1951—2016年延安市安塞区降水变异特征分析

王国强 姜基春 焦峰

摘 要：利用安塞站1951—2016年的降水资料对延安市安塞区年降水和汛期降水特征进行趋势性、突变性和周期性分析，其中趋势性分析采用EEMD分析法，突变性分析采用Mann-Kendall突变分析法，周期性分析采用Morlet分析法，以此对安塞区1951—2016年降水进行了时序变异特征分析。结果表明：随着时间的推移年降水量下降趋势较明显，汛期降水量存在微弱上升趋势;年降水量在1952年和1992年发生突变，并在2000年以后下降趋势明显，而汛期降水量在1986年发生突变;年降水量和汛期降水量分别存在4个和3个主周期。

关键词：降水量;汛期;时序变异特征;延安市安塞区

中图分类号：P338

文献标志码：A

doi：10.3969/j.issn.1000-1379.2022.02.008

引用格式：王国强，姜基春，焦峰.1951—2016年延安市安塞区降水变异特征分析[J].人民黄河，2022，44（2）：36-40.

Abstract： In order to investigate the variation characteristics of precipitation time series in recent decades of Ansai region in the Loess Plateau， the trends， mutations and periodicities of annual precipitation and flood season precipitation in the region were clarified in the present study based on the precipitation data from 1951 to 2016. EEMD analysis method was used for the study of trend， Mann-Kendall analysis method was used for the study of mutation， and Morlet analysis method was used for the study of periodicity to analyze the climate of Ansai area in recent decades. The characteristics of temporal variation were analyzed. The results show that the annual precipitation decreases obviously with the passage of time， and slightly increases in the flood season. However， there are sudden changes in the time series of precipitation. The annual precipitation has a sudden change in 1952 and 1992 and a significant downward trend after 2000， while there is a sudden change point in the flood season precipitation is found in 1986. Then from the periodicity analysis， it is concluded that there are 4 and 3 main periods of annual precipitation and flood season precipitation respectively.

Key words： precipitation;flood season;temporal variation characteristics;Ansai area of Yan’an City

在全球變暖、环境日趋恶化的状况下，世界各地出现了许多气候反常事件，对自然环境的破坏巨大，环境变化导致降水量发生变异，造成许多自然灾害，农业、牧业等均受到影响，因此学者们对不同地区的降水变化趋势和变异特征进行了研究探讨[1-7]。黄土高原是自然灾害多发地区，降水是主要的影响因素之一，因此有必要对黄土高原气候变化进行研究。王丹云等[8]分析黄土高原52个气象站近30 a的降水资料得出黄土高原不同地区春季的干旱特征。祝青林等[9]利用非参数检验方法对黄河流域近30 a的269个观测站的气候资料进行分析，揭示了降水的时空变化规律。刘勤等[10]选取黄河流域54个气象站的观测数据，利用最小二乘法和DPS软件对黄土高原降水量变化进行趋势性分析。李占杰等[11]运用最大熵谱分析法，分析了黄河流域气候的周期变化特征，解释了降水变化周期在不同区域的特性以及可能受其他因素（例如大气、太阳活动）的制约。然而在气候变化的大环境下，不同尺度区域受到影响的程度是不同的，以往对典型区域气候时序变异的研究较少，因此有必要运用多种方法，从多种时序角度对典型区域气候变异特征进行分析。笔者对延安市安塞区1951—2016年的降水数据进行时序特征分析，了解过去几十年的气候变化规律，进而对未来气候状况做出预测，以期对该区域预防灾害、农业发展以及生态治理等有所帮助。

1 研究区概况

研究区为陕北延安市安塞区，地处黄土高原腹地，区域内水土流失严重。研究区春季温度低、降水少，夏季温度高、有伏旱和暴雨，秋季温凉，冬季湿度低、空气干燥。年平均降水量为500 mm左右，降水多集中在夏季，因此容易发生洪涝灾害和土壤侵蚀。

2 数据来源

气象数据（1951—2016年的月降水量）来自安塞气象站。为了保证数据的质量和可靠性，对数据进行人工筛选，剔除了超过3倍标准差的异常值[12]，对降水资料进行检测发现安塞站提供的降水数据比较完整。本文将降水量数据分为年度和汛期（7—10月）进行分析研究，汛期作为降水量集中的时段具有较大研究意义。

3 研究方法

对时间序列从趋势性、突变性和周期性3个方面进行分析。其中趋势性检验采用EEMD分解方法对数据进行分解[13-14]，突变性检验采用Mann-Kendall突变检验法[15-18]来判断降水突变发生的时间点，周期性检验采用小波分析法[19-24]。

3.1 EEMD分解

EEMD分解方法是由Wu和Huang提出的一种提取信息的方法[13-14]，它可以将原始信号逐级分解出来，从而更好地处理数据，这种方法在近些年逐渐应用于气象领域。在本研究中每次添加白噪声的振幅为合成序列标准差的20%，集合平均次数为200次[21]。

3.2 Mann-Kendall突变检验法

设降水量时间序列为Xt（t=1，2，…，n），其对偶数S的计算公式为

根据S值确定以下参数：

用同样的计算方法将序列逆向排序计算，将计算结果乘以-1得到UB。UF与UB的交点若处在临界线之间，所对应的时刻可能就是突变开始的时刻。UF>0则表明处于上升趋势，UF<0则处于下降趋势。当|UF|≥U0.05=1.96时则表明趋势明显，反之则表明趋势不明显。

3.3 小波分析法

小波分析是将一簇频率不同的振荡函数作为窗口函数φ（t），对信号f（t）进行扫描和平移。时间序列f（kΔt）（k=1，2，…，N;Δt为取样的时间间隔）的小波变换为

式中：c为尺度因子;d为平移因子。

小波函数有几种不同类型，本研究选用的是Morlet小波，其表达式为

为了判断序列的主周期，用如下公式进行方差检验：

式中：Var（c）为小波方差。

小波方差反映了波动的能量随尺度的分布，可以用来确定一个时间序列中各种尺度扰动的相对强度，对应峰值处的尺度称为该序列的主要时间尺度，即主周期。

4 结果与分析

4.1 降水变化的趋势性分析

图1是对年降水序列进行EEMD分解而成的IMF分量（C1～C5）和一个趋势分量（RES）。各IMF分量表示降水由高频到低频的不同时间尺度的波动状况，最后得出的趋势分量表示随着时间的推移年降水量的总体变化趋势，由趋势分量图可以看出安塞区年降水量总体呈下降趋势。从图1中可以看出，IMF分量都具有稳定的周期以及在相同时间段内不同程度的振荡频率，并随时间呈现非均匀的变化，反映了大气内部动力过程和外在强迫共同作用的非线性。

IMF分量都具有各自的物理意义，它们分别表明原序列在不同时间尺度下的变化规律，而这种规律的可信性可以通过显著性检验来进行判断。图2（图中E为频率）中IMF分量越靠近左侧表明其频率越高、周期越短，反之则频率低、周期长。靠近上侧的IMF分量表示其能量高、振幅大，反之则表示其能量低、振幅小。从图2可以看出，C1位于左上角并落在了80%的置信曲线上，这表明C1分量最为显著，同时它还具有频率高、周期短、能量高的物理意义。C3位于50%与80%的置信曲线之间，而其他几个分量都位于50%置信曲线的下方。

图3为对安塞区汛期降水量进行EEMD分解得出的IMF分量（C1～C5）和趋势分量（RES），不同频率的IMF分量存在不同尺度的波动状况，趋势分量说明汛期降水量随着时间推移的变化状况。由RES图可以看出随着时间的推移降水量具有微弱的上升趋势，这与年降水量的变化趋势相反，结合年降水量下降的趋势说明安塞区降水强度存在微弱的上升趋势。由图4可以看出C1位于80%与90%的置信曲线之间，具有能量高、振幅大、波动频繁的特点，且C1波动的时间尺度最短，C5位于50%与80%的置信曲线之间，而C2、C3、C4的波动幅度随着时间的推移逐渐减小，都位于50%置信曲线之下。

4.2 降水的突变性分析

降水时间序列的突变包含丰富的信息，通过突变性分析可以推测引起突变的原因。

图5为年降水量M-K突变检验图，显示了安塞区66 a降水时序的突变性，其中UF和UB存在1952年和1992年两个交点，并且两个交点都在临界值之间，这表明在1952年和1992年可能发生突变。1952年之后降水量虽然有波动但大致呈上升趋势并且在1960年左右上升趋势显著。而在1992年之后总体趋势是下降的，在2000年左右UF超过了临界值，所以在2000年以后下降趋势明显。整体来看，在1992年发生曲线相交之前降水量整体呈上升趋势，在1992年之后降水量呈下降趋势，2000年甚至超过了临界值，下降趋势明显。

图6为安塞区1951年到2016年汛期降水量的突变检验情况，由图6可以看出，UF和UB两条线在1986年有一个交点，而且交点在临界值之间，这表明1986年可能是汛期降水量發生突变的时刻。2000年UF曲线超过了临界值，之后的一段时间汛期降水量发生了较为明显的下降。

4.3 降水变化的周期性分析

对安塞区66 a的降水量数据进行小波分析，如图7和图8所示。在3～5、8～15 a时间尺度上年降水量经历了较多的变化，大的时间尺度有20～24 a和27～31 a，这两个时间尺度相对于前两个时间尺度波动范围广、波动时间长。时间尺度随后一直到2016年等值线也没有闭合，表明接下来的一段时间降水将持续偏少。为了进一步分析周期性，图7（b）小波方差图给出了年降水量的小波方差分布，综合可知，年降水量存在4个主周期，分别为30、25、15、4 a，在这些时间尺度上年降水量波动较为明显，存在多次降水量偏多、偏少交替变化。

安塞区汛期降水量变化的周期性分析如图8所示，汛期降水量在3～10、11～15、18～25 a时间尺度之间存在较多的波动，经历了降水量多次上升和下降的变化，结合小波方差图可以看出汛期降水量存在24、14、4 a三个主周期，在这些时间尺度下存在汛期降水量偏多、偏少的多次变化。

5 结 语

本文分析时间序列后显示降水量变化大致呈现下降趋势并且在2000年之后趋势进一步明显，这一结论与刘勤等[10]的研究结论不完全相同，与此同时汛期降水量呈现上升的趋势，这与祝青林等[9]得出的黄土高原春夏季降水量具有上升趋势的结论吻合。安塞区年降水量和汛期降水量存在的主周期尺度较小，而其主周期数值范围在1～30 a的时间尺度上与李占杰等[11]得到的主周期相近，这说明降水趋势在短时间内波动频繁，存在多次增减交替，而整体变化趋势基本不变。

（1）通过对安塞区近几十年降水量进行EEMD分解，得出降水量大致呈下降趋势，在66 a里年降水量由最初的550 mm减少至500 mm，IMF中C1、C2、C3对原序列的影响最为明显，在C1、C2、C3相对应的波动时间尺度下周期波动频率对原序列的影响也最大。结合年降水量和汛期降水量的变化趋势得出安塞区降水强度有微弱的上升趋势。

（2）通过M-K检验得出年降水量在1952年和1992年存在突变，在1992年后降水量存在下降趋势，表明在最近几年降水量不仅处于减少的状态而且减少的趋势逐渐显著。通过对汛期降水量进行M-K检验得出在1986年UF与UB存在交点，并且在2000年之后UF超过了临界值，由此推断汛期降水量的突变时间在1986年左右。

（3）周期变化上，年降水量存在30、25、15、4 a四个主周期，在这些时间尺度下存在多次降水量偏多偏少交替，未来一段时间仍将处在降水量偏少的阶段，而汛期降水量存在24、14、4 a三个主周期，在这些时间尺度下存在多次汛期降水量偏多偏少交替。从主周期来看，年降水量和汛期降水量的主周期差别不大。

参考文献：

[1] 马宁，王乃昂，朱金峰，等.巴丹吉林沙漠周边地区近50 a来气候变化特征[J].中国沙漠，2011，31（6）：1541-1547.

[2] 曹永强，刘佳佳，王学凤，等.黄淮海流域旱涝周期、突变点和趋势分析研究[J].干旱区地理，2016，39（2）：275-284.

[3] 黄国如，冼卓雁.深圳市1953—2012年极端气候事件变化分析[J].水资源与水工程学报，2014，25（3）：8-13.

[4] LIU R，LIU S C，CICERONE R J，et al.Trends of Extreme Precipitation in Eastern China and Their Possible Causes[J].Advances in Atmospheric Sciences，2015，32（8）：1027-1037.

[5] JIANG Z H，SHEN Y C，MA T T，et al.Changes of Precipitation Intensity Spectra in Different Regions of Mainland China During 1961-2006[J].Journal of Meteorological Research，2014，28（6）：1085-1098.

[6] 陈磊，王义民，畅建霞，等.黄河流域季节降水变化特征分析[J].人民黄河，2016，38（9）：8-12，16.

[7] 丁建隆，汪海欧，董召荣，等.1960—2013年安徽极端降水特征研究[J].干旱气象，2016，34（2）：252-260.

[8] 王丹云，吕世华，韩博，等.近30年黄土高原春季降水特征與春旱变化的关系[J].高原气象，2017，36（2）：395-406.

[9] 祝青林，张留柱，于贵瑞，等.近30年黄河流域降水量的时空演变特征[J].自然资源学报，2005，20（4）：477-482.

[10] 刘勤，严昌荣，张燕卿，等.近50年黄河流域气温和降水量变化特征分析[J].中国农业气象，2012，33（4）：475-480.

[11] 李占杰，鱼京善.黄河流域降水要素的周期特征分析[J].北京师范大学学报（自然科学版），2010，46（3）：401-404.

[12] 张卉，薛联青，刘远洪，等.洞庭湖流域极端降水变化特征分析[J].水资源与水工程学报，2017，28（4）：6-12.

[13] 刘健，夏军，王明森，等.1961—2015年山东省降水周期变化特征[J].人民黄河，2017，39（4）：6-10.

[14] GUAN B T.Ensemble Empirical Mode Decomposition for Analyzing Phenological Responses to Warming[J].Agricultural and Forest Meteorology，2014，194（8）：1-7.

[15] 韩梅，刘闯，廖晶晶，等.本溪市郊近60年气温变化特征和突变分析[J].安徽农学通报，2019，25（1）：137-139.

[16] LU X R，ZHUANG Y H，WANG X L，et al.Assessment of Streamflow Change in Middle-Lower Reaches of the Hanjiang River[J].Journal of Hydrologic Engineering，2018，23（12）：89-96.

[17] GAO T，XIE L.Spatiotemporal Changes in Precipitation Extremes over Yangtze River Basin，China，Considering the Rainfall Shift in the Late 1970s[J].Global and Planetary Change，2016，147（11）：106-124.

[18] 张明，李国胜.关中地区极端降水时空变化及概率特征研究[J].人民黄河，2021，43（11）：59-64.

[19] 刘濛濛，隆永兰.巴音布鲁克近58 a气候变化特征分析[J].干旱区地理，2019，42（4）：715-723.

[20] 向亮，郝立生，安月改，等.51 a河北省降水时空分布及变化特征[J].干旱区地理，2014，37（1）：56-65.

[21] 冯畅，毛德华，曹艳敏，等.近59年石家庄市降水变化特征分析[J].水电能源科学，2018，36（5）：10-12，16.

[22] 胡建桥，刘万锋，常周梅，等.兰州市1951—2015年降水量变化特征研究[J].水利水电技术，2017，48（4）：8-12.

[23] 边玉明，代海燕，王冰，等.内蒙大兴安岭林区年降水量变化特征及周期分析[J].水土保持研究，2017，24（3）：146-150.

[24] FRANZKE，CHRISTIAN L E.Warming Trends：Nonlinear Climate Change[J].Nature Climate Change，2014，4（6）：423-424.

【责任编辑 张 帅】