福建省雨季人工增雨效果統計分析

汪智海,劉 群,李 丹

(1.閩南師范大學 數學與統計學院,福建 漳州 363000; 2.福建省氣象科學研究所,福州 350001)

0 引言

福建省位于我國東南部,年平均降雨量為1400～2000 mm,全年雨量充沛,水資源較為豐富,每年5—6月降雨最多[1]。人工增雨效果檢驗方法有很多,包括序列分析、區域對比分析及區域歷史回歸統計方法[2-3],但往往只是對預測雨量與實際雨量進行簡單的線性回歸對比[4],并未考慮區域特殊性及氣象因子的影響。事實上,增雨效果受多方面影響[5]。本研究分析了福建省降雨時空特征,采用SOM聚類方法劃分降雨區類別,依據氣壓、24 h變壓、溫度、24 h變溫、相對濕度、水汽壓等六維氣象因子構建多元線性回歸模型,模擬自然降雨量,評估人工增雨效果。

1 降雨時空特征分析

選用資料包括福建省地面降雨記錄資料,由福建省氣象局提供的2021年5—8月份福建省267個站點的降雨觀測值、站點屬性(經緯度)及氣壓、24 h變壓、溫度、24 h變溫、相對濕度、水汽壓等數據。對于數據中少量未檢測值采用最近鄰法進行補充。

福建省在2021年每個月份都開展了人工催化增雨作業,平均降雨量為1477.1 mm,通過分析2021年平均每月降雨情況發現,福建省降雨變化較大,最大降雨量為424.9 mm,最小降雨量為30.3 mm,全年降雨量在5—8月分布較多。福建省雨季降雨量約占全年降雨的60%以上,其中以北部地區降雨量最為豐沛,雨季降雨量由西南向東北呈遞增趨勢。

2 降雨區域劃分

2.1 副區數的確定

利用氣壓、24 h變壓、溫度、24 h變溫、相對濕度、水汽壓等六維氣象因子值為特征向量,應用SOM方法[6]對福建省各地區降雨特征進行區域劃分,根據聚類合理性條件確定劃定區域數量(如圖1所示)。以DB指標為最小,以DUNN指標、CH指標及邊界因子為最大標準,找出最優分類數。對DB指標而言,5類或6類為最佳,以12類及15類為最大。通過圖片可以看出,CH指標與輪廓指標隨著類數的增加而降低,故類數越小越好。但類數太小會導致劃分區域不精確,如果分為兩類,最終效果不好,由此可以看出,CH指標與輪廓指數應劃分為5類,這樣性能最優。當劃分的總類數量大于10時,CH指標與輪廓指數的值偏小,說明模型性能結果不好。對于DUNN指標而言,劃分為10類以上會更好,但綜合考慮將其分為5類時模型性能較好,故將福建省人工增雨作業區劃分成5個區。

圖1 福建省降雨分區最佳區域數的確定Fig.1 Determination of the optimum number of rainfall zones in Fujian Province

2.2 副區相關性分析

將福建省人工增雨作業區劃分成5個區,分區結果為：區域一包含寧德、福州;區域二包含莆田、泉州、廈門;區域三包含漳州、龍巖;區域四包含三明東部;區域五包含南平、三明西部。該分區結果與福建省地區降雨量分布有相似的地方,說明福建省地區降雨的空間分布與降雨量密切相關。降雨因為地形及降雨機制的差異性,在時間、空間上都有較大的差異。區域一、區域四在福建省東部、南部、中部,降雨偏少;區域五在北部地區,降雨較多,這與福建省地形特征及降雨分布特征相吻合;區域二、區域三為福建省降雨最少且經常發生旱災地區,也是人工增雨作業偏多地區;區域四降雨較區域二、區域三稍大,是福建省人工增雨作業目標區之一。

依托降雨區域進行聚類,針對其各個區域采用浮動對比區方法,分析劃分的降雨區域及各個副區間的相關性。對于單個副區而言,將其中的某個區域作為人工增雨效果的影響區S時,將這個副區中剩下的各個站點降雨量進行統計,與該副區相關度最高,將另一個未受人工增雨作業影響的副區區域站點降雨量作為自變量代入估算區域S內自然降雨量方程。假設總影響區在不同副區中的各區域分別用Si(i=1,…,n)表示,將各小影響區域的降雨效果逐個估算,再將其疊加,即可估計出真實情況下的人工增雨結果,在此基礎上選擇合適的自變量,找到每個副區之間的相關性。相關性如表1所示。

表1 5個區域降雨均值相關性分析Tab.1 Correlation analysis of rainfall mean in 5 regions

由表1可以看出,5個地區降雨均值之間的相關性達到了0.05的顯著水平,可見相鄰區域的相關系數很高,說明相鄰區域對相同的氣候條件更加敏感。福建省人工增雨經常會在區域二進行作業,故未將其作為對比區。區域一與區域三、區域四的相關系數僅次于區域二,由于區域四處于區域一西邊,受山地及丘陵阻擋,不易被催化作用所干擾,故選取區域四為對比區,與其他區進行比較研究。

3 福建省雨季人工增雨效果統計檢驗

基于多元線性回歸模型框架,將每日降雨分布的平均值與協變量進行相關分析,構建模型模擬每日降雨的預測值。利用降雨量與氣壓、24 h變壓、溫度、24 h變溫、相對濕度、水氣壓關系,建立多元線性回歸模型為：

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+εi

(1)

其中,y表示模擬出的每日降雨量,x1表示氣壓,x2表示24 h變壓,x3表示溫度,x4表示24 h變溫,x5表示相對濕度,x6表示水汽壓,β0表示回歸常數,β1,…,β6表示各個協變量的回歸系數,εi表示殘差。

根據多元線性回歸模型來檢驗評估5個區域的人工增雨效果,發現總體效果較好[7]。對主要增雨目標區各個站點的降雨進行模擬,取10次模擬的平均值與實測的降雨量值進行對比,如圖2所示。5個區域通過多元線性回歸模型模擬出來的降雨量與實際的降雨量的均方誤差分別為6.83 mm、5.76 mm、9.62 mm、8.25 mm、9.1 mm,可以看出模型模擬得到比較良好的結果。從圖2中發現,對于相同的區域來說,每個站點統計出來的降雨量之間有著一致性的表現,依據多元線性回歸模型較好地模擬出了空間之間的一致性。對于時間層面而言,多元線性回歸模型對降雨量的零值及峰值的預測比較精確,體現在該模型對低降雨量條件的模擬結果更好,可提高人工增雨效果檢驗的準確性。

圖2 雨季增雨各區域日降雨觀測值與模擬值比較Fig.2 Comparison of observed and simulated daily rainfall in each region of rainy season

4 結論

對福建省雨季人工增雨作業效果分析發現,每個站點得到的增雨平均值估計為5～25 mm。人工增雨效果與周邊地區的自然降雨量有關,如果該地區沒有降雨或降雨很少,則人工增雨效果很差,甚至會產生負面效應。但在站點及周邊站點有一定降雨的情況下,人工增雨作用更為顯著。區域二與區域四在6月份人工增雨作業日有比較明顯的絕對增雨量;區域一與區域五在整個人工增雨作業中一直保持著較高的絕對增雨量;區域三在6—7月的人工增雨作業日有較高的絕對增雨量。根據降雨時空分布特征來看,6月和7月福建處于降雨頻繁期,可能是因為在已有降雨或接近降雨的條件下才會有較好的效果。

按照自然降雨形成的規律,在特定環境下可采用對云層進行播撒催化劑這類措施,為人工降雨創造良好的條件,促使云中的云滴快速凝聚變成雨滴。通常情況下,只有自然云已降雨或滿足一部分降雨形成條件時,人工增雨作業才會有較好的效果。