引言

暴雨洪涝是四川盆地发生频率最高、危害最重的气象灾害之一。其中区域性暴雨降水集中、强度大、持续时间长，往往引发山洪、泥石流、滑坡等灾害，造成较大的人员伤亡和经济损失，很早就受到气象工作者的关注和研究。心四川成都中气象台(1982)对1981年7月13日前后发生在盆地西北部的大范围暴雨天气进行了研究，指出这次暴雨范围广、强度大、降雨时间集中，并从高原低涡东移和东南风低空急流等方面对其成因进行了分析。郁淑华等(1998)对1995年四川盆地西部一次暴雨过程进行了研究，指出高原地形可以影响高原附近以东地区的物理场特征，从而影响暴雨的位置和强度。于波和林永辉(2008)对2004年9月2—6日四川盆地东部大暴雨的分析表明，高原切变线、西南低涡、高空涡旋以及被切断的副热带高压(以下简称副高)是影响这次暴雨过程的主要天气系统。陈栋等(2007)研究了2005年7月6—9日发生在川东地区的大暴雨过程，并分别从动力和热力方面对导致这场暴雨的西南低涡发展过程进行了诊断。黄楚惠等(2010)认为，2008年7月20—25日四川盆地暴雨过程的发生、发展与湿位涡的时空演变有很好的对应关系。胡德强等(2014)的研究表明，四川盆地西部盛夏降水偏多年，四川盆地南风显著偏强，西太平洋副高偏北。2013年7月7—11日，四川盆地再次出现历史罕见的区域性暴雨过程，强降水主要位于盆地西部的汶川、芦山地震灾区，暴雨造成350万人受灾，直接经济损失203亿元(林玉成等，2013), 孙建华等(2015)对这次过程进行了数值模拟研究，发现在川西高原地形阻挡影响下，偏东气流被迫抬升，配合中低层低涡发展形成的辐合上升，形成有利于对流系统发生和维持的环境条件。

郁淑华(1984)以日雨量≥100 mm，降水面积≥5000 km²为标准，选出1959—1982年四川盆地23次大范围暴雨过程，并按暴雨发生的地理位置分为川西类、川东类和全川移动类。四川省曾用暴雨总数≥15县站为区域性暴雨过程的标准(温克刚和詹兆渝，2006)。近些年出现了一些关于区域性暴雨的研究成果，袭祝香(2008)在对吉林省区域性暴雨过程的研究中，用暴雨站数定义了区域性暴雨过程。邵末兰等(2009)采用暴雨、大暴雨及特大暴雨站数定义了湖北省区域性暴雨过程。袁慧敏等(2012)在对长江中下游沿江地区暴雨过程评估模型的研究中，使用暴雨站数和大雨站数来确定一次暴雨过程的发生。邹燕等(2014)则用暴雨、大雨和中雨站数建立了福建省区域性暴雨过程标准。

以往的研究更多关注一次暴雨过程的成因分析，对区域性暴雨，尤其是四川盆地区域性暴雨的定义、分型以及年际、年代际变化的研究相对较少。而研究表明四川中东部夏季暴雨发生频率具有明显的年代际变化(鲍名和黄荣辉，2006)，四川盆地西部、中部暴雨日数呈减少趋势，盆东北地区为较强增加趋势(周长艳等，2011)。那么四川盆地区域性暴雨的时空变化特征如何呢？本文在新的四川盆地区域性暴雨定义基础上，研究其分型及时空变化特征，并对其前兆信号进行初步探讨。

1 资料方法

资料：本文使用了四川盆地104个县级气象站1961—2015年逐日降水量资料；青藏高原44个气象站1960/1961—2014/2015年冬季积雪日数资料；1960/1961—2014/2015年冬季NOAA月平均海表温度资料，分辨率为2°×2°。

方法：(1)经验正交函数(empirical orthography function，EOF)展开的局限性是分离出的空间分布结构不能清晰地表示不同地理区域的特征，而在使用旋转经验正交函数(rotated EOF，REOF)时，可以克服这一问题，旋转后的典型空间分布结构清晰，不但可以反映不同地域的变化，还可以反映不同地域的相关分布状况(魏凤英，2007)。

(2) 多锥度-奇异值分解法(multi-taper method-singular value decomposition, MTM-SVD)是由Mann and Park(1994)提出的一种多变量频域分解技术。这是一种将谱分析的多锥度方法(multi-taper method，MTM)和变量场的奇异值分解(singular value decomposition，SVD)方法结合在一起的气候信号检测技术，详细内容参阅相关文献(Mann and Park, 1996；1999；魏凤英，2007)。近年来MTM-SVD被广泛使用在气象科研领域中(Han et al, 2008；Small and Islam, 2008；王春学和李栋梁，2012; 王春学等, 2015；李潇等，2015)。

MTM-SVD的一个用途是对分解出的信号进行重建：参考频率f₀处分解的第一模态重新构建信号的时间和空间模式。长度为M的复数向量U_m¹(f₀)是对应于频率f₀处分解的第一模态的空间EOF。它代表信号在频率f₀处的空间模式，同时包含了多元数据组在所有位置上相关的信号的位相和振幅的信息。它与传统EOF分解中的第一模态空间模式中的复数向量相同。为了说明原始数据的转换标准而重新调整U_m¹(f₀)的值，可以重新获得带有正确单位的第一模态信号的空间模式：

$ \mathit{\boldsymbol{E}}_m^1 = \delta \left({{f_0}} \right){\sigma _m}\mathit{\boldsymbol{U}}_m^1\left({{f_0}} \right) $

(1)

信号的时间模式A¹(t)可被描述为频率f₀处的主要振动，形式如下：

$ {\mathit{\boldsymbol{A}}^1}\left( t \right) = \mathit{\boldsymbol{R}}\left\{ {\alpha \left( t \right){{\rm{e}}^{ - i2{\rm{ \mathit{ π} }}{f_0}t}}} \right\} $

(2)

式中，可变振幅α(t)表示振动信号的缓慢变化的包迹。以f₀为中心频率的任一振动信号的缓慢变化的包迹或振幅α(t)可由一组特征光谱Y_s(f₀), s=1, …, S估算出来。这种重建并不是唯一的而且需要额外的约束条件。最简单的重建是复数检波的MTM形式，即Slepian锥度α_s(t)，s=1, …, S，t=1, …, N的一个线行组合：

$ \alpha \left( t \right)=\sum\limits_{s = 1}^\mathit{S} {\lambda _s^{ - 1}{\bf{V}}_s^1\left( {{f_0}} \right){\alpha _s}\left( t \right)} $

(3)

式中，V_s¹(f₀)是第一模态谱EOF的第S个分量，λ_s是对应于S个Slepian特征锥度的特征值。现在已获得了与第一模态相关的信号的空间模式E_m¹和时间模式A¹(t)。可以这样为所有时间和区域重建时空信号F_m¹(t)，就像传统EOF中的一样：

$ \mathit{\boldsymbol{F}}_m^1\left(t \right) = \mathit{\boldsymbol{E}}_m^1{\mathit{\boldsymbol{A}}^1}\left(t \right) $

(4)

$ \mathit{\boldsymbol{F}}_m^1\left( t \right) = \delta \left( {{f_0}} \right)\mathit{\boldsymbol{R}}\left\{ {{\sigma _m}\mathit{\boldsymbol{U}}_m^1\left( {{f_0}} \right){\alpha ^1}\left( t \right){{\rm{e}}^{ - i2{\rm{ \mathit{ π} }}{f_0}t}}} \right\} $

(5)

通过描述一个周期内多个位相φ(t)=2πf₀t的典型信号模态，展示更具物理意义的振幅和位相信息随时间的演变过程。

(3) 四川盆地区域性暴雨定义

集中暴雨站点：如果A站的24 h雨量(R₂₄)≥50 mm，并且距离该站最近的10个站中，有3个及以上站点的R₂₄≥50 mm，则A站为一个集中暴雨站点。

区域性暴雨日：如果集中暴雨站点数N≥15，则该日为一个区域性暴雨日。

区域性暴雨过程：如果出现1个以上连续区域性暴雨日，则为一次区域性暴雨过程。

区域性暴雨年频率：如果在一次区域性暴雨过程中，某日出现的集中暴雨站点数最多，A站为当日的一个集中暴雨站点，则记录A站发生一次区域性暴雨，累加一年内发生的总次数，得到A站的暴雨年频率。计算1961—2015年104个站的暴雨年频率，得到104站×55 a的资料序列矩阵。四川盆地县级站空间分布比较均匀，在区域性暴雨过程空间范围的确定上，研究沿用以往的惯用标准(15个县级站)，另外使用1981—2013年的灾情资料进行对比(温克刚和詹兆渝，2006)，通过多次试验对比，发现当选择最近10个站点中3个达到要求时，识别出的区域性暴雨过程与历史灾情对比率最高，可达84%，没有灾情的过程经过核实，发现确实出现较大降水，但是由于降水位置或防灾减灾措施等原因，没有造成较大灾害。

2 四川盆地区域性暴雨分型 2.1 REOF分析

根据四川盆地区域性暴雨的定义，计算得到1961—2015年四川盆地共发生区域性暴雨223次，其中四川出现严重干旱的1994和2006年都只发生了1次区域性暴雨，而四川出现严重洪涝的1984、1998和2013年区域性暴雨过程则异常偏多，分别发生了8、5和6次。建立了1961—2015年四川盆地104站的区域性暴雨频率序列，以下分析主要针对该序列展开。表 1给出了区域性暴雨频率的EOF分析结果，前3个模态通过了显著性水平检验，累积方差贡献率达46.7%，其中第一模态方差贡献率达22.4%。选择前3个模态进行旋转，旋转后前3个模态的总方差贡献率不变，但各自方差贡献率趋于均衡(表 1)。

图 1给出了REOF分析前3个模态的空间型及其对应的时间系数，可以看到，第一模态有一个明显的大值中心，位于四川盆地西部，其中盆西北地区更加明显，即四川盆地区域性暴雨最常见的典型分布；从其对应的时间系数上可以发现，盆西型区域性暴雨有较明显的年际波动和年代际变化，20世纪60年代至90年代中期没有明显的变化趋势，90年代中后期至21世纪初期有一个明显的减少趋势，之后又逐渐增多。第二模态大值中心出现的盆东北地区，为四川盆地区域性暴雨第二个典型分布；从其对应的时间系数上不难发现，盆东北型年代际变化特征更为突出，20世纪60年代至80年代末年际波动较大，90年代初至20世纪末期出现逐渐减少的趋势，随后一直到21世纪初又开始逐渐增多，但仍然没有恢复到20世纪60—80年代的程度。第三模态大值中心出现在盆地南部，为四川盆地区域性暴雨最弱的一个典型分布；从对应时间系数可知，20世纪60—80年代，盆南型区域性暴雨年际波动较大，90年代以后大多为负异常，即维持在偏少的状态。根据REOF分析结果，可把四川盆地区域性暴雨分为三种类型，即盆西型、盆东北型和盆南型(图 2)。

2.2 分型验证

前面REOF的分析资料是区域性暴雨频率，利用区域性暴雨频率得到的结论是否准确、是否具有代表性还需要进一步验证。

本文对四川盆地1961—2015年的223次区域性暴雨过程进行主客观结合分型，首先按照区域性暴雨大值中心的经纬度初步区分(选取最大过程雨量站点为中心)，30°N以南为盆南型；30°N以北、105°E以西为盆西型；30°N以北、105°E以东为盆东北型；另外对中心接近30°N和105°E的过程，再分析其过程雨量分布图，根据降水主体分布情况主观修订其类型归属。经过主客观分型，分别给出三种类型区域性暴雨的逐年发生次数(图 3)。可以发现其分别与REOF前3个模态的时间系数有很好的对应关系，相关系数都通过了α=0.01的显著性水平检验(表 2)，其中前两个模态的相关系数均达0.88。用主客观方法确定的四川盆地三类区域性暴雨和利用REOF分析区域性暴雨频率的结论基本一致，即说明区域性暴雨频率可以用来分析四川盆地区域性暴雨特征。

3 四川盆地区域性暴雨时空变化特征 3.1 周期分析

用MTM-SVD方法分析1961—2015年四川盆地区域性暴雨频率的周期特征，图 4给出了LFV(local fractional variance)谱分析结果，横坐标为频率(倒数为周期)，可以看到在年际尺度上，2.4 a周期通过了0.01显著性水平检验，3 a周期通过了0.05显著性水平检验；年代际尺度上16.1 a和24.4 a周期都通过了0.05显著性水平检验。由于样本资料时间尺度为年，所以准3 a周期比2.4 a周期更有意义；另外资料样本长度为55 a，24.4 a周期接近样本长度的一半，并且准16 a周期的LFV谱值也相对较大，所以本文接下来着重分析准3 a周期和准16 a周期的变化特征。

3.2 准3 a周期循环重建

用MTM-SVD方法对四川盆地区域性暴雨频率在准3 a周期上进行典型循环重建，图 5给出了典型循环的时空变化特征。第一年时(图 5a)，除盆地东边缘为弱的正异常外，盆地大部为负异常，其中盆西北地区出现负异常大值中心，即第一年，四川盆地区域性暴雨主要表现为盆西型明显偏少期；第二年时(图 5b)，盆地大部仍以负异常为主，但强度明显减弱，其中盆西负异常大值区向西退缩，而盆南和盆东北的正异常区范围有所加大；第三年时(图 5c)，盆东南和盆东北边缘出现弱的负异常，盆地其余大部以正异常为主，其中盆西北出现正异常大值中心，即第三年盆西型区域性暴雨明显偏多；第四年时(图略)，又恢复到第一年的情况，盆西型区域性暴雨明显偏少，开始下一个准3 a周期循环。分析表明四川盆地区域性暴雨的准3 a周期循环，主要表现了盆西型区域性暴雨“偏少—调整—偏多”的年际变化过程。进一步研究可以发现，盆西型区域性暴雨由偏少向偏多发展时，有一个逐渐增多的过程，但是由偏多向偏少发展时，则是表现为突变过程。

3.3 准16 a周期典型循环重建

图 6给出了四川盆地区域性暴雨频率在准16 a周期上的典型循环重建。第一年时，盆地大部为负异常，盆北和盆中出现两个弱的负异常大值中心；第二年盆地负异常区向东扩展，强度进一步增强；从第三年开始，盆东北和盆南出现明显负异常大值中心，到第五年盆东北和盆南的负异常达到最强，即盆东北型和盆南型区域性暴雨明显偏少；随后盆东北和盆南的负异常区开始逐渐向东缩减，强度逐渐减弱；到第八年，盆地大部以正异常为主；第九年，正异常范围进一步加大，强度有所增强；从第十一年开始，盆东北和盆南出现正异常大值中心，随后盆东北和盆南的正异常大值区范围逐渐加大，强度逐渐增强；到第十三年，盆东北和盆南的正异常达到最强，即盆东北型和盆南型区域性暴雨显著偏多；接下来正异常区开始东退减弱，即盆东北型和盆南型区域性暴雨开始逐渐减少。从四川盆地区域性暴雨准16 a周期典型循环重建来看，盆东北型和盆南型区域性暴雨过程有明显的年代际变化特征，当其进入到偏多或偏少时段，往往会出现连续4~5 a持续偏多或偏少的异常状态，并且这种多少之间的转换表现为逐渐发展的过程。

4 前兆信号分析 4.1 盆西型前兆信号——ENSO

MTM-SVD可以对耦合场进行分析，这里使用MTM-SVD对四川盆地区域性暴雨频率和前冬太平洋海表温度耦合场在准3 a周期上进行时空重建。图 7给出了前冬太平洋海表温度与盆西型区域性暴雨在准3 a循环过程中的协同变化。第一年时，盆西型显著偏少(图 5a)，对应前冬海温异常信号主要出现在太平洋地区，赤道中东太平洋为海温负异常，副热带地区为海温正异常，即表现为拉尼娜现象(图 7a)；第二年时，盆西型有所增强(图 5b)，对应赤道中东太平洋地区为海温正异常，副热带地区为海温负异常，即典型的东部型厄尔尼诺现象(图 7b)；第三年时，盆西型显著偏多(图 5c)，赤道太平洋地区海温仍然为正异常，但是强度有所减弱，而且大值中心西移到中太平洋地区，即典型的中部型厄尔尼诺现象(图 7c)；第四年时(图略)，又恢复到第一年的状态，开始下一个3 a周期循环。通过分析可知，在盆西型区域性暴雨的准3 a周期循环中，前冬ENSO事件是其一个较强的前兆信号，当前冬发生较强拉尼娜事件后，接下来的盆西型区域性暴雨偏少；当前冬发生东部型厄尔尼诺现象后，接下来的盆西型区域性暴雨有所增加；当前冬发生中部型厄尔尼诺现象后，接下来的盆西型区域性暴雨显著偏多。

这与袁媛等(2012)的研究结论比较一致，即东部型厄尔尼诺次年东亚夏季风偏弱，副高明显偏西，中国夏季多为Ⅲ类雨型(长江流域和江南地区降水偏多)，四川盆地区降水偏多但大值区偏向盆地东部；中部型厄尔尼诺次年副高明显偏强偏西，中国夏季多为Ⅱ类雨型(长江和黄河之间降水偏多)，四川盆地西部降水明显偏多。

4.2 盆西型前兆信号——高原积雪

使用同样的方法对四川盆地区域性暴雨频率和前冬青藏高原积雪日数耦合场在准3 a周期上进行时空重建。图 8给出了前冬青藏高原积雪日数与盆西型区域性暴雨在准3 a循环过程中的协同变化。第一年时，盆西型偏少(图 5a)，对应前冬青藏高原积雪日数北少南多(图 8a)；第二年时，盆西型有所增加(图 5b)，对应前冬青藏高原积雪日数整体略偏多(图 8b)；第三年时，盆西型显著偏多(图 5c)，对应前冬青藏高原积雪日数显著偏多，尤其青藏高原东北部出现积雪日数大值中心(图 8c)。通过对比分析可知，前冬青藏高原积雪日数是后期盆西型暴雨的另一个显著前兆信号，尤其是青藏高原东北部积雪日数变化更为明显。

青藏高原冬季积雪偏多会导致高原地面感热持续减弱，进而导致东亚夏季风偏弱，夏季副高偏强偏西，有利于西南暖湿气流在四川盆地西部交汇，降水偏多；反之盆西降水偏少(朱玉祥和丁一汇，2007；朱玉祥等，2009)。

4.3 盆南型、盆东北型异常前兆信号——太平洋年代际振荡

通过分析发现，在准16 a振荡中，前冬ENSO和青藏高原积雪日数与盆东北型、盆南型区域性暴雨之间不存在协同变化关系，但是太平洋年代际振荡(Pacific decadal oscillation, PDO)表现为明显的异常前兆信号。

图 9给出了前冬太平洋海表温度与盆东北型、盆南型区域性暴雨在准16 a循环过程中的协同变化关系。第一年时，前冬赤道东太平洋海温负异常，黑潮区及太平洋中北部海温正异常，北美沿岸出现海温负异常，即表现为PDO冷位相(图 9a)，对应盆东北型和盆南型区域性暴雨正常(图 6a)；第二年仍然为PDO冷位相分布，但强度有所减弱(图 9b)；从第三年开始，赤道东太平洋海温负异常迅速减弱，开始有正异常显露，太平洋中北部的正异常向西退缩、强度进一步减弱，北美沿岸的负异常迅速减弱(图 9c~9e)，对应盆东北型和盆南型区域性暴雨逐渐表现为异常偏少(图 6c~6e)；到第六年，太平洋中北部海温异常由正转负，PDO暖位相显现(图 9f)，对应盆东北型和盆南型区域性暴雨由偏少开始逐渐恢复正常(图 6f)；随后太平洋海温的异常分布格局少变，但强度稳步增强，到第九年时，赤道东太平洋海温的正异常、太平洋中北部的负异常和北美沿岸的正异常范围达到最大、强度最强，即PDO暖位相最强(图 9i)，同时盆东北型和盆南型区域性暴雨无明显异常(图 6i)；随后PDO暖位相开始逐步减弱(图 9j~9m)，而对应盆东北型和盆南型区域性暴雨则开始逐渐增多(图 6j~6m)；从第十四年开始，太平洋中北部海温由负转正，PDO从暖位相转为冷位相(图 9n~9p)，对应盆东北型和盆南型区域性暴雨由偏多开始向正常转变(图 9n~9p)。

通过分析发现在准16 a振荡中，前冬PDO是盆东北型和盆南型区域性暴雨的异常前兆信号，当前冬PDO呈现较强冷位相时，盆东北型和盆南型区域性暴雨趋于正常；当前冬PDO处在由冷位相转为暖位相的阶段时，盆东北型和盆南型区域性暴雨往往明显偏少；当前冬PDO达到较强暖位相时，盆东北型和盆南型区域性暴雨再次趋于正常；当前冬PDO处在由暖位相转为冷位相的阶段时，盆东北型和盆南型区域性暴雨则往往显著偏多。

PDO是一种年代际时间尺度上的气候变率强信号，一方面其叠加在长期气候趋势变化的扰动，直接造成太平洋及周边地区气候的年代际变化；另一方面，它又是年际变率的重要背景，对年际变化具有重要的调制作用(杨修群等，2004)。研究表明PDO暖位相对应东亚夏季风偏弱，副高偏南，长江中下游降水异常偏多，而四川盆地区降水无明显异常；反之PDO冷位相时，上述情况相反(朱益民和杨修群，2003)。这与本文研究结论恰好相互印证，PDO冷、暖位相最强时，盆东北型和盆南型区域性暴雨处于正常情况，而盆地区域性暴雨显著异常状态发生在PDO冷、暖位相转换阶段。

5 结论与讨论

(1) 根据REOF将四川盆地区域性暴雨分为盆西型、盆东北型和盆南型。盆西型区域性暴雨从20世纪60年代至90年代中期没有明显的变化趋势，90年代中后期到21世纪初期有一个明显的减少趋势，之后又逐渐增多。盆东北型20世纪60年代至80年代末年际波动较大，90年代初至90年代末期出现逐渐减少的趋势，随后一直到21世纪初又开始逐渐增多。盆南型20世纪90年代以后大多为负异常，即维持在较少的状态。

(2) 四川盆地区域性暴雨的准3 a周期循环，体现了盆西型“偏少—调整—偏多”的年际变化过程；并且发现盆西型由偏少向偏多发展时，有一个逐渐增多的过程，但是由偏多向偏少发展时，则是突变过程。四川盆地区域性暴雨准16 a周期循环，主要体现了盆东北型和盆南型的异常演变过程。

(3) 盆西型区域性暴雨的准3 a周期循环中，前冬ENSO事件是其一个较强的前兆信号，当前冬出现较强拉尼娜事件时，后期盆西型偏少；当前冬出现东部型厄尔尼诺现象时，后期盆西型有所增加；当前冬出现中部型厄尔尼诺现象时，后期盆西型显著偏多。前冬青藏高原积雪日数是后期盆西型区域性暴雨的另一个显著前兆信号，尤其是青藏高原东北部积雪日数的变化。

(4) 在准16 a振荡中，前冬PDO是盆东北型和盆南型区域性暴雨的异常前兆信号，当前冬PDO呈现较强冷位相时，盆东北型和盆南型区域性暴雨趋于正常；当前冬PDO处在由冷位相转为暖位相的阶段时，盆东北型和盆南型区域性暴雨往往明显偏少；当前冬PDO达到较强暖位相时，盆东北型和盆南型区域性暴雨再次趋于正常；当前冬PDO处在由暖位相转为冷位相的阶段时，盆东北型和盆南型区域性暴雨则往往显著偏多。

(5) 四川盆地区域性暴雨的影响因素较多，无论是地形、天气尺度系统，还是初始水汽条件(陈静等，2002；王成鑫等，2013；徐明等，2015；卢萍等，2009；王佳津等，2015)，对区域性暴雨的强度、位置和持续时间等都有较大影响，即使两次过程发生时间、区域及强度都相似，其环流形式也可能相差甚远(肖递祥等，2012)。四川盆地区域性暴雨发生机理复杂，本文只是给出了不同类型区域性暴雨前兆信号的统计信息，对其影响机理没有进行研究。然而这种前兆信号是否稳定，是否存在科学的物理机制，还需要深入探讨。另外由于资料限制，本文的研究范围仅限于四川省的盆地区域，虽然包括了大部分的盆地区，但是没有考虑盆地的实际地形边界，而区域性暴雨并不受行政边界的限制，所以在后续的研究中，还需要搜集更大范围的气象资料，进行更完善的分析验证。