广西壮族自治区位于副热带季风区，其地理和气候特点使极端洪涝和干旱在该地区具有并存、并发的特点^[1]。自2000年来，广西出现了较罕见的极端降水和干旱事件，如2016年5月强降雨袭击容县导致特大洪水、2010年春季桂西北大面积干旱以及2005年6月强降雨引发梧州特大洪水等。这些极端降水事件造成广西多个市县受灾，给当地制糖业、林业和旅游等支柱产业带来严重损失，引起社会各界的广泛关注。

当前以变暖为主要特征的气候变化背景使纬向风减弱^[2]以及哈德莱环流北沿北扩^[3]。这些大尺度环境的变化导致了东亚季风环流变化。在此背景下，中国区域的降水气候平均态和极端降水事件的时空分布呈现了局地差异性的变化^[4-6]。虽然相比中高纬度地区，广西气温变暖趋势相对较小，但降水的空间分布呈现了明显变化，其中广西区域的年降水量呈现中部减少，南部和北部增加的趋势^[7]。历史观测资料表明，桂东北部和东南部的夏季极端降水频数呈现增多趋势^[8]。而同时，极端干旱的频率在广西也有所增加，尤其在桂南沿海地区^[9]。一些研究利用全球气候模式驱动区域气候模式，以动力降尺度为手段对华南地区的极端气候事件进行了情景预估^[10]，发现不同排放水平情景下桂北地区的极端降水事件在21世纪末相对1960年代增加，且增幅较华南其他地区显著。然而由于气象观测记录的不连续性^[11]和城市化对站点观测的影响^[12]，使得对极端降水的历史变化研究存在不确定性。当前用于模拟极端事件可能的未来变化的气候模式由于自身系统误差以及模式分辨率和物理参数化精度水平有限，仍较难解析导致极端干旱和降水事件的各尺度天气系统，给极端降水未来变化的预估带来不确定性^[13]。同时，区域降水量的时空分布对不同时间尺度的大气遥相关具有一定响应^[14]，而目前对于区域极端降水对不同遥相关的响应仍需进一步研究，以识别其对气候自然变率的响应并将其区别于对气候变化的响应^[15]，从而更好地认识气候变化对极端降水指标的影响。

厄尔尼诺与南方涛动（ENSO）是海气相互作用下赤道东太平洋海表面温度和纬向风呈现的准周期气候类型，其不同位相（即厄尔尼诺与拉尼娜）对全球气候异常具有一定影响^[16]。研究表明在厄尔尼诺（拉尼娜）位相下，沃克环流上升支呈现减弱东移的特征，在此影响下东亚夏季风环流整体呈现减弱南移（增强北移）的响应^[17]。在厄尔尼诺暖位相下，中国华南地区夏季至冬季的降水显著增多^[18]，而且广西与广东局部的强降水日数呈现增加的响应^[19]。然而，在气候变暖背景下强厄尔尼诺事件的频率将可能增加^[20]。广西地区近年来极端降水事件的增多是否与这些厄尔尼诺事件的变化有关，目前仍需要进一步探讨。

因此，本文通过格点化降水观测数据结合不同极端降水指标的计算，首先对广西地区各极端指标及其气候倾向率的空间分布进行分析，然后分析广西区域内各极端指标总体的气候变率。进而分析ENSO循环与这些极端降水气候变率的相关性和滞后性，得出不同ENSO位相下各极端指标分布的潜在响应特征以及对应大尺度环境场响应。本文结果旨在提高对广西区域极端降水事件时空分布和气候变率的认识，为极端气候事件的诊断、预估和区域气候变化影响评估等相关工作提供科学基础。

为通过历史降水记录得出广西地区各极端指标的时空变化，本文使用日本人文与自然研究所和日本气象厅气象研究所发布的1951—2007年亚洲区域高解析度观测集成逐日降水数据（APHRODITE），其水平分辨率为0.25˚×0.25˚，在广西区域内共365个格点（图 1)。该数据为通过结合站点数据与数字高程模型智能差值算法得出的降水网格数据^[21]。与站点观测数据相比，该资料水平分辨率更高、空间分布更均一，可更有效地对极端指标趋势与相对变化的统计显著性进行空间分析，并减少站点分布不均带来的空间分析不确定性。

图 1 广西地区的APHRODITE降水数据格点分布 Figure 1 Distribution of grids from the APHRODITE precipitation data over Guangxi province

为诊断极端降水/干旱发生的频率以及持续性，本文分析的极端指标与曹祥会等^[22]类似，包括无雨日数（DD)、暴雨日数（HRD)、最大连续干期（CDD）和最大连续湿期（CWD)，其中：DD为一年中日降水量为0 mm的日数；HRD为一年中日降水量＞50 mm的日数；CDD为一年中日降水量＜1 mm的最长持续日数；CWD为一年中日降水量＞1 mm的最长持续日数。

对于各极端指标的气候周期性变率，本文采用较常用的快速傅里叶变换方法（FFT）来计算不同谱周期下对应的变率振幅，以展现极端降水的主要周期。为获得ENSO不同位相的时间分布信息，本文采用美国国家海洋大气局（NOAA）气候预测中心发布的逐月Niño3.4区海表面温度指数。该指数基于NOAA海表面温度最佳差值数据集（OISST）2.0^[23]，通过标准化的Niño3.4区海表面温度的5月滑动区域平均值求出，以指示ENSO位相及其强度^[24]。为了展现Niño3.4指数与广西区内各极端指标的相关性和滞后性，采用皮尔逊相关系数表示的交叉相关系数矩阵，并通过假设性T检验对相关系数矩阵的相关显著性分布进行分析。一维的交叉相关方法曾用于华东地区降水量和太平洋十年周期的相关分析^[25]，展现了两样本的相关系数与滞后性。本文采用二维的交叉相关矩阵（两样本相互滞后）的方法来展现两样本在某周期上的相关性。在交叉相关系数呈现滞后期的基础上，再通过Niño3.4指数确定逐月极端指标对应的ENSO位相，来分析各极端指标对ENSO的潜在响应。本文通过计算厄尔尼诺暖位相下各极端指标相对于拉尼娜冷位相下的均值差来表征各指标对ENSO的潜在响应。

为讨论极端指标对ENSO潜在响应所对应的大尺度环境因子，利用美国国家环境预报中心NCEP再分析数据^[26]，分析1951—2007年与极端降水相关的大尺度环境场对ENSO的响应。所分析大尺度环境的动力因子包括850 hPa风场和850 hPa垂直速度；热力因子包括850 hPa相对湿度和850~300 hPa湿静力稳定度和露点差。本文最后通过700 hPa湿位涡（MPV)^[27-28]来综合动力与热力因子对ENSO的响应。本文分析的850~300 hPa湿静力稳定度由850 hPa相当位温与300 hPa相当位温之差来计算。

图 2显示了1951—2007年各极端指标的多年气候平均态分布。其中DD（图 2a）较多地区主要集中于桂西部地区，包括百色大部分地区和崇左西部的中越边境一带，其DD均在140 d/a以上。而桂北和桂南沿海地区DD相对较少，均在125 d/a以下。对于HRD的分布，图 2(b)显示钦州、防城港和北海等南部地区和桂林HRD相对较高，南宁、河池北部和百色西部等地HRD相对较低。对于极端降水的持续性分布，图 2(c)显示1951—2007年CDD较长地区集中在百色西部、钦州、南宁南部、玉林东部、梧州和贺州南部一带，均达到54 d/a以上。桂林和柳州的北部地区CDD相对较短。对于CWD（图 2d)，柳州中部、贵港、北海、防城港和钦州一带等地区相对较长。而桂林北部、河池中部和百色大部分地区的CWD均在一个月以下。

注：CDD和CWD为1951—2007年逐年值中最大值。 图 2 1951—2007年广西地区多年平均DD (a)、HRD (b)、CDD (c)与CWD (d)分布 Figure 2 Long-term averages of the dry days (DD, a), heavy-rain days (HRD, b), the consecutive dry days (CDD, c) and the consecutive wet days (CWD, d) over Guangxi province for the period of 1951−2007

在上述多年气候平均态分析的基础上，利用最小二乘法对极端指标月值的逐年区域平均时间序列进行趋势分析。图 3显示在全区范围内，DD呈现0.18 d/10a的增加趋势，而CDD呈现约0.03 d/10a的减少趋势。同时，HRD和CWD也呈现弱的减少趋势。说明在整体上，降雨发生时间呈现出集中的可能趋势。图 4为最小二乘法结合假设性T检验求出的不同极端指标气候倾向率及其显著性的空间分布。图 4(a)显示，DD的增加主要集中在桂中部与南部沿海地区，其中崇左南部、防城港、北海、钦州和南宁等地的DD增加趋势显著（信度水平＞95%)。而百色和河池局部地区则呈现不显著的减少趋势。对于HRD（图 4b)，除南宁西北部呈显著增加趋势外，广西大部HRD呈减少趋势，趋势显著地区包括百色和崇左西部至中越边境一带。图 4(c)显示全区大部分地区的CDD呈现延长趋势，且显著地区主要集中在钦州中部、贵港南部以及北海至涠洲岛之间海域，而百色东南部和桂北少部分地区呈现不显著的缩短趋势。图 4(d)显示CWD在百色小部分地区呈现显著的延长趋势，而南宁一带的桂中部地区呈现不显著的缩短趋势。

图 3 1951—2007年广西区域平均DD (a)、HRD (b)、CDD (c)与CWD (d)的年平均时间序列及其线性回归式和回归系数平方值 Figure 3 Annual series of the mean DD (a), HRD (b), CDD (c) and CWD (d) over Guangxi province for the period of 1951−2007 and their regression expressions and the R2

注：圆点表示达到95%信度水平。 图 4 1951—2007年广西DD (a)、HRD (b)、CDD (c)与CWD (d)气候倾向率 Figure 4 Climatological trends in DD (a), HRD (b), CDD (c) and CWD (d) over Guangxi province for the period of 1951−2007

为了识别各极端指标不同周期变率的强度，对各指标逐月时间序列使用FFT并分析对应的功率谱。在进行FFT前，利用低通滤波器对时间序列中周期＜2 a的变率进行滤波来排除季节循环和高频振荡的干扰。对于DD，功率谱显示其最强变率周期约为8 a，还包含约3.5 a、4 a和5.5 a相对较强的周期变率（图 5a)。Markov红噪声谱检验^[29]显示以上周期均通过95%信度水平。HRD周期变率在约30个月的周期上呈现最强，并包含显著的5 a周期变率。CDD变率则呈较长的约为8 a的主周期（图 5c)，在3~6 a周期上也存在显著的周期变率。图 5(d)显示CWD周期变率的最强信号呈现约为6 a的周期，在3~6 a周期上也存在显著的周期变率，通过了95%信度水平。以上分析说明各个极端指标气候变率的周期均在3~7 a之间呈现显著，与之前研究所发现的ENSO的3~7 a主周期相吻合，说明各个极端指标和ENSO循环在周期上存在一定的潜在联系。但对于最强周期信号，DD和CDD呈现的最强信号周期均＞8 a，说明这些指标可能与类ENSO低频变率有关^[30]。同时，HRD周期变率在28~30个月周期上最强，与赤道平流层准两年周期振荡（QBO）的周期相吻合。但由于篇幅有限，以上这些周期＞8 a的低频振荡和＜30个月的高频振荡在本文不予讨论。

图 5 1951—2007年各极端指标区域平均的逐月序列功率谱分析 Figure 5 Fourier power spectrums for the monthly time series of the regional mean extreme precipitation events during 1951−2007

通过交叉相关矩阵的方法来进一步探讨上述各指标3~7 a的周期变率和ENSO循环的相关性。图 6给出1951—2007年各个极端降水与Niño3.4指数的交叉相关矩阵。在落后于Niño3.4指数最近的偏相关系数峰值绝对值附近，图 6(a)显示DD在滞后Niño3.4指数约12个月存在显著的负相关关系（信度水平＞95%)，其相关系数＜−0.2。对于HRD（图 6b)，Niño3.4指数与其在滞后20个月处存在较小的正相关且不显著，说明其与ENSO相关性较弱。逐月CDD与Niño3.4指数的交叉相关约在滞后6~18个月处存在负相关且相关显著性较弱，只在滞后80个月处存在统计显著。对于CWD，其与Niño3.4指数存在滞后0~10个月的正相关，该正相关在滞后50个月和100个月处呈现显著。就总体而言，各个极端指标和Niño3.4指数相关的滞后性约为6~18个月，但指标间的滞后期较不一致。CWD对Niño3.4指数相关滞后期相对最短、其次为DD和CDD，HRD的滞后期最长。Niño3.4指数与DD和CWD的滞后相关性相对较高，而与HRD和CDD的相关系数则较低。各个矩阵内相关系数峰（谷）值之间距离为40~60个月（3~5 a)，与上一节FFT分析呈现的各指标3~7 a的周期变率和ENSO的3~7 a准周期一致。

注：圆点表示达到95%信度水平。 图 6 各极端指标逐月值与Niño3.4指数的交叉相关矩阵 Figure 6 Cross-correlation matrix for the Niño 3.4 index correlated with monthly series of DD (a), HRD (b), CDD (c) and CWD (d)

通过交叉相关矩阵确定的各指标与Niño3.4指数大致的相关滞后期，利用前6~18个月的平均Niño3.4指数确定当月极端降水对应的ENSO位相，即6~18个月前平均Niño3.4指数＞+(＜-)0.05℃，则当月极端降水对应厄尔尼诺暖（拉尼娜冷）位相。分析表明1951—2007年共684个月中，有354个月对应厄尔尼诺暖位相，288个月对应拉尼娜冷位相。图 7给出厄尔尼诺暖位相对应月份的各极端指标平均值相对拉尼娜冷位相的潜在响应。由于没有检测各极端指标的概率分布是否满足正态分布，这里通过非参数的Wilcoxon轶和检验^[31]来分析潜在响应的显著性。对于DD（图 7a)，厄尔尼诺条件下全区除了桂南沿海地区和桂西北局部地区呈现增加外，其余地区均呈现减少。同时，在厄尔尼诺条件下HRD在全区大部呈现增加的响应（图 7b)，而在南宁和崇左交界一带呈现减少。但DD和HRD对ENSO的潜在响应在全区未通过90%信度水平。对于极端降水的持续性，逐月CDD（图 7c）在桂东、桂西和桂北地区呈现缩短的响应，其中桂东局部地区的响应通过了95%信度水平。而在桂南，CDD呈现延长响应，但这些响应均未通过90%信度水平。对于逐月CWD，除百色北部少数地区以外，全区均呈现延长，但这些响应除了在贵港、桂林北部与湖南边界少数地区呈相对显著外，全区大部分地区的响应均不显著。在整体上，CDD和CWD在局部地区存在显著的响应，而DD和HRD的响应在全区均不显著。

图 7 各极端指标厄尔尼诺暖位相下相对于拉尼娜冷位相下潜在响应的分布 Figure 7 Responses of the different extreme precipitation indicators for the El Niño phases versus the La Niña phases

为讨论各极端指标对ENSO潜在响应所对应的大尺度环境，利用1951—2007年的NCEP再分析数据，得出了与极端降水事件不同的大尺度环境场对ENSO潜在响应的分布（图 8）。对于极端降水事件发生的动力条件，图 8(a)显示在厄尔尼诺暖位相下，南海至菲律宾一带呈现低层反气旋响应，与暖位相下东南亚海表面温度偏冷，导致沃克环流上升支减弱东移使得菲律宾海反气旋生成^[32]相对应。在此影响下，西南季风位置偏南并停留在华南地区，使广西及周边地区受西南风距平影响。850 hPa垂直速度（图 8b）亦显示在西南季风位置偏南影响下，季风辐合带偏南，广西大部分地区受上升运动距平影响，有利于极端降水的发生。对于热力条件，图 8(c)显示季风位置偏南有利于广西及周边地区的季风低层暖湿输送，850 hPa的相对湿度表现为正距平，局部地区距平达到22%以上。说明对流层低层水汽条件较充足，利于极端降水增多。然而，图 8(d)显示850~300 hPa湿静力稳定度虽然在广西西南地区中南半岛一带有所下降，但在广西的响应不大。同时850 hPa温度露点差在广西附近呈正距平，说明大气持水能力增强，不利于极端降水生成。利用MPV综合动力与热力条件的响应，发现MPV正压项在广西附近响应较小，约0~2×10^-8 m²/(s·K·kg)，不利于极端降水（图 8e)。而对于MPV斜压项，广西大部分地区呈现出负距平，约−1.5×10^-8~ 0 m²/(s·K·kg)，响应幅度小于MPV正压项。因此就总体而言，700 hPa MPV在广西整体呈现正距平，不利于极端降水的发生。

图 8 厄尔尼诺暖位相相对于拉尼娜冷位相下的潜在大尺度响应分布 Figure 8 Responses of the large-scale environments for the El Niño phases versus the La Niña phases

本文首先通过水平分辨率为0.25˚×0.25˚的APHRODITE降水数据对广西地区4种极端指数进行诊断分析，得出了不同极端指标多年平均气候态和多年总体趋势及其显著性的空间分布。

(1) 全区DD总体呈现增加趋势，HRD、CDD和CWD均呈减少趋势，说明在气候变化背景下，全区干旱和降雨的持续性均有所增加。其中，DD的增加和CDD的延长主要集中在桂南等水资源充足地区，同时百色一带的DD和CDD呈现不显著的增加和延长趋势，HRD呈现显著的减少趋势，说明这些地区的抗旱能力仍需加强。同时，沿海地区DD的显著增加和CDD的显著延长趋势可能是由于气候变化条件下夏季副热带高压西移^[33]，导致了夏季无雨持续性增加。

(2) FFT得出的各极端指标功率谱显示各极端指标的气候变率存在3~6 a的周期变率特征。在与Niño3.4指数的交叉相关分析表明，不同指标与ENSO的3~7 a准周期具有一定的相关性。从总体上看，极端指标与Niño3.4指数存在大约半年至两年以下的较长滞后期。

(3) 通过超前6~18个月的平均Niño3.4指数确定当月的ENSO位相，得出在厄尔尼诺暖位相下，HRD和CWD总体呈现增加，DD和CDD呈现减少。这些响应可能与大尺度动力因子有关，如沃克环流上升支东移和菲律宾反气旋性距平使西南季风停滞华南且季风辐合带控制时间延长。各极端指标潜在响应的显著性在全区分布不普遍，可能与大尺度热力因子响应不明显有关，如温度露点差呈现增加以及MPV总体呈现增加。极端降水对ENSO潜在响应的不显著可能还由于厄尔尼诺暖位相下南海至广西一带热带气旋活动减少^[34]，削弱了极端降水的增加。

需注意的是，其他气候类型的周期振荡影响的信号也可能与ENSO的影响相叠加，使得极端指标对ENSO潜在响应的显著性减弱，如热带地区平流层下层的东西风交替产生的QBO^[35]。除此之外，本文没有考虑年际循环下不同季节极端降水对ENSO响应的差异，这也可能对显著性分析带来影响，因此需要在今后研究中考虑极端降水的季节性特点来加以完善。此外，在今后研究工作中还应当对极端气候的气候变化响应信号和对ENSO的响应信号进行区分，从而更好地认识极端气候变率的机制，并确定气候变化对局地极端气候的影响。例如通过气候模式长期模拟的手段来排除极端气候的自然变率并提取出气候变化下的长期变化趋势^[15]。同时，极端降水的具体诱因与各尺度天气系统有更直接的关系^[36-37]。若要更好地了解极端降水对气候变化和ENSO等气候类型振荡的响应，还需进一步研究各尺度天气系统的响应并结合分析各尺度天气系统对局地极端指标的影响来完善本研究。