【关键词】降水量;变化规律;趋势分析
IPCC第四次全球气候评估报告明确指出，自从工业革命以来，大气中CO2浓度明显增大，使得近100年来全球表面平均温度升高了0.74℃，达到有史以来的最高值。全球大幅度气候变暖，势必导致降水量的异常变化，而降水量异常变化是农业灾害(农业干旱、暴雨)的主要原因，将对农业产生深刻影响。20世纪80年代以来，国内学者对我国区域气候变化已做了较多的研究。通过对镇平县近50年降水量变化特征分析的基础上，进一步研究降水量变化对农业生产的影响，以便科学利用当地降水资源，提高人们对降水量变化的应变能力，进而合理地安排农业生产。
1.研究区概况
镇平县位于河南省西南部，东依卧龙区、南毗邓州市、西接内乡县、北连南召县，处于北亚热带向暖温带的过渡地带，秦岭山脉东延，伏牛山地质带中，南阳盆地西北侧，兼南北气候之长、四季分明。光照充足，雨量充沛，土地肥沃，气候适宜，东经111°58''-112°25''，北纬32°51''-33°21''，平均海拔高度在130-1100m，面积1500平方公里，人口94万人。
2.资料与方法
资料取自镇平县气象观测站1960年-2010年的观测值，选取平均降水量作为主要研究对象。使用的主要方法有：线性趋势分析、小波变换等方法。
3.镇平县年降水量的分布特征
镇平县降水量空间分布总特征是：从北部山区向南部平原递减。大部分地区年降水量为600～800mm。北部山区二龙、高丘、老庄等乡镇海拔200m以上的山区，年雨量为800-1100mm，为镇平县多雨区；由于地形的地力抬升作用，暖湿气流遇山地极易成云致雨，致使山地降水量普遍多于川谷，如北顶、四山、老庄等，为多雨中心，年降水量可达1000mm以上。南部平原地区降水量相对偏少，中部地区属过渡地段。
4.降水量时序变化特征分析
4.1年平均降水量变化特征
50年平均降水量变化图见图1。
从图1可以看出，镇平县年平均降水量约为709.4mm，近51年来，镇平县降水量距平呈波动趋势。20世纪60年代至80年代末降水降水变化每6年为一个变化周期（丰水期和枯水期），90年代变化剧烈为旱1年涝1年自然灾害频发阶段，量的年际变化较大，极易出现极端偏少或偏多年份，使得镇平县极端旱、涝等事件更加突出。
4.2季节降水量变化特征
4.2.1春季降水量变化特征
镇平县春季的平均降水量为139.5mm，而南阳春季平均降水量为156.6mm，比南阳偏少10.9%，相比之下镇平县春季降水略有不足，春旱时有发生。从资料可见，历年春季自然降水总体上看变化不是太明显，距平呈波动趋势。近51年中，春季降水1991年最多，季雨量达244.0mm；2001年最少，季雨量仅10.3mm。春季降水量年际间的振幅较大，1963年降水量仅45.3mm,比平均值偏少67％,而1964年降水量达236.5mm,比平均值偏多1倍多。春季降水在不同时间尺度上存在周期震荡，准25年及小尺度3～5年上的周期震荡非常明显。春季降水经历了少一多一少一多一少一多6个循环交替。1962年以前降水偏少，1963年-l969年降水偏多，1970年-1981年降水偏少，1982年-1989年降水偏多，1990-1994年降水偏少，1995-2004年降水偏多，2005年以后降水偏少，而2005年以后等值线还没有闭合，说明2008年后一段时间降水将会偏少，近年来经常出现冬春连旱现象。在3～5年的小尺度上，春季降水经历了少一多一少一多等15个循环交替，有更多的降水偏多期和偏少期的循环交替。
4.2.2夏季降水量变化特征
镇平县夏季的平均降水量为381.4mm，占全年降水的52％以上。其阶段趋势变化特点不太明显，平稳递减。夏季降水量在1985年以后异常偏多的年份仅有4年，而异常偏少的年份则明显增多，这种变化特征说明夏季极端洪涝事件发生的概率在减少但如果出现即为大涝，在2010年7.23特大暴雨灾害中镇平县损失多达1.3亿元，发生严重伏旱的概率在增加。
夏季降水有准15年周期，夏季降水经历了多一少一多一少一多一少一多7个循环交替；在35年时间尺度上，夏季降水经历了少一多一少一多等l6个循环交替；在等值线图的底部小时间尺度上，则有更多的相对多雨期和少雨期的循环交替。可见，夏季降水在未来一段时间内将比常年偏多，夏季降水的增多势必影响到全年的降水。
4.2.3秋季降水量变化特征
秋季平均降水量为153.4mm，而南阳秋季平均降水为163.7mm，相差了10.3mm，在南阳属偏少县。从资料可见，近51年来镇平县秋季降水也呈波动趋势，与年降水量变化趋势一致。在2000年以前降水量异常偏少的年份大于偏多的年份，这在20世纪80年代后期到90年代尤为明显。秋季降水的周期不显著，期间秋季降水经历了多一少一多3个循环交替，1960年-1975年以及2000年以后2个时期降水偏多，1975年～2000年降水偏少，其中1985年降水比常年偏多；3～5年时问尺度的周期震荡从1965年-2005年都较活跃，存在降水较多和较少的循环交替。
4.2.4冬季降水量变化特征
镇平县冬季降水以液态-固体混合形式降落。冬季平均降水量为35.1mm，年际间变化明显。从资料分析，可以把冬季降水大致划分为3个阶段，20世纪60年代-80年代为降水偏s少期，20世纪80年代-90年代为降水偏多期，进入2l世纪后降水则普遍偏少。近51年中冬季降水1990年最多，季降水量达82.4mm；2010年最少，季降水量仅9mm。冬季降水的周期也不显著。1980年以前以及2000年以后降水偏少，1980年-2000年降水偏多；3-5年时问尺度的周期变化存在少一多等12个周期震荡。
5.降水量未来变化趋势
分析表明，近51年来镇平县年降水量基本呈现了周期性的特点，准l2年周期振荡比较显著。20世纪80年代到21世纪初期的多雨期，60-80年代后期的少雨期以及进入21世纪后的又一少雨期，反映了该地区年降水明显的阶段性特征。根据山西省年降水的年际变化规律及未来发展趋势的分析，初步估计未来10年左右，镇平县将进入少雨期，少雨期之后，将可能逐步转入下一个多雨期。
6.结论
分析的局部化特性可展现降水时间序列的精细结构，为分析气候多时间尺度变化特征等农业生产关键问题研究提供了一种新途径。镇平县多年平均降水量的地区分布既受天气系统的制约，叉受地形等地理环境的影响，造成明显的地区性差异。年降水量空间分布的总趋势是从东南向西北递减，由盆地到高山递增。近51年来，镇平县降水量总体呈波动变化趋势。[科]
【参考文献】
［1］中国气象局,地面气象观测规范[M].气象出版社,2003,11（1）.
［2］余剑莉.统计天气预报[M].北京:气象出版社,1994．
［3］北京大学地球物理系气象教研室编.天气分析和预报[M].科学出版社,1978.9.
［4］施能,陈家其,屠其璞.中国近100年来4个年代际的气候变化特征[J].气象学报,1995．
［5］朱乾根,林锦瑞,寿绍文.天气学原理与方法[M].气象出版社,1979.
［6］任健美,尤莉,高建峰,王尚义.鄂尔多斯高原近40a气候变化研究[J].中国沙漠,2005.
太湖是我国第三大淡水湖泊，位于我国经济发展最具活力的长三角地区，属于典型的亚热带东南季风气候区，夏季高温多雨，冬季温和少雨．近30年来由于该地区经济持续快速的增长导致环境问题显著，诸如空气质量下降［11］、大气水平能见度降低［12］．近年来已有不少学者对该地区的气溶胶进行研究，主要集中在气溶胶粒子谱分布［13］、卫星遥感反演AOT的验证［10，14］、AOT时空分布［6，14，15］、气溶胶对太阳辐射影响［6］等4个方面．虽然从NASA的MODIS气溶胶产品能够直观地表明长三角地区上空有高浓度的气溶胶存在［16］，但由于其较低的空间分辨率以及难以实时的监测，使得该产品不适用于太湖水色遥感大气校正的研究．太湖站点作为AERONET全球观测站点之一，积累了太湖地区宝贵的实测数据，近年来有学者利用AERONET资料对太湖的气溶胶较短时间序列变化规律进行研究［6，10，14，17，18］，但一般为1a;为了揭示太湖上空气溶胶变化规律，获取更为精确的气溶胶参数信息，多年长时间序列的地基观测及其研究分析显得十分必要．本研究基于AERONET太湖站点CE-3182005年9月～2010年10月的level1.5数据，通过①反演AOT和ngstrm参数;②揭示太湖上空AOT和ngstrm参数长时间序列的变化规律;③探讨AOT和ngstrm参数的频率分布;④分析AOT与ngstrm参数的关系;以期为太湖水色遥感大气校正提供基础数据和依据．
1材料与方法
1.1数据获取
CE-318观测站点位于太湖北部的中国科学院太湖湖泊生态系统野外观测研究站内(31°25''''15″N，120°12''''55″E)，紧邻太湖(图1)，海拔约10m，周围无建筑物阻挡、空气流通顺畅、视野开阔．本研究所使用的数据:2005年9月～2009年10月level1.5数据来自CE-318-A，从AERONET网站直接获取;2009年11月～2010年10月level1.5数据，通过对CE-318-Blevel1.0数据自行处理获得．CE-318-A和CE-318-B分别于2005年9月和2009年11月安装在中国科学院太湖湖泊生态系统野外观测研究站内(图1)，相距约15m，该仪器以1.5°的视场角每3min获取340、380、440、500、670、870、936、1020和1640nm通道的太阳直射光谱辐射测量值［6］，其中936nm通道的测量值用来获取大气中总的水汽含量，其余通道的测量值用来反演AOT，反演误差在0.01～0.02左右［19］．CE-318-A每年由NASA定标1次;CE-318-B购买于2009年10月，按照生产厂家的建议在持续观测的1a中仪器不需要进行额外定标，在安装及运行过程中，该仪器均为正常状态．因此在数据处理的过程中使用了仪器出厂时的定标数据．
1.2数据处理
根据Smironov等［20］的理论，使用ASTPwin软件的AOT计算模块，对CE-318-B从2009年11月～2010年10月总计15730次观测获取的实测数据进行处理，得到了各通道共计185dlevel1.5的AOT数据，每月有记录的天数见图2．根据Che等［21］的研究，从ASTPwin软件计算得到的AOT值比AERONET的AOT稍大，但差距较小(约0.01)，因此近似认为两者一致．通常，我国东部地区近地层气溶胶谱服从Junge分布［13］，假设气溶胶复折射系数与波长无关，气溶胶光学厚度τa(λ)与波长λ的关系满足公式:（略）
2结果与讨论
2.1AOT(500nm)、ngstrm参数的月变化
将CE-318-A(2005年9月～2009年10月)和CE-318-B(2009年11月～2010年10月)的AOT(500nm)和ngstrm参数α值作日平均处理以代表该天的情况，然后再利用这些日均值作月平均，得到如表1所示的AOT(500nm)和ngstrm参数α的月变化以及每月的观测天数情况．从表1得知，2～4月和5～6月AOT(500nm)值逐渐增加，7～8月AOT有不同程度的降低;9～11月AOT值较低，而且较为稳定;12月～次年1月，AOT处于最低值区．其中AOT(500nm)最大最小值分别为6月的1.29±0.73和12月的0.70±0.40．另外综合5a的观测资料发现，AOT的高值区出现在6、7月，低值区出现在秋冬季节的10月～次年1月．
太湖上空AOT这种变化主要与该地区的天气形势有关．3～4月太湖地区正值春季，受北方频发的沙尘天气的影响，致使AOT(500nm)增大［18］;5～6月太湖地区进入夏季，空气相对湿度增大，吸湿性的气溶胶粒子吸收空气中的水分后体积膨胀［23］;大气中水溶性气溶胶粒子增加［24］，使得AOT(500nm)值在5～6月持续升高;夏季光照强烈，光化学反应也会增加大气中气溶胶的含量［25］;另外6月初太湖周边农作物秸秆的燃烧释放大量的烟尘颗粒，导致6月的AOT(500nm)达到全年的最大值;7～8月，AOT(500nm)值有不同程度的降低，与该地区频发的强降雨对大气中气溶胶粒子清除作用有关［1，25］;9～11月，太湖地区进入秋季，降雨量减少，多为晴好天气，AOT(500nm)值低而且较为稳定;12～1月，冬季发生的降雨和降雪对气溶胶粒子有一定的湿清除作用，使得该时间段的AOT处于最低值区．从表1得知，6、7、8月这3个月的AOT的标准偏差均高于其他月份的，表明夏季剧烈变化的天气会引起AOT发生巨大的变化，同时也导致了7月的观测天数明显少于其他月份．另外，综合5a的观测资料，12个月的AOT(500nm)的标准偏差均超过各自的一半，表明太湖上空的AOT随时间变化很大．
从α值分布来看(表1)，除了处于四季交替的月份如3、5、9、11月的α值变化较大以外，其余分布于12～2月、3～4月、6～8月、9～11月这4个时期的α值虽然大小不一致，但变化不大;其中，α的最大最小值则分别为9、10月的1.33和4月的1.0．另外从5a的观测资料发现，α的低值区和高值区分别出现在3～4月和9～11月．其中，3～4月，α值达到全年的最小值，由于受北方沙尘天气影响，此时太湖上空所包含的大颗粒的气溶胶粒子高于其他月份的;5～8月，太湖地区降雨量逐渐增多，降雨对大颗粒的气溶胶粒子的清除作用，α略微增加;但与此同时，随着相对湿度的增加，大气中水溶性的细粒子增加［24］，导致该阶段AOT仍然偏高;另外受到季风气候影响，从海洋上空带来的大量的细粒子气溶胶［25］，以及本地区大量生物质燃料燃烧等影响［26］，使得太湖上空的细粒子气溶胶增加，致使α值持续增加．9～11月，太湖地区进入秋季，出现大风天气的概率较低，多为晴好天气，使得α的值明显偏高，而且值较为稳定．12月～次年1月，北方冷空气活动频繁，南下的过程中常伴有的大风天气使得干燥地面的尘土粒子大气中［25］，致使α的值降低．
2.2AOT(500nm)、ngstrm参数季节变化
按照北半球平均气温将太湖地区的四季做如下划分:11月下旬至次年2月底为冬季、3月上旬至5月中旬为春季、5月底至9月上旬为夏季、9月中旬至11月中旬为秋季．将CE-318-A(2005年9月～2009年10月)和CE-318-B(2009年11月～2010年10月)的AOT(500nm)和ngstrm参数α值作日平均处理以代表该天的情况，然后再利用这些日均值作季节平均，从而得到如表2所示的2005～2010年AOT(500nm)和ngstrm参数α的季节变化．从5a的观测资料中得知，夏季的AOT(500nm)达到全年的最大值，这与和Zhang等［25］和Guo等［27］的研究结果一致;最小值基本出现在秋冬季节．5a的观测资料中还显示春季太湖的AOT(500nm)值均在0.77以上，大于我国东海海域春季的AOT(约0.50)［28］，表明除了沙尘天气的影响之外，生物质燃烧，周围城市大气污染物的排放等，也会使太湖上空的AOT增大［18］．四季中AOT(500nm)的标准差较大，除2005～2006年春季情况以外，其余均超过各自平均值的50%，表明四季中AOT(500nm)值变化幅度较大;另外综合5a的观测资料显示，四季的AOT(500nm)均超过0.5，表明太湖地区的大气较为浑浊．α的最小值均出现在春季，最大值基本出现在秋季．表明春季太湖上空大颗粒的气溶胶粒子最多，秋季太湖上空的气溶胶粒子主要以小颗粒为主、大气较为清洁．另外表2还显示，春季α的标准偏差均大于其他3个季节的，表明春季太湖上空气溶胶粒子的粒径变化幅度较大．
2.3AOT(500nm)和ngstrm参数的频率分布
2005年9月～2010年10月AOT(500nm)和ngstrm参数α日均值的频率分布(图3)表明，AOT(500nm)只有1个峰值，α有2个峰值．如图3(a)所示，在5a的观测中AOT(500nm)出现的最高频率值在0.4～0.6之间，约占26%，在0.6～1.8区间，AOT频率递减，但趋势较缓，落在较大值区间(AOT＞0.8)的AOT占总样本约42%，在极端高值区间(AOT＞1.8)的AOT约占总样本的5%［图3(a)］．AOT(500nm)5a的平均值为0.80，是最小值(0.10)的约7倍，与中国其他观测点相比，大于浙江临安地区的0.61［29］，香河观测站的0.77［30］，小于四川盐亭观测站的0.90［15］，表明太湖上空的AOT值较大．根据Beer-Bouguer-Lambert定理［31］计算不同AOT下的透过率可知，在太湖地区目前的平均AOT(500nm)情况下，气溶胶造成的太阳直射辐射的透过率衰减为50%以上，致使该区域的大气透明度差、空气较为混浊，并可引起严重的雾霾天气，这可能与该地区发达的工农业生产释放较多的气溶胶有关［10］;另外由于该站点紧靠太湖，而据Zhang等［25］的研究，AOT主要取决于研究区域的相对湿度，因此太湖湖面释放的大量水汽对该地区AOT的影响也不能忽视．如图3(b)所示，α在0.5～1.3区间的频率递增，最高频率区间为1.1～1.3和1.3～1.5，分别占总样本的30%，落在大值区间1.1～1.7的α值占总样本的70%左右，综合5a的观测资料得知α的年均值为1.17，略大于胶州湾的1.11，与黑龙江三江平原的1.16相当，小于西双版纳的1.4［15］，表明太湖上空气溶胶粒子平均有效半径较小，属于城市-工业型气溶胶［32］．
2.4AOT(500nm)和ngstrm参数的关系
通常选取各观测时段的AOT(500nm)和α的日均值，得到了AOT(500nm)与α的散点图(图4)．从总体趋势来看两者呈负相关关系．当α分布在0～0.3、0.3～0.6、0.6～0.9、0.9～1.2、1.2～1.5、1.5～1.8区间时，对应的AOT(500nm)的均值分别为1.40±0.65、0.84±0.50、0.87±0.50、0.88±0.59、0.80±0.45、0.82±0.41，两者的相关性较差，主要与太湖上空存在着不同组分的气溶胶粒子(例如:细粒子、沙尘粒子等)有关，从α的日均值变化范围较大(0.18～1.70)中得到证实，除了受到天气因素、排放源等因素之外，还与气溶胶粒子碰撞凝结有关［30］．IOCCG的研究报告［33］指出，气溶胶类型以及组分是影响遥感反演水体反射信号精度的重要因素之一，当大气中含有吸收性气溶胶(对入射辐射具有较强的吸收作用，主要来源于化石燃料和生物燃料的不完全燃烧［34］)时，将会给遥感反演水体反射信息造成约35%～60%的误差，因此弄清太湖上空气溶胶的组分对水色遥感大气校正精确的提升起到重大作用．虽然依据α可以判定气溶胶的类型［9］，但不同类型气溶胶粒子的AOT值在大小上并不是严格区分的［32，35］;即使是同一类型下的气溶胶，以生物质燃烧释放的气溶胶为例(α＞1.5)［35］，其对应的AOT的标准偏差为AOT值的一半以上，表明AOT的变化较大，分布在其他区间内α对应的AOT值也出现类似的情况，这就给判断气溶胶的组分带来困难．弄清太湖上空各种气溶胶粒子的组分，除了需要结合气溶胶的其他光学性质参数(如单次散射反照率)之外，还需要采用其他分析手段，如采集各个季节的大气样本，实验室分析等等，今后将做进一步的研究．
3结论
(1)AOT(500nm)值在2～4月和5～6月逐渐增加，7～8月有不同程度的降低;9～11月AOT值较低，而且较为稳定．其中AOT(500nm)最大最小值分别为6月的1.29±0.73和12月的0.70±0.40;除了处于四季交替的月份如3、5、9、11月的α值变化较大以外，其余时期的α值虽然大小不一，但较为稳定;其中，α的最大最小值则分别为9、10月的1.33和4月的1.0．另外，AOT的高值区出现在6、7月，低值区出现在10月～次年1月;α的低值区和高值区分别出现在3～4月和9～11月．
(2)太湖地区AOT(500nm)的最大值出现在夏季，最小值基本出现在秋冬季节．四季中AOT(500nm)的值＞0.5，而且各自的标准差基本超过各自平均值的50%，表明四季中太湖地区不仅大气较为浑浊，而且AOT随时间变化的幅度的较大;α的最小值均出现在春季，最大值基本出现在秋季，表明春季太湖上空大颗粒的气溶胶粒子较多，秋季太湖上空主要以细粒子为主．太湖上空AOT(500nm)及对应的ngstrm参数α的变化主要与该地区的天气形势有关．
（甘肃省天水市气象局，甘肃天水741000）
摘要：选取天水市7个气象站1965—2011年日照时数资料，采用累积距平、Mann-Kendall突变检验法和Morlet小波等方法，分析天水市日照时数的气候变化规律。结果表明，天水市年平均日照时数总体呈减少趋势。1965—1980年，日照时数呈增加趋势；1981—1992年呈减少趋势；1993—2008年呈增加趋势；2009年以后又趋于减少。日照时数的变幅最大的季节为夏季，春季的日照时数变化呈上升趋势，其余各季都呈下降趋势。小波分析得出天水市的全年和各季的日照时数大部都存在小尺度的准周期变化，冬季存在中尺度的周期变化，夏季在年代际的变化上存在准27年的周期变化。对日照时数气候变化的空间分析表明，天水市整体平均日照时数呈下降趋势，有局部地方和整体趋于的气候变化趋势不完全相同，天水北部的变化趋势更加显著。
关键字：日照时数；时空分布特征；累积距平；Mann-Kendall；小波分析；天水
中图分类号：S162.3文献标志码：A论文编号：2014-0786
基金项目：甘肃省强对流天气预报预警系统建设项目；公益性行业(气象)科研专项(GYHY201306006)
作者简介：强玉柱，男，1979年出生，工程师，主要从事气候预测和气候变化规律应用研究。通信地址：741000天水市岷山路64号，Tel：0938-8384461，E-mail：qyz120_2002@163.com。
收稿日期：2014-08-08，修回日期：2014-09-26。
0引言
研究表明，自1861年来全球的平均地表温度呈增加的趋势[1]。由于气候变化能够使大气物理和化学结构发生变化，太阳辐射能也因此发生了变化[2]。日照是重要的气候因子，也是农作物生长发育不可缺少的条件，并且是气候资源的重要组成部分之一[3]。所以，研究日照的变化趋势，对合理布局农业生产和农业结构的调整有着很重要的作用[3]。近些年来，有很多研究者对日照时数变化趋势以及影响因素做了大量的分析。任国玉[4]等发现中国近50年的日照时数呈明显减少趋势，主要特点为平原大于山区、东部大于西部。陈少勇[5]等研究得出，在西北地区大多数的日照时数显著减少，而且冬季日照最少，夏季最多。目前也有很多地区都对当地日照时数的变化作了很多的研究[6-11]。天水的果林业是当地主要支柱产业之一[12]，其中苹果、桃子、葡萄、核桃和大樱桃是当地的特色林果，该地的生态气候特性以及气候因素直接关系到特色林果的产量，特别是日照时数也对其品质有着直接的作用，因此针对该地区研究日照时数的变化是很有必要的。天水市地处副热带北缘和青藏高原东部边坡地带，地形复杂，深居内陆，远离海洋，大陆性季风气候特征明显，属温带半湿润半干旱区[13]。文中针对天水市日照时数的变化趋势进行分析，了解其气候变化特征，这为当地的林果业生产提供了依据。
1资料与方法
选取资料为1965—2011年天水市7个气象站（秦州、麦积、清水、张家川、秦安、甘谷、武山）的逐月、逐年日照时数。按12月—2月为冬季，3—5月为春季，6—8月为夏季，9—11月为秋季，形成季序列以及年序列[14]。利用累积距平[15]的方法分析近47年天水市日照时数的逐年变化趋势；应用Mann-Kendall突变检验方法[16]，对全年和各季的日照时数进行突变点检验；采用Morlet小波分析方法[15]，分析年和各季平均日照时数变化周期。
2日照时数气候变化趋势
2.1日照时数的年代际变化
图1是天水市年日照时数的逐年变化和累积距平变化，其中图1a中粗实线是日照时数和年时间序列的六阶拟合趋势线，相关系数为0.5243，通过了95%的置信度检验，可见天水市日照时数有明显的年际波动，并在21世纪初出现了日照时数峰值，80年代出现了低谷，21世纪初的峰值小于20世纪60年代初的水平；细实线为日照时数与时间序列的线性拟合，相关系数为0.2161，没有通过95%的信度检验，天水市平均日照时数总体呈减少趋势，平均递减率为-24.19h/10a（见表1）。
从逐年累积距平变化曲线（见图1b）可以看出，天水市近47年来年日照时数有4个变化：1965—1980年，日照时数呈增加趋势；1981—1992年呈减少趋势；1993—2008年呈增加趋势；2009年以后又趋于减少。
2.2日照时数的季节变化
从天水市全年、各季节不同年代的日照时数距平值（见表1）可以看出，年日照时数20世纪60年代最多，70年代次之，80年代最少，90年代有所增加，但21世纪初又开始减少。
春季的日照时数则是在21世纪初最多，20世纪80年代最少，90年代在逐渐增加，并在21世纪初又呈正距平，增加幅度较大，春季日照时数的气候倾向率为3.007h/10a。夏季、秋季和冬季日照时数的变化趋势一致，日照时数的气候倾向率分别是-5.443h/10a、-4.233h/10a、-2.944h/10a，都呈减少趋势，从距平百分比来看，都成双谷型，均在20世纪80年代和21世纪初出现低谷，其中夏季的年际变幅最大，在20世纪80年代到了-9.3%，在60年代达到了10.1%。
2.3日照时数周期变化特征
为了分析日照时数的多时间尺度特征，对年、季的日照时数进行了小波分析，从小波方差和小波系数的变化过程可以判断日照时数序列周期及未来变化趋势特征[17]。计算发现，天水市的年、季日照时数都存在多个比较明显的周期（见图2），年日照时数存在4年、8年的准周期变化，春季存在3年、6年的准周期变化，夏季主要体现在年代际的变化上，存在准27年的周期变化，秋季存在2年、4年和7年的准周期变化，冬季存在2年、4年、7年和16年的准周期变化。
通过Mann-Kendall突变检验发现，天水市的年、季日照时数虽然UF和UB都存在交点，但均未通过a=0.05的检验，因此没有显著地突变年份。
2.4日照时数气候变化趋势的时空分析
分别计算天水市7个站点全年以及各季日照时数的线性变化趋势，得出气候倾向率，最后绘制出气候倾向率的空间分布图（见图3）。从图3可以看出，天水市整体平均日照时数呈下降趋势，整个区域的气候变化趋势基本一致。全年日照时数变化（图3a）除天水西部外，其他各站均呈下降趋势，其中北部的秦州、秦安、张家川变化趋势明显，相关系数都通过了0.05的显著性水平。春季的日照时数变化除秦安外均呈上升趋势。夏季、秋季和冬季的日照时数变化趋势一致，除了天水东南部外，均呈下降趋势，并且除武山外，其余各站相关系数都达到了0.05的显著性水平，其中夏季的日照时数变化下降趋势更为显著。由此见，近47年来，天水市各站全年和各季节的日照时数变化大部呈下降趋势，春季呈上升趋势，夏季、秋季和冬季的日照时数表现为较一致的下降趋势。
3讨论
导致日照时数减少的主要原因是大气透明度、水汽压和太阳辐射[18-19]。随着气候变暖，工业污染导致大气的能见度减小，大气气溶胶增多，也是影响日照时数减少的因素之一。同时日照时数也与经纬度、海拔高度等有关。大气环流以及天气系统的影响也直接关系着该地的日照时数的变化。文中分析结果表明，天水市的日照时数总体减少，这是对气候变暖的响应；从季节变化来看，只有春季的日照时数是上升趋势，春季恰恰是林果生长发育阶段，充分的日照使得林果更好的生长，这也为该地林果种植提供了一定的科学依据；从空间分布来看，天水北部的日照时数变化最为显著，从气候背景分析，这里不宜种植林果。
4结论
（1）天水市年平均日照时数有明显的年际波动，总体呈减少趋势，平均递减率为-24.19h/10a，在21世纪初出现了峰值，20世纪80年代出现了低谷。日照时数的变幅最大的季节为夏季，其次是春季，秋季和冬季变化不明显。各季中唯独春季的日照时数变化呈上升趋势，其余各季都呈下降趋势。
（2）通过突变检验，没有发现天水市年、季有显著的突变点出现。利用小波分析得出天水市的全年日照时数存在4年、8年的准周期变化，春季存在3年、6年的准周期变化，夏季在年代际的变化上存在准27年的周期变化，秋季和冬季都存在2年、4年和7年的准周期变化，冬季同时还存在16年的准周期变化。
（3）对日照时数气候变化的空间分析表明，天水的日照时数变化对气候变化的响应十分明显。天水市整体平均日照时数呈下降趋势，局部地方气候变化趋势和整体不完全相同。尤其是天水北部，日照时数的下降趋势最为显著，可见该地不易种植林果；春季的日照时数除天水北部外，均呈增加趋势，对于林果的生长发育十分有利。
参考文献
[1]WastonRT,thecorewritingteam.ClimateChange2001:SynthesisReport.AcontributionofWorkingGroupsⅠ,ⅡandⅢtotheThirdAssessmentReportoftheIPCC.NEWYork:CambridgeUniversityPress,2002,398.
[2]杜军,边多,胡军,等.西藏近35a日照时数的变化特征及其影响因素[J].地理科学,2007,62(5):492-500
[3]丁丽佳,林巧美,等.粤东地区太阳能资源与太阳能利用气候分析[J].气象科技,2008,36(4):491-494
[4]任国玉,郭军,徐铭志,等.近50a中国地面气候变化基本特征[J].气象,2005,63(6):942-952.
[5]陈少勇,张康林,邢晓彬,等.中国西北地区近47a日照时数的气候变化特征[J].自然资源学报,2010,25(76):1142-1152.
[6]陈志军,查书平,高阳华,等.重庆市日照时间变化规律和特征分析[J].南通大学学报:自然科学版,2008,7(2):55-59.
[7]郭军,任国玉.天津地区近40a日照时数变化特征及其影响因素[J].气象科技,2006,34(4):415420.
[8]陈碧辉,张平,郝克俊,等.近50a成都市日照时数变化规律[J].气象科技,2008,36(6):760-763.
[9]毛飞,卢志光,郑凌云,等.近40a那曲地区日照时数和风速变化特征[J].气象,2006(9):77-83.
[10]黄胜,马占良,等.近50a西宁市日照时数变化规律[J].高原气象,2011,30(5):1422-1425.
[11]王枫叶,刘善幸.酒泉绿洲近45a日照时数的变化特征分析[J].高原气象,2010,29(4):633-642.
[12]姚小英,杨小利,蒲金涌,等.天水市大樱桃种植中影响产量的生态气候因素分析[J].干旱区农业研究,2009,27(5):261-270.
[13]强玉柱,蒲金涌,刘扬,等.天水市近50a浅层地温变化特征分析[J].中国农学通报,2013,35(4):633-642.
[14]中国气象局.地面气象观测规范[S].北京:气象出版社,2003:81.
[15]魏凤英.现代气候统计诊断与预测技术[M].北京:气象出版社,2007,5.
[16]施能.气象科研与预报中的多元分析方法[M].北京:气象出版社,2002:120-122,143-146.
[17]林振山,邓自旺.子波气候诊断技术的研究[M].北京:气象出版社,1999:24-25.