进入新世纪以来，全球变暖趋势日益引起人们的关注，全球变化条件下，极端事件频繁发生，是气候变化的重要表现特征，许多情况下，它既是气候系统对自然生态改变最敏感的响应，也是造成气候系统改变的驱动力^{[1, 2, 3]}。过去几十年的研究发现在全球大部分陆地表面出现了显著的强降雨增加而小雨及中雨减弱的趋势，这种广泛增加的强降水事件被许多学者归因于气候变暖^{[4, 5]}，而区域极端气候事件对全球气候变化的响应机理尚不清晰，极端气候灾害的归因问题也存在诸多疑点^[6]。干旱和洪涝灾害作为最重要的极端气候事件表现形式成为反映全球变化背景下区域响应的重要方面，成为研究全球变化特征和相关机理的重要领域。澜沧江-湄公河流域纵贯13个纬度，最大相对高差近5000 m，跨 6 种气候带，是一个特殊的环境变化敏感区，它在气候、水文、地理、生态学等多方面都具有重要的科学研究价值。探讨澜沧江-湄公河流域降水特征和干旱机理对于认识澜沧江流域实时灌溉预报调度、水资源合理配置及其对气候变化下的区域气候灾害响应机理等重大问题具有重要的意义。

资料来源于中国气象局国家气象信息中心，为选择足够数量的典型站，使采用的降水资料能够代表研究区降水情况并满足后续分析计算的基本要求，根据多步迭代估计方法对站点最优个数进行估计，从而得出最佳样本数量(选取置信水平为95%的Student t检验得到置信区间)，共选取了澜沧江流域及其周边35站，数据经严格订正，研究时段为1961—2010 年，各站点位置如图 1。

图1 澜沧江流域站点分布图 Fig.1 The Map of Lancang River Site

图选项

研究中根据国家气象局制定的气象行业规范标准，并参考国内外同类研究^{[7, 8, 9]}，简化为日降水量0.1—5 mm，5—10 mm，10—50 mm，50 mm 以上 4 个量级，其中第1个和第2个常俗称“毛毛雨”，对土壤水分涵养具有重要意义，第四个则属暴雨或大暴雨，往往会诱发洪涝、滑坡、泥石流等严重自然灾害，它们都属于极端降水的范畴。10—50 mm量级在本研究中则主要用于对比参照。对于网站个别年份资料缺失问题均经过等距离插值法处理。

本文所用干旱指标是由国家气候中心创建的以标准化降水指数、湿润度指数及近期降水量为基础的综合干旱指数Ci，该指标适合实时气象干旱监测和历史同期气象干旱评估。综合气象干旱指数(Ci)的计算如下：

点击浏览公式

式中,Z₃₀ 、Z₉₀分别为近30天和近90天标准化降水指数SPI值，M₃₀为近30天相对湿润度指数，该指数是表征某时段降水量与蒸发量之间平衡的指标之一。a为近30天标准化降水系数，b为近90天标准化降水系数，c近30天相对湿润度系数。干旱等级划分见表 1，研究中，设定降水量致灾阀值，20d无降水为轻旱，30d无降水为中旱，60d无有效降水为重旱。

(1)Morlet小波分析

小波方差分析是小波分析的重要内容，小波方差图反映了能量随时间尺度的分布,可以确定一个时间序列中各种尺度扰动的相对强度^[10]，对应峰值处的尺度称为主要时间尺度，用以反映时间序列的主要周期。其计算式为:

点击浏览公式

Morlet小波系数的实部表示不同特征时间尺度信号在不同时间上的分布和位相两方面的信息，正的小波系数反映出分析对象在该时间段为偏多期，负值时反映为偏少期，零值对应着突变点。

(2)EMD法

为深入分析极端降水变化的典型地区的演变特征，本文借鉴Huang 等^[11]提出的经验模态分解方法(Empirical Mode Decomposition,EMD)，选择的站点降水量序列进行分解。EMD可对一个时间信号将其不同尺度(频率) 的波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列，称为本征模函数(Intrinsic Mode Function，IMF)，它是目前处理非平稳、非线性信号，特别是分析时间序列趋势的最好方法，相比传统的傅立叶谱分析、小波分析等具有明显的优势^{[12, 13]}。游程理论是指持续出现的同类事件，在其前或其后为另外事件。年降水资料可视为一个离散序列，若以多年平均降雨量Q₀为阈值,凡Qi > Q₀者具有正变差,属多水集团; Qi≤Q₀者具有负变差,属少水集团。当连续出现Qi > Q₀(或Qi≤Q₀)时,则出现连丰年(或连枯年)，连丰年称为正游程,连枯年称为负游程，以此分析降水的丰枯变化^{[11, 12]}。游程概率可用下式计算：

点击浏览公式

式中,P为连续K年丰水或枯水发生概率；K为连续丰水(枯水)的年数；ρ为模型分布参数；s为统计资料中丰水(枯水)年累计频次； s₁为连丰(枯)年发生的累计年频次。

通过对澜沧江流域降水资料分析发现，1960—2011年50a期间，年降水量趋于稳定，略有上升，但上升率较小，只有3.1848，中间虽有波动，总体反应了稳定的湿润气候特征。年降水量距平分布图(图 2)反映了降水量南多北少的区域差异，距平差距不大，正负距平之间在-2到2之间。从区域空间分布来看，北部干旱出现的几率较大。采用均生函数逐步回归模型对未来20a内该流域降水量进行预测，拟合结果预测(图 2)2011—2016年年降水量处于上升趋势，此后缓慢下降，2021年后重新步入上升趋势，但总量变化不大。

图2 澜沧江区域年降水量距平分布图 Fig.2 The map of precipitation anomaly distribution in Lancang River region

图选项

图3 澜沧江流域年降水量趋势图 Fig.3 The graph of trend of Precipitation on Lancang River Basin

图选项

采用综合气象干旱指数Ci和其确定的指标，对澜沧江流域1956—2010年年度和春季时间段不同程度干旱频率进行计算，研究结果显示，全年发生轻旱情况比较广，中南部均出现轻旱分布；中旱分部区域和轻旱区域基本吻合，但趋于萎缩，呈三团状分布；重特旱分布面积较小，只有在中部一小部分和南部山区。春季干旱情况来看，也体现出出现干旱的区域主要在南部地区，但春季干旱呈现出与全年干旱不同的特征，轻旱分布面积小，中大干旱分布面积较大(图 4)，因此，澜沧江流域春季防旱任务严重，应特别重视春季干旱的预防预报。

图4 澜沧江流域干旱灾害情况分布 (a,b,c;表示全年轻旱、中旱、重旱；d,e,f分别表示春季轻旱、中旱、重旱分布) Fig.4 Lancang River Basin drought disaster distribution (b，c said light drought,drought,annual drought; d,e,f said spring light drought,drought,heavy drought distribution)

图选项

采用均生函数逐步回归模型对未来20a内该流域暴雨量进行预测(图 5)，可知由暴雨发生频率来看，1986年前，呈现震荡下降趋势，其后，又呈现明显的震荡上升趋势。2000年和2001年都达到了14次之多。从降水游程来看，30d以上间隔降水游程呈现明显上升趋势，年均60d无降水几率在1988年显著上升，是70年代的4倍。这说明，近20年来，澜沧江区域干旱次数明显上升。

图5 澜沧江流域年暴雨频次 Fig.5 rainstorm frequency of Lancang River Basin

图选项

研究发现，35个站点中，出现30d以上无降水频次的最多达25个(2006年)，而且发现，连续高值和连续低值现象，连续高值出现在1966—1970,1983—1986,1993—2003,2006—2010时间段，其中间间隔为低值区，这也表明了区域降水具有持续性特征，连枯的模型参数值大于连丰的,则连枯较连丰更频繁的出现。代表站的Hurst系数均大于0.5,介于0.523-—0.842之间，均值为0.658。表明该区降水具有持续性特征，现在的降水特性将会影响未来的降水趋势。均生函数逐步回归模型预测结果显示(图 5,图 6)，澜沧江流域年暴雨频次在未来的20a内没有明显的增加趋势，而30d以上无降水的中旱以上干旱频次自2006年以来明显上升，预测结果也显示干旱频次未来20a内呈斜率0.2635的上升态势，说明未来澜沧江流域干旱灾害有加重趋势，未来该区域极端天气灾害主要是干旱灾害。

图6 30d连续无降水出现频次 Fig.6 frequency with 30 days of continuous non precipitation

图选项

综合观察1961—2010年50a澜沧江区域气温变化和极端天气状况发现，50a来，区域年均温呈现震荡上升趋势，1981年前尚不明显，1981年后呈现明显增温趋势，这与东亚地区气候变化趋势和全球变暖的趋势相吻合；本区域暴雨灾害天气出现频度总体来看呈现相对稳定状态，上升趋势不明显。而干旱灾害特别是30d以上无降水事件出现频率呈现震荡上升趋势，2005年以来呈现加速上升趋势，与温度上升相呼应，并且研究发现，暖年干旱频次明显高于同时间冷年的干旱频次，例如，在暖年1968、1977、1985、1996、2008年份，均出现了明显的干旱频次峰值，暖年也有降水峰值，且1981年后干旱趋势与气温增加趋势也比较一致(图 7)，因此，在一定程度上可以推断，澜沧江流域干旱灾害频度趋于活跃是全球气候变暖下的区域响应的一种表现形式。

图7 澜沧江流域温度变化与极端天气灾害频度 Fig.7 Temperature change and extreme weather disaster frequency of Lancang River Basin

图选项

根据小波理论研究结果发现，澜沧江流域50a的年降水量存在多个尺度的周期，比较复杂。存在4个明显的特征时间尺度，分别为2、6—7、9a和15—17a。其中，2年的周期振荡基本贯穿整个研究时域，表现稳定，在2000年后，周期振荡逐渐消失；6—7a的周期存在于1979年之前，期间周期稳定，之后周期振荡消失，以5a的周期为主，且周期有随着时间的延长增长的趋势；周期8—10a几乎贯穿整个研究时域，从1962年开始，周期振荡比较稳定，但是周期有减小的趋势；15—17a的周期振荡贯穿整个研究时域，在这个尺度上近55年来云南地区的降水大致经历了少→多→少→多→少→多→少的过程，而在2010年处的等值线还未完全闭合，说明2010以后的几年里在该周期上降水量正处于偏少期；看其它周期均说明在2010年后降水量偏少(图 8)。小波方差表现出4个峰值，降水量序列存在2、6—7、9、15—17a的振荡周期，这些周期决定了降水量在整个时间域内的变化特性。其中9年的扰动能量很大，其次是6—7、2a，最后是15—17a的周期，可见9a的周期是主周期(图 8)。

图8 澜沧江流域降水小波震荡周期 Fig.8 Precipitation wavelet vibration period about Lancang River Basin

图选项

前人研究发现^{[14, 15, 16]}，EMD 分解有可能产生虚假分量，相关系数较大、图像相似性较好的分量才是最主要的分量。计算了各序列 EMD 分解得出的 IMF 分量和原序列的相关系数，对各个分解出的IMF项与原序列进行相关系数统计，可以看出一般前两个分量与原序列相符程度比较高，此外对相关系数进行了t检验，给定显著性水平α=0.05，查相关系数表，表格中带**部分为未通过显著性检验，同时设置相关系数1/10为门限值，未通过显著性检验和未达到门限值的均看做虚假分量。分析结果显示，除春季IMF7、秋冬IMF8外，各IMF1与原序列相关系数均大于门限值，且绝大部分达到 0. 05显著性水平(表 2)，显示 EMD 分解的结果比较理想。需要说明的是，本文分析采用的是消除趋势后标准化的分解序列，缺失数据采取了等距插值法处理。

澜沧江流域降水量序列 EMD 分解的结果显示，澜沧江流域降水量总体来说振幅逐渐变小，而平均周期由短变长。暴雨频次序列 IMF1—IMF5 的平均周期分别为2.8、4.2、6.2、9.4、16.7、25a，而降水序列的平均周期分别为 2. 9 、7. 1 、15. 4 、30. 8 a，因此二者周期对应关系较好，暴雨频次序列的变化周期小于降水序列周期(图 9)。计算各模态和趋势项的方差贡献率，得出 IMF1 的贡献率最大，2.8a和4.2a是暴雨频次的主周期，2.9a和7.1a为暴雨降雨量的主周期，即准 2 a 周期是澜沧江流域洪灾的主要周期，同时也是中国洪灾变化的最主要周期(表 3) 。进一步将暴雨变化划分为年际信号(IMF1、IMF2) 、年代际信号(IMF3) 和几十年际信号(IMF4、IMF5)，则各信号的方差贡献率基本上是递减的，且年际信号(前两个分量) 包括了最主要的方差贡献率，洪灾和降水序列年际信号的累计方差贡献率分别达 51.3%和 84.1%(表 4)。

图9 夏季降水量EMD分解与暴雨频次EMD分解量示意图 Fig.9 EMD about precipitation in summer and EMD about rainstorm frequency decomposition of decomposition volume diagram

图选项

综合对比两种方法得出的结果发现，根据小波理论研究澜沧江流域降水量序列存在2、6—7、9、15—17a的振荡周期，其中9a的扰动能量很大，其次是6—7、2a，最后是15—17a的周期，可见9年的周期是主周期。澜沧江流域降水量序列 EMD 分解的结果显示，澜沧江流域降水量总体来说振幅逐渐变小，降水序列的平均周期分别为 2.9 、7.1 、15.4 、30.8 a，准2、7a为其主周期，对比两者可以看到，两种研究方法都得到澜沧江流域降水量存在周期性变化，而且均存在2、7、15a的变化周期，只是两种方法得出的主周期不同，由于采用 EMD 方法比小波方法具有更强的局部表现能力，所以适合处理非平稳、非线性信号，所以，推断沧江流域降水量存在2、7、15a的短期变化周期，而且主周期为EMD方法所得到的主周期，即准2a。

一些学者在分析中国近500a 旱涝时发现，中国东部夏季降水有世纪周期存在，认为 1873—2000 年东亚夏季风有显著的 80a 周期，其次尚有 40a 周期、8—10a 周期及准2a周期等^{[17, 18, 19]}。这些结论与本文的分析结果得出的结论不一致主要原因在于前两位研究者是从中长期时间序列得出的长期波动规律，而本文研究结果更多的是对中短期震荡规律的研究。

同时，降水量和暴雨频度序列的 IMF1 和 IMF2 周期在2 —7a之间，与 ENSO 在年际变化上的信号相吻合。ENSO 是海气耦合系统中最强的年际变化信号，它对东亚夏季风的强弱变化和中国夏季降水的分布有重要影响，可以推断澜沧江流域暴雨和干旱灾害与ENSO有重要联系，这一点也得到其他学者研究结果的验证^{[20, 21, 22, 23]}。

(1) 1961—2010年50a期间，年降水量趋于稳定，略有上升，但上升率较小，只有3.1848。年降水量距平分布图反映了降水量南多北少的区域差异，正负距平之间在-2到2之间，北部干旱出现的几率较大。

(2)近20年来，澜沧江区域干旱次数明显上升，而澜沧江流域年暴雨频次在过去50a和未来的20a内没有明显的增加趋势，预测结果显示干旱频次未来20a内呈斜率0.2635的上升态势，说明未来澜沧江流域干旱灾害有加重趋势，未来该区域极端天气灾害主要是干旱灾害。

(3) 两种研究方法都得到澜沧江流域降水量存在周期性变化，而且均存在2、7、15a的变化周期，只是两种方法得出的主周期不同，由于采用 EMD 方法比小波方法具有更强的局部表现能力，所以适合处理非平稳、非线性信号，所以，断定澜沧江流域降水量存在2、7、15a的短期变化周期，而且主周期为准2a。

(4)降水量和暴雨频度序列的 IMF1 和 IMF2 周期在2 —7a之间，与 ENSO 在年际变化上的信号相吻合，推断澜沧江流域暴雨和干旱灾害与ENSO有重要联系。

通过以上研究发现，澜沧江区域气候变化和灾害天气的波动规律与全球气候变化具有一定程度的关联性，近年来的极端干旱天气可能是气候变暖的区域响应事件，其两者之间的定量关联和相关作用机理是下一步研究的方向。