黄河流域平均和极端降水观测趋势外文翻译资料
2022-12-21 16:48:59
英语原文共 10 页,剩余内容已隐藏,支付完成后下载完整资料
外文翻译:
黄河流域平均和极端降水观测趋势
赵阳1,2,徐祥德2,黄武斌3,王宇虹4,徐艳玲5,陈红6,康兆平7
1.南京信息工程大学,江苏南京,210044
2.中国气象科学研究院,北京,100081
3.兰州中心气象台,兰州,730020
4.中国气象局公共气象服务中心,北京,100081
5.中国气象科学研究院大气环境科学研究所,北京,100012
6.天津市气象台,天津300074
7.湖北暴雨研究所暴雨监测预警研究室,湖北,430074
摘要:本文运用了423个气象站从1961年-2016年的数据,分析了黄河流域降水的时空变化及其变化趋势,并研究了平均降水变化量和极端降水指数变化量之间的相关关系。用M-K检验方法分析了不同指数之间的线性关系及趋势,并用回归分析了不同指标之间的线性关系,用简单线性回归探究在年和季节尺度下降水呈单调上升还是单调下降趋势。本文将黄河流域划分为三个不同的地理区域,以便更好地了解地理区域对降水的影响。研究表明;黄河流域在不同地区的平均降水量和极端降水日数有不同的变化趋势。在黄河流域下游地区,年降水量总体上呈负增长趋势,年极端降水日数也呈负增长趋势。年平均降水量和极端降水指数在年际和季节尺度上均显著相关。这些结论可能为干旱和洪水事件的研究提供帮助。
关键词:黄河,趋势分析,极端降水,相关性分析,中国
1引言
极端天气事件,如频繁的干旱和洪水,对经济和人类福利都有深远影响(夏等,2015)。极端降水事件是世界上最致命和最具破坏性的自然灾害(Plummer等,1999;Potop等,2014)极端降水事件导致的生命和财产损失已经证明相关研究的重要性(Easterling等,2000)。尽管大多数这样的事件都有负面影响,但极端降水在某些情况下可能是有益的(Meehl等,2000年)。许多数值实验表明极端天气事件发生频次可能更依赖于气候的变率而不是气候的平均趋势(katz和布朗1992年)。因此极端事件频次和极端事件的强度的细微变化可能会对人类社会产生较大影响。
极端降水特征的变化是气候变化的重要指标。苏等(2006)分析中国长江流域夏季极端降水趋势,发现长江三角洲地区降水有显著增加趋势,且降水量的增加主要是由暴雨天数的增加贡献的。Becker等(2006)得出的结论是,长江流域的月降雨量与长江流域极端降水事件发生频次呈正相关,极端降水频次增加导致长江流域夏季洪灾。王等(2017)基于CMIP5模式,在RCP(典型浓度路径)为4.5和8.5情景下,利用格点观测数据,分析了中国西北干旱地区平均和极端气候事件的变化。刘等(2008)发现黄河流域平均降水呈下降趋势,且平均降水在上游和中游地区发生突变的时间比下游地区晚。胡等(2012)发现了极端降水趋势在四个季节的特征,但仅分析了黄河流域的源头地区,而黄河从西藏高原流向中国东部和山区的流量只占黄河流域范围的67%(冯等,2007年;王等,2010年)。一般来说,降水模式明显受地形影响(苏等,2005;刘等,2015;Henn等,2017;Stauffer等,2017),不断变化的气候对世界许多地区复杂的地形效应具有敏感性(Beniston,2003年;Seidel、Free,2003年)。因此,详细分析中国极端气候事件的趋势对于降低气候变化引发的洪水和泥石流风险至关重要(黄等,2013)。
以往的研究主要考虑了年降水量,忽略了季节性的影响(佘敦先等,2013;金等,2016)。这些研究揭示了了黄河流域年降水量的变化趋势(梁等,2015;崔等,2017年),但未能解释平均降水量的变化与极端降水量的变化之间的关系。此外,这些研究没有注意到秋冬降水对随后的春季干旱条件有着深刻的影响。因此,在本文研究中,我们分析了整个黄河流域及其三个子区域的年降水量和季节降水量,并考虑了平均降水量和极端降水量之间的关系。本文详细地分析了黄河流域降水趋势,对于预测和缓解黄河流域洪涝和旱灾具有重要意义。
2资料和方法
2.1资料
本文采用了中国气象局国家气象中心提供的历史基本气象数据集3.0版,包括2747个站点,降水记录从1961-2016年。尽管数据集已经经过严格的质量控制,数据提供者已经进行了极值检验和内部一致性检验,但进一步的NMIC评估发现仍有35个测站具有不均匀性。(沈、熊等,2016)。中国西北地区大多数测站资料具有一致性(杨和李,2014年)。
黄河流域包含749个雨量站,我们应用严格的筛选条件,避免漏掉可能影响结果精确度的数据,同时删除了不一致的站点。如果一个站点一年当中缺测的天数小于3%,则认为该站点的资料是足够完整的。此外,本文只保留了包含1961-2016年这56年全部完整数据的台站(高和王,2017)。共423个站点符合这些标准,本文用这些站点代表黄河流域来研究黄河流域降水量的时空变化。
本文统计了1月至12月降雨量超过50mm(记为暴雨)的天数、降雨量超过100mm(记为特大暴雨)的天数和非暴雨天数(大于0.1mm的记为小雨,大于10mm的记为中雨,大于25mm的记为大雨)(赵等,2016)。对于降水的季节性分析,我们将四季定义为春季(三月至五月,MAM),夏季(六月至八月,JJA),秋季(九月至十一月,SON)和冬季(12月至2月,DJF)(Ali等,2015)。为了进一步分析降水的空间变异性,将该地区划分为上游、中游、下游,三个区域具有不同的海拔和地形(如图1)。A区(上游,海拔大于2000m)有50个观测站,B区(中游,海拔高度1000m~2000m)有181个观测站,C区(下游,海拔小于1000m)有192个观测站。
2.2方法
2.21降水指数
本文使用年(PreANU)、季节(PreSEA)和月(PreMON)降雨量作为平均降水指数(表1)。1961-2016年整个黄河流域年平均单站降水量为16.8mm,年平均单站降水量最大值为24.9mm,出现在1964年,最小值为12.4mm,出现在1997年。A、B和C区在1961-2016的年平均值单站降水量分别为12.6mm、13.7mm和20.8mm,年平均单站降水量最大值分别为17.1mm、19.5mm和32.4mm,最小值分别为9.7mm、9.5mm和14.8mm。在考虑了先前研究(例如,Karl等,1999;Trenberth、Owen,1999;张等,2005)提出的极端气候指数后,本文选择了五个指数:日降水量大于0.1毫米的天数(PN01),日降水量大于10毫米的天数(PN10),日降水量大于25毫米的天数(PN25),日降水量大于50毫米的天数(PN50)和日降水量大于100毫米的天数(PN100)。本文计算了黄河流域的总体和三个子区域的指数(Norrant、Dougu_Droit,2006;Pethybridge等,2009)。
图 1黄河流域区域划分及站点分布,红框内为黄河流域(33.5°N–41.5°N,96°E–119°E)、黑点为423个站点、A代表上游地区,B代表中游地区,C代表下游地区,蓝线代表研究的河流,地形高度以色阶表示;紫色虚线表示ABC三个地形区域的大致边界。
表 1 定义的极端降水指数
Index |
Index name |
Index definitions |
Units |
Mean |
PreANU |
Annual mean rainfall |
mm |
PreSEA |
Seasonal mean rainfall |
mm |
|
PreMON |
Monthly mean rainfal |
mm |
|
Extreme |
PN01(PNA01,PNB01,PNC01) |
Number of days of rainfall ge; 0.1 mm in the YRB (areas A–C) |
days |
PN10(PNA10,PNB10,PNC10) |
Number of days of rainfall ge; 10 mm in the YRB (areas A–C) |
days |
|
PN25(PNA25,PNB25,PNC25) |
Number of days of rainfall ge; 25 mm in the YRB (areas A–C) |
days |
|
PN50(PNA50,PNB50,PNC50) |
Number of days of rainfall ge; 50 mm in the YRB (areas A–C) |
days |
|
PN100(PNA100,PNB100,PNC100) |
Number of days of rainfall ge; 100 mm in the YRB (areas A–C) |
days |
2.22趋势检验
Mann-Kendall趋势检验方法(简称M-K检验)用于确定随着时间的推移,变量具有正的变化趋势还是负的变化趋势,单调正(负)趋势表明随着时间的推移变量持续增加(减少),但线性趋势并不总是显著的。M-K检验用于参数线性回归分析,并检验线性估计回归线的梯度是否存在非零趋势。大多数回归分析假定拟合的回归线的残差是均匀分布的,但M-K检验是无分布检验。不需要这样的假设。
M-K检验依赖数据之间的相关程度。M-K检验中统计数S用于判断显著性,计算公式如下:
这里的Xk和Xi是连续的要素值,n表示样本总量。如果S值大于零,则观测值会随着时间的推移而增加,变量值则会随着时间的推移而减少。S的方差由以下公式给出:
上式中,m为组数,ei为测站的数量。ZMK(M-K检验)统计值计算公式如下:
ZMK的值大于(小于)零说明随着时间的推移,数据呈现出正(负)趋势。在统计假设H0=0下,S应具有正态分布,并且随着时间的推移,数据不会出现任何变化趋势。当|ZMK|ge;|Z1minus;alpha;/2|时,接受原假设,其中∓Z1minus;alpha;/2被称为标准正态离差,alpha;表示给定的显著性水平。
3结果分析
3.1平均降水的变化趋势
图2显示了1961~2016年整个黄河流域和A、B、C区降水的逐年变化。黄河流域整体的平均年降水量呈下降趋势,置信水平为95%,B区和C区也是如此;只有A区的平均年降水量有上升趋势。
至于季节性趋势(图3,表2),黄河流域这一总体在四个季节均呈下降趋势,夏季和冬季分别为90%和95%的置信水平。B区与黄河流域相似,但夏季趋势不那么明显。C区春季、夏季和冬季呈负趋势,夏季呈90%置信水平。A区和C区相反,在春季、夏季和冬季呈正的趋势,A区的置信水平为95%。
置信水平为90%的条件下,B区有15个站点的春季平均降水量表现出下降的趋势,(图3a)。C区有44个站点的夏季平均降水量表现出下降的趋势,置信水平为90%, B区也有14个站点的夏季平均降水量表现出下降的趋势(图3b)。秋季平均降水量在B和C区主要是上升趋势,该地区的29个台站达到了90%的置信区间。这些表现出上升趋势的站点主要分布在不同阶梯区域之间的过渡区域附近(图3c)。在90%的置信水平下,A区和B区分别有20和24个站点的冬季平均降水量表现出上升的趋势。(图3d)。
表 2 黄河流域及其子区域内1961-2016年年和季降水的MK检验值
<t
剩余内容已隐藏,支付完成后下载完整资料</t
资料编号:[21148],资料为PDF文档或Word文档,PDF文档可免费转换为Word
Year |
Spring |
Summer |
Autumn |
Winter |
|
YRB |
minus; 0.31** |
minus; 0.06 |
minus; 0.22* |
minus; 0.09 |
minus; 0.37** |
Area A |
0.13 |
0.07 |
0.07 |
minus; 0.03 |