楊梅煥, 王鈺堯, 王 濤,2, 李奇虎, 李 揚

(1.西安科技大學 測繪科學與技術(shù)學院, 陜西 西安 710054; 2.西安科技大學 國土空間研究所, 陜西 西安710054)

IPCC第六次評估報告第二工作組(AR6 WGII)指出,近年來氣候變化影響程度遠超過去5次(1990,1995,2001,2007,2014)報告評估程度,氣候風險顯現(xiàn)的速度更快并變得更嚴重[1-2]。全球氣候變暖背景下,全球降水時空格局發(fā)生顯著改變,極端降水事件發(fā)生頻率增加,嚴重影響人類生產(chǎn)生活[3-5]。我國氣候公報指出,2021年全國共出現(xiàn)36次區(qū)域性暴雨過程,河南等地暴雨災害嚴重,華北和西北地區(qū)為1961年以來降水量最多的年份[6]。極端降水事件增多,對經(jīng)濟社會發(fā)展、糧食生產(chǎn)、生態(tài)環(huán)境及人民生命財產(chǎn)安全等造成嚴重威脅。極端事件時空變化及其驅(qū)動因素研究已成為國內(nèi)外學者關(guān)注的熱點問題[7-9]。

我國西北干旱區(qū)是全球氣候變化響應的敏感區(qū)和脆弱區(qū),氣候變化對該地區(qū)生態(tài)環(huán)境等具有深遠影響[10-11]。已有研究表明,干旱、半干旱地區(qū)天氣尺度極端降水對年降水量貢獻日趨增大[12-13]。劉夢洋等[14]研究認為甘肅隴東地區(qū)夏季極端降水呈上升趨勢,極端降水分布具有空間差異性。李雙雙等[15]研究表明陜北地區(qū)強降水在增加,降水趨于極端化,厄爾尼諾與降水表現(xiàn)出明顯正相關(guān)關(guān)系。溫煜華等[16]研究認為近60 a祁連山極端降水指數(shù)具有一致性,降水向降水日數(shù)更多、時間更集中方向發(fā)展。王澄海等[17]研究表明,全球氣候變暖背景下,我國西北地區(qū)降水主要以極端降水和短時強降水為主。

目前,氣候變暖背景下我國西北干旱區(qū)降水變化研究已開展較多,但在極端降水與降水關(guān)系及其驅(qū)動因素研究方面仍略顯不足。因此,本文選取我國西北干旱區(qū)91個氣象站點1960—2018年逐日降水數(shù)據(jù),開展極端降水時空變化特征及其驅(qū)動因素研究,以期科學認識極端降水時空變化特征及其與大尺度氣候因素關(guān)系,為西北干旱區(qū)防災減災提供科學支撐。

1 研究區(qū)概況

西北干旱區(qū)(73°E～107°E,34°N～50°N)地處我國西北部,包括新疆維吾爾自治區(qū)全境,內(nèi)蒙古自治區(qū)阿拉善高原,甘肅省河西走廊以及寧夏回族自治區(qū)賀蘭山以西的地區(qū)[18-19]。同時該地區(qū)聯(lián)結(jié)中亞、蒙古、青藏高原以及西伯利亞,是中亞的主要干旱區(qū),東亞季風、西風帶環(huán)流、南亞季風以及青藏高原的熱力變化引起的高原季風對西北干旱區(qū)氣候形成和變化都會造成不同程度的影響[20-22]。干旱少雨、沙塵天氣較多、氣溫日較差較大是西北干旱區(qū)氣候的主要特征[23-24]。該區(qū)域高程介于-156～8 058 m之間。由于地形因素的影響,氣溫和降水的空間差異極大,地表蒸散發(fā)劇烈,多年平均降水量小于150 mm,屬于極度干旱區(qū)和干旱區(qū),生態(tài)環(huán)境脆弱,極端氣候易發(fā)[18, 25-26]。根據(jù)水資源、土地資源和環(huán)境條件,可將西北干旱區(qū)劃分為銀川平原區(qū)(I)、河西走廊區(qū)(II)、阿拉善-額濟納高原區(qū)(III)、東疆地區(qū)(IV)、塔里木河流域區(qū)(V)、伊犁河流域區(qū)(VI)、天山北坡區(qū)(VII)和額爾齊斯-烏倫古河流域區(qū)(VIII)(見圖1)[27]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

西北干旱區(qū)地理分區(qū)數(shù)據(jù)來源于全球變化科學研究數(shù)據(jù)出版系統(tǒng)(http://www.geodoi.ac.cn)中國農(nóng)業(yè)資源環(huán)境分區(qū)數(shù)據(jù)集。氣象數(shù)據(jù)來自國家氣象信息中心(http://data.cma.cn/)提供的中國地面氣候資料日值數(shù)據(jù)集(V3.0),時間序列長度為1960—2018年,剔除存在數(shù)據(jù)缺失日期較長站點,選取91個站點逐日降水數(shù)據(jù)。太陽黑子數(shù)據(jù)來自于太陽影響數(shù)據(jù)分析中心(SIDC,https://www.bis.sidc.be/silso/datafiles)。東亞夏季風數(shù)據(jù)來自于國家青藏高原科學數(shù)據(jù)中心(http://data.tpdc.ac.cn)。大氣環(huán)流異常因子厄爾尼諾-南方濤動(ENSO)數(shù)據(jù)來自于美國國家海洋和大氣管理局地球系統(tǒng)研究實驗室(ESRL,http://www.esrl.noaa.gov)。太陽黑子、東亞季風和ENSO數(shù)據(jù)為1960—2018年逐年數(shù)據(jù)。

圖1 研究區(qū)及氣象站點分布Fig.1 Distribution of study area and meteorological stations 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

2.2 研究方法

2.2.1RClimDex模型和極端降水指數(shù)選取

RClimDex模型[28]主要是根據(jù)R語言進行氣象數(shù)據(jù)處理,首先需要進行數(shù)據(jù)質(zhì)量控制,無效值判斷包括:日最低氣溫大于日最高氣溫,降水量小于0,大于3倍標準差閾值,對于無效值較多的月份,設為缺測值,然后進行統(tǒng)計計算獲得極端降水指數(shù)。極端降水指數(shù)采用世界氣象組織(World Meteorological Organization,WMO)推薦的11個極端降水指數(shù)(見表1)。

表1 極端降水指數(shù)Tab.1 Extreme precipitation indices

2.2.2Pearson相關(guān)分析

Pearson相關(guān)分析主要用來反映兩個隨機變量之間的線性相關(guān)程度[29]。給定兩個隨機變量X和Y,其Pearson相關(guān)系數(shù)r的計算公式為:

(1)

2.2.3Kriging數(shù)據(jù)空間插值

Kriging空間插值是用空間上所有已知點的數(shù)據(jù)加權(quán)求和來估計未知點的值,廣泛應用于空間統(tǒng)計分析中,在估算過程中充分利用已知觀測站的數(shù)據(jù)空間結(jié)構(gòu),可有效規(guī)避系統(tǒng)誤差[30]。其計算公式為:

(2)

式中:Z為未知點預測值;λi為參與插值站點對預測值的權(quán)重;Xi為實測氣象站點的降水量。

2.2.4Mann-Kendall趨勢檢驗

Mann-Kendall趨勢檢驗方法對于水文氣象長時間序列數(shù)據(jù)分析具有優(yōu)勢,可分析極端降水指數(shù)的長期變化趨勢及顯著性特征[31]。對于長時間序列的極端降水數(shù)據(jù)(X1,X2,X3,…,Xn),n表示數(shù)據(jù)樣本的個數(shù),零假設H0表示數(shù)據(jù)獨立且均勻分布,則Mann-Kendall趨勢檢驗的統(tǒng)計量S計算如下:

(3)

(4)

式中:xi和xj分別為第i年和第j年的數(shù)據(jù)值;S為正態(tài)分布,方差Var(S)=n(n-1)(2n+5)/18;sgn為符號函數(shù)。當n≥8,服從正態(tài)分布的統(tǒng)計量Z表示為:

(5)

式中:Z>0和Z<0分別表示極端降水增加和減少趨勢。如果|Z|>Z(1-α/2),說明H0假設不成立,即表示數(shù)據(jù)有顯著變化趨勢。顯著水平α=0.05和α=0.01分別對應Z(1-α/2)值為1.96和2.58。

2.2.5交叉小波變換

2.3 數(shù)據(jù)處理與精度驗證

本文插值數(shù)據(jù)主要使用ArcGIS Arcpy進行Kriging批處理插值得到,并進行Kriging插值精度分析。精度驗證方法為交叉驗證法,基本思想是站點實際觀測值A(chǔ)(A1,A2,A3,…,An)使用(A2,A3,…,An)進行插值,得到A1對應位置Kriging預測值B1,以此類推得到A的映射B(B1,B2,B3,…,Bn),n表示檢驗站點個數(shù)。比較A和B的關(guān)系,其中均方根誤差RMSE和絕對均誤差MAE越小,平均誤差ME越接近于0,相關(guān)系數(shù)越接近于1表示精度越高,準確度為累積絕對誤差與累積預測值比值與1的偏離程度。分別選取1980年、1990年、2000年和2010年4期數(shù)據(jù)進行精度驗證,選擇40個站點進行檢驗。結(jié)果表明(見圖2和表2),不同年份Kriging插值預測的精度與實測值RMSE介于25.82～38.03之間,MAE介于21.62～30.30之間,ME介于4.78～15.90之間,相關(guān)系數(shù)為0.82～0.93之間,準確度為0.69～0.81之間。根據(jù)4期不同年份精度驗證的均值,預測值與實測值之間相關(guān)系數(shù)為0.89,準確度為0.77,表明預測值與實測值之間一致性程度較高,Kriging插值可用于研究西北干旱區(qū)降水空間上變化特征。

圖2 Kriging插值精度驗證Fig.2 Kriging interpolation precision verification

表2 Kriging插值取樣年份精度分析

3 結(jié)果與分析

3.1 極端降水時間變化特征

對西北干旱區(qū)極端降水時間變化特征分析表明(見圖3),圖3(a)～圖3(k)表示不同極端降水指標時間趨勢特征,圖3(l)表示年降水量時間趨勢特征。結(jié)果表明,持續(xù)干燥指數(shù)(CDD)表現(xiàn)為下降趨勢,下降速率4.382 d/10 a(P<0.05)。除CDD外,其它指標——持續(xù)濕潤指數(shù)(CWD)、濕日總降水量(PRCPTOT)、中雨日數(shù)(R10MM)、大雨日數(shù)(R20MM)、強降水日數(shù)(R25MM)、強降水量(R95P)、極端降水量(R99P)、日最大降水量(RX1DAY)、5日最大降水量(RX5DAY)和降水強度(SDII)均表現(xiàn)出不同程度上升趨勢。其中CWD上升速率為0.068 5d/10a(P<0.01),PRCPTOT上升速率為5.691 mm/10 a(P<0.01),R10MM上升速率為0.178 d/10 a(P<0.01),R20MM上升速率為0.054 d/10 a(P<0.01),R25MM上升速率為0.035 5 d/10 a(P<0.01),R95P上升速率為2.762 mm/10 a(P<0.01),R99P上升速率為0.961 mm/10 a(P<0.01),RX1DAY上升速率為0.671 mm/10 a(P<0.01),RX5DAY上升速率為0.934 mm/10 a(P<0.01),SDII上升速率為0.0591 mm·d-1/10 a(P<0.05)。

圖3 西北干旱區(qū)1960—2018年極端降水指數(shù)變化趨勢Fig.3 Trend of extreme precipitation index in northwest arid area from 1960 to 2018

CDD下降和CWD上升反映出西北干旱區(qū)1960—2018年表現(xiàn)為逐漸濕潤的態(tài)勢。R10MM、R20MM和R25MM指數(shù)上升反映出西北干旱區(qū)極端降水天數(shù)增加。R95P和R99P上升同樣表明西北干旱區(qū)極端降水事件在增加。RX1DAY和RX5DAY指數(shù)增加,表明西北干旱區(qū)極端降水強度增加。

綜合11個極端降水指數(shù)時間變化特征表明,西北干旱區(qū)降水增加,極端降水增加,極端降水發(fā)生強度、持續(xù)時間和發(fā)生頻率均增加。11個極端降水指數(shù)與年降水量相關(guān)性分析結(jié)果表明(見表3),年降水量與CDD呈負相關(guān)關(guān)系,與其它指數(shù)均表現(xiàn)為正相關(guān)關(guān)系,其中年降水量與PRCPTOT、R10MM、R95P、RX1DAY之間相關(guān)系數(shù)分別為0.95、0.95、0.91、0.82,且通過了0.01顯著性水平檢驗,表現(xiàn)為顯著正相關(guān)性,反映出西北干旱區(qū)年降水量增加與極端降水增加存在密切關(guān)系。PRCPTOT與R10MM、R95P、RX1DAY的相關(guān)系數(shù)存在顯著正相關(guān)關(guān)系,表明極端降水增加主要是R10MM、R95P和RX1DAY增加引起的。

表3 1960—2018年西北干旱區(qū)極端降水相關(guān)系數(shù)Tab.3 Correlation coefficient of extreme precipitation in northwest arid area from 1960 to 2018

3.2 極端降水空間變化特征

本文首先對西北干旱區(qū)極端降水指數(shù)進行空間插值,然后通過Mann-Kendall顯著性檢驗極端降水空間分布和顯著性分布結(jié)果(見圖4)。

圖中Ⅰ區(qū)表示銀川平原區(qū),Ⅱ區(qū)表示河西走廊區(qū),Ⅲ區(qū)表示阿拉善-額濟納高原區(qū),Ⅳ區(qū)表示東疆地區(qū), Ⅴ區(qū)表示塔里木河流域區(qū),Ⅵ區(qū)表示伊犁河流域區(qū),Ⅶ區(qū)表示天山北坡區(qū),Ⅷ區(qū)表示額爾齊斯-烏倫古河流域區(qū)。 圖4 西北干旱區(qū)1965—2018年極端降水變化趨勢空間分布Fig.4 Spatial distribution of extreme precipitation change trend in northwest arid region from 1965 to 2018 注:此圖基于國家自然資源部標準地圖服務網(wǎng)站審圖號為GS(2020)4619的標準地圖制作,底圖無修改。

西北干旱區(qū)1960—2018年極端降水主要發(fā)生在區(qū)域西北側(cè),其中以額爾齊斯-烏倫古河流域區(qū)、天山北坡區(qū)、伊犁河流域區(qū)增加趨勢顯著。銀川平原區(qū)整體上極端降水變現(xiàn)為不顯著增加趨勢(02.58)。同時,相對指標R95P、R99P和強度指標RX1DAY和RX5DAY在河西走廊整體表現(xiàn)為顯著增加(1.932.58)。阿拉善-額濟納高原區(qū)極端降水主要表現(xiàn)為PRCPTOT和R10MM的增加,總體極端降水增加趨勢不顯著。新疆地區(qū)極端降水增加趨勢顯著,主要體現(xiàn)在東疆北部、額爾齊斯-烏倫古河流域區(qū)、伊犁河流域區(qū)、天山北坡和塔里木河流域區(qū)西北側(cè)。

除CDD外,其它10個極端降水指數(shù)總體表現(xiàn)為增加趨勢,分布在西北干旱區(qū)北側(cè)和西側(cè)。R95P表現(xiàn)為顯著增加趨勢。

3.3 極端降水驅(qū)動因素分析

極端降水驅(qū)動因子主要參照國內(nèi)外對于我國極端降水影響因子研究現(xiàn)狀,選擇太陽黑子(sunspot number,SN)、東亞夏季風(East Asian summer monsoon,EASM)和大氣環(huán)流異常因子厄爾尼諾-南方濤動(El Nio-southern oscillation,ENSO)三種,使用交叉小波變換探究出對西北干旱區(qū)極端降水影響較強的影響因子(見圖5)。

細弧線為小波影響錐曲線;黑粗線為95%置信區(qū)間;箭頭表示相對位相差,“→”表示兩者變化位相相同, “←”表示兩者變化位相相反。 圖5 西北干旱區(qū)1965—2018年極端降水指數(shù)與SN、EASM和ENSO之間的交叉小波功率譜Fig.5 Cross wavelet power spectrum of extreme precipitation index with SN, EASM and ENSO from 1965 to 2018 in arid northwest China

極端降水指數(shù)選擇代表極端性更強的極端指數(shù)PRCPTOT、R25MM和RX5DAY。結(jié)果顯示,太陽黑子與PRCPTOT在1965—2010年間存在8～12年顯著共振周期,與R25MM在1962—1990年間存在10～13年顯著共振周期,與RX5DAY在1965—2010年間存在7～12年顯著共振周期。東亞夏季風與PRCPTOT在1978—1992年間存在2～6年顯著共振周期,在1993—1998年間存在1～3年顯著共振周期。東亞夏季風與R25MM在1976—1984年間存在1～3年顯著共振周期,在1985—1996年間存在5～6年顯著共振周期,在1997—2000年間存在1～2年顯著共振周期,在2009—2018年間存在5～7年顯著共振周期。東亞夏季風與RX5DAY在1976—1982年間存在1～3年顯著共振周期,在1983—1992年間存在4～6年顯著共振周期,在1994—1998年間存在1～3年顯著共振周期,在2010—2018年間存在5～8年顯著共振周期。ENSO與PRCPTOT在1982—1993年間存在2～6年顯著共振周期,在1995—2001年間存在1～5年顯著共振周期。ENSO與R25MM在1980—2002年間存在2～6年顯著共振周期,2009—2017年間存在1～3年顯著共振周期。ENSO與RX5DAY在1981—1992年間存在3～6年顯著共振周期,1994—1999年間存在2～4年顯著共振周期,2008—2014年間存在2～3年顯著共振周期。太陽黑子、東亞夏季風和ENSO對PRCPTOT、R25MM和RX5DAY呈正相關(guān)關(guān)系,同時交叉小波能量波譜顯示太陽黑子相比東亞夏季風和ENSO對極端降水因子間能量更強,對于極端降水影響更強。

從不同因子對極端降水的交叉小波分析結(jié)果看,太陽黑子、東亞夏季風和ENSO對極端降水分別有不同程度影響,太陽黑子對于西北干旱區(qū)極端降水影響最強,東亞夏季風和ENSO次之。

4 討 論

本文主要研究了西北干旱區(qū)1960—2018年極端降水時空變化特征及其驅(qū)動因素。已有研究表明,受全球變暖導致的全球及區(qū)域水循環(huán)加快進而導致極端降水呈增加趨勢[33-34]。本研究認為西北干干旱區(qū)極端降水增加,主要表現(xiàn)為R10MM、R95P和RX1DAY的增加,且集中在區(qū)域西北側(cè),即額爾齊斯-烏倫古河流域區(qū)、伊犁河流域區(qū)和天山北坡區(qū),這與楊霞等[35]研究結(jié)論一致。西北干旱區(qū)位于大陸內(nèi)部,研究時段內(nèi)前40年平均降水量僅為134.18 mm,后20年平均降水量為158.03 mm,年降水量增加趨勢顯著,加上全球溫度不斷升高,整體表現(xiàn)為“暖濕化”,與王玉潔等[36]研究結(jié)論相一致,但西北干旱區(qū)年降水量仍較少,對氣候格局無法造成影響。畢超等[37]認為降水增加對于西北干旱區(qū)部分區(qū)域氣候條件會有所改善,部分地區(qū)生態(tài)環(huán)境會向好發(fā)展,一些敏感脆弱區(qū)生態(tài)退化趨勢會有所遏制。但是極端降水屬于短時強降水,對農(nóng)業(yè)生產(chǎn)和生態(tài)建設會產(chǎn)生不利的影響。

本文針對西北干旱區(qū)極端降水增加進行驅(qū)動因子分析,太陽黑子、東亞夏季風和ENSO對極端降水都有著顯著影響。鄒磊等[38]認為太陽黑子增加表明太陽活動加強,進而改變大氣環(huán)流的平均狀態(tài),導致區(qū)域降水發(fā)生變化。陳發(fā)虎等[39]認為東亞夏季風減弱會誘發(fā)我國西北干旱區(qū)降水增加,全球變暖誘發(fā)西太平洋副熱帶高壓極端西伸時在青藏高原東部形成高壓中心,有利于印度洋-太平洋水汽向西北干旱區(qū)輸送。王婷等[40]也認為大氣環(huán)流在厄爾尼諾主導下,會誘導西太平洋副熱帶高壓極端西伸,增加對青藏高原地區(qū)水汽輸送,進而造成西北干旱區(qū)降水增加。不同驅(qū)動因素對于西北干旱區(qū)極端降水影響更多是通過間接影響加快陸地海洋水循環(huán),影響區(qū)域極端降水。同時區(qū)域極端降水增多,是多尺度氣候影響共同作用產(chǎn)生的結(jié)果,不同區(qū)域極端降水分布存在差異性,西北干旱區(qū)不同季節(jié)對于極端降水形式也會具有差異性,冬季更多為極端降雪,在今后的研究中,需要結(jié)合地理特征和不同時間尺度進行更深入的研究。

5 結(jié) 論

本文基于91個氣象站點1960—2018年逐日降水數(shù)據(jù),選用11個極端降水指數(shù),通過趨勢分析、M-K檢驗和交叉小波變換,探究了西北干旱區(qū)極端降水時空變化特征及驅(qū)動因素。

1) 西北干旱區(qū)1960—2018年極端降水指數(shù)CDD表現(xiàn)為下降趨勢,其它10個指數(shù)均表現(xiàn)為上升趨勢。極端降水事件發(fā)生強度、持續(xù)時間和發(fā)生頻率均表現(xiàn)為增加趨勢。極端降水指數(shù)與年降水量表現(xiàn)為顯著正相關(guān)關(guān)系。

2) 西北干旱區(qū)年降水量增加且主要表現(xiàn)形式為極端降水增加,極端降水增加主要表現(xiàn)為R10MM、R95P和RX1DAY增加。

3) 西北干旱區(qū)1960—2018年極端降水主要發(fā)生在區(qū)域西北側(cè),即額爾齊斯-烏倫古河流域、伊犁河流域和天山北坡。

4) 太陽黑子、東亞夏季風和ENSO對極端降水分別有不同程度的影響,太陽黑子對極端降水影響最強,東亞夏季風和ENSO次之。