西藏昌都市降水气候及预测分析研究

丁增 杨腾域 黄鹏

（1.西藏八宿县气象局；2.西藏昌都市气象局，西藏 昌都 854000）

0 引言

随着全球气候变化趋势日益复杂，局部小气候极端事件逐年增多，尤其是我国西藏地区，由于其特殊的地形地貌、海拔等因素，造成其气候更加复杂多变[1]。因此，研究西藏地区局部小区域气候变化规律，对掌握我国甚至全球气候的变化均具有重要意义。同时，针对高原地区研究其降水气候及预测未来变化规律，对冰川稳定性评估同样具有一定参考价值。

针对降水气候的研究，很多学者采用不同统计学方法进行了分析，戴睿等[2]利用西藏地区近50年38个测站资料，采用线性估计方法，对降水气候特征进行了研究，指出降水量呈增多趋势，且季节性较为显著。格桑等[3]利用西藏地区18 个测站降水资料，采用CI指标法，分析汛期降水干旱程度，研究指出西藏地区干旱出现的频率高达45%以上，其中轻度、中度干旱频率最高。次旺等[4]利用西藏地区三个代表测站多年降水资料，研究其降水气候变化规律，研究表明降水呈小幅度的递增趋势。还有其余学者[5-6]也对西藏地区降水预测技术进行了研究。

本文利用昌都市近50年降水观测资料，首先通过对原始资料整理，分别计算出逐年降水量总和，其次采用距平分析、相关性分析等方法，研究年降水量整体变化趋势以及找出对其影响较大的相关气候因子，最后采用神经网络等方法，对降水量未来几年变化趋势进行预测。

1 降水气候变化特征分析

1.1 整体变化趋势

本文首先计算出逐年降水量距平值，并分别采用一元线性拟合、5 年滑动平均算法对距平值数据进行处理，图1为昌都市年降水量距平值变化趋势。图中显示出，降水量在近50年发展过程中存在显著的年际差异性，计算出多年平均降水量为482.22mm，在1970—1979 年期间距平值在0 值附近波动，说明了在这个范围内降水量波动较大，而在1980—1995 年期间仅有3 个年份距平值大于0，说明在这个时间段内降水量相对较少，在1996—2010年降水量相对较多。根据一元线性拟合结果可以看出，整体上昌都市降水量呈增多趋势，且每10 年降水量增加7.146mm。根据5 年滑动平均值显示，1995年为年降水量的分界年，在1995年之前降水相对少，而后开始增多。

图1 昌都市年降水量距平值变化趋势

1.2 周期变化规律

为揭示昌都市年降水量多时间尺度周期变化规律，本文采用小波变换算法[7]对年平降水量数据进行处理。小波变换算法通常被用于气候统计学中，能够对不同气候因子从频域、时域这两个角度对原始数据进行解析，并分析其周期性规律。图2为昌都市年降水量小波变换结果，图中显示出，昌都地区年降水量存在多个时间周期变换尺度，其中2～5 年小尺度变换周期，在整个时间域内均是显著的；同时，存在6～15 年左右的中等时间尺度的周期变换规律，该周期规律在1980—2010 年期间较为显著。

图2 昌都市年降水量小波变换结果

1.3 相关性因子分析

为揭示昌都市与年降水量相关性较大的气候因子，本文分别统计同期逐年平均气温、相对湿度、日照数、平均风速、平均气压这5个气候因子数据。由于各个气候因子单位量纲不一致，本文首先采用归一化方法对各因子数据进行处理，具体处理原则为：

该标准化方程的优点为：能够使得标准化后的数据标准差为1，且平均值为0。式中：x 为进行相关性分析时的气象因子数据，mean(x)为数据的平均值，std(x)为数据的标准差。

其次，采用相关性分析法，计算出降水量与上述各个气候因子之间的相关性系数，表1 为昌都市降水量与相关气候因子相关性统计值。从表中可以看出昌都市降水量与各主要相关气候因子之间存在一定的相关性关系，其中降水量与相对湿度相关性最高，相关性系数为0.6081，其次与风速之间也存在较高的负相关性关系，计算出相关性系数为-0.4403，与日照数之间相关性系数为-0.3787。降水量与气温、气压之间相关性相对较小。

表1 昌都市降水量与相关气候因子相关性统计值

1.4 降水量预测分析

为研究未来几年昌都市年降水量变化趋势，本文采用BP神经网络算法［8］建立年降水量短期预测模型，神经网络算法最早于1943 年被提出，图3 为BP 神经网络数学模型，网络中的第i个神经元，接收其他神经元的输入信号xj(j=1,2,…N)，用ωij表示各神经元间的权值。

图3 BP神经网络数学模型

在利用BP 神经网络对年降水量预测过程中，首先需要对训练、验证样本数量进行分割，本文利用90%样本数作为BP 模型的训练样本，剩余10%样本数作为BP 模型的验证样本。训练模型中设置1 个隐含层节点，神经元数量设置为10，采用S 型激励函数，设定误差临界值为0.001，当模型计算误差小于该临界值则停止训练。表2 为BP 模型预测与实际降水量比对统计结果，计算出2015—2019 年期间年降水量BP 模型预测与实际降水量平均相对误差为2%，可以看出本文所构建的BP 模型预测精确度相对较高，并采用该训练好的BP网络模型预测2020—2022年降水量分别为：488.69mm、553.65mm、573.15mm。

表2 BP网络模型预测降水量和实际降水量对比统计表

2 结论

本文利用昌都市近50年降水观测资料，采用距平分析、小波变换、相关性分析等方法，研究年降水量整体变化趋势及周期性变化规律，最后采用神经网络等方法，对降水量未来几年变化趋势进行预测。主要得出以下结论：昌都市降水量呈增多趋势，每10 年降水量增加7.146mm，在1980—1995 年期间降水量相对较少，在1996—2010 年降水量相对较多；年降水量存在多个时间周期变换尺度，存在2～5 年小尺度变换以及6～15年左右的中等时间尺度的周期变换规律；降水量与相对湿度相关性最高，与气温、气压之间相关性相对较小；本文建立的降水量BP 模型预测与实际降水量平均相对误差为2%，预测2020—2022 年降水量分别为：488.69mm、553.65mm、573.15mm。