近45年安徽省降雨侵蚀力年内分配特征的时空演变

孙莉娟,陈金华,徐 阳,黄 进

(1.安徽省人工影响天气办公室,安徽 合肥 230031;2.淮河流域气象中心,安徽 合肥 230031;3.安徽省农村综合经济信息中心/安徽省农业气象中心,安徽 合肥 230031;4.南京信息工程大学 应用气象学院，江苏 南京 210044)

伴随着全球气候变化，水循环过程加剧，愈来愈频繁的旱涝灾害引起了国内外学者的广泛关注，特别是探求月、季节、年降水时空变化特征的区域差异[1]。降水不仅是气象站长期观测的重要气象因子，也是我国多数地区水土流失变化的主要驱动力[2]。降雨导致土壤侵蚀的潜在能力称为降雨侵蚀力(Rainfall Erosivity,RE)，它是通用土壤流失方程中最基本的一个因子，对区域土壤流失风险评估、水土保持优化具有重要意义，其数值高低与降水事件的雨量、天数、强度等要素高度相关[3-5]。RE的经典计算方法需以次降雨过程资料为基础，但该类数据较难获取，各种基于年、月、日降雨量的简易算法便应运而生，其中利用日雨量估算降雨侵蚀力是目前精度较高且操作性较好的首选方法[6]。现有的研究主要集中于年际和季节尺度上降雨侵蚀力数值的时空变化，对于降雨侵蚀力年内分配特征的研究相对较少[7]。安徽省地跨长江、淮河南北，降水特征区域差异显著，属于以水力侵蚀为主类型区中的南方红壤区和北方土石山区，全省水土流失面积约为12447 km2，占该省总国土面积的8.9%，其中以中度及种轻度流失类型为主[8]。因此，研究安徽省降雨侵蚀力年内分配特征的时空演变对区域水土流失治理、生态环境保护、农业生产和灾害防治具有重要的指导意义。

1 资料与方法

1.1 基本数据

降水资料来源于安徽省气象局提供的77个气象观测站1973～2017年间的逐日降水数据，这77个站点的空间分布具体见图1。

图1 安徽省77个气象站的空间分布

1.2 降雨侵蚀力及其集中性的计算

研究区各站点降雨侵蚀力的计算采用殷水清等[9]设计的基于日降雨量冷暖季估算模型，其充分考虑了我国暖季(5～9月)和冷季(10～4月)降水雨型的差异，暖季多对流性、短历时、高强度降雨，冷季多锋面性、长历时、低雨强降雨，因而相对其他简化模型有着较高的模拟精度和地区适用性[9]。该模型中日降雨侵蚀力REdaily的计算过程如下：

REdaily=a×Pdaily1.7625

(1)

式(1)中Pdaily是侵蚀性日降雨量(日雨量≥10 mm)，单位mm；暖季a为0.3937，冷季a为0.3101；此后通过累加可得逐月及逐年降雨侵蚀力序列[10]。

参考月降水集中性指数[11]，表征降雨侵蚀力年内分配不均匀性的集中性指数(Rainfall Erosivity Concentration Index,RECI)计算如下：

(2)

其中REi为第i月的降雨侵蚀力。由(2)式可知，若年降雨侵蚀力都集中在一个月内，则RECI的理论值为100，达到最高；若年降雨侵蚀力均匀地分配在12个月，则理论值为最小，约为8[12]。

1.3 降雨侵蚀力的时空分析

主成分分析在识别气候变量年际波动相似性及分异性的区划中有着广泛应用，其作用于多样本(站点)单一指标时间序列构成的矩阵时，新生成的若干主成分得分序列表征了研究区不同类型的年际变化，不同主成分在各站点原始序列的载荷可有效地用于空间尺度的气候分区[13]。鉴于此，主成分分析被应用于探求RECI时空演变的区域差异。“Mann-Kendall趋势检验”(M-K检验)、线性趋势检验以及5年滑动平均等常规方法用来诊断相关指标的变化趋势。此外，集合经验模态分解法(Ensemble Empirical Mode Decomposition，EEMD)被应用于相关指标序列的周期特征分析，该方法将复杂的时间序列信号进行平稳化处理，从而在原始时间序列中提取不同尺度的波动和趋势分量，得到若干不同周期特征的固有模态函数(Intrinsic Mode Functions，IMFs)，相比小波分析更具直观性和自适应性[14]。

2 结果与分析

2.1 降雨侵蚀力及其集中性的空间分布

基于ArcGIS 10的反距离权插值，图2a中年降雨侵蚀力呈现出显著的由南向北递减的梯度变化，其中最南端高值区域的降雨侵蚀力接近并超过了10000 MJ·mm/(hm2·h)，而北部大部分地区的降雨侵蚀力不超过6000 MJ·mm/(hm2·h)，这与安徽省年降水量以及极端降水指数的空间分布格局相一致[15]。相关研究表明：除广东、广西、海南等华南地区外，我国年降雨侵蚀力一般都不超过6000 MJ·mm/(hm2·h)[16]。相比较之下，安徽省南部地区的降雨侵蚀力属于较高水平，也进一步说明了安徽省南部特别是皖南山区属于水土流失的高风险地区。

图2b中降雨侵蚀力集中性指数的空间分布特征不是很明晰。以33.3为基准值(当降雨侵蚀力集中在某3个月内，RECI的理论值为33.3)，研究区大致可以分成3个不同集中性水平的区域。全省大部的RECI处于26.2～33.3这一区间，表明全年降雨侵蚀力主要分配在3～4个月份中，其中中西部及东南部的RECI较低。RECI的高值区域主要集中于西北大部、最南部、西南部等零星区域。南部地区山地较多且暖湿气流活跃，地形抬升作用易触发汛期强降水，某些月份暴雨日比重较高，因而RECI较高；而西北部位于暖温带半湿润季风气候区，雨季相对较短，因而RECI也较高[17-18]。图3中各月贡献率进一步刻画的降雨侵蚀力年内分配不均匀性的区域差异，其中RECI高值区域7月的贡献率显著高于其他月份，高达28%；而RECI低值区域在6月和7月的贡献率相差较小，分别为23%和21%。

图2 安徽省年RE与RECI多年均值的空间分布

图3 不同区域降雨侵蚀力的年内分配

2.2 基于RECI的气候分区

为辨识降雨侵蚀力集中性年际变化的空间差异，将各站点RECI逐年序列构建的77列(77个站点)×45行(45 a)的矩阵导入SPSS 19.0软件中进行主成分分析。图4中前5个主成分累积方差贡献率超过了60%，且各主成分的特征根均大于3。因此，77个站点的RECI年际变化可识别出5个典型模态。图5中的载荷表征了不同模态与各站点RCECI序列的相关性，可有效地将研究区划分为与5个主成分对应的子区域，分别为区域Ⅰ(中南部)、区域Ⅱ(中最南部)、区域Ⅲ(中北部)、区域Ⅳ(西南部)、区域Ⅴ(东北角)。值得一提的是区域Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ大致上分别对应了沿江低地区、皖南山区、江淮隆丘区、大别山丘陵山区、黄淮海平原区这5个安徽省典型自然地形区[19]，这说明了复杂多样的地形地貌以及南北气候过渡性是造成研究区RECI年际变化区域差异的重要原因。

图4 各站点RECI主成分分析的碎石图

图5 各主成分对应载荷的空间分布

2.3 不同区域RECI的演变特征

图6中主成分得分序列(PCS)直观地表征了各子区域近45年RECI的演变过程。从M-K检验结果来看，除区域V外，各子区域1973～2017年间PCS序列呈现出上升趋势特别是区域Ⅲ的上升趋势最强，且通过了显著性检验。这表明安徽省大部分地区降雨侵蚀力越来集中在某些月份中，其年内分配的不均匀性有所加剧。图6中各PCS序列的5年滑动平均表明RECI有着较明显的年代际转折，特别是区域Ⅰ、Ⅱ、Ⅲ的RECI大致呈现出增加-减少-增加的变化特点，而区域V则呈现出减少-增加-减少的变化特点。值得一提是区域Ⅱ、Ⅲ、Ⅳ的RECI在2000年后的上升态势较为明显，而区域V的RECI在2000年后的下降态势更为明显。20世纪90年代末以来，随着东亚夏季风的增强，雨带开始向北移动至长江以北地区，雨带北界超过35° N，江淮流域夏季极端降水偏多[20]，汛期降雨侵蚀力增强，进而导致安徽省大部分地区RECI呈增加趋势。

灰色实线为PCS；黑色虚线为PCS的5年滑动平均；Z为M-K检验结果。图6 各子区域主成分得分序列的趋势检验

为了进一步探究安徽省降雨侵蚀力年内分配不均匀性的周期性变化特征，对各子区域的PCS序列进行EEMD分解，其结果见表1。总体而言，研究区RECI的呈现出以2.5～3.5 a为主周期的年际振荡，体现在各分区PCS的IMF1分量的方差贡献率均超过了50%，所占比重最高。这与安徽省年、季节降水量Morlet小波分析的结果相接近，其存在着2～4 a的振荡周期[21]。此外，RECI的次周期变化存在着显著的区域差异，区域Ⅰ和Ⅱ呈现出周期为11.25 a的年代际变化，其对应IMF3分量的方差贡献率明显高于IMF2、IMF4、IMF5；而区域Ⅲ、Ⅳ、V则呈现出周期为4.5～6.0 a的振荡，其对应IMF2分量的方差贡献率均高于IMF3、IMF4、IMF5。

表1 各分区PCS序列EEMD分解结果

2.4 RECI年际变化的归因分析

对不同月份降雨侵蚀力以及RECI的年际序列进行归一化处理，以不同月份降雨侵蚀力为自变量(X)，RECI为因变量(Y)，建立各分区RECI与降雨侵蚀力的多元线性回归方程。方程中各自变量的回归系数可作为X对Y的影响系数[22]，其绝对值的大小直接反映了各月降雨侵蚀力对RECI年际变化的贡献程度。由表2可知，研究区各分区RECI的年际变化均主要由6月份降雨侵蚀力的波动造成，其影响系数的绝对值超过了0.64，远高于其他月份。区域Ⅰ、Ⅱ、Ⅲ、Ⅳ的6月份降雨侵蚀力呈现出不同幅度的增加趋势，其直接导致了研究区大部分地区降雨侵蚀力年内分配不均匀性的加剧，这与图6中M-K检验的结果相一致。

3 结论

安徽省年降雨侵蚀力由南向北递减，而降雨侵蚀力集中性指数(RECI)的空间分布格局则不是很明晰，其高值区域主要分布在西北大部和最南部。研究区大部分地区的降雨侵蚀力主要集中在3～4月份，其中7月份的贡献率最高。降雨侵蚀力与集中性指数的高值区域均发现在最南部，意味着该区域某些月份土壤侵蚀的风险极高。

基于主成分分析，安徽省可以划分为中南部、最南部、中北部、西南部、东北角这个5个呈现不同RECI年际变化特征的气候子区域。尽管各分区RECI均呈现出主周期为2.5～3.5 a的年际振荡，但中南部及最南部RECI的年代际振荡更为显著。除东北角这一区域外，研究区大部分地区降雨侵蚀力的年内分配不均匀性呈现加剧态势，这主要是由6月份降雨侵蚀力的增加趋势造成。

表2 各分区RECI年际变化的归因分析