基于GLDAS-2数据的中国极端降水事件时空变异性研究

尚天赦, 王 飞,2, 戈文艳,2

(1.西北农林科技大学 水土保持研究所, 陕西 杨凌 712100; 2.中国科学院 水利部 水土保持研究所, 陕西 杨凌 712100)

已有研究表明，在气候变暖的背景下，中国发生的极端降水事件呈增多趋势，其中极端降水量增加最多的是华东地区，极端降水日数增加最快的是西北地区[9-11]。然而，现有的相关研究主要集中于局部地区的极端降水变化，关于大范围内极端降水事件时空变化规律的研究较少[12-13]。虽然目前认为气象站点数据是最精准的数据，但气象站的观测范围有限，站点数据欠缺代表性，难以代表整个研究区的情况。为了降低由某地区某一气象站点代表该地区整体情况的误差，从而更加完整全面地研究极端降水事件，利用模拟气象数据进行的研究已经越来越多，包括TRMM[14]、GCPP[15]、PERSIANN-CDR[16]、CHIRPS[17]、CMFD等[18]数据集均有应用，这些数据集记录时间较短，难以进行长期的研究分析。全球陆地数据同化系统(Global Land Data Assimilation System，GLDAS)的输出产品分辨率高，获取不同地区降水时空特征较为方便，有利于长期频率分析，可以为气象缺测地区提供数据参考，在中国已经经过适宜性评估[19-21]，同时在中国已经有相对广泛的应用[22-23]。而且，相较于其他模拟产品而言，GLADS数据更准确，也更加接近气象站点的数据[22,24]。因此，为了研究大范围内的极端降水变化，本研究使用覆盖全区域更精确和高分辨率网格数据GLDAS数据集，对极端降水事件发生的频率和变化趋势进行讨论和研究。

1 研究数据和方法

1.1 数据来源

研究使用来自美国宇航局(NASA)、美国海洋和大气局(NOAA)联合开发的GLADS(Catchment Land Surface Model)-2.0数据集的降水数据，该版本时间跨度为1948—2014年，数据的空间分辨率为0.25°×0.25°[25]。

1.2 方法

将整个中国作为研究区，中国位于欧亚大陆东部，地形复杂，气候类型多样。因为中国跨度大，地域广阔，为了方便进行分析，根据中国科学院地理所的划分，将全中国分为6个区域，分析各个部分的不同指标的变化情况(图1)。

注：本文所用地图审图号为GS(2016)2556号,底图无修改。下图同。

在对GLDAS数据进行计算之前，为确保GLDAS-2.0数据集的可靠性，使用中国气象数据网(http:∥data.cma.cn/)的中国地面气候资料日值数据集(V3.0)与GLDAS数据进行相关性分析，以确保GLDAS数据的可信度。利用焦俏等的评价方法[27-28]，提取GLDAS-2.0数据集的多年平均降水，与气象站点数据进行相关性分析。除去异常值，无数据和难以进行分析的站点后，选择1961—2014年628个站点的数据为基础观测数据(图1)，与GLDAS-2.0数据进行相同年限内的数据相关性分析计算。结果表明，GLDAS数据与站点数据具有极高相关性，表明GLDAS-2.0数据在中国地区进行极端降水计算研究的可靠性很高(图2)。

图2 GLDAS数据和站点数据的相关性分析

利用MATLAB 2016软件对GLADS-2.0数据进行处理，得到1948—2014年的日降水量数据。中国国家气象局将24 h内降水量超过50 mm的事件定义为暴雨[29]。本文在此基础上进一步细化，分别以24 h内降水量超过20 mm(R20)，30 mm(R30)，50 mm(R50)和100 mm(R100)为不同指标，来对研究区内降水情况进行分析。根据计算分析，发现R30指标与R20指标分析结果相似，R100指标在研究区内变化程度太小可以忽略不计，所以正式研究时只使用R20和R50这两个指标。同时，结合气候变化探测和指数联合专家组(ETCCDI)推荐的指标，共选取9个极端降水指标(表1)[30-34]，研究中国的极端降水事件时空变异性。R20和R50，Rx1day和Rx5day，R95p和R99p这三组指标分别代表降水绝对指数、降水强度指数、降水阈值指数[35]，降水绝对指数表示降水较多时的极端降水变化，强度指数和阈值指数能反映强度和极端降水的关系，这些指数之间相互影响相互联系[36]。在计算R95p和R99p这两个指标时，每一个格点内的数据都参与了计算。

表1 本研究使用的极端降水指标定义

利用M-K分析对表1所列的9个指标进行分析，来检验这些极端降水指标的突变性。M-K趋势作为非参数检验方法，对异常值不敏感而被广泛应用于气温降水及水文序列等连续性时间序列的趋势变化分析和显著性检验研究中[9,37-38]：

假设有一时间序列：X1，X2，X3，…，Xn，其趋势检验统计量公式是:

式中:sign()为符号函数。当(Xi-Xj)<、=或>0时,sign(Xi-Xj)分布为-1,0或1;Mann-Kendall统计量Z值计算公式为:

1887年，Arrhenius首次提出烃类混合物的黏度预测计算式，如式(4)。在该模型的基础上，大量学者基于实验结果的分析和处理，提出相应的修正模型和演化模型[5]，其中典型的修正模型主要有3种:式(5)是在Arrhenius模型的基础上考虑了组分油之间的相互作用而引入常数C 12值，该改进模型又称为Grunberg-Nisson模型;式(6)～式(7)的修正是在Grunberg-Nisson模型的基础上通过实验拟合后引进系数B 12，对组分油间相互作用的进一步修正[6]，分别称之为Arrhenius修正1、Arrhenius修正2模型。

通过M-K分析得到的Z值表示显著性趋势，根据Z值正负来表示极端降水指标的趋势显著性变化。当Z为正值时表示上升增加趋势，负值时表示下降减少趋势。Z的绝对值在大于等于1.64，1.96，2.56时表示分别通过了置信度90%，95%，99%显著性检验。

本研究将整个中国作为研究区，中国位于欧亚大陆东部，地形复杂，气候类型多样。因为中国跨度大，地域广阔，为了方便进行分析，根据中国科学院地理所的划分(图1)，将全中国分为6个区域，分析各个部分的不同指标变化情况。

2 结果和分析

2.1 极端降水的空间分布特征

通过图3和图4可以看出，1948—2014年中国年均降水量总体上呈现出西北少，华东及中南南部多的空间分布特征，其中华东和中南地区降水量较多，最高达2 100 mm以上；西北和华北降水量较低，东北地区降水量大小较为均匀，年均降水量最低的地区出现在西北的中西部地区，最低可至1 mm；SDII平均值大的地方分布主要集中在中南、华东局部和西南少部分地区，西北地区该指标平均值小，表明西北地区降水时间少，降水量也不多，华东和中南地区的情况则正好与西北相反。西南地区的CWD较高，其中在西南边界区域的CWD可以达到111 d，表示该地区全年超过3个月以上的时间都有降水；而西北和华北的持续降水日数最低的平均为0.019 d，即基本不存在连续降水的情况。

图3 1948-2014年中国CWD，SDII，PRCPTOT指标平均值空间分布

从图5，6可知，三组指标平均值在各个区域内的分布相似。在中南和华东地区降水绝对值、降水强度和降水阈值均高，而在西北地区这三组指标的平均值低，在东北地区这三组指标的平均值集中在一定范围内。这与PRCPTOT指标的空间分布一致，说明过去的一段时间内，中国的降水仍然很不均衡，华东中南沿海地区降水多西北内陆地区降水少的情况没有变化。

图4 1948-2014年中国CWD，SDII，PRCPTOT指标平均值在不同区域的分布

图5 1948-2014年中国6种极端降水指标平均值空间变化情况

图6 1948-2014年中国6种极端降水指标在不同区域的分布情况

综合来看，各个极端降水指标的平均值总体上呈现华东高西北低的状况。华东及中南沿海地区因为地处热带及亚热带，再加上台风等自然灾害的影响，所以降水较为频繁；西北地处内陆，降水量逐年增加，然而就各个极端降水指标的平均值来看，判断极端降水事件的发生与否比较困难。因此，本文使用M-K趋势分析以便于进一步判别极端降水指标值较低地区发生极端降水事件的趋势变化。

2.2 极端降水事件时空变化趋势

从图7，8可知，在全国大部分地区，CWD呈现出减弱的趋势，其中在华东和华北地区有20%左右的区域呈现显著性减弱的趋势(p<0.1)，表明全国范围内，持续降水日数会持续减少。

从PRCPTOT和SDII的变化情况来看，华东、华北和东北的大部分区域均呈现减弱趋势，其中华北地区SDII指标有将近30%区域显著降低(p<0.1)，PRCPTOT指标有将近15%区域趋势显著降低(p<0.1)，表明华北的年降水量随时间变化持续减少，日降水强度呈现减弱趋势；此外在西北、中南和西南地区有20%左右的区域呈现出增加趋势(p<0.1)，这些地区的年降水量随时间变化有所增加，日降水强度逐年变强。

中南地区有20%左右的区域Rx1day指标呈现显著性增强的趋势(p<0.05)，在西北中部、中南北部，华东、东北和西南的少数地区达到了99%的显著增加的变化趋势，表明这些地区日降水量持续增加。Rx5day在华北、华东和东北地区显著性增强(p<0.05)的区域较少，西北、中南和西南地区显著性增强(p<0.05)的区域较多，其中在西北西部地区变化比较显著(p<0.01)，表明这些地区的连续日降水量值逐年增加。就整体而言，强度指标在西北、中南、华北和西南地区显著增强，表明这些地区的降水变多。

图7 1948-2014年中国不同极端降水指标趋势性变化

R95p和R99 p发生变化显著增强(p<0.1)的地区广泛分布在中国的中南、西北和西南地区。而R95p在中南和华东地区比R99p突变更加显著，R99p在西北、中南和西南地区发生极端强水量降水事件的突变性比R95p更高。R20指标在西南、西北和中南地区出现显著性增强(p<0.1)的区域占本地区面积的9%左右，其中在西南、西北和中南的交界处则表现出显著性增强趋势(p<0.01)。

R50指标在全国大范围呈现增强趋势(p<0.1)，除华北地区外，其他地区有5%左右的地区呈现显著性增强趋势(p<0.05)，其中在西南、西北和中南的交界处，中南和华东交界处，中南地区南部和华东地区南部增强显著性可达到99%。这些情况说明西北、中南和西南地区的极端强降水量会逐年增多，降水绝对指数不断增强，各个地区存在少数区域出现变化趋势减弱的情况，即这里极端降水事件地区分布多，强降水容易出现且分布广泛。R20和R50呈现显著性减弱趋势(p<0.01)的地区分布较少，降水绝对指数在全中国减少的地区基本不存在，反映全中国降水强度一直变大。

图8 1948-2014年中国不同极端降水指标趋势性变化在各地区的占比

综上所述，虽然CWD，SDII和PRCPTOT这三项指标在全国范围内变化呈现减弱趋势，但降水绝对指标在全国的大部分地区呈现出增强趋势，强度指标在西北、中南、西南地区超过50%以上区域呈现增强趋势，阈值指标同样在西北、中南、西南地区大部分区域(70%左右)呈现增强的趋势，表明全国发生极端降水事件的频率增高，在西北、中南、西南地区出现了连续湿润天数变少，强降水变多的情况，使得降水逐渐集中，趋于极端化。这种变化在其他人的研究中也有所体现[10，39-40]。

极端降水事件作为短历时的强降水现象，结合不同降水指标的平均值和M-K分析，西北地区的降水强度指标、绝对指标和阈值指标呈现明显增强趋势，表明西北地区发生极端降水的现象越来越多，这与其他研究结论一致，可能是西北地区所处的地理位置和全球变暖的外部环境因素所导致[41-43]。中南北部和中部，主要指其与西北地区、华东地区的交界处，绝对指标、强度指标和阈值指标变化增强趋势(p<0.1)明显，CWD，SDII，PRCPTOT指标减弱趋势(p<0.1)明显，表明这里发生极端降水事件的可能性会大大加强[34，44]，这也与秦岭淮河以南地区极端降水相关结论相似[23,45-46]。

3 结 论

(1) 全国发生极端降水事件的频率增加，西北、西南和中南地区的年降水量增强趋势(p<0.1)明显，日降水强度逐年增加，连续湿润天数变少，强降水变多，西北地区变化最为明显。

(2) 西北地区中西部的降水强度指标、绝对指标和阈值指标呈现明显增强趋势(p<0.1)。中南地区北部和中部，主要指其与西北地区、华东地区的交界处，绝对指标、强度指标和阈值指标变化增强趋势(p<0.01)明显，CWD，SDII，PRCPTOT指标减弱趋势(p<0.01)明显，表明这些地区发生极端降水事件的可能性高。

极端降水的发生是各种气候现象综合的结果，之后对大尺度范围的极端降水进一步研究时，应该考虑其他气象因素，如可以结合环流季风的变化来进行细化研究，但大尺度区域的环流季风情况较为复杂，需要分不同情况进行讨论。在未来，应该在西北地区中西部(新疆中部、青海中部)，西北和中南交界处(湖北、河南、陕西交界地区)，中南和华东交界处(河南、安徽交界处)，提前做好因短历时强降水而出现的洪涝灾害的预警。