西江流域极端降水演变规律及其对洪水径流的影响

谢志高,贾文豪,王霞雨,刘 晋,黄金华,刘 夏

(1.深圳市东部水源管理中心,广东 深圳 518116; 2.水利部珠江河口治理与保护重点实验室,广东 广州 510611; 3.珠江水利委员会珠江水利科学研究院,广东 广州 510611)

联合国政府间气候变化专门委员会(IPCC)第六次评估报告指出,全球气候变暖导致极端降水风险增大[1-2]。已有研究[3]表明,我国极端降水也呈现出多发、频发的趋势。极端降水往往伴随着内涝、山洪、滑坡、泥石流等灾害[4],高强度、长历时的极端降水会使河流水位快速上涨[5-6],容易超过堤防的防御能力而发生漫堤,淹没沿岸的城市、农田等,造成人员伤亡和财产损失。大范围的极端降水更可能会造成流域性大洪水[7],严重威胁流域社会经济的高质量发展[8]。此外,极端降水还给流域的水资源管理[9]、水旱灾害防御等提出了新的挑战[10]。

学者们基于Copula函数[11-12]与累积量斜率变化率法[13]、经验统计分析法[14]等分析了降水-径流关系的变化特征,并定量解析了气候变化与人类活动对于径流的影响[13]。然而,已有研究多集中于降水与径流系列均值的关系[14-15],降水和径流极值之间的关系研究相对较少。极端降水指标通常用来描述极端降水事件的特征[16-18]，然而由于不同研究区域自然地理条件的差异,不同极端降水指标间的分析可能存在信息冗余。此外,目前有关极端降水的影响研究多集中在极端降水时空变化[19-23]及其对径流与输沙量的影响[24-27]等方面,缺少对受灾人口、直接经济损失等洪涝灾害指标的影响分析。实际上,在极端降水事件不断加剧、流域水利工程体系日益完善、非工程措施不断加强等多重因素的影响下,亟待挖掘洪涝灾害指标的演变规律及其与极端降水指标的相关性。

珠江是我国七大江河之一,受流域地理位置、东南季风与西南季风等天气系统以及复杂地形地貌变化的综合影响,汛期易出现强度大、次数多、历时长的暴雨,严重威胁流域特别是人口稠密、城镇集中、经济发达的下游三角洲地区的防洪安全[28-29]。粤港澳大湾区位于珠江三角洲地区,《粤港澳大湾区发展规划纲要》提出了建设国际一流湾区,打造高质量发展典范的目标,对大湾区水安全保障提出了新的更高要求。因此,在气候风险不断加剧的背景下,研究珠江流域极端降水演变规律及其潜在影响可为流域与粤港澳大湾区的水旱灾害防御提供支撑[30]。西江是珠江的主流,流域面积约占珠江流域的80%,且流域暴雨中心多位于西江,已有关于西江流域极端降水的研究多集中在极端降水频率、时空演变规律[31-32]和驱动因素[30]等方面,尚缺少针对极端降水变化与年均径流、年最大日平均流量变化,特别是与洪涝灾害指标关系的研究。

本文采用传统Mann-Kendall(M-K)与创新趋势分析(innovative trend analysis,ITA)法分析极端降水指标、年均径流和年最大日平均流量的演变趋势,利用M-K、滑动t法等进行系列的突变检验,在对各类暴雨指标进行综合全面分析的同时,探究西江流域年均径流与年最大日平均流量的演变规律,并综合利用Pearson相关系数、双累积曲线法分析极端降水与年均径流、年最大日平均流量之间的相关关系,评估不同极端降水指标之间的相关性,量化极端降水对洪涝灾害指标的影响。

1 流域概况

西江发源于云南省曲靖市马雄山东麓,自西向东流经云南、贵州、广西和广东4省(自治区),至广东省佛山市三水区的思贤滘与北江汇合后流入珠江三角洲网河区,全长2075km,流域集水面积为35.31万km2,多年平均水资源量为2302亿m3,占珠江流域多年平均水资源量的68%,主要5大支流为北盘江、柳江、郁江、桂江和贺江。西江流域受东南季风和西南季风影响,具有典型的亚热带气候特征。流域地势总体西北高、东南低。上游南盘江段位于云贵高原和高原斜坡区,红水河和黔江段位于高原斜坡和中低山丘陵盆地区,下游的浔江和西江段位于低山丘陵盆地区。

2 数据与方法

2.1 数据来源

西江流域44个气象站点1956—2019年日尺度降水资料来源于国家气象信息中心(http://data.cma.cn/),梧州站逐日径流数据来源于《中华人民共和国水文年鉴》第8卷第2册,即《珠江流域水文资料西江下游区(郁江口以下)》,洪涝灾害损失数据(1992—2019年)来自水利部珠江水利委员会。在统计分析前,先采用RClimDex软件对气象数据进行质量审查,主要包括不合理值处理及数据系列一致性检验,并利用ArcGIS的泰森多边形法计算各站点的权重,得到流域面平均值。

2.2 研究方法

2.2.1极端降水指标

降水超过阈值连续天数等特征指标均可用于定义极端降水事件[33]。世界气象组织明确了10种常用的极端降水事件指标,并划分为强度指标、持续时间指标和频率指标3类,由于不同指标在分析时考虑的极端降水特征值、时间尺度各不相同,因此,本文先选用全部的10种指标进行分析,采用Pearson相关系数计算极端降水指标与年均径流、年最大日平均流量、洪涝灾害指标的相关性,并基于不同指标的计算结果以及指标间的相关性,筛选出代表性指标。极端降水指标符号与含义如表1所示。

表1 极端降水指标

2.2.2趋势与突变分析

传统趋势分析方法如线性回归法、Sen’s slope法、M-K法已得到了广泛的应用[34-35],但这些方法在应用中往往需要数据系列满足一定的假设,如服从正态分布、不受数据系列自相关性的影响等,此外,难以进一步挖掘系列中不同频率下的变化趋势。因此,本文在采用传统Sen’s slope法、M-K法的基础上,引入ITA法进行趋势分析[36-37]。

ITA法指标S的计算公式为

(1)

突变是指从一种稳定状态变化到另一种稳定状态。由于不同突变检验方法对数据系列进行检验时可能得到不同的结果[38],因此,本文综合运用M-K法与滑动t法识别数据系列的突变点。

2.2.3双累积曲线法

双累积曲线法是时间系列分析中的一种常用方法[39],已广泛用于流域降水径流分析的研究。本文根据突变点前实测资料,采用极端降水指标与年均径流累积值和年最大日平均流量累积值,分别建立累积极端降水指标与年均径流和年最大日平均流量的回归方程,将突变点后的极端降水指标累积值代入回归方程,计算年均径流累积值或年最大日平均流量累积值的拟合值;根据突变点后的计算年均径流(或计算年最大日平均流量)和实测年均径流(或实测年最大日平均流量)求出极端降水指标对两者改变的贡献率。

3 结果与分析

3.1 极端降水指标演变规律

极端降水指标的趋势分析结果如表2所示。从强度指标来看,西江流域1956—2019年Rx1day、R99p和SDⅡ呈显著上升趋势,其余指标除PRCPTOT外,均呈现不显著上升趋势;从持续时间指标来看,CDD呈不显著上升趋势,而CWD呈不显著下降趋势;从频率指标来看,R25呈不显著上升趋势而R10呈不显著下降趋势。因此,西江流域的极端降水整体呈现强度增大且强降水更为集中的特点。

表2 1956—2019年西江流域极端降水指标年际变化趋势分析结果

图1为西江流域44个气象站点的极端降水指标M-K趋势分析结果的空间分布。从不同极端降水指标的变化趋势来看,就降水强度而言,Rx1day与R99p相较于Rx5day、R95p更为敏感,SDⅡ增大而PRCPTOT变化不显著,且Rx1day与R99p识别出呈现显著性的站点分布极为相似。从持续时间来看,CDD整体变化不显著,CWD在北盘江、南盘江、红水河区域呈显著下降趋势。此外,采用西江流域东南部地区站点系列数据计算得到的SDⅡ、R25、R99p、R95p、Rx1day呈现明显上升趋势,而大多数流域西部站点的PRCPTOT、R10则呈现明显下降趋势。结合西江流域西北高、东南低的地势分布可知,西江流域中下游低海拔地区发生极端降水的概率和强度增大,发生洪涝灾害的风险也有所增大,这一结果同已有针对西江流域极端降水的研究结果[40]一致。

图1 西江流域极端降水指标M-K趋势分析结果的空间分布

此外,其他流域的研究同样有低海拔地区极端降水变化更为显著的规律。安文杰[41]研究结果表明,嘉陵江流域极端降水强度表现为从东南到西北递减,空间上与嘉陵江流域北高南低的地理特征相符。张海宁等[42]研究发现,渭河流域极端降水量呈增加趋势的站点同样主要集中在海拔相对较低的渭河流域干流东部和下游及渭河流域东南部。由此可见,极端降水变化趋势的差异性同区域位置与地形密切相关,其中,地形对降水分布的影响十分复杂,地势抬高形成的地形雨会导致降水量逐渐增多,但上升到一定的海拔高度后,空气里的水汽由于大量的降水而减少,降水量就会随着海拔的继续上升而减少。

极端降水指标的突变检验结果如表3所示,可以看出,根据滑动t检验,西江流域极端降水的强度指标多在1992年发生突变,而M-K突变检验结果表明,Rx5day(1993年)、PRCPTOT(1994年)、SDⅡ(1992年)同样在1992年左右发生突变;CWD两种突变检验方法得到的突变点分别为1999年与1998年;而根据滑动t检验,频率指标在1983年以及1992年发生突变。

表3 西江流域极端降水指标突变检验结果

3.2 年均径流和年最大日平均流量演变规律

如图2(a)所示,西江流域年均径流呈不显著上升趋势,年均变化速率为0.85m3/s,年均径流的年际波动变化大致分为4个阶段:1989—1994年和2012—2019年呈迅速上升趋势;1968—1989年和1994—2012年呈波动下降趋势。M-K趋势检验表明,年均径流无显著变化趋势,突变检验的结果表明年均径流在1992年和2002年发生突变。

西江流域年最大日平均流量呈不显著上升趋势(图2 (b)),年均变化速率为53m3/s。年最大日平均流量的年际波动变化大致分为3个阶段:1956—1976年呈波动上升趋势,1976—1982年呈下降趋势,1982—2019年则是先波动上升再下降。M-K趋势检验表明,Z统计量绝对值为0.59。两种突变检验方法所得的结果一致,均为1979年和2010年。

3.3 极端降水对径流影响分析

3.3.1极端降水指标与年均径流的相关性

极端降水指标是世界气象组织推荐并被广泛应用的指标,强度指标、持续时间指标、频率指标反映了极端降水的不同特征,不同指标在分析时考虑的极端降水特征值、时间尺度各不相同,其中也有PRCPTOT、SDⅡ、R10、R25等反映年尺度降水特征的指标,因此极端降水指标与年均径流也存在一定的关联性。此外,年均径流关系到西江流域水资源量的变化,因此,评估极端降水指标与年均径流的相关性同样可为流域的水旱灾害防御提供支撑。

在径流突变分析的基础上,根据1992年与2002年两个突变点将数据系列划分为基准期(1956—1992年)、突变期Ⅰ(1993—2002年)、突变期Ⅱ(2003—2019年)3个阶段,并对比不同时期极端降水指标与年均径流相关性的差异,结果如表4所示。除CDD外,极端降水指标与年均径流均呈显著的正相关关系,其中又以PRCPTOT相关性最强。CDD和Rx1day与年均径流的关系在基准期通过了显著性检验,而在突变期均未通过检验。因此,极端降水指标中PRCPTOT、R25、R10、R95p与年均径流的相关性较强,而CDD、Rx1day对年均径流的影响相对较小。

表4 不同时期年均径流与极端降水指标的相关系数

3.3.2极端降水指标与年最大日平均流量的相关性

根据年最大日平均流量1979年与2010年两个突变点,将数据系列划分为基准期(1956—1979年)、突变期Ⅰ(1980—2010年)、突变期Ⅱ(2011—2019年)3个阶段,相关性分析结果如表5所示。除CDD、R10外,极端降水指标与年最大日平均流量均呈显著的正相关关系,且Rx5day与年最大日平均流量的相关系数最大,R99p次之。Rx5day和R99p与年最大日平均流量的强相关性反映了在短时间内发生强降水时,会导致河流水位猛涨,地表径流量迅速增加,进而引发洪水灾害。

表5 不同时期年最大日平均流量与极端降水指标的相关系数

极端降水指标与年最大日平均流量的相关性也受到以下因素的影响:①流域的地形地貌、土壤类型等因素会影响产汇流过程。从降水到形成径流需要经历流域蓄渗、坡面漫流和河槽集流3个阶段,由于每次降水的强度和持续时间不同,加之流域下垫面的影响,径流形成需要一定的时间。即使降水强度很大,但如果流域的产汇流特征使得水量无法迅速汇集,则无法形成“峰高量大”的洪水过程。②水库的调蓄作用会显著影响洪水的形成和峰值流量。水库可以削减洪峰,拦蓄洪量,从而降低最大洪量。

3.3.3极端降水指标对年均径流与年最大日平均流量影响的定量评估

采用极端降水指标与年均径流(年最大日平均流量)双累积曲线法定量分析了极端降水指标对年均径流与年最大日平均流量的影响,结果如表6所示,除CDD外,突变期内各极端降水指标对年均径流改变的贡献率都在86%以上,对年最大日平均流量改变的贡献率都在50%以上,且绝大多数极端降水指标在突变期Ⅰ(1980—2010年)对年最大日平均流量改变的贡献率低于突变期Ⅱ(2011—2019年),对年均径流则是突变期Ⅰ多数高于突变期Ⅱ。同时,伴随着水利工程体系的不断完善以及下垫面条件的不断变化,人类活动对极端降水与年均径流和年最大日平均流量的关系会产生一定的影响。

表6 西江流域极端降水指标对年均径流与年最大日平均流量改变的贡献率

4 讨 论

4.1 极端降水指标间的相关性

利用Pearson相关系数分析不同极端降水指标间的相关关系,结果如图3所示。由图3可见,极端降水强度指标之间存在高度自相关性,特别是Rx1day、Rx5day、R95p、R99p 4个指标之间的相关系数均大于0.74,且都通过了显著性检验;而持续时间指标CDD与CWD与其他指标的相关关系具有明显差异;两个频率指标R10与R25与其他指标的相关关系相似,且R25相对更为敏感。由此可见,指标间相关性很强,在进行西江流域极端降水分析时,可选择代表性指标进行分析:采用R99p、SDⅡ进行强度指标分析,采用CDD、CWD进行持续时间指标分析,采用R25进行频率指标分析,从而在保证分析结果合理性的基础上,减少极端降水指标间信息的冗余。

图3 极端降水指标与洪涝灾害指标Pearson相关系数检验结果

4.2 极端降水指标同洪涝灾害指标的相关性

极端降水指标与洪涝灾害指标的相关性分析结果如图3所示。1992—2002年所有极端降水指标都与洪涝灾害指标呈正相关关系,其中R95p和受灾人口的相关系数最高,CDD和死亡人口、倒塌房屋相关系数分别为0.71和0.77,R99p和倒塌房屋、直接经济损失相关系数分别为0.71和0.73。由此可见,R95p、CDD和R99p同洪涝灾害指标的相关性较强。2003—2019年极端降水指标和灾害损失的相关性显著降低,其中R25、R95p和直接经济损失的相关系数最高,均为0.64。

由此可见,极端降水指标同洪涝灾害指标的相关关系在2002年后已经发生了显著改变。这种关系的改变一方面是受气象条件本身变化的影响,由极端降水指标的演变规律分析可知,西江流域极端降水在20世纪90年代发生了突变,短时间内发生更强烈、更集中暴雨的可能性不断增大,从而使得倒塌房屋、直接经济损失等洪涝灾害损失不断增大。同时,社会经济的不断发展、人口经济的不断聚集等条件的变化也会使得极端降水带来的损失呈现增大趋势。另一方面,防洪工程体系的不断完善、防灾减灾救灾思路的转变、预报预警预演预案能力的提升等大大提升了流域水旱灾害防御水平,从而能够有效降低极端降水带来的灾害损失。

为了进一步探究径流突变前后极端降水致灾规律的变化及主要驱动要素,基于收集到的1992—2019年由洪涝灾害导致的受灾人口、死亡人口、倒塌房屋和直接经济损失归一化数据,对比了突变前后洪涝灾害指标的变化,结果如图4所示。与径流突变前相比,不同洪涝灾害指标的变化呈现显著差异,具体表现为:2002年后受灾人口、死亡人口和倒塌房屋明显降低,而直接经济损失则略微增大。由此可见,随着2002年西江流域的骨干水库龙滩、百色等开工建设以及流域防洪工程体系不断完善,预报预警预演预案能力不断提高,在极端降水不断加剧的背景下,受灾人口、死亡人口和倒塌房屋均有所降低,特别是死亡人口明显下降。但同时,随着流域社会经济的快速发展,人口密集区不断扩张,城市化进程日渐加快,再加上极端水文气象事件的加剧,直接经济损失有所增大。

图4 1992—2002年与2003—2019年洪涝灾害指标对比

5 结 论

a.西江流域极端降水整体呈现强度增大、强降水更为集中的特点;中下游低海拔地区相较于上游高海拔地区极端降水事件增多、降水强度增大的趋势更为明显,年均径流和年最大日平均流量的变化趋势同极端降水整体基本相同;极端降水指标在20世纪90年代出现突变,其中,强度指标多在1992年发生突变;西江流域年均径流与年最大日平均流量呈现不显著上升的趋势,突变点分别为1992年、2002年和1979年、2010年。

b.相关性分析结果表明,PRCPTOT、R25、R10、R95p是影响流域径流变化的主要极端降水指标,Rx5day和R99p是与年最大日平均流量最为相关的极端降水指标;R95p、R99p、CDD和R25同洪涝灾害指标的相关性相对更强。

c.综合考虑不同极端降水指标的变化趋势及指标间的相关性,可选择R99p、SDⅡ、CDD、CWD和R25进行西江流域极端降水分析,从而在保证结果合理性的同时,减少指标间信息的冗余。

d.2002年后极端降水指标和洪涝灾害损失的相关性显著降低,极端降水指标同洪涝灾害指标的相关关系已经发生了显著改变;随着防洪工程体系的不断完善、防灾减灾救灾思路的转变、预报预警预演预案能力的提升等,流域水旱灾害防御水平大大提升,受灾人口、死亡人口和倒塌房屋显著降低;此外,在极端水文气象事件不断加剧的背景下,流域社会经济的快速发展、人口密集区不断扩张、城市化进程日渐加快导致直接经济损失有所增大。