1960～2011年江苏省降水变化特征

肖艳兵等

摘要：根据江苏省分布均匀的14个站点的降水资料，运用距平分析法、5年滑动平均法、Mann-Kendall非参数检验、Hurst指数等方法，从不同层面和尺度对江苏省1960～2011年序列数据的降水变化规律和趋势进行了分析。结果显示，江苏省未来降水量呈现下降趋势。

关键词：降水变化特征；Mann-Kendall检验；Hurst检验；江苏省

中图分类号：P404 文献标识码：A 文章编号：0439-8114（2014）16-3788-05

Abstract： Using precipitation data of 14 weather stations evenly distributed in Jiangsu province during 1960～2011， the regular rules and future trend of different time scales and levels were analyzed. Several comprehensive methods including Anomaly analysis， 5a sliding average method， Mann-Kendall test method， Hurst index method were applied. The results of Mann-Kendall test and Hurst index showed that the future precipitation of Jiangsu province would have a decreasing trend， but it would not be obvious.

Key words： characteristics of the variety of precipitation； Mann-Kendall test； Hurst index； Jiangsu province

降水特征随着全球气候的变化而变化，降水量的变化将对自然环境变化和社会经济发展产生影响，因此通过研究降水量的变化规律，可为当地政府合理利用自然降水及旱涝灾害防治决策提供一定的理论支持。目前，国内学者对降水的变化规律和趋势预测等方面做了很多研究。例如韩丹等[1]利用小波分析等方法研究了安徽省78个气象站47年的降水变化规律，揭示了安徽省47年来降水量的变化趋势和周期性变化；陈德超等[2]利用气象统计方法研究了江苏省苏州市近半个世纪来的降水变化特征和空间分异规律，对比分析了苏州城区和城郊的多年平均降水的区域性差异及其与城市化的关系；钱会等[3]利用银川市4个气象站49年的实测降水资料，运用统计学理论、克里金插值等方法揭示了银川市49年来的时空变化特征；唐文学等[4]利用江苏省徐州地区长系列雨量代表站资料，对徐州地区6个县50年的降水资料进行分析，揭示了徐州市降水量的变化特征及变化趋势，找出区域内的自然降水特征，探索其时间分布规律，为徐州地区城市防洪、排涝、水资源合理利用、城市建设及区域抗旱提供科学依据。另外，国外许多学者运用各种方法对不同区域的降水变化特征和规律也做了大量的研究工作[5-7]。本研究以江苏省1960～2011年共计52年的降水数据为依据，运用距平分析法、5年滑动平均法、Mann-Kendall非参数检验以及Hurst指数法对江苏省降水进行不同尺度和层面的研究，并进行了序列趋势分析。

1 材料与方法

1.1 研究区概况

江苏省位于中国东部，地势平坦，介于30°46′-35°07′N，116°22′-121°55′E。地居长江、淮河下游，北接山东省，南连上海市和浙江省，西邻安徽省，东滨黄海。一般以淮河、苏北灌溉总渠一线为界，以北地区属暖温带湿润、半湿润季风气候，以南地区属亚热带湿润季风气候。其各地年平均气温介于13～16 ℃，年降水量1 000 mm左右。

1.2 数据来源

文中所用江苏省1960～2011年的日、月、年降水量数据资料均来自于中国地面气候资料日值数据集，由省、市气候资料处理部门逐月上报《地面气象记录月报表》的信息化资料。选取徐州、赣榆、盱眙、淮安、淮阴、射阳、南京、高邮、东台、南通、吕泗、常州、溧阳、吴县东山分布均匀的14个站点的数据进行江苏省降水量变化的分析。对于其中个别站点月份的缺测和空白数据采用回归订正法进行查补订正。中国地面月报信息化文件经过较严格的质量控制和检查，数据质量良好。

1.3 研究方法

1.3.1 Mann-Kendall非参数检验—单调趋势检验 采用Mann-Kendall[8，9]法（简称M-K法）对时间序列的趋势变化和突变情况进行分析。在时间序列分析方法中，M-K法是世界气象组织所推荐的并广泛应用于气温、降水、径流等水文现象的一种非参数统计检验方法，与其他方法相比，M-K法的优点是不需要样本遵从一定的分布，也不受少数异常值的干扰，就能很好地揭示时间序列的趋势变化及突变特征。其基本原理如下：

对于时间样本序列x[i]（i=1，2，…，n），Yi（x）是样本x[i]的分布函数，在M-K法检验中，设H0：Y1（x）=Y2（x）=…=Yi（x），即样本序列不存在变化趋势；H1：Y1（x）>Y2（x）>…>Yn（x）或者H1：Y1（x）

对时间序列进行双边检验，当-M1-α/2≤MK≤M1-α/2时，接受原假设H0；否则，当MK<-M1-α/2时，说明样本序列有明显的下降趋势，当MK>M1-α/2时，说明样本时间序列存在明显的上升趋势。其中α是显著性水平，当α=0.05，若检验值MK小于-1.96，则表明序列呈现显著下降趋势；若检验值MK大于1.96，则表明序列呈现显著上升趋势；否则，序列无显著变化趋势。

定义顺序统计量UF和逆序统计量UB，通过分析统计序列UF和UB可以分析序列x的变化趋势，并且可以进一步明确突变时间。若UF大于0，则表明序列呈上升趋势，若UF小于0，则表明呈下降趋势，当超过临界线（1.96）时，表明上升、下降趋势显著。如果UF和UB两条曲线在临界线之间出现交点，则交点对应时刻即是突变开始的时刻。

1.3.2 Hurst指数法 Hurst指数是基于重标极差（R/S方法）基础之上的一种用于定量描述时间序列持续性的方法，不必考虑数据的分布特征[10]，其是根据英国水文学家Hurst名字命名的，水文方面经常用到该方法。其基本原理为：

则说明时间序列{λ（t）}存在Hurst现象。如果H=0.5，则说明序列不具有持续性；如果H>0.5，则说明时间序列的变化前后呈正相关，即未来的变化趋势和过去的变化趋势相一致；如果0

2 结果与分析

2.1 江苏省降水量年际变化特征

1960～2011年江苏省的年平均降水量为1 028.9 mm，通过计算序列的5年滑动平均值来表现降水量多年变化特征趋势，其历年降水量变化及滑动平均曲线如图1所示。为了更好地表现江苏省历年降水量与年平均降水量的关系，计算了年降水量距平值，结果如图2所示。从江苏省历年降水量的5年滑动平均曲线（图1）可以看出，其降水量呈现周期性的波动，但波动不大，呈现出以7.05 mm/（10年）的倾向率缓慢上升趋势。从江苏省年降水量距平图（图2）可以看出，一共有29年的距平值为正，占分析总年数的56%，丰枯降水年彼此交替，呈现周期性波动起伏，其中，1978年的距平值最小，其年降水量为563.2 mm，比历年平均降水量低465.7 mm；1991年的距平值最大，其年降水量为1 512.1 mm，比历年平均降水量高483.2 mm，这两年为降水量跳跃年份，与相邻年份降水量差异较大。

2.2 江苏省降水量季节变化特征

在52年降水中，江苏省春、夏、秋、冬四季的降水量及其占全年降水量的比例如表1所示。由表1可知，夏季降水量占全年总降水量的比例最高，为49.6%，春季和秋季次之，冬季最少，为10.0%，仅为夏季的1/5。表明江苏省降水量季节分配不均衡，这主要和江苏省的南北跨度大以及其湿润、半湿润季风气候及亚热带湿润季风气候有关。历年四季降水情况如图3所示。1960～2011年，考察年内各月的降水情况，分别计算52年中1～12月各月的降水量，结果如图4所示。其中7月的降水量为全年最高，为208.7 mm，8月和6月次之，分别为155.1 mm和146.7 mm，1月和12月的降水较少，分别为35.1 mm和26.1 mm，仅为7月降水量的16.8%和12.5%。除了夏季降水量波动变化较大以外，其余3个季度降水量变化趋势相对平稳。

2.3 江苏省极端降水分析

降水方面，主要的极端气候事件有洪涝和干旱。洪涝指向极端强降水方面，干旱指向零降水方面[11]。对于极端强降水指数的研究通常采用阈值法[12，13]，目前主要有相对阈值和绝对阈值两种阈值方法。本研究采用相对阈值方法中的百分位法来确定极端强降水的阈值，即把江苏省1960～2011年的有雨日降水量按从小到大排序，取其第95百分位值作为江苏省日极端降水的阈值。对于零降水方面，主要研究江苏省年零降水时间的变化以及最长连续无降水时间的变化特征规律。为了尽可能描述江苏省极端降水事件的时空变化特征，选取了5个极端降水指标（表2）对江苏省的极端降水事件进行分析。

由图5可知，52年来，一日最大降水量整体变化趋势不明显，最大日降水量出现在1962年，日降水量为108.8 mm，最小日降水量出现在1978年，日降水量为22.5 mm。其中，一日最大降水量在20世纪60年代波动较大，其他年份变化趋势相对平稳。根据百分位法求得的第95百分位值为22.1 mm/d，纵观52年来极端降水情况，每一年都出现了极端降水，但是1978年仅出现过1 d极端降水，降水量为22.5 mm，出现极端降水时间最多的是1991年，一共出现了21 d，降水量为726.8 mm，超过了1978年总的降水量（图6）。最大极端强降水比率为48.1%，出现在1991年，最小极端强降水比率为4.0%，出现在1978年，这两年正好是出现极端降水时间最多的一年和最少的一年（图7）。极端强降水比率和极端强降水时间的变化趋势相一致。历年来，年零降水量时间一直围绕200 d上下波动，变化趋势不明显，年零降水时间最大值为227 d，出现在1988年，最小值为174 d，出现在1985年，平均零降水时间为197 d（图8）。最长连续无降水时间为53 d，出现在1973年；最小值为9 d，出现在2000年，历年均值为22 d/年（图9）。

总的来说，5个极端降水指标随着时间序列的变化其变化规律不一样，其中一日最大降水量和最长连续无降水时间总体呈现减少趋势，极端强降水时间和年零降水时间总体呈现增加趋势，但都没有通过显著水平为0.05的显著性检验，极端强降水比率围绕在均值23.9%附近上下波动。

2.4 江苏省降水量年际变化突变检验及趋势分析

通过Mann-Kendall突变检验与Hurst指数法相结合来确定江苏省未来的降水变化趋势。采用Matlab 7.0软件对江苏省1960～2011年时间序列数据进行M-K法检验，得出统计量MK=0.386 7<1.96，统计量全都位于95%置信区间内，表明江苏省降水量总体上呈现上升趋势，但是这种趋势没有通过显著水平为0.05的显著性检验，上升趋势不明显。由图10可以看出，总的来说，江苏省降水量在1960～1968、1975～1978、1992～1997呈下降趋势，在1969～1974、1979～1991和1998年以后呈上升趋势，在20世纪90年代之前没有出现突变点，90年代之后降水量突变点较多。

利用R/S分析法计算Hurst指数，结果如下：

R（τ）/S（τ）=0.848 2τ0.411 6

H=0.411 6<0.5，根据Hurst的原理，得到如下结论：江苏省未来的年降水量具有反持续性特征，即未来的降水变化趋势和过去的变化趋势相反（图11）。通过M-K法的结果显示，江苏省在过去的52年中，年降水量整体上呈现上升趋势。综合M-K法的检验结果和Hurst指数的结果可得，江苏省未来的降水量呈现下降趋势。

3 结论

利用江苏省1960～2011年14个站点的逐日降水数据，对降水量年内变化和季节变化特征、5个极端降水指数变化、年内突变检验和趋势进行了分析，得出如下结论：

1）52年来，江苏省降水量以7.05 mm/（10年）的倾向率呈现缓慢上升趋势，丰枯季节交替。历年的降水量均值为1 028.9 mm，降水的49.6%集中在夏季，冬季最少，为10.0%，春季和秋季次之，分别为21.3%和19.1%，丰枯降水年彼此交替；从各个月份来说，7月平均降水量最高，为208.7 mm，12月降水最少，为26.1 mm，降水的年内分配很不均匀。

2）根据第95百分位法求得江苏省极端降水指数为22.1 mm/d，一日最大降水量除了在20世纪60年代波动变化很大，其余年份变化较平稳；极端降水时间和极端强降水比率差异很大，极差分别为20 d和44.1%；江苏省极端降水比率和极端强降水时间变化趋势表现一致。随着时间序列的变化，极端降水指数也随之发生波动，但是都没有通过显著水平为0.05的显著性检验，上升和下降趋势不明显。

3）M-K法检验结果显示，20世纪90年代之前历年降水量没有出现突变，90年代之后降水量突变点较多，1960～2011年江苏省降水量呈现出缓慢的上升趋势，但是没有通过显著水平为0.05的显著性检验。R/S分析结果显示江苏省降水Hurst指数小于0.5，说明未来的降水变化趋势和过去的变化趋势相反。综合M-K法检验和R/S分析结果，预测未来江苏省降水量呈现下降趋势。

参考文献：

[1] 韩 丹，程先富，张 群，等.安徽省1961～2007年降水特征分析[J].人民长江，2011，42（23）：23-26.

[2] 陈德超，张晓波，陆建伟，等.苏州1956年以来的降水变化及其空间差异研究[J].水文，2008，28（6）：68-72.

[3] 钱 会，李培月，吴健华.银川市近49a来降雨变化特征分析[J].华北水利水电学院学报，2010，31（2）：1-5.

[4] 唐文学，王勇成.徐州地区多年降水特征及变化趋势分析[J].中国水运，2012，12（2）：163-164.

[5] GAN T Y. Hydroclimatic trends and possible climatic warming in the Canadian prairies[J]. Water Resources Research， 1998， 34（11）：3009-3015.

[6] MANN M E， BRADLEY R S， HUGHES M K. Global-scale temperature patterns and climate forcing over the past six centuries[J]. Nature， 1998， 392（6678）：779-787.

[7] SHI Y F， SHEN Y P， KANG ERSI， et al. Recent and future climate change in northwest China[J]. Climatic Change， 2007， 80（3/4）：379-393.

[8] GOCIC M， TRAJKOVIC S. Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J]. Global and Planetary Change， 2013， 100：172-182.

[9] MCLEOD A I， MCCUEN R H. Time series modeling of water resources and environmental systems[M]. New York， USA： Elsevier Science Pub.Co，1994.

[10] 冯利华.基于R/S分析的水资源预测[J].系统工程理论与实践，2002，22（4）：115-118.

[11] 朱龙腾，陈远生，燕然然，等.1951年至2010年北京市降水和气温的变化特征[J].资源科学，2012，34（7）：1287-1297.

[12] EASTERLING D R， EVANS J L， GROLSMAN P Y， et al. Observed variability and trends in extreme climate events： A brief review[J]. Bulletin of the American Meteorological Society， 2000， 81（3）：417-425.

[13] BELL J L， SLOAN L C， SNYDER M A. Regional changes in extreme climatic events： A future climate scenario[J]. Journal of Climate， 2004， 17（1）：81-87.

利用R/S分析法计算Hurst指数，结果如下：

R（τ）/S（τ）=0.848 2τ0.411 6

H=0.411 6<0.5，根据Hurst的原理，得到如下结论：江苏省未来的年降水量具有反持续性特征，即未来的降水变化趋势和过去的变化趋势相反（图11）。通过M-K法的结果显示，江苏省在过去的52年中，年降水量整体上呈现上升趋势。综合M-K法的检验结果和Hurst指数的结果可得，江苏省未来的降水量呈现下降趋势。

3 结论

利用江苏省1960～2011年14个站点的逐日降水数据，对降水量年内变化和季节变化特征、5个极端降水指数变化、年内突变检验和趋势进行了分析，得出如下结论：

1）52年来，江苏省降水量以7.05 mm/（10年）的倾向率呈现缓慢上升趋势，丰枯季节交替。历年的降水量均值为1 028.9 mm，降水的49.6%集中在夏季，冬季最少，为10.0%，春季和秋季次之，分别为21.3%和19.1%，丰枯降水年彼此交替；从各个月份来说，7月平均降水量最高，为208.7 mm，12月降水最少，为26.1 mm，降水的年内分配很不均匀。

2）根据第95百分位法求得江苏省极端降水指数为22.1 mm/d，一日最大降水量除了在20世纪60年代波动变化很大，其余年份变化较平稳；极端降水时间和极端强降水比率差异很大，极差分别为20 d和44.1%；江苏省极端降水比率和极端强降水时间变化趋势表现一致。随着时间序列的变化，极端降水指数也随之发生波动，但是都没有通过显著水平为0.05的显著性检验，上升和下降趋势不明显。

3）M-K法检验结果显示，20世纪90年代之前历年降水量没有出现突变，90年代之后降水量突变点较多，1960～2011年江苏省降水量呈现出缓慢的上升趋势，但是没有通过显著水平为0.05的显著性检验。R/S分析结果显示江苏省降水Hurst指数小于0.5，说明未来的降水变化趋势和过去的变化趋势相反。综合M-K法检验和R/S分析结果，预测未来江苏省降水量呈现下降趋势。

参考文献：

[1] 韩 丹，程先富，张 群，等.安徽省1961～2007年降水特征分析[J].人民长江，2011，42（23）：23-26.

[2] 陈德超，张晓波，陆建伟，等.苏州1956年以来的降水变化及其空间差异研究[J].水文，2008，28（6）：68-72.

[3] 钱 会，李培月，吴健华.银川市近49a来降雨变化特征分析[J].华北水利水电学院学报，2010，31（2）：1-5.

[4] 唐文学，王勇成.徐州地区多年降水特征及变化趋势分析[J].中国水运，2012，12（2）：163-164.

[5] GAN T Y. Hydroclimatic trends and possible climatic warming in the Canadian prairies[J]. Water Resources Research， 1998， 34（11）：3009-3015.

[6] MANN M E， BRADLEY R S， HUGHES M K. Global-scale temperature patterns and climate forcing over the past six centuries[J]. Nature， 1998， 392（6678）：779-787.

[7] SHI Y F， SHEN Y P， KANG ERSI， et al. Recent and future climate change in northwest China[J]. Climatic Change， 2007， 80（3/4）：379-393.

[8] GOCIC M， TRAJKOVIC S. Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J]. Global and Planetary Change， 2013， 100：172-182.

[9] MCLEOD A I， MCCUEN R H. Time series modeling of water resources and environmental systems[M]. New York， USA： Elsevier Science Pub.Co，1994.

[10] 冯利华.基于R/S分析的水资源预测[J].系统工程理论与实践，2002，22（4）：115-118.

[11] 朱龙腾，陈远生，燕然然，等.1951年至2010年北京市降水和气温的变化特征[J].资源科学，2012，34（7）：1287-1297.

[12] EASTERLING D R， EVANS J L， GROLSMAN P Y， et al. Observed variability and trends in extreme climate events： A brief review[J]. Bulletin of the American Meteorological Society， 2000， 81（3）：417-425.

[13] BELL J L， SLOAN L C， SNYDER M A. Regional changes in extreme climatic events： A future climate scenario[J]. Journal of Climate， 2004， 17（1）：81-87.

利用R/S分析法计算Hurst指数，结果如下：

R（τ）/S（τ）=0.848 2τ0.411 6

H=0.411 6<0.5，根据Hurst的原理，得到如下结论：江苏省未来的年降水量具有反持续性特征，即未来的降水变化趋势和过去的变化趋势相反（图11）。通过M-K法的结果显示，江苏省在过去的52年中，年降水量整体上呈现上升趋势。综合M-K法的检验结果和Hurst指数的结果可得，江苏省未来的降水量呈现下降趋势。

3 结论

利用江苏省1960～2011年14个站点的逐日降水数据，对降水量年内变化和季节变化特征、5个极端降水指数变化、年内突变检验和趋势进行了分析，得出如下结论：

1）52年来，江苏省降水量以7.05 mm/（10年）的倾向率呈现缓慢上升趋势，丰枯季节交替。历年的降水量均值为1 028.9 mm，降水的49.6%集中在夏季，冬季最少，为10.0%，春季和秋季次之，分别为21.3%和19.1%，丰枯降水年彼此交替；从各个月份来说，7月平均降水量最高，为208.7 mm，12月降水最少，为26.1 mm，降水的年内分配很不均匀。

2）根据第95百分位法求得江苏省极端降水指数为22.1 mm/d，一日最大降水量除了在20世纪60年代波动变化很大，其余年份变化较平稳；极端降水时间和极端强降水比率差异很大，极差分别为20 d和44.1%；江苏省极端降水比率和极端强降水时间变化趋势表现一致。随着时间序列的变化，极端降水指数也随之发生波动，但是都没有通过显著水平为0.05的显著性检验，上升和下降趋势不明显。

3）M-K法检验结果显示，20世纪90年代之前历年降水量没有出现突变，90年代之后降水量突变点较多，1960～2011年江苏省降水量呈现出缓慢的上升趋势，但是没有通过显著水平为0.05的显著性检验。R/S分析结果显示江苏省降水Hurst指数小于0.5，说明未来的降水变化趋势和过去的变化趋势相反。综合M-K法检验和R/S分析结果，预测未来江苏省降水量呈现下降趋势。

参考文献：

[1] 韩 丹，程先富，张 群，等.安徽省1961～2007年降水特征分析[J].人民长江，2011，42（23）：23-26.

[2] 陈德超，张晓波，陆建伟，等.苏州1956年以来的降水变化及其空间差异研究[J].水文，2008，28（6）：68-72.

[3] 钱 会，李培月，吴健华.银川市近49a来降雨变化特征分析[J].华北水利水电学院学报，2010，31（2）：1-5.

[4] 唐文学，王勇成.徐州地区多年降水特征及变化趋势分析[J].中国水运，2012，12（2）：163-164.

[5] GAN T Y. Hydroclimatic trends and possible climatic warming in the Canadian prairies[J]. Water Resources Research， 1998， 34（11）：3009-3015.

[6] MANN M E， BRADLEY R S， HUGHES M K. Global-scale temperature patterns and climate forcing over the past six centuries[J]. Nature， 1998， 392（6678）：779-787.

[7] SHI Y F， SHEN Y P， KANG ERSI， et al. Recent and future climate change in northwest China[J]. Climatic Change， 2007， 80（3/4）：379-393.

[8] GOCIC M， TRAJKOVIC S. Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimator statistical tests in Serbia[J]. Global and Planetary Change， 2013， 100：172-182.

[9] MCLEOD A I， MCCUEN R H. Time series modeling of water resources and environmental systems[M]. New York， USA： Elsevier Science Pub.Co，1994.

[10] 冯利华.基于R/S分析的水资源预测[J].系统工程理论与实践，2002，22（4）：115-118.

[11] 朱龙腾，陈远生，燕然然，等.1951年至2010年北京市降水和气温的变化特征[J].资源科学，2012，34（7）：1287-1297.

[12] EASTERLING D R， EVANS J L， GROLSMAN P Y， et al. Observed variability and trends in extreme climate events： A brief review[J]. Bulletin of the American Meteorological Society， 2000， 81（3）：417-425.

[13] BELL J L， SLOAN L C， SNYDER M A. Regional changes in extreme climatic events： A future climate scenario[J]. Journal of Climate， 2004， 17（1）：81-87.