戴聲佩，羅紅霞，李茂芬，李海亮，鄭 倩，胡盈盈

（1.中國(guó)熱帶農(nóng)業(yè)科學(xué)院科技信息研究所，海南海口 571101；2.海南省熱帶作物信息技術(shù)應(yīng)用研究重點(diǎn)實(shí)驗(yàn)室，?？?571101；3.農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)遙感重點(diǎn)實(shí)驗(yàn)室，北京 100081）

0 引言

極端降水事件是指在某一時(shí)間段內(nèi)降水量值或統(tǒng)計(jì)量顯著偏離其平均態(tài)、且達(dá)到或超出其觀測(cè)或統(tǒng)計(jì)量值區(qū)間上下限附近特定閾值的事件[1]，在統(tǒng)計(jì)意義上屬于不易發(fā)生的小概率事件[2]。由于極端降水事件具有突發(fā)性強(qiáng)、不可預(yù)見(jiàn)性明顯等特征[3]，在全球氣候變暖背景下，極端降水事件的頻繁發(fā)生將對(duì)自然生態(tài)系統(tǒng)和人類社會(huì)帶來(lái)極大的損害[4,5]，極端降水事件發(fā)生時(shí)空分布特征及影響成為當(dāng)前全球氣候變化研究的熱點(diǎn)領(lǐng)域[6,7]，已引起公眾和國(guó)內(nèi)外學(xué)者的廣泛關(guān)注[8,9]。

IPCC 第五次評(píng)估報(bào)告指出，伴隨著近100 多年來(lái)的全球變暖，大氣和海洋升溫、海平面上升、冰雪量下降、溫室氣體濃度增加等現(xiàn)象明顯增加[3]，極端降水天氣也頻繁出現(xiàn)[10,11]。近50 多年來(lái)，全球陸地中高緯度極端降水事件增加趨勢(shì)明顯[12]，并且呈現(xiàn)出變化模式復(fù)雜、區(qū)域差異明顯的特點(diǎn)[1]，其中北美洲、南美洲南部、歐洲西北部、亞洲東部等區(qū)域極端降水事件呈增加趨勢(shì)，南美洲北部、非洲和大洋洲中部等區(qū)域極端降水事件變化不明顯，部分區(qū)域有減少趨勢(shì)[3,8,12]，中國(guó)區(qū)域極端降水事件與全球變化基本一致，但存在區(qū)域差異[13,14]。國(guó)內(nèi)學(xué)者分析了中國(guó)不同區(qū)域、不同流域的極端降水事件，如華北地區(qū)和東北地區(qū)極端降水事件呈減少趨勢(shì)[15,16]，西北地區(qū)夏季極端降水頻率增強(qiáng)[17,18]，西南地區(qū)呈上升趨勢(shì)但不顯著[19,20]，東部地區(qū)極端降水呈現(xiàn)“南增北減”趨勢(shì)[21]。此外眾多學(xué)者對(duì)黃土高原[22]、橫斷山脈地區(qū)[23]、長(zhǎng)江流域[24]、珠江流域[25]、淮河流域[9,26,27]，以及新疆[28]、西藏[29]等區(qū)域的極端降水進(jìn)行了許多重要研究，極大地豐富了全球氣候變化研究?jī)?nèi)容和范圍。

華南地區(qū)擁有豐富的熱量和水分資源[30]，適宜發(fā)展多種農(nóng)業(yè)生產(chǎn)以及熱帶經(jīng)濟(jì)作物，對(duì)全球變化的敏感性較高[31]。在全球變化背景下，該地區(qū)農(nóng)業(yè)氣候資源發(fā)生了顯著的變化，對(duì)農(nóng)業(yè)生產(chǎn)和社會(huì)經(jīng)濟(jì)發(fā)展帶來(lái)一些影響[32,33]，特別是該區(qū)域每年5—11月份的雨季大量降水，造成年內(nèi)降水嚴(yán)重不均勻，伴隨著臺(tái)風(fēng)，極易發(fā)生嚴(yán)重的暴雨和洪澇災(zāi)害[34-36]。目前已有關(guān)于文章研究區(qū)域極端降水變化的研究主要集中在前后汛期降水強(qiáng)度和變化趨勢(shì)[34,37,38]、降水概率分布特征[36]、降水頻次[39,40]以及環(huán)流因素對(duì)極端降水發(fā)生的影響[41,42]等方面，考慮多種極端降水指數(shù)分析研究區(qū)極端降水的綜合研究有待進(jìn)一步發(fā)展。因此，文章利用氣象站點(diǎn)逐日降水?dāng)?shù)據(jù)，計(jì)算了11種極端降水指數(shù)，分析了我國(guó)華南地區(qū)極端降水事件的時(shí)空變化特征，探討了影響極端降水指數(shù)的因子，及其與年總降水量、大尺度大氣環(huán)流的關(guān)系，并預(yù)測(cè)了未來(lái)研究區(qū)域極端降水事件變化趨勢(shì)，以期為區(qū)域水資源可持續(xù)利用和防災(zāi)減災(zāi)提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

華南地區(qū)范圍介于北緯18°6′～28°26′和東經(jīng)104°27′～120°30′（圖1），在行政區(qū)劃上包括福建省、廣東省、廣西壯族自治區(qū)、云南省和海南省，以及香港和澳門特別行政區(qū)。華南地區(qū)屬熱帶、亞熱帶季風(fēng)氣候，氣候溫暖濕潤(rùn)，雨熱同季，年均氣溫21.40 ℃，降水量1 900.20 mm[43]，珠江是研究區(qū)域內(nèi)徑流量最大的河流，徑流年內(nèi)分配極不均勻，4—9月汛期徑流量約占全年的80%左右[25,44]。該區(qū)域是我國(guó)農(nóng)作物晚三熟和熱三熟區(qū)域，糧食作物主要有水稻、旱稻、小麥、番薯、木薯、玉米等，經(jīng)濟(jì)作物主要有熱帶水果、橡膠、甘蔗、麻類、花生、芝麻、茶等，是我國(guó)重要熱帶經(jīng)濟(jì)作物種植生產(chǎn)基地。

圖1 研究區(qū)氣象站點(diǎn)分布

1.2 數(shù)據(jù)來(lái)源

為保證數(shù)據(jù)的完整性和連續(xù)性，選取1959—2016 年研究區(qū)域內(nèi)72 個(gè)資料序列較長(zhǎng)的地面氣象站點(diǎn)（圖1）逐日降水實(shí)測(cè)數(shù)據(jù)，來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺(tái)（http://data.cma.cn/），時(shí)間段 為1959 年1 月1 日至2016 年12 月31 日，該 數(shù) 據(jù)經(jīng)過(guò)了較為嚴(yán)格的質(zhì)量控制，包括極值檢驗(yàn)、時(shí)間一致性檢驗(yàn)和均一化檢驗(yàn)。大尺度大氣環(huán)流指數(shù)數(shù)據(jù)來(lái)源于美國(guó)國(guó)家海洋和大氣管理局（National Oceanic and Atmospheric Administration, NOAA） 地球系統(tǒng)研究實(shí)驗(yàn)室（Earth System Research Laboratory, ESRL）（https://www. esrl. noaa. gov/psd/data/climateindices/list/）和中國(guó)國(guó)家氣候中心氣候系統(tǒng)數(shù)據(jù)集（http://cmdp.ncc-cma.net/Monitoring/cn_index_130.php）。NCEP/NCAR 再分析數(shù)據(jù)（1948 年至今）來(lái)源于美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心（National Centers for Environmental Prediction, NCEP）和美國(guó)國(guó)家大氣研究中心（National Center for Atmospheric Research, NCAR）聯(lián)合制作的同化資料集（https://climatereanalyzer.org/），選取其中500 hPa 位勢(shì)場(chǎng)高度、風(fēng)速、水汽通量、氣溫等4 個(gè)要素。數(shù)字高程（Digital Elevation Models, DEM）數(shù)據(jù)采用美國(guó)地質(zhì)調(diào)查局（U.S. Geological Survey,USGS）發(fā)布的全球90 m空間分辨率DEM數(shù)據(jù)；研究區(qū)邊界數(shù)據(jù)采用國(guó)家基礎(chǔ)地理信息中心（http://www.ngcc.cn/ngcc/）發(fā)布的1∶400萬(wàn)中國(guó)行政區(qū)劃數(shù)據(jù)。

1.3 研究方法

對(duì)于極端降水指數(shù)指標(biāo)的確定，采用11 種極端降水指數(shù)，其具體名稱及定義如表1 所示，其定義標(biāo)準(zhǔn)是基于世界氣象組織氣候委員會(huì)（World Meteorological Organization′s Commission for Climatology, WMOCCl）、氣候變化及可預(yù)報(bào)性計(jì)劃（Climate Variability and Predictability,CLIVAR）以及海洋學(xué)和海洋氣象學(xué)聯(lián)合技術(shù)委員會(huì)（Joint Technical Commission for Oceanography and Marine Meteorology,JCOMM）聯(lián)合推薦的“氣候變化檢測(cè)和指標(biāo)”（http://etccdi.pacificclimate.org/），這些指數(shù)反映了極端降水的各方面，廣泛應(yīng)用于極端降水的評(píng)估和應(yīng)用。這11 種極端降水指數(shù)大致分為3 個(gè)類型，第一類為降水強(qiáng)度指數(shù)，包括降水強(qiáng)度（SDII）；第二類為極端降水量指數(shù)，包括濕天降水總量（PRCPTOT）、最大1d 降水量（RX1day）、連續(xù)5d 最大降水量（RX5day）、非常濕天降水量（R95p）、極端濕天降水量（R99p）；第三類是極端降水日數(shù)指數(shù)，包括中雨日數(shù)（R10）、大雨日數(shù)（R20）、強(qiáng)降水日數(shù)（R50）、持續(xù)干燥日數(shù)（CDD）、持續(xù)濕潤(rùn)日數(shù)（CWD）。

表1 極端降水事件指標(biāo)的定義

對(duì)于極端降水指數(shù)的計(jì)算，采用加拿大氣象研究中心（Climate Research Branch of Meteorological Service of Canada,CMC）基于R 語(yǔ)言開發(fā)的RclimDex 1.0 軟件進(jìn)行計(jì)算，RclimDex 可用于計(jì)算多種極端降水和極端氣溫指數(shù)。首先利用MATLAB 編程對(duì)原始下載數(shù)據(jù)進(jìn)行預(yù)處理，形成符合RclimDex 運(yùn)行的文件存儲(chǔ)格式的預(yù)處理數(shù)據(jù)，并對(duì)缺測(cè)值進(jìn)行統(tǒng)一設(shè)置；其次利用RclimDex 軟件對(duì)預(yù)處理數(shù)據(jù)進(jìn)行一致性檢驗(yàn)和質(zhì)量控制，并人工檢查數(shù)據(jù)錯(cuò)誤記錄；最后，在R 語(yǔ)言編輯器下運(yùn)行RclimDex 軟件，計(jì)算得到極端降水指數(shù)結(jié)果。

對(duì)于極端降水事件的時(shí)間變化分析，通過(guò)利用氣候傾向率法計(jì)算各站點(diǎn)不同極端降水指數(shù)的氣候傾向率來(lái)進(jìn)行趨勢(shì)分析[22]。氣候傾向率大于零時(shí)表示極端降水事件呈上升趨勢(shì)，反之呈下降趨勢(shì)。對(duì)于極端降水事件的空間變化分析，通過(guò)ArcGIS 繪制華南地區(qū)極端降水指數(shù)變化傾向率空間分布圖，進(jìn)而分析極端降水事件的空間特征。對(duì)于極端降水事件的因子分析，采用基于SPSS 的因子分析方法分析影響極端降水指數(shù)的因子[44]，并利用相關(guān)分析方法、連續(xù)小波分析、交叉小波分析和小波相干分析極端降水指數(shù)與年總降水量、大尺度大氣環(huán)流指數(shù)的機(jī)理關(guān)系[23]。對(duì)于未來(lái)極端降水變化趨勢(shì)分析，利用R/S分析方法計(jì)算Hurst指數(shù)來(lái)預(yù)測(cè)未來(lái)研究區(qū)域極端降水事件變化趨勢(shì)[25]。

2 結(jié)果與分析

2.1 極端降水的時(shí)間變化

從年際時(shí)間尺度上來(lái)看，1959年以來(lái)，研究區(qū)降水強(qiáng)度指數(shù)SDII呈現(xiàn)較明顯的增加趨勢(shì)（圖2a），其變化傾向率為0.34 mm/d/10a，通過(guò)P=0.01 顯著性水平檢驗(yàn)。極端降水量指數(shù)（PRCPTOT、RX1day、RX5day、R95p、R99p）均呈現(xiàn)增加趨勢(shì)（圖2b-f），其變化傾向率分別為19.96 mm/10a、2.06 mm/10a、3.22 mm/10a、17.46 mm/10a和7.23 mm/10a，但增加趨勢(shì)不明顯，均未通過(guò)P=0.01顯著性水平檢驗(yàn)。極端降水日數(shù)指數(shù)（R10、R20、R50、CDD、CWD）中除持續(xù)濕潤(rùn)日數(shù)CWD呈減少趨勢(shì)以外，其他指數(shù)也呈現(xiàn)微弱增加趨勢(shì)（圖2g～k），其變化傾向率分別為0.31 d/10a、0.48 d/10a、0.19 d/10a、0.09 d/10a和-0.11 d/10a。

從年代際時(shí)間尺度上來(lái)看，20 世紀(jì)60 年代以來(lái)，研究區(qū)極端降水事件年代際變化與其年際變化趨勢(shì)基本一致（圖2，表2）。降水強(qiáng)度指數(shù)SDII 呈現(xiàn)波動(dòng)增加趨勢(shì)（圖2a、表2），其值從20 世紀(jì)60 年代的14.73 mm/d 增加到2000—2016 年的16.36 mm/d。極端降水量指數(shù)（PRCPTOT、RX1day、RX5day、R95p、R99p）從20 世紀(jì)60 年代開始出現(xiàn)增加趨勢(shì)（圖2b-f、表2），并于2000—2009 年或2000—2016 年達(dá)到高值。極端降水日數(shù)指數(shù)（R10、R20、R50、CDD、CWD）中除持續(xù)濕潤(rùn)日數(shù)CWD 呈減少趨勢(shì)以外，其他指數(shù)也從20世紀(jì)60年代開始呈現(xiàn)微弱增加趨勢(shì)（圖2g-k、表2）?？傮w來(lái)看，研究區(qū)極端降水事件年代際變化呈現(xiàn)增加趨勢(shì)，但并不明顯。

表2 極端降水事件年代際變化

圖2 1959—2016年研究區(qū)極端降水事件時(shí)間變化

2.2 極端降水的空間變化

從空間尺度上來(lái)看，研究區(qū)內(nèi)65個(gè)站點(diǎn)降水強(qiáng)度指數(shù)SDII氣候傾向率大于零（圖3a、表3），表明其整體呈較明顯的增加趨勢(shì)，其中9 個(gè)站點(diǎn)通過(guò)了P=0.01 顯著性水平檢驗(yàn)，分布在海南、廣西和福建。而在廣東、廣西、福建等地區(qū)存在7個(gè)站點(diǎn)呈下降趨勢(shì)。

極端降水量指數(shù)（PRCPTOT、RX1day、RX5day、R95p、R99p）均呈現(xiàn)增加趨勢(shì)（圖3b-f），其氣候傾向率大于零的站點(diǎn)比例分別為61%、67%、61%、78%和67%（表3），但其通過(guò)顯著性檢驗(yàn)的站點(diǎn)較少，表明其增加趨勢(shì)不明顯。PRCPTOT 增加的地區(qū)主要分布在福建、廣東、海南和廣西的沿海地區(qū)，在廣西和廣東中部地區(qū)則呈下降趨勢(shì)。RX1day和RX5day變化的空間特征相似，減少趨勢(shì)都分布在廣東中東部，但RX1day在廣西地區(qū)大多呈增加趨勢(shì)，而RX5day在廣西中部地區(qū)則呈現(xiàn)減少趨勢(shì)。R95p和R99p變化的空間分布基本一致，均表現(xiàn)為廣東中部和廣西部分站點(diǎn)呈下降趨勢(shì)，其他區(qū)域增加趨勢(shì)明顯。

極端降水日數(shù)指數(shù)中R20、R50、CDD 呈增加趨勢(shì)的站點(diǎn)個(gè)數(shù)分別為54 個(gè)、53 個(gè)和48 個(gè)，約占站點(diǎn)總數(shù)的比例分別為75%、74%和67%（表3），三者總體都呈增加趨勢(shì)，個(gè)別站點(diǎn)通過(guò)顯著性檢驗(yàn)，但存在區(qū)域差異，R20和R50增加區(qū)域主要分布在福建北部和海南，廣東和廣西地區(qū)增加和減少的站點(diǎn)混合分布，趨勢(shì)不明顯；CDD 與前者相反，減少的區(qū)域分布在福建北部和海南，廣東和廣西中部則呈增加趨勢(shì)（圖3h～j、表3）。R10和CWD的空間變化趨勢(shì)基本一致，都表現(xiàn)為研究區(qū)西北部站點(diǎn)呈明顯下降趨勢(shì)，分別有51%和68%的站點(diǎn)，東南沿海站點(diǎn)呈增加趨勢(shì)（圖3g、表3）。

圖3 1959—2016年研究區(qū)極端降水事件空間變化

表3 極端降水事件變化趨勢(shì)統(tǒng)計(jì)

2.3 影響極端降水的因子

基于SPSS 因子分析方法分析了影響極端降水指數(shù)的因子，計(jì)算各因子的特征值及方差貢獻(xiàn)率（表4），根據(jù)特征值大于0.9，提取了3 個(gè)公共因子，其累積方差貢獻(xiàn)率為90.01 %，進(jìn)一步提取3 個(gè)公共因子的載荷矩陣（表4），第1個(gè)公共因子方差貢獻(xiàn)率最大，為64.97%，是最重要的影響因子，該因子在R99p、RX1day、RX5day、R95p 和SDII 這5項(xiàng)指標(biāo)上較其他公共因子載荷系數(shù)較高，分別為0.97、0.95、0.84、0.82 和0.81，反映了極端降水事件與極端降水量指數(shù)和降水強(qiáng)度指數(shù)很好的相關(guān)性；第2 公共因子方差貢獻(xiàn)率次之，為16.64%，該因子在R10、R20、PRCPTOT、CWD 和R50指標(biāo)上的載荷系數(shù)較高，分別為0.94、0.89、0.86、0.78和0.69，表明極端降水日數(shù)指數(shù)和降水量指數(shù)對(duì)極端降水事件影響較大；第3公共因子方差貢獻(xiàn)率為8.40 %，其中CDD 載荷系數(shù)較高，為0.97，反映了極端降水事件中持續(xù)的干燥變化。

表4 極端降水事件因子分析

3 討論

3.1 極端降水與年降水量的關(guān)系

通過(guò)分析1959—2016 年極端降水事件與年總降水量的相關(guān)系數(shù)（表5），除持續(xù)干燥日數(shù)（CDD）以外，其他極端降水指數(shù)與年總降水量均表現(xiàn)出良好的相關(guān)性，均通過(guò)了P=0.01 顯著性水平檢驗(yàn)，其中R10、R20和R50，3個(gè)極端降水指數(shù)與年總降水量的相關(guān)系數(shù)超過(guò)0.93，表明這些指標(biāo)能很好地指示年總降水量的變化情況。除CDD 指數(shù)以外，其他指數(shù)之間也存在很好的相關(guān)關(guān)系（表5）。進(jìn)一步分析1959—2016 年極端降水指數(shù)（R95p、R99p）對(duì)年總降水量的貢獻(xiàn)情況（圖4），R95p、R99p 對(duì)年總降水量的貢獻(xiàn)平均比例分別為29.7%和9.9%，并且呈一定的增加趨勢(shì)，表明年總降水量中極端降水的比例增加。

圖4 1959—2016年R95p和R99p對(duì)降水量的貢獻(xiàn)比例

表5 極端降水事件與總降水量的相關(guān)系數(shù)

3.2 極端降水與大氣環(huán)流的關(guān)系

選取北極濤動(dòng)（AO）、多元ENSO 指數(shù)（MEI）、北大西洋濤動(dòng)（NAO）、南方濤動(dòng)指數(shù)（SOI）、太平洋年代際振蕩（PDO）、北方濤動(dòng)指數(shù)（NOI）、印度副高面積強(qiáng)度指數(shù)（ISHII）、南海副高強(qiáng)度指數(shù)（SCSSHII）和西太平洋副高強(qiáng)度指數(shù)（WPSHII）等9 個(gè)大尺度大氣環(huán)流指數(shù)，計(jì)算其與極端降水指數(shù)的相關(guān)系數(shù)（表6），分析大尺度大氣環(huán)流對(duì)極端降水事件的影響。由表7 可知，除CDD以外，NAO 與極端降水指數(shù)均呈負(fù)相關(guān)，其中與RX1day（R2=-0.26，P＞0.05）、RX5day（R2=-0.29，P＞0.05） 和R99p （R2=-0.28，P＞0.05）之間的相關(guān)性較好，表明NAO對(duì)極端降水事件具有明顯的影響，相關(guān)研究也表明NAO 異常變化與我國(guó)天氣氣候關(guān)系密切[45]。WPSHII（110°E-180°E）代表了夏季北半球表面的1/4，SCSSHII（100°E-120°E）代表了南海區(qū)域的環(huán)流強(qiáng)度，兩者是東亞夏季風(fēng)氣候系統(tǒng)的重要組成部分[22]。該研究中，SCSSHII 和WPSHII 與極端降水指數(shù)具有正相關(guān)關(guān)系（表6），其中與SDII、RX1day、RX5day和R99p的相關(guān)性較強(qiáng)，通過(guò)了P=0.05顯著性水平檢驗(yàn)，表明SCSSHII和WPSHII對(duì)研究區(qū)極端降水事件具有明顯貢獻(xiàn)。

表6 極端降水事件與大氣環(huán)流指數(shù)的相關(guān)系數(shù)

表7 極端降水事件變化趨勢(shì)區(qū)域比較

對(duì)1959—2016 年極端降水指數(shù)RX1day、RX5day、R99p 和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII進(jìn)行連續(xù)小波變換，生成各時(shí)間序列的連續(xù)小波功率譜（圖5），粗黑色實(shí)線圈的區(qū)域是通過(guò)了95 %置信水平檢驗(yàn)，錐形細(xì)黑色實(shí)線為小波影響錐區(qū)域（Cone Of Influence, COI），表示連續(xù)小波變換的數(shù)據(jù)邊緣效應(yīng)影響較大的區(qū)域。從圖5 可以看出，極端降水指數(shù)RX1day、RX5day、R99p 和大氣環(huán)流指數(shù)SCSSHII、WPSHII 存在明顯的4 年的主周期，并且通過(guò)了95%置信水平的紅噪聲檢驗(yàn)。圖6和圖7 分別為1959—2016 年極端降水指數(shù)RX1day、RX5day、R99p 和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII之間的交叉小波變換和小波相干譜，圖中箭頭方向反映了兩者相位關(guān)系，箭頭從左指向右表示兩者同相位，從右指向左表示兩者反相位。由圖6 可知，極端降水指數(shù)RX1day、RX5day、R99p 和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII之間的共振主周期為4 年，在此頻域上存在顯著的共振關(guān)系，且振蕩的凝聚性和相干性最強(qiáng)（圖7）。此外，極端降水指數(shù)RX5day、R99p 和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII之間還存在一個(gè)12年左右的共振次周期。

圖5 1959—2016年極端降水指數(shù)RX1day、RX5day、R99p和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII的連續(xù)小波功率譜

圖6 1959—2016年極端降水指數(shù)RX1day、RX5day、R99p和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII的交叉小波譜

圖7 1959—2016年極端降水指數(shù)RX1day、RX5day、R99p和大氣環(huán)流指數(shù)NAO、SCSSHII、WPSHII的交叉相干譜

為了進(jìn)一步分析大尺度環(huán)流的時(shí)空變化情況及其對(duì)極端降水的可能影響，選取1959—2016 年NCEP/NCAR 再分析數(shù)據(jù)（1948年至今）中500 hPa 位勢(shì)場(chǎng)高度、風(fēng)速、水汽通量和氣溫?cái)?shù)據(jù)，生成1987—2016年與1959—1986年之間夏季和冬季位勢(shì)場(chǎng)高度、風(fēng)速、水汽通量、氣溫的變化差值圖（圖8）。由圖8a可知，夏季在北緯40°、東經(jīng)100°附近500 hPa 高空處位勢(shì)場(chǎng)高度差最大，超過(guò)25 位勢(shì)米，在以蒙古高原為中心的歐亞大陸形成一個(gè)持續(xù)增強(qiáng)的反氣旋環(huán)流（40°N100°E附近），表明1987—2016年較1959—1986年?yáng)|亞夏季風(fēng)更為強(qiáng)烈。同時(shí)1987—2016 年較1959—1986 年我國(guó)北方的東北風(fēng)增強(qiáng)（圖8a），這反過(guò)來(lái)減弱了來(lái)自海洋的西南氣流的北上，使得我國(guó)南方地區(qū)水汽通量增加、北方地區(qū)水汽通量減少（圖8c），進(jìn)而導(dǎo)致華南地區(qū)平均降水及極端降水呈現(xiàn)增加趨勢(shì)。在冬季，以蒙古高原和中國(guó)東北部為中心的增強(qiáng)型反氣旋環(huán)流（40°N125°E 附近）與以歐亞大陸為中心的減弱型氣旋環(huán)流（40°N125°E 附近）的差異更加顯著（圖8b），表明1987—2016年較1959—1986年冬季西風(fēng)有所增強(qiáng)。同時(shí)1987—2016年較1959—1986年蒙古北部的西南風(fēng)增強(qiáng)（圖8b），反過(guò)來(lái)削弱了來(lái)自大陸的冬季風(fēng)的南下，減少了冷空氣的入侵，從而導(dǎo)致我國(guó)大部分地區(qū)冬季的快速升溫（圖8d）。

圖8 1987—2016年與1959—1986年夏季（a、c）和冬季（b、d）位勢(shì)場(chǎng)高度、風(fēng)速、水汽通量、氣溫的變化差值

3.3 極端降水的區(qū)域差異比較

通過(guò)與其他區(qū)域極端降水變化趨勢(shì)進(jìn)行比較（表7），除CDD 以外，華南地區(qū)其他極端降水指數(shù)與全球[1]、中國(guó)[46]、西北地區(qū)[47]、西南地區(qū)[20]的變化趨勢(shì)基本一致，但其變化幅度明顯高于這些區(qū)域，與東北地區(qū)的變化趨勢(shì)相反[16]。其中降水強(qiáng)度指數(shù)（SDII）增加趨勢(shì)明顯高于其他地區(qū)，其可能原因是隨著全球大氣、海洋和地面溫度的升高，陸地和海洋蒸散發(fā)加強(qiáng)，使得大氣保持水分能力增強(qiáng)，明顯改變極端降水的頻率和強(qiáng)度[1]。

與長(zhǎng)江流域[48]、淮河流域[27]、珠江流域[25]和黃土高原[22]、橫斷山脈地區(qū)[23]的極端降水指數(shù)相比較，其變化趨勢(shì)較復(fù)雜，沒(méi)有表現(xiàn)出明顯的一致性，這是由于不同流域和不同地理單元內(nèi)氣候條件和地形地貌復(fù)雜，造成與華南地區(qū)對(duì)比性較差[27]。此外，從前文結(jié)果表明，華南地區(qū)極端降水在區(qū)域內(nèi)部存在空間分布差異，一是由地形因素引起，華南地區(qū)地形北高南低，其間廣布丘陵盆地，東南部為珠江流域沖積平原，這種地形有利于水汽向內(nèi)地輸送，同時(shí)研究區(qū)北部山脈又阻擋了來(lái)自南部的暖濕氣流，造成區(qū)域內(nèi)部極端降水差異大[25]；二是由水汽來(lái)源造成，華南地區(qū)距離南海、太平洋、印度洋等水汽來(lái)源地近，造成研究區(qū)降水豐沛，易于形成極端降水事件，特別是對(duì)于研究區(qū)中部和南部的影響更明顯[44]。

3.4 極端降水的未來(lái)變化趨勢(shì)

利用R/S 分析方法計(jì)算Hurst 指數(shù)和分形維數(shù)D 來(lái)預(yù)測(cè)未來(lái)研究區(qū)域極端降水事件變化趨勢(shì)（表8），結(jié)果表明PRCPTOT、R10、R20、R50和CDD等指數(shù)的Hurst指數(shù)均小于0.5，分形維數(shù)D均大于1.5，表示其時(shí)間序列的反持續(xù)性，這幾項(xiàng)指標(biāo)過(guò)去均為增加的趨勢(shì)，預(yù)示未來(lái)將呈現(xiàn)減少趨勢(shì)，并且其反持續(xù)性較強(qiáng)。R95p的Hurst指數(shù)為0.5，分形維數(shù)為1.5，說(shuō)明其時(shí)間序列相互獨(dú)立，呈隨機(jī)變化，未來(lái)變化趨勢(shì)與過(guò)去變化趨勢(shì)無(wú)關(guān)。SDII、RX1day、RX5day、R99p和CWD等極端降水事件的Hurst指數(shù)均大于0.5，分形維數(shù)均小于1.5，表明時(shí)間序列的持續(xù)性，未來(lái)變化趨勢(shì)與過(guò)去的變化趨勢(shì)相同，即SDII、RX1day、RX5day 和R99p 等指數(shù)未來(lái)呈現(xiàn)增加趨勢(shì)，而CWD 過(guò)去為減少趨勢(shì)，未來(lái)仍將呈下降趨勢(shì)，但其持續(xù)性較弱。

表8 極端降水事件變化的Hurst指數(shù)

4 結(jié)論

選用1959—2016年華南地區(qū)72個(gè)資料序列較長(zhǎng)的地面氣象站點(diǎn)逐日降水實(shí)測(cè)數(shù)據(jù)，利用MATLAB 和基于R 語(yǔ)言開發(fā)的RClimDex（1.0）軟件計(jì)算了研究區(qū)11 種極端降水指數(shù)，分析了1959—2016 年研究區(qū)極端降水事件的時(shí)空變化特征；采用相關(guān)分析、基于SPSS 的因子分析方法及小波分析方法，探討了影響研究區(qū)極端降水指數(shù)的因子，及其與年總降水量、大尺度大氣環(huán)流的關(guān)系；并利用R/S 分析方法計(jì)算Hurst指數(shù)預(yù)測(cè)了未來(lái)研究區(qū)域極端降水事件變化趨勢(shì)，得出主要結(jié)論如下。

（1）從時(shí)間尺度上來(lái)看，1959 年以來(lái)，研究區(qū)極端降水事件呈現(xiàn)增加趨勢(shì)，降水強(qiáng)度指數(shù)SDII 變化傾向率為0.34 mm/d/10a；極端降水量指數(shù)（PRCPTOT、RX1day、RX5day、R95p、R99p）變化傾向率分別為19.96、2.06、3.22、17.46和7.23 mm/10a；極端降水日數(shù)指數(shù)（R10、R20、R50、CDD、CWD）中除持續(xù)濕潤(rùn)日數(shù)CWD 呈減少趨勢(shì)以外，其他指數(shù)也呈現(xiàn)微弱增加趨勢(shì)。從空間尺度上來(lái)看，研究區(qū)極端降水指數(shù)總體呈增加趨勢(shì)，存在明顯的空間差異。

（2）基于因子分析方法提取了3 個(gè)公共因子，累積方差貢獻(xiàn)率為90.01%，反映了極端降水量指數(shù)和降水強(qiáng)度指數(shù)對(duì)極端降水事件影響較大；相關(guān)分析也表明極端降水指數(shù)與年總降水量的相關(guān)性很好，R95p和R99p對(duì)年總降水量的貢獻(xiàn)呈增加趨勢(shì)。此外，北大西洋濤動(dòng)（NAO）對(duì)極端降水事件具有明顯的影響，南海副高強(qiáng)度指數(shù)（SCSSHII）和西太平洋副高強(qiáng)度指數(shù)（WPSHII）對(duì)研究區(qū)極端降水事件貢獻(xiàn)明顯。大氣環(huán)流的變化是極端降水變化的重要影響因素。

（3）基于R/S 分析方法表明PRCPTOT、R10、R20、R50 和CDD 等指數(shù)未來(lái)將呈現(xiàn)減少趨勢(shì)，并且其反持續(xù)性較強(qiáng)；R95p未來(lái)呈隨機(jī)變化；SDII、RX1day、RX5day、R99p和CWD等極端降水指數(shù)的Hurst指數(shù)均大于0.5，分形維數(shù)均小于1.5，表明SDII、RX1day、RX5day 和R99p 等指數(shù)未來(lái)呈現(xiàn)增加趨勢(shì)，而CWD過(guò)去為減少趨勢(shì)，未來(lái)仍將呈下降趨勢(shì)，但其持續(xù)性較弱。