-
开放科学(资源服务)标志码(OSID):
-
自工业化以来,人类活动所造成的影响已经使得大气、海洋和陆地变暖[1],这一趋势正对人类社会的可持续发展产生巨大的影响[2-3]. 在全球变暖的背景下,极端降水事件变得更加频繁[4],因极端降水引发的洪水、干旱、泥石流等自然灾害频发,自然生态系统和经济社会发展受到严重影响[5],并对人类的生产生活构成了严重威胁. 西南地区地形复杂,喀斯特地貌分布广泛,石漠化和水土流失问题严重. 受季风环流的影响,该地区降水时空分布不均匀且季节差异性大[6-7],从而使得局部强降水事件频繁发生,且区域差异显著.
近年来,洪涝、滑坡、泥石流等山地灾害在西南地区频繁发生. 而诱发山地灾害与城市内涝的短时极端降水也因此受到了更加广泛的关注[8]. 罗玉等[9]基于西南地区1970-2010年90个气象台站的逐日降水资料,对极端强降水的变化趋势进行了研究,结果表明,强降水、降水强度及强降水比呈上升趋势,在空间上呈东西或西北、东南向梯度变化,这与刘琳等[10]得出的研究结果一致. 罗玉等[11]还在气象台站逐日降水资料基础上,加入NCEP/NCAR逐日再分析资料,对四川盆地夏季区域性极端降水事件特征及其成因进行了分析. 丁文荣[12]以1960-2011年110个气象站的逐日降水资料为基础,发现西南地区极端降水频数有增加趋势. 谭霞等[13]基于25个站点的逐日降水资料,分析了西南地区1979-2016年夏季降水的变化特征,得出降水总天数总体呈减少趋势的结论. 唐红玉等[14]利用1960-2000年小时降水资料,分析了西南地区的降水频率和比率,总结了该地区降水时段的变化规律. 毛冬艳等[15]利用逐小时降水资料,分析了1981-2010年西南地区的短时强降水与强暴雨的变化特征,指出短时强降水呈现频次增加、强度增强的变化趋势. 张焕等[16]根据西南地区1961-2000年逐时降水资料,分析了不同季节降水和极端强降水的变化趋势,指出夏季西南大部分地区的极端强降水时数和强度增加.
极端降水常产生于中小尺度天气系统中,具有强度大、时间短的特征,利用日降水量的研究难以描述其突发性. 西南地区地形复杂、海拔起伏大,导致该地区的极端降水情况复杂. 鉴于此,本研究根据西南地区381个站点的逐小时降水观测资料,选取9个极端降水指数,揭示1980-2018年暖季极端降水事件在不同海拔的特征和长期变化趋势,以期为该地区气象灾害预测提供线索,以及对防灾减灾提供一定的参考.
Spatiotemporal Variation of Extreme Precipitation at Different Elevations in Southwest China
-
摘要: 基于西南地区381个地面气象观测站点的逐小时降水资料,选取9个降水指数,分析了1980-2018年暖季极端降水的时空变化特征. 结果表明: ① 1980-2018年,大部分指数的区域平均值在各海拔地区都呈现不同程度的上升趋势,而降水小时数和弱降水小时数则表现出了下降趋势. ②各指数的变化趋势表现出由西向东逐渐增多的特征,趋势增加的站点主要集中在四川东部和贵州. ③降水在不同的海拔呈现不同的特征,随着海拔的升高,降水小时数和弱降水小时数显著增加,上升速率达到了3.6 h/100 m和4.1 h/100 m,其余7个指数则呈现下降趋势. ④各指数在不同海拔表现出明显的差异,1/12 h最大降水量、平均小时降水强度、强降水小时数在中海拔地区具有最大上升趋势,降水小时数和弱降水小时数在中海拔地区具有最大下降趋势. 这些结论表明近39年来西南地区暖季极端降水的频率、极值和强度有上升趋势,但在年际变化中表现出复杂的非线性趋势,同时不同海拔区域展示出明显的区域差异.Abstract: Based on hourly precipitation observation data of 381 meteorological stations in southwest China, nine precipitation indices were selected to analyze the spatiotemporal variation characteristics of extreme precipitation in the warm season from 1980 to 2018. The results showed that: ① From 1980 to 2018, the regional averages of most indices showed increasing trend at each elevations, while the precipitation hours and hours with light precipitation decreased significantly. ② The trend of each extreme index showed a gradual increase from west to east, and the stations with increasing trends were mainly concentrated in eastern Sichuan and Guizhou. ③ The precipitation showed different characteristics at different elevations. With the increase of altitude, the total precipitation hours and hours with light precipitation increased significantly, and the rising rate reached to 3.6 h/100 m and 4.1 h/100 m, respectively, while the remaining seven indices showed decreasing trends. ④ The precipitation indices showed discrepant trends at different altitude. For example, the maximum precipitation during 1/12 hour, precipitation intensity and hours with heavy precipitation hour had the most increase trends at region of elevation from 1 000 m to 2 000 m than at other regions, while the total precipitation hours and hours with light precipitation showed the most downward trends at this region. These findings indicate that the frequency, extreme value and intensity of warm season extreme precipitation in southwest China over the past 39 years had upward trends, but the interannual variations showed complex nonlinear trends. Moreover, there were obvious regional differences at different elevations.
-
表 1 极端降水指数及其定义
代码 名称 定义 单位 R95 强降水量 小时降水量>第95百分位值的降水总量 mm R99 极强降水量 小时降水量>第99百分位值的降水总量 mm RX1hour 1 h最大降水量 小时降水量的最大值 mm RX12hour 12 h最大降水量 每个连续12 h降水量最大值 mm PRCPTOT 年总降水量 小时降水量总和 mm SDII 平均小时降水强度 小时降水量与降水小时数比值 mm/h R1mm 降水小时数 降水小时数 h HLP 弱降水小时数 小时降水量小于2 mm h HHP 强降水小时数 小时降水量大于20 mm h 表 2 1980-2018年西南不同海拔地区暖季极端降水指数的平均值及变化趋势
低海拔 中海拔 高海拔 站点数目/个 203 147 31 R95 平均值/mm 323.216 303.065 216.576 趋势/(mm·a-1) -0.009 0.047 -0.211 R99 平均值/mm 122.335 110.257 77.132 趋势/(mm·a-1) -0.035 0.001 -0.077 RX1hour 平均值/mm 37.674 31.595 20.229 趋势/(mm·a-1) 0.019 0.066 0.018 RX12hour 平均值/mm 78.055 59.72 39.938 趋势/(mm·a-1) 0.078 0.137 0.024 PRCPTOT 平均值/mm 792.088 797.744 669.343 趋势/(mm·a-1) 0.36 -0.069 -0.243 SDII 平均值/(mm·h-1) 1.723 1.592 1.175 趋势/(mm·h-1·a-1) 0.003 0.004 0.001 R1mm 平均值/h 453.567 494.743 541.287 趋势/(h·a-1) -0.532 -1.137 -0.409 HLP 平均值/h 363.387 397.251 471.812 趋势/(h·a-1) -0.591 -1.079 -0.453 HHP 平均值/h 4.194 3.24 1.645 趋势/(h·a-1) 0.007 0.012 0.001 注: 加粗表示在5%水平有统计学意义. -
[1] CUBASCH U, WUEBBLES D, CHEN D, et al. Introduction. In: Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[J]. Computational Geometry, 2013, 18(2): 95-123. [2] MILLY P C D, DUNNE K A, VECCHIA A V. Global Pattern of Trends in Streamflow and Water Availability in a Changing Climate[J]. Nature, 2005, 438(7066): 347-350. doi: 10.1038/nature04312 [3] PATZ J A, CAMPBELL-LENDRUM D, HOLLOWAY T, et al. Impact of Regional Climate Change on Human Health[J]. Nature, 2005, 438(7066): 310-317. doi: 10.1038/nature04188 [4] 胡宜昌, 董文杰, 何勇. 21世纪初极端天气气候事件研究进展[J]. 地球科学进展, 2007, 22(10): 1066-1075. doi: 10.3321/j.issn:1001-8166.2007.10.011 [5] 张存杰, 黄大鹏, 刘昌义, 等. IPCC第五次评估报告气候变化对人类福祉影响的新认知[J]. 气候变化研究进展, 2014, 10(4): 246-250. doi: 10.3969/j.issn.1673-1719.2014.04.003 [6] 苏秀程, 王磊, 李奇临, 等. 近50a中国西南地区地表干湿状况研究[J]. 自然资源学报, 2014, 29(1): 104-116. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201401010.htm [7] 张武龙, 张井勇, 范广洲. 我国西南地区干湿季降水的主模态分析[J]. 大气科学, 2014, 38(3): 590-602. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DQXK201403015.htm [8] 崔云, 孔纪名, 田述军, 等. 强降雨在山地灾害链成灾演化中的关键控制作用[J]. 山地学报, 2011, 29(1): 87-94. doi: 10.3969/j.issn.1008-2786.2011.01.013 [9] 罗玉, 范广洲, 周定文, 等. 西南地区极端降水变化趋势[J]. 气象科学, 2015, 35(5): 581-586. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-QXKX201505008.htm [10] 刘琳, 徐宗学. 西南5省市极端气候指数时空分布规律研究[J]. 长江流域资源与环境, 2014, 23(2): 294-301. doi: 10.11870/cjlyzyyhj201402020 [11] 罗玉, 陈超, 马振峰, 等. 四川盆地夏季区域性极端降水事件特征及其成因[J]. 西南大学学报(自然科学版), 2019, 41(5): 128-138. doi: http://xbgjxt.swu.edu.cn/article/doi/10.13718/j.cnki.xdzk.2019.05.019 [12] 丁文荣. 西南地区极端降水的时空变化特征[J]. 长江流域资源与环境, 2014, 23(7): 1071-1079. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201407019.htm [13] 谭霞, 周筠珺, 李明刚, 等. 1979-2016年西南地区夏季持续性降水的变化特征[J]. 高原山地气象研究, 2020, 40(1): 1-10. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-SCCX202001001.htm [14] 唐红玉, 顾建峰, 俞胜宾, 等. 西南地区降水日变化特征分析[J]. 高原气象, 2011, 30(2): 376-384. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-GYQX201102014.htm [15] 毛冬艳, 曹艳察, 朱文剑, 等. 西南地区短时强降水的气候特征分析[J]. 气象, 2018, 44(8): 1042-1050. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-QXXX201808006.htm [16] 张焕, 翟盘茂, 唐红玉. 1961-2000年西南地区小时降水变化特征[J]. 气候变化研究进展, 2011, 7(1): 8-13. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201101004.htm [17] 李炳元, 潘保田, 韩嘉福. 中国陆地基本地貌类型及其划分指标探讨[J]. 第四纪研究, 2008, 28(4): 535-543. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DSJJ200804004.htm [18] ZHANG X B, ALEXANDER L, HEGERL G C, et al. Indices for Monitoring Changes in Extremes Based on Daily Temperature and Precipitation Data[J]. Wiley Interdisciplinary Reviews: Climate Change, 2011, 2(6): 851-870. [19] LI Z X, HE Y Q, THEAKSTONE W H, et al. Altitude Dependency of Trends of Daily Climate Extremes in Southwestern China, 1961-2008[J]. Journal of Geographical Sciences, 2012, 22(3): 416-430. [20] QIAN Y, GIORGI F. Regional Climatic Effects of Anthropogenic Aerosols? the Case of Southwestern China[J]. Geophysical Research Letters, 2000, 27(21): 3521-3524. [21] FAN J W, ROSENFELD D, ZHANG Y W, et al. Substantial Convection and Precipitation Enhancements by Ultrafine Aerosol Particles[J]. Science, 2018, 359(6374): 411-418.