1980年以来ENSO事件对湟水谷地气候的影响

The Impact of ENSO Events on the Climate in the Huangshui Valley Since Year 1980

摘要

该研究使用湟水谷地内8个气象站点的日降水量和气温数据，结合ENSO事件的ONI指数，通过时间序列分析、小波分析和谱分析等方法探析1980年至2022年间ENSO事件对湟水谷地降水与气温的影响。结果表明：El Niño和La Niña事件对湟水谷地的气候均产生显著影响，其中，El Niño事件通常会导致湟水谷地的降水量减少，特别是在春季和夏季；而La Niña事件则相反。此外，El Niño事件期间该地区的气温普遍低于平均水平，尤其在春季和冬季；在La Niña事件期间，气温则高于平均水平，特别是在夏季和秋季。研究发现，La Niña期间比El Niño期间暖昼日数和极端降水事件的发生频率均较高。

Abstract

The impact of ENSO events on precipitation and temperature in the Huangshui Valley from year 1980 to 2022 was studied based on the daily precipitation and temperature data from eight meteorological stations within the Huangshui Valley combining with the Oceanic Niño Index (ONI)analysis of ENSO events and their relationship with climatic variables by the time series analysis, wavelet analysis and spectral analysis methods. The results indicate that both El Niño and La Niña events exert significant influence on the regional climate. El Niño events generally lead to a decrease in precipitation, especially in spring and summer, whereas La Niña events effect oppositely. Additionally, temperatures during El Niño events are generally lower than average temperature, particularly in spring and winter, while during La Niña events, temperatures tend to be higher than that of average, especially in summer and autumn. The study also finds that the frequency of warm days and extreme precipitation events is generally higher during La Niña periods compared to El Niño periods.

Graphical abstract

关键词

青藏高原 / ENSO / 湟水谷地 / 气候变化 / t检验 / 谱分析

Key words

Qinghai–Tibet Plateau / ENSO / Huangshui Valley / climate change / t-test / spectral analysis

引 言

ENSO是El Niño与南方涛动的合称，是低纬度地区海-气相互作用产生的风场和海面温度的震荡现象，在海洋表现为El Niño（厄尔尼诺）-La Niña（拉尼娜），在大气表现为南方涛动。当前全球变暖仍在持续发展^[1]，研究表明全球气候变暖与ENSO 事件的发生存在着密切联系^[2-7]。ENSO事件作为海气耦合最强的现象之一^[8-10]，其不仅对全球气候产生着影响^[11-14]，还通过改变整个赤道太平洋的海温模态，间接影响热带及热带外地区的大气环流，从而引起一系列灾害的发生^[15,16]，且ENSO事件还会导致社会经济的动荡^[17]。

El Niño 事件会导致全球陆地平均年降水减少，而La Niña 事件会导致降水增多^[18]。研究表明，ENSO对我国各地气候会产生一定的影响^[19-22]，且对我国夏季和秋季降水和秋季气温的相关较为显著^[23]。ENSO 对我国西北地区秋季降水异常存在比较明显的反位相关系^[24]，在西北地区的半湿润区、半干旱区、干旱区和半荒漠区， El Niño 导致不同程度的降水减少、气温升高现象，La Niña 事件的影响则反之^[25]。

在全球变暖的气候背景下，青藏高原正在向着暖湿化发展^[26,27]，从ENSO对青藏高原东北部影响方面来看，El Niño事件的发生对当月的影响较大，La Niña事件的发生则有持续两到三个月的影响期^[28]，且El Niño事件使得高原降水减少^[29,30]、高原东部降雪增加^[31]。被改变的降雨和降雪间接导致了气温波动，对青藏高原东北部气象与旱涝灾害有着重要的影响^[32,33]。

位于青藏高原东北部的湟水谷地是太平洋季风的尾闾区，因而易受到ENSO事件的影响。此外，湟水谷地人口密集、经济活跃，农业活动历史悠久，探明ENSO事件对湟水谷地气候变化的作用机制，对区域农业可持续发展、防灾减灾与社会经济稳定具有重要现实意义。本文选取1980年以来的 ENSO 事件，采用1980—2022年湟水谷地8个气象站点的气温与降水数据，通过谱分析法、独立样本t检验、Morlet小波分析等方法，分析湟水谷地气温、降水的周期波动规律以及ENSO 事件的关系，为后期的气候预测、预警以及灾害的预防提供参考。

1 研究区概况

湟水谷地位于青藏高原东北部，祁连山地东南，介于达坂山与拉脊山之间（图 1），包括西宁市、湟源县、湟中区、大通回族土族自治县、互助土族自治县、平安区、乐都区、民和回族土族自治县等，总面积为16 120 km²，区域人口占全省人口的61%，耕地占全省耕地面积的56%。

湟水谷地地势相对低平，海拔在1 612\sim4 860 m之间，整体形态呈长条状，位于黄土高原和青藏高原的交界地带，以及东部季风区和西北干旱区过渡的关键地带，其受东亚夏季风环流影响显著^[32]。气候类型上属于高原温带干旱、半干旱气候，对气候变化极为敏感。全区年平均气温为5℃\sim9℃，年平均降水量为250\sim500 mm^[34]。

2 数据与方法

2.1 数据来源

选用1980—2022年湟水谷地内的西宁、互助、大通、湟中、湟源、平安、乐都、民和等8个国家级地面气象观测站日降水量数据、日均温数据、日最高温与最低温数据等，数据来自国家气候中心数据库。ENSO事件衡量方式则采用了来自美国国家海洋和大气管理局气候预测中心（https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php）的海洋尼诺指数（Oceanic Nino Index, ONI），该指数是基于Niño 3.4区域的海温异常的三个月滑动平均值计算得出，提供了简洁且易于理解的数值指标^[35]。ONI是全球气象和海洋学界公认的标准化指标，能够有效描述ENSO现象的强度和阶段，因此可以简化数据处理和分析过程。正常的海温情况被定义为在-0.5℃\sim0.5℃范围内，当海温偏离这个范围时，就可以确定出El Niño或La Niña事件的发生。

本文研究区概况制图使用到的青藏高原边界数据来自于青藏高原边界数据总集^[36]（https://doi.org/10.11888/Geogra.tpdc.270099），底图数据来自于哨兵2号遥感影像数据（https://earthexplorer.usgs.gov/）。

2.2 研究方法及预处理

2.2.1 站点数据的处理与ONI强度的定义

本文采用气象学中广泛使用的算术平均法，利用算术平均法不仅能够平滑数据，减少异常气温和降水量波动带来的影响，还能更清晰地观察气温和降水的总体变化趋势^[37-39]。通过算术平均法计算出湟水谷地月平均降水量、春夏秋冬4个季节所包含的月平均降水量，以及平均降水量距平值、极端降水日数、月平均气温、月平均气温距平值、暖昼日数等。将统计出来的ENSO事件下暖昼日数与极端降水日数分别与总暖昼日数与总极端降水日数对比，得出ENSO事件下暖昼日数与极端降水日数在此站点的占比。

青藏高原气候条件特殊，故极端降水与暖昼的定义不能采用简单的国家定义的日降水量50 mm和日最高温35℃的阈值。研究发现，采用第99个百分位数作为湟水谷地8个站点的极端降水事件阈值更为可靠^[40]，因此在极端降水的定义上采用各站点逐年非零日降水数据的第99个百分位值作为该站点的极端降水阈值。为探讨ENSO影响下湟水谷地暖昼变化特征及其演变规律，本文采用了世界气象组织气候委员会以及国内外学者广泛采用的“气候变化检测和指标”^[41,42]。对ONI的强度定义来自于中国国家气象局，拉尼娜事件定义为：0≤ONI≤0.5为正常，0.6≤ONI≤0.9为弱，1≤ONI≤1.4为中度，1.5≤ONI≤1.9为强，2≤ONI为超强；La Niña事件的定义类似：-0.5≤ONI≤0为正常，-0.9≤ONI≤-0.6为弱，-1.4≤ONI≤-1为中度，-1.9≤ONI≤-1.5为强，ONI≤-2为超强。

2.2.2 谱分析

谱分析法是一种将信号或时间序列数据分解为不同频率成分的数学方法，常用于识别数据中存在的周期性变化。在气象和气候研究中，它是理解复杂气候系统内部波动特征的重要方法。在分析ENSO事件波动周期即El Niño和La Niña事件的自然频率时，应用了谱分析方法^[28,43]，以揭示ENSO相位的交替周期。

原始ONI序列中不仅包含ENSO相关的2\sim7年尺度信号，还叠加了长期趋势成分（如全球变暖背景下的海温缓慢变化）及其他低频变化。若直接对原始数据进行谱分析，长时间尺度信号可能导致谱能量在低频段堆积，掩盖ENSO本身的主要周期特征，影响周期识别的准确性。因此，为了提取更加纯粹的ENSO周期信息，本文采用高通滤波方法，设定8年（96个月）为截止周期，有效滤除周期大于8年的低频成分。

在谱分析中，为了检验周期信号的统计显著性，本文采用了基于白噪声假设的卡方检验方法^[44,45]。在原假设下，时间序列被视为无周期结构的平稳白噪声，其能量谱密度在理论上服从自由度为2的卡方分布（{\chi }_{\mathrm{2}}^{\mathrm{2}}），并以整体谱密度均值作为基准。若某一频率对应的能量谱值超过此阈值，则可判定该频率成分在统计上显著，具有潜在的周期性意义。本文中显著性水平设定为P=0.01，即使用99%置信区间进行周期识别。

2.2.3 独立样本t检验

独立样本t检验主要用于比较两个独立样本群的平均值是否存在显著差异^[46,47]。在气象学中，t检验被用来判断不同条件下（如El Niño和La Niña期间）的气象变量（如气温和降水）是否有显著的变化。

El Niño/La Niña月份时气候要素（如温度或降水量）的平均值表示为{\overline{x}}_{\mathrm{1}}​，相应的样本标准差为s₁，样本数量为n₁；而正常月份的对应指标的平均值为{\overline{x}}_{\mathrm{2}}，标准差为s₂，样本数量为n₂。计算t值公式如下：

t=\frac{{\overline{x}}_{\mathrm{1}}-{\overline{x}}_{\mathrm{2}}}{\sqrt[]{\frac{n_{\mathrm{1}}{s}_{\mathrm{1}}^{\mathrm{2}}+n_{\mathrm{2}}{s}_{\mathrm{2}}^{\mathrm{2}}}{n_{\mathrm{1}}+n_{\mathrm{2}}-\mathrm{2}}\cdot \left(\frac{\mathrm{1}}{n_{\mathrm{1}}}+\frac{\mathrm{1}}{n_{\mathrm{2}}}\right)}}（1）

对于给定的信度a 和自由度n₁ +n₂ -2，查t 分布的双分位数表得t_a。若|t|>t_a，说明了Niño/La Niña月与非Niño/La Niña月对应气候要素的平均值有显著差异，可认为Niño/La Niña月与该要素有显著关系；反之，若|t|<t_a，则认为Niño/La Niña月与该要素关系不显著。

2.2.4 Morlet 小波分析

小波变换适用于分析复杂时间序列的调整规律^[48-52]。小波变换对于湟水谷地气温和降水数据的分析以及揭示其时间和频率的动态变化、理解该地区气候变化的具体模态和趋势有很大优势。小波变换结果包括时间-周期二维能量谱图及对应的95%显著性检测，并绘制全局小波谱，以评估总体周期能量分布。显著性检验采用 Torrence等^[53]提出的方法，对比实际功率与红噪声理论分布，识别统计意义上的显著周期。能量谱图中明确标注了影响锥（Cone of Influence, COI）范围，其外部区域受边界效应影响较大，分析时主要关注锥形区域以内的显著周期变化。

3 结果与分析

3.1 1980年以来ENSO事件变化特征

ONI指数是衡量ENSO的一种测量指标。美国国家海洋和大气管理局气候预测中心对Niño 3.4区的ONI指数进行3个月的滚动平均，当在至少5个连续的滚动平均月份中的ONI指数大于+0.5 或更高时，将其定义为El Niño现象，这表明热带太平洋中东部比平时更加温暖；当ONI指数小于-0.5时，将其定义为存在La Niña现象。

为了更加直观地展现43年的El Niño事件和La Niña事件的波动情况，本文将过去43年的ONI指数作为一个序列，绘制了1980—2022 年ONI各月指数图。从图2可以直观地看到，1980年至2022年的El Niño和La Niña事件的发生频率和持续时间，El Niño事件和La Niña事件存在交替波动。具体对ENSO事件强度等级进行统计，结果如表1所示，从中可知强度等级为强及超强的El Niño事件发生次数要大于La Niña事件。

为深入理解ENSO事件的周期特性及其在不同时间尺度上的变化特征，通过对ONI数据进行谱分析，识别其能量在不同周期尺度上的分布情况，从而揭示ENSO内部主导周期。从图3可以看出，1980年至2022年存在多个ONI时间序列的显著性周期，总的来说ONI的周期呈现出2\sim8年的周期性特征，尤其是3\sim5年的周期上谱密度较高。

3.2 ENSO事件对湟水谷地气温的影响分析

3.2.1 近43年湟水谷地气温特征分析

湟水谷地近43 年降水量包含了多个不同尺度的周期变化，小波能量谱图（图4）反映了表征的4个季节的气温周期变化特征。

湟水谷地春季气温小波能量谱显示，整体周期性振荡信号较弱。图4显示，在6\sim7年周期附近，1990—2010年期间出现一定程度的振荡增强，但整体功率值偏低，且未大面积超过95%置信水平，显著性较差。此外，在4年周期上局部年份（1995年前后）亦有短暂弱振荡。总体来看，春季气温变化周期性不显著，振荡能量低，年际变化相对平缓。

夏季气温表现出较为明显的年际振荡特征，主要集中在4年周期范围内。1990—2010年间，局部年份出现中等强度的功率增强，但仅局部区域超过95%显著性水平，显著性整体偏弱。5\sim6年周期附近在2000年之后有所体现，但持续时间较短，功率水平较低。总体而言，夏季气温变化以短周期波动为主，能量较春季略强，但长期稳定性不足。

秋季气温小波谱图中，周期性振荡较为清晰，特别是4年周期在1990—2010年期间振荡能量较高，局部达到黄色区域，且局部年份越过95%置信水平，具有一定的显著性。整体来看，秋季气温年际振荡以4年周期为主，周期信号相对集中，且具有一定的持续性和稳定性。

冬季气温小波谱表现出较为强烈且清晰的周期性变化特征。特别是在1990—2015年，存在着2\sim4年的周期震荡，能量水平显著增强，且部分年份明显超过95%置信水平。此外，15年周期在1980—1995年后亦有较强的振荡，但其处于影响锥外侧受边界效应影响较大。

综合湟水谷地春、夏、秋、冬4季气温的小波能量谱结果可以看出，气温年际变化主要集中在4年左右的周期范围。春季气温周期性最弱，振荡能量低；夏季以4年周期振荡为主，局部时间段能量增强但持续性有限；秋季气温周期变化稳定，以4年周期为主且具有较好的显著性；冬季气温在4年左右周期振荡较强。整体来看，湟水谷地气温变化存在较为明显的季节差异性。

3.2.2 ENSO事件对湟水谷地月平均气温的影响

通过对西宁、互助、大通、湟中、湟源、平安、乐都、民和等8个国家地面气象观测站1980—2022年的月平均气温资料统计分析，得到湟水谷地1980—2022年的月平均气温及ENSO事件关系分布（图5）。

以湟水谷地8个气象站点的近43年4个季节以及近43年全部的El Niño/La Niña月均气温作为一个样本，正常月份年月均气温序列为另一个样本，进行独立样本t检验，分别得到t值。表 2呈现了湟水谷地8个气象站点近43年4个季节以及El Niño/La Niña期间月均气温以及t值。

经t检验可知，ENSO现象在湟水谷地引发了一系列气温波动。在对43年月均气温的分析中，El Niño和La Niña期间的月均气温均显示非常显著的统计差异（P<0.001），表明ENSO事件对该地区的43年月均气温有着显著影响。具体影响程度分析如下：

对于季节性变化，El Niño事件可能会导致湟水谷地全年的气温减少，但只有秋季和冬季减少较为显著。La Niña事件可能会导致春季、秋季、冬季的气温减少和夏季气温的升高，但均不显著。下面对具体显著季节进行分析，探寻ENSO事件对湟水谷地气温的具体影响。

（1） ENSO事件对湟水谷地近43年气温影响分析

将近43年所有发生的El Niño事件的月均气温构成一个序列，将所有发生的La Niña事件的月均气温构成另一个序列。分析可知，所有El Niño事件期间的平均气温为4.3℃，比未发生ENSO时的平均气温低1.56℃，而在所有发生的La Niña事件期间平均气温为4.5℃，比未发生ENSO时的平均气温低1.36℃。

（2） ENSO 事件对湟水谷地秋季（9—11月）气温的影响分析

湟水谷地多年秋季平均气温为5.89℃。在所有El Niño事件中共有38个月在秋季，平均气温为5.55℃，比未发生ENSO事件的秋季月份平均值低0.34℃。而在所有La Niña事件中共45个月在秋季，平均气温为5.67℃，比未发生ENSO事件的秋季月份平均值低0.22℃。

（3） ENSO 事件对湟水谷地冬季（12月至次年2月）气温的影响分析

由图5分析可知，湟水谷地多年冬季平均气温为-5.86℃。在所有发生的El Niño事件中，共有40个月为冬季月，平均气温为-5.98℃，比未发生ENSO事件的冬季月份平均值低0.12℃。所有La Niña事件发生时的冬季月共46个，平均气温为-6.09℃，比未发生ENSO事件的冬季月份平均值偏低0.23℃。

3.3 ENSO事件对湟水谷地降水量的影响分析

由于湟水谷地地理位置特殊，各个季节降水量变化较大，因此以季度为单位，通过对西宁、互助、大通、湟中、湟源、平安、乐都、民和这8个国家地面气象观测站1980—2022年的月平均降水量和对应月份的ONI指数进行了整理，分别研究1980—2022年湟水谷地降水量及其与El Niño/La Niña事件的关系。

3.3.1 近43年湟水谷地降水特征分析

对湟水谷地4个季节的月均降水分别做了Morlet小波分析，图6为不同时间尺度下湟水谷地降水量的波动情况，从图中可以看出，湟水谷地近43年的降水量包含了多个不同尺度的周期变化。湟水谷地春季降水在整个研究期间表现出明显的周期性变化。小波能量谱图显示，4\sim7年左右周期在1990—2010年期间振荡强度最为显著，表明降水量在此期间具有较强的4\sim7年周期波动。此外，2\sim3年周期在1985—2000年期间也呈现中等强度振荡，但显著性较低，部分超出95%置信水平范围。整体来看，春季降水周期变化清晰，且在1990—2010年期间具有较强的周期性信号。

夏季降水的周期特性相较春季略显复杂。小波能量谱中，出现明显的两个周期震荡，分别是在1995—2022年出现的1\sim2年的周期振荡，另外还有4\sim6年周期振荡在1985—2020年期间较为明显，功率值较高，且部分区域超过95%置信水平，表明该阶段内降水存在较强的年际变化。

秋季降水的小波谱中，周期性变化特征较为明显。特别是在3\sim7年周期附近，1985—2005年期间能量较强，功率峰值明显高于背景噪声且超过95%置信水平，表明此阶段降水呈现稳定的3\sim7年周期波动。整体而言，秋季降水周期变化以短周期为主，振荡能量分布均匀，且有一定的年际稳定性。

冬季降水的周期振荡特征相较其他季节更加弱化。小波能量谱显示，在1980—2000年期间，8年周期振荡略有表现，能量水平较低，且大部分未能超过95%置信水平，仅有局部年份达到显著水平。此外，1\sim4年周期在1985—2015年前后有所体现，主要振荡年份集中在1985—2000年之间。

综合春、夏、秋、冬4季的小波能量谱分析可见，湟水谷地降水在1980—2022年期间整体上呈现出4\sim7年主要周期特征。其中，春秋季节周期性最为明显，4\sim7年周期在春季1990—2010年间表现尤为突出，秋季在1985—2005年以4年周期振荡为主。夏季降水变化受短周期（4年）的影响较大，但整体振荡能量较低；冬季周期性则在1\sim4年振荡。整体来看，湟水谷地降水的周期性变化具有明显的季节差异性。

3.3.2 ENSO 事件对湟水谷地月平均降水量的影响

本文对湟水谷地1980—2022年8个站点的降水数据进行整理，绘制出了4个季节的月均降水与ENSO事件的关系。以湟水谷地8个气象站点的近43年4个季节以及近43年全部的El Niño/La Niña月均降水作为一个样本，正常月份月均降水序列为另一个样本，进行独立样本t检验，分别得到t值（表3）。表3呈现了湟水谷地8个气象站点近43年4个季节以及El Niño/La Niña期间月均降水以及t值。经t检验可知，ENSO现象在湟水谷地引发了明确的降水波动。在对43年月均降水的分析中，El Niño和La Niña期间的月均降水有着非常显著的统计差异，表明ENSO事件对该地区的43年月均降水有显著影响。

对于季节性变化，La Niña事件可能会导致湟水谷地的降水量在春季、夏季和秋季减少和冬季降水的增多，其中除春季外，均通过显著性检验，La Niña事件则可能导致春季、秋季、冬季的降水量减少和夏季降水的增多，但均不显著。具体影响程度分析如下：

（1）ENSO事件对近43年来湟水谷地降水影响分析

将近43年发生的El Niño事件月均降水构成一个序列，所有La Niña事件月均降水构成另一个序列。分析可知，在所有El Niño事件期间平均降水量为28.64 mm，比未发生ENSO时的平均降水量少13.93 mm，而在所有La Niña事件期间平均降水量为31.66 mm，比未发生时的平均降水量少10.91 mm。

（2）ENSO 事件对湟水谷地夏季（6—8月）降水量影响分析

分析图7可知，湟水谷地多年夏季平均降水量为80.35 mm。在所有El Niño事件中共有25个月为夏季月，平均降水量为69.62 mm，比未发生ENSO事件的夏季月份平均值少12.24 mm。所有La Niña事件发生时的夏季月共30个，平均降水量为85.59 mm，比未发生ENSO事件的夏季月份平均值偏多4.03 mm。

（3）ENSO 事件对湟水谷地秋季（9—11月）降水影响分析

湟水谷地多年秋季平均降水量为31.90mm。在所有El Niño事件中共有38个月处在秋季，平均降水量为28.09 mm，比未发生ENSO事件的秋季月份平均值少7.25 mm。所有La Niña事件发生时共有45个月处在秋季，平均降水量为31.58 mm，比未发生ENSO事件的秋季月份平均值少3.76 mm。在秋季的38个El Niño月中，有12个月降水量增多，其余26个月均有不同程度的减少。

（4）ENSO 事件对湟水谷地冬季（12月至次年2月）降水影响分析

分析图7可知，湟水谷地多年冬季平均降水量为2.09 mm。在所有El Niño事件中共有40个月为冬季月，平均降水量为2.29 mm，比未发生ENSO事件的冬季月份平均值多0.13 mm。所有La Niña事件发生时的冬季月共46个，平均降水量为1.84 mm，比未发生ENSO事件的冬季月份平均值少0.32 mm。

4 结 论

（1）1980—2022年共发生ENSO事件38次，其中El Niño事件19次，La Niña事件19次，El Niño事件发生的强度稍大于La Niña事件。对ONI进行谱分析可知，ENSO事件的周期呈现出了2\sim8年的周期性特征，尤其是3\sim5年的周期上谱密度较高。

（2）通过小波分析，揭示了湟水谷地近43年气温与降水的周期性变化特征。气温变化以4年左右的短周期为主，春季周期振荡最弱，冬季最强，存在明显的季节差异。降水周期特征集中在4\sim7年，春秋季节周期信号最显著，夏季周期振荡复杂但以短周期为主，冬季振荡能量最弱。整体而言，湟水谷地气温与降水均存在显著的年际周期性波动。

（3）气温研究发现，近43年的ENSO事件均会导致湟水谷地气温降低并且通过了显著性检验。El Niño事件会导致湟水谷地全年气温减少，其中秋季和冬季的气温通过了显著性检验。La Niña事件期间虽然出现春季、秋季、冬季的气温减少和夏季气温的升高，但没有经过显著性检验。

（4）研究发现，近43年的ENSO事件均会导致湟水谷地的降水减少并且通过了显著性检验。经过t检验发现，夏季、秋季和冬季降水较为显著，其中El Niño事件会导致湟水谷地的降水量在夏季和秋季减少和冬季增多。La Niña事件发生期间虽然导致春季、秋季、冬季的降水量减少和夏季降水的增多，但没有经过显著性检验。

5 讨 论

ENSO作为一种全球性气候现象，其对全球气候系统有着深远的影响。然而，其对特定地区如湟水谷地的影响表明，全球气候变化的地方响应可能极为复杂和多变。当ENSO事件发生时，有研究发现孟加拉湾的下沉运动使得印缅槽强度减弱，抑制了热力对流和水汽的向上输送^[54]，这可能是影响青藏高原东部气候的关键所在。

本研究结果表明，ENSO事件对湟水谷地气温和降水变化具有显著影响，且周期特征较为吻合。通过小波分析揭示，湟水谷地气温变化主要集中在4年左右的周期，降水变化则以4\sim7年周期为主，与ONI指数谱分析中识别出的2\sim8年，尤其是3\sim5年周期能量峰值密切对应。这一结果提示，ENSO事件在一定程度上驱动了湟水谷地气候的年际振荡变化。进一步结合独立样本t检验发现，在43年月尺度的整体样本中，气温与降水在El Niño与La Niña期间均表现出极高的显著性（P0.001），但在单独季节检验中，多数未能通过显著性检验。这种差异可能主要源于单季节样本量有限及数据内部波动性较大，导致检验效能降低。此外，由于不同季节对ENSO的响应强度存在差异，如秋冬季气温对El Niño事件更为敏感，而春夏季响应较弱，这也进一步削弱了季节性显著性的表现。

研究还发现，El Niño事件对湟水谷地气候的调制效应整体上强于La Niña事件。无论是在气温降低幅度、降水减少幅度，还是在t检验显著性水平上，El Niño事件对气候均表现出更为显著的影响，这和已有研究一致^[55-57]。El Niño期间ONI指数普遍高于La Niña期间，致使ENSO事件冷暖相位强度产生了不对称^[8,58]，导致了El Niño与La Niña事件对湟水谷地气候影响的差异。在ENSO的影响分析中，t检验结果显示，ENSO事件对湟水谷地的43年月均气温和降水变化均具有显著影响。然而，单独季节的检验结果表明，ENSO对不同季节的影响具有差异性，其中秋冬季气温和夏秋冬季降水的显著性较高，而春季则表现出较弱的显著性。将这些季节显著性与小波分析中发现的周期性变化对比后发现，除春季外，在小波谱中能量较强的4\sim7年周期恰好与t检验中显著影响的季节较为一致，这表明ENSO的典型年际周期在这些季节中可能对湟水谷地的气候变化产生了较强的调制作用。

为了进一步分析印证ENSO对湟水谷地气候特征的影响，于是将暖昼日数和极端降水日数分别进行了统计。图8显示，湟水谷地的8个站点La Niña现象期间的暖昼日数占比和极端降水日数占比均高于El Niño现象期间。相较于El Niño事件期间，La Niña事件期间的暖昼日数和极端降水日数占比普遍更高，这可能与La Niña阶段区域气温偏高、水汽条件改善、局地对流活动增强有关^[59]，具体影响与机制的探究可作为下一步的研究方向。

综合以上分析可知，ENSO事件不仅通过调制湟水谷地气温和降水的年际波动周期，还影响了极端气候事件的发生频率。未来针对湟水谷地气候变化的研究与预测，应充分考虑ENSO事件尤其是不同类型ENSO事件的差异性及其周期性特征。

参考文献

[1] Meinshausen M, Meinshausen N, Hare W, et al.Greenhouse-gas emission targets for limiting global warming to 2 degrees C[J].Nature,2009,458(7242):1158-1162.

[2] Cai W J, Santoso A, Collins M, et al.Changing El Nino-Southern Oscillation in a warming climate[J].Nature Reviews Earth & Environment,2021,2(9):628-644.

[3] Yeh S W, Cai W J, Min S K, et al. ENSO atmospheric teleconnections and their response to greenhouse gas forcing[J].Rev Geophys,2018,56(1):185-206.

[4] 赵宗慈,罗勇,黄建斌.全球变暖和厄尔尼诺事件[J].气候变化研究进展,2023,19(5):663-666.

[5] Xu C X, Wang S Y S, Borhara K, et al. Asian-Australian summer monsoons linkage to ENSO strengthened by global warming[J].npj Climate and Atmospheric Science,2023,6(1):8.

[6] Latif M, Keenlyside N S. El Nino/Southern Oscillation response to global warming[J].Proc Natl Acad Sci U S A,2009,106(49):20578-20583.

[7] 杨保,贺敏慧.全球变暖加强了ENSO和亚洲-澳州夏季风之间的关联[J].中国科学:地球科学,2024,54(1):323-326.

[8] 张晓琳,马永星.厄尔尼诺-南方涛动研究进展[J].科学通报,2024,69(8):1047-1057.

[9] Liu Z Q, Xu J J. Increase in the intensity of air-sea coupling in the key ENSO region during 1955—2020[J]. Atmosphere,2022,13(12):2025.

[10] McPhaden M J, Zebiak S E, Glantz M H. ENSO as an integrating concept in earth science[J].Science,2006,314(5806):1740-1745.

[11] Yang Q, Fan L.On the decadal changes of the interannual relationship between ENSO and tropical south atlantic SST in boreal summer[J]. Geophysical Research Letters,2023,50(18):e2023GL104355.

[12] Goswami B B, An S I. An assessment of the ENSO-monsoon teleconnection in a warming climate[J].npj Climate and Atmospheric Science,2023,6(1):82.

[13] Irwandi H, Rosid M S, Mart T. The effects of ENSO, climate change and human activities on the water level of Lake Toba, Indonesia: a critical literature review[J].Geoscience Letters,2021,8(1):21.

[14] Yang S, Li Z N, Yu J Y, et al. El Nino-Southern Oscillation and its impact in the changing climate[J].National Science Review,2018,5(6):840-857.

[15] Yin Y X, Xu Y P, Chen Y. Relationship between flood/drought disasters and ENSO from 1857 to 2003 in the Taihu Lake basin, China[J]. Quaternary International,2009,208(1-2):93-101.

[16] Roman-Cuesta R M, Gracia M, Retana J. Environmental and human factors influencing fire trends in ENSO and non-ENSO years in tropical Mexico[J]. Ecological Applications,2003,13(4):1177-1192.

[17] Chen C C, McCarl B A, Adams R M. Economic implications of potential ENSO frequency and strength shifts[J].Clim Change,2001,49(1/2):147-159.

[18] Gong D Y, Wang S W. Impacts of ENSO on rainfall of global land and China[J].Chinese Science Bulletin,1999,44(9):852-857.

[19] 王东,胡晓霞,王慧,等.ENSO对中国沿海夏季降水影响的区域特征研究[J].热带地理,2024,44(6):987-1000.

[20] 王勇,张经纬,刘严萍,等.厄尔尼诺事件对中国沿海地区水汽变化周期的影响[J].灾害学,2024,39(2):12-20.

[21] 黄怡虹,李志强,王世俊.海南主要河流径流量对ENSO的响应研究[J].水资源开发与管理,2023,9(5):17-23+38.

[22] 许武成,马劲松,王文.关于ENSO事件及其对中国气候影响研究的综述[J].气象科学,2005,25(2):212-220.

[23] 张键. ENSO事件对中国气候的影响研究[D]. 北京:首都师范大学,2001.

[24] 李耀辉,李栋梁,赵庆云,等.ENSO对中国西北地区秋季异常降水的影响[J].气候与环境研究,2000,5(2):205-213.

[25] 李凌霜,赵景波.1951年以来ENSO事件对中国西北不同气候区的影响[J].地域研究与开发,2016,35(4):166-171.

[26] 李林,李红梅,申红艳,等.青藏高原气候变化的若干事实及其年际振荡的成因探讨[J].冰川冻土,2018,40(6):1079-1089.

[27] 赵雪雁,张钦,王亚茹,等.近55a来青藏高原东部气候演变特征[J].干旱区研究,2015,32(6):1088-1096.

[28] 徐静,张鑫.青海省东部地区气候变化与ENSO事件关系[J].水文,2012,32(04):88-95.

[29] 李栋梁,何金海,汤绪,等.青藏高原地面加热场强度与ENSO循环的关系[J].高原气象,2007,19(1):39-46.

[30] 王郁晗,安福元,刘向军.距今2000年青藏高原湖泊水位下降的区域特征及机理[J].海洋地质与第四纪地质,2024,44(2):55-68.

[31] Jiang X W, Zhang T T, Tam C Y, et al. Impacts of ENSO and IOD on snow depth over the Tibetan Plateau: Roles of convections over the western north pacific and indian ocean[J]. Journal of Geophysical Research: Atmospheres,2019,124(22):11961-11975.

[32] 丛晓明.近40a青海高原主要气象灾害对ENSO的响应[D].西宁:青海师范大学,2013.

[33] 徐静. ENSO事件对青海省旱涝灾害影响研究[D].杨凌:西北农林科技大学,2014.

[34] 郭蓉,刘峰贵,陈琼,等.北宋后期黄河上游地区耕地格局重建——以河湟谷地为例[J].自然资源学报,2021,36(1):27-37.

[35] Irwin P G J, Teanby N A, Fletcher L N, et al. Hazy blue worlds: A holistic aerosol model for uranus and neptune, including dark spots[J]. Journal of Geophysical Research: Planets,2022,127(6):e2022JE007189.

[36] 张镱锂,李炳元,刘林山,等.再论青藏高原范围[J].地理研究,2021,40(6):1543-1553.

[37] Niyazi B, Hussain S, Elfeki A M, et al. Comparative evaluation of techniques for missing rainfall data estimation in arid regions: case study of Al-Madinah Al-Munawarah, Saudi Arabia[J]. Theoretical and Applied Climatology,2024,155(3):2195-2214.

[38] Caldera H P G M, Piyathisse V R P C, Nandalal K D W. A comparison of methods of estimating missing daily rainfall data[J].Engineer: Journal of the Institution of Engineers, Sri Lanka,2016,49(4): 1-8.

[39] Yogafanny E, Legono D. A comparative study of missing rainfall data analysis using the methods of inversed square distance and arithmetic mean [J].ASEAN Engineering Journal,2022,12(2):69-74.

[40] 马伟东. 青藏高原极端降水特征及洪涝灾害临界雨量估算[D]. 西宁:青海师范大学,2020.

[41] 罗静,郑国强,刘峰贵,等.青海高原1961—2019年暖冷昼(夜)日数比变化特征研究[J].自然灾害学报,2021,30(5):100-111.

[42] Barros V, Rusticucci M, Alves L M, et al. Observed trends in indices of daily temperature extremes in South America 1960—2000[J]. Journal of climate,2005,18(23):5011-5023.

[43] 信忠保,谢志仁.ENSO事件对淮河流域降水的影响[J].气象科学,2005,25(4):346-354.

[44] Zhang M J, Zhang S B. A frequency-domain test for multivariate white noise[J]. Journal of Statistical Theory and Practice,2024,18(2):22.

[45] Astfalck Lachlan C, Sykulski Adam M, Cripps Edward J. Debiasing Welch′s method for spectral density estimation[J].Biometrika,2024,111(4):1313-1329.

[46] 王潇,覃峥嵘,黄远盼,等.1960年以来ENSO事件对贺州市气候的影响[J].气象研究与应用,2023,44(3):21-27.

[47] 徐洁,王舒,肖高翔.不同分型厄尔尼诺事件对新疆汛期降水的影响[J].沙漠与绿洲气象,2016,10(3):53-58.

[48] Wu L H, Wang S J, Bai X Y, et al. Identifying the multi-scale influences of climate factors on runoff changes in a typical karst watershed using wavelet analysis[J]. Land,2022,11(8):1284.

[49] Pinault J L. Morlet cross-wavelet analysis of climatic state variables expressed as a function of latitude, longitude, and time: new light on extreme events[J].Mathematical and Computational Applications,2022,27(3):50.

[50] Gallegati M. A systematic wavelet-based exploratory analysis of climatic variables[J]. Climatic Change,2018,148(1-2):325-338.

[51] 刘蕊,杨青.新疆雨季降水量的小波分析及其与ENSO的响应关系[J].沙漠与绿洲气象,2008,2(5):15-19.

[52] 孙媛.近50a新兴江流域降水变化的Morlet小波分析[J].广东水利水电,2021,29(3):26-30.

[53] Torrence C, Compo Gilbert P. A practical guide to wavelet analysis[J]. Bulletin of the American Meteorological society,1998,79(1):61-78.

[54] 刘胜胜. 北极涛动对青藏高原东部冬季降水的影响[D].南京:南京信息工程大学,2022.

[55] 刘宪锋,潘耀忠,朱秀芳,等.2000—2014年秦巴山区植被覆盖时空变化特征及其归因[J].地理学报,2015,70(5):705-716.

[56] 张冲,赵景波.厄尔尼诺/拉尼娜事件对长江流域气候的影响研究[J].水土保持通报,2011,31(3):1-6+11-12.

[57] 陈晓艺,姚筠,王晓东,等.ENSO对安徽省旱涝灾害和粮食产量的影响[J].气象与环境科学,2023,46(6):24-31.

[58] 陈文,丁硕毅,冯娟,等.不同类型ENSO对东亚季风的影响和机理研究进展[J].大气科学,2018,42(3):640-655.

[59] 骆高远.我国对厄尔尼诺、拉尼娜研究综述[J].地理科学,2000,20(3):264-269.

基金资助

国家重点研发计划项目(2019YFA0606902)