福建省近60年日照时数时空变化特征及未来趋势分析

孙晓航, 丘永杭, 黄奇晓, 陈晓瑜, 林玉蕊

(1.福建农林大学计算机与信息学院，福建 福州，350002；2.生态与资源统计福建省高校重点实验室，福建 福州 350002；3.福建省资源环境空间信息统计研究中心，福建 福州，350002)

气候变化对全球自然生态系统及社会经济体系具有深远的影响，是当今世界各国广泛关注与研究的热点问题.研究表明，全球正经历一次以变暖为主要特征的气候变化，平均地表温度一直在增高，近50 年来平均地表气温增幅约为1.1 ℃，增温速率约为每10年0.22 ℃[1].气候变化会引起大气结构的变化，进而影响到太阳对地表的辐射，因此探讨气候变化对日照时数的影响具有重要意义.近年来，已有不少针对全国各地日照时数时空变化特征的研究.吴桂明等[2]通过对广东省86个气象站1965—2015年逐月日照时数序列的变化趋势进行研究，发现其年、四季的日照时数均呈下降趋势；曾钦文等[3]对东江中上游8个站1965—2015年日照资料进行统计分析，结果表明东江中上游日照时数呈极显著减少的趋势；何彬方等[4]对安徽省80个站1955—2005年逐日日照资料进行分析，发现安徽省年日照时数呈显著减少的趋势，且日照时数大致呈纬向分布；曹庆锋[5]利用图里河地区1961—2010年日照时数资料，分析各月份、季节及各年日照时数的变化趋势，结果显示50 年来日照时数呈现波动式减少趋势.还有学者对黄河流域、西藏地区、祁连山地区、西安市、天津市等地日照时数变化进行研究，也发现日照时数整体呈减少的趋势[6-11].

福建省位于我国东南部，属于山地丘陵地势，境内山地丘陵占全省土地面积的80%以上[3,12]，属于亚热带季风气候，森林覆盖率65.95%，位居全国首位.目前对福建省日照时数的研究较少[13].鉴于此，本文运用气候统计诊断分析方法，从时间与空间层面上对福建省日照时数的变化特征及未来趋势进行分析，旨在为太阳能开发利用、农业生产合理布局及调整种植业结构提供参考.

1 材料与方法

1.1 气象数据

气象数据来源于中国气象数据网(https://data.cma.cn)的地面气象资料.选用福建省22个国家基准气象站1961—2018年逐日日照时数资料，3—5月为春季，6—8月为夏季，9—11月为秋季，12月—翌年2月为冬季，生成逐季序列.该数据经过质量检测和控制，达到所需要的精度.本文采用均值替换法对缺失值进行插补.福建省22个气象站点空间位置见图1.

1.2 方法

1.2.1 滑动t检验 通过检验两组样本均值差异是否显著来判断突变的发生[14-16].将年日照时数分成两个样本子集，设置某一时刻为基准点，两个子序列遵循自由度v=n1+n2-2的t分布.若t统计量超过显著性水平α，可认为均值差异显著，发生突变.由于子序列长度的选择具有人为性，为避免子序列长度的任意选择引起突变点移位，重复改变子序列长度进行计算和比较，以提高计算结果的可靠性.

1.2.2 重标极差(R/S)分析 基于R/S分析法的Hurst指数是定量描述时间序列信息长期依赖性的有效方法[17-18].其基本原理为：

(1)给定一个长度为N的时间序列xi，将此序列均分为L个长度为n的相邻子区间，则L×n=N.任一子区间表示为Iα，α=1,2,…,L.在Iα中的元素表示为N(k,m)，k=1,2,…,n;m=1,2,…,L.Iα的均值为：

(1)

(2)Iα对于均值的累积截距定义为：

(2)

(3)极差定义为：

RIα=max(Xk,α)-min(Xk,α)

(3)

(4)子区间Iα的标准差为：

(4)

(5)每一个RIα均由对应的SIα标准化后得到，则R/S定义为：

(5)

(6)n从3开始，重复(1)～(5)步，直到n=N，得到序列(R/S)n，n=3,…,N.以logn为自变量，以log(R/S)为因变量进行线性回归：

log(R/S)=logc+H×logn+ε

(6)

计算得到的方程中的斜率H即为Hurst估计值.Hurst指数为0～1，若H=0.5，表明时间序列的气候变化具有随机性，现在的气候信息对未来不会产生影响；若H≠0.5，则过去变化趋势对未来产生影响； 当H>0.5时，日照时数序列的未来变化趋势与过去一致，且H越接近1，趋势持续性越强；当H<0.5时，日照时数序列的未来变化趋势与过去相反，且H越接近0，相反趋势的持续性越强.通过R/S分析计算的Hurst指数可揭示时间序列中的趋势成分，但是该趋势的持续性仍然未知.大多数现实和复杂系统的自相似行为都是有界的，且在一定时间范围内，系统表现出无关的随机行为.可使用统计信息来确定序列是否具有非周期性，且可确定平均周期长度，即过去趋势对未来产生影响的时间长度.统计量的计算公式为：

(7)

在Vn～lnn曲线上，当出现明显转折时，过去趋势对未来变化的影响消失，该转折点对应的时间长度n为该时间序列的平均循环长度.

1.2.3 经验正交函数(EOF)分析 是气象要素研究中常用的一种时空特征分析方法，它保留了原始数据的大部分信息，将原始的多变量信息通过几个典型的特征向量表现出来[19-20].福建省22个气象站点58 年日照时数的观测资料用矩阵形式Xm×n(m=1,2，…，22；n=1,2，…，58)表示，对矩阵Xm×n进行标准化处理得到新的矩阵Nm×n，利用EOF分析方法将Nm×n分解为：

Nm×n=Vm×pTp×n

(8)

式中，Vm×p为空间特征向量，Tp×n为时间系数.

2 结果与分析

2.1 日照时数的变化特征

将22个气象站点日照时数的多年平均值作为福建省全区范围内具有代表性的日照时数，即全区平均日照时数.从年际变化、累积距平变化、年代际变化、季节变化及日照突变点5个角度，对其变化特征进行分析.

2.1.1 年际变化及累积距平变化 从图2可看出1961—2018年全区平均日照时数的年际变化、线性趋势及逐年累积距平.福建省平均日照时数为1 739 h(图2)，彭云峰等[13]研究表明福建省日照时数为1 733 h，两者结论相近.从年际变化曲线可以看出，全区平均日照时数为1 332～2 084 h，具有明显的波动性，多个“偏高期”与“偏低期”交替出现，最大值出现在1963年(2 084 h)，最小值出现在2015年(1 332 h).全区日照时数整体表现为显著的下降趋势，平均日照时数每10年减少62.28 h.日照时数与时间序列的相关系数为-0.58，通过显著性检验.从累积距平曲线可以看出，全区日照时数曲线具有明显的上升阶段和下降阶段，1971年和1986年为转折点.根据这2个转折点可以将全区日照时数分为3个特征明显的阶段，1961—1971年累积距平曲线呈上升趋势，日照时数除1970年(1 729 h)之外，均高于多年的平均水平，为日照时数偏高阶段；1971—1986年累积距平曲线没有明显的变化趋势，呈平稳的波动状态；1986年之后累积距平曲线呈下降趋势，大多数年份日照时数低于多年的平均水平，为日照时数偏低阶段.

2.1.2 季节变化及年代际变化 从表1可知，全区一年四季中，夏季平均日照时数最大(585 h)，其次为秋季(478 h)和冬季(338 h)，春季最小(337 h)；四季与年平均日照时数最大值均出现在20世纪60—70年代；20世纪60—80年代日照时数年平均值均大于全区平均值，为日照相对充足的年代；其余年代日照时数年平均值均小于全区平均值，为日照相对不足年代.

表1 全区不同季节平均日照时数的年代际变化

2.1.3 突变点检验 基于全区1961—2018年日照时数序列计算t统计量，并进行显著性检验.计算过程中通过不断变动子序列长度来提高计算结果的可靠性.检测结果一致的日照时数在1971年前后发生过一次显著性突变，该年t统计量通过显著性检验.

从图3可知，取α=0.01，当n1=n2=10时，滑动t-检验曲线峰值出现在1971年，t0=3.454，远大于tα(=2.878)，表明时间序列中存在明显的突变现象.1971年之前日照时数呈明显的上升趋势，为多日照气候阶段；滑动t统计量在1986年为第二峰值点，t0=2.353，未通过α=0.01的显著性检验，但可达到α=0.05的显著性水平，表明时间序列存在突变现象.1986年之后日照时数呈明显的下降趋势，为少日照气候阶段.

2.2 未来趋势分析

应用R/S法测定1961—2018年福建省日照时数序列的季节和年际未来变化趋势，结果如表2所示.福建省四季和年际的日照时数序列的Hurst指数均大于0.5，表明过去变化趋势对未来产生影响，且变化趋势相一致，即未来四季和年均的日照时数在一定时间内呈下降趋势；相关系数R2接近1，呈极显著的变化趋势.Hurst指数以年际值最高，表明年际日照时数下降趋势的持续性最强；冬季Hurst指数最小，表明日照时数下降趋势的持续性最弱.

表2 1961—2018年福建省日照时数季节和年际的Hurst指数

图4给出了福建省季节和年际的日照时数V-lnn变化曲线.日照的四季和年际曲线均向上倾斜，表明时序序列未来变化趋势均与过去一致，这与Hurst指数的结果相同.曲线越向上倾斜，序列变化趋势持续性越强.年际日照时数序列向上倾斜度最大，其持续性最强；冬季日照时数序列向上倾斜度最小，持续性也最弱，这也与Hurst指数的结果相一致.从图4可看出，第一个拐点在lnn=1.79处，对应的时间长度为n=e1.79≈6，即日照时数序列的平均循环长度为6 年.同理可得夏季、秋季、冬季与年际日照时数序列的平均循环长度分别为7、4、6、8 年.说明年际日照时数序列的持续性最长，过去状态对未来状态的影响时间长达8 年；秋季日照时数序列的持续性最短，日照时数时间序列在4 年之后失去持续性，表明过去变化趋势不再对未来趋势产生影响.

2.3 空间特征分布

从表3可知：第一特征向量的方差贡献最大，占82%；第二特征向量的方差贡献迅速减少，只占总体方差的4%；后面几个特征向量方差贡献可以忽略不计.前2个特征向量的累积方差贡献率已达到86%，且特征与误差上下限不重叠，结果稳定可靠.因此取前2个特征向量进行重点分析.

表3 福建省年均日照时数EOF分解的前5个特征向量

从图5可以看出，第一特征向量为一致的正值分布，表明福建省日照时数空间变化具有整体性，容易出现一致偏多或一致偏少.最大正值中心位于长汀地区.第一特征向量的方差贡献占总体方差的82%，说明日照时数一致偏多或一致偏少是福建省的主要分布类型.时间系数曲线向下倾斜，表明福建日照时数整体呈现下降趋势；日照时数从一致偏多转向一致偏少，最大正值出现在1963年，表明该年福建省日照时数一致偏多；最大负值出现在2015年，表明该年福建省日照时数一致偏少，该结果也与福建省日照时数的年际变化结果相一致.

从图6可以看出，第二特征向量为西南东北型分布，大致呈西南多(少)、东北少(多)的特点；以邵武、尤溪、福州为界，呈西南为正、东北为负的分布形式；最大正值出现在浦城地区，最大负值出现在龙岩地区.第二特征向量的方差贡献占总体方差的4%，表明福建省日照时数属于第二种分布型，时间系数曲线向上倾斜，日照时数整体呈增长趋势.1987年前日照时数西南多，东北少；1987年之后日照时数西南少，东北多.最大正值出现在2003年，该年日照时数东北偏多，西南偏少；最大负值出现在2015年，该年日照时数东北偏少，西南偏多.

3 小结

本研究结果表明：(1)福建省平均日照时数为1 739 h，多年平均日照时数为1 332～2 084 h；日照时数下降速率为每10年62.28 h，呈显著下降趋势.(2)福建省日照时数在近60 年内主要存在两次突变，第一次突变出现在1971年；第二次突变出现在1986年.(3)福建省日照时数四季和年际的Hurst指数均大于0.5，日照时间序列具有长期相关的持续性，过去的变化趋势能够对未来变化产生持续影响.未来四季和年均的日照时数在一定时间内呈下降趋势.(4)福建省日照时数空间分布主要有两种，即“一致型”和“东北—西南型”.其中“一致型”空间分布占主导地位，表现为日照时数从一致偏多向一致偏少演变.