1960—2013年贵州省强降水天数时空变化特征

2017-11-28 03:34,,,,
长江科学院院报 2017年11期
关键词:强降水坡度天数

,,,,

(1.贵州理工学院 建筑与城市规划学院,贵阳 550003;2.贵州财经大学 管科学院,贵阳 550025;3.贵州省气候中心,贵阳 550002;4.贵州师范大学 地理与环境科学学院,贵阳 550001)

1960—2013年贵州省强降水天数时空变化特征

韩会庆1,苏志华2,张娇艳3,蔡广鹏4,张朝琼4

(1.贵州理工学院 建筑与城市规划学院,贵阳 550003;2.贵州财经大学 管科学院,贵阳 550025;3.贵州省气候中心,贵阳 550002;4.贵州师范大学 地理与环境科学学院,贵阳 550001)

为深入了解贵州省强降水天数变化规律,基于贵州省1960—2013年19个气象站逐日降水资料,利用气候变化趋势分析法和Kriging插值法分析了贵州省54 a来强降水天数时空变化特征。结果表明:1960—2013年贵州省强降水天数整体呈下降趋势;空间变化趋势呈现中西部大幅减少,东部、南部和北部小幅减少或小幅增加的特点;各坡度带上强降水天数接近,随着高程增加,强降水天数呈减少趋势;北盘江、都柳江、红水河和南盘江强降水天数高于赤水河、牛栏江横江、乌江和沅江;都柳江和南盘江强降水天数呈增加趋势,其他流域呈减少趋势;汛期与非汛期强降水天数分布及变化趋势在高程带、坡度带及各流域上存在差异。研究结果可为贵州省气象灾害防治提供参考。

贵州省;强降水天数;时空变化;气候变化;趋势分析法;Kriging插值法

1 研究背景

随着全球气候变暖,世界各地极端降水事件发生频率和强度均呈增加趋势[1]。然而,由于全球气候变暖对区域的影响范围和幅度存在差异[2],世界各地极端降水事件变化特点有所不同。此外,极端降水事件会产生严重的洪涝灾害,进而深刻影响着区域社会经济、环境可持续发展[3]。因此,极端降水成为世界各地气候学和灾害学研究的重要课题。

目前国外对极端降水的研究多集中于极端降水的变化特征、可能影响因子及模拟情况。如Van der Besselaar等[4]分析了1951—2010年欧洲极端降水变化趋势,Bagley等[5]分析亚马逊流域土地覆被变化对极端降水的强度和空间格局的影响,Donat等[6]分析了南方涛动(ENSO)和北大西洋涛动(NAO)对阿拉伯地区极端降水长时间序列的影响,Wuebbles等[7]利用CMIP5模型模拟美国极端降水,Dominguez 等[8]利用区域RCMs模型模拟了美国西部极端降水。我国学者也开展了相关研究,如Wang等[9]分析了我国黄河流域1959—2008年极端降水变化特点,任正果等[10]分析了我国南方地区极端降水事件变化规律,李双双等[11]分析了1960—2013年秦岭—淮河南北极端降水变化与南方涛动(ENSO)的关系。针对贵州省的极端降水也有不少研究,如王学锋等[12]对1961—2007年云贵高原汛期强降水和极端降水变化特征进行了分析,陈学凯等[13]分析了1961—2012年贵州省极端降水时空变化特征,彭芳等[14]分析了1991—2009年贵州省汛期短时降水时空特征,白淑英等[15]分析了1961—2010年贵州省不同强度降水天数时空变化特征。然而这些研究集中于极端降水量变化特征,鲜有关注极端降水天数变化规律。

贵州省位于我国西南山区,地形起伏较大,石漠化严重,极端降水极易引起地质和洪涝灾害[13]。同时,贵州省是以种植水稻和玉米为主的农业大省,受经济和自然条件限制,大部分地区属于“雨养型农业”,极端降水容易造成粮食减产和绝产。因此,本研究以贵州省为例,利用1960—2013年贵州省19个一级气象站逐日降水量数据,对全省强降水天数变化规律进行分析,以期为区域灾害防治和气候预测提供科学依据。

2 数据与方法

2.1 数据来源

气候数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)提供的贵州省19个一级气象站1960—2013年逐日降水量数据;地形数据主要为坡度和高程数据,来源于全球科学院计算机网络信息中心国际科学数据镜像网站(http:∥datamirror.csdb.cn)提供的ASTER GDEM数据(30 m×30 m)(图1)。

图1贵州省气象站点、流域和高程

Fig.1Meteorologicalstations,watershedsandelevationofGuizhouProvince

2.2 研究方法

2.2.1 强降水天数统计方法

根据我国气象规范规定,日降水量P≥50 mm为暴雨,25 mm≤Plt;50 mm为大雨。由于我国降水区域差异较大,采用全国统一强降水标准会掩盖由于气候差异带来的强降水特征[12]。因此,本研究根据地理环境差异、下垫面状况及平均降水强度,采用百分位定义强降水[16]。具体方法为:将贵州省1960—2013年逐日降水量按升序排列,将第95个百分位值定义为强降水阈值,如大于该阈值就说明该日出现强降水,由此统计每年各气象站强降水天数。

2.2.2 变化趋势计算方法

利用一元线性回归方程分析气候要素变化趋势[17-18],计算公式为

Y=at+b。

(1)

式中:Y为强降水天数;t为年份(1960—2013年);a为回归系数,a为正(负)时表示强降水天数呈增加(减少)趋势;b为常数。根据相关文献,认为趋势系数R等于a,单位为d/(10 a)。

2.2.3 Kriging插值法

利用ArcGIS软件地统计模块Kriging插值法对强降水天数进行空间插值,获得强降水天数空间格局图。Kriging插值法是在考虑待估点位置与已知数据位置的相互关系、变量空间相关性的基础上进行插值,该方法已广泛应用于气候学、土壤学和地质学等。

2.2.4 地形、流域及汛期与非汛期划分

为探讨不同地形和流域强降水天数变化特点,依据贵州省高程和坡度分布特征及郜红娟等[19]研究成果,利用ArcGIS软件中Reclassify工具的自然断点法(Natural Break),将高程划分为lt;681,[681,945),[945,1 204),[1 204,1 528),[1 528,1 950),≥1 950 m;将坡度划分为lt;7.7°,[7.7°,13.7°),[13.7°,19.9°),[19.9°,27.1°),[27.1°,36.6°),≥36.6°。基于地形数据,利用ArcGIS软件中Hydrology分析工具,将贵州省划分为沅江、乌江、赤水河、牛栏江横江、都柳江、红水河、南盘江、北盘江共8个流域。依据贵州省属低纬高原干、湿两季的气候特点及相关文献[14],将4—9月份确定为汛期,10月份至次年3月份确定为非汛期。

3 结果与分析

3.1 贵州省强降水天数时间变化

图2显示:1960—2013年贵州省强降水天数呈下降趋势,1977年强降水天数最多,为22.84 d,2011年强降水天数最少,仅为13.58 d;从不同时间阶段看,1960—1979年和1990—2009年强降水天数较多,其他年份强降水天数较较少。1960—1979年和1980—1999年强降水平均天数呈增加趋势,其他阶段强降水平均天数呈减少趋势。

(a)年际变化

(b)年代际变化

图21960—2013年贵州省强降水天数年际、年代际变化

Fig.2Inter-annualandinter-decadalvariationsofheavyprecipitationdaysfrom1960to2013inGuizhouProvince

由图3可知:汛期强降水天数呈减少趋势,其中1967年汛期强降水天数最多,为20.68 d;2011年最少,仅为10.05 d。非汛期强降水天数呈增加趋势,其中2008年非汛期强降水天数最多,为5.84 d;1985年最少,仅为0.68 d。

注:α=0.05表示显著性水平,即95%的置信度

图31960—2013年贵州省强降水天数汛期与非汛期变化

Fig.3Variationsofheavyprecipitationdaysinfloodseasonandnon-floodseasonfrom1960to2013inGuizhouProvince

3.2 贵州省强降水天数空间变化

从图4可以看出:全年与汛期的强降水天数及变化趋势空间格局较为接近,强降水天数均呈现南多北少的特点,其变化趋势均呈现中西部大幅减少,东部、南部和北部小幅减少或小幅增加;非汛期强降水天数呈现由东南向西部逐渐减少的特点,其变化趋势呈中东部、西北部和西南部小幅增加;南部、西部和北部小幅减少。

图41960—2013年贵州省强降水天数及其变化趋势空间格局

Fig.4Spatialpatternofheavyprecipitationdaysfrom1960to2013inGuizhouProvince

3.3 贵州省强降水天数在坡度和高程上的变化

图5、图6分别为1960—2013年贵州省强降水天数及其变化趋势在坡度和高程上的变化。

(a)强降水天数

(b)强降水天数变化趋势

图51960—2013年贵州省强降水天数及其变化趋势在坡度带上的变化

Fig.5Variationsofheavyprecipitationdaysanditstrendfrom1960to2013alongwithslopegradientinGuizhouProvince

由图5可知,全年、汛期和非汛期强降水天数在各坡度带上差异很小。全年、汛期强降水天数在各坡度带均呈下降趋势,其中lt;13.7°和≥36.6°坡度带下降幅度相对较大,[13.7°,36.6°)坡度带下降幅度相对较小。除≥36.6°坡度带外,其他坡度带非汛期强降水天数均呈增加趋势。

由图6可看出,随着高程增加,全年和非汛期强降水天数呈减少趋势。[0,1 950) m高程带汛期强降水天数较多且较为接近,而≥1 950 m高程带相对较少。全年和汛期强降水天数在各高程带均呈减少趋势,且随着高程增加,下降幅度不断增加,非汛期强降水天数在lt;681和[681,945)m高程带呈增加趋势,在其他高程带呈下降趋势。

3.4 贵州省强降水天数在流域上变化

(a)强降水天数变化

(b)强降水天数变化趋势变化

图61960—2013年贵州省多年平均强降水天数及其变化趋势在高程带上的变化

Fig.6Variationsofheavyprecipitationdaysanditstrendfrom1960to2013alongwithelevationinGuizhouProvince

北盘江、都柳江、红水河和南盘江全年和汛期强降水天数较多,赤水河、牛栏江横江、乌江和沅江相对较少(表1)。北盘江、都柳江、红水河、南盘江、乌江和沅江非汛期强降水天数较多,赤水河和牛栏江横江相对较少。北盘江、赤水河、红水河、牛栏江横江、乌江和沅江全年和汛期强降水天数呈减少趋势,其中牛栏江横江和北盘江减少幅度较大,都柳江和南盘江强降水天数呈增加趋势。北盘江、红水河、牛栏江横江和乌江强降水天数呈减少趋势,其中红水河下降幅度较大,赤水河、都柳江、南盘江和沅江强降水天数呈增加趋势,其中都柳江和沅江增加幅度较大。

表1 1960—2013年贵州省各流域多年平均强降水天数及其变化趋势

注:*,**分别为通过0.05和0.01显著性检验

4 讨论与结论

4.1 讨 论

在全球变暖影响下,世界和我国很多地区极端降水事件呈增加趋势[20-21],这与袁文德等[22]对西南地区的研究结果一致。本文分析结果表明贵州省1960—2013年强降水天数呈下降趋势,全球气候变暖对不同区域强降水天数影响存在差异。强降水天数下降说明研究区极端降水事件发生次数减少,这将有利于该区农业生产和防灾减灾。但需要注意的是,尽管强降水天数呈下降趋势,但贵州省年降水总量呈减少趋势且短时强降雨增多,将增加灾害发生的风险[13,23]。

4.2 结 论

(1)54 a间贵州省强降水天数呈下降趋势,强降水天数呈现南多北少,变化趋势呈现中西部大幅减少,东部、南部和北部小幅减少或小幅增加的特点。汛期和非汛期强降水天数呈相反变化趋势,且空间格局存在明显差异。

(2)强降水天数在各高程带、坡度带和各流域存在差异。各坡度带强降水天数十分接近,但强降水天数变化趋势有所不同。随着高程增加,强降水天数呈减少趋势且下降幅度不断增强。北盘江、都柳江、红水河和南盘江强降水天数高于赤水河、牛栏江横江、乌江和沅江。除都柳江和南盘江外,其他流域强降水天数均呈减少趋势。汛期强降水天数在各高程带、坡度带和各流域的分布及变化趋势特征与非汛期存在较大差异。

[1] IPCC. Summary for Policymakers of Climate Change 2007: the Physical Science Basis[M]. Cambridge: Cambridge University Press, 2007:301-303.

[2] 王媛媛,张 勃.1971年至2010年陇东地区霜冻与积温变化特征[J].资源科学,2012,34(11):2181-2188.

[3] 曹永强,刘佳佳,高 璐.辽宁省大雨以上降水日数分布与趋势分析[J].地理科学进展,2015,34(8):1052-1060.

[4] VAN DER BESSELAAR E J M, KLEIN TANK A M G, BUISHAND T A. Trends in European Precipitation Extremes over 1951-2010 [J].International Journal of Climatology, 2013, 33(12): 2682-2689.

[5] BAGLEY J E, DESAI A R, HARDING K J,etal. Drought and Deforestation: Has Land Cover Change Influenced Recent Precipitation Extremes in the Amazon?[J]. Journal of Climate, 2014, 27(1): 345-361.

[6] DONAT M G, PETERSON T C, BRUNET M,etal. Changes in Extreme Temperature and Precipitation in the Arab Region: Long-term Trends and Variability Related to ENSO and NAO[J]. International Journal of Climatology, 2014, 34(3): 581-592.

[7] WUEBBLES D, MEEHL G, HAYHOE K,etal. CMIP5 Climate Model Analyses: Climate Extremes in the United States[J]. Bulletin of the American Meteorological Society, 2014, 95(4): 571-583.

[8] DOMINGUEZ F, RIVERA E, LETTENMAIER D P,etal. Changes in Winter Precipitation Extremes for the Western United States under a Warmer Climate as Simulated by Regional Climate Models[J].Geophysical Research Letters, 2012, 39(5):874-895.

[9] WANG Wei-guang, SHAO Quan-xi, YANG Tao,etal. Changes in Daily Temperature and Precipitation Extremes in the Yellow River Basin, China[J]. Stochastic Environmental Research and Risk Assessment, 2013, 27(2): 401-421.

[10] 任正果,张明军,王圣杰,等.1961—2011年中国南方地区极端降水事件变化[J].地理学报,2014,69(5):640-649.

[11] 李双双,杨赛霓,刘宪锋.1960—2013年秦岭—淮河南北极端降水时空变化特征及其影响因素[J].地理科学进展,2015,34(3): 354-363.

[12] 王学锋,郑小波,黄 玮,等.近47 年云贵高原汛期强降水和极端降水变化特征[J].长江流域资源与环境,2010,19(11):1350-1355.

[13] 陈学凯,徐建新,胡娟萍,等.1961—2012 年贵州省极端降水时空变化特征[J].水资源与水工程学报,2015,26 (4): 50-56.

[14] 彭 芳,吴古会,杜小玲.贵州省汛期短时降水时空特征分析[J].气象,2012,38(3):307-313.

[15] 白淑英,莫 婷,史建桥,等.近50年贵州不同强度降水日数时空变化分析[J].南水北调与水利科技,2015,13(2):220-224.

[16] 周顺武,王传辉,吴 萍,等.青藏高原强降水日数的时空分布特征[J].干旱区地理,2012,35(1):23-31.

[17] 李生辰,徐 亮,郭英香,等.近34 a青藏高原年降水变化及其分区[J].中国沙漠,2007,27(2):307-314.

[18] 覃卫坚,李栋梁.近50 a来广西各级降水气候变化特征分析[J].自然资源学报,2014, (4):666-676.

[19] 郜红娟,张朝琼,张凤太.基于地形梯度的贵州省土地利用时空变化分析[J].四川农业大学学报,2015,33(1):62-70.

[20] GOSWAMI B N, VENUGOPAL V, SENGUPTA D,etal. Increasing Trend of Extreme Rain Events over India in a Warming Environment[J]. Science, 2006, 314(5804): 1442-1445.

[21] 慈 晖,张 强,张江辉,等.1961—2010 年新疆极端降水过程时空特征[J].地理研究,2014,33(10): 1881-1891.

[22] 袁文德,郑江坤,董 奎.1962—2012年西南地区极端降水事件的时空变化特征[J].资源科学,2014,36(4):766-772.

[23] 张勇荣,马士彬,闫利会.贵州省近55年降水事件变化特征[J].长江科学院院报,2017,34(1):40-44.

(编辑:罗 娟)

Spatial and Temporal Variations of Heavy Precipitation Days from 1960 to 2013 in Guizhou Province

HAN Hui-qing1, SU Zhi-hua2, ZHANG Jiao-yan3, CAI Guang-peng4, ZHANG Chao-qiong4

(1.College of Architecture and Urban Planning, Guizhou Institute of Technology, Guiyang 550003, China; 2. School of Management Science, Guizhou University of Finance and Economics, Guiyang 550025, China; 3. Guizhou Climate Center, Guiyang 550002, China; 4.School of Geography and Environmental Sciences, Guizhou Normal University, Guiyang 550001, China)

In this article,the spatial and temporal variation laws of heavy precipitation days in Guizhou Province in the past 54 years were analyzed based on daily precipitation data obtained from 19 meteorological stations from 1960 to 2013 by means of climate change trend analysis and Kriging interpolation. Results revealed a decline trend of heavy precipitation days in the past 54 years in Guizhou Province, with a sharp decline trend in the central and west parts whereas a slight increase or slight decline in the eastern, southern and northern parts. Heavy precipitation days in areas of different slope gradients were similar. With the increase of elevation, heavy precipitation days showed a decrease trend. Heavy precipitation days in Beipan River, Duliu River, Hongshui River and Nanpan River were greater than those in Chishui River, Niulan River, Wujiang River and Yuanjiang River. Heavy precipitation days showed an increase trend in Duliu River and Nanpan River, while a decline trend could be found in other watersheds. The study also showed significant differences in heavy precipitation days among elevation, slope gradient and watershed in flood season and non-flood season. The results offer reference for meteorological disaster prevention and control in Guizhou province.

Guizhou Province; heavy precipitation days; spatial and temporal variation; climate change; trend analysis method; Kriging interpolation

10.11988/ckyyb.20160773 2017,34(11):1-5

2016-07-31;

2016-09-21

贵州省科学技术基金项目(黔科合J字[2014]2048号);贵州省教育厅青年科技人才成长项目(黔教合KY字[2017]217)

韩会庆(1983-),男,山东济南人,副教授,博士,研究方向为土地资源开发利用与保护,(电话)13765812715(电子信箱)hhuiqing2006@126.com。

苏志华(1983-),男,贵州六枝人,副教授,博士,研究方向为区域环境质量演变与污染防治,(电话)18608502403(电子信箱)suzhihua1219@163.com。

P426

A

1001-5485(2017)11-0001-05

猜你喜欢
强降水坡度天数
2020年江淮地区夏季持续性强降水过程分析
质量管理工具在减少CT停机天数中的应用
抑郁筛查小测试
最多几天?最少几天?
一次东移型西南低涡引发的强降水诊断分析
关于公路超高渐变段合成坡度解析与应用
关于场车规程中坡度检验要求的几点思考
生日谜题
基于图像处理的定位器坡度计算
四川盆地西南部短时强降水天气特征分析