基于GIS的大別山區(qū)東段雨季降水空間分布模擬

張宏群,馬曉群,范 偉,楊元建

(安徽省氣象科學(xué)研究所,安徽合肥230031;安徽省大氣科學(xué)與衛(wèi)星遙感重點實驗室,安徽合肥230031)

降水是基礎(chǔ)的自然環(huán)境因子,是反映氣候變化影響的重要指標(biāo),降水引起的暴雨和暴雨形成的徑流直接作用于土壤表面,是土壤侵蝕的直接動力[1]。降水尤其是山區(qū)降水的空間特征研究對防災(zāi)減災(zāi)和開發(fā)利用水資源具有重要意義,但是由于山地降水的復(fù)雜性,其空間分布的研究又具有一定難度。近些年來,國外學(xué)者對山地降水的空間分布進行了大量研究,一些研究[2-4]將海拔高度考慮到地理統(tǒng)計中,利用回歸方程,建立降水與地形變量值如緯度、經(jīng)度、大陸度、坡度坡向的回歸方程。B.Sevruk等[5]在小流域降水分布研究中還考慮了風(fēng)和地形的影響;Marquinez等[6]考慮用許多地形變量如坡向坡度等作為多元回歸因子,求得降水空間的回歸方程,計算30 a的月平均的標(biāo)準(zhǔn)誤差為10%,為提高回歸方程計算的精度,Marquinez將研究區(qū)域的降水分為干季和濕季分別建立回歸方程。國內(nèi)學(xué)者對山地降水空間分布的研究也很活躍,孫鵬森等[7]在ANUSPLIN和GIS空間分析技術(shù)的支持下,引進體現(xiàn)季風(fēng)方向和坡向之間耦合效應(yīng)的主風(fēng)向效應(yīng)指數(shù)(PWEI)和海拔高度等變量,采用樣條平滑技術(shù)對岷江流域月平均降水量進行模擬,結(jié)果表明,雨季(5—9月)的預(yù)測誤差遠(yuǎn)小于旱季,說明東南季風(fēng)對迎風(fēng)坡面有明顯的致雨效應(yīng),并因PWEI的運用提高了模擬精度;周長艷等[8]利用九寨溝、黃龍地區(qū)附近代表站的降水資料及NCEP/NCAR1959—2002年共44 a月平均再分析資料,采用小波分析、合成分析等方法對該地區(qū)降水以及水汽輸送特征進行了研究,結(jié)果表明,九寨溝、黃龍地區(qū)的降水主要集中在5—9月,干濕季明顯,7月份降水最多;蔡福等[9]以東北地區(qū)44 a共172個觀測站的四季降水資料為數(shù)據(jù)源,采用IDW、ANUSPLIN模型等多種空間插值方法,對東北地區(qū)冬、夏、年降水?dāng)?shù)據(jù)進行空間插值精度比較,認(rèn)為ANUSPLIN模型對降水?dāng)?shù)據(jù)空間插值的相對誤差最小。ANUSPLIN模型在多變量如經(jīng)度、緯度和海拔高度等統(tǒng)計分析基礎(chǔ)上引入樣條平滑機制,并通過人機交互使歸一化交叉檢驗值(GCV)達(dá)最低,從而達(dá)到理想的模擬精度。

本文以大別山區(qū)東段為研究對象,針對不同區(qū)域特點,適當(dāng)增加有效的地形因子和氣象因子并結(jié)合GIS的空間分析功能,是提高山區(qū)雨季降水模擬精度的新途徑。大別山區(qū)東段屬北亞熱帶溫暖濕潤季風(fēng)氣候區(qū),具有典型的山地氣候特征,氣候溫和,雨量充沛,年均降水量達(dá)1 832 mm,比附近地區(qū)多達(dá) 360 mm。該區(qū)域地形復(fù)雜,降水空間分布、時間分布的變化較大,是暴雨頻繁發(fā)生的地區(qū),降水與地理空間有一定的關(guān)系,是研究水資源、洪澇和地質(zhì)災(zāi)害的理想?yún)^(qū)域。大別山區(qū)東段雨季降水的空間分布模擬對提高該山區(qū)旱澇預(yù)報水平、防災(zāi)減災(zāi)以及開發(fā)利用山區(qū)農(nóng)業(yè)氣候資源及水資源綜合利用都有重要意義。大別山區(qū)東段的幾大水庫也是合肥、六安等城市的飲用水源地,因而對大別山區(qū)東段降水的分布模擬具有重要的區(qū)域社會安全價值。本文借鑒主風(fēng)向效應(yīng)指數(shù)(PWEI)思路,并增加有效的地形因子和氣象因子及其耦合效應(yīng)指數(shù),考慮大別山區(qū)東段最大降水高度,加入海拔較高的氣候考察站的數(shù)據(jù),采用簡單易行的統(tǒng)計回歸模型的方法對大別山區(qū)東段雨季降水進行模擬,較好地提高了山區(qū)降水模擬的精度。

1 研究區(qū)概況、資料和研究方法

1.1 研究區(qū)概況

研究區(qū)位于115°21.96′—117°29.84′E;29°58.48′—32°6.88′N的范圍,包括安徽省境內(nèi)的大別山區(qū)以及向東緩沖30 km的區(qū)域(圖1)。為東北—西南走向,是長江與淮河水系的分水嶺,海拔通常在500～800 m之間,主峰部分海拔1 500 m左右。

圖1 大別山區(qū)東段及氣象臺站和氣候考察站分布

1.2 研究資料

研究所需氣象資料分為3部分:(1)基礎(chǔ)氣象資料,為研究區(qū)內(nèi)11個常規(guī)氣象臺站1971—2004年共34 a逐日降水資料以及風(fēng)向資料;(2)安徽省80年代大別山區(qū)8個氣候考察站1983年4月1日—1986年3月31日3 a完整的降水和風(fēng)向資料,這8個氣候考察站中百家山、大化坪、青楓嶺和四望山4個站位于大別山的北坡,天柱山林場、馬祖庵、蛇形塘和趙公嶺4個站位于大別山的南坡,海拔在300,500,800和1 000 m左右,很好地彌補了常規(guī)氣象臺站海拔偏低的不足;(3)與研究區(qū)交界的外省鄰近的商城、麻城和英山3個氣象臺站的數(shù)據(jù)。

地理信息資料為研究區(qū)1∶5萬數(shù)字高程模型(DEM),以及由DEM 在ArcGIS中生成的坡向、坡度數(shù)據(jù)等。

1.3 研究方法

(1)資料處理。對8個氣候考察站的逐日資料進行“插值延補”,使其和常規(guī)氣象臺站具有相同時間尺度的即34 a(1971—2004年,下同)逐日降水和風(fēng)向資料,具體方法是綜合考慮氣候考察站和其附近常規(guī)氣象臺站的地形、坡向和距離等因素,確定最合適的常規(guī)氣象臺站作為參考站,然后把3 a逐日的氣候考察站與這個最合適的常規(guī)氣象臺站的相同時間段的資料進行相關(guān)分析,建立回歸模型,并進行F檢驗,再根據(jù)通過檢驗的回歸模型和相應(yīng)常規(guī)氣象臺站34 a的逐日資料把氣候考察站的資料“延長”至1971—2004年。

(2)“主風(fēng)向效應(yīng)指數(shù)(PWEI,prevailing winddirection effect index)”。坡向與季風(fēng)方向之間的角度是影響山區(qū)降水的關(guān)鍵因素,稱之為“主風(fēng)向效應(yīng)”,為了能夠定量化描述主風(fēng)向效應(yīng),構(gòu)建“主風(fēng)向效應(yīng)指數(shù)”作為變量之一參與降水的插值[7]。PWEI主要通過坡向和當(dāng)?shù)氐闹黠L(fēng)向2個因子建立。

式中:α——某點的坡向;β——主風(fēng)向。PWEI的值域區(qū)間為0～2,0～1之間為背風(fēng)坡,1～2之間為迎風(fēng)坡,當(dāng)坡向為β時,PWEI達(dá)到最大值2.0,PWEI綜合了主風(fēng)向和坡向的耦合效應(yīng)。運用ARCGIS/GRID模塊在DEM的基礎(chǔ)上,生成坡向柵格(1 km),然后,在坡向柵格中利用PWEI計算公式和地圖代數(shù)運算法計算產(chǎn)生PWEI柵格。由于采用1 km的較小柵格單元,在復(fù)雜變化的地形條件下,PWEI值的隨機性較大,噪聲大,為了能夠真實地反映氣象站及周邊地形的平均狀況,PWEI值取3×3卷積降噪處理,即采用氣象站周邊 9 km2范圍內(nèi)的平均PWEI值,避免因局部地形變異造成的隨機誤差。

各研究時段主風(fēng)向由氣象臺站34 a研究時段8個風(fēng)向所占百分比的平均值做風(fēng)向玫瑰圖得出。

(3)降水量空間分布模型。對山區(qū)降水空間分布的研究必須結(jié)合數(shù)據(jù)本身的特點和空間特性選擇合適的插值方法,需要將隨機插值方法和確定性方法相結(jié)合[10]。有研究表明[11]統(tǒng)計回歸模型在研究范圍較小、影響降水分布的地形因子明確時效果較好。海拔高度是影響山區(qū)降水的關(guān)鍵因素,每個山體降水與海拔高度都存在特定的關(guān)系,本文海拔高度直接從研究區(qū)DEM中提取。據(jù)研究坡度對降水最大增幅作用是在45°左右[12-13]。利用DEM數(shù)據(jù)計算了大別山區(qū)東段1 km×1 km柵格平均坡度處于0°～23°之間,因而在建模時坡度因子不作為主要自變量因子考慮。最終以氣象站點的經(jīng)度、緯度、高程、主風(fēng)向效應(yīng)指數(shù)為主要自變量因子,降雨量為因變量,建立雨季各月、夏季(6—8月,下同)和雨季(5—9月,下同)的降雨量模型,利用SPSS軟件對大別山區(qū)東段降水空間分布進行多元回歸模擬分析。回歸模型為:

式中:R——降雨量;ai(i=1～5)——待估計系數(shù);X ——經(jīng)度;Y ——緯度;H ——高程 ;PWEI——主風(fēng)方向效應(yīng)指數(shù),坡度等非主要自變量因子以及難以確定的其它自變量因子對降雨量的貢獻體現(xiàn)在系數(shù)a5中[14]。

由于山區(qū)降水隨海拔高度的變化呈現(xiàn)為二次函數(shù)關(guān)系,每個山體都存在某一降水最大高度[11]。大別山區(qū)東段降雨量和海拔高度的經(jīng)驗?zāi)Ｊ綖閽佄锞€型:

式中:Hm——最大降水高度。大別山東段不同季節(jié)的最大降水高度多年平均值為1 160 m,4—6月平均為950 m,7—10月平均為1 360 m,4—10月平均為1 090 m[15]。因此(2)式可改寫為:

(4)降水的空間分布模擬。本文利用ArcGIS強大的空間分析功能,進行柵格數(shù)據(jù)的空間分析。在ArcGIS中對研究區(qū)的經(jīng)度、緯度、高程和相應(yīng)的主風(fēng)向效應(yīng)指數(shù)分別生成1 km×1 km的柵格圖層,再依據(jù)由各月(季)的回歸模型得到的經(jīng)度、緯度、高程和主風(fēng)向效應(yīng)指數(shù)相應(yīng)的系數(shù),運用地圖代數(shù)運算法在Arc-GIS中疊加生成月(季)的1 km×1 km降水柵格數(shù)據(jù)。

2 結(jié)果與分析

2.1 回歸模型的建立

大別山區(qū)東段5月份最大降水高度為950 m,主風(fēng)向為E(90°)。利用最小二乘法原理進行系數(shù)ai(i=1～5)估計,在SPSS軟件中進行多元回歸分析計算得系數(shù)分別為:a1=-1.36;a2=-54.75;a3=-4.38E-05;a4=4.26;a5=2 046.94。即5月份回歸模型為:

為了判定回歸模型所有的自變量對因變量R(降水量)的影響的顯著性,本文采用F檢驗,由SPSS計算的F值與對于給定置信度α(α=0.05)所查出的臨界值進行比較:

由此可以看出,上述模型中各自變量對降水量(R)的影響是顯著的,而且其多元相關(guān)系數(shù)R2為0.87,說明上述方程具有一定的可靠性,可以作為大別山區(qū)東段5月份降水分布的通用模型,用于估計或模擬大別山區(qū)東段5月份的降水量[16]。

回歸數(shù)據(jù)的檢驗。用回歸模型計算的各氣象站點5月份降水量實測值與模擬值及它們之差(殘差)見表1。相對誤差為:

可以認(rèn)為該模型作為大別山區(qū)東段5月份降水量評估和模擬模型是可靠的。

用建立5月份降雨量回歸模型同樣的方法建立大別山區(qū)東段6—9月份、夏季和雨季降雨量回歸模型見表2。

以下方程的 F降水量均大于F0.05(4,17)=2.96,相對誤差(%)均小于10%,可以認(rèn)為以上方程作為相應(yīng)月份(季)降水量模擬模型是可靠的。周鎖銓等[17]對不同的降水插值方法的精度進行了比較,相對誤差大于10%,有些甚至大于20%。所以,針對大別山區(qū)東段這個研究范圍較小,影響降水分布的主要地形因子明確,適當(dāng)增加有效的氣象因子,采用確定的統(tǒng)計回歸模型的插值方法對該山區(qū)雨季降水分布模擬取得了較好的效果。

2.2 降水的空間分布模擬

由表2中5—9月份、夏季和雨季的回歸模型,在ArcGIS中分別生成5—9月份、夏季和雨季的1 km×1 km降水柵格數(shù)據(jù)。圖2為5,7,9月份以及雨季1 km×1 km降水柵格圖。

2.3 大別山區(qū)東段雨季降水量空間分布的特征分析

大別山區(qū)東段5—9月各月份與夏季和雨季平均降雨量和極值見表3。

根據(jù)ArcGIS中生成的5—9月份逐月、夏季和雨季1 km×1 km雨量柵格數(shù)據(jù)以及圖2和表3對大別山區(qū)東段雨季降水空間分布特征進行分析。

表1 5月份降水量實測值、模擬值及殘差 mm

表2 大別山區(qū)東段5—9月份、夏季和雨季降雨量回歸模型

表3 大別山區(qū)東段雨季降水量空間分布的特征值 mm

圖2 5,7,9月份和雨季1 km×1 km降水柵格圖

從5—9月份逐月雨量柵格數(shù)據(jù)可以看出,大別山區(qū)東段雨季逐月降水量存在不同的分布特征。5—6月份平均降雨量南坡多于北坡,相差明顯;7月份降雨量大,且北坡平均降雨量略大于南坡;8—9月份情況與5—6月份相反,南坡比北坡小,降雨量較小。從夏季和雨季雨量柵格數(shù)據(jù)可以看出,雨季和夏季的降水雖量級不同,但分布趨勢相近,無論是南坡、北坡,降水量均以山地谷區(qū)為最大,離開山地谷區(qū)愈遠(yuǎn),減少愈多。如南坡的廬江是桐城降水量的85%左右,北坡霍山到六安減少25%左右。

造成以上雨量分布差異的原因,可歸結(jié)為地形的作用。邊界層山地的擾動作用對大別山區(qū)東段雨季降水分布影響明顯,馮強等[18]認(rèn)為大別山地區(qū)這個典型的中尺度丘陵高地對局地中尺度天氣系統(tǒng)具有“阻滯”作用,局地地形是形成中尺度擾動的一種外強迫,大別山地區(qū)這種特殊的中尺度地形,在遇到中尺度低值系統(tǒng)時常使之停滯發(fā)展形成暴雨,暴雨系統(tǒng)在喇叭口地形的迎風(fēng)坡易于發(fā)展,影響降水分布。此外根據(jù)大別山區(qū)東段南北坡雨量差異的環(huán)流分析,雨量的南北坡的季節(jié)變化與大氣環(huán)流的季節(jié)變化一致。5—6月正值安徽省春汛及夏汛季節(jié),暖濕氣流活躍,西南氣流是主要水汽來源,南坡是偏南氣流的迎風(fēng)坡,遇有適當(dāng)?shù)奶鞖庀到y(tǒng)影響,由于地形抬升有利暴雨產(chǎn)生,因而雨量南坡多于北坡;7—9月盛夏季節(jié),安徽省較大降水來自臺風(fēng)后期的變性低壓及偏東南下的冷空氣,由東部海上帶來的潮濕氣流,首先吹向大別山北坡及東部地區(qū),與適當(dāng)?shù)挠绊懴到y(tǒng)結(jié)合,有利于暴雨產(chǎn)生,這種情況下,北坡產(chǎn)生暴雨的機率必然大于南坡,從而出現(xiàn)南北坡雨量明顯的季節(jié)性變化。

3 結(jié)論

(1)本文基于GIS技術(shù),引進“主風(fēng)向效應(yīng)指數(shù)”和最大降水高度的經(jīng)驗?zāi)Ｊ?以確定的因子采用統(tǒng)計回歸模型的方法對大別山區(qū)東段雨季降水進行了模擬,方法簡單易行,由于增加了有效的地形因子和氣象因子及其耦合效應(yīng)指數(shù),同時還考慮最大降水高度,較好地提高了降水模擬的精度,相對誤差小于10%。

(2)大別山區(qū)東段南北坡雨季雨量存在明顯時空差異,其原因是受邊界層山地的擾動作用和大氣環(huán)流作用共同影響,雨量的南北坡的季節(jié)變化與大氣環(huán)流的季節(jié)變化一致。

(3)本文雖利用相對高海拔的氣候考察站的數(shù)據(jù),彌補了常規(guī)氣象臺站海拔偏低的不足,但對整個研究區(qū)而言樣本數(shù)仍偏少,且分布不均勻,如果加入質(zhì)量控制后的高密度的自動雨量站數(shù)據(jù)建模,山區(qū)降水模擬精度將會進一步提高。近年來安徽省氣象部門在山區(qū)布設(shè)了大量的自動雨量站,彌補了固定臺站的不足,但目前已有自動雨量站資料時間尺度尚不夠,這項工作有待后續(xù)研究。

致謝 安徽省氣象臺首席預(yù)報員鄭緩緩正研級高工對本文提出的有益建議和幫助,在此深表敬意和感謝！

[1]萬曄,司徒群,李子海.滇西北地理環(huán)境特征與區(qū)域水土流失相互作用機制研究[J].水土保持通報,2003,23(5):1-5.

[2]Ninyerola M,Pons X,Roure J M.A methodological approach of climatological modeling of air temperature and precipitation through GIS techniques[J].Int.J.Climatol.,2000,20(14):1823-1841.

[3]Wothing G,Bouvier C H,Danloux J,Fritsch J M.Regionalization of extreme precipitation distribution using the principal components of the topographical environment[J].J.Hydrol.,2000,233:86-101.

[4]Weisse A K,Bois P.Topographic effects on statistical characteristics of heavy rainfall and mapping in the French Aops[J].J.Appl.Meteorol.,2001,40(4):720-740.

[5]Sevruk B,Nevenic M.The geography and topography effects on the areal pattern of precipitation in a small prealpline basin[J].Wat.Sci.Tech.,1998,37:163-170.

[6]Marquinez J,Lastra J,Garcia P.Estimation models for precipitation in mountainous regions:the use of GIS and multivariate analysis[J].J.Hydrol.,2003,270:1-11.

[7]孫鵬森,劉世榮,李崇巍.基于地形和主風(fēng)向效應(yīng)模擬山區(qū)降水空間分布[J].生態(tài)學(xué)報,2004,24(9):1910-1915.

[8]周長艷,李躍清,彭俊.九寨溝、黃龍風(fēng)景區(qū)的降水特征及其變化[J].資源科學(xué),2006,28(1):113-119.

[9]蔡福,于慧波,矯玲玲,等.降水要素空間插值精度的比較:以東北地區(qū)為例[J].資源科學(xué),2006,28(6):73-79.

[10]張紅平,周鎖銓.山地降水的空間分布特征研究綜述[J].陜西氣象,2004(6):27-30.

[11]周鎖銓,薛根元,周麗峰,等.基于GIS降水空間分析的逐步插值方法[J].氣象學(xué)報,2006,64(1):100-111.

[12]王菱.華北山區(qū)坡地方位和海拔高度對降水的影響[J].地理科學(xué),1996,16(2):150-158.

[13]傅抱璞.地形和海拔高度對降水的影響[J].地理學(xué)報,1992,47(4):302-314.

[14]馬藹乃.地理科學(xué)與地理信息科學(xué)論[M].武漢:武漢出版社,2000.

[15]亞熱帶東部丘陵山區(qū)農(nóng)業(yè)氣候資源及其合理利用研究課題協(xié)作組.中國亞熱帶東部丘陵山區(qū)農(nóng)業(yè)氣候資源研究[M].北京:科學(xué)出版社,1989.

[16]張宏群,安裕倫.貴州省喀斯特山區(qū)水土流失遙感信息模型的建立[J].水土保持通報,2003,23(5):39-42.

[17]周鎖銓,孫琪,肖桐松,等.長江中上游區(qū)基于GIS的不同時間尺度降水插值方法探討[J].高原氣象,2008,27(5):1021-1034.

[18]馮強,葉汝杰,王昂生,等.中尺度地形對暴雨降水影響的數(shù)值模擬研究[J].中國農(nóng)業(yè)氣象,2004,25(4):1-4.