王曉瑩， 景元書， 魯永新

(1. 南京信息工程大學(xué)應(yīng)用氣象學(xué)院， 南京 210044； 2.江蘇省農(nóng)業(yè)氣象重點(diǎn)實(shí)驗(yàn)室， 南京 210044； 3. 楚雄州氣象局， 楚雄 675000)

降水是地區(qū)氣候資源中最基本的要素，近年來(lái),在氣候變化背景下，降水的時(shí)空分配對(duì)人類社會(huì)生活和經(jīng)濟(jì)社會(huì)運(yùn)行造成了深遠(yuǎn)的影響。云南省位于中國(guó)西南邊疆，地屬亞熱帶低緯高原季風(fēng)型氣候，山地立體氣候顯著，降水適中干濕分明，但存在降水時(shí)空分布不平衡，降水變異增強(qiáng)和極端降水頻發(fā)等現(xiàn)象，不僅影響著云南近幾十年來(lái)的氣候特征也波及陸地生態(tài)系統(tǒng)循環(huán)[1]。大量研究表明，通過(guò)研究極端降水時(shí)間的時(shí)空變化趨勢(shì)能夠揭示其長(zhǎng)期演變特征，對(duì)推進(jìn)以云南農(nóng)林建設(shè)和城鄉(xiāng)經(jīng)濟(jì)開(kāi)發(fā)具有重要意義。

極端天氣事件的發(fā)生具有顯著的突發(fā)性，針對(duì)不同時(shí)空尺度下極端降水的趨勢(shì)做了一定研究。Gao等[2]基于中國(guó)東南沿海地區(qū)的79個(gè)氣象站，利用GAMLSS模型和Mann-Kendall檢驗(yàn)進(jìn)行極端降水的非平穩(wěn)特征及其成因，Sun等[3]采用CanRCM4模式進(jìn)行動(dòng)力降尺度模擬，研究夏季極端降水的未來(lái)變化與溫度變化的相關(guān)性指出，外源強(qiáng)迫對(duì)極端降水發(fā)生具有顯著影響。申佳艷等[4]基于多元回歸分析以及滑動(dòng)相關(guān)分析研究西南區(qū)域氣候暖干化特征。蔡文香等[5]基于泊松回歸方法，通過(guò)研究松花江流域氣象站點(diǎn)連續(xù)性極端降水災(zāi)害的發(fā)生趨勢(shì)，結(jié)果表明各站點(diǎn)極端降水的變化趨勢(shì)出現(xiàn)地域區(qū)別，一次回歸檢驗(yàn)下極端降水事件增加站點(diǎn)較多，部分站點(diǎn)存在更復(fù)雜的變化趨勢(shì)，利用二次回歸檢驗(yàn)效果較好?？偨Y(jié)現(xiàn)有研究，前人主要通過(guò)天氣分析和診斷法對(duì)大范圍極端降水的趨勢(shì)和成因進(jìn)行研究，但目前對(duì)省域尺度降水及極端降水進(jìn)行長(zhǎng)周期、大范圍的時(shí)空分析仍然不多[6]。

極端降水事件如暴雨等引起的水旱災(zāi)害長(zhǎng)期制約著地區(qū)經(jīng)濟(jì)的發(fā)展[7]?，F(xiàn)基于云南省近40年國(guó)家級(jí)氣象站日降水?dāng)?shù)據(jù)集，基于時(shí)域小波分解、層次聚類及持續(xù)性分析等方法，分析研究氣候變化背景下極端降水的變化特點(diǎn)及趨勢(shì)，能夠完善氣候變化背景下云南省降水規(guī)律和年代際極端氣候事件預(yù)測(cè)機(jī)制理論體系，同時(shí)也對(duì)西南地區(qū)年代際極端天氣預(yù)測(cè)和農(nóng)林業(yè)防洪減災(zāi)等決策氣象研究提供理論依據(jù)，有利于云南服務(wù)和融入國(guó)家發(fā)展戰(zhàn)略。

1 研究區(qū)概況

云南省地處西南邊境地區(qū)，氣候干濕分明。山谷交錯(cuò)導(dǎo)致的“一山分四季、十里不同天”是云南典型的氣候分布特征。省內(nèi)降水的時(shí)空分布變異較大，從低緯度低的元江到高緯度高海撥的德欽，年降水量呈從南部、東部、西部向金沙江流域遞減的分布趨勢(shì),多區(qū)的年雨量最大值達(dá)3 000 mm以上,少雨區(qū)最低值不足300 mm，全省降水時(shí)空分布分異質(zhì)性較強(qiáng)。印度洋、西北太平洋季風(fēng)環(huán)流能夠到達(dá)省內(nèi)大部分地區(qū)，形成全年降水量占比較高的汛期，冬季盛行溫、濕度較低的北方大陸季風(fēng)，降水量較少，5—10月為雨季及植被生長(zhǎng)季，其降水量占全年比重達(dá)80%以上；全省大部分地區(qū)干濕季之間存在較大的氣候差異性[8]。研究所選取的氣象站點(diǎn)分布情況如圖1所示。

2 資料與方法

2.1 氣象數(shù)據(jù)

使用氣象站觀測(cè)日降水量數(shù)據(jù)來(lái)自國(guó)家氣象信息中心，采用云南省24個(gè)基本氣象站點(diǎn)1979—2019年的逐日降水?dāng)?shù)據(jù)，為保證時(shí)間序列的一致性和連續(xù)性，所有數(shù)據(jù)均進(jìn)過(guò)質(zhì)量矯正，站點(diǎn)空間分布均勻，能夠代表云南省大部分地區(qū)的氣候特征類型。

2.2 研究方法

2.2.1 層次聚類

層次聚類法在聚類開(kāi)始時(shí)將不同樣本站點(diǎn)分別分組，并按照一定范數(shù)規(guī)定樣本直接的距離和類與類之間的距離，逐步根據(jù)聚類水平矩陣，將其指標(biāo)空間中最接近的兩個(gè)組中距離最近的類合并成一個(gè)新類，結(jié)果是形成的層次關(guān)系圖。構(gòu)建聚類分析的指標(biāo)矩陣，基本形式為

(1)

式(1)中：m為站點(diǎn)序號(hào)空間；n為特征變量序號(hào)空間；xij為矩陣X的(i,j)元素，表示位于第i行第j列，m=1,2,…,24，n=1,2,…,9。

使用Euclidean測(cè)度進(jìn)行平均鏈接層次聚類：

(2)

(3)

式中：di,j為Euclidean測(cè)度；xi,k與xj,k為降水觀測(cè)值；對(duì)于給定的樣本矩陣X，其中i為行號(hào)，代表不同樣本；k為列號(hào)，代表不同特征；K為特征數(shù)量；wk為不同特征的調(diào)節(jié)系數(shù)；DG1,G2為兩組中所有降水觀測(cè)值之間的歐氏距離的平均值；n1與n2為聚類樣本行數(shù)與列數(shù)；G1與G2分別為樣本序號(hào)。

由于各極端降水指數(shù)均在各自然年內(nèi)進(jìn)行統(tǒng)計(jì)，在各站點(diǎn)年內(nèi)每日尺度上求算平均降水量數(shù)據(jù)，進(jìn)行層次聚類分析，在各簇內(nèi)統(tǒng)計(jì)年總降水及極端降水均值的時(shí)空變化趨勢(shì)。

2.2.2 Mann-Kendall檢驗(yàn)

Mann-Kendall已經(jīng)廣泛應(yīng)用于氣候、水文資料的趨勢(shì)特征提取、分析和突變?cè)\斷等領(lǐng)域。Mann-Kendall基于序列數(shù)據(jù)非參數(shù)檢驗(yàn)的特征即可以對(duì)氣象數(shù)據(jù)序列的趨勢(shì)的顯著性及突變進(jìn)行判斷，且檢驗(yàn)不預(yù)設(shè)樣本遵從一定的分布[9]。 檢測(cè)了統(tǒng)計(jì)量的突變情況，同時(shí)需要構(gòu)造一個(gè)派生的序列：

(4)

式(4)中：

(5)

定義統(tǒng)計(jì)變量UFk與UBk：

(6)

式(6)中：

(7)

式(7)中：E(Sk)與var(Sk)為累計(jì)數(shù)Sk的均值與方差。若UFk的值小于0時(shí)，則可以判定序列出現(xiàn)下降趨勢(shì)，若其值大于0則可判定時(shí)間序列呈下降趨勢(shì)。當(dāng)UBk和UFk兩條曲線出現(xiàn)相等點(diǎn)，且位于相對(duì)應(yīng)的臨界水平線以內(nèi)，即可判定突變發(fā)生，且突變的時(shí)間即為交點(diǎn)所對(duì)應(yīng)的橫軸時(shí)刻。使用雙側(cè)檢驗(yàn)置信度α作為趨勢(shì)參數(shù)，在顯著水平α已經(jīng)指定為常用的0.05及0.01的假設(shè)下，根據(jù)M-K檢驗(yàn)量|ZMK|能夠劃分顯著性水平，其中|ZMK|>1.96為極顯著，1.64≤|ZMK|≤1.96<為弱顯著，|ZMK|<1.64為變化不顯著。

2.2.3 Morlet小波分析

小波分析(wavelet analysis)能夠解析和推斷各不同周期中各時(shí)刻在所處的位置，同步的提取序列中存在的局部和周期性的變化特征，進(jìn)一步地能夠?qū)夂蛳到y(tǒng)的時(shí)頻結(jié)構(gòu)進(jìn)行細(xì)致分析。使用Morlet小波分析云南省降水量周期性豐枯的時(shí)域尺度[10]。

2.2.4 氣候傾向率

氣候傾向率分析利用最小平方誤差法(ordinary least squares)確定參數(shù)。通過(guò)建立單元線性方程來(lái)刻畫氣候數(shù)據(jù)的變動(dòng)速率，基本形式為

y=kx+b

(8)

式(8)中：k為氣象要素的傾向率；b為擬合截距；k、b通過(guò)最小二乘法得出。

2.2.5 極端降水指數(shù)

采用世界氣象組織(World Meteorological Organization, WMO)發(fā)布的27種極端天氣核心評(píng)價(jià)指數(shù)中的10項(xiàng)極端降水指數(shù)[12]，基于MATLAB2019b平臺(tái)進(jìn)行極端指標(biāo)計(jì)算,包括16項(xiàng)極端氣溫指數(shù),11項(xiàng)極端降水量指數(shù)。即以1951—2018年的連續(xù)日值氣溫和降水量數(shù)據(jù)為輸入數(shù)據(jù)，并進(jìn)行質(zhì)量控制，對(duì)得到的各項(xiàng)極端氣候指標(biāo)進(jìn)行統(tǒng)計(jì)分析，選取極端降水指數(shù)共10項(xiàng)(表1)，這些指數(shù)能夠從不同方面反映云南省極端降水量的時(shí)間變化趨勢(shì)和空間分布特征[13-14]。

表1 10種極端降水指數(shù)Table 1 Ten extreme precipitation indexes

3 結(jié)果與分析

3.1 云南省極端降水聚類分析結(jié)果

云南省各地區(qū)間的氣候差異較大，年均降水地區(qū)差異顯著，除了采用簡(jiǎn)單均值法對(duì)降水進(jìn)行研究，還需要進(jìn)一步分區(qū)域精細(xì)化研究降水的變化趨勢(shì)。基于層次聚類方法，對(duì)云南省24個(gè)站點(diǎn)降水年內(nèi)日降水量分布特征進(jìn)行聚類分析，如圖2所示。由圖2可見(jiàn)，區(qū)域聚類結(jié)果為：①西北部州市主要為貢山，西南、東南部州市包括騰沖、耿馬等；②中北部州市包括昆明、大理等。聚類結(jié)果出現(xiàn)較強(qiáng)的空間異質(zhì)性，且聚類相關(guān)系數(shù)達(dá)到0.89。

圖2 云南省極端降水層次聚類結(jié)果圖Fig.2 Hierarchical clustering results of extreme precipitation in Yunnan Province

由平均輪廓系數(shù)法圖(圖3)可知，由于輪廓值的范圍為-1～1，較高的輪廓值表示與其自己的類匹配正確，并且其他類匹配較差，如果大多數(shù)數(shù)據(jù)具有較高的輪廓值，則聚類方案是恰當(dāng)?shù)?。?duì)于云南省極端降水分類，考慮分類研究及氣候特性，故將研究區(qū)域分為兩簇為最優(yōu)聚類。

圖3 云南省極端降水聚類平輪廓系數(shù)法子集(K)分布Fig.3 Distribution of subset (K) of extreme precipitation clustering flat contour coefficient method in Yunnan Province

根據(jù)云南省24個(gè)氣象站研究期內(nèi)的年平均降水量，采用Anusplin平臺(tái)進(jìn)行插值提取區(qū)域內(nèi)多年的年總降水量空間特征，如圖4所示。從圖4可以看出，年均降水量的存在明顯的空間分異，分布特征為由南向北遞減，西北、南部多，東北地區(qū)少；分布范圍為464～1 070 mm以上。最大值出現(xiàn)在滇南地區(qū)金平區(qū)域，達(dá)到1 700 mm以上，滇東北局部的降水量相較于同緯度地區(qū)更低，其中降水不足700 mm的站點(diǎn)為金沙江流域的德欽，年降水量最少的區(qū)域在高海拔地區(qū)以及熱河谷地區(qū)，如永仁-元謀-祿勸一線降水最少，低于700 mm。

圖4 云南省年降水量分布Fig.4 Distribution of annual precipitation in Yunnan Province

在綜合云南省各區(qū)域氣候特征的基礎(chǔ)上，結(jié)合年降水量分布特征、層次聚類及前人研究等多種因素，將所研究的云南省24個(gè)站點(diǎn)劃分為兩個(gè)區(qū)域[15]。如圖5所示，分組和聚類后在各組內(nèi)計(jì)算極端降水平均值，從而進(jìn)行降水量及年均降水量特征的研究，分組分別是地處云南南部和滇西北部的濕潤(rùn)半濕潤(rùn)區(qū)(包括6個(gè)站點(diǎn)，下稱濕潤(rùn)區(qū))，南部區(qū)域海拔較低，降水量大，西北部主要為山地氣候，受季風(fēng)交替影響最大，降水充沛；以及滇中和滇東北干旱半干旱區(qū)(包括17個(gè)站點(diǎn)，下稱干旱區(qū))，年降雨量600～800 m，氣候帶主要?jiǎng)澐譃楦珊怠敫珊禋夂?，主要位于云南省中部東部平原丘陵地區(qū)，典型行政區(qū)域怒江、德宏、紅河、迪慶和大理等州市。

圖5 云南省年降水量聚類分析劃分Fig.5 Cluster analysis of annual precipitation in Yunnan Province

3.2 降水突變分析

基于3.1節(jié)聚類分析結(jié)果，對(duì)云南省兩個(gè)主要區(qū)域近40 a的降水年均值進(jìn)行降水量Mann-Kendall突變檢驗(yàn)。由圖6可見(jiàn)，在95%的置信區(qū)間下，干旱半干旱區(qū)年平均降水量的UB、UF統(tǒng)計(jì)量存在兩個(gè)相交點(diǎn)，分別在1983年和2008年，可得干旱半干旱區(qū)降水發(fā)生過(guò)兩次由突變，其中在1983年，年平均降水量由少向多轉(zhuǎn)變，2008年為年平均降水量由多向少變化，由圖7可見(jiàn)，濕潤(rùn)半濕潤(rùn)區(qū)降水量于2008年前后出現(xiàn)由高向低轉(zhuǎn)變，突變沒(méi)有通過(guò)0.05顯著性水平檢驗(yàn)。

圖6 1979—2019年濕潤(rùn)半濕潤(rùn)區(qū)云南省降水突變檢驗(yàn)Fig.6 Abrupt change test of precipitation in Yunnan Province in humid and semi humid area from 1979 to 2019

圖7 1979—2019年濕潤(rùn)干旱半干旱區(qū)云南省降水突變檢驗(yàn)Fig.7 Abrupt change test of precipitation in Yunnan Province in arid and semi-arid area from 1979 to 2019

對(duì)云南省兩個(gè)主要區(qū)域年降水距平及累計(jì)進(jìn)行分析。如圖8所示，分析干旱半干旱區(qū)內(nèi)降水距平可知：降水量在研究期內(nèi)分配不均勻，在2008年前后，降水量相對(duì)穩(wěn)態(tài)高出約800 mm，之后快速下降，2008年為降水突變年份，降水量由高到低；1983年前后累計(jì)降水距平達(dá)到-200 mm左右，之后降水快速上升，可確定1993年為降水短缺—充沛交替年份；如圖9所示，濕潤(rùn)半濕潤(rùn)區(qū)于2004年發(fā)生降水突變，類型為高—低轉(zhuǎn)換，降水量波動(dòng)下降至研究期結(jié)束。

圖8 1979—2019年濕潤(rùn)半濕潤(rùn)區(qū)云南省降水突變檢驗(yàn)Fig.8 Precipitation anomaly and cumulative anomaly curve in humid and semi humid areas from 1979 to 2019

圖9 1979—2019年濕潤(rùn)半濕潤(rùn)區(qū)云南省降水突變檢驗(yàn)Fig.9 Precipitation anomaly and cumulative anomaly curve in arid and semi-arid areas from 1979 to 2019

3.3 降水小波分析

通過(guò)對(duì)云南省不同區(qū)域間年降水總量進(jìn)行小波分析，得到小波系數(shù)變化及方差圖(圖10)，圖10(a)和圖10(b)為實(shí)部等值圖；小波變換實(shí)部等值線圖能夠顯示降水量周期變化特點(diǎn)及其位相結(jié)構(gòu),其中紅色正中心相位表示降水量相對(duì)多的時(shí)期，橙色表示降水量相對(duì)少。圖10(c)和圖10(d)為方差圖小波方差值最高的區(qū)域?yàn)榈谝恢芷?，其他較低的分別為次周期。

圖10 云南省中北部半干旱區(qū)年降水量小波分析Fig.10 Wavelet analysis of annual precipitation in the semi-arid area of central and Northern Yunnan Province

分析圖10(a)和圖10(b)可知，各區(qū)域間具有比較類似的周期性變化，出現(xiàn)了高低交替的準(zhǔn)兩次震蕩，具有全域性。降水總量變化呈現(xiàn)明顯的階段性，在較長(zhǎng)尺度(>20 a)周期變化中，正相位出現(xiàn)在2000—2010年間；負(fù)位相出現(xiàn)在1990年前。更短時(shí)間域(<20 a)的周期范圍內(nèi)，15～10 a間，正負(fù)降水位相交替現(xiàn)象更為顯著；在更短的周期內(nèi)，降水位相交替頻繁；該代表性區(qū)域內(nèi)降水存在5～10 a，15 a及25 a以上的周期，其中25 a以上周期最顯著。研究期內(nèi)，降水變化出現(xiàn)2個(gè)偏多中心和3個(gè)偏少中心，分別為1951年、1966年、1984年、2005年和2017年。

由圖10(c)和圖10(d)可以看出，1979—2019年云南省中北部半干旱區(qū)具有不同尺度周期的振蕩性特征，從年降水量序列小波方差圖可以準(zhǔn)確診斷降水周期擾動(dòng)的相對(duì)強(qiáng)度和存在的主周期，在時(shí)間小波方差序列中，對(duì)應(yīng)極值的時(shí)間尺度稱為該序列的主要周期。圖10(a)中存在二個(gè)極值，分別為8 a與18 a，其中8 a左右的周期小波方差最大，可知研究時(shí)段內(nèi)，降水量變化的主導(dǎo)周期為8 a；分析圖10(b) 可知，短周期分8 a，較長(zhǎng)周期為22 a，其中22 a小波方差最大。

3.4 極端降水趨勢(shì)分析

采用線性趨勢(shì)率分析云南省各年間10種極端降水指數(shù)的線性變化趨勢(shì)，如圖11和表2所示。從云南省極端降水指數(shù)時(shí)間變化圖來(lái)看，降水總量(PTOT)均表現(xiàn)為下降趨勢(shì)，在濕潤(rùn)區(qū)下降更快，為-24.52 mm/10 a。降水強(qiáng)度(SDII)，趨勢(shì)率為各指數(shù)間最低，40年間整體保持穩(wěn)定。強(qiáng)降水量(R95P)，在濕潤(rùn)區(qū)下降，干旱區(qū)出現(xiàn)上升，極強(qiáng)降水量(R99P)在濕潤(rùn)區(qū)與干旱區(qū)均出現(xiàn)上升，分別達(dá)到0.805 mm/10 a、0.669 mm/10 a；降雨日數(shù)(R1、R10)均出現(xiàn)下降，降雨日數(shù)在干旱區(qū)下降較快(-3.045 d/10 a)，中雨日數(shù)(R10)于濕潤(rùn)區(qū)下降較快(-1.366 d/10 a)；日最大降雨量(RX1)均出現(xiàn)上升趨勢(shì)，濕潤(rùn)區(qū)上升更快；五日降水量(RX5)均出現(xiàn)下降，干旱區(qū)下降較快(-1.346 mm/10 a)；最長(zhǎng)連續(xù)有降水日數(shù)，濕潤(rùn)區(qū)下降(-0.303 d/10 a)，干旱區(qū)上升(1.503 d/10 a)；最長(zhǎng)連續(xù)無(wú)降水日數(shù)均呈現(xiàn)出上升趨勢(shì)。

圖11 1979—2019年云南省極端降水指數(shù)時(shí)間變化Fig.11 Temporal variation of extreme precipitation index in Yunnan Province from 1979 to 2019

表2 1979—2019年云南省極端降水指數(shù)氣候傾向率分析Table 2 Climate tendency rate analysis of extreme precipitation index in Yunnan Province from 1979 to 2019

3.5 極端降水趨勢(shì)分析

基于R/S分析求算Hurst指數(shù)，判斷云南省降水量序列和未來(lái)極端降水指數(shù)的持續(xù)性，結(jié)果如表 3 所示。經(jīng)各區(qū)域降水量趨勢(shì)性檢驗(yàn)分析得到，云南省氣象站點(diǎn)及全流域的Hurst指數(shù)均低于0.5,表明降水量未來(lái)變化趨勢(shì)與過(guò)去相反，即其未來(lái)仍將延續(xù)降水量下降的變化趨勢(shì)，并且下降趨勢(shì)將會(huì)減弱。該對(duì)各極端降水指數(shù)進(jìn)行分析。在濕潤(rùn)半濕潤(rùn)區(qū)中，降水總量、降水強(qiáng)度、中雨日數(shù)和五日最大降雨強(qiáng)反持續(xù)很強(qiáng)性(<0.35)；在干旱半干旱區(qū)中強(qiáng)降水量、極強(qiáng)降雨量、日最大降雨量和最長(zhǎng)連續(xù)降水日數(shù)的Hurst指數(shù)0.25～0.5，表明方向的持續(xù)性很強(qiáng)；其他極端降水指數(shù)持續(xù)性較穩(wěn)定。在干旱半干旱區(qū)中，最長(zhǎng)持續(xù)濕潤(rùn)日數(shù)(continuous wet days, CWD) 的變化幅度為0.319 d/10 a，明顯小于最長(zhǎng)持續(xù)干旱日數(shù)(continuous dry days, CDD)以0.369 d/10 a變化的幅度,其余指數(shù)都呈現(xiàn)上升趨勢(shì)。

表3 云南省極端降水指標(biāo)的Hurst持續(xù)性分析Table 3 Hurst persistence analysis of extreme precipitation index in Yunnan Province

3.6 極端降水相關(guān)分析

采用Pearson相關(guān)性分析方法考察云南省主要區(qū)域內(nèi)10種降水事件指標(biāo)的相關(guān)關(guān)系，如表4所示，從而探究所選取的各極端降水指標(biāo)對(duì)其他極端事件的相關(guān)變化效應(yīng)[16]。

表4 1979—2019年云南省極端降水指數(shù)相關(guān)分析Table 4 Correlation Analysis of extreme precipitation index in Yunnan Province from 1979 to 2019

對(duì)極端降水指數(shù)之間進(jìn)行相關(guān)分析，由表4可知，在干旱半干旱區(qū)，降水總量和降水強(qiáng)度與之間有較高的相關(guān)性，可達(dá)0.7及以上，強(qiáng)降水量、極強(qiáng)降水量，有較好的相關(guān)性，相關(guān)系數(shù)達(dá)到0.7并通過(guò)0.05水平顯著性檢驗(yàn)。日極端降水量和極強(qiáng)降水量在濕潤(rùn)區(qū)出現(xiàn)較高相關(guān)性，達(dá)到0.834?？偨Y(jié)可知，絕對(duì)強(qiáng)度、相對(duì)強(qiáng)度、絕對(duì)指數(shù)及極值指數(shù)之間存在較高的變化一致性，降水總量對(duì)極端降水的診斷效應(yīng)與過(guò)去的研究相符合[17-18]。

5 結(jié)論與討論

(1)從M-K趨勢(shì)檢驗(yàn)和降水距平來(lái)看，在干旱半干旱區(qū)，降水量在研究期內(nèi)分配不均，至1993年累計(jì)降水距平達(dá)最低-200 mm左右之后降水快速上升， 干旱區(qū)，1993年和2008年為降水突變年份，濕潤(rùn)半濕潤(rùn)區(qū)于2004年發(fā)生降水突變。近40 a以來(lái)，降水總量的變化比較頻繁，考慮降水量序列時(shí)間長(zhǎng)度的限制，波動(dòng)和降水、極端降水分布的周期在更大的時(shí)間尺度下是否相同需要繼續(xù)研究[19]。

(2)從云南省極端降水聚類分析結(jié)果可知，云南省年際降水量總體分布趨勢(shì)為從西南向東北遞減，其中位于滇南以及滇西南地區(qū)為降水量的高值區(qū)，滇中及滇東北地區(qū)降水量較少，區(qū)域間降水量差值達(dá)700 mm以上，呈現(xiàn)出極強(qiáng)的空間異質(zhì)性。

(3)從年降水總量小波分析和極端降水變化持續(xù)性Hurst分析可知，在不同時(shí)間尺度周期變化范圍內(nèi)，云南省正負(fù)降水位相交替現(xiàn)象比較顯著，降水存在5～10 a，15 a及25 a以上的周期，濕潤(rùn)區(qū)20 a以上周期最顯著，干旱區(qū)10 a左右周期最顯著，省內(nèi)各區(qū)域的Hurst指數(shù)均小于0.5，表明降水量未來(lái)仍將延續(xù)過(guò)去趨勢(shì)，且趨勢(shì)將會(huì)減弱。

(4)極端降水指標(biāo)之間的相關(guān)分析表明，絕對(duì)強(qiáng)度、相對(duì)強(qiáng)度、絕對(duì)指數(shù)及極值指數(shù)之間存在較高的變化一致性，且降水總量和降水強(qiáng)度在干旱與干旱區(qū)與之間有較高的相關(guān)性，日極端降水量和極強(qiáng)降水量在濕潤(rùn)區(qū)出現(xiàn)較高相關(guān)性，最高相關(guān)系數(shù)達(dá)到0.8，通過(guò)0.01顯著性檢驗(yàn)，降水總量對(duì)極端降水的診斷效應(yīng)與過(guò)去的研究相符合。

云南省地處熱帶亞熱帶高原，毗鄰地理“第三極”——青藏高原，強(qiáng)烈的高原大地形熱力作用造成環(huán)流特征不穩(wěn)定[20]，云南省內(nèi)地形地貌復(fù)雜，東亞、南亞氣候系統(tǒng)如南支槽、東風(fēng)波等控制季風(fēng)環(huán)流不穩(wěn)定性較強(qiáng)，研究指出山谷內(nèi)夜雨、強(qiáng)雨多發(fā)，是極端降水的一個(gè)重要成因[21]。針對(duì)云南省干旱區(qū)和濕潤(rùn)區(qū)降水及極端降水不同趨勢(shì)的變化特征，在后續(xù)工作中將會(huì)通過(guò)機(jī)制參數(shù)化及插值空間化等方法進(jìn)行更深入的討論。