1950—2019年闽江下游径流量变化特征分析

王立辉，钟昊林，余志明，邹清水，徐普

(1.福州大学土木工程学院，福建 福州 350108；2.福建省水文水资源勘测局闽江河口水文实验站，福建 福州 350011)

0 引言

由于全球气候变暖和人类活动干扰，流域的水文要素会出现不同程度的变化[1].分析流域水文要素变化特征，掌握其变化规律，对流域水资源利用具有重要意义.

水文学者对流域的径流量演变特征已开展大量研究.宁忠瑞等[2]采用Mann-Kendall(M-K)法和小波分析等多种分析方法，研究南美巴拉那河流域1951—2014年降水量和径流量变化趋势； 刘璇等[3]使用耦合模拟和M-K趋势分析，评估未来气候变化情景下赣江流域水资源量的变化趋势和幅度； 任大朋等[4]以北京站为代表站，采用多种数理统计方法分析北京市降水趋势； 杨金艳等[5]针对苏州市水文历史数据, 利用M-K法分析苏州市历史水文序列变化趋势，运用R/S法获取数据序列的分形特征，预测苏州市水资源未来趋势特征.此外，在西辽河、 延河、 澜沧江和鄱阳湖等流域的径流量、 气象水文特征和演变规律等方面，也有较多的研究成果[6-9].但是，目前闽江流域水文要素统计分析成果相对较少[10-11]，且分析方法和手段较为单一.

延长已有统计样本的时间序列，可有效减小统计成果误差，从而获得流域径流量更准确的演变规律[11-12].本研究基于已有闽江流域径流量的统计分析成果，收集更全面的水文资料，延长竹岐站水文样本时间序列至2019年，利用M-K法和Morlet小波分析法，分析闽江下游径流量特征和演变规律.

1 研究数据和方法

1.1 研究数据

收集闽江下游竹岐站1950—2019年日径流量资料，对径流量时间序列数据进行预处理.以3—5月为春季，6—8月为夏季，9—11月为秋季，12月至次年2月为冬季； 4—9月为汛期，10月至次年3月为非汛期，统计对应时段的径流量.

1.2 研究方法

1.2.1 累积距平法

累积距平法[13]是将统计值与平均值的差值累加，绘制累积距平曲线.曲线的波动可用来分析水文序列的变化趋势特征，判断其突变时间.曲线上升则表明径流量增加，为丰水期； 反之则为枯水期.

1.2.2 趋势检验和突变检验

研究采用M-K法对时间序列数据进行趋势检验和突变检验分析.M-K法[14-15]是一种非参数检验(无分布检验)，其优点是不要求样本遵从一定的分布，也不受少数异常值的干扰，在降水和径流等水文要素时间序列变化趋势和突变点分析方面，有较好的应用.

1) M-K法趋势分析.在M-K法趋势检验中，原假设H0为时间序列数据(x1,x2, …,xn)，是n个独立的、 随机变量同分布的样本，备选假设H1是双边检验.标准化后，M-K法的检验统计量如下：

(1)

对Z值进行双边趋势检验.对于给定的置信水平α，若|Z|≥Z1-α/2，则原假设H0不可接受，即在置信水平α上，变量序列存在显著上升或下降趋势.当Z>0，数据序列呈上升趋势； 当Z<0，数据序列呈下降趋势.Z的绝对值在大于等于1.645、 1.960、 2.576时，表示分别通过置信度90%、 95%、 99%的显著性检验.

2) M-K法突变检验.有n个样本量的时间序列x，构成一秩序列，如下所示：

(2)

M-K法突变检验定义以下统计量：

(3)

式中： UF1=0;E(sk)、 var(sk)分别为sk的均值、 方差：

(4)

(5)

UFk为按时间序列x顺序x1,x2, …,xn计算出的统计量序列.给定置信水平α，查正态分布表，若|UFi|>Uα，则表示序列存在明显的趋势变化.UBk为UFk的反序列，按时间序列x逆序xn,xn-1, …,x1，再重复上述过程，直至UBk=-UFk，k=n,n-1, …, 1，UB1=0.

观察UFk曲线图，若UFk值大于0，则表明序列呈上升趋势，小于0则呈下降趋势.当超过临界直线，表明上升或下降趋势显著.超过临界值范围定义为突变的时间区域.若两条曲线在临界点相交，则交点对应时刻为突变开始时间.

1.2.3 小波分析

Morlet小波分析方法[16]具有良好的时频局部化功能，适合分析水文要素序列的周期性.连续小波变化定义如下：

(6)

小波方差var(a)可以识别序列的周期成分，离散时间序列的小波方差：

(7)

式中：W(a,b)是小波变换系数； var(a)是小波方差.

小波方差随a变化的过程称为小波方差图，图上波峰对应的尺度为时间序列的主周期.

2 实验结果与分析

2.1 径流量趋势分析

表1是竹岐站1950—2019年不同时段径流量统计分析结果.闽江下游径流量变化季节性较强且变化大.春、 夏季占全年的75%； 秋、 冬季仅占全年的25%； 汛期占全年的72%.因此，闽江下游径流量主要集中在春、 夏季和汛期，占比均超过70%.5 a滑动平均处理分析表明，各时段径流量在平均值附近上下波动，呈现出明显的丰枯交替特征.

表1 1950—2019年不同时段径流量统计分析

表2 不同时段径流量M-K法趋势检验

采用M-K法进行趋势检验，得到闽江下游不同时段径流量的趋势检验结果，如表2所示.竹岐站径流量近70 a来总体呈缓慢上升趋势，但不同时段趋势有所不同.冬季和非汛期径流量上升趋势显著； 秋季径流量呈上升趋势，但不显著； 春季、 夏季和汛期径流量呈下降趋势，但不显著.

与已有相关研究[10]比较，竹岐站的径流量样本时间序列延长至2019年后，闽江下游径流量演变趋势发生相应变化.这可能与近10 a来，气候变化和闽江河口咸潮入侵加剧、 潮流量增大有关.

2.2 径流量突变分析

1) 径流量累积距平分析.竹岐站1950—2019年径流量累积距平曲线和各年距平值柱状图如图1所示.从各年距平值柱状图分布看，径流量正距平年数占整个时间序列的40%，径流量负距平年数占60%，且正、 负距平年数一般跨年连续分布，表明闽江下游径流量丰枯交替具有多年时间尺度特征.从径流量累积距平曲线看，1950—2019年间，闽江下游径流量可分为如下几个时段(持续时间3 a以上).4个显著的丰水段： 1950—1953年、 1974—1976年、 1996—1998年和2013—2016年； 4个显著的枯水段： 1962—1968年、 1975—1980年、 1987—1990年和2006—2009年； 3个显著的平水段，1958—1960年、 1991—1994年和2010—2012年.

2) M-K法突变检验.应用M-K突变检验法分析竹岐站的径流量时间序列数据，分析结果如图2和图3所示.闽江下游多年径流量UF和UB曲线相交于2015年和2017年，此交点即为突变点.春季径流量在1955年出现突变，1980—1990年间出现多次突变； 夏季径流量未出现突变； 秋季径流量在1996年和2001年出现突变； 冬季径流量在2000年和2006年出现两次突变.引起闽江流域的径流量变化主要因素有人为因素与自然因素，特别是下游水口电站建设和河道采砂等人类活动干扰，对径流量的变化影响明显.

2.3 径流量周期性分析

利用Morlet小波分析对竹岐站1950—2019年径流量数据进行周期性分析.计算竹岐站径流量序列的多年、 汛期和非汛期的小波方差，结果如图4所示.竹岐站多年径流量存在32、 12和8 a的主周期，汛期径流量存在32、 12和5 a的主周期，非汛期主周期则是25、 7和52 a.

图5是1950—2019年间，不同时段竹岐站径流量小波分析实部分布图.小波系数实部等值线图能反映径流序列不同时间尺度的周期变化及其在时间域中的分布，进而判断在不同时间尺度上，径流量的未来变化趋势.

分析表明，竹岐站多年为径流量第一主周期为32 a，几乎占据整个时间序列，且震荡明显，强度高； 第二主周期为12 a，经历10次丰枯交替，震荡强烈； 第三主周期为8 a.汛期径流量第一主周期为32 a，径流量震荡强烈，具有全域性； 第二主周期为12 a，在1950年至1980年间，实部等值线分布密集，整个12 a周期尺度内发生9次丰枯交替； 第三主周期为5 a，高低值中心主要集中在1960—1970年和2010—2019年两个时间段，在此时间尺度上发生多次丰枯变换.非汛期径流量第一主周期为25 a，第二主周期为5 a，震荡强烈； 第三主周期为52 a，丰枯交替有明显的全域性.

3 结语

基于闽江下游竹岐站1950—2019年实测径流量资料，采用M-K法和Morlet小波分析相结合的方法，对闽江下游径流量序列的演变特征进行研究，主要结论如下：

1) 竹岐站年径流量在2015年和2017年发生突变；

2) 1950—2019年间，闽江下游径流量整体呈上升趋势，季节性差异大.春、 夏季均呈下降趋势，秋、 冬季呈上升趋势，冬季呈显著上升趋势； 汛期为不显著下降趋势，非汛期呈显著上升趋势；

3) 年径流量呈现多时间尺度变化特征.1950—2019年间，年径流量存在32、 12和8 a的主周期尺度，汛期有32、 12和5 a的主周期，非汛期有25、 5和52 a的主周期.低时间尺度的周期性较复杂，且存在多次丰枯交替；

4) 统计分析表明，1950—2019年间，闽江下游流域径流量呈上升趋势，有明显的丰枯交替特征.交替时间尺度变小，次数增多.结合近年闽江流域发生的洪水事件，该变化特征需在水资源利用和防汛防旱决策过程中，应引起重视；

5) 影响闽江下游径流量变化的因素多且相互关系复杂，需要应用水动力模型与长序列水文数据分析相结合的方法，来把握闽江下游径流量不同时间尺度的演变特征.