西南雨季降水不同年代水汽输送对比分析

Comparison Analysis of Water Vapor Transport in Different Decades during the Rainy Season in Southwest China

摘要: 为了研究西南地区雨季降水不同年代水汽输送的对比，选取了云南和四川的全部地区，以及贵州和重庆的部分地区共81个气象台站资料，从1960年伊始，到2022年的每年雨季的观测资料，还采用了ERA5从1940年至今的压力水平和单一水平的月平均数据，数据的分辨率是0.25˚ × 0.25˚。凭借天气学诊断分析、multiquadric插值算法、相关系数的显著性检验等方法，对西南地区的雨季不同年代水输送进行了详尽的对比分析，其研究结论表明：1) 西南地区整体水汽输送与全球气候变化紧密相关，水汽输送的基本形势是地形上西北方位弱，正东和正南方位强。拥有的若干传统高值区在近30年来均呈减弱趋势，其中云贵交界减弱最为明显，而传统低值区的水汽输送趋势与整体保持一致。2) 对于传统的高值区，水汽输送情况并不一致。对于传统高值区，近30年来减弱程度从高到低分别为云贵交界，雅安周边，云南南部，雅安周边和以及云南南部还将维持稳定的高值降水。3) 存在一个异常带，约位于104˚E附近，这些区域常与西南地区整体呈相反趋势，拥有独立的水汽输送通道，是异常水汽输送的高发区。异常带有向周围扩散的趋势，表现为沿104˚E线向外扩散，这一异常带更多受到来自孟湾向北方向的水汽输送，并引导产生异常降水，伴随西南整体周期性的水汽输送增强和异常降水增多，104˚E周边地区将易发异常低值。

Abstract: To study the contrast of water transport during the rainy season across different decades in Southwest China, data from 81 meteorological stations in Yunnan and Sichuan provinces, as well as parts of Guizhou and Chongqing, were selected. The observation data span from the rainy seasons of 1960 to 2022, and ERA5 monthly average data from pressure levels and single levels, with a resolution of 0.25˚ × 0.25˚, were used from 1940 to the present. Using synoptic diagnostic analysis, multiquadric interpolation algorithm, and significance tests of correlation coefficients, a detailed comparative analysis of water transport during the rainy seasons in different decades in Southwest China was conducted. The study concluded that: 1) The overall moisture transport in Southwest China is closely related to global climate change, with a basic pattern of weak transport in the northwest and strong transport in the east and south directions due to topography. Traditional high-value areas have shown a weakening trend in the past 30 years, with the Yunnan-Guizhou border weakening the most significantly, while the trend in traditional low-value areas remains consistent with the overall pattern. 2) For traditional high-value areas, the moisture transport situation is not uniform. In the past 30 years, the degree of weakening from highest to lowest is as follows: Yunnan-Guizhou border, around Ya’an, and southern Yunnan. Both around Ya’an and southern Yunnan will maintain stable high-value precipitation. 3) There is an anomalous belt approximately located near 104˚E, where these regions often show a trend opposite to the overall trend in Southwest China, having independent moisture transport channels and being high-incidence areas of anomalous moisture transport. This anomalous belt shows a tendency to spread outward along the 104˚E line, more influenced by moisture transport from the north of the Bay of Bengal, leading to anomalous precipitation. Accompanied by the periodic enhancement of moisture transport and increased anomalous precipitation in Southwest China, the areas around 104˚E are prone to anomalously low values.

1. 引言

为了揭示西南雨季降水异常的水汽输送变化特征，以更好地理解气候变化对该区域水循环和降水模式的影响，帮助更好地执行防灾减灾，为农业生产和水资源管理提高效率，需要对西南地区的雨季降水做多方面的研究。而诸多学者对于西南地区雨季异常降水原因和发展趋势众说纷纭，季风、地形和水汽输送，多种要素的结合作用相当复杂。就拿季风举例，西南地区是两大季风的共同影响区，李宗省等[1]对此提到了西南季风和东南季风并非同源，这与海陆间的热力学性质的差异相关，在申乐琳等[2]研究中对这一过程有更深入的表述，主要产生于副热带高压区域，在其西北边缘亦有生成。杨义碧[3]研究中指出西南季风是以南亚季风的夏季风的形式存在的。这两个季风的路径和影响区也正是西南地区和核心水汽输送的通道。林纾等[4]的对2022年四川地区的极端干旱事件从各个方面进行了详细的研究，类似的还有卢瑞荆[5]对1998年贵州极端暴雨洪水事件的研究。

为预防这些灾害，高洁等[6]、王佳津等[7]他们都在自己的研究中强调了西南地区的特殊地形。季风亦是一个重点方向，贾孜拉·拜山[8]揭示了西南雨季异常情况可能具有一定的空间和时间分布和变化的特征。陈艳等[9]学者认为海温极大地影响了东亚夏季风系统，对ENSO有较详尽的研究。这些学者常常辅以水汽输送进行研究，比如晏红明等[10]指出在需要结合气候学特征来进行分析的情况下，水汽输送的异常情况尤为值得关注，而水汽输送的异常同样具有空间和时间上的不均分布，这便会影响降水异常。郭琪[11]指出对全球变暖，其通过较为长期的分析可以对其异常的变化特征有较为清楚的认识，且这一变化特征可以作为未来基于全球气候变化的背景下辅助进行气候预测的有效论据。孙文慧等[12]发现经度、海拔高度和平均气温均会影响极端气温指数。

基于西南地区作为中国的重要粮食生产地区和制造业集中区，通过提前预知异常可能发生的时间和地区，能够更好地理解气候变化对区域水循环和降水模式的影响，这方面如柳媛普等[13]针对西南地区干旱灾害风险的分布及变化情况，认为通过提高政府及社会对干旱的重视程度来增强干旱灾害的防灾减灾能力。杜华明[14]的研究结果了解灾害发展动向、掌握区域灾害风险状况。众多学者地研究可以帮助制定更为科学的气候变化适应策略，改善农业生产的组织和地区水资源的管理。而这些提供解决方案的学者多会从水汽输送角度考虑，可见其重要性可见一斑，是一个合适的分析角度。

2. 资料和方法

2.1. 资料

1) 选取了云南和四川的全部地区，以及贵州和重庆的部分地区共81个气象台站资料，从1960年伊始，到2022年的每年雨季的观测资料。

2) Climate Data Store收纳的ERA5从1940年至今的压力水平月平均数据和ERA5从1940年至今单一水平的月平均数据，数据的分辨率是0.25˚ × 0.25˚。

2.2. 方法

本文所采用的方法为先以水汽输送等气象学方程，利用观测资料和再分析资料，计算出范围内的不同经纬度点的对应气象物理量，再使用插值方法使点与点之间的缺测区域进行插值后赋值，使得每一个在分辨率下的点都有正确的且尽量接近真实观测值。

然后再通过改变时间上的统计口径，以实现不同年代下的物理量在地图范围内的呈现，并且相互之间作比较。在获得精度足够的同一范围内的不同物理量不同实际的分布图后，对各个有特征的区域进行分析，并且使用显著性检验辅助，验证不同物理量在不同区域对降水异常的相关程度，从而获得西南雨季降水异常水汽输送变化特征。以下将通过不同的公式来详细解释从计算到验证每一步的分析方法。

2.2.1. 水汽输送相关方程

这些气象学基础公式均出自朱乾根等[15]所著的《天气学原理和方法》。

以下是公式中的各变量的物理含义：$\nabla$ 表示的是向量场的散度运算符；水汽通量矢量Q，比湿q比湿，x轴风分量u，y轴风分量v，垂直高度z，微元厚度dz，风速总向量V，距平以’单引号代表。

$\nabla \cdot Q=\left(\partial \left(q\cdot u\right)/\partial x\right)+\left(\partial \left(q\cdot v\right)/\partial y\right)$ (1)

公式(1)为水汽通量散度公式。左边是水汽通量散度$\nabla \cdot Q$ ，右边两项分别表示$q\cdot u$ 和$q\cdot v$ 对x和y的偏导数。正散度表示该区域为水汽辐散(即流出大于流入)，而负散度表示该区域为水汽辐散(即流入大于流出)。

${\left(\nabla \cdot Q\right)}^{\prime }=\left(\nabla \cdot Q\right)-\overline{\left(\nabla \cdot Q\right)}$ (2)

公式(2)为水汽通量散度在西南地区整层大气平均后平面上的距平。散度距平公式用于计算水汽通量散度较多年平均的变化量，即通过特定时间与多年平均水汽通量散度做差。用来与多年平均相比，某区域在特定时间内的水汽辐合或辐散情况。

${{\displaystyle Q}}_{垂直}\text{}={\displaystyle {\int }_{地表}^{顶层}q\cdot Vdz}$ (3)

${Q^{\prime }}_{垂直}=Q_{垂直}\text{}-{\overline{Q}}_{垂直}$ (4)

公式(3) (4)是水汽通量垂直积分和其距平的公式。水汽通量垂直积分可以反映长期大尺度的水汽的整体收支情况。

2.2.2. 插值方程

插值方程对数值天气预报非常重要，沈桐立[16]将其总结于《数值天气预报》。

$\varphi \left(r\right)=\sqrt{1+{\left(ϵr\right)}^2}$ (5)

公式(5)是multiquadric插值法，这是一种crubi更精确的插值方法。

公式中变量的物理含义：平滑参数ε，欧式距离r。

2.2.3. 显著性检验方程

出自茆诗松等[17]所著《概率论与数理统计(第四版)》，被教育部列入普通高等教育“十三五”国家级规划教材。公式(6) (7)是Pearson相关系数检验，这里用来检验西南地区整层平均水汽通量垂直积分距平和总降水量距平之间的相关性。

$r=\frac{{\displaystyle \sum \left(X_i-\overline{X}\right)\left(Y_i-\overline{Y}\right)}}{\sqrt{{\displaystyle \sum {\left(X_i-\overline{X}\right)}^2\sqrt{{\displaystyle \sum {\left(Y_i-\overline{Y}\right)}^2}}}}}$ (6)

$t=\frac{r\sqrt{n-2}}{\sqrt{1-r^2}}$ (7)

以下是公式中的各变量代表含义：

r为Pearson相关系数，X_i和Y_i：分别是选取的nc数据处理后对应的X和Y的第i个，t为统计量，n是所有样本的数量，(6)式算好之后代入(7)式计算，本次检验是用于验证西南地区的降水和水汽输送的整体的关联性。

3. 西南雨季不同年代降水量和降水距平百分率30年均值空间分布

3.1. 西南地形简述

研究区域基于数据全为优先的原则，包含了云贵两省的全境，以及贵州省的黔西南布依族苗族自治州、黔南布依族苗族自治州、安顺市、六盘水市、毕节市，还包括了重庆市的大足区。气候学上研究区域主要受两大季风影响，以亚热带季风气候为主；云贵高原部分地区和川西高原部分地区还有高原山地气候，云南南部还有热带季风气候分布，总之西南的不同气候区之间在多类要素下，作比会有较大差异。地理上西南地区的地理特征更为特别，从西北到东南的分布上分布拥有川西高原、横断山脉、四川盆地、云贵高原、滇中盆地等各种自然地理要素。北部为大巴山也，南接若开山脉，更南处还有孟湾。气候与地理的要素都很复杂，总的来说西北高，山地高原较为干燥；东部和南部低，平原丘陵较为湿润。图1中的雅安，瑞丽等就是经典的迎风坡，作为紧邻高山的平原，都是降水的传统高值区。而从屏边到威宁一带都是丘陵为主，这些地区易发异常。孙文慧等[12]发现极端暖指数由低海拔区向高海拔区递减，而极端冷指数由高海拔区向低海拔区递减。可见地形对西南地区的气候影响之大。

Figure 1. Topographic map of Southwest China (unit: m)

图1. 西南地形图(单位：m)

3.2. 西南雨季不同年代降水量30年均值空间分布

由下图2可知，基于多年的平均值下，西南地区的平均降水量整体上保持了较为稳定的空间分布，低值区仍然是位于西北部的川西高原，受青藏高原强烈的地形抬升影响，不论是东亚季风还是印度季风，都难以在高原上形成足够强的影响，而高值区仍然是勐腊，雅安和云贵交界。

需要注意的是云贵交界地区的高值区在近60年的长期范围下的后30年，雨季降水的情况较之前30年减弱明显，图2(a)和图2(b)表示出了这一传统的雨季高值区在前30年仍能保持较大范围的雨季时期由1000 mm以上的降水量，而后30年呈现出了强烈的衰弱趋势，并且越靠近当下这一趋势就越强，图2(c)尚能在盘县有一微弱的高值点，而到图2(d)的1991~2020年，则相较于云南省南部和雅安周边已经不再具有明显的强度。

相比云南省南部和雅安周边，云贵交界的地形上的优势和气候上的优势都更弱，地形上，云贵交界地处丘陵地带，北部有乌蒙山，但是并未形成雅安那样的海拔高低差非常悬殊的过渡，因此在地形上更接近于勐腊那样的情况。但是云贵交界雨季传统高值区并没有勐腊那么强烈的季风影响，更深入内陆意味着该地区受到东亚季风和印度季风的水汽输送都更弱，因此这个地区的降水异常更容易受到全球气候变化影响，也就意味着该地区会成为易发异常中心区或者包含在易发异常区内。

3.3. 西南雨季不同年代降水量距平的空间分布

距平分布图比起平均量分布图，侧重点更多是为了研究异常区的分布情况，整体上西南地区降水负距平区域呈扩大趋势，这意味着西南地区大部分地区的降水量距今是越来越少的，而在局部上西南地区异常降水的发生区分布较为复杂。

Figure 2. Distribution of mean rainy season precipitation over different 30-year periods (Unit: mm). (a) 1961~1990 average; (b) 1971~2000 average; (c) 1981~2010 average; (d) 1991~2020 average

图2. 不同30年际雨季降水均值分布图(单位：mm)。(a) 1961~1990年均值；(b) 1971~2000年均值；(c) 1981~2010年均值；(d) 1991~2020年均值

在下图3(a)和图3(b)展示1961年~1990年间和1971年~2000年，传统的低值区，也即川西高原展现出了强烈的正距平，104˚E附近出现了存在一致的异常，西南地区整体雨季降水距平在缩水，这是有两方面原因，其一由于川西高原本身处于雨季降水的传统低值区，由于起始值极低，因此出现高距平的频次较之其他地区会更大；其二是因为这一地区在这一时期的水汽输送或其他与降水相关过程更强导致的，要验证这两个方面的原因谁更占主导地位，需要结合雨季降水的距平百分比分布图和水汽输送在西南地区的分布图。

而西南地区又有三个站点以及周边在多轮统计中都出现与其他整体较为割裂的距平情况，分布在东经104˚附近，分别是广元，峨眉山，泸西三站，并且这三站呈现出一种共同的分布，并且互相之间存在连续性，也即其中一个站点异常，其他会发生类似的异常，这种现象在多轮统计中都有一定的体现。

这种共通性有两种原因，分别是地形上的类似，气候上的共同影响。地形上的接近是指这三站都没有位于临近地形陡然抬升的高原下的平原，而是都分布在略有起伏的丘陵山脉地带。而三站都是主要处于东亚季风的影响区，并没有类似于勐腊那种存在不亚于东亚季风的印度季风的水汽输送通道，因此它们三者在雨季时期获得的水汽输送虽然并不一致的，但是发生增量或者减量时会具有较高的一致性，这是由于它们受到接近的气候变化过程影响。

Figure 3. Distribution of rainy season precipitation anomalies over different 30-year periods (Unit: mm). (a) 1961~1990; (b) 1971~2000; (c) 1981~2010; (d) 1991~2020

图3. 不同30年际雨季降水量距平分布图(单位：mm)。(a) 1961~1990年；(b) 1971~2000年；(c) 1981~2010年；(d) 1991~2020年

3.4. 西南雨季不同年代降水量距平百分率的空间分布

下图4中低值区和104˚E的雨季降水距平百分率展现出了和距平接近的分布。作为平均降水量距平与历史长期平均降水量之比，这个比率提供了一种较距平外更直观的方式来理解降水量的异常程度，即相对于正常水平的变化，也即可以在一定程度上消除不同距平的绝对值存在差异，更专注于其变化的比例情况。

本组图首先验证了上文中提到传统高值区，也即川西高原在前两轮的统计过程中出现的高值正距平原因并非主要来源季风的输送，而是由于其起始值过低引起的低基数效应和统计中敏感性增加的情况，在更近于当下后续的全球气候变化的影响下，西南地区整体降水减弱，本就水汽输送并不充裕的传统低值区，出现了超越其他地区的负距平百分率，降水情况更加恶劣。

同时104˚E线周围的沿经线南北分布的三站，在距平百分率的分布上依旧保持了较高了异常的同一性，并且在与其他地区在时间上接近当下展现出雨季降水量和距平都减小的情况不同的是，这些地区反而呈现出来了强烈的高距平和距平百分率，这意味着这些地区的雨季降水明显增强，而这些地区的地形在63年的长期过程中，并未出现足够强大的变化，而在气候学上这三站所处位置并未脱离原有的季风影响区，甚至对于西南地区雨季降水减弱的整体而言，这一影响甚至是副作用。那么这三站在同一经线附近展现出的同一异常性就与它们的水汽输送的通道存在着较强的关联了。

Figure 4. Distribution of vertically integrated moisture flux during the rainy season in wet years and different 30-year periods (Color scale indicates anomalies, arrows indicate wind direction; unit: kg/(m²∙s)): (a) 1961~1990; (b) 1971~2000; (c) 1981~2010; (d) 1991~2020

图4. 多雨年与30年际雨季水汽通量垂直积分的分布图(色标表示距平，箭矢表示风向；单位为kg/(m²∙s))：(a) 1961~1990年；(b) 1971~2000年；(c) 1981~2010年；(d) 1991~2020年

3.5. 西南雨季降水不同年际下的时间演变特征

下图5主要展示了在总计63年的长期过程中西南地区的整体雨季降水情况，整体是逐年减小的，但存在一定时期的震荡，平均雨季降水量线为777.51 mm。

首先是紫色趋势线揭示了西南地区的雨季降水呈现出来整体下降，并且以1990年为界，已经低于63年来的平均值，这与此前分析的西南地区雨季平均降水和距平分布图基本一致，后30年的雨季降水情况较前30年显著缩小，且这种缩小是整体的，三个传统高值区都呈现出了不同程度降低情况：雅安周边在在1981~2010这轮统计中就已经失去了雨季降水量大于1000 mm的可观范围，属受影响中等的区域，而云贵交界则收到了极大影响，普遍低于1000 mm；云南省南部的高值区则仅受到了较小的影响，范围有所缩小。

对三个雨季降水传统高值区做分析，雅安周边的主导因素是较大的地形优势和自东而来的东亚季风的较大影响；云贵交界的主导因素是更强的东亚季风的影响和较小的地形优势；云南省南部的主导因素是较弱的东亚季风影响和较小的地形优势，以及极大的印度季风影响。

三个高值区作比，结合西南地区整体在季风影响区的气候学因素和除川西高原外大部分为丘陵山脉的地形因素，可以推测出在仅63年中，特别是后30年，东亚季风控制的水汽输送通道呈现出了减弱的趋势，变弱的水汽输送不能支撑起前30年那么丰沛的降水。至于传统低值区，位居高原，受到单纯季风影响并没有那么强烈，更多和整体趋势同步，这与推测的结论是符合的。

滑动平均则解释了雨季降水高低涨落呈现出了周期现象，但是同样整体是下降的，通过平滑减少了西南地区雨季年际气候变异带来的随机性，使得年际之间的趋势分析更加稳定可靠，也更有利于解释异常年份发生的位点。

这个高低涨落的周期约在10到12年之间，平均下来为11年，也即在这11年间会有一个总体上涨和下跌的过程，但是这并不意味着两个过程是平均分配的，并且结合图例可知大部分时间甚至是呈现出不对称周期，也即上升阶段较慢，有更长的爬升过程，而下降阶段则较快，比5.5年更短的时间实现回到低值，以大致区间1976~1987年，2011~2022年，都显示出了较强的上升慢，跌落快的情况。

当下正处于2022年这个上一周期的低谷之后，可推测在较近的未来，西南地区雨季降水将会有一个较慢的爬升过程，但是受整体降水减小的影响，在地形和气候都不发生剧烈突变的前提下，雨季降水的爬升能达到的顶点并不会很强。

Figure 5. Southwest multi-year rainy season average precipitation and trends

图5. 西南多年雨季平均降水量和趋势

4. 西南雨季降水不同年代水汽通量的空间分布与显著性检验

4.1. 西南雨季降水异常水汽通量散度特征

以箭头表征水汽的流动方向，颜色表征水汽通量散度的强度，可得下图，可知西南地区内雨季水汽主要从南向北流动，以图6基于水汽输送的多年情况可知水汽通量的散度和平均降水量的分布图有一定的联系，但并不完全相同。尤以青藏高原的东南缘，也即作为传统低值区的川西高原，对水汽流动有显著影响。高原及其周边山脉的地形抬升效果导致了强烈的上升气流，增强了水汽的聚集和降水的形成，这在图中的负散度区域尤为明显。

先对三个高值区的水汽通量散度进行分析，也即雅安周边，云贵交界和云南南部。雅安周边虽是雨季降水高值区，但是却是正散度，这主要由于该地区位于川西高原边缘的迎风坡，存在强大的上升气流，利于水汽的垂直运动，从而使水汽能在高空冷却并凝结成雨，使得即使在水汽通量疏散时也能形成强的降水。而对于以勐腊为典型的云南南部，由于其没有强大的地形抬升作用，并且有稳定的由印度和孟加拉湾而来的季风影响，使得这一地区保持了强的水汽辐合，从而通过稳定的水汽输送通道形成强的降水。云贵交界的地区，贵州一侧水汽辐合略强，云南一侧辐散略强，主要受地形分布和风场的影响，地形上这一带以丘陵为主，云南一侧的风场更强。

而对于传统低值区的大范围辐散情况则与雨季降水偏少的分布形势接近。根据整层大气的风场，云南的大部分地区都会强烈受到印度季风的强烈影响，而印度季风在登陆孟加拉湾之后遭遇众多山脉发生分支，其偏东一支沿云南省的西侧进入我国西南地区形成了强大的水汽输送通道，只有极少部分能穿越青藏高原后影响高原地区。

Figure 6. Distribution of vertically integrated water vapor flux divergence during the rainy season over multiple years (Color indicates divergence, arrows indicate wind direction; unit: kg/(m²∙s))

图6. 多年雨季整层水汽通量散度分布图(色标表示散度，箭矢表示风向；单位为kg/(m²∙s))

4.2. 西南雨季降水不同年代水汽通量的空间分布

对于气候异常和变化趋势的分析，水汽通量垂直积分的距平更为关键，其一是因为此前已经基本摸清了水汽输送的通道分别是东亚季风的东南分量和印度季风的西南分量，其二是因为距平图能更直观展示水汽通量与平均状态的偏离，因此先做多雨年和少雨年对不同统计年际下的距平分布。

受到全球气候变化影响是较弱的，距平变化通常比较平缓，因为在整层的水汽，过去几十年间，在所选取的范围内并没有强烈的水汽损失过程；其二是因为影响两者的尺度不同，中尺度过程就足以使得散度快速变化，从而使得散度距平呈现出剧烈波动，而要影响垂直积分需要大尺度长期的影响。因此水汽通量垂直积分距平反映了较大空间尺度上的平均变化，而散度距平则捕捉了较小空间尺度上的瞬时变化。水汽通量垂直积分主要是揭示水汽的来源和基本状态，先做一个多年平均水汽通量垂直积分的图7，不难看出水汽通道主要有孟湾北上通道和西太平洋西进通道，而孟湾通道在登陆后又分为了南北两支。

Figure 7. Distribution of vertically integrated and averaged water vapor flux directions during the rainy season over multiple years (Color indicates vertical integration, arrows indicate average direction; unit: kg/(m²∙s))

图7. 多年雨季整层垂直积分和平均水汽通量方向的分布图(色标表示垂直积分，箭矢表示平均方向；单位为kg/(m²∙s))

4.3. 西南雨季降水异常的水汽输送显著性检验

通常有两种能够表征水汽输送情况的常用物理量，水汽通量散度和水汽通量垂直积分。水汽通量散度由于其长期和大尺度的过程会在一定程度上失真。此时水汽通量垂直积分就会更加可靠，能够较好表示长期和大尺度下的变化情况，因此这里使用水汽通量垂直积分距平与总降水量距平作通过90%地置信度显著性检验，为更好说明西南地区整体有多少地区的水汽输送与雨季降水之间呈现关联性，应该使用Pearson相关系数和p-value进行的显著性检验。

根据下图8的相关系数的显著性检验，揭示了西南地区的水汽输送与雨季总降水量的关系，也即整体都与水汽输送情况强相关。仅104˚E沿经线南北分布，以广元、峨眉山、泸西三站为主要站点，具有共通性的这一异常带显著性较弱，它们水汽输送通道也较其他地区不一样，在东亚季风水汽输送减弱的情况下，更多受到了印度季风以及其风分量的水汽输送，使这一地区呈现出了自南向北的水汽输送形势，切断了异常带与整体之间的水汽输送的联系。此外云贵交界和云南南部作为雨季降水传统高值区，同样未表现出广泛而显著的相关性特征，这些相关性不显著的地区都有一个共通特征——相较于西南地区整体，更多受到了印度季风以及其风分量的水汽输送。

5. 结论

1) 本文着眼于水汽输送和异常降水，以单一系列的物理量进行分析发现对于西南地区整体，水汽输送的基本形势是地形上西北方位弱，正东和正南方位强，内部大部分地区和西南整体一致，水汽输送与全球气候变化紧密相关，不会独立出现异常的水汽输送。

Figure 8. Correlation coefficients between vertically integrated moisture flux and total precipitation anomalies during the rainy season for different decades (dots indicate areas passing the 90% confidence level test). (a) 1961~1990; (b) 1971~2000; (c) 1981~2010; (d) 1991~2020

图8. 不同年代雨季水汽通量垂直积分和总降水量距平的相关检验分布图(点表示通过90%信度检验区域)。(a) 1961~1990年；(b) 1971~2000年；(c) 1981~2010年；(d) 1991~2020年

2) 和以季风为角度的研究类似，对于传统的高值和低值区，水汽输送情况并不一致。而着眼于细节，西南水汽输送整体变化情况较为特别：对于传统高值区，从高到低排列为雅安周边，云南南部，云贵交界，近30年来都呈现减弱趋势，减弱程度从高到低分别为云贵交界，雅安周边，云南南部，雅安周边凭借强大的地形抬升作用，以及云南南部拥有稳定的印度季风伴随的水汽输送通道，较云南交界，这两个高值区未来还将维持稳定的高值降水。而对于传统低值区，也即川西高原，受地形影响将继续和整体的水汽输送保持同步。

3) 更为特别的是，利用相关系数的显著性检验发现，较其他气候学因素的分布，西南地区还存在一个独立的水汽输送异常带，其位置大约在104˚E沿经线南北分布的三个站点以及它们连线的延伸，分别是广元、峨眉山和泸西，三个站点之间存在着共通性，与西南地区整体常为相反，更多受到来自孟湾向北方向的水汽输送，并引导产生异常降水，在未来也将是异常水汽输送的易发区。