APP下载

屏边县近30年大雾气候特征分析

2024-06-28段兴奎兰兰

农业灾害研究 2024年3期
关键词:小波分析大雾

段兴奎 兰兰

收稿日期:2023-12-10

作者简介:段兴奎(1988—),男,云南弥勒人,预报员,主要从事红河州地区天气预报技术研究工作。

摘 要:屏边县地处云南的东南角,历年来当地居民已经习惯了多雾的气候,但随着蒙自到屏边高速公路的通车,当地旅游业迎来新的增长期。大雾灾害性天气的研究对当地旅游业发展有至关重要的作用。应用Mann-Kendall、累积距平、Morlet小波分析等方法对屏边县1991—2020年的30年地面观测的大雾进行分析,从而研究其演变周期特征。结果表明:屏边县大雾存在多尺度的变化周期,小波分析能较好地体现其变化趋势。

关键词:大雾;Mann-Kendall;小波分析

中图分类号:P426.4 文献标志码:B文章编号:2095–3305(2024)03–0-03

雾是因空气中水汽凝结而形成一种能见度低于

1 km时的天气现象,大雾可能造成严重的道路交通安全事故。近年来,云南省各地高速公路建设规模迅猛增长,大雾对交通运输的影响日趋明显。屏边位于云南省东南部,大雾日数较多,因此,加强对大雾灾害性天气的研究,对做好气象预报预警服务,具有重要意义。

1 资料和方法

1.1 资料

选取屏边县1991—2020年的30年地面观测的大雾资料,当气象站观测有雾且能见度≤1.0 km时统计为1个大雾天气[1]。

1.2 计算方法

采用常规数理统计初步分析屏边县大雾的时空分布特征,通过一元线性回归方法和Mann-Kendall方法分析屏边县30年大雾的趋势突变,并采用累积距平分析作为交叉验证,最后用Morlet连续复小波变换进行时间尺度的周期分析。

2 大雾的时空分布特征

2.1 云南省大雾的空间分布特征

根据1991—2020年云南省各地年平均大雾日数的空间分布可知,云南大雾自北向南呈双峰形带状分布,主要分布在滇西南、滇东南和滇中地区,滇西北、滇东北雾日较少,滇西地区为少雾、无雾地带。大雾日数最多的是昆明太华山,年平均大雾日数154.8 d,年平均大雾日数>100 d的有红河屏边142.6 d、临沧的沧源122 d、西双版纳勐海102.2 d;30年平均大雾日数不足

1 d的有大理、澄江、宾川、云龙、洱源、元谋、临沧、南涧等站点,其中大理和澄江气象站从未出现过大雾天气。

滇东南地区出现了以屏边为代表的大雾中心,并跃居云南省第二,这与1980—2008年云南各地年平均雾日的空间分布有明显差异,为探究此原因,主要分析屏边地区雾的气候变化特征及原因。

2.2 屏边大雾的时间趋势及特点

(1)全年平均每月均会出现大雾,主要出现在冬春季,其次是秋季,夏季最少,1月最多,9月最少(图2a)。

(2)近30年来出现大雾日数最多的是1月份,最长出现了连续1个月的大雾,除9月、11月出现过整月无大雾的情况,其余每月均出现过2 d以上的雾(图2b、图2c)。

(3)每年均会出现大雾,年平均大雾日数142.5 d,最多为2014年的173 d,最少为1993年的109 d(图2d)。根据1991—2020年屏边县30年大雾资料数据做趋势分析,其一元回归方程为:

y=0.3x-460(1)

从拟合直线可知,屏边大雾近30年来有增加的变化趋势,对方程做显著性检验,P值为0.396,远远大于0.05的显著性水平,表明线性趋势不显著。因此,此期间屏边的年大雾日数增加的趋势不明显,说明屏边的大雾并不是简单地呈线性单调增加或减少,可能存在多尺度的变化趋势。

为检验近30年来屏边县大雾随着时间变化趋势是否存在突变现象,采用了Mann-Kendall方法进行趋势突变分析(图3a)。分析结果表明:近30年来大雾的UF统计量(正序)和UB统计量(逆序)曲线的交点位落在0.05显著水平的接受域内,没有正向或反向的显著变化趋势,且交点在2009年、2017年、2019年,说明2009年、2017年、2019年可能存在变化趋势的突变,2009年、2017年、2019年为突变点。为分析确认更可信的突变时间点,对大雾的累积距平进行分析。发现在2010年后年大雾日数从持续的正距平趋势变化为负距平趋势,并在2012年达到曲线最低点,2019年达到曲线次高点,因此2009年、2019年可能是趋势突变年份,验证了Mann-Kendall趋势突变分析的结果。

2.3 屏边大雾的多时间尺度分析

由于屏边大雾资料含有多时间尺度性,且大小尺度互相包含,很难判别其演变过程,为进一步研究屏边县近30年可能存在的多时间尺度趋势变化周期,使用Morlet小波变换方法对屏边30年的大雾数据进行处理[2-3]。

(1)小波系数实部等值线图反映的是大雾不同时间尺度的周期变化及其在时间域中的分布,清晰反映在不同时间尺度上,大雾的未来变化趋势[4]。总的来说,在大雾演变过程中主要存在着18~30年、5~12年的2类尺度的周期变化规律。其中,在18~30年尺度上出现了增加—减少交替的准2.5次周期震荡;在5~12年时间尺度上存在准6次震荡。可以看出18~30年尺度的周期变化在整个分析时段表现得非常稳定,具有全域性,而在5~12年时间尺度在1991—2005年时段表现得非常稳定,2005年以后虽然能表现出存在5~12年周期震荡,但强度有所减弱(图4a)。

(2)小波系数模值反映的是大雾不同时间尺度变化周期所对应的能量密度在时间域中分布的情况,系数模的值越大,表明其所对应时间尺度的周期性越强[5]。在大雾的演变中,5~12年、18~30年时间尺度模值最大,说明这2个时间尺度周期变化最明显。同时,1998—2005年同时存在着3年左右的震荡周期;2013—2020年也同时存在着4~7年的振荡周期。1991—2005年以5~12年时间尺度的周期变化为主,2005年以后以18~30年的周期变化为主(图4b)。

(3)小波系数的模方反映的是小波能量谱分布,可以分析出不同周期的震荡能量。10~15年时间尺度的能量最强、周期最显著,但其周期变化具有局部性(1991—2005年);18~30年时间尺度能量次之,但周期分布占据整个研究时段(1991—2020年)。同时可以看出,2~3年、3~7年时间尺度能量虽然弱,但确实存在这两种短时间尺度的周期变化(图4c)。

(4)小波方差图能反映年大雾日数的波动能量随时间尺度变化的分布情况。可用来确定大雾演变过程中存在的主周期。大雾的小波系数方差图上(图4d)存在8个峰值,依次对应16~17年、21年、24年、12年、10年、7年、5年和29年的时间尺度。由于峰值较多,结合小波系数模和模方分布图,合并一些尺度接近但不特别明显的峰值,留下16~17年、21年、10年、7年4个能量密度大、震荡强且又为峰值的时间尺度。其中,最大峰值对应着16~17年的时间尺度,说明16~17年的周期震荡最强,为大雾年变化的第一主周期;21年时间尺度对应着第二峰值,为大雾变化的第二主周期,第三、第四峰值分别对应着10年、7年的时间尺度,为大雾变化的第三、第四主周期。说明上述4个周期的波动控制着大雾在整个时间域内的变化特征。

(5)大雾演变的主周期趋势图。在不同的时间尺度下,大雾年日数存在的平均周期及减少—增加变化特征。图5a显示,在16~17年特征时间尺度上,大雾变化的平均周期为12.5年左右,大约经历了2.5个减少—增加的转换期;而在21年特征时间尺度上(图5b),大雾变化的平均变化周期为14年左右,大约有2个周期的增加—减少变化。

3 结论

(1)近30年来,屏边县大雾年均日数为142.5 d,位居云南省第二,最多的1年出现了173 d的大雾,最少也有109d的大雾;屏边地区大雾主要出现在冬春季,1月最多,9月最少,最长出现了连续1个月的大雾。

(2)在1991—2020年的尺度范围内,屏边县年均大雾日数并不存在单调的上升和下降趋势,而是多种变化周期同时存在。在此统计时段内存在着以16~17年时间尺度为第一峰值的主周期,16~17年的变化周期震荡和能量密度最强,贯穿了整个研究时段,大约经历了减少—增加—减少—增加—减少的5个循环。

结果表明,屏边县大雾存在多种时间尺度的周期性变化,在不同的研究时段内会呈现出不同的变化主周期,Morlet连续复小波变换方法能较好地反映了其周期变化规律,为屏边地区的大雾预报研究提供科学的理论依据。

参考文献

[1] 许美玲.云南省天气预报员手册[M].北京:气象出版社,2011.

[2] 童尧青,银燕,许遐祯,等.南京地区雾的气候特征[J].南京气象学院学报,2009,32(1):115-120.

[3] 蔡玉荣,张玲,李中斌,等.章丘大雾气候特征分析[ J].山东气象,2011,31(4):73-74.

[4] 任俊杰.基于小波变换的数据分析方法研究[J].科学技术创新.科学技术创新,2019(16):39-40.

[5] 姚阿漫,李文宾.基于小波分析的石羊河流域径流量的变化趋势[J].地下水,2013,35(4):118-119,148.

猜你喜欢

小波分析大雾
大雾帖(组诗)
趣谈大雾的功与过
小波分析在桥梁健康检测中的应用探析
晋西北偏关县55年降水周期分析
成都地区近30年大雾的气候特征分析
球床反应堆内气—液两相流压差波动信号时域特性研究
大雾
基于小波分析的声发射信号去噪问题研究
应用型本科院校信息与计算科学专业小波分析课程理论与实践教学的探索
贵州省两次大雾过程的对比分析