張翠萍 李小平 陳真

摘 要：基于涇河合水川流域10個雨量站1981—2017年逐日降水量實測資料，采用百分位閾值方法確定極端降水，選擇降水量、貢獻率、天數(shù)和降水強度4個指標，利用MK趨勢檢驗法分析極端降水時空變化特征。研究結果表明：空間上，95%和99%百分位閾值極端降水（EP95、EP99）各指標特征值的極大值與極小值之比在3.0～1.2之間;時間上，除EP99強度呈減小趨勢外，EP95和EP99其他指標呈增大趨勢，其中EP95天數(shù)和強度呈顯著性增大趨勢（α=0.10）;時間上EP95降水量、貢獻率、天數(shù)和強度大小呈增大趨勢的雨量站個數(shù)分別有8、9、8、7個，對應EP99呈增大趨勢的雨量站個數(shù)分別有7、8、7、7個，其中呈顯著性增大趨勢的站數(shù)EP95分別有5、6、5、2個，對應EP99的分別有1、1、0、1個。

關鍵詞：極端降水;降雨結構;時空演變;合水川;涇河

中圖分類號：TV125;P426 文獻標志碼：A

doi：10.3969/j.issn.1000-1379.2020.12.003

Abstract：Based on the field data of daily rainfall of 10 rain gauge stations in the Heshuichuan watershed of Jinghe River from 1981 to 2017， the percentile threshold value method was used to determine extreme precipitation， four indicators of amount of precipitation， contribution rate， number of rain days and precipitation intensity were selected and the MK trend test method was used to analyze the temporal and spatial variation characteristics of extreme precipitation. The results show that， spatially， the ratio of the maximum to minimum value of each indicator feature value of 95% and 99% percentile threshold extreme precipitation （EP95 and EP99） is 3.0-1.2. In terms of time， the uneven coefficient of four indicators of EP95 and EP99 shows an increasing trend except for the intensity of EP99 shows a decreasing trend， moreover， the number of rain days and intensity of EP95 increase significantly （α=0.10）. In time， the number of rain gauge stations with increasing trends of EP95 precipitation， contribution rate， number of days and intensity values are 8， 9， 8 and 7 respectively， among which with a significant increasing trend of EP95 are 5， 6， 5 and 2 respectively. At the same time， the number of rain gauge stations with increasing trends of EP99 precipitation， contribution rate， number of days and intensity values are 7， 8， 7 and 7 respectively， among which with a significant increasing trend of EP99 are 1， 1， 0 and 1 respectively.

Key words： extreme precipitation; precipitation pattern; spatialtemporal variation; Heshuichuan; Jinghe River

1 引 言

在全球變暖的背景下，降水事件普遍呈現(xiàn)出極端化趨勢，因極端降水引發(fā)的洪水、雪災等自然災害頻發(fā)，對社會穩(wěn)定、經(jīng)濟發(fā)展和人民生活產(chǎn)生了嚴重的影響[1-2]，極端降水事件變化研究已成為國內(nèi)外氣候變化和防災領域的熱點之一[3]。研究表明，近幾十年來，美國[4]、澳大利亞[5]、日本[6]等眾多國家的降水強度有所增強，同時中國學者針對不同地區(qū)[7-8]和不同流域[9-10]的極端降水事件進行了探索性研究，提高了對我國極端降水事件變化的認識。

有關學者對黃河流域極端降水的研究[3，11-14]，利用不同數(shù)量氣象站日降水觀測資料對黃河全流域[11-12]、黃土高原地區(qū)[3，13-14]等不同時期極端降水事件特征進行分析。這些成果主要是針對大尺度范圍日降水量開展分析，選用的雨量站平均密度為每站數(shù)千平方千米，針對中小尺度流域極端水文事件的研究相對較少?？臻g上，受地形、氣候等多種因素影響，黃土高原地區(qū)極端降水事件變化存在差異[3，14]，中小尺度流域的極端降水事件是造成近年來黃河流域局部洪澇災害的主要原因[15-16]，利用較為密集的雨量站實測資料，開展中小流域尺度極端降水變化特征研究是很有必要的。本文選用1981—2017年涇河合水川流域10個雨量站日雨量實測資料，采用百分位閾值方法確定極端降水，研究極端降水的時空變化特征，以期進一步認識黃土高原降水結構變化規(guī)律。

2 數(shù)據(jù)來源與研究方法

2.1 流域概況

合水川流域地處黃土高原腹地、子午嶺西北部，地理位置在東經(jīng)108°4′—108°25′、北緯35°50′—36°10′之間，高程在1 029～1 644 m之間，流域面積836 km2，東北-西南方向流域長42 km，西北-東南方向流域最大寬度30 km，平均寬度20 km。流域把口水文站為1958年建站的板橋站，控制流域面積為807 km2。1981年以來合水川流域設有賈溝圈、王家嘴子、大岔、花豹灣、趙家橋、合水、向家莊、黨家莊、趙家溝和板橋共10個雨量站（見圖1）。流域1981—2017年多年平均年降水量為537 mm，汛期降水量為375 mm，占年降水量的70%。

2.2 數(shù)據(jù)來源與極端降水閾值確定方法

本文所用日降水量全部來自水利部和黃河水利委員會刊印的水文年鑒，所有數(shù)據(jù)均經(jīng)過嚴格質量控制，滿足國家水文數(shù)據(jù)質量控制要求。日降水量直接采用水文年鑒的逐日降水量數(shù)據(jù)，為8：00至次日8：00降水量。面雨量采用算術平均值計算。

百分位閾值是確定

極端降水事件的最常用指標[3，13]，通過定義某個百分位值作為極端降水閾值后確定極端降水事件，具體為采用日降水量大于0.1 mm的按升序排列的第95%的降水量值作為該測站的極端降水閾值。為了較全面地認識極端降水特征，本文采用95%和99%分位閾值。95%閾值極端降水計算方法：把單站1981—2017年日降水量（大于0.1 mm降水日）按照升序進行排列，將第95個百分位降水量定義為該站95%分位極端降水閾值，大于等于該閾值的日降水量為極端降水。同理確定單站99%分位極端降水閾值。95%和99%分位極端降水分別用EP95和EP99表示。

極端降水總日數(shù)為所有極端降水日數(shù)累計值，極端降水總量為極端降水日降水量累計值，降水強度（簡稱強度）為降水量累計值與降水日數(shù)累計值的比值。極端降水量占年降水量的百分數(shù)稱為貢獻率。本文選用降水量、貢獻率、天數(shù)和強度4個指標進行分析。

2.3 趨勢分析方法

極端降水等變量時間序列趨勢分析，采用常規(guī)的線性回歸[17]和Mann-Kendall非參數(shù)統(tǒng)計檢驗法[18]。

Mann-Kendall趨勢檢驗法（簡稱MK趨勢檢驗法，下同）是世界氣象組織推薦使用的一種非參數(shù)檢驗方法[18]。該方法的優(yōu)點是不需要待檢序列遵從一定的分布，適用于水文變量的趨勢分析，其具體原理如下[18]。

2.4 不均勻系數(shù)φ

為分析極端降水指標的空間分布不均勻程度，選用不均勻系數(shù)φ=H-/Hmax表達，其中H-是任意指標各雨量站平均值，Hmax是對應H-中的單站最大值。φ值越接近1表示越均勻。

3 結果分析

3.1 極端降水閾值及降水量空間分布

3.1.1 極端降水閾值及特征值

1981—2017年EP95閾值在23.3～32.2 mm/d之間，平均值為25.8 mm/d。EP95平均降水量、貢獻率分別為150 mm和27.9%，天數(shù)和強度分別為3.9 d和38.5 mm/d（見表1），降水量、貢獻率變化范圍為134～163 mm、22.9%～31.5%，天數(shù)和強度變化范圍為2.9～4.4 d和36.4～46.0 mm/d。

1981—2017年EP99閾值在41.7～55.3 mm/d之間，平均值為45.3 mm/d。EP99平均降水量、貢獻率分別為48.9 mm和9.1%，天數(shù)和強度分別為0.79 d和61.9 mm/d（見表1），降水量、貢獻率變化范圍為40.8～57.0 mm、7.0%～11.0%，天數(shù)和強度變化范圍為0.59～0.89 d和56.1～68.6 mm/d。

3.1.2 降水量空間分布

從極端降水年最大值分析合水川流域極端降水的空間部分特征。從EP95年降水量最大值分布看，暴雨中心是趙家橋，降水量為497 mm，流域上游花豹灣和大岔降水量也較大，分別為455 mm和422 mm（見圖2（a）），流域南部較小，其中向家莊最小為307 mm，極大值是極小值的1.62倍。趙家橋與向家莊空間直線距離僅16 km，但降水量最大值相差190 mm，表明降水量空間分布差異較大。多年平均降水量最大值分布在下游板橋，為163 mm（見圖2（b）），流域北部較小，其中花豹灣和大岔最小為134 mm，最大值為最小值的1.22倍。

從EP99年降水量最大值分布看，暴雨中心是花豹灣，降水量為291 mm，趙家橋極端降水量也較大，為255 mm（見圖2（c）），流域中部王家嘴子和合水較小，分別為160 mm和179 mm，極大值是極小值的1.82倍?；ū獮撑c王家嘴子空間直線距離僅12 km，但降水量最大值相差131 mm，表明降水量空間分布差異較大。多年平均降水量最大值分布在流域下游板橋，為57.0 mm（見圖2（d）），流域北部花豹灣最小，為40.8 mm，最大值為最小值的1.40倍。

EP95和EP99最大值和平均值空間分布既有相同點也有差異。兩者分布相同點：最大值都在流域上游西北方向的花豹灣或趙家橋;平均值最大值出現(xiàn)在流域出口板橋，最小值都出現(xiàn)在流域西北方向的花豹灣站和大岔。兩者分布差異：最大值中極小值出現(xiàn)位置不同;從最大值與最小值的比值看，EP99的更大，表明其空間分布比EP95更加不均勻。

3.2 極端降水分布特征

3.2.1 分布箱型圖

各雨量站EP95和EP99降水量、貢獻率、天數(shù)和強度分布箱型圖見圖3。EP95和EP99降水量、貢獻率、天數(shù)和強度均值差別較小，75%和25%分位數(shù)差別明顯大于均值。

各站EP95降水量75%分位線在210～134 mm之間（見圖3（a）），極值相差76 mm，25%分位線在110～56.3 mm之間，極值相差53.7 mm;王家嘴子降水量75%分位線為210 mm，25%分位線為56.3 mm，兩者差為153.7 mm。大岔降水量75%和25%分位線分別為134、82 mm，相差52 mm。各站EP99降水量75%分位線在96.2～40.8 mm之間，極值相差55.4 mm，25%分位線都為0 mm;大岔降水量75%和25%分位線分別為96.2、0 mm（見圖3（b）），相差96.2 mm;花豹灣降水量75%和25%分位線分別為40.8、0 mm，相差40.8 mm。各站EP95貢獻率最大值在58.1%～45.4%之間，極值相差12.7%;75%分位線在38.6%～30%之間，25%分位線在22%～11.4%之間;王家嘴子貢獻率75%分位線為38.6%，25%分位線為11.4%，兩者差為27.2%。各站EP99貢獻率最大值在36.0%～19.7%之間，極差16.3%;75%分位線在16.2%～11.0%之間，25%分位線為0%。

各站EP95天數(shù)最多在11～9 d之間（見圖3（c）），相差2 d;75%分位線在6～3 d之間，極值比為2，25%分位線在3～1 d之間，極值比為3。王家嘴子天數(shù)75%分位線為6 d，25%分位線為1 d，二者差值為5 d。各站EP99天數(shù)最多在4～1 d之間，極值比為4;75%分位線在1～0.8 d之間，相差0.2 d。EP95強度極大值為大岔的94.5 mm/d，極小值為合水的53.0 mm/d，兩者比值為1.78;75%和25%分位線差別較?。ㄒ妶D3（d）），在10 mm/d范圍內(nèi)。EP99強度極大值為趙家橋153 mm/d，極小值為花豹灣的95.5 mm/d，兩者比值為1.60;75%和25%分位線差別較大，基本在25 mm/d范圍內(nèi)。

3.2.2 不均勻系數(shù)φ的變化

極端降水不均勻分布系數(shù)φ變化若是增大趨勢，表明空間分布向更均勻方向發(fā)展。降水量不均勻系數(shù)φ1變化范圍：EP95在0.82～0.35之間，EP99在0.87～0.10之間;貢獻率不均勻系數(shù)φ2變化范圍：EP95在0.90～0.39之間，EP99在0.87～0.10之間。降水量和貢獻率不均勻系數(shù)的發(fā)展趨勢都是增大趨勢，MK檢驗的Z值都小于1.64（見圖4（a）和圖4（b）），增大趨勢未通過顯著性檢驗。

天數(shù)不均勻系數(shù)φ3變化范圍：EP95在0.84～0.35之間，EP99在0.90～0.10之間;強度不均勻系數(shù)φ4變化范圍：EP95在0.91～0.45之間，EP99在1.0～0.4之間。天數(shù)和強度的不均勻系數(shù)發(fā)展趨勢都是增大趨勢，EP95天數(shù)和強度MK檢驗的Z值分別為2.41（見圖4（c））和1.84（見圖4（d）），前者大于1.96，表明通過α=0.05顯著性水平檢驗，后者大于1.64，通過α=0.10顯著性水平檢驗。EP99天數(shù)和強度Z值分別為0.92（見圖4（c））和-0.50（見圖4（d）），絕對值都小于1.64，表明增大、減小趨勢未通過α=0.10顯著性檢驗。

極端降水降水量、貢獻率、天數(shù)和強度指標不均勻系數(shù)，99小于95，表明EP99的不均勻程度大于95的。

3.3 極端降水變化趨勢

3.3.1 EP95變化特點

95降水量1981—2017年變化趨勢，8個站呈增大趨勢，2個站呈減小趨勢。其中：賈溝圈、王家嘴子和向家莊3站呈顯著性增大趨勢（α=0.05）（見表2），趙家橋和合水2站也呈顯著性增大趨勢（α=0.10）;大岔、趙家溝和板橋3站呈增大趨勢，花豹灣和黨家莊2站呈減小趨勢，但均未通過顯著性檢驗（α=0.10）。EP95貢獻率變化趨勢：9個站呈增大趨勢，1個站呈減小趨勢，其中：王家嘴子和合水兩站貢獻率顯著性增大（α=0.05）（見表2），賈溝圈、趙家橋、向家莊和趙家溝4站也呈顯著性增大趨勢（α=0.10）;大岔、黨家莊和板橋3站貢獻率呈增加趨勢以及花豹灣呈減小趨勢，都未通過顯著性檢驗（α=0.10）。

95天數(shù)變化趨勢：8個站呈增大趨勢，2個站呈減小趨勢。其中：賈溝圈、王家嘴子、趙家橋和向家莊4個站天數(shù)顯著性增大（α=0.05）（見表2），合水站也是顯著性增大趨勢（α=0.10）;大岔、趙家溝和板橋3站呈增大趨勢，花豹灣和黨家莊2站呈減小趨勢，但均未通過顯著性檢驗（α=0.10）。強度變化趨勢：7個站呈增大趨勢，3個站呈減小趨勢。其中：增大趨勢通過顯著性檢驗的有賈溝圈（α=0.05）和王家嘴子（α=0.10）（見表2）;趙家橋、合水、向家莊、趙家溝和板橋5站呈增大趨勢以及大岔、花豹灣和黨家莊呈減小趨勢，但都未通過顯著性檢驗（α=0.10）。

3.3.2 EP99變化特點

99降水量1981—2017年變化趨勢：7個站增大，3個站減小。其中：賈溝圈呈顯著性增大趨勢（α=0.05）（見表3）;王家嘴子、趙家橋、合水、向家莊、黨家莊和趙家溝6站呈增大趨勢，大岔、花豹灣和板橋3站呈減小趨勢，但均未通過顯著性檢驗（α=0.10）。

99貢獻率變化：8站增大，2站減小。向家莊呈顯著性增大趨勢（α=0.05），賈溝圈、王家嘴子、趙家橋、合水、黨家莊、趙家溝和板橋7站呈增大趨勢以及大岔和花豹灣2站呈減小趨勢，但都未通過顯著性檢驗（α=0.10）。

95天數(shù)變化：7站增大，3站減小，都未通過顯著性檢驗（α=0.10） （見表3）。

強度變化：7站增大，1站減小，2站無變化。其中：增大趨勢通過顯著性檢驗的是王家嘴子（α=0.10）;大岔、趙家橋、合水、向家莊、黨家莊和趙家溝6站呈增大趨勢，花豹灣呈減小趨勢，都未通過顯著性檢驗（α=0.10）。

β值正負反映變化趨勢是增大或減小，|β|值大小表達變化梯度。其值與Z正負符號相同（見表2和表3），表明變化趨勢相同。EP95降水量變化梯度最大為王家嘴子站的4.31 mm/a，最小為花豹灣站的-0.90 mm/a;貢獻率、天數(shù)和強度變化梯度較小，都小于每年一個單位。EP95降水量變化梯度賈溝圈為0.50 mm/a，向家莊貢獻率為0.90 %/a，其他各站4個指標變化梯度為0。

4 結 論

利用涇河合水川流域10個雨量站1981—2017年日降水量實測資料，利用95%和99%百分位閾值方法確定極端降水，選擇降水量、貢獻率、天數(shù)和降水強度4個指標，分析其時空變化特征，得到以下認識。

（1）空間上，各指標分布有差異，EP95和EP99降水量、貢獻率、天數(shù)和降水強度4個指標最大值、平均值、75%和25%分位值，極大值與極小值的比值在3.0～1.2之間。

（2）時間上，各指標不均勻系數(shù)呈增大趨勢，表明空間分布差異性隨時間減弱。EP95和EP99降水量、貢獻率、天數(shù)和降水強度不均勻系數(shù)呈增大趨勢，其中EP95天數(shù)和強度增大趨勢通過顯著性檢驗（α=0.10）。各指標不均勻系數(shù)EP99小于EP95，表明其不均勻程度大于EP95的。

（3）時間上，各指標量值均呈增大趨勢，其中降水強度增大趨勢相對較弱，且EP95的增大梯度比EP99的大。降水量、貢獻率、天數(shù)EP95和EP99呈增大趨勢的雨量站個數(shù)占比達90%～70%，通過顯著性檢驗的雨量站占比，EP95為60%～50%，EP95為10%～0%;降水強度EP95和EP99呈增大趨勢的雨量站個數(shù)占比達70%，通過顯著性檢驗的雨量站占比，EP95和EP99分別為20%和10%。

參考文獻：

[1] EASTERLING D， EVANS J， GROISMAM P Y， et al. Observed Variability and Trends in Extreme Climate Events： a Brief Review[J]. Bulletin of the American Meteorological Society， 2000， 81（3）：417-425.

[2] CHANGNON S A， ROGER A， PIELKE J， et al. Human Factors Explain the Increased Losses from Weather and Climate Extremes[J]. Bulletin of the American Meteorological Society， 2000， 81（3）：437-442.

[3] 趙安周，朱秀芳，潘耀忠. 1965—2013年黃土高原地區(qū)極端降水事件時空變化特征[J].北京師范大學學報（自然科學版）， 2017，53（1）：43-50.

[4] CHOI G， COLLINS D， REN G Y， et al. Change in Means and Extreme Events of Temperature and Precipitation in the Asia-Pacific Network Region，1955—2007[J]. International Journal of Climatology， 2009（13）：1906.

[5] FIDDES S L， PEZZA A B， BARRAS V. Synoptic Climatology of Extreme Precipitation in Alpine Australia[J]. International Journal of Climatology， 2014（35）：172-188.

[6] DUAN W L， HE B， TAKARA K， et al. Changes of Precipitation Amounts and Extremes over Japan Between 1901 and 2012 and Their Connection to Climate Indices[J]. Climate Dynamics， 2015， 45（7-8）：2273-2292.

[7] 陳冬冬，戴永久.近五十年我國西北地區(qū)降水強度變化特征[J].大氣科學， 2009，33（5）：923-935.

[8] 鄭石，王冠，林中冠，等.1961—2013年中國強降水特征分析[J].氣象與環(huán)境學報，2018，34（6）：102-107.

[9] 鄭江禹，張強，史培軍，等.珠江流域多尺度極端降水時空特征及影響因子研究[J].地理科學，2017，37（2）：283-291.

[10] 王曉默，董寧，李瑞芬，等.1981—2014年南四湖流域極端降水閾值及極端降水日數(shù)變化特征[J].農(nóng)學學報，2016，6（10）：92-96.

[11] 賀振，賀俊平.1960年至2012年黃河流域極端降水時空變化[J]，資源科學，2014，36（3）：490-501.

[12] 趙翠平，陳巖，王衛(wèi)光，等.黃河流域近50 a極端降水指數(shù)的時空變化[J].人民黃河，2015，37（1）：18-22.

[13] DANG S Z， YAO M F， LIU X Y， et al. Variations and Statistical Probability Characteristic Analysis of Extreme Precipitation in the Hekouzhen-Longmen Region of the Yellow River， China[J]. Asia-Pacific Journal of Atmospheric Sciences， 2019（55）：641-655.

[14] 李志，鄭粉莉，劉文兆.1961—2007年黃土高原極端降水事件的時空變化分析[J].自然資源學報，2010，25（2）：291-299.

[15] 金雙彥，蔣昕暉，張春嵐.2013年7月延河流域連續(xù)性洪水特性分析[J].水文，2016，36（4）：93-96.

[16] 姚文藝，侯素珍，郭彥，等.陜北綏德縣、子洲縣城區(qū)2017年“7·26”暴雨致災成因分析[J].中國防汛抗旱，2018，18（9）：27-32，49.

[17] 黃嘉佑，李慶祥.氣象數(shù)據(jù)統(tǒng)計分析方法[M].北京：氣象出版社，2015：20-65.

[18] 張海榮，周建中，曾小凡，等.金沙江流域降水和徑流時空演變的非一致性分析[J].水文，2015，35（6）：90-96.

[19] SEN P K. Estimates of the Regression Coefficient Based on Kendalls Tau[J]. Journal of the American Statistical Association， 1968，63（324）：1379-1389.

【責任編輯 張 帥】