长江流域气象旱涝异常急转识别及分析

陶新娥，侯雨坤

（1.湖北省晴川生态工程技术有限公司，武汉430000；2.湖北省工程咨询股份有限公司，武汉430000；3.中交第二航务工程勘察设计院有限公司，武汉430071）

1 研究背景

旱涝异常事件长期以来一直是短期气候预测的重要内容，也是国内外大气科学研究的热点[1-6]。根据气象与水文旱涝的定义，如果某个时间段内降雨或径流分布较为均匀，该区域的旱涝情况就不明显；相反，若降雨或径流集中在某个时间段内，则该时间段易产生洪涝现象，而其他时段产生干旱的现象。基于此，吴志伟[7]于2006年提出了“旱涝并存，旱涝急转”的概念，并将旱涝并存与急转的程度通过长周期旱涝急转指数（long-cycle drought-flood abrupt alternation，LDFAI） 量化。然而，对时间段，该研究只在旬尺度给予了明确的定义，通常只能判断并量化在一个季节中发生一次日尺度的旱转涝或者涝转旱事件（以下简称旱涝急转事件）。与此同时，虽然该指标弱化了区域降雨量不同对旱涝急转带来的影响，但通常情况下冬季急转事件较夏季的急转事件对区域影响更大。

以往，针对旱涝的季节内变化关注较少。但自20世纪90年代以来，鉴于季节内降水异常造成灾害的严重性，国内外学者对该异常现象的研究愈来愈多。旱涝急转现象正是季节内降水异常的典型代表[8]，在中国华南、长江中下游及西南等地区时有发生[9]。吴志伟等[8]、王胜等[10]、孙鹏等[11]分别对长江中下游地区、淮河流域、东江流域开展了旱涝急转现象的趋势变化特征研究。然而，这些研究大多数以流域的平均降水量为依据，以旬、月尺度及更长时间尺度分析流域整体的旱涝急转特征，无法逐日分析旱涝问题，也就无法以日为单位筛选一次完整的旱涝急转事件。且长江中下游流域的覆盖范围较大，跨越不同的气候区域，流域内不同地区旱涝急转现象存在较大差异。因此，本研究以长江中上游为研究对象，通过搭建长江流域二级子流域气象旱涝指标，采用日尺度旱涝指数标准化加权平均降雨（standard weighted average precipitation，SWAP）[12]量化旱涝急转程度，筛选旱涝急转事件，并分析旱涝急转变化规律，并结合经典统计降尺度模型（statistical downscaling model，SDSM）[13]预测未来长江流域旱涝急转特征，以期为长江流域防洪抗旱提供科学依据，更好地实现水资源优化配置。

2 气象与水文旱涝异常事件识别方法

2.1 SWAP

为了展现当日旱涝情况在历史同一日的强弱程度，Lu等[14]于2009年提出了基于累计降雨的气象旱涝指标SWAP。该指标是基于加权平均降雨WAP（weighted average precipitation）通过Gamma函数标准化得到[14]。WAP指数认为旱涝强度受降水的影响，但是同时径流、蒸散和滲透等因素也会使降雨量带来的影响逐渐减小。假设径流、蒸散和渗透等衰减因素强弱与降水量成正比，则构建如下简易物理模型：

式（1）中，f(t)是t时刻旱涝强度，它与t时刻降雨P(t)正相关，但又被需水、蒸发以及土壤下渗所延缓，这些延缓要素被整体概化为-bf，其中，b＞0，且b越大代表同量级降雨对应的延缓要素越强；对公式进行积分变换，可得：

进而推导，离散化以后即可成为如下形式：

式 （3） 中，a=exp(-bΔt),a＜1（Δt代表一天）表示n天前的贡献与衰减。

由于当n大于某个阈值N后，指数函数an极小可以忽略不计，故公式又可以变为：

为了简化累加过程及同一量纲，将极小量略去，累计降雨WAP可展现为:

式中，wn=(1-a)an。根据上述公式，可以看出WAP值可以每日发生变化，其当日的旱涝程度受到前期累积雨量的影响，a越大，则早期降雨对当日旱涝的影响越大。根据Lu 所介绍，通常经验定义a=0.9，N=44。

将得到的WAP值按对应日序数逐年排列，根据多年同一日WAP值构建Gamma 分布拟合，将其反向正态标准化，从而得到对应的SWAP值。

2.2 游程理论

游程理论也称为轮次理论，是分析时间序列的一种方法[15-16]，是量化旱涝特征变量变化规律的理论基础。Yevjevich[17]最早运用游程理论识别和描述干旱事件。

在进行旱涝分析时，首先要获取旱涝事件的特征变量序列。本文为了选取合适的旱涝事件，取洪涝事件截取水平为1（轻旱或轻涝），当从某个时期开始，旱涝指标SWAP 值满足连续7 d 大于1 h，定义为一次洪涝事件发生，直到SWAP 值满足连续3 d小于-0.5 h，定义为这次洪涝事件结束，从洪涝起始到洪涝结束的这段时间间隔称为该次洪涝事件的持续时间。将洪涝定义所述的1与-0.5相反为-1与0.5时，则记为一次干旱事件。

图1 旱涝急转事件定义Fig.1 Definition of drought-flood sudden alternation events

旱涝或涝旱急转事件定义为：采用根据日尺度指标提取出的干旱和洪涝事件，对于某时期，若先后存在一个干旱事件和一个洪涝事件，且干旱事件结束时间与洪涝事件开始时间两者时间间隔小于3 d，定义本次从干旱事件到洪涝事件的转换为一次旱涝急转事件，其中旱涝急转事件的起始时间是这次干旱事件的发生时间，结束时间是这次洪涝事件的结束时间。相对应的，对于某时期若先后存在一个洪涝事件和一个干旱事件，且洪涝事件结束时间与干旱事件开始时间两者间隔小于3 d，定义这次从洪涝事件到干旱事件为一次涝旱急转事件，涝旱急转事件的起始时间为本次洪涝事件的发生时间，结束时间是本次干旱事件的结束时间。

采用两种指标，即事件发生频次以及事件平均强度，来表征旱涝急转事件的变化情况。其中，事件发生频次P由如下公式定义：

式中，N为时段内发生急转事件总次数，T为时段总年数，该指标单位为次/a。

而事件平均强度Smean按如下公式定义：

2.3 模拟方法

本研究基于长江流域171 个气象站点历史1961—2014年降雨资料，模拟长江流域站点未来2016—2100年降雨情况，并分析其旱涝急转变化。具体站点分布情况如表1所示。

表1 长江流域二级区域情况及特征Tab.1 The situation and characteristics of secondary subbasins in the Yangtze River basin

模拟未来降雨的SDSM模型的气候因子输入要素中，历史时期气候因子采用美国环境预报中心（National Centers for Environmental Prediction，NCEP）的日尺度再分析资料，未来时期采用德国波茨坦气候影响研究所（Potsdam institute for climate impact research，PIK）基于德国气象局的LM（local model） 模式发展而来的区域气候模式-CCLM（regional climate model COSMO-CLM）2016—2100年数据输出作为气象因子[18]，未来气候情景选用IPCC AR5所推荐的代表性浓度路径（representative concentration pathways, RCPs） 中 的RCP4.5 与 RCP8.5 两种情景[19]。其中，RCPs 指“对辐射活性气体和颗粒物排放量、浓度随时间变化的一致性预测，作为一个集合，它涵盖广泛的人为气候强迫”。IPCC推荐识别了4类RCPs，本次选用的RCP 4.5和RCP 8.5分别代表2100年后辐射强度达到约4.5 W/m2和大于8.5 W/m2，温室气体浓度达到大于6.5×10-8CO2当量和大于1.37×10-9CO2当量，2100年较20世纪末预计升温为1.1～2.6 ℃和2.6～4.8 ℃。

3 日尺度气象旱涝急转异常事件分析

3.1 历史时期旱涝急转事件分析及诊断

图2与图3展现了长江流域历史时期筛选出的涝转旱、旱转涝事件年频次和平均强度的站点分布空间插值情况。

图2 历史时期涝转旱、旱转涝事件年频次空间分布Fig.2 The spatial distribution of occurrence frequency for flood-to-drought alternation and drought-to-flood alternation events in the historical period

长江流域涝转旱事件年平均次数为0.5 次左右，旱转涝事件年平均次数平均为0.8次左右。两者均介于一年一遇或两年一遇之间，证明事件筛选方案较为合理。相较于旱转涝事件，涝转旱事件发生次数较少，而两者选取标准完全一致，证明洪涝事件发生后接着发生干旱事件的概率较低，旱转涝事件的可能性更高，更具威胁性。从图3的发生强度可以看出，长江流域历史时期整体强度值（即一次旱涝急转事件指标绝对值累计值）整体在100以下，仅金沙江石鼓上游呈现超过100的较强的旱涝急转事件，其余区间旱转涝、涝转旱事件强度基本相似，且空间差异较小。

图3 历史时期涝转旱、旱转涝事件平均强度空间分布Fig.3 The spatial distribution of average intensity for floodto-drought alternation and drought-to-flood alternation events in the historical period

3.2 未来气候变化下气象旱涝急转事件变化比较分析

为了预测长江流域未来旱涝急转变化，采用经典统计降尺度模型SDSM，计算在不同情景、不同时段长江流域旱涝急转事件发生次数，结果见图4与图5。

通过图4展现的涝转旱事件未来发生频次可以看出，在未来两种SDSM情景下，长江流域未来涝转旱事件都呈现下降趋势，但事件次数的下降主要出现在长江中游鄱阳湖、洞庭湖流域。这说明旱涝极端事件更多可能是孤立出现，而不是发生在旱涝急转事件中。

图5展现了未来的旱转涝事件发生频次。可以看出，在SDSM模拟的两种未来情景下，长江流域旱转涝事件平均发生次数将整体呈现先上升、后下降的趋势，其中上升趋势主要呈现在中上游区域。事件次数的下降主要出现在长江中游鄱阳湖、洞庭湖流域。

图4 未来长江流域气象涝转旱事件发生频次Fig.4 The predicted occurrence frequency of meteorological flood-to-drought alternation events in the Yangtze River Basin in the future

图5 未来长江流域气象旱转涝事件发生频次Fig.5 The predicted occurrence frequency of meteorological drought-to-flood alternation events in the Yangtze River Basin in the future

基于SDSM模型预测的未来涝转旱和旱转涝事 件强度分别如图6和图7所示。

图6 未来长江流域气象涝转旱事件平均强度Fig.6 The predicted average intensity of meteorological flood-to-drought alternation events in the Yangtze River Basin in the future

图7 未来长江流域气象旱转涝事件平均强度变化Fig.7 The predicted average intensity of meteorological drought-to-flood alternation events in the Yangtze River Basin in the future

可以看出，虽然长江流域旱涝急转事件频次在未来呈现下降趋势，然而单次旱涝急转事件强度呈现整体上升趋势。在涝转旱事件中，RCP4.5情景下，预测旱涝急转事件强度上升趋势较为缓慢，且在长江中下游甚至产生了下降的趋势；但在RCP8.5 情景下涝转旱事件强度明显上升，且金沙江石鼓下游与乌江流域上升最为明显。金沙江石鼓上游区域虽在历史时期强度最大，但在SDSM模拟情景下未来平均强度上升趋势反而较小，而长江下游与汉江流域强度上升趋势则在两个模型中都同样不明显。在旱转涝事件中，RCP4.5 情景预测未来旱转涝事件平均强度具有上升趋势，且上升中心在金沙江石鼓下游。RCP8.5 情景下旱转涝事件预测未来上升趋势与涝转旱事件在RCP8.5情景下情况类似，均呈现明显的上升趋势。

4 结论

本研究通过统计降尺度方法模拟未来气候变化要素，再将未来要素输入水文模型，结合历史降雨数据分析长江流域旱涝急转事件变化趋势。而旱涝急转作为季节内降水异常的典型代表，不仅具备干旱和洪涝分别带来的灾害，而且由于转折事件较短，其危害比单一旱涝灾害的叠加更为严重，对工农业生产和人民的正常生活构成了较大的威胁。为了量化旱涝急转事件过程及强度，本研究采用游程理论，提出基于加权平均降雨SWAP日尺度旱涝指标的旱涝事件提取方法，分离旱涝事件，随后将旱涝事件发生间隔较短的事件组合定义为旱涝急转事件，判断其发生频率及强度，并预测未来变化情况，得到如下结果：

（1）虽然采用同样的游程理论筛选方法，但历史时期基于SWAP年均气象旱涝急转事件发生次数较少，旱转涝与涝转旱事件平均都为0.5 次左右。从单次事件强度来看，基于SWAP的气象旱涝急转事件强度整体在100以下，且强度较高区域出现在金沙江石鼓上游。

（2）未来时期，在基于SWAP的气象旱涝急转情况下，SDSM模拟出的未来涝转旱事件发生频次呈现减少趋势，而旱转涝事件在两种情景中呈现先上升、后减小的趋势。而在RCP 4.5 和RCP 8.5情景下预测的未来长江流域旱转涝、涝转旱事件平均强度整体都呈现上升趋势，RCP 8.5情景下上升更为明显，旱转涝与涝转旱的上升中心均在金沙江石鼓下游与乌江流域附近。