江淮梅雨区1960—2014年夏季极端降水变化特征及影响因素

doi:10.12006/j.issn.1673-1719.2018.053韩翠, 尹义星, 黄伊涵, 等. 江淮梅雨区1960-2014年夏季极端降水变化特征及影响因素 [J]. 气候变化研究进展, 2018, 14 (5): 445-455江淮梅雨区1960—2014年夏季极端降水变化特征及影响因素韩 翠1，尹义星1, 黄伊涵1，刘梦洋1，王小军2,31 南京信息工程大学水文与水资源工程学院，南京 210044；2 南京水利科学研究院水文水资源与水利工程科学 国家重点实验室，南京 210029；3 水利部应对气候变化研究中心，南京 210029气候变化研究进展第14卷 第5期 2018年9月CLIMATE CHANGE RESEARCH V ol. 14 No. 5September2018收稿日期：2018-04-16；修回日期：2018-06-08资助项目：国家自然科学基金项目（41671022)；国家“万人计划”青年拔尖人才支持计划；淮河流域气象开放研究基金（HRM201701)；江苏 省“333高层次人才培养工程”专项资金；中央财政水资源节约、管理与保护项目（项目编号：126302001000150005)；中国工程院 重大咨询项目专题（2016-ZD-08-05-02)作者简介：韩翠，女，硕士研究生；尹义星（通信作者)，男，副教授，yyxrosby@引 言在当前全球气候变化大背景下，极端降水事件发生频率增加、极端降水强度不断增强[1-2]，由此引发的自然灾害给人类健康和社会经济等带来巨大的负面影响，已成为人类发展面临的最为严峻的挑战之一[3]。

近年来，我国气象灾害、极端降水事件频发，不仅对生态系统、粮食生产和经济发展造成严重影响，同时也给人民生命财产安全带来极大的威胁[4]。

探究影响极端降水事件发生的因素，了解和掌握极端降水事件发展的特征和规律，妥善应对极端降水事件及其带来的诸多影响，已经成气 候 系 统 变 化为保障我国经济社会发展和人民群众切身利益的迫切任务。

学者们已经在极端降水事件时空特征的研究方面取得了诸多成果。

翟盘茂等[5-6]发现：我国年平均降水强度极端偏多的区域范围均反映出趋于增加的变化趋势；在东部，平均降水强度极值出现的范围呈扩大的趋势；在北方，华北地区强降水事件趋于减少，而西北地区相反。

Zhai 等[7]的研究还表明我国极端降水频率在不同区域、季节内变化特征不一致。

贺振等[8]在研究黄河流域极端降水时空变化时指出：1960—2012年黄河流域西部和北部地区极端降水量、极端降水频数趋于增加，极端降气候变化研究进展 2018年446气 候 系 统 变 化水占年降水总量的比例在黄河流域呈整体增加的趋势。

陈海山等[9]发现，我国极端降水事件发生频次在空间上表现出明显的纬向分布特征，在时间上又具有显著的季节性差异。

闵屾等[10]对我国不同地区极端降水事件的区域性和持续性特征进行了大量研究，并指出长江以南地区极端降水持续性和区域性均较好，易导致区域性洪涝灾害的发生。

我国湖北宜昌以东、纬度在28°～34°N 之间的长江中下游及淮河流域一般称江淮梅雨区。

这一地区极端降水事件的频数和强度与地区内梅雨期降水量密切相关，因而江淮梅雨区极端降水事件也成为水文气象学者们关注的热点课题之一。

杨玮等[11]研究发现：极端降水日数、极端降水量及其占梅汛期总降水量百分比的年际变化特征明显，且呈显著的上升趋势。

1960年代初至2000年代，长江中下游地区年极端降水指数同样呈上升态势[12]，江淮大部分地区5—9月出现降水极大值的概率增加[13]。

此外，杨玮等[14]指出高、低空环流形势异常对极端强降水的发生有重要作用，而梅雨锋的位置能够决定极端降水的发生区域。

上述研究成果为探究江淮梅雨区夏季极端降水特征提供了重要参考。

1950年代以来，在东亚夏季风年代际变化的背景下，我国东部降水带发生多次南北之间的迁移[15]，如1980年代降水带主要位于长江中下游流域，而1990年代以后，夏季雨带又出现年代际北移，表现为淮河流域夏季降水增加[16]。

在这种背景下，采用新的降水数据，对江淮梅雨区极端降水的变化特征和影响因素进行再考察，分析其特征和影响因素是否存在变化，显得十分重要。

本文选择代表性的极端降水指数，通过趋势分析、EOF 分析、合成分析等方法，对江淮梅雨区夏季极端降水事件的变化趋势、时空演变特征，以及影响夏季极端降水异常变化的因素作较深入的探究。

1 资料和方法1.1 研究资料逐日降水数据来源于中国气象局国家气象信息中心。

在28°～34°N 、110°～122°E 范围内选取数据序列连续且无缺测的站点，共66个（图1)，这些站点主要位于浙江、江苏、安徽、江西、上海、湖南、湖北和河南省范围内，分布比较均匀。

数据序列时间跨度为1960—2014年。

大气环流资料来源于NCEP/NCAR 再分析的月平均环流格点资料，水平格距2.5°×2.5°。

选用要素包括高度场、水平矢量风场（包含u 分量和v 分量）、比湿场和地面气压场资料，时间跨度同样为1960—2014年。

其中，比湿场、地面气压场与水平矢量风场资料结合起来计算整层水汽通量与水汽通量散度。

图1 研究区域66个气象站点空间分布Fig. 1 Spatial distributions of 66 meteorological stations in thestudy area35˚N 33˚N 31˚N 29˚N 27˚N 25˚N109˚E 111˚E 113˚E115˚E117˚E 119˚E 121˚E气象站点1.2 研究方法当前针对极端降水特征的研究大多是基于百分位法定义的极端降水阈值，或是基于最大值法定义的连续多日最大降水量，而较少考虑平均降水强度。

翟盘茂等[17]曾指出降水量的增加主要是由于极端降水强度和频次的增加，可见，极端降水强度同样是研究极端降水工作中重要的一环。

鉴于此，本文基于欧洲地区极端事件统计和区域动力降尺度（STARDEX ）项目[18]提出的57个极值气候指数，挑选其中三方面的极端气候指数：表征平均降水强度的平均气候降水强度（PA V ）和雨日降水强度（PINT )，基于百分位法定义的极端降水阈值（PQ90）和根据最大值法定义的连续3 d 最大总降水量（PX3D )。

表1为上述各项极端降水指数的详细信息。

基于逐日降水数据计算得到夏季（6—85期447韩翠，等：江淮梅雨区1960—2014年夏季极端降水变化特征及影响因素月）上述各极端指数；采用线性拟合方法分析其变化趋势，并借助t 检验分析其显著性水平；然后采用EOF 分析法对极端降水指数进行时空分离，探讨其时空演变特征；最后对强弱极端降水年的物理量场进行合成分析，探究影响极端降水变化的因素。

表1 本文采用的4个极端降水指数Table 1 Four extreme precipitation indices used in this study2 结果与分析2.1 夏季极端降水趋势图2为研究区夏季极端降水指数线性趋势的空间分布图。

整体上看，PA V 、PINT 、PQ90和PX3D 指数均以上升为主，呈显著上升的站点均主图2 江淮梅雨区夏季极端降水指数线性趋势的空间分布图Fig. 2 Spatial distributions of the linear trend of the summer extreme precipitation indices in the Meiyu area of the Y angtze-Huai River Basin35˚N 33˚N 31˚N 29˚N 27˚N 25˚N下降：不显著上升：0.01显著性水平上升：0.05显著性水平上升：0.1显著性水平上升：不显著(a) PA V (b) PINT(c) PQ90(d) PX3D35˚N 33˚N 31˚N 29˚N 27˚N 25˚N109˚E 111˚E 113˚E 115˚E 117˚E 119˚E 121˚E 109˚E 111˚E 113˚E 115˚E 117˚E 119˚E 121˚E下降：不显著上升：0.01显著性水平上升：0.05显著性水平上升：0.1显著性水平上升：不显著下降：不显著上升：0.01显著性水平上升：0.05显著性水平上升：0.1显著性水平上升：不显著下降：不显著下降：0.1显著性水平上升：0.01显著性水平上升：0.05显著性水平上升：0.1显著性水平上升：不显著气候变化研究进展 2018年448气 候 系 统 变 化要位于东部；下降的站点主要位于西部、北部，下降的站点一般不显著（仅PX3D 在江苏省北部有一个站点下降达到0.1的显著性水平)。

具体来看，PINT 指数上升最为明显，达到显著性水平站点最多，仅极少数站点为不显著的下降趋势。

PA V 、PQ90和PX3D 指数的趋势分布较类似，均在西北部和东南部之间呈差异性分布。

西北部站点上升或下降的趋势均不显著，其中以PX3D 指数呈下降的站点较多；而东南部的趋势基本为正值，且上升趋势显著的站点也大多位于东南部。

上述结果与文献[11]中在梅汛期所得结果比较一致。

2.2 夏季极端降水指数EOF 时空特征对PA V 、PINT 、PQ90和PX3D 的距平序列运用EOF 方法进行时空分离，分别得到各指数的特征向量和时间系数，并采用North 和Monte-Carlo 检验方法，进行显著性检验。

结果表明，各指数的第一、第二特征向量均通过上述两项检验，同时，各指数第一、二特征向量的累积方差贡献率除PX3D 外均>40%（表2)。

对于夏季极端降水指数EOF 分析的第一特征向量（图3)，PA V 、PINT 、PQ90和PX3D （PQ90与PINT 模态相似，图略；PX3D 与PA V 模态相似，图略）基本都符合全“+”的分布形态（仅极个别站点出现负值)，且“+”中心均位于梅雨区北部；苏北、皖北至河南南部有一条极端降水大值带，正值中心出现在皖北和河南东南部附近，即4个指数第一模态都呈现出北部极端降水更强的特征。

第二特征向量（图4）均呈现“西北+东南-”的分布形态，31°N 以南地区接近于零，梯度方向从西北指向东南偏东方向，“-”中心在江苏中部和安徽表2 各指数第一、第二特征向量的方差贡献率Table 2 Variance contribution rates of the first and second eigenvector of the indices中北部，江苏中部值最强，“+”中心均在河南南部。