Page 231 - 《高原气象》2026年第4期
P. 231

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                                         1161
                                                  表5  季尺度降尺度结果评价指标
                                        Table 5  Evaluation indices of seasonal downscaling results
                                    R 2                         BIAS/%                       RMSE/mm
                 季节
                         TRMM      GWR      MGWR      TRMM      GWR       MGWR      TRMM      GWR      MGWR
                 春季       0. 80    0. 83     0. 85    -3. 56    -3. 25    -2. 73    11. 52    10. 63     9. 57
                 夏季       0. 64    0. 69     0. 72    10. 27     9. 53     7. 91    53. 41    54. 87    48. 57
                 秋季       0. 82    0. 84     0. 86     8. 74    -9. 68    -6. 46    24. 78    26. 73    21. 83
                 冬季       0. 56    0. 63     0. 69     1. 21     1. 23     0. 54     6. 13     5. 69     4. 32

               季与地面站点的拟合效果更佳(R 约为 0. 8), 而在                      拔区降水量较低。这一结果印证了在因子探测中
                                             2
               夏季和冬季拟合效果较差(R 仅约为 0. 6), 主要是                      DEM 与 Lat 交 互 作 用 下 , 对 降 水 分 布 影 响 力 达
                                         2
               因为夏季多发生强降雨(杜娟等, 2024), 冬季高海                       75%。对比 GWR和 MGWR模型降尺度结果的降水
               拔地区降水形式多为降雪(熊俊楠等, 2019), 地面                       剖面线可以发现, MGWR 降尺度结果的空间分布
               站点和 TRMM 卫星对这两种极端降水形式捕捉能                          与原始 TRMM 降水数据更为贴合, 降水量预测更
               力较差(刘小婵等, 2015; 范田亿等, 2021), 致使                   加精准。
               数据存在较大偏差。通过比较两个模型之间的评                             4. 2. 4 总体精度评价与分析
               价指标可以看到, MGWR 模型在三项指标上均优                              考虑到三江源流域内澜沧江源、 黄河源和长江
               于 GWR 模型, 比较两种模型降尺度效果图, 均能                        源地形差异显著, 降水分布不均。为验证 MGWR
               发现 MGWR 模型在季节尺度能更好地反映区域降                          降尺度结果在不同地形区的精度, 将站点划分到澜
               水信息。                                              沧江源、 黄河源和长江源, 并绘制三个源区内 MG‐
                   将 2010 -2019 年 TRMM 降水数据及环境因子                 WR降尺度结果与站点实测降水的散点分布(图 7)。
               按照季节划分求其季节平均值, 建立 GWR 和 MG‐                       在澜沧江源[图 7(a)]、 黄河源[图 7(b)]和长江源
               WR 模 型 对 季 尺 度 降 水 空 间 分 布 进 行 降 尺 度 。           [图 7(c)]的总体 R 分别达到了 0. 879、 0. 918 和
                                                                                   2
               TRMM 原始降水季节均值分布图、 GWR 模型季节                        0. 852。进一步表明 MGWR 降尺度不仅能提高降
               均值降尺度图和 MGWR 模型季节均值降尺度空间                          水空间分辨率, 而且与实测降水数据的拟合程度较
               分布如图 5。通过对比可发现(图 5), 三江源流域                        高, 从而印证了 Geodetector-MGWR 降尺度框架在
               降水呈现出明显的季节划分, 降水量主要集中在夏                           各种地形地貌环境下的适用性。
               季, 占全年降水量的一半。春、 夏、 秋、 冬四个季节
               中, 降水量较高的区域均出现在三江源流域东南部地                          5  结论
               势相对平坦且海拔较低的区域。与月尺度一样, 相较
                                                                     本研究构建的 Geodetector-GWR/MGWR 降尺
               于 GWR 模型, MGWR 模型得出的降尺度降水空间
                                                                 度框架, 首先使用 Geodetector 系统分析了 10 个环
               分布图更能体现季尺度下降水空间分布的细节。
                                                                 境因子对三江源流域降水空间分布的影响, 由此科
               4. 2. 3 年尺度结果分析
                                                                 学地选取降尺度模型的输入变量, 为降尺度模型提
                   选取 2010 -2019 年的干旱年(2015 年)和湿润
                                                                 供与流域降水空间分布高度相关的数据输入。随
               年(2018年)作为代表年份, 在年尺度上建立降尺度
                                                                 后, 基于地理加权回归(GWR)和多尺度地理加权
               模型。提取 34. 5°N(最大程度上从东西方向上横穿
                                                                 回归(MGWR)模型, 将 TRMM 降水数据空间分辨
               三江源流域)上原始 TRMM 数据及两种降尺度模型
                                                                 率从 0. 25°×0. 25°提升至 1 km×1 km。并以地面站
               的降水量, 得到干旱年与湿润年降水剖面图(图 6)。
                                                                 点数据为依据, 对降尺度结果进行精度验证。所得
               TRMM原始数据空间分辨率过低, 单个栅格覆盖范
               围广, 导致数据量较少, 因此降水剖面线上降水数                          具体结论如下:
               据稀缺, 难以详细刻画流域降水分布特征。降尺度                              (1)  Geodetector 在月、 季、 年尺度下的因子探
               模型得到的降水数据分辨率大幅提升, 更好地体现                           测和交互探测结果表明: AET、 NDVI、 WS、 TCC、
               了降水空间分布特征。干旱年与湿润年降水量差                             LST、 DEM 及 Slope 7 个环境因子对三江源流域的
               异明显, 但降水格局却有一定的一致性, 自西向东                          降水空间分布有较大的直接影响及交互影响。选
               降水量逐步增多, 降水主要集中在低海拔区, 高海                          取上述七种环境变量能够充分表达三江源流域降
   226   227   228   229   230   231   232   233   234   235   236