洞庭湖流域降雨和降雨极值时空分布及风险变化研究

张晓艳，刘梅先

(1.湖南第一师范学院教育科学学院, 中国 长沙　410205；2.中国科学院亚热带农业生态过程重点实验室, 中国 长沙　410125；3.中国科学院环江喀斯特生态系统观测研究站, 中国 环江　547100)



洞庭湖流域降雨和降雨极值时空分布及风险变化研究

张晓艳1，刘梅先2,3*

(1.湖南第一师范学院教育科学学院, 中国 长沙410205；2.中国科学院亚热带农业生态过程重点实验室, 中国 长沙410125；3.中国科学院环江喀斯特生态系统观测研究站, 中国 环江547100)

摘要洞庭湖流域是我国洪涝灾害最严重的地区之一，对当地农业生产、经济建设和生态环境造成了巨大的影响．研究降雨极值的规律和风险，对当地防洪抗灾具有重要指导意义．本文结合MK检验、概率模型和移动窗口法，基于降雨量(R)、平均降雨强度(Ri)、暴雨天数(R50)和年最大日降雨量(Rx1)为指标，研究了1960—2013年期间洞庭湖流域降雨变化规律及极值的风险特征．结果显示，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降，且其中夏季和冬季降雨量上升，春季和秋季下降．然而，Ri、R50、Rx1均呈现总体上升的趋势(P>0.05)．概率(风险)分析结果表明，Ri、R50和Rx1的五年一遇值(Ri5、R505和Rx15)均呈现东北高西南低的规律，说明流域东北部洪水风险较高，另外，Ri5、R505和Rx15在总体上呈现显著的上升趋势(P<0.05)．这些结果表明，即使流域内降雨量无显著变化(P>0.05)，但降雨有集中的趋势(Ri上升)，极端降雨事件逐渐增强(R50、Rx1上升)，洪灾风险显著上升(P<0.05)．

关键词降雨极值; 降雨; 风险; 洞庭湖

在全球变暖的背景下，极端气候事件的强度和频率都发生了相应变化[1]．极端气候事件的发生往往具有巨大的破坏性，如干旱、洪水、低温等，对经济建设、生态环境、农业生产和人类健康都会带来重要的影响．因此，近些年来，极端气候事件倍受关注，也受到国内外学者的重视[1-2]．

洞庭湖区是我国洪涝灾害发生频率高且灾情严重的地区．然而，该地区也是长江流域气候变化极为显著的区域[3-4]．随着全球气候变化，洞庭湖流域洪涝灾害有明显增多的趋势[5]，如在1931—1990年和1991—2000年阶段中，分别发生14次和6次大洪涝灾害，平均重现期分别为4.3年和1.7年．洞庭湖区是我国重要的粮棉基地，防洪能力低，易损性大，洪涝灾害造成了巨大的经济损失，如仅在1991—2000年的6大洪涝灾害中，洞庭湖堤垸区直接经济损失达32.5亿元[6]．影响洪涝灾害的因素有很多，如水利措施、地表覆盖、降雨条件等，然而，发生洪水的先决条件是大量降水[7]．因此，研究洞庭湖流域的极端降雨事件的发生规律、风险和演变特征，具有十分重要的意义．

国内外针对极端降雨事件的研究十分广泛[8-11]．在国内，翟盘茂等[12]发现我国大部地区降水天数显著减少，而多数地区降水强度有所增加；Tu等[10]发现华北地区总降水量和大多数降水事件(包括暴雨事件)频率减少，但暴雨事件自1970年代以来有所增加；Zhang等[13]、Li等[14]、张宝信和谢自银[15]则指出我国南方和西南地区降雨在极值、总量上变化均不显著；Wang和Yan[16]指出我国多数地区秋季极端强降水减少，冬季一般增多．在洞庭湖流域，也有不少学者关注了洪涝灾害和气候变化，如王国杰等[4]分析表明，进入1990s后，洞庭湖流域降水明显增多，尤其是夏季降水，另外夏季暴雨频率也突变式增大，但暴雨强度并无明显变化；黄菊梅等[17]指出洞庭湖区年降水量在时间上没有显著变化，但廖梦思和郭晶[18]发现流域内大部分区域降水呈一定递减趋势；段德寅等[19]分析了厄尔尼诺与洞庭湖区洪涝关系．

图1　洞庭湖流域地图及所选气象站点分布　Fig.1　The topographic map and distribution of the selected meteorological stations in Dongting Lake catchment

通过现有文献可知，在过去几十年中，洞庭湖流域的降雨和降雨极值均有一定变化，但其趋势基本不具备显著性．显然，这与洞庭湖洪涝灾害增强的事实并不相符[6]．综合来看，现有研究主要是基于统计的MK检验，从较长时间尺度上分析各指标的变化趋势．然而，时间序列检验可得出序列的总体趋势，但也会忽略个体事件的发生规律，往往不足以有效地表征降雨的实际变化规律．极端降雨的风险是指事件发生的概率，其变化规律能够在一定程度上指示极端事件的发生规律和变化特征．另外，在洞庭湖流域也缺少关于降雨极值等方面的研究．由此，本文基于地面观测气象数据，结合MK检验和概率模型，分析了近54年来洞庭湖流域降雨分布和降雨极值的风险变化特征，探讨了流域内洪涝灾害的变化规律，这对当地农业生产、灾害防控等具有重要的指导意义．

1数据和方法

1.1研究区概况

本研究区位于24°38′N-30°26′N，107°16′E-114°17′E，包括湖南省大部以及湖北、重庆、贵州、广西、广东和江西部分地区，总面积为26.2 万km2，约占整个长江流域的14%(图1)．流域内地貌复杂多样，山地环绕东、西、南三面，中部为低矮丘陵，北部地势地平．洞庭湖区处于中亚热带向北亚热带过渡的气候带，受东南季风、西南季风、副热带高压及西风带环流的综合影响，具有不稳定的气候系统，旱涝灾害频发[20]．

1.2资料来源和指数选取

研究中所采用的地面实测气象资料均来源于中国气象数据服务网(http://cdc.cma.gov.cn/home.do)，涉及其中43个气象台站(图1)的降雨日值数据(1960—2013年)．本文以降雨量(R)、平均降雨强度(Ri)、暴雨天数(R50)和年最大日降雨量(Rx1)为指标，其定义如表1所示．

表1　文中所选取指数及其定义

1.3计算方法和软件

首先，利用消除“时间序列自相关”的MK算法(MK-TFPW)对所选4项指数(其中降雨包括季节特征)及其区域平均值进行趋势检验[21]，分析洞庭湖流域4项降雨指数的长时序变化趋势及降雨量的季节变化特征．4项指数的区域平均值由下式计算[7]：

(1)

式(1)中xt为某年内(t)区域平均指数，xi,t为某年内(t)某个站点(i)的指数值．

其次，分析Ri，R50，Rx1的概率(风险)特征，文中采用Gaussian，Student’s t，Poisson，exponential，Rayleigh，Weibull，generalized extreme value(GEV)，binomial，negative binomial，lognormal，geometric，generalized Pareto(GP)，extreme value distribution(EV)等13种概率模型，来拟合Ri，R50，Rx1的概率分布[7]，并基于KS检验(Kolmogorov Smirnov test)选取最优的概率分布模型，之后基于最优概率模型计算Ri，R50，Rx1 3项指数的5年一遇(文中分别用Ri5，R505和Rx15表示)指数值．最后结合30-year移动窗口法和MK-TFPW检验[7, 22]，分析Ri5，R505和Rx15的变化规律，进以表征洞庭湖流域极端降雨事件的风险变化特征．本文所有分析(包括指标计算、概率极端和趋势分析等)，均用Matlab(2013a)编程计算，采用Arcgis 10.1画图．

2结果和分析

2.1降雨分布及变化趋势

洞庭湖流域多年平均降雨分布及其变化趋势如图2所示．由图可见，流域内降雨呈现东高西低的趋势，较高年降雨量主要出现在湘江流域，多数站点在1 330 mm/year以上，最高达1 871 mm/year；而西部山区年降雨量则多在1 280 mm/year以下(图2a)．从变化趋势上看，所有站点的年降雨量无显著变化趋势(P>0.05)．但是，流域东北部降雨有一定上升趋势，而西部和南部绝大部分站点降雨量有一定下降(图2b)．总体上，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降．

图2　年均降雨分布(a)及其变化趋势(b)，图中蓝色中空倒三角为非显著下降，红色中空三角为非显著上升，蓝色实心倒三角为显著下降，红色实心三角为显著上升，以下图中与此类同Fig.2　Distribution (a) and changing trends (b) of annual precipitation in Dongting Lake catchment. Where the inverted unfilled blue triangle, red unfilled triangle, inverted filled blue triangle and red filled triangle represents insignificant decreasing, insignificant increasing, significant decreasing and significant increasing trend, respectively

在不同季节，降雨的变化趋势也有一定差异(图3)．由图3可见，春季和秋季降雨量呈现下降趋势，且西部地区部分站点达到显著水平(P<0.05)；在夏季，流域西部山区部分地区有下降趋势，而东部大部分地区有上升趋势；在冬季，基本所有站点降雨量均呈现上升趋势，其中东部地区部分站点呈现显著上升(P<0.05)．在区域平均水平上，春季和秋季降雨量下降速率分别为-10.1和-8.1 mm/decade，夏季和冬季分别上升5.5和7.2mm/decade(表2)．

图3　洞庭湖流域降雨季节变化特征, a: 春季; b: 夏季; c: 秋季; d: 冬季Fig.3　Changing patterns of seasonal precipitation in Spring (a), Summer (b), Autumn (c) and Winter (d)

时间年春季夏季秋季冬季降雨变化(mm/decade)-5.6-10.15.5-8.17.2显著性P>0.05P>0.05P>0.05P>0.05P>0.05

2.2降雨极值空间分布和变化趋势

流域多年平均降雨强度(Ri)、暴雨天数(R50)和最大日降雨量(Rx1)及其变化趋势如图4所示．数据显示，流域内多年平均降雨强度范围为9.3～13 mm，变异系数为7.6%；空间上基本呈现由东北往西南降低的趋势，东北部一般为12 mm以上，而西南山区则基本小于10.5 mm(图4a)．暴雨天数范围为1.8～5.7天，变异系数为21.3%，不同地区差异较大，其中高值(>4天)一般出现在流域中北部和南部部分站点，而西南地区一般小雨2.5天(图4b)；最大日降雨量Rx1的范围为63.8～82.1 mm之间，变异系数为4.9%；在空间上也是北部高西南部低的规律(图4c)．

图4　洞庭湖流域降雨强度、暴雨天数和最大日降雨量分布及其变化趋势. a: 降雨强度分布; b: 暴雨天数分布; c: 最大日降雨量分布;d: 降雨强度变化; e: 暴雨天数变化; f: 最大日降雨量变化Fig.4　Spatial distribution and changing patterns of three pracipitation extremes. a:distribution of Ri; b: distribution of R50; c : distribution of Rx1; d: changing patterns of Ri; e: changing patterns of R50 and f: changing patterns of Rx1

由图4d-e可知，降雨强度(Ri)、暴雨天数(R50)和最大日降雨量(Rx1)的变化规律基本一致，流域东部和北部大部分站点呈现上升趋势，而西南部部分站点有下降趋势．同时，数据显示95%以上站点的Ri，R50和Rx1变化不显著(P>0.05)．在流域平均水平上，Ri，R50和Rx1均呈现总体上升趋势，其上升幅度分别为0.1 mm/decade，0.05天/decade和0.9 mm/decade．根据以上结果可知，洞庭湖流域年降雨量基本呈下降的趋势，然而平均降雨强度、暴雨天数和最大日降雨量有总体上升的趋势．

2.3极端降雨风险变化特征

本文计算5年一遇(重现期为5年)的Ri，R50和Rx1(分别记为Ri5，R505和Rx15)，来反映流域内较大洪涝灾害的发生特征和风险，其结果如图5所示．很明显，Ri5，R505和Rx15的分布规律(图5a-c)与Ri，R50和Rx1(图4a-c)基本一致，呈现东北高西南低的规律．其中Ri5的范围为10.2～14.4 mm之间，77.3%以上站点Ri5高于12 mm；R505的范围为2.8～8.2天之间，84%以上站点R505高于4天；R505的范围为75.3～94.2 mm之间，77.3%以上站点R505高于85 mm．这些结果说明，流域东北部洪灾风险较大，而西南部相对较小．根据图5d-e可知，流域内绝大部分站点的Ri5，R505和Rx15均呈现显著的变化，其中分别有75%，65.9%和68.2%的站点呈现上升，而呈下降趋势的部分站点主要分布在流域西南地区(图5d-e)．

图5　降雨强度、暴雨天数和最大日降雨量5年一遇值分布及其变化趋势, a-c: 降雨强度、暴雨天数和最大日降雨量5年一遇值分布, d-e: 降雨强度、暴雨天数和最大日降雨量5年一遇值变化趋势Fig.5　Spatial distribution and changing trends of the 5-year return levels of Ri, R50 and Rx1, a-c: spatial distribution of the 5-year return levels for Ri, R50 and Rx1, respectively, and d-f: changing trends of the 5-year return levels for Ri, R50 and Rx1

3讨论

洞庭湖区是我国洪涝灾害发生频率高且灾情严重的地区．然而，随着全球气候变化的发展，洞庭湖流域洪涝灾害逐渐增多[5]，给当地造成了巨大的经济损失，严重威胁了生态和财产安全．深入分析和了解降雨以及降雨极值的变化规律和风险特征，有助于当地防洪抗灾、水利建设、农业生产和水资源合理利用．本文结合MK检验、概率模型和移动窗口法，基于降雨量(R)、平均降雨强度(Ri)、暴雨天数(R50)和年最大日降雨量(Rx1)4项指数，研究了1960—2013年期间洞庭湖流域降雨变化规律及风险特征．结果显示，所有站点的年降雨量无显著变化趋势(P>0.05)，这与黄菊梅等[17]研究结果一致．但在总体上，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降，表明流域有逐渐变干的趋势[17-18]．在不同季节，降雨的变化趋势也有一定差异(图3)．春季和秋季降雨量主要呈现下降趋势，在夏季，流域西部山区部分地区有下降趋势，而东部大部分地区有上升趋势；在冬季，所有站点降雨量均呈现上升趋势，这与王国杰等[4]、Wang和Yan[16]等的结果基本一致．由此可见，在年降雨总体下降的背景下，降雨有往夏季和冬季集中的趋势，这将会对洞庭湖流域水文、农业和生态环境产生重要的影响．

重要的是，降雨强度(Ri)、暴雨天数(R50)和最大日降雨量(Rx1)3项指标在流域东部和北部绝大部分站点呈现上升趋势，仅在西南部分站点有一定下降．结合洞庭湖流域年降雨量总体下降的规律，可见该区域降雨有集中的趋势，这与我国其他区域的结果一致[12, 15]．降雨的集中，一方面说明极端降雨事件逐渐增强[7]，另一方面也说明年内降雨分配更不均衡．

另外，流域内绝大部分站点的5年一遇(重现期为5年)的Ri，R50和Rx1(分别记分别为Ri5，R505和Rx15)均呈现显著上升的变化．从统计上来讲，5年一遇事件表明在风险为20%的时候事件发生能达到的最高强度[7]．记录表明，在1931—1990 年和1991—2000 年两个阶段中，洞庭湖区分别发生14 次及6 次较大的洪涝灾害，其重现期分别为4.3年和1.7年[6]．因此本文计算的5年一遇值，理论上能够反映流域内较大洪涝灾害的发生特征．在洞庭湖流域内，降雨强度、暴雨天数和最大日降雨量的5年一遇值基本呈现显著上升趋势(图5d-e)，反过来说明该流域发生极端降雨事件的重现期显著降低，即发生洪水灾害的风险显著上升，这与洞庭湖流域历史记录的洪灾发生规律一致[6]．

4结论

本文结合MK检验、概率模型和移动窗口法，基于降雨量(R)、平均降雨强度(Ri)、暴雨天数(R50)和年最大日降雨量(Rx1)4项指数，研究了1960—2013年期间洞庭湖流域降雨变化规律及风险特征．结果显示，流域年降雨量总体以-5.6 mm/decade的速率下降．降雨量的变化在不同季节有明显差异，夏季和冬季上升，春季和秋季下降，其变化幅度分别为5.5，7.2，-10.1和-8.1 mm/decade．结果也表明洞庭湖流域极端降雨有增强的趋势，其主要表现流域降雨降低而Ri，R50，Rx1上升．风险(概率)分析结果表明，Ri，R50和Rx1的五年一遇值(Ri5，R505和Rx15)的范围分别为10.2～14.4 mm，2.8～8.2天和75.3～94.2 mm，三者的空间分布均呈现东北高西南低的规律，说明流域东北部洪水的风险较高．另外，Ri5，R505和Rx15三者均呈现显著变化，其中有75%，65.9%和68.2%的站点呈现上升，表明洞庭湖流域洪灾风险显著上升(P<0.05)．由此可以推论，虽然洞庭湖流域降雨量(R)总体降低，但降雨有集中的趋势，导致平均降雨强度(Ri)、暴雨天数(R50)和年最大日降雨量(Rx1)上升，洪灾风险也显著上升，特别是流域东北部．由此可见，在全球气候变化背景下，洞庭湖流域防洪压力将逐渐升高，政府部门应投入更多的精力和资源，提高防洪抗灾能力，加强流域防洪措施，其中应重点加强流域东北部地区洪灾防范，保障生态环境和经济财产安全．

参考文献：

[1]EASTERLING D R, EVANS J L, GROISMAN P Y,etal. Observed variability and trends in extreme climate events: A brief review[J]. Bull Am Meteor Soc, 2000,81(3):417-425.

[2]CAVALCANTI I F A, CARRIL A F, PENALBA C,etal. Precipitation extremes over La Plata Basin—review and new results from observations and climate simulations[J]. J Hydr, 2015,523(2):211-230.

[3]罗伯良,张超,林浩. 近40年湖南省极端强降水气候变化趋势与突变特征[J]. 气象, 2008,34(1):80-85.

[4]王国杰,姜彤,王艳君,等. 洞庭湖流域气候变化特征(1961—2003年)[J]. 湖泊科学, 2006,18(5):470-475.

[5]苏成,莫多闻,王辉. 洞庭湖的形成、演变与洪涝灾害[J]. 水土保持研究, 2001,8(2):52-55.

[6]李景保,杨燕,许树辉. 洞庭湖区1991—2000 年大洪涝灾害特点与成因分析[J]. 湖南师范大学自然科学学报, 2001,24(4):90-94.

[7]LIU M X, XU X L, SUN A Y,etal. Is southwestern China experiencing more frequent precipitation extremes[J]. Envir Res Lett, 2014,9(6).

[8]PAXIAN A, HERTIG E, SEUBERT S,etal. Present-day and future mediterranean precipitation extremes assessed by different statistical approaches[J]. Clim Dyn, 2015,44(3-4):845-860.

[9]POWELL E J, KEIM B D. Trends in daily temperature and precipitation extremes for the southeastern united states: 1948—2012[J]. J Clim, 2015,28(4):1592-1612.

[10]TU K, YAN Z W, DONG W J. Climatic jumps in precipitation and extremes in drying north China during 1954—2006[J]. J Meteor Soc Jap, 2010,88(1):29-42.

[11]ZHANG K X, PAN S M, CAO L G,etal. Spatial distribution and temporal trends in precipitation extremes over the Hengduan Mountains region, China, from 1961 to 2012[J]. Quat Inter, 2014,349(3):346-356.

[12]翟盘茂, 王志伟, 邹旭恺. 全国及主要流域极端气候事件变化[M].北京:气象出版社, 2007.

[13]ZHANG Q A, XU C Y, ZHANG Z X,etal. Precipitation extremes in a karst region: a case study in the Guizhou province, southwest China[J]. Theor Appl Clim, 2010,101(1-2):53-65.

[14]LI Z X, HE Y Q, WANG P Y,etal. Changes of daily climate extremes in southwestern China during 1961—2008[J]. Glob Plan Change, 2012,80-81:255-272.

[15]张宝信, 谢自银. 我国降雨变化趋势分析[J]. 河海大学学报:自然科学版, 2012,40(3):281-286.

[16]WANG Y, YAN Z. Trends in seasonal total and extreme precipitation over China during 1961—2007[J]. Atm Ocean Sci Lett, 2009,2(2):165-171.

[17]黄菊梅,邹用昌,彭嘉栋,等. 1960—2011 年洞庭湖区年降水量变化特征[J]. 气象与环境学报, 2013,29(6):81-86.

[18]廖梦思,郭晶. 近32年来洞庭湖流域气候变化规律分析[J]. 衡阳师范学院学报, 2014,35(6):109-114.

[19]段德寅,陈耀湘,张国君. 厄尔尼诺和大气环流异常与1998年洞庭湖区洪涝的关系[J]. 湖南农业大学学报,1999,25(3):220-224.

[20]曾群华,郭跃. 洞庭湖区洪涝灾害的特征及成因分析[J]. 地质灾害与环境保护, 2003,14(3):55-60.

[21]YUE S, WANG C Y. Applicability of prewhitening to eliminate the influence of serial correlation on the Mann-Kendall test[J]. Water Resour Res, 2002,38(6):67-75.

[22]GHOSH S, DAS D, KAO S C,etal. Lack of uniform trends but increasing spatial variability in observed Indian rainfall extremes[J]. Nat Clim Change, 2012,2(2):86-91.

(编辑HWJ)

Spatial-Temperal Variation and Risks of Precipitation Extremes in Dongting Lake Catchment

ZHANGXiao-yan1,LIUMei-xian2,3*

(1. School of Education Science, Hunan First Normal University, Changsha 410205, China;2. Key Laboratory for Agro-ecological Processes in Subtropical Region, Institute of Subtropical Agriculture,Chinese Academy of Sciences, Changsha 410125, China;3. Huanjiang Observation and Research Station for Karst Ecosystem, Chinese Academy of Sciences, Huanjiang 547100, China)

AbstractThe Dongting Lake catchment is a flood prone region in China. Heavy floods have brought out huge detrimental impacts on agriculture, economy and ecosystem in this region. Knowledges of the spatial and temporal characteristics and occurrence risks of precipitation extremes are essential for disaster management and hazards mitigation. Based on the daily precipitation dataset of 1960 to the year of 2013, in this study, we investigated spatial-temporal patterns and the occurrence risks of precipitation and precipitation extremes in Dongting Lake catchment, by using statistical analysis of MK test, probability distribution and 30-year moving windows. Four indices, such as the annual precipitation amount (R), the annual mean precipitation intensity (Ri), the torrential rain days (R50) and the max 1-day precipitation amount (Rx1) were employed in this study. Our results showed that the total amount of precipitation has significantly increased in summer and winter, but decreased in spring and autumn. The regional annual mean precipitation has been decreasing at the rate of -5.6 mm/decade in the past decades. Our results indicated that Ri, R50 and Rx1 exhibited an overall increasing trend, though the trends were generally not significant. Our probability results showed that, the 5-year return levels of Ri, R50 and Rx1 (Ri5, R505and Rx15) had demonstrated a clear tendency of increment from southwestern part to northeastern part in the catchment, indicating that the northeastern part has been suffered from high risks of floods. Moreover, our results also find that the values of Ri5, R505 and Rx15 have significantly increased at most of the stations. These results imply that the chance of precipitation extremes is being in the proces of enhancement, and the risks of floods will increase significantly. These tendencies are likely to result in additional pressures on the local government to flood disasters mitigation in this region.

Key wordsprecipitation extreme; precipitation; risk; Dongting Lake catchment

中图分类号P333

文献标识码A

文章编号1000-2537(2016)02-0010-06

*通讯作者,E-mail：daodang2008@sina.com

基金项目：中科院“西部之光”资助项目(Y523061111)；国家自然科学基金资助项目(41501042)

收稿日期：2015-10-08

DOI:10.7612/j.issn.1000-2537.2016.02.002