1948～2016年全球主要气象要素演变特征

宁忠瑞,张建云,王国庆,4*

1948～2016年全球主要气象要素演变特征

宁忠瑞1,2,3,张建云2,3,4,王国庆1,2,3,4*

(1.河海大学水文水资源学院,江苏 南京 210098；2.水利部应对气候变化研究中心,江苏 南京 210029；3.长江保护与绿色发展研究院,江苏 南京 210098；4.南京水利科学研究院,水文水资源与水利工程科学国家重点实验室,江苏 南京 210098)

采用M-K趋势检验与R/S分析法,探究了近70a全球全年及各季节的降水、气温、蒸发量的演变特征与空间分布格局.研究发现:(1)1948～2016年间,全球72.7%地区的降水呈现出非显著的上升或下降趋势,全球总降水量呈现上升趋势,趋势率为1.9mm/10a;全球气温呈现显著性、持续的上升趋势,趋势率为0.23℃/10a,1980年后气温上升速率变快;1980～2016年间全球蒸发量在大部分地区呈现上升趋势,总蒸发量的变化趋势率为8.2mm/10a; Hurst指数显示气温与蒸发变化的持续性明显大于降水量的变化;(2)降水量在北半球高纬地区多呈现出非常显著的增加趋势,在低纬度地区多呈现波动或下降趋势,且在12月～次年5月(DJF、MAM)的上升趋势的显著性普遍高于其他两个季节;气温在DJF和MAM的上升趋势相对微弱,中高纬地区呈现非显著性的变化趋势,亚洲中部部分地区在JJA呈现出显著性的下降趋势;蒸发量在沿海湿润地区的上升趋势显著,美洲北部在DJF呈现出显著下降的趋势,格陵兰岛、尼罗河流域在一年四季均为下降趋势;(3)各大洲的气温在1948～2016年均呈现出显著的上升趋势,其中北美洲的平均上升率最高;降水除非洲外均为上升趋势,非洲地区的降水量呈现出下降趋势,南美洲降水呈现出3个阶段的下降趋势;各大洲的蒸发量均呈现上升趋势,其中欧洲的平均上升率最高;除大洋洲外,各大洲降水量的上升速率低于蒸发量的上升速率.

气候变化；演变特征；空间分布；M-K趋势检验；Hurst指数

由于自然作用和人类活动的影响,以全球变暖为主要特征的气候变化已成为公认的事实.全球变暖对人类的生存环境造成严重影响[1-3].政府间气候变化委员会(Intergovernmental Panel on Climate Change,IPCC)在第五次评估报告(AR5)中指出,根据过去100a的线性趋势估计,全球陆地平均温度上升了(0.85±0.20)℃,最近的30a可能是最热的30a[4].

最近几年,越来越多的人开始关注到全球气候的变化[4],气候变化表现最明显的方面为全球气温的上升,并影响了降水、蒸发等气候要素的变化.目前已有大量学者利用已有观测数据或再分析数据对不同区域的气候变化情况及其影响做出研究[5-6],如Sun等[7]利用GPCC提供的降水和气温资料,分析了近60年全球气温、降水的趋势、持续性、周期等演变特征,同时分析了不同区域内气温、降水的变化率.也有学者利用全球气候模式(Global Climate Models,GCMs)对未来不同情境下的气温、降水等要素进行预测[8-9].

在各气候要素变化的成因研究方面,人类活动释放的CO2与气溶胶被认为是影响气温升高的主要因素[4,10],阳黑子活动、火山喷发、板块运动等也会对全球气温变化产生一定影响[1,11-12];降水的变化在不同地区与季节的影响因素不同,气候变化通过影响海温[13-17]、季风强度[18]等,导致不同地区水汽输送条件发生变化[19],影响了不同地区的降水变化;蒸发量的变化主要受到热量、供水条件、风速与水汽压[20]等因素的影响,各地区蒸发量的变化与气温变化的关系并非简单线性关系[21-22].

对于气候要素演变特征的研究,目前主要的研究方法有利用M-K趋势检验法研究要素长序列变化趋势[23];利用小波分析计算要素长系列的时空演变特征与相关关系,研究要素变化的周期性特征,预估未来中长期要素序列的变化趋势[24];以及利用R/S方法计算要素长序列变化趋势的持续性特征等[25].

现有研究多聚焦在流域或地区尺度研究单个气候变化情况、成因及其影响,较少有研究在全球及大洲尺度计算多个气候要素的演变特征与空间分布格局.因此,本文分析了全球与各大洲年、季尺度上降水、气温、蒸发三要素演变特征的空间分布,以期提高对全球气候变化的认识,为全球水资源量变化研究提供基础.

1 数据与方法

1.1 数据来源与处理

气象数据来源于全球降水气候中心(Global Precipitation Climatology Centre,GPCC)提供的全球尺度0.5°×0.5°分辨率的降水数据(https://psl.noaa. gov/data/gridded/data.gpcc.html);地表气温来源于NOAA气候预测中心(Climate Prediction Center,CPC) 提供的基于观测资料的全球尺度0.5°×0.5°分辨率的地表气温格点数据(https://psl.noaa.gov/data/ gridded/data.ghcncams.html),降水与气温数据的时间均为1948～2016年;蒸发数据采用荷兰阿姆斯特丹大学研发的基于卫星数据再分析的GLEAM(Global Land Evaporation Amsterdam Model,https://www. gleam.eu)产品,时间为1980～2018年,空间分辨率为0.25°×0.25°,通过算术平均法获得0.5°×0.5°分辨率的格点数据.以上数据产品均为逐月数据.

由于本文使用的降水与蒸发数据为卫星再分析数据或通过插值获得的全球尺度数据,因此数据的区域适用性分析是证明数据合理的重要步骤.国内外很多学者对本文使用数据进行过研究,对比数据与实测资料之间的差异,结果表明本文使用数据在不同尺度区域内的适用性较好,对变量的模拟结果与实测结果相似,且在趋势计算结果方面更接近于实际观测值的计算结果[26-32];综合认为,本文利用选取的数据进行主要气象要素演变特征的分析是合理的.

为方便研究,本文将全年划分为4个季节:12月、1月、2月(DJF)为北半球冬季;3月、4月、5月(MAM)为北半球春季;6月、7月、8月(JJA)为北半球夏季;9月、10月、11月(SON)为北半球秋季.

1.2 研究方法

1.2.1 Mann-Kendall趋势检验 在研究全球1948～2016年降水、气温、蒸发量的变化趋势时采用Mann-Kendall(M-K)检验方法.M-K检验是用于分析数据序列随时间变化趋势的一种非参数的统计检验方法[23,33].水文气象数据是随机且非正态分布的,而该方法不需数据服从特定的分布,同时检验范围较宽,因此该方法在水文气象要素的趋势性检验中应用被广泛采用[34-35].对于给定的置信水平,当||>1-/2时,拒绝原假设,即在置信水平上,该时间序列具有显著性的变化趋势.当1.96<||£2.58时,表明序列在0.05的置信水平上具有显著的变化趋势; 当||>2.58时表明序列在0.01的置信水平上具有显著的变化趋势.

1.2.2 Hurst指数 Hurst指数能定量描述时间序列的长程依赖性,在M-K检验的基础上,常采用R/S方法计算序列的Hurst指数[25].R/S法是一种非线性的科学预测方法,对正态分布和非正态分布的序列都有很好的适用性[36].Hurst指数的范围在0～1之间,当> 0.5时,表明序列未来的趋势与过去是一致的,且越接近于1,趋势的持续性越强;当<0.5时,表明未来的趋势与过去相反,这一过程具有反持续性,且当越接近于0,反持续性越强;= 0.5表明序列未来的趋势与先前的事件没有关系.

2 结果与分析

2.1 全球降水、气温、蒸发变化的空间分布

2.1.1 全球年、季气温及其变化趋势 如图1(a)所示,气温在全球呈现出较为明显的随纬度和季节的变化趋势,但气温受地形的影响相对更大,如青藏高原的年、季气温均明显低于周边地区同期气温.南美洲西部智利等国家地区受安第斯山脉的影响,气温亦明显低于同纬度其他地区.

图1 1948～2016年全年和各季节全球年、季气温及其变化趋势

如图1(b)所示,演变趋势方面,1948～2016年间研究区域的年平均气温有94.2%的区域呈现出上升趋势,其中显著上升的区域占比为87.0%,大多数地区的Hurst指数在0.5～1之间,表明气温升高的趋势在这些地方可能会持续下去.在个别高纬度地区如俄罗斯北部Hurst指数低于0.5,表明这些地区未来温度的变化趋势不依赖或弱依赖于以前的值.

从季节来看,各季节的温度均有显著的上升趋势,北非、中东半岛部分地区在DJF出现显著的下降趋势,俄罗斯西北部,美国大部分地区在DJF也呈现出不显著的上升趋势,但该地区的Hurst指数大多在0.5左右,表明该地区气温变化趋势的持续性较弱.此项成果与Bekryaev等[37]的研究结果存在差异.其根据高纬度地区气象陆地站实测资料分析认为,高纬度地区的气温上升速度远高于北半球平均速度.分析认为,研究结果的差异来源于资料不同以及研究时段的差异.Rapaić等[38]对比了不同降水与气温在北半球高纬地区的差异,认为气温数据在高纬度地区的波动性较大.同时,研究时段的不同也会导致结果的差异,Bekryaev等[37]的研究成果发现59°N以北地区的全年及各季节气温在1970年附近出现突变,由下降趋势转为上升趋势.由于本文研究时段包含气温上升与下降的两个阶段,因此两阶段气温总体的变化趋势率小于上升阶段的变化趋势率;且研究时段内同时包含气温的上升与下降,与本文结果中显示的气温变化的Hurst指数较小一致.

除此之外,中亚地区、格陵兰岛西南部在JJA也呈现出显著性的下降趋势,且该地区Hurst指数较高,表明北半球小部分地区夏季气温的下降趋势显著且持续.分地区来看,日本、印度尼西亚、英国、古巴等岛国的气温上升趋势最为明显且持续,深居内陆的国家气温上升趋势相对较小.

图2 1948～2016年全年和各季节全球年、季降水量及其变化趋势

2.1.2 全球年、季降水量及其变化趋势 如图2(a)所示,降水的空间分布与气温大致相同,除受到大地形区如高原、沙漠等影响外,全球大部分地区的降水量分布具有典型的随纬度分布的特征.全球年平均降水量的最大值分布在赤道附近,最大超过9000mm/a,最小值分布于非洲北部撒哈拉沙漠、中东半岛及澳大利亚中西部沿海等典型干燥地区,多年平均降水量接近于0.同时降水量的空间分布并不完全与纬度带相匹配,赤道穿过的地区,非洲西部的降水量明显大于非洲东部,南美洲西北部降水量明显大于东北部;喜马拉雅山脉南麓是区域降水量分布的高值区;美国东部降水量大于西部等.在季节上,单季降水量最大值出现在JJA,即北半球夏季,最大值接近4860mm/季.降水量的全球分布具有明显的季节特征,北半球大多数地区降水集中在MAM和JJA两季,南半球大多数地区降水集中在SON和DJF两季.

如图2(b)所示,从变化趋势来看,全球绝大多数地区降水量的变化呈现出非显著性上升(0<<1.96, 40.2%)和非显著性下降(-1.96<<0,32.5%)的趋势,呈现下降趋势的地区主要分布在非洲、亚洲中部、亚马逊雨林中部及澳大利亚东部沿海地区等低纬度地区,其中几内亚湾地区、中东半岛在全年及各季节上均呈现出显著的下降趋势;亚欧大陆北部、格陵兰岛地区等中高纬度地区呈现出显著性的上升趋势.在季节上,除亚欧大陆北部地区在夏季(JJA)的上升趋势明显弱于其他3个季节外,各地区降水量变化趋势的季节特征不明显.

如图2(c)所示,全球大部分地区降水量的Hurst指数大于0.5,特别是变化趋势呈现出显著性上升和下降的地区,Hurst指数大于0.7甚至接近于1,表明降水在这些地区的增加或减少是持续的.

气温变化会影响降水量的变化,主要体现在大尺度气候系统对陆地降水量的影响,ENSO会影响陆地极端降水事件[14-15],AO则影响了中高纬度地区冬季的降水变化[7,16-17],北美洲、南欧、非洲、中东地区的干燥趋势可能与气候系统的内部变化有关.20世纪40年代以来北极变暖明显,北极涛动减弱,极地地区的冷空气活动更容易影响到中高纬度的陆地地区,使冬季更易受寒潮等天气的影响[13],此即对应了亚欧大陆北部在SON和DJF气温变化的显著性明显低于其他地区(图2);同样,由图1、2显示出的欧洲地区的变暖趋势、南欧地区降水量增加趋势低于北欧等现象与北大西洋涛动(North Atlantic Oscillation,NAO)有关[39-41],非洲南部降水量减少、温度增加的趋势(图1、2)被认为与ENSO的增强有关[42-43].

风速与风向对降水量的分布同样有重要的影响.Matthew等[44]的研究表明,非洲西部的风切变的空间分布与对流降水的季节分布非常一致;Linden等[45]的观测显示,几内亚湾地区夜间季风显著减少,较低的相对湿度导致该地区云量减少,即图1显示出的西非几内亚湾地区降水减少的趋势.北美洲在DJF的降水量与南美洲北部在JJA、SON的降水量呈现下降趋势被认为与海表升温造成的大气稳定性增加,对流减弱导致北美季风减弱有关[18].

2.1.3 全球年、季蒸发及其变化趋势 由于地面实际蒸散发量受地面供水条件即降水量、土壤含水量等的影响较大,因此年、季蒸发量的空间格局主要与降水相似.由图3(a)可以看出,全年蒸发量极大值集中在赤道附近、热带雨林气候区等降水量大、供水充足的地区,极小值出现在沙漠气候区、格陵兰岛等高纬度冰川地区.各地蒸发量的年内变化基本符合季节的变化.

如图3(b)所示,全球78.1%的地区年蒸发量呈现出上升趋势,部分地区如格陵兰岛、非洲东北部尼罗河流域、南美洲东部、美国西海岸等呈现出下降趋势.但这些地区年蒸发量的Hurst指数在0.5左右或更低,表明蒸发量的下降趋势并不持续.分季节来看,北半球高纬度地区除欧洲外在DJF的季蒸发量呈现出下降趋势且较为持续,在MAM仅有尼罗河流域出现了显著的蒸发量下降趋势,格陵兰岛在各个季节均呈现出不同程度的下降趋势,而欧洲在各个季节均呈现出稳定、持续的上升趋势.

结合全球全年及各季节的气温、降水、蒸发变化趋势的空间格局可看出,全球大部分地区呈现出变暖的趋势.从降水与蒸发变化的年内分布来看,大部分地区趋向于分布的不均匀,夏季降水量的上升趋势大于冬季,极端降水等气候事件发生的概率增大.

图4给出了气温、降水和蒸发不同显著变化区域的百分比,可以看出:全球全年及各季节的降水量以上升为主要趋势,72.7%的地区降水处于不显著的变化趋势,其中JJA的降水量变化最不显著,在全球降水栅格数据中有85%的地区处于不显著上升或下降趋势;全球气温在94.2%的地区呈现出上升趋势,其中超过60%的地区为非常显著上升趋势,说明全球气温整体正处于上升阶段;全球蒸发量在78.1%的地区呈现出上升趋势,在上升的地区中约44%为不显著上升趋势;DJF的蒸发量上升趋势相对微弱,全年平均蒸发量的上升趋势最为显著.

图3 1980～2016年全年和各季节全球年、季蒸发量及其变化趋势

图4 全球年、季气温、降水、蒸发变化统计结果

2.2 各大洲降水、气温、蒸发的演变特征

2.2.1 各大洲年降水、气温、蒸发演变特征 如图5所示,从全球尺度看,降水量、气温、蒸发量三者的趋势是一致的,均为上升趋势,3个要素中降水的波动性较强,蒸发量变化的趋势性最为明显.全球气温在1948～2016年变化的平均趋势率为0.23℃/10a,与IPCC第四次报告中提出的全球地面温度平均上升率相同,其中在1972年以前温度一直处于波动状态,1972年后开始迅速上升,平均上升率达到0.38℃/ 10a.

图5 全球及各大洲降水量、气温、蒸发量逐年序列

火山活动的影响也是气候变化的一个重要原因.火山气溶胶与CO2都是重要的自然强迫因子[46].火山气溶胶的作用使得太阳辐射被散射的部分增加,地球反照率上升,使得地球表面和对流层温度降低,影响可达3～5a[12].部分学者认为,全球气温在21世纪初期的增速放缓被认为和小型火山喷发有关[12,47-48],但从计算结果来看,全球及各大洲平均气温的变化趋势在21世纪初并未呈现出显著的放缓现象.分析认为,火山气溶胶的作用使地球反照率上升,太阳辐射被散射部分增加,但火山气溶胶的辐射强迫又存在温室效应.同时由于全球范围内研究的空间尺度较大,影响气温变化的强迫因子非常复杂,各因子对气温变化的影响效果可能出现相互冲突抵消,因此在计算结果中并未观测到气温增速放缓的现象.

年降水量在各大洲的演变特征并不相同.除非洲外,各大洲1948～2016年的降水序列均显示出了上升趋势,其中平均变化率最高的为欧洲,达到8.6mm/10a,最低为南美洲,仅有1.1mm/10a,低于全球降水量的平均变化率,且南美洲的降水量虽总体上呈现上升趋势,但是在年代分布上可以看出3个明显的下降阶段,分别为1950～1958年、1972～1984年、1990～2014年,下降阶段的平均变化率最高约为38.4mm/10a.大洋洲的年降水量表现出最明显的波动上升趋势.

各大洲的气温均显示出了较为明显的上升趋势,平均上升率最为明显的为美洲,达到0.3℃/10a.20世纪70年代之后,亚洲、非洲、北美洲与全球气温一样以越来越快的速率上升,欧洲、南美洲与大洋洲以与原来相似的速率继续上升.

在蒸发量的演变特征方面,各大洲同样均呈现出明显的上升趋势,最大平均上升率出现在欧洲,约为16.5mm/10a,约为全球蒸发量平均变化率的2倍;最小平均上升率出现在南美洲,约为3.2mm/10a.与降水相似,南美洲的蒸发量同样出现了先下降后上升的趋势,在1995年附近出现转折点,在转折点后年蒸发量约以9.9mm/10a的速率上升,高于全球蒸发量平均变化率.

蒸发量的变化对陆地生态系统有重要的影响,南美洲的蒸发量在1994年左右出现了转折点,从下降趋势转为上升趋势,这与Chen等[22]的观测结果相似.土壤含水量(水分供应条件)与净辐射量(热力、动力条件)是驱动蒸发量变化的主要因素[49-50], Gilliland等[20]发现南美洲地区1980～2014年的近地面风速在全年和各季节均呈现下降趋势, Barkhordarian等[51]发现南美洲的水汽压在1994年前后出现拐点,二者相互作用是导致南美洲1994年前后蒸发量变化趋势出现拐点的主要原因[21].

综合来看,全球及各大洲降水量的平均变化率普遍低于蒸发量的平均变化率,全球各地平均情况为变暖同时变干燥.

2.2.2 各大洲季气温、降水、蒸发演变特征 如表1所示,全球各地年及季平均气温均呈现出显著的上升趋势,M-K检验值大多通过了置信水平为99%的显著性检验.年平均气温的最大趋势率出现在美洲,达到0.27℃/10a,高于全球年气温变化平均趋势率,非洲和大洋洲的趋势率略低于全球气温上升速度; 各地气温的Hurst指数均大于0.5,甚至接近于1,表明全球气温仍有较为持续的增长趋势.分季节来看,大多数地区的气温在JJA和SON的上升趋势比在DJF和MAM更为显著,北美洲在DJF的气温序列出现了各大洲季节气温变化趋势率的最大值,达到0.42℃/10a.

表1 六大洲全年、季气温、降水、蒸发变化的趋势率(β)、M-K检验值(Z)及Hurst指数(H)

注:加粗部分为趋势性检验结果通过0.05置信水平的显著性检验, 气温变化趋势率单位为℃/a, 降水、蒸发变化趋势率单位为mm/a.

从全年平均降水量来看,非洲呈现出显著的下降趋势,其余五大洲呈现出不同显著性的上升趋势,显著上升区域的年平均降水量变化率为2.8mm/ 10a～8.5mm/10a.六大洲年降水量的Hurst指数均大于0.5,表明降水量有持续变化的趋势.分季节及地区来看,南美洲和大洋洲在全年及四个季节的降水量变化均不显著,非洲、欧洲、北美洲仅有一个季节的变化不显著,亚洲则在JJA和SON两个季节变化不显著.在全年和DJF降水量的变化趋势中,非洲是唯一一个呈现下降趋势的大洲;在MAM非洲和大洋洲的降水均呈现出了下降趋势且非洲的趋势性通过了置信水平为99%的显著性检验,但这两个大洲在MAM降水序列的Hurst指数均小于0.5,表示出一些反持久性,表明未来降水量的变化与先前并不一定呈现同样的趋势.亚洲在JJA降水序列的M-K检验值为-0.317,表示其有不显著的下降趋势,但序列的回归系数大于0,表示序列整体上呈现出微弱的上升趋势,二者出现冲突,表明亚洲在JJA的降水序列呈现出较为明显的波动趋势.总体来看,亚洲、欧洲、北美洲3个大部分处于北半球中高纬度的大洲降水量的增长趋势比较强劲,南美洲及大洋洲的降水量则更多的呈现出微弱上升或波动趋势.

6个大洲年和季平均蒸发量的变化趋势均有不同程度的上升.从全年蒸发量来看,除大洋洲外,其余地区的蒸发量均呈现出显著的上升趋势,最大上升趋势率出现在欧洲,达到16mm/10a,最小趋势率出现在南美洲,仅为3.3mm/10a.分季节及地区来看,DJF的蒸发序列仅有南美洲呈现出了不显著的上升趋势,非洲的蒸发序列Hurst指数小于0.5,表明该序列存在一定的反持续性.亚洲和非洲在MAM的蒸发序列呈现出较为显著的上升趋势.大洋洲在JJA的蒸发序列M-K检验值与回归系数显示出的趋势出现冲突且M-K检验值未达到95%的显著性水平,说明该序列呈现一定的波动.总体来看,各区域的年及季节蒸发量的变化趋势与降水量的变化趋势较为一致.

3 结论

3.1 1948～2016年间,全球72.7%的地区年降水呈现出非显著的变化趋势,全球总降水量呈现上升趋势,趋势率为1.9mm/10a;全球气温呈现显著性、持续的上升趋势,趋势率为0.23℃/10a,1980年后气温上升速率变快; 1980～2016年间全球蒸发量在78.1%的地区呈现上升趋势,总蒸发量的变化趋势率为8.2mm/10a; Hurst指数显示气温与蒸发变化的持续性明显大于降水量的变化.

3.2 降水量在北半球高纬地区多呈现出显著非常显著的增加趋势,在低纬度地区多呈现波动或下降趋势,且在DJF、MAM上升趋势显著性普遍高于其他两个季节;气温在DJF和MAM的上升趋势相对微弱,中高纬地区呈现非显著性的变化趋势,亚洲中部部分地区在JJA呈现出显著性的下降趋势;蒸发量在沿海湿润地区的上升趋势显著,美洲北部在DJF呈现出显著下降的趋势,格陵兰岛、尼罗河流域在一年四季均为下降趋势;

3.3 各大洲的气温在1948～2016年均呈现出显著的上升趋势,其中北美洲的平均上升率最高;降水除非洲外均为上升趋势,非洲地区的降水量呈现出下降趋势,平均趋势率为-7.3mm/10a,南美洲降水呈现出3个阶段的下降趋势;大多数地区在JJA的降水量呈现下降趋势,其中非洲为显著下降趋势,北美洲为显著上升趋势,MAM与SON的降水量各有两个大洲为下降趋势;各大洲的蒸发量均呈现上升趋势,其中欧洲的平均上升率最高;除大洋洲外,各大洲降水量的上升速率低于蒸发量的上升速率.

[1] 段青云,夏 军,缪驰远,等.全球气候模式中气候变化预测预估的不确定性[J]. 自然杂志, 2016,38(3):182-188.

Duan Q Y, Xia J, Miao C Y, et al. The uncertainty in climate change projections by global climate models. Chinese Journal of Nature, 2016,38(3):182-188.

[2] 夏 军,刘春蓁,任国玉.气候变化对我国水资源影响研究面临的机遇与挑战[J]. 地球科学进展, 2011,26(1):1-12.

Xia J, Liu C Z, Ren G Y. Opportunity and challenge of the climate change impact on the water resource of China [J]. Advances in Earth Science, 2011,26(1):1-12.

[3] Wang J, Xu C, Hu M, et al. Global land surface air temperature dynamics since 1880 [J]. International Journal of Climatology, 2018, 38:e466-e474.

[4] Ipcc. Climate change 2013: The physical science basis [M]. Cambridge: Cambridge University Press, 2013.

[5] Abolverdi J, Ferdosifar G, Khalili D, et al. Recent trends in regional air temperature and precipitation and links to global climate change in the Maharlo watershed, Southwestern Iran [J]. Meteorology and Atmospheric Physics. 2014,126(3/4):177-192.

[6] Sun Q, Miao C, Duan Q, et al. Would the 'real observed dataset stand up? A critical examination of eight observed gridded climate datasets for China [J]. Environmental research letters, 2014,9(1):15001.

[7] Sun Q, Kong D, Miao C, et al. Variations in global temperature and precipitation for the period of 1948 to 2010 [J]. Environmental Monitoring and Assessment, 2014,186(9):5663-5679.

[8] Gu G, Adler R F. Spatial patterns of global precipitation change and variability during 1901～2010 [J]. Journal of Climate, 2015,28(11): 4431-4453.

[9] Nilawar A P, Waikar M L. Impacts of climate change on streamflow and sediment concentration under RCP 4.5and 8.5: A case study in Purna river basin, India [J]. Science of The Total Environment, 2019, 650:2685-2696.

[10] 张建云,王国庆.气候变化对水文水资源影响研究[M]. 北京:科学出版社, 2007.

Zhang J Y, Wang G Q. Impact of climate change on hydrology and water resources [M]. Beijing: Science Press, 2007.

[11] 严中伟,丁一汇,翟盘茂,等.近百年中国气候变暖趋势之再评估[J]. 气象学报, 2020,78(3):370-378.

Yan Z W, Ding Y H, Zhai P M, et al. Re-assessing climatic warming in China since the last century [J]. Acta Meteorologica Sinica, 2020, 78(3):370-378.

[12] 满文敏,左 萌.CMIP6火山强迫的气候响应模拟比较计划(VolMIP)概况与评述[J]. 气候变化研究进展, 2019,15(5):526-532.

Man W M, Zuo M. Short commentary on CMIP6 Model Intercomparison Project on the climatic response to Volcanic forcing (VolMIP) [J]. Climate Change Research, 2019,15(5):526-532.

[13] Cohen J, Screen J A, Furtado J C, et al. Recent Arctic amplification and extreme mid-latitude weather [J]. Nature Geoscience, 2014,7(9): 627-637.

[14] Li X, Zhang K, Gu P, et al. Changes in precipitation extremes in the Yangtze River Basin during 1960～2019 and the association with global warming, ENSO, and local effects [J]. Science of The Total Environment. 2020,760:144244.

[15] Mohammadi K, Goudarzi N. Study of inter-correlations of solar radiation, wind speed and precipitation under the influence of El Niño Southern Oscillation (ENSO) in California [J]. Renewable Energy, 2018,120:190-200.

[16] 梁苏洁,赵 南,丁一汇.北极涛动主模态下北极冷空气的优势路径和影响地区的研究[J]. 地球物理学报, 2019,62(1):19-31.

Liang S J, Zhao N, Ding Y H. Dominant trajectories and influenced regions of the near-surface cold air in the Arctic during positive and negative AO/NAM events [J]. Chinese Journal of Geophysics, 2019, 62(1):19-31.

[17] 龚道溢,王绍武.近百年北极涛动对中国冬季气候的影响[J]. 地理学报, 2003,58(4):559-568.

Gong D Y, Wang S W. Influence of Arctic Oscillation on winter climate over China [J]. Acta Geographica Sinica, 2003,58(4):559- 568.

[18] Pascale S, Boos W R, Bordoni S, et al. Weakening of the North American monsoon with global warming [J]. Nature Climate Change, 2017,7(11):806-812.

[19] 刘芸芸,丁一汇.2020年超强梅雨特征及其成因分析[J]. 气象, 2020,46(11):1393-1404.

Liu Y Y, Ding Y H. Characteristics and possible causes for the extreme meiyu in 2020 [J]. Meteorological Monthly, 2020,46(11): 1393-1404.

[20] Gilliland J M, Keim B D. Surface wind speed: trend and climatology of Brazil from 1980～2014 [J]. International Journal of Climatology, 2018,38(2):1060-1073.

[21] Li Z, Chen Y, Shen Y, et al. Analysis of changing pan evaporation in the arid region of Northwest China [J]. Water Resources Research, 2013,49(4):2205-2212.

[22] Chen Y, Li Z, Fan Y, et al. Progress and prospects of climate change impacts on hydrology in the arid region of northwest China [J]. Environmental Research, 2015,139:11-19.

[23] Bao Z, Zhang J, Wang G, et al. The impact of climate variability and land use/cover change on the water balance in the Middle Yellow River Basin, China [J]. Journal of Hydrology, 2019,577:123942.

[24] 严小林,张建云,鲍振鑫,等.海河流域近500年旱涝演变规律分析[J]. 水利水运工程学报, 2020,2020(4):17-23.

Yan X L, Zhang J Y, Bao Z X, et al. Evolution of drought and flood in the Haihe Rvier Basin for the last 500 years [J]. Hudro-Science and Engineering, 2020,2020(4):17-23.

[25] 刘 静,龙爱华,李 江,等.近60年塔里木河三源流径流演变规律与趋势分析[J]. 水利水电技术, 2019,50(12):10-17.

Liu J, Long A H, Li J, et al. Analysis on runoff evolution laws and trends of three source-streams of Tarim River in recent 60years. Water Resources and Hydropower Engineering, 2019,50(12):10-17.

[26] Lee J, Lee E, Seol K. Validation of integrated multisatellitE retrievals for GPM (IMERG) by using gauge-based analysis products of daily precipitation over East Asia [J]. Theoretical and Applied Climatology, 2019,137(3/4):2497-2512.

[27] Prakash S, Gairola R M, Mitra A K. Comparison of large-scale global land precipitation from multisatellite and reanalysis products with gauge-based GPCC data sets [J]. Theoretical and Applied Climatology, 2015,121(1/2):303-317.

[28] 王 丹,王爱慧.1901～2013年GPCC和CRU降水资料在中国大陆的适用性评估[J]. 气候与环境研究, 2017,22(4):446-462.

Wang D, Wang A H. Applicability assessment of GPCC and CRU precipitation products in China during 1901 to 2013 [J]. Climatic and Environmental Research, 2017,22(4):446-462.

[29] Sun Q, Miao C, Duan Q, et al. A review of global precipitation data sets: Data sources, estimation, and intercomparisons [J]. Reviews of Geophysics. 2018,56(1):79-107.

[30] Fan Y, van den Dool H. A global monthly land surface air temperature analysis for 1948–present [J]. Journal of Geophysical Research, 2008, 113(D1).

[31] Tarek M, Brissette F P, Arsenault R. Large-scale analysis of global gridded precipitation and temperature datasets for climate change impact studies [J]. Journal of Hydrometeorology, 2020,21(11):2623- 2640.

[32] 任立良,卫林勇,江善虎,等.CHIRPS和GLEAM卫星产品在中国的干旱监测效用评估[J]. 农业工程学报, 2019,35(15):146-154.

Ren L L, Wei L Y, Jiang S H, et al. Drought monitoring utility assessment of CHIRPS and GLEAM satellite products in China [J]. Transactions of the Chinese Society of Agricultural Engineering, 2019,35(15):146-154.

[33] Guan X, Zhang J, Elmahdi A, et al. The capacity of the hydrological modeling for water resource assessment under the changing environment in semi-arid river basins in China [J]. Water, 2019, 11(7):1328.

[34] 姜 瑶,徐宗学,王 静.基于年径流序列的五种趋势检测方法性能对比[J]. 水利学报, 2020,51(7):845-857.

Jiang Y, Xu Z X, Wang J. Comparison among five methods of trend detection for annual runoff series [J]. J Hydraul Eng, 2020,51(7):845- 857.

[35] 王乐扬,李清洲,王金星,等.变化环境下近60年来中国北方江河实测径流量及其年内分配变化特征[J]. 华北水利水电大学学报(自然科学版), 2020,41(2):36-42.

Wang L Y, Li Q Z, Wang J X, et al. The variation characteristics of recorded runoff and its annual distribution in North China during the recent 60 years in the context of environment change [J]. Journal of North China University of Water Resources and Electric Power(Natual Science Edition), 2020,41(2):36-42.

[36] Huang H, Zhang B, Cui Y, et al. Analysis on the characteristics of dry and wet periods in The Yangtze River Basin [J]. Water, 2020, 12(11):2960.

[37] Bekryaev R V, Polyakov I V, Alexeev V A. Role of polar amplification in long-term surface air temperature variations and modern Arctic warming [J]. Journal of Climate, 2010,23(14):3888- 3906.

[38] Rapaić M, Brown R, Markovic M, et al. An evaluation of temperature and precipitation surface-based and reanalysis datasets for the Canadian Arctic, 1950～2010 [J]. Atmosphere-ocean, 2015,53(3): 283-303.

[39] Lüdecke H, Cina R, Dammschneider H, et al. Decadal and multidecadal natural variability in European temperature [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2020,205:105294.

[40] Montaldo N, Sarigu A. Potential links between the North Atlantic Oscillation and decreasing precipitation and runoff on a Mediterranean area [J]. Journal of Hydrology, 2017,553:419-437.

[41] Hurrell J W, VAN Loon H. Decadal variations in climate associated with the north atlantic oscillation [J]. Climatic Change, 1997,36(3): 301-326.

[42] Hao Z, Zhang X, Singh V P, et al. Joint modeling of precipitation and temperature under influences of El Niño Southern Oscillation for compound event evaluation and prediction [J]. Atmospheric Research, 2020,245:105090.

[43] Hao Y, Hao Z, Feng S, et al. Response of vegetation to El Niño-Southern Oscillation (ENSO) via compound dry and hot events in southern Africa [J]. Global and Planetary Change, 2020,195: 103358.

[44] Matthew O J, Ayoola M A. Seasonality of wind speed, wind shears and precipitation over West Africa [J]. Journal of Atmospheric and Solar-Terrestrial Physics, 2020,207:105371.

[45] Linden R, Knippertz P, Fink A H, et al. The influence of DACCIWA radiosonde data on the quality of ECMWF analyses and forecasts over southern West Africa [J]. Quarterly Journal of the Royal Meteorological Society, 2020,146(729):1719-1739.

[46] Crowley T J. Causes of climate change over the past 1000 years [J]. Science, 2000,289(5477):270-277.

[47] Santer B D, Bonfils C, Painter J F, et al. Volcanic contribution to decadal changes in tropospheric temperature [J]. Nature Geoscience, 2014,7(3):185-189.

[48] Xiao D, Li J. Mechanism of stratospheric decadal abrupt cooling in the Early 1990s as influenced by the Pinatubo eruption [J]. Chinese Science Bulletin. 2011,56(8):772-780.

[49] Miralles D G, De Jeu R A M, Gash J H, et al. Magnitude and variability of land evaporation and its components at the global scale [J]. Hydrology and Earth System Sciences, 2011,15(3):967-981.

[50] 夏 琼,王 旭,窦 顺,等.土体水分潜在蒸发确定方法研究进展[J]. 干旱区地理, 2018,41(4):793-801.

Xia Q, Wang X, Dou S, et al. Advances on determining potential evaporation of soil moisture [J]. Arid Land Geography, 2018,41(4): 793-801.

[51] Barkhordarian A, Saatchi S S, Behrangi A, et al. A recent systematic increase in vapor pressure deficit over tropical South America [J]. Scientific Reports, 2019,9(1).

Variation and global pattern of major meteorological elements during 1948～2016.

NING Zhong-rui1,2,3, ZHANG Jian-yun2,3,4, WANG Guo-qing1,2,3,4*

(1.College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China；2.Research Center for Climate Change, Ministry of Water Resources, Nanjing 210029, China；3.Yangtze Institute for Conservation and Development, Nanjing 210098, China；4.State Key Laboratory of Hydrology-Water Resources and Hydraulic Engineering, Nanjing Hydraulic Research Institute, Nanjing 210029, China)., 2021,41(9)：4085～4095

The variation and global distribution of precipitation, temperature and evaporation over 70years were investigated by using Mann Kendall test and R/S analysis. The results showed that: (1) During 1948～2016, the precipitation in 72.7% regions showed an insignificant increasing or decreasing trend, and the global precipitation presented an increasing trend with a rate of 1.9mm/10a. Global temperature showed a significant and persistent upward trend with a rate of 0.23℃/10a, and the increasing speed of the trend was found after 1980. During 1980～2016, the evaporation in most regions displayed an insignificant increasing trend and the rate of trend is 8.2mm/10a. The Hurst Index showed the persistent behavior of temperature and evaporation was significantly greater than that of precipitation; (2) Precipitation showed a significant upward trend in many high latitude areas in the northern hemisphere, while in low latitude area presented a fluctuation or downward trend. The significance level for increasing rate for precipitation in DJF and MAM was higher than that of in other seasons while the level for temperature was weaker. Evaporation displays an upward trend in many coastal regions, and in northern America showed a downward trend in DJF, in Greenland and Nile river basin there were decreasing trend in all year round. (3) Temperature in all continents showed a significant increasing trend during 1948 to 2016, and North America had the highest increasing rate among them. Precipitation presented an increasing trend with exception of Africa, while in Africa there was a decreasing trend and in South America there was a downward trend with three stages. Evaporation in all continents showed a significant increasing trend and Europe has the highest increasing rate among them. Comparing with the rate of precipitation, increasing rate for evaporation in all continents were higher except Oceania.

climate change；variation characteristics；spatial distribution；M-K test；hurst index

X16

A

1000-6923(2021)09-4085-11

宁忠瑞(2000-),男,山东枣庄人,博士研究生,主要从事气候变化对水资源的影响等方面的研究.发表论文4篇.

2021-01-18

国家重点研发计划项目(2016YFA0601501);国家自然科学基金资助项目(41830863,51879162,52079026,51679145,91747103);水文水资源与水利工程科学国家重点实验室“一带一路”水与可持续发展科技基金资助项目(2019nkzd02)

* 责任作者, 教授, gqwang@nhri.cn