寶雞地區降水特征分析及降水量預測

徐盼盼　張奇瑩　錢會　林濤

摘要：基于寶雞氣象站1961年-2015年降水實測數據，利用線性擬合、模比系數積差曲線、Mann-Kendall檢驗法、云模型和滑動平均-馬爾可夫模型對該地區降水變化特征和降水量預測進行了全面分析。結果表明：寶雞地區年降水量、豐水期和枯水期降水量的線性變化率分別為-11.9 mm/（10a）、2.6 mm/（10a）和-14.5 mm/（10a），且枯水期降水量的減少趨勢顯著。寶雞地區年際與年內降水量分配極不均勻，不均勻性為全年>豐水期>枯水期；降水量不均勻性的穩定程度為豐水期>全年>枯水期。豐、枯期滑動平均降水量預測值的總和較年尺度的預測值更為準確，且2016年-2020年的年降水量預測值分別為613.1 mm、727.0 mm、632.0 mm、457.2 mm和876.7 mm。研究結果可為該地區旱澇災害的防治提供科學依據。

關鍵詞：降水特征；云模型；預測；滑動平均-馬爾可夫模型；寶雞地區

中圖分類號：P332；P426.6 文獻標識碼：A 文章編號：1672-1683（2017）05-0063-07

水資源是人類賴以生存的寶貴資源，是維持生態系統健康發展的重要因素。大氣降水作為水資源的重要補給源，其量的多少與一個地區水資源的豐富程度密切相關，也影響該地區水資源開發利用的程度，更是決定旱澇等自然災害發生的重要氣象因子。雨水的資源化利用不僅可以緩解局部地區水資源供需不均衡的矛盾，也可以有效地控制旱澇等災害的影響程度，減少災害造成的各種損失，而一個地區降水量的變化特征分析及其科學預測是這一系列工作的基礎。

降水的時序分布特性分析對管理部門的科學用水、農業生產的發展以及相關部門制定各項政策與措施具有指導性的意義。目前，研究降水時序特征的常用方法有小波分析法、累積距平法、Mann-Kendall法，這些方法共同的不足之處在于難以實現對降水時間分布的均勻性和穩定性進行量化。云模型可以實現降水定性分布與定量分布的轉換，并能彌補其它方法未能對均勻性和穩定性進行準確量化的缺點。因此，基于云模型對寶雞市年降水和豐枯期降水的時序分布特征進行深入研究，以全面掌握寶雞市降水量的分布情況，可為其水資源評估、降水動態變化的監測及其影響提供科學依據。

降水量預測是降水資源潛力計算的基本工作，也是水資源管理規劃和水文預報的重要環節。目前，常用于降水量預測的方法有多元統計法、蒙特卡羅模擬法、頻譜分析及基于灰色和模糊數學的預測方法，但由于降水過程受海陸位置、地理位置、大氣環流等因素的影響，使得降水量的不確定性和隨機性極為復雜。因此，這些方法很難滿足水文序列長期預報的精度。滑動平均-馬爾可夫模型可以彌補以上方法的不足并充分利用原始數據信息，使得降水量的預測值具有較強的可靠性和準確性。

作為陜西省第二大城市的寶雞市地處我國東南季風性氣候與西北溫帶大陸性氣候的過渡帶。由于降水量分布的不均勻性，使得旱澇等氣象災害頻發，水資源供需矛盾突出。因此，本文基于寶雞氣象站1961年-2015年的降水資料，應用云模型和滑動平士勻卜馬爾可夫模型對寶雞市降水特征進行分析并對降水量進行預測，為該區域降水時序演變規律的研究和水資源管理與規劃等提供依據，為水文預報提供一種定性與定量相結合的分析方法。

1研究區概況與資料來源

1.1研究區概況

寶雞地處107°03′-107°18′E、33°35′-35°06′N之間，位于關中平原西部，南臨秦嶺，北依黃土源，渭河自西向東縱貫其間，屬于暖溫帶半濕潤氣候，季風盛行，四季分明。冬季干冷少雪，夏季炎熱干燥和溫熱多雨交替出現，春季升溫迅速而氣候多變，秋季降溫快且多連陰雨。寶雞地區光、熱、水資源較為豐富，多年平均氣溫12.9℃，極端最高氣溫41.6℃，極端最低氣溫為-17℃；年平均日照時數達1904h，無霜期217 d，多年平均風速1.2 m/s；多年平均降水量為666.1 mm，主要分布在5月-10月，由西向東逐漸增加，由南向北逐漸減少。

1.2資料來源

本文選用寶雞氣象觀測站（中央氣象城市站號57016、位置107°08′E、34°21′N、海拔612.4 m）1961年-2015年逐月降水資料，該數據來源于中國氣象科學數據共享服務網和陜西省統計年鑒。基于月降水數據，采用統計學方法可得到逐年豐水期（5月-10月）、枯水期（11月至翌年4月）和全年的降水資料。

2研究方法

2.1云模型

2.1.1概念

云是由許多云滴組成，云的整體形狀與云滴分別反映了定性的概念和定量的描述，產生云滴的過程就是定性和定量之間的不確定性映射。因此，基于傳統模糊數學和概率統計交叉滲透基礎上建立的云模型可以實現不確定性語言與定量數值的轉化。云的3個數字特征分別為期望E_x、熵E_n和超熵H_e，其中，期望E_x是論域的中心值，表示云的“最高點”；熵E_n表示一個定性概念可被度量的范圍，即該定性概念的不確定性，又稱模糊性表示云的“跨度”，即熵越大云的“跨度”越大；超熵H_e表示熵的不確定性，即云圖上云滴的離散程度，反映云的“厚度，超熵越大，云越“厚”。云模型有不同類型的云，如梯形云、正態云、半降云等，本文以正態云模型為基礎對寶雞地區降水特征進行研究。

2.1.2云發生器

3降水特征分析

3.1降水基本特征

通過對寶雞地區1961年-2015年降水量基本統計特征進行分析可知，12.5%、37.5%、62.5%、和87.5%降水頻率對應的年降水量分別為824.5mm、701.2 mm、609.7 mm和490.6 mm。寶雞地區全年降水量分布最離散，豐水期次之，枯水期分布最集中；豐、枯水期和全年的降水量都處于正偏的狀態，即主要處于小于均值的狀態；且年降水量和豐水期、枯水期降水量年際分布不均勻，降水量極差大，極端降水現象明顯，易引起旱澇災害發生，詳見表1。結合圖2可知，寶雞地區年內降水分配不均勻，主要集中在豐水期，其中7月-9月所占比例最大，為51.45%，而12月-2月所占比例最小，為3.23%。endprint

由圖3可知，年降水量與枯水期降水量呈減少趨勢，遞減率分別為12.4 mm/（10a）、12.9mm/（10 a）；豐水期降水量呈增加趨勢，遞增率為2.6 mm/（10a）。可見，全年降水的減少量集中在枯水期。基于M ann-Kendall檢驗法得到寶雞地區年、豐水期和枯水期的降水量Z值分別為-1.060、0.073和-4.247，年降水量和豐水期降水量的變化趨勢不顯著，而枯水期降水量通過99%的顯著性檢驗，減少趨勢顯著。

降水量模比系數差積曲線法能較好地反應降水量多寡的周期變化。由圖4可知，寶雞地區年降水量與豐水期降水量的周期變化基本一致，20世紀70年代、90年代和2008年-2015年為降水的偏豐期，20世紀末和2001年-2008年為降水的偏枯期，80年代呈多寡交替的變化現象；枯水期降水量基本呈先增后減的周期變化，1961年-1975年為降水偏多期，1975年-2015年為降水偏少期。

3.2云模型分析

以寶雞地區豐水期、枯水期和全年降水量為研究對象，依據逆向云發生器得到各自隸屬云的數字特征（表2），然后依據正向云發生器繪制隸屬云圖（圖5）。期望E_x表示降水量的平均值；熵E_n反映了降雨量相對平均值的離散程度，值越大，分布越不均勻；超熵H_e表示熵的離散程度，值越大不均勻性的穩定性越低。由表2和圖5可知：枯水期降水量少，但分布的不均勻性低，穩定性高；豐水期降水量遠大于枯水期，但分布較為離散且穩定性最低；全年降水量分布最離散且穩定性較小；這與該地區降水量變差系數C_v和偏態系數C_s分析得到的結論具有一致性。由此可見，在豐水期和全年的時間尺度上，降水量的不確定性高，增加了該時期水資源管理和水文預報的難度。

4降水量預測

4.1模型檢驗

基于降水頻率分級標準將寶雞地區1961年-2013年滑動平均降水序列劃分為5個區間（表3），確定各時段的具體狀態，對2012年和2013年滑動平均降水量進行預測（表4、表5和表6），并通過模糊集理論的級別特征值進一步計算分析，對模型的精度進行檢驗（表7）。

由表7可知，在中長期水文預報值相對誤差小于20%的要求下，寶雞地區2012年和2013年豐水期、枯水期和全年的滑動平均降水量的預測結果均滿足精度要求。對于全年滑動平均降水量的預測，將豐、枯水期的預測值相加與基于年尺度的預測值進行對比，前者2012年和2013年滑動平均年降水量的相對誤差分別為2.67%和5.09%，后者分別為10.04%和4.25%，可見，豐、枯水期預測結果的相加值更為精準，可靠性更高。因此，對于寶雞地區2014年-2018年的滑動平均年降水量僅用豐、枯水期降水量預測值的總和進行預測。

4.2降水量預測

基于滑動平均-馬爾科夫預測模型，利用豐、枯水期滑動平均降水量預測結果的相加值對寶雞地區2014年-2018年的滑動平均年降水量進行預測，進而依據三年滑動平均公式得出2016年-2020年降水量的預測值，見表8。

5結論

（1）寶雞地區降水量在年內、年際分配不均勻。年降水量和枯水期降水量分別以11.9 mm/（10a）和14.5 mm/（10a）的遞減率變化，豐水期降水量以2.6 mm/（10a）的遞增率變化；其中，枯水期降水量的減少趨勢顯著，且年降水量的減少基本都集中在枯水期。

（2）寶雞地區年降水量的分布最離散，穩定性較差；豐水期降水量的分布較分散，穩定程度最低；與豐水期降水量相差甚遠的枯水期，其降水量的分布最為集中，穩定性也最好。

（3）基于滑動平坶馬爾可夫模型，對寶雞地區全年、豐水期和枯水期的滑動平均降水量進行了預測，其結果均滿足精度要求；對于全年滑動平均降水量的預測，豐、枯期滑動平均降水量預測值的總和較年尺度的預測值更為準確，預測2016年-2020年分別為平水年、偏豐水年、平水年、枯水年和豐水年。

（4）通過對寶雞地區降水特征分析和降水量預測，顯示出云模型與滑動平均-馬爾可夫模型兩者結合在降水分析與預測中具有很強的適用性，因此，可將這兩種模型相結合作為研究中長期水文序列的定性與定量綜合分析的方法。endprint