基于隨機(jī)森林模擬的遼寧省降水量空間分布研究

張 鵬

（遼寧省河庫(kù)管理服務(wù)中心（省水文局），遼寧 沈陽 110000）

降水是重要的氣候資源，精確模擬降水的空間分布對(duì)水資源開發(fā)管理、生態(tài)防洪、土地資源高效利用具有重要意義。我國(guó)國(guó)土面積廣闊、地貌形態(tài)復(fù)雜、區(qū)域氣候差異大，導(dǎo)致氣象臺(tái)站布設(shè)離散、分布密度不一，這為準(zhǔn)確預(yù)測(cè)降水空間分布帶來困難。雖然當(dāng)前有美國(guó)NASA 和歐空局基于氣象遙感衛(wèi)星聯(lián)合開發(fā)了全球STRM 氣候數(shù)據(jù)，但是該數(shù)據(jù)空間分辨率粗糙，不適宜小尺度的降水表征。為此國(guó)內(nèi)外學(xué)者對(duì)降水空間可視化的方法進(jìn)行了廣泛研究，例如基于氣候環(huán)境輔助因素開發(fā)了Anuspline 插值[1]、回歸Kriging[2]、多元回歸模型[3]等，并在全球、區(qū)域等不同尺度獲得成功應(yīng)用。但在使用這些方法同時(shí)，忽視了對(duì)原始臺(tái)站數(shù)據(jù)的驗(yàn)證與其他數(shù)據(jù)產(chǎn)品的比較分析。因此，本文以遼寧省為例，闡述基于隨機(jī)森林的降水量空間模擬方法，并細(xì)致分析其與已有的STRM 數(shù)據(jù)產(chǎn)品的差異性，以期為降水資料柵格化及其精度分析提供參考資料。

1 研究區(qū)概況

遼寧省地跨東部季風(fēng)氣候向內(nèi)陸干旱溫帶大陸性氣候過渡區(qū)，自東向西依次為遼東丘陵、遼中平原、遼西丘陵地形，南部瀕臨黃海、渤海。區(qū)域四季分明、雨熱同期，省域年降水量多在600 mm～1100 mm 之間，年平均氣溫介于7℃～11℃之間，日照時(shí)數(shù)達(dá)2100 h～2600 h。影響區(qū)域降水的氣候因子主要是西北太平洋季風(fēng)環(huán)流與副極地、西伯利亞冷高壓。有研究顯示，近50 年來區(qū)域氣溫呈顯著增加趨勢(shì)，降水呈現(xiàn)波動(dòng)減少[4]。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)資料

從中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http：//cdc.cma.gov.cn）獲得遼寧省內(nèi) 69 個(gè)標(biāo)準(zhǔn)氣象站（圖1）近 10 年（2010 年 ～2019 年）來年降水量資料，采用平滑插補(bǔ)方法對(duì)部分站點(diǎn)缺失資料進(jìn)行處理。借鑒以往的研究經(jīng)驗(yàn)，以DEM、坡度、坡向、經(jīng)度、緯度等5 個(gè)地理要素作為輔助環(huán)境變量，其數(shù)據(jù)源為美國(guó)地質(zhì)調(diào)查局USGS 的 GEODEM2 資料（http：//www.usgs.gov/），其空間分辨率為30 m，另采用STRM降雨資料作為比較驗(yàn)證。

圖1 遼寧省氣象站空間分布

2.2 隨機(jī)森林模型原理

隨機(jī)森林（Random Forest,RF）是 Breiman 等[5]基于隨機(jī)子空間（random subspace）與自助聚集（Bootstrap aggregating）理論將決策樹或者分類回歸樹進(jìn)行集成的算法。其自動(dòng)放回抽樣方法對(duì)隨機(jī)向量進(jìn)行隨機(jī)選取并生成決策樹，利用樹節(jié)點(diǎn)的輸出軸的平均值作為預(yù)測(cè)結(jié)果。該算法存在ntree、mtry 兩個(gè)敏感參數(shù)，分別表示決策樹數(shù)量與分裂屬性個(gè)數(shù)，它們影響著模型運(yùn)行速度與泛化效能，采用網(wǎng)格搜索法進(jìn)行參數(shù)優(yōu)化，設(shè)置mtry 為5，ntree 為500。本研究中輸入變量為2.1 部分中的5 個(gè)環(huán)境協(xié)變量，輸入變量為69 個(gè)氣象站點(diǎn)的降水量，依次建模訓(xùn)練后將模型代入?yún)^(qū)域，進(jìn)而繪制遼寧省降水量空間分布圖。

2.3 數(shù)據(jù)處理

利用Excel 2016 軟件將各臺(tái)站txt 格式降水資料進(jìn)行平價(jià)化處理，ArcGIS 軟件進(jìn)行空間制圖，設(shè)置其柵格分辨率為30 m，Rstudio 軟件中的Randomforest 程序包建立隨機(jī)森林降水量預(yù)測(cè)模型。

3 結(jié)果分析

3.1 環(huán)境變量特征

環(huán)境協(xié)變量的空間分布影響著降水量預(yù)測(cè)的空間異質(zhì)性，圖1 和圖2 為區(qū)域DEM、坡度、坡向因子分布?？芍|寧省DEM 數(shù)值介于-20 m～1530 m，呈現(xiàn)東西向地帶性分異，其平均DEM 為123 m。該省屬于緩坡丘陵區(qū)，坡度范圍為0°～17°，高坡度帶分布于省域東西部，呈離散分布，低坡度位于省域中部。區(qū)域坡向包含了8 個(gè)方向性（0°～360°），無明顯規(guī)律性。通過空間幾何分析，得到區(qū)域經(jīng)度分布介于119.38°～125.35°E，緯度為 38.82°～42.78°N，幾何中心位于122.44°E、41.16°N。

圖2 遼寧省坡度和坡向空間分布

3.2 基于隨機(jī)森林模型的遼寧省降水量空間分布

基于上述數(shù)據(jù)方法繪制遼寧省降水量空間分布圖（圖3）。依圖3 可知，區(qū)域降水量介于358 mm～1152 mm，統(tǒng)計(jì)平均值為658.08 mm，空間變異系數(shù)達(dá)21.94%，在該像素水平呈中等變異。高值位于區(qū)域東部，該地區(qū)離西北太平洋暖濕氣流的行進(jìn)距離較近，加之地勢(shì)較高促進(jìn)了氣流堆積、上升運(yùn)動(dòng)，利于成云至雨。低值區(qū)位于西北部?jī)?nèi)陸，由于距離海洋較遠(yuǎn)，加之受陰雨效應(yīng)影響，導(dǎo)致降水分布較少。STRM數(shù)據(jù)顯示區(qū)域降水量（RF）介于392 mm～1098 mm（圖4），其空間平均值為634.26 mm，空間變異系數(shù)為15.38%，其空間分布特征與隨機(jī)森林模擬結(jié)果一致,但本研究能夠呈現(xiàn)更多的空間細(xì)節(jié)信息。

圖3 隨機(jī)森林方法模擬遼寧省降水量空間分布

圖4 STRM 顯示遼寧省降水量空間分布

3.3 降水量模擬結(jié)果比較

采用空間提取的方法將STRM像素提取至點(diǎn)，然后再提取對(duì)應(yīng)位置上隨機(jī)森林模擬值，采用1∶1（y=x）直線比較二者之間的偏離度（圖5）。結(jié)果顯示本研究與STRM產(chǎn)品具有良好的空間一致性，其R2為0.945，擬合關(guān)系為y=1.0429x-43.365。

提取69 個(gè)氣象臺(tái)站年均降水量值（RF）以及相應(yīng)位置上的隨機(jī)森林模擬值，發(fā)現(xiàn)（y=x）二者的擬合精度高達(dá)0.965，在300 mm～750 mm 的區(qū)間上本研究成果與STRM結(jié)果相比估值偏大，在750 mm～1150 mm 區(qū)間上相對(duì)于STRM 結(jié)果略微偏小。綜合而言，隨機(jī)森林模擬結(jié)果與STRM、站點(diǎn)實(shí)測(cè)值具有一致性，并且模擬精度較高，表明該方法可靠。

圖5 遼寧省降水量預(yù)測(cè)值擬合比較分析

4 結(jié)論

本文采用遼寧省69 個(gè)站點(diǎn)2010 年～2019 年的降水觀測(cè)資料，以DEM、坡度、坡向、經(jīng)度、緯度等環(huán)境協(xié)變量為基礎(chǔ)，基于隨機(jī)森林建立降水量空間預(yù)測(cè)模型，得出以下結(jié)論：隨機(jī)森林方法能夠擬合環(huán)境變量與降水量之間的分布規(guī)律，基于高分辨率的DEM數(shù)據(jù)生成詳細(xì)的降水量空間位圖，與站點(diǎn)統(tǒng)計(jì)值和STRM資料存在一定偏差，但在可接受范圍內(nèi)。需要指出的是，降水量空間分布模型依賴于訓(xùn)練樣本數(shù)量，本研究中僅以69 個(gè)站點(diǎn)為基礎(chǔ)資料，可能由于樣本不足產(chǎn)生局部預(yù)測(cè)誤差，在后續(xù)的研究中應(yīng)該補(bǔ)充鄰近省域的氣象臺(tái)站資料作為輔助，減弱數(shù)據(jù)對(duì)預(yù)測(cè)模型的影響。