孫莉娟,陳金華,徐 陽,黃 進(jìn)

(1.安徽省人工影響天氣辦公室,安徽 合肥 230031;2.淮河流域氣象中心,安徽 合肥 230031;3.安徽省農(nóng)村綜合經(jīng)濟(jì)信息中心/安徽省農(nóng)業(yè)氣象中心,安徽 合肥 230031;4.南京信息工程大學(xué) 應(yīng)用氣象學(xué)院，江蘇 南京 210044)

伴隨著全球氣候變化，水循環(huán)過程加劇，愈來愈頻繁的旱澇災(zāi)害引起了國內(nèi)外學(xué)者的廣泛關(guān)注，特別是探求月、季節(jié)、年降水時(shí)空變化特征的區(qū)域差異[1]。降水不僅是氣象站長期觀測的重要?dú)庀笠蜃?，也是我國多?shù)地區(qū)水土流失變化的主要驅(qū)動(dòng)力[2]。降雨導(dǎo)致土壤侵蝕的潛在能力稱為降雨侵蝕力(Rainfall Erosivity,RE)，它是通用土壤流失方程中最基本的一個(gè)因子，對(duì)區(qū)域土壤流失風(fēng)險(xiǎn)評(píng)估、水土保持優(yōu)化具有重要意義，其數(shù)值高低與降水事件的雨量、天數(shù)、強(qiáng)度等要素高度相關(guān)[3-5]。RE的經(jīng)典計(jì)算方法需以次降雨過程資料為基礎(chǔ)，但該類數(shù)據(jù)較難獲取，各種基于年、月、日降雨量的簡易算法便應(yīng)運(yùn)而生，其中利用日雨量估算降雨侵蝕力是目前精度較高且操作性較好的首選方法[6]。現(xiàn)有的研究主要集中于年際和季節(jié)尺度上降雨侵蝕力數(shù)值的時(shí)空變化，對(duì)于降雨侵蝕力年內(nèi)分配特征的研究相對(duì)較少[7]。安徽省地跨長江、淮河南北，降水特征區(qū)域差異顯著，屬于以水力侵蝕為主類型區(qū)中的南方紅壤區(qū)和北方土石山區(qū)，全省水土流失面積約為12447 km2，占該省總國土面積的8.9%，其中以中度及種輕度流失類型為主[8]。因此，研究安徽省降雨侵蝕力年內(nèi)分配特征的時(shí)空演變對(duì)區(qū)域水土流失治理、生態(tài)環(huán)境保護(hù)、農(nóng)業(yè)生產(chǎn)和災(zāi)害防治具有重要的指導(dǎo)意義。

1 資料與方法

1.1 基本數(shù)據(jù)

降水資料來源于安徽省氣象局提供的77個(gè)氣象觀測站1973～2017年間的逐日降水?dāng)?shù)據(jù)，這77個(gè)站點(diǎn)的空間分布具體見圖1。

圖1 安徽省77個(gè)氣象站的空間分布

1.2 降雨侵蝕力及其集中性的計(jì)算

研究區(qū)各站點(diǎn)降雨侵蝕力的計(jì)算采用殷水清等[9]設(shè)計(jì)的基于日降雨量冷暖季估算模型，其充分考慮了我國暖季(5～9月)和冷季(10～4月)降水雨型的差異，暖季多對(duì)流性、短歷時(shí)、高強(qiáng)度降雨，冷季多鋒面性、長歷時(shí)、低雨強(qiáng)降雨，因而相對(duì)其他簡化模型有著較高的模擬精度和地區(qū)適用性[9]。該模型中日降雨侵蝕力REdaily的計(jì)算過程如下：

REdaily=a×Pdaily1.7625

(1)

式(1)中Pdaily是侵蝕性日降雨量(日雨量≥10 mm)，單位mm；暖季a為0.3937，冷季a為0.3101；此后通過累加可得逐月及逐年降雨侵蝕力序列[10]。

參考月降水集中性指數(shù)[11]，表征降雨侵蝕力年內(nèi)分配不均勻性的集中性指數(shù)(Rainfall Erosivity Concentration Index,RECI)計(jì)算如下：

(2)

其中REi為第i月的降雨侵蝕力。由(2)式可知，若年降雨侵蝕力都集中在一個(gè)月內(nèi)，則RECI的理論值為100，達(dá)到最高；若年降雨侵蝕力均勻地分配在12個(gè)月，則理論值為最小，約為8[12]。

1.3 降雨侵蝕力的時(shí)空分析

主成分分析在識(shí)別氣候變量年際波動(dòng)相似性及分異性的區(qū)劃中有著廣泛應(yīng)用，其作用于多樣本(站點(diǎn))單一指標(biāo)時(shí)間序列構(gòu)成的矩陣時(shí)，新生成的若干主成分得分序列表征了研究區(qū)不同類型的年際變化，不同主成分在各站點(diǎn)原始序列的載荷可有效地用于空間尺度的氣候分區(qū)[13]。鑒于此，主成分分析被應(yīng)用于探求RECI時(shí)空演變的區(qū)域差異?！癕ann-Kendall趨勢(shì)檢驗(yàn)”(M-K檢驗(yàn))、線性趨勢(shì)檢驗(yàn)以及5年滑動(dòng)平均等常規(guī)方法用來診斷相關(guān)指標(biāo)的變化趨勢(shì)。此外，集合經(jīng)驗(yàn)?zāi)B(tài)分解法(Ensemble Empirical Mode Decomposition，EEMD)被應(yīng)用于相關(guān)指標(biāo)序列的周期特征分析，該方法將復(fù)雜的時(shí)間序列信號(hào)進(jìn)行平穩(wěn)化處理，從而在原始時(shí)間序列中提取不同尺度的波動(dòng)和趨勢(shì)分量，得到若干不同周期特征的固有模態(tài)函數(shù)(Intrinsic Mode Functions，IMFs)，相比小波分析更具直觀性和自適應(yīng)性[14]。

2 結(jié)果與分析

2.1 降雨侵蝕力及其集中性的空間分布

基于ArcGIS 10的反距離權(quán)插值，圖2a中年降雨侵蝕力呈現(xiàn)出顯著的由南向北遞減的梯度變化，其中最南端高值區(qū)域的降雨侵蝕力接近并超過了10000 MJ·mm/(hm2·h)，而北部大部分地區(qū)的降雨侵蝕力不超過6000 MJ·mm/(hm2·h)，這與安徽省年降水量以及極端降水指數(shù)的空間分布格局相一致[15]。相關(guān)研究表明：除廣東、廣西、海南等華南地區(qū)外，我國年降雨侵蝕力一般都不超過6000 MJ·mm/(hm2·h)[16]。相比較之下，安徽省南部地區(qū)的降雨侵蝕力屬于較高水平，也進(jìn)一步說明了安徽省南部特別是皖南山區(qū)屬于水土流失的高風(fēng)險(xiǎn)地區(qū)。

圖2b中降雨侵蝕力集中性指數(shù)的空間分布特征不是很明晰。以33.3為基準(zhǔn)值(當(dāng)降雨侵蝕力集中在某3個(gè)月內(nèi)，RECI的理論值為33.3)，研究區(qū)大致可以分成3個(gè)不同集中性水平的區(qū)域。全省大部的RECI處于26.2～33.3這一區(qū)間，表明全年降雨侵蝕力主要分配在3～4個(gè)月份中，其中中西部及東南部的RECI較低。RECI的高值區(qū)域主要集中于西北大部、最南部、西南部等零星區(qū)域。南部地區(qū)山地較多且暖濕氣流活躍，地形抬升作用易觸發(fā)汛期強(qiáng)降水，某些月份暴雨日比重較高，因而RECI較高；而西北部位于暖溫帶半濕潤季風(fēng)氣候區(qū)，雨季相對(duì)較短，因而RECI也較高[17-18]。圖3中各月貢獻(xiàn)率進(jìn)一步刻畫的降雨侵蝕力年內(nèi)分配不均勻性的區(qū)域差異，其中RECI高值區(qū)域7月的貢獻(xiàn)率顯著高于其他月份，高達(dá)28%；而RECI低值區(qū)域在6月和7月的貢獻(xiàn)率相差較小，分別為23%和21%。

圖2 安徽省年RE與RECI多年均值的空間分布

圖3 不同區(qū)域降雨侵蝕力的年內(nèi)分配

2.2 基于RECI的氣候分區(qū)

為辨識(shí)降雨侵蝕力集中性年際變化的空間差異，將各站點(diǎn)RECI逐年序列構(gòu)建的77列(77個(gè)站點(diǎn))×45行(45 a)的矩陣導(dǎo)入SPSS 19.0軟件中進(jìn)行主成分分析。圖4中前5個(gè)主成分累積方差貢獻(xiàn)率超過了60%，且各主成分的特征根均大于3。因此，77個(gè)站點(diǎn)的RECI年際變化可識(shí)別出5個(gè)典型模態(tài)。圖5中的載荷表征了不同模態(tài)與各站點(diǎn)RCECI序列的相關(guān)性，可有效地將研究區(qū)劃分為與5個(gè)主成分對(duì)應(yīng)的子區(qū)域，分別為區(qū)域Ⅰ(中南部)、區(qū)域Ⅱ(中最南部)、區(qū)域Ⅲ(中北部)、區(qū)域Ⅳ(西南部)、區(qū)域Ⅴ(東北角)。值得一提的是區(qū)域Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ大致上分別對(duì)應(yīng)了沿江低地區(qū)、皖南山區(qū)、江淮隆丘區(qū)、大別山丘陵山區(qū)、黃淮海平原區(qū)這5個(gè)安徽省典型自然地形區(qū)[19]，這說明了復(fù)雜多樣的地形地貌以及南北氣候過渡性是造成研究區(qū)RECI年際變化區(qū)域差異的重要原因。

圖4 各站點(diǎn)RECI主成分分析的碎石圖

圖5 各主成分對(duì)應(yīng)載荷的空間分布

2.3 不同區(qū)域RECI的演變特征

圖6中主成分得分序列(PCS)直觀地表征了各子區(qū)域近45年RECI的演變過程。從M-K檢驗(yàn)結(jié)果來看，除區(qū)域V外，各子區(qū)域1973～2017年間PCS序列呈現(xiàn)出上升趨勢(shì)特別是區(qū)域Ⅲ的上升趨勢(shì)最強(qiáng)，且通過了顯著性檢驗(yàn)。這表明安徽省大部分地區(qū)降雨侵蝕力越來集中在某些月份中，其年內(nèi)分配的不均勻性有所加劇。圖6中各PCS序列的5年滑動(dòng)平均表明RECI有著較明顯的年代際轉(zhuǎn)折，特別是區(qū)域Ⅰ、Ⅱ、Ⅲ的RECI大致呈現(xiàn)出增加-減少-增加的變化特點(diǎn)，而區(qū)域V則呈現(xiàn)出減少-增加-減少的變化特點(diǎn)。值得一提是區(qū)域Ⅱ、Ⅲ、Ⅳ的RECI在2000年后的上升態(tài)勢(shì)較為明顯，而區(qū)域V的RECI在2000年后的下降態(tài)勢(shì)更為明顯。20世紀(jì)90年代末以來，隨著東亞夏季風(fēng)的增強(qiáng)，雨帶開始向北移動(dòng)至長江以北地區(qū)，雨帶北界超過35° N，江淮流域夏季極端降水偏多[20]，汛期降雨侵蝕力增強(qiáng)，進(jìn)而導(dǎo)致安徽省大部分地區(qū)RECI呈增加趨勢(shì)。

灰色實(shí)線為PCS；黑色虛線為PCS的5年滑動(dòng)平均；Z為M-K檢驗(yàn)結(jié)果。圖6 各子區(qū)域主成分得分序列的趨勢(shì)檢驗(yàn)

為了進(jìn)一步探究安徽省降雨侵蝕力年內(nèi)分配不均勻性的周期性變化特征，對(duì)各子區(qū)域的PCS序列進(jìn)行EEMD分解，其結(jié)果見表1?？傮w而言，研究區(qū)RECI的呈現(xiàn)出以2.5～3.5 a為主周期的年際振蕩，體現(xiàn)在各分區(qū)PCS的IMF1分量的方差貢獻(xiàn)率均超過了50%，所占比重最高。這與安徽省年、季節(jié)降水量Morlet小波分析的結(jié)果相接近，其存在著2～4 a的振蕩周期[21]。此外，RECI的次周期變化存在著顯著的區(qū)域差異，區(qū)域Ⅰ和Ⅱ呈現(xiàn)出周期為11.25 a的年代際變化，其對(duì)應(yīng)IMF3分量的方差貢獻(xiàn)率明顯高于IMF2、IMF4、IMF5；而區(qū)域Ⅲ、Ⅳ、V則呈現(xiàn)出周期為4.5～6.0 a的振蕩，其對(duì)應(yīng)IMF2分量的方差貢獻(xiàn)率均高于IMF3、IMF4、IMF5。

表1 各分區(qū)PCS序列EEMD分解結(jié)果

2.4 RECI年際變化的歸因分析

對(duì)不同月份降雨侵蝕力以及RECI的年際序列進(jìn)行歸一化處理，以不同月份降雨侵蝕力為自變量(X)，RECI為因變量(Y)，建立各分區(qū)RECI與降雨侵蝕力的多元線性回歸方程。方程中各自變量的回歸系數(shù)可作為X對(duì)Y的影響系數(shù)[22]，其絕對(duì)值的大小直接反映了各月降雨侵蝕力對(duì)RECI年際變化的貢獻(xiàn)程度。由表2可知，研究區(qū)各分區(qū)RECI的年際變化均主要由6月份降雨侵蝕力的波動(dòng)造成，其影響系數(shù)的絕對(duì)值超過了0.64，遠(yuǎn)高于其他月份。區(qū)域Ⅰ、Ⅱ、Ⅲ、Ⅳ的6月份降雨侵蝕力呈現(xiàn)出不同幅度的增加趨勢(shì)，其直接導(dǎo)致了研究區(qū)大部分地區(qū)降雨侵蝕力年內(nèi)分配不均勻性的加劇，這與圖6中M-K檢驗(yàn)的結(jié)果相一致。

3 結(jié)論

安徽省年降雨侵蝕力由南向北遞減，而降雨侵蝕力集中性指數(shù)(RECI)的空間分布格局則不是很明晰，其高值區(qū)域主要分布在西北大部和最南部。研究區(qū)大部分地區(qū)的降雨侵蝕力主要集中在3～4月份，其中7月份的貢獻(xiàn)率最高。降雨侵蝕力與集中性指數(shù)的高值區(qū)域均發(fā)現(xiàn)在最南部，意味著該區(qū)域某些月份土壤侵蝕的風(fēng)險(xiǎn)極高。

基于主成分分析，安徽省可以劃分為中南部、最南部、中北部、西南部、東北角這個(gè)5個(gè)呈現(xiàn)不同RECI年際變化特征的氣候子區(qū)域。盡管各分區(qū)RECI均呈現(xiàn)出主周期為2.5～3.5 a的年際振蕩，但中南部及最南部RECI的年代際振蕩更為顯著。除東北角這一區(qū)域外，研究區(qū)大部分地區(qū)降雨侵蝕力的年內(nèi)分配不均勻性呈現(xiàn)加劇態(tài)勢(shì)，這主要是由6月份降雨侵蝕力的增加趨勢(shì)造成。

表2 各分區(qū)RECI年際變化的歸因分析