重庆市沙坪坝区1951—2020年降水分析

夏程尉 袁莎悦 孙秋菊　毛裕庆　王权

摘 要：基于重庆沙坪坝区1951—2020年的降水数据，利用Mann-Kendall突变检验、集合经验模态分解和重标极差分析等方法研究了该区域降水特征和未来降水趋势。结果表明，除了秋季，沙坪坝区在1951—2020年的年降水量和春季、夏季、冬季降水量均呈现增多的趋势。此外，沙坪坝区在研究时段的年降水日数呈现出减少的趋势，而年大雨日数和暴雨日数呈现出增多的趋势。其中，年降水日数在1982年出现突变，年大雨日数在2017年出现突变。对年降水量进行周期分解发现，2～7年的周期方差贡献率最大，这与ENSO事件发生的周期类似，表明沙坪坝区的年降水量周期变化可能与ENSO事件有关。基于重标极差分析计算的Hurst指数结果显示，沙坪坝区年降水量和四季降水量在未来可能呈现出减少的趋势。

关键词：降水量;Mann-Kendall突变检验;集合经验模态分解;重标极差分析;沙坪坝区

中图分类号：P468.024 文献标识码：A 文章编号：1003-5168（2021）29-0143-04

Analysis of Precipitation in Shapingba District of Chongqing from 1951 to 2020

XIA Chengwei YUAN Shayue SUN Qiuju MAO Yuqing WANG Quan

（College of Geography and Tourism， Chongqing Normal University， Chongqing 401331）

Abstract： Based on the precipitation data from 1951 to 2020 in Shapingba District， Chongqing， the precipitation characteristics and future precipitation trend in this area are studied by using Mann Kendall mutation test， ensemble empirical mode decomposition and rescaled range analysis. The results show that except for autumn， the annual precipitation and the precipitation in spring， summer and winter in Shapingba District during the period 1951-2020 all showed an increasing trend. In addition， the number of annual precipitation days in Shapingba during the study period showed a decreasing trend， while the number of annual heavy rain days and torrential rain days showed an increasing trend. The number of annual precipitation days suddenly changed in 1982 and the number of annual heavy rain days suddenly changed in 2017. The periodic decomposition of annual precipitation shows that the variance contribution rate of the period of 2-7 years is the largest， which is similar to the period of ENSO events， indicating that the periodic changes of annual precipitation in Shapingba may be related to ENSO events. The Hurst index calculated based on the rescaled range analysis method shows that the annual precipitation and seasonal precipitation in Shapingba may show a decreasing trend in the future.

Keywords： precipitation; Mann-Kendall test; ensemble empirical mode decomposition; rescaled range analysis; Shapingba district

近年來，受自然因素和人类活动的共同作用，全球气温逐渐攀升[1]。气候的变暖会加速水分的循环，改变降水的时空分布及强度，极易造成极端气候异常事件的发生，导致干旱、洪水的频次及强度增加[2]。基于此，大量学者采用多种方法对降水情况进行了研究。陈祥义等人利用多元回归分析的方法对三峡库区的年降水量和降水日数进行了研究[3];李月臣等人利用概率统计的方法研究了三峡库区降水时空动态变化[4];柏玲等人利用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）的方法提取了长江中下游梅雨在不同尺度上的周期特征[5];杨胜勇等利用Hurst指数预测了昆明市未来气温及降水变化趋势[6]。以上研究表明，在多种气候因子的影响下，三峡库区降水情况具有时空异质性，部分地区的降水情况与总体降水情况并不一致。因此，选取更长更精细的时序数据对研究三峡库区的降水情况具有重要意义。沙坪坝区是重庆主城都市区之一，是三峡库区拥有最长降水量观测序列的区域之一，也是三峡库区较为典型的代表区域。

1 数据来源与研究方法

1.1 数据来源

所用数据来源于国家气象科学数据中心——中国气象数据网（http：//data.cma.cn/data/）中国地面气候资料日值数据集，选取三峡库区内沙坪坝区气象站1951年1月1日至2020年12月31日的日值数据。在数据处理过程中，剔除重复数据，对于缺失的数据，利用三次样条法进行1 d等间距内插处理。利用日数据统计年降雨、大雨、暴雨日数，计算年降水量，并根据四季划分标准春季（3、4、5月）、夏季（6、7、8月）、秋季（9、10、11月）、冬季（12、1、2月）计算四季的降水量。

1.2 研究方法

1.2.1 Mann-Kendall检验。Mann-Kendall法是由曼（Mann）和肯德尔（Kendall）提出的一种非参数统计检验方法[7-8]，目前已广泛应用于气温、降水等气象要素的突变分析和趋势判断中。其优点是样本系列不需要服从一定分布，也不受少数异常值的干扰且计算简便，可以很好地反映时间序列的趋势变化，并明确突变开始的时间，指出突变区域[9]。

1.2.2 集合经验模态分解方法。集合经验模态分解法（Enesmble Emprirical Mode Decomposition，EEMP）是对1998年HUANG N E等[10]提出的经验模态分解（Empirical Mode Decomposition，EMD）方法的进一步改进，是一种新型自适应信号时频处理方法，在一定程度上解决了EMD法分解出现模态混叠进而降低分解精度的问题。EEMD方法实际上是通过在原始信号中添加满足标准偏离差[原始信号与添加白噪声后对应的本征模态函数（Intrinsic Mode Function，IMF）分量標准差的比值]等于四分之一信噪比（添加的高频成分与原始信号标准差的比值）的高斯白噪声来有效抑制模态混叠问题，再对加噪后的信号进行EMD分解。其IMF分量反映了信号的周期，分解剩余的RES分量显示信号的总体趋势[10]。

1.2.3 重标极差分析。重标极差分析即重新标度的极差分析（Rescaled Range Analysis，R/S），其基本数学原理是分形理论（标度不变性），标度指数变化能直接反映系统动力学结构特征的变化[11]。R/S分析能很好地估计时间序列的标度指数，其关键是计算Hurst指数。给定一个时间序列，计算出代表增长率或者衰减率的差分序列，然后计算出对应不同时滞的极差（R）和标准差（S），并求出两者的比值（R/S）。如果极差与标准差的比值随时滞而呈现出幂率分布的趋势，则幂指数就是Hurst指数，据此可以判断时间序列暗示的系统演化趋势。Hurst指数揭示了时间序列过去与未来变化趋势的相互关系，目前已广泛应用于判别气象或水文要素时间序列变化趋势的持续性或反持续性的强度[11]。

2 结果与分析

2.1 降水量时间分布特征

由图1（a）可知，1951—2020年，沙坪坝区年均降水量为1 113.43 mm，整体呈上升趋势。降水量最大值出现在1998年，为1 508 mm;最小值出现在1958年，为740.89 mm，前者约是后者的2倍。20世纪50年代到70年代，降水量的年际波动较大，70年代到90年代相对平稳，但90年代至今又表现出较大波动，尤其是1995—2015年，波动尤为显著。由图1（b）至图1（e）可知，除了秋季，沙坪坝区其他季节降水量总体均呈现上升趋势。沙坪坝区春、夏、秋、冬四季的平均降水量分别为162.28 mm、498.39 mm、359.90 mm、93.23 mm，呈现出典型的季节性特征，即夏秋季降水多，而冬春季降水少。夏季平均降水量占全年降水量的44.30%，其峰值出现在2007年，达到865.60 mm，占当年总降水量的60.26%。与年均降水量相似，夏季降水量在1995—2015年波动显著。值得注意的是，2010—2020年春季和秋季降水有所增加，但夏季和冬季降水没有表现出类似特征。

2.2 降雨日数、大雨日数和暴雨日数分析

本研究对沙坪坝区每年的降雨日数（降雨量≥0.01 mm）、大雨日数（降雨量≥25 mm）和暴雨日数（降雨量≥50 mm）进行统计，结果见图2。由图2可知，沙坪坝区的年降雨日数呈现出逐渐下降的趋势，而大雨日数和暴雨日数呈现出增加的趋势。从上文可知，沙坪坝区的年降水量在逐渐增多，但年降水日数逐渐较少，其结果表现为年大雨日数和暴雨日数逐渐增加，这可能增加该区发生洪涝灾害的潜在风险。

总体而言，年降雨日数呈现出稳定波动的下降趋势;年大雨日数和暴雨日数在20世纪50年代到70年代左右具有较为剧烈的波动，20世纪70年代到90年代波动较为平稳，但在20世纪90年代后又开始出现较为剧烈的波动。这一系列的波动变化与年降水量的波动变化具有相似之处。这表明沙坪坝区年降水量很可能主要受到大雨和暴雨的控制，最典型是1998年，该年降水量达到最大，同时大雨日数也最多，达到了19次。

2.3 年降雨日数和大雨日数突变特征

研究者分别对沙坪坝区年降水量、四季降水量、年降雨日数、大雨日数和暴雨日数做Mann-Kendall突变检验，发现仅有年降雨日数和大雨日数具有可信的突变点（见图3，其余图像没有可靠的突变点，故未给出）。图3（a）显示的是1982年年降水日数发生突变，年降水日数减少趋势显著。图3（b）显示年大雨日数在2017年发生突变，年大雨日数显著增加。

2.4 降水量的周期变化特征

对降水时间序列而言，传统的周期分析方法主要建立在傅立叶谱分析的基础上，虽然该方法可以在频域内获得极高的分辨率，但在时域方面分辨率极低。小波分析虽然在保留信号时域特征的同时提高了部分频域的分辨率，但是海森堡测不准原理限制了其时域和频域精度的提高，并且会产生许多虚假的谐波。希尔伯特变换相较于小波分析而言，尽管在局部时频特征上表现得更精细，但对宽波段信号的处理力不从心。集合经验模态分解方法是一种全新的处理非平稳数据序列的方法，它是对经验模态分解方法的改进，有效抑制了EMD方法分解出现模态混叠的现象，更好地提高了分解精度。利用EEMD方法对沙坪坝区1951—2020年的年降水量、各季节降水量时间序列进行逐级分解，得到5个IMF分量及一个趋势分量RES，5个IMF分量依次反映了从高频到低频不同时间尺度的波动特征（见图4）。为检验分解的可靠性，将分解得到的所有IMF分量及RES分量进行合成，发现合成得到的重构序列与原序列基本吻合，因此EEMD分解不会丢失原有数据所包含的信息，分解结果相对可靠。

各IMF分量表示不同尺度的变化，每一个IMF分量只是一个窄波段的信号。虽然一个IMF分量可能包含不同尺度变化的信息，但同一个时间段、不同IMF分量不会包含同一个尺度的波动信号。对于年降水量的分解结果，IMF 1表示2～3年的振荡，IMF 2表示6～7年的变率，IMF 3表示12～13年的波动，IMF 4表示19～20年的变率，IMF 5表示约68年的振荡。方差贡献率可以表示出每种尺度信号对原数据总体特征的影响程度。表1给出了年降水量每个周期组分的方差贡献率及其排名，5个IMF分量中有两个贡献率大于20%，分别是IMF 1和IMF 2，其中IMF 1的贡献率最大，达到了64.316 2%，对应着2～3年的周期;IMF 4的方差贡献率最小，仅0.601 2%。其余两个分量（IMF 3和IMF 5）方差贡献率不足10%。对四季降水量进行EEMD分析，得到类似的结果。EEMD分解得到的IMF 1和IMF 2的2～3和6～7年的周期与ENSO事件2～7年的周期相近，说明ENSO事件可能对沙坪坝区降水量序列波动有一定影响。

2.5 Hurst指数分析

为了对沙坪坝区未来降水趋势进行预测，本文运用R/S方法计算沙坪坝区年降水量和四季降水量的Hurst指数，得出的Hurst指数见表2。由表2可知，年降水量和四季降水量的Hurst指数依次为0.260 3、0.259 6、0.255 5、0.314 5和0.271 7，均表现出较强的减弱趋势。

3 结语

研究可知，除了秋季，沙坪坝区在1951—2020年的年降水量和春季、夏季、冬季降水量均呈现出增多的趋势。此外，沙坪坝区在研究时段的年降水日数呈现出减少的趋势，而年大雨日数和暴雨日数呈现出增多的趋势。其中，年降水日数在1982年出现突变，年大雨日数在2017年出现突变。对年降水量进行周期分解发现，2～7年的周期方差贡献率最大，这与ENSO事件发生的周期类似，表明沙坪坝区的年降水量的周期变化可能与ENSO事件有关。基于R/S方法计算的Hurst指数结果显示，沙坪坝区年降水量和四季降水量在未来可能呈现出减少的趋势。

参考文献：

[1]ALLEN S K， PLATTNER G K， NAUELS A， et al. Climate change 2013： The physical science basis. An overview of the working group 1 contribution to the fifth assessment report of the Intergovernmental Panel on Climate Change （IPCC）[M]. EGU General Assembly Conference Abstracts，2014：25.

[2]CAI W， SANTOSO A， WANG G， et al. Increased frequency of extreme Indian Ocean Dipole events due to greenhouse warming[J]. Nature，2014（7504）：254-258.

[3]陈祥义，肖文发，黄志霖，等.1951—2012年三峽库区降水时空变化研究[J].生态环境学报，2015（8）：1310-1315.

[4]李月臣，何志明.1982—2010年三峡库区（重庆段）降雨的时空动态变化[J].三峡生态环境监测，2016（3）：18-24.

[5]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（3）：482-488.

[6]杨胜勇，史雯雨，高剑飞，等.昆明市1951—2019年气候变化特征及趋势预测分析[J].江西科学，2020（3）：379-384.

[7]MANN H B. Non-parametric test against trend [J]. Econometrica，1945（13）： 245-259.

[8]KENDALL M G. Rank correlation methods [M].London： Charles Griffin，1975：28-29.

[9]魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，2007：43.

[10]HUANG N E， SHEN Z， LONG S R， et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J]. Proceedings of the Royal Society A： Mathematical， Physical and Engineering Sciences，1998（1971）：904-993.

[11]封国林，龚志强，支蓉.气候变化检测与诊断技术的若干新进展[J].气象学报，2008（6）：892-905.