斯里蘭卡極端降水時空演變特征及趨勢預測

尤立, 齊天杰,2, 胡春明*

(1.中國科學院生態環境研究中心工業廢水無害化與資源化國家工程研究中心, 北京 100085; 2.河北先進環保產業創新中心有限公司, 石家莊 050035)

“一帶一路”是中國提出的新時期國際和地區合作倡議,旨在形成一個完整的歐、亞、非經貿合作共同體,進而密切沿線各國間的國際關系[1]。“一帶一路”合作倡議實施面臨的重要問題之一是水資源問題[2-3],特別是沿線國家基本上以發展中國家為主,受人類活動和氣候變化的雙重影響,部分區域極端水文氣象事件頻發、水資源不均衡問題突出,給“一帶一路”合作倡議的整體布局和實施帶來了不確定性影響[4]。據統計,1995—2015年,對“一帶一路”合作倡議沿線國家而言,極端降水是危害最大的自然災害致災因子[5]。

斯里蘭卡位于印度洋東西交通的“十字路口”,是中國建設“21世紀海上絲綢之路”的重要伙伴國[6]。受熱帶季風氣候影響,全年高溫,旱季和雨季分明。島內水資源時空分布不均衡,降水期相對集中,地表水體面積變化波動性較大,當地極端降水受地形特征的影響十分復雜,暴雨洪澇頻繁[7]。如2021年6月和11月,斯里蘭卡兩次遭遇極端降水災害,引發洪水和山體滑坡,超過65萬人日常生活受到影響。由于極端降水的突發性較強,對區域社會經濟發展的威脅較大,使之成為當地亟需解決的民生問題[8]。

識別“絲綢之路經濟帶”氣候變化特征是“一帶一路”合作倡議與建設的迫切需求[9]。受限于長序列的降水資料缺失和觀測站的空間代表性不足,“一帶一路”相關地區降水時空變化的研究較少。Hurst 指數提供了對時間序列數據特征記憶的長期存儲真實度量方法,在所有領域的時間序列分析中具有廣泛性和普適性,同樣也適用于較短時間序列的數據分析。基于斯里蘭卡2008—2020年降水數據,通過經驗正交函數分析、RClimDex極端降水模型和Morlet小波分析法對斯里蘭卡極端降水演變特征開展系統研究和評估,在揭示區域極端降水時空變化規律的基礎上,采用Hurst指數預測未來趨勢,以期為當地防災減災和水資源管理提供重要借鑒,也可為研究“一帶一路”沿線的東南亞和南亞國家極端降水演變規律提供參考。

1 研究區概況及數據來源

1.1 研究區概況

斯里蘭卡位于印度洋中北部,連接著馬六甲海峽與波斯灣,是東西方海運的十字路口,被譽為“印度洋上的明珠”。地理位置在5°55′N～9°50′N、79°42′E～81°53′E,全島總面積為65 610 km2,陸地面積約62 700 km2,水體面積(包括河流、湖泊、水庫和坑塘)約為2 910 km2[10]。海島地勢差異明顯,北部沿海平原寬闊,中南部為地形崎嶇的高原內陸。氣候類型為熱帶季風氣候,年內只分旱季和雨季,降水具有明顯的季節特征。1998—2020年斯里蘭卡多年平均降水量為1 759.37 mm,當地降水量年際變化幅度較大。空間分布上主要表現為西南多東北少的特點,西南部年降水量2 000～3 000 mm,東北部年降水量約1 000 mm。

1.2 數據來源

所使用到的斯里蘭卡氣象站點實測數據來源于2008—2020年的數據統計,主要包括了斯里蘭卡海島的10個氣象站的逐日降水數據,為降低因海島地勢差和站點分布不均問題對雨量計算的影響,采用泰森多邊形法來計算海島的年均降水量[11],各站點的空間分布如圖1所示。

圖1 斯里蘭卡海島氣象站空間分布Fig.1 Spatial distribution of weather stations in Sri Lanka

為確保氣候變化研究的可靠性,在進行極端降水計算之前,采用RClimDex軟件對斯里蘭卡原始氣象數據進行嚴格的質量控制及均一化檢驗,并結合廣泛推薦應用的非參數統計方法M-K(Mann-Kendall)突變檢驗法來揭示整體時間序列的變化趨勢,從而判斷是否存在氣候突變[12-13]。圖2為給定顯著性水平P=0.05下的M-K檢驗結果,其中P=0.05時,統計量臨界值U0.05=±1.96。結果表明:在2008—2020年,降水量正序列(UF)和反序列(UB)均處于臨界值線內(U0.05=±1.96),降水序列未發生明顯突變。兩曲線分別在2009—2010年和2015—2016年存在交點,2008年后UF統計量在0線以下,表明斯里蘭卡本階段年降水呈下降趨勢,從2010年之后,UF統計量均處于0線以上,斯里蘭卡降水趨勢呈穩步上升趨勢,其突變并未有顯著趨勢。

圖2 降水量M-K統計檢驗Fig.2 M-K statistical test of precipitation

2 資料與方法

2.1 經驗正交函數分析

經驗正交函數(empirical orthogonal function,EOF)分析,因其極強的實用意義成為統計氣象要素變化的重要方法。原理是將要素場分解得到兩個不同的函數:空間函數和時間函數,將體現要素強烈顯著性的數據集中于幾個空間分布模態中,用極少的兩個或幾個基本涵蓋要素場信息的模態來客觀描述其空間結構和時間變化趨勢[14]。

將氣象降水在m個格點上的n次連續監測資料看作一個m維隨機向量X,經驗正交函數EOF分解是將降水場X分解為特征向量矩陣S和對應的時間系數矩陣T,可表示為

(1)

降水數據經預處理后,得到距平矩陣X,將X矩陣與其轉置矩陣XT乘積得到協方差矩陣C,將協方差矩陣C的特征向量λ由大到小順次排列,分解所對應的特征向量,從而得到降水場的第1模態,第2模態,…,第m模態。對于任一模態,空間特征向量分量值越大,則降水變化的振蕩強度越顯著;時間系數的正負代表與空間變化的異同性,時間系數為正值,表明與當前空間分布同向,為變化主趨勢;時間系數為負值,表明當前空間分布狀態與降水變化趨勢相反。

2.2 RClimDex極端降水模型

基于R語言的RClimDex模型,經模型本身的數據質量控制模塊對逐日降水和氣溫數據進行嚴格篩查后,可對不同種類的極端氣候指數進行分析討論[15-16]。考慮到斯里蘭卡熱帶氣候下不存在小于0 ℃的溫度條件,對極端氣溫指數研究意義不大,故選取6項極端降水指標來探究斯里蘭卡極端降水的時空變化特征。各極端降水指數定義如表1所示。

表1 極端降水指數定義Table 1 Definition of extreme precipitation index

2.3 Morlet小波分析

Morlet小波分析是將某一時空域信號經平移、尺度變換后分解為系列小波函數的疊狀態的分析方法,能直觀反映變量在整個時段內的周期震蕩情況,同時定性分析預測系統的未來變化趨勢,常用于水文氣象的周期分析中[17-18]。定義小波函數為

(2)

2.4 R/S分析

R/S分析法常被用于探索時間的分形特征及長期記憶過程中,依據計算所得Hurst指數H來判斷在時間序列上的可持續性[19]。Hurst指數取值在[0,1],當H=0.5時,表明該降水指數的變化具隨機性,現有變化與未來趨勢無相關;0≤H<0.5時,過去與未來的變化趨勢呈反持續性,H越接近0,反持續性越高;0.5

3 結果與討論

3.1 年際降水量EOF時空分解

3.1.1 空間分布特征

應用EOF法對斯里蘭卡2008—2020年降水場進行時空分解,按照North顯著性檢驗方法,只有當各模態下的特征根誤差上下限互相無重疊時,才能判定此模態通過了North顯著性檢驗。由表2可知,前6個模態的累計方差貢獻率達98.60%。其中第1、第2模態下特征根誤差上下限無重疊,因此通過North檢驗,其累計方差貢獻率達到90.13%,分布特征能夠很好地表征斯里蘭卡降水場的空間結構特征。

表2 斯里蘭卡年降水量EOF分解的前6個特征向量貢獻率Table 2 Contribution of the first six eigenvectors of the EOF decomposition of annual precipitation in Sri Lanka

第1特征向量場(EOF1)的方差貢獻率為83.38%,遠高于其他向量場的方差貢獻率,故斯里蘭卡降水場的空間分布類型以EOF1為主。由圖3(a)可知,所有站點的特征值均落在0.1～0.5,特征值為正則表明斯里蘭卡降水在空間變化上呈高度一致性,降水高值中心處在海島西南部,低值中心處在海島東南部。降水空間分布形勢與季風氣候和地形密切相關:斯里蘭卡受由印度洋吹向陸地的濕潤西南季風影響,其中強烈濕潤的西南季風在海島中南部高原地帶爬升遇冷,引起西南局部強降水,從而形成了斯里蘭卡降水以西南高—東南低為主的空間分布態勢。

圖3 斯里蘭卡年降水量EOF分析中的前2個特征向量場Fig.3 The first 2 eigenvector fields in the EOF analysis of annual precipitation in Sri Lanka

第2特征向量場(EOF2)是海島降水空間分布的次表現形式,方差貢獻率為6.75%。從圖3(b)可以看出,EOF2下站點特征值范圍處在-0.3～0.6,海島東西空間分布差異明顯。海島東部為正值區,西部為負值區,呈現明顯的東高西低的反向分布模式,反映出斯里蘭卡降水空間分布的次變化特征為由東向西依次遞減,該表現形式主要受海島東北干燥季風降水影響。

3.1.2 時間分布特征

對于任意年,降水場的模態類型是由該年時間系數的絕對值大小來決定的,而空間模態的時間變化特征則是通過時間系數的正負來體現。時間系數為正值表示降水時空變化一致,負值則相反,絕對值越大表明該模態的變化規律越顯著。對兩種降水空間模態的數據(圖4)分析可知,斯里蘭卡降水場主要有4種表現類型,分別為:全域多雨、全域少雨、西南部多雨東北部少雨和西南部少雨東北部多雨。對2008—2020年4種降水分布類型進行統計分析,得出全年多雨有7年,全年少雨有4年,全年西南部多雨有2年,具體年份如表3所示。近年來降水場分布主要以第1模態(全年多雨)為主,時間占比為84.6%,在第1模態下,趨勢線斜率為126.24,R2為0.092,表明近年來斯里蘭卡降水增長趨勢顯著,未來發生極端降水的概率進一步增加;模態2的時間占比為15.4%,趨勢線斜率為-25.09,R2為0.033,表明斯里蘭卡西南濕潤區降水有減小趨勢,東北干旱區降水有增加趨勢。

表3 4種降水場表現類型年份分布Table 3 Year distribution of four precipitation field performance types

圖4 前2個降水空間模態的時間系數Fig.4 Time coefficients of the first 2 spatial modes of precipitation

3.2 極端降水指數特征分析

3.2.1 時間特征分析

依據斯里蘭卡10個氣象站的降水系列數據,選取五日最大降水量RX5d、普通日降水強度SDII、極端降水日數R20、極端降水量R95p、持續干燥指數CDD和持續濕潤指數CWD6個極端降水指標,計算當地極端降水量的時空分布及其變化趨勢,如圖5所示。

圖5 極端降水指數年際變化Fig.5 Interannual variation of extreme precipitation index

由圖5可以看出,RX5d、SDII、R20、R95p、CWD均呈上升趨勢。其中,R95p變化率為61.60 mm/10 a,RX5d變化率為11.80 mm/10 a,R95p和RX5d是極端降水量的重要指標因子,這兩項指數顯著上升的變化趨勢能夠說明極端降水總量及頻率將會進一步增加,相應的顯著上升的站點比重較高。SDII、R20和CWD指數變化率分別為1.66、8.05、2.29 mm/10 a,呈小幅上升趨勢,但存在明顯震蕩周期;CDD指數的變化率為-18.44 mm/10 a,持續干旱情況呈明顯減少趨勢。綜合6個極端降水指數的年際變化特征,斯里蘭卡整體呈濕潤化趨勢,發生極端降水的概率和等級變大,未來面臨暴雨洪澇災害風險增強,應做好防汛風險應急預案。同時通過斯里蘭卡國內大型水利樞紐工程,完善流域防洪工程體系,提升當地水旱災害防御能力。

3.2.2 空間特征分析

斯里蘭卡獨特的地理位置,以及所屬的熱帶氣候造就了當地降水在空間分布上的不均衡。從圖6中可以看出,在極端降水量和降水貢獻率方面,6個極端降水指數在空間格局上分布差異。RX5d指數大致呈由西南向東北方向逐漸降低趨勢,該指數的高值區包含加勒和拉特納普勒地區;SDII指數由北向南逐漸降低,亭可馬里SDII指數多年平均值為19.53 mm/d,為區域最高值,在漢班托塔出現最低值,為12.13 mm/d,表明亭可馬里的極端降水頻率較高。R20、R95p指數和CWD指數空間分布情形類似,西南部地區均為高值中心,西北地區為低值區域,R95p在拉特納普勒(高值中心)與漢班托塔(低值區)相差562.42 mm,在兩地間的CWD差值為9.4 d,空間差異顯著,而拉特納普勒及以西地區為斯里蘭卡降雨事件的多發區。

圖6 極端降水指數空間變化趨勢Fig.6 Spatial trends of extreme precipitation index

3.2.3 周期變化分析

運用Morlet小波變換對各極端降水指數進行分析,揭示極端指數的周期性變化規律[20]。圖7為小波系數實部值的高低,能清晰地反映各極端降水指數隨時間的交替變化趨勢。可以看出,各項極端降水指數隨時間變化存在著高低振蕩現象,周期變化較為明顯,6個極端降水指標除CDD外,其余指標振蕩主周期均為6～7 a。RX5d和SDII存在3個相同的振蕩主周期,分別在2、4、7 a,表現為多峰譜型,其中第一主周期振蕩強度最大。R20和R95p兩個指標的振蕩周期基本一致,但表現出更加強烈的振蕩強度,周期性趨勢也更加顯著。結合周期變化規律和前文的趨勢分析,可進一步判斷未來10 a斯里蘭卡極端降水事件總體變化趨勢將呈現上升趨勢。

3.2.4 R/S時間變化趨勢預測

R/S分析無法檢驗時間序列的變化趨勢,但可根據Hurst指數H的大小來判斷時間序列未來的持續性[21-23]。運用R/S分析法對斯里蘭卡極端降水指數進行預測,結果如表4所示。R20的H=0.5,表明歷史變化與未來變化趨勢無相關。此外除了CWD的H<0.5,其余指標的H均大于0.5,說明斯里蘭卡持續濕潤指數變化將呈反持續性,而其他指標表現出了持續性,未來較長時間內斯里蘭卡重點區域降水將保持現有增加的趨勢。SDII的H在0.6～0.7,表現出較強的持續性。

表4 斯里蘭卡各極端降水指數R/S趨勢分析Table 4 Analysis of R/S trend of each extreme precipitation index in Sri Lanka

由于基礎數據的時間序列較短,各極端降水指數的年際變化特征總體盡管表現出降水頻率加大的趨勢性,但其指導意義和科學性相對較弱[24-26]。但另一方面,小波分析結果表現出來的數據周期性較強,尤其RX5d和SDII的第一主振蕩周期僅為2 a,表明在13 a的歷史時間序列中已展現出較高的重復性,分析結果的可靠性也更高。

結合小波分析及Hurst指數分析結果:SDII的主振蕩周期短、R/S分析的R2達到0.973,預測可信度最高;其次為R95p和RX5d兩個指標,分別具有較高的R2或較短的主振蕩周期,也具有一定的預測可信度;CDD指標主振蕩周期不明顯,盡管R2達到0.910,其預測可信度也略低;而R20和CWD指標的R2較低、主振蕩周期較長,其預測可信度也較低。

基于分析預測結果,未來斯里蘭卡的普通日降水強度SDII將呈現較強增加趨勢,極端降水量R95p和五日最大降水量RX5d均將呈現微弱增加趨勢,而其他極端降水指數的變化趨勢可信度相對較低。氣候演化是一個復雜的過程,斯里蘭卡未來極端降水將表現出持續的增加趨勢,但隨機性和波動性較大,而極端降水指數6～7 a的主周期特征可作為關注點,基于重現性角度進行水資源管理并不斷在工作中進行優化驗證。

4 結論

以氣象點觀測資料為基礎,分析了斯里蘭卡極端降水時空分布特點,得到以下結論,可為當地生態環境保護和防災減災等工作提供參考依據。

但對于“一帶一路”合作倡議沿線國家或地區,氣象數據質量的參差不齊給研究帶來了一定難度,未來需要一些新的方法來高效處理類似降水序列缺失地區的數據,同時后續還需進一步探究極端氣候的差異性及對不同災害事件的影響。得出如下結論。

(1)EOF分析表明,近年來斯里蘭卡降水增長趨勢顯著,未來發生極端降水的概率進一步增加。斯里蘭卡降水場的空間分布類型以EOF1為主,降水在空間變化上呈高度一致性,西南部地區降水增多趨勢較東北部更強。

(2)時間上,近10年斯里蘭卡極端降水事件呈現較明顯增加趨勢,極端降水量指數(R95p和RX5d)的變化傾向率分別為71.03 mm/10 a和21.10 mm/10 a;在極端降水日指數(SDII、R20、CDD、CWD)中,除連續干燥日CDD呈下降趨勢外,其他指標呈弱上升趨勢。空間上,斯里蘭卡極端降水指數空間差異性明顯,西南部地區均為高值中心,西北地區為低值區域,R95p在兩個區域內相差552.81 mm,而拉特納普勒地區為斯里蘭卡降雨事件的多發區。

(3)周期變化上,各項極端降水指數隨時間變化存在著高低振蕩現象,周期性趨勢顯著,RX5d和SDII存在3個相同的振蕩主周期,分別在2、4、7 a,表現為多峰譜型,其中第一主周期振蕩強度最大。

(4)綜合R/S分析及各指標的周期變化規律,未來斯里蘭卡的普通日降水強度SDII將呈現較強增加趨勢,極端降水量R95p和五日最大降水量RX5d均將呈現微弱增加趨勢,而其他極端降水指數的變化趨勢可信度相對較低。表斯里蘭卡未來極端降水總體將表現出持續的增加趨勢,極端降水指數6～7 a的主周期特征可作為當地水資源管理的關注點并不斷在工作中進行優化驗證。