邊 旭，吳云帆，鄭 艷，寧鵬飛

（國家海洋信息中心，天津 300171）

引 言

臺(tái)風(fēng)對(duì)海洋生態(tài)系統(tǒng)擾動(dòng)劇烈，近年來，臺(tái)風(fēng)對(duì)海洋生物和非生物環(huán)境的生態(tài)效益成為國內(nèi)外研究的熱點(diǎn)之一。隨著全球氣候變暖，臺(tái)風(fēng)發(fā)生頻率增加，研究其對(duì)海洋漁業(yè)的影響愈發(fā)重要。很多學(xué)者也從多方面對(duì)影響臺(tái)風(fēng)的要素進(jìn)行了研究，取得了一些成果。趙昕等（2013）基于IPCC報(bào)告中對(duì)脆弱性的定義，從敏感性和環(huán)境適應(yīng)性兩個(gè)方面建立了沿海地區(qū)經(jīng)濟(jì)系統(tǒng)海洋災(zāi)害脆弱性評(píng)價(jià)模型[1]。并以山東省臺(tái)風(fēng)災(zāi)害為例，討論了2001-2011年間敏感性和適應(yīng)性的變化規(guī)律。陳香（2007）通過分析，建立了臺(tái)風(fēng)災(zāi)害發(fā)生過程和災(zāi)害發(fā)生以后的脆弱性評(píng)估指標(biāo)體系和評(píng)估模型，構(gòu)建了臺(tái)風(fēng)災(zāi)害系統(tǒng)脆弱性綜合指數(shù)模型，并以福建縣域?yàn)閱卧?，?duì)福建省臺(tái)風(fēng)災(zāi)害系統(tǒng)脆弱性過程進(jìn)行評(píng)價(jià)[2]。許多學(xué)者也做了類似的研究工作，并取得了很多成果[3-4]。高文（1991） 根據(jù)福建省水產(chǎn)廳統(tǒng)計(jì)結(jié)果，討論了該省在連續(xù)遭受7次強(qiáng)臺(tái)風(fēng)襲擊和影響的重災(zāi)之下，海洋捕撈總產(chǎn)量仍超額完成了“七五”計(jì)劃指標(biāo)，實(shí)現(xiàn)連續(xù)12年持續(xù)增長，年遞增率達(dá)10%。并將之歸結(jié)為漁船技術(shù)改造取得的成效[5]。劉超等（2010）針對(duì)寧波、舟山的漁業(yè)，應(yīng)用風(fēng)險(xiǎn)分析模型，從災(zāi)損度、脆弱度及防災(zāi)系數(shù)3方面定性分析了臺(tái)風(fēng)災(zāi)害對(duì)漁業(yè)的影響[6]。葉海軍等（2014） 利用Aqua衛(wèi)星搭載的MODIS傳感器數(shù)據(jù)，分析了慢速移動(dòng)的強(qiáng)臺(tái)風(fēng)“鯰魚”對(duì)中國南海北部海表面溫度（SST）、海表面葉綠素a濃度、初級(jí)生產(chǎn)力和漁業(yè)資源的影響[7]。結(jié)果顯示慢速移動(dòng)的強(qiáng)臺(tái)風(fēng)對(duì)于漁業(yè)資源生產(chǎn)量有較大影響。Small等（2008） 在四個(gè)海區(qū)（黑潮區(qū)、灣流區(qū)、南大西洋和Agulhas Return Current附近） 對(duì)比了空間高通濾波QuikSCAT風(fēng)應(yīng)力大小和海水表面緯度（SST），發(fā)現(xiàn)二者呈現(xiàn)驚人的同位相變化，二者的空間相關(guān)系數(shù)均在0.38以上[8]。同時(shí)在其他海區(qū)也發(fā)現(xiàn)了類似的海表面風(fēng)速與SST同相位變化的現(xiàn)象[9-12]。本文從數(shù)據(jù)變化趨勢(shì)入手，針對(duì)臺(tái)風(fēng)對(duì)海洋自然生產(chǎn)水產(chǎn)品產(chǎn)量的影響，結(jié)合希爾伯特—黃變換分別對(duì)長期趨勢(shì)變化的相關(guān)性和短期變化的相關(guān)性進(jìn)行了討論和分析，從而獲得此兩類數(shù)據(jù)的相關(guān)特性，從一個(gè)新角度建立起臺(tái)風(fēng)與海洋漁業(yè)經(jīng)濟(jì)的關(guān)系。

1 數(shù)據(jù)提取及模型化

海洋中水產(chǎn)品產(chǎn)量是海洋經(jīng)濟(jì)的重要組成部分，水產(chǎn)品產(chǎn)量包含全社會(huì)人工養(yǎng)殖的水產(chǎn)品和天然生長的水產(chǎn)品捕撈量兩個(gè)部分。本文重點(diǎn)針對(duì)臺(tái)風(fēng)強(qiáng)度變化對(duì)自然條件下的水產(chǎn)品產(chǎn)量影響進(jìn)行討論分析。而根據(jù)前期討論[13]，臺(tái)風(fēng)的強(qiáng)度變化可由臺(tái)風(fēng)中心附近的最大風(fēng)速反映，故選取我國周邊區(qū)域的臺(tái)風(fēng)風(fēng)速與海洋產(chǎn)品產(chǎn)量兩類數(shù)據(jù)，分析其相互關(guān)系。以下分別對(duì)這兩類數(shù)據(jù)模型的提取和建立進(jìn)行討論。

1.1 天然生產(chǎn)海水產(chǎn)品產(chǎn)量數(shù)據(jù)模型

針對(duì)天然生產(chǎn)海水產(chǎn)品產(chǎn)量Q（t）進(jìn)行分析，其中1954-1985年數(shù)據(jù)來源于《中國漁業(yè)統(tǒng)計(jì)年鑒 （2005）》[14]，1986-2017年數(shù)據(jù)來源于 《中國漁業(yè)統(tǒng)計(jì)年鑒 （2018）》[15]。令其按照時(shí)間變化曲線如圖1所示。

根據(jù)定義，R（t）表示每年天然生產(chǎn)海水產(chǎn)品產(chǎn)量與上一年天然生產(chǎn)海水產(chǎn)品產(chǎn)量的比率。

1.2 臺(tái)風(fēng)風(fēng)速數(shù)據(jù)模型

圖1 歷年天然生產(chǎn)海水產(chǎn)品產(chǎn)量與上一年產(chǎn)量比率

針對(duì)中國周邊西北太平洋海域，一些學(xué)者對(duì)不同數(shù)據(jù)來源的臺(tái)風(fēng)數(shù)據(jù)進(jìn)行了分析和對(duì)比[16-17]，分析結(jié)果表明此區(qū)域內(nèi)CMA數(shù)據(jù)集[18]較為準(zhǔn)確且全面，故參考CMA所發(fā)布的臺(tái)風(fēng)數(shù)據(jù)，選取1949-2016年所有觀測(cè)風(fēng)速數(shù)據(jù)繪制空間風(fēng)速強(qiáng)度圖。為了更好地說明風(fēng)速強(qiáng)度空間分布情況，應(yīng)用kmeans聚類[19]方式對(duì)數(shù)據(jù)按照空間-最大風(fēng)速（MSW）進(jìn)行聚類分析，聚類結(jié)果如下圖所示:

圖2 臺(tái)風(fēng)數(shù)據(jù)聚類圖

如圖所示，選擇聚類結(jié)果中樣本豐富區(qū)域120°-140°E，15°-30°N 進(jìn)行分析討論，按照年—月—風(fēng)速三個(gè)緯度繪制圖像如圖3所示。

圖3 臺(tái)風(fēng)年-月-風(fēng)速三維圖

從圖3中可以得出，在該地區(qū)每年數(shù)據(jù)分布較為平均，臺(tái)風(fēng)在7-10月出現(xiàn)較多且最大風(fēng)速值較大。進(jìn)一步針對(duì)該圖中風(fēng)速—年維度投影進(jìn)行分析，并將MSW的最大值用曲線連接，即其上包絡(luò)線FMSW（t）如圖4所示。

圖4 年-風(fēng)速關(guān)系圖

為了進(jìn)一步表征該區(qū)域下歷年風(fēng)速變化劇烈程度，令Dtyp（t）=Vmax（t）-Vmin（t），其中Vmax（t）與Vmin（t）分別表示t年該區(qū)域中風(fēng)速最大和最小值，而根據(jù)實(shí)際情況Vmax（t）=RMSW（t），Vmin（t）=0，則Dtyp（t）=RMSW（t），即可認(rèn)為該區(qū)域中臺(tái)風(fēng)FMSW（t）可表征風(fēng)速最大偏差值隨時(shí)間的變化情況Dtyp（t）。

2 數(shù)據(jù)分析及討論

對(duì)Dtyp（t）和R（t）進(jìn)行相關(guān)性分析，令

其中 τ=0，1，…，N-1，t∈ （1954，2016），N=63，即求得Dtyp（t）與R（t）的互相關(guān)度。相關(guān)性曲線如下圖所示:

圖5Dtyp（t）與Q（t）的互相關(guān)度曲線

對(duì)Dtyp（t）與R（t）做顯著性檢驗(yàn)，檢驗(yàn)結(jié)果表明二者無顯著性關(guān)系，即可認(rèn)為Dtyp（t）和R（t）之間不存在相關(guān)關(guān)系，相關(guān)度曲線所表征的相關(guān)度強(qiáng)度值不能表征數(shù)據(jù)普遍相關(guān)性。

參考圖5相關(guān)性結(jié)果可得，Dtyp（t）與R（t）的最大相關(guān)系數(shù)為0.356 2，但并不顯著。根據(jù)顯著性檢驗(yàn)的數(shù)學(xué)定義[20]，可以認(rèn)為其相關(guān)度最大值來自數(shù)據(jù)的抽樣誤差。根據(jù)圖1和圖4分析得到，原始信息可以認(rèn)為為非平穩(wěn)信號(hào)序列，其中存在明顯的長期變化的趨勢(shì)，且相對(duì)短期變化部分能量較大（約一個(gè)數(shù)量級(jí)），導(dǎo)致數(shù)據(jù)抽樣誤差較大，另一方面結(jié)合式（1），令

其中D1（t）和R1（t）代表能量較大部分，D2（t）和R2（t）代表能量較小部分，則式（2）可變換為如下形式:

圖6對(duì)Dtyp（t）和R（t）進(jìn)行HHT處理后逐IMF數(shù)據(jù)

繼續(xù)化簡最終得到如式（4）所示:如式（4）所示，前三項(xiàng)在計(jì)算結(jié)果中所占比重較大，計(jì)算結(jié)果中無法直接獲得能量相對(duì)較小部分（D2（t）和R2（t））相關(guān)性信息。為了去除能量較大的長時(shí)間尺度趨勢(shì)信息對(duì)短時(shí)間尺度信息的干擾，更加全面地得到Dtyp（t）與R（t）相關(guān)性結(jié)果，針對(duì)不同時(shí)間尺度將Dtyp（t）與R（t）進(jìn)行分解。本文采用希爾伯特-黃（HHT） 變換分別對(duì)Dtyp（t）和R（t）進(jìn)行處理，該方法被認(rèn)為是2000年來以傅立葉變換為基礎(chǔ)的線性和穩(wěn)態(tài)頻譜分析的一個(gè)重大突破。其依據(jù)數(shù)據(jù)自身的時(shí)間尺度特征來進(jìn)行信號(hào)分解，可以自適應(yīng)地將任意復(fù)雜數(shù)據(jù)序列分解為一列本征模態(tài)函數(shù)（IMF）[21]，通過分析這些IMF可以分離Dtyp（t）與R（t）數(shù)據(jù)變化的不同時(shí)間尺度信息，更好地挖掘數(shù)據(jù)變化特點(diǎn)。應(yīng)用HHT將Dtyp（t）與R（t）變換后分別記為Htyp（i）和HR（i），其中i=IMF1，IMF2，…，IMFn，…，IMFk，不同IMF即可理解為不同時(shí)間尺度下數(shù)據(jù)的變化趨勢(shì)曲線。將變換后各IMF數(shù)據(jù)繪制如圖6所示:

表1 互相關(guān)計(jì)算結(jié)果

如表1所示，顯著性檢驗(yàn)結(jié)果表明，除LResidual以外其余均不拒絕相關(guān)顯著性假設(shè)（SIG.＞α），即均可認(rèn)為具有顯著相關(guān)性。分析相關(guān)系數(shù)變化規(guī)律可以看到，隨著計(jì)算IMFn的增加，相關(guān)程度先增大后減小，其中L1∶2（Pmedian）相關(guān)系數(shù)絕對(duì)值最大，且達(dá)到一般相關(guān)水平。該結(jié)果表明，在去除長時(shí)間尺度趨勢(shì)信息后，僅保留IMF1和IMF2數(shù)據(jù)時(shí)，臺(tái)風(fēng)風(fēng)速強(qiáng)度差值Dtyp（t）和天然生產(chǎn)海水產(chǎn)品產(chǎn)量相鄰年間比率R（t）之間顯著存在一般負(fù)相關(guān)性。即可以認(rèn)為臺(tái)風(fēng)風(fēng)速最大值的增大會(huì)影響未來一年內(nèi)天然生產(chǎn)海水產(chǎn)品年產(chǎn)量降低，反之亦然。另一方面根據(jù)L2∶3（Pmedian） 和LResidual結(jié)果表明，對(duì)于中長時(shí)間以及更長的時(shí)間尺度下，Dtyp（t）與之間并不存在明顯相關(guān)性，即臺(tái)風(fēng)風(fēng)速最大值的中長期變化趨勢(shì)并不會(huì)對(duì)天然生產(chǎn)海水產(chǎn)品產(chǎn)量的中長期趨勢(shì)產(chǎn)生顯著影響。

3結(jié)論

（1）本文分析了我國周邊區(qū)域的歷年臺(tái)風(fēng)數(shù)據(jù)及我國的天然生產(chǎn)海水產(chǎn)品產(chǎn)量數(shù)據(jù)。根據(jù)表1結(jié)果發(fā)現(xiàn)在較短時(shí)間尺度下（2年以內(nèi)），臺(tái)風(fēng)最大風(fēng)速和天然生產(chǎn)海水產(chǎn)品產(chǎn)量之間顯著存在一般負(fù)相關(guān)性，而對(duì)于更長的時(shí)間尺度（2年以上），并不存在此結(jié)論。即臺(tái)風(fēng)最大風(fēng)速會(huì)對(duì)未來一年內(nèi)的天然生產(chǎn)海水產(chǎn)品產(chǎn)量有顯著的負(fù)向影響；而對(duì)于該產(chǎn)量的中長期變化趨勢(shì)影響并不顯著。

（2）本文針對(duì)兩類來自自然科學(xué)以及經(jīng)濟(jì)學(xué)的時(shí)間序列數(shù)據(jù)進(jìn)行分析。首先將兩類數(shù)據(jù)分別抽象建模為非平穩(wěn)信號(hào)序列，并利用希爾伯特-黃變換將抽象后信號(hào)按照不同時(shí)間尺度進(jìn)行分離，分別將對(duì)應(yīng)時(shí)間尺度的兩類信號(hào)相關(guān)度進(jìn)行分析，成功得到某一時(shí)間尺度的相關(guān)性信息。從一個(gè)角度建立起臺(tái)風(fēng)與海洋漁業(yè)經(jīng)濟(jì)的關(guān)系。也為此類信息挖掘提供了一個(gè)新的方法和思路。