基于TRMM 數據的江西省降水時空分布特征分析

張雨霏 賈 洋 陽海鷗 駱宗萬 曹良中

（1九江學院旅游與地理學院，江西九江 332005；2四川省公路規劃勘察設計研究院有限公司，四川成都 610041）

降水不僅是全球水能循環的重要組成部分，也是描述全球氣候變化趨勢的主要依據之一[1]。準確估算流域內降水的分布直接影響著水資源評價與規劃、生態環境治理、旱澇防治等國計民生[2]。目前，獲取降水數據的方法大致分為3種，即氣象站觀測、氣象雷達觀測和降水衛星遙感反演[3]。氣象站點觀測所獲得的降水精度很高，但是由于站點的空間分布不均以及數量比較匱乏，無法獲得充分的降水資料[4-5]。近年來，隨著計算機技術的廣泛應用和衛星遙感技術的快速發展，遙感數據反演、氣候模式模擬等降水數據獲取方式應運而生[6]。遙感數據反演具有時間序列長、空間分辨率高、覆蓋面積廣的優點[7]。熱帶降雨衛星（Tropical Rainfall Measuring Mission，TRMM）是目前運用最為普遍的觀測衛星。國內外已有不少學者對TRMM 3B43 的降水數據產品在許多地區進行了適用性分析。劉小嬋等[8]通過TRMM降水數據，分析了東北區域降水的時空分布特征，發現5—10 月TRMM 數據的降水誤差相對較小，大部分地區誤差在0～30%之間。李凈等[9]以天山中段為研究區域，建立了TRMM 降水數據與NDVI、DEM和坡向等的回歸分析模型，結果表明該方法合理可行，可用于山區降水數據的降尺度處理。周李磊等[10]對1998—2014 年TRMM 數據進行時空特征分析得出結論，在中國西南地區的TRMM 月降水數據和年降水數據都與地面實測站點數據之間存在很強的適用性，而且這些數據在一些地貌比較復雜的地區同樣適用。呂洋等[11]以雅魯藏布江流域為研究區對TRMM 數據進行了精度驗證與分析，得出TRMM 月降水數據與站點實測降水量具有較高的相關性和較高的數據精度，并且發現在數值上TRMM 衛星降水數據略低于實測站點觀測的降水量。

作為一個農業大省，江西農產品受降雨量的影響重大，分析江西省降水時空分布規律對穩定農產品的產量和質量、發展農產品類型具有重要意義。何靜曉等[12]通過分析降水變率得到在江西省地區降水的季節時空分布特征；唐傳師等[13]分析了江西省范圍內短歷時強降水的時空分布特征，使用的是經驗正交函數和Morlet 小波變換等方法，討論了研究區內的短歷時強降水與暴雨的相應關系[13]。但這些結果主要是基于地面實測站點的研究，在一些地形復雜的山區，地表情況復雜且觀測站數量較少又分布不均勻，在這些地方無法通過簡單內插與外推獲得精確的降水數據[14]。衛星降水數據的空間連續分布可以彌補站點數據的短板[15]，所以正在被越來越廣泛地運用在異常降水的預測中。本文利用1998—2019 年的TRMM 3B43 V7 衛星遙感降水數據對江西省降水的時空分布特征進行了研究，為江西的水資源利用、自然災害預測與農業發展等生態問題提供了科學依據。

1 數據與方法

1.1 研究區概況

本文研究區為江西省，江西位于113°34'36″～118°28'58″E、24°29'14″～30°04'41″N，地處中國華東地區，東面與浙江省和福建省相鄰，南面是廣東，西邊與湖南接壤，北邊挨著湖北與安徽[16]。江西省主要地形是山地和丘陵，盆地和谷地的分布也較為廣泛，小部分為平原。東、西、南三面環山，北部是中國最大的淡水湖——鄱陽湖，中間部分地形為丘陵，總體地勢為南面更高北面更低，四周高中間低（圖1）[17]。江西省位于長江中下游南岸，屬亞熱帶季風氣候區，受當地自然地理條件與水文資源的雙重影響，氣象災害頻繁發生且分布區域廣泛[18]。地形復雜又經常發生極端天氣，所以深入了解該區域水資源的時空分布特征規律，對水資源的利用和規劃以及土地利用有著重要作用。

圖1 研究區位置和氣象站點分布

1.2 數據來源

本研究所使用的數據主要是TRMM 3B43 V7的月降水數據和相應時空范圍內地面站點的實測降水數據。TRMM數據來自美國NASA官網（https：//disc.gsfc.nasa.Gov/），這是美國航天局和日本宇宙航空研究開發機構的一個國際項目，旨在改進對熱帶地區降水量的估計。下載數據的空間分辨率為0.25°×0.25°，時間分辨率為30 d，時間段為1998—2019年，數據范圍在全球50°S～50°N。原始數據為netcdf 格式，經月數據合成、格式轉換、投影和裁剪獲得1998—2019年每月降水數據。

地面站點降水數據來自中國地面氣候資料日值數據集V3.0（http：//data.cma.cn/），研究區研究時段內站點共有26個，其空間分布如圖1所示。

1.3 研究方法

1.3.1 降水速率與降水量之間轉換。TRMM原始數據的單位是降水速率（mm/h），將其轉換成月降水數據按照下列公式[19]。

其中，Tm是月降水量（單位是mm），Tp為原始數據中的降水速率（單位是mm/h），d為該月對應的天數。將各個不同月份的月降水量加起來可得出相應的季度、年降水量。

1.3.2 數據驗證指標。本文采用相關系數R、相對偏差BIAS、均方根誤差RMSE 等對降水指標進行評價[10]。相關系數R用于研究數據之間的線性相關程度，對統計學中進行變量的線性回歸分析，當采用最小二乘法進行參數估計時，R2是回歸平方和與總離差平方和之比，表示可以用回歸平方和解釋的總離差的平方和之比，比值越大，模型結果越準確，回歸效應越顯著。所以當R越接近1 說明TRMM 與站點數據相關程度越高，RMSE 用來評估誤差的整體水平[20]，RMSE 越小說明TRMM數據越精確，相對偏差BIAS表示數據之間的差距，BIAS越接近0說明誤差越小。其計算公式如下：

公式中，xi與yi分別代表站點實測降水數據和TRMM降水數據（單位：mm），x代表站點降水數據的平均值，y代表TRMM降水數據平均值，i表示為對應的氣象站，n為氣象站點的個數。

1.3.3 地統計分析。在ArcGIS 中將預處理過的TRMM數據和江西省各地級市的矢量圖像進行分區統計，分別求出每個月每個地區的平均降水量。分別將相同月份、相同季節、相同年份的數據求平均，得到月、季、年平均降水量。將各地級市和江西省年降水量做一元線性擬合，得到各地級市年降水量趨勢線，并得到趨勢線斜率k。

2 結果與分析

2.1 TRMM數據精度驗證

利用江西省26 個氣象站點提供的實測降水數據對TRMM降水數據進行精度驗證。將各氣象站點所測得的實測數據作為自變量，TRMM 數據作為因變量進行一元線性擬合（如圖2 所示），并計算每個站點所對應的相關系數R、均方根誤差RMSE和相對誤差BIAS（如表1所示）。

表1 各個站點月降水數據的相關精度驗證數據

圖2 實測站點降水數據與1998—2019 年TRMM 數據散點

由圖2可知在月尺度上，TRMM數據與站點數據擬合優度R2為0.859，R2介于0～1之間，并且當它取值越接近1時，回歸擬合的效果越好，一般大于0.8時就說明模型擬合優度相對較高。說明TRMM數據與站點數據之間的相關性足夠用于統計和分析。

通過表1 可知，R大部分大于0.9，全部在0.8 以上，表明TRMM 數據在江西省范圍內的相關性良好，其中青云譜和廣昌都達到了0.97 以上，可能是因為青云譜和廣昌地形都比較平坦，海拔也較低，所以TRMM 降水數據在這些地方的適配度比較高。遂川、井岡山以及廬山的R相關系數都處于0.8～0.9，相較于其他地方而言較低，可能是由于它們都處于江西省的邊緣地形較為復雜的地方，且海拔較高，所以在這些地方TRMM 降水數據的精度與適配度都不如江西省中部較為平坦的地區；總體RMSE的范圍在13.325～34.745，證明TRMM 數據在江西省區域范圍內的穩定性良好，其中青云譜是13.325，說明像青云譜這種比較平坦的江西省中部地區，不僅實際降水與TRMM 遙感衛星監測的降水的相關性良好，且穩定性高。同樣的井岡山與廬山這些山地，可能是海拔較高和地形不夠平坦，導致穩定性與相關性都不如其他地區；全部站點的BIAS 都在20%以內，表明TRMM 數據的與站點數據的偏離程度較小。總的來說，TRMM 降水數據和氣象站點觀測數據具有較好的相關性和一致性，并且在較為平坦的中部適用性更高。

2.2 時空分布特征

2.2.1 空間分布特征。從總體上看，江西年降水大部分在1 600～2 100 mm，相比于正常亞熱帶季風氣候地區的降水更多一些，總體降水分布呈現東西兩側山區降水多，中部的平坦地區降水少。由圖3 可知，江西東北部地區婺源、德興、鉛山、鷹潭、資溪、黎川一帶的降雨量多年平均降雨量達到2 000 mm以上，主要是因為迎風坡降水多于背風坡，在每年1—7月份懷玉山脈、武夷山脈受到西風氣流帶來水汽的影響[21]，所以在迎風坡的這些地方降水會比其他地方相對較多。贛州市西部與吉安市南部出現少雨中心，年降雨量都在1 600 mm 左右，主要是由于春季羅霄山山脈阻擋了來自西部的大陸冷高壓使得雨水在春季和冬季會更少。

圖3 基于TRMM的江西多年（1998—2019年）平均降水空間分布

2.2.2 年降水分布特征。將TRMM月降水數據按照各地級市進行分區統計，并將相同年份的月數據進行累加，得到江西省各地級市1998—2019年各年降水數據。在整體上，江西省1998—2019年的降水量趨勢線的斜率k>0（k=5.95）（表2），說明江西省降水呈現上升趨勢，這一變化趨勢與徐東坡等[22]的預測相似，其原因可能是隨著全球變暖的加劇，中國東部變得更加濕潤。

具體到各縣市，各地級市年際降水量變化趨勢大致相同，2009—2012年降水波動非常明顯（圖4）。2010 年與2012 年年平均降水量均超過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年降水量將近是2011年降水量的2 倍，年際降水波動大代表容易發生洪澇災害與干旱災害。將江西各個地級市每年的降水量做一元線性擬合，并將得到的趨勢線的斜率填入對應的k值（表2）。從表中可知大部分地級市降水趨勢線的斜率都大于零，說明江西省降水整體呈現增加的趨勢，其中贛州增加的趨勢最大，達到了11.364。雖然降水量的增多可以緩解水資源短缺帶來的問題，但是過多的降水也容易導致洪澇災害的發生和加重洪澇災害發生的程度。

圖4 1998年—2019年江西省各地級市年際降水變化量及江西省年降水量變化趨勢線

2.2.3 季降水分布特征。由圖5 可以看出，江西省內各個地級市，基本上大部分的降水都集中在春夏兩季，秋冬兩季降水大約只占全年的1/4。春夏兩季的降水基本上都在600 mm以上，而秋冬兩季降水基本都小于300 mm，符合江西省的亞熱帶季風性氣候，夏季高溫且多雨，冬季溫和且少雨。在春季，受到大陸冷高壓和南支槽的共同影響，大多是溫度較低的陰雨天和強對流天氣，所以春季降雨量可以與夏季降雨量持平[23]。在“江南雨季”結束后，進入了盛夏季節，受西太平洋副熱帶高壓的影響，降雨以局地雷雨或臺風影響下帶來的連續降雨為主，可持續至9月[24]。雨季結束后，西太平洋副高北移，江西省地處太平洋副高脊區中，所以多晴朗天氣，且濕度較小[25]。在冬季，由于亞熱帶大陸季風，又有西伯利亞和蒙古高原南下的冷空氣，使得氣候干冷且局部地區有雨雪冰霜天氣[26]。

圖5 1998年—2019年江西省各地級市季降水變化量

2.2.4 月降水特征分布。由圖6可以看出在江西省內降水時間分布非常不均衡，全年1/2以上的降水都集中在每年4—7 月，這段時間稱為江西的雨季[27]。6 月份為全年降雨量最多的月份，其中鷹潭市是所有地級市中該月降雨量最多的市，月降水量達到了368.29 mm，與之前所提到的懷玉山、武夷山山脈一帶夏季因受西風帶來的大量水汽降雨量增加的結果一致。且12月與1月份降水最少也與前面冬季降水少的結論相對應。

圖6 1998年—2019年江西省各地級市月降水變化量

3 結論

本文利用1998—2019年TRMM 3B43 V7衛星降水月數據，通過地統計分析，得到以下結論：

（1）TRMM 3B43 V7 衛星降水產品在江西省適用性較高，TRMM 衛星降水數據與26個地面實測站點的年相關系數為0.876，月相關系數為0.946，與各個站點的相關系數和相對誤差上也處于較高精度范圍內，能夠彌補站點空間上分布不均和密度不足等問題。

（2）江西省降水在空間上分布不均，兩側山區降水多中部品談地區降水少，迎風坡降水高于背風坡，如鷹潭、上饒年平均降水比南昌、九江年平均降水高出280 mm 左右，大部分地區年降水量都為1 600～2 100 mm，表明江西省水資源比較豐富，但同時也容易受到洪澇災害。

（3）從時間尺度上分析，年際降水量變化波動較大，2012年年平均降水量接近2011年年平均降水量的2倍，且研究時段年降水量呈現上升趨勢，總體的趨勢線斜率為5.95。

（4）江西降水時間分布不均，春夏季降水多，秋冬兩季降水較少，全年50%以上的降水都集中在4—7 月，這使得農業發展容易受到自然災害的破壞，如洪澇災害與干旱災害的影響。