俞琳飛, 李會龍, 楊永輝,2, 史尚忠

基于CMORPH CRT產(chǎn)品的太行山區(qū)降水時空格局*

俞琳飛1,2,3, 李會龍1, 楊永輝1,2**, 史尚忠4

(1. 中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心/中國科學(xué)院農(nóng)業(yè)水資源重點實驗室/河北省節(jié)水農(nóng)業(yè)重點實驗室 石家莊 050022; 2. 中國科學(xué)院大學(xué)中丹學(xué)院 北京 101400; 3. 中國-丹麥科教中心 北京 101400; 4. 太原生態(tài)工程學(xué)校 太原 030025)

為有效利用太行山區(qū)降水資源, 實現(xiàn)科學(xué)的水資源管理和生態(tài)建設(shè), 本研究利用1998—2017年CMORPH CRT衛(wèi)星降水產(chǎn)品數(shù)據(jù)探究山區(qū)降水的時空格局和變化趨勢, 并通過18個地面雨量站的數(shù)據(jù)驗證山區(qū)多年來降水趨勢變化。結(jié)果表明: 在年尺度上, 1998—2017年太行山區(qū)年均降水量和各季節(jié)降水量無明顯變化趨勢, 太行山區(qū)南坡和東坡降水量高于北坡和西坡; 在月尺度上, 7月是全年降水的主要貢獻(xiàn)時段, 占全年總降水量的7.2%~32.4%, 其次是8月和6月。太行山區(qū)南部和西北部降水呈現(xiàn)下降趨勢, 年均降水量減少2~6 mm; 山區(qū)西部和北部降水呈現(xiàn)增長趨勢, 年均增加量大于8 mm; 7月是山區(qū)降水趨勢差異最大的月份, 趨勢變化范圍在-8.6~8 mm?a-1。根據(jù)地面實測數(shù)據(jù)驗證降水變化趨勢, 在年尺度上, 兩者數(shù)據(jù)計算得到的降水趨勢呈現(xiàn)極顯著相關(guān)(<0.01); 在季節(jié)尺度上, 冬季(干季)和夏季(濕季)降水趨勢變化與地面實測數(shù)據(jù)的降水趨勢具有極顯著相關(guān)性(=0.902,<0.001;=0.550,=0.018), 但在春季和秋季相關(guān)性不顯著。根據(jù)1998—2017年降水趨勢的空間分布柵格圖, 提取每一柵格的像元值, 再將提取所得的降水趨勢(PT)劃分為6個區(qū)間(PT≤-5 mm?a-1、-5 mm?a-115 mm?a-1), 在不同的趨勢區(qū)間探索20年來的降水趨勢變化特征, 研究發(fā)現(xiàn)在降水趨勢>5 mm?a-1的區(qū)間, 降水量從1998年到2017年呈現(xiàn)顯著增加的趨勢。基于高分辨率衛(wèi)星數(shù)據(jù)闡明太行山區(qū)降水時空格局和變化趨勢, 能夠為該區(qū)域水資源合理利用和生態(tài)恢復(fù)提供建議和支持。

CMORPH CRT產(chǎn)品; 太行山區(qū); 降水時空格局; 降水趨勢

山區(qū)是河川徑流的主產(chǎn)區(qū), 占據(jù)全國河川徑流量的90%以上, 與此同時, 全球濕潤地區(qū)50%以上、干旱半干旱地區(qū)90%以上的淡水資源來源于山區(qū)[1]。山區(qū)地形復(fù)雜, 生態(tài)環(huán)境脆弱, 因此深入研究山區(qū)水循環(huán)的特征對于水資源管理和有效利用、水土保持和生態(tài)管理具有重要意義[2-4]。降水是水文循環(huán)過程中的關(guān)鍵環(huán)節(jié), 準(zhǔn)確的降水信息對于水循環(huán)的精準(zhǔn)解析和涉水事物的科學(xué)決策至關(guān)重要[2,5]。山地水循環(huán)過程由于受到山地屏障、山脈走向、大氣環(huán)流和植被蓋度差異等多因素的影響, 具有明顯的垂直地帶性特征[6-8]。由于高海拔地區(qū)地面氣象站點少, 僅僅依靠插值無法準(zhǔn)確獲得降水空間分布格局, 且準(zhǔn)確性較差。

遙感技術(shù)具有數(shù)據(jù)獲取迅速、成本低、監(jiān)測范圍廣、連續(xù)性強和面上一致性高等優(yōu)點[9-10], 而衛(wèi)星觀測技術(shù)的不斷發(fā)展使得資料稀缺的高原、荒漠和海洋等地區(qū)的降水?dāng)?shù)據(jù)獲取變?yōu)榭赡? 為水文分析計算和應(yīng)用提供了有力的數(shù)據(jù)支持[11-13]。目前, 在全球范圍內(nèi)有多種衛(wèi)星降水產(chǎn)品, 但對不同地區(qū)進(jìn)行產(chǎn)品適用性評價后發(fā)現(xiàn), 衛(wèi)星降水產(chǎn)品在各個地區(qū)的表現(xiàn)各有不一, 因此在利用衛(wèi)星遙感數(shù)據(jù)之前, 需要對產(chǎn)品進(jìn)行精度驗證。CMORPH系列衛(wèi)星降水產(chǎn)品由美國大氣海洋管理局(National Oceanic and Atmospheric Administration, NOAA)氣候預(yù)測中心(Climate Prediction Center, CPC)發(fā)布, 國內(nèi)外有許多關(guān)于該產(chǎn)品的精度評價和水文應(yīng)用的報道[14-16]。例如, Bitew和Gebremichael[12]研究發(fā)現(xiàn)CMORPH產(chǎn)品在山區(qū)徑流流量的水文模擬中具有良好的表現(xiàn); Dinku等[17]在東非復(fù)雜地形條件下對多種衛(wèi)星降水產(chǎn)品進(jìn)行評價發(fā)現(xiàn), CMORPH產(chǎn)品與地面實測降水觀測值有高度的相關(guān)性。與此同時, CPC利用地面實測站點數(shù)據(jù)校正形成的CMORPH CRT產(chǎn)品, 使得產(chǎn)品精度得到了進(jìn)一步提升; Guo等[18]在中國區(qū)對該產(chǎn)品驗證發(fā)現(xiàn), 校正之后的產(chǎn)品與地面實測數(shù)據(jù)的相關(guān)性更高且均方根誤差更低, 能夠較為準(zhǔn)確地反映實際降水特征。俞琳飛等[19]基于地面高密度的雨量站點對比評估了中國區(qū)CMORPH融合產(chǎn)品和CMORPH CRT在太行山區(qū)的適用性, 發(fā)現(xiàn)CMORPH CRT產(chǎn)品在各時間尺度上的均方根誤差和相對偏差更小, 能夠反映太行山區(qū)實際降水的空間分布格局。CMORPH CRT產(chǎn)品是長時間連續(xù)觀測的高精度降水?dāng)?shù)據(jù), 為山區(qū)降水長序列時空變化分析提供了有利的支撐。因此, 基于具有較高適用性的遙感降水?dāng)?shù)據(jù)來探究地形復(fù)雜區(qū)的降水時空格局, 能夠彌補高海拔地區(qū)資料匱乏的弊端和插值方法帶來的誤差, 更為有效地反映缺測地區(qū)的降水情況。

太行山區(qū)位于我國第二級臺階東緣, 是京津冀地區(qū)重要的水源地和華北平原地下水的重要補給運移區(qū)[4,7,20]。受氣候和地形的影響, 太行山區(qū)東部低海拔區(qū)域和西北部高海拔地區(qū)的降水差異大, 且隨著地形的變化形成了明顯的降水梯度[20-21]。山區(qū)內(nèi)流域多水系復(fù)雜, 形成了多級樹枝狀的地貌特征, 且植被類型豐富[2]。但近年來, 由于自然災(zāi)害事件如極端降水等的頻發(fā), 太行山區(qū)生態(tài)脆弱性日漸顯露, 水土流失情況逐年加劇[4]。全國水土保持規(guī)劃綱要(2015—2030年)把太行山列為國家級水土流失重點治理區(qū)。因此, 本研究基于NOAA/CPC研制的高時空分辨(0.5 h/8 km)的衛(wèi)星降水產(chǎn)品(CMORPH CRT)1998—2017年的長時間序列數(shù)據(jù), 分析20年來太行山區(qū)降水的時空分布特征及其變化趨勢, 為山區(qū)自然災(zāi)害預(yù)警、水土流失預(yù)防、生態(tài)修復(fù)及水資源管理和調(diào)控提供理論依據(jù)。

1 資料和方法

1.1 研究區(qū)概況

太行山區(qū)是我國北方重要的山脈帶之一, 介于34°34￠~40°43￠N、110°14￠~114°33￠E, 是華北平原和黃土高原的重要自然地理分界線, 整體呈東北—西南走向, 綿延400 km, 系中國地形第二階梯東緣, 第二階梯向第三階梯過渡區(qū)[1-2,20-22]。研究區(qū)總面積約12.78萬km2, 海拔區(qū)間為-95~3 091 m, 縱跨北京、河北、山西和河南4省(市), 地形如圖1a[20-22]。橫貫海河、黃河兩個一級流域, 處于中國半濕潤和半干旱區(qū)過渡帶, 屬于典型的暖溫帶大陸性季風(fēng)氣候, 夏季受暖濕的東南風(fēng)影響而高溫多雨, 冬季受干冷的西北風(fēng)影響而寒冷少雨, 年均降水量為400~600 mm[2]。區(qū)內(nèi)植被類型復(fù)雜多樣, 包括常綠針葉闊葉林、針葉混交林、落葉闊葉林和人工林等植被類型。主要水系包括黃河流域的黃河干流和沁河等支流以及屬海河流域的永定河、大清河、子牙河等河流。

1.2 地面參考數(shù)據(jù)和季節(jié)劃分

地面參考數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data. cma.cn), 包括18個國家級基本站地面氣象逐日數(shù)據(jù)(圖1a), 站點數(shù)據(jù)經(jīng)過嚴(yán)格的質(zhì)量程序控制, 包括臺站極值, 氣候界限值檢查和空間一致性檢查[15-16]。地面數(shù)據(jù)用于檢驗衛(wèi)星降水產(chǎn)品的趨勢變化。按照傳統(tǒng)的季節(jié)劃分的方式: 每年3—5月為春季、6—8月為夏季, 9—11月為秋季、12月—翌年2月為冬季。

1.3 衛(wèi)星降水?dāng)?shù)據(jù)

CMORPH(CPC MORPHing technique)數(shù)據(jù)集是NOAA研制的具有高時空分辨率的全球衛(wèi)星降水產(chǎn)品[20]。該產(chǎn)品集成了多個低軌道衛(wèi)星的被動微波信息和地球同步平臺的紅外輻射數(shù)據(jù)。在NOAA提供的眾多產(chǎn)品中, CMORPH RAW是實時產(chǎn)品, CMORPH CRT是經(jīng)過CPC和GPCC校正偏差的產(chǎn)品[20]。因此, 本研究選用CMORPH V1.0版8 km/0.5 h的偏差校正產(chǎn)品(CMORPH CRT),數(shù)據(jù)下載地址為: ftp://ftp.cpc. ncep. noaa.gov。依據(jù)該產(chǎn)品8 km空間分辨率的太行山區(qū)覆蓋示意圖(圖1b)所示, 共有2 411個有效像元覆蓋整個研究區(qū)。

1.4 趨勢分析和相關(guān)性分析

趨勢分析用于檢查每個像元的CMORPH CRT產(chǎn)品估計的月、季、年尺度的降水。趨勢分析公式為[23]:

式中:為所有觀測年的第年,是1998—2017年的年總數(shù)(20),P為第年的月、季、年降水量。如果趨勢大于0, 則1998—2017年期間降水在研究時段內(nèi)呈增加趨勢; 如趨勢小于0, 則表示在研究時段內(nèi)降水有減少的趨勢。

相關(guān)分析用于評價衛(wèi)星降水產(chǎn)品數(shù)據(jù)得到的降水趨勢和實際雨量站計算的降水趨勢的驗證, 本研究利用SPSS V22.0進(jìn)行相關(guān)分析和值檢驗。

2 結(jié)果與分析

2.1 太行山區(qū)年降水時空分布特征

基于CMORPH CRT降水?dāng)?shù)據(jù), 太行山區(qū)1998—2017年年均降水量時間序列如圖2所示, 從圖2a可見太行山20年來的年降水量為400~700 mm。從趨勢來看, 降水年際變化趨于弱增但不顯著(>0.05), 而降水在山地增加的可能原因包括氣候變暖導(dǎo)致陸地水循環(huán)加快、水汽含量增加和有利的天氣形勢等[24]。從圖2b可見, 太行山區(qū)夏季降水多, 但各季節(jié)降水未表現(xiàn)出顯著的時間變化趨勢(>0.05)。夏季降水量在過去的20年中大致為250~450 mm?a-1。此外, 春季和秋季降水量大致相同, 但秋季降水量略高于春季, 兩季降水量為50~250 mm?a-1。除2008年外, 冬季降水量占比全年總降水量最低, 基本上少于50 mm?a-1。

圖1 太行山區(qū)地形、氣象站分布(a)和CMORPH CRT產(chǎn)品像元示意圖(b)

圖2 基于CMORPH CRT產(chǎn)品的太行山區(qū)年降水(a)和季節(jié)降水(b)時間變化特征(1998—2017年)

從氣候上看, 由于研究區(qū)位于季風(fēng)氣候區(qū), 來自東南方向的夏季風(fēng)主導(dǎo)了夏季降水過程, 山區(qū)降水主要集中在夏季; 從地形上看, 太行山呈東北—西南走向, 相對夏季風(fēng)而言, 河北省和北京市境內(nèi)屬于迎風(fēng)坡區(qū)域, 而山西省境內(nèi)屬于背風(fēng)坡區(qū)域; 相對于來自西北方向的冬季風(fēng), 情況反之。從空間降水分布上看, 年降水量等值線與山脈走勢一致, 呈南高北低、東高西低的格局(圖3); 山區(qū)南坡和東坡降水量較高, 年均降水量基本都超過500 mm, 南部地區(qū), 年均降水量超過600 mm; 與迎風(fēng)坡相比, 背風(fēng)坡的年降水量均低于450 mm?？偟膩碚f, 降水由北向南, 由東到西呈現(xiàn)出了明顯的梯度。

2.2 太行山區(qū)月降水時空分布特征

圖4是基于CMORPH CRT降水?dāng)?shù)據(jù)太行山區(qū)不同月份降水占全年總降水量百分比的空間示意圖?？梢? 太行山區(qū)年內(nèi)降水分配不均勻, 反映出了研究區(qū)降水季節(jié)性差異大的特點。7月是全年降水最豐沛的時段, 占全年總降水量的7.2%~32.4%; 其次是8月和6月, 分別占全年總降水的6.0%~25.0%和6.8%~18.0%。太行山夏季的降水中心主要是在東部迎風(fēng)坡地區(qū), 且夏季降水量占全年總降水量的56%以上。另一方面, 從9月到翌年5月, 降水中心主要分布在山區(qū)南坡, 特別是在沁河和涑水河流域附近。在冬季, 太行山區(qū)北坡永定河、子牙河和大清河流域的降水量非常少, 總降水量不超過全年的3%。結(jié)合太行山區(qū)的山脈走向, 可以發(fā)現(xiàn)研究區(qū)西部干濕季節(jié)差異呈現(xiàn)比較明顯的緯度地帶性特征, 緯度越高, 差異越大; 研究區(qū)東部則呈現(xiàn)較強的經(jīng)度地帶性, 經(jīng)度越高, 差異越大。

圖3 基于CMORPH CRT產(chǎn)品數(shù)據(jù)的太行山區(qū)年均降水空間分布特征(1998—2017年)

圖4 基于CMORPH CRT產(chǎn)品數(shù)據(jù)太行山區(qū)各月降水量占年降水的空間分布圖(1998—2017年)

2.3 太行山區(qū)降水趨勢變化特征

從圖2的長序列降水的年際變化可知, 雖然太行山區(qū)的年均降水和各季節(jié)降水均未表現(xiàn)出顯著的趨勢特征, 但是本文進(jìn)一步利用CMORPH CRT產(chǎn)品1998—2017年的數(shù)據(jù)量化太行山區(qū)不同時間尺度上空間的降水趨勢變化格局。如圖5為1998—2017年像元尺度上太行山區(qū)的降水空間趨勢變化。由圖5可知, 山區(qū)南部和東北部降水有下降的趨勢, 降水年均下降2~6 mm, 其中在沁河下游地區(qū)降水下降超過6 mm?a-1, 最大下降達(dá)14.5 mm?a-1。太行山區(qū)西坡和北坡降水呈增長的趨勢, 特別是在高海拔地區(qū)(永定河和子牙河流域附近), 降水年均增加大于10 mm, 部分地區(qū)超過了12 mm?a-1。山區(qū)中東部平原地區(qū)降水也呈現(xiàn)增加的趨勢, 但年均增加量基本小于8 mm。

圖5 基于CMORPH CRT產(chǎn)品數(shù)據(jù)的太行山區(qū)年降水空間趨勢分析(1998—2017年)

圖6為基于CMORPH CRT降水?dāng)?shù)據(jù)的太行山區(qū)各月降水趨勢的空間格局。7月是山區(qū)降水趨勢空間差異最大的月份, 降水趨勢為-8.6~8.0 mm?a-1, 主要是由于夏季山區(qū)迎風(fēng)坡受東南季風(fēng)影響而降水頻發(fā), 而背風(fēng)坡受山脈阻擋和焚風(fēng)效應(yīng)的影響而降水少, 從而導(dǎo)致太行山區(qū)7月降水空間差異大, 進(jìn)而在趨勢特征上差異也較大[2]。在河南境內(nèi)的大沙河流域及其以北部分地區(qū)7月的降水年變化呈現(xiàn)最大的下降趨勢, 年均降水下降4.0~8.6 mm, 在山西省涑水河流域年降水在本月也呈現(xiàn)下降趨勢, 年均降水下降2~4 mm; 除上述兩個地區(qū), 山區(qū)其他區(qū)域的7月降水基本呈現(xiàn)不變或增加的趨勢。8月份山區(qū)南部和東北部整體呈現(xiàn)降水下降的趨勢, 10月山區(qū)北部高海拔地區(qū)表現(xiàn)出降水略有增加的趨勢, 年均降水增長量為1.5~4 mm。在其他季節(jié), 從空間分布上來看降水量基本保持不變或少量增加的趨勢(0~1.5 mm?a-1)。

2.4 太行山區(qū)降水趨勢的地面驗證

盡管目前國內(nèi)外的研究對CMOPRH CRT衛(wèi)星降水?dāng)?shù)據(jù)給予了較高的評價, 但是衛(wèi)星產(chǎn)品數(shù)據(jù)仍然是間接觀測并通過算法反演得到的降水?dāng)?shù)據(jù)。作者已在前期研究中證明了CMORPH CRT產(chǎn)品在太行山區(qū)的適用性[19], 但未對降水趨勢進(jìn)行過驗證。因此, 有必要利用地面實測站點數(shù)據(jù)對衛(wèi)星降水?dāng)?shù)據(jù)計算得到的降水趨勢進(jìn)行驗證。本研究利用18個地面雨量站的數(shù)據(jù)在不同時間尺度上對衛(wèi)星產(chǎn)品數(shù)據(jù)計算得到的降水趨勢進(jìn)行驗證。

相關(guān)系數(shù)()用來描述和驗證依據(jù)衛(wèi)星降水產(chǎn)品數(shù)據(jù)計算得到的降水趨勢與地面實測數(shù)據(jù)計算得到的降水趨勢的相關(guān)性。圖7顯示, 地面降水趨勢與衛(wèi)星降水趨勢在年尺度上的相關(guān)系數(shù)為0.600,0.008, 可見二者數(shù)據(jù)達(dá)極顯著相關(guān)(<0.01), 衛(wèi)星降水?dāng)?shù)據(jù)計算得到的降水趨勢具有較高的可信度。與此同時, 不管是衛(wèi)星降水產(chǎn)品數(shù)據(jù)還是地面實際的觀測數(shù)據(jù), 降水增加的趨勢要大于降水減少的趨勢(圖7)。

由于文章篇幅的限制, 不再進(jìn)行各月份的降水趨勢驗證。不同季節(jié)降水趨勢的驗證結(jié)果如圖8所示。CMORPH CRT產(chǎn)品數(shù)據(jù)計算得到的冬季降水趨勢與地面實測數(shù)據(jù)的降水趨勢具有極顯著相關(guān)性(=0.902,<0.001), 可見基于CMORPH CRT產(chǎn)品的冬季(干季)降水趨勢分析準(zhǔn)確性高, 能夠代表太行山區(qū)冬季降水的趨勢變化特征; 其次, CMORPH CRT產(chǎn)品在夏季(濕季)的降水趨勢與地面趨勢也呈顯著相關(guān)(=0.550,<0.018)。春季和秋季, CMORPH CRT產(chǎn)品數(shù)據(jù)計算的降水趨勢與地面實際降水趨勢未呈現(xiàn)顯著相關(guān)性(>0.05)?？偟膩碚f, 在山區(qū)主要降水波動期(夏季)CMORPH CRT產(chǎn)品能夠較好地反映降水的趨勢變化。

圖6 基于CMORPH CRT產(chǎn)品數(shù)據(jù)的太行山區(qū)各月降水空間趨勢分析(1998—2017年)

圖7 基于CMORPH CRT降雨數(shù)據(jù)的太行山區(qū)年尺度降雨趨勢與地面觀測數(shù)據(jù)的相關(guān)性(1998—2017年)

2.5 不同降水趨勢范圍的年降水量變化

在多時間尺度上, 基于衛(wèi)星降水?dāng)?shù)據(jù)的降水量未表現(xiàn)出顯著的變化趨勢(圖2)。但是在空間尺度上的降水占比和趨勢變化則表現(xiàn)出了明顯的特征(圖3-圖6)。因此, 根據(jù)圖5的年降水趨勢的空間分布圖, 在GIS中提取2 411個像元上的年降水趨勢變化值, 將降水趨勢變化值(PT)劃分為6個不同的區(qū)間(PT≤-5 mm?a-1,-5 mm?a-1

如圖9所示, 在降水趨勢(PT<0 mm?a-1)減少的區(qū)域, 降水的年際動態(tài)變化不顯著(>0.05)。但在降水趨勢增加(PT>5 mm?a-1)的區(qū)域, 降水量從1998年到2017年呈現(xiàn)顯著(<0.05)增加趨勢。具體來說, 在10 mm?a-1

圖8 CMORPH CRT產(chǎn)品數(shù)據(jù)與地面觀測數(shù)據(jù)的太行山區(qū)1998—2017年季度尺度降水趨勢分析驗證

圖9 太行山基于像元尺度的不同降水趨勢(PT)間隔的年降水量變化分析(1998—2017年)

3 討論

山區(qū)降水的空間分布差異受到山脈阻隔、大氣環(huán)流和地形等多因素的影響[23]。其中地形對降水強度和落區(qū)的影響有著不可忽視的作用。閆冠華等[25]利用數(shù)值模擬試驗研究太行山地形對華北暴雨影響后發(fā)現(xiàn), 太行山地形的阻擋和抬升作用使迎背風(fēng)坡降水增加, 但是去掉地形影響后太行山兩側(cè)降水明顯減少。太行山區(qū)東部是夏季的迎風(fēng)坡地區(qū), 受山脈阻隔影響, 東亞季風(fēng)帶來暖濕氣流越山時在迎風(fēng)坡爬坡上升, 過程中氣團(tuán)觸發(fā)對流且隨著爬升高度而增強[24-27]; 同時, 暖濕氣流的被迫抬升冷卻, 水汽凝結(jié), 形成地形性降水, 導(dǎo)致山區(qū)平原和山麓區(qū)夏季降水豐沛。另一方面, 太行山區(qū)的焚風(fēng)效應(yīng)進(jìn)一步加劇迎背風(fēng)坡的降水量差異, 原因在于部分氣流翻過山嶺后在背風(fēng)坡下沉, 濕度減小, 溫度升高, 降水相應(yīng)減少[2,28]。除暖濕氣流被迫抬升以外, 地形輻合同樣會導(dǎo)致降水增加效應(yīng), 當(dāng)濕潤空氣進(jìn)入喇叭口谷地, 強降水中心與喇叭口地形相對應(yīng), 地形雨特征明顯, 低層的東風(fēng)越大, 造成的迎風(fēng)坡降水越強[2,29-30]。

研究區(qū)多年平均降水量高值主要在山區(qū)南部河南省境內(nèi)(沁河流域和大沙河流域), 喇叭口地形特征明顯, 導(dǎo)致降水量較高的原因主要是地形輻合。太行山區(qū)位于我國季風(fēng)區(qū), 季風(fēng)和地形的相互作用對降水空間分布格局造成一定的影響。杜軍凱等[2]基于2004—2011年太行山區(qū)30個臺站做出了太行區(qū)各月的風(fēng)向頻率分布, 研究表明11月至翌年4月山區(qū)以西北風(fēng)為主; 5月至10月以南風(fēng)為主, 其中6月至8月東南風(fēng)占據(jù)主導(dǎo), 5月和10月西南風(fēng)略強?？梢? 不同季節(jié)的降水差異可歸因于不同季節(jié)的盛行風(fēng)向, 冬季山區(qū)受到干冷的西北風(fēng)主導(dǎo), 因此降水主要分布在山區(qū)南部地區(qū); 入春(3—4月)后, 溫度回升, 大氣濕度增加, 盛行風(fēng)由東南方向轉(zhuǎn)為西南方向, 隨之降水中心也轉(zhuǎn)移到太行山區(qū)的東南和西南迎風(fēng)坡側(cè); 夏季(6—8月)山區(qū)盛行東南季風(fēng), 因此降水集中在東部迎風(fēng)坡區(qū), 并且容易在山區(qū)平原和山麓區(qū)形成局地強降水; 進(jìn)入秋季(9月和10月)東南風(fēng)減弱, 西南風(fēng)和西北風(fēng)漸強, 降水中心向西南側(cè)移動。除了地形和風(fēng)向以外, 田恬等[4]認(rèn)為植被蓋度的不均勻性也是影響山區(qū)降水時空格局的重要因素之一, 其選擇太行山崇陵流域為對象, 發(fā)現(xiàn)油松()、側(cè)柏()和刺槐()等森林植被覆蓋區(qū)內(nèi)降水量顯著增加。

太行山區(qū)是我國脫貧攻堅的重點地區(qū)之一, 區(qū)內(nèi)生態(tài)脆弱、人口超載和水土資源失調(diào)等問題突出[1,31], 特別是從20世紀(jì)80年代以來, 全區(qū)地表水資源呈現(xiàn)較為明顯的衰減趨勢, 水資源問題愈來愈成為該區(qū)域發(fā)展的限制因素, 主要表現(xiàn)在區(qū)域耕地面積過大導(dǎo)致農(nóng)業(yè)灌溉需水量的增加, 使得水資源壓力增大, 水資源短板現(xiàn)象日益顯著, 隨之而來的是地下水嚴(yán)重超采、水資源過度開發(fā)威脅河道基流等問題[1,32]。降水作為地表水資源的重要補給, 探究其在山區(qū)的空間分布格局和變化趨勢, 對于區(qū)域水資源的調(diào)控、耕地布設(shè)和生態(tài)保護(hù)具有重要的意義, 利用具有適用性的衛(wèi)星遙感降水?dāng)?shù)據(jù)解析水循環(huán)的關(guān)鍵過程, 是解決山區(qū)水資源問題的重要前提。在未來, 基于衛(wèi)星遙感降水?dāng)?shù)據(jù)可進(jìn)一步開展降水—徑流等循環(huán)要素的時空演變解析, 為山區(qū)水資源合理利用和生態(tài)恢復(fù)提供建議和保障。

4 結(jié)論

本研究采用1998—2017年CMORPH CRT衛(wèi)星產(chǎn)品的降水?dāng)?shù)據(jù)探究山區(qū)降水的時空格局和變化趨勢, 并采用18個地面雨量站的數(shù)據(jù)來驗證山區(qū)降水變化趨勢。結(jié)果表明:

在時間尺度上, 1998—2017年太行山區(qū)年均降水量和各季節(jié)降水量無明顯變化趨勢, 太行山區(qū)南坡和東坡降水量較高, 夏季降水占據(jù)全年降水的主要部分, 7月降水量占年降水總量的7.2%~32.4%; 在空間尺度上, 太行山區(qū)南部和東北部降水呈下降趨勢, 下降量為2~6 mm?a-1; 山區(qū)西部和北部降水呈現(xiàn)增長的趨勢; 7月由于受到夏季風(fēng)、焚風(fēng)效應(yīng)和地形作用等因素的影響, 使得山區(qū)降水趨勢特征差異大, 降水趨勢變化范圍在-8.6~8 mm?a-1。

研究進(jìn)一步利用地面實測數(shù)據(jù)驗證降水趨勢變化, 在年尺度上兩者數(shù)據(jù)計算得到的降水趨勢呈極顯著相關(guān)性(<0.01); 在季節(jié)尺度上, 冬季(干季)和夏季(濕季)衛(wèi)星產(chǎn)品計算的降水趨勢變化與地面實測數(shù)據(jù)的降水趨勢也呈現(xiàn)極顯著相關(guān)性(<0.01)。將降水趨勢劃分為6個區(qū)間, 發(fā)現(xiàn)在PT>5 mm?a-1的區(qū)域, 降水量從1998年到2017年呈現(xiàn)顯著增加的趨勢(<0.05)。

[1] 賈仰文, 郝春灃, 牛存穩(wěn), 等. 典型山地降水徑流時空演變及“水—熱—人—地”匹配性分析[J]. 地理學(xué)報, 2019, 74(11): 2288–2302JIA Y W, HAO C F, NIU C W, et al. Spatio-temporal variations of precipitation and runoff and analyses of water-heat-human- land matching characteristics in typical mountainous areas of China[J]. Acta Geographica Sinica, 2019, 74(11): 2288–2302

[2] 杜軍凱, 賈仰文, 李曉星, 等. 基于TRMM衛(wèi)星降水的太行山區(qū)降水時空分布格局[J]. 水科學(xué)進(jìn)展, 2019, 30(1): 1–13DU J K, JIA Y W, LI X X, et al. Study on the spatial-temporal distribution pattern of precipitation in the Taihang Mountain region using TRMM data[J]. Advances in Water Science, 2019, 30(1): 1–13

[3] 孫宏勇, 劉昌明, 王振華. 太行山前平原近40年降水的變化趨勢及其對作物生產(chǎn)的影響[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2007, 15(6): 18–21SUN H Y, LIU C M, WANG Z H. Changing trend of precipitation and its effects on crop productivity in the piedment of Taihang Mountain[J]. Chinese Journal of Eco-Agriculture, 2007, 15(6): 18–21

[4] 田恬, 宋獻(xiàn)方, 楊麗虎, 等. 太行山丘陵區(qū)降水時空分布特征及影響因素分析——以崇陵流域為例[J]. 資源科學(xué), 2016, 38(6): 1192–1202 TIAN T, SONG X F, YANG L H, et al. Spatial-temporal variation and factors affecting precipitation in the hilly area of Taihang Mountain[J]. Resources Science, 2016, 38(6): 1192–1202

[5] XIA T, WANG Z J, ZHENG H. Topography and data mining based methods for improving satellite precipitation in mountainous areas of China[J]. Atmosphere, 2015, 6(8): 983–1005

[6] 韓建, 占車生, 王飛宇, 等. 太行山區(qū)降水空間擴展方法與垂直地帶性分析[J]. 山地學(xué)報, 2017, 35(6): 761–768HAN J, ZHAN C S, WANG F Y, et al. Comparison of the methods of precipitation spatial expansion and analysis of vertical zonality in the Taihang Mountains[J]. Mountain Research, 2017, 35(6): 761–768

[7] 李曉榮, 高會, 韓立樸, 等. 太行山區(qū)植被NPP時空變化特征及其驅(qū)動力分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2017, 25(4): 498–508 LI X R, GAO H, HAN L P, et al. Spatio-temporal variations in vegetation NPP and the driving factors in Taihang Mountain area[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 498– 508

[8] 傅抱璞. 地形和海拔高度對降水的影響[J]. 地理學(xué)報, 1992, 47(4): 302–314 FU B P. The effect of topography and elevation on precipitation[J]. Acta Geographica Sinica, 1992, 47(4): 302–314

[9] TAN M L, SANTO H. Comparison of GPM IMERG, TMPA 3B42 and PERSIANN-CDR satellite precipitation products over Malaysia[J]. Atmospheric Research, 2018, 202: 63–76

[10] 郭瑞芳, 劉元波. 多傳感器聯(lián)合反演高分辨率降水方法綜述[J]. 地球科學(xué)進(jìn)展, 2015, 30(8): 891–903 GUO R F, LIU Y B. Multi-satellite retrieval of high resolution precipitation: an overview[J]. Advances in Earth Science, 2015, 30(8): 891–903

[11] PAN M, LI H B, WOOD E. Assessing the skill of satellite- based precipitation estimates in hydrologic applications[J]. Water Resources Research, 2010, 46: 201–210

[12] BITEW M M, GEBREMICHAEL M. Evaluation of satellite rainfall products through hydrologic simulation in a fully distributed hydrologic model[J]. Water Resources Research, 2011, 47: W06526

[13] SUN R C, YUAN H L, LIU X L, et al. Evaluation of the latest satellite-gauge precipitation products and their hydrologicapplications over the Huaihe River basin[J]. Journal of Hydrology, 2016, 536: 302–319

[14] 王玉丹, 陳浩, 劉璨然, 等. ITPCAS和CMORPH兩種遙感降水產(chǎn)品在陜西地區(qū)的適用性[J]. 干旱區(qū)研究, 2018, 35(3): 579–588 WANG Y D, CHEN H, LIU C R, et al. Applicability of ITPCAS and CMORPH precipitation datasets over Shaanxi Province[J]. Arid Zone Research, 2018, 35(3): 579–588

[15] SHEN Y, ZHAO P, PAN Y, et al. A high spatiotemporal gauge-satellite merged precipitation analysis over China[J]. Journal of Geophysical Research: Atmospheres, 2014, 119(6): 3063–3075

[16] SHEN Y, XIONG A Y, WANG Y, et al. Performance of high-resolution satellite precipitation products over China[J]. Journal of Geophysical Research Atmospheres, 2010, 115(D2): D02114

[17] DINKU T, RUIZ F, CONNOR S J, et al. Validation and intercomparison of satellite rainfall estimates over Colombia[J]. Journal of Applied Meteorology and Climatology, 2010, 49(5): 1004–1014

[18] GUO H, CHEN S, BAO A M, et al. Comprehensive evaluation of high-resolution satellite-based precipitation products over China[J]. Atmosphere, 2016, 7(6): 1–25

[19] 俞琳飛, 楊永輝, 周新堯, 等. 中國區(qū)融合降水產(chǎn)品在太行山區(qū)的質(zhì)量評估[J]. 水資源與水工程學(xué)報, 2019, DOI: 10.11705/j.issn.1672-643X.2019.06.00 YU L F, YANG Y H, ZHOU X Y, et al. Quality assessment of Chinese merged precipitation product over Taihang Mountains[J]. Journal of Water Resource & Water Engineering, 2019, DOI: 10.11705/j.issn.1672-643X.2019.06.00

[20] FU T G, HAN L P, GAO H, et al. Geostatistical analysis of pedodiversity in Taihang Mountain region in North China[J]. Geoderma, 2018, 328: 91–99

[21] FU T G, HAN L P, GAO H, et al. Pedodiversity and its controlling factors in mountain regions — A case study of Taihang Mountain, China[J]. Geoderma, 2018, 310: 230–237

[22] JOYCE R J, JANOWIAK J E, ARKIN P A, et al. CMORPH: A method that produces global precipitation estimates from passive microwave and infrared data at high spatial and temporal resolution[J]. Journal of Hydrometeorology, 2004, 5(3): 487–503

[23] MA Z Q, XU Y P, PENG J, et al. Spatial and temporal precipitation patterns characterized by TRMM TMPA over the Qinghai-Tibetan Plateau and surroundings[J]. International Journal of Remote Sensing, 2018, 39(12): 3891–3907

[24] 劉曉瓊, 吳澤洲, 劉彥隨, 等. 1960—2015年青海三江源地區(qū)降水時空特征[J]. 地理學(xué)報, 2019, 74(9): 1803–1820 LIU X Q, WU Z Z, LIU Y S, et al. Spatial-temporal characteristics of precipitation from 1960 to 2015 in the Three Rivers’ Headstream Region, Qinghai, China[J]. Acta Geographica Sinica, 2019, 74(9): 1803–1820

[25] 閆冠華, 李巧萍, 李瑞義. 太行山地形對華北暴雨影響的數(shù)值模擬試驗[J]. 南京信息工程大學(xué)學(xué)報: 自然科學(xué)版, 2015, 7(4): 351–358YAN G H, LI Q P, LI R Y. Numerical simulation for terrain effects of Taihang Mountain on heavy rainfall over North China[J]. Journal of Nanjing University of Information Science & Technology, 2015, 7(4): 351–358

[26] 陳賀, 李原園, 楊志峰, 等. 地形因素對降水分布影響的研究[J]. 水土保持研究, 2007, 14(1): 119–122 CHEN H, LI Y Y, YANG Z F, et al. Research on the relationship between terrain factors and precipitation[J]. Research of Soil and Water Conservation, 2007, 14(1): 119–122

[27] 林之光. 地形降水氣候?qū)W[M]. 北京: 科學(xué)出版社, 1995: 96–104 LIN Z G. Topographic Precipitation Climatology[M]. Beijing: Science Press, 1995: 96–104

[28] 王宗敏, 丁一匯, 張迎新, 等. 太行山東麓焚風(fēng)天氣的統(tǒng)計特征及機理分析Ⅰ: 統(tǒng)計特征[J]. 高原氣象, 2012, 31(2): 547–554WANG Z M, DING Y H, ZHANG Y X, et al. Feature and mechanism of the Foehn weather on east slope Taihang MountainsⅠ: Statistic feature[J]. Plateau Meteorology, 2012, 31(2): 547–554

[29] 王叢梅, 俞小鼎, 李芷霞, 等. 太行山地形影響下的極端短時強降水分析[J]. 氣象, 2017, 43(4): 425–433 WANG C M, YU X D, LI Z X, et al. Investigation of extreme flash-rain events on the impact of Taihang Mountains[J]. Meteorological Monthly, 2017, 43(4): 425–433

[30] 王叢梅, 俞小鼎, 劉瑾, 等. 弱天氣尺度背景下太行山極端短時強降水預(yù)報失敗案例剖析[J]. 氣象, 2018, 44(1): 107–117WANG C M, YU X D, LIU J, et al. Analysis of a forecast failure case of extreme flash-rain under weak synoptic-scale background in Taihang Mountain[J]. Meteorological Monthly, 2018, 44(1): 107–117

[31] 馬維玲, 石培禮, 宗寧, 等. 太行山區(qū)主要森林生態(tài)系統(tǒng)水源涵養(yǎng)能力[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報, 2017, 25(4): 478–489MA W L, SHI P L, ZONG N, et al. Water conservation capacity of forest ecosystems in Taihang Mountain[J]. Chinese Journal of Eco-Agriculture, 2017, 25(4): 478–489

[32] 杜軍凱, 賈仰文, 郝春灃, 等. 太行山區(qū)藍(lán)水綠水沿垂直帶演變規(guī)律及其歸因分析[J]. 南水北調(diào)與水利科技, 2018, 16(2): 64–73DU J K, JIA Y W, HAO C F, et al. Evolution law and attribution analysis of vertical distribution of blue water and green water in Taihang Mountain region[J]. South-to-North Water Transfers and Water Science & Technology, 2018, 16(2): 64–73

Spatial and temporal precipitation patterns using the CMOPRH CRT product over the Taihang Mountains*

YU Linfei1,2,3, LI Huilong1, YANG Yonghui1,2**, SHI Shangzhong4

(1. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences / Key Laboratory of Agricultural Water Resource, Chinese Academy of Sciences / Hebei Laboratory of Agricultural Water-saving, Shijiazhuang 050022, China; 2. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 101400, China; 3. Sino-Danish Center for Education and Research, Beijing 101400, China; 4. Taiyuan College of Ecoengineering, Taiyuan 030025, China)

In order to effectively use precipitation over the Taihang Mountains, and to perform water resource management and ecological construction scientifically, we used satellite precipitation data to explore the spatio-temporal precipitation pattern and precipitation trend over the Taihang Mountains from 1998 to 2017. In general, the complex terrain and sparse meteorological stations lead to limited precipitation measurement in mountainous areas especially in high-altitude regions. Satellite-based precipitation measurement is an effective supplement for measuring precipitation information in such regions. The CMOPRH CRT product is recognized worldwide. A previous study had proved the applicability of CMORPH CRT over the Taihang Mountains owing to the lower root mean square error and relative bias in this region, which indicated that this product had applicability over the Taihang Mountains. Therefore, in this study, we adopted the method of time series analysis and trend analysis to explore the spatial and temporal patterns of precipitation and precipitation trend over the Taihang Mountains based on the data obtained using the CMORPH CRT product from 1998 to 2017. Meanwhile, the ground observations of 18 rain gauges were used to validate the precipitation trend measured using the CMOPRH CRT product over the Taihang Mountains with “Pixel to Point” extraction method via ArcGIS. The results showed that there was no significant variation trend in the annual and seasonal precipitation from 1998 to 2017 over the Taihang Mountains. Higher precipitation occurred in the southern and eastern regions of the Taihang Mountains than in the northern and western regions. On a monthly scale, the precipitation in July accounted for the highest rate of annual precipitation, 7.2%-32.4% of the total annual precipitation, followed by August and June. There was a decrease trend in the south and northwest regions of the Taihang Mountains, and decreased by 2-6 mm?a-1on an average. The increasing precipitation trend appeared in the western and northern regions of the Taihang Mountains, and the annual precipitation increased by more than 8 mm. The greatest difference in precipitation trend was found in July on a spatial scale with a variation range of-8.6 to 8 mm?a-1. We used actual data obtained using rain gauges to validate the precipitation trend measured using CMORPH CRT. Two sets of data showed a strong significant correlation at the annual scale. On the seasonal scale, the precipitation trend in winter (dry season) and summer (wet season) had a strong significant correlation with the precipitation trend measured using rain gauges, but the precipitation trend in spring and autumn did not show a significant correlation with the precipitation measured using rain gauges. We extracted the pixel values according to the spatial pattern of precipitation trend from 1998 to 2017 over the Taihang Mountains, and further divided them into six different precipitation trend (PT) ranges (PT ≤-5 mm?a-1,-5 mm?a-1< PT ≤ 0 mm?a-1, 0 mm?a-1< PT ≤ 5 mm?a-1, 5 mm?a-1< PT ≤ 10 mm?a-1, 10 mm?a-1< PT ≤ 15 mm?a-1, and PT ≥ 15 mm?a-1) depending on the actual precipitation trend over study areas. There was a significant increase in precipitation from 1998 to 2017 in the PT > 5 mm?a-1area.

CMORPH CRT product; Taihang Mountains; Spatial-temporal pattern of precipitation; Precipitation trend

P461

10.13930/j.cnki.cjea.190746

* 國家自然科學(xué)基金面上項目(41671021)資助

楊永輝, 主要研究方向為生態(tài)水文。E-mail: yonghui.yang@ms.sjziam.ac.cn

俞琳飛, 主要研究方向為山區(qū)降水反演。E-mail: lfyu@sjziam.ac.cn

2019-10-23

2019-12-09

* This study was supported by the National Natural Science Foundation of China (41671021).

, E-mail: yonghui.yang@ms.sjziam.ac.cn

Oct. 23, 2019;

Dec. 9, 2019

俞琳飛, 李會龍, 楊永輝, 史尚忠. 基于CMORPH CRT產(chǎn)品的太行山區(qū)降水時空格局[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2020, 28(2): 305-316

YU L F, LI H L, YANG Y H, SHI S Z. Spatial and temporal precipitation patterns using the CMOPRH CRT product over the Taihang Mountains[J]. Chinese Journal of Eco-Agriculture, 2020, 28(2):305-316