用微信扫码二维码

分享至好友和朋友圈

WE ARE COMMITTED TO REPORTING THE LATEST FORESTRY ACADEMIC ACHIEVEMENTS

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

南充市近50年主要气候要素变化分析

何清玉 徐健雄 杜忠 徐瑶

何清玉, 徐健雄, 杜忠, 等. 南充市近50年主要气候要素变化分析[J]. 四川林业科技, 2022, 43(4): 60−66 doi: 10.12172/202204070002
引用本文: 何清玉, 徐健雄, 杜忠, 等. 南充市近50年主要气候要素变化分析[J]. 四川林业科技, 2022, 43(4): 60−66 doi: 10.12172/202204070002
HE Q Y, XU J X, DU Z, et al. Analysis on main climate elements changes in Nanchong city in the past 50 years[J]. Journal of Sichuan Forestry Science and Technology, 2022, 43(4): 60−66 doi: 10.12172/202204070002
Citation: HE Q Y, XU J X, DU Z, et al. Analysis on main climate elements changes in Nanchong city in the past 50 years[J]. Journal of Sichuan Forestry Science and Technology, 2022, 43(4): 60−66 doi: 10.12172/202204070002

南充市近50年主要气候要素变化分析


doi: 10.12172/202204070002
详细信息
    作者简介:

    何清玉(1998—),女,硕士研究生,393625695@qq.com

    通讯作者: 648633501@qq.com
  • 基金项目:  四川省教育厅项目重点项目(13ZA0017);西华师范大学英才基金(17YC129)

Analysis on Main Climate Elements Changes in Nanchong City in the Past 50 Years

More Information
    Corresponding author: 648633501@qq.com
  • 摘要: 为了更好地利用南充市气候资源,预测南充市未来的气候变化趋势,促进区域内的生产生活。利用1970—2019年南充市地面气象观测数据,选取气温,降水,日照3个气候要素,通过使用线性回归和R/S分析法,分析南充市近50年来年际和四季的气候变化特征,预测南充市未来年际和四季的气候变化趋势。研究结果表明,1970—2019年间,年平均气温和四季平均气温总体呈上升趋势;年日照时数和夏、秋季日照时数总体呈下降趋势,而春季与冬季日照时数呈上升趋势;降水量除秋季呈下降趋势,其余均呈上升趋势。南充市未来的年平均气温和四季平均气温呈下降趋势;年日照时数和春、秋、冬季日照时数呈下降趋势,夏季日照时数呈上升趋势;年降水量和春、秋、冬季降水量呈下降趋势,夏季降水量呈上升趋势。
  • 图  1  南充市1970—2019年,年平均气温的线性回归分析图与Hurst值柱状图

    Fig.  1  Linear regression analysis of average annual temperature and Hurst value histogram of average annual temperature in Nanchong city from 1970 to 2019

    图  2  南充市1970—2019年,各季节平均气温的线性回归分析图

    Fig.  2  Linear regression analysis diagram of average temperature in each season in Nanchong city from 1970 to 2019

    图  3  南充市1970—2019年,各季节平均气温的Hurst值柱状图

    Fig.  3  Hurst value histogram of average temperature in each season in Nanchong city from 1970 to 2019

    图  4  南充市1970—2019年,年日照时数的线性回归分析图与Hurst值柱状图

    Fig.  4  Linear regression analysis plot of annual sunshine hours and Hurst value histogram of annual sunshine hours in Nanchong city from 1970 to 2019

    图  5  南充市1970—2019年,各季节日照时数的线性回归分析图

    Fig.  5  Linear regression analysis diagram of sunshine hours in each season in Nanchong city from 1970 to 2019

    图  6  南充市1970—2019年,各季节日照时数的Hurst值柱状图

    Fig.  6  Hurst value histogram of sunshine hours in each season in Nanchong city from 1970 to 2019

    图  7  南充市1970—2019年,年降水量的线性回归分析图与Hurst值柱状图

    Fig.  7  Linear regression analysis plot of annual precipitation and Hurst value histogram of annual precipitation in Nanchong city from 1970 to 2019

    图  8  南充市1970—2019年,各季节降水量的线性回归分析图

    Fig.  8  Linear regression analysis diagram of precipitation in each season in Nanchong city from 1970 to 2019

    图  9  南充市1970-2019年,各季节降水量的Hurst值柱状图

    Fig.  9  Hurst value histogram of precipitation in each season in Nanchong city from 1970 to 2019

    表  1  Hurst指数值强度分级表

    Tab.  1  Classification table of Hurst index value

    等级Hurst指数值域持续性强度 等级Hurst指数值域持续性强度
    10.50<H≦0.55很弱 −10.45≦H<0.50很弱
    20.55<H≦0.65较弱−20.35≦H<0.45较弱
    30.65<H≦0.75较强−30.25≦H<0.35较强
    40.75<H≦0.80−40.20≦H<0.25
    50.80<H<1.00很强−50.00<H<0.20很强
    下载: 导出CSV
  • [1] 张晓华,高云,祁悦. IPCC第五次评估报告第二工作组报告的主要结论对2015协议谈判的影响分析[J]. 气候变化研究进展,2014,10(3):175−175.
    [2] 魏凤英,曹鸿兴. 中国、北半球和全球的气温突变分析及其趋势预测研究[J]. 大气科学,1995(2):140−148. doi: 10.3878/j.issn.1006-9895.1995.02.02
    [3] 韩翠华,郝志新,郑景云. 1951-2010年中国气温变化分区及其区域特征[J]. 地理科学进展,2013,32(6):887−896. doi: 10.11820/dlkxjz.2013.06.005
    [4] 周伟东,史军,穆海振. 中国东部冬季气温和降水的气候变化特征分析[J]. 资源科学,2010,32(6):1088−1096.
    [5] 冯新灵,罗隆诚,邱丽丽. 成都未来气候变化趋势的R/S分析[J]. 长江流域资源与环境,2008(1):83−87. doi: 10.3969/j.issn.1004-8227.2008.01.016
    [6] 孙娴,林振山. 经验模态分解下中国气温变化趋势的区域特征[J]. 地理学报,2007(11):1132−1141. doi: 10.3321/j.issn:0375-5444.2007.11.002
    [7] 郝振纯,孙乐强. 我国1961—2009年气温变化规律分析[J]. 河海大学学报(自然科学版),2011,39(6):595−601. doi: 10.3876/j.issn.1000-1980.2011.06.001
    [8] 李双双,杨赛霓,刘宪锋. 1960-2013年秦岭—淮河南北极端降水时空变化特征及其影响因素[J]. 地理科学进展,2015,34(3):354−363. doi: 10.11820/dlkxjz.2015.03.010
    [9] 林培松,李森,李保生. 近50年来海南岛西部气候变化初步研究[J]. 气象,2005,31(2):5. doi: 10.3969/j.issn.1000-0526.2005.02.012
    [10] 赵晶,王乃昂. 近50年来兰州城市气候变化的R/S分析[J]. 干旱区地理,2002,25(1):6. doi: 10.3321/j.issn:1000-6060.2002.01.018
    [11] 赵嘉阳,郭福涛,王文辉,等. 龙岩市1960—2013年气候变化特征及未来趋势分析[J]. 福建农林大学学报:自然科学版,2017,46(1):8.
    [12] 刘濛濛,隆永兰. 巴音布鲁克近58a气候变化特征分析[J]. 干旱区地理,2019,42(4):715−723.
    [13] 康淑媛,张勃,郭玉刚,等. 1959年至2008年石羊河流域日照时数时空变化特征[J]. 资源科学,2011,33(3):483−488.
    [14] 冯新灵,罗隆诚,冯自立. 中国近50年降水变化趋势及突变的Hurst指数试验[J]. 干旱区地理,2009(6):49−56.
    [15] 罗隆诚,冯新灵,刘鹏,等. 近50年来南充气候变化的R/S分析[J]. 安徽农业科学,2007(13):3928−3929. doi: 10.3969/j.issn.0517-6611.2007.13.088
    [16] 刘小艳,宁海文,杜继稳,等. 近56年来西安市气温突变与致灾效应[J]. 干旱区资源与环境,2009,23(11):94−99. doi: 10.13448/j.cnki.jalre.2009.11.006
    [17] 孙瑞,吴志祥,陈帮乾,等. 近55年海南岛气候要素时空分布与变化趋势[J]. 气象研究与应用,2016,37(2):1−7+122. doi: 10.3969/j.issn.1673-8411.2016.02.001
    [18] 徐建华. 现代地理学中的数学方法[M]. 高等教育出版社, 2002.
    [19] 徐建华. 计量地理学[M]. 高等教育出版社, 2006.
    [20] Mandelbrot B. Statistical methodology for nonperiodic cycles: from the covariance to R/S analysis[M]//Annals of Economic and Social Measurement, Volume 1, Number 3. NBER, 1972: 259-290.
    [21] 邱杏琳. 1981年世界的异常气候[J]. 世界农业,1982(5):4.
    [22] 吴国雄,卢莹. 时变涡动输送和阻高形成──1980年夏中国的持续异常天气[J]. 气象学报,1994,52(3):13.
    [23] 李小泉. 对一九八零年我国汛期天气异常及其长期预报问题分析讨论的小结[J]. 陕西气象,1981(9):16−22.
    [24] 王遵娅,丁一汇,何金海,等. 近50年来中国气候变化特征的再分析[J]. 气象学报,2004,62(2):9. doi: 10.11676/qxxb2004.023
    [25] 赵东,罗勇,高歌,等. 1961年至2007年中国日照的演变及其关键气候特征[J]. 资源科学,2010(4):11.
    [26] Zhou L, Dickinson R E, Tian Y, et al. Evidence for a significant urbanization effect on climate in China[J]. Proceedings of the National Academy of Sciences, 2004, 101(26): 9540−9544. doi: 10.1073/pnas.0400357101
    [27] Mandelbrot BB, Wallis J R. Some long-run properties of geophysical records[J]. Water resources research, 1969, 5(2): 321−340. doi: 10.1029/WR005i002p00321
    [28] Wold S, Ruhe A, Wold H, et al. The collinearity problem in linear regression. The partial least squares (PLS) approach to generalized inverses[J]. SIAM Journal on Scientific and Statistical Computing, 1984, 5(3): 735−743. doi: 10.1137/0905052
  • [1] 刘勇, 李祥乾, 李阳娣, 杨伟, 杨桦.  基于MaxEnt的松墨天牛在中国的潜在分布及其对气候变化的响应 . 四川林业科技, 2024, 45(2): 1-10. doi: 10.12172/202306120001
    [2] 何周建, 叶萌, 浣杰, 罗小梅, 雷雨婷.  基于CiteSpace分析青花椒产业发展热点和趋势 . 四川林业科技, 2024, 45(2): 1-6. doi: 10.12172/202308160001
    [3] 梁帅, 辛宇, 辜寄蓉.  成渝双城经济圈NPP时空变化及气候因子驱动分析 . 四川林业科技, 2024, 45(1): 41-49. doi: 10.12172/202304170005
    [4] 冯耀发, 周波, 廖元培.  宜宾市土地利用变化及其生态环境效应研究 . 四川林业科技, 2023, 44(2): 122-129. doi: 10.12172/202204260001
    [5] 黄成俊, 李春晓, 李成容, 周材权.  南充高坪机场重点防范鸟种的变化及防范措施 . 四川林业科技, 2023, 44(2): 80-85. doi: 10.12172/202210230002
    [6] 曾婕, 林慧娟, 薛学佳, 黄莉, 周银茁, 李霄鹤, 兰思仁.  基于CiteSpace的国内外生态智慧研究现状与趋势分析 . 四川林业科技, 2023, 44(3): 18-25. doi: 10.12172/202211150001
    [7] 何周建, 叶萌, 浣杰, 雷雨婷, 李开泰, 许秋雨.  基于CiteSpace的黄柏研究热点和趋势分析 . 四川林业科技, 2023, 44(6): 1-6. doi: 10.12172/202303060002
    [8] 黄雪梅, 黄怡, 贾泽旭, 陈德朝.  气候变化背景下药用植物牡丹的潜在适生区分析 . 四川林业科技, 2023, 44(6): 23-31. doi: 10.12172/202302050001
    [9] 舒柳, 李岩林, 黄柳菁.  基于web of science的乔木与微气候相互关系知识图谱分析 . 四川林业科技, 2022, 43(6): 109-115. doi: 10.12172/202203050001
    [10] 谢天资, 陈俊华, 谢川, 刘一丁, 何家敏, 龚固堂, 慕长龙.  南充市主城区城市森林结构特征分析 . 四川林业科技, 2022, 43(2): 118-123. doi: 10.12172/202107190003
    [11] 李羽洁, 刘怡, 陈俊华, 刘一丁, 谢川, 谢天资, 何政伟, 慕长龙.  基于Fragstats的南充市主城区城市绿地景观格局分析 . 四川林业科技, 2022, 43(2): 108-117. doi: 10.12172/202109180001
    [12] 黄绍虎, 王晓虹, 冯涌, 张丽, 赵静.  南充市林业有害生物主要种类与分布特点 . 四川林业科技, 2021, 42(3): 47-52. doi: 10.12172/202010200001
    [13] 肖雅军, 唐俊峰, 赵旭喆, 严贤春.  南充市4所高校校园木本植物多样性分析 . 四川林业科技, 2020, 41(2): 22-28. doi: 10.12172/201912190002
    [14] 郭悦, 陈文德, 潘元琪.  什邡市生态足迹和生态承载力动态变化研究 . 四川林业科技, 2017, 38(4): 58-61,78. doi: 10.16779/j.cnki.1003-5508.2017.04.012
    [15] 魏佳佳, 牛蓓, 张静, 余林蔓, 陈斯琪, 徐莺.  珙桐的观赏要素分析及园林应用形式研究 . 四川林业科技, 2017, 38(4): 46-52. doi: 10.16779/j.cnki.1003-5508.2017.04.010
    [16] 蔡欣, 罗建勋, 严贤春.  南充市小叶榕冻害情况的调查研究——以西华师范大学为例 . 四川林业科技, 2017, 38(4): 62-69. doi: 10.16779/j.cnki.1003-5508.2017.04.013
    [17] 陈星宇, 鲁洋, 魏鹏, 袁晖, 欧阳翔.  雅安市雨城区森林资源动态变化特征研究 . 四川林业科技, 2016, 37(4): 61-64. doi: 10.16779/j.cnki.1003-5508.2016.04.013
    [18] 黄茜, 蓝岚, 杨武年, 邓东周, 鄢武先.  若尔盖高寒湿地景观格局变化分析 . 四川林业科技, 2014, 35(6): 60-63. doi: 10.16779/j.cnki.1003-5508.2014.06.012
    [19] 武康, 吴丽英, 李德文.  四川壤塘县土地沙化趋势分析及评价 . 四川林业科技, 2014, 35(4): 112-114. doi: 10.16779/j.cnki.1003-5508.2014.04.029
    [20] 陈家德.  加拿大应对气候变化的政策机制及其林业碳计量模型——赴加拿大太平洋林业中心考察报告 . 四川林业科技, 2013, 34(2): 102-105. doi: 10.16779/j.cnki.1003-5508.2013.02.024
  • 加载中
  • 图(9) / 表(1)
    计量
    • 文章访问数:  441
    • HTML全文浏览量:  196
    • PDF下载量:  15
    • 被引次数: 0
    出版历程
    • 收稿日期:  2022-04-07
    • 网络出版日期:  2022-06-23
    • 刊出日期:  2022-08-23

    南充市近50年主要气候要素变化分析

    doi: 10.12172/202204070002
      作者简介:

      何清玉(1998—),女,硕士研究生,393625695@qq.com

      通讯作者: 648633501@qq.com
    基金项目:  四川省教育厅项目重点项目(13ZA0017);西华师范大学英才基金(17YC129)

    摘要: 为了更好地利用南充市气候资源,预测南充市未来的气候变化趋势,促进区域内的生产生活。利用1970—2019年南充市地面气象观测数据,选取气温,降水,日照3个气候要素,通过使用线性回归和R/S分析法,分析南充市近50年来年际和四季的气候变化特征,预测南充市未来年际和四季的气候变化趋势。研究结果表明,1970—2019年间,年平均气温和四季平均气温总体呈上升趋势;年日照时数和夏、秋季日照时数总体呈下降趋势,而春季与冬季日照时数呈上升趋势;降水量除秋季呈下降趋势,其余均呈上升趋势。南充市未来的年平均气温和四季平均气温呈下降趋势;年日照时数和春、秋、冬季日照时数呈下降趋势,夏季日照时数呈上升趋势;年降水量和春、秋、冬季降水量呈下降趋势,夏季降水量呈上升趋势。

    English Abstract

    • 气候变化是目前国际社会高度关注的问题,它与人类的生产和生活息息相关。IPCC第五次评估报告指出主要经济部门和服务受到气候变化的影响巨大[1]。一方面气候变化可能会对区域内的经济和服务造成诸多负面影响,另一方面气候变化也是一种可利用的资源,可以促进区域内的生产生活。

      在已有的研究中,学者们从不同区域尺度,通过多种方法研究分析各种气候要素的变化趋势、突变情况以及变化周期等。研究区域尺度上,魏凤英等[2]研究了中国、北半球和全球气温历史序列的突变现象,发现中国、北半球和全球的气温变化趋势基本相同;韩翠华等[3]依据年、夏半年气温变化特征将全国划分成8个不同的区域,并且通过变化趋势分析发现1951—2010年间,我国各区域气温均呈上升趋势;周伟东等[4]探讨了中国东部3个气候带冬季气温和降水的变化特征及与大气环流和海温的关系;冯新灵等[5]对成都的平均值气温、极端气温值及降水累积值进行了计算分析,预测出今后成都将继续变暖,降水量将继续减少。在研究方法上,孙娴等[6]用经验模态分解 (EMD) 方法对中国的月平均气温进行分析;郝振纯等[7]采用M-K法检验了1961—2009年我国全年和四季气温空间和时间变化规律,发现该时段我国地面观测温度普遍升高;李双双等[8]采用趋势分析、M-K检验和相关分析等气候诊断方法,分析了秦岭—淮河南北极端降水时空变化特征,并且探讨了极端降水变化与ENSO事件的关系;林培松[9]等利用一元线性回归和数理统计方法对海南岛西部气温和降水两要素的变化特征进行分析,并根据冷暖波动将海南岛西部气候划分成两个冷期和两个暖期;赵晶等[10]运用R/S分析法分析了兰州市未来的气候变化倾向;赵嘉阳[11]等应用线性回归和R/S分析法分析了龙岩市的气温和降水变化趋势。

      R/S分析法和线性回归的研究方式,在区域气候要素变化分析上取得了一定的成功[12-14]。南充作为川东北的重要城市之一,降水量季节分布不均,干旱年发生频率达48%以上,灾害性天气(如秋绵雨、旱干、洪涝等)频率较大且持续时间较长,对其进行气候要素变化分析,不但能预测其未来气候变化趋势,还能更好地利用南充的气候资源,促进区域内生产生活。现有的研究方式大都选取气温、降水和日照等气候要素进行分析[15-17]。鉴于此,本文选取南充市1970—2019年间的南充市地面50年的气候观测数据作为研究对象,利用R/S分析法和线性回归方式,从年均和不同季节分别进行气温、降水和日照时数的实验和结果分析。利用最新的长期数据,不但能够体现南充市最近的气候变化趋势,也能保证利用R/S分析法和线性回归方式得到实验结果的准确和有效性。

      • 南充市地处四川盆地东北部,嘉陵江中游,位于30°35′—31°51′ N,105°27′—106°58′ E。地貌类型以丘陵为主,低山带坝、中丘中谷、高丘低山类型大体各占1/3。气候属于中亚热带湿润季风气候,具有气候温和,降水集中的特点。其四季分明,降水,气温,日照等气候要素受季节影响明显,春季气候宜人;夏季炎热湿润;秋季阴雨连绵;冬季寒冷干燥。

      • 数据来源于国家气象科学数据中心(http://www.cma.gov.cn),选取1970—2019年间,四川省南充市气温,降水和日照三项气候要素数据。

      • 线性回归是研究气候要素具体数量关系的一种常用方法,其能通过线性的方式,反应气候要素的趋势变化,建立气候要素的数学模型[18-19],如公式(1)所示。

        $$ y = ax + b $$ (1)

        其中x,y分别为地理要素中的因变量与自变量(如不同年份对应不同的年平均温度),ab为待定参数,利用最小二乘法可以拟合出最佳的ab值。对于拟合出的a值(既斜率),当a>0时,表明气候要素未来处于增长趋势,当a=0时,表明气候要素未来趋于不变,当a<0时,表明气候要素未来处于下降趋势。

      • R/S分析法是由水文学家Hurst提出的一种研究时间序列的方法,后由Mandelbrot等人改良,现广泛应用于经济,地理等学科的数据分析中[20]。其主要原理为:假设有一时间序列$\{L(t)\}$$t=1, 2, 3,\cdots,n$,对于任意正整数β,其均值序列可求得为:

        $$ < L{ > _\beta } = \frac{1}{\beta }\sum\limits_{t = 1}^\beta {L(t),\beta = 1,2,3,\cdots,n} $$ (2)

        其累计离差可求得为:

        $$ X(t,\beta) = \sum\limits_{\beta = 1}^\beta {[L(x) - < L{ > _\beta }]} $$ (3)

        其极差可求得为:

        $$\begin{aligned} R(\beta )&={\rm{max}}X(t,\beta )-\mathrm{min}X(t,\beta )\text{,}\\ \beta &=1,2,3,\cdots,n\text{,}1\leqslant t\leqslant \beta \end{aligned}$$ (4)

        其标准差可求得为:

        $$ S(\beta ) = \sqrt {\left[\frac{1}{\beta }\sum\limits_{\beta = 1}^\beta {{{\left[L(t) - < L{ > _\beta }\right]}^2}} \right]} ,\beta = 1,2,3,\cdots,n $$ (5)

        将得到的极差,标准差与β一同带入(ln(β),ln(R/S))组成的直角坐标系中,通过线性回归的方式,可以在这个坐标系中拟合出相应的直线,这条拟合出的直线的斜率既为Hurst指数值。通过分析Hurst指数值的大小,可以判断这个时间序列是完全随机的,还是存在某种趋势变化,判断依据如表1所示:

        表 1  Hurst指数值强度分级表

        Table 1.  Classification table of Hurst index value

        等级Hurst指数值域持续性强度 等级Hurst指数值域持续性强度
        10.50<H≦0.55很弱 −10.45≦H<0.50很弱
        20.55<H≦0.65较弱−20.35≦H<0.45较弱
        30.65<H≦0.75较强−30.25≦H<0.35较强
        40.75<H≦0.80−40.20≦H<0.25
        50.80<H<1.00很强−50.00<H<0.20很强

        如果得到的Hurst指数值H=0.5,表明该气候要素的时间序列是完全独立的,过去与将来的变化不存在相关性;如果0.5<H<1,表明该气候要素的时间序列具有持续性,与过去的变化趋势相同;如果0<H<0.5,表明该气候要素的时间序列具有反向持续性,与过去的变化趋势相反。

      • 对南充市1970—2019年间的平均气温、日照数和降水量三项气候要素,分别就全年和不同季节进行线性回归和R/S实验。线性回归实验,采用1970—2019年间南充市的气候要素数据,使用最小二乘法拟合实验结果;R/S实验,采用冯新灵的Hurst指数实验设计[14],以25年为一个周期计算Hurst指数值(如1970—1995、1971—1996、1972—1997)形成一个连续的Hurst指数序列,通过分析这个Hurst指数序列和之前线性回归实验得到的斜率,预测未来南充市的气候变化趋势。

      • 图1(a)线性回归分析图中可以看到,南充市1970—2019年,年平均气温线性回归拟合的直线斜率大于0,总体呈上升趋势,上升速率为0.01281℃·a−1。从图1(b)Hurst值柱状图中可以看到,南充市1970—1974年,25年实验的Hurst值均大于0.5。1975年,25年实验的Hurst值开始小于0.5,一直持续到1981年。1982—1991年的25年实验Hurst值持续大于0.5,并且达到了3级。1992年后,25年实验的Hurst值开始小于0.5,为−2级,持续到1994年。这说明南充市年平均气温的时间序列具有反向持续性,未来南充市的年平均气温呈下降趋势。

        图  1  南充市1970—2019年,年平均气温的线性回归分析图与Hurst值柱状图

        Figure 1.  Linear regression analysis of average annual temperature and Hurst value histogram of average annual temperature in Nanchong city from 1970 to 2019

      • 图2南充市1970—2019年,各季节平均气温的线性回归分析图中可以看到,各个季节的平均气温斜率均大于0,呈上升趋势,其中春季、秋季上升趋势明显,夏季、冬季上升趋势相对平缓。从图3各季节平均气温的Hurst值柱状图中可以看到,春季的25年实验Hurst值在0.5左右波动较大,于1994年达到−2级,而夏季、秋季和冬季25年实验的Hurst值在1991年后均小于0.5,分别达到−3级,−4级和−2级。说明各季节平均气温的时间序列都具有反向持续性,未来南充市四个季节的平均气温都呈下降趋势。总体上和年平均气温变化趋势一致。

        图  2  南充市1970—2019年,各季节平均气温的线性回归分析图

        Figure 2.  Linear regression analysis diagram of average temperature in each season in Nanchong city from 1970 to 2019

        图  3  南充市1970—2019年,各季节平均气温的Hurst值柱状图

        Figure 3.  Hurst value histogram of average temperature in each season in Nanchong city from 1970 to 2019

      • 图4(a)线性回归分析图中可以看到,南充市1970—2019年,年日照时数线性回归拟合直线的斜率小于0,总体呈下降趋势,下降速率为1.57612 h·a−1图4(b)Hurst值柱状图中可以看到,1970—1977年25年实验的Hurst值均大于0.5。从1978年后的25年实验开始,Hurst值持续小于0.5,一直到1985年。1986—1994年开始,25年实验的Hurst值在0.5上下波动,总体大于0.5,表明南充市年日照时数时间序列具有正向持续性,未来南充市的年日照时数呈下降趋势。

        图  4  南充市1970—2019年,年日照时数的线性回归分析图与Hurst值柱状图

        Figure 4.  Linear regression analysis plot of annual sunshine hours and Hurst value histogram of annual sunshine hours in Nanchong city from 1970 to 2019

      • 图5南充市19702019年,各季节日照时数的线性回归分析图中可以看到,夏季日照时数总体最多,春秋次之,冬季最少。春季与冬季的日照时数的拟合直线斜率大于0,呈上升趋势。而夏季和秋季日照时数的拟合直线斜率小于0,呈下降趋势。从图6各季节日照时数Hurst值柱状图中可以看到,除秋季1992年后25年实验的Hurst值达到1级外,春季、夏季和冬季的Hurst值均小于0.5,分别为−2级,−3级与−4级。这表明,南充市秋季的日照时数时间序列具有正向持续性,未来南充市秋季的日照时数将下降。而春季、夏季和冬季的日照时数时间序列皆具有反向持续性,未来南充市春季与冬季的日照时数将下降,而夏季的日照时数将会增多。总体与3.2.1节分析的年日照时数变化趋势一致。

        图  5  南充市1970—2019年,各季节日照时数的线性回归分析图

        Figure 5.  Linear regression analysis diagram of sunshine hours in each season in Nanchong city from 1970 to 2019

        图  6  南充市1970—2019年,各季节日照时数的Hurst值柱状图

        Figure 6.  Hurst value histogram of sunshine hours in each season in Nanchong city from 1970 to 2019

      • 图7(a)线性回归分析图中可以看到,南充市1970—2019年,年降水量线性回归拟合直线的斜率大于0,总体呈上升趋势,上升速率为1.53341 mm·a−1图7(b)Hurst值柱状图中可以看到,1970—1978年25年实验的Hurst值总体小于0.5。自1979年后的25年实验开始,Hurst值持续大于0.5,一直到1985年。1986年25年实验的Hurst值结果骤降,之后一直持续到1990年,Hurst值始终在0.5上下波动。从1991年的25年实验开始,Hurst值持续小于0.5,除1993年为−2级外,其余年份皆达到−3级。说明南充市年降水量时间序列具有反向持续性,未来南充市年降水量呈下降趋势。

        图  7  南充市1970—2019年,年降水量的线性回归分析图与Hurst值柱状图

        Figure 7.  Linear regression analysis plot of annual precipitation and Hurst value histogram of annual precipitation in Nanchong city from 1970 to 2019

      • 图8南充市1970—2019年,各季节降水量线性回归分析图中可以看到,夏季降水量最多,冬季降水量最少,符合降水集中,夏季湿润,冬季干燥的特点。春季、夏季和冬季降水量的拟合直线斜率均大于0,呈上升趋势,秋季降水量的拟合直线的斜率小于0,呈下降趋势。从图9南充市1970—2019年,各季节降水量的Hurst值柱状图中可以看到,夏季与秋季降水量Hurst值在1985年后均大于0.5,并在1993年达到3级,说明了夏季与秋季降水量时间序列具有正向持续性,未来南充市夏季降水量呈上升趋势而秋季降水量呈下降趋势。春季和冬季的降水量时间序列具有反向持续性,两个季节的降水量Hurst值在1990年后均小于0.5,分别为−1级和−3级,未来南充市春季和冬季的降水量均呈下降趋势,总体与3.3.1小节分析得到的年降水量变化趋势一致。

        图  8  南充市1970—2019年,各季节降水量的线性回归分析图

        Figure 8.  Linear regression analysis diagram of precipitation in each season in Nanchong city from 1970 to 2019

        图  9  南充市1970-2019年,各季节降水量的Hurst值柱状图

        Figure 9.  Hurst value histogram of precipitation in each season in Nanchong city from 1970 to 2019

      • 对1970—2019年间,南充市平均气温、日照时数和降水量三项气候要素,就全年和各季节分别进行线性回归和R/S分析,研究了未来南充市这三项气候要素在全年和各个季节的变化趋势,结论如下:

        (1)南充市1970—2019年间,年平均气温和各季节的平均气温总体呈上升趋势;未来一段时间年平均气温和各季节的平均气温都将呈下降趋势;年日照时数和夏、秋季日照时数总体呈下降趋势,而春季与冬季日照时数呈上升趋势;未来一段时间年日照时数将呈下降趋势,夏季日照时数将会增多,春季、秋季与冬季日照时数将会减少;降水量除秋季呈下降趋势外,其余均呈上升趋势。未来一段时间年降水量将呈下降趋势,夏季降水量会增多,春季、秋季与冬季降水量将会减少。

        (2)1980年前后,南充市全年和各季节的平均气温、日照时数和降水量三项气候要素在Hurst值上均呈现不同程度的波动,三项气候要素整体上表现出与之前不同的变化趋势。1980年前后中国和世界都发生了大规模气候异常现象[21-23]

        总体上看,南充近50年来平均气温的上升趋势,未来降水量的下降趋势与全球变暖和中国气候变化大趋势一致,50年来全球整体气温不断上升,降水量不断下降。中国整体气候变化与全球变暖大趋势具有相似性,同时日照时数不断下降[24-25],同南充近50年来日照时数总体的下降趋势,和未来的减少倾向较为一致。

    参考文献 (28)

    目录

      /

      返回文章
      返回