论文部分内容阅读
利用淮河流域50个分布相对均匀的气象站点的逐日降水资料,借助于线性趋势、MK检验、R/S分析、圆形统计、EOF分析等方法对淮河流域1961~2014年的极端降水强度、频率以及发生时间的时空演变特征进行研究。同时,利用广义极值模型(GEV)对流域极值降水进行了模拟,探究气候因子与极值降水之间的联系。主要结论:(1)从长时间尺度分析,淮河流域极端降水阈值有明显提高(达到0.1显著性水平),频率和极值降水量等无显著变化。但从2000s中期之后分析,极端降水阈值、频率、极值降水量等均呈下降趋势且达到了 0.05显著性水平。(2)受地理位置以及台风、梅雨等影响,流域极端降水存在明显的空间差异性。流域东部(沿海地区)以及西南部(较低纬度地区)的极端降水事件偏多。(3)流域整体降水强度在逐渐增强。极端降水阈值、频次、贡献率和极值降水量均呈“中西部-东部”反位相分布,中西部以上升趋势为主,东部以下降趋势为主。结合R/S分析,未来极端降水将会以目前趋势继续发展。(4)流域极端降水发生时间主要集中在7月中下旬,并表现出明显的年际振荡;流域平均的发生时间表现出提前趋势,但未达到0.05显著性水平。(5)发生时间在空间上由西南向东北逐渐推迟,大部分站点的发生时间呈微弱提前的线性趋势;这样的空间分布可能与梅雨和台风的影响有关,而提前趋势与1990年代以来我国主雨带的年代际北移有关。(6)经EOF分析,发生时间前两个模态空间分布分别为“西北-东南”反位相分布和全区一致性分布。(7)流域绝大部分站点PX3D指数序列通过平稳性检验,平稳GEV模型能够较好地拟合PX3D指数序列。采用以时间为位置参数协变量的非平稳GEV模型能够显著提高模型对于存在显著趋势序列的拟合情况,同时在设计极端降水预估时应当考虑显著性趋势的影响。(8)以气候因子指数(AMO、EASMI、PDO、SOI、Nino3.4SST)作为GEV模型参数协变量,对流域各站点PX3D指数拟合情况均有所提高。在对极值降水频率进行预估时,以气候因子SOI、Nino3.4SST指数作为位置参数协变量,能够较好地模拟极值降水的峰谷变化;以气候因子AMO、EASMI、PDO指数作为尺度参数协变量,可以较好地模拟极值降水的波动幅度变化。