考。

1 研究區(qū)概況

遼河流域總面積約21.9萬km2,河長1390km,跨河北、內蒙古、吉林、遼寧4個省(自治區(qū))。流域按照河源數量和干流走向分為東遼河、西遼河和遼河干流三個子流域。流域東部、北部多為山地、丘陵,西南中下游為遼河平原。受地勢影響,年平均氣溫為4～9℃,且自南向北遞減。本文所選雨量站分布均勻,大多布設在遼河流域干流重要斷面及主要支流河口等關鍵節(jié)點。雨量站網監(jiān)測數據籠蓋整個流域,可反映出流域雨情的時空分布特征,雨量站代表性較好,雨量站分布見圖1。

圖1 遼河流域地理位置及雨量站分布

遼河流域受西方、北方冷空氣和東南方太平洋濕暖空氣交替作用影響,氣候環(huán)境復雜,水文條件變化明顯,降雨時空分布嚴重不均。遼河流域多年平均降雨量分布不均,按水資源分區(qū)為350～1000mm,自東南向西北減少,東部約為西部的2.5倍。降雨少且時空分布不均導致遼河流域供水條件極差,因此研究遼河流域降雨演變特征十分必要。

2 數據來源及研究方法

2.1 數據來源

本文所選國家雨量站點數據來自美國國家海洋及大氣管理局(NOAA)提供的免費數據集。該數據集源于第十二次世界氣象大會的第40號決議,該決議使世界氣象組織(WMO)成員國互換氣象數據,同時成員國可免費且不受限制地使用或導出數據用于研究、教育和其他非商業(yè)活動,因此NOAA數據集包含中國境內700余座國家站點氣象數據。為保證數據的可靠性以及降雨演變規(guī)律分析的合理性,本文綜合考慮資料序列的長度以及數據的完整性,選取遼河流域內30座國家雨量站點1957—2022年逐日降雨數據。使用Python語言編程對氣象數據進行提取并整理為便于直觀操作的Excel數據格式。各年份數據缺失值均在1%以內,缺失值采用前后兩個數據進行三點線性插值進行補充。

2.2 研究方法

2.2.1 流域面雨量計算方法

在遼河流域范圍內,依據泰森多邊形法確定遼河流域內各雨量站的控制面積,并推求各雨量站的面積權重,進而統(tǒng)計全流域的面雨量。泰森多邊形法是一種空間臨近算法,于1990年由荷蘭科學家A.H.Thiesseny引入到降雨量的空間分析中。該方法用于對空間平面進行劃分,其特點是多邊形內任意一點同該多邊形內的離散數據點距離小于它同任何離散數據點間的距離[9]。該方法的性質使其在圖像幾何、圖形處理等領域得到了廣泛的應用,同時該方法也已成為解決空間分析問題的重要方法[10]。基于所選30座代表雨量站實測數據,采用泰森多邊形法計算遼河流域逐年降雨量,計算結果見表1。

表1 遼河流域逐年降雨量表

2.2.2 降雨時空分布分析方法

2.2.2.1 Mann-kendall趨勢檢驗法

Mann-kendall趨勢檢驗法(下文稱MK檢驗法)是一種被廣泛應用于非正態(tài)分布數據趨勢分析的非參數檢驗方法。該方法不需要時間序列樣本數據遵循一定的分布,也不受少數異常值的干擾,因此已被世界氣象組織(WMO)推薦并已廣泛應用于水文氣象序列趨勢分析和突變檢驗中[11]。

在MK檢驗法中,原假設H0為時間序列數據(x1,…,xn),是n個獨立的、隨機變量同分布的樣本,沒有一定的上升或下降趨勢。備擇假設H1是雙邊檢驗,對于所有的k≤n,j≤n,且k≠j,xj和xk的分布是不相同的。在時間序列隨機且獨立的前提下構造一秩序列S,公式如下:

(1)

式中:sgn為檢驗函數;xj和xk為時間序列。

sgn檢驗函數計算公式如下:

(2)

然后計算S的方差和MK檢驗統(tǒng)計量Z:

(3)

(4)

若原假設是不可接受的,則在α置信水平區(qū)間[-1.96,1.96]內,時間序列數據存在顯著的遞增或遞減趨勢。當Z值大于0時表明時間序列為上升趨勢,反之Z值小于0為下降趨勢。

2.2.2.2 小波分析

小波分析是一種局部化時頻分析方法,該方法可對時域和頻域同時進行精細的局部化和多分辨率分析。基于上述特征,該方法可對時間序列進行濾波、消噪、周期識別以及多時間尺度分析等。

在水文序列趨勢分析中,小波分析將時間序列信號分解成不同頻率上的變化特征,從而獲得不同時間尺度上的信息和時間-頻率分布圖。根據小波功率譜圖特點,可以判斷水文序列變化周期。算法流程如下:

a.對降雨時間序列進行小波分解,得到小波系數序列和小波函數系數序列:

f(t)=∑cj·φj(t)+∑dj·ψj(t)

(5)

式中:cj為小波函數系數;dj為小波系數;φj(t)和ψj(t)為小波函數;j為函數的尺度;t為時段數。

b.對小波系數序列和小波函數系數進行積分求解小波功率譜PSD:

(6)

式中:PSDj表示第j個小波函數的功率譜密度;ω為頻率;cj(ω)為小波函數系數在頻率ω處的傅里葉變換。

2.2.2.3 空間矩評價

a.降雨空間矩指標計算原理。本文選用降雨一階空間矩(M1)和降雨二階空間矩(M2)兩個指標對遼河流域降雨空間演變規(guī)律進行定量分析。其中一階空間矩用于描述降雨中心的空間分布位置信息,二階空間矩用于描述流域降雨中心的數量。一階、二階空間矩均為無量綱指標,其計算原理是將流域內降雨場n階矩與雨量站匯流距離n階矩的比值作為評價指標,實現對流域特定時刻或時段降雨空間分布的刻畫。指定流域內雨量站Rn,定義d(x,y)為雨量站Rn距流域出口演進距離的長度,定義r(x,y,t)為t時刻或時段流域的降雨場,則t時刻或時段時降雨場r與雨量站匯流距離d的函數即為時刻或時段流域的降雨空間矩。

流域降雨場的n階矩通用計算公式可表示為

(7)

式中:A為流域邊界的空間范圍。

流域內任意雨量站到流域出口匯流距離的n階矩為

(8)

則降雨一階、二階空間矩可表示為

(9)

(10)

b.空間矩指標評價準則。降雨一階空間矩M1用于定量描述降雨中心的空間分布位置信息。M1=1時,降雨中心在流域范圍內均勻分布;M1>1時,降雨中心位于流域上游;反之M1<1時,降雨中心位于流域下游。

降雨二階空間矩M2用于定量描述流域范圍內降雨中心的數量信息。M2=1時,流域范圍內降雨分布均勻,不存在明顯降雨中心;M2>1時,流域范圍內存在兩個及以上數量的降雨中心;M2<1時,流域范圍內有且只有一個降雨中心。

3 結果分析

3.1 降雨時間變化分析

圖2為1957—2022年遼河流域逐年降雨量變化趨勢。從圖2中可看出降雨量呈現出較大的年際波動特征。圖3為遼河流域年代降雨量變化趨勢,在研究時段內,多年平均降雨量為423.0mm,其中年最大值為693.7mm(1964年),最小值為238.6mm(1999年)。降雨量的年際變化過程整體上呈現出緩慢下降的趨勢,趨勢率為-2.2mm/10a。以1999年為節(jié)點,1999年之前降雨量年際變化過程呈下降趨勢,趨勢率為-36.3mm/10a。1999年之后降雨量年際變化過程呈增加趨勢,趨勢率為97.1mm/10a。

圖2 遼河流域逐年降雨量變化趨勢

圖3 遼河流域年代降雨量變化趨勢

遼河流域降雨量年際變幅為-50.5%～73.4%(見圖4),年際變幅較大、降雨的年際波動顯著。受遼河流域降雨年際變幅較大等因素綜合影響,遼河流域1957—2022年期間洪澇、干旱風險并存,這也可以由歷史資料證實(如1999年特大干旱)。

圖4 遼河流域降雨量年際變幅

從不同年代的平均降雨量橫向比較看(見圖5),21世紀20年代的平均降雨量最大,代際變幅為-19.4%～32.7%。1950—2000年期間降雨量呈現出顯著下降趨勢,其中20世紀70年代相對于60年代降雨量下降約19.4%,為代際降幅最大。2010年代以后,遼河流域降雨量呈現出快速回升趨勢,21世紀第一個10年相對21世紀第二個10年降雨量增幅32.7%,20世紀20年代相對21世紀第2個10年增幅11.3%。從不同年代降雨統(tǒng)計結果來看,遼河流域降雨量的代際變化較明顯,且符合近年來全球變暖氣候變化趨勢。

圖5 遼河流域降雨量年代變幅

3.2 降雨周期性分析

對1957—2022年期間遼河流域年降雨量做小波變換處理,通過分析小波功率譜、方差譜研判降雨周期性特征。圖6(a)黑線范圍為顯著性檢驗邊界,范圍內的數據具有一定的周期性特征。U形黑線為影響錐曲線,曲線范圍以外的數據受邊界效應影響不考慮周期性。圖6(b)在分析時,舍棄紅色虛線以外的部分,紅色虛線以內波峰高出為主要的周期。波峰越高、方差值越大,表明波動能量越強烈、降雨的周期變化特征越顯著。

圖6 遼河流域降雨量小波周期分析圖

從圖6(a)中可以看出有三段時期具有顯著周期,其中:1960—1982年時間段具有1～7年的顯著周期;1988—1995年時間段具有3～5年的顯著周期;2005—2014年時間段具有1～4年的顯著周期。從圖6(b)中可以看出降雨量存在2年、4年兩個周期,這兩個周期均通過了置信度檢驗,確定了波動周期存在的可能性。此外,從周期功率譜中可以看出僅1988—1995年、2005—2014年兩個時間段具有較強波動能量,其余時間波動能量相對較弱,這也反映出遼河流域1957—2022年期間降雨波動頻繁,不存在較為明顯的波動周期。

3.3 降雨空間變化分析

計算得到遼河流域1957—2022年66年年降雨的降雨空間矩指標(見圖7)。表2給出了統(tǒng)計期間內遼河流域降雨空間矩指標與閾值1的比較結果。

由圖7可知,遼河流域降雨一階空間矩M1小于1的數量略少于大于1的數量,表明統(tǒng)計期間遼河流域降雨中心略偏上游,也即在西遼河區(qū)域。同時降雨一階空間矩小于1時降雨二階空間矩M2普遍都小于1且二者線性相關性較好,表明降雨偏向下游(東遼河、遼河干流)時,流域內普遍僅有1個降雨中心。結合表2可知,當降雨一階空間矩大于1時,超過2/3的年份降雨二階空間矩也大于1,表明降雨偏向上游時,流域內普遍存在2個及以上的降雨中心。由此可知遼河流域降雨空間分布差異明顯且上下游降雨特征顯著,流域下游降雨普遍集中,流域上游降雨普遍較為分散。

圖7 遼河流域降雨空間矩指標圖

表2 遼河流域降雨空間矩指標

表3、表4分別給出了統(tǒng)計期間內遼河流域各年代降雨一階、二階空間矩低于和超過閾值1與該年代年總數的比值。由表3可知,雖然統(tǒng)計期間內遼河流域降雨中心偏向上游,但年代間降雨一階空間矩小于1的年份占比逐步增多,表明隨著時間推移遼河流域降雨中心逐步向下游轉移。同樣由表4可知,各年代間降雨空間二階矩小于1的年份占比也逐步增加,表明遼河流域降雨逐步偏向集中。

表3 遼河流域降雨一階空間矩分布比例

表4 遼河流域降雨二階空間矩分布比例

4 結 論

針對海河流域“23·7”流域性特大洪水防御過程中暴露的短板,水利部對雨水情監(jiān)測預報“三道防線”工作中精準監(jiān)測并分析流域暴雨時空分布提出了更高要求。本文利用遼河流域1957—2022年66年30座國家雨量站點的逐日降雨數據,分析遼河流域降雨的時空演變規(guī)律,為遼河流域從時空分布角度對降雨事件進行“四預”提供數據支撐,研究得出以下結論:

a.遼河流域年均降雨量不高,且年際、年代波動顯著,年際、年代變幅分別為-50.5%～73.4%、-19.4%～32.7%。

b.以1999年為時間拐點,拐點之前降雨量年際變化過程呈線性下降趨勢,趨勢率為-36.3mm/10a,拐點之后降雨量年際變化過程呈線性增加趨勢,趨勢率為97.1mm/10a。

c.遼河流域降雨波動頻繁,1957—2022年期間僅有3段時間具有顯著周期性,分別為1960—1982年、1988—1995年及2005—2014年。

d.遼河流域降雨空間分布差異明顯,流域下游降雨普遍集中,流域上游降雨較為分散。1957—2022年流域降雨中心逐步向下游轉移且降雨愈發(fā)集中。