文摘

极端降水事件可以触发许多自然灾害如洪水、泥石流和山体滑坡。理解历史极端降水的变化对灾害预防和风险评估至关重要。湄公河流域(MB)是容易受到自然灾害和极端降水有关。在过去的十年里,MB经历了一些破坏性的极端降水事件。我们关心的是历史极端降水事件是否在MB增加了气候变暖。本研究调查了MB极端降水的时空变化从1951年到2015年使用高质量的极端降水的沉淀产品和八个指标。这些指数一致表明极端降水的趋势上湄公河盆地(UMB)对湄公河下游流域(LMB)。极端降水普遍下降的UMB LMB,但增加。显著增加极端降水的地区主要位于老挝、越南和柬埔寨。显著下降的地区极端降水主要发生在澜沧江(湄公河中国部分)和泰国。 Also, the magnitude of changes in extreme precipitation is significantly larger in the LMB than that in the UMB, which potentially increases flooding risks in the LMB. The findings from this study are useful for guiding disaster-prevention efforts in the MB.

1。介绍

气候变化和人类活动加剧了全球水循环在过去的几十年中,导致极端降水的增加在世界许多区域1,2]。随着气候变暖,温度升高会导致更多的水从土地和海洋蒸发到大气中,和温暖的空气可以容纳更多的水蒸气。因此,极端降水的频率和强度将增加在气候变暖3,4]。然而,与全球变暖极端降水的变化在不同地区(5]。例如,据报道,历史极端降水事件减少了一些亚热带地区(6),但增加了在一些热带地区(1,4]。越来越多的极端降水可以导致更多的自然灾害如洪水和山体滑坡,导致毁灭性的对人类社会的影响。据统计从联合国粮食及农业组织(粮农组织),洪水一直是世界上最具破坏性的自然灾害之一,自1900年代以来死亡人数(7]。全球洪水损失估计达到数十亿美元,而且每年成千上万的生命被洪水。在美国,洪水是第二个致命的与天气有关的风险,和年度暴雨洪水造成的经济损失在1950年代已经从1亿美元到60亿美元在1990年代(8]。增加损失造成的灾难性rainfall-related危害促使许多学者关注全球和地区极端降水趋势。

湄公河跨界流域(MB)位于东南亚,特点是季风气候和复杂地形(9]。收入水平的国家,湄公河流一般低,和沿河的大部分人口居住10]。因此,这些国家通常有可怜的抗破坏性的极端降水事件。许多研究研究了降水相关MB的变化,通常关注平均条件而不是极端(11- - - - - -14]。Eastham et al。11)报道,MB通常有经验的干燥机和长和短的雨季旱季和湿润气候模型的基于观察和输出。拉康姆猪et al。13)进一步发现,在湿季降水的增加导致了大部分地区的年降水量的增加MB。吴et al。14)发现,年降水量上游MB从1960年到2000年略有增加,而它在2000年显著下降。下游的MB,年降水量略微增加在越南和柬埔寨和泰国西部显著降低在1961 - 2007 (12]。几项研究也调查了极端降水的变化在MB (15- - - - - -18),但他们通常使用有限的极端降水指数或盆地的重点部分。

在这项研究中,我们的目标是提供一个通用的调查极端降水MB的变化在过去的几十年。为了达到这个目标,一个产品和一组基于降水极端降水指数。本文的结构安排如下。介绍了研究区、数据和方法部分2。部分3表明极端降水的时空变化从1950年到2015年在MB。部分4讨论了极端降水变化的潜在影响洪水MB和评估结果的不确定性来源。结论提出了部分5。

2。数据和方法

2.1。研究区域

湄公河是第11届世界上最长的河流9),总长度4600米,排水面积795000公里2(图1)。河源于青藏高原和结束到南中国海,通过六个国家向南流动。湄公河上游盆地(UMB)涵盖了中国西南地区,缅甸东部,湄公河上的和中国的部分称为澜沧江。湄公河下游流域(LMB)重叠部分老挝、泰国、柬埔寨和越南。MB跨越从白雪皑皑的高山地区海拔5000多米(m·a·s·l。)热带low-flat区域,具有复杂多样的气候和景观特征9]。凉爽的气候温和的气候变化在北方到南方的热带气候。年平均温度从1 - 3°C北端的每股26到29°C南端,平均年降水量从上游400毫米到2000毫米不等下游(19]。LMB实验室有许多低收入国家,比如老挝、越南、柬埔寨,人均GDP远低于全球平均水平(20.]。这些地区的经济发展主要依赖于农业和渔业,和这些行业易受极端降水事件。因此,了解整个MB极端降水的变化是至关重要的减少极端降水引起的灾害风险。


图1
位置(a),海拔(b),年平均降水(c)的湄公河流域。
2.2。数据

高质量的降水数据是重要的描述极端降水的时空变化。随着卫星和计算技术的进步,许多降水数据集是基于遥感,再分析和观察21- - - - - -23]。三个常用卫星降水产品包括热带降雨测量任务(TRMM) (24),全球降水的使命(GPM) [25),和降水估计从遥感信息使用一个人工神经Network-Climate数据记录(PERSIANN-CDR) [26]。两个全球有关(ERA-Interim)[(临时ECMWF再分析数据集27)和气候预测系统再分析(CFSR) [28])也适用于MB。一些研究表明,卫星产品(例如,流量和TRMM)总体执行比再分析产品在捕捉MB(降水变化21- - - - - -23]。然而,卫星产品相对较短的数据时间序列(少于30年),不适合检测长期降水趋势。

阿佛洛狄忒(亚洲降水高度解决观测数据集成向评估)是一个大陆范围内的日常网格降水产品是基于密集的亚洲(雨量数据网络21,29日]。该产品提供了60多年的网格降水和是一个很好的候选人长期极端降水的变化分析了MB。它涵盖了1951 - 2015年期间,空间分辨率为0.25°×0.25°。为了保证数据的可靠性和准确性,严格的数据质量控制方案是由数据生成器在数据集生成、删除无效的记录和一个复杂的最优插值方法被用来削弱地形对降水的影响(29日]。阿佛洛狄忒被选为“地面实况”来评估其他数据稀疏地区的降水产品在亚洲(28,30.]。

2.3。方法
2.3.1。极端降水指数

极端降水可以导致在短时间内降水率高或过度积累沉淀(一个或多个天内31日]。为了更好地描述降水极端,我们使用八个极端降水指数定义的专家团队对气候变化检测和指数(ETCCTI) [32),已被广泛用于检测极端降水变化(18,33,34]。这些指标分为四类:阈值指标,百分比指标,绝对指标和其他指标(2]。表1这些指标提供了具体的描述。阈值指标代表的年度总数日子每日沉淀量大于固定数量,如温和的降雨天(R10毫米)和暴雨天R20 -毫米)。百分比指标包括日常降水总量下降高于95 (R95p)和95 (R99p)每年百分位数。绝对指标被定义为年度最大累积沉淀在一个给定的时期,包括降水的峰值(Rx5day)或一天五天内(Rx1day)。这里使用其他指标年度总降水从湿天(PRCTOT)和日常降水强度(SDII)。总体来说,第一个极端降水的三个类别涵盖多个方面,如频率和强度。最后类别(PRCTOT和SDII)并不描述极端降水,但是他们的变化比极端计算统计健壮的尾巴每日降雨量的分布。

表1
总结的八个降水指数。注意:公关是降水;潮湿的日子里,日常公关≥1.0毫米。
2.3.2。Mann-Kendall和森的方法

Mann-Kendall趋势测试是用来确定降水指数变化的意义(35]。森的方法采用估计的大小变化(36]。采取了两种方法的意义和斜率计算每个网格的时间序列趋势的阿佛洛狄忒降水数据集。这两种方法是简单的和鲁棒性。使用的数据不需要遵守任何统计分布,允许和缺失值(37]。因此,这些方法在分析常用的水文气象数据系列(38,39]。

这一趋势在0.05显著性水平测试完成。方程(1)展示了如何获得Mann-Kendall标准正态检验统计量 (35]:

的 来自于统计 ,这是计算如下: 在哪里 数据系列的大小( ), 和 中排名数值的地方吗 和 ( )在时间序列 是符号函数表达了以下方程:

方差(1)计算如下: 在哪里 数据系列的大小( ), 数的值吗 - - - - - -th数据组 计数的相关团体在时间序列子集有相同的值。

趋势的大小估计使用森的斜率估计量(36]。森的方法使用了一个线性模型估计的斜率趋势,见以下方程: 在哪里 估计趋势斜率和吗 函数是用于获取数据的中位数。的标志 表明趋势是上涨还是下跌,其价值反映了陡峭的趋势。

3所示。结果

3.1。阈值指标的变化

图2显示空间模式的趋势温和降雨天(R10毫米)和暴雨天R20 - mm) 1951 - 2015年期间。R10 mm的趋势显示了一个类似的空间格局,在R20 mm,盆地处于主导的。R10毫米增加( )在盆地的64%,显著增加28%的盆地。R20毫米增加63%的盆地和显著增加32%的盆地。地区显著增加R10毫米和R20毫米主要将在老挝、越南和柬埔寨,这两个指数显著下降趋势发生在澜沧江和泰国。

(一)
(一)
(b)
(b)
图2
空间分布的趋势在R10毫米和R20毫米在1951 - 2015 MB。网格中的黑点表明趋势显著( )Mann-Kendall下测试。

给这两个地区之间巨大的气候条件的差异,我们分别分析了时间变化的极端降水指数UMB LMB(图3)。温和的频率(R10毫米)和重型R20 - mm)降雨天显著( )UMB但显著降低( )增加LMB期间1951 - 2015。增加利率LMB的R10毫米和R20毫米0.9和0.4天/十年,虽然这两个指数的降低利率在UMB−−0.4和0.1天/十年,分别。

(一)
(一)
(b)
(b)
图3
时间趋势R10毫米和R20毫米平均UMB和LMB超过1951 - 2015。线表示降水指数的线性趋势,折线表示五年的指数移动平均线。
3.2。百分比变化指数

总降水量从湿天(R95p)或特别潮湿天(R99p)在一年内可以反映极端降水的强度。图4演示了两个指标的空间趋势模式在MB。两个指标总体趋势表现出类似的空间分布。地区显著增加的趋势( )R95p和R99p盆地地区占21%和20%,分别。这些地区主要位于老挝、越南和柬埔寨。相比之下,显著减少趋势的地区R95p和R99p主要存在于澜沧江和泰国,占流域面积的22%和25%,分别。暂时,指数呈现相反的趋势之间的UMB LMB(图5),显示LMB的上行和下行趋势的UMB。只有UMB R99p的趋势是统计学意义( )。

(一)
(一)
(b)
(b)
图4
的空间分布趋势R95p和R99p在1951 - 2015 MB。网格中的黑点表明趋势显著( )Mann-Kendall下测试。
(一)
(一)
(b)
(b)
图5
时间趋势R95p和R99p平均UMB LMB超过1951 - 2015。线表示降水指数的线性趋势,折线表示五年的指数移动平均线。
3.3。绝对指数的变化

与百分比指标,最大降水(Rx5day)或一天五天内(Rx1day)重点是连续几天暴雨。空间,Rx5day Rx1day也显示了类似的模式在研究期间的趋势(图6)。地区显著上升趋势( )Rx5day和Rx1day主要集中在老挝、越南和柬埔寨,盆地,分别占12%和15%。地区显著下降趋势Rx5day和Rx1day主要发生在澜沧江和泰国,和这些地区的比例在整个盆地是Rx1day Rx5day为12%和23%。同时,改变的大小在Rx1day Rx5day显然比。类似于其他极端的指数,时态的变化Rx5day和Rx1day增加UMB但减少LMB(图7在整个研究期间)。

(一)
(一)
(b)
(b)
图6
的空间分布趋势Rx5day和Rx1day在1951 - 2015 MB。网格中的黑点表明趋势显著( )Mann-Kendall下测试。
(一)
(一)
(b)
(b)
图7
时间趋势Rx5day和Rx1day平均UMB LMB超过1951 - 2015。线表示降水指数的线性趋势,折线表示五年的指数移动平均线。
3.4。其他指标的变化

年总降水量(PRCTOT)和日常降水强度(SDII)关注的方面平均降雨量和可以提供一个上下文理解极端降水的变化更好。图8说明了PRCTOT趋势的空间分布和SDII从1951年到2015年。SDII的趋势显示了一个类似的空间格局,在极端的指标,而PRCTOT显示一定程度的差异从极端指数的空间分布趋势。澜沧江北部和东部的差异是明显的泰国,大多数极端降水指数下降而PRCTOT增加。

(一)
(一)
(b)
(b)
图8
的空间分布趋势PRCTOT和SDII在1951 - 2015 MB。网格中的黑点表明趋势显著( )Mann-Kendall下测试。

图9显示颞PRCTOT变化和SDII在研究期间。类似于其他降水指数,这两个指数之间存在对立的趋势UMB LMB实验室。PRCTOT显著增加21.9毫米每十年( )LMB但无关紧要的UMB每十年减少2.8毫米。LMB SDII展品每周趋势和重大的负面趋势( )在UMB。

(一)
(一)
(b)
(b)
图9
时间趋势PRCTOT和SDII平均UMB LMB超过1951 - 2015。线表示降水指数的线性趋势,折线表示五年的指数移动平均线。

4所示。讨论

在这项研究中,我们调查了八个极端降水指数的趋势在1951 - 2015 MB数据集根据阿佛洛狄忒。所有极端降水指数始终显示LMB和UMB之间相反的趋势,与减少UMB LMB的增加。这一结论与之前的分析是一致的极端降水在盆地的某些部分(15,40]。例如,陈等人发现下降R10 mm, R20 mm, Rx5day, R95p UMB从1960年到2012年(15]。此外,LMB的极端降水变化的大小(uptrend-dominated)明显大于UMB (downtrend-dominated),这可能会加剧流域的下游的洪水风险。这个结果证实了奥格尔曼的发现等。41),表明极端降水的敏感性对全球变暖在低纬度地区,通常是比高纬度地区的气候模型模拟。

年降水量的变化是极端降水总体一致,在大多数地区,不包括北澜沧江和泰国东部,极端降水减少,年降水量增加了。不一致的变化可能主要归因于光降雨量的变化(14]。增加光的降雨天数可能抵消极端降水的减少,导致极端降水之间的对立的趋势和年降水量(42]。光的降雨天数的增加和极端降水的减少更有利于农业生产。此外,我们的研究结果还表明,极端降水指数更大强度往往有一个小的大小变化。这是符合一些先前的研究2,18]。

年平均降雨量显示显著的空间差异MB,范围从398到2542毫米(c)(图1)。年降水量的大空间变化是归因于盆地的特殊地形特征(43]。湄公河三角洲位于热带地区与相对平坦的地形、海洋和热带气旋带来丰富的地区在雨季降水。然而,上述地区的三角洲主要是山区复杂地形。山上阻止水蒸气的传播海洋的内陆地区,导致巨大的空间变异性在流域年降水量。

近年来,一些地区LMB经历越来越多的极端洪水事件,社会经济情况造成了很严重的损害。例如,2000年,极端降水引发近代历史上的一个最大的洪水在湄公河三角洲,造成480多人死亡和取代数千LMB [44]。2011年,季节性洪水淹没在柬埔寨423449公顷的农田,影响了164万人,估计造成经济损失5.21亿美元(37]。LMB极端洪水的增加可能是由于该地区极端降水的增加(45]。随着全球气候变暖,极端降水事件MB预计将增加(43),这可能进一步加剧该地区洪水风险。因此提高防汛关键基础设施和加强国际合作在河边国家适应未来洪水风险的增加。不同于LMB,最常见的自然灾害之一UMB不是洪水但干旱43]。年降水量的UMB近年来有所下降,导致该地区干旱事件的增加(14,46]。极端降水变化的不一致性UMB和LMB强调的重要性进行数据和信息交换,防御监控,并在湄公河水资源联合评估。

的不确定性来源来自阿佛洛狄忒的数据集。尽管这个产品作为参考数据,以评估其他降水产品在MB (21),它仍然有一定的降水误差估计与从观测相比,特别是在地区复杂的地形和稀疏测量网络。例如,小野el al。47)发现,极端降水来源于阿佛洛狄忒低于观测在老挝和越南。然而,产品仍然是到目前为止最可靠的降水在这个区域,因为它雇佣了大量的雨量数据生成降水估计(29日]。

5。结论

基于一个高质量的降水数据集和一系列ETCCTI降水指数,我们研究了湄公河流域极端降水的变化从1951年到2015年。极端降水指数的变化显示整个盆地大空间差异。统计上显著的增加极端降水主要发生在流域的下游,诸如老挝、越南和柬埔寨。的上游流域已经由一个极端降水减少趋势。同时,极端降水的变化大小的下游盆地明显大于在本地区的上游。这可能影响下游防洪。在大多数地区,年度总潮湿降水(PRCTOT)类似极端降水的趋势。降雨量的变化指标符合下游的洪水和干旱的频繁发生在上游最近几十年。流域水资源管理是必要的,以减少合作阶段盆地水灾害风险。

数据可用性

用于支持的数据研究中可用的文章。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

我们感激的降水数据支持研究所人类与自然和日本气象研究所气象机构(http://www.chikyu.ac.jp/precip/)。这项研究受到了中国自然科学基金(批准号51979263),第二个青藏高原科学考察和研究程序(步骤)(批准号2019 qzkk0903),该计划“Bingwei”优秀人才在地理科学和自然资源研究所,中国科学院(批准号2017 rc204),计划青年创新促进会、中国科学院(批准号2019054)。