明清时期渭南地区旱涝灾害的多尺度变化特征

郁耀闯，徐秋月，王长燕*，龚兰兰，王林刚，任媛媛，侯 英

明清时期渭南地区旱涝灾害的多尺度变化特征

郁耀闯1,2，徐秋月1,2，王长燕1,2*，龚兰兰1,2，王林刚1,2，任媛媛1,2，侯 英1,2

（1.宝鸡文理学院 地理与环境学院，陕西 宝鸡 721013；2.陕西省灾害监测与机理模拟实验室，陕西 宝鸡 721013）

【】为揭示明清时期渭南地区旱涝灾害的发生机制提供参考依据。利用《中国三千年气象记录总集》等历史文献资料，采用集合经验模态分解（EEMD）等方法研究了明清时期渭南地区旱涝灾害的多尺度变化特征。明清时期渭南地区旱涝灾害总体上表现为先增加后降低再趋于稳定的变化趋势，并在时间尺度上存在着显著的2～5 a的年际和准10 a、准18 a、准27 a、准52 a、准84 a的年代际，以及100 a尺度的世纪周期，分别与厄尔尼诺的2～5 a周期、太阳活动的准10 a、准50 a和世纪周期以及太平洋年代际振荡的20～30 a变化周期相对应；交叉小波功率谱和交叉小波凝聚谱分析表明，渭南地区的旱涝灾害与太阳活动、厄尔尼诺和太平洋年代际震荡之间具有较好的共振周期。明清时期渭南地区旱涝灾害具有显著的多尺度变化特征，该变化特征可能与太阳活动、厄尔尼诺和太平洋年代际振荡存在着密切关系。

渭南地区；明清时期； 旱涝灾害；气候变化；年际-百年际尺度

0 引 言

【研究意义】旱涝灾害是世界上2种频繁发生的主要自然灾害[1]，在全球变暖背景下，受气候变化加剧和人类活动的综合影响，区域旱涝灾害呈现出“交替、并存和急转”的频发态势[2]，并具有明显的时间变化特征[1,3-4]，该特征显著地影响着区域的农业生产、人口数量、经济发展和社会进程[5]，已成为当前社会各界关注的“热点”问题，并被列入“过去全球变化”和“气候变率与可预测性”两大国际研究计划。小冰期（Little Ice Age，LIA）是指15世纪到20世纪早期之间相对寒冷的气候波动阶段，是距今最近的全球性寒冷气候事件[6]。这一时期与我国的明清时期相对应，因此也称“明清小冰期”，在这一时期内，气候波动较大，旱涝灾害频发[4]。因此，研究我国明清时期区域旱涝灾害的多尺度变化特征，对于揭示明清时期渭南地区旱涝灾害的发生机制具有重要意义。

【研究进展】历史时期关于区域旱涝灾害时间尺度的相关研究主要集中在周期分析和影响因素探讨等方面[4-5,7]，对其在时间上的多尺度变化特征及影响因素的探讨还相对较少[8]。毕硕本等[4]和万红莲等[8]利用滑动平均、累计距平、滑动T检验和小波变换等方法分别研究了我国西北东部和宝鸡地区的旱涝灾害，认为区域旱涝灾害具有明显的阶段性特征；郑景云等[9]和郝志新等[10]利用集合经验模态分解（EEMD）方法分别探讨了我国东部过去1000年旱涝变化和关中平原960—2010年的干湿变化，得出了区域旱涝和干湿变化具有明显多尺度变化特征；王长燕等[7]和王朋等[11]研究表明，清代以来渭南地区的洪涝灾害具有明显的周期性变化特征。但上述工作多是围绕旱涝灾害的周期特征展开，对于认识区域旱涝灾害的周期变化特征具有积极意义，而揭示明清时期渭南地区旱涝灾害的多尺度变化特征及其影响因素的研究还鲜见报道，无法准确描述渭南地区旱涝灾害的年际至年代际尺度变化规律，进而也无法揭示该区域旱涝灾害的发生机制。

【拟解决的关键问题】本文以明清时期（公元1368—1911年）为主要研究时段，研究该时期渭南地区旱涝灾害的多尺度变化特征及其与太阳活动、厄尔尼诺（El Niño）和太平洋年代际振荡（PDO）的可能联系。揭示明清时期该区域旱涝灾害的多尺度变化特征及其影响因素。该研究成果有助于认识渭南地区旱涝灾害的演变规律, 也可为预测该区域旱涝灾害的变化趋势提供参考借鉴。

1 材料与方法

1.1 研究区概况

渭南市位于黄河中游，陕西省关中平原东部，东经108°58′—110°35′和北纬34°13′—35°52′，南依秦岭，北靠黄龙山和桥山，南北高，中间低，东西开阔，呈仰瓦状，是渭、洛、黄3条河流的交汇处。海拔在330～2 645 m之间，属暖温带半湿润半干旱季风气候。辖区内各地全年平均气温12.7～15.6 ℃，全年平均降水量390.7～592.2 mm，区域降水时空分布差异较大，易发生阶段性干旱。历史时期以来，该区域是陕西省的重要粮棉产区，受地理位置、地貌类型、区域地质构造和季风活动等因素影响，该区域年降水量变化较大，旱涝灾害多发[7]。本文以谭其骧主编的《中国历史地图集》[12]作为区域划分的依据，利用潼关厅、华州、渭南县、华阴县、大荔县、朝邑县、蒲城县、富平县、郃阳县、澄城县、白水县和韩城县12个样点代表明清时期的渭南地区（图1）。

图1 明清时期渭南地区分区图

1.2 数据来源与方法

本文旱涝灾害数据来源于《中国三千年气象记录总集》[13]、《中国气象灾害大典·陕西卷》[14]、《清代黄河流域洪涝档案史料》[15]、《西北灾荒史》[16]和渭南县志[17]等历史文献资料。旱涝灾害等级划分采用5级分类标准（表1）。

表1 旱涝灾害等级划分标准

根据上述分类标准，单个县级政区旱涝灾害等级确定后，计算渭南地区旱涝指数，然后对渭南地区每年旱涝等级值进行评定，逐年建立明清时期渭南地区旱涝灾害等级序列。渭南地区旱涝指数[8]依据计算式（1）确定，其分级标准依据表2确定。

式中：值表示渭南地区旱涝指数；表示单个县级政区洪涝灾害等级值（1或2）；表示单个县级政区干旱灾害等级值（4或5）；表示单个县级政区正常年份旱涝等级值（3）；为渭南地区内县级政区（含华州和潼关厅）个数，本文中的值为12。需要说明的是，的最小值为12个样点都是最小等级1时所对应的值，其值为0.33；的最大值为12个样点都是最大等级5时所对应的值，其值为1.67。

表2 区域旱涝指标分级标准表[8]

1.3 集合经验模态分解和交叉小波变换法

本文采用集合经验模态分解（Ensemble empirical mode decomposition, EEMD）和Morlet小波函数等方法对明清时期渭南地区旱涝灾害的时间序列进行多尺度周期分解[18]。EEMD是一种适应于非线性和非平稳信号处理的方法[19]，每次迭代分解的包络线均由待分解序列的局部极值决定[20]，比傅里叶变换和连续小波变换具有更优越的自适性[21]，常用于水文和气候变化等领域的多时间尺度序列信号分解[22-23]。Morlet小波函数是一种用于分析时序信号功率谱局部变化的分析方法，其兼顾了时域和频域的局域化特性，并考虑了有限数据边缘效应对其周期的影响[24]。另外，本文利用交叉小波变换（Cross Wavelet Transform，CWT）来进行渭南地区旱涝灾害与太阳活动、厄尔尼诺和太平洋年代际振荡间的交叉小波功率谱和交叉小波凝聚谱分析[25]。

2 结果与分析

2.1 旱涝灾害的阶段性特征

明清时期渭南地区共发生旱涝灾害197次，其中，旱灾发生145次，涝灾发生52次，分别占旱涝灾害发生总次数的73.6%和26.4%（图2）。该区域明清时期的旱涝灾害大致可分为4个阶段：第一阶段（1368—1411年）以旱灾为主，也有涝灾发生，出现了3个较高点与1个较低点；较高点位于1373年、1386年和1387年，较低点位于1411年；较低点与较高点之间曲线的相对上升或下降，分别表示旱灾或者涝灾的持续发生；1368—1411年曲线呈下降趋势，旱灾发生的频次减少，等级降低，表明气候干旱程度有所缓解。第二阶段（1412—1653年）为旱涝灾害交替出现阶段，其中，以1452—1455年（涝-旱-涝-旱）、1469—1470年（由涝转旱）、1516—1517年（由旱转涝）和1626—1631年（旱-涝-旱）的旱涝交替较为典型，表明此阶段旱涝灾害交替较为频繁。第三阶段（1654—1689年）以正常年份为主，涝灾发生较少，没有旱灾发生，1662年出现了等于1的最低值点，表明该点有较大涝灾发生。第四阶段（1690—1911年）为旱涝灾害频繁交替出现阶段，出现了1个较高点与1个较低点，较高点位于1805年，较低点位于1823年。1690—1696年、1742—1805年和1824—1834年曲线呈上升趋势，表明气候相对干旱。1697—1741年、1806—1823 年和1835—1911年曲线呈下降趋势，表明气候相对湿润。

图2 旱涝灾害等级序列

2.2 旱涝灾害的周期性特征

小波功率谱分析表明（图3），明清时期渭南地区旱涝灾害等级序列在80%显著性水平上具有显著的2.4、2.6、3.4、3.6、4.2、4.6、5.2、8、11.3、14.5和21.3 a变化周期，在90%显著性水平上具有显著的2.0、2.2、2.3、2.9、27.9和90.7 a变化周期。其中，11.3和90.7 a周期与太阳黑子活动的11年和世纪周期较为接近，21.3 a和27.9 a周期与PDO的20～30 a周期相对应，2.0、2.2、2.3、2.4、2.6、2.9、3.4、3.6、4.2、4.6和5.2 a变化周期与El Niño的2～5 a周期具有较好的对应关系，说明渭南地区明清时期旱涝灾害的发生可能受到太阳活动、PDO和El Niño等因素的影响。

图3 旱涝灾害小波功率谱

2.3 旱涝灾害的年际-年代际-百年际尺度特征

明清时期渭南地区旱涝灾害等级序列的集合经验模态分解（EEMD）结果显示（图4）：IMF1+2（第一、二本征模函数之和）主要指示明清时期渭南地区在主周期为准4 a尺度上的旱涝灾害波动特征，各分量的平均周期分别为3 a（IMF1）和5.8 a（IMF2），该波动特征显示明清时期该区旱涝灾害在年际尺度上的振荡信号较为明显，该尺度的方差解释量为59.5%，说明该周期信号对明清时期渭南地区旱涝灾害的影响较大，其中，1412—1649年、1690—1813年和1825—1911年以旱灾发生较为频繁；1650—1667年以洪涝灾害发生较多；1390—1412年和1668—1684年旱涝灾害波动的振幅较小，以正常年份为主，旱涝灾害发生较少。

IMF3+4+5+6+7（第三、四、五、六、七本征模函数之和）主要指示明清时期渭南地区旱涝灾害在主周期为准38 a尺度的年代际波动特征，各分量的平均周期分别为10.8 a（IMF3）、17.5 a（IMF4）、27.2 a（IMF5）、51.8 a（IMF6）和83.7 a（IMF7），方差解释量分别为7.86%、5.44%、3.15%、1.93%和1.69%，该年代际时间尺度的方差解释量为20.1%，说明该周期信号与明清时期渭南地区的旱涝灾害存在一定的关联，其中，1419—1647年和1689—1882年旱涝灾害波动的振幅较大，说明在这2个阶段旱涝灾害发生较为频繁。

IMF8（第八本征模函数）主要指示明清时期渭南地区旱涝灾害在百年际尺度上的波动趋势，IMF8分量的周期为362.7 a，该尺度的方差解释量只有0.7%，说明百年际尺度周期信号对明清时期渭南地区旱涝灾害的影响相对较小，其中，1368—1470年和1699—1790年旱涝灾害呈波动上升趋势；1612—1698年和1791—1911年旱涝灾害呈波动下降趋势；1471—1611年旱涝灾害的波动幅度较小，说明在该时段内旱涝灾害发生的次数较少。

RES为趋势项，主要指示明清时期渭南地区旱涝灾害在1368—1911年的波动趋势，从RES曲线的趋势可以看出（图4），渭南地区在1368—1911年的旱涝灾害呈先增加后降低再趋于稳定的变化趋势，降低和趋于稳定的时间拐点分别出现在1523年和1713年前后。

图4 旱涝灾害的集合经验模态分解结果

3 讨 论

3.1 旱涝灾害与太阳活动的关系

太阳活动通常包括太阳黑子、耀斑和太阳风等，其中，太阳黑子数和太阳总辐照是表征太阳活动水平的2个重要参数[26-27]，它的强弱和周期变化会影响地球系统的气候变化[28-30]，一般具有准10、50和100 a尺度的变化周期[31]。如图5[32-39]所示，太阳活动强烈的时期，气候相对比较温暖，该区域旱涝灾害发生的次数相对较多；相反，太阳活动较弱的时期，气候相对较为寒冷，该区域旱涝灾害发生的次数相对较少。例如，在1740—1780年，太阳活动较强，气候较为温暖，该区域共有11次旱灾和7次涝灾发生，平均每2 a发生1次旱涝灾害。在蒙特利尔极小期1645—1715年，太阳活动较弱，该区域共有7次旱灾和6次涝灾发生，平均每5 a发生1次旱涝灾害。总体而言，在气候温暖时期，该区域旱涝灾害发生的次数大约是气候寒冷时期的2倍（气候温暖时期旱涝灾害大约每2 a发生1次，气候寒冷时期大约每4 a发生1次）。另外，明清时期该区域的旱涝灾害与重建的北半球温度和我国冬季平均温度之间大致呈同相位变化（图5），说明北半球和我国区域平均气温的高低变化也会影响渭南地区旱涝灾害的发生，这与Blöschl 等[40]在欧洲的研究结果相同。小波功率谱结果表明，明清时期渭南地区旱涝灾害中的10.8、11.3 a和90.7 a变化周期分别与太阳活动的11 a周期和世纪周期较为接近，说明太阳活动可能与明清时期该区域的旱涝灾害存在着一定关联，这一结果与赵新华等[27]、Li等[32]研究成果一致。

图5 旱涝灾害与太阳活动、重建温度、El Niño (Nino3.4 SST)和PDO对比

图6 旱涝灾害与太阳活动的交叉小波功率谱和交叉小波凝聚谱

图6为明清时期渭南地区旱涝灾害与太阳活动的交叉小波功率谱和交叉小波凝聚谱，交叉小波能量谱中颜色越偏黄表示能量谱密度值越大。交叉小波功率谱和交叉小波凝聚谱表明该区的旱涝灾害与太阳黑子数和太阳总辐照间分别存在着显著的8～15 a共振周期和8～12 a的强凝聚性共振周期（图6），这与本研究中小波功率谱的结果渭南地区旱涝灾害序列中具有11.3 a和14.5 a周期相吻合。无论是从周期变化还是从交叉小波变换均可以看出该区域的旱涝灾害与太阳活动间存在着密切的联系，另外，从集合经验模态IMF3分量（周期为10.8 a）的方差解释量来看，太阳活动对该区域旱涝灾害的影响可能占各影响因素的7.86%，这暗含着太阳活动可能是影响该区域旱涝灾害的重要原因之一。

3.2 旱涝灾害与厄尔尼诺的关系

厄尔尼诺（El Niño）是影响我国北方地区气候变化的主要因素之一[41-42]，一般具有2～7 a的变化周期[38]。东赤道太平洋海温的异常变化（升高或降低）会引起厄尔尼诺-南方涛动冷（暖）相位的变化，进而导致Walker与Hadley环流和西太平洋副热带高压的变化[43-44]，从而引起我国季风区的温度和降水的变化。例如，厄尔尼诺-南方涛动发生的当年或第2年黄河中下游地区的降水一般偏少[45]，而在强El Niño 衰减并向La Niña态转变的年份，重大涝灾在长江中下游地区发生的概率明显增加[46]。小波功率谱结果表明，明清时期渭南地区旱涝灾害等级序列中的2～5 a周期与El Niño的2～5 a周期具有较好的对应关系，这与前人[10,46-47]研究结果较为一致。

图7为明清时期渭南地区旱涝灾害与厄尔尼诺的交叉小波功率谱和交叉小波凝聚谱。二者的交叉小波功率谱结果显示（图7（a）），明清时期渭南地区的旱涝灾害与El Niño间存在着显著的3～6 a共振周期；两者的交叉小波凝聚谱表明该区的旱涝灾害与El Niño间存在着3～7 a的强凝聚性共振周期（图7（b）），并且二者之间呈正相关关系。交叉小波功率谱中还显示，1515—1535年和1832—1852年渭南地区的旱涝灾害与El Niño的相位差箭头斜向左上，说明该区旱涝灾害的变化周期滞后于厄尔尼诺的变化周期，这一结果与郝志新等[10]关中平原干湿变化滞后于厄尔尼诺大约2 a的研究结果类似。另外，从集合经验模态IMF1（周期为3 a）和IMF2（周期为5.8 a）的方差解释量来看，厄尔尼诺对该区域旱涝灾害的影响可能占各影响因素的59.5%。综合可知，厄尔尼诺对明清时期渭南地区旱涝灾害的影响程度可能较大。

图7 旱涝灾害与El Niño的交叉小波功率谱和交叉小波凝聚谱

3.3 旱涝灾害与太平洋年代际震荡的关系

太平洋年代际振荡（PDO）是北太平洋海温年代际循环变化的一种海洋现象，通常具有20～30 a的变化周期[48]，不仅对北美乃至整个北半球大气环流具有重要的影响[48]，还可以通过调制厄尔尼诺事件来间接影响区域的气候变化[49]，进而导致区域旱涝灾害的发生。如图5所示，当PDO处于暖相位时，渭南地区的旱涝灾害发生较为频繁。小波功率谱分析表明：明清时期渭南地区旱涝灾害等级序列中的27.2 a和27.9 a周期与PDO的20～30 a周期相对应，这与Gedalof等[50]研究结果较为一致。

图8为明清时期渭南地区旱涝灾害与太平洋年代际振荡的交叉小波功率谱和交叉小波凝聚谱。二者的交叉小波功率谱显示：明清时期渭南地区的旱涝灾害与PDO间存在着显著的18～23 a共振周期（图8 （a））；交叉小波凝聚谱表明（图8（b）），该区域的旱涝灾害与PDO之间存在着20～34 a的强凝聚共振周期。另外，从集合经验模态IMF5（周期为27.2 a）的方差解释量来看，太平洋年代际振荡对该区域旱涝灾害的影响可能占各影响因素的3.15%。由此可见，明清时期渭南地区的旱涝灾害与太平洋年代际振荡之间存在着一定的关联，这与裴琳等[51]的研究结果较为一致。

图8 旱涝灾害与PDO的交叉小波功率谱和交叉小波凝聚谱

4 结 论

1）明清时期渭南地区的旱涝灾害总体上表现为先增加后降低再趋于稳定的变化趋势，主要可分为4个阶段，其中，1368—1411年以旱灾为主，也有涝灾发生，1412—1653年为旱涝灾害交替出现阶段，1654—1689年以正常年份为主，涝灾发生较少，没有旱灾发生，1690—1911年为旱涝灾害频繁交替出现阶段。

2）厄尔尼诺、太阳活动和太平洋年代际振荡可能是影响明清时期渭南地区旱涝灾害发生变化的主要因素。该区域旱涝灾害分别与太阳活动、厄尔尼诺和太平洋年代际震荡间存在着显著的8～15、3～6 a和18～23 a的共振周期。

3）明清时期渭南地区旱涝灾害的准4 a和准38 a的年际和年代际变化周期分别可以解释旱涝灾害方差变量的59.5%和20.1%，说明该区旱涝灾害在年际尺度上的振荡信号可能要强于在年代际尺度上的振荡信号。

[1] PENG Y, LONG S F, MA J W, et al. Temporal-spatial variability in correlations of drought and flood during recent 500 years in Inner Mongolia, China[J]. Science of the Total Environment, 2018, 633: 484-491.

[2] 闪丽洁, 张利平, 张艳军, 等. 长江中下游流域旱涝急转事件特征分析及其与ENSO的关系[J]. 地理学报, 2018, 73(1): 25-40.

SHAN Lijie, ZHANG Liping, ZHANG Yanjun, et al. Characteristics of dry-wet abrupt alternation events in the middle and lower reaches of the Yangtze River Basin and the relationship with ENSO[J]. Acta Geographica Sinica, 2018, 73(1): 25-40.

[3] HE W P, ZHAO S S, LIU Q Q, et al. Long-range correlation in the drought and flood index from 1470 to 2000 in Eastern China[J]. International Journal of Climatology, 2016, 36(4): 1 676-1 685.

[4] 万红莲, 宋海龙, 朱婵婵, 等. 明清时期宝鸡地区旱涝灾害链及其对气候变化的响应[J]. 地理学报, 2017, 72(1): 27-38.

WAN Honglian, SONG Hailong, ZHU Chanchan, et al. Drought and flood disaster chain and its response to climate change in Baoji region during the Ming and Qing dynasties[J]. Acta Geographica Sinica, 2017, 72(1): 27-38.

[5] MARTINS D S, RAZIEI T, PAULO A A, et al. Spatial and temporal variability of precipitation and drought in Portugal[J]. Natural Hazards and Earth System Sciences, 2012, 12(5): 1 493-1 501.

[6] SHI Y F, LIU S Y. Estimation on the response of glaciers in China to the global warming in the 21st century[J]. Chinese Science Bulletin, 2000, 45(7): 668-672.

[7] 王长燕, 赵景波, 郁耀闯. 公元1700—1949年渭南地区洪涝灾害特征分析[J]. 干旱区资源与环境, 2009, 23(6): 54-57.

WANG Changyan, ZHAO Jingbo, YU Yaochuang. Characteristics analysis of flood disasters in Weinan Region from 1700 to 1949[J]. Journal of Arid Land Resources and Environment, 2009, 23(6): 54-57.

[8] 毕硕本, 钱育君, 陈昌春, 等. 1470—1912年西北东部地区旱涝等级重建序列的特征及对比分析[J]. 干旱区地理, 2016, 39(1): 12-21.

BI Shuoben, QIAN Yujun, CHEN Changchun, et al. Characteristics and comparative analysis of reconstructed drought/flood grade sequence in the eastern Northwest China from 1470 to 1912[J]. Arid Land Geography, 2016, 39(1): 12-21.

[9] 郑景云, 郝志新, 张学珍, 等. 中国东部过去2000年百年冷暖的旱涝格局[J]. 科学通报, 2014, 59(30): 2 964-2 971.

ZHENG Jingyun, HAO Zhixin, ZHANG Xuezhen, et al. Drought/flood spatial patterns in centennial cold and warm periods of the past 2000 years over Eastern China[J]. Chinese Science Bulletin, 2014, 59(30): 2 964-2 971.

[10] 郝志新, 耿秀, 刘可邦, 等. 关中平原过去1000年干湿变化特征[J]. 科学通报, 2017, 62(21): 2 399-2 406.

HAO Zhixin, GENG Xiu, LIU Kebang, et al. Dryness and wetness variations for the past 1000 years in Guanzhong Plain[J]. Chinese Science Bulletin, 2017, 62(21): 2 399-2 406.

[11] 王朋, 张蓓蓓, 王苗苗, 等. 清朝时期渭南地区洪涝灾害特征研究[J]. 水资源与水工程学报, 2018, 29(4): 97-102.

WANG Peng, ZHANG Beibei, WANG Miaomiao, et al. Study on characteristics of flood disasters in Weinan region during the Qing Dynasty[J]. Journal of Water Resources and Water Engineering, 2018, 29(4): 97-102.

[12] 谭其骧. 中国历史地图集[M]. 北京: 中国地图出版社, 1982.

TAN Qixiang. Historical atlas of China[M]. Beijing: China Cartographic Publishing House, 1982.

[13] 张德二. 中国三千年气象记录总集[M]. 南京: 江苏教育出版社, 2013.

ZHANG De’er. A compendium of Chinese meteorological records of the last 3000 years[M]. Nanjing: Jiangsu Education Press, 2013.

[14] 温克刚. 中国气象灾害大典陕西卷[M]. 北京: 气象出版社, 2005.

WEN Kegang. Encyclopedia of China’s Meteorological Disasters: Shaanxi Volume[M]. Beijing: China Meteorological Press, 2005.

[15] 科技司. 清代黄河流域洪涝档案史料[M]. 北京: 中华书局, 1993.

[16] 袁林. 西北灾荒史[M]. 兰州: 甘肃人民出版社, 1994.

YUAN Lin. History of Disasters in Northwest China[M]. Lanzhou: Gansu People’s Publishing House, 1994.

[17] 渭南县志编纂委员会. 渭南县志[M]. 西安: 三秦出版社, 1987.

Weinan County Annals Compilation Committee. Weinan County Annals [M]. Xi’an: Sanqin Publishing House, 1987.

[18] TORRENCE C, COMPO G P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological Society, 1998, 79(1): 61-78.

[19] HUANG N E, WU Z H. A review on Hilbert-Huang transform: Method and its applications to geophysical studies[J]. Reviews of Geophysics, 2008, 46(2): RG2006.

[20] 郑景云, 刘洋, 吴茂炜, 等. 中国中世纪气候异常期温度的多尺度变化特征及区域差异[J]. 地理学报, 2019, 74(7): 1 281-1 291.

ZHENG Jingyun, LIU Yang, WU Maowei, et al. Evidences and regional differences on multi-scales in Medieval Climate Anomaly over China[J]. Acta Geographica Sinica, 2019, 74(7): 1 281-1 291.

[21] AYENU-PRAH A Y, ATTOH-OKINE N O. Comparative study of Hilbert-Huang transform, Fourier transform and wavelet transform in pavement profile analysis[J]. Vehicle System Dynamics, 2009, 47(4): 437-456.

[22] MA Y Y, LI G F, WANG Y J, et al. Random noise attenuation by f-x spatial projection-based complex empirical mode decomposition predictive filtering[J]. Applied Geophysics, 2015, 12(1): 47-54.

[23] BREAKER L C, LOOR H R, CARROLL D. Trends in sea surface temperature off the Coast of Ecuador and the major processes that contribute to them[J]. Journal of Marine Systems, 2016, 164: 151-164.

[24] WANG Y M, LEAN J L, SHEELEY N R Jr. Modeling the sun's magnetic field and irradiance since 1713[J]. The Astrophysical Journal Letters, 2005, 625(1): 522-538.

[25] GRINSTED A, MOORE J C, JEVREJEVA S. Application of the cross wavelet transform and wavelet coherence to geophysical time series[J]. Nonlinear Processes in Geophysics, 2004, 11(5/6): 561-566.

[26] 杨冬红, 杨学祥. 全球气候变化的成因初探[J]. 地球物理学进展, 2013, 28(4): 1 666-1 677.

YANG Donghong, YANG Xuexiang. Study on cause of formation in Earth’s climatic changes[J]. Progress in Geophysics, 2013, 28(4): 1 666-1 677.

[27] 赵新华, 冯学尚. 太阳活动与地球表面温度变化的周期性和相关性[J]. 科学通报, 2014, 59(14): 1 284-1 292.

ZHAO Xinhua, FENG Xueshang. Periodicities of solar activity and the surface temperature variation of the Earth and their correlations[J]. Chinese Science Bulletin, 2014, 59(14): 1 284-1 292.

[28] GRAY L J, BEER J, GELLER M, et al. Solar influences on climate[J]. Reviews of Geophysics, 2010, 48(4): RG4001.

[29] 戴开美, 钱幼能. 树木年轮14C含量与短周期太阳活动关系的研究[J]. 科学通报, 1987, 32(6): 441-443.

DAI Kaimei, QIAN Youneng. Relationship between tree ring 14C content and short-cycle solar activity[J]. Chinese Science Bulletin, 1987, 32(6): 441-443.

[30] 刘立波, 万卫星, 陈一定, 等. 电离层与太阳活动性关系[J]. 科学通报, 2011, 56(7): 477-487.

LIU Libo, WAN Weixing, CHEN Yiding, et al. Relationship between the ionosphere and solar activity [J]. Chinese Science Bulletin, 2011, 56(7): 477-487.

[31] 李旺, 郭金运, 赵春梅, 等. 1700—2012年太阳黑子周期性变化的小波分析[J]. 测绘科学技术学报, 2015, 32(2): 125-129.

LI Wang, GUO Jinyun, ZHAO Chunmei, et al. Periodic variations of sunspot from 1700 to 2012 by wavelet analysis[J]. Journal of Geomatics Science and Technology, 2015, 32(2): 125-129.

[32] LI Z, YUE J P, XIANG Y F, et al. Multiresolution analysis of the relationship of solar activity, global temperatures, and global warming[J]. Advances in Meteorology, 2018, 2018: 1-8.

[33] http://sidc.oma.be.

[34] http://lasp.colorado. edu/lisird/tsi/historical_tsi.html.

[35] LEAN J, BEER J, BRADLEY R. Reconstruction of solar irradiance since 1610: Implications for climate change[J]. Geophysical Research Letters, 1995, 22(23): 3195-3198.

[36] MOBERG A, SONECHKIN D M, HOLMGREN K, et al. Correction: Corrigendum: Highly variable Northern Hemisphere temperatures reconstructed from low- and high-resolution proxy data[J]. Nature, 2006, 439(7079): 1014.

[37] GE Q S, ZHENG J Y, FANG X Q, et al. Winter half-year temperature reconstruction for the middle and lower reaches of the Yellow River and Yangtze River, China, during the past 2000 years[J]. The Holocene, 2003, 13(6): 933-940.

[38] LI J B, XIE S P, COOK E R, et al. Interdecadal modulation of El Niño amplitude during the past millennium[J]. Nature Climate Change, 2011, 1(2): 114-118.

[39] MANN M E, ZHANG Z, RUTHERFORD S, et al. Global signatures and dynamical origins of the little ice age and medieval climate anomaly[J]. Science, 2009, 326(5 957): 1 256-1 260.

[40] BLÖSCHL G, HALL J, PARAJKA J, et al. Changing climate shifts timing of European floods[J]. Science, 2017, 357(6351): 588-590.

[41] 赵振国. 厄尔尼诺现象对北半球大气环流和中国降水的影响[J]. 大气科学, 1996, 20(4): 422-428.

ZHAO Zhenguo. Impact of E1 Ni o events on atmospheric circulations in the Northern Hemisphere and precipitation in China[J]. Scientia Atmospherica Sinica, 1996, 20(4): 422-428.

[42] 龚道溢, 王绍武. ENSO对中国四季降水的影响[J]. 自然灾害学报, 1998, 7(4): 44-52.

GONG Daoyi, WANG Shaowu. Impact of ENSO on the seasonal rainfall in China[J]. Journal of Natural Disasters, 1998, 7(4): 44-52.

[43] WANG Y C, LIU Y, ZHANG H F, et al. Temperature variability inferred from tree-ring records in Weichang region, China, and its teleconnection with large-scale climate forcing[J]. Climate Dynamics, 2019, 52(3/4): 1 533-1 545.

[44] 毕硕本, 瞿颖, 张永华, 等. 1725年以来北京年降水量年代际变化分析及其与太平洋海表温度关系研究[J]. 热带气象学报, 2016, 32(5): 743-751.

BI Shuoben, QU Ying, ZHANG Yonghua, et al. Decadal variation analysis of the annual precipitation series of Beijing and its relationship with Pacific sea surface temperature since 1725[J]. Journal of Tropical Meteorology, 2016, 32(5): 743-751.

[45] HAO Z X, ZHENG J Y, GE Q S. Precipitation cycles in the middle and lower reaches of the Yellow River (1736—2000)[J]. Journal of Geographical Sciences, 2008, 18(1): 17-25.

[46] 郝志新, 刘可邦, 张学珍, 等. 地球系统模式CESM模拟的ENSO变率与中国东部降水格局[J]. 自然资源学报, 2016, 31(12): 1 984-1 994.

HAO Zhixin, LIU Kebang, ZHANG Xuezhen, et al. Relationship between ENSO episode and the spatial pattern of precipitation in Eastern China as simulated in CESM control experiment[J]. Journal of Natural Resources, 2016, 31(12): 1 984-1 994.

[47] ZHENG J Y, YU Y Z, ZHANG X Z, et al. Variation of extreme drought and flood in North China revealed by document-based seasonal precipitation reconstruction for the past 300 years[J]. Climate of the Past, 2018, 14(8): 1 135-1 145.

[48] GUTZLER D S, KANN D M, THORNBRUGH C. Modulation of ENSO-based long-lead outlooks of southwestern US winter precipitation by the Pacific decadal oscillation[J]. Weather and Forecasting, 2002, 17(6): 1 163-1 172.

[49] 唐民, 吕俊梅. 东亚夏季风降水年代际变异模态及其与太平洋年代际振荡的关系[J]. 气象, 2007, 33(10): 88-95.

TANG Min, LYU Junmei. The inter-decadal mode of the summer monsoon rainfall in east Asia and its association with Pacific decadal oscillation[J]. Meteorological Monthly, 2007, 33(10): 88-95.

[50] GEDALOF Z, MANTUA N J, PETERSON D L. A multi-century perspective of variability in the Pacific Decadal Oscillation: New insights from tree rings and coral[J]. Geophysical Research Letters, 2002, 29(24): 2204.

[51] 裴琳, 严中伟, 杨辉. 400多年来中国东部旱涝型变化与太平洋年代际振荡关系[J]. 科学通报, 2015, 60(1): 97-108.

PEI Lin, YAN Zhongwei, YANG Hui. Multidecadal variability of dry/wet patterns in Eastern China and their relationship with the Pacific Decadal Oscillation in the last 413 years[J]. Chinese Science Bulletin, 2015, 60(1): 97-108.

Drought and Flooding Over Ming and Qing Dynasties in Weinan of Shaanxi Province and Their Determinants

YU Yaochuang1, 2, XU Qiuyue1, 2, WANG Changyan1, 2*, GONG Lanlan1, 2,

WANG Lingang1, 2, REN Yuanyuan1, 2, HOU Ying1, 2

(1. College of Geography and Environment, Baoji University of Arts and Sciences, Baoji 721013, China; 2. Key Laboratory of Disaster Monitoring and Mechanism Simulation of Shaanxi Province, Baoji University of Arts and Sciences, Baoji 721013, China)

Drought and flooding are two extreme weathers facing agriculture production in the world. They happen regionally, but the global warming over the past century has substantially increased their frequency in all regions. Understanding their underlying mechanisms is important for riskmanagement and mitigating their detrimental impact.【】This paper is to analyze the flooding and droughts occurring over Ming and Qing dynasties in Weinan of Shaanxi province, as well as their underlying determinants.【】The analysis was based on the archive - Chinese meteorological records over the last 3 000 years. Their multiscale features were calculated using the ensemble empirical mode decomposition (EEMD).【】Over the two dynasties, the frequency of droughts and flooding showed a pattern of increasing first followed by a decline before stabilizing. Temporally, drought and flooding were hierarchically periodic, with nested periods of 2～5 years, 10 years, 18 years, 27 years, 52 years, 84 yearsand 100 years. Such a hierarchy was associated well with the 2～5 year period of the El Niño, 10-year period of solar activity, 50-year period of centennial cycle, and 20～30 year period of the Pacific Decadal Oscillation (PDO), respectively. The wavelet of cross and condensate spectrums showed that drought and flooding in this region was closely related to solar activity, El Niño and Pacific interdecadal oscillation. The inter-annual and inter-decadal variation of the quasi-4a and quasi-38a explained 59.5% and 20.1% of the variance of drought and flooding respectively, indicating that the oscillation of drought and flooding was impacted by inter-annual period more than by the inter-decadal period. 【】The occurrence of drought and flooding over the Ming and Qing dynasties in Weinan of Shaanxi province showed hierarchical periods, which were closely related to the solar activity, El Niño and the decadal oscillation of Pacific Ocean.

Weinan; Ming and Qing dynasties; drought and flooding; climate change; interannual-centennial scale

P954

A

10.13522/j.cnki.ggps.2020620

郁耀闯, 徐秋月, 王长燕, 等. 明清时期渭南地区旱涝灾害的多尺度变化特征[J]. 灌溉排水学报, 2021, 40(7): 130-137.

YU Yaochuang, XU Qiuyue, WANG Changyan, et al. Drought and Flooding Over Ming and Qing Dynasties in Weinan of Shaanxi Province and their Determinants[J]. Journal of Irrigation and Drainage, 2021, 40(7): 130-137.

1672 - 3317（2021）07 - 0130 - 08

2020-11-06

国家自然科学基金项目（41771048）；陕西省教育厅重点实验室项目（18JS005）；陕西省社会科学界联合会项目（2019Z007，2020Z050）；陕西省社科项目（2019E007，2020E007）；宝鸡市科技局项目（2018JH-13）；陕西省2019年大学生创新创业训练计划项目（S201910721033）

郁耀闯（1980-），男。副教授，硕士生导师，博士，主要从事灾害地理与气候变化响应研究。E-mail: yuyaochuang@126.com

王长燕（1979-），女。副教授，硕士生导师，博士，主要从事气候变化研究。E-mail: wcyxa_1979@163.com

责任编辑：赵宇龙