黔南州水電服務高影響氣象因子的長序列數據自動化分析

摘 要：黔南州水資源豐富，全州境內水電企業廣布，水電市場潛力巨大。但各家水電企業的發電計劃和洪峰預測仍是基于各廠積累的人工經驗進行推測的傳統預測模式。在近年黔南整體少雨、氣象災害偏高發的復雜氣象環境條件下，再根據經驗進行推測、預測更加凸顯了傳統預測模式缺乏科學性、理論性和數據支撐帶來的弊端。基于此，針對水電行業高影響的氣象因子進行長序列的數據分析，從數據中解析適用于黔南州本地的來水預報和發電計劃指導，滿足當前黔南州水電行業強烈的市場需求和公共需求。

關鍵詞：來水預報；發電計劃；高影響氣象因子；長序列氣象數據

中圖分類號：P338 文獻標志碼：B 文章編號：2095–3305（2024）12–0-03

黔南州境內水資源豐富且水電站建設基數大，州內水電企業對來水預報、發電計劃等高精度的專業氣象服務需求巨大。為滿足市場需求，實現綠色發展理念，以黔南州近20年的長序列氣象數據為基礎，提取高影響的氣象因子，針對黔南州境內主要流域，探索氣象因子與當地來水預報模型的線性關系，提供科學的預報服務和生產調度服務，提高企業經濟效益和減少氣象災害帶來的影響，實現黔南州水電行業的高質量發展。

1 研究資料與使用工具

使用的長序列氣象數據均來自國家級自動氣象觀測站，包括降水觀測（月降水、年降水），蒸發量等地面氣象觀測資料，所有時間均為北京時間。

降水資料：使用的降水資料涉及黔南州境內都勻、甕安、福泉、三都、長順、獨山、羅甸、荔波、平塘、貴定、龍里、惠水共12個縣（市）的國家級自動氣象觀測站2004—2023年的地面降水資料，經過貴州省氣象信息中心審核允許使用，所有的氣象觀測數據均經過貴州省氣象局考核把控，具有真實性、可靠性和代表性。

自動化數據處理工具：采用PandasGUI進行數據預覽、篩選、統計和多圖表的展示，以及數據轉換。PandasGUI是一款基于Python語言架構的自動化數據分析工具，其具有縮減代碼量的同時自動產出統計數據和圖表的技術優勢，極大地減輕了使用者的工作負擔和提高了工作效率[1]。

2 PandasGUI處理數據

2.1 安裝PandasGUI界面化分析工具

PandasGUI本質是進行數據處理和分析的Python庫，因此先要在Python環境中進行運行，PandasGUI官網建議安裝Python3.x.x以上版本，在Python官網選擇適配使用電腦的版本進行下載安裝，完成后使用Win+R輸入CMD命令進行檢測。在終端輸入pip install pandasgu命令下載 PandasGUI。

2.2 PandasGUI可視化分析降雨數據

在Win+R輸入CMD命令運行Python，在Python環境中輸入“import pandas as pd；from pandasgui import

show；df = pd.DataFrame（）；show（df）”代碼調試出Pandas

GUI圖像化界面，在其中可以進行數據分析和生成分析圖像等操作（圖1）。

3 黔南州降水的時空分布

3.1 黔南州降水空間分布特征

統計2004—2023年，黔南州年均降水量約為1 210 mm，州內各縣（市）年均降水量分別為甕安1 066 mm、長順1 322 mm、福泉1 124 mm、貴定1 130 mm、都勻1 417 mm、惠水1 223 mm、龍里1 110 mm、羅甸1 122 mm、平塘1 177 mm、獨山1 270 mm、三都1 371 mm、荔波1 183 mm。降水整體呈現中南部多（都勻、三都、獨山一帶）、北部少（甕安、福泉一帶）的區域特征。這20年區間，黔南州各縣（市）年均暴雨日數（24 h累計降水量≥50 mm為1個暴雨日）在2.4（甕安）～4.95 d（長順），黔南暴雨日數出現最多的仍集中在黔南州中南部（都勻、三都、獨山一帶）。根據黔南官方發布黔南州境內流域分布，以州中部的苗嶺山脈為分水嶺，黔南州的主要河流濛江、都柳江、劍江均隸屬于南部的紅水河水系和柳江水系[2]。因此，黔南州內的水電服務大多數集中在中南部區域，從上傳至PandasGUI的2004—2023年黔南州降水量的結果來看，自2020年開始，黔南州整體降水量明顯逐年減少，最大差值在2022年都勻市（州中部），較上年降水量減少約600 mm，2023年

州各縣（市）降水量超過1 000 mm的縣（市）僅為4個（甕安、都勻、惠水、三都），較2022年降雨量超過1 000 mm

的7個縣（市）同比減少42.8%。

3.2 黔南州降水時間變化特征

統計黔南州2013—2023年發生的最大日降水量出現月，結果表明：黔南州最大日降水量集中出現在5—9月，且根據黔南州政府明文界定，黔南州汛期為5—9月，因此探索降水這一氣象因子如何影響黔南州水電服務[3]。降水的時間變化特征，主要從汛期的5—9月進行剖析，但同時為體現數據的嚴謹性和多樣性，本文將會選取11月、1月、3月非汛期的歷史降水數據進行分析對比。

3.2.1 5月降水量趨勢分析

統計2004—2023年黔南州汛期5月的數據（圖2），2004—2013年汛期5月的平均降水量為191.88 mm，

2014—2023年汛期5月的平均降水量為187.63 mm，整體降水量少于前10年，并且借助PandasGUI處理2004—2013年汛期5月的平均降水數據，得到未來5月的降水量走勢的線性預測結果：未來黔南州汛期5月降水也呈下降趨勢。同時，以5年為一期進行數據分析，每隔5年就會出現其中一年的降水明顯減少（以距平百分率≥50統計），2023年達到歷史最低值86.3 mm，

同比減少59%。

3.2.2 6月降水量趨勢分析

統計2004—2023年黔南州汛期6月的數據（圖3），

使用PandasGUI對2004—2013年汛期6月的降水數據進行繪圖和劃線分析[4]。黔南州6月平均降水量為250.5 mm，

6月降水最多的年份為2017年，降水量達到377.4 mm，

偏多50.6%，最少的年份為2008年，降水量為113.1 mm，

偏少54.8%。從整體來看，黔南州汛期6月降水變化幅度不大，2006年、2007年、2010年、2015年、2017年、2018年、2019年、2020年在汛期6月降水高于平均值，6月的降水總量明顯大于5月。

3.2.3 7月降水量趨勢分析

統計2004—2023年黔南州汛期7月的數據（圖4），

黔南州7月平均降水量為188.7 mm，7月降水最多的年份為2007年，降水量達到333.1 mm，偏多76.5%，最少的年份為2011年，降水量為45.4 mm，偏少75.9%。從整體來看，黔南州汛期7月降水變化幅度偏大，最大值與最小值之間極值相差633%，其中2011年和2013年

7月降水明顯少于其他年份，近20年的整體降水波動明顯大于6月，根據2004—2023年7月的降水數據進行線性預測，未來7月黔南州整體降水呈下降趨勢。

3.2.4 8月降水量趨勢分析

統計2004—2023年黔南州汛期8月的數據（圖5），

黔南州8月平均降水量為135 mm，8月降水最多的年份為2008年，降水量達到了255 mm，偏多88.8%，最少的年份為2011年，降水量為40.3 mm，偏少70.1%。從整體來看，黔南州汛期8月降水量類似于7月降水量，變化幅度偏大，最大值與最小值之間極值相差630%，極值與7月接近，其中，2009年、2010年、2011年、2012年和2022年7月降水明顯少于其他年份，從2013年開始，近10年黔南州8月降水量超70%的年份降水量高于平均值，同時根據2004—2023年8月的降水數據進行線性預測，未來8月黔南州整體降水呈上升

趨勢[5]。

3.2.5 9月降水量趨勢分析

統計2004—2023年黔南州汛期9月的數據（圖6），

黔南州9月平均降水量為104.3 mm，8月降水最多的年份為2020年，降水量達到316.6 mm，偏多203%，最少的年份為2016年，降水量為41.5 mm，偏少60.2%。從整體來看，黔南州汛期9月降水量變化幅度明顯小于7月和8月，但是9月降水量最大值與最小值之間極值相差662%，極值與7月和8月接近，其中2008年、2010年、2014年、2015年、2017年、2018年和2020年9月降高于平均值，占總體的35%，表明近20年黔南州汛期9月的降水多數年份偏少，根據2004—2023年9月的降水數據進行線性預測，未來9月黔南州整體降水呈上升趨勢。

3.2.6 非汛期降水量趨勢分析

選取1月、3月、11月的降水數據進行統計分析，黔南州1月平均降水量為30.7 mm，3月平均降水量為55.5 mm，11月平均降水量為44 mm。對比汛期可以看出，在非汛期外，黔南州降水明顯減少，汛期降水最少的9月，平均降水量104 mm，對比3月（選取標本數據降水最高月）的平均降水量55.5 mm，相比減少了46.6%。同時，除了汛期，黔南州整體降水較為穩定，正負差值不超過30%，但汛期外黔南州整體少雨偏干燥。

4 結束語

使用PandasGUI對黔南州過去20年的降水數據進行特征分析，結果如下。

PandasGUI優勢在于數據的自動化匯總統計、過濾和交互式繪圖等，適用于處理龐大的氣象數據，直觀地感受數據的變化，科學進行預測預報，實現氣象服務高質量的發展，探索氣象數據中蘊藏的數據價值。

黔南州全年降水主要集中在汛期5—9月，其中，5月、6月、7月降水尤為明顯，占整個汛期降水的75%，并且7月以后，降水呈現明顯的下降趨勢。從空間上看，黔南州呈現北部少雨，中南部多雨，且除了汛期全州均屬于少雨的氣候條件。自2020年開始，黔南州的年均降水分別是1 552.7、1 328.6、10 38.0、914.2 mm，連續三年的降水量呈現下降趨勢，導致北部更加干旱，水庫、水站缺水狀況比較凸顯，中南部發電量減少，用水需求增加。

為提高黔南州水電服務質量，提升水電企業發電效率，黔南州的水電氣象服務應抓住汛期5—9月的這一重點時間段，在此期間著重做好防汛工作、為電站合理開展人工增雨發電，以流域為單位，重點監測黔南州中南部區域，根據歷史降水數據，結合境內流域的面雨量數據，科學預測水電站出入庫流量，為水電站提供洪峰預報，合理建議水電站進行蓄水發電。

參考文獻

[1] 李福威，包愛美，疏杏勝，等.基于水文-氣象因子的綜合多模型長期徑流預報研究[J].中國農村水利水電，2022 （11）：6-12.

[2] 陳文.中國南方洪澇和持續性暴雨的氣候背景[M].北京：氣象出版社，2013.

[3] 張向偉.Python數據分析中的數據整理探討[J].電子世界， 2021（11）：57-58.

[4] 李強，白建榮，李振林，等.基于Python的數據批處理技術探討及實現[J].地理空間信息，2015，13（2）：54-56，11.

[5] 張芹，徐文正，周樹華.濰坊市近50年夏季暴雨氣候特征分析[J].中國農學通報，2014，30（26）：236-241.

收稿日期：2024-08-19

作者簡介：茍松（1997—），男，貴州遵義人，助理工程師，研究方向為應用氣象服務。#通信作者：田端（1985—），男，貴州遵義人，工程師，研究方向為氣象數據可視化，E-mail：905578344@qq.com。