近30年拉萨市大气可降水量变化特征研究

鲁同所，舒善杰，廖偲含，卫 东，杨 兴

(1.西藏大学 理学院，西藏 拉萨850000; 2.中国科学院 上海应用物理研究所，上海 嘉定 201800; 3.拉萨市气象局，西藏 拉萨 850000)

0 引 言

大气可降水量，是指单位面值的空气柱中含有的水汽总量，也叫做可降水量.它对应于空气中所有水分凝结为雨、雪降下时所产生的降水，在一定程度上表示了大气降水的潜能.虽然水汽在大气中含量不高(约占空气总含量的0～4%)，且绝大多数分布在大气底层，但在不同时间和空间尺度的大气运动中都发挥了重要作用，其变化特征在一定程度上可以反映该地区的气候变化情况[1-7]，并极大地影响当地居民的正常生产和生活.所以通过研究分析大气可降水量在特定区域的变化特征有助于全面、客观、科学了解认识特定地区气候变化规律，对指导该地区的农牧业生产、水利建设等有着极为重要的意义[8].

青藏高原河网密集，是亚洲许多著名大河的发源地，如长江、黄河、怒江、澜沧江、雅鲁藏布江、恒河、印度河等，因此被称为“亚洲季风的启动器”和“亚洲水塔”[9].拉萨市作为西藏自治区首府，位于青藏高原中部，是西藏自治区的政治、经济、文化和教育中心，常驻人口达一百多万人，亦是高原城市的典型代表.先前许多学者采用不同的方法对拉萨市大气状况进行了探究，并得出了许多具有重要意义的结论，例如吴萍等对拉萨夏季大气可降水量的演变特征及其与降水的关系研究中指出拉萨市夏季降水转化率高达26.06%，但存在着显著的年际变化差异[10]；尼玛吉等在近30年拉萨市降水特征研究分析中指出，拉萨市降水变化存在明显的2～4年、3～5年的周期振荡，其中以准3年的年际周期振荡最为显著[11]；杜军等在对拉萨近半个世纪气温的年际和年代际变化研究中发现,近半个世纪以来，拉萨市平均气温呈现出显著的上升趋势，且以冬季上升幅度最显著[12].然而，先前学者虽然对拉萨市大气状况进行了相关的研究，但大多只是基于气温、降水等气象要素的变化趋势及周期性规律进行了探究，很少涉及长时间尺度的大气可降水量的研究.

通过调研文献后发现拉萨市大气可降水量在2006年急剧降低，并且2006年是北半球有记录以来的第四暖年份，极端天气频发[13]，此次气候事件可能对拉萨市大气可降水量产生持续的影响.为了更好地研究这一气候事件对拉萨市大气可降水量的影响，本文利用拉萨市自动气象站1988—2018年平均水汽压和平均气压等数据资料，采用回归分析法、Mann-Kendall非参数检验、R/S分析、Morlet小波分析对高原城市拉萨近30年的大气可降水量这一气象要素展开系统性研究，在回归分析统计学研究的基础上，结合突变检测、R/S未来趋势预测以及小波周期性规律分析对拉萨市大气可降水量序列在多时间尺度上演化过程展开深入研究，得到了近30年来拉萨市大气可降水量序列变化规律及特征以及其在时间尺度上变化的主要周期，并在一定程度上简要阐述了拉萨市大气可降水量在2006年急剧降低具体原因.希望该研究结果能为当地居民、援藏职工、项目施工人员和科研工作者更好地适应该地区生活环境，为当地气象部门在建立洪涝灾害预警机制提供一定的科学依据；同时期待能为其他高原城市的决策部门在全球变暖大背景下建立可降水量泛生自然灾害预警机制、保护当地生态环境提供有价值的参考.

1 数据来源、计算及研究方法

1.1 数据来源

本文采用拉萨自动气象站1988—2018年平均水汽压和平均气压等数据资料，该数据由拉萨市气象局提供.为了保证地面气象观测记录的准确性，便于资料的国际、国内交换及共亨和使用，拉萨市气象局采用《中华人民共和国气象行业标准地面气象观测规范第22部分：观测记录质量控制》对自动气象站实时数据进行了严格的综合性质量检验，提高了研究结果的可信度.采用气象学标准对季节进行划分：3—5月为春季，6—8月为夏季，9—11月为秋季，12月到次年的2月为冬季.

1.2 计算方法

比湿是指一团空气中水汽的质量与空气总质量的比值，其表达式为：

(1)

式中：E为水汽压，p为地表大气压.据式(1)最后可以计算出大气中的大气可降水量W：

(2)

式中：W是大气可降水量，g为重力加速度(拉萨重力加速度为9.77 m/s2)，q为比湿，p为地表大气压.[14]

1.3 研究方法

1.3.1 回归分析法

回归分析是确立两种及以上变量间相关关系的一种分析方法.本文主要使用一元线性回归来研究大气可降水量和时间序列之间的关系.

一元线性回归方程为：

(3)

(4)

(5)

1.3.2 Mann-Kendall突变检验

Mann-Kendall检验法是一种简单有效的非参数检验方法，其优点是数据样本不需要遵循某一分布，也不会受到少量异常值干扰，更适合于类型变量和顺势变量，计算更加方便.

UFi为标准正态分布，它是按照时间序列来计算得出的统计量序列.α为显著性水平(本文中|α|=1.98)，当|UFi|>α，UFi表明气候要素(大气可降水量)上升或者下降趋势显著.当UFk，UBk两条曲线出现交点，且交点通过显著水平检验时，交点对应的时间序列即是气候要素突变的开始时间.[16]

1.3.3 R/S分析法

R/S分析法是英国水文学家H.E.Hurst(1900—1978)在对尼罗河水库的流量与储存能力进行研究时提出的一种非参数分析法，最早应用于水文研究领域.一般利用最小二乘法来拟合出赫斯特指数(H)，赫斯特指数的情况有三种：

当H=0.5时，表明该时间序列是一个随机游走的序列，反映在气象要素指标上则表明各观测结果之间独立，气象要素与时间序列之间无必然关系；

当0

当0.5

1.3.4 小波分析

小波分析法(wavelet analysis, WA)在气象水文等领域研究中已经得到了广泛应用，相比常规分析法而言，小波分析在时域、频域上具有局部辨识力，可诊断出大气可降水量序列变化的多层次特征，从而可以得到周期变化在各个时间尺度上的详细信息.[18]

2 结果分析

2.1 大气可降水量变化特征

如图1所示为拉萨市近30年的年均大气可降水量的变化情况，对图中大气可降水量曲线进行拟合得出的一元线性回归方程：

图1 1988—2018年拉萨市大气可降水量的年际变化情况Fig.1 Annual variation of PWV in Lhasa from 1988 to 2018

y=-0.009 6x+21.270 2

由一元线性回归方程可知拉萨市大气可降水量的年变化率为-0.009 6 mm/a，由此说明拉萨市近30年的年均大气可降水量整体呈现出降低趋势，但在1988—1998年期间拉萨市年均大气可降水量波动上升，而在1998—2009年期间波动下降，此后2009—2018年期间再次波动上升.

拉萨市1988—2018年均大气可降水量的平均值为2.12 mm，最大值出现在1998年，为2.44 mm，比平均值高15%，最小值出现在2009年，为1.78 mm，比平均值低16%，最大值和最小值之间相差0.66 mm，且年平均大气可降水量的线性回归相关系数为0.49，拟合程度较低，表明了拉萨市近30年来的年均大气可降水量的变化幅度较大.

以2006年为分界线，分为两个阶段对其前后年份的大气可降水量进行分析.在1988—2005年期间拉萨市年均大气可降水量的一元线性回归方程为：

y=0.016 1x-29.942 3

线性变化率为0.016 1 mm/a，其年均大气可降水量的平均值为2.239 mm.从2006—2018年期间大气可降水量的一元线性回归方程为：

y=0.015 1x-28.503 2

线性变化率为0.015 1 mm/a，其年均大气可降水量的平均值为1.946 mm.

在第一阶段和第二阶段中拉萨市年均大气可降水量均呈现上升趋势，其增长变化率虽然大致相同，但是第二阶段的年均大气可降水量的平均值仅为第一阶段的79%.

1988—2018年拉萨市大气可降水量的季节性变化特征如图2所示.由图2可以看出，1988—2018年拉萨市春季大气可降水量呈现下降趋势，线性变化率为-0.005 3 mm/a，其中最高值出现在1999年，其数值为2.83 mm，在2009年到达最低值，其数值为1.92 mm.春季大气可降水量占全年大气可降水总量的29%.1988—2018年拉萨市大气可降水量按季度统计的构成如图3所示.

图2 1988—2018年拉萨市大气可降水量的季节性变化特征Fig.2 The seasonal variation characteristics of PWV in Lhasa from 1988 to 2018

图3 1988—2018年拉萨市四季大气可降水量占全年的比例Fig.3 The percentage of PWV for different seasons in Lhasa from 1988 to 2018

在我国由冬季向春季的转变过程中，季风区除底层风向翻转外，由于夏季东南季风增强，来自于海洋上的湿润气流增加，引起青藏高原地区大气可降水量剧增[19].通过图2可以发现，拉萨市夏季大气可降水量变化呈现下降趋势，线性变化率为-0.014 7 mm/a，夏季大气可降水量的变化范围在3.5～4.54 mm之间，其最大值出现在1998年，最小值出现在2015年，虽然拉萨市夏季大气可降水量总体呈现下降趋势，但在1988—2005年、2006—2014年与2015—2018年期间其大气可降水量波动上升，其中2015—2018年这一阶段上升趋势最为明显，线性变化率为0.218 mm/a.夏季大气可降水量的平均值为4.09 mm，占全年大气可降水量的48%.

拉萨市秋季大气可降水量呈现下降趋势，且其线性变化率为-0.014 4 mm/a，最大大气可降水量出现在1998年，数值为1.68 mm.秋季大气可降水量的平均值为1.23 mm，占全年大气可降水量的15%.

拉萨市地处高原，平均海拔3 600多m，而我国冬季又盛行东北季风，来自于海洋上的湿润气流难以抵达，且拉萨市属于高原山地气候，冬季风力强劲，导致空气中水汽含量较少，所以冬季是拉萨市全年大气可降水量最少的季节[20].拉萨市冬季大气可降水量呈现下降趋势，其线性变化率为-0.004 8 mm/a.由已知数据可知拉萨市冬季大气可降水量的平均值仅为0.715 mm左右，仅占全年大气可降水量的8%.

低纬度地区大气水汽含量季节性变化不明显[21]，但是通过研究发现拉萨市大气可降水量季节性变化明显，这与陈涛等人[22]的研究结果相吻合.通过图2发现拉萨市四季大气可降水量在近30年内都呈现下降趋势，并且在2006年都发生了大幅度下降，在2006年以后的大气可降水量明显低于2006年之前的大气可降水量.

2.2 M-K突变检测结果

运用Mann-Kendall非参数检验法，对拉萨市近30年的年均大气可降水量进行突变性检验，并绘制出Mann-Kendall检验曲线图，如图4所示，UF曲线在1998年时，突破了显著性水平检验的临界线，表明1998年拉萨市大气可降水量上升趋势十分显著.UF和UB曲线相交于2006年这一点，且通过了显著水平检验，因此可以判断2006年拉萨市年均大气可降水量的急剧下降是一种突变现象.

图4 拉萨市近30年的大气可降水量Mann-Kendall检测图Fig.4 Mann-Kendall mutation test chart of PWV in Lhasa in the past 30 years

拉萨主要位于青藏高原中部，由于高原山地地形对湿气流阻挡的侧向延伸作用，其水汽主要从东南方的雅鲁藏布江河谷等地进入高原.受季风影响，本区域的水汽主要是季风携带的来自孟加拉湾以及西太平洋的偏南风水汽.因此，当该地区的大气运动状况发生明显变化时，会造成南方暖湿气流和北方冷空气气流的交汇点发生改变，从而导致拉萨的大气可降水量发生异常波动[23].西太平洋副热带高压面积偏大，强度增强，且向西移动，从而引起了亚洲高压的东移，导致西风带环流增强，低层流场异常，这种异常环流不利于冷暖气流的相遇，并且与往年相比，这种异常环流也致使水汽向该地区输送减弱，造成了该地区大范围的干旱情况.由此可以看出西太平洋和孟加拉湾等地区的大气运动状况在一定程度上会对该地区的大气可降水量产生影响.[24]

2.3 大气可降水量R/S结果分析

拉萨市大气可降水量的V统计情况见图5、图6，Hurst指数见表1.

表1 全年及四季大气可降水量Hurst指数 Tab.1 Average annual and seasonal precipitation Hurst Indexes 时间指数春季0.4395∗夏季0.4247∗秋季0.4470∗冬季0.4399∗全年0.4715∗ 注:∗代表弱持续或弱反持续,∗∗代表强持续或强反持续

图5 拉萨市年均大气可降水量V-ln(n)变化曲线Fig.5 Curve of V-ln (n) of annual mean PWV in Lhasa

图6 拉萨市四季大气可降水量V—ln(n)变化曲线Fig.6 Curve of V-ln(n) of four seasons precipitable water vapor in Lhasa

结合表1可知，拉萨市四季和全年大气可降水量的Hurst指数均小于0.5，即未来大气可降水量的变化趋势和过去的变化趋势成反持续关系，拉萨市未来大气可降水量呈现增长趋势.但年均大气可降水量的Hurst指数大于0.4(接近0.5)，说明这种反持续关系较弱，造成未来拉萨市全年大气可降水量增加有以下两方面原因：21世纪全球平均气温将持续增暖，在更暖的气候背景下，造成了中国绝大多数地区的降水量增多，且高海拔地区增温更为显著，在一定程度上引起了其大气可降水量的轻微增加；另一方面，由于城市经济的快速发展，市区建筑和硬化地面等不断地扩张，造成了地面透水性的减少，蒸发量增加，造成了大气可降水量的增加.

同时我们通过观察V统计量的变化情况(如图5、图6所示)，可以发现年均V统计量中第一个拐点是ln(n)=1.791，对应的时间长度n=6，即说明这种反持续影响的有效时间为6年，超过6年这种反持续将逐渐消失.同理可得春季、夏季、秋季和冬季的有效时长分别是6年、6年、10年和6年.

2.4 小波分析

利用Morlet小波分析，对拉萨市年均大气可降水量的周期演化进行探究，绘制出小波变化系数的实部图和方差图，如图7所示.

从小波实部的等值线图(图7左图)可以较为直观地看出，拉萨市年均大气可降水量在近30年中的周期性规律十分明显，且在演化过程中存在多时间尺度特征，具体而言，其演变过程中存在5～13年的短周期规律，以及22～32年的长周期规律.小波方差图可以用来定位大气可降水量序列在演变过程中存在的主周期；从小波方差图上可以看出有3个峰值，它们分别对应于22年、24年、29年的时间尺度.其中，最大的峰值与29年时间尺度相对应，说明了在29年时间尺度上周期的震荡性最强，是大气可降水量的第一个主周期；第二和三峰值对应24年和22年时间尺度，它们分别是第二和三主周期.上述三个周期波动控制着拉萨市年均大气可降水量在整个时间域内的变化特征.[25]

图7 拉萨市近30年来的年均大气可降水量小波实部及方差图Fig.7 Real part and variance of the Morlet wavelet for annual mean PWV in Lhasa over the past 30 years

3 结 论

本文基于1988—2018年拉萨站地面气象要素资料，采用趋势系数法、Mann-Kendall非参数检验、R/S分析、Morlet小波分析等方法对拉萨市大气可降水量的变化趋势、突变节点、周期演变进行了研究，并得出以下结论：

1)拉萨市年与四季大气可降水量均呈现下降趋势.大气可降水量的季节性变化明显，其中夏季大气可降水量下降趋势最为明显，冬季大气可降水量变化最为稳定.拉萨市大气可降水量年度内分布极不均匀，夏季大气可降水量最大，冬季大气可降水量最少.

2)Mann—Kendall趋势检验发现，拉萨市年均大气可降水量在2006年发生了突变性降低.

3)拉萨市未来年均大气可降水量趋势与过去大气可降水量趋势成弱反持续关系.所以，未来拉萨市大气可降水量将呈现增长趋势，且持续关系的有效时间为6年，超过6年以后，这种关系将逐渐消失，且在9年后将彻底消失.

4)通过Morlet小波分析可知，近30年来拉萨市大气可降水量时间序列中存在3个较为明显的峰值，依次对应着29年、24年和22年的时间尺度.其中，最大峰值对应着29年的时间尺度，印证29年的长周期震荡能量最强的特征，为拉萨市近30年大气可降水量变化的第一主周期；24年时间尺度对应着第二峰值，是年平均气温的第二主周期，24年是年大气可降水量的第二主周期.上述3个周期波动控制着拉萨市年大气可降水量在整个时间域内的变化特征.

4 讨 论

本文利用多种分析方法，系统地研究了拉萨市近30年大气可降水量在时间尺度上的变化特征，结果表明拉萨市大气可降水量总体呈现出下降趋势，该研究结果在一定程度上符合青藏高原的大气可降水量的变化特征[26].从拉萨市近几年的大气可降水量的变化情况来看，未来拉萨市大气可降水量大致呈现上升趋势，且小波分析的结果恰好验证了这一猜想，且通过对拉萨市年均大气可降水量和夏季大气可降水量的变化趋势图对比可以发现，两者的波动情况大致相同，所以拉萨市夏季大气可降水量是影响其年均大气可降水量的主要因素.

根据未来拉萨市大气可降水量的变化趋势，预测未来拉萨市气温和降水将会持续升高.由于城市的扩张和人口的增加，导致城市热岛效应加剧，并且由于城市工业化建设，温室气体大量排放，且空气中凝结核数量增加，在这些复杂因素的影响下，单纯从大气环流的角度去考虑拉萨市大气可降水量的突变原因是不准确的.其次受限于观测数据的限制，本文未对该地区突变后大气可降水量远低于突变前大气可降水量的原因进行分析.期望在未来工作中可以利用更加科学的研究方法，加之更加先进的技术手段，能够更深层次地研究拉萨市大气可降水量的变化趋势及其影响因素，同时也希望此次研究对改善和保护拉萨市当地生态环境提供一定帮助，为探究青藏高原地区气候变化提供一定参考.