吳 健，周秋文，韋小茶，羅旭玲，龍小梅，梁建方

(貴州師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，貴州 貴陽 500025)

降水是全球水循環(huán)的基礎(chǔ)組成部分，是在水文、氣候等研究中必要的輸入?yún)?shù)[1]。因此，在分析該區(qū)域降水的時空分布時高分辨的降水?dāng)?shù)據(jù)起著重要意義。傳統(tǒng)區(qū)域降水資料是根據(jù)地面氣象站點(diǎn)直接觀測到的數(shù)據(jù)，采用一定的插值方法來獲取該區(qū)域的空間降水資料。但在喀斯特地區(qū)，由于地面氣象站點(diǎn)稀疏，觀測站數(shù)據(jù)只能反映以觀測點(diǎn)為中心的一定半徑范圍內(nèi)的降水量，受地形因子和地理位置的影響，很難得到高分辨率的降水資料[2-4]。

近些年，國內(nèi)外有許多學(xué)者對再分析降水?dāng)?shù)據(jù)集和衛(wèi)星降水?dāng)?shù)據(jù)集在中國各區(qū)域的適用性進(jìn)行研究，如Meng Xianyong等[5]研究指出CMADS(China Meteorological Assimilation Driving Datasets)可以較好的為SWAT(Soil and Water Assessment Tool)模型的水文模擬分析提供必要的氣象數(shù)據(jù)分析，在農(nóng)業(yè)、水文和氣象耦合建模以及氣象分析中具有重要的應(yīng)用;Gao Xiaochao等[6-7]以中國湘江流域?yàn)檠芯繀^(qū)，通過對比再分析降水?dāng)?shù)據(jù)集(CMADS，NCEP-CFSR(National Centers for Environment Prediction Climate Forecast System Reanalysis)和2個衛(wèi)星數(shù)據(jù)集(the Tropical Rainfall Measuring Mission 3B42 Version 7 (3B42V7)and the Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Climate Data Record (PERSIANN-CDR))，指出TRMM衛(wèi)星降水?dāng)?shù)據(jù)在日尺度及月尺度上與實(shí)測降水?dāng)?shù)據(jù)的偏差較小，對降水的反演效果優(yōu)于CMADS、NCEP-CFSR再分析數(shù)據(jù)及PERSIANN-CDR衛(wèi)星數(shù)據(jù)。TRMM降水雷達(dá)是目前唯一攜帶監(jiān)測設(shè)備的遙感衛(wèi)星，其空間分辨率很高(0.25°×0.25°)。

因此，為了在水文分析中獲取較為精準(zhǔn)的降水?dāng)?shù)據(jù)，需要對 TRMM降水資料進(jìn)行空間降尺度分析。張曉等[8]以TRMM降水?dāng)?shù)據(jù)和NDVI、DEM、坡向及經(jīng)緯度等相關(guān)因子構(gòu)建TRMM降水?dāng)?shù)據(jù)的降尺度回歸模型，得到天山中段地區(qū)250 m高分辨率的降水?dāng)?shù)據(jù)，降尺度后的降水?dāng)?shù)據(jù)能詳細(xì)反映天山中段降水的空間分布特征。蔡明勇等[9]基于TRMM降水?dāng)?shù)據(jù)構(gòu)建了降水時空降尺度模型，得到雅魯藏布江流域的高空分辨率降水?dāng)?shù)據(jù)，結(jié)果表明：1—5月及9—10月的模擬效果較好，6—8月的模擬精度較低，11—12月的模擬效果較差。劉小嬋等[10-11]在對比了國內(nèi)外TRMM降水?dāng)?shù)據(jù)研究的基礎(chǔ)上，利用TRMM降水?dāng)?shù)據(jù)與植被因子之間的相關(guān)關(guān)系建立GWR回歸模型，將大興安嶺的TRMM降水?dāng)?shù)據(jù)的空間分辨率從0.25°提高到1 km。馬金輝等[12]基于石羊河流域上游的TRMM3B43降水?dāng)?shù)據(jù)和空間分辨率為1 km的DEM數(shù)據(jù)，采用回歸方程+殘差法的差值方法，將原來空間分辨率為0.25°×0.25°的TRMM3B43降水?dāng)?shù)據(jù)提高到1 km×1 km。

國內(nèi)現(xiàn)有研究大多數(shù)在中國北方河流流域及中高緯度等局部地區(qū)，對于多山地覆蓋、地勢復(fù)雜的喀斯特地區(qū)降尺度相關(guān)方面的研究較少[13-16]。其中，周秋文等[13]對TRMM3B43降雨數(shù)據(jù)在喀斯特地區(qū)的適用性進(jìn)行分析，結(jié)果表明TRMM3B43降水?dāng)?shù)據(jù)基本能反映降水的空間分布及演變過程，在年尺度和月尺度上TRMM3B43降水?dāng)?shù)據(jù)略高于站點(diǎn)實(shí)測降水量，在降水量少或地形起伏大的地區(qū)對降水的反演精度相對較低。李威等[14]研究也指出TRMM3B43降水?dāng)?shù)據(jù)在貴州地區(qū)具有較好的適用性。吳建峰等[15]研究指出TRMM3B42衛(wèi)星降水?dāng)?shù)據(jù)在貴州高原地帶的年尺度的月尺度降水量反演精度較高，在日尺度上TRMM3B42降水?dāng)?shù)據(jù)與實(shí)際降水偏差大，對降水強(qiáng)度過大或過小的降水情況均不能準(zhǔn)確地探測，對于單個站點(diǎn)而言，海拔較低的站點(diǎn)TRMM衛(wèi)星探測出的降水與實(shí)測降水偏差小。在中大尺度的水文分析研究中往往需要獲取較為精準(zhǔn)的降水?dāng)?shù)據(jù)，然而，前人少有對TRMM在喀斯特地貌典型發(fā)育的貴州省進(jìn)行降尺度分析研究。因此，本文通過構(gòu)建TRMM3B43月降水?dāng)?shù)據(jù)與DEM、坡度、坡向、經(jīng)緯度等地形因子的多元線性回歸模型，對貴州省1998—2015年TRMM數(shù)據(jù)進(jìn)行空間降尺度研究，以期為喀斯特地區(qū)獲取高分辨率降水?dāng)?shù)據(jù)提供一定的思路和研究參考。

1 研究區(qū)概況

貴州省(東經(jīng)103°36′～109°35′，北緯24°37′～29°13′)位于中國西南部，地處云貴高原的東部，地形東低西高，從中部向東、南、北三面傾斜，平均高程為1 100 m左右。全省地勢可分為丘陵、盆地和高原山地3種基本類型，其中山地和丘陵的面積占92.5%。境內(nèi)山脈眾多，山高谷深，綿延縱橫，重巒疊峰，喀斯特(出露)面積占全省土地總面積的61.9%，境內(nèi)巖溶分布廣泛，喀斯特形態(tài)類型齊全，地域分化明顯[17]。貴州氣候?yàn)閬啛釒駶櫦撅L(fēng)氣候。氣候涼爽宜人，年均氣溫為15℃左右。受大氣環(huán)流及地形的影響，貴州的氣候呈現(xiàn)多樣化。研究區(qū)內(nèi)的雨量觀測站分布見圖1。

圖1 貴州省地形和雨量站點(diǎn)分布

2 數(shù)據(jù)來源與研究方法

2.1 TRMM數(shù)據(jù)

由日本和美國聯(lián)合開發(fā)的TRMM衛(wèi)星于1997年11月28日成功發(fā)射，這是一顆近赤道非太陽同步軌道的衛(wèi)星。其覆蓋范圍為：以赤道為中心的南北緯38°之間。它35°的軌道傾斜角相對其他極地軌道衛(wèi)星要小得多，這就使得TRMM衛(wèi)星具有很高的時空分辨率。根據(jù)從低到高的緯度，TRMM衛(wèi)星可以每天覆蓋全球1～3次，它配備了包括降雨雷達(dá)(PR)、微波成像儀(TMI)、云和地球輻射能量測量系統(tǒng)(VIRS，CERES)和閃電成像感應(yīng)器(KIS)在內(nèi)的傳感器。

本文所采用的是第7版本3級產(chǎn)品(V7-3B43)的TRMM降水?dāng)?shù)據(jù)。該數(shù)據(jù)是由TRMM3B42的數(shù)據(jù)產(chǎn)品、全球降水氣候中心(Global Precipitation Climatology Center，GPCC)的全球降水資料和NOAA氣候預(yù)測中心氣候異常監(jiān)測系統(tǒng)(Climate Assessment and Monitoring System，CAMS)的全球格點(diǎn)雨量測量器資料共同合成的，覆蓋了南北緯50°之間的區(qū)域[18]，合成該數(shù)據(jù)的3B43算法是為了產(chǎn)生最佳的降水率(mm/hr)和降水誤差均方根。這些數(shù)據(jù)與一些檢測到的數(shù)據(jù)相結(jié)合，為每個標(biāo)準(zhǔn)觀測時次每個網(wǎng)格降水提供了最佳估值。TRMM降水?dāng)?shù)據(jù)來自NASA(http://mairador.gsfc.nasa.gov/)，空間分辨率為0.25°×0.25°，時間范圍為1998—2015年。數(shù)據(jù)以HDF的文件格式存儲，因此，需借助ENVI軟件對其進(jìn)行投影和格式的轉(zhuǎn)換等預(yù)處理。所下載的數(shù)據(jù)是逐月的每小時平均降水量，需要利用式(1)進(jìn)行轉(zhuǎn)換生成每月的降水量。并以研究區(qū)域邊界向外增加一個TRMM像元的范圍為緩沖區(qū)，以緩沖區(qū)為邊界對數(shù)據(jù)進(jìn)行裁剪。

Pi=TRMMi·di·24

(1)

式中Pi——第i月的降水量；TRMMi——第i月每小時降水?dāng)?shù)據(jù)；di——第i月的天數(shù)。

2.2 DEM數(shù)據(jù)

本文所使用的DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)，空間分辨率為90 m×90 m。將覆蓋研究區(qū)的多幅圖像進(jìn)行拼接、投影轉(zhuǎn)換，得到研究區(qū)的地形數(shù)據(jù)。

2.3 氣象資料

地面氣象站點(diǎn)觀測數(shù)據(jù)是來自中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)(http://data.cma.cn/)，時間范圍為1998年1月至2015年12月，選用的是貴州省地面氣象資料的月值數(shù)據(jù)集，共19個站點(diǎn)(表1)。

表1 貴州省氣象站點(diǎn)數(shù)據(jù)

2.4 統(tǒng)計降尺度方法

統(tǒng)計降尺度也被稱為經(jīng)驗(yàn)降尺度，是在大尺度、低分辨率的氣候信息中來獲取小尺度、高分辨率的氣候信息的有力工具。它已經(jīng)成為一個重要的研究方向。降尺度常用到的氣象因素主要有降水、氣壓、氣溫、風(fēng)速、濕度、蒸散發(fā)量等。因?yàn)榻邓跁r空上是不連續(xù)的，是最難模擬的氣候變量，同時也是洪澇模擬中最敏銳的參數(shù)，從而成為降尺度研究的主要?dú)庀笠蛩亍?/p>

統(tǒng)計降尺度方法的基本原則：采用統(tǒng)計經(jīng)驗(yàn)法來創(chuàng)建大尺度氣象變量與區(qū)域氣象變量間所存在的線性或者非線性關(guān)系，然后在不同尺度的影像間，根據(jù)某一特征量來建立函數(shù)關(guān)系，從而對柵格影像進(jìn)行不同尺度的轉(zhuǎn)換分析。傳統(tǒng)降尺度法均基于以下3個假設(shè)：①大尺度氣候變量和區(qū)域氣象變量之間具有顯著的相關(guān)關(guān)系；②大尺度氣場可以被GCM模式模擬；③在氣候變化的場景下，創(chuàng)建的相關(guān)關(guān)系是有效的[19]。

2.5 地形因子的選擇

地理位置(經(jīng)度、緯度)對研究區(qū)降水量均有一定的影響。通常而言，在中國大陸地區(qū)(除新疆、西藏地區(qū)外)，對于同一高度水平上降水量隨經(jīng)緯度的變化在各個測量站點(diǎn)所呈現(xiàn)的格局不均勻，有較大的區(qū)域差異性。地形(DEM、坡度和坡向)對降水的影響也起著舉足輕重的作用，由于地形抬升對氣流的影響，降水與海拔和坡地呈負(fù)相關(guān)[20-21]。馬金輝等[12]在石羊河流域上游TRMM降水?dāng)?shù)據(jù)的降尺度研究中，使用坡度的正切值和坡向的余弦值計算降水量，取得了理想的效果。

由于貴州是典型的喀斯特地貌，石灰?guī)r地區(qū)，地表水較為匱乏，且多為山地和丘陵。影響降水的因素除了地理位置和氣候外，地形也是影響降水的重要因素之一，迎風(fēng)坡降水多于背風(fēng)坡降水。所以，本文在研究區(qū)降水量的回歸預(yù)測中也采用了坡度的正切值和坡向的余弦值來創(chuàng)建模型。

2.6 降尺度分析

本文使用的降尺度方法就是在統(tǒng)計降尺度方法基礎(chǔ)上，利用DEM、坡度、坡向、經(jīng)緯度構(gòu)建適于該地區(qū)的TRMM3B43月降水量多元線性回歸模型，加上預(yù)測的殘差值，最后得到降尺度后的降水?dāng)?shù)據(jù)。主要步驟如下。

a)將DEM、坡度、坡向和經(jīng)緯度重采樣至與 TRMM3B43數(shù)據(jù)相應(yīng)分辨率(0.25°×0.25°)，其中0.25°所對應(yīng)的分辨率為低分辨率(LR)，1 km為高分辨率(HR)。在0.25°分辨率(低分辨率)下創(chuàng)建多元線性回歸方程：

YLR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(2)

b)在0.25°分辨率下，分析獲得3B43和預(yù)測降水的降水殘差ΔTRMMLR:

ΔTRMMLR=3B43-ΔYLR

(3)

c)把在0.25°分辨率下得到的回歸系數(shù)分別代入到重采樣為1 km分辨率的DEM、坡度、坡向等的影像中，獲得高分辨率模型的預(yù)估降水ΔYHR。

YHR=a+b·X1+c·X2+d·X3+e·X4+f·X5

(4)

d)將分辨率為0.25°的降水殘差ΔTRMMLR經(jīng)插值處理得到高分辨率的降水殘差數(shù)據(jù)ΔTRMMHR。將高分辨率殘差數(shù)據(jù)和分辨率預(yù)估降水?dāng)?shù)據(jù)疊合得到高分辨率(降尺度)的降水?dāng)?shù)據(jù)Yds。

Yds=YHR+ΔTRMMLR

(5)

2.7 結(jié)果驗(yàn)證方法

利用研究區(qū)內(nèi)19個氣象站點(diǎn)對應(yīng)時間的實(shí)測降水?dāng)?shù)據(jù)進(jìn)行驗(yàn)證，采用以下3個指標(biāo)來衡量降尺度的結(jié)果。

a)決定系數(shù)(R2)。用以展現(xiàn)觀測站點(diǎn)的降水量(X)與TRMM3B43降尺度后降水量(Y)之間密切的程度，公式如下：

(6)

b)偏差 Bias(B)。用以表示TRMM降尺度結(jié)果與“實(shí)測值”間的偏離程度，計算公式如下:

(7)

式中Mi——TRMM3B43降尺度的降水量；Oi——?dú)庀笳军c(diǎn)“實(shí)測值”；i——?dú)庀笳军c(diǎn)。

c)均方根誤差(RMSE)。用來表示TRMM降尺度的結(jié)果與“實(shí)測值”間的偏差，其值越小，表示降尺度的結(jié)果與“實(shí)測值”間就越接近。計算公式如下：

(8)

3 結(jié)果與分析

3.1 TRMM降尺度分析

以貴州省為研究區(qū)，利用DEM、坡度、坡向、經(jīng)緯度等數(shù)據(jù)，基于ArcGIS和SPSS軟件計算平臺，分別得到1998—2015年高分辨率降尺度數(shù)據(jù)。降尺度前后TRMM3B43數(shù)據(jù)差異見圖2a、2b，干燥年份和濕潤年份的TRMM數(shù)據(jù)見圖3a、3b。因?yàn)橐肓司哂懈呖臻g分辨率的DEM、坡度等因子用來體現(xiàn)地形對降水所產(chǎn)生的影響，經(jīng)過空間降尺度處理后研究區(qū)域內(nèi)降水?dāng)?shù)據(jù)的馬賽克現(xiàn)象得到顯著的改善，降尺度后的TRMM3B43降水?dāng)?shù)據(jù)比原始降水?dāng)?shù)據(jù)具有更強(qiáng)的空間分布信息細(xì)節(jié)刻畫能力。這一結(jié)論與蔡明勇等[9]研究結(jié)果基本一致。

a)降尺度前

b)降尺度后圖2 2015年TRMM數(shù)據(jù)

a)干燥年份

b)濕潤年份圖3 貴州省TRMM數(shù)據(jù)

3.2 各站點(diǎn)精度驗(yàn)證

在ArcGIS軟件中，利用研究區(qū)域內(nèi)19個氣象觀測站實(shí)測月降水?dāng)?shù)據(jù)的shape文件來提取其對應(yīng)地理位置的TRMM3B43降尺度降水?dāng)?shù)據(jù)，并在Excel中對實(shí)測數(shù)據(jù)與降尺度后降水?dāng)?shù)據(jù)的關(guān)系進(jìn)行分析。從表2及圖4可知，在研究區(qū)內(nèi) TRMM3B43降水?dāng)?shù)據(jù)降尺度的結(jié)果和雨量站點(diǎn)實(shí)測數(shù)據(jù)間的決定系數(shù)0.742

表2 1998—2015年降尺度模型模擬降水量與實(shí)測降水量關(guān)系

a)安順

b)貴陽

c)湄潭

3.3 典型干、濕年份精度檢驗(yàn)

取1998—2015年間降水量少的年份(2006年，979.9 mm)作為干旱年份，降水最多的(2014年，1 551.6 mm)作為濕潤年份，將干、濕年份的19個氣象觀測站的月降水?dāng)?shù)據(jù)分別與降尺度后得到的降水?dāng)?shù)據(jù)和原始的TRMM3B43降水?dāng)?shù)據(jù)進(jìn)行對比。結(jié)果由表3可知，干濕年份降尺度后數(shù)據(jù)的決定系數(shù)均大于 TRMM3B43原始數(shù)據(jù)，干旱年份降尺度后數(shù)據(jù)的偏差高于TRMM3B43原始數(shù)據(jù)，均方根誤差低于TRMM3B43原始數(shù)據(jù)，濕潤年份的TRMM3B43原始數(shù)據(jù)的均方根誤差和偏差均高于降尺度后數(shù)據(jù)，由此可見降尺度后的數(shù)據(jù)精度較高。濕潤年份的決定系數(shù)和偏差均低于干旱年份，說明濕潤年份降尺度后的數(shù)據(jù)精度稍高于干旱年份。此現(xiàn)象大致與鄭杰等[22]在川西高原研究中分析所得結(jié)果相似。

表3 干濕年份數(shù)據(jù)檢驗(yàn)結(jié)果

3.4 整體精度驗(yàn)證

將1998—2015年19個氣象觀測站所對應(yīng)年份、月份和位置的降尺度后的降水?dāng)?shù)據(jù)和TRMM3B43原始數(shù)據(jù)的各月降水量值分別與雨量站點(diǎn)的實(shí)測值進(jìn)行一元線性回歸分析，其誤差統(tǒng)計和散點(diǎn)分布見圖5。從圖5可看出，降尺度結(jié)果與氣象站點(diǎn)實(shí)測值的決定系數(shù)達(dá)0.864 8，兩者存在顯著的線性相關(guān)關(guān)系，偏差為0.046 3，說明降尺度結(jié)果整體稍偏高。經(jīng)過降尺度后的月降水量與氣象站實(shí)測月降水量R2、BIAS、RMSE等值略高于TRMM3B43的原始數(shù)據(jù)。這表明所建立的TRMM3B43數(shù)據(jù)的降尺度模型是可行的，且降水?dāng)?shù)據(jù)的空間分辨率得到了一定程度的提高。

a)降尺度 b)TRMM3B43數(shù) 圖5 1998—2015年降尺度后降水?dāng)?shù)據(jù)與TRMM原始數(shù)據(jù)與實(shí)測值散點(diǎn)

4 結(jié)論

本文利用貴州省1998—2015年的時間序列TRMM3B43降水?dāng)?shù)據(jù)結(jié)合研究區(qū)1 km分辨率的DEM、坡度、坡向、經(jīng)緯度等數(shù)據(jù)，創(chuàng)建多元線性回歸模型，對研究區(qū)域內(nèi)的降水資料進(jìn)行降尺度操作，從而得到分辨率為1 km的TRMM3B43降水量的空間分布數(shù)據(jù)，再利用研究區(qū)內(nèi)19個氣象站點(diǎn)的觀測數(shù)據(jù)進(jìn)行檢驗(yàn)，驗(yàn)證了降尺度結(jié)果的準(zhǔn)確性，得出以下結(jié)論。

a)原始TRMM3B43的降水資料與實(shí)測降水?dāng)?shù)據(jù)的誤差大于經(jīng)過降尺度處理后的降水資料與實(shí)測數(shù)據(jù)之間的誤差，即降尺度后降水資料的準(zhǔn)確性要稍高于原始的TRMM3B43降水資料，降尺度的方法提高了原始TRMM3B43降水?dāng)?shù)據(jù)的精度。因此，本文所創(chuàng)建的降尺度模型可用于研究喀斯特地區(qū)降水的降尺度分析。

b)基于1998—2015年在貴州省的TRMM3B43降水資料的降尺度結(jié)果，盡管降水?dāng)?shù)據(jù)在空間分辨率和反演數(shù)據(jù)精度方面得到一定的提高，但在降尺度過程中所創(chuàng)建多線性回歸方程和TRMM3B43降水?dāng)?shù)據(jù)自身精度的影響下，TRMM3B43對降水的反演也存在一定的誤差。因此，在使用TRMM3B43降水資料時，需要利用氣象站點(diǎn)的實(shí)測降水量數(shù)據(jù)對其進(jìn)行精度校正。

c)本文利用的TRMM3B43降水?dāng)?shù)據(jù)的空間分辨率較低，且氣象觀測站點(diǎn)較少，雖不能代表整個研究區(qū)內(nèi)降水實(shí)際情況，但通過降尺度后也從一定程度上反映了TRMM3B43降水?dāng)?shù)據(jù)在山地高海拔區(qū)域具有較好的適用性。由于降水受海拔、地形和經(jīng)緯度等因素的影響，在局部地區(qū)還是存在較大差異。在下一步構(gòu)建喀斯特地區(qū)的降水資料降尺度模型時，應(yīng)在現(xiàn)有數(shù)據(jù)資料的基礎(chǔ)上把海拔、坡度、坡向和經(jīng)緯度等因素考慮在內(nèi)進(jìn)行精度訂正，使之與研究區(qū)實(shí)際情況更接近。