徐澤華, 韓 美

?

山東省干旱時(shí)空分布特征及其與ENSO的相關(guān)性*

徐澤華, 韓 美**

(山東師范大學(xué)地理與環(huán)境學(xué)院 濟(jì)南 250358)

基于山東省15個(gè)氣象臺(tái)站1964—2010年的逐月降水和平均氣溫資料, 采用標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)定量分析了山東省不同時(shí)間尺度干旱發(fā)生頻率, 利用Mann-Kendall非參數(shù)檢驗(yàn)法和Arcgis軟件, 對(duì)近50年山東省干旱的時(shí)空變化趨勢(shì)進(jìn)行分析。為了研究厄爾尼諾/南方濤動(dòng)(ENSO)對(duì)山東省干旱的影響, 運(yùn)用連續(xù)小波(CWT)、交叉小波變換(XWT)和小波相干譜(WTC)分析SPEI與ENSO指數(shù)(多變量ENSO指數(shù), MEI)的相關(guān)關(guān)系和周期特征。結(jié)果表明: 多時(shí)間尺度的SPEI值可以較好地反映山東省的干旱情況; 不同時(shí)間尺度的SPEI值隨時(shí)間變化的敏感性存在明顯差異, 時(shí)間尺度越小, 變化幅度越大。近50年山東地區(qū)呈現(xiàn)明顯的增暖趨勢(shì), 其中東部增溫最為顯著, 降水減少和溫度升高使山東氣候趨于“暖干化”, 加劇山東省干旱程度。空間變化趨勢(shì)上, 山東省年SPEI和山東省年降水的空間分布具有一致性, 總體有西部變濕潤(rùn)、東部變干的趨勢(shì)。在干旱發(fā)生時(shí)間尺度上, 月尺度干旱發(fā)生頻率高于年尺度干旱發(fā)生頻率, 四季中春、秋季干旱最為嚴(yán)重。春旱和秋旱以魯西和魯西北平原發(fā)生頻率最高, 各地區(qū)之間差異明顯。ENSO暖事件時(shí), 山東易旱; ENSO冷事件時(shí), 干旱減少。SPEI存在1~2.5 a尺度的年際振蕩周期特征, 呈現(xiàn)了與MEI指數(shù)相似的變化特征。高能量區(qū), SPEI和MEI存在5~6 a的共振周期, SPEI較MEI提前1~2個(gè)月; 低能量區(qū), SPEI與MEI存在3~3.8 a呈負(fù)相位的共振周期。

山東省; SPEI; 干旱; ENSO事件; 多變量ENSO指數(shù); 小波分析

干旱是全球造成損失最大的自然災(zāi)害, 也是對(duì)人類(lèi)社會(huì)影響最為嚴(yán)重的氣象災(zāi)害之一, 近些年中國(guó)干旱災(zāi)害頻發(fā), 干旱持續(xù)時(shí)間長(zhǎng), 影響范圍大, 造成了巨大經(jīng)濟(jì)損失[1]。研究表明, 近50年中國(guó)北方地區(qū)持續(xù)干化, 其中華北地區(qū)干旱化趨勢(shì)嚴(yán)重, 降水減少和溫度升高是形成當(dāng)前華北地區(qū)顯著干化的主要原因[2]。山東省作為華北地區(qū)重要省份, 是中國(guó)重要的農(nóng)產(chǎn)區(qū), 素有“糧棉油之庫(kù), 水果水產(chǎn)之鄉(xiāng)”之稱(chēng), 糧食產(chǎn)量居全國(guó)第2位, 并擁有全國(guó)最大的蔬菜基地[3]。由于降水量年內(nèi)分配不均, 使山東省旱澇災(zāi)害頻繁, 給農(nóng)業(yè)生產(chǎn)和社會(huì)經(jīng)濟(jì)發(fā)展帶來(lái)重大影響[4]。因此研究近50年山東干旱變化的規(guī)律, 為山東省干旱預(yù)警, 對(duì)山東省糧食安全、生態(tài)環(huán)境建設(shè)以及社會(huì)經(jīng)濟(jì)發(fā)展具有重要的現(xiàn)實(shí)意義[5]。

由于干旱形成原因和影響因素的不同, 導(dǎo)致干旱指數(shù)的選取無(wú)法統(tǒng)一[6], 常用的干旱指數(shù)包括Palmer干旱指數(shù)(PDSI)、CI指數(shù)、Z指數(shù)以及標(biāo)準(zhǔn)化降水指數(shù)(SPI)等[7]。PDSI可以較好地監(jiān)測(cè)區(qū)域干旱程度, 對(duì)溫度的響應(yīng)也比較靈敏, 但是PDSI指數(shù)存在一定的局限性, 比如, 主要適用于干旱、半干旱區(qū)域, 在旱情等級(jí)界定上有主觀因素, 在判斷極端旱情時(shí)可能會(huì)滯后幾個(gè)月[8]。標(biāo)準(zhǔn)化降水指數(shù)(SPI)計(jì)算過(guò)程簡(jiǎn)便, 具有多時(shí)間尺度, 適用于旱澇監(jiān)測(cè)評(píng)估, 但是無(wú)法反映溫度對(duì)干旱趨勢(shì)變化的影響。Vicente-Serrano等[9]在SPI的基礎(chǔ)上引入潛在蒸散, 提出了新的監(jiān)測(cè)與評(píng)估干旱的氣候指數(shù)SPEI (standardized precipitation evapotranspiration index), 該指數(shù)在考慮了與干旱直接相關(guān)的降水條件影響的同時(shí), 也考慮了溫度對(duì)干旱程度的影響, 比單純考慮降水的SPI指數(shù)、Z指數(shù)及降水距平指數(shù)等對(duì)干旱有更真實(shí)的反映。相關(guān)學(xué)者[10-14]運(yùn)用SPEI指數(shù)對(duì)全國(guó)、東北地區(qū)及我國(guó)云南省、河南省和北京等區(qū)域干旱時(shí)空特征進(jìn)行分析, 得到了很好的驗(yàn)證。張玉靜等[6]應(yīng)用SPEI指數(shù)對(duì)華北冬麥區(qū)干旱時(shí)空分布特征進(jìn)行研究, 得出SPEI指數(shù)在華北地區(qū)的干旱監(jiān)測(cè)與分析中具有較好適用性的結(jié)論。

但鮮有學(xué)者將SPEI指數(shù)與厄爾尼諾/南方濤動(dòng)(ENSO)相結(jié)合, 探討ENSO對(duì)干旱的影響。本文將SPEI指數(shù)應(yīng)用于山東省, 結(jié)合山東省15個(gè)地面氣象觀測(cè)站1964—2010年逐月降水量和平均氣溫的實(shí)測(cè)資料, 應(yīng)用Mann-Kendall非參數(shù)統(tǒng)計(jì)檢驗(yàn)法和Arcgis軟件對(duì)山東省干旱時(shí)間變化及其空間分布格局進(jìn)行分析, 同時(shí)基于連續(xù)小波分析較長(zhǎng)時(shí)間SPEI序列的年際代振蕩特征基礎(chǔ)上, 采用交叉小波變換(cross wavelet transform, XWT)和小波相干譜(Wavelet coherence, WTC)探討山東省干旱與ENSO的相關(guān)關(guān)系, 以期更好地服務(wù)于山東省的干旱監(jiān)測(cè)和水資源管理, 并為農(nóng)業(yè)生產(chǎn)提供相應(yīng)服務(wù)。

1 研究區(qū)域概況

山東省位于中國(guó)東部沿海、黃河下游, 介于114°47′~122°43′E, 34°23′~38°24′N(xiāo), 東西長(zhǎng)約700 km、南北寬約420 km, 陸地總面積15.67萬(wàn)km2, 東臨黃海并與朝鮮半島、日本列島隔海相望, 北隔渤海與遼東半島相對(duì), 西連亞歐大陸。山東的地勢(shì), 中部為隆起的山地, 東部和南部為和緩起伏的丘陵區(qū), 北部和西北部為平坦的黃河沖積平原。山東省地形以平原丘陵為主, 平原、盆地約占全省面積的63%; 山地、丘陵約占34%; 河流、湖泊約占3%。山東省屬典型的暖溫帶季風(fēng)氣候區(qū), 夏季盛行偏南風(fēng), 高溫多雨; 冬季刮偏北風(fēng), 寒冷干燥; 春季天氣多變, 干旱少雨多風(fēng)沙; 秋季天氣晴朗, 冷暖適中。全省年均降水量一般為550~950 mm, 其分布特點(diǎn)是東南多西北少。年平均氣溫11~14 ℃, 由東北沿海向西南內(nèi)陸遞增。特殊的地理和氣象特點(diǎn)使全省氣象災(zāi)害多, 造成的損失大[4]。

2 數(shù)據(jù)來(lái)源及研究方法

2.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于中國(guó)氣象數(shù)據(jù)共享網(wǎng)(http://cdc. cma.gov.cn/home.do), 選用山東省15個(gè)氣象站點(diǎn)(圖1)1964—2010年月平均氣溫和月降水?dāng)?shù)據(jù), 個(gè)別站點(diǎn)缺失的數(shù)據(jù)按照鄰近站點(diǎn)線性回歸法進(jìn)行插補(bǔ), 數(shù)據(jù)可靠性和連續(xù)性均能滿(mǎn)足研究的需求。DEM數(shù)據(jù)為美國(guó)國(guó)防部國(guó)家測(cè)繪局發(fā)布的SRTM數(shù)據(jù)(http://www.cgiar-csi.org/)。本文分別以年、季、月作為研究尺度, 季節(jié)的定義為: 3—5月為春季, 6—8月為夏季, 9—11月為秋季, 12月和翌年1—2月為冬季。ENSO現(xiàn)象的相位和強(qiáng)度采用多變量ENSO指數(shù)(MEI) (https://www.esrl.noaa.gov/psd/enso/mei/index.html), 并選取1964—2010年逐月數(shù)據(jù)。

圖1 山東省氣象站點(diǎn)分布圖

2.2 研究方法

2.2.1 SPEI計(jì)算

SPEI的假設(shè)是歷史同月的累積水分虧缺量(即降水量減去蒸散量)序列服從三參數(shù)Log-logistic分布。其主要計(jì)算步驟如下[9]。

第一步計(jì)算潛在蒸散量(PET)。采用Vicente- Serrano推薦的Thornthwaite方法:

式中: PET為潛在蒸散量;T為月平均溫度;為年熱量指數(shù);為常數(shù), 由決定,=0.49+0.179-0.000 077 12+ 0.000 000 6753。

第二步, 計(jì)算逐月降水量與蒸散量的差額:

式中:D為降水量與蒸散量的差值,P為月降水量, PET為月蒸散量。

第三步采用3個(gè)參數(shù)的Log-logistic概率分布對(duì)D數(shù)據(jù)序列進(jìn)行正態(tài)化, 計(jì)算每個(gè)數(shù)值對(duì)應(yīng)的SPEI指數(shù):

式中: 參數(shù)、、的計(jì)算采用式(5)-(7)。

式中: Γ為階乘函數(shù),0、1、2為數(shù)據(jù)序列D的概率加權(quán)矩:

式中:為參與計(jì)算的月份個(gè)數(shù)。最后對(duì)累計(jì)概率密度進(jìn)行標(biāo)準(zhǔn)化:

當(dāng)累計(jì)概率≤0.5時(shí):

式中:0=2.515 517,1=0.802 853,2=0.010 328,1=1.432 788,2=0.189 269,3=0.001 308。

表1給出了國(guó)際上通用的基于SPEI指數(shù)的干旱等級(jí)劃分標(biāo)準(zhǔn), 利用該標(biāo)準(zhǔn), 即可以確定站點(diǎn)在某一年發(fā)生干旱的程度[15]。

表1 SPEI值的干旱等級(jí)分類(lèi)

2.2.2 干旱發(fā)生頻率

計(jì)算干旱發(fā)生頻率的公式如下[16]:

=/×100% (13)

式中:為數(shù)據(jù)序列中干旱發(fā)生的次數(shù),為數(shù)據(jù)序列數(shù)。

2.2.3 Mann-Kendall趨勢(shì)檢驗(yàn)法

Mann-Kendall趨勢(shì)分析法用來(lái)檢驗(yàn)干旱趨勢(shì), Mann-Kendall檢驗(yàn)中樣本不需要遵循一定的分布, 也不會(huì)受到極少數(shù)異常值的影響, 在水文、氣象等非正態(tài)分布的數(shù)據(jù)中有很大的適用性, 具有計(jì)算方便等特點(diǎn)[17]。Mann-Kendall統(tǒng)計(jì)量, 大于0時(shí)是上升趨勢(shì), 小于0時(shí)是下降趨勢(shì)。的絕對(duì)值在大于等于1.28、1.64和2.32時(shí), 分別表示通過(guò)了信度90%、95%和99%的顯著性檢驗(yàn)。本方法在MATLAB軟件中編程實(shí)現(xiàn)。

3 結(jié)果與分析

3.1 山東省多尺度干旱特征

從圖2可以看出, 不同時(shí)間尺度的SPEI值隨時(shí)間變化的敏感性存在明顯差異, 時(shí)間尺度越小, 變化越顯著, 其值也會(huì)發(fā)生較大變化。月尺度SPEI (SPEI-1)受每月溫度和水分變化的影響, 能較為準(zhǔn)確地反映土壤含水量, 可用于制定農(nóng)業(yè)排水灌溉期; 季尺度SPEI(SPEI-3)主要受季節(jié)氣溫和降水的影響, 能較好地反映土壤下層含水量[13]。SPEI-1對(duì)短期降水和溫度變化比較敏感, 數(shù)值波動(dòng)性較大。SPEI-3波動(dòng)周期相對(duì)較長(zhǎng), 能更好地體現(xiàn)干濕季節(jié)變化規(guī)律。年尺度SPEI(SPEI-12)相對(duì)聚攏、穩(wěn)定, 可反映干旱年際變化特征, 對(duì)于下層土壤水分和河流徑流量等有較好地反映[12,18]。據(jù)山東氣象災(zāi)害大典記載, 山東干旱出現(xiàn)幾率高, 地理范圍廣且持續(xù)時(shí)間長(zhǎng)。月尺度SPEI值波動(dòng)頻率較高, 波動(dòng)幅度較大, 充分體現(xiàn)了山東省月季尺度旱澇頻繁交替的特性。年尺度SPEI值表征的干旱與山東省歷史干旱年份情況較為一致: 1968年全省大旱, 春旱和伏旱尤為嚴(yán)重; 1981年全省特大干旱, 降水量比常年偏少37%, 1982年旱情在上年嚴(yán)重干旱的基礎(chǔ)上繼續(xù)發(fā)展; 1989年全省大旱, 受災(zāi)面積大、時(shí)間長(zhǎng)且災(zāi)情重; 1992年全省嚴(yán)重干旱, 1—7月降雨較常年同期偏少52%; 1997年全省嚴(yán)重干旱, 青島地區(qū)發(fā)生有氣象記錄以來(lái)最嚴(yán)重的大范圍干旱; 1999年全省大旱, 魯西北、魯西南、半島和魯中等地區(qū)農(nóng)田受旱嚴(yán)重[19]; 2002年全省干旱, 降水量比常年偏少37.9%[20]。季尺度SPEI值和年尺度SPEI值在這幾個(gè)時(shí)期保持較大的負(fù)值, 與歷史記錄中較大規(guī)模的干旱有很好的對(duì)應(yīng)關(guān)系。綜上說(shuō)明多時(shí)間尺度的SPEI值可以有效地反映山東省的旱澇程度。

3.2 山東省降水和氣溫時(shí)空變化對(duì)干旱的影響

從圖3a可以看出山東年降水氣候傾向率為-7.54 mm?(10a)-1, 呈現(xiàn)下降趨勢(shì), 但沒(méi)通過(guò)顯著性水平檢驗(yàn), 表明下降趨勢(shì)不夠明顯; 山東年平均氣溫(圖3b)以0.32 ℃?(10a)-1的速率顯著上升(<0.01), 增溫趨勢(shì)明顯。降水減少和溫度升高使山東氣候趨于“暖干化”, 加劇山東地區(qū)干旱程度。

利用山東省15個(gè)站點(diǎn)的月平均氣溫和月降水資料, 計(jì)算了每個(gè)站點(diǎn)溫度和降水2個(gè)變量1964—2010年的Mann-Kendall統(tǒng)計(jì)量, 從圖4可以看出, 1964—2010年山東降水和氣溫變化速率空間差異明顯, 除莘縣站外, 山東西部和魯中山地降水呈上升趨勢(shì), 其中濟(jì)南站>1.64, 通過(guò)了置信度95%的顯著性檢驗(yàn), 上升趨勢(shì)顯著, 其他大部分地區(qū)降水呈下降趨勢(shì)。IPCC第4次評(píng)估報(bào)告中指出近100年全球平均氣溫約上升0.74 ℃[21], 我國(guó)近50年來(lái)平均溫度升高1.1 ℃, 增溫率為0.22 ℃?(10a)-1[6]。我國(guó)山東地區(qū)增溫明顯, 增溫率為0.32 ℃?(10a)-1, 增溫率超過(guò)全國(guó)的平均水平。如圖4b所示, 山東省全區(qū)域氣溫都呈顯著上升趨勢(shì)(通過(guò)了置信度99%的顯著性檢驗(yàn)), 其中東部區(qū)域增溫速率較大, 這與張玉靜等[6]的研究結(jié)果相一致。

圖2 1964—2010年山東多時(shí)間尺度標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)長(zhǎng)期動(dòng)態(tài)特征

圖3 1964—2010年山東省年降水量(a)和年平均氣溫(b)年際變化

圖4 1964—2010年山東省年降水(a)和氣溫(b)變化趨勢(shì)空間分布特征

星號(hào)(加號(hào))代表上升(下降)趨勢(shì)不顯著, 正三角代表上升; 形狀大小表示通過(guò)了不同的顯著性檢驗(yàn)。Asterisks (plus) represents no significant increase (decline) trend. Positive triangle represents rise. Size of marks indicates significance level.

3.3 山東省干旱空間變化特征

為進(jìn)一步分析山東省干旱變化趨勢(shì)的空間分布特征, 將各氣象站47年季節(jié)尺度和年尺度SPEI值的Mann-Kendall統(tǒng)計(jì)量值使用Arcgis軟件制作成SPEI的值空間分布圖(圖5)。從圖5可以看出各季節(jié)干旱變化趨勢(shì)存在明顯差異, 春季大致呈現(xiàn)西升東降的規(guī)律, 西部呈濕潤(rùn)化態(tài)勢(shì), 東部呈干旱化態(tài)勢(shì), 其中濟(jì)南站濕潤(rùn)化趨勢(shì)顯著(<0.05)。夏季西部和魯中山地呈濕潤(rùn)化趨勢(shì), 但都沒(méi)有通過(guò)顯著性檢驗(yàn)(>0.05), 其他地區(qū)除長(zhǎng)島和威海呈微弱濕潤(rùn)化趨勢(shì)外, 都呈現(xiàn)干旱化態(tài)勢(shì)。秋季全省都呈干旱化態(tài)勢(shì), 沿海地區(qū)除青島站呈微弱干旱化趨勢(shì)外, 其他地區(qū)都呈較顯著的干旱化態(tài)勢(shì)(<0.1)。冬季除東部和東南部等小部分地區(qū)外, 其他地區(qū)都呈干旱化態(tài)勢(shì)。年尺度上, 除魯中山地呈濕潤(rùn)化態(tài)勢(shì)外, 其他地區(qū)均有變干的態(tài)勢(shì), 其中濰坊站和成山頭站變干趨勢(shì)顯著(<0.05)。

總體而言, 除秋季全區(qū)域呈干旱化態(tài)勢(shì)外, 其他季節(jié)和年尺度上全省各地區(qū)均有變干或濕潤(rùn)化的態(tài)勢(shì), 且空間格局典型, 春夏和年尺度上, 大致有膠東半島呈干旱化趨勢(shì), 西部?jī)?nèi)陸呈濕潤(rùn)化趨勢(shì)的規(guī)律, 而冬季與之相反。

3.4 山東省干旱空間分布特征

季節(jié)尺度上, 春旱主要發(fā)生在魯西地區(qū)和膠東半島東部地區(qū), 各地區(qū)之間差異明顯(圖6a)。干旱發(fā)生頻率最大值出現(xiàn)在莘縣和日照地區(qū), 達(dá)38%以上, 沂源和莒縣地區(qū)干旱發(fā)生頻率最低, 在30%左右。夏旱較春旱發(fā)生頻率低, 但地區(qū)差異較大(圖6b), 干旱發(fā)生頻率最大值為龍口和青島地區(qū), 達(dá)40%以上; 膠東半島東部和魯東南地區(qū)干旱發(fā)生頻率最低, 在28%左右, 其他地區(qū)為29%~34%。秋旱發(fā)生頻率空間差異較大(圖6c), 高頻地區(qū)主要集中在魯西北地區(qū), 發(fā)生頻率均在36%以上, 青島地區(qū)干旱發(fā)生頻率最低, 僅為27.66%, 秋旱整體發(fā)生頻率高于夏季。冬旱高頻地區(qū)主要集中在魯東地區(qū)(圖6d), 尤其是魯東的海陽(yáng)地區(qū), 干旱發(fā)生頻率達(dá)40%以上, 其他地區(qū)干旱發(fā)生頻率穩(wěn)定在26%~30%, 整體干旱發(fā)生頻率低于秋季。

年尺度干旱發(fā)生頻率整體偏低(圖6e), 地區(qū)差異較小, 濟(jì)南和兗州干旱發(fā)生頻率較高, 達(dá)36%以上, 莘縣和長(zhǎng)島地區(qū)干旱發(fā)生頻率最低, 在26%左右。其他大部分地區(qū)干旱發(fā)生頻率穩(wěn)定在29%~31%。

月尺度干旱發(fā)生頻率整體偏高(圖6f), 均在31%以上, 魯西北平原和膠東半島東部地區(qū)干旱發(fā)生頻率較低, 為31%~33%, 其他大部分地區(qū)干旱發(fā)生頻率穩(wěn)定在34%~36%, 青島地區(qū)干旱發(fā)生頻率最高, 達(dá)35.99%, 惠民干旱發(fā)生頻率最低, 為31.91%, 整體干旱發(fā)生頻率高于年尺度。

3.5 山東省嚴(yán)重及以上干旱空間分布特征

春季嚴(yán)重及以上干旱主要分布在膠東半島中西部和魯東南地區(qū), 魯中西和膠東半島東部發(fā)生頻率較低(圖7a), 其中莒縣和青島地區(qū)發(fā)生頻率最高, 均在10%以上。魯中山地的泰山地區(qū)發(fā)生頻率最低, 僅為2.13%, 各地區(qū)之間差異顯著。夏季嚴(yán)重及以上干旱各地區(qū)間差異較小(圖7b), 濰坊和日照地區(qū)發(fā)生頻率最高, 都在10%以上。龍口地區(qū)發(fā)生頻率最低, 僅為4.25%, 其他地區(qū)發(fā)生頻率穩(wěn)定在6%~9%。秋季嚴(yán)重及以上干旱主要分布在魯西南和膠東半島西部地區(qū)(圖7c), 發(fā)生頻率最高的是青島和兗州地區(qū), 為10.64%。魯西北平原和膠東半島東部地區(qū)發(fā)生頻率較低, 均在5%以下。其他地區(qū)在6%~9%, 各地區(qū)之間差異較夏季大。冬季嚴(yán)重及以上干旱主要分布在魯西南地區(qū)(圖7d), 其中莘縣干旱發(fā)生頻率最高, 達(dá)13.04%。魯西北和膠東半島南部發(fā)生頻率整體較低, 均在7%以下, 其他地區(qū)干旱發(fā)生頻率在8%~11%, 地區(qū)間差異較大。

圖5 山東省1964—2010年四季和年的干旱指數(shù)變化趨勢(shì)

星號(hào)(加號(hào))代表上升(下降)趨勢(shì)不顯著; 正三角代表上升, 倒三角代表下降; 形狀大小表示通過(guò)了不同的顯著性檢驗(yàn)。Asterisks (plus) represents no significant increase (decline) trend. Positive triangle represents rise, and inverted triangle represents decline. Size of marks indicates significance level.

年尺度上, 嚴(yán)重及以上干旱主要分布在魯西和魯西北地區(qū)(圖7e), 其中莘縣和濟(jì)南地區(qū)發(fā)生頻率最高, 達(dá)12.77%。干旱發(fā)生頻率最低的為魯西南的兗州和膠東半島的龍口, 僅為4.26%。其他地區(qū)在6%~10%, 地區(qū)間差異明顯。

月尺度上, 嚴(yán)重及以上干旱呈現(xiàn)北高南低的規(guī)律(圖7f)。位于魯西的莘縣和長(zhǎng)島干旱發(fā)生頻率最高, 均為6.21%, 位于魯中山地的泰山干旱發(fā)生頻率最低, 僅為4.08%, 其他地區(qū)干旱發(fā)生頻率在4%~6%, 地區(qū)之間差異很小。

圖6 山東省1964—2010年各尺度干旱發(fā)生頻率

圖7 山東省1964—2010年各尺度重度及以上干旱發(fā)生頻率

3.6 ENSO對(duì)山東干旱的影響

趙永平等[22]發(fā)現(xiàn)ENSO通過(guò)影響東亞季風(fēng)環(huán)流和太平洋副熱帶高壓, 對(duì)中國(guó)從沿海到內(nèi)陸的氣候都產(chǎn)生不同程度的影響。因此, 本文分析了ENSO事件對(duì)山東省干旱的影響。對(duì)1964—2010年ENSO暖事件和ENSO冷事件與山東省月尺度SPEI值進(jìn)行統(tǒng)計(jì)(表2), ENSO冷暖事件對(duì)應(yīng)月份見(jiàn)http://origin.cpc. ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php, SPEI值為歷時(shí)月份的月均值。研究結(jié)果如下: ENSO暖事件時(shí), SPEI月均值為-0.024;ENSO冷事件時(shí), SPEI月均值為0.011; ENSO冷暖事件時(shí), SPEI月均值為-0.007; ENSO非冷暖事件時(shí), SPEI月均值為0.021。雖然ENSO冷暖事件和非ENSO冷暖事件中SPEI月均值的絕對(duì)值普遍偏小, 在干旱等級(jí)分類(lèi)中屬于“正?！? 但SPEI的數(shù)值越大, 越趨向于“濕潤(rùn)”, 值越小, 越趨向于“干旱”。從結(jié)論可以明顯看出, ENSO暖事件時(shí), SPEI月均值明顯小于ENSO冷事件時(shí)的SPEI月均值; ENSO冷暖事件時(shí), SPEI月均值明顯小于非ENSO冷暖事件時(shí)的SPEI月均值, 說(shuō)明ENSO冷暖事件變化對(duì)山東省干旱有一定的影響。

表2 1964—2010年ENSO冷暖事件及對(duì)應(yīng)山東省標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)

3.7 基于連續(xù)小波的SPEI值和ENSO指數(shù)的振蕩特征

ENSO指數(shù)采用多變量ENSO指數(shù)(MEI), MEI指數(shù)是將海溫、經(jīng)向風(fēng)、緯向風(fēng)、海平面氣壓、海平面附近溫度以及天空云量6個(gè)參數(shù)通過(guò)一套計(jì)算方式換算得到[23]。連續(xù)小波變換反映了信號(hào)自身的時(shí)間尺度變換特征。圖8中黃色與藍(lán)色分別表示能量密度的峰值和谷值, 反映了主導(dǎo)波動(dòng)組分時(shí)頻變換的局部性和動(dòng)態(tài)性特征[24], 黑色細(xì)實(shí)線為小波邊界效應(yīng)影響錐, 粗黑實(shí)線表示通過(guò)置信水平為95%的紅噪聲檢驗(yàn)。從圖8中可以看出, 表征山東省干旱的年SPEI和MEI指數(shù)在不同時(shí)間段呈現(xiàn)出各種振蕩周期和不同的顯著性水平。SPEI在1986—1992年存在1.0~2.5 a的震蕩周期(通過(guò)置信水平為95%的紅噪聲檢驗(yàn)), MEI在1968—1974年、1983—1990年和1990—1999年分別存在1.8~4.0 a、3.0~5.5 a和4.0~6.0 a的震蕩周期(通過(guò)置信水平為95%的紅噪聲檢驗(yàn))。對(duì)比可知, SPEI干旱指數(shù)和MEI指數(shù)在一定時(shí)段存在時(shí)頻域相關(guān)。

3.8 SPEI值與ENSO指數(shù)的關(guān)系

運(yùn)用MATLAB軟件對(duì)表征山東省干旱的年SPEI和ENSO(MEI)的時(shí)間序列進(jìn)行交叉小波變換和相干小波變換, 進(jìn)一步分析SPEI與ENSO相關(guān)指數(shù)周期之間的共同特征。交叉小波變換和相干小波變換分別重點(diǎn)突出SPEI變化與MEI指數(shù)在時(shí)頻域中高能量區(qū)和低能量區(qū)的相互關(guān)系(圖9)。圖中箭頭方向反映了SPEI與MEI指數(shù)動(dòng)態(tài)的相位關(guān)系, 其中由左向右的箭頭表示SPEI與MEI指數(shù)動(dòng)態(tài)同相位, 由右指向左的箭頭表示反相位, 垂直向下表示SPEI的小波變換提前MEI指數(shù)90°, 垂直向上則表示MEI指數(shù)比SPEI提前90°。黑色細(xì)實(shí)線為小波邊界效應(yīng)影響錐, 在該曲線以外的功率譜由于受到邊界效應(yīng)的影響而不予考慮; 粗黑實(shí)線表示通過(guò)置信水平為95%的紅噪聲檢驗(yàn)[25]。從圖9a中可以看出, 交叉小波功率譜高能量區(qū)在1987—1989年表現(xiàn)出2.0~2.8 a的共振周期(小波交叉功率譜相關(guān)性通過(guò)了顯著性水平=0.05 下的紅色噪音標(biāo)準(zhǔn)譜檢驗(yàn)); 5.0~6.0 a的共振周期主要表現(xiàn)在1982—1990年, SPEI與MEI呈負(fù)相位變化, 同時(shí)提前1~2個(gè)月(平均位相角左向下約45°)。小波相干功率譜低能量區(qū)(圖9b), SPEI與MEI在1968—1972年存在3.0~3.8 a呈負(fù)相位的共振周期(小波相干譜相關(guān)性通過(guò)了顯著性水平=0.05下的紅色噪音標(biāo)準(zhǔn)譜檢驗(yàn))。

圖8 1964—2010年山東省標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI) (a)和多變量ENSO指數(shù)(b)連續(xù)小波變換

圖9 1964—2010年山東省標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)與Multivariate ENSO Index的交叉小波(a)和相干小波(b)功率譜

4 討論

SPEI指數(shù)在山東地區(qū)的干旱監(jiān)測(cè)與分析中具有較好的適用性, 能準(zhǔn)確地反映山東省干旱變化的時(shí)空特征, 并識(shí)別氣候變暖背景下研究區(qū)干旱發(fā)生年份, 如1966、1968、1981、1983、1988、1989、1992、1997、1999和2000年, 山東發(fā)生大旱, 全省受旱面積超過(guò)了總耕地面積的1/2[19], 這在圖2中得到了較好的反映。

降水減少和溫度升高使近50年山東氣候朝著暖干方向發(fā)展[26], 加劇了山東省的干旱程度。主要表現(xiàn)在: 季節(jié)尺度上, 秋季的全域干旱化; 春季和夏季, 山東省東部區(qū)域呈干旱化趨勢(shì), 干旱化分布范圍廣、旱象較為嚴(yán)重; 冬季除東部和東南部等地區(qū)外, 其他地區(qū)呈干旱化趨勢(shì)。年尺度上, 與春、夏季基本一致, 山東省東部大范圍區(qū)域呈干旱化態(tài)勢(shì)。SPEI融合了降水和溫度對(duì)于區(qū)域干旱的影響, 當(dāng)溫度的空間變化趨勢(shì)較為一致時(shí), 降水的空間變化格局對(duì)SPEI的空間變化有著重要影響, 從圖4和圖5可知, 山東省全域氣溫都呈現(xiàn)上升趨勢(shì), 山東省年SPEI和山東省年降水的空間分布具有明顯的一致性。

不同尺度干旱來(lái)說(shuō), 月尺度干旱發(fā)生頻率最高, 年尺度干旱發(fā)生頻率最低。對(duì)于季節(jié)性干旱, 山東省春秋季干旱較為嚴(yán)重, 夏季次之, 冬季最弱。山東春季降水量稀少, 約占年降水量的15%, 而春季恰是山東主要糧食作物小麥的返青生長(zhǎng)成熟期, 需水量較大, 因此山東多春旱; 早秋是山東秋收作物的生長(zhǎng)成熟期, 需水量較大, 秋旱發(fā)生幾率也較高, 僅次于春旱。干旱是山東省的主要自然災(zāi)害, 造成的經(jīng)濟(jì)損失僅次于洪澇災(zāi)害, 1997年, 山東遭遇百年不遇的大旱, 不僅導(dǎo)致農(nóng)作物生長(zhǎng)發(fā)育不良而大幅減產(chǎn)或絕產(chǎn), 而且造成部分工廠企業(yè)停產(chǎn), 直接經(jīng)濟(jì)損失達(dá)172.4億元[19]。王海軍等[27]研究得出華北地區(qū)的氣溫在20世紀(jì)90年代中期表現(xiàn)出明顯的增溫趨勢(shì), 氣溫偏高使土壤蒸發(fā)加快, 進(jìn)一步加快了旱情的發(fā)展。

大氣環(huán)流的規(guī)律性運(yùn)動(dòng)和異常是形成山東干旱和特大干旱的主要原因, 常年9月至翌年5月, 受東亞槽后西北下沉氣流影響, 西南暖濕氣流很少有機(jī)會(huì)到達(dá)山東, 降水稀少, 加之天氣晴朗, 空氣干燥, 因此多干旱發(fā)生。ENSO現(xiàn)象[28]是赤道東南太平洋海面溫度異常的強(qiáng)信號(hào), 反映的是全球尺度的氣候振蕩, 被認(rèn)為是年際尺度最顯著的氣候信號(hào)之一, 它的發(fā)生往往會(huì)引起全球性氣候異常。盧愛(ài)剛等[29]利用中國(guó)各地區(qū)1949—1990年間旱災(zāi)的受災(zāi)面積比和成災(zāi)面積比, 分別與ENSO指數(shù)進(jìn)行相關(guān)分析, 指出華北地區(qū)對(duì)ENSO響應(yīng)的程度最為強(qiáng)烈。本文從月尺度的干旱入手, 探討ENSO冷暖事件變化對(duì)應(yīng)SPEI-1數(shù)值的變化, 發(fā)現(xiàn)ENSO暖事件時(shí), SPEI月均值明顯小于ENSO冷事件時(shí)的SPEI月均值, ENSO冷暖事件時(shí), SPEI月均值明顯小于非ENSO冷暖事件時(shí)的SPEI月均值。這可能是因?yàn)镋NSO暖事件時(shí), 赤道東太平洋海溫增高、西太平洋海溫降低, 導(dǎo)致東亞季風(fēng)減弱, 西太平洋副熱帶高壓位置南移, 使得中國(guó)主要季風(fēng)雨帶偏南, 并且在南方徘徊的時(shí)間較長(zhǎng), 從而使中國(guó)夏季和秋季北方地區(qū)特別是華北地區(qū)降水減少, 干旱頻發(fā)。而ENSO冷事件時(shí)期的原因可能正好相反, 北方地區(qū)特別是華北地區(qū)夏季和秋季多雨的可能性增加, 干旱減少[30]。進(jìn)一步研究年尺度SPEI值和ENSO多元指數(shù)MEI的振蕩特征發(fā)現(xiàn), SPEI在1.0~2.5 a尺度上明顯, MEI在1.8~4.0 a尺度上明顯, 雖然尺度上不能完全對(duì)應(yīng), 但有交叉, 說(shuō)明SPEI和MEI有相似的震蕩周期變化。SPEI與MEI的相關(guān)性主要體現(xiàn)在5.0~6.0 a的年際尺度上, 說(shuō)明ENSO對(duì)山東省干旱在較短年際周期交替上有著重要的作用。SPEI與MEI在1968—1972年存在3.0~3.8 a呈負(fù)相位的共振周期, 說(shuō)明MEI對(duì)山東地區(qū)干旱有著積極地促進(jìn)作用。

本文從區(qū)域氣候變化和ENSO現(xiàn)象等方面探討了其對(duì)干旱的影響, 但這不足以闡述干旱發(fā)生的所有原因, 形成干旱的原因還有很多, 如水資源不足, 降水量年際變化大、年內(nèi)分配不均, 保水工程和土壤儲(chǔ)水能力低等。

5 結(jié)論

本文基于SPEI指數(shù)對(duì)山東省近50年不同時(shí)間尺度的干旱特征進(jìn)行了分析, 從干旱發(fā)生頻率角度定量分析了山東省干旱的空間分布特征, 揭示了山東省干旱發(fā)生的時(shí)空變化特征及干旱發(fā)生的機(jī)制原因。有以下主要結(jié)論: 多時(shí)間尺度的SPEI值可以較好地反映山東省的干旱情況, 不同時(shí)間尺度的SPEI值隨時(shí)間變化的敏感性存在明顯差異, 時(shí)間尺度越小, 變化越顯著。近50年山東地區(qū)呈現(xiàn)明顯的增暖趨勢(shì), 降水減少和溫度升高使山東氣候趨于“暖干化”, 加劇山東省干旱程度?？臻g變化趨勢(shì)上, 山東省年SPEI和山東省年降水的空間分布具有明顯的一致性。在干旱發(fā)生尺度上, 月尺度干旱發(fā)生頻率高于年尺度干旱發(fā)生頻率, 春秋季干旱較為嚴(yán)重, 夏季次之, 冬季最弱。春旱和秋旱以魯西和魯西北平原干旱發(fā)生頻率最高, 各地區(qū)之間差異明顯。ENSO暖事件時(shí), 山東易旱; ENSO冷事件時(shí), 干旱減少。MEI和SPEI有相似的震蕩周期變化, 并在較短年際上對(duì)山東干旱有促進(jìn)作用。

[1] 王東, 張勃, 安美玲, 等. 基于SPEI的西南地區(qū)近53a干旱時(shí)空特征分析[J]. 自然資源學(xué)報(bào), 2014, 29(6): 1003–1016WANG D, ZHANG B, AN M L, et al. Temporal and spatial distributions of drought in southwest China over the past 53 years based on standardized precipitation evapotranspiration index[J]. Journal of Natural Resources, 2014, 29(6): 1003–1016

[2] 馬柱國(guó), 符淙斌. 1951–2004年我國(guó)北方干旱化的基本事實(shí)[C]//全國(guó)旱情監(jiān)測(cè)技術(shù)與抗旱減災(zāi)措施交流研討會(huì)論文集. 青島: 中國(guó)水利技術(shù)信息中心, 2009: 2429–2439MA Z G, FU C B. The basic facts of drought in northern China from 1951 to 2004[C]//National Drought Monitoring Technology and Drought Mitigation Measures Papers. Qingdao: China Water Conservancy Technical Information Center, 2009: 2429–2439

[3] 姜德娟, 李志, 王昆. 1961~2008年山東省極端降水事件的變化趨勢(shì)分析[J]. 地理科學(xué), 2011, 31(9): 1118–1124JIANG D J, LI Z, WANG K. Trends of extreme precipitation events over Shandong Province from 1961 to 2008[J]. Scientia Geographica Sinica, 2011, 31(9): 1118–1124

[4] 王慶, 馬倩倩, 夏艷玲, 等. 最近50年來(lái)山東地區(qū)夏季降水的時(shí)空變化及其影響因素研究[J]. 地理科學(xué), 2014, 34(2): 220–228WANG Q, MA Q Q, XIA Y L, et al. Spatial-temporal variations and influential factors of summer precipitation in Shandong region during the last 50 years[J]. Scientia Geographica Sinica, 2014, 34(2): 220–228

[5] 張勃, 張耀宗, 任培貴, 等. 基于SPEI法的隴東地區(qū)近50a干旱化時(shí)空特征分析[J]. 地理科學(xué), 2015, 35(8): 999–1006 ZHANG B, ZHANG Y Z, REN P G, et al. Analysis of drought spatial-temporal characteristics based on SPEI in eastern region of Gansu in recent 50 years[J]. Scientia Geographica Sinica, 2015, 35(8): 999–1006

[6] 張玉靜, 王春乙, 張繼權(quán). 基于SPEI指數(shù)的華北冬麥區(qū)干旱時(shí)空分布特征分析[J]. 生態(tài)學(xué)報(bào), 2015, 35(21): 7097–7107ZHANG Y J, WANG C Y, ZHANG J Q. Analysis of the spatial and temporal characteristics of drought in the North China Plain based on standardized precipitation evapotranspiration index[J]. Acta Ecologica Sinica, 2015, 35(21): 7097–7107

[7] 翟祿新, 馮起. 基于SPI的西北地區(qū)氣候干濕變化[J]. 自然資源學(xué)報(bào), 2011, 26(5): 847–857 ZHAI L X, FENG Q. Dryness/wetness climate variation based on standardized precipitation index in Northwest China[J]. Journal of Natural Resources, 2011, 26(5): 847–857

[8] 周丹, 張勃, 任培貴, 等. 基于標(biāo)準(zhǔn)化降水蒸散指數(shù)的陜西省近50a干旱特征分析[J]. 自然資源學(xué)報(bào), 2014, 29(4): 677–688 ZHOU D, ZHANG B, REN P G, et al. Analysis of drought characteristics of Shaanxi Province in recent 50 years based on standardized precipitation evapotranspiration index[J]. Journal of Natural Resources, 2014, 29(4): 677–688

[9] VICENTE-SERRANO S M, BEGUERíA S, LóPEZ-MORENO J I. A multiscalar drought index sensitive to global warming: The standardized precipitation evapotranspiration index[J]. Journal of Climate, 2010, 23(7): 1696–1718

[10] 李偉光, 易雪, 侯美亭, 等. 基于標(biāo)準(zhǔn)化降水蒸散指數(shù)的中國(guó)干旱趨勢(shì)研究[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2012, 20(5): 643–649 LI W G, YI X, HOU M T, et al. Standardized precipitation evapotranspiration index shows drought trends in China[J]. Chinese Journal of Eco-Agriculture, 2012, 20(5): 643–649

[11] 沈國(guó)強(qiáng), 鄭海峰, 雷振鋒. 基于SPEI指數(shù)的1961—2014年?yáng)|北地區(qū)氣象干旱時(shí)空特征研究[J]. 生態(tài)學(xué)報(bào), 2017, 37(17): 5882–5893 SHEN G Q, ZHENG H F, LEI Z F. Spatiotemporal analysis of meteorological drought (1961–2014) in Northeast China using a standardized precipitation evapotranspiration index[J]. Acta Ecologica Sinica, 2017, 37(17): 5882–5893

[12] 許玲燕, 王慧敏, 段琪彩, 等. 基于SPEI的云南省夏玉米生長(zhǎng)季干旱時(shí)空特征分析[J]. 資源科學(xué), 2013, 35(5): 1024–1034 XU L Y, WANG H M, DUAN Q C, et al. The temporal and spatial distribution of droughts during summer corn growth in Yunnan Province based on SPEI[J]. Resources Science, 2013, 35(5): 1024–1034

[13] 史本林, 朱新玉, 胡云川, 等. 基于SPEI指數(shù)的近53年河南省干旱時(shí)空變化特征[J]. 地理研究, 2015, 34(8): 1547–1558SHI B L, ZHU X Y, HU Y C, et al. Spatial and temporal variations of drought in Henan Province over a 53-year period based on standardized precipitation evapotranspiration index[J]. Geographical Research, 2015, 34(8): 1547–1558

[14] 蘇宏新, 李廣起. 基于SPEI的北京低頻干旱與氣候指數(shù)關(guān)系[J]. 生態(tài)學(xué)報(bào), 2012, 32(17): 5467–5475 SU H X, LI G Q. Low-frequency drought variability based on SPEI in association with climate indices in Beijing[J]. Acta Ecologica Sinica, 2012, 32(17): 5467–5475

[15] 張強(qiáng), 鄒旭愷, 肖風(fēng)勁. GB/T20481—2006 氣象干旱等級(jí)[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2006ZHANG Q, ZHOU X K, XIAO F J. GB/T20481—2006 Classification of Meteorological Drought Category[S]. Beijing: China Standard Press, 2006

[16] 張調(diào)風(fēng), 張勃, 王小敏, 等. 基于綜合氣象干旱指數(shù)(CI)的干旱時(shí)空動(dòng)態(tài)格局分析——以甘肅省黃土高原區(qū)為例[J]. 生態(tài)環(huán)境學(xué)報(bào), 2012, 21(1): 13–20 ZHANG T F, ZHANG B, WANG X M, et al. Temporal and spatial analysis of drought for recent 50 years in Loess Plateau of Gansu Province based on meteorological drought composite index[J]. Ecology and Environmental Sciences, 2012, 21(1): 13–20

[17] 秦年秀, 姜彤, 許崇育. 長(zhǎng)江流域徑流趨勢(shì)變化及突變分析[J]. 長(zhǎng)江流域資源與環(huán)境, 2005, 14(5): 589–594 QIN N X, JIANG T, XU C Y. Trends and abruption analysis on the discharge in the Yangtze Basin[J]. Resources and Environment in the Yangtze Basin, 2005, 14(5): 589–594

[18] 張?jiān)儡? 郝智文, 王雁, 等. 基于SPEI和SPI指數(shù)的太原多尺度干旱特征與氣候指數(shù)的關(guān)系[J]. 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(9): 1418–1424ZHANG Y J, HAO Z W, WANG Y, et al. Multiscale characteristics of drought based on SPEI and SPI in association with climate index in Taiyuan[J]. Ecology and Environmental Sciences, 2014, 23(9): 1418–1424

[19] 溫克剛, 王建國(guó), 孫典卿. 中國(guó)氣象災(zāi)害大典. 山東卷[M]. 北京: 氣象出版社, 2006WEN K G, WANG J G, SUN D Q. China Meteorological Disaster Ceremony (Shandong Coils)[M]. Beijing: Meteorology Publish House, 2006

[20] 山東省水利廳. 2002年山東省水資源公報(bào)[EB/OL]. (2004- 05-12). http://www.sdwr.gov.cn/zwgk/ggsjkf/sjkfml/szygb/Department of Water Resources of Shandong. Shandong water resources bulletin 2002[EB/OL]. (2004-05-12). http://www.sdwr. gov.cn/zwgk/ggsjkf/sjkfml/szygb/

[21] IPCC. Climate Change 2007: The Physical Science Basis, Summary for Policy Makers[R]. Paris: IPCC, 2007

[22] 趙永平, 陳永利. 一百多年來(lái)ENSO事件分類(lèi)和ENSO循環(huán)研究[J]. 海洋湖沼通報(bào), 1998, (3): 7–12ZHAO Y P, CHEN Y L. The classification of ENSO events over recent one hundred plus years[J]. Transactions of Oceanology and Limnology, 1998, (3): 7–12

[23] D’ODORICO P, YOO J C, OVER T M. An assessment of ENSO-induced patterns of rainfall erosivity in the Southwestern United States[J]. Journal of Climate, 2000, 14(21): 4230–4242

[24] 王亞敏, 張勃, 郭玲霞, 等. 地磁Ap指數(shù)與太陽(yáng)黑子數(shù)的交叉小波分析及R/S分析[J]. 地理科學(xué), 2011, 31(6): 747–752WANG Y M, ZHANG B, GUO L X, et al. Cross wavelet analysis and R/S analysis of relationship between geomagnetic Ap index and sunspot number[J]. Scientia Geographica Sinca, 2011, 31(6): 747–752

[25] 趙一飛, 鄒欣慶, 張勃, 等. 黃土高原甘肅區(qū)降水變化與氣候指數(shù)關(guān)系[J]. 地理科學(xué), 2015, 35(10): 1325–1332 ZHAO Y F, ZOU X Q, ZHANG B, et al. Precipitation variation in association with climate indices in Loess Plateau of Gansu Province, Northwest China[J]. Scientia Geographica Sinca, 2015, 35(10): 1325–1332

[26] 廉麗姝, 李為華, 朱平盛. 山東省近40年氣候變化特征[J]. 氣象科技, 2006, 34(1): 57–61LIAN L S, LI W H, ZHU P S. Analysis of climate change in Shandong Province since 1961[J]. Meteorological Science and Technology, 2006, 34(1): 57–61

[27] 王海軍, 張勃, 趙傳燕, 等. 中國(guó)北方近57年氣溫時(shí)空變化特征[J]. 地理科學(xué)進(jìn)展, 2009, 28(4): 643–650WANG H J, ZHANG B, ZHAO C Y, et al. The Spatio-temporal characteristics of temperature change in recent 57 years in northern China[J]. Progress in Geography, 2009, 28(4): 643–650

[28] 李芬, 張建新, 郝智文, 等. 山西降水與ENSO的相關(guān)性研究[J]. 地理學(xué)報(bào), 2015, 70(3): 420–430 LI F, ZHANG J X, HAO Z W, et al. Correlation analysis of rainfall and ENSO in Shanxi[J]. Acta Geographica Sinica, 2015, 70(3): 420–430

[29] 盧愛(ài)剛, 葛劍平, 龐德謙, 等. 40a來(lái)中國(guó)旱災(zāi)對(duì)ENSO事件的區(qū)域差異響應(yīng)研究[J]. 冰川凍土, 2006, 28(4): 535–542 LU A G, GE J P, PANG D Q, et al. Asynchronous response of droughts to ENSO in China[J]. Journal of Glaciology and Geocryology, 2006, 28(4): 535–542

[30] 陳世發(fā). ENSO對(duì)韶關(guān)市1951—2013年降雨侵蝕力影響研究[J]. 地理科學(xué), 2016, 36(10): 1573–1580 CHEN S F. Impact of ENSO on rainfall erosivity in Shaoguan City during 1951–2013[J]. Scientia Geographica Sinica, 2016, 36(10): 1573–1580

Spatio-temporal distribution characteristics of drought in Shandong Province and it relationship with ENSO*

XU Zehua, HAN Mei**

(School of Geography and Environment, Shandong Normal University, Jinan 250358, China)

Drought is the most devastating natural disaster in the world. In recent years, prolonged droughts with huge impacts had caused enormous economic losses in China. Shandong Province belongs to a semi-humid climate, with complex and diverse underlying surfaces and sparse surface vegetation that is sensitive to climate change. Due to uneven distribution of precipitation during the year, drought and flood disasters in Shandong Province have been frequent, with significant impact on agricultural production and socio-economic development. Given the above, it was pivotal to study the spatial and temporal changes in drought in Shandong Province for application in drought monitoring and water resources management. Based on monthly precipitation and average temperature data from 15 meteorological stations in Shandong Province from 1964–2010, the frequency of drought at different time-scales in Shandong Province was quantitatively analyzed using standardized precipitation evapotranspiration index (SPEI). Using the Mann-Kendall non-parametric test method and Arcgis platform, the trends in temporal and spatial variation of drought in Shandong Province in the recent 50 years were analyzed. In order to study the impact of El Ni?o/Southern Oscillation (ENSO) on drought in Shandong Province, the continuous wavelet (CWT), cross wavelet transform (XWT) and wavelet coherence spectrum (WTC) were used to analyze the correlation between SPEI and ENSO index with the periodic characteristics. The results showed that SPEI at multiple time-scales reflected drought condition in Shandong Province. The sensitivity of time-varying SPEI was obviously different. The smaller the time-scale was, the greater the variation range was. In the recent 50 years, Shandong Province had an obvious warming trend, which was most significant in the eastern part of the province. Decrease in precipitation and increase in temperature induced warm and dry climate in Shandong, which aggravated drought conditions in the province. The spatial distributions of SPEI and annual precipitation in Shandong Province were consistent with the trend in spatial change, and the trend in the west had become more humid and in the east more dry. On the time scale of drought occurrence, the frequency of monthly drought was higher than that of annually drought, with spring and autumn having the most severe droughts across the four seasons. The highest frequency of drought occurred in West Shandong and Northwest Shandong Plain, with distinctive difference among different regions. With ENSO warm events, Shandong became prone to drought and ENSO cold events reduced droughts conditions. The annual-inter-annual oscillation cycle characteristics of SPEI was 1.0-2.5 years, showing similarity with the characteristics of Multiple ENSO Index (MEI). In high energy sector, the resonance period was 5.0-6.0 years for SPEI and MEI, but 1-2 months ahead of MEI. In low energy sector, there was a negative phase resonance period for SPEI and MEI of 3.0-3.8 years. The study provided a quantitative basis for understanding the spatial and temporal changes in drought in Shandong Province under global climate change. It also was helpful to decision-makers by improving preparedness and adoption of appropriate policies for agricultural management.

Shandong Province; SPEI; Drought; ENSO event; Multiple ENSO index; Wavelet analysis

, E-mail: hanmei568568@126.com

Nov. 9, 2017;

Apr. 20, 2018

P429

A

1671-3990(2018)08-1236-13

10.13930/j.cnki.cjea.171024

* 國(guó)家自然科學(xué)基金面上項(xiàng)目(41371517)和山東省科技攻關(guān)計(jì)劃(2013GSF11706)資助

韓美, 研究方向?yàn)橘Y源與環(huán)境。E-mail: hanmei568568@126.com 徐澤華, 研究方向?yàn)闅夂蜃兓?。E-mail: 944571456@qq.com

2017-11-09

2018-04-20

* The study was supported by the National Natural Science Foundation of China (41371517) and Shandong Science and Technology Research Program (2013GSF11706).

徐澤華, 韓美. 山東省干旱時(shí)空分布特征及其與ENSO的相關(guān)性[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào), 2018, 26(8): 1236-1248

XU Z H, HAN M. Spatio-temporal distribution characteristics of drought in Shandong Province and it relationship with ENSO[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1236-1248