近60年秦岭山地旱涝变化规律

张善红,齐贵增,苏 凯,周林燕,孟 清,白红英,*

1 西北大学城市与环境学院,西安 710127 2 商洛学院城乡规划与建筑工程学院, 商洛 726000 3 西北大学陕西省地表系统与环境承载力重点实验室,西安 710127

随着全球环境变化,极端气候事件频发,气象灾害日趋严重,灾害风险逐渐加大,其中,旱涝灾害是影响范围最广的气象灾害类型[1],不仅破坏人类生存环境,造成水土流失及农作物受灾减产,还对人类健康和社会稳定造成威胁[2]。IPCC第五次评估报告指出[3],全球几乎所有地区都出现了地表温度持续上升的现象,并且最近30年地表温度的增暖幅度持续加大；近100年来我国气候增温率达到1.52℃/100a,超过世界平均水平。全球变暖使大气环流发生异常,极端降水事件发生,在此背景下,全球旱涝影响范围进一步扩大,全球干旱发生频率增加,旱涝灾害问题成为气候学界研究的热点[4—6]。

秦岭地处我国暖温带和亚热带的生态过渡带,是我国中部最重要的生态屏障及全球生物多样性最丰富的地区之一,是重要的气候和南北地理分界线,是中国气候变化研究的重点和热点区域[7]。近些年来随着全球气候变化和人类活动的影响,秦岭山地气候变化的特征表现出以下几个特征：①气温上升显著。近60年来秦岭南北坡气温均呈上升趋势,秦岭南北气候增暖主要表现在20世纪90年代之后[8—9]；②极端气温对海拔的依赖性不同。秦岭极端气温的变暖率随海拔升高而增大,高海拔区域极端气温频率和强度的变化最明显,中海拔区域极端气温持续时间的变化最明显[10]；③秦岭山地极端降水的持续性呈现减少趋势,降水强度呈增加趋势。秦岭山地降水时间短、强度大,尤其在秦岭南坡表现最明显,易发生洪水灾害[11]；④春季暖干化趋势显著。近60年来秦岭山地春季表现为暖干化趋势,其中1994—2008年是干旱化程度高、频率高的时间段[12]。

目前对旱涝灾害的研究主要集中在3个方面：一是旱涝指标的确定。目前应用最广泛,适应性最好,且反映旱涝最理想的指数为标准化降水蒸散指数(Standardized Precipitation Evapotranspiration Index, SPEI)。该指数兼顾帕尔默干旱指数(Palmer Drought Severity Index, PDSI)和标准化降水指数(Standardized Precipitation Index, SPI)的优点,适合多尺度、多空间比较的优点[13—14]。二是旱涝灾害的时空分布规律及成因研究。Yu等[15]采用SPEI指数对中国旱涝时空特征进行分析,发现20世纪90年代末期中国干旱强度增加,东北和华北干旱发生次数最频繁,华南也表现出干旱化趋势；Voice等[16]基于全球环流模式对澳大利亚海表温度距平(Sea surface temperature anomaly, SSTA)指数与旱涝的关系进行研究,发现两者关系非常密切,当东太平洋处于厄尔尼诺暖期时,对干旱影响更为强烈；也有学者[17—19]认为青藏高原热力抬升作用影响到亚洲大部分区域,夏季高原的加热作用通过激发异常的大气环流,使得中亚、西北和华北的干旱事件加剧。近些年来,关于厄尔尼诺/南方涛动(El Nio-Southern Oscillation,ENSO)、大气环流、太阳黑子对旱涝灾害的关系研究逐渐成为热点,普遍认为这些因素对旱涝灾害的变化起着非常重要的作用[20—26]。三是研究SPEI指数对农业和林业的影响。张华等[27]研究西北地区植被变化对干旱的响应,结果表明植被生长状况在大部分区域与SPEI呈现不同程度的正相关；曹乐瑶等[28]研究了森林生长对气候干旱的响应,结果表明森林生长对气候干旱的响应有正有负,且在不同月份、不同时间尺度上正负响应有所不同；Jiang等[29]对中国牧区不同时间尺度下植被生长对干旱的响应进行了研究,结果表明森林对较长时间尺度的干旱比较敏感,而草地和农田对较短时间尺度的干旱有关系；Qi等[30]研究结果表明,秦岭山地植被归一化植被指数(Normalized Difference Vegetation Index,NDVI)变化与秦岭干湿变化密切相关,植被年NDVI与春季SPEI绝大多面积呈正相关,且随海拔上升植被对干湿变化的敏感有差异。

秦岭是中国南北地理环境的重要分界线,是气候变化的敏感区。在全球变暖的大背景下,基于秦岭南北坡32个气象站点的气象数据,探讨秦岭南北坡旱涝时空分布特征,引入交叉小波和小波相干分析法,更好地揭示秦岭山地旱涝变化与各因子之间在不同周期尺度上的时频位相关系,旨在为秦岭南北坡的旱涝防治,秦岭林业和农业发展提供科学依据,为秦岭山、水、林、田、湖、草生态保护工程提供有力的理论指导。

1 研究区概况与研究方法

1.1 研究区概况

秦岭山地横亘于我国中部地区呈东西走向的巨大山脉,其大体上与我国1月0℃等温线、800mm等降水量线重合[7],是湿润季风气候与半湿润季风气候的分界线,也是北亚热带常绿落叶阔叶林混交林与暖温带落叶阔叶林的分界线,是重要的气候和南北地理分界线,是全球生物多样性关键地区之一,同时这座横亘东西的巨大山脉又是气候变化区域响应的敏感区[31]。秦岭山地的高山、中山地貌一般海拔在1500—3000m,导致气候山地多样,呈现出明显的山地垂直分带特征[7],随着海拔的上升,依次呈现暖温带、中温带、寒温带等垂直气候带(南坡在暖温带以下有北亚热带)。气候带的垂直地带性,相应植被也呈现明显的垂直分带特征。本文研究的秦岭山地为陕西省境内的秦岭腹地,地处105°30′—111°05′E,32°40′—34°35′N之间,西起嘉陵江,东与伏牛山相接,北以渭河为界,南以汉江为边,东西横贯于陕西省南部,包括陕西省的六市32个县区,见图1。

图1 研究区气象站点Fig.1 Spatial distribution of meteorological stations in the study area

1.2 资料来源

本文所采用的气象数据来源于陕西省气象局,包括1960—2019年秦岭山地32个气象站点逐日气温和降水数据以及太白山中高海拔的11个自动气象站2013—2015年逐日气温、降水数据。其中1960—2019年日值数据有部分站点数据缺测,为保证研究数据的完整性和连续性,缺测数据通过站点已有数据与邻近站点数据采用回归方法[32]进行插补,部分缺测站点结果如图2(图2为部分所缺站点与邻近站点数据的一致性检验)所示。由图2可以看出,缺测数据站点与临近站点的数据一致性良好,R2均大于0.97以上,说明采用临近站点的插补方法是可行的。

图2 部分缺测站点与临近站点的数据一致性检验Fig.2 Data consistency test between lack of measured data site and adjacent site

数字高程(DEM)数据分辨率为30m×30m,来源于国家基础地理信息中心；ENSO数据来自美国海洋气象局NOAA(http://www.cpc.noaa.gov),ENSO事件选用赤道中、东太平洋El Nio3.4区的海表温度距平(Sea surface temperature anomaly,SSTA)指数进行表征[23]；太阳黑子数据来源于美国天文观测网站公布的太阳黑子相对数。

1.3 研究方法

1.3.1标准潜在蒸散发指数SPEI

Vicente-Serrano等[33]提出标准化降水蒸散指数(SPEI),兼顾帕尔默干旱指数(PDSI)和标准化降水指数(SPI)的优点,适合多尺度、多空间比较的优点。SPEI表征全球变暖背景下干旱的变化特征,在全球各地区有较好应用[34—36]。具体计算过程参见以下参考文献[33,37]。秦岭山地的旱涝等级划分参考GB/T20481—2006《气象干旱等级》,并借鉴刘珂和蒋大膀[38]的划分方法,具体标准见表1。

表1 标准化降水蒸散指数(SPEI)对应的旱涝等级Table 1 SPEI grades for drought and flood

1.3.2Anuplin插值方法及验证

Anusplin空间插值法,是由澳大利亚学者Hutchinson基于薄盘光滑样条函数理论开发,该软件通过多个影响因子进行空间插值,更加适用于长时间序列的气象要素插值处理[39],并且在复杂山地环境下,插值精度误差小[40],研究表明Anusplin对气象数据的插值相于其他插值法更加准确[41],因此本文选用了Anusplin对秦岭山地各站点SPEI进行空间插值。采用交叉验证方法选取中高海拔站点和中低海拔站点数据,运用平均绝对误差(MAE)和均方根误差(RMSE)2个参数评估SPEI数据的插值精度。中高海拔站点验证：采用太白山地区2013—2015年11个中高海拔区自动气象站点数据对Anusplin法空间插值结果进行检验；中低海拔站点验证：从32个站点中每次随机预留3个站点作为验证,剩余29个站点用来建立插值模型,共取4次,得到12个验证点,用来评估中低海拔地区插值验证精度。表2插值结果精度最大年份、最小年份以及中间年份的验证结果,SPEI插值结果在中低海拔处、中高海拔插值良好,满足研究需要。

表2 SPEI空间插值结果检验Table 2 Results of SPEI spatial interpolation of the Qinling Mountains

1.3.3相关性分析

使用交叉小波变换(XWT)与小波相干变换(WTC)分析秦岭山地SPEI与ENSO、太阳黑子的关系。交叉小波变换[42]是一种将小波变换和交叉谱分析结合的一种新的信号分析技术,可以从多时间尺度研究两个时间序列在时域频中的相互关系。该方法可以揭示两个不同时段尺度上的相关性和一致性,并能再现时频空间中的相位关系。小波相干谱是用来衡量两个时间序列在时频域中局部相关的低值区,两者在小波相干谱中也可能对应着显著的相关性。小波相干谱的检验采用蒙特卡洛检验法。具体使用方法,见参考文献[42]。

在使用交叉小波变换对秦岭山地SPEI研究的基础上,结合小波相干谱,更能准确地得出秦岭山地SPEI及其影响因子特征指数的时间序列的时频位相关系[43]。

2 结果与分析

2.1 1960—2019年秦岭山地旱涝变化

2.1.1秦岭山地SPEI指数时间变化趋势

图3为秦岭山地平均SPEI指数年际变化趋势及其Mann-Kendall检验结果。由图3可以看出,1960—2019年,秦岭山地年平均SPEI指数以0.124/10a的速度下降,干旱趋势明显增强,1990年秦岭山地发生干旱突变。突变前的30年洪涝事件相对较多,而突变后的30年干旱频繁发生,干旱事件大于洪涝事件。在0.05的置信度水平下,由UF曲线可知,1960—2019年秦岭年平均SPEI指数呈现波动变化,并于1990年发生下降突变,且在2000—2019年间(除2011—2013年)达显著下降趋势,而在突变之前,无论是干旱事件还是洪涝事件基本未达到显著变化。

图3 1960—2019年秦岭山地SPEI值年际变化及M-K突变检验Fig.3 Interannual variation of SPEI value and M-K mutation test in Qinling Mountains from 1960 to 2019SPEI: 标准化降水蒸散指数 Standardized precipitation evapotranspiration index；M-K: Mann-Kendall; UF,Forward standard normal distribution; UB,Backward standard normal distribution; 在给定显著性水平a=0.05,统计量UF和UB的临界值为±1.96; UF>0,表示序列呈上升趋势；反之,呈下降趋势,大于或小于±1.96,表示上升或下降趋势显著

2.1.2秦岭山地SPEI指数空间变化趋势

通过对1960—2019年秦岭山地各站点的SPEI值进行Anusplin插值,得到60张SPEI的空间分布图,采用线性倾向分析的方法,得到秦岭山地每个栅格上年SPEI变化倾向率并进行显著性分析(图4)。由图4秦岭SPEI倾向率可知,秦岭山地SPEI的变化率介于-0.350/10a到0.086/10a之间,倾向率大于0的地区占总面积的4.17%,倾向率小于0的地区占总面积的95.83%。由SPEI倾向率显著性检验可知,秦岭山地90.23%的面积显著下降趋势(P≤0.1),5.17%不显著下降；2.64%不显著上升；1.96%显著上升。

图4 1960—2019年秦岭山地年均SPEI倾向率与显著性空间分布Fig.4 Spatial distribution of SPEI tendency rate and its significance in the Qinling Mountains

其中,秦岭南、北坡的年均SPEI指数分别以0.121/10a和0.171/10a的速度下降,表明北坡的干旱化趋势大于南坡。其中北坡的周至、鄠邑、宝鸡的干旱化程度较大,其SPEI指数变化率分别为-0.179/10a、-0.129/10a、-0.172/10a；南坡SPEI指数倾向率下降较明显的地区为镇安、柞水和城固,分别是-0.179/10a、-0.194/10a和-0.172/10a；而南坡的商南、安康和略阳表现出较微弱的湿润化特征,倾向率为0.063/10a、0.022/10a和0.013/10a。

参考《陕西秦岭生态环境保护纲要》中依据生态系统基本特征对秦岭高、中、低海拔的划分,将秦岭划分为<1500m、1500—2600m和>2600m 3个海拔区域[10],并在3个海拔区内提取SPEI倾向率。结果发现,<1500m、1500—2600m和>2600m 3个区间范围的平均倾向率分别为-0.111/10a、-0.193/10a和-0.286/10a,说明高海拔地区旱涝状况对气候变化更为敏感。

综上所述,整个秦岭山地干旱化趋势显著,且北坡的干旱化趋势大于南坡；高海拔地区SPEI指数呈现明显的下降趋势,即高海拔地区干旱更加敏感。

2.2 秦岭南北旱涝发生频率变化特征

按照SPEI旱涝等级划分标准(表1)将SPEI指数划分为不同的旱涝级别,并分为6个年代际变化进行分析,结果见表3。由表3可以看出,秦岭南北的干旱发生频率呈上升趋势,洪涝发生频率呈下降趋势,20世纪80年代之前,秦岭北坡的洪涝发生频率大于南坡,20世纪80年代开始,秦岭北坡的干旱发生频率大于南坡。20世纪60—70年代秦岭南坡和北坡地区均由湿润向干旱发展,且秦岭北坡的涝灾频率大于秦岭南坡；20世纪80年代秦岭南北坡均以湿润为主,且秦岭南坡的涝灾频率大于北坡；20世纪90年代到21世纪的前10年,秦岭地区湿润事件呈现断崖式下降,旱灾频率和等级明显增加,秦岭北坡的干旱事件由12.50%上升到48.33%,南坡由6.67%剧增到41.67%,北坡的干旱程度大于秦岭南坡；2010—2019年秦岭地区开始转向湿润,但其干旱程度仍高于20世纪60年代干旱,且北坡的干旱程度大于秦岭南坡。

表3 1960—2019年秦岭南北旱涝发生频率/%Table 3 Frequency of drought and flood in the Qinling Mountains from 1960 to 2019

秦岭地区1960—2019年SPEI指数在1990年发生降低突变,值得注意的是,突变前30年(1960—1989年)秦岭地区整体湿润比例平均值为36.94%,突变后30年(1990—2019年)湿润比例平均值下降为18.19%；干旱比例平均值由突变前的17.64%急剧上升到突变后的38.19%,表明1990年以后,秦岭由湿润转向干旱的趋势明显。此外,突变发生前秦岭南北坡极端干旱事件从未发生,严重干旱事件也很罕见,突变后严重干旱和极端干旱事件发生频率较高；同时,突变后秦岭南北坡极端湿润和严重湿润事件近乎销声匿迹,1990—2019年只发生3次严重湿润事件。

3 秦岭山地旱涝变化周期与成因分析

3.1 秦岭山地旱涝周期

采用Morlet小波对秦岭年SPEI值进行周期分析,结果如图5。小波变换系数实部时频图中,正小波代表SPEI指数偏大时期,表示湿润条件,负小波代表SPEI指数偏小时期,表示干旱条件。由图5秦岭SPEI的小波周期图可以看出,秦岭山地主要存在23年的中长周期及9年左右的短周期,大尺度的周期嵌套着小尺度的周期变化,且不同周期对应的SPEI指数偏大偏小情况不同。23年尺度的中长周期,其周期信号具有全域性特点,周期信号最强,小波系数等值线闭合值高,是秦岭山地SPEI指数序列的最大周期变化。9年左右的周期变化,周期信号具有局域性特征,以1995为界,周期振荡在1960—1995年表现最明显。由图5秦岭SPEI小波分析方差可知,秦岭山地SPEI干旱指数序列的小波方差有2个峰值,对应周期分别为23年和9年。其中23年尺度的小波方差值远大于9年尺度对应的小波方差峰值,表明23年的周期振荡最为明显,为第一主周期,9年周期为次周期。该结论与小波实部时频图得到结论基本一致。

图5 1960—2019年秦岭山地SPEI指数小波分析图Fig.5 Wavelet analysis of SPEI index in the Qinling Mountains from 1960 to 2019

3.2 秦岭山地旱涝变化的成因分析

影响气候旱涝的直接原因是气温和降水的异常,而气温和降水变化的原因可能与热带海洋表面温度、大气环流、太阳活动等综合因素的影响。本文就太阳黑子变化、海表温度距平指数(SSTA)、ENSO事件分析秦岭山地旱涝变化的成因。

3.2.1太阳黑子的影响

图6为秦岭山地1960—2019年SPEI与太阳黑子的交叉小波计算结果。由图6交叉小波能量谱可知,秦岭年SPEI与太阳黑子存在一个显著的共振周期振荡,大约为8—10年周期(1965—1994年)。其中1960—1984期间相位向上偏左,近似负相关；1985—1994期间,相位向上偏右,近似正相关。由图6交叉小波凝聚谱可以看出,交叉小波凝聚谱弥补了交叉小波能量谱在低能区相关性分析的不足,交叉小波凝聚谱有着较大的时频域空间,SPEI与太阳黑子序列在有效谱区内存在3个周期,5—6年周期(1963—1975年)、3年周期(1975—1978年)和2年周期(1994—2005年)。5—6年周期相位差向上偏左,近似负相关；3年周期SPEI变化相位比太阳黑子提前90°；2年周期SPEI变化与太阳黑子呈负相关。可见太阳黑子相对数在不同的时间尺度上对旱涝变化影响不同,在1960—1984年和1994—2005年太阳黑子与秦岭干旱呈负相关,而在1985—1994年呈正相关关系,整体上太阳黑子相对数与秦岭旱涝干旱基本呈负相关关系。

图6 秦岭年SPEI与太阳黑子的交叉小波能量谱、交叉小波凝聚谱Fig.6 Cross wavelet power and wavelet coherence between SPEI and sunspot in the Qinling Mountains黑色实线圈闭合区域为通过置信水平为95%的标准背景谱检验；箭头表示相位关系,←表示两个序列变化呈负相关关系,→表示位正相关关系；↑表示SPEI变化滞后太阳黑子变化位相90°,↓表示SPEI变化相位超前太阳黑子90°;XWT:交叉小波变换 Cross wavelet transform；WTC: 小波变换相干法 Wavelet transform coherence

3.2.2海洋表面温度距平指数(SSTA)的影响

图7为秦岭山地1960—2019年SPEI- 1与SSTA- 1的交叉小波计算结果。由图7 SPEI与SSTA序列的交叉小波能量谱可知,SPEI与SSTA存在两个显著的共振周期振荡,分别是2—3年周期(1962—1970年)和4—6年周期(1982—2007年)。前者相位差向下偏左,近似负相关；后者分为两个阶段,其中1982—1990年相位向上偏左,近似负相关,1991—2007年秦岭山地SPEI滞后SSTA约1/4周期。结合SPEI与SSTA序列交叉小波凝聚谱可以发现,两序列具有的凝聚性最强的周期为5—6年的年际共同变化周期(1995—2012年),位相差为垂直向上,SPEI滞后SSTA约1/4周期,约1.25—1.5年；2012年后位于有效谱区外,但2012年后在有效谱区外出现显著正相位高能量振荡,表明2012年后秦岭SPEI受到东太平洋El Nio3.4区的海表温度变化的影响依然很强烈。

图7 秦岭年SPEI与SSTA的交叉小波能量谱、交叉小波凝聚谱Fig.7 Cross wavelet power(left)and wavelet coherence(right)between SPEI and SSTA in the Qinling Mountains黑色实线圈闭合区域为通过置信水平为95%的标准背景谱检验；箭头表示相位关系,←表示两个序列变化呈负相关关系,→表示为正相关关系；↑表示SPEI变化相位滞后SSTA变化位相90°,↓表示SPEI变化相位超前SSTA变化相位90°;SSTA：海表温度距平 Sea surface temperature anomaly

综上所述,在1990年以前,SPEI与SSTA存在2—3年周期(1962—1970年)和4—6年周期(1982—1990年)的显著负相关共振周期,即随着海温的增加,SPEI呈现下降趋势；1990年以后,SPEI与SSTA具有凝聚性最强的5—6年的年际共同变化周期(1995—2018年),且秦岭山地SPEI滞后SSTA约1/4周期。说明在不同时域范围内,SSTA对秦岭山地旱涝变化的影响不同。

3.2.3ENSO与SPEI值的关系

根据中国国家气象中心(National center of China)提供的厄尔尼诺/拉尼娜事件判别方法并参考其他文献的划分结果[22—23],统计1960—2019年ENSO事件。El Nio事件年共有14次,La Nina事件年共有22次。图8为ENSO事件强度与事件年SPEI值的关系,在La Nina事件年,SPEI指数相对较大,整个区域多数处于湿润期；在El Nio事件年及其前后1年,SPEI值相对偏小,整个区域基本处于干旱期。在该区域60年间15次干旱事件(SPEI值<0.5)中,有10次发生在El Nio事件年及其前后1年；在60年间的16次洪涝事件(SPEI值>0.5),其中有9次发生在La Nina事件年。在1990年突变前,El Nio事件6次,La Nina事件14次,La Nina事件多于El Nio事件,突变前湿润年多于干旱年；在1990年突变后,El Nio事件10次,La Nina事件8次,El Nio事件大于La Nina事件,突变后干旱年多于湿润年。这说明,ENSO事件对秦岭山地的旱涝事件影响非常显著,在La Nina年易发生洪涝事件,在El Nio年易发生干旱事件,或者发生在El Nio年前后一年,地处西北地区的秦岭山脉同样会受到热带太平洋地区气温和水温变化的影响。

图8 ENSO事件与秦岭山地SPEI值关系Fig.8 The relationship between ENSO events and SPEI value over Qinling Mountains from 1960 to 2019ENSO：厄尔尼诺/南方涛动El Nio-Southern Oscillation

4 讨论与结论

4.1 讨论

全球变化使得全球干旱呈现增强趋势,且局地干旱更加剧烈[44—46],秦岭山地作为中国南北过渡带,是气候变化的敏感区[47—48]。本文研究1960—2019年秦岭山地旱涝变化的空间差异时,发现秦岭山地的干旱状况尤其是20世纪90年代以来秦岭山地的严重干旱和极端干旱事件异常强烈,且秦岭北坡的干旱程度大于秦岭南坡,这与以往研究的结论一致[49—50]。有研究认为,这种状况可能是因为秦岭具有强烈的阻隔作用,南方的水汽很难越过秦岭到达秦岭北坡,使得秦岭北坡的气候比较干燥,南坡的气候比较湿润[37,51]；另一方面这种南北空间分异的原因也可能是东亚夏季对流层温度年代转折的原因[47,52]。1992年后,中国35°N以北年代际变暖,35°N以南的地区对流层温度年代际变冷。秦岭以北关中地区位于35°N过渡区,秦岭以南地区位于35°N以南地区。东亚夏季对流层温度年代际的转折,对秦岭以北地区(尤其是关中平原)增温具有放大作用,对秦岭南坡增温具有削弱作用[53]。这两方面的原因,使得秦岭SPEI发生干旱突变后,秦岭北坡的干旱程度大于秦岭南坡。

另外,通过研究发现秦岭山地高海拔地区SPEI指数呈现明显的下降趋势,即高海拔地区干旱更加敏感。有研究表明[54],随着气候变暖,高海拔地区的植被对温度的控制可能正在变缓,但干旱正成为森林生长的一个更重要的限制,特别是对中高海拔森林和易于干旱的林地和灌木林地。秦岭高海拔地区的太白红杉为适应生境变化正向高山灌丛、裸岩分布处迁移,林线附近的幼龄林随处可见；而巴山冷杉却出现大面积退化甚至死亡现象,尤其是在其上限区域更为严重[55]。这与该地区近些年来的干旱加剧是否有关？也可能是不同植被类型对干旱的敏感不同。

秦岭山地SPEI与太阳黑子交叉小波计算得出,太阳黑子相对数在不同的时间尺度上对秦岭山地旱涝变化影响不同,这与赵小娟和延军平[56]利用月降水量计算的旱涝指数与太阳黑子在80年代前呈负相关,80年代后呈正相关,以及与王鹏涛[57]统计的1961—2013年时间段内,总体在太阳黑子谷值年附近出现涝情频率略高,在太阳黑子峰值年附近出现旱情频率远远高于涝情基本一致。有个别时间段内二者之间的相关性不一致,造成这种差异的原因可能是由于研究范围、选取的资料、数据的处理方法不同有一定关系。ENSO对我国的降水影响显著。当El Nio强时,全年降水偏少,易发生干旱事件[58—59]；而La Nina强时,夏秋降水偏多,易发生洪涝事件[59]。秦岭位于中国东部季风区,是北亚热带和暖温带的分界线,影响其干旱演变的机理和因素均比较复杂,后续研究应该明确更多影响因子,进一步探究多因子对秦岭山地旱涝变化的影响,从而对该地区林业和农业的生产提供建议。

4.2 结论

(1)1960—2019年,秦岭山地年SPEI指数以0.124/10a的速度在下降,1990年为干旱的突变年。其中,90.23%的面积呈显著下降趋势,1.96%的面积呈显著上升趋势；秦岭南、北坡的年SPEI指数倾向率分别为-0.075/10a和-0.128/10a,秦岭北坡的干旱化趋势大于南坡,且高海拔地区的SPEI变化趋势更为明显。

(2)秦岭南坡和北坡地区旱涝发生频率变化总趋势较为一致,表现出旱灾增加而涝灾减少,突变前30年秦岭山地整体湿润比例平均值为36.94%,突变后30年下降为18.19%,而干旱比例平均值由突变前的17.64%急剧上升至突变后的38.19%,即1990年后,秦岭由湿润转向干旱的趋势明显。突变前30年秦岭南北坡极端干旱事件、严重干旱事件极少发生,发生频率几乎为0；突变后30年严重干旱和极端干旱事件发生频率增加,秦岭南北坡极端湿润和严重湿润事件近乎销声匿迹。

(3)太阳黑子与秦岭山地旱涝变化以显著负相关关系为主；ENSO事件对秦岭山地的旱涝变化影响较大,在La Nina年易发生洪涝事件,在El Nio年易发生干旱事件,或者发生在El Nio年前后一年；在不同时域范围内,SSTA对秦岭山地旱涝变化的影响不同：1990年以前,SPEI与SSTA存在显著的负相关关系；1990年后,SPEI与SSTA存在5—6年的强凝聚性共振周期,且SPEI滞后SSTA约1/4周期。