孫莉娟, 陳金華, 徐 陽, 黃 進(jìn)

(1.安徽省人工影響天氣辦公室, 合肥 230031; 2.安徽省農(nóng)村綜合經(jīng)濟(jì)信息中心(安徽省農(nóng)業(yè)氣象中心),合肥 230031; 3.南京信息工程大學(xué) 應(yīng)用氣象學(xué)院， 南京 210044; 4.淮河流域氣象中心, 安徽 合肥 230031)

強降水作為極端天氣氣候事件的一種，是引發(fā)洪澇、內(nèi)澇、漬澇及泥石流和水土流失等氣象、水文、及環(huán)境災(zāi)害的首要致災(zāi)因子[1]。IPCC(聯(lián)合國政府間氣候變化專門委員會)特別報告指出氣候變化會導(dǎo)致強降水事件的頻次、強度和持續(xù)性發(fā)生改變，特別是全球大多地區(qū)的特大降雨事件從20世紀(jì)中葉以來呈現(xiàn)出增加趨勢[2]。強降水事件的頻發(fā)及其增加的水災(zāi)害風(fēng)險正成為人類社會面臨的重大挑戰(zhàn)，因此使用多種類型降水指數(shù)全面評估強降水變化及其影響的區(qū)域差異性，具有重要的科學(xué)和現(xiàn)實意義[3]。安徽省地跨長江、淮河，作為全國重要的糧食產(chǎn)區(qū)，南北氣候條件差異大，水澇災(zāi)害頻發(fā)，農(nóng)業(yè)經(jīng)濟(jì)損失嚴(yán)重[4]。因此，了解并掌握安徽降水的氣候特征，特別是強降水的時空演變格局對積極防災(zāi)減災(zāi)均有重要指導(dǎo)意義。安徽省現(xiàn)有的研究多側(cè)重于某些單一降水指標(biāo)的趨勢診斷，缺乏多類型指標(biāo)的綜合比對分析，此外針對強降水年際變化對農(nóng)業(yè)影響的量化研究的嘗試還很有限[5-7]。鑒于此，本文從降水極值、暴雨日數(shù)、極端連續(xù)降水、降水集中性等多個角度全面評估研究區(qū)強降水的時空演變，并探討其對糧食生產(chǎn)的潛在影響。

1 資料與方法

1.1 基本數(shù)據(jù)

降水資料來源于安徽省氣象局提供的77個氣象觀測站1973—2017年的逐日降水?dāng)?shù)據(jù)，這77個站點的空間分布具體見圖1。此外，國家統(tǒng)計數(shù)據(jù)庫(http:∥data.stats.gov.cn/)提供了全省尺度1973—2017年夏、秋糧的總產(chǎn)量數(shù)據(jù)以及水災(zāi)受災(zāi)面積數(shù)據(jù)。

圖1 安徽省77個氣象站的空間分布

1.2 強降水指數(shù)的定義

本文所采用的強水指數(shù)(PI)共有11種(表1)，其中Pmax，D50，D100，CWD，P95源自氣候變化探測和指標(biāo)聯(lián)合專家組織(Expert Team for Climate Change Detection Monitoring and Indices)設(shè)定的極端氣候指數(shù)。與此同時，P1～2 d，P3～4 d，P5～6 d，P>6 d用來描述不同持續(xù)日數(shù)的連續(xù)降水事件的極值。此外，PCI與CI用來刻畫月降水和日降水集中性，其中PCI由逐月降水量計算而來，主要用于度量年內(nèi)降水的非均勻分配；而CI由逐日降水?dāng)?shù)據(jù)計算而來，旨在描述某時段內(nèi)的累積降水量百分比與累積降水天數(shù)百分比間的洛倫茲曲線分布，并利用基尼系數(shù)評估日降雨分布特性[8-11]。PCI與CI的值越高，則降水集中性越高，某年發(fā)生雨澇災(zāi)害的風(fēng)險也就越大，其計算過程可見徐慧[8]與邢萬秋[9]的相關(guān)工作。本降水指數(shù)的計算過程中，日降水量≥1 mm被定義為一次降水事件，連續(xù)降水事件的最短持續(xù)天數(shù)為1 d。

表1 強降水指數(shù)的定義

1.3 降水指數(shù)的時空分析

主成分分析常見于生態(tài)環(huán)境等領(lǐng)域多指標(biāo)綜合評價的數(shù)據(jù)降維，其作用于多樣本(站點)多指標(biāo)構(gòu)成的矩陣時，可以把有一定相關(guān)性的多個原始指標(biāo)通過線性變換為另一組新的不相關(guān)的少量指標(biāo)，新的指標(biāo)按照方差依次遞減的順序排列，排第一的指標(biāo)稱為第一主成分，依次類推[12-13]。于此同時，主成分分析在識別氣候變量相似及分異性的區(qū)劃中也有廣泛應(yīng)用，其作用于多樣本(站點)單一指標(biāo)時間序列構(gòu)成的矩陣時，新生成的若干主成分得分序列表征了研究區(qū)不同類型的年際變化，不同主成分在各站點原始序列的載荷可有效的用于空間尺度的氣候分區(qū)[14-15]。此外，“Mann-Kendall趨勢檢驗”(M-K檢驗)以及五年滑動平均處理用來診斷相關(guān)氣候指標(biāo)的變化特征。

1.4 強降水對糧食產(chǎn)量的影響量化

為了剔除技術(shù)進(jìn)步及管理等非氣候因素對作物產(chǎn)量的影響，本文采用產(chǎn)量與氣候要素的一階差分法(即當(dāng)年與前一年的差值)對相關(guān)指標(biāo)的年際序列進(jìn)行預(yù)處理[16]。計算降水指數(shù)與糧食總產(chǎn)量間的相關(guān)系數(shù)，并采用公式(1) 量化降水指數(shù)變化對產(chǎn)量的影響。

ΔYield =a×ΔPI +b

(1)

式中：ΔYield為糧食產(chǎn)量的一階差分；ΔPI為降水指數(shù)的一階差分。產(chǎn)量對降水指數(shù)的敏感性(SE)定義為其變化1 mm或1 d時產(chǎn)量的變化幅度，可由式(1)中的回歸系數(shù)a除以研究期多年平均產(chǎn)量得到，單位為百分比；PI的年際變化對產(chǎn)量的影響則由研究期PI 的線性趨勢與SE相乘得到，單位也為百分比。

2 結(jié)果與分析

2.1 強降水的空間分布

首先計算了安徽省各站點11種降水指數(shù)的多年均值，將其構(gòu)建的11列(11個降水指標(biāo))×77行(77個站點)的矩陣導(dǎo)入統(tǒng)計軟件SPSS 19.0中的主成分分析模塊。由表2—3結(jié)果可知，第1主成分(PC1)的方差貢獻(xiàn)率最大(65.8%)，加上第2主成分(PC2)的方差貢獻(xiàn)率，累積方差貢獻(xiàn)率超過了88%，且這2個主成分的特征根均大于2，因此原指標(biāo)群降維成的PC1和PC2這兩個新的綜合指標(biāo)。由表2中載荷的高低來看，PC1主要表征強降水的頻次、持續(xù)性、極值，而PC2則表征了降水集中性。

表2 降水指標(biāo)群的主成分分析

表3 2個主成分在各降水指數(shù)的載荷

SPSS基于原始指標(biāo)和主成分的線性關(guān)系輸出的各站點主成分得分(PCS1和PCS2)通過ArcGIS 10的反距離權(quán)插值更為直觀的描述了研究區(qū)強降水的空間分布格局。圖2A中研究PCS1呈現(xiàn)出顯著的由南向北遞減的梯度變化，表明安徽南部的強降水極值要明顯高于中部和北部地區(qū)。造成這種南北顯著差異的原因可能有兩個方面：一是由于南部地區(qū)山地較多，地形抬升作用易觸發(fā)強降水；二是南部地區(qū)暖濕氣流活躍，當(dāng)西太平洋副熱帶高壓活動或冷空氣擴散南下時易形成強降水[17]。不同于PCS1，圖2B中PCS2的空間分布表明研究區(qū)的降水集中性呈現(xiàn)出由中部向南北兩端減弱的態(tài)勢，兩個高值區(qū)域分別位于最北端和西南部。安徽北部位于暖溫帶半濕潤季風(fēng)氣候區(qū)，雨季相對較短，因而降水集中性較高；安徽西南部位于大別山地形降水區(qū)，其暴雨日比重較高，因而降水集中性也較強[18]。

圖2 主成分得分PCS1和PCS2的空間分布

2.2 關(guān)鍵雨災(zāi)指標(biāo)的篩選

表2中的降維結(jié)果反映了研究區(qū)不同類型降水指數(shù)之間存在著一定程度的共線性，指標(biāo)群過于冗繁，因此簡化并篩選出關(guān)鍵指標(biāo)更有利于精準(zhǔn)評估研究區(qū)雨災(zāi)的時空變化。表4—5中通過相關(guān)分析匯總了各站點某個降水指數(shù)與全省水災(zāi)受災(zāi)面積年際變化的同步性，相關(guān)性越高，同步性越強，則該指數(shù)越能表征研究區(qū)的雨災(zāi)變化。可以發(fā)現(xiàn)無論是比較相關(guān)系數(shù)的均值還是呈顯著正相關(guān)性站點的數(shù)量，極端雨天總降水量(P95)明顯優(yōu)于其他降水指數(shù)，其對指示研究區(qū)水災(zāi)具有極強的普適性，應(yīng)作為表征雨澇災(zāi)害的關(guān)鍵指標(biāo)加以深入分析和探討。

表4 各站點相關(guān)系數(shù)的平均值

表5 各站點呈現(xiàn)顯著正相關(guān)性站點的數(shù)量

2.3 關(guān)鍵指標(biāo)P95的時空演變

為了辨識關(guān)鍵指標(biāo)P95年際變化的空間差異，將各站點P95逐年序列構(gòu)建的77列(77個站點)×45行(45 a)的矩陣導(dǎo)入統(tǒng)計軟件SPSS 19.0中進(jìn)行主成分分析。圖3中前6個主成分累積方差貢獻(xiàn)率超過了70%，且各主成分的特征根均大于2。因此，77個站點的P95年際變化可識別出6個典型模態(tài)，D特別是前3個主成分代表了研究區(qū)最突出的3種P95變化型。圖4中的載荷表征了不同模態(tài)與各站點P95序列的相關(guān)性，可有效的將研究區(qū)劃分為與6個主成分相對應(yīng)的子區(qū)域，分別為區(qū)域I(中南部)，區(qū)域Ⅱ(中北部)，區(qū)域Ⅲ(南部)，區(qū)域Ⅳ(西北角)，區(qū)域V(東北角)，區(qū)域Ⅵ(最北端)。分區(qū)結(jié)果與安徽省主要自然地形區(qū)的分布較吻合，特別是區(qū)域I、區(qū)域Ⅱ、區(qū)域Ⅲ大致對應(yīng)了沿江低地區(qū)、江淮隆丘區(qū)和皖南山區(qū)3個典型地形區(qū)，這進(jìn)一步說明了復(fù)雜多樣的地形地貌以及南北氣候過渡性是造成研究區(qū)強降水變化區(qū)域差異的主要原因[6]。

圖3 各站點P95主成分分析的碎石圖

圖4 各主成分對應(yīng)載荷的空間分布

圖5中主成分得分序列直觀地表征了各子區(qū)域近45 a的P95演變過程。從M-K檢驗結(jié)果來看，各序列1973—2017年的變化趨勢均沒有通過顯著性檢驗，其中區(qū)域Ⅱ的P95上升趨勢較強，而區(qū)域I的P95下降趨勢較強。此外，各序列的五年滑動平均進(jìn)一步刻畫出了P95的波動與振蕩。由圖5所示，區(qū)域I，Ⅱ，Ⅲ，Ⅳ，Ⅵ的P95有著較明顯的年代際轉(zhuǎn)折，分別呈現(xiàn)出↑↓↑，↑↓↑，↑↓↑，↑↓↑↓，↑↓↑↓的變化型，而區(qū)域Ⅴ的P95則呈現(xiàn)出較強烈的年際波動。值關(guān)注的是2003年以后區(qū)域I，Ⅲ的P95上升態(tài)勢顯著，而區(qū)域Ⅱ的P95在2010年后也呈現(xiàn)出較強的上升態(tài)勢。東亞夏季風(fēng)的年代際振蕩可能是造成安徽省大部分地區(qū)近十幾年來強降水增加的主要原因[19]。1990年代末以來，隨著東亞夏季風(fēng)的增強，雨帶開始向北移動至長江以北地區(qū)，雨帶北界超過35°N，進(jìn)而導(dǎo)致江淮流域夏季降水偏多[20]。

注：灰色實線為PCS；黑色虛線為PCS的5 a滑動平均；Z為MK檢驗結(jié)果。

圖5 各子區(qū)域主成分得分序列的趨勢檢驗

2.4 糧食產(chǎn)量波動對P95的響應(yīng)

在一階差分預(yù)處理的基礎(chǔ)上，計算了全省糧食總產(chǎn)量序列和各子區(qū)域P95主成分得分序列的相關(guān)系數(shù)，以此來探求不同區(qū)域強降水變化對糧食生產(chǎn)安全的可能影響。由表6—7可以看出，PCS2與產(chǎn)量的相關(guān)性明顯高于其他分區(qū)，特別是PCS2與夏糧產(chǎn)量呈現(xiàn)出極顯著的負(fù)相關(guān)性，這表明安徽省中北部區(qū)域P95的年際變化對糧食產(chǎn)量波動有著顯著的指示作用。P95每增加10 mm，夏糧及秋糧的總產(chǎn)量隨之減少0.7%和0.2%。由表4還可以發(fā)現(xiàn)近45 a安徽中北部P95的增加趨勢導(dǎo)致了夏糧及秋糧的總產(chǎn)量分別減產(chǎn)了0.72%和0.26%。總體而言，安徽省強降水的年際變化對糧食生產(chǎn)是不利的，應(yīng)加強重點區(qū)域P95的監(jiān)測及預(yù)報，以降低雨澇災(zāi)害導(dǎo)致的糧食損失。

表6 安徽省糧食總產(chǎn)量與各分區(qū)PCS的相關(guān)分析

注：**表明通過了0.01顯著性水平。

表7 安徽省糧食總產(chǎn)量對中北部P95變化的響應(yīng)

3 結(jié) 論

(1) 本研究計算并提取了安徽省77個氣象站點的11種降水指數(shù)，在各指數(shù)多年均值的基礎(chǔ)上，主成分分析指出研究區(qū)強降水的極值、頻次、持續(xù)性均由南向北遞減，而集中性則呈現(xiàn)出中部低、南北高的空間格局。

(2) 各站點不同類型降水指數(shù)與全省水災(zāi)受災(zāi)總面積的相關(guān)分析指出極端雨天總降水量(P95)與災(zāi)害年際波動的同步性最高，可作為表征雨澇災(zāi)害的關(guān)鍵指標(biāo)。

(3) 基于主成分分析，安徽可以劃分成中南部、中北部、南部、西北角、東北角、最北端這個6個呈現(xiàn)不同P95年際變化特征的氣候子區(qū)域。自2003年以來，中南部、中北部、南部地區(qū)的P95呈現(xiàn)出較為顯著的增加趨勢。

(4) 全省糧食總產(chǎn)量對中北部P95的年際波動更為敏感，其每增加10 mm將導(dǎo)致夏糧及秋糧的總產(chǎn)量分別減少0.7%和0.2%，特別是近45 a來中北部P95的增加趨勢給夏糧產(chǎn)量帶來了0.72%的減產(chǎn)。