閆雙榮

(內蒙古自治區(qū)鄂爾多斯水文勘測局，內蒙古 鄂爾多斯 017000)

降水是全球氣候變化過程中最敏感的生態(tài)因子，也是水循環(huán)、大氣運流機制中不可缺少的要素，其時空變化規(guī)律能反映氣候變化的影響[1]。內蒙地區(qū)具有高海拔、高寒、干燥氣候特點。研究區(qū)域降水的時空變異規(guī)律，對促進農業(yè)生存、發(fā)展水利設、優(yōu)化氣象資源開發(fā)利用具有重大意義[2]。本文基于近38年來地區(qū)氣象觀測數據，運用EOF、Mann-Kendall(M-K)、和GWR插值法，從時空間分析角度解析區(qū)域降水變化特征，以期為區(qū)域農業(yè)氣候資源規(guī)劃和生態(tài)水利建設提供基礎依據。

1 資料與方法

1.1 數據資料

研究數據為中國氣象科學數據共享服務網(http://cdc.cma.gov.cn)提供的內蒙地區(qū)內氣象站點逐日觀測資料,研究區(qū)境內有98個標準氣象站點。由于站點檢測起始時間不一致，部分站點數據存在較多遺漏，故而選擇研究時域為1981-2018年。對于部分臺站資料缺失或不完善，參照常規(guī)方法予以插補[3]。本研究以DEM為輔助變量，DEM數據來源于地理空間數據云(http://www.gscloud.cn)，數據集為GDEMV2，空間分辨率為30 M。并基于DEM數據提取區(qū)域的坡度、坡向、經緯度等信息。

1.2 數據分析處理

應用Excel 2016軟件將區(qū)域98個氣象站點的降水資料進行整理并且匯編為年尺度序列。同時獲取該站點序列的空間點位信息，運用ArcGIS10.5生成shp圖層，并將其空間投影定義為WGS-84形式。將區(qū)域DEM數據進行surface分析，進而提取其坡度、坡向信息，并且使用幾何計算工具得到各個柵格像素的經緯度坐標，將這些變量與DEM派生變量作為輔助變量。然后通過Raster to point工具將柵格像素提取至點，從而獲取98個氣象站點所對應的輔助變量信息，運用地理加權回歸(geographically weighted regression,GWR) 模型進行空間插值，并生成空間分辨率為1 km降水量分布圖。利用Matlab2017b編程實現降水時間序列的M-K檢驗、經驗正交函數(EOF)分析。

2 結果與分析

2.1 降水量時間變化

基于98個氣象站點的統計分析表明，內蒙古地區(qū)降水量多年平均值為460.66 mm，標準差為80.72 mm，變異系數為17.52%，站點值域區(qū)間介于421.04～529.92 mm之間。一元回歸分析顯示，近38 a來全區(qū)(圖1a)降水量變化趨勢為y=0.630 3x-787.44，R2=0.060 9,但并未通過0.05水平顯著性檢驗，表明該地降水量增加趨勢不明顯。

研究區(qū)地形廣袤，為更好解析區(qū)域內降水變化趨勢的差異性，將其劃分為中部、東部、南部和北部等單元，分別統計各區(qū)降水量變化特征?？芍?，全區(qū)以南部地區(qū)降水量最豐富(圖1b)，多年平均值為586.31 mm，變化趨勢為y=0.982 9x-1 363.6，R2=0.025。中部地區(qū)(圖1c)年降水量區(qū)間介于11.89～587.31 mm，多年平均值為320.18 mm，變化形式為y=0.564 9x-875.7，R2=0.015 5 。東部地區(qū)降水量與中部相近，其值域范圍為130.41～319.12 mm，平均水平為247.27 mm，然而其傾向斜率最大，變化趨勢為：y=2.007 8x-3 686，R2=0.051 4。北部地區(qū)降水量最少，其中以2012年最豐富，達到87.91 mm，以1981年最少，僅為15.87 mm，其平均值為41.80 mm，變異性為40.24%，變化趨勢為y=0.170 9x-298.82，R2=0.001 49。

圖1 降水量時間序列變化

2.2 降水量M-K突變分析

通過Maan-Kendel突變檢驗，識別不同時期內地區(qū)年季降水量變化趨勢細節(jié)信息。圖2中UF～UB曲線的交點即為突變點，可知就全區(qū)來說(圖2a)，區(qū)域年降水變化不存在突變性。東部地區(qū)(圖2b)降水量的UF～UB值分別在1998和2012年份相交，但未通過0.05水平的閾值檢驗，標明這一突變趨勢不顯著。高原中部地區(qū)(圖2c)降水量的UF～UB值在1992年產生交匯，但該突變點并不顯著。南部(圖2d)和北部(圖2e)地區(qū)年際降水量的UF～UB值并未發(fā)生交匯，說明其為發(fā)生突變。綜合看來，近38 a間地區(qū)降水量未產生明顯突變，這反映出該研究時域內區(qū)域降水量變異度較低，也可能由于研究時域較短不足以反映其長時間序列變化特征。

圖2 年降水量M-K檢驗分析

2.3 EOF分解結果分析

采用EOF分解方法對地區(qū)的98個氣象站點的年降水資料進行等級值標準化距平分解后，提取其時間與空間載荷矩陣，結果如圖4所示。由于研究區(qū)地域范圍廣，降水量空間差異性較大，導致空間荷載向量難以收斂，但依然能夠詳細反映降水量豐度信息?；诤奢d矩陣特征值大于1的準則，給出了研究區(qū)1981-2018年各站點降水量等級序列EOF和前5的模態(tài)方差。

表1 顯示，前5 個主分量的特征值的累積貢獻率達89.73%，表明這些主成分能很好解釋地區(qū)解釋空間特征。其中第一主分量的解釋能力達57.09%，第二主分量可解釋22.07%的信息，經North檢驗，前二者主分量的特征根誤差范圍不存在重疊，二者累積貢獻率為79.79%，表明前2主分量已經能夠代表區(qū)域近38年來的降水分布類型。

表1 降水量 EOF 分解的前 5 個特征向量貢獻率

從特征值來看，第一主分量的重要性遠高于其他主分量，因而是地區(qū)降水空間分布的首要模態(tài)。該模態(tài)值域為正值，表明區(qū)域空間上降水量變化具有一致性，結合部分分析結果可知，該地區(qū)各站點降水量呈現一致性增加或減少變化。從空間來看，北部邊緣和南部地區(qū)降水量變化波動性較大，其次為東部地區(qū)，而西部地區(qū)的變化程度較低。

2.4 降水量空間分布

以各站點的多年平均降水資料為基礎，以DEM數據產生地形因子和經緯度為輔助變量，運用GWR4.0軟件進行降水量空間插值，設置其像素大小為1 km，得到該地降水量空間分布。區(qū)域年降水量值域區(qū)間為138～1 831 mm，像素平均值為434.68 mm，變異系數達25.32%，這與前述98個氣象站點統計資料一致。結果表明，地區(qū)降水總體為帶狀分布，呈現自東南向西北部減少分布。

為客觀評價GWR插值法的準確度與可靠性，以區(qū)域98個氣象站點的多年平均降水量的實際值與預測值為基礎，計算二者之間的誤差 (圖3)。結果顯示GWR模型的均方根誤差(RMSE)和平均絕對誤差(MAE)均較小，依次為為9.28、5.24 mm，而擬合模型的決定系數(R2)達到0.91，接近于1，這表明GWR算法在地區(qū)降水量空間預測中具有較高的精度和可靠性。這是由于本研究中GWR模型性中不僅考慮能且考慮了與區(qū)域降水量空間分布密切相關的環(huán)境因子如DEM、坡度、坡向等，還加入了經度、緯度等信息，因而該模型能解釋降水量空間分布的經緯度地帶性規(guī)律以及地形效應影響。

圖3 青藏高原地區(qū)降水量空間插值精度

3 結語

本研究以地區(qū)98個氣象站點數據為基礎，數據覆蓋時序為1981～2018年，采用了EOF分析方法、Mann-Kendall(M-K)檢驗法、和GWR插值法，研究了全區(qū)降水量時空變化特征。得出結論如下：

(1)地區(qū)降水資源呈增加趨勢，年降水量介于421.04～529.92 mm，平均值為460.66 mm，變異系數達17.52%，呈現中等程度變異，傾向斜率為0.630 3 mm/a，但并未通過5%水平信度檢驗。

(2)地區(qū)降水量空間分布不均衡，空間上呈現自東南向西部減少格局，降水量存在地帶性分異。區(qū)域降水場主要主要存在兩種典型模態(tài)，即全局型和自中部向南北側分異型，累積貢獻率達89.73%。

(3)區(qū)域降水中心位于南部，西北部少雨，全區(qū)降水量呈現自東南向西部地帶性減少。GWR插值法運用樣條函數構建DEM地形因子、經緯度與降水量間的關系，實現降水量空間分布預測，該方法具有較高的精度。