近40年云南省极端降水时空变化特征分析

王晓莹， 景元书， 鲁永新

(1. 南京信息工程大学应用气象学院， 南京 210044； 2.江苏省农业气象重点实验室， 南京 210044； 3. 楚雄州气象局， 楚雄 675000)

降水是地区气候资源中最基本的要素，近年来,在气候变化背景下，降水的时空分配对人类社会生活和经济社会运行造成了深远的影响。云南省位于中国西南边疆，地属亚热带低纬高原季风型气候，山地立体气候显著，降水适中干湿分明，但存在降水时空分布不平衡，降水变异增强和极端降水频发等现象，不仅影响着云南近几十年来的气候特征也波及陆地生态系统循环[1]。大量研究表明，通过研究极端降水时间的时空变化趋势能够揭示其长期演变特征，对推进以云南农林建设和城乡经济开发具有重要意义。

极端天气事件的发生具有显著的突发性，针对不同时空尺度下极端降水的趋势做了一定研究。Gao等[2]基于中国东南沿海地区的79个气象站，利用GAMLSS模型和Mann-Kendall检验进行极端降水的非平稳特征及其成因，Sun等[3]采用CanRCM4模式进行动力降尺度模拟，研究夏季极端降水的未来变化与温度变化的相关性指出，外源强迫对极端降水发生具有显著影响。申佳艳等[4]基于多元回归分析以及滑动相关分析研究西南区域气候暖干化特征。蔡文香等[5]基于泊松回归方法，通过研究松花江流域气象站点连续性极端降水灾害的发生趋势，结果表明各站点极端降水的变化趋势出现地域区别，一次回归检验下极端降水事件增加站点较多，部分站点存在更复杂的变化趋势，利用二次回归检验效果较好。总结现有研究，前人主要通过天气分析和诊断法对大范围极端降水的趋势和成因进行研究，但目前对省域尺度降水及极端降水进行长周期、大范围的时空分析仍然不多[6]。

极端降水事件如暴雨等引起的水旱灾害长期制约着地区经济的发展[7]。现基于云南省近40年国家级气象站日降水数据集，基于时域小波分解、层次聚类及持续性分析等方法，分析研究气候变化背景下极端降水的变化特点及趋势，能够完善气候变化背景下云南省降水规律和年代际极端气候事件预测机制理论体系，同时也对西南地区年代际极端天气预测和农林业防洪减灾等决策气象研究提供理论依据，有利于云南服务和融入国家发展战略。

1 研究区概况

云南省地处西南边境地区，气候干湿分明。山谷交错导致的“一山分四季、十里不同天”是云南典型的气候分布特征。省内降水的时空分布变异较大，从低纬度低的元江到高纬度高海拨的德钦，年降水量呈从南部、东部、西部向金沙江流域递减的分布趋势,多区的年雨量最大值达3 000 mm以上,少雨区最低值不足300 mm，全省降水时空分布分异质性较强。印度洋、西北太平洋季风环流能够到达省内大部分地区，形成全年降水量占比较高的汛期，冬季盛行温、湿度较低的北方大陆季风，降水量较少，5—10月为雨季及植被生长季，其降水量占全年比重达80%以上；全省大部分地区干湿季之间存在较大的气候差异性[8]。研究所选取的气象站点分布情况如图1所示。

2 资料与方法

2.1 气象数据

使用气象站观测日降水量数据来自国家气象信息中心，采用云南省24个基本气象站点1979—2019年的逐日降水数据，为保证时间序列的一致性和连续性，所有数据均进过质量矫正，站点空间分布均匀，能够代表云南省大部分地区的气候特征类型。

2.2 研究方法

2.2.1 层次聚类

层次聚类法在聚类开始时将不同样本站点分别分组，并按照一定范数规定样本直接的距离和类与类之间的距离，逐步根据聚类水平矩阵，将其指标空间中最接近的两个组中距离最近的类合并成一个新类，结果是形成的层次关系图。构建聚类分析的指标矩阵，基本形式为

(1)

式(1)中：m为站点序号空间；n为特征变量序号空间；xij为矩阵X的(i,j)元素，表示位于第i行第j列，m=1,2,…,24，n=1,2,…,9。

使用Euclidean测度进行平均链接层次聚类：

(2)

(3)

式中：di,j为Euclidean测度；xi,k与xj,k为降水观测值；对于给定的样本矩阵X，其中i为行号，代表不同样本；k为列号，代表不同特征；K为特征数量；wk为不同特征的调节系数；DG1,G2为两组中所有降水观测值之间的欧氏距离的平均值；n1与n2为聚类样本行数与列数；G1与G2分别为样本序号。

由于各极端降水指数均在各自然年内进行统计，在各站点年内每日尺度上求算平均降水量数据，进行层次聚类分析，在各簇内统计年总降水及极端降水均值的时空变化趋势。

2.2.2 Mann-Kendall检验

Mann-Kendall已经广泛应用于气候、水文资料的趋势特征提取、分析和突变诊断等领域。Mann-Kendall基于序列数据非参数检验的特征即可以对气象数据序列的趋势的显著性及突变进行判断，且检验不预设样本遵从一定的分布[9]。 检测了统计量的突变情况，同时需要构造一个派生的序列：

(4)

式(4)中：

(5)

定义统计变量UFk与UBk：

(6)

式(6)中：

(7)

式(7)中：E(Sk)与var(Sk)为累计数Sk的均值与方差。若UFk的值小于0时，则可以判定序列出现下降趋势，若其值大于0则可判定时间序列呈下降趋势。当UBk和UFk两条曲线出现相等点，且位于相对应的临界水平线以内，即可判定突变发生，且突变的时间即为交点所对应的横轴时刻。使用双侧检验置信度α作为趋势参数，在显著水平α已经指定为常用的0.05及0.01的假设下，根据M-K检验量|ZMK|能够划分显著性水平，其中|ZMK|>1.96为极显著，1.64≤|ZMK|≤1.96<为弱显著，|ZMK|<1.64为变化不显著。

2.2.3 Morlet小波分析

小波分析(wavelet analysis)能够解析和推断各不同周期中各时刻在所处的位置，同步的提取序列中存在的局部和周期性的变化特征，进一步地能够对气候系统的时频结构进行细致分析。使用Morlet小波分析云南省降水量周期性丰枯的时域尺度[10]。

2.2.4 气候倾向率

气候倾向率分析利用最小平方误差法(ordinary least squares)确定参数。通过建立单元线性方程来刻画气候数据的变动速率，基本形式为

y=kx+b

(8)

式(8)中：k为气象要素的倾向率；b为拟合截距；k、b通过最小二乘法得出。

2.2.5 极端降水指数

采用世界气象组织(World Meteorological Organization, WMO)发布的27种极端天气核心评价指数中的10项极端降水指数[12]，基于MATLAB2019b平台进行极端指标计算,包括16项极端气温指数,11项极端降水量指数。即以1951—2018年的连续日值气温和降水量数据为输入数据，并进行质量控制，对得到的各项极端气候指标进行统计分析，选取极端降水指数共10项(表1)，这些指数能够从不同方面反映云南省极端降水量的时间变化趋势和空间分布特征[13-14]。

表1 10种极端降水指数Table 1 Ten extreme precipitation indexes

3 结果与分析

3.1 云南省极端降水聚类分析结果

云南省各地区间的气候差异较大，年均降水地区差异显著，除了采用简单均值法对降水进行研究，还需要进一步分区域精细化研究降水的变化趋势。基于层次聚类方法，对云南省24个站点降水年内日降水量分布特征进行聚类分析，如图2所示。由图2可见，区域聚类结果为：①西北部州市主要为贡山，西南、东南部州市包括腾冲、耿马等；②中北部州市包括昆明、大理等。聚类结果出现较强的空间异质性，且聚类相关系数达到0.89。

图2 云南省极端降水层次聚类结果图Fig.2 Hierarchical clustering results of extreme precipitation in Yunnan Province

由平均轮廓系数法图(图3)可知，由于轮廓值的范围为-1～1，较高的轮廓值表示与其自己的类匹配正确，并且其他类匹配较差，如果大多数数据具有较高的轮廓值，则聚类方案是恰当的。对于云南省极端降水分类，考虑分类研究及气候特性，故将研究区域分为两簇为最优聚类。

图3 云南省极端降水聚类平轮廓系数法子集(K)分布Fig.3 Distribution of subset (K) of extreme precipitation clustering flat contour coefficient method in Yunnan Province

根据云南省24个气象站研究期内的年平均降水量，采用Anusplin平台进行插值提取区域内多年的年总降水量空间特征，如图4所示。从图4可以看出，年均降水量的存在明显的空间分异，分布特征为由南向北递减，西北、南部多，东北地区少；分布范围为464～1 070 mm以上。最大值出现在滇南地区金平区域，达到1 700 mm以上，滇东北局部的降水量相较于同纬度地区更低，其中降水不足700 mm的站点为金沙江流域的德钦，年降水量最少的区域在高海拔地区以及热河谷地区，如永仁-元谋-禄劝一线降水最少，低于700 mm。

图4 云南省年降水量分布Fig.4 Distribution of annual precipitation in Yunnan Province

在综合云南省各区域气候特征的基础上，结合年降水量分布特征、层次聚类及前人研究等多种因素，将所研究的云南省24个站点划分为两个区域[15]。如图5所示，分组和聚类后在各组内计算极端降水平均值，从而进行降水量及年均降水量特征的研究，分组分别是地处云南南部和滇西北部的湿润半湿润区(包括6个站点，下称湿润区)，南部区域海拔较低，降水量大，西北部主要为山地气候，受季风交替影响最大，降水充沛；以及滇中和滇东北干旱半干旱区(包括17个站点，下称干旱区)，年降雨量600～800 m，气候带主要划分为干旱、半干旱气候，主要位于云南省中部东部平原丘陵地区，典型行政区域怒江、德宏、红河、迪庆和大理等州市。

图5 云南省年降水量聚类分析划分Fig.5 Cluster analysis of annual precipitation in Yunnan Province

3.2 降水突变分析

基于3.1节聚类分析结果，对云南省两个主要区域近40 a的降水年均值进行降水量Mann-Kendall突变检验。由图6可见，在95%的置信区间下，干旱半干旱区年平均降水量的UB、UF统计量存在两个相交点，分别在1983年和2008年，可得干旱半干旱区降水发生过两次由突变，其中在1983年，年平均降水量由少向多转变，2008年为年平均降水量由多向少变化，由图7可见，湿润半湿润区降水量于2008年前后出现由高向低转变，突变没有通过0.05显著性水平检验。

图6 1979—2019年湿润半湿润区云南省降水突变检验Fig.6 Abrupt change test of precipitation in Yunnan Province in humid and semi humid area from 1979 to 2019

图7 1979—2019年湿润干旱半干旱区云南省降水突变检验Fig.7 Abrupt change test of precipitation in Yunnan Province in arid and semi-arid area from 1979 to 2019

对云南省两个主要区域年降水距平及累计进行分析。如图8所示，分析干旱半干旱区内降水距平可知：降水量在研究期内分配不均匀，在2008年前后，降水量相对稳态高出约800 mm，之后快速下降，2008年为降水突变年份，降水量由高到低；1983年前后累计降水距平达到-200 mm左右，之后降水快速上升，可确定1993年为降水短缺—充沛交替年份；如图9所示，湿润半湿润区于2004年发生降水突变，类型为高—低转换，降水量波动下降至研究期结束。

图8 1979—2019年湿润半湿润区云南省降水突变检验Fig.8 Precipitation anomaly and cumulative anomaly curve in humid and semi humid areas from 1979 to 2019

图9 1979—2019年湿润半湿润区云南省降水突变检验Fig.9 Precipitation anomaly and cumulative anomaly curve in arid and semi-arid areas from 1979 to 2019

3.3 降水小波分析

通过对云南省不同区域间年降水总量进行小波分析，得到小波系数变化及方差图(图10)，图10(a)和图10(b)为实部等值图；小波变换实部等值线图能够显示降水量周期变化特点及其位相结构,其中红色正中心相位表示降水量相对多的时期，橙色表示降水量相对少。图10(c)和图10(d)为方差图小波方差值最高的区域为第一周期，其他较低的分别为次周期。

图10 云南省中北部半干旱区年降水量小波分析Fig.10 Wavelet analysis of annual precipitation in the semi-arid area of central and Northern Yunnan Province

分析图10(a)和图10(b)可知，各区域间具有比较类似的周期性变化，出现了高低交替的准两次震荡，具有全域性。降水总量变化呈现明显的阶段性，在较长尺度(>20 a)周期变化中，正相位出现在2000—2010年间；负位相出现在1990年前。更短时间域(<20 a)的周期范围内，15～10 a间，正负降水位相交替现象更为显著；在更短的周期内，降水位相交替频繁；该代表性区域内降水存在5～10 a，15 a及25 a以上的周期，其中25 a以上周期最显著。研究期内，降水变化出现2个偏多中心和3个偏少中心，分别为1951年、1966年、1984年、2005年和2017年。

由图10(c)和图10(d)可以看出，1979—2019年云南省中北部半干旱区具有不同尺度周期的振荡性特征，从年降水量序列小波方差图可以准确诊断降水周期扰动的相对强度和存在的主周期，在时间小波方差序列中，对应极值的时间尺度称为该序列的主要周期。图10(a)中存在二个极值，分别为8 a与18 a，其中8 a左右的周期小波方差最大，可知研究时段内，降水量变化的主导周期为8 a；分析图10(b) 可知，短周期分8 a，较长周期为22 a，其中22 a小波方差最大。

3.4 极端降水趋势分析

采用线性趋势率分析云南省各年间10种极端降水指数的线性变化趋势，如图11和表2所示。从云南省极端降水指数时间变化图来看，降水总量(PTOT)均表现为下降趋势，在湿润区下降更快，为-24.52 mm/10 a。降水强度(SDII)，趋势率为各指数间最低，40年间整体保持稳定。强降水量(R95P)，在湿润区下降，干旱区出现上升，极强降水量(R99P)在湿润区与干旱区均出现上升，分别达到0.805 mm/10 a、0.669 mm/10 a；降雨日数(R1、R10)均出现下降，降雨日数在干旱区下降较快(-3.045 d/10 a)，中雨日数(R10)于湿润区下降较快(-1.366 d/10 a)；日最大降雨量(RX1)均出现上升趋势，湿润区上升更快；五日降水量(RX5)均出现下降，干旱区下降较快(-1.346 mm/10 a)；最长连续有降水日数，湿润区下降(-0.303 d/10 a)，干旱区上升(1.503 d/10 a)；最长连续无降水日数均呈现出上升趋势。

图11 1979—2019年云南省极端降水指数时间变化Fig.11 Temporal variation of extreme precipitation index in Yunnan Province from 1979 to 2019

表2 1979—2019年云南省极端降水指数气候倾向率分析Table 2 Climate tendency rate analysis of extreme precipitation index in Yunnan Province from 1979 to 2019

3.5 极端降水趋势分析

基于R/S分析求算Hurst指数，判断云南省降水量序列和未来极端降水指数的持续性，结果如表 3 所示。经各区域降水量趋势性检验分析得到，云南省气象站点及全流域的Hurst指数均低于0.5,表明降水量未来变化趋势与过去相反，即其未来仍将延续降水量下降的变化趋势，并且下降趋势将会减弱。该对各极端降水指数进行分析。在湿润半湿润区中，降水总量、降水强度、中雨日数和五日最大降雨强反持续很强性(<0.35)；在干旱半干旱区中强降水量、极强降雨量、日最大降雨量和最长连续降水日数的Hurst指数0.25～0.5，表明方向的持续性很强；其他极端降水指数持续性较稳定。在干旱半干旱区中，最长持续湿润日数(continuous wet days, CWD) 的变化幅度为0.319 d/10 a，明显小于最长持续干旱日数(continuous dry days, CDD)以0.369 d/10 a变化的幅度,其余指数都呈现上升趋势。

表3 云南省极端降水指标的Hurst持续性分析Table 3 Hurst persistence analysis of extreme precipitation index in Yunnan Province

3.6 极端降水相关分析

采用Pearson相关性分析方法考察云南省主要区域内10种降水事件指标的相关关系，如表4所示，从而探究所选取的各极端降水指标对其他极端事件的相关变化效应[16]。

表4 1979—2019年云南省极端降水指数相关分析Table 4 Correlation Analysis of extreme precipitation index in Yunnan Province from 1979 to 2019

对极端降水指数之间进行相关分析，由表4可知，在干旱半干旱区，降水总量和降水强度与之间有较高的相关性，可达0.7及以上，强降水量、极强降水量，有较好的相关性，相关系数达到0.7并通过0.05水平显著性检验。日极端降水量和极强降水量在湿润区出现较高相关性，达到0.834。总结可知，绝对强度、相对强度、绝对指数及极值指数之间存在较高的变化一致性，降水总量对极端降水的诊断效应与过去的研究相符合[17-18]。

5 结论与讨论

(1)从M-K趋势检验和降水距平来看，在干旱半干旱区，降水量在研究期内分配不均，至1993年累计降水距平达最低-200 mm左右之后降水快速上升， 干旱区，1993年和2008年为降水突变年份，湿润半湿润区于2004年发生降水突变。近40 a以来，降水总量的变化比较频繁，考虑降水量序列时间长度的限制，波动和降水、极端降水分布的周期在更大的时间尺度下是否相同需要继续研究[19]。

(2)从云南省极端降水聚类分析结果可知，云南省年际降水量总体分布趋势为从西南向东北递减，其中位于滇南以及滇西南地区为降水量的高值区，滇中及滇东北地区降水量较少，区域间降水量差值达700 mm以上，呈现出极强的空间异质性。

(3)从年降水总量小波分析和极端降水变化持续性Hurst分析可知，在不同时间尺度周期变化范围内，云南省正负降水位相交替现象比较显著，降水存在5～10 a，15 a及25 a以上的周期，湿润区20 a以上周期最显著，干旱区10 a左右周期最显著，省内各区域的Hurst指数均小于0.5，表明降水量未来仍将延续过去趋势，且趋势将会减弱。

(4)极端降水指标之间的相关分析表明，绝对强度、相对强度、绝对指数及极值指数之间存在较高的变化一致性，且降水总量和降水强度在干旱与干旱区与之间有较高的相关性，日极端降水量和极强降水量在湿润区出现较高相关性，最高相关系数达到0.8，通过0.01显著性检验，降水总量对极端降水的诊断效应与过去的研究相符合。

云南省地处热带亚热带高原，毗邻地理“第三极”——青藏高原，强烈的高原大地形热力作用造成环流特征不稳定[20]，云南省内地形地貌复杂，东亚、南亚气候系统如南支槽、东风波等控制季风环流不稳定性较强，研究指出山谷内夜雨、强雨多发，是极端降水的一个重要成因[21]。针对云南省干旱区和湿润区降水及极端降水不同趋势的变化特征，在后续工作中将会通过机制参数化及插值空间化等方法进行更深入的讨论。