赣南地区近58年来极端气候变化趋势分析

吴丹瑞，吴安琪，何新玥，李 明

(1.江西师范大学 鄱阳湖湿地与流域研究教育部重点实验室，南昌 330000；2.西北农林大学 资源环境学院，陕西 杨凌 712100； 3.河海大学 水文水资源学院，南京 210098)



赣南地区近58年来极端气候变化趋势分析

吴丹瑞1,2，吴安琪3，何新玥3，李 明1,2

(1.江西师范大学 鄱阳湖湿地与流域研究教育部重点实验室，南昌 330000；2.西北农林大学 资源环境学院，陕西 杨凌 712100； 3.河海大学 水文水资源学院，南京 210098)

极端天气事件对人类和自然环境的影响巨大，为评估其变化趋势，采用Mann-Kendall趋势检验和线性倾向估计法分析了赣南地区1956—2013年基于气温和极端降水的8个指标的变化趋势。结果表明：①年降雨总量没有显著变化，季节性变化差异较大;②气温在年尺度和季节尺度变化一致，几乎全部站点年最高气温和年最低气温都有显著上升趋势，且秋季上升幅度最大，其最低气温最大上升幅度为每10 a上升0.39 ℃；除春季外，日温差均为减小趋势;③极端降水事件有增加趋势，年尺度上最大日降雨量和最大3日降雨量均有显著增加趋势，冬季增加趋势更加显著。本研究结果显示赣南地区气温变化趋势与全球变暖保持一致，极端降水事件也在加剧。

气候变化；极端气候；赣江流域；年最高气温；年最大日降雨量

1 研究背景

随着全球气候变暖，全球热浪、暴雨、冰雹、大雪、洪水和干旱等极端天气事件加剧，特别是20世纪80年代以来，极端天气事件发生频率急剧上升，各种气象灾害也随之增加，给全球社会经济以及生态环境造成了严重的损失和破坏[1]。联合国政府间气候变化专门委员会(IPCC)第4次公布的评估报告指出，1980年以后，极端天气事件尤其是飓风(台风)、热浪和强降水等发生的频率和强度都呈现不断增长的趋势，预计这些极端天气事件将更加频繁地发生[2]。更为重要的是，极端天气事件不仅明显增多增强，而且分布范围也不断扩大[3]。

极端天气事件除本身会造成气象灾害外(如强降雨导致洪涝灾害)，还会引发一系列二次灾害，例如强降雨引发崩塌、滑坡和泥石流等。这些二次灾害会对生命财产安全及生态环境造成更为严重的影响。另外，极端降雨可能加剧流域土壤侵蚀，导致水、土、肥大量流失，农业耕作产量下降，土地逐渐退化，生态平衡遭到破坏[4]。所以，鉴于极端天气事件对人类社会和自然环境的强大影响，对其变化趋势的分析与评估是极为重要而紧迫的[5]。

赣南地区位于鄱阳湖主要支流赣江的上游，是华南经济区与长江经济区的重要桥梁，是闽东南三角区、珠江三角洲的腹地，是连接东南沿海与内地的纽带[6]。然而，赣南强降雨过程近年频发，以点暴雨为主，降雨时空分布极不均匀，洪涝灾害多发，同时引发崩塌、滑坡以及较严重的水土流失。因此，研究赣南地区极端气候的变化规律对该地区防洪减灾、水土保持以及生态保护都是极为重要的。

2 研究区域概况

赣南地区，即江西省南部，位于赣江的上游，主要包括赣州市2区1市15县，如图1所示。

图1 研究区域和气象站点的位置及主要河流

该地区地处24°29′N—27°09′N，113°54′E—116°38′E之间。纵距295 km，横距219 km，总面积39 379.64 km2，约占江西省的1/4[6]。

地势四边高中间低，赣南地区四周是武夷山、雩山、诸广山及南岭的九连山、大庾岭等，连绵起伏，断陷盆地广泛分布，低山丘陵面积超过80%。平均海拔高度在300～500 m之间，海拔最高处在齐云山鼎锅寨，为2 061 m，最低处在赣县湖江镇张屋村，为82 m[6]。西部、南部和东北部均为低山、丘陵构造地貌。新构造运动上升强烈，山坡陡峭处，流水切割较强，有V形谷发育，是数百条河流的发源地，水土流失严重；以剥蚀为主中等侵蚀缓慢抬升的丘陵地貌，山势平缓，风化强烈，水土流失严重。中部是水力侵蚀堆积地貌，新构造运动变化缓慢，风力、水力侵蚀严重，又由于风化壳深厚、沟谷平坦宽阔，极易造成水土流失，遇强降雨极易诱发滑坡、崩塌等自然灾害。此外由灰岩、红岩和含钙质的砂砾岩等形成的溶蚀侵蚀地貌分布广泛。

赣南地区属于亚热带季风气候，四季分明，水分、热量充足，雨热同期。年平均降水量为1 461.2 mm，春夏季较多。夏季炎热漫长，冬季温暖，年平均气温19.4 ℃。

研究区域河流总共1 270多条，河流总长度为16 626.6 km，流域面积为1 449 km2，河流密度为0.42 km/km2[6]。赣南山区是珠江流域东江水系和长江流域赣江水系的源头。上千条支流汇聚成9条较大支流，在章贡区汇聚成赣江，向北流入鄱阳湖，最后进入长江。另外还有数百条支流从赣南的边缘山区流入韩江流域的梅江水系以及珠江流域的东江和北江水系[6]。赣南地区的主要自然灾害是暴雨以及由此引发的洪水。一年之内会发生多次的强降雨，并且时空分布特别不均匀，主要表现为点暴雨，西部多为受灾区。汛期是每年的4—9月份，洪水多发期是5—6月份。

3 数据资料和处理方法

3.1 数据获取和数学符号

3.1.1 数据资料

研究使用数据为1956—2013年赣南地区及其周围7个气象站测得的日降雨量和日最高、最低气温。各气象站的位置及基本信息如图1和表1所示，数据主要来源于中国气象局，数据质量能够得到保证。为研究极端气温和降水的年变化以及季节性变化，将58 a连续日数据利用Excel 2010软件录制多种宏并挖掘提取出年、四季和汛期(5—6月份)的日数据，进一步整理出年和四季8种指标需要的数据及汛期的降水数据，其中规定春季为3—5月份、夏季为6—8月份、秋季为9—11月份、冬季为12月份到次年2月份。

表1 赣南地区气象站信息

3.1.2 极端气温和降水指数

采用代用气候指数对极端天气变化的趋势进行检测获得国际众多研究团队的认可，但多种原因(如数据不易获得)使每个研究团队所采用的各自定义的指数不相同[7]。本文定义了8种指数(3种气温指数、5种降水指数)来描述气温和降水的变化特征。它们分别被不同研究团队应用于之前的研究[8-9]。气温数据指数为平均日最高温(MxT)、平均日最低温(MnT)、平均日温差(ΔT)，降水数据指数为总降雨量(P)、1 d最大降雨量(AM1R)、连续3 d最大降雨量(AM3R)、连续5 d最大降雨量(AM5R)、连续7 d最大降雨量(AM7R)。

3.2 研究方法

3.2.1 Mann-Kendall趋势检验方法原理

Mann-Kendall(简称MK)是水文序列中最受欢迎的一种趋势检验方法[10-11]，已经被世界气象组织(WMO)广泛推荐应用于时间序列的趋势分析，被许多研究人员用来分析降水、气温、泥沙和径流等的时间序列的变化趋势。利用无参数MK数据检验方法对8个指标的时间序列进行趋势分析。这个检验允许我们在不进行任何特定分布假设时调查数据的长期趋势。此外，由于它是无参数的，很少受数据序列中异常值的干扰。评估趋势的统计学显著性是在相对于零假设10%的置信水平，零假设是指分析变量中没有趋势。MK检验中的检验统计量S被定义如下，即

(1)

式中：n为数据记录长度;xi和xj为连续数据值;sgn(xj-xi)为符号函数，其具体形式为

(2)

当n≥10时，检验统计量S近似服从正态分布，均值和方差分别为：

E(S)=0 ；

(3)

(4)

式中：m为固定组的数量；ti为第i个固定组的大小。标准检验统计量Z由以下计算所得，即

(5)

3.2.2 序列相关性

yt=xt-φxt-1。

(6)

式中：yt为时间序列预白化的值；xt为时间间隔为t的原始时间序列值；φ为滞后1个时间间隔的自相关系数。此项研究中，在置信水平为5%的情况下，序列相关性显示为显著时进行预白化处理。我们的样本中，大部分的研究变量不显示显著的序列相关性。在应用趋势检验之前，首先利用预白化去除时间序列中的序列相关。

3.2.3 线性倾向估计法

利用年(四季)各项指标序列，以时间t为自变量，年(四季)各项指标为因变量，建立一元回归方程，方程为

y(t)=b0+b1t 。

(7)

式中b0，b1均为系数，通过最小二乘法获得。b1为正值，表示有增加(上升)趋势；b1为负值，表示有减少(降低)趋势[13]。

将式(7)求导后，可得

dy(t)/dt=b1。

(8)

一般将b1×10称为变化倾向率，表示每10 a的变化大小。

3.2.4 聚类分析

本文通过聚类分析研究各个站点极端气候发生的异同，以此为依据探讨该地区极端气候变化的原因。聚类分析是一种事先不知道分类个数的分析，因此可以事先不用给出分类标准，它自身可以从所给的样本数据出发，根据一些变量的亲疏远近，逐渐多次进行自动聚类[14]。本文聚类分析使用SPSS软件，采用离差平方和法(Ward’s method) 计算小类之间的距离，采用欧式距离平方计算样本距离，根据5个降雨指标变量对7个气象站进行聚类，根据3个气温指标变量对6个气象站进行聚类。

1.2.3 脱落、剔除或终止标准 因不良反应和(或)合并症病情恶化不能完成治疗者，因疗效不佳而中断或未按要求配合完成评分及疗效评价者。

4 结果与分析

1956—2013年连续58 a赣南地区及周围7个气象站的年降雨和气温的8个指标MK检验结果以及显著上升趋势(+)、显著下降趋势(-)和没有或者不显著趋势(0)的站点百分比，归纳在表2和表3中。同时分析了上述8个指标不同季节的变化趋势，如表4所示。从表4可以看出，各个站点的8个指标在冬季的变化最为显著，因此，将研究区域冬季降水和气温指标每10 a的趋势和变化进行整理，并对比分析，见图2。

表2 各气象指标序列的MK检验结果

表3 各指标不同变化趋势气象站百分比

注：*表示通过了置信度为90%的显著性检验。

表4 1956—2013年研究区域各指标四季显著变化趋势站点数

图2 1956—2013年研究区域冬季降水和气温指标每10 a的趋势和变化标志

4.1 气 温

1956—2013年，MxT和MnT显著上升，平均日温差范围(ΔT)随季节变化不同，整体为减小趋势。与全球变暖的大趋势相一致。

从整个年度的变化趋势看(表3)，所有站点MxT都有上升趋势，其中85.71%的站点表现出显著的上升趋势。就季节而言(表4)，MxT在秋季表现出最大的变暖趋势，所有站点都有显著的上升趋势，春夏冬季也均表现出变暖趋势。MnT有显著上升趋势的站点除了在春季是3个外，在其余季节以及年尺度上所有站点均有显著上升趋势，其中秋冬季变暖幅度较大，最大增温速率发生在秋季，每10 a上升0.39 ℃。

整体上由于MnT比MxT上升幅度更大，导致ΔT减小。年尺度上，ΔT在大多数站点都有减小的趋势，其中33.33%的站点表现出显著的减小趋势；春季ΔT表现为增大趋势，且有1个站点表现出显著的增大趋势，这是因为春季MnT上升幅度比较小；夏冬季ΔT都有较明显的减小趋势，且夏季4个(冬季3个)站点表现为显著的减小趋势；秋季温差变化不大，5个站点表现为不显著的减小趋势。

4.2 降 水

郭家力等[15]预测赣江流域降水将会增加，但是，我们的结果是降水指标的变化大多不显著，站点之间变化趋势差异较大，这可能与局部地形有关。总降雨量(P)在年尺度上和夏季均没有显著变化；春秋均有减少趋势，但只有1个站点的减少趋势显著；冬季有增加趋势(表4)。为了解极端天气对防洪的影响，将汛期(5—6月份)极端降水和总降水的变化趋势整理为表5。

表5 1956—2013年研究区域汛期降水指标 每10 a的变化和显著变化标志

注：“0”和“-”分别表示在置信度为90%时没有显著变化趋势和有显著减少趋势。

在年尺度上(表2)日最大降雨量(AM1R)和连续3 d最大降雨量(AM3R)大部分站点都有增加趋势，且有14.29%的站点有显著增加趋势，而连续5 d最大降雨量(AM5R)和连续7 d最大降雨量(AM7R)没有明显变化趋势，且各站点差异较大，说明时间较短的极端降雨事件有可能增加。此结果可以为赣南地区降雨侵蚀的防治和气候变化下水保措施的制定提供支持[16]。

在季节上(表4)，站点间差异在春季表现最明显，AM1R同时存在2个站点分别有显著增加趋势和显著减少趋势，对于AM3R和AM5R均有1个站点有显著增加趋势。夏季和秋季各指标变化没有明显趋势，除了夏季的AM7R和秋季的AM3R分别对应有1个站点有显著增加和减少趋势。冬季各指标都有增加趋势，AM1R，AM3R和AM5R均有3个站点增加趋势显著，AM7R有2个站点呈现出显著增加趋势。总的来说，冬季极端降雨的降雨强度在增加。

汛期(5—6月份)降水总量呈现减少趋势(表4)，其中3个站点显著减少。所有极端降水指标在几乎全部站点都表现出不显著的减少趋势。而年尺度上降水总量没有显著变化，极端降水指标最大日降水量和最大3 d降水量均有显著增加趋势。冬季总降水量和极端降水增加趋势都更加显著。说明非汛期的突发暴雨事件概率增大，这也可能导致汛期时间延长，因此，在今后的防洪工作中要注重非汛期的防洪。

4.3 聚类分析

图3是根据气温和降水2个变量对赣南地区7个气象站点进行聚类分析的结果，以此分析造成该地区极端气候变化的潜在原因。

图3 气温指标和降水指标聚类分析结果

陈活泼[17]通过分析东亚地区大气环流变化指出，随着全球变暖，东亚夏季风环流的增强以及大气层结不稳定的增加为我国降水和极端降水事件的增加提供有利条件。由于我国地质地貌特征复杂，气候变化研究的空间尺度不同，结果存在差异。

在对赣南地区极端气候变化趋势进行分析时发现各气象站点同一指标的变化趋势差异很大，可能是由于地理位置和地形的影响。根据各指标变化趋势聚类分析的结果(图3)可以将赣南地区划分为2个区域。

根据气温3个指标聚类分析的结果(图3(a))可以看出，赣州、南雄和连平划分为一个区域，广昌、长汀和寻乌为另一个区域。根据降水5个指标聚类分析的结果(图3(b))可以看出，遂川、赣州和南雄可以划分为一个区域，广昌、连平、长汀和寻乌为另一个区域。

综合2个结果可以将遂川、赣州、南雄和连平划分为一个区域，广昌、长汀和寻乌划分为另外一个区域，也就是将赣南地区划分为东西2个部分。东侧区域的广昌、长汀和寻乌都坐落在武夷山脉的山麓，而西侧4个站点都位于武夷山脉以西较远的位置。东亚的暖湿气流在武夷山脉附近受到阻挡可能是造成该地区极端气候差异的主要地理原因，而该地区整体极端气候变化可能是由全球变暖导致的东亚季风环流的增强造成的。

5 结 论

(1) 近58 a(1956—2013年)来赣南地区年降雨总量没有显著变化。春秋季节均有减少趋势，且均有14.29%的站点表现显著减少趋势；夏季没有显著变化趋势；冬季有增加趋势，且有14.29%的站点有显著增加趋势；汛期(5—6月份)降雨减少趋势明显，42.86%的站点是显著减少。

(2) 研究区域近年来有显著的变暖趋势。在年尺度上，日最高温和最低温都呈上升趋势，分别对应85.71%和100%的站点表现为显著上升趋势。同时由于日最低温上升的幅度更大，导致日温差范围的减小趋势。在季节尺度上，日最高温与最低温的变化趋势与年气温变化相同，其中秋季上升幅度都最大，其日最低温最大上升幅度为0.39 ℃/(10 a)。日温差除春季为增加趋势外，夏冬季都有较明显的减小趋势，且夏季66.67%(冬季50%)的站点表现为显著的减小趋势；秋季日温差变化不大，83.33%的站点表现为不显著的减小趋势。

(3) 在年尺度上，极端降水事件有增加趋势，其中日最大降雨量和最大3 d降雨量均有14.29%的站点有显著增加趋势。季节尺度上，冬季极端降雨显著增多，春季站点差异较大，夏秋季节没有明显变化趋势，汛期有不显著的减少趋势。 推测非汛期的突发暴雨事件概率增大，在今后的防洪工作中要注重非汛期的防洪。

(4) 聚类分析将赣南地区划分为东西2个部分，东侧区域的广昌、长汀和寻乌都坐落在武夷山脉的山麓，而西侧4个站点都位于武夷山脉以西较远的位置。东亚的暖湿气流在武夷山脉附近受到阻挡可能是造成该地区极端气候差异的主要地理原因。

[1]万仕全. 中国降水与温度极值的时空分布规律模拟[D]. 兰州：兰州大学, 2010.

[2]孙 颖, 王长科, 许红梅, 等. 直面气候挑战——解读政府间气候变化专门委员会 (IPCC) 第四次评估报告[J]. 中国减灾, 2007, (7): 8-9.

[3]刘克非. 极端气候下沥青路面破坏机理与修复技术研究[D]. 长沙：中南大学, 2012.

[4]YANG T, SHAO Q, HAO Z C,etal. Regional Frequency Analysis and Spatio-temporal Pattern Characterization of Rainfall Extremes in the Pearl River Basin, China[J]. Journal of Hydrology, 2010, 380(3): 386-405.

[5] HU Y, MASKEY S, UHLENBROOK S. Trends in Temperature and Rainfall Extremes in the Yellow River Source Region, China[J]. Climatic Change, 2012, 110(1): 403-429.

[6] 陈纳新. 赣州市中心城区排水系统可行性研究[D]. 江西 赣州：江西理工大学, 2011.

[7] 黄 强, 陈子燊. 全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究[J]. 地球科学进展, 2014, 29(8): 956-967.

[8] ZHAI P, ZHANG X, WAN H,etal. Trends in Total Precipitation and Frequency of Daily Precipitation Extremes over China[J]. Journal of Climate, 2005, 18(7): 1096-1108.

[9] SU B D, JIANG T, JIN W B. Recent Trends in Observed Temperature and Precipitation Extremes in the Yangtze River Basin, China[J]. Theoretical and Applied Climatology, 2006, 83(1/4): 139-151.

[10]MANN H B. Nonparametric Tests Against Trend[J]. Econometrica: Journal of the Econometric Society, 1945,13(3): 245-259.

[11]KENDALL M G. Rank Correlation Measures [M].London：Charles Griffin and Company，1975.

[12]王秀丽. 基于 Bootstrap 方法的北江流域径流趋势分析[J]. 广东水利水电, 2009,(9): 31-33.

[13]陆志华, 夏自强, 于岚岚, 等. 松花江流域年降水和四季降水变化特征分析[J]. 水文, 2012, 32(2): 62-71.

[14]李 蓉, 李 宇. 基于主成分分析与聚类分析方法的我国西部区域划分问题的研究[J]. 科技广场, 2006,(3): 66-67.

[15]郭家力, 郭生练, 郭 靖, 等. 鄱阳湖流域未来降水变化预测分析[J]. 长江科学院院报, 2010, 27(8): 20-24.

[16]董林篧, 郑艳霞, 程冬兵, 等. 气候变化对降雨侵蚀力的影响研究综述[J]. 长江科学院院报, 2015, 32(3): 59-63.

[17]陈活泼. CMIP5 模式对 21 世纪末中国极端降水事件变化的预估[J]. 科学通报, 2013, 58(8): 743-752.

(编辑：占学军)

Trends of Extreme Climate in South Jiangxifrom 1956 to 2013

WU Dan-rui1,2， WU An-qi3，HE Xin-yue3，LI Ming1,2

(1.Key Laboratory of Poyang Lake Wetland and Watershed Research of Ministry of Education, Jiangxi Normal University, Nanchang 330000, China; 2.College of Resources and Environment, Northwest A&F University, Yangling 712100, China; 3.College of Hydrology and Water Resources, Hohai University, Nanjing 210098, China)

Extreme weather events have huge impact on human and the environment. In this article, Mann-Kendall test and linear trend method were adopted to examine the trend of eight indicators according to temperature and precipitation data in south Jiangxi Province from 1956 to 2013. The indicators include average value of daily maximum temperature difference (MxT), average value of daily minimum temperature (MnT), average value of daily temperature difference (△T), total precipitation (P), annual maximum 1-day rainfall (AM1R), annual maximum 3-day rainfall (AM3R), annual maximum 5-day rainfall (AM5R), and annual maximum 7-day rainfall (AM7R).Results showed that 1) there was no significant change in annual precipitation index, but the seasonal variationswere obvious; 2) temperature indicators showed the same trend both in year scale and in season scale, and in almost all the sites MxT and MnT showed significant upward trend, in particular, MnT in autumn had the largest increase of 0.39 ℃ per decade. △Tdecreased except in spring; 3) extreme precipitation events showed an upward trend, and AM1R and AM3R increased significantly, especially in winter. The research results suggest that the temperature trend in Southern Jiangxi is in accordance with global warming trend, and extreme precipitation events are intensifying.

climate change; extreme climate; Ganjiang River Basin; maximum annual temperature; maximum annual daily rainfall

2015-09-22；

2015-11-01

国家自然科学基金项目(51409216)；鄱阳湖湿地与流域研究教育部重点实验室(江西师范大学)开放基金资助项目(PK2014003)

吴丹瑞(1992-)，女，河南周口人，硕士研究生，研究方向为土壤侵蚀与水土保持，(电话)029-87080055(电子信箱)wudanrui15@mails.ucas.ac.cn。

李 明(1986-)，男，甘肃庆阳人，副教授，博士，研究方向为水环境与生态水利，(电话)029-87080055(电子信箱) lileaf@163.com。

10.11988/ckyyb.20150809

2017,34(1):24-29，39

P461

A

1001-5485(2017)01-0024-06