滁州市初霜日、终霜日变化特征

摘 要：根据1959—2018年滁州市及所辖6个县（市）共7个国家气象观测站地面气象观测资料，运用Mann-Kendall趋势检验、非参数突变检验及Morlet小波分析等方法，探究滁州市平均初霜日、终霜日的变化趋势、突变特征及其周期。结果表明：滁州市平均初霜日的推迟幅度为2.22 d/10 a，平均终霜日的提前幅度为1.86 d/10 a；平均初霜日存在明显的突变点，突变年份为2003年，平均终霜日突变年份为1996年；在28 a特征时间尺度上，平均初霜日变化周期约为20 a，约经历了3个提前—推迟趋势转换期；在28 a特征时间尺度上，平均终霜日变化周期约为20 a；在12 a特征时间尺度上，平均终霜日变化周期约为10 a。

关键词：霜；趋势检验；突变；周期分析

中图分类号：P423.4 文献标志码：A 文章编号：1674-7909（2024）13-121-4

DOI：10.19345/j.cnki.1674-7909.2024.13.027

0 引言

霜是指水汽在地面和近地面物体上凝华而成的白色松脆的冰晶，或是由露冻结而成的冰珠［1］，易在晴朗微风的夜间生成。气象学上一般将秋季第一次出现的霜称为“初霜”，春季最后一次出现的霜称为“终霜”。在全球气候变暖的背景下，研究初、终霜出现日期的变化，对合理安排农事活动、降低农业生产风险具有重要意义［2］。马尚谦等［3］研究发现，近56 a淮河流域平均初霜日以2.15 d/10 a的速率呈推迟趋势，终霜日以2.49 d/10 a的速率呈提前趋势；宁晓菊等［4］根据1951年以来国内824个气象站点的资料分析发现，中国80%以上区域呈现初霜日推后、终霜日提前的趋势；潘淑坤等［5］、李辑等［6］、罗静等［7］、姬兴杰等［8］分别对新疆、辽宁、陕西、河南等地区的霜期变化进行研究，结果均与上述趋势相符。

滁州市位于皖东江淮之间，地势西高东低，属亚热带湿润季风气候区，是国家大型商品粮生产基地。滁州市现辖天长、明光2市，来安、全椒、定远、凤阳4县，以及琅琊、南谯2区。全市共建有国家气象观测站7个，分别位于市本级琅琊区和所辖6个县（市）。目前，针对滁州市初霜日、终霜日变化特征的研究尚属空白，且现有研究［9-11］多以日最低气温或地表最低温度判断霜日，而除温度外，相对湿度和风速也是霜形成的重要条件。以1959—2018年滁州市7个国家气象观测站霜的人工观测资料为基础，对当地初霜日、终霜日的时空变化特征进行分析，为合理利用农业气候资源和有效防御霜冻提供一定的科学依据。

1 资料与方法

1959—2018年滁州市7个国家气象观测站霜的人工观测数据（有霜日记录1，无霜日记录0）来源于全国综合气象信息共享平台（CIMISS）。经筛选，剔除无霜日，确定初霜日、终霜日。根据原始数据，分别以年度总天数中的第几天表示初霜日和终霜日，重新建立各站初霜日、终霜日的数据序列［5］。例如，1959年3月17日为终霜日，10月30日为初霜日，则该年度终霜日和初霜日分别以75和302计。以新建立的初霜日、终霜日的数据序列为基础，进而对所有数据序列的变化特征进行分析。

Mann-Kendall（简称M-K）检验法是时间序列数据趋势检验中使用广泛的非参数检验方法，适用于水文、气象等非正态分布的数据分析，计算简便［12］。研究利用该方法分析滁州市初霜日、终霜日的时间变化特征。小波分析也称多分辨率分析，可以反映系统在不同周期中的变化趋势，并能对系统未来发展趋势进行定性估计［13］。研究采用Morlet小波分析法探究滁州市初霜日、终霜日的周期变化特征。M-K检验与Morlet小波分析均使用Matlab（R2017a）软件完成。

2 结果与分析

2.1 初霜日变化特征

2.1.1 初霜日变化趋势

对1959—2018年滁州市平均初霜日的人工观测数据进行Mann-Kendall趋势检验，结果见表1（Z为正值表示增加趋势，负值表示减少趋势；Z的绝对值在大于等于1.28、1.64、2.32时，分别表示通过了置信度90%、95%、99%的显著性检验）［12］。由表1可知，滁州市平均初霜日的变化趋势通过了置信度99%的显著性检验，存在显著的推迟趋势（Z为正值），平均初霜日的推迟幅度为2.22 d/10 a。

2.1.2 初霜日突变分析

对1959—2018年滁州市平均初霜日的人工观测数据进行Mann-Kendall突变检验，给定显著性水平α=0.05，即μ0.05=±1.96，UF统计量用于衡量数据序列中上升和下降极值的数量之差，UB统计量用于衡量极值之间的时间间隔，结果如图1所示。滁州市平均初霜日自1996年起呈持续推迟趋势，并于2005年达到显著水平（超过显著性水平0.05临界线），根据UF和UB曲线交点的位置确定突变点为2003年，突变前（1959—2002年）平均初霜日为11月5日，突变后（2003—2018年）平均初霜日为11月13日，推迟8 d。

2.1.3 初霜日周期变化

由上述分析可知，滁州市平均初霜日存在显著的变化趋势和突变点，选择 Matlab 小波工具箱中的Morlet 复小波函数对平均初霜日进行周期分析，结果如图2所示。图2（a）可以反映初霜日时间序列在不同时间尺度上的周期变化，实线表示小波系数实部值为正，虚线为负，对应初霜日处于推迟或提前期。由图2（a）可知，滁州市平均初霜日变化具有明显的周期性特征，主要表现为25～30 a尺度上出现的推迟—提前交替的准3次振荡，在整个时间尺度上出现4个偏多中心和3个偏少中心，且这一时间尺度的周期变化在整个分析时段表现得非常稳定，具有全域性。图2（b）可以反映初霜日时间序列的波动能量随尺度的分布情况，以确定初霜日变化过程中存在的主周期。小波方差图2（b）中只存在一个明显的峰值，对应28 a的时间尺度，说明28 a左右（时间尺度）的周期振荡最强，为初霜日变化的主周期。根据小波方差检验的结果，绘制平均初霜日变化过程的主周期趋势图［见图2（c）］，在28 a特征时间尺度上，初霜日变化的平均周期约为20 a，大约经历了3个提前—推迟趋势转换期。

2.2 终霜日变化特征

2.2.1 终霜日变化趋势

对1959—2018年滁州市平均终霜日的人工观测数据进行Mann-Kendall趋势检验，结果见表2。由表2可知，滁州市平均终霜日的变化趋势通过了置信度99%的显著性检验，表现出显著的提前趋势（Z为负值），平均终霜日的提前幅度为1.86 d/10 a。

2.2.2 终霜日突变分析

对1959—2018年滁州市平均终霜日的人工观测数据进行Mann-Kendall突变检验，结果如图3所示。滁州市平均终霜日突变年份为1996年，突变前（1959—1995年）平均终霜日为4月1日，突变后（1996—2018年）平均终霜日为3月25日，提前7 d。

2.2.3 终霜日周期变化

由上述分析可知，滁州市平均终霜日存在显著的变化趋势和突变点，选择Matlab 小波工具箱中的Morlet 复小波函数对全市平均终霜日进行周期分析，结果如图4所示。由图4（a）可知，滁州市平均终霜日变化具有明显的周期性特征，具体表现为24～32 a尺度上出现的推迟—提前交替的准3次振荡，在9～18 a尺度上出现的准7次振荡，在3～9 a尺度上出现的准14次振荡。小波方差图4（b）中存在3个较为明显的峰值，其中最大峰值对应28 a的时间尺度，说明28 a左右（时间尺度）的周期振荡最强，为终霜日变化的第一主周期，12 a、6 a的时间尺度依次为第二、第三主周期。根据小波方差检验的结果，绘制平均终霜日变化过程的第一、第二主周期趋势图［见图4（c）］，在28 a特征时间尺度上，终霜日变化的平均周期约为20 a，在12 a特征时间尺度上，终霜日变化的平均周期约为10 a。

3 结论

对滁州市初霜日、终霜日变化特征进行统计分析，得出如下结论。

①滁州市平均初霜日存在显著的推迟趋势，推迟幅度为2.22 d/10 a；平均终霜日表现出显著的提前趋势，提前幅度为1.86 d/10 a。

②平均初霜日存在明显的突变点，突变年份为2003年，突变后平均初霜日为11月13日，推迟8 d；平均终霜日也存在明显的突变点，突变年份为1996年，突变后平均终霜日为3月25日，提前7 d。

③平均初霜日主要表现为25～30 a时间尺度上的年代际周期，在28 a特征时间尺度上，初霜日变化的平均周期约为20 a，大约经历了3个提前—推迟趋势转换期；平均终霜日具体表现为24～32 a、9～18 a及3～9 a时间尺度上的年代际周期，在28 a特征时间尺度上，终霜日变化的平均周期约为20 a，在12 a特征时间尺度上，终霜日变化的平均周期约为10 a。

参考文献：

［1］中国气象局.地面气象观测规范［M］.气象出版社：北京，2003：21-22.

［2］王媛媛，张勃.1971年至2010年陇东地区霜冻与积温变化特征［J］.资源科学，2012，34（11）：2181-2188.

［3］马尚谦，张勃，唐敏，等.1960—2015年淮河流域初终霜日时空变化分析［J］.中国农业气象，2018，39（7）：468-478.

［4］宁晓菊，张丽君，杨群涛，等.1951年以来中国无霜期的变化趋势［J］.地理学报，2015，70（11）：1811-1822.

［5］潘淑坤，张明军，汪宝龙，等.1960—2011年新疆初终霜日及无霜期的变化特征［J］.干旱区研究，2013，30（4）：735-742.

［6］李辑，严晓瑜，王颖.辽宁省近50年霜的气候变化特征［J］.气象，2010，36（11）：38-45.

［7］罗静，费杜秋.1961—2017年陕西省初终霜日时空变化特征分析［J］.安徽农业科学，2019，47（20）：228-234，254.

［8］姬兴杰，李凤秀，王纪军.1971—2010年河南省霜期的时空分布特征及其对气温的响应［J］.气象与环境学报，2015，31（1）：67-75.

［9］郜红娟，蔡广鹏，陆艺，等.1960—2013年贵州省霜冻日数时空变化特征［J］.农业科学研究，2017，38（4）：16-19，42.

［10］周晓宇，赵春雨，崔妍，等.1961—2013年中国东北地区初终霜日及无霜期的气候变化特征［J］.自然资源学报，2017，32（3）：494-506.

［11］拉巴次仁，索朗加措，白玛.1981—2010年西藏霜冻日数的变化特征［J］.地理学报，2014，69（5）：690-696.

［12］张盛霖，邓高燕，黄勇奇.Mann-Kendall检验法在Excel中的实现与应用［EB/OL］.北京：中国科技论文在线［2014-06-27］.https：//www.paper.edu.cn/releasepaper/content/201406-448.

［13］王朋朋，程杰，袁峰，等.时间序列模型分析威海市近50年气温变化特征［J］.南水北调与水利科技，2015，13（6）：1051-1055.

作者简介：张鑫童（1987—），男，硕士，工程师，研究方向：应用气象。