基于機器學習渭南市降水與大氣環流相關性研究

摘 要：根據國家氣象信息中心地面觀測日降水數據和美國大氣海洋（NOAA）氣候預測中心大氣環流指數（1971—2020年），采用機器學習中的XG Boost算法，分析與討論渭南市降水量與多個大氣環流指數的遙相關關系。采用交叉小波變換（XWT）和小波相干變換（WTC）方法共同分析討論渭南市降水量與大氣環流指數的遙相關震蕩周期問題，兩者在時域中的相位關系和共同特征。未來，可通過大氣環流指數監測，在換季前預測渭南市季節性降水異常，更好地完成氣象保障業務。

關鍵詞：機器學習；大氣環流；氣象保障

中圖分類號：P434 文獻標志碼：B 文章編號：2095–3305（2024）12–0-03

暴雨災害是影響陜西省的主要氣象災害之一，可造成山洪暴發、河水暴漲，引發山體滑坡、泥石流、農作物受損等。對其成因進行分析有助于陜西省防災減災工作和農業生產的順利開展。眾多氣象工作者從影響系統、水汽、動力、熱力場等角度對降水過程進行深入剖析[1-2]。而關于大氣環流與降水的研究相對較少，吳陽軍[3]指出旱澇發生與大氣環流異常關系密切，大氣環流異常特征對夏季降水預報具有重要的指示意義，在實際氣候預測中也有重要作用。關于大氣環流對區域氣候的影響主要聚焦于兩者之間的線性關系上，較少涉及非線性關系。降水量對大尺度氣候振蕩的響應遠比線性相關要復雜，共振行為發生在不同的時間尺度，且往往具有非線性特征。因此，對降水與大氣環流指數相關性進行研究十分必要。

1 數據來源與研究方法

采用渭南站點1971—2020年地面日降水數據，按照時間序列足夠長和降水資料相對完整選取地面站點資料。選取美國大氣海洋（NOAA）氣候預測中心1971—2020年對渭南地區降水有影響的8個大氣環流指數：北極濤動（AO），南方濤動（SOI），北大西洋濤動（NAO），太平洋年代際震蕩（PDO），以及厄爾尼諾1+2區、厄爾尼諾-3區、厄爾尼諾-4區和厄爾尼諾-3.4區的平均海面溫度（分別用NINO 1+2、NINO 3、NINO 4、

NINO 3.4代替以上4個厄爾尼諾指數）。

將1971—2020年渭南市月降水數據作為樣本，共計選取樣本數為600個，運用XG Boost模型計算不同大氣環流因子對渭南市降水的貢獻率，運行模型前，需設置：n_estimators值和max_features值2個參數，分別代表建立模型的決策樹數量和節點中二叉樹中使用變量的數量，合理設置參數值可以降低模型結果的錯誤率。在該分類中，n_estimators的值為500（n_estimators設置為默認值，不能太大或太?。?，max_features的值為默認值（默認為預測數的平方根）。運行XG Boost模型，得到不同大氣環流因子對渭南市降水發生的貢獻率。

（1）8個基本大氣環流影響因子貢獻率總和為1，其中，貢獻率超過0.14的評價指標有3個，分別為AO（0.159）、NINO 1+2的平均海面溫度（0.147）和NINO 3.4平均海面溫度（0.141）。AO貢獻率最高，證明渭南市降水與AO關聯最緊密。

（2）有3項指標的貢獻率在0.10～0.14，包括NINO 3的平均海面溫度（0.131）和NINO 4的平均海面溫度（0.136）和PDO（0.110）。

（3）NAO（0.099）和SOI（0.076）這2個指標貢獻率不足0.10，僅說明大氣環流指數這些指標因素對渭南市降水產生的影響不大，與降水發生的關聯性不強。

2 渭南地區降水與若干大氣環流指數的遙相互關系

探究渭南市年降水量與大氣環流指數之間的關聯，主要從顯著時段、共振周期和相位關系等方面進行遙相關性問題研究，交叉小波變換和小波相干變換作為研究方法討論。在圖1和圖2中，細弧線為小波影響椎，錐形區域內為有效譜值，小波影響錐外易產生邊界效應，導致高頻虛假信息產生。為避免上述現象，排除其他區域，只討論有效譜值范圍。將錐形區域內進行紅噪音標準譜檢驗（顯著性水平α=0.05以下）區域內通過該檢驗的部分用粗實線圈出，兩組序列間的位相關系用箭頭表示。當降水量和影響因子同位相時箭頭向右，代表兩者為正相關；箭頭向左，則代表兩者為負相關。當影響因子變化超前降水量，箭頭向下（90°對應3個月時間），若影響因子落后年降水量變化，則箭頭向上。

2.1 交叉小波變換研究結果

由圖1a可知，渭南市降水與AO在1970—2020年

存在4個震蕩周期（通過紅標檢驗），分別在1980—1986存在4～6年震蕩周期，該周期箭頭向右，平均相位角接近30°，表示該時段降水與AO同位相，呈正相關，AO超前降水1個月變化；1985—1992年存在2～4年震蕩周期，該周期箭頭向左，平均相位角接近水平，表示該時段降水與AO反位相，呈負相關，AO落后降水變化；1993—1997年存在0～2年震蕩周期，箭頭向上，AO落后降水變化；2002—2008年存在4年的震蕩周期，箭頭向右，平均相位角接近30°，表示該時段降水與AO同位相，呈正相關，AO超前降水1個月變化。

由圖1b可知，高能量區，渭南市降水與NAO在1975—2005年存在2個震蕩周期（通過紅標檢驗），1975—1977年和2000—2005年分別有1年和4年的周期。1975—1977年降水量與NAO箭頭方向向上，NAO落后降水變化；2000—2005年降水量值與NAO箭頭向右，顯示正相位關系。

由圖1c、圖d、圖e可知，渭南市降水與NINO 1+2、

NINO 3、NINO 3.4存在2個相似的共振周期，其中，包括1983—2005年為3～5年的相似共振周期，平均箭頭向下，影響因子超前降水變化；1995—2003年存在周期為0～3年，箭頭向右同位相正相關的共振周期；NINO 1+2、NINO 3、NINO 3.4的平均海面溫度對渭南市降水的影響存在一致性。

由圖1f可看出，渭南市降水與（NINO 4）在1982—1994年存在3～6年震蕩周期，降水變化位相比NINO 4

提前，1998—2005也存在3～5年震蕩周期，該周期箭頭向左，平均相位角接近60°，表示該時段降水與NINO 4

負位相，呈負相關，NINO 4超前降水2個月變化；1996—1998存在2年震蕩周期（3個周期均通過紅標檢驗）。

由圖1g看出，渭南市降水與PDO在1975—2001年存在3～6年的顯著共振周期（通過紅標檢驗）；渭南市降水與SOI交叉小波功率譜高能量區在1984—1994年存在3～6年共振周期（通過紅標檢驗），3～6年的周期平均相位角接近90°，降水變化位相比落后SOI 3個月；1997—2004年存在3～5年共振周期，平均相位角接近60°，呈正相關，SOI超前降水2個月變化。

2.2 交叉小波變換研究結果

小波相干譜可以對波動不強烈時段兩者的關系進行研究，選用相干小波變化進行波動不強烈條件下2個指數的遙相關特征分析（圖2）。

圖2a中，渭南市年降水與AO的小波相干功率譜在低能量區分別在1983—1990年、2011—2020年和2008—2018年存在3年、1～4年和6～7年的顯著共振周期，其中，1983—1990年的震蕩周期通過紅標檢驗，箭頭向右為同位相正相關。圖2b中，渭南市年降水與NAO在1985—1988年存在3年的震蕩周期，降水變化位相比NAO落后；1995—1998年也存在0～2年震蕩周期，箭頭向上，NAO落后降水變化；1999—2010年存在3～5年震蕩周期，平均相位角接近60°，呈正相關關系NAO超前降水2個月變化（3個周期均通過紅標檢驗）。

圖2c中，渭南市年降水與NINO 1+2在1984—1991

年存在1～3年，箭頭向下，NINO 1+2超前降水變化；1995—1999年也存在0～2年震蕩周期，箭頭向左為負相關；1997—2020年存在5年震蕩周期，平均相位角接近60°，呈正相關關系NINO 1+2超前降水2個月變化。圖2d、圖2e、圖2f中，渭南市降水與NINO 3.4、NINO 3、NINO 4的平均海面溫度在低能量區僅在1981—2003年存在2～6年的共振周期，箭頭向下，NINO 3.4、NINO 3、NINO 4落后降水變化。

在圖2g中，渭南市年降水與PDO在1985—1996年存在4～6年的顯著共振周期，并通過紅標檢驗。箭頭向下，平均相位角接近60°，PDO提前降水變化2個月。圖2h中，SOI在1980—1995年存在2～6年的顯著共振周期，箭頭向上，SOI落后降水變化。

3 結論

通過交叉小波變換圖及小波相干變換圖可知，AO、

NAO、NINO 1+2、NINO 3、NINO 3.4、NINO 4、PDO及SOI在部分年份，對研究區域降水情況沒有明顯相關性。以此可推斷，渭南市降水受多種因素影響，大氣環流異常只是其中一項影響要素，暴雨災害的發生同樣受到其他因素影響，如特殊或高大地形，青藏高原和秦嶺山脈在動力方面對大氣有分流阻擋作用，在熱力方面對降水形成有顯著影響，外部的強迫因素僅是影響暴雨災害事件發生的可能因子之一，同時，將氣候系統本身內部因子變化帶來的影響納入考慮。

篩選過去50年間與渭南市降水存在相位關系的大氣環流指數，發現多種大氣環流指數對渭南市降水有預示作用。在高能量區，AO和NINO 3指數超前降水量1個月變化，NINO 1+2、NINO 3.4、NINO 4、SOI指數超前降水量2個月變化。在低能量區，AO、NAO、NINO 1+2指數超前降水量2個月變化。綜合分析，能提前預示渭南市季節性降水變化的大氣環流指數主要是AO、厄爾尼諾各區海溫、SOI等。

將隨機森林算出的貢獻率和與大氣環流關系進行綜合分析，可通過監測大氣環流指數，提前預測渭南市季節性降水異常，換季時將關注重點放在前一個月的AO指數和NINO 3指數；夏季強對流天氣頻發，換季時，可參考5月AO指數和NINO 3指數，若兩個指數存在明顯增加，代表夏季渭南市降水量增加，可提前增加降水飛行科目；若兩個指數存在明顯減少，代表夏季渭南市降水量減少，合理安排試飛任務。也可以同時橫向對比4月的NINO 3.4、NINO 4、NINO 1+2指數情況，由于NAO指數和SOI指數的貢獻率只有0.099和0.076，對渭南市降水的影響較小，暫時不考慮兩者與渭南市降水的遙相關關系。

參考文獻

[1] 安冉，肖天貴，鄢曉茜，等.近50年云南省降水區域特征分析[J].成都信息工程大學學報，2024，39（5）：581-588.

[2] 高菊霞，李文耀，武麥鳳，等.陜西三次強致災性初夏區域性暴雨動力診斷對比分析[J].災害學，2024，39（2）：99-105.

[3] 吳陽軍，過娜.陜西夏季旱澇與歐亞大氣環流異常的關系[J].亞熱帶資源與環境學報，2024，19（2）：70-77.

收稿日期：2024-09-11

作者簡介：鄢曉茜（1996—），女，遼寧錦州人，助理工程師，研究方向為暴雨災害和航空氣象。#通信作者：安冉（1999—），女，山東曹縣人，研究方向為高影響天氣，E-mail：398794889@qq.com。