TRMM偏最小二乘降尺度降水模型在新疆不同地貌的適應性

寧 珊，張正勇※，劉 琳，周紅武

（1. 石河子大學理學院，石河子 832000； 2. 石河子大學化學化工學院，石河子 832000）

0 引 言

降水在地球表面能量交換和物質循環中扮演重要角色，其時空分布及變化直接影響區域乃至全球的氣候特征及化學循環過程[1]。降水數據也是氣候分析、水資源評價、水分循環、水量平衡及水文模型等相關研究中不可或缺的關鍵參數[2]，其精度和時空分辨率決定以上研究過程分析的準確性和結果模擬的精確性。傳統的雨量觀測站點是當前獲得準確降水數值最為直接的方法，但對水汽循環有重要影響的高海拔山區和高原等復雜地形區，以及對生物多樣性有重要意義的荒漠區域均極少布設氣象站點，以上降水數據的缺失對相關研究的開展存在一定的局限性。降水的連續空間分布數據理論上可由離散分布的站點數據插值獲得[3]，但受氣象站點空間分布和影響因子的限制，空間插值精度往往存在不確定性。遙感衛星類降水數據具有觀測范圍廣、不受地形和氣候條件局限等特征[4-5]，為獲取高時空分辨率的降水數據和客觀表征降水時空分布特征提供了強大的支撐。

自20世紀60年代開始出現多種降水數據產品，如熱帶降雨測量衛星（Tropical Rainfall Measuring Mission，TRMM）、GSMaP，CMORPM 及 GPM 等[6-7]，其中 TRMM數據產品具備覆蓋范圍較大、可融合多個衛星及全球地面站點觀測數據等優點，已被廣泛應用[8]。但該數據的空間分辨率僅為0.25°×0.25°（27.5 km×27.5 km），還不足以準確刻畫復雜地形區降水分布規律，同時關于氣候及水文等模型也需更高分辨率的降水數據驅動。

空間降尺度技術能夠提高TRMM數據的空間分辨率和精度，已成為近年來眾多學者的研究熱點之一。目前降尺度模型主要包括線性與非線性模型兩大類。與非線性模型相比，線性模型建模速度快，更易于求解[9]。線性降尺度模型主要包括多元線性回歸[10]、地理加權回歸[11-12]、主成分-逐步回歸[12]、偏最小二乘法[13]等。大多降尺度研究中僅將TRMM數據分辨率提高至1 km×1 km[10-13]，同時構建模型時選擇影響降水的因子不夠全面。偏最小二乘法（Partial Least Squares，PLS）集主成分分析、典型相關性分析和多元線性回歸分析的基本功能于一體[14]，具有選擇性強和預測準確等優點[15]。因此，有必要構建多源數據融合的PLS降尺度模型，以提高TRMM降水數據的空間分辨率及精度，實現降水產品的精細化需求。

新疆維吾爾自治區遠離海洋深居亞歐大陸腹地，干旱少雨且生態系統極為脆弱，同時其綠洲灌溉區為中國第三大農業區，該區域降水問題一直是政府和學者們關注的熱點。新疆面積廣闊，地形地貌復雜多樣，其荒漠占總面積的1/4，以往降水研究多集中在山地[12,16]、平原[17-18]，而對全疆范圍荒漠區降水相關研究極少。為此，本文利用PLS方法構建TRMM降水降尺度模型，并基于地形地貌數據，研究其在新疆不同地形地貌分區進行降水模擬的適應性，為研究區水文、氣象預報等應用提供科學依據。

1 研究區概況

新疆維吾爾自治區位于中國西北干旱半干旱地區，介于 73°40′～96°23′E、34°22′～49°10′N（圖 1），山脈與盆地相間排列，總體地貌呈“三山夾兩盆”的格局特征，區內擁有阿爾泰山、天山、帕米爾高原、喀喇昆侖山、昆侖山和阿爾金山（由于帕米爾高原、喀喇昆侖山、昆侖山和阿爾金山位于新疆最南部且海拔較高均處于2 000 m以上，故下文將其簡稱為“帕喀昆阿山群”）等眾多山地及準噶爾、吐哈和塔里木等盆地。四周高山阻隔使得海洋氣流不易到達，形成明顯的溫帶大陸性干旱氣候，年均降水量僅為150 mm左右，且相對集中于夏季[19]。

圖1 研究區地形地貌及氣象站點分布Fig.1 Landform and meteorological station distribution of study area

2 數據來源與研究方法

2.1 數據來源與預處理

本研究所需數據為 2000－2017年多源遙感類數據（TRMM 3B43降水數據、MOD13A3 NDVI數據、DEM數據）和氣象站點數據（表1）。借助ENVI對TRMM 3B43降水數據進行坐標定義、裁剪等預處理，再依據該數據產品計算規則得到降水量月值數據；MOD13A3 NDVI數據反映研究區植被覆蓋度等下墊面特征；氣象站點數據包括研究區52個氣象站點 2000－2017年月降水、相對濕度等數據，其中降水數據用來分析TRMM降水數據的適應性及進行降尺度模型的精度驗證；DEM數據用來劃分高程帶和提取地形因子。

表1 數據來源Table 1 Data sources

降水變化在很大程度上受地形地貌和海拔高度的直接影響，為此將研究區氣象站點劃分為 3類，其中位于平原區域的站點有38個，位于盆地的有6個，位于山地的有8個（表2）。基于地貌類型空間分布數據將研究區歸并為平原、盆地和山地3大類，結合DEM數據將山地細劃為低海拔山地（＜1 000 m，簡稱“低山”）、中海拔山地（1 000～2 000 m，簡稱“中山”）、中高海拔山地（＞2 000～4 000 m，簡稱“中高山”）、高海拔山地（＞4 000～6 000 m，簡稱“高山”）和極高海拔山地（＞6 000 m，簡稱“極高山”）共5類。

表2 不同地貌區氣象站點基本信息Table 2 Basic information of meteorological stations in different landform zones

2.2 研究方法

在對 TRMM 降水數據適應性分析的基礎上，采用PLS方法，通過分析降水及影響因子的多重相關性后構建空間降尺度模型，并對該模型模擬精度進行驗證，最后分析新疆不同地形地貌區降水的時空分布特征并探討其形成機制。

2.2.1 衛星數據的適應性分析方法

TRMM降水數據與氣象站點降水量在時空尺度上均存在一定的誤差[20]，將其應用于新疆地區前需對其適應性進行評估，且正確估計TRMM數值與氣象站點數據之間的偏差是保證后期驗證模型精度和降尺度效果的前提。本研究以氣象站點的逐月降水數據作為真值，選取決定系數（R2）及均方根誤差（Root Mean Squared Error，RMSE）2個指標，分析TRMM降水數據與氣象站點降水數據兩者之間的差異以評估其適應性。其中R2表示兩者之間的相關性，數值越接近1表示相關性越好，TRMM降水數據的精度越高；RMSE用來衡量TRMM與氣象站點降水數據之間的偏差，反映評估誤差的整體水平，其數值越小表示兩者越接近。

2.2.2 構建空間降尺度模型

降水在形成過程中受諸多因子的影響[21]，其中地理位置和地貌格局直接決定獲得濕潤水汽的多寡；空氣濕度達到過飽和時便會成云致雨，而海拔高度和坡度、坡向等地形因子影響空氣的降溫過程；植物蒸騰作用可增加空氣濕度，植被覆蓋情況亦可反映區域降水豐沛程度。為此，本研究在前人研究的基礎上[10-15]，引入相對濕度、歸一化植被指數（Normalized Vegetation Index，NDVI）、高程、經度、緯度、坡度和坡向這7個影響因子，構建空間降尺度模型。

PLS是一種多元統計分析方法，適用于具有自變量多且存在多重共線性特點的數據[22]。首先建立自變量成分和因變量成分的線性回歸模型，得到殘差向量后，再采用交叉有效性確定PLS中因變量的提取個數[23]，從而建立PLS模型，計算過程詳見文獻[16]：1）基于2000－2012年氣象站點降水數據，首先將經度、緯度、坡度、坡向、高程、NDVI和相對濕度的柵格數據重采樣，使之與TRMM降水數據的空間分辨率（0.25°×0.25°）一致；2）提取TRMM數據對應像元的月均降水量及該點對應的地理和地形、NDVI及相對濕度因子，建立PLS模型，利用2013－2017年氣象站點降水數據對其進行精度驗證。

NDVI數據的分辨率（250 m×250 m）處于 TRMM（0.25°×0.25°）和DEM（90 m×90 m）數據之間，為便于數據處理，又250 m×250 m較目前大多研究中1 km×1 km的分辨率能更精細描述降水的時空分布，因此以 NDVI數據的分辨率為標準，結合PLS降尺度模型，使用雙線性內插法，對0.25°×0.25°分辨率的TRMM降水數據進行處理，得到分辨率為250 m×250 m的降水數據，從而實現空間尺度轉換。基于2000－2012年數據，根據PLS模型（式（1）），得不同地貌區降尺度模型系數（表3）。

表3 PLS空間降尺度模型系數Table 3 PLS downscaling model coefficient

式中p為氣象站點降水數據，mm；λ為常數；x1為緯度，x2為經度，(°)；x3為海拔，m；x4為坡度，(°)；x5為坡向，(°)；x6為 NDVI；x7為相對濕度，%；x8為基于 TRMM 的降水量，mm；a、b、c、d、e、f、g、h均為回歸系數。

3 結果與分析

3.1 TRMM數據在新疆不同地貌的適應性分析

本文基于2000－2017年氣象站點數據檢驗其對應格網的TRMM降水數據的適應性。對年均實測值與TRMM年降水量進行統計分析顯示（圖2），對于整個新疆來說，二者間R2為0.78，RMSE為0.57 mm，說明TRMM年降水量與氣象站點年降水數據之間具有較好的線性相關。

圖2 不同地貌區TRMM年降水量與實測值比較Fig.2 Comparison of TRMM-based and measured annual precipitation in different landform zones

在月時間尺度上（表4），對于整個新疆來說，除了2、7、8月的R2值小于0.7以外，其他月份均為0.8左右；大多數月份的RMSE值均小于1 mm，說明TRMM與氣象站點月降水數據之間具有較好的線性相關。盧新玉等[21,24]也認為二者在月尺度上存在6－8月擬合度較低而其他月份較高的問題，極有可能是地形或空間降水差異等原因所致。為此本研究分別基于平原、盆地和山地 3類地貌區進行適應性分析，發現平原和山地的月均R2幾乎都在0.8左右，大多RMSE小于1 mm（表4），而盆地的擬合度較差（年降水量R2為0.45且RMSE為0.79 mm，圖2），尤其是6月的R2僅為0.21而RMSE達1.70 mm（表4），可能是荒漠和戈壁等盆地區域降水稀少，出現了“低值高估”的現象所致，加之新疆地區盆地面積廣大，該區域的誤差導致整個新疆在 6月左右的擬合度較低。但綜合來看，研究區的TRMM降水數據與氣象站點數據有較好的相關性，可用于新疆地區進行降尺度研究。

3.2 PLS降水降尺度模型驗證

利用2013－2017年氣象站點降水數據對降尺度模型進行驗證。降尺度后，年降水量估計結果明顯好于降尺度前，R2由0.74提高到0.85，RMSE降低0.26 mm。在月尺度上，降尺度后R2大部分在0.75左右，大多數月份達到0.8以上，較計算前均有所提高，其中6月提高最顯著；1、2、3、12月的 RMSE值明顯下降，其他月份也略有減少（表 4）。另外發現，3、4、5、9、10月降尺度前估算值小于實測值（圖3），可能是由于這幾個月大多山區易出現雨雪轉換頻繁的天氣現象，TRMM搭載的傳感器對固液相態降水摻雜時的識別能力較弱所致，而PLS降尺度方法則較好地解決了這一問題，經降尺度后模型估算值更接近實測值；在TRMM降水數據易發生高估的月份里，其效果更顯著，特別是 6月實測值與降尺度后估算值僅相差0.12 mm。

圖3 降尺度后月均降水量與實測值和降尺度前對比Fig.3 Comparison of monthly average precipitation after downscaling and measured value and that before downscaling

綜上，不同時間尺度上 TRMM 數據降尺度效果顯著，較好地解決了其低值高估和高值低估問題；但僅從時間尺度上進行檢驗，無法體現不同海拔和復雜地形地貌區的單個站點的模擬精度，還須從空間尺度上來驗證。本研究選擇在不同海拔高度和地形地貌區均有站點布設的烏魯木齊河流域為檢驗區，其中高寒區有 3個站點，低山區有2個站點，平原和盆地各有1個站點；通過天山冰川觀測試驗站年報、中國國家氣象信息中心及相關文獻等收集以上氣象站點的降水數據（表5）。

表4 降尺度前后TRMM估算值與實測月降水量比較Table 4 Comparisons of TRMM-based estimated monthly precipitation before and after downscaling and measured values

表5 烏魯木齊河流域站點數值與降尺度前后TRMM年均降水量的精度驗證結果Table 5 Verification results of TRMM-based average annual precipitation before and after downscaling in sites of the Urumqi River Basin

由表5可知，蔡家湖、后峽口和總控水文點這3個站點R2值均小于0.5，其他站點R2均不低于0.79，可知原始TRMM降水量估算精度不高。降尺度后，僅后峽口和總控水文點的R2值小于 0.50，除牧試站的 RMSE為0.40 mm之外，其他站點均小于0.29 mm。降尺度后所有站點降水估算精度均有提高（R2從 0.06～0.91提高到0.39～0.95，RMSE 從 0.20～0.44 mm 降低到 0.18～0.40 mm），R2增加最多的是總控水文點（0.33），空冰斗水文點與蔡家湖的RMSE值明顯減少（0.06 mm）。表明了PLS降尺度模型在不同海拔和地形地貌區降水分異刻畫的可靠性，將 PLS降尺度方法推廣至整個新疆的TRMM數據用于降水量估算具有較高的可行性。

3.3 研究區降水時空分布特征

3.3.1 降水時間變化分析

2000－2017年新疆年降水量呈增長趨勢，年均降水量為164.75 mm，變化率為1.11 mm/a，與龐忠和等[25-26]的研究結果基本一致。對于整個新疆而言，研究期內年均降水量波動變化幅度較小，年均降水量最大和最小年份分別出現在 2016年（189.38 mm）和 2008年（142.61 mm）。從不同地形地貌單元的年均降水變化來看（圖4），各分區的年均降水量排序由大到小為中高山、極高山、高山、低山、中山、平原、盆地。盆地的年均降水量（71.64 mm）最小，中高山區的年降水量為盆地區的3倍；盆地、平原和山地3個區域年均降水量比值約為1:1.6:2.5。不同區域降水變化率也存在差異，高山區和中山區的增長率僅為0.83 mm/a，平原、盆地、低山和中高山區的降水變化率均高于0.95 mm/a以上，極高山區的變化幅度（1.83 mm/a）最大。總體來看，研究區內隨著海拔升高降水逐漸增多，中高山區降水量達到極大值，山區降水量多同時波動變化也較劇烈，正印證了山區天氣現象多變和氣候過程復雜的特征[16]。另外新疆各山區（山地）均有冰川發育，氣溫升高加速冰川消融和表面蒸發過程，會顯著改變高寒區能量交換和物質循環，進而使得山區的降水形成過程更加復雜多變。

圖4 2000－2017年不同地形地貌區的年均降水量Fig.4 Annual average precipitation in different topography and landform zones from 2000 to 2017

整體而言，近 18 a來，研究區月均降水量為13.72 mm，主要發生在4－9月，年內降水分配不均，其中6－8月最為集中，7月達到年內最大值（33.6 mm），占全年的20.4%，而2月降水量最小，不及7月的10%。各地形地貌區的月均降水變化不一（表6），中高山及以上山區降水集中發生在 6－9月，而中低山、平原和盆地區降水集中于 5－8月，且相對高海拔山區來說，以上區域年內降水量分配較均勻，如低山區降水量最少的月份僅比最多的月份少了10%。高海拔山區旱季（1－4、10－12月）的月降水量占比基本為1%～4%，可能是由于該山區溫度較低，夏季蒸發旺盛，大量的潮濕空氣隨著山體爬升易形成地形雨，而冬半年冰雪和地表的蒸發較弱，潮濕空氣不易達到飽和程度。總體來看，新疆各月降水集中在6－8月，雨熱同期，其他月份降水較少，可知降水占比變化與年內溫度變化[27]具有很好的一致性，是由于溫度變化直接影響到水汽飽和、空氣降溫過程及凝結核，使得不同地形地貌單元月降水量存在明顯差異。

表6 2000－2017年不同地形地貌分區的月均降水量及占比Table 6 Monthly average precipitation and its proportion in different topography and landform zones from 2000 to 2017

3.3.2 降水空間特征分布

地貌格局復雜使得降水空間分布差異明顯[28]。以天山山脈為界，全疆降水整體上呈現“北多南少”的空間格局，其中大范圍降水主要集中在阿爾泰山、天山和帕喀昆阿山群等山區，如阿爾泰山北部區域的月降水均高于20 mm，而以荒漠和戈壁為主的塔里木盆地東南部和吐哈盆地區降水極少，多年月降水量均小于10 mm；相對來說，天山山區為降水高值區，年均降水量可達228.98 mm，位于研究區東部的吐哈盆地的年均降水最少，僅為38.86 mm。從月降水空間分布來看（圖5），研究區大部分地區 2月的降水為年內最少，除伊犁河谷和阿爾泰山北部地區以外，其他區域降水量均低于10 mm；3月開始新疆北部的降水范圍有所擴大，并且在南部的帕米爾高原和喀喇昆侖山區陸續出現少量降水；4月研究區北部降水明顯增加，而南部降水依然稀少；帕喀昆阿山群大部地區及塔里木盆地西緣于 5月降水逐漸增多；6、7月除吐哈盆地及塔里木盆地東部外，研究區降水量及分布范圍逐漸達到了年內最大；從 8月開始到次年 1月，大部地區降水量逐月減少，分布面積也隨之萎縮。

圖5 基于PLS降尺度模型的研究區多年（2000－2017年）平均月降水量分布Fig.5 Multi-year (2000-2017) average monthly precipitation distribution of study area based on PLS downscaling model

山區作為新疆主要河流的發源地，其降水變化直接影響山區乃至全疆水文循環及區域生態環境的變化[29]。為探究新疆山區降水的垂向分布特征，本文以100 m為間隔對研究區山地年均降水量進行了分帶統計（圖6），發現各山地降水量均隨海拔升高呈波動上升趨勢，且出現了 2個較明顯的降水峰值區，但由于山體絕對高度和規模的差異，峰值區出現的海拔高度不盡相同。天山山區的第一、二降水峰值區分別位于海拔3 400和4 300 m附近，其中第一峰值的分布范圍與白磊等[30]研究結果基本一致，而第二峰值較張正勇等[16]的結果低了約 1 200 m；阿爾泰山在海拔2 400和3 200 m左右分別出現第一、二峰值區，與張東良等[31]研究結果相比，本研究第一峰值的海拔上升了約400 m；山體更為高大的帕喀昆阿山群的兩大峰值區海拔明顯高于其他山地，第一、二峰值分別位于3 800、5 800 m左右，與韓興勝[32]研究相比，第一峰值海拔分布一致，第二峰值未見報道。本研究得出的各山區降水峰值區海拔位置與他人研究結果存有部分分歧，筆者認為是由于運用的降水數據類型不同所致，以上學者均采用山區周邊氣象站點數據，而位于高海拔山區的氣象站點極少，即使通過空間插值或模型計算可以獲得高海拔山區的降水數值，但依然無法真實和客觀地反映該區域降水分布情況，而基于TRMM數據并結合地形等因子構建的 PLS降尺度模型估算的降水數據，能夠較精確地反映新疆不同地形地貌區的降水分布特征。

圖6 新疆山區年均降水量變化（2000－2017年）Fig.6 Changes of annual average precipitations in mountainous areas of Xinjiang (2000－2017)

4 討 論

4.1 降水量時空分異研究方法比較

以往學者們在降水時空分異規律方面做了大量研究[33]，但基于不同數據源運用插值和降尺度等方法獲得的空間降水數值的分辨率和精度各異。為比較不同研究方法的模擬或反演效果，本研究采用 3種方法得出新疆年降水空間分布圖：1）基于氣象站點數據的GIS反距離加權插值法獲得空間面數據；2）基于 TRMM 衛星降水產品直接反演得到其原始降水值；3）基于 TRMM 數據的PLS降尺度技術模擬降水空間分布。總體來看（圖7），3種研究方法獲得的結果均能不同程度地反映出新疆北部和天山山區降水的總體分布特征，但空間插值法難以實現對新疆南部山區及周邊區域的空間降水差異（圖7a），原因在于空間插值技術采用“越接近，越相似”的原理將離散點值擬合為面值，點值密度和分布直接影響其擬合精度[34]，而山區周邊分布的氣象站點少且該區域降水較少，使得插值技術無法識別出山區降水一般要高于周邊平原或盆地的規律。由圖7b可知，原始的TRMM數據空間分辨率較低，同一柵格所對應的實際地理空間面積過大，而新疆地形地貌復雜，由TRMM直接反演得到的數值無法刻畫降水量隨地形的變化情況，同時TRMM衛星采集數據時易受地表大面積水體的干擾[35]，會將湖泊和濕地等水汽含量較高的地類區識別為降水高值區，如位于新疆北部的烏倫古湖、瑪納斯湖以及南部的臺特瑪湖附近均出現了此類情況。通過利用PLS降尺度技術，排除了水體NDVI，再結合相對濕度數據，剔除誤認的降水高值區，從而較好地解決這一問題（圖 7c），更加精細地刻畫新疆境內山地和平原等不同地形地貌區降水的空間異質性，也相對準確地反映出植被覆蓋（南部山區）和荒漠戈壁（塔里木盆地中北部）等下墊面處的降水量差異。

圖7 不同方法下新疆年降水空間分布（2000－2017年）Fig.7 Spatial distribution of annual precipitation in Xinjiang under different methods (2000-2017)

天山是新疆維吾爾自治區乃至中亞干旱區域的“濕島”，山區降水對區域水循環過程和水資源安全均有重要影響[30]。天山山區降水形成機制和變化原因等一直是研究的熱點，近年來，學者們就TRMM數據采用不同降尺度方法反演該區域降水分布情況，王曉杰[36]利用求和法與求積法，引入進行經度、緯度、高程、坡度、坡向及NDVI這6個因子，參與空間降尺度模型的構建，得出降尺度后數據與氣象站點數據的R2為0.83、絕對誤差為60.12 mm（換算成RMSE為3.84 mm）；李凈等[37]采取了多元線性回歸法，引入因子與王曉杰一致，經降尺度后R2由0.62提高到了0.71；范雪薇等[12]則引入了經度、緯度、高程、坡度、坡向、地形開闊度及地形起伏度 7個地形因子，基于主成分-逐步回歸和地理加權回歸2種方法降尺度后對比發現，主成分-逐步回歸方法的擬合度較高，R2值為0.95、絕對誤差為86.14 mm（換算成RMSE為5.50 mm）。而本文基于PLS降尺度方法，得出2000－2010年模擬結果的R2為0.96、RMSE為1.74 mm，精度均高于以上研究，說明PLS降尺度方法的模擬精度和可行性較高，同時PLS方法不僅能提高衛星降水數據的空間分辨率，同時可以揭示降水分布對地理、地形、NDVI、相對濕度及其他氣候因子的響應機制。

4.2 新疆降水空間分布原因分析

降水作為水循環中最活躍的環節，既受海陸位置和大氣環流的影響，同時也受下墊面和地形地貌等眾多因素的制約[38]。新疆地處中國西北邊陲，其南部和東部有高原和山地重重阻擋，太平洋和印度洋水汽難以到達；但北部及歐洲地區多平原，因此來自大西洋和北冰洋的水汽能夠到達部分地區，熱空氣沿山體向上爬升冷凝后形成地形雨，從而使其山區降水相對較多。根據本文方法估算的山區降水量基本在200 mm以上（圖8）。

圖8 基于PLS降尺度模型的新疆多年（2000－2017年）平均年降水量空間分布Fig.8 Spatial distribution of multi-year (2000-2017) average annual precipitation based on PLS downscaling model in Xinjiang

李暉等[39-40]利用穩定同位素也證實了烏魯木齊地區和天山等區域的降水主要靠西風帶輸送海洋水汽及當地的蒸騰/蒸發；新疆山體寬廣且絕對高差很大，使得山區大多都能形成 2個降水峰值區，第一個峰值出現是由于海拔增加溫度降低易形成降水，而第二降水峰值出現在于高寒區冰川消融和冰雪面蒸發/升華增加了局地空氣濕度，加之冰川風和山谷風的作用使得該區間降水較多[18]。新疆東部的吐哈盆地降水量極少，其遠離海洋且地形閉塞，干熱的亞熱帶大陸性氣團使該區域的天氣呈現干燥、炎熱的特點，且加快了地表和大氣中水分的蒸發，再加之水汽輸送過程中山脈的阻擋和空氣阻力的耗散，使得大氣頂部的水汽很難完全落到地面。天山山區以南區域多戈壁沙漠，氣溫較高，形成的強烈暖氣流沿著山體南坡上升，使其上空的云團無法南侵，加之大致呈東西走向帕昆阿山群阻擋使得外部水汽無法進入，這造就了新疆南部氣候異常干燥的氣候特征，大部分地區的年均降水量均在100 mm以下。位于新疆北部的阿爾泰山海拔相對較低，有利于北冰洋的水汽進入，使得新疆北部降水量遠高于南部。

5 結 論

1）與氣象站點實測降水量比較，熱帶降雨測量衛星（Tropical Rainfall Measuring Mission，TRMM）數據估算的月均降水量在平原和山地的估算精度較高，R2幾乎都在0.8左右，大多均方根誤差小于1 mm，而盆地的擬合度較差（年降水量R2為0.45）。但對于整個新疆而言，年均降水量實測值和估算值間R2為0.78，均方根誤差為0.57 mm，月降水量R2也大多在0.8左右（2、7、8月小于0.7），表明TRMM降水數據與實測數據有較好的相關性，但其模擬精度在盆地仍需要進一步提高。

2）基于偏最小二乘法降尺度模型修正后的降水量估算值的擬合度均較降尺度前有明顯提高，年降水量R2由0.74提高到0.85，均方根誤差降低了0.26 mm，較好地解決了原始數據的低值高估和高值低估問題；通過在不同海拔高度和地形地貌區均有氣象站點布設的烏魯木齊河流域為檢驗區，發現修正后的所有站點其精度均有提高，驗證了模型在不同海拔和地形地貌區降水分異刻畫的可靠性，該方法推廣至整個新疆的TRMM數據降尺度研究具有較高的可行性。

3）2000－2017年新疆年均降水量由高到低排序為中高山、極高山、高山、低山、中山、平原、盆地；其中盆地、平原和山地的比值約為1:1.6:2.5；中高山及以上山區降水集中在6－9月，年內降水量分配不均勻，而其以下區域年內降水分配較均勻，如低山區降水量最少的月份僅比最多的月份少了10%，降水多集中于5－8月。

4）新疆降水呈“北多南少”的空間分布格局特征，阿爾泰山北部區域的月降水均高于20 mm，而塔里木盆地東南部和吐哈盆地降水極少，多年月降水量均小于10 mm。山區均存在2個較明顯的降水峰值區，天山山區降水峰值區分別位于海拔3 400和4 300 m附近，阿爾泰山在2 400和3 200 m；帕喀昆阿山群的降水峰值區海拔明顯高于其他山地，出現在3 800和5 800 m。

新疆地區地形復雜，實測氣象站點少，尤其在高海拔山區的氣象站點更少，地面實測數據限制了降尺度結果的驗證。此外，也可以考慮研究新的衛星產品降尺度技術，從而輔助驗證TRMM衛星產品。