江潔 周天軍 ,2 張文霞
1 中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點(diǎn)實(shí)驗(yàn)室(LASG), 北京 100029
2 中國科學(xué)院大學(xué)地球與行星科學(xué)學(xué)院, 北京 100049
全球增暖背景下,近年來各類極端降水事件頻發(fā)。2010 年以來,北京多次發(fā)生暴雨,其中2012年7 月20 日為1951 年以來最強(qiáng)特大暴雨過程,造成79 人死亡,2016 月7 月20 日再次發(fā)生歷史罕見的特大暴雨(甘璐等, 2017; 田付友等, 2021)。2021 年7 月20~21 日,河南中北部發(fā)生特大暴雨,位于暴雨中心的鄭州城區(qū)最高小時(shí)降雨量達(dá)201.9毫米,為中國大陸小時(shí)降雨量歷史最高,多條河流出現(xiàn)超警洪水(孫躍等, 2021)。全國各地強(qiáng)降水事件頻發(fā)時(shí),云南等地卻連續(xù)多年發(fā)生嚴(yán)重干旱。2019 年晚春至初夏,云南受降水量偏少和高溫影響,超過100 條河流斷流,82.4 萬人面臨飲水困難,農(nóng)作物受災(zāi)面積高達(dá)960 萬畝(Lu et al., 2021)。極端降水事件及洪澇、水文干旱等次生災(zāi)害已經(jīng)嚴(yán)重危害到了人民群眾的生產(chǎn)生活和生命安全,給國家和社會(huì)造成了巨大的經(jīng)濟(jì)損失。理解極端降水事件頻率、強(qiáng)度、持續(xù)時(shí)間的變化,對(duì)國家防災(zāi)減災(zāi)以及制定氣候變化適應(yīng)及減緩政策具有重要意義(孫穎等, 2015)。
政府間氣候變化專門委員會(huì)(IPCC)《管理極端事件和災(zāi)害風(fēng)險(xiǎn),推進(jìn)氣候變化適應(yīng)》特別報(bào)告中指出,1950s 以來,陸地大部分地區(qū)極端降水事件的頻率和強(qiáng)度均發(fā)生顯著變化(Seneviratne et al., 2012)。在中國,大部分地區(qū)能觀測(cè)到強(qiáng)降水和極端強(qiáng)降水事件頻率增多、強(qiáng)度增強(qiáng),并呈現(xiàn)出小雨減少暴雨增多的特征(Ma et al., 2017a; 賀冰蕊和翟盤茂, 2018; Li and Chen, 2021)。代表極端干旱的最大連續(xù)干旱日數(shù)(CDD)則在大多數(shù)地區(qū)呈現(xiàn)減少趨勢(shì)(尹紅和孫穎, 2019; Zheng et al.,2019)。中國極端降水的變化具有顯著的區(qū)域性差異,大部分極端降水指數(shù)在我國西北、東南和長江中下游地區(qū)呈增加趨勢(shì),而在華北、東北和西南等地呈減少趨勢(shì)(Zhai et al., 2005; 陳海山等, 2009; 高濤和謝立安, 2014; Ma et al., 2015; 武文博等, 2016;Zhou et al., 2016; Wang et al., 2017)。
作為最主要的自然災(zāi)害之一,極端降水頻次和強(qiáng)度的變化可能會(huì)導(dǎo)致旱澇災(zāi)害(Seneviratne et al., 2012; Ivancic and Shaw, 2015; Zhang et al., 2015;Wasko and Nathan, 2019; Chen et al., 2021a)。中國洪澇災(zāi)害頻發(fā),是世界上洪澇災(zāi)害最頻繁的國家之一(王艷君等, 2014)。考慮到中國極端降水變化存在顯著的區(qū)域性差異,有必要明晰不同流域極端降水的時(shí)空變化特征,為理解與極端降水有關(guān)的旱澇災(zāi)害提供科學(xué)參考。目前已有工作考察了個(gè)別流域極端降水的變化情況,包括長江流域(Su et al.,2006; Dong et al., 2011; 孫惠惠等, 2018)、珠江流域(Yang et al., 2010; Zhang et al., 2012a)、淮河流域(Xia et al., 2012; 陸苗等, 2015; 潘欣等, 2019)、黃河流域(Hu et al., 2012; 賀振和賀俊平, 2014; 馬佳寧和高艷紅, 2019)、海河流域(Chu et al.,2010; 張兵等, 2014)和松遼流域(襲祝香等,2019)。但以往研究主要集中在東部沿海流域,不同流域的研究多基于不同的方法和不同的降水指數(shù),關(guān)注的時(shí)間段也存在差異,各流域的結(jié)果無法直接進(jìn)行比較。也有少量研究討論了中國不同流域極端降水變化情況,但對(duì)不同流域極端降水的變化仍缺乏定論(陳峪等, 2010; Zhang and Cong, 2014)。
極端降水的變化是氣候系統(tǒng)內(nèi)部變率和外強(qiáng)迫共同作用的結(jié)果。其中,氣候系統(tǒng)內(nèi)部變率是指氣候系統(tǒng)自身固有的變化,是氣候系統(tǒng)各圈層相互作用的結(jié)果(陸靜文等, 2020)。外強(qiáng)迫則包括太陽活動(dòng)、火山氣溶膠等自然外強(qiáng)迫,以及溫室氣體、人為氣溶膠排放等人為外強(qiáng)迫(Myhre et al.,2014)。檢測(cè)歸因結(jié)果表明,中國極端降水頻率和強(qiáng)度的變化,以及降水譜的偏移與外強(qiáng)迫有關(guān)(Chen and Sun, 2017; Li et al., 2017; Ma et al.,2017a; Li and Chen, 2021; Chen et al., 2021b)。也有研究指出,厄爾尼諾—南方濤動(dòng)(El Ni?o-Southern Oscillation,簡稱ENSO)、太平洋年代際振蕩(Pacific Decadal Oscillation,簡稱PDO)等氣候系統(tǒng)內(nèi)部變率也會(huì)影響中國極端強(qiáng)降水的變化(Fu et al., 2013; Cao et al., 2021)。目前關(guān)于中國極端降水檢測(cè)歸因的分析研究較為有限,且多關(guān)注中國整體降水變化原因(Ma et al., 2017a; Li et al., 2018; Li and Chen, 2021; Lu et al., 2020)。
世界氣象組織(WMO)氣候委員會(huì)(CCI)、世界氣候研究計(jì)劃(WCRP)及海洋學(xué)和海洋氣象學(xué)聯(lián)合技術(shù)委員會(huì)(JCOMM)聯(lián)合成立的氣候變化檢測(cè)和指數(shù)專家組(ETCCDI)定義了27 個(gè)具有代表性和全球適用性的極端氣候指數(shù)(Zhang X B et al., 2011; 尹紅和孫穎, 2019),其中的10 個(gè)是與降水有關(guān)的氣候指數(shù)。本文擬基于臺(tái)站觀測(cè)資料,利用ETCCDI 定義的10 個(gè)降水指數(shù),考察并比較中國九大流域極端降水變化情況,并重點(diǎn)回答以下關(guān)鍵科學(xué)問題:(1)1960s 以來中國平均降水、極端降水如何變化?這種變化在內(nèi)部變率范圍內(nèi)還是與外強(qiáng)迫有關(guān)?(2)各流域平均降水、極端降水的長期變化是否存在差異?不同流域降水變化的主要特征是什么?
本文選取全國及九大流域片作為研究區(qū)域,如圖1 所示。其中九大流域片依照中國科學(xué)院地理科學(xué)與資源研究所資源環(huán)境科學(xué)與數(shù)據(jù)中心的標(biāo)準(zhǔn),劃分為:內(nèi)陸河片、西南諸河片、東南諸河片、珠江流域片、長江流域片、黃河流域片、淮河流域片、海河流域片和松遼河流域片。
圖1 九大流域片及624 個(gè)臺(tái)站分布,數(shù)字代表每一流域片的臺(tái)站數(shù)Fig. 1 The distributions of nine river basins and 624 stations. The number of stations for each river basin is also shown
本文所使用的觀測(cè)資料為中國氣象局(CMA)提供的中國地面氣候資料日值數(shù)據(jù)集V3.0,其中包含839 站經(jīng)過嚴(yán)格質(zhì)量控制的逐日降水資料(楊溯和李慶祥, 2014)。本文利用臺(tái)站逐日降水資料計(jì)算了ETCCDI 定義的10 個(gè)降水指數(shù)。ETCCDI要求計(jì)算極端氣候指數(shù)的原始數(shù)據(jù)具有較高的時(shí)間覆蓋度,具體為:若某年(月)降水?dāng)?shù)據(jù)缺測(cè)1 月(3 日)以上,則該年(月)極端氣候指數(shù)設(shè)為缺測(cè)值;若某年降水?dāng)?shù)據(jù)缺測(cè)15 日以上,該年極端氣候指數(shù)也會(huì)設(shè)為缺測(cè)值(Zhang X B et al., 2011;Zhang and Zhou, 2019)。本文依照該標(biāo)準(zhǔn)進(jìn)行篩選,1961~2017 年期間每一年均有極端降水指數(shù)記錄的有效臺(tái)站數(shù)共624 個(gè)。有效臺(tái)站地理分布及每個(gè)流域片擁有的有效臺(tái)站數(shù)如圖1 所示。
2.3.1 降水指數(shù)
ETCCDI 定義的10 個(gè)降水指數(shù)如表1 所示,包括年降水量(PRCPTOT)、降水強(qiáng)度(SDII)和8 個(gè)極端降水指數(shù)(Rx5day、Rx1day、R95p、R99p、R10mm、R20mm、CWD 和CDD)。
表1 氣候變化檢測(cè)和指數(shù)專家組(ETCCDI)定義的10 個(gè)降水指數(shù)Table 1 Information for 10 precipitation indices defined by ETCCDI (Expert Team on Climate Change Detection and Indices)
2.3.2 趨勢(shì)及顯著性檢驗(yàn)
考慮到臺(tái)站資料的覆蓋度,本文關(guān)注1961~2017 年各降水指數(shù)的變化趨勢(shì),計(jì)算趨勢(shì)所用的方法為Theill-Sen 趨勢(shì)估計(jì),該非參數(shù)方法對(duì)測(cè)量誤差和離散數(shù)據(jù)不敏感,已被廣泛用于計(jì)算長時(shí)間序列的趨勢(shì)(Ohlson and Kim, 2015)。
本文采用Mann-Kendall 非參數(shù)檢驗(yàn)法來檢驗(yàn)降水指數(shù)是否具有顯著變化趨勢(shì),該方法不對(duì)數(shù)據(jù)的分布進(jìn)行假設(shè),被廣泛用于極端氣候指數(shù)變化趨勢(shì)的顯著性檢驗(yàn)(Kendall, 1955)。本文中,當(dāng)趨勢(shì)落在零假設(shè)分布的雙側(cè)尾部各2.5%范圍及零假設(shè)以外時(shí),認(rèn)為該降水指數(shù)顯著增加或減少。
考慮到不同區(qū)域降水指數(shù)量級(jí)存在差異,為對(duì)不同區(qū)域極端降水指數(shù)變化進(jìn)行比較,本文采用了相對(duì)氣候態(tài)的變化趨勢(shì),其中氣候態(tài)定義為1961~2017 年平均值。
2.3.3 空間場(chǎng)顯著性檢驗(yàn)
為考察降水指數(shù)在一定空間范圍內(nèi)是否具有顯著增加或減少趨勢(shì),換句話說,降水指數(shù)的變化是在內(nèi)部變率范圍內(nèi)還是在受到外強(qiáng)迫作用,本文采用了基于區(qū)域同號(hào)變化比例的空間場(chǎng)顯著性檢驗(yàn)(von Storch and Zwiers, 1999; Kiktev et al., 2003;Wilks, 2006; Westra et al., 2013)。具體步驟為:
(1)計(jì)算原始降水指數(shù)呈顯著增加或減少趨勢(shì)的臺(tái)站數(shù),將其與總臺(tái)站數(shù)之比作為實(shí)際觀測(cè)值;
(2)在原始數(shù)據(jù)[時(shí)間長度(T)×站點(diǎn)數(shù)(N)]的時(shí)間維上進(jìn)行T次可重復(fù)的隨機(jī)再取樣(即bootstrap 取樣),產(chǎn)生一組新的時(shí)間維(長度為T),所有的臺(tái)站數(shù)據(jù)同時(shí)采用再取樣后的時(shí)間維,而原有的空間維次序保持不變,可生成一組新的數(shù)據(jù)[時(shí)間長度(T)×站點(diǎn)數(shù)(N)];
(3)重復(fù)步驟(2)1000 次,產(chǎn)生1000 組bootstrap 樣本,每組樣本可視為氣候系統(tǒng)內(nèi)部變率產(chǎn)生的一種可能情形;
(4)計(jì)算1000 組bootstrap 樣本降水指數(shù)呈顯著增加或減少趨勢(shì)的臺(tái)站數(shù)占總臺(tái)站數(shù)之比,構(gòu)成零假設(shè)分布,代表氣候系統(tǒng)內(nèi)部變率導(dǎo)致的可能變化;
(5)比較實(shí)際觀測(cè)值與零假設(shè)分布,若觀測(cè)值落在尾部5%范圍及以外,則認(rèn)為實(shí)際觀測(cè)到的降水指數(shù)變化空間分布型在0.05 的顯著性水平上不可能僅由氣候系統(tǒng)內(nèi)部變率解釋。
當(dāng)bootstrap 取樣次數(shù)為5000 次和10000 次時(shí),本文結(jié)果不變(圖略)。該方法已被廣泛用于不同區(qū)域極端氣候事件長期變化的研究(Kiktev et al.,2003; Westra et al., 2013; Zhang and Zhou, 2019; Li and Chen, 2021)。
2.3.4 區(qū)域平均
本文在分析不同流域極端降水指數(shù)長期變化時(shí),使用了區(qū)域平均結(jié)果??紤]到站點(diǎn)分布的不均勻,首先將站點(diǎn)資料插值至0.5°×0.5°格點(diǎn)上。由于部分地區(qū)臺(tái)站資料較為稀疏,例如內(nèi)陸河片南側(cè)及西南諸河片西側(cè)的高原地區(qū),為避免插值方法帶來的不確定性,本文將落入某一格點(diǎn)的臺(tái)站資料平均值作為該格點(diǎn)中心的量值,不包含臺(tái)站的格點(diǎn)設(shè)為缺省值。該方法已廣泛應(yīng)用于季風(fēng)區(qū)、干旱區(qū)甚至全球臺(tái)站資料的插值(Westra et al., 2013; Hu et al.,2018; Zhang and Zhou, 2019)。最后,對(duì)插值至格點(diǎn)的臺(tái)站資料采用緯度加權(quán)計(jì)算區(qū)域平均值結(jié)果。文中圖2 至圖8 結(jié)果基于未插值的臺(tái)站資料,圖9和圖10 結(jié)果基于插值后的格點(diǎn)資料。
首先考察年平均降水和降水強(qiáng)度的時(shí)空分布特征。圖1 為PRCPTOT 和SDII 指數(shù)在1961~2017年間的氣候態(tài)和長期變化趨勢(shì)。氣候態(tài)尺度上,PRCPTOT 和SDII 呈現(xiàn)相似的空間分布特征,具體表現(xiàn)為自東南沿海向西北內(nèi)陸遞減(圖2a-b)。珠江流域片和東南流域片降水總量最大,個(gè)別站點(diǎn)年平均降水超過2000 mm,降水強(qiáng)度超過20 mm d-1;內(nèi)陸河片降水總量和強(qiáng)度均最低,大多數(shù)站點(diǎn)年平均降水低于300 mm,降水強(qiáng)度低于8 mm d-1。PRCPTOT 和SDII 的長期變化趨勢(shì)則略有差異(圖2c-d)。全國范圍內(nèi)有55.24%的站點(diǎn)PRCPTOT呈現(xiàn)增多趨勢(shì),略多于減少的站點(diǎn)(44.75%)。PRCPTOT 顯著增多的站點(diǎn)(9.70%)也多于顯著減少的站點(diǎn)(2.50%),前者主要位于內(nèi)陸河片和東南沿岸的流域片,后者主要分布在我國西南和東北地區(qū)(圖2c)。SDII 增強(qiáng)的站點(diǎn)約占71.67%,其中有15.02 %的站點(diǎn)顯著增強(qiáng),主要位于東南地區(qū)的流域片及內(nèi)陸河片。約28.32%的站點(diǎn)SDII 減弱,僅有0.78%的站點(diǎn)呈顯著減弱趨勢(shì),主要位于我國東北的松遼河流域片及海河流域片(圖2d)。
圖2 1961~2017 年(a、c)降水量(PRCPTOT)和(b、d)降水強(qiáng)度(SDII)指數(shù)(a、b)氣候平均態(tài)和(c、d)變化趨勢(shì)空間分布。(c、d)中藍(lán)色(紅色)圓點(diǎn)代表降水指數(shù)呈增加(減少)趨勢(shì),實(shí)心圓點(diǎn)代表趨勢(shì)通過0.05 顯著性水平檢驗(yàn),左下角數(shù)字代表呈某一趨勢(shì)的臺(tái)站數(shù)占總臺(tái)站數(shù)百分比Fig. 2 Spatial pattern of (a, b) climatology and (c, d) trend in (a, c) PRCPTOT (total wet-day precipitation) and (b, d) SDII (simple daily precipitation intensity) during 1961-2017. (c-d) The blue (red) dots indicate the increasing (decreasing) trends in precipitation indices; the solid dots indicate the trends are significant at the 95% level; the percentage of stations with different conditions are shown in the bottom left
進(jìn)一步考察觀測(cè)中全國范圍內(nèi)PRCPTOT 和SDII 呈現(xiàn)出顯著變化趨勢(shì)的站點(diǎn)比例是否在氣候系統(tǒng)內(nèi)部變率范圍內(nèi)。基于空間場(chǎng)顯著性檢驗(yàn),圖3 給出了1000 個(gè)bootstrap 樣本構(gòu)成的氣候系統(tǒng)內(nèi)部變率引起的臺(tái)站顯著變化范圍??梢钥吹剑琍RCPTOT 和SDII 呈顯著增大趨勢(shì)的臺(tái)站數(shù)均落在零假設(shè)分布的尾部5%或以外,表明觀測(cè)到的PRCPTOT 和SDII 指數(shù)呈顯著增大趨勢(shì)的臺(tái)站占比不可能僅由氣候系統(tǒng)內(nèi)部變率引起,外強(qiáng)迫起到了一定的作用。相反,觀測(cè)到的PRCPTOT 和SDII 指數(shù)呈顯著減小趨勢(shì)的臺(tái)站占比仍在內(nèi)部變率范圍內(nèi),無法歸因?yàn)橥鈴?qiáng)迫的影響。Li and Chen(2021)基于更嚴(yán)格的質(zhì)量控制、更少的臺(tái)站數(shù)能夠得到類似的全國范圍內(nèi)PRCPTOT 和SDII 指數(shù)增加與外強(qiáng)迫有關(guān)的結(jié)論。
圖3 (a)1961~2017 年(a、c)PRCPTOT、(b、d)SDII 指數(shù)呈現(xiàn)(a、b)顯著增加、(c、d)顯著減少趨勢(shì)的臺(tái)站百分比,其中橫坐標(biāo)表示呈現(xiàn)顯著增加/減少趨勢(shì)的臺(tái)站百分比,直方圖代表1000 個(gè)bootstrap 樣本中不同臺(tái)站百分比對(duì)應(yīng)的發(fā)生頻率,灰色直線代表零假設(shè)分布尾部5%的范圍,圓點(diǎn)代表臺(tái)站觀測(cè)結(jié)果Fig. 3 Percentage of stations with (a, b) significant increasing and (c, d) decreasing trends in (a, c) PRCPTOT and (b, d) SDII. The x-axis represents the percentage of stations with significant increasing/decreasing trends, the histograms denote the distributions of results from 1000 bootstrap samples,the gray line marks the upper 5% probability distribution, the dot denotes the observed value
圖4 給出了Rx5day、Rx1day、R95p 和R99p的氣候態(tài)及長期變化趨勢(shì)空間分布,極端強(qiáng)降水與連續(xù)強(qiáng)降水強(qiáng)度與洪澇災(zāi)害密切相關(guān)。上述四類極端降水指數(shù)氣候態(tài)空間分布與PRCPTOT 空間分布基本一致,呈現(xiàn)出自東南向西北遞減的特征,內(nèi)陸河片最低(圖4 左列)。這四類極端降水指數(shù)的長期變化趨勢(shì)空間分布也與PRCPTOT 類似,內(nèi)陸河片、珠江流域片、東南諸河片和長江流域片東側(cè)的臺(tái)站多呈現(xiàn)增加趨勢(shì),西南至東北一帶臺(tái)站多呈現(xiàn)減少趨勢(shì)(圖4 右列)。在全國范圍內(nèi),呈增加趨勢(shì)的站點(diǎn)超過呈減少趨勢(shì)的站點(diǎn),對(duì)于Rx5day、Rx1day、R95p 和R99p 而言,分別有53.36%、61.03%、64.79%和65.57%的站點(diǎn)呈增加趨勢(shì),且分別有7.04%、7.67%、12.83%和9.70%的站點(diǎn)呈顯著增加趨勢(shì)。降水事件極端性越強(qiáng)則表現(xiàn)為增多趨勢(shì)的臺(tái)站占比越多。空間場(chǎng)顯著性檢驗(yàn)結(jié)果表明,觀測(cè)中,Rx5day、Rx1day、R95p 和R99p 呈顯著增強(qiáng)趨勢(shì)的臺(tái)站數(shù)比例顯著區(qū)別于氣候系統(tǒng)內(nèi)部變率范圍,與外強(qiáng)迫作用有關(guān);而呈顯著減弱趨勢(shì)的臺(tái)站數(shù)占比仍在氣候內(nèi)部變率范圍內(nèi)(圖5a-d)。
圖4 1961~2017 年九大流域片極端降水指數(shù)(a、b)Rx5day、(c、d)Rx1day、(e、f)R95p 和(g、h)R99p 氣候態(tài)(左列,單位:mm)和變化趨勢(shì)[右列,單位:(10 a)-1]空間分布。右列中藍(lán)色(紅色)圓點(diǎn)代表降水指數(shù)呈增加(減少)趨勢(shì),實(shí)心圓點(diǎn)代表趨勢(shì)通過95%顯著性檢驗(yàn),左下角數(shù)字代表呈某一趨勢(shì)的臺(tái)站數(shù)占總臺(tái)站數(shù)百分比Fig. 4 Spatial pattern of climatology (left column, units: mm) and trend [right column, units: (10 a)-1] in extreme precipitation indices over nine river basins during 1961-2017: (a, b) Rx5day; (c, d) Rx1day; (e, f) R95p; (g, h) R99p. The blue (red) dots in the right columns indicate the increasing(decreasing) trends in precipitation indices; the solid dots indicate the trends are significant at the 95% level, the percentage of stations with different conditions are shown in the bottom left
圖6 為R10mm、R20mm、CWD 和CDD 氣候態(tài)和長期變化趨勢(shì)空間分布,其中,CWD 和CDD是水文干旱、氣象干旱的重要指示因子。R10mm、R20mm 和CWD 氣候態(tài)空間分布與PRCPTOT 一致,自東南向西北遞減(圖6 左列)。東南沿海的流域片最大連續(xù)濕潤天數(shù)可達(dá)10~15 天,西南諸河片部分站點(diǎn)連續(xù)濕潤天數(shù)可達(dá)15~20 天(圖6e)。CDD 氣候態(tài)空間分布顯著區(qū)別與其它極端降水指數(shù),位于中國北部的內(nèi)陸河片、黃河流域片、海河流域片和松遼河流域片量值最大,最大連續(xù)干旱日數(shù)超過30 天甚至40 天,長江流域片量值最小,最大連續(xù)干旱日數(shù)在20 天以下(圖6g)。
上述四類極端降水指數(shù)不具有統(tǒng)一的長期變化特征,且有部分站點(diǎn)無變化趨勢(shì)(圖6 右列黑點(diǎn))。對(duì)R10mm、R20mm 而言,分別有44.13%和64.32%的站點(diǎn)無變化趨勢(shì),其余站點(diǎn)表現(xiàn)為東南和西北大多數(shù)站點(diǎn)增多、西南至東北一帶大多數(shù)站點(diǎn)減少的空間分布特征(圖6b 和d)。其中,R10mm 呈現(xiàn)增多趨勢(shì)的站點(diǎn)(27.85%)與呈減少趨勢(shì)的站點(diǎn)(28.02%)數(shù)目相當(dāng),R20mm 呈現(xiàn)增多趨勢(shì)的站點(diǎn)(23.32%)明顯大于呈減少趨勢(shì)的站點(diǎn)(12.36%)。R10mm 和R20mm 呈顯著增多或減少趨勢(shì)的站點(diǎn)都低于6%,仍在氣候系統(tǒng)內(nèi)部變率范圍以內(nèi)(圖5ef)。對(duì)于CWD 而言,有84.04 %的站點(diǎn)無變化趨勢(shì),剩余站點(diǎn)多表現(xiàn)為連續(xù)濕潤天數(shù)減少,且主要位于黃河流域片、長江流域片和西南諸河片(圖6f)。對(duì)于CDD 而言,大多數(shù)站點(diǎn)表現(xiàn)為最大連續(xù)干旱日數(shù)減少,呈減少趨勢(shì)的站點(diǎn)(71.52%)明顯多于呈增加趨勢(shì)的站點(diǎn)(13.61%),呈顯著減少趨勢(shì)的站點(diǎn)(17.37%)也明顯多于呈顯著增加趨勢(shì)的站點(diǎn)(0.79%)??臻g場(chǎng)顯著性檢驗(yàn)結(jié)果表明,觀測(cè)中CDD 和CWD 呈顯著減少趨勢(shì)的臺(tái)站數(shù)比例顯著區(qū)別于氣候系統(tǒng)內(nèi)部變率,與外強(qiáng)迫作用有關(guān);而呈顯著增加趨勢(shì)的臺(tái)站數(shù)比例仍在氣候系統(tǒng)內(nèi)部變率范圍內(nèi)(圖5g-h)。
圖5 1961~2017 年極端降水指數(shù)(a)Rx5day、(b)Rx1day、(c)R95p、(d)R99p、(e)R10mm、(f)R20mm、(g)CWD 和(h)CDD 呈現(xiàn)顯著增加(藍(lán)色)和減少(紅色)趨勢(shì)的臺(tái)站百分比。其中橫坐標(biāo)表示呈現(xiàn)顯著增加或減少趨勢(shì)的臺(tái)站百分比,直方圖代表1000 個(gè)bootstrap 樣本中不同臺(tái)站百分比對(duì)應(yīng)的發(fā)生頻率,紅色和藍(lán)色直線分別代表對(duì)應(yīng)零假設(shè)分布尾部5%的范圍,紅色和藍(lán)色圓點(diǎn)分別代表對(duì)應(yīng)的臺(tái)站觀測(cè)結(jié)果Fig. 5 Percentage of stations with significant increasing (blue) and decreasing (red) trends in extreme precipitation indices: (a) Rx5day, (b) Rx1day,(c) R95p, (d) R99p, (e) R10mm, (f) R20mm, (g) CWD, and (h) CDD. The x-axis represents the percentage of stations with significant increasing or decreasing trends, the histograms denote the distributions of results from 1000 bootstrap samples, the lines mark the upper 5% probability distribution,the dots denote the observed values.
圖6 1961~2017 年九大流域片極端降水指數(shù)(a、b)R10mm、(c、d)R20mm、(e、f)CWD 和(g、h)CDD 氣候態(tài)(左列,單位:d)和變化趨勢(shì)[右列,單位:(10 a)-1]空間分布。右列中藍(lán)色(紅色)圓點(diǎn)代表降水指數(shù)呈增加(減少)趨勢(shì),其中實(shí)心圓點(diǎn)代表趨勢(shì)通過0.05 顯著性水平檢驗(yàn),黑色圓點(diǎn)則代表無變化趨勢(shì),左下角數(shù)字代表呈某一趨勢(shì)的臺(tái)站數(shù)占總臺(tái)站數(shù)百分比。Fig. 6 Spatial pattern of climatology (left column, units: mm) and trend [right column, units: (10 a)-1] in extreme precipitation indices over nine river basins during 1961-2017: (a, b) R10 mm, (c, d) R20mm, (e, f) CWD, and (g, h) CDD. The blue (red) dots in the right columns indicate the increasing(decreasing) trends in precipitation indices, with solid dots denoting the trends are significant at the 95% level; the black dots indicate no trends in precipitation indices, the percentage of stations with different conditions are shown in the bottom left
上文分析結(jié)果表明,內(nèi)陸河片以及中國東南部的流域片各降水指數(shù)變化最為顯著,且多呈增加趨勢(shì)。內(nèi)陸河片大部分地區(qū)屬于干旱區(qū),在氣候態(tài)尺度上平均降水和強(qiáng)降水最少、干旱持續(xù)時(shí)間最長。但1961 年以來,內(nèi)陸河片可以觀測(cè)到顯著的降水指數(shù)的變化。除CWD 和CDD 以外,其余降水指數(shù)呈增多趨勢(shì)的臺(tái)站數(shù)均比呈減少趨勢(shì)的臺(tái)站數(shù)多(圖7)??臻g場(chǎng)顯著性檢驗(yàn)結(jié)果表明,PRCPTOT、SDII、Rx5day、Rx1day、R95p、R99p 呈顯著增強(qiáng)趨勢(shì)的臺(tái)站占比(16.12%~46.24%)顯著區(qū)別于內(nèi)部變率范圍,與外強(qiáng)迫有關(guān)(圖8 左邊兩列)。CDD 呈減少趨勢(shì)的臺(tái)站數(shù)(93.54%)遠(yuǎn)超過呈增加趨勢(shì)的臺(tái)站數(shù),呈顯著減少趨勢(shì)的臺(tái)站占比(53.76%)顯著區(qū)別于氣候系統(tǒng)內(nèi)部變率,表明受外強(qiáng)迫作用大多數(shù)站點(diǎn)連續(xù)干旱日數(shù)減少。
圖7 九大流域片降水指數(shù)呈現(xiàn)(a)增加和(b)減少趨勢(shì)的臺(tái)站百分比。(c, d)同(a, b),但為呈現(xiàn)變化趨勢(shì)通過95%顯著性檢驗(yàn)的臺(tái)站百分比Fig. 7 Percentage of stations with (a) increasing and (b) decreasing trends in precipitation indices for nine river basins. (c, d) as (a, b), but for stations with trends significant at the 95% level
圖8 1961~2017 年極端降水指數(shù)呈現(xiàn)顯著增加(藍(lán)色)和減少(紅色)趨勢(shì)的臺(tái)站百分比。其中橫坐標(biāo)表示呈現(xiàn)顯著增加或減少趨勢(shì)的臺(tái)站百分比,直方圖代表1000 個(gè)bootstrap 樣本中不同臺(tái)站百分比對(duì)應(yīng)的發(fā)生頻率,紅色和藍(lán)色直線分別代表對(duì)應(yīng)零假設(shè)分布尾部5%的范圍,紅色和藍(lán)色圓點(diǎn)分別代表對(duì)應(yīng)的臺(tái)站觀測(cè)結(jié)果。左邊兩列是內(nèi)陸河片結(jié)果,右邊兩列是長江流域片、珠江流域片和東南諸河片結(jié)果Fig. 8 Percentage of stations with significant increasing (blue) and decreasing (red) trends in extreme precipitation indices. The x-axis represents the percentage of stations with significant increasing or decreasing trends, the histograms denote the distributions of results from 1000 bootstrap samples,the lines mark the upper 5% probability distribution, the dots denote the observed values. The left two columns are the results for continental rivers; the right two columns are the results for the Yangtze River basin, Pearl River basin, and southeastern rivers
進(jìn)一步基于插值后的臺(tái)站資料,計(jì)算了內(nèi)陸河片區(qū)域平均結(jié)果(圖9)。與未插值的臺(tái)站結(jié)果基本一致,除CDD 以外,其余降水指數(shù)區(qū)域平均結(jié)果顯著增多[0.79% (10 a)-1~6.42% (10 a)-1],CDD則顯著減少[-5.58% (10 a)-1]。且降水指數(shù)的極端性越強(qiáng),其增加趨勢(shì)越大,Rx1day、R95p 和R99p每10 年相對(duì)氣候態(tài)增長2.59 %、5.44 %和6.41 %。值得注意的是,內(nèi)陸河片平均降水和各極端降水指數(shù)相對(duì)于氣候態(tài)的增長幅度遠(yuǎn)超其它流域,內(nèi)陸河片也是唯一一個(gè)CWD 顯著增多[1.71% (10 a)-1]的流域。有研究指出,1980s 以前該地區(qū)最大連續(xù)降水日數(shù)基本在1~3 天左右,但1980s 以后最大連續(xù)降水日數(shù)以3~8 為主,降水連續(xù)性增強(qiáng)(Zhang Q et al., 2011; Zhang et al., 2012b)。作為中國最干旱的流域片, 1961 年以來內(nèi)陸河片平均降水、降水強(qiáng)度、極端強(qiáng)降水和連續(xù)性強(qiáng)降水均增強(qiáng),連續(xù)濕潤日數(shù)增加,連續(xù)干旱日數(shù)減少,這可能會(huì)導(dǎo)致洪澇等氣象災(zāi)害。近年來,有不少研究基于不同的指標(biāo)都指出位于內(nèi)陸河片范圍內(nèi)的新疆在1950s 以后能夠觀測(cè)到降水量、降水頻率、降水強(qiáng)度的增加(Zhang et al., 2012c; Jiang et al., 2013; 慈暉等,2014; 謝培等, 2017; Hu et al., 2021)。局地暴雨引發(fā)的洪水及衍生的地質(zhì)災(zāi)害已經(jīng)成為新疆地區(qū)主要的氣象災(zāi)害(謝澤明等, 2018; Yang et al., 2018)。
圖9 九大流域片降水指數(shù)(a)PRCPTOT、(b)SDII、(c)Rx5day、(d)Rx1day、(e)R95p、(f)R99p、(g)R10mm、(h)R20mm、(i)CWD 和(j)CDD 區(qū)域平均變化趨勢(shì)。綠色(黃色)代表該流域區(qū)域平均結(jié)果增加(減少),深綠色(棕色)代表該流域區(qū)域平均結(jié)果顯著增加(顯著減少);數(shù)值為區(qū)域平均結(jié)果相對(duì)于該流域氣候態(tài)變化趨勢(shì),單位:% (10 a)-1Fig. 9 Trends in area-averaged extreme precipitation indices in nine river basins: (a) PRCPTOT, (b) SDII, (c) Rx5day, (d) Rx1day, (e) R95p, (f)R99p, (g) R10mm, (h) R20mm, (i) CWD, and (j) CDD. Green (yellow) shadings indicate increasing (decreasing) trends, dark green (brown) indicate significant increasing (significant decreasing) trends. The numbers denote the area-averaged trends relative to related climatology, units: % (10 a)-1
與內(nèi)陸河片不同,長江流域片、東南諸河片和珠海流域片位于我國東南沿海,氣候態(tài)平均降水多、降水強(qiáng)度大、極端強(qiáng)降水和連續(xù)性強(qiáng)降水多。1961 年以來,這三個(gè)流域片能觀測(cè)到一致的極端降水變化趨勢(shì),除CWD、CDD 和R10mm 以外,其余降水指數(shù)呈增加趨勢(shì)的臺(tái)站數(shù)均多于呈減少趨勢(shì)的臺(tái)站數(shù)。其中,長江流域片有超過70%的臺(tái)站SDII、Rx1day、R95p 和R99p 呈增加趨勢(shì);東南諸河片有超過90%的臺(tái)站PRCPTOT、SDII、R95p 和R99p 呈增加趨勢(shì);珠江流域片有超過90%的臺(tái)站SDII 呈增加趨勢(shì),有超過70%的臺(tái)站R95p 呈增加趨勢(shì)。區(qū)域平均結(jié)果與臺(tái)站結(jié)果類似,這三個(gè)流域片PRCPTOT、SDII、Rx5day、Rx1day、R99p、R95p 和R20mm 均顯著增多??紤]到這三個(gè)流域片降水指數(shù)變化基本一致,為增加樣本數(shù),同時(shí)對(duì)三個(gè)流域片進(jìn)行空間場(chǎng)顯著性檢驗(yàn)。結(jié)果表明,這三個(gè)流域片SDII、Rx5day、Rx1day、R95p 和R99p 的增加與外強(qiáng)迫有關(guān),而PRCPTOT和R20mm 的增加仍在內(nèi)部變率范圍內(nèi)(圖9 右邊兩列)??傮w而言,長江流域片、東南諸河片和珠海流域片年平均降水、降水強(qiáng)度、極端強(qiáng)降水和連續(xù)性強(qiáng)降水均增強(qiáng),這勢(shì)必會(huì)引起洪澇等氣象災(zāi)害。近幾十年來東南沿海省市洪澇災(zāi)害頻次增多,每年因洪澇導(dǎo)致的受災(zāi)人數(shù)增加、經(jīng)濟(jì)損失增多(Kundzewicz et al.,2019)。三個(gè)流域片當(dāng)中,珠海流域片的強(qiáng)降水變化趨勢(shì)[0.69% (10 a)-1~2.38% (10 a)-1]要弱于長江流域片[1.38% (10 a)-1~3.34% (10 a)-1]和東南諸河片[2.36% (10 a)-1~5.83% (10 a)-1]。
除上述流域片以外,其它流域片站點(diǎn)多無顯著變化趨勢(shì)或不同站點(diǎn)差異大?;春恿饔蚱⒑:恿饔蚱退蛇|河流域片降水指數(shù)多呈減少趨勢(shì),整體呈現(xiàn)出平均降水、降水強(qiáng)度、極端強(qiáng)降水的減弱,但區(qū)域平均結(jié)果大多并不顯著(圖9)。其中,海河流域片Rx1day 相對(duì)于氣候態(tài)每10 年顯著減少3.86%,松遼河流域片CDD 每10 年顯著減少5.18%。在黃河流域片,包括Rx1day、R95p 和R99p 在內(nèi)的極端強(qiáng)降水指數(shù)區(qū)域平均結(jié)果均顯著增加[0.07% (10 a)-1~0.58% (10 a)-1],但變化趨勢(shì)遠(yuǎn)小于內(nèi)陸河片及東南沿海流域片,CDD 則呈顯著減少趨勢(shì)[-3.95% (10 a)-1]。西南諸河片與黃河流域片類似,Rx1day、R95p 和R99p 區(qū)域平均結(jié)果均顯著增加[0.45% (10 a)-1~1.49% (10 a)-1]。值得注意的是,西南諸河片是九大流域片中唯一一個(gè)CDD 呈增加趨勢(shì)的站點(diǎn)數(shù)(57.89%)超過呈減少趨勢(shì)站點(diǎn)數(shù)(26.32%)的流域片(圖9),表明該地區(qū)有干旱增加的風(fēng)險(xiǎn)。1979 年以來,西南諸河片干旱頻發(fā),干旱強(qiáng)度、持續(xù)時(shí)間均呈加重趨勢(shì),嚴(yán)重影響當(dāng)?shù)厝嗣竦纳a(chǎn)生活,給當(dāng)?shù)貛砭薮蟮慕?jīng)濟(jì)損失(張萬誠等, 2013; 付奔等, 2014; Ma et al.,2017b; Lu et al., 2020)。受限于樣本容量,且上述流域片多無顯著變化趨勢(shì),故未進(jìn)一步進(jìn)行空間場(chǎng)顯著性檢驗(yàn)。
近年來,極端降水事件的頻發(fā)及有關(guān)的旱澇災(zāi)害嚴(yán)重影響了人民的生產(chǎn)生活和社會(huì)穩(wěn)定,造成了巨大的經(jīng)濟(jì)財(cái)產(chǎn)損失。本文利用中國臺(tái)站日降水資料,基于ETCCDI 建議的10 個(gè)降水指數(shù),系統(tǒng)評(píng)估了1961~2017 年中國及九大流域片降水的變化情況,并利用空間場(chǎng)顯著性檢驗(yàn)考察了不同降水指數(shù)的顯著變化是在內(nèi)部變率范圍內(nèi)還是受到了外強(qiáng)迫的作用。九大流域片降水變化的概況如圖10 所示,主要結(jié)論歸納如下:
圖10 九大流域片降水指數(shù)變化概況。平均降水/降水強(qiáng)度為基于PRCPTOT 和SDII 的綜合評(píng)估結(jié)果,極端強(qiáng)降水為基于Rx1day、R95p和R99p 的綜合評(píng)估結(jié)果,連續(xù)性強(qiáng)降水基于Rx5day 得到,氣象干旱基于CDD 得到;圖中結(jié)果為對(duì)應(yīng)的降水指數(shù)區(qū)域平均變化趨勢(shì)在0.05 的水平下顯著,若結(jié)果基于多個(gè)指數(shù)則不同指數(shù)變化趨勢(shì)一致,至少有一個(gè)指數(shù)變化趨勢(shì)在0.05 的水平下顯著。西南諸河片區(qū)域平均CDD 在0.05 的水平下不顯著,但其大部分站點(diǎn)呈增加趨勢(shì),故標(biāo)為氣象干旱增加。圖標(biāo)來源:https://www.flaticon.com/authors/freepik [2021-01-26]Fig. 10 Changes in precipitation across nine river basins. The results of mean precipitation/precipitation intensity are based on PRCPTOP and SDII,the results of extremely heavy precipitation are based on Rx1day, R95p, and R99p, the results of continuous heavy precipitation are based on Rx5day,results of meteorological drought are based on CDD. The results shown in the figure are for the trends in area-averaged precipitation indices significant at the 95% level. If the results are based on more than one index, all indices increase or decrease, and the trends for at least one index are significant at the 95% level. The trend of area-averaged CDD for southwestern rivers is insignificant at the 95% level, but the CDD increases for most stations,which is marked as an increase of meteorological drought. Icon sources: https://www.flaticon.com/authors/freepik [2021-01-26]
(1)全國范圍內(nèi),年降水量、降水強(qiáng)度、極端強(qiáng)降水和連續(xù)性強(qiáng)降水(PRCPTOT、SDII、Rx1day、Rx5day、R99p、R95p)呈增多趨勢(shì)的臺(tái)站數(shù)多于呈減少趨勢(shì)的臺(tái)站數(shù)。上述降水指數(shù)呈顯著增強(qiáng)趨勢(shì)的臺(tái)站占比不可能僅由氣候系統(tǒng)內(nèi)部變率引起,還受到外強(qiáng)迫影響,而呈顯著減弱趨勢(shì)的臺(tái)站占比仍在氣候系統(tǒng)內(nèi)部變率范圍內(nèi)。此外,中國大部分站點(diǎn)連續(xù)干旱日數(shù)(CDD)減少,也與外強(qiáng)迫有關(guān)。描述降水日數(shù)的有關(guān)指數(shù)(CWD、R10mm、R20mm)在大多數(shù)站點(diǎn)無顯著變化趨勢(shì)甚至無趨勢(shì),這可能是由于不同強(qiáng)度的降水呈現(xiàn)出不同的變化特征(Li and Chen, 2021)。
(2)基于降水指數(shù)的變化,九大流域片可分為四類:(一)內(nèi)陸河片:可以觀測(cè)到年降水量、降水強(qiáng)度、極端強(qiáng)降水和連續(xù)強(qiáng)降水的增多以及連續(xù)干旱日數(shù)的減少,有洪澇災(zāi)害增多的風(fēng)險(xiǎn),且上述變化與外強(qiáng)迫有關(guān);(二)長江流域片、東南諸河片和珠海流域片:這三個(gè)流域片主要表現(xiàn)為年降水量、極端強(qiáng)降水和連續(xù)性強(qiáng)降水的增強(qiáng),其中強(qiáng)降水的變化與外強(qiáng)迫作用有關(guān),年降水量顯著增多的臺(tái)站占比仍在內(nèi)部變率范圍內(nèi)。與內(nèi)陸河片不同,這三個(gè)流域片連續(xù)濕潤天數(shù)(CWD)減小,與外強(qiáng)迫作用有關(guān),連續(xù)干旱日數(shù)無顯著變化;(三)西南諸河片:該流域片極端強(qiáng)降水增強(qiáng),但大部分站點(diǎn)連續(xù)干旱日數(shù)呈增加趨勢(shì),有干旱增多的風(fēng)險(xiǎn);(四)黃河流域片、海河流域片、淮河流域片、松遼河流域片:大部分站點(diǎn)及區(qū)域平均結(jié)果中,降水指數(shù)多無顯著變化趨勢(shì)。
本文基于臺(tái)站資料,利用空間場(chǎng)顯著性檢驗(yàn)考察了各降水指數(shù)的變化是否在內(nèi)部變率范圍內(nèi),指出全國范圍內(nèi)年降水量、降水強(qiáng)度、極端強(qiáng)降水和連續(xù)性強(qiáng)降水的增強(qiáng)和增多與外強(qiáng)迫有關(guān)。前人基于分離強(qiáng)迫試驗(yàn)和最優(yōu)指紋法也有類似的結(jié)論。例如,Li et al.(2017)指出中國Rx1day 和Rx5day的變化與人為外強(qiáng)迫尤其是溫室排放有關(guān)。Ma et al.(2017a)指出中國東部暴雨事件更加頻繁、小雨事件減少與溫室氣體排放有關(guān)。Chen and Sun(2017)指出溫室氣體排放導(dǎo)致極端強(qiáng)降水相對(duì)于氣候態(tài)增加13%。此外,也有不少研究利用分離強(qiáng)迫試驗(yàn)指出近年來中國一些破歷史記錄的極端降水或干旱事件與人為外強(qiáng)迫有關(guān)(如Burke et al., 2016; Sun and Miao, 2018; Zhang and Zhou, 2019;Zhang L X et al., 2020; Zhang W X et al., 2020; Lu et al., 2021)。與分離強(qiáng)迫試驗(yàn)相比,空間場(chǎng)顯著性檢驗(yàn)只能判別觀測(cè)中的變化是否在內(nèi)部變率范圍內(nèi),無法對(duì)歷史變化進(jìn)行進(jìn)一步的歸因。但分離強(qiáng)迫試驗(yàn)的結(jié)果依賴于模式性能以及給定外強(qiáng)迫的真實(shí)性。不同方法相互印證,能夠幫助我們更好地理解人類活動(dòng)對(duì)極端降水的影響。