近500年云南同旱同涝空间模态的演变

发布时间：2020-10-14 07:13

　　 云南位于中国西南部,青藏高原东南缘,受南亚季风、东亚季风和青藏高原季风的综合影响。干旱和洪涝灾害是云南地区的主要气象灾害,严重制约云南社会经济的发展。文章利用云南地区的器测降水和历史文献资料,采用旱涝分等定级法,分别获取了近55年、近160年和近530年云南雨季的旱涝等级序列。应用主成分分析(PCA)对云南近55年、近160年和近530年的旱涝等级序列和帕默尔干旱指数序进行分析,揭示了云南旱涝的主要空间模态;应用线性趋势、系统突变检测(RSD)和小波分析等方法探讨了显著空间模态的时间得分的时间变化规律和可能的周期性;同时应用相关分析、滑动窗口相关分析和时差相关分析等方法研究了不同气候因子对云南旱涝变化的影响,并探讨了可能的驱动机制。主要结论如下:1.近55年,云南雨季旱涝有两个显著的空间模态,分别是全区一致型和西北-东南反向型。在全区一致型和西北-东南反向型模态中,滇中地区和滇西北分别是雨季旱涝灾害最严重的地区。雨季第1主成分时间得分呈微弱上升趋势,指示雨季呈现偏旱趋势。在年代际尺度上,雨季旱涝第1主成分时间得分在2009年发生了显著突变,由偏涝转为偏旱。相关分析表明,南亚夏季风和南海夏季风分别是影响雨季全区一致型和西北-东南反向型空间模态的主要因子。2.近160年,云南雨季第1主成分指示的空间模态是全区一致型。雨季第1主成分时间得分呈轻微下降趋势,指示雨季呈偏旱趋势。第1主成分时间得分发生了一次由涝转旱的显著突变,突变时间为1979年。在年代际尺度上,太阳黑子数、南亚夏季风(SASM)、太平洋年代际涛动(PDO)和北大西洋振荡(NAO)均对雨季旱涝灾害发生有显著影响。3.近530年,云南雨季第1主成分指示的空间模态同样是全区一致型。在年代际尺度上,第1主成分时间得分分别在1505年和1652年与1603年和1979年发生了由偏旱到偏涝和由偏涝到偏旱的显著突变。100-190a的百年际周期、6a的年际周期、35a和14a的年代际周期是雨季旱涝的主要周期。雨季旱涝对太阳黑子数变化的响应不明显,太阳黑子数处于峰值期时,云南雨季干旱灾害相对更加频繁。云南气候为冷干-暖湿的模式,当温度较低时云南偏旱,温度较高时云南偏涝。δ18O记录表明雨季旱涝受南亚夏季风降水控制。PDO对雨季旱涝变化也有重要影响。4.1470年以来,在各个尺度上,云南雨季旱涝均有显著的全区一致型的空间模态,滇中地区是云南旱涝灾害最严重的区域。分析表明,太阳活动的强弱变化,是影响雨季旱涝变化的主要外部因子。太阳活动减弱,影响了陆地和海洋表面温度的变化,进而导致海陆间热力性质差异的减小,海-气-陆间相互作用减弱,亚洲夏季风系统也相应减弱,南亚夏季风出现减弱和衰退,导致云南雨季降水减少和严重干旱。
【学位单位】：云南师范大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：P426.616
【部分图文】：

.1 云南 29 个气象站点、12 个旱涝指数站点和 10 个 PDSI 格点空间分布（实心三角形表象站点，圆心表示旱涝指数站点，十字表示 PDSI 格点）2.3 研究方法3.1 主成分分析主成分分析（Principal Component Analysis—PCA）是数学上对数据降维方法。其基本思想是将原来众多具有一定相关性的指标（比如 X1，X2， ）重新组合成一组具有较少个数且互不相关的综合指标 Fm来代替。所提指标既能最大程度地反映原变量所代表的信息，又能保证新指标之间信息。每一个主成分提取的信息量可用方差来度量，其方差越大，包含的信息通常希望 F1（第一主成分）所含的信息量最大，因此在所有的线性组合的 F1应该是 X1，X2， ，Xp的所有线性组合中方差最大的，故称 F1为

对前 11 个成分进行断棍模型（Broken Stick Model, BSM）检验，结果如图 3.2.1。结果显示雨季只有第 1 主成分和第 2 主成分通过了 0.05 的显著性水平检验，表明第 1 主成分和第 2 主成分可以代表雨季旱涝的主要时空变化。表 3.2.1 雨季旱涝指数 PCA 中特征根大于 1 的主成分及解释方差和累计解释方差PC PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11特征根 13.1 5.2 3.0 2.3 2.2 1.7 1.6 1.5 1.4 1.2 1.1解释方差 30.6% 12.2% 7.0% 5.3% 5.2% 4.0% 3.8% 3.5% 3.3% 2.8% 2.6%累计解释方差 30.6% 42.8% 49.9% 55.2% 60.4% 64.4% 68.1% 71.6% 75.0% 77.8% 80.4%

图 3.2.2 雨季旱涝 PCA 分析双序图（黑色箭头表示站点在第 1 主成分和第 2 主成分的得分，红色圆点表示时间点在第 1 和第 2 主成分上的得分）根据 PCA 分析得到的站点得分，采用反距离加权法进行插值，得到云南旱涝第 1 主成分和第 2 主成分的空间分布(图 3.2.3、图 3.2.4)。图 3.2.3 显值中心位于滇西北的贡山，低值中心位于滇中的昆明、玉溪和滇西南的景沧。以上结果说明，当云南雨季发生一致型的旱涝灾害时，滇中及滇西南地受灾害的频率最高，滇西北地区最低。这一结果与年旱涝第 1 主成分的空间
【相似文献】

相关期刊论文 前10条

1 赵金良;;互助县旱涝实时监测业务探讨[J];青海气象;2000年04期

2 江敦双,王厚广,刘珍芳,王学智;青岛市近50年来的旱涝分析[J];海洋通报;2001年05期

3 王庆,龚佃利,孙即霖,刘诗军;山东夏季旱涝指数的振荡特征[J];中国海洋大学学报(自然科学版);2004年02期

4 苗玉芝;田淑欣;;气候旱涝与农业旱涝[J];山西气象;2006年02期

5 刘引鸽;李团胜;;陕西省旱涝变化研究[J];西北大学学报(自然科学版);2006年04期

6 刘向文;孙照渤;倪东鸿;曾刚;;中国东部531 a夏季旱涝型的划分[J];南京气象学院学报;2008年05期

7 ;旱涝并涂[J];珠江水运;2011年11期

8 宁咏梅;;阜南县旱涝急转灾害的分析[J];安徽水利水电职业技术学院学报;2011年03期

9 刘晓星;;旱涝急转带来的隐痛[J];中国三峡;2011年09期

10 张廷治;;历史资料与旱涝划分[J];气象科技资料;1975年08期

相关博士学位论文 前10条

1 黄茹;淮河流域旱涝急转事件演变及应对研究[D];中国水利水电科学研究院;2015年

2 王凌群;基于统计特性分析的航空电磁数据噪声压制技术研究[D];吉林大学;2016年

3 萨建;基于稀疏主成分变系数模型的基因－环境互作分析[D];山西医科大学;2016年

4 杨平;地学空间变量优选中的多元分析与计算智能组合方法的研究[D];吉林大学;2016年

5 苏时光;谱主成分分析及其在多指标评价体系中的应用[D];中国农业大学;2004年

6 洪营东;基于主成分分析法对损伤血瘀证相关性指标的研究[D];成都中医药大学;2014年

7 董玉杰;热带印度洋—太平洋海洋热含量与南海—南亚夏季风强度的关系[D];中国科学院研究生院(海洋研究所);2015年

8 李怡;亚非夏季风系统的气候特征及其年代际变率研究[D];中国气象科学研究院;2017年

9 郭建校;改进的高维非线性PLS回归方法及应用研究[D];天津大学;2010年

10 何春;亚洲夏季风建立的季节进程及机理研究[D];南京信息工程大学;2006年

相关硕士学位论文 前10条

1 梁家昌;近500年云南同旱同涝空间模态的演变[D];云南师范大学;2017年

2 王鹏涛;秦岭南北旱涝变化特征及趋势判断[D];陕西师范大学;2015年

3 胡娜娜;东北三省旱涝时空演变及趋势判断[D];陕西师范大学;2013年

4 尉英华;东部地区过去、现在及未来旱涝变化特征分析与预测[D];南京信息工程大学;2007年

5 包红花;科尔沁沙地近300年旱涝时空分布特征研究[D];内蒙古师范大学;2007年

6 童金;江淮地区旱涝年及旱涝转折年低频振荡特征[D];南京信息工程大学;2013年

7 杨涵洧;2011年夏季中国长江中下游旱涝急转成因分析[D];兰州大学;2013年

8 张少文;赤峰地区夏季旱涝和阶段性干旱的预测方法研究[D];兰州大学;2006年

9 王越;西北地区旱涝指数及时空特征研究[D];南京气象学院;2003年

10 王凤;2011年旱涝急转原因与延伸期可预报信号时空分布特征[D];中国海洋大学;2013年

本文编号：2840361