长江流域径流趋势变化及突变分析

选取长江流域重要控制站宜昌、汉口和大通站,分别应用1882~2000年、1870~2000年和1950~2000年的月平均流量资料,对年代际、月径流、季节性径流的变化以及径流的变化趋势及突变进行了分析研究,并使用非参数Mann Kendall法来检验径流的趋势变化。趋势分析表明,20世纪90年代长江流域径流呈微弱增加趋势,但不显著且地区分布不均,中上游减少,下游增加;而季节性夏季和冬季径流增加趋势明显,尤其是7月和1月径流增加最突出;更重要的是90年代汛期径流也呈现出增加趋势,汛期径流的增加在一定程度上加大了洪灾发生的可能性,这可能是导致洪灾频繁的原因之一。突变分析指出,宜昌和汉口站从1926年开始径流经历了一个明显减少的变化,这与20世纪20年代初,北半球突然变暖,长江上游地区呈现降温、降水减少趋势一致。     

洞庭湖流域近54 a来冬季降水及其异常环流特征分析

基于洞庭湖流域96个气象站点1961~2015年逐月降水数据和美国NCEP/NCAR再分析数据,对洞庭湖流域近54 a来冬季降水的时空变化特征和典型冬涝、冬旱年的大气环流及水汽输送形势进行分析,并讨论逐年冬季降水与同期欧亚环流指数(EUCI)、可降水量和水汽通量散度的关系。结果表明:近54 a,流域冬季降水存在明显的年际和年代际变化特征,具体表现为20世纪60年代和70年代降水偏少,80年代降水开始增多,其后期至90年代中后期降水偏多明显,进入21世纪以来降水又呈波动减少的趋势。此外,流域冬季平均降水量和冬季降水标准差均呈现由南向北、由东向西递减的空间分布特征。从大气环流和水汽输送形势来看,典型冬涝年和冬旱年的空间分布大致相反,表明流域冬季异常降水是与大尺度环流形势的异常密切关联的。计算发现,逐年冬季可降水量、水汽通量散度和欧亚环流指数与流域冬季降水均具有较好的关系,相关系数分别达到0.43、-0.68、-0.53,通过0.01的信度检验。     

大盈江流域降雨径流变化趋势及原因分析

采用滑动平均法、累积距平法和Mann—Kendall检验法对大盈江流域1956年以来逐月长系列降雨、径流资料进行分析研究。结果显示：大盈江流域降雨与径流变化过程关系密切，但两者变化趋势因受气候与人类活动干扰表现出一定的差异；近45年来，降雨呈增多趋势（通过了α=0．05的M-K检验），其中9月份降雨量增多趋势非常明显（通过了α=0．01的M-K检验）；与降雨量的显著增多不同，年径流量的增加趋势不显著，其中2月份径流量显著减少，9月份径流量显著增多（均通过了α0．05的N-K检验），且年内分配不均匀程度增大。流域降雨的增加可能是由于全球气候变暖，导致南亚季风增强引起的。影响年径流量的因素较复杂，气候变化和地下径流量等自然因素是主要原因，但人类活动影响的作用正在增加。旱季人类活动对径流量影响较大。     

长江流域年平均气温的时空变化特征

利用长江流域146个气象站点1960~2005年的逐年气温资料,选用EOF和REOF方法识别长江流域年平均气温空间变化特征,并对长江流域年平均气温变化敏感区域进行时间演变分析和突变检测。研究表明:长江流域年平均气温主要有2种空间振荡型（即全流域气温变化趋向一致型和流域内气温变化存在东西向差异型）,3个变化敏感区域（长江流域中下游地区、长江流域南部和金沙江流域）。3个变化敏感区域的年平均气温都在20世纪90年代明显升高,且均在90年代后期呈突变增加,其中金沙江流域升温趋势最为明显,气候倾向率为0.20℃/10a。全流域1991~2005年年平均气温距平空间分布表明,自1991年以来全流域都为升温趋势,其中长江流域中下游地区和金沙江流域是升温幅度最大的地区。     

太湖西苕溪流域径流变化归因分析

气候变化与剧烈的人类活动正深刻地影响着全球水循环系统,河川径流作为水循环系统中的重要组成部分,也因此发生了显著的变化。为此,以太湖上游西苕溪流域为典型,应用累积距平、线性趋势分析及流量历时曲线等方法,分析1972~2015年流域内的水文气象变化趋势;基于累积量斜率变化分析方法与气候弹性模型,定量揭示降水与人类活动对流域径流变化的贡献率。研究结果显示:(1)1972~2015年间流域年径流量呈减小趋势,并且在1999年发生突变,以此将时间序列划分为基准期与变异期两个阶段。变异期流域年均径流量减少约11.76%,减少幅度较大。(2)流域降水量年际变化趋势并不显著,与基准期相比,变异期年均降水减少约1.43%,减少幅度较小,但流域径流对降水变化敏感。汛期降水量占年降水量比重减少,降水的年内分配逐渐坦化,一定程度上使得产流减少。(3)根据累积量斜率变化率分析方法,降水与人类活动对西苕溪流域径流减少的贡献率分别为26.45%和73.55%,由气候弹性模型计算得出二者的贡献率分别为23.52%与76.48%。两种计算方法结果较为接近,均表明人类活动是导致西苕溪流域径流减少的主要因素。     

基于CHIRPS卫星降水的雅砻江流域干湿时空演变分析

雅砻江流域是我国水电开发的重点区域之一，在全球气候变化背景下探究流域干湿时空演变规律有利于合理规划和充分利用水资源，为流域内农业生产活动提供科学指导。基于1981~2017年雅砻江流域内及周边16个气象站月气象数据，采用Penman-Monteith（PM）公式计算各站逐月潜在蒸散量ET0，基于气象站降水校正CHIRPS卫星降水产品，从而获得更高空间分辨率的降水数据，以此计算标准化降水蒸散SPEI指数，采用云模型、Mann-Kendall（MK）趋势检验法分析流域年代际、年、季尺度的干湿时空分布特征与变化趋势。结果表明：（1）对CHIRPS卫星降水产品进行偏差校正不但提高了精度，而且能够获得更高空间分辨率的降水；（2）流域春季呈湿润化趋势，其余时间尺度均呈现干旱化趋势，以冬季干旱化速率最快。年尺度下干湿变化不均匀度的稳定性最差，秋季稳定性相对最好。春、冬两季SPEI空间分布的不均匀度弱于时间分布；（3）同一时间尺度下的流域各级别干湿相对面积近似呈正态分布，流域干湿变化趋势空间分布差异较大；（4）流域各级别干旱与湿润高发区无明显区域分布规律，发生干旱与湿润的最高频率在20%左右，且随着干湿程度的加重，频率变化范围逐渐缩小；（5）不同年代干湿频率差异较为显著，年平均干旱频率变化趋势为减-增-减，湿润频率变化趋势为增-减-减，湿润频率高值区呈现由下游向上游转移的趋势。     

长江流域年平均气温的时空变化特征

利用长江流域146个气象站点1960~2005年的逐年气温资料，选用EOF和REOF方法识别长江流域年平均气温空间变化特征，并对长江流域年平均气温变化敏感区域进行时间演变分析和突变检测。研究表明:长江流域年平均气温主要有2种空间振荡型（即全流域气温变化趋向一致型和流域内气温变化存在东西向差异型），3个变化敏感区域（长江流域中下游地区、长江流域南部和金沙江流域）。3个变化敏感区域的年平均气温都在20世纪90年代明显升高，且均在90年代后期呈突变增加，其中金沙江流域升温趋势最为明显，气候倾向率为0.20℃/10a。全流域1991~2005年年平均气温距平空间分布表明，自1991年以来全流域都为升温趋势，其中长江流域中下游地区和金沙江流域是升温幅度最大的地区。     

近50年金沙江各区段年径流量变化及分析

为深入探究不同自然地理条件下金沙江流域的径流特性,将屏山站以上区域分为6个区段,采用线性倾向估计、Spearman秩次相关检验、Mann Kendall检验、有序聚类分析、秩和检验等方法,分析了1960~2015年各区段径流序列,并结合流域的水文要素和人类活动情况讨论了影响径流量变化的因素。结果表明: 近50 a仅直门达以上区段和华弹-屏山区段径流变化在全时段有显著趋势,分别是上升和下降;但在近20 a中下游的石鼓-攀枝花、攀枝花-华弹、华弹-屏山区段均呈现明显的下降趋势。90年代后多个区段经历了突变。分析表明降水是近50 a来径流变化的主要驱动因素;其中石鼓站以上区段和雅砻江流域受降水影响最大。没有充足证据表明持续上升的气温对各区段径流量造成足够的影响。进入21世纪后,以水土保持措施为代表的人类活动是下游攀枝花-华弹、华弹-屏山区段径流减少的重要因素,但主导因素仍为降水。此外,雅砻江流域和华弹-屏山区段内大型水库投运前的初期蓄水对当年径流量有显著影响;蓄水后的水库蒸发及引水工程的损失对径流影响则相对较小。     

淠河流域不同强度等级降水变化研究

淠河流域降水时空变率大,深入分析不同强度等级降水的特征和变化,对于全面揭示研究区气候变化、合理有效利用水资源、防治洪旱灾害具有十分重要的意义。基于淠河流域12个气象站1958~2012年逐日降水资料,分析年、季不同级别降水量(频次)的变化特点,以及主汛期(5~9月)连续3d最大降水量的概率分布。结果表明,淠河流域小雨量(频次)四季分布比较均匀,级别越高,降水频次越少,分布越集中,夏季暴雨多发。淠河流域年总降水量增加趋势不显著,总降水频次则显著减少。夏季各级别降水量(频次)均呈增加趋势,其中暴雨增加最显著,冬季总降水频次无明显趋势变化,小雨、中雨量增加显著,春、秋季总降水频次和小雨频次的减少趋势极其显著。淠河流域暴雨量、暴雨频次均在1968年发生增多突变,小雨频次在1975年有极显著减少突变,年总降水量有增多突变,总降水频次则有减少突变。自20世纪70年代后期以来,研究区主汛期连续3d极端强降水出现概率加大,不同重现期极值增大,洪涝灾害风险加剧。     

近50年鄱阳湖五大流域降水变化特征研究

基于鄱阳湖流域在江西省内部分对应的79县市气象站1960～2006年逐日降水观测资料,采用线性回归的方法分别研究五大流域的年降水量、降水日数、暴雨日数等3要素的变化趋势,并用Mann法进行了变化趋势的显著性检验,用距平与均方差之比达到15和20作为气候异常检验指标,对各流域的各时间序列进行了异常检验,采用了Mann Kendall法对各时间序列进行突变检测。结果表明：（1）各流域的年降水量变化趋势基本一致,年降水量与年暴雨日数密切相关;饶河流域强降水事件较多,降水强度大,赣江中游流域降水时间分布相对较均匀,强降水事件较少;（2）各流域年降水量、暴雨日数总体呈波动上升趋势,20世纪90年代以来暴雨日数异常偏多的概率最大;（3）年降水日数以20世纪80年代中期为界,之前呈波动上升趋势,之后呈波动下降趋势,2002年至今各流域降雨日数明显偏少;（4）各流域的年降水量、降水日数、暴雨日数均未出现趋势性的突变;（5）近50年来鄱阳湖流域降水时间分布不均的情况加剧,旱涝灾害风险增加。     

长江流域月降水的EEMD多时间尺度遥相关分析

基于长江流域138个气象站1961~2016年的逐月降水观测资料,应用集合经验模态分解（EEMD）方法,分别对各站点的月降水序列进行EEMD分解,然后,运用时滞相关分析和逐步变量选择的方法,以识别长江流域月降水周期振荡和长期趋势的显著影响因子,并构建多元线性回归模型对长江流域月降水进行预测。结果表明：（1）近50多年来,长江流域各站点的月降水呈现出显著的季节、年际和年代际尺度振荡特征。（2）流域内各站点月降水的长期变化趋势存在着较大的空间差异性,表现为金沙江、雅砻江、大渡河以及鄱阳湖流域是月降水长期趋势显著增加的集中区,而岷江中游以及洞庭湖流域的南部是月降水长期趋势显著减少的集中区。（3）厄尔尼诺1+2区的平均海表温度（NINO1+2）的过去模式是影响长江流域月降水周期振荡的主要气候因子,而全球平均气温距平（GlobalT）是影响长江流域月降水长期趋势的主要气候因子。（4）基于已识别的影响因子构建的月降水量预测模型在旱季的预报性能高于雨季,并在长江上游地区的预报性能高于其中下游地区。     

LUCC及气候变化对李仙江流域径流的影响

为揭示李仙江流域LUCC和气候变化对径流变化的影响,基于SWAT模型,通过设置不同情景,定量分析了不同土地利用类型和气候要素对流域内径流的影响,并结合RCP4.5、RCP8.5两种气候情景对流域未来径流的变化进行了预估。结果显示：(1) SWAT模型在李仙江流域径流模拟中具有很好的适用性,可以用SWAT模型进行流域的径流模拟,率定期的模型参数R2、Ens分别达到0.74、0.73,验证期的模型参数R2、Ens分别达到0.63、0.63;(2) 单一土地利用情景显示,将农业用地转化为林地或草地,均会导致流域径流量的减少,而将林地转化为草地则会引起流域径流量的增加,农业用地、林地、草地三者对径流增加贡献顺序为农业用地＞草地＞林地。(3) 2006~2015年间李仙江流域的LUCC引起的月均径流增加幅度小于气候变化引起的月均径流减少幅度,李仙江径流的变化由气候变化主导。(4) 在RCP4.5和RCP8.5两种气候情景下,2021~2050年间李仙江流域径流均呈减少趋势,减少的速率分别为3.6和2.15亿m³/10 a,这与1971~2015年间,流域实测径流减速为6.7亿m³/10 a的变化趋势一致,但这两种情景下,径流的减少趋势有所降低,分别为1971~2015年减速的53.7%、32.1%。     

Runoff variation affected by precipitation change and human activity in Hailiutu River basin,China

For recent years,runoff generation and hydrological processes in Hailiutu River basin have been greatly changed by climate change and human activity,especially water and soil conservation construction.In this study,the trends in precipitation,evapotranspiration(ET)and river runoff as well as the effects of precipitation change and human activity on runoff variation have been studied.The results showed that during 1960-2000,annual precipitation and river runoff,monthly precipitation and ET in September and October as well as monthly runoff in all months showed a significant decrease.In addition,peak flow and base flow had a large decrease.Under the joint influence of precipitation change and human activity,the mean annual runoff decreased by 35 million m3 from the baseline period(1960-1985)to the change period(1986-2000),which accounted for 60.9%and 39.1%of the total runoff decrease,respectively.Precipitation change played a primary role in the decrease of annual runoff whereas human activity,particularly water and soil conservation construction,also had remarkable impacts on runoff variation.     

Runoff variation affected by precipitation change and human activity in Hailiutu River basin,China

For recent years, runoff generation and hydrological processes in Hailiutu River basin have been greatly changed by climate change and human activity, especially water and soil conservation construction. In this study, the trends in precipitation, evapotranspiration (ET) and river runoff as well as the effects of precipitation change and human activity on runoff variation have been studied. The results showed that during 1960–2000, annual precipitation and river runoff, monthly precipitation and ET in September and October as well as monthly runoff in all months showed a significant decrease. In addition, peak flow and base flow had a large decrease. Under the joint influence of precipitation change and human activity, the mean annual runoff decreased by 35 million m³ from the baseline period (1960–1985) to the change period (1986–2000), which accounted for 60.9% and 39.1% of the total runoff decrease, respectively. Precipitation change played a primary role in the decrease of annual runoff whereas human activity, particularly water and soil conservation construction, also had remarkable impacts on runoff variation.     

长江上游月降水人工神经网络预测模型

长江上游月降水量预测对于三峡库区及整个长江流域水资源管理具有重要意义。根据长江上游不同气候区降水差异,选取玉树、九龙和宜宾3个代表性气象站点近60 a的月降水量数据,运用反向传播神经网络、径向基函数神经网络、广义回归神经网络和多元线性回归法,确定降水时滞和降水月份,建立月降水预测模型,来预测未来一个月的降水量,并采用均方误差和判定系数来验证和对比各种模型的模拟效果。结果显示：人工神经网络模型总体上优于多元线性回归,特别是反向传播神经网络的模拟结果各站表现较好,在确定合理的输入变量和网络结构后,可以尝试作为长江上游各站月降水预测模型。〖     

赣江上游典型流域水沙过程对全球气候变化的响应

剖析太阳活动与全球气候变化对地表水文要素的影响机制,能为区域水资源管理提供科学依据。根据1957～2015年逐月实测水沙资料,综合运用滑动平均、相关性、交叉小波和小波相干分析等方法,探讨了相关的全球气候指数对桃江流域水文要素的影响。结果表明:(1)7个全球气候因子与各水文要素的相关性有所不同。(2)全球气候涛动因子与降水、径流和输沙之间的显著共振周期主要集中在1.33～2.67 a;太阳黑子与降水和输沙之间的显著共振周期主要集中在11.00 a左右;降水与径流之间的显著共振周期主要集中在1.17～2.67 a。(3)太阳黑子活动通过"El Niňo-Southern Oscillation(ENSO)-西北太平洋反气旋/气旋环流-东亚季风"系统实现对研究区降水的影响。(4)南极涛动通过影响东亚季风的强弱来影响研究区的降水。北极涛动通过西太平洋副热带高压影响东亚冬季风,来实现对研究区降水的影响。太平洋-北美涛动和北大西洋涛动通过影响研究区的气流与风的异常来影响研究区的冬季降水。     

黑河上游气候变化对出山口径流的驱动分析

将计量经济学中广泛应用的面板数据分析方法应用到自然科学领域,基于黑河上游山区3个站点的气象水文年尺度数据及季尺度数据,对1959~2009年的降水、温度、潜在蒸散发与出山口径流量分别进行单位根检验、协整检验和格兰杰因果检验,讨论了不同气候要素与径流变化的关系。研究表明：面板数据分析方法同样适用于自然科学领域;各检验结果表明降水、潜在蒸散发对径流存在显著的效应,跟温度相比,潜在蒸散发对径流的影响更为显著,能够更好地表征水文特征;季节尺度上的分析更为细致的说明了降水和潜在蒸散发对径流的影响。利用面板回归模型对黑河流域上游气候变化对径流的驱动影响进行不同情景下的分析,以当前气候条件为本底,结果表明,若气温升高,降水增加,则降水对径流的驱动力减弱,降水减少,则降水对径流的驱动力增强;而降水的变化则不影响气温对径流的驱动作用     

长江流域月降水的多尺度随机特征及其分区

提出了一种基于集合经验模态分解的多尺度信息熵方法来分析长江流域138个气象站1961～2016年的月降水在不同时间尺度下的随机性,然后,采用模糊C均值聚类(FCM)算法对流域月降水进行空间区划,最后,探讨各区平均月降水序列与厄尔尼诺1+2区的平均海表温度(NINO1+2)之间的时滞相关性.结果表明:(1)长江流域月降水存在明显的季节、年际和年代际变化特征;(2)流域月降水在不同时间尺度下的随机性均呈现出东部高-西部低的空间分布模式,并且流域月降水的IMF分量的随机性随时间尺度的增大而降低,且不同地区间其随机性的差异越来越大;(3)流域月降水在各IMF分量上的随机性沿纬向自西向东逐渐增大,而沿经向呈现出拟均匀性;(4)流域月降水在空间上可划分为6个一致性子区域:西部高原区、西南部横断山区、北部低山盆地区、南部低山丘陵区、东南部鄱阳湖平原区和东部长江三角洲区;(5)流域各区平均月降水对NINO1+2的最佳响应时滞自东南沿海向内陆地区依次由2个月延长至4个月.     

Assessment of climate change simulations over climate zones of Turkey

Projected climate change over Turkey has been analyzed by using the reference (1961–1990) and future (2071–2100) climate simulations produced by ICTP-RegCM3. Since examining Turkey as a single region could be misleading due to the existence of complex topography and different climatic regions, Turkey has been separated into seven climatic regions to evaluate the surface temperature and precipitation changes. Comparison of the reference simulation with observations was made spatially by using a monthly gridded data set and area-averaged surface data compiled from 114 meteorological stations for each climatic region of Turkey. In the future simulation, warming over Turkey’s climatic regions is in the range of 2–5 °C. Summer warming over western regions of Turkey is 3 °C higher than the winter warming. During winter, in the future simulation, precipitation decreases very significantly over southeastern Turkey (24 %), which covers most of the upstream of Euphrates and Tigris river basin. This projected decrease could be a major source of concern for Turkey and the neighboring countries. Our results indicate that a significant increase (48 %) in the autumn season precipitation is simulated over southeastern Turkey, which may help to offset the winter deficit and therefore reduce the net change during the annual cycle.