韓江流域極端水文事件時空分布特征研究

馮瑩瑩，胡茂川,2,3

(1.中山大學土木工程學院，廣州 510275；2.中山大學水資源與環(huán)境研究中心，廣州 510275；3.廣東省華南地區(qū)水安全調控工程技術研究中心，廣州 510275)

0 前 言

在氣候變化和人類活動影響下，極端氣候事件顯著增多，水文過程發(fā)生了改變，極端水文事件發(fā)生頻次和強度呈現(xiàn)逐漸上升趨勢[1-3]。由于極端水文事件的時空分布復雜性與其突發(fā)性的特點，干旱、洪澇、泥石流等災害頻繁發(fā)生，對國民經(jīng)濟發(fā)展與人民的生活生產(chǎn)造成嚴重的影響[4]。因此，開展極端水文事件變化特性研究已成為氣候和水文學專家學者的關注重點，對流域的可持續(xù)性發(fā)展和防洪減災具有重大現(xiàn)實意義。當前對于極端水文事件評估方法大致可分為2類：基于歷史數(shù)據(jù)和未來降水產(chǎn)品的方法[5]以及基于水文、氣象或其他指標組合的數(shù)學方法[6]。如Zolina[7]等人基于STAMMEX數(shù)據(jù)集觀測極端降水的空間變異模式以及趨勢變化；王潔[8]等人采用基于降水的SPI指數(shù)進行干旱風險分析。其中，極端水文指數(shù)被廣泛應用于水文氣象研究之中，例如，武文博[9]等采用11個極端降雨指數(shù)對中國極端降水事件進行分析并發(fā)現(xiàn)大部分指數(shù)均有具有明顯的年際與年代際變化；陶望雄[10]等定義極端徑流事件閾值分析汛期與非汛期的極端事件演變特征；程文舉[11]等基于逐日氣溫、降水以及徑流數(shù)據(jù)分析黑河上游極端氣候指數(shù)及極端水文事件的變化趨勢；?，揫12]等對汛期內的7項極端降水序列進行趨勢分析、突變點檢驗及空間分布分析從而得到沱江流域的極端降水事件時空演變特征。在趨勢分析中，傳統(tǒng)的Mann-Kendall檢測被廣泛應用于水文氣象的趨勢變化研究中，但由于其不考慮數(shù)據(jù)間的自相關性與季節(jié)性影響，從而導致在顯著性水平上有可能產(chǎn)生誤差[13]。 基于此，Hamed和Rao[13]在考慮時間序列中所有顯著自相關關系的基礎上，通過對方差進行了修正，提出了新的Mann-Kendall趨勢分析法，并被廣泛應用[6]。

韓江流域是粵東和閩西南的主要水源，流域內人口超700萬人，地區(qū)生產(chǎn)總值合計超1 900億元。受季風和臺風的影響，流域年內降水分布嚴重不均，汛期局部地區(qū)洪澇頻繁，非汛期嚴重缺水，嚴重制約社會經(jīng)濟發(fā)展和威脅人民生命財產(chǎn)安全。因此，開展韓江流域水文極值的相關研究對流域水資源可持續(xù)管理和防災減災具有意義。當前，學者們已對韓江流域的氣候與水文事件開展了相關研究，主要集中在對流域內各個子流域的降水和徑流的年際變化趨勢[14-16]進行分析預測，如張杰[17]等研究中闡述了汀江流域的1965—2012年徑流變化趨勢總體呈現(xiàn)下降-上升-下降的波動；董才文[18]等發(fā)現(xiàn)1960—2013年梅江流域徑流量與降水年際變化整體均呈下降趨勢。而關于全流域極端水文事件的研究較少，萬露文[19]等雖采用線性回歸法分析韓江流域極端降水事件的變化規(guī)律與趨勢，但該法不能很好地擬合非線性數(shù)據(jù)并且易受異常值的干擾[20]，且未對汛期與非汛期內的極端水文現(xiàn)象變化趨勢進行分析，有必要對流域的極端降水和徑流的特征和規(guī)律進行綜合性分析。本文采用韓江流域內及周邊的雨量站點逐日降水資料以及水文站點逐日徑流資料基于2種Mann-Kendall趨勢檢驗法、Sen's斜率和空間插值技術分析極端水文指標，揭示流域內極端降雨在汛期與非汛期的時空變化特征以及極端徑流事件的年際變化規(guī)律，為韓江流域水資源管理和應對洪水以及干旱風險提供重要的科學依據(jù)。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域概況

韓江發(fā)源于廣東省紫金縣上峰，是廣東省除珠江流域以外的第二大流域，上游由梅江和汀江匯合而成，兩江匯合后形成韓江干流自北向南流入韓江三角洲河網(wǎng)區(qū)，最終分東、西、北溪流注入南海(圖1)。韓江流域范圍涉及廣東、福建、江西三省，總集水面積為30 112 km2，屬亞熱帶季風氣候區(qū)，地形多為山地丘陵，少數(shù)平原主要分布在韓江三角洲。流域內雨量充沛，多年平均降雨量約為1 620 mm，受地形的影響降水空間分布差異大且年內分布不均勻，主要集中在汛期(4—9月)，約占年總雨量的70%～85%，多年平均雨量約為1 200 mm；而非汛期的雨量僅占年雨量的15%～30%，其多年平均雨量約為420 mm。流域內的徑流時空分布與降雨基本一致，洪水主要發(fā)生于豐水期，臺風雨為大洪水主要形成因素。

1.2 數(shù)據(jù)來源

采用韓江流域內及其周邊的12個氣象站點1967—2018年共52 a逐日降水數(shù)據(jù)，所有降水數(shù)據(jù)均源于中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http://cdc.cma.gov.cv)所提供的《中國地面氣候資料日值數(shù)據(jù)集》。此外，采用韓江流域橫山站(1960—2000年)、潮安站(1960—2011年)和溪口站(1960—2008年)3個代表性水文站點逐日流量數(shù)據(jù)資料，其中，橫山站為梅江流域主要控制站點，溪口站為汀江流域主要控制站點，潮安站為韓江流域主要控制站點。各氣象站點與水文站點分布如圖1所示。

圖1 韓江流域雨量站及水文站點分布圖

2 研究方法

2.1 時間序列趨勢檢驗

2.1.1傳統(tǒng)Mann-Kendall趨勢檢驗(MK1)

Mann-Kendall趨勢檢驗法(MK1)屬于一種非參數(shù)檢驗方法，最初由Mann[21]和Kendall[22]提出，該法的計算過程較為簡單且檢測時間尺度跨度大，不受少數(shù)異常值的干擾以及數(shù)據(jù)實際分布的影響。因此，廣泛應用于氣象和水文序列的趨勢變化檢測中[23-24]，對于極端值同樣可進行趨勢檢驗。

Mann-Kendall趨勢檢驗法需先假設零假設 (假設序列無顯著趨勢)和備擇假設 (假設序列存在顯著上升或下降趨勢)，MK1的趨勢檢驗的統(tǒng)計量S和方差 var(S)計算公式如下：

(1)

(2)

(3)

式中：x為時間序列變量;n為變量個數(shù);sgn(xt-xi)為符號函數(shù);m為序列中重復出現(xiàn)的數(shù)據(jù)組的個數(shù);ri則表示第i組重復數(shù)據(jù)組中的重復數(shù)據(jù)個數(shù)。

將統(tǒng)計量 標準化進行顯著性檢驗，統(tǒng)計量Z計算公式如下：

(4)

在給定的顯著性水平α下，若|Z|>Z1-α/2，則拒絕H0，即當Z>Z1-α/2表示存在顯著上升趨勢；當Z<-Z1-α/2表示存在顯著下降趨勢；反之，則接受H0。

2.1.2修正后的Mann-Kendall趨勢檢驗法(MK2)

由于MK1假設觀測值相互獨立，即忽略數(shù)據(jù)之間的自相關性，從而低估統(tǒng)計量的方差影響趨勢檢驗分析結果，無法識別出其真正的變化趨勢。針對以上自相關問題，相關專家學者進行了修正，如Hirsch[25]根據(jù)季節(jié)劃分觀測值后分別進行趨勢檢驗，但該法僅消除了季節(jié)間的相關性影響，并沒有將季節(jié)內序列相關性考慮在內。隨后，Hamed和Rao[13]提出一種基于方差進行修正的Mann-Kendall趨勢檢驗法(MK2)，該法與最初的Mann-Kendall趨勢檢驗相比，在于采用方差校正方法從而改進趨勢分析，即通過插入滯后數(shù)來考慮n個顯著滯后，考慮所有重要的延遲和序列中所有顯著自相關關系，進一步提高了趨勢檢驗的精度[13]。

MK2主要是對方差公式進行修正從而替換MK1中的方差，即對觀測數(shù)據(jù)之間的自相關性所導致的誤差進行修正，修正后的方差var(S)*計算公式具體如下：

(n-i-1)(n-i-2)Ws(i)]

(5)

(6)

式中：n為觀測值個數(shù);Ws(i)代表觀測序列的自相關函數(shù)。

本文選取顯著性水平α=0.05，即Z1-α/2=1.96，當|Z|>1.96時，該序列存在顯著上升或下降趨勢；反之，則無顯著趨勢。

2.2 Sen's斜率估計

Sen's斜率[26]估計是由Sen提出的一種非參數(shù)趨勢斜率計算方法，估計n個樣本中N對數(shù)據(jù)的趨勢斜率，該法不受異常值的干擾并且能夠較好地反應序列的趨勢變化[27]，計算公式如下：

(7)

(8)

式中：xj和xk分別表示第j和k個時間序列數(shù)據(jù)值。隨后，將N個Qi按升序排列，則Sen's斜率估計為：

(9)

Qmed反映數(shù)據(jù)趨勢的傾斜程度，Qmed>0表示上升趨勢，Qmed<0表示下降趨勢。

2.3 極端降水與徑流指數(shù)

為能夠定量準確描述極端氣候事件的發(fā)生程度， ETCCDMI專家組提出27個極端氣候指數(shù)，其中描述極端降雨的指數(shù)有11個。本文采取ETCCDMI中4個降水指數(shù)，極端降水指數(shù)定義見表1，并且從3個角度對其進行分類[6，28]，從而對韓江流域汛期與非汛期的極端降水在不同方面進行全面的研究。其中RX1是從降雨強度上反映極端降水變化的指標；PRCPTOT是從降雨量級上反映極端降水變化；CWD和CDD均是從降水持續(xù)性上反映極端降水變化，其中CDD表示在降水較少且干燥的情況下極端降水的變化，CWD則表示降水較多且濕潤情況下極端降水的變化[29]。

表1 極端降水指數(shù)定義表

本文選取極端徑流指標包括洪峰流量指標與枯水流量指標[30]見表2。在洪峰流量分析中采取年最大洪峰流量(SX1)和年最大5 d平均流量(SX5)從強度上反映極端徑流變化情況；而在枯水流量分析中采取干旱指數(shù)[6](CDS)表征極端枯水徑流的持續(xù)程度，其中選取以升序排列的全序列第10分位日徑流數(shù)據(jù)為CDS的閾值，統(tǒng)計日徑流量小于該閾值的年最大連續(xù)天數(shù)。此外，本文基于分位數(shù)閾值的相對指標定義極端日徑流量閾值，將全序列數(shù)據(jù)同樣以升序排序，選擇累計頻率為第95分位對應的流量為極大日流量閾值, 而累計頻率為第15分位對應的流量為極小日流量閾值。因此采用日流量大于極大日流量閾值的年總天數(shù)(RD95)以及小于極小日流量閾值的年總天數(shù)(RD15)從量級上反映極端徑流變化情況[31]。

表2 極端徑流指數(shù)定義表

3 結果分析

3.1 年降雨量的時空演變

采用泰森多邊形插值法計算1967—2017年韓江流域平均降水量，圖2(a)則為韓江流域降水年際變化，降水量在1 100～2 300 mm范圍內波動，呈現(xiàn)出不顯著上升趨勢，其中年最大降雨量發(fā)生在2015年為2 370.61 mm，年最低降雨量發(fā)生在1998年為1 177.37 mm?；?967—2017年的平均值，圖2(b)呈現(xiàn)出韓江流域1967—2017年的降水距平差異，由圖2可以看出：在過去的52 a中，2015年為最濕潤年份，而1998年為最干旱年份，該結果與圖2(a)顯示一致；存在3段明顯干燥的時期，分別為1967—1972年、1998—2004年以及2007—2012年； 1983—1996年的降雨量與多年平均降雨量之間的差值維持在200 mm以內，期間內降雨量變化波動較小。

圖2 韓江流域年降水量時間變化序列圖

表3 韓江流域內各雨量站年降水量Mann-Kendall檢驗結果表

表3為MK1和MK2對韓江流域內12個雨量站點的年降水量進行趨勢檢驗的結果， 42%的站點年降雨量呈現(xiàn)下降趨勢，其中龍川站年降雨量顯著下降(MK2，P=0.05)；58%的站點年雨量呈上升趨勢，其中上杭站顯著上升(MK2，P=0.05)。MK2的檢測結果 相比MK1的結果在所有站點均有一定程度的上升。Sen's斜率計算結果顯示，大多數(shù)站點的年降水量呈現(xiàn)出線性上升趨勢，其中永定站上升速率最快。如圖3所示，韓江流域內中部地區(qū)降水量低于西南以及東北地區(qū)，即以五華、梅縣和大埔站為中心的周邊區(qū)域降雨量最小，而揭西周邊區(qū)域屬流域內降雨量最為充沛的地區(qū)，可能是由于大埔縣至惠東縣的蓮花山脈地形影響而形成的。而位于沿海地區(qū)的潮州三角洲地帶降水量同樣為低值區(qū)域，主要由于平原地區(qū)對氣流阻力較小，導致東南季風所輸送的氣流途經(jīng)沿海平原時速度快、滯留少。此外，近年來梅江流域下游地區(qū)年降雨量呈現(xiàn)出下降趨勢，而汀江流域則呈現(xiàn)出上升趨勢。

圖3 韓江流域各雨量站點年降水量及趨勢時空分布圖

3.2 汛期極端降雨的時空演變

韓江流域屬亞熱帶氣候，受海洋性東南亞季風影響較大，降雨量主要集中在汛期(4—9月)，占全年總降雨量80%左右。韓江流域汛期內降水量年際變化如圖4(a)所示，與年降水量序列基本一致，呈現(xiàn)顯著上升趨勢，但降雨量波動范圍較大，介于750～1 700 mm區(qū)間內，其中1976—1986年降雨量波動幅度較小。基于1967—2018年的平均值，圖4(b)為韓江流域1967—2018年汛期內降水距平序列，可以看出1976—1988年為韓江流域過去52 a內干燥持續(xù)最長的一段時期。年最小汛期降雨發(fā)生在1991年，年最大汛期降雨發(fā)生在1973年。1973年流域內部分地區(qū)遭遇較為嚴重的水災。

汛期內的各極端降水指數(shù)Mann-Kendall趨勢檢驗結果如表4所示，67%的站點CDD呈現(xiàn)不顯著下降趨勢(P=0.05)，其余站點CDD呈現(xiàn)不顯著上升趨勢(P=0.05)。50%的站點(6個)RX1呈現(xiàn)下降趨勢，其中五華、龍川和紫金站RX1顯著下降(MK2，P=0.05)，其余50%的站點RX1呈現(xiàn)不顯著上升趨勢。此外，MK1和MK2檢驗結果僅在部分站點的RX1中表現(xiàn)出顯著差異(在95%置信區(qū)間改變了RX1趨勢檢測的顯著水平)，對于其他站點和指標，雖然|Z|各不相同，但整體差異不大，可見極端指數(shù)時間序列的自相關性較小。

圖4 韓江流域汛期降水量時間變化序列圖

此外，除長汀站外其余各雨量站點極端降雨指數(shù)CWD的Sen's斜率均為零，可見汛期內的連續(xù)降雨天數(shù)未見顯著線性變化。圖5是對韓江流域汛期內各極端降雨指數(shù)(RX1、PRCPTOT和CDD)的Sen's斜率結果進行空間插值得到的時空分布圖，可以看出RX1和PRCPTOT呈現(xiàn)一定的空間分布差異(RX1為-0.87～0.49，PRCPTOT為-3.74～4.92)，這可能與局地小氣候水文循環(huán)過程密切相聯(lián)，變化幅度整體上為“自西南向東北逐漸遞增”的分布格局。其中RX1和PRCPTOT的最大增幅區(qū)主要發(fā)生在汀江流域的龍巖站、永定站和上杭站周邊區(qū)域，而梅江流域及韓江三角洲的部分區(qū)域呈負增長趨勢。持續(xù)干燥指數(shù)CDD在韓江流域大部分區(qū)域未見顯著趨勢變化，其中，在永定、大埔、龍巖以及尋烏站呈現(xiàn)不顯著下降趨勢并且以尋烏站為中心的地區(qū)達到最大降幅，而在梅縣和紫金站則呈現(xiàn)出不顯著上升趨勢。

表4 韓江流域汛期極端降雨指標Mann-Kendall趨勢檢驗結果表

圖5 韓江流域汛期極端降水指數(shù)變化速率空間分布圖

3.3 非汛期極端降雨的時空演變

韓江流域非汛期內降水量年際變化如圖6(a)所示，可以看出非汛期的降水量年際變化趨勢與汛期和年降水量變化趨勢均不一致，呈不顯著上升趨勢并且上升幅度小。此外，大部分年份非汛期內降水量均維持在200～600 mm范圍內波動，只有少數(shù)年份(如1974年、1982年、1991年、1997年以及2015年)降水量超過600 mm。同樣，基于1967—2018年的平均值，圖6(b)為韓江流域1967—2018年非汛期內降水距平序列，可以看出有2個主要干燥時期，分別為1969—1973和1998—2014年。

圖6 韓江流域非汛期降水量時間變化序列圖

對韓江流域非汛期的極端降雨指標進行Mann-Kendall趨勢檢驗，結果如表5所示。其中，68%的站點CDD呈下降趨勢，可見流域內大部分地區(qū)的連續(xù)干燥持續(xù)天數(shù)有逐漸減弱趨勢；同時有75%的站點RX1和58%的站點PRCPTOT呈上升趨勢。同樣，雖然MK1和MK2檢測的|Z|各不相同，但整體差異不大。根據(jù)Sen's斜率結果分析，除上杭和尋

烏站呈現(xiàn)顯著性略微下降趨勢外，各雨量站點極端降雨指數(shù)CWD的Sen's斜率均為零，可見非汛期連續(xù)降雨天數(shù)未見顯著線性變化。圖7為Sen's斜率所得結果進行空間插值而得到的韓江流域非汛期內各極端降雨指數(shù)(RX1、PRCPTOT和CDD)的變化趨勢時空分布。其中，以梅縣為中心的區(qū)域以及韓江三角洲地區(qū)的RX1和PRCPTOT分布基本一致，均呈現(xiàn)出下降趨勢，而以五華站為中心的梅江上游地區(qū)則有略微增長趨勢。對于CDD有下降趨勢的站點，其空間變化呈“由西南和東北向中心地區(qū)不斷減小”?？傮w而言，梅江流域上游地區(qū)和以龍巖和上杭站為中心的汀江流域在非汛期內的降雨強度有所增加且連續(xù)干燥天數(shù)呈減弱趨勢；而以梅縣站為中心的區(qū)域和韓江三角洲地區(qū)降雨強度及量級呈下降趨勢。

表5 韓江流域非汛期極端降雨指標Mann-Kendall趨勢檢驗結果表

圖7 韓江流域非汛期極端降水指數(shù)變化速率空間分布圖

3.4 徑流特征分析

韓江流域內橫山、溪口和潮安3個水文站點的年徑流量變化以及距平變化如圖8所示，結合Mann-Kendall趨勢檢驗結果(表6)可以看出：梅江流域、汀江流域以及韓江下游地區(qū)的年徑流量均呈不顯著上升趨勢，其中梅江流域的年徑流量上升幅度最大；梅江流域和韓江下游流域徑流量低于多年平均徑流量的年份占絕大多數(shù)，而汀江流域則相對持平；各子流域在1962—1972年間年徑流基本維持低流量水平，其中，韓江下游流域徑流量與多年平均徑流量之間的差值最高超過400 m3/s。

韓江流域各水文站點汛期內極端徑流指標Mann-Kendall趨勢檢驗結果如表7所示，結合Sen's斜率分析，可知汛期內各站點的洪峰流量指標SX1、SX5和RD95均呈現(xiàn)下降趨勢，其中潮安站的徑流量達到最大降幅且SX5和RD95均呈顯著性下降。此外，橫山站和潮安站在汛期內枯水流量指標CDS和RD15均呈現(xiàn)出下降趨勢；溪口站的枯水流量指標CDS和RD15呈不顯著的下降趨勢，但Sen's斜率結果僅為-0.05和-0.13，可見在過去的49 a內極端枯水徑流事件沒有明顯的線性變化趨勢。綜合以上分析，可得梅江流域和韓江下游流域在汛期內極端洪澇和干旱事件風險呈減小趨勢。

圖8 韓江流域年徑流量時間變化序列圖

表6 韓江流域年徑流量Mann-Kendall趨勢檢驗結果表

表7 韓江流域汛期極端徑流指標Mann-Kendall趨勢檢驗結果表

非汛期內極端徑流指標Mann-Kendall趨勢檢驗結果如表8所示，橫山站的SX1、SX5和RD95呈上升趨勢，而CDS和RD15呈顯著性(MK1，P=0.05)下降趨勢，可見梅江流域在非汛期內的洪澇風險有增加趨勢，極端枯水流量事件有減弱趨勢。溪口站的SX1呈不顯著下降趨勢，其余指標呈不顯著上升趨勢。潮安站的各極端徑流指標呈現(xiàn)出下降趨勢。

表8 韓江流域非汛期極端徑流指標Mann-Kendall趨勢檢驗結果表

4 討論與結論

4.1 討 論

本文采用2種Mann-Kendall檢驗法對各極端事件指標進行檢測，發(fā)現(xiàn)大部分站點的趨勢變化在95%的置信區(qū)間內并不顯著，這與極端事件的時間序列波動大有關，極端洪水與干旱交替發(fā)生，導致極端指標時間序列呈現(xiàn)出的線性趨勢不顯著。此外，MK2是在MK1的基礎上對方差進行了修正從而考慮序列中所有顯著的自相關關系，結果表明MK1和MK2的極端指數(shù)僅在部分站點的部分指標中表現(xiàn)出顯著差異，在絕大部分站點的值則未有顯著變化，說明極值指標的時間序列之間自相關性較小。Sen's斜率結果表明流域內的極端降雨變化趨勢在不同時段內存在一定的區(qū)域差異性，蔡悅幸[32]等人提出華南地區(qū)前后汛期的極端降水總量和極端降水頻次都呈上升趨勢，該結果與本文極端降水結果較為一致，如梅江下游部分地區(qū)汛期內極端強降雨的強度和總量都有逐漸加強的趨勢。

極端降雨指標變化與各極端徑流指標變化有一定的相關關系，如韓江三角洲地區(qū)RX1在汛期與非汛期基本呈現(xiàn)出下降趨勢，而SX1、SX5和RD95也有相似的變化趨勢，此外，CDS和RD15同樣呈現(xiàn)出下降趨勢，即汛期內的降雨強度和洪澇風險有所緩和，而非汛期內的干旱風險有所減輕。汀江流域龍巖和上杭站汛期內極端降雨指標(RX1和PRCPTOT)呈現(xiàn)不斷增加的趨勢，但溪口站極端徑流指標(SX1、SX5和RD95)呈下降趨勢，這可能與汛期內蒸散發(fā)量及水庫調控有關。此外，梅江流域極端降雨事件部分地區(qū)變化趨勢不一致，在汛期內上游地區(qū)極端降水與極端洪峰流量不斷減少，因此洪澇風險逐漸減少；而非汛期內極端降水和極端洪峰流量事件不斷增加，極端枯水流量事件不斷減少，因此干旱風險有所緩解。由于以上各子流域的極端水文事件均呈現(xiàn)出不同的變化趨勢，流域管理部門在制定極端降水應對方案時需要進行針對性治理。

4.2 結 論

本研究基于韓江流域實測日降雨和日徑流數(shù)據(jù)，利用極端降雨和徑流指數(shù)，通過2種Mann-Kendall趨勢檢驗方法評估各站點在汛期和非汛期內的變化趨勢，再對Sen's斜率所得線性變化量級進行空間插值，分析該流域的極端降雨徑流時空分布特征，主要結論如下：

(1) 通過2種Mann-Kendall趨勢檢驗發(fā)現(xiàn)，MK1和MK2的極端指數(shù)分析結果在大部分站點沒有表現(xiàn)出顯著差異，僅個別站點的極端水文指數(shù)呈顯著性變化趨勢，極值指標的時間序列之間自相關性較小。

(2) 根據(jù)Mann-Kendall趨勢檢驗以及Sen's斜率結果發(fā)現(xiàn)，汛期內不同極端指數(shù)明顯存在地域性的分布特征。其中，極端降雨指數(shù)RX1和PRCPTOT的時空變化趨勢基本一致，在西南地區(qū)呈現(xiàn)負增長趨勢，而在東北地區(qū)則呈現(xiàn)正增長趨勢。除長汀站外，CWD在各站點沒有明顯的線性變化趨勢；CDD則在永定、大埔、龍巖以及尋烏站呈現(xiàn)出不顯著下降趨勢。

(3) 非汛期內68%的站點極端降水指數(shù)CDD均呈負增長趨勢，其變化幅度呈現(xiàn)出“自西南和東北地區(qū)向中心城區(qū)遞減”的分布格局。

(4) 韓江流域內各水文站點所控制子流域的極端徑流指標在汛期和非汛期內均呈現(xiàn)出不同的變化趨勢。汛期SX1、SX5和RD95在各站點均呈現(xiàn)下降趨勢；非汛期橫山站的CDS和RD15在MK1檢驗下呈現(xiàn)顯著性下降趨勢。