吳紹飛，王 奇，黃彬彬，居 翔，徐長寶，賀 淼

(南昌工程學院 鄱陽湖流域水工程安全與資源高效利用國家地方聯(lián)合工程實驗室，江西 南昌 330099)

降水是誘發(fā)暴雨、城市內澇、山洪泥石流等災害的主要原因之一，對社會經濟活動造成極大威脅。氣候變化與人類活動雙重影響下，包括短歷時強降水等在內的極端水文事件呈廣發(fā)、頻發(fā)等態(tài)勢成為國內外普遍共識。因此，研究區(qū)域強降水時空分布規(guī)律，對認識強降水引發(fā)的自然災害有重要意義。Asadieh 等[1]發(fā)現(xiàn)全球最大日降水比過去110年增加了約5.73 mm。於琍等[2]發(fā)現(xiàn)近25年中國暴雨日數(shù)稍有增加，暴雨強度與日數(shù)總體上南方高于北方，東部高于西部。在區(qū)域尺度上，潘國艷等[3]發(fā)現(xiàn)贛江流域年最大日降水、95%閾值極端降水量與降水日數(shù)均表現(xiàn)出一定的增加趨勢，整體表現(xiàn)為由西南向東北增加。冶運濤等[4]研究了長江上游流域的降水結構特性，發(fā)現(xiàn)長江上游流域的降水發(fā)生率伴隨歷時的增加而減少，短歷時降水次數(shù)頻次逐漸增加，降水強度也隨之增大；宋曉猛等[5-6]研究了北京地區(qū)的降水結構和降水極值特征?？梢园l(fā)現(xiàn)，受觀測資料限制，相關研究主要以日以上時間尺度極端降水為主。吳偉杰等[7]等指出，采用日降雨量開展極端降水分析夸大了長時間連續(xù)性弱降水的作用，無法真實反映降水強度影響。謝五三等[8]等發(fā)現(xiàn)安徽省小時極端降水局地性特征明顯，且主要發(fā)生在梅雨期；章毅之等[9]研究了江西省近40年小時尺度降水的分布特性，結果表明，江西省短歷時降水的平均歷時呈“南少北多”的趨勢，降水量與頻次顯著增加。小時尺度降水更有利于真實的反映極端降水時程變化特征，更加符合暴雨致災研究需要，逐漸為越來越多學者重視。

江西省位于中國南部，屬亞熱帶暖濕季風氣候，常受暴雨洪澇等自然災害侵襲[10]，短時強降水引發(fā)的城市內澇、農田淹灌問題尤為突出。相關學者對區(qū)域極端天氣特征、形成因素、預報模型[11-12]做了大量研究，但是缺乏對小時尺度降水時空分布特征的進一步研究。本文選取江西省91個水文氣象站點1954—2012近60年小時尺度降水數(shù)據(jù)，系統(tǒng)開展研究區(qū)域多時段年最大降水變異診斷分析，以期為全省暴雨災害風險預警預報等提供一定的理論參考。

1 研究資料與方法

選用江西省1954—2012年91個氣象站(圖1)逐小時降水資料，引入水文變異診斷方法，分析江西省連續(xù)1、3、6、12、24 h等不同歷時年最大降水的時空分布特征。其中部分站點數(shù)據(jù)缺測，經過篩選最終選擇81個資料系列完整的站點進行分析。謝平等[13]指出，氣候變化與人類活動影響下的極端水文系列，常常表現(xiàn)出2種變異類型：跳躍和趨勢變異。使用單一的檢驗方法，診斷結果往往難以一致且不具備說服力，因此采用多種趨勢、跳躍診斷法，對各站點各時段最大降水序列進行綜合診斷。

圖1 研究區(qū)域站點分布

a)流程及方法。①首先使用Python編程對數(shù)據(jù)預處理，計算獲取站點各時段最大降水值，以及1 h降水大于等于16 mm、12 h大于等于30 mm、24 h大于等于50 mm的頻數(shù)。②其次通過詳細診斷的多種檢驗法、綜合診斷的效率系數(shù)，最終確定各站點各時段的最大降水變異類型。③最后結合GIS軟件將各站點的診斷結果、相應極端降水頻率進行空間分析。詳細診斷包含趨勢診斷、跳躍診斷。趨勢診斷采取線性趨勢、Kendall、Spearman，跳躍診斷選取M-K、累積距平、有序聚類、滑動F、滑動秩和；綜合診斷：效率系數(shù)R2。

b)趨勢診斷中Spearman秩次相關法。該方法為一種非參數(shù)檢驗法，用于檢驗變量之間的相關性。原理：將N對(xi，yi)依次秩序編號，將重復數(shù)據(jù)取編號平均進而對變量等級檢驗判斷數(shù)據(jù)之間的關聯(lián)性。式(1)rs是秩相關系數(shù)，取值介于(-1，1)，若取值大于0即為正相關，否則負相關，取值為0則無關，Ri和Qi分別是2個變量的秩。

(1)

c)跳躍診斷中Mann-Kendall原理。對已有序列x構造一個新的秩序列St，見式(2)，意為若序列的i時刻大于j時刻，則計數(shù)累加；假設序列隨機獨立，給定式(3)計算得出統(tǒng)計變量UFt，UBt是前者的逆序計算，利用式(4)、(5)計算出所構造序列的方差Var(St)，UFt、UBt是2條大小相同符號相異的曲線，兩者若兩者值大于0即序列趨勢增加，否則減少，超過顯著水平線就代表顯著，曲線有交點表明發(fā)生變異。

(2)

(3)

(4)

(5)

d)綜合診斷效率系數(shù)R2。引入效率系數(shù)R2用于判斷跳躍類型，計算得出效率系數(shù)值大者為最終跳躍變異類型；基于詳細診斷結果，其顯著性的判斷則根據(jù)統(tǒng)計各方法為顯著性的次數(shù)判斷，顯著計數(shù)1，否則0，累加大于2則最終診斷為趨勢顯著。R2計算方法為式(6)—(8)，發(fā)生跳躍突變時，若只有1種突變結果則直接跳過該系數(shù)直接判定；若2種形式都有，則綜合次數(shù)較多或鄰近較多的點作為突變點K，公式中Qm,i分為2種情況，若趨勢變異Qm,i則為該序列當前時刻的一元線性回歸值，若跳躍變異則在跳躍點K處分為前后2段數(shù)據(jù)分別代入式(7)、(8)計算，Qi為序列值。研究路線見圖2。

圖2 研究方法

(6)

(7)

(8)

2 結果與分析

2.1序列診斷

a)詳細診斷。選取處理好的萍鄉(xiāng)站降水序列，利用M-K、線性趨勢、滑動平均進行詳細診斷[14](由于站點和檢驗方法較多，限于篇幅只選取代表性站點進行展示)。首先，圖3使用M-K對萍鄉(xiāng)站各時段年最大降水序列跳躍檢驗，其中曲線UF、UB在顯著水平線α=0.05[15]內有交點則有可能發(fā)生變異，圖3a—3e分別是最大1、3、6、12、24 h降水序列的檢驗結果。試驗發(fā)現(xiàn)各時段最大降水序列的統(tǒng)計量曲線交叉點，多數(shù)集中于20世紀八九十年代，因此序列極有可能發(fā)生變異且具體時間節(jié)點分別為1986、1987、1989、1991、1996年；其次，為進一步判斷變異類型，圖4采用滑動平均[16]、一元線性回歸[17]法對各時段降水序列趨勢診斷，其中一元線性趨勢線的檢驗結果表明圖3a—3e各時段最大降水序列的變化趨勢都表現(xiàn)為增加，滑動平均趨勢線顯示出序列的基本走向，各時段序列的顯著性系數(shù)分別為2.20、3.21、2.82、2.62、2.34，都大于標準顯著性系數(shù)值，因此初步判斷萍鄉(xiāng)站最大降水序列的變化趨勢為顯著增加；最后，判斷站點的最終變異類型還需進行綜合診斷，若存在2種變異類型則需要計算相應的效率系數(shù)對比數(shù)值大小，只有單一類型則無需計算直接判定變異類型，并最終指出相應跳躍節(jié)點和趨勢程度。

a)1 h

a)1 h

d)12 h

b)綜合診斷。表1所示為萍鄉(xiāng)站5個時段最大降水序列診斷結果。其中趨勢診斷方法有3種：線性趨勢、Kendall、Spearman；跳躍診斷：M-K、累積距平、有序聚類、滑動F、滑動秩和。首先經過3種詳細診斷方法得出初步結果，其次通過綜合診斷計算出跳躍效率系數(shù)和趨勢效率系數(shù)(式(6)—(8))，對比兩者數(shù)值大者決定變異類型。結果表明每種方法都通過了顯著性水平檢驗，最終診斷結論為該站點5種時段最大降水序列均發(fā)生跳躍變異，各時段最大降水序列的跳躍節(jié)點分別為1976、1990、1989、1990、1992年。圖5為萍鄉(xiāng)站最大1、24 h降水序列的變異結果，圖5a顯示1 h最大降水序列在1976年發(fā)生向上跳躍變異，變異前后最大降水量均值分別為33.45、 43.52 mm；圖5b為24 h最大降水序列在1992年向上跳躍，跳躍前后均值分別為110.94、137.40 mm。

表1 萍鄉(xiāng)站多歷時變異診斷結果

a)1 h

2.2 變異類型及極端降水空間分布

通過以上診斷過程，確定各站點多時段最大降水序列的變異診斷結果(限于篇幅只選取了1、24 h作為展示)。由圖6可知伴隨歷時的增加，序列發(fā)生變異的站點逐漸增多且以跳躍增大居多。其中圖6a表明1 h發(fā)生顯著變異的站點主要集中在江西省北部鄱陽湖平原地區(qū)，少量分布在南方山嶺地區(qū)，整體呈現(xiàn)為“北密南疏”，變異年份以20世紀七八十年代為主；圖6b顯示24 h顯著變異的站點數(shù)增加十分明顯，以南方跳躍增大最為突出，其中變異節(jié)點以90年代居多，變化不顯著的站點集中在北方平原地區(qū)。主要成因分析：①時段最大降水變異分布呈現(xiàn)為“北密南疏”主要歸因于地形地貌，江西全省唯有北部擁有平原，東、西、南三面山嶺；②陳阿嬌[18]研究指出長江流域內降水變異程度與高程、大氣環(huán)流指數(shù)有一定相關性。因此對江西省時段最大降水變異進一步分析：南方山嶺地區(qū)降水序列變異程度與高程整體呈正相關性，北方平原地區(qū)呈現(xiàn)負相關性；結合大氣環(huán)流指數(shù)AO(北極濤動)與鄱陽湖流域內站點降水量呈負相關性、NAO(北大西洋濤動)與流域內站點降水量呈正相關性、PNA(太平洋-北美濤動)呈現(xiàn)負相關性[18]，可以發(fā)現(xiàn)大氣環(huán)流指數(shù)與江西省降水序列的變化有一定相關性，是造成時段最大降水變異的成因之一。

a)1 h

由圖7可知江西省各站點各時段暴雨發(fā)生頻次的空間分布。結果顯示，高頻次暴雨分布呈現(xiàn)為“西南多、東北少”。其中圖7a顯示1 h降水大于16 mm的高頻暴雨分布相對均勻，頻數(shù)在11～13之間，發(fā)生次數(shù)為6～9的則緊密集中于北部平原地區(qū)；12 h降水大于30 mm的高頻暴雨事件逐漸減少，其中發(fā)生5～6次的暴雨事件居多且分布相對均勻；24 h降水大于50 mm的暴雨事件進一步減少，高頻暴雨的頻數(shù)主要分布于全省中部和南部，次數(shù)為5～7次。造成這種分布情形的主要原因和當?shù)氐牡乩硇螒B(tài)有關，江西省三面環(huán)山，北部是鄱陽湖一帶的平原地區(qū)，形狀猶如“簸箕”，冷暖氣流在江西東部交匯，由于山脈的地形抬升，西部背風坡空氣下沉不利于產生強降水，因此北部地區(qū)發(fā)生強降水次數(shù)相對其他地區(qū)較少[19]。

a)16 mm

3 結論

本文利用江西省91個水文站近60年小時尺度降水資料，對全省多時段最大降水序列最大1 h至24 h進行變異診斷和最大降水均值、變差系數(shù)、暴雨頻次分析，主要結論如下。

a)江西省各尺度降水序列最大1、3、6、12、24 h分布特征較為相似，研究區(qū)域內發(fā)生顯著變異的站點北部平原地區(qū)多余南方山嶺地區(qū)，空間分布呈現(xiàn)為“北密南疏”。

b)南方山嶺與北方平原地區(qū)降水序列的變異程度與高程分別呈現(xiàn)正相關性、負相關性，大氣環(huán)流指數(shù)是造成時段最大降水序列變異的主要成因之一，其中研究人員發(fā)現(xiàn)AO、NAO、PNA與研究區(qū)域內降水量分別呈現(xiàn)負、正、負相關性。

c)全省暴雨事件發(fā)生頻次隨著歷時的增加逐漸減少，各歷時高頻暴雨事件空間分布西南區(qū)域相對北方較多，主要影響因素和當?shù)氐匦蜗嚓P。

基于全省多個氣象站小時降水資料，分析短歷時最大降水變異趨勢和暴雨頻次變化特征，目的在于為短時暴雨預報及洪澇預警服務提供一定信息參考。未來的氣象預報機制，需要提供更為精準氣象水文數(shù)據(jù)，尤其近年來城市內澇和洪澇問題頻發(fā)，更加需要對多時段短歷時降水過程進行多要素特性分析，下一步除了需要更為精準的降水資料，還需要結合深度學習技術對短時強降水出現(xiàn)的概率分布、短期降水量預測進一步研究。