海河流域降水时空演变特征及其驱动力分析

邹 磊，夏 军,，张 印，乔云峰

(1.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101；2.武汉大学水资源与水电工程科学国家重点实验室，湖北 武汉 430072；3.中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室，北京 100101)

降水是全球水循环的基本组成部分，是影响人类经济和地球生态环境最重要的气候因素之一[1-2]。受全球气候变暖以及高强度人类活动的影响，降水格局发生了显著变化[3]，中纬度地区降水增加，亚洲季风降水变率加大[4]，导致水汽循环发生改变，洪涝、干旱等极端水文气象事件频发，对社会经济发展和人类生产生活产生重要影响[5]，因此，有必要对变化环境下流域不同量级降水量的演变趋势及其变异驱动力进行深入研究。

近年来，由于气候变化剧烈，降水时空分布特征变化显著，国内外众多学者针对降水的时空变化分析研究较多，如姚俊强等[6]针对中国西北干旱区降水时空变化特征进行分析研究，得出研究时段西北干旱区的降水量增加趋势明显。Afzal等[7]研究发现苏格兰区域的降水自20世纪70年代以来呈现显著的增加趋势。束美珍等[8]基于海河流域25个气象站点1960—2010年逐月降水量资料，采用线性回归法、累计距平法分析海河流域年际降水特征，发现海河流域1960—2010年降水量呈现微弱下降趋势。陈磊等[9]利用黄河流域106个气象站点1960—2010年逐日降水量数据，采用多种趋势分析方法结合对季节降水的变化趋势和变异情况进行了研究，结果表明黄河流域20世纪90年代后流域降水变化趋势明显改变。陈洁等[10]基于1961—2010年地面气象观测资料，分析了我国降水与地表干湿状况时空格局，结果表明1961—2010年我国降水量呈轻微增加趋势。上述研究主要关注于降水总量的时空演变分析，但是针对不同量级降水量在年际和季节尺度上的趋势分析较少，且降水量变化背后可能的影响因素还在不断探索之中。有研究表明，太阳黑子和大气环流异常因子(如厄尔尼诺-南方涛动(ENSO)、北极涛动(AO)和太平洋10年涛动(PDO))对降水有较强的影响[11-12]。研究引起流域降水量变化的影响因素，将有助于构建降水量的数值模拟模型，对不同量级降水量进行模拟预估。

本文以海河流域为研究区，基于流域内35个气象站点1961—2018年逐日降水观测数据，采用创新趋势分析法、Mann-Kendall非参数检验法和Pettitt突变检验法综合分析海河流域不同量级降水量在年际和季节尺度上的时空演变特征，并进一步探究年降水量与太阳黑子和大气环流异常因子之间的相关性，以期较全面地揭示变化环境下降水量的演变特征，并为海河流域水资源管理、气象灾害的防治和农业生产提供参考。

1 研究区概况

海河流域(35°N～43°N、112°E～120°E)东临渤海，西接太行山脉，南界黄河，北倚内蒙古高原，流域总面积约31.8万km2(图1)。海河流域包括七大河系，分别为滦河河系、北三河系、永定河系、大清河系、子牙河系、漳卫河系和徒骇马颊河系。全流域地势西北高东南低，属温带季风气候区，降水年内分配不均，多集中于夏季，冬春较少。流域内人口密集，在我国政治经济中占有重要地位。受全球气候不断变化和高强度人类活动的影响，流域内降水的时空分布发生了显著改变，该区域面临严重的水资源短缺危机。因此，加强海河流域不同量级降水量趋势分析及其驱动力的研究，对于认识区域尺度上气候变化对流域水资源的影响和制定切实的流域水资源管理目标有重要意义。

图1 海河流域及气象站点分布示意图

2 资料与方法

2.1 数据资料及预处理

采用国家气象信息中心资料室(中国气象科学数据共享服务网)提供的气象资料，选取海河流域35个气象站(图1)1961—2018年的逐日降水数据进行分析。考虑到数据序列的完整性和连续性，对降水数据进行初步质量控制和缺失数据插补。文中关于四季的时间规定如下：春季3—5月，夏季6—8月，秋季9—11月和冬季12月至次年2月。

为了进一步探究大气环流异常因子和太阳黑子对海河流域年降水量变化的影响，利用1961—2018年的太阳黑子数、ENSO指数(本文以Nino3.4指数描述)、PDO和AO指数作为影响因素分析年降水量发生变化的驱动力。其中，太阳黑子数据来自国际科学协会理事会(ICSU)世界数据系统(WDS)的太阳黑子指数(http://sidc.oma.be/silso/dayssnplot)，PDO和ENSO指数来源于美国国家海洋与大气管理局(National Oceanic and Atmospheric Administration， NOAA)地球系统研究实验室(http://www.esrl.noaa.gov/psd/data/climateindices/list/)，AO指数来源于NOAA国家气候数据中心(http://www.ncdc.noaa.gov/teleconnections/ao.php)。

2.2 Mann-Kendall非参数检验

Mann-Kendall(M-K)非参数检验法是世界气象组织推荐并已广泛使用的非参数检验方法[13-14]，近年来被众多学者用于分析降水、径流和气温等要素时间序列的变化趋势[15-18]。该方法不需要样本序列遵从一定的分布，对于时间序列(x1，x2，…，xn)，检验的统计量S的计算公式为

(1)

其中

式中：n为观测值的数量;xi和xj分别为i、j时刻的观测值。

S为正态分布，均值为0，方差var(S)计算公式为

(2)

当n>10时，标准的正态统计变量如下：

(3)

式中：Z为时间序列的标准化统计量，Z>0和Z<0分别表示增加和减少趋势。|Z|值越大，意味着趋势越显著。在本研究中，考虑0.05的显著性水平，也就是说，Z>1.96和Z<-1.96分别表示显著的增加和减少趋势。

2.3 创新趋势分析

创新趋势分析(innovative trend analysis， ITA)法最初由Sen[19]提出，可轻松获取低、中、高等不同等级数据的趋势。该方法不需要任何假设，已被应用于环境、水文气象变量的趋势分析中[20-21]。该方法将研究变量的序列划分成两个时间长度相同的子序列，按照升序进行排列后绘制散点图，如果散点分布位于1∶1线附近的，则认为该序列没有趋势;如果散点落在1∶1线的上三角区域，表明该序列具有上升趋势；相反，则表明该序列具有下降趋势，可用于分析不同等级降水的变化趋势，具体计算过程可参考文献[19,22]。参考Wu等[20]的研究，本文基于百分位数对不同量级的降水强度进行分类：轻度降水(小于10%)；低等降水(10%～40%)；中等降水(40%～60%)；高等降水(60%～90%)；强降水(大于90%)。

2.4 Pettitt突变分析

Pettitt突变分析方法是一种基于秩的非参数变点检测方法[23]，其计算简便，受异常值影响较小，广泛应用于水文气象等领域，可以对水文气象要素时间序列进行突变分析，获取突变点，可用于海河流域降水量突变点分析，具体计算过程可参考文献[24]。

2.5 交叉小波变换分析

交叉小波变换(cross-wavelet transform， XWT)是将小波变换和交叉谱分析两种方法相结合而产生的一种信号分析手段[25]。该方法可用于分析两个时间序列在时域和频域中的相关关系[26]，从而充分揭示它们具体的相关性和演化特征。交叉小波变换的详细计算过程可以参考文献[27]。

3 结果与分析

3.1 流域降水的时间序列变化特征

基于海河流域35个气象站点1961—2018年逐日实测降水资料，采用泰森多边形法获取海河流域面平均降水量，对其进行多尺度时间序列(年尺度和季节尺度)演变特征分析(图2)。由图2可以看出，海河流域1961—2018年全年降水量呈明显的下降趋势，年降水量最大值出现在1964年(图2(e))。根据Pettitt突变结果分析可得，海河流域降水量在1979年发生突变(图3)；冬季降水量有微弱的下降趋势(图2(a))，递减速率约为-0.037 4 mm/a；春季降水量在1963年以前呈下降趋势，在1963年以后整体呈现出增加趋势(图2(b))；夏季降水量呈显著下降趋势，递减速率达-1.202 3 mm/a(图2(c))；秋季降水量整体上呈现出增加趋势，增速约0.140 5 mm/a(图2(d))。

为了进一步明晰不同量级降水量的趋势变化，采用创新趋势分析法进一步针对年尺度和季节尺度下不同量级降水量进行趋势变化分析。图4为年尺度和季节尺度下应用创新趋势法分析所得结果。如图4(e)所示，海河流域年降水序列多数点位于45°线的下三角区，表明年降水序列整体呈现出下降趋势，这个结论和逐年降水变化趋势分析结论相同。

(a) 冬季

其中，轻度降水的下降趋势并不显著，强降水变化趋势显著，呈现出超过10%的下降趋势；冬季降水序列大多数点位于1∶1线的下部，表征海河流域冬季降水整体呈下降趋势(图4(a))。从图4(a)中可以看出，随着降水量的不断增加，点位与1∶1线的偏离距离增大，表明冬季降水量的下降趋势随着降水强度的增加而逐渐加强，强降水呈现出超过10%的显著下降趋势；春季降水序列大多数点位于1∶1线的上三角区域内，表征春季降水量呈现出总体增长趋势(图4(b))，但轻度降水和强降水变化趋势不显著；海河流域夏季降水序列主要分布在1∶1线的下部，表明夏季降水量整体呈现出下降趋势(图4(c))，同时大多数点位于-5%带的下方，夏季强降水呈现出10%的显著下降趋势；秋季降水序列多数位于45°线的上方，表明秋季降水量整体呈上升趋势，其中多数点据位于45°线和5%带之间，上升趋势不显著(图4(d))。综上所述，海河流域年降水量总体呈现出下降趋势，春季和秋季降水量呈现出上升趋势，夏季和冬季降水量呈现下降趋势，且夏季和冬季强降水的下降趋势显著，降水量的减少可能会进一步加剧海河流域水资源短缺。

图3 海河流域年降水量突变分析

3.2 流域降水量的空间变化特征

基于海河流域35个气象站点1961—2018年逐日降水资料，采用反距离加权平均方法对气象站点数据进行空间插值，获取海河流域降水量空间分布，并对每个气象站点降水量做M-K趋势分析，结果如图5所示。从图5(e)可以看出，海河流域年降水量整体呈现南多北少，数值范围在 377.5～750.6 mm之间，在五台山以及东北部遵化、青龙等站点附近出现降水量高值区，最小值出现在西北部。流域内多数站点(18个)呈现出下降趋势，其中五台山站点降水下降趋势显著。海河流域冬季降水从北向南逐渐增加，变化范围为5.3～30.7 mm，86%的站点(30个)出现下降趋势，五台山地区海拔较高，是冬季降水的一个高值区域，且呈现出轻微的上升趋势(图5(a))；春季流域降水大部分站点呈现上升趋势，南部降水多，中部降水偏少(图5(b))；夏季降水东部偏多，多数站点出现下降趋势，这可能主要和地形相关，以太行山和燕山为界限，山前部分降水多，山后降水少，流域降水量变化范围在228.7～521.3 mm之间(图5(c))；秋季降水的空间分布形态和春季降水较为相似，整体变化在67.5～146.8 mm之间，五台山以及南部地区降水呈下降趋势，东北部降水偏少，但东北部降水整体呈上升趋势(图5(d))。综上所述，海河流域1961—2018年降水格局整体呈现南多北少，且有五台山周边和东北部等两个高值降水区。春秋两季降水呈上升趋势，冬夏两季呈下降趋势，特别是夏季，和全年的分布形势相似，降水减少趋势显著，且地形要素对降水有明显影响，以太行山和燕山为界，山前多雨，分别向西北和东南两侧减少。

(a) 冬季

(a) 冬季

3.3 年降水量的驱动力分析

采用交叉小波变换探究具有代表性的大气环流异常因子和太阳黑子与海河流域年降水量之间的相关关系。在交叉小波图中，颜色越接近红色表征两者之间的相关性越强，越接近蓝色表征两者之间的相关性越弱；黑粗线为95%置信区间的边界，箭头表示相对相位差，→表示两者之间相位一致，←表示两者变化相位相反；细黑线为小波影响锥线的边界，其所包围的部分为有效谱值区。

(a) ENSO-年降水量

如图6(a)所示，海河流域年降水量与ENSO在1965—1974年存在1～4 a周期显著的负相关关系，在1989—1995年和1998—1999年分别存在 6～7 a和5 a周期的负相关关系；PDO与海河流域年降水量存在两个明显的信号，前者为1990—1997年的 4～6 a周期的负相关关系，后者为1991—2003年的8～11 a周期较为显著的正相关关系(图6(b))；AO与海河流域年降水存在4个共振周期，在1967—1970年存在1～4 a周期显著的正相关关系，在1982—1993年和2004—2007年分别存在16～20 a和5 a周期的正相关关系，在1978—1995年存在 8～9 a周期较为显著的负相关关系(图6(c))；太阳黑子与海河流域年降水量在1968—2008年存在一个8～12 a周期的显著的负相关关系(图6(d))。已有研究发现，太阳黑子平均变化周期大约为11 a，与图6(d)中存在的共轭周期基本一致。太阳黑子增多，表明太阳活动加强，改变大气环流的平均状态，影响区域降水发生变化。综上所述，海河流域年降水量与太阳黑子，ENSO、AO和PDO均存在一定的共振周期，只是在不同时域中存在明显差异。具体来说，太阳黑子、AO和ENSO对年降水量的影响较显著，PDO对年降水量的影响相对较弱。

4 结 论

a. 1961—2018年海河流域降水整体上呈现减少趋势，其中轻度降水的下降趋势并不显著，强降水变化趋势显著，呈现出超过10%的下降趋势，流域年降水量序列在1979年发生突变。春季和秋季降水存在增加趋势，夏季和冬季降水呈减少趋势，且夏季和冬季的强降水减少趋势显著，随着时间的推移，降水量的减少将会进一步加剧海河流域水资源的短缺。

b. 1961—2018年海河流域降水整体上呈现出南多北少的格局，且有五台山周边和东北部等两个高值降水区。各个季节的变化趋势有所差异，夏季和全年在空间上的分布形态相似，整体上呈现南多北少的格局，从沿海到内陆也逐渐减少，受地形因素影响，以太行山和燕山为界，山前多雨，分别向西北和东南两侧减少；春秋两季的分布特征类似，南部降水多，中部降水偏少。

c. 通过交叉小波分析，海河流域年降水量与太阳黑子，ENSO、AO和PDO均存在一定的共振周期。具体来说，太阳黑子、AO和ENSO对于年降水量的影响较显著，PDO对于年降水量的影响相对较弱。结果表明太阳活动和大气环流异常因子影响了降水量的变化。