基于GIS的海南島氣候資源小網(wǎng)格推算研究①

李文韜 張明潔 張京紅 劉 策

(1 海南省氣象探測(cè)中心 海南海口 570203;2 海南省氣候中心 海南海口 570203;3 海南省氣象局/海南省南海氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室 海南海口 570203)

海南島屬于熱帶海洋性島嶼季風(fēng)氣候區(qū)，光熱豐富，雨量充沛，常風(fēng)較大，臺(tái)風(fēng)頻繁。地形中間高聳，四周低平，由山地、丘陵、臺(tái)地、平原構(gòu)成環(huán)形層狀地貌，梯級(jí)結(jié)構(gòu)明顯。全省共有20個(gè)國家氣象觀測(cè)站，包括永興、珊瑚2個(gè)，本島18 個(gè)氣象臺(tái)站，相當(dāng)于每個(gè)臺(tái)站代表1 884.4 km2的面積，而且這些臺(tái)站大多分布在海拔較低的平原地區(qū)（其中，12個(gè)海拔高度低于100 m，3個(gè)100～200 m，2 個(gè) 200～300 m，只有 1 個(gè)高于 300 m），近年來隨著區(qū)域自動(dòng)觀測(cè)站的布設(shè)，氣象站分布疏密和代表性的限制問題得到了一定的緩解，但僅靠現(xiàn)有的氣象站點(diǎn)資料來詳細(xì)掌握海南氣候資源的分布狀況仍然不夠的。

針對(duì)全國各地的地形及氣候資源特點(diǎn)，國內(nèi)外學(xué)者開展了很多研究工作，并取得了一定成果［1－6］。例如，傅抱璞［7］、沈國權(quán)等［8］分別提出了一種分項(xiàng)疊加的分離綜合法和回歸余項(xiàng)法，在理論和實(shí)際處理上都較為合理，但在解決小地形訂正值的估算問題上仍有待改進(jìn)［9］。唐圣鈞等［10］， 趙永強(qiáng)等［11］，蔡哲等［12］，張雪芬等［13］，史本巖［14］，羅紅磊等［15］，臧辰龍［16］分別采用不同推算方法對(duì)貴州山區(qū)、山西省、江西省、河南省、遼寧省、廣西和全國的氣候資源精細(xì)化進(jìn)行了研究。通過建立小網(wǎng)格推算模型，推算出無氣象站點(diǎn)地區(qū)的氣候要素分布，對(duì)于氣候資源的合理利用、農(nóng)作物布局以及特色農(nóng)業(yè)的發(fā)展具有重要的意義。本文根據(jù)對(duì)海南島氣候資源的統(tǒng)計(jì)分析，采用多元線性回歸等方法建立海南島氣候要素的小網(wǎng)格推算模型，對(duì)氣候資源進(jìn)行小網(wǎng)格推算，并利用自動(dòng)氣象觀測(cè)站的數(shù)據(jù)對(duì)推算出的氣候要素值進(jìn)行檢驗(yàn)和修正，然后利用GIS技術(shù)平臺(tái)得到海南島氣候資源小網(wǎng)格柵格數(shù)據(jù)及其分布圖，以期為進(jìn)一步科學(xué)認(rèn)識(shí)海南島氣候特點(diǎn)及分布規(guī)律，充分利用海南島豐富的氣候資源優(yōu)勢(shì)、克服不利的氣候因子影響提供基礎(chǔ)的理論支撐。

1 材料與方法

1.1 材料

氣象數(shù)據(jù)：1981～2010 年海南本島18 個(gè)國家氣象站觀測(cè)資料，包括：月平均氣溫、月平均降水量、月日照時(shí)數(shù)、月平均風(fēng)速、月最大風(fēng)速等。海南島部分區(qū)域自動(dòng)氣象觀測(cè)站2009～2018 年月平均氣溫、月平均降水量、月平均風(fēng)速、月最大風(fēng)速觀測(cè)資料來源于海南省氣象局。

地形數(shù)據(jù)：海南省1∶50 000 地形圖；海南省1∶50 000基礎(chǔ)地理信息數(shù)據(jù)；海南省1∶50 000數(shù)字高程圖（DEM）來源于海南省測(cè)繪局。

1.2 方法

1.2.1 數(shù)據(jù)獲取

利用GIS 軟件對(duì)1∶25 萬地理背景數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換、拼接、裁剪及對(duì)柵格數(shù)據(jù)進(jìn)行重采樣，對(duì)矢量數(shù)據(jù)進(jìn)行分層和篩選，提取出海南島地理背景數(shù)據(jù)，建立ArcGIS 數(shù)據(jù)庫。包括：海南島各縣級(jí)行政邊界，500 m×500 m 分辨率的海南島數(shù)字高程模型及經(jīng)度、緯度、海拔高度等信息。

1.2.2 數(shù)據(jù)分析

統(tǒng)計(jì)分析和數(shù)學(xué)建模采用SPSS 21.0 進(jìn)行，地理信息資料處理、柵格計(jì)算和空間信息疊加采用ArcGIS 10.1完成。

2 結(jié)果與分析

2.1 氣候要素小網(wǎng)格推算模型的建立及檢驗(yàn)

2.1.1 氣候資源小網(wǎng)格推算模型的建立

空間分布網(wǎng)格上的氣候要素取決于該點(diǎn)的地理因子，即經(jīng)度、緯度、海拔高度等地形因子，因此，氣候要素與各站點(diǎn)地理信息（經(jīng)度、緯度、海拔高度等）的關(guān)系模型，即氣候資源小網(wǎng)格推算模型可表示為：

其中，Y為氣候要素；φ，λ，h 分別代表緯度、經(jīng)度、海拔高度等地理因子［17］；ξ 為余差項(xiàng)，可看作為φ，λ，h所擬合的氣候?qū)W方程的殘差部分，即

采用多元回歸分析法建立海南島18 個(gè)氣象站1981～2010 年歷年月平均氣溫、月降水量、月日照時(shí)數(shù)、月平均風(fēng)速、月最大風(fēng)速等氣候要素與各站點(diǎn)所在地的經(jīng)度（X1）、緯度（X2）、海拔高度（X3）等地理因子的關(guān)系模型，即各要素的空間分布模型（表1），正號(hào)代表正相關(guān)，負(fù)號(hào)代表負(fù)相關(guān)，相關(guān)系數(shù)的絕對(duì)值越大代表相關(guān)性越強(qiáng)，例如，春、秋、冬3季緯度越高，平均氣溫（日照時(shí)數(shù)）越低，夏季太陽直射點(diǎn)靠近北回歸線（23.5°N） 附近，海南島緯度范圍約 18°10′N～20°10′N，因此海南島夏季緯度越高平均氣溫越高，日照時(shí)數(shù)越長。

表1 氣候要素小網(wǎng)格推算模型及顯著性檢驗(yàn)

續(xù)表1 氣候要素小網(wǎng)格推算模型及顯著性檢驗(yàn)

續(xù)表1 氣候要素小網(wǎng)格推算模型及顯著性檢驗(yàn)

續(xù)表1 氣候要素小網(wǎng)格推算模型及顯著性檢驗(yàn)

由表1可見，利用多元回歸分析方法所建立的平均氣溫、降水量、日照、風(fēng)速等共計(jì)89 個(gè)小網(wǎng)格推算模型均通過了顯著性檢驗(yàn)，其中34 個(gè)通過了極顯著性檢驗(yàn)（p≤0.001），其中熱量資源小網(wǎng)格推算模型普遍通過極顯著性檢驗(yàn)，說明熱量資源的推算效果將更好些，降水、日照和風(fēng)速的大部分模型也通過了極顯著性檢驗(yàn)（p≤0.01），一部分通過了顯著性檢驗(yàn)（p≤0.05）。表明各方程均具有良好的回歸效果，可以用來推算海南島的氣候要素空間分布。

2.1.2 模型的精度檢驗(yàn)

為了對(duì)模型進(jìn)行驗(yàn)證，利用參與建模的臺(tái)站2009～2018 年的觀測(cè)資料進(jìn)行回代檢驗(yàn)，并遵循地理位置均勻分布的原則在全島隨機(jī)挑選了17 個(gè)自動(dòng)氣象站，用其2009～2018 年的觀測(cè)資料進(jìn)行模擬檢驗(yàn)，通過回代檢驗(yàn)和模擬檢驗(yàn)平均相對(duì)誤差分析模型的推算精度［18］：

其中，δ為平均相對(duì)誤差，為回代或模擬值，yi為實(shí)測(cè)值。精度標(biāo)準(zhǔn)為：|δ|≤5%，極高精度；5%＜|δ|≤10%，顯著精度；10%＜|δ|≤15%，一般精度；|δ|＞15%，較差精度。

表2 小網(wǎng)格推算模型的回代檢驗(yàn)和模擬檢驗(yàn)結(jié)果

續(xù)表2 小網(wǎng)格推算模型的回代檢驗(yàn)和模擬檢驗(yàn)結(jié)果

表2給出了利用多元回歸分析方法所建立的熱量、水、光照和風(fēng)資源空間分布模型的回代檢驗(yàn)結(jié)果和模擬檢驗(yàn)結(jié)果。有82 個(gè)模型的回代檢驗(yàn)平均相對(duì)誤差在－5%～5%，另外7 個(gè)在－10%～10%。回代檢驗(yàn)的最大誤差也小于10%。說明用這些模型推算海南島氣候要素小網(wǎng)格分布能夠滿足精度要求。絕大部分熱量資源和水資源模型的模擬檢驗(yàn)平均誤差在－5%～5%，平均風(fēng)速模型的模擬檢驗(yàn)平均誤差都在－10%～10%，最大風(fēng)速模型的模擬檢驗(yàn)平均誤差－15%～15%，

風(fēng)速資源模型的模擬誤差較大，一方面可能與模型本身的精度有關(guān)，另一方面與用于檢驗(yàn)的自動(dòng)站資料為2009～2018 年的自動(dòng)站觀測(cè)數(shù)據(jù)，觀測(cè)年限短、與建模資料觀測(cè)時(shí)間不在同一時(shí)期，且在近年來氣候變化的影響下，極端天氣氣候事件發(fā)生的頻次增多，強(qiáng)度增強(qiáng)等有關(guān)。例如，1117 號(hào)強(qiáng)臺(tái)風(fēng)“納沙”登陸海南文昌翁田鎮(zhèn)時(shí)中心風(fēng)力達(dá)到14級(jí)（42 m/s），1409號(hào)超強(qiáng)臺(tái)風(fēng)“威馬遜”在海南文昌翁田鎮(zhèn)沿海登陸時(shí)中心附近最大風(fēng)力17 級(jí)以上（70 m/s），登陸前“威馬遜”最強(qiáng)達(dá)到72 m/s，是1949 年以來登陸我國最強(qiáng)的臺(tái)風(fēng)，也是華南三省有氣象記錄以來登陸最強(qiáng)的臺(tái)風(fēng)。造成極端氣候觀測(cè)值的出現(xiàn)，進(jìn)而影響模型的模擬效果。

2.1.3 模型的時(shí)間一致性檢驗(yàn)

不同時(shí)間尺度模型推算結(jié)果的一致性關(guān)系到整體模型的可靠程度和推算結(jié)果的可用性，因此有必要對(duì)同一要素不同時(shí)間尺度模型的計(jì)算結(jié)果進(jìn)行一致性檢驗(yàn)。檢驗(yàn)方法是：先用分月模型計(jì)算的月值計(jì)算出各要素的年、季值，再用年、季模型直接計(jì)算出各要素的年、季值，通過對(duì)2種方法計(jì)算結(jié)果的對(duì)比分析檢驗(yàn)不同時(shí)間尺度模型計(jì)算結(jié)果的一致性［19］。

由平均氣溫不同時(shí)間尺度空間分布模型一致性檢驗(yàn)結(jié)果（表3～4）和年平均氣溫不同時(shí)間尺度模型一致性檢驗(yàn)圖（圖1）可見，平均氣溫的年、四季的分月模型與年（季）模型的一致性特別好，只有個(gè)別站點(diǎn)2種方法的回代檢驗(yàn)結(jié)果有誤差，四季平均氣溫的分月模型與季模型的回代檢驗(yàn)結(jié)果有誤差的站點(diǎn)數(shù)有所增加，但各種模型的誤差基本都在±0.1 之內(nèi)，說明不同時(shí)間尺度氣溫的小網(wǎng)格推算模型的計(jì)算結(jié)果一致性很好。

表3 平均氣溫春、夏季尺度空間分布模型一致性檢驗(yàn)結(jié)果 單位：℃

表4 平均氣溫秋、冬季尺度空間分布模型一致性檢驗(yàn)結(jié)果 單位：℃

春季、夏季和秋季降水量的分月模型與季模型的回代檢驗(yàn)一致性好于冬季、年的分月模型與季（年）模型的回代檢驗(yàn)結(jié)果（圖2）。總體看來，各個(gè)季節(jié)的分月模型與季模型之間的推算誤差都遠(yuǎn)小于模型回代檢驗(yàn)誤差本身，說明不同時(shí)間尺度降水量小網(wǎng)格推算模型的計(jì)算結(jié)果一致性較好。

夏、秋和冬季日照時(shí)數(shù)的分月模型與季模型的回代檢驗(yàn)一致性好于春季、年的分月模型與季（年）模型的回代檢驗(yàn)結(jié)果（圖3）。總體看來，各個(gè)季節(jié)的分月模型與季模型之間的推算誤差都遠(yuǎn)小于模型回代檢驗(yàn)誤差本身，說明不同時(shí)間尺度日照時(shí)數(shù)小網(wǎng)格推算模型的計(jì)算結(jié)果一致性較好。

除秋季外，年、春季、夏季和冬季平均風(fēng)速的分月模型與年（季）模型的一致性都特別好（圖4），只有個(gè)別站點(diǎn)2 種方法的回代檢驗(yàn)結(jié)果有誤差，秋季平均風(fēng)速的分月模型與年（季）模型之間的推算誤差都遠(yuǎn)小于模型回代檢驗(yàn)誤差本身，說明不同時(shí)間尺度平均風(fēng)速小網(wǎng)格推算模型的計(jì)算結(jié)果一致性較好。

夏、秋和冬季最大風(fēng)速的分月模型與季模型的回代檢驗(yàn)一致性好于春季、年的分月模型與季（年）模型的回代檢驗(yàn)結(jié)果（圖5）。總體看來，各個(gè)季節(jié)的分月模型與季模型之間的推算誤差都遠(yuǎn)小于模型回代檢驗(yàn)誤差本身，說明不同時(shí)間尺度最大風(fēng)速的小網(wǎng)格推算模型的計(jì)算結(jié)果一致性較好。

2.2 氣候要素的推算及空間分布

2.2.1 殘差的計(jì)算及插值

各氣候資源要素的殘差部分是沒有被多元回歸分析解釋盡的殘余信息，站點(diǎn)的實(shí)測(cè)值和模型模擬值之差為殘差（公式2）［12］。多元回歸分析能夠從總體上擬合海南島各個(gè)氣候要素的分布情況，但由于小地形影響、觀測(cè)資料的代表性不足等問題，還需要通過殘差訂正來進(jìn)一步提高氣候資源要素的總體擬合精度。利用ArcGIS 平臺(tái)中的反距離插值法，將氣候要素殘差插值到500 m×500 m的網(wǎng)格上，得到氣候要素殘差的柵格圖（圖略）

2.2.2 氣候要素小網(wǎng)格推算

將利用小網(wǎng)格推算模型模擬得到的氣候要素分布圖與殘差的柵格圖相疊加，可得到經(jīng)過訂正后的氣候要素小網(wǎng)格分布圖（圖6）。

3 討論與結(jié)論

本文利用海南本島18 個(gè)國家氣象觀測(cè)站1981～2010 的氣象觀測(cè)數(shù)據(jù)和站點(diǎn)地理信息資料，結(jié)合對(duì)海南氣候要素分布規(guī)律的統(tǒng)計(jì)分析，采用多元線性回歸方法建立了熱量、降水、光照和風(fēng)速等氣候資源的89 個(gè)要素空間分布的小網(wǎng)格推算模型，在全島隨機(jī)選擇17 個(gè)自動(dòng)氣象觀測(cè)站，利用其2009～2018 年的觀測(cè)資料對(duì)模型進(jìn)行檢驗(yàn)。結(jié)果表明，所建立的方程均通過顯著性檢驗(yàn)，回歸效果良好，能夠用來模擬氣候要素的空間分布，回代檢驗(yàn)和模擬檢驗(yàn)的結(jié)果進(jìn)一步驗(yàn)證了用這些模型推算海南島氣候要素空間分布能夠滿足精度要求。在此基礎(chǔ)上，利用GIS平臺(tái)對(duì)氣候要素進(jìn)行了小網(wǎng)格推算并進(jìn)行了殘差訂正以進(jìn)一步提高氣候資源要素的總體擬合精度，繪制了氣象要素小網(wǎng)格分布圖，建立了海南島氣候要素小網(wǎng)格柵格數(shù)據(jù)庫。為進(jìn)一步科學(xué)認(rèn)識(shí)海南島氣候特點(diǎn)及分布規(guī)律，充分利用海南島豐富的氣候資源優(yōu)勢(shì)、克服不利氣候因子的影響提供基礎(chǔ)的理論支撐。

與已有的氣候資源推算［13，20－21］相比，本研究不僅針對(duì)多項(xiàng)氣候資源要素進(jìn)行小網(wǎng)格推算，還增加了同一氣候要素不同時(shí)間尺度推算模型記過的時(shí)間一致性檢驗(yàn)［22］，并且檢驗(yàn)結(jié)果表明，所建立的氣候資源小網(wǎng)格推算模型具有很好的時(shí)間一致性，也進(jìn)一步說明了模型推算結(jié)果的可靠性。但研究過程中也發(fā)現(xiàn)，存在風(fēng)資源模型的誤差稍大的問題，這可能與對(duì)小地形影響考慮不多有關(guān)，因?yàn)榈匦螌?duì)氣候資源的影響是十分復(fù)雜的，但設(shè)置于平坦之處的氣象臺(tái)站，缺乏不同坡度、坡向的觀測(cè)，其觀測(cè)資料無法體現(xiàn)小地形對(duì)氣候資源的影響。今后的研究可通過短期小氣候觀測(cè)、野外小氣候調(diào)查和自動(dòng)氣象站的布設(shè)密度、觀測(cè)資料的不斷積累，建立充分考慮坡度、坡向影響的更加精細(xì)化的小網(wǎng)格推算模型，提高推算精度，使推算結(jié)果更加符合實(shí)際。