辽宁省不同分区可利用降水量预报模型建立及其与干旱强度的分析

钟 卓

(辽宁省本溪水文局，辽宁 本溪 117000)

大气降水资源的不同分量中能被人们实际利用那部分降水资源量称作为可利用降水量[1]。可利用降水量受到全球海平面海温变化、气压场分布、大气压差、风速以及湿度场的多种因素的影响，不同区域其可利用降水量的分布和使用量有明显差异[2]，因此需要对如何将多个影响因子和水文气象因素进行相关性分析进行可利用降水量的预测[3]。目前，对于可利用降水量的分析取得一定的研究成果[4- 9]。阮翠冰[10]利用宁德市9个气象观测站气象数据对宁德市可利用降水量进行分析，分析表明宁德市可利用降水量波动变化特征明显，高峰值出现在6月，从地势高的地方向地势低的地方逐步递减。王海科[11]利用加权马尔科夫链预测模型，在西安市可利用降水量变化特征分析的基础上进行预测，经过验证模型计算误差较小。彭嘉栋[12]利用洞庭湖区21个气象站构建的1910—2013年数据，对洞庭湖区的可利用降水量进行计算，结果表明洞庭湖区域年、冬季及夏季可利用降水量存在明显的突变增多特征点。田洪光[13]利用皮尔逊-Ⅲ型曲线对不同频率年降水量的累计频率进行计算。徐利岗[14]运用地统计方法、小波分析法及气候趋势系数等方法对宁夏近58年的可利用降水量进行空间和多尺度变化的分析。以上研究成果大都偏重于局部区域，缺少对省域可利用降水量的分析。辽宁省属于北方地形水资源相对较为贫乏的区域，尤其是西部和北部地区，干旱频发，可利用降水量对于域水资源规划和利用、抗旱规划十分重要。为此本文以辽宁为研究区域，结合区域水文、气象数据，对全省不同分区的可利用降水量进行分析和预报，并分析其与干旱强度的相关性。

1 资料与方法

采用NOAA/OAR/ESRL提供的网格间距分别为5°×5°的1951—2018年的500hPa高度场及全球海平面气压场数据，采用国家气候中心提高的1951—2018年的逐月气温数据，降水数据采用全省544个国家基本雨量站点的1951—2018年的逐月降水数据，采用P-M公式对全省64个蒸发站点的逐月潜在蒸发量进行计算。可利用降水量采用水量平衡方程进行计算：

W=P-E

(1)

式中，P—逐月降水量，mm；E—逐月潜在蒸发量，mm；W—逐月可利用降水量，mm。采用标准化距平场方法对可利用降水量W进行分析：

(2)

图1 辽宁省多年平均降水量分布

可利用降水量的空间异常分布采用正交经验函数进行分析，具体方法可详见参考文献[15]。500hPa高度场及全球海平面气压场的主分量的提取方法为主成分分析方法[16]。采用自回归方程对不同分区的的可利用降水量的预报模型进行构建。

本文采用SPI指数分析区域的干旱强度，SPI指数对区域干旱时空变化特征可以进行有效反映，区域干旱强度的等级按照国家气候中心指定的标准进行划分，见表1。

表1 基于SPI指数的旱涝等级划分

1.1 研究区域降雨、蒸发概况

辽宁省年降水量空间分布从东部高山丘陵到西部低山丘陵，降水呈递减趋势，东部多、西部少，中部及北部地区降水量级相近、区域特征相近。利用1956—2016年5—9月份逐旬、逐月降水量资料，进行辽宁省降水量区域划分，如图1所示。从全省来看，多年平均降水量呈东南向西北逐渐减小的趋势，东南部地区降水量多在800mm以上，其中丹东市区、宽甸、凤城一带年降水量可达1100～1180mm。中北部地区多在800mm以下，至法库、新民、盘山一带减少为600mm左右。西部地区则多在600mm以下，到朝阳市和阜新市北部下降到450mm。辽宁省水面蒸发量分布特征是从东南到西北逐渐增加，呈现与降水量分布相反的特点。我省东部气候湿润度高，相对湿度达70%，年日照时数2400h左右，年蒸发量600～700mm；中部地区及半岛南部，气候半干燥，湿度偏低，年蒸发量在800～1000mm之间；辽宁西部，气候干燥，相对湿度减少到约50%，年日照时数增长到2800～3000h，年蒸发量大多在1000～1100mm之间。

1.2 异常区分布结果

通过对选用的全省544个雨量站点数据进行标准化距平处理后，采用正交经验函数对不同雨量站点可利用降水量异常区分布进行检验，若检验的异常区r值通过ra=0.325的检验水平时，则表明通过检验，为可利用降水量的异常区。通过分析辽宁省可利用降水量异常区的r检验值分布如图2所示。

在检验r值分析时，当同一个雨量站点的被划分不同的异常分布区时，需要分析r值的大小，将其划分在r值较大的异常分布区。通过分析确定了辽宁省4个可利用降水量异常分布区，分别为东部的丹东和本溪地区、中部的沈阳和辽阳地区、西部的阜新和朝阳地区、北部的铁岭、康平及法库地区。以西部阜新和朝阳地区为例，区域旋转荷载分量主要位于朝阳的西北部以及阜新的北部，异常分布检验r值的高值区域均分布在这异常分布区。中心站点的最大r值可以达到0.59，这一区域属于辽宁省典型的干旱半干旱区，夏季少雨且蒸发量较大，冬季降雪量夜较为偏少。区域水汽来源主要为东北冷涡和暖湿气流综合影响。

1.3 预报模型的构建

综合考虑气候、地理特征、社会经济发展等综合因素，对辽宁省4个可利用降水量异常区进行了预报模型的构建，各分区可利用降水量预报模型的影响因子及回归方程见表2—3。

表2 辽宁省不同异常分区的可利用降水量影响因子

首先对前一年不同月份的初选因子确定，采用主成分分析方法对500hPa高度场、全球海平面高压场进行分析，各因子前8个分向量累积主成分方差贡献度达到80%以上，重要的降水信息均在这个几个因子中得到集中，确定了16个初选因子。再通过单相关系数对其可信度a=0.05进行检验，序列样本的分析长度为55，临界相关系数ra=0.258，若检验r值高于该临界相关系数，则表明预报对象和因子之间具有较好的相关度，则通过可信度检验，可再选因子通过相关检验方式进行确定。表2为确定的可再选因子，结合表2辽宁省不同异常分区可再选因子，建立可利用降水量和4个相关因子的回归方程，见表3。

表3 辽宁省不同异常分区的可利用降水量回归方程

1.4 预报模型的检验

在预报模型构建的基础上，对不同异常分区可利用降水量的预报进行检验，检验因子和结果见表4。对辽宁省不同分区1955—2018年可利用降水量进行预报检验，相关性分析如图3所示。并对其中的2010—2018年共8年的降水量进行试验拟合预报的检验，试验拟合预报检验结果见表4。

图3 不同异常分区可利用降水量预报值和实际可利用降水量相关性分析结果

表4 辽宁省不同异常分区可利用降水量预报拟合分析成

以预报可利用降水量和实际计算的可利用降水之间进行相对误差的计算，当拟合预报的相对误差低于30%，则认为通过误差检验，将检验的站点的误差合格通过率占总的站点的数目的百分比定义为拟合预报合格比例。辽宁省可利用降水量各空间异常分布区单个相关因子通过结果见表4。从表中可分析出，西部阜新和朝阳地区、北部的抚顺、康平及法库地区通过误差检验的因子相比于其他分区偏少，东部丹东和本溪地区通过检验的因子较多，表明辽宁西部和北部地区前一年各月份的全球海平面高压场以及500hPa高度场的相关性较低。而东部以及中部两个因子的相关性较高。从不同异常分区可利用降水量预报和实际降水量预报相关性分析结果可看出，不同异常分区可利用降水量预报值和实际可利用降水量均具有较好的相关性，各分区相关系数在0.5以上，满足预报精度要求。东区相关性最高，北区相关性最低，各异常分布区在可利用降水量异常偏少或者偏多年份会出现较大的误差，这主要受到前期挑选的相关因子和预报方式有关。

1.5 与干旱轻度的相关特征分析

采用Hurst指数[17]对辽宁省不同异常分区可利用降水量和干旱强度SPI值之间进行关联度的分析，分析结果见表5。

表5 辽宁省各异常分区可利用降水量与干旱强度的Hurst指数分析结果

从辽宁省各异常分区可利用降水量与干旱强度的Hurst指数分析结果可看出，各异常分区不同季节干旱强度SPI值和可利用降水量的变化规律具有一定的相似特征，各异常分布区可利用降水量的年和季节尺度的Hurst分别在0.3152～0.4381之间，表明这两个时间尺度下辽宁省各异常分布区的可利用降水量与过去具有相反的变化趋势，即表明可利用降水量未来呈现递增变化趋势，冬季可利用降水量逐步递减，春、秋、夏3个季节的可利用降水量与过去变化趋势具有一致性，秋季变化最为显著。各异常分布区年和夏季尺度的干旱强度的Hurst指数分析结果表明辽宁地区年和夏季干旱尺度与过去变化趋势也具有相反的特征，干旱强度有所减弱，夏季轻旱变化趋势有所增强，春、秋以及冬季干旱变化趋势的有所增强，春季干旱强度有所递减变化，秋季干旱强度增强，冬季变化呈递增变化。未来一段时间内辽宁省各异常分布区春季可利用降水量将会持续有所增加，使得对应的春季干旱强度有所减弱，夏季和秋季可利用降水量依旧有所减少，对应的干旱强度将相应增加。冬季全省各异常分布区的可利用降水量可能减少，相应干旱强度对应增强变化。

2 结论

(1)辽宁省有4个可利用降水量异常分布区，分别为东部的丹东和本溪地区、中部的沈阳和辽阳地区、西部的阜新和朝阳地区、北部的铁岭、康平及法库地区，其中西部和北部的可利用降水量与前一年各月份的全球海平面高压场以及500hPa高度场的相关性较低。而东部以及中部两个因子的相关性较高。

(2)未来一段时间内辽宁省各异常分布区春季可利用降水量将会持续有所增加，使得对应的春季干旱强度有所减弱，夏季和秋季可利用降水量依旧有所减少，对应的干旱强度将相应增加。冬季全省各异常分布区的可利用降水量可能减少，相应干旱强度对应增强变化。

(3)在进行短时间序列可利用降水量拟合时较易产生偏差，在以后的研究中需要考虑如何解决此类偏差问题，提高短时间序列可利用降水量的预测精度。