1976～2017年海北地區主汛期降水特征分析

王忠武，祁維秀，趙 亮

(海北州氣象局，青海 海北 812200)

1 引言

隨著全球氣候變暖，降水也隨著氣候的變化存在時空變化的特征[1]，氣候變化通過改變降水的空間分布和時間變化特性，影響著水循環和水資源的空間分布格局。青海省是我國主要江河的發源地，其降水變化對中國區域水分平衡和水資源利用有著重要影響[2]。近年來，降水呈現出向極端化發展的趨勢[3，4]。大量研究表明近年來在全球許多區域強降水呈現增加趨勢，而弱降水則明顯減少[4]。在中國大多數地區，弱(強)量級降水出現的頻率趨于下降(增加)，表明強降水對總降水量的貢獻呈現增大的趨勢[5]。有學者研究表明青藏高原南部降水呈增加趨勢，主汛期降水增加尤為明顯[5，6]。而劉彩虹，徐錦華等研究認為，1961～2004年青海省東部地區夏季的降水量沒有顯著變化[7]。

在青海省極端降水的研究方面，朱西德研究指出：在氣候變暖背景下各地異常氣候事件頻繁發生，青海省也不例外，近年來熱害和干旱加劇，大降水增多，雨強增大；雪災頻繁，成災機率高[8]。

從大范圍上講，鐘軍、蘇布達等[9]研究指出：在我國年降水無明顯的增加或者減少趨勢，但降水強度偏高的區域表現出擴大的趨勢，西北地區四季降水增加。張立杰，趙文志[10]對黑河流域的日降水做了詳細的研究，指出黑河流域主要以≤5 mm的降水為主，占年降水的82%，年總降水日數保持基本不變。這與楊建才、王勁松[11]研究的甘肅河東弱降水的分布決定了平均降水日數分布的結論有相似之處。

本研究利用青海省氣象局信息中心提供的海北地區1976～2017年逐日降水量，統計分析出海北州汛期極端降水各指標，建立數據集，為預報極端氣候、防災減災有一定的指導意義，為海北地區汛期防災減災服務及應急提供有力的決策支持。

2 資料與方法

2.1 資料

本文選取海北藏族自治州轄區內6個國家氣象站1976～2017年逐日有效降水(≥0. 1 mm)資料。按照24 h降水量大小分小雨(0.1 mm≤R<10.0 mm)、中雨(10.0 mm≤R<25.0 mm)、大到暴雨(R≥25.0 mm)以及95%極端降水[12]。

圖1 海北地區國家氣象臺站分布圖

2.2 方法

2.2.1 氣候趨勢和氣候傾向率 設某氣候變量資料為一個時間序列，可表示為：

X1，X2，X3，…Xn

它可以用多項式來表示：

(1)

式(1)中t為時間，單位為年(a)。它的含義是用一條合理的直線表示氣候變量χ及其時間t之間的關系，即為線性氣候趨勢。

一般說來，某一要素的氣候趨勢可用曲線方程、拋物線方程或直線方程來模擬，其趨勢變化率方程可表示為：

(2)

將a1×10稱作氣候傾向率，而 a1可用最小二乘法或正交多項式確定：

(3)

2.2.2 突變檢驗 突變現象普遍存在于地球氣候系統。Mann-Kendall方法是一種較為客觀的突變檢測方法，特點是能夠較為準確地確定符合統計檢驗的突變時間，避免人為因素的影響。

Mann-kendall方法首先對樣本時間序列Ti(i=1，2，3，…，n)定義統計量：

在時間序列Sk隨機獨立的假定下，定義統計量：

其中，E(Sk)=n(n-1)/4，Var(Sk)=n(n-1)(2n+5)/72

對統計量Uk按順序記為UF，同時按照逆順序i=n，n-1，n-2，…，1計算一次并取負值，記為UB。給定顯著性水平α，在這里取顯著性水平α=0.05，查正態分布表得1.96，若|UF|>1.96，則表明序列存在明顯的趨勢變化。所有UF和UB將組成兩條曲線，當兩條曲線的交點位于上下置信線之間且隨后UF值超過置信線時，交點被認為是突變點。

2.2.3 周期分析 小波分析是一種時間—尺度分析方法，它具有多分辨率分析的特點，而且在時頻兩域都具有表征信號局部特征的能力，是一種窗口大小固定不變但其形狀可改變，時間窗和頻率都可以改變的時頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，所以被譽為分析信號的顯微鏡。近年來在氣候分析中得到越來越廣泛的應用。

小波分析在時域和頻域上同時具有良好的局部性質，可以分析出時間序列周期變化的局部特征，能更清楚地看到各周期隨時間的變化情況，從而在氣候分析中得到廣泛應用，這里選取的小波變換為Morlet小波，其形式為：

ψ(t)=exp(i2πt)exp(-t2/2)

(4)

3 海北地區主汛期降水變化分析

3.1 主汛期降水量變化分析

1976～2017年海北地區主汛期年平均降水量呈明顯增加趨勢(圖2)，年降水增加率為13.8 mm/10 a。6個國家氣象站的主汛期降水量呈增加趨勢，其中剛察對本地區年降水增加的貢獻最大，其增加趨勢最明顯，增加率為25.5 mm/10 a，門源降水增加率最小，只有3.2 mm/10 a。其余4站的主汛期降水增加率：托勒為16.8 mm/10 a、野牛溝為14.4 mm/10 a、祁連為1.25 mm/10 a、海晏為10.7 mm/10 a。

3.2 分量級降水

3.2.1 小雨 下圖(圖3)為海北地區主汛期小雨變化趨勢圖，從圖中可以看出，整個海北地區主汛期的小雨量級降水日數在慢慢減少，而小雨的降水量卻呈緩慢增加的趨勢，說明小雨的降水量在慢慢增加。以一天為時間單位作降水強度，降水強度呈上升趨勢。

圖2 海北地區、剛察及門源主汛期降水變化趨勢圖

圖3 海北地區主汛期小雨變化趨勢圖

從6個臺站的小雨趨勢看，降水日數門源減少趨勢最大為3.4 d/10 a，托勒和海晏呈增加趨勢，但并不明顯，其余各臺站呈減少趨勢；小雨降水量除門源和祁連外，各臺站都呈上升趨勢；小雨的強度無一例外都是呈增大趨勢。

3.2.2 中雨 下圖(圖4)為海北地區主汛期中雨變化趨勢圖，從圖中可以看出，整個地區主汛期的中雨量級降水日數、降水量在逐漸增加，中雨降水強度也呈上升趨勢。整個地區的降水量按6.9 mm/10 a在增加。

圖4 海北地區主汛期中雨變化趨勢圖

從6個臺站的中雨趨勢看，主汛期中雨降水日數、降水量和降水強度都呈上升趨勢。降水量增加最快的是剛察，為12.7 mm/10 a，而門源中雨量級降水量增加最不明顯。

3.2.3 大到暴雨 下圖(圖5)為海北地區主汛期大到暴雨變化趨勢圖，從圖中可以看出，整個地區主汛期的大到暴雨量級降水日數和降水量在逐漸增加，降水強度也呈上升趨勢。

6個臺站主汛期大到暴雨的降水日數都呈增加趨勢，剛察主汛期大到暴雨降水日數增加最多，海晏不明顯；降水量托勒增加最快為6.0 mm/10 a，門源和祁連有減少趨勢；降水強度各臺站都呈增強趨勢。

4 極端降水

4.1 極端降水閾值計算[12]

極端降水閾值的計算方法是百分位法，即指定某個百分位值對應的降水量為國值。本文是以海北地區主汛期95%極端降水來做研究，將1976～2017年主汛期逐年日降水量按升序排列，將第95個百分位值的42 a平均值定義為95%極端降水閾值，當某日的降水量超過極端降水事件的閾值時，就稱該日出現了極端降水事件。具體方法如下：

將某站逐年日降水量記錄按大小升序排列，得到x1，x2，…，xn則百分位國值為：

x=(1-a)xj+axj+1

(5)

式中，j為逐日降水量按升序排列后的排列序號

j=Int[p(n+1)]，Int為取整函數，p為對應的百分位數;a為權重系數，a=p(n+1)-j

通過計算，得出各站的主汛期95%極端降水閾值，托勒為14.7 mm、野牛溝為14.4 mm、祁連為15.1 mm、門源為17.4 mm、剛察為15.2 mm、海晏為14.4 mm。

圖5 海北地區主汛期大到暴雨變化趨勢圖

4.2 極端降水月際變化特點

表1為95%極端降水天數的月統計表，從表中可以看出，各站的極端降水事件天數各有不同，海晏每年95%極端降水事件有5 d，托勒不到4 d。各站的極端降水集中出現在7月和8月，從柱狀圖中(圖6)更能反應這一特點。

表1 各站95%極端降水天數統計

圖6 極端降水月份柱狀圖

4.3 汛期極端降水年際變化趨勢

下圖(圖7)是海北地區95%極端降水的年際趨勢圖，從圖中可以看出，海北地區的95%極端降水無論是從天數還是降水量和降水強度，都呈上升趨勢。極端降水量的增加趨勢尤為明顯，按12.5 mm/10 a的速度增加。各臺站中，95%極端降水日數、極端降水量和降水強度都呈上升趨勢。極端降水日數增加最快的是托勒，最慢的是門源；極端降水量增加最多的是剛察，以18.8 mm/10 a的速度在增加，最少的是門源，但也按照7.3 mm/10 a的速度在增加；降水強度和降水量呈現一樣的變化趨勢。

5 主汛期降水的突變檢驗與周期分析

5.1 主汛期降水的突變檢驗

圖8中UF為海北區年汛期降水量(極端降水量)的順序統計曲線，UK為海北區年汛期降水量(極端降水量)逆序統計曲線，并給定顯著性水平α=0.05，臨界線為±1.96(兩條直線)。若UF或 UB的值>0，則表明序列呈上升趨勢，<0則表明呈下降趨勢。當它們超過臨界線時，表明上升或下降趨勢明顯。

如果統計曲線在臨界線之間出現交點，則交點對應的時刻便是突變開始的時間。從圖中可以看出，海北的主汛期降水量呈線性上升趨勢，2009年以后有突變明顯增加趨勢。而主汛期95%極端降水從2005年突變增加就比較明顯。經過分析，極端降水強度、中雨降水量和大到暴雨的降水量和極端降水有相同的突變增加趨勢。

圖7 海北地區極端降水趨勢圖

圖8 海北地區主汛期降水量和極端降水量M-K統計量曲線圖

5.2 周期分析

根據海北地區主汛期降水量時間序列，進行Morlet小波變換，圖9為海北地區主汛期降水的Morlet小波實部系數時-頻分析圖(a)和小波模圖(b)。圖中反映出在不同階段的同一周期振蕩以及同一階段的不同周期振蕩所表現出來的強弱程度是不一樣的。目前采用的Morlet小波為基小波的分析中，很多工作只依據小波系數的實部圖分析結果，不可避免的造成一些虛假信息。在此基礎上，結合模分析，不僅能反映各個周期成份在局部時段的特征，而且模代表不同參數的小波對總能量的貢獻，能清楚的反映出實驗序列中各個周期的成份的強度隨時間的變化。圖10為海北地區主汛期極端降水量的Morlet小波實部系數時-頻分析圖(a)和小波模圖(b)。由圖9可以看出整個汛期的總降水量的周期性并不明顯，這是在2000年之前存在4～6 a的震蕩周期；圖10中95%極端降水量是存在8～10 a的震蕩周期，這一結論在極端降水的降水日數和降水強度的小波分析時頻圖中都能反應出來。

圖9 海北地區主汛期降水量時-頻圖

圖10 海北地區主汛期95%極端降水量時-頻圖

6 結論

(1)1976～2017年，海北地區主汛期(6～9月)地區平均降水量有明顯的增加趨勢，增加率為13.8 mm/10 a，其中剛察年降水對整個地區年平均降水增加的貢獻最大，門源最小。

(2)地區年平均降水量的變化趨勢和主汛期降水的變化呈較一致的趨勢。

(3)中雨量級和大到暴雨量級降水日數呈增加，小雨降水日數呈減少，各量級降水量和降水強度呈增加趨勢。

(4)中雨、大到暴雨以及極端降水在2004年有明顯的突變趨勢，小到中雨在這一時間點的突變增加不明顯，大到暴雨的突變增加非常明顯，極端降水量有8～10 a震蕩周期。