秦岭山地夏季降水的时空变化特征及其气候归因

孟清 彭晓邦 张善红

摘 要：探究秦嶺山地夏季降水及其大气归因，是为了研究区域环境对全球气候变化的响应关系。根据1959—2022年陕西省秦岭山地32个气象站点数据和15个大气环流指数，运用一元线性回归法和小波变换分析法（CWT），研究了秦岭山地64年来夏季降水的时间变化特征和空间演变规律及其与大尺度环流指数的关系。结果表明，1959—2022年秦岭山地夏季降水呈现不显著的上升趋势，一元线性回归法的变化速率为10.81 mm/10 a。其中，秦岭山地南坡的商南站降水量变化率最大，为19.3 mm/10 a。秦岭山地夏季平均降水量为344.34 mm。位于秦岭山地南坡的紫阳县降水量最大，约为469.35 mm。位于秦岭山地北坡的华阴县降水量最少，约为216.51 mm。秦岭山地南坡夏季降水明显多于北坡，降水量约为107.68 mm。南坡夏季平均降水量约为377.99 mm，北坡夏季平均降水量约为270.31 mm，均未通过显著性检验。秦岭山地64年来的夏季降水量与SOI、SAODI、SWACI均有较强的正相关关系，与EASMI、SCSMI、SASMI均存在负相关关系。

关键词：夏季降水；大气环流；秦岭山地

中图分类号：P426.614 文献标识码：A 文章编号：1674-0033（2024）02-0001-08

引用格式：孟清，彭晓邦，张善红.秦岭山地夏季降水的时空变化特征及其气候归因[J].商洛学院学报，2024，38（2）：1-8.

The Spatio-temporal Variation Characteristics and Climate Attributions of Summer Precipitation in the Qinling Mountains

MENG Qing， PENG Xiao-bang， ZHANG Shan-hong

（School of Urban and Rural Planning and Architectural Engineering / Shangluo Carbon Neutralization Engineering Technology Research Center， Shangluo University， Shangluo  726000， Shaanxi）

Abstract： Exploring the summer precipitation and its atmospheric attributions in the Qinling Mountains has research value and significance for studying the response of the regional environment to global climate change. Based on data from 32 meteorological stations and 15 atmospheric circulation indices in the Qinling Mountains of Shaanxi Province from 1959 to 2022， univariate linear regression method and wavelet transform analysis （CWT） are used to study the temporal and spatial evolution characteristics of summer precipitation in the Qinling Mountains over the past 64 years， as well as its relationship with large-scale circulation indices. The conclusions obtained are as follows： summer precipitation in the Qinling Mountains has shown an insignificant upward trend in the past 64 years from 1959 to 2022， and the change rates of the univariate linear regression method is 10.81 mm/10 a. It was found that the precipitation change rate at Shangnan Station on the southern slope of the Qinling Mountains is the highest， with a change rate of 19.3 mm/10 a. The average summer precipitation in the Qinling Mountains region has been 344.34 mm. Ziyang County， located on the southern slope of the Qinling Mountains， has the highest precipitation， approximately 469.35 mm. Huayin County， located on the northern slope of the Qinling Mountains， has the lowest precipitation， approximately 216.51 mm. The summer precipitation on the southern slope of the Qinling Mountains has been significantly higher than that on the northern slope， with a precipitation of approximately 107.68 mm. The average summer precipitation on the south slope is about 377.99 mm， and the average summer precipitation on the north slope is about 270.31 mm， both of which have not passed the significance test. The 64 year summer precipitation in the Qinling Mountains has a strong positive correlation with SOI， SAODI， and SWACI， while a negative correlation with EASMI， SCSMI and SASMI.

Key words： summer precipitation; atmospheric circulation; the Qinling Mountains

在全球变暖背景下，降水的变化呈现高纬度地区增加，副热带地区减少的总体趋势[1]。降水作为最重要的气候要素之一，也是水循环过程的一个重要环节，研究大气降水对于理解全球气候变化和研究水循环过程具有重要的理论意义。

秦岭山地位于我国中部，是我国的南北分界线，也是气候变化的过渡区域和敏感区域，具有重要的地理意义。受东亚季风影响显著，秦岭山地降水多集中于夏季，年均降水量600～1 200 mm，汛期6～9月的降水量占全年的60%左右，降水变率大，季节分配不均匀[2]。降水在空间和时间上还具有高度的空间异质性[3]。受大尺度环流因子的影响，夏季降水或者暴雨频发，可能会导致洪涝灾害[4-6]，严重威胁人民的生命安全、生态环境和国家的资源能源保障储备体系[7-8]。近年来，陕西省秦岭地区由于极端天气引起的自然灾害频发，因为夏季极端降水事件导致的洪涝出现的频率也在不断增加[9]。如2022年洛南的“8.6”暴雨洪涝事件，更有甚者还引发了其他更为严重的自然灾害，如1983年安康的 “7.13”特大洪水结束后出现的大面积蛇灾和泥石流滑坡等地质灾害。这些灾情不仅严重危害人民的身心健康及财产安全，还会在很大程度上阻碍本地区经济的发展。因此，在全球气候变化背景下研究秦岭山地夏季降水的时空分布特征及其气候归因，对于防灾减灾意义重大。

有关研究表明，秦岭山地呈现暖湿化特征，近60年来的降水也呈现不显著的上升趋势[10-11]。此外，还有研究表明秦巴山地的极端降水会在夏季呈现增加趋势，而在其他三个季节呈现下降趋势[12]。通常，大尺度环流气候因子会在不同程度上影响到中国各区域的气候变化，尤其是夏季降水的变化[13-14]。作为气候变化的敏感区域，研究秦岭山地夏季降水的变化趋势与大尺度气候环流的关系至关重要。因此，解决这些科学问题对于理解全球气候变化的區域环境响应、研究极端降水事件及防洪减灾等方面具有理论指导意义。

1  研究区概况

本文所选的研究区域为陕西秦岭，东西以陕西省省界为界，北临渭河，南面汉江，位于32°40′～34°35′N，105°30′～111°3′E，秦岭是中国南北分界线，是1月0 ℃等温线、800 mm等降水量线及北亚热带和暖温带的分界线，同时还是长江水系和黄河水系的分水岭等[15]。秦岭山地具有北仰南俯的特征，分布着海拔2 500 m以上的中山和3 000 m以上的高山[16]，最高海拔为太白山的拔仙台，海拔3 771.2 m。其中高于1 500 m的山地面积为1.46 × 104 km2；高于2 000 m的面积为3 675.5 km2；高于3 000 m的面积为130.23 km2。秦岭地区年均降水量600～1 200 mm，汛期6～9月的降水量占全年的60 %左右，降水变率大，季节分配不均匀[2]。秦岭山体庞大，冬季能阻挡寒冷的西伯利亚寒流南下，使南方减少冻害；夏季又可以阻挡太平洋上湿润的水汽北上，使得中国南北出现了不同的气候类型和植被类型[17]。秦岭北坡位于关中平原南部地区，主要包括宝鸡、西安和渭南大部分县区；秦岭南坡位于秦巴山之间，跨越商洛、安康和汉中等地区[18]。

2  数据来源与研究方法

2.1 数据来源

2.1.1气象数据

本文所研究的降水数据来源于陕西气象局1959—2022年每个月的数据，32个气象站点信息如表1所示。

2.1.2大气环流指数

本研究中使用的大规模气候环流指数包括：从美国国家海洋和大气管理局国家气候数据中心获得的大西洋涛动（Atlantic Oscillation，AO）（http：//www.ncdc.noaa.gov/teleconnections/ao.php），从中国国家气候中心获得的太平洋十年振荡指数（Pacific Decadal Oscillation，PDO）（http：//cmdp.ncc-cma.net/cn）、东亚夏季风指数（the East Asian Summer Monsoon Index，EASMI）、南方涛动指数（Southern Oscillation Index，SOI）、南亚夏季风指数（South Asian Summer Monsoon Index，SASMI）、南海夏季风指数（South China Sea Summer Monsoon Index， SCSMI）、北大西洋振荡（North Atlantic Oscillation，NAO）、大西洋数十年振荡（Atlantic Multi-decadal Oscillation，AMO）、北美夏季季风指数（North American Summer Monsoon Index，NASMI）、太平洋-北美模式（Pacific North American Pattern，PNA）、澳大利亚夏季季风指数（Australian Summer Monsoon Index，AUSMI）、类似季风的澳大利亚西南环流指数（Monsoon like Southwest Australian Circulation Index，SWACI）、南美夏季季风指数（South American Summer Monsoon Index，SHAMI）、西非夏季季风指数（West African Summer Monsoon Index，WASMI）和南大西洋偶极子指数（South Atlantic Ocean Dipole Index，SAODI）（http：//ljp.lasg.ac.cn/dct/page/.），共15个大气环流指数。

2.2 研究方法

小波相干法（Wavelet coherence，CWT）是用于表明两序列在时频域相似程度的系数，找到两序列共同变化的区域[19-20]。本文用小波相干法以确定降水与大型气候异常之间的关系。小波相干法公式[21]：

式（1）中，X和Y两个时间序列分别对应于变换Wn X和Wn Y。作为平滑算子的S可以表示：

CWT使用带有红色噪声的蒙特卡罗方法来确定相干的5%统计显著性水平[19，22]。

3  结果与分析

3.1 秦岭山地夏季降水量的时间变化特征

运用一元线性回归法对1959—2022年秦岭山地夏季的降水量进行分析，结果如图1。

由图1可知，1959—2022年秦岭山地夏季降水量呈不显著上升趋势，变化速率约为10.81 mm/10 a。64年来夏季平均降水量約为344.34 mm。秦岭山地是我国的南北分界线，其南北坡的地理要素也呈现出明显的南北分异特点。本研究分析了秦岭山地南北坡64年来夏季降水的变化特征。结果如图2所示。

由图2可知，1959—2022年秦岭山地64年来南坡夏季降水明显多于北坡，降水量约为107.68 mm。其中，南坡夏季平均降水量约为377.99 mm，北坡夏季平均降水量约为270.31 mm，均未通过显著性检验。

3.2 秦岭山地夏季降水与大气环流因子的响应关系

秦岭山地位于中国季风区，气候变化尤其是降水变化容易受到全球大尺度气候环流的影响。通过分析1959—2022年秦岭山地32个站点的夏季降水与15个大气环流指数的相关关系，如表2所示，表明了气候指数对秦岭山地 32个站点夏季降水的影响。由表2可知，1959—2022年秦岭山地 64年来夏季降水量与SOI、SAODI和SWACI有较强的正相关关系，与EASMI、SCSMI和SASMI 存在负相关关系。

图3和图4为小波变换相关图，进一步表明了降水与气候环流指数的响应关系。由图3可知，EASMI与夏季降水量存在最显著的负相关且滞后关系，尤其是在1980—2008年；SOI在1988年前后存在5～6年周期的影响。由图4可知，SCSMI在1980年前后对秦岭夏季降水分别存在5～6年和8年周期的影响；SASMI也在1980年前后对秦岭夏季降水存在5年周期的影响，但时间较短；SWACI对秦岭夏季降水的影响作用最小。

4  讨论与结论

本研究发现，1959—2022年秦岭山地夏季降水呈现不显著的上升趋势。运用一元线性回归法结果表明秦岭山地夏季降水量变化速率为10.81 mm/10 a，过去64年秦岭山地南坡夏季降水明显多于北坡，降水量约为107.68 mm。南坡夏季平均降水量约为377.99 mm，北坡夏季平均降水量约为270.31 mm，均未通过显著性检验。秦岭山地 64年来夏季降水量与SOI、SAODI和SWACI有较强的正相关关系，与EASMI、SCSMI和SASMI 存在负相关关系。其中，小波变换相关法表明，EASMI与夏季降水存在最显著的负相关且滞后关系，尤其是在1980—2008年。SCSMI、SOI和SASMI均在20世纪80年代对秦岭夏季降水存在不同长短周期的影响；SWACI对秦岭夏季降水的影响作用最小。

本研究发现，秦岭山地夏季降水均受到大气环流的影响。其中EASMI是最显著的影响因素。根据前人研究结果可知，EASMI对中国其他地区都有影响，包括黄土高原[20]和中国的西北地区[23]。SOI是影响秦岭山地夏季降水的第二大因子。具体来讲，SOI是代表ENSO事件（如厄尔尼诺和拉尼娜事件）的指数，对中国很多区域的降水都有影响。本研究与前人的研究结果基本一致，表明EASMI和SOI是最能影响中国区域降水的两个影响因子，在未来对降水的预测时应该考虑到这两种因素[23-24]。有研究表明PDO对中国地区的降水有不同程度的影响力[25-28]。然而，在本研究中，通过小波变换相干法研究发现，PDO对秦岭山地的夏季降水存在较弱的影响力。原因可能是因为PDO与东亚季风之间的复杂关系。除了大尺度环流因子外，温度、地形和人类活动都会对秦岭山地夏季降水产生不同程度的影响。因此，在未来很有必要研究这几种因子与降水之间的关系，对预测未来降水的发展变化也有重要意义。

参考文献：

[1]  GOSWANI B N， VENUGOPAL V， SENGUPTA D， et al. Increasing trend of extreme rain events over India in a warming environment[J].Science，2006，314（5804）：1442-1445.

[2]  蒋冲，王飞，喻小勇，等.秦岭南北近地面水汽时空变化特征[J].生态学报，2013（12）：3805-3815.

[3]  韩芳，李丹.内蒙古荒漠草原不同等级降水时空变化特征[J].中国草地学报，2019，41（3）：90-99.

[4]  徐传书，张耀存.秦岭山区一次冷空气过程的数值模拟[J].大气科学学报，2007，30（2）：239-245.

[5]  尹红，郭品文，刘洪滨，等.陕西关中及周边地区近500 a来初夏旱涝事件初步分析[J].南京气象学院学报，2007，

30（1）：51-56.

[6]  FU Y， PAN X， YANG Y， et al. Climatological characteristics of summer precipitation over East Asia measured by TRMM PR： a review[J].Journal of Meteorological Research，2017，31（1）：144-161.

[7]  劉向培，佟晓辉，贾庆宇，等.1960—2017年中国降水集中程度特征分析[J].水科学进展，2021，32（1）：10-19.

[8]  苗运玲，卓芝正，张军，等.乌鲁木齐汛期降水集中度和集中期时空变化特征[J].沙漠与绿洲气象，2021，15（4）：9-16.

[9]  魏丽，单九生，朱星球.植被覆盖对暴雨型滑坡影响的初步分析[J].气象与减灾研究，2006（1）：29-33.

[10] 孟清.秦岭山地降水的时空变化及栅格数据集的获取[D].西安：西北大学，2021：25，30.

[11] MENG Q， BAI H， SARUKKALIGE R.et al.Annual and seasonal precipitation trends and their attributions in the Qinling Mountains， a climate transitional zone in China[J].Theoretical Appllied Climatology，2021，144，

401-413.

[12] SHAO Y， MU X， HE Y， et al. Spatiotemporal variations of extreme precipitation events at multi-time scales in the Qinling-Daba mountains region， China[J].Quaternary International，2019，525：89-102.

[13] 白爱娟，施能.东亚冬、夏季风强度指数及其与陕西降水变化的关系[J].南京气象学院学报，2004，27（4）：519-526.

[14] 白静漪，管兆勇.华东地区夏季不同等级降水变化特征分析[J].气象科学，2014，34（4）：365-372.

[15] 单之蔷.南北分界线上的迷雾[M].昆明：中国国家地理，2009：34-51.

[16] 刘康，马乃喜，胥艳玲，等.秦岭山地生态环境保护与建设[J].生态学杂志，2004，23（3）：157-160.

[17] 周旗，卞娟娟，郑景云.秦岭南北1951—2009年的气温与热量资源变化[J].地理学报，2011，66（9）：1211-1218.

[18] 马新萍.秦岭林线及其对气候变化的响应[D].西安：西北大学，2015：30-34.

[19] WANG X， WANG B， XU X. Effects of large-scale climate anomalies on trends in seasonal precipitation over the Loess Plateau of China from 1961 to 2016[J].Ecological Indicators，2019，107：1-7.

[20] 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（5/6）：561-566.

[21] CASEY K S， CORNILLON P. A comparison of satellite and in situ-based sea surface temperature climatologies[J].Journal of Climate，1999，12（6）：1848-1863.

[22] JEVREJEVA S， MOORE J C， GRINSTED A. Influence of the Arctic oscillation and El Nio-Southern oscillation （ENSO） on ice conditions in the Baltic Sea： the wavelet approach[J].Journal of Geophysical Research： Atmospheres，2003，108（D21）.

[23] LI W， JIANG Z， XU J， et al. Extreme precipitation indices over China in CMIP5 models. Part II： probabilistic projection[J].Journal of Climate，2016，29（24）：8989-9004.

[24] FU G， CHARLES S P， VINEY N R， et al. Impacts of climate variability on stream‐flow in the Yellow River[J]. Hydrological Process： An International Journal，2007，21（25）：3431-3439.

[25] XIAO M， ZHANG Q， SINGH V P. Influences of ENSO， NAO， IOD and PDO on seasonal precipitation regimes in the Yangtze River basin， China[J].International Journal of Climatology，2015，35（12）：3556-3567.

[26] ZHANG Y， TIAN Q， GUILLET S， STOFFEL M， et al. 500-yr. precipitation variability in Southern Taihang Mountains， China， and its linkages to ENSO and PDO[J].Climatic Change，2017，144（3）：419-432.

[27] YANG Q， MA Z， XU B. Modulation of monthly precipitation patterns over East China by the Pacific Decadal Oscillation[J].Climatic Change，2017，144（3）：405-417.

[28] FU G， CHARLES S P， YU J， et al. Decadal climatic variability， trends， and future scenarios for the North China Plain[J].Journal of Climate，2009，22（8）：2111-2123.