韩江流域极端水文事件时空分布特征研究

冯莹莹，胡茂川,2,3

(1.中山大学土木工程学院，广州 510275；2.中山大学水资源与环境研究中心，广州 510275；3.广东省华南地区水安全调控工程技术研究中心，广州 510275)

0 前 言

在气候变化和人类活动影响下，极端气候事件显著增多，水文过程发生了改变，极端水文事件发生频次和强度呈现逐渐上升趋势[1-3]。由于极端水文事件的时空分布复杂性与其突发性的特点，干旱、洪涝、泥石流等灾害频繁发生，对国民经济发展与人民的生活生产造成严重的影响[4]。因此，开展极端水文事件变化特性研究已成为气候和水文学专家学者的关注重点，对流域的可持续性发展和防洪减灾具有重大现实意义。当前对于极端水文事件评估方法大致可分为2类：基于历史数据和未来降水产品的方法[5]以及基于水文、气象或其他指标组合的数学方法[6]。如Zolina[7]等人基于STAMMEX数据集观测极端降水的空间变异模式以及趋势变化；王洁[8]等人采用基于降水的SPI指数进行干旱风险分析。其中，极端水文指数被广泛应用于水文气象研究之中，例如，武文博[9]等采用11个极端降雨指数对中国极端降水事件进行分析并发现大部分指数均有具有明显的年际与年代际变化；陶望雄[10]等定义极端径流事件阈值分析汛期与非汛期的极端事件演变特征；程文举[11]等基于逐日气温、降水以及径流数据分析黑河上游极端气候指数及极端水文事件的变化趋势；祝莹[12]等对汛期内的7项极端降水序列进行趋势分析、突变点检验及空间分布分析从而得到沱江流域的极端降水事件时空演变特征。在趋势分析中，传统的Mann-Kendall检测被广泛应用于水文气象的趋势变化研究中，但由于其不考虑数据间的自相关性与季节性影响，从而导致在显著性水平上有可能产生误差[13]。 基于此，Hamed和Rao[13]在考虑时间序列中所有显著自相关关系的基础上，通过对方差进行了修正，提出了新的Mann-Kendall趋势分析法，并被广泛应用[6]。

韩江流域是粤东和闽西南的主要水源，流域内人口超700万人，地区生产总值合计超1 900亿元。受季风和台风的影响，流域年内降水分布严重不均，汛期局部地区洪涝频繁，非汛期严重缺水，严重制约社会经济发展和威胁人民生命财产安全。因此，开展韩江流域水文极值的相关研究对流域水资源可持续管理和防灾减灾具有意义。当前，学者们已对韩江流域的气候与水文事件开展了相关研究，主要集中在对流域内各个子流域的降水和径流的年际变化趋势[14-16]进行分析预测，如张杰[17]等研究中阐述了汀江流域的1965—2012年径流变化趋势总体呈现下降-上升-下降的波动；董才文[18]等发现1960—2013年梅江流域径流量与降水年际变化整体均呈下降趋势。而关于全流域极端水文事件的研究较少，万露文[19]等虽采用线性回归法分析韩江流域极端降水事件的变化规律与趋势，但该法不能很好地拟合非线性数据并且易受异常值的干扰[20]，且未对汛期与非汛期内的极端水文现象变化趋势进行分析，有必要对流域的极端降水和径流的特征和规律进行综合性分析。本文采用韩江流域内及周边的雨量站点逐日降水资料以及水文站点逐日径流资料基于2种Mann-Kendall趋势检验法、Sen's斜率和空间插值技术分析极端水文指标，揭示流域内极端降雨在汛期与非汛期的时空变化特征以及极端径流事件的年际变化规律，为韩江流域水资源管理和应对洪水以及干旱风险提供重要的科学依据。

1 研究区域与数据来源

1.1 研究区域概况

韩江发源于广东省紫金县上峰，是广东省除珠江流域以外的第二大流域，上游由梅江和汀江汇合而成，两江汇合后形成韩江干流自北向南流入韩江三角洲河网区，最终分东、西、北溪流注入南海(图1)。韩江流域范围涉及广东、福建、江西三省，总集水面积为30 112 km2，属亚热带季风气候区，地形多为山地丘陵，少数平原主要分布在韩江三角洲。流域内雨量充沛，多年平均降雨量约为1 620 mm，受地形的影响降水空间分布差异大且年内分布不均匀，主要集中在汛期(4—9月)，约占年总雨量的70%～85%，多年平均雨量约为1 200 mm；而非汛期的雨量仅占年雨量的15%～30%，其多年平均雨量约为420 mm。流域内的径流时空分布与降雨基本一致，洪水主要发生于丰水期，台风雨为大洪水主要形成因素。

1.2 数据来源

采用韩江流域内及其周边的12个气象站点1967—2018年共52 a逐日降水数据，所有降水数据均源于中国气象科学数据共享服务网(http://cdc.cma.gov.cv)所提供的《中国地面气候资料日值数据集》。此外，采用韩江流域横山站(1960—2000年)、潮安站(1960—2011年)和溪口站(1960—2008年)3个代表性水文站点逐日流量数据资料，其中，横山站为梅江流域主要控制站点，溪口站为汀江流域主要控制站点，潮安站为韩江流域主要控制站点。各气象站点与水文站点分布如图1所示。

图1 韩江流域雨量站及水文站点分布图

2 研究方法

2.1 时间序列趋势检验

2.1.1传统Mann-Kendall趋势检验(MK1)

Mann-Kendall趋势检验法(MK1)属于一种非参数检验方法，最初由Mann[21]和Kendall[22]提出，该法的计算过程较为简单且检测时间尺度跨度大，不受少数异常值的干扰以及数据实际分布的影响。因此，广泛应用于气象和水文序列的趋势变化检测中[23-24]，对于极端值同样可进行趋势检验。

Mann-Kendall趋势检验法需先假设零假设 (假设序列无显著趋势)和备择假设 (假设序列存在显著上升或下降趋势)，MK1的趋势检验的统计量S和方差 var(S)计算公式如下：

(1)

(2)

(3)

式中：x为时间序列变量;n为变量个数;sgn(xt-xi)为符号函数;m为序列中重复出现的数据组的个数;ri则表示第i组重复数据组中的重复数据个数。

将统计量 标准化进行显著性检验，统计量Z计算公式如下：

(4)

在给定的显著性水平α下，若|Z|>Z1-α/2，则拒绝H0，即当Z>Z1-α/2表示存在显著上升趋势；当Z<-Z1-α/2表示存在显著下降趋势；反之，则接受H0。

2.1.2修正后的Mann-Kendall趋势检验法(MK2)

由于MK1假设观测值相互独立，即忽略数据之间的自相关性，从而低估统计量的方差影响趋势检验分析结果，无法识别出其真正的变化趋势。针对以上自相关问题，相关专家学者进行了修正，如Hirsch[25]根据季节划分观测值后分别进行趋势检验，但该法仅消除了季节间的相关性影响，并没有将季节内序列相关性考虑在内。随后，Hamed和Rao[13]提出一种基于方差进行修正的Mann-Kendall趋势检验法(MK2)，该法与最初的Mann-Kendall趋势检验相比，在于采用方差校正方法从而改进趋势分析，即通过插入滞后数来考虑n个显著滞后，考虑所有重要的延迟和序列中所有显著自相关关系，进一步提高了趋势检验的精度[13]。

MK2主要是对方差公式进行修正从而替换MK1中的方差，即对观测数据之间的自相关性所导致的误差进行修正，修正后的方差var(S)*计算公式具体如下：

(n-i-1)(n-i-2)Ws(i)]

(5)

(6)

式中：n为观测值个数;Ws(i)代表观测序列的自相关函数。

本文选取显著性水平α=0.05，即Z1-α/2=1.96，当|Z|>1.96时，该序列存在显著上升或下降趋势；反之，则无显著趋势。

2.2 Sen's斜率估计

Sen's斜率[26]估计是由Sen提出的一种非参数趋势斜率计算方法，估计n个样本中N对数据的趋势斜率，该法不受异常值的干扰并且能够较好地反应序列的趋势变化[27]，计算公式如下：

(7)

(8)

式中：xj和xk分别表示第j和k个时间序列数据值。随后，将N个Qi按升序排列，则Sen's斜率估计为：

(9)

Qmed反映数据趋势的倾斜程度，Qmed>0表示上升趋势，Qmed<0表示下降趋势。

2.3 极端降水与径流指数

为能够定量准确描述极端气候事件的发生程度， ETCCDMI专家组提出27个极端气候指数，其中描述极端降雨的指数有11个。本文采取ETCCDMI中4个降水指数，极端降水指数定义见表1，并且从3个角度对其进行分类[6，28]，从而对韩江流域汛期与非汛期的极端降水在不同方面进行全面的研究。其中RX1是从降雨强度上反映极端降水变化的指标；PRCPTOT是从降雨量级上反映极端降水变化；CWD和CDD均是从降水持续性上反映极端降水变化，其中CDD表示在降水较少且干燥的情况下极端降水的变化，CWD则表示降水较多且湿润情况下极端降水的变化[29]。

表1 极端降水指数定义表

本文选取极端径流指标包括洪峰流量指标与枯水流量指标[30]见表2。在洪峰流量分析中采取年最大洪峰流量(SX1)和年最大5 d平均流量(SX5)从强度上反映极端径流变化情况；而在枯水流量分析中采取干旱指数[6](CDS)表征极端枯水径流的持续程度，其中选取以升序排列的全序列第10分位日径流数据为CDS的阈值，统计日径流量小于该阈值的年最大连续天数。此外，本文基于分位数阈值的相对指标定义极端日径流量阈值，将全序列数据同样以升序排序，选择累计频率为第95分位对应的流量为极大日流量阈值, 而累计频率为第15分位对应的流量为极小日流量阈值。因此采用日流量大于极大日流量阈值的年总天数(RD95)以及小于极小日流量阈值的年总天数(RD15)从量级上反映极端径流变化情况[31]。

表2 极端径流指数定义表

3 结果分析

3.1 年降雨量的时空演变

采用泰森多边形插值法计算1967—2017年韩江流域平均降水量，图2(a)则为韩江流域降水年际变化，降水量在1 100～2 300 mm范围内波动，呈现出不显著上升趋势，其中年最大降雨量发生在2015年为2 370.61 mm，年最低降雨量发生在1998年为1 177.37 mm。基于1967—2017年的平均值，图2(b)呈现出韩江流域1967—2017年的降水距平差异，由图2可以看出：在过去的52 a中，2015年为最湿润年份，而1998年为最干旱年份，该结果与图2(a)显示一致；存在3段明显干燥的时期，分别为1967—1972年、1998—2004年以及2007—2012年； 1983—1996年的降雨量与多年平均降雨量之间的差值维持在200 mm以内，期间内降雨量变化波动较小。

图2 韩江流域年降水量时间变化序列图

表3 韩江流域内各雨量站年降水量Mann-Kendall检验结果表

表3为MK1和MK2对韩江流域内12个雨量站点的年降水量进行趋势检验的结果， 42%的站点年降雨量呈现下降趋势，其中龙川站年降雨量显著下降(MK2，P=0.05)；58%的站点年雨量呈上升趋势，其中上杭站显著上升(MK2，P=0.05)。MK2的检测结果 相比MK1的结果在所有站点均有一定程度的上升。Sen's斜率计算结果显示，大多数站点的年降水量呈现出线性上升趋势，其中永定站上升速率最快。如图3所示，韩江流域内中部地区降水量低于西南以及东北地区，即以五华、梅县和大埔站为中心的周边区域降雨量最小，而揭西周边区域属流域内降雨量最为充沛的地区，可能是由于大埔县至惠东县的莲花山脉地形影响而形成的。而位于沿海地区的潮州三角洲地带降水量同样为低值区域，主要由于平原地区对气流阻力较小，导致东南季风所输送的气流途经沿海平原时速度快、滞留少。此外，近年来梅江流域下游地区年降雨量呈现出下降趋势，而汀江流域则呈现出上升趋势。

图3 韩江流域各雨量站点年降水量及趋势时空分布图

3.2 汛期极端降雨的时空演变

韩江流域属亚热带气候，受海洋性东南亚季风影响较大，降雨量主要集中在汛期(4—9月)，占全年总降雨量80%左右。韩江流域汛期内降水量年际变化如图4(a)所示，与年降水量序列基本一致，呈现显著上升趋势，但降雨量波动范围较大，介于750～1 700 mm区间内，其中1976—1986年降雨量波动幅度较小。基于1967—2018年的平均值，图4(b)为韩江流域1967—2018年汛期内降水距平序列，可以看出1976—1988年为韩江流域过去52 a内干燥持续最长的一段时期。年最小汛期降雨发生在1991年，年最大汛期降雨发生在1973年。1973年流域内部分地区遭遇较为严重的水灾。

汛期内的各极端降水指数Mann-Kendall趋势检验结果如表4所示，67%的站点CDD呈现不显著下降趋势(P=0.05)，其余站点CDD呈现不显著上升趋势(P=0.05)。50%的站点(6个)RX1呈现下降趋势，其中五华、龙川和紫金站RX1显著下降(MK2，P=0.05)，其余50%的站点RX1呈现不显著上升趋势。此外，MK1和MK2检验结果仅在部分站点的RX1中表现出显著差异(在95%置信区间改变了RX1趋势检测的显著水平)，对于其他站点和指标，虽然|Z|各不相同，但整体差异不大，可见极端指数时间序列的自相关性较小。

图4 韩江流域汛期降水量时间变化序列图

此外，除长汀站外其余各雨量站点极端降雨指数CWD的Sen's斜率均为零，可见汛期内的连续降雨天数未见显著线性变化。图5是对韩江流域汛期内各极端降雨指数(RX1、PRCPTOT和CDD)的Sen's斜率结果进行空间插值得到的时空分布图，可以看出RX1和PRCPTOT呈现一定的空间分布差异(RX1为-0.87～0.49，PRCPTOT为-3.74～4.92)，这可能与局地小气候水文循环过程密切相联，变化幅度整体上为“自西南向东北逐渐递增”的分布格局。其中RX1和PRCPTOT的最大增幅区主要发生在汀江流域的龙岩站、永定站和上杭站周边区域，而梅江流域及韩江三角洲的部分区域呈负增长趋势。持续干燥指数CDD在韩江流域大部分区域未见显著趋势变化，其中，在永定、大埔、龙岩以及寻乌站呈现不显著下降趋势并且以寻乌站为中心的地区达到最大降幅，而在梅县和紫金站则呈现出不显著上升趋势。

表4 韩江流域汛期极端降雨指标Mann-Kendall趋势检验结果表

图5 韩江流域汛期极端降水指数变化速率空间分布图

3.3 非汛期极端降雨的时空演变

韩江流域非汛期内降水量年际变化如图6(a)所示，可以看出非汛期的降水量年际变化趋势与汛期和年降水量变化趋势均不一致，呈不显著上升趋势并且上升幅度小。此外，大部分年份非汛期内降水量均维持在200～600 mm范围内波动，只有少数年份(如1974年、1982年、1991年、1997年以及2015年)降水量超过600 mm。同样，基于1967—2018年的平均值，图6(b)为韩江流域1967—2018年非汛期内降水距平序列，可以看出有2个主要干燥时期，分别为1969—1973和1998—2014年。

图6 韩江流域非汛期降水量时间变化序列图

对韩江流域非汛期的极端降雨指标进行Mann-Kendall趋势检验，结果如表5所示。其中，68%的站点CDD呈下降趋势，可见流域内大部分地区的连续干燥持续天数有逐渐减弱趋势；同时有75%的站点RX1和58%的站点PRCPTOT呈上升趋势。同样，虽然MK1和MK2检测的|Z|各不相同，但整体差异不大。根据Sen's斜率结果分析，除上杭和寻

乌站呈现显著性略微下降趋势外，各雨量站点极端降雨指数CWD的Sen's斜率均为零，可见非汛期连续降雨天数未见显著线性变化。图7为Sen's斜率所得结果进行空间插值而得到的韩江流域非汛期内各极端降雨指数(RX1、PRCPTOT和CDD)的变化趋势时空分布。其中，以梅县为中心的区域以及韩江三角洲地区的RX1和PRCPTOT分布基本一致，均呈现出下降趋势，而以五华站为中心的梅江上游地区则有略微增长趋势。对于CDD有下降趋势的站点，其空间变化呈“由西南和东北向中心地区不断减小”。总体而言，梅江流域上游地区和以龙岩和上杭站为中心的汀江流域在非汛期内的降雨强度有所增加且连续干燥天数呈减弱趋势；而以梅县站为中心的区域和韩江三角洲地区降雨强度及量级呈下降趋势。

表5 韩江流域非汛期极端降雨指标Mann-Kendall趋势检验结果表

图7 韩江流域非汛期极端降水指数变化速率空间分布图

3.4 径流特征分析

韩江流域内横山、溪口和潮安3个水文站点的年径流量变化以及距平变化如图8所示，结合Mann-Kendall趋势检验结果(表6)可以看出：梅江流域、汀江流域以及韩江下游地区的年径流量均呈不显著上升趋势，其中梅江流域的年径流量上升幅度最大；梅江流域和韩江下游流域径流量低于多年平均径流量的年份占绝大多数，而汀江流域则相对持平；各子流域在1962—1972年间年径流基本维持低流量水平，其中，韩江下游流域径流量与多年平均径流量之间的差值最高超过400 m3/s。

韩江流域各水文站点汛期内极端径流指标Mann-Kendall趋势检验结果如表7所示，结合Sen's斜率分析，可知汛期内各站点的洪峰流量指标SX1、SX5和RD95均呈现下降趋势，其中潮安站的径流量达到最大降幅且SX5和RD95均呈显著性下降。此外，横山站和潮安站在汛期内枯水流量指标CDS和RD15均呈现出下降趋势；溪口站的枯水流量指标CDS和RD15呈不显著的下降趋势，但Sen's斜率结果仅为-0.05和-0.13，可见在过去的49 a内极端枯水径流事件没有明显的线性变化趋势。综合以上分析，可得梅江流域和韩江下游流域在汛期内极端洪涝和干旱事件风险呈减小趋势。

图8 韩江流域年径流量时间变化序列图

表6 韩江流域年径流量Mann-Kendall趋势检验结果表

表7 韩江流域汛期极端径流指标Mann-Kendall趋势检验结果表

非汛期内极端径流指标Mann-Kendall趋势检验结果如表8所示，横山站的SX1、SX5和RD95呈上升趋势，而CDS和RD15呈显著性(MK1，P=0.05)下降趋势，可见梅江流域在非汛期内的洪涝风险有增加趋势，极端枯水流量事件有减弱趋势。溪口站的SX1呈不显著下降趋势，其余指标呈不显著上升趋势。潮安站的各极端径流指标呈现出下降趋势。

表8 韩江流域非汛期极端径流指标Mann-Kendall趋势检验结果表

4 讨论与结论

4.1 讨 论

本文采用2种Mann-Kendall检验法对各极端事件指标进行检测，发现大部分站点的趋势变化在95%的置信区间内并不显著，这与极端事件的时间序列波动大有关，极端洪水与干旱交替发生，导致极端指标时间序列呈现出的线性趋势不显著。此外，MK2是在MK1的基础上对方差进行了修正从而考虑序列中所有显著的自相关关系，结果表明MK1和MK2的极端指数仅在部分站点的部分指标中表现出显著差异，在绝大部分站点的值则未有显著变化，说明极值指标的时间序列之间自相关性较小。Sen's斜率结果表明流域内的极端降雨变化趋势在不同时段内存在一定的区域差异性，蔡悦幸[32]等人提出华南地区前后汛期的极端降水总量和极端降水频次都呈上升趋势，该结果与本文极端降水结果较为一致，如梅江下游部分地区汛期内极端强降雨的强度和总量都有逐渐加强的趋势。

极端降雨指标变化与各极端径流指标变化有一定的相关关系，如韩江三角洲地区RX1在汛期与非汛期基本呈现出下降趋势，而SX1、SX5和RD95也有相似的变化趋势，此外，CDS和RD15同样呈现出下降趋势，即汛期内的降雨强度和洪涝风险有所缓和，而非汛期内的干旱风险有所减轻。汀江流域龙岩和上杭站汛期内极端降雨指标(RX1和PRCPTOT)呈现不断增加的趋势，但溪口站极端径流指标(SX1、SX5和RD95)呈下降趋势，这可能与汛期内蒸散发量及水库调控有关。此外，梅江流域极端降雨事件部分地区变化趋势不一致，在汛期内上游地区极端降水与极端洪峰流量不断减少，因此洪涝风险逐渐减少；而非汛期内极端降水和极端洪峰流量事件不断增加，极端枯水流量事件不断减少，因此干旱风险有所缓解。由于以上各子流域的极端水文事件均呈现出不同的变化趋势，流域管理部门在制定极端降水应对方案时需要进行针对性治理。

4.2 结 论

本研究基于韩江流域实测日降雨和日径流数据，利用极端降雨和径流指数，通过2种Mann-Kendall趋势检验方法评估各站点在汛期和非汛期内的变化趋势，再对Sen's斜率所得线性变化量级进行空间插值，分析该流域的极端降雨径流时空分布特征，主要结论如下：

(1) 通过2种Mann-Kendall趋势检验发现，MK1和MK2的极端指数分析结果在大部分站点没有表现出显著差异，仅个别站点的极端水文指数呈显著性变化趋势，极值指标的时间序列之间自相关性较小。

(2) 根据Mann-Kendall趋势检验以及Sen's斜率结果发现，汛期内不同极端指数明显存在地域性的分布特征。其中，极端降雨指数RX1和PRCPTOT的时空变化趋势基本一致，在西南地区呈现负增长趋势，而在东北地区则呈现正增长趋势。除长汀站外，CWD在各站点没有明显的线性变化趋势；CDD则在永定、大埔、龙岩以及寻乌站呈现出不显著下降趋势。

(3) 非汛期内68%的站点极端降水指数CDD均呈负增长趋势，其变化幅度呈现出“自西南和东北地区向中心城区递减”的分布格局。

(4) 韩江流域内各水文站点所控制子流域的极端径流指标在汛期和非汛期内均呈现出不同的变化趋势。汛期SX1、SX5和RD95在各站点均呈现下降趋势；非汛期横山站的CDS和RD15在MK1检验下呈现显著性下降趋势。