扬州地区极端降水指标变化特征研究

朱梦妍 吴灏 马梦瑶 刘妍

摘要：极端降水是产生洪涝灾害的首要原因之一，对农业生产有着重要影响。本研究使用扬州地区日降水数据，研究了极端降水指标的年内、年际及周期性变化特征，探讨了降水频率及降水强度对总降水的影响，发现：在年内，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿期、强降水量和特强降水量均呈现先增加后减小的趋势;持续干期表现为先减小后增加的趋势。在年尺度上，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、强降水量、特强降水量及总降水量呈现增加的趋势;持续干期和持续湿期均呈现减小的趋势。一日暴雨存在3.8年的显著变化周期，三日暴雨、五日暴雨存在4年的显著变化周期，中雨日数、总降水量存在5.7年的显著变化周期，大雨日数、暴雨日数分别存在5.9年和5.8年的显著变化周期。降水频率变化对总降水量贡献均大于降水强度。研究结果可为扬州地区灌溉排水规划及防灾减灾提供参考依据。

关键词：极端降水指标  小波分析  变化趋势  扬州地区

Variation Characteristics of Extreme Precipitation Events of Yangzhou

ZHU Mengyan  WU Hao  MA Mengyao  LIU Yan

（College of Hydraulic Science and Engineering， Yangzhou University， Yangzhou， Jiangsu Province， 225009 China）

Abstract： Extreme precipitation is an important fact that lead to flood-waterlogging disaster and has an important impact on agricultural production. Based on the daily precipitation data in Yangzhou， this study studies the intra-annual， inter-annual and periodic variation characteristics of extreme precipitation indicators， and discusses the influence of precipitation frequency and precipitation intensity on total precipitation. It is found that： RX1 day， RX3 day， RX5 day， R10， R20， R50， SDII， CWD， R95p and R99p had increased trend and CDD had decreased trend within the year. RX1 day， RX3 day， RX5 day， R10， R20， R50， SDII， R95p， R99p and PRCTOT had increased trend， and CDD and CWD had decreased trend on the inter-annual. RX1 day had a significant 3.8 year periodicity， RX3 day and RX5 day had significant 4 year periodicity， R10 and PRCTOT had 5.7 year periodicity， R20 and R50 had 5.9 and 5.8 year periodicity. The effect of precipitation frequency on total precipitation is greater than hat of precipitation intensity. These findings might provide data for irrigation and drainage planning and disaster prevention and mitigation in Yangzhou.

Key Words：Extreme precipitation indices; Wavelet analysis; Variation trend; Yangzhou

大气中温室气体浓度的持续增加，导致全球及区域尺度的气候变暖，对农业生产及农田水管理产生重大影响。地面观测资料显示，20世纪全球地表平均温度增加了0.74℃，其中1950年后期上升趋势明显^[1];气候模式预测表明到21世纪末，全球地表温度将会增加0.3～4.8℃^[2]。气温增加将导致气压、风速^[3]及饱和水汽压等要素发生改变，进而导致地表蒸发强度和大气中平均水分含量增加^[4-5]。大气中平均水分含量增加可能会导致降水强度及降水频率发生改变^[6]，进而导致极端降水事件的发生。极端降水会引发洪涝灾害，导致作物减产等，进而影响自然生态系统和人类社会的发展^[7-8]。

扬州地区位于长江北岸、江淮平原南端，属于亚热带季风气候，四季分明，日照充足，雨量丰沛。降水强度和频率的变化將对该地区工农业生产产生重要影响。研究极端降水频率、强度和持续时间等的变化规律，对于制定科学减灾战略至关重要。基于此，本研究利用扬州日降水数据，统计计算极端降水指标，在此基础上分析扬州地区极端降水指标年内、年际变化及周期性变化特征，并探讨不同时间尺度降水强度及降水频率对总降水的影响，以期为农田排水工程的实施及自然灾害防御等提供参考数据。

2 材料及方法

2.1数据

本文采用的气象数据来自中国国家气象数据共享中心（available at www. nmic.gov.cn/），时间序列为1960—2019年。通过绘制降水时间序列图，以目视判断的方法查询可能存在的错误数据，其中错误和缺失的数据使用相一致的长时间序列的均值进行插补。极端降水指标（见表1）主要包括一日暴雨、三日暴雨、五日暴雨、中雨日数、大雨日数、暴雨日数、降水强度、持续干旱期、持续湿润期、强降水、特强降水、年总降水量等，使用matlab软件编程计算得出。

2.2 方法

2.2.1 趋势分析

线性回归分析被广泛应用于水文气象数据的时间变化趋势分析^[9]。本研究采用线性回归分析对年尺度极端降水指标的变化趋势进行分析。计算公式为：

y = ax + b     （1）

式中，a 为线性趋势项，即趋势系数;b为常数项。趋势系数为正（负）表示极端降水指标在所统计的时间内具有线性增加（减少）的变化趋势。再利用t检验对其线性变化趋势进行置信度水平检验。若趋势系数通过置信度较高的显著性检验，则变化趋势显著。

2.2.2 小波分析

小波分析（ wavelet analysis） 能够解析和推断气象及水文时间序列中存在的周期性的变化特征^[10-14]。使用 Morlet小波分析极端降水指标的周期性变化特征。对于时间序列，小波变换为：

式中，a为尺度因子，反映小波的周期长度;b为平移因子，反映时间上的平移。对于给定的能量有限信号，离散小波变换形式为：

通过对小波方差进行计算可以实现对时间序列主周期数值的确定，其中该数据的积分形式可以通过下式表示^[10]：

2.2.3 降水强度及降水频率对总降水影响分析

总降水量在一定时期内的变化是由降水频率和强度的变化引起的。本研究基于多元线性回归的方法来检验降水强度及降水频率对总降水的重要性^[15-17]。计算公式为：

PRCPTOT = aCWD + bSDII + c    （5）

式中，PRCPTOT为不同时间尺度总降水量（mm），CWD为降水频率 （d），SDII为降水强度 （mm），a、b、c为回归系数。

在总降水量变化中，降水频率和强度变化贡献计算公式为：

SCWD = aσCWD    （6）

SSDII = bσSDII    （7）

式中，S_CWD和S_SDII分别为总降水量中，降水频率和降水强度的贡献;σ_CWD和σ_SDII分别为降水频率和降水强度标准差。

3. 结果

3.1 极端降水指标年内变化特征

扬州地区极端降水指标年内变化如图1所示。在月尺度上，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿期、强降水量和特强降水量均呈现先增加后减小的趋势。其中，最大值均出现在7月，分别为70.4mm、98.8mm、117.6mm、5.5d、3.4d、2.8d、15.7mm/d、3.7d、69.2mm及67.23mm;最小值均出现在12月，分别为11.5mm、16.0mm、17.7mm、0.8d、0.2d、0.1d、4.1mm/d、2.0d、10.6mm及10.6mm。对于持续干期表现为先减小后增加的趋势。其中，最大值为18.1d，出现在12月;最小值为8.9d，出现在7月。

在季节尺度上，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿期、强降水量和特强降水量同样呈现先增加后减小的趋势。其中，最大值均出现在夏季，分别为92.9mm、127.9mm、148.5mm、13.5d、8.2d、6.7d、14.6mm/d、4.6d、115.8mm和84.7mm;最小值均出现在冬季，分别为19.7mm、28.7mm、34.0mm、3.0d、0.6d、0.3d、4.7mm/d、3.3d、19.4mm和18.7mm。对于持续干期表现为先减小后增加的趋势。其中，最大值为27.8d，出现在冬季;最小值为13.9d，出现在夏季。

3.2 极端降水指标年际变化特征

揚州地区极端降水指标年际变化如图2所示。一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、强降水量、特强降水量及总降水量呈现增加的趋势，增加速率分别为0.89mm/10a、4.68 mm/10a、5.19 mm/10a、0.59 d/10a、0.17d/10a、0.103 d/10a、0.108mm/d/10a、7.67 mm/10a、1.68 mm/10a和15.1 mm/10a。对于持续干期和持续湿期均呈现减小的趋势，减小速率为1.47 d/10a和0.018 d/10a。

在年代际尺度上，1960s～1970s，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿润期、强降水量、特强降水量及总降水量呈现减小的趋势，持续干旱期呈现增加的趋势（见表2）。1970s～1980s，一日暴雨、持续干旱期和特强降水量及总降水量呈现减小的趋势，三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿润期、强降水量、特强降水量及总降水量呈现增加的趋势（见表2）。1980s～1990s，一日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、降水强度、持续干旱期、强降水量、特强降水量及总降水量呈现增加的趋势，三日暴雨、五日暴雨、雨日数、持续湿润期呈现减小的趋势（见表2）。1990s～2000s，一日暴雨、三日暴雨、大雨日数、暴雨日数、持续干旱期、强降水量、特强降水量及总降水量呈现减小的趋势，五日暴雨、中雨日数、持续湿润期呈现增加的趋势（见表2）。2000s～2010s，一日暴雨、三日暴雨、五日暴雨、降水强度、大雨日数、暴雨日数、持续干旱期、强降水量、特强降水量及总降水量呈现增加的趋势，中雨日数、持续湿润期呈现减小的趋势（见表2）。

3.3 极端降水指标周期性变化特征

各极端降水指标小波变换及小波方差如图3所示。圖中虚线代表置信度为95%的红噪声检验，实线为小波影响锥。研究期内，扬州地区极端降水指数存在不同时间尺度的年际振荡。

一日暴雨存在3.8年的显著变化周期;1962—1971年、1975—1992年、2000—2015年期间变化显著，见图3（a）、 图4。三日暴雨、五日暴雨存在4年的显著变化周期，见图3（b）（c）;其中三日暴雨在1977—1996年、1999—2017年期间变化显著，五日暴雨在1965—1969年、1981—2016年期间变化显著，如图4所示。中雨日数、总降水量存在5.7年的显著变化周期，见图3（d）（i）;其中中雨日数1965—1979年、1991—1999年间变化显著，总降水量在1963—2003年、2012—2019年间变化显著，如图4所示。大雨日数、暴雨日数分别存在5.9年和5.8年显著变化周期，见图3（e）（f）;其中大雨日数在1961—2018年间变化显著，暴雨日数在1960—2019年间变化显著，如图4所示。

3.4 降水频率及降水强度对降水的影响

降水频率及降水强度对不同时间尺度总降水量有重要影响，是导致总降水量变化的主要原因。扬州地区降水频率及降水强度对总降水量的影响如图5、图6所示。在月尺度上，降水频率及降水强度对总降水量的贡献总体上呈现先增加后减小的趋势。降水频率及对总降水量贡献最大值为33.2 mm，出现在8月;最小值为7.2 mm，出现在12月。降水强度对总降水量贡献最大值为24.9 mm，出现在7月;最小值为5.8mm，出现在10月。其中，2月、3月和7月，降水频率及对总降水量贡献小于降水强度及对总降水量贡献，其他月份则大于降水强度及对总降水量贡献。

在季节尺度上，降水频率及降水强度对总降水量的贡献同样呈现先增加后减小的趋势。降水频率及降水强度对总降水量贡献最大值分别为26.1mm和17.7mm，出现在夏季;最小值分别为9.3 mm和8.1mm，均出现冬季。降水频率及对总降水量贡献均大于降水强度及对总降水量贡献。

4 结语

本文针对扬州地区1960—2019年的降水数据，采用趋势分析和小波分析的方法研究了不同时间尺度极端降水指标的变化特征及周期性变化规律，在此基础上探讨了降水频率及降水强度对降水量的影响。得到以下结论。

（1）在年内，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、持续湿期、强降水量和特强降水量均呈现先增加后减小的趋势。持续干期表现为先减小后增加的趋势。在年尺度上，一日暴雨、三日暴雨、五日暴雨、降水强度、中雨日数、大雨日数、暴雨日数、强降水量、特强降水量及总降水量呈现增加的趋势。持续干期和持续湿期均呈现减小的趋势。

（2）一日暴雨存在3.8年的显著变化周期，三日暴雨、五日暴雨存在4年的显著变化周期，中雨日数、总降水量存在5.7年的显著变化周期，大雨日数、暴雨日数分别存在5.9年和5.8年显著变化周期。

（3）年内，降水频率及降水强度对总降水量的贡献总体上呈现先增加后减小的趋势。在月尺度上，除2月、3月和7月，降水频率对总降水量贡献大于降水强度及对总降水量贡献。在季节尺度上，降水频率对总降水量贡献均大于降水强度对总降水量贡献。

参考文献：

FENG S， HU Q， HUANG W， et al. Projected climate regime shift under future global warming from multi-model， multi-scenario CMIP5 simulations [J]. Global and Planetary Change， 2014，112：41-52.

IPCC.Working Group I Contribution to the IPCC Fifth Assessment Report （AR5）， Climate Change 2013： The Physical Science Basis[M].Cambridge University Press， Cambridge， U K.

SENA J A， BESER DE DEUS L A， FREITAS M A V， et al.Extreme Events of Droughts and Floods in Amazonia： 2005 and 2009 [J].Water Resources Management，2012，26（6）：1665-1676.

RUSSO S， STERL A.Global changes in seasonal means and extremes of precipitation from daily climate model data [J].Journal of Geophysical Research： Atmospheres，2012，117（D1）：1-11.

SHERWOOD S， FU Q. A Drier Future？ [J].Science，2014，343（9172）：737-739.

ALLEN M R， INGRAM W J.Constraints on future changes in climate and the hydrologic cycle [J].Nature，2002，419：224-232.

袁业鹏.渭河流域极端气象水文事件特征分析[D].西安：长安大学，2021.

姚天.近60年淮河流域极端气候事件变化特征分析 [D].济南：济南大学，2021.

劉 伟，王梦雨，刘昕晔，等.1972～2017年河北省夏季降水的时空变化特征 [J].水电能源科学，2021，10 （39）：10-13.

王晓莹，景元书，鲁永新.近 40 年云南省极端降水时空变化特征分析 [J].科学技术与过程，2021，21（30）：12822-12832.

Hao Wu， Xiugui Wang， Yan Wang， et al. Temporal variations in reference evapotranspiration in Hubei Province， China， from 1960 to 2014 [J]. Theoretical and Applied Climatology， 2019， 135：433-448.

MIN XU， SHICHANG KANG， Hao WU， et al.Detection of spatio-temporal variability of air temperature and precipitation based on long-term meteorological station observations over Tianshan Mountains， Central Asia [J].Atmospheric Research，2018，203：141-163.

LING， H.B.， XU， H.L.， FU， J.Y.Temporal and spatial variation in regional climate and its impact on runoff in Xinjiang， China [J].Water Resour. Manag，2013，27：381-399.

高 瑞， 王龙， 张燕明， 等.基于SPEI的滇中季节性干旱时空特征分析 [J].云南农业大学学报：自然科学版，2019，34（3）：516-521.

XIN LI， XUAN WANG， VLADAN BABOVI.Analysis of variability and trends of precipitation extremes in Singapore during 1980-2013[J].International Journal of Climatology，2018，38：125-141.

LU E， TAKLE ES， MANOJ J.The relationships between climatic and hydrological changes in the upper Mississippi River Basin： a SWAT and multi-GCM study[J].Journal of hydrometeorology，2010，11（2）：437-451.

LU E， ZENG Y， LUO Y， et al. 2014.Changes of summer precipitation in China： the dominance of frequency and intensity and linkage with changes in moisture and air temperature[J].Geophys. Res. Atmos.，2014，119（22）：12575-12587.