斯里蘭卡極端降水時空演變特征及趨勢預(yù)測

尤立, 齊天杰,2, 胡春明*

(1.中國科學(xué)院生態(tài)環(huán)境研究中心工業(yè)廢水無害化與資源化國家工程研究中心, 北京 100085; 2.河北先進(jìn)環(huán)保產(chǎn)業(yè)創(chuàng)新中心有限公司, 石家莊 050035)

“一帶一路”是中國提出的新時期國際和地區(qū)合作倡議,旨在形成一個完整的歐、亞、非經(jīng)貿(mào)合作共同體,進(jìn)而密切沿線各國間的國際關(guān)系[1]?！耙粠б宦贰焙献鞒h實施面臨的重要問題之一是水資源問題[2-3],特別是沿線國家基本上以發(fā)展中國家為主,受人類活動和氣候變化的雙重影響,部分區(qū)域極端水文氣象事件頻發(fā)、水資源不均衡問題突出,給“一帶一路”合作倡議的整體布局和實施帶來了不確定性影響[4]。據(jù)統(tǒng)計,1995—2015年,對“一帶一路”合作倡議沿線國家而言,極端降水是危害最大的自然災(zāi)害致災(zāi)因子[5]。

斯里蘭卡位于印度洋東西交通的“十字路口”,是中國建設(shè)“21世紀(jì)海上絲綢之路”的重要伙伴國[6]。受熱帶季風(fēng)氣候影響,全年高溫,旱季和雨季分明。島內(nèi)水資源時空分布不均衡,降水期相對集中,地表水體面積變化波動性較大,當(dāng)?shù)貥O端降水受地形特征的影響十分復(fù)雜,暴雨洪澇頻繁[7]。如2021年6月和11月,斯里蘭卡兩次遭遇極端降水災(zāi)害,引發(fā)洪水和山體滑坡,超過65萬人日常生活受到影響。由于極端降水的突發(fā)性較強(qiáng),對區(qū)域社會經(jīng)濟(jì)發(fā)展的威脅較大,使之成為當(dāng)?shù)刎叫杞鉀Q的民生問題[8]。

識別“絲綢之路經(jīng)濟(jì)帶”氣候變化特征是“一帶一路”合作倡議與建設(shè)的迫切需求[9]。受限于長序列的降水資料缺失和觀測站的空間代表性不足,“一帶一路”相關(guān)地區(qū)降水時空變化的研究較少。Hurst 指數(shù)提供了對時間序列數(shù)據(jù)特征記憶的長期存儲真實度量方法,在所有領(lǐng)域的時間序列分析中具有廣泛性和普適性,同樣也適用于較短時間序列的數(shù)據(jù)分析?；谒估锾m卡2008—2020年降水?dāng)?shù)據(jù),通過經(jīng)驗正交函數(shù)分析、RClimDex極端降水模型和Morlet小波分析法對斯里蘭卡極端降水演變特征開展系統(tǒng)研究和評估,在揭示區(qū)域極端降水時空變化規(guī)律的基礎(chǔ)上,采用Hurst指數(shù)預(yù)測未來趨勢,以期為當(dāng)?shù)胤罏?zāi)減災(zāi)和水資源管理提供重要借鑒,也可為研究“一帶一路”沿線的東南亞和南亞國家極端降水演變規(guī)律提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

斯里蘭卡位于印度洋中北部,連接著馬六甲海峽與波斯灣,是東西方海運(yùn)的十字路口,被譽(yù)為“印度洋上的明珠”。地理位置在5°55′N～9°50′N、79°42′E～81°53′E,全島總面積為65 610 km2,陸地面積約62 700 km2,水體面積(包括河流、湖泊、水庫和坑塘)約為2 910 km2[10]。海島地勢差異明顯,北部沿海平原寬闊,中南部為地形崎嶇的高原內(nèi)陸。氣候類型為熱帶季風(fēng)氣候,年內(nèi)只分旱季和雨季,降水具有明顯的季節(jié)特征。1998—2020年斯里蘭卡多年平均降水量為1 759.37 mm,當(dāng)?shù)亟邓磕觌H變化幅度較大?？臻g分布上主要表現(xiàn)為西南多東北少的特點(diǎn),西南部年降水量2 000～3 000 mm,東北部年降水量約1 000 mm。

1.2 數(shù)據(jù)來源

所使用到的斯里蘭卡氣象站點(diǎn)實測數(shù)據(jù)來源于2008—2020年的數(shù)據(jù)統(tǒng)計,主要包括了斯里蘭卡海島的10個氣象站的逐日降水?dāng)?shù)據(jù),為降低因海島地勢差和站點(diǎn)分布不均問題對雨量計算的影響,采用泰森多邊形法來計算海島的年均降水量[11],各站點(diǎn)的空間分布如圖1所示。

圖1 斯里蘭卡海島氣象站空間分布Fig.1 Spatial distribution of weather stations in Sri Lanka

為確保氣候變化研究的可靠性,在進(jìn)行極端降水計算之前,采用RClimDex軟件對斯里蘭卡原始?xì)庀髷?shù)據(jù)進(jìn)行嚴(yán)格的質(zhì)量控制及均一化檢驗,并結(jié)合廣泛推薦應(yīng)用的非參數(shù)統(tǒng)計方法M-K(Mann-Kendall)突變檢驗法來揭示整體時間序列的變化趨勢,從而判斷是否存在氣候突變[12-13]。圖2為給定顯著性水平P=0.05下的M-K檢驗結(jié)果,其中P=0.05時,統(tǒng)計量臨界值U0.05=±1.96。結(jié)果表明:在2008—2020年,降水量正序列(UF)和反序列(UB)均處于臨界值線內(nèi)(U0.05=±1.96),降水序列未發(fā)生明顯突變。兩曲線分別在2009—2010年和2015—2016年存在交點(diǎn),2008年后UF統(tǒng)計量在0線以下,表明斯里蘭卡本階段年降水呈下降趨勢,從2010年之后,UF統(tǒng)計量均處于0線以上,斯里蘭卡降水趨勢呈穩(wěn)步上升趨勢,其突變并未有顯著趨勢。

圖2 降水量M-K統(tǒng)計檢驗Fig.2 M-K statistical test of precipitation

2 資料與方法

2.1 經(jīng)驗正交函數(shù)分析

經(jīng)驗正交函數(shù)(empirical orthogonal function,EOF)分析,因其極強(qiáng)的實用意義成為統(tǒng)計氣象要素變化的重要方法。原理是將要素場分解得到兩個不同的函數(shù):空間函數(shù)和時間函數(shù),將體現(xiàn)要素強(qiáng)烈顯著性的數(shù)據(jù)集中于幾個空間分布模態(tài)中,用極少的兩個或幾個基本涵蓋要素場信息的模態(tài)來客觀描述其空間結(jié)構(gòu)和時間變化趨勢[14]。

將氣象降水在m個格點(diǎn)上的n次連續(xù)監(jiān)測資料看作一個m維隨機(jī)向量X,經(jīng)驗正交函數(shù)EOF分解是將降水場X分解為特征向量矩陣S和對應(yīng)的時間系數(shù)矩陣T,可表示為

(1)

降水?dāng)?shù)據(jù)經(jīng)預(yù)處理后,得到距平矩陣X,將X矩陣與其轉(zhuǎn)置矩陣XT乘積得到協(xié)方差矩陣C,將協(xié)方差矩陣C的特征向量λ由大到小順次排列,分解所對應(yīng)的特征向量,從而得到降水場的第1模態(tài),第2模態(tài),…,第m模態(tài)。對于任一模態(tài),空間特征向量分量值越大,則降水變化的振蕩強(qiáng)度越顯著;時間系數(shù)的正負(fù)代表與空間變化的異同性,時間系數(shù)為正值,表明與當(dāng)前空間分布同向,為變化主趨勢;時間系數(shù)為負(fù)值,表明當(dāng)前空間分布狀態(tài)與降水變化趨勢相反。

2.2 RClimDex極端降水模型

基于R語言的RClimDex模型,經(jīng)模型本身的數(shù)據(jù)質(zhì)量控制模塊對逐日降水和氣溫數(shù)據(jù)進(jìn)行嚴(yán)格篩查后,可對不同種類的極端氣候指數(shù)進(jìn)行分析討論[15-16]?？紤]到斯里蘭卡熱帶氣候下不存在小于0 ℃的溫度條件,對極端氣溫指數(shù)研究意義不大,故選取6項極端降水指標(biāo)來探究斯里蘭卡極端降水的時空變化特征。各極端降水指數(shù)定義如表1所示。

表1 極端降水指數(shù)定義Table 1 Definition of extreme precipitation index

2.3 Morlet小波分析

Morlet小波分析是將某一時空域信號經(jīng)平移、尺度變換后分解為系列小波函數(shù)的疊狀態(tài)的分析方法,能直觀反映變量在整個時段內(nèi)的周期震蕩情況,同時定性分析預(yù)測系統(tǒng)的未來變化趨勢,常用于水文氣象的周期分析中[17-18]。定義小波函數(shù)為

(2)

2.4 R/S分析

R/S分析法常被用于探索時間的分形特征及長期記憶過程中,依據(jù)計算所得Hurst指數(shù)H來判斷在時間序列上的可持續(xù)性[19]。Hurst指數(shù)取值在[0,1],當(dāng)H=0.5時,表明該降水指數(shù)的變化具隨機(jī)性,現(xiàn)有變化與未來趨勢無相關(guān);0≤H<0.5時,過去與未來的變化趨勢呈反持續(xù)性,H越接近0,反持續(xù)性越高;0.5

3 結(jié)果與討論

3.1 年際降水量EOF時空分解

3.1.1 空間分布特征

應(yīng)用EOF法對斯里蘭卡2008—2020年降水場進(jìn)行時空分解,按照North顯著性檢驗方法,只有當(dāng)各模態(tài)下的特征根誤差上下限互相無重疊時,才能判定此模態(tài)通過了North顯著性檢驗。由表2可知,前6個模態(tài)的累計方差貢獻(xiàn)率達(dá)98.60%。其中第1、第2模態(tài)下特征根誤差上下限無重疊,因此通過North檢驗,其累計方差貢獻(xiàn)率達(dá)到90.13%,分布特征能夠很好地表征斯里蘭卡降水場的空間結(jié)構(gòu)特征。

表2 斯里蘭卡年降水量EOF分解的前6個特征向量貢獻(xiàn)率Table 2 Contribution of the first six eigenvectors of the EOF decomposition of annual precipitation in Sri Lanka

第1特征向量場(EOF1)的方差貢獻(xiàn)率為83.38%,遠(yuǎn)高于其他向量場的方差貢獻(xiàn)率,故斯里蘭卡降水場的空間分布類型以EOF1為主。由圖3(a)可知,所有站點(diǎn)的特征值均落在0.1～0.5,特征值為正則表明斯里蘭卡降水在空間變化上呈高度一致性,降水高值中心處在海島西南部,低值中心處在海島東南部。降水空間分布形勢與季風(fēng)氣候和地形密切相關(guān):斯里蘭卡受由印度洋吹向陸地的濕潤西南季風(fēng)影響,其中強(qiáng)烈濕潤的西南季風(fēng)在海島中南部高原地帶爬升遇冷,引起西南局部強(qiáng)降水,從而形成了斯里蘭卡降水以西南高—東南低為主的空間分布態(tài)勢。

圖3 斯里蘭卡年降水量EOF分析中的前2個特征向量場Fig.3 The first 2 eigenvector fields in the EOF analysis of annual precipitation in Sri Lanka

第2特征向量場(EOF2)是海島降水空間分布的次表現(xiàn)形式,方差貢獻(xiàn)率為6.75%。從圖3(b)可以看出,EOF2下站點(diǎn)特征值范圍處在-0.3～0.6,海島東西空間分布差異明顯。海島東部為正值區(qū),西部為負(fù)值區(qū),呈現(xiàn)明顯的東高西低的反向分布模式,反映出斯里蘭卡降水空間分布的次變化特征為由東向西依次遞減,該表現(xiàn)形式主要受海島東北干燥季風(fēng)降水影響。

3.1.2 時間分布特征

對于任意年,降水場的模態(tài)類型是由該年時間系數(shù)的絕對值大小來決定的,而空間模態(tài)的時間變化特征則是通過時間系數(shù)的正負(fù)來體現(xiàn)。時間系數(shù)為正值表示降水時空變化一致,負(fù)值則相反,絕對值越大表明該模態(tài)的變化規(guī)律越顯著。對兩種降水空間模態(tài)的數(shù)據(jù)(圖4)分析可知,斯里蘭卡降水場主要有4種表現(xiàn)類型,分別為:全域多雨、全域少雨、西南部多雨東北部少雨和西南部少雨東北部多雨。對2008—2020年4種降水分布類型進(jìn)行統(tǒng)計分析,得出全年多雨有7年,全年少雨有4年,全年西南部多雨有2年,具體年份如表3所示。近年來降水場分布主要以第1模態(tài)(全年多雨)為主,時間占比為84.6%,在第1模態(tài)下,趨勢線斜率為126.24,R2為0.092,表明近年來斯里蘭卡降水增長趨勢顯著,未來發(fā)生極端降水的概率進(jìn)一步增加;模態(tài)2的時間占比為15.4%,趨勢線斜率為-25.09,R2為0.033,表明斯里蘭卡西南濕潤區(qū)降水有減小趨勢,東北干旱區(qū)降水有增加趨勢。

表3 4種降水場表現(xiàn)類型年份分布Table 3 Year distribution of four precipitation field performance types

圖4 前2個降水空間模態(tài)的時間系數(shù)Fig.4 Time coefficients of the first 2 spatial modes of precipitation

3.2 極端降水指數(shù)特征分析

3.2.1 時間特征分析

依據(jù)斯里蘭卡10個氣象站的降水系列數(shù)據(jù),選取五日最大降水量RX5d、普通日降水強(qiáng)度SDII、極端降水日數(shù)R20、極端降水量R95p、持續(xù)干燥指數(shù)CDD和持續(xù)濕潤指數(shù)CWD6個極端降水指標(biāo),計算當(dāng)?shù)貥O端降水量的時空分布及其變化趨勢,如圖5所示。

圖5 極端降水指數(shù)年際變化Fig.5 Interannual variation of extreme precipitation index

由圖5可以看出,RX5d、SDII、R20、R95p、CWD均呈上升趨勢。其中,R95p變化率為61.60 mm/10 a,RX5d變化率為11.80 mm/10 a,R95p和RX5d是極端降水量的重要指標(biāo)因子,這兩項指數(shù)顯著上升的變化趨勢能夠說明極端降水總量及頻率將會進(jìn)一步增加,相應(yīng)的顯著上升的站點(diǎn)比重較高。SDII、R20和CWD指數(shù)變化率分別為1.66、8.05、2.29 mm/10 a,呈小幅上升趨勢,但存在明顯震蕩周期;CDD指數(shù)的變化率為-18.44 mm/10 a,持續(xù)干旱情況呈明顯減少趨勢。綜合6個極端降水指數(shù)的年際變化特征,斯里蘭卡整體呈濕潤化趨勢,發(fā)生極端降水的概率和等級變大,未來面臨暴雨洪澇災(zāi)害風(fēng)險增強(qiáng),應(yīng)做好防汛風(fēng)險應(yīng)急預(yù)案。同時通過斯里蘭卡國內(nèi)大型水利樞紐工程,完善流域防洪工程體系,提升當(dāng)?shù)厮禐?zāi)害防御能力。

3.2.2 空間特征分析

斯里蘭卡獨(dú)特的地理位置,以及所屬的熱帶氣候造就了當(dāng)?shù)亟邓诳臻g分布上的不均衡。從圖6中可以看出,在極端降水量和降水貢獻(xiàn)率方面,6個極端降水指數(shù)在空間格局上分布差異。RX5d指數(shù)大致呈由西南向東北方向逐漸降低趨勢,該指數(shù)的高值區(qū)包含加勒和拉特納普勒地區(qū);SDII指數(shù)由北向南逐漸降低,亭可馬里SDII指數(shù)多年平均值為19.53 mm/d,為區(qū)域最高值,在漢班托塔出現(xiàn)最低值,為12.13 mm/d,表明亭可馬里的極端降水頻率較高。R20、R95p指數(shù)和CWD指數(shù)空間分布情形類似,西南部地區(qū)均為高值中心,西北地區(qū)為低值區(qū)域,R95p在拉特納普勒(高值中心)與漢班托塔(低值區(qū))相差562.42 mm,在兩地間的CWD差值為9.4 d,空間差異顯著,而拉特納普勒及以西地區(qū)為斯里蘭卡降雨事件的多發(fā)區(qū)。

圖6 極端降水指數(shù)空間變化趨勢Fig.6 Spatial trends of extreme precipitation index

3.2.3 周期變化分析

運(yùn)用Morlet小波變換對各極端降水指數(shù)進(jìn)行分析,揭示極端指數(shù)的周期性變化規(guī)律[20]。圖7為小波系數(shù)實部值的高低,能清晰地反映各極端降水指數(shù)隨時間的交替變化趨勢?？梢钥闯?各項極端降水指數(shù)隨時間變化存在著高低振蕩現(xiàn)象,周期變化較為明顯,6個極端降水指標(biāo)除CDD外,其余指標(biāo)振蕩主周期均為6～7 a。RX5d和SDII存在3個相同的振蕩主周期,分別在2、4、7 a,表現(xiàn)為多峰譜型,其中第一主周期振蕩強(qiáng)度最大。R20和R95p兩個指標(biāo)的振蕩周期基本一致,但表現(xiàn)出更加強(qiáng)烈的振蕩強(qiáng)度,周期性趨勢也更加顯著。結(jié)合周期變化規(guī)律和前文的趨勢分析,可進(jìn)一步判斷未來10 a斯里蘭卡極端降水事件總體變化趨勢將呈現(xiàn)上升趨勢。

3.2.4 R/S時間變化趨勢預(yù)測

R/S分析無法檢驗時間序列的變化趨勢,但可根據(jù)Hurst指數(shù)H的大小來判斷時間序列未來的持續(xù)性[21-23]。運(yùn)用R/S分析法對斯里蘭卡極端降水指數(shù)進(jìn)行預(yù)測,結(jié)果如表4所示。R20的H=0.5,表明歷史變化與未來變化趨勢無相關(guān)。此外除了CWD的H<0.5,其余指標(biāo)的H均大于0.5,說明斯里蘭卡持續(xù)濕潤指數(shù)變化將呈反持續(xù)性,而其他指標(biāo)表現(xiàn)出了持續(xù)性,未來較長時間內(nèi)斯里蘭卡重點(diǎn)區(qū)域降水將保持現(xiàn)有增加的趨勢。SDII的H在0.6～0.7,表現(xiàn)出較強(qiáng)的持續(xù)性。

表4 斯里蘭卡各極端降水指數(shù)R/S趨勢分析Table 4 Analysis of R/S trend of each extreme precipitation index in Sri Lanka

由于基礎(chǔ)數(shù)據(jù)的時間序列較短,各極端降水指數(shù)的年際變化特征總體盡管表現(xiàn)出降水頻率加大的趨勢性,但其指導(dǎo)意義和科學(xué)性相對較弱[24-26]。但另一方面,小波分析結(jié)果表現(xiàn)出來的數(shù)據(jù)周期性較強(qiáng),尤其RX5d和SDII的第一主振蕩周期僅為2 a,表明在13 a的歷史時間序列中已展現(xiàn)出較高的重復(fù)性,分析結(jié)果的可靠性也更高。

結(jié)合小波分析及Hurst指數(shù)分析結(jié)果:SDII的主振蕩周期短、R/S分析的R2達(dá)到0.973,預(yù)測可信度最高;其次為R95p和RX5d兩個指標(biāo),分別具有較高的R2或較短的主振蕩周期,也具有一定的預(yù)測可信度;CDD指標(biāo)主振蕩周期不明顯,盡管R2達(dá)到0.910,其預(yù)測可信度也略低;而R20和CWD指標(biāo)的R2較低、主振蕩周期較長,其預(yù)測可信度也較低。

基于分析預(yù)測結(jié)果,未來斯里蘭卡的普通日降水強(qiáng)度SDII將呈現(xiàn)較強(qiáng)增加趨勢,極端降水量R95p和五日最大降水量RX5d均將呈現(xiàn)微弱增加趨勢,而其他極端降水指數(shù)的變化趨勢可信度相對較低。氣候演化是一個復(fù)雜的過程,斯里蘭卡未來極端降水將表現(xiàn)出持續(xù)的增加趨勢,但隨機(jī)性和波動性較大,而極端降水指數(shù)6～7 a的主周期特征可作為關(guān)注點(diǎn),基于重現(xiàn)性角度進(jìn)行水資源管理并不斷在工作中進(jìn)行優(yōu)化驗證。

4 結(jié)論

以氣象點(diǎn)觀測資料為基礎(chǔ),分析了斯里蘭卡極端降水時空分布特點(diǎn),得到以下結(jié)論,可為當(dāng)?shù)厣鷳B(tài)環(huán)境保護(hù)和防災(zāi)減災(zāi)等工作提供參考依據(jù)。

但對于“一帶一路”合作倡議沿線國家或地區(qū),氣象數(shù)據(jù)質(zhì)量的參差不齊給研究帶來了一定難度,未來需要一些新的方法來高效處理類似降水序列缺失地區(qū)的數(shù)據(jù),同時后續(xù)還需進(jìn)一步探究極端氣候的差異性及對不同災(zāi)害事件的影響。得出如下結(jié)論。

(1)EOF分析表明,近年來斯里蘭卡降水增長趨勢顯著,未來發(fā)生極端降水的概率進(jìn)一步增加。斯里蘭卡降水場的空間分布類型以EOF1為主,降水在空間變化上呈高度一致性,西南部地區(qū)降水增多趨勢較東北部更強(qiáng)。

(2)時間上,近10年斯里蘭卡極端降水事件呈現(xiàn)較明顯增加趨勢,極端降水量指數(shù)(R95p和RX5d)的變化傾向率分別為71.03 mm/10 a和21.10 mm/10 a;在極端降水日指數(shù)(SDII、R20、CDD、CWD)中,除連續(xù)干燥日CDD呈下降趨勢外,其他指標(biāo)呈弱上升趨勢?？臻g上,斯里蘭卡極端降水指數(shù)空間差異性明顯,西南部地區(qū)均為高值中心,西北地區(qū)為低值區(qū)域,R95p在兩個區(qū)域內(nèi)相差552.81 mm,而拉特納普勒地區(qū)為斯里蘭卡降雨事件的多發(fā)區(qū)。

(3)周期變化上,各項極端降水指數(shù)隨時間變化存在著高低振蕩現(xiàn)象,周期性趨勢顯著,RX5d和SDII存在3個相同的振蕩主周期,分別在2、4、7 a,表現(xiàn)為多峰譜型,其中第一主周期振蕩強(qiáng)度最大。

(4)綜合R/S分析及各指標(biāo)的周期變化規(guī)律,未來斯里蘭卡的普通日降水強(qiáng)度SDII將呈現(xiàn)較強(qiáng)增加趨勢,極端降水量R95p和五日最大降水量RX5d均將呈現(xiàn)微弱增加趨勢,而其他極端降水指數(shù)的變化趨勢可信度相對較低。表斯里蘭卡未來極端降水總體將表現(xiàn)出持續(xù)的增加趨勢,極端降水指數(shù)6～7 a的主周期特征可作為當(dāng)?shù)厮Y源管理的關(guān)注點(diǎn)并不斷在工作中進(jìn)行優(yōu)化驗證。