芮廣軍，孫 朋，楊會寧，薛倩倩，錢悅辰，劉雅婷，隨仙姿

(宿州學(xué)院環(huán)境與測繪工程學(xué)院， 234000，安徽宿州)

研究發(fā)現(xiàn)近50～60 a中國增溫趨勢為0.023 ℃/a，增溫總量和增溫趨勢皆高于全球平均水平(0.85 ℃與0.012 ℃/a)[1]。以全球變暖為主的氣候變化不僅改變區(qū)域水分循環(huán)，加劇干旱風(fēng)險，同時對氣候的干濕狀況區(qū)間分布格局產(chǎn)生重要影響，進(jìn)而影響區(qū)域尺度干濕格局時空動態(tài)[2-3]。地域系統(tǒng)中氣候過渡地帶是生態(tài)環(huán)境最為脆弱的地區(qū)和氣候變化最敏感區(qū)域之一[4]，其干濕區(qū)界線變化對區(qū)內(nèi)的生態(tài)屏障建設(shè)及抗旱減災(zāi)尤為重要，其波動能直觀反映某地區(qū)氣候的干濕變化[5]。近年來，利用濕潤指數(shù)對區(qū)域的干濕狀況展開研究已有一定的理論實踐積累[6-8]，以降水與蒸散比值作為干濕指數(shù)(dry-wet index，K)由于指代意義明確，計算便利，近年來而被廣泛應(yīng)用到不同空間尺度上，成為氣候區(qū)劃分析的重要標(biāo)準(zhǔn)[9-10]。

淮河流域地處南北氣候、高低緯度和海陸相三種過渡地帶的重疊地區(qū)，經(jīng)常受南北冷暖氣流交匯的影響，降水量變化頻繁，旱澇災(zāi)害頻發(fā)，其干濕格局的研究也成為近年來研究的熱點[11-14]。然而，隨著全球變化的日益加劇，氣候動蕩變化不規(guī)律性近10年來愈加明顯，加之受制于蒸散發(fā)和降水在時間變化上具有周期性、隨機性和區(qū)域變化上的相似性與特殊性，給量化干濕指數(shù)時空特征帶來不便。近年來，云模型因其對不同時空尺度數(shù)據(jù)的模糊性、隨機性和穩(wěn)定性有更為精確的量化描述而逐漸得到推廣[13]。因此，筆者引入云模型分析手段，開展1959—2018年淮河流域干濕指數(shù)時空分異與尺度擴展，以期為探究地表干濕過程時空演變過程與量化手段開展新嘗試，同時為科學(xué)認(rèn)知全球變化背景下淮河流域和地域系統(tǒng)干濕格局響應(yīng)差異規(guī)律提供案例支撐，也為過渡氣候帶下水土保持提供背景環(huán)境數(shù)據(jù)[15-16]。

1 研究區(qū)概況

淮河流域位于我國東部，地處E 111°55′～121°20′，N 30°55′～36°20′，位于黃河和長江流域之間，流域面積27萬km2，為我國南北氣候、高低緯度和海陸相3種過渡地帶的重疊區(qū)(圖1)。屬暖溫帶半濕潤和亞熱帶濕潤季風(fēng)氣候，年均溫為11～16 ℃，氣溫變化由南向北、由陸向海遞減，無霜期約為200～240 d。多年平均降水量約為877 mm，分布格局由北向南遞增，季節(jié)分配上冬春少雨干旱、夏秋多雨悶熱，雨熱同期，冷暖、早澇變化急劇。

圖1 淮河流域氣象站點分布圖Fig.1 Distribution of meteorological stations in Huaihe River Basin

為保證研究區(qū)各氣象站點在時空上的統(tǒng)一性、連續(xù)性與勻衡性，選取淮河流域27個氣象站點1959—2018年逐月降水量數(shù)據(jù)，通過計算得到月尺度上的干濕指數(shù)(K)，數(shù)據(jù)為中國氣象局國家氣象信息中心編撰制作的中國地面氣候資料月值數(shù)據(jù)集(http:∥data.cma.cn)。缺測數(shù)據(jù)利用相鄰月的數(shù)據(jù)平均值進(jìn)行插補，依據(jù)氣象學(xué)標(biāo)準(zhǔn)及便于年際變化研究的原則對季節(jié)進(jìn)行劃分。采用氣象學(xué)標(biāo)準(zhǔn)對季節(jié)進(jìn)行劃分: 即3—5月為春季，6—8月為夏季，9—11月為秋季，12月至翌年2月為冬季。

2 研究方法

2.1 標(biāo)準(zhǔn)蒸散量的測定

參照蒸散量的研究是水循環(huán)研究的重要組成部分，參照蒸散量的計算用FAO56 Penman-Monteith(PM)方法。該模型[17]描述如下：

(1)

式中：E為最大可能蒸散發(fā),mm；Rn為作物表面凈太陽輻射, MJ/m2；G為土壤熱通量密度, MJ/m2；T為2 m高處平均日溫,℃；u2為2 m高處的風(fēng)速,m/s；es為飽合水汽壓, kPa；ea為實際水汽壓,kPa；Δ為水汽壓斜率kPa/℃；γ為濕度常數(shù)kPa/℃。Rn參數(shù)本土化：FAO-56PM公式參數(shù)的區(qū)域化修正是進(jìn)行潛在蒸散估算的前提[18]，式(1)中氣象數(shù)據(jù)參量采取曹雯等[19]在最優(yōu)參考作物蒸散估算模型的參數(shù)化方案。

2.2 干濕指數(shù)

K是表征地區(qū)干濕的指數(shù)，反映某地、某時段水分的收入和支出狀況。筆者以干濕指數(shù)作為干濕氣候劃分的標(biāo)準(zhǔn)之一，其計算公式為：

(2)

式中：K為干濕指數(shù)，量綱為1；P為降水量，mm。表1為K與干濕氣候區(qū)劃分[20]。

表1 干濕指數(shù)的干濕氣候區(qū)劃分Tab.1 Dry and wet climate zone by dry-wet index K

2.3 云模型

設(shè)U是一個精確數(shù)值表示的論域，C是U上的定性概念，對于任意一個論域中的元素x，都存在一個有穩(wěn)定傾向的隨機數(shù)μ(x)∈[0，1]，即為x對C的隸屬度，則x在論域U上的分布稱為云(cloud)，每個x稱為云滴。

用云的數(shù)字特征期望Ex，熵En和超熵He表示語言值的數(shù)學(xué)性質(zhì)。熵(En)是定性概念不確定性的度量，反映能夠代表這個定性概念的云滴的離散程度，即相對于平均值的離散程度，En值越大，表明序列越分散；超熵(He)用來度量熵(En)的不均勻程度，即熵的熵，體現(xiàn)序列不均勻性的穩(wěn)定程度。云模型的實施可通過正向云與逆向云實現(xiàn)。

2.3.1 正向云發(fā)生器 CG(Ex，En，He，n) 輸入：數(shù)字特征，生成云滴個數(shù)；輸出：n個云滴x及其確定度drop(xi，μi),i=1, 2,…,n。具體計算步驟如下[13,21-24]：

2)生成以Ex為期望值，為E′ni2方差的1個正態(tài)隨機數(shù)xi=NORM(En,E′ni2)。

3)計算確定度ui。

4)具有確定度μi的xi成為數(shù)域中的1個云滴。

5)重復(fù)步驟(1)～(4)，直到產(chǎn)生要求的n個云滴為止。

2.3.2 逆向云發(fā)生器 CG-1(Ex，En，He，n) 輸入：樣本點xi，其中i=1,2,…,n;輸出：反映定性概念的數(shù)字特征(Ex，En，He)。具體計算步驟如下：

1)根據(jù)xi計算這組數(shù)據(jù)的樣本均值：

一階樣本絕對中心矩：

樣本方差：

2)期望值：

3)由樣本均值獲得熵為：

4)超熵為：

3 結(jié)果與分析

3.1 干濕指數(shù)年尺度變化特征

1959—2018年，淮河流域多年平均干濕指數(shù)K為0.882，2003年為最大值1.41，1966年為最小值0.50，干濕指數(shù)在波動中略呈上升趨勢，其時間變化趨勢特征如圖2所示。5年滑動平均變化曲線大致可分為“五峰五谷”，其中1991—2005年為較長時間的低谷期，K以0.000 4的傾向率上升，氣候呈現(xiàn)出輕微的趨濕性，這與申雙和等[25]利用我國1975—2004年的濕潤指數(shù)數(shù)據(jù)進(jìn)行干濕氣候劃分的結(jié)果一致。同時1959—2018年，淮河流域多年平均降水量為877.02 mm，最大值為2003年1 242.92 mm，最小值為1966年567.24 mm；多年平均潛在蒸散量為1 013.72 mm，最大值和最小值分別為1966年1 163.40 mm和2003年893.60 mm，以-1.030 3 mm/a的變化率下降。

圖2 1959—2018年淮河流域K年尺度變化趨勢Fig.2 Annual change trend of K in Huaihe River Basin from 1959-2018

U為隸屬度，K為干濕指數(shù)；下同。U：Membership；K：dry-wet index. The same as below.圖3 1959—2018年淮河流域K時間數(shù)字 特征隸屬度云圖Fig.3 Membership of K time digital feature in Huaihe River Basin from 1959-2018

圖3為1959—2018年淮河流域K時間數(shù)字特征隸屬度的云模型圖，可見淮河流域K在60 a的期望為0.881 7，熵為0.165 6，表明K值大小相較均值的確定度和離散度較低。超熵為0.019 6，對論域中有貢獻(xiàn)的云滴主要落在[0.38，1.39]區(qū)間中，Ex距離區(qū)間端點值較小，表明K分布的隨機性和模糊性較小，超熵He度量熵(En)的離散與不均勻性，體現(xiàn)確定度的不確定性，其值大小反映序列不均勻性的穩(wěn)定程度，K時間序列隸屬度的穩(wěn)定性較好。

1959—2018年淮河流域P、E、K的年代際變化趨勢如表2所示，淮河流域P最大均值出現(xiàn)在2000—2009年間為922.88 mm，最小均值為1980—1989年間的851.51 mm，整體各年代際均超過800 mm，屬于多水帶。其中1959—1999年變化率為負(fù)值，呈現(xiàn)減少的趨勢，1970—1979年變率最低為-18.155 mm/a，2010—2018年變化率最高為24.194 mm/a，P整體以0.071 6 mm/a的變化率輕微上升。E最大均值為1959—1969年1 066.48 mm，最小均值為1980—1989年982.89 mm。2000—2009年變化率最低為-4.409 mm/a，在1959—1979、1990—1999年間變化率為正值，整體上E以-1.030 3 mm/a的變化率下降。K的變化率在1990—1999年間最小，2010—2018年間變化率最大，在P、E的共同影響在波動中略呈上升趨勢，氣候呈現(xiàn)出輕微的趨濕性。

表2 1959—2018年淮河流域P、E、K年代際變化趨勢Tab.2 Trend of decadal variation in Huaihe River Basin P, E, and K during 1959-2018

3.2 不同季節(jié)干濕指數(shù)年際變化特征

圖4 1959—2018年淮河流域K季節(jié)尺度變化趨勢Fig.4 Seasonal scale change trend of K in Huaihe River Basin 1959-2018

1959—2018年淮河流域K季節(jié)尺度變化趨勢如圖4所示，呈現(xiàn)出夏季﹥秋季﹥春季﹥冬季的分布格局，線性回歸系數(shù)表明春、秋季節(jié)呈現(xiàn)下降趨勢，夏、冬季節(jié)呈現(xiàn)上升趨勢。其中夏季上升趨勢最大，這與東部季風(fēng)區(qū)夏雨集中且量大的氣候特征有關(guān)，同時云量增加使輻射能力削弱和E值減小所致。在變化趨勢上，秋季線性回歸的方差最小，變化趨勢最為穩(wěn)定，冬季、夏季次之，春季干濕指數(shù)變化趨勢最不穩(wěn)定，是下降幅度最大的階段。

從1959—2018年淮河流域K季節(jié)尺度云模型圖(圖5)及云模型數(shù)字特征(表3)可見，四季熵值高于年尺度熵值，云滴分布較均勻。夏季期望值最大，秋、冬季次之，春季最??；熵值最大值為秋季，其次為夏、冬，春季最小，表明春季K的分布更均勻；超熵由低到高依次為夏季、秋季、春季、冬季，不確定性秋季最大，夏、冬季其次，春季最小。春、夏、秋、冬季對論域有貢獻(xiàn)的云滴分別落在[-0.12,1.35]、[0.28,2.11]、[-0.34,2.09]、[-0.28,1.54]區(qū)間中，四季相比，秋、夏兩季分布的模糊性和隨機性更大。

圖5 1959—2018年淮河流域K季節(jié)尺度云模型圖Fig.5 K seasonal scale cloud model of Huaihe River Basin 1959-2018

表3 淮河流域K季節(jié)尺度云模型數(shù)字特征Tab.3 Digital characteristics of K seasonal scale cloud model in Huaihe River Basin

3.3 干濕指數(shù)空間分布格局

60 a來淮河流域P、E和K的空間分布(圖6)和變化率空間分布圖(圖7)可知：降水量自北向南呈現(xiàn)出增加的趨勢，同時受地形、海拔等非地帶性因素影響，表現(xiàn)出非緯向地帶性規(guī)律。整體來看潛在蒸散量表現(xiàn)出很大的南北差異性，與降水量的空間分布相反，因氣溫北低南高、太陽輻射等的影響，大致以淮河——泗河一線為界，線西北一側(cè)分布較低，線東南一側(cè)分布較高。受降水量與蒸發(fā)量的共同作用影響，60 a來，K表現(xiàn)出與降水分布相同的分布格局，自北向南表現(xiàn)出增加的態(tài)勢?；羯?、東臺、六安、信陽、固始、盱眙、射陽等7個站點均值大于1，屬于濕潤區(qū)；其余22個站點均值均位于區(qū)間[0.5,1]內(nèi)，屬于半濕潤區(qū)。K的空間分布受地表地貌特征及緯度位置導(dǎo)致的水熱要素差異影響顯著，變化率呈現(xiàn)出由北向南增大的格局。

圖8為1959—2018年淮河流域K空間數(shù)字特征隸屬度的云模型圖，可見淮河流域K在空間上的期望為0.883 0，熵為0.207 4，大于時間分布的熵值，表明各站點的多年K比多年平均值模糊性和離散性大。超熵為0.056 3，大于時間分布的0.019 6，對論域中有貢獻(xiàn)的云滴主要落在[0.5，1.4]區(qū)間中，表明K值空間分布的離散程度相對較高，空間序列分散，序列不均勻性的穩(wěn)定程度較差。

圖6 1959—2018年淮河流域P、E、K空間分布圖Fig.6 Spatial distribution of P, E and K in Huaihe River Basin 1959-2018

圖7 1959—2018年淮河流域P、E、K變化率空間分布圖Fig.7 Spatial distribution of change rates of P, E and K in Huaihe River Basin in 1959-2018

圖8 1959—2018年淮河流域K空間數(shù)字 特征隸屬度云圖Fig.8 Membership of the K spatial digital characteristics of the Huaihe River Basin in 1959-2018

從季節(jié)尺度K空間分布云圖(圖9)及其云模型數(shù)字特征(表4)來看，期望值由高到低依次為夏季、秋季、冬季、春季，秋、冬、春三季期望值均低于空間數(shù)字特征隸屬度云圖的期望值。熵值冬季最大，春、夏季次之，秋季最低，表明秋季K空間分布的確定性更好。同時僅有秋季熵值低于空間隸屬度云圖熵值，冬季的云滴離散程度最高，秋季空間分布序列相較最為集中。超熵冬季﹥秋季﹥春季﹥夏季，夏季空間序列不均勻性的穩(wěn)定程度最高。春、夏、秋、冬季中對論域有貢獻(xiàn)的云滴主要分布在區(qū)間[-0.15,1.38]、[0.55,1.84]、[0.31,1.44]、[-0.42,1.68]中，可以看出冬季K空間分布的模糊性和隨機性更大。

4 討論

研究區(qū)蒸散變幅高于我國潛在蒸散量變化趨勢[26]，進(jìn)而使淮河流域的干濕格局總體表現(xiàn)為干濕指數(shù)和降水量等值線在空間上具有較高的一致性，和他人[27]在半濕潤區(qū)和半干旱區(qū)研究成果一致。全球變化加劇的背景下，地表水熱響應(yīng)具有較強的區(qū)域異質(zhì)性，同樣出現(xiàn)顯著的地表響應(yīng)差異，進(jìn)而影響氣候區(qū)干濕界線的震蕩效應(yīng)，本文研究發(fā)現(xiàn)半干旱與半濕潤區(qū)界限的北移與眾多學(xué)者[28-30]研究成果相同。

常規(guī)氣候傾向斜率與空間插值分異在一定程度上較為清晰地描述蒸散的變化特征，對于其時空變化在穩(wěn)定性、均勻性量化方面存在欠缺，而借助云模型參數(shù)便可以定量分析比較，通過熵與超熵反映E離散程度的時空變化情和穩(wěn)定性的時空變化情況，但是該方法的缺點在于無法直接在時間趨勢圖和空間分布圖中表現(xiàn)出離散度與穩(wěn)定性等不確定性[13-14,21-22]，筆者實踐表明基于云模型開展干濕指數(shù)特征分析與傳統(tǒng)的方法相結(jié)合互補，能夠更全面刻畫E時空分布的時空格局。

圖9 1959—2018年淮河流域K季節(jié)尺度空間分布云圖Fig.9 Spatial distribution of K-season scale in Huaihe River Basin from 1959-2018

表4 淮河流域K季節(jié)尺度空間分布云模型數(shù)字特征

5 結(jié)論

1)流域多年降水均值為877.02 mm，2010—2018年變率最高，整體以0.071 6 mm/a的變率上升；P、E相向影響，年平均K為0.882，曲線表現(xiàn)為“五峰五谷”，以0.000 4/a波動上升。K整體離散度較低，分布的隨機性和模糊性較小。

2)季節(jié)尺度干濕指數(shù)呈現(xiàn)出夏季﹥秋季﹥春季﹥冬季，春秋下降、夏冬上升的分布格局。四季干濕變化均勻度高于年尺度。在變化趨勢上，春季最為穩(wěn)定，夏冬季次之，秋季最不穩(wěn)定，是降幅最大的時段。秋季不確定性最大，夏、冬其次，春季最小。秋、夏兩季分布的模糊性和隨機性較大。

3)空間分布上，K表現(xiàn)出與降水相似的分布格局，變率由北向南增大，除東北部外其他大部分站點呈現(xiàn)出變濕的趨勢。相較于干濕指數(shù)的時間分布，干濕指數(shù)在空間分布上都較為離散、不均勻。季節(jié)變化中秋季空間分布序列相較最為集中，冬季的干濕指數(shù)離散程度最高。