中国降水情势变化及归因分析

祝子淳，付丛生

(1. 中国科学院南京地理与湖泊研究所 流域资源与生态环境实验室，江苏 南京 210008； 2. 中国科学院大学，北京 100049)

随着工业社会的发展和人类活动的影响，全球气候发生了显著变化，给人类的社会生活和经济发展造成了极大影响和巨大经济损失，已引起世界各国政府和科学界的广泛关注[1]。在气候变化影响下，降水作为水循环的重要组成部分，其雨量和雨强发生了显著变化。研究表明，近百年来北半球中高纬度地区的降水量呈增加趋势[2]，低纬度地区降水量呈减少趋势[3]。气候变暖加速了水循环过程，从而导致极端降水事件频发[4]。我国幅员辽阔，降水情势复杂。众多学者对我国降水的时空演变规律展开了大量的研究，自1960年以来我国东北、华北和西南地区降雨量呈减小趋势[5-7]，西北、青藏高原、长江中下游和东南沿海地区呈增加趋势[8-9]。同时有研究表明，1956—2005年我国雨强在淮河流域、长江中下游和东南部地区呈增加趋势[10]。降水的长时序变化过程往往是非线性的，而在以往对于我国降水情势变化的研究中，降水的趋势分析通常采用简单的线性回归方法来实现，难以识别其年代际变化的非线性特征。厄尔尼诺-南方涛动(El Nio-Southern Oscillation，ENSO)是热带太平洋海气耦合作用的产物，也是影响降水年际变化的主要气候模式[11]。整体来看，我国降水在厄尔尼诺年明显减少，在拉尼娜年显著增长[12]。从空间来看，我国华北、长江中下游地区[13]和珠江流域[14]的降水对ENSO的响应较为显著。以往的研究中，针对ENSO对于降水影响的研究往往采用简单的线性回归方法和傅立叶变换方法[13,15]，无法同时从时域和频域两个方面揭示降水对ENSO的响应。

小波分析在水文气象时间序列研究中被广泛应用，可用于识别降水的年代际演变和年际波动特征。基于多分辨率分析(multiresolution analysis，MRA)的小波分解重构方法是一种广泛运用于非线性时间序列的分解重构及趋势提取方法，可以提取不同周期组分内降水时间序列的波动情况，提取降水时间序列的变化趋势，相对于线性回归、经验模态分解(ensemble empirical mode decomposition，EEMD)、奇异谱分析(singular spectrum analysis，SSA)等方法对非线性趋势项的提取更加合理[11,16]；与传统的频率分析方法傅立叶变换相比，离散小波变换(discrete savelet transform, DWT)不仅可以揭示水文要素波动的周期成分，还可以显示不同周期波动的发生时间，是分析时间序列波动周期和频率的一种有效方法[17]；小波凝聚谱分析(wavelet transform coherence, WTC)可用于识别两个时间序列的共同周期波动，该方法的优点是如果两个时间序列在某一时期内存在相同周期的波动，即使波动的强度不大，也能将共同的波动解析出来[18]。

基于上述小波分析方法在水文时间序列分析中的突出优点，本研究运用基于多分辨率分析的小波分解重构、离散小波变换和小波凝聚谱分析等方法，利用1961—2018年中国699个气象站点和2090—2100年CMIP6未来气候情景的降水数据，结合中国各气候带的分布，探究各气候带降水情势的变化、ENSO对其影响及未来各气候带雨强的变化情况，为各气候带地区洪涝灾害管理和水资源合理利用提供科学依据。

1 资料与方法

1.1 资料来源和处理

我国幅员辽阔(3°51′N—53°33′N, 73°33′E—135°05′E)，本研究结合我国气候区划进行降雨变化规律的探究。中国气候带数据来源于中国科学院地理科学与资源研究所资源环境科学与数据中心[19]，系中国国家气象局基于1951—1970年的气候资料数据编绘而成。依据该数据将中国分为10个气候带：北温带、中温带、南温带、北亚热带、中亚热带、南亚热带、北热带、中热带、南热带和高原气候区。其中，由于南热带地区没有实测的气象站点数据，因此未对南热带降水进行分析。

本研究采用的降水数据来自国家气象科学数据中心的中国地面气候资料日值数据集[20]，通过对该数据集内的699个气象站(图1)进行检查，对个别站点某些年份缺失数据进行克里金插值，保证降水数据的连续性。中热带降水数据的时间范围为1961—2014年，其他8个气候带降水数据的时间范围均为1961—2018年。

图1 中国各气候带和气象站点空间分布

同时，本研究结合耦合模式比较计划 (coupled model intercomparison project，CMIP)、情景模式比较计划(scenario model intercomparison project，ScenarioMIP)的降水数据分析未来我国可能的降雨情势变化。CMIP是由世界气候研究计划(world climate research program，WCPP)组织的“耦合模式比较计划”，目前已进行到第6阶段(CMIP6)，该阶段的研究结果将用于支撑政府间气候变化专门委员会(intergovernmental panel on climate change，IPCC)第6次评估报告的编写和气候谈判活动。相较于前5个阶段，CMIP6使用共享社会经济途径(shared socioeconomic pathways，SSPs)和典型浓度路径(representative concentration pathways，RCPs)的矩阵框架。新的情景不仅考虑了未来社会经济发展的变化，也考虑了未来为应对和减缓气候变化进行的努力措施的不同情景。CMIP6 SSP5-8.5是CMIP5中的RCP8.5情景在CMIP6中的更新版本，属于高辐射强迫情景，是唯一可以实现2100年辐射强迫达到8.5 W/m2的气候情景[21]。因此，选用CMIP6未来气候情景SSP5-8.5中2090—2100年的降水数据[22]对比分析未来中国极端降水的年代际变化。

海洋表面温度是判断ENSO产生及强度的直接指标，因此海面温度数据被广泛运用于监测ENSO的强弱变化情况。研究[23]表明，Nio 3.4区(5°N～5°S, 120°W～170°W)海面异常温度是最能反映ENSO对我国影响强度的指标，特别是该区冬季海面的温度异常能很好地反映ENSO的强弱。因此，本研究选取12月至次年2月的平均海面温度的异常来代表ENSO的强弱，并用于探究ENSO对我国降水的影响。其中，1961—2018年Nio 3.4区的月海面海水异常温度数据来自美国国家气象局气候预测中心(National Weather Service Climate Prediction Center)[24]。

1.2 计算方法

小波分析是分析时间序列的有力工具[16]。本研究采用小波分析方法对中国各气候带的降水和雨强变化规律进行研究，主要包括基于多分辨率分析的时间序列分解重构方法、离散小波变换和小波凝聚谱分析。其中，采用基于多分辨率分析的小波分解重构方法分析了1961—2018年以来中国各气候带降水和雨强的年代际变化趋势；采用离散小波变换探讨了各气候带降水与ENSO波动的周期以及不同周期波动发生的时间；采用小波凝聚谱分析探究了ENSO对各气候带降水的时频影响。

相较于传统的线性拟合趋势分析方法，基于多分辨率分析的分解重构方法通过小波滤波器将降水时间序列分解为包含不同频率范围的近似信号和细节信号(图2)，可以分析不同周期范围内降水时间序列的波动情况。降水信号x可由近似信号A和细节信号D重建为：

(1)

式中：x为原始信号；A为近似信号；D为细节信号；t为离散时间序列号；j为分解的层数，j=1,2，…；n为最大分解层数。本研究提取周期大于10年的近似信号作为降水和雨强的时间序列变化趋势。

图2 基于多分辨率分析的小波分解重构示意图

离散小波变换可用于识别时间序列中具有统计意义的周期或频率及其对应的时间间隔。离散小波可以表示为：

ψj,k(t)=2-j/2ψ(2-jt-k)。

(2)

式中：ψj,k(t)是由母小波ψ(t)通过2j的幂变换得到的；k∈Z，1≤k≤2-jN；N为该时间序列值的个数。对应的离散小波变换可以表示为：

(3)

小波凝聚谱方法被广泛应用于解析两种时间序列的共同周期波动。定义两个时间序列x和y的小波凝聚谱为：

(4)

2 结果与分析

2.1 不同气候带降水的变化特征

从降水的变化趋势来看，1961—2018年中国各个气候带的降水变化趋势不尽相同(图3～5)。从整体来看，降水在北温带(图3(a))和中温带(图3(b))地区呈波动增长趋势，在南温带(图3(c))地区呈减少趋势。从年代际变化来看，北温带和中温带的降水均经历了两次先减少后增加的过程。其中，北温带降水的两次减少发生在1960s(20世纪60年代，下同)和1990s(图5(a))，中温带降水的两次减少发生在1960s—1970s和1990s(图5(b))。尽管南温带降水(图5(c))整体呈减少趋势，但在1980s和2000s分别经历了一次微小(7.90 mm)和急剧(54.69 mm)的增加。

图3 各气候带的年代际降水趋势

1961—2018年降水在亚热带地区整体呈增加趋势(图3(d)～3(f))。亚热带地区各个气候带的降水年代际变化情况略有差异。北亚热带降水在1960s—1990s波动幅度不大，在2000s降水迅速减少此后又迅速增加(图5(d))。中亚热带地区降水的年代际变化各不相同，1960s—2010s降水经历了三次先下降后上升的变化过程(图5(e))。南亚热带的降水变化主要表现为“上升—下降—上升—下降—上升”5个阶段(图5(f))。

热带地区的降水在1961—2018年整体呈波动增加趋势(图3(g)～3(h))，其中中热带地区降水增长幅度最大。从年代际变化来看，北热带地区的降水两次减少分别发生在1980s和2000s(图5(g))。尽管中热带地区各年代际降水均呈增加趋势(图5(h))，但在1980s和2000s均发生不同程度的先减小后增加的变化过程。

高原气候区的降水整体呈波动增加的趋势且降水在各个年代际的变化不同(图3(i))，在1960s—2010s分别经历了三次先下降后上升的过程，但降水的变化幅度不大，各年代际降水变化均在50 mm之内(图5(i))。

图4 1961—2018年各气候带降水统计

图5 各气候带降水年代际变化

2.2 不同气候带降水的周期性

各气候带降水和ENSO的离散小波变换结果如图6所示。ENSO(用Nio 3.4区海面温度异常表示)的小波变换结果(图6(j))中有两个时频区域具有统计学意义，即1980—1989年存在一个3.6～4.8年的周期、1996—1998年存在一个2.7～3.2年的周期。另外的两个小波功率谱较高的区域分别出现在1972和2009年前后，尽管这两年ENSO的强度较强，但不具有统计学意义。

年降水在北温带(图6(a))、北热带(图6(g))和中热带(图6(h))地区均包含明显的2～7年的周期波动，该周期波动发生的时间范围集中在1980—1990年和2010年前后，与强ENSO的周期范围以及发生时段均较为吻合。年降水在中温带(图6(b))和中亚热带(图6(e))2～7年范围内的周期波动在上述三个气候带的降水相对较少。

图6 各气候带降水和Nio 3.4区海面异常温度的离散小波变换

2.3 不同气候带降水对ENSO的响应

本研究利用小波凝聚谱方法探究了ENSO现象对各气候带的降水在时域(1961—2018年)和频域(2～7年周期)的影响(图7)。结果显示，ENSO对各气候带降水的显著影响集中在1975—1990年、2009年前后两个时期内；ENSO对南温带(图7(c))、北亚热带(图7(d))、中亚热带(图7(e))、南亚热带(图7(f))、北热带(图7(g))和高原气候区(图7(i))降水年际波动的影响显著。其中，南温带、南亚热带和高原气候区的降水与ENSO的年际波动呈正相关，北亚热带、中亚热带和北热带的降水与ENSO的年际波动呈负相关。而ENSO与北温带(图7(a))、中温带(图7(b))和中热带(图7(h))年际波动的相关性较弱。

结合我国季风和非季风区分界线，北温带、部分中温带处于非季风区，因此这些地区的降水与ENSO年际波动的相关性较弱。由于南温带的大部分站点位于季风区，因此其小波凝聚谱分析结果显示中温带的降水与ENSO年际波动的相关性较强。北热带地区与ESNO表现出的强相关性主要表现为ESNO对夏季风的影响引发降水。高原气候区受东亚季风影响较小，高原气候区的降水与ENSO表现出的强相关性可能是由于降水受到了西南季风的影响。

图7 ENSO对各气候带降水年际波动的时频影响

2.4 不同气候带雨强的变化趋势

1961—2018年中国各个气候带的年最大雨强变化趋势不尽相同(图8～9)。从1960s—2010s，除中温带在1960s最大雨强变化大于1 mm/day之外，北温带(图8(a)、9(a))、中温带(图8(b)、9(b))和高原气候区(图8(i)、9(i))的最大雨强变化较小，各气候带年最大雨强变幅均小于1 mm/day。南温带地区最大雨强整体呈减少趋势(图8(c))，其在1960s发生了急剧减少，此后雨强波动较小(图9(c))。

与降水量变化相似，亚热带地区各气候带多年最大雨强均呈上升趋势(图8(d)～8(f))。其中，1960s—1990s北亚热带年最大雨强呈增加趋势，变幅基本在1.5 mm/day之内，在2000s最大雨强减小，之后年最大雨强继续稳步增加(图9(d))。中亚热带地区最大雨强在1960s—1980s较为稳定，在1990s—2010s出现两次先上升后下降的急剧变化过程(图9(e))。南亚热带地区最大雨强在1970s和2000s变化幅度较小，在1960s、1980s—1990s和2010s均发生剧烈变化，最大雨强变化幅度均大于1.5 mm/day(图9(f))。

北热带最大雨强年代际变化幅度较大，整体呈减小趋势(图8(g))。从1960s—2010s，北热带地区最大雨强经历了三次“上升—下降”过程，且最大雨强波动范围较大，除1960s，各年代际变化均大于5 mm/day(图9(g))。尽管中热带最大雨强在1990s和2010s均发生了大于10 mm/day的减少情况(图9(i))，其在整体上呈稳步增长的趋势(图8(h))。

2.5 基于CMIP6 未来气候情景下的雨强变化分析

提取的CMIP6 SSP5-8.5气候情景下2090—2100年的各气候带最大雨强与2010年各气候带最大雨强的对比结果可用于揭示未来各气候带雨强的变化情况。从相对变化结果来看(图10(a))，雨强在北温带几乎保持不变，在中温带、南温带、北亚热带、中亚热带和高原气候区分别增加了102.89%、51.30%、63.99%、102.86%和603.71%， 在南亚热带、 北热带、中热带分别减少了16.52%、37.49%和98.17%。从绝对变化

图8 各气候带的年代际最大雨强趋势

图9 1960—2010s和2090s各气候带雨强年代际变化

分析结果来看(图10(b))，最大雨强在南亚热带、热带地区发生了不同程度的减少，在高原气候区、中亚热带、北亚热带和温带地区，最大雨强均呈增加趋势。尽管高原气候区雨强的相对变化变幅最大，但其绝对变化强度却小于中热带雨强。未来，雨强增长强度由大到小依次为：高原气候区(56.06 mm/day)、中亚热带(28.94 mm/day)、北亚热带(16.94 mm/day)、中温带(12.96 mm/day)和南温带(8.94 mm/day)。

图10 与2010s相比2090s雨强的变化情况

3 讨论与结论

3.1 讨论

1) 我国降水变化规律。本研究基于多分辨率分析的小波分解重构方法探究了各气候带降水的变化规律。结果表明，除南温带外，北温带、中温带、北亚热带、中亚热带、南亚热带、北热带、南热带和高原气候区的降水均呈增长趋势。徐东坡等[9]结合水资源一级区套省级行政区，利用(Mann-Kendall，MK)检验对我国1956—2018年的降水变化特征进行研究，结果表明，除华北、东北地区的吉林、辽宁省以及西南地区等少部分地区降水量呈减少趋势外，其他地区降水呈增加趋势。这与本研究结果基本一致，但存在部分差异：根据本研究空间单元的划分，降水在云南、贵州、内蒙古地区呈增加趋势，新疆南部地区呈减小趋势。因此认为，造成这种差异的原因可能是由于使用的趋势分析方法不同造成的，也可能是由于划分的空间单元不同造成的。同时，采用的气象站点的数目和研究的时间长度也有所差异(表1)。日后，仍需探究更为科学的空间单元划分方法，探究不同空间单元下的降水变化规律。

2) ENSO对中国降雨的影响。本研究利用离散小波变换和小波凝聚谱分析，探究了ENSO对中国不同气候带降雨的影响。结果表明，降水量在北温带、北热带和中热带地区与强ENSO的周期范围以及发生时段均较为吻合。南温带、南亚热带、高原气候区的降水与ESNO的年际波动呈正相关，北亚热带、中亚热带和北热带的降水与ENSO的年际波动呈负相关。这一结论与Ouyang等[12]得出的我国华北平原、西南地区和青藏高原的降水量与ENSO呈正相关的结论一致。但ENSO对于各气候区降水具体造成的影响程度仍需探究。

表1 结论差异的归因对比

3) CMIP6 SSP5-8.5气候情景下的降水。本研究结合中国各气候区，得出在未来年最大雨强在高原气候区、中亚热带、北亚热带、中温带、南温带呈增加趋势，在南亚热带和热带地区呈减小趋势的结论。这一结论与向竣文等[21]基于CMIP6 SSP5-8.5气候情景得出的未来降水主要在长江中下游、高原气候区增加的结论基本一致。

3.2 结论

1) 利用基于多分辨率分析的小波分解重构方法，发现1961—2018年北温带、中温带、北亚热带、中亚热带、南亚热带、北热带、南热带和高原气候区的降水呈增长趋势，但南温带降水呈减小趋势。

2) 基于离散小波变换，降水在北温带、北热带和中热带地区均包含明显的2～7年的周期波动，与强ENSO的周期范围以及发生的时段均较为吻合。

3) 基于小波凝聚谱分析，南温带、南亚热带和高原气候区的降水与ENSO的年际波动呈正相关，北亚热带、中亚热带和北热带的降水与ENSO的年际波动呈负相关。北温带、中温带和中热带地区降水与ENSO年际波动的相关性较弱。北热带地区降水与ESNO之间强相关性主要表现为ESNO通过影响夏季风造成该气候区降水，高原气候区的降水与ENSO表现出的强相关性可能是由于降水受到了西南季风的影响。

4) 利用基于多分辨率分析的小波分解重构方法，发现1961—2018年北温带、中温带和高原气候区的雨强变化较小，亚热带和中热带地区的雨强整体呈增长的趋势，北热带地区的雨强波动幅度较大，整体呈减小趋势。

5) 到2090s，年最大雨强在北温带几乎不变，在南亚热带和热带呈减小趋势。年最大雨强增长强度由大到小排序依次为：高原气候区、中亚热带、北亚热带、中温带、南温带。