寶雞地區(qū)降水特征分析及降水量預(yù)測(cè)

徐盼盼　張奇瑩　錢會(huì)　林濤

摘要：基于寶雞氣象站1961年-2015年降水實(shí)測(cè)數(shù)據(jù)，利用線性擬合、模比系數(shù)積差曲線、Mann-Kendall檢驗(yàn)法、云模型和滑動(dòng)平均-馬爾可夫模型對(duì)該地區(qū)降水變化特征和降水量預(yù)測(cè)進(jìn)行了全面分析。結(jié)果表明：寶雞地區(qū)年降水量、豐水期和枯水期降水量的線性變化率分別為-11.9 mm/（10a）、2.6 mm/（10a）和-14.5 mm/（10a），且枯水期降水量的減少趨勢(shì)顯著。寶雞地區(qū)年際與年內(nèi)降水量分配極不均勻，不均勻性為全年>豐水期>枯水期；降水量不均勻性的穩(wěn)定程度為豐水期>全年>枯水期。豐、枯期滑動(dòng)平均降水量預(yù)測(cè)值的總和較年尺度的預(yù)測(cè)值更為準(zhǔn)確，且2016年-2020年的年降水量預(yù)測(cè)值分別為613.1 mm、727.0 mm、632.0 mm、457.2 mm和876.7 mm。研究結(jié)果可為該地區(qū)旱澇災(zāi)害的防治提供科學(xué)依據(jù)。

關(guān)鍵詞：降水特征；云模型；預(yù)測(cè)；滑動(dòng)平均-馬爾可夫模型；寶雞地區(qū)

中圖分類號(hào)：P332；P426.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-1683（2017）05-0063-07

水資源是人類賴以生存的寶貴資源，是維持生態(tài)系統(tǒng)健康發(fā)展的重要因素。大氣降水作為水資源的重要補(bǔ)給源，其量的多少與一個(gè)地區(qū)水資源的豐富程度密切相關(guān)，也影響該地區(qū)水資源開(kāi)發(fā)利用的程度，更是決定旱澇等自然災(zāi)害發(fā)生的重要?dú)庀笠蜃印Ｓ晁馁Y源化利用不僅可以緩解局部地區(qū)水資源供需不均衡的矛盾，也可以有效地控制旱澇等災(zāi)害的影響程度，減少災(zāi)害造成的各種損失，而一個(gè)地區(qū)降水量的變化特征分析及其科學(xué)預(yù)測(cè)是這一系列工作的基礎(chǔ)。

降水的時(shí)序分布特性分析對(duì)管理部門的科學(xué)用水、農(nóng)業(yè)生產(chǎn)的發(fā)展以及相關(guān)部門制定各項(xiàng)政策與措施具有指導(dǎo)性的意義。目前，研究降水時(shí)序特征的常用方法有小波分析法、累積距平法、Mann-Kendall法，這些方法共同的不足之處在于難以實(shí)現(xiàn)對(duì)降水時(shí)間分布的均勻性和穩(wěn)定性進(jìn)行量化。云模型可以實(shí)現(xiàn)降水定性分布與定量分布的轉(zhuǎn)換，并能彌補(bǔ)其它方法未能對(duì)均勻性和穩(wěn)定性進(jìn)行準(zhǔn)確量化的缺點(diǎn)。因此，基于云模型對(duì)寶雞市年降水和豐枯期降水的時(shí)序分布特征進(jìn)行深入研究，以全面掌握寶雞市降水量的分布情況，可為其水資源評(píng)估、降水動(dòng)態(tài)變化的監(jiān)測(cè)及其影響提供科學(xué)依據(jù)。

降水量預(yù)測(cè)是降水資源潛力計(jì)算的基本工作，也是水資源管理規(guī)劃和水文預(yù)報(bào)的重要環(huán)節(jié)。目前，常用于降水量預(yù)測(cè)的方法有多元統(tǒng)計(jì)法、蒙特卡羅模擬法、頻譜分析及基于灰色和模糊數(shù)學(xué)的預(yù)測(cè)方法，但由于降水過(guò)程受海陸位置、地理位置、大氣環(huán)流等因素的影響，使得降水量的不確定性和隨機(jī)性極為復(fù)雜。因此，這些方法很難滿足水文序列長(zhǎng)期預(yù)報(bào)的精度。滑動(dòng)平均-馬爾可夫模型可以彌補(bǔ)以上方法的不足并充分利用原始數(shù)據(jù)信息，使得降水量的預(yù)測(cè)值具有較強(qiáng)的可靠性和準(zhǔn)確性。

作為陜西省第二大城市的寶雞市地處我國(guó)東南季風(fēng)性氣候與西北溫帶大陸性氣候的過(guò)渡帶。由于降水量分布的不均勻性，使得旱澇等氣象災(zāi)害頻發(fā)，水資源供需矛盾突出。因此，本文基于寶雞氣象站1961年-2015年的降水資料，應(yīng)用云模型和滑動(dòng)平士勻卜馬爾可夫模型對(duì)寶雞市降水特征進(jìn)行分析并對(duì)降水量進(jìn)行預(yù)測(cè)，為該區(qū)域降水時(shí)序演變規(guī)律的研究和水資源管理與規(guī)劃等提供依據(jù)，為水文預(yù)報(bào)提供一種定性與定量相結(jié)合的分析方法。

1研究區(qū)概況與資料來(lái)源

1.1研究區(qū)概況

寶雞地處107°03′-107°18′E、33°35′-35°06′N之間，位于關(guān)中平原西部，南臨秦嶺，北依黃土源，渭河自西向東縱貫其間，屬于暖溫帶半濕潤(rùn)氣候，季風(fēng)盛行，四季分明。冬季干冷少雪，夏季炎熱干燥和溫?zé)岫嘤杲惶娉霈F(xiàn)，春季升溫迅速而氣候多變，秋季降溫快且多連陰雨。寶雞地區(qū)光、熱、水資源較為豐富，多年平均氣溫12.9℃，極端最高氣溫41.6℃，極端最低氣溫為-17℃；年平均日照時(shí)數(shù)達(dá)1904h，無(wú)霜期217 d，多年平均風(fēng)速1.2 m/s；多年平均降水量為666.1 mm，主要分布在5月-10月，由西向東逐漸增加，由南向北逐漸減少。

1.2資料來(lái)源

本文選用寶雞氣象觀測(cè)站（中央氣象城市站號(hào)57016、位置107°08′E、34°21′N、海拔612.4 m）1961年-2015年逐月降水資料，該數(shù)據(jù)來(lái)源于中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)和陜西省統(tǒng)計(jì)年鑒?；谠陆邓?dāng)?shù)據(jù)，采用統(tǒng)計(jì)學(xué)方法可得到逐年豐水期（5月-10月）、枯水期（11月至翌年4月）和全年的降水資料。

2研究方法

2.1云模型

2.1.1概念

云是由許多云滴組成，云的整體形狀與云滴分別反映了定性的概念和定量的描述，產(chǎn)生云滴的過(guò)程就是定性和定量之間的不確定性映射。因此，基于傳統(tǒng)模糊數(shù)學(xué)和概率統(tǒng)計(jì)交叉滲透基礎(chǔ)上建立的云模型可以實(shí)現(xiàn)不確定性語(yǔ)言與定量數(shù)值的轉(zhuǎn)化。云的3個(gè)數(shù)字特征分別為期望E_x、熵E_n和超熵H_e，其中，期望E_x是論域的中心值，表示云的“最高點(diǎn)”；熵E_n表示一個(gè)定性概念可被度量的范圍，即該定性概念的不確定性，又稱模糊性表示云的“跨度”，即熵越大云的“跨度”越大；超熵H_e表示熵的不確定性，即云圖上云滴的離散程度，反映云的“厚度，超熵越大，云越“厚”。云模型有不同類型的云，如梯形云、正態(tài)云、半降云等，本文以正態(tài)云模型為基礎(chǔ)對(duì)寶雞地區(qū)降水特征進(jìn)行研究。

2.1.2云發(fā)生器

3降水特征分析

3.1降水基本特征

通過(guò)對(duì)寶雞地區(qū)1961年-2015年降水量基本統(tǒng)計(jì)特征進(jìn)行分析可知，12.5%、37.5%、62.5%、和87.5%降水頻率對(duì)應(yīng)的年降水量分別為824.5mm、701.2 mm、609.7 mm和490.6 mm。寶雞地區(qū)全年降水量分布最離散，豐水期次之，枯水期分布最集中；豐、枯水期和全年的降水量都處于正偏的狀態(tài)，即主要處于小于均值的狀態(tài)；且年降水量和豐水期、枯水期降水量年際分布不均勻，降水量極差大，極端降水現(xiàn)象明顯，易引起旱澇災(zāi)害發(fā)生，詳見(jiàn)表1。結(jié)合圖2可知，寶雞地區(qū)年內(nèi)降水分配不均勻，主要集中在豐水期，其中7月-9月所占比例最大，為51.45%，而12月-2月所占比例最小，為3.23%。endprint

由圖3可知，年降水量與枯水期降水量呈減少趨勢(shì)，遞減率分別為12.4 mm/（10a）、12.9mm/（10 a）；豐水期降水量呈增加趨勢(shì)，遞增率為2.6 mm/（10a）。可見(jiàn)，全年降水的減少量集中在枯水期?；贛 ann-Kendall檢驗(yàn)法得到寶雞地區(qū)年、豐水期和枯水期的降水量Z值分別為-1.060、0.073和-4.247，年降水量和豐水期降水量的變化趨勢(shì)不顯著，而枯水期降水量通過(guò)99%的顯著性檢驗(yàn)，減少趨勢(shì)顯著。

降水量模比系數(shù)差積曲線法能較好地反應(yīng)降水量多寡的周期變化。由圖4可知，寶雞地區(qū)年降水量與豐水期降水量的周期變化基本一致，20世紀(jì)70年代、90年代和2008年-2015年為降水的偏豐期，20世紀(jì)末和2001年-2008年為降水的偏枯期，80年代呈多寡交替的變化現(xiàn)象；枯水期降水量基本呈先增后減的周期變化，1961年-1975年為降水偏多期，1975年-2015年為降水偏少期。

3.2云模型分析

以寶雞地區(qū)豐水期、枯水期和全年降水量為研究對(duì)象，依據(jù)逆向云發(fā)生器得到各自隸屬云的數(shù)字特征（表2），然后依據(jù)正向云發(fā)生器繪制隸屬云圖（圖5）。期望E_x表示降水量的平均值；熵E_n反映了降雨量相對(duì)平均值的離散程度，值越大，分布越不均勻；超熵H_e表示熵的離散程度，值越大不均勻性的穩(wěn)定性越低。由表2和圖5可知：枯水期降水量少，但分布的不均勻性低，穩(wěn)定性高；豐水期降水量遠(yuǎn)大于枯水期，但分布較為離散且穩(wěn)定性最低；全年降水量分布最離散且穩(wěn)定性較小；這與該地區(qū)降水量變差系數(shù)C_v和偏態(tài)系數(shù)C_s分析得到的結(jié)論具有一致性。由此可見(jiàn)，在豐水期和全年的時(shí)間尺度上，降水量的不確定性高，增加了該時(shí)期水資源管理和水文預(yù)報(bào)的難度。

4降水量預(yù)測(cè)

4.1模型檢驗(yàn)

基于降水頻率分級(jí)標(biāo)準(zhǔn)將寶雞地區(qū)1961年-2013年滑動(dòng)平均降水序列劃分為5個(gè)區(qū)間（表3），確定各時(shí)段的具體狀態(tài)，對(duì)2012年和2013年滑動(dòng)平均降水量進(jìn)行預(yù)測(cè)（表4、表5和表6），并通過(guò)模糊集理論的級(jí)別特征值進(jìn)一步計(jì)算分析，對(duì)模型的精度進(jìn)行檢驗(yàn)（表7）。

由表7可知，在中長(zhǎng)期水文預(yù)報(bào)值相對(duì)誤差小于20%的要求下，寶雞地區(qū)2012年和2013年豐水期、枯水期和全年的滑動(dòng)平均降水量的預(yù)測(cè)結(jié)果均滿足精度要求。對(duì)于全年滑動(dòng)平均降水量的預(yù)測(cè)，將豐、枯水期的預(yù)測(cè)值相加與基于年尺度的預(yù)測(cè)值進(jìn)行對(duì)比，前者2012年和2013年滑動(dòng)平均年降水量的相對(duì)誤差分別為2.67%和5.09%，后者分別為10.04%和4.25%，可見(jiàn)，豐、枯水期預(yù)測(cè)結(jié)果的相加值更為精準(zhǔn)，可靠性更高。因此，對(duì)于寶雞地區(qū)2014年-2018年的滑動(dòng)平均年降水量?jī)H用豐、枯水期降水量預(yù)測(cè)值的總和進(jìn)行預(yù)測(cè)。

4.2降水量預(yù)測(cè)

基于滑動(dòng)平均-馬爾科夫預(yù)測(cè)模型，利用豐、枯水期滑動(dòng)平均降水量預(yù)測(cè)結(jié)果的相加值對(duì)寶雞地區(qū)2014年-2018年的滑動(dòng)平均年降水量進(jìn)行預(yù)測(cè)，進(jìn)而依據(jù)三年滑動(dòng)平均公式得出2016年-2020年降水量的預(yù)測(cè)值，見(jiàn)表8。

5結(jié)論

（1）寶雞地區(qū)降水量在年內(nèi)、年際分配不均勻。年降水量和枯水期降水量分別以11.9 mm/（10a）和14.5 mm/（10a）的遞減率變化，豐水期降水量以2.6 mm/（10a）的遞增率變化；其中，枯水期降水量的減少趨勢(shì)顯著，且年降水量的減少基本都集中在枯水期。

（2）寶雞地區(qū)年降水量的分布最離散，穩(wěn)定性較差；豐水期降水量的分布較分散，穩(wěn)定程度最低；與豐水期降水量相差甚遠(yuǎn)的枯水期，其降水量的分布最為集中，穩(wěn)定性也最好。

（3）基于滑動(dòng)平坶馬爾可夫模型，對(duì)寶雞地區(qū)全年、豐水期和枯水期的滑動(dòng)平均降水量進(jìn)行了預(yù)測(cè)，其結(jié)果均滿足精度要求；對(duì)于全年滑動(dòng)平均降水量的預(yù)測(cè)，豐、枯期滑動(dòng)平均降水量預(yù)測(cè)值的總和較年尺度的預(yù)測(cè)值更為準(zhǔn)確，預(yù)測(cè)2016年-2020年分別為平水年、偏豐水年、平水年、枯水年和豐水年。

（4）通過(guò)對(duì)寶雞地區(qū)降水特征分析和降水量預(yù)測(cè)，顯示出云模型與滑動(dòng)平均-馬爾可夫模型兩者結(jié)合在降水分析與預(yù)測(cè)中具有很強(qiáng)的適用性，因此，可將這兩種模型相結(jié)合作為研究中長(zhǎng)期水文序列的定性與定量綜合分析的方法。endprint