基于季節性疊加趨勢法的云南省干旱預測研究

楊帆 鄧麗仙 廖明瑜 趙蘭蘭

摘要：近年來，隨著云南省干旱發生的頻次不斷增加，影響范圍不斷擴大，開展干旱預測模型研究對云南省具有重要意義。分別選取云南省的石林、會澤、楚雄、元謀、紅塔、隆陽、廣南、瑞麗、屏邊、景洪10個縣市區內10個建站超30 a的基本水文站逐日實測降雨資料，基于季節性疊加趨勢方法建立預測模型并計算得到預測數值，與各水文站實測降雨數值進行對比分析，探討季節性疊加趨勢模型在云南省不同區域干旱預測中的應用效果。結果表明：嚴重干旱區4站中有3站能準確反映干旱趨勢，僅有1站能準確反映干旱程度；中度干旱區3站中有2站能準確反映干旱趨勢，不能準確反映干旱程度；輕度干旱區3站中有2站能準確反映干旱趨勢，僅有1站能準確反映干旱程度；總體來說，預測模型結果能較為準確反映干旱趨勢，但對干旱嚴重程度反映效果有待提升。

關鍵詞：干旱預測； 季節性疊加趨勢法； 干旱程度； 云南省

中圖法分類號：P426.616

文獻標志碼：A

DOI：10.15974/j.cnki.slsdkb.2023.06.014

文章編號：1006-0081（2023）06-0071-05

0 引 言

干旱不僅給農業生產造成嚴重損失，而且會導致生物多樣性減少、土壤水土流失和荒漠化等，對人民群眾的生產生活和自然環境造成極大影響。隨著近年來云南省干旱發生的頻次不斷增加，影響范圍不斷擴大，利用干旱評價的某一指標開展干旱預測模型研究，對云南省干旱的實時、動態、客觀分析和預測具有重要的意義。但由于干旱受多重因素影響，成因復雜，同時發生范圍較廣，持續時間較長，影響范圍較大，目前仍未明確能通用的干旱定義以及能廣泛運用的干旱監測、預報方法［1-2］。因此，探討一種客觀、動態、實時的干旱預測預報方法，對及時了解當前旱情的程度、分布以及未來干旱的發展態勢具有重要的現實意義。干旱預測中通常涉及的降水、河道來水、蒸發等指標數據變化均具備季節性周期特性，對具有季節性周期變化規律的數據序列可應用季節性疊加趨勢模型進行預測預報。本文通過選取云南省不同區域基本水文站的逐日實測降雨資料，基于季節性疊加趨勢方法建立預測模型并計算得到預測數值，與云南省各水文站實測降雨數值進行對比分析，探討季節性疊加趨勢模型在云南省干旱預報中的應用效果。研究成果可以為云南省抗旱減災、水資源配置等工作提供必要的技術支撐。

1 研究區域概況

依據《云南省水旱災害》［3］和《云南減災年鑒》［4］等文獻，云南省干旱表現出明顯的區域性，全省分為嚴重干旱區、中度干旱區和輕度干旱區。根據云南省干旱區域性的特點［5］，考慮到在同一區域干旱發生時間、受旱等級以及影響因素都具有較高的相似性。因此，在全省129個縣市區采用選取代表地區的方式進行模型預測應用及驗證。在代表地區的選取過程當中，充分考慮現有的自然氣候、干旱區域特性、所在流域以及資料條件等因素，綜合選取部分代表性好、資料獲取容易的石林縣、會澤縣、楚雄市、元謀縣代表嚴重以上受旱區域，紅塔區、隆陽區、廣南縣代表中度受旱區域，瑞麗市、屏邊縣、景洪市代表輕度受旱區域，開展模型應用及檢驗工作。

2 數據來源

由于此次季節性疊加趨勢模型依靠降雨開展旱情預測，因此收集石林縣、會澤縣、楚雄市、元謀縣、紅塔區、隆陽區、廣南縣、瑞麗市、屏邊縣、景洪市10個縣市區內10個建站時間超30 a的基本水文站1970～2010年的逐日降雨資料，本次應用分析的所有站點降雨數據均來源于云南省水文水資源局。

3 研究方法

目前國內外對干旱的預測方法主要以對各類干旱相關的監測數據開展統計模式預測為主，其中針對時間變量開展序列分析是一門在多行業應用廣泛的統計模式學科［6-8］。自然界和人類社會活動中的大多數變化規律符合時間序列的周期性演變特性，尤其是季節性的起伏變化規律。通過時間序列分析法，可以對根據時間順序得到的觀測數據的規律變化性開展分析研究［9-11］。而在自然界與人類社會的各類變化規律中，通常以周、月、季度或年作為衡量季節性周期的尺度，若某種時間序列數據的消長動態在受到季節性周期變化影響的同時，還受到穩定的速率上升或下降的影響，且季節性周期影響引起的時間序列波動對數據中的所有周期均是一致的，當以上兩種影響因素同時影響后，所得出的結果是疊加，而非交乘，則此時對應的時間序列數據就可以通過構建季節性疊加趨勢模型進行相關數據的預測預報［12-13］。干旱預測中涉及的降水、河道來水、蒸發等指標數據變化均具備季節性周期特性，因此通過采用季節性疊加趨勢法建立相關預測模型，對云南省降雨數值進行預測計算，并結合實測降雨數據分析模型的預測效果，以期為云南省的抗旱減災工作提供支撐。

4 模型建立

若時段T+τ的期望值為

μT+τ=aT+bτ+KT+τ（1）

式中：aT為某一時段T的平均水準；bτ為該時段的斜率；KT+τ是在時段T+τ的季節增量，則當KT+τ=0時，第T+τ時段無季節影響；而當KT+τ>0時，第T+τ時段的期望值大于平均值；當KT+τ<0時，期望值小于平均值。

預測模型是通過時間序列歷史數據{x1，x2，…，xT}來估計第T個周期（時段T）的M+2個未知系數和在時段T中aT，bτ，KT+τ的估值a^T，b^T，dT+τ （τ=1，2，…，M）。利用在（0，1）區間內的3個平滑參數α，β和γ，分別求出a^T，b^T和dT+τ。

（1） 先根據完整周期的時間序列資料估計參數a^T，b^T和dT+τ （τ=1，2，…，M），并對未來時段進行預測。

（2） 將采用完整周期后剩余不足1個周期的數據重新代入預報模型，并計算得出對應的預測結果。

最終建立完整的預測模型，見式（2）：

x^T（τ）=a^T+b^Tτ+dT+τ， τ=1，2，…，M（2）

5 檢驗時段

據1949年以后云南省統計資料顯示，20世紀80年代、90年代和21世紀以來，云南省的干旱災害較歷史明顯呈多發、高發態勢，且具有受旱面積大、受災人口多，經濟損失大、持續時間長等特點。根據對最近20 a云南省嚴重干旱年的研究，2010年的旱災是云南省近20 a最為嚴重的一次全省性嚴重干旱［14-15］，全省大部分地區均發生了一次由無旱發展到輕度干旱，由輕度干旱發展到中度干旱，由中度干旱發展到嚴重干旱，直至最后發生特大干旱的全過程，涵蓋了一場旱災的整個階段，具有較高的研究意義，為模型預報在年內的應用檢驗提供了全面的研究基礎。根據云南省防汛抗旱指揮部辦公室2009年9月至2010年8月《農業旱情動態統計表（周報）》資料以及實時旱情監測情況分析，該次特大干旱的起始時間為2009年10月，隨后旱情持續快速發展，2010年5月發展到最嚴重階段，隨后各地相繼進入雨季，旱情逐步緩解，2010年8月全省旱情全部解除。因此，選用2010年作為模型年內檢驗的典型年，根據所采用方法對檢驗時段的要求，確定預測檢驗時段為2009年9月至2010年8月、2010年1～12月、各代表站年歷史資料序列。

6 結果分析

6.1 預測結果

選取石林縣、會澤縣、楚雄市、元謀縣、紅塔區、隆陽區、廣南縣、瑞麗市、屏邊縣、景洪市10個縣（市區）的10個基本水文站的長系列降雨資料，利用DPS數據處理系統的季節性疊加趨勢模型對各水文站的降雨系列數據進行處理［16］，得出各水文站降雨數據的季節性特征，通過計算得到各水文站降雨數據的最小均方擬合誤差，并將最小均方擬合誤差與加速單純形法估計模型中的平滑參數相結合，從而得出最終預測模型，并計算出預測結果［17］。各地區預測結果見表1。

6.2 預測值與實測值對比分析

通過預測值與實測值對比，嚴重干旱區石林縣、會澤縣預測與實測趨勢基本一致，但實測值較預測值偏少幅度較大，元謀縣預測與實測趨勢基本一致，預測值與實測值接近，楚雄市預測與實測結果出入較大。中度干旱區紅塔區、廣南縣

預測與實測趨勢基本一致，但實測值較預測值偏

少幅度較大，而隆陽區預測與實測結果出入較大。輕度干旱區瑞麗市預測與實測趨勢基本一致，但實測值較預測值偏少幅度較大;景洪市預測與實測趨勢基本一致，預測值與實測值接近;屏邊縣預測與實測結果出入較大。具體預測值及對比成果詳見表2及圖1。

7 結 論

（1） 在選定10個代表站中，將季節疊加趨勢模

型預測的云南省降雨數據結果與2009～2010年云

南省特大干旱年相應月實測降雨比較，預測結果整體表現較為均化，對極值反映欠佳。嚴重干旱區的元謀、輕度干旱區的景洪2站預測趨勢與實測一致且數值相近；嚴重干旱區的石林、會澤，中度干旱區的紅塔、廣南，輕度干旱區的瑞麗5站預測趨勢與實測一致，但預測與實測出入較大；嚴重干旱區的楚雄、中度干旱區的隆陽、輕度干旱區的屏邊3站預測趨勢與實測相反，預測與實測出入較大。

（2） 模型預測結果中：有7站預測趨勢與實測一致，占站點總數的70%，能較為準確反映干旱趨勢，干旱趨勢預測效果較好，可用于干旱發展趨勢預測；但模型預測結果與實測值偏差較大，僅有2站能準確反映干旱嚴重程度，對干旱程度的預測效果不佳。

（3） 季節性疊加趨勢模型在開展降雨數據預測的應用時，預測結果受數據序列波動性影響較大。按各月降雨分配分析，預測值與實測值基本相近，但個別月份出入較大。

（4） 在開展干旱預測時，目前國內外仍沒有比較成熟的方法，若僅以單一模型進行旱情預測，預測結果存在較大的局限性，需綜合利用多種方法以確定合理取值。

參考文獻：

［1］ 周軍，任宏昌，王蒙，等.2022年夏季長江流域干旱特征及成因分析［J］.人民長江，2023，54（2）：29-35.

［2］ LI Q，DU Y，LIU Z，et al.Drought prediction in the Yunnan–Guizhou Plateau of China by coupling the estimation of distribution algorithm and the extreme learning machine［J］.Journal of the International Society for the Prevention and Mitigation of Natural Hazards，2022，113（3）：1635-1661.

［3］ 云南省防汛抗旱總指揮部辦公室，云南省水文水資源局.云南水旱災害［M］.昆明：云南省水文水資源局，1999.

［4］ 趙鈺，黃甫崗，李國才，等.云南減災年鑒［M］.云南：科技出版社，2012.

［5］ 白樹明，黃中艷.云南旱災特點和未來10年干旱趨勢預測［J］.人民珠江，2003（6）：4-6.

［6］ 張美英，何杰.時間序列預測模型研究綜述［J］.數學的實踐與認識，2011，41（18）：189-195.

［7］ SUBIMAL G.Modelling bivariate rainfall distribution and generating bivariate correlated rainfall data in neighbouring meteorological subdivisions using copula［J］.Hydrological Processes，2010（4）：3358-3567.

［8］ ZHANGL，VIJAY P.Bivariate rainfall frequency distributions using Archimedean copulas ［J］.Journal of Hydrology，2007（332）：93-109.

［9］ 周建康.實用水文統計［M］.北京：中國水利水電出版社，2017.

［10］ 遲道才，張寧寧，袁吉，等.時間序列分析在遼寧朝陽地區干旱災變中的應用［J］.沈陽農業大學學報，2006，37（4）：627-630.

［11］ 張善亮.基于水文水動力耦合模型的錢塘江流域洪水預報研究［J］.水利水電快報，2022，43（7）：25-32.

［12］ 范小青，蔣璐璐，談黎虹，等.季節性疊加趨勢——馬爾柯夫預測模型及其應用［J］.浙江大學學報（農業與生命科學版），2008，34（3）：309-314 .

［13］ 李春龍.云南史料選編［M］.昆明：云南民族出版社，1997.

［14］ 江振祥.云南省歷史洪旱災害史料實錄（宣統三年1911年以前）［M］.昆明：云南科技出版社，2008.

［15］ 劉建華，溫克剛.中國氣象災害大典·云南卷［M］.北京：氣象出版社，2006.

［16］ 唐啟義，馮明光.DPS數據處理系統［M］.北京：科學出版社，2007.

［17］ 鄢好，陳驕銳，李紹紅，等.基于時間序列和GRU的滑坡位移預測［J］.人民長江，2021，52（1）：102-107.

（編輯：江 文）

Application of seasonal superimposed trend method to drought

prediction in Yunnan Province

YANG Fan1，DENG Lixian2，LIAO Mingyu1，ZHAO Lanlan3

（1.Yunnan Hydrology and Water Resources Bureau，Kunming 650106，China；

2.Kunming Branch of Yunnan Hydrology and Water Resources Bureau，Kunming 650106，China；

3.Information Center of the Ministry of Water Resources （Hydrology and Water Resources Monitoring and Forecasting Center，Ministry of Water Resources），Beijing 100053，China）

Abstract：

In recent years，with the increasing frequency of drought occurrence and the expanding scope of impact in Yunnan Province，it is of great significance to carry out research on drought prediction models for real-time，dynamic，and objective analysis and prediction of drought in Yunnan Province.Therefore，this paper collected daily measured rainfall data of 10 basic hydrological stations in 10 counties and cities in different regions of Yunnan Province，including Shilin，Huize，Chuxiong，Yuanmou，Hongta，Longyang，Guangnan，Ruili，Pingbian，and Jinghong，with stations over 30 years.Then the papere stablished prediction model and calculated predicted value by seasonal superimposed trend method.Comparing the calculated predicted values with the measured rainfall values of each hydrological station to explore the application effect of seasonal superimposed trend model in drought prediction in different regions of Yunnan Province.The results showed that three of the four stations in severe drought areas can accurately reflect the drought trend，while only one station can accurately reflect the drought degree.Two of the three stations in moderately arid areas can accurately reflect the drought trend，but cannot accurately reflect the drought degree.Two of the three stations in lightly arid areas can accurately reflect the drought trend，while only one station can accurately reflect the drought degree.Overall，the prediction results can accurately reflect the drought trend，but the effect on reflecting the severity of drought is moderate．

Key words：

drought prediction； seasonal superimposed trend method； drought degree； Yunnan Province