开封市1951～2018 年气候变化特征及未来趋势研究

吕桂军，袁巧丽

（1.河南省小流域生态水利工程技术研究中心，河南 开封 475004；2.黄河水利职业技术学院，河南 开封 475004；3.开封市水生态修复工程技术研究中心，河南 开封 475004）

0 引言

联合国政府间气候变化专门委员会（IPCC）第一工作组的第四次评估报告《气候变化2007：自然科学基础》指出：1906～2005 年，地球表面气温上升了0.74℃， 全球气候呈现以变暖为主要特征的显著变化［1-2］。 联合国政府间气候变化专门委员会（IPCC）第五次评估报告指出：在全球不同区域、不同领域（自然系统、生物系统、人类系统）内，已普遍且广泛受到来自气候变化的显著影响，未来粮食产量持续下滑、河流特性改变、冰川融水不断增加等现象会加剧。气候变化会使温度升高、辐射增强，影响降水和融雪，改变降水模式，导致更为频繁的极端气候事件发生［3-4］。 鉴于此， 用科学研究方法对区域历史气候数据变化规律进行研究，并揭示其变化趋势，对合理布局生产结构，指导区域经济发展都具有十分重要的意义。

开封市地处河南省中东部，位于黄河下游南岸，太行山脉东南方，地理位置为东经113°52′15＂～115°15′42＂，北纬34°11′45＂～35°01′20＂。该区海拔高度为69～78 m，属于暖温带半干旱大陆性季风气候区。 笔者试根据开封市1951～2018 年的气象观测数据，采用滑动平均法、 线性趋势法、Mann-Kendall 趋势检验法、R／S 变标度极差分析法及滑动t 检验法，综合分析该市的气候变化特征及未来趋势，以期从一个角度揭示全球气候变暖背景下的开封市气候变化规律。

1 研究方法

1.1 滑动平均法

滑动平均法就是对一些扰动数据进行局部平均化处理， 以减少随机误差的影响。 经滑动平均处理后，序列中短于滑动长度的周期大大削弱，可以更精确地呈现出其变化趋势。 对样本为n 的序列x，其滑动平均序列表示为式（1）。

1.2 线性趋势法

运用线性趋势法分析气象要素的变化趋势，即利用气象要素（气温、降水、蒸发等）的时间序列，以时间为自变量，以气象要素为因变量，建立一元回归方程。 斜率k 的正负反映降水量上升或下降的变化趋势。 该方法的优势在于能明显看出气象要素的整体变化趋势。

1.3 Mann-Kendall 趋势检验法［5-9］

Mann-Kendall 趋势检验法是由H.B.Mann 和M.G.Kendall 提出的一种非参数检验方法。它的优点是不需要样本遵从一定的分布规则， 也不受少数异常值的干扰，更适用于类型变量和顺序变量，计算也较简单。 该方法因其检测范围宽，人为干扰少，定量化程度高，被广泛应用于气象、水文领域。

在Mann-Kendall 检验中，原假设H0为时间序列数据（x1，x2，x3，…xn），它是n 个独立同分布变量的样本；备择假设H1是双边检验。 对于所有的i（j≤n，且i≠j），xi和xj的分布是不相同的。定义检验统计量S 如式（2）和式（3）所示。

式中：xj、xi分别是时间序列在j、i 时的序列值，j＞i。

a*(θi)⊗a(θi)中的元素可以表示为：e±j(Mn-mN)πsinθi，e-j(Mn1-Mn2)πsinθi或e-j(Nm1-Nm2)πsinθi，其中0n,n1,n2N-1，0m,m1,m22M-1，根据各子阵阵元位置的距离差，得到两个子阵的自差分集和互差分集：

1.4 R／S 分析法

R／S 分析法是英国水文专家Hurst 在分析尼罗河多年水文资料时提出的一种处理时间序列的方法——变标度极差分析法。 利用该方法分析水文资料时，不论时间序列是正态还是非正态，其结果的稳定性均不受影响。 用R／S 分析法可以计算Hurst 指数H， 对时间序列的未来变化趋势的持续性进行定性描述。

R／S 分析法的基本原理为： 对一个时间序列（x1，x2，x3，…，xn），其均值序列如式（5）所示，累积离差为式（6），极差为式（7），标准差为式（8）。

Hurst 研究发现，R（τ）与S（τ）存在式（9）所示的关系。

式中：c 为常数；H 为幂指数。

（1）当H＝0.5 时，表示时间序列是一个完全独立的随机过程，未来与过去没有关系。

（2）当H＝1 时，表示未来完全可以用现在来预测。 时间序列是一条直线，具有较强的自相似性。

（3）当0.5＜H＜1 时，表示时间序列未来变化的趋势与过去一致，具有持续性，即将来与过去的趋势相同。 H 越大， 持续性越强。 其中，0.5＜H≤0.55、0.55＜H≤0.65、0.65＜H≤0.75、0.75＜H≤0.8、0.8＜H＜1分别表示持续性很弱、较弱、较强、强、很强。

结合Mann-Kendall 趋势检验结果和Hurst 指数分析，可以发现长序列气候数据的变化特征，并对未来的趋势进行预测。

1.5 滑动t 检验法

滑动t 检验法是一种检验序列突变性的方法，是按某一基准点t 将序列分为基准点前和基准点后2 个子序列。 基准点t 和检验统计量S 按式（10）和式（11）计算。

2 结果与分析

2.1 不同时间序列下年降水量变化

根据中国气象数据网（http：／ ／data.cma.cn）的开封市 （站台编号57091）1951～2018 年气象观测数据， 绘制年降水量5 年滑动平均及其线性趋势变化曲线，如图1 所示。 绘制1951～2018 年期间不同时间序列长度下的年降水量5 年滑动平均及其线性趋势变化曲线，如图2～图4 所示。

图2 1951～1970 年年降水量变化趋势Fig.2 Annual precipitation change trend from 1951 to 1970

由图1～图4 可知： 在开封市1951～2018 年时间序列中，年降水量趋势线斜率为-0.862 6。 这表明，多年来，开封市年降水量呈逐年减少的趋势。在1951～1970 年、1971～1990 年、1991～2018 年分段时长序列中，年降水量趋势线斜率分别为-4.253 5、-5.877 8、-7.010 1，斜率值依次减小，说明年降水量呈逐年加速减少的趋势。

图1 1951～2018 年年降水量变化趋势Fig.1 Annual precipitation change trend from 1951 to 2018

采用Mann-Kendall 法和R／S 法对开封市1951～2018 年总时长序列及1951～1970 年、1971～1990 年、1991～2018 年分段时长序列下的降水量变化的显著性及未来变化趋势进行分析， 结果如表1所示。

图3 1971～1990 年年降水量变化趋势Fig.3 Annual precipitation change trend from 1971 to 1990

图4 1991～2018 年年降水量变化趋势Fig.4 Annual precipitation change trend from 1991 to 2018

表1 中的数据表明：在开封1951～2018 年长时间序列下，降水量呈不显著减少趋势。 用R／S 分析法计算，得Hurst 指数为0.427。 即在此长时间序列下， 预测出开封市未来的降水趋势与过去的趋势相反， 降水量将会出现稍微增加的趋势。 1951～1970年、1971～1990 年、1991～2018 年分段时长序列下的分析结果表明：1970 年以前， 开封市降水量呈不显著减少趋势；1970 年以后， 开封市降水量呈显著减少趋势，通过了置信度90%的显著性检验。 1951～1970 年、1971～1990 年、1991～2018 年分段时长序列下的Hurst指数分别为0.534、0.597、0.598，三个时段能相互验证，说明开封市未来降水趋势与过去的趋势相同， 即未来继续保持逐年减少的趋势。 设置信度0.01，通过滑动t检验法对开封市1951～2018 年降水量值进行突变分析，结果表明，降水量在2011 年前后发生突变。

表1 开封市年降水量变化趋势分析Tab.1 Analysis of annual precipitation change trend of Kaifeng city

需要说明的是， 长时间序列的趋势分析结果可能和较短时间序列的分析结果出现不完全一致的情况， 这是因为长时间序列下的不同时期影响气候变化的主要原因差异大所造成的。 从以上分析也可以看出，对于当前的气候变化特征及未来趋势预测，应采用距离当前时间较短、 影响气候变化的主要原因差异较小的时间序列值， 以此得出的结果应更具有代表性和指导意义。

2.2 气温变化

根据中国气象数据网（http：／ ／data.cma.cn）开封市1951～2018 年的气象观测数据， 绘制平均气温5年滑动平均及其线性趋势变化曲线，如图5 所示；绘制四季（3～5 月为春季，6～8 月为夏季，9～11 月为秋季，12～翌年2 月为冬季）气温5 年滑动平均及其线性趋势变化曲线，如图6～图9 所示。

图5 1951～2018 年年平均气温变化趋势Fig.5 Annual average temperature change trend from 1951 to 2018

由图5 可知：1951～2018 年， 开封市平均气温、平均最高气温、 平均最低气温的趋势线斜率依次为0.029 1、0.008 6 和0.043 8。 这说明，多年来，开封气候是以变暖为总趋势的。 最低气温的斜率最大说明最低气温的逐年升高对气候变暖的贡献较大。由图6～图9 可知：1951～2018 年，开封市春、夏、秋、冬四季平均气温的趋势线斜率依次为0.040 1、0.008 7、0.029 8、0.037 9。 这说明，多年来，开封四季气候都是以变暖为总趋势的，其中，冬、春季升温速率大于年均升温速率0.029 1， 秋季升温速率与年均升温速率基本相同，夏季升温速率小于年均升温速率。 这说明，1951～2018年，对开封气候变暖贡献最大的是冬季和春季。

图6 1951～2018 年春季平均气温变化趋势Fig.6 Spring average temperature change trend from 1951 to 2018

采用Mann-Kendall 法和R／S 法对开封市1951～2018 年气温变化情况进行分析， 结果如表2所示。

由表2 可知：开封市1951～2018 年年平均气温及春、夏、秋、冬四季平均气温都呈显著增加的趋势，通过了置信度99%的显著性检验。用R／S 分析法计算出Hurst 指数依次为0.986、0.919、0.814、0.919、0.918。 该结果说明开封市年平均气温及春、夏、秋、冬四季平均气温未来变化趋势与过去的趋势相同，且具有很强的持续性，即未来开封市气温将继续保持逐年上升的趋势。 设置信度0.01，通过滑动t检验法对开封市1951～2018 年平均气温进行突变分析，结果表明气温在1993 年前后发生突变。

2.3 月均日照时数变化

日照时数表示一个地方直接接受太阳光照射的实有时数，是太阳辐射最直接的表现，它受云、雾、空气污染物等多种因素的影响。 根据中国气象数据网（http：／ ／data.cma.cn） 的开封市 （站台编号57091）1951～2018 年气象观测数据， 绘制月均日照时数5年滑动平均及线性趋势变化曲线，如图10 所示。 由图10 可知：1951～2018 年， 开封市日照时数的趋势线斜率为-0.818 2。 这说明，多年来，开封市日照时数有逐年减少的趋势。许多学者经分析认为，空气污染可能是导致日照时数降低的主要原因之一［12-14］。

图7 1951～2018 年夏季平均气温变化趋势Fig.7 Summer average temperature change trend from 1951 to 2018

图8 1951～2018 年秋季平均气温变化趋势Fig.8 Autumn average temperature change trend from 1951 to 2018

图9 1951～2018 年冬季平均气温变化趋势Fig.9 Winter average temperature change trend from 1951 to 2018

图10 1951～2018 年开封月均日照时数变化趋势Fig.10 Change trend of monthly average sunshine hours of Kaifeng city from 1951 to 2018

表2 开封市1951～2018 年平均气温变化趋势分析Tab.2 Analysis of annual average temperature change trend of Kaifeng city from 1951 to 2018

采用Mann-Kendall 法和R／S 法对开封市1951～2018 年月均日照时数的变化情况进行分析，得出如下结论：（1）开封市1951～2018 年月均日照时数呈显著减少的趋势，并通过了置信度99%的显著性检验。 （2）计算出Hurst 指数为0.928 3，说明月均日照时数未来与过去的趋势相同， 且具有很强的持续性， 即未来开封地区月均日照时数将继续保持逐年减少的趋势。 设置信度0.01， 通过滑动t 检验法对开封市1951～2018 年月均日照时数进行突变分析， 结果表明， 月均日照时数在1997 年前后发生突变。

3 结语

综上所述，本文运用气象、水文分析中常用的几种分析方法对开封市1951～2018 年的气象数据进行了分析，结果表明：（1）1970 年以前，开封市年降水量呈不显著减少趋势；1970 年以后， 开封市年降水量呈显著减少趋势， 且未来开封市年降水量将继续保持显著减少的趋势。开封市年降水量在2011 年前后发生突变。（2）多年来，开封市年平均气温及春、夏、秋、冬四季平均气温都呈显著增加的趋势。其中，冬季和春季升温对开封气候变暖贡献最大。 未来开封地区将继续保持逐年升温的趋势。 开封市平均气温在1993 年前后发生突变。（3）多年来，开封市日照时数呈显著减少的趋势。 未来开封市月均日照时数将继续保持逐年减少的趋势。月均日照时数在1997年前后发生突变。