陳宏松，何生錄，李興，祁玉佳

(青海省格爾木市氣象局，青海 格爾木 816099)

引言

《中國氣候變化藍(lán)皮書(2021)》指出全球變暖趨勢仍在持續(xù)，全球平均溫度較工業(yè)化前水平(1850—1900年平均值)高出1.2℃，是有完整氣象觀測記錄以來的三個最暖年份之一，中國仍是全球氣候變化的敏感區(qū)和影響顯著區(qū)，升溫速率明顯高于同期全球平均水平。這種以全球氣溫升高為主導(dǎo)的氣候變化背景下，降水也存在多種時間、空間尺度的變化。中國平均年降水量呈增加趨勢，降水變化區(qū)域間差異明顯，1961—2020年，中國平均年降水量呈增加趨勢，平均每10年增加5.1mm。已有研究表明，1961—2010 年中國降水強度總體加大，各區(qū)年代際降水強度變化也存在明顯的差異[1]。降水總量、頻率、持續(xù)性以及極端降水事件都存在明顯的區(qū)域性和季節(jié)性差異[2]。

本文所選取的長江源區(qū)位于青藏高原中東部地區(qū)，地處昆侖山脈與唐古拉山脈之間，是三江源區(qū)的重要組成部分。其降水變化與其下游的黃河源區(qū)和瀾滄江源區(qū)不盡相同[3]，不僅影響青藏高原腹地旱澇情況，也將直接影響長江流域整體的旱澇狀況[4]。有關(guān)長江源區(qū)降水量變化的研究成果，主要包括降水量的時空分布特征、降水日數(shù)變化特征、平均降水強度[5]。同時劉曉瓊等[3]研究了1960—2015年青海三江源區(qū)降水量序列的時空特征，表明降水量總體呈現(xiàn)弱增趨勢，21世紀(jì)以來降水量顯著增加，各子源區(qū)氣候傾向率不盡相同，長江源區(qū)季增濕率變化次序依次為春、夏、冬、秋，且均為正值。許學(xué)蓮等[6]根據(jù)長江源頭沱沱河氣象站和曲麻萊氣象站1961—2017年氣象資料分析了長江源頭氣候變化特征，研究表明，57 年來長江源頭降水量和降水日數(shù)增加趨勢不顯著，氣候傾向率分別為 9.1 mm/10 a 和 2.3 d/10 a。蔡玉琴等[7]基于長江源沱沱河氣象站逐日降水資料，對不同等級降水量、降水日數(shù)和降水強度的變化特征進行了分析。

綜合上述研究成果，對于長江源區(qū)更多代表站點、更長序列降水量的時空變化特征、降水百分率、不同量級降水變化特征及降水變化趨勢主要原因分析尚待進一步開展深入研究。本文基于長江源區(qū)5個氣象臺站的降水量、降水日數(shù)等資料，從時空變化特征、降水百分率、不同量級降水變化特征及影響降水變化的主要原因等方面進行分析，以期全面認(rèn)識長江源區(qū)降水變化特征，試圖揭示長江源區(qū)的降水性質(zhì)的變化特征，為提高青海長江源區(qū)降水預(yù)測能力和合理應(yīng)對旱澇災(zāi)害提供科學(xué)依據(jù)。

1 資料與方法

青海長江源區(qū)設(shè)玉樹、曲麻萊、清水河、五道梁、沱沱河和班瑪6個國家級自動氣象觀測站，考慮到各臺站起始時間不一致(如班瑪建站較晚)的實際情況，本文降水量數(shù)據(jù)盡可能選擇最長時間序列，最終選取了玉樹、曲麻萊、清水河、五道梁、沱沱河5個氣象臺站1961—2020年逐日降水資料，分別統(tǒng)計不同等級降水量和降水日數(shù)。季節(jié)定義是3～5月為春季、6～8月為夏季、9～11月為秋季、12月至次年2月為冬季。

根據(jù)中國氣象局降水等級劃分標(biāo)準(zhǔn)[8]，采用小雨、中雨、大到暴雨建立降水指數(shù)分析(表1)，研究長江源區(qū)降水量分布及變化趨勢、降水百分率的變化趨勢、氣候突變及變率的變化趨勢、降水日數(shù)變化和降水強度等。利用線性趨勢[9]的回歸系數(shù)作為變化趨勢作信度檢驗。利用Mann-Kendall檢驗[10]作氣候突變檢驗。在變率的研究中應(yīng)用時間序列的標(biāo)準(zhǔn)差來研究；通過建立9點滑動標(biāo)準(zhǔn)差的時間序列作為參考點所處時刻的變率，并利用9點滑動標(biāo)準(zhǔn)差的時間序列的一元線性回歸系數(shù)討論變率的變化趨勢[11]。

表1 降水指數(shù)定義

2 長江源區(qū)降水量變化特征

2.1 長江源區(qū)年降水量的空間分布特征

圖1為長江源區(qū)年平均降水量的空間分布圖。從圖中可以看出長江源區(qū)年降水量各地差異較為明顯，降水整體表現(xiàn)為由東向西逐漸減少的趨勢，年降水量在296.9～522.9 mm之間，降水低值中心位于沱沱河站(296.9 mm)，高值中心位于清水河站(522.9 mm)。長江源區(qū)年平均降水量的空間分布形式與劉凱等[12]提出的中國多年平均降水呈現(xiàn)出經(jīng)度和緯度方向的差異，經(jīng)度自西向東呈現(xiàn)顯著的增加趨勢的研究結(jié)果一致；與徐麗嬌等[13]對于青藏高原降水量空間分布上表現(xiàn)為從東南向西北逐級減少的研究結(jié)果大體一致。由長江源區(qū)年平均降水日數(shù)的空間分布(圖2)可以看出降水日數(shù)的空間分布與降水量空間分布基本一致，說明各地總體日降水量級差別不大。

圖1 長江源區(qū)年平均降水量空間分布

圖2 長江源區(qū)年平均降水日數(shù)空間分布

2.2 長江源區(qū)降水的年變化特征

圖3(a)、圖3(b)、圖3(c)為長江源區(qū)年降水量、年降水日數(shù)及年降水強度的變化趨勢，由圖可知，近60年長江源區(qū)降水量、降水日數(shù)和降水強度均呈波動增加趨勢，氣候傾向率分別為12.34 mm/10 a、0.62 d/10 a和0.08 (mm/d)/10 a，降水量和降水強度均通過了0.05水平的顯著性檢驗，降水日數(shù)沒有通過顯著性檢驗，說明長江源區(qū)年降水量和年降水強度以12.34 mm/10 a、0.08 d/10 a的速度增加，且表現(xiàn)顯著。長江源區(qū)年平均降水量在284.9～535.3 mm之間，多年降水量平均值為406 mm，降水量最多的年份是2009年，年降水量最少年份是1984年，2009年降水量約為1984年的2倍；年降水日數(shù)在103～163.2 d之間，降水日數(shù)多年平均為135.2 d，最多的年份是2012年，最少年份是1984年；降水強度在2.4～3.8 mm/d之間，年降水強度多年平均為3.0 mm/d，降水強度最強的年份是2009年，最弱的年份是1997年。從長江源區(qū)降水量、降水日數(shù)、降水強度的5年滑動平均變化曲線來看，降水量在1966—1978年、1996—2015年為明顯增加期；降水日數(shù)在2009—2020年為明顯增加期；降水強度在1967—1980年、1994—2014年為明顯增加期。

圖3 1961—2020年長江源區(qū)年降水量、年降水日數(shù)及年降水強度變化

2.3 長江源區(qū)降水量突變檢驗

為研究長江源區(qū)降水是否存在突變現(xiàn)象，采用Mann-Kendall(M-K)非秩次檢驗方法對降水相關(guān)要素的時間序列進行突變檢驗分析，圖4(a)、圖4(b)、圖4(c)為長江源區(qū)年降水量、年降水日數(shù)及年降水強度的M-K突變檢驗。由圖4(a)可以看出近60年長江源區(qū)年降水量呈現(xiàn)增加的趨勢，且增加趨勢在2017年以后超過0.05的顯著性水平檢驗，即2017年開始長江源區(qū)的年降水量呈現(xiàn)顯著增加趨勢。UF與UB兩條曲線在2007年出現(xiàn)交點，對應(yīng)的檢驗值在顯著性水平臨界值-1.96～1.96之間，長江源區(qū)降水量的突變時間在2007年。綜上所述，年降水量在2007年發(fā)生了突變，即從2007年后降水量增加的趨勢是一種突變現(xiàn)象。由圖4(b)可以看出近60年長江源區(qū)年降水日數(shù)無顯著變化，1985年以前UF與UB兩條曲線有多個交點，無明顯突變現(xiàn)象，1988年以后降水日數(shù)波動幅度減小。由圖4(c)可以看出近60年長江源區(qū)年降水強度整體呈現(xiàn)增加的趨勢，且增加趨勢在2006年以后超過0.05的顯著性水平檢驗，即2006年開始長江源區(qū)的降水強度呈現(xiàn)顯著增加趨勢，UF與UB兩條曲線在2001年出現(xiàn)交點，對應(yīng)的檢驗值在顯著性水平臨界值-1.96～1.96之間，長江源區(qū)降水強度的突變時間在2001年。綜上所述，年降水強度在2001年發(fā)生了突變，即從2001年后降水強度增加的趨勢是一種突變現(xiàn)象。

圖4 長江源區(qū)年降水量、年降水日數(shù)及年降水強度M-K突變檢驗

2.4 長江源區(qū)降水量季節(jié)變化特征

2.4.1降水百分率季節(jié)氣候態(tài)及趨勢

對于1961—2020年長江源區(qū)氣候平均態(tài)而言，季節(jié)降水百分率最大是在夏季，占全年降水的62.3%，其次是秋季21.0%、春季14.6%，冬季最少只有2.2%(表2)。為了討論各季節(jié)降水百分率的變化，計算了1961—2020年長江源區(qū)各季降水百分率區(qū)域平均的時間序列變化趨勢(表2)，顯示各季節(jié)降水百分率存在明顯的年際變化。春、夏季的降水百分率有明顯的上升趨勢，分別為0.79% (10a)-1和1.02(10a)-1，通過0.05的顯著性檢驗，秋季和冬季表現(xiàn)為弱的上升趨勢，均未能通過顯著性檢驗。

表2 1961—2020年長江源區(qū)各季節(jié)降水百分比的氣候態(tài)與變化趨勢

2.4.2降水百分率季節(jié)變率及趨勢

1961—2020年長江源區(qū)的降水百分率變率最大的是夏季，為5.43%；其次是秋季和春季，兩個季節(jié)數(shù)值較為接近，分別是4.13%和3.35%，冬季最小，其變率僅為0.9%(表3)。由于長江源區(qū)不同季節(jié)降水百分率的氣候態(tài)不同，季節(jié)間的變率并無直接可比性。為更嚴(yán)謹(jǐn)?shù)挠懻摚黾佑嬎懔私邓俜致实南鄬ψ兟?表3)，即用降水百分率標(biāo)準(zhǔn)差除以各季節(jié)降水百分率的氣候態(tài)相對變率[11]，相對變率不再受氣候態(tài)不同的影響，可分不同季節(jié)進行比較。長江源區(qū)夏季的相對變率最小，冬季最大，其次為秋季和春季。

表3 1961—2020年長江源區(qū)各季節(jié)降水標(biāo)準(zhǔn)差和相對變率

3 長江源區(qū)不同量級降水對總降水的貢獻

不同量級降水量、降水日數(shù)及降水強度間關(guān)系密切且復(fù)雜，不同量級降水量(降水日數(shù))與總降水量(降水日數(shù))的百分比，能反映不同量級降水對總降水的貢獻。本文分別計算出小雨(雪)、中雨(雪)及大雨(雪)以上量級降水的降水量及降水日數(shù)對總降水量及降水日數(shù)的貢獻率，進而揭示不同量級降水對總降水的影響(表4)。

由表 4可以看出，近60年長江源區(qū)小雨(雪)的降水量對年降水量的貢獻率最大，為62.4%；中雨(雪)降水量貢獻率次之，為31.1%，但明顯小于小雨(雪)降水量的貢獻率；大雨(雪)以上量級降水貢獻率最低僅為6.5%。進一步分析不同量級降水日數(shù)對年總降水日數(shù)的貢獻率，近60年長江源區(qū)小雨(雪)降水日數(shù)的貢獻率最大，為89.5%；中雨(雪)降水及大雨(雪)以上量級降水日數(shù)貢獻率明顯小于小雨(雪)降水日數(shù)貢獻率，分別為8.8%和1.7%。綜上可知，長江源區(qū)降水量及降水日數(shù)的變化主要原因是小雨(雪)降水量和日數(shù)的變化影響，這與蔡玉琴等[7]利用沱沱河單站降水?dāng)?shù)據(jù)的研究結(jié)論基本一致。

表4 1961—2020年長江源區(qū)降水量、降水日數(shù)及貢獻率

4 結(jié)論與討論

4.1 結(jié)論

(1)長江源區(qū)年降水量表現(xiàn)為由東向西逐漸減少的趨勢，年降水量在296.9～522.9 mm之間，年平均降水日數(shù)與降水量分布形式基本一致；長江源區(qū)降水量、降水日數(shù)和降水強度均呈波動增加趨勢，年降水量和年降水強度以12.34 mm/10 a、0.08 d/10 a的速度增加。

(2)長江源區(qū)降水量的突變時間在2007年，從2007年后降水量的增加趨勢是一種突變現(xiàn)象；年降水日數(shù)無明顯突變現(xiàn)象；降水強度的突變時間在2001年，從2001年后降水強度增加的趨勢是一種突變現(xiàn)象。

(3)長江源區(qū)氣候平均態(tài)而言，季節(jié)降水百分率夏季最大，占全年降水量的62.3%，其次是秋季21.0%、春季14.6%，冬季最小為2.2%，四季降水百分率均呈增加趨勢。降水百分率變率最大的是夏季，為 5.43%，其次是秋季和春季，分別是4.13%和3.35%，冬季最小僅為0.9%；夏季的相對變率最小，冬季最大，其次為秋季和春季。

(4)近60年長江源區(qū)小雨(雪)的降水量貢獻率最大，其次為中雨(雪)，大雨(雪)以上量級降水貢獻率最低；小雨(雪)降水日數(shù)的貢獻率最大，中雨(雪)次之，大雨(雪)以上量級降水日數(shù)貢獻率最小；降水量及降水日數(shù)的變化主要是受小雨(雪)降水量級和日數(shù)的變化影響。

4.2 討論

利用玉樹、曲麻萊、清水河、五道梁、沱沱河5個氣象臺站1961—2020年降水量數(shù)據(jù)研究長江源區(qū)降水的時空分布，年平均降水量的空間分布形式與文獻[12-13]的研究結(jié)果基本一致，說明近幾年長江源區(qū)降水空間分布與常年一致；在延長研究資料年限和增加代表站后長江源區(qū)年降水量、降水日數(shù)、降水強度變化氣候傾向率及顯著性檢驗的結(jié)果的代表性會優(yōu)于前人[7]的研究結(jié)論，同時長江源區(qū)降水量變化與青藏高原降水變化基本一致[13，15]，說明長江源區(qū)降水變化能夠大體代表高原降水變化。文中只用了Mann-Kendall方法進行突變檢驗，丁一匯等[14]提出滑動t檢驗、累計距平和M-K檢測氣候序列突變時會有一定差異。綜合來看，M-K突變檢驗分析結(jié)果相對精準(zhǔn)，多方法綜合診斷可有效提高氣候序列突變點判斷結(jié)果的準(zhǔn)確性。線性傾向估算相對簡捷，但M-K法同樣作為非參數(shù)時間序列變化趨勢的檢驗方法，能直觀判斷原時間序列走勢的同時，又可借助統(tǒng)計檢驗值的顯著性水平判斷其走向，僅就文中比對結(jié)果來看，M-K法分析結(jié)果的可信度高于簡單的線性傾向估算法。