文摘

准确预测降水趋势在一个国家的经济发展是至关重要的。这项研究调查了15个站在斯瓦特河流域降水变化,巴基斯坦,在持续研究时期(1961 - 2011)。非参数Mann-Kendall(可)和斯皮尔曼的ρ(SR)统计每月测试用于检测趋势,季节性,年降水量,trend-free prewhitening方法应用于消除降水时间序列的序列相关性。结果强调积极的(增加)和消极的(减少)月度趋势,季节和年降水量。一个站,谢里夫说,显示明显的月降水事件的最大数量,其次是Abazai, Khairabad,马拉。季节性的时间尺度,降水趋势改变了从夏天到秋天的季节。谢里夫说车站显示最高的积极趋势(7.48毫米/年)的年降水量。在整个斯瓦特河流域,统计趋势发现无意义的年降水量系列次盆地;然而,较低的斯瓦特次盆地显示最大数量增加降水量2.18毫米/年的速度。可和SR测试的性能验证显著性水平是一致的。

1。介绍

降雨和其他降水量是重要的作物选择影响因素和生态区域的变化。准确预测降水趋势可以发挥重要的作用在一个国家未来的经济发展。

拉赫曼和女王1)指出,使用降水时间序列数据预测趋势是更加困难比预测温度的趋势。第四个政府间气候变化专门委员会(IPCC)报道时间和空间降水的变化趋势在整个亚洲世纪下半叶(2]。最近,全世界的气象学家和其他研究人员重大关注分析降水时间序列的趋势。年平均降雨量的减少趋势发现在巴基斯坦沿海和干旱的平原3),东北和华北4,5),印度中央邦(6)和俄罗斯(7,8]。增加年平均降雨趋势也发生在长江流域,中国东南沿海地区和西部[4,5,9),和孟加拉国在夏季10,11]。

不同的统计检验方法用于检测水文和水文气象时间序列的趋势;这些被列为参数和非参数测试(12- - - - - -14]。参数测试更强大,但要求数据是独立的和正态分布,这是很少对水文时间序列数据。对于非参数测试,数据必须是独立的,但离群值具有更好的耐受性。最常见的非参数测试使用时间序列趋势Mann-Kendall [15,16和斯皮尔曼的ρ17,18)测试。Mann-Kendall测试使用的是最常见的一个研究人员在研究水文时间序列的趋势(19- - - - - -23];不太常见,斯皮尔曼的ρ是用来检测单调趋势水文气象数据24]。在很多研究中,斯皮尔曼的ρ结合Mann-Kendall测试用于比较的目的(24- - - - - -28]。

自然灾害,包括雪崩,飓风和风暴、干旱和洪水和暴雨洪水(CBFF),巴基斯坦社会构成严重风险(29日- - - - - -31日]。巴基斯坦面临的一个主要洪水大约每3年,为经济发展创造挑战[32]。2010年,巴基斯坦面临着历史上最严重的洪水事件(33]。世界气候研究计划的专家和世界气象组织(WMO)表示,气候变化是主要原因之一这一前所未有的天气事件序列。联合国科学机构得出结论,热极端热浪、和极端降水事件在巴基斯坦可能会继续变得更加频繁;同样的身体警告说,洪水可能变得更加频繁和强烈的未来2]。世界气象组织指出,2010年的洪水与气候专家预测的序列是一致的,进一步说明当前事件匹配的预测更频繁和剧烈的天气事件由于全球变暖34]。

巴基斯坦的洪水一般集中在流域降水造成的,有时由融雪流增强,导致河流洪水在雨季。哈特曼和Andresky35)报道,巴基斯坦西北部地区的降水机制主要是由雨季从7月到9月之间;他们已经成为近年来更强烈。萨尔玛et al。36]分析了巴基斯坦降雨趋势使用方差分析(方差分析)从1976年到2005年,得出的结论是,虽然总体降雨趋势下降,降雨影响干旱和超级洪水等严重影响人类定居点,水资源管理和农业部门。哈尼夫et al。37]发现显著的降水变化在巴基斯坦北部地区在夏季和季风季节(7月和8月)。降水显著增加的趋势随着时间的推移,已发现在巴基斯坦东北部地区在雨季38];Cheema和哈尼夫39)发现增加降雨巴基斯坦的旁遮普省的趋势。在西北发现显著的增加趋势(兴都库什和Sulaiman山脉)和东喜马拉雅山脉()地区的印度河流域;无关紧要的负面趋势被发现在东北(喀喇昆仑和Transhimalaya)和上层印度河流域的低地35,40]。

在2010年7月的最后一周,前所未有的雨落在斯瓦特和喀布尔河集水区,导致超过400000灾难性洪水流量单位,超过了1929年创下的纪录洪水(250000流量单位)和影响24巴基斯坦地区的肃贪会省(32]。由于不断变化的天气模式,巴基斯坦的肃贪会省和斯瓦特河地区暴露在风险从近年来频繁的洪水和干旱31日,41]。然而,过去的研究大部分都集中在上印度河盆地气候趋势分析。没有降水趋势的研究集中在斯瓦特河流域,已面临频繁的洪水和干旱。本研究填补这一研究空白。

本研究调查趋势和降水的变化随着时间的推移,在巴基斯坦的斯瓦特河流域,使用Mann-Kendall和枪兵的ρ测试。这项研究提供了一个广泛的概述降水的统计数据,包括季节性和斯瓦特河流域年际变化,并可能帮助管理者和农业规划者。研究认为从51年降水数据(1961 - 2011)在15台。

2。方法

2.1。研究区域

本研究主要探讨降水时间序列的变化持续时间(1961 - 2011)在斯瓦特河流域,在巴基斯坦的开伯尔-普赫图赫瓦省(KPK)省。斯瓦特河源于斯瓦特Kohistan的高山,平均海拔为4500米的西北地区。河水流经蓝谷和斯瓦特区,然后裙子下迪尔,流经马拉和马尔丹地区,并流出到喀布尔河。

斯瓦特河对巴基斯坦的未来经济发展很重要。有三个水电站的综合操作能力123兆瓦的斯瓦特河。在撰写本文时,另一个水力发电装置(蒙达语大坝),预计740兆瓦的发电能力,斯瓦特河上正在建设。这座大坝和水力发电,灌溉15100英亩的土地。他们还将提供防洪恰尔萨达的瑙谢拉地区,于2010年被洪水严重影响。

河的下游区通常是山区,海拔从大约360 m - 4500 m从南到北。1800米和3400米之间的植被发生,可见冰川4000米以上。斯瓦特河流域流域位于北纬34°00′之间的北部35°56′和经度70°59东东部72°47′′。

2.2。数据和方法

斯瓦特河流域流域总面积是16750公里²,15个气象站如图1。进一步分为四个亚区:面积上斯瓦特河流域(A1) Panjkora流域(A2) Ambahar流域(A3),和更低的斯瓦特河流域(A4)。这些盆地的集水区是5968,5733,1485,3564公里²,分别。每月检测单调趋势,降水值被添加到生成年度和季节性降水。平均降水值对应的站被认为确定次盆地降水(A1, A2, A3、A4)和降水在整个斯瓦特河流域(A)。这个过程采用从Duhan Pandey [6]。

雨量计站在斯瓦特河沿线由巴基斯坦气象部门(PMD),灌溉的肃贪会省(ID),地表水水文项目(SWHP)。雪山工程公司(SMEC),巴基斯坦,在蒙达语的水坝建设项目中,这些机构的降水时间序列数据收集和处理它,以确保一致性和质量控制42]。

Mann-Kendall和枪兵的非参数ρ测试;因此,数据异常值不会影响结果。降水时间序列的同质性是通过应用两个测试,评估标准正态均匀性测试(SNHT) [43,44和Buishand范围(BR)测试45),为每个站在5%的显著性水平。降水时间序列是同质SNHT和BR统计的关键值是否小于9.17 (46),1.27,1.55 (45),分别。如表1所示,所有的降水系列是同质的。

2.3。统计测试

前应用可和SR测试来确定降水趋势的时间序列选择站,根据测试数据进行测试的要求。的trend-free prewhitening (TFPW)方法应用于消除时间序列数据的序列相关性。斜率的大小在时间序列数据是使用森的斜率计算方法。下面简要讨论使用的统计方法。

2.3.1。自相关和TFPW

删除序列依赖的一个主要问题在测试和解释时间序列数据。应用非参数测试,以检测趋势可以显著影响结果。因此,所有的降雨时间序列数据首次测试的存在自相关系数(在5%的显著性水平,用双尾检验: 的自相关系数值测试在95%置信区间对零假设,使用双尾检验: 如果落在置信区间的上限和下限之间(串行数据被认为是相关的)的方法prewhitening,方差相关(47],trend-free prewhitening (TFPW)方法(24提出了。在这项研究中,站在那里的串行数据相关性被发现,TFPW方法应用于去除的相关测试(Mann-Kendall和斯皮尔曼的ρ)。其他研究人员(28,48- - - - - -51)也采用这种方法来消除时间序列数据的序列相关性。

2.3.2。Mann-Kendall测试

的rank-based非参数Mann-Kendall [15,16)方法应用于长期数据在这项研究中发现统计上显著的趋势。在该测试中,零假设(),没有趋势随着时间沉淀;替代假说(H₁),这一趋势随着时间的推移(增加或减少)。数学方程计算Mann-Kendall统计数据,和标准化的测试数据如下: 在这些方程,和是时间序列观测数据按时间顺序,是时间序列的长度,的数量关系th价值,是挂钩的数量值。积极的在水文时间序列值表明上升趋势;负值表示一个消极的趋势。如果,()被拒绝和统计学意义存在于水文时间序列的趋势。的临界值对于一个从标准正态表0.05的值是1.96。

2.3.3。斯皮尔曼的ρ测试

斯皮尔曼的ρ17,18)测试是另一个rank-based用于趋势分析和非参数方法应用与Mann-Kendall测试。在该测试中,假定时间序列数据是独立同分布,零假设(随着时间的推移)再次表明你没有趋势;替代假说()是这一趋势的存在,数据增加或减少(24]。测试统计数据和标准化的统计数据被定义为 在这些方程,的排名是th观察,是时间顺序编号,时间序列数据的总长度,然后呢是学生的分布()自由度。积极的价值观水文时间序列代表一个增加的趋势;负值表示减少的趋势。的临界值在0.05显著性水平的学生的被定义为分布表(12]。如果,()被拒绝和水文时间序列存在显著的趋势。

2.3.4。森的斜率估计量

森的非参数方法(52)被用来估计的大小趋势时间序列数据: 在这个方程,和表示数据值在时间和,分别。考虑 一个积极的值代表一个增加的趋势;一个负值代表一个随时间下降的趋势。

3所示。结果与讨论

3.1。初步分析

的初步分析研究包括计算均值、标准偏差、偏度系数,峰度系数、变异系数在每个站的年降水量时间序列。表2提出了这些统计参数的持续时间(1961 - 2011)进行了研究。455毫米之间的年平均降雨量不同的斯瓦特河盆地的西南部分集水面积(Ambahar)和990.1毫米的东南部(谢里夫说)。如表所示,偏态系数变化从0.266−2.474;峰度−0.170和11.668之间变化。时间序列数据是正态分布,偏斜度和峰度系数= 0和3,分别。表2因此表明,积极倾斜,不是正态分布的数据。变异系数,测量色散的意思,也是计算分析为每个站年降水量的空间变异性。这个系数变化在21.6% (Khairabad)和45.2%之间(马尔丹)。的平均变异在完整的流域降水是28.9%。

3.2。长期的季节和年度规模的模式

长期气候模式评估使用标准化的季节和年度降水时间序列数据。减少当地的波动,洛斯(53- - - - - -55曲线是随着时间的推移安装根据季节和年降水量时间序列数据。冬季降水的洛斯曲线(图2(一个)在第一个十年呈下降趋势。在第二个十年,这一趋势是常数。最小洛斯曲线值在1990年被观察到;值,然后逐渐上升到2010年。总的来说,基于冬季的曲线数据表明降水减少。1990年之后,有一个逐步上升,尽管当地的小波动被忽略了。春季降水的洛斯曲线(图2 (b)显示前三年来逐渐增加。在1990年实现其最高的价值之后,价值在过去二十年中下降。

夏季降水的洛斯曲线显示,第一个十年不变的趋势,然后开始下降到1978(图2 (c))。1978 - 1992年,曲线开始逐渐增加通过剩余的年。洛斯曲线通过1982年秋季降水表现出降低的趋势;剩下的时间,增加降水。年度降水时间序列,洛斯曲线显示每十年的轻微变化,但总体趋势在整个时间序列几乎是常数。图2显示了降水模式;洛斯曲线是用来显示模式和不解释的显著趋势时间序列。

3.3。月度分析

Mann-Kendall(可)和斯皮尔曼(SR)ρ测试应用于每月检测规模趋势在不同站降水系列。表3显示了结果,说明这两个测试的结果是相似的。月度趋势测试显示的积极的和消极的趋势在不同的电台。Thalozom,统计上显著的正面和负面的趋势在4月和6月,被发现。显著的积极趋势发现Dir和Drosh站3月和8月;没有发现其他月份的重要趋势。谢里夫说车站方面表现出显著的积极趋势从1月到6月,从10月到12月,但负面趋势在7月和8月。显著的积极趋势被发现在大多数的站在5月和6月的月;重大的负面趋势被认为在7月和8月。在其他电台,显著的正面和负面的趋势发生了几个月。图3显示了每个月的降水时间序列空间变化从1961年到2011年在斯瓦特河流域。

每月规模的显著趋势的大小是决定使用森的斜率估计量。结果表明,趋势在谢里夫说,Madyan,卡蓝更快速(如尖锐的增加和减少)相对于其他电台。谢里夫说站的最大负面的月降水量下降(1.83毫米/月)以及最大积极增加(1.43毫米/月)7个月和3月期间,分别。图4显示了每月最大降水变化趋势在谢里夫说。

3.4。季节和年度分析

可和SR测试也用于确定季节性趋势和年降水量在1961年和2011年之间;表4显示了结果。类似于月度分析,从统计测试结果,可老,是一致的。的正面和负面的趋势被认为在不同的电台。Thalozom、蓝和Dir站,显示趋势与每月的时间尺度,并没有表现出显著的趋势季节和年度降水时间序列。在Madyan Khairabad马拉站,在夏天有重大的负面趋势,积极的趋势在秋天。重大的负面趋势观察春天季节只在ToorCamp, Kulangi, Ambahar站。年降水量系列,重要的积极趋势是只发现在谢里夫说,马尔丹,恰尔萨达站。其他电台,重要的积极趋势被认为冬天和秋天季节和年降水量系列;然而,负面趋势发现在春天和夏天的季节。图5介绍了季节性和年降水量的空间分布趋势。

谢里夫说站显示,年降水量最大的积极趋势系列(7.48毫米/年)研究站从1961年到2011年;Thalozom站呈负趋势,下降率为3.70毫米/年。图6显示结果的大小变化的年降水量谢里夫说,马尔丹,恰尔萨达,Thalozom站。

3.5。趋势分析在整个流域

气候变化对降水的影响,也分析了整个斯瓦特河流域的应用可每月和SR测试,季节性,每年的规模。如图1显示,整个斯瓦特河流域(A)分为四次盆地:上层次盆地(A1) Panjkora次盆地(A2) Ambahar次盆地(A3),和更低的次盆地(A4)。表5礼物的月降水趋势在次盆地和盆地。表显示了重要的积极趋势去年6月和11月的上层次盆地(A1)和整个斯瓦特河流域(一个);消极趋势被认为在这些位置在7月和8月。在Panjkora次盆地(A2),统计上显著的积极趋势随着时间的推移被确定在6月;一个消极的趋势被认为从7月到9月。重大案件的最大数量(8)中观察到的数据Ambahar次盆地(A3)。较低的次盆地(A4)显示显著的积极趋势只在1月;没有明显的趋势在其他个月被确定。作为一个简单的总结,重大的负面趋势随时间沉淀被从7月到9月;积极的趋势随着时间的推移被认为今年1月,5月,6月,10月至12月在斯瓦特河次盆地不同。

探测降水趋势在每一次盆地和整个斯瓦特河流域,可又SR测试应用于季节性和51年降水量数据研究期间(1961 - 2011)。如表6显示,这两种测试方法都显示出类似的结果。上次盆地(A1)统计上显著的负趋势在夏季和积极的趋势在秋天。的Panjkora次盆地(A2)和低次盆地(A4)显示重大的负面趋势在夏天冬天和积极的趋势。显著的积极趋势被发现在次盆地在冬天和秋天的季节;然而,有一个消极的趋势在夏季Ambahar次盆地(A3)和整个斯瓦特河流域(a)。一年一度的春季降水时间序列,没有统计上显著的趋势。重要的积极趋势被认为在冬天和秋天;在夏天,负面趋势被认为在不同的次盆地和完整的斯瓦特河流域。

较低的次盆地表现出最大的积极趋势随着时间的推移(2.18毫米/年)加权年度降水时间序列;的Panjkora次盆地呈负趋势的下降率参加0.90毫米/年。整个斯瓦特河流域降水表现出积极的趋势(0.48毫米/年),如表所示6。

3.6。比较的结果

来自两个统计检验的结果,可老,是相互一致的。的百分比统计上显著的情况下,总测试用例可和SR测试分别为32%和30%,分别显示协议的方法。这种一致性在统计性能是其他研究中还发现24,28]。

4所示。讨论

这项研究调查了可变性月、季节和年降水量在15站在斯瓦特河流域持续研究时期(1961 - 2011)。每个次盆地降水趋势分析和整个斯瓦特河流域。在不同的站年平均降雨量显示相当大的变化,标准偏差为176.8 mm的年平均降水量694毫米。谢里夫说,马尔丹和恰尔萨达站显示显著的积极趋势(随着时间的推移,降水增加)在5%的显著性水平年降水量系列。的最大数量显著的月降水随时间的变化被发现在谢里夫说,Abazai, Khairabad站。谢里夫说站显示的最大增加斜率(指示最大随时间变化)的7.48毫米/年的选择站在斯瓦特河流域。

这些研究结果都遵循着相同的统计趋势报道哈特曼和Andresky35巴基斯坦西北部地区)。结果与结果Dimri [56)、加法尔和Javid [57,拉苏尔(58),他们发现统计上显著的增加趋势为巴基斯坦西北地区冬季降水。这个分析的结果也支持找到哈尼夫et al。37]在他们发现重要的夏季降水的变化。这些降水变化趋势可能导致巴基斯坦向更多的水相关的灾害,如干旱和洪水在不久的将来。Basistha et al。59)提出可能导致降水的变化趋势,如全球气候变化(60),减少全球季风环流(61年,森林覆盖率下降62年,63年),土地利用变化和实践(例如,灌溉农业)64年,65年从人为活动),并增加气溶胶66年]。

5。结论

月度分析趋势、季节和年降水量在斯瓦特河流域的持续研究期间(1961 - 2011)。积极和消极的趋势观察在不同站和次盆地。6个月,11月,7月和8月显示的最大数量显著情况下在不同的站月降水量。在5月和6月的趋势是积极的,消极的7月和8月。这表明在降水系列月度规模转变。显著的积极趋势是在每年冬季和秋季和发现;消极趋势出现在春季和夏季的季节。谢里夫说,马尔丹,恰尔萨达站年降水量表现出显著的积极趋势在95%的置信水平;剩下的站没有经历一个显著的趋势。

整个斯瓦特河流域,未发现明显的趋势在任何次盆地的年降水量系列。季节性的,冬季和秋季经历了重大的积极趋势,夏季有经验的负面趋势在不同次盆地在斯瓦特河流域。最显著的趋势情况下,在不同的场景中是积极的(61%)。Mann-Kendall的结果(可)和斯皮尔曼的ρ测试显示协议的月度评估,季节性,年降水量的趋势。正面和负面的趋势的变化在不同的电台指出需要更详细的研究本地区的气候变化。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者感谢巴基斯坦气象部门(PMD),水电发展机构(WAPDA),巴基斯坦和雪山工程总公司(SMEC)为这项研究提供免费的数据。