南昌市为江西省的经济和政治中心,也是长江流域人口众多的大城市之一。由于其地处亚热带季风气候区,汛期降水量占全年的1/2[1],降水的集中对城市的发展产生了不利影响,也威胁着人民群众的生命财产安全。因此,了解南昌市降水的变化特征有助于维护区域水环境与水生态安全,对今后防洪抗汛工作具有积极的作用。同时在全球变暖的背景下,气候的改变会使得地区下垫面的水文循环发生改变[2],并对降水造成一定的影响[3]。因此研究降水与全球气候的关系,能为降水变化的机理研究提供方向。基于此,本文还研究了气候变暖背景下降水与全球气候的相关性。

有不少学者研究了南昌市降水的变化特征。熊丝等[1]的研究结果表明,南昌市年降水量总体呈不显著增加变化,1955、1992和2000年发生了突变,存在22a的主周期及4a的次周期。而魏丽等[4]的研究发现,南昌市降水总体略呈增加趋势。在与全球气候变化的相关性研究中,刘卫林等[5]的研究发现,江西省修河流域最大洪峰流量与气球气候指数有一定的相关性,而洪峰流量大部分是由即时降水组成的,一定程度上反映了部分降水与全球气候指数具有一定的相关性。此外,也有不少学者研究了ENSO事件对安徽省以及合肥市降水的影响,结果表明ENSO事件对安徽省、合肥市的降水有影响[6,7,8]。而南昌市距安徽省较近,关于其降水对全球气候的响应方面可能具有相似的特征。

为了更准确地了解南昌市近年降水和汛期降水的变化状况以及气候变暖背景下降水与全球气候变化的相关性,揭示该地区降水的演变规律及可能变化的方向,在已有相关研究的基础上,本文进一步利用较新的日降水数据,采用Mann-kendall检验法和小波分析等方法,分析了降水的变化趋势、周期特性、突变性,并研究了降水量与部分全球气候指数的相关性。本文的研究结果可为南昌市的防洪设施、海绵城市的建设提供一定的参考,也是全球变暖背景下南昌市降水对全球气候变化响应的基础性研究之一。

1、数据来源与研究方法

1.1资料来源

本文的降水数据为南昌市1960—2018年的日降水资料,来源于中国气象数据网。

为了了解全球变暖背景下南昌市降水对全球气候变化的响应,本文使用了14个全球气候指标研究其与南昌市降水的相关性,其中,厄尔尼诺-南方涛动(ENSO)指标,包括多变量ENSO指数V1版、Ni区(5°N～5°S,170°W～120°W)海表面温度SSTA以及南方涛动指数,以上数据来自来源于美国大气海洋局(NOAA)地球系统研究实验室(NOAAESRL);太平洋年代际震荡、北大西洋涛动、太平洋-北美型遥相关(PNA)、西太平洋型遥相关(WP)、印度洋偶极子DMI指数,北极涛动,以上数据均来源于美国大气海洋局(NOAA)气候预测中心(CPC);太阳黑子数据来源于比利时皇家天文台;东亚夏季季风指数、南亚夏季季风指数、南中国海夏季季风指数以及南极涛动指数数据均来源于中国海洋大学物理海洋教育部重点实验室李建平教授的个人主页。数据的时间序列均为1960—2018年。

1.2研究方法

本文采用线性回归法及滑动平均法来描述降水的长序列变化趋势。线性回归法是利用数理统计中的回归分析,来确定2种或2种以上变量间相互依赖的定量关系的一种统计分析方法,其意义是建立自变量与变量之间的线性关系,描述其变化趋势,具体见式(1)。

y=a+bx(1)

式中y——南昌市年降水量;a——回归常数项;b——回归系数,表示在研究年份内南昌市年降水量的变化趋势,b>0,则说明总体呈增加趋势,b<0,则说明总体呈减少趋势;x——年份。

而滑动平均法能在一定程度上降低数据中的高频成分,对长时间趋势有更好的表现能力,具体见式(2)。

(j=1,2,3…,n-k+1)(2)

式中降水的平均值;k——固定年份的年份数,这里为5;xi+j-1——某年的降水量。

滑动t检验法是在简单平均数法基础上,通过顺序逐期增减新旧数据求算移动平均值,检验新旧两组数据的平均值是否来自同一总体,进而而判断是否产生突变的方法,具体见式(3)。

其中,

式中——第1组5a降水平均值,——第2组5a降水平均值;n1、n2——第1组年降水量和第2组年降水量的样本数,本文皆为5;s1、s2——第1组年降水量和第2组年降水量的样本标准差。

Mann-Kendall[9,10]方法是一种非参数检验方法,其优点是不需要样本遵从一定的分布,滑动t检验是考察2组样本均值的差异是否显著来检验突变,采用以上2种方法对时间序列进行突变分析,判断降水的突变情况。小波分析[11,12]的基本原理是通过增加或减小伸缩尺度来得到信号低频或高频信息,然后分析信号的概貌或细节,实现对信号不同尺度和空间局部特征的分析,文中以小波分析方法来探索长时间序列的周期变化特征。限篇幅原因,Mann-kendall、滑动t检验和小波分析的具体步骤请参阅《现代气候统计诊断与预测技术》[13]。

运用皮尔逊相关分析法分析气候指标与南昌市年降水量的相关关系,使用t检验法对相关系数进行显著性检验;选择通过95%显著性检验的气候指标与南昌市年降水量进行线性方程拟合,运用t检验和方差分析法对拟合方程指标以及拟合方程进行评价。而后建立年降水量与所有气候指标的多元线性回归方程,根据残差平方和选择自变量,使用校正复相关系数平方(adjR2)准则、Cp准则和BIC准则进行综合分析[14],与通过显著性检验的相关气候指标与年降水量的拟合方程进行对比,进而找出与南昌市年降水有显著线性关系的全球气候指标。

2、结果分析

2.1降水的时间变化特征

南昌近59a降水量均值为1582.81mm(图1)。由降水量距平曲线可知,1960—2018年期间降水量距平正负交替出现,且最小值出现在1963年为-551.91mm,对应降水量为1030.9mm,最大值出现在1998年为748.8mm,对应降水量为2331.6mm,降水量最大差值可达1300.71mm;由降水量线性变化趋势可知,年降水量总体呈现上升趋势,降水倾向率为4.691mm/10a;由5a滑动平均曲线可知,南昌年降水量呈现波动上升的趋势,20世纪70年代中期以前为上升,此后10a内出现短暂的下降,80年后又逐渐上升,21世纪初期及其后10a呈下降趋势,后又以上升趋势发展。

图1年降水量距平变化

近59a来南昌汛期降水量均值为1085mm(图2)。由汛期降水量距平曲线可知,59a来南昌汛期降水量距平以正负交替的形式出现,且最小值出现在1990年为-377.98mm,对应降水量为707.5mm,最大值出现在1973年为803.82mm,对应降水量为1889.3mm,汛期降水量最大差值可达1181.8mm;由降水量线性变化趋势线可知,汛期降水量总体呈现上升趋势,降水倾向率为1.35mm/(10a);由5a滑动平均曲线可知,汛期年降水量呈现波动上升的趋势,其中20世纪60—70年代、80年代至21世纪初期及2010年后呈现上升趋势,20世纪70—80年代及2000—2010年呈现下降趋势。

图2汛期降水量距平变化曲线

2.2降水序列的突变检验

图3a、3b分别为年降水量的Mann-Kendall突变检验及5a滑动t突变检验图。由Mann-Kendall突变图可得,UF及UB曲线在59a内出现多次交点,表明年降水量可能出现多次突变。但由滑动t突变检验图可得,统计量t值在59a期间仅有1次超过了显著性水平,即可能出现1次突变。因滑动t所确定突变点与Mann-Kendall所确定的突变点没有重合,因此对于长序列的年降水量仍不能确定是否存在突变现象。

图3年降水量的突变检验

图4a、b分别为汛期降水量的Mann-Kendall突变检验及5a滑动t突变检验。与年降水量突变类似,汛期降水量的Mann-Kendall突变图的UF与UB在研究时段多次出现相交现象。但由滑动t突变检验发现,统计量t在59a期间没有超过显著性水平。因此由Mann-Kendall及滑动t检验分析无法得到多年汛期降水量的突变年份。

图4汛期降水量的突变检验

图4汛期降水量的突变检验

2.3降水序列的周期特征

图5为降水序列的小波系数实部等值线,图6为小波方差。可以看出,在第1主周期上,年降水量和汛期降水量共同存在28a尺度周期。在第1主周期上年降水和汛期降水呈现正负交替变化的现象,且存在4个偏多期和3个偏少期,其中偏多期为20世纪60年代初期、70年代末至80年代中期、90年代中至2003年及2012年以后,其余时段为偏少期。在第2主周期上,汛期降水量17年尺度较年降水量明显,可以看出在20世纪90年代中期以前更为周期性更为显著,呈现3个偏多期和3个偏少期。由于年降水量和汛期降水量的实部等值线在研究时段末期仍处于大于0且未封闭的状态,因此可预测未来短时期内其仍处于增大趋势。

图5降水序列的小波系数实部等值线

图6年降水序列的小波方差

2.4降水与全球气候指数的相关性分析

南昌市年降水量与气候指标MEI、SSTA、SOI、AO、PDO、NAO、DMI、PNA、WP、SS、EASMI、SASMI、SCSSMI、AAO的线性相关性分析结果见表1。南昌市年降水量与SCSSMI和AAO的线性相关系数均通过了95%的显著性水平检验,其中与AAO的相关系数通过了99%的显著性水平检验。把南昌市年降水量作为因变量,选择SCSSMI和AAO指数作为南昌市年降水量的自变量,建立降水关于SCSSMI和AAO指数的2维线性模型,对该模型进行t检验和方差检验,结果见表2,发现SCSSMI指数均未通过95%的t检验和方差检验,这说明了SCSSMI与南昌市年降水量是否具有显著的线性关系还需进一步的探讨;而AAO指数通过了95%的t检验,通过了99%的方差检验。将SCSSMI从模型中舍去,建立南昌市年降水量与AAO的线性模型,检验结果如表2,该模型中的AAO指数均通过了99%的t检验和方差检验。

表1南昌市年降水量与气候指标相关系数

注:*表示通过95%显著性水平检验;**表示通过99%显著性水平检验。

表2年降水量与AAO及SCSSMI线性模型检验结果

注:*表示通过95%显著性水平检验;**表示通过99%显著性水平检验。

为了进一步观察全球气候指数与南昌市年降水的线性关系的强弱,使用所有可能回归法,以所有的气候指标为自变量,降水为因变量,建立降水与所有气候指标的可能线性模型,根据残差平方和最小原则选择出最优1维模型、2维最优模型至13维模型,使用校正复相关系数平方准则(adjR2)、Cp准则和BIC准则进行评价,若adjR2最大、Cp和BIC越小则模型最优,评价结果见表3。

表3中,星号表示参与构建南昌市年降水量对全球气候变化响应模型的全球气候指数,右侧为对应模型根据adjR2准则、Cp准则和BIC准则评价的结果,其中adjR2的评价标准为数值越大模型越优,Cp准则以及BIC准则的评价标准为数值越小模型越优。可以看出,adiR2最大值出现在函数f(SCSSMI、AAO、SOI、NAO、PDO)中,而Cp最小值出现在f(AAO、MEI、NAO)中,BIC最小值出现在f(AAO)中。结合表1的结果,可以看出,尽管MEI、NAO与南昌市年降水的相关性结果未通过95%的显著性水平检验,而SCSSMI通过了95%的显著性水平检验,但在2元和3元的模型中,以MEI和NAO为自变量的模型其残差平方和小于以SCSSMI为自变量的模型。这说明如果要考虑多种气候指数对南昌市降水影响,MEI和NAO可能是不可忽略的。同时在所有模型中AAO指数都有参与,既AAO的参与能提高模型的精度。根据BIC准则,南昌市年降水与AAO的模型是最优的;根据Cp准则,AAO、MEI、NAO构成降水因素模型是最优的;而根据adjR2准则,AAO、NAO、SCSSMI、PDO、SOI构成降水因素的模型是最优的。这一方面强调了南昌市年降水与AAO指数密切的线性关系,也表明其他气候指数的参与也能在一定程度上优化模型。而已有的研究也表明[15],4—5月AAO偏强时,长江流域的降水偏多,这也从侧面验证了本文的南昌市年降水与AAO有着显著的线性关系。

表3年降水量与气候指数的多元线性回归模型评价结果

注:*表示对应气候指数参与组成模型的自变量。

3、结论

通过对南昌市1960—2018年逐日降水资料的筛选和提取,得到年降水量及汛期降水量指标,并对以上指标进行趋势、突变、周期分析以及降水量与气候指数的相关性研究,主要得到以下结论。

a)年降水量和汛期降水量呈波动增加趋势,且5a滑动平均值的变化趋势基本相同。

b)对于年降水量及汛期降水量仍不能确定是否存在突变现象。

c)降水序列中年降水量及汛期降水量的第1主周期具有相似性,存在28a尺度的长振荡周期,而后汛期降水量还存在明显的17a左右的振荡周期。

d)南昌市年降水量与AAO的线性相关系数为0.4且通过了99%的显著性检验,在年降水量与AAO和SCSSMI的2维线性模型中,AAO通过了95%的t检验和99%的方差检验;在年降水量与所有气候指数线性模型中使用adiR2准则、Cp准则和BIC准则进行综合评价,其中AAO对所有模型都有着较好的优化,这说明了AAO与南昌市降水量有着显著的线性关系,而SCSSMI以及其它气候指数与南昌市降水量是否具有显著的线性关系还需进一步的探讨。

参考文献：

[1]熊丝,陆宝宏,程增辉,等.南昌市主要气候要素变化特征及其预测[J].水电能源科学,2017(3):15-20.

[2]李峰平,章光新,董李勤.气候变化对水循环与水资源的影响研究综述[J].地理科学,2013,33(4):457-464.

[3]王国庆,刘九夫,贺瑞敏.国内外关于气候变化对水的影响的研究进展[J].人民长江,2009,40(8):39-41.

[4]冯敏玉,魏丽,胡逢喜,等.南昌地区近55年的气温与降水变化分析[J].江西农业大学学报,2009,31(4):781-784.

[5]刘卫林,刘丽娜.修河流域洪水变化特征及其对气候变化的响应[J].水土保持研究,2018,25(5):306-312.

[6]孙玉燕,温庆志,孙鹏,等.变化环境下ENSO对合肥市旱涝灾害影响研究[J].人民珠江,2017,38(5):42-46.

[7]曾婷,杨东,朱小凡,等.ENSO事件对安徽省气候变化和旱涝灾害的影响[J].中国农学通报,2015,31(1):215-223.

[8]任秀真,徐光来,刘永婷,等.安徽省近56年气候要素时空演变特征[J].水土保持研究,2018,25(5):287-294.

[9]刘琦,孙冰心.M-K和滑动T确定穆棱河流域径流变化突变时间[J].黑龙江水利,2015,1(7):35-37.

[10]刘卫林,王永文.赣江中下游枯水期水量调度研究[J].长江科学院院报,2013,30(9):11-16.

[11]于泽兴,胡国华,陈肖,等.浏阳河流域降水时空演变规律分析[J].人民长江,2017,48(8):28-31.

[12]姚维科,崔保山,董世魁,等.水电工程干扰下澜沧江典型段的水温时空特征[J].环境科学学报,2006,26(6):1031-1037.

[13]魏风英.现代气候统计诊断与预测技术[M].2版.北京:气象出版社,2007:63-71.

[14]王斌会.多元统计分析及R语言建模[M].4版.广州:暨南大学出版社,2016:74-76.

[15]王盘兴,覃军.南极涛动与江淮梅雨异常的时滞相关分析[J].南京气象学院学报,2006,29(3),348-352.

吴滨,刘卫林,万一帆,刘丽娜,朱圣男,黄一鹏.南昌市降水变化分析及其与全球气候相关性研究[J].人民珠江,2020,41(06):99-104+116.

基金:江西省教育厅科技项目(GJJ170980);江西省优势科技创新团队建设计划项目(20171BCB24012);国家自然科学青年基金(51309130);南昌工程学院研究生创新基金项目(YJSCX2018006);江西省年度研究生创新专项资金项目(YC2019-S429);江西省水利厅科技项目(KT201728､KT201705).