任賓賓，王 平，邱紹柱，杜衛(wèi)紅，白絮飛

1. 云南師范大學(xué) 地理學(xué)部，昆明 650500； 2. 呼倫貝爾學(xué)院 旅游與地理學(xué)院，內(nèi)蒙古 海拉爾 021008； 3. 滿洲里自然資源局，內(nèi)蒙古 滿洲里 021400

具有高分辨率、 空間信息化的降水?dāng)?shù)據(jù)是地球科學(xué)、 氣候?qū)W、 生態(tài)學(xué)等相關(guān)研究的重要參數(shù)[1-5]．因地面氣象站點(diǎn)的離散性，氣候空間模擬成為陸地生態(tài)信息空間化研究的重點(diǎn)[4]．于貴瑞等[4]從理論和技術(shù)層面上提出構(gòu)建國家尺度、 高分辨率柵格化氣候信息數(shù)據(jù)庫的基本思路和途徑．針對氣候要素空間插值算法理論[1-2，4-9]、 精度[4，6，8，10-22]的研究較多，目前常用的降水空間插值法有反距離權(quán)重、 趨勢面、 克里金、 樣條函數(shù)、 多元回歸等10余種[23-26]，且有不同的分類[25-26]．隨著降水機(jī)理研究的深入，根據(jù)實(shí)測降水信息及位置、 地形等影響因素進(jìn)行的空間估計，理論上更加完善[26-27]．為獲取連續(xù)的高精度、 高時空分辨率降水?dāng)?shù)據(jù)，在考慮各種降水影響因子的前提下，多源降水信息的融合及多種插值方法的混合使用已成為必然趨勢[8，12，25]，但多源降水信息融合的應(yīng)用目前仍存在許多不足[28]．在引入輔助變量插值時，協(xié)同克里格法(Co-kriging)有更大的優(yōu)勢[2，6，10，15，27，29-32]．

降水屬于概率事件，隨機(jī)性強(qiáng)，與其他氣候要素相比，降水空間模擬精度一直倍受關(guān)注．除插值方法外，測站數(shù)量[19]、 分布密度[5，16，33]、 海陸距離及海拔等宏觀地理因子[7，31，34-37]、 微地形因子[33，35，38]、 時間分辨率[34]、 降水強(qiáng)度[39]等因素也是影響降水空間插值精度的重要因素．研究表明，測站密度越小、 氣候要素時間連續(xù)性越差(如降水)，空間化誤差越大，冬季誤差大于夏季[5]．時間分辨率越高，降水空間插值的不確定性越大[34]．目前，針對降水概率對降水量空間插值精度的影響，且以實(shí)測站點(diǎn)進(jìn)行驗(yàn)證的研究較少．

內(nèi)蒙古呼倫貝爾市地域遼闊，地處溫帶半濕潤、 半干旱氣候區(qū)，降水是該區(qū)域關(guān)鍵的生態(tài)因子和稀缺資源，采用協(xié)同克里金(Co-kriging)法進(jìn)行降水量空間插值，分析該市降水量空間分布特征，探討降水量插值精度及其影響因素，旨在為呼倫貝爾市及類似地區(qū)開展降水量時空動態(tài)、 水文調(diào)控及水資源管理、 旱澇災(zāi)害監(jiān)測與評估、 農(nóng)牧業(yè)生產(chǎn)指導(dǎo)等，提供高精度降水空間數(shù)據(jù)及方法參考．

1 研究區(qū)概況及方法

1.1 研究區(qū)概況

呼倫貝爾市(47°05′～53°20′ N、 115°31′～126°04′ E)位于內(nèi)蒙古自治區(qū)東北部，東鄰黑龍江，南連興安盟，北、 西北接壤俄羅斯，西、 西南接壤蒙古國(圖1)．大興安嶺斜貫中部(東北—西南)，向東陡降至嫩江平原邊緣，向西緩傾至呼倫貝爾高原，海拔約200～1 700 m．呼倫貝爾市以溫帶大陸性季風(fēng)氣候?yàn)橹?，多?1961-2018年)氣象數(shù)據(jù)顯示，年均溫-4.4～3.3 ℃，西南、 東南部顯著高于中北部山區(qū)； 年降水量235.6～538.3 mm，東多西少．嶺東屬嫩江流域，有甘河、 諾敏河等嫩江支流，嶺西屬額爾古納河流域，主要河、 湖有額爾古納河、 海拉爾河、 伊敏河及呼倫湖、 貝爾湖等．大興安嶺植被以寒溫性針葉林(興安落葉松、 樟子松林)為主，兼有蒙古櫟、 楊、 樺落葉闊葉林等； 呼倫貝爾高原植被以草原為主，其次為灌叢和草甸等； 土壤有灰色森林土、 棕色針葉土、 暗棕壤、 黑鈣土、 栗鈣土等．

基于蒙S(2020)027號標(biāo)準(zhǔn)地圖制作，圖2、 圖3同．圖1 呼倫貝爾市及氣象站點(diǎn)位置示意

1.2 數(shù)據(jù)與方法

2018年之前，鄉(xiāng)鎮(zhèn)自動氣象站監(jiān)測數(shù)據(jù)不完整，故選擇2018年降水觀測記錄連續(xù)性較好的125個鄉(xiāng)鎮(zhèn)自動氣象站作為檢測站點(diǎn)，用于插值精度檢驗(yàn)．用于空間插值的降水量數(shù)據(jù)來源于呼倫貝爾市境內(nèi)的16個國家氣象站(圖1)2018年1月1日至12月31日地面站逐日降水量實(shí)測數(shù)據(jù)，分別對年、 季降水量空間分布特征進(jìn)行模擬．

采用Arcmap 10.2中Co-kriging插值模型，考慮地形因素對降水的影響[34]，以國家氣象站位置(經(jīng)、 緯度)和DEM(分辨率90 m)為協(xié)同變量，進(jìn)行空間插值，模擬呼倫貝爾市年、 季降水量時空變化特征．根據(jù)檢測站位置，“按點(diǎn)提取”各檢測站降水量預(yù)測值，依據(jù)預(yù)測值、 實(shí)測值比值、 相關(guān)系數(shù)以及相對誤差(RE)和平均相對誤差(MRE)分析降水量空間插值精度．RE和MRE計算公式[18，22，34]如下：

(1)

(2)

以實(shí)際降水頻率(某一時段內(nèi)有效降水日數(shù)占該時段總?cè)諗?shù)的比例)大小表示降水概率差異．采用線性回歸分析年、 季降水量空間插值相對誤差值與降水頻率及宏觀地理因子(經(jīng)度、 緯度、 海拔)的關(guān)系．

2 結(jié)果與分析

2.1 降水量空間分布特征

Co-kriging插值結(jié)果顯示，受季風(fēng)環(huán)流和地形的共同影響，自東向西，呼倫貝爾市2018年年降水量從750 mm左右逐漸降低至220 mm左右，等降水量線延伸方向與大興安嶺走向基本一致，嶺東(550～750 mm)顯著高于嶺西(220～400 mm)．2018年年降水量實(shí)測值東部最多(阿榮旗765.8 mm)，且大于該站多年(1961-2018年)平均年降水量(473.3 mm)，西部最少(新巴爾虎右旗224 mm)，且小于該站多年(1961-2018年)平均年降水量(235.6 mm)，表明該區(qū)域2018年年降水量空間差異大于1961年以來的平均模態(tài)．除新巴爾虎右旗、 陳巴爾虎旗、 額爾古納等少數(shù)站點(diǎn)外，多數(shù)站點(diǎn)年降水量實(shí)測值高于自1961年以來的年降水量平均值，即2018年為多水年(圖2)．

圖2 呼倫貝爾市2018年年降水量空間分布

降水量季節(jié)分配十分懸殊，冬季(約4.5～6 mm)、 春季(約35～60 mm)稀少，夏季豐富(約200～500 mm)，70% 以上的降水發(fā)生在夏季，秋季較多(約30～120 mm)．各季降水量空間分布不均勻(圖3)，降水量空間分布差異大小與季節(jié)降水量多少有關(guān)，多雨區(qū)與少雨區(qū)降水量之比從大到小依次為秋(4.0)、 夏(2.5)、 春(1.7)、 冬(1.5)．春季降水量自南向北遞減(圖3a)．夏季降水量由東向西顯著遞減(圖3b)，西南新巴爾虎右旗降水量最少，少于200 mm，東南阿榮旗最多，超過600 mm．秋季降水量自東向西顯著減小，嶺東降水量偏多，尤以大興安嶺東坡最多(博克圖121.7 mm、 根河139.1 mm、 圖里河124.5 mm)； 嶺西高原降水量較少，少于80 mm，新巴爾虎右旗降水最少(22.2 mm)(圖3c)．冬季降水量最少，空間分布差異亦最小，北及東北部偏多，額爾古納以東，圖里河、 鄂倫春均超過6 mm，西南小于5.5 mm，新巴爾虎右旗最少(2.0 mm)(圖3d)．

圖3 呼倫貝爾市2018年四季降水量空間分布

降水量空間分布季節(jié)性變化特征主要與東亞季風(fēng)西伸北進(jìn)、 暖濕氣團(tuán)的季節(jié)位移有關(guān)．冬、 春季降水量較少，降水主要發(fā)生在夏、 秋季，因此夏、 秋季降水量與年降水量空間分布特征相似，均大致表現(xiàn)為自東向西減少的趨勢．

2.2 降水量空間插值精度

檢測站點(diǎn)預(yù)測值與實(shí)測值分析結(jié)果顯示，年、 夏季降水量預(yù)測值與實(shí)測值比值分別為0.981，0.942，均接近1(p<0.001)，相關(guān)系數(shù)前者(0.951)略大于后者(0.933)，表明空間插值精度年降水量最高，其次為夏季降水量．春、 秋季降水量預(yù)測值與實(shí)測值之比分別為0.075(p=0.003)，0.627(p<0.001)．春季大部分站點(diǎn)降水量實(shí)測值小于預(yù)測值，少數(shù)站點(diǎn)降水量實(shí)測值大于預(yù)測值．冬季降水量模擬誤差最大，多數(shù)站點(diǎn)實(shí)測值(0 mm)小于預(yù)測值，RE>100%，說明冬季有效降水日數(shù)少、 降水頻率小、 隨機(jī)性強(qiáng)．與已有結(jié)論相似[5，37]，降水量空間插值精度表現(xiàn)為年大于季，夏、 秋季大于冬、 春季．降水量小的季節(jié)(春、 秋、 冬)，空間插值法所產(chǎn)生的“平滑效應(yīng)”明顯，即降水量小的站點(diǎn)，預(yù)測值大于實(shí)測值，降水量大的站點(diǎn)，預(yù)測值小于實(shí)測值(圖4)．

小黑點(diǎn)表示檢測站點(diǎn)降水量預(yù)測值與實(shí)測值比值，實(shí)線為二者比值的線性趨勢，虛線為1∶1線．圖4 檢測站點(diǎn)年、 季降水量空間插值精度

因冬、 春、 秋季RE較大，故年降水量MRE(11.4%)略大于夏季MRE(10.7%)(表1)．冬、 春、 秋季降水量相對誤差大的檢測站點(diǎn)較多，RE超過100% 的站點(diǎn)數(shù)分別為115，55，7，降水空間插值不確定性較大．

表1 年、 季降水量相對誤差(RE)大于或小于100%檢測站點(diǎn)數(shù)統(tǒng)計及平均相對誤差(MRE)

2.3 降水頻率對降水量空間插值精度影響

年降水量相對誤差最小(RE約0～40%)，夏季降水量相對誤差(RE約0～60%)次之，春、 秋季降水量相對誤差較大(部分站點(diǎn)RE>100%)，冬季降水量相對誤差最大，90%以上站點(diǎn)冬季降水頻率為0，RE>100%，降水頻率與相對誤差相關(guān)性分析不具有代表性(故未顯示)．降水頻率與相對誤差相關(guān)分析表明(圖5)，年降水頻率與相對誤差呈負(fù)相關(guān)(p=0.023)，說明年降水頻率越大，相對誤差越小，降水量空間插值精度越高．多數(shù)站點(diǎn)年降水頻率為10%～30%，RE為0～30%．剔除RE>100% 的站點(diǎn)(55個)，春季降水頻率與相對誤差呈負(fù)相關(guān)(p=0.043)．多數(shù)站點(diǎn)春季降水頻率為5%～25%，RE為0～60%．夏季降水頻率最大，多數(shù)站點(diǎn)降水頻率約35%～65%，RE為0～30%，但夏季降水頻率與降水量相對誤差無顯著相關(guān)性(p=0.412)，說明影響夏季降水空間插值精度的因素不只是降水頻率，可能與有效雨日內(nèi)降水量多少有關(guān)．多數(shù)站點(diǎn)秋季降水頻率為10%～30%，RE為0～50%，降水頻率與降水量相對誤差呈顯著負(fù)相關(guān)(p=0.001)．

實(shí)線為檢測站點(diǎn)降水量相對誤差與降水頻率線性趨勢，虛線框?yàn)槎鄶?shù)站點(diǎn)降水量相對誤差及降水頻率．圖5 檢測站點(diǎn)年、 季降水量相對誤差與降水頻率相關(guān)性

2.4 宏觀地理因子對降水量空間插值精度影響

檢測站點(diǎn)降水量相對誤差與經(jīng)度、 緯度、 海拔相關(guān)性見圖6．

圖6 檢測站點(diǎn)降水量相對誤差與經(jīng)度、 緯度、 海拔相關(guān)性

受季風(fēng)環(huán)流和大興安嶺山地的共同影響，嶺東降水頻率及降水量大于嶺西，且差異有統(tǒng)計學(xué)意義，指示降水過程與宏觀地理因子有關(guān)．宏觀地理因子對降水量空間插值精度的影響存在年、 季差異，年、 季降水量插值精度與緯度相關(guān)性較弱(p>0.10)，與經(jīng)度和海拔相關(guān)性較強(qiáng)．經(jīng)度對年、 夏季、 秋季降水量空間插值精度影響類似，海拔亦然，說明年降水量多少主要取決于夏、 秋季降水量的貢獻(xiàn)，年、 夏季、 秋季降水量空間插值精度與濕氣團(tuán)來源、 方向及中部山地阻滯有關(guān)．年降水量空間插值相對誤差與經(jīng)度呈極顯著負(fù)相關(guān)(p<0.001)，與海拔呈極顯著正相關(guān)(p<0.001)，即越向東，年降水概率越大、 降水量越多，空間插值相對誤差越小、 精度越高； 海拔越高，年降水量空間插值相對誤差越大、 精度越低．與之相似，夏季降水量空間插值相對誤差與經(jīng)度呈顯著負(fù)相關(guān)(p=0.002)，與海拔呈顯著正相關(guān)(p=0.008)．秋季降水量空間插值相對誤差與經(jīng)度負(fù)相關(guān)性較弱(p=0.018)．冬、 春季降水量空間插值相對誤差大，主要是降水頻率低、 強(qiáng)度小所致．

3 結(jié)論與討論

(1) Co-kriging模擬結(jié)果顯示，年降水量空間分布及季節(jié)動態(tài)能夠明確指示水汽來源、 季風(fēng)方向以及季風(fēng)環(huán)流對該區(qū)域降水過程的影響，突出了降水空間分布受地形影響的顯著性，符合降水發(fā)生機(jī)理．等年降水量線延伸方向與大興安嶺走向基本一致，嶺東受夏季風(fēng)影響明顯，降水量偏多，嶺西所受影響較小，降水量較少．降水量多少季節(jié)差異懸殊，夏、 秋季多，冬、 春季少．與年降水量空間分布特征相似，夏、 秋季降水量呈自東向西遞減趨勢．

(2) 降水量空間插值不確定性隨時間分辨率的提高而增加，降水量插值精度年大于季．四季降水量空間插值精度則為夏、 秋季大于冬、 春季．年、 夏季降水量預(yù)測值與實(shí)測值之比近于1(p<0.001)，空間插值精度較高，次之為秋季，冬、 春季降水量小，隨機(jī)性強(qiáng)，相對誤差大、 空間插值精度低．說明該區(qū)域降水量空間插值精度與降水量多少有關(guān)，年、 夏季降水量空間模擬更可靠．冬、 春季降水量空間插值方法有待改進(jìn)．

(3) 一般認(rèn)為降水量大，降水頻次就多，本研究顯示降水頻率對年、 春、 秋、 冬季降水量空間插值精度影響較大，對夏季降水量插值精度影響較小，可能與夏季有效雨日內(nèi)雨量大小有關(guān)．宏觀地理因子對降水量插值精度的影響存在年、 季差異．年、 夏、 秋季降水量空間插值精度均隨經(jīng)度增加(向東)而提高，隨海拔升高而降低，說明夏季風(fēng)影響下，距水汽源地越近、 降水越多的地方降水量空間插值精度越高．海拔越高、 受坡向、 風(fēng)向、 濕氣團(tuán)水汽含量等因素影響越復(fù)雜，降水量空間插值精度不確定性越大．