Influence of forest ecosystem on regional temperature and precipitation variation in Saihanba region
-
摘要:
森林是地-气之间物质运移和能量传递的高效接口，能够影响局地的气候特性。运用MK趋势检验和突变点识别、小波分析方法，选取塞罕坝地区为研究对象，以围场县和多伦县为参照对象，获取3个气象站的温度和降水资料，分析了各站1961—2020年的年降水、月降水、年均温、年最高温、年最低温、月均温的演变规律，对比得到塞罕坝森林对局地气候特性的影响。结果表明，林地对温度的影响表现在：年际尺度上，林地能够降低局地年均温、最高温、最低温，森林虽然改变不了局地升温的变化趋势，但能推迟升温的起始时间，并加强年均温的短周期变化；季节和月尺度上，林地能够维持春末夏初温度稳定、长时间尺度没有升降趋势、缩小年际间7月平均温的差异，却拉大冬夏季的温差，在冬季林地更易于出现低温。林地对降水的影响表现在：年际尺度上，林地能够减缓降水量的年际间波动，同时使局地降水增加更快；林地的存在打破了降水的周期性，使降水表现出非周期性变化；季节和月尺度上，林地减小了年内降水的集中程度，同时减缓了6—7月降水的变化趋势。
Abstract:Forest is the highly-efficient interface between earth and atmosphere for substance migration and energy transfer, which can influence local climate characteristics.In this study, Mann-Kendall trend test and break points recognization, wavelet analysis were applied to analyze temperature and precipitation data over 60 years from 1961-2020 to characterize temperatures and precipitations in Saihanba on annual and monthly scales through contrasting those in Weichang and Duolun.It was found that at the interannual scale, forest decreased local annual average temperature, maximum temperature and minimum temperature.Although it could not change the rising trends of temperature, it delayed the beginning time of warming, and enhanced average temperature variation of interannual in short period.At the seasonal and monthly scale, forest maintained stable temperature in late spring and early summer and reduced average temperature variation of interannual in July, meanwhile widened temperature differences between summer and winter and more perienced low temperature in winter.At the interannual scale, forest decreased interannual variation of annual precipitation, speeded up precipitation rising and broke the cycle period of interannual.At the seasonal and monthly scale, forest dispersed precipitation to different seasons, and slowed down the rate of precipitation variation in June and July.
-
Key words:
- Saihanba /
- forest ecosystem /
- precipitation /
- temperature /
- MK trend test /
- wavelet transform /
- geological survey engineering
-
-
表 1 1961—2020年月均温MK趋势检验和Sen’s坡度
Table 1. MK trends and Sen's slopes of month average temperature from 1961 to 2020
月份 塞罕坝 围场 多伦 Sen’s Z 趋势 Sen’s Z 趋势 Sen’s Z 趋势 1 0.009 0.38 ↑ 0.016 1.22 ↑ 0.042 2.21* ↑ 2 0.038 1.38 ↑ 0.036 1.80* ↑ 0.080 3.38** ↑ 3 0.060 2.93** ↑ 0.030 2.35** ↑ 0.075 4.48** ↑ 4 0.020 1.58 ↑ 0.019 1.63 ↑ 0.039 3.20** ↑ 5 0.000 0.16 0.007 0.91 ↑ 0.029 3.54** ↑ 6 0.000 0.16 0.005 0.70 ↑ 0.030 3.62** ↑ 7 0.017 1.96* ↑ 0.009 1.22 ↑ 0.029 3.51** ↑ 8 0.010 1.25 ↑ 0.010 1.27 ↑ 0.033 4.50** ↑ 9 0.025 2.90** ↑ 0.019 2.52** ↑ 0.039 4.60** ↑ 10 -0.002 -0.21 ↓ -0.007 -0.89 ↓ 0.030 2.69** ↑ 11 -0.006 -0.36 ↓ -0.010 -0.78 ↓ 0.021 1.61 ↑ 12 -0.007 -0.36 ↓ -0.010 -0.59 ↓ 0.020 1.19 ↑ 注：*表示通过95%显著性检验，**表示通过99%显著性检验；↑表示升高，↓表示降低 
下载: 导出CSV
表 2 月降水MK趋势检验和Sen’s坡度
Table 2. MK trends and Sen's slopes of month total precipitation
月份 塞罕坝 围场 多伦 Sen’s Z 趋势 Sen’s Z 趋势 Sen’s Z 趋势 1 0.00 0.11 0.00 -0.14 0.01 5.06** 2 0.05 1.71* 0.00 0.14 0.04 5.37** 3 0.00 0.01 0.01 0.38 0.06 4.36** 4 0.15 1.86* ↑ 0.09 0.95 ↑ 0.16 2.50** ↑ 5 0.32 1.74* ↑ 0.33 1.79* ↑ 0.22 1.88* ↑ 6 0.40 1.63 ↑ 0.44 1.77* ↑ 0.43 2.09* ↑ 7 -0.26 -0.67 ↓ -0.39 -0.98 ↓ -0.40 -1.14 ↓ 8 -0.10 -0.36 ↓ 0.19 0.34 ↑ -0.54 -1.89* ↓ 9 0.24 1.11 ↑ 0.09 0.42 ↑ 0.23 1.38 ↑ 10 0.14 1.41 ↑ 0.16 1.63 ↑ 0.20 2.92** ↑ 11 0.10 2.01* ↑ 0.03 0.98 ↑ 0.10 4.86** ↑ 12 0.04 1.63 0.00 0.58 ↑ 0.03 4.87** 注：*表示通过95%显著性检验，**表示通过99%显著性检验
下载: 导出CSV
-
[1] Gocic M, Trajkovic S. Analysis of changes in meteorological variables using Mann-Kendall and Sen's slope estimatior statistical tests in Serbia[J]. Global and Planetary Change, 2013, 100: 172-182. doi: 10.1016/j.gloplacha.2012.10.014
[2] Grossmann A, Morlet J. Decomposition of Hardyfuncions into square integrable wavelets of constant shape[J]. SIAM.J. Math. Anal., 1984, 15(4): 723-736. doi: 10.1137/0515056
[3] Gwate O, Ndou G. Exploring water use and production dynamics of an indigenous African dry forest in south-western Zimbabwe[J]. Journal of Arid Environments, 2022, 198: 104678. . doi: 10.1016/j.jaridenv.2021.104678
[4] Kendall M. Rank Correlation Methods[M]. London: Charles Griffin, 1975.
[5] Hermida L, López L, Merino A, et al. Hailfall in southwest France: Relationship with precipitation, trends and wavelet analysis[J]. Atmospheric Research, 2015, 156: 174-188. doi: 10.1016/j.atmosres.2015.01.005
[6] Liu J R, Fu G B, Song X F, et al. Stable isotopic compositions in Australianprecipitation[J]. J. Geophys. Res., 2010, 115: D23307.
[7] Mann H. Non-parametric tests against trend[J]. Econometrica, 1945, 13: 245-259. doi: 10.2307/1907187
[8] Morlet J. Sampling theory and wave propagation[M]. NATO ASI Series, FI, Springer, 1983: 233-261.
[9] Sang Y F, Wang Z, Liu C. Comparison of the MK test and EMD method for trend identification in hydrological time series[J]. Journal of Hydrology, 2014, 510: 293-298. doi: 10.1016/j.jhydrol.2013.12.039
[10] Sen P K. Estimates of the Regression Coefficient Based on Kendall's Tau[J]. Publications of the American Statistical Association, 1968, 63(324): 1379-1389. . doi: 10.1080/01621459.1968.10480934
[11] Yi H, Shu H. The improvement of the Morlet wavelet for multi-period analysis of climate data[J]. Compt. Rendus Geosci., 2012, 344(10): 483-497. doi: 10.1016/j.crte.2012.09.007
[12] 卞娟娟, 郝志新, 郑景云, 等. 1951—2010年中国主要气候区划界线的移动[J]. 地理研究, 2013, 32(7): 1179-1187.
[13] 陈军明, 赵平, 郭晓寅. 中国西部植被覆盖变化对北方夏季气候影响的数值模拟[J]. 气象学报, 2010, 68(2): 251-259.
[14] 丁一汇, 李巧萍, 董文杰. 植被变化对中国区域气候的数值模拟研究[J]. 气象学报, 2005, 63(5): 613-621. doi: 10.3321/j.issn:0577-6619.2005.05.007
[15] 樊宝敏, 李智勇. 过去4000年中国降水与森林变化的数量关系[J]. 生态学报, 2010, 30(20): 5666-5676.
[16] 范广州, 吕世华. 陆面植被类型对华北地区夏季降水影响的数值模拟研究[J]. 高原气象, 1999, 18(4): 649-658.
[17] 符淙斌, 王强. 气候突变的定义和监测方法[J]. 大气科学, 1992, 16(4): 482-493.
[18] 韩熠哲, 马伟强, 王炳赟, 等. 青藏高原近30年降水变化特征分析[J]. 高原气象, 2017, 36(6): 1477-1486.
[19] 姜大膀, 王娜. IPCC AR6报告解读: 水循环变化[J]. 气候变化研究进展, 2021, 17 (6): 699-704.
[20] 姜大膀, 王式功, 郎咸梅, 等. 沙区绿化对区域气候影响的数值模拟研究[J]. 中国沙漠, 2003, 23(1): 63-66.
[21] 况雪源, 韩跃超. 中全新世背景下中国区域气候对指标变化响应的降尺度模拟研究[J]. 地球科学进展, 2021, 36(12): 1301-1312.
[22] 刘琳, 徐宗学, 杨晓静. 西南地区旱涝演变与ENSO事件的关系[J]. 资源科学, 2019, 41(11): 2144-2153.
[23] 闵庆文, 袁嘉祖. 森林对于降水的可能影响: 几种分析方法所得结果的比较[J]. 自然资源学报, 2001, 16(5): 467-473. doi: 10.3321/j.issn:1000-3037.2001.05.013
[24] 任艳林. 1965—2011年河北塞罕坝地区降水量变化规律的小波分析[J]. 北京大学学报(自然科学版), 2012, 48(6): 918-914.
[25] 邵海, 殷志强, 王轶, 等. 河北坝上高原如意河流域风积沙厚度空间展布预测方法[J]. 地质通报, 2022, 41(12): 2138-2145. http://dzhtb.cgs.cn/cn/article/doi/10.12097/j.issn.1671-2552.2022.12.006
[26] 孙敏茹, 郭玲玲, 闵学武, 等. 塞罕坝机械林场气候因子变化与当地林业发展的关系[J]. 河北林业科技, 2013, 5: 69-71.
[27] 田磊, 杨建玲, 翟涛, 等. 森林对降水的影响概述[J]. 宁夏农林科技, 2012, 53(4): 19-22.
[28] 王安琪, 高玉琴, 蔡涛. 大凌河流域朝阳地区1955~2014降水趋势变化及突变分析[J]. 水文, 2017, 37(5): 92-96.
[29] 王日明, 吴天亮, 曾庆鑫, 等. 区域森林覆盖率对其降水的影响[J]. 西部林业科学, 2020, 49(1): 72-80.
[30] 邢博, 金爱芳, 殷志强, 等. 基于多源数据的流域水平衡和水源涵养变化研究——以坝上高原小滦河流域为例[J], 地质通报, 2022, 41(12): 2114-2124. http://dzhtb.cgs.cn/cn/article/doi/10.12097/j.issn.1671-2552.2022.12.004
[31] 徐宗学, 孟翠玲, 巩同梁, 等. 西藏自治区气温变化趋势分析[J]. 自然资源学报, 2009, 24(1): 162.
[32] 殷志强, 邢博, 邵海, 等. 支撑赛罕坝生态屏障建设水平衡和科学绿化研究取得新认识[R]. 中国地质调查局《地质调查专报》, 2022.
[33] 张井勇, 董文杰, 叶笃正, 等. 中国植被覆盖对夏季气候影响的新证据[J]. 科学通报, 2003, 48(1): 5.
[34] 中国气象局. 地面气象观测资料质量控制QX/T 118-2010[M]. 气象出版社, 2010.
[35] 中国气象局气候变化中心. 中国气候变化蓝皮书(2021)[M]. 北京: 科学出版社, 2021.
[36] 左斌斌, 徐宗学, 任梅芳, 等. 北京市通州区1966—2016年降水特性研究[J]. 北京师范大学学报(自然科学版), 2019, 55(5): 556-563.
-
图(11)
表(2)
计量
- 文章访问数: 896
- PDF下载数: 287
- 施引文献: 0