Page 229 - 《高原气象》2026年第4期
P. 229
4 期 魏地博等:基于流域降水空间分布作用机制的降尺度研究 1159
下环境因子对三江源流域降水空间分布作用尺度 而, MGWR 模型带宽在三个降水代表月中各有不
及模型降尺度效果的差异, 筛选出 2010 -2019年典 同。在高降水量代表月, NDVI、 风速、 云量和坡度
型干旱年(2015 年)和典型湿润年(2018 年)。降水 带宽均为 768, 达到全局尺度; 温度的带宽为 296,
量最高、 居中和最低的 3 个代表月, 分别为 2012 年 也达到了较大值; 而高程的带宽较小, 仅为 14, 说
7月、 2014年 5月和 2017年 12月, 以及 10年降水数 明该区域的降水随高程变化显著。在研究期内, 月
据的季节平均值, 以月、 季、 年 3 个时间尺度结果 降水量居中和最低的月份, 各环境因子的带宽几乎
对比两个降尺度模型结果空间细节的差异性。 相同, NDVI、 LST和 Slope带宽较高, 介于 200~450
4. 2. 1 月尺度结果分析 之间; 高程、 风速、 云量的带宽均为 14。月份间两
三类降水代表月模型作用尺度如图 3所示。对 种模型的带宽存在明显差异, 月降水量最大的降水
比图 3中数据可以发现, 对于 GWR模型, 月降水量 月带宽较大。MGWR 模型带宽大小与 Geodetector
最高、居中及最低的代表月带宽均较小, 无法区分 因子探测结果相吻合, q 值较大的环境因子在模型
各环境因子对降水空间分布作用尺度的差异; 然 中会取得较大的带宽。
图3 代表月模型作用尺度
Fig. 3 Model influence scale for representative months
分析模型运行结果显示, 在整个研究区内, 两 模型的降尺度降水格局与原始 TRMM 降水格局具
种模型均能获得较高的 R²值。然而, MGWR 模型 有很强的相似性。在黄河源区与长江源区交界处,
在 604 个网格数据中获得的局部 R²表现更佳, 其值 GWR 降尺度结果出现明显增高, 改变了原始的降
大于 0. 6的比例达到 90%。这侧面说明, MGWR 模 水格局。对于长江源区中南部的高降水区, MG‐
型在降尺度过程中, 不仅能够在全局层面获得良好 WR 模型的表现也优于 GWR 模型。研究期内, 月
效果, 而且在降水空间细节和格局方面相比 GWR 降水量居中的月份(2014 年 5 月)中, GWR 模型在
模型更具优势。图 4 展示了分别代表月尺度下高、 澜沧江源区及黄河源区中西部对降水格局的刻画
中、 低三类降水量的原始 TRMM 降水、 GWR 模型 均存在偏高的迹象。研究期内, 月降水量最低的月
降尺度结果以及 MGWR 降尺度结果的空间分布对 份(2017 年 12 月), 整个三江源流域的降水量普遍
比图。图 4 中(a)、 (d)、 (g)代表 0. 25°分辨率的 较低。较高的降水区域出现在长江源西部。通过
TRMM 原始降水数据, (b)、 (e)、 (h)代表 1 km× 对比图 4 中(a)~(c)、 (d)~(f)及(g)~(i)可以发现,
1 km 分辨率的 GWR 模型降尺度结果, (c)、 (f)、 GWR 模型在该小部分降水区域的降尺度结果出现
(i)代表 1 km×1 km 分辨率的 MGWR 模型降尺度效 偏移, 而 MGWR 模型则较好地刻画了该区域的降
果 。 通 过 对 比 三 类 降 水 量 的 降 尺 度 效 果 发 现 , 水格局。
GWR 模型在降水格局的表现低于 MGWR 模型, 常 月尺度作为季、 年尺度的最小组合单元, 为进
出现高估、 低估或偏移的情况。例如, 在研究期 一步评估 MGWR 模型降尺度结果与地面站点实测
内, 月降水量最高月份(2012 年 7 月)中, 黄河源区 降水的拟合程度, 提取流域 2010 -2019年站点位置
东南部的高降水区域, GWR 模型估算的降尺度降 处月尺度下两种模型降尺度结果与原始 TRMM 数
水格局与原始 TRMM 降水格局不相符, 而 MGWR 据逐月降水数据, 并与地面站点实测降水数据计算

