王學(xué)鳳，路 潔，曹永強(qiáng)

（1.中國水利水電科學(xué)研究院信息中心，北京 100038；2.遼寧師范大學(xué)地理科學(xué)學(xué)院，遼寧大連 116029）

1 研究背景

在所有自然災(zāi)害中，氣象災(zāi)害發(fā)生次數(shù)最多，其中，旱澇災(zāi)害是全球性最為嚴(yán)重的自然災(zāi)害之一，因其影響范圍廣、持續(xù)時(shí)間長、造成的經(jīng)濟(jì)損失大，對農(nóng)業(yè)、生態(tài)環(huán)境和人類生產(chǎn)生活帶來諸多負(fù)面影響［1］。目前，全球氣候變暖被學(xué)術(shù)界廣泛認(rèn)同，在全球持續(xù)變暖背景下，全球海洋溫度異常變化或大尺度氣候系統(tǒng)變化（ENSO系統(tǒng)及太平洋濤動事件等）對區(qū)域水熱影響也越來越顯著，導(dǎo)致極端降水事件頻繁發(fā)生，進(jìn)一步增加了極端旱澇事件的發(fā)生風(fēng)險(xiǎn)［2］。據(jù)統(tǒng)計(jì)，2016年中國受旱澇、臺風(fēng)等多種自然災(zāi)害影響，農(nóng)作物受災(zāi)面積達(dá)2622萬hm2，受災(zāi)人口達(dá)1.9億人，經(jīng)濟(jì)損失達(dá)5032.9億元［3］。因此，把握旱澇災(zāi)害變化規(guī)律和成因，以期達(dá)到緩解災(zāi)情，減少經(jīng)濟(jì)損失，穩(wěn)定農(nóng)業(yè)生產(chǎn)，實(shí)現(xiàn)經(jīng)濟(jì)社會可持續(xù)發(fā)展的目的，已成為國際國內(nèi)學(xué)者高度關(guān)注的科學(xué)問題。

當(dāng)前，國內(nèi)外對旱澇領(lǐng)域的研究集中于旱澇指標(biāo)的建立、旱澇成因及驅(qū)動機(jī)制、旱澇與承災(zāi)體之間的關(guān)系等多個(gè)層面。目前常用的旱澇指標(biāo)包括Palmer［4］在1960年代中期提出的PDSI指數(shù)、Mckee等［5］提出的標(biāo)準(zhǔn)化降水指數(shù)（SPI）及Vicente Serrano 等［6］提出的標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）等，其中SPEI指數(shù)綜合考慮了降水及由溫度變化導(dǎo)致的蒸散速率不同等多方面因素，可以反映不同時(shí)間尺度的旱澇特征且較PDSI計(jì)算簡便，因此，在全球增暖背景下更為適用。Yu等［7］基于SPEI指數(shù)對中國的干旱時(shí)空演變特征進(jìn)行分析，表明1990年代末期中國干旱強(qiáng)度都有不同程度的增加，東北和華北干旱發(fā)生次數(shù)最頻繁，華南也呈現(xiàn)干旱化趨勢。在旱澇成因研究方面，Voice等［8］基于全球環(huán)流模式對澳大利亞SSTA與干旱的關(guān)系進(jìn)行研究，發(fā)現(xiàn)兩者關(guān)系非常密切，當(dāng)東太平洋處于厄爾尼諾暖期時(shí)，影響更為強(qiáng)烈；季定民等［9］對甘肅河?xùn)|農(nóng)業(yè)區(qū)干旱和大氣環(huán)流之間的關(guān)系進(jìn)行研究，結(jié)果表明發(fā)生厄爾尼諾時(shí)，該區(qū)春夏干旱化趨勢顯著，發(fā)生拉尼娜事件時(shí)，濕潤化趨勢顯著。

遼寧省位于東北地區(qū)南部，臨黃渤二海，由于其獨(dú)特的地理位置，受季風(fēng)影響導(dǎo)致降水時(shí)空分布很不均勻，遼寧省局地強(qiáng)降雨時(shí)有發(fā)生，洪澇事件發(fā)生頻繁，7—8月部分地區(qū)持續(xù)高溫少雨，其中旱情以遼西地區(qū)最為嚴(yán)重，經(jīng)常出現(xiàn)旱澇并存現(xiàn)象。遼寧省糧食種植面積多年大于300萬hm2，占遼寧省耕地面積90%以上，其中主要作物玉米和水稻分別占糧食作物播種面積的63.91%和21.12%。隨著農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)和種植業(yè)內(nèi)部結(jié)構(gòu)調(diào)整的日益深入，糧食產(chǎn)量不斷增多，其中國家扶持的遼寧省商品糧基地縣產(chǎn)量占全省80%，商品率占全省90%以上，為我國糧食安全和主要農(nóng)產(chǎn)品供給做出了重要貢獻(xiàn)，是我國重要的商品糧生產(chǎn)基地［10］。但近年來由旱澇災(zāi)害造成的農(nóng)作物減產(chǎn)失收情況越來越嚴(yán)重。據(jù)《中國氣象災(zāi)害年鑒》統(tǒng)計(jì)，2014年遼寧省大旱，農(nóng)作物受災(zāi)面積達(dá)195萬hm2，干枯和重旱面積125萬hm2。遼西及大連北部地區(qū)災(zāi)情最為嚴(yán)重，坡耕地作物已基本絕收，遼寧全省糧食因?yàn)?zāi)減產(chǎn)100億斤左右［11］；2016年，遼寧省共出現(xiàn)6次暴雨過程，造成農(nóng)作物受災(zāi)面積9.6萬hm2，絕收面積1.0萬hm2；受災(zāi)人口78.2萬人，直接經(jīng)濟(jì)損失33.9億元［12］。

鑒于此，很多學(xué)者對遼寧省旱澇災(zāi)害開展了大量研究工作，總體來說，大多是對旱澇時(shí)空演變特征及趨勢的研究，還未有通過大氣環(huán)流角度對旱澇變化成因進(jìn)行分析。因此，本文基于SPEI 指數(shù)，運(yùn)用小波分析、經(jīng)驗(yàn)正交函數(shù)等方法分析遼寧省旱澇的時(shí)空演變及周期特征，并運(yùn)用交叉小波方法探討旱澇對太陽黑子和環(huán)流因子的響應(yīng)，以期為遼寧省旱澇預(yù)測預(yù)警和抗旱減災(zāi)提供科學(xué)依據(jù)。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況遼寧省位于亞歐大陸東部中緯度地區(qū)，屬溫帶大陸性季風(fēng)氣候區(qū)，境內(nèi)雨熱同期，夏季溫和，冬季寒冷，年均降水量500～1000 mm，受季風(fēng)影響降水時(shí)空分布很不均勻，降水量由東向西遞減，且年際年內(nèi)差異大，以致旱澇頻發(fā)。不僅如此，遼寧省是我國重要的商品糧生產(chǎn)基地，但受旱澇災(zāi)害影響畝均水資源量僅為全國平均的38%，局部地區(qū)地下水超采、地表河道斷流等問題凸顯，水資源供需矛盾日益尖銳，缺水現(xiàn)象持續(xù)惡化。

2.2 數(shù)據(jù)來源為保證氣象資料的完整性和時(shí)間連續(xù)性，選用遼寧省23個(gè)氣象站數(shù)據(jù)，包括逐日平均氣溫、最高氣溫、最低氣溫、降水量、相對濕度、日照時(shí)數(shù)和風(fēng)速等觀測資料，時(shí)間跨度為1965—2018年，數(shù)據(jù)均源于中國氣象數(shù)據(jù)網(wǎng)（http：//data.cma.cn/site/index.html）。參考文獻(xiàn)［13-16］對旱澇災(zāi)害大氣環(huán)流方面的成因分析，發(fā)現(xiàn)多變量ENSO指數(shù)（MEI）綜合考慮了海表溫度、氣壓、地面經(jīng)向風(fēng)、緯向風(fēng)及總云量等方面因素，可達(dá)到監(jiān)測判斷ENSO事件的目的，因此選取該指數(shù)表征ENSO 事件；選取具有代表性的與旱澇有關(guān)的環(huán)流因子包括海表溫度距平（SSTA）、太平洋濤動（PDO）、北極濤動（AO）和北大西洋濤動（NAO），均源于美國國家海洋和大氣局網(wǎng)站（http：//www.esrl.noaa.gov/psd/enso/mei），表征太陽黑子活動狀況的太陽黑子相對數(shù)源于比利時(shí)皇家天文臺數(shù)據(jù)中心（http：//www.sidc.be/silso/datafiles），時(shí)間跨度為1965—2018年；遼寧省旱澇災(zāi)情信息源于中國氣象災(zāi)害大典、中國氣象災(zāi)害年鑒和水利部中國水旱災(zāi)害公報(bào)等。

2.3 研究方法

2.3.1 標(biāo)準(zhǔn)化降水蒸散指數(shù) 目前，國內(nèi)外提出了很多表征旱澇狀況的指數(shù)，由于旱澇變化受自然因子，如氣溫、降水和蒸散等方面的影響，因此考慮多種因素的綜合性旱澇指標(biāo)更能反映客觀實(shí)際狀況，其中，應(yīng)用相對廣泛的是標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI指數(shù)），該指標(biāo)綜合考慮了旱澇對降水和蒸散的響應(yīng)，同時(shí)還可以反映多時(shí)間尺度特征，能夠達(dá)到準(zhǔn)確檢測的目的。具體計(jì)算步驟如下。

（1）計(jì)算潛在蒸散量（ET0）。采用FAO推薦的Penman-Monteith方法，該方法綜合考慮了氣溫、降水、風(fēng)速和日照等要素，與作物實(shí)際蒸散相符［17］：

式中：ET0為潛在蒸散發(fā)量，mm；Rn為凈輻射，MJ/（m2·d）；G為熱通量密度，MJ/（m2·d）；T為日平均溫度，℃；u2為2 m高處風(fēng)速，m/s；es為飽和空氣水汽壓，kPa；ea為空氣水汽壓，kPa；Δ為飽和水汽壓-溫度曲線的梯度，kPa/℃；γ為濕度計(jì)常數(shù)，kPa/℃；Gn、Gd為固定常數(shù)，在估算逐日潛在蒸散發(fā)量時(shí)取值分別為900和0.34，各參數(shù)詳細(xì)計(jì)算及取值參考文獻(xiàn)［14］。

（2）計(jì)算逐月蒸散量（PETi）與逐月降雨量的差值（Di）［18］。逐月蒸散量（PETi）由逐日潛在蒸散量（ET0）按月累計(jì)而成：

式中：Pi為第i月的降水量，mm；PETi為第i月的潛在蒸散量，mm；Di為水分盈虧狀況，mm。

（3）對降水量和潛在蒸散量的差值正態(tài)化處理。采用log-logistic概率分布函數(shù)對概率密度進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算出對應(yīng)的SPEI值［18］，log-logistic概率分布函數(shù)為：

式中α、β、δ采用線性矩方法擬合。

對累計(jì)概率密度進(jìn)行標(biāo)準(zhǔn)化：

當(dāng)累積概率V≤0.5時(shí)：

式中：c0=2.515 517，c1=0.802 853，c2=0.010 328，d1=1.432 788，d2=0.189 269，d3=0.001 308，該參數(shù)取值參考文獻(xiàn)［10］。

當(dāng)累積概率V＞0.5時(shí)，SPEI值的符號被逆轉(zhuǎn)。

參考《氣候干旱等級》（GB/T20481-2017）［18］，將SPEI值劃分為9級，等級劃分情況如表1所示。

表1 SPEI旱澇等級劃分標(biāo)準(zhǔn)

2.3.2 經(jīng)驗(yàn)正交函數(shù)分解法 經(jīng)驗(yàn)正交函數(shù)分解（EOF）也稱為主分量分析（PCA），是一種提取主要數(shù)據(jù)特征量的方法。其中，特征向量對應(yīng)空間模態(tài)，反映空間分布特點(diǎn)，主成分對應(yīng)時(shí)間系數(shù)，反映時(shí)間變化，因此，EOF分解可稱為時(shí)空分解。其具體算法詳見文獻(xiàn)［19］。

在EOF分析中，若通過North顯著性檢驗(yàn)，表明前幾個(gè)特征向量可以最大限度的表征某區(qū)域變量場的變率分布結(jié)構(gòu)。如果模態(tài)系數(shù)為同一符號，則說明該區(qū)域變量變化趨勢是基本一致的，絕對值最大處位于中心；如果模態(tài)系數(shù)呈正負(fù)相間分布型，說明代表了兩種分布類型。

2.3.3 小波分析與交叉小波分析 小波分析在氣候診斷中不僅能清晰地揭示出某氣候因子非平穩(wěn)時(shí)間序列的變化周期，還可以反映變化的時(shí)間位置；而交叉小波變換結(jié)合小波變換和交叉譜分析，可研究2個(gè)時(shí)間序列間的時(shí)頻共振周期與位相關(guān)系。本文運(yùn)用小波分析方法，借助matlab工具繪制了小波實(shí)部圖和系數(shù)模的等值線圖，用于分析遼寧省年均SPEI指數(shù)的周期震蕩特征，繪制交叉小波圖用于分析SPEI值與影響因素之間的相關(guān)關(guān)系，其具體算法詳見文獻(xiàn)［20］。

本文以遼寧省為研究基點(diǎn)，以標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）為旱澇量化指標(biāo)，運(yùn)用線性趨勢、滑動平均、小波變換對旱澇變化進(jìn)行時(shí)間演變和周期分析，采用經(jīng)驗(yàn)正交分解法對旱澇空間演變特征進(jìn)行分析。此外，根據(jù)以往研究，太陽黑子可通過改變地表溫度、海氣耦合改變大氣環(huán)流等多種形式影響氣候系統(tǒng)［21］，遙相關(guān)是指遙遠(yuǎn)距離的大氣環(huán)流變化與異常間的關(guān)聯(lián)性，即一個(gè)區(qū)域的環(huán)流異?？梢砸疬h(yuǎn)距離的另一個(gè)區(qū)域的環(huán)流異常，包括多變量ENSO指數(shù)（MEI）、太平洋濤動（PDO）、北極濤動（AO）和北大西洋濤動（NAO）等，區(qū)域氣溫、降水與海流及大氣遙相關(guān)型的活動密切有關(guān)［22］，因此結(jié)合太陽黑子和遙相關(guān)指數(shù)，運(yùn)用交叉小波方法探討旱澇特征對各因子的響應(yīng)。

3 結(jié)果與分析

圖1 遼寧省SPEI時(shí)間序列

為揭示遼寧省旱澇多尺度周期變化特征，采用Morlet小波方法繪制小波系數(shù)實(shí)部等值線和小波方差圖（圖2），顏色深淺代表小波系數(shù)信號的強(qiáng)弱，等值線中心若為正值，表示偏澇，反之偏旱。由圖3可知，1965—2018年間遼寧省SPEI指數(shù)在年際和年代際上都存在明顯周期變化，包括5～8 a和9～12 a的小尺度信號以及29～45 a的大尺度信號。其中在5～8 a周期的時(shí)間序列中經(jīng)歷了5個(gè)旱澇交替過程，2010年由5 a 尺度向上偏移到8 a 尺度；9～12 a 周期的時(shí)間尺度上經(jīng)歷了4.5個(gè)旱澇交替，該周期內(nèi)小波曲線閉合完整，說明其變化較為明顯；29～45 a 周期時(shí)間序列上正負(fù)相位明顯且穩(wěn)定，經(jīng)歷了2個(gè)旱澇變化過程。從圖2（b）可以看出共有3個(gè)峰值，第一峰值為29 a，該時(shí)間尺度波動能量最強(qiáng)，正負(fù)變化明顯，這一周期對近54年遼寧省旱澇起主要作用，是旱澇變化的主周期；其次還存在5 a和9 a兩個(gè)峰值，對應(yīng)為兩個(gè)次周期，上述3個(gè)周期共同對遼寧省旱澇變化起作用。

3.2 遼寧省旱澇空間演化特征為更好了解遼寧省旱澇空間分布特征，采用EOF 方法對遼寧省1965—2018年SPEI指數(shù)進(jìn)行分解，并進(jìn)行North 顯著性檢驗(yàn)［19］，繪制遼寧省旱澇主要空間分布模態(tài)。表2為遼寧省SPEI值EDF分解的前5個(gè)特征值的累計(jì)貢獻(xiàn)率，其中，前5個(gè)特征向量貢獻(xiàn)率達(dá)到77.64%，但只有前2 個(gè)特征值的誤差范圍不重疊，通過顯著性檢驗(yàn)，前2個(gè)特征向量累計(jì)貢獻(xiàn)率為60.38%，因此前兩個(gè)特征向量可很好解釋遼寧省近54年的時(shí)空分布類型。

圖2 遼寧省省1965—2018年SPEI小波系數(shù)實(shí)部等值線和方差

表2 遼寧省SPEI值EOF分解的5個(gè)特征向量貢獻(xiàn)率

第一模態(tài)特征向量方差貢獻(xiàn)率為50.85%，遠(yuǎn)高于其他模態(tài)，是遼寧省旱澇變化的主要空間分布形式。圖3（a）顯示第一模態(tài)系數(shù)在0.05 ～0.28之間，全省均表現(xiàn)為正值，表明1965—2018年遼寧省旱澇變化具有高度一致性，即要么全省偏旱要么全省偏澇，這種現(xiàn)象是受大尺度氣候系統(tǒng)影響形成的。高值中心位于遼中一帶，說明該區(qū)旱澇變化最為明顯，反應(yīng)最為敏感。從圖3（b）可以看出，時(shí)間系數(shù)在近54年呈不顯著上升趨勢，說明全區(qū)向濕潤化演變，旱情有所緩解。

圖3 SPEI值模態(tài)1特征向量分布和向量場時(shí)間系數(shù)

第二模態(tài)特征向量方差貢獻(xiàn)率為9.53%，也是典型的旱澇主要分布形式，其對應(yīng)的空間系數(shù)在-0.55 ～0.46之間，如圖4所示。這種形式正值中心出現(xiàn)在遼西北和遼中，負(fù)值中心出現(xiàn)在遼北遼東，呈現(xiàn)遼西-遼東反向分布模式，即要么遼西偏旱遼東偏澇，要么遼西偏澇遼東偏旱，說明除受大尺度氣候因子外，還受地理位置，地形條件的影響。與唐亞平等［23］對遼寧省旱澇分區(qū)的研究結(jié)果保持一致。從第二模態(tài)時(shí)間系數(shù)長時(shí)間序列的變化特征來看，時(shí)間系數(shù)在1965—2018年呈上升趨勢，并通過顯著性檢驗(yàn)，年代變化特征表現(xiàn)為1990年代前為負(fù)值，之后多為正值，說明遼寧省在1990年代前表現(xiàn)為遼西干旱遼東濕潤，之后遼西地區(qū)向濕潤化發(fā)展，遼東向干旱化方向發(fā)展，時(shí)間系數(shù)與典型向量場所反映的信息保持一致。

圖4 SPEI值模態(tài)2特征向量分布和向量場時(shí)間系數(shù)

據(jù)中國氣象災(zāi)害年鑒、中國水旱災(zāi)害公報(bào)和中國旱澇災(zāi)害數(shù)據(jù)集記載，1965年3—7月，遼寧省發(fā)生重旱，降水距平百分率達(dá)到-35%～-80%；1972年3—7月，全省農(nóng)田受旱面積175萬hm2，成災(zāi)面積101萬hm2，遼西發(fā)生特旱；1989年，全省雨量偏少，造成糧食減產(chǎn)37億kg；1997年，全省14個(gè)市除盤錦市外，都遭受不同程度的干旱，直接經(jīng)濟(jì)損失8.46億元；1999—2002年發(fā)生連旱；2014年遼寧省發(fā)生了1951年以來最為嚴(yán)重的夏秋連旱，農(nóng)作物受災(zāi)面積181.1 萬hm2，受災(zāi)人口659.7 萬人，直接經(jīng)濟(jì)損失162.8億元。從研究區(qū)域23個(gè)氣象站點(diǎn)對應(yīng)時(shí)段SPEI情況來看（圖2），相應(yīng)年份普遍出現(xiàn)了不同程度的干旱災(zāi)害，SPEI值于1965、1972、1989和2014年分別達(dá)到-1.14、-0.93、-1.05和-1.39，干旱分析結(jié)果與實(shí)際歷史記載的干旱基本對應(yīng)。

就暴雨洪澇災(zāi)害而言，1985 和1994年特大洪水，分別造成直接經(jīng)濟(jì)損失47.1 億元和151 億元；1995年汛期，遼寧省遭遇歷史罕見的特大暴雨襲擊，暴雨范圍廣強(qiáng)度大；2010年遼寧省共發(fā)生6次強(qiáng)降雨過程，阜新、朝陽等地市不同程度受災(zāi)；2015和2016年，遼寧省分別出現(xiàn)較強(qiáng)暴雨過程5次、6次，農(nóng)作物絕收面積達(dá)1.1萬hm2；2017年暴雨洪澇造成農(nóng)作物絕收面積2.2萬hm2，經(jīng)濟(jì)損失65.9億元。從研究區(qū)域23 個(gè)氣象站點(diǎn)對應(yīng)時(shí)段SPEI情況來看，SPEI值于1985、1995、2010、2012年分別達(dá)到1.36、0.87、1.47和1.21，且2015—2018年SPEI值均超過0.5，發(fā)生連續(xù)洪澇災(zāi)害，與實(shí)際歷史記載的洪澇災(zāi)害基本對應(yīng)。

綜上所述，SPEI和記載的實(shí)際旱澇情況之間無論在時(shí)間趨勢還是空間分布上均具有很好的對應(yīng)性，說明SPEI指數(shù)在遼寧省具有很好的適用性，能夠準(zhǔn)確反映該區(qū)域的旱澇情況。

3.3 遼寧省旱澇成因分析

通過在安徽績溪壓力鋼管制造的實(shí)踐，鋼管圓度和焊接質(zhì)量是小直徑高強(qiáng)度壓力鋼管制造的關(guān)鍵質(zhì)量控制點(diǎn)。通過增加新型設(shè)備和新工藝的投入，不僅僅可以保證鋼管的制造質(zhì)量，而且施工效率得到大幅提升，符合現(xiàn)階段節(jié)能環(huán)保的要求，施工成本也得到了有效的控制。

3.3.1 遼寧省旱澇與太陽黑子和大尺度環(huán)流因子的時(shí)間相關(guān)性 太陽活動有多種表現(xiàn)形式，它可通過改變地表溫度、海氣耦合改變大氣環(huán)流等多種形式影響氣候系統(tǒng)，與區(qū)域氣溫、降水有明顯相關(guān)性［21］。以往研究成果指出太陽黑子相對數(shù)可以作為表征太陽活動強(qiáng)弱的標(biāo)志，且大致以11年為一個(gè)變化周期，因此探討太陽黑子相對數(shù)與SPEI值之間的相關(guān)性，如圖5所示，遼寧省1965—2018年54年間共出現(xiàn)5個(gè)太陽黑子極大值（1968年、1979年、1989年、2000年、2014年）和6個(gè)太陽黑子極小值（1965年、1975年、1986年、1996年、2007年、2018年），從兩者相關(guān)性角度而言，太陽黑子數(shù)與SPEI指數(shù)呈顯著負(fù)相關(guān)關(guān)系（P＜0.001），太陽黑子數(shù)越大，SPEI值越低，氣候越干旱。太陽黑子數(shù)出現(xiàn)極大或極小值時(shí)，SPEI指數(shù)在當(dāng)年或滯后2 a左右出現(xiàn)相應(yīng)極值。

圖5 太陽黑子活動與遼寧省SPEI指數(shù)的關(guān)系

為探討遼寧省旱澇和太陽活動間的具體聯(lián)系，統(tǒng)計(jì)分析了太陽黑子相對數(shù)極大值（M）和極小值（m）年及前后1年的旱澇頻次，見表3。1965—2018年54年間共出現(xiàn)26次旱澇災(zāi)害，其中發(fā)生在太陽黑子極值年附近的有17次，占總頻次的65.4%。由表3可知，遼寧省在5個(gè)極小值年前后1 a共15年內(nèi)，共發(fā)生2次干旱事件和5次洪澇事件，說明在太陽黑子極小值年前后容易發(fā)生旱澇災(zāi)害且澇災(zāi)多于旱災(zāi)；遼寧省在6個(gè)極大值年前后1 a共16年內(nèi)，共發(fā)生8次干旱事件和2次洪澇事件，說明在太陽黑子極大值年前后旱災(zāi)出現(xiàn)頻次多于澇災(zāi)，因此，在極大值年前后應(yīng)加強(qiáng)抗旱減災(zāi)工作。

表3 遼寧省太陽黑子極值年附近旱澇統(tǒng)計(jì)

通過對遼寧省1965—2018年SPEI指數(shù)和ENSO、PDO、AO和NAO4個(gè)大氣環(huán)流指數(shù)進(jìn)行多項(xiàng)式擬合，獲得兩者間年際尺度的變化趨勢并揭示相互關(guān)系。ENSO是指低緯度海氣相互耦合作用，是低緯太平洋附近地區(qū)乃至全球范圍氣候變化的自然信號之一［24］，通常用海溫距平指數(shù)SSTA表征ENSO強(qiáng)弱，根據(jù)李曉燕等［25］對ENSO強(qiáng)度劃分的結(jié)果將冷暖事件分別劃分為強(qiáng)中弱三個(gè)等級。由圖6（a）可知，遼寧省SPEI指數(shù)與ENSO 事件呈較強(qiáng)負(fù)相關(guān)關(guān)系，ENSO 為正值時(shí)SPEI指數(shù)為負(fù)，原因是厄爾尼諾事件發(fā)生時(shí)，遼寧省降水減少，氣溫年較差加大，氣候表現(xiàn)為持續(xù)干旱，因此，暖事件促進(jìn)該區(qū)干旱化；ENSO 為負(fù)值時(shí)SPEI指數(shù)為正，原因是拉尼娜事件發(fā)生時(shí)，遼寧省降水增加，氣候趨于濕潤，因此冷事件促進(jìn)該區(qū)濕潤化，且ENSO事件強(qiáng)度越強(qiáng)，發(fā)生旱澇的可能性就越大。

PDO為太平洋十年濤動指數(shù)，反映熱帶太平洋和北太平洋中緯度的海溫異?，F(xiàn)象［26］。該指數(shù)與旱澇也有很明顯的對應(yīng)關(guān)系，如圖6（b）顯示，遼寧省SPEI指數(shù)與PDO 呈正相關(guān)關(guān)系，PDO 處于正（負(fù)）值對應(yīng)SPEI指數(shù)也為正（負(fù)）值，因此，PDO處于冷相位時(shí)易發(fā)生干旱事件，處于暖相位易發(fā)生洪澇事件。此外，PDO在1978年和2000年的正負(fù)相位轉(zhuǎn)變對應(yīng)的SPEI指數(shù)旱澇轉(zhuǎn)變時(shí)間為1983年和2009年，因此兩者之間存在一定滯后性。

AO為北極濤動指數(shù)，是北半球中高緯度大氣環(huán)流變化主要模態(tài)，對北半球地區(qū)季節(jié)尺度乃至年際尺度的氣候變化都會產(chǎn)生影響［27］。由圖6（c）可知，AO為正（負(fù)）值時(shí)對應(yīng)正常（干旱）年份，絕對值越大，旱澇強(qiáng)度也越大，這是由于AO強(qiáng)度越強(qiáng)時(shí)，我國高緯區(qū)降水偏多，氣溫也升高，共同使我國旱情有所緩解。NAO為北大西洋濤動，反映了亞速爾高壓和冰島低壓之間的變化關(guān)系［28］。由圖6（d）可知，NAO大部分年份都處于正值，與SPEI指數(shù)呈負(fù)相關(guān)關(guān)系，發(fā)生較強(qiáng)的北大西洋濤動時(shí)可能會發(fā)生嚴(yán)重干旱事件，這與符淙斌等［29］的研究結(jié)果是相一致的。綜上所述，從遙相關(guān)指數(shù)和旱澇指數(shù)一一對應(yīng)關(guān)系看，當(dāng)厄爾尼諾增強(qiáng)、太平洋和北大西洋的海表溫度異常變冷、北極冷空氣向南侵襲時(shí)，遼寧省會產(chǎn)生不同程度的干旱，反之發(fā)生洪澇災(zāi)害。大氣環(huán)流指數(shù)對遼寧省旱澇變化的影響機(jī)制復(fù)雜性，不僅表現(xiàn)為4個(gè)大氣環(huán)流指數(shù)對整個(gè)遼寧省氣候變化都存在相關(guān)性，而且也表現(xiàn)在不同環(huán)流指數(shù)之間的相互作用，共同作用于區(qū)域降水和旱澇變化。因此，大氣環(huán)流指數(shù)的正負(fù)作用轉(zhuǎn)換機(jī)制及指數(shù)之間的相互協(xié)同或制約作用都需要進(jìn)一步明晰。

圖6 遼寧省SPEI變化趨勢與大氣環(huán)流發(fā)生強(qiáng)度的關(guān)系

3.3.2 遼寧省旱澇與太陽黑子和大尺度環(huán)流因子共振關(guān)系 交叉小波可著重突出旱澇變化與大尺度因子在時(shí)頻中高能量區(qū)的關(guān)系，為進(jìn)一步分析遼寧省SPEI指數(shù)與太陽黑子相對數(shù)和大氣環(huán)流間的相互關(guān)系，采用交叉小波方法繪制兩者之間的交叉小波功率譜（圖7）。圖中黑色細(xì)實(shí)線內(nèi)的區(qū)域?yàn)橛行ёV，區(qū)域外在邊界效應(yīng)影響下不予考慮，粗黑線內(nèi)區(qū)域通過紅噪聲檢驗(yàn)（0.05顯著性），顏色代表能量密度，越接近紅色代表凝聚程度越高，箭頭表示相位差［20］。

由圖7（a）可知，遼寧省SPEI值與太陽黑子相對數(shù)通過紅噪聲檢驗(yàn)的8 ～12 a 共振周期集中表現(xiàn)于1983—2000年，說明兩序列在時(shí)頻上表現(xiàn)為顯著的反相位共振關(guān)系，即兩者呈負(fù)相關(guān)，進(jìn)一步驗(yàn)證了上述結(jié)果。平均位相角落后30°～45°，說明SPEI值變化延后于太陽黑子活動1 ～1.5個(gè)月。

圖7 遼寧省SPEI與太陽黑子和大氣環(huán)流交叉小波分析

多變量ENSO指數(shù)（MEI）可達(dá)到監(jiān)測判斷ENSO事件的目的，綜合考慮了海表溫度、氣壓、地面經(jīng)向風(fēng)、緯向風(fēng)及總云量等方面因素［30］，因此選取該指數(shù)表征ENSO事件。由圖7（b）可知，SPEI指數(shù)與MEI指數(shù)通過紅噪聲檢驗(yàn)的2 ～3 a共振周期集中于2008—2010年，兩序列在時(shí)頻上表現(xiàn)為穩(wěn)定正相位共振關(guān)系，4 ～5 a共振周期表現(xiàn)于1984—1991年，平均位相角向下垂直90°，說明SPEI變化位相落后于MEI變化3個(gè)月，在高頻區(qū)域存在10年共振周期，兩序列交叉小波能量通過了紅噪聲檢驗(yàn)，但維持時(shí)間短未形成穩(wěn)定相互關(guān)系。由圖7（c）可知，SPEI和PDO在1989—1994年表現(xiàn)為顯著4 ～5 a共振周期，呈負(fù)相關(guān)且滯后1 ～1.5個(gè)月，此外，兩者在高頻區(qū)域存在8 ～11 a的主共振周期，集中于1989—2001年，呈顯著正相關(guān)關(guān)系。由圖7（d）可知，SPEI和AO在1 ～3 a時(shí)域內(nèi)，兩序列交叉小波能量強(qiáng)度通過顯著性檢驗(yàn)，但由于位相隨時(shí)間變化差異大沒有形成穩(wěn)定的相互關(guān)系，但兩者在1980—1992年表現(xiàn)出顯著8 ～10 a的主共振周期，呈負(fù)相關(guān)關(guān)系且存在1 ～1.5個(gè)月的滯后性。由圖10（e）可知，SPEI和NAO通過紅噪聲檢驗(yàn)的8～12年共振周期集中表現(xiàn)于1983—1999年，說明兩序列在時(shí)頻上表現(xiàn)為顯著的反相位共振關(guān)系，即兩者呈負(fù)相關(guān)，平均位相角落后30°～45°，說明SPEI值變化延后于NAO變化1 ～1.5個(gè)月。

3.4 討論本文成因分析部分的結(jié)果與蘇宏新等［16］對北京干旱成因分析的研究成果相一致。但需注意的是遼寧省旱澇事件發(fā)生的成因機(jī)制是非常復(fù)雜的，除受太陽黑子和大氣環(huán)流的影響外，還與地形特征、全球變暖及人類活動等因素有關(guān)。目前多數(shù)研究僅考慮了自然方面而忽略了人類活動對旱澇變化的影響，就人類活動影響而言，主要集中于工農(nóng)業(yè)排放的污染物質(zhì)和溫室氣體及城市化過程中對地表的改造等方面。遼寧省城市人口集聚，近年來，隨著城市化快速發(fā)展，一方面人口增加及城市交通的增加使人為熱排放增多，直接影響地表感熱的變化，另一方面，改變了地表下墊面性質(zhì)，地面粗糙度使近地面風(fēng)速減弱，高大建筑物對氣流的阻滯也使風(fēng)速降低，最終導(dǎo)致溫度升高降水減少，相應(yīng)使城市周邊干旱事件的發(fā)生頻率增多，張亮亮等［31］對遼寧省2000年、2005年、2010年和2014年土地利用遙感類型分析表明，城鄉(xiāng)工礦用地在4 個(gè)時(shí)段內(nèi)都呈增多趨勢，從2000年的8689.34 km2增加至2014年的12 089.45 km2，增幅達(dá)139.13%，因此，遼寧省隨著城市化進(jìn)程的加快，城鄉(xiāng)工礦居民用地?cái)D占了耕地林地面積，改變地表水文過程，最終可能加速旱澇事件的發(fā)生。因此，不僅在旱澇狀況和大尺度氣候因子之間的耦合機(jī)理方面需要進(jìn)一步明晰，同時(shí)要減少干預(yù)自然和破壞自然環(huán)境的人類活動，相關(guān)部門也要對旱澇災(zāi)害做好準(zhǔn)確預(yù)測預(yù)報(bào)工作，以期達(dá)到抗旱減澇，穩(wěn)定農(nóng)業(yè)生產(chǎn)，實(shí)現(xiàn)經(jīng)濟(jì)社會可持續(xù)發(fā)展的目的。

4 結(jié)論

以遼寧省為研究基點(diǎn)，以標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI）為旱澇量化指標(biāo)，運(yùn)用滑動平均、小波變換、經(jīng)驗(yàn)正交分解等方法對遼寧省近54年旱澇時(shí)空演變特征進(jìn)行分析，結(jié)果與實(shí)際發(fā)生的旱澇相吻合，說明SPEI指數(shù)在遼寧省旱澇監(jiān)測中有較好的適應(yīng)性。此外，結(jié)合太陽黑子和遙相關(guān)指數(shù)，運(yùn)用交叉小波方法探討旱澇特征對各因子的響應(yīng)，該方法敏感可行，可較好的顯示各因子的響應(yīng)特征。結(jié)果表明：（1）時(shí)間上，遼寧省近54年逐漸向濕潤方向發(fā)展，階段特征表現(xiàn)為1980年代中期前為干旱期，1980年代中期到2010年代為干濕交替，之后除個(gè)別年份外表現(xiàn)為偏澇。小波方差圖表明遼寧省SPEI值共有3個(gè)周期，分別為29 a的主周期和5 a、9 a次周期，3個(gè)時(shí)間尺度信號都較為穩(wěn)定。（2）空間上，遼寧省旱澇有兩種模態(tài)，模態(tài)1表現(xiàn)為全區(qū)一致性，即要么全省偏旱要么全省偏澇，這種現(xiàn)象是受大尺度氣候系統(tǒng)影響形成的；模態(tài)2表現(xiàn)為遼西-遼東反向分布模式，即要么遼西偏旱遼東偏澇要么遼西偏澇遼東偏旱，說明除受大尺度氣候因子外，還受地理位置，地形條件的影響。（3）成因上，受太陽活動影響在太陽黑子數(shù)極值年份左右2年易發(fā)生旱澇災(zāi)害，兩序列在時(shí)頻上存在8 ～12 a周期，表現(xiàn)為顯著的反相位共振關(guān)系；SPEI與ENSO、NAO指數(shù)呈負(fù)相關(guān)關(guān)系，而與PDO和AO指數(shù)呈正相關(guān)關(guān)系，并存在不同時(shí)間尺度的共振周期，各個(gè)大氣環(huán)流指數(shù)與SPEI指數(shù)的相關(guān)性強(qiáng)弱也存在空間異質(zhì)性。