西北干旱区极端降水时空变化特征及驱动因素

2023-12-04杨梅焕王钰尧李奇虎

西安理工大学学报 2023年3期

杨梅焕, 王钰尧, 王涛,2, 李奇虎, 李扬

(1.西安科技大学测绘科学与技术学院, 陕西西安 710054; 2.西安科技大学国土空间研究所, 陕西西安710054)

IPCC第六次评估报告第二工作组(AR6 WGII)指出,近年来气候变化影响程度远超过去5次(1990,1995,2001,2007,2014)报告评估程度,气候风险显现的速度更快并变得更严重[1-2]。全球气候变暖背景下,全球降水时空格局发生显著改变,极端降水事件发生频率增加,严重影响人类生产生活[3-5]。我国气候公报指出,2021年全国共出现36次区域性暴雨过程,河南等地暴雨灾害严重,华北和西北地区为1961年以来降水量最多的年份[6]。极端降水事件增多,对经济社会发展、粮食生产、生态环境及人民生命财产安全等造成严重威胁。极端事件时空变化及其驱动因素研究已成为国内外学者关注的热点问题[7-9]。

我国西北干旱区是全球气候变化响应的敏感区和脆弱区,气候变化对该地区生态环境等具有深远影响[10-11]。已有研究表明,干旱、半干旱地区天气尺度极端降水对年降水量贡献日趋增大[12-13]。刘梦洋等[14]研究认为甘肃陇东地区夏季极端降水呈上升趋势,极端降水分布具有空间差异性。李双双等[15]研究表明陕北地区强降水在增加,降水趋于极端化,厄尔尼诺与降水表现出明显正相关关系。温煜华等[16]研究认为近60 a祁连山极端降水指数具有一致性,降水向降水日数更多、时间更集中方向发展。王澄海等[17]研究表明,全球气候变暖背景下,我国西北地区降水主要以极端降水和短时强降水为主。

目前,气候变暖背景下我国西北干旱区降水变化研究已开展较多,但在极端降水与降水关系及其驱动因素研究方面仍略显不足。因此,本文选取我国西北干旱区91个气象站点1960—2018年逐日降水数据,开展极端降水时空变化特征及其驱动因素研究,以期科学认识极端降水时空变化特征及其与大尺度气候因素关系,为西北干旱区防灾减灾提供科学支撑。

1 研究区概况

西北干旱区(73°E～107°E,34°N～50°N)地处我国西北部,包括新疆维吾尔自治区全境,内蒙古自治区阿拉善高原,甘肃省河西走廊以及宁夏回族自治区贺兰山以西的地区[18-19]。同时该地区联结中亚、蒙古、青藏高原以及西伯利亚,是中亚的主要干旱区,东亚季风、西风带环流、南亚季风以及青藏高原的热力变化引起的高原季风对西北干旱区气候形成和变化都会造成不同程度的影响[20-22]。干旱少雨、沙尘天气较多、气温日较差较大是西北干旱区气候的主要特征[23-24]。该区域高程介于-156～8 058 m之间。由于地形因素的影响,气温和降水的空间差异极大,地表蒸散发剧烈,多年平均降水量小于150 mm,属于极度干旱区和干旱区,生态环境脆弱,极端气候易发[18, 25-26]。根据水资源、土地资源和环境条件,可将西北干旱区划分为银川平原区(I)、河西走廊区(II)、阿拉善-额济纳高原区(III)、东疆地区(IV)、塔里木河流域区(V)、伊犁河流域区(VI)、天山北坡区(VII)和额尔齐斯-乌伦古河流域区(VIII)(见图1)[27]。

2 数据与方法

2.1 数据来源

西北干旱区地理分区数据来源于全球变化科学研究数据出版系统(http://www.geodoi.ac.cn)中国农业资源环境分区数据集。气象数据来自国家气象信息中心(http://data.cma.cn/)提供的中国地面气候资料日值数据集(V3.0),时间序列长度为1960—2018年,剔除存在数据缺失日期较长站点,选取91个站点逐日降水数据。太阳黑子数据来自于太阳影响数据分析中心(SIDC,https://www.bis.sidc.be/silso/datafiles)。东亚夏季风数据来自于国家青藏高原科学数据中心(http://data.tpdc.ac.cn)。大气环流异常因子厄尔尼诺-南方涛动(ENSO)数据来自于美国国家海洋和大气管理局地球系统研究实验室(ESRL,http://www.esrl.noaa.gov)。太阳黑子、东亚季风和ENSO数据为1960—2018年逐年数据。

图1 研究区及气象站点分布Fig.1 Distribution of study area and meteorological stations 注:此图基于国家自然资源部标准地图服务网站审图号为GS(2020)4619的标准地图制作,底图无修改。

2.2 研究方法

2.2.1RClimDex模型和极端降水指数选取

RClimDex模型[28]主要是根据R语言进行气象数据处理,首先需要进行数据质量控制,无效值判断包括:日最低气温大于日最高气温,降水量小于0,大于3倍标准差阈值,对于无效值较多的月份,设为缺测值,然后进行统计计算获得极端降水指数。极端降水指数采用世界气象组织(World Meteorological Organization,WMO)推荐的11个极端降水指数(见表1)。

表1 极端降水指数Tab.1 Extreme precipitation indices

2.2.2Pearson相关分析

Pearson相关分析主要用来反映两个随机变量之间的线性相关程度[29]。给定两个随机变量X和Y,其Pearson相关系数r的计算公式为:

(1)

2.2.3Kriging数据空间插值

Kriging空间插值是用空间上所有已知点的数据加权求和来估计未知点的值,广泛应用于空间统计分析中,在估算过程中充分利用已知观测站的数据空间结构,可有效规避系统误差[30]。其计算公式为:

(2)

式中:Z为未知点预测值;λi为参与插值站点对预测值的权重;Xi为实测气象站点的降水量。

2.2.4Mann-Kendall趋势检验

Mann-Kendall趋势检验方法对于水文气象长时间序列数据分析具有优势,可分析极端降水指数的长期变化趋势及显著性特征[31]。对于长时间序列的极端降水数据(X1,X2,X3,…,Xn),n表示数据样本的个数,零假设H0表示数据独立且均匀分布,则Mann-Kendall趋势检验的统计量S计算如下:

(3)

(4)

式中:xi和xj分别为第i年和第j年的数据值;S为正态分布,方差Var(S)=n(n-1)(2n+5)/18;sgn为符号函数。当n≥8,服从正态分布的统计量Z表示为:

(5)

式中:Z>0和Z<0分别表示极端降水增加和减少趋势。如果|Z|>Z(1-α/2),说明H0假设不成立,即表示数据有显著变化趋势。显著水平α=0.05和α=0.01分别对应Z(1-α/2)值为1.96和2.58。

2.2.5交叉小波变换

2.3 数据处理与精度验证

本文插值数据主要使用ArcGIS Arcpy进行Kriging批处理插值得到,并进行Kriging插值精度分析。精度验证方法为交叉验证法,基本思想是站点实际观测值A(A1,A2,A3,…,An)使用(A2,A3,…,An)进行插值,得到A1对应位置Kriging预测值B1,以此类推得到A的映射B(B1,B2,B3,…,Bn),n表示检验站点个数。比较A和B的关系,其中均方根误差RMSE和绝对均误差MAE越小,平均误差ME越接近于0,相关系数越接近于1表示精度越高,准确度为累积绝对误差与累积预测值比值与1的偏离程度。分别选取1980年、1990年、2000年和2010年4期数据进行精度验证,选择40个站点进行检验。结果表明(见图2和表2),不同年份Kriging插值预测的精度与实测值RMSE介于25.82～38.03之间,MAE介于21.62～30.30之间,ME介于4.78～15.90之间,相关系数为0.82～0.93之间,准确度为0.69～0.81之间。根据4期不同年份精度验证的均值,预测值与实测值之间相关系数为0.89,准确度为0.77,表明预测值与实测值之间一致性程度较高,Kriging插值可用于研究西北干旱区降水空间上变化特征。

图2 Kriging插值精度验证Fig.2 Kriging interpolation precision verification

表2 Kriging插值取样年份精度分析

3 结果与分析

3.1 极端降水时间变化特征

对西北干旱区极端降水时间变化特征分析表明(见图3),图3(a)～图3(k)表示不同极端降水指标时间趋势特征,图3(l)表示年降水量时间趋势特征。结果表明,持续干燥指数(CDD)表现为下降趋势,下降速率4.382 d/10 a(P<0.05)。除CDD外,其它指标——持续湿润指数(CWD)、湿日总降水量(PRCPTOT)、中雨日数(R10MM)、大雨日数(R20MM)、强降水日数(R25MM)、强降水量(R95P)、极端降水量(R99P)、日最大降水量(RX1DAY)、5日最大降水量(RX5DAY)和降水强度(SDII)均表现出不同程度上升趋势。其中CWD上升速率为0.068 5d/10a(P<0.01),PRCPTOT上升速率为5.691 mm/10 a(P<0.01),R10MM上升速率为0.178 d/10 a(P<0.01),R20MM上升速率为0.054 d/10 a(P<0.01),R25MM上升速率为0.035 5 d/10 a(P<0.01),R95P上升速率为2.762 mm/10 a(P<0.01),R99P上升速率为0.961 mm/10 a(P<0.01),RX1DAY上升速率为0.671 mm/10 a(P<0.01),RX5DAY上升速率为0.934 mm/10 a(P<0.01),SDII上升速率为0.0591 mm·d-1/10 a(P<0.05)。

图3 西北干旱区1960—2018年极端降水指数变化趋势Fig.3 Trend of extreme precipitation index in northwest arid area from 1960 to 2018

CDD下降和CWD上升反映出西北干旱区1960—2018年表现为逐渐湿润的态势。R10MM、R20MM和R25MM指数上升反映出西北干旱区极端降水天数增加。R95P和R99P上升同样表明西北干旱区极端降水事件在增加。RX1DAY和RX5DAY指数增加,表明西北干旱区极端降水强度增加。

综合11个极端降水指数时间变化特征表明,西北干旱区降水增加,极端降水增加,极端降水发生强度、持续时间和发生频率均增加。11个极端降水指数与年降水量相关性分析结果表明(见表3),年降水量与CDD呈负相关关系,与其它指数均表现为正相关关系,其中年降水量与PRCPTOT、R10MM、R95P、RX1DAY之间相关系数分别为0.95、0.95、0.91、0.82,且通过了0.01显著性水平检验,表现为显著正相关性,反映出西北干旱区年降水量增加与极端降水增加存在密切关系。PRCPTOT与R10MM、R95P、RX1DAY的相关系数存在显著正相关关系,表明极端降水增加主要是R10MM、R95P和RX1DAY增加引起的。

表3 1960—2018年西北干旱区极端降水相关系数Tab.3 Correlation coefficient of extreme precipitation in northwest arid area from 1960 to 2018

3.2 极端降水空间变化特征

本文首先对西北干旱区极端降水指数进行空间插值,然后通过Mann-Kendall显著性检验极端降水空间分布和显著性分布结果(见图4)。

图中Ⅰ区表示银川平原区,Ⅱ区表示河西走廊区,Ⅲ区表示阿拉善-额济纳高原区,Ⅳ区表示东疆地区, Ⅴ区表示塔里木河流域区,Ⅵ区表示伊犁河流域区,Ⅶ区表示天山北坡区,Ⅷ区表示额尔齐斯-乌伦古河流域区。图4 西北干旱区1965—2018年极端降水变化趋势空间分布Fig.4 Spatial distribution of extreme precipitation change trend in northwest arid region from 1965 to 2018 注:此图基于国家自然资源部标准地图服务网站审图号为GS(2020)4619的标准地图制作,底图无修改。

西北干旱区1960—2018年极端降水主要发生在区域西北侧,其中以额尔齐斯-乌伦古河流域区、天山北坡区、伊犁河流域区增加趋势显著。银川平原区整体上极端降水变现为不显著增加趋势(02.58)。同时,相对指标R95P、R99P和强度指标RX1DAY和RX5DAY在河西走廊整体表现为显著增加(1.932.58)。阿拉善-额济纳高原区极端降水主要表现为PRCPTOT和R10MM的增加,总体极端降水增加趋势不显著。新疆地区极端降水增加趋势显著,主要体现在东疆北部、额尔齐斯-乌伦古河流域区、伊犁河流域区、天山北坡和塔里木河流域区西北侧。

除CDD外,其它10个极端降水指数总体表现为增加趋势,分布在西北干旱区北侧和西侧。R95P表现为显著增加趋势。

3.3 极端降水驱动因素分析

极端降水驱动因子主要参照国内外对于我国极端降水影响因子研究现状,选择太阳黑子(sunspot number,SN)、东亚夏季风(East Asian summer monsoon,EASM)和大气环流异常因子厄尔尼诺-南方涛动(El Nio-southern oscillation,ENSO)三种,使用交叉小波变换探究出对西北干旱区极端降水影响较强的影响因子(见图5)。

细弧线为小波影响锥曲线;黑粗线为95%置信区间;箭头表示相对位相差,“→”表示两者变化位相相同, “←”表示两者变化位相相反。图5 西北干旱区1965—2018年极端降水指数与SN、EASM和ENSO之间的交叉小波功率谱Fig.5 Cross wavelet power spectrum of extreme precipitation index with SN, EASM and ENSO from 1965 to 2018 in arid northwest China

极端降水指数选择代表极端性更强的极端指数PRCPTOT、R25MM和RX5DAY。结果显示,太阳黑子与PRCPTOT在1965—2010年间存在8～12年显著共振周期,与R25MM在1962—1990年间存在10～13年显著共振周期,与RX5DAY在1965—2010年间存在7～12年显著共振周期。东亚夏季风与PRCPTOT在1978—1992年间存在2～6年显著共振周期,在1993—1998年间存在1～3年显著共振周期。东亚夏季风与R25MM在1976—1984年间存在1～3年显著共振周期,在1985—1996年间存在5～6年显著共振周期,在1997—2000年间存在1～2年显著共振周期,在2009—2018年间存在5～7年显著共振周期。东亚夏季风与RX5DAY在1976—1982年间存在1～3年显著共振周期,在1983—1992年间存在4～6年显著共振周期,在1994—1998年间存在1～3年显著共振周期,在2010—2018年间存在5～8年显著共振周期。ENSO与PRCPTOT在1982—1993年间存在2～6年显著共振周期,在1995—2001年间存在1～5年显著共振周期。ENSO与R25MM在1980—2002年间存在2～6年显著共振周期,2009—2017年间存在1～3年显著共振周期。ENSO与RX5DAY在1981—1992年间存在3～6年显著共振周期,1994—1999年间存在2～4年显著共振周期,2008—2014年间存在2～3年显著共振周期。太阳黑子、东亚夏季风和ENSO对PRCPTOT、R25MM和RX5DAY呈正相关关系,同时交叉小波能量波谱显示太阳黑子相比东亚夏季风和ENSO对极端降水因子间能量更强,对于极端降水影响更强。

从不同因子对极端降水的交叉小波分析结果看,太阳黑子、东亚夏季风和ENSO对极端降水分别有不同程度影响,太阳黑子对于西北干旱区极端降水影响最强,东亚夏季风和ENSO次之。

4 讨论

本文主要研究了西北干旱区1960—2018年极端降水时空变化特征及其驱动因素。已有研究表明,受全球变暖导致的全球及区域水循环加快进而导致极端降水呈增加趋势[33-34]。本研究认为西北干干旱区极端降水增加,主要表现为R10MM、R95P和RX1DAY的增加,且集中在区域西北侧,即额尔齐斯-乌伦古河流域区、伊犁河流域区和天山北坡区,这与杨霞等[35]研究结论一致。西北干旱区位于大陆内部,研究时段内前40年平均降水量仅为134.18 mm,后20年平均降水量为158.03 mm,年降水量增加趋势显著,加上全球温度不断升高,整体表现为“暖湿化”,与王玉洁等[36]研究结论相一致,但西北干旱区年降水量仍较少,对气候格局无法造成影响。毕超等[37]认为降水增加对于西北干旱区部分区域气候条件会有所改善,部分地区生态环境会向好发展,一些敏感脆弱区生态退化趋势会有所遏制。但是极端降水属于短时强降水,对农业生产和生态建设会产生不利的影响。

本文针对西北干旱区极端降水增加进行驱动因子分析,太阳黑子、东亚夏季风和ENSO对极端降水都有着显著影响。邹磊等[38]认为太阳黑子增加表明太阳活动加强,进而改变大气环流的平均状态,导致区域降水发生变化。陈发虎等[39]认为东亚夏季风减弱会诱发我国西北干旱区降水增加,全球变暖诱发西太平洋副热带高压极端西伸时在青藏高原东部形成高压中心,有利于印度洋-太平洋水汽向西北干旱区输送。王婷等[40]也认为大气环流在厄尔尼诺主导下,会诱导西太平洋副热带高压极端西伸,增加对青藏高原地区水汽输送,进而造成西北干旱区降水增加。不同驱动因素对于西北干旱区极端降水影响更多是通过间接影响加快陆地海洋水循环,影响区域极端降水。同时区域极端降水增多,是多尺度气候影响共同作用产生的结果,不同区域极端降水分布存在差异性,西北干旱区不同季节对于极端降水形式也会具有差异性,冬季更多为极端降雪,在今后的研究中,需要结合地理特征和不同时间尺度进行更深入的研究。