基于M-K與Morlet的清鎮市降水量特征分析

張　皓，金昭貴，劉宇鵬，袁仕鋒，許　毅，李　娟，滕萬里，王祿靜，李龍玲，許仍祥

(1.清鎮市氣象局，貴州 清鎮　550014； 2.貴州省山地環境氣候研究所，貴州 貴陽　550002)

氣候變化作為一個影響全人類生存發展的重大問題越來越受到各方的關注，有關氣候變化的研究成果也多見諸報道。林婧婧等[1]在中國氣候態變化特征及其對氣候變化的影響中運用氣候評價等級指標和極值標準對中國歷年基本氣象要素數據進行了定量分析；徐梅等[2]采用Mann-Kendall非參數統計對天津市近20 a酸雨變化特征及趨勢進行了分析；晏紅明等[3]通過相關性、合成分析等方法討論了歐亞大陸熱力差異與中國降水異常的關系；陳丹等[4]借助經驗正交函數分解、距平合成和相關分析等方法，對西南地區夏季大氣水汽含量及其與南亞高壓關系進行了研究；嚴小冬等[5]分析了貴州近50 a氣溫時空分布特征；劉益蘭[6]通過貴陽近80 a氣溫變化的小波分析，得到小波波幅中心間的周期增長、波幅加強與貴陽溫度增暖期和變冷期的關系。清鎮市地處貴陽市以西22 km，域內農業、旅游等資源豐富。清鎮國家一般氣象觀測站，始建于1956年，積累了大量的氣象數據，作者以清鎮市1965—2015年降水量為研究對象，通過對降水量的變化特征、趨勢分析、周期變化等方面的分析以期為清鎮市氣候變化研究及決策服務提供依據。

1　材料與方法

1.1　材料

分析的數據選取于1965—2015年清鎮國家一般氣象觀測站降水量數據。清鎮國家一般氣象觀測站自1956年建站，一直進行降水連續觀測。

1.2　方法

采用EXCLE 2007、SPSS 20.0，計算1965—2015年清鎮市春、夏、秋、冬及全年的平均降水量、標準差、變異系數、相關系數等。

借助MATLAB 12 a通過Morlet連續復小波[7]變換來分析降雨量時間序列的多時間尺度特征。小波分析的基本思想是用一簇小波函數系來表示或逼近某一信號或函數。

Morlet連續復小波表達式：

式中，fb是帶寬參數,fc是小波中心頻率。

采用Mann-Kendall非參數統計方法對1965—2015年清鎮市的降水量進行趨勢分析。該方法不需要樣本遵從一定的分布，也不受少數異常值的干擾，適用于水文、氣象等非正態分布的數據[8-9]。

2　結果與分析

2.1　降水變化特征

由表1可知，清鎮市年降水量最高為1 768.8 mm，出現在2014年，最低為1981年的699.1 mm；春季降水最高為483.9 mm，出現在2014年，最低為2011年的152.6 mm；夏季降水最高為915.7 mm，出現在1999年，最低為1981年的220.6 mm；秋季降水最高為546.6 mm，出現在1972年，最低為2002年的109.3 mm；冬季降水最高為120.2 mm，出現在1982年，最低為1969年的20.3 mm。西南低渦是造成我國西南地區夏半年暴雨洪澇等氣象災害的主要影響系統[10]，多發于川西高原、云貴高原和四川盆地的5—10月，1981年發生較少僅為23次[11]，清鎮市1981年夏季降水量低與西南渦出現次數少直接相關。

表1　清鎮市1965—2015年的降水情況

在進行降水量變異強度評價時引入了薛正平等[12]的3級評價法：變異系數<10%，弱變異；10%～30%，中等變異；>30%，強變異。1965—2015年清鎮市春季降水量的變異系數為28.5%，夏季為31.9%，秋、冬季均為34.4%，四季間的變異系數為61.6%。51 a間春季降水量為中等變異，其余各季及之間為強變異，而年際變異系數僅為18.0%，為弱變異。

由表2可知，1月降水量與7月降水量顯著正相關，相關系數為0.351；3月降水量與7月降水量顯著正相關，相關系數為0.305；4月降水量與7月降水量顯著負相關，相關系數為-0.285；4月降水量與11月降水量顯著負相關，相關系數為-0.277。各相關月份間以冬季代表月1月與夏季代表月7月的相關性最強且為正，說明冬季與次年夏季之間存在韻律現象[13]，這一結果和李瑜等[14]的研究結果相同。

表2　清鎮市各月降水量的相關性

2.2　降水周期

小波系數實部等值線圖(圖1)能反映降水量序列不同時間尺度的周期變化及其在時間域中的分布，進而能判斷在不同時間尺度上降水量的變化趨勢。總體而言，在降水變化過程中存在著3～7，7～12和22～32 a的3種不同尺度的周期。其中，在22～32 a尺度上出現了降水豐—欠交替的準5次震蕩；在7～12 a時間尺度上存在準5次震蕩。同時，還可以看出以上2個尺度的周期變化在整個分析時段具有全域性，表現非常穩定；3～7 a的尺度周期變化，在1995年以后才表現得較為穩定。

圖1　1965—2015年清鎮市降水量的小波實部系數

小波系數方差(圖2)能反映降水量時間序列的波動能量隨尺度(年)的分布情況。可用來確定降水量演化過程中存在的主周期。圖2存在3個較為明顯的峰值，依次對應著28、10和4 a的時間尺度。其中，最大峰值對應著28 a的時間尺度，說明28 a周期震蕩最強，為清鎮市年降水量變化的第1主周期；10 a時間尺度對應著第2峰值，為清鎮市年降水量變化的第2主周期，第3峰值對應著4 a的時間尺度，為清鎮市年降水量變化的第3主周期。

圖2　1965—2015年清鎮市降水量小波系數方差

2.3　降水趨勢變化

Mann-Kendall非參數統計中Z=0.69，表明1965—2015年清鎮市降水量呈增長趨勢，但是未達顯著水平，通過一元線性回歸分析，其降水上升幅度估計為每年0.53 mm(圖3)。

圖3　　　　1965—2015年清鎮市降水量的年際變化及線性回歸

Mann-Kendall 法突變檢測中得出UF(k)和UB(k)，并結合上限(U1)、下限(U2)繪制出1965—2015年清鎮市降水量突變點圖(圖4)，圖4中UF(k)>0，表明序列為上升趨勢；在1965—1975年UB(k)>0,序列為上升趨勢，1975—2015年UB(k)<0，序列為下降趨勢。UF(k)和UB(k)交點為1965、1974、2015年，且交點在上限(U1)、下限(U2)之間，故可知1965、1974、2015年為研究區間降水量變化突變年。

圖4　1965—2015年清鎮市降水量的突變檢測

3　小結

清鎮市1965—2015年年降水量最高為1 768.8 mm，出現在2014年，最低為1981年的699.1 mm；1981年夏季降水量最低，與西南渦出現次數少直接相關。春季降水量為中等變異，其余各季及之間為強變異，而年際變異系數僅為18.0%，為弱變異。各相關月份間以冬季代表月1月與夏季代表月7月的相關性最強且為正，說明冬季與次年夏季之間存在韻律現象。1965—2015年降水變化存在著3～7、7～12和22～32 a的3類尺度的周期變化規律。28 a周期震蕩最強，為清鎮市年降水量變化的第1主周期；10 a時間尺度對應著第2峰值，為年降水量變化的第2主周期，第3峰值對應著4 a的時間尺度，為年降水量變化的第3主周期。1965—2015年清鎮市年降水量呈增長趨勢，但是未達顯著水平，其降水上升幅度估計為每年0.53 mm，1965、1974、2015年為研究區間降水量變化突變年。

參考文獻：

[1]林婧婧,張強.中國氣候態變化特征及其對氣候變化分析的影響[J].高原氣象,2014,34(6):1593-1600.

[2]徐梅,祝青林,朱玉強,等.近20年天津市酸雨變化特征及趨勢分析[J].氣象,2016,42(4):436-442.

[3]晏紅明,王靈,李蕊.1—3月歐亞大陸熱力變化及其與我國降水的關系[J]．應用氣象學報，2016，27(2):209-219.

[4]陳丹,周長艷,鄧夢雨.西南地區夏季大氣水汽含量及其與南亞高壓關系[J]．應用氣象學報,2016，27(4):473-479.

[5]嚴小冬,金建德,雷云,等.貴州近5 a氣溫時空分布特征分析[J].貴州氣象,2005,29(2):6-9.

[6]劉益蘭.貴陽近八十年氣溫變化的小波分析[J].貴州氣象,2001,25(2):10-14.

[7]胡昌華,張軍波,夏軍,等.基于MATLAB的系統分析與設計：小波分析[M].西安:西安電子科技大學出版社, 1999：210-217.

[8]MANN H B. Non-parametric test against trend[J]. Economet-rica, 1945, 13(3): 245-259.

[9]KENDALL M G. Rank correlation methods[M]. London: Charles Griffin, 1975.

[10]李國平,萬軍,盧敬華.暖性西南低渦生成的一種可能機制[J].應用氣象學報,1991(1):91-99.

[11]葉瑤，李國平. 近61年夏半年西南低渦的統計特征與異常發生的流型分析[J].高原氣象,2016,35(4)：946-954.

[12]薛正平,楊星衛,段項鎖,等.土壤養分空間變異及合理取樣數研究[J].農業工程學報,2002,18(4):6-9.

[13]蘇聯在天氣過程韻律作用方面的新研究[M]．楊鑒初，譯．北京：科學出版社，1956：1-79．

[14]李瑜,李維京,任宏利,等.長江中下游地區冬夏干濕韻律特征分析[J].氣象學報,2015(3):496-504.