長江流域可能最大降水的時空變化特征

劉延志 李佳佳

摘 要：基于長江流域188個氣象站1963—2018年的日降水觀測數(shù)據(jù)，采用改進的Mann-Kendall（MMK）方法檢驗流域內(nèi)各站點年最大日降水量（AMDP）的變化趨勢，利用改進的Hershfield法估算所有站點的可能最大降水（PMP）并分析其時空變化特征，以揭示氣候變化對PMP產(chǎn)生的影響。結(jié)果表明：1963—1992年和1989—2018年流域內(nèi)大多數(shù)站點的AMDP呈非顯著變化趨勢，用于估算這2個時期的PMP具有一定的合理性;2個時期的AMDP均值及其標(biāo)準(zhǔn)差均呈現(xiàn)西北低東南高的空間格局，且與1963—1992年相比，流域內(nèi)1989—2018年大多數(shù)站點的AMDP均值及其標(biāo)準(zhǔn)差呈增加趨勢;2個時期的PMP均呈東高西低的空間分布特征，且1989—2018年流域的PMP較1963—1992年平均增加約28.28%，其中79.79%站點的PMP呈增加趨勢，增加趨勢顯著的站點主要分布在川西高原、南陽盆地和長江以南地區(qū)。

關(guān)鍵詞：可能最大降水;改進的Hershfield方法;頻率因子;長江流域;時空變化特征

中圖分類號 P426.6 文獻標(biāo)識碼 A 文章編號 1007-7731（2022）10-0150-06

Spatiotemporal Variation Characteristics of Probable Maximum Precipitation in the Yangtze River Basin

LIU Yanzhi? ?LI Jiajia

（College of Geographic Sciences， Hunan Normal University， Changsha 410081， China）

Abstract： Based on the observed daily precipitation during 1963—2018 at 188 meteorological stations in the Yangtze River Basin， the Modified Mann-Kendall （MMK） method is used to analyze the trends of the temporal variations in Annual Maximum Daily Precipitation （AMDP）. Then Probable Maximum Precipitation （PMP） is estimated by the modified Hershfield statistical method and the spatiotemporal variation characteristics of PMP are analyzed for all stations over the basin， as a result， to reveal the possible impact of climate change on PMP. The results show that AMDP shows nonsignificant increasing or decreasing trend at most stations of the basin during 1963—1992 and 1989—2018 period so that it is reasonable to use them for PMP estimation. The mean and standard deviation of AMDP shows a spatial pattern of higher values in southeast and lower values in northwest， and an increasing trend at most stations during 1989—2018 relative to 1963—1992. The PMP during two periods is characterized by the spatial distribution with higher values in east and lower values in west. Compared to 1963—1992， the average PMP over the basin increases by 28.28% during 1989—2018， and there are 79.79% stations， mostly located in the western Sichuan Plateau， Nanyang Basin and the south region over the Yangtze River Basin， showing that PMP increases significantly.

Key words： Probable maximum precipitation; modified Hershfield method; frequency factor; Yangtze River Basin; spatiotemporal variation characteristic

氣候變化會改變?nèi)蛩难h(huán)過程，從而改變降水的時空變化規(guī)律[1-2]。IPCC（Intergovernmental Panel on Climate Change）第六次報告[3]指出，21世紀(jì)內(nèi)全球氣溫上升將超過1.5～2℃，世界各地特別是亞洲地區(qū)極端降水事件風(fēng)險將進一步加劇。在全球變暖的背景下，極端降水事件不斷增加已成為不可爭論的事實[4]。而極端降水是造成洪澇災(zāi)害頻發(fā)的重要原因之一，往往會給社會經(jīng)濟和生態(tài)發(fā)展等方面帶來巨大的危害，引發(fā)了社會各界的廣泛關(guān)注[5]?？赡茏畲蠼邓甗6]（PMP）是在現(xiàn)代氣候條件下，某一設(shè)定流域在一定歷時內(nèi)的最大降水深度，代表一種相對極端降水事件，已有許多研究學(xué)者利用PMP來估計極端降水[7-8]。雖然PMP不考慮長期的氣候變化趨勢，但隨著氣候變暖，極端強降水事件不斷增加，導(dǎo)致氣候變化對PMP可能產(chǎn)生的影響不容忽視。已有大量研究[9-12]表明，在氣候變化的不斷影響下，全球大部分地區(qū)的PMP可能出現(xiàn)了不同程度地增加。如Kunkel等[10]使用全球氣候模式（GCMs）模擬的降水?dāng)?shù)據(jù)，探究了氣候變化對PMP的影響，結(jié)果表明，未來全球范圍內(nèi)的PMP呈增加趨勢，特別是到2071—2100年美國大陸的PMP將會增加20%～30%。Afrooz等[12]以1971—2000年為基準(zhǔn)期，預(yù)估了伊朗南部地區(qū)的PMP，結(jié)果顯示PMP的增加幅度為18.2%～27.3%。

長江流域面積廣闊，地貌類型和氣候條件復(fù)雜多樣，降水的時空分布很不均勻且年際變化大[13]。作為中國氣候變化響應(yīng)的敏感區(qū)域，近年來長江流域極端降水趨于增多，洪澇災(zāi)害頻發(fā)，致使大壩和水電站的建設(shè)以及城市化進程受到了嚴(yán)重影響。然而，關(guān)于氣候變化對長江流域PMP時空變化的影響研究仍較少。因此，在當(dāng)前氣候條件下估算長江流域的PMP，研究PMP的時空變化特征及其對氣候變化的響應(yīng)很有必要，這不僅有助于水文工程的風(fēng)險評估，而且對氣候變暖背景下極端降水事件的預(yù)估也具有重要意義。

目前，估算PMP的方法主要包括統(tǒng)計估算法和水文氣象法兩大類[14]。其中，由Hershfield[15]開發(fā)的統(tǒng)計估算法是世界氣象組織（WMO）推薦的估算PMP的主要方法之一，其計算簡便，在資料允許的條件下，Hershfield法可以快速估算PMP以提供實際參考。蘭平等[7]利用Hershfield法和暴雨移置法估算了香港地區(qū)的PMP。吳成興等[8]分別采用Hershfield法和水文氣象法計算金沙江流域不同歷時的PMP，結(jié)果表明，利用Hershfield法計算PMP是有效可行的。值得注意的是，采用Hershfield法估算PMP時，頻率因子（K）起著關(guān)鍵的作用，然而在較少發(fā)生極端降水的地區(qū)，傳統(tǒng)的上包絡(luò)線方法會導(dǎo)致PMP的估算結(jié)果過高。本研究采用Sarkar等[16]提出的改進上包絡(luò)線方法來確定新的頻率因子，以此來估算長江流域各氣象站的PMP。

因此，本研究基于長江流域188個氣象站的日降水觀測數(shù)據(jù)，采用改進的Hershfield法估算該流域的PMP，并分析了流域PMP的時間變化和空間分布特征，揭示氣候變化對PMP可能產(chǎn)生的影響，以期為流域內(nèi)資料缺乏地區(qū)PMP的計算和流域可能最大洪水計算提供參考。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)資料 本文所使用的氣象數(shù)據(jù)為長江流域188個氣象站（圖1）1963—2018年實測日降水?dāng)?shù)據(jù)，下載于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//www.escience.gov.cn/metdata/page/index.html）。根據(jù)WMO指南，獲取極端氣候變量的特征時，應(yīng)采用不少于30年的時間序列作為氣候預(yù)測的標(biāo)準(zhǔn)期。因此，本文將長江流域1963—2018年的觀測數(shù)據(jù)分為2個30年的窗口時期（1963—1992年和1989—2018年）進行PMP的計算和分析。

1.2 研究方法

1.2.1 Modified Mann-Kendall檢驗 Mann-Kendall（MK）檢驗法是一種非參數(shù)統(tǒng)計檢驗方法，常用于水文、氣象等時間序列的趨勢檢驗[17]。由于降水序列可能存在自相關(guān)性，會影響趨勢檢驗結(jié)果的可靠性[18]。為了消除該影響，本研究采用Modified Mann-Kendall（MMK）檢驗[19]方法分別對長江流域188個氣象站點的年最大日降水量（AMDP）進行趨勢分析，并進行顯著性檢驗，顯著性水平設(shè)為5%，具體算法參見文獻[19]。

1.2.2 改進的Hershfield法 統(tǒng)計估算法是Hershfield于1961年提出的，該方法主要是根據(jù)實測降水量求出統(tǒng)計量K以估算PMP。計算公式如下：

[XPMP=XN+K×SN] （1）

式中：[XN]和[SN]分別為氣象站AMDP的均值和標(biāo)準(zhǔn)差;[K]代表頻率因子，其計算公式為：

[K=Xm-XN-1SN-1] （2）

式中：[Xm]為AMDP的最大值;[XN-1]和[SN-1]分別為AMDP剔除最大值后的均值和標(biāo)準(zhǔn)差。

由于K過大會導(dǎo)致PMP的估算結(jié)果過高，使水利設(shè)施的設(shè)計成本增大，而K過小會導(dǎo)致PMP過低，水利設(shè)施則面臨更高的風(fēng)險。因此，為了使PMP的估算結(jié)果更合理，Hershfield[20]對公式（2）的K擬合上包絡(luò)線以確定新的頻率因子。計算公式如下：

[K=KAe-bXN] （3）

式中：[KA]為AMDP均值最小的點的[K]值;[b]為指數(shù)衰減的斜率。然而，在較少發(fā)生極端降水地區(qū)這種傳統(tǒng)的包絡(luò)線方法會導(dǎo)致的PMP估算結(jié)果過高。因此，本文采用改進的上包絡(luò)線方法線來確定K，公式[16]如下：

[K=Km? ? ? ? ? ? ? ?， 0<XN<XtNKm e-b（XN-XTN）， XN>XtN] （4）

式中：[Km]為該流域所有氣象站K的最大值;[XtN]表示[Km]點處AMDP的均值。具體算法參見文獻[21][21]。

2 結(jié)果與分析

2.1 AMDP變化趨勢 利用AMDP估算PMP時，需確保AMDP時間序列沒有顯著的上升或下降趨勢[22]。故本研究在0.05的顯著性水平下，分別對流域內(nèi)188個氣象站1963—1992年和1989—2018年的AMDP進行MMK趨勢檢驗分析。圖2展示了所有氣象站在2個時期內(nèi)AMDP的時間變化趨勢檢驗結(jié)果。從圖2可以看出，2個時期內(nèi)大多數(shù)站點的AMDP呈非顯著變化趨勢，僅少數(shù)站點的AMDP呈顯著的上升或下降趨勢，散布于流域內(nèi)。因此，在氣候變化條件下，利用流域188個氣象站實測的AMDP估算各站點的PMP是合理的。

2.2 構(gòu)建區(qū)域包絡(luò)線 繪制1963—1992年和1989—2018年188個站點的K與其AMDP均值之間的散點圖以構(gòu)建改進的上包絡(luò)線，結(jié)果如圖3所示。從圖3可以看出，改進后的包絡(luò)線由一條平行于橫軸的直線和一條指數(shù)衰減的曲線組成，且在1989—2018年K的指數(shù)衰減速度更快。這一觀察結(jié)果與Lee等[17]和Desa[23]等的發(fā)現(xiàn)是一致的。此外，從圖3還可以觀察到，多數(shù)站點的K值集中在2～6。而在圖3a和3b中分別存在2個和一個明顯的異常點，正如Sarka等[16]所指出的，若將異常點作為[Km]會導(dǎo)致研究區(qū)域的PMP估算結(jié)果過高。因此，剔除異常點后，通過構(gòu)建上包絡(luò)線確定新的頻率因子，而在異常點處則使用其原始的頻率因子，然后估算流域內(nèi)各個氣象站的PMP。

2.3 PMP的時空變化特征 為分析長江流域1963—1992年和1989—2018年P(guān)MP的時空變化特征，基于AMDP的均值和標(biāo)準(zhǔn)差以及改進的頻率因子K，利用改進的Hershfield法分別計算了流域188個氣象站在這2個時期的PMP值。然后，利用克里金插值方法繪制了流域AMDP均值及其標(biāo)準(zhǔn)差、K和PMP的空間分布圖（見圖4）。觀察圖4a和4b可以發(fā)現(xiàn)，在2個時期內(nèi)AMDP均值具有相似的空間分布特征，均表現(xiàn)出明顯的空間差異性，即AMDP均值大致呈現(xiàn)出西北低東南高的空間格局。具體地，青藏高原的AMDP均值最小，長江中下游平原的AMDP均值最大，同時，在流域中部的四川盆地地區(qū)存在一個高值中心。這與該流域降水自東南向西北逐漸減少，且四川盆地為降水高值區(qū)的降水特征相吻合[24]。從圖4c和4d中可以觀測到，在流域中西部地區(qū)存在1條沿東北-西南方向的分界線，界限以東地區(qū)的AMDP標(biāo)準(zhǔn)差明顯高于界限以西地區(qū)，同時，在界限以東的四川盆地西南部、洞庭湖流域西北部和鄱陽湖北部地區(qū)均存在高值中心。一個地區(qū)的AMDP標(biāo)準(zhǔn)差越大，則表明該地區(qū)AMDP的波動幅度越大，極端降水年際變化幅度就越大。圖4e和4f給出了該流域2個時期內(nèi)K的空間分布圖，可以看出絕大部分地區(qū)1963—1992年的K值在8～8.5，而1989—2018年的K值除鄱陽湖流域東北部地區(qū)以外均大于9。這表明長江流域1989—2018年的K值相對于1963—1992年明顯升高，這勢必會造成流域1989—2018年的PMP值有所升高。圖4g和4h分別展示了長江流域在1963—1992年和1989—2018年P(guān)MP的空間分布情況，可以觀察到，2個時期的PMP均呈現(xiàn)東高西低的空間分布特征，特別地，四川盆地和長江中下游地區(qū)1989—2018年的PMP較前一時期明顯增加。之前有研究指出，長江流域降水的極值中心處于湖北省東南部、江西省東北部和安徽省南部交界處，主要原因是由于受到地勢海拔和東亞夏季風(fēng)的影響，有利于長江流域梅雨鋒的長期停留，進而導(dǎo)致長江中下游極端降水增加的可能性變大[25]。而四川盆地西部地區(qū)位于青藏高原東部位置，當(dāng)偏東氣流盛行時，盆地西部的山區(qū)地形產(chǎn)生抬升作用，導(dǎo)致該地區(qū)更易發(fā)生強降水事件[26]，因此四川盆地地區(qū)的PMP較高。

為了直觀地反映AMDP和PMP的變化情況，分別計算流域188個站點1989—2018年的AMDP均值和標(biāo)準(zhǔn)差以及PMP相較于1963—1992年的增長率，其空間分布如圖5所示。同時，表1列出了流域所有站點的AMDP均值和標(biāo)準(zhǔn)差以及PMP的平均變化情況。觀察圖5c和表1可知，流域內(nèi)有79.79%站點的PMP呈增加趨勢，其中，增加趨勢顯著的站點主要分布在川西高原、南陽盆地和長江以南地區(qū)，PMP的變化范圍在-43.03%～209.91%。然而，在整個長江流域，PMP的平均增長率為28.28%。這表明1989—2018年流域整體的PMP明顯增加。PMP的變化與AMDP的平均值和標(biāo)準(zhǔn)差密切相關(guān)。從圖5a、5b和表1可以看出：1963—2018年流域內(nèi)AMDP的均值和標(biāo)準(zhǔn)差呈現(xiàn)出不同的變化趨勢，有72.34%站點的AMDP均值呈增加趨勢，且增加趨勢最明顯的地區(qū)位于流域的東北部和洞庭湖流域的西南部。與AMDP的均值相比，其標(biāo)準(zhǔn)差顯示出更高的變化范圍，最大增長率為142.29%，說明1963—2018年流域內(nèi)極端降水的年際變化幅度更大。流域內(nèi)有56.91%的站點AMDP的標(biāo)準(zhǔn)差呈增加趨勢，增加趨勢最明顯的地區(qū)位于流域西部的川西高原。在氣候變化的影響下，長江流域大部分地區(qū)的AMDP均值和標(biāo)準(zhǔn)差逐漸增加，這意味著區(qū)域內(nèi)極端降水的變異性明顯增強，導(dǎo)致PMP增加。

3 結(jié)論

本研究結(jié)果表明：

（1）流域1963—1992年和1989—2018年大多數(shù)站點的AMDP呈非顯著變化趨勢，因而用于估算2個時期的PMP具有一定的合理性。

（2）AMDP均值在1963—1992年和1989—2018年這2段時期內(nèi)大致呈現(xiàn)出西北低東南高的空間格局，且與1963—1992年相比，1989—2018年流域內(nèi)有72.34%的站點的AMDP均值呈增加趨勢，且增加趨勢最明顯的地區(qū)位于流域的東北部和洞庭湖流域的西南部。與AMDP均值相比，AMDP標(biāo)準(zhǔn)差顯示出更高的變化范圍，增加趨勢最明顯的地區(qū)位于流域西部的川西高原。

（3）PMP的變化與AMDP的平均值、標(biāo)準(zhǔn)差密切相關(guān)。流域1963—1992年和1989—2018年的PMP均呈現(xiàn)東高西低的空間分布特征。與前一時期相比，流域1989—2018年的PMP平均增加28.28%且有79.79%站點呈增加趨勢。其中，增加趨勢較明顯的站點主要分布在川西高原、南陽盆地和長江以南地區(qū)。

參考文獻

[1]李峰平，章光新，董李勤.氣候變化對水循環(huán)與水資源的影響研究綜述[J].地理科學(xué)，2013，33（04）：457-464.

[2]姜彤，孫赫敏，李修倉，等.氣候變化對水文循環(huán)的影響[J].氣象，2020，46（03）：289-300.

[3]IPCC，Climate Change 2021：The Physical Science Basis.Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. New York：Cambridge University Press，2021.

[4]Berg P，Moseley C，Haerter J O.Strong increase in convective precipitation in response to higher temperatures[J].Nature Geoscience，2013，6（3）：181-185.

[5]高濤，謝立安.近50年來中國極端降水趨勢與物理成因研究綜述[J].地球科學(xué)進展，2014，29（05）：577-589.

[6]World Meteorological Organization（WMO）. Manual for estimation of probable maximum precipitation[M].Geveva：WMO，2009，No.1045.WMO，2017.WMO guidelines on the calculation of climate normals.World Meteorol.Organ.29.

[7]蘭平，林炳章，陳曉旸，等.基于改進的統(tǒng)計估算法與暴雨移置法的香港地區(qū)4h可能最大降水估算[J].水電能源科學(xué)，2018，36（09）：5.

[8]吳成興，李國芳，楊百銀，等.基于衛(wèi)星降水?dāng)?shù)據(jù)的金沙江流域可能最大降水量計算方法[J].水電能源科學(xué)，2020，38（02）：5-8.

[9]Katelyn A.Johnson，Jeffrey C.Smithers.Updating the estimation of 1-day probable maximum precipitation in South Africa[J].Journal of Hydrology：Regional Studies，2020，32：100736.

[10]Kenneth E.Kunkel，Thomas R.Karl，David R.Easterling，et al.Probable maximum precipitation and climate change[J].Geophysical Research Letters，2013，40（7）：1402-1408

[11]Lee O，Park Y.，Kim E S，et al.Projection of Korean probable maximum precipitation under future climate change scenarios[J].Advances in Meteorology，2016，13：1-16.

[12]Afrooz A.H.，Akbari H，Rakhshandehroo G R，et al.Climate change impact on probable maximum precipitation in Chenar-Rahdar River Basin[J].Watershed Management，2015（08）：36-47.

[13]孫惠惠，章新平，黎祖賢，等.長江流域不同類型降水量的非均勻性分布特征[J].長江流域資源與環(huán)境，2019，28（06）：1422-1433.

[14]林炳章，蘭平，張葉暉，等.可能最大降水估算研究綜述[J].水利學(xué)報，2018，049（001）：92-102，114.

[15]Hershfield D M.Method for Estimating Probable Maximum Rainfall[J].American Water Works Association，1965，57（8）：965-972.

[16]Subharthi Sarkar，Rajib Maity.Increase in probable maximum precipitation in a changing climate over India[J].Journal of Hydrology，2020，585：124806.

[17]HAMED K H.Trend detection in hydrologic data：The Mann–Kendall trend test under the scaling hypothesis [J].Journal of Hydrology，2008，349（3-4）：350-363.

[18]章誕武，叢振濤，倪廣恒.基于中國氣象資料的趨勢檢驗方法對比分析[J].水科學(xué)進展，2013，24（04）：490-496.

[19]Khaled H.Hamed，A.Ramachandra Rao.A modified Mann-Kendall trend test for autocorrelated data[J]. Journal of Hydrology，1998，204（1）：182-196.

[20]Hershfield D M.Estimating the Probable Maximum Precipitation [J].American Society of Civil Engineers，1961，87（5）：99-106.

[21]Chavan S R，Srinivas V V.Regionalization based envelope curves for PMP estimation by Hershfield method [J].International Journal of Climatology，2017，37（10）：3767-3779.

[22]Beauchamp J，Leconte R，Trudel M，et al.Estimation of the summer-fall PMP and PMF of a northern watershed under a changed climate[J].Water Resources Research，2013，49（6）：3852-3862.

[23]Desa M M N，Rakhecha P R.Probable maximum precipitation for 24-h duration over an equatorial region：Part 2-Johor，Malaysia [J].Atmospheric Research，2007，84（1）：84-90.

[24]盧萍，楊康權(quán).四川盆地三個典型落區(qū)西南渦暴雨天氣成因的對比分析[J].高原山地氣象研究，2017，37（3）：16-20.

[25]Zhang Q，Xu C Y，Zhang Z，et al.Spatial and temporal variability of precipitation maxima during 1960-2005 in the Yangtze River basin and possible association with large-scale circulation[J].Journal of Hydrology，2008，353（3-4）：215-227.

[26]胡思，曾祎，王磊，等.長江流域極端降水的區(qū)域頻率及時空特征[J].長江流域資源與環(huán)境，2019，28（08）：2008-2018.

（責(zé)編：張宏民）