基于CMORPH CRT产品的太行山区降水时空格局*
2020-02-13俞琳飞李会龙杨永辉史尚忠
俞琳飞, 李会龙, 杨永辉,2, 史尚忠
基于CMORPH CRT产品的太行山区降水时空格局*
俞琳飞1,2,3, 李会龙1, 杨永辉1,2**, 史尚忠4
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科学院农业水资源重点实验室/河北省节水农业重点实验室 石家庄 050022; 2. 中国科学院大学中丹学院 北京 101400; 3. 中国-丹麦科教中心 北京 101400; 4. 太原生态工程学校 太原 030025)
为有效利用太行山区降水资源, 实现科学的水资源管理和生态建设, 本研究利用1998—2017年CMORPH CRT卫星降水产品数据探究山区降水的时空格局和变化趋势, 并通过18个地面雨量站的数据验证山区多年来降水趋势变化。结果表明: 在年尺度上, 1998—2017年太行山区年均降水量和各季节降水量无明显变化趋势, 太行山区南坡和东坡降水量高于北坡和西坡; 在月尺度上, 7月是全年降水的主要贡献时段, 占全年总降水量的7.2%~32.4%, 其次是8月和6月。太行山区南部和西北部降水呈现下降趋势, 年均降水量减少2~6 mm; 山区西部和北部降水呈现增长趋势, 年均增加量大于8 mm; 7月是山区降水趋势差异最大的月份, 趋势变化范围在-8.6~8 mm∙a-1。根据地面实测数据验证降水变化趋势, 在年尺度上, 两者数据计算得到的降水趋势呈现极显著相关(<0.01); 在季节尺度上, 冬季(干季)和夏季(湿季)降水趋势变化与地面实测数据的降水趋势具有极显著相关性(=0.902,<0.001;=0.550,=0.018), 但在春季和秋季相关性不显著。根据1998—2017年降水趋势的空间分布栅格图, 提取每一栅格的像元值, 再将提取所得的降水趋势(PT)划分为6个区间(PT≤-5 mm∙a-1、-5 mm∙a-1
CMORPH CRT产品; 太行山区; 降水时空格局; 降水趋势
山区是河川径流的主产区, 占据全国河川径流量的90%以上, 与此同时, 全球湿润地区50%以上、干旱半干旱地区90%以上的淡水资源来源于山区[1]。山区地形复杂, 生态环境脆弱, 因此深入研究山区水循环的特征对于水资源管理和有效利用、水土保持和生态管理具有重要意义[2-4]。降水是水文循环过程中的关键环节, 准确的降水信息对于水循环的精准解析和涉水事物的科学决策至关重要[2,5]。山地水循环过程由于受到山地屏障、山脉走向、大气环流和植被盖度差异等多因素的影响, 具有明显的垂直地带性特征[6-8]。由于高海拔地区地面气象站点少, 仅仅依靠插值无法准确获得降水空间分布格局, 且准确性较差。
遥感技术具有数据获取迅速、成本低、监测范围广、连续性强和面上一致性高等优点[9-10], 而卫星观测技术的不断发展使得资料稀缺的高原、荒漠和海洋等地区的降水数据获取变为可能, 为水文分析计算和应用提供了有力的数据支持[11-13]。目前, 在全球范围内有多种卫星降水产品, 但对不同地区进行产品适用性评价后发现, 卫星降水产品在各个地区的表现各有不一, 因此在利用卫星遥感数据之前, 需要对产品进行精度验证。CMORPH系列卫星降水产品由美国大气海洋管理局(National Oceanic and Atmospheric Administration, NOAA)气候预测中心(Climate Prediction Center, CPC)发布, 国内外有许多关于该产品的精度评价和水文应用的报道[14-16]。例如, Bitew和Gebremichael[12]研究发现CMORPH产品在山区径流流量的水文模拟中具有良好的表现; Dinku等[17]在东非复杂地形条件下对多种卫星降水产品进行评价发现, CMORPH产品与地面实测降水观测值有高度的相关性。与此同时, CPC利用地面实测站点数据校正形成的CMORPH CRT产品, 使得产品精度得到了进一步提升; Guo等[18]在中国区对该产品验证发现, 校正之后的产品与地面实测数据的相关性更高且均方根误差更低, 能够较为准确地反映实际降水特征。俞琳飞等[19]基于地面高密度的雨量站点对比评估了中国区CMORPH融合产品和CMORPH CRT在太行山区的适用性, 发现CMORPH CRT产品在各时间尺度上的均方根误差和相对偏差更小, 能够反映太行山区实际降水的空间分布格局。CMORPH CRT产品是长时间连续观测的高精度降水数据, 为山区降水长序列时空变化分析提供了有利的支撑。因此, 基于具有较高适用性的遥感降水数据来探究地形复杂区的降水时空格局, 能够弥补高海拔地区资料匮乏的弊端和插值方法带来的误差, 更为有效地反映缺测地区的降水情况。
太行山区位于我国第二级台阶东缘, 是京津冀地区重要的水源地和华北平原地下水的重要补给运移区[4,7,20]。受气候和地形的影响, 太行山区东部低海拔区域和西北部高海拔地区的降水差异大, 且随着地形的变化形成了明显的降水梯度[20-21]。山区内流域多水系复杂, 形成了多级树枝状的地貌特征, 且植被类型丰富[2]。但近年来, 由于自然灾害事件如极端降水等的频发, 太行山区生态脆弱性日渐显露, 水土流失情况逐年加剧[4]。全国水土保持规划纲要(2015—2030年)把太行山列为国家级水土流失重点治理区。因此, 本研究基于NOAA/CPC研制的高时空分辨(0.5 h/8 km)的卫星降水产品(CMORPH CRT)1998—2017年的长时间序列数据, 分析20年来太行山区降水的时空分布特征及其变化趋势, 为山区自然灾害预警、水土流失预防、生态修复及水资源管理和调控提供理论依据。
1 资料和方法
1.1 研究区概况
太行山区是我国北方重要的山脉带之一, 介于34°34¢~40°43¢N、110°14¢~114°33¢E, 是华北平原和黄土高原的重要自然地理分界线, 整体呈东北—西南走向, 绵延400 km, 系中国地形第二阶梯东缘, 第二阶梯向第三阶梯过渡区[1-2,20-22]。研究区总面积约12.78万km2, 海拔区间为-95~3 091 m, 纵跨北京、河北、山西和河南4省(市), 地形如图1a[20-22]。横贯海河、黄河两个一级流域, 处于中国半湿润和半干旱区过渡带, 属于典型的暖温带大陆性季风气候, 夏季受暖湿的东南风影响而高温多雨, 冬季受干冷的西北风影响而寒冷少雨, 年均降水量为400~600 mm[2]。区内植被类型复杂多样, 包括常绿针叶阔叶林、针叶混交林、落叶阔叶林和人工林等植被类型。主要水系包括黄河流域的黄河干流和沁河等支流以及属海河流域的永定河、大清河、子牙河等河流。
1.2 地面参考数据和季节划分
地面参考数据来源于中国气象数据网(http://data. cma.cn), 包括18个国家级基本站地面气象逐日数据(图1a), 站点数据经过严格的质量程序控制, 包括台站极值, 气候界限值检查和空间一致性检查[15-16]。地面数据用于检验卫星降水产品的趋势变化。按照传统的季节划分的方式: 每年3—5月为春季、6—8月为夏季, 9—11月为秋季、12月—翌年2月为冬季。
1.3 卫星降水数据
CMORPH(CPC MORPHing technique)数据集是NOAA研制的具有高时空分辨率的全球卫星降水产品[20]。该产品集成了多个低轨道卫星的被动微波信息和地球同步平台的红外辐射数据。在NOAA提供的众多产品中, CMORPH RAW是实时产品, CMORPH CRT是经过CPC和GPCC校正偏差的产品[20]。因此, 本研究选用CMORPH V1.0版8 km/0.5 h的偏差校正产品(CMORPH CRT),数据下载地址为: ftp://ftp.cpc. ncep. noaa.gov。依据该产品8 km空间分辨率的太行山区覆盖示意图(图1b)所示, 共有2 411个有效像元覆盖整个研究区。
1.4 趋势分析和相关性分析
趋势分析用于检查每个像元的CMORPH CRT产品估计的月、季、年尺度的降水。趋势分析公式为[23]:
式中:为所有观测年的第年,是1998—2017年的年总数(20),P为第年的月、季、年降水量。如果趋势大于0, 则1998—2017年期间降水在研究时段内呈增加趋势; 如趋势小于0, 则表示在研究时段内降水有减少的趋势。
相关分析用于评价卫星降水产品数据得到的降水趋势和实际雨量站计算的降水趋势的验证, 本研究利用SPSS V22.0进行相关分析和值检验。
2 结果与分析
2.1 太行山区年降水时空分布特征
基于CMORPH CRT降水数据, 太行山区1998—2017年年均降水量时间序列如图2所示, 从图2a可见太行山20年来的年降水量为400~700 mm。从趋势来看, 降水年际变化趋于弱增但不显著(>0.05), 而降水在山地增加的可能原因包括气候变暖导致陆地水循环加快、水汽含量增加和有利的天气形势等[24]。从图2b可见, 太行山区夏季降水多, 但各季节降水未表现出显著的时间变化趋势(>0.05)。夏季降水量在过去的20年中大致为250~450 mm∙a-1。此外, 春季和秋季降水量大致相同, 但秋季降水量略高于春季, 两季降水量为50~250 mm∙a-1。除2008年外, 冬季降水量占比全年总降水量最低, 基本上少于50 mm∙a-1。
图1 太行山区地形、气象站分布(a)和CMORPH CRT产品像元示意图(b)
图2 基于CMORPH CRT产品的太行山区年降水(a)和季节降水(b)时间变化特征(1998—2017年)
从气候上看, 由于研究区位于季风气候区, 来自东南方向的夏季风主导了夏季降水过程, 山区降水主要集中在夏季; 从地形上看, 太行山呈东北—西南走向, 相对夏季风而言, 河北省和北京市境内属于迎风坡区域, 而山西省境内属于背风坡区域; 相对于来自西北方向的冬季风, 情况反之。从空间降水分布上看, 年降水量等值线与山脉走势一致, 呈南高北低、东高西低的格局(图3); 山区南坡和东坡降水量较高, 年均降水量基本都超过500 mm, 南部地区, 年均降水量超过600 mm; 与迎风坡相比, 背风坡的年降水量均低于450 mm。总的来说, 降水由北向南, 由东到西呈现出了明显的梯度。
2.2 太行山区月降水时空分布特征
图4是基于CMORPH CRT降水数据太行山区不同月份降水占全年总降水量百分比的空间示意图。可见, 太行山区年内降水分配不均匀, 反映出了研究区降水季节性差异大的特点。7月是全年降水最丰沛的时段, 占全年总降水量的7.2%~32.4%; 其次是8月和6月, 分别占全年总降水的6.0%~25.0%和6.8%~18.0%。太行山夏季的降水中心主要是在东部迎风坡地区, 且夏季降水量占全年总降水量的56%以上。另一方面, 从9月到翌年5月, 降水中心主要分布在山区南坡, 特别是在沁河和涑水河流域附近。在冬季, 太行山区北坡永定河、子牙河和大清河流域的降水量非常少, 总降水量不超过全年的3%。结合太行山区的山脉走向, 可以发现研究区西部干湿季节差异呈现比较明显的纬度地带性特征, 纬度越高, 差异越大; 研究区东部则呈现较强的经度地带性, 经度越高, 差异越大。
图3 基于CMORPH CRT产品数据的太行山区年均降水空间分布特征(1998—2017年)
图4 基于CMORPH CRT产品数据太行山区各月降水量占年降水的空间分布图(1998—2017年)
2.3 太行山区降水趋势变化特征
从图2的长序列降水的年际变化可知, 虽然太行山区的年均降水和各季节降水均未表现出显著的趋势特征, 但是本文进一步利用CMORPH CRT产品1998—2017年的数据量化太行山区不同时间尺度上空间的降水趋势变化格局。如图5为1998—2017年像元尺度上太行山区的降水空间趋势变化。由图5可知, 山区南部和东北部降水有下降的趋势, 降水年均下降2~6 mm, 其中在沁河下游地区降水下降超过6 mm∙a-1, 最大下降达14.5 mm∙a-1。太行山区西坡和北坡降水呈增长的趋势, 特别是在高海拔地区(永定河和子牙河流域附近), 降水年均增加大于10 mm, 部分地区超过了12 mm∙a-1。山区中东部平原地区降水也呈现增加的趋势, 但年均增加量基本小于8 mm。
图5 基于CMORPH CRT产品数据的太行山区年降水空间趋势分析(1998—2017年)
图6为基于CMORPH CRT降水数据的太行山区各月降水趋势的空间格局。7月是山区降水趋势空间差异最大的月份, 降水趋势为-8.6~8.0 mm∙a-1, 主要是由于夏季山区迎风坡受东南季风影响而降水频发, 而背风坡受山脉阻挡和焚风效应的影响而降水少, 从而导致太行山区7月降水空间差异大, 进而在趋势特征上差异也较大[2]。在河南境内的大沙河流域及其以北部分地区7月的降水年变化呈现最大的下降趋势, 年均降水下降4.0~8.6 mm, 在山西省涑水河流域年降水在本月也呈现下降趋势, 年均降水下降2~4 mm; 除上述两个地区, 山区其他区域的7月降水基本呈现不变或增加的趋势。8月份山区南部和东北部整体呈现降水下降的趋势, 10月山区北部高海拔地区表现出降水略有增加的趋势, 年均降水增长量为1.5~4 mm。在其他季节, 从空间分布上来看降水量基本保持不变或少量增加的趋势(0~1.5 mm∙a-1)。
2.4 太行山区降水趋势的地面验证
尽管目前国内外的研究对CMOPRH CRT卫星降水数据给予了较高的评价, 但是卫星产品数据仍然是间接观测并通过算法反演得到的降水数据。作者已在前期研究中证明了CMORPH CRT产品在太行山区的适用性[19], 但未对降水趋势进行过验证。因此, 有必要利用地面实测站点数据对卫星降水数据计算得到的降水趋势进行验证。本研究利用18个地面雨量站的数据在不同时间尺度上对卫星产品数据计算得到的降水趋势进行验证。
相关系数()用来描述和验证依据卫星降水产品数据计算得到的降水趋势与地面实测数据计算得到的降水趋势的相关性。图7显示, 地面降水趋势与卫星降水趋势在年尺度上的相关系数为0.600,0.008, 可见二者数据达极显著相关(<0.01), 卫星降水数据计算得到的降水趋势具有较高的可信度。与此同时, 不管是卫星降水产品数据还是地面实际的观测数据, 降水增加的趋势要大于降水减少的趋势(图7)。
由于文章篇幅的限制, 不再进行各月份的降水趋势验证。不同季节降水趋势的验证结果如图8所示。CMORPH CRT产品数据计算得到的冬季降水趋势与地面实测数据的降水趋势具有极显著相关性(=0.902,<0.001), 可见基于CMORPH CRT产品的冬季(干季)降水趋势分析准确性高, 能够代表太行山区冬季降水的趋势变化特征; 其次, CMORPH CRT产品在夏季(湿季)的降水趋势与地面趋势也呈显著相关(=0.550,<0.018)。春季和秋季, CMORPH CRT产品数据计算的降水趋势与地面实际降水趋势未呈现显著相关性(>0.05)。总的来说, 在山区主要降水波动期(夏季)CMORPH CRT产品能够较好地反映降水的趋势变化。
图6 基于CMORPH CRT产品数据的太行山区各月降水空间趋势分析(1998—2017年)
图7 基于CMORPH CRT降雨数据的太行山区年尺度降雨趋势与地面观测数据的相关性(1998—2017年)
2.5 不同降水趋势范围的年降水量变化
在多时间尺度上, 基于卫星降水数据的降水量未表现出显著的变化趋势(图2)。但是在空间尺度上的降水占比和趋势变化则表现出了明显的特征(图3-图6)。因此, 根据图5的年降水趋势的空间分布图, 在GIS中提取2 411个像元上的年降水趋势变化值, 将降水趋势变化值(PT)划分为6个不同的区间(PT≤-5 mm∙a-1,-5 mm∙a-1 如图9所示, 在降水趋势(PT<0 mm∙a-1)减少的区域, 降水的年际动态变化不显著(>0.05)。但在降水趋势增加(PT>5 mm∙a-1)的区域, 降水量从1998年到2017年呈现显著(<0.05)增加趋势。具体来说, 在10 mm∙a-1 图8 CMORPH CRT产品数据与地面观测数据的太行山区1998—2017年季度尺度降水趋势分析验证 图9 太行山基于像元尺度的不同降水趋势(PT)间隔的年降水量变化分析(1998—2017年) 山区降水的空间分布差异受到山脉阻隔、大气环流和地形等多因素的影响[23]。其中地形对降水强度和落区的影响有着不可忽视的作用。闫冠华等[25]利用数值模拟试验研究太行山地形对华北暴雨影响后发现, 太行山地形的阻挡和抬升作用使迎背风坡降水增加, 但是去掉地形影响后太行山两侧降水明显减少。太行山区东部是夏季的迎风坡地区, 受山脉阻隔影响, 东亚季风带来暖湿气流越山时在迎风坡爬坡上升, 过程中气团触发对流且随着爬升高度而增强[24-27]; 同时, 暖湿气流的被迫抬升冷却, 水汽凝结, 形成地形性降水, 导致山区平原和山麓区夏季降水丰沛。另一方面, 太行山区的焚风效应进一步加剧迎背风坡的降水量差异, 原因在于部分气流翻过山岭后在背风坡下沉, 湿度减小, 温度升高, 降水相应减少[2,28]。除暖湿气流被迫抬升以外, 地形辐合同样会导致降水增加效应, 当湿润空气进入喇叭口谷地, 强降水中心与喇叭口地形相对应, 地形雨特征明显, 低层的东风越大, 造成的迎风坡降水越强[2,29-30]。 研究区多年平均降水量高值主要在山区南部河南省境内(沁河流域和大沙河流域), 喇叭口地形特征明显, 导致降水量较高的原因主要是地形辐合。太行山区位于我国季风区, 季风和地形的相互作用对降水空间分布格局造成一定的影响。杜军凯等[2]基于2004—2011年太行山区30个台站做出了太行区各月的风向频率分布, 研究表明11月至翌年4月山区以西北风为主; 5月至10月以南风为主, 其中6月至8月东南风占据主导, 5月和10月西南风略强。可见, 不同季节的降水差异可归因于不同季节的盛行风向, 冬季山区受到干冷的西北风主导, 因此降水主要分布在山区南部地区; 入春(3—4月)后, 温度回升, 大气湿度增加, 盛行风由东南方向转为西南方向, 随之降水中心也转移到太行山区的东南和西南迎风坡侧; 夏季(6—8月)山区盛行东南季风, 因此降水集中在东部迎风坡区, 并且容易在山区平原和山麓区形成局地强降水; 进入秋季(9月和10月)东南风减弱, 西南风和西北风渐强, 降水中心向西南侧移动。除了地形和风向以外, 田恬等[4]认为植被盖度的不均匀性也是影响山区降水时空格局的重要因素之一, 其选择太行山崇陵流域为对象, 发现油松()、侧柏()和刺槐()等森林植被覆盖区内降水量显著增加。 太行山区是我国脱贫攻坚的重点地区之一, 区内生态脆弱、人口超载和水土资源失调等问题突出[1,31], 特别是从20世纪80年代以来, 全区地表水资源呈现较为明显的衰减趋势, 水资源问题愈来愈成为该区域发展的限制因素, 主要表现在区域耕地面积过大导致农业灌溉需水量的增加, 使得水资源压力增大, 水资源短板现象日益显著, 随之而来的是地下水严重超采、水资源过度开发威胁河道基流等问题[1,32]。降水作为地表水资源的重要补给, 探究其在山区的空间分布格局和变化趋势, 对于区域水资源的调控、耕地布设和生态保护具有重要的意义, 利用具有适用性的卫星遥感降水数据解析水循环的关键过程, 是解决山区水资源问题的重要前提。在未来, 基于卫星遥感降水数据可进一步开展降水—径流等循环要素的时空演变解析, 为山区水资源合理利用和生态恢复提供建议和保障。 本研究采用1998—2017年CMORPH CRT卫星产品的降水数据探究山区降水的时空格局和变化趋势, 并采用18个地面雨量站的数据来验证山区降水变化趋势。结果表明: 在时间尺度上, 1998—2017年太行山区年均降水量和各季节降水量无明显变化趋势, 太行山区南坡和东坡降水量较高, 夏季降水占据全年降水的主要部分, 7月降水量占年降水总量的7.2%~32.4%; 在空间尺度上, 太行山区南部和东北部降水呈下降趋势, 下降量为2~6 mm∙a-1; 山区西部和北部降水呈现增长的趋势; 7月由于受到夏季风、焚风效应和地形作用等因素的影响, 使得山区降水趋势特征差异大, 降水趋势变化范围在-8.6~8 mm∙a-1。 研究进一步利用地面实测数据验证降水趋势变化, 在年尺度上两者数据计算得到的降水趋势呈极显著相关性(<0.01); 在季节尺度上, 冬季(干季)和夏季(湿季)卫星产品计算的降水趋势变化与地面实测数据的降水趋势也呈现极显著相关性(<0.01)。将降水趋势划分为6个区间, 发现在PT>5 mm∙a-1的区域, 降水量从1998年到2017年呈现显著增加的趋势(<0.05)。 [1] 贾仰文, 郝春沣, 牛存稳, 等. 典型山地降水径流时空演变及“水—热—人—地”匹配性分析[J]. 地理学报, 2019, 74(11): 2288–2302JIA Y W, HAO C F, NIU C W, et al. Spatio-temporal variations of precipitation and runoff and analyses of water-heat-human- land matching characteristics in typical mountainous areas of China[J]. Acta Geographica Sinica, 2019, 74(11): 2288–2302 [2] 杜军凯, 贾仰文, 李晓星, 等. 基于TRMM卫星降水的太行山区降水时空分布格局[J]. 水科学进展, 2019, 30(1): 1–13DU J K, JIA Y W, LI X X, et al. Study on the spatial-temporal distribution pattern of precipitation in the Taihang Mountain region using TRMM data[J]. Advances in Water Science, 2019, 30(1): 1–13 [3] 孙宏勇, 刘昌明, 王振华. 太行山前平原近40年降水的变化趋势及其对作物生产的影响[J]. 中国生态农业学报, 2007, 15(6): 18–21SUN H Y, LIU C M, WANG Z H. Changing trend of precipitation and its effects on crop productivity in the piedment of Taihang Mountain[J]. Chinese Journal of Eco-Agriculture, 2007, 15(6): 18–21 [4] 田恬, 宋献方, 杨丽虎, 等. 太行山丘陵区降水时空分布特征及影响因素分析——以崇陵流域为例[J]. 资源科学, 2016, 38(6): 1192–1202 TIAN T, SONG X F, YANG L H, et al. Spatial-temporal variation and factors affecting precipitation in the hilly area of Taihang Mountain[J]. Resources Science, 2016, 38(6): 1192–1202 [5] XIA T, WANG Z J, ZHENG H. Topography and data mining based methods for improving satellite precipitation in mountainous areas of China[J]. Atmosphere, 2015, 6(8): 983–1005 [6] 韩建, 占车生, 王飞宇, 等. 太行山区降水空间扩展方法与垂直地带性分析[J]. 山地学报, 2017, 35(6): 761–768HAN J, ZHAN C S, WANG F Y, et al. Comparison of the methods of precipitation spatial expansion and analysis of vertical zonality in the Taihang Mountains[J]. Mountain Research, 2017, 35(6): 761–768 [7] 李晓荣, 高会, 韩立朴, 等. 太行山区植被NPP时空变化特征及其驱动力分析[J]. 中国生态农业学报, 2017, 25(4): 498–508 LI X R, GAO H, HAN L P, et al. Spatio-temporal variations in vegetation NPP and the driving factors in Taihang Mountain area[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 498– 508 [8] 傅抱璞. 地形和海拔高度对降水的影响[J]. 地理学报, 1992, 47(4): 302–314 FU B P. The effect of topography and elevation on precipitation[J]. Acta Geographica Sinica, 1992, 47(4): 302–314 [9] TAN M L, SANTO H. Comparison of GPM IMERG, TMPA 3B42 and PERSIANN-CDR satellite precipitation products over Malaysia[J]. Atmospheric Research, 2018, 202: 63–76 [10] 郭瑞芳, 刘元波. 多传感器联合反演高分辨率降水方法综述[J]. 地球科学进展, 2015, 30(8): 891–903 GUO R F, LIU Y B. Multi-satellite retrieval of high resolution precipitation: an overview[J]. Advances in Earth Science, 2015, 30(8): 891–903 [11] PAN M, LI H B, WOOD E. Assessing the skill of satellite- based precipitation estimates in hydrologic applications[J]. Water Resources Research, 2010, 46: 201–210 [12] BITEW M M, GEBREMICHAEL M. Evaluation of satellite rainfall products through hydrologic simulation in a fully distributed hydrologic model[J]. Water Resources Research, 2011, 47: W06526 [13] SUN R C, YUAN H L, LIU X L, et al. Evaluation of the latest satellite-gauge precipitation products and their hydrologicapplications over the Huaihe River basin[J]. Journal of Hydrology, 2016, 536: 302–319 [14] 王玉丹, 陈浩, 刘璨然, 等. ITPCAS和CMORPH两种遥感降水产品在陕西地区的适用性[J]. 干旱区研究, 2018, 35(3): 579–588 WANG Y D, CHEN H, LIU C R, et al. Applicability of ITPCAS and CMORPH precipitation datasets over Shaanxi Province[J]. Arid Zone Research, 2018, 35(3): 579–588 [15] SHEN Y, ZHAO P, PAN Y, et al. A high spatiotemporal gauge-satellite merged precipitation analysis over China[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(6): 3063–3075 [16] SHEN Y, XIONG A Y, WANG Y, et al. Performance of high-resolution satellite precipitation products over China[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D2): D02114 [17] DINKU T, RUIZ F, CONNOR S J, et al. Validation and intercomparison of satellite rainfall estimates over Colombia[J]. Journal of Applied Meteorology and Climatology, 2010, 49(5): 1004–1014 [18] GUO H, CHEN S, BAO A M, et al. Comprehensive evaluation of high-resolution satellite-based precipitation products over China[J]. Atmosphere, 2016, 7(6): 1–25 [19] 俞琳飞, 杨永辉, 周新尧, 等. 中国区融合降水产品在太行山区的质量评估[J]. 水资源与水工程学报, 2019, DOI: 10.11705/j.issn.1672-643X.2019.06.00 YU L F, YANG Y H, ZHOU X Y, et al. Quality assessment of Chinese merged precipitation product over Taihang Mountains[J]. Journal of Water Resource & Water Engineering, 2019, DOI: 10.11705/j.issn.1672-643X.2019.06.00 [20] FU T G, HAN L P, GAO H, et al. Geostatistical analysis of pedodiversity in Taihang Mountain region in North China[J]. Geoderma, 2018, 328: 91–99 [21] FU T G, HAN L P, GAO H, et al. Pedodiversity and its controlling factors in mountain regions — A case study of Taihang Mountain, China[J]. Geoderma, 2018, 310: 230–237 [22] JOYCE R J, JANOWIAK J E, ARKIN P A, et al. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution[J]. Journal of Hydrometeorology, 2004, 5(3): 487–503 [23] MA Z Q, XU Y P, PENG J, et al. Spatial and temporal precipitation patterns characterized by TRMM TMPA over the Qinghai-Tibetan Plateau and surroundings[J]. International Journal of Remote Sensing, 2018, 39(12): 3891–3907 [24] 刘晓琼, 吴泽洲, 刘彦随, 等. 1960—2015年青海三江源地区降水时空特征[J]. 地理学报, 2019, 74(9): 1803–1820 LIU X Q, WU Z Z, LIU Y S, et al. Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers’ Headstream Region, Qinghai, China[J]. Acta Geographica Sinica, 2019, 74(9): 1803–1820 [25] 闫冠华, 李巧萍, 李瑞义. 太行山地形对华北暴雨影响的数值模拟试验[J]. 南京信息工程大学学报: 自然科学版, 2015, 7(4): 351–358YAN G H, LI Q P, LI R Y. Numerical simulation for terrain effects of Taihang Mountain on heavy rainfall over North China[J]. Journal of Nanjing University of Information Science & Technology, 2015, 7(4): 351–358 [26] 陈贺, 李原园, 杨志峰, 等. 地形因素对降水分布影响的研究[J]. 水土保持研究, 2007, 14(1): 119–122 CHEN H, LI Y Y, YANG Z F, et al. Research on the relationship between terrain factors and precipitation[J]. Research of Soil and Water Conservation, 2007, 14(1): 119–122 [27] 林之光. 地形降水气候学[M]. 北京: 科学出版社, 1995: 96–104 LIN Z G. Topographic Precipitation Climatology[M]. Beijing: Science Press, 1995: 96–104 [28] 王宗敏, 丁一汇, 张迎新, 等. 太行山东麓焚风天气的统计特征及机理分析Ⅰ: 统计特征[J]. 高原气象, 2012, 31(2): 547–554WANG Z M, DING Y H, ZHANG Y X, et al. Feature and mechanism of the Foehn weather on east slope Taihang MountainsⅠ: Statistic feature[J]. Plateau Meteorology, 2012, 31(2): 547–554 [29] 王丛梅, 俞小鼎, 李芷霞, 等. 太行山地形影响下的极端短时强降水分析[J]. 气象, 2017, 43(4): 425–433 WANG C M, YU X D, LI Z X, et al. Investigation of extreme flash-rain events on the impact of Taihang Mountains[J]. Meteorological Monthly, 2017, 43(4): 425–433 [30] 王丛梅, 俞小鼎, 刘瑾, 等. 弱天气尺度背景下太行山极端短时强降水预报失败案例剖析[J]. 气象, 2018, 44(1): 107–117WANG C M, YU X D, LIU J, et al. Analysis of a forecast failure case of extreme flash-rain under weak synoptic-scale background in Taihang Mountain[J]. Meteorological Monthly, 2018, 44(1): 107–117 [31] 马维玲, 石培礼, 宗宁, 等. 太行山区主要森林生态系统水源涵养能力[J]. 中国生态农业学报, 2017, 25(4): 478–489MA W L, SHI P L, ZONG N, et al. Water conservation capacity of forest ecosystems in Taihang Mountain[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 478–489 [32] 杜军凯, 贾仰文, 郝春沣, 等. 太行山区蓝水绿水沿垂直带演变规律及其归因分析[J]. 南水北调与水利科技, 2018, 16(2): 64–73DU J K, JIA Y W, HAO C F, et al. Evolution law and attribution analysis of vertical distribution of blue water and green water in Taihang Mountain region[J]. South-to-North Water Transfers and Water Science & Technology, 2018, 16(2): 64–73 Spatial and temporal precipitation patterns using the CMOPRH CRT product over the Taihang Mountains* YU Linfei1,2,3, LI Huilong1, YANG Yonghui1,2**, SHI Shangzhong4 (1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences / Key Laboratory of Agricultural Water Resource, Chinese Academy of Sciences / Hebei Laboratory of Agricultural Water-saving, Shijiazhuang 050022, China; 2. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 101400, China; 3. Sino-Danish Center for Education and Research, Beijing 101400, China; 4. Taiyuan College of Ecoengineering, Taiyuan 030025, China) In order to effectively use precipitation over the Taihang Mountains, and to perform water resource management and ecological construction scientifically, we used satellite precipitation data to explore the spatio-temporal precipitation pattern and precipitation trend over the Taihang Mountains from 1998 to 2017. In general, the complex terrain and sparse meteorological stations lead to limited precipitation measurement in mountainous areas especially in high-altitude regions. Satellite-based precipitation measurement is an effective supplement for measuring precipitation information in such regions. The CMOPRH CRT product is recognized worldwide. A previous study had proved the applicability of CMORPH CRT over the Taihang Mountains owing to the lower root mean square error and relative bias in this region, which indicated that this product had applicability over the Taihang Mountains. Therefore, in this study, we adopted the method of time series analysis and trend analysis to explore the spatial and temporal patterns of precipitation and precipitation trend over the Taihang Mountains based on the data obtained using the CMORPH CRT product from 1998 to 2017. Meanwhile, the ground observations of 18 rain gauges were used to validate the precipitation trend measured using the CMOPRH CRT product over the Taihang Mountains with “Pixel to Point” extraction method via ArcGIS. The results showed that there was no significant variation trend in the annual and seasonal precipitation from 1998 to 2017 over the Taihang Mountains. Higher precipitation occurred in the southern and eastern regions of the Taihang Mountains than in the northern and western regions. On a monthly scale, the precipitation in July accounted for the highest rate of annual precipitation, 7.2%-32.4% of the total annual precipitation, followed by August and June. There was a decrease trend in the south and northwest regions of the Taihang Mountains, and decreased by 2-6 mm∙a-1on an average. The increasing precipitation trend appeared in the western and northern regions of the Taihang Mountains, and the annual precipitation increased by more than 8 mm. The greatest difference in precipitation trend was found in July on a spatial scale with a variation range of-8.6 to 8 mm∙a-1. We used actual data obtained using rain gauges to validate the precipitation trend measured using CMORPH CRT. Two sets of data showed a strong significant correlation at the annual scale. On the seasonal scale, the precipitation trend in winter (dry season) and summer (wet season) had a strong significant correlation with the precipitation trend measured using rain gauges, but the precipitation trend in spring and autumn did not show a significant correlation with the precipitation measured using rain gauges. We extracted the pixel values according to the spatial pattern of precipitation trend from 1998 to 2017 over the Taihang Mountains, and further divided them into six different precipitation trend (PT) ranges (PT ≤-5 mm∙a-1,-5 mm∙a-1< PT ≤ 0 mm∙a-1, 0 mm∙a-1< PT ≤ 5 mm∙a-1, 5 mm∙a-1< PT ≤ 10 mm∙a-1, 10 mm∙a-1< PT ≤ 15 mm∙a-1, and PT ≥ 15 mm∙a-1) depending on the actual precipitation trend over study areas. There was a significant increase in precipitation from 1998 to 2017 in the PT > 5 mm∙a-1area. CMORPH CRT product; Taihang Mountains; Spatial-temporal pattern of precipitation; Precipitation trend P461 10.13930/j.cnki.cjea.190746 * 国家自然科学基金面上项目(41671021)资助 杨永辉, 主要研究方向为生态水文。E-mail: yonghui.yang@ms.sjziam.ac.cn 俞琳飞, 主要研究方向为山区降水反演。E-mail: lfyu@sjziam.ac.cn 2019-10-23 2019-12-09 * This study was supported by the National Natural Science Foundation of China (41671021). , E-mail: yonghui.yang@ms.sjziam.ac.cn Oct. 23, 2019; Dec. 9, 2019 俞琳飞, 李会龙, 杨永辉, 史尚忠. 基于CMORPH CRT产品的太行山区降水时空格局[J]. 中国生态农业学报(中英文), 2020, 28(2): 305-316 YU L F, LI H L, YANG Y H, SHI S Z. Spatial and temporal precipitation patterns using the CMOPRH CRT product over the Taihang Mountains[J]. Chinese Journal of Eco-Agriculture, 2020, 28(2):305-316
3 讨论
4 结论
