新疆和田綠洲氣溫趨勢變化分析

黃領梅，孟彩俠,2，關東海

（1.西安理工大學水資源與生態環境教育部重點實驗室，西安710048；2.重慶交通大學河海學院，重慶400074；3.新疆水利水電科學研究院，烏魯木齊830049）

氣溫是氣候變化的顯著性因子。多數研究結果已經表明，隨著全球變暖，我國的降水、徑流等水資源時空分布將會進一步朝著南多北少的方向演化，也即是南澇北旱現象將會加劇。而我國西北內陸干旱區的降水、徑流、土壤水、蒸發等水循環要素與當地氣溫緊密相關，研究干旱區氣溫的變化趨勢特性，可為和田地區最大水利樞紐工程烏魯瓦提水庫的調度及運行、管理和維護，提供科學依據。

1 和田綠洲概況

和田綠洲位于新疆塔里木盆地南緣，受益于和田河的澆灌而形成聞名于世的和田綠洲。和田河流域面積48 870 km2，綠洲面積8 420 km2，因和田河上游東西兩支流由南向北穿行其中，而將綠洲分為3片，由東至西分別為洛浦縣、和田縣與墨玉縣，見圖1。和田綠洲年降水量5.4耀89.6 mm，多年平均降水量35.6 mm。年蒸發量2 159耀3 137 mm（20 cm蒸發皿觀測值），干旱指數25耀842，屬于大陸性暖溫帶極端干旱氣候。綠洲內局部小氣候自1978年三北防護林工程開始后有了較大改變。劉鈺華等人通過大規模植樹造林前后1970—1978和1988—1992年的資料進行對比分析，發現大規模植樹造林后，綠洲內部溫差減小，降水增加，蒸發減少，濕度增加，大風天數均有不同程度的減少[1]。

圖1 和田綠洲示意圖

本文采用和田地區氣象局信息服務中心1954—2003年實測氣溫資料，用4種方法分析年、春、夏、秋、冬季5個氣溫系列的趨勢變化特點，并進行比較，判斷以和田綠洲為代表的南疆干旱區在氣候變化大環境下的氣溫變化趨勢。

2 數學方法

2.1 M-K檢驗法

Mann-Kendall（M-K）非參數統計方法[2-3]是世界氣象組織推薦并廣泛使用的一種方法，這是由于這種方法更加適合于水文氣象等非正態分布的數據。Kendall統計量子，方差和標準化變量M的計算公式分別為：

式中，s為系列所有對偶觀測值（xi,xj,xiM琢/2越1.96；M值為正，表明具有上升或增加趨勢，M值為負，則意味著下降或者減少的趨勢。

2.2 Spearman檢驗法

分析序列xt與時序t的相關關系，在運算時，xt用其秩次Rt（即把序列xt從大到小排列時，xt所對應的序號）代表，t仍為時序（t越1,2,…，n），秩次相關系數計算公式為：

式中，n為序列長度；dt=Rt-t。顯然如果秩次Rt與時序t相近時dt小，秩次相關系數大，趨勢顯著。

相關系數r是否異于零，可采用t檢驗法。統計量T的計算公式為：

服從自由度為（n-2）的t分布。

顯著性水平為琢，當|T|>t琢/2時，說明序列隨時間有相依關系，從而推斷出序列趨勢顯著；反之，則趨勢不顯著。

2.3 滑動平均法

序列x1，x2，…，xn的幾個前期值和后期值取平均，求出新的序列yt，使原序列光滑化，這就是滑動平均法。數學式表示為：

當k=2時為5點滑動平均，k=3時為7點滑動平均[4]。若xt具有趨勢成分，選擇合適的k，yt就能把趨勢清晰地顯示出來，因此滑動平均法在水文氣象領域得到了大量的應用[5]。

2.4 小波分析

小波分析具有非常強大的多尺度分辨功能，能識別出水文序列各種高低不同的頻率成分。不同尺度下的低頻成分表示水文序列在該尺度下的變化趨勢。事實上，趨勢可以看作是周期長度比實測序列長得多的周期成分。因此通過小波變換，得到水文序列的低頻系數，由低頻系數的變化過程可識別出該尺度下的趨勢變化。

利用小波分析識別趨勢成分的步驟如下：

1）選擇合適的小波函數，利用快速算法對水文序列進行小波分解，得到各種尺度下尺度序列（系數）；

2）對各尺度進行單支重構，得到不同尺度下的低頻序列；

3）對不同尺度下的低頻序列進行分析，判斷其趨勢性質，進一步用傳統方法定量確定趨勢成分。

小波分析識別趨勢成分有一個顯著的特點，那就是可以清晰給出趨勢變化的轉折點。同時用小波分析識別趨勢成分時要特別注意尺度，離開了尺度談趨勢是毫無意義的[6]。

3 和田綠洲氣溫的趨勢分析

3.1 M-K檢驗法和Spearman檢驗法

表1為顯著性水平琢=5%時，Mann-Kendall秩次相關檢驗和Spearman秩次相關檢驗的結果。統計檢驗結果表明：和田綠洲的年平均氣溫及夏、秋、冬季平均氣溫均存在顯著增長趨勢。

表1 氣溫趨勢檢驗結果表

3.2 滑動平均法

圖2為1954—2003年氣溫與5年滑動平均曲線比較圖，可以看出，從1954年到2003年氣溫存在上升趨勢，尤其是1996年以后上升尤為明顯。圖3—6分別為春、夏、秋、冬季氣溫與5年滑動平均曲線比較圖。由圖3可以看出春季氣溫從1954年到1983年持續上升但增幅不是很大，1984—1996年春季氣溫有所減少，1997年以后春季氣溫又持續上升，且增長幅度較大，總體上春季氣溫趨勢不是很顯著；由圖4可以看出夏季氣溫從1995年以后增加趨勢較明顯，1954—2003存在不明顯的增加趨勢。由圖5可以看出秋季氣溫從1954—1978年持續上升，隨后的1979—1983年有所下降，接著1984—1994年秋季氣溫變化較為穩定，沒有明顯的增減趨勢，1995年以后秋季氣溫又持續增加，且增幅較大，總體上秋季氣溫還是呈上升趨勢。由圖6可以看出冬季氣溫從1955—1976年呈減小趨勢，1977—1981年的5年期間呈增長趨勢且增加幅度較大，1982—1986年變化較為穩定，無明顯的增減趨勢，1987年以后冬季氣溫又呈增長趨勢，整個時段來看冬季氣溫還是呈增長趨勢。

和田綠洲的冬季氣溫變化較為劇烈，從圖6中就可以看出，數據波動較大，和田綠洲氣溫的增加主要表現在冬季氣溫的增加。而且不管是年氣溫還是春季、夏季、秋季、冬季氣溫都是從1996年以后，氣溫增長趨勢尤為顯著。

圖2 年氣溫與5年滑動平均曲線

圖3 春季氣溫與5年滑動平均曲線

圖4 夏季氣溫與5年滑動平均曲線

圖5 秋季氣溫與5年滑動平均曲線

圖6 冬季氣溫與5年滑動平均曲線

3.3 小波分析

選擇Db3小波函數，對和田綠洲氣溫施行Mallat算法快速分解，得到不同尺度下的尺度系數，將它們分別進行重構，獲得對應尺度下的低頻序列，進而識別趨勢成分。

對和田綠洲年平均、春、夏、秋、冬季平均氣溫序列施行5層小波分解并進行重構，得到氣溫序列的趨勢變化如圖7所示。

根據圖7可知，和田綠洲年、春、夏、秋、冬平均氣溫均存在遞增趨勢，且增幅最大的是秋季，增幅最小的是春季，分析結果與前3種方法基本一致。

圖7 和田綠洲氣溫趨勢變化圖

3.4 結果對比分析

本文采用4種方法分別對和田綠洲的年、春、夏、秋、冬季平均氣溫序列的趨勢進行了分析，得到一致的結果是存在趨勢變化，且年、夏、秋、冬季平均氣溫序列的遞增趨勢顯著，但不同方法又有各自的優缺點。

M-K檢驗法、Spearman檢驗法和滑動平均法都屬于傳統趨勢成分識別方法，是在成因分析基礎上結合統計檢驗進行的[7]。前兩種方法的優點在于能定性給出變化趨勢，并能對結果進行顯著性檢驗[8]；而且M-K檢驗法能根據標準化變量M的正負直接判斷出遞增趨勢還是遞減趨勢，較Spearman檢驗法要好。滑動平均法簡單易懂，容易實現，從圖中可形象直觀看出序列變化趨勢，而且可以看出局部的增減變化特性，但不能進行顯著性檢驗，由于缺乏經驗也難以對滑動曲線的趨勢特點作出準確判斷，尤其是序列的總體變化趨勢。正因為如此，近年來M-K檢驗法在國際范圍內被廣泛應用于氣象要素時間變化趨勢的分析。

小波分析是近年來提出的、用于分析時間序列的新方法，其優點在于可以作局部分析，給出時間變化的細微結構，且對奇異性數據有較強的分析能力；還可以一步一步反映出序列的變化趨勢和局部增減趨勢，尤其可以給出趨勢變化的轉折點。在趨勢不顯著時，傳統方法很難分析出序列的趨勢，小波分析就可以通過一步步分解，濾掉高頻信息，只留下反映趨勢的低頻信息，進而得到序列趨勢，但小波分析缺乏物理成因背景，且不方便進行顯著性檢驗。小波分析與滑動平均法一樣，都是通過讀圖判斷序列的趨勢，且經小波分解得到的重構序列圖的趨勢特征明顯較滑動曲線圖清晰，易于判斷。

綜合上述，筆者推薦分析時間序列的趨勢時可將小波分析與傳統方法（檢驗）結合使用，這樣能更好反映序列趨勢性。

4 結語

分析時間序列趨勢的數學方法很豐富，本文選擇4種常用的方法，對和田綠洲實測氣溫序列進行趨勢分析。結果表明，和田綠洲的氣溫存在遞增趨勢，尤其是年、夏、秋與冬季序列的遞增趨勢顯著。這意味著，春季融雪徑流趨于增大，建議烏魯瓦提水庫做好調節，預防春汛；夏秋增溫有利于冰雪融化，建議烏魯瓦提水庫夏秋儲備水量；冬季增溫會使農田病蟲害趨于嚴重，烏魯瓦提水庫應供加大冬灌水量以遏制病蟲害。

通過對比所用方法發現，小波分析是分析時間序列趨勢變化的有利工具，它可以通過層層分解，將趨勢變化的整體與局部以及轉折點清晰地表現出來。因此，筆者推薦分析時間序列的趨勢時，可將小波分析與傳統檢驗方法結合使用。

[1]劉鈺華,文華,狄心志,等.新疆和田地區農田防護林效益的研究[J].防護林科技,1994（4）：9-13.

[2]MANN H B.Nonparametric Tests Against Trend[J].Econometrica,1945,13:245-259.

[3]KENDALL M G.Rank Correlation Methods[M].London:Griffin,1975.

[4]胡昌華,李國華,劉濤,等.基于MATLAB 6.X的系統分析與設計——小波分析[M].西安:電子科技大學出版社,2004.

[5]薛小杰,蔣曉輝，黃強，等.小波分析在水文序列趨勢分析中的應用[J].應用科學學報,2002,20（4）：426-428.

[6]劉素一,權先璋，張勇傳.不同小波函數對徑流分析結果的影響[J].水電能源科學,2003,21（1）：29-31.

[7]王文圣,丁晶,李躍清.水文小波分析[M].北京：化學工業出版社，2005.

[8]陳文海,柳艷香,馬柱國.中國1951—1997年氣候變化趨勢的季節特征[J].高原氣象.2002,21（3）:251-257.