1998-2017年滇黔桂巖溶區降水時空動態特征

靖娟利, 羅福林, 王永鋒, 王安娜

(1.桂林理工大學 測繪地理信息學院, 廣西 桂林 541004; 2.廣西空間信息與測繪重點實驗室, 廣西 桂林 541004)

降水是全球水循環的重要環節，也是大氣中最活躍的要素之一，在時空上具有顯著的差異性。降水是誘發各種地質災害的重要影響因素，對水資源利用、社會經濟可持續發展都具有重要影響[1]。傳統降水變化研究主要基于地面氣象站點實測降水數據，氣象站點觀測值具有較高精度，但存在站點稀少，空間插值結果誤差大，難以反映降水空間變化細節信息等問題。隨著遙感技術的發展，基于衛星的降水反演產品，包括TRMM，GPM等，具有受地形、氣候等環境因素的影響小、覆蓋范圍廣、時效性強等特點，已成為監測降水變化的重要數據來源。其中，由美國和日本聯合研制，于1997年發射的熱帶降水測量(Tropical Rainfall Measuring Mission，TRMM)衛星數據能夠提供長時間序列且覆蓋南北緯50度范圍的降水速率數據，廣泛應用于與降水相關的研究中。

目前，國內外學者對TRMM衛星降水產品在不同地區的精度驗證和降水分析等方面已有大量研究。例如Almazroui[2]利用實測站點數據驗證了TRMM 3B42數據在沙特阿拉伯的精度，結果表明月尺度相關系數達到0.9，并在此基礎上分析了沙特阿拉伯地區1998—2009年降水時空特征。Islam等[3]基于1998—2002年孟加拉國31個雨量站點監測資料驗證了TRMM 3B42降水精度，結果表明該數據對暴雨監測值偏小。Huffman等[4]對澳大利亞TRMM 3B42 RT降水數據與氣象觀測及雷達觀測資料在日尺度和月尺度的一致性進行檢驗，發現TRMM數據與觀測數據之間具有較高的線性相關關系。李景剛等[5]對洞庭湖流域TRMM 3B43數據進行驗證，發現月尺度TRMM 3B43數據與實測數據相關系數達到0.9。曾紅偉等[6]對瀾滄江流域及其周邊TRMM 3B43數據進行精度檢驗，發現TRMM 3B43數據與觀測數據相關系數達到0.83。常遠勇等[7]基于1998—2010年TRMM 3B43數據，運用Mann-Kendall非參數檢驗、Hurst指數在像元尺度分析了全球中低緯度降水時空特征。朱國鋒等[8]利用相關系數法和散點斜率法對橫斷山區1998—2011年之間月尺度的TRMM 3B43降水數據精度進行了檢驗，研究表明TRMM 3B43降水數據與實測數據相關性很強。齊文文等[9]根據青藏高原114個氣象站點實測數據對TRMM 3B43數據進行了修正，并分析了1998—2011年多年平均降水的空間格局與季節分布特征。嵇濤等[10]利用72個氣象站點的實測降水數據對川渝地區TRMM衛星降水數據年、季和月尺度上的精度進行驗證，結果顯示月尺度TRMM數據精度最高。李威等[11]基于1998—2012年26個氣象站點實測降水資料，分析了同期TRMM 3B43數據在喀斯特山區不同時間尺度的適用性和分布規律，結果表明月尺度TRMM 3B43數據與站點實測值相關系數最高。周李磊等[12]基于1998—2014年21個實測站點數據，對同期TRMM 3B43數據進行精度評價，發現兩者具有較高的相關性，并采用非參數Mann-Kendall趨勢檢驗、Sen-Median趨勢分析、變異系數和Hurst指數對西南地區年降水進行了分析研究。秦福瑩等[13]采用蒙古高原134個氣象站點資料對TRMM 3B43數據進行精度評估，發現兩者相關系數達到0.93，并分析了蒙古高原近19 a降水空間和季節分布特征。一系列研究結果表明，TRMM 3B43降水數據與觀測數據之間具有較高的線性相關特征，可以滿足月尺度及以上區域降水時空變化研究。

滇黔桂巖溶區屬于我國西南巖溶區的核心地帶，生態環境脆弱，石漠化問題突出，對氣候變化的響應非常敏感。現有研究成果中，基于TRMM 3B43數據研究滇黔桂巖溶區降水變化規律的研究不多。因此，本文采用研究區實測數據對TRMM 3B43進行精度評價，并基于Sen-Median趨勢分析、Mann-Kendall檢驗以及Hurst指數等數理統計方法對研究區近20 a降水的時空動態特征進行定量分析，以期為研究區水資源管理、水文預報、災害預測等方面提供參考依據。

1 研究區概況

滇黔桂巖溶區集中分布在我國云南、貴州、廣西3省(區)(圖1)，分布面積達3.21×105km2，占全國巖溶分布面積的23.4%，占三省(區)總面積的39.7%[14]。地勢西高東低，巖溶地貌類型復雜多樣，主要分布峰叢洼地、峰林平原、叢丘洼地、高中山峽谷、峰叢峽谷等。屬于熱帶、亞熱帶季風氣候區，降水量季節和區域差異明顯。多年平均氣溫和降水量大致都是由東南向西北遞減。研究區內碳酸鹽巖大面積出露，土壤瘠薄，水土流失嚴重。區域內水資源豐富，河流縱橫，峽谷廣布，地表地下具有雙層水文地質結構。生態環境脆弱，人口—資源—環境矛盾突出，屬于全球變化的敏感地帶。

2 數據與方法

2.1 數據來源及預處理

熱帶降水測量(Tropical Rainfall Measuring Mission，TRMM)衛星數據，于1997年11月27日發射成功，由美國NASA(National Aeronautical and Space Administration)和日本NASDA(National Space Development Agency)共同研制，專門用于定量測量熱帶、亞熱帶降雨的氣象衛星。TRMM 3B43數據為TRMM衛星第7版3級產品TRMM 3B43 V7月降水資料，數據覆蓋范圍為南北緯50°之間，空間分辨率為0.25°×0.25°。本文使用的降水數據由NASA網站(http:∥mirador.gsfc.nasa.gov/)免費獲取，時間范圍為1998—2017年逐月TRMM 3B43數據。基于ArcGIS軟件，從HDF文件中提取TRMM 3B43降水速率(mm/h)，然后分別乘以各月時間，生成月降水量柵格數據。經過矢量裁剪得到滇黔桂巖溶區1998—2017年逐月降水量柵格數據。

為了驗證TRMM 3B43數據在研究區的適用性，從中國氣象科學數據共享服務中心(http:∥cdc.cma.gov.cn)獲取滇黔桂巖溶區內72個氣象站點1998—2012年的月降水觀測資料，其中廣西、貴州和云南3省(區)的氣象站點數分別為23個、20個和29個(圖1)。

圖1 研究區地理位置和氣象站點分布

2.2 研究方法

2.2.1 精度評估方法 使用相關系數(r)和相對偏差(BIAS)2個指標對TRMM 3B43降水數據的精度進行驗證。其中，r反映TRMM 3B43降水數據與站點實測數據之間的相關程度，取值越接近1，數據一致性越好；BIAS反映TRMM 3B43降水數據與站點實測數據之間的偏離程度，取值越接近0，數據越精確。指標計算公式如下：

(1)

(2)

2.2.2 Sen-Median趨勢分析與Mann-Kendall檢驗Sen-Median趨勢分析和Mann-Kendall檢驗方法相結合，已成為長時間序列數據趨勢分析的重要方法[15-16]。兩種方法用于TRMM 3B43降水時間序列分析中，可以解釋降水量長期變化趨勢的顯著性。

Sen-Median趨勢度(β)計算公式為：

(3)

式中：1

當β>0時，表示時間序列呈上升趨勢，反之呈下降趨勢，變化趨勢的顯著性用Mann-Kendall方法進行檢驗。

Mann-Kendall檢驗(MK檢驗)是一種非參數檢驗方法，變量可以不具有正態分布特征。MK法是氣象學和水文學中比較常用的時間序列趨勢檢驗方法之一。計算公式如下：

假定x1,x2,…,xn為時間序列變量，n為時間序列長度，則檢驗統計量Z定義為：

(4)

其中，

(5)

(6)

(7)

式中：Z為正態分布統計量；var(S)為方差。在給定α置信水平上，如果|Z|≥Z1-α/2，表示研究序列在α水平上存在顯著變化。本文判斷α=0.05置信水平上TRMM 3B43降水時間序列變化趨勢的顯著性。

2.2.3 Hurst指數 Hurst指數是定量描述時間序列信息長程依賴性的有效方法。Hurst指數的估算方法有多種，其中重標極差(Rescaled Range Analysis Method，R/S)分析法和小波分析法的估算結果比其他方法更為可靠[17]。R/S分析方法最早由英國水文學家Hurst在研究尼羅河水文問題時提出，后Mandelbrot在理論上對該方法進行了補充和完善。本文采用重標極差(R/S)分析方法計算Hurst指數，計算原理參考文獻[18-19]。

Hurst指數取值范圍為00.5時，意味著未來的變化情況與過去一致，即持續性，H越大持續性越強；當0

3 結果與分析

3.1 數據準確度檢驗

運用1998—2012年研究區72個氣象站點的實測月降水數據對相同時段的TRMM 3B43降水數據進行精度評估。結果如圖2所示，在月尺度上TRMM 3B43降水數據與氣象站點實測數據之間呈顯著正相關(r=0.92，p<0.01)，說明TRMM 3B43降水數據與氣象站點實測數據之間具有很好的一致性。相對偏差(BIAS)計算結果為負的0.058，表明TRMM 3B43降水量略高于實測降水量。

由圖3A可以看出，站點相關系數r值介于0.35～0.99，均值為0.91。貴州咸寧站的r值最小，為0.35，廣西桂林站的r值最大，為0.98。r值大于0.9的站點有57個，占79%。表明在研究區內TRMM 3B43降水數據與實測站點數據具有較好的相關性。相關系數空間分布具有區域差異性，廣西區、貴州省的r值較高，95%以上站點r值大于0.9；云南省相關系數相對較低，其中57%的站點r值大于0.9，90%的站點r值大于0.8。

圖2 TRMM 3B43月降水量與實測月降水量散點圖

由圖3B可知，BIAS絕對值介于0～10 mm的站點有48個，占67%；BIAS絕對值介于10～20 mm的站點有14個，主要分布在云南省、廣西區及廣西與貴州省接壤地帶。BIAS絕對值大于20 mm的站點共有10個，主要分布在云南省、廣西區西南部。

總體而言，TRMM 3B43降水數據在滇黔桂巖溶區具有良好的適用性，能夠滿足月尺度及以上的區域降水變化特征研究。

圖3 TRMM 3B43月降水量與實測月降水量相關系數及相對偏差空間分布

3.2 降水量時間變化特征

從圖4可知，1998—2017年滇黔桂巖溶區年均降水量呈不顯著波動上升趨勢，上升速率為0.716 mm/a(p>0.05)。近20 a降水量年際波動明顯，多年平均降水量在592.16～2 302.66 mm波動，波峰出現在1999年、2002年、2008年、2015年，降水量均大于1 400 mm，波谷出現在2003年、2009年、2011年。降水量年際變化表現出明顯的階段性特征，1998—2011年整體呈下降趨勢，2011年后呈持續增加趨勢。

研究區處于熱帶、亞熱帶季風氣候區，夏季高溫多雨，冬季干燥少雨，降雨季節分配不均。將四季時間劃分為，春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12-次年2月)，然后對季節降水量進行分析。從圖4可知，四季降水量均值最大值出現在夏季，最小值出現在冬季。夏季降水量均值曲線變化趨勢與年際變化基本一致；春、秋、冬三季降水量均值變化趨勢不明顯，波動不大。夏季多年降水量均值為662.61 mm，占年降水量的51.23%，而冬季多年降水量均值為84.31 mm，僅占6.51%。四季降水量年際波動最大的季節為冬季，春季波動最小。春、夏兩季降水量呈不顯著減少趨勢(p>0.05)，下降速率分別為2.41 mm/a，2.85 mm/a；秋、冬兩季降水量呈增加趨勢，但增加趨勢不顯著。

3.3 降水量空間分布格局

從圖5A可知，研究區多年平均降水量空間分布差異顯著。受地形和大氣環流的影響，年均降水量空間分布總體呈現隨著距離水汽源地越遠及地形的抬升而減少的總體趨勢。降水量低值區集中分布在哀牢山以東的云南高原和貴州高原西北部的畢節市、云南北部的橫斷山地區，這些地區大部分位于巖溶峽谷、巖溶高原斷陷盆地區。降水量高值區主要分布在廣西東部、東南部丘陵和平原地區及東北部巖溶地區，云南南部及西部地區。

圖4 降水量年際及季節變化趨勢

從圖5B—E可以看出，研究區降水量季節分配不均，夏季是降水量最多的季節，降水量在400～1 200 mm。夏季研究區主要受東南季風和西南季風的影響。東南季風攜帶來自太平洋的暖濕氣流在推進過程中受廣西東部及東北部山脈阻擋，以及西部云貴高原南緣地形的抬升影響，在廣西東部及中部平原區以及云南東南部形成降水高值區，降水量均值達到1 600 mm以上。隨著地形繼續抬升，在云貴高原南緣降水量均值繼續減少到1 000～1 200 mm，降水量低值區主要出現在貴州高原，降水量均值在800～1 000 mm。西南季風攜帶來自印度洋的暖濕氣流在推進過程中受到山脈的阻擋，使得降水高值區主要分布在橫斷山脈以西地區，隨著地形進一步抬升，在云南北部橫斷山地區以及貴州高原形成降水量低值區。冬季是全年降水量最少的季節，降水量<400 mm，其中云南北部橫斷山巖溶峽谷區、東部巖溶峰叢峽谷區、云南西部潞西市和保山市以及北部楚雄市降水量<50 mm。這是由于冬季在西北季風的影響下，空氣寒冷干燥，云貴高原西北部地區降雨量稀少，達到全年降水量最小值；而在云貴高原的東南部地區，受西北季風的影響減弱，降水量為100～200 mm。

3.4 降水量空間變化趨勢及其顯著性檢驗

將Sen-Median趨勢分析和Mann-Kendall檢驗結果進行疊加，可以從像元尺度反映研究區近20 a降水量變化趨勢的空間分布格局。具體研究過程中，將β<0劃分為降水量減少區域，用代碼1表示；β>0劃分為降水量增加區域，用代碼2表示；將α=0.05置信水平上Mann-Kendall檢驗結果劃分為顯著變化(Z<-1.96或Z≥1.96)分別用代碼1，3表示，不顯著變化(-1.96≤Z<1.96)用代碼2表示；β和Z可以組合為4種類型(表1)。

圖5 多年及季節降水量均值空間分布

從表1可知，降水量年際變化呈增加趨勢的面積(46.29%)略小于呈減少趨勢的面積(53.71%)。從圖6A空間分布來看，降水量年際變化呈增加趨勢的地區主要分布在廣西的巖溶峰林平原、峰叢洼地區和非巖溶區，貴州高原東南部凱里市非巖溶區和西北部的畢節市巖溶山原峰叢洼地區、云南北部的昭通市和南部思茅市巖溶峽谷區及非巖溶區；其中，顯著增加的區域占5.73%，集中分布在廣西東南部梧州、玉林、欽州、貴港、馬山等丘陵地區。降水量年際變化呈減少趨勢的區域主要分布在貴州高原東北部銅仁市—云南南部個舊市連線以北的巖溶區和非巖溶區；顯著減少的區域集中分布在云南北部橫斷山巖溶峽谷區及非巖溶區。

從四季降水量變化趨勢表1和圖6B—E可知，春季降水量呈減少趨勢的面積占78.92%，廣泛分布在廣西盆地和西部山地巖溶區、貴州南部和北部巖溶區以及云南絕大部分地區；顯著減少的區域占20.28%，集中分布在哀牢山以西的景洪市、思茅市，橫斷山地區的怒江傈傈族自治州等地區、云龍市、楚雄市，廣西百色、南寧市、憑祥市等地區也有零星分布。夏季降水量仍以減少趨勢為主，占79.01%，空間分布與春季基本一致；顯著減少的區域所占比例下降到4.41%，集中分布在云南北部橫斷山地區的麗江納西族自治縣和云龍縣的巖溶峽谷區。秋季，降水量變化趨勢轉變為以增加為主，占80.84%，廣泛分布在廣西、貴州、云南高原及其西南部地區；顯著增加的區域占15.53%，集中分布在廣西東南部梧州市、玉林市、貴港市、欽州市，廣西北部河池市巖溶區和貴州西南部巖溶區也有分布。冬季降水量仍以增加趨勢為主，占78.84%，廣泛分布在廣西、貴州高原南部、云南高原以南和以西地區。降水量呈減少趨勢的面積占21.16%，集中分布在貴州銅仁市—云南曲靖市連線以北云南高原巖溶區，云南北部橫斷山巖溶峽谷區。

表1 降水量變化趨勢統計

3.5 降水量空間演化態勢

根據研究區近20 a的TRMM 3B43降雨數據，參考文獻[18-19]中的R/S理論方法，逐像元計算Hurst指數。從圖7可以看出，研究區Hurst指數值域范圍為0.269～0.966，均值為0.703。降水量呈反持續性變化(H<0.5)、弱持續性變化(0.50.75)的區域分別占4.94%，58.99%和36.07%。從降水量Hurst指數空間分布情況看，強持續性區域集中分布在貴州高原東北部巖溶區、廣西東北部、云南高原中部巖溶斷陷盆地區和橫斷山巖溶峽谷區及楚雄市、云龍市等非巖溶區；反持續性區域僅在云南西部的潞西市和臨滄縣、廣西百色市、憑祥市和南寧市地區散布。

為了進一步研究滇黔桂巖溶區降水量變化趨勢及其可持續性，將Sen-Median趨勢分析和Mann-Kendall檢驗結果與Hurst指數分類結果進行空間疊加分析，得到表3中共計11種耦合結果。從表2和圖8可知，降水量持續減少的區域(類別112，113，122，123)占46.21%，高于持續增加的區域(類別222，223，232，233)38.45%。

從圖8降水量空間演化態勢來看，顯著減少—強持續區域(類別113)占8.11%，主要分布在云南北部橫斷山脈地區的巖溶峽谷區及非巖溶區，在貴州高原北部巖溶區也有零星分布；顯著增加—強持續區域(類別233)僅占0.26%，集中分布云南高原中部地區；未來趨勢無法確定的區域(類別121，221)占4.94%，主要散布在廣西西部百色市、憑祥市、南寧市，東部賀州市，以及云南西部邊界潞西市和臨滄縣。以上3類地區是重點監測區域，以防止旱災及洪澇災害發生。

表2 降水量變化趨勢及Hurst指數統計

圖6 降水量年際及季節變化趨勢統計

圖7 Hurst指數空間分布

圖8 降水量空間演化態勢

4 結論與討論

(1) 在月尺度上，TRMM 3B43降水數據與氣象站點實測降水數據之間具有良好的一致性。

(2) 1998—2017年滇黔桂地區年均降水量呈不顯著波動上升趨勢，上升速率為0.716 mm/a(p>0.05)。夏季降水量占年降水總量的51.23%，其均值曲線變化趨勢與年際變化基本一致。春、夏兩季降水量呈不顯著減少趨勢(p>0.05)，而秋、冬兩季降水量呈不顯著增加趨勢。

(3) 從降水量空間分布來看，多年平均降水量空間分布差異顯著，降水量季節分配不均。降水量年際變化呈增加趨勢的面積略小于呈減少趨勢的面積(53.71%)。從四季降水量變化趨勢來看，春、夏兩季降水量變化趨勢以減少為主，而秋、冬兩季降水量變化趨勢以增加為主。

(4) 從降水量空間演化態勢來看，降水量呈持續變化(H>0.5)的區域占95.06%。Sen-Median趨勢分析和Mann-Kendall檢驗結果與Hurst指數耦合結果顯示，降水量顯著減少—強持續區域占8.11%，主要分布在云南北部橫斷山脈地區，在貴州高原北部也有零星分布；而顯著增加—強持續的區域僅占0.26%。

本文從像元尺度初步揭示了研究區近20 a降水時空動態特征，分析結果與周李磊等[12]的研究結論基本一致。TRMM 3B43降水產品精度能滿足月尺度及以上區域降水變化研究，與基于站點插值的降水空間特征相比[20-21]，TRMM 3B43降水數據表示的年降水和季節降水空間分布與站點插值結果基本一致，而且能更好地表達降水空間分布的細節信息。另外，在站點尺度上，TRMM 3B43降水數據存在高估或低估等問題，部分站點的偏差較大。因此，后續在研究過程中可以對TRMM 3B43降水數據進行精度校正，以提高數據的準確度。另外，也可以結合地表高程、坡度、坡向、植被等環境因素對TRMM 3B43降水數據進行降尺度研究來提高其精度，為后續相關研究提供高質量數據。