珠江流域极端降雨时空演变特征分析*

彭俊台，张强，陈晓宏，陈永勤

(1.中山大学水资源与环境系，广东广州510275;2.中山大学华南地区水循环与水安全广东省普通高校重点实验室，广东广州510275;3.香港中文大学地理与资源管理系，香港沙田)

气候环境变化及其对人类社会与生态环境的影响已成为全球各国关注的重大科学问题之一。全球气候变暖导致水循环加剧，降水时空分布发生变化，极端降水事件明显增多，从而导致旱涝灾害事件增多，给人类社会经济发展带来重要影响［1－3］。由此，研究极端降水的时空演变特征对于全面而系统地了解洪涝灾害的时空变化特征，减少极端降水事件对人类社会的影响具有重要意义。

珠江流域(102°14'～115°53'E，21°31'～26°49'N)属亚热带气候，温和多雨。流域大部分地区年平均气温在20℃以上，年际变化不大。各地多年平均雨量为1 000～2 200 mm，西部云贵高原降雨较少，流域的东部降雨则较多。近些年来，已有学者对珠江流域降雨进行了诸多研究。张强等［4］利用珠江流域1960－2005年42个雨量站的日降雨资料，分析了降雨集中度的时空变化特征，指出流域的西北部、南部和东南部的降水集中指数高，流域的东北部和西南部的降雨集中程度较低。王兆礼等［5］对近40年来珠江流域降水量的时空演变特征进行了分析，认为流域总降水量呈微弱的增加趋势，且具有明显的11年主周期振荡，但不存在突变现象。而Wang等［6］则利用Mann-Kendall趋势检验法研究了珠江流域中东江的最大降雨的趋势变化，得出年极端降雨没有显著变化，但月份降雨有些有显著变化。黄增明［7］则研究了珠江流域降雨的基本特征，认为流域内降水东多西少、干湿季分明、旱涝较频繁，南部夏秋季还受到台风雨水侵袭;降水和暴雨的成因复杂，变化较大，需进一步研究。

总结以往的研究发现，过去的研究多集中在年、季降雨量时空变化上，对极端降雨的研究较少，而极端降水的变化与旱涝灾害的发生有着密切联系，因此，为合理利用水资源，降低洪涝灾害带来的社会经济损失，对于极端降水事件的时空演变特征的研究尤显必要。基于此，本文将通过分析珠江流域日降水量数据，阐述极端降水的时空变化特征，为区域自然灾害研究以及珠江流域对全球气候变化的区域响应提供科学依据。

1 数据处理

本文所采用的数据是珠江流域(图1)1960－2005年42个站逐日降雨量资料。结合南方的具体情况，以日降雨量P≥1mm作为降雨天，定义了3个极端降水指标:最大连续降雨量(MCP)、最大连续降雨天数(MCD)以及最大连续降雨强度(MCI)(表1)。

图1 珠江流域雨量站点分布图

表1 珠江流域极端降水指标及相应的定义与单位

2 研究方法

2.1 突变分析

本文的突变分析运用的是Mann-Kendall法［8－9］，该方法是一种非参数统计检验方法，Sneyers发展了这种方法，Goossens和Berger在Sneyers的发展基础上将这一方法应用到反序列中，从而得到了一种能检测突变现象的新方法［10］。已经有众多的国内外学者［11－14］用此法检测突变现象。由于版面限制，计算方法［15］在此文略。本文取显著性水平为0.05。

2.2 标准化

为了使数据无量纲化和消除相关性，通常需要对数据进行标准化处理，使它们处于同一标准之后才进行相应的分析。另外，为了消除相邻数据的相关性，也可以运用标准化的处理方法。常用的数据标准化方法有最大值法、最小值法、标准差法等。本文采用z-score标准化法，公式如下

式中:Zi表示标准化后的序列要素值的时间序列;xi是未经标准化的时间序列;x是要素序列的均值;s为要素序列的标准差。

2.3 综合指数Z指

为了表征极端降雨事件的整体发生状况，本文推出一个综合指数Z来反映极端降雨事件在流域的综合分布情况。本文的综合指数Z以MCP、MCD、MCI为基础，首先分别对MCP、MCD、MCI三个序列按式(6)进行标准化处理，得到三个标准化序列ZMCP、ZMCD、ZMCI，最后将三个标准化序列进行相加得到综合指数。这里的综合指数可能会出现负值，为了方便研究比较，可在此基础上加个大值M，使综合指数为正数，如下式:

3 空间分布特征

利用反距离加权法对珠江流域全年、夏季(6－8月)、冬季(12－2月)的MCP、MCD、MCI三个指标进行空间插值，并对这三个指标进行标准化处理，叠加得到综合指数Z，它综合了三个指标的性质，用来说明极端降雨事件的发生情况(图2)。图2a是全年MCP值的空间分布图，由图2a可以看出广东省所在的丘陵区MCP值较高，广西所在的丘陵区MCP值次之，云贵高原区MCP值最低。这也与降雨由东到西递减的总体规律一致，也与所在地形一致。广东省所在丘陵区与广西省所在丘陵之间隔着大桂山、云开大山、云雾山等山脉，这些山脉群构成了两广极端降雨的分界线，而云贵高原则成了另一道分界线。广东省地区特别是珠三角地带的MCP值很大，这可能与城市化的加剧有很大的关系，导致了城市化区域暴雨频繁出现，这也是近些年来城市市区内涝频发的重要原因;值得注意的是桂林市附近的MCP值也较高，主要是因为这里周围环绕着诸如天平山、九万大山、海洋山等山脉，为降雨创造了重要条件。

从图2b可以看出，年MCD在空间分布上也是从东到西依次递减，只是变化不是很大;图2c显示年MCI值仅在几个局部地区出现较高值:以广州为中心的珠江三角洲地区、以桂林市为中心的丘陵地区，以及以百色市为中心的丘陵地带。图2d显示代表降雨集中程度的综合指数Z的空间分布图，该值越高代表降雨的强度越大、时间越长、雨量越大，可以用来辨别易发生洪灾的地区。由图2d可以看出，珠江三角洲和桂林的Z值较高，是洪水灾害易发区。同样，图2e～图2h分别是夏季的MCP、MCD、MCI和Z值的空间分布图，这4个指标的空间分布基本和年变化一致，因为珠江流域的降雨主要集中在夏季，所以夏季降水可以代表全年的降水空间变化趋势。夏季MCP值在珠江三角洲和桂林较大值，整体上从东到西递减;夏季MCD值在百色出现高值，表明崇左夏季易出现连续降雨天;夏季MCI值除整体上呈东高西低的趋势，在珠三角、桂林、百色等地也出现较高值，表明这些地区夏季降雨强度偏大。而图2i～2l显示冬季MCP、MCD、MCI和Z值的空间分布图，由图可以看出，冬季MCP、MCD、MCI值整体较小，其分布趋势从东到西依次递减，但变化不明显，无明显高峰值区。而Z值在韶关出现高值，说明韶关冬季较其他地区更易出现集中降雨情况。

图2 降雨指标空间分布图

4 时间分布特征

运用式(1)将MCP、MCD、MCI三个指标的序列值进行标准化，再加权平均得到整个流域区域平均MCP、MCD、MCI值，运用线性回归和Mann-Kendall法分析其趋势与突变特征。由于这三个指标是独立分布的，因此可不考虑序列自相关性，结果如图3所示。图3表明MCP值的年际趋势变化不明显，UF和UB曲线在临界值±1.96(α=0.05)之间没有交点，即不存在突变点;而年MCD呈下降趋势，也不存在突变点;年MCI值则略有上升，虽在置信区间内有交点，但没有超出临界值线，所以其突变点不显著。图4表明夏季MCP、MCD、MCI变化趋势和突变情况与其年变化特征，在此不再赘述。由图5可以看出，冬季MCP呈下降趋势，但不存在突变点;冬季MCD与MCI值均呈上升趋势，但也不存在突变点。

图3 MCP、MCD与MCI的年变化趋势与突变分析结果

图4 夏季MCP、MCD与MCI的年变化趋势与突变分析结果

图5 冬季MCP、MCD与MCI的年变化趋势与突变分析结果

5 结论

根据研究结果得出如下结论。

(1)珠江流域全年、夏季、冬季MCP、MCD、MCI和Z值总体上呈东大西小，这一空间分布特征表明珠江流域下游易发生强降水，因而发生洪灾的可能性较珠江流域中上游为大。相比较而言，广西丘陵区比云贵高原区易发生强降水，因而其发生洪灾的可能性也较大。

(2)珠江流域近42年极端降雨没有出现显著突变;就极端降水指标的年变化及其在夏季与冬季的变化特征来看，极端降雨总量无明显变化，虽然极端降雨强度均略有上升，但突变特征不明显。

(3)极端降雨事件与地形有很大关系，极端强降水多发地区往往是周围有山脉或高大地形的地区，如珠三角西侧有云开大山、云雾山，桂林西侧有天平山，百色则与云贵高原接壤，崇左市有十万大山、大青山、西大明山环绕。这些区域地形起伏较大，且易发生强降水，因而这些区域往往也是暴雨山洪多发区域。

［1］IPCC．Contribution of working group II to the fourth assessment report of the intergovernmental panel on climate change:climate change 2007:Impacts，adaptation and vulnerability［M］．Cambridge，UKandNewYork，USA:Cambridge University Press，2007．

［2］江志红．21世纪中国极端降水事件预估［J］．气候变化研究进展，2007，3(4):202－207．

［3］McBean G．Climate change and extreme weather:A basis for action［J］．Natural Hazards，2004，31(1):177－190．

［4］Zhang Q，Xu C-y，Gemmer M，et al．Changing properties of precipitation concentration in the Pearl River basin，China［J］．Stochastic Environmental Research and Risk Assessment，2009，23(3):377－385．

［5］王兆礼，陈晓宏，张灵，等．近40年来珠江流域降水量的时空演变特征［J］．水文，2006，26(6):71－75．

［6］Wang W，Chen X，Shi P，et al．Detecting changes in extreme precipitation and extreme stream flow in the Dongjiang River Basin in southern China［J］．Hydrology and Earth System Sciences，2008，12(1):207－221．

［7］黄增明．珠江流域的降水特征［J］．人民珠江，1982(1):18－26．

［8］Mann H B．Nonparametric tests against trend［J］．Econometrica，1945，13(3):245－259．

［9］Kendall M，Gibbons J．Rank correlation methods［M］．A Charles Griffin Title，1975．

［10］Zhao F F，Xu Z X，Huang J X，et al．Monotonic trend and abrupt changes for major climate variables in the headwater catchment of the Yellow River basin［M］．Chichester，ROYAUMEUNI:Wiley，2008:13．

［11］Jiang J M，You X T．Where and when did an abrupt climatic change occur in China during the last 43 years?［J］．Theoretical and Applied Climatology，1996，55(1):33－39．

［12］Zhang Q，Xu C Y，Becker S，et al．Trends and abrupt changes of precipitation maxima in the Pearl River basin，China［J］．Atmospheric Science Letters，2009，10(2):132－144．

［13］Yang Y H，Tian F．Abrupt change of runoff and its major driving factors in Haihe River Catchment，China［J］．Journal of Hydrology，2009，374(3/4):373－383．

［14］Shi N，Zhu Q．An abrutp change in the intensity of the east asian summer monsoon index and its relationship with temperature and precipitation over east china［J］．International Journal of Climatology，1996，16(7):757－764．

［15］魏凤英．现代气候统计诊断预测技术［M］．北京:气象出版社，1999．