摘 要：黔南州水資源豐富，全州境內(nèi)水電企業(yè)廣布，水電市場潛力巨大。但各家水電企業(yè)的發(fā)電計劃和洪峰預(yù)測仍是基于各廠積累的人工經(jīng)驗進行推測的傳統(tǒng)預(yù)測模式。在近年黔南整體少雨、氣象災(zāi)害偏高發(fā)的復(fù)雜氣象環(huán)境條件下，再根據(jù)經(jīng)驗進行推測、預(yù)測更加凸顯了傳統(tǒng)預(yù)測模式缺乏科學(xué)性、理論性和數(shù)據(jù)支撐帶來的弊端。基于此，針對水電行業(yè)高影響的氣象因子進行長序列的數(shù)據(jù)分析，從數(shù)據(jù)中解析適用于黔南州本地的來水預(yù)報和發(fā)電計劃指導(dǎo)，滿足當前黔南州水電行業(yè)強烈的市場需求和公共需求。

關(guān)鍵詞：來水預(yù)報；發(fā)電計劃；高影響氣象因子；長序列氣象數(shù)據(jù)

中圖分類號：P338 文獻標志碼：B 文章編號：2095–3305（2024）12–0-03

黔南州境內(nèi)水資源豐富且水電站建設(shè)基數(shù)大，州內(nèi)水電企業(yè)對來水預(yù)報、發(fā)電計劃等高精度的專業(yè)氣象服務(wù)需求巨大。為滿足市場需求，實現(xiàn)綠色發(fā)展理念，以黔南州近20年的長序列氣象數(shù)據(jù)為基礎(chǔ)，提取高影響的氣象因子，針對黔南州境內(nèi)主要流域，探索氣象因子與當?shù)貋硭A(yù)報模型的線性關(guān)系，提供科學(xué)的預(yù)報服務(wù)和生產(chǎn)調(diào)度服務(wù)，提高企業(yè)經(jīng)濟效益和減少氣象災(zāi)害帶來的影響，實現(xiàn)黔南州水電行業(yè)的高質(zhì)量發(fā)展。

1 研究資料與使用工具

使用的長序列氣象數(shù)據(jù)均來自國家級自動氣象觀測站，包括降水觀測（月降水、年降水），蒸發(fā)量等地面氣象觀測資料，所有時間均為北京時間。

降水資料：使用的降水資料涉及黔南州境內(nèi)都勻、甕安、福泉、三都、長順、獨山、羅甸、荔波、平塘、貴定、龍里、惠水共12個縣（市）的國家級自動氣象觀測站2004—2023年的地面降水資料，經(jīng)過貴州省氣象信息中心審核允許使用，所有的氣象觀測數(shù)據(jù)均經(jīng)過貴州省氣象局考核把控，具有真實性、可靠性和代表性。

自動化數(shù)據(jù)處理工具：采用PandasGUI進行數(shù)據(jù)預(yù)覽、篩選、統(tǒng)計和多圖表的展示，以及數(shù)據(jù)轉(zhuǎn)換。PandasGUI是一款基于Python語言架構(gòu)的自動化數(shù)據(jù)分析工具，其具有縮減代碼量的同時自動產(chǎn)出統(tǒng)計數(shù)據(jù)和圖表的技術(shù)優(yōu)勢，極大地減輕了使用者的工作負擔(dān)和提高了工作效率[1]。

2 PandasGUI處理數(shù)據(jù)

2.1 安裝PandasGUI界面化分析工具

PandasGUI本質(zhì)是進行數(shù)據(jù)處理和分析的Python庫，因此先要在Python環(huán)境中進行運行，PandasGUI官網(wǎng)建議安裝Python3.x.x以上版本，在Python官網(wǎng)選擇適配使用電腦的版本進行下載安裝，完成后使用Win+R輸入CMD命令進行檢測。在終端輸入pip install pandasgu命令下載 PandasGUI。

2.2 PandasGUI可視化分析降雨數(shù)據(jù)

在Win+R輸入CMD命令運行Python，在Python環(huán)境中輸入“import pandas as pd；from pandasgui import

show；df = pd.DataFrame（）；show（df）”代碼調(diào)試出Pandas

GUI圖像化界面，在其中可以進行數(shù)據(jù)分析和生成分析圖像等操作（圖1）。

3 黔南州降水的時空分布

3.1 黔南州降水空間分布特征

統(tǒng)計2004—2023年，黔南州年均降水量約為1 210 mm，州內(nèi)各縣（市）年均降水量分別為甕安1 066 mm、長順1 322 mm、福泉1 124 mm、貴定1 130 mm、都勻1 417 mm、惠水1 223 mm、龍里1 110 mm、羅甸1 122 mm、平塘1 177 mm、獨山1 270 mm、三都1 371 mm、荔波1 183 mm。降水整體呈現(xiàn)中南部多（都勻、三都、獨山一帶）、北部少（甕安、福泉一帶）的區(qū)域特征。這20年區(qū)間，黔南州各縣（市）年均暴雨日數(shù)（24 h累計降水量≥50 mm為1個暴雨日）在2.4（甕安）～4.95 d（長順），黔南暴雨日數(shù)出現(xiàn)最多的仍集中在黔南州中南部（都勻、三都、獨山一帶）。根據(jù)黔南官方發(fā)布黔南州境內(nèi)流域分布，以州中部的苗嶺山脈為分水嶺，黔南州的主要河流濛江、都柳江、劍江均隸屬于南部的紅水河水系和柳江水系[2]。因此，黔南州內(nèi)的水電服務(wù)大多數(shù)集中在中南部區(qū)域，從上傳至PandasGUI的2004—2023年黔南州降水量的結(jié)果來看，自2020年開始，黔南州整體降水量明顯逐年減少，最大差值在2022年都勻市（州中部），較上年降水量減少約600 mm，2023年

州各縣（市）降水量超過1 000 mm的縣（市）僅為4個（甕安、都勻、惠水、三都），較2022年降雨量超過1 000 mm

的7個縣（市）同比減少42.8%。

3.2 黔南州降水時間變化特征

統(tǒng)計黔南州2013—2023年發(fā)生的最大日降水量出現(xiàn)月，結(jié)果表明：黔南州最大日降水量集中出現(xiàn)在5—9月，且根據(jù)黔南州政府明文界定，黔南州汛期為5—9月，因此探索降水這一氣象因子如何影響黔南州水電服務(wù)[3]。降水的時間變化特征，主要從汛期的5—9月進行剖析，但同時為體現(xiàn)數(shù)據(jù)的嚴謹性和多樣性，本文將會選取11月、1月、3月非汛期的歷史降水數(shù)據(jù)進行分析對比。

3.2.1 5月降水量趨勢分析

統(tǒng)計2004—2023年黔南州汛期5月的數(shù)據(jù)（圖2），2004—2013年汛期5月的平均降水量為191.88 mm，

2014—2023年汛期5月的平均降水量為187.63 mm，整體降水量少于前10年，并且借助PandasGUI處理2004—2013年汛期5月的平均降水數(shù)據(jù)，得到未來5月的降水量走勢的線性預(yù)測結(jié)果：未來黔南州汛期5月降水也呈下降趨勢。同時，以5年為一期進行數(shù)據(jù)分析，每隔5年就會出現(xiàn)其中一年的降水明顯減少（以距平百分率≥50統(tǒng)計），2023年達到歷史最低值86.3 mm，

同比減少59%。

3.2.2 6月降水量趨勢分析

統(tǒng)計2004—2023年黔南州汛期6月的數(shù)據(jù)（圖3），

使用PandasGUI對2004—2013年汛期6月的降水數(shù)據(jù)進行繪圖和劃線分析[4]。黔南州6月平均降水量為250.5 mm，

6月降水最多的年份為2017年，降水量達到377.4 mm，

偏多50.6%，最少的年份為2008年，降水量為113.1 mm，

偏少54.8%。從整體來看，黔南州汛期6月降水變化幅度不大，2006年、2007年、2010年、2015年、2017年、2018年、2019年、2020年在汛期6月降水高于平均值，6月的降水總量明顯大于5月。

3.2.3 7月降水量趨勢分析

統(tǒng)計2004—2023年黔南州汛期7月的數(shù)據(jù)（圖4），

黔南州7月平均降水量為188.7 mm，7月降水最多的年份為2007年，降水量達到333.1 mm，偏多76.5%，最少的年份為2011年，降水量為45.4 mm，偏少75.9%。從整體來看，黔南州汛期7月降水變化幅度偏大，最大值與最小值之間極值相差633%，其中2011年和2013年

7月降水明顯少于其他年份，近20年的整體降水波動明顯大于6月，根據(jù)2004—2023年7月的降水數(shù)據(jù)進行線性預(yù)測，未來7月黔南州整體降水呈下降趨勢。

3.2.4 8月降水量趨勢分析

統(tǒng)計2004—2023年黔南州汛期8月的數(shù)據(jù)（圖5），

黔南州8月平均降水量為135 mm，8月降水最多的年份為2008年，降水量達到了255 mm，偏多88.8%，最少的年份為2011年，降水量為40.3 mm，偏少70.1%。從整體來看，黔南州汛期8月降水量類似于7月降水量，變化幅度偏大，最大值與最小值之間極值相差630%，極值與7月接近，其中，2009年、2010年、2011年、2012年和2022年7月降水明顯少于其他年份，從2013年開始，近10年黔南州8月降水量超70%的年份降水量高于平均值，同時根據(jù)2004—2023年8月的降水數(shù)據(jù)進行線性預(yù)測，未來8月黔南州整體降水呈上升

趨勢[5]。

3.2.5 9月降水量趨勢分析

統(tǒng)計2004—2023年黔南州汛期9月的數(shù)據(jù)（圖6），

黔南州9月平均降水量為104.3 mm，8月降水最多的年份為2020年，降水量達到316.6 mm，偏多203%，最少的年份為2016年，降水量為41.5 mm，偏少60.2%。從整體來看，黔南州汛期9月降水量變化幅度明顯小于7月和8月，但是9月降水量最大值與最小值之間極值相差662%，極值與7月和8月接近，其中2008年、2010年、2014年、2015年、2017年、2018年和2020年9月降高于平均值，占總體的35%，表明近20年黔南州汛期9月的降水多數(shù)年份偏少，根據(jù)2004—2023年9月的降水數(shù)據(jù)進行線性預(yù)測，未來9月黔南州整體降水呈上升趨勢。

3.2.6 非汛期降水量趨勢分析

選取1月、3月、11月的降水數(shù)據(jù)進行統(tǒng)計分析，黔南州1月平均降水量為30.7 mm，3月平均降水量為55.5 mm，11月平均降水量為44 mm。對比汛期可以看出，在非汛期外，黔南州降水明顯減少，汛期降水最少的9月，平均降水量104 mm，對比3月（選取標本數(shù)據(jù)降水最高月）的平均降水量55.5 mm，相比減少了46.6%。同時，除了汛期，黔南州整體降水較為穩(wěn)定，正負差值不超過30%，但汛期外黔南州整體少雨偏干燥。

4 結(jié)束語

使用PandasGUI對黔南州過去20年的降水數(shù)據(jù)進行特征分析，結(jié)果如下。

PandasGUI優(yōu)勢在于數(shù)據(jù)的自動化匯總統(tǒng)計、過濾和交互式繪圖等，適用于處理龐大的氣象數(shù)據(jù)，直觀地感受數(shù)據(jù)的變化，科學(xué)進行預(yù)測預(yù)報，實現(xiàn)氣象服務(wù)高質(zhì)量的發(fā)展，探索氣象數(shù)據(jù)中蘊藏的數(shù)據(jù)價值。

黔南州全年降水主要集中在汛期5—9月，其中，5月、6月、7月降水尤為明顯，占整個汛期降水的75%，并且7月以后，降水呈現(xiàn)明顯的下降趨勢。從空間上看，黔南州呈現(xiàn)北部少雨，中南部多雨，且除了汛期全州均屬于少雨的氣候條件。自2020年開始，黔南州的年均降水分別是1 552.7、1 328.6、10 38.0、914.2 mm，連續(xù)三年的降水量呈現(xiàn)下降趨勢，導(dǎo)致北部更加干旱，水庫、水站缺水狀況比較凸顯，中南部發(fā)電量減少，用水需求增加。

為提高黔南州水電服務(wù)質(zhì)量，提升水電企業(yè)發(fā)電效率，黔南州的水電氣象服務(wù)應(yīng)抓住汛期5—9月的這一重點時間段，在此期間著重做好防汛工作、為電站合理開展人工增雨發(fā)電，以流域為單位，重點監(jiān)測黔南州中南部區(qū)域，根據(jù)歷史降水數(shù)據(jù)，結(jié)合境內(nèi)流域的面雨量數(shù)據(jù)，科學(xué)預(yù)測水電站出入庫流量，為水電站提供洪峰預(yù)報，合理建議水電站進行蓄水發(fā)電。

參考文獻

[1] 李福威，包愛美，疏杏勝，等.基于水文-氣象因子的綜合多模型長期徑流預(yù)報研究[J].中國農(nóng)村水利水電，2022 （11）：6-12.

[2] 陳文.中國南方洪澇和持續(xù)性暴雨的氣候背景[M].北京：氣象出版社，2013.

[3] 張向偉.Python數(shù)據(jù)分析中的數(shù)據(jù)整理探討[J].電子世界， 2021（11）：57-58.

[4] 李強，白建榮，李振林，等.基于Python的數(shù)據(jù)批處理技術(shù)探討及實現(xiàn)[J].地理空間信息，2015，13（2）：54-56，11.

[5] 張芹，徐文正，周樹華.濰坊市近50年夏季暴雨氣候特征分析[J].中國農(nóng)學(xué)通報，2014，30（26）：236-241.

收稿日期：2024-08-19

作者簡介：茍松（1997—），男，貴州遵義人，助理工程師，研究方向為應(yīng)用氣象服務(wù)。#通信作者：田端（1985—），男，貴州遵義人，工程師，研究方向為氣象數(shù)據(jù)可視化，E-mail：905578344@qq.com。