张雨霏 贾 洋 阳海鸥 骆宗万 曹良中
(1九江学院旅游与地理学院,江西九江 332005;2四川省公路规划勘察设计研究院有限公司,四川成都 610041)
降水不仅是全球水能循环的重要组成部分,也是描述全球气候变化趋势的主要依据之一[1]。准确估算流域内降水的分布直接影响着水资源评价与规划、生态环境治理、旱涝防治等国计民生[2]。目前,获取降水数据的方法大致分为3种,即气象站观测、气象雷达观测和降水卫星遥感反演[3]。气象站点观测所获得的降水精度很高,但是由于站点的空间分布不均以及数量比较匮乏,无法获得充分的降水资料[4-5]。近年来,随着计算机技术的广泛应用和卫星遥感技术的快速发展,遥感数据反演、气候模式模拟等降水数据获取方式应运而生[6]。遥感数据反演具有时间序列长、空间分辨率高、覆盖面积广的优点[7]。热带降雨卫星(Tropical Rainfall Measuring Mission,TRMM)是目前运用最为普遍的观测卫星。国内外已有不少学者对TRMM 3B43 的降水数据产品在许多地区进行了适用性分析。刘小婵等[8]通过TRMM降水数据,分析了东北区域降水的时空分布特征,发现5—10 月TRMM 数据的降水误差相对较小,大部分地区误差在0~30%之间。李净等[9]以天山中段为研究区域,建立了TRMM 降水数据与NDVI、DEM和坡向等的回归分析模型,结果表明该方法合理可行,可用于山区降水数据的降尺度处理。周李磊等[10]对1998—2014 年TRMM 数据进行时空特征分析得出结论,在中国西南地区的TRMM 月降水数据和年降水数据都与地面实测站点数据之间存在很强的适用性,而且这些数据在一些地貌比较复杂的地区同样适用。吕洋等[11]以雅鲁藏布江流域为研究区对TRMM 数据进行了精度验证与分析,得出TRMM 月降水数据与站点实测降水量具有较高的相关性和较高的数据精度,并且发现在数值上TRMM 卫星降水数据略低于实测站点观测的降水量。
作为一个农业大省,江西农产品受降雨量的影响重大,分析江西省降水时空分布规律对稳定农产品的产量和质量、发展农产品类型具有重要意义。何静晓等[12]通过分析降水变率得到在江西省地区降水的季节时空分布特征;唐传师等[13]分析了江西省范围内短历时强降水的时空分布特征,使用的是经验正交函数和Morlet 小波变换等方法,讨论了研究区内的短历时强降水与暴雨的相应关系[13]。但这些结果主要是基于地面实测站点的研究,在一些地形复杂的山区,地表情况复杂且观测站数量较少又分布不均匀,在这些地方无法通过简单内插与外推获得精确的降水数据[14]。卫星降水数据的空间连续分布可以弥补站点数据的短板[15],所以正在被越来越广泛地运用在异常降水的预测中。本文利用1998—2019 年的TRMM 3B43 V7 卫星遥感降水数据对江西省降水的时空分布特征进行了研究,为江西的水资源利用、自然灾害预测与农业发展等生态问题提供了科学依据。
本文研究区为江西省,江西位于113°34'36″~118°28'58″E、24°29'14″~30°04'41″N,地处中国华东地区,东面与浙江省和福建省相邻,南面是广东,西边与湖南接壤,北边挨着湖北与安徽[16]。江西省主要地形是山地和丘陵,盆地和谷地的分布也较为广泛,小部分为平原。东、西、南三面环山,北部是中国最大的淡水湖——鄱阳湖,中间部分地形为丘陵,总体地势为南面更高北面更低,四周高中间低(图1)[17]。江西省位于长江中下游南岸,属亚热带季风气候区,受当地自然地理条件与水文资源的双重影响,气象灾害频繁发生且分布区域广泛[18]。地形复杂又经常发生极端天气,所以深入了解该区域水资源的时空分布特征规律,对水资源的利用和规划以及土地利用有着重要作用。
图1 研究区位置和气象站点分布
本研究所使用的数据主要是TRMM 3B43 V7的月降水数据和相应时空范围内地面站点的实测降水数据。TRMM数据来自美国NASA官网(https://disc.gsfc.nasa.Gov/),这是美国航天局和日本宇宙航空研究开发机构的一个国际项目,旨在改进对热带地区降水量的估计。下载数据的空间分辨率为0.25°×0.25°,时间分辨率为30 d,时间段为1998—2019年,数据范围在全球50°S~50°N。原始数据为netcdf 格式,经月数据合成、格式转换、投影和裁剪获得1998—2019年每月降水数据。
地面站点降水数据来自中国地面气候资料日值数据集V3.0(http://data.cma.cn/),研究区研究时段内站点共有26个,其空间分布如图1所示。
1.3.1 降水速率与降水量之间转换。TRMM原始数据的单位是降水速率(mm/h),将其转换成月降水数据按照下列公式[19]。
其中,Tm是月降水量(单位是mm),Tp为原始数据中的降水速率(单位是mm/h),d为该月对应的天数。将各个不同月份的月降水量加起来可得出相应的季度、年降水量。
1.3.2 数据验证指标。本文采用相关系数R、相对偏差BIAS、均方根误差RMSE 等对降水指标进行评价[10]。相关系数R用于研究数据之间的线性相关程度,对统计学中进行变量的线性回归分析,当采用最小二乘法进行参数估计时,R2是回归平方和与总离差平方和之比,表示可以用回归平方和解释的总离差的平方和之比,比值越大,模型结果越准确,回归效应越显著。所以当R越接近1 说明TRMM 与站点数据相关程度越高,RMSE 用来评估误差的整体水平[20],RMSE 越小说明TRMM数据越精确,相对偏差BIAS表示数据之间的差距,BIAS越接近0说明误差越小。其计算公式如下:
公式中,xi与yi分别代表站点实测降水数据和TRMM降水数据(单位:mm),x代表站点降水数据的平均值,y代表TRMM降水数据平均值,i表示为对应的气象站,n为气象站点的个数。
1.3.3 地统计分析。在ArcGIS 中将预处理过的TRMM数据和江西省各地级市的矢量图像进行分区统计,分别求出每个月每个地区的平均降水量。分别将相同月份、相同季节、相同年份的数据求平均,得到月、季、年平均降水量。将各地级市和江西省年降水量做一元线性拟合,得到各地级市年降水量趋势线,并得到趋势线斜率k。
利用江西省26 个气象站点提供的实测降水数据对TRMM降水数据进行精度验证。将各气象站点所测得的实测数据作为自变量,TRMM 数据作为因变量进行一元线性拟合(如图2 所示),并计算每个站点所对应的相关系数R、均方根误差RMSE和相对误差BIAS(如表1所示)。
表1 各个站点月降水数据的相关精度验证数据
图2 实测站点降水数据与1998—2019 年TRMM 数据散点
由图2可知在月尺度上,TRMM数据与站点数据拟合优度R2为0.859,R2介于0~1之间,并且当它取值越接近1时,回归拟合的效果越好,一般大于0.8时就说明模型拟合优度相对较高。说明TRMM数据与站点数据之间的相关性足够用于统计和分析。
通过表1 可知,R大部分大于0.9,全部在0.8 以上,表明TRMM 数据在江西省范围内的相关性良好,其中青云谱和广昌都达到了0.97 以上,可能是因为青云谱和广昌地形都比较平坦,海拔也较低,所以TRMM 降水数据在这些地方的适配度比较高。遂川、井冈山以及庐山的R相关系数都处于0.8~0.9,相较于其他地方而言较低,可能是由于它们都处于江西省的边缘地形较为复杂的地方,且海拔较高,所以在这些地方TRMM 降水数据的精度与适配度都不如江西省中部较为平坦的地区;总体RMSE的范围在13.325~34.745,证明TRMM 数据在江西省区域范围内的稳定性良好,其中青云谱是13.325,说明像青云谱这种比较平坦的江西省中部地区,不仅实际降水与TRMM 遥感卫星监测的降水的相关性良好,且稳定性高。同样的井冈山与庐山这些山地,可能是海拔较高和地形不够平坦,导致稳定性与相关性都不如其他地区;全部站点的BIAS 都在20%以内,表明TRMM 数据的与站点数据的偏离程度较小。总的来说,TRMM 降水数据和气象站点观测数据具有较好的相关性和一致性,并且在较为平坦的中部适用性更高。
2.2.1 空间分布特征。从总体上看,江西年降水大部分在1 600~2 100 mm,相比于正常亚热带季风气候地区的降水更多一些,总体降水分布呈现东西两侧山区降水多,中部的平坦地区降水少。由图3 可知,江西东北部地区婺源、德兴、铅山、鹰潭、资溪、黎川一带的降雨量多年平均降雨量达到2 000 mm以上,主要是因为迎风坡降水多于背风坡,在每年1—7月份怀玉山脉、武夷山脉受到西风气流带来水汽的影响[21],所以在迎风坡的这些地方降水会比其他地方相对较多。赣州市西部与吉安市南部出现少雨中心,年降雨量都在1 600 mm 左右,主要是由于春季罗霄山山脉阻挡了来自西部的大陆冷高压使得雨水在春季和冬季会更少。
图3 基于TRMM的江西多年(1998—2019年)平均降水空间分布
2.2.2 年降水分布特征。将TRMM月降水数据按照各地级市进行分区统计,并将相同年份的月数据进行累加,得到江西省各地级市1998—2019年各年降水数据。在整体上,江西省1998—2019年的降水量趋势线的斜率k>0(k=5.95)(表2),说明江西省降水呈现上升趋势,这一变化趋势与徐东坡等[22]的预测相似,其原因可能是随着全球变暖的加剧,中国东部变得更加湿润。
具体到各县市,各地级市年际降水量变化趋势大致相同,2009—2012年降水波动非常明显(图4)。2010 年与2012 年年平均降水量均超过2 200 mm,2009 年和2011 年年平均降水量都少于1 500 mm,2011年只有1 274 mm,2012年降水量将近是2011年降水量的2 倍,年际降水波动大代表容易发生洪涝灾害与干旱灾害。将江西各个地级市每年的降水量做一元线性拟合,并将得到的趋势线的斜率填入对应的k值(表2)。从表中可知大部分地级市降水趋势线的斜率都大于零,说明江西省降水整体呈现增加的趋势,其中赣州增加的趋势最大,达到了11.364。虽然降水量的增多可以缓解水资源短缺带来的问题,但是过多的降水也容易导致洪涝灾害的发生和加重洪涝灾害发生的程度。
图4 1998年—2019年江西省各地级市年际降水变化量及江西省年降水量变化趋势线
2.2.3 季降水分布特征。由图5 可以看出,江西省内各个地级市,基本上大部分的降水都集中在春夏两季,秋冬两季降水大约只占全年的1/4。春夏两季的降水基本上都在600 mm以上,而秋冬两季降水基本都小于300 mm,符合江西省的亚热带季风性气候,夏季高温且多雨,冬季温和且少雨。在春季,受到大陆冷高压和南支槽的共同影响,大多是温度较低的阴雨天和强对流天气,所以春季降雨量可以与夏季降雨量持平[23]。在“江南雨季”结束后,进入了盛夏季节,受西太平洋副热带高压的影响,降雨以局地雷雨或台风影响下带来的连续降雨为主,可持续至9月[24]。雨季结束后,西太平洋副高北移,江西省地处太平洋副高脊区中,所以多晴朗天气,且湿度较小[25]。在冬季,由于亚热带大陆季风,又有西伯利亚和蒙古高原南下的冷空气,使得气候干冷且局部地区有雨雪冰霜天气[26]。
图5 1998年—2019年江西省各地级市季降水变化量
2.2.4 月降水特征分布。由图6可以看出在江西省内降水时间分布非常不均衡,全年1/2以上的降水都集中在每年4—7 月,这段时间称为江西的雨季[27]。6 月份为全年降雨量最多的月份,其中鹰潭市是所有地级市中该月降雨量最多的市,月降水量达到了368.29 mm,与之前所提到的怀玉山、武夷山山脉一带夏季因受西风带来的大量水汽降雨量增加的结果一致。且12月与1月份降水最少也与前面冬季降水少的结论相对应。
图6 1998年—2019年江西省各地级市月降水变化量
本文利用1998—2019年TRMM 3B43 V7卫星降水月数据,通过地统计分析,得到以下结论:
(1)TRMM 3B43 V7 卫星降水产品在江西省适用性较高,TRMM 卫星降水数据与26个地面实测站点的年相关系数为0.876,月相关系数为0.946,与各个站点的相关系数和相对误差上也处于较高精度范围内,能够弥补站点空间上分布不均和密度不足等问题。
(2)江西省降水在空间上分布不均,两侧山区降水多中部品谈地区降水少,迎风坡降水高于背风坡,如鹰潭、上饶年平均降水比南昌、九江年平均降水高出280 mm 左右,大部分地区年降水量都为1 600~2 100 mm,表明江西省水资源比较丰富,但同时也容易受到洪涝灾害。
(3)从时间尺度上分析,年际降水量变化波动较大,2012年年平均降水量接近2011年年平均降水量的2倍,且研究时段年降水量呈现上升趋势,总体的趋势线斜率为5.95。
(4)江西降水时间分布不均,春夏季降水多,秋冬两季降水较少,全年50%以上的降水都集中在4—7 月,这使得农业发展容易受到自然灾害的破坏,如洪涝灾害与干旱灾害的影响。