成都平原经济区气候特征分析

余益祺,肖天贵

（成都信息工程大学大气科学学院，成都 610225）

引言

城市群是由一个大城市将周围地区数个小城市串联起来，以大城市辐射周围小城市、带动小城市发展的经济区域。2010年1月30日成都与周边7市签署了《成都经济区区域合作框架协议》（http://www.newssc.org），形成了以成都为中心，包含德阳、绵阳、眉山、乐山、资阳、遂宁和雅安等的一体化经济区，即成都平原经济区（图1）。成都平原经济区位于28°28′～33°03′N、101°56′～106°59′E，由盆地及盆地西缘山地组成，地势从西部山地向东部平原过渡，经济区面积占四川省行政面积的17.8%，总人口占四川省人口总数的46%，2020年成都平原经济区GDP占全省GDP的60.7%。成都平原经济区无论从地理位置、人口密度还是经济体量上无疑都是四川省发展的核心，不仅能带动城市群区域经济快速发展，还可为四川以及成渝地区等周边经济发展起到强有力的推动作用。分析成都平原经济区的气候特征，可为区域社会经济发展和产业结构调整提供科学依据，具有十分重要的研究价值和现实意义。

图1 成都平原经济区地形（a）和行政区划（b）

四川位于青藏高原东南缘，具有高原向平原急剧过渡的复杂地形，导致四川局地气候差异明显，具有独特的变化特点，其气候特征也备受关注。高文波等[1]研究表明四川气温呈升高的趋势，且最低气温和平均气温升高明显，气温高值区范围扩大，同时也发现四川气候变化表现出明显的区域特征，≥0 ℃积温和≥10 ℃积温上升趋势显著，从东南向西北气温和积温的高值区间均扩大，其中川西平原≥0 ℃积温增加最明显，川东南地区≥10 ℃积温增幅最大。李湘等[2]研究指出四川四季时间分布为冬夏季较长、春秋季较短，且不同地区的季节划分也存在差异，特别是在春秋季时间长度上差异更为明显，而成都地区则表现出春秋季更短和气候变化幅度更大的特点。向柳等[3]发现近50～60年来，四川气温呈上升趋势，降水量呈减少趋势，气候向暖干化发展，干旱天气的范围、强度以及频次均增加；山区缺水加剧，冰川冻土退缩、融化，造成四川水资源时空分布发生改变。可以看出，在全球变暖的大背景下，四川气候不同程度地发生了变化，其特殊的地理位置则进一步导致局地差异愈发显著。目前涉及四川气候变化特征的研究不少，但就成都平原经济区气候变化特征的研究并不多见。针对这一薄弱环节，本文拟利用成都平原经济区1981～2015年的气象观测资料，较为系统地开展成都平原经济区气候特征分析，为进一步深入认识其气候变化规律提供科学依据。

1 资料和方法

1.1 资料

本文选用成都平原经济区50个气象台站1981～2015年月平均气温和降水观测资料，开展年、季的气候变化特征分析。

1.2 方法

（1）线性回归。线性回归在气象要素时间序列趋势分析中广泛应用[4]。本文利用一元线性回归研究成都平原经济区气温和降水的时间变化特征，利用T检验进行变化趋势显著性检验。

（2）Mann-kendall检验。Mann-Kendall非参数统计检验法是由国际气象组织(WMO)推荐的应用于环境数据时间序列趋势分析的方法[5]，也是检验气象时间序列单调趋势的有效工具[6-8]。本文利用Mann-kendall检验方法开展成都平原经济区气温及降水突变检验分析。

（3）小波分析。小波分析是时间序列周期性分析的主要方法之一[9]，在气象时间序列周期性分析中被广泛使用[10-16]。本文使用高斯导数小波分析方法研究成都平原经济区1981～2015年年平均气温和降水的周期性变化。

（4）径向基函数插值法。梁英杰等[17]对四川气温数据插值的多种方法对比分析发现，径向基函数插值方法在数据较多、准确性较高的情况下拟合吻合程度较高。因此，本文选用径向基函数插值法对成都平原经济区气温和降水数据进行空间插值，为成都平原经济区气温和降水的空间分布特征分析提供数据基础。

（5）季节划分：春季3～5月，夏季6～8月、秋季9～11月和冬季12月～次年2月。

2 成都平原经济区气候特征

2.1 气温时空变化特征

图2是1981～2015年成都平原经济区年均气温的空间分布。如图所示，成都平原经济区年平均气温16.34℃，呈自西北向东南逐渐增高的态势，这与该地区地形高度自西北山地向东南平原逐渐降低的特征相吻合。乐山和眉山交界处存在一个明显的气温低值区即峨眉山地区，年平均气温仅3.42℃，是成都平原经济区平均气温最低值区。绵阳北部龙门山脉区域年平均气温低于13℃，属于成都平原经济区次低温区。遂宁、资阳、成都东南部、眉山东部、雅安南部以及乐山东北部是成都平原经济区气温高值区，年均气温均在17℃以上，其中乐山犍为年均气温最高（17.66℃）。总的来说，成都平原经济区大部分地区年均气温均在14℃以上，除峨眉山以外，其余地区温差较小。

图2 1981～2015年成都平原经济区年均气温空间分布

图3是1981～2015年成都平原经济区四季气温的空间分布。从季节变化来看，成都平原经济区四季气温和年均气温空间分布相似。春季平均气温高值区超过17 ℃，其中仁寿（18℃）、犍为（18.15℃）和汉源（18.17℃）气温最高；峨眉山春季平均气温最低，仅2.98 ℃。夏季平均气温高值区超过25℃，其中射洪（26.11℃）、遂宁（26.26 ℃）和安岳（26.08 ℃）气温最高；峨眉山夏季平均气温最低，仅10.95℃。秋季平均气温高值区超过17 ℃，其中夹江（18.03℃）、峨眉（18.01℃）、乐山（18.07℃）和犍为（18.21℃）气温最高；峨眉山秋季平均气温最低，仅4.12℃。冬季平均气温高值区超过8℃，其分布范围比春季、夏季和秋季都小，仅覆盖雅安南部、乐山东部、眉山东南部以及资阳南部地区，气温高值出现在汉源（9.45℃）和石棉（9.4℃）；峨眉山冬季多发生降雪、霜冻天气，平均气温仅-4.37℃。

图3 1981～2015年成都平原经济区四季气温的空间分布（a.春季，b.夏季，c.秋季，d.冬季）

图4是1981～2015年成都平原经济区年均气温的时间变化特征和突变检验。从图4a可以看出，1981～2015年，成都平原经济区年平均气温有明显上升趋势，2015年最高达17.32℃，1984年出现最低值15.52℃；年平均气温升高趋势显著，通过0.001水平的显著性检验，线性变化率为0.36℃/10a。从Mann-kendall检验（图4b）可知，成都平原经济区年均气温突变点为1996年，年均气温在1996年前普遍低于均值，而1996年后总体高于均值，特别是1990年后气温呈现持续上升趋势，在1998年升温尤其显著，通过0.05水平的显著性检验。通过小波分析（图略）表明，成都平原经济区1981～2015年年均气温具有4a周期变化特征。

图4 1981～2015年成都平原经济区年均气温的时间变化特征（a）和突变检验（b）

成都平原经济区逐月气温（图略）呈单峰变化趋势，7月平均气温最高达到25.36℃，1月最低为5.90℃。3～4月升温最为明显，增幅达5.03℃；11～12月降温最为明显，降幅为5.17℃。

图5是1981～2015年成都平原经济区四季气温变化特征。如图5所示，成都平原经济区四季气温均呈波动上升趋势。对四季气温变化进行T检验（图略），其中春季和秋季通过0.0025水平的显著性检验，线性变化趋势非常显著；夏季和冬季通过0.1水平的显著性检验，变化趋势较为显著。

如图5a所示，春季气温上升趋势在四季中最明显，变化率达到0.77℃/10a；春季平均气温为11.97℃，最大值出现在2013年（16.42℃），最低气温出现在1988年（8.52℃）。春季气温在2000年之前大多低于平均值，但1981年（12.85℃）、1987年（12.68℃）、1990年（12.74℃）、1991年（12.69℃）和1997年（12.98℃）高于平均值；2000年后大多高于平均值，但2005年（11.66℃）、2011年（9.94℃）和2012年（11.81℃）低于平均值。

如图5b所示，夏季平均气温为23.48℃，最高值出现在2013年（24.93℃），最低值出现在1982年（21.74℃）；夏季平均气温呈波动上升趋势，20世纪80年代较低，2010年之后较高，增温率0.224℃/10a，2004～2005年存在一次最明显的升温。

图5 1981～2015年成都平原经济区春季（a）、夏季（b）、秋季（c）和冬季（d）气温变化特征

如图5c所示，秋季平均气温为21.36℃，最高值出现在2005年（23.11℃），最低值出现在1982年（19.78℃）；气温升高较为明显，增温率为0.393℃/10a，1995年之前气温大多低于气候平均值，但1983年（21.73℃）、1989年（21.61℃）、1990年（21.80℃）和1991年（21.39℃）高于气候平均值。

如图5d所示，冬季平均气温为7.297℃，最高值出现在1994年（8.62℃），最低值出现在1984年（5.39℃）；冬季气温升高速率为0.206℃/10a，是四季中升温最慢的，20世纪80年代波动较大，1982～1983年冬季平均气温升高了2.04℃，1983～1984年降低了2.33℃、1984～1986年气温持续升高了2.37℃。

总体看来，春季气温变化幅度最大、升温速度最快，而夏季、秋季和冬季气温变化较为平缓；春季和夏季在21世纪10年代存在较为明显的升温，而秋季和冬季气温在21世纪10年代反而有所下降，冬季气温则是在20世纪90年代达到最高值。

2.2 降水时空变化特征

1981～2015年成都平原经济区年均降水量为1019.11 mm，其中雅安汉源年均降水量最小（746.17mm），峨眉山最大（1676.35mm）。图6是1981～2015年成都平原经济区年均降水空间分布。如图所示，峨眉山-眉山西部-雅安中部、绵阳中西部和成都西部是成都平原经济区的3个降水大值区，尤其是峨眉山-眉山西部-雅安中部的降水量远大于其他两个区域。

图7是1981～2015年成都平原经济区四季降水空间分布。如图所示，四季降水的空间分布与年平均相似，峨眉山、眉山西部和雅安中部均为降水量大值区，著名的“雅安天漏”正好位于该高值区，这是众多学者研究我国西南地区降水特征所关注的重点[18-20]。春季降水量＜155mm的低值区主要分布于成都东北部、德阳大部和绵阳西南部（图7a）。夏季降水量普遍在400mm以上，绵阳中部、峨眉山、眉山西部和雅安中部超过640mm，其中峨眉山高达976.39mm，平武最小为541.95mm（图7b）。秋季降水量＞220mm的地区包括峨眉山、遂宁东部、雅安中部、成都西北部、绵阳中东部以及资阳东部（图7c）。成都平原经济区冬季整体降水量偏少，普遍＜45mm，最大降水量为天全的92.41mm，峨眉山也仅为50.32mm（图7d）。

图7 1981～2015年成都平原经济区春季（a）、夏季（b）、秋季（c）和冬季（d）降水空间分布

图8是1981～2015年成都平原经济区年均降水的时间变化特征和突变检验。如图8a所示，成都平原经济区年均降水量减少趋势较为显著，通过0.1水平的显著性检验，减少率为-26.17mm/10a；年均降水量最小值出现在2006年（781.73mm），但也比当年全国平均值610.8mm高出28%。从Mann-kendall突变检验（图8b）可知，成都平原经济区年均降水量整体波动幅度较大，较显著的两次变化发生在1986年和2013年，均未达到显著性检验标准。

图8 1981～2015年成都平原经济区年均降水的时间变化特征（a）和突变检验（b）

对1981～2015年成都平原经济区年均降水进行小波分析（图略）表明，年均降水具有3～4a周期变化特征，且年均降水量震荡尺度越来越小，说明成都平原经济区年均降水波动越来越频繁。

成都平原经济区逐月降水（图略）在7月和8月比较集中，分别为288.91mm和288.89mm。6～7月变化最大，降水量增加达95.61mm，8～10月降水量连续骤减，8～9月减少94.13mm，9～10月减少83.03mm。

图9是1981～2015年成都平原经济区四季降水变化特征。如图9a所示，春季区域平均降水量为182.58mm，最大值出现在2004年（251.49mm），最小值出现在1994年（120.18mm）；春季降水量呈弱减少趋势，但未通过显著性检验，整体变化幅度较小。如图9b所示，夏季区域平均降水量为591.01mm，最大值出现在1981年（805.33mm），最小值出现在2006年（375.88mm）；夏季降水在四季中波动最大，呈显著减少趋势，变化率为-22.71mm/10a。如图9c所示，秋季区域平均降水量为209.03mm，1984～1985年出现较大变化，1985年较1984年降水量增加了208.36mm，总体变化趋势较为平缓。如图9d所示，冬季区域平均降水量最少，仅为36.46mm，呈弱减少趋势。

图9 1981～2015年成都平原经济区春季（a）、夏季（b）、秋季（c）和冬季（d）降水变化特征

3 结论

本文利用1981～2015年成都平原经济区50个气象站逐月气温和降水观测资料，统计分析了成都平原经济区的气候变化特征，得到如下结论：

（1）成都平原经济区年均气温为16.34℃，空间分布为西北向东南升高，其中遂宁、资阳、成都东南部、眉山东部、雅安南部以及乐山东北部地区为气温高值区，峨眉山以及绵阳北部龙门山一带为气温低值区。成都平原经济区四季气温与年平均气温的空间分布相似，冬季的高温地区范围较小，仅覆盖雅安南部、乐山东部、眉山东南部及资阳南部少数地区。

（2）成都平原经济区年均气温呈明显上升趋势，变化率为0.36℃/10a，在1996年发生由低到高的突变。四季气温均呈上升趋势，春季变化幅度最大且速度最快。小波分析发现成都平原经济区年均气温存在4a周期变化特征。

（3）成都平原经济区年均降水量为1019.11mm，其中峨眉山、眉山西部、雅安中部、成都西部、绵阳中部为成都平原经济区降水量大值区，尤其是雅安中部及峨眉山地区降水量最大。成都平原经济区主要降水集中在7月和8月，表现出雨热同期的气候变化特征。

（4）成都平原经济区1981～2015年降水量呈较为显著的减少趋势，变化率为-26.17mm/10a，降水量整体波动幅度较大，但突变特征不显著。春季、夏季和冬季平均降水量均呈缓慢减少趋势，但相对而言，春季减少趋势不显著，夏季减少趋势最明显，秋季变化趋势较为平缓，冬季降水量最小且变化幅度不大。成都平原经济区年均降水量具有3～4a周期变化特征，且震荡尺度越来越小，说明该地区年均降水波动越来越频繁。