Orginal Article

An Analysis on the Spatio-temporal Variability of Precipitation in Dianchi Basin

  • LIU Jiaxu , 1, 2 ,
  • LI Lijuan , 1, * ,
  • LI Jiuyi 1 ,
  • WANG Zhiyong 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
  • 2. University of CAS, Beijing 100049, China
*Corresponding author: LI Lijuan, E-mail:

Received date: 2014-09-26

  Request revised date: 2014-11-14

  Online published: 2015-04-10

Copyright

《地球信息科学学报》编辑部 所有

Abstract

Precipitation is one of the most important factors of climate, and the analysis of spatio-temporal variability of precipitation is a primary way to understand the formation and development of regional water resources. Furthermore, the trend of the spatio-temporal variability of precipitation directly affects the structure, service function and spatial distribution of various ecosystems. Based on the monthly precipitation data from 1953 to 1987 and from 2007 to 2012, using regression analysis, anomaly, spatial autocorrelation, Mann-Kendall test, Co-kriging interpolation considering the influence of elevation (DEM), and cross-validation, we conducted an analysis on the spatial and temporal variability of precipitation in Dianchi basin. The results are stated in the following sections: (1) from 1953 to 1987, the precipitation tends to increase in spring, autumn and winter, but decrease in summer; from 2007 to 2012, however, the precipitation tends to decrease in all seasons except in autumn. (2) An increasing trend was discovered in the annual precipitation (11.12mm/10a) during the 35 years, and it generally revealed a fluctuation pattern of “down-up-down”; however, a downward trend of precipitation is significant from 2007 to 2012. (3) The indices of Moran’s I are negative during the 35 years, which reveals a main negative correlation that is different from the period of 2007 to 2012. The analysis of LISA shows that the spatial heterogeneity tends to change with respect to the geographical location and time. (4) The spatial distribution of annual rainfall is similar to the rainfall during the rainy season, which is a cross-distribution indicated by two high-value and two low-value areas. In addition, the spatial extent of heavy rain events is decreasing, and the spatial extent of light rain events is increasing.

Cite this article

LIU Jiaxu , LI Lijuan , LI Jiuyi , WANG Zhiyong . An Analysis on the Spatio-temporal Variability of Precipitation in Dianchi Basin[J]. Journal of Geo-information Science, 2015 , 17(4) : 451 -461 . DOI: 10.3724/SP.J.1047.2015.00451

1 引言

降水条件的变化不仅会导致生态系统空间结构发生变化,还会影响到人类社会经济系统的格局,伴随气候变化的加剧和异常降水事件频发,对人类发展和生态稳定将会造成更大的影响[1]。降水作为最重要的气候要素,其时空变异特征直接影响着下垫面生态系统的分布、组成及功能等特性,例如,降水通过影响植被光合、呼吸作用和土壤有机质分解过程,进而对其碳循环过程进行影响,导致陆地生态系统格局发生变化[2-4]。因此,对降水时空变异特性进行研究,不仅可提高抗旱和防洪减灾能力,为提高生态系统结构稳定性做贡献,还能够为人类社会经济发展格局的布局、建设提供决策支持。
许多学者已对降水的时空变异特征进行研究,李丽娟等[5]运用地质统计学的普通Kriging法对无定河流域67个雨量站数据进行了差值分析及空间变异研究;叶长青等[6]利用反距离加权插值法对红河流域降水量和降水倾向率进行插值与分类处理,实现了气候趋势特征指数的空间化处理;王中根等[7]利用Copula连接函数,对海河流域39个气象站点的近50 a长系列降水数据进行分析,揭示海河流域内部降水丰枯遭遇情况;郑祚芳等[8]对北京地区20个测站降水资料和城市发展数据进行分析,得出降水的大尺度变化趋势及局地降水的城市效应特征;史婷婷等[9]针对多数气象站点较稀疏且分布不均的特点,利用TRMM卫星数据采用贝叶斯最大熵(BME)方法,对福建省降水的时空格局进行分析。上述对降水空间变异特征从不同方面进行了研究,但都没有考虑地形、地势因素对降水空间分布的影响。而在滇池流域,对降水的时空特征研究相对较少,王冰、刘定存[10]利用1955-1969年绕滇池的9个站点雨量数据,对昆明地区雨季和旱季降水量分布进行分析;姚平等[11]采用1961-2002年5个站点的气象资料对滇池流域气候特征进行统计分析;谢波等[12]利用1953-2000年1个站点的气象数据、3个站点的水文数据,依据Granger分析方法检验流域降水与径流的因果关系。空间分析研究是对事物进行认知、理解和评价的重要方法与手段[13-14]。目前,对滇池流域降水的时空变化特征还没有一个全面、详细的研究,本文针对上述站点数量和时间序列长度不足等问题,开展滇池流域降水时空变化研究。
文中搜集滇池流域及周边1953-1987年间10个站点和2007-2012年间26个站点的降水数据,依次对季、年尺度降水变化特征进行分析;对各站点的空间相关性进行研究,并结合DEM对流域降水量进行Co-kriging插值,对比分析流域降水的空间分布特征,以期为流域工农业发展、规划布局提供支撑。

2 研究区地理背景与数据

(1)滇池流域(24°28'~25°28'N,102°30'~103°00'E)位于云贵高原中部,属于亚热带高原季风气候,地处金沙江、红河和珠江三大水系分水岭地带,流域面积为2920 km2,滇池流域南北长约114 km,东西平均宽约25.6 km,地势由北向南逐渐降低。滇池是滇池流域主要的水域组成部分,属长江水系内陆高原湖泊,是云贵高原最大的淡水湖泊,水面面积约309.5 km2(1887.4 m水位),其中,草海10.3 km2,外海289.2 km2 [15];湖区平均水深5.5 m,最大深度10 m,属浅水湖泊。滇池流域多年平均降雨量为874 mm,多年平均降水总量25.52亿m3,滇池多年平均入湖径流量9.74亿m3,多年平均湖面蒸发水量4.44亿 m3,多年平均径流量扣减湖面蒸发量后实有水资源量为5.3亿m3 [16];人均水资源量不足300 m3,远低于全国(2100 m3)和云南省人均水平(3627 m3,“2012年云南省水资源公报”),是我国水资源匮乏严重的地区之一。流域涉及五华、盘龙、官渡、西山、呈贡、晋宁、嵩明7个区(县),如图1所示。
Fig. 1 Terrain map of Dianchi basin

图1 滇池流域地形图

(2)滇池流域降水资料由水文年鉴“长江流域水文资料-金沙江区”中摘录,考虑到系列的连续性、代表性和时间序列的统一性,选择了流域内外8个站1953-1987年间共35年逐月降水数据。此外,为了提高插值的准确度,选择1981-1987年间19个站点数据,其中,2个为流域周边的国家监测站——宜良站和玉溪站,数据资料由“中国气象科学数据共享服务网(http://cdc.cma.gov.cn/home.do)”下载。2007-2012年间数据除上述2个来源外,还包括课题(国家科技重大专项)提供的部分气象站点数据,DEM数据由地理空间数据云(http://www.gscloud.cn/)下载。

3 流域降水时空特征分析方法

3.1 距平方法

距平是用于表示变量偏离正常情况的量,一组数据中的yi与其均值 y ̅ 之间的差就是距平(即yi - y ̅ ),数据变量系列y1,y2,…yn,与其均值的差就构成了新的距平序列y1 - y ̅ ,y2 - y ̅ ,…yn - y ̅ 。在气候诊断分析中,常用距平序列代替气候变量本身的观测数据,这样处理会给分析带来便利,使计算结果更加直观。
此外,累积距平也是一种常用的、由曲线图形直观判断变化趋势的方法。对于序列y在时刻t的累积距平可表示为:
y ^ t = i = 1 n ( y i - y ̅ ) ( t = 1,2 , , n ) (1)
累积距平曲线可直观地看出该系列的起伏变化情况,有助于判断其长期、显著、持续的趋势性变化,甚至还能够诊断出发生突变的大致时间[17]

3.2 Mann Kendall方法(M-K法)

该方法是一种非参数统计检验法。最初由Mann[18]提出,经由Sneyers[19]和Goossens[20]进一步完善,可用于测定变化趋势的起始位置。M-K法因其检测范围宽、定量化程度高而富有生命力,是世界气象组织(WMO)推荐应用于环境数据时间序列趋势分析的方法[21-22]
原假设H0:在气候序列没有变化(平稳)的情况下,且这一序列是随机独立的,其概率分布等同;设此序列为x1,x2,…,xn;令mi'表示第i个样本xi大于xj(1≤ji)的累计数,并定义统计量dk'为:
d k ' = i = 1 k m i ' (2)
在原假定条件下,dk'的均值、方差分别为:
E [ d k ' ] = k ( k - 1 ) / 4 (3)
Var [ d k ] = k ( k - 1 ) ( 2 k + 5 ) / 72 ( 2 k n ) (4)
dk'标准化,
u d k ' = d k - E [ d k ' ] Var [ d k ' ] (5)
式(5)中,u(dk')为标准正态分布,其概率α1=prob(|u|>|u(dk')|)可通过查表获得。当给定显著性水平α0,当α10时,接受原假设H0;反之,拒绝原假设,表示此序列存在一个强的增长或减少趋势。
再将时间序列数据顺序颠倒,得到一个反向序列xn,xn-1,…x2,x1;用同样的方法进行检验;则反序列的 u ̅ (di)为:
u ̅ ( di ) = - u d i ' (6)
所有udk)(1≤kn)组成曲线Uf, u ̅ (di)(1≤kn)组成曲线Ub;当曲线Uf超过信度线,即表示存在明显的变化趋势,若曲线UfUb的交叉点位于信度线之间,这点便是突变点的开始。文中α取0.05,对应的信度值为±1.96[23-24]

3.3 空间相关性度量

空间相关性是指分布于不同空间位置的地理事物其某一属性值之间的统计相关关系,一般距离越近的两值之间相关性越大。空间相关性可由空间自相关系数来度量,检验空间事物的某属性值是否存在高高(低低)或高低交错分布情况。常用的指标为Moran's I统计,Getis G和Geary's C比值,以及以距离阈值范围的乘法测度[25-28]
为研究降水量的空间分布特征,需对降水量的空间自相关性进行分析。文中选用Moran's I统计来分析降水量的空间自相关性。
(1)全局Moran's I 统计:用于衡量相邻空间要素的相互关系,其值处于[-1,1]之间。大于0时,表明存在空间正相关,反之为负相关;等于零时,则表明不存在空间相关性,即空间随机分布。其计算如式(7)所示。
I = n i = 1 n j = 1 n w ij x i - x ̅ ( x j - x ̅ ) ( i = 1 n j = 1 n w ij ) i = 1 n x i - x ̅ 2 (7)
式中,n为变量数目;xixj分别为变量在空间ij点位置的属性值; x ̅ 为变量x的平均值;wij为变量在空间ij两点之间的连接关系,通常为对称矩阵,可由面积、距离、可达度等方法来确定,且wii=0。
该方法首先假设空间变量之间没有相关性,然后利用Z-score得分检验来验证原假设是否成立。其表达式为:
Z = I - E ( I ) var ( I ) (8)
若|Z|>1.96,则表明在95%的概率下,变量之间存在着空间自相关性。
(2)局域Moran's I统计(LISA):
该方法用于探索局域空间是否存在空间自相关,对于空间的任何一个分布对象有:
I i = x i - x ̅ S 2 j n w ij x i - x ̅ (9)
式(9)中,S 2xi的离散方差,其余参数意义同前Z检验同式(8)。

4 降水量时空变化特征分析

4.1 时间变化特征

结合各雨量站坐标位置,利用ArcGIS 10.1创建各站点控制面积范围-泰森多边形法[29],并用各雨量站的控制面积与整个流域面积的比值作为计算流域综合降水量的权重值。
4.1.1 季节变化特征
自1953年以来的35年间,滇池流域春(3-5月)、夏(6-8月)、秋(9-11月)、冬(12-翌年2月)4个季节的气候倾向率分别为8.36 mm/10a,-2.34 mm/10a,0.75 mm/10a和3.00 mm/10a。由图2可见,该流域春、秋和冬季降水量有升高趋势,且春季降水量增加明显,唯有夏季降水量有减少趋势。多年平均四季降水贡献率依次为12.64%、58.76%、24.69%和3.91%,其中,夏季降水量所占比例最大,冬季最小;雨季(6-9月)降水量达674.55 mm,占年降水量的71.20%。
Fig. 2 Time series of precipitation and climate tendency rate in each season

图2 不同季节降水量与气候倾向率

2007-2012年,各季节气候倾向率变幅较大,增减不一;春、夏、冬季呈减少趋势,秋季为增加趋势。春、夏、冬季流域降水减少明显,气候倾向率数值大于秋季。多年平均4季降水贡献率依次为14.93%、59.58%、21.12%和4.38%,其中,夏季降水量所占比例最大,冬季最小;雨季(6-9月)降水量达536.60 mm,占年降水量的70.96%,比前期有所下降。
2个时间段中,各季节降水占年降水量的比例大致相当,没有明显变化(3%以内);但是二者雨季降水量却相差137.95 mm(约占长系列雨季降水量的1/6,短系列的1/4)。这表明滇池流域降水的季节分配极不均匀,且近期降水量有明显减少趋势。
图3可看出,各季节降水量没有通过显著性检验(α=0.05),即无显著的增加或减少趋势。结合滑动平均曲线(图2)、M-K检验(图3)及降水量累计距平(图4)可看出,春季降水量在1953-1969年间持续减少,降水量最小值(15.20 mm)出现于1963年,1969年累计距平达到最小值(-308.25 mm);1970-1974年间降水量逐渐增加,1975-1982年间出现降水量减少趋势,之后又上升,并于1985年降水量达到最大267.89 mm;由此可知,春季降水量大致经历了“减少-增加-减少-增加”的过程;在1969年之前,降水量多处于平均值以下,1970年之后,降水量主体呈现大于平均值态势,但1979-1983年间又出现局部小于平均值情况。夏季降水量增减趋势并不明显,局部波动较为频繁,主要可以分为2个时期:降水量稳定时期(1953-1974年),降水量缓慢减少时期(1975-1987年);夏季降水量最小值(321.23 mm)和最大值(781.30 mm)出现年份分别为1986年和1987年。秋季降水量趋势主要为减少(1953-1960年)-增加(1961-1968年)-减少(1969-1980年)-增加(1981-1987年)过程;该季节降水量最小值(138.17 mm)和最大值(374.39 mm)发生年份分别为1978年和1968年。冬季降水量明显小于其他季节,整体具有缓慢上升趋势,相对稳定;累计距平的波动情况也比较缓和,局部波动频繁,在1980-1985年波动较为剧烈;降水最大值为141.50 mm(1983年),最小值为4.41 mm(1974年)。2007-2012年间,由于时间系列较短,规律并不复杂,主要表现为:春季降水量逐年减少,夏季减少剧烈,秋季波动较大、总体增加,冬季相对平稳、变化不大。
Fig. 3 The M-K test figures from 1953 to 1987

图3 1953-1987年间M-K检验

Fig. 4 Accumulative anomaly curves of precipitation in each season

图4 各季节降水量累计距平曲线

4.1.2 年变化特征
流域降水量在1953-1987年间呈现增加趋势,气候倾向率为11.12 mm/10a,降水量最大值为1204.13 mm(1983年),最小值为695.90 mm(1987年),二者的极值差为508.23 mm,占据多年平均降水量(951.48 mm)的53.41%;可见,该流域降水量年际间变化较大。从滑动平均曲线和累计距平曲线可以看出,该区历年降水量有一定的趋势性:1953-1963年间呈现下降趋势,1964-1974年间呈现上升趋势,1975年之后又转而下降,总体呈现下降-上升-下降趋势;由距平和累计距平曲线可看出,在1963年之前,流域降水都处于多年平均降水量水平以下,为枯水期;在1964-1979年间,降水量都大于多年平均值,为丰水期;1980年之后,降水量少于多年平均值,又转为枯水期;总体经历了“枯水期-丰水期-枯水期”过程。
雨季降水量在1953-1987年间呈现增加趋势,气候倾向率为2.32 mm/10a,降水量最大值为925.76 mm(1966年),最小值为458.49 mm(1953年),极值比为2.02,二者的极差值为467.27 mm,占雨季多年平均降水量(674.55 mm)的69.27%;可见,该流域雨季降水量年际间变化较为剧烈。从图5可看出,该区历年雨季降水量相对平稳:1953-1968年间呈现缓慢上升趋势,1969-1987年间呈现缓慢下降趋势,总体呈现上升-下降趋势;由距平和累计距平曲线可以看出,在1964年以前,降水都处于多年平均降水量水平以下;在1965-1974年间,降水量大于多年平均值;1975年之后,降水量又转为少于多年平均值;雨季降水总体经历了“少-多-少”过程。
Fig. 5 Characteristic curves of precipitation for annual and rainy season

图5 年和雨季降水特征曲线

2007-2012年,流域降水量呈显著的锯齿状减少趋势,在2011年达到最小值(556.37 mm),最大值发生于2008年(948.92 mm),二者相差392.55 mm(小于35年系列极差)。但是,该系列最大、最小值都小于35年系列极值,在2011年昆明地区发生大旱,该年降水量为35年和6年系列中最小值,可能与全球气候变暖,导致降水极端事件发生频率变大有关。雨季降水量也呈锯齿状减少趋势,最小值发生于2011年(384.67 mm),最大值发生于2007年(688.91 mm),极值差为304.24 mm(小于35年系列),极值比达1.79(小于35年系列)。对比分析可见,短系列降水量小于长系列,可能为枯水期,降水极差、极值比也都小于长系列,但依然可表明该流域雨季降水量年际间变化较为剧烈。

4.2 空间变化特征

4.2.1 空间相关性分析
利用OpenGeoDa软件对滇池流域不同时间序列的四季、雨季及年均降水量进行了全局Moran's I统计计算(表1);在1953-1987年间,各时间段Moran's I指数都为负值,表明该区域降水量主要呈现负相关性,运用random permutation检验计算Z值,结果显示均没有通过95%概率下(|Z|>1.96)检验[30-31],因此,该流域1953-1987年间降水量没有该概率下统计意义上的空间相关性,这可能和站点数目太少(8个站点)有关系,还需进一步探索。在2007-2012年间,各时间段Moran's I指数都为正值,表明在新时段内区域降水量主要呈现正相关性,并且春、秋、雨季和年均值的Z值都通过了显著性检验(春季和冬季除外),至少可以说明在2007-2012年间春、秋、雨季和年均值的降水量都具有统计意义上的正相关性,与1953-1987年间存在明显不同.因此,有必要对不同时段各站点空间关联性和异质性进行对比分析。
Tab. 1 Statistics of universal Moran's I

表1 全局Moran's I统计表

时段 指标 春季 夏季 秋季 冬季 雨季 年均值
1953-1987 Moran's I -0.232 -0.191 -0.167 -0.187 -0.212 -0.223
Z值 -0.580 -0.267 0.009 -0.329 -0.734 -0.741
2007-2012 Moran's I 0.023 0.536 0.287 0.120 0.552 0.438
Z值 0.605 5.801 3.266 1.099 4.979 5.592
为进一步认识各站点与其周边雨量站降水量的空间关联性和空间异质性,本文采用局部Moran's I统计(又称LISA)对其进行分析[32-33],可视化其局部差异,分析其空间格局,并进行显著性检验(图6)。
Fig. 6 The LISA analysis schematic of annual and rainy season precipitations

图6 雨季和年均值的LISA值分析

十字形代表没有通过显著性水平为P=0.05的检验(|Z|>1.96),表示该站点的降水量值与周边的降水量值不具有显著的相关性(not significant);三角形和正方形代表具有显著的正向局域空间自相关,表示该站点观测值与周围站点观测值十分接近,称为空间聚集。其中,三角形代表该点雨量与周边站点雨量都大于研究区站点雨量均值,称之为“高-高”;正方形代表含义正与三角形相反,称之为“低-低”;若站点间观测值呈现负向局域空间自相关,即该点观测值与周边站点值差异很大,称为“空间例外”,用五角形代表该站点值显著低于周边站点值,具有显著的空间差异性,称为“低-高”;用圆形代表该站点值显著高于周边站点值,称为“高-低”[34]
从LISA统计图情况来看,空间自相关性随地理位置不同呈现空间异质性;雨季平均降水量与年均降水量分异规律基本相同。1953-1987年,蔡家村(西部)、海口(南部)、甸尾(北部)站为“低-高”,中部地区(滇池北部)多表现为“高-高”情况,说明在雨季降水多集中于流域中部(滇池东北方向)。2007-2012年,流域北部的嵩明县境内多为“高-高”情况,滇池北部多数为不显著(降水分布较为随机),滇池东北部的宝象河水库附近表现为“低-低”,滇池正东部表现为“低-高”,滇池南部晋宁县境内多为“低-低”。经对比分析,北部嵩明县境内由“低-高”转变为“高-高”情况,中部地区由“高-高”转变为近随机分布;东部和南部由于新数据补充,可以辨别出空间差异。
4.2.2 空间分布特征分析
高程是降水空间插值的重要影响因素[35],本文利用ArcGIS 10.1软件,采用插值精度较高、且可以考虑高程[36-37]因素影响的协同克里金(Co-Kriging)法对流域降水量进行插值分析,之后选用交叉验证法(Cross Validation)对插值结果进行评估[38]
鉴于上述长系列数据数量有限,而提高插值精度须多站点且均匀分布,故选择1981-1987年间19个站点数据与2007-2012年间26个站点数据,分别进行雨季和年均值的插值分析(图7)。由表2可见,筛选模型的标准平均值接近于0,平均标准误差与均方根相接近,标准均方根接近于1,表明所选择的克里金模型较优,精度较高[39]
Fig. 7 Rainfall map in Dianchi basin obtained by interpolation of Co-kriging

图7 滇池流域Co-kriging雨量插值图

Tab. 2 Characteristic value of Co-kriging model

表2 Co-kriging模型特征值

时段 指标 平均值 均方根 标准平均值 标准均方根 平均标准误差
1981-1987 年平均值 1.20 134.1 -0.01563 1.1416 129.2
1981-1987 雨季均值 -0.83 117.3 -0.05498 1.2274 110.7
2007-2012 年平均值 -0.34 108.3 -0.03382 1.2911 87.8
2007-2012 雨季均值 -0.57 82.6 -0.03380 1.2485 71.0
滇池流域年均降水量与雨季降水量的空间分布特征基本相似。1981-1987年,主要表现为降水高值区和低值区对顶分布;在流域西部五华区三家村地带及呈贡县梁王山地区形成局部降水高值区,官渡区东北部和晋宁县大部为降水低值区,流域正北部嵩明县主要呈现为中等偏低水平,滇池湖面北部降水量略高于南部,流域中部地区降水量处于平均水平;2007-2012年,高值区仍然在三家村和梁王山区域,该两站都呈“高-低”分布(图6),两结果可得到相互印证;但是高值范围比长系列有所减少,低值区范围相应有所扩大,主要分布在晋宁县(“低-低”)和呈贡区(“低-高”),北部嵩明县降水量较为均匀,处于中等水平。对于整个流域而言,降水量并没有一个整体变化趋势,而是形成2个高值区、2个低值区,表明该流域降水量受局地气候影响较大,空间分布情态较为复杂。通过对比分析,其分布主体格局无明显变化,但降水高值地区范围有所缩减,低值地区范围扩大明显,整体降水有所减少。
该流域地处西南季风区,以西南风为主导风向[40],水汽主要来自印度洋暖湿洋面和滇池水面,梁王山地区为流域东侧最高海拔区域,且地形坡度较大,水汽途径此区攀升急剧,导致水汽迅速降温、凝结、成雨。由于昆明市区位于滇池正北部,城市热岛效应明显[41],并且建成区地形凸起明显,对西南风具有一定阻抗作用,可能会将携有水汽的风阻滞吹响三家村地区,且滇池北部具有良好的水汽条件,因此,形成了梁王山地区和三家村地区降水高值区。宝象河、大板桥地区地形明显低于周边,利于水汽通过,难于形成降水,而南部晋宁县地区虽然地势稍高,但处于背风坡位置,水汽越过迎风坡后残留水汽有限,不利用产生降水,因此宝象河、大板桥地区和晋宁县两地为降水低值区。流域北部为高山-丘陵地区,水汽经过昆明市区后,被进一步抬升,并且嵩明县为农业大县,无热岛效应,利于水汽降温、凝结为雨,但携带水汽有限,故成为降水中值区域。

5 结论

(1)1953-1987年,该流域春、秋和冬季降水量有升高趋势,唯有夏季降水量有减少趋势。但各季节降水量无显著的增加或减少趋势(未通过M-K显著性检验);通过滑动平均、M-K检验及累计距平3种方法的分析,春季降水量大致经历了“减少-增加-减少-增加”过程;夏季降水量变化主要可以分为2个时期:降水量稳定时期(1953-1974年),降水量缓慢减少时期(1975-1987年)。秋季降水量趋势主要为减少(1953-1960年)-增加(1961-1968年)-减少(1969-1980年)-增加(1981-1987年)过程;冬季降水量明显小于其他季节,整体具有缓慢上升趋势,相对稳定。2007-2012年,春、夏、冬季呈减少趋势,秋季为增加趋势。且春、夏、冬季降水减少明显。在2个时段中,滇池流域降水的季节分配极不均匀,且不均匀性随时间保持稳定;此外,近期降水量有明显减少趋势。
(2)年降水量呈现增加趋势(11.12 mm/10a),年降水量极值差为508.23 mm,占多年平均降水量(951.48 mm)的53.41%;通过滑动平均和累计距平法分析,总体呈现下降(1953-1963年)-上升(1964-1974年)-下降(1975-1987年)趋势;并经历了枯水期(1953-1963年)-丰水期(1964-1979年)-枯水期(1980-1987年)过程。2007-2012年,流域降水量呈显著的锯齿状减少趋势,在2011年昆明地区发生大旱,该年降水量为35年和6年系列中最小值,可能与全球气候变暖,导致降水极端事件发生频率变大有关。对比分析可见,短系列可能为枯水期,雨季降水量年际间变化较为剧烈。
(3)通过全局Moran's I统计分析可知:1953-1987年,流域8个站点降水量没有95%概率下统计意义上的空间相关性,主要呈现负相关性。2007-2012年,各时间段降水量主要呈现正相关性,在春、秋、雨季和年均值的降水量都具有统计意义上的正相关性,与1953-1987年存在明显不同。雨季平均降水量与年均降水量分异规律基本相同;自1953-1987年到2007-2012年,北部嵩明县境内由“低-高”转变为“高-高”情况,中部地区由“高-高”转变为近随机分布;东部和南部由于新数据补充,可以辨别出空间差异。
(4)流域年均降水量与雨季降水量的空间分布特征基本相似,2个降水高值区和2个低值区呈对顶分布:1981-1987年间,在五华区地带及呈贡县梁王山地区形成2个NNW-SSE方向上的局部降水高值区,官渡区东北部和晋宁县大部为形成2个NNE-SSW方向上的降水低值区,嵩明县主要呈现为中等偏低水平,滇池湖面北部降水量略高于南部,流域中部地区降水量处于平均水平。2007-2012年,降水量的高值范围有所减少,低值区范围相应有所扩大。该流域降水量受局地气候、地形、风向等因素影响较大,空间分布情态较为复杂,整个流域的降水量并没有一个整体变化趋势。
(5)本文利用多种方法分析了滇池流域长、短降水系列的趋势和空间分布特征,并分别从时间和空间角度对比了2个系列的降水特性;但也有所不足,若能够结合站点水汽通量观测数据对降水分布进行分析,则能定量地深入揭示降水分布原因。此外,降水不仅受到地形、风向、水汽条件影响,还与风速、下垫面等众多因素有关,对于其内在量化的机理性研究,还有待深入探讨。

The authors have declared that no competing interests exist.

[1]
Dobson A P, Bradshaw A D, Baker A J M. Hopes for the future: Restoration ecology and conservation biology[J]. Science, 1997,277(5325):515-522.

[2]
Houghton R A,Hackler J L,Lawrence K T.The US carbon budget: Contributions from land-use change[J]. Science, 1999,285(5427):574-578.

[3]
Houghton R A,Skole D L,Nobre C A,et al.Annual fluxes or carbon from deforestation and regrowth in the Brazilian Amazon[J]. Nature, 2000,403(6767):301-304.

[4]
Gao Z,Liu J,Cao M,et al.Impacts of land use and climate change on regional net primary productivity[J]. Acta Geographica Sinica (Chinese edition), 2004,59(4):581-591.

[5]
李丽娟,王娟,李海滨.无定河流域降雨量空间变异性研究[J].地理研究,2002,21(4):434-440.

[6]
叶长青,甘淑,李运刚. 红河流域降水量的时空变异特征[J].云南大学学报(自然科学版), 2008(1):54-60.

[7]
王中根,罗燏辀,吴梦莹,等.近50a海河流域降水丰枯遭遇分析[J].自然资源学报,2013,28(10):1685-1693.

[8]
郑祚芳,高华,王在文,等.北京地区降水空间分布及城市效应分析[J].高原气象,2014,33(2):522-529.

[9]
史婷婷,杨晓梅,张涛,等.基于TRMM数据的福建省降水时空格局BME插值分析[J].地球信息科学学报,2014,16(3):470-481.

[10]
王冰,刘定存.滇池对昆明地区降水分布的影响[J].云南大学学报(自然科学版),1989,11(2):169-174.

[11]
姚平,赵付竹,夏红云.滇池流域气候特征研究[J].环境科学导刊,2009,28(增刊):8-10.

[12]
谢波,周云,顾世祥,等. 滇池流域气候变化及与水资源利用的关系[J]. 中国农村水利水电,2010(7):9-13.

[13]
王劲峰,李连发,葛咏,等.地理信息空间分析的理论体系探讨[J].地理学报,2000,55(1):92-103.

[14]
Chang K.Introduction to geographic information systems[M]. New York: McGraw-Hill, 2010.

[15]
高伟,周丰,郭怀成,等.滇池流域高分辨率氮、磷排放清单[J].环境科学学报,2013,33(1):240-250.

[16]
刘忠翰,王海玲,彭江燕,等.滇池河流降雨径流资源利用的技术途径[J].自然资源学报,2005,20(5):780-789.

[17]
刘昌明,郑红星.黄河流域水循环要素变化趋势分析[J].自然资源学报,2003,18(2):129-135.

[18]
Mann H B.Nonparametric tests against trend[J]. Econometrica: Journal of the Econometric Society, 1945,13(3):245-259.

[19]
Sneyers R.Sur l'analyse statistique des séries d'observations[M]. Geneva: Secrétariat de l'Organisation Météorologique Mondiale, 1975.

[20]
Goossens C,Berger A.How to recognize an abrupt climatic change?[M].Abrupt Climatic Change. Dordrecht: Springer Netherlands, 1987:31-45.

[21]
Yu P S,Yang T C,Wu C K.Impact of climate change on water resources in southern Taiwan[J]. Journal of Hydrology, 2002,260(1):161-175.

[22]
Liu C,Zheng H.Changes in components of the hydrological cycle in the Yellow River basin during the second half of the 20th century[J]. Hydrological Processes, 2004,18(12):2337-2345.

[23]
孙永亮,李小雁,汤佳,等.青海湖流域气候变化及其水文效应[J].资源科学,2008,30(3):354-362.

[24]
杨东,刘洪敏,郭盼盼,等.1956-2008辽宁省近53年的降水量变化[J].干旱区资源与环境,2011,25(1):96-101.

[25]
Sawada M. Global Spatial Autocorrelation indices - Moran's I,Geary's C and the General Cross-Product Statistic[EB/OL]. 2009-11-23.

[26]
王劲峰,廖一兰,刘鑫.空间数据分析教程[M].北京:科学出版社,2010:101-107.

[27]
胡庆芳,杨大文,王银堂,等.利用全局与局部相关函数分析流域降水空间变异性[J].清华大学学报(自然科学版),2012,25(6):778-784.

[28]
姜丽光,姚治君,魏义长,等.河南省雨季降水时空变异特征分析[J].地球信息科学学报,2013,15(3):395-400.

[29]
朱求安,张万昌,赵登忠.基于PRISM和泰森多边形的地形要素日降水量空间插值研究[J].地理科学,2005,25(2):233-238.

[30]
Anselin L. Exploring spatial data with GeoDa TM: A workbook[J/OL]. Urbana, 2004, 51: 61801.

[31]
Anselin L, Syabri I, Kho Y.GeoDa: An introduction to spatial data analysis[J]. Geographical analysis, 2006,38(1):5-22.

[32]
Anselin L.Local indicators of spatial association-LISA[J]. Geographical analysis, 1995,27(2):93-115.

[33]
Sawada M. Global Spatial Autocorrelation indices-Moran's I, Geary's C and the General Cross-Product Statistic[EB/OL]. Laboratory of Paleoclimatology and Climatology, Department of Geography, University of Ottawa, 2001. Available: 2009-11-23.

[34]
孟斌,张景秋,王劲峰,等.空间分析方法在房地产市场研究中的应用——以北京市为例[J].地理研究,2005,24(6):956-964,1004.

[35]
Daly C, Helmer E H, Quiñones M.Mapping the climate of Puerto Rico, Vieques and Culebra[J]. International Journal of Climatology, 2003,23(11):1359-1381.

[36]
何红艳,郭志华,肖文发.降水空间插值技术的研究进展[J].生态学杂志,2005,24(10):1187-1191.

[37]
Goovaerts P.Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall[J]. Journal of hydrology, 2000,228(1):113-129.

[38]
Konovalov D A,Llewellyn L E,Vander Heyden Y,et al.Robust cross-validation of linear regression QSAR models[J]. Journal of chemical information and modeling, 2008,48(10):2081-2094.

[39]
汤国安,杨昕.ArcGIS地理信息系统空间分析实验教程[M].北京:科学出版社,2006.

[40]
易琦,陈玉姝.昆明城市布局与风象的关系及问题研究[J].云南地理环境研究,2000,12(2):51-58.

[41]
何云玲,张一平,刘玉洪,等.昆明城市气候水平空间分布特征[J].地理科学,2002,22(6):724-729.

Outlines

/