黎 珩， 朱冰冰， 邊 熇， 王 蓉， 唐馨怡

（陜西師范大學地理科學與旅游學院，陜西 西安 710119）

聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第六次報告指出全球平均表面氣溫在2010—2019 年較1850—1900年增加了0.9～1.2 ℃［1］。隨著全球變暖，水循環(huán)能力增強，勢必會造成區(qū)域性降雨增多。近50 a 以來，極端降水事件在許多地區(qū)甚至國家均呈現(xiàn)出上升趨勢［2-4］。2021 年我國河南鄭州發(fā)生特大暴雨，造成1.201×1011元經濟損失和超過1479×104人受災［5］。極端降水事件不僅產生洪澇、干旱等自然災害，也對人類社會經濟文化發(fā)展造成嚴重影響，目前學術界對極端氣候尤其是極端降水事件的關注程度不斷增加。

在持續(xù)增暖背景下，干旱、半干旱區(qū)降水趨于極端化［6-7］。黃土高原是我國重要的生態(tài)屏障，該區(qū)地貌類型復雜，極端降水強度的增加會加劇淺層滑坡等重力侵蝕的發(fā)生［8］，同時也可能造成土壤侵蝕以及淤地壩和小型水庫的沖毀［9］，增加致災風險，影響黃土高原生態(tài)建設的可持續(xù)性。已有不少學者利用極端降水指數(shù)分析了黃土高原極端降水的時空變化特征，陳效逑等［10］認為中國黃河流域極端降水河源區(qū)呈顯著增加趨勢，而中部和東部呈顯著減少趨勢。楊維濤等［11］對黃土高原極端降水的時空變化進行了研究，發(fā)現(xiàn)年降水總量、強度和強降水事件均呈上升趨勢，但上升趨勢不明顯，皆接近均值。各極端降水指數(shù)空間差異明顯，存在一定空間異質性，這為復雜氣候條件下的黃土高原水蝕風蝕交錯區(qū)極端降水研究提供了指導。

黃土高原北部長城沿線一帶的水蝕風蝕交錯區(qū)是黃土丘陵溝壑區(qū)向毛烏素沙漠的過渡地帶［12］，是極為典型的氣候敏感區(qū)和生態(tài)環(huán)境脆弱區(qū)［13］。區(qū)內水蝕、風蝕全年交替進行，降水不僅導致強烈的水力侵蝕，而且加劇了后期的風蝕［14］。因此，迫切需要研究水蝕風蝕交錯區(qū)在極端降水事件下的時空變化特征。目前，有關水蝕風蝕交錯區(qū)的研究多集中在風水交互侵蝕的作用過程和機理［15］、植被動態(tài)變化及其與水沙的相關關系方面［16］，對氣候因子的演變方面重視不夠。本研究選取水蝕風蝕交錯區(qū)28 個氣象站點，通過RClimDex 模型計算11 個極端降水指數(shù)，利用線性相關分析法、Mann-Kendall趨勢檢驗法和小波交叉法對近50 a黃土高原水蝕風蝕交錯區(qū)極端降水時空變化進行研究，探索極端降水趨勢、分布格局和驅動因素。以便政府和有關部門對極端降水事件作出快速響應，減少損失；同時，對防治強烈水土流失，減少入黃泥沙，促進區(qū)域可持續(xù)發(fā)展具有重要影響。

1 研究區(qū)概況

黃土高原水蝕風蝕交錯區(qū)（35°20′～40°10′N，103°33′～113°53′E）是中國西北地區(qū)一個重要的自然地理單元，屬半干旱草原地帶，由溝壑區(qū)向沙漠進行過渡，年降水量為250～450 mm，是黃土高原最脆弱的地貌區(qū)域之一［17］。該區(qū)北起長城沿線，南至神池、靈武、興縣、綏德、吳旗、環(huán)縣、固原、安定、東鄉(xiāng)一線［18］，包括陜西省、山西省、甘肅省、青海省、內蒙古自治區(qū)和寧夏自治區(qū)的113個區(qū)縣（圖1），該區(qū)以北為風蝕區(qū)，以南為水蝕區(qū)。氣候條件和地質構造復雜，水蝕風蝕交錯，強烈的風水復合侵蝕使得區(qū)域更加特殊，對極端降水事件的響應更加敏感。

圖1 黃土高原水蝕風蝕交錯區(qū)地理位置及氣象站點Fig.1 Geographical location and meteorological stations of water-wind erosion crisscross region on the Loess Plateau

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本研究氣象數(shù)據(jù)來源于國家氣象信息中心提供的中國地面氣候資料日值數(shù)據(jù)集（V3.0）。根據(jù)數(shù)據(jù)完整性和連續(xù)性原則，提取了研究區(qū)域內的28個氣象站點1970—2020 年日降水量數(shù)據(jù)，運用RClimDex軟件對數(shù)據(jù)進行質量控制，以及缺失值填充和異常值處理［20］。

東亞夏季風數(shù)據(jù)來源于國家青藏高原科學數(shù)據(jù)中心（http://data.tpdc.ac.cn）。ENSO 數(shù)據(jù)來源于NOAA 地球系統(tǒng)研究實驗室（http://www.esrl.noaa.gov/psd/data/climateindices/list/），水文要素與NINO3.4區(qū)海溫之間為較顯著相關關系［21］，用Nino3區(qū)（5°S～5°N，150°～90°W）海溫數(shù)據(jù)來表征。太陽黑子數(shù)據(jù)來源于比利時皇家天文臺太陽數(shù)據(jù)分析中心（http://www.sidc.be/silso/datafiles）。

2.2 研究方法

2.2.1 極端降水指數(shù)ETCCDMI 定義了11 個極端降水指數(shù)和16個極端氣溫指數(shù)［22］，用于定量研究極端氣候的時空變化特征。本文采用了11 個極端降水指數(shù)（表1），其中1 日最大降水量（R1d）和5 日最大降水量（R5d）以年尺度為衡量標準，暴雨日數(shù)的降水量取25 mm作為標準［23］。

2.2.2 線性相關分析相關分析通?？梢杂脕矸治鰞山M或多組數(shù)據(jù)變化趨勢的一致性，本文利用Pearson 相關分析研究極端氣候事件與影響因素之間的相關關系。相關系數(shù)（r）的表達式為：

式中：n為樣本數(shù)量；Xi為X對應i的觀測值；Xˉ為樣本均值；Yi為Y對應i的觀測值；Yˉ為樣本均值；r的范圍為-1～1，絕對值越接近1，相關性越高。r=0時，相互獨立；r>0時，為正相關關系；r<0時，為負相關關系。

2.2.3 交叉小波變換2個時間序列X和Y的交叉小波變換定義為：

2.2.4 Mann-Kendall趨勢檢驗設X1,X2,…,Xn為時間序列變量，n為時間序列長度，因此定義趨勢檢驗統(tǒng)計量S和服從正態(tài)分布統(tǒng)計量Z為：

式中：S服從正態(tài)分布，其均值為0，方差為Var(S)=n(n-1)(2n+5)/18。sgn 為符號函數(shù)；Xi為第i年對應值；Xj為第j年對應值。在趨勢檢驗中，如果|Z|≥Z(1-α/2)零假設不成立，表明在置信水平α時，時間序列數(shù)據(jù)有顯著變化趨勢。

3 結果與分析

3.1 極端降水時間變化特征

對極端降水指數(shù)進行了趨勢變化分析（圖2），持續(xù)干燥日數(shù)（CDD）為下降趨勢，下降速率為0.8 d·(10a)-1（P>0.05），其余10個極端降水指數(shù)均表現(xiàn)出不同程度上升趨勢，持續(xù)濕潤日數(shù)（CWD）增速為0.02 d·(10a)-1（P>0.05），濕日總降水量（PRCPTOT）增速為12.7 mm·(10a)-1（P<0.05），中雨日數(shù)（R10）增速為0.3 d·(10a)-1（P>0.05），大雨日數(shù)（R20）增速為0.15 d·(10a)-1（P>0.05），暴雨日數(shù)（R25）增速為0.1 d·(10a)-1（P>0.05），強降水量（R95P）增速為2.9 mm·(10a)-1（P>0.05），極強降水量（R99P）增速為2.1 mm·(10a)-1（P>0.05），1日最大降水量（R1d）增速為1.3 mm·(10a)-1（P<0.05），5日最大降水量（R5d）增速為2.4 mm·(10a)-1（P<0.05），降水強度（SDII）增速為0.1 mm·d-1·(10a)-1（P<0.05）。

圖2 1970—2020年黃土高原水蝕風蝕交錯區(qū)極端降水指數(shù)時間變化趨勢Fig.2 Time variation trend of extreme precipitation index in the water-wind erosion crisscross region of the Loess Plateau from 1970 to 2020

CDD 下降、CWD 和PRCPTOT 上升，反映出1970—2020 年水蝕風蝕交錯區(qū)降水持續(xù)日數(shù)不斷增多，交錯區(qū)逐漸濕潤化。R10、R20 和R25 的上升趨勢反映出近50 a交錯區(qū)極端降水日數(shù)不斷增多，極端降水事件發(fā)生的頻率日益增加。R95P和R99P的上升趨勢反映出交錯區(qū)極端降水量逐漸增多。R1d和R5d的上升趨勢反映出交錯區(qū)極端降水強度不斷加強?？偟膩碚f，1970—2020年水蝕風蝕交錯區(qū)極端降水增加、極端降水事件的持續(xù)時間、強度和頻率均增加。

對11 個極端降水指數(shù)和年降水量進行相關性分析（表2），除CDD與年降水量（Pre）呈負相關關系外，其余指數(shù)與Pre 均呈顯著正相關。其中，Pre 和PRCPTOT、R10、R20 的相關系數(shù)分別為0.99、0.96、0.88，遠大于年降水量和其他極端指數(shù)的相關系數(shù)，說明交錯區(qū)年降水量增加主要來源于極端降水事件增加。PRCPTOT 和R10、R20 的相關系數(shù)分別為0.96、0.89，說明極端降水事件增加主要是由R10 和R20引起的。

表2 1970—2020年水蝕風蝕交錯區(qū)極端降水指數(shù)相關系數(shù)Tab.2 Phase relationship of extreme precipitation index in the water-wind erosion crisscross region from 1970 to 2020

3.2 極端降水空間變化特征

對28個站點每年的11個極端指數(shù)進行克里金插值得到極端降水指數(shù)的年空間變化分布，利用Mann-Kendall 趨勢檢驗法對1970—2020 年極端指數(shù)空間變化進行顯著性分析（圖3），發(fā)現(xiàn)極端降水事件主要發(fā)生在交錯區(qū)中部和西南部，其中陜西段為極顯著增加趨勢（Z>2.58）。R10、R20和R25在全區(qū)整體為增加趨勢，顯著增加主要集中在交錯區(qū)中部。R95P 和R99P 呈現(xiàn)出增加趨勢，寧夏段和甘肅段為顯著增加（1.96

圖3 1970—2020年水蝕風蝕交錯區(qū)極端降水變化趨勢分布Fig.3 Trend distribution of extreme precipitation in the water-wind erosion crisscross region from 1970 to 2020

3.3 極端降水驅動因素分析

本文選擇了厄爾尼諾-南方濤動（ENSO）、東亞夏季風（EASM）和太陽黑子（SN）3個大尺度因子，以及持續(xù)指數(shù)、絕對指數(shù)和強度指數(shù)中最有代表性的PRCPTOT、R25和R5d指數(shù)，繪制交叉小波功率圖譜（圖4），分析驅動因子對水蝕風蝕交錯區(qū)極端氣候事件的影響。

圖4 1970—2020年水蝕風蝕交錯區(qū)極端降水指數(shù)交叉小波功率譜Fig.4 Cross wavelet power spectrum of extreme precipitation index in the water-wind erosion crisscross region from 1970 to 2020

ENSO 與PRCPTOT 在1983—1988 年存在3～5 a顯著共振周期。ENSO與R25在1971—1975年存在3～4 a顯著共振周期，在1980—1988年存在2～4 a顯著共振周期，在1989—2004 年存在5～7 a 顯著共振周期。ENSO 與R5d 在1981—1990 年存在2～4 a 顯著共振周期，1992—2004 年存在5～7 a 顯著共振周期，在2012—2017 年存在2～4 a 顯著共振周期。EASM與PRCPTOT在1978—1985年存在2～4 a顯著共振周期，1995—1999年存在1～3 a顯著共振周期，2009—2019 年存在4～7 a 顯著共振周期。EASM 與R25 在1977—1986 年存在1～4 a 顯著共振周期，1990—1998 年存在5～7 a 顯著共振周期，2007—2020 年存在4～8 a 顯著共振周期。EASM 與R5d 在1978—1986 年存在2～4 a 顯著共振周期，2009—2019 年存在4～7 a 顯著共振周期。SN 與PRCPTOT在1971—2001 年存在7～13 a 顯著共振周期。SN與R25 在1972—1996 年存在8～12 a 顯著共振周期。SN 與R5d 在1971—1998 年存在8～13 a 顯著共振周期。

PRCPTOT、R25、R5d 3 個極端降水指數(shù)和驅動因子ENSO、EASM 和SN 具有不同的功率，與SN 的交叉小波變換功率最大。說明極端降水指數(shù)和驅動因子具有不同程度的相關性，極端降水指數(shù)和驅動因子SN 的相關性最高，即SN 對極端降水事件的影響最大。

4 討論

本文對黃土高原風蝕水蝕交錯區(qū)1970—2020年極端降水事件的時空變化特征研究發(fā)現(xiàn)，除持續(xù)干燥日數(shù)減少外，其余11個指數(shù)呈上升趨勢。朱飆［24］對西北地區(qū)氣候進行研究，發(fā)現(xiàn)西北地區(qū)暴雨降水量增多，極端降水強度增加。慎璐璐等［25］分析了黃河流域極端氣溫和極端降水的變化規(guī)律特征，與本文研究結果一致，其他對黃土高原地區(qū)極端降水變化的研究中也有相似結論［26-27］。但以上研究皆是基于西北、黃土高原等地理分區(qū)進行極端氣候研究，將水蝕風蝕交錯區(qū)作為研究區(qū)的組成部分進行分析，對交錯區(qū)整體的研究較少。且對交錯區(qū)的研究更注重于復合侵蝕的機理部分，對氣候尤其是極端降水方面不夠重視。因此本文將交錯區(qū)作為整體研究對象，分析了其時間空間變化特征，在此基礎上引入了驅動因子分析。

Zhao 等［28］認為黃土高原水蝕風蝕交錯區(qū)1958—2015年標準化降水指數(shù)呈下降趨勢，干旱程度可能繼續(xù)增加，與本文研究不一致。這可能因為我國降水存在年際準周期振蕩［29］，近十幾年黃土高原逐漸變濕，2014—2020年是過去250 a中的第2個最濕潤時期［30］。本研究發(fā)現(xiàn)，極端降水事件顯著發(fā)生在交錯區(qū)中部和西南部。徐潔等［31］分析了寧夏南部山區(qū)，發(fā)現(xiàn)大部分地區(qū)極端降水指數(shù)正向變化率較高。劉新偉等［32］發(fā)現(xiàn)甘肅隴東南地區(qū)易出現(xiàn)極端暴雨，張菁等［33］發(fā)現(xiàn)陜甘寧三河源區(qū)極端降水強度、強降水日數(shù)增加。陜西省極端降水量和強度呈上升趨勢，與李雙雙等［9］、史維良等［34］研究結果相似，且?guī)淼谋┯旰闈骋殉蔀樵撌〉诙笞匀粸暮Γ视绕湫枰匾曣兾魇〉臉O端降水事件。交錯區(qū)中部和西南部具有特殊的地理位置，其西面為青藏高原東部邊坡地帶，東南面為秦嶺的西延部分［32］，有利于低空急流的形成和維持，利于上升運動的增強，導致強降水產生［35］。

大氣環(huán)流是影響天氣和氣候變化的重要因素。厄爾尼諾-南方濤動往往會引起全球性的氣候異常［36］。東亞夏季風的變化對我國氣候災害的發(fā)生有重大影響［37］。SN 頻繁活動會引起地球上氣候的劇烈變化，造成如極端高溫、洪澇、干旱等嚴重自然災害［38］。Zhou等［39］的研究表明，SN活動和厄爾尼諾-南方濤動均對降水產生直接或間接影響，進而影響研究區(qū)水文循環(huán)過程。Chen 等［40］研究表明近幾十年東亞夏季風減弱伴隨西太平洋副高異常西伸，來自印度洋-太平洋的水汽不斷向西北干旱區(qū)輸送，西北干旱區(qū)由暖干化向暖濕化轉變。本文在前人研究的基礎上，進一步分析交錯區(qū)的極端氣候，特別是極端降水的驅動因素，主要從ENSO、EASM和SN 3個方面進行分析。研究發(fā)現(xiàn)降水指數(shù)和影響因子具有不同程度的相關，SN對極端降水事件的影響最大。故應關注SN變化趨勢，加強極端降水監(jiān)測與預警。

5 結論

本文選取交錯區(qū)28個氣象站點日降水資料，結合RClimDex 模型和11 個極端降水指數(shù)，分析了1970—2020 年黃土高原風蝕水蝕交錯區(qū)極端降水事件時空分布特征，探討了極端降水事件的驅動因素。主要結論如下：

（1）1970—2020 年風蝕水蝕交錯區(qū)CWD、

PRCPTOT、R10、R20、R25、R95p、R99p、R1d、R5d、SDII 呈上升趨勢，CDD 呈下降趨勢。近50 a 風蝕水蝕交錯區(qū)極端降水事件的強度、頻率和量級不斷增加。交錯區(qū)年降水量增加和極端降水事件增加具有密切關系，且極端降水事件增加主要是由R10 和R20引起。

（2）1970—2020年極端降水事件在全區(qū)整體為增加趨勢，交錯區(qū)中部和西南部極端降水事件顯著發(fā)生，陜西段極端降水量和強度呈顯著增加趨勢且極端化程度更顯著。

（3）影響因子上，PRCPTOT、R25、R5d 3個極端降水指數(shù)和影響因子ENSO、EASM 和SN 具有不同的功率，與SN 的交叉小波變換功率最大，說明影響因子中SN 和極端降水指數(shù)的相關性最高，SN 對極端降水事件的影響最大。