ENSO影响下安徽省旱涝灾害及农业生产损失时空变化特征

张 强,孙 鹏,程 辰,孔冬冬

(1.北京师范大学地表过程与资源生态国家重点实验室,北京 100875; 2.安徽师范大学国土资源与旅游学院,安徽 芜湖 241002;3. 安徽省自然灾害过程与防控研究省级实验室,安徽 芜湖 241002; 4. 中山大学地理科学与规划学院,广东 广州 510275;5.广东省城市化与地理环境空间模拟重点实验室,广东 广州 510275)

安徽省作为中国重要的商品粮产地,是全国重要的粮食主产省和商品粮调出省。安徽省地处长江、淮河中下游地区,为东亚季风湿润区与半湿润区的气候过渡区域,是南北气候、中低纬度和海陆相3种过渡带的重叠地区,天气系统复杂多变,形成了区域“无降水旱、有降水涝、强降水洪”的典型区域旱涝特征,由此引发的气象灾害对当地的生产、生活产生较大影响[19]。安徽省是我国气候变化的敏感区,气候条件极为复杂, 气象灾害种类多、发生频繁,给安徽省国民经济建设和社会发展特别是农业生产造成巨大影响。因此,开展ENSO影响下的安徽省旱涝灾害时空分布其对农业生产的影响研究具有重要意义。但目前针对ENSO对安徽省气候变化(降水、气温)相关影响的研究较多[20-22]，而关于ENSO对安徽省旱涝灾害的影响及滞后性研究较少,特别是其旱涝究竟对ENSO 事件有何响应、ENSO事件引起气温、降水异常导致的农业气象灾害等研究较少,因此,本文选择1961—2014年安徽省及周边25个气象站点数据、ENSO数据和农业数据,分析了安徽省这54年的旱涝和粮食灾损率时空变化特征及其与ENSO的关系,揭示ENSO事件对安徽省旱涝灾害分布和农业生产的影响,以期为当地的洪旱灾害预测和防灾减灾提供参考。

图1 安徽省雨量站点空间分布示意图

1 数据与方法

1.1 数据

本研究选用1961年1月—2014年12月由中国气象局国家气象信息中心提供的较为完整的安徽省及周边24个气象站点逐日降水量、日平均气温以及风速等资料(图1),如果最大连续缺测数据小于5天,用相邻日期线性插值来实现;如果大于5天,与最大搜索半径为400 km的相邻站点进行线性插值。小麦和稻谷灾损率数据来源于1989—2010年《安徽省统计年鉴》和《中国气象灾害大典》(安徽卷)[23]。Nino3.4海区海表温度距平(SSTA)数据来自美国海洋大气局(NOAA)(http://www.noaa.gov);南方涛动指数 (Southern Oscillation Index, SOI)数据来自于美国国家气候预测中心(American National Climate Prediction, CPC)发布的两次标准化序列。本文研究的皖南地区主要包括宣城、芜湖、铜陵、马鞍山、池州和黄山，江淮地区为合肥、安庆、滁州和六安，皖北地区为淮北、亳州、宿州、阜阳、蚌埠和淮南。

1.2 研究方法

1.2.1 标准化降水蒸散指数(SPEI)

为了加深了解气温变化对用水需求的影响,Vicente-Serrano等[24]提出了用SPEI来研究旱涝。SPEI被设计成同时考虑降水(P)和潜在蒸散发(PET)的影响来监测干旱过程,其中潜在蒸散发指的是在水足够多的情况下所能产生的蒸发和蒸腾总量,采用彭曼公式计算潜在蒸散发。SPEI计算方法原理是用降水量与蒸散量的差值偏离平均状态的程度来表征某地区的干旱。具体计算步骤如下:

a. 计算潜在蒸散。

b. 用式(1)计算逐月降水与蒸散的差值

Di=Pi-PETi

(1)

式中:Di为降水与蒸散的差值；Pi为月降水量；PETi为月蒸散量。

c. 与SPI方法一致,对Di数据序列进行正态化。由于原始数据序列Di中可能存在负值,所以SPEI指数采用了3个参数的log-logistic概率分布。log-logistic概率分布的累积函数为

(2)

(3)

式中:α为尺度参数;β为形状参数;γ为origin参数;f(x)为概率密度函数;F(x)为概率分布函数。

d. 对序列进行标准化正态处理,得到相应SPEI值:

(4)

(5)

当P≤0.5时,P=F(x);当P>0.5时,P=1-F(x)。其他参数分别为C0=2.515 517,C1=0.802 853,C2=0.010 328,d1=1.432 788,d2=0.189 269,d3=0.001 308。SPEI按照表1标准进行干旱等级划分[24]。

表1 SPEI干旱等级划分

1.2.2M-K趋势检验

采用非参数Mann-Kendall (简称M-K法) 趋势检验法来研究标准降水指数的趋势变化情况[25]。M-K方法广泛应用于检验水文气象资料的趋势成分,是世界气象组织推荐的应用于时间序列分析的方法。国内外许多文献[26-27]研究了时间序列的自相关性对M-K检验结果的影响。Kulkarni等[28]建议在进行M-K检验之前对时间序列进行“预白化”(prewhiten)处理。所有序列在进行M-K分析之前均需要预白化处理。利用Pearson相关系数法计算各站点旱涝受灾程度与ENSO事件的相关性系数并进行显著性检验。

1.2.3 粮食减产率

农作物最终产量受各种自然因素和人类活动因素的综合影响,相互关系复杂,难量化。根据环境因素的偶然性和人类活动因素的渐进性和相对稳定性的特点,可以认为产量是由趋势项和波动项构成,并可通过统计学方法将其分离。其中,趋势项反映了生产技术水平的提高;而波动项则主要是由于气候变化造成的。ENSO年引起研究区域气候异常,进而影响农作物生产的气候要素发生变化,导致农作物产量受到影响,因此,减产率能够较好反映ENSO对农业生产的影响。根据前人的研究[29]结果将农作物产量分解为趋势产量、气象产量和随机产量3部分。表达为

y=yt+yw+Δy

(6)

式中:y为粮食实际产量,kg/hm2;yt为粮食产量趋势,kg/hm2;yw为气候变化导致的粮食产量变化项,kg/hm2;Δy为粮食产量的随机分量,kg/hm2。

计算中一般都假定Δy可忽略不计。利用安徽省各地市1989—2009年粮食产量资料进行分析,对趋势产量进行三次多项式模拟,计算1989—2009年各地市的趋势产量。安徽省各地市88%的县市的粮食产量曲线通过95%显著性检验。冬小麦和水稻减产率是采用逐年的实际产量偏离趋势产量的相对气象产量的负值,计算公式为

%

(7)

式中:yd为粮食减产率,%;y为粮食实际产量,kg/hm2;yt为粮食趋势产量,kg/hm2。

1.2.4ENSO年及强度划定

有关ENSO事件的定义和强度的划分标准略有不同[7],本文表征ENSO事件的指标主要参考美国国家海洋大气局的指标体系,采用Nino3.4海区海表温度距平(SSTA)以及南方涛动指数(SOI)。以海温距平值持续 6 个月以上±0.5℃定义为 1次ENSO事件。根据SSTA值高低将ENSO事件划分为强(±3)、中(±2)、弱(±1)以及正常(0)等级。据此可知,在1960—2014年共发生26次ENSO事件,其中El Nio年共14次,La Nina年共12次。对ENSO事件进行强度统计,统计得出在此时段内中等及以上强度的ENSO事件共计17次,占总数的65%。从持续时间来看,ENSO事件的强度与持续时间长短并无明显的相关关系(表2)。由图2中1961—2014年发生的ENSO事件年际变化来看,ENSO暖事件(El Nio)与ENSO冷事件(La Nina)往往交替发生,在1970s和1980s时间内发生强ENSO事件最多,达6次,占到统计年强ENSO事件的55%。强El Nio事件与强La Nina时间相继发生总共有两次,一次是1972年的强El Nio事件后,紧接着发生1973—1974年的强La Nina事件;另外一次是1997年的强El Nio事件后,紧接着发生1998—2000年的强La Nina事件。

表2 1961—2014年ENSO年统计

图2 1961—2014年安徽SPEI时间序列图

为了进一步探讨ENSO事件下安徽省旱涝灾害是否频发,本文统计了1961—2014年和ENSO事件年的月SPEI的中度以上旱涝统计值,计算得到ENSO事件年中度以上旱涝次数占1961—2014年中度以上旱涝总次数比(表3),洪涝发生在ENSO事件年比重大于干旱发生在ENSO事件年的比重,安徽大部分地区50%以上的洪涝均发生在ENSO年,而安徽大部分地区发生在ENSO年的干旱也超过了40%。另外,统计了安徽受灾面积在50万km2以上的年份中,结合唐晓春等[15]对灾害等级划分,1961—2014年安徽省共发生中度以上干旱28次,19次与ENSO事件有关,占中度以上干旱总次数的68%,其中厄尔尼诺当年共5次,厄尔尼诺衰退年及拉尼娜年共14次。发生中度以上洪涝共计23次,19次与ENSO年有关,占中度以上洪涝总次数的83%,厄尔尼诺当年10次,衰退年及拉尼娜年9次。

表3 中度以上旱涝ENSO事件年占 1961—2014年总次数比值

因此,与ENSO事件有关年份安徽省旱涝发生频率高,且干旱受厄尔尼诺次年及拉尼娜年影响大,洪涝受厄尔尼诺当年影响更大。

2 安徽省旱涝灾害时空特征

本文拟采用标准化降水蒸散指数(SPEI),与常用的PDSI以及SPI相比,SPEI相比较PDSI,其计算更为方便,对资料的需求更低,适用性更广;而相比较SPI,SPEI考虑了温度所带来的蒸散发对干旱的影响,对于气温变化明显的地区,其结果更加切合实际[30]。SPEI在江淮流域旱涝灾害的适用性得到很好验证,3个月尺度的SPEI(SPEI3)对干旱发展的渐进性及旱涝区域(尤其是旱情发展较严重的区域)表现较为良好[31],因此本文选择SPEI3表征安徽省的旱涝时空变化。

2.1 旱涝灾害季节变化特征

利用3个月时间尺度的SPEI指数能够较好地反映旱涝季节变化特征。图2给出了基于SPEI指数近54 a的安徽省四季旱涝变化趋势。从图2中可知,春、秋季SPEI指数波动幅度大于夏季和冬季,春季在1961—1977年和1986—1993年SPEI3指数呈增加趋势,即湿润化趋势增加;其他时段呈干旱化趋势,特别是1997年后,SPEI值由正值转为负值,趋于干旱化(图2(a))。1970s之前,安徽夏季呈干旱化状态,其他时段夏季旱涝趋势在不同年代未发生明显波动,处于偏湿润的状态。安徽省秋季在近54a来呈现涝—旱—涝—旱—涝的过程,旱涝不断转变,在1993—2006年,安徽秋季处于较长的干旱状态(图2(c))。相反的,安徽冬季SPEI3指数呈增加趋势,尤其是在20世纪90年代,除1998年SPEI值小于-1以外,多数年份SPEI值均大于0.5,表明了安徽省冬季具有较为明显的湿润状态,但是进入21世纪10年代,有趋向于干旱化趋势。

2.2 旱涝灾害月尺度时空特征

图3 1961—2014年安徽月尺度旱涝变化趋势

图3是1961—2014年安徽省1-12月的SPEI3指数的M-K趋势图。从图中可得1961—2014年安徽省各月份旱涝变化趋势以及空间格局上具有明显差异,各月份有干旱化和湿润化趋势,但是趋势变化不显著。在春季(3—5月),3月份皖北砀山附近地区M-K统计值为负值,表明该时期该地区3月呈现干旱化趋势,但未通过0.05显著性检验,干旱化趋势并不显著。除此以外其他地区均有变湿趋势,其中蚌埠、巢湖、安庆地区通过0.05显著性检验,表明洪涝灾害发生概率增加。4月份整个安徽省出现变干趋势,以江淮及皖北地区的变干趋势明显。5月份梅雨季节来临之前,全省呈现变干趋势的地区进一步扩大,干旱程度进一步加剧，全省大部分地区呈现变干趋势,仅有皖东北地区的淮北、滁州呈现变湿趋势。在夏季(6—8月),6月份尽管江淮地区进入梅雨季节,但是6月份安徽全省大部分地区出现干旱化趋势,仅仅皖北地区和皖南南部地区呈现湿润趋势。7月份全省的大部分地区呈现湿润化趋势,但是湿润化趋势不显著。8月份绝大部分呈现地区湿润化趋势,皖南地区，如马鞍山、巢湖、芜湖，通过0.05显著性检验,湿润化趋势显著;而皖东北地区由6—7月份的湿润趋势转为干旱趋势。在秋季(9—11月份),9月份旱涝分布与8月份的类似,全省均呈现湿润化趋势,皖南地区湿润化趋势优于皖北地区;10月份由江淮地区向皖北、皖南方向呈干旱化趋势,黄山市和宿州市的干旱化趋势最为明显;11月份全省由皖南和皖北干旱化趋势演变为全省的干旱化趋势,皖东南的宣城地区干旱化趋势最为明显。在冬季(12月至次年2月),12月份安徽省总体呈现北湿南干的空间分布特征。皖北地区均呈现湿润化趋势,而除了皖西南局部地区,整个江淮地区以及皖南均呈现干旱化趋势。1月份安徽省绝大部分地区均呈现湿润化趋势,均未通过0.05显著性检验。2月份安徽全省湿润化趋势变化显著,其中江淮地区和皖南地区的湿润化趋势通过0.05显著性检验,变化趋势显著。总体上,4—6月安徽省大部分地区呈干旱化趋势,皖南地区趋势变化较皖北地区明显;1—3月和7—9月大部分地区呈湿润化趋势,同样皖南地区趋势变化较皖北地区明显;10—12月份皖北地区趋于湿润,而皖南地区趋于干旱。与皖北地区相比较,皖南地区各月份趋势变化大,即皖南地区的降水在各月份极端不均匀。

图4 1961—2014年ENSO事件SSTA与SPEI指数相关系数空间分布

3 ENSO影响下安徽省旱涝时空特征

3.1 安徽SPEI3与ENSO事件指数的相关性分析

3.1.1 安徽SPEI3与SSTA的相关性分析

为了进一步反映ENSO对安徽省区域内部差异影响,利用1961—2014年所有发生ENSO事件的月份的Nino3.4海区海表温度距平(SSTA)与同时段安徽及周边24个气象站点的逐月SPEI3(定义为旱涝指数)做相关性分析(图4),在整个ENSO发生时段内,海温距平(SSTA)与同期安徽省旱涝指数的相关系数均为正值,二者存在正相关。从图4(a)看,SSTA与安徽旱涝指数相关系数较大的地区主要位于皖南地区和皖北中部地区、特别是长江以南的区域相关性最大,表明该区域的旱涝指数与SSTA直接相关。前人研究表明ENSO事件对东南亚以及太平洋地区的影响存在数月至数年的滞后性,气候异常并非与赤道东太平洋地区海温异常完全同步。因为随着滞后时间增加,相关系数均呈显著性相关,因此本文只列出了图4(b)～图5(g)分别是各站点滞后1～6个月的旱涝指数与SSTA的相关性分析,由图可知,随着滞后性月份的增加,安徽各区域的旱涝指数与SSTA的相关系数逐渐增大,而且相关关系强度由南往北递减,说明皖南地区与SSTA相关性大于皖北地区。区域的旱涝指数与SSTA在滞后3个月时,安徽各区域的旱涝指数与SSTA的相关性最强,表明SSTA对未来3个月皖南旱涝有明显的影响。

3.1.2 安徽SPEI3与SOI的相关性分析

SOI 是表征ENSO 事件的传统指标,是目前监测ENSO 的常规指数。本文SOI取自塔希堤与澳大利亚的达尔文站的海平面气压差,图5是SOI与安徽25个气象站点的逐月SPEI3相关性分析,因为SOI与SSTA呈负相关关系,因此安徽旱涝指数与SOI的相关关系为负相关。皖北地区和皖东地区的SOI与SPEI3同时段的相关关系大于皖南地区(图5(a)),随着滞后性月份的增加,安徽旱涝指数与SOI相关关系大的区域由皖西北向皖东北转移。在滞后4个月的安徽旱涝指数与SOI相关关系整体达到最大,最大的区域分布于长江以南的区域,该区域与SSTA的相关关系也最大。其次,大别山区和巢湖流域旱涝指数与SOI相关关系较大。

3.2 安徽SPEI3与典型ENSO时间年的相关性分析

图5 1961—2014年ENSO事件SOI与SPEI相关系数空间分布

图6 1961—2014年典型ENSO事件SSTA与SPEI相关系数空间分布

为了进一步揭示安徽旱涝指数与ENSO的相关性,本文选取了表2中典型ENSO年的SSTA与SOI与相应典型ENSO年的SPEI3旱涝指数进行相关性分析(图6和图7),以揭示安徽旱涝与典型年的相关性。由图6知,安徽旱涝指数与同时段典型年SSTA的相关关系大的区域是皖南地区,随着滞后月份增加,相关关系较大的区域由皖南地区向巢湖流域推移,旱涝指数与典型ENSO年的SSTA相关关系在滞后3个月达到最大(图6(c)),这说明典型ENSO事件发生后,对安徽皖南和巢湖流域未来3个月的旱涝指数产生影响;而皖北地区旱涝指数对ENSO的响应不灵敏。

图7 1961—2014年典型ENSO事件SOI与SPEI相关系数空间分布

图8 1989—2009年安徽小麦和稻谷灾损率时空分布

图8是安徽旱涝指数与同时段典型年SOI的相关关系呈负相关,相关关系大的区域是皖北地区(图7(a)),这说明SOI表明的典型ENSO事件发生后,对同时段皖北地区的旱涝指数产生影响。随着滞后月份增加,相关关系大的区域由皖北地区向皖南地区转移,在滞后3个月的时,旱涝指数与典型ENSO年的SOI 相关关系最大(图7(c)),这说明典型ENSO事件发生后,对安徽皖南未来3个月的旱涝指数产生影响。皖西南地区随着滞后月份增加,相关关系也逐渐增大,在滞后6个月相关关系达到最大,说明典型ENSO事件发生后,对安徽皖西南未来6个月的旱涝指数将受影响。

4 小麦和稻谷灾损率时空分布研究

安徽省主要粮食作物小麦主产区主要分布在皖北地区,稻谷主产区分布在皖南地区。基于式(6)～(7)得到安徽省小麦和稻谷的灾损率时空分布图(图8),柱状图正值代表产量增加,负值表示产量减少。由图8(a)可知:从受灾年份和程度来看,1991年、1997年、1998年、1999年和2003年小麦灾损率最大,特别是江淮地区和皖南地区的在上述年份小麦灾损率分别达到了0.446、0.241、0.261、0.225和0.237,其中1991年小麦灾损率达到最大。1991年安徽省小麦有4个地级市受灾率在50%以上,11个地级市受灾情况在10%以上。据统计,1991年洪水造成安徽全省受灾人口达4 800多万人,占全省总人口近70%,因灾死亡267人,农作物受灾面积4.3万km2,各项直接经济损失近70亿元人民币。其次在1998年安徽有12个地级市受灾率在10%以上。在上述小麦灾损率较大的年份中,1991年、1998年和2003年均发生大洪水,在该年份或者前一年均发生中度以上ENSO事件,说明中度以上ENSO事件引起全省小麦灾损率高。2004—2009全省小麦灾损率明显降低,全省平均小麦灾损率在1%左右,而1989—2003年小麦灾损率在8%以上。从受灾区域来看,1989—2009年小麦因灾减产在13次以上的区域主要分布在江淮地区和皖南地区,分别是铜陵、合肥、马鞍山、宣城和安庆。皖南地区和江淮部分地区在1989—2009年的21年中小麦减产平均达12年,但是小麦灾损率在10%以上年份平均仅为3年,说明皖南地区小麦减产发生年份较多,小麦减产率较小。皖北地区和江淮地区灾损率发生年份仅为10年,但是皖北地区和江淮地区小麦灾损率在10%以上的年份平均有5年,其中合肥发生年份7年是最多的,其次是六安的6年。说明皖北地区和江淮地区的小麦减产发生次数较少,小麦减产率较大。

图9 1997年和2007年安徽省有效灌溉面积比、防洪耕地面积比和机械排灌面积比分布

安徽稻谷灾损率小于小麦的灾损率(图8(b)),从受灾年份来看,全省16个地市在1989年、1992年、1995 —1997年、2004年和2008—2009年有10个地市以上的稻谷减产,其中1989年全省稻谷全部减产,2004年和2008年全省有15个。从受灾程度上来看,2004年和1989年水稻灾损率最大,分别是0.299和0.218,其次是1992年的0.162。然而2008年尽管受灾面积大,但是稻谷的灾损率仅为0.052,远低于其他年份。由表2可见,导致全省水稻减产的上述年份在发生年或者前一年均发生ENSO事件,比如1988年强La Nina事件导致1989年全省稻谷减产,2007年强La Nina事件导致1989年全省15个地市稻谷减产,说明ENSO事件发生时,均会导致稻谷全省大范围的减产。从受灾区域来看,21年中受灾次数较多的城市有六安、合肥、蚌埠、芜湖和淮南。蚌埠地区受灾次数最多,达14次。稻谷减产率在10%以上的地区主要分布在淮北(32%)、阜阳(35%)、马鞍山(19%)、淮南(12%)和滁州(10%),淮北和阜阳不属于主产区,但是马鞍山、淮南和滁州地区属于稻谷主产区。

5 讨论与结论

从有效灌溉面积比来看(图9(a)、图9(d)),皖北地区有效灌溉面积比低,在0.40至0.52之间。皖北地区抗旱能力弱,皖北地区如淮北、蚌埠、宿县地区稻谷的灾损率严重。随着年份的增长,淮北市的有效灌溉面积比有明显的提升,上升到0.67至0.83之间。说明淮北市灌溉条件逐渐提高,所以在2008年(ENSO强度高)农作物未受到灾损。从防洪耕地面积比来看(图9(b)、9(e)),滁州市、皖西地区如六安、安庆是低值区,防洪能力弱,安庆市为小麦灾损范围广的地区,六安是灾损率高的地区。皖南地区如宣城、芜湖、铜陵的防洪能力远高于皖北地区。从机械排灌面积比来看,低值区主要有宣城、黄山、安庆、宿县地区,巢湖和马鞍山市排灌面积比较高。图8(a)显示皖北地区和江淮地区的小麦减产发生次数较少,小麦减产率较大,而皖南地区小麦减产发生年份较多,小麦减产率较小。冬小麦产量损失与干旱发生时段密切相关,发生在4—5月的干旱减产最重,持续时间越长,损失越重,尤以冬春连旱对产量影响最大[19]。皖北地区主要以冬小麦为主,在4—6月份安徽全省呈干旱化趋势,特别是4月份皖北地区干旱化趋势大于皖南地区,这导致皖北地区小麦灾损率较高。安徽水稻主要种植区集中在沿淮淮北、江淮之间和沿江江南3个区域,研究表明旱灾对安徽省稻谷灾损率影响相对较小,而涝灾造成的一季稻减产损失明显大于旱灾,发生在生长关键期的旱涝灾害对产量的影响大于其他时段[19]。安徽省稻谷生长时间在4—7月和7—10、11月,4—7月以干旱化趋势为主,发生涝灾几率低,稻谷灾损率主要受到干旱威胁;7—11月安徽以湿润化趋势为主,而且水稻主要种植区内湿润化趋势显著,稻谷灾损率主要受到涝灾威胁。

有效灌溉面积比、防洪耕地面积比和机械排灌面积比(简称为减灾指标),这3个减灾指标能较好地反映人类活动的抗灾减灾能力,皖北地区和皖南地区的有效灌溉面积比、防洪耕地面积比和机械排灌面积比远低于其他地区。通过对1997年和2007年的相关数据对比分析,发现合肥、六安、马鞍山和滁州的县市的有效灌溉面积比、防洪耕地面积比和机械排灌面积比均减小了,这大大降低了区域的抗灾减灾能力,这也是造成该区域小麦和稻谷减产的原因之一。皖南地区和江淮地区的有效灌溉面积比、防洪耕地面积比和机械排灌面积比远高于皖北地区,皖南和江淮地区是稻谷的主产区,这也导致稻谷灾损率远低于小麦的灾损率。整体上,安徽全省大部分地区的有效灌溉面积比、防洪耕地面积比和机械排灌面积比呈增加趋势,也是导致从2003年以后全省小麦灾损率明显降低。

基于1961—2014年安徽省25个气象站实测资料,采用线性趋势法、标准化降水蒸散指数(SPEI)、M-K趋势检验以及皮尔逊相关分析法分析了安徽省近54年的旱涝趋势、时空变化特征及其与ENSO的关系,并进一步揭示ENSO对安徽省农业生产的影响,具体结论如下:

a. 洪涝发生在ENSO事件年的比重大于干旱发生在ENSO事件年的比重,安徽大部分地区50%以上的洪涝均发生在ENSO年,而安徽大部分地区发生在ENSO年的干旱也超过了40%。与ENSO事件有关年份安徽省旱涝发生频率高,且干旱受厄尔尼诺次年及拉尼娜年影响大,洪涝受厄尔尼诺当年影响更大。

b. 在时间变化上,近54年来,安徽省变湿趋势增强。在季尺度上,春季、秋季SPEI波动幅度大于夏季和冬季,春季呈干旱化趋势。在月尺度上,4—6月份安徽省大部分地区呈干旱化趋势,皖南地区趋势变化较皖北地区明显;1—3月和7—9月大部分地区呈湿润化趋势,皖南地区趋势变化较皖北地区明显;10—12月份皖北地区趋于湿润,而皖南地区趋于干旱。与皖北地区相比较,皖南地区各月份趋势变化大,即皖南地区的降水在各月份极端不均匀。

c. 在安徽省大部分地区,ENSO事件旱涝指数呈显著性相关,其中El Nio与 La Nina事件与安徽省旱涝相关性显著的地区存在差异,与El Nio事件相关性显著的地区主要位于皖西北局部、皖北东部以及皖南大部分地区,与La Nina事件相关性显著的地区位于皖北以及皖东南局部。并且安徽省旱涝对ENSO事件的响应存在一定的滞后性,在之后的3个月,安徽省旱涝指数对SSTA的响应在逐渐增强。

d. 随着滞后性月份的增加,安徽各区域的旱涝指数与SSTA的相关系数逐渐增大,而且相关性由南往北递减,说明皖南地区与SSTA相关性大于皖北地区。在滞后3个月时,安徽各区域的旱涝指数与SSTA的相关性最强,表明SSTA对未来3个月皖南旱涝有明显的影响。

e. 近20年皖北、皖南地区稻麦减产主要发生在ENSO事件年或者前一年,且减产率高。皖北地区和江淮地区的小麦减产发生次数较少,小麦减产率较大,而皖南地区小麦减产发生年份较多,小麦减产率较小。ENSO对农业生产的影响与旱涝分布状况有关,江淮地区良好的灌溉条件会降低ENSO年农业旱涝受灾风险。

[1] 朱益民,杨修群,陈晓颖,等.ENSO与中国夏季年际气候异常关系的年代际变化[J].热带气象学报,2007,23(2):105-116.(ZHU Yimin,YANG Xiuqun,CHEN Xiaoying,et al.Interdecadal variation of the relationship between ENSO and summer interannual climate variability in China[J].Journal of Tropical Meteorology,2007,23(2):105-116.(in Chinese))

[2] BRÖNNIMANN S.Impact of El Nino-Southern Oscillation on European climate[J].Reviews of Geophysics,2007,45(3):.

[3] 任福民,袁媛,孙丞虎,等.近30年ENSO研究进展回顾[J].气象科技进展，2012,2(3):17-24.(REN Fumin,YUAN Yuan,SUN Chenghu,et al.Review of progress of ENSO studies in the past three decades[J].Advances in Meteorological Science and Technology,2012,2(3):17-24.(in Chinese))

[4] 李崇银,穆穆.ENSO机理及其预测研究[J].大气科学,2008,32(4):761-781.(LI Chongyin,MU Mu.Mechanism and prediction studies of the ENSO[J].Chinese Journal of Atmospheric Sciences,2008,32(4):761-781.(in Chinese))

[5] ZHANG Qiang,WANG Yue,SINGH V P,et al.Impacts of ENSO and ENSO Modoki+A regimes on seasonal precipitation variations and possible underlying causes in the Huai River basin,China[J].Journal of Hydrology,2016,533:308-319.

[6] 叶正伟,许有鹏,潘光波.江淮下游汛期降水与ENSO冷暖事件的关系[J].地理研究,2013,32(10):1824-1832.(YE Zhengwei,XU Youpeng,PAN Guangbo.Relationship between precipitation in flood season and ENSO warm and cold events in the lower reaches of Jianghuai Basin[J].Geographical Research,2013,32(10):1824-1832.(in Chinese))

[7] 王绍武,龚道溢.近百年来的ENSO事件及其强度[J].气象,1999,25(1):9-13.(WANG Shaowu,GONG Daoyi.ENSO events and ENSO strength recent 100 years[J].Atmosphere,1999,25(1):9-13.(in Chinese))

[8] 宗海锋,陈烈庭,张庆云.ENSO 与中国夏季降水年际变化关系的不稳定性特征[J].大气科学,2010,34(1):184-192.(ZONG Haifeng,CHEN Lieting,ZHANG Qingyun.The instability of the interannual relationship between ENSO and the summer rainfall in China[J].Chinese Journal of Atmospheric Sciences,2010,34(1):184-192.(in Chinese))

[9] 刘永强,丁一汇.ENSO 事件对我国季节降水和温度的影响[J].大气科学,1995,19(2):200-208.(LIU Yongqiang,DING Yihui.Reappraisal of the influence of ENSO events on seasonal precipitation and temperature in China[J].Scientia Atmospherics Sinica,1995,19(2):200-208.(in Chinese))

[10] 许武成,马劲松,王文.关于ENSO事件及其对中国气候影响研究的综述[J].气象科学,2005,25(2):212-220.(XU Wucheng,MA Jinsong,WANG Wen.A review of studys on the influence of ENSO events on the climate in China[J].Scientia Meteorologica Sinica,2005,25(2):212-220.(in Chinese))

[11] CHEN Yongli,ZHAO Yongping,FENG Junqiao,et al.ENSO cycle and climate anomaly in China[J].Chinese Journal of Oceanology and Limnology,2012,30(6):985-1000.

[12] 杨亚力,杜岩,陈海山,等.ENSO事件对云南及临近地区春末初夏降水的影响[J].大气科学,2011,35(4):729-738.(YANG Yali,DU Yan,CHEN Haishan,et al.Influence of ENSO event on rainfall anomaly over Yunnan Province and its neighboring regions during late spring-early summer[J].Chinese Journal of Atmospheric Sciences,2011,35(4):729-738.(in Chinese))

[13] 李芬,张建新,郝智文,等.山西降水与ENSO 的相关性研究[J].地理学报,2015,70(3):420-430.(LI Fen,ZHANG Jianxin,HAO Zhiwen,et al.Correlation analysis of rainfall and ENSO in Shanxi[J].Acta Geographica Sinica,2015,70(3):420-430.(in Chinese))

[14] 李威,翟盘茂.中国极端强降水日数与ENSO的关系[J].气候变化研究进展,2009,5(6):336-342.(LI Wei,ZHAI Panmao.Relationship between ENSO and frequency of extreme precipitation days in China[J].Advances in Climate Change Research,2009,5(6):336-342.(in Chinese))

[15] 唐晓春,袁中友.近60年来厄尔尼诺事件对广东省旱灾的影响[J].地理研究,2010,29 (11):1933-1934.(TANG Xiaochun,YUAN Zhongyou.The influence of the drought disaster caused by El Nino events in Guangdong Province in recent 60 years[J].Geograpgical Research,2010,29 (11):1933-1934.(in Chinese))

[16] 郑冬晓,杨晓光.ENSO对全球及中国农业气象灾害和粮食产量影响研究进展[J].气象与环境科学,2014,37(4):90-100.(ZHENG Dongxiao,YANG Xiaoguang.Advance on effect of ENSO on agro-meteorological disaster and crop yields of the world and China[J].Meteorological and Environmental Sciences,2014,37(4):90-100.(in Chinese))

[17] SHUAI Jiabing,ZHANG Zhao,TAO Fulu,et al.How ENSO affects maize yields in China:understanding the impact mechanisms using a process-based crop model[J].International Journal of Climatology,2016,36(1):424-438.

[18] ZHANG Qiang,ZENG Jian,ZHANG Liyang.Characteristics of land surface thermal-hydrologic processes for different regions over North China during prevailing summer monsoon period[J].Science China:Earth Sciences,2012,55(1):1-9.

[19] 张爱民,马晓群,杨太明,等.安徽省旱涝灾害及其对农作物产量影响[J].应用气象学报,2007,18(5):619-626.(ZHANG Aimin,MA Xiaoqun,YANG Taiming,et al.The influence of drought and water logging disasters on crop yields in Anhui Province[J].Journal of Applied Meteorological Science,2007,18(5):619-626.(in Chinese))

[20] 赵亮,邹力,王成林,等.ENSO年东亚夏季风异常对中国江、淮流域夏季降水的影响[J].热带气象学报,2006,22(4):360-366.(ZHAO Liang,ZOU Li,WANG Chenglin,et al.Impacts of the East Asian summer monsoon anomaly during the ENSO event period on the summer precipitation in the lower-middle reaches of the Yangtze River and Huaihe River Valley[J].Journal of Tropical Meteorology,2006,22(4):360-366.(in Chinese))

[21] 张秉伦,王成兴,曹永忠.厄尔尼诺与江淮流域旱涝灾害的关系[J].自然杂志,1998,20(5):289-293.(ZHANG Binglun,WANG Chengxing,CAO Yongzhong.The relations between El Nino and drought and floods disaster in the Yangtzi River and Huaihe River Valley[J].Chinese Journal of Nature,1998,20(5):289-293.(in Chinese))

[22] 曾婷,杨东,朱小凡,等.ENSO事件对安徽省气候变化和旱涝灾害的影响[J].中国农学通报,2015,31(1):215-223.(ZENG Ting,YANG Dong,ZHU Xiaofan,et al.Impact of ENSO events on climate change and drought and flood disasters in Anhui province[J].Chinese Agricultural Science Bulletin,2015,31(1):215-223.(in Chinese))

[23] 翟武全.中国气象灾害大典(安徽卷) [M].北京:气象出版社,2006.

[24] VICENTE-SERRANO S M,BEGUERA S,LPEZ-MORENO J I.A mul-tiscalar drought index sensitive to global warming:the standardized precipitation evapotranspiration index[J].Journal of Climate,2010,23(7):1696-1718.

[25] ZHANG Qiang,SUN Peng,SINGH V P,et al.Precipitation changes in China (1956—2000):changing patterns and implications[J].Global and Planetary Change,2012,82/83:86-95.

[26] STORCH V H.Misuses of statistical analysis in climate research[C]//Storch HV,Navarra A.(Eds.).Analysis of climate variability:application of statistical techniques.Berlin:Springer-Verlag,1995:11-26.

[27] SANJIV K,VENKATESH M.Streamflow trends in Indiana:effects of long term persistence,precipitation and subsurface drains [J].Journal of Hydrology,2009,374:171-183.

[28] KULKARNI A,STROCH V H.Monte Carlo experiments on the effect of serial correlation on the Mann-Kendall test of trend [J].Meteorologische Zeitschrift,1995,4(2):82-85.[29] 朱自玺,刘荣花,方文松,等.华北地区冬小麦干旱评估指标研究[J].自然灾害学报,2011,12(1):145-150.(ZHU Zixi,LIU Ronghua,FANG Wensong,et al.Preliminary study on drought zonation of winter wheat in North China Plain[J].Journal of Natural Disasters,2011,12(1):145-150.(in Chinese))

[30] 李伟光,易雪,侯美亭,等.基于标准化降水蒸散指数的中国干旱趋势研究[J].中国生态农业学报,2012,20(5):643-649.(LI Weiguang,YI Xue,HOU Meiting,et al.Standardized precipitation evapotranspiration index shows drought trends in China[J].Chinese Journal of Eco-Agriculture,2012,20(5):643-649.(in Chinese))

[31] 段莹,王文,蔡晓军.PDSI、SPEI及CI指数在2010/2011年冬、春季江淮流域干旱过程的应用分析[J].高原气象,2013,32(4):1126-1139.(DUAN Ying,WANG Wen,CAI Xiaojun.Applied analyses on Palmer,SPEI and CI indices of drought process in Yangtze-Huaihe river basins during winter of 2010/spring of 2011[J].Plateau Meteorology,2013,32(4):1126-1139.(in Chinese))