Page 164 - 《高原气象》2026年第3期
P. 164
高 原 气 象 45 卷
772
64×72), 其中新增边缘填充格点如图 1 中绿点所 特卡洛实验(Monte Carlo test)方法, 通过 500 次随
示。为聚焦研究区域并消除背景噪声, 对贵州省境 机实验对统计量进行显著性评估, 以确定一个特定
外区域进行掩膜处理, 将其降水值设为 0。同时使 模式下异常降水是否在某些典型区域具有显著发
用 5 轮交叉验证法(5-fold Cross-Validation)进行模 生倾向。
型训练, 通过计算 5 次实验结果平均值, 得到时间 2. 2. 3 西南涡定义
长度为 8090 天的逐日重构 MSE 序列。最后, 以重 参 考 以 往 关 于 西 南 涡 的 定 义(马 勋 丹 等 ,
构误差的前 5%(95% 分位数)作为阈值, 筛选出模 2018; 张敬萍等, 2023), 同时满足以下条件定义为
型难以重构的异常样本, 最终构建包含 405 天的异 西南涡: (1)在 700 hPa 等压面上, 能分析出至少 1
常降水日数据集。 根闭合位势高度等值线, 该等值线中心生成时位于
(26° N -33° N, 103° E -110° E)范 围 内 ; (2)对 于
0. 25°×0. 25°分辨率的 ERA5再分析资料, 涡旋核心
区域及 4 倍格距(100 km)为气旋式环流; (3)该闭
合环流中心附近有对应的风场散度负值中心及涡
度正值中心。
3 结果与分析
3. 1 降水空间分布特征
贵州 1979 -2022 年暖季(5 -10 月)气候平均降
水量[图 2(a)]呈由南向北减少的分布特征, 大值中
心位于贵州西南部的六盘水-安顺-黔西南。然而,
降水气候平均态难以刻画安顺西部及黔东南西部
降水的高变率特征[图 2(b)]。基于自编码器识别
图1 研究区域CN01资料格点分布(红色-蓝色区域) 出的异常降水场[图 2(c)]有效整合了降水均值及
绿色点为确保自编码器计算增加维度, 其中绿色-红色 变率的异常信号: 其空间格局整体维持南多北少的
区域数值设为0 态势, 但大值中心移至安顺-黔南-黔东南。该异常
Fig. 1 Distribution of grid points of CN01 dataset in the study
大值中心与贵州“雨窝”分布特点一致, 表明自编码
area (red-blue area). The green points are included to ensure
器在贵州的异常降水识别精度上的可信度。综合
dimensionality augmentation in Autoencoder computations,
分析表明, 贵州降水具有变率大, 空间分布不均的
with values set to zero in the green-red region
特点, 尤其是安顺地区表现出日均降水量大、 降水
2. 2. 2 自组织映射客观分类和显著区域检验 强度强且雨季时间长的典型特征。在此基础上, 后
本研究采用自组织映射对识别出的 405天异常 续进一步利用 SOM 方法对异常降水空间分布进行
降水事件进行聚类分析, 以划分多个空间模式。相 客观分类。
比传统的线性主成分分析方法, 自组织映射通过非 3. 2 异常降水的典型类型及时间特征
线性映射, 竞争学习和邻域函数, 能够更好地保持 基于 SOM 神经元顺序的 405 天异常降水距平
原始数据的拓扑结构, 在有效减少数据噪声影响的 合成结果(图 3)显示, 4 类异常降水在空间分布与
同时, 捕捉数据中的非线性结构和局部特征。 发生频次上呈现出显著的地域性与差异化特征。
在确定聚类规模时, 通常指定分类数目越多, 第 1 类(北部型)SOM1 降水中心位于安顺北-遵义
类内成员间的差异越小。所以实践中为了使分类 西一带, 尽管其发生频次占总数的 33%, 但降水强
结果具有实际意义, 通过较少分类以确保类间的显 度为 4 类中最弱。第 2 类(全省强降水型)SOM2 表
著差异(成泽伦等, 2023)。考虑贵州地理尺度较小 现为全省范围异常降水, 强度居四类之首, 但发生
且异常降水演变迅速, 过多分型会导致类间距离减 频率最低。第 3 类(南部型)SOM3 降水中心位于贵
小。因此, 本研究权衡分型的物理意义, 综合考虑 州南部, 发生天数达 169 天(占比 42%), 是贵州暖
选取拓扑误差(Topographic Error, TE)最低的 2×2 季最主要的异常降水模态。第 4 类(东部型)SOM4
网格结构作为最优分型方案(吴胜男和江志红, 降水中心与高发热点区域均集中在贵州东部。从
2019)。随后, 为识别异常降水热点区域, 引入蒙 时间演变特征来看(图 4), 每类异常降水都有较强

