基于GIS的海南岛气候资源小网格推算研究①

李文韬 张明洁 张京红 刘 策

(1 海南省气象探测中心 海南海口 570203;2 海南省气候中心 海南海口 570203;3 海南省气象局/海南省南海气象防灾减灾重点实验室 海南海口 570203)

海南岛属于热带海洋性岛屿季风气候区，光热丰富，雨量充沛，常风较大，台风频繁。地形中间高耸，四周低平，由山地、丘陵、台地、平原构成环形层状地貌，梯级结构明显。全省共有20个国家气象观测站，包括永兴、珊瑚2个，本岛18 个气象台站，相当于每个台站代表1 884.4 km2的面积，而且这些台站大多分布在海拔较低的平原地区（其中，12个海拔高度低于100 m，3个100～200 m，2 个 200～300 m，只有 1 个高于 300 m），近年来随着区域自动观测站的布设，气象站分布疏密和代表性的限制问题得到了一定的缓解，但仅靠现有的气象站点资料来详细掌握海南气候资源的分布状况仍然不够的。

针对全国各地的地形及气候资源特点，国内外学者开展了很多研究工作，并取得了一定成果［1－6］。例如，傅抱璞［7］、沈国权等［8］分别提出了一种分项叠加的分离综合法和回归余项法，在理论和实际处理上都较为合理，但在解决小地形订正值的估算问题上仍有待改进［9］。唐圣钧等［10］， 赵永强等［11］，蔡哲等［12］，张雪芬等［13］，史本岩［14］，罗红磊等［15］，臧辰龙［16］分别采用不同推算方法对贵州山区、山西省、江西省、河南省、辽宁省、广西和全国的气候资源精细化进行了研究。通过建立小网格推算模型，推算出无气象站点地区的气候要素分布，对于气候资源的合理利用、农作物布局以及特色农业的发展具有重要的意义。本文根据对海南岛气候资源的统计分析，采用多元线性回归等方法建立海南岛气候要素的小网格推算模型，对气候资源进行小网格推算，并利用自动气象观测站的数据对推算出的气候要素值进行检验和修正，然后利用GIS技术平台得到海南岛气候资源小网格栅格数据及其分布图，以期为进一步科学认识海南岛气候特点及分布规律，充分利用海南岛丰富的气候资源优势、克服不利的气候因子影响提供基础的理论支撑。

1 材料与方法

1.1 材料

气象数据：1981～2010 年海南本岛18 个国家气象站观测资料，包括：月平均气温、月平均降水量、月日照时数、月平均风速、月最大风速等。海南岛部分区域自动气象观测站2009～2018 年月平均气温、月平均降水量、月平均风速、月最大风速观测资料来源于海南省气象局。

地形数据：海南省1∶50 000 地形图；海南省1∶50 000基础地理信息数据；海南省1∶50 000数字高程图（DEM）来源于海南省测绘局。

1.2 方法

1.2.1 数据获取

利用GIS 软件对1∶25 万地理背景数据进行格式转换、拼接、裁剪及对栅格数据进行重采样，对矢量数据进行分层和筛选，提取出海南岛地理背景数据，建立ArcGIS 数据库。包括：海南岛各县级行政边界，500 m×500 m 分辨率的海南岛数字高程模型及经度、纬度、海拔高度等信息。

1.2.2 数据分析

统计分析和数学建模采用SPSS 21.0 进行，地理信息资料处理、栅格计算和空间信息叠加采用ArcGIS 10.1完成。

2 结果与分析

2.1 气候要素小网格推算模型的建立及检验

2.1.1 气候资源小网格推算模型的建立

空间分布网格上的气候要素取决于该点的地理因子，即经度、纬度、海拔高度等地形因子，因此，气候要素与各站点地理信息（经度、纬度、海拔高度等）的关系模型，即气候资源小网格推算模型可表示为：

其中，Y为气候要素；φ，λ，h 分别代表纬度、经度、海拔高度等地理因子［17］；ξ 为余差项，可看作为φ，λ，h所拟合的气候学方程的残差部分，即

采用多元回归分析法建立海南岛18 个气象站1981～2010 年历年月平均气温、月降水量、月日照时数、月平均风速、月最大风速等气候要素与各站点所在地的经度（X1）、纬度（X2）、海拔高度（X3）等地理因子的关系模型，即各要素的空间分布模型（表1），正号代表正相关，负号代表负相关，相关系数的绝对值越大代表相关性越强，例如，春、秋、冬3季纬度越高，平均气温（日照时数）越低，夏季太阳直射点靠近北回归线（23.5°N） 附近，海南岛纬度范围约 18°10′N～20°10′N，因此海南岛夏季纬度越高平均气温越高，日照时数越长。

表1 气候要素小网格推算模型及显著性检验

续表1 气候要素小网格推算模型及显著性检验

续表1 气候要素小网格推算模型及显著性检验

续表1 气候要素小网格推算模型及显著性检验

由表1可见，利用多元回归分析方法所建立的平均气温、降水量、日照、风速等共计89 个小网格推算模型均通过了显著性检验，其中34 个通过了极显著性检验（p≤0.001），其中热量资源小网格推算模型普遍通过极显著性检验，说明热量资源的推算效果将更好些，降水、日照和风速的大部分模型也通过了极显著性检验（p≤0.01），一部分通过了显著性检验（p≤0.05）。表明各方程均具有良好的回归效果，可以用来推算海南岛的气候要素空间分布。

2.1.2 模型的精度检验

为了对模型进行验证，利用参与建模的台站2009～2018 年的观测资料进行回代检验，并遵循地理位置均匀分布的原则在全岛随机挑选了17 个自动气象站，用其2009～2018 年的观测资料进行模拟检验，通过回代检验和模拟检验平均相对误差分析模型的推算精度［18］：

其中，δ为平均相对误差，为回代或模拟值，yi为实测值。精度标准为：|δ|≤5%，极高精度；5%＜|δ|≤10%，显著精度；10%＜|δ|≤15%，一般精度；|δ|＞15%，较差精度。

表2 小网格推算模型的回代检验和模拟检验结果

续表2 小网格推算模型的回代检验和模拟检验结果

表2给出了利用多元回归分析方法所建立的热量、水、光照和风资源空间分布模型的回代检验结果和模拟检验结果。有82 个模型的回代检验平均相对误差在－5%～5%，另外7 个在－10%～10%。回代检验的最大误差也小于10%。说明用这些模型推算海南岛气候要素小网格分布能够满足精度要求。绝大部分热量资源和水资源模型的模拟检验平均误差在－5%～5%，平均风速模型的模拟检验平均误差都在－10%～10%，最大风速模型的模拟检验平均误差－15%～15%，

风速资源模型的模拟误差较大，一方面可能与模型本身的精度有关，另一方面与用于检验的自动站资料为2009～2018 年的自动站观测数据，观测年限短、与建模资料观测时间不在同一时期，且在近年来气候变化的影响下，极端天气气候事件发生的频次增多，强度增强等有关。例如，1117 号强台风“纳沙”登陆海南文昌翁田镇时中心风力达到14级（42 m/s），1409号超强台风“威马逊”在海南文昌翁田镇沿海登陆时中心附近最大风力17 级以上（70 m/s），登陆前“威马逊”最强达到72 m/s，是1949 年以来登陆我国最强的台风，也是华南三省有气象记录以来登陆最强的台风。造成极端气候观测值的出现，进而影响模型的模拟效果。

2.1.3 模型的时间一致性检验

不同时间尺度模型推算结果的一致性关系到整体模型的可靠程度和推算结果的可用性，因此有必要对同一要素不同时间尺度模型的计算结果进行一致性检验。检验方法是：先用分月模型计算的月值计算出各要素的年、季值，再用年、季模型直接计算出各要素的年、季值，通过对2种方法计算结果的对比分析检验不同时间尺度模型计算结果的一致性［19］。

由平均气温不同时间尺度空间分布模型一致性检验结果（表3～4）和年平均气温不同时间尺度模型一致性检验图（图1）可见，平均气温的年、四季的分月模型与年（季）模型的一致性特别好，只有个别站点2种方法的回代检验结果有误差，四季平均气温的分月模型与季模型的回代检验结果有误差的站点数有所增加，但各种模型的误差基本都在±0.1 之内，说明不同时间尺度气温的小网格推算模型的计算结果一致性很好。

表3 平均气温春、夏季尺度空间分布模型一致性检验结果 单位：℃

表4 平均气温秋、冬季尺度空间分布模型一致性检验结果 单位：℃

春季、夏季和秋季降水量的分月模型与季模型的回代检验一致性好于冬季、年的分月模型与季（年）模型的回代检验结果（图2）。总体看来，各个季节的分月模型与季模型之间的推算误差都远小于模型回代检验误差本身，说明不同时间尺度降水量小网格推算模型的计算结果一致性较好。

夏、秋和冬季日照时数的分月模型与季模型的回代检验一致性好于春季、年的分月模型与季（年）模型的回代检验结果（图3）。总体看来，各个季节的分月模型与季模型之间的推算误差都远小于模型回代检验误差本身，说明不同时间尺度日照时数小网格推算模型的计算结果一致性较好。

除秋季外，年、春季、夏季和冬季平均风速的分月模型与年（季）模型的一致性都特别好（图4），只有个别站点2 种方法的回代检验结果有误差，秋季平均风速的分月模型与年（季）模型之间的推算误差都远小于模型回代检验误差本身，说明不同时间尺度平均风速小网格推算模型的计算结果一致性较好。

夏、秋和冬季最大风速的分月模型与季模型的回代检验一致性好于春季、年的分月模型与季（年）模型的回代检验结果（图5）。总体看来，各个季节的分月模型与季模型之间的推算误差都远小于模型回代检验误差本身，说明不同时间尺度最大风速的小网格推算模型的计算结果一致性较好。

2.2 气候要素的推算及空间分布

2.2.1 残差的计算及插值

各气候资源要素的残差部分是没有被多元回归分析解释尽的残余信息，站点的实测值和模型模拟值之差为残差（公式2）［12］。多元回归分析能够从总体上拟合海南岛各个气候要素的分布情况，但由于小地形影响、观测资料的代表性不足等问题，还需要通过残差订正来进一步提高气候资源要素的总体拟合精度。利用ArcGIS 平台中的反距离插值法，将气候要素残差插值到500 m×500 m的网格上，得到气候要素残差的栅格图（图略）

2.2.2 气候要素小网格推算

将利用小网格推算模型模拟得到的气候要素分布图与残差的栅格图相叠加，可得到经过订正后的气候要素小网格分布图（图6）。

3 讨论与结论

本文利用海南本岛18 个国家气象观测站1981～2010 的气象观测数据和站点地理信息资料，结合对海南气候要素分布规律的统计分析，采用多元线性回归方法建立了热量、降水、光照和风速等气候资源的89 个要素空间分布的小网格推算模型，在全岛随机选择17 个自动气象观测站，利用其2009～2018 年的观测资料对模型进行检验。结果表明，所建立的方程均通过显著性检验，回归效果良好，能够用来模拟气候要素的空间分布，回代检验和模拟检验的结果进一步验证了用这些模型推算海南岛气候要素空间分布能够满足精度要求。在此基础上，利用GIS平台对气候要素进行了小网格推算并进行了残差订正以进一步提高气候资源要素的总体拟合精度，绘制了气象要素小网格分布图，建立了海南岛气候要素小网格栅格数据库。为进一步科学认识海南岛气候特点及分布规律，充分利用海南岛丰富的气候资源优势、克服不利气候因子的影响提供基础的理论支撑。

与已有的气候资源推算［13，20－21］相比，本研究不仅针对多项气候资源要素进行小网格推算，还增加了同一气候要素不同时间尺度推算模型记过的时间一致性检验［22］，并且检验结果表明，所建立的气候资源小网格推算模型具有很好的时间一致性，也进一步说明了模型推算结果的可靠性。但研究过程中也发现，存在风资源模型的误差稍大的问题，这可能与对小地形影响考虑不多有关，因为地形对气候资源的影响是十分复杂的，但设置于平坦之处的气象台站，缺乏不同坡度、坡向的观测，其观测资料无法体现小地形对气候资源的影响。今后的研究可通过短期小气候观测、野外小气候调查和自动气象站的布设密度、观测资料的不断积累，建立充分考虑坡度、坡向影响的更加精细化的小网格推算模型，提高推算精度，使推算结果更加符合实际。