王懷軍，曹 蕾，肖明賢，馮 如

（1.淮陰師范學(xué)院城市與環(huán)境學(xué)院，江蘇淮安223300；2.南京水利科學(xué)研究院水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京210029；3.南京水利科學(xué)研究院水利部應(yīng)對(duì)氣候變化研究中心，南京210029）

氣候變化導(dǎo)致極端氣候事件的發(fā)生頻率、強(qiáng)度、空間范圍及持續(xù)時(shí)間發(fā)生改變，并可能引發(fā)前所未有的極端事件［1-3］。中國(guó)是世界上受自然災(zāi)害影響最為嚴(yán)重的國(guó)家之一，也是極端氣候事件發(fā)生頻率與強(qiáng)度較高的國(guó)家之一［4］。隨著全球氣候變化以及中國(guó)社會(huì)經(jīng)濟(jì)快速發(fā)展對(duì)資源環(huán)境和生態(tài)產(chǎn)生的壓力加劇，使得極端氣候事件防范應(yīng)對(duì)形勢(shì)更加嚴(yán)峻復(fù)雜［5］。據(jù)民政部和國(guó)家減災(zāi)委員會(huì)等部門(mén)統(tǒng)計(jì)，1990-2010年氣象災(zāi)害造成的直接經(jīng)濟(jì)損失高達(dá)2 000 億元/a，約相當(dāng)于當(dāng)年GDP 的1%～3%［6］。并且近年來(lái)氣象災(zāi)害損失有日益加重趨勢(shì)，氣象災(zāi)害的頻繁發(fā)生已成為制約我國(guó)國(guó)民經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展的主要因素之一。

目前，在極端氣候事件時(shí)空變化研究方面，主要從以下方面進(jìn)行研究：①極端氣候事件的表征。基于單一臺(tái)站監(jiān)測(cè)技術(shù)的定義，采用“氣候極值”量化異常天氣氣候現(xiàn)象，當(dāng)氣候要素達(dá)到定義的閾值時(shí)，便可認(rèn)為極端事件發(fā)生［1，7，8］。顯然，閾值的確定受人為因素的影響較大；②極端氣候事件時(shí)空變化特征。主要利用趨勢(shì)檢驗(yàn)、突變分析、小波變換以及地統(tǒng)計(jì)學(xué)技術(shù)分析某流域或者地區(qū)的極端氣候事件時(shí)空分布規(guī)律［9，10］；例如，尹義星等［11］對(duì)1951-2013年江蘇省極端最高和最低氣溫變化趨勢(shì)進(jìn)行研究，結(jié)果表明冰凍日數(shù)和冷晝?nèi)諗?shù)呈下降趨勢(shì)，夏季日數(shù)和暖晝?nèi)諗?shù)呈上升趨勢(shì)；③基于平穩(wěn)極值函數(shù)的時(shí)空分布特征。極端氣候事件是一個(gè)隨機(jī)變量，利用廣義極值分布（GEV）和廣義帕累托分布（GPD）對(duì)其進(jìn)行擬合以及重現(xiàn)期水平提?。?2，13］。如趙玲玲等［14］利用GEV 對(duì)華南強(qiáng)降雨特性進(jìn)行分析，余錦華等［15］采用GPD 對(duì)中國(guó)東部夏季極端降水頻率特征進(jìn)行分析，結(jié)果均表明GEV和GPD模型可以很好的擬合極端氣候事件。然而，氣候變化和人類(lèi)活動(dòng)導(dǎo)致極端氣候事件呈非平穩(wěn)性，傳統(tǒng)極值函數(shù)分析中，極端氣候事件的模擬基于平穩(wěn)的邊際分布函數(shù)，這往往忽視氣候變化背景下水文變量非平穩(wěn)特性的影響［16］。溫慶志等［17］指出淮河流域年最高氣溫表現(xiàn)出非平穩(wěn)性，增幅達(dá)1.5 ℃。Kalai 等［18］研究結(jié)果表明由于土地使用方式、人類(lèi)干預(yù)和氣候變化的迅速變化，非平穩(wěn)區(qū)域洪水頻率分析（RFFA）能夠更有效地捕獲洪水的時(shí)變行為。Gu等［19］指出城市化導(dǎo)致局部地區(qū)（例如中國(guó)北方）的極端降水呈現(xiàn)非平穩(wěn)，城市化地區(qū)氣候發(fā)生嚴(yán)重的非平穩(wěn)性的可能性更高。Yang 等［20］則指出在平穩(wěn)和非平穩(wěn)條件下檢測(cè)到的城市洪水存在差異，需要將更多的精力進(jìn)一步研究非平穩(wěn)條件下的城市洪水變化。因此，有必要將數(shù)據(jù)的非平穩(wěn)性引入到GEV 和GPD 函數(shù)中，以便更好地揭示極端氣候事件的時(shí)空分布特征。

淮河流域地處我國(guó)南北氣候過(guò)渡帶，是中國(guó)重要的地理生態(tài)分界線和生態(tài)環(huán)境脆弱區(qū)，對(duì)全球氣候變化十分敏感［21］。由于淮河流域本身特殊的地理環(huán)境條件，氣候系統(tǒng)、水循環(huán)系統(tǒng)的不穩(wěn)定性增大，導(dǎo)致極端氣候事件發(fā)生的頻率和強(qiáng)度都有所增大，這對(duì)人民生產(chǎn)生活產(chǎn)生了不可忽視的影響［22］。本研究選擇位于南北氣候過(guò)渡帶這一特殊地理環(huán)境下的淮河流域?yàn)檠芯繀^(qū)，借助非平穩(wěn)GPD 和GEV 模型擬合極端氣候事件，揭示非平穩(wěn)條件下極端氣候事件時(shí)空演變規(guī)律，以期為淮河流域減災(zāi)防災(zāi)提供決策參考。

1 研究區(qū)概況、數(shù)據(jù)與方法

1.1 研究區(qū)概況

淮河流域地處我國(guó)東部，介于中國(guó)兩大流域-長(zhǎng)江與黃河之間，其地理位置位于30°55′～36°36′N(xiāo)，111°55′～121°25′E 之間（見(jiàn)圖1），流域面積27 萬(wàn)km2?；春恿饔虬ǘ?、豫、皖、魯、蘇五省40 個(gè)地（市）181 個(gè)縣（市），流域內(nèi)總?cè)丝?.65 億人，平均人口密度居各大江大河流域人口密度之首，為611 人/km2。流域地處我國(guó)南北氣候過(guò)渡地帶，年平均氣溫在11～16 ℃之間。最高月平均氣溫出現(xiàn)在7月份，約為25 ℃，最低月平均氣溫出現(xiàn)在1月份，約為0 ℃。極端氣溫最高達(dá)44.5 ℃，最低達(dá)-24.1 ℃，是中國(guó)極端氣溫事件的高發(fā)區(qū)之一。多年平均降水量約為920 mm，其分布情況大致是由南向北遞減，平原少，山區(qū)多，內(nèi)陸少于沿海。

圖1 研究區(qū)和氣象站點(diǎn)分布圖Fig.1 Study area and distributed weather stations

1.2 數(shù) 據(jù)

1960-2018年淮河流域內(nèi)70 個(gè)站點(diǎn)的每日降水和氣溫?cái)?shù)據(jù)來(lái)自于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//www.cdc.cma.gov.cn），數(shù)據(jù)經(jīng)過(guò)重重檢查，質(zhì)量良好。本文首先借助R 語(yǔ)言提取年最大值序列（AM）和超門(mén)限序列（POT）。AM 序列包括1日最低氣溫（日最低氣溫的年最低值，Tnn）、1日最高氣溫（日最高氣溫的年最大值，Txx）和1日最大降水量（日降水量的年最大值，Rx1day）。POT 序列閾值取第95%百分位的日最高氣溫、日最低氣溫和日降水量，分別命名為超門(mén)限最低氣溫（Tmingpd）、超門(mén)限最高氣溫（Tmaxgpd）和超門(mén)限降水（Pregpd）。

1.3 方 法

1.3.1 平穩(wěn)性檢驗(yàn)

時(shí)間序列的平穩(wěn)性可以表示如下：①均值E（X）=μ是與時(shí)間t無(wú)關(guān)的常數(shù)；②方差Var（Xt）=σ2是與時(shí)間t無(wú)關(guān)的常數(shù)；③協(xié)方差Cov（Xt，Xt+k）=γ k是只與時(shí)期間隔k有關(guān)，與時(shí)間t無(wú)關(guān)的常數(shù)。常用的判斷方法包括圖示法、單位根檢驗(yàn)法、自相關(guān)函數(shù)（ACF）判斷法。圖示法通過(guò)時(shí)間序列的路徑圖來(lái)粗略地判斷它是否是平穩(wěn)的，平穩(wěn)序列表現(xiàn)出一種圍繞其均值不斷波動(dòng)的過(guò)程，非平穩(wěn)序列則往往表現(xiàn)出一定的上升或者下降趨勢(shì)。為方便進(jìn)行處理，我們采用趨勢(shì)和突變檢驗(yàn)來(lái)進(jìn)行檢驗(yàn)，如果時(shí)間序列存在顯著趨勢(shì)和突變點(diǎn)，則說(shuō)明該序列非平穩(wěn)。趨勢(shì)檢驗(yàn)采用Man-Kendall 檢驗(yàn)，均值突變檢驗(yàn)采用Pettitt 檢驗(yàn)，方差突變采用單變異點(diǎn)檢測(cè)方法（AMOC）［23，24］。Man-Kendall 檢驗(yàn)通過(guò)計(jì)算統(tǒng)計(jì)量Zs來(lái)進(jìn)行趨勢(shì)統(tǒng)計(jì)的顯著性檢驗(yàn)［25，26］。當(dāng)Zs＞0 時(shí)，表示時(shí)間序列呈增加趨勢(shì)，Zs＜0 時(shí)，表示時(shí)間序列呈減少趨勢(shì)，如果Zs絕對(duì)值大于1.96，表明時(shí)間序列趨勢(shì)顯著（0.05 顯著水平）。Man-Kendall 檢驗(yàn)中還計(jì)算了傾斜度Sen，表示趨勢(shì)的方向和大小。計(jì)算公式分別為：

式中：1＜i＜j＜n，n為數(shù)據(jù)資料時(shí)間長(zhǎng)度，如果Sen的值為正，表示呈現(xiàn)增加趨勢(shì)，如果Sen的值為負(fù)則表示呈現(xiàn)減小趨勢(shì)。

Pettitt 非參數(shù)變點(diǎn)檢驗(yàn)假設(shè)一個(gè)水文時(shí)間序列y1，y2，…，yn中的突變點(diǎn)出現(xiàn)在t時(shí)刻，將t作為分界點(diǎn)，將該水文時(shí)間序列分為兩部分：y1，y2，…，yt和yt+1，yt+2，…，yn分別遵循分布Fy1（y）和Fy2（y），然后檢驗(yàn)在顯著性水平α下突變點(diǎn)的顯著度，具體計(jì)算過(guò)程參照文獻(xiàn)［27，28］。

另外文章采用ADF 檢驗(yàn)進(jìn)行單位根檢驗(yàn)，對(duì)于時(shí)間序列AR（p）模型，有

式中：c為漂移項(xiàng)；β、φi為參數(shù)；εt為隨機(jī)誤差項(xiàng)，是服從獨(dú)立分布的白噪聲過(guò)程。

ADF 檢驗(yàn)的原假設(shè)H0∶β=0，存在單位根，為非平穩(wěn)序列，從而可以根據(jù)ADF單位根檢驗(yàn)結(jié)果判斷序列是否平穩(wěn)。

1.3.2 平穩(wěn)和非平穩(wěn)GEV模型

GEV模型適合用來(lái)處理AM序列（如年最大降水量、年極端最高和最低氣溫），其累積分布函數(shù)為：

式中：μ，σ，ξ分別為位置、尺度和形狀參數(shù)。

GEV模型T年重現(xiàn)水平為：

式中：P為不同重現(xiàn)期對(duì)應(yīng)的概率。

由于在方差突變檢驗(yàn)中，所有的極值時(shí)間序列均不顯著，且形狀參數(shù)一般不易改變，因此非平穩(wěn)GEV 分布模型僅設(shè)置為位置參數(shù)隨時(shí)間變化［μ（t）=ρ0+ρ1t］，形式如下：

1.3.3 平穩(wěn)和非平穩(wěn)GPD模型

POT序列采用GPD分布進(jìn)行模擬，其累計(jì)分布函數(shù)是：

式中：u，σ，ξ分別為分布的閾值、尺度和形狀參數(shù)。

假定某一極端事件的重現(xiàn)期為1/（1-p），則其對(duì)應(yīng)的重現(xiàn)水平為：

由于閾值為95%分位數(shù)，形狀參數(shù)一般不易改變，因此非平穩(wěn)GPD 分布模型定義如下［σ（t）=sin（2 π×（t-1960）/365.25］+cos［2π×（t-1960）/365.25）］：

對(duì)平穩(wěn)和非平穩(wěn)模型進(jìn)行似然比檢驗(yàn)（LR 檢驗(yàn)），統(tǒng)計(jì)量為：

式中：L1為復(fù)雜模型最大似然值；L2為簡(jiǎn)單模型最大似然值；LR近似符合卡方分布。

對(duì)于GEV 模型，分別構(gòu)造了GEV0（無(wú)協(xié)變量）和GEV1（位置參數(shù)隨時(shí)間線性變化）；對(duì)于GPD 構(gòu)造GPD0和GPD1（尺度參數(shù)隨時(shí)間線性變化）。通過(guò)構(gòu)造的復(fù)雜模型與簡(jiǎn)單模型比較來(lái)檢驗(yàn)加入非平穩(wěn)性后是否能夠顯著地提高模擬效率。

最后利用選擇的平穩(wěn)或非平穩(wěn)GPD和GEV模型，通過(guò)設(shè)置不同的重現(xiàn)期，得到每個(gè)站點(diǎn)2年、10年、20年、30年、50年、100年一遇的極端氣候事件重現(xiàn)水平，利用克里金插值得到重現(xiàn)水平空間分布圖。

2 結(jié)果分析

2.1 極端氣候事件時(shí)空變化趨勢(shì)及平穩(wěn)性分析

關(guān)于最高氣溫，淮河流域Tmaxgpd和Txx變化趨勢(shì)為0.07 d/a和0.01 ℃/a，且變化走勢(shì)相對(duì)一致，都為1960-1985呈減少趨勢(shì)，而在1985年以后呈增加趨勢(shì)［圖2（a），圖2（d）］。從空間變化趨勢(shì)來(lái)看，上述兩個(gè)指標(biāo)大部分站點(diǎn)表現(xiàn)為增加趨勢(shì)，但表現(xiàn)為顯著變化的站點(diǎn)相對(duì)較少，分別為14%和21%［表1，圖3（a），圖3（d）］。對(duì)于最低氣溫，Tmingpd和Tnn均為顯著增加趨勢(shì)，變化幅度分別為0.16 d/a和0.04℃/a［圖2（b），圖2（e）］，其變化幅度均高于最高氣溫，這也說(shuō)明與最低氣溫相關(guān)的極值要高于與最高氣溫相關(guān)的極值，這與其他地區(qū)的研究結(jié)果一致［29］?？臻g變化趨勢(shì)具有與區(qū)域時(shí)間一致的變化趨勢(shì)，顯著增加的站點(diǎn)分別達(dá)到了59%和76%。Pregpd和Rx1day的區(qū)域變化趨勢(shì)分別為0.01 d/a 好0.11 mm/a，但不管是從區(qū)域上還是空間上均為不顯著變化。

圖2 淮河流域極端氣候事件區(qū)域時(shí)間變化趨勢(shì)Fig.2 Regional times series of climate extremes in the Huaihe River Basin

表1 極端氣候事件空間變化趨勢(shì)百分比 %Tab.1 Percentage showed different trends of extreme climate events

為進(jìn)一步分析極端氣候指數(shù)的平穩(wěn)性，采用了ADF 檢驗(yàn)和Pettitt 檢驗(yàn)進(jìn)行分析（圖4）。79%站點(diǎn)的Tmaxgpd和87%站點(diǎn)的Tmingpd的ADF 檢驗(yàn)P值大于0.05，說(shuō)明具有單位根，表現(xiàn)為非平穩(wěn)；Txx和Tnn具有單位根的百分比為46%和36%，說(shuō)明在此檢驗(yàn)下表現(xiàn)為非平穩(wěn)的站點(diǎn)百分比不到一半；Pregpd和Rx1day僅有少部分站點(diǎn)具有單位根，說(shuō)明在淮河流域降水極值表現(xiàn)為平穩(wěn)性變化。在Pettitt 檢驗(yàn)下［圖4（b）］，Tmingpd和Tnn變現(xiàn)為顯著變化的站點(diǎn)分別為71%和74%，說(shuō)明大部分站點(diǎn)在此統(tǒng)計(jì)量下表現(xiàn)為非平穩(wěn)。其他指數(shù)表現(xiàn)為顯著變化的站點(diǎn)比例很少，均小于30%，且突變年份分布很廣［圖4（c）］，說(shuō)明大部分站點(diǎn)表現(xiàn)為非平穩(wěn)變化。從趨勢(shì)分析和相關(guān)平穩(wěn)性結(jié)果可以看出，Tmingpd和Tnn在淮河流域表現(xiàn)為非平穩(wěn)性，Pregpd和Rx1day表現(xiàn)為平穩(wěn)性，Tmaxgpd和Txx表現(xiàn)相對(duì)較為復(fù)雜，平穩(wěn)性和非平穩(wěn)性同時(shí)存在。

2.2 基于GEV模型的極端氣候事件變化特征

對(duì)AM 序列進(jìn)行GEV 分析。首先利用平穩(wěn)性GEV 模型對(duì)所有站點(diǎn)的GEV 序列進(jìn)行KS 擬合優(yōu)度檢驗(yàn)［圖5（a）］，發(fā)現(xiàn)幾乎所有的站點(diǎn)的P值均大于0.05，這說(shuō)明在KS 統(tǒng)計(jì)量下所有AM序列均滿足平穩(wěn)性GEV模型。該研究結(jié)果表明在進(jìn)行非平穩(wěn)性分析時(shí)，不能通過(guò)擬合優(yōu)度檢驗(yàn)來(lái)探查數(shù)據(jù)的平穩(wěn)性。通過(guò)LR 檢驗(yàn)來(lái)分析非平穩(wěn)模型是否對(duì)平穩(wěn)模型有改進(jìn)［圖5（b）］，對(duì)所有站點(diǎn)的AM 序列進(jìn)行平穩(wěn)和非平穩(wěn)GEV 函數(shù)擬合（圖6）。結(jié)果表明Tnn80%的站點(diǎn)P值小于0.05，這說(shuō)明大部分站點(diǎn)的非平穩(wěn)模型對(duì)平穩(wěn)模型有改進(jìn)。而Txx和Rx1day，非平穩(wěn)模型改進(jìn)的比率僅有30%和1%，這說(shuō)明大部分站點(diǎn)滿足平穩(wěn)性。所以在后續(xù)GEV 分析中，Tnn采用非平穩(wěn)模型，而Txx和Rx1day采用平穩(wěn)性模型。

圖3 淮河流域極端氣候事件空間變化趨勢(shì)Fig.3 Spatial trend of extreme climate events in the Huaihe River Basin

圖4 極端氣候事件平穩(wěn)性檢驗(yàn)及突變年份Fig.4 Stationary test and the year of abrupt change of extreme climate events

對(duì)AM 序列的2年（RTL2）、10年（RTL10）、20年（RTL20）、30年（RTL30）、50年（RTL50）和100年（RTL100）重現(xiàn)期重現(xiàn)水平進(jìn)行求取，發(fā)現(xiàn)不用重現(xiàn)期下重現(xiàn)水平具有較高的相關(guān)系數(shù)（圖7），這說(shuō)明不同重現(xiàn)期下極端氣候事件重現(xiàn)水平具有一致的空間分布特征，因此，后續(xù)研究?jī)H分析30年重現(xiàn)期重現(xiàn)水平的空間分布（圖8）?；春恿饔騌x1day30年重現(xiàn)水平西北向東南遞增［圖8（a）］，這可能與東南季風(fēng)的逐漸增強(qiáng)有關(guān)。Txx從西往東減少［圖8（b）］，由于海洋對(duì)流域東部地區(qū)氣溫的調(diào)節(jié)作用，離海洋越近受海洋的影響越大，導(dǎo)致Txx自東往西逐漸升高。由于將Tnn視為非平穩(wěn)模型，重現(xiàn)水平會(huì)隨著時(shí)間而變化。為方便表示，將重現(xiàn)水平分為兩個(gè)時(shí)間段，1960-1989［圖8（c）］和1990-2018［圖8（d）］，分別對(duì)兩個(gè)時(shí)間段重現(xiàn)水平求均值。結(jié)果顯示，Tnn-pre和Tnn-post具有一致的空間分布趨勢(shì)，重現(xiàn)水平從南向北遞增，這與緯度地帶性規(guī)律一致。但值得注意的是兩個(gè)時(shí)期的Tnn相差了近乎1～2 ℃，這說(shuō)明在淮河流域Tnn的增溫趨勢(shì)非常明顯。

圖5 淮河流域極端氣候事件AM序列擬合優(yōu)度檢驗(yàn)Fig.5 Goodness-of-fit test of extreme climate events of AM series in the Huaihe River Basin

圖6 基于平穩(wěn)和非平穩(wěn)模型的泗洪站Tnn（取絕對(duì)值）擬合優(yōu)度圖Fig.6 Goodness-of-fit test of absolute Tnn of Sihong station based on stationary and non-stationary models

2.3 基于GPD模型的極端氣候事件變化特征

采用平穩(wěn)和非平穩(wěn)性GPD 模型對(duì)所有站點(diǎn)POT 序列進(jìn)行擬合，并利用LR 檢驗(yàn)驗(yàn)證模型是否有改進(jìn)。結(jié)果表明，7%、78%和93%的非平穩(wěn)GPD 模型對(duì)降水、最高氣溫和最低氣溫有改進(jìn)（圖9、圖10），這說(shuō)明Pregpd表現(xiàn)為平穩(wěn)變化，Tmaxgpd和Tmingpd表現(xiàn)為非平穩(wěn)變化。因此，采用平穩(wěn)GPD 模型對(duì)Pregpd模型進(jìn)行擬合，非平穩(wěn)模型對(duì)Tmaxgpd和Tmingpd進(jìn)行擬合。同Rx1day空間分布特征一致，Pregpd空間部分從西北向東南遞降［圖11（a）］，同樣反映了東亞季風(fēng)從東南向西北逐步減弱的態(tài)勢(shì)。將Tmaxgpd和Tmingpd重現(xiàn)水平分為兩個(gè)時(shí)間段，1960-1989（pre）和1990-2008（post），分別對(duì)兩個(gè)時(shí)段重現(xiàn)水平求均值，分析其空間分布狀態(tài)。Tmaxgpd-post和Tmaxgpdpre反映了同樣的分布趨勢(shì)，從東部向西部遞增［圖11（b）、圖11（c）］，這反映了海洋的熱力調(diào)節(jié)作用。前后兩個(gè)時(shí)期的重現(xiàn)水平相對(duì)變化較少，且有正有負(fù)［圖10（f）］，這說(shuō)明Tmaxgpd30年重現(xiàn)水平并不一定為增加趨勢(shì)，這可能與部分站點(diǎn)并不為非平穩(wěn)性有關(guān)。Tmingpd-pre和Tmingpd-post空間分布趨勢(shì)具有一致性，從南向北遞降［圖11（d）、圖11（e）］。相較于Tmaxgpd，Tmingpd-post比Tmingpd-pre數(shù)值都大，且大部分地區(qū)超過(guò)0.5 ℃以上［圖11（g）］，這說(shuō)明最低氣溫重現(xiàn)水平呈顯著增加趨勢(shì)。

圖7 30年重現(xiàn)水平與2、10、20、50、100年重現(xiàn)水平相關(guān)系數(shù)圖Fig.7 Correlation coefficients between the 30-year return level and the 2，10，20，50，and 100-year return levels

圖8 AM序列30年重現(xiàn)水平空間分布圖（其中Tnn取絕對(duì)值）Fig.8 Spatial distribution of the 30-year return level of AM extremes

3 結(jié) 論

基于淮河流域最新氣象站點(diǎn)日值氣溫和降水?dāng)?shù)據(jù)，計(jì)算目前國(guó)際上常用的極端氣候事件指數(shù)，分析極端氣候事件的時(shí)空分布趨勢(shì)?；谄椒€(wěn)和非平穩(wěn)GEV和GPD極值模型，分析極端氣候事件在不同極值模型下的重現(xiàn)水平空間變化特征，主要結(jié)果如下。

（1）對(duì)于最低氣溫，超門(mén)限最低氣溫（Tmingpd）和1日最低氣溫（Tnn）呈顯著增加趨勢(shì)，且空間上亦表現(xiàn)為顯著增加趨勢(shì)。超門(mén)限最高氣溫（Tmaxgpd）、1日最高氣溫（Txx）在區(qū)域上表現(xiàn)為不顯著增加，且發(fā)生顯著變化的站點(diǎn)百分比相對(duì)較低。超門(mén)限降水（Pregpd）和1日最大降水量（Rx1day）不管是從區(qū)域上還是空間上均表現(xiàn)為不顯著變化。

圖9 淮河流域極端氣候事件POT序列LR檢驗(yàn)Fig.9 LR test of extreme climate events of POT series in the Huaihe River Basin

（2）不同的平穩(wěn)性檢驗(yàn)方法會(huì)得出一定差異的平穩(wěn)性檢驗(yàn)結(jié)果，單位根檢驗(yàn)下Tmaxgpd和Tmingpd表現(xiàn)為非平穩(wěn)，Pregpd和Rx1day表現(xiàn)為平穩(wěn)性變化。在Pettitt檢驗(yàn)下，Tmingpd和Tnn表現(xiàn)為非平穩(wěn)。

（3）AM 序列中，Tnn大部分站點(diǎn)非平穩(wěn)模型對(duì)平穩(wěn)模型有改進(jìn)，Txx和Rx1day非平穩(wěn)模型改進(jìn)的比率相對(duì)較低，說(shuō)明在AM 序列中，Tnn宜采用非平穩(wěn)模型，而Txx和Rx1day采用平穩(wěn)模型?；春恿饔騌x1day30年重現(xiàn)水平西北向東南遞增，Txx從西往東減少，Tnn絕對(duì)值從南向北遞增，且不同時(shí)期重現(xiàn)水平變化顯著。

圖10 基于平穩(wěn)和非平穩(wěn)GPD模型的泗洪T(mén)mingpd擬合優(yōu)度圖Fig.10 Goodness-of-fit test of Tmingpd of Sihong station based on stationary and non-stationary models

圖11 POT 序列30年重現(xiàn)水平空間分布Fig.11 Spatial distribution of the 30-year return level of POT extremes

（4）POT 序列中，Tmaxgpd和Tmingpd非平穩(wěn)模型改進(jìn)的比率超過(guò)78%，這兩個(gè)指數(shù)宜采用非平穩(wěn)模型，Pregpd改進(jìn)比率較低，宜采用平穩(wěn)GPD 模型。Pregpd重現(xiàn)水平空間分布從西北向東南遞減，Tmaxgpd從東部向西部遞增，Tmingpd從南向北遞降。 □