基于小波变换的广州市气温降水年际变化规律分析

刘妮妮 孙芹芹

关键词： 能谱计算; 水热同步; 人类活动影响; 气温; 降水量; 年际气候变化

中图分类号： TN99?34                           文献标识码： A                         文章编号： 1004?373X（2019）05?0173?03

Guangzhou annual temperature and rainfall change rule analysis

based on wavelet transform

LIU Nini1， SUN Qinqin2

（1. Yangtze University Collage of Technology & Engineering， Jingzhou 434020， China;

2. Fujian Institute of Oceanography， Xiamen 361013， China）

Abstract： The Morlet complex wavelet is used to perform the wavelet transform for the annual average temperature and rainfall data from 1952—2007 in Guangzhou， and calculate the wavelet energy spectrum， so as to explore the annual change rule and its synchronization of temperature and rainfall influenced by recent human activity. The results show that the change rule of Guangzhou annual average temperature is weaken， and the changing process is unobvious; the annual rainfall appears in dry?wet change， and has short change interval and strong concussion performance， which stars from 1995. The annual climate change process of Guangdong has a certain hydrothermal synchronous rule， which occurs in the large?scale years （15～25 y）. The annual climate change process of Guangdong has the characteristic of hydrothermal asynchronism due to the effects of global warming and human activities， which occurs in small?scale years （3～8 y）.

Keywords： energy spectrum calculation; hydrothermal synchronization; human activity effect; air temperature; precipitation; annual climate change

0  引  言

在全球变暖背景影响下，广州市继2003—2005年遭受严重干旱影响后，又频遭洪涝威胁[1?2]。气候灾害出现频率的加快不仅受大气环流的影响，也是人类活动影响气候变化的间接反映。利用不同的小波函数分析城市气候变化中的规律引起越来越多学者的关注[3?7]。本文采用Morlet小波分析方法，以广州市1952—2007年共56年的年平均气温和降水时间序列数据，分析20世纪50年代以后广州市气温和降水的年际变化规律，并寻找不同时间范围内的主要变化周期，探索近期人类活动影响下的气温、降水年际变化规律及其同步性。

1  研究方法

本文研究中用到的时间序列数据为1952—2007年共56年的年平均气温和年降水量数据，通过Morlet小波变换进行时频分析，其原理是通过增加或减小伸缩尺度得到信号的低频或高频信息，并通过分析信号的概貌或细节，实现对信号不同时间尺度和空间局部特征的分析[8]。原始时间序列中年平均气温数据的单位为0.1 ℃，本文研究将其单位转化为1 ℃。年降水量数据的单位为0.1 mm，为了计算方便，本研究统一将其单位转化为cm。为消除或减小在时间序列的两端可能会产生“边界效应”，分别对年平均气温和年降水量数据进行对称性信号延拓，并利用小波系数的实部、模方对气候条件变化的时间尺度和周期震荡强弱进行分析。Morlet小波函数如下[9]：

[?（t）=π-14e-t22?eiω0t]  （1）

式中：[?（t）]为小波变换的母小波;[t]为时间;[ω0]为无量纲频率。

2  结果与讨论

2.1  广州市年平均气温变化时间尺度分析

对1952—2007年各时间序列数据进行Morlet小波变换后提取小波系数，并计算小波系数的实部，得到广州市1952—2007年平均气温变化小波系数的实部等值线图，如图1所示，其实部综合体现了信号变化的强弱和位相两方面的信息[10]。图中实线表示小波系数大于0，代表年平均气温相对较高的暖期;虚线表示小波系数小于0，代表年平均气温相对较低的冷期。

从图1中可以看出，广州市1952—2007年气温演化过程中存在的多时间尺度特征。其中：

1） 在18～32年尺度上，广州市气候分别经历了“冷?暖”交替的周期震荡，其中在1980年左右的小尺度暖期，在大尺度上又表现为冷期，而2000—2007年的冷期震荡表现也不明显。

2） 在8～13年时间尺度上，广州市气候也表现为“冷?暖”震荡期，并且从2005年之后进入8～13年尺度上的冷期，说明广州市气候虽然从大尺度上来看一直处于变暖的趋势，但是与前10年左右相比，气温增高并不明显。

3） 3～7年尺度的周期变化，在1983年之前表现非常稳定。从1983年之后表现的不太稳定，这也充分说明了近年来广州市气温的变化已不再遵循小尺度变化规律，主要受全球大环境变化的影响，小尺度变化规律不明显。

2.2  广州市年降水量变化时间尺度分析

对1952—2007年广州市年降水量数据进行Morlet小波变换后，得到小波系数的实部等值线图，如图2所示。其中，小波系数实部为正时表示年降水量偏高，且用实线绘制。小波系数实部为负时表示年降水量偏低，且用虚线绘制。从图2中可以看出，广州市1952—2007年降水量演变过程中存在着15～25年、5～10年、3～8年的周期变化规律。

1） 广州市年降水量变化在15～25年尺度上出现了“枯?丰”交替的周期振荡。分析它们存在的阶段可知，广州市1952—2007年的年降雨量与温度的变化有一定的同步性，降水量“丰”的时间对应气候“暖”的时间;降水量“枯”的时间对应气候“冷”的时间。这也说明，气候变化遵循一定的水热同步性。

2） 从图2中还可看到，从1952—2007年，广州市年降水量变化也存在5～10年左右的周期振荡，并且从5～10年尺度来看，2005年以后进入了丰水期。值得注意的是，从1980年以后，3～8年尺度的震荡开始加强。各个高、低值中心对称出现，且几乎在同一条直线上。这说明近年来由于气候变化的影响，旱涝出现的周期缩短，灾害频繁。并且由于温度的变化影响到气压带和风带的移动，从而影响到整个大气环流，导致我国南方地区出现明显的旱涝交替的现象。

3） 预计未来降水量的变化震荡周期仍以3～8年左右为主，并从3～8年尺度来看为枯水期，从15～25年时间尺度来看为广州市降水量的丰水期。同时，还可以看出以上两个尺度的周期变化在1980年以前主要以大尺度震荡为主，小尺度震荡不太明显，而在1980年以后则以3～8年尺度的周期变化表现较为稳定，这也是近年广州市旱涝频发的一个佐证。

2.3  广州市气温降水年际变化强弱分析

小波系数的模值是不同时间尺度变化周期所对应的能量密度在时间域中分布的反映，系数模值愈大，表明其所对应时段或尺度的周期性就愈强。而小波系数的模方相当于小波能量谱，它可以分析出不同周期震荡的强弱[11]。对不同时间序列的小波系数模方进行计算并制图发现：广州市气温年际变化图中（见图3），年平均气温变化以大尺度为主，18～32年时间尺度的能量最强、周期最显著，但其周期变化具有局部性（1980年以前）;8～13年时间尺度能量虽然较弱，但周期分布比较明显，几乎占据整个研究时域（1974—2005年）。而广州市降水量的年际变化图中（见图4），1975年以前，15～25年、25～32年的时间尺度的能量最强，周期最为显著，但其周期变化同样具有局部性; 1995年以后，3～8年时间尺度的周期震荡表现非常显著。总的看来，1975年以前，气温和降水年际变化的规律以大尺度为主，且高温期对应多雨期。而近年来，由于受人类活动和全球变暖的影响，气温的年際变化仍以大尺度为主，但是降水量的年际变化周期越来越短，水热变化不再具有同步性。说明年降水量变化受人类活动的影响震荡加剧，而气温变化则受全球变化影响较大，其主要震荡周期仍以大尺度为主，小尺度的周期震荡受人类活动影响大，变化规律减弱。

3  结  论

通过对广州市1952—2007年平均气温和降水量进行Morlet复小波变换并分析其特征发现，广州市年降水量变化在15～25年尺度上出现了“枯?丰”交替的周期振荡。分析它们存在的阶段可知，广州市1952—2007年的年降雨量与温度的变化有一定的同步性，降水量“丰”的时间对应气候“暖”的时间;降水量“枯”的时间对应气候“冷”的时间。这也说明，气候变化在大尺度（15～25年）遵循一定的水热同步性。但是广州市1952—2007年降水变化周期以18年、7年最为显著，1995年以后，3～8年时间尺度的周期震荡表现非常显著，降水量呈现明显的“枯?丰” 震荡，且变化间隔短。这也说明，近年来受人类活动影响，全球变暖以及温室效应的增强影响到气压带和风带的移动，从而影响到整个大气环流，导致我国南方地区出现明显的旱涝变化，从小尺度（3～8年）看，具有水热不同步的特点。

注：本文通讯作者为孙芹芹。

参考文献

[1] 王兵，胡娅敏，杜尧东，等.小波分析和EEMD方法在广州气温及降水的多尺度分析中的差异分析[J].热带气象学报，2014，30（4）：769?776.

WANG Bing， HU Yamin， DU Yaodong， et al. Study on the difference between wavelet analysis and EEMD in multi，scale decomposition of temperature and precipitation of Guangzhou [J]. Journal of tropical meteorology， 2014， 30（4）： 769?776.

[2] 汤超莲，陈特固，蔡兵，等.近百年广州中心城区（天河）地表年平均气温变化趋势[J].热带地理，2014，34（6）：729?736.

TANG Chaolian， CHEN Tegu， CAI Bing， et al. Process of the annual mean surface air temperature of Guangzhou （Tianhe） over the last 100 years [J]. Tropical geography， 2014， 34（6）： 729?736.

[3] 纪忠萍，何溪澄，谷德军.1994年6月广东省特大洪涝期间气象要素的小波分析[J].热带气象学报，1998，14（2）：148?155.

JI Zhongping， HE Xicheng， GU Dejun. Wavelet analysis of meteorology factor during heavy flooding in Guangdong Pro?vince in June 1994 [J]. Journal of tropical meteorology， 1998， 14（2）： 148?155.

[4] 邵晓梅，许月卿，严昌荣.黄河流域降水序列变化的小波分析[J].北京大学学报（自然科学版），2006，42（4）：503?509.

SHAO Xiaomei， XU Yueqing， YAN Changrong. Wavelet analysis of rainfall variation in the Yellow River Basin [J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 2006， 42（4）： 503?509.

[5] 李荣昉，王鹏，吴敦银.鄱阳湖流域年降水时间序列的小波分析[J].水文，2012，32（1）：29?31.

LI Rongfang， WANG Peng， WU Dunyin. Wavelet analysis of annual precipitation series in Poyang Lake Basion [J]. Journal of China hydrology， 2012， 32（1）： 29?31.

[6] 潘雅婧，王仰麟，彭建，等.基于小波与R/S方法的汉江中下游流域降水量时间序列分析[J].地理研究，2012，31（5）：811?820.

PAN Yajing， WANG Yanglin， PENG Jian， et al. Precipitation change in middle and lower reaches of Hanjiang River： based on wavelet analysis and R/S analysis [J]. Geographical research， 2012， 31（5）： 811?820.

[7] 景亚平，张鑫，冯天梅.基于小波和GIS分析的河川径流时空变化规律研究[J].水资源与水工程学报，2016，27（3）：107?111.

JING Yaping， ZHANG Xin， FENG Tianmei. Study on variation law of time and space of runoff based on wavelet and GIS analysis [J]. Journal of water resources & water engineering， 2016， 27（3）： 107?111.

[8] RIBEIRO K M， J?NIOR R A B， S?FADI T， et al. Comparison between Fourier and wavelets transforms in Biospeckle signals [J]. Applied mathematics， 2013， 4（11）： 11?22.

[9] MORLET J. Sampling theory and wave propagation [C]// Proceedings of the 51st Annual Meeting of the Society of Exploration Geophysics. Los Angeles： Springer， 1981： 233?234.

[10] 江学顶，夏北成.珠江三角洲城市群热环境空间格局动态[J].生态学报，2007，27（4）：1461?1470.

JIANG Xueding， XIA Beicheng. Spatial characteristics and dynamic simulations of urban heat environment of cities in Pearl River Delta [J]. Acta ecologica Sinica， 2007， 27（4）： 1461?1470.

[11] 郭彦，侯素珍，王平，等.基于小波分析的黄河上游水沙多时间尺度特征[J].干旱区研究，2015，32（6）：1047?1054.

GUO Yan， HOU Suzhen， WANG Ping， et al. Multi?time scale characteristics of runoff and sediment series based on wavelet analysis in the upper reaches of Yellow River [J]. Arid zone research， 2015， 32（6）： 1047?1054.