近60年江西省时段最大降水变异诊断

吴绍飞，王 奇，黄彬彬，居 翔，徐长宝，贺 淼

(南昌工程学院 鄱阳湖流域水工程安全与资源高效利用国家地方联合工程实验室，江西 南昌 330099)

降水是诱发暴雨、城市内涝、山洪泥石流等灾害的主要原因之一，对社会经济活动造成极大威胁。气候变化与人类活动双重影响下，包括短历时强降水等在内的极端水文事件呈广发、频发等态势成为国内外普遍共识。因此，研究区域强降水时空分布规律，对认识强降水引发的自然灾害有重要意义。Asadieh 等[1]发现全球最大日降水比过去110年增加了约5.73 mm。於琍等[2]发现近25年中国暴雨日数稍有增加，暴雨强度与日数总体上南方高于北方，东部高于西部。在区域尺度上，潘国艳等[3]发现赣江流域年最大日降水、95%阈值极端降水量与降水日数均表现出一定的增加趋势，整体表现为由西南向东北增加。冶运涛等[4]研究了长江上游流域的降水结构特性，发现长江上游流域的降水发生率伴随历时的增加而减少，短历时降水次数频次逐渐增加，降水强度也随之增大；宋晓猛等[5-6]研究了北京地区的降水结构和降水极值特征。可以发现，受观测资料限制，相关研究主要以日以上时间尺度极端降水为主。吴伟杰等[7]等指出，采用日降雨量开展极端降水分析夸大了长时间连续性弱降水的作用，无法真实反映降水强度影响。谢五三等[8]等发现安徽省小时极端降水局地性特征明显，且主要发生在梅雨期；章毅之等[9]研究了江西省近40年小时尺度降水的分布特性，结果表明，江西省短历时降水的平均历时呈“南少北多”的趋势，降水量与频次显著增加。小时尺度降水更有利于真实的反映极端降水时程变化特征，更加符合暴雨致灾研究需要，逐渐为越来越多学者重视。

江西省位于中国南部，属亚热带暖湿季风气候，常受暴雨洪涝等自然灾害侵袭[10]，短时强降水引发的城市内涝、农田淹灌问题尤为突出。相关学者对区域极端天气特征、形成因素、预报模型[11-12]做了大量研究，但是缺乏对小时尺度降水时空分布特征的进一步研究。本文选取江西省91个水文气象站点1954—2012近60年小时尺度降水数据，系统开展研究区域多时段年最大降水变异诊断分析，以期为全省暴雨灾害风险预警预报等提供一定的理论参考。

1 研究资料与方法

选用江西省1954—2012年91个气象站(图1)逐小时降水资料，引入水文变异诊断方法，分析江西省连续1、3、6、12、24 h等不同历时年最大降水的时空分布特征。其中部分站点数据缺测，经过筛选最终选择81个资料系列完整的站点进行分析。谢平等[13]指出，气候变化与人类活动影响下的极端水文系列，常常表现出2种变异类型：跳跃和趋势变异。使用单一的检验方法，诊断结果往往难以一致且不具备说服力，因此采用多种趋势、跳跃诊断法，对各站点各时段最大降水序列进行综合诊断。

图1 研究区域站点分布

a)流程及方法。①首先使用Python编程对数据预处理，计算获取站点各时段最大降水值，以及1 h降水大于等于16 mm、12 h大于等于30 mm、24 h大于等于50 mm的频数。②其次通过详细诊断的多种检验法、综合诊断的效率系数，最终确定各站点各时段的最大降水变异类型。③最后结合GIS软件将各站点的诊断结果、相应极端降水频率进行空间分析。详细诊断包含趋势诊断、跳跃诊断。趋势诊断采取线性趋势、Kendall、Spearman，跳跃诊断选取M-K、累积距平、有序聚类、滑动F、滑动秩和；综合诊断：效率系数R2。

b)趋势诊断中Spearman秩次相关法。该方法为一种非参数检验法，用于检验变量之间的相关性。原理：将N对(xi，yi)依次秩序编号，将重复数据取编号平均进而对变量等级检验判断数据之间的关联性。式(1)rs是秩相关系数，取值介于(-1，1)，若取值大于0即为正相关，否则负相关，取值为0则无关，Ri和Qi分别是2个变量的秩。

(1)

c)跳跃诊断中Mann-Kendall原理。对已有序列x构造一个新的秩序列St，见式(2)，意为若序列的i时刻大于j时刻，则计数累加；假设序列随机独立，给定式(3)计算得出统计变量UFt，UBt是前者的逆序计算，利用式(4)、(5)计算出所构造序列的方差Var(St)，UFt、UBt是2条大小相同符号相异的曲线，两者若两者值大于0即序列趋势增加，否则减少，超过显著水平线就代表显著，曲线有交点表明发生变异。

(2)

(3)

(4)

(5)

d)综合诊断效率系数R2。引入效率系数R2用于判断跳跃类型，计算得出效率系数值大者为最终跳跃变异类型；基于详细诊断结果，其显著性的判断则根据统计各方法为显著性的次数判断，显著计数1，否则0，累加大于2则最终诊断为趋势显著。R2计算方法为式(6)—(8)，发生跳跃突变时，若只有1种突变结果则直接跳过该系数直接判定；若2种形式都有，则综合次数较多或邻近较多的点作为突变点K，公式中Qm,i分为2种情况，若趋势变异Qm,i则为该序列当前时刻的一元线性回归值，若跳跃变异则在跳跃点K处分为前后2段数据分别代入式(7)、(8)计算，Qi为序列值。研究路线见图2。

图2 研究方法

(6)

(7)

(8)

2 结果与分析

2.1序列诊断

a)详细诊断。选取处理好的萍乡站降水序列，利用M-K、线性趋势、滑动平均进行详细诊断[14](由于站点和检验方法较多，限于篇幅只选取代表性站点进行展示)。首先，图3使用M-K对萍乡站各时段年最大降水序列跳跃检验，其中曲线UF、UB在显著水平线α=0.05[15]内有交点则有可能发生变异，图3a—3e分别是最大1、3、6、12、24 h降水序列的检验结果。试验发现各时段最大降水序列的统计量曲线交叉点，多数集中于20世纪八九十年代，因此序列极有可能发生变异且具体时间节点分别为1986、1987、1989、1991、1996年；其次，为进一步判断变异类型，图4采用滑动平均[16]、一元线性回归[17]法对各时段降水序列趋势诊断，其中一元线性趋势线的检验结果表明图3a—3e各时段最大降水序列的变化趋势都表现为增加，滑动平均趋势线显示出序列的基本走向，各时段序列的显著性系数分别为2.20、3.21、2.82、2.62、2.34，都大于标准显著性系数值，因此初步判断萍乡站最大降水序列的变化趋势为显著增加；最后，判断站点的最终变异类型还需进行综合诊断，若存在2种变异类型则需要计算相应的效率系数对比数值大小，只有单一类型则无需计算直接判定变异类型，并最终指出相应跳跃节点和趋势程度。

a)1 h

a)1 h

d)12 h

b)综合诊断。表1所示为萍乡站5个时段最大降水序列诊断结果。其中趋势诊断方法有3种：线性趋势、Kendall、Spearman；跳跃诊断：M-K、累积距平、有序聚类、滑动F、滑动秩和。首先经过3种详细诊断方法得出初步结果，其次通过综合诊断计算出跳跃效率系数和趋势效率系数(式(6)—(8))，对比两者数值大者决定变异类型。结果表明每种方法都通过了显著性水平检验，最终诊断结论为该站点5种时段最大降水序列均发生跳跃变异，各时段最大降水序列的跳跃节点分别为1976、1990、1989、1990、1992年。图5为萍乡站最大1、24 h降水序列的变异结果，图5a显示1 h最大降水序列在1976年发生向上跳跃变异，变异前后最大降水量均值分别为33.45、 43.52 mm；图5b为24 h最大降水序列在1992年向上跳跃，跳跃前后均值分别为110.94、137.40 mm。

表1 萍乡站多历时变异诊断结果

a)1 h

2.2 变异类型及极端降水空间分布

通过以上诊断过程，确定各站点多时段最大降水序列的变异诊断结果(限于篇幅只选取了1、24 h作为展示)。由图6可知伴随历时的增加，序列发生变异的站点逐渐增多且以跳跃增大居多。其中图6a表明1 h发生显著变异的站点主要集中在江西省北部鄱阳湖平原地区，少量分布在南方山岭地区，整体呈现为“北密南疏”，变异年份以20世纪七八十年代为主；图6b显示24 h显著变异的站点数增加十分明显，以南方跳跃增大最为突出，其中变异节点以90年代居多，变化不显著的站点集中在北方平原地区。主要成因分析：①时段最大降水变异分布呈现为“北密南疏”主要归因于地形地貌，江西全省唯有北部拥有平原，东、西、南三面山岭；②陈阿娇[18]研究指出长江流域内降水变异程度与高程、大气环流指数有一定相关性。因此对江西省时段最大降水变异进一步分析：南方山岭地区降水序列变异程度与高程整体呈正相关性，北方平原地区呈现负相关性；结合大气环流指数AO(北极涛动)与鄱阳湖流域内站点降水量呈负相关性、NAO(北大西洋涛动)与流域内站点降水量呈正相关性、PNA(太平洋-北美涛动)呈现负相关性[18]，可以发现大气环流指数与江西省降水序列的变化有一定相关性，是造成时段最大降水变异的成因之一。

a)1 h

由图7可知江西省各站点各时段暴雨发生频次的空间分布。结果显示，高频次暴雨分布呈现为“西南多、东北少”。其中图7a显示1 h降水大于16 mm的高频暴雨分布相对均匀，频数在11～13之间，发生次数为6～9的则紧密集中于北部平原地区；12 h降水大于30 mm的高频暴雨事件逐渐减少，其中发生5～6次的暴雨事件居多且分布相对均匀；24 h降水大于50 mm的暴雨事件进一步减少，高频暴雨的频数主要分布于全省中部和南部，次数为5～7次。造成这种分布情形的主要原因和当地的地理形态有关，江西省三面环山，北部是鄱阳湖一带的平原地区，形状犹如“簸箕”，冷暖气流在江西东部交汇，由于山脉的地形抬升，西部背风坡空气下沉不利于产生强降水，因此北部地区发生强降水次数相对其他地区较少[19]。

a)16 mm

3 结论

本文利用江西省91个水文站近60年小时尺度降水资料，对全省多时段最大降水序列最大1 h至24 h进行变异诊断和最大降水均值、变差系数、暴雨频次分析，主要结论如下。

a)江西省各尺度降水序列最大1、3、6、12、24 h分布特征较为相似，研究区域内发生显著变异的站点北部平原地区多余南方山岭地区，空间分布呈现为“北密南疏”。

b)南方山岭与北方平原地区降水序列的变异程度与高程分别呈现正相关性、负相关性，大气环流指数是造成时段最大降水序列变异的主要成因之一，其中研究人员发现AO、NAO、PNA与研究区域内降水量分别呈现负、正、负相关性。

c)全省暴雨事件发生频次随着历时的增加逐渐减少，各历时高频暴雨事件空间分布西南区域相对北方较多，主要影响因素和当地地形相关。

基于全省多个气象站小时降水资料，分析短历时最大降水变异趋势和暴雨频次变化特征，目的在于为短时暴雨预报及洪涝预警服务提供一定信息参考。未来的气象预报机制，需要提供更为精准气象水文数据，尤其近年来城市内涝和洪涝问题频发，更加需要对多时段短历时降水过程进行多要素特性分析，下一步除了需要更为精准的降水资料，还需要结合深度学习技术对短时强降水出现的概率分布、短期降水量预测进一步研究。