基于现代统计方法的人工增雨效果评估研究

来源: 未知 作者:paper 发布时间: 2020-05-19 16:30
论文地区:中国 论文语言:中文 论文类型:工程硕士
目前,播云增雨技术已被广泛应用于解决水资源短缺的问题中,但仍然缺乏令人信 服的科学证据来证明人工增雨的效果。因此,如何科学合理地检验评估人工增雨的催化 效果成为一个
中文摘要
目前,播云增雨技术已被广泛应用于解决水资源短缺的问题中,但仍然缺乏令人信 服的科学证据来证明人工增雨的效果。因此,如何科学合理地检验评估人工增雨的催化 效果成为一个亟待解决的问题。本研究基于现代统计方法、人工增雨作业资料及大尺度 气象资料,以吉林省4-7月份人工增雨效果为研究对象,主要研究内容如下:
第一章介绍人工增雨效果评估的研究背景和研究现状,主要从统计检验方案设计、 降水的区域化和自然降水量的估计三个方面进行描述,并阐述了本文的研究内容和创新 点。
第二章利用降尺度方法分析了吉林省4-7月份降水的时空特征及其与大气环流的关 系,研究了影响降水的大尺度气象变量及其影响机制。结果表明,吉林省4-7月份降水 时空分布极为不均,夏季降水偏多而春季常出现干旱情况,空间分布上受地势影响严重。 吉林省春夏降水情况多取决于中低空水汽含量,受遥相关型影响微弱。此外,与春季相 比,夏季降水受到经向水汽输送和垂直水汽输送的影响增大。
第三章基于第二章中分析的降水影响机制,引入大尺度气象变量,采用自组织映射 方法(SOM)对吉林省的降水特征进行区域划分,然后利用基于L矩比的异质性度量检 验划分区域的同质性并对区域做出调整。根据区域化结果,结合人工增雨作业资料和盛 行风分析,确定了吉林省的人工增雨主要目标区和相应的对比区。
第四章利用显著影响降水的大尺度气象变量和遥相关型影响因子、对比区降水以及 地面降水属性,基于广义线性模型框架分别构建降水发生模型和降水量模型,模拟吉林 省人工增雨作业主要目标区的自然降水量。模型考虑了吉林省较为干旱的实际情况和整 个区域内站点间的依赖性,较好地捕捉了弱降水情况下各站点的实际降水情况,对于提 高人工增雨效果评估的准确性具有重要意义。吉林省人工增雨作业期间的效果检验评估 结果表明,人工增雨作业的效果依赖目标区自身降水情况,要提高人工增雨效果,必须 对云水条件、降水潜力、云的可播性等方面进行深入研究。
第五章总结了本文的主要结论,并提出对本研究未来的展望。
第一章绪论
1.1研究背景及意义
近几十年来,由于降水分布的不均衡性,许多国家和地区都在积极开展人工增雨试 验和业务,与此同时,播云催化效果也不时引发各界质疑,大气物理学家和统计学家正 努力就科学评价播云效果展开研究。人工增雨的理论是否可靠,设计和实施方案是否合 理,往往需要通过效果检验来验证。另一方面,科学有效的效果检验又能促进人工增雨 理论和方法的发展。Silverman⑴曾经提出,效果检验是播云计划中最重要最关键的环节 之一,世界气象组织(WMO)也多次强调效果检验⑵。随着人工增雨作业的广泛实施, 提高效果检验的科学性和有效性已经成为迫切需求,是人工增雨研究的重要组成部分之 一⑶。效果检验主要包括数值模式检验、物理检验和统计检验三大类。数值模式依赖于 对云降水物理过程以及人工催化影响机制的全面细致研究,对计算机性能、初始数据质 量和时空分辨率的要求较高⑷。然而,目前发展的一系列数值模式对实际云降水过程都 作了一定的理想化假设和简化,单独的数值模拟对人工增雨效果的定量评估尚达不到理 想的效果⑸。物理检验中的宏微观物理量变化受催化作业等众多因素影响,此外,在云 的整个生命过程中存在显著的自然起伏,这些导致物理检验必须辅以恰当的统计方法 [6'8]o因此,科学可靠的人工增雨效果检验,有必要引入现代统计分析方法的先进成果, 并将统计检验与物理检验和数值模式检验相结合。
人工增雨效果的统计检验以数理统计理论为依据,以受催化影响的地面降水量或云 中宏微观物理量为研究对象,对比研究对象的“实际值”和假设不催化而估算出来的“自 然值”,建立相应的评价指标来分析催化效果[9】。已有研究大部分选取降水量进行分析, 结论表明人工增雨作业能达到5%-45%的相对效果214]。目前,由于降水的时空分布本 身存在一定的自然起伏,人们对云降水人工催化的过程和物理机制的认识还缺乏全面系 统的了解,以及统计方法适用的局限性,导致人工增雨效果的定量评估仍然面临着很多 困难。本文基于吉林省多年的人工增雨宏观记录和全球大尺度气象资料,引入现代统计 分析方法,对降水时空分布和影响机制分析、影响区与对比区的确定、影响区自然降水 量的模拟等几个环节深入研究,改进现有人工增雨效果的统计检验方法,对于提高效果 检验的科学性和可靠性、指导催化作业方案的设计和实施,具有重要的理论价值和现实 意义。
1.2国内外研究现状及发展趋势
1.2.1统计检验方案设计
人工增雨作业根据其目的可以划分为两大类:一类是研究性试验,针对人工增雨科 学发展过程或以往的试验中所遇到的关键性科学技术问题,进行相关科学试验或验证性 研究。这类试验在作业前对催化作业及效果评估进行了严格的科学设计,其效果评价易 于被接受和认可。另一类是业务性人工增雨项目,通常有明确的业务目标,即增加降水 量,其效果检验的方案设计一般在作业后进行。
第一类人工增雨作业一般采用随机化试验方案,把符合作业条件的试验单元(即降 水区域)按照随机化规则分成两组,一组催化,一组不催化,并且互为对比。在这两组 数据单元中,除了催化这一因子以外,其他因子对降水的贡献没有系统性差别。因此, 如果在这两组数据单元中观测到降水量有明显的差异,就可以将其归因于催化作业。随 机化试验不依赖于以往的数据,而是针对适宜催化的云块、时间段和降水过程,利用随 机抽样的方式来选择是否播撒催化剂,早期的增雨试验中多用随机化试验。以色列持续 36年的人工降水试验效果卓著,被列为国际人工影响天气业界教科书一般的案例。该试 验共分为三个阶段,第一、二阶段采取随机交叉试验,分别利用平方根双比值(RDR) 和双比值(DR)来估计催化效果,第三阶段采用区域控制随机试验分别对南区和北区 进行播云试验,并结合物理分析研究了天气系统和环境气候对播云试验的效果影响 [15_17]o美国的冬季地形云播Climax I and II试验,采用单区随机试验方案,利用双样 本秩和检验进行效果检验[冈。澳大利亚著名的Tasmanian试验,选取一个目标区和三个 对比区,采用双比分析和回归分析的方法,得到了显著的增雨效果[⑼。我国早期的增雨 试验多在吉林、福建等地进行,曾光平等[20】对福建古田水库地区多年年的人工降雨试验 效果进行了总评价,三种不同统计分析方法(区域回归分析法、双比分析法和多元回归 分析法)结果均表示催化平均相对增雨在20%左右。近年来,随着云降水物理学中人工 增雨理论和技术的发展,人工增雨的随机化试验越来越重视作业前方案和评估方案的科 学设计。Manton et al.[2122]在催化作业前对澳大利亚东南部雪山增雪试验(SPERP)目标 区环境条件进行系统观测和分析,对播云试验的作业条件和起止时间进行探讨并制定可 行性实施标准,设法提高催化作业的规范性和科学性。Freud et al.[23]在以色列第四次人 工增雨试验开展前,分析了 4个雨季27种催化作业路线的备选方案,对云水条件、增 雨潜力和播撒可行性等进行研究来确定最合理的作业方案,从而降低作业的盲目性和不 可控性。美国的怀俄明人工影响天气计划(WWMPP)不仅对播云条件进行了研究,还预 先设计了随机交叉试验,建立根回归比统计量对增雪效果进行评价,取得了显著的增雪 效果㈣。
从统计理论上讲,随机化试验方案完全遵从随机抽样的原则,故检出的人工增雨定 量效果和置信度是科学可信的。但是,随机化试验通常放弃一半适合播云催化的机会, 并且需要的周期长、样本量大。相比而言,非随机化试验的统计性质不如随机化试验, 但是对试验周期和样本量要求较低,充分利用了气象业务中所有适合催化的时机,故业 务性人工增雨项目大都采用非随机化方案。非随机化试验是先对降水的时空分布作出一 些理想化假设,再利用一定的控制变量(通常为对比区的降水量)估算作业区的自然降 水量,然后与作业区的实测降水量进行对比,检验增雨效果。王维佳等©I、余芳等[26】、 段培法等[2刀选取同期目标区和对比区的降水量进行区域对比试验,对人工增雨作业效 果进行评估,均发现目标区降水量明显高于对比区。由于区域对比试验是直接以同期对 比区的自然降水量作为催化目标区区自然降水量的估计值,与目标区催化后的降水量比 较,从而得出增雨效果,其自然降水量的估计方式较为粗糙,因此,学者们更倾向于区 域历史回归试验。区域历史回归试验是将同期对比区降水量作为预报因子,对催化目标 区的自然降水量作统计推断。贾玲等闕]针对陕西省人工增雨效果,选取区域平均08— 20时雨量和作业后区域平均3h雨量作为统计变量,做区域回归分析,其中增加了月雨 日相关分析,提高了评估方案的合理性。郭宇光结合区域历史回归试验和天气系统分 类回归方案,检验聊城市连续四年的增雨作业效果,提高了效果评估的可靠性。此后, 王婉和姚展予[沏又利用区域历史回归方案评估了北京市人工增雨作业效果,并根据催化 技术状况对作业日进行了进一步分类统计分析。
1.2.2降水的区域化
在非随机化试验中,增雨目标区域不固定、范围广,同时目标区和对比区的选取都 存在着大量的人为主观因素。因此,在进行效果评估时,如何减小或消除这种人为主观 因素带来的偏倚,是非随机化试验增雨效果评估中亟待解决的一个关键的科学和技术问 题。俄罗斯科学家Koloskov et al.[31]提出了 “浮动控制法”,根据每一次催化作业的路线 和播撒催化剂的扩散形式来确定对比区,以保证对比区不受催化的影响。此后,房彬少] 和翟羽[刹在此方法的基础上进行了改进,利用聚类分析方法,对降水特征进行区域化划 分,将研究区域划分为多个子区域,当某个子区域中的站点被作为增雨目标区时,与之 相关性较高且不受催化影响的其他子区域则作为对比区,进行自然降水量的估算。这种 方法增强了对比区和目标区的相关性,提高了回归分析的灵敏度,目前被广泛应用于人 工增雨的效果评估中。
对降水进行区域化可以更好地解释一个地区的降水分布,在降水时空变化较大的地 区,降水的区域化显得更加重要[河。除了人工增雨的效果评估,降水区域化在洪水频率 分析、降水预测和降尺度分析、土地利用管理和农业规划方面也有广泛的应用[辽殉。已 有的区域化方法包括聚类分析旳,相关分析师],旋转经验正交函数分解(REOF)[39]以 及主成分分析与聚类分析相结合的方法SO】等。然而,降水区域化的大多数方法都是基于 地面观测的降水量进行分类,而忽略了影响该区域降水的气象变量的影响,这使得无法 对划分后区域的降水同质性进行独立验证。事实上,局部降水与大气环流模式密切相关, 许多气象变量对区域的降水有着重要的影响。Satyanarayana & Srinivas[41,42]提出了一种 新的区域化方法,利用影响区域降水的气象变量和各站点的位置属性作为特征进行降水 区域化,并对结果进行了同质性检验和调整。此后,Mann et al.[43]又引入了高分辨率的 大尺度格点气象变量对印度进行降水区域化划分。利用气象变量作为特征进行降水区域 化,使得划分后的降水区域的同质性能够通过地面降水得到检验和调整,改善了传统区 域划分可能导致的区域降水分布不均匀的情况。然而,目前用于区域化的气象变量大都 是根据经验和物理知识选择的,而不是通过严格的统计分析筛选,变量选择过程中的主 观性可能使得区域化的有效性受到影响。
1.2.3自然降水量的估计
人工增雨效果统计检验的关键环节是对目标区自然降水量做出合理的估算,大多数 试验中对目标区自然降水量的估算都只依赖于对比区的降水量。这类方法的前提是目标 区和对比区的自然降水量相关性在作业期和非作业期都保持不变,但这一要求基本难以 达到。为了提高统计检验的准确性和可靠性,研究者们引入物理协变量来估计作业期目 标区自然降水量,协变量主要来源为云参数、雷达参数、气象参数和模式输出数据等。 房彬卩2]引入整层大气可降水量作为控制因子,与对比区降水量一起作为协变量建立回归 方程估算目标区的自然降水量。翟羽[辺在此基础上,又加入整层冰面过饱水汽量,建立 多元线性回归方程对目标区的自然降水量进行估算。Manton et al. [44]在澳大利亚增雪试 验中引入大气稳定度的弗劳德数(Froude Number)进行目标区的自然降水量估计。引 入协变量后的模型能够更好地建立目标区与对比区的历史回归方程,但实际上,由于降 水量受到多种因素的影响,气象变量也具有多维、多尺度的特征,普通的回归方法无法 解释降水与它们之间的非线性关系。为了更好的模拟自然降水量,蒙特卡罗方法[Q、贝 叶斯方法[46旳和随机森林算法[徊等已陆续被应用于人工影响天气的效果评估中,并取得 较好的认可度。此外,EOF分析[49]、BP典型相关分析[50,51]、支持向量机[52]等数据挖掘 方法和地统计学阿、自组织神经网络方法网、广义可加模型阿、马尔可夫模型[旳等现 代统计方法越来越多地被用于降水影响机制和模拟预测的研究中,克服了传统线性回归 分析的局限性,充分利用了数据的空间结构、非线性关系、先验信息等,有效提高了降 水量模拟和预测的水平。在人工增雨领域的后续研究中,引进这些统计方法的最新成果, 有望减少增雨效果评估的不确定性、切实提高效果检验的精确度。
1.3研究内容与创新点
1.3.1研究内容
本文利用吉林省1997-2015年4-7月份的人工增雨作业资料、地面降水资料、大尺 度气象再分析资料,以评估吉林省人工增雨效果为目标,通过分析吉林省降水特征及其 影响因素,对吉林省降水进行区域化划分,并根据划分结果选取人工增雨目标区和对比 区进行自然降水量的估算,最后实证分析吉林省人工增雨的效果。主要内容如下:
(1) 基于吉林省站点降水资料、地理特征和大尺度气象资料等,利用经验正交函 数(EOF)分析吉林省降水的时空分布,并对吉林省降水与大尺度气象变量进行降尺度 分析,探索吉林省降水与大气环流及大尺度气象因子的关系。
(2) 引入大尺度气象变量,利用SOM聚类方法分别对吉林省晚春(4-5月)和初 夏(6-7月)的降水特征进行区域化划分,采用基于L矩估计的同质性检验方法检验和 调整区域化结果,并根据区域化结果确定吉林省人工增雨的主要目标区和相应的对比 区。
(3) 利用区域划分结果选取的对比区降水、降水影响机制分析中选取的大尺度气 象变量、遥相关型气象因子及降水自身的时空分布特征等作为协变量,基于广义线性模 型框架,分别建立降水发生模型和降水量模型,研究区域中站点降水间的依赖性,模拟 吉林省4-7月份人工增雨主要目标区的降水,并根据模拟的自然降水量评估吉林省人工 增雨效果。基于大尺度气象因子的广义线性降尺度模型提高了自然降水量估算的准确 度,加入各站点间依赖性的考虑,合理地模拟了区域的降水空间分布,使得人工增雨效 果的统计检验更加具有科学性和可信度。
1.3.2创新点
本文的主要创新点如下:
(1)根据大尺度大气环流及气象变量对降水的影响机制,采用统计降尺度方法来 研究局地降水分布和模拟,有效实现了物理检验与统计检验的结合。
(2)引入显著影响降水的大尺度气象因子,采用SOM聚类方法对吉林省降水进行 区域划分,然后利用基于L矩比的统计量和不一致性度量对划分得到的各区域进行同质 性检验和调整,确保了同一子区域降水分布的一致性。
(3)考虑到吉林省增雨目标区较为干旱、零值较多的情况和同一区域中站点降水 间的依赖性,利用广义线性模型框架,分两个步骤构建基于联合分布的降水发生模型和 降水的定量模型,克服了传统线性回归中要求变量服从正态分布、无法解释非线性关系 等局限性,更好地模拟了降水的时间和空间结构,提高了人工增雨效果评估的准确性和 可靠性。
第二章吉林省4-7月份降水特征及其影响机制分析
2.1研究方法
2.1.1经验正交函数分解
经验正交函数分解(EOF)是气候科学研究中分析变量场特征的主要工具,这种方 法把一个表示时空变化的变量场分解为两个部分:一部分是不随时间变化的空间函数, 另一部分是只依赖于时间变化的时间函数[切。假设X为一个气候变量场的观测资料矩 阵,表示为:
式中加是空间点,它可以是观测站或网格点,〃是时间点,即观测次数,昂表示在第i个 观测站或网格上的第丿次观测值(心1,2,...,加;)=1,2,...必)。EOF展开就是将式(2.1) 分解为空间函数和时间函数两部分的乘积之和:
第三章吉林省4-7月份降水区域化划分
3.1研究方法
3.1.1自组织映射
自组织映射(SOM)是一种人工神经网络(ANN),它是利用无监督学习来产生训 练样本输入空间的低维离散表示,这种低维离散表示就称为映射。自组织映射不同于其 他人工神经网络,它应用竞争学习,并且使用邻域函数来保持输入空间的拓扑性质。SOM 的拓扑结构一般是一维或二维的,更高维的也是存在的,但并不常见"I。于晏鳥⑴]提出 一维SOM比二维SOM更适合于对具有各种结构特征的数据集进行聚类分析。因此, 本文选择采用一维SOM方法对吉林省的降水特征进行区域化划分。一维SOM的结构 如图3.1所示。

第四章 基于广义线性降尺度模型的人工增雨效果统计检验
4.1研究方法
4.1.1广义线性模型
广义线性模型(GLM)是一种生成响应变量丫的概率分布的模型,它允许响应变量 服从除了正态分布以外的其他分布,并且允许模型结构中一定程度的非线性关系。
对于〃xl维随机向量丫 =(匕,...,匕),每个丫依赖于p个协变量,可表示为一个〃X# 的矩阵X (第(z,丿)个元素%为响应变量£的第丿个协变量)。Y的均值向量 〃 = 通过式(3.1)与X相关联:
g(“) = X0, (3.1)
g(J为一个单调函数,称为连接函数,0为#X1维系数向量(g(“)表示一个心1维向 量,其中第i个元素为g(“))。广义线性模型通常作假设丫为独立的且服从某指数族分 布,即丫〜/(y&),其中&为该分布的参数,在GLM中完全依赖于模型参数0。
本研究基于广义线性模型框架,通过将每日降水分布的均值与协变量相关联,分两 个步骤来模拟每日降水的概率分布。首先建立降水发生模型,利用Logistics回归,模拟 各站点每天是否有降水。假设第s个站点第/天降水的概率为久,根据与该站点相关的 预报因子心,则有
( \
In -=几0・ (3.2)
U-aJ
然后,采用基于Gamma分布的广义线性模型拟合有降水日的各站点降水量。假设 第s个站点第/个降水日的降水量为化「则对于相应的预报因子為,有
叭=— (3.3)
其中,0和"分别为系数向量,并且每天各站点的Gamma分布的形状参数相同,都取 决于八 即相当于假设每天的降水具有恒定的变异系数。
第五章结论与展望
5.1主要结论
本文对吉林省人工增雨的效果检验问题进行研究,分别从降水的时空分布和影响机 制、降水区域化和增雨效果检验三个方面进行探索,主要结论如下:
(1)吉林省降水时空分布极为不均,时间上夏季降水偏多,而春季则较为干旱。 空间分布上降水量受地势影响显著,从东南向西北呈现明显的递减趋势,西北地区干旱 严重,是人工增雨作业的主要目标区。
(2)吉林省降水主要受高空水汽输送的影响,受遥相关影响较为微弱。受偏西风 影响,大尺度高空气象变量对吉林省降水的影响范围普遍集中于吉林省上空偏东方向, 其中云水含量和水汽输送是形成降水的主要因素。因此,在人工增雨作业前根据云水含 量和风向、和湿度对降雨潜力和降雨区域进行研究,对提高增雨效率将会有很大的帮助。
(3)吉林省降水特征的区域性明显,与地势关系显著,相同地势降水特征基本一 致,并且相邻区域易受同一天气系统影响。西北部地区降水最少,是人工增雨作业的主 要目标区。相关性分析和大气环流分析表明,目标区南部的四平、梨树、公主岭三个站 点的降水与目标区降水的相关性较高,且位于目标区风向的垂直侧方,不易受播云催化 影响,最适合作为对比区进行自然降水量的估计。
(4)Logistic模型和Gamma模型相结合的方法,能够有效模拟弱降水情况下的自 然降水量,对于人工增雨的效果检验比区域历史回归、基于协变量的区域历史回归方法 都要更加准确。基于广义线性降尺度模型的人工增雨的效果检验表明,人工增雨作业在 自然云已有降水或存在降水条件的情况下效果较好,而对于区域本身无降水条件的情 况,人工增雨作业效果不佳。因此,人工增雨作业需要更加注重作业前的科学设计、对 降水潜力及云的可播性的研究和目标区自然降水量的模拟预测。