1. 引言
联合国政府间气候变化专门委员会(IPCC, Intergovernmental Panel on Climate Change)第五次评估报告指出:气候变化背景下极端降水事件在降水量与发生频率上都呈现出明显的增加趋势 [1],这种趋势对我国的水资源情势产生了不同程度的影响 [2]。长江源区作为国家三江源保护区的重要组成部分,在整个保护区乃至长江中上游流域具有重要的水资源涵养功能,对维系生物多样性、流域生态安全等发挥着重要作用 [3]。气候变化背景下,长江源区降水变化导致的水资源系统改变,不仅关系到区域内的生态环境发展,同时也将对整个中下流域的水资源利用产生影响 [4] [5] [6]。近年来,不少学者在长江源区开展了相关的研究,也取得了一系列的认识。梁川等 [7] 进行了长江源高寒地区的气候变化对水文环境的影响研究,指出长江源区的水文要素和水文环境在气候变化大背景下已受到较大影响;Rong等 [8] 的研究发现长江源过去40年的降水增加明显,极端降水事件增多;裴超重等 [9] 基于NOAA的遥感数据,对长江源区近50年来降水量、年平均气温进行了分析,认为两者在源区的大部分范围内都存在增加的趋势。时光训等 [10] 分析了长江流域极端降水的时空变化特征,指出主要强降水指数变化均呈现增加趋势,弱降水变化不显著;李林等 [11] 分析长江源区流量演变规律,并指出降水量显著增加是径流出现明显增多趋势的主要原因之一。
长江源区站点稀缺,以往的分析研究多仅以一套数据进行分析,基于站点与空间数据的对比分析更有助于了解源区降水变化的时空分布差异,本文以1966~2017年来的实测站点数据,以及再分析的空间栅格数据为依据,从年际以及年内两种尺度,分析气候变化背景下长江源区最近52年降水变化的空间差异,为区域的水资源与生态建设提供参考。
2. 研究区概况
长江源区位于青藏高原腹地昆仑山脉和唐古拉山脉之间,以直门达作为控制水文站,地理坐标大致位于E90˚43'~96˚45',N32˚30'~35˚35'之间,流域面积13.7万km2,占青海省总面积的19.5%,占全流域面积的7.8%。本文选取的研究区及其河网、气候站点分布如图1所示。
Figure 1. Sketch map of the Yangtze River source area and meteorological stations
图1. 长江源区和气象站点示意图
青藏高原腹地的唐古拉山是长江发源地,是西南季风进入我国大陆内部的第二道屏障,也是一条重要的气候分界线 [12]。源区地貌以高原丘陵为主,地势高亢,平均海拔近5000米,区内常年平均气温一般在−5.5℃~4℃,属于典型且独特的高寒生态系统。研究区下垫面构建以冻土为主,占总面积的97.38%,其中多年冻土77.19%,季节性冻土20.19%;源区范围及邻近区域共发育1153条冰川,总面积1779.56 km2,冰川总储量136.19 km3;源区河网水系发达,分布大小河流有100余,同时也是青藏高原上高原湿地的主要分布地区之一 [13]。降水主导下源区内多元的水资源组成形式对区域内生态系统发挥着重要的水源涵养功能,同时也影响着整个中下地区水资源的可持续利用 [14]。
3. 资料数据和方法
3.1. 资料数据
本文采用国家气象数据共享网提供的1966~2017年长江源区及周边7个气象站点的逐日降水数据进行站点分析,其中伍道梁只有1986年~2017年共计22年数据资料;采用国家气象中心基于地面2472个台站降水资料,利用薄盘样条法(TPS, Thin Plate Spline)进行插值,生成的0.5˚*0.5˚分辨率的空间再分析数据,获取研究区的面平均降水。
3.2. 分析方法
本文主要利用线性趋势、滑动平均、箱形图以及相关分析与Mann-Kendall (M-K)检验法 [15],M-K检验法是世界气象组织(World Meteorological Organization, WMO)推荐并广泛使用的非参数检验方法,其不需要样本遵从一定的分布,也不会受少数异常值的干扰,计算简便。本文利用M-K对降水时间序列做趋势与突变检验。对于具有n个样本量的时间序列x,构造一秩序列:
(1)
当
时,ri = 1,否则,ri = 0。
称秩序列Sk是第i时刻数值大于j时刻数值个数的累计数,在时间序列上随机独立的假定下,定义统计量:
(2)
其中
是累计数Sk的均值,Var(Sk)是累积数Sk的方差,在
相互独立,且有相同连续分布时,可由下式算出:
(3)
(4)
UFk曲线是标准正态分布且按时间序列x的顺序
计算出来的统计量序列。给定一个显著性水平α,查正态分布表,若|UFi| > Uα (本文中取置信区间为95%,显著水平为0.05,对应的Uα = 1.96)则表明序列存在明显的趋势变化。再按照时间序列x的逆顺序
,重复上述过程,同时使
。分析绘出的UFk和UBk曲线图,若UFk或UBk的值大于0,则表明序列呈上升趋势,反之若小于0则表明呈下降趋势;当它们超过临界直线时,表明上升或下降的趋势显著。超过临界线的范围确定为出现突变的时间区域,如果UFk和UBk两条曲线出现交点,且交点在临界线之间,那么交点对应的时刻便可能是突变开始的时间。
4. 结果分析
4.1. 年际变化
通过对插值的空间降水数据分析,得到长江源区52年的面平均年降水量(如图2所示)。长江源区52年来的年平均降水量约为412 mm,年际变化存在较大的波动性,最大的波动出现在2014年与2015年之间,相差约为199 mm。而无论从三年滑动平均还是五年滑动平均来看(如图2所示),源区降水的变化都表现为缓慢的上升趋势,年均增长量约为1.5 mm/a。
Figure 2. The average annual precipitation in the source region of Yangtze River in 1966~2017
图2. 长江源区1966~2017年均降水量曲线图
对长江源区内的年降水量进行M-K检验的结果也表明(如图3所示),源区的年降水量基本处于上升趋势,且在0.05 (α = 1.96)的显著性水平下,2009年之后的增长趋势变得显著,年均增长量为3.5 mm/a,约为总体平均增长水平的2.3倍。由UF和UB曲线的交点可以判断,研究区的降水量在2002年发生突变,突变点以后的年增长量为1.61 mm/a,与总体增长率相差不大。
Figure 3. The M-K test curve of the precipitation in source region of Yangtze River in 1966~2017
图3. 长江源1966~2017年均降水量M-K检验曲线图
选取源区内伍道梁、沱沱河、曲麻莱和玉树四个气象站点,从空间分布上对降水变化的分析表明(如图4所示),源区的空间降水分布存在较大差异,分布极度不均。对于源头区的伍道梁和沱沱河气象站点,基本与源区的年均降水变化保持一致,即总体上呈增长趋势,2009年左右在0.05检验水平下的增长趋势变得显著;同时在2002年左右降水出现突增点。而在源区中下游的曲麻莱和玉树两个气象站的降水与平均降水变化趋势不同,中下游地区虽然UF曲线整体在坐标轴的第一象限,呈增加趋势,但超过显著水平线(α = 1.96)的部分较少,增加趋势不显著,也没有明显的突变点出现。这可能主要是由于源区的面平均降水数据采用的TPS插值法以站点的影响面积为权重,而长江源区上游的伍道梁和沱沱河控制面积更大,从而导致面平均降水更多呈现出上游站点的变化趋势。
(a) 伍道梁站 (b) 沱沱河站 (c) 曲麻莱站 (d) 玉树站
Figure 4. The M-K curve of different gauged precipitation in the source region of Yangtze River in 1966~2017
图4. 长江源区各站1966~2017年降水量值M-K检验曲线图
各站点与均值年降水量的箱型图如图5所示,可以看出:源区平均降水的年际分布较均匀,主要集中在360~450 mm之间,无极端降水年(即异常值点)出现。各空间分布的站点中,从上游到下游地区降水逐渐增多,站点源头沱沱河与出口玉树站的年降水量相差270.3 mm;结合周边站点,索县站的年降水最多,与沱沱河站相差377 mm。从各站箱形图的中位数和上下四位数的间距可以看出除了伍道梁站与杂多站年际降水分布呈现左偏分布与右偏分布外,其余各站降水相对分布较均匀,年际降水波动也相对平稳,除沱沱河在2009年的降水以外,也无极端异常值出现。
Figure 5. Curve: system result of standard experiment
图5. 标准试验系统结果曲线
表1给出95%置信区间内各站点与面平均年降水量的相关性检验与相对偏差值,虽然各站点实测降水与再分析的面平均降水量之间都均具有良好的显著相关性,但相关系数差异较大,因源头区站点的降水与面平均降水的变化趋势基本一致,所以源头区站点也具有更高的相关系数。从之前的分析来看,源头区域的降水量偏小,造成其与面平均降水的相对偏差较大,如沱沱河达到38%。而源区出口区域的降水更加丰富,对面平均降水量的影响也更大,得到的相对偏差也较小,如曲麻莱仅为2%。
Table 1. Significant correlation and relative deviation of the gauged data and reanalyzed mean annual precipitation at each site
表1. 各实测站点与再分析均值年降水量的显著相关性与相对偏差
4.2. 年内变化
近52年来,源区的降水主要集中在6~9月,对比突变点2002年前后(如图6(a)所示),即1966~2001年与2002~2017年的年内分布来看,年内降水分布不均的趋势进一步加强,6~9月降水量在全年总降水量中的占比由75.15%增加到了86.03%。对突变点前后两个时段的月平均降水历时曲线如图6(b)所示,结果表明:气候变化背景下,更多的降水集中在发生概率小于45%的降水事件中,其中发生概率小于20%的强降水事件(主要集中在5~9月)的降水量增长尤为明显,而对于发生概率大于55%的常规降水事件(主要集中10月到次年4月)的降水量基本没有变化。
(a) (b)
Figure 6. Monthly precipitation distribution curves in the source region of Yangtze in different periods (a) and the duration curves of monthly average precipitation before and after mutation point (b)
图6. 长江源区不同时段年内各月降水分布曲线(a)与突变前后月平均降水历时曲线图(b)
进一步对各站点发生极端降水月(即各月降水分布的异常值)的事件进行统计后发现:6~9月为发生极端降水事件的主要月份,突变后的16年间(2002~2017年)共出现9次,而突变前的36年间(1966~2001年)共出现了7次,突变点2002年前后发生极端降水月的频率增长了近3倍。从站点分布来看,降水更加丰富的出口区域比源头区域更容易发生极端降水,其年内降水分布也更加不均。
5. 结论
本文主要采用相关性与M-K检验等统计分析方法,结合站点实测与再分析空间数据对长江源区1966年~2017年降水变化的空间分布差异进行了分析讨论,得出主要结论如下:
1) 从年际降水过程的变化趋势来看,受站点空间分布差异影响,源头控制面积更大的站点对源区平均降水变化具有主导作用,因此源头区站点与面平均降水量呈现出基本一致的变化趋势,即:整体上为稳定的缓慢增加趋势,2002年左右发生突变,2009年左右呈现显著性增长趋势后的年均增长量为多年平均的2.3倍。
2) 从降水量的分布来看,空间各站点与源区平均降水过程都具有良好的相关性,但是降水丰富的出口处区域对源区平均降水量的影响更大,相对偏差最小近2%;而降水相对稀少的源头地区,相对偏差均在30%左右。
3) 从降水的年内变化来看,源区年内降水分布不均的趋势更加明显,更多的降水集中在发生概率小于20%的强降水事件中。2002年突变点前后6~9月降水量在全年的占比增加了11%,发生极端降水月事件的概率增加了近3倍。而源区内降水较多的出口区域,这种趋势更加明显,更容易发生极端降水事件,其年内降水分布也更加不均。
气候变化背景下,长江源区近52年的降水总体表现为缓慢的增长趋势,源头区降水变化趋势与面平均降水基本一致,而下游区域降水与面平均降水的相对偏差更小。长江源区的降水增长主要都集中在了下游地区6~9月的汛期,这使得年内的降水分布更加不均,在此变化趋势下,源区的水资源利用可能面临更加不利的局面。