APP下载

TRMM降水产品在喀斯特地区的空间降尺度研究
——以贵州省为例

2019-06-28周秋文韦小茶罗旭玲龙小梅梁建方

人民珠江 2019年6期
关键词:坡向年份降水量

吴 健,周秋文,韦小茶,罗旭玲,龙小梅,梁建方

(贵州师范大学地理与环境科学学院,贵州 贵阳 500025)

降水是全球水循环的基础组成部分,是在水文、气候等研究中必要的输入参数[1]。因此,在分析该区域降水的时空分布时高分辨的降水数据起着重要意义。传统区域降水资料是根据地面气象站点直接观测到的数据,采用一定的插值方法来获取该区域的空间降水资料。但在喀斯特地区,由于地面气象站点稀疏,观测站数据只能反映以观测点为中心的一定半径范围内的降水量,受地形因子和地理位置的影响,很难得到高分辨率的降水资料[2-4]。

近些年,国内外有许多学者对再分析降水数据集和卫星降水数据集在中国各区域的适用性进行研究,如Meng Xianyong等[5]研究指出CMADS(China Meteorological Assimilation Driving Datasets)可以较好的为SWAT(Soil and Water Assessment Tool)模型的水文模拟分析提供必要的气象数据分析,在农业、水文和气象耦合建模以及气象分析中具有重要的应用;Gao Xiaochao等[6-7]以中国湘江流域为研究区,通过对比再分析降水数据集(CMADS,NCEP-CFSR(National Centers for Environment Prediction Climate Forecast System Reanalysis)和2个卫星数据集(the Tropical Rainfall Measuring Mission 3B42 Version 7 (3B42V7)and the Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR)),指出TRMM卫星降水数据在日尺度及月尺度上与实测降水数据的偏差较小,对降水的反演效果优于CMADS、NCEP-CFSR再分析数据及PERSIANN-CDR卫星数据。TRMM降水雷达是目前唯一携带监测设备的遥感卫星,其空间分辨率很高(0.25°×0.25°)。

因此,为了在水文分析中获取较为精准的降水数据,需要对 TRMM降水资料进行空间降尺度分析。张晓等[8]以TRMM降水数据和NDVI、DEM、坡向及经纬度等相关因子构建TRMM降水数据的降尺度回归模型,得到天山中段地区250 m高分辨率的降水数据,降尺度后的降水数据能详细反映天山中段降水的空间分布特征。蔡明勇等[9]基于TRMM降水数据构建了降水时空降尺度模型,得到雅鲁藏布江流域的高空分辨率降水数据,结果表明:1—5月及9—10月的模拟效果较好,6—8月的模拟精度较低,11—12月的模拟效果较差。刘小婵等[10-11]在对比了国内外TRMM降水数据研究的基础上,利用TRMM降水数据与植被因子之间的相关关系建立GWR回归模型,将大兴安岭的TRMM降水数据的空间分辨率从0.25°提高到1 km。马金辉等[12]基于石羊河流域上游的TRMM3B43降水数据和空间分辨率为1 km的DEM数据,采用回归方程+残差法的差值方法,将原来空间分辨率为0.25°×0.25°的TRMM3B43降水数据提高到1 km×1 km。

国内现有研究大多数在中国北方河流流域及中高纬度等局部地区,对于多山地覆盖、地势复杂的喀斯特地区降尺度相关方面的研究较少[13-16]。其中,周秋文等[13]对TRMM3B43降雨数据在喀斯特地区的适用性进行分析,结果表明TRMM3B43降水数据基本能反映降水的空间分布及演变过程,在年尺度和月尺度上TRMM3B43降水数据略高于站点实测降水量,在降水量少或地形起伏大的地区对降水的反演精度相对较低。李威等[14]研究也指出TRMM3B43降水数据在贵州地区具有较好的适用性。吴建峰等[15]研究指出TRMM3B42卫星降水数据在贵州高原地带的年尺度的月尺度降水量反演精度较高,在日尺度上TRMM3B42降水数据与实际降水偏差大,对降水强度过大或过小的降水情况均不能准确地探测,对于单个站点而言,海拔较低的站点TRMM卫星探测出的降水与实测降水偏差小。在中大尺度的水文分析研究中往往需要获取较为精准的降水数据,然而,前人少有对TRMM在喀斯特地貌典型发育的贵州省进行降尺度分析研究。因此,本文通过构建TRMM3B43月降水数据与DEM、坡度、坡向、经纬度等地形因子的多元线性回归模型,对贵州省1998—2015年TRMM数据进行空间降尺度研究,以期为喀斯特地区获取高分辨率降水数据提供一定的思路和研究参考。

1 研究区概况

贵州省(东经103°36′~109°35′,北纬24°37′~29°13′)位于中国西南部,地处云贵高原的东部,地形东低西高,从中部向东、南、北三面倾斜,平均高程为1 100 m左右。全省地势可分为丘陵、盆地和高原山地3种基本类型,其中山地和丘陵的面积占92.5%。境内山脉众多,山高谷深,绵延纵横,重峦叠峰,喀斯特(出露)面积占全省土地总面积的61.9%,境内岩溶分布广泛,喀斯特形态类型齐全,地域分化明显[17]。贵州气候为亚热带湿润季风气候。气候凉爽宜人,年均气温为15℃左右。受大气环流及地形的影响,贵州的气候呈现多样化。研究区内的雨量观测站分布见图1。

图1 贵州省地形和雨量站点分布

2 数据来源与研究方法

2.1 TRMM数据

由日本和美国联合开发的TRMM卫星于1997年11月28日成功发射,这是一颗近赤道非太阳同步轨道的卫星。其覆盖范围为:以赤道为中心的南北纬38°之间。它35°的轨道倾斜角相对其他极地轨道卫星要小得多,这就使得TRMM卫星具有很高的时空分辨率。根据从低到高的纬度,TRMM卫星可以每天覆盖全球1~3次,它配备了包括降雨雷达(PR)、微波成像仪(TMI)、云和地球辐射能量测量系统(VIRS,CERES)和闪电成像感应器(KIS)在内的传感器。

本文所采用的是第7版本3级产品(V7-3B43)的TRMM降水数据。该数据是由TRMM3B42的数据产品、全球降水气候中心(Global Precipitation Climatology Center,GPCC)的全球降水资料和NOAA气候预测中心气候异常监测系统(Climate Assessment and Monitoring System,CAMS)的全球格点雨量测量器资料共同合成的,覆盖了南北纬50°之间的区域[18],合成该数据的3B43算法是为了产生最佳的降水率(mm/hr)和降水误差均方根。这些数据与一些检测到的数据相结合,为每个标准观测时次每个网格降水提供了最佳估值。TRMM降水数据来自NASA(http://mairador.gsfc.nasa.gov/),空间分辨率为0.25°×0.25°,时间范围为1998—2015年。数据以HDF的文件格式存储,因此,需借助ENVI软件对其进行投影和格式的转换等预处理。所下载的数据是逐月的每小时平均降水量,需要利用式(1)进行转换生成每月的降水量。并以研究区域边界向外增加一个TRMM像元的范围为缓冲区,以缓冲区为边界对数据进行裁剪。

Pi=TRMMi·di·24

(1)

式中Pi——第i月的降水量;TRMMi——第i月每小时降水数据;di——第i月的天数。

2.2 DEM数据

本文所使用的DEM数据来源于地理空间数据云平台(http://www.gscloud.cn/),空间分辨率为90 m×90 m。将覆盖研究区的多幅图像进行拼接、投影转换,得到研究区的地形数据。

2.3 气象资料

地面气象站点观测数据是来自中国气象科学数据共享服务网(http://data.cma.cn/),时间范围为1998年1月至2015年12月,选用的是贵州省地面气象资料的月值数据集,共19个站点(表1)。

表1 贵州省气象站点数据

2.4 统计降尺度方法

统计降尺度也被称为经验降尺度,是在大尺度、低分辨率的气候信息中来获取小尺度、高分辨率的气候信息的有力工具。它已经成为一个重要的研究方向。降尺度常用到的气象因素主要有降水、气压、气温、风速、湿度、蒸散发量等。因为降水在时空上是不连续的,是最难模拟的气候变量,同时也是洪涝模拟中最敏锐的参数,从而成为降尺度研究的主要气象因素。

统计降尺度方法的基本原则:采用统计经验法来创建大尺度气象变量与区域气象变量间所存在的线性或者非线性关系,然后在不同尺度的影像间,根据某一特征量来建立函数关系,从而对栅格影像进行不同尺度的转换分析。传统降尺度法均基于以下3个假设:①大尺度气候变量和区域气象变量之间具有显著的相关关系;②大尺度气场可以被GCM模式模拟;③在气候变化的场景下,创建的相关关系是有效的[19]。

2.5 地形因子的选择

地理位置(经度、纬度)对研究区降水量均有一定的影响。通常而言,在中国大陆地区(除新疆、西藏地区外),对于同一高度水平上降水量随经纬度的变化在各个测量站点所呈现的格局不均匀,有较大的区域差异性。地形(DEM、坡度和坡向)对降水的影响也起着举足轻重的作用,由于地形抬升对气流的影响,降水与海拔和坡地呈负相关[20-21]。马金辉等[12]在石羊河流域上游TRMM降水数据的降尺度研究中,使用坡度的正切值和坡向的余弦值计算降水量,取得了理想的效果。

由于贵州是典型的喀斯特地貌,石灰岩地区,地表水较为匮乏,且多为山地和丘陵。影响降水的因素除了地理位置和气候外,地形也是影响降水的重要因素之一,迎风坡降水多于背风坡降水。所以,本文在研究区降水量的回归预测中也采用了坡度的正切值和坡向的余弦值来创建模型。

2.6 降尺度分析

本文使用的降尺度方法就是在统计降尺度方法基础上,利用DEM、坡度、坡向、经纬度构建适于该地区的TRMM3B43月降水量多元线性回归模型,加上预测的残差值,最后得到降尺度后的降水数据。主要步骤如下。

a)将DEM、坡度、坡向和经纬度重采样至与 TRMM3B43数据相应分辨率(0.25°×0.25°),其中0.25°所对应的分辨率为低分辨率(LR),1 km为高分辨率(HR)。在0.25°分辨率(低分辨率)下创建多元线性回归方程:

YLR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(2)

b)在0.25°分辨率下,分析获得3B43和预测降水的降水残差ΔTRMMLR:

ΔTRMMLR=3B43-ΔYLR

(3)

c)把在0.25°分辨率下得到的回归系数分别代入到重采样为1 km分辨率的DEM、坡度、坡向等的影像中,获得高分辨率模型的预估降水ΔYHR。

YHR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(4)

d)将分辨率为0.25°的降水残差ΔTRMMLR经插值处理得到高分辨率的降水残差数据ΔTRMMHR。将高分辨率残差数据和分辨率预估降水数据叠合得到高分辨率(降尺度)的降水数据Yds。

Yds=YHR+ΔTRMMLR

(5)

2.7 结果验证方法

利用研究区内19个气象站点对应时间的实测降水数据进行验证,采用以下3个指标来衡量降尺度的结果。

a)决定系数(R2)。用以展现观测站点的降水量(X)与TRMM3B43降尺度后降水量(Y)之间密切的程度,公式如下:

(6)

b)偏差 Bias(B)。用以表示TRMM降尺度结果与“实测值”间的偏离程度,计算公式如下:

(7)

式中Mi——TRMM3B43降尺度的降水量;Oi——气象站点“实测值”;i——气象站点。

c)均方根误差(RMSE)。用来表示TRMM降尺度的结果与“实测值”间的偏差,其值越小,表示降尺度的结果与“实测值”间就越接近。计算公式如下:

(8)

3 结果与分析

3.1 TRMM降尺度分析

以贵州省为研究区,利用DEM、坡度、坡向、经纬度等数据,基于ArcGIS和SPSS软件计算平台,分别得到1998—2015年高分辨率降尺度数据。降尺度前后TRMM3B43数据差异见图2a、2b,干燥年份和湿润年份的TRMM数据见图3a、3b。因为引入了具有更高空间分辨率的DEM、坡度等因子用来体现地形对降水所产生的影响,经过空间降尺度处理后研究区域内降水数据的马赛克现象得到显著的改善,降尺度后的TRMM3B43降水数据比原始降水数据具有更强的空间分布信息细节刻画能力。这一结论与蔡明勇等[9]研究结果基本一致。

a)降尺度前

b)降尺度后图2 2015年TRMM数据

a)干燥年份

b)湿润年份图3 贵州省TRMM数据

3.2 各站点精度验证

在ArcGIS软件中,利用研究区域内19个气象观测站实测月降水数据的shape文件来提取其对应地理位置的TRMM3B43降尺度降水数据,并在Excel中对实测数据与降尺度后降水数据的关系进行分析。从表2及图4可知,在研究区内 TRMM3B43降水数据降尺度的结果和雨量站点实测数据间的决定系数0.742

表2 1998—2015年降尺度模型模拟降水量与实测降水量关系

a)安顺

b)贵阳

c)湄潭

3.3 典型干、湿年份精度检验

取1998—2015年间降水量少的年份(2006年,979.9 mm)作为干旱年份,降水最多的(2014年,1 551.6 mm)作为湿润年份,将干、湿年份的19个气象观测站的月降水数据分别与降尺度后得到的降水数据和原始的TRMM3B43降水数据进行对比。结果由表3可知,干湿年份降尺度后数据的决定系数均大于 TRMM3B43原始数据,干旱年份降尺度后数据的偏差高于TRMM3B43原始数据,均方根误差低于TRMM3B43原始数据,湿润年份的TRMM3B43原始数据的均方根误差和偏差均高于降尺度后数据,由此可见降尺度后的数据精度较高。湿润年份的决定系数和偏差均低于干旱年份,说明湿润年份降尺度后的数据精度稍高于干旱年份。此现象大致与郑杰等[22]在川西高原研究中分析所得结果相似。

表3 干湿年份数据检验结果

3.4 整体精度验证

将1998—2015年19个气象观测站所对应年份、月份和位置的降尺度后的降水数据和TRMM3B43原始数据的各月降水量值分别与雨量站点的实测值进行一元线性回归分析,其误差统计和散点分布见图5。从图5可看出,降尺度结果与气象站点实测值的决定系数达0.864 8,两者存在显著的线性相关关系,偏差为0.046 3,说明降尺度结果整体稍偏高。经过降尺度后的月降水量与气象站实测月降水量R2、BIAS、RMSE等值略高于TRMM3B43的原始数据。这表明所建立的TRMM3B43数据的降尺度模型是可行的,且降水数据的空间分辨率得到了一定程度的提高。

a)降尺度 b)TRMM3B43数 图5 1998—2015年降尺度后降水数据与TRMM原始数据与实测值散点

4 结论

本文利用贵州省1998—2015年的时间序列TRMM3B43降水数据结合研究区1 km分辨率的DEM、坡度、坡向、经纬度等数据,创建多元线性回归模型,对研究区域内的降水资料进行降尺度操作,从而得到分辨率为1 km的TRMM3B43降水量的空间分布数据,再利用研究区内19个气象站点的观测数据进行检验,验证了降尺度结果的准确性,得出以下结论。

a)原始TRMM3B43的降水资料与实测降水数据的误差大于经过降尺度处理后的降水资料与实测数据之间的误差,即降尺度后降水资料的准确性要稍高于原始的TRMM3B43降水资料,降尺度的方法提高了原始TRMM3B43降水数据的精度。因此,本文所创建的降尺度模型可用于研究喀斯特地区降水的降尺度分析。

b)基于1998—2015年在贵州省的TRMM3B43降水资料的降尺度结果,尽管降水数据在空间分辨率和反演数据精度方面得到一定的提高,但在降尺度过程中所创建多线性回归方程和TRMM3B43降水数据自身精度的影响下,TRMM3B43对降水的反演也存在一定的误差。因此,在使用TRMM3B43降水资料时,需要利用气象站点的实测降水量数据对其进行精度校正。

c)本文利用的TRMM3B43降水数据的空间分辨率较低,且气象观测站点较少,虽不能代表整个研究区内降水实际情况,但通过降尺度后也从一定程度上反映了TRMM3B43降水数据在山地高海拔区域具有较好的适用性。由于降水受海拔、地形和经纬度等因素的影响,在局部地区还是存在较大差异。在下一步构建喀斯特地区的降水资料降尺度模型时,应在现有数据资料的基础上把海拔、坡度、坡向和经纬度等因素考虑在内进行精度订正,使之与研究区实际情况更接近。

猜你喜欢

坡向年份降水量
成都市年降水量时空分布特征
特殊的一年
1961—2018年高密市降水量变化特征分析
1956—2014年铁岭县降水变化趋势分析
1970—2016年吕梁市离石区降水量变化特征分析
基于DEM的桐柏县地形因素分析与评价
坡向坡位及郁闭度对森林公园内林下南方红豆杉生长的影响
什么是闰年?
一样的年份
不同坡度及坡向条件下的土壤侵蚀特征研究