1960—2013年昭通市极端降雨时空演变规律研究

，　，，，　

(1.云南省水文水资源局 昭通分局，云南 昭通　657000；2.长江水利委员会水文局 荆江水文水资源勘测局，湖北 荆州　434020；3.长江科学院 农业水利研究所，武汉　430010)

1　研究背景

我国属于大陆性季风气候，降雨的时空分布极为不均，在时间上集中在5—10月份的汛期，在空间上集中于南部和东部，这就导致我国夏季暴雨洪涝灾害频发，严重威胁社会经济平稳发展，造成巨大的经济损失[1-2]。而21世纪以来，以全球变暖为主要标志的气候变化导致世界上许多区域极端暴雨的发生频率和量级增加，已得到了大量的研究证实[3-4]。在我国，翟盘茂等[5]研究表明，近50 a我国北方降雨强度普遍趋于增加，除西北地区外降水日数普遍显著减少；Qu等[6]的研究结果则表明，西北地区、黄河上游和珠江流域降雨量明显增加，而其他地区则存在较大的空间变异性；Chen等[7]研究表明，云南省年降雨量有明显下降趋势，但各季节趋势差异较大。此外，还有一些学者[8-9]对中国不同区域的极端降雨进行了研究，各区域极端降雨演变规律不尽相同。对区域降雨特别是极端暴雨变化的研究，对于区域洪涝灾害防御具有重要的参考意义。因此，在极端降雨时空变异性较大的背景下，有针对性地开展具体区域的极端降雨演变规律分析，十分必要[10]。

昭通市是自然灾害频发的地市之一，近年来频频遭受极端强降雨带来的洪涝灾害[11-12]，仅2017年以来，已发生7月2—4日和8月24—25日的2次极端暴雨洪涝灾害，造成重大经济损失。有关研究采用日尺度降雨直接分析降雨时空演变格局较多，采用极端降雨指数分析区域极端降雨演变规律相对较少。本文基于极端降雨指数对昭通市极端降雨的时空演变规律进行分析，有助于加深对该区域极端降雨发生规律的认识，为区域防洪减灾和水资源管理提供参考。

2　数据来源及分析方法

2.1　研究区概况与数据

昭通市位于云、贵、川三省结合处，是云南省的北大门，总面积23 021 km2；处在四川盆地向云贵高原抬升的过渡地带，地势南高北低。在气候上属于大陆性季风气候，降雨时空分布极为不均，主要集中在汛期5—10月份[13]。

本研究采用的数据来自中国气象数据网(http:∥data.cma.cn/)。为了尽可能全面地反映昭通市的降雨状况，选取了昭通市及其周围共计21个站点，经过整理，剔除数据不完整和缺测数据较多的站点5个，最终选择16个站点的气象数据作为本研究的基础数据来源。气象站点的相关基本信息如表1所示，其空间分布如图1所示。

表1　昭通市及其周围16个气象站点基本信息

图1　昭通市边界位置、高程及气象站点分布

2.2　极端降雨指标体系

世界气象组织(WMO)及气候变化和可预测性研究计划(CLIVAR)联合推荐了气候变化检测指数(ETCCDI)[14]。该指数集共有27项气候指数，主要涉及气温和降雨等方面。本文选取其中的6个降雨指数，用以表征极端降雨，进行地区极端降雨的时空演变规律分析，各指数的名称和定义见表2。表2中的6项指数，前4项指数是反映极端降雨量级的，后2项指数则主要是反映极端降雨发生频率的，6项指数整体上构成一个相对完善的评价指标体系，反映了极端降雨的主要特征，可对区域极端降雨进行综合评价[15]。

表2　极端降雨指数选取及定义

极端降雨指数的计算采用基于R语言的RClimDex1.0软件。RClimDex1.0软件(http:∥etccdi.pacificclimate.org/software.shtml)是一款专门用于极端气候指数计算的R语言软件包，由Climate Research Branch of the Meteorological Service of Canada开发，在极端气候和气候变化研究中被广泛应用。在进行极端降雨指数计算前，先对降雨数据进行质量控制，包括人工检查和RClimDex1.0计算时的数据质量检查，剔除质量不合格的数据。

区域面上平均的降雨数据基于ArcGIS10.2利用泰森多边形法进行面积权重计算得到，并同16个站点数据一起采用RClimDex1.0进行指数计算。趋势分析采用线性趋势分析和Mann-Kendll法[16]，突变分析采用滑动t检验[17]，这些方法均为水文气象研究中常用的方法，其原理不再赘述；各指数的空间分布采用ArcGIS 10.2基于反距离插值法(IDW)得到。

图2　1960—2013年昭通市6项极端降雨指数演变情况

3　结果与讨论

3.1　昭通市极端降雨的时间演变分析

昭通市面上平均6项极端降雨指数由基于ArcGIS10.2利用泰森多边形法进行面积权重计算得到的降雨数据计算而来，其时间演变结果如图2和表3所示，各站点6项极端降雨指数的线性倾向率(/10 a)计算结果如表4所示。在图2中，实折线为各指数的长系列年度值，菱形点代表各指代的各年代(1960s—2010s)平均值，其中2010s平均值为2010—2013年的平均值，实直线代表长系列值的线性趋势。从统计结果可以看出，各项指数的变化趋势及幅度相互间存在较大差异。

表3　昭通市极端降雨指数时间变化趋势和突变检验汇总

注：*表示该趋势通过了0.05的显著性检验

表4　不同站点极端降雨指数线性倾向率

昭通市多年(1960—2013年)平均PRCPTOT为831.9 mm, 1960—2013年最大PRCPTOT为 1 035.9 mm，出现在1968年，最小PRCPTOT为526.0 mm，出现在2011年。1960—2013年昭通市PRCPTOT总体上呈不显著的下降趋势，下降的线性倾向率为-0.91 mm/a。从PRCPTOT年代演变来看，从1960s—2010s(按2010—2013统计)基本上处于整体微弱下降的趋势，2010s相对于前几个年代下降较为明显，该结论与文献[13]初步分析结论一致，即昭通市极端降雨近50 a来有缓慢下降的趋势。平均日降雨强度SDII多年平均值为6.2 mm/d，总体上呈现出不显著的上升趋势，上升的线性倾向率为0.003 (mm/d)/a，由于降雨总量在下降，因此可知降雨天数有上升趋势。

RX5day是评价5 d最大降雨量的指数，反映了降雨的集中度。昭通市RX5day多年(1960—2013年)平均值为49.5mm，呈显著上升趋势，线性倾向率为0.10 mm/a， 说明昭通市降雨的集中度有所增加。

R95p是评价极端强降雨的指数，表征强降雨量，昭通市R95p指数的多年平均值为58.0 mm，占多年平均降雨总量7.0%。昭通市R95p在1960—2013年期间均呈不显著的上升趋势，线性倾向率为0.19 mm/a，说明近50 a来昭通市极端强降雨的总量有增加的趋势。

R10mm表征一年中降雨量>10 mm的天数，两者反映了较强降雨发生的频率，从图2和表3可知， R10mm呈现出显著下降趋势，其线性倾向率为-0.03 d/a。此外，R10mm指数在2001年发生了突变。

CWD表征一年中的连续有雨天数，反映了区域的总体湿润态势。从图2和表3可知， CWD呈现出下降趋势，其线性倾向率为-0.05 d/a。此外，1960—2013年期间，昭通市CWD指数发生了突变，突变年份为1985年。

图3　昭通市6项极端降雨指数空间分布

3.2　昭通市极端降雨空间分布格局分析

图3为昭通市6项极端降雨指数的空间分布，该图是根据各指数的多年(1960—2013年)平均值采用IDW空间插值得到的，它能够反映昭通市不同区域极端降雨的空间分布情况。

从PRCPTOT的空间分布图可以看出，昭通市PRCPTOT最小的区域集中在昭通城区及其周围，约为650 mm，而PRCPTOT最大的区域则主要为巧家县西部和盐津县，约1 100 mm，其他区域则居于二者之间,总体上看昭通市PRCPTOT空间分布极不均匀。昭通市SDII空间分布则恰与PRCPTOT有着大致相反的特征，SDII较小的区域主要为昭通市东侧镇雄县，约7.5mm/d，其次是威信县和市区，而SDII最大的区域为大关县和彝良县，约9.2 mm。

昭通市RX5day指数在北部盐津县、水富县和巧家县等地区较高，而昭通城区和永善县等地区较低，而西部镇雄县和威信县则居中。RX5day的高值和低值分别为326.2 mm和152.4 mm，可见高值和低值差别较大，昭通市RX5day指数空间分布不均匀。

昭通市R95p指数空间分布表现为:高值集中在盐津县、水富县、绥江县和巧家县等区域，约为375 mm;低值则主要集中在昭通市城区及其周围，约为160 mm;该项指数具有较大的空间变异性。

昭通市R10mm空间分布特征与其他指数迥异。R10mm较高的区域主要分布在盐津县、大关县、鲁甸县和巧家县，约29 d，而R10mm较低的区域则主要分布在昭通城区、彝良县和永善县，约20 d。

昭通市CWD空间分布特征为：CWD较高的区域主要为盐津县、大关县、鲁甸县和巧家县等区域，约为8 d，而低值主要集中在永善县、绥江县和水富县等区域，约为5 d，尽管空间上数值分布差异较大，但高值和低值相差较小，总体上空间差异性不大。

总体来看，昭通市6项极端降雨指数均具有较高的空间异质性，东北部降雨量级和频率较高，中部趋缓，而西南总体上相对较低。极端降雨的空间分布格局的分析结果与文献[13]的结果基本一致，即昭通市极端降雨的空间变异性较大，且总降雨量PRCPTOT由北向南逐步递减，但SDII,R10mm和CWD这3项指标的空间分布特征则与PRCPTOT不同，这也表明昭通市极端降雨强度和频率与降雨总量表现出不同的空间分布特征。

图4　昭通市6项极端降雨指数与高程的关系

3.3　昭通市极端降雨与高程的关系分析

极端降雨的发生有极强的空间变异性，受到大气环流和下垫面等多种因素的共同影响，由于其形成机制复杂且机理暂不明确，通过显式的数学关系来预测极端降雨的产生和发展仍然十分困难。因此，通过相关分析找到影响某项指标发生的重要影响因素是国际上通行的做法[7]。表5给出了昭通市不同极端降雨指标间相关性分析，从表5可以看出，大部分指标与PRCPTOT呈显著的正相关关系，仅CWD与PRCPTOT呈不显著的正相关关系，这表明，极端降雨与降雨总量有着密切的关系。其他指标也有许多呈现出较强的相关关系，如SDII与R95p相关系数达0.807，且通过了0.01显著性水平的显著性检验。

表5　昭通市不同极端降雨指标间相关性分析

注：**表示0.01显著性水平下显著

一些研究表明，在地形起伏较大的山区，极端降雨指数与高程呈现出重要的关联性[18-19]。由于昭通市地处云贵高原与四川盆地的交接处，地形变化较大，16个站点的高程在100～2 461 m之间。本文对昭通地区16个站点的6项极端降雨指数的多年平均值与其相应的站点高程进行了相关分析，结果如图4所示。从图4可以看出，SDII基本不随高程而变化；而PRCPTOT，R10mm，CWD则随高程的上升呈现出缓慢的上升趋势，即对昭通市而言，高程越高的地区，PRCPTOT，R10mm，CWD这3项极端降雨指数数值越高，该结果表明昭通地区山区整体上相对低海拔地区更加湿润； RX5day和R95p这2项指标则表现出与其他指标不同的特征，均与高程呈较为显著的负相关关系，即其量级随高程的增加而减小，而这2项指标分别表征最大5d降雨量和强降雨量，这说明昭通地区极端降雨主要发生在低海拔地区。

4　讨论与结论

本文基于昭通市及其周围16个气象站点1960—2013年的长系列实测降雨资料，选用世界气象组织推荐的6个极端降雨指数，采用线性趋势分析、Mann-Kendll法、滑动T检验和反距离插值(IDW)等方法，对昭通市的极端降雨时空演变规律进行了初步分析。分析结果表明:在时间演变规律方面，昭通市降雨量级有上升趋势，但降雨频率有下降趋势；在空间分布格局方面,东北部降雨量级和频率较高，中部趋缓，西南总体上相对较低；相关分析表明，极端降雨主要发生在低海拔地区。研究结果有助于深化对昭通市极端降雨演变规律的认识，对该区域防洪减灾和水资源管理有一定参考意义。