新疆和田绿洲气温趋势变化分析

黄领梅，孟彩侠,2，关东海

（1.西安理工大学水资源与生态环境教育部重点实验室，西安710048；2.重庆交通大学河海学院，重庆400074；3.新疆水利水电科学研究院，乌鲁木齐830049）

气温是气候变化的显著性因子。多数研究结果已经表明，随着全球变暖，我国的降水、径流等水资源时空分布将会进一步朝着南多北少的方向演化，也即是南涝北旱现象将会加剧。而我国西北内陆干旱区的降水、径流、土壤水、蒸发等水循环要素与当地气温紧密相关，研究干旱区气温的变化趋势特性，可为和田地区最大水利枢纽工程乌鲁瓦提水库的调度及运行、管理和维护，提供科学依据。

1 和田绿洲概况

和田绿洲位于新疆塔里木盆地南缘，受益于和田河的浇灌而形成闻名于世的和田绿洲。和田河流域面积48 870 km2，绿洲面积8 420 km2，因和田河上游东西两支流由南向北穿行其中，而将绿洲分为3片，由东至西分别为洛浦县、和田县与墨玉县，见图1。和田绿洲年降水量5.4耀89.6 mm，多年平均降水量35.6 mm。年蒸发量2 159耀3 137 mm（20 cm蒸发皿观测值），干旱指数25耀842，属于大陆性暖温带极端干旱气候。绿洲内局部小气候自1978年三北防护林工程开始后有了较大改变。刘钰华等人通过大规模植树造林前后1970—1978和1988—1992年的资料进行对比分析，发现大规模植树造林后，绿洲内部温差减小，降水增加，蒸发减少，湿度增加，大风天数均有不同程度的减少[1]。

图1 和田绿洲示意图

本文采用和田地区气象局信息服务中心1954—2003年实测气温资料，用4种方法分析年、春、夏、秋、冬季5个气温系列的趋势变化特点，并进行比较，判断以和田绿洲为代表的南疆干旱区在气候变化大环境下的气温变化趋势。

2 数学方法

2.1 M-K检验法

Mann-Kendall（M-K）非参数统计方法[2-3]是世界气象组织推荐并广泛使用的一种方法，这是由于这种方法更加适合于水文气象等非正态分布的数据。Kendall统计量子，方差和标准化变量M的计算公式分别为：

式中，s为系列所有对偶观测值（xi,xj,xiM琢/2越1.96；M值为正，表明具有上升或增加趋势，M值为负，则意味着下降或者减少的趋势。

2.2 Spearman检验法

分析序列xt与时序t的相关关系，在运算时，xt用其秩次Rt（即把序列xt从大到小排列时，xt所对应的序号）代表，t仍为时序（t越1,2,…，n），秩次相关系数计算公式为：

式中，n为序列长度；dt=Rt-t。显然如果秩次Rt与时序t相近时dt小，秩次相关系数大，趋势显著。

相关系数r是否异于零，可采用t检验法。统计量T的计算公式为：

服从自由度为（n-2）的t分布。

显著性水平为琢，当|T|>t琢/2时，说明序列随时间有相依关系，从而推断出序列趋势显著；反之，则趋势不显著。

2.3 滑动平均法

序列x1，x2，…，xn的几个前期值和后期值取平均，求出新的序列yt，使原序列光滑化，这就是滑动平均法。数学式表示为：

当k=2时为5点滑动平均，k=3时为7点滑动平均[4]。若xt具有趋势成分，选择合适的k，yt就能把趋势清晰地显示出来，因此滑动平均法在水文气象领域得到了大量的应用[5]。

2.4 小波分析

小波分析具有非常强大的多尺度分辨功能，能识别出水文序列各种高低不同的频率成分。不同尺度下的低频成分表示水文序列在该尺度下的变化趋势。事实上，趋势可以看作是周期长度比实测序列长得多的周期成分。因此通过小波变换，得到水文序列的低频系数，由低频系数的变化过程可识别出该尺度下的趋势变化。

利用小波分析识别趋势成分的步骤如下：

1）选择合适的小波函数，利用快速算法对水文序列进行小波分解，得到各种尺度下尺度序列（系数）；

2）对各尺度进行单支重构，得到不同尺度下的低频序列；

3）对不同尺度下的低频序列进行分析，判断其趋势性质，进一步用传统方法定量确定趋势成分。

小波分析识别趋势成分有一个显著的特点，那就是可以清晰给出趋势变化的转折点。同时用小波分析识别趋势成分时要特别注意尺度，离开了尺度谈趋势是毫无意义的[6]。

3 和田绿洲气温的趋势分析

3.1 M-K检验法和Spearman检验法

表1为显著性水平琢=5%时，Mann-Kendall秩次相关检验和Spearman秩次相关检验的结果。统计检验结果表明：和田绿洲的年平均气温及夏、秋、冬季平均气温均存在显著增长趋势。

表1 气温趋势检验结果表

3.2 滑动平均法

图2为1954—2003年气温与5年滑动平均曲线比较图，可以看出，从1954年到2003年气温存在上升趋势，尤其是1996年以后上升尤为明显。图3—6分别为春、夏、秋、冬季气温与5年滑动平均曲线比较图。由图3可以看出春季气温从1954年到1983年持续上升但增幅不是很大，1984—1996年春季气温有所减少，1997年以后春季气温又持续上升，且增长幅度较大，总体上春季气温趋势不是很显著；由图4可以看出夏季气温从1995年以后增加趋势较明显，1954—2003存在不明显的增加趋势。由图5可以看出秋季气温从1954—1978年持续上升，随后的1979—1983年有所下降，接着1984—1994年秋季气温变化较为稳定，没有明显的增减趋势，1995年以后秋季气温又持续增加，且增幅较大，总体上秋季气温还是呈上升趋势。由图6可以看出冬季气温从1955—1976年呈减小趋势，1977—1981年的5年期间呈增长趋势且增加幅度较大，1982—1986年变化较为稳定，无明显的增减趋势，1987年以后冬季气温又呈增长趋势，整个时段来看冬季气温还是呈增长趋势。

和田绿洲的冬季气温变化较为剧烈，从图6中就可以看出，数据波动较大，和田绿洲气温的增加主要表现在冬季气温的增加。而且不管是年气温还是春季、夏季、秋季、冬季气温都是从1996年以后，气温增长趋势尤为显著。

图2 年气温与5年滑动平均曲线

图3 春季气温与5年滑动平均曲线

图4 夏季气温与5年滑动平均曲线

图5 秋季气温与5年滑动平均曲线

图6 冬季气温与5年滑动平均曲线

3.3 小波分析

选择Db3小波函数，对和田绿洲气温施行Mallat算法快速分解，得到不同尺度下的尺度系数，将它们分别进行重构，获得对应尺度下的低频序列，进而识别趋势成分。

对和田绿洲年平均、春、夏、秋、冬季平均气温序列施行5层小波分解并进行重构，得到气温序列的趋势变化如图7所示。

根据图7可知，和田绿洲年、春、夏、秋、冬平均气温均存在递增趋势，且增幅最大的是秋季，增幅最小的是春季，分析结果与前3种方法基本一致。

图7 和田绿洲气温趋势变化图

3.4 结果对比分析

本文采用4种方法分别对和田绿洲的年、春、夏、秋、冬季平均气温序列的趋势进行了分析，得到一致的结果是存在趋势变化，且年、夏、秋、冬季平均气温序列的递增趋势显著，但不同方法又有各自的优缺点。

M-K检验法、Spearman检验法和滑动平均法都属于传统趋势成分识别方法，是在成因分析基础上结合统计检验进行的[7]。前两种方法的优点在于能定性给出变化趋势，并能对结果进行显著性检验[8]；而且M-K检验法能根据标准化变量M的正负直接判断出递增趋势还是递减趋势，较Spearman检验法要好。滑动平均法简单易懂，容易实现，从图中可形象直观看出序列变化趋势，而且可以看出局部的增减变化特性，但不能进行显著性检验，由于缺乏经验也难以对滑动曲线的趋势特点作出准确判断，尤其是序列的总体变化趋势。正因为如此，近年来M-K检验法在国际范围内被广泛应用于气象要素时间变化趋势的分析。

小波分析是近年来提出的、用于分析时间序列的新方法，其优点在于可以作局部分析，给出时间变化的细微结构，且对奇异性数据有较强的分析能力；还可以一步一步反映出序列的变化趋势和局部增减趋势，尤其可以给出趋势变化的转折点。在趋势不显著时，传统方法很难分析出序列的趋势，小波分析就可以通过一步步分解，滤掉高频信息，只留下反映趋势的低频信息，进而得到序列趋势，但小波分析缺乏物理成因背景，且不方便进行显著性检验。小波分析与滑动平均法一样，都是通过读图判断序列的趋势，且经小波分解得到的重构序列图的趋势特征明显较滑动曲线图清晰，易于判断。

综合上述，笔者推荐分析时间序列的趋势时可将小波分析与传统方法（检验）结合使用，这样能更好反映序列趋势性。

4 结语

分析时间序列趋势的数学方法很丰富，本文选择4种常用的方法，对和田绿洲实测气温序列进行趋势分析。结果表明，和田绿洲的气温存在递增趋势，尤其是年、夏、秋与冬季序列的递增趋势显著。这意味着，春季融雪径流趋于增大，建议乌鲁瓦提水库做好调节，预防春汛；夏秋增温有利于冰雪融化，建议乌鲁瓦提水库夏秋储备水量；冬季增温会使农田病虫害趋于严重，乌鲁瓦提水库应供加大冬灌水量以遏制病虫害。

通过对比所用方法发现，小波分析是分析时间序列趋势变化的有利工具，它可以通过层层分解，将趋势变化的整体与局部以及转折点清晰地表现出来。因此，笔者推荐分析时间序列的趋势时，可将小波分析与传统检验方法结合使用。

[1]刘钰华,文华,狄心志,等.新疆和田地区农田防护林效益的研究[J].防护林科技,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]胡昌华,李国华,刘涛,等.基于MATLAB 6.X的系统分析与设计——小波分析[M].西安:电子科技大学出版社,2004.

[5]薛小杰,蒋晓辉，黄强，等.小波分析在水文序列趋势分析中的应用[J].应用科学学报,2002,20（4）：426-428.

[6]刘素一,权先璋，张勇传.不同小波函数对径流分析结果的影响[J].水电能源科学,2003,21（1）：29-31.

[7]王文圣,丁晶,李跃清.水文小波分析[M].北京：化学工业出版社，2005.

[8]陈文海,柳艳香,马柱国.中国1951—1997年气候变化趋势的季节特征[J].高原气象.2002,21（3）:251-257.