南岭山地1968到2015年降雨的时空变化特征研究

宗天韵, 周玮莹, 周平,*



南岭山地1968到2015年降雨的时空变化特征研究

宗天韵1,2, 周玮莹1, 周平1,*

1. 广州地理研究所, 广州 510070 2. 中山大学, 生命科学学院, 广州 510275

南岭山地位于广东、广西、湖南、江西、福建五省的交界处, 是我国南方重要的生态屏障带。认识南岭地区降水的时空分布特征, 对于深入了解南岭山地生态屏障作用及气候变化条件下该区域的降水规律意义重大。利用1968—2015年中国南岭区域14个气象站的逐月降水资料, 主要采用Mann-Kendall统计检验法、聚类分析法、小波分析方法和Kriging插值法, 研究了南岭地区48年内降水的时空分布特征。结果表明: ①南岭区域的多年平均雨量分布在1203.19 mm到2019.56 mm之间, 总体上来看, 南岭地区降雨量主要集中在南部, 自南向北呈减少趋势, 降水量随着经度增加而增加, 随纬度增加而减少, 且随海拔的升高而减少。②通过对14个站点的48 a降雨情况进行聚类分析可将南岭全区域划分为5个子区域, 全区域以及5个子区域春季、秋季的降水量呈下降趋势, 夏季和冬季呈上升趋势, 汛期大多表现出下降趋势, 非汛期大多呈上升趋势, 但除了南岭最西部的子区域的汛期降雨量表现出显著的下降趋势以外, 其余区域的各时间段降雨量趋势变化均不显著。③全区域和5个子区域的年均降雨量在48 a内没有发生显著的突变, 人类活动以及气候变化对于南岭地区的降水尚未造成非常明显的影响。④南岭地区降雨序列存在多个不同时间尺度的周期, 仅有2 a和13 a通过了85%的红噪声检验, 13 a周期所对应的小波方差峰值较2 a的峰值更高, 因此可将13 a作为南岭地区降雨量变化的主周期。研究结果可为南岭地区的农业、林业、旅游业发展决策和生态屏障作用评价提供参考依据。

南岭; 聚类分析; Mann-Kendall统计检验; 小波分析

0 前言

中国的山地占据了全国69.4%的国土面积, 养育着约占全国总人口1/3的居民[1]。而山地的海拔梯度则使其成为山洪、泥石流、土壤侵蚀等自然灾害的发育区。在很大部分的山地灾害当中, 降水都发挥着极其重要的主导作用, 因此想要了解山地自然灾害发生的风险程度高低, 就首先要了解当地的降水情况。近年来, 随着人类活动范围的不断扩大, 以及全球气候变化的加剧, 保护山区环境安全和生态资源刻不容缓。在这样的发展要求下, 对山区降水时空变化特征的研究是具有先导意义的。

近年来, 我国许多学者对中国部分区域的山区降水进行了深入研究, 贾文雄[2]利用线性趋势、IDW空间插值、Morlet小波分析、Mann-Kendall突变检验等方法对祁连山脉及河西走廊的降水日数和降水强度进行了研究, 王麒翔等[3]通过变差系数、Mann-Kendall检验、Kriging插值等研究方法分析了黄土高原地区暴雨量和侵蚀性雨量的时空变化特点, 张丁玲[4]基于卫星遥感资料和地面观察资料, 从降水、蒸发、水汽、积雪等方面分别分析了青藏高原的水资源时空变化并探讨了区域气候变化对高原水资源的影响。上述研究对我国山区, 尤其是西部、西南部的干旱、半干旱山区提供了多年的降水时间、空间上的变化特征依据以及多方面的分析方法, 在当地水土保持、农业生产和生态保护方面都具有重要的参考价值。

南岭山地山峰林立、沟谷纵横, 它是温带动植物最南端的避难所, 也是热带、亚热带动植物的基因宝库[5]。目前对南岭山地降水方面研究较少, 尚未发现对南岭山地降水时空变化规律的报道。本研究选取南岭山地范围内的14个气象站48年(1968年1月至2015年12月)的逐月降雨数据为主要资料, 辅以南岭山地的数字高程模型, 并采用Mann-Kendall趋势分析、突变检验以及小波分析等方法, 研究南岭地区近50年来的降雨时空变化特征, 进而对深入认识气候变化背景下南岭山地屏障带的降雨规律提供依据。

1 研究区概况

南岭是我国生态安全格局中南方最重要的生态安全屏障带, 也是长江流域与珠江流域的分水岭。它位于23º37’—27º14’ N和109º43’—116º41’ E之间, 地处湖南、江西、广西、广东、福建五省的交界处, 东西绵延约700 km, 南北宽约400 km[6]。南岭地区属典型的亚热带季风气候, 因地势较高, 又兼具山地气候特色。南岭地区降水量充沛, 年降水量达1500—2000 mm, 多集中在3—8月份, 地带性植被为亚热带常绿阔叶林, 多分布在海拔800 m以下。

2 资料和方法

研究选取了位于南岭山地范围内的14个气象站点(图1), 包括湖南省的通道、武冈、永州、道县、郴州, 广西壮族自治区内的桂林、八步, 广州省内的南雄、连州、韶关、连平、广宁和江西省内的赣县、寻乌, 从中国国家气象局获取了这14个站点从1968年1月到2015年12月的逐月雨量资料(http://data.cma.cn/ site/index.html), 所有站点降雨资料无数据缺失情况。

2.1 空间变化分析方法

由于基于地统计学的Kriging 插值方法有较好的拟合效果[7-9], 因此在分析降雨的空间变化特征时, 选择了Kriging插值法, 利用ArcGIS的地统计模块将14个站点的多年平均雨量进行空间内插, 从而得到空间连续分布的南岭地区多年平均雨量分布图。

2.2 趋势分析方法

采用Mann-Kendall检验法来分析降水时间序列的趋势变化[10-11]。Mann-Kendall法是一种非参数统计检验方法, 由Mann和Kendall提出。其优点是样本无需遵从一定分布, 也不受少数异常值干扰, 计算较简便[12-14]。

对于具有个样本量的时间序列变量1,2,…,x, Mann-Kendall统计检验为:

式中, sgn(·)为符号函数。计算式为

Figure 1 Location map of meteorological stations in Nanling

构造Mann-Kendall法的检验统计量:

若|Z|≥zαo/2, 则表示拒绝零假设, 通过显著性水平为αo的双边显著性检验, 认为时间序列存在显著的趋势性。若Z为正值, 则表示时间序列随时间推移呈现增加趋势; 若Z为负值, 则表示系列随时间推移呈现减小趋势。当αo=0.05时, Mann-Kendall统计检验的临界值为±1.96。

2.3 Mann-Kendall统计检验

通过对正向的样本序列构造秩序列:

其中当x>x时,r=1, 否则r=0(=1,2,…,)。统计量S时第个时刻的数值大于时刻数值个数的累计值。在时间序列随机独立的假定下, 定义统计量:

式中,1=0,(S)和var(S)是累计数S的均值和方差, 在系列独立的情况下, 可以用下式算出:

再将样本逆序列重复进行上述过程, 并且使UB=–UF。

2.4 周期分析方法

小波分析[15]是在傅立叶(Fourier)变换的基础上引入的窗口函数, 小波变换基于仿射群的不变性(平移和伸缩的不变性), 允许把一个时间序列分解为时间和频率的贡献[16-18]。它对于获取一个复杂时间序列的调整规律, 诊断出气候变化的内在层次结构, 分辨时间序列在不同尺度上的演变特征等是非常有效的[19]。小波函数是小波分析的关键, 它是指具有震荡性、能够迅速衰减到零的一类函数[20]。

在水文系统小波分析中, 使用较多的是Morlet小波[21]、Mexican hat小波[22]和Haar小波[23]等。本研究中采用常用的Morlet函数对南岭地区的降水时间序列进行连续小波变换, 其小波函数形式如下:

3 结果与讨论

3.1 年降雨量空间分布特征

南岭地区的降水空间差异性较大, 总体而言, 南岭北部的8个站点(通道、武冈、永州、道县、郴州、南雄、赣县、寻乌)多年平均降水量相对较少, 而南部的6个站点(桂林、八步、广宁、连州、韶关、连平)的多年平均降雨相对较多, 这与南岭山地对于水汽的阻挡作用是密不可分的。其中降雨最多的为桂林站, 最低的为武冈站, 多年平均雨量的差异性在南岭以西表现最明显(图2)。结合南岭山地地形可知, 桂林地区因三面环山, 水汽易在此聚集, 从而形成大量降水。连平则因其东南部的地理位置, 有更多来自太平洋地区的水汽进入并带来降水。另外, 比较几乎处于同一纬度上的连州、韶关两站的多年平均雨量, 可见西部的连州地区雨量是多于韶关地区的, 这可能是由于连州周围环绕着海拔较高的山峰, 东南面则地势较为平坦, 东南气流易于在此聚集, 空气的抬升运动越强, 从而易发展出较强的对流, 形成降水[24]。为了进一步了解地理位置对降水的影响, 采取线性回归法分别构建各站点多年平均雨量与经、纬度之间的相关关系。由图3a可知, 降雨量有随着经度的增加而增加(=0.0019,<0.01)的趋势, 但是二者相关关系很弱; 由图3b 可知, 降水总体上随着纬度的增加而减少(=0.4516,<0.01); 由图3c可知, 降水总体上随着海拔高度的升高而减少(=0.1175,<0.01)。

3.2 降雨量的年际变化特征

在研究降雨量年际变化的过程中, 采用聚类分析的方法。图4当中, 降雨量的多少由红色至蓝色分别表示, 也就是说, 蓝色越深的时间点降雨越少, 红色越深的月份降雨越多。树形图发生分支则表示出现了不同类别的划分, 根据分支出现的先后顺序则可以了解各站点降雨情况差异的大小。由聚类分析的树形图可见, 14个站点首先被聚集为两类, 一类包括位于南岭西部的通道、武冈、永州等6个站点, 另一类包括位于南岭东部的郴州、连州、广宁等8个站点, 这样的分类结果显示出南岭山地东西部分的降雨格局有所差异。西部6站所在地区因南北降水差异先后划分出北部的八步地区和南部的通道、武冈地区, 其余3个站点因东西降水特征的不同而被划分为桂林站以及永州、通道站两个部分。在南岭的东部8个站点中, 赣县、寻乌首先被划分出来, 可见两者所处最东部地区的降水情况与其余偏中部的6站的降雨情况有所差异。而后, 偏中部的6个站点先后被划分为广宁地区、郴州地区、连州—南雄地区以及韶关—连平地区, 这样的划分结果符合不同纬度地区降水情况不同的规律。在本研究中, 根据降雨情况的相似程度, 将14个站点分成5个子区域, 具体分类结果见表1。从纵向上的时间聚类结果来看, 降雨较多的5、6月份多集中在下方红色较多区域, 而降雨较少的11、12月份多集中在深蓝色区域, 由此可见南岭山地各地区的年际降雨分布是较为一致的。

图2 南岭多年平均雨量分布图

Figure 2 Distribution maps of average annual rainfall in Nanling

图3 南岭地区多年平均雨量与经纬度相关关系

Figure 3 Correlativity between average annual rainfall and longitude, latitude in Nanling

图4 南岭地区各站点降雨量的聚类分析热图

Figure 4 Cluster analysis diagram of rainfall in Nanling

表1 南岭地区子区域内包含气象站信息

3.2.1 降雨量趋势变化分析

利用Mann-Kendall趋势检验来分析各区域在1968—2015年的48 a间的降雨量。由于南岭地区的降雨在年内不同季节、汛期和非汛期呈现明显的差异特征, 因此本文以年、季节、汛期、非汛期、典型月份为时间段分析雨量。四季的划分按照气象划分法, 即以3月—5月为春季, 6月—8月为夏季, 9月—11月为秋季, 12月—翌年2月为冬季, 另将4月—9月划分为汛期, 10月—翌年3月界定为非汛期。表2即区域1-5以及全区域的降雨量趋势表。

通过分析多年平均雨量趋势变化, 发现全区域的年、四季、汛期和非汛期降雨趋势变化均不显著。其中春季、秋季的降水量变化普遍呈下降趋势, 预示着发生季节性干旱的可能性有所增加; 夏季、冬季降雨变化趋势大多呈上升趋势。在子区域的层面上, 5个子区域大多在春季和秋季呈下降趋势, 在夏季和冬季则以上升趋势为主。汛期时段的3个子区域降雨量呈下降趋势, 另外两个子区域雨量则表现出上升趋势, 但上升趋势的对应斜率明显较下降趋势对应斜率要更平缓。另外, 其中仅有区域2的汛期降雨量呈现出显著的下降趋势, 其余时间段子区域的降雨量变化趋势均不显著。区域2所在地区位于南岭的西南部, 也是南岭降水最少的部分, 可能因此较易发生显著的降雨量变化。区域2夏季雨量的下降趋势也可能与南岭山地的阻挡作用有关, 来自东南方向的温湿气体在向内陆移动的过程中形成降雨而有所消耗, 同时又不断受到山脉的阻挡, 因此在到达西北部时难以形成大量降水。

结合南岭全区域和5个子区域的在48 a内的降雨趋势变化可见, 南岭的全年降雨量呈微弱下降趋势, 但子区域当中的区域1和区域5则表现出了微弱的上升趋势, 两个子区域位于南岭山地的东南部, 近年来因全球性的气温升高, 南海水温有所上升, 更多的水汽输送进来, 形成更多的降水。但因为山地的阻隔作用, 水汽未能输送到南岭的东北地区, 从而造成了降水变化趋势的地域差异。以多年平均雨量为例(图5), 2003年降水最少, 仅有1203.19 mm, 而2002 年降雨量达到最高峰, 为2019.56 mm。1976到1994年, 平均降雨量普遍偏低, 而后降雨量有所回升, 并开始了更大程度的连续波动, 整体上来看48年的雨量仍呈下降趋势。段辉良等[5]通过区域气候模式(RegCM)研究表明南岭地区1980年至2010年的年均雨量呈增加趋势, 这与本研究所得结果有所出入, 可能的影响因素是多重的, 一方面两个研究对于南岭区域的界限划分有差异, 另一方面所利用的气象站点数据也大不相同。另外, 不同的研究方法也可能得到不同的降水量变化趋势的结果。

表2 南岭全区域及各子区域降雨趋势线斜率

注: “*”表示统计量Z<–1.96, 呈显著下降趋势。

图5 多年平均雨量趋势图

Figure 5 Variation trend map of average annual rainfall

3.2.2 降雨量突变分析

为分析降雨序列的突变情况, 采用Mann- Kendall突变检验法对区域1-5以及南岭全区域的降雨量序列进行突变分析, 发现5个子区域和南岭全区域的年雨量序列均没有发生显著突变。以南岭全区域的年雨量序列为例(图6), 降雨量正序列统计量UF和反序列统计量UB曲线在置信区间内存在交点。最早的交点出现在1968—1969年, 交点处UF<0, 但正序列UF曲线始终没有超过临界值线=±1.96, 即没有通过95%置信水平, 也就是说没有发生显著突变, 由此可见近年来南岭区域内的人类活动或是大尺度的气候变化没有对当地的降水造成显著的影响。

3.2.3 降雨量周期分析

在分析南岭地区降雨周期性变化情况的过程中, 采用了小波分析的方法。由全区域小波等值线图(7a)可知, 南岭地区1968—2015年年均降雨量存在不同时间尺度上的周期震荡。图中大小不同的小波系数对应着强弱不一的信号, 等值线为正的用实线表示, 代表降雨较多; 等值线为负的用虚线表示, 代表降雨较少, 每一个小波系数为零之处则对应着一个突变点。在1—2 a的时间尺度上, 存在比较明显的周期震荡, 年雨量经历了由多至少的多次循环交替, 在10—15 a的时间尺度上, 年雨量也同样经历了多少交替的多次循环。

在多个周期当中, 仅有2 a和13 a的周期经过了85%的红噪声检验, 但两者均没有通过更高置信水平的红噪声检验。2 a的降雨量周期与农业上“大小年”的说法一致, 可见所谓的“大小年”的发生有可能是因为降雨量的年际变化而收到了部分影响。因为13 a周期所对应的小波方差峰值较2 a的峰值更高, 因此有理由将13 a作为南岭地区多年平均降水量序列的主周期。13 a的周期与太阳黑子11.2 a的周期相近, 另有研究指出, 华南地区大范围洪涝多发生在太阳黑子低值附近或降段[25], 因此该周期可能可以为洪涝灾害的预防提供依据。由图7a中可看出, 13 a的周期中嵌套着幅度不一的小周期, 2018年仍处于降雨量增加的阶段, 2020年则会进入新的周期。

图6 南岭全区域年雨量突变分析图

Figure 6 Mutation analysis diagram of rainfall in Nanling

注: 图7b 虚线表示85%置信水平的红噪声检验曲线, 若实线的峰值超过虚线则表示对应的周期显著。

Figure 7 Wavelet analysis map of average annual rainfall in Nanling

4 结论与展望

根据南岭地区14个气象站点从1968—2015年共计48 a的逐月降雨资料, 对流域月、季节、年、汛期、非汛期的降雨量序列进行统计分析, 得出以下结论: ①南岭地区的降水空间差异性较大, 多年平均雨量的分布范围在1203.19 mm到2019.56 mm内, 位于南岭西南部的广西省境内以及东南部连平、韶关站所在的广东境内降水较多, 而北部则降水较少。在空间上, 降水总体上随经度增加而增加, 但关系微弱, 而随纬度增加而减少, 随海拔增高而减少, 这两个关系相对明显。因南岭内复杂的山地地形形成了东西方向上趋势变化不明显的差异性降水, 但南岭山地在南北地区降水差异上发挥了重要的屏障作用。②聚类分析表明, 依据各站点降水情况的差异可将14个站点划分为5组, 即将整个区域划分为5个子区域, 每个子区域当中存在相似度较高的降雨特征。③通过趋势分析可以发现, 南岭地区全区域以及5个子区域的年、四季、汛期和非汛期降雨量趋势变化都不显著。其中春季、秋季的降水量以下降趋势为主, 预示发生季节性干旱的可能性有所增加; 夏季、冬季时段呈上升趋势。汛期大多表现出下降趋势, 非汛期降雨趋势则以上升为主。部分区域因受山脉阻挡水汽的作用而呈现出与上述规律不一致的变化趋势。④在南岭的48 a降雨序列内未发现有突变发生, 近年来降雨量变化趋于平缓, 未受到太过剧烈的人类活动或气候变化的影响。⑤小波分析表明, 南岭地区的年降雨量存在着多重时间尺度下的周期变化特征, 最为显著的是在多个周期当中的2 a和13 a的周期, 经过了85%的红噪声检验, 13 a周期可以作为南岭地区降水的主周期进行更为深入的研究。

本研究以48 a的逐月雨量数据为资料, 且包含的气象站点个数较少, 因此研究精度还有待提高。由于南岭地区的界限划分目前较为模糊, 在同类型的文章中研究区域有所差异, 可能导致研究结果上的不同。在今后的研究中, 可以从获取更高精度的降雨资料入手, 在进行趋势分析和突变检验时以站点为研究单位可以更加了解降雨指标的变化细节。另外也可以从极端降雨事件入手, 研究南岭地区近年来发生区域性山地洪涝灾害的可能性, 为水土保持、产业发展等方面工作方案的定制提供理论依据。

[1] 崔鹏. 中国山地灾害研究进展与未来应关注的科学问题[J]. 地理科学进展, 2014, 33(2): 145–152.

[2] 贾文雄. 近50年来祁连山及河西走廊降水的时空变化[J]. 地理学报, 2012, 67(5): 631–644.

[3] 王麒翔, 范晓辉, 王孟本. 近50年黄土高原地区降水时空变化特征[J]. 生态学报, 2011, 31(19): 5512–5523.

[4] 张丁玲. 青藏高原水资源时空变化特征的研究[D]. 兰州:兰州大学, 2013.

[5] 段辉良, 曹福祥. 中国亚热带南岭山地气候变化特点及趋势[J]. 中南林业科技大学学报, 2012, 32(9): 110–113.

[6] 周平. 假如没有南岭[J]. 中国国家地理. 2017(12): 16–25.

[7] 章文波, 付金生. 不同类型雨量资料估算降雨侵蚀力[J]. 资源科学, 2003(1): 35–41.

[8] 闫星光, 吴琳娜, 周涌, 等. 喀斯特地区月均降水协克里金插值方法研究——以贵州省为例[J]. 云南大学学报(自然科学版), 2017, 39(3): 432–439.

[9] 杨永利, 陈月. 基于协同克里金模型的区域降水空间插值方法与应用研究[J]. 水利技术监督, 2016, 24(4): 104– 107.

[10] KENDALL M G, MAURICE G. Rank correlation methods[M]. London, Griffin, 1948.

[11] MANN H B. Non-parametric Test Against Trend[J]. Economet-rica, 1945, 13: 245–259.

[12] 简虹, 骆云中, 谢德体. 基于Mann-Kendall法和小波分析的降水变化特征研究——以重庆市沙坪坝区为例[J]. 西南师范大学学报(自然科学版), 2011, 36(4): 217–222.

[13] 陈伟, 汤静, 卜思阳, 等. 基于Mann-Kendall法和小波分析的沈阳站1951—2010年降水变化特征研究[J]. 农业灾害研究, 2015, 5(11): 37–38.

[14] 刘娟, 陈涛涛, 迟道才. 基于Daniel及Mann-Kendall检验的辽西北地区降雨量趋势分析[J]. 沈阳农业大学学报, 2014, 45(5): 599–603.

[15] GRINSTED A, MOORE J C, JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J], Nonlinear Processes in Geophysics. 2004, 11(5): 561–566.

[16] 邱海军, 曹明明, 曾彬. 基于小波分析的西安降水时间序列的变化特征[J]. 中国农业气象, 2011, 32(1): 23–27.

[17] 李淼, 夏军, 陈社明, 等. 北京地区近300年降水变化的小波分析[J]. 自然资源学报, 2011, 26(6): 1001–1011.

[18] HUANG Jin, ZHANG Jinchi, ZHANG Zengxin, et al. Spatial and temporal variations in rainfall erosivity during 1960-2005 in the Yangtze river basin[J]. Stochastic Environmental Research and Risk Assessment2013, 27(2): 337–351.

[19] 邓自旺, 尤卫红, 林振山. 子波变换在全球气候多时间尺度变化分析中的应用[J]. 南京气象学院学报, 1997(4): 89–94.

[20] CHRISTOPHER T, GILBERT P, COMPO. A practical guide to wavelet analysis[J].Bulletin of the American Meteorological Society, 1998, 79(1): 61–78.

[21] 王文圣, 丁晶, 衡彤, 等. 水文序列周期成分和突变特征识别的小波分析法[J]. 工程勘察, 2003(1): 32–35.

[22] 谢庄, 曹鸿兴, 李慧, 等. 近百余年北京气候变化的小波特征[J]. 气象学报, 2000, 58(3): 362–369.

[23] PRAVEEN K, EFI F. A multicomponent decomposition of spatial rainfall fields: 1. Segregation of large- and small-scale features using wavelet transforms[J]. Water Resources Research, 1993, 29(8): 2515–2532.

[24] 黄奇章. 广东降水气候特征及其成因分析[J]. 热带地理, 1990(2): 113–124.

[25] 沙万英, 李克让, 尹思明. 中国南部沿海地区雨涝灾害时空特征及趋势预测[J]. 自然灾害学报, 1997(1): 72–78.

Analysis of temporal and spatial variation of rainfall in 1968-2015 in Nanling

ZONG Tianyun1,2, ZHOU Weiying1, ZHOU Ping1,*

1. Guangzhou Institute of Geography, Guangzhou 510070, China 2. School of Life Sciences, Sun Yat-sen University, Guangzhou 510275, China

The Nanling is a mountain range that stretches across five provinces (Hunan, Jiangxi, Guangxi, Guangdong, and Fujian) in China, and it plays an important role as a boundary between tropical and subtropical regions. Understanding the spatial and temporal distribution characteristics of precipitation in Nanling is of great significance for further discovering the precipitation law of Nanling mountains under the conditions of climate change. Based on monthly precipitation data recorded at 14 meteorological stations in the Nanling area from 1968 to 2015, this study used the Mann–Kendall statistical test, wavelet analysis, and Kriging interpolation to analyze the spatial and temporal distribution characteristics of precipitation in the Nanling area. The results showed that rainfall was generally more abundant in the southwest of the area, decreasing from west to east and from south to north, but also decreasing with elevation. Cluster analysis indicated the area could be divided into five subregions, and that one year could not only be divided into spring (Mar.–May), summer (June–Aug.), autumn (Sept.–Nov.), and winter (Dec.–Feb.) but also into the flood season (Apr.–Sept.) and the non-flood season (Oct.–Mar.) as well. The mutative trends of annual seasonal precipitation and precipitation in the flood and non-flood seasons over the entire region, as well as the five subregions, were found not significant. Many different timescales of precipitation sequence were identified for the Nanling area, of which 13 years could be considered the primary period. The research results can provide reference for the development of agriculture, forestry and tourism in Nanling, and lay a foundation for the evaluation of ecological barrier function of Nanling.

Nanling mountains; cluster analysis; Mann–Kendall test; wavelet test

10.14108/j.cnki.1008-8873.2019.02.024

P426.6

A

1008-8873(2019)02-182-09

2018-4-12;

2018-6-9

广东省科学院能力建设专项(2017GDASCX-0701); 南岭观测研究(2018B030324001; 2019GDASYL-0401001)

宗天韵(1996—), 女, 江苏扬州人, 本科在读, 主要从事森林碳储量研究, E-mail: zongty@mail2.sysu.edu.cn

周平, 女, 博士, 研究员, 主要从事森林生态和地理信息系统应用开发研究, E-mail: pzhou@gdas.ac.cn

宗天韵, 周玮莹, 周平. 南岭山地1968到2015年降雨的时空变化特征研究[J]. 生态科学, 2019, 38(2): 182-190.

ZONG Tianyun, ZHOU Weiying, ZHOU Ping. Analysis of temporal and spatial variation of rainfall in 1968-2015 in Nanling [J]. Ecological Science, 2019, 38(2): 182-190.