1961—2017年成都市降水变化特征分析

谢直苡 谢世友

摘要    本文选取1961—2017年成都市月降水量数据，利用线性回归分析、Mann-Kendall突变分析和EEMD周期分析等数理统计方法，研究了成都市近57年降水量的变化特征，为其水资源检测、评估和气象灾害防治提供一定的理论依据和基础。结果表明，成都市近57年平均年降水量为892.6 mm，呈逐渐下降的趋势且无突变现象发生，以3年和5年的年际周期振荡变化为主。降水主要集中在夏、秋两季，累计降水量超过年降水量的80%，其中夏季降水量呈减少趋势，不存在突变，包含2年和7年的周期;秋季降水量存在2个突变点，变化周期以准3年和11年为主。春季降水量占全年降水量的16%，有多个突变点，存在2年和9年的周期。冬季降水量仅占3%，呈缓慢上升趋势，存在多个突变点，周期为2年和准6年。

关键词    降水量;EEMD分析;Mann-Kendall突变分析;四川成都;1961—2017年

中图分类号    P426.61        文献标识码    A

文章编号   1007-5739（2019）20-0197-07                                                                                     开放科学（资源服务）标识码（OSID）

Abstract    Based on the precipitation data of Chengdu City from 1961 to 2017，the precipitation change characteristics in past 57 years were analyzed by linear regression analysis，Mann-Kendall sudden change analysis and EEMD analysis，so as to provide some theoretical foundation for the detection，evaluation of water resources and control of meteorological disasters.The results showed that the average annual precipitation in Chengdu City was 892.6 mm in the past 57 years，and it exhibited a decreasing trend with no sudden change，and the inter-annual oscillations were 3 years and 5 years.Precipitation was mainly concentrated in summer and autumn with the cumulative precipitation accounting for more than 80% of annual precipitation.The summer precipitation showed a decreasing trend with no sudden change，containing the periods of 2 years and 7 years.The precipitation had two sudden change points in autumn，and the periodic change were mainly the inter-annual oscillations of quasi 3 years and 11 years.The spring precipitation accounted for 16% of the annual precipitation with the periods of 2 years and 9 years，and it had many sudden change points.The winter precipitation only accounted for 3%，exhibiting a slow increasing trend with multiple sudden change points，and the oscillations periods were 2 years and quasi 6 years.

Key words    precipitation;EEMD analysis;Mann-Kendall sudden change analysis;Chengdu Sichuan;1961-2017

降水對水资源的有效利用、农业生产发展、社会经济发展、防灾减灾等具有重要影响[1]。研究区域降水量变化特征，对于分析全球气候变化背景下的水资源评估和气候预测等气象工作具有非常重要的意义[2]。在全球气温上升的背景下，北半球中纬度极端降水事件有逐渐增强的趋势[3]。研究表明，我国降水量变化特征具有区域性，西南部分地区降水量呈减少的趋势，而西北地区降水量增长趋势较为明显[4-5]。常怀勇等[6]利用M-K和Hurst指数等方法得出全球中低纬地区的夏季降水量年际变化较大;王艳姣等[7]对中国降水进行分区，指出我国西南各地降水受地形、季风等因素的影响，阶段性特征明显;胡豪然等[8]发现四川盆地汛期发生极端降水事件的趋势为从西向东递减。

成都市位于成都平原中部，属于亚热带季风湿润性气候，年降水量在607～1 393 mm之间，降水季节分配不均匀，主要集中在7—8月，降水量最少月份为12月和1月。暴雨期普遍出现在5—9月，常年暴雨的始、终期分别在6月末和8月下旬[9]。成都平原是我国重要的粮食产地，降水变化对农作物生长、产量影响较大。

目前，部分学者已对成都市的气候变化有了一定的研究[10-11]，主要集中在成都市降水量的变化趋势、突变特征和变化周期等方面，但对降水量不同尺度周期振荡的变化过程研究较少，同时缺乏对成都市四季降水变化特征的深入研究;在研究方法上，对周期分析多采用小波分析，但是小波分析没有自适应性，需要人为设定基函数，这对分析结果会产生一定影响。因此，本文选用自适应性较强的EEMD方法，该方法是目前提取信号变化趋势的最新方法之一。本文选取1961—2017年成都市月降水量资料，对成都市近57年降水量的年际和季节变化特征进行分析研究，这对成都市水资源检测、短期降水预测以及采取有效措施应对降水变化具有重要意义。

1    数据与方法

1.1    数据来源

本文选用1961—2017年成都市的月降水量数据，数据来源于国家气象局和国家气象数据共享网，年降水量由各月降水量累计而得。数据根据《全国地面气候资料统计方法》及《地面气象观测规范》有关规定进行整编统计而得，通过均一性检验和质量控制。季节划分：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月至翌年2月）。

1.2    线性回归分析

线性回归分析是目前水文统计学中较为常用的方法[12]，运用最小二乘函数在自变量x和因变量y之间建立一元线性回归模型，即y=bx+a，用于定量分析降水量的线性变化趋势。其中y为降水量，x为时间（本文为1961—2017年），b表示气候倾向率，10×b则为降水量每10年的气候倾向率。

1.3    Mann-Kendall突变分析

Mann-Kendall简称M-K法，是一种非参数统计检验的方法。用M-K法进行分析，不需要样本遵从一定的分布，也不受到少数异常值的干扰，且计算简单。因此，M-K非参数统计检验方法适用于研究水文、气象等非正态分布数据的长期变化趋势和突变情况[13]。

序列x1，x2，x3…xn 计算出的统计量序列UF为标准正态分布。给定显著性水平α，若|UF|>Uα表明序列存在明显的趋势变化。将时间序列按逆序排列，重复上式计算，同时满足k=n，n-1，…1，UB1=0，得到序列UB。绘制UF、UB曲线，分析UF和UB曲线随时间序列x的变化趋势，UF>0，表示序列呈上升趋势;若UF<0，则表示序列呈下降趋势;若2条曲线在临界直线之间出现交点，那么交点对应的时间则可能是出现突变的时间。

1.4    EEMD周期分析

集合经验模态分解（EEMD）方法是由Wu和Huang[14]提出的一种新的时间序列信号处理方法，该方法是对经验模态分解（EMD）的改进发展，弥补了EMD边缘效应和尺度混合的问题。EEMD方法能够将原始信号中不同尺度的波动和变化趋势（本征模函数IMF）提取出来，具有较好的自適应性和局部变化特征，非常适用于处理非平稳、非线性的时间序列，是目前提取信号变化趋势的主要方法，逐渐被用于气候变化的多尺度分析中[15-16]。而传统小波分析由于在分辨率上存在不清晰，需要人为设定相应的基函数，自适性较弱，且在信号分析中可能出现假的波动尺度[17]。

2    结果与分析

2.1    降水量变化线性分析

1961—2017年成都市年降水量变化见图1（a），近57年成都市平均年降水量为892.6 mm，年降水量的峰值出现在1961年，为1 393 mm;2012年为最低值（607 mm）。近57年成都市年降水量以1.44 mm/a的趋势下降，通过F检验，结果表明其下降趋势不显著。这与马振峰等[18]得出的四川地区年降水量呈下降趋势结果一致。由图1（b）可看出，5年滑动平均值曲线表明近57年成都市年降水量整体波动较小，但降水距平值显示个别年份降水量变化较大。

从成都市降水量年代际变化可以看出，各年代降水量波动较大，总体上呈现出“W”型的变化趋势，其中20世纪60年代降水量最多（955.7 mm），距平值为63.1 mm;最低降水量（811.8 mm）出现在20世纪90年代，距平值低至-80.8 mm。20世纪60—70年代降水量为减少趋势，10年间减少66.4 mm;70—80年代降水量增加42.8 mm;80—90年代降水量大幅度下降，10年间减少120.3 mm;2001—2017年，降水量逐渐增加，17年间增加141.5 mm，增加倾向率为83.2 mm/10 a（表1）。

表2为成都市近57年降水量季节分配，春、夏、秋季降水量均呈不同程度的下降趋势，冬季为上升趋势。降水量在季节分配上不平衡，主要集中在夏、秋季，累计降水量超过年降水量的80%，夏季降水量占年降水量的61%，为主要粮食作物水稻的生长提供了良好的水分条件;秋季降水量占年降水量的20%，仅次于夏季，其具有降水持续天数多、降雨量大、雨水下渗能力强等特点[11]。春季降水量占年降水量的16%，能为春季农作物的拔苗提供比较充足的水源[19]。冬季平均降水量为24.3 mm，仅占年降水量的3%，1980年达到最低值，仅有8 mm，冬季降水量严重偏少时容易诱发春旱，但冬季降水量呈现出缓慢增加的趋势，增加的倾向率为0.5 mm/10 a，这可能有利于冬季作物的生长[20]。

成都市冬季降水量分量及趋势项（图8）与周期分析结果（表7）显示，冬季降水量各分量中C1和C2与原始序列在0.01水平上达到极显著相关。C1振幅经历了“减小-增大”3个循环，代表2年的周期。C2周期为准6年，在70年代振幅较小，其余时段振幅较大。C3和C4代表冬季降水量在年代尺度上的震荡，周期分别为14年和准29年，C3曲线表现出4个正负交替的变化，分量C4表示冬季降水量大致经历了“少-多”的变化过程。从趋势项可以看出，在1985年之前，成都市冬季降水量呈现逐渐增加的趋势;1985年后，降水量呈现逐渐减少的趋势。冬季降水量各分量中C1和C2与原始序列在0.01水平上达到极显著相关，由方差贡献率可知，C1和C2的方差贡献率累计超过80%，表明成都市冬季降水量变化周期以2年和准6年的年际变化为主。

3    结论

（1）从回归分析看，在年代际特征上，近57年成都市的年降水量整体呈小幅下降的趋势，这与四川盆地年降水量减少的趋势相符合，各年代降水量大致呈“W”型的变化趋势。在季节特征上，降水主要集中在夏、秋季，累计超过全年降水量的80%;冬季降水量最少，仅占全年降水量的3%，冬季降水量整体呈逐渐上升的趋势，而其他各季降水量均呈缓慢下降的趋势。

（2）降水量的突变分析结果表明，成都市年降水量在1961—2017年间没有发生突变。春季降水量存在多个突变点，1990年之前呈现出“减少-增多”不断交替的现象，1990年之后降水量逐渐减少。夏季降水量没有发生突变，在整个时间尺度上为下降趋势。秋季降水量存在2个突变点，分别为1962年和1970年，1962年表现为增加趋势，1970年表现为下降趋势。冬季降水量出现多个突变点，振荡剧烈，在1974年后逐渐增加，这有利于冬季作物和越冬农作物的生长发育。

（3）EEMD周期分析结果显示，成都市全年与季节的降水量均受年际尺度的振荡影响，但具体周期存在差异，年降水量的主导周期为3年和5年，春季降水量包含2年和9年的周期，夏季降水量为2年和7年周期，秋季降水量包含准3年和11年的周期，冬季降水量为2年和准6年周期。全年与夏季降水量都存在先减少后增加的趋势，但发生转变的时间不同，年降水量以2001年为界，夏季降水量以1985年为界。春季降水量在整个时间尺度上呈下降趋势，21世纪以来秋季降水量呈增加趋势，冬季降水量经历了“先增加后减少”的变化过程。

4    参考文献

[1] ASHIQ M W，ZHAO C，NI J，et al.GIS-based high-resolution spatial interpolation of precipitation in mountain-plain areas of Upper Pakistan for regional climate change impact studies[J].Theoretical and Applied Climatology，2010，99（3-4）：239-253.

[2] 王晓霞，徐宗学，阮本清.天津市降水量变化趋势的时空分布特征[J].干旱区资源与环境，2008（9）：92-96.

[3] 翟盘茂，王萃萃，李威.极端降水事件变化的观测研究[J].气候变化研究进展，2007（3）：144-148.

[4] 方修琦，张学珍，戴玉娟，等.1951—2005年中国大陆冬季温度变化过程的区域差异[J].地理科学，2010，30（4）：571-576.

[5] 赵宗慈，王绍武，罗勇.IPCC成立以来对温度升高的评估与预估[J].气候变化研究进展，2007（3）：183-184.

[6] 常远勇，侯西勇，毋亭，等.1998—2010年全球中低纬度降水时空特征分析[J].水科学进展，2012，23（4）：475-484.

[7] 王艳姣，闫峰.1960—2010年中国降水区域分异及年代际变化特征[J].地理科学进展，2014，33（10）：1354-1363.

[8] 胡豪然，毛晓亮，梁玲.近50年四川盆地汛期极端降水事件的时空演变[J].地理学报，2009，64（3）：278-288.

[9] 熊娜娜，谢世友.成都市水资源生态足迹及承载力时空演变研究[J].西南大学学报（自然科学版），2018，40（6）：124-131.

[10] 王若男，马林，王莹，等.成都地区1951—2010年降水年变化分析[J].安徽农学通报，2015，21（18）：146-147.

[11] 李昕翼，肖国杰，白爱娟，等.成都地区降水时空分布变化[J].气象科技，2011，39（4）：417-422.

[12] 张洁，杨庆，赵杰.基于灰色系统与线性回归方法的水质预测[J].城市地质，2015，10（4）：67-71.

[13] 符淙斌，王强.气候突变的定义和检测方法[J].大气科学，1992（4）：482-493.

[14] WU ZH，HUANG NE.Ensemble Empirical Mode Decomposition：A Noise-assisted Data Analysis Method[J].Advances Data Analysis，2009，1（1）：1-41.

[15] 段丽瑶，丁一汇，任雨.1921—2010年天津气温和降水量序列的多尺度分析[J].气候与环境研究，2014，19（4）：515-522.

[16] 柏玲，陈忠升，赵本福.集合经验模态分解在长江中下游梅雨变化多尺度分析中的应用[J].长江流域资源与环境，2015，24（3）：482-488.

[17] ALEXANDROV T.A Method of Trend Extraction Using Singular Spect-rum Analysis[J].Reevetat Statisitical Journal，2009.

[18] 马振锋，彭骏，高文良，等.近40年西南地区的气候变化事实[J].高原氣象，2006（4）：633-642.

[19] 黄亿，王靖，赫迪，等.气候变暖下西南春玉米生长季不利气象条件的时空演变[J].资源科学，2017，39（9）：1753-1764.

[20] 姜珊，于秀芹，李来民，等.1980—2010年烟台市降水变化规律及时空分布特征分析[J].现代农业科技，2014（3）：263-265.