原文

，卷:13(3)

• 查看PDF
• 下载

埃塞俄比亚南部博拉纳地区牲畜生产的气候变率评估和本地化气候预测方法的开发

*通信:

Dandesa T埃塞俄比亚亚的斯亚贝巴国家气象局电话:+ 251913356526;电子邮件: (电子邮件保护)

摘要

这项研究调查了季节性的气候利用该地区1983-2014年记录的月降雨量和温度数据，评估其在减少与气候有关的对Borana地区牲畜生产力的危害方面的社会和经济价值。还使用统计方法对Borana地区3月- 4月- 5月降雨量和模式的预测潜力进行了检验。有鉴于此，本文运用多元统计技术对季节雨量进行分析和预测。全球和区域气候过程对博拉纳地区的长雨季产生了不同的影响。这也相对地反映在区域和地方上气候驱动程序。结果表明，ENSO与均匀降水体系之间的滞后关系El Niño对博拉纳地区长雨季具有较强的可预测性。此外，研究表明，在过去十年中，长时间的降雨(3月- 4月- 5月)减少了，而整个季节的温度都在上升。总体而言，这项研究的结果表明，中至重度干旱是反复发生的，特别是在主要雨季，这是利用科学方法提前很好地预测的气候预测工具。，Localized seasonal气候因此，预测工具将有望通过利用及时和当地特定的天气和天气来加强社会对各种与气候有关的灾害的准备气候预测。

关键字

ENSO;均质区;可预见性的技能;雨季

介绍

干旱和半干旱土地(ASAL)覆盖了非洲大陆近三分之二的面积[1]。在非洲国家中，埃塞俄比亚是东非养牛最多的国家，约有2950万头牛，占东非约9000万头牛总数的近30% [2-5]。此外，埃塞俄比亚有非洲最大的牲畜种群，接近60%的土地，埃塞俄比亚的地区是牧区，其中大多数居住在博拉纳区。因此，评估气候变异并分析其对牲畜数量的影响对干旱和半干旱地区的牧民和农牧民具有巨大的优势[1]。(6)记录气候可变性是一种方式气候每年在长期平均值之上或之下波动。这是农村地区的个人和社区有权应对的普遍压力之一。人类几千年前就认识到……的重要性气候生命维持的可变性，无论这种可变性是以干旱、洪水、热、冷或风的形式表现出来的[7]。牛的种群，大多是敏感的气候多变性，位于干旱地区[8]。牧民和农牧牧民直接或间接地依赖于他们的牲畜产品，因此他们开发了多种应对干旱的机制，在过去，他们适应得非常好气候变化(1]。最近，在气候降低了牧民对他的或的信心她的拥有自己的预报员，越来越多地寻找现代科学的天气预报。然而，挑战在于根据农民的需要，通过适当的方法提供可靠的预测。根据[9最近，传统的方法(就像过去20年一样)似乎更难以预测。

然而，目前博拉纳的牲畜生产系统正面临着各种压力，如退化、牧场缩小和反复发生的气候冲击，压力越来越大[10-13]。干旱的频率和强度不断增加，加剧了这些压力因素的影响，这也破坏了传统的应对策略，加深了博拉纳牧民的脆弱性。牛是家畜物种最容易受到水和饲料短缺的影响，包括缺乏不稳定的降雨，可导致牲畜在质量和数量上的严重退化和损失。高温对动物的伤害也会降低动物的采食量并导致不良的性能生长[14，15]。

季节性气候天气预报显示了今年的降雨量与往年相比可能有多大变化，因此被认为是有助于做好准备和适应的信息气候变化(16]。同样，能引起大规模天气破坏的海表温度变化的最重要特征是El Niño及其对应的La Niña，即赤道太平洋接近整个盆地范围的增温和降温，被称为ENSO [16]。

近年来，地方化气象监测系统不断扩大，牧民乐于接受和实践预警防范。气候预测是最大限度地减少干旱等与气候有关的危害，以提高牲畜生产的数量和质量的最重要手段之一。例如，[17]指出气候预测在防治干旱和疾病中起着重要作用，而干旱和疾病是高度敏感的气候可变性。

随着对有效干旱和疾病早期预警系统(EWS)的需求不断增加，最近在可用性方面取得了进展气候环境数据和地理信息系统(GIS)的使用增加遥感使气候从技术角度来看，基于EWS的系统越来越可行。

本研究首先旨在评估气候变异及其对牲畜种群的影响，并进行本地化研究气候其次，该方法将Borana地区的降雨模式划分为均匀的降雨模式，从而开发出熟练的预测模型对于每个均匀的降雨情况。最后，该研究旨在量化ENSO和其他海洋和大气现象与MAM降雨之间的统计关系，使政策制定者、规划者和一般社区能够监测、测量和减轻极端气候的影响。总的来说，这项研究的结果旨在为当地的发展提供有价值的信息和科学知识气候预测和缓解气候冲击，如干旱和洪水。此外，预计它将有助于持久的早期准备和努力气候为博拉纳的牲畜生产系统提供弹性，并改善人民的生计。

研究区域描述

这项研究是在Borana地区进行的，该地区位于埃塞俄比亚低地的南部大部分地区，总土地面积约95,000公里²在336'N-6038'N和33043'E -39030'E之间，从北部2702米缓慢倾斜到最南部约496米，与肯尼亚北部接壤(图。1）.

该地区仍然主要是由平坦的平原组成的牧场，形成了该范围的主要部分。牛是迄今为止最重要的牲畜物种为博拉纳牧民所拥有，约占该地区牲畜总拥有量的90% [18]。该地区属于干旱和半干旱地区，年平均降雨量为238毫米至896毫米，平均日气温为19°C至26°C [19]。年平均雨量由南部的300毫米至北部的900毫米不等[20.]，降水呈双峰型，3月至5月为长雨季(Ganna)， 9月至11月为短雨季(Hagayya)，其后为两个旱季。剩下的两个季节被称为旱季。

数据和方法

数据

的气候研究区域的数据来自本地和国际气候中心。埃塞俄比亚国家气象局(NMA)的13个气象站提供了观测站级的网格(10 kmx10 km)降雨数据(1983-2014年)和地表气温数据(1980-2011年)。海洋表面温度(SST)数据由NOAA/NCEP和国际海洋科学研究所提供气候协会(IRI)以及其他国际预测中心(https://www.ncdc.noaa.gov/和http://www.ncep.noaa.gov/).The从亚贝洛农业研究中心、亚贝洛牧民发展办公室和埃塞俄比亚中央统计局(CSA)获得的牲畜种群。漏报数据按【21]的建议，该建议建议，如果至少80%的记录年份可用，则允许遗漏数据，连续遗漏年份不超过3年。

方法

均匀雨量区:利用地面观测的格点气象资料将Borana地区的降水划分为均质降水区，干旱半干旱区的降水空间变异性较大，因此将该地区划分为均质降水区是非常有用的。将雨量划分为均匀雨量模式[22，23]采用主成分分析。在本研究中，我们还使用了统计包中内置的主成分社会科学(SPSS)软件20，为波拉纳区主雨季同质性(MAM)。分类的重点是利用主成分分析(pca)确定代表研究区域的标准化降雨异常数据。

该地图是通过对主要成分和区域的各种组合进行仔细分析而生成的。在13个这样的组合中，第一个pc的总方差更大，1种情况下选择的噪声最小。月雨量模式相关性强且相距较近的气象站往往聚集在一起，形成三个均质雨量区。

利用1983-2004年sst的过去记录来建立模型。JF sst的平均值已用于预测Borana区的MAM降雨。逐步多元线性回归应用于选择具有潜在预测能力的预测因子，并在额外的预测因子不再显著提高预测能力时离开。所有系数在95%水平上均有统计学意义模型“拟合优度”在99%时显著。回归预测显示在培训期间(1983-2004年)和独立验证期间(2005-2014年)。

Kaiser-Meyer-Olkin (KMO)和Bartlett检验:采用Kaiser-Meyer-Olkin抽样充分性统计量检验因子分析，其值在0 - 1之间，接近0表示因子分析不恰当，接近1表示因子分析恰当。替代标准建议可接受的值大于0.5。凯撒标准分为一般(0.5-0.7)、良好(0.7-0.8)、极好(0.8-0.9)和极好(>0.9)。采用Bartlett显著性检验标准(p<0.001)。提取后的Kaiser Criterion社群性大于0.7，变量小于30。

季节性气候预测方法

统计气候预测方法:在季节性气候预测方法气候预测是我们最熟悉的方法之一。24]。在我们目前的研究中，一个月领先的统计预测模型利用典型相关分析(CCA)技术开发了将月sst值与降雨异常预测联系起来的程序气候国际研究所的可预测性工具(CPT)气候预测与社会[25]。

范登[26]建议使用降雨标准化，因此在CCA技术中，从每个区域选择标准化的长年降水异常，将季前月份的月sst异常的模式作为预测因子，而将观测到的降雨异常数据作为预测因子。在CCA原则下，与季节降水异常有显著相关的预测因子是由与目标月份各自降雨带有较强关系的海洋区域识别的，其中考虑了阈值相关(r)值≥|0.3|，这相当于被解释方差的至少10% [27]。

最佳预测因子的选择:将各区域标准化降水异常替换为所有选择的潜在预测因子(NIÑO 3.4, NAO, IOD)后，f比为95%，p值<0.05,R²选择R>50%显著水平建立模型。所选的预测因素将被确定为通常要测试或包含在模型这应该被用来做预测。标准方法是在最终回归方程中只包括那些有助于显著减小误差的预测因子[28]。

数据分析

降雨和温度异常分析:采用标准化降水指数(SPI)对降水和气温的变化趋势进行了分析。它提供了基于降雨总量标准化的相对降雨量的区域平均指数，并按季节和年度计算。根据[29]，计算降雨、海温和地表气温年际变率的标准化异常Z为

（2）

式中，x为年平均值，为长期均值，SD为标准偏差。年降雨量变率是用变异系数(CV)计算的，其表示为

(3)

其中CV为变异系数，SD为标准差，为长期降雨量平均值。降雨变率的程度，即CV，可分为低变量(CV<20%)、中等变量(CV 20% ~ 30%)和高变量(CV> 30%)，中等变量的CV可分为高变量和易受干旱影响，如[30.]。

雨量与牲畜数量的关系

用相关和回归进行检验的关系季节性和年度降雨量与牲畜数量(牛、骆驼和山羊)之间的关系。分析了年际降水的变化规律和牲畜种群的波动规律，以便更好地了解降雨-牲畜种群的关系在博拉纳地区。同样，降雨量、海表温度(SST)、地表气温与牛群之间采用简单相关和多元回归分析，采用SPSS version 20、INSTAT+ 3.37等适当的统计软件进行分析[31]。本文利用arcgis 10.1版软件分析了降水和气温的空间分布。

结果与讨论

博拉纳地区降水空间分布特征

Borana地区3 - 5月为主要雨季，降雨格局由西侧开始，向北、西南方向轻微传播，中部地区逐渐覆盖(图。2）.在决定初级生产力方面，降雨的季节分布比总量更重要[32]。

干旱地区降雨的不稳定性质，其中全年总降雨量的很大一部分在几天内，并通过径流和蒸发迅速损失，因此季节性的降雨量和分布比全年总降雨量更能说明降雨量不足[33]。还指出，与季节分布模式相比，年总降雨量并不是一个很好的指标，以确定降雨量的不足。因此，注意降雨的季节分布，在把雨量不足与其负面影响联系起来时，实际上是非常重要的。

如图。2在雨季的第一个月，即三月，该区西部及西南部雨量分布良好。相反，该区东部和东南部降雨量较少。在4月至5月期间，在该区观测到的降雨模式大致相同(图2 b。和2摄氏度）.

在图2 d。，在MAM季节，该区北部地区雨量分布良好，而南部地区雨量分布欠佳。最大MAM雨量出现在区域北部，主要是温和高地，而最小雨量出现在区域南部，可能主要是牧区。

总的来说，博拉纳地区北部为温和高地，降水模式较好，而南部地区降水分布相似，但有限。

博拉纳地区降雨的时间变异性

由于4月和5月的雨量呈下降趋势，故过去30年的季节雨量变化估计有所减弱。此外，[34]，证实了在大阳月期间的季节性降雨是不稳定的，其模式在数量上变化很大。图。3揭示了研究地区主要雨季的总降雨量已经减少。与长期平均总量相比;这意味着年降雨量以每十年0.17的速度减少。从线性趋势分析的结果还可以清楚地看出，年降雨量的下降主要是因为4月和5月降雨量的大幅下降，这是由于MAM季节随着时间的推移而减少。类似的结果已被观察到是家畜死亡的主要原因。就第二季而言，牧民和农牧民高度依赖主季降水。因此，季节降雨量的减少导致了大量牲畜的死亡。

如图所示图。4，从1983年至2014年，在MAM季节，该区的降雨量低于或高于正常水平。红色表示降雨从中等到极端干旱的年份，而绿色表示降雨从中等到极端潮湿的年份。

很明显，如图所示，在MAM季节，32年中有10年是区域，32年中有4年是中度到极端区域。因此，博拉纳区干旱半干旱地区在1988-2004年间有17年处于接近正常至中度干旱的状态(图。4）.其中，1991年、1992年、1999年和2000年发生了4年干旱，严重影响了大量牛的死亡。以年降水量为例，从趋势分析可以看出图4 b。，该区32年中，7年为中度至极端湿润，8年为中度至极端干旱。注意，季节性或年度降雨标准化异常小于负1(<-1)表示严重和极端干旱。

Borana地区的年降雨量格局

博拉纳地区横跨赤道，经历双峰季节模式:漫长的雨季从3月开始，一直持续到5月，高峰集中在4月;9月至11月为短暂的雨季(与地带同期)，10月为雨量高峰(图。5和图6。）.

ITCZ的来源是热力的发展低地中海上空扰动的产生和传播，有时与阿拉伯海上空的东浪和高压发展相结合。这些中纬度低气压与热带系统的相互作用，伴随着热带急流和热带急流，以及红海辐合带(RSCZ)的偶尔发展[34，35]。因为太阳在21日在赤道上^圣三月，回归线癌症22日^nd6月22日再次到达赤道^nd12月。太阳和地球之间的相互依赖，因为太阳的热量导致了一个低压区，它围绕着地球，大致平行于赤道，并随着太阳向北和向南移动，通常滞后4到6周[36]。ITCZ是南北半球信风汇合的结果，具有相对低压的特征。区内天气相当不稳定，有广泛多云、间或雷暴、降水及中至强风[37]。因此,季节性气候热带地区的特征主要依赖于ITCZ的运动，它增强了气团的运动。

与地形和全球海温相有关的年降雨量，在最高海拔地区每年可达1107毫米低高原只有534毫米。整个区域的季前降雨量不足432毫米，特别是区域南部周围地区。的图4 b。还表明年降雨量是高度可变的，特别是在干旱和半干旱地区，而且不可靠农业和牲畜。

观测期间各区年平均降水量均为738 mm，标准差变异系数分别为184 mm和24.7%。根据[30.]时，可认为变异为中等。因此，年降水量变率均为中等变率。一般而言，32年中有17年雨量低于平均水平(图。4）.1984年、1991-1992年、2000年、2004年和2011年大旱年平均MAM季节降雨量分别下降37.8%、22%、23%、34%、24%和34%。

Borana地区MAM季节总降雨量也发生时空变化，从248 mm扩展到432 mm，标准差为58.8 mm，变异系数为17.5%。这个季节是该地区的主要雨季，博拉纳社区在此期间完成了许多活动(表1）.

表1:与仆从线圈相关的品质。

降雨变化对牛死亡率的影响

降雨标准化异常的季节模式表明，干旱是由长雨和短雨的连续失败所揭示的(图。7）.类似地，as [38]的记录显示，博拉纳地区的干旱是由于长期降雨的连续失败。此外，时间序列清楚地表明，1984年、1992年、2000年、2004年、2009年和2011年发生的干旱与长雨季的失败直接相关(图。7）.然而，发生在1991年和1999年的干旱事件与长、短雨季的缩短和不良表现有关。近年来，干旱日趋严重且反复发生，1983-2014年每4 ~ 6年发生一次，如Borana地区发生的干旱年份中，70%是由于长雨季的减少而发生的，30%是由于两个雨季的减少而发生的。1983/84年和2010/11年发生在博拉纳地区的干旱事件被认为是广泛影响该地区的最严重事件。

作为干旱衡量标准的标准化降雨异常和百分位数

在博拉纳地区，干旱发生的原因要么是长时间降雨不足，要么是短时间和长时间降雨均低于平均水平。如图。7在1983-2014年的32年中，长雨和短雨分别有10年和9年低于平均水平。然而，如果长雨及时恢复，单是短雨的失败可能不会导致干旱。纯粹基于降水的干旱指标可以很好地全面了解形势。根据[38]比较了东非不同的干旱指数，得出的结论是，修正的SPI是监测东非干旱的最佳指标。在与降雨变化相关的周期性严重干旱期间，牲畜遭受严重损失的风险是畜牧饲养者面临的最严重威胁之一。

当标准化降雨量(通常是第一次降至零度以下)开始于干旱，并以第一个正值结束[29]。此外，干旱测量表明，降水低于30 - 20百分位可能表示轻度干旱(干旱年)，20 - 10百分位为中度干旱，低于10百分位为重度干旱[39]。

作为图8。以1984年、2000年和2011年的干旱为例，分别为3、6和9个百分位。1999年、2004年和2008年分别为中度干旱，百分位数分别为19、16和13。1991年、1992年和2009年发生轻度干旱(干旱年)，百分位分别为(28、25和22)。

从1983年到2014年，干旱大致分为轻度干旱(干旱年)、中度干旱和重度干旱。与降雨百分数相似的还有明显与干旱事件密切相关的降雨异常。例如，1984年、2000年和2011年严重干旱年的标准化降雨异常值分别为(-1.5、-1.4和-1.34)。

相关分析用于衡量种群动态的影响。结果表明，长雨季牛(r=0.629, p<0.05)和山羊(r=0.762, p<0.01)与气温呈正相关。而骆驼与温度呈正相关(r=0.623, p<0.05) (表2）.长、短雨与牛数季节变化呈正相关，与长雨相关性显著(表3)及[38]。年平均气温与牛数呈显著负相关。山羊、骆驼数量与年平均气温呈正相关;这一点很重要(表3)及[38]。相反，山羊和骆驼与长雨均呈负相关，但不显著。在Borana地区，牛的生产性能主要取决于漫长的雨季(表4）.

表2:依志平片中XIP含量的测定。

表3:之间的关系气候博拉纳牧区反刍动物种群的变化与动态。

表4:因变量(牛、山羊和骆驼)与预测因子(降雨量和温度)之间的相关性。

许多学者指出，研究区域通常以持续的双峰型降雨为人所知[34]。同样在图9。确定研究区域为双峰降雨系统下的清晰落点。

清楚地了解MAM主要特征的可变性，对于博拉纳牧民和农牧牧民管理牲畜、进行总体农业规划，特别是减轻反复发生的干旱的不利影响，并在降雨充足时充分利用这些不利影响至关重要。对博拉纳地区的牧民和农牧社区来说，预计3月的第一周是可能的种植日期。

如所述图10。其中，1984年、1991年、2000年和2011年是博拉纳地区牛死亡人数最多的严重干旱年份，而1986年、1987年和2010年是博拉纳地区最潮湿的年份，尤其是长雨季。在上述年份观察到的干旱大多造成牛死亡(图。7)由于长雨季的减少。在这几年中，降雨量的减少逐渐成为3月降雨的失败图10。）.

硼拉纳带的空间温度变异性

如所述图11。在博拉纳干旱区和半干旱区，气温变化格局因区而异。例如，在Yabello和Dire地区观察到最低的最低温度分布。但最低气温分布在该区北部和南部边缘地区。

在博拉纳地区，通常在6月- 7月- 8月观察到最低平均最低温度，而在漫长的干燥季节(12月- 1月- 2月)观察到最高最高温度。正如从图。11，最低气温出现在可怕区，最高最低气温出现在莫耶尔和阿巴亚。在四个季节中，JJA季节非常寒冷和干燥，最低气温可能有变化。4个季节中最高气温出现在12月至1月至2月，对牲畜生产造成不利影响。气温升高，加上降水减少，使植物的粗蛋白质和可消化有机质含量减少，从而对放牧动物造成营养压力[40]。

描述性温度分析

波拉纳带的温度不时升高。以温度标准化平均值表示的年最低气温的年际变化已显著增加(图。12）.因为它可以从图。12在过去的31年里，该地区经历了温暖和寒冷的年份。然而，与前些年相比，最近几年是最热的。正如在图。12，趋势分析清楚地显示，在过去30年里，年最低气温有变暖的趋势，每10年上升约0.7°C。在过渡时期，短冷旱季(JJA)显示最低气温明显升高(图13。）.在JJA季节，ITCZ与低压力，迁徙到埃塞俄比亚北部地区。因此，在此期间，博拉纳地区变得寒冷、多云和干燥。此外，从箱形图可以看出，JJA期间季节最低气温波动较大，这是口蹄疫等疾病暴发的主要原因。与年最低气温相比，JJA季节最低气温每十年增加约0.56°C。总的来说，博拉纳地区的月、季、年观测温度呈不断升高的趋势，直接或间接地影响了畜牧业生产。许多研究[41，42证实了温度的升高直接对动物造成了热应激;损害它们的采食量、代谢活动和防御机制，从而妨碍它们的生产和繁殖性能(表5和6）.

表5:Borana地区月和季节最低温度(°C)的描述性统计。

表6:Borana地区月和季节最高温度(°C)的描述性统计。

Borana带，是DJF季节一直有记录的最高温度(图14。-16）.此外，该趋势线较好地反映了季节最高气温的逐年变化趋势，并呈上升趋势。长旱季最高气温范围为29.44 ~ 32.26℃，标准差和变异系数分别为1.93%和6.56%。DJF季最高气温的变异性小于JJA季最低气温的变异性。气温上升加剧了湿气的影响压力关于植物生长和热压力通过降低植物粗蛋白质和可消化有机物含量对动物的影响[40]。

2004年至2011年，JJA季节最低气温呈现显著的时间变异性，最低气温的稳步上升表明了气候变暖的证据，因此栖息地逐渐干燥(图13。）.这个季节通常被称为干冷季节，阻碍了牛的生产。牛的数量与温度升高之间出现的弱负相关也可能表明水分可利用性降低的影响，这是由于蒸发水分损失增加，最终降低了饲料的可利用性和饲料质量。这种情况很少发生，因为在旱季植物对绿叶的保留减少了。

博拉纳地区的均匀降雨状况

如果不考虑大气环流和详细地形之间的相互作用，从全球海洋的粗尺度影响，特别是从降雨气候学的角度，往往很难将这些小区域界定为进一步均匀的区域[43，44]。然而，考虑到东非气候模式的复杂性，特别是埃塞俄比亚，在研究地区发现降雨模式的巨大空间变化并不令人惊讶图17。。与每个分量相关的特征值表示由该特定线性分量解释的方差。此外，这些值以解释的方差百分比表示特征值(因此，成分1解释了总方差的81.969%，成分2解释了总方差的7.68%)。其余11个成分的解释仅为10.351%。提取因子占累计因子的89.649%，剩余因子占累计因子的10.351% (表7和8）.

表7:MAM季节总方差由PCA各分量解释。

表8:KMO和Bartlett检验。

ENSO与Borana地区降水的关系

近几十年来，大量的统计模型用于对厄尔Niño-Southern振荡(ENSO)现象在几个季节提前期的状态进行大范围预测[45]。由于ENSO的变异性在很大程度上是海洋作用的结果大气热带太平洋内部的变异性[46]、赤道中部太平洋海面温度异常的熟练预报[45]。相应地,(47]的文献记录了ENSO的可预测性导致了季节性的潜在可预测性气候在许多热带和非热带地区。虽然ENSO对埃塞俄比亚降雨的重要性现在比以前更多地被接受并纳入NMA的业务预报政策，但尽管广泛记录了其重要性，但它的权重仍然偏低[34，48]。

该研究旨在量化ENSO和其他海洋和大气现象与MAM、降雨之间的统计关系，实际目标是开发能够在雨季开始之前熟练预测降雨异常的模型，以便采取社会缓解措施(表9）.

表9:1983-2014年(I区、II区、III区和MAM RF)降水与JFSST (Niño 3.4, Niño 4, Niño 3和Niño 1+2)的相关性。

在Borana地区，La Niña事件抑制了该地区的主要雨季，而El Niño事件增强了Borana地区的主要雨季(图18。）.ENSO区域中Niño 3.4和4个指数与Borana地区长时间降雨有显著相关(表9）.如表8在MAM季节，所有Niño区域指数与Zone III的相关性均优于Zone I和Zone II，而在Niño区域指数中Niño 1+2在主雨季与三个Zone的相关性均不显著。在MAM前的1月早期，MAM降雨与ENSO的相关性很强，并且随着ENSO状态时间接近降雨季节的开始而增强。

特别是在整个Borana地区，MAM总降雨量与Niño 3.4 SST呈正相关。但MAM总降雨量与Niño 4之间存在较好的正相关关系，具有统计学意义(>0.338)。1月份高的Niño 3.4和4个sst可能是由于厄尔尼诺提前成熟，并可能在3月份之前消散，往往开始与厄尔尼诺相反的阶段，拉尼娜。但是，1月El Nino期的出现通常在季前和季中增强和持续，增强了Borana带的降雨，而La Nina的持续延长了降雨，同时导致Borana带的降雨量下降。Borana区MAM平均降雨量的时间序列，是1983-2014年计算的，并由1983-2012年降雨统计数据标准化图19。。总体而言，拉尼娜(厄尔尼诺)长雨季(MAM)往往雨量充沛(表10）.

表10:I区、II区、III区、MAM降水与前月Nino 3.4SST的相关性

例如，在漫长的雨季，博拉纳州降雨量减少约60%与拉尼娜现象有关，而在厄尔尼诺和中性年，40%的降雨量不足与拉尼娜现象有关(图19。）.然而，El Nino事件增强了MAM期间Borana的长时间降雨，而La Nina事件抑制了该地区的主要雨季(图。18-18 c）.

1月、2月各月尼诺3.4海温指数与平均JF之间的线性关系强度显示在表9在漫长雨季的前几个月，相关系数分别约为0.33、0.28和0.31。

典型相关分析(CCA)

利用CCA技术将观测到的降水异常对与交叉验证的异常预测值进行比较，建立了熟练的季节降水模型。这是假设，一旦声音预测模型已经开发和交叉验证，具有很高的预测技能，那么候选人模型可操作地用于预测预测项的未来值，基于预测变量的未来观测值[46]。描绘表11，不同海域海温指数与不同月份、不同区域的降雨模式密切相关。利用热带海温预报器训练不同区域的季节降雨模型。例如，选择平均JF SST为MAM季节开发合适的预测模型。为清楚起见，预测结果将按区域讨论如下:

表11:Borana地区MAM雨季预测模型。

利用1983-2004年海温的历史记录来建立模型。由此产生的模型采用北美太平洋(PNA)、北大西洋涛动(NAO)和尼诺3.4SST (图20。）.这模型结果为0.57的高度显著倍数R2。的模型方程，带有标准化变量的区域I，区域II和区域III在MAM季节见模型式中的方程(表11）.的模型解释了I区季节降水总方差的57% (R=0.76)和R²= 0.57)。I区降水后延时间序列与多元回归模型已经在图,21。

JF sst与平均值的空间相关性分布影响MAM季节。在这个季节，最强的特点在图20。， JF海表温度的平均值与ENSO正(负)相相关低(高)季节性降雨。在MAM季节，Nino 3.4、PNA和NAO与I区降水的相关模式表现出较强的相关性，而大西洋中部和印度洋的相关特征不强。相应地,从图20。在MAM季节，北大西洋(NATL)、西太平洋(WP)和NAO的相关模式显示JF海温与III区降水有很强的相关性。印度洋上空呈弱正相关，而南太平洋上空呈弱负相关。

一般而言，如图20所示，NAO与三种同质降雨模式的MAM降雨量呈高度负相关。而JF Nino 3.4和4 SST与MAM降水呈正相关，增强了Borana带的降水。

讨论与结论

在埃塞俄比亚南部的Borana地区，漫长的雨季(MAM)是主要的季节，这对于不同的成就是非常必要的。降雨和气温趋势分析结果表明，目前博拉纳社会面临着气候降雨量减少和气温升高等可变性也通过间接影响牧草生长、水的可用性和疾病分布对畜牧生产产生不利影响。博拉纳的牧民使用并依赖传统的气候提前预测减少与气候有关的危险，最近由于气候可变性。然而，近年来，随着本地化气象监测系统的扩大，牧民愿意利用基于气候的早期预警进行早期行动。本研究考察，局部季节性气候预测方法，并应用于主动减少气候对博拉纳地区牲畜生产力的危害和规划用户界面气候为Borana地区的牧民社区提供一揽子服务。

在博拉纳地区的所有地区，干旱和半干旱低地和高降水变异性都很强，导致了长期干旱。本研究利用32年的资料对季节和年降雨量进行分析。最近长季节降水的减少主要是由于Borana地区4月和5月降雨量的大幅减少。季节性降雨的年际变化比年总降雨量的变化更能指示干旱的发生，因为干旱往往是由长期和短期降雨连续不足造成的。研究进一步明确了博拉纳州干旱的主要原因是长雨季的减少。结果进一步表明，降水变化很大，特别是在干旱和半干旱的Borana地区，降雨不可靠农业还有畜牧生产。

由降雨标准化异常产生的季节模式显示，由于长雨和短雨的失败，干旱大多是依次发生的。从时间上看，1984年、1992年、2000年、2004年、2009年和2010/11年发生的干旱与长雨季的失败直接相关。该研究进一步表明，牛种群数量的下降与降雨的类似潜在趋势及其更大范围的变化有关。研究结果表明，纬向温度在月、季、年时间尺度上均呈上升趋势。

在短、干、冷(JJA)季，最低气温变异性较大，并呈上升趋势。事实上，它以每十年约0.560的速度增长。趋势线清楚地显示，在过去31年，年最低气温有变暖的趋势，每十年约0.7°C。

采用主成分分析方法，将博拉纳地区的主要降雨季节划分为3个均匀的降雨期。大尺度的全球和区域大气和海洋体与不同季节的均匀降水有密切联系。本研究发现，El Nino增强Borana带长雨，La Nina抑制长雨。

多元统计技术应用于分析和预测季节降雨模式，利用之前的月平均全球海面温度和其他相关预测数据。ENSO与纬向降水的滞后关系表明，ENSO对博拉纳地区长雨季具有较好的可预测性。基于这一类比，本研究建立了使用ENSO状态及其演变方向和速率的可能方法，作为MAM雨季的简单统计前兆。

一般来说，统计季节性气候预测方法巧妙地预测了博拉纳地区的季节降雨量。经证实气候预测是将干旱和疾病等气候相关危害降到最低，从而提高博拉纳地区牲畜生产数量和质量的最重要的主动手段之一。习惯使用季节性气候预测实际上可以提高认识，从而在畜牧生产系统内恢复社会、经济和管理产品。此外，季节性气候预测是在畜牧管理决策中发挥重要作用的众多风险管理工具之一。采用可靠、及时的季节性使用气候预测使社区能够恢复社会和经济福祉，通过提前在博拉纳牧民中使用科学的天气/气候预报/预测来管理产品和牲畜生产。

确认

作者声明，本文的发表不存在任何利益冲突。这项工作得到了区域大学论坛(RUFORUM)的支持。我要感谢RUFORUM通过哈拉马亚大学给予我的研究基金。特别感谢埃塞俄比亚国家气象局(NMA)支持我完成工作，并免费提供长期的气候数据。

参考文献

1. 加尔文KA。的影响气候东非牧民的可变性:社会科学与遥感的联系。气候杂志2001;19(4):161 - 72。
2. CSA。农业抽样调查，2012/2013(2005年欧洲经委会)，第二卷。家畜及家畜特性报告(私营农户)?57°中央统计局。埃塞俄比亚联邦民主共和国，亚的斯亚贝巴，2013年。
3. ILRI。发展中国家牲畜统计手册社会经济和政策研究工作文件ILRI，内罗毕，肯尼亚，2000年。299便士。
4. 张晓东，张晓东，张晓东。埃塞俄比亚畜牧业生产模式的空间分析?ESSP II工作文件44，国际粮食政策研究所/战略支持计划II，埃塞俄比亚亚的斯亚贝巴，2012年。
5. 所罗门t ?范围land evaluation and perceptions of the pastoralists in the Borana zone of southern Ethiopia? Ph.D. Thesis, University of the Free State, Bloemfontein,South Africa, 2003.
6. 美国国家海洋和大气管理局:气候识字:的基本原则气候科学。美国全球变化研究项目，2009。
7. 季节性气候:预测和管理风险。伦敦:施普林格学术出版社，英国;2007.
8. 联合国政府间气候变化专门委员会。气候2007年:综合报告。第一、第二和第二工作组对政府间小组第四次评估报告的贡献气候(corewrite Team, Pachauri RK, Reisinger A，编辑)。IPCC，日内瓦，瑞士，2007年。104便士。
9. LusenoWK, McPeak JG,Barrett CB，等气候牧民的预测信息:来自埃塞俄比亚南部和肯尼亚北部的证据。世界发展，2003;31(9):1477-94。
10. 德斯塔，科波克，DL。牛population dynamics in the southern Ethiopianrangelands, 1980-97. J Range Manage. 2002;55(5):439-51.
11. Angassa A, Oba G.埃塞俄比亚南部公共牧场和政府牧场长期降雨变化与牛群动态的关系。中国农业科学，2007;44(3):715-25。
12. 侯曼森，RischkowskyB, Steinbach J，等。Borana地区牧民的原生畜牧业发展？对环境和制度变化的反应。生态学报，2008;36(4):503-520。
13. 塔其B，沙斯塔德e，牧民?贫穷的概念:来自埃塞俄比亚博拉纳的传统和常规指标的分析。世界发展，2010;38(8-38):1168-78。
14. 联合国政府间气候变化专门委员会。气候变化2013:物理科学基础?，contributions of working group I to the fifth assessment report of the intergovernmental panel on气候改变。英国剑桥大学和美国纽约，2013年。1535便士。
15. 罗林森P.使畜牧生产系统适应气候change-temperate区?，Livestock and global change conference proceeding, Tunisia, 2008.
16. Goddard L, Barnston AG, MasonSJ。IRI的评估?净评估?季节性气候预测。Bull Am Meteorol Soc.2003;84(12):1761.
17. 谁。世卫组织关于使用气候预测传染病暴发:回顾，(WHO/SDE/OEH/04.01)， 2004年。
18. 麦卡锡N。管理不稳定环境中的资源:埃塞俄比亚、尼日尔和布基纳法索牧民系统的分析。2004。
19. Angassa A, Oba G.埃塞俄比亚南部公共牧场和政府牧场长期降雨变化与牛群动态的关系。中国农业科学，2007;44(3):715-25。
20. Kamara AMK，燕子b。贫困权利与土地利用变化:对可持续资源的影响管理在埃塞俄比亚南部的博拉纳。中国农业科学。2005;25(2):45-65。
21. WMO-No.49。技术规程，第一卷-一般气象标准和推荐操作;第二卷-国际航空气象服务;III-Hydrology卷;第四卷-质量管理，1988年。
22. 将降雨站点划分为均匀组:主成分分析的应用。中国气象学报，2005;29(4):531 - 531。
23. 奥地利的区域化?年代降水气候使用主成分分析。中华医学杂志，1987;7(1):71-89。
24. 李志强，李志强，李志强，等。中国气候变化与适应研究进展气候展望论坛进程。中国气象学报。2008;57(2):93-102。
25. Mason SJ, Tippett K。气候可预测性工具(CPT):版本4.01.http://iri.columbia.edu/outreach/software/。2005.
26. 范登DH。短期经验方法气候预测。牛津:牛津大学出版社，英国;2007.
27. Tanco RA, BerriGJ。Climlab2000手册，英文版国际研究院为气候预测(IRI)。2000.61便士。
28. Barnston AG的Korecha D。埃塞俄比亚6 - 9月降雨量的可预测性。中国生物医学工程学报，2007;26(2):344 - 344。
29. 陈志强，李志强，陈志强。中国干旱频率与时间尺度关系的研究，中国科学院气候科学研究所，1999,12。
30. 反弹道导弹(互联网)。澳大利亚降雨变率[引用于2014年9月15日]。可从:[http://www.bom.gov.au/climate/data/index.shtml]。
31. IBM[网络]。IBM SPSS缺失值20.2011。1 - 91页。可从:[http://public.dhe.ibm.com/software/analytics/spss/documentation/statistics/20.0/en/client/Manuals/IBM_SPSS_Missing_Values.pdf。]
32. Stern R, Rijks D, Dale I. INSTAT气候指南。英国雷丁大学统计服务中心，2006年。
33. Cossins NJ, Upton m .南埃塞俄比亚的Boranapastoral系统。中国农业科学，1987;25(3):199-218。
34. 埃利斯J，加尔文KA。气候在非洲干旱地区的模式和土地利用做法，比较区域分析提供了深入了解的影响气候变异。Bio Sci. 1994;44(5):340-9.
35. NMSA。气候埃塞俄比亚的农业气候资源。气象学报。1996;1(1):137。
36. 埃塞俄比亚气候分类，NMSA，亚的斯亚贝巴，埃塞俄比亚。1996。
37. 李国强，李国强，等。itczs位置与跨赤道大气热输送的关系:从季节周期到末次冰期极大期。中国生物医学杂志，2012;26(11):121-9。
38. Aida乔丹。ENSO对东南亚天气尺度天气系统的影响及其预测潜力。1999。
39. MegersaB。气候change, cattle herd vulnerability and food insecurity: Adaptationthrough livestock diversification in the Borana pastoral system of Ethiopia. 2013.
40. Craine JM, Elmore AJ, Olson KC，等。气候变化与牛的营养应激。中国生物工程学报。2010;16(10):2901-11。
41. 刘志强，李志强，李志强，等。气候变化对我国畜牧业可持续发展的影响。中国生物工程学报，2010;30(1):457 - 457。
42. 桑顿PK, van de Steeg J, Notenbaert A，等。的影响气候发展中国家牲畜和牲畜系统的变化:回顾我们所知道的和我们需要知道的。农业科学学报，2009;101(3):113-27。
43. Olsen DA, Junker NW, KortyB。33年定量降水对NMC预报的影响评价。天气预报，1995;10(3):498-511。
44. 登特M，林奇SD，塔博顿h。南部非洲降雨区域的详细划分。水。1990;16(1):1 - 4。
45. Landman WA, MasonSJ。用典型相关分析预测近全球海面温度。生态学报2001;14(18):3819-33。
46. Neelin JD, BattistiDS, HirstAC，等。ENSO理论。地球物理学报，1998;23(4):516 - 516。
47. 张晓东，王晓明，等。埃塞俄比亚夏季降雨季节预报。国际气象杂志，2004;24(11):1345-58。
48. Wilks DS(1995)大气科学的统计方法，文献出版社，467页。