齊齊哈爾市降水量季節性分布研究

許亞杰

(齊齊哈爾市水資源中心，黑龍江 齊齊哈爾 161005)

1 概 述

降水是全球變化研究的重要生態參數之一，也是水資源開發管理、氣象預報、旱澇災害預警、農作物生產所依賴的關鍵變量[1-3]。當前衛星遙感降水產品應用逐漸引起了水文工作者的關注，然而其空間分布式格式、時間連續性、粗級分辨率特征限制其應用潛力[4-6]。鑒于此，文章擬以齊齊哈爾為研究區，旨在探討區域季節性降水降尺度適用性，以期為區域水資源管理工作開展提供有效的、更廣泛的數據源。

1.1 研究區概況

齊齊哈爾地處中國東北腹地、北依小興安嶺、西接內蒙古高原、南臨松嫩平原，地理坐標介于 121°59′-126°01′E，46°32′-50°12′N，區域面積4.43萬 km2。市域地跨北溫帶季風氣候區向大陸性氣候區過渡帶，有寒溫性特點，冬季寒冷漫長、夏季炎熱短促、四季分明，年內均溫-25.7-22.8℃，多年平均降水量415mm，無霜期122-151d，日照時數在2600-2900h，>10℃的積溫為1600-2500℃。市內高程介于123-596m，平均海拔為165m，總體地形平緩，地勢為東北、西部向中南部傾斜，屬嫩江水系。研究區位置、DEM和年GPM原始數據，見圖1。

圖1 研究區位置、DEM和年GPM原始數據

1.2 數據資料

本研究中數據主要有GPM降水數據，DEM數據和經緯度。GPM(全球降水觀測計劃)，作為美國航空航天局(NASA)與日本宇宙航空開發研究機構(JAXA)聯合開發的TRMM (熱帶降水觀測計劃衛星)的繼任者。其搭載了微波成像儀(GMI)和雙頻降水雷達(DPR)對全球降水、水汽進行反演，其空間分辨率從達0.1°[7-8]。文章采用2019年研究區逐月降水產品 GPM-3IMERGM，并將其融合為不同季節GPM數據，其中3-5月為春季、6-8月為夏季、9-11月為秋季、12-2月為冬季。

DEM數據來自地理空間數據云，其由美國聯邦地質調查局(USGS)提供，其空間分辨率達90m，數據集為STRM DEM。經緯度為原GPM數據和重采樣為1km*1km分辨率條件下GPM像素中心位置上的經度、緯度坐標。

1.3 地理加權回歸模型

地理加權回歸(GWR) 是建立在地理學第一定律基礎上，即考慮地理空間位置對變量的影響，通過空間位置設置臨近點空間權重建立回歸模型，目前被廣泛應用于空間異質性參數估計。

(1)

式中:Pi為第i個空間像素上的降水量;β0(xi，yi) 為第i個像素對應地理坐標為(x，y)處的常數項回歸參數； (xi，yi) 為i像素處的經度、緯度值，°；βj(xi，yi)為第j個降尺度因子在相應空間位置上回歸參數；n為空間因素個數；fij為第j個降尺度因子在i處值；ε(xi，yi) 為第i個像素位置的殘差；k為全部像素數量。

1.4 降尺度流程

降尺度的核心思想是同一尺度下GPM降水量與降尺度因子之間某一特定的函數關系也同樣適用于其他尺度情況下。基于此，實現GPM數據降尺度流程如下：

1)在ArcGIS平臺環境下利用三次卷積函數方法將不同源的降尺度因子重采樣至GPM數據的空間分辨率即0.1°×0.1°，并設置空間投影坐標為WGS-1984-UTM-50N、統一數據區域范圍、導出tif數據格式，然后利用convert工具將降尺度因子與原GPM的tif數據集導出為point格式，并將全部point數據導出excel格式并整理后作為降尺度建模樣本集。

2)在R語言環境下利用gwr程序包設計研究區GWR降尺度模型，模型構建基于Step1中的樣本集，其中因變量為原GPM像素(降水量值)，自變量為高程、經度、緯度。

3)將原降尺度因子按照同樣方法重采樣至1km*1km分辨率，其他格式設置如Step1。

4)將GWR模型所得常數項、各降尺度因子所對應的系數與1km*1km分辨率條件下的降尺度因子進行加權求和并與殘差項相加，最終得到1km空間降尺度結果。

1.5 降尺度效果評估

本研究利用線性相關系數(R2)、相對誤差(mean absolute error，MAE)、均方根誤差(root mean square error, RMSE)來評價降尺度模型的可靠性，其主要度量原GPM與降尺度后GPM降水量的線性相關程度、偏離程度。具體計算公式如下：

(2)

MAE=|Pori-Pdsi|/n

(3)

(4)

式中：Pori、Pdsi分別為降尺度前、后第i像素的降水量，Pds為降尺度降水量的平均值，i∈n，為像素數。

2 結果與分析

2.1 降尺度因子與GPM降水量之間線性關系分析

GPM降水量與降尺度因子之間的線性或非線性關系是建立穩健降尺度模型的關鍵。為此，利用簡單線性分析解析它們之間的相互關系，GPM降水量與降尺度因子之間的線性關系，圖2。可知，GPM降水量與區域海拔之間并不存在顯著全局性關系，但依據二者之間復雜的散點關系可判定可能存在局部線性關系，這在其他學者在復雜地形區的衛星反演降水產品降尺度研究中也有發現。GPM降水量與經度之間存在顯著全局線性相關(y = 28.246x - 2819.3,R2 = 0.4023, P<0.05)，表明區域降水量呈現自西向東地帶性增加分布。GPM降水量與緯度之間亦呈現顯著正相關關系(y = 27.345x - 605.6, R2 = 0.1069, P<0.05)，可初步判定區局部降水分布表現出隨緯度增大而增加的趨勢，但是否為全局趨勢，有待深入研究。綜上，選定的海拔、經度、緯度與GPM降水量之間存在一定密切關系，因而可以作為區域GPM產品降尺度的協變量因子。

圖2 GPM降水量與降尺度因子之間的線性關系

2.2 GPM降水量降尺度空間分布分析

2019年齊齊哈爾市GPM數降尺度結果，見圖3。通過對比圖1b與圖3可知，應用GWR模型進行降尺度后的產品消除了原GPM產品由于粗糙分辨率產生的機械紋理，產生了更加平滑的漸變效果，齊齊哈爾市2019年GPM數據降尺度前后統計特征對比，見表1。特別是對降水量空間異質性刻畫更加豐富，因而該降尺度研究取得滿意效果。通過表1可知，降尺度后的數據與GPM數據的值域范圍一致，雖然其標準差、變異系數有所減小但變化不大，表明降尺度后的數據依然保留了原數據的空間異質性。

圖3 2019年齊齊哈爾市GPM數降尺度結果

表1 齊齊哈爾市2019年GPM數據降尺度前后統計特征對比

區域季節性降水空間分布不均衡。2019年區域春季降水中心位于南部地區，由于該時節降水主要來源于南下的冷空氣與東南方向溫暖氣流交匯；而夏季受到東南季風帶來的豐富海洋水汽以及東北部地形抬升影響，全區降水豐度增加，降水中心北移。秋季降水量空間分布分別在東北部、南端形成2個降水中心，冬季降水中心則位于區域東南一側。由此可知，區域年內降水中心先呈逆時針移動，再變化為順時針移動。此外該地各季節降水量分配不均衡，2019年齊齊哈爾市各季節降水量結構比，見圖4。夏季降水量集中性可達75.52%，春、秋、夏季降水量僅占全年降水量的15.15%、8.14%、1.18%。

2.3 GPM數據降尺度結果檢驗

2019年齊齊哈爾市GPM數據降尺度檢驗參數，見表2。利用公式2-5計算各季節GPM數降尺度模型精度。如表2所示，降尺度模型的R2為0.81-0.95，MAE為3.26-36.74mm，RMSE為2.12-28.23mm，這與其他學者在閩浙贛山區、長江流域、太行山區的降尺度精度相近，由此證實本研究結果的可靠性。從一致性來看，夏季GPM數據降尺度前后的一致性最高，其次是春季、秋季、冬季，這是由于GPM和TRMM等氣象觀測衛星對水汽豐富地區的探測靈敏度更高。但夏季降水量豐富，亦難以精確反映實際降水量值，因此夏季的MAE和RMSE較大。總體來看，降尺度后依然保持了原GPM數據的精度。

圖4 2019年齊齊哈爾市各季節降水量結構比

3 結 論

文章詳述了齊齊哈爾市GPM數據由粗級尺度向精細尺度轉換流程，得出結論如下：①經度、緯度、海拔等降尺度因子對GPM降水量具有良好解釋能力，GWR模型的降尺度精度較高，滿足區域GPM產品精細化需要；②僵持后的數據保留了原GPM產品的數值統計特征和空間分布趨勢，但前者數據空間分辨率更高、細節表現力更強，對粗級GPM具有一定可替代性；③GPM數據能夠準確反映研究區降水量時序分布，降水中心隨季節變化呈現先逆時針、再順時針移動。