1. 引言

黑土是一定的地形地貌在较寒冷气候条件下，地表植被经过长时间腐殖演化而形成，有机质含量多在4%~12%之间 [1] [2] ，世界主要黑土区均为重要粮食生产区。中国东北黑土区作为世界上仅有的3大黑土区之一 [3] [4] ，是我国第一大黑土区，是我国重要的商品粮生产区，是中国粮食安全的压舱石。然而东北黑土区独特的自然环境与人为活动使其成为我国土壤侵蚀潜在危险性最严重的区域 [5] [6] 。已有研究表明气温变化可显著影响土壤中微生物的活动以及营养元素循环 [7] ，从而进一步影响粮食生产 [8] 。而随着全球变暖，东北地区已成为气温变化显著的区域之一，因此厘清东北黑土区气温变化对于保障国家粮食安全极具现实意义，同时对于减缓黑土区土壤养分流失有重要的学术意义。

目前关于气温变化不同学者关注的研究区域有所不同，目前大多数学者主要集中于对于全球气温变化 [9] 、中国气温变化 [10] [11] 、中国三大积雪区气温变化 [12] [13] [14] [15] 的研究。例如沈贝蓓(2021)等学者利用7套再分析数据(CRU、NCEP/NCAR、NCEP/DOE、ERA5、GHCN-CAM、JRA55)研究1981~2019年全球气温变化特征，发现1981~2019年全球陆地年平均气温以0.320℃/10a的速率呈极显著升高趋势，年平均气温增加了0.835℃ [9] 。然而也有学者利用全球实测气温数据结合再分析数据发现1998年后在全球陆地平均温度的长期变暖趋势中出现过一个相对停滞的间歇性时段 [16] 。罗雯等(2020)利用CRU数据研究发现全球变暖间歇期暖季气温持续上升，与寒季呈现相反的趋势对比 [17] 。而关于中国气温变化特征，大多数学者认为中国气温呈上升趋势。例如宋文起(2023)基于中国2479个气象站点研究发现1981~2015年全国平均温度显著增加 [10] 。胡盈盈(2021)等利用76个气象站点资料研究发现1961~2015年中国热区年均温、年均最高温、年均最低温分别以0.09℃/10a、0.07℃/10a、0.13℃/10a的速率呈上升趋势 [11] 。

综上可见，全球变暖背景下，不同地区气温总体呈上升趋势，但由于不同学者所用研究数据不同导致研究结果略有差异。而关于东北地区气温变化虽然已有众多学者进行了相关研究与，但是进一步关于黑土区气温文化特征目前尚不清楚。在全球变暖以及黑土严重流失的背景下，亟待明确东北黑土区气温变化情况，因此本文基于NCEP/NCAR数据，研究1979~2020水文年东北黑土区近地表气温变化特征。

2. 研究区概况

东北黑土是世界三大片黑土之一，主要分布在我国黑龙江和吉林两省黑龙江省黑土总面积为482.5万公顷，占全省耕地总土地面积的31.24% [18] 。本文所选用黑土区基于杜国明等学者的划分方法，将黑龙江省大部、吉林省大部、辽宁省北部以及内蒙古自治区东五盟(市)的146个县级行政区划定为东北黑土区 [19] ，如图1 (图1来源于杜国明等学者研究区，地理坐标系为GCS_WGS_1984，基准面为D_WGS_1984，本初子午线为Greenwich)。

3. 资料来源与方法

3.1. 资料来源

NCEP/NCAR (National Centers for Environmental Prediction-National Center for Atmospheric Research: NCEP-NCAR)数据资料是由美国环境预报中心(NCEP)和国家大气研究中心(NCAR)联合推出的再分析资料，包含气温、气压等多项气象要素资料，空间分辨率为2.5˚ × 2.5˚，时间尺度为1948年至今。本文所用数据为近地面气温月均值数据，时间尺度为1979年7月~2020年6月，网址为：https://psl.noaa.gov/。

3.2. 研究方法

本文水文年定义方法主要参照王慧(2021)等学者，具体为将7月1日至次年6月30日定义为一个水文年 [20] 。

本文所用研究方法主要为：

1) 线性趋势分析法

建立气温与所对应时间的一元线性回归方程，以线性函数来拟合原序列：

$y=ax+b$ (1)

式(1)中a的绝对值表示变化速率的大小。a的正负表示该资料序列随时间变化的方向。

2) Mann-Kendall突变分析

该方法不要求时间数据序列的独立性和正态性 [21] 。Mann-Kendall趋势分析就会定义出该像素点上每个指标的时间序列。Mann-Kendall趋势分析定义了一个符号变量(s)，用于计算时间序列中任意两点之间的比较符号。

$s={\displaystyle \underset{i<j}{\sum }\mathrm{sgn}\left(X_j-X_i\right)}$ (2)

其中X_i和X_j分别为第i年和第j年。符号函数，当sgn(X_j − X_i) > 0时，sgn(X_j − X_i)为1；当sgn(X_j − X_i) < 0时，sgn(X_j − X_i)为−1。设n为时间序列的长度，Mann-Kendall趋势是一个等级相关系数(τ)，计算公式如下：

$\tau =\frac{s}{n\left(n-1\right)/2}$ (3)

(3)式中给出了τ在[−1, 1]范围内变化时各时间序列的变化趋势。τ > 0为增加趋势，τ < 0为减少趋势。Mann-Kendall趋势的统计学显著性采用标准化双侧z检验(显著性水平α = 0.05)。采用符号变量(s)和方差(var)，计算Mann-Kendall检验统计量Zmk如下：

$Z_{mk}=\{\begin{array}{c}\frac{s-1}{\sqrt{\mathrm{var}\left(s\right)}}\\ \frac{s+1}{\sqrt{\mathrm{var}\left(s\right)}}\end{array}$ (4)

3) 方差分析

方差分析是检验多组样本总体平均数的假设测验方法，是将总变异剖分为各个变异来源的相应部分，从而发现各变异原因在总变异中相对重要程度的一种统计分析方法。

$F=\frac{\frac{S{S}_A}{r-1}}{\frac{S{S}_E}{n-r}}$ (5)

(5)式中：统计量F服从自由度(r − 1, n − r)的F分布；SS_A为组间离差平方和，反映各组间的差异；SS_E为组内离差平方和，反映各组内的差异；n为样本数；r为试验组数。F > 0.05，说明组间的变异大于组内变异，各组样本总体平均数具有显著差异，来自于不同的总体。

4. 结果分析

4.1. 东北黑土区年均气温时间变化特征

1979~2020年东北黑土区年均气温2.20℃，年均最高气温3.88℃，时间为2001年，极冷年份为2009年，年均气温为0.97℃，近42年年均最大温差2.91℃。通过趋势分析发现(如图2)，1979~2020年东北黑土区年均气温成极显著上升趋势，变化速率为0.31℃/10a (P < 0.01)，近42年气温升高了1.30℃。MK检验结合距平图分析发现，1979~2020年东北黑土区年均气温于1994年发生突变。

4.2. 东北黑土区各月气温时间变化特征

统计1979~2020年东北黑土区各月均值发现(如表1)，东北黑土区气温存在明显的月份差异。气温最高月份为7月，平均气温为20.86℃，8月其次，平均气温为18.94℃，6月、9月、5月、4月、10月、3月、11月、2月、12月、1月依次降低，平均气温分别为18.45℃、12.17℃、12.12℃、2.97℃、2.23℃、−7.40℃、−10.13℃、−15.35℃，1月份平均气温最低，为−19.63℃。方差分析显示除10月与4月、5月与9月、6月与8月外各月气温均存在显著差异(图略)，进一步说明东北黑土区年内气温差异性较大。趋势分析发现，除12月外，东北黑土区各月气温均呈上升趋势，12月气温以−0.26℃/10a的速率下降，但未通过95%显著性检验。

注：^**代表通过99%显著性检验，^*代表通过95%显著性检验。

5. 结论

本文利用再分析数据研究1979~2020年东北黑土区气温时间变化特征，与已有相关研究相比进一步明确了东北局部区域内气温变化特征，为明确全球变暖背景下局地气温变化特征做出参考与贡献，东北黑土区气温时间变化特征具体如下：

1) 1979~2020年东北黑土区年均气温年际分布特征为41年年均气温为2.20℃。年际变化特征为年均气温以0.31℃/10a (P < 0.01)显著上升趋势，说明在全球变暖背景下，东北黑土区气温同样也变暖。

2) 通过对近42年12个月份东北黑土区气温变化情况分析发现，1979~2020年东北黑土区各月气温年际分布特征为年内最高气温出现月份为7月，平均气温20.86℃，最低气温月份为1月，平均气温−19.63℃。气温最高月份以及气温最低月份年际变化特征为1979~2020年7月份气温以0.51℃的速率显著上升；1月份平均气温以0.31℃/10a的速率显著下降。

参考文献