曹 青,劉 康 龍,郝 振 純

(1.水利部水文氣象災(zāi)害機理與預(yù)警重點實驗室/協(xié)同創(chuàng)新中心,江蘇 南京 210044; 2.南京信息工程大學(xué) 水文與水資源工程學(xué)院,江蘇 南京 210044; 3.河海大學(xué) 水文水資源與水利工程科學(xué)國家重點實驗室,江蘇 南京 210098)

0 引 言

干旱是災(zāi)害性最大的常發(fā)自然災(zāi)害之一,對農(nóng)業(yè)、水資源供給等人類活動構(gòu)成了巨大威脅[1]。近年來,全球氣象學(xué)者提出一系列氣象干旱評價指標(biāo)來研究不同地區(qū)的干旱演化特征,如標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI)[2-3]、標(biāo)準(zhǔn)化降水指數(shù)(SPI)[4-5]、帕爾默干旱強度指數(shù)[6]等,并與農(nóng)業(yè)、環(huán)境、水利水電工程等學(xué)科交叉結(jié)合以研究干旱對不同學(xué)科現(xiàn)象的影響特征[7-8]。李華偉[9]通過Copula函數(shù)開發(fā)出的氣象-農(nóng)業(yè)模型模擬得出,新疆谷物產(chǎn)量相應(yīng)較敏感的干旱時間尺度較長,而棉花所響應(yīng)尺度較短;Cuartas等[10]基于多種干旱指數(shù)評估了巴西的水資源儲量情況,發(fā)現(xiàn)SPEI可以用于評估測站數(shù)量較少的流域干旱事件,且對巴西干旱形勢下水力水資源管理提出警醒與理論依據(jù)。與此同時,研究學(xué)者嘗試尋求地區(qū)干旱的年或年代際等多種時間尺度演變趨勢的遙相關(guān)因素和動力機制[11-12],劉仲藜等[13]、張劍明等[14]研究發(fā)現(xiàn),洞庭湖流域以及湖南大部分區(qū)域干旱事件皆與西太平洋副熱帶高壓的形勢有著顯著的相關(guān)影響。更進一步地,部分學(xué)者通過構(gòu)建數(shù)學(xué)模型并對其不斷修正以期對未來干旱現(xiàn)象做出準(zhǔn)確預(yù)警和處理[15-17]。Dikshit等[18]采用標(biāo)準(zhǔn)降水指數(shù)(SPI)和SHAP預(yù)測算法闡述了氣候變量在月尺度和年尺度不同范圍內(nèi)的重要性,以此證明了在預(yù)測模型中添加氣候變量指數(shù)作為預(yù)測因子的必要性。Malik等[19]通過有效干旱指數(shù)(EDI)研究得出GWO與SHO等元啟發(fā)式算法對氣象干旱預(yù)測具有更好的適用性和優(yōu)越性,且混合SVR-GWO模型更優(yōu)于SVR-SHO模型。

松花江流域是中國十大流域之一,作為中國東北地區(qū)重要的農(nóng)業(yè)產(chǎn)區(qū)和重工業(yè)基地,其耕地面積大、土壤肥沃等優(yōu)勢使得東北地區(qū)農(nóng)業(yè)發(fā)展十分發(fā)達,因此研究松花江流域的干旱特征對農(nóng)業(yè)災(zāi)害防治預(yù)警有著重大意義[20-21]。趙蘭蘭等[22]通過VIC模型模擬土壤含水率距平百分率指數(shù),證明了基于該指數(shù)的干旱等級劃分標(biāo)準(zhǔn)具有較好的適用性。Faiz等[23]研究發(fā)現(xiàn)基于參考蒸散量的干旱指數(shù)能夠捕捉到更多的干旱事件,且多個干旱指數(shù)在RCP8.5下皆顯示出最高的干旱發(fā)生率。通過采用WEAP模型,預(yù)測氣候變化條件下未來河流徑流可能會減少24%,且輕、中度干旱發(fā)生概率增加[24]。Song 等[25]探究了松花江干旱事件與極端降水的演變特征,得出松花江流域春季與秋季干旱發(fā)生率較高。

綜上所述,松花江流域已有的氣象干旱研究主要集中在干旱指數(shù)的時空演變和多模態(tài)特征研究,以及與農(nóng)業(yè)、植被、環(huán)境等其他領(lǐng)域的相互影響和干旱頻率強度風(fēng)險分析等方面,而在干旱現(xiàn)象年代際突變點識別以及突變前后變化差異等方面仍存在不足。在20世紀(jì)80～90年代之后,由于降水減少與全球變暖的因素,中國北方呈現(xiàn)“暖干化”趨勢[26],松花江流域作為中國重要的商品糧基地,厘清干旱指數(shù)是否存在突變及其突變前后與遙相關(guān)因子的響應(yīng)關(guān)系,有利于加深對松花江流域旱澇災(zāi)害風(fēng)險趨勢的理解。因而本研究結(jié)合多種非參數(shù)檢驗方法識別標(biāo)準(zhǔn)化降水蒸散指數(shù)時間序列突變點,并運用交叉小波變換與小波相干分析,探究突變前后標(biāo)準(zhǔn)化降水蒸散指數(shù)與遙相關(guān)因子相互作用關(guān)系的差異,具象化流域干旱突變特性的空間分布模式。研究成果可為松花江流域抗旱減災(zāi)、生態(tài)水資源管理、保障國家糧食安全等工作提供技術(shù)支撐。

1 研究區(qū)概況與數(shù)據(jù)來源

松花江是黑龍江在中國境內(nèi)最大支流,為中國七大河流之一,總長度約達1 927 km,流域總面積達到55.68萬km2,橫跨內(nèi)蒙古、吉林、黑龍江3個省份;流域多年平均氣溫為3～5 ℃,年內(nèi)日平均溫度最高月份為7月,可達25 ℃,1月最低,約為-20 ℃。多年平均降水量約為500 mm。本研究所用氣溫與降雨數(shù)據(jù)為中國氣象數(shù)據(jù)網(wǎng)中的中國地面氣候資料日值數(shù)據(jù)集V3.0;北極濤動Arctic Oscillation(AO)指數(shù)與太平洋年代際振蕩Pacific Decadal Oscillation(PDO)數(shù)據(jù)來自NOAA網(wǎng)站(http:∥www.cpc.noaa.gov);El Nio-Southern Oscillation(ENSO)指數(shù)的計算采用全球海表溫度再分析數(shù)據(jù),來自英國氣象局哈德利中心觀測數(shù)據(jù)集(HadiSST1)。松花江流域地理信息和氣象站點如圖1所示,選取松花江流域52個氣象站點1960～2020年共61 a逐日降水與氣溫數(shù)據(jù),氣象站點數(shù)量較多且在流域范圍內(nèi)分散均勻,且本研究選取的時間序列跨度較長,確保了研究分析與結(jié)論的可靠性。

圖1 松花江流域氣象站分布Fig.1 Meteorological station distribution in Songhua River basin

2 研究方法

2.1 遙相關(guān)因子

遙相關(guān)研究對于流域氣象旱澇要素變化與擾動機制具有重大意義,研究顯示中國東北地區(qū)干旱變化的第一二主周期與厄爾尼諾-南方濤動事件具有一致的振蕩準(zhǔn)周期[27-28]。北極濤動呈負(fù)位相分布、太平洋年代際振蕩指數(shù)較高時,松花江流域西部易雨澇[29-30]。本文選取北極濤動、太平洋年代際濤動、厄爾尼諾-南方濤動作為遙相關(guān)研究因子。

2.2 標(biāo)準(zhǔn)化降水蒸散指數(shù)

SPEI是在標(biāo)準(zhǔn)化降水指數(shù)(SPI)的基礎(chǔ)上提出的標(biāo)準(zhǔn)化蒸散指數(shù),具備多時間尺度特征,計算簡便的同時還引入了影響干旱的潛在蒸發(fā)項,能夠更好地刻畫中國區(qū)域的干旱事件[31]。沈國強等[32]、梁豐等[33]、徐一丹等[34]還通過干旱災(zāi)情數(shù)據(jù)、土壤水分檢測值與標(biāo)準(zhǔn)化降水蒸散指數(shù)的顯著關(guān)聯(lián)性等多個角度論證了標(biāo)準(zhǔn)化降水蒸散指數(shù)在東北地區(qū)干旱定量化研究的適用性。

標(biāo)準(zhǔn)化蒸散指數(shù)首先采用Thornthwaite方法計算逐月潛在蒸散發(fā)量,將逐月降水量與潛在蒸散量的差值序列進行正態(tài)化處理,構(gòu)建成不同時間尺度Log-logistic概率分布的累計函數(shù),對時間序列進行擬合并標(biāo)準(zhǔn)化,得到不同時間尺度的SPEI指數(shù)序列。本文取12個月尺度的SPEI指數(shù)(SPEI-12),SPEI干旱等級分類如表1所列。

表1 SPEI-12干旱等級分類Tab.1 SPEI-12 drought classification

2.3 突變檢驗方法

(1) Yamamoto法。該方法是從信噪比的角度來分析突變問題,檢驗兩子序列均值的差異是否顯著,被廣泛應(yīng)用于識別氣象要素年代際突變點[35]。

(2) Lepage法。該方法為無分布雙樣本的非參數(shù)檢驗方法,將序列中的兩個子序列視為兩個獨立主體,若統(tǒng)計檢驗顯示兩個子序列有顯著差異,則認(rèn)定在兩個子序列的劃分基準(zhǔn)線點時刻發(fā)生了突變[36]。

2.4 交叉小波變換和小波相干變換

交叉小波變換(XWT)結(jié)合了小波變換與交叉譜分析,可以識別出兩個時間序列在不同時頻域相互作用的顯著性,并且能識別出序列間的相關(guān)一致性及在時頻空間中的相位關(guān)系。設(shè)WX(s),WY(s)為兩個時間序列X與Y的交叉小波變換,則定義其交叉小波功率譜為[37]

(1)

式中:左項絕對值即對應(yīng)交叉功率譜密度,絕對值越大,表明兩者高能量區(qū)相關(guān)越顯著。

(2)

式中:σX,σY分別為時間序列X,Y的標(biāo)準(zhǔn)差;v為Morlet小波變換自由度,取2,當(dāng)式中左項超過紅色噪音功率譜的95%的置信限上界,則認(rèn)為通過了顯著性水平α=0.05的紅色噪音標(biāo)準(zhǔn)譜的檢驗[37];Zv(P)是與概率P有關(guān)的置信度,在顯著性水平α=0.05下,Z2(95%)=3.999。

小波相干變換(WTC)彌補了交叉小波在低能量區(qū)識別序列間相關(guān)關(guān)系的不足。定義序列X與Y的小波相干譜為

(3)

本文使用MATLAB中的小波工具箱(http:∥grinsted.github.io/wavelet-coherence/)來進行小波變換相關(guān)計算,將處理后的數(shù)據(jù)導(dǎo)入工具箱,從而分析得出交叉小波與小波相干譜圖。

3 結(jié)果分析

3.1 干旱指數(shù)突變的時空分布特征

結(jié)合松花江流域52個氣象站點1960～2020年共61 a逐日降水?dāng)?shù)據(jù),計算逐年SPEI-12指數(shù),使用Yamamoto法、Lepage法識別并檢驗指數(shù)年序列突變點,線性擬合突變前后變化趨勢直線,并對該年序列取10 a滑動平均,結(jié)果如表2、圖2所示。

表2 SPEI-12指數(shù)突變識別與檢驗Tab.2 Identification and test of the mutation of the SPEI-12

圖2 SPEI-12與遙相關(guān)因子指數(shù)變化Fig.2 Variation of SPEI-12 and teleconnection factor index

表2表明,兩種檢驗方法都顯示SPEI-12指數(shù)序列最為顯著突變點為1984年,本研究取1984年為松花江流域SPEI-12指數(shù)的突變節(jié)點。

由圖2可知,SPEI-12指數(shù)突變前后趨勢變化明顯,突變前擬合斜率約為-0.017,突變后擬合斜率約為-0.046,突變后下降趨勢增強。

利用空間插值方法處理所取突變點前后的SPEI-12指數(shù),繪制出地理空間分布圖,如圖3所示。由圖3(a)、(b)可知松花江流域SPEI-12突變前空間上北部與南部少部分區(qū)域數(shù)值在正常范圍之內(nèi),其他大部分區(qū)域數(shù)值處在輕澇級別;突變后轉(zhuǎn)變?yōu)槌诤邮心喜颗c齊齊哈爾市西北部小部分區(qū)域有輕旱現(xiàn)象外,其他絕大部分區(qū)域數(shù)值處在正常范圍內(nèi),無明顯旱澇現(xiàn)象。圖3(c)則顯示出松花江流域整體SPEI-12指數(shù)趨于減小,齊齊哈爾市以西北呼倫貝爾以東南地區(qū)、黑河市周邊地區(qū)和吉林北部地區(qū)變化最為顯著。

圖3 SPEI-12突變前后空間分布Fig.3 Spatial distribution of SPEI-12 before and after mutation

3.2 突變前后干旱指數(shù)遙相關(guān)因子分析

3.2.1交叉小波與小波相干譜分析

本文對松花江流域SPEI-12指數(shù)突變前后序列與3個遙相關(guān)因子指數(shù)對應(yīng)年際變化序列進行交叉小波分析及小波相干分析,探究松花江流域降水集中指數(shù)突變前后與遙相關(guān)因子的共振周期、相位關(guān)系與顯著時段等遙相關(guān)特征的區(qū)別與變化,繪制突變前后交叉小波能量譜與小波相干譜圖,如圖4、圖5所示。

注:(a)(c)(e)為突變前,(b)(d)(f)為突變后。圖4 PDO、AO、ENSO與SPEI-12交叉小波功率譜Fig.4 Cross wavelet power spectrum between SPEI-12 and PDO,AO,ENSO

注:(a)(c)(e)為突變前,(b)(d)(f)為突變后。圖5 PDO、AO、ENSO與SPEI-12小波相干譜Fig.5 Wavelet coherent spectrum between SPEI-12 and PDO,AO,ENSO

由圖4～5可知:松花江流域SPEI-12指數(shù)在高能量區(qū)突變前與PDO無明顯共振周期(見圖4(a)),突變后1993～1997年存在位相角為90°、尺度為3～4 a的共振周期,表示在此期間高能量區(qū)SPEI-12變化滯后于PDO變化1/4個共振周期(見圖4(b));在低能量區(qū),突變前與PDO無明顯共振周期(見圖5(a)),突變后存在位相角為90°、尺度為2～3 a的共振周期(見圖5(b)),即低能量區(qū)SPEI-12變化滯后于PDO變化1/4個共振周期。

SPEI-12與AO在高能量區(qū)突變前1966～1971年存在位相角0°、尺度2～4 a的共振周期(見圖4(c)),即SPEI-12與AO負(fù)相關(guān)變化,突變后無明顯共振周期(見圖4(d));在低能量區(qū)突變前存在位相角約270°、尺度2～5a的共振周期(見圖5(c)),即SPEI-12變化提前于AO變化1/4個周期,突變后無顯著共振周期(見圖5(d))。

SPEI-12與ENSO高能量區(qū)突變前1966～1975年顯示有位相角180°、尺度為1.5～4.0 a的共振周期(見圖4(e)),即兩者同步變化。突變后在1994～2000年存在位相角0°、尺度為2.5～4.0 a的共振周期(見圖4(f)),即兩者負(fù)相關(guān)變化;低能量區(qū)1962～1972年存在尺度為2.5～5.0 a的同步變化共振周期(見圖5(e)),突變后無顯著共振周期(見圖5(f))。

3.2.2時滯相關(guān)分析

交叉小波與小波相干分析顯示,突變后PDO和ENSO與SPEI-12共振現(xiàn)象更加顯著,因此對PDO、ENSO與SPEI-12指數(shù)序列分別進行突變前后的同期及滯后1～12個月的Pearson相關(guān)系數(shù)計算,結(jié)果如表3、表4所列。

表3 PDO與SPEI-12指數(shù)突變前后時滯相關(guān)分析Tab.3 Simultaneous and lag correlation analysis between PDO and SPEI-12 index before and after mutation

表4 ENSO與SPEI-12指數(shù)突變前后時滯相關(guān)分析Tab.4 Simultaneous and lag correlation analysis between ENSO and SPEI-12 index before and after mutation

由表3～4可知:SPEI-12突變前與PDO同期與滯后1～3個月具有逐漸減弱的顯著正相關(guān)性,滯后9～12個月轉(zhuǎn)變?yōu)轱@著的負(fù)相關(guān)性;突變后同期與滯后1～12個月具有極顯著的正相關(guān)性,相關(guān)系數(shù)隨滯后尺度增大逐漸減小。SPEI-12突變前與ENSO同期與滯后1～10個月具有顯著的正相關(guān)性,其中滯后4～5個月相關(guān)性更為顯著;突變后僅滯后6～8個月具有較顯著的正相關(guān)性。

3.3 討 論

綜合上述,松花江流域SPEI-12在1984年左右突變后,在時間、空間上皆整體呈現(xiàn)減小趨勢,齊齊哈爾以西北呼倫貝爾以東南地區(qū)、黑河市周邊地區(qū)和吉林北部地區(qū)變化最為顯著。這與吳燕鋒等[38]在分析松花江水文干旱與氣象干旱關(guān)系中氣象干旱在1982年后趨于減輕的演變結(jié)論相符。曾鵬[39]也在其對中國未來干旱趨勢模擬研究中以RCP4.5與RCP8.5兩種模擬情景模式模擬出松花江流域的干燥趨勢顯著,SPEI指數(shù)整體呈現(xiàn)負(fù)值,與本文的研究結(jié)果一致。在PDO、AO、ENSO與SPEI-12的交叉小波與小波相干分析中,松花江流域突變前后SPEI-12指數(shù)與遙相關(guān)因子存在共振周期,其中PDO和ENSO與突變后SPEI-12共振相互作用更為顯著,表明遙相關(guān)因子可能是導(dǎo)致松花江流域SPEI-12指數(shù)降低的重要因素之一。

而在進一步的相關(guān)分析中,PDO和ENSO與SPEI-12突變前后相關(guān)性質(zhì)的變化與小波分析部分結(jié)論相符,即PDO和ENSO是導(dǎo)致松花江流域SPEI-12指數(shù)降低的重要的遙相關(guān)影響因素。ENSO表現(xiàn)為赤道中東部太平洋海面溫度異常增高或降低,暖相與冷相皆會引起沃克環(huán)流的變化,Ren等[40]也在研究中證明了松花江流域SPEI指數(shù)與不同ENSO指數(shù)皆存在顯著的相關(guān)關(guān)系;PDO體現(xiàn)為北太平洋西部和中部海溫的異常。兩者皆起源于太平洋與大氣的相互作用,影響海洋大氣水平-垂直相互作用,給太平洋沿岸大陸乃至全球氣候帶來熱量及水汽輸送的異常變化。但除了PDO與ENSO的影響外,松花江流域干旱的成因機制還與季風(fēng)、人類活動和地形地質(zhì)等有關(guān)。并且由于數(shù)據(jù)的限制,本文選擇使用了Thornthwaite方法計算潛在蒸散發(fā),該方法只考慮了溫度的影響,忽略了其他如風(fēng)速、輻射等氣候因子的影響,因此松花江旱澇狀況的評估與遙相關(guān)因子之間的耦合機理仍需進一步研究。

4 結(jié) 論

本文結(jié)合松花江流域52個氣象站點1960～2020年共61a逐日降水與氣溫數(shù)據(jù),計算12個月尺度的標(biāo)準(zhǔn)化降水蒸散指數(shù),識別其時間序列突變點,并運用交叉小波變換與小波相干分析,得出以下結(jié)論:

(1) 松花江流域SPEI-12指數(shù)突變節(jié)點約為1984年,空間上呈現(xiàn)中部及中部偏東地區(qū)突變前輕澇、突變后輕旱的變化特征,流域整體SPEI-12指數(shù)趨于減小,中部及中部偏東地區(qū)變化最為明顯。

(2) 交叉小波功率譜與小波相干譜顯示,SPEI-12與PDO、AO、ENSO存在共振周期,其中PDO和ENSO突變前后差異更明顯,對突變后SPEI-12共振相互作用更加顯著。

(3) 同期與滯后相關(guān)性分析顯示,突變前后SPEI-12與ENSO相關(guān)時滯尺度有較大變化。SPEI-12與PDO隨時滯尺度變化突變前相關(guān)性質(zhì)具有較大差異,突變后轉(zhuǎn)變?yōu)闃O顯著的正相關(guān)性,表明PDO與ENSO是導(dǎo)致松花江流域SPEI-12指數(shù)突變后數(shù)值減小的重要的遙相關(guān)影響因素。