張余慶, 陳昌春, 姚 鑫, 李艷萍

(1.南京信息工程大學(xué) 氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心, 南京 210044;2.南京信息工程大學(xué) 地理與遙感學(xué)院, 南京 210044)

?

江西省信江流域極端降水時空變化特征

張余慶1, 陳昌春2, 姚 鑫2, 李艷萍2

(1.南京信息工程大學(xué) 氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心, 南京 210044;2.南京信息工程大學(xué) 地理與遙感學(xué)院, 南京 210044)

隨著全球氣候變化加劇，極端降水事件對人類社會造成嚴(yán)重影響。基于江西省信江流域1960—2005年逐日降水?dāng)?shù)據(jù)，利用ClimDex模型與集合經(jīng)驗?zāi)B(tài)分解法(EEMD)分析信江流域極端降水指數(shù)時空分布特征。結(jié)果表明：各類極端降水指數(shù)呈不同程度上升趨勢，其中以極端降水量(R95P)上升趨勢最為顯著。經(jīng)EEMD分解得出各項極端降水指數(shù)的IMF分量，具體表現(xiàn)出2.56～2.88 a，5.11～6.57 a，9.20～11.50 a和22.59～36.48 a的準(zhǔn)周期，其中以IMF1方差貢獻(xiàn)率最大，IMF3的振蕩周期較為顯著。在3種典型年的極端降水事件空間分布上，五日最大降水量(RX5day)和極端降水量(R95P)呈中部略高于周邊地區(qū)，且極端多水年高于平水年和極端少水年，表明流域中部地區(qū)極端多水年的極端降水事件發(fā)生頻率相對較高。

信江流域; 極端降水; RClimDex; EEMD

降水作為反映水文氣候環(huán)境的一個重要指標(biāo)，隨著全球氣候變化加劇，極端氣候事件發(fā)生頻率呈增加趨勢，尤其近年來，極端降水事件頻發(fā)，所造成的洪旱災(zāi)害及土壤侵蝕事件，給人類社會帶來巨大損失[1-4]。為探究極端降水事件時空變化規(guī)律，國內(nèi)外許多學(xué)者利用不同方法做了相關(guān)研究。如You等[5]利用6個極端降水指標(biāo)分析中國極端降水變化情況，得出長江流域和東南地區(qū)極端降水增長趨勢顯著；Kenyon等[6]利用觀測臺站的強降水指標(biāo)定量分析全球極端降水事件，得出由ENSO引起的強降水較為顯著；任正果等[7]基于世界氣象組織所推薦的5個極端降水指數(shù)，利用格點資料研究了中國南方地區(qū)的極端降水變化，研究表明各極端降水指數(shù)呈現(xiàn)明顯的空間分布規(guī)律，越靠近東南方向越濕潤，而越靠近西北方向越干旱；趙麗等[8]根據(jù)百分位閾值法，結(jié)合一元線性回歸、EOF分析等方法深入研究新疆極端降水的時空分布特征及變化趨勢，得出該區(qū)域極端降水受地形因素影響較大，極端降水對年降水量的貢獻(xiàn)越大。由此可知，極端降水事件的時空變化特征已成為當(dāng)前全球廣泛關(guān)注的水文氣象學(xué)術(shù)研究熱點之一。

信江流域作為鄱陽湖流域乃至長江流域的重要組成部分之一，其流域極端氣候所引起的降水變化對鄱陽湖水資源有著重大影響。近年來，信江流域由極端降水事件引起的旱澇災(zāi)害次數(shù)明顯增多。有鑒于此，本文基于ClimDex模型研究1960—2005年信江流域極端降水事件的時空變化特征，利用集合經(jīng)驗?zāi)B(tài)分解法對極端降水指數(shù)進(jìn)行模態(tài)分解，并采用典型年法定量分析極端降水指數(shù)空間分布，以期客觀評估信江流域極端降水事件的時空變化特征，為預(yù)測未來極端降水事件奠定基礎(chǔ)，為國家相關(guān)部門制定相適宜的區(qū)域氣候變化對策提供科學(xué)依據(jù)。

1　研究區(qū)概況

信江是鄱陽湖流域五大河流之一，位于東經(jīng)116°42′—118°40′、北緯27°33′—28°58′，地處江西省東北部。信江干流全長364 km，全流域面積約為16 000 km2，多年平均流量575 m3/s，占鄱陽湖入湖總量的12%，居五大河第二位，其中梅港水文站控制斷面以上信江流域面積為15 535 km2，占整個流域面積的97%。流域東西長約190 km，南北寬約90 km，呈長條形葉脈狀，左右岸不對稱，左岸面積約占總面積的三分之二[9]。上游沿岸一帶以中低山為主，地形起伏較大；中游為信江盆地，地勢由北、東、南三面邊緣漸次向中部降低，并有向西傾斜；下游為鄱陽湖沖積平原，地勢平坦開闊。該流域位于副熱帶濕潤季風(fēng)氣候區(qū)，夏季炎熱多雨，冬季寒冷干燥，春雨、梅雨明顯，多年平均氣溫約為18.2℃。多年平均降水量約為1 846.7 mm，降水時空分布不均，4—6月占全年降水量的50%，以6月份暴雨居多，相對強度較大，上半年雨多易澇，下半年又雨少易旱，山區(qū)多于平原[10-11]。河川徑流主要是雨水補給，多年平均徑流量為181.6億m3(梅港站)，徑流系數(shù)為0.64。

2　資料與研究方法

2.1數(shù)據(jù)預(yù)處理

流域內(nèi)共11個氣象站點，其中上饒縣和鷹潭鎮(zhèn)出現(xiàn)大面積缺測，故并未使用，考慮到1960年前降水有缺測值，故采用1960年以后的數(shù)據(jù)序列。因此，本文所用的數(shù)據(jù)為江西省氣象局提供的9個縣級氣象站1960—2005年逐日降水?dāng)?shù)據(jù)，精度為0.1 mm，為了保證降水資料的可信與可靠，對逐日降水?dāng)?shù)據(jù)進(jìn)行質(zhì)量控制檢驗。首先，檢查日降水量是否小于0 mm，若小于0 mm，則按缺失值處理；進(jìn)而檢驗逐日降水量是否嚴(yán)重偏離本流域降水量的實際情況，即超出3倍標(biāo)準(zhǔn)差的值定義為出界值，通過人工核實并盡可能與相鄰站點的記錄進(jìn)行比對，保留合理數(shù)據(jù)，不合理的按缺測進(jìn)行處理。經(jīng)具體檢查，發(fā)現(xiàn)鉛山站點降水?dāng)?shù)據(jù)有極少量的缺測值，因此，采用距離鉛山較近的兩個氣象站點為橫峰和上饒，經(jīng)計算鉛山距離橫峰和上饒分別為17 km和43 km，再計算其逐日相關(guān)系數(shù)分別為0.92，0.85，均通過0.01顯著性水平。由于鉛山距離橫峰最近，相關(guān)系數(shù)最高，氣候態(tài)非常相似，且橫峰無缺測值，因此，根據(jù)橫峰降水?dāng)?shù)據(jù)，采用線性相關(guān)法求出鉛山極少量的缺測值，并保證插補后的鉛山逐日降水?dāng)?shù)據(jù)與橫峰逐日降水?dāng)?shù)據(jù)的相關(guān)系數(shù)在0.92。

2.2ClimDex模型

氣候變化檢測和指標(biāo)專家組(Expert Team on Climate Change Detection Monitoring and Indices, ETCCDMI)提供了一系列氣候指數(shù)計算程序ClimDex，該模型是基于日降水、氣溫數(shù)據(jù)來定義極端氣候指數(shù)，這些指數(shù)具有噪聲低、顯著性強的優(yōu)點[12]。在此基礎(chǔ)上由加拿大氣象研究部的Xuebin Zhang 和Feng Yang[13]基于R語言開發(fā)的RClimDex軟件，用于計算多種類型極端氣候指數(shù)，該模型已被世界氣象組織氣候委員會所推薦，用于極端氣候指數(shù)分析和氣候變化檢測、監(jiān)測，其功能結(jié)構(gòu)如圖1所示。同時，該模型已被廣泛應(yīng)用到世界各地，如Keggenhoff等[14]基于該模型分析南高加索的格魯吉亞地區(qū)極端降水，最大1 d和5 d降水量呈增長趨勢，極端降水量在1971—2010年總降水量中的比重增大；Croitoru等[15]基于13個氣象站1961—2008年逐日降水資料，結(jié)合11個極端降水指數(shù)，利用該模型分析黑海西海岸極端降水情況，得出大部分極端降水指數(shù)呈上升趨勢，北部較南部變化顯著；杜軍等[16]采用該模型分析西藏極端降水事件的變化，得出近52 a西藏連續(xù)干旱日數(shù)(CDD)顯著減少，那曲地區(qū)西部極端降水指數(shù)變化顯著，雅魯藏布江中游多數(shù)極端降水指標(biāo)趨于下降，而山南地區(qū)南部、林芝地區(qū)東南部的降水極值和降水強度在增加。

該模型的優(yōu)點在于只需按規(guī)定格式輸入逐日最高/最低氣溫和降水?dāng)?shù)據(jù)，即可計算獲取27個核心極端氣候指數(shù)，其中極端氣溫類指數(shù)為16個，極端降水類指數(shù)為11個。模型考慮了降水缺測值對極端降水指數(shù)計算的敏感性，因此假定當(dāng)降水?dāng)?shù)據(jù)在一個月中出現(xiàn)3 d以上或一年中出現(xiàn)15 d以上缺測值時，則對該月或該年不進(jìn)行極端降水指數(shù)的計算[17]。在完成降水資料質(zhì)量控制處理后，進(jìn)行各站點極端降水指數(shù)計算處理。結(jié)合信江流域?qū)嶋H降水情況和研究需要，選取與極端降水緊密相關(guān)的6個極端降水指數(shù)，如表1所示。

圖1ClimDex模型結(jié)構(gòu)示意圖

表1　極端降水指數(shù)定義

2.3EEMD方法

集合經(jīng)驗?zāi)B(tài)分解法(Ensemble Empirical Mode Decomposition, EEMD)作為EMD的改進(jìn)方法，其原理與EMD相似，適用于非線性、非平穩(wěn)時間序列特征分析[18]，尤其像極端降水這樣的非線性過程，該方法將復(fù)雜的時間序列信號進(jìn)行平穩(wěn)化處理，從而在原始時間序列中提取不同尺度的波動和趨勢分量，得到若干具有不同尺度特征的固有模態(tài)函數(shù)(Intrinsic Mode Function, IMF)。EEMD很大程度上克服了EMD存在的模態(tài)混淆問題，能夠提供更為科學(xué)的尺度分解，使其模態(tài)分解在物理上具有唯一性，從而得出的固有模態(tài)函數(shù)IMF分量可以準(zhǔn)確描繪時間序列的內(nèi)在波動特征和趨勢變化，在水文氣象領(lǐng)域的應(yīng)用效果顯著[19-22]。相比小波分析而言，EEMD不僅具備小波周期分析的優(yōu)勢，而且很大程度上克服了小波基函數(shù)的選擇對信號分析結(jié)果的影響，具有直觀性、后驗性和自適應(yīng)性的優(yōu)點。

3　結(jié)果與分析

利用RClimDex計算信江流域各站點的極端氣候指數(shù)，將計算得出的各項指數(shù)值進(jìn)行泰森多邊形加權(quán)平均，求得每個指數(shù)在整個流域尺度上的平均值，從而在整體上反映該區(qū)域極端降水情況，其各氣象站點所控制區(qū)域的泰森多邊形如圖2所示。

圖2信江流域氣象站點及其泰森多邊形

3.1極端降水指數(shù)時間特征分析

極端降水各項指數(shù)變化顯示，流域極端降水事件均有不同程度的上升，表明極端降水事件發(fā)生頻率在過去46 a內(nèi)呈增加趨勢。根據(jù)圖3，極端降水日數(shù)(R25)上升趨勢線盡管較為平緩，但其年際差異較大，波動幅度較大。五日最大降水量(RX5day)呈上升趨勢，從1960年的111.3 mm上升到2005年的149.4 mm，平均上升了8.3 mm/10 a。而極端降水量(R95P)上升趨勢十分顯著，其從1960年的178.8 mm上升到2005年的381.1 mm，46 a來極端降水量翻了一倍多，平均上升近44.0 mm/10 a，即極端降水總量在總降水量中所占比例不斷上升，在總降水量一定時，極端降水增加，小雨呈減少趨勢。反映平均降水情況的普通日降水量(SDII)略上升，其從1960年的10.4 mm上升到2005年的11.9 mm，平均上升了0.33 mm/10 a，表明該流域年內(nèi)有效日均降水強度在增加。持續(xù)干燥指數(shù)(CDD)在過去46 a間呈現(xiàn)較為復(fù)雜的變化，盡管其趨勢線變化不顯著，但年際間的極高、極低值顯現(xiàn)相鄰分布，這對流域工農(nóng)業(yè)用水造成負(fù)面影響，尤其長時間的干燥可能會形成大面積干旱，這對農(nóng)業(yè)生產(chǎn)活動形成不利影響。而與之相反的持續(xù)濕潤指數(shù)(CWD)由1960年的11 d上升到2005年的12 d，平均上升0.22 d/10 a，該指數(shù)在1960—1977年期間變化較為平穩(wěn)，后續(xù)時間階段的年際間變化較為劇烈，且不穩(wěn)定，持續(xù)濕潤指數(shù)過大會導(dǎo)致雨澇事件的發(fā)生。

圖3信江流域極端降水指數(shù)的年際變化

3.2極端降水周期分析

為了深入探究信江流域極端降水事件發(fā)生的周期變化特征，對信江流域各極端降水指數(shù)值進(jìn)行EEMD分解。利用鏡像拓延法對數(shù)據(jù)進(jìn)行對稱延伸，以消除邊界對于EEMD分解過程中所造成的上下脈沖影響。采用集合分解的擾動白噪聲與原始信號的信噪比為0.3，平均集合次數(shù)為500次，得出4類不同波動周期的固有模態(tài)函數(shù)分量(IMF1～4) 和一個殘差趨勢項(RES)，如圖4所示。各極端降水指數(shù)的IMF分量反映了從高頻到低頻不同時間尺度的波動特征，在相同時段內(nèi)，不同時間尺度的周期振蕩隨時間呈現(xiàn)出不均勻強弱變化，這種不均勻振蕩變化一定程度上反映了影響降水變化的大氣內(nèi)部動力過程和外部強迫共同作用的非線性。通過求各IMF平均周期，并將不同尺度信號波動的頻率和振幅對原數(shù)據(jù)序列總體特征影響程度用方差貢獻(xiàn)率表示出來，見表2。

根據(jù)圖4與表2，表征極端降水事件的各類指數(shù)的IMF分量依次從高頻到低頻的波動。IMF1除1975年之前的持續(xù)濕潤指數(shù)(CWD)波幅較為較小外，其余指數(shù)在整個時間范圍內(nèi)的振幅波動較大，整體表現(xiàn)出2.56～2.88 a的準(zhǔn)周期，其方差貢獻(xiàn)率在26.89%～34.24%，所占比重最大。IMF2表現(xiàn)出5.11～6.57 a的準(zhǔn)周期，周期規(guī)律較為明顯，其方差貢獻(xiàn)率在21.43%～26.94%。隨著階數(shù)的增加，IMF分量的波幅逐漸減小，波長增長，IMF3具有9.20～11.50 a的準(zhǔn)周期，其方差貢獻(xiàn)率在17.99%～20.62%。IMF4包含了22.59～36.48 a的年代際周期波動特征，在整個時間跨度上波幅較小，較為平穩(wěn)，反映極端降水長期變化特征。根據(jù)殘差趨勢項RES，表征極端降水事件的各類指數(shù)整體呈不同程度上升趨勢，這與RClimDex模型計算得出的趨勢一致。

3.3極端降水空間格局

為了深入分析流域極端降水事件發(fā)生情況及其空間分布，選取3種典型降水年(極端多水年、平水年、極端少水年)進(jìn)行各項極端降水指數(shù)的統(tǒng)計分析[23]。根據(jù)流域總體極端降水概率情況，選取年降水頻率為10%，50%和90%的3種概率分布條件下的年降水量分別為2 230.4 mm，1 807.5 mm和1 394.2 mm，與這3種降水頻率降水量相近的年份分別為1973年、1988年和1996年，作為極端多水年、平水年和極端少水年，最后分別計算這3種典型年各站點極端降水指數(shù)的空間分布格局。

圖4　信江流域極端降水指數(shù)的EEMD分解結(jié)果

根據(jù)圖5，3種典型年的極端降水日數(shù)(R25)總體上呈中西部略高于東部的空間分布格局，極端多水年(1973年)日降水量≥25 mm的總?cè)諗?shù)最多，9個站點均值高達(dá)27.9 d，其次是平水年(1988年)，為22.7 d，極端少水年(1996年)最少，僅為15.1 d，差距較為顯著。各年代各站點均值的五日最大降水量(RX5day)和極端降水量(R95P)基本呈現(xiàn)中部略高于周邊地區(qū)，該兩項指數(shù)空間分布特征可能與流域地勢有關(guān)，該流域南部為綿長的武夷山脈，北部亦有中低山脈，唯有東部山脈高程較低，夏季東南季風(fēng)帶來豐富的水汽，在東西向的信江平原地區(qū)形成了較高的降水量；分析其指數(shù)空間分布情況，極端多水年的五日最大降水量和極端降水量均值高達(dá)357.8 mm，691.0 mm，其次是平水年為220.2 mm，635.2 mm，極端少水年僅為187.5 mm，385.9 mm，約為極端多水年的一半。普通日降水強度(SDII)空間差距較小，每個站點3種典型年份的差距較小，尤其是貴溪站點，表明信江流域普通日降水強度較為穩(wěn)定，受極端降水事件影響較小。持續(xù)干燥指數(shù)(CDD)整體呈現(xiàn)東部略高于中西部地區(qū)，其中東部地區(qū)以平水年最高，尤以上饒最為明顯，1988年CDD值高達(dá)43 d，而極端多水年(1973年)、極端少水年(1996年)的COD值僅為18 d，20 d，表明CDD在平水年份表現(xiàn)尤為嚴(yán)重。最后一項指標(biāo)為持續(xù)濕潤指數(shù)(CWD)，總體上東部高于中西部，其中以余江為代表的西部地區(qū)，該值差距細(xì)微，以玉山為代表的東部地區(qū)極端少水年(1996年)的CWD值反而較其它年份略高，一定程度上表明持續(xù)濕潤指數(shù)與極端降水量的相關(guān)性不顯著。

4　結(jié)論與討論

本文基于RClimDex模型、采用集合經(jīng)驗?zāi)B(tài)分解方法定量分析了信江流域1960—2005年極端降水事件的時空分布特征，并結(jié)合6種極端降水指數(shù)分析了3種不同典型降水年份下的空間分布格局，得出以下主要結(jié)論：

(1) 信江流域極端降水事件發(fā)生頻率在過去46 a內(nèi)呈增加趨勢，其中極端降水量(R95P)上升趨勢十分顯著，其在總降水量中所占比例不斷上升。

圖5　3種典型年極端降水指數(shù)空間分布

(2) 由EEMD分解得出的各類極端降水指數(shù)的IMF表現(xiàn)出2.56～2.88 a，5.11～6.57 a，9.20～11.50 a和22.59～36.48 a的準(zhǔn)周期，其中以IMF1方差貢獻(xiàn)率最大，IMF3的振蕩周期較為顯著，其包含真實極端降水事件的物理意義信息較多。根據(jù)殘差趨勢項RES，極端降水事件呈不同程度上升趨勢。

(3) 選取3種典型降水年份分析信江流域極端降水事件空間分布情況，得出極端降水日數(shù)(R25)呈中西部略高于東部的空間分布格局，差距較為顯著；各年代各站點均值的極端降水量(R95P)和五日最大降水量(RX5day)基本呈現(xiàn)中部略高于周邊地區(qū)；普通日降水強度(SDII)空間差異較小，極端多水年的強度略大于平水年和極端少水年；持續(xù)干燥指數(shù)(CDD)和持續(xù)濕潤指數(shù)(CWD)整體呈現(xiàn)東部略高于中西部地區(qū)。

本文僅以信江流域9個縣級氣象站點數(shù)據(jù)，結(jié)合ClimDex模型和EEMD方法系統(tǒng)分析極端降水事件近46 a的時空變化特征，由于氣象站點空間分布不均勻、地形以及氣候復(fù)雜性等影響，一定程度上增加了極端降水事件發(fā)生的不確定性。盡管EEMD方法有著小波分析所不具備的優(yōu)勢，但由于數(shù)據(jù)時間序列的長度所限，分解得出的能量集中于IMF1，而其余分量貢獻(xiàn)率較小因此，極端降水事件的研究方法及其歸因分析仍需進(jìn)一步深入研究。

[1]Cinco T A, Guzman R G D, Hilario F D, et al. Long-term trends and extremes in observed daily precipitation and near surface air temperature in the Philippines for the period 1951-2010[J]. Atmospheric Research, 2014,145:12-26.

[2]汪寶龍,張明軍,魏軍林,等.西北地區(qū)近52 a氣溫和極端降水事件的變化特征[J].自然資源學(xué)報,2012,27(10):1721-1733.

[3]戴海倫,苑爽,張科利,等.貴州省降雨侵蝕力時空變化特征研究[J].水土保持研究,2013,20(1):37-41.

[4]翟盤茂,潘曉華.中國北方近50 a溫度和降水極端事件變化[J].地理學(xué)報,2003,58(S):1-10.

[5]You Q L, Kang S C, Aguilar E et al. Changes in daily climate extremes in China and their connection to the large scale atmospheric circulation during1961—2003. Climate Dynamics.2011,36(11/12):2399-2417.

[6]Kenyon J, Hegerl G C. Influence of Modes of Climate Variability on Global Precipitation Extremes[J]. Journal of Climate, 2010,23(23):1157-1166.

[7]任正果,張明軍,王圣杰,等.1961—2011年中國南方地區(qū)極端降水事件變化[J].地理學(xué)報,2014,69(5):640-649.

[8]趙麗,楊青,韓雪云,等.1961—2009年新疆極端降水事件時空差異特征[J].中國沙漠,2014,34(2):550-557.

[9]程宗錦.江西五大河流科學(xué)考察[M].南昌:江西科學(xué)技術(shù)出版社,2009.

[10]張余慶,陳昌春,楊緒紅,等.信江流域土地利用變化的徑流響應(yīng)研究[J].水電能源科學(xué),2013,31(8):27-30.

[11]張余慶,陳昌春,尹義星,等.江西多年平均降水量空間插值模型的選取與比較[J].水土保持研究,2013,20(4):69-74.

[12]Sillmann J, Roeckner E. Indices for extreme events in projections of anthropogenic climate change[J]. Climatic Change,2008,86(1/2):83-104.[13]Xuebin Zhang, Feng Yang. RClimDex(1.0)User Manual[S]. Climate Research Branch Environment Canada Downsview, Ontario Canada, 2004.

[14]Keggenhoff I, Elizbarashvili M， Amiri-Farahani A, et al. Trends in daily temperature and precipitation extremes over Georgia,1971—2010[J]. Weather and Climate Extremes, 2014(4):75-85.

[15]Croitoru A, Chiotoroiu B, Todorova V I, et al. Changes in precipitation extremes on the Black Sea Western Coast[J]. Global and Planetary Change, 2013,102(3):10-19.

[16]杜軍,路紅亞,建軍.1961—2012年西藏極端降水事件的變化[J].自然資源學(xué)報,2014,29(6):990-1002.

[17]宋敏紅,馬耀明,張宇,等.雅魯藏布江流域氣溫變化特征及趨勢分析[J].氣候與環(huán)境研究,2011，16(6):760-766.

[18]Huang N E, Wu Z H. A review on Hilbert-Huang Transform: Method and its applications to geophysical studies[J].Reviews of Geophysics,2008,46(2),DOI:10.1029/2007RG000228.

[19]孫銀鳳,陸寶宏.基于EEMD的南京市降水特征分析[J].中國農(nóng)村水利水電,2013(3):5-9.

[20]李慧群,付遵濤.基于EEMD的中國地區(qū)1956—2005年日照變化的趨勢分析[J].北京大學(xué)學(xué)報(自然科學(xué)版),2012,48(3):393-398.

[21]孫陽,陳元芳,程龍,等.基于EEMD的枯水季入庫徑流預(yù)報分析[J].中國農(nóng)村水利水電,2012(2):34-37.

[22]薛春芳,侯威,趙俊虎,等.集合經(jīng)驗?zāi)B(tài)分解在區(qū)域降水變化多尺度分析及氣候變化響應(yīng)研究中的應(yīng)用[J].物理學(xué)報,2013,62(10):504-511.

[23]陳昌春,張余慶,王臘春,等.基于RClimDex模型的江西省極端降水時空變化研究[J].中國農(nóng)村水利水電,2013(11):41-45.

Spatiotemporal Characteristics of Extreme Precipitation Variations in Xinjiang Basin, Jiangxi Province

ZHANG Yuqing1, CHEN Changchun2, YAO Xin2, LI Yanping2

(1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters,NanjingUniversityofInformationScience&Technology,Nanjing210044,China; 2.SchoolofGeographyandRemoteSensing,NanjingUniversityofInformationScience&Technology,Nanjing210044,China)

Under the background of global climate change, extreme precipitation events have been happening, which caused a serious influence and damage to human living. Spatiotemporal distributions of extreme precipitation indices were quantitatively analyzed using ClimDex model and ensemble empirical mode decomposition (EEMD) based on the data of daily precipitation in Xinjiang basin, Jiangxi Province from 1960 to 2005. The results showed that all kinds of extreme precipitation indices presented an upward trend at different degrees, especially for extreme precipitation (R95P). The IMFs of extreme precipitation indices showed the quasi-periods of 2.56～2.88 years, 5.11～6.57 years, 9.20～11.50 years, 22.59～36.48 years, and the largest contribution belongs to IMF1 variance, the IMF3 oscillation period was more significant. A comparison of three extreme typical precipitation event years for five-day extreme precipitation (RX5day) and extreme precipitation (R95P) revealed a slightly higher ‘values’ in the central basin than the surrounding areas, and the two indices were higher in the extremely rainy years than in normal and extremely dry years, extreme precipitation events in extremely rainy years had a relative high occurrence frequency in the central basin.

Xinjiang basin; Extreme precipitation; RClimDex; EEMD

2014-10-03

2014-10-15

國家自然科學(xué)青年基金項目“鄱陽湖水位條件對草灘濕地優(yōu)勢植被的影響”(41301035)

張余慶(1988—),男,江蘇揚州人,博士研究生,主要從事流域水文模擬與氣候診斷研究。E-mail:geonuist@foxmail.com

陳昌春(1963—)，男，江蘇鹽城人,副教授，主要從事水文水資源模擬研究。E-mail：changchunc@nuist.edu.cn

P333.1

A

1005-3409(2015)04-0189-06