新疆伊犁河流域近30年极端降水时空动态

Spatiotemporal dynamics of extreme precipitation in the Ili River Basin, Xinjiang over the past 30 years

摘要

为了明晰气候变化背景下新疆伊犁河流域极端降水事件的演变规律，利用11个国家级地面气象站点1991-2020年日降水数据，采用RClimDex模型计算六个降水量指数和五个降水日数指数，结合线性趋势分析、Mann⁃Kendall突变检验和Morlet小波分析，系统分析了新疆伊犁河流域极端降水时空变化特征.结果表明：除持续干燥日数和持续湿润日数分别以0.86和0.12 d·（10 a）^-1的趋势减少之外，其余降水指标均呈上升趋势，各指数均存在多个突变点，且突变时间不明显.在空间分布上，单日最大降水量和连续五日最大降水量的空间分布相似，由伊犁河流域中西部向四周递增；年降水量由流域东部和西南部向西北部递减；中雨、大雨和暴雨日数由西北向东南递增.降水持续干燥日数的周期以8~12 a为主，2000-2010年振荡较强；持续湿润日数的周期特征弱，部分时段存在4~6 a短周期振荡，其余指数在1991-2020年呈现显著的4~8 a短周期振荡，2005年后振荡能量增强，年际变化加剧.

Abstract

Based on daily precipitation data from 11 national surface meteorological stations (1991–2020), this study utilized the RClimDex model to calculate six precipitation indices and five precipitation⁃day indices,systematically investigating the evolution of extreme precipitation in the Ili River Basin, Xinjiang. Using linear trend analysis,the Mann⁃Kendall abrupt change test,and Morlet wavelet analysis,we systematically examined the spatiotemporal variation characteristics of extreme precipitation in the Ili River Basin,Xinjiang. The results showed that,with the exception of consecutive dry days and consecutive wet days (which decreased at rates of 0.86 and 0.12 d·（10 a）^-1,espectively),all other precipitation indices exhibited an upward trend. There were multiple mutation points in each index，and the mutation time was not obvious. Spatially,the maximum one⁃day precipitation shared a similar pattern with the maximum five⁃day precipitation,with values increasing from the central⁃western part of the Ili River Basin toward the surrounding areas. Annual precipitation decreased from the east and southwest toward the northwest of the basin. In contrast,the number of days with moderate,heavy,and torrential rain increased from the northwest toward the southeast. The dominant period for consecutive dry days was 8~12 a,with the oscillation being particularly strong during 2000-2010. The periodicity of consecutive wet days was weak,and short⁃term oscillations of 4~6 a were observed during certain periods. All other indices displayed significant short⁃period oscillations of 4~8 a over the 1991-2020 period. After 2005, the oscillation energy increased, with a corresponding intensification of interannual variation.

Graphical abstract

关键词

伊犁河流域 / 极端降水 / 时空动态 / 突变检验 / 周期分析

Key words

Ili River Basin / extreme precipitation / spatiotemporal dynamics / mutation test / periodic analysis

我国地处东亚季风区，受季风不稳定性与地形复杂性的影响，降水时空分布呈现复杂的特征^［1］.全球变暖导致水循环加剧，台风路径出现北移趋势，降水在时空上被重新分配^［2-3］，极端降水事件的强度越来越大、频率越来越高，引发了洪涝、滑坡、干旱等自然灾害，对我国经济、生态等方面的影响日益加剧^［4-8］.我国地域辽阔，气候变化对不同地区的影响程度差异较大，同级别的降水可能会造成不同级别的灾害^［1］.因此，极端降水在气候灾害中居关键性地位，理解其变化规律对区域生态系统的可持续发展具有重要意义.

新疆位于亚欧大陆中部，地形复杂且远离海洋，干燥少雨，是典型的干旱、半干旱气候区^［9-10］.自1987年起，新疆的降水量呈现明显的增加趋势，气候状态由“暖干”转为“暖湿”^［11］.受地形地貌复杂的影响，该区域降水分布不均，呈现“北疆多、南疆少”的空间格局^［12-14］.已有的研究表明，新疆极端降水指数自东南向西北递增，年际变化存在显著增加的态势，北疆的暴雨日数、极端降水事件以及极端降水指数的增幅尤为显著^［15-17］.此外，新疆生态系统脆弱，下垫面渗透能力较弱，连续的极端降水可能引发洪涝等自然灾害^［18］.

伊犁河流域地处北疆，属于半干旱气候区.该流域总体降水丰沛，但时空分布差异显著.近年来，伊犁地区极端降水事件频发，依托巩乃斯河流域则克台水文站资料，研究新疆伊犁地区过去43年的降水变化，结果显示该地区降水量以17.2 mm·（10 a）^-1的速率上升^［19］；赵丽等^［20］采用九个地面气象站点数据，研究发现伊犁地区近50年的降水量和极端降水量均呈现增加趋势.然而，上述研究中普遍存在选择的站点数量和空间范围有限、研究时段较短以及难以精准捕捉区域内复杂地形和气候条件下的降水变化的细节情况，缺乏系统的观测研究和深入的理论分析.

本研究以新疆伊犁河流域为研究对象，选取11个时间序列完整的气象站点近30年的气象数据，借助RClimDex模型计算极端降水指数，结合线性趋势分析法、Mann⁃Kendall突变检验、小波分析等方法分析伊犁河流域极端降水事件的降水时空特征，全面揭示了流域极端降水“强度⁃频率⁃持续时间”的演变规律，明确年际变化趋势的协同性和差异性、极端降水典型空间分布格局的核心驱动因子和极端降水周期性波动与区域气候系统变率的关联机制.本研究结果以期加深对该区域气候变化的认识，为区域气候预测提供理论依据.

1 资料与方法

1.1　数据

选取新疆伊犁河流域的①霍尔果斯、②霍城、③伊宁、④伊宁县、⑤尼勒克县、⑥新源县、⑦巩留、⑧察布查尔锡伯自治县、⑨昭苏县（两个）、⑩特克斯县共11个国家级地面气象站点1991-2020年的日降水量数据作为研究资料，所有数据均来源于中国气象局数据库，已完成系统性质量控制，各气象站点的空间分布情况如图1所示.

1.2　研究方法

1.2.1　极端降水指数选取

基于R语言软件中RClimDex计算极端气候指数的程序包.该程序包需要对日降水量（24 h）等气象要素进行11种极端降水指数的计算，各指数名称及含义见表1.

数据处理过程如下：（1）对数据进行基础质量筛查，剔除低于0 mm的异常记录；（2）采用三倍标准差法，将数据与当地气候背景进行对比，识别、修正离群值，消除偶然误差的干扰；（3）选取1992-2019年的数据，利用RClimDex程序包对筛选后的数据进行深度处理，生成各站点极端降水指数，为时空特征分析提供支撑.

1.2.2　线性趋势分析法

选取最小二乘法作为线性回归分析方法，对极端降水指数的年际变化趋势进行分析.

Slope=\frac{n\times {\displaystyle \sum _{i=\mathrm{1}}^n}\left(i\times T_i\right)-{\displaystyle \sum _{i=\mathrm{1}}^n}i\times {\displaystyle \sum _{i=\mathrm{1}}^n}{T}_i}{n\times {\displaystyle \sum _{i=\mathrm{1}}^n}{i}^{\mathrm{2}}-{\left({\displaystyle \sum _{i=\mathrm{1}}^n}i\right)}^{\mathrm{2}}}(1)

其中，Slope为线性回归系数，n为时间序列总长度，i为年序号（1≤i≤n），T_i为第i年极端气候指数值.Slope0表示极端降水指数呈上升趋势，Slope0表示呈下降趋势.

1.2.3　Mann⁃Kendall突变检验

为了探究降水时间序列的突变特征，将采用非参数统计检验方法Mann⁃Kendall （M⁃K）展开分析.针对包含n个样本的时间序列x，构造秩序列r：

r_i=\left\{\begin{array}{c}\mathrm{1}{x}_i{x}_j\\ \mathrm{0}\mathrm{e}\mathrm{l}\mathrm{s}\mathrm{e}\end{array}\right.j=\mathrm{1,2},\dots ,i(2)

秩序列s_k是第i时刻数值大于j的时刻数值个数的累计.在时间序列随机独立的假定前提下，定义统计量U{F}_k，表示如下：

U{F}_k=\frac{s_k-E\left(s_k\right)}{\sqrt[]{Var\left(s_k\right)}}k=\mathrm{1,2},\dots ,n(3)

其中，U{F}_{\mathrm{1}}=0；E\left(s_k\right)是累计数s_k的均值，Var\left(s_k\right)为其方差.当x_{\mathrm{1}},x_{\mathrm{2}},\dots ,x_n相互独立，且服从相同连续分布时，E\left(s_k\right)和Var\left(s_k\right)如下所示：

E\left(s_k\right)=\frac{k\left(k-\mathrm{1}\right)}{\mathrm{4}}(4)

Var\left(s_k\right)=\frac{k\left(k-\mathrm{1}\right)\left(\mathrm{2}k+\mathrm{5}\right)}{\mathrm{72}}\left(\mathrm{2}\le k\le n\right)(5)

U{F}_k服从标准正态分布，是按时间序列x顺序x_{\mathrm{1}},x_{\mathrm{2}},\dots ,x_n计算出的统计量序列，给定显著性水平a后，根据正态分布表，若U{F}_kU_a，说明序列有明显的趋势变化.再按时间序列x的逆序x_n,x_{n-\mathrm{1}},\dots ,x_{\mathrm{1}}，重复计算得到逆序统计量U{B}_k.正序统计量U{F}_k和逆序统计量U{B}_k均服从标准正态分布.

常取a=0.05，此时临界值U_{\mathrm{0.05}}=±1.96.将U{F}_k和U{B}_k序列曲线与±1.96直线绘于同一图中，曲线大于0时，序列上升，反之则下降；超临界线时，表明序列上升/下降达到显著水平，超临界线范围为突变时间区域；两曲线交点在临界线之间时，交点时刻为突变开始时间.

1.2.4　Morlet小波分析

小波分析能够解析和推断气象及水文时间序列中存在的周期性变化特征^［21］，本研究使用Morlet小波分析极端降水指标的周期性变化特征.对于时间序列，小波变换为：

W_f\left(a,b\right)={\left|a\right|}^{-\frac{\mathrm{1}}{\mathrm{2}}}(6)

Var\left(a\right)={\int }_{-\mathrm{\infty }}^{+\mathrm{\infty }}{\left|W_f\left(a,b\right)\right|}^{\mathrm{2}}\mathrm{d}b(7)

其中，W_f\left(a,b\right)为小波系数；a为尺度因子，反映小波的周期属性；b为平移因子，反映小波的时间平移属性.小波分析生成的图能够展示气象要素时间序列内包含的多种周期波动以及这些波动随周期变化的强度特点，进而识别并确定影响最显著的周期.

2 结果与分析

2.1　极端降水事件时间变化特征

2.1.1　降水量指数时间变化特征

分析1991-2020年极端降水量指数（图2），结果表明，单日最大降水量（记为“RX1day”）、连续五日最大降水量（记为“RX5day”）、年均雨日降水强度（记为“SDII”）、年均降水总量（记为“PRCPTOT”）、强降水量（记为“R95P”）及极强降水量（记为“R99P”）均呈上升趋势，年际倾向率分别为0.78，1.18，0.30，3.17，3.79和3.29 mm·（10 a）^-1.

RX1day （R²=0.015）的年际波动大，2001-2010年平均值为27 mm，较前十年增长8%，后回落至26 mm，表明单日降水强度阶段性增强，近年略有波动但整体维持高位.RX5day的上升趋势相对明显，但R²=0.012，拟合优度极低，表明连续极端降水事件的年际变率较大.表2给出RX5day在2001-2010年的平均值为43 mm，较前十年增长10.3%，后降至41 mm，与RX1day趋势一致，表明强降水事件在2000年代集中发生.SDII的R²最高（0.213），雨日强度趋稳，三个阶段均值不变，增速无显著变化.PRCPTOT （R²=0.002）的拟合优度最低，受极端事件干扰显著，2001-2010年增长7%后回落.R95P的升幅最大，2001-2010年增加16.9%，后下降12.2%，R99P的变化趋势与R95P一致，于2000年代到达峰值后回落.

2.1.2　降水量指数突变特征分析

对RX1day，RX5day，SDII，PRCPTOT，R95P，R99P进行突变检验分析（图3），结果表明，RX1day的UF和UB曲线在置信区间±1.96内多次交叉，说明该指数年际波动特征突出，但未检测到显著趋势转折.1998-2006年UF曲线大于0，呈上升趋势，UB曲线在0处多次波动，2015年后呈上升趋势.RX5day的UF曲线在前期（1990-2010年）多位于0以上，呈上升趋势，后期回落，波动显著.UF与UB曲线在2013-2020年存在四个交叉点，提示可能存在潜在的突变转折，但未通过95%置信水平的显著性检验.

SDII的UF曲线总体呈上升趋势，1998-2007年接近置信上限，表明该指数在此期间有显著增强趋势；UB曲线在2015年接近-1.96之后快速回升.PRCPTOT的UF曲线在1995-2012年多处位于0以上，呈上升趋势，2012-2020年波动下降，而UB曲线抬升.2019-2020年，UF与UB曲线在置信区间内交叉，存在突变信号，但未通过显著性检验.

R95P的UF曲线整体多位于0以上，表明强降水量总体偏多.在2013年，R95P的UF与UB曲线交叉后，UF曲线呈上升趋势，而UB曲线呈下降趋势，未通过显著性检验.R99P的UF与UB曲线在1996-2012年产生交叉期间，UF曲线呈上升趋势，UB曲线在0处波动，无持续上升或下降趋势，UF与UB曲线处于长期振荡状态，无持续单向趋势，突变信号弱，该指数年际变率较大，难被长期气候趋势主导.

2.1.3　降水日数指数时间变化特征

通过对1991-2020年期间新疆伊犁河流域极端降水事件的降水日数指数分析结果表明（图4），中雨日数（记为“R10”）、大雨日数（记为“R20”）、暴雨日数（记为“R50”）、持续干燥日数（记为“CDD”）及持续湿润日数（记为“CWD”）的年际倾向率分别为0.42，0.12，0.07，-0.86和-0.12 d·（10 a）^-1.

R10，R20，R50均呈上升趋势，R10变化趋势最显著，但R²极低（≤0.025），表明线性趋势不显著，且年际波动较大.2016年三者均达到30年最大值（R²分别为13，4和2），反映极端降水日数在该年份的突发性增强.CDD和CWD均随年际的增加呈下降趋势，CDD在1997年达到峰值44 d，2015年为低值20 d，总之，CDD整体减少，干旱持续时间减少.CWD在2010年和2015年达到峰值6 d·a^-1，且整体下降趋势缓慢，表明湿润持续事件的极端性变化趋势不显著.该结果与李娟等^［22］对中国夏季极端气候变化研究中得到的极端降水指数变化以及赵丽等^［20］对伊犁地区降水指数变化趋势的研究结果比较一致.

总而言之，21世纪以来发生强降水事件的频次更高，这与全球气温上升加速、北疆地区变暖密切相关^［23］.

2.1.4　降水日数指数突变特征

突变特征检验分析结果表明（图5），R10的UF曲线在30年观测期内的多数年份呈现大于0的特征，总体呈上升趋势，但未通过显著性检验，上升趋势不显著.R10的UB曲线呈下降趋势，与UF曲线在1995年和2012年附近出现多个交点，均位于临界值内，未通过95%置信水平的显著性检验.

R20和R50的UF曲线呈现先下降⁃再上升⁃后下降的波动趋势.它们的UB曲线与UF曲线多次相交，交点均位于临界值内呈现上下波动，未通过显著性检验，年际波动无明确转折点.

CDD的UF曲线在20世纪90年代初与UB曲线相交后，两者均呈下降趋势，在1994年再次交叉后，UF和UB曲线呈现短暂上升，第三次突变在1997年，二者相交后，UF曲线呈下降趋势，而UB曲线呈上升趋势，为干旱事件的显著转折点.突变点均在临界值内，未通过显著性检验.

CWD的UF与UB曲线在1995年附近存在两个交点，UF曲线呈现“先升后降”趋势，而UB曲线呈现下降趋势，均未通过显著性检验.2017年出现第三个交点，2017后UF曲线呈下降趋势，UB曲线呈上升趋势，交点前后突变特征显著.

2.1.5　极端降水典型增湿时段分析

综上11个极端降水指数时间变化分析，可知2001-2010年为伊犁河流域极端降水显著增湿时段，与前十年相比，RX1day增长8%，RX5day增长10%，PRCPTOT增长6.8%，R95P增长16.9%，R99P增长27%.

从大尺度气候模态来看，2001-2010年厄尔尼诺⁃南方振荡（ENSO）处于冷相位（拉尼娜事件频发），此时热带太平洋海温异常导致亚热带高压偏弱偏南，西风带位置偏北，有利于更多水汽输送；同时，该时段北大西洋振荡（NAO）以正相位为主，正相位NAO通过增强北大西洋西风急流，两者协同作用加强了向伊犁河流域的水汽输送. 从局地环流异常来看，2001-2010年伊犁河流域850 hPa风场距平表现为西南风异常增强，风场异常是影响区域水汽输送和降水的重要因素，这种风场异常一方面加强了来自里海的水汽输送，另一方面与流域东部地形抬升作用叠加，为极端降水的形成提供动力条件，导致强降水事件频次增加^［24-25］.此外，伊犁河流域下垫面植被覆盖度增加区域占比为58.12%，大于减少区域的占比（37.61%），表明伊犁河流域DNVI变化趋势以增长为主，呈现生态环境整体向好态势^［26-27］.植被覆盖增加将通过增强蒸腾作用提高局地湿度，进一步促进降水的形成，形成“降水⁃植被”正反馈循环，这也是该时段极端降水增湿的重要辅助因子.

2.2　极端降水事件空间变化特征

2.2.1　降水量指数空间变化特征分析

图6为降水量指数的空间变化，由图可见，RX1day和RX5day空间分布特征相似，呈“中西部向四周递增”的半环形分布，SDII从西部向四周递增，PRCPTOT从东部和西南部向西北部递减，R95P和R99P呈“东部、西南部高，西北低”的分布格局.

RX1day和RX5day的高值区与低值区位置高度重合，高值区位于尼勒克、新源、昭苏与特克斯交界处，RX1day的均值为29.2~31.1 mm，RX5day均值为48.6~52.3 mm；低值区位于霍城南部、伊宁西南部、察布查尔北部，RX1day均值为19.7~23.9 mm，RX5day均值为32.4~37.0 mm；RX1day的中值区均值为26.0~27.8 mm，RX5day的中值区均值是40.9~45.0 mm.SDII的高值区位于尼勒克东部、新源中部和巩留东部交界处，均值为4.9~5.1 mm·d^-1，低值区位于察布查尔及相邻区域，均值为4.3~4.6 mm·d^-1.PRCPTOT的高值区位于昭苏大部、特克斯西南部、巩留东部、尼勒克和新源中部及东部，均值为484.2~553.1 mm，低值区位于察布查尔北部、伊宁大部、霍城中南部、霍尔果斯南部，均值为221.6~303.5 mm.R95P与R99P的高、低值区分布相似，与新疆“北疆多雨、南疆少雨”的宏观格局一致^［12］.高值区主要分布在新源、特克斯西南部及昭苏南部，R95P均值为113.3~128.5 mm，R99P均值为42.1~47.6 mm.R95P中值区位于察布查尔与昭苏、特克斯与巩留、伊宁县与尼勒克的交界处，均值为85.7~100.9 mm，R99P的中值区分布在察布查尔南部、巩留大部、伊宁县与尼勒克交界处，均值为31.7~37.6 mm.二者的低值区与PRCPTOT的低值区重叠，表明年降水总量少的区域，强降水也相对稀少.

2.2.2　降水日数指数空间变化特征分析

通过对降水日数的空间变化分析（图7）可知，R10，R20，R50呈由西北向东南递增的共同趋势，南部先增后减，这与新疆研究区的结论相似^［28］；CDD由西北向东南递减，东部略有增加；CWD呈由西北向周围递增的格局，巩留西北部为低值区.

R10与R50的高值区均位于新源中部、尼勒克与巩留东部，R10高值区在昭苏北部略有分布，R20高值区位于尼勒克、新源与巩留东部.R10与R20中值区位于察布查尔与昭苏交界处、特克斯北部、尼勒克与巩留中部、新源西部，R10均值为9.4~11.6 d，R20均值为1.9~2.3 d.R50中值区位于昭苏、特克斯、巩留中部，新源西部及尼勒克中西部，均值为1.0~1.3 d.R10，R20，R50低值区位于霍尔果斯中南部、霍城与伊宁大部、察布查尔北部和巩留北部.R10均值为4.4~7.1 d，R20均值为0.7~1.4 d，R50均值为0.3~0.7 d.

CDD的高值区分布在霍尔果斯、霍城与伊宁西南部、察布查尔西北部，均值为31.4~34.6 d；中值区位于昭苏西部、特克斯与巩留西北部、察布查尔东南部、伊宁县大部，均值为26.7~28.8 d；低值区分布在尼勒克与新源中部、巩留东南部，均值为22.8~25.1 d.

CWD的高值区位于昭苏北部和特克斯西部，均值为6.6~7.9 d；中值区位于昭苏与特克斯西南部、巩留东南部、察布查尔南部、新源和尼勒克，均值为5.2~5.8 d；低值区位于伊宁、巩留与察布查尔北部、霍尔果斯与霍城南部，均值为3.6~4.5 d.

2.2.3　极端降水指数典型空间布型驱动因子分析

RX1day与RX5day呈现“中西部向四周递增”的半环形分布格局，从地形角度看，伊犁河流域中部为河谷平原，四周被天山山脉支脉环绕.DEM数据显示，流域中西部海拔多在600~1000 m，四周山地海拔普遍超过2000 m，形成“盆地⁃山地”的地形梯度格局.RX1day和RX5day的高值区集中于尼勒克、新源、昭苏与特克斯交界处（天山支脉环绕区域），该区域降水量较西部平原偏高.风场分析表明，每年5-9月为降水集中期，西风气流携带的水汽进入流域后，受四周山地地形抬升作用，在山前地带形成地形雨，导致RX1day和RX5day在山地迎风坡（如尼勒克东部和新源南部）显著增加，RX1day均值达29.2~31.1 mm，RX5day均值达48.6~52.3 mm.霍城、伊宁等地为低值区，位于河谷西部，地形以平原为主，缺乏显著抬升条件，且西风气流在此处呈发散状态，水汽难以聚集，极端降水强度显著偏低^［29］.

R10，R20，R50呈现“东南多西北少”的分布格局，高值区在新源和尼勒克东部，低值区在霍尔果斯和霍城.从大气环流角度来看，流域极端降水的水汽主要来源于西风带输送.当西风带偏强时，来自大西洋和地中海的水汽通过中亚地区输送至伊犁河流域，在东部及西南部受地形抬升后形成强降水.当西风带偏弱时，水汽输送不足，西北部地区降水进一步减少^［31-32］.从局地环流角度来看，流域东南部因山地与河谷的热力差异，容易形成“谷风环流”，山地受热快，气流上升，河谷冷空气下沉，形成局地对流.该环流可触发短时降水，使中雨以上日数增加.而西北部为平原区，热力差异小，局地对流活动弱，降水日数显著偏少^［29-30］.从下垫面反馈角度来看，东南部新源和尼勒克为草原与森林覆盖区，地表蒸发较强，可为局地降水提供额外水汽；西北部霍尔果斯和霍城以荒漠草原为主，蒸发量小，水汽不足，进一步加剧了降水日数的空间差异.

2.3　极端降水指数的周期性分析

运用Morlet 小波变换分析理论，借助MATLAB R2018b的WaveManu工具箱计算小波系数，将结果导出至Origin软件来绘制各极端降水指标小波系数等值线图，由小波系数实部等值线图可直观呈现不同时间尺度下极端降水序列周期变化^［33-35］，其中冷色区域代表小波系数负值区（极端降水指数值偏小），暖色区域代表正值区（极端降水指数值偏大）.

2.3.1　降水量指数周期性分析

通过对降水量指数周期性分析（图8）可知，极端降水指数的周期特征存在显著差异，本质是不同气候模态影响尺度与流域下垫面反馈共同作用的结果.其中“2005年后振荡能量增强、年际变化加剧”的共性规律，与北大西洋振荡（NAO）和厄尔尼诺⁃南方振荡（ENSO）等大尺度气候模态的年际变率增强相关^［36-37］.RX1day和RX5day表现出4~8 a短周期主导的波动特征，与ENSO的周期（2~7 a）高度吻合.1991-2005年以正相位为主，表明该时段降水量偏多，对应ENSO冷相位（拉尼娜）频发期，易形成持续性强降水；2005年后正负相位交替频率增加，与ENSO冷暖相位转换加速同步，极端降水波动强度显著增强.SDII周期特征较弱，主要在4~8 a的短尺度上出现零星正、负相位波动，整体趋势不显著，受局地地形（喇叭口地形抬升）与短时对流活动影响，削弱了大尺度气候模态对SDII的影响，故缺乏显著周期性规律^［38］.

PRCPTOT存在明显的8~12 a长周期特征，受大西洋年代际振荡（简写为“AMO”）调控.AMO正相位时，流域降水总量偏多；AMO负相位时，降水总量减少.2015年后AMO转入弱正相位，降水总量随之回升^［39-40］，这一过程与小波分析中PRCPTOT的长周期相位变化一致.R95P和R99P的周期性变化具有相似性，正、负相位交替频繁.2000年前以负相位为主，强降水偏少，2000年后正相位逐渐主导，强降水偏多，在2010年后正、负相位交替，正相位显著增强，表明极端降水事件频率与强度显著增加，呈偏多趋势.

2.3.2　降水日数指数周期性分析

通过对降水日数的小波系数等值线图（图9）分析发现，除CWD外，其余降水日数指数均表现出4~8 a和8~12 a的主周期，但周期强度较弱，年际波动受随机因素影响较大.

R10在时间尺度为4~8 a和8~12 a时，正、负相位交替出现.1991-2005年以正相位为主，中雨日数偏多，2005-2020年正、负相位交替频率增加，波动加剧，反映出中雨日数的年际变化更加复杂.R20在1991-2010年以正相位为主，大雨日数整体偏多，2010年后负相位占比增加，显示大雨日数呈减少趋势，仍存在短周期的正、负波动.R50周期特征较弱，主要在4~8 a的短尺度上出现零星正、负相位变化，整体趋势不显著，表明暴雨日数的周期性规律不明显.其中4~8 a短周期波动主要受ENSO与NAO的协同调控.ENSO通过影响水汽输送的“量”，NAO通过影响降水系统的“持续时间”，共同决定降水日数^［41-42］.

CDD存在明显的8~12 a长周期特征，1991-2000年为正相位，持续干燥日数偏多，2000-2015年转为负相位，持续干燥日数减少，2015年后正相位再次出现，显示持续干燥日数有回升趋势，且2000-2010年振荡较强.这一周期与NAO的次年代际变率及AMO的影响密切相关.AMO正相位间接调控欧亚大陆的环流系统，与NAO协同作用放大了CDD的中长周期振荡幅度^［43］，使CDD在8~12 a的周期内“长⁃短”交替特征更显著.CWD在4~8 a和8~12 a尺度上，正、负相位交替出现，周期特征较弱，2005年之前以正相位为主，持续湿润日数较多；2005年后负相位占优，持续湿润日数呈减少趋势.这一现象与局地环流和水汽收支失衡相关，2015年后再次出现短周期正相位波动.

总体上，在短时间尺度下，各指数等值线相对较为稀疏且变化单一，这与李佳秀^［44］等得到的新疆极端降水事件的时空变化及趋势预测在短时间内变化规律不显著的结论相似.

3 结论

本研究选取了新疆伊犁河流域11个气象站点1991-2020年的降水观测数据，利用RClimDex模型计算六项降水量指数与五项降水日数指数，系统分析该区域极端降水事件的时空演变特征.结果如下.

（1） 1991-2020年新疆伊犁河流域极端降水指数中，RX1day等六个降水量指数和R10等三个降水日数指数呈上升趋势，R95P与R99P的年际倾向率较大，分别为3.79和3.29 mm·（10 a）^-1.CDD和CWD的值呈下降趋势，速率分别为-0.86和-0.12 d·（10 a）^-1，该区域持续干旱和持续湿润事件的时间整体缩短.

（2）在极端降水指数突变特征中，多数极端降水指数的突变点集中在1995-2013年，降水量指数均存在多个突变点，但整体未超过置信区间，突变不显著.SDII和RX5day指数的上升趋势相对显著，在2000-2005年接近显著性临界值.

（3）新疆伊犁河流域极端降水空间分布呈现分指数差异化特征，并非统一的简单格局.受地形与大气环流的协同作用，RX1day和RX5day呈“中西部向四周递增”的半环形格局；PRCPTOT，R95P，R99P呈“东部（新源）、西南部（昭苏、特克斯）双高，西北部（霍尔果斯、霍城）低”的格局；R10，R20，R50受地形与局地环流等因素共同影响，由西北向东南递增，整体表现为“东南多、西北少”的梯度特征.综合来看，流域东部与西南部为极端降水高值集中区，西北部为低值区，且干旱时间较长，CDD的均值达31.4~34.6 d.

（4）在极端降水指数周期性变化方面，降水量指数与降水日数指数周期特征差异显著，且受大尺度气候模态与局地因素共同作用.降水量指数除年均雨日降水强度（SDII）外，其余指数存在4~8 a短周期和8~12 a中长周期特征，SDII受局地地形影响，周期特征较弱.受ENSO与NAO协同影响，2005年后正、负相位交替频繁，极端降水年际变化加剧，说明区域极端降水对全球气候变化响应更加敏感.

参考文献

[1] 赵煜飞,张强,鞠晓慧,等.中国近30年短时极端降水特征分析.大气科学,2024,48(3)：1144-1156.

[2] Chen T, Chen S M, Zhou M S,et al. Northward shift in landfall locations of tropical cyclones over the western North Pacific during the last four decades. Advances in Atmospheric Sciences,2022,39(2)：304-319.

[3] Ma D, Meng X H, Lü S H,et al. Simulated impacts of the wetter arid area of Northwestern China on the energy budget and atmospheric circulation over Tibetan Plateau and central part of North China plain in summer. Atmospheric Research,2023,283：106547.

[4] 沈贝蓓,宋帅峰,张丽娟,等.1981-2019年全球气温变化特征.地理学报,2021,76(11)：2660-2672.

[5] 纪忠萍,源艳芬,徐艳虹,等.2019年广东前汛期连续暴雨与大气季节内振荡的联系.大气科学,2021,45(3)：588-604.

[6] 杨崧,徐连连.泛南海地区极端降水的历史分布和未来演变特征.大气科学,2024,48(1):333-346.

[7] 梁晓燕,牛震敏,许兴斌,等.1960-2016年甘肃省极端气候事件变化特征.兰州大学学报(自然科学版),2020,56(2)：231-242.

[8] 吕春艳,刘明歆,李艳.柴达木盆地夏季极端强降水特征及大气环流成因.兰州大学学报(自然科学版),2021,57(2)：252-262.

[9] 李佳秀,徐长春,王晓,等.新疆极端降水事件时空变化特征研究.人民黄河,2015,37(2)：33-37.

[10] 杨霞,周鸿奎,赵克明,等.1991-2018年新疆夏季小时极端强降水特征.高原气象,2020,39(4)：762-773.

[11] 商沙沙,廉丽姝,马婷,等.近54 a中国西北地区气温和降水的时空变化特征.干旱区研究,2018,35(1)：68-76.

[12] 王琴.新疆近65年降水时空变化分析.水利规划与设计,2024(6)：4-8, 32.

[13] 艾克代·沙拉木,何清,阿力木·阿巴斯,等.帕米尔高原东部地区4-9月降水日变化特征研究.沙漠与绿洲气象,2022,16(6)：42-50.

[14] 苗运玲,张云惠,郑玉萍,等.1978-2018年乌鲁木齐-昌吉地区汛期不同量级降水日数变化特征及与降水量的关系.气象与环境科学,2020,43(4)：97-104.

[15] 刘京会,袁旭山,李艳敏,等.基于CMIP6的伊犁河流域极端降水时空特征分析研究.干旱区地理,2025,48(8)：1329-1341.

[16] 潘银妹,戴雪荣,毛东雷.新疆开都河⁃孔雀河流域近59年极端气候事件时空变化特征.湖北农业科学,2022,61(15)：42-49, 74.

[17] 邬晓丹,罗敏,孟凡浩,等.气候暖湿化背景下新疆极端气候事件时空演变特征分析.干旱区研究,2022,39(6)：1695-1705.

[18] 古丽扎尔·莫明,杨莲梅,刘艳,等.伊犁河流域近30 a洪水灾害时空分布及孕灾环境特征研究.干旱区地理,2024,47(8)：1314-1326.

[19] 刘婷婷,申高航,谢晓华.1981-2020年沂沭河流域极端降水事件特征及环流背景.沙漠与绿洲气象,2024,18(3)：69-77.

[20] 赵丽,杨青,韩雪云.1961-2009年伊犁地区降水指数的时空分布及变化特征分析.干旱区资源与环境,2014,28(10)：82-89.

[21] 王晓莹,景元书,鲁永新.近40年云南省极端降水时空变化特征分析.科学技术与工程,2021,21(30)：12822-12831.

[22] 李娟,闫会平,朱志伟.中国夏季极端气温与降水事件日数随平均气温变化的定量分析.高原气象,2020,39(3)：532-542.

[23] 刘方圆.塔里木盆地现代极端降水变化与机制研究.硕士学位论文.西安：中国科学院大学(中国科学院地球环境研究所),2022.

[24] 杨青,姚俊强,赵勇,等.伊犁河流域水汽含量时空变化及其和降水量的关系.中国沙漠,2013,33(4)：1174-1183.

[25] 方建刚,白爱娟.陕西春季干旱与多雨的环流特征对比分析.干旱区地理,2010,33(3)：363-369.

[26] 闫俊杰,陈晨,赵阳,等.基于TINDVI的伊犁河谷草地覆盖变化.水土保持研究,2021,28(3)：331-339.

[27] 武鹏飞,玉奴斯·唐阿塔尔,代鹏超,等.2001-2020年新疆伊犁河谷植被主要生长季NDVI时空变化与水热因子关系研究.沙漠与绿洲气象,2024,18(4)：143-150.

[28] 艾克代·沙拉木,何清,阿力木·阿巴斯.新疆克孜勒苏柯尔克孜自治州暖季小时极端降水时空分布特征.沙漠与绿洲气象,2024,18(2)：20-26.

[29] Nishizawa S, Yamaura T, kajikawa Y. Influence of submesoscale topography on daytime precipitation associated with thermally driven local circulations over a mountainous region. Journal of the Atmospheric Sciences,2021,78(8)：2511-2532.

[30] Shen D D, Li N, Ran L K,et al. Effects of a preexisting cold pool on the initiation of an extreme rainfall in southern Xinjiang. Atmospheric Research,2024,299：107151.

[31] Ashfaq M. Topographic controls on the distribution of summer monsoon precipitation over South Asia. Earth Systems and Environment,2020,4(4)：667-683.

[32] Xu C X, Wang S Y S, Borhara K,et al. Asian⁃Australian summer monsoons linkage to ENSO strengthened by global warming. NPJ Climate and Atmospheric Science,2023,6(1)：8.

[33] 李志刚,娄嘉慧,史冲.1960-2020年河南省极端降水时空演变特征.华北水利水电大学学报(自然科学版),2024,45(4)：16-26.

[34] 李加顺,赵伟华,刘丽,等.1960-2020年滇中地区极端降水指标时空演变规律研究.水利水电技术,2025,56(1)：1-14.

[35] 梅钟尹.重庆市极端降水变化规律研究及未来趋势预测.硕士学位论文.重庆：重庆交通大学,2024.

[36] Gao Y, Tian X, Hu Y Y,etal. Active El niño⁃southern oscillation⁃like interannual variability 120 million years ago. Geology.

[37] Song X M, Zhang C H, Zhang J Y,et al. Potential linkages of precipitation extremes in Beijing⁃Tianjin⁃Hebei region,China,with large⁃scale climate patterns using wavelet⁃based approaches. Theoretical and Applied Climatology,2020,141(3)：1251-1269.

[38] Min Y F, Huang W L, Ma M J,et al. Simulations in the topography effects of Tianshan mountains on an extreme precipitation event in the Ili river valley. China Atmosphere,2021,12(6)：750.

[39] Zhang J M, Wu R G, Jia X J. Interdecadal changes in persistent drought over Asia under phase transitions of the Atlantic Multidecadal Oscillation. Climatic Change,2025,178(5)：104.

[40] Zhu Q X, Li H X, Sun B,et al. How the AMO influences interdecadal variations of compound hot drought events in Northern East Asia. Science China Earth Sciences,2025,68(9)：2924-2937.

[41] Wang S, Liu G, Ding M H,et al. Potential mechanisms governing the variation in rain/snow frequency over the northern Antarctic Peninsula during austral summer. Atmospheric Research,2021,263：105811.

[42] Ruiz⁃Vásquez M, Arias P A, Martínez J A. Enso influence on water vapor transport and thermodynamics over Northwestern South America. Theoretical and Applied Climatology,2024,155(5)：3771-3789.

[43] Wang H, Zuo Z Y, Zhang R H,et al. Thermodynamic effect dictates influence of the Atlantic Multidecadal Oscillation on Eurasia winter temperature. NPJ Climate and Atmospheric Science,2024,7(1)：151.

[44] 李佳秀,杜春丽,杜世飞,等.新疆极端降水事件的时空变化及趋势预测.干旱区研究,2015,32(6)：1103-1112.

基金资助

第三次新疆综合科学考察项目(2022xjkk040302)