孔鋒++王一飛++呂麗莉++閆緒嫻

摘要 極端降水事件帶來的嚴(yán)重災(zāi)害已經(jīng)引起越來越多的關(guān)注，氣候變化與極端降水之間的關(guān)系成為最熱的科學(xué)前沿問題。本文對(duì)1951—2010年中國659個(gè)氣象站日暴雨觀測(cè)記錄進(jìn)行分析。結(jié)果表明，快速城鎮(zhèn)化可能觸發(fā)了中國大面積暴雨的顯著增加。中國年代際暴雨雨量、雨日和雨強(qiáng)大面積顯著增加，增幅分別達(dá)68.71%、60.15%、11.52%，站點(diǎn)數(shù)的增幅相應(yīng)為84.22%、84.22%和54.48%，并呈現(xiàn)出“迅速增加—緩慢增加—迅速增加”的時(shí)間變化過程。快速城鎮(zhèn)化因素對(duì)中國暴雨雨量、雨日和雨強(qiáng)的方差解釋分別為61.54%、58.48%和65.54%，包括第二產(chǎn)業(yè)產(chǎn)值（GDP 2）、城鎮(zhèn)人口比例（UP）、年平均霾日數(shù)（HD）在內(nèi)的快速城鎮(zhèn)化因素，極有可能是中國大面積暴雨增加的主因。中國縣級(jí)總?cè)丝跀?shù)和能見度日數(shù)年均值的面板數(shù)據(jù)與中國年代際暴雨雨量、雨日和雨強(qiáng)成顯著相關(guān)關(guān)系，其空間相關(guān)系數(shù)由20世紀(jì)50年代至21世紀(jì)00年代逐漸增加，縣級(jí)總?cè)丝谙禂?shù)分別由0.35、0.36、0.40增加到0.54、0.55、0.58，能見度日數(shù)年均值相關(guān)系數(shù)由0.36、0.38、0.48增加到0.55、0.57、0.58，進(jìn)一步表明快速城鎮(zhèn)化觸發(fā)了中國年代際大面積暴雨的顯著增加。

關(guān)鍵詞 暴雨；年代際變化；時(shí)空格局；城市化；中國

中圖分類號(hào) P468.0+24 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2017）23-0137-06

Abstract Recent studies have noted a worldwide increase in the occurrence of extreme-precipitation events，this increase has been attributed to warming climate.Although other anthropogenic factors are recognized to be important，their relative contributions remain unclear.This paper used daily rainfall data from 659 meteorological stations in China，large scale climatic and anthropogenic indices to identify major causes and quantify their contribution.The results showed that，the decadal heavy rainfall amount（HRA），heavy rainfall days（HRD）and heavy rainfall intensity（HRI） increased to 68.71%、60.15%、11.52%，and the increasing range of station number were 84.22%、84.22%、54.48%，presented a "rapid increase-slow increase-rapid increase" in the time change process .The analysis suggested that although this trend could be explained by both large-scale climate phenomena and regional anthropogenic activities，the latter such as urbanization，industrialization and associated air pollution had the strongest influence.Contributing roughly at the same magnitude，such factors explain 61.54%，58.48% and 65.54% of the variance in HRA，HRD，and HRI respectively.The expansion of spatial distribution of HRA and HRD over time showed a statistically significant and increasing correlation with the spatial distribution of population density and annual low-visibility days.Chinese total population at the county level，visibility of panel data and heavy rainfall amount，heavy rainfall days，heavy rainfall intensity in china had significant correlation，the spatial correlation coefficient increase gradually from the 1950s to 2000s，the county population increased from 0.35，0.36，0.40 to 0.54，0.55，0.58 respectively，visibility days average increased from 0.36，0.38，0.48 to 0.55，0.57，0.58，further evidence of rapid urbanization had triggered a significant increase in heavy rainfall in China.endprint

Key words heavy rainfall；decadal changes；spatial and temporal pattern；urbanization；China

近10年中國霧霾頻發(fā)，已引起社會(huì)廣泛關(guān)注。與此同時(shí)，在全球氣候變化的大背景下，極端天氣事件頻發(fā)，對(duì)生態(tài)環(huán)境、人民人身財(cái)產(chǎn)安全、社會(huì)可持續(xù)發(fā)展等構(gòu)成嚴(yán)重的威脅，極端降水等天氣已成為災(zāi)害與環(huán)境風(fēng)險(xiǎn)的重要因素并受到學(xué)術(shù)與社會(huì)各界的廣泛關(guān)注[1-3]。

從現(xiàn)有觀測(cè)研究結(jié)果來看，全球氣候變暖加劇地表水分蒸發(fā)，提高了大氣保水能力并提高了水循環(huán)，因而導(dǎo)致局部地區(qū)降水增多[4-5]，降水的增多主要來自于對(duì)流性降水的增多[6]。Easterling等[7]研究表明，在全球尺度上，極端強(qiáng)降水事件顯著增加的區(qū)域可能多于極端強(qiáng)降水事件顯著減少的區(qū)域。IPCC第五次報(bào)告中指出，隨著大氣CO2濃度的增加，極端強(qiáng)降水事件發(fā)生概率也隨之顯著增加，且增加幅度遠(yuǎn)大于平均強(qiáng)度的降水[8]。通過氣候模式輸出結(jié)果可推測(cè)，人為氣候強(qiáng)迫已導(dǎo)致全球極端降水的加強(qiáng)（高信度）[4，9]，且熱帶地區(qū)年際變異較大[10]。Min等[11]通過觀測(cè)和模擬發(fā)現(xiàn)，溫室氣體的排放使得北半球陸地面積66.7%的區(qū)域暴雨強(qiáng)度增強(qiáng)[11]。Durman等[12]通過模擬發(fā)現(xiàn)歐洲的極端強(qiáng)降水呈增加趨勢(shì)，且未來極端降水增加幅度更大。Gao等[13]模擬發(fā)現(xiàn)，在化石燃料密集排放的條件下，美國東部地區(qū)的年極端強(qiáng)降水約比目前降水增加107.3 mm。Allan等[14]、Zhai等[15]、Gero等[16]研究表明，在區(qū)域大氣模式模擬下，澳洲悉尼盆地（Sydney Basin）地表植被的減少影響大氣水分和能量收支平衡，進(jìn)而導(dǎo)致暴雨事件頻發(fā)。此外，通過比較暴雨模擬與觀測(cè)結(jié)果，發(fā)現(xiàn)暴雨事件實(shí)際增加大于模式結(jié)果[11，14]。

與全球尺度相比，中國總降水量變化趨勢(shì)不明顯，但暴雨強(qiáng)度增強(qiáng)[15，17-18]，發(fā)生異常強(qiáng)降水事件的區(qū)域增多[19]。近年來，長江流域降水強(qiáng)度加大且極端降水事件頻發(fā)[20-21]；華南地區(qū)降水量與降水日數(shù)也顯著增加[22]。通過不同氣候模式、不同情景下預(yù)估未來中國極端強(qiáng)降水，發(fā)現(xiàn)降水強(qiáng)度和頻次都呈顯著增加趨勢(shì)，尤其是在全球變暖的背景下，中國絕大多數(shù)地區(qū)極端強(qiáng)降水都呈增加趨勢(shì)。東南沿海地區(qū)、長江流域和中國北方河流中下游的地區(qū)預(yù)計(jì)將比目前經(jīng)歷更多極端強(qiáng)降水[23]。在嚴(yán)重污染的情況下，濕潤地區(qū)夏季云厚度可比低污染時(shí)高出1倍，進(jìn)而導(dǎo)致雷暴天氣顯著增加、強(qiáng)降水事件增強(qiáng)[24]。

值得注意的是，中國區(qū)域年代際暴雨的時(shí)空格局和變化既與溫度的變暖不一致，也不能用大氣和海洋主導(dǎo)氣候因子合理解釋。統(tǒng)計(jì)分析表明，以快速城鎮(zhèn)化為標(biāo)志的人文因素，極有可能是1951—2010年中國暴雨顯著增加的主要驅(qū)動(dòng)因子。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)來源

本文所采用的1951—2010年659個(gè)氣象站的日值降水量來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)地面氣象資料數(shù)據(jù)庫。文中所采用的WPSH、ENSO、AMO和AAO等自然氣候因子數(shù)據(jù)來自NOAA、中國國家氣候中心（74項(xiàng)環(huán)流指數(shù)）。大氣可降水量和水汽通量數(shù)據(jù)來自1971—2010年NCEP/NCAR再分析數(shù)據(jù)和1961—2010年ECMWF再分析數(shù)據(jù)。1957—2005年能見度數(shù)據(jù)來自中國氣象局氣象科學(xué)研究院整編的日值數(shù)據(jù)，均按照年代處理成<10 km能見度的年平均日數(shù)。本文所采用的國民生產(chǎn)總值（GDP）、第二產(chǎn)業(yè)產(chǎn)值（GDP 2）和城鎮(zhèn)人口（urban population，UP）等數(shù)據(jù)來自《新中國統(tǒng)計(jì)六十年》和《中國縣（市）社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)概要》；年平均霾日數(shù)（haze day，HD）來自中國國家氣象信息中心。

1.2 計(jì)算方法

本研究首先將中國看成一個(gè)點(diǎn)，根據(jù)659個(gè)站點(diǎn)的日值降水資料，計(jì)算中國年際和年代際的暴雨雨量、暴雨雨日和暴雨雨強(qiáng)；將中國看成一個(gè)面，繪制年代際的暴雨雨量、暴雨雨日和暴雨雨強(qiáng)的空間分布圖。其次利用逐步回歸篩選出對(duì)中國暴雨有影響的因子，利用Granger因果檢驗(yàn)所篩選因子的重要性程度，利用基于多元線性回歸的方差解釋率計(jì)算各暴雨因子對(duì)暴雨雨量、雨日和雨強(qiáng)的方差貢獻(xiàn)率；最后利用空間相關(guān)分析做中國縣級(jí)總?cè)丝诤湍芤姸热諗?shù)年均值與暴雨雨量、雨日和雨強(qiáng)的空間相關(guān)。各方法具體總結(jié)如下。

1.2.1 逐步回歸。按偏相關(guān)系數(shù)的大小次序?qū)⒆宰兞繋虢⒍嘣貧w方程，并對(duì)每個(gè)自變量偏相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)檢驗(yàn)，效應(yīng)顯著的自變量留在回歸方程內(nèi)，繼續(xù)篩選自變量。逐步回歸方法已在氣象學(xué)中廣泛運(yùn)用[25]。本文對(duì)40個(gè)暴雨因子與中國年際暴雨雨量、雨日和雨強(qiáng)分別進(jìn)行逐步回歸，其中包括由IPCC提出的對(duì)降水有影響的29個(gè)自然氣候因子和以城市化發(fā)展為代表的11個(gè)人類社會(huì)經(jīng)濟(jì)活動(dòng)因子。暴雨因子的概率值<0.05（置信度大于95%）時(shí)被引入模型，>0.1（置信度小于90%）時(shí)從模型中排除。

1.2.2 Granger因果檢驗(yàn)。Granger因果檢驗(yàn)依賴于使用過去某些時(shí)點(diǎn)上所有信息的最佳最小二乘預(yù)測(cè)的方差。Granger因果關(guān)系定義為，在一個(gè)包括變量X和變量Y的給定的信息集I中，在其他條件相同的情況下，如果在時(shí)間t、引進(jìn)變量X之后，能比不引進(jìn)的更好地對(duì)Yt+1進(jìn)行預(yù)測(cè)，我們就稱變量X是變量Y的Granger原因。本研究中Y為暴雨，X為解釋暴雨的影響因子。首先考察當(dāng)前Y能被它的滯后值所解釋的程度，然后考察逐個(gè)加上X，分析其能否增進(jìn)對(duì)暴雨的解釋。如果能，則認(rèn)為X能夠?qū)е耏。本研究中分別以顯著性水平0.05和0.01對(duì)所選因子進(jìn)行重要程度的分類。Kaufmann曾用該方法檢驗(yàn)了人類作用對(duì)南北半球溫度的影響[26]。

1.2.3 基于多元線性回歸的方差解釋率。根據(jù)多元回歸理論，對(duì)標(biāo)準(zhǔn)化后的序列建立多元線性回歸方程，方程如下。endprint

式中，i=1，…，n，n=60年，b1、b2、b3、b4、b5、b6分別為回歸系數(shù)。r1、r2、r3、r4、r5、r6分別為暴雨與WPSH、ENSO/AMO、AAO、GDP2、UP、HD的相關(guān)系數(shù)，c為復(fù)相關(guān)系數(shù)。Huang等[27]利用方法分析了1958—1998年不同大氣濤動(dòng)對(duì)全球低層大氣環(huán)流的貢獻(xiàn)。

1.2.4 空間相關(guān)分析?？臻g相關(guān)分析通常使用面板數(shù)據(jù)，其目的是確定某個(gè)或多個(gè)變量在空間上相關(guān)程度的大小。利用面板數(shù)據(jù)進(jìn)行空間相關(guān)分析已經(jīng)被廣泛使用[28]。通過空間相關(guān)分析可以定量地描述多個(gè)變量觀測(cè)數(shù)據(jù)之間在空間上潛在的相互依賴性。如果一變量隨另一變量測(cè)定距離的縮小而變得更為不同，則稱這2個(gè)變量成空間負(fù)相關(guān)；如果一變量隨另一變量測(cè)定距離的縮小而變得更為相似，則稱這2個(gè)變量成空間正相關(guān)；本文對(duì)中國縣級(jí)總?cè)丝诤?10 km能見度日數(shù)年均值面板數(shù)據(jù)與對(duì)應(yīng)年代暴雨雨量、雨日、雨強(qiáng)進(jìn)行空間相關(guān)分析，并且計(jì)算空間相關(guān)系數(shù)和進(jìn)行顯著性檢驗(yàn)。

3 結(jié)果與分析

3.1 暴雨時(shí)空變化格局

通過計(jì)算中國659個(gè)氣象站各年代的暴雨雨量（HRA）、雨日（HRD）和雨強(qiáng)（HRI），發(fā)現(xiàn)1951—2010年中國暴雨雨量、雨日、雨強(qiáng)呈現(xiàn)增加趨勢(shì)（圖1），且各階段增加的速度不均勻，隨時(shí)間呈現(xiàn)出“快速增加—緩慢增加—快速增加”三段式的變化特點(diǎn)；2001—2010年與1951—1960年相比，暴雨雨量、雨日、雨強(qiáng)同比增加了68.71%、60.15%、11.52%。在空間上，從1951—2010年年代際累積暴雨雨量、雨日和雨強(qiáng)呈現(xiàn)出由東南沿海逐漸向華中、西南、華北和東北地區(qū)梯度擴(kuò)增的過程（圖2、3），其中雨量和雨日的年代際穩(wěn)步擴(kuò)展尤為明顯；2001—2010年與1951—1960年相比，在659個(gè)站點(diǎn)中，年代際累積暴雨雨量、雨日和雨強(qiáng)增加的站點(diǎn)數(shù)分別為555、555、359個(gè)，分別占總站點(diǎn)數(shù)的84.22%、84.22%、54.48%，顯示出年代際累積暴雨大面積增加的特征。

3.2 暴雨因子對(duì)暴雨貢獻(xiàn)的方差解釋率

3.2.1 暴雨因子的逐步回歸篩選。區(qū)域降水受大氣、海洋等氣候因子的影響，通過逐步回歸分析，從挑選出的29個(gè)自然氣候因子和11個(gè)人文因子中剔除未達(dá)到顯著性水平的因子，結(jié)果顯示，與暴雨顯著相關(guān)的因子有7個(gè)，分別為WPSH（西太平洋副熱帶高壓）、ENSO（厄爾尼諾和南方濤動(dòng)）、AMO（大西洋年代際振蕩）、AAO（南極濤動(dòng)）在內(nèi)的4個(gè)自然氣候因子，以及第二產(chǎn)業(yè)產(chǎn)值（GDP 2）、城鎮(zhèn)人口（UP）、年平均霾日數(shù)（HD）3個(gè)快速城鎮(zhèn)化因子。對(duì)7個(gè)暴雨因子與暴雨雨量、雨日和雨強(qiáng)分別進(jìn)行相關(guān)分析，發(fā)現(xiàn)暴雨因子與暴雨雨量、雨日和雨強(qiáng)具有顯著的相關(guān)關(guān)系。AMO與暴雨雨量、雨日和雨強(qiáng)成負(fù)相關(guān)關(guān)系，WPSH、ENSO、AAO、GDP 2、UP、HD與暴雨雨量、雨日和雨強(qiáng)成正相關(guān)關(guān)系。其中，快速城鎮(zhèn)化因子與暴雨具有較高的相關(guān)性，100%達(dá)到0.01顯著性水平；自然氣候因子與暴雨雨量和雨日之間的相關(guān)性水平偏低，僅有66%達(dá)到0.01顯著性水平，自然氣候因子與暴雨雨強(qiáng)具有較低的顯著相關(guān)性，僅有33%達(dá)到0.01顯著性水平（表1）。

3.2.2 暴雨因子對(duì)暴雨的Granger因果檢驗(yàn)。為了進(jìn)一步揭示人文和自然暴雨影響因子對(duì)中國暴雨增加的解釋程度，將其分別與中國暴雨雨量、雨日和雨強(qiáng)進(jìn)行Granger因果檢驗(yàn)，結(jié)果表明，針對(duì)暴雨雨量、雨日和雨強(qiáng)的9個(gè)人文因子均通過了顯著性水平為0.01的檢驗(yàn)，而自然氣候因子只有4個(gè)通過了顯著性水平為0.01的檢驗(yàn)，5個(gè)只通過了0.05顯著性水平的檢驗(yàn)，3個(gè)未通過0.05顯著性水平的檢驗(yàn)。由此可見，單一人文因子要比單一自然氣候因子更能夠?qū)Ρ┯暝黾佑枰越忉?，并且人文因子整體上對(duì)中國暴雨增加的解釋程度優(yōu)于自然氣候因子（表1）。利用多元線性回歸的方差解釋率來表征各暴雨因子的貢獻(xiàn)，結(jié)果發(fā)現(xiàn)，所篩選的暴雨因子對(duì)暴雨雨量、雨日和雨強(qiáng)的方差總解釋率分別為85.84%、84.71%、87.46%，且以人文因子貢獻(xiàn)為主，自然氣候因子為輔。其中人文因子對(duì)暴雨雨量、雨日和雨強(qiáng)的方差解釋率分別為61.54%、58.48%、65.54%，占總方差解釋率的71.69%、69.04%和74.94%；自然氣候因子對(duì)暴雨的方差解釋率分別為24.30%、26.23%、21.92%，僅占總方差解釋率的28.31%、30.96%、25.06%。人文因子中HD對(duì)暴雨方差解釋率最大，為主導(dǎo)因素，對(duì)暴雨雨量、雨日和雨強(qiáng)的方差解釋率分別為25.93%、22.98%和26.64%（表1）。

3.3 暴雨與縣級(jí)總?cè)丝跀?shù)和能見度日數(shù)年均值面板數(shù)據(jù)的空間相關(guān)分析

由圖2、3可知，1951—2010年累計(jì)暴雨雨量、雨日從東南沿海逐漸向華中、西南、華北和東北地區(qū)梯度擴(kuò)增的空間變遷過程，為了定量分析中國暴雨雨量、雨日和雨強(qiáng)，以縣級(jí)總?cè)丝诿姘鍞?shù)據(jù)、<10 km的能見度日數(shù)年均值面板數(shù)據(jù)分別作為下墊面土地利用格局、污染排放的替代數(shù)據(jù)，與中國年代際暴雨進(jìn)行空間相關(guān)分析，結(jié)果表明，中國年代際暴雨雨量、雨日和雨強(qiáng)與縣級(jí)總?cè)丝诤?10 km的能見度日數(shù)年均值的相關(guān)性隨年代的推移而不斷增加（表2），暴雨雨量、雨日和雨強(qiáng)與縣級(jí)總?cè)丝诘南嚓P(guān)系數(shù)分別由0.35、0.36、0.40增加到0.54、0.55、0.58，暴雨雨量、雨日和雨強(qiáng)與能見度日數(shù)年均值的相關(guān)系數(shù)由0.36、0.38、0.48增加到0.55、0.57、0.58。綜上可知，以快速城鎮(zhèn)化為代表的人文因子可能對(duì)中國大范圍暴雨增加起決定性的作用。

4 討論

4.1 自然與人文因子對(duì)暴雨增加的作用

1951—2010年中國暴雨的增加是在全球氣候變化大背景下，以快速城鎮(zhèn)化為代表的人文因子為主、自然氣候因子為輔、兩者共同作用的結(jié)果。

4.1.1 自然因子。區(qū)域大氣可降水量與水汽通量對(duì)區(qū)域降水量有一定的影響。比較圖4（a）與圖4（b），可以看出中國年際降雨量與暴雨量變化的差異。1971年后，暴雨雨量、雨日和雨強(qiáng)持續(xù)增加與總降雨量、雨日明顯下降形成鮮明對(duì)照；比較圖4（a）與圖4（c）可知，1971年以前，中國暴雨雨量、雨日和雨強(qiáng)在波動(dòng)中迅速上升，自然因子在波動(dòng)中下降；1971—1995年，暴雨雨量、雨日和雨強(qiáng)在波動(dòng)中趨穩(wěn)，自然因子則在波動(dòng)中上升；1995年以后，暴雨雨量、雨日和雨強(qiáng)與自然因子波動(dòng)中迅速上升。對(duì)比圖4（b）與圖4（d），中國暴雨量與大氣可降水量波動(dòng)中上升，此后二者在波動(dòng)中呈現(xiàn)向相反方向發(fā)展；對(duì)比圖4（b）與圖4（d），中國降水量與大氣可降水量呈現(xiàn)出良好的對(duì)應(yīng)關(guān)系，1970年以前，二者波動(dòng)中上升，此后二者波動(dòng)中下降。由此可見，區(qū)域大氣可降水量與水汽通量變化不利于中國暴雨量年際或年代際的增加；自然因子也不能合理解釋中國暴雨雨量、雨日和雨強(qiáng)的變化。比較中國各年代過程性暴雨（連續(xù)時(shí)間≥2 d）與對(duì)流性暴雨的比例，結(jié)果表明，2001—2010年總暴雨雨量占總降水量的比例比1951—1960年增加了7.68%，總暴雨雨日占總降水日的比例相應(yīng)增加了0.73%；其中對(duì)流型暴雨雨量占總暴雨雨量的比例相應(yīng)增加了3.66%，暴雨雨日占總暴雨雨日的比例相應(yīng)增加了3.17%；與此同時(shí)，過程性暴雨雨量占總暴雨雨量的比例相應(yīng)減少了3.66%，暴雨雨日占總暴雨雨日的比例相應(yīng)減少了5.18%。由此認(rèn)為，中國暴雨雨量、雨日和雨強(qiáng)的增加，難以用大氣、海洋等自然氣候因子予以合理解釋。endprint

4.1.2 人文因子。1951—2010年，中國產(chǎn)業(yè)結(jié)構(gòu)發(fā)生重大變化。第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的比重年均增長 -0.66個(gè)百分點(diǎn)、0.46個(gè)百分點(diǎn)和0.20個(gè)百分點(diǎn)，第二產(chǎn)業(yè)比重年均增長最快；中國第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值年均增長率分別為12.97%和12.01%，1996—2010年第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值年均增長率分別為13.16%和14.42%。中國產(chǎn)業(yè)結(jié)構(gòu)的重大變化推動(dòng)了快速城鎮(zhèn)化。中國城鎮(zhèn)化水平一直處于上升趨勢(shì)。1951—1970年、1971—1995年、1996—2010年世界城鎮(zhèn)化率年均增長分別為0.37個(gè)百分點(diǎn)、0.34個(gè)百分點(diǎn)、0.46個(gè)百分點(diǎn)，中國城鎮(zhèn)化率年均增長分別為0.29個(gè)百分點(diǎn)、0.49個(gè)百分點(diǎn)、1.21個(gè)百分點(diǎn)?？梢?，中國的城鎮(zhèn)化是快速發(fā)展的，特別是在1996—2010年期間，中國城鎮(zhèn)化處于急速城鎮(zhèn)化階段?？焖俟I(yè)化與城鎮(zhèn)化加快對(duì)能源的需求方面，1951—2010年中國能源生產(chǎn)年均增長率為7.62%；同期，中國的汽車總量年均增長率為12.51%。1996—2010年，私人汽車的數(shù)量年均增長率高達(dá)13.54%，中國的碳排放、工業(yè)廢氣排放和工業(yè)煙塵排放年均增長率分別為6.52%、11.49%、1.61%，中國平均每人生活消費(fèi)液化石油氣、天然氣和煤氣年均增長率分別為6.41%、17.22%和9.55%。

伴隨著城市建成區(qū)面積的增加，地表景觀發(fā)生了重大改變。1996—2010年，中國城市個(gè)數(shù)年均增長率1.01%，建成區(qū)面積年均增長率7.91%。大規(guī)模城市數(shù)量和大面積建成區(qū)的增加有利于對(duì)流型暴雨的增加。伴隨能源使用的增加，年均霾日數(shù)增加。中國年均霾日數(shù)從1951年的2.3 d增加到2010年的11.74 d，1951—2010年年均增長0.16 d，年均增長率為2.78%，1996—2010年年均增長0.37 d，年均增長率為4.21%。大面積年均霾日數(shù)的增加，有利于降雨凝結(jié)核的增加，即也有利于對(duì)流型暴雨的增加。比較4（a）與圖4（e），1971年以前及1995年以后，中國暴雨雨量、雨日和雨強(qiáng)與城市化率波動(dòng)中上升，其間暴雨雨量、雨日和雨強(qiáng)在波動(dòng)中趨穩(wěn)，城市化率先穩(wěn)后升，暴雨略滯后于城市化率的上升；對(duì)比圖4（a）與圖4（f），中國暴雨雨量、雨日和雨強(qiáng)與HD均波動(dòng)中上升，顯示出二者變化的高度一致性。特別是1995年以后，中國暴雨雨量、雨日和雨強(qiáng)與包括二產(chǎn)和三產(chǎn)產(chǎn)值、能源消耗、小汽車數(shù)量等因子在內(nèi)的城鎮(zhèn)化因子的變化，呈現(xiàn)出良好的同步增長的關(guān)系。由此認(rèn)為，中國暴雨雨量、雨日和雨強(qiáng)的增加，可以用以城鎮(zhèn)化為代表的人文因子予以合理解釋。

4.1.3 自然與人文因子。為了直觀表達(dá)人文因子與自然氣候因子與暴雨雨量、雨日和雨強(qiáng)在時(shí)間上的相關(guān)性，以各因子方差解釋率的大小為權(quán)重，對(duì)歸一化后的暴雨因子按權(quán)重進(jìn)行綜合，分別與暴雨雨量、雨日和雨強(qiáng)繪制散點(diǎn)圖。結(jié)果表明，人文因子與暴雨雨量、雨日和雨強(qiáng)在時(shí)間序列上具有很好的相關(guān)性。人文因子與暴雨雨量、雨日和雨強(qiáng)的相關(guān)性分別為0.896 4、0.865 9、0.912 9，自然氣候因子與暴雨雨量、雨日和雨強(qiáng)的相關(guān)性分別為0.364 1、0.404 3、0.404 3，人文因子與暴雨雨量、雨日和雨強(qiáng)的相關(guān)性以及時(shí)序上的同步性均優(yōu)于自然氣候因子；綜合人文因子和綜合自然氣候因子與暴雨雨強(qiáng)的同步性明顯高于暴雨雨量和暴雨雨日，且人文因子與暴雨變化的同步性最為顯著，起著主導(dǎo)作用；因而可以認(rèn)為以霾為代表的城鎮(zhèn)化等人文因子對(duì)中國暴雨增加起到了決定性的作用。因此，快速城鎮(zhèn)化對(duì)下墊面性質(zhì)的改變、與快速城鎮(zhèn)化同步快速發(fā)展的第二產(chǎn)業(yè)和第三產(chǎn)業(yè)使污染物的大量排放，極有可能與中國年代際暴雨的變化具有密切的相關(guān)性。

4.2 深化區(qū)域與全球暴雨增加歸因的研究

4.2.1 模式模擬驗(yàn)證。在對(duì)中國區(qū)域大氣可降水量和水汽通量及大氣、海洋等氣候因子診斷分析的基礎(chǔ)上，通過高精度的區(qū)域氣候模式模擬驗(yàn)證人文因子與自然氣候因子的作用，以進(jìn)一步揭示中國暴雨顯著增加機(jī)理和時(shí)空變化特征。既可以在給定觀測(cè)的自然和人為強(qiáng)迫因子的條件下，合理再現(xiàn)和確認(rèn)大尺度區(qū)域暴雨年際或年代際變化的穩(wěn)健信號(hào)，又可以加深對(duì)人類活動(dòng)影響暴雨的熱力、動(dòng)力、云物理等過程進(jìn)行科學(xué)理解[25-26]。

4.2.2 大尺度區(qū)域?qū)Ρ?。?duì)于年際和年代際暴雨的增加是否為全球性現(xiàn)象進(jìn)行研究，雖然全球暴雨的增加是一個(gè)普遍現(xiàn)象，無論是城市化發(fā)展速度較慢的歐洲和美國，還是城市化發(fā)展速度較快的印度和巴西，暴雨均顯著增加。而全球其他地區(qū)的暴雨增加具體表現(xiàn)以及這些地區(qū)暴雨變化的區(qū)域差異是否為人類社會(huì)經(jīng)濟(jì)活動(dòng)因素與自然氣候因素共同作用所造成的，仍然需要從全球和區(qū)域尺度上開展更深入的觀測(cè)、診斷分析和模擬研究，并從機(jī)理上予以進(jìn)一步探討[27]。

4.2.3 分段特征的成因分析。1951—2010年，中國暴雨呈現(xiàn)出“快速增加—緩慢增加—快速增加”的三段式變化特征，與人類社會(huì)經(jīng)濟(jì)活動(dòng)因子或自然氣候因子的增加存在一定的滯后現(xiàn)象。1951—2010年中國發(fā)展態(tài)勢(shì)表現(xiàn)為工業(yè)化水平率先迅速提高，而后城鎮(zhèn)化雖然超過工業(yè)化，但均呈現(xiàn)緩慢發(fā)展，最后工業(yè)化和城市化均出現(xiàn)迅速發(fā)展。中國工業(yè)化、城市化的非同步發(fā)展是否導(dǎo)致了暴雨增加的三段式演進(jìn)以及是如何影響暴雨增加仍亟需從機(jī)理與過程上做深入研究[28]。

5 參考文獻(xiàn)

[1] ALEXANDER L V，ZHANG X，PETERSON T C，et al.Global observed changes in daily climate extremes of temperature and precipitation[J].Journal of Geophysical Research Atmospheres，2006，111（D5）：1042-1063.

[2] BENISTON M，STEPHENSON D B，CHRISTENSEN O B，et al.Future extreme events in European climate：an exploration of regional climate model projections[J].Climatic Change，2007，81（1）：71-95.endprint

[3] BROWN P J，BRADLEY R S，KEIMIG F T.Changes in extreme climate indices for the Northeastern United States，1870-2005[J].Journal of Climate，2010，23（24）：6555-6572.

[4] IPCC SREX.Managing the Risks of Extreme events and disasters to advance climate change adaptation[M].London：Cambridge University Press，2012.

[5] BENESTAD R E，NYCHKA D，MEARNS L O.Spatially and temporally consistent prediction of heavy precipitation from mean values[J].Nature Climate Change，2012，2（7）：544-547.

[6] BERG P，MOSELEY C，HAERTER J O.Strong increase in convective precipitation in response to higher temperatures[J].Nature Geoscience，2013，6（3）：181-185.

[7] EASTERLING D R，EVANS J L，GROISMAN P Y，et al.Observed vari-ability and trends in extreme climate events：A brief review[J].Bulletin of the American Meteorological Society，2000，81（3）：417-426.

[8] IPCC AR5.Climate Change 2013 Fifth Assessment Report（AR5）：Inter-governmental panel on climate change[M].Cambridge：Cambridge Unive-rsity Press，2013.

[9] ALLEN M R，INGRAM W J.Constraints on future changes in climate and the hydrologic cycle [J].Nature，2002，419（6903）：224-232.

[10] O′GORMAN P A.Sensitivity of tropical precipitation extremes to climate change[J].Nature Geoscience，2012，5（10）：697-700.

[11] MIN S K，ZHANG X，ZWIERS F W，et al.Human contribution to more-intense precipitation extremes.[J].Nature，2011，470（7334）：378-381.

[12] DURMAN C F，GREGORY J M，HASSELL D C，et al.A comparison of extreme European daily precipitation simulated by a global and a regional climate model for present and future climates[J].Quarterly Journal of the Royal Meteorological Society，2001，127（573）：1005-1015.

[13] GAO Y，F(xiàn)U J S，DRAKE J B，et al.Projected changes of extreme weather events in the eastern United States based on a high resolution climate modeling system[J].Environmental Research Letters，2012，7（4）：044025.

[14] ALLAN R P，SODEN B J.Atmospheric warming and the amplification of precipitation extremes [J].Science，2008，321（5895）：1481-1484.

[15] ZHAI P，SUN A，REN F，et al.Changes of climate extremes in China[J].Climatic Change，1999，42（1）：203-218.

[16] GERO A F，A J PITMAN，G T NARISMA，et al.The impact of land cover change on storms in the Sydney Basin，Australia，Global and Planetary Change[J].Global and Planetary Change，2006（54）：57-78.

[17] ZHAI P，ZHANG X，WAN H，et al.Trends in total precipitation and frequency of daily precipitation extremes over China[J].Journal of Climate，2005，18（7）：1096-1108.endprint

[18] QIAN Weihong，F(xiàn)U Jiaolan，ZHANG Weiwei，et al.Changes in mean climate and extreme cliamte in china during the last 40 years [J].Advances in Earth Science，2007，22（7）：673-684.

[19] ZHANG X，ZWIERS F W，HEGERL G C，et al.Detection of human influence on twentieth-century precipitation trends[J].Nature，2007， 448（7152）：461-465.

[20] LEI F，ZHOU T，BO W U，et al.Projection of future precipitation change over China with a high-resolution global atmospheric model[J].Advances in Atmospheric Sciences，2011，28（2）：464-476.

[21] FU G，YU J，YU X，et al.Temporal variation of extreme rainfall events in China，1961-2009[J].Journal of Hydrology，2013，487：48-59.

[22] YU R，LI J.Hourly rainfall changes in response to surface air temp-erature over eastern contiguous China[J].Journal of Climate，2011，25（19）：6851-6861.

[23] ZHANG Y，XU Y，DONG W，et al.A future climate scenario of regional changes in extreme climate events over China using the PRECIS climate model[J].Geophysical Research Letters，2006，33（24）：194-199.

[24] LI Z，NIU F，F(xiàn)AN J，et al.Long-term impacts of aerosols on the vertical development of clouds and precipitation[J].Nature Geoscience，2011：888-894.

[25] HEGERL G，LUTERBACHER J，GONZ？LEZ-ROUCO F，et al.Influence of human and natural forcing on European seasonal temperatures[J].Nature Geoscience，2011，4（2）：99-103.

[26] KAUFMANN R K，STERN D I.Evidence for human influence on climate from hemispheric temperature relations[J].Nature，1997，388（6637）：39-44.

[27] HUANG Jianbin，WANG Shaowu，GONG Daoyi.Atmospheric oscillations over the last millennium[J].Chinese Science Bulletin，2010（22）：2479-2482.

[28] BAI Xuemei，CHEN Jing，SHI Peijun.Landscape urbanization and eco-nomic growth in China：positive feedbacks and sustainability dilemmas[J].Enviromental Science and Technology，2012（46）：132-139.endprint