1976～2017年海北地区主汛期降水特征分析

王忠武，祁维秀，赵 亮

(海北州气象局，青海 海北 812200)

1 引言

随着全球气候变暖，降水也随着气候的变化存在时空变化的特征[1]，气候变化通过改变降水的空间分布和时间变化特性，影响着水循环和水资源的空间分布格局。青海省是我国主要江河的发源地，其降水变化对中国区域水分平衡和水资源利用有着重要影响[2]。近年来，降水呈现出向极端化发展的趋势[3，4]。大量研究表明近年来在全球许多区域强降水呈现增加趋势，而弱降水则明显减少[4]。在中国大多数地区，弱(强)量级降水出现的频率趋于下降(增加)，表明强降水对总降水量的贡献呈现增大的趋势[5]。有学者研究表明青藏高原南部降水呈增加趋势，主汛期降水增加尤为明显[5，6]。而刘彩虹，徐锦华等研究认为，1961～2004年青海省东部地区夏季的降水量没有显著变化[7]。

在青海省极端降水的研究方面，朱西德研究指出：在气候变暖背景下各地异常气候事件频繁发生，青海省也不例外，近年来热害和干旱加剧，大降水增多，雨强增大；雪灾频繁，成灾机率高[8]。

从大范围上讲，钟军、苏布达等[9]研究指出：在我国年降水无明显的增加或者减少趋势，但降水强度偏高的区域表现出扩大的趋势，西北地区四季降水增加。张立杰，赵文志[10]对黑河流域的日降水做了详细的研究，指出黑河流域主要以≤5 mm的降水为主，占年降水的82%，年总降水日数保持基本不变。这与杨建才、王劲松[11]研究的甘肃河东弱降水的分布决定了平均降水日数分布的结论有相似之处。

本研究利用青海省气象局信息中心提供的海北地区1976～2017年逐日降水量，统计分析出海北州汛期极端降水各指标，建立数据集，为预报极端气候、防灾减灾有一定的指导意义，为海北地区汛期防灾减灾服务及应急提供有力的决策支持。

2 资料与方法

2.1 资料

本文选取海北藏族自治州辖区内6个国家气象站1976～2017年逐日有效降水(≥0. 1 mm)资料。按照24 h降水量大小分小雨(0.1 mm≤R<10.0 mm)、中雨(10.0 mm≤R<25.0 mm)、大到暴雨(R≥25.0 mm)以及95%极端降水[12]。

图1 海北地区国家气象台站分布图

2.2 方法

2.2.1 气候趋势和气候倾向率 设某气候变量资料为一个时间序列，可表示为：

X1，X2，X3，…Xn

它可以用多项式来表示：

(1)

式(1)中t为时间，单位为年(a)。它的含义是用一条合理的直线表示气候变量χ及其时间t之间的关系，即为线性气候趋势。

一般说来，某一要素的气候趋势可用曲线方程、抛物线方程或直线方程来模拟，其趋势变化率方程可表示为：

(2)

将a1×10称作气候倾向率，而 a1可用最小二乘法或正交多项式确定：

(3)

2.2.2 突变检验 突变现象普遍存在于地球气候系统。Mann-Kendall方法是一种较为客观的突变检测方法，特点是能够较为准确地确定符合统计检验的突变时间，避免人为因素的影响。

Mann-kendall方法首先对样本时间序列Ti(i=1，2，3，…，n)定义统计量：

在时间序列Sk随机独立的假定下，定义统计量：

其中，E(Sk)=n(n-1)/4，Var(Sk)=n(n-1)(2n+5)/72

对统计量Uk按顺序记为UF，同时按照逆顺序i=n，n-1，n-2，…，1计算一次并取负值，记为UB。给定显著性水平α，在这里取显著性水平α=0.05，查正态分布表得1.96，若|UF|>1.96，则表明序列存在明显的趋势变化。所有UF和UB将组成两条曲线，当两条曲线的交点位于上下置信线之间且随后UF值超过置信线时，交点被认为是突变点。

2.2.3 周期分析 小波分析是一种时间—尺度分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不变但其形状可改变，时间窗和频率都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，所以被誉为分析信号的显微镜。近年来在气候分析中得到越来越广泛的应用。

小波分析在时域和频域上同时具有良好的局部性质，可以分析出时间序列周期变化的局部特征，能更清楚地看到各周期随时间的变化情况，从而在气候分析中得到广泛应用，这里选取的小波变换为Morlet小波，其形式为：

ψ(t)=exp(i2πt)exp(-t2/2)

(4)

3 海北地区主汛期降水变化分析

3.1 主汛期降水量变化分析

1976～2017年海北地区主汛期年平均降水量呈明显增加趋势(图2)，年降水增加率为13.8 mm/10 a。6个国家气象站的主汛期降水量呈增加趋势，其中刚察对本地区年降水增加的贡献最大，其增加趋势最明显，增加率为25.5 mm/10 a，门源降水增加率最小，只有3.2 mm/10 a。其余4站的主汛期降水增加率：托勒为16.8 mm/10 a、野牛沟为14.4 mm/10 a、祁连为1.25 mm/10 a、海晏为10.7 mm/10 a。

3.2 分量级降水

3.2.1 小雨 下图(图3)为海北地区主汛期小雨变化趋势图，从图中可以看出，整个海北地区主汛期的小雨量级降水日数在慢慢减少，而小雨的降水量却呈缓慢增加的趋势，说明小雨的降水量在慢慢增加。以一天为时间单位作降水强度，降水强度呈上升趋势。

图2 海北地区、刚察及门源主汛期降水变化趋势图

图3 海北地区主汛期小雨变化趋势图

从6个台站的小雨趋势看，降水日数门源减少趋势最大为3.4 d/10 a，托勒和海晏呈增加趋势，但并不明显，其余各台站呈减少趋势；小雨降水量除门源和祁连外，各台站都呈上升趋势；小雨的强度无一例外都是呈增大趋势。

3.2.2 中雨 下图(图4)为海北地区主汛期中雨变化趋势图，从图中可以看出，整个地区主汛期的中雨量级降水日数、降水量在逐渐增加，中雨降水强度也呈上升趋势。整个地区的降水量按6.9 mm/10 a在增加。

图4 海北地区主汛期中雨变化趋势图

从6个台站的中雨趋势看，主汛期中雨降水日数、降水量和降水强度都呈上升趋势。降水量增加最快的是刚察，为12.7 mm/10 a，而门源中雨量级降水量增加最不明显。

3.2.3 大到暴雨 下图(图5)为海北地区主汛期大到暴雨变化趋势图，从图中可以看出，整个地区主汛期的大到暴雨量级降水日数和降水量在逐渐增加，降水强度也呈上升趋势。

6个台站主汛期大到暴雨的降水日数都呈增加趋势，刚察主汛期大到暴雨降水日数增加最多，海晏不明显；降水量托勒增加最快为6.0 mm/10 a，门源和祁连有减少趋势；降水强度各台站都呈增强趋势。

4 极端降水

4.1 极端降水阈值计算[12]

极端降水阈值的计算方法是百分位法，即指定某个百分位值对应的降水量为國值。本文是以海北地区主汛期95%极端降水来做研究，将1976～2017年主汛期逐年日降水量按升序排列，将第95个百分位值的42 a平均值定义为95%极端降水阈值，当某日的降水量超过极端降水事件的阈值时，就称该日出现了极端降水事件。具体方法如下：

将某站逐年日降水量记录按大小升序排列，得到x1，x2，…，xn则百分位國值为：

x=(1-a)xj+axj+1

(5)

式中，j为逐日降水量按升序排列后的排列序号

j=Int[p(n+1)]，Int为取整函数，p为对应的百分位数;a为权重系数，a=p(n+1)-j

通过计算，得出各站的主汛期95%极端降水阈值，托勒为14.7 mm、野牛沟为14.4 mm、祁连为15.1 mm、门源为17.4 mm、刚察为15.2 mm、海晏为14.4 mm。

图5 海北地区主汛期大到暴雨变化趋势图

4.2 极端降水月际变化特点

表1为95%极端降水天数的月统计表，从表中可以看出，各站的极端降水事件天数各有不同，海晏每年95%极端降水事件有5 d，托勒不到4 d。各站的极端降水集中出现在7月和8月，从柱状图中(图6)更能反应这一特点。

表1 各站95%极端降水天数统计

图6 极端降水月份柱状图

4.3 汛期极端降水年际变化趋势

下图(图7)是海北地区95%极端降水的年际趋势图，从图中可以看出，海北地区的95%极端降水无论是从天数还是降水量和降水强度，都呈上升趋势。极端降水量的增加趋势尤为明显，按12.5 mm/10 a的速度增加。各台站中，95%极端降水日数、极端降水量和降水强度都呈上升趋势。极端降水日数增加最快的是托勒，最慢的是门源；极端降水量增加最多的是刚察，以18.8 mm/10 a的速度在增加，最少的是门源，但也按照7.3 mm/10 a的速度在增加；降水强度和降水量呈现一样的变化趋势。

5 主汛期降水的突变检验与周期分析

5.1 主汛期降水的突变检验

图8中UF为海北区年汛期降水量(极端降水量)的顺序统计曲线，UK为海北区年汛期降水量(极端降水量)逆序统计曲线，并给定显著性水平α=0.05，临界线为±1.96(两条直线)。若UF或 UB的值>0，则表明序列呈上升趋势，<0则表明呈下降趋势。当它们超过临界线时，表明上升或下降趋势明显。

如果统计曲线在临界线之间出现交点，则交点对应的时刻便是突变开始的时间。从图中可以看出，海北的主汛期降水量呈线性上升趋势，2009年以后有突变明显增加趋势。而主汛期95%极端降水从2005年突变增加就比较明显。经过分析，极端降水强度、中雨降水量和大到暴雨的降水量和极端降水有相同的突变增加趋势。

图7 海北地区极端降水趋势图

图8 海北地区主汛期降水量和极端降水量M-K统计量曲线图

5.2 周期分析

根据海北地区主汛期降水量时间序列，进行Morlet小波变换，图9为海北地区主汛期降水的Morlet小波实部系数时-频分析图(a)和小波模图(b)。图中反映出在不同阶段的同一周期振荡以及同一阶段的不同周期振荡所表现出来的强弱程度是不一样的。目前采用的Morlet小波为基小波的分析中，很多工作只依据小波系数的实部图分析结果，不可避免的造成一些虚假信息。在此基础上，结合模分析，不仅能反映各个周期成份在局部时段的特征，而且模代表不同参数的小波对总能量的贡献，能清楚的反映出实验序列中各个周期的成份的强度随时间的变化。图10为海北地区主汛期极端降水量的Morlet小波实部系数时-频分析图(a)和小波模图(b)。由图9可以看出整个汛期的总降水量的周期性并不明显，这是在2000年之前存在4～6 a的震荡周期；图10中95%极端降水量是存在8～10 a的震荡周期，这一结论在极端降水的降水日数和降水强度的小波分析时频图中都能反应出来。

图9 海北地区主汛期降水量时-频图

图10 海北地区主汛期95%极端降水量时-频图

6 结论

(1)1976～2017年，海北地区主汛期(6～9月)地区平均降水量有明显的增加趋势，增加率为13.8 mm/10 a，其中刚察年降水对整个地区年平均降水增加的贡献最大，门源最小。

(2)地区年平均降水量的变化趋势和主汛期降水的变化呈较一致的趋势。

(3)中雨量级和大到暴雨量级降水日数呈增加，小雨降水日数呈减少，各量级降水量和降水强度呈增加趋势。

(4)中雨、大到暴雨以及极端降水在2004年有明显的突变趋势，小到中雨在这一时间点的突变增加不明显，大到暴雨的突变增加非常明显，极端降水量有8～10 a震荡周期。