105
ECOLOGY上海市公安局局长张学兵
区域治理作者简介：廖启迪，生于1993年，硕士研究生，研究方向为水文地质与工程地质。
基金项目资助：国家重点研发计划（项目编号：2016YFC0502603），国家自然科学基金资助项目（项目编号：41772292）。
*
同济大学土木工程学院地下建筑与工程系 廖启迪闰土的立方时空
摘要：水土地表流失和地下漏失导致贵州省石漠化现象普遍存在，而降雨是引起水土流失、漏失的重要因素之一。根据1984–2019年贵州省近40年的77个站点的气象观测数据，通过小波分析法对其进行降雨周期性分析，采用Mann –Kendall非参数检验法进行降雨趋势和降雨突变分析，克里金插值法进行降雨空间分析，结果表明：（1）1984–2019年期间贵州省降雨存在不同时间尺度上的周期性变化，主要存在2、20、35年的周期，其中20年为第一主周期。（2）近40年贵州省年降雨量存在一个减小——增大—— 减小——增大的趋势，其中1995–2002年存在显著增大趋势。降雨量变化主要存在两个突变点，从1999年开始突变递增，从2008年又开始突变递减。（3）贵州省降雨分布极不均匀，整体为西南部＞东南部＞东北部＞西北部，降雨季节性差异变化较大，夏秋季节降雨主要集中在西南部，春冬季节降雨主要集中在东南部。关键词：贵州省；降雨；时空分布特征中图分类号：P426.62
文献标识码：A 文章编号：2096-4595（2020）38-0105-0003
一、引言
贵州省石漠化面积达2.47万km 2，占贵州省面积的14.04%[1]。水土地表流失和地下漏失是引起石漠化的重要因素，而降雨又是水土流失、漏失的主要外营力。近年来全球气候发生变化，贵州省降雨也发生了不同程度的变化。降雨量特征的研究对水土流失、漏失和石漠化防治具有重要意义。
目前相关学者针对贵州省气候开展了不少研究，闫星光等对贵州省1951–2013年逐日降雨量数据进行分析，得出了其日降雨尺度下的时空分布规律[2]。草跃爽等对贵州省1980–2015年逐日降雨数据进行分析，得出了不同等级降雨日数的变化趋势[3]。张勇荣等研究了贵州省大降雨和暴雨的变化趋势以及降雨与海拔的关系[4]。彭菊等以贵州省1960–2014年的逐月降雨数据为基础，分析了贵州省不同地貌区月降雨量的趋势和变化特征[5]。张波等分析了贵州省降雨集中度和降雨集中期的分布特征[6]。张志才等对贵州省的极值降雨进行了分析，推出1960–2014年贵州省最大日降雨量呈明显上升趋势[7]。目
前，大多数研究是基于逐日或逐月的降雨数据，或者选取的站点较少，再或者单独选取某个季节，很少选取年降雨量数据来进行研究[8]。本研究采用小波分析法、非参数Mann–Kendall 突变检验法、克里金空间插值法等方法对贵州省年降雨量进行分析，可以系统地分析贵州省近40年的降雨时空分布特征，以期为贵州省水土流失、漏失和石漠化防治提供信息支持。
二、资料与方法
贵州省地处云贵高原东部，长江和珠江上游的分水岭地带，位
于103
°36'～109
°35’E ，
24°37’～29°13’N 。全省总面积17.62万km 2
，其中92.5%为山地和丘陵，地形支
离破碎，地貌类型复杂多样。全省平均海拔1100m 左右，最高2900m ，最低137m ，
自西
图
1 降雨小波系数图
图2 小波方差图
106
ECOLOGY 区域治理
向东逐渐降低，变化明显，形成三级地面。贵州省属于亚热带湿润季风气候，冬暖夏凉，多年平均降水量1100～1300mm ，降雨多集中于夏季。
降雨量资料来源于中国气象数据网（a）。春季、夏季、秋
季、冬季分别按3～5、6～8、9～11、12～次年2月进行划分。选取贵州省77个县级雨量站点1984-2019年的降雨量数据为研究基础，通过小波分析法分析其降雨周期，Mann-Kendall 突变检验法分析其降雨趋势，基于ArcGIS 软件采用克里金插值法，分析
液压元件
贵州省不同降雨指标空间变化特征。
三、降雨时间变化特征
贵州省多年平均（1984～2019年）降雨量为1111.5mm ，通过Matlab 来实现贵州省1984-2019年降雨时间序列的小波分析。图1为贵州省年降雨量时间序列进行Morlet 小波变换后的小波系数实部等值线图。图中信号振荡的强弱通过数值的大小表示，数值越大表示降雨量越大于常年，数值越小表示降雨量越小于常年。
由图1可看出，降雨量存在多重时间尺度上的嵌套复杂结构现象，2～５年、15～22年、32～36年在时间尺度上存在明显周期。
通过降雨小波方差图(图2)可以看出，波峰出现在周期为2年、20年、35年3处，最高峰值出现在周期20年处，说明第20年左右的周期振荡最强，为第一主周期，第二、第三主周期分别为2年、35年。
运用Mann-Kendall 突变检验法，对贵州省近40年降雨量进行降雨趋势和降雨突变分析。UF、UB 是分别按正逆序列计算出的统计量序列，UF ＞0序列表现为增加趋势，UF ＜0序列表现为减少趋势，当|UF|＞1.96时表明变化趋势显著，通过95%信度检验，UB、UF 的交点为序列突变点。根据图3可知，贵州省年降雨量从1984–1991年呈现逐年减小的趋势，1991–2011年呈现逐年增大的趋势，其中，1995–2002年呈现显著增大趋势，2011–2018年降雨量呈现递减趋势，2018年以后又呈现递增趋势。UF 和UB 曲线于1990年和2008年相交，这两年是降雨趋势发生突变的主要时间节点，从1990年开始，降雨有逐渐增大的趋势，2008年降雨有逐渐递减的趋势。
综上所述，贵州省降雨周期性变化显著，主要存在一个20年的降雨主周期；降雨趋势反复，主要呈现减小——增大——减小——增大的趋势，其中，1990年和2008年分别为降雨趋势发生突变的时间节点，从1990年开始降雨有逐渐增大的趋势，从2008年开始降雨有逐渐减小的趋势。
四、降雨空间变化特征
贵州省地处云贵高原东部，地貌类型复杂多样，全省海拔自西向东逐渐降低，降雨时空分布受亚热带湿润季风气候等因素影响。通过克里金插值法，对贵州省多年平均降雨进行插值分析，分别得出春夏
星绕网秋冬四个季节的降雨空间分布图，从图4可以得出，夏秋两季降雨主要集中在贵州省的西南部，春冬两季降雨主要集中在贵州省的东南部。
贵州省的降雨整体上是西南部＞东南部＞
（下转第134
页）
图4 贵州省多年平均降雨
图3 1984–2019年贵州省年降雨量的M-K 突变检验
区域治理CASE
m＝ρh/Qj
m——钢丝绳的安全系数
ρh——钢丝绳破断力总和
Qj——钢丝绳静拉力
Q j=g.（Q车+Q m a x）×(sinθ+f1cosθ)+g.p.L(sinθ+f2cosθ) =9.8×(2000+6800)×(sin40°+0.02c os40°)+9.8×163.81×300×(sin40°+0.2c os40°)
=373701.25N
安全系数m=ρh/ Qj=3193672.02/373701.25=8.54＞6.5式中：Qj---钢丝绳静拉力
n---牵引小车数辆：n=1辆
θ—运输坡度：
环氧树脂模具
θ=°(sin40°=0.6427cos40°=0.766)
L---钢丝绳长度：L=300m
m---钢丝绳的安全系数：
p---钢丝绳每米重量，6×37-21.5为
P=163.81kg/100m
f1－运动的阻力系数：（f1=0.01－
0.02）取0.02
f2－钢丝绳与托轮间的摩擦系数：
（f2=0.15－0.2）取0.2。
为确保运输期间的安全，钢丝绳选用：
6*37，绳径21.5。
五、结束语
公司承建的夹岩水利枢纽及黔西北供
水工程毕大供水1标工程于2015年10月正
式开工建设，高陡坡双排压力管道安装于
2019年6月正式开始施工，建设历时约6
个月，施工过程中采用该技术能使工期、质
量最优化，并采用本施工方法能在工程施工
中做到资源节约，从而将有效的资源得以更
好地利用，可供类似项目借鉴和参考。
参考文献
[1]王希勇，文礼亚，袁宗明等.含缺
陷压力管道失效的模糊综合评判[J].石油
工程建设,2004(5):6-9.
[2]中国化工装备协会.压力容器制造
设计许可评审中企业普遍存在问题的综述
[J].中国化工装备,2009,11(1):27-31.
（上接第106页）
东北部＞西北部。这主要是由于经纬度和海拔因素的影响，通常来说降雨量与经度成正相关关系，与纬度和海拔成负相关关系。贵州省的西南部为岩溶断陷盆地，东南部为非喀斯特地貌，东北部为岩溶槽谷，西北部为岩溶高原。这表明地形地貌对降雨影响至关重要，故造成降雨西南部和东南部发生逆转的现象。
五、结论
贵州省降雨序列存在以20年为第一主周期，还伴随以2年、35年分别为第二、三主周期的周期性变化，
降雨量的变化趋势与时间尺度之间具有紧密联系。近40年，贵州省降雨存在一个先减小后增大再减小又增大的趋势，其中1995–2002年存在显著增大趋势。降雨变化主要存在两个突变点，从1999年开始突变递增，从2008年又开始突变递减。降雨季节性差异变化较大，夏秋
季节降雨主要集中在西南部，春冬季节降雨
主要集中在东南部。贵州省的降雨分布极不
均匀，整体上呈现西南部＞东南部＞东北部
＞西北部，这主要是由经纬度和海拔因素造
成的，通常来说降雨量与经度成正相关关系，
与纬度和海拔成负相关关系。西南部的岩溶
断陷盆地因为海拔更低的原因，降雨反而比
东南部的非喀斯特地貌更多。
参考文献
[1]国家林业和草原局.中国岩溶地
区石漠化状况公报(简版)[N].人民日
报,2018-12-14(012).
[2]闫星光，吴琳娜，宋具兰，王东东,
刘继庚.1951-2013年贵州省降水时空分布
研究[J].科技通报,2019,35(2):20-25.
[3]莫跃爽，索惠英，焦树林，赵宗权,
张洁，赵梦.1980-2015年贵州省不同等级
降雨日数时空变化特征[J].水资源与水工
程学报,2020,31(3):88-96.
[4]张勇荣，马士彬，闫利会.贵州省
近55年降水事件变化特征[J].长江科学院
院报,2017(1):40-44.
[5]彭菊，周秋文，韦小茶，唐欣，梁
建方，闵思艳.贵州省1960-2014年降水量
时空变化特征分析[J].水资源与水工程学
报,2019,30(5):1151-157.
[6]张波，谷晓平，古书鸿.贵州山区
降水集中度和降水集中期的时空变化特征
[J].水文,2017,37(6):63-67.
[7]张志才，陈喜，王文，石朋.贵州
降雨变化趋势与极值特征分析[J].地球与
环境,2007(4):351-356.
[8]李婷.贵州夏季降水时间序列
分析[J].贵州师范大学学报(自然科学
版),1988(2):78-82.
（上接第132页）
离约为50km；通过无线网络连接的广泛通信网络国家或被世界可以实现无限的控制[4]。
第三，大型自动化灌溉系统。大型自动化灌溉系统主要是依据作物种植面积、植物品种以及土壤气象等因素进行规划设计的，并根据设计采购控制设备、管网材料、管件、电气仪表等设备。
第四，智能灌溉系统模式。智能灌溉系统的结构与自动灌溉系统基本相同。智能灌溉系统硬件中所使用的设备具有自管理功能，软件具有学习、分析和决策功能。可以归纳为五个层次：智能控制层、分析决策层、数据存储层、信号传输层和信息收集层。
（1）智能控制层：分为三部分：①中央控制室配备工业控制计算机或小型计算机，室内安装适应当
地灌溉需要的学习系统、分析系统、决策系统等软件；②智能控制柜下位机系列负责信号处理、上位命令调度等任务；③各级管道灌溉系统负责控制命令的
执行和灌溉任务。
（2）分析决策层：智能灌溉系统和自
动灌溉系统的主要区别在于决策水平。通过
对系统软件的分析，将智能灌溉决策与历史
灌溉数据、灌溉经验、灌溉实例及相关信息
切削机与各灌区采集的数据进行比较，优化出最佳
灌溉方案。
（3）数据存储层：主要有两种数据存
储器，音视频模拟信息存储器和数字化存
储器。
（4）信号传输层：为了获取其他相关
系统的灌溉经验，智能系统必须连接到局域
网、内网和社交网络。信号传输主要依赖于
三种可能性：有线连接、无线和互联网。
（5）信息收集层：它主要收集系统的
记录和日常灌溉数据，并邀请它到中央控制
室储存，以收集自己的灌溉经验。同时，
还不断收集外来灌溉经验。
四、结束语
通信技术作为当前最先进的数据传输与
处理技术，将之运用到现代化农业生产过程
中，将有效降低农业生产人力物力以及生产
成本，将有效提高农业生产经济效益与社会
效益，为我国农业智慧化、现代化发展奠定
了基础。
参考文献
[1]段玮.农田水利节水灌溉发展策略
探讨[J].南方农业,2020,14(8):181-182.
[2]高微.农田水利灌溉存在的
问题及节水灌溉措施[J].绿环保建
材,2020(2):238.
[3]武宜壮.连云港市农田灌溉水有
效利用系数测算及其变化特征分析[J].治
淮,2020(2):16-19.
[4]高艳丽.探析农业农田水利灌溉与
排水工程管理[J].中阿科技论坛(中英阿
文),2020(2):95-97.
134
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议