1998-2017年滇黔桂岩溶区降水时空动态特征

靖娟利, 罗福林, 王永锋, 王安娜

(1.桂林理工大学 测绘地理信息学院, 广西 桂林 541004; 2.广西空间信息与测绘重点实验室, 广西 桂林 541004)

降水是全球水循环的重要环节，也是大气中最活跃的要素之一，在时空上具有显著的差异性。降水是诱发各种地质灾害的重要影响因素，对水资源利用、社会经济可持续发展都具有重要影响[1]。传统降水变化研究主要基于地面气象站点实测降水数据，气象站点观测值具有较高精度，但存在站点稀少，空间插值结果误差大，难以反映降水空间变化细节信息等问题。随着遥感技术的发展，基于卫星的降水反演产品，包括TRMM，GPM等，具有受地形、气候等环境因素的影响小、覆盖范围广、时效性强等特点，已成为监测降水变化的重要数据来源。其中，由美国和日本联合研制，于1997年发射的热带降水测量(Tropical Rainfall Measuring Mission，TRMM)卫星数据能够提供长时间序列且覆盖南北纬50度范围的降水速率数据，广泛应用于与降水相关的研究中。

目前，国内外学者对TRMM卫星降水产品在不同地区的精度验证和降水分析等方面已有大量研究。例如Almazroui[2]利用实测站点数据验证了TRMM 3B42数据在沙特阿拉伯的精度，结果表明月尺度相关系数达到0.9，并在此基础上分析了沙特阿拉伯地区1998—2009年降水时空特征。Islam等[3]基于1998—2002年孟加拉国31个雨量站点监测资料验证了TRMM 3B42降水精度，结果表明该数据对暴雨监测值偏小。Huffman等[4]对澳大利亚TRMM 3B42 RT降水数据与气象观测及雷达观测资料在日尺度和月尺度的一致性进行检验，发现TRMM数据与观测数据之间具有较高的线性相关关系。李景刚等[5]对洞庭湖流域TRMM 3B43数据进行验证，发现月尺度TRMM 3B43数据与实测数据相关系数达到0.9。曾红伟等[6]对澜沧江流域及其周边TRMM 3B43数据进行精度检验，发现TRMM 3B43数据与观测数据相关系数达到0.83。常远勇等[7]基于1998—2010年TRMM 3B43数据，运用Mann-Kendall非参数检验、Hurst指数在像元尺度分析了全球中低纬度降水时空特征。朱国锋等[8]利用相关系数法和散点斜率法对横断山区1998—2011年之间月尺度的TRMM 3B43降水数据精度进行了检验，研究表明TRMM 3B43降水数据与实测数据相关性很强。齐文文等[9]根据青藏高原114个气象站点实测数据对TRMM 3B43数据进行了修正，并分析了1998—2011年多年平均降水的空间格局与季节分布特征。嵇涛等[10]利用72个气象站点的实测降水数据对川渝地区TRMM卫星降水数据年、季和月尺度上的精度进行验证，结果显示月尺度TRMM数据精度最高。李威等[11]基于1998—2012年26个气象站点实测降水资料，分析了同期TRMM 3B43数据在喀斯特山区不同时间尺度的适用性和分布规律，结果表明月尺度TRMM 3B43数据与站点实测值相关系数最高。周李磊等[12]基于1998—2014年21个实测站点数据，对同期TRMM 3B43数据进行精度评价，发现两者具有较高的相关性，并采用非参数Mann-Kendall趋势检验、Sen-Median趋势分析、变异系数和Hurst指数对西南地区年降水进行了分析研究。秦福莹等[13]采用蒙古高原134个气象站点资料对TRMM 3B43数据进行精度评估，发现两者相关系数达到0.93，并分析了蒙古高原近19 a降水空间和季节分布特征。一系列研究结果表明，TRMM 3B43降水数据与观测数据之间具有较高的线性相关特征，可以满足月尺度及以上区域降水时空变化研究。

滇黔桂岩溶区属于我国西南岩溶区的核心地带，生态环境脆弱，石漠化问题突出，对气候变化的响应非常敏感。现有研究成果中，基于TRMM 3B43数据研究滇黔桂岩溶区降水变化规律的研究不多。因此，本文采用研究区实测数据对TRMM 3B43进行精度评价，并基于Sen-Median趋势分析、Mann-Kendall检验以及Hurst指数等数理统计方法对研究区近20 a降水的时空动态特征进行定量分析，以期为研究区水资源管理、水文预报、灾害预测等方面提供参考依据。

1 研究区概况

滇黔桂岩溶区集中分布在我国云南、贵州、广西3省(区)(图1)，分布面积达3.21×105km2，占全国岩溶分布面积的23.4%，占三省(区)总面积的39.7%[14]。地势西高东低，岩溶地貌类型复杂多样，主要分布峰丛洼地、峰林平原、丛丘洼地、高中山峡谷、峰丛峡谷等。属于热带、亚热带季风气候区，降水量季节和区域差异明显。多年平均气温和降水量大致都是由东南向西北递减。研究区内碳酸盐岩大面积出露，土壤瘠薄，水土流失严重。区域内水资源丰富，河流纵横，峡谷广布，地表地下具有双层水文地质结构。生态环境脆弱，人口—资源—环境矛盾突出，属于全球变化的敏感地带。

2 数据与方法

2.1 数据来源及预处理

热带降水测量(Tropical Rainfall Measuring Mission，TRMM)卫星数据，于1997年11月27日发射成功，由美国NASA(National Aeronautical and Space Administration)和日本NASDA(National Space Development Agency)共同研制，专门用于定量测量热带、亚热带降雨的气象卫星。TRMM 3B43数据为TRMM卫星第7版3级产品TRMM 3B43 V7月降水资料，数据覆盖范围为南北纬50°之间，空间分辨率为0.25°×0.25°。本文使用的降水数据由NASA网站(http:∥mirador.gsfc.nasa.gov/)免费获取，时间范围为1998—2017年逐月TRMM 3B43数据。基于ArcGIS软件，从HDF文件中提取TRMM 3B43降水速率(mm/h)，然后分别乘以各月时间，生成月降水量栅格数据。经过矢量裁剪得到滇黔桂岩溶区1998—2017年逐月降水量栅格数据。

为了验证TRMM 3B43数据在研究区的适用性，从中国气象科学数据共享服务中心(http:∥cdc.cma.gov.cn)获取滇黔桂岩溶区内72个气象站点1998—2012年的月降水观测资料，其中广西、贵州和云南3省(区)的气象站点数分别为23个、20个和29个(图1)。

图1 研究区地理位置和气象站点分布

2.2 研究方法

2.2.1 精度评估方法 使用相关系数(r)和相对偏差(BIAS)2个指标对TRMM 3B43降水数据的精度进行验证。其中，r反映TRMM 3B43降水数据与站点实测数据之间的相关程度，取值越接近1，数据一致性越好；BIAS反映TRMM 3B43降水数据与站点实测数据之间的偏离程度，取值越接近0，数据越精确。指标计算公式如下：

(1)

(2)

2.2.2 Sen-Median趋势分析与Mann-Kendall检验Sen-Median趋势分析和Mann-Kendall检验方法相结合，已成为长时间序列数据趋势分析的重要方法[15-16]。两种方法用于TRMM 3B43降水时间序列分析中，可以解释降水量长期变化趋势的显著性。

Sen-Median趋势度(β)计算公式为：

(3)

式中：1

当β>0时，表示时间序列呈上升趋势，反之呈下降趋势，变化趋势的显著性用Mann-Kendall方法进行检验。

Mann-Kendall检验(MK检验)是一种非参数检验方法，变量可以不具有正态分布特征。MK法是气象学和水文学中比较常用的时间序列趋势检验方法之一。计算公式如下：

假定x1,x2,…,xn为时间序列变量，n为时间序列长度，则检验统计量Z定义为：

(4)

其中，

(5)

(6)

(7)

式中：Z为正态分布统计量；var(S)为方差。在给定α置信水平上，如果|Z|≥Z1-α/2，表示研究序列在α水平上存在显著变化。本文判断α=0.05置信水平上TRMM 3B43降水时间序列变化趋势的显著性。

2.2.3 Hurst指数 Hurst指数是定量描述时间序列信息长程依赖性的有效方法。Hurst指数的估算方法有多种，其中重标极差(Rescaled Range Analysis Method，R/S)分析法和小波分析法的估算结果比其他方法更为可靠[17]。R/S分析方法最早由英国水文学家Hurst在研究尼罗河水文问题时提出，后Mandelbrot在理论上对该方法进行了补充和完善。本文采用重标极差(R/S)分析方法计算Hurst指数，计算原理参考文献[18-19]。

Hurst指数取值范围为00.5时，意味着未来的变化情况与过去一致，即持续性，H越大持续性越强；当0

3 结果与分析

3.1 数据准确度检验

运用1998—2012年研究区72个气象站点的实测月降水数据对相同时段的TRMM 3B43降水数据进行精度评估。结果如图2所示，在月尺度上TRMM 3B43降水数据与气象站点实测数据之间呈显著正相关(r=0.92，p<0.01)，说明TRMM 3B43降水数据与气象站点实测数据之间具有很好的一致性。相对偏差(BIAS)计算结果为负的0.058，表明TRMM 3B43降水量略高于实测降水量。

由图3A可以看出，站点相关系数r值介于0.35～0.99，均值为0.91。贵州咸宁站的r值最小，为0.35，广西桂林站的r值最大，为0.98。r值大于0.9的站点有57个，占79%。表明在研究区内TRMM 3B43降水数据与实测站点数据具有较好的相关性。相关系数空间分布具有区域差异性，广西区、贵州省的r值较高，95%以上站点r值大于0.9；云南省相关系数相对较低，其中57%的站点r值大于0.9，90%的站点r值大于0.8。

图2 TRMM 3B43月降水量与实测月降水量散点图

由图3B可知，BIAS绝对值介于0～10 mm的站点有48个，占67%；BIAS绝对值介于10～20 mm的站点有14个，主要分布在云南省、广西区及广西与贵州省接壤地带。BIAS绝对值大于20 mm的站点共有10个，主要分布在云南省、广西区西南部。

总体而言，TRMM 3B43降水数据在滇黔桂岩溶区具有良好的适用性，能够满足月尺度及以上的区域降水变化特征研究。

图3 TRMM 3B43月降水量与实测月降水量相关系数及相对偏差空间分布

3.2 降水量时间变化特征

从图4可知，1998—2017年滇黔桂岩溶区年均降水量呈不显著波动上升趋势，上升速率为0.716 mm/a(p>0.05)。近20 a降水量年际波动明显，多年平均降水量在592.16～2 302.66 mm波动，波峰出现在1999年、2002年、2008年、2015年，降水量均大于1 400 mm，波谷出现在2003年、2009年、2011年。降水量年际变化表现出明显的阶段性特征，1998—2011年整体呈下降趋势，2011年后呈持续增加趋势。

研究区处于热带、亚热带季风气候区，夏季高温多雨，冬季干燥少雨，降雨季节分配不均。将四季时间划分为，春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12-次年2月)，然后对季节降水量进行分析。从图4可知，四季降水量均值最大值出现在夏季，最小值出现在冬季。夏季降水量均值曲线变化趋势与年际变化基本一致；春、秋、冬三季降水量均值变化趋势不明显，波动不大。夏季多年降水量均值为662.61 mm，占年降水量的51.23%，而冬季多年降水量均值为84.31 mm，仅占6.51%。四季降水量年际波动最大的季节为冬季，春季波动最小。春、夏两季降水量呈不显著减少趋势(p>0.05)，下降速率分别为2.41 mm/a，2.85 mm/a；秋、冬两季降水量呈增加趋势，但增加趋势不显著。

3.3 降水量空间分布格局

从图5A可知，研究区多年平均降水量空间分布差异显著。受地形和大气环流的影响，年均降水量空间分布总体呈现随着距离水汽源地越远及地形的抬升而减少的总体趋势。降水量低值区集中分布在哀牢山以东的云南高原和贵州高原西北部的毕节市、云南北部的横断山地区，这些地区大部分位于岩溶峡谷、岩溶高原断陷盆地区。降水量高值区主要分布在广西东部、东南部丘陵和平原地区及东北部岩溶地区，云南南部及西部地区。

图4 降水量年际及季节变化趋势

从图5B—E可以看出，研究区降水量季节分配不均，夏季是降水量最多的季节，降水量在400～1 200 mm。夏季研究区主要受东南季风和西南季风的影响。东南季风携带来自太平洋的暖湿气流在推进过程中受广西东部及东北部山脉阻挡，以及西部云贵高原南缘地形的抬升影响，在广西东部及中部平原区以及云南东南部形成降水高值区，降水量均值达到1 600 mm以上。随着地形继续抬升，在云贵高原南缘降水量均值继续减少到1 000～1 200 mm，降水量低值区主要出现在贵州高原，降水量均值在800～1 000 mm。西南季风携带来自印度洋的暖湿气流在推进过程中受到山脉的阻挡，使得降水高值区主要分布在横断山脉以西地区，随着地形进一步抬升，在云南北部横断山地区以及贵州高原形成降水量低值区。冬季是全年降水量最少的季节，降水量<400 mm，其中云南北部横断山岩溶峡谷区、东部岩溶峰丛峡谷区、云南西部潞西市和保山市以及北部楚雄市降水量<50 mm。这是由于冬季在西北季风的影响下，空气寒冷干燥，云贵高原西北部地区降雨量稀少，达到全年降水量最小值；而在云贵高原的东南部地区，受西北季风的影响减弱，降水量为100～200 mm。

3.4 降水量空间变化趋势及其显著性检验

将Sen-Median趋势分析和Mann-Kendall检验结果进行叠加，可以从像元尺度反映研究区近20 a降水量变化趋势的空间分布格局。具体研究过程中，将β<0划分为降水量减少区域，用代码1表示；β>0划分为降水量增加区域，用代码2表示；将α=0.05置信水平上Mann-Kendall检验结果划分为显著变化(Z<-1.96或Z≥1.96)分别用代码1，3表示，不显著变化(-1.96≤Z<1.96)用代码2表示；β和Z可以组合为4种类型(表1)。

图5 多年及季节降水量均值空间分布

从表1可知，降水量年际变化呈增加趋势的面积(46.29%)略小于呈减少趋势的面积(53.71%)。从图6A空间分布来看，降水量年际变化呈增加趋势的地区主要分布在广西的岩溶峰林平原、峰丛洼地区和非岩溶区，贵州高原东南部凯里市非岩溶区和西北部的毕节市岩溶山原峰丛洼地区、云南北部的昭通市和南部思茅市岩溶峡谷区及非岩溶区；其中，显著增加的区域占5.73%，集中分布在广西东南部梧州、玉林、钦州、贵港、马山等丘陵地区。降水量年际变化呈减少趋势的区域主要分布在贵州高原东北部铜仁市—云南南部个旧市连线以北的岩溶区和非岩溶区；显著减少的区域集中分布在云南北部横断山岩溶峡谷区及非岩溶区。

从四季降水量变化趋势表1和图6B—E可知，春季降水量呈减少趋势的面积占78.92%，广泛分布在广西盆地和西部山地岩溶区、贵州南部和北部岩溶区以及云南绝大部分地区；显著减少的区域占20.28%，集中分布在哀牢山以西的景洪市、思茅市，横断山地区的怒江傈傈族自治州等地区、云龙市、楚雄市，广西百色、南宁市、凭祥市等地区也有零星分布。夏季降水量仍以减少趋势为主，占79.01%，空间分布与春季基本一致；显著减少的区域所占比例下降到4.41%，集中分布在云南北部横断山地区的丽江纳西族自治县和云龙县的岩溶峡谷区。秋季，降水量变化趋势转变为以增加为主，占80.84%，广泛分布在广西、贵州、云南高原及其西南部地区；显著增加的区域占15.53%，集中分布在广西东南部梧州市、玉林市、贵港市、钦州市，广西北部河池市岩溶区和贵州西南部岩溶区也有分布。冬季降水量仍以增加趋势为主，占78.84%，广泛分布在广西、贵州高原南部、云南高原以南和以西地区。降水量呈减少趋势的面积占21.16%，集中分布在贵州铜仁市—云南曲靖市连线以北云南高原岩溶区，云南北部横断山岩溶峡谷区。

表1 降水量变化趋势统计

3.5 降水量空间演化态势

根据研究区近20 a的TRMM 3B43降雨数据，参考文献[18-19]中的R/S理论方法，逐像元计算Hurst指数。从图7可以看出，研究区Hurst指数值域范围为0.269～0.966，均值为0.703。降水量呈反持续性变化(H<0.5)、弱持续性变化(0.50.75)的区域分别占4.94%，58.99%和36.07%。从降水量Hurst指数空间分布情况看，强持续性区域集中分布在贵州高原东北部岩溶区、广西东北部、云南高原中部岩溶断陷盆地区和横断山岩溶峡谷区及楚雄市、云龙市等非岩溶区；反持续性区域仅在云南西部的潞西市和临沧县、广西百色市、凭祥市和南宁市地区散布。

为了进一步研究滇黔桂岩溶区降水量变化趋势及其可持续性，将Sen-Median趋势分析和Mann-Kendall检验结果与Hurst指数分类结果进行空间叠加分析，得到表3中共计11种耦合结果。从表2和图8可知，降水量持续减少的区域(类别112，113，122，123)占46.21%，高于持续增加的区域(类别222，223，232，233)38.45%。

从图8降水量空间演化态势来看，显著减少—强持续区域(类别113)占8.11%，主要分布在云南北部横断山脉地区的岩溶峡谷区及非岩溶区，在贵州高原北部岩溶区也有零星分布；显著增加—强持续区域(类别233)仅占0.26%，集中分布云南高原中部地区；未来趋势无法确定的区域(类别121，221)占4.94%，主要散布在广西西部百色市、凭祥市、南宁市，东部贺州市，以及云南西部边界潞西市和临沧县。以上3类地区是重点监测区域，以防止旱灾及洪涝灾害发生。

表2 降水量变化趋势及Hurst指数统计

图6 降水量年际及季节变化趋势统计

图7 Hurst指数空间分布

图8 降水量空间演化态势

4 结论与讨论

(1) 在月尺度上，TRMM 3B43降水数据与气象站点实测降水数据之间具有良好的一致性。

(2) 1998—2017年滇黔桂地区年均降水量呈不显著波动上升趋势，上升速率为0.716 mm/a(p>0.05)。夏季降水量占年降水总量的51.23%，其均值曲线变化趋势与年际变化基本一致。春、夏两季降水量呈不显著减少趋势(p>0.05)，而秋、冬两季降水量呈不显著增加趋势。

(3) 从降水量空间分布来看，多年平均降水量空间分布差异显著，降水量季节分配不均。降水量年际变化呈增加趋势的面积略小于呈减少趋势的面积(53.71%)。从四季降水量变化趋势来看，春、夏两季降水量变化趋势以减少为主，而秋、冬两季降水量变化趋势以增加为主。

(4) 从降水量空间演化态势来看，降水量呈持续变化(H>0.5)的区域占95.06%。Sen-Median趋势分析和Mann-Kendall检验结果与Hurst指数耦合结果显示，降水量显著减少—强持续区域占8.11%，主要分布在云南北部横断山脉地区，在贵州高原北部也有零星分布；而显著增加—强持续的区域仅占0.26%。

本文从像元尺度初步揭示了研究区近20 a降水时空动态特征，分析结果与周李磊等[12]的研究结论基本一致。TRMM 3B43降水产品精度能满足月尺度及以上区域降水变化研究，与基于站点插值的降水空间特征相比[20-21]，TRMM 3B43降水数据表示的年降水和季节降水空间分布与站点插值结果基本一致，而且能更好地表达降水空间分布的细节信息。另外，在站点尺度上，TRMM 3B43降水数据存在高估或低估等问题，部分站点的偏差较大。因此，后续在研究过程中可以对TRMM 3B43降水数据进行精度校正，以提高数据的准确度。另外，也可以结合地表高程、坡度、坡向、植被等环境因素对TRMM 3B43降水数据进行降尺度研究来提高其精度，为后续相关研究提供高质量数据。