云南省1961-2020年降水結構時空變化特征

任子康,趙華榮,2,3,師康銘,楊國梁

(1.桂林理工大學環境科學與工程學院,廣西桂林 541006;2.桂林理工大學廣西巖溶地區水污染控制與用水安全保障協同創新中心,廣西桂林 541006;3.桂林理工大學廣西環境污染控制理論與技術重點實驗室,廣西桂林 541006)

降水是日常生活中最常見的氣象水文現象之一[1]。隨著全球氣候變暖的不斷加劇,使得全球水文循環加強,降水量的時空分布特征也不斷發生改變,其中降水對區域水循環、水生態以及社會經濟發展有著重要影響[2]。同時,在與人類活動的共同作用下,降水結構的時空變化可能導致洪水和干旱[3-4]。近年來我國旱澇災害呈現廣發和頻發的態勢[5],旱災會導致農作物歉收、水資源短缺,影響農業生產和居民生活;洪澇災害會造成河道淤積、農田被淹、水土流失等嚴重后果。因此,深入研究不同區域不同時間尺度的降水結構變化規律,對水旱災害風險評估和水資源管理具有重要意義。

目前,國內外已有眾多學者對降水時空變化進行研究,研究內容主要分為降水量、降水指數和降水結構時空變化3類。(1)降水量。郭斌等[6]基于TRMM 3B43產品對黃淮海平原近19 a降水時空特征研究發現,研究區降水量在時間上除秋季降水明顯增加之外,其余季節呈下降趨勢,空間上呈自南向北遞減趨勢。任建成等[7]基于EOF和小波分析對山東省29個氣象站點逐月降水量資料進行處理,得出山東省降水的空間分布特征和周期變化。(2)降水指數。Wang等[8]分析了秦巴山區極端降水事件的時空變化特征,以及極端降水指數的變化與潛在因子(包括地理因子和大氣環流形勢)的關系。時延鋒等[9]對1961—2020年沂蒙山區的極端降水指數進行了分析,發現1980—2000年為降水異常年份多發時段。趙芹蕊等[10]對1970—2019年濟南市極端降水事件時空變化特征進行分析,結果表明極端降水指數的空間分布差異十分明顯。王軍德等[11]通過計算甘肅省極端降水指數、使用GIS內置的空間地統計方法,分析出極端指數的時空變化特征。(3)降水結構。張志高等[12]利用普通克里金和M-K 趨勢法對河南省1960—2019年降水結構時空變化特征分析發現,其降水結構出現了轉向極端強降水的趨勢。姚越等[13]選取貴州省32個氣象站近57 a的逐日降水數據,采用M-K 趨勢法分析出不同降水歷時和降水等級的變化趨勢。上述學者針對不同研究區域,運用多種新的研究方法,對不同的研究內容進行分析探討,為降水變化以及防災減災領域提供重要的參照依據。

云南省作為我國重要的生態區域之一,其氣候和水資源一直是學者研究的熱點。在此區域內,多數學者從年際變化及季節變化角度研究降水量和降水指數時空演變特征,對云南省降水結構的研究較少。王理萍等[14]運用滑動平均法、線性傾向估計、M-K 突變檢驗和普通克里格法對1960—2013年云南省29個氣象站點的逐月降水量進行分析。王曉瑩等[15]基于近40年云南省10種極端降水指數及24個氣象站點逐日降水量,對其降水及極端降水的變化趨勢及空間格局進行探討。楊曉靜等[16]通過對云南省9個極端降水指數的計算,探討其周期特性及空間分布特征。劉有梅等[17]對云南省降水的集中指數、降水集中指數、降水集中期、降水集中度和變差系數5個統計指標及其空間分布進行分析,得出降水變化與海拔及緯度的相關關系。上述學者的研究成果,使云南省降水變化的研究得以充實,但鮮有人從降水歷時和降水等級兩方面對其降水結構進行探討。因此,本文基于云南省1961—2020年32個氣象站點的日降水資料,在不同降水歷時和降水等級下,引入降水發生率和貢獻率兩個指標,利用創新趨勢分析法(ITA)、Mann-Kendall非參數秩次檢驗和反距離權重法(IDW)對整個云南省的降水結構時空變化進行分析,以期為云南省旱澇災害風險評估提供科學參考,為其未來降水趨勢的預測提供一定的參照依據。

1 研究區概況

云南省位于我國西南地區,介于北緯21°8′—29°15′,東經97°31′—106°11′,北接四川,東臨貴州和廣西,地勢起伏較大,西北高而東南低,多為山地高原地形。云南的山谷交錯相致,有著“一山分四季,十里不同天”之說[15]。云南省氣候基本屬于亞熱帶高原季風型,其中滇西北屬寒帶性氣候,滇中、滇東屬溫帶性氣候,滇南屬熱帶性氣候。全省年均溫差較小,日溫差較大,四季干濕分明,降水量的時空分布極不均勻。本研究區概況以及氣象站點分布情況見圖1。

圖1 研究區概況及氣象站點分布Fig.1 Overview of the study area and the distribution of meteorological stations

2 數據來源與研究方法

2.1 數據來源

選取云南省1961—2020年32個氣象站點日降水量數據,數據來源于中國氣象科學數據共享服務平臺(http:∥data.cma.cn/)。為了確保數據資料的連續性與完整性,需要對原始數據進行預處理,特別是針對降雪和微量降水的不同表示方式。為此,在數據預處理階段將原始數據中微量降雨(代碼32700)定義為無降水,并將其他形式的降水轉化為實際降水量。將處理后的數據進行統計分析和計算。數據預處理、統計分析、數據計算及熱圖的繪制由R 語言實現。

2.2 研究方法

2.2.1 降水結構及其相關定義 目前對于降水結構的研究還存在著概念的模糊性,降水歷時、降水等級、雨強、雨日等都可以用來表征降水結構。本文從降水歷時和降水等級兩個方面,引入降水發生率和降水貢獻率兩個指標來表征本研究中云南省的降水結構。通常認為,若降水量≥0.1 mm,則該日發生了有效降水。根據前人[18]的研究成果,降水歷時定義為從開始發生有效降水到結束所歷經的天數。結合云南省降水的實際情況,將降水歷時劃分為1,2,3,4,5,6,7,8,9,10 d 和＞10 d。根據《降水量等級》(GB/T28592—2012)將云南省降水等級劃分為:小雨(0.1～10 mm)、中雨(10～25 mm)、大雨(25～50 mm)和暴雨(≥50 mm)4類[19]。降水發生率定義為在某一歷時內,某地區的降水次數與該歷時總天數之比,反映了該地區在該歷時內降水的頻率。而降水貢獻率是指各降水過程中降水量占降水總量的百分比,用來衡量該過程內降水對總降水的貢獻程度。

2.2.2 反距離權重法 云南省降水結構空間格局分析中,使用反距離權重法(IDW)進行空間插值。反距離權重法適用于水文、氣候和其他數據集的空間格局分析,對于云南省降水插值計算,反距離權重法相較于其他空間插值法誤差更小[20-21]。

2.2.3 Mann-Kendall非參數秩次檢驗 Mann-Kendall趨勢檢驗法是世界氣象組織推薦并已廣泛應用的非參數統計方法,能有效區分某一自然過程是處于自然波動還是存在確定性的變化趨勢[22]。計算得出的統計量Z＞0或Z＜0表示序列呈增加或減少趨勢,具體計算公式可參考文獻[23]。

2.2.4 創新趨勢分析法 創新趨勢分析法首先由Sen[24]提出,用于檢驗時間序列中數據的趨勢。在這種方法中,研究數據被分為時間序列長度相等的兩個子序列,并按照升序對其進行排列[25]。將第一、第二子序列的數據分別置于X軸和Y軸,并以此繪制散點圖。位于在1∶1線上的點,表明數據無趨勢;位于1∶1上方區域的點,表明數據呈增加趨勢,下方區域則呈減少趨勢。數據點與1∶1線的距離,顯示了變化趨勢的幅度[26]。為了更好地體現降水發生率和貢獻率的變化趨勢幅度,本文添加了±5%趨勢線和±10%趨勢線。

3 結果與分析

3.1 不同歷時降水發生率和降水貢獻率統計特征

圖2為云南省不同歷時降水發生率和貢獻率的統計特征。圖2中降水發生率和降水貢獻率是將研究區域內32個站點1～10 d和＞10 d歷時的降水發生率和貢獻率分別求平均值所得。

圖2 云南省不同歷時降水發生率和貢獻率Fig.2 Occurrence and contribution rate of precipitation in Yunnan Province at different calendar periods

由圖2可以看出,降水發生率隨著降水歷時的增加總體呈下降趨勢。各個降水歷時對應的發生率分別為36.08%,22.04%,12.90%,8.13%,5.53%,3.77%,2.62%,1.89%,1.42%,1.11%,4.52%。其中1 d(36.08%)歷時降水發生率最大,10 d(1.11%)歷時降水發生率最小。如果將＞10 d歷時的降水發生率剔除,1～10 d歷時的降水發生率呈明顯下降趨勢,降幅隨歷時的增加而逐漸減少。如果不考慮＞10 d歷時的降水貢獻率,其余歷時的降水貢獻率隨降水歷時的增加總體呈先上升后下降的趨勢。其中3 d(11.65%)歷時降水貢獻率最大,其次為2 d(11.35%)歷時,最小為10 d(3.88%)歷時。結合1～3 d歷時的降水發生率之和(71.03%)和降水貢獻率之和(29.77%)數據來看,云南省主要以短歷時降水為主。＞10 d歷時降水貢獻率達23.09%,可能會造成一定的洪澇災害,但因其歷時較長,降水足以被河流系統和城市管道系統排出,對區域的影響較小。

3.2 不同歷時降水發生率和降水貢獻率空間分布特征

圖3和圖4分別為云南省不同歷時降水發生率空間分布圖和降水貢獻率空間分布圖。由圖3可知,研究區選取的32個站點的降水發生率均隨降水歷時的增加而降低。各站點1 d歷時降水發生率范圍為22.96%～45.32%,其中元謀站最高(45.32%),其次為元江站(43.24%),貢山站(22.96%)最低,空間上整體呈自東北向西南遞減趨勢。2 d歷時降水發生率會澤站(25.77%)最高,其次為元謀站(25.64%),滇南地區降水發生率整體較低。3 d歷時降水發生率范圍為11.42%～14.27%,變化幅度較小,其中元謀站較前兩個歷時降水發生率下降明顯。1～3 d歷時降水發生率空間分布情況大致上相同。從4 d歷時開始,降水發生率的空間分布發生變化,滇中、滇中南地區降水發生率較低,滇西、滇東地區較高,其中廣南站降水發生率最高,達9.68%。5 d歷時過后,包括＞10 d歷時,降水發生率空間分布與1～3 d歷時相反,整體呈自東南向西北遞增趨勢。綜上分析,云南省降水主要為短歷時降水,且滇中、滇東南地區短歷時降水的概率較大,但滇南、滇西南地區發生長歷時降水的概率較大。結合圖4可以看出,云南省各站點的降水貢獻率隨著降水歷時的增加,整體呈先增加后減少的趨勢。1～10 d歷時中,3 d歷時降水貢獻率最高,范圍為5.70%～20.20%。其次為2 d歷時,范圍為4.51%～19.48%。10 d歷時降水貢獻率最低,范圍為1.46%～5.47%。1 d歷時降水貢獻率的空間分布整體呈自東向西遞減的趨勢,其中元謀站(16.30%)降水貢獻率最高,其次為元江站(14.07%),貢山站(1.47%)最低。2～5 d歷時降水貢獻率空間分布整體呈自東北向西南遞減趨勢,滇中、滇東南地區貢獻率較高,滇西北地區貢獻率整體沒有明顯變化。6 d歷時降水貢獻率空間上,大致呈自北向南遞減趨勢,其中德欽站(11.67%)最高,瀾滄站(4.55%)最低。7 d歷時降水貢獻率空間上沒有明顯的變化趨勢,滇中地區元謀站(3.57%)、元江站(4.20%)降水貢獻率較低,昆明站(8.64%)、景東站(9.20%)較高,滇東北、滇西南地區整體貢獻率較低。8～10 d歷時降水貢獻率整體呈自東向西遞增趨勢。＞10 d歷時降水貢獻率呈自東北向西南遞增趨勢,且不同地區之間差異巨大,最大達48.9%。

圖3 云南省不同歷時降水發生率空間分布Fig.3 Spatial distribution of precipitation occurrence rate in Yunnan Province at different calendar periods

3.3 不同等級降水發生率和貢獻率統計特征

對各站點小雨、中雨、大雨和暴雨的降水發生率和貢獻率分別求平均,可知隨著降水等級的提升,云南省降水發生率顯著下降,其中小雨發生率最大,達77.12%,其次為中雨(16.05%)和大雨(5.51%),暴雨發生率最低,僅為1.31%。云南省不同等級降水發生率之間差異較大。小雨、中雨、大雨和暴雨降水貢獻率分別為28.44%,35.55%,24.80%,11.21%,可以見得隨著降水等級的提升降水貢獻率呈先增加后減少的趨勢,各等級降水貢獻率之間差異較小。綜上分析,云南地區降水類型多為小雨和中雨,暴雨較為罕見。

3.4 不同等級降水發生率和貢獻率空間分布特征

圖5和圖6為云南省32個站點不同等級降水發生率和貢獻率空間分布圖。由圖6可知,云南省各站點降水發生率隨降水等級上升呈遞減趨勢。各站點小雨發生率變化范圍為65.27%～86.99%,其中德欽站(86.99%),香格里拉站(85.88%),昭通站(84.06%),會澤站(80.56%)和六庫站(80.18%)小雨發生率較高,均超過80%。圖5A 可見,小雨降水發生率在空間分布上大致呈自北向南遞減趨勢,其中滇東地區發生率較高,滇西地區較低。中雨降水發生率空間分布見圖5B,整體呈自東北向西南遞增趨勢,其中滇北、滇西地區中雨發生率較高,滇東地區較低。江城站(20.75%)、貢山站(19.37%)、瀾滄站(19.34%)和瑞麗站(19.19%)中雨發生率較高,德欽站(11.12%)、香格里拉站(12.21%)和昭通站(12.40%)較低。大雨和暴雨發生率在空間分布上大致相同,見圖5C 和圖5D,均呈自北向南遞增趨勢,其中滇東地區降水發生率低于滇西地區。大雨和暴雨發生率較高的站點均為華坪站和江城站,較低的站點均為德欽站、香格里拉站和昭通站。

圖6 云南省不同等級貢獻率空間分布Fig.6 Spatial distribution of precipitation contribution rate in Yunnan Province at different grades

由圖6可知,云南省各站點降水貢獻率整體上隨降水等級的提升呈先增加后減少的趨勢。小雨貢獻率的空間分布見圖6A,整體呈自北向南遞減趨勢,其中滇東北地區貢獻率較高,滇東、滇西地區較低。德欽站(46.58%)和香格里拉站(46.10%)小雨貢獻率較高,均超過45%。江城站(15.21%)小雨貢獻率最低,低于20%。由圖6B 可見,中雨貢獻率范圍為28.73%～40.90%,空間分布大致呈自西北向東南遞減趨勢,其中滇東北、滇西地區較高于滇東、滇西南地區。貢山站(39.08%)、德欽站(39.48%)、維西站(40.26%)、麗江站(40.56%)和香格里拉站(40.91%)中雨貢獻率較高,華坪站(28.72%)、江城站(29.96%)、大理站(30.97%)和元江站(31.42%)貢獻率較低。圖6C可以看出,除滇西北地區、滇東北地區大雨貢獻率較低外,其余地區大雨貢獻率整體較高。其中大理站(30.23%)、屏邊站(30.78%)和江城站(30.83%)大雨貢獻率較高,均高于30%,香格里拉站(12.42%)和德欽站(13.23%)貢獻率較低。暴雨貢獻率的空間分布整體呈自西北向東南遞增趨勢,由圖6D 可以看出,滇北地區華坪站(22.24%)和滇南地區江城站(24%)暴雨貢獻率較高,均超過20%,滇東地區整體較高于滇西地區。

結合云南省不同等級降水發生率和貢獻率可得,云南省降水主要以小雨為主,其中滇西北地區小雨發生率更高。滇南、滇西南地區發生大雨和暴雨的概率較大,造成洪澇災害的風險高于其他地區。

3.5 不同歷時降水發生率和貢獻率M-K 變化趨勢分析

由圖7A可知,云南省32個站點1～10 d和＞10 d歷時降水發生率趨勢有增有減。其中1～4 d歷時主要呈增加趨勢,6 d歷時后呈遞減趨勢。1,2,3,4 d歷時分別有18,24,19,18個站點呈增加趨勢。其中屏邊站、江城站、勐臘站、耿馬站、景東站和沾益站1～4 d歷時均呈增加趨勢。6 d歷時后分別有22,23,21,21,24,31個站點呈遞減趨勢,其中勐臘站、玉溪站、大理站、會澤站和六庫站6～10 d和＞10 d歷時降水發生率均呈遞減趨勢。＞10 d歷時降水發生率中,除德欽站呈增加趨勢外,其余站點均呈遞減趨勢。由圖7B可以看出,短歷時降水貢獻率呈增加趨勢的站點較多,長歷時呈減少趨勢的站點較多。1～4 d歷時降水貢獻率呈增加趨勢的站點分別有30,31,29,29個,占總站點數的90%以上。5～8 d歷時降水貢獻率呈增加或減少趨勢的站點占比接近50%。9 d歷時后,降水貢獻率呈減少趨勢的站點較多,其中＞10 d 歷時所有站點都呈減少趨勢。各歷時降水貢獻率增加趨勢最多的為江城站、屏邊站、耿馬站和瞬沖站,有8個歷時呈增加趨勢,其中江城站和屏邊站1～8 d歷時降水貢獻率都呈增加趨勢。會澤站在5 d歷時后,均呈減少趨勢。

圖7 云南省各站點不同歷時降水發生率和貢獻率M-K 秩熱圖Fig.7 M-K rank heat map of precipitation occurrence and contribution rate at various stations in Yunnan Province at different calendar periods

綜上分析,云南省降水發生率和貢獻率隨著降水歷時的增加,多數站點呈減少趨勢,說明云南省主要以短歷時降雨為主。

3.6 不同等級降水發生率和貢獻率M-K 變化趨勢分析

從圖8A 中可以看出,隨著降水等級的提升,降水發生率呈增加趨勢的站點整體增加。小雨發生率變化趨勢中,除了元江站呈增加趨勢,其余31個站點均呈減少趨勢。中雨發生率趨勢變化中呈減少趨勢的站點為昭通站、元謀站和元江站,其余站點均為增加趨勢,達29個。除德欽站、貢山站和沾益站大雨發生率呈減少趨勢外,其余站點均為增加趨勢,暴雨發生率除維西站、香格里拉站、六庫站和元江站外,其余28個站點呈增加趨勢。由圖8B可知,大多數站點大雨和暴雨貢獻率呈增加趨勢,小雨和中雨貢獻率呈減少趨勢。德欽站小雨、中雨和暴雨3個等級降水貢獻率均呈增加趨勢,麗江站、會澤站、耿馬站和屏邊站小雨、中雨和大雨貢獻率均呈減少趨勢。

圖8 云南省各站點不同等級降水發生率和貢獻率M-K 秩熱圖Fig.8 M-K rank heat map of precipitation occurrence and contribution rate at various stations in Yunnan Province at different grades

3.7 不同歷時降水發生率和貢獻率創新趨勢分析

由圖9可知,1 d歷時降水發生率大部分站點呈增加趨勢,其中多數站點呈5%以上增加趨勢。2 d歷時降水發生率所有站點都呈增加趨勢,且多數站點呈10%增加趨勢。3 d歷時中,大部分站點降水發生率呈無明顯下降趨勢,下降幅度在5%以內,接近1∶1無趨勢線。4 d歷時降水發生率變化趨勢與3 d相反。5 d歷時過后,絕大部分站點降水發生率呈減少趨勢,且隨著降水歷時的增加,下降幅度增大。由圖10可知,隨著降水歷時的增加,數據點與1∶1無趨勢線的偏移明顯增大。1～6 d歷時,大部分站點降水貢獻率呈增加趨勢,其中多數站點增加幅度大于10%。6 d歷時后降水貢獻率與之相反,大部分站點呈減少趨勢,且多數站點下降幅度大于10%。綜上分析可知,云南省各站點短歷時降水發生率呈增加趨勢,中、長歷時呈減少趨勢。各站點短、中歷時降水貢獻率呈增加趨勢,長歷時呈減少趨勢。說明云南省主要以1～3 d短歷時降水為主,這與M-K 趨勢檢驗的結果基本一致。

圖9 云南省各站點不同歷時降水發生率創新趨勢分析Fig.9 Trend analysis of precipitation occurrence rate at various stations in Yunnan Province at different calendar periods by using ITA

圖10 云南省各站點不同歷時降水貢獻率創新趨勢分析Fig.10 Trend analysis of precipitation contribution rate at various stations in Yunnan Province at different calendar periods by using ITA

3.8 不同等級降水發生率和貢獻率創新趨勢分析

由圖11可知,絕大部分站點小雨發生率呈減少趨勢,下降幅度在10%以內。大部分站點中雨、大雨和暴雨發生率呈增加趨勢,其中多數站點上升幅度大于10%。大部分站點小雨、中雨貢獻率呈減少趨勢,下降幅度在10%以內,大雨、暴雨貢獻率呈增加趨勢,大多數站點上升幅度大于5%。綜合可知,云南省大雨、暴雨發生率和貢獻率均有上升趨勢,發生極端降水以及洪澇災害的風險增大。

圖11 云南省各站點不同等級降水發生率和貢獻率創新趨勢分析Fig.11 Trend analysis of precipitation occurrence and contribution rate at various stations in Yunnan Province at different grades by using ITA

4 討論

對云南省32個氣象站點降水歷時發生率和貢獻率進行綜合分析發現,隨著降水歷時的增加,降水發生率呈減少趨勢,降水貢獻率呈先增加后減少的趨勢,各歷時之間差異較小。隨著降水等級的提升,降水發生率呈減少趨勢,降水貢獻率呈先增加后減少趨勢。這與前人在廣西[26]、貴州[27]、四川[28]地區得出的結果基本一致,整個西南地區呈現整體的相似性?？臻g上,長歷時降雨及大雨和暴雨的發生率和貢獻率均呈南多北少,說明滇南地區發生洪澇災害的風險更高,這與王理萍[14]和王曉瑩[15]等的結論基本一致。在采用創新趨勢分析法(ITA)和M-K 趨勢法對云南省近60 a不同歷時、不同等級降水發生率和貢獻率數據進行趨勢檢驗后,分析發現短歷時降水發生率和貢獻率呈增加趨勢,大雨和暴雨出現的頻率增加,兩類方法得出的變化趨勢結果基本一致。ITA 相較于M-K 趨勢法而言對數據處理更加簡便、數據趨勢更為直觀。

云南降水結構的變化趨勢表明發生短歷時強降水的概率正在上升。引起該變化的主要原因可能是大氣環流影響以及海氣相互作用[29]。同時,云南地處熱帶和亞熱帶交錯帶,對于厄爾尼諾-南方濤動(ENSO)現象尤為敏感。在全球氣候變暖的情況下,人類活動也是造成該變化的原因之一。但這些因素相互作用,情況十分復雜。因此,需要進行深入的研究和分析,更好地為云南省水旱災害風險評估和預警提供參考依據。

5 結論

(1)隨著降水歷時的增加,降水發生率呈減少趨勢,降水貢獻率呈先增加后減少的趨勢?？臻g上,1～3 d歷時降水發生率和貢獻率主要呈自東北向西南遞減趨勢,4 d歷時后與之相反。不同歷時的降水貢獻率空間分布基本與發生率一致。

(2)隨著降水等級的提升,降水發生率呈減少趨勢,降水貢獻率呈先增加后減少趨勢?？臻g上,小雨發生率呈自北向南遞減趨勢,中雨、大雨和暴雨發生率呈自北向南遞增趨勢。小雨、中雨降水貢獻率呈自西北向東南遞減趨勢,大雨、暴雨貢獻率與之相反。滇中、滇南和滇西南地區大雨和暴雨發生率和貢獻率均較高,可能造成洪澇災害的風險較大。

(3)M-K 趨勢檢驗與創新趨勢分析法對于不同歷時、等級的降水發生率和貢獻率變化趨勢得出的結果基本一致。不同降水歷時中,大多數站點短歷時降水發生率和貢獻率呈增加趨勢,長歷時呈減少趨勢。不同降水等級中,大多數站點小雨發生率呈減少趨勢,中雨、大雨和暴雨發生率呈增加趨勢,小雨和中雨貢獻率呈減少趨勢,大雨和暴雨呈增加趨勢。