洞庭湖流域降雨和降雨極值時空分布及風險變化研究

張曉艷，劉梅先

(1.湖南第一師范學院教育科學學院, 中國 長沙　410205；2.中國科學院亞熱帶農(nóng)業(yè)生態(tài)過程重點實驗室, 中國 長沙　410125；3.中國科學院環(huán)江喀斯特生態(tài)系統(tǒng)觀測研究站, 中國 環(huán)江　547100)

?

洞庭湖流域降雨和降雨極值時空分布及風險變化研究

張曉艷1，劉梅先2,3*

(1.湖南第一師范學院教育科學學院, 中國 長沙410205；2.中國科學院亞熱帶農(nóng)業(yè)生態(tài)過程重點實驗室, 中國 長沙410125；3.中國科學院環(huán)江喀斯特生態(tài)系統(tǒng)觀測研究站, 中國 環(huán)江547100)

摘要洞庭湖流域是我國洪澇災害最嚴重的地區(qū)之一，對當?shù)剞r(nóng)業(yè)生產(chǎn)、經(jīng)濟建設和生態(tài)環(huán)境造成了巨大的影響．研究降雨極值的規(guī)律和風險，對當?shù)胤篮榭篂木哂兄匾笇б饬x．本文結合MK檢驗、概率模型和移動窗口法，基于降雨量(R)、平均降雨強度(Ri)、暴雨天數(shù)(R50)和年最大日降雨量(Rx1)為指標，研究了1960—2013年期間洞庭湖流域降雨變化規(guī)律及極值的風險特征．結果顯示，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降，且其中夏季和冬季降雨量上升，春季和秋季下降．然而，Ri、R50、Rx1均呈現(xiàn)總體上升的趨勢(P>0.05)．概率(風險)分析結果表明，Ri、R50和Rx1的五年一遇值(Ri5、R505和Rx15)均呈現(xiàn)東北高西南低的規(guī)律，說明流域東北部洪水風險較高，另外，Ri5、R505和Rx15在總體上呈現(xiàn)顯著的上升趨勢(P<0.05)．這些結果表明，即使流域內降雨量無顯著變化(P>0.05)，但降雨有集中的趨勢(Ri上升)，極端降雨事件逐漸增強(R50、Rx1上升)，洪災風險顯著上升(P<0.05)．

關鍵詞降雨極值; 降雨; 風險; 洞庭湖

在全球變暖的背景下，極端氣候事件的強度和頻率都發(fā)生了相應變化[1]．極端氣候事件的發(fā)生往往具有巨大的破壞性，如干旱、洪水、低溫等，對經(jīng)濟建設、生態(tài)環(huán)境、農(nóng)業(yè)生產(chǎn)和人類健康都會帶來重要的影響．因此，近些年來，極端氣候事件倍受關注，也受到國內外學者的重視[1-2]．

洞庭湖區(qū)是我國洪澇災害發(fā)生頻率高且災情嚴重的地區(qū)．然而，該地區(qū)也是長江流域氣候變化極為顯著的區(qū)域[3-4]．隨著全球氣候變化，洞庭湖流域洪澇災害有明顯增多的趨勢[5]，如在1931—1990年和1991—2000年階段中，分別發(fā)生14次和6次大洪澇災害，平均重現(xiàn)期分別為4.3年和1.7年．洞庭湖區(qū)是我國重要的糧棉基地，防洪能力低，易損性大，洪澇災害造成了巨大的經(jīng)濟損失，如僅在1991—2000年的6大洪澇災害中，洞庭湖堤垸區(qū)直接經(jīng)濟損失達32.5億元[6]．影響洪澇災害的因素有很多，如水利措施、地表覆蓋、降雨條件等，然而，發(fā)生洪水的先決條件是大量降水[7]．因此，研究洞庭湖流域的極端降雨事件的發(fā)生規(guī)律、風險和演變特征，具有十分重要的意義．

國內外針對極端降雨事件的研究十分廣泛[8-11]．在國內，翟盤茂等[12]發(fā)現(xiàn)我國大部地區(qū)降水天數(shù)顯著減少，而多數(shù)地區(qū)降水強度有所增加；Tu等[10]發(fā)現(xiàn)華北地區(qū)總降水量和大多數(shù)降水事件(包括暴雨事件)頻率減少，但暴雨事件自1970年代以來有所增加；Zhang等[13]、Li等[14]、張寶信和謝自銀[15]則指出我國南方和西南地區(qū)降雨在極值、總量上變化均不顯著；Wang和Yan[16]指出我國多數(shù)地區(qū)秋季極端強降水減少，冬季一般增多．在洞庭湖流域，也有不少學者關注了洪澇災害和氣候變化，如王國杰等[4]分析表明，進入1990s后，洞庭湖流域降水明顯增多，尤其是夏季降水，另外夏季暴雨頻率也突變式增大，但暴雨強度并無明顯變化；黃菊梅等[17]指出洞庭湖區(qū)年降水量在時間上沒有顯著變化，但廖夢思和郭晶[18]發(fā)現(xiàn)流域內大部分區(qū)域降水呈一定遞減趨勢；段德寅等[19]分析了厄爾尼諾與洞庭湖區(qū)洪澇關系．

圖1　洞庭湖流域地圖及所選氣象站點分布　Fig.1　The topographic map and distribution of the selected meteorological stations in Dongting Lake catchment

通過現(xiàn)有文獻可知，在過去幾十年中，洞庭湖流域的降雨和降雨極值均有一定變化，但其趨勢基本不具備顯著性．顯然，這與洞庭湖洪澇災害增強的事實并不相符[6]．綜合來看，現(xiàn)有研究主要是基于統(tǒng)計的MK檢驗，從較長時間尺度上分析各指標的變化趨勢．然而，時間序列檢驗可得出序列的總體趨勢，但也會忽略個體事件的發(fā)生規(guī)律，往往不足以有效地表征降雨的實際變化規(guī)律．極端降雨的風險是指事件發(fā)生的概率，其變化規(guī)律能夠在一定程度上指示極端事件的發(fā)生規(guī)律和變化特征．另外，在洞庭湖流域也缺少關于降雨極值等方面的研究．由此，本文基于地面觀測氣象數(shù)據(jù)，結合MK檢驗和概率模型，分析了近54年來洞庭湖流域降雨分布和降雨極值的風險變化特征，探討了流域內洪澇災害的變化規(guī)律，這對當?shù)剞r(nóng)業(yè)生產(chǎn)、災害防控等具有重要的指導意義．

1數(shù)據(jù)和方法

1.1研究區(qū)概況

本研究區(qū)位于24°38′N-30°26′N，107°16′E-114°17′E，包括湖南省大部以及湖北、重慶、貴州、廣西、廣東和江西部分地區(qū)，總面積為26.2 萬km2，約占整個長江流域的14%(圖1)．流域內地貌復雜多樣，山地環(huán)繞東、西、南三面，中部為低矮丘陵，北部地勢地平．洞庭湖區(qū)處于中亞熱帶向北亞熱帶過渡的氣候帶，受東南季風、西南季風、副熱帶高壓及西風帶環(huán)流的綜合影響，具有不穩(wěn)定的氣候系統(tǒng)，旱澇災害頻發(fā)[20]．

1.2資料來源和指數(shù)選取

研究中所采用的地面實測氣象資料均來源于中國氣象數(shù)據(jù)服務網(wǎng)(http://cdc.cma.gov.cn/home.do)，涉及其中43個氣象臺站(圖1)的降雨日值數(shù)據(jù)(1960—2013年)．本文以降雨量(R)、平均降雨強度(Ri)、暴雨天數(shù)(R50)和年最大日降雨量(Rx1)為指標，其定義如表1所示．

表1　文中所選取指數(shù)及其定義

1.3計算方法和軟件

首先，利用消除“時間序列自相關”的MK算法(MK-TFPW)對所選4項指數(shù)(其中降雨包括季節(jié)特征)及其區(qū)域平均值進行趨勢檢驗[21]，分析洞庭湖流域4項降雨指數(shù)的長時序變化趨勢及降雨量的季節(jié)變化特征．4項指數(shù)的區(qū)域平均值由下式計算[7]：

(1)

式(1)中xt為某年內(t)區(qū)域平均指數(shù)，xi,t為某年內(t)某個站點(i)的指數(shù)值．

其次，分析Ri，R50，Rx1的概率(風險)特征，文中采用Gaussian，Student’s t，Poisson，exponential，Rayleigh，Weibull，generalized extreme value(GEV)，binomial，negative binomial，lognormal，geometric，generalized Pareto(GP)，extreme value distribution(EV)等13種概率模型，來擬合Ri，R50，Rx1的概率分布[7]，并基于KS檢驗(Kolmogorov Smirnov test)選取最優(yōu)的概率分布模型，之后基于最優(yōu)概率模型計算Ri，R50，Rx1 3項指數(shù)的5年一遇(文中分別用Ri5，R505和Rx15表示)指數(shù)值．最后結合30-year移動窗口法和MK-TFPW檢驗[7, 22]，分析Ri5，R505和Rx15的變化規(guī)律，進以表征洞庭湖流域極端降雨事件的風險變化特征．本文所有分析(包括指標計算、概率極端和趨勢分析等)，均用Matlab(2013a)編程計算，采用Arcgis 10.1畫圖．

2結果和分析

2.1降雨分布及變化趨勢

洞庭湖流域多年平均降雨分布及其變化趨勢如圖2所示．由圖可見，流域內降雨呈現(xiàn)東高西低的趨勢，較高年降雨量主要出現(xiàn)在湘江流域，多數(shù)站點在1 330 mm/year以上，最高達1 871 mm/year；而西部山區(qū)年降雨量則多在1 280 mm/year以下(圖2a)．從變化趨勢上看，所有站點的年降雨量無顯著變化趨勢(P>0.05)．但是，流域東北部降雨有一定上升趨勢，而西部和南部絕大部分站點降雨量有一定下降(圖2b)．總體上，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降．

圖2　年均降雨分布(a)及其變化趨勢(b)，圖中藍色中空倒三角為非顯著下降，紅色中空三角為非顯著上升，藍色實心倒三角為顯著下降，紅色實心三角為顯著上升，以下圖中與此類同F(xiàn)ig.2　Distribution (a) and changing trends (b) of annual precipitation in Dongting Lake catchment. Where the inverted unfilled blue triangle, red unfilled triangle, inverted filled blue triangle and red filled triangle represents insignificant decreasing, insignificant increasing, significant decreasing and significant increasing trend, respectively

在不同季節(jié)，降雨的變化趨勢也有一定差異(圖3)．由圖3可見，春季和秋季降雨量呈現(xiàn)下降趨勢，且西部地區(qū)部分站點達到顯著水平(P<0.05)；在夏季，流域西部山區(qū)部分地區(qū)有下降趨勢，而東部大部分地區(qū)有上升趨勢；在冬季，基本所有站點降雨量均呈現(xiàn)上升趨勢，其中東部地區(qū)部分站點呈現(xiàn)顯著上升(P<0.05)．在區(qū)域平均水平上，春季和秋季降雨量下降速率分別為-10.1和-8.1 mm/decade，夏季和冬季分別上升5.5和7.2mm/decade(表2)．

圖3　洞庭湖流域降雨季節(jié)變化特征, a: 春季; b: 夏季; c: 秋季; d: 冬季Fig.3　Changing patterns of seasonal precipitation in Spring (a), Summer (b), Autumn (c) and Winter (d)

時間年春季夏季秋季冬季降雨變化(mm/decade)-5.6-10.15.5-8.17.2顯著性P>0.05P>0.05P>0.05P>0.05P>0.05

2.2降雨極值空間分布和變化趨勢

流域多年平均降雨強度(Ri)、暴雨天數(shù)(R50)和最大日降雨量(Rx1)及其變化趨勢如圖4所示．數(shù)據(jù)顯示，流域內多年平均降雨強度范圍為9.3～13 mm，變異系數(shù)為7.6%；空間上基本呈現(xiàn)由東北往西南降低的趨勢，東北部一般為12 mm以上，而西南山區(qū)則基本小于10.5 mm(圖4a)．暴雨天數(shù)范圍為1.8～5.7天，變異系數(shù)為21.3%，不同地區(qū)差異較大，其中高值(>4天)一般出現(xiàn)在流域中北部和南部部分站點，而西南地區(qū)一般小雨2.5天(圖4b)；最大日降雨量Rx1的范圍為63.8～82.1 mm之間，變異系數(shù)為4.9%；在空間上也是北部高西南部低的規(guī)律(圖4c)．

圖4　洞庭湖流域降雨強度、暴雨天數(shù)和最大日降雨量分布及其變化趨勢. a: 降雨強度分布; b: 暴雨天數(shù)分布; c: 最大日降雨量分布;d: 降雨強度變化; e: 暴雨天數(shù)變化; f: 最大日降雨量變化Fig.4　Spatial distribution and changing patterns of three pracipitation extremes. a:distribution of Ri; b: distribution of R50; c : distribution of Rx1; d: changing patterns of Ri; e: changing patterns of R50 and f: changing patterns of Rx1

由圖4d-e可知，降雨強度(Ri)、暴雨天數(shù)(R50)和最大日降雨量(Rx1)的變化規(guī)律基本一致，流域東部和北部大部分站點呈現(xiàn)上升趨勢，而西南部部分站點有下降趨勢．同時，數(shù)據(jù)顯示95%以上站點的Ri，R50和Rx1變化不顯著(P>0.05)．在流域平均水平上，Ri，R50和Rx1均呈現(xiàn)總體上升趨勢，其上升幅度分別為0.1 mm/decade，0.05天/decade和0.9 mm/decade．根據(jù)以上結果可知，洞庭湖流域年降雨量基本呈下降的趨勢，然而平均降雨強度、暴雨天數(shù)和最大日降雨量有總體上升的趨勢．

2.3極端降雨風險變化特征

本文計算5年一遇(重現(xiàn)期為5年)的Ri，R50和Rx1(分別記為Ri5，R505和Rx15)，來反映流域內較大洪澇災害的發(fā)生特征和風險，其結果如圖5所示．很明顯，Ri5，R505和Rx15的分布規(guī)律(圖5a-c)與Ri，R50和Rx1(圖4a-c)基本一致，呈現(xiàn)東北高西南低的規(guī)律．其中Ri5的范圍為10.2～14.4 mm之間，77.3%以上站點Ri5高于12 mm；R505的范圍為2.8～8.2天之間，84%以上站點R505高于4天；R505的范圍為75.3～94.2 mm之間，77.3%以上站點R505高于85 mm．這些結果說明，流域東北部洪災風險較大，而西南部相對較?。鶕?jù)圖5d-e可知，流域內絕大部分站點的Ri5，R505和Rx15均呈現(xiàn)顯著的變化，其中分別有75%，65.9%和68.2%的站點呈現(xiàn)上升，而呈下降趨勢的部分站點主要分布在流域西南地區(qū)(圖5d-e)．

圖5　降雨強度、暴雨天數(shù)和最大日降雨量5年一遇值分布及其變化趨勢, a-c: 降雨強度、暴雨天數(shù)和最大日降雨量5年一遇值分布, d-e: 降雨強度、暴雨天數(shù)和最大日降雨量5年一遇值變化趨勢Fig.5　Spatial distribution and changing trends of the 5-year return levels of Ri, R50 and Rx1, a-c: spatial distribution of the 5-year return levels for Ri, R50 and Rx1, respectively, and d-f: changing trends of the 5-year return levels for Ri, R50 and Rx1

3討論

洞庭湖區(qū)是我國洪澇災害發(fā)生頻率高且災情嚴重的地區(qū)．然而，隨著全球氣候變化的發(fā)展，洞庭湖流域洪澇災害逐漸增多[5]，給當?shù)卦斐闪司薮蟮慕?jīng)濟損失，嚴重威脅了生態(tài)和財產(chǎn)安全．深入分析和了解降雨以及降雨極值的變化規(guī)律和風險特征，有助于當?shù)胤篮榭篂?、水利建設、農(nóng)業(yè)生產(chǎn)和水資源合理利用．本文結合MK檢驗、概率模型和移動窗口法，基于降雨量(R)、平均降雨強度(Ri)、暴雨天數(shù)(R50)和年最大日降雨量(Rx1)4項指數(shù)，研究了1960—2013年期間洞庭湖流域降雨變化規(guī)律及風險特征．結果顯示，所有站點的年降雨量無顯著變化趨勢(P>0.05)，這與黃菊梅等[17]研究結果一致．但在總體上，洞庭湖流域平均年降雨量以-5.6 mm/decade的速率下降，表明流域有逐漸變干的趨勢[17-18]．在不同季節(jié)，降雨的變化趨勢也有一定差異(圖3)．春季和秋季降雨量主要呈現(xiàn)下降趨勢，在夏季，流域西部山區(qū)部分地區(qū)有下降趨勢，而東部大部分地區(qū)有上升趨勢；在冬季，所有站點降雨量均呈現(xiàn)上升趨勢，這與王國杰等[4]、Wang和Yan[16]等的結果基本一致．由此可見，在年降雨總體下降的背景下，降雨有往夏季和冬季集中的趨勢，這將會對洞庭湖流域水文、農(nóng)業(yè)和生態(tài)環(huán)境產(chǎn)生重要的影響．

重要的是，降雨強度(Ri)、暴雨天數(shù)(R50)和最大日降雨量(Rx1)3項指標在流域東部和北部絕大部分站點呈現(xiàn)上升趨勢，僅在西南部分站點有一定下降．結合洞庭湖流域年降雨量總體下降的規(guī)律，可見該區(qū)域降雨有集中的趨勢，這與我國其他區(qū)域的結果一致[12, 15]．降雨的集中，一方面說明極端降雨事件逐漸增強[7]，另一方面也說明年內降雨分配更不均衡．

另外，流域內絕大部分站點的5年一遇(重現(xiàn)期為5年)的Ri，R50和Rx1(分別記分別為Ri5，R505和Rx15)均呈現(xiàn)顯著上升的變化．從統(tǒng)計上來講，5年一遇事件表明在風險為20%的時候事件發(fā)生能達到的最高強度[7]．記錄表明，在1931—1990 年和1991—2000 年兩個階段中，洞庭湖區(qū)分別發(fā)生14 次及6 次較大的洪澇災害，其重現(xiàn)期分別為4.3年和1.7年[6]．因此本文計算的5年一遇值，理論上能夠反映流域內較大洪澇災害的發(fā)生特征．在洞庭湖流域內，降雨強度、暴雨天數(shù)和最大日降雨量的5年一遇值基本呈現(xiàn)顯著上升趨勢(圖5d-e)，反過來說明該流域發(fā)生極端降雨事件的重現(xiàn)期顯著降低，即發(fā)生洪水災害的風險顯著上升，這與洞庭湖流域歷史記錄的洪災發(fā)生規(guī)律一致[6]．

4結論

本文結合MK檢驗、概率模型和移動窗口法，基于降雨量(R)、平均降雨強度(Ri)、暴雨天數(shù)(R50)和年最大日降雨量(Rx1)4項指數(shù)，研究了1960—2013年期間洞庭湖流域降雨變化規(guī)律及風險特征．結果顯示，流域年降雨量總體以-5.6 mm/decade的速率下降．降雨量的變化在不同季節(jié)有明顯差異，夏季和冬季上升，春季和秋季下降，其變化幅度分別為5.5，7.2，-10.1和-8.1 mm/decade．結果也表明洞庭湖流域極端降雨有增強的趨勢，其主要表現(xiàn)流域降雨降低而Ri，R50，Rx1上升．風險(概率)分析結果表明，Ri，R50和Rx1的五年一遇值(Ri5，R505和Rx15)的范圍分別為10.2～14.4 mm，2.8～8.2天和75.3～94.2 mm，三者的空間分布均呈現(xiàn)東北高西南低的規(guī)律，說明流域東北部洪水的風險較高．另外，Ri5，R505和Rx15三者均呈現(xiàn)顯著變化，其中有75%，65.9%和68.2%的站點呈現(xiàn)上升，表明洞庭湖流域洪災風險顯著上升(P<0.05)．由此可以推論，雖然洞庭湖流域降雨量(R)總體降低，但降雨有集中的趨勢，導致平均降雨強度(Ri)、暴雨天數(shù)(R50)和年最大日降雨量(Rx1)上升，洪災風險也顯著上升，特別是流域東北部．由此可見，在全球氣候變化背景下，洞庭湖流域防洪壓力將逐漸升高，政府部門應投入更多的精力和資源，提高防洪抗災能力，加強流域防洪措施，其中應重點加強流域東北部地區(qū)洪災防范，保障生態(tài)環(huán)境和經(jīng)濟財產(chǎn)安全．

參考文獻：

[1]EASTERLING D R, EVANS J L, GROISMAN P Y,etal. Observed variability and trends in extreme climate events: A brief review[J]. Bull Am Meteor Soc, 2000,81(3):417-425.

[2]CAVALCANTI I F A, CARRIL A F, PENALBA C,etal. Precipitation extremes over La Plata Basin—review and new results from observations and climate simulations[J]. J Hydr, 2015,523(2):211-230.

[3]羅伯良,張超,林浩. 近40年湖南省極端強降水氣候變化趨勢與突變特征[J]. 氣象, 2008,34(1):80-85.

[4]王國杰,姜彤,王艷君,等. 洞庭湖流域氣候變化特征(1961—2003年)[J]. 湖泊科學, 2006,18(5):470-475.

[5]蘇成,莫多聞,王輝. 洞庭湖的形成、演變與洪澇災害[J]. 水土保持研究, 2001,8(2):52-55.

[6]李景保,楊燕,許樹輝. 洞庭湖區(qū)1991—2000 年大洪澇災害特點與成因分析[J]. 湖南師范大學自然科學學報, 2001,24(4):90-94.

[7]LIU M X, XU X L, SUN A Y,etal. Is southwestern China experiencing more frequent precipitation extremes[J]. Envir Res Lett, 2014,9(6).

[8]PAXIAN A, HERTIG E, SEUBERT S,etal. Present-day and future mediterranean precipitation extremes assessed by different statistical approaches[J]. Clim Dyn, 2015,44(3-4):845-860.

[9]POWELL E J, KEIM B D. Trends in daily temperature and precipitation extremes for the southeastern united states: 1948—2012[J]. J Clim, 2015,28(4):1592-1612.

[10]TU K, YAN Z W, DONG W J. Climatic jumps in precipitation and extremes in drying north China during 1954—2006[J]. J Meteor Soc Jap, 2010,88(1):29-42.

[11]ZHANG K X, PAN S M, CAO L G,etal. Spatial distribution and temporal trends in precipitation extremes over the Hengduan Mountains region, China, from 1961 to 2012[J]. Quat Inter, 2014,349(3):346-356.

[12]翟盤茂, 王志偉, 鄒旭愷. 全國及主要流域極端氣候事件變化[M].北京:氣象出版社, 2007.

[13]ZHANG Q A, XU C Y, ZHANG Z X,etal. Precipitation extremes in a karst region: a case study in the Guizhou province, southwest China[J]. Theor Appl Clim, 2010,101(1-2):53-65.

[14]LI Z X, HE Y Q, WANG P Y,etal. Changes of daily climate extremes in southwestern China during 1961—2008[J]. Glob Plan Change, 2012,80-81:255-272.

[15]張寶信, 謝自銀. 我國降雨變化趨勢分析[J]. 河海大學學報:自然科學版, 2012,40(3):281-286.

[16]WANG Y, YAN Z. Trends in seasonal total and extreme precipitation over China during 1961—2007[J]. Atm Ocean Sci Lett, 2009,2(2):165-171.

[17]黃菊梅,鄒用昌,彭嘉棟,等. 1960—2011 年洞庭湖區(qū)年降水量變化特征[J]. 氣象與環(huán)境學報, 2013,29(6):81-86.

[18]廖夢思,郭晶. 近32年來洞庭湖流域氣候變化規(guī)律分析[J]. 衡陽師范學院學報, 2014,35(6):109-114.

[19]段德寅,陳耀湘,張國君. 厄爾尼諾和大氣環(huán)流異常與1998年洞庭湖區(qū)洪澇的關系[J]. 湖南農(nóng)業(yè)大學學報,1999,25(3):220-224.

[20]曾群華,郭躍. 洞庭湖區(qū)洪澇災害的特征及成因分析[J]. 地質災害與環(huán)境保護, 2003,14(3):55-60.

[21]YUE S, WANG C Y. Applicability of prewhitening to eliminate the influence of serial correlation on the Mann-Kendall test[J]. Water Resour Res, 2002,38(6):67-75.

[22]GHOSH S, DAS D, KAO S C,etal. Lack of uniform trends but increasing spatial variability in observed Indian rainfall extremes[J]. Nat Clim Change, 2012,2(2):86-91.

(編輯HWJ)

Spatial-Temperal Variation and Risks of Precipitation Extremes in Dongting Lake Catchment

ZHANGXiao-yan1,LIUMei-xian2,3*

(1. School of Education Science, Hunan First Normal University, Changsha 410205, China;2. Key Laboratory for Agro-ecological Processes in Subtropical Region, Institute of Subtropical Agriculture,Chinese Academy of Sciences, Changsha 410125, China;3. Huanjiang Observation and Research Station for Karst Ecosystem, Chinese Academy of Sciences, Huanjiang 547100, China)

AbstractThe Dongting Lake catchment is a flood prone region in China. Heavy floods have brought out huge detrimental impacts on agriculture, economy and ecosystem in this region. Knowledges of the spatial and temporal characteristics and occurrence risks of precipitation extremes are essential for disaster management and hazards mitigation. Based on the daily precipitation dataset of 1960 to the year of 2013, in this study, we investigated spatial-temporal patterns and the occurrence risks of precipitation and precipitation extremes in Dongting Lake catchment, by using statistical analysis of MK test, probability distribution and 30-year moving windows. Four indices, such as the annual precipitation amount (R), the annual mean precipitation intensity (Ri), the torrential rain days (R50) and the max 1-day precipitation amount (Rx1) were employed in this study. Our results showed that the total amount of precipitation has significantly increased in summer and winter, but decreased in spring and autumn. The regional annual mean precipitation has been decreasing at the rate of -5.6 mm/decade in the past decades. Our results indicated that Ri, R50 and Rx1 exhibited an overall increasing trend, though the trends were generally not significant. Our probability results showed that, the 5-year return levels of Ri, R50 and Rx1 (Ri5, R505and Rx15) had demonstrated a clear tendency of increment from southwestern part to northeastern part in the catchment, indicating that the northeastern part has been suffered from high risks of floods. Moreover, our results also find that the values of Ri5, R505 and Rx15 have significantly increased at most of the stations. These results imply that the chance of precipitation extremes is being in the proces of enhancement, and the risks of floods will increase significantly. These tendencies are likely to result in additional pressures on the local government to flood disasters mitigation in this region.

Key wordsprecipitation extreme; precipitation; risk; Dongting Lake catchment

中圖分類號P333

文獻標識碼A

文章編號1000-2537(2016)02-0010-06

*通訊作者,E-mail：daodang2008@sina.com

基金項目：中科院“西部之光”資助項目(Y523061111)；國家自然科學基金資助項目(41501042)

收稿日期：2015-10-08

DOI:10.7612/j.issn.1000-2537.2016.02.002