影響灤河流域降水空間分布的多元環(huán)境因子作用機制

董甲平,冶運濤,顧晶晶,曹 引,趙紅莉,蔣云鐘

(1.蘭州交通大學(xué)測繪與地理信息學(xué)院,甘肅 蘭州 730070;2.地理國情監(jiān)測技術(shù)應(yīng)用國家地方聯(lián)合工程研究中心,甘肅 蘭州 730070;3.甘肅省地理國情監(jiān)測工程實驗室,甘肅 蘭州 730070;4.中國水利水電科學(xué)研究院水資源研究所,北京 100038; 5.水利部數(shù)字孿生流域重點實驗室,北京 100038)

高質(zhì)量的降水?dāng)?shù)據(jù)對于水資源開發(fā)利用和管理有著重要的價值[1],而且能夠為防洪、抗旱等自然災(zāi)害的應(yīng)急決策提供科學(xué)的數(shù)據(jù)支撐[2]。目前獲取降水?dāng)?shù)據(jù)的手段主要有氣象站點、雷達觀測和衛(wèi)星遙感[3-4]等。受獲取手段的限制,衛(wèi)星遙感降水?dāng)?shù)據(jù)分辨率過于粗糙,無法滿足精細水文水資源研究的需要,衛(wèi)星遙感降水降尺度成為解決該問題的重要手段[5]。衛(wèi)星遙感降水降尺度主要分為統(tǒng)計降尺度和動力降尺度兩種。隨著近幾年機器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展,通過構(gòu)建環(huán)境因子與降水?dāng)?shù)據(jù)關(guān)系的統(tǒng)計降尺度方法成為研究熱點[6]。

統(tǒng)計降尺度算法依托降水與其他環(huán)境因子的關(guān)系[7]獲取高空間分辨率的降水?dāng)?shù)據(jù)。因此環(huán)境因子的選取成為決定降尺度結(jié)果優(yōu)劣的前提條件。國內(nèi)外不少學(xué)者使用不同環(huán)境因子對統(tǒng)計降水降尺度開展了研究。如Jia等[8]基于多元線性回歸模型,使用DEM和NDVI因子在柴達木盆地進行了降水降尺度研究;Chen等[9]在揚子江流域使用地理加權(quán)回歸,對比了將NDVI、DEM和EVI、DEM等環(huán)境因子分別作為參數(shù)的降尺度模型的表現(xiàn);Xie等[10]在內(nèi)蒙古地區(qū)使用NDVI、高程、坡度、坡向、經(jīng)度和緯度等環(huán)境因子,就指數(shù)回歸、多元線性回歸、廣義線性回歸和地理加權(quán)回歸算法展開研究;寧珊等[11]結(jié)合相對濕度、經(jīng)度、緯度、高程、坡向、坡度和植被因子,構(gòu)建了新疆地區(qū)的TRMM降水量偏最小二乘法降尺度模型;范田億等[12]使用NDVI、DEM、坡度、坡向、經(jīng)度和緯度等環(huán)境因子建立了湘江流域地理加權(quán)回歸降尺度模型。從已有研究來看,大部分研究基于簡單的相關(guān)系數(shù)分析法選取環(huán)境因子[13],或直接使用前人的研究成果。但是不同的時間尺度及不同的流域范圍,影響因子均有可能發(fā)生變化,所以對降水降尺度環(huán)境因子的影響進行定量分析十分必要。

地理探測器自2010年提出之后,已經(jīng)在土地利用、公共健康、區(qū)域規(guī)劃[14]、地質(zhì)、氣象、生態(tài)和遙感等眾多領(lǐng)域得到了廣泛的應(yīng)用[15]。地理探測器能夠探測空間分異性,并揭示其背后的驅(qū)動力,成為探究全局驅(qū)動因子、局域驅(qū)動因子及不同時間尺度、空間尺度驅(qū)動因子變化的強力工具。與其他分析方法相比,地理探測器具有以下優(yōu)勢[15]:①既可以探測數(shù)值型數(shù)據(jù),也可以探測定性數(shù)據(jù);②可以判斷兩個自變量是否存在交互作用,以及交互作用的強弱、方向、線性還是非線性;③地理探測器Q值具有明確的物理含義,能夠客觀地表明自變量解釋了Q×100%的因變量。雖然地理探測器具有強大的因子探測能力,但是尚未有學(xué)者將地理探測器用于統(tǒng)計降水降尺度環(huán)境因子分析。

本文以灤河流域為研究對象,使用DEM數(shù)據(jù)和2018年衛(wèi)星遙感產(chǎn)品提取經(jīng)度、緯度、高程、NDVI、坡度和坡向6項環(huán)境因子,利用地理探測器定量分析了IMERG衛(wèi)星降水空間分布的影響因子、多因子的交互作用及多因子的差異性。

1 研究區(qū)概況與數(shù)據(jù)選取

1.1 研究區(qū)概況

灤河流域(115°30′E～118°45′E,39°10′N～42°40′N)位于遼寧省、河北省和內(nèi)蒙古自治區(qū)的交界地帶,流域面積44750km2,地形差異較大,地形總趨勢由西北向東南傾斜。灤河上游為壩上高原,海拔高度為1300～1400m;中部為燕山山地,地形復(fù)雜,海拔高度1000～1800m;東南部主要為平原,海拔在1000m以下(圖1)。灤河流域位于半濕潤半干旱過渡帶,氣候復(fù)雜多變,年平均氣溫為1～11℃,多年平均降水量400～800mm。灤河流域是我國北方重要的生態(tài)屏障區(qū),其降水的時空分布差異非常明顯[16],具有典型性和代表性。作為引灤入津工程的重要水源地[17],對其進行水資源管理和保護具有重要的意義。

圖1 灤河流域范圍及高程

圖2為2018年灤河流域的年降水量分布情況,灤河流域降水由東南向西北遞減[18],呈現(xiàn)明顯的條帶狀空間分布特征。降水主要集中在東南部的平原地帶,年降水量超過650mm,向西北壩上高原方向降水量逐漸減少,壩上高原區(qū)降水量小于450mm。

圖2 降水空間分布

1.2 研究數(shù)據(jù)

1.2.1 環(huán)境因子

根據(jù)Jia等[8-12]研究結(jié)果,選擇NDVI、高程、坡度、坡向、經(jīng)度和緯度[19]作為本文的環(huán)境因子進行因子探測、交互探測和生態(tài)探測。

1.2.2 數(shù)據(jù)來源

使用的數(shù)據(jù)包括空間分辨率為0.1°的IMERG(integrated multi-satellite retrievals for global precipitation measurement)衛(wèi)星降水產(chǎn)品以及統(tǒng)一分辨率為0.1°的NDVI、高程、坡度、坡向、經(jīng)度和緯度等環(huán)境因子。其中IMERG、NDVI為下載的衛(wèi)星產(chǎn)品;在90 m分辨率的DEM下通過ArcGIS提取坡度、坡向和高程數(shù)據(jù),并將坡度、坡向和高程數(shù)據(jù)重采樣至0.1°分辨率與其他數(shù)據(jù)相匹配;提取0.1°高程數(shù)據(jù)的中心經(jīng)緯度作為經(jīng)緯度信息。衛(wèi)星產(chǎn)品來源見表1。

表1 數(shù)據(jù)來源及信息

2 研究方法

2.1 地理探測器原理

利用地理探測器定量分析影響降水空間分布的環(huán)境因子,其核心思想是[15]:若NDVI、高程、坡度、坡向、經(jīng)度、緯度中某個環(huán)境因子對降水空間分布有重要的影響,則其與降水空間分布應(yīng)該具有相似性。地理探測器主要包括因子探測、交互探測、生態(tài)探測3種類型。

2.1.1 因子探測

用于分析環(huán)境因子對降水空間分布的解釋力,表達式為

(1)

結(jié)合其他降水降尺度環(huán)境因子的選擇及地理探測器在其他領(lǐng)域設(shè)置的閾值[20],最終選擇影響力大于10%作為主要影響因子,能夠顯著影響降水的空間分布;影響力大于1%且小于10%作為次要影響因子,能夠與其他因子交互對降水空間分布產(chǎn)生顯著的影響;影響力小于1%的環(huán)境因子對降水空間分布無直接影響,且與其他因子的交互不會起太大的作用。

2.1.2 交互探測

用于分析環(huán)境因子的交互作用對降水空間分布的影響。通過比較自變量X1和X2的Q(X1)和Q(X2)及其疊加變量X1∩X2的Q(X1∩X2),分析其交互作用。交互類型包括非線性減弱、單因子非線性減弱、雙因子增強、獨立和非線性增強5種類型[15]。

2.1.3 生態(tài)探測

用以比較不同環(huán)境因子對降水空間分布的影響是否有顯著的差異。用F統(tǒng)計量來衡量,正則假設(shè)H0為:X1和X2的層內(nèi)方差之和相等,如果在α=0.05[15]的顯著性水平上拒絕H0,則表明2個自變量對因變量空間分布的影響存在顯著差異。

2.2 環(huán)境因子的分級方法

利用地理探測器分析環(huán)境因子對降水空間分布影響的重要環(huán)節(jié)是討論可塑性面積單元問題(modifiable areal unit problem,MAUP)。MAUP包括尺度效應(yīng)和分區(qū)效應(yīng)兩方面[21],前者討論空間統(tǒng)計格網(wǎng)大小對地理探測器模型的影響,后者討論自變量離散方法及分類數(shù)量對地理探測器模型的影響。

為保證衛(wèi)星降水?dāng)?shù)據(jù)的分辨率,空間統(tǒng)計格網(wǎng)的大小應(yīng)與IMERG產(chǎn)品的分辨率保持一致,以避免尺度效應(yīng)的影響。針對分區(qū)效應(yīng),選擇等距分類(equal)、自然斷點分類(natural)、分位數(shù)分類(quantile)、幾何分類(geometrical)和標準差分類(sd)5種離散方法,并將自變量分為3～9類分別計算Q值[22],選擇Q值最大的組合作為離散方法和分類數(shù)量的最佳組合。

圖3以年尺度為例展示了離散方法與分類數(shù)量組合選取過程。圖4為使用最佳組合得到的自變量分區(qū),其中紅色豎直線為不同分區(qū)的分隔線。表2為年尺度最佳組合的結(jié)果。

表2 分區(qū)效應(yīng)最優(yōu)組合

圖3 離散方法與分類數(shù)組合

3 結(jié)果與分析

3.1 因子探測

表3統(tǒng)計了年、季尺度各環(huán)境因子對降水空間分布影響力大小。年尺度下,緯度、高程、經(jīng)度和NDVI的影響力超過10%,為主要因素,其中緯度影響最大。坡度、坡向的影響力超過1%但小于10%,為次要因素。環(huán)境因子的影響力均超過1%,說明該6項因子均對降水空間分布有直接影響。季尺度下,春季降水主要受緯度、經(jīng)度、高程和NDVI的影響;夏季降水主要受緯度、高程、經(jīng)度和NDVI的影響;秋季降水主要受經(jīng)度、緯度、高程、NDVI和坡向的影響;冬季降水主要受經(jīng)度、緯度和高程的影響。對比4個季度的環(huán)境因子Q值,Q值前三的環(huán)境因子均為緯度、經(jīng)度和高程;不同季節(jié)環(huán)境因子的Q值有所差別,春季、夏季、冬季降水受緯度的影響最大,Q值均超過0.8,其中春冬兩季第二影響因子為經(jīng)度,夏季第二影響因子為高程,秋季最大影響因子為經(jīng)度且Q值超過0.53。

表3 年、季尺度自變量因子探測

表4為月尺度下各環(huán)境因子對降水空間分布的影響力大小。不同月各環(huán)境因子的Q值雖有所變化,但除6月外前3個貢獻因子仍然是緯度、經(jīng)度、高程。12個月中,1月、3月、8月、11月和12月緯度、經(jīng)度和DEM的影響力均超過25%,為主要因素,NDVI、坡度和坡向影響力超過1%但低于10%,為次要因素;其他月主要因素為經(jīng)度、緯度、DEM和NDVI,次要因素為坡度和坡向。12月中,有7月緯度為第一貢獻因子,分別是1月、2月、4月、7月、8月、10月、12月;其余5個月第一貢獻因子為經(jīng)度;只有1月、2月第一貢獻因子Q值小于0.5,其余月第一貢獻因子的Q值均超過0.63,其中Q值超過0.8的有6個月,4月和10月的Q值均達0.92。

表4 月尺度自變量因子探測

表5為旬尺度下各環(huán)境因子對降水空間分布的影響力大小。除1月中下旬、2月中旬和11月中旬,其他32旬前3個貢獻因子均為經(jīng)度、緯度和高程。1月中下旬、2月中旬和11月中旬的因子影響力偏低,均低于30%。分析其主要原因,秋冬季北方降水更易受冷空氣的影響,高程對降水空間分布的影響減弱,降水與NDVI的關(guān)系增強。1月中旬環(huán)境因子對降水空間分布的影響力最低,所有因子的影響力均低于10%,為次要因子,其次是9月上旬和11月下旬,只有一個主要因子,分別為經(jīng)度和緯度,其余皆為次要因子。

整體來看,在年、季、月和旬尺度上,經(jīng)度、緯度和高程都起到了主導(dǎo)降水空間分布的作用,結(jié)合圖2可知,灤河流域降水空間分布呈現(xiàn)由東南向西北遞減的趨勢,這使得經(jīng)度、緯度和降水空間分布出現(xiàn)較高的相似性,使得Q值相較于其他因子更高。由圖1可知,灤河流域由東南部平原到中部山地再到西北部壩上高原,高程逐漸增加,降水逐漸減少,造成高程的離散化結(jié)果與降水的空間分布具有明顯的相似性,也使高程的Q值較高。隨著春夏季節(jié)植被的增加,蒸騰作用的增強,NDVI對降水的影響力也隨之增大。坡度和坡向的影響力均小于10%,單因子對降水的影響并不明顯。

3.2 交互探測

降水空間分布受環(huán)境因子的綜合影響。環(huán)境因子的交互可能會提升或減弱單個因子的影響力。圖5為年、季尺度環(huán)境因子的交互結(jié)果。由圖5(a)可以發(fā)現(xiàn)年尺度下環(huán)境因子兩兩交互均起到了增強作用。其中經(jīng)度和緯度交互的Q值達到了0.97。圖5(b)～(e)為季尺度環(huán)境因子的交互結(jié)果,季尺度下所有環(huán)境因子的交互作用均為增強,相較于單個環(huán)境因子,交互作用的Q值均有較大幅度的提升。Q最大值均為經(jīng)度-緯度的交互,其中春季、夏季、秋季、冬季的Q最大值分別為0.97、0.97、0.87和0.93。4個季度對比發(fā)現(xiàn),秋季受限于單個環(huán)境因子的影響力,交互作用下Q值偏低。

圖5 年、季尺度自變量交互探測

表6為12個月環(huán)境因子交互結(jié)果,只有2月坡度與DEM的交互結(jié)果為單因子非線性減弱,其他月以及其他因子的交互結(jié)果均為增強。與其他時間尺度相同,交互結(jié)果的最大Q值均為經(jīng)度和緯度的交互結(jié)果。其中4、5、7、8、10、12月的Q最大值超過了0.95。其他月的Q最大值也均超過了0.6,說明因子之間的交互結(jié)果能夠更好地影響降水的分布特征。

表6 月尺度自變量交互作用探測

表7為2018年36旬環(huán)境因子交互作用的結(jié)果,其中ND表示NDVI,LA代表緯度,LO代表經(jīng)度,DE代表高程,SL代表坡度,AS代表坡向。只有7月上旬NDVI與經(jīng)度的交互結(jié)果為單因子非線性減弱,其余環(huán)境因子的交互結(jié)果均為增強。其中,1月上旬和2月上旬最大交互結(jié)果為緯度與坡向的交互,其他旬最大交互結(jié)果為緯度與經(jīng)度的交互。且最大交互結(jié)果的影響力均超過20%,說明在旬尺度下,交互作用能夠更好地反映降水的空間分布。

表7 旬尺度自變量交互作用探測

由圖5、表6、表7可知,年、季、月和旬尺度環(huán)境因子最優(yōu)交互結(jié)果幾乎全為經(jīng)度-緯度,并且交互作用均為增強。主要因為降水量由東南向西北遞減,經(jīng)度-緯度的交互作用更能體現(xiàn)降水的這種分布情況。同樣其他因子與高程的交互起到了增強的效果,且因子探測中表現(xiàn)不佳的單因子與其他因子的交互作用也起到了不凡的增強效果。

3.3 生態(tài)探測

生態(tài)探測用于探測年尺度、季尺度、月尺度和旬尺度下,不同組合的兩個環(huán)境因子對降水分布的影響是否存在顯著性差異。

在年尺度下,所有環(huán)境因子對降水分布的影響均存在顯著性差異。在季尺度下,春季經(jīng)度-高程、坡度-坡向,夏季經(jīng)度-高程,冬季NDVI-坡向、經(jīng)度-高程不存在顯著性差異。而秋季所有因子均存在顯著性差異。

月尺度下,由12月與6個因子兩兩組合所形成的180個結(jié)果中存在10個差異不顯著的結(jié)果,占全部結(jié)果的6%。12月中1月、4月、5月、7月和12月經(jīng)度-高程對降水分布的影響無顯著性差異。另外1月坡度-坡向、2月NDVI-經(jīng)度、5月緯度-經(jīng)度和緯度-高程、12月NDVI-坡向?qū)邓植嫉挠绊憻o顯著性差異。其余結(jié)果均造成了顯著性差異。

旬尺度下,差異不顯著結(jié)果有36個占總結(jié)果的7%。包含了NDVI-經(jīng)度、NDVI-高程、NDVI-坡度、NDVI-坡向、緯度-經(jīng)度、緯度-高程、經(jīng)度-高程、經(jīng)度-坡向、坡度-坡向。其中有10旬的經(jīng)度-高程對降水分布的影響無顯著性差異。在年、季、月和旬尺度,整體上不同因子對降水分布影響有顯著的差異,因子之間差異不顯著結(jié)果占比小于7%。

4 結(jié) 論

a.不同時間尺度下降水空間分布的主導(dǎo)因子有所差異,年尺度以及春季、夏季、冬季的主導(dǎo)因子為緯度,且影響力超過80%,秋季的主導(dǎo)因子為經(jīng)度,影響力為53%。月尺度的3月、5月、6月、9月和11月主導(dǎo)因子為經(jīng)度,其余月為緯度,且影響力均超過44%。旬尺度下,1月中旬主導(dǎo)因子為坡度,2月上旬主導(dǎo)因子為高程,其他旬主導(dǎo)因子均為經(jīng)度和緯度,且平均影響力超過51%。

b.在不同時間尺度環(huán)境因子的交互探測中,只有2月高程-坡度及7月上旬NDVI-經(jīng)度的交互作用為單因子非線性減弱,其余交互作用均起到了增強的效果。交互結(jié)果的影響力均超過10%,與單因子影響力相比有較大幅度的提升。

c.在年、季和月尺度下,緯度-經(jīng)度的交互作用影響力最大,超過60%。旬尺度下,只有1月上旬和2月上旬最大Q值為緯度-坡向的交互作用,其余均為經(jīng)度-緯度的交互作用。

d.生態(tài)探測結(jié)果表明,整體上不同環(huán)境因子對降水空間分布的影響差異顯著。其中有顯著性差異的結(jié)果在所有結(jié)果中占比超過90%。

e.影響降水空間分布的環(huán)境因子在年、季、月尺度有較大變化。從整體上看,經(jīng)度、緯度和高程對降水空間分布的影響顯著,這也符合季風(fēng)氣候區(qū)降水量由東南向西北遞減的客觀規(guī)律。交互探測發(fā)現(xiàn),原本影響力較小的NDVI、坡度和坡向,在與其他因子交互之后起到了不俗的增強效果。生態(tài)探測發(fā)現(xiàn),不同環(huán)境因子對降水空間分布影響差異與時間尺度有密切聯(lián)系,這為統(tǒng)計降水降尺度研究提供了基礎(chǔ)。6個環(huán)境因子在年尺度和秋季的單因子影響力均超過6%,且交互作用的影響力超過22%,對降水空間分布的影響差異顯著,可以都被選擇進行降尺度模型構(gòu)建。對春冬季來說,單因子影響力較弱且與其他因子差異不顯著的環(huán)境因子可以適當(dāng)刪除,這樣在不影響計算精度的情況下能夠提升模型的計算效率。后續(xù)還應(yīng)增加更多的潛在環(huán)境因子[23-24],并增加監(jiān)督分類方法使MAUP問題更加嚴密完整。