严小冬,孙 翔,杨春艳,夏 阳
(1.贵州省气候中心,贵州 贵阳 550002;2.中国气象局国家气候中心,北京 100081;3.贵州省六盘水市气象局,贵州 六盘水 553001)
贵州位于西南地区东南部,属于低纬高原,省内地形地貌复杂,具有显著的喀斯特山区特征,是全国唯一没有平原支撑的省份,处于最强盛的东亚季风、印度季风和南海季风交替影响的范围内,形成一年中干湿季区别显著的立体气候,其夏半年的降水量可达到占全年的70%以上[1-2],加上特殊的地形特征,使得当地强降水事件的时空分布十分复杂[3-4]。
近年来,贵州旱涝频发,不少科技工作者针对贵州降水日数、不同等级降水事件等做了大量的研究,如王芬等[4]分析指出,不同等级降水频率发生明显变化,总雨日、小雨日、中雨日显著减少,但暴雨日(日雨量≥50 mm)却有一定的增加趋势,而大雨以下量级的降雨日数增加时,却使得贵州的总降水量偏多,这亦从一方面体现了贵州地区强降水事件所具有的复杂性。袁文德等[5]对西南地区近50 a来极端降水事件变化趋势的研究结果同样表明,包含贵州在内的西南地区极端降水事件虽呈现出一定的上升趋势,但并不显著。虽然上述研究均说明我国西南地区的强降水事件具有不断增多的特征,但仍有部分研究[6-8]在我国西南地区强降水事件频数和强度的长期变化上存在不同意见。如Qian[9]以及鲍名[10]等的研究指出,我国华北和西南地区的降雨日数在显著减少,使得当地的干旱事件频发。
由于贵州地区特殊的地形地貌特征,加上强降水事件较强的突发性和局地性,使得目前贵州较强降水事件的预报预测,无法满足日常业务的需求[11-12],且以往大部分的研究在强降水事件的定义方面仍采用业务中的降水量级进行划分[13-14],而这在降水分布极不均匀的贵州地区并不能完全说明降水事件的强度和极端性。此外,关于强降水事件的研究常侧重于针对小范围甚至某些局地的单站现象进行[15],对于区域性尤其是山地地区的强降水事件研究并不多见[16],而强降水事件给包含贵州在内的云贵高原等喀斯特山地地区带来的潜在风险远远高于东部发达地区[17],当地突发的强降水事件引起的山洪、滑坡、泥石流等地质灾害对于人民生命财产安全和社会经济稳定发展的威胁不容忽视。
因此,本文将从贵州地区的夏季日降水资料出发,利用百分位法[18]对贵州的区域性强降水事件进行定义,并采用多种统计诊断方法,探讨1967—2016年共50 a间贵州夏季不同等级区域性强降水事件的气候变化特征,以期加深对于贵州日降水事件的认识,为强降水事件的预报预测提供参考。
观测资料来源于贵州省气象局整编资料,考虑到缺测及台站迁徙所导致的观测资料的不完整性,剔除了缺失数据的站点,最终选取81站1967—2016年6—8月日降水资料。
考虑到贵州地区的站点分布较为均匀(见图1a实心圆点),且本文的研究将从日降水量出发,不考虑将连续出现了多日的强降水事件合并作为一次事件,从而把区域性强降水事件的定义为:贵州地区所有站点的日降水量采用简单的算术平均进行区域平均,而后将有降水日(日降水量≥0.1 mm)的降水值进行从大到小的排序,选取99%分位上的降水值作为阈值,将大于此阈值的日降水值定义为99%分位的强降水事件;以此类推,可分别得到95%、90%和75%分位的日降水事件。需要说明的是,95%分位等级的日降水事件是指95%~99%百分位间的降水事件,并不包含99%分位在内,且即使存在连续多日的强降水事件,仍将其分开计算。
文中主要采用滑动平均、线性回归、Morlet小波分析、功率谱分析等多种诊断方法,除没有特别说明外,文中的气候态值均指1967—2016年夏季(6—8月)平均值。
针对贵州夏季降水的气候态分析表明,贵州近50 a夏季降水量大致呈西南多、东北少的空间分布特征(图1a),夏季降水大值中心位于黔西南州西北部及六盘水南部,中心值超过了750 mm,而降水的低值中心则主要位于黔中以北以东的部分地区,包含遵义大部、铜仁中西部和黔东南州北部,上述地区夏季降雨量低于500 mm,总体说来,贵州省内夏季降水量的地域差异并不大。而贵州夏季降水的年际变率分布特征则与降水量的分布略有不同,尽管同样呈现出南多北少的分布,但在黔东北的铜仁地区(夏季降水量低于550 mm)却存在大于170 mm的年际变率大值中心,这与当地频发的夏季旱涝事件[19]存在重要联系。此外,年际变率的低值中心位于黔西北地区,中心值低于120 mm,高值中心则位于同样为降水量大值中心的黔西南地区。
图1 贵州近50 a夏季降水量的气候分布特征(a,阴影为降水量,等值线为年际变率,单位:mm)及标准化时间序列(b,实线为降水量,虚线为9 a滑动平均)Fig.1 The climatic characteristics of summer precipitation in Guizhou for the last 50 years(a,shaded is precipitation,contour line is interannual variability,unit:mm)and standardized time series(b,solid line is for the precipitation,dotted line is for 9 year sliding average)
从贵州夏季降水量的标准化时间序列(图1b)来看,其具有明显的年(代)际变化特征,其中1972年、2013年与2011年为过去50 a中降水量最少的3 a,上述3 a贵州地区亦发生了较为严重的区域性夏旱事件[19],其中1972年的降水距平百分率超过了-45%,2013年和2011年则在-40%左右。而在年代际变化尺度上,过去50 a贵州夏季降水呈现出一定双峰型分布特征,具体表现为1967—1970年代初、1990年代初—2000年代前期为降水量偏多的时期,而在1970年代中期—1990年代初和2000年代中后期—2016年这2个时间段里贵州的夏季降水量偏少,其中在后一时段内降水量偏少的程度较前一时段更甚。
根据前文对区域性日降水事件的定义,对贵州地区81站平均后的降水日数进行了统计,得到1967—2016年共50 a间贵州夏季的降水日数(日降水量≥0.1 mm)共有4 182 d。按照不同等级强降水事件的甄选标准,其中99%分位、95%分位、90%分位、75%分位的强降水事件的阈值分别为37.1 mm、23.7 mm、17.9 mm、9.7 mm(表1),发生频数分别有42次、166次、213次、624次。
表1 贵州不同等级区域性强降水事件年均值的气候统计Tab.1 Climatic statistics of annual mean value of regional strong precipitation events in Guizhou
表1的统计结果显示,99%分位、95%分位、90%分位、75%分位4个等级的强降水事件尽管只占到了贵州整个夏季降水日数的25%,但其带来的降水量却已占到贵州整个夏季降水量的66.7%。其中,99%分位的强降水事件以年均0.8次的频数和42.8 mm的平均降水量,占到了整个夏季降水量的5.8%,此比例远高于95%分位(4%的降水日数带来16.7%的降水量)和90%分位(5%的降水日数带来14.8%的降水量)。从中还可发现,95%分位强降水事件的降水量贡献率要多于99%分位甚至90%分位,加上较大的发生频数(年均3.4次)和降水阈值(23.7 mm),表明95%分位的强降水事件在贵州夏季降水中起到了最为重要的作用,且其所带来的危害是各个等级中最大的。
图2为贵州夏季各个等级强降水事件频数和降水量的旬际分布。如图所示,在所有等级的强降水事件中,降水频数都与降水量有很好的对应关系,较多的降水频数同样带来了较大的降水量,而在降水发生频数较少的时候,降水量相应的偏少。且无论是降水频数还是降水量,在夏季中前期(6月上旬—7月中旬)的均明显多于后期,99%分位、95%分位和90%分位尤为明显,其中99%分位强降水事件发生在6月中旬—7月中旬的共有27 d,总降水量达1 163.9 mm,分别占到整个夏季的64.3%和64.8%。
图2 贵州不同等级区域性强降水事件频数(单位:d或次)及降水量(单位:mm)的旬际分布(a,99%分位;b,95%分位;c,90%分位;d,75%分位)Fig.2 The ten days distribution of frequency (unit:days) and precipitation (unit:mm)of regional strong precipitation events at different levels in Guizhou(a,99% division;b,95% division;c,90% division;d,75%)
具体到各个等级的旬际分布来看,99%分位的强降水事件出现在7月上旬的最多,共有8 d,降水量达338.5 mm,而在8月上旬没有发生过。95%分位的强降水事件出现频数和降水量最多的是6月上旬,最少的同样是8月上旬。而90%分位和75%分位强降水事件出现频数最多的是在6月下旬,在发生频数最少的旬上,90%分位与前2个分位相一致,为8月上旬,75%分位则在7月上旬。总体看来,99%分位、95%分位和90%分位3个等级的强降水事件的频数都是8月上旬最少,可见8月上旬是贵州夏季高等级日降水事件出现最少的时期。与前3个等级的强降水事件相比,75%分位的强降水事件的频数和降水量都要高得多,但其旬际变化较弱,整个夏季的降水频数都没有太大变化。
由于降水频数与降水量之间存在较好的对应关系,因此在年(代)际变化方面,只给出了各个等级强降水事件发生频数的时间序列(图3)。由图可知,与夏季总降水量的变化(图1b)相一致,贵州夏季区域性强降水事件的频数同样表现了明显的年(代)际变化特征。
图3a显示,99%分位强降水事件除具有一定的年代际变化,在过去50 a里还存在显著的上升趋势(通过了α=0.001的显著性检验)与突变特征。在1990年以前,99%分位强降水事件发生的频数相对较少,而在1994年以后迅速增加,42次的总发生频数中有23次发生在1994年以来的23 a中,且在1996年就发生了4次。而过去50 a中没有发生99%分位强降水事件的年份共有26 a,但仍主要集中在1994年以前(有18 a)。
而其余3个等级(95%、90%和75%分位)的强降水事件的发生频数最大值分别出现在1987年、1993年和2014年,且其长期变化趋势表现出一定的下降趋势,但从回归方程中可以看到,此下降趋势并不显著。此外,除了95%分位,其余2个等级的强降水事件年代际变化特征较99%分位更为明显,并且具有相似的峰谷特征。其中,1960年代末—70年中期、80年代中期—90年代初是贵州夏季90%和75%分位强降水事件发生的一个波谷时期,进入2000年以后则有所不同,90%分位的强降水事件主要自2000年代后期以后才出现明显的偏少,而75%分位的偏少时段则是出现在2000年代中前期。除此之外,1970年代末以及80年代末至2000年代初均是90%和75%分位的强降水事件偏多的一个时段。
图3 说明同图2,但为1967—2016年降水频数的年(代)际变化,单位:d(图中空心柱为降水频数,虚线为9年滑动平均,粗实线为线性趋势)Fig.3 As to Fig.2,but for the interannualor interdecadalvariation of precipitation frequency from 1967 to 2016,unit:days(hollow column is for precipitation frequency,the dotted line is for the 9 year runninging average,the thick solid line is a linear trend)
为分析不同等级的强降水事件在过去50 a里的活动周期,且考虑到贵州夏季强降水频数和降水量之间存在较好的相关关系,因此这里给出了各等级强降水事件频数的全时域功率谱和Morlet小波分析(图4)。
图4 说明同图2,但为降水频数的Morlet小波分析及全时域功率谱Fig.4 As to Fig.2,but for the Morlet wavelet analysis and power spectrum analysis of precipitation frequency
结果表明,各个等级的强降水事件均存在2~4 a的活动周期,但时段有所不同。99%分位的强降水事件除了在1980年代中后期—2000年代存在显著的2~4 a的活动周期,还在整个时段内存在显著的准8 a的活动周期。而95%分位的强降水频数则在1980年代初—2000年代初存在准4 a的活动周期,准2 a的活动周期相对比较分散。90%分位的强降水频数在1970年代中期—1990年代末期表现出显著的准12 a波动周期,同时段还表现出明显的准3 a和准5 a周期,另外近年来也有准3 a的周期。75%分位的强降水频数的强波动周期则主要集中在2010年代以后,以2~3 a为主。
图5给出了贵州夏季所出现的不同日降水量值及其所对应的累积降水量变化曲线,统计表明,过去50 a里贵州的日降水量从0.1~63.5 mm,共有362个值,产生了28 161.5 mm的总降水量。由于超过35 mm/d范围的日降水量值具有较大的不连续性,且大部分日降水值仅出现了1次,因此在曲线绘制中去除了大于35 mm/d的部分。
图5 贵州夏季不同日降水量值及其累积降水量(细实线)的统计分布(粗实线为11点滑动平均)Fig.5 The statistical relationship distribution between diurnal precipitation with it’saccumulated precipitation(thin line is for the precipitation,with the thick lines is for 11 point moving average) of summer in Guizhou
由图可知,在0~3 mm/d的范围内,随着日降水量增加,累计降水量明显增加,并在日降水值达到2.1 mm/d时累计降水量迅速超过了90 mm,当日降水值继续增大至3~11 mm/d时,累计降水量随日降水量增加的趋势明显减小,并在11~19 mm/d之间时,累计降水量曲线出现了明显的波动,在日降水值超过19 mm/d以后,累计降水量开始出现缓慢的下降。累计降水量峰值为181.9 mm,由10.7 mm/d的日降水量产生,总体说来,各个范围内的日降水量所带来的累计降水量较为平均,并未出现小日降水量跨度内占大比例总降水量的情况出现,亦说明了2~20 mm/d范围内的日降水量均对贵州的夏季降水有同等重要的贡献。
本文对1967—2016年近50 a贵州夏季不同等级的区域性强降水事件的气候特征进行了统计分析,初步得出:
①贵州夏季降水量及其年际变率均大致呈东北向西南递增的分布特征,不同等级(99%、95%、90%和75%)的区域性强降水事件的降水阈值分别为37.1、23.7、17.9和9.7 mm,其中75%分位的区域性强降水事件对贵州夏季降水量的贡献率最大,95%分位次之,甚至要高于90%分位,99%分位最小。
②在所有等级的强降水事件中,无论降水频数还是降水量,发生在夏季中前期(6月上旬—7月中旬)的频数均明显多于后期,99%分位、95%分位和90%分位更为明显。且99%分位的区域性强降水事件的降水频数在近50 a呈显著的增多趋势,其余分位的降水频数则表现出一定程度的减少,但并不显著。此外,各个等级的强降水事件均存在2~4 a的振荡周期,但时段有所差别。
③贵州夏季累计降水量峰值出现于10.7 mm/d所带来的181.9 mm,但总体看来,各个范围内的日降水量所带来的累计降水量较为平均,并未出现明显的峰谷的分布特征。
参考文献
[1] 徐栋夫,李栋梁,曲巧娜,等.西南地区秋季干湿时空变化特征及其成因分析[J].热带气象学报,2013,29(4):570-580.
[2] 夏阳,管兆勇,孙一.晚秋前冬海洋性大陆区域向外长波辐射年际变化及其与云贵高原降水异常的联系[J].气象学报,2015,73(4):725-736.
[3] 曹杰,李华宏,姚平,等.北半球夏季印度洋和太平洋水汽交汇区及其空间分异规律研究[J].自然科学进展,2009,19(3):302-309.
[4] 王芬,曹杰,李腹广,等.贵州不同等级降水日数气候特征及其与降水量的关系[J].高原气象,2015,34(1):145-154.
[5] 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.
[6] 丁文荣.西南地区极端降水的时空变化特征[J].长江流域资源与环境,2014,23(7):1 029-1 037.
[7] 罗玉,范广洲,周定文,等.西南地区极端降水变化趋势[J].气象科学,2015,35(5):581-586.
[8] 杨金虎,张强,王劲松,等.近60年来西南地区旱涝变化及极端和持续性特征认识[J].地理科学,2015,35(10):1 333-1 340.
[9] Qian W,Lin X.Regional trends in recent precipitation indices in China [J].Meteor Atmos Phys,2005,Vol.90:193-207.
[10]鲍名.近50 a我国持续性暴雨的统计分析及其大尺度环流背景[J].大气科学,2007,31(5):779-792.
[11]贝耐芳,赵思雄.1998年“二度梅”期间突发强暴雨系统的中尺度分析[J].大气科学,2002,26(4):526- 540.
[12]王建捷,陶诗言.1998梅雨锋的结构特征及形成与维持[J].应用气象学报,2002,13(5):526-534.
[13]刘海文,丁一汇.华北汛期日降水特性的变化分析[J] .大气科学,2010,34 (1):12 -22.
[14]姚慧茹,李栋梁,王慧.1981-2012年西北东部夏季降水不同强度雨日变化及其环流特征的对比分析[J].气象学报,2017,75(3):384-399.
[15]管兆勇,任国玉.中国区域极端天气气候事件变化研究[M].北京:气象出版社,2012.
[16]Guan Z,Han J,Li M.Circulation patterns of regional mean daily precipitation extremes over the middle and lower reaches of the Yangtze River during the boreal summer [J].Climate Res,2011,50(2):171-185.
[17]李传浩,刘宣飞,李智,等.华西秋雨区域性极端降水的环流特征[J].热带气象学报,2015,31(4):526-535.
[18]翟盘茂,潘晓华.中国北方近50 a温度和降水极端事件变化[J].地理学报,2003,58(S1):1-10.
[19]夏阳,严小冬,龙园,等.GEV指数表征的贵州夏旱分布特征及干旱事件的异常环流特征[J].云南大学学报:自然科学版,2017,39(2):252-264.