西藏昌都市降水氣候及預測分析研究

丁增 楊騰域 黃鵬

（1.西藏八宿縣氣象局；2.西藏昌都市氣象局，西藏 昌都 854000）

0 引言

隨著全球氣候變化趨勢日益復雜，局部小氣候極端事件逐年增多，尤其是我國西藏地區，由于其特殊的地形地貌、海拔等因素，造成其氣候更加復雜多變[1]。因此，研究西藏地區局部小區域氣候變化規律，對掌握我國甚至全球氣候的變化均具有重要意義。同時，針對高原地區研究其降水氣候及預測未來變化規律，對冰川穩定性評估同樣具有一定參考價值。

針對降水氣候的研究，很多學者采用不同統計學方法進行了分析，戴睿等[2]利用西藏地區近50年38個測站資料，采用線性估計方法，對降水氣候特征進行了研究，指出降水量呈增多趨勢，且季節性較為顯著。格桑等[3]利用西藏地區18 個測站降水資料，采用CI指標法，分析汛期降水干旱程度，研究指出西藏地區干旱出現的頻率高達45%以上，其中輕度、中度干旱頻率最高。次旺等[4]利用西藏地區三個代表測站多年降水資料，研究其降水氣候變化規律，研究表明降水呈小幅度的遞增趨勢。還有其余學者[5-6]也對西藏地區降水預測技術進行了研究。

本文利用昌都市近50年降水觀測資料，首先通過對原始資料整理，分別計算出逐年降水量總和，其次采用距平分析、相關性分析等方法，研究年降水量整體變化趨勢以及找出對其影響較大的相關氣候因子，最后采用神經網絡等方法，對降水量未來幾年變化趨勢進行預測。

1 降水氣候變化特征分析

1.1 整體變化趨勢

本文首先計算出逐年降水量距平值，并分別采用一元線性擬合、5 年滑動平均算法對距平值數據進行處理，圖1為昌都市年降水量距平值變化趨勢。圖中顯示出，降水量在近50年發展過程中存在顯著的年際差異性，計算出多年平均降水量為482.22mm，在1970—1979 年期間距平值在0 值附近波動，說明了在這個范圍內降水量波動較大，而在1980—1995 年期間僅有3 個年份距平值大于0，說明在這個時間段內降水量相對較少，在1996—2010年降水量相對較多。根據一元線性擬合結果可以看出，整體上昌都市降水量呈增多趨勢，且每10 年降水量增加7.146mm。根據5 年滑動平均值顯示，1995年為年降水量的分界年，在1995年之前降水相對少，而后開始增多。

圖1 昌都市年降水量距平值變化趨勢

1.2 周期變化規律

為揭示昌都市年降水量多時間尺度周期變化規律，本文采用小波變換算法[7]對年平降水量數據進行處理。小波變換算法通常被用于氣候統計學中，能夠對不同氣候因子從頻域、時域這兩個角度對原始數據進行解析，并分析其周期性規律。圖2為昌都市年降水量小波變換結果，圖中顯示出，昌都地區年降水量存在多個時間周期變換尺度，其中2～5 年小尺度變換周期，在整個時間域內均是顯著的；同時，存在6～15 年左右的中等時間尺度的周期變換規律，該周期規律在1980—2010 年期間較為顯著。

圖2 昌都市年降水量小波變換結果

1.3 相關性因子分析

為揭示昌都市與年降水量相關性較大的氣候因子，本文分別統計同期逐年平均氣溫、相對濕度、日照數、平均風速、平均氣壓這5個氣候因子數據。由于各個氣候因子單位量綱不一致，本文首先采用歸一化方法對各因子數據進行處理，具體處理原則為：

該標準化方程的優點為：能夠使得標準化后的數據標準差為1，且平均值為0。式中：x 為進行相關性分析時的氣象因子數據，mean(x)為數據的平均值，std(x)為數據的標準差。

其次，采用相關性分析法，計算出降水量與上述各個氣候因子之間的相關性系數，表1 為昌都市降水量與相關氣候因子相關性統計值。從表中可以看出昌都市降水量與各主要相關氣候因子之間存在一定的相關性關系，其中降水量與相對濕度相關性最高，相關性系數為0.6081，其次與風速之間也存在較高的負相關性關系，計算出相關性系數為-0.4403，與日照數之間相關性系數為-0.3787。降水量與氣溫、氣壓之間相關性相對較小。

表1 昌都市降水量與相關氣候因子相關性統計值

1.4 降水量預測分析

為研究未來幾年昌都市年降水量變化趨勢，本文采用BP神經網絡算法［8］建立年降水量短期預測模型，神經網絡算法最早于1943 年被提出，圖3 為BP 神經網絡數學模型，網絡中的第i個神經元，接收其他神經元的輸入信號xj(j=1,2,…N)，用ωij表示各神經元間的權值。

圖3 BP神經網絡數學模型

在利用BP 神經網絡對年降水量預測過程中，首先需要對訓練、驗證樣本數量進行分割，本文利用90%樣本數作為BP 模型的訓練樣本，剩余10%樣本數作為BP 模型的驗證樣本。訓練模型中設置1 個隱含層節點，神經元數量設置為10，采用S 型激勵函數，設定誤差臨界值為0.001，當模型計算誤差小于該臨界值則停止訓練。表2 為BP 模型預測與實際降水量比對統計結果，計算出2015—2019 年期間年降水量BP 模型預測與實際降水量平均相對誤差為2%，可以看出本文所構建的BP 模型預測精確度相對較高，并采用該訓練好的BP網絡模型預測2020—2022年降水量分別為：488.69mm、553.65mm、573.15mm。

表2 BP網絡模型預測降水量和實際降水量對比統計表

2 結論

本文利用昌都市近50年降水觀測資料，采用距平分析、小波變換、相關性分析等方法，研究年降水量整體變化趨勢及周期性變化規律，最后采用神經網絡等方法，對降水量未來幾年變化趨勢進行預測。主要得出以下結論：昌都市降水量呈增多趨勢，每10 年降水量增加7.146mm，在1980—1995 年期間降水量相對較少，在1996—2010 年降水量相對較多；年降水量存在多個時間周期變換尺度，存在2～5 年小尺度變換以及6～15年左右的中等時間尺度的周期變換規律；降水量與相對濕度相關性最高，與氣溫、氣壓之間相關性相對較?。槐疚慕⒌慕邓緽P 模型預測與實際降水量平均相對誤差為2%，預測2020—2022 年降水量分別為：488.69mm、553.65mm、573.15mm。