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)
隨著全球氣候變化趨勢(shì)日益復(fù)雜,局部小氣候極端事件逐年增多,尤其是我國(guó)西藏地區(qū),由于其特殊的地形地貌、海拔等因素,造成其氣候更加復(fù)雜多變[1]。因此,研究西藏地區(qū)局部小區(qū)域氣候變化規(guī)律,對(duì)掌握我國(guó)甚至全球氣候的變化均具有重要意義。同時(shí),針對(duì)高原地區(qū)研究其降水氣候及預(yù)測(cè)未來(lái)變化規(guī)律,對(duì)冰川穩(wěn)定性評(píng)估同樣具有一定參考價(jià)值。
針對(duì)降水氣候的研究,很多學(xué)者采用不同統(tǒng)計(jì)學(xué)方法進(jìn)行了分析,戴睿等[2]利用西藏地區(qū)近50年38個(gè)測(cè)站資料,采用線性估計(jì)方法,對(duì)降水氣候特征進(jìn)行了研究,指出降水量呈增多趨勢(shì),且季節(jié)性較為顯著。格桑等[3]利用西藏地區(qū)18 個(gè)測(cè)站降水資料,采用CI指標(biāo)法,分析汛期降水干旱程度,研究指出西藏地區(qū)干旱出現(xiàn)的頻率高達(dá)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(qū)三個(gè)代表測(cè)站多年降水資料,研究其降水氣候變化規(guī)律,研究表明降水呈小幅度的遞增趨勢(shì)。還有其余學(xué)者[5-6]也對(duì)西藏地區(qū)降水預(yù)測(cè)技術(shù)進(jìn)行了研究。
本文利用昌都市近50年降水觀測(cè)資料,首先通過(guò)對(duì)原始資料整理,分別計(jì)算出逐年降水量總和,其次采用距平分析、相關(guān)性分析等方法,研究年降水量整體變化趨勢(shì)以及找出對(duì)其影響較大的相關(guān)氣候因子,最后采用神經(jīng)網(wǎng)絡(luò)等方法,對(duì)降水量未來(lái)幾年變化趨勢(shì)進(jìn)行預(yù)測(cè)。
本文首先計(jì)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(dòng)平均算法對(duì)距平值數(shù)據(jù)進(jìn)行處理,圖1為昌都市年降水量距平值變化趨勢(shì)。圖中顯示出,降水量在近50年發(fā)展過(guò)程中存在顯著的年際差異性,計(jì)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(dòng),說(shuō)明了在這個(gè)范圍內(nèi)降水量波動(dòng)較大,而在1980—1995 年期間僅有3 個(gè)年份距平值大于0,說(shuō)明在這個(gè)時(shí)間段內(nèi)降水量相對(duì)較少,在1996—2010年降水量相對(duì)較多。根據(jù)一元線性擬合結(jié)果可以看出,整體上昌都市降水量呈增多趨勢(shì),且每10 年降水量增加7.146mm。根據(jù)5 年滑動(dòng)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(duì)少,而后開(kāi)始增多。
圖1 昌都市年降水量距平值變化趨勢(shì)
為揭示昌都市年降水量多時(shí)間尺度周期變化規(guī)律,本文采用小波變換算法[7]對(duì)年平降水量數(shù)據(jù)進(jìn)行處理。小波變換算法通常被用于氣候統(tǒng)計(jì)學(xué)中,能夠?qū)Σ煌瑲夂蛞蜃訌念l域、時(shí)域這兩個(gè)角度對(duì)原始數(shù)據(jù)進(jìn)行解析,并分析其周期性規(guī)律。圖2為昌都市年降水量小波變換結(jié)果,圖中顯示出,昌都地區(qū)年降水量存在多個(gè)時(shí)間周期變換尺度,其中2~5 年小尺度變換周期,在整個(gè)時(shí)間域內(nèi)均是顯著的;同時(shí),存在6~15 年左右的中等時(shí)間尺度的周期變換規(guī)律,該周期規(guī)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(jié)果
為揭示昌都市與年降水量相關(guān)性較大的氣候因子,本文分別統(tǒng)計(jì)同期逐年平均氣溫、相對(duì)濕度、日照數(shù)、平均風(fēng)速、平均氣壓這5個(gè)氣候因子數(shù)據(jù)。由于各個(gè)氣候因子單位量綱不一致,本文首先采用歸一化方法對(duì)各因子數(shù)據(jù)進(jìn)行處理,具體處理原則為:
該標(biāo)準(zhǔn)化方程的優(yōu)點(diǎn)為:能夠使得標(biāo)準(zhǔn)化后的數(shù)據(jù)標(biāo)準(zhǔn)差為1,且平均值為0。式中:x 為進(jìn)行相關(guān)性分析時(shí)的氣象因子數(shù)據(jù),mean(x)為數(shù)據(jù)的平均值,std(x)為數(shù)據(jù)的標(biāo)準(zhǔn)差。
其次,采用相關(guān)性分析法,計(jì)算出降水量與上述各個(gè)氣候因子之間的相關(guān)性系數(shù),表1 為昌都市降水量與相關(guān)氣候因子相關(guān)性統(tǒng)計(jì)值。從表中可以看出昌都市降水量與各主要相關(guān)氣候因子之間存在一定的相關(guān)性關(guān)系,其中降水量與相對(duì)濕度相關(guān)性最高,相關(guān)性系數(shù)為0.6081,其次與風(fēng)速之間也存在較高的負(fù)相關(guān)性關(guān)系,計(jì)算出相關(guān)性系數(shù)為-0.4403,與日照數(shù)之間相關(guān)性系數(shù)為-0.3787。降水量與氣溫、氣壓之間相關(guān)性相對(duì)較小。
表1 昌都市降水量與相關(guān)氣候因子相關(guān)性統(tǒng)計(jì)值
為研究未來(lái)幾年昌都市年降水量變化趨勢(shì),本文采用BP神經(jīng)網(wǎng)絡(luò)算法[8]建立年降水量短期預(yù)測(cè)模型,神經(jīng)網(wǎng)絡(luò)算法最早于1943 年被提出,圖3 為BP 神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型,網(wǎng)絡(luò)中的第i個(gè)神經(jīng)元,接收其他神經(jīng)元的輸入信號(hào)xj(j=1,2,…N),用ωij表示各神經(jīng)元間的權(quán)值。
圖3 BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型
在利用BP 神經(jīng)網(wǎng)絡(luò)對(duì)年降水量預(yù)測(cè)過(guò)程中,首先需要對(duì)訓(xùn)練、驗(yàn)證樣本數(shù)量進(jìn)行分割,本文利用90%樣本數(shù)作為BP 模型的訓(xùn)練樣本,剩余10%樣本數(shù)作為BP 模型的驗(yàn)證樣本。訓(xùn)練模型中設(shè)置1 個(gè)隱含層節(jié)點(diǎn),神經(jīng)元數(shù)量設(shè)置為10,采用S 型激勵(lì)函數(shù),設(shè)定誤差臨界值為0.001,當(dāng)模型計(jì)算誤差小于該臨界值則停止訓(xùn)練。表2 為BP 模型預(yù)測(cè)與實(shí)際降水量比對(duì)統(tǒng)計(jì)結(jié)果,計(jì)算出2015—2019 年期間年降水量BP 模型預(yù)測(cè)與實(shí)際降水量平均相對(duì)誤差為2%,可以看出本文所構(gòu)建的BP 模型預(yù)測(cè)精確度相對(duì)較高,并采用該訓(xùn)練好的BP網(wǎng)絡(luò)模型預(yù)測(cè)2020—2022年降水量分別為:488.69mm、553.65mm、573.15mm。
表2 BP網(wǎng)絡(luò)模型預(yù)測(cè)降水量和實(shí)際降水量對(duì)比統(tǒng)計(jì)表
本文利用昌都市近50年降水觀測(cè)資料,采用距平分析、小波變換、相關(guān)性分析等方法,研究年降水量整體變化趨勢(shì)及周期性變化規(guī)律,最后采用神經(jīng)網(wǎng)絡(luò)等方法,對(duì)降水量未來(lái)幾年變化趨勢(shì)進(jìn)行預(yù)測(cè)。主要得出以下結(jié)論:昌都市降水量呈增多趨勢(shì),每10 年降水量增加7.146mm,在1980—1995 年期間降水量相對(duì)較少,在1996—2010 年降水量相對(duì)較多;年降水量存在多個(gè)時(shí)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(shí)間尺度的周期變換規(guī)律;降水量與相對(duì)濕度相關(guān)性最高,與氣溫、氣壓之間相關(guān)性相對(duì)較??;本文建立的降水量BP 模型預(yù)測(cè)與實(shí)際降水量平均相對(duì)誤差為2%,預(yù)測(cè)2020—2022 年降水量分別為:488.69mm、553.65mm、573.15mm。