鄂爾多斯高原西部降水量變化特征分析
——以鄂托克旗為例

高凌智，李彬，史海濱，戚迎龍,3，徐昭，劉美含,4，賈瓊

(1.內蒙古農業(yè)大學水利與土木建筑工程學院，內蒙古 呼和浩特 010018；2.內蒙古農牧業(yè)科學院資源環(huán)境與檢測技術研究所，內蒙古 呼和浩特 010031；3.高效節(jié)水技術裝備與水土環(huán)境效應內蒙古自治區(qū)工程研究中心，內蒙古 呼和浩特 010018；4.葡萄牙里斯本科技大學農學院農業(yè)工程系，里斯本 1349-017)

降水是氣候變量的一個關鍵性因素，是影響生態(tài)系統(tǒng)、農業(yè)生產以及水資源循環(huán)利用的重要因素，同時，降水對整個社會的經濟發(fā)展和生態(tài)環(huán)境的改變起著至關重要的作用，對研究區(qū)域性氣候變化規(guī)律也具有非常重要的意義[1-3].聯合國政府間氣候變化專門委員會(IPCC)2018年發(fā)布“全球變暖1.5 ℃”特別報告[4]，全球變暖已毋庸置疑.隨著氣候的變暖，降水量的變化格局以及區(qū)域分布發(fā)生了變化，在此條件下，降水量的變化特征分析成為國內外眾多學者的研究熱點.彭菊等[5]采用M-K突變檢驗法和累積距平法對貴州省1960～2014年年降水量進行分析，發(fā)現年降水量總體呈下降趨勢，在2000～2014年的減少趨勢尤其明顯；郭偉等[6]采用M-K突變檢驗和小波分析法分析了哈密市1989～2016年的降水變化規(guī)律，發(fā)現哈密地區(qū)年降水量總體呈現增加的趨勢，存在3～7、12～18 a的震蕩周期；Narisma等[7]利用小波分析法研究全球20世紀降水的區(qū)域突變.Turgay P等[8]對土耳其地中海地區(qū)降水數據進行連續(xù)小波變換，發(fā)現降水資料在 1～4 a尺度上有較強的周期性.此外，還有很多學者運用M-K突變檢驗法和小波分析等方法對各區(qū)域降水量的變化特征開展了研究[9～12].但針對鄂爾多斯高原西部降水量變化特征的研究相對較少，鑒于此，本研究利用線性傾向估計法、Mann-Kendall突變檢驗法、累積距平法和小波分析法這4種方法對該區(qū)域的降水量變化特征進行分析，這對認識鄂爾多斯高原降水變化規(guī)律和保護草原生態(tài)環(huán)境具有重要的意義.

鄂爾多斯高原位于黃河河套以南，長城以北，包括陜西榆林地區(qū)北部，內蒙古自治區(qū)鄂爾多斯市東南部和寧夏回族自治區(qū)河東地區(qū)的一部分[13].鄂爾多斯高原是一個構造隆起剝蝕的地貌區(qū)，由于長期干燥剝蝕，使地面除廣泛露出白堊紀砂巖外，第四季的風化殘積，湖積、風積、風積物分布很廣[14].鄂爾多斯高原是草原和荒漠的過渡帶，亦是黃河粗沙的主要來源地[15]，生態(tài)環(huán)境極其脆弱，氣候變化對其影響非常敏感[16]，被列為我國氣候研究的熱點地區(qū)[17-19].鄂爾多斯高原西部具有草原和荒漠兩種生態(tài)系統(tǒng)，灌木種類較多，近年來，受氣候變化的影響，生態(tài)環(huán)境不斷惡化[20]，主栽作物紫花苜蓿的種植是促進鄂爾多斯高原草原生態(tài)恢復的重要舉措.據統(tǒng)計[21]，2012年鄂爾多斯高原紫花苜蓿的種植面積是2.7萬hm2，2015年種植面積達到8.0萬hm2，但受降水因素的影響，紫花苜蓿的種植仍受到限制.本試驗以鄂爾多斯高原西部典型代表區(qū)鄂托克旗為例，采用鄂托克旗1961～2018年逐日降水觀測數據分析其降水量變化趨勢、降水量突變特征以及降水量周期變化特征，以期更好地掌握鄂爾多斯高原西部地區(qū)的水文特征，為其水資源的合理開發(fā)和利用以及生態(tài)恢復提供一定的科學依據.

1 材料與方法

1.1 研究區(qū)概況

鄂托克旗地處鄂爾多斯腹地，是鄂爾多斯高原西部的主體，為干燥剝蝕的中心，低矮梁面與寬廣洼地交錯組成波狀地形，是鄂爾多斯高原典型代表區(qū)，且氣候極具代表性，為鄂爾多斯高原西部典型的溫帶大陸性季風氣候.地理坐標E 106°41′～108°54′，N 38°18′～40°11′.該區(qū)四季分明，無霜期短，降水少且時空分布極為不均，蒸發(fā)量大，年日照時數3 000 h，年平均氣溫6.4 ℃，年降水量為250 mm，年蒸發(fā)量3 000 mm，降水主要集中在7～9月份，無霜期122 d，種植作物以紫花苜蓿和青貯玉米為主.

1.2 資料來源與處理

采用的數據為鄂托克旗氣象站采集的1961～2018年逐日降水資料，計算得到月降水量和年降水量，將年降水量分成春(3～5月)、夏(6～8月)、秋(9～11月)、冬(12～2月)四個季節(jié)進行分析.利用EXCEL對研究區(qū)年降水量和各季節(jié)降水量進行線性傾向估計分析；利用DPS對研究區(qū)年降水量和各季節(jié)降水量做M-K突變檢驗分析；結合EXCEL、MATLAB 7.0和Surfer 12.0對研究區(qū)58 a的年降水量和各季節(jié)降水量進行小波分析.

1.3 研究方法[22-28]

1.3.1 線性傾向估計法 建立Yi與Xi之間的一元線性回歸方程[22]：

Yi=aXi+b，i=1,2,…,n

式中，Yi表示樣本總數為n的某一實測變量，用Xi表示Yi對應的時間，a為回歸系數，b為回歸常數.a的符號表示降水量變量的趨勢傾向，即a>0時，說明隨時間X的增加Y呈上升趨勢；反之則下降.a值的大小反映了上升或下降的速率，即表示上升或下降的傾向度.

1.3.2 Mann-Kendall突變檢驗法 Mann-Kendall突變檢驗法(簡稱M-K檢驗)是一種不要求數據必須服從正態(tài)分布且不會受少數異常值影響的非參數檢驗方法.該方法在氣象及水文要素隨時間變化的趨勢性分析方面得到廣泛的應用[23-27].

給定顯著性水平α，若|UFk|>UFα/2，則說明時間序列X存在明顯的變化趨勢.將時間序列X逆序排列得到一個新的時間序列，對該序列進行相同的算法，得到一新的秩序列UBK=-UFk，其中UB1=0.對于統(tǒng)計量UFk來說，當UFk或UBK的值大于0時，表明時間序列呈上升的趨勢，小于0時則表明時間序列呈下降的趨勢.當UBK和UFk這兩條曲線超過給定的顯著性水平線時，表明時間序列上升或下降的趨勢顯著.如果UFk和UBk這兩條曲線在臨界值之間出現交點，那么交點對應的時刻可能就是時間序列開始突變的時刻.但是，有時UFk和UBk這兩條曲線會出現很多交點，有些點不是突變點，需要進行排除，所以要采用改進后的Mann-Kendall突變檢驗法來排除雜點.即：

式中，∝∈[0.5，1.5]取任意α值代入上式計算并畫圖，若原來的交點是突變點，則UBk和UFk曲線在兩0.05顯著水平線之間仍會相交.

1.3.3 積距平法 累積距平法是一種通過曲線直觀判斷樣本數據變化趨勢的非線性統(tǒng)計方法[24，27-28].該方法可以判斷氣象、水文等數據在時間序列上的變化趨勢、變化程度以及發(fā)生突變的大致時間.累積平值曲線(距平曲線)上升，表示距平值增加，距平曲線下降，表示距平值減少.

1.3.4 小波分析法 小波分析(也叫小波變換)是一種時間和頻率的局部變換方法[24-25，27].該方法是通過平移和伸縮等運算功能對信號進行多尺度的細化分析，最終獲取有效的信息.基于該理論，小波分析在氣象及水文等時間序列的周期變化規(guī)律方面得到廣泛的應用.

小波方差隨頻率參數的變化過程為小波方差圖.通過小波方差圖，可以確定一個氣候及水文時間序列中的主周期.

2 結果與分析

2.1 降水量年際變化趨勢分析

利用線性傾向估計法對研究區(qū)1961～2018年年降水量變化趨勢進行分析，結果如圖1.從圖1可以看出，研究區(qū)降水量年際變化大，豐水年和枯水年差距懸殊，1976年降水量最大，為611.6 mm，1965年降水量最小，為125.3 mm，最大降水量是最小降水量的4.8倍.由線性趨勢線可以看出，研究區(qū)年降水量總體呈上升趨勢，線性遞增率為1.2 mm/10a.

圖1 研究區(qū)1961～2018年年降水量變化趨勢Figure 1 Annual precipitation trends in the study area from 1961 to 2018

2.2 降水量年內變化趨勢分析

研究區(qū)處于溫帶大陸性季風氣候區(qū)，受季風氣候的影響，降水量年內分配不均.夏季降水最多，占全年降水量的64%，冬季降水最少，僅占全年降水量的2%，春季降水偏低，占全年的15%，秋季降水次于夏季，占全年降水量的19%[29].該區(qū)1961～2018年不同季節(jié)降水量累積距平變化趨勢如圖2所示.

從圖2-A～D可以看出，研究區(qū)域春季、夏季、秋季和冬季最大降水量分別出現在1964年(140.4 mm)、1976年(546.8 mm)、1973年(144 mm)和2017年(21.2 mm)，最低降水量分別出現在1995年(1.4 mm)、1965年(55.6 mm)、1986年(8.4 mm)和1962年(0 mm).由線性趨勢線可以看出，研究區(qū)1961～2018年春季、秋季和冬季降水量分別以1.3 mm /10a、2.0 mm /10a和0.4 mm /10a的速率增加，夏季降水量以2.5 mm /10a的速率減少.

圖2 研究區(qū)1961～2018年不同季節(jié)降水量距平變化趨勢Figure 2 Trend of precipitation anomalies in different seasons from 1961 to 2018 in the study area

2.3 降水量突變特征分析

2.3.1 年降水量突變分析 利用M-K突變檢驗法和累積距平法對研究區(qū)1961～2018年年降水量的突變進行分析，結果如圖3所示.從圖3-A可以看出：研究區(qū)1961～2018年期間，年降水量總體表現為波動上升的趨勢.UFk曲線和UBk曲線在1989～1990年和2017～2018年之間相交，且均在0.05顯著水平線內，表明在1989～1990年和2017～2018年可能發(fā)生突變.從圖3-B可以看出：研究區(qū)1961～2018年期間年降水量總體呈“W”型微弱上升趨勢[30].在1973～1975年降水量大幅度下降且低于平均降水量，1976年降水量大幅度上升并且達到歷年降水量峰值，在1976～1982年降水量又大幅度減少，表明1976年可能是降水量突變點；在1984～1986年降水量大幅減少，1987～1989年降水量又大幅增加，1989年達到第二個降水峰值，之后又呈小幅度“降”、“升”階段性的變化趨勢，表明1989年可能是降水量突變點.結合M-K突變檢驗法和累積距平法對研究區(qū)1961～2018年年降水量的突變分析，推斷1989年為該區(qū)的突變點，其他年份的突變不明顯.

圖3 研究區(qū)1961～2018年降水量M-K法突變檢驗及累積曲線Figure 3 M-K method mutation test and cumulative curve of precipitation in the study area from 1961 to 2018

2.3.2 各季節(jié)降水量突變分析 為了進一步了解研究區(qū)年內降水量的突變情況，對研究區(qū)1961～2018年各季節(jié)降水量進行突變檢驗，繪制如圖4所示的M-K突變檢驗曲線圖.

從圖4-A可以看出，研究區(qū)春季降水量總體呈“增-減-增”的變化趨勢.1972～1990年UFk值小于0，說明降水量下降，且1980～1983年超過了0.05顯著水平線，說明下降趨勢顯著，其余時間段UFk值大于0，且均在0.05顯著水平線內，說明降水量上升趨勢不顯著.UFk曲線和UBk曲線在1962～1963、1966～1967、1990～1991、2004～2005、2007～2008和2009～2011年有交點，在2001年也交于一點，且交點均在置信區(qū)間內，可知有些交點為雜點，需要用改進后的Mann-Kendall突變檢驗法來排除雜點.最終可以判斷2001年為突變點，突變前降水量為34.3 mm，突變后降水量為80.3 mm，增加了46 mm.

從圖4-B可以看出，研究區(qū)夏季降水量總體呈“減-增-減”的變化趨勢.在1967～2001年UFk值多數都大于0，說明降水量上升，其余時間段UFk值小于0，說明降水量下降，但UFk曲線在置信區(qū)間內，所以上升和下降趨勢均不顯著.UFk曲線和UBk曲線在1965～1966、2001～2002和2002～2003年有交點，且交點均在置信區(qū)間內，可知有些交點為雜點，需要用改進后的Mann-Kendall突變檢驗法來排除雜點.最終可以判斷2001年為突變點，突變前降水量為116.9 mm，突變后降水量為227.5 mm，增加了110.6 mm.

從圖4-C可以看出，研究區(qū)秋季降水量總體呈“減-增-減-增”的變化趨勢.在1985年前呈現微弱的“減”“增”變化趨勢，在1985～2010年UFk值小于0，降水量下降，2010～2018年UFk值大于0，降水量增加，但UFk曲線在置信區(qū)間內，所以上升和下降趨勢均不顯著.UFk曲線和UBk曲線在2008～2009年相交，可以推斷2008年為突變點，突變前降水量為193.2 mm，突變后降水量為101.4 mm，減少了91.8 mm.

從圖4-D可以看出，研究區(qū)冬季降水量總體呈上升的趨勢.在1961～2018年UFk值多數大于0，說明降水量上升，但UFk曲線在置信區(qū)間內，說明上升趨勢不顯著.UFk曲線和UBk曲線在1970～1971、1991～1992、1994～1995、1995～1996、1998～1999、1999～2000、2001～2002、2008～2009和2010～2011年有交點，且交點均在置信區(qū)間內，可知有些交點為雜點，需要用改進后的Mann-Kendall突變檢驗法來排除雜點.最終可以判斷1970年為突變點，突變前降水量為3.2 mm，突變后降水量為12.4 mm，增加了9.2 mm.

2.4 降水量周期變化特征分析

2.4.1 年降水量周期變化 利用Morlet小波分析對研究區(qū)1961～2018年年降水量周期變化特征進行分析.繪制出如圖5所示的年降水量小波實部系數等值線和小波方差圖.在圖5中，數值越大顏色越深，代表降水量偏豐，數值越小顏色越淺，代表降水量偏枯[31].由圖5中可知，研究區(qū)年降水量存在著4個不同時間尺度的變化周期，分別是25、19、12、5 a，其中25 a左右的特征時間尺度對應最大峰值，震蕩也最強烈，12 a左右次之.表明25 a的時間尺度為該降水序列的第一主周期，12 a的時間尺度為第二主周期，19 a和5 a為第三和第四主周期.在25 a的時間尺度上，研究區(qū)年降水量在該時間序列上經歷了3.5次“枯-豐”交替循環(huán)的變化規(guī)律[32]，2016～2018年屬于降水偏豐期，根據年降水量的周期變化規(guī)律，該區(qū)未來幾年降水量可能會進入偏豐時期.

圖4 研究區(qū)1961～2018年不同季節(jié)降水量M-K突變檢驗曲線圖Figure 4 M-K mutation test curve of precipitation in different seasons in the study area from 1961 to 2018

圖5 研究區(qū)1961～2018年年降水量小波實部系數和小波方差圖Figure 5 Wavelet real-part coefficients and wavelet variance plots of annual precipitation from 1961 to 2018 in the study area

2.4.2 各季節(jié)降水量周期變化 研究區(qū)1961～2018年各季節(jié)降水量小波實部系數和小波方差如圖6所示，從圖6可以看出，各季節(jié)降水量周期性變化均存在多個時間尺度.

圖6 研究區(qū)1961～2018年各季節(jié)降水量小波實部系數和小波方差圖Figure 6 Wavelet real-part coefficients and wavelet variance plots of precipitation in the study area from 1961 to 2018

從圖6-A～B可以得出，研究區(qū)春季降水量存在著4個不同時間尺度的變化周期，分別是27、18、10和5 a，其中10 a左右的特征時間尺度對應最大峰值，震蕩也最強烈，27 a左右次之.表明10 a的時間尺度為該研究區(qū)春季降水序列的第一主周期，27 a的時間尺度為第二主周期，5 a和18 a為第三和第四主周期.在10 a的時間尺度上，研究區(qū)春季降水量在該時間序列上呈現“枯-豐”交替的變化規(guī)律，2018年處于負相位閉合進入正相位的狀態(tài)[29]，根據春季降水量的周期變化規(guī)律，可以推斷未來幾年該研究區(qū)春季降水量將進入偏豐時期.

從圖6-C～D可以得出，研究區(qū)夏季降水量存在著3個不同時間尺度的變化周期，分別是25、12和6 a，其中12 a左右的特征時間尺度對應最大峰值，震蕩也最強烈，25 a左右次之.表明12 a的時間尺度為該研究區(qū)夏季降水序列的第一主周期，25 a的時間尺度為第二主周期，6 a的時間尺度為第三主周期.在12 a的時間尺度上，研究區(qū)夏季降水量在該時間序列上呈現“豐-枯”交替的變化規(guī)律，2018年處于正相位的狀態(tài)，根據夏季降水量的周期變化規(guī)律，可以推斷未來幾年該研究區(qū)夏季降水量將進入偏豐時期.

從圖6-E～F可以得出，研究區(qū)秋季降水量存在著3個不同時間尺度的變化周期，分別是16、8和5 a，其中8 a左右的特征時間尺度對應最大峰值，震蕩也最強烈，5 a左右次之.表明8 a的時間尺度為該研究區(qū)秋季降水序列的第一主周期，5 a的時間尺度為第二主周期，16 a的時間尺度為第三主周期.在8 a的時間尺度上，研究區(qū)秋季降水量在該時間序列上呈現“枯-豐”交替的變化規(guī)律，2018年處于負相位的狀態(tài)，根據秋季降水量的周期變化規(guī)律，可以推斷未來幾年該研究區(qū)秋季降水量將進入偏枯時期.

從圖6-G～H可以得出，研究區(qū)冬季降水量存在著5個不同時間尺度的變化周期，分別是23、15、10、7和4 a，其中23 a左右的特征時間尺度對應最大峰值，震蕩也最強烈，15 a左右次之.表明23 a的時間尺度為該研究區(qū)冬季降水序列的第一主周期，15 a的時間尺度為第二主周期，10、7和4 a為第三、第四和第五主周期.在23 a的時間尺度上，研究區(qū)冬季降水量在該時間序列上呈現“豐-枯”交替的變化規(guī)律，2018年處于正相位的狀態(tài)，根據冬季降水量的周期變化規(guī)律，可以推斷未來幾年該研究區(qū)冬季降水量將進入偏豐時期.

3 討論

受暖濕氣流的影響、低云量的增加、地形地勢等加之下墊面的差異影響該區(qū)大氣環(huán)流及能量物質平衡，導致研究區(qū)1961～2018年鄂爾多斯高原西部降水量總體呈不顯著的增加趨勢，年降水量以 1.2 mm/10a的速率增加.馬梓策等[33]對內蒙古地區(qū)1960～2016年氣溫和降水特征及突變研究發(fā)現內蒙古西部地區(qū)年降水量以1.4 mm/10a的速率增加，本研究結果與其基本一致.在運用M-K突變檢驗法對降水量的突變特征進行分析時，有時會發(fā)現UFk曲線和UBk曲線有很多交點，其中有些點不是突變點，需要進行雜點的排除.本研究利用M-K突變檢驗法結合累積距平法和改進后的M-K突變檢驗法對雜點進行排除，進而找出真正的突變點.基于M-K突變檢驗和累積距平聯合檢驗研究區(qū)1989年降水量發(fā)生了由少到多的突變.研究區(qū)1989年8月1日～8月2日的降水量為107.8 mm，8月22日的降水量為93.4 mm，另外，根據當地HOBO農田小氣候氣象監(jiān)測儀發(fā)現在2018年7月23日18時～19時的降水量為33 mm，突發(fā)的極端降水可能會對該地區(qū)農田作物帶來洪澇災害，加強高標準農田，農田水利和農業(yè)機械化等現代農業(yè)基礎設施建設，可有效增強防災減災的能力.

伴隨著全球氣候變暖，鄂爾多斯高原自然環(huán)境發(fā)生了變化，草原生態(tài)環(huán)境日漸惡化[34]，種植紫花苜蓿已成為促進鄂爾多斯高原草原生態(tài)恢復的必然趨勢[35].受季風氣候和地理位置等因素的影響，研究區(qū)夏季高溫多雨，冬季干燥少雨.春、夏、秋、冬分別占全年降水量的15%、64%、19%、2%，年內降水主要集中在夏秋兩個季節(jié).區(qū)域夏季平均降水量約170 mm，日平均地溫約24 ℃，而當地主栽作物紫花苜蓿的二次產量的關鍵形成期第二茬整個生育期(6月中旬～7月下旬)以及第三茬的返青期和拔節(jié)期正處于夏季[36]，蘇加楷[37]認為日平均氣溫15～25 ℃是紫花苜蓿積極生長期的溫度條件，故在當地這樣“雨熱同期”的條件下，更能促進紫花苜蓿優(yōu)質高效的生長.基于小波分析的主周期推斷，春季、夏季和冬季降水量將會迎來降水偏豐時期，秋季降水量迎來降水偏枯時期.冬季降水的增加可為來年種植紫花苜蓿提供良好的土壤墑情，春季和夏季降水量增加，紫花苜蓿的灌溉制度根據內蒙古地區(qū)地方標準[38]，年灌水次數12次，灌水定額15 m3/667m2，秋季降水量減少，可在秋季增加灌水定額為20 m3/667m2.

4 結論

1) 鄂爾多斯高原西部1961～2018年年降水量總體呈現上升趨勢，降水量以1.2 mm/10a的速率增加.春季、秋季和冬季的降水量分別以1.3 mm/10a、2.0 mm/10a和0.4 mm/10a的速率增加，夏季降水量以2.5 mm/10a的速率減少.

2) 研究區(qū)年降水量在 1989年發(fā)生了由少到多的突變，春季、夏季降水量均在2001年發(fā)生了由少到多的突變，秋季降水量在 2008年發(fā)生了由多到少的突變，冬季降水量在1970年發(fā)生了由少到多的突變.

3) 研究區(qū)年降水量存在著25、12、19和5 a的第一、第二、第三和第四主周期變化；春季降水量存在著10、27、5和18 a的第一、第二、第三和第四主周期變化，夏季降水量存在著12、25和6 a的第一、第二和第三主周期變化，冬季降水量存在著23、15、10、7和4 a的第一、第二、第三、第四和第五主周期變化.根據主周期推斷，年、春季、夏季和冬季降水量將會迎來降水偏豐時期，秋季降水量迎來降水偏枯時期.

4) 在未來幾年春季、夏季和冬季降水量將會進入偏豐時期.冬季降水的增加可為來年種植作物提供良好的土壤墑情，春季和夏季降水量增加，可以調整農田的灌溉制度，減少灌溉次數和灌水定額，降低地下水的開采，夏季降水量的增加還會出現突發(fā)的極端降水現象，為了有效增強防災減災的能力，可加強高標準農田，農田水利和農業(yè)機械化等現代農業(yè)基礎設施建設，秋季降水減少，可適當增加灌水定額，合理的利用水資源.