基于TRMM數據的三峽庫區降水時空分析

鄧梅

摘 要：本文以三峽庫區重慶段為研究對象，利用研究區內17個氣象站點實測降水數據與1998—2017年庫區范圍內TRMM3B43 V7降水數據進行精度驗證，結合克里金空間插值對原始數據進行修正，改善TRMM原始數據的精度問題，基于修正后的降水數據，分析三峽庫區重慶段1998—2017年降水的時空分布特征。結果表明：修正后的TRMM降水數據與氣象站點數據間整體一致性較高滿足研究條件，但站點間的相關性具有一定差異。在研究時段內庫區降水呈現出略微下降的趨勢，季節降水分配不均，春、冬2季降水變率大，除秋季降水呈現上升趨勢外，春、夏、冬3季均表現為下降。空間上呈現出自東北向西南逐漸減少的分布特征，降水中心位于北部，主城區域由于“雨島”效應影響，降水相對較多。

關鍵詞：TRMM降水數據; 三峽庫區;時空分析

中圖分類號：S16

文獻標識碼：A

降水是區域氣候環境的一個重要參數和指標，是地球水文循環中最直接、最活躍的氣候要素之一，制約著人類社會的發展[1]，同時降水也受到陸面環境的影響，具有明顯的空間異質性。但是由于地面氣象監測站點分布零散且數量有限，所以站點數據只能反映一定范圍內的降水情況[2]，再加上地理環境和地形因素的影響，在地形復雜的丘陵山區很難得到高分辨率的降水數據。

近年來，隨著RS和GIS技術的逐步發展，為研究者提供了一系列高分辨率的降水數據產品，包括TRMM、CMORPH、GSMaP、FY等。TRMM數據應用范圍更加廣闊，如水文過程模擬[3]、潛熱分析[4]、降水時空分布特征研究[5]、降水侵蝕力分析[6]等。國內外專家學者基于TRMM降水數據與氣象站點實測降水數據間的精度、區域降水的時空分布特征表明2種數據間具有良好的一致性。Scott Curtis等[7]使用地基雷達監測到的Floyd颶風降水與TRMM降水數據進行了比較分析，TRMM降水數據與雷達數據間相關系數較高表現出良好的精度;Dai等[8]利用TRMM3B42等多種衛星數據對中低緯度的季節平均降水、日降水頻率和日降水量的空間分布情況進行了分析;陳舉等[9]利用南海地區實測降水數據、CAMP數據與TRMM3A25數據進行對比分析，結果表明TRMM3A25數據能夠更準確地表現降水在時間、空間上的變化規律。但是當前的研究成果多集中在地形平坦開闊的地區，對地形復雜多樣的丘陵山區并不適用。針對這個問題，國內學者在我國復雜地形地貌區，利用TRMM降水數據進行了一些研究。李威等[10]利用TRMM降水數據在我國喀斯特地貌廣泛分布的貴州省以年、季、月3個尺度和單個站點實測數據進行精度評估，結果表明在喀斯特地區TRMM降水數據與站點實測數據間具有較高的線性相關特征。眾多研究表明，TRMM降水數據雖然在某些地區和季節存在一定偏差，但在總體上數據質量較好，能夠滿足應用研究的需求。

三峽庫區重慶段是典型的地形復雜區，丘陵、山地遍布，地表起伏度大，區內降水受到地形因素的影響顯著，是我國最為特殊、重要的生態保護屏障區。其脆弱的自然生態環境和重要的地理位置影響著長江流域的生態、經濟、社會安全[11]。因此，研究三峽庫區范圍內的降水要素具有重要的理論與現實意義。

1 研究區概況

三峽庫區重慶段位于長江上游下段，東起巫山縣，西至江津區，南起武隆縣，北至開州區，地理范圍在N28°31′～31°44′，E105°49′～110°12′。東南、東北與鄂西交界，西南與川黔接壤，西北與川陜相鄰。庫區范圍為亞熱帶季風氣候，受季風氣候影響顯著，年平均氣溫為15～18°C，年平均降雨量為1150.26mm。境內地形復雜，地勢差異明顯，從而形成了獨特的自然地理環境。

2 數據來源與研究方法

2.1 數據來源

所用數據包括TRMM3B43 V7月降水數據，氣象站點實測降水數據和研究區內DEM高程數據。TRMM3B43 V7降水數據由網站（http：//trmm.gsfc.nasa.gov/）免費下載，選取NetCDF格式降水數據，在ArcGIS軟件中進行數據處理提取氣象站點所在象元的值，得到三峽庫區重慶段1998—2017年TRMM降水數據。氣象站點實測降水數據來自中國氣象科學數據共享服務網（http：//cdc.cma.gov.cn），包括1998—2017年三峽庫區重慶段內各站點月降水數據，季尺度和年尺度數據由月降水信息逐月累積得到。

2.2.4 空間分析

利用站點實測降水數據與TRMM降水數據的差額進行克里金空間插值，得到三峽庫區內的差額分布數據，并與TRMM降水數據進行疊加分析，最后得到較準確的三峽庫區多年平均降水。

3 TRMM降水數據精度修正

利用上述公式計算1998—2017年三峽庫區重慶段內17個氣象站點實測降水數據與對應各年份TRMM降水數據的相關系數和相對誤差，對數據的精度進行驗證。總體來說，TRMM3B43降水數據與站點實測降水數據具有較好的相關性，數據精度較高，滿足數據應用的要求。

基于以上研究結果，進一步利用氣象站點實測降水數據為參照值，提取站點所對應的象元TRMM降水數據及數據間的差額分布情況。結果顯示，降水差額均為負數，表明TRMM降水數據在三峽庫區重慶段的估算值均比站點實測降水數據高，西南和東北部差額相對較小，東南部差額較大。總體上站點數據和TRMM數據的空間分布具有一致性，因此可以利用Arcgis空間插值對TRMM降水數據進行修正，從而得到修正后的三峽庫區重慶段多年平均降水分布。

4 降水時空特征分析

4.1 時間分布特征

4.1.1 年際分布特征

由圖1可知，庫區內降水量呈現出波動變化的趨勢，正負距平值之間差異較大。2000年前后年際降水量變化顯著，1998年由于長江流域降水量的異常增多而達到降水量最大值，2001年、2006年則降水量顯著減少，2001年由于氣候異常干旱而導致降水量相對于距平值大幅減少為研究時段內降水量距平最低值，2008—2013年降水量呈現持續性減少趨勢，在2014年以后出現降水量正距平，表明該時段內降水量呈現出上升的趨勢。

4.1.2 季節分布特征

為了更清晰地分析庫區內降水的時間變化特征，計算春、夏、秋、冬4季降水量累積距平分布圖2。由圖可見，庫區內的降水存在明顯的季節差異，降水主要集中在下半年，冬半年降水量較少。春、夏、冬3季降水量均呈現出下降的趨勢，秋季降水量呈現上升的趨勢，春、冬2季降水變率明顯。春季降水雖呈現出下降的趨勢，但下降趨勢不顯著，降水量在2000年前后波動較大，2000年降水量在研究時段內最低，最高出現在2002年。夏季降水量在1998年激增之后逐漸下降，并在2006年減少量達到了200mm，2009—2013年間降水量顯著減少。與其它季節相比，秋季降水量總體上呈現穩定上升的趨勢，且波動幅度也比較小。冬季降水量下降趨勢最為明顯，年際波動大，2005—2008年降水變率劇烈，2006年為距平最高值，最低則出現在2008年，并在后續一段時間內均呈現出減少的趨勢。

4.2 空間分布特征

由圖3a可知，庫區內多年平均降水量空間分布不均，受氣候和地形的影響，年均降水量總體上看呈現出自東北向西南逐漸減少的空間分布特征。北部為降水中心，年均降水量超過1000mm，主要位于萬州、云陽、開縣及以北區域。主城區域由于城區面積的不斷擴張導致城市“雨島”效應的持續增強而出現相對多雨區。降水量低值區域位于庫區西南部，主要分布于江津地區，降水量不足1000mm。

由圖3可知，庫區內降水量不僅在時間分布上存在差異，空間分布也具有相似的分布特征。春季降水量最多的區域為東北部，中部降水量相對較多，而西南部降水量最少不足200mm。夏季是降水量最多的季節，降水中心出現在主城區域，降水量超過600mm，北部開縣、云陽、萬州區域相對較多，降水低值區域位于涪陵、豐都、石柱、忠縣一帶。秋季降水中心依然分布在開縣附近，主城與中部區域秋季降水量較南部和西南部較多。冬季降水量占比最低，西南部和中部降水量差異較小，降水中心出現在東北部的局部區域，同時降水最低值范圍也位于東北部。

5 結論與討論

5.1 結論

基于修正后的TRMM3B43 V7降水數據分析三峽庫區重慶段的降水時空分布特征，結論如下。

利用站點降水數據與TRMM降水數據的差額空間插值結果與TRMM降水數據進行疊加分析后，數據間的相關系數上升、相對誤差減小，數據質量明顯上升。表明數據間具有良好的線性相關關系，數據差異性較小，數據整體精度較高。單個站點數據間精度差異大，東北部和西南部站點相對誤差較大。

1998—2017年庫區多年平均降水呈現出下降趨勢，但下降幅度較小。1998—2000年降水量波動較大，1998年達到正距平最高值，2001年為負距平最低值。降水季節變化顯著，春、冬兩季降水波動明顯，夏、秋2季降水量相對較平穩。除秋季降水量呈現出上升趨勢外，其余3季降水量均呈現出下降的趨勢。降水月際變化也存在著顯著的差異，整體呈現單峰變化趨勢，降水主要集中在5—9月，6—8月達到延年中降水最大值，12月—次年2月降水量最少。

從多年平均降水量的空間分布來看，降水量總體上呈現出自東北向西南減少的分布特征，降水量中心位于開縣、云陽、萬州一帶，主城區因受“雨島”效應的影響，降水量相對西南部和中部來說較多。季節空間降水分布具有顯著的差異性和復雜性，春、秋2季降水空間分布于多年平均降水量空間分布具有相似性，總體上呈現出自東北向西南減少的分布特征。夏季降水量呈現“高-低-高”分布特征，中部降水量最少。冬季中部及西南部降水量相對較多，東北部整體降水量較少，同時降水中心也出現在東北部的局部區域。

5.2 討論

本文利用修正后的1998—2017年TRMM3B43 V7降水數據對三峽庫區重慶段近20a降水進行了時空特征分析，修正后的TRMM數據相比站點降水數據更加準確的反映出了庫區內降水的時空分布特征，有效改善了TRMM數據高值低估、低值高估的問題。但TRMM降水數據是一種利用遙感數據對區域降水進行估算的方法，其方法本身也存在著某些缺陷，會給數據結果帶來一些不可避免的誤差。同時，TRMM降水數據空間分辨率為0.25°×0.25°，對于小范圍研究區域來說，數據空間分辨率略顯不足，在今后的研究中應著力提高數據的分辨率，針對不同地理環境下的研究，應用高精度的數據，以減少誤差，并在需要的情況下進行空間降尺度分析。另外，本文在研究降水時空特征時，未考慮地理要素與地形因子對降水的影響，今后的研究可以結合經緯度、海拔、坡度、坡向等因素來進行分析，以得到更加準確的降水時空分布。

參考文獻

[1]?陳祥義，肖文發，黃志霖，曾立雄.1951─2012年三峽庫區降水時空變化研究[J].生態環境學報，2015，24（08）：1310-1315.

[2]李相虎，張奇，邵敏.基于TRMM數據的鄱陽湖流域降雨時空分布特征及其精度評價[J].地理科學進展，2012，31（09）：1164-1170.

[3]楊傳國，余鐘波，林朝暉，郝振純，王振龍，李敏.基于TRMM衛星雷達降雨的流域陸面水文過程[J].水科學進展，2009，20（04）：461-466.

[4]傅云飛，劉奇，自勇，馮沙，李躍清，劉國勝.基于TRMM衛星探測的夏季青藏高原降水和潛熱分析[J].高原山地氣象研究，2008（01）：8-18.

[5]趙文靜，張寧，湯劍平.長江三角洲城市帶降水特征的衛星資料分析[J].高原氣象，2011，30（03）：668-674.

[6]朱強，陳秀萬，樊啟祥，金和平，李紀人.基于TRMM的降雨侵蝕力計算方法[J].中國科學：技術科學，2011，41（11）：1483-1492.

[7]Scott Curtis，Thomas W. Crawford，Scott A. Lecce. A comparison of TRMM to other basin-scale estimates of rainfall during the 1999 Hurricane Floyd flood[J]. Natural Hazards，2007，43（2）：187-198.

[8]?Aiguo Dai，Xin Lin，Kuo-Lin Hsu. The frequency， intensity， and diurnal cycle of precipitation in surface and satellite observations over low- and mid-latitudes[J]. Climate Dynamics，2007，29（7-8）：727-744.

[9]?陳舉，施平，王東曉，杜巖. TRMM衛星降雨雷達觀測的南海降雨空間結構和季節變化[J]. 地球科學進展，2005（01）：29-35.

[10]?齊文文，張百平，龐宇，趙芳，張朔.基于TRMM數據的青藏高原降水的空間和季節分布特征[J].地理科學，2013，33（08）：999-1005.

[11]?劉春霞，李月臣，楊華，閔婕，王才軍，張虹.三峽庫區重慶段生態與環境敏感性綜合評價[J].地理學報，2011，66（05）：631-642.

[12]?周李磊，楊華，劉睿，嵇濤，張偉偉，周麗君，全勝，朱小龍，李威.基于TRMM數據的西南地區年降水時空特征研究[J].重慶師范大學學報（自然科學版），2017，34（01）：114-122，142.

[13]?秦福瑩，賈根鎖，楊劼，那音太，侯美亭，包玉海.基于TRMM衛星數據的蒙古高原降水精度評估與季節分布特征[J].干旱區研究，2018，35（02）：395-403.

[14]?吳建峰，陳阿林，嵇濤，李軍，魯小平.TRMM降水數據在復雜山地的精度評估——以重慶市為例[J].水土保持通報，2014，34（04）：201-207.

（責任編輯 李媛媛）