基于日降水量数据的毛乌素沙地降水特征的一致性分析

2021-09-08刘登峰任梦之

人民珠江 2021年9期

马岚，刘登峰*，白冰，任梦之，黄强，林木

(1.西安理工大学省部共建西北旱区生态水利国家重点实验室，陕西西安 710048;2.中央财经大学统计与数学学院，北京 100081)

近年来，由于气候变化和人类活动的双重影响，水文循环的物理机制以及循环过程均在一定程度上发生了显著的变化，水文序列也呈现出非一致性的特点[1-2]。《中国气候变化海洋蓝皮书(2020)》明确指出，1961—2019年中国的极端强降水事件明显加剧[3]。水资源在时间和空间上的重新分配，使得降水时空分布及其特征的研究受到了更为广泛的关注[2-3]。国内外诸多学者对不同区域的降水特征变化进行了分析，其中，曹永强等[4]针对辽宁省夏季降水量和极端降水日数的变化进行了研究，采用线性斜率、滑动平均、小波分析等不同方法，对降水时空分布特征和变化做以分析；张雪琴等[5]基于毛乌素沙区10个气象站1961—2016年观测资料分析了降水的特征变化；宋云民等[6]通过统计分析和遥感分析，探究了毛乌素沙地腹地1981—2003年间的降水和蒸散分布格局特征。然而，以往的研究对于降水量的特征及空间分布的研究较为全面，但少有基于日降水数据的其他统计特征值的变化分析。对于较小区域的降水特征的变化分析能够更好为当地的防灾减灾和农业发展工作提供一定的指导。

由于地形、地理位置、下垫面特征等各种差异，导致了降水量空间上有着不同程度的变异性[7]，而区域的降水量多少及其时空分布特征在很大程度上可以表征该地区的干湿程度[8]。毛乌素沙地作为中国为数不多的能源资源富集区，拥有复杂而又独特的地形地貌，较为干燥的气候条件，以及分布不均匀的水资源。水资源的匮乏在很大程度上限制了能源的开发与利用。且毛乌素沙地地处西北旱区，降水量的年际变化大，且大多以暴雨的形式呈现，较为集中地降水降低了其可利用率。因此，分析该地区降水特征值序列的变化将有助于提高对北方典型沙地的气候变化的认识，为区域生态环境建设等提供参考。

1 研究区域和数据

毛乌素沙地位于陕西榆林的长城一线以北，其范围涵盖内蒙古鄂尔多斯市的南部、陕西榆林市榆阳区的风沙区以及宁夏盐池县东北部，是中国四大沙地之一[9]，也是拥有独特地理环境的生态过渡区，因此，其生态环境敏感性和脆弱性表现得极为显著[10]。该地区的气候类型为中温带向暖温带过渡，海拔高度1 200～1 800 m，地形自西北向东南倾斜，东部和中部的典型草原以及西部的荒漠草原构成了毛乌素沙地主要的植被类型[11]。多年平均降水量为250～440 mm，降水季节性较强，主要集中于7—9月，其降水量比例达到了全年的60%～75%[12]。

本研究所用基础数据来自中国气象科学数据共享服务网(http://data.cma.cn/)的中国地面气候资料日值数据集(V3.0)。所选取的原始数据均已进行了全面地检查以及质量控制。研究选用毛乌素沙地地区的鄂托克旗、东胜、榆林、盐池、定边、吴旗、横山、绥德、环县、延安等10个气象站1957—2019年逐日降水量序列，站点位置见图1。经过分析处理提取出年降水量、年最大日降水量、年最长连续降水量(即年内最长连续日降水事件的总降水量)以及年最长连续降水日数(即年内最长连续日降水事件的日数)等特征值序列进行研究。

图1 研究区的站点位置

2 研究方法

2.1 Mann-Kendall检验法

Mann-Kendall检验法作为非参数统计检验方法之一，鉴于较为简单且应用效果较好而被国内外学者广泛使用，其对于水文、气象等非正态分布数据的分析有着更好的适用性。具体介绍可参考章诞武等[13]、蔡涛[14]的研究。本文在利用Mann-Kendall检验法进行趋势检验时，信度为0.1，即在置信水平0.1上，当U的绝对值大于1.645时，表明其通过了信度0.1的显著性双边检验。

2.2 滑动t检验法

对于已知的样本序列χ1,χ2,…,χn，分别选择它之前的连续n1年的值，以及之后的连续n2年的值，计算其统计量T值[15]，见式(3)。

(1)

式中χ1、s1——前n1年的均值和方差；χ2、s2——后n2年的均值和方差。当|T|>1.64时，证明序列出现突变值，即为其极值点。

2.3 用于分析周期性的小波分析方法

小波分析的窗口大小是不变的，形状是可以改变的。基于傅里叶变换，结合了窗口函数(即小波函数)，因而得到了时间变化以及频率贡献[16]，这种方法可以基于变化的时间尺度研究序列的周期变化规律。对于解释气候变化的多尺度构型和主周期[17]及探究不同的尺度结构[18]有较好的表现，已是目前气候变化特征中普遍应用的方法[19-21]。根据小波分析结果可得到小波方差图，进一步得到序列的多级主周期，同时可得到与各级主周期分别对应的小波实部过程线，而根据小波实部过程线可得到各级主周期对应的周期大小。在小波分析中，小波基函数的选择极其关键，而在水文分析中应用最广泛的为Morlet小波[22]。

3 结果分析

3.1 趋势性分析

利用Mann-Kendall检验法对研究区10个站点的降水特征值(年降水量、年最大日降水量、年最长连续降水量、年最长连续降水日数)进行趋势分析。具体结果见表1。

表1 降水特征值的趋势分析

由表1可知，该研究区年降水量序列在鄂托克旗、榆林、定边3个站点呈增加趋势，其余站点均表现出不显著的减少趋势；对于年最大日降水量序列，除榆林、定边、环县、延安之外其余6个站点均呈减少趋势，定边的变化趋势显著；年最长连续降水量在鄂托克旗、横山、环县呈不显著的下降趋势，在吴旗呈现显著下降趋势，其余站点呈不显著的增加趋势；年最长连续降水日数在所有站点都存在显著的减少趋势。

研究发现，研究区各站点1957—2019年的降水特征值序列的变化趋势基本一致，大多呈现出减少的趋势。上述研究显示降水特征值存在不断减少的趋势，由此可见该区域干旱发生可能性会增加。极端降水事件的变化具有很强的区域性特征，因此，对于区域气候变化影响评估的也显得尤为重要[23]。

3.2 突变分析

由于研究区的降水特征值序列趋势存在一定的变化，因此，进一步研究了该研究区各站点降水特征值序列的突变性，突变性分析的结果见表2。

表2 降水特征值突变分析

对于各站点年降水量序列，除了东胜站和延安站，其他站都存在突变，其中有5个突变点出现在2000年以后，有3个突变点出现在1964—1978年；对于年最大日降水量，东胜站、榆林站、定边站、横山站、环县站等5个站点存在突变，其中榆林站的突变点出现在2015年，其余4站的突变发生在1994年以前；对于年最长连续降水量，除了东胜站、盐池站和环县站外其他站点存在突变点，其中5个站点的突变发生在2006年以后，2个站点的突变发生在1985年；对于年最长连续降水日数，除东胜站和环县站外其他站都发生了变异，其中3个站点突变发生在1985年以前，5个站点出现在2006以后。

研究发现，降水特征值的突变点主要集中在1970—1990年以及2000年以后。20世纪70—90年代陕北的沙地和黄土高原地区兴建坝库、梯田等生态治理工程[24]，而2000年以来，大量退耕还林还草工程不断实施，榆林的大部分地区植被指数显著增加[25]。榆林市2000年平均NDVI(normalized difference vegetation index，即归一化植被指数)为0.271，2017年平均NDVI达到0.511，增长88.56%，除了沙漠以及用于城镇建设的区域之外，大多数地区植被对降水都表现出较为积极的响应[26]。

3.3 周期分析

本文采用连续小波变化分析降水特征值的周期性规律，以研究区中部的鄂托克旗站为例进行研究，具体见图2—5。小波系数图中大于0的为正位相，小于0的为负位相，而等于0的则表示对应降水特征值变化的转折点。小波分析能够展现小波变换系数的实部的波动变化，表现出研究区域降水量多少交替变化的特征。

小波变化等值线图中，较长时间尺度周期的振荡，其等值线相对于较短尺度的更为稀疏。由图2a可知，鄂托克旗站年降水量存在36 a左右的主周期，8 a以及20 a左右的次周期；由图2b可以明显看出这3个尺度下年降水量存在周期变化；而小波方差图2c极值点的出现也印证了上述周期变化的结果。由图3a可知，鄂托克旗站年最大日降水量存在34 a左右的主周期，8 a以及12 a左右的次周期；由图3b和图3c也可以看出，这3个尺度下年最大日降水量的周期较为显著。由图4a可知，鄂托克旗站年最长连续降水日数存在35 a左右的主周期，4 a以及8 a左右的次周期；由图4b、4c也可以看出，这3个尺度下年最长连续降水日数的周期较为显著。由图5a可知，鄂托克旗站年最长连续降水量存在36 a左右的主周期，2、8 a以及12 a左右的次周期；由图5b、5c也可以看出，这4个尺度下年最长连续降水量的周期较为显著。