基于多种趋势分析方法的京津冀地区极端降水趋势分析

鲁东阳 闫磊 徐永新 李婧 徐丹 姚瑞娟

摘 要：变化环境下我国极端降水事件频发，导致洪涝灾害加剧，严重影响社会经济的可持续发展。分析京津冀地区极端降水趋势，预测未来极端降水，更合理地开展降水频率分析，对合理配置水资源有重要意义。基于京津冀及周边地区25个气象站1960—2016年逐日降水数据，分别采用普通Mann Kendall检验、预置白Mann Kendall检验、去趋势预置白Mann Kendall检验和改进的Mann Kendall检验方法，选取7个极端降水指标对京津冀地区极端降水进行趋势分析。结果表明：京津冀日极端降水95%分位数表现为西北地区下降、东部邻渤海地区和南部地区上升的趋势；日降水强度表现为上升趋势；边界区域年降水量表现为上升趋势，内部呈下降趋势；其他指标呈显著或不显著的下降趋势。对4种方法所得结果进行对比，除年降水量外，各极端降水指标的检验结果均有不同程度的差别，预置白Mann Kendall方法最为严格。

关键词：极端降水；趋势分析；非参数检验；极端降水阈值；京津冀

中图分类号：P333.6 文献标志码：A doi：10.3969/j.issn.1000-1379.2022.01.006

引用格式：鲁东阳，闫磊，徐永新，等.基于多种趋势分析方法的京津冀地区极端降水趋势分析[J].人民黄河，2022，44（1）：26-32.

AnalysisofExtremePrecipitationTrendinBeijing Tianjin HebeiRegionBasedonVarious TrendAnalysisMethods

LUDongyang1，YANLei1，XUYongxin1，2，LIJing1，XUDan1，YAORuijuan1

（1.CollegeofWaterConservancyandHydropower，HebeiUniversityofEngineering，Handan056000，China；2.UniversityoftheWesternCape，CapeTown7535，RepublicofSouthAfrica）

Abstract：Underthechangingenvironment，thefrequentoccurrenceofextremeprecipitationeventsinChinaleadstotheaggravationofflood disaster，whichseriouslyaffectsthesustainabledevelopmentofsocialeconomy.Itisofgreatsignificancetoanalyzethetrendofextremepre cipitationinBeijingTianjinHebeiarea，predictthefutureextremeprecipitation，andanalyzethefrequencyofprecipitationmorereasonably. Basedonthedailyprecipitationdataof25meteorologicalstationsinBeijing，TianjinandHebeifrom1960to2016，thispaperusedcommon MannKendalltest，presetwhiteMannKendalltest，detrendpresetwhiteMannKendalltestandimprovedMannKendalltesttoanalyzethe trendofextremeprecipitationinBeijing，TianjinandHebeibyselecting7extremeprecipitationindexes.Theresultsshowthatthe95%quan tilesofthedailyextremeprecipitationinBeijing，TianjinandHebeishowsadownwardtrendinthenorthwest，theBohaiSeaandthesouthin theeast，anupwardtrendinthedailyprecipitationintensity，anupwardtrendintheannualtotalprecipitationintheborderarea，anda downwardtrendintheinterior，andasignificantorinsignificantdownwardtrendinotherindicators.Comparedwiththeresultsofthefour methods，theresultsofeachprecipitationindexaredifferentexcepttheannualtotalprecipitation，andthepresetwhiteMannKendallmethod isthemoststrict.

Keywords：extremeprecipitation；trendanalysis；nonparametrictest；extremeprecipitationthreshold；Beijing Tianjin Hebei

近年来，随着全球气候变暖，我国极端天气事件频发，尤其是极端降水事件趋多且趋强[1]，导致旱涝灾害加剧，严重影响农业生产和社会经济的可持续发展。从整体上看，我国华北地区强降水事件呈减少趋势[2]，但华北东南部部分大城市的极端降水强度则表现出明显的增强趋势[3]。进行极端降水趋势分析，对合理配置水资源、满足居民生活和工农业发展的基本需要、保障人民生命财产安全具有重要意义[4-6]。

目前，已有不少国内外学者进行了极端降水趋势分析研究[7-12]，具体方法有参数检验法和非参数检验法，其中非参数检验法具有不受样本分布类型影响等特点，被广泛应用于水文时间序列的趋势检验。时间序列趋势分析中的Mann Kendall非参数检验方法由Mann[13]和Kendall[14]提出。李志等[15]基于Mann Kendall等方法，指出泾河流域极端降水事件各指标都趋于升高。占车生等[16]采用Mann Kendall法对渭河流域降水时间序列进行了趋势分析，得出渭河流域年降水量在時间上呈现出一定的减少趋势，在空间上表现为从上游到下游逐渐增加。Mann Kendall法虽然具有非参数检验的优势，但要求样本数据是连续独立的，当样本数据存在自相关性时，将影响Mann Kendall检验方法正确评估趋势的能力[17]。受气候变化和人类活动影响，降水序列的自相关性日趋强烈，仅用Mann Kendall法不可避免地出现误差。为此，很多学者对Mann Kendall法进行了修正，在进行Mann Kendall法检验之前对序列进行处理以消除序列相关性的方法称为前置移除法。Storch[18]指出，在应用Mann Kendall方法前，对序列进行预置白处理（Pre-Whitening），以消除序列中的自相关成分。Yue等[19]证明，对于一个存在趋势项和一阶自相关的序列，预置白处理会去掉部分趋势成分，接受无趋势的无效假设，使得原本趋势显著的序列被认为趋势不显著，因此对预置白处理做了进一步的改进，提出了去趋势预置白Mann Kendall检验法。针对自相关性影响，对Mann Kendall方法本身进行改进的方法称为参数修正法，Hamed等[20]提出了一个计算有效样本量的经验公式，修改了Mann Kendall统计量的方差，以消除序列相关性对Mann Kendall检验的影响。章诞武等[21]基于中国气象资料对多种非参数趋势检验方法进行对比分析，提出序列中存在的正（负）自相关性不会改变Mann Kendall趋势检验统计量的概率分布和期望，但将增大（减小）其方差，从而在某一显著性水平下，增大（减小）拒绝原假设的概率。因此，在对水文序列有无自相关性以及明显趋势性未知的情况下，仅使用Mann Kendall检验方法对序列进行趋势分析是片面的。

目前我国已有对京津冀地区降水趋势分析的研究[22]，但基于最新气象数据对京津冀地区极端降水趋势应用多种趋势检验方法对比分析的研究较少，笔者采用Mann Kendall检验、预置白Mann Kendall检验、去趋势预置白Mann Kendall检验方法以及改进的Mann Kendall检验方法，对京津冀面平均降水量以及25个气象站点1960—2016年降水数据的7个极端降水指标进行趋势分析，并在ArcGIS中用泰森多边形法[23]求出不同极端降水指标的京津冀面平均变化量，以期为预测京津冀地区未来降水趋势、更合理地开展非一致性降水频率分析、满足居民生活和工农业发展基本需要提供依据。

1 研究区域和数据资料

京津冀地区位于东经113°47′—119°50′、北纬36°5′—42°46′之间，总面积21.6万km2，地处华北平原，北接内蒙古高原，西邻黄土高原，东邻渤海[24]。区域内部兼有高原、山地、丘陵、盆地、平原、草原和海滨等多种地形地貌。京津冀地区整体上属于典型的温带大陆性季风气候区，大部分地区四季分明，春季干旱少雨，夏季炎热多雨，秋季昼夜温差大，冬季寒冷干燥。

本文选取京津冀及周边地区25个气象站1960—2016年逐日降水数据进行分析，研究区域和气象站分布如图1所示。

2 指标选取及研究方法

2.1 极端降水指标的选取

在选取极端降水指标之前，需要明确极端降水阈值的定义。通常日降水量超过25mm的降水事件称为大雨，日降水量超过50mm的降水事件称为暴雨，早期采用大雨或暴雨这样的标准作为一个共同的阈值来研究极端降水[25]。然而，极端降水事件应因地而异，对于中国的西北部，常年干旱，即使是一场中雨也会造成泥石流等灾害，而对于东南沿海，降水要远比内陆多。所以，按照大雨或暴雨这样的标准来定义阈值研究极端降水事件存在很大问题。目前，国际上多采用百分位法[23]定义极端降水阈值，通过计算超过阈值的降水量或频数等，对极端降水事件进行分析研究。这种阈值的定义方法消除了地域差异的因素，使计算出的极端降水指标具有在不同空间区域的可比性，可以更好地表征极端降水事件的区域特征，以便更客观地分析极端降水的变化趋势[26]。

采用百分位法，将1960—2016年逐年有效日降水量（大于0.01mm）序列由小到大排列，取其第95个百分位数的降水为本年极端降水事件的阈值，当某站某日降水量超过这个阈值时，就记为一次极端降水事件，进而确定相关极端降水指标。本研究选取7个极端降水指标，见表1。

利用有效样本量修正的M-K检验方法，对原始时间序列趋势的显著性进行评价。

3 趋势检验结果分析

3.1 日极端降水95%分位数

运用4种趋势检验方法对京津冀面平均及25个气象站日极端降水95%分位数进行趋势分析。京津冀面平均日极端降水95%分位数在4种方法下表现为不显著的上升趋势。由图2可知，4种方法下的安阳、泊头、廊坊、乐亭、密云、南宫、秦皇岛、石家庄、天津、围场、蔚县、邢台，M-K和MMK方法下的承德，PW-MK和TFPW-MK方法下的张北均表现为显著或不显著的上升趋势；其他除M-K方法下的北京表现为显著的下降趋势外均表现为不显著的下降趋势。日极端降水95%分位数在空间上的表现为西北地区减小、东部邻渤海地区和南部地区增大。而京津冀西北地区有个别站点出现显著的上升趋势，出现该趋势可能与地形有关。

3.2 极端降水天数

运用4种趋势检验方法对京津冀面平均及25个气象站极端降水天数进行趋势分析。京津冀面平均极端降水天数在4种方法下表现为显著的下降趋势。由图3可知，4种方法下所有站点的极端降水天数均表现为显著或不显著的下降趋势。其中表现出显著下降趋势的站点主要分布在东部地区。

3.3 强降水量

运用4种趋势检验方法对京津冀面平均及25个气象站强降水量进行趋势分析。京津冀面平均强降水量在4种方法下表现為显著的下降趋势。由图4可知，4种方法下泊头、廊坊、石家庄、围场以及M-K方法下的蔚县表现为不显著上升趋势，其他均表现为下降趋势，其中4种方法下的遵化、饶阳，M-K方法下的黄骅、唐山，PW-MK方法下的南宫、塘沽，TFPW-MK方法下的黄骅、唐山、塘沽，MMK方法下的黄骅、南宫、塘沽均表现为显著的下降趋势。下降趋势显著的站点主要分布在东部地区。

3.4 日降水强度

运用4种趋势检验方法对京津冀面平均及25个气象站日降水强度进行趋势分析。由表2可知，4种方法下的丰宁、饶阳、遵化，PW-MK和TFPW-MK方法下的保定、秦皇岛、青龙表现为不显著的下降趋势；其他站以及京津冀面平均日降水强度在4种方法下表现为显著或不显著的上升趋势。南部地区个别站点上升趋势显著。

3.5 年降水量

运用4种趋势检验方法对京津冀面平均及25个气象站年降水量进行趋势分析。由表3可知，泊头、廊坊、石家庄、围场、蔚县、邢台、张家口站经4种方法分析均表现为不显著的上升趋势，其他站及京津冀面平均年降水量表现为不显著的下降趋势。空间上看，京津冀边界区域年降水量表现为微弱的上升趋势，内部呈微弱的下降趋势。

3.6 年最大日降水量

运用4种趋势检验方法对京津冀面平均及25个气象站年最大日降水量进行趋势分析。由表4可知，4种方法下的围场、邢台、承德，PW-MK和TFPW-MK方法下的廊坊，TFPW-MK和MMK方法下的泊头、石家庄，M-K方法下的石家庄表现为不显著的上升趋势。其他站和京津冀面平均年最大日降水量在4种方法下表现为显著或不显著的下降趋势。

3.7 极端降水贡献率

运用4种趋势检验方法对京津冀面平均及25个气象站极端降水贡献率进行趋势分析。由表5可知，北京、怀来、唐山在PW-MK方法下表现为不显著的下降趋势，在其他3种方法下表现为显著的下降趋势；黄骅、南宫、塘沽、张家口、遵化以及京津冀面平均极端降水贡献率在4种方法下表现为显著的下降趋势，其他站除青龙、石家庄表现为不显著的上升趋势外均表现为不显著的下降趋势。

3.8 4种方法结果对比分析

4种方法检验后具有显著性趋势变化的站点所占比例见表6。根据表6对比分析不同方法检验结果的差异。

由表6可以看出，对日极端降水95%分位数来说，除M-K方法外的其他3种方法得到的具有显著趋势的站点比例一致，均为8%，M-K方法得到的具有显著趋势的站点比例最大，站点之间具有包含关系，即除M-K方法外其他3种方法得到的具有显著趋势的站点均能通过M-K检验；对极端降水天数来说，M-K与MMK方法得到的具有显著趋势的站点比例一致，PW-MK和TFPW-MK方法得到的结果一致，但站点之间并没有完全的包含关系；对强降水量来说，PW-MK方法最为严格；对日降水强度来说，除MMK方法外的其他3種方法结果一致，但并不具有站点之间的包含关系，MMK方法最为严格；对年降水量来说，4种方法结果均一致；对年最大日降水量来说M-K与TFPW-MK方法结果一致，MMK与PW-MK方法结果一致，并且经MMK与PW-MK方法得到具有显著趋势的站点均能通过M-K与TFPW-MK检验；对极端降水贡献率来说，除PW-MK方法外的其他3种方法得出的结果一致，并且PW-MK方法最严格且得到具有显著趋势的站点均能通过其他3种方法检验。

7个指标中，年降水量经4种趋势检验方法得到的结果一致，极端降水天数得到的结果差异最大，有16%的站点检验结果有差异，其他降水指标经4种趋势检验方法得到的结果差异相对较小。造成这种差异的原因可能是某些站点的降水序列存在正（负）自相关性，或者是序列存在明显趋势，从而影响了趋势检验的结果。

4 结 论

基于京津冀及周边地区25个气象站1960—2016年降水数据，采用M-K、PW-MK、TFPW-MK和MMK等4种趋势检验方法对京津冀面平均及25个气象站的日极端降水95%分位数、强降水量等7个极端降水指标进行了趋势分析。4种趋势检验方法得出的结果受降水序列自相关性和趋势性的影响，个别站点产生了些许偏差，但总体上看，得出的结果差异不大。

（1）京津冀地区日极端降水95%分位数表现为西北地区减小、东部邻渤海地区和南部地区增大的趋势，而京津冀西北地区有个别站点出现明显的上升趋势，这可能是地形原因导致的；京津冀面平均极端降水天数表现为下降的趋势，尤其以东部地区下降趋势显著；京津冀面平均强降水量表现为显著的下降趋势，东部地区下降趋势显著性更强；京津冀面平均日降水强度表现为上升趋势，南部个别站点上升趋势显著；京津冀边界区域年降水量表现为微弱的上升趋势，内部呈微弱的下降趋势；京津冀面平均年最大日降水量和极端降水贡献率呈显著下降趋势。

（2）4种趋势检验方法的结果对比分析表明，4种方法对年降水量的趋势分析结果一致，而对其他降水指标得到的结果均有不同程度的差别，其中对极端降水天数得到的结果差别最大。综合所有指标分析结果来看，PW-MK检验方法最为严格，得到的具有显著性趋势的站点最少。4种趋势检验方法所得结果的差异表明当水文序列存在自相关性或明显趋势性时，会影响趋势检验的结果。

（3）京津冀地区部分站点极端降水指标表现出显著的趋势性，不再满足一致性假设。因此，应当针对京津冀地区的极端降水序列开展非一致性频率分析，并分析设计暴雨值与出现频率（或重现期）之间的定量关系，为京津冀地区水资源配置和防灾减灾提供参考。

参考文献：

[1] 方浩，乔云亭.中国东部夏季极端降水时空分布及环流背景[J].热带气象学报，2019，35（4）：517-527.

[2] 贾艳青，张勃.1960—2016年中国北方地区极端干湿事件演变特征[J].自然资源学报，2019，34（7）：1543-1554.

[3] 王萃萃，翟盘茂.中国大城市极端强降水事件变化的初步分析[J].气候与环境研究，2009，14（5）：553-560.

[4] 张翠萍，李小平，陈真，等.泾河合水川流域极端降水时空演变特征[J].人民黄河，2020，42（12）：12-17，22.

[5] 张延伟，史本林，朱孔来.1960—2010年河南省极端气候事件变化趋势[J].人民黄河，2016，38（8）：10-13，17.

[6] 王成都，刘国东，孙冉，等.1951—2013年山东省极端降水特征分析[J].人民黄河，2016，38（8）：5-9.

[7] YUANJ，XUYP，WUL，etal.VariabilityofPrecipitation ExtremesovertheYangtzeRiverDelta，EasternChina，During1960-2016[J].TheoreticalandAppliedClimatology，2019，138（1-2）：305-319.

[8] TEDESCHIRG，GRIMMAM，CAVALCANTIIFA.Influence ofCentralandEastENSOonExtremeEventsofPrecipitationin SouthAmericaDuringAustralSpringandSummer[J].Interna tionalJournalofClimatology，2015，35：2045-2064.

[9] 襲祝香，杨雪艳，刘玉汐，等.松辽流域1961—2017年极端降水变化特征[J].水土保持研究，2019，26（3）：199-203，212.

[10] 苗正伟，李娜，路梅，等.1961—2017年京津冀地区极端降水事件变化特征[J].水利水电技术，2019，50（3）：34-44.

[11] 高冰，任依清.鄱阳湖流域1961—2010年极端降水变化分析[J].水利水电科技进展，2016，36（1）：31-35.

[12] 房俊晗，郭斌，张振克，等.1960—2013年黄淮海平原极端降水时空变化特征[J].河南大学学报（自然科学版），2018，48（2）：160-171.

[13] MANNHB.NonparametricTestsAgainstTrend[J].Econo metrica，1945，13（3）：245-259.

[14] KENDALLMG.RankCorrelationMethods[M].London：CharlesGriffin，1975：202.

[15] 李志，刘文兆，郑粉莉.1965年至2005年泾河流域极端降水事件变化趋势分析[J].资源科学，2010，32（8）：1527-1532.

[16] 占车生，乔晨，徐宗学，等.渭河流域近50年来气候变化趋势及突变分析[J].北京师范大学学报（自然科学版），2012，48（4）：399-405.

[17] YUES，WANGCY.TheMann KendallTestModifiedbyEf fectiveSampleSizetoDetectTrendinSeriallyCorrelated HydrologicalSeries[J].WaterResourcesManagement，2004，18（3）：201-218.

[18] STORCHHV.MisusesofStatisticalAnalysisinClimate Research[M].Heidelberg：Springer，1999：11-26.

[19] YUES，PILONP，PHINNEYB，etal.TheInfluenceofAuto correlationontheAbilitytoDetectTrendinHydrologicalSe ries[J].HydrologicalProcesses，2002，16（9）：1807-1829.

[20] HAMEDKH，RAOAR.AModifiedMann KendallTrend TestforAutocorrelatedData[J].JournalofHydrology，1998，204（1-4）：182-196.

[21] 章诞武，丛振涛，倪广恒.基于中国气象资料的趋势检验方法对比分析[J].水科学进展，2013，24（4）：490-496.

[22] 刘金平，韩军彩，向亮，等.1961—2012年京津冀地区不同等级降水日数时空演变特征[J].气象与环境学报，2015，31（1）：43-50.

[23] 王玉德.基于ArcGIS的泰森多边形法计算区域平均雨量[J].吉林水利，2014（6）：58-60，63.

[24] 王丽.京津冀地区资源开发利用与环境保护研究[J].经济研究参考，2015（2）：47-71.

[25] 罗梦森，熊世为，梁宇飞.区域极端降水事件阈值计算方法比较分析[J].气象科学，2013，33（5）：549-554.

[26] 江秀芳，李丽平，周立波.极端降水特性分析研究进展[J].气象与减灾研究，2012，35（2）：1-6.

[27] 张洪波，王斌，辛琛，等.去趋势预置白方法对径流序列趋势检验的影响[J].水力发电学报，2016，35（12）：56-69.

[28] MATALASNC，LANGBEINWB.InformationContentofthe Mean[J].JournalofGeophysicalResearch，1962，67（9）：3441-3448.

【责任编辑 张 帅】