Page 226 - 《高原气象》2026年第4期
P. 226
高 原 气 象 45 卷
1156
影响程度。这一分析为后续降尺度建模输入环境 表2 交互作用类型
因子提供了科学依据。随后, 采用地理加权回归 Table 2 Types of interaction
GWR 模型和多尺度地理加权回归 MGWR 模型, 建 判据 作用类型
立环境因子与降水之间的回归关系, 提升 TRMM q ( X 1 ∩ X 2 ) < Min[ q ( X 1 ),q ( X 2 ) ] 非线性减弱
]
降水数据的空间分辨率, 并通过模型参数的空间变 Min[ q ( X 1 ),q ( X 2 ) < q ( X 1 ∩ X 2 ) < 非线性单因子
异性分析, 揭示环境因子在不同空间尺度上的作用 Min[ q ( X 1 ),q ( X 2 ) ] 增强
特征。最终, 通过地面气象站点数据, 对降尺度结 q ( X 1 ∩ X 2 ) > Max[ q ( X 1 ),q ( X 2 ) ] 双因子增强
果进行精度验证, 评估不同降尺度模型的表现。 q ( X 1 ∩ X 2 ) = q ( X 1 ) + q ( X 2 ) 独立
3. 1 地理探测器 q ( X 1 ∩ X 2 ) > q ( X 1 ) + q ( X 2 ) 非线性增强
自 Geodetector提出以来, 它在探测空间分异性
以及揭示空间变量背后的驱动因子得到了广泛应 量都必须使用相同空间权重(带宽)带来的局限性,
用(王劲峰和徐成东, 2017)。本研究将 Geodetector 使得每个自变量可以在其最优的空间尺度上进行
应用于分析三江源流域环境因子对降水分布的影 分析。两个模型的表达式如式(2)~(3)所示:
p
响, 定量探测环境因素对降水分布的解释力和相互 GWR:Y i = β o (u i ,v i ) + ∑ β k (u i ,v i ) X ik + ε (u i ,v i )
作用关系, 同时揭示各种环境因子对降水格局的贡 k = 1
献程度。使用 Geodetector 中的因子探测和交互探 (2)
p
测分别分析环境因子对降水空间分布的直接影响 MGWR:Y i = β 0 (u i ,v i )+∑ β k (u i ,v i ,λ k )x ik + ε (u i ,v i )
和交互影响, 通过分析环境因子对降水空间分布的 k = 1
(3)
影响, 筛选环境因子输入降尺度模型进行降水降尺
度研究。 式中: Y i 为空间位置(u i ,v i )的降水量; X ik 为空间位
(1) 因子探测: 用于解析环境变量对降水空间 置(u i ,v i )的第k个环境因子值; β k (u i ,v i )为第k个环
分布的解释力, 用q值度量, 其表达式为: 境因子在位置(u i ,v i )处的回归系数; β 0 (u i ,v i )为该
h = 1 位置的常数项。与 GWR 模型不同, MGWR 模型的
2
∑ N h σ h SSW 局部回归系数 β k (u i ,v i ,λ k )为不同环境因子引入了
q = 1 - L = 1 - (1)
Nσ 2 SST 各自适宜的带宽(λ k )。基于两种模型进行尺度转换
式中: h 为环境变量或降水数据的分类; N h 和 N 分 的详细步骤如下:
别为 h 类和全区的单元数; σ h 和 σ 分别是类 h 和全 (1) 变量选取。根据 Geodetector 分析结果, 选
2
2
区因变量的方差。SSW 和 SST分别为层内方差之和 取 数 据 预 处 理 时 得 到 的 0. 25° ×0. 25° 分 辨 率 的
(Within Sum of Squares)和全区总方差(Total Sum
数据。
of Squares)。q 值计算的是单个环境因子所有类别 (2) 数据准备。将选取的 0. 25°×0. 25°分辨率
对应的降水数据方差之和与降水数据总体方差的 的数据, 按照月、 季、 年 3 个时间尺度分别进行数
比值, 其本质是比较环境因子与降水空间分布的相 据分类和提取。
似性。 (3) 缓冲区构建。为涵盖研究区所有 TRMM
(2) 交互探测: 评估环境因子之间的交互作用 降水数据及环境因子数据, 将三江源流域向外拓展
下是否会增强或减弱对降水空间分布的解释力。 0. 5°, 以 构 建 缓 冲 区 并 进 行 降 水 降 尺 度 的 回 归
比较两个环境变量 X 1 和 X 2 的 q 值 q( X 1) 与 q( X 2) 及 模型。
其交互作用下的 q 值 q( X 1 ∩ X 2) , 可以判断其作用 (4) 模型构建。将 0. 25°×0. 25°分辨率的环境
类型, 判断依据见表2。 变量和 TRMM 降水数据输入 GWR 和 MGWR 模
3. 2 降尺度模型 型, 建立回归关系。模型输出结果包括常数项、 环
地理加权回归模型 GWR 是一种将空间异质性 境变量对应的系数及残差结果, 然后利用普通克里
纳入回归分析的降尺度方法。与传统回归方法不 金插值法将常数项、 系数及残差插值到 1 km×1 km
同, GWR 能够为每个空间点估算不同的回归系数, 分辨率。
从而捕捉空间数据局部变量的差异。MGWR 模型 (5) 尺度转换。将数据预处理时 1 km×1 km 分
是 GWR 模型的扩展, 允许不同自变量在不同的空 辨率的环境变量和步骤(4)的模型输出结果, 二者
间尺度上发生变化。它解决了 GWR 模型中每个变 空间分辨率均为 1 km×1 km输入式(2)和式(3)分别

