北回归线纵向岭谷区干湿日时空变化特征

2022-07-31金韩宇程清平任钇潼

人民珠江 2022年7期

金韩宇，程清平，任钇潼

(西南林业大学地理与生态旅游学院，云南昆明 650224)

全球变暖背景下，大气持水能力增加，随之降水结构发生变化[1-2]。降水是诊断气候变化、揭示生态环境响应的重要变量之一，其变化对农业生成和水资源管理、防洪及干旱调控等存在明显影响[3-4]。国内外学者针对全球和区域尺度对干湿日变化特征做了相关研究，得出了许多有价值的研究成果。如Chia等[5]发现全球年降水存在两极极端化，即湿季更加湿润，干季更加干旱，Vaittinada等[6]进一步证实北美地区干湿日变化与全球响应一致。Singh等[7]发现印度持续干日频率和持续湿(干)日强度呈显著上升(下降)趋势。Thoithi等[8]揭示了非洲南部，持续干日事件频率存在2个空间梯度。Wang等[9]发现蒙古高原南部过去50年持续湿(干)日平均天数(上升)趋势，而持续湿日频次呈下降趋势。Zolina等[10]得出欧洲60年来冬季持续湿日平均天数增长15%～20%。Osei等[11]发现在年季尺度上普拉集水区持续2～5湿日与持续2～6干日发生频率最高。Li等[12]根据14个干湿日指数侦测新加坡干湿日在季风时期呈不显著增长。Mishra等[13]基于不同情景气候模型与小波变换，揭示了印度堪萨巴蒂河流域干湿日变化与降水变率的联系。Wang等[14]发现东部沿海持续干湿日事件变化与ENSO密切相关。李剑锋等[15]采取9个降水指标发现新疆持续干日事件日数越长，降水强度越低。谭霞等[16]发现西南地区夏季长、短持续性降水平均天数呈减少趋势，而中长持续性降水平均天数显著减少。Huang等[17]基于14个干湿日指数，发现四川盆地降水变化具有明显季节性变化。Zhang等[18]基于4个降水结构指数发现珠江流域年降水量呈减少趋势，年降水强度呈增加趋势。

1 研究区域概况

纵向岭谷区(Longitudinal Range-Gorge Region，LRGR)位于中国西南区域，为高耸山系和深切河谷。地处元江-红河、澜沧江-湄公河、怒江-萨尔温江和独龙江-伊洛瓦底江4条国际大河的上游，是中国西南与东南亚重要的生态廊道[22]。同时该区域受太平洋和印度洋水汽影响，是亚洲三大水汽输送的交汇区[23]。北回归线纵向岭谷区地处纵向岭谷区南部，年内受到多个季风影响；加之复杂的下垫面和水汽“通道-阻隔”作用，降水空间分布存在异质性[19]。同时，该区域内河流支流短小、河道比降大，遭遇强降水或连续降水容易造成山洪暴发，极易引发滑坡、泥石流等地质灾害[24]。

图1 研究区域

2 数据与方法

2.1 数据来源

日降水数据来源于中国气象科学数据共享服务网(http://cdc.cma.gov.cn)，选取时间段为1961—2019年。每个站点进行严格的质量筛选，剔除个别缺测连续1个月以上站点，剩余站点缺测的数据利用前后2 d的平均值进行插补，共计24个站点。季风指数来源于(http://ljp.gcess.cn/dct/page/65540),大尺度环流指数来源于中国气象局国家气候中心(http://cmdp.ncc-cma.net/Monitoring/cn_index_130.php)，分别选取厄尔尼诺南方涛动指数(ENSO)、北极涛动指数(AO)、北大西洋涛动指数(NAO)、北太平洋年代际振荡指数(PDO)。

2.2 研究方法

干湿日指数根据Huang等[17]定义，基于日降水数据计算年尺度干湿日指数，具体计算见表1。其中湿日定义为日降水量大于等于1 mm，干日定义为日降水量小于1 mm。在趋势分析上，Mann-Kendall作为常用的趋势检验，能够计算时间序列趋势的显著性，具有非参数等优势。但往往时间序列存在序列自相关，其会增加拒绝原假设的概率。Hamed等[25]提出修订Mann-Kendall，去除时间序列自相关，从而得到更加客观的显著性。因此利用修订Mann-Kendall与Pettitt突变检测[26]进行趋势分析。小波相干是在传统小波变换的基础上发展的多信号多尺度时-频域分析技术[27-28]，相比传统相关分析，其能有效地分析两信号之间在时-频域的相关关系，并反映2个时间序列的相位结构和详细特征，在气象水文具有广泛应用[29-30]。因此采用小波相干进一步揭示干湿日指数与大尺度环流指数的联系。

表1 干湿日指数定义

3 结果与分析

3.1 干湿日时空分析

3.1.1干湿日指数趋势分析

图2、3为 1961—2019年北回归线纵向岭谷地区干湿日指数多年变化特征。从湿日指数(图2)来看，北回归线纵向岭谷地区湿日指数呈下降趋势，其中MWS(图2b)、MPWS(图2c)、MLWS(图2d)分别以-0.04 /10a、-0.4 mm/10a、-6 d/10a显著(P≤0.05)减少。从5年滑动曲线可以得，NWS、MLWS、MWS、PWS95和MPWS在1961—1970年初呈现上升趋势。1970—1990年初处于波动下降阶段，在1990—2000年处于偏多时期，此后波动下降并处于偏少时期，并在2010年左右达到历史最低水平。

a)NWS

b)MWS

c)MPWS

d)MLWS

e)PWS95

从干日指数来看(图3)，除NDS(图3a)以-0.3/10a速率减少外，MDS(图3b)、MLDS(图3c)、NLDS(图3d)和DDS95(图3e)分别以0.1、0.1，0.6、0.4 d/10a速率增长，其中NLDS为显著上升(P≤0.05)。从图3中5年滑动平均曲线可以看出，在1961—1975年，NDS和NLDS呈现波动下降，MDS、DDS95、MLDS呈波动上升；1975年后均为波动上升，此后极端干日指数DDS95、MLDS、NLDS呈波动上升，并在2000—2010年处于偏高期。干湿日2000年后变化与贾艳青等[31]发现21世纪初，西南地区遭遇最严重的极端干旱的结论相似。干湿日指数集中在2002年发生突变，与苏秀程等[32]发现西南地区2002后变化趋势由湿润转化为干旱化，进入相对干旱期一致。但可能由于该地区特殊地形和大气环流异常，干湿日指数可能对气候变化不敏感，大多数干湿日指数不显著突变。

a)NDS

b)MDS

c)MLDS

d)NLDS

e)DDS95

3.1.2北回归线南北区域干湿日指数趋势分析

图4为以北回归线为界，南北区域1961—2019年干湿日指数变化特征。由图4可知，在湿日指数中，除NWS(图4a、4b)外，MWS(图4e、4f)、MPWS(图4i、4j)、MLWS(图4m、4n)及PWS95(图4q、4r)呈现显著下降趋势，但南北区域气候倾向率存在差异，北回归线以南区域气候倾向率均大于北回归线以北区域，南部区域干旱化更加迅速。在干日指数中，以除NDS(图4c、4d)和DDS95(图4s、4t)外，MDS(图4g、4h)、MLDS(图4k、4l)和NLDS(图4o、4p)南部区域Z值均大于北部区域，其中NLDS-S(图4o)相比NLDS-N(图4p)，变化十分显著，通过0.01显著性水平检验，进一步表明北回归线以南区域相比以北区域干旱化趋势更显著。从指数值来看，南部地区均大于北部地区，而干日指数小于北部地区干日指数值，其可能由南北地形差异加之南边界主要为水汽收入造成[23]。从变化阶段来看，南部区域与北部区域5年滑动平均曲线变化相似，阶段变化不存在显著差异。总之，北回归线南北时空变化特征存在一定差异，北回归线以南地区干旱化更显著，变化率也更大。

图4 1961—2019年干湿日指数多站点平均时间变化特征(N为北回归线以北地区，S为北回归线以南地区)

3.1.3元江东西区域干湿日指数趋势分析

图5为元江东西区域1961—2019年干日指数变化特征。在湿日指数中，元江东西区域湿日指数(NWS、MWS、MLWS、MPWS、PWS95)均呈显著(P≤0.05)减少趋势，NWS(图5a、5b)外，MWS-W(图5b)、MPWS-W(图5f)、MLWS-W(图5n)和PWS95-W(图5r)在元江以西区域气候倾向率均大于元江以东区域，元江西部区域干旱化更剧烈。而在干日指数中，除NDS(图5c、5d)之外，MDS(图5g、5h)、MLDS(图5k、5l)、NLDS(图5o、5p)和DDS95(图5s、5t)呈现上升趋势，其中DDS95(图5s、5t)、MDS(图5c、5d)呈显著上升趋势(P≤0.05)。从变化率来看，MLDS-W(图5i)、DDS95-W(图5t)在元江以西变化趋势幅度大于元江以东站点(图5k、5s)，但MDS-W(图5g)、NLDS-W(图5o)元江以西站点变化趋势小于元江以东站点(图5h、5p)。总体上，元江两侧区域干湿日指数多年变化率存在差异，元江以西区域湿日指数相比元江以东变化更剧烈。

3.2 干湿日指数空间分析

图6a—6e为湿日指数Z值空间分布特征。除NWS外，MLWS、MWS、MPWS以及PWS95指数60%的站点数量呈下降趋势，其中MWS指数中80%站点显著(P≤0.05)下降。常规湿日指数MWS所有站点均呈下降趋势(图5c)，该地区持续湿日事件平均天数逐年减少。在NWS(图6a)中，中部区域存在5个站点呈上升趋势，但整体上MWS仍然呈逐年减少趋势。除个别站点外，MWS(图6c)、MLWS(图6b)、MPWS(图6e)和PWS95(图6d)均呈现减少趋势。极端湿日指数中(MLWS、MPWS、PWS95)，北回归线纵向岭谷区西部区域通过0.05显著性水平站点较多，岭谷以西区域极端降水事件呈现显著减少趋势。在岭谷中部区域，4个湿日指数(MLWS、MWS、PWS95、MPWS)变化一致，均呈下降趋势。而东部区域MLWS(图6b)、MPWS(图6e)、PWS95(图6d)变化不一致，但个别站点呈现年降水量增多、最大持续湿日天数增加和极端降水量增多现象。结果上看，岭谷北回归线地区整体呈干旱化趋势，其中西部区域更显著。图6f—6j为干日指数Z值空间分布特征。NDS中近一半站点呈下降趋势，其中21%站点显著(P≤0.05)下降。在MDS指数中，所有站点皆呈下降趋势，其中70%站点通过0.05显著性水平检验。MDS(图6h)所有站点均呈上升趋势，该地区持续干日平均天数逐年增加，显著变化站点集中分布在东部。在NDS(图6f)中，中部区域存在4个站点变化趋势与NWS(图6a)相同，呈现上升趋势。从NLDS(图6g)、MLDS(图6j)和DDS95(图6i)中可以看出，NLDS、MLDS和DDS95存在站点变化趋势不一致，一些站点DDS95和MLDS呈下降趋势且分布在中部地区。如：元江、墨江站极端干日呈下降趋势。总体来看，岭谷北回归线呈干旱趋势，但局部区域呈现湿化现象。

图5 1961—2019年干湿日指数多站点平均时间变化特征(E为元江以东地区，W为元江以西地区)

图6 干湿指数Z值空间变化特征

3.3 干湿日结构指数分析

3.3.1湿日结构指数分析

图7a、7d为不同持续时间湿日结构指数的发生频率(OWS)及降水贡献率(CWS)，在OWS中持续1 d占比最大(45%)，10 d及10 d以上占比最小，仅占比0.7%。在CWS中，除持续10 d及以上，其余持续天数CWS与OWS比例相对一致。持续1 d降水对年总降水量贡献率最大，达到20%。尽管持续10 d降水在1 a中的发生频率只有5%不到。但对年总降水贡献率达8%。持续1～4 d频率将近90%，同时降水贡献率近62%。由此可见1～4 d为该地区的主要降水事件。

在图7b、7e 5年滑动平均值中，OWS表现为2001年以前持续以1～4 d发生频率较高。2001年以后持续2～3、7 d以上发生频率较高。OWS(图7b)与CWS(图9e)变化趋势相似。而CWS持续3～7 d发生频率先偏高后偏低，其他持续时间段发生频率先偏低后偏高。

图7c、7f为OWS和CWS 10年变化率，在图7c中，2～10 d均呈现负趋势，但在图7f中，仅持续时间5～10 d呈现负趋势。虽然持续2～4 d OWS呈现负趋势。但CWS呈现上升趋势。总体来讲，持续5 d以上中长时间段湿日频率和贡献率呈现减少趋势，1～4 d短时间降水成为该地区主要降水模式。

3.3.2干日结构指数分析

图8a、8d利用不同持续时间的干日发生频率(ODS)和不同持续时间干日对年总干日的贡献率(CDS)来探究持续干日事件的结构。整体上看，ODS(图8a)干日持续时间1～5 d占比最大，将近80%以上，但贡献率只占30%左右。短时间干日发生频繁，但贡献率相对较小。持续干日6 d以上发生率虽小，但强度相对较大，贡献率达到70%以上。

从图8b、8e 5年滑动平均值，ODS(图8b)在1981年前持续30 d以上干日事件发生频率偏高，持续30 d以下干日事件处于低频率期；1981—1991年持续15～25 d干日发生频率较高，1991年后各持续时间段发频率有所增加。图8e可以看出CDS短持续时间干日贡献率较高。1961—1981年，持续30 d干日贡献率偏高，此后1981—2001年，持续15～30 d中长时间贡献率偏高，短持续时间1～15 d偏高。

图8c、8f为ODS和CDS10年变化率。从图8c、8f可以看出持续25 d以上干日频率和贡献率都呈现正趋势，15～20、1～5 d频率和贡献率呈现负趋势。总体上，ODS和CDS频率与贡献率变化相对一致，持续15 d以上干日呈现增多趋势，持续中长干旱事件逐渐成为主要模式。

a)不同持续时间湿日发生频率

b)标准化频率5年滑动平均

c)频率线性趋势(10 a)

d)不同持续时间湿日对年总湿日的贡献率

e)标准化贡献率5年滑动平均

f)贡献率线性趋势(10 a)

a)不同持续时间干日(5 d间隔)发生频率

b)标准化频率5年滑动平均

c)频率线性趋势(10 a)

d)不同持续时间干日对年总干日的贡献率

e) 标准化贡献率5年滑动平均

f)贡献率线性趋势(10 a)

3.4 干湿日指数与大尺度环流指数相关性

表2为干湿日指数与大尺度环流指数Pearson相关。由表可知，在常规指数中，NWS、NDS与AO相关系数为0.3(P≤0.05)，MWS与SASMI极显著正相关，相关系数达0.5(P≤0.01)，而MDS与NAO呈显著负相关，相关系数达-0.3(P≤0.05)。在极端湿指数中，MPWS、MLWS与PWS95皆与SASMI呈显著正相关，相关系数皆大于0.26(P≤0.05)。而极端干日指数，MLDS、DDS95和NLDS与ENSO呈不显著负相关。为揭示干湿日指数与大尺度环流指数在时-频域的联系，进一步计算干湿日指数与其相关系数最高的大尺度环流指数小波相干。由图9a、9c可知，NWS和NDS与AO在1961—1970年存在1～4 a正相关年际涛动，在1970年后转为准8 a涛动，而在1991年后不存在显著涛动。在图9b中，MWS与SASMI在1990—2000年呈1～4 a正相关涛动，而在2000年后，MWS与SASMI存在准8 a正相关涛动，特别在2010年后存在准10 a代际涛动。对于MDS，其与NAO在1971—2011年存在准8 a负相关涛动。图10为极端干湿日与大尺度环流指数小波相干。

表2 干湿日指数与大尺度环流指数Pearson相关

a)NWS-AO b)MWS-SASMI

c)NDS-AO d)MDS-NAO

a)MPWS-SASMI b)MLDS-ENSO

c)MLWS-SASMI d)NLDS-ENSO

e)PWS95-SASMI f)DDS95-ENSO

由图10c、10f可得，极端湿日指数MLWS和PWS95与SASMI在1961—2019年存在约8 a正相关震荡周期，而MPWS与SASMI震荡周期存在由低频率转高频率趋势。在极端干日指数中，NLDS与ENSO存在约15 a负相关年代际涛动。此外，MLDS、NLDS与DDS95在2000—2010年存在准6 a负相关涛动。

4 讨论与结论

4.1 讨论

通过分析纵向岭谷区北回归线14个干湿日指数发现：湿日指数均呈现下降趋势，其中极端湿日指数MLWS和MPWS显著减少；干日指数中除NDS呈现下降趋势外，其余指数均呈上升趋势，与云南整体干旱化趋势一致[31-33]。随全球变暖，干旱区和湿润区域极端降水呈现增多的趋势[34]；在此背景下，中国干旱区和湿润区极端降水的频率和强度均有增强[35-36]；在中国西北区域，李剑锋等[15]发现新疆呈现湿润化；同时在西南区域，Qin等[37]发现西南区域的极端降水事件发生频率可能有所上升；而针对研究区域，李运刚等[24]发现红河流域极端降水频率和强度呈增加趋势，也与研究结果不一致。这可能与以下几点不同有关。①研究时段不同，本研究时段为1961—2019年，李运刚等[24](2013)时间段为1960—2007年，时间尺度不一致对变化趋势可能存在影响。②指数选取不一样，本研究极端湿日指数基于95%阈值进行计算，李运刚等(2013)[24]基于绝对阀值50 mm进行计算可能导致研究结果不一致；进一步来看，本研究的极端湿日指数MPWS(P≤0.05)、MLWS(P≤0.05)和PWS95均在2002年发生突变，从五年滑动曲线可以看出极端湿日指数在1961—2019年皆呈下降趋势。③研究方法不一样，李运刚等[24](2013)基于原始Mann-Kendall方法检验，相比修订Mann-Kendall检验可能存在一定差异。在空间上，干湿日指数变化存在局部差异，其可能由于南北地形差异和地理分界线哀牢山的“通道-阻隔”作用[38]，北回归线纵向岭区从西南到东北变化存在明显的差异，进一步来看干湿日结构指数中，持续中长时间湿日事件呈现减少趋势，中长干日事件则呈现增多趋势，与程清平等[33]和李运刚等[39](2016)得出云南和红河流域极端干旱事件增加的结论一致。再者，由于该地区受多个季风影响，如胡金明等[19]指出，纵向岭谷区湿季2支季风在本区东、中、西3个区域的交汇可能存在强弱力量上的差异，在西部本应以西南季风据对优势的控制，中部地区为两支季风共同交汇影响，但可能以东南季风影响为主，而东部主要受东南季风控制。因此，揭示了其与大尺度环流指数的相关关系。通过小波相干发现：该地区极端湿日指数与南亚夏季风指数呈现约8 a的共现周期，极端干日指数与ENSO存在约6 a负相关共现周期。特别地发现，湿日指数5 a滑动平均从1961—1970年先呈现上升趋势，之后呈现下降趋势。在小波相干图也可发现，MPWS在70年代后于SASMI不存在共现周期，同时，MLDS于ENSO存在约6 a负相关共现周期。这可能是在20世纪70年代，受ENSO的影响，亚洲季风环流减弱，使季风输送水汽能力减弱[40]。

随大气变暖，大气环流变得复杂[39]，极端气候事件频发，其变化机制也极其复杂，其机理有待进一步探究。正如Trenberth等[41]指出归因极端气候事件的物理机制及其复杂，将一个事件仅仅归因于人类引起的气候变化或自然变异可能会产生误导，因为两者都在起作用。本研究仅从大尺度环流指数的遥相关揭示影响干湿日指数大气环流指数，将来仍需进一步深入探究气候变化和人类活动对干湿日指数的影响。