Spatial-temporal variation of extreme precipitation and its key influencing factors in Gansu Province over the past 62 years

doi:10.11755/j.issn.1006-7639-2025-05-0745

Abstract

Abstract:

A comprehensive understanding of the spatio-temporal characteristics of extreme precipitation and exploring its key influencing factors can help better defend against the adverse effects of extreme precipitation. Based on the standardized daily precipitation data from 58 national meteorological stations in Gansu Province from 1961 to 2022, the spatio-temporal characteristics of extreme precipitation in Gansu Province were analyzed by using 12 extreme precipitation indices, and the contribution rate of large-scale climate factors to extreme precipitation was quantified using the Geodetector. The results are as follows: 1) In the past 62 years, the consecutive dry days (CDD) and consecutive wet days (CWD) in Gansu Province showed a decreasing trend, while the other indices representing intensity and frequency of extreme precipitation showed mainly insignificant increases. The frequency of extreme precipitation events had the highest increasing rate of 2.38 times·(10 a)^-1. The extreme precipitation presented a significant increasing and intensifying trend, with an abrupt change detected around 2010 in the Hexi region. The extreme precipitation events in Gansu Province occurs from March to November, especially in July and August. The months with an increasing and strengthening trend of extreme precipitation are predominant, and in June the rate of increase is the maximum. 2) The stations where the extreme precipitation indices showed an increasing trend are mainly located in the most of Hexi region and Lanzhou, the central and northern parts of Baiyin, Linxia, the southeastern part of Longdong region, and the southern part of Longnan. 3) The Indian Ocean Basin-Wide Index and Nino Eastern Pacific index contribute the most to extreme precipitations in the Hexi region (29%) and the Hedong region (33%), respectively. The warming of sea surface temperature in the tropical Indian Ocean is conducive to an increase and intensification of extreme precipitation in the Hexi region, while the Eastern Pacific El Niño event is unfavorable for the occurrence and development of extreme precipitation in the Hedong region. Moreover, the contribution rate of two-factor interaction to extreme precipitation is significantly greater than that of single-factor action.

Key words: Gansu Province, extreme precipitation, spatial-temporal variation, large-scale climate factors

摘要：

全面认识极端降水时空特征、探究其关键影响因子，有助于更好地防御极端降水带来的不利影响。利用1961—2022年甘肃58个国家基本气象站均一化逐日降水数据，选取12个极端降水指数，分析甘肃极端降水时空特征；并运用地理探测器，量化大尺度气候因子对极端降水的贡献率。结果表明：1）近62 a甘肃持续干燥和湿润日数呈减少趋势，其余表征极端降水强度、频次的指数以不显著上升为主，强降水事件频次上升速率最大，达2.38 次·（10 a）^-1；河西地区极端降水呈显著增多增强趋势，并主要在2010年前后突变增多；甘肃强降水事件出现在3—11月，以7月和8月最多最强，强降水呈增多增强趋势的月份居多，且以6月上升速率最大。2）极端降水指数呈上升趋势的站点主要出现在河西地区大部、兰州大部、白银中北部、临夏、陇东地区东南部和陇南南部。3）热带印度洋全区一致海温模态和东部型ENSO指数分别对河西（29%）和河东（33%）地区极端降水贡献率最大；热带印度洋海温增暖有利于河西地区极端降水增多增强，而东部型厄尔尼诺事件不利于河东地区极端降水发生发展；此外，双因子交互作用对极端降水的贡献率明显大于单因子作用。

关键词: 甘肃, 极端降水, 时空特征, 大尺度气候因子

CLC Number:

P467

WANG Xin, YANG Jinhu, WANG Pengling, HUANG Pengcheng, LU Guoyang, HU Jie. Spatial-temporal variation of extreme precipitation and its key influencing factors in Gansu Province over the past 62 years[J]. Journal of Arid Meteorology, 2025, 43(5): 745-758.

王鑫, 杨金虎, 王朋岭, 黄鹏程, 卢国阳, 胡婕. 近62 a甘肃极端降水特征及其关键影响因子[J]. 干旱气象, 2025, 43(5): 745-758.

Figures/Tables 12

Fig.1 The distribution of meteorological stations

Tab.1 Selected large-scale climate factors in the study

因子类型	因子名称	英文名称	英文简称
大气环流指数	西太平洋副高面积指数	Western Pacific Subtropical High Area Index	WPSHA
	西太平洋副高脊线位置指数	Western Pacific Subtropical High Ridge Position Index	WPSHRP
	南海副高面积指数	South China Sea Subtropical High Area Index	SCSSHA
	南海副高脊线位置指数	South China Sea Subtropical High Ridge Position Index	SCSSHRP
	西藏高原-2指数	Tibet Plateau Region-2 Index	TPR-2
	亚洲纬向环流指数	Asian Zonal Circulation Index	AZI
	亚洲经向环流指数	Asian Meridional Circulation Index	AMI
	北极涛动指数	Arctic Oscillation Index	AO
	北大西洋涛动指数	North Atlantic Oscillation Index	NAO
	太平洋—北美遥相关型指数	Pacific/ North American Pattern Index	PNA
海表温度指数	大西洋多年代际振荡指数	Atlantic Multi-decadal Oscillation Index	AMO
	东部型ENSO指数	Nino Eastern Pacific Index	NEP
	中部型ENSO指数	Nino Central Pacific Index	NCP
	热带印度洋全区一致海温模态指数	Indian Ocean Basin-Wide Index	IOBW
	热带印度洋海温偶极子指数	Tropic Indian Ocean Dipole Index	IOD

Tab.2 Extreme precipitation indices and their definitions

类型	简称	名称	定义	单位
ETCCDI 指数	CDD	持续干燥指数	日降水量<1 mm的最长连续日数	d
	CWD	持续湿润指数	日降水量≥1 mm的最大持续日数	d
	PRCPTOT	年降水总量	日降水量≥11 mm的年累积降水量	mm
	SDII	日降水强度	降水量≥1 mm的总量与日数之比	mm·d^-1
	Rx1day	最大1 d降水量	年最大日降水量	mm
	Rx5day	最大5 d降水量	年最大连续5 d的降水量	mm
	R10mm	大雨日数	日降水量≥10 mm的总日数	d
	R20mm	极端大雨日数	日降水量≥20 mm的总日数	d
	R95p	强降水总量	日降水量>95%分位值的年累积降水量	mm
补充指数	R95n	强降水频次	日降水量>95%分位值的年累积次数	次
	R95i	强降水强度	R95p与R95n之比	mm·次^-1
	R95c	强降水贡献率	R95p占PRCPTOT的比重	%

Fig.2 Temporal trends of extreme precipitation indices in Gansu Province, Hexi and Hedong regions during 1961-2022 (Dotted lines indicate the interannual variation, dashed lines indicate the linear trend, thick solid lines indicate the 9-year moving average)

Tab.3 Climate tendency rates of extreme precipitation indices in Gansu Province， Hexi and Hedong regions during 1961-2022

区域	CDD/ [d·（10 a）^-1]	CWD/ [d·（10 a）^-1]	PRCPTOT/ [mm·（10 a）^-1]	SDII/ [mm·d^-1·（10 a）^-1]	Rx1day/ [mm·（10 a）^-1]	Rx5day/ [mm·（10 a）^-1]
全省	-0.84	-0.100*	-1.20	0.05	0.43	0.29
河东	-0.72	-0.130	-3.81	0.04	0.25	0.02
河西	-1.16	-0.002	5.09*	0.07	0.84*	0.94*
区域	R10mm/ [d·（10 a）^-1]	R20mm/ [d·（10 a）^-1]	R95p/ [mm·（10 a）^-1]	R95n/ [次·（10 a）^-1]	R95i/ [mm·次^-1·（10 a）^-1]	R95c/ [%·（10 a）^-1]
全省	-0.08	0.03	1.43	2.38	0.04	0.50
河东	-0.19	0.02	1.02	0.86	0.10	0.45
河西	0.19*	0.05*	2.40*	1.52*	0.30*	1.00*

Tab.4 The abrupt change years of extreme precipitation indices’ mean values and the difference in mean values before and after the abrupt change

极端指数	突变年份			突变后较突变前的均值差值
极端指数	全省	河西	河东	全省	河西	河东
CDD/d	1990	2004	1990	-4.0	-4.9	-3.3
CWD/d	1987		1987	-0.5		-0.7
PRCPTOT/mm		1993			16.3
SDII/（mm·d^-1）	2011	2012	2011	0.4	0.4	0.4
Rx1day/mm	2011	2010		2.9	3.9
Rx5day/mm		1972			4.1
R10mm/d		2008	1972		0.6	-1.7
R20mm/d		2012			0.3
R95p/mm	2011	2012		17.1	11.9
R95n/次		2012			7.4
R95i/（mm·次^-1）		1993			1.0
R95c/%	2004	2012		2.5	5.1

Fig.3 Monthly variations of R95p (a), R95n (b), R95i (c) and R95c (d) during 1961-2022 and before and after their abrupt changes in Gansu Province

Tab.5 The climate tendency rates of monthly R95p， R95n， R95i and R95c in Gansu Province， Hexi and Hedong regions during 1961-2022

月份	R95p/ [mm·（10 a）^-1]			R95n/ [次·（10 a）^-1]			R95i/ [mm·次^-1·（10 a）^-1]			R95c/ [%·（10 a）^-1]
月份	全省	河西	河东	全省	河西	河东	全省	河西	河东	全省	河西	河东
3	-0.02	0.01	-0.04	-0.04	0.01	-0.04	0.41	0.11	0.30	0.05	0.15	0.06
4	0.08	0.12	0.06	0.16	0.09	0.07	1.79	0.87	1.59	0.68	1.04	0.78
5	0.07	-0.18	0.17	0.19	-0.13	0.32	0.39	0.38	0.13	0.19	-0.29	0.13
6	1.29*	0.92*	1.44*	2.00	0.61*	1.39	0.61	1.48	0.66	1.77*	2.79*	1.69*
7	0.45	0.82*	0.30	0.94	0.60 *	0.34	-0.17	0.36	0.08	0.87	2.40*	1.09
8	0.18	0.05	0.24	-0.11	-0.10	-0.01	0.51*	-0.35	0.42	0.65	0.03	1.47
9	-0.98	0.77*	-1.71	-1.20	0.54*	-1.74	-0.84*	1.35*	-0.81*	-0.97	2.96*	-1.09
10	0.40	-0.10*	0.61	0.53	-0.07*	0.60	0.14	-1.31*	1.07	0.90	-1.65 *	1.13
11	-0.04	-0.01	-0.05	-0.09	-0.01	-0.08	-0.78	-0.16	-0.62	-0.28	-0.14	-0.32

Fig.4 Spatial distribution of extreme precipitation indices’ climate tendency rates in Gansu Province during 1961-2022 (The red and the blue triangles indicate the increasing and decreasing trend, respectively; the size of the triangle indicates the magnitude of the trend, the circles indicate the trends passing the significance test at 0.05; the number on the upper right corner indicates the percentage of sites with a certain trend among the total number of sites)

Fig.5 Heat maps of correlation coefficients between the extreme precipitation indices and large-scale climate factors in Hexi （a） and Hedong （b） regions during 1961-2022 （**and * indicate the correlation passing the significance test at 0.01 and 0.05，respectively）

Fig.6 Contribution of single large-scale climate factor to different extreme precipitation indices in Hexi (a, b, c) and Hedong (d, e, f) regions

Tab.6 Maximum contribution rate of the interaction of two large-scale climate factors to different extreme precipitation indices in Hexi and Hedong regions

极端降水指数	河西		河东
极端降水指数	双因子交互组合	贡献率/%	双因子交互组合	贡献率/%
CDD	$N C P ⋂ A M O$	71	$I O D ⋂ P N A$	76
CWD	$W P S H R P ⋂ A M O$	73	$N A O ⋂ I O B W$	72
PRCPTOT	$W P S H R P ⋂ P N A$	79	$I O D ⋂ I O B W$	80
SDII	$I O B W ⋂ N C P$	68	$S C S S H R P ⋂ N E P$	76
Rx1day	$W P S H R P ⋂ A M O$	82	$S C S S H R P ⋂ P N A$	78
Rx5day	$W P S H R P ⋂ A M O$	80	TPR-2 $⋂$ AO	82
R10mm	$W P S H R P ⋂ P N A$	71	TPR-2 $⋂$ PNA	78
R20mm	$I O B W ⋂ A M O$	66	$S C S S H R P ⋂ N E P$	77
R95p	$W P S H R P ⋂ A M O$	72	$S C S S H R P ⋂ N A O$	70
R95n	$N C P ⋂ S C S S H A$	72	$S C S S H R P ⋂ N A O$	72
R95i	$N C P ⋂ P N A$	70	$A M O ⋂ I O B W$	71
R95c	$N C P ⋂ W P S H A$	68	$S C S S H R P ⋂ A M O$	80

Tab.6 Maximum contribution rate of the interaction of two large-scale climate factors to different extreme precipitation indices in Hexi and Hedong regions

极端降水指数	河西		河东
极端降水指数	双因子交互组合	贡献率/%	双因子交互组合	贡献率/%
CDD	$N C P ⋂ A M O$	71	$I O D ⋂ P N A$	76
CWD	$W P S H R P ⋂ A M O$	73	$N A O ⋂ I O B W$	72
PRCPTOT	$W P S H R P ⋂ P N A$	79	$I O D ⋂ I O B W$	80
SDII	$I O B W ⋂ N C P$	68	$S C S S H R P ⋂ N E P$	76
Rx1day	$W P S H R P ⋂ A M O$	82	$S C S S H R P ⋂ P N A$	78
Rx5day	$W P S H R P ⋂ A M O$	80	TPR-2 $⋂$ AO	82
R10mm	$W P S H R P ⋂ P N A$	71	TPR-2 $⋂$ PNA	78
R20mm	$I O B W ⋂ A M O$	66	$S C S S H R P ⋂ N E P$	77
R95p	$W P S H R P ⋂ A M O$	72	$S C S S H R P ⋂ N A O$	70
R95n	$N C P ⋂ S C S S H A$	72	$S C S S H R P ⋂ N A O$	72
R95i	$N C P ⋂ P N A$	70	$A M O ⋂ I O B W$	71
R95c	$N C P ⋂ W P S H A$	68	$S C S S H R P ⋂ A M O$	80

References 43

[1]	陈丽丽, 刘普幸, 姚玉龙, 等, 2013. 1960—2010年甘肃省不同气候区SPI与Z指数的年及春季变化特征[J]. 生态学杂志, 32(3): 704-711.
[2]	春兰, 秦福莹, 宝鲁, 等, 2019. 近55 a内蒙古极端降水指数时空变化特征[J]. 干旱区研究, 36(4): 963-972. DOI
[3]	丁一汇, 柳艳菊, 徐影, 等, 2023. 全球气候变化的区域响应:中国西北地区气候“暖湿化”趋势,成因及预估研究进展与展望[J]. 地球科学进展, 38(6): 551-562. DOI
[4]	韩兰英, 张强, 杨阳, 等, 2019. 气候变化背景下甘肃省主要气象灾害综合损失特征[J]. 干旱区资源与环境, 33(7): 109-116.
[5]	胡倩, 岳大鹏, 赵景波, 等, 2019. 甘肃省近50年暴雨变化特征及其灾害效应[J]. 水土保持通报, 39(4): 74-81.
[6]	贾文雄, 2012. 近50年来祁连山及河西走廊降水的时空变化[J]. 地理学报, 67(5): 631-644. DOI
[7]	江洁, 周天军, 张文霞, 2022. 近60年来中国主要流域极端降水演变特征[J]. 大气科学, 46(3): 707-724.
[8]	李春, 韩笑, 2008. 东亚夏季风北界与我国夏季降水关系的研究[J]. 高原气象, 27(2): 325-330.
[9]	李威, 翟盘茂, 2009. 中国极端强降水日数与ENSO的关系[J]. 气候变化研究进展, 5(6): 336-342.
[10]	李耀辉, 李栋梁, 2004. ENSO循环对西北地区夏季气候异常的影响[J]. 高原气象, 23(6): 930-935.
[11]	梁丰, 刘丹丹, 王婉昭, 等, 2016. 1961—2013年东北地区夏季极端降水事件变化特征[J]. 干旱区地理, 39(3): 565-572.
[12]	刘维成, 张强, 傅朝, 2017. 近55年来中国西北地区降水变化特征及影响因素分析[J]. 高原气象, 36(6): 1 533-1 545.
[13]	卢珊, 胡泽勇, 王百朋, 等, 2020. 近56年中国极端降水事件的时空变化格局[J]. 高原气象, 39(4): 683-693. DOI
[14]	马中华, 张勃, 王兴梅, 等, 2012. 近50 a甘肃省夏季日极端降水频数与强度变化特征[J]. 干旱区研究, 29(2): 296-302.
[15]	庆丰, 2023. 甘肃省“8·13”陇东南暴洪灾害应对工作分析与启示[J]. 中国减灾, 15: 32-35.
[16]	宋扬, 王冀, 冯璞玉, 等, 2024. 基于ETCCDI指数的京津冀地区极端气候事件特征及影响分析[J]. 气象与环境学报, 40(3): 97-105.
[17]	佟金鹤, 钱昆, 田光辉, 等, 2019. 1977—2017年海南极端气候事件变化时空差异分析[J]. 中国农学通报, 35(12): 89-94. DOI
[18]	王国桢, 晏宏, 刘成程, 等, 2023. 1960—2017年黄土高原极端降水的时空演化及其对环流变化的响应[J]. 地球环境学报, 14(5): 588-602.
[19]	王劲峰, 徐成东, 2017. 地理探测器:原理与展望[J]. 地理学报, 72(1): 116-134. DOI
[20]	王军德, 苏振娟, 张丽娜, 等, 2022. 甘肃省极端降水指数时空变化特征[J]. 水土保持研究, 29(4): 270-277.
[21]	王艳君, 高超, 王安乾, 等, 2014. 中国暴雨洪涝灾害的暴露度与脆弱性时空变化特征[J]. 气候变化研究进展, 10(6): 391-398.
[22]	杨东, 程军奇, 李小亚, 等, 2012. 甘肃黄土高原各级降水和极端降水时空分布特征[J]. 生态环境学报, 21(9): 1 539-1 547.
[23]	杨金虎, 江志红, 王鹏祥, 等, 2008. 中国年极端降水事件的时空分布特征[J]. 气候与环境研究, 13(1): 75-83.
[24]	杨金虎, 江志红, 杨启国, 等, 2007. 中国西北汛期极端降水事件分析[J]. 中国沙漠, 27(2): 320-325.
[25]	袁文德, 郑江坤, 董奎, 2014. 1962—2012年西南地区极端降水事件的时空变化特征[J]. 资源科学, 36(4): 766-772.
[26]	张皓, 2018. 甘肃省气候资源与极端气候事件变化特征及其对冬小麦生产力的影响[D]. 南京: 南京信息工程大学.
[27]	张强, 林婧婧, 刘维成, 等, 2019. 西北地区东部与西部汛期降水跷跷板变化现象及其形成机制[J]. 中国科学:地球科学, 49(12): 2 064-2 078.
[28]	张强, 杨金虎, 王朋岭, 等, 2023. 西北地区气候暖湿化的研究进展与展望[J]. 科学通报, 68(14): 1 814-1 828.
[29]	张强, 朱飙, 杨金虎, 等, 2020. 西北地区气候湿化趋势的新特性[J]. 科学通报, 66(28/29): 3 757-3 771.
[30]	张雯, 马阳, 王岱, 等, 2023. 不同时间尺度海温因子对西北地区东部夏季降水的影响及预测[J]. 干旱区研究, 40(4): 532-542. DOI
[31]	张献志, 汪向兰, 王春青, 等, 2020. 黄河源区气象水文序列突变点诊断[J]. 人民黄河, 42(11): 22-26.
[32]	张小明, 杨金虎, 高伟东, 等, 2008. 甘肃省近50 a夏季极端强降水量的气候特征[J]. 干旱气象, 26(2): 48-52.
[33]	赵威, 张恒德, 胡艺, 2022. 东亚季风过渡带降水变化特征及物理机制研究进展[J]. 海洋气象学报, 42(4): 1-10.
[34]	折远洋, 杨波, 尚清芳, 等, 2020. 近58年河西地区降水事件的连续性特征[J]. 水土保持研究, 27(3): 139-146.
[35]	周天仪, 江志红, 李伟, 等, 2024. 不同物理约束方案下西北地区夏季降水的未来预估对比[J]. 气候变化研究进展, 20(4): 403-415.
[36]	HAN J Y, DU H B, WU Z F, et al, 2019. Changes in extreme precipitation over dry and wet regions of China during 1961-2014[J]. Journal of Geophysical Research Atmospheres, 124(11): 5 847-5 859. DOI URL
[37]	JENKINS D G, QUINTANA-ASCENCIO P F, 2020. A solution to minimum sample size for regressions[J]. PLoS One, 15(2): e0229345. DOI: 10.1371/journal.pone.0229345.
[38]	KUNKEL K E, ANDSAGER K, EASTERLING D R, 1999. Long-term trends in extreme precipitation events over the conterminous United States and Canada[J]. Journal of Climate, 12(8): 2 515-2 527. DOI URL
[39]	LIANG Q X, CHEN Y N, DUAN W L, et al, 2025. Temporal and spatial changes of extreme precipitation and its related large-scale climate mechanisms in the arid region of Northwest China during 1961-2022[J]. Journal of Hydrology, 658: 133182. DOI:10.1016/j.jhydrol.2025.133182.
[40]	MANN H B, WHITNEY D R, 1947. On a test of whether one of two random variables is stochastically larger than the other[J]. The Annals of Mathematical Statistics, 18(1):50-60. DOI URL
[41]	MULLER C, TAKAYABU Y, 2020. Response of precipitation extremes to warming: What have we learned from theory and idealized cloud-resolving simulations, and what remains to be learned?[J]. Environmental Research Letters, 15(3): 035001. DOI:10.1088/1748-9326/ab7130.
[42]	WANG D K, DONG Z C, LING Z H, et al, 2022. Spatiotemporal variability of extreme precipitation at different time scales and quantitative analysis of associated driving teleconnection factors: Insights from Taihu Basin, China[J]. Ecological Indicators, 142:109287. DOI:10.1016/j.ecolind.2022.109287.
[43]	WEI W, ZOU S, DUAN W L, et al, 2023. Spatiotemporal variability in extreme precipitation and associated large-scale climate mechanisms in Central Asia from 1950 to 2019[J]. Journal of Hydrology, 620: 129417. DOI:10.1016/j.jhydrol.2023.129417.