曾晟軒, 顧 娟, 賀纏生,2

(1.蘭州大學 資源環(huán)境學院 西部環(huán)境教育部重點實驗室 旱區(qū)流域科學與水資源研究中心,蘭州 730000; 2.美國西密歇根大學 地理系, 密歇根 卡拉馬祖 49008)

氣候變化是世界各國普遍關(guān)注的熱點問題之一，20世紀后半葉以來，全球變暖趨勢進一步加劇，這對人類生產(chǎn)和生活，自然界動植物的生存，全球的水文循環(huán)都有較大的影響。IPCC第四次評估報告指出，1906—2005年以來全球溫度升高(0.74±0.19)℃，近50 a來增溫尤其明顯，20世紀90年代溫度變暖明顯加速，其中1995—2006年為最暖時期，預計21世紀末全球氣溫可能升高1.1～6.4℃[1]，溫度升高的趨勢已經(jīng)毋庸置疑。國內(nèi)的降水量從50年代后整體呈減少趨勢，但西部降水量有略微的增加趨勢，其中西北地區(qū)增加最為顯著[2-3]。王英等[4]研究表明全國平均年降水量從60年代到90年代呈明顯下降趨勢，但在90年代后期出現(xiàn)微弱的回升。范錦龍等[5]指出北方農(nóng)牧交錯的中部1951—2005年以來增溫明顯，90年代之前降水量呈緩慢的下降趨勢，90年代后降水量轉(zhuǎn)變?yōu)樵黾于厔?。陳海等[6]的研究表明中國北方農(nóng)牧交錯帶在1961—2000年期間，溫度有升高的趨勢，冬季和夏季溫度增加最明顯，降水有減少的趨勢，秋季降水減少最明顯，夏季和春季降水波動較大。也有部分學者對中國未來的氣候變化進行了一定的預測研究，有關(guān)研究表明，未來中國氣候變暖趨勢將進一步加劇，這主要表現(xiàn)在：未來50年全國年平均氣溫將繼續(xù)上升，溫度升高的幅度由南向北遞增，西北和東北地區(qū)溫度上升明顯；未來50年中國全國年平均降水量將增加5%～7%，總體呈現(xiàn)暖濕化的轉(zhuǎn)變[7]。閆冠華等[8]利用全球海氣耦合模式的預測結(jié)果得出，未來農(nóng)牧交錯帶平均溫度持續(xù)升高年，降水量呈現(xiàn)出增加趨勢，但增加幅度較小。裘國旺等[9]利用未來氣候變化情景對北方農(nóng)牧交錯帶的研究表明，未來的氣候趨勢將繼續(xù)持續(xù)現(xiàn)在的這種干熱狀況，甚至變得更加嚴重?？梢妼τ谵r(nóng)牧交錯帶的未來氣候狀況的研究，各個學者有著不同的結(jié)論，有必要進行進一步的研究。

目前，對于未來氣候變化的預測主要有兩類方法：一是從氣候動力學模型出發(fā)，利用各種氣候模式對未來氣候進行預測。二是從氣候資料及氣候代用資料的統(tǒng)計擬合規(guī)律入手，計算出表征氣候變化的氣候要素特征值，再依據(jù)氣候要素特征值的變化曲線來推斷未來氣候[10]。重標極差分析法(Rescaled Range Analysis)簡稱為R/S分析法，是水文專家Hurst在大量實證研究的基礎上于1951年提出一種時間序列分析法，通過一系列計算得到Hurst指數(shù)，是分形理論中重要的研究方法之一[11]。分形理論是20世紀70年代中期以來發(fā)展起來的一種橫跨自然科學、社會科學和思維科學的新理論，它主要研究和揭示復雜的自然現(xiàn)象和社會現(xiàn)象中所隱藏的規(guī)律性、層次性和標度不變性，為人們通過部分認識總體、從有限中認識無限提供了一種新的工具，分形理論的最大的價值就在于利用連續(xù)氣候資料對未來氣候變化趨勢做出科學判斷[12]。自從1951年Hurst指數(shù)的提出，人們研究時間序列行為的興趣也在不斷的增加，時間序列的研究對很多學科都有重要的意義，尤其是在水資源領域中[13]。時間序列的可靠性研究在氣候變化中也得到了證實，例如溫度[14]、降水[15]、徑流[16]和風速[17]等。趨勢分析在研究水文和氣候方面是非常重要的，尤其是在氣候變化的研究中[18]，本文的趨勢分析利用非參數(shù)檢驗的Mann-Kendall方法，其優(yōu)點在于不需要樣本遵從一定的分布，也不受少數(shù)異常值的干擾，而且計算簡便，在水文時間序列中非參數(shù)檢驗方法比參數(shù)檢驗的方法更為適合[19]。

西北農(nóng)牧交錯帶屬于典型的環(huán)境脆弱帶，是青藏高原生態(tài)屏障、黃土高原生態(tài)屏障、北方防沙帶生態(tài)屏障的重要組成部分，也是遏制荒漠化、沙漠化東移和南移的最后一道防線。目前，農(nóng)牧交錯帶水資源及生態(tài)環(huán)境問題多樣且嚴重，究其本質(zhì)是經(jīng)濟用水擠占了生態(tài)環(huán)境用水，最終導致人地關(guān)系的失調(diào)，經(jīng)濟發(fā)展與生態(tài)環(huán)境建設不協(xié)調(diào)[20]。目前在農(nóng)牧交錯帶的研究中利用Mann-Kendall方法結(jié)合極差分析法對氣候狀況的研究較少，認識該地區(qū)的氣候狀況以及未來的持續(xù)性特征對區(qū)域的用水政策、農(nóng)牧民抗旱防澇以及生態(tài)環(huán)境的建設與保護具有重要的參考意義。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

農(nóng)牧交錯帶(Farming-pastoral zone)，又稱農(nóng)牧交錯區(qū)，是指半干旱區(qū)與半濕潤區(qū)之間以草地和耕地大面積交錯出現(xiàn)的自然群落與人工群落相互鑲嵌的生態(tài)復合體，是介于農(nóng)耕區(qū)與畜牧區(qū)之間的交錯地帶[21-22]。農(nóng)牧交錯帶的范圍和位置因研究目的和劃分指標不同而有一定差異，但各種劃分方案中核心的地區(qū)沒有本質(zhì)差別[23]。西北農(nóng)牧交錯帶，屬大陸性干旱氣候區(qū)，多沙漠戈壁，土壤主要以沙土為主且植被稀少，這塊區(qū)域的基本氣候特征是：降水量較少且不穩(wěn)定，干旱發(fā)生頻率高，風沙大。受全球變暖影響，該地區(qū)氣溫上升快，空氣干燥，年平均相對濕度不足13%，年降水量200～500 mm。氣候變暖，尤其是最低溫度的升高，使土壤難以凍結(jié)或提前解凍，導致冬春季風沙天氣活動頻繁[24]。并且大部分地區(qū)水資源來源于降水，然而強烈的蒸發(fā)將很難形成地表徑流和補給地下水，因此河網(wǎng)極不發(fā)達，自產(chǎn)水資源數(shù)少。本文選取陜西、寧夏、內(nèi)蒙交界處的西北農(nóng)牧交錯帶的典型區(qū)域(北緯37.3°—39.6°，東經(jīng)106.2°—110.3°)進行研究。考慮到在趨勢研究中要用到較長時間序列的數(shù)據(jù)，站點選取了定邊、鄂托克旗、橫山、陶樂、鹽池、榆林6個站點，且研究區(qū)內(nèi)西北部以牧業(yè)為主，降水量較少，東南部以農(nóng)業(yè)為主，降水量稍多。本研究數(shù)據(jù)來源是中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/)的6個氣象站數(shù)據(jù)，每個站點數(shù)據(jù)的起始日期和經(jīng)緯度見表1，除了定邊之外其他5個站點的數(shù)據(jù)都是從20世紀50年代開始的，因此在統(tǒng)計過去近60 a溫度及降水變化特征時不考慮定邊站，在描述過去的總趨勢和持續(xù)性特征的時候考慮所有的6個站點數(shù)據(jù)。在計算之前，對數(shù)據(jù)進行了一致性、完整性和極值檢驗，質(zhì)量良好。數(shù)據(jù)的分析按照年和季節(jié)兩種不同時間尺度進行，季節(jié)的劃分根據(jù)本地區(qū)的氣候特點按照氣象劃分法劃分，其中3—5月為春季，6—8月為夏季，9—11月為秋季，12月—翌年1月、2月為冬季。

表1 站點的經(jīng)緯度及數(shù)據(jù)的時段

1.2 研究方法

1.2.1 用線性回歸的方法得出平均每10年溫度變化KT和降水的變化KP線性趨勢計算公式為：

Yn=aXn+b

(1)

式中：Yn為溫度或者降水變量；Xn為時間序列；a為回歸系數(shù)，平均每10年溫度和降水的變化率K=10a。

1.2.2 用非參數(shù)Mann-Kendall趨勢檢驗法得到溫度和降水在年和季節(jié)尺度上的變化趨勢 采用非參數(shù)檢驗方法曼—肯德爾法(Mann-Kendall)來檢測研究區(qū)內(nèi)溫度和降水的長期變化趨勢和突變情況。由于在水文—氣象時間序列中使用非參數(shù)檢驗方法比使用參數(shù)檢驗的方法在非正態(tài)分布的數(shù)據(jù)和檢驗中更為適合[25]，且Mann-Kendall檢驗不需要樣本遵循一定的分布，也不受少數(shù)異常值的干擾，適用于水文、氣象等非正態(tài)分布的數(shù)據(jù)[26]。

在Mann-Kendall檢驗中，原假設H0為時間序列數(shù)據(jù)(X1，…，Xn)，是n個獨立的、隨機變量同分布的樣本；備擇假設H1是雙邊檢驗，對于所有的k，j≤n，且k≠j，Xk和Xj的分布是不相同的，檢驗的統(tǒng)計量S計算如下式：

(2)

(3)

式中：S為正態(tài)分布，其均值為0，方差var(S)=n(n-1)(2n+5)/18。當n>10時，標準的正態(tài)系統(tǒng)變量通過下式計算：

(4)

這樣，在雙邊的趨勢檢驗中，在給定的α置信水平上，如果Z≥Z1-α/2，則原假設是不可接受的，即在α置信水平上，時間序列數(shù)據(jù)存在明顯的上升或下降趨勢。對于統(tǒng)計量Z，大于0時是上升趨勢；小于0時是下降趨勢。Z的絕對值在大于等于1.28，1.96時，分別表示通過了信度90%和95%的顯著性檢驗。

當Mann-Kendall檢驗進一步用于檢驗序列突變時，檢驗統(tǒng)計量與上述Z有所不同，通過構(gòu)造序列：

(5)

(6)

定義統(tǒng)計變量：

(7)

E(Sk)=k(k-1)/4;var(Sk)=k(k-1)(2k+5)/72

(8)

UF為標準正態(tài)分布，給定顯著性水平α，若|UF|>Uα/2，則表明序列存在明顯的趨勢變化，將時間序列X按逆序排列，再按照上式計算，同時使：

(9)

通過分析統(tǒng)計序列UF和UB可以進一步分析序列的趨勢變化情況，而且可以明確突變的時間，指出突變的區(qū)域。若UF值大于0，則表明序列呈上升趨勢，小于0則表明呈下降勢，當它們超過臨界直線時，表明上升或下降趨勢顯著。如果UF和UB這兩條曲線出現(xiàn)交點，且交點在臨界直線之間，那么交點對應的時刻就是突變開始的時刻；同時，由于UF大于0表明序列呈上升趨勢，小于0表明呈下降趨勢，因此在UF從一個趨勢變到另一個趨勢并且發(fā)生急劇的拐點時，也可認為是突變開始的時刻。

1.2.3 用重標極差分析法得出Hurst指數(shù)并分析持續(xù)性 重標極差分析法(Rescaled Range Analysis)簡稱為R/S分析法，是水文專家Hurst在大量實證研究的基礎上于1951年提出一種時間序列分析法。具體方法如下：

設有一組時間序列：

ξ1,ξ2,…

(10)

對于任意整數(shù)T∈{1，2，…}定義均值序列：

(11)

累積離差：

(12)

極差：

(13)

標準差S(T)定義為：

(14)

經(jīng)過大量的實證研究后，建立如下關(guān)系式：

(15)

其中H稱為Hurst指數(shù)，結(jié)合過去的趨勢可以預測將來的趨勢，值得一提的是Hurst指數(shù)只是一個概率趨勢，代表了將來趨勢的概率大小，并不能完全準確地預測將來地趨勢。00.5時，意味著未來的變化狀況與過去一致的概率較大，即持續(xù)性概率，H越大，持續(xù)性概率越強[27]。

2 結(jié)果與分析

2.1 溫度變化特征

對研究區(qū)6個站點的平均溫度在年和季節(jié)尺度上分別做了Mann-Kendall檢驗和線性趨勢分析，分別得到了統(tǒng)計量Z和平均每10 a溫度變化率KT(℃/10 a)，結(jié)果見表2。從Z值的結(jié)果可以看出溫度變化都呈較為統(tǒng)一的特征，6個站點年和季節(jié)尺度的溫度變化都呈現(xiàn)出較強的增加趨勢，且大部分都通過了置信度為95%的顯著性檢驗。從KT值的結(jié)果可以看出，6個站點年和季節(jié)尺度的溫度變化都為增加趨勢，這和Mann-Kendall檢驗的結(jié)果是一致的。從KT值的大小可以看出每個站點平均每10 a的變化幅度，可以總結(jié)出近60 a來研究區(qū)四季的平均溫度變化從大到小的排列順序依次為冬、春、秋、夏，KT值分別是0.43，0.29，0.27，0.17℃/10 a，研究區(qū)平均每10年的溫度增加為0.29℃。

表2 平均溫度在年和季節(jié)尺度上的Z值和KT值

注：*表示通過了置信度為95%的顯著性檢驗。

采用R/S分析方法計算的各站點年和季節(jié)尺度的平均溫度的Hurst指數(shù)見表3，可以看出除了定邊的秋季溫度的Hurst值略小于0.5外，其他的Hurst值都大于0.5，且全部大于0.6，有一半多大于0.8，推斷出除了定邊站的秋季溫度有微弱的反持續(xù)性外，其他站點年和季節(jié)尺度的平均溫度都呈現(xiàn)出較強的持續(xù)性，且持續(xù)性趨勢為增加。表明未來的一段時間內(nèi)，研究區(qū)內(nèi)的平均溫度在年和季節(jié)尺度上都有較大的概率延續(xù)之前的趨勢并且繼續(xù)上升。

表3 平均溫度在年和季節(jié)尺度上的Hurst指數(shù)

圖1為6個站點年平均溫度的線性趨勢和Mann-Kendall突變檢驗圖。由線性趨勢圖可以看出研究區(qū)內(nèi)所有站點的年平均溫度都呈現(xiàn)出了上升的總趨勢，在90年代前后年平均溫度的上升的趨勢突然增加，溫度上升速度明顯加快；在2000年前后，年平均溫度上升的趨勢均有所減緩，甚至發(fā)生了向下的轉(zhuǎn)折。從季節(jié)尺度看，對這次轉(zhuǎn)折響應最大的季節(jié)為春季；到2010年前后年平均溫度又有所回升。從Mann-Kendall突變檢驗的結(jié)果可以看出，此地區(qū)在90年代前后，平均溫度在年和季節(jié)尺度上都有非常明顯的向上突變，表明90年代此地區(qū)年平均溫度的增加趨勢更為明顯，這與大部分學者的結(jié)論也是一致的[28-29]。

圖1 年平均溫度的線性趨勢和Mann-Kendall突變檢驗

2.2 降水變化特征

對研究區(qū)6個站點的降水量在年和季節(jié)尺度上分別做了Mann-Kendall檢驗和線性趨勢分析，分別得到了統(tǒng)計量Z和平均每10 a降水量變化率KP(℃/10 a)，結(jié)果見表4。從Z值及KP值的結(jié)果可以看出研究區(qū)內(nèi)6個站點降水的變化趨勢在年和季節(jié)尺度上有增有減，沒有像溫度一樣呈現(xiàn)出較為統(tǒng)一的趨勢。在統(tǒng)計近60 a的變化趨勢時，只考慮除了定邊外，數(shù)據(jù)年限較長的5個站點。從年平均降水量來觀察，由Z值的結(jié)果可以看出近60 a來的年降水量變化的總趨勢都是減少的，減少最為顯著的地區(qū)是橫山，通過了置信度為90%的顯著性檢驗，鄂托克旗的年平均降水變化趨勢最為平緩，基本處于上下波動的狀態(tài)。定邊的降水量從1989年以來呈現(xiàn)出了增加的趨勢。從季節(jié)平均降水來觀察，研究區(qū)內(nèi)春季降水量的變化趨勢較為平緩，整體呈微弱的減少趨勢。夏季降水量的變化趨勢最為明顯，基本都呈減少的趨勢，且橫山站通過了置信度為90%的顯著性檢驗，由KP值的結(jié)果可以看出年降水量的減少主要是由于夏季降水量的減少所導致。秋季降水量整體上呈微弱的增加趨勢，且定邊在1989年之后的秋季降水量增加非常大，通過了置信度為90%的顯著性檢驗。冬季的降水量則沒有呈現(xiàn)出統(tǒng)一的特征，這可能和冬天的降水量較小有關(guān)。

圖2為研究區(qū)內(nèi)6個站點年平均降水量的線性趨勢和Mann-Kendall突變檢驗圖，從年平均降水量的線性趨勢圖可以看出，年平均降水量在60年代中期之前都是增加的趨勢，之后除了鄂托克旗外都呈減少的趨勢，陶樂和鹽池的降水在80年代后逐漸增加，橫山和榆林的降水在2000年后逐漸增加，鄂托克旗的年降水變化最為平緩。定邊年降水量在90年代后的總趨勢是增加的，也進一步說明了該地區(qū)不同的城市在80年代或者90年代后降水的趨勢由原來的減少趨勢逐漸轉(zhuǎn)變?yōu)樵黾于厔?。從Mann-Kendall突變檢驗圖可以看出，降水的突變點比較多且復雜，且突變集中在60年代、90年代以及2010年前后。

表4 降水量在年和季節(jié)尺度上的Z值和KP值

注：*表示通過了置信度為90%的顯著性檢驗。

表5為6個站點的降水量在年和季節(jié)尺度上所對應的Hurst值以及未來趨勢統(tǒng)計，當0.5

表5 年和季節(jié)尺度降水量的Hurst指數(shù)及未來趨勢

注：*和**分別代表較強和極強的持續(xù)性強度。

3 對Hurst指數(shù)進行試驗

由Mann-Kendall突變檢驗得出的結(jié)論可知研究區(qū)內(nèi)大部分地區(qū)的年平均溫度和年降水量趨勢在1990年左右發(fā)生了比較明顯的變化，因此以1990年為分界線，對1990年之前的年平均溫度和年降水量進行Mann-Kendall趨勢檢驗和Hurst指數(shù)計算；對1990年之后的年平均溫度和年降水量進行Mann-Kendall趨勢檢驗，然后用1990年之后Hurst指數(shù)預測的趨勢和Mann-Kendall檢驗得到的真實的趨勢作對比后，對Hurst指數(shù)進行驗證。在此次計算中我們選擇數(shù)據(jù)時間較長的5個站點，分別是榆林、橫山、鹽池、陶樂、鄂托克旗。結(jié)果見表6，先從年降水量的變化來觀察，在Mann-Kendall趨勢檢驗中可以看出1990年之前除了鄂托克旗外其他4個站點的年降水量都呈現(xiàn)出減少的趨勢，且榆林和橫山都通過了置信度為90%的顯著性檢驗。1990年之后的年降水量除了鄂托克旗外都呈現(xiàn)出增加的趨勢，但沒有通過顯著性檢驗，增加趨勢比較微弱。我們從Hurst指數(shù)的結(jié)果來看，除了陶樂之外其他4個站點1990年之前的Hurst值都小于0.5，表明1990年后，除了陶樂外其他站點的降水量趨勢會反轉(zhuǎn)的概率比較大，也就是說鄂托克旗和陶樂的年降水量下降的概率比較大，其他3個站點的年降水量上升的概率比較大。對比1990年后真實的年降水量可以看出，只有陶樂站的降水量趨勢不符合Hurst指數(shù)的預測。

圖2 年降水量的線性趨勢和Mann-Kendall檢驗

注：*和**分別表示通過了置信度為90%和95%的顯著性檢驗。

從年平均溫度的變化來觀察，在Mann-Kendall趨勢檢驗中可以看出1990年之前除了榆林外其他4個站點的年平均溫度都呈現(xiàn)出增加的趨勢，且鹽池和鄂托克旗都通過了置信度為95%的顯著性檢驗。從Hurst指數(shù)的結(jié)果來看，1990年之前的Hurst值都大于0.5，表明1990年后，5個站點的年平均溫度繼續(xù)延續(xù)之前的走勢的概率比較大，也就是說榆林的年平均溫度下降的概率比較大，其他4個站點的年平均溫度上升的概率比較大。對比1990年后真實的年平均溫度可以看出，只有榆林站的年平均溫度趨勢不符合Hurst指數(shù)的預測。

可以看出研究區(qū)內(nèi)年降水量在1990年之前呈下降的總趨勢，1990年之后降水有微弱的回升，但趨勢并不明顯。年平均溫度在1990年之前呈上升的總趨勢，1990年之后繼續(xù)上升，且上升趨勢比之前更加顯著。在10個數(shù)據(jù)檢驗中，Hurst指數(shù)準確地預測到了8個數(shù)據(jù)，說明Hurst指數(shù)的預測有一定的可信度，且在Hurst值為0.3，0.88，0.85的情況下，Hurst指數(shù)預測的趨勢和真實的趨勢是一樣的，這也說明Hurst指數(shù)是一個概率趨勢，Hurst值越接近于0或者1，預測的概率趨勢越準確。

4 結(jié) 論

(1) 研究區(qū)內(nèi)年尺度和季節(jié)尺度的平均溫度都呈較強的增加趨勢，平均每10年的溫度增加為0.29℃，且冬季的增加幅度最大。研究區(qū)內(nèi)所有站點的平均溫度在90年代左右都產(chǎn)生了明顯的向上突變，這使得增加的趨勢變得更加的劇烈。

(2) 研究區(qū)內(nèi)降水量的變化相對復雜，年降水量呈減少的總趨勢。夏季降水量的減少趨勢最為明顯，秋季降水量整體呈微弱的增加趨勢。年降水量的減少主要是由于夏季降水量的減少所導致。降水的突變點較多且復雜，突變集中在60年代、90年代以及2010年左右，且以90年代最為明顯，部分地區(qū)甚至呈現(xiàn)出增加的趨勢。

(3) 平均溫度的持續(xù)性在年和季節(jié)尺度上都呈強烈的增加趨勢，表明溫度繼續(xù)增加的概率極大。Hurst值對降水量的持續(xù)性表現(xiàn)相對較弱，有4個站點表現(xiàn)為增加，2個站點表現(xiàn)為減少，且表現(xiàn)為增加趨勢的Hurst值更接近0或1，表明將來趨勢增加的概率更大。四季降水量的持續(xù)性總體上表現(xiàn)為增加的趨勢，且夏季最強，春季最弱?？傮w來說，研究區(qū)內(nèi)的降水量在年和季節(jié)尺度上將呈現(xiàn)出微弱的增加趨勢的概率較大。

由于農(nóng)牧交錯帶地處氣候區(qū)交界與生態(tài)系統(tǒng)交界，地理位置特殊、下墊面類型復雜、地形種類繁多且受人類活動影響大，其溫度和降水變化的原因與大尺度環(huán)流背景變化等自然因素和人類活動等因素密切相關(guān)。查看相關(guān)文獻可以得出研究區(qū)內(nèi)氣候突變產(chǎn)生的原因與南方濤動和厄爾尼諾現(xiàn)象有著密不可分的聯(lián)系[30]。過去的近60 a內(nèi)，研究區(qū)的平均溫度上升的趨勢明顯高于全球的平均值，且呈強烈增加的持續(xù)性，降水量呈微弱的下降趨勢，且呈微弱增加的反持續(xù)性，表明未來研究區(qū)內(nèi)的氣候狀況向暖濕化轉(zhuǎn)變的可能性更大一些。然而值得一提的是R/S方法得出的Hurst指數(shù)只能表達一個概率趨勢，不能完全準確地預測將來的情況。實際上，西北農(nóng)牧交錯帶的氣候變化本身受到季風氣候、大氣環(huán)流、人類活動等因素的影響，因此在研究清楚氣候變化特征的基礎上，加強降水和溫度的情勢預報，對該地區(qū)用水策略和農(nóng)牧業(yè)的發(fā)展有更加深層次的意義。

參考文獻：

[1] 林而達,吳紹洪,戴曉蘇,等.氣候變化影響的最新認知[J].氣候變化研究進展,2007,3(3):125-131.

[2] 施雅風,沈永平,李棟梁,等.中國西北氣候由暖干向暖濕轉(zhuǎn)型的特征和趨勢探討[J].第四紀研究,2003,23(2):152-164.

[3] 任朝霞,楊達源.西北干旱區(qū)近50年氣候變化特征與趨勢[J].地球科學與環(huán)境學報,2007,29(1):99-102.

[4] 王英,曹明奎,陶波,等.全球氣候變化背景下中國降水量空間格局的變化特征[J].地理研究,2006,25(6):1031-1040.

[5] 范錦龍,張艷,李貴才.北方農(nóng)牧交錯帶中部區(qū)域氣候變化特征[J].氣候變化研究進展,2007,3(2):91-94.

[6] 陳海,梁小英,李立新.近40年中國北方農(nóng)牧交錯帶氣候時空分異特征[J].西北大學學報:自然科學版,2007,37(4):653-656.

[7] 丁一匯,任國玉,石廣玉,等.氣候變化國家評估報告(Ⅰ):中國氣候變化的歷史和未來趨勢[J].氣候變化研究進展,2007,3(S1):1-5.

[8] 閆冠華,李巧萍,呂冬紅.中國北方農(nóng)牧交錯帶氣候變化特征及未來趨勢[J].大氣科學學報,2008,31(5):671-678.

[9] 裘國旺,趙艷霞,王石立.氣候變化對我國北方農(nóng)牧交錯帶及其氣候生產(chǎn)力的影響[J].干旱區(qū)研究,2001,18(1):23-28.

[10] 馮新靈,羅隆誠,馮自立.中國近50年降水變化趨勢及突變的Hurst指數(shù)試驗[J].干旱區(qū)地理:漢文版,2009,32(6):859-866.

[11] Lepreti F, Fanello P C, Zaccaro F, et al. Persistence of solar activity on small scales: Hurst analysis of time series coming from Hα flares[J]. Solar Physics, 2000,197(1):149-156.

[12] Rehman S. Study of Saudi Arabian climatic conditions using Hurst exponent and climatic predictability index[J]. Chaos Solitons & Fractals, 2009, 39(2):499-509.

[13] O′Connell P E, Koutsoyiannis D, Lins H F, et al. The scientific legacy of Harold Edwin Hurst (1880—1978)[J]. International Association of Scientific Hydrology Bulletin, 2015,61(9):1571-1590.

[14] Koutsoyiannis D. Climate change, the Hurst phenomenon, and hydrological statistics[J]. Hydrological Sciences Journal, 2003,48(1):3-24.

[15] Fraedrich K, Larnder C. Scaling regimes of composite rainfall time series[J]. Tellus Series A,1993,45(4):289-298.

[16] 于延勝,陳興偉. R/S和Mann-Kendall法綜合分析水文時間序列未來的趨勢特征[J].水資源與水工程學報,2008,19(3):41-44.

[17] Haslett J, Raftery A E. Space-time modelling with long-memory dependence: Assessing Ireland′s wind power resource[J]. Journal of the Royal Statistical Society,1989,38(1):1-50.

[18] Karpouzos D K, Kavalieratou S, Babajimopoulos C. Trend analysis of precipitation data in Pieria region (Greece)[J]. Journal of South American Earth Sciences,2013,29(2):464-482.

[19] Thornthwaite C W. An approach toward a rational classification of climate[J]. Geographical Review, 1948,38(1):55-94.

[20] 劉林德,高玉葆.論中國北方農(nóng)牧交錯帶的生態(tài)環(huán)境建設與系統(tǒng)功能整合[J].地球科學進展,2002,17(2):174-181.

[21] 朱震達,劉恕.中國北方地區(qū)沙漠化過程及其治理區(qū)劃[M].北京:農(nóng)業(yè)出版社,1981.

[22] 傅伯杰,劉國華,歐陽志云.中國生態(tài)區(qū)劃研究[M].北京:科學出版社,2013.

[23] 王靜愛,徐霞,劉培芳.中國北方農(nóng)牧交錯帶土地利用與人口負荷研究[J].資源科學,1999,21(5):19-24.

[24] 李棟梁,呂蘭芝.中國農(nóng)牧交錯帶的氣候特征與演變[J].中國沙漠,2002,22(5):483-488.

[25] Yue S, Pilon P, Cavadias G. Power of the Mann-Kendall and Spearman′s rho tests for detecting monotonic trends in hydrological series[J]. Journal of Hydrology,2002,259(1/4):254-271.

[26] Thornthwaite C W. An approach toward a rational classification of climate[J]. Geographical Review, 1948,38(1):55-94.

[27] Melichov D. On estimation of the Hurst index of solutions of stochastic differential equations[J]. Calcified Tissue Research, 2011,9(4):325-330.

[28] 所甜甜,常軍,邱文君,等.中國平均最高氣溫突變分析[J].山東師范大學學報:自然科學版,2013,28(2):88-92.

[29] 郭志梅,繆啟龍,李雄.中國北方地區(qū)近50年來氣溫變化特征及其突變性[J].干旱區(qū)地理:漢文版,2005,28(2):176-182.

[30] 許武成,馬勁松,王文.關(guān)于ENSO事件及其對中國氣候影響研究的綜述[J].氣象科學,2005,25(2):212-220.