引用本文
黄强, 陈子燊. 全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究. 地球科学进展, 2014, 29(8): 956-967[Huang Qiang, Chen Zishen. Regional Study on the Trends of Extreme Temperature and Precipitation Events in the Pearl River Basin. Advances in Earth Science, 2014, 29(8): 956-967]  
Permissions
Copyright©2014, 地球科学进展 编辑部
This is an open-access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.
全球变暖背景下珠江流域极端气温与降水事件时空变化的区域研究
黄强, 陈子燊
中山大学水资源与环境系, 广东 广州 510275
*通讯作者:陈子燊(1952-), 男, 福建福州人, 教授, 主要从事极端水文事件与风险研究. E-mail:eesczs@mail.sysu.edu.cn

作者简介：黄强(1989-), 男, 广东清远人, 博士研究生, 主要从事极端水文事件与风险研究. E-mail:huangq52@mail2.sysu.edu.cn

基金:国家自然科学基金项目“变化环境下广东旱涝时空变化规律与风险概率研究”(编号：41371498)资助;
摘要

利用中国气象局最新编制的0.5°×0.5°逐日地面气温、降水网格数据, 统计了16种极端气温与降水指数来定义极端气候事件, 通过改进的MannKendall趋势检验方法对珠江流域极端气温与降水事件的时空变化特征进行了研究, 并从区域的视角检验了变化趋势的显著性和一致性, 最后通过偏MannKendall检验探讨了极端气温和降水事件变化与自然界大尺度气候振荡的潜在联系。研究发现：①在过去半个多世纪里, 珠江流域总体上呈现出极端高温事件增多, 极端低温事件减少, 短时间极端降水增多, 长时间极端降水减少的趋势, 珠江流域面临着高温干旱和暴雨洪涝的威胁;②极端气温事件的变化趋势具有区域尺度上的显著性和一致性, 而极端降水事件在区域层面上的趋势则不明显, 并且区域差异大;③反映了大尺度气候振荡的多变量ENSO指数年际变化对珠江流域极端气温与降水事件的变化趋势没有显著的影响, 在一定程度上说明了极端气温与降水事件的变化趋势并不是自然界大尺度气候振荡导致的必然结果, 而可能是与人类活动共同作用的结果。

关键词: 气候变化; 极端气温与降水指数; 多变量ENSO指数; 趋势检验; 区域显著性与一致性
中图分类号:P423.3 文献标志码:A 文章编号:1001-8166(2014)08-0956-12
Regional Study on the Trends of Extreme Temperature and Precipitation Events in the Pearl River Basin
Huang Qiang, Chen Zishen
Department of Water Resource and Enviroment, Sun Yat-sen University, Guangzhou 510275, China
Fund:
Abstract

With the risk of global warming, exploring the changing pattern of extreme climate events in different places is explored for disaster prevention and mitigation. The 0.5°×0.5° grid dataset of daily temperature and precipitation from China Meteorological Administration was used to defined extreme climate events based on the 16 kinds of extreme temperature and precipitation indices. Spatio-temperal variations of the extreme temperature and precipitation events were analyzed through the modified MannKendall trend detecting method across the Pearl River basin, and the significance and consistency of the observed trends were also assessed in a regional perspective. Additionally, whether the observed trends are significantly linked to the largescale climate fluctuation system was investigated. The results indicate that a trend of more extreme high temperature events and less extreme low temperature events, more short time precipitation events and less long time precipitation events has been found in the Pearl River basin over the past half century, which could, consequently, increase the drought and flood risks. It is worthwhile to note that the trends of extreme temperature events are field significant and regional consistent, while the trends of extreme precipitation events are not. Since no significant covariability has been found between the observed trends and the large-scale climate fluctuation system characterized by the multivariate ENSO index, these trends can not be seen as the inevitable outcome of largescale climate fluctuation. Instead, that may be attributed to the common effects of natural and anthropogenic climate change.

Keyword: Climate change; Extreme temperature and precipitation indices; Multivariate ENSO index; Trend analysis; Field significance and regional consistency.
1 引言

近百年来, 全球气候正经历一次以变暖为主要特征的显著变化[ 1, 2]。IPCC第五次气候变化评估报告指出[ 3], 在1880—2012年期间, 全球平均地表气温升高了0.85(0.65—1.06)℃, 尤其是从20世纪后半叶开始, 气温升高的趋势更加明显。极端事件(值)在常识上可以认为是不容易或不经常发生的事件(值), 气候要素平均态和变率的微小变化对极端值的变化具有深刻影响[ 4, 5], 因此平均地表气温及变率的改变直接影响了温度极端值的变化, 而且在一定程度上加剧了水循环的过程, 使高温干旱和暴雨洪涝等灾害事件的发生频率和强度增加[ 6]。这种以变暖为主要特征的气候变化是大尺度气候长期振荡的结果还是人类活动的产物, 目前在科学界尚存在争议。但无可否认的是, 频繁发生的极端气候事件对人类生活、经济发展、生态环境造成了严重的影响和破坏, 人民生命和社会财产损失巨大。据估计, 极端气候事件所造成的经济损失在过去40年里增加了近10倍[ 7], 如何有效应对极端气候变化带来的风险已成为21世纪人类面临的严峻挑战之一。

研究极端气候事件的时空发生、演变规律及成因, 对提高极端气候事件的监测、影响评估和预测预警具有重要意义。极端气候事件变化的分析研究主要有2种方法[ 8]：一种是定义与极端气候事件相关的代用指数, 通过分析这些代用指数的特征来反映极端气候事件的变化情况;另一种是根据天气现象本身的定义标准, 直接通过对原始资料的分析来判断该类极端事件频率或强度的变化特征。气温与降水的变化是气候变化的主要表现, 因此目前对极端气候事件的研究也主要集中在极端气温与降水事件上。张宁等[ 9]利用1955—2005年全国234个气象站点的气温资料, 通过计算极端气温的趋势系数, 发现极端低温表现出稳定的升高趋势, 极端高温在黄河下游地区出现较明显的下降趋势, 而在华南地区出现明显的升高趋势。翟盘茂等[ 10]在对极端气温事件变化特征的研究中则发现, 在全国范围内, 以百分数阈值定义的极端高温事件(暖昼、暖夜)有增加的趋势, 但以绝对阈值定义的极端高温事件(热日)却呈现减少的趋势, 而以百分数阈值和绝对阈值定义的低端低温事件(冷昼、冷夜和雾日)均呈现减少的趋势。翟盘茂等[ 11]对全国740个气象站点观测降水的频率和强度进行了研究, 发现北方和四川盆地地区年降水量呈现显著的减少趋势, 而西部、长江流域和东南沿海地区则呈现显著的增加趋势;除西北地区外全国大部分地区的降水日数有显著的减少趋势, 但降水强度却在增加, 意味着这些地区极端降水的出现频率在增大。由于中国的疆域辽阔, 不同地区在地形、地理位置、气候条件上的差异性明显, 探讨区域范围内的极端气候事件时空变化规律也显得十分必要, 如梁康等[ 12]、王琼等[ 13]、佘敦先等[ 14]、彭俊台等[ 15]、汪宝龙等[ 16]、张强等[ 17]分别对黄河流域、长江流域、淮河流域、珠江流域、西北和新疆地区的研究等。但过去的研究大多是从站点的点分析出发或受限于观测站点的低空间分辨率, 由于极端气候事件的群发性特征及气候变化的区域不同步性, 从区域的层面探讨极端气候事件对全球变暖的响应显得更有意义, 另外, 时空变化规律的揭示和区域变化的识别需要高空间分辨率数据的支撑[ 18]。

2 研究区域

珠江流域地处热带和亚热带季风气候区, 受东南和西南季风的共同影响, 年降水量充沛, 属于湿润区。珠江全长2 214km, 是中国境内第三长河流, 主要支流有西江、北江和东江, 流域面积45.2万km2（图1）。王兆礼等[ 19, 20]研究发现, 流域平均气温和总降水量近年来都呈现上升的趋势, 但由于地形、纬度、海陆距离及季风年际强弱差异的影响, 气象要素在流域内的时空分布并不均匀。加之珠江流经的地区(云南、贵州、广西、广东4个省（区）和香港、澳门2个特别行政区及越南北部)是人口集中、经济较为发达的地区, 尤其是东部的珠江三角洲, 是经济、文化中心, 城市化水平高, 因此每年遭受自然灾害的破坏程度大, 损失严重。

图1 珠江流域地理位置、主要支流及网格点Fig. 1 Location of the gridded Pearl River Basin with main streams and major branches

本文立足于区域的视角, 以中国气象局最新提供的高空间分辨率数据为基础, 分析过去半个多世纪珠江流域极端气温与降水事件的时空变化规律, 并对其成因进行探讨, 以期为珠江流域地区相关部门有效应对气候变化的挑战及顺利开展防灾减灾工作, 提供基础研究和科学支撑。本文采用的基础数据来源于中国气象局最新编制的地面气温、降水0.5°×0.5°网格数据集（该数据集由全国2 416个站点的观测数据和全国范围0.5°×0.5°的dem数据经过处理得到, 数据集已经过严格的质量控制, 具有良好的代表性和完整性）, 本文选用涵盖整个珠江流域的211个网格中心点(图1)的1961—2011年逐日最高、最低气温和降水量作为基础数据开展研究。

3 研究方法
3.1 极端气温与降水指数

国际上不同研究组都一致认同代用气候指数对极端气候变化监测的重要性, 但每个研究组所采用的具体定义方式有所不同。ETCCDMI(Expert Team on Climate Change Detection and Indices)推荐了27种代用气候指数[ 21]对极端气候事件进行描述, 本文选用其中的16种(8种气温指数和8种降水指数)。如表1所示, 16种指数可分为4类：①代表某个时段最大或最小值的极值型指数, 如TXX, TNN, RX1d和RX5d;②以时段内总量或比率来反映极端事件量级和强度的指数, 如PRCPTOT和SDII;③基于百分比阈值定义的相对型指数, 如TX10p, TN10p, TX90p, TN90p, R95p和R99p;④以持续时间长短反映事件极端性的持续型指数, 如WSDI, CSDI, CDD和CWD。对极端事件本身而言, TXX, TX90p, TN90p和WSDI代表的是极端高温事件, TNN, TX10p, TN10p和CSDI则代表了极端低温事件;PRCPTOT, R95p和R99p从量级大小来衡量降水的极端性, RX1d, RX5d和SDII从降水强弱衡量事件的极端性, CDD和CWD则以持续时间衡量降水的极端程度。

表1 16种极端气温和降水指数 Table 1 The 16 kinds of extreme temperature and precipitation indices
3.2 多变量ENSO指数

ENSO事件是一种海洋与大气相互作用产生的现象, 反映了自然界的大尺度气候振荡, 对全球的气候变化有着重要影响。美国国家海洋和大气管理总署(NOAA)基于热带海域多个表征大气海洋特征的观测变量的分析和计算, 发布了可用于ENSO事件监测的多变量ENSO指数[ 22](MEI)。本文以MEI的年际变化来反映自然界的大尺度气候振荡, 通过分析极端气候指数与MEI之间在变化趋势上的潜在联系, 来探讨珠江流域极端气温与降水事件变化与自然界大尺度气候振荡的联系。

3.3 变化趋势检验

3.3.1 Mann-Kendall(MK)检验

非参数检验方法是检验长时间变化趋势的有效方法之一, 其优点是不需要样本服从一定的分布, 并且受异常值的影响小。其中, MK非参数检验被世界气象组织（WMO）推荐用于气象变量的趋势检验中。对于一个给定的时间序列Xi, i为时间顺序, MK检验统计量的计算式如下：

(1)

式中：sign为符号函数; i, j均为时间顺序; n为时间长度。在Xi是一个独立同分布随机变量的零假设条件下, 统计量 S近似服从正态分布, 均值为0, 方差为：

(2)

式中： l为时间序列中相同数值的个数。根据概率分布的特性, 在零假设的条件下, S与标准差的比值 Z近似服从标准正态分布。因此, 在概率分布双边检验中, 0.05显著水平条件下(即95%置信度的条件下), 若 Z绝对值的统计 p值小于或等于0.025, 则可以拒绝零假设, 即时间序列Xi具有显著的时间变化趋势。计算的 Z为正值, 则可认为时间序列具有持续增加的趋势; Z为负值, 则时间序列具有持续减少的趋势。

Yue和Wang[ 23]指出样本的自相关性会干扰趋势显著性的判断, 并提出了MK检验的修正方法(MMK)。通过样本的自相关性计算有效样本量对n*式(2)的方差进行修正, 从而减少样本的自相关性对趋势检验的影响。有效样本量的计算式为：

(3)

式中：ρk为滞时为 k的自相关系数。本文假定气象变量服从AR(1)的回归过程, 根据修正因子 修正后的方差为：

(4)

2.3.2 偏Mann-Kendall(PMK)检验

PMK[ 24]是一种条件趋势检验方法, 通过去除相关变量序列Yi对待检验变量序列Xi的潜在趋势影响以分析待检验变量自身变化趋势的显著性。本文采用PMK方法来分析极端气候指数与MEI之间在变化趋势上的潜在联系。利用待检验变量与相关变量的协方差和相关系数, PMK检验的统计量通过下式计算：

(5)

式中：Sx和Sy分别为待检验变量与相关变量的MK统计量; ρ'为Sx与Sy的相关性, 可通过协方差计算：

(6)

在零假设条件下, 统计量Zxy服从标准正态分布。在0.05的显著水平下, 若Zxy绝对值的统计 p值小于或等于0.025, 则可以认为的Xi变化趋势与Yi不存在显著关联。

3.4 区域显著性与一致性检验

虽然趋势的点检验结果在一定程度上可以反映地方的长时间变化, 但当问题上升到区域或更大尺度时, 结论就会变得模糊不清。区域显著性概念的提出就是为了解决如何判断变化趋势在区域尺度上是否具有显著意义的问题。以变化趋势在区域范围内不具有显著意义作为零假设, 在给定的显著水平(0.05)下, 若区域内检测到具有显著变化趋势的观测站点数大于显著趋势站点 N的理论分布95%分位值, 则可以认为区域具有显著的变化趋势。若所有的观测站点在空间上是独立的, 则 N服从以站点数 q为参数的二项分布, 进而可以很容易地判断变化趋势的区域显著性, 然而实际上观测站点在空间上存在相关性, 因此 N并不服从理论上的二项分布, 并且随着站点间空间相关性的增加, N越偏离二项分布。为了解决这个问题, Douglas等[ 25]推荐使用自助重复抽样的方法(bootstrap procedure, BP)以得到 N的经验分布。以站点的观测样本为源数据, 选取一个目标站点从其源数据中重复有放回地随机抽取与样本长度相等的数据个数组成新的样本, 其它站点的每个重采样数据则与目标站点抽取的数据相对应以保证站点间的空间相关性。重复进行nsim次重采样, 并对每个站点每次重采样后得到的新样本进行站点显著性检验, 由于重采样的样本是随机得到的, 不以任何趋势为前提, 并且站点间保持着原始的空间相关性, 因此BP方法得到的显著站点个数序列Nm(m=1, ..., nsim)即可作为 N的经验分布, 从而利用 N的经验分布判断变化趋势的区域显著性。此外, 本文还利用蒙特卡罗随机模拟抽样的方法(MC)估算 N的经验分布[ 26], 得到的结果与BP方法互相对比印证。

区域尺度的变化方向以及这种变化是否具有一致性是区域变化研究的另一个重要问题。区域变量法和区域统计量法[ 27]是最常用的两种方法, 前者通过计算区域平均值定义一个区域变量, 应用趋势检验方法对区域变量进行趋势检验;后者则是对趋势检验统计量取区域平均值得到区域统计量, 再通过区域统计量进行趋势检验。本文采用区域统计量法来检测区域的变化方向和一致性。假设区域内站点的MK统计量为Sj(j=1, ..., q), 则区域统计量为：

(7)

在站点间相互独立的前提下, SR服从正态分布, 均值为0, 方差为Var(Sj)/q。实际上, 站点间具有空间相关性, SR的方差需要通过站点间的相关系数估算：

(8)

(9)

式中：ρj, k为站点 j与站点 k的空间相关系数。若统计量 为正值, 则区域的变化方向为增加;若ZR为负值, 则区域的变化方向为减少。在0.05的显著水平下, 若ZR绝对值的统计 p值小于或等于0.025, 则区域变化具有显著性的一致性。

4 结果分析与讨论
4.1 极端气温与降水事件的时空变化特征

由211个网格点逐日最高、最低气温和降水量数据统计出表1所列的16种极端气温与降水指数, 通过计算它们的自相关性, 发现大部分极端气温指数都具有正的自相关性, 而极端降水指数的正负自相关性比例相当, 因此在进行趋势检验时, 自相关性的影响不能忽视。应用MMK方法对所有网格点的极端气温与降水指数进行趋势检验, 珠江流域具有显著性趋势的网格点比例分别如表2, 3所示。TXX和TNN的增加趋势(分别有16%和93%的网格点具有显著增加趋势, 以下括号内百分数同义)表明珠江流域的极端高温和极端低温总体上都呈现升高的趋势, 尤其是极端低温升高的趋势十分突出;TX90p和TN90p呈现增加的趋势(47%和98%), TX10p和TN10p呈现减少的趋势(6%和64%), 即珠江流域的高温日数在增多, 而低温日数在减少;WSDI的增加趋势(32%)和CSDI的减少趋势(41%)表明珠江流域的暖期在增长, 冷期却在缩短。对于极端降水事件, PRCPTOT呈现减少趋势(11%), 而SDII呈现增加趋势(9%), 即珠江流域降水量在减少, 但降水强度却在增加, 意味着降水的极端性在增加。RX1d, R95p和R99p的增加趋势(7%, 4%和8%)也印证了这一点, 但增加趋势不明显(分别还有2%, 3%和3%的网格点具有显著减少趋势), 并且反映更长时间尺度降水极端性的RX5d以及连续降水极端性的CWD也有部分网格点存在显著性减少趋势(2%和18%)。

表2 珠江流域极端气温与降水指数的MMK检验结果：95%置信度上具有显著性增加（减少）趋势的网格点比例 Table 2 The results of MMK test for the Pearl River basin: percentage of grid points exhibiting significant upward (downward) trend at 0.05 significant level on the extreme temperature and precipitation indices

以网格中心点MKK检验计算的 p值代表整个网格, 图2, 3分别展示了珠江流域极端气温与降水指数变化趋势在空间上的分布, 图中分别以0.5, 0.1, 0.05和0.01的显著水平(即50%, 90%, 95%和99%的置信度)作为MMK检验 p值的临界值区分变化趋势的显著程度。由图2, 3可知, 极端气温与降水事件的变化趋势都具有明显的空间差异。极端气温事件变化趋势的空间差异主要体现在显著性的差异上, TXX, TNN, TX90p, TN90p和WSDI在空间上基本都呈现增加的趋势, 其中, TNN和TN90p的增加趋势突出, 几乎所有地区的增加趋势都通过了95%置信度的显著性检验, 并且大部分地区都具有99%置信度的显著程度, 而TXX, TX90p和WSDI具有95%以上置信度的显著增加趋势主要集中在珠三角一带和西部的一部分地区;TX10p, TN10p和CSDI则在空间上都基本呈现减少的趋势, 其中TN10p减少趋势的显著性突出, 大部分地区的减少趋势都通过了95%置信度的显著性检验, CSDI具有显著性减少趋势的地区主要集中在三角洲、东江流域和西部地区, 而TX10p只有很少一部分地区具有显著性的趋势。极端降水事件变化趋势的空间差异要比极端气温事件更明显, 并且空间分布的规律性差, 但大致体现在东西部的趋势差异上。PRCTOT在中西部地区主要呈现减少的趋势, 尤其是西部地区的减少趋势较突出, 而东部地区则无明显的变化趋势, 这与王兆礼等人[ 20]珠江流域总降水量呈现微弱增加趋势的结论并不一致, 这可能与数据空间分辨率的差异和研究时段的长短不同有关;中部和东部大部分地区的SDII都呈现增加的趋势, 但趋势的显著性并不突出;RX1d的增加趋势主要集中在中部地区, 西南和东南小部分地区呈现减少的趋势, 而大部分地区的RX5d却无明显的趋势;R95p和R99p在空间上基本与RX1d呈现一致的变化趋势, 中部和东北部呈现增加的趋势, 西部呈现减少的趋势;反映了干期和湿期长短的CDD和CWD分别呈现增加和减少的趋势, CWD减少趋势的显著性更突出, CDD的增加趋势主要集中在中东部地区, 而CWD的减少趋势则主要集中在东西部地区。

图2 极端气温指数变化趋势的空间分布Fig. 2 Spatial distribution of trends on the extreme temperature indices
图3 极端降水指数变化趋势的空间分布Fig. 3 Spatial distribution of trends on the extreme precipitation indices

极端气温与降水事件变化趋势的空间差异性, 说明了珠江流域内不同区域极端气候变化对全球变暖的响应并不是同步的。因此, 为了进一步探讨流域内不同地区的区域变化特征, 有必要对珠江流域进行分区研究。不同流域的集水分界线不仅是划分不同地形和气候特点的自然边界线, 反映了自然界长期变化和作用的结果, 而且是科学研究和区域管理的重要参考基线[ 28, 29], 对各个极端气候指数的EOF和REOF分析也表明不同子流域间具有不同的极端气候变化特征（由于篇幅所限, EOF和REOF分析的具体结果并未展出）。因此, 以珠江的三大支流西江、北江和东江形成的子流域对珠江流域进行区域划分, 考虑到西江支流的流程长, 流经地区的地形复杂, 并且受不同季风的影响, 将西江子流域再划分为4个区域, 因此将整个珠江流域划分成了7个区域, 分别为①南盘江、北盘江流域、②郁江、左江、右江流域、③红水河、柳江流域、④桂江、贺江及西江干流地区、⑤北江流域、⑥东江流域、⑦珠江三角洲（图4）。各分区极端气温与降水指数具有显著性趋势的网格点比例分别见于表3, 4。代表极端高温事件的TXX、TX90p、TN90p和WSDI以及代表极端低温事件的TNN, TX10p, TN10p和CSDI都在南盘江、北盘江流域、东江流域和珠江三角洲具有较高的显著性变化趋势比例, 尤其是在珠江三角洲, 极端高温事件增加趋势和低温事件减少趋势的显著性突出。PRCPTOT和CWD的减少趋势在南盘江、北盘江流域较突出(分别存在38%和36%的网格点具有显著性趋势)。SDII在郁江、左江、右江流域、红水河、柳江流域和东江流域分别存在10%, 14%和25%的网格点具有显著性增加趋势, 而在其他区域则没有较明显的变化趋势。RX1d在红水河、柳江流域、桂江、贺江及西江干流地区和北江流域存在一部分网格点具有显著性的增加趋势, 而RX5d则在南盘江、北盘江流域、郁江、左江、右江流域和桂江、贺江及西江干流地区具有小部分的显著性减少趋势。R95p在桂江、贺江及西江干流地区和北江流域都存在15%的网格点具有显著性增加趋势, 在南盘江、北盘江流域存在13%具有显著性减少趋势的网格点比例, R99p则在红水河、柳江流域存在22%的网格点具有显著性增加趋势。CDD只在红水河、柳江流域存在2%的网格点具有显著性增加趋势, 在其他区域则无明显的变化趋势。

图4 珠江流域的区域划分Fig. 4 Delineation of the boundary for different subregions from the Pearl River basin

表3 各分区极端气温指数的MMK检验结果：95%置信度上具有显著性增加（减少）趋势的网格点比例 Table 3 The results of MMK test for all subregions: percentage of grid points exhibiting significant upward (downward) trend at 0.05 significant level on the extreme temperature indices
表4 各分区极端降水指数的MMK检验结果：95%置信度上具有显著性增加（减少）趋势的网格点比例 Table 4 The results of MMK test for all subregions: percentage of grid points exhibiting significant upward (downward) trend at 0.05 significant level on the extreme precipitation indices
4.2 极端气温与降水事件变化趋势的区域显著性与一致性

极端气温与降水指数虽然在一些区域存在较高比例的网格点具有显著变化趋势, 如TX90p在郁江、左江、右江流域存在67%具有显著性增加趋势的网格点比例, 但我们并不能因此而得出郁江、左江、右江流域暖昼日数在显著增加的结论, 因此当我们需要在区域尺度探究极端气温与降水事件是否具有显著性变化趋势时, 点层面的检验结果就存在着很大的不确定性。表5, 6分别列出了珠江流域及各分区极端气温与降水指数变化趋势的区域显著性和一致性检验结果（BP方法与蒙特卡罗方法的区域显著性检验结果差别不大, 这里展示的是BP方法检验的结果）。

在0.05的显著水平下, 珠江流域的TXX和TNN在区域的层面都呈现增加的趋势, 但TXX的增加趋势只在郁江、左江、右江流域和珠江三角洲具有显著性, 而且这种增加的趋势只在珠江三角洲是一致的, 而TNN的增加趋势在整个珠江流域及所有分区都具有显著性和一致性;TX90p, TN90p和WSDI也都呈现增加的趋势, 除了TX90p和WSDI的增加趋势在红水河、柳江流域和北江流域不具有区域显著性和一致性外, 这种增加趋势在其他分区及整个珠江流域都呈现显著性和一致性;TX10p, TN10p和CSDI则都呈现减少的趋势, TN10p的减少趋势除了在北江流域不具有显著性, 在其他区域及整个珠江流域都是显著的, 并且具有一致性, TX10p的减少趋势并不具有区域显著性, 而CSDI的减少趋势则在南盘江、北盘江流域、桂江、贺江及西江干流地区、东江流域和珠江三角洲以及整个珠江流域具有显著性和一致性。综合而言, 珠江流域总体上呈现出极端高温事件增多, 极端低温事件减少的趋势, 具体表现为极端高温和极端低温同时升高, 高温日数增加, 暖期变长, 而低温日数减少, 冷期缩短, 并且这种趋势在区域尺度上具有显著和一致的意义。因此, 珠江流域将面临着高温环境的威胁, 尤其是郁江、左江、右江流域和珠江三角洲面临的威胁更突出。

表5 表5 珠江流域及各分区极端气温指数变化趋势的区域显著性和一致性 Table 5 Field significance and regional consistency of the trends on extreme temperature events for the whole Pearl River basin and subregions

相对于极端气温事件, 极端降水事件在区域层面上的变化趋势则不明显, 并且区域差异大。PRCPTOT在南盘江、北盘江流域、郁江、左江、右江流域、红水河、柳江流域、桂江、贺江及西江干流地区及北江流域呈现减少的趋势, 而在东江流域和珠江三角洲呈现增加的趋势, 即就降水量的多少而言, 珠江流域大致具有西部变旱, 东部变湿的特点, 这与张强[ 30]和肖名忠[ 31]的研究结论相近, 但这种趋势并不明显, 只有南盘江、北盘江流域的减少趋势是显著并且一致的。SDII除了在南盘江、北盘江呈现减少的趋势外, 在其他区域都呈现增加的趋势, 但这些趋势都不具有区域显著性和一致性。RX1d和R99p在红水河、柳江流域具有显著和一致的增加趋势, 但在其他区域却无明显变化趋势。RX5d除了在北江流域和珠江三角洲呈现增加的趋势外, 在其它区域都呈现减少的趋势, 但这些趋势也都并不具有区域显著性和一致性。CDD在所有区域都具有增加的趋势, CWD具有减少的趋势, 但CDD的增加趋势并不显著性也不一致, 而CWD的减少趋势在南北盘江流域、郁江、左江、右江流域和北江流域具有显著和一致的意义。总体而言, 珠江流域总降水量在减少, 降水强度和强降水的日数却在增加, 意味着降水的极端性增加, 但这种极端性只表现在短时间的极端降水增多, 而长时间的极端降水却在减少, 具体表现为日最大降水量的增多, 连续5日最大降水量的减少以及连续有雨日数的缩短。降水的集中增加了发生洪涝的风险, 另外, 干期（连续无雨日数）的变长也使珠江流域遭受长时间干旱的风险增加。但需要指出的是这种极端降水的趋势在大部分区域都不具有显著性和一致性。

表6 珠江流域及各分区极端降水指数变化趋势的区域显著性和一致性 Table 6 Field significance and regional consistency of the trends on extreme precipitation events for the whole Pearl River basin and subregions
4.3 与大尺度气候振荡的联系

以MEI的年际变化来反映自然界的大尺度气候振荡, 通过PMK检验分析极端气候指数与MEI之间在变化趋势上的潜在联系, 来探讨珠江流域极端气温与降水事件变化与自然界大尺度气候振荡的联系。表7列出了各极端气温与降水指数的PMK检验结果, PMK检验的结果与原MMK的结果相差不大, 即去除MEI与各极端气温与降水指数之间可能存在的协变化趋势后, 各极端气温与降水指数具有显著性变化趋势的网格点比例并没有发生太大变化。从PMK检验的结果上看, MEI的年际变化对极端气温与降水事件的变化趋势没有显著的影响, 换言之, 珠江流域极端气温与降水事件的变化趋势并不是自然界大尺度气候振荡导致的必然结果, 这其中可能受到了人类活动引起的气候变化的影响, 但也并不能因此得出这种极端气温与降水事件的变化趋势完全是由人类活动导致的结论, 而可能是自然界气候振荡与人类活动共同作用的结果。

表7 珠江流域极端气温与降水指数的PMK（MMK）检验结果：95%置信度上具有显著性趋势的网格点比例 Table 7 The results of PMK (MMK) test for the Pearl River basin: percentage of grid points exhibiting significant trend at 0.05 significant level on the extreme temperature and precipitation indices
5 结 论

在过去半个多世纪里, 珠江流域总体上呈现出极端高温事件增多, 极端低温事件减少, 短时间极端降水增多, 长时间极端降水减少的趋势。具体表现为极端高温和极端低温同时升高, 高温日数增加, 暖期变长, 而低温日数减少, 冷期缩短;日最大降水量增多, 连续5日最大降水量减少, 连续有雨日数缩短。极端高温事件的增多, 降水的集中以及干期的变长使珠江流域面临着高温干旱和暴雨洪水的威胁, 珠江流域制定应对极端事件风险的战略已刻不容缓。

极端气温与降水事件的变化在空间上都具有较大的差异性, 极端气温事件变化趋势的空间差异主要体现在显著性的差异上, 而极端降水事件则大致表现在东西部的趋势差异上。对珠江流域的分区研究发现, 极端高温事件增多, 极端低温事件减少的趋势在大部分区域内都具有显著性和一致性, 尤其是在郁江、左江、右江流域和珠江三角洲, 而极端降水事件在区域层面上的变化趋势则不明显, 并且区域差异大, 只有南盘江、北盘江流域的PRCPTOT和CWD显著减少, 郁江、左江、右江的RX1d和R99p显著增加以及北江流域的CWD显著减少, 其他极端降水指数都不具有显著和一致的区域变化。

以MEI的年际变化来反映自然界的大尺度气候振荡, 去除MEI与各极端气温与降水指数之间可能存在的协变化趋势后, 各极端气温与降水指数具有显著性变化趋势的网格点比例并没有发生太大变化, 可以认为珠江流域极端气温与降水事件的变化趋势并不是自然界大尺度气候振荡导致的必然结果, 这其中可能受到了人类活动引起的气候变化的影响, 但也并不能因此得出这种极端气温与降水事件的变化趋势完全是由人类活动导致的结论, 而可能是自然界气候振荡与人类活动共同作用的结果。

The authors have declared that no competing interests exist.

参考文献
[1] Li Yucheng. Global climate is warming or cooling?—An interview with the International Meteorological Organization (IMO) award winner, China academician Qin Dahe[J]. Sci-tech Innovarions and Brand s, 2011, 47(5): 12-15.
[李玉成. 全球气候: 变暖还是变冷——访世界气象组织(IMO)奖获得者、中国科学院院士秦大河[J]. 科技创新与品牌, 2011, 47(5): 12-15. ] [本文引用:1]
[2] Li Xiangying, Qin Dahe, Xiao Cunde, et al. Progress regarding climate change during recent years[J]. Chinese Science Bulletin, 2011, 56(36): 3 029-3 040.
[李向应, 秦大河, 效存德, 等. 近期气候变化研究的一些最新进展[J]. 科学通报, 2011, 56(36): 3 029-3 040. ] [本文引用:1] [CJCR: 0.95]
[3] IPCC. Climate change 2013: The physical science basis[M]∥Contribution of Working Group 1 to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, USA: Cambridge University Press, 2013. [本文引用:1]
[4] IPCC. Managing the risks of extreme events and disasters to advance climate change adaptation[M]∥A Special Report of Working Groups 1 and 2 of the Intergovernmental Panel on Climate Change. Cambridge, United Kingdom and New York, USA: Cambridge University Press, 2012. [本文引用:1]
[5] Gao Tao, Xie Li’ an. Study on progress of the trends and physical causes of extreme precipitation in China during the last 50 years[J]. Advances in Earth Science, 2014, 29(5): 577-589.
[高涛, 谢立安. 近50年来中国极端降水趋势与物理成因研究综述[J]. 地球科学进展, 2014, 29(5): 577-589. ] [本文引用:1] [CJCR: 1.388]
[6] Qian Weihong, Fu Jiaolan, Zhang Weiwei, et al. Changes in mean climate and extreme climate in China during the last 40 years[J]. Advances in Earth Science, 2007, 22(7): 673-684.
[钱维宏, 符娇兰, 张玮玮, 等. 近40年中国平均气候与极值气候变化的概述[J]. 地球科学进展, 2007, 22(7): 673-684. ] [本文引用:1] [CJCR: 1.388]
[7] Feng Guolin, Hou Wei, Zhi Rong, et al. Detection, Diagnosis and Predictability Research of Extreme Climate Events[M]. Beijing: Science Press, 2012.
[封国林, 侯威, 支蓉, 等. 极端气候事件的检测、诊断与可预测性研究[M]. 北京: 科学出版社, 2012. ] [本文引用:1]
[8] Hu Yichang, Dong Wenjie, He Yong. Progress of the study of extreme weather and climate events at the beginning of the twenty first century[J]. Advances in Earth Science, 2007, 22(10): 1 066-1 075.
[胡宜昌, 董文杰, 何勇. 21世纪初极端天气气候事件研究进展[J]. 地球科学进展, 2007, 22(10): 1 066-1 075. ] [本文引用:1] [CJCR: 1.388]
[9] Zhang Ning, Sun Zhaobo, Zeng Gang. Change of extreme temperatures in China during 1955-2005[J]. Journal of Nanjing Institute of Meteorology, 2008, 31(1): 123-128.
[张宁, 孙照渤, 曾刚. 1955—2005年中国极端气温变化[J]. 南京气象学院学报, 2008, 31(1): 123-128. ] [本文引用:1] [CJCR: 1.005]
[10] Zhai Panmao, Pan Xiaohua. Trends in temperature extremes during 1951-1999 in China[J]. Geophysical Research Letters, 2003, 30(17): 1 913-1 916. [本文引用:1] [JCR: 3.982]
[11] Zhai P M, Zhang X B, Wan H, et al. Trends in total precipitation and frequency of daily precipitation extremes over China[J]. Journal of Climate, 2005, 18: 1 096-1 108. [本文引用:1] [JCR: 4.362]
[12] Liang Kang, Liu Sheng, Bai Peng, et al. The Yellow River Basin becomes wetter or drier? The case as indicated by mean precipitation and extremes during 1961-2012[J]. Theoretical and Applied Climatology, 2014, doi: DOI:10.1007/s00704-014-1138-7. [本文引用:1]
[13] Wang Qiong, Zhang Mingjun, Wang Shengjie, et al. Extreme temperature events in Yangtze River Basin during 1962-2011[J]. Acta Geographica Sinica, 2013, 68(5): 611-625.
[王琼, 张明军, 王圣杰, 等. 1962—2011年长江流域极端气温事件分析[J]. 地理学报, 2013, 68(5): 611-625. ] [本文引用:1] [CJCR: 2.937]
[14] She Dunxian, Xia Jun, Zhang Yongyong, et al. The trend analysis and ststistical distribution of extreme rainfall events in the Huaihe River Basin in the past 50 years[J]. Acta Geographica Sinica, 2011, 66(9): 1 200-1 210.
[佘敦先, 夏军, 张永勇, 等, 近50年来淮河流域极端降水的时空变化及统计特征[J]. 地理学报, 2011, 66(9): 1 200-1 210. ] [本文引用:1] [CJCR: 2.937]
[15] Peng Juntai, Zhang Qiang, Chen Xiaohong, et al. Spatial and temperal evoluation characteristics of extreme rainfalls in the Pearl River Basin[J]. Journal of Catastrophology, 2011, 26(4): 24-34.
[彭俊台, 张强, 陈晓宏, 等. 珠江流域极端降雨时空演变特征分析[J]. 灾害学, 2011, 26(4): 24-34. ] [本文引用:1] [CJCR: 1.109]
[16] Wang Baolong, Zhang Mingjun, Wei Junlin, et al. The change in extreme events of temperature and precipitation over Northwest China in recent 50 years[J]. Journal of Natural Resources, 2012, 27(10): 1720-1733.
[汪宝龙, 张明军, 魏军林, 等. 西北地区近50a气温和降水极端事件的变化特征[J]. 自然资源学报, 2012, 27(10): 1 720-1 733. ] [本文引用:1] [CJCR: 2.407]
[17] Zhang Qiang, Li Jianfeng, Chen Xiaohong, et al. Spatial variability of probability distribution of extreme precipitation in Xinjiang[J]. Acta Geographica Sinica, 2011, 66(1): 3-12.
[张强, 李剑锋, 陈晓宏, 等. 基于Copula函数的新疆极端降水概率时空变化特征[J]. 地理学报, 2011, 66(1): 3-12. ] [本文引用:1] [CJCR: 2.937]
[18] Wu Guoxiong, Lin Hai, Zou Xiaolei, et al. Research on global climate change and scientific data[J]. Advances in Earth Science, 2014, 29(1): 15-22.
[吴国雄, 林海, 邹晓蕾, 等. 全球气候变化研究与科学数据[J]. 地球科学进展, 2014, 29(1): 15-22. ] [本文引用:1] [CJCR: 1.388]
[19] Wang Zhaoli, Chen Xiaohong, Huang Guoru. Spatio-temporal change characteristics of mean temperature in the Pearl River Basin during 1961-2000[J]. Tropical Geography, 2007, 27(4): 289-294.
[王兆礼, 陈晓宏, 黄国如. 近40年来珠江流域平均气温时空演变特征[J]. 热带地理, 2007, 27(4): 289-294. ] [本文引用:1] [CJCR: 0.6872]
[20] Wang Zhaoli, Chen Xiaohong, Zhang Ling, et al. Spatio-temporal change characteristics of precipitation in the Pearl River Basin in recent 40 years[J]. Journal of China Hydrology, 2006, (6): 71-75.
[王兆礼, 陈晓宏, 张灵, 等. 近40年来珠江流域降水量的时空演变特征[J]. 水文, 2006, (6): 71-75. ] [本文引用:2]
[21] Peterson T C. Climate change indices[J]. WMO Bulletin, 2005, 54(2): 83-86. [本文引用:1]
[22] Wolter K, Timlin M S. EI Nino/southern oscillation behavior since 1871 as diagnosed in a extended multivariate ENSO index (MEI. ext)[J]. International Journal of Climatology, 2011, 31: 1 074-1 087. [本文引用:1] [JCR: 2.886]
[23] Yue S, Wang C Y. The Mann-Kendall test modified by effective sample size to detect trend in serially correlated hydrological series[J]. Water Resources Management, 2004, 18: 201-218. [本文引用:1] [JCR: 2.259]
[24] Libiseller C, Grimvall A. Performance of partial Mann-Kendall tests in the presence of covariates[J]. Environmetrics, 2002, 13: 71-84. [本文引用:1] [JCR: 1.096]
[25] Douglas E M, Vogel R M, Kroll C N. Trends in floods and low flows in the United States: Impact of spatial correlation[J]. Journal of Hydrology, 2000, 240(1/2): 90-105. [本文引用:1] [JCR: 2.964]
[26] Renard B, Lang M. Use of a Gaussian copula for multivariate extreme value analysis: Some case studies in hydrology[J]. Advances in Water Resources, 2007, 30: 897-912. [本文引用:1] [JCR: 2.412]
[27] Yue S, Wang C Y. Regional streamflow trend detection with consideration of both temporal and spatial correlation[J]. International Journal of Climatology, 2002, 22: 933-946. [本文引用:1] [JCR: 2.886]
[28] Wei Yongping, Zheng Hang, John Langford, et al. A knowledge co-production system for river basin management under changing environment[J]. Advances in Earth Science, 2012, 27(1): 52-59.
[Wei Yongping, 郑航, John Langford, 等. 论变化环境下流域管理的知识创新[J]. 地球科学进展, 2012, 27(1): 52-59. ] [本文引用:1] [CJCR: 1.388]
[29] He Chansheng. Watershed science and water resources management[J]. Advances in Earth Science, 2012, 27(7): 705-711.
[贺缠生. 流域科学与水资源管理[J]. 地球科学进展, 2012, 27(7): 705-711. ] [本文引用:1] [CJCR: 1.388]
[30] Zhang Qiang, Xu Chongyu, Zhang Zengxin. Observed changes of drought/wetness episodes in the Pearl River Basin, China, using the stand ardized precipitation index and aridity index[J]. Theoretical and Applied Climatology, 2009, 98: 89-99. [本文引用:1]
[31] Xiao Mingzhong, Zhang Qiang, Chen Xiaohong. Spatial-temperal patterns of drought risk across the Pearl River Basin[J]. Acta Geographica Sinica, 2012, 2012, 67(1): 83-92.
[肖名忠, 张强, 陈晓宏. 基于多变量概率分析的珠江流域干旱特征研究[J]. 地理学报, 2012, 67(1): 83-92. ] [本文引用:1]