三江平原年降水量1959-2013年演变趋势及突变分析

李天霄，付 强，孟凡香,2，崔 嵩(.东北农业大学 水利与建筑学院，哈尔滨 50030；2.黑龙江农垦勘测设计研究院，哈尔滨 50030)

0 引 言

近年来，人类活动引起的气候变暖加剧了全球水文循环，导致降水量在时空分布上发生了极大的变化[1]，产生了暴雨、洪涝和干旱等一系列极端气候事件，如：2015年广西、贵州的旱灾，江淮和太湖流域的洪灾等。降水作为地表水资源的重要组成部分，准确的掌握其变化特征是确定水资源可利用量的重要依据，已有研究表明，全球范围内降水量时空分布的变化已经影响到人类社会的发展[2,3]，因此，降水量的时空分布问题已经成为水资源领域的一个研究热点，引起了国内外学者的广泛关注。Fu等人采用小波理论研究了三江平原近50年降水量的周期变化特征，得出年降水量具有23年和12年的周期变化特征[4]；尹义星等人采用MK检验、突变检验等方法研究了鄱阳湖流域1951-2010年极值降水指数的变化特征，得出研究区各站降水强度基本为上升趋势[5]；孙银凤等采用EEMD分解方法研究了南京气象站1951-2009年降水序列的多时间尺度特征[6]；Yao等采用MK检验研究了锡尔河流域近130年降水量的趋势特征，得出了研究流域降水量具有明显的上升趋势(0.444 mm/a)，其突变点为1991年[7]；Salviano等采用CMK方法研究了巴西1961-2011年降水量的空间分布和趋势特征，得出巴西70%的地区降水量没有明显的趋势特征[8]；Gajbhiye等采用102年的降水历史数据，得出了印度信德河流域年降水量和季节降水量均具有明显的上升趋势[9]。由此可见，由于地理位置、下垫面等因素的不同，使得不同区域的降水表现出了不同的差异性。因此，本文以我国重要的商品粮生产基地——三江平原为研究对象，采用1959-2013年的降水量资料分析近几十年来降水量的长期演变趋势和突变特征，以期为三江平原雨水资源的高效利用提供理论依据。

1 数据与方法

1.1 区域概况

三江平原位于黑龙江省东部，是我国重要的商品粮生产基地，其商品粮率达60%以上，对于保障我国粮食安全具有重要的战略地位，地理位置如图1所示。三江平原地处温带湿润、半湿润大陆性季风气候，多年平均气温1～4 ℃，多年平均年降水量550 mm，雨热同季，适于农业生长。然而受全球气候变化的影响，三江平原降水量的演变趋势发生了极大的变化，极端降水时间频繁发生，再加上近几年旱改水、大量抽取地下水等农业生产活动的干扰，三江平原水资源问题日益突出。此种背景下，研究三江平原降水量的变化规律，对于改善三江平原水资源现状，提高雨水资源利用效率具有重要的理论和实践意义。

图1 三江平原地理位置Fig.1 Location of Sanjiang Plain

1.2 数据来源

本文采用的数据来源于中国气象数据网(http:∥data.cma.gov.cn/)，包括七个国家级气象站(鹤岗、富锦、佳木斯、依兰、宝清、鸡西和虎林)的1959-2013年的逐日降水量，为了避免数据因观测和记录所存在的误差，对所获取的数据全部进行了质量控制，以确保数据的准确性。

1.3 研究方法

1.3.1逐一增减法

逐一增减法是依据大样本30 a为基本年限，通过逐一增加和减少年份建立子序列，进而识别水文序列时间变化趋势的一种方法。其基本原理是分别统计年际逐一增加30+i及年际逐一减少N-j年的不同样本子序列，当年际逐一增加时，i=0, 1, 2…25，即：1959-1988年；1959-1989年；…；1959-2013年；当年际逐一减少时，N=55，j=0, 1, 2…25，即：1959-2013年；1960-2013年；…；1984-2013年，通过计算上述子序列的平均值和气候倾向率，进而揭示各年际时间段水文序列变化趋势[10]。

1.3.2Mann-Kendall突变检验

Mann-Kendall 突变检验(简称M-K法)是检测信号趋势和突变的非参数统计方法[11,12]，由于其人为性少，定量化程度高，且能很好地揭示时间序列的趋势变化，故被广泛应用于水文时间序列突变和趋势检验中[13-15]。在Mann-Kendall(M-K)检验中，对于拥有n个样本的时间序列xi，构造一秩序列：

Sk=∑ki=1ri

(1)

(2)

其中UF1=0、E(Sk)、var(Sk)为Sk的均值和方差，可按下式计算：

(4)

UFk为标准正态分布，给定显著水平α，查正态分布表，若|UFk|>Uα，则表明序列存在明显的趋势变化。按照时间序列xi逆序重复上述过程，同时使UBk=-UFk，k=n,n-1，…,-1，UB1=0。将UBk和UFk两个统计量序列与U0.05=±1.96两条直线绘制在一张图上，若UFk>0表明序列呈上升趋势，否则下降趋势。当两曲线超过临界直线时，表明上升或下降趋势显著。如果有交点且位于临界线之间，说明交点对应时刻便是突变开始时间。

2 结果与分析

2.1 年降水量长期演变趋势分析

(1)年降水量演变趋势分析。将三江平原7个国家级气象站逐日降水量转化为年降水量，通过平均即可得到三江平原整体上的年降水量，采用此数据绘制三江平原1959-2013年年降水量变化过程，如图2所示。

图2 三江平原年降水量变化趋势图Fig.2 The development tendency of annual precipitation in Sanjiang Plain

由图2可知，三江平原1959-2013年年降水量整体上呈现出一定的下降趋势，气候倾向率为-0.50 mm/a，共计减少降水量50 mm。1979年和1994年为降水量异常偏少和偏多年，分别为376和758 mm，对三江平原年降水量序列趋势变化影响较大，在一定程度上主导了线性趋势的发展。如果将1979年和1994年降水量分布基于平均水平(546 mm)，则气候倾向率变为-0.71 mm/a，因此，特殊年份降水量对总体变化趋势具有较大的影响。

(2)不同年代降水量差异分析。在年代尺度上，6个年代的平均值只有20世纪70年代和00年代低于年降水量的总体平均值，其他4个年代的平均值均高于总体年降水量平均值，说明年降水量总体平均值偏低是由特殊年份造成的。年代平均降水量由高到低排序为：2010年以后(584 mm)>20世纪60年代(567 mm)>20世纪90年代(561 mm)>20世纪80年代(553 mm)>20世纪00年代(514 mm)>20世纪70年代(498 mm)。

(3)年际逐一增减对年降水量趋势的影响分析。为了更加细致的揭示三江平原年降水量的动态演变趋势，将1959-2013年的年降水量序列资料，按照逐一递增和递减的方法分别计算和分析不同年际段的年降水量平均值和气候倾向率的演变过程。见表1。

表1 不同年际降水量倾向率和均值变化过程Tab.1 The development of tendency rate and mean of precipitation in different years

年际逐一增加时，以1988年为起点，年份逐一增加至2013年，由表1可知，各时间段年降水量平均值变化在540.69～552.05 mm之间，极差为11.36 mm，年降水量平均值的气候倾向率为-0.29 mm/a，表明年份在逐渐增加的情况下，年降水量平均值以每10年2.9 mm的速率减少。另外，随着年份的逐一增加，各时间段的气候变化倾向率也在不断发生变化，1959-2004年气候倾向率的绝对值最大(1.388 3 mm/a)，1959-1991年气候倾向率的绝对值最小(0.177 3 mm/a)，且各时间段气候变化倾向率均为负值，表明各时间段年降水均为下降趋势；年际逐一减少时，以1959年为起点，年份逐一增加至1984年，由表1可知，各时间段年降水量平均值变化在532.47～547.97 mm之间，极差为15.5 mm，年降水量平均值的气候倾向率为0.23 mm/a，表明年份在逐渐减少的情况下，年降水量平均值以每10年2.3 mm的速率增加。由于起点时间的不同，气候变化倾向率与年际逐渐增加时正好相反，由负值逐渐增加，在1975-2013达到最大值(1.634 3 mm/a)，然后开始逐渐减少。

2.2 年降水量突变检验

为了进一步验证三江平原年降水量的长期演变趋势，采用前述M-K方法对三江平原年降水量的变化趋势及突变时间点进行分析，具体结果见图3。

图3 三江平原年降水量Mann-Kendall统计量曲线Fig.3 M-K statistics curves of the annual precipitation at the weather stations in the Sanjiang Plain

从图3中可以看出，三江平原年降水量的UF曲线基本都在置信水平α=0.05上下容许限之间，即：|UFi|0)；1998年以后的下降期。另外，突变分析发现，三江平原年降水量的UF曲线和UB曲线存在6个交点，分别为1960年、1980年、1982年、1992年、1995年和2008年，且都在上下容许限之间，但由于1980和1982年、1993和1995年这几次突变比较接近，可分别取中心年份作为其突变点，即：三江平原年降水量在整个研究时段共发生4次突变。结合图2可知：三江平原年降水量在突变点附近均发生了明显的波动。

3 结 论

本文采用逐一增减法和Mann-Kendall 突变检验等方法，探讨了三江平原1959-2013年降水量的长期演变趋势和突变特征。主要结论如下。

(1)三江平原1959-2013年年降水量整体上呈现出一定的下降趋势，气候倾向率为-0.50 mm/a，特殊年份降水量在一定程度上主导了线性趋势的发展；不同年代平均降水量由高到低排序为：2010年以后(584 mm)>60年代(567 mm)>90年代(561 mm)>80年代(553 mm)>00年代(514 mm)>70年代(498 mm)。

(2)年际逐一增加时，各时间段年降水量平均值变化在540.69～552.05 mm之间，极差为11.36 mm，年降水量平均值的气候倾向率为-0.29 mm/a；年际逐一减少时，各时间段年降水量平均值变化在532.47～547.97 mm之间，极差为15.5 mm，年降水量平均值的气候倾向率为0.23 mm/a，可见年际逐一增减对降水量趋势影响较大。

(3)三江平原年降水量可分为1986年以前降水量下降期；1986-1998降水量上升期；1998年以后的下降期等3个阶段，突变点分别为1960、1981、1994和2008年。

□

[1] Zhang Q, Sun P, Singh V P, et al. Spatial-temporal precipitation changes (1956-2000) and their implications for agriculture in China[J]. Global & Planetary Change, 2012,s82-83(1):86-95.

[2] Zhang Q, Xu C Y, Chen X, et al. Statistical behaviors of precipitation regimes in China and their links with atmospheric circulation 1960-2005[J]. International Journal of Climatology, 2010,31(11):1 665-1 678.

[3] Fatichi S, Caporali E. A comprehensive analysis of changes in precipitation regime in Tuscany[J]. International Journal of Climatology, 2009,29(13):1 883-1 893.

[4] Fu Q, Li T X, Li T N, et al. Temporal-spatial evolution patterns of the annual precipitation considering the climate change conditions in the Sanjiang Plain[J]. Journal of Water and Climate Change, 2016,7(1):198-211

[5] 尹义星, 陈海山, 赵君, 等. 鄱阳湖流域1951-2010年极值降水指数变化趋势分析[J]. 中国农村水利水电, 2015,(3):1-5.

[6] 孙银凤, 陆宝宏. 基于EEMD的南京市降水特征分析[J]. 中国农村水利水电, 2013,(3):5-9.

[7] Yao J, Chen Y. Trend analysis of temperature and precipitation in the Syr Darya Basin in Central Asia[J]. Theoretical & Applied Climatology, 2014, 120(3-4): 521-531.

[8] Salviano M F, Groppo J D, Pellegrino, G Q. Trends Analysis of Precipitation and Temperature Data in Brazil[J]. Revista Brasileira de Meteorologia, 2016,31(1):64-73.

[9] Gajbhiye S, Meshram C, Singh S K, et al. Precipitation trend analysis of Sindh River basin, India, from 102-year record (1901-2002)[J]. Atmospheric Science Letters, 2016,17(1):71-77.

[10] 安 昕, 孟 鹏, 廖国进. 沈阳市降水序列趋势变化及周期分析[J]. 中国农学通报，2014,30(26):184-189.

[11] Sheng Y, Pilon P. A comparison of the power of the t test, Mann-Kendall and bootstrap tests for trend detection[J]. Hydrological Sciences Journal, 2004,49(1):21-37.

[12] Hamed K H. Trend detection in hydrologic data: The Mann-Kendall trend test under the scaling hypothesis[J]. Journal of Hydrology, 2008,349(3-4):350-363.

[13] Shadmani M, Marofi S, Roknian M. Trend Analysis in Reference Evapotranspiration Using Mann-Kendall and Spearman's Rho Tests in Arid Regions of Iran[J]. Water Resources Management, 2012,26(1):211-224.

[14] Yue S, Wang C Y. The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series[J]. Water Resources Management, 2004,18(3):201-218.

[15] 马吉巍, 郭翔宇, 付 强, 等. 佳木斯市近60年降水量演变规律分析[J]. 南水北调与水利科技， 2015,13(1):6-9.