引言

极端降水常与洪涝灾害等紧密相连，对人类生产和生活产生了巨大的影响。IPCC第5次报告指出，20世纪中期到现在，极端降水事件的发生频率在全球范围内有不同的变化，更多的区域表现出极端降水增加的趋势。Anders和Jones (2005)以及Ali等(2014)的研究结果证实了这一变化趋势，也有学者进行了类似的统计分析，得出了相反的结论，认为极端降水的时间变化规律具有一定的地域性，在许多区域过去几十年内有减小的趋势(Karagiannidis et al., 2012；Voskresenskaya and Vyshkvarkova, 2016)。近年来，国内外越来越多的学者开始关注和研究极端降水，相关领域的研究成果也较多。Fu等(2013)分析了我国9个区域的极端降水变化规律，指出中国东北、北方和黄河流域在过去50 a极端降水事件呈下降趋势，而其他6个区域，即长江流域、东南沿海、中国南部、内蒙古、西北地区和西藏高原，极端降水事件增加。一些针对我国区域性极端降水的研究，比如申莉莉等(2018)对京津冀地区、张家国等(2018)对长江中下游地区、赵丽等(2016)对西北干旱区、丁文荣(2014)对西南地区、Zhao等(2014)对珠江流域等的研究，也取得了一定的成果。张利平等(2011)指出当前研究中对极端降水的定义及其内涵尚未形成一个完整的体系和框架，需要更多的研究来丰富其概念内涵。

极端降水研究中使用的指标众多，抽样方法各异。在以往研究中，因年极值抽样方法(Annual Maximum, 以下简称AM抽样)具有概念清楚、选取方法简单易操作等特点(吴俊梅，2014)，被较多地应用到中国极端降水事件研究当中，如张俊等(2017)、张方伟等(2011)基于AM抽样对金沙江流域的降水事件进行了特征分析。超阈值抽样方法(Peak Over Threshold，以下简称POT抽样)通过设定一个阈值，从各站点降水序列中抽取新的极端降水序列，从而弥补了AM抽样可能造成极端降水序列缺失或有误的情况(郑江禹等，2017)，顾西辉等(2015, 2016)在研究中国极端降水事件的时空分布特征时指出POT抽样能提供更多、更丰富的降水信息。但POT抽样不能像AM抽样那样表征变量在时间序列上的变化(陆苗等，2015)，所以为减少降水数据本身以及单一抽样方法表征信息不全面对极端降水研究的影响，将两种抽样方法结合进行分析已得到了一定的应用(苏布达等，2008；佘敦先等，2011)。

鄱阳湖位于长江中下游，是我国第一大淡水湖生态湿地，赣江流域作为鄱阳湖流域最大的支流，控制着鄱阳湖50%的入湖水量，其降水变化对鄱阳湖流域的径流调蓄计划和水量分配方案等均有很大的影响。Xiao等(2016)分析了赣江流域1953—2013年降水总量、年降水天数和年平均日降水强度的时空特征，张余庆等(2015)利用赣江流域气象站降水、气温等数据，采用多时间尺度的标准化降水蒸散指数分析了赣江流域旱涝时空变化特征。总体而言，目前针对赣江流域极端降水的研究还很少，赣江流域极端降水时空分布规律尚不明确。

为了探明赣江流域极端降水时空变化规律，考虑到极端降水研究中AM抽样存在的表达信息不全面等问题，本文采用AM抽样与POT抽样相结合的方法，分别从量、频率、强度三个角度，选定日最大降水量(RX1)、极端降水量(R95)、极端降水天数(RD95)和极端降水强度(RI95)四个指标，研究赣江流域的时空变化特征，以期为认识赣江流域极端降水变化特征以及丰富极端降水研究内涵等提供科学借鉴。

1 研究区域概况

赣江是鄱阳湖最大的支流，也是江西省最大的河流，赣江流域范围及地理位置如图 1所示。从中可见，赣江流域位于长江流域南岸，113°46′—116°38′E、24°29′N—29°5′N之间，属于鄱阳湖水系，流域面积约为83 500 km²，地势自南向北逐渐降低，全流域以山地丘陵为主，约70%的区域高程在200 m以下(方玉杰，2015)。

赣江流域属中亚热带湿润季风气候区，光照充足、气候温润、雨量丰沛，多年平均气温约18℃，多年平均降水量约为1 600 mm，降水时空分布不均，汛期(4—9月)降水量占到全年总降水量的66%以上，赣江流域南部、中部、北部的多年平均年降水量分别为约1 425 mm，1 500 mm，1 625 mm，总体上呈现南少北多的分布。

2 资料和方法

选用赣江流域内13个水文站的08—08时(北京时，下同)日降水资料，各水文站点的名称和位置见图 1。日降水资料的起止时间为1964年1月—2013年12月，共50 a。

本文同时选用两种抽样方法对极端降水进行研究，由AM抽样选定年日最大降水量指标，由POT抽样按非零日降水序列超过第95个百分位的原则来抽取各个站点的极端降水序列。根据世界气象组织气候委员会(WMO-CCL)推荐的极端气候指数，结合闵屾和钱永甫(2008)的研究，分别从量、频率、强度三个角度，选定RX1、R95、RD95和RI95四个指标，对赣江流域的极端降水序列进行时空变化特征分析。

对于各站点以及面平均降水序列时间变化，利用Mann-Kendall检验方法(以下简称M-K检验方法) (张余庆等，2015)和Pettitt变点检验方法(Pettitt，1979)分别进行趋势检验和突变检验。M-K检验方法以检验统计值Z作为结果检验的标准，设定α=0.05为置信度，当Z绝对值大于1.96时，认为序列有显著的增加或减少趋势；而Pettitt变点检验方法以突变概率P作为检验标准，当P>95%时，认为序列在这一年份发生了显著突变。面平均降水量和降水天数由站点数据加权平均获得，加权平均的比例由泰森多边形法分割的各站控制区面积确定。表 1给出赣江流域各水文站点控制区面积比例，从中可见，赣江流域各站控制比例在3.16%~20.91%之间，多数站点控制比例在5.0%~ 8.0%之间，横溪站位置偏南，控制着赣江流域东南部分较大区域面积，控制比例达20.91%，其余各站点控制比例接近，表明所选站点分布较为均匀，能够用于反映赣江流域极端降水的空间分布特征。在空间变异上，采用普通克里金方法(Delbari and Afrasiab, 2014)对各站极端降水指标进行空间插值，进而分析各降水指标的空间变化规律。

3 赣江流域极端降水时空变化特征 3.1 基于AM抽样的极端降水时空变化特征

采用AM抽样选择各水文站的日最大降水量(RX1)序列，对各站序列进行多年平均，由克里金插值方法进行空间插值，并利用M-K检验方法对各站点RX1序列进行趋势检验。图 2给出赣江流域多年平均RX1空间分布和各站点变化趋势，从中可见，赣江流域各站点多年平均RX1在78.4~117.4 mm之间，其中田头站最小，南昌站最大。赣江流域多年平均RX1呈现从西南向东北方向逐渐增大的空间特征，这一特征与赣江流向相一致。除金田站、泰和站和横溪站的RX1序列在过去50 a有减小趋势外，其余各站点均表现出增加趋势，尤其是赣州站，其M-K检验系数已经达到2.92，表现出显著增加的趋势。

根据各水文站点控制区面积比例加权平均计算求得赣江流域面平均RX1，图 3给出面平均RX1年际变化及突变检验。由图 3a的年际变化可知，赣江流域面平均RX1最小值出现在1978年，为65.5 mm，最大值出现在1994年，为119.9 mm，面平均RX1在过去50 a有弱增加趋势，增长速率约为1.08 mm·(10 a)^-1 (Z= 0.59)。由图 3b的突变检验可知，赣江流域面平均RX1在1980年和1982年突变概率最大，突变概率分别为79.0%和63.3%，但未超过95%，不能认为发生了显著突变。

3.2 基于POT抽样的极端降水时空变化特征

由POT抽样以非零日降水量的第95个百分位确定各水文站点的极端降水阈值，图 4给出赣江流域极端降水阈值的空间分布，分析可知，极端降水阈值在33.7~43.4 mm·d^-1之间，平均值为39.2 mm·d^-1，极端降水阈值大致沿赣江自西向东增加，遂川站最小，南昌站最大。

在阈值确定后，选定日降水量大于阈值的序列作为极端降水序列，并选定大于阈值的年降水总量和年降水总天数作为极端降水量(R95)和极端降水天数(RD95)，对赣江流域的极端降水序列进行时空变化特征分析。图 5给出赣江流域多年平均R95和RD95的空间分布和站点变化趋势情况。分析可知，R95沿赣江自西南向东北递增，变化范围在401.2~505.7 mm之间，占据了年平均降水量(约1 600 mm)的很大比重，R95的最大值出现在南昌站，最小值出现在田头站；在13个水文站中，除金田站、寨头站外，其余各站的R95均呈现增长的趋势，尤其是峡江站和樟树站的增长趋势通过了0.05显著性水平检验。RD95的空间分布没有一定的规律，变化范围在6.8~8.9 d之间，存在宜春站、遂川站两个极大值中心和金田站、横溪站两个极小值中心；在13个水文站中，砚溪站、峡江站、樟树站和南昌站的RD95为不显著的增加趋势，其余9个站均表现出不显著的减小趋势，且RD95表现出增加趋势的几个站点大都位于赣江流域下游。

根据各水文站点控制区面积比例加权平均计算赣江流域面平均R95和面平均RD95，对其进行变化趋势(图 6)和突变检验(图 7)分析。结果表明，1964—2013年赣江流域面平均R95呈现出14.63 mm·(10 a)^-1的增长趋势(图 6a)，但增长趋势不显著(趋势检验统计量Z= 1.10)，最可能的突变点出现在1992年，突变概率为0.77，突变并不显著(图 7a)。面平均RD95在1964— 2013年呈现出0.24 d·(10 a)^-1的不显著(Z=1.25)增长趋势(图 6b)，最大突变概率0.80出现在1992年，突变不显著(图 7b)。

在R95和RD95的统计基础上，计算二者比值求出极端降水强度(RI95)，同样地采用上述方法分析其时空变化(图 8、9)。由图 8可知，赣江流域RI95空间上呈现出由西南向东北逐渐增加的趋势，遂川站最小，为50.9 mm·d^-1，南昌站最大，为69.2 mm·d^-1；在13个水文站中，有5个站点的RI95表现出减小的趋势，包括南昌站、樟树站、寨头站、横溪站和遂川站，其余各站点RI95表现出增加趋势，且赣州站的增加趋势尤为显著(Z=2.25)。由图 9可知，面平均RI95在过去50 a总体表现平稳，没有明显的增加或减小趋势，也并没有显著的突变。

4 结论与讨论

基于赣江流域13个水文站1964—2013年共50 a的日降水资料，采用AM抽样与POT抽样相结合的抽样方法，选取日最大降水量(RX1)、极端降水量(R95)、极端降水天数(RD95)和极端降水强度(RI95)四个特征指标分析了赣江流域极端降水的时空变化特征，结果表明：

(1) 赣江流域面平均RX1、R95和RD95在过去的50 a的增长速率分别为1.08 mm·(10 a)^-1 (Z=0.59)、14.63 mm·(10 a)^-1 (Z=1.10)和0.24 d·(10 a)^-1 (Z=1.25)；赣州站的RX1和RI95、峡江站和樟树站的R95在过去50 a的增长趋势显著。

(2) 时间变化上，赣江流域的面平均RX1和R95在过去50 a均表现出不显著的增加趋势，R95的增加速度和显著性要高于RX1；赣江流域的面平均RD95增加，面平均RI95没有明显变化趋势；各指标在0.05显著性水平下，均没有检测出突变的发生。

(3) 空间分布上，赣江流域多年平均RX1、R95、RI95均呈现出沿着赣江流向从西南向东北的增加趋势，南昌站最大，表明赣江流域极端降水的量和强度的空间变化特征相似，而RD95的空间分布没有明显的变化规律，存在多个极大极小值中心，且在宜春站取得极大值。

章毅之(2007)、陈昌春等(2013)对江西省极端降水时间变化规律的分析结果也指出，极端降水量在时间上是有增长趋势的，与本研究得出的趋势变化结果一致。但因为指标、区域和时间范围选择不一致等问题，本研究得出面平均R95增加趋势不显著，与章毅之的研究结果存在一定差异。赣江流域面平均RD95在过去50 a里表现出增加趋势，表明赣江流域的极端降水发生频率增加。值得注意的是，赣江流域RI95并没有明显的增加趋势，表明赣江流域极端降水的降水量和降水天数增加，而强度并未发生明显改变。

另外，赣江流域极端降水时间变化规律主要受气候变化，尤其是大气环流的年际变化影响(刘成，2016；徐超和乔云亭，2018)，而空间分布规律主要归结于流域的地理位置分布以及降水环流特征：赣江流域以南为海拔相对较高的山区，以北部为流域的出口，经外洲站注入鄱阳湖；鄱阳湖蒸发的水汽使得北部相对南部较为湿润，距离鄱阳湖愈近，水汽量愈丰沛，形成降水的条件愈有利，因此，流域北部的降水相对丰沛，极端降水空间分布呈现出自北向南依次递减的规律(刘成，2016)。但极端降水的影响因素复杂，表征极端降水的指标很多，赣江流域极端降水的规律及其时空变化特征的原因，还需要在总结和统计的基础上，结合气象学、水文学等继续开展后续的研究工作。