
Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers' Headstream Region, Qinghai, China
LIU Xiaoqiong1,2, WU Zezhou2, LIU Yansui3, ZHAO Xinzheng1,2, RUI Yang1,2, ZHANG Jian
通讯作者:
收稿日期:2018-05-31修回日期:2019-08-18网络出版日期:2019-09-25
基金资助: |
Received:2018-05-31Revised:2019-08-18Online:2019-09-25
Fund supported: |
作者简介 About authors
刘晓琼(1977-),女,青海湟源人,副教授,硕士生导师,中国地理学会会员(S110009604F),主要从事气候变化与农业生产、区域农业与农村发展研究E-mail:xiaoqiongliu2001@163.com。

摘要
关键词:
Abstract
Keywords:
PDF (6065KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
刘晓琼, 吴泽洲, 刘彦随, 赵新正, 芮旸, 张健. 1960-2015年青海三江源地区降水时空特征. 地理学报[J], 2019, 74(9): 1803-1820 doi:10.11821/dlxb201909008
LIU Xiaoqiong.
1 引言
世界第三级青藏高原降水时空变化具有显著的区域性,降水量变化对该区域的冰川发育及沼泽、湿地等重要生态系统演化的影响较为深远,一直是学界关注的热点问题[1,2,3,4,5]。中国《第三次气候变化国家评估报告》研究结果显示,1961-2012年中国区域平均降水呈弱减趋势,但高海拔地区呈增加趋势。西北地区年降水量呈弱增趋势,大致以黄河河源至巴彦淖尔为界,西部降水量呈增多趋势,东部反之[6]。长期以来,青藏高原巨大的热力和动力扰动作用深刻地影响了东亚及北半球的大气环流[7,8],并直接影响到东亚、北半球乃至全球的气候变化。由于青藏高原气候变化的超前性和敏感性,其素来被视为全球气候变化的预警区和放大器[9,10],由此可见,青藏高原地区气候变化及其影响研究具有重要的现实价值和科学意义。本文所选青海三江源自然保护区地处青藏高原北区,其气候变化与北区其他地区及唐古拉山以南的西藏区差异明显[10,11,12],其降水量变化不仅影响青藏高原腹地旱涝变化,也将直接影响澜沧江、黄河和长江流域旱涝状况[12]。有关三江源地区降水量变化的研究成果,主要包括不同情境下源区各季节降水变动及其综合效应[13]、降水量时空变化特征及其生态环境效应[14,15,16,17]、降水序列的周期与突变特征[18,19]、极端降水事件演变及其成因[20]、降水对径流的驱动分析[21]、生态环境变化的气候特征[22]、降水量空间插值[23]等。以上成果证实,20世纪50年代以来青藏高原降水量时空差异显著,存在一定的周期震荡,但其突变不及气温序列明显。现有多数相关研究认为,青海三江源地区降水量总体呈弱增趋势,并存在一定的季节差异性。此外,可能受选取序列长短和观测台站数量不一等因素的影响,部分研究则认为三江源区降水呈弱减趋势[24]。
纵观上述研究,青海三江源地区降水量更长序列的时空演变特征,以及区域空间差异的多方法集成分析尚待进一步精准辨识,各子源区年、季降水量序列突变点诊断、周期震荡差异、变化趋势等方面的探索仍相对不足。鉴于此,本文甄选1960-2015年研究区13个气象台站月均降水量数据,分源区探究1960-2015年降水量变化的统计特征及其影响因子,揭示三江源地区降水量更长序列时空变化特征,分源区辨识降水量年、季变化趋势和空间分异特征,试图综合分析研究区降水时空特征,为本区江河中下游地区水资源安全和生态系统可持续发展研究提供参考,亦为预测未来中国乃至全球气候变化等相关研究提供参照。
2 研究区概况
青海三江源地区地处青藏高原腹地,坐标为89°45'E~102°23'E、31°39'N~36°12'N,海拔3450~6621 m,行政区划涵括青海省果洛、玉树藏族自治州全境以及海南藏族自治州兴海、同德两县和黄南藏族自治州的泽库、河南两县,以及格尔木市的唐古拉镇共计16县1镇,其区位及文中遴选的气象台站分布如图1所示。三江源地区系澜沧江—湄公河、黄河、长江的发源地,区内沼泽湿地、冰川、湖泊等水体广布,是中国江河重要的水源涵养区、补给区以及中国乃至亚洲的重要水源区,素有“江河源”“中华水塔”“生命之源”之称。区内长江源区面积15.41×104 km2、黄河源区面积9.83×104 km2、澜沧江源区面积3.68×104 km2,其他内陆河源区面积6.74×104 km2。研究区高原大陆型冷凉气候典型,冷热交替,干湿两季分明,日较差大而年较差小。三江源地区主体生态系统和特色生态系统依次为高寒草地以及湿地、冰川和高山永久积雪[25],它是江河中下游及其周边地区重要的生态屏障和影响范围最大的生态调节区[26,27],其降水量变动关乎青藏高原乃至亚洲的生态安全。图1

图1青海三江源区及气象站点分布图
Fig. 1The location of Three Rivers' Headstream Region and meteorological stations
3 数据来源与分析方法
3.1 数据来源
青海三江源地区现设气象台站18个,考虑到各台站起始时间不一以及个别台站迁站(如河南县台站)等其他实际情况,文中降水量数据序列尽可能选择最长时间序列,经对比选取了13个台站,1960年1月1日-2016年2月28日共计56年的月均降水量跨度数据。气象数据取自中国气象数据网(http://data.cma.cn/)提供的三江源各台站降水量资料。降水量序列缺测值拟采用多元线性回归插补,经比对插值时就近选择拟插补台站临近两台站数据,并运用二元线性回归方程插补时的相关系数,普遍高于选用单站插补的一元线性回归方程所得到的结果,且均通过了α = 0.01的显著性检验,据此文中基于临近台站优先原则,选取二元线性回归模型插补缺测数据。具体分析时,澜沧江源区选取囊谦和杂多2个台站,黄河源区选取达日、兴海、玛多、久治和玛沁5个台站,长江源区选取玉树、曲麻莱、清水河、伍道梁、沱沱河和班玛6个台站。分析四季降水量变化时,春季时间为3-5月,夏季的为6-8月,秋季的为9-11月,冬季的为当年12月-次年2月。为减少气候序列中季节变化并使数据序列符合平稳随机过程的特性,文中选用距平值以滤去降水序列的月份变化影响,并据世界气象组织(WMO)相关规定,选取1981-2010年间的30年降水量均值作为多年均值计算研究区年、季平均降水量距平值。3.2 分析方法
文中选用线性倾向和滑动平均法,拟合研究区降水序列年内、年际变化趋势;选取累积距平分析、M-K(Mann-Kendall)法、改进的有序聚类分析,以及不同子序列时间尺度上的滑动t检验、Le page等多种方法综合诊断研究区降水序列年、季突变,并借助EEMD(Ensemble Empirical Mode Decomposition)推求三江源地区降水序列显著周期。线性倾向估计和滑动平均方法是拟合时间序列趋势变化最简单有效的方法,前者通过线性回归求解信号序列相对于时间变化的相关性变动来确定其变化趋势,后者则采用低通滤波的方式来确定[28]。累积距平分析、M-K法、改进的有序聚类分析、滑动t检验等均是诊断时间序列突变发生时间的有效方法,主要优缺点如下:累积距平分析可通过距平累积值变动情况,直观判断序列突变点;M-K法无需数据样本遵从一定分布,可避免少数异常值的干扰,但一般只有1个突变点;改进的有序聚类分析法,兼顾同类离差最小和异类均方差求和最小原则,分析结果较传统有序聚类法有效且可比性更强,突变点个数一般为1~2个;Le page法、滑动t检验均需人为设置子序列时段以避免突变点的漂移,突变点个数常因子序列长度不一而异;BG(Bernaola Galvan)分割算法将突变检测视为分割问题,将序列视作多个不同均值的子序列,通过找出各子序列最大均值差是否满足不同统计显著性来判断突变点[29],分析时需设最小分割尺度,不太适用于短时间序列。M-K法、Le page法、滑动t检验、BG分割算法等属均值突变检测,改进的有序聚类属方差突变检测,为综合诊断研究区降水量序列突变结果,文中拟集成上述方法,以综合比对判断研究区降水量序列突变点。
EEMD即集合经验模态分析,是改进的经验模态分析方法,其中的EMD(Empirical Mode Decomposition)与基于谐波基和小波基函数的傅里叶分析和小波分析不同,EMD无需指定所分析离散时间序列的基函数,直接对时间序列进行经验模式分解,从原离散无序的信号序列中提取各尺度趋势分量,剥离出的有限本征模函数IMF(Intrinsic Mode Function)分量体现了基于不同时间尺度的原信号序列的局部特征。与小波谱相比,基于EMD求解的Hilbert谱在时频域的分辨率均高于小波谱,信噪比高,非常适合非线性、非平稳信号序列分析[30]。改进的EMD即EEMD,在原有基础上通过添加人为的白噪声和求取集合平均的方法,克服了使用EMD分解信号序列时可能出现的混频现象[31],近年来,EEMD方法被频繁用于检测气候水文信息序列的尺度变化特征。文中分析时,对拟分解数据进行了前后5年的数据延拓以消除端点效应,并在归一化后的降水序列加入信噪比为0.02的100组扰动白噪声,随后采用平滑技术滤除造成混频的奇异值。
R/S分析方法即重标极差分析法(Rescaled Range Analysis),是由英国水文学家Hurst在分析尼罗河多年水文变动趋势强度时提出的,计算相对简单,其值可以有效探索非线性系统趋势变化[32]。其计算值介于0~0.5之间表明序列变化具有反持续性,等于0.5表明序列具有随机性不存在趋势变动,大于0.5则表示序列变化为正持续性。
4 结果分析
4.1 三江源降水量变化趋势分析
1960-2015年全区年降水变化趋于弱增(图2),年降水的气候倾向率为20.048 mm/10a,这与春冬季增湿率明显高于秋夏两季,夏季降水变幅不明显及秋季降水减幅相对较弱等原因有关,春季降水增幅大则与降水日数增多、强度增大等原因直接相关(图3)。降水量增加的根本原因包括气候变暖导致陆地水循环加快、水汽含量增加和有利的天气形势等[33]。分源区看,澜沧江、黄河、长江源区年降水气候倾向率分别为7.524 mm/10a、4.403 mm/10a、8.031 mm/10a(图3),这与第三次气候变化国家评估报告中提出的1961-2012年黄河以西降水量趋于增加,且其年代际变化特征显著的结论一致[6]。此外,全区、各子源区年降水变动的M-K趋势分析结果也与气候倾向率分析结果完全一致。图2

图21960-2015年青海三江源地区降水量累积距平值
Fig. 2The accumulative anomaly of precipitation in Three Rivers' Headstream Region during 1960-2015
图3

图31960-2015年青海三江源地区年、季降水量距平值变化图
Fig. 3The change of annual and seasonal precipitation anomaly in the Three Rivers' Headstream Region during 1960-2015
从年代尺度上看(图2),全区20世纪60年代中后期以前降水量波动相对平稳,60年代中后期至70年代末期降水量波动下降,80年代中期前年降水波动上升,90年代初期到21世纪初期则明显减少随后又显著增加;分源区看,据三源区各年代降水量统计表(表1),长江源区各年代最高、最低降水量、极差和年降水均值几乎都低于澜沧江、黄河源区的,属相对少雨区,但其年降水气候倾向率值最高(图3)。由于澜沧江源区受西南季风作用影响更强烈,年降水均值最高,除20世纪60年代外,其他年代的最高降水量、极差均高于黄河、长江源区,是相对多雨区,黄河源区年降水变化居于两者之间。
Tab. 1
表1
表1三江源地区不同年代降水量平均值、最高值、最低值、极差计算表(mm)
Tab. 1
多年平均值 | 20世纪60年代 | 20世纪70年代 | 20世纪80年代 | 20世纪90年代 | 21世纪初10年 | 2010-2015年 | ||
---|---|---|---|---|---|---|---|---|
降水量 平均值 | 澜沧江源区 黄河源区 长江源区 | 537.40 500.43 445.71 | 514.95 516.82 430.41 | 517.34 508.89 429.25 | 553.71 530.25 462.60 | 523.55 490.69 419.48 | 561.02 515.71 454.08 | 551.33 522.01 488.65 |
降水量 最高值 | 澜沧江源区 黄河源区 长江源区 | 672.30 643.70 562.80 | 613.50 667.63 479.51 | 672.30 603.98 474.40 | 656.15 635.07 562.80 | 626.45 546.85 472.40 | 666.40 613.90 560.22 | 638.40 582.17 557.57 |
降水量 最低值 | 澜沧江源区 黄河源区 长江源区 | 394.10 395.22 352.37 | 421.70 414.58 374.97 | 424.05 427.35 395.03 | 424.90 462.18 352.37 | 394.10 440.40 361.93 | 431.30 409.78 392.93 | 456.40 458.80 376.12 |
降水量 极差 | 澜沧江源区 黄河源区 长江源区 | 278.20 248.48 210.43 | 191.80 253.06 104.54 | 248.25 176.63 79.37 | 231.25 172.88 210.43 | 232.35 106.45 110.47 | 235.10 204.12 167.28 | 182.00 123.37 181.45 |
新窗口打开|下载CSV
全区年、夏季降水变化相似(图3)。从各子源区降水情况看,澜沧江、黄河源区季增湿率变化次序均为春冬秋夏(澜沧江源区夏季、黄河源区秋季降水呈弱减趋势),长江源区季增湿率变化次序依次为春夏冬秋且均为正值。比较来看,除秋季外,长江、黄河源区季降水变动趋势极为相似,澜沧江源区冬季降水年代际双峰型震荡异于其他两区。进一步对比发现,虽然长江源区年均降水顺次低于澜沧江、黄河源区,但其增湿率最高属相对增湿高地,澜沧江次之,黄河源区增湿率最低,属增湿洼地。
经比对图3及研究区分年代降水变动统计表(表1)可知,年、夏季降水在20世纪70年代初期-80年代中期/20世纪90年代后期-21世纪10年代前后偏多,为相对湿期,20世纪60年代/80年代中期-90年代后期/21世纪10年代前后降水量偏少,为相对干期,20世纪60-90年代黄河源区年、夏季降水量增幅相对较小;春季降水量总体自20世纪60年代中期以来趋于增加,20世纪80-90年代末期有弱度减湿趋势,20世纪90年代末期以来增湿尤为明显,黄河源区在20世纪90年代后期以前的增湿幅度弱于其他两区;秋季降水量在20世纪60-70年代中期/90年代中后期-21世纪10年代前后偏多,而20世纪70-90年代中期、21世纪10年代前后以来偏少,长江源区20世纪60-70年代湿期起始时间较其他两源区滞后5a左右;全源区及各子源区冬季降水基本自20世纪70-90年代/21世纪10年代前后以来偏多,20世纪90年代初期-21世纪10年代前后偏少,澜沧江源区湿期起始时间较其他两源区提早10a左右。
经比较研究区及其周边地区年均降水量气候倾向率(表2)可知,3个子源区增湿率均低于1961-2010年青藏高原的增湿率,除黄河源区的略低外,全源区和澜沧江、长江源区的增湿率均高于青海湖南部地区、西北地区的,特别是西南地区的。可见,因研究时段不一,研究区增湿率虽较青藏高原低,但与周边地区相比仍属相对增湿区。
Tab. 2
表2
表2青海三江源及其周边地区降水量气候倾向率比较
Tab. 2
区域 | 研究时段 | 增湿幅度(mm/10a) | 区域 | 研究时段 | 增湿幅度(mm/10a) |
---|---|---|---|---|---|
三江源全区 | 1960-2015年 | 20.048 | 青海湖南部地区[34] | 1961-2013年 | 4.42 |
澜沧江源区 | 1960-2015年 | 7.524 | 青藏高原[35] | 1961-2010年 | 9.329 |
黄河源区 | 1960-2015年 | 4.403 | 西北地区[36] | 1961-2014年 | 4.87 |
长江源区 | 1960-2015年 | 8.031 | 西南地区 | 1960-2016年 | -7.61 |
新窗口打开|下载CSV
借助ANUSPLIN进行的降水量空间插值,综合考虑了海拔、经纬度等协变量,其实际插值精度较高,非常适合于地形条件复杂的山地、高原地区的空间插值[23],文中据此分析了研究区年、季降水空间分布特征(图4)。由图4可知,三江源地区降水空间分布的季节和区域差异明显,年降水空间分布与雨季特别是夏季降水的空间分布相近,年降水和春夏秋三季降水自东南向西北均随海拔升高而减少,该分布特征主要是由地形以及对流层气流系统的辐合、辐散等影响造成的;冬季降水量最低且空间差异小,但其增幅仍自东南向西北随海拔增高而弱减。具体来看,夏季降水量减少区依次为久治、玉树、囊谦、班玛、清水河,秋季降水量减少区为久治、达日、杂多、班玛、玉树、玛沁。
图4

图41960-2015年三江源年、季均降水量空间分布图
Fig. 4The annual and seasonal precipitation in the Three Rivers' Headstream Region during 1960-2015
另据图3可知,黄河源区是主要的秋季减湿区和冬季增湿区,澜沧江源区是主要的春季增湿区和夏季减湿区,长江源区是相对的夏季增湿区,说明雨季平均海拔较高的长江源区降水量增加值高于其他两源区,冬季则相反。
为了解各地理单元降水量的影响因子,文中拟合了降水量增幅最显著的春夏冬三季降水量与经纬度、海拔之间的复相关关系[19]:y1 = 66.2564-1.9973w+0.0146j+0.0011h,y2 = -78.6872+3.6889w-0.569j+0.0028h和y3 = -17.1082-0.219w+0.2073j+0.00128h,式中:y1、y2、y3分别为春夏冬三季季均降水量气候倾向率;w、j分别为十进制的纬度和经度;h为海拔(m)。春、夏季降水量气候倾向率与三者的复相关系数通过了0.001的显著性水平检验,冬季的通过了0.01的显著性水平,说明春夏冬三季降水量增率自东向西,从南到北随海拔升高而增加;春季降水量增率与纬度呈负相关,与经度正相关;夏季反之;冬季降水增率则随经度升高而增加,随纬度升高而减少。三江源地区春季降水与三者之间的复相关系数分别为-0.818、-0.0435、-0.0125,夏季的为0.7168、-0.5238、0.5843,冬季的为-0.2328、0.3333和0.0483,说明影响春季降水气候倾向率的因子依次为纬度、经度和海拔,夏、冬两季分别为纬度、海拔和经度以及经度、纬度和海拔。
4.2 三江源降水量序列突变分析
表3是基于累积距平、M-K、改进的有序聚类等算法的3个子源区年、季均降水量突变点分布情况。经比对,澜沧江、黄河、长江源区年均降水序列的突变点依次为:无、2002年、2004年,季均降水量突变点(排序以突变强弱程度为依据)顺次为:澜沧江源区:1988年与1989年/1998年、无、无、1969年与1970年/1985年/1995年;黄河源区:1984年与1985年、无、无、1986年/1996年与1997年;长江源区:1972年/1996年与1997年/2007年、2002年、无、1986年/1973年/1997年。总体来看,各子源区年降水序列突变不显著,长江源区突变程度相对较高且其变点分布较为复杂,黄河、长江源区年降水大致在21世纪早期发生了较显著转湿突变,澜沧江源区突变不显著;分季节来看,冬、春降水突变较夏季显著,冬季降水突变时间相对一致,秋季降水序列自稳性强,对外部条件变化不敏感,无明显突变(表3)。此外,按1755年为太阳活动第一周的国际规定推算,各子源区降水量序列转湿突变多发生在太阳黑子活动极小年前后。Tab. 3
表3
表3青海三江源地区降水量序列突变点综合诊断表
Tab. 3
检验方法 | 年际突变点 | 四季突变点 | ||||
---|---|---|---|---|---|---|
澜沧江源区 | 黄河源区 | 长江源区 | 澜沧江源区 | 黄河源区 | 长江源区 | |
累计距 平分析 | 1965、1979 1993、1997 | 1968、1980 1989、2002 | 1979、1989 2003 | 春:1989; 夏:1966、1980、1998; 秋:1971、1991、2008; 冬:1971、1986、1996; | 春:1984、1998、2008; 夏:1978、1989、2002; 秋:1983、2001; 冬:1986、1997; | 春:1975、1996; 夏:1967、1978、2002; 秋:1970、1989、2007; 冬:1986; |
M-K法 | - | - | - | 春:1989**;夏:-; 秋:-;冬:1969**; | 春:1985**、1992**;夏:-; 秋:-;冬:1982**; | 春:1997**;夏:-; 秋:-;冬:1974**; |
滑动t检验法 | 25a、20a、 15a、10a、 5a子序列: -; | 25a、20a、 15a子序 列:-;10a子序 列:2002**;5a子序列:2004*; | 25a、20a、 15a、5a子 序列:-;10a子序 列:1973**、 2004**; | 春:25a子序列:1988***;20a子序列:1988**;15a子序列:1988*、1993*、1998**;10a子序列:1988*;5a子序列:1970**、1978**; 夏:25a、20a、15a、10a、5a子序列:-; 秋:25a、20a、15a、10a子序列:-; 5a子序列:1970*、1989*; 冬:25a子序列:1985*;20a子序列:1981*、1984*;15a子序列:-;10a子序列:1970***、1985*、1995*;5a子序列:1969*、1985**; | 春:25a、20a、10a、5a子序列:-; 15a子序列:1984*; 夏:25a、20a、15a:-; 10a子序列:2002*;5a子序列:2004**; 秋:25a、20a、15a、10a、5a子序列:-; 冬:25a、20a、15a子序列:1986***; 10a子序列:1986**、1996**; 5a子序列:1986**、1997*; | 春:25a子序列:-;20a子序列:1980*; 15a子序列:-;10a子序列:1972*; 5a子序列:1996*、2008*; 夏:25a、20a、15a、5a子序列:-10a子序列:2003**; 秋:25a、20a、15a、10a、5a子序列:-; 冬:25a子序列:1986**;20a子序列:1981***;15a子序列:1986***;10a子序列:1973**、1986**、1996**;5a子序列:1973**、1986*、1997*; |
Lepage法 | 25a、20a、 15a、10a、 5a子序列:-; | 25a、20a、 15a子序 列:-; 10a子序 列:2002*; 5a子序列: 1998*; | 25a、20a 15a、5a子 序列:-; 10a子序 列:1990*、 2004**; | 春:25a子序列:1988**;20a子序列:1988**;15a子序列:1998*;10a子序列:1988*、2002*;5a子序列:1970*; 夏:25a、20a、15a、10a、5a子序列:-; 秋:25a、20a、15a、10a、5a子序列:-; 冬:25a、20a、15a、5a子序列:1985*; 10a子序列:1985*; | 春:25a、20a、15a、10a子序列:-; 5a子序列:1991*、1995*; 夏:25a、20a、15a、5a子序列:-; 10a子序列:2002** 秋:25a、20a、5a子序列:-;15a子序列:1989*;10a子序列:1994*、2004*; 冬:25a、20a、15a子序列:1986**;10a子序列:1996*、1986**;5a子序列:1970*、1986*; | 春:25a、20a、5a子序列:-;15a子序列:1975*;10a子序列:1972*; 夏:25a、20a子序列:-;15a子序列:1997*;10a子序列:1997*、2002*;5a子序列:1965*; 秋:25a、20a、15、10a子序列:-;5a子序列:1968*-1969* 冬:25a、15a子序列:1986**;20a子序列:1981**;10a子序列:1973*、1986**、1996**;5a子序列:1973*、1995*、1997*; |
BG分割算法 | - | - | 2008* | 春:1989**;夏:-; 秋:-;冬:1970**; | 春:-;夏:-; 秋:-;冬:1986**; | 春:1972*、2007**;夏:-; 秋:-;冬:1986*; |
改进的有序聚类分析 | - | - | - | 春:1988*、1998***;夏:-; 秋:-;冬:1970**; | 春:1980***;夏:-; 秋:-;冬:1986***; | 春:1972***;夏:2014*; 秋:-;冬:-; |
新窗口打开|下载CSV
4.3 基于EEMD的降水量序列显著周期分析
图5~图10依次是借助EEMD实现的各子源区年、季均降水量距平序列IMFs分量图。表4是各源区年均降水量序列各IMFs分量的震荡周期及其对应的相关系数和方差贡献率,表4中相关系数为各分量显著性检验结果,各分量的方差贡献率则表征其对原序列的影响程度。图5

图5基于EEMD的澜沧江源区年均降水量序列趋势分解
Fig. 5The trend decomposition of annual precipitation in the Lantsang River Headwater Region based on EEMD
图6

图6基于EEMD的澜沧江源区季均降水量序列趋势分解
Fig. 6The trend decomposition of seasonal precipitation in the Lantsang River Headwater Region based on EEMD
图7

图7基于EEMD的黄河源区年均降水量序列趋势分解
Fig. 7The trend decomposition of annual precipitation in the Yellow River Headwater Region based on EEMD
图8

图8基于EEMD的黄河源区季均降水量序列趋势分解
Fig. 8The trend decomposition of seasonal precipitation in the Yellow River Headwater Region based on EEMD
图9

图9基于EEMD的长江源区年均降水量序列趋势分解
Fig. 9The trend decomposition of annual precipitation in the Yangtze River Headwater Region based on EEMD
图10

图10基于EEMD的长江源区季均降水量序列趋势分解
Fig. 10The trend decomposition of the seasonal precipitation in the Yangtze River Headwater Region based on EEMD
Tab. 4
表4
表4三江源区年均降水量序列IMF分量周期、相关系数及方差贡献率
Tab. 4
周期(a) | 相关系数 | 方差贡献率(%) | |||||||
---|---|---|---|---|---|---|---|---|---|
澜沧江 | 黄河 | 长江 | 澜沧江 | 黄河 | 长江 | 澜沧江 | 黄河 | 长江 | |
IMF1 | 2.88 | 2.84 | 2.44 | 0.83*** | 0.79*** | 0.75*** | 72.59 | 59.60 | 57.34 |
IMF2 | 5.03 | 8.60 | 4.19 | 0.41*** | 0.47*** | 0.49*** | 16.21 | 20.19 | 18.58 |
IMF3 | 13.56 | 14.29 | 7.69 | 0.23** | 0.25** | 0.30*** | 6.65 | 9.65 | 5.71 |
IMF4 | 27.59 | 33.33 | 32.00 | 0.22** | 0.32*** | 0.45*** | 3.70 | 5.53 | 13.98 |
IMF5 | 32.00 | 66.67 | 100 | 0.20* | -0.04 | 0.32*** | 0.08 | 2.25 | 0.18 |
RES | / | / | / | 0.17* | 0.14 | 0.33*** | 0.78 | 2.77 | 4.21 |
新窗口打开|下载CSV
由图5~图6、表4可知,澜沧江源区年降水平均周期为准3~5 a、14 a、28 a、32 a,方差分析结果表明IMF1-2特别是IMF1分量对年降水变化有重要贡献,通过了α = 0.01的显著性检验。对季节的周期分析发现,春季降水存在准3~6 a、20 a、133 a、67 a多尺度变化,夏季降水存在准2~5 a、20 a、30 a、80 a的平均周期,秋季降水存在准2~5 a、15 a、37 a、67 a平均周期,冬季降水存在准3~6 a、23 a、40 a、89 a的周期变化。IMF1-3特别是IMF1分量是季降水量变化的重要贡献者,冬季降水序列中IMF4方差贡献率也较高(9.75%),其置信水平均为99%。
图7与图8揭示了黄河源区年、季均降水量序列各IMFs分量变动情况。由图7~图8、表4可知,年降水序列的震荡周期依次为准3~9 a、14 a、33 a、67 a,年降水变化主要由IMF1-3,特别是IMF1决定,置信水平顺次为99%、99%和95%。对季节的周期分析发现,春季降水震荡周期为准3~7 a、14 a、25 a、80 a,其他三季的震荡周期顺次为准3~8 a、14 a、27 a、72 a,准4~7 a、16 a、22 a、57 a和准3~6 a、18 a、31 a、67 a。季降水量变化取决于IMF1-3,特别是IMF1,秋季尤为显著,冬季序列中IMF3方差贡献率高于其他三季,除秋季IMF2相关系数为0外,其他三季IMF1-3显著性检测大于95%。
图9与图10表征了长江源区年、季均降水量序列IMFs分量变动情况,由图9~图10、表4可知,年、季震荡周期依次为准2~4 a、8 a、32 a、100 a,准3~8 a、15 a、35 a、89 a,准2~6 a、11 a、31 a、80 a,3~10 a、20 a、33 a、89 a,准3~6 a、13 a、26 a、73 a。年、季降水量变化主要由IMF1-2决定,春季降水IMF3以及夏季IMF4方差贡献值分别高于之前的高频分量,除秋季(95%)外其他三季显著性水平均为99%。
从三源区年、季降水序列震荡周期来看,2~8 a的年际周期与ENSO事件的2~7 a周期基本一致,说明ENSO事件对青海三江源地区降水变化有深刻影响,但三源区年、季降水周期与太阳黑子活动11 a周期性并无明显相关。
4.4 三江源降水量序列变化趋势预测
基于EEMD的研究区降水量序列RES(Residua)变化分析(图5~图10)结果显示,澜沧江源区年降水自20世纪70年代中后期以来增速明显,此前降幅低于随后的增幅。春季降水的增幅大于秋季,20世纪80年代中后期夏季降水趋于增加,此前减幅略高于随后的增幅,20世纪90年代后期以来冬季降水趋于减少,减幅大于之前的增幅;黄河源区年、夏季降水呈明显增加趋势,春季降水自20世纪90年代后期以来趋于弱度减少,减幅明显小于之前的增幅,秋季降水一直呈弱度减少趋势,冬季降水自20世纪80年代中期以来呈减少趋势,减幅高于此前增幅;长江源区年降水自20世纪70年代中期以来呈较明显的增加趋势,春季降水一直趋于弱度增加,夏季降水从20世纪80年代初期以来趋于增加,增幅高于之前的减幅,秋季降水自21世纪初期以来趋于弱度减少,减幅显著低于之前的增幅,冬季降水自20世纪80年代中后期以来趋于减少,减幅略较之前的增幅高。M-K趋势分析结果显示,除三源区春季降水及澜沧江、黄河源区冬季降水外,研究区年、夏秋季降水均未通过α = 0.05的显著性检测。长江源区春季降水增幅最高,澜沧江、黄河源区次之;冬季降水变化中黄河源区的最强,澜沧江、长江源区的次之。年降水趋势变化依次为长江、澜沧江、黄河源区;澜沧江夏季降水呈弱减趋势,黄河、长江源区的弱增,且黄河源区的增幅略高;黄河源区秋季降水呈较明显减少趋势,长江源区的弱增,澜沧江源区的无变动。
从全区年、季降水R/S分析结果看(表5),除澜沧江源区夏季降水Hurst指数<0.5外,研究区年降水和春秋冬三季降水Hurst指数均>0.5(长江源区秋季降水Hurst指数为0.51)。总体来说,研究区年、季降水量未来增湿趋势为冬>春>年>秋>夏,澜沧江源区夏季降水趋于弱减,长江源区秋季降水趋于弱增,研究区其他年、季降水量未来变化趋势则呈现强的持续性变化(即未来一段时期,降水量明显增加)。
Tab. 5
表5
表5三江源区降水量序列Hurst指数
Tab. 5
区域 | 降水量序列 | ||||
---|---|---|---|---|---|
年均降水量 | 春季降水量 | 夏季降水量 | 秋季降水量 | 冬季降水量 | |
澜沧江源区 | 0.552 | 0.822 | 0.493 | 0.546 | 0.729 |
黄河源区 | 0.606 | 0.579 | 0.596 | 0.633 | 0.863 |
长江源区 | 0.652 | 0.696 | 0.677 | 0.51 | 0.787 |
新窗口打开|下载CSV
5 结论与讨论
5.1 结论
本文综合多方法剖析,揭示了三江源区较长时段降水序列的时空特征,主要结论为:(1)与周边地区相比,研究区年降水量序列总体呈弱增趋势,21世纪以来降水量显著增加,降水量及其气候倾向率的季节、空间差异显著。
(2)年、季降水量总体呈现自东南向西北递减的变化趋势。长江源区是相对少雨的增湿高地,黄河源区为雨量居中的增湿洼地。澜沧江源区夏季降水和黄河源区秋季降水呈弱减趋势,降水量弱减区在空间上呈斑块状分布。
(3)年、季降水量年代际和增湿率的变化差异较明显。3个子源区夏季降水年代际变动与年降水趋于一致,其他三季降水和年代际变化则不尽相同,长江源区湿期起始时间较晚,澜沧江源区的相对较早。
(4)春夏降水气候倾向率与经纬度、海拔的复相关性显著高于冬季。影响春夏冬三季降水气候倾向率的因子不尽相同,雨季海拔较高的长江源区降水量增加值最高,冬季则相反。
(5)各子源区年、季降水突变并不显著,主要发生在21世纪早期,年、季降水量突变点多为转湿变点,且多发生在太阳黑子活动极小年前后。冬春降水突变较夏季显著,冬季降水突变时间相对一致,秋季降水序列自稳性强,无显著突变。
(6)ENSO事件影响下年际和低值的年代际显著周期是造成降水量变动的主要因素,且显著周期的区域、季节差异明显。长江源区显著周期及其对序列变化的贡献率异于其他两区。
(7)各子源区年、季降水未来变化趋势的区域、阶段和季节差异明显。除澜沧江夏季降水趋于极弱度减少外,其他年、季降水量变化大体呈现增幅不一的转湿趋势。此外,相比而言,长江源区在表征高原气候变化方面更具有代表性。
5.2 讨论
就研究区降水序列变化趋势而言,文中研究结论与第三次气候变化国家评估报告中西北地区的变动情况基本一致,即降水量呈弱增湿趋势,气候变化的季节性明显,冬春增湿程度高于夏秋。与认为三江源地区年降水量趋于减少的研究[24]相比,由于文中分析的是1960-2015年不含泽库的其他13个台站雨量数据,因此除春季降水趋于增加、夏季降水弱度减少的结果相似外,年、秋冬变化趋势则相反,可见研究时段及测站数量有别是造成分析结果不同的主要原因。与丁一汇等、王根绪等研究结果相一致[2, 15]的是研究区除长江源区夏季降水有弱增趋势外,其他两区夏季降水量呈持续减少趋势且三区秋季降水量整体呈弱减趋势。但与李林等[19]提出的研究区冬、春季降水量呈显著增加趋势,而夏、秋季降水量呈微弱减少趋势的研究结果略有差异。三江源区年均、特别是夏季降水量变率的空间差异并不显著,这与卢鹤立[5]等通过研究1961-2004年青藏高原夏季降水变率后,认为三江源地区是夏季降水变率最小区域的研究结论相近。相较研究区气温序列突变分布[17],三源区年、季均降水量序列突变不明显,且季突变的时空差异较为明显。基于不同突变检测方法推算的研究区降水量序列突变分析结果的显著性相似,但其具体突变时间存在一定的差异。丁一汇等在分析青藏高原与中国其他地区气候突变点时亦提到,滑动t检验、Yamamoto、M-K检测气候序列突变信号时有一定差异[2]。综合来看,累积距平分析最为简单直观,滑动t检验分析结果与Le page相对接近且15 a、10 a序列分析结果更为可靠,M-K突变检验、改进的有序聚类法,特别是BG分割虽然算法相对复杂,但其分析结果相对少而精准。可见,多方法综合诊断可有效提高气候序列突变点判断结果的准确性。与青藏高原[2, 11]以及研究区[14, 18-19, 22]降水量突变时间的同类研究相比,本文研究序列较长且融合多方法研判,因此突变时间节点和方向与相关研究不尽相同,可见时间序列变点本身具有一定的区域和季节差异性,并可能因研究序列长短、分析方法而异。
趋势分析方面,线性倾向估算相对简捷,M-K与R/S法同作为非参数时间序列变化趋势检验方法,是在直观判断原时间序列走势的同时,借助统计检验值的显著性水平判断其走向;基于EEMD的RES趋势变量则是逐步分解剥离年际、年代际、多年代际波动后原时间序列的残差趋势项,所有IMFs之和与RES基本吻合,故基于EEMD的RES分析更能反映年、季降水量随时间演变的总体走势。仅就文中比对结果来看,基于EEMD的RES变化分析结果的可信度较R/S分析的高。
与黄河、澜沧江源区相比,长江源区地处高原腹地,受地势及气流输送变化的影响,其年、季降水量气候倾向率、突变点分布,以及显著周期等与其他两源区差异性较大,降水量变化更趋同于青藏高原降水变化,说明其在表征高原气候变化方面更具有代表性[22]。
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[本文引用: 1]
[本文引用: 1]
[本文引用: 4]
[本文引用: 4]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
DOI:10.1007/s11442-013-1021-yMagsci [本文引用: 2]

<p>Based on a monthly dataset of precipitation time series (1961-2010) from 12 meteorological stations across the Three-River Headwater Region (THRHR) of Qinghai Province, China, the spatio-temporal variation and abrupt change analysis of precipitation were examined by using moving average, linear regression, spline interpolation, the Mann-Kendall test and so on. Major conclusions were as follows. (1) The long-term annual and seasonal precipitation in the study area indicated an increasing trend with some oscillations during 1961-2010; however, the summer precipitation in the Lantsang (Lancang) River Headwater Region (LARHR), and the autumn precipitation in the Yangtze River Headwater Region (YERHR) of the THRHR decreased in the same period. (2) The amount of annual precipitation in the THRHR and its three sub-headwater regions was greater in the 1980s and 2000s. The springs were fairly wet after the 1970s, while the summers were relatively wet in the 1960s, 1980s and 2000s. In addition, the amount of precipitation in the autumn was greater in the 1970s and 1980s, but it was relatively less for the winter precipitation, except in the 1990s. (3) The normal values of spring, summer, winter and annual precipitation in the THRHR and its three sub-headwater regions all increased, but the normal value of summer precipitation in the LARHR had a negative trend and the normal value of winter precipitation declined in general. (4) The spring and winter precipitation increased in most of the THRHR. The summer, autumn and annual precipitation increased mainly in the marginal area of the west and north and decreased in the regions of Yushu, Zaduo, Jiuzhi and Banma. (5) The spring and winter precipitation in the THRHR and its three sub-headwater regions showed an abrupt change, except for the spring precipitation in the YARHR. The abrupt changes of spring precipitation were mainly in the late 1980s and early 1990s, while the abrupt changes of winter precipitation were primary in the mid- to late 1970s. This research would be helpful for further understanding the trends and periodicity of precipitation and for watershed-based water resource management in the THRHR.</p>
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 4]
[本文引用: 4]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 3]
[本文引用: 3]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 2]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]