1960—2100年间福建省极端降雨事件的历史特征与未来趋势

摘要：气候变化导致全球极端降水事件频率增加，极端降水引发洪涝灾害、滑坡及泥石流等次生自然灾害。研究极端降水时空演变模式，对提高适应气候变化极为重要。以福建省为研究区，选取历史时期（1960—2020年）和未来时期（2020—2100年）为研究期，基于第99百分位数固定阈值法提取极端降水事件，结合非参数的Sen-MK趋势分析法，探究多种排放情景下极端降水的空间分布规律和变化趋势。研究结果表明：从极端降雨事件频次和强度上看，历史时期内研究区极端降水分布呈现由东南沿海向内陆减少的趋势，研究区总体上呈现极端降水频次、强度增加的趋势。未来时期内不同排放情景下，福建省极端降水的频次和强度呈现不同程度的增加，其中SSP1-2.6和SSP2-4.5情景下结果十分接近，而SSP5-8.5高排放情景下的极端降水变化明显，特别是2060年之后发生的频次和强度明显增加。为有效防范极端降水可能引发的各种灾害，评估未来气候情景下极端降水的分布特征和变化趋势意义重大。

关键词：福建省；极端降水；分位数；时空；阈值

中图分类号：P954文献标志码：A文章编号：1673-5072（2025）01-0065-07

Historical Characteristics and Future Trends of Extreme Rainfall Eventsin Fujian Province During 1960—2100

Abstract：Climate change increases the frequency of extreme rainfall events around the world，and extreme rainfalls lead to secondary natural disasters such as floods，landslides and debris flows.It is of great importance to study the spatial and temporal evolution model of extreme rainfalls to improve the adaptation to climate change.Taking Fujian province as the research area and the historical period（1960—2020） and future period（2020—2100） as the research periods，this study extracted extreme rainfall events with the fixed threshold method of the 99th quantile and explored the spatial distribution pattern and trend of extreme rainfalls under various emission scenarios in Fujian province with Sen-MK trend analysis method.The results indicate that：in terms of frequency and intensity of extreme rainfall events，the distribution of extreme rainfalls in the research area presents a decreasing trend from the southeast coast to the inland during the historical period，while the frequency and intensity of extreme rainfalls in the whole region show an increasing trend；the frequency and intensity of extreme rainfalls in Fujian province increase in different degrees under different emission scenarios in future period，among which the results in SSP1-2.6 and SSP2-4.5 scenarios are very similar，while the extreme rainfalls under SSP5-8.5 high-emission scenario change obviously，with an significant increase in frequency and intensity，especially after 2060.Therefore，it is significant to evaluate the distribution characteristics and trends of extreme rainfalls under future climate scenarios in order to effectively prevent various disasters that may be caused by extreme rainfall events.

Keywords：Fujian province;extreme rainfall;quantile;spatial and temporal;threshold

全球气候变化导致极端自然灾害事件频发，区域极端降水发生频率显著上升，作用强度明显增强，对人类社会和生态环境构成严重威胁［1-3］。极端降水事件已产生较大负面影响。2021年美国东北部极端降水事件引发的大范围洪水灾害导致55人丧生，经济财产损失高达200亿美元［4-5］。同年7月，中国河南也遭遇了前所未有的历史性极端降水，其导致的特大洪水灾害共导致1478.6万人受灾，398人死亡，直接经济损失超过1200亿元。未来气候变化的不确定性增加了认知极端降水事件的难度，给城市防洪体系和降水预警带来重大挑战。因此，了解极端降水的变化特征以及未来趋势，对开展城市暴雨洪涝灾害的预测模拟，进一步制定灾害缓解策略具有重要的现实意义［6］。

中国频发多种极端天气事件，而由极端降水造成的洪涝灾害是最常见的自然灾害之一［7-8］。中国湿润区或将变成极端降水事件的频发区域。福建位于东南季风气候区，降水主要集中在夏季，是中国降水较多的典型区域，未来极端降水事件的演变是一个需要深入研究的方向［9-12］。

极端降雨事件时空研究是理解极端降雨的基础。杨金虎等［13］、蔡敏等［14］、武文博等［15］基于中国数百个台站逐日降水资料，对中国年极端降水事件的时空特征进行了探讨分析；彭芳等［16］利用1991—2009年汛期84个测站的逐小时降水量资料，分别定义各站点的小时降水量的强降水阈值；黄琰等［17］、袁文德等［18］、何书樵等［19］采用百分位阈值法定义极端降水事件，用Mann-Kendall秩次相关法、反距离加权插值法、小波分析法等对中国区域的极端降水事件进行时空变化分析；张强等［20］依据1957—2009年53个雨量站的日降水资料定义了8个极端降水指标，运用K-S法确定降水指标最适概率分布函数，系统分析极端降水单变量极值及降水极值二维联合概率分布特征，研究了新疆地区降水极值概率变化的空间演变特征。

极端降水事件刻画常采用不同的阈值来评估极端降水事件的发生状况。百分位数法是常见的提取极端降水阈值的方法之一，其中常用的百分位数主要有95%、97%和99%分位。另外，还常采用经验固定阈值方法，其中常用的固定阈值为50、100和150 mm·d-1［21-23］。耦合模式比对项目（Coupled Model Intercomparison Project，CMIP）是目前国际上最强大的数据源之一。研究表明，CMIP6比CMIP3和CMIP5更准确地再现了大尺度平均地表温度和降水的空间格局变化［24］。本研究充分考虑不同排放情景、不同机构模拟条件的差异性，选取SSP1-2.6、SSP2-4.5和SSP5-8.5情景下AWI-CM、EC-Earth3、EC-Earth3-Veg、MPI-ESM 4个气候模型，利用福建省的气象站点数据，采用第99百分位数、50和100 mm·d-1的阈值方法，对福建省极端降水的量和频率进行长期时空变化分析。同时基于CMIP6的多情景降水预测数据，对未来福建省极端降水的趋势进行预测。本研究旨在为地区的气候变化应对和灾害风险管理措施的制定提供科学依据。

1数据与研究方法

1.1研究区范围

福建省地处我国东南部，毗邻广东、浙江和江西三省，与台湾省相望。福建省地势总体上西北高东南低，山地、丘陵占全省总面积的80%以上（图1），河网密布但平原湖泊分布较少［25］。受季风环流与地形影响，多数地区属于亚热带季风气候区，全年温度较高，雨量充沛，年降雨量为1400～2000 mm，夏秋之交多台风，雨季容易发生极端降雨事件［26］。

1.2数据

本文采用中国气象数据网（http：//data.cma.cn/）提供的1961—2020年的逐日降水数据作为历史时期的气象数据。为了确保数据记录连续且完整，选择国家气象局786个气象站进行研究，基于ANUSPLIN软件，利用样条插值法将站点降雨数据插值为0.1°栅格［27］，同时，为提高复杂地形地区的插值精度，考虑了高程要素。该方法的插值结果具有较高的可信度，对福建地区降水量的误差估计也很低［28］。

为获取未来时期极端降雨模拟数据，本文采用CMIP6多情景排放下的模型数据。CMIP6 是目前系列计划中模型情景最多、实验数据模拟量最庞大的版本。相较于CMIP5，CMIP6使用共享社会经济路径（Shared Socioeconomic Pathways，SSPs） 和典型浓度路径（Representative Concentration Pathways，RCPs）矩阵框架，情景涵盖人口、经济、生态、资源、制度因素等未来的社会和经济变化，以及各种减缓、适应和应对气候变化的措施，且分辨率也有所提升［29］。

考虑到不同气候排放情境下以及不同机构不同模拟条件下的差异性，本文选择用SSP1-2.6、SSP2-4.5和SSP5-8.5 3种排放情景，选取AWI-CM、EC-Earth3、EC-Earth3-Veg、MPI-ESM1 4个气候模型的降水数据作为本研究的基础数据。SSP1-2.6、SSP2-4.5和SSP5-8.5分别代表SSP1 amp; RCP 2.6、SSP2 amp; RCP4.5和SSP5 amp; RCP 8.5。SSP1代表可持续发展路径，SSP2代表中度发展路径，SSP5代表高速发展路径。RCP2.6代表低排放情景，辐射强迫在2100年之前达到峰值，然后下降（到2100年降至2.6 W·m-2）；RCP4.5描述中等排放情景，辐射强迫在2100年之后趋于稳定时，超调途径达到4.5 W·m-2； RCP8.5代表高排放情景，辐射强迫在2100年达到8.5 W·m-2。4个气候模型均具有较强的干旱特征捕捉能力，已广泛应用于气候变化研究。为方便对未来趋势的计算和分析，本文将对不同排放情景下的降雨模拟网格数据按研究区域进行均值处理，作为整个研究区域的逐日降水量。

1.3研究方法

1.3.1极端降水阈值的选定

极端降水阈值的选定基于以下2个主要因素：首先，考虑不同地区降水的空间差异性；其次，考虑极端降水对经济社会的影响。通常只有达到一定强度的降水才会对社会经济、交通出行等造成明显的危害，这部分降水事件更具有现实研究意义。因此本研究设定第99百分位数降水量、日降雨量大于50 mm·d-1或100 mm·d-1作为极端降水事件的阈值。由于日降雨量大于100 mm·d-1阈值提取出来的极端降水的特征变化较小，本文选择第99百分位数和大于50 mm·d-1为阈值对极端降水特征变化规律进行分析研究［30］。

1.3.2统计分析

本文采用Mann-Kendall test（MK）和Theil-Sen（TS）方法来分析极端降水事件的降水量和发生频率的单调变化趋势。

2结果分析

2.1历史时期福建省极端降水的时空分布

2.1.1极端降水频次的空间分布

从不同极端降水阈值提取的极端降水频次的空间分布来看（图2），日降水大于50 mm的区域发生极端降水的频次最明显，其中福建省东南部极端降水发生的频次最多。以第99百分位数为阈值得到的结果中，福建省大多数地区年平均发生极端降水的次数在2～3次，少部分沿海地区极端降水发生的频次在1.5～2次。日降水大于100 mm的极端降水频次显示，福建省发生极端降水的频次均小于1，从东南沿海到内陆呈现递减趋势。

2.1.2极端降水量的空间分布

从不同极端降水阈值提取的年平均极端降水量空间分布来看（图3），其整体上呈现出由沿海向内陆逐渐减少的趋势，这可能与沿海地区受海洋洋流影响和夏季台风影响有密切联系。具体来看，大于50 mm·d-1降水量阈值的极端降水情况最常出现，其中福建省东南部地区出现降水量阈值大于50 mm·d-1的现象最为明显，可能与该地区夏季台风频发有一定联系。日降水大于100 mm的年极端降水量以沿海一带为界，其他地区均小于50 mm·a-1。以第99百分位数为阈值提取的极端降水量主要集中在100～250 mm·a-1，最大值分布于福建省东北部。

2.2历史时期福建省极端降水的趋势分析

从极端降水频次的变化率来看（图4），两种不同阈值得到的空间分布高度相似，绝大多数地区极端降水频次的变化率接近于0，部分地区极端降水频次的变化率大于0.01次/10 a，主要分布于福建省中南部地区。

从极端降水量变化率的空间分布来看（图5），两种不同阈值提取的极端降水事件降水量的变化趋势也高度相似，大部分地区的极端降水量都呈增长趋势，其中福建省中南部区域增长较快，增速超过1.5 mm/10 a。相对而言，福建省东北部的部分区域是极端降水减少最为明显的区域，这可能与全球气候变化导致的气候异常有关，也可能与该地区人类活动、城市化速度过快，不透水面占比过大影响降水的下渗，进而影响地区水循环有一定的联系。

2.3未来不同阈值不同时期极端降水趋势分析

首先，基于气象站点的插值数据研究了东南地区极端降水量的变化趋势。以第99百分位作为阈值，输出结果表明，1961—2020年，福建省极端降水量总体以10.67 mm/10 a的速度增加。在SSP1-2.6、SSP2-4.5和SSP5-8.5的排放情景下，未来的极端降水量模拟预测结果显示，极端降水量的变化率分别为4.48 mm/10 a、5.82 mm/10 a和20.87 mm/10 a，尤其是在SSP5-8.5情景下，2070年后极端降水量显著增加。为了对比不同情境下的差异，进一步研究极端降水的变化，选择了50 mm·d-1和100 mm·d-12个固定阈值，并模拟观测第99百分数阈值和第99.9百分位阈值。分析结果表明，选择50 mm·d-1阈值与选择第99百分位数下的极端降水变化趋势高度相似，无论是在历史研究期（1961—2020年）还是在未来研究期（2021—2100年）内，年极端降水的变化趋势始终增加，其中变化率最大的是在SSP5-8.5情景。以日降水量大于100 mm·d-1作为阈值提取的极端降水量在未来时期显示增长趋势，尤其在高排放情景下，2060s后极端降水增加更为显著。

在不同阈值和未来情境下的极端降水频次的变化趋势整体都呈现出高度相似的变化曲线（图6）。在SSP1-2.6和SSP2-4.5未来气候情景下的变化趋势较为相似，增长最为明显的是在SSP5-8.5高排放情景下，特别是在2060年之后呈现明显的增长趋势。因此在高排放情景下的21世纪后期，极端降水的频次和强度可能会显著增长（图7），从而大大增加福建省发生严重洪涝灾害的潜在风险。

3结论

从空间角度看，通过比较不同提取方法的极端降水事件，综合考虑地区极端降水量和频次的空间分布可知，福建省的极端降水空间分布表现出一种由东南向西北逐渐减弱的趋势。尤其需关注福建省东南部地区，该地区在温室排放加剧的情况下，未来极端降水事件发生将会越发频繁，强度也逐渐加强。

从时间角度看，不同阈值下极端降水的变化趋势高度一致，在历史时期（1961—2020年），福建省的极端降水总体呈增加趋势。而在未来情境下，温室气体排放的差异对极端降水事件的发生也造成了不同程度的影响，SSP1-2.6和SSP2-4.5都属于较低的排放情景，对极端降水的影响并不明显，增长幅度较小；而在SSP5-8.5高排放情景下，温室效应会显著加剧极端降水事件的发生，特别是在2060年之后，极端降水的强度和频次呈现极为明显的增加趋势。预防和减轻未来该地区可能出现的一系列极端降水事件引发的灾害，与维护全球碳排放稳定和全球气候环境的稳定紧密相连。

极端降水研究对于理解和应对气候变化所带来的挑战具有重要意义。通过深入研究极端降水的形成机制、空间分布和时间变化趋势，进一步提高对极端降水的预测和监测能力。在下一步的研究中，还需要扩大研究范围，优化研究方法，进一步探索温室气体排放所引起的气候变化与极端降水之间的关系。

参考文献：

［1］KHARIN V V，ZWIERS F W，ZHANG X，et al.Changes in temperature and precipitation extremes in the CMIP5 ensemble［J］.Climatic Change，2013，119（2）：345-357.

［2］NASGWAN M S，SHAHID S，ABD RAHIM N.Unidirectional trends in annual and seasonal climate and extremes in Egypt［J］.Theoretical and Applied Climatology，2019，136（1）：457-473.

［3］江洁，周天军，张文霞.近60年来中国主要流域极端降水演变特征［J］.大气科学，2022，46（3）：707-724.

［4］FLANAGAN P X，MAHMOOD R，UMPHLETT N A，et al.A Hydrometeorological Assessment of the Historic 2019 Flood of Nebraska，Iowa，and South Dakota［J］.Bulletin of the American Meteorological Society，2020，101（6）：E817-E829.

［5］VU T M，MISHRA A K.Nonstationary frequency analysis of the recent extreme precipitation events in the United States［J］.Journal of Hydrology，2019，575：999-1010.

［6］FISCHER E M，O’GORMAN P A，PFAHL S.Understanding the regional pattern of projected future changes in extreme precipitation［J］.Nature Climate Change，2017，7：432-427.

［7］ALABAYRAK D，SEN O L，YUCEL I.Spatiotemporal trends in daily and subdaily rainfall extremes and return levels in Turkey［J］.International Journal of Climatology，2022，42（16）：10337-10352.

［8］O’AORMAN P A.Precipitation Extremes Under Climate Change［J］.Current Climate Change Reports，2015，1（2）：49-59.

［9］吉戴婧琪，元媛，韩剑桥.中国极端降水事件的时空变化及趋势预测［J］.中国农村水利水电，2022（10）：74-80.

［10］PENG D D，LIN A L，LIU X T，et al.Moisture sources of the first rainy season extreme precipitation events in the hotspots of Guangdong，South China［J］.International Journal of Climatology，2023，43（3）：1480-1496.

［11］QIAO P，GONG Z，LIU W，et al.Asymmetrical synchronization of extreme rainfall events in southwest China［J］.International Journal of Climatology，2022，42（11）：5935-5948.

［12］ZHENG B，GU D，LIN A，et al.Phase determination of persistent heavy rainfall related to 10-30-day intraseasonal oscillation over Southeastern China［J］.Theoretical and Applied Climatology，2022，147（3）：1685-1695.

［13］杨金虎，江志红，王鹏祥，等.中国年极端降水事件的时空分布特征［J］.气候与环境研究，2008，13（1）：75-83.

［14］蔡敏，丁裕国，江志红.我国东部极端降水时空分布及其概率特征［J］.高原气象，2007，26（2）：309-318.

［15］武文博，游庆龙，王岱.基于均一化降水资料的中国极端降水特征分析［J］.自然资源学报，2016，31（6）：1015-1026.

［16］彭芳，吴古会，杜小玲.贵州省汛期短时降水时空特征分析［J］.气象，2012，38（3）：307-313.

［17］黄琰，封国林，董文杰.近50年中国气温、降水极值分区的时空变化特征［J］.气象学报，2011，69（1）：125-136.

［18］袁文德，郑江坤，董奎.1962—2012年西南地区极端降水事件的时空变化特征［J］.资源科学，2014，36（4）：766-772.

［19］何书樵，郑有飞，尹继福.近50年长江中下游地区降水特征分析［J］.生态环境学报，2013，22（7）：1187-1192.

［20］张强，李剑锋，陈晓宏，等.基于Copula函数的新疆极端降水概率时空变化特征［J］.地理学报，2011，66（1）：3-12.

［21］ABEYSINGHA N S，KULARTHNA K M，BANDARA A M K R，et al.Assessment of extreme rainfall through statistical process control-I chart［J］.Journal of Earth System Science，2023，132（1）：15.

［22］FISCHER E M，BEYERLE U，KNUTTI R.Robust spatially aggregated projections of climate extremes［J］.Nature Climate Change，2013，3（12）：1033-1038.

［23］SUBBA S，MA Y，MA W.Spatial and temporal analysis of precipitation extremities of eastern Nepal in the last two decades （1997—2016）［J］.Journal of Geophysical Research：Atmospheres，2019，124（14）：7523-7539.

［24］舒章康，李文鑫，张建云，等.中国极端降水事件的时空变化及趋势预测［J］.中国工程科学，2022，24（5）：116-125.

［25］黄浩.降雨对福建地区残积土边坡稳定性影响的监测与分析［D］.福州：福建农林大学，2018.

［26］吴能森.从环境岩土工程学角度分析山体滑坡［J］.林业建设，1996，5（2）：20-21.

［27］HUTCHINSON M F.Interpolating mean rainfall using thin plate smoothing splines［J］.International journal of geographical information systems，1995，9（4）：385-403.

［28］YUAN W，XU B，CHEN Z，et al.Validation of China-wide interpolated daily climate variables from 1960 to 2011［J］.Theoretical and Applied Climatology，2015，119（3）：689-700.

［29］冯椰林，贺中华，焦树林，等.基于CMIP6气候模式的贵州省极端降水情景预估［J］.水土保持研究，2023，30（1）：282-290.

［30］刘昌新，张海玲，吴静.基于SSPs情景的中国极端降水影响评估［J］.环境保护，2021，49（8）：29-34.