内蒙地区降水时空变化特征研究

2021-03-29闫双荣

地下水 2021年1期

闫双荣

(内蒙古自治区鄂尔多斯水文勘测局，内蒙古鄂尔多斯 017000)

降水是全球气候变化过程中最敏感的生态因子，也是水循环、大气运流机制中不可缺少的要素，其时空变化规律能反映气候变化的影响[1]。内蒙地区具有高海拔、高寒、干燥气候特点。研究区域降水的时空变异规律，对促进农业生存、发展水利设、优化气象资源开发利用具有重大意义[2]。本文基于近38年来地区气象观测数据，运用EOF、Mann-Kendall(M-K)、和GWR插值法，从时空间分析角度解析区域降水变化特征，以期为区域农业气候资源规划和生态水利建设提供基础依据。

1 资料与方法

1.1 数据资料

研究数据为中国气象科学数据共享服务网(http://cdc.cma.gov.cn)提供的内蒙地区内气象站点逐日观测资料,研究区境内有98个标准气象站点。由于站点检测起始时间不一致，部分站点数据存在较多遗漏，故而选择研究时域为1981-2018年。对于部分台站资料缺失或不完善，参照常规方法予以插补[3]。本研究以DEM为辅助变量，DEM数据来源于地理空间数据云(http://www.gscloud.cn)，数据集为GDEMV2，空间分辨率为30 M。并基于DEM数据提取区域的坡度、坡向、经纬度等信息。

1.2 数据分析处理

应用Excel 2016软件将区域98个气象站点的降水资料进行整理并且汇编为年尺度序列。同时获取该站点序列的空间点位信息，运用ArcGIS10.5生成shp图层，并将其空间投影定义为WGS-84形式。将区域DEM数据进行surface分析，进而提取其坡度、坡向信息，并且使用几何计算工具得到各个栅格像素的经纬度坐标，将这些变量与DEM派生变量作为辅助变量。然后通过Raster to point工具将栅格像素提取至点，从而获取98个气象站点所对应的辅助变量信息，运用地理加权回归(geographically weighted regression,GWR) 模型进行空间插值，并生成空间分辨率为1 km降水量分布图。利用Matlab2017b编程实现降水时间序列的M-K检验、经验正交函数(EOF)分析。

2 结果与分析

2.1 降水量时间变化

基于98个气象站点的统计分析表明，内蒙古地区降水量多年平均值为460.66 mm，标准差为80.72 mm，变异系数为17.52%，站点值域区间介于421.04～529.92 mm之间。一元回归分析显示，近38 a来全区(图1a)降水量变化趋势为y=0.630 3x-787.44，R2=0.060 9,但并未通过0.05水平显著性检验，表明该地降水量增加趋势不明显。

研究区地形广袤，为更好解析区域内降水变化趋势的差异性，将其划分为中部、东部、南部和北部等单元，分别统计各区降水量变化特征。可知，全区以南部地区降水量最丰富(图1b)，多年平均值为586.31 mm，变化趋势为y=0.982 9x-1 363.6，R2=0.025。中部地区(图1c)年降水量区间介于11.89～587.31 mm，多年平均值为320.18 mm，变化形式为y=0.564 9x-875.7，R2=0.015 5 。东部地区降水量与中部相近，其值域范围为130.41～319.12 mm，平均水平为247.27 mm，然而其倾向斜率最大，变化趋势为：y=2.007 8x-3 686，R2=0.051 4。北部地区降水量最少，其中以2012年最丰富，达到87.91 mm，以1981年最少，仅为15.87 mm，其平均值为41.80 mm，变异性为40.24%，变化趋势为y=0.170 9x-298.82，R2=0.001 49。

图1 降水量时间序列变化

2.2 降水量M-K突变分析

通过Maan-Kendel突变检验，识别不同时期内地区年季降水量变化趋势细节信息。图2中UF～UB曲线的交点即为突变点，可知就全区来说(图2a)，区域年降水变化不存在突变性。东部地区(图2b)降水量的UF～UB值分别在1998和2012年份相交，但未通过0.05水平的阈值检验，标明这一突变趋势不显著。高原中部地区(图2c)降水量的UF～UB值在1992年产生交汇，但该突变点并不显著。南部(图2d)和北部(图2e)地区年际降水量的UF～UB值并未发生交汇，说明其为发生突变。综合看来，近38 a间地区降水量未产生明显突变，这反映出该研究时域内区域降水量变异度较低，也可能由于研究时域较短不足以反映其长时间序列变化特征。

图2 年降水量M-K检验分析

2.3 EOF分解结果分析

采用EOF分解方法对地区的98个气象站点的年降水资料进行等级值标准化距平分解后，提取其时间与空间载荷矩阵，结果如图4所示。由于研究区地域范围广，降水量空间差异性较大，导致空间荷载向量难以收敛，但依然能够详细反映降水量丰度信息。基于荷载矩阵特征值大于1的准则，给出了研究区1981-2018年各站点降水量等级序列EOF和前5的模态方差。

表1 显示，前5 个主分量的特征值的累积贡献率达89.73%，表明这些主成分能很好解释地区解释空间特征。其中第一主分量的解释能力达57.09%，第二主分量可解释22.07%的信息，经North检验，前二者主分量的特征根误差范围不存在重叠，二者累积贡献率为79.79%，表明前2主分量已经能够代表区域近38年来的降水分布类型。

表1 降水量 EOF 分解的前 5 个特征向量贡献率

从特征值来看，第一主分量的重要性远高于其他主分量，因而是地区降水空间分布的首要模态。该模态值域为正值，表明区域空间上降水量变化具有一致性，结合部分分析结果可知，该地区各站点降水量呈现一致性增加或减少变化。从空间来看，北部边缘和南部地区降水量变化波动性较大，其次为东部地区，而西部地区的变化程度较低。

2.4 降水量空间分布

以各站点的多年平均降水资料为基础，以DEM数据产生地形因子和经纬度为辅助变量，运用GWR4.0软件进行降水量空间插值，设置其像素大小为1 km，得到该地降水量空间分布。区域年降水量值域区间为138～1 831 mm，像素平均值为434.68 mm，变异系数达25.32%，这与前述98个气象站点统计资料一致。结果表明，地区降水总体为带状分布，呈现自东南向西北部减少分布。

为客观评价GWR插值法的准确度与可靠性，以区域98个气象站点的多年平均降水量的实际值与预测值为基础，计算二者之间的误差 (图3)。结果显示GWR模型的均方根误差(RMSE)和平均绝对误差(MAE)均较小，依次为为9.28、5.24 mm，而拟合模型的决定系数(R2)达到0.91，接近于1，这表明GWR算法在地区降水量空间预测中具有较高的精度和可靠性。这是由于本研究中GWR模型性中不仅考虑能且考虑了与区域降水量空间分布密切相关的环境因子如DEM、坡度、坡向等，还加入了经度、纬度等信息，因而该模型能解释降水量空间分布的经纬度地带性规律以及地形效应影响。