摘要 选取中国东部1961—2012年夏季5—9月无缺测429站逐日降水资料，利用广义帕雷托分布（GPD）拟合，研究中国东部52 a以及El Nio发展年和衰减年极端降水的统计特征，并分析其成因。结果表明：1）中国东部降水阈值呈由东南向西北递减的态势，且基本为线性增加趋势。2）华南地区尺度参数最大，出现极端降水的概率大。黄河以南地区尺度参数变化趋势正值较多，出现极端降水的概率增加。3）El Nio发展年夏季，西太平洋上有气旋环流异常，中国东南部受气旋西侧的异常偏北气流影响，多地阈值偏小，只有福建东南部及黑龙江中西部易发生破纪录的极端降水。4）El Nio衰减年夏季，西太平洋上为异常反气旋环流，中国东南部受反气旋西侧的异常偏南气流影响，多地阈值偏大，广东中东部及皖鄂赣交界处发生洪涝灾害的可能性增大。
关键词中国东部；极端降水；统计特征；El Nio；GPD
全球气候变暖的背景下，极端天气气候事件频发，其中极端降水事件表现尤为明显。中国雨季频繁发生的洪涝灾害给社会经济以及人民生产生活造成严重影响。1991—2000年，全国年均洪涝灾害损失约占同期GDP的2%（万仕全，2010）。
近年来，中国极端降水特征研究已取得很大进展（李明刚等，2012；王苗等，2014）。当前，研究极值理论的概率模型主要有广义极值分布（Generalized Extreme Value distribution，GEV）、广义帕雷托分布（General Pareto Distribution，GPD）等。GPD利用PeaksOverThreshold（POT）的样本选取方法，充分利用超越特定临界值的样本，增大了极值的样本数量，能更好地模拟极值的概率分布，得到广泛应用（Naveau et al.，2005；Nogaj et al.，2006）。王静等（2015）曾利用基于POT的GPD分布模型，研究了江淮地区极端降水的分布特征及其变化趋势，但针对中国东部地区极端降水变化趋势的认识还有待于深入。El Nio与极端降水有着不可分割的联系，虽然围绕El Nio对中国降水影响的研究有很多（宗海峰等，2010；孙密娜等，2011），但对于El Nio与中国极端降水概率分布参数的关系研究较少，对此尚缺乏深入了解。
本文利用隨时间变化的阈值方法和基于POT的GPD分布模型，分别对近52 a以及El Nio发展和衰减年超阈值样本进行拟合，并通过对比各自概率分布特征，研究中国东部夏季极端降水的变化趋势特征以及El Nio与中国东部夏季极端降水概率分布的可能联系。
1 资料和方法
1.1 资料
资料包括：中国气象局气象信息中心1961—2012年5—9月753站地面逐日降水观测资料，选取中国东部（100～135°E、15～55°N）无缺测的429站（图略）；来自东安格利亚大学气候研究中心1961—2012年冬季（12月至次年2月）SOI资料；1961—2012年5—9月NCEP/NCAR再分析资料，包括月平均风场、位势高度场，水平分辨率为2.5°×2.5°；国家气候中心1961—2012年5—9月西太平洋副热带高压（西太副高）脊点位置。
1.2 方法
1.2.1 阈值和极值指数
降水阈值是用于描述极端降水量的大小和极端降水事件发生频次的一个重要参数。随时间变化的阈值可使样本前后超阈值的样本分布更均衡，消除样本偏差，且反映季节内和长期降水的变化（Coelho et al.，2008）。根据Acero et al.（2011）的总结，阈值us（t）的计算公式为：
其中：N为超越阈值的极端降水天数；Ti为每相邻两个超阈值的极端降水间隔的天数。极值指数的范围取在[0，1]之间，趋近0表示极端降水事件独立性很弱，趋近1则表示极端降水事件近似独立。将极值指数乘以超越阈值的极端降水天数，可得串数。根据串数和各相邻两个超阈值的极端降水间隔的天数，将间隔小的超阈值极端日降水量合并到一个串中。若在一个独立的串内有不止一个极端降水事件，则选取该串内最大日降水量作为样本，得到新的极端降水样本序列（王静等，2015）。得到的每个串之间相互独立，代表一次独立的超阈值降水事件。该分串方法确定了极值指数，将连续的超阈值降水事件分串，得到独立的超阈值样本，避免了时间序列的短期相关。
1.2.2 广义帕雷托分布（GPD）
本文所用拟合模型为GPD模型，在作连续多年的降水样本GPD拟合时，保持形状参数不变，将尺度参数设为随时间变化项，其公式如下：
其中：σ0描述极值分布的变率，该参数越大，表明极值波动范围越大，极端强降水发生的概率越大；σ1则表示发生极端强降水的概率变化情况，σ1大于零，发生极端强降水的概率增加。尺度参数和形状参数有多种参数估计方法（苏布达等，2008；桂文林等，2010），其中极大似然估计法适用面广，在一定条件下，未知参数的极大似然估计量与真值之差可以任意小（万仕全，2010），因此本文拟采用该方法。
2 GPD模拟的中国东部极端降水特征
2.1 阈值及其变化的特征分析
由上述阈值选取法，可得到随时间变化的阈值，该方法避免了固定的阈值会使样本序列前后超阈值的样本数不均衡的现象。图1是中国东部各站点平均阈值的空间分布，可见中国东部平均阈值分布大致呈由东南向西北逐渐递减的态势，与江志红等（2009）的结论一致。广东南部为平均阈值最大区域，该处位于珠江流域，珠江属于雨洪河流，极大的降水使河水暴涨，有引发洪涝灾害的可能。其次皖鄂赣交界处也存在大值区，该处靠近庐山北侧，特殊的地形促使水汽抬升，造成降水量较大，阈值较高。平均阈值最小的地方是内蒙古西部，该区域属于非季风区，远离海洋，水汽输送较少。在其以南及以东地区的阈值也普遍偏小，这与中国东部平均降水分布大致相同。图1上台湾虽也有阈值，但原始资料中缺少该处数据，因此只是福建广东等地阈值的延伸（下同）。对阈值的变化趋势进行MK检验，中国东部有100个站通过了0.05信度的MK检验，且基本都为正趋势，只有四川和甘肃个别站点为负趋势。这表明近50 a来，中国东部降水阈值基本呈增加的趋势。