基于季节性叠加趋势法的云南省干旱预测研究

杨帆 邓丽仙 廖明瑜 赵兰兰

摘要：近年来，随着云南省干旱发生的频次不断增加，影响范围不断扩大，开展干旱预测模型研究对云南省具有重要意义。分别选取云南省的石林、会泽、楚雄、元谋、红塔、隆阳、广南、瑞丽、屏边、景洪10个县市区内10个建站超30 a的基本水文站逐日实测降雨资料，基于季节性叠加趋势方法建立预测模型并计算得到预测数值，与各水文站实测降雨数值进行对比分析，探讨季节性叠加趋势模型在云南省不同区域干旱预测中的应用效果。结果表明：严重干旱区4站中有3站能准确反映干旱趋势，仅有1站能准确反映干旱程度；中度干旱区3站中有2站能准确反映干旱趋势，不能准确反映干旱程度；轻度干旱区3站中有2站能准确反映干旱趋势，仅有1站能准确反映干旱程度；总体来说，预测模型结果能较为准确反映干旱趋势，但对干旱严重程度反映效果有待提升。

关键词：干旱预测； 季节性叠加趋势法； 干旱程度； 云南省

中图法分类号：P426.616

文献标志码：A

DOI：10.15974/j.cnki.slsdkb.2023.06.014

文章编号：1006-0081（2023）06-0071-05

0 引 言

干旱不仅给农业生产造成严重损失，而且会导致生物多样性减少、土壤水土流失和荒漠化等，对人民群众的生产生活和自然环境造成极大影响。随着近年来云南省干旱发生的频次不断增加，影响范围不断扩大，利用干旱评价的某一指标开展干旱预测模型研究，对云南省干旱的实时、动态、客观分析和预测具有重要的意义。但由于干旱受多重因素影响，成因复杂，同时发生范围较广，持续时间较长，影响范围较大，目前仍未明确能通用的干旱定义以及能广泛运用的干旱监测、预报方法［1-2］。因此，探讨一种客观、动态、实时的干旱预测预报方法，对及时了解当前旱情的程度、分布以及未来干旱的发展态势具有重要的现实意义。干旱预测中通常涉及的降水、河道来水、蒸发等指标数据变化均具备季节性周期特性，对具有季节性周期变化规律的数据序列可应用季节性叠加趋势模型进行预测预报。本文通过选取云南省不同区域基本水文站的逐日实测降雨资料，基于季节性叠加趋势方法建立预测模型并计算得到预测数值，与云南省各水文站实测降雨数值进行对比分析，探讨季节性叠加趋势模型在云南省干旱预报中的应用效果。研究成果可以为云南省抗旱减灾、水资源配置等工作提供必要的技术支撑。

1 研究区域概况

依据《云南省水旱灾害》［3］和《云南减灾年鉴》［4］等文献，云南省干旱表现出明显的区域性，全省分为严重干旱区、中度干旱区和轻度干旱区。根据云南省干旱区域性的特点［5］，考虑到在同一区域干旱发生时间、受旱等级以及影响因素都具有较高的相似性。因此，在全省129个县市区采用选取代表地区的方式进行模型预测应用及验证。在代表地区的选取过程当中，充分考虑现有的自然气候、干旱区域特性、所在流域以及资料条件等因素，综合选取部分代表性好、资料获取容易的石林县、会泽县、楚雄市、元谋县代表严重以上受旱区域，红塔区、隆阳区、广南县代表中度受旱区域，瑞丽市、屏边县、景洪市代表轻度受旱区域，开展模型应用及检验工作。

2 数据来源

由于此次季节性叠加趋势模型依靠降雨开展旱情预测，因此收集石林县、会泽县、楚雄市、元谋县、红塔区、隆阳区、广南县、瑞丽市、屏边县、景洪市10个县市区内10个建站时间超30 a的基本水文站1970～2010年的逐日降雨资料，本次应用分析的所有站点降雨数据均来源于云南省水文水资源局。

3 研究方法

目前国内外对干旱的预测方法主要以对各类干旱相关的监测数据开展统计模式预测为主，其中针对时间变量开展序列分析是一门在多行业应用广泛的统计模式学科［6-8］。自然界和人类社会活动中的大多数变化规律符合时间序列的周期性演变特性，尤其是季节性的起伏变化规律。通过时间序列分析法，可以对根据时间顺序得到的观测数据的规律变化性开展分析研究［9-11］。而在自然界与人类社会的各类变化规律中，通常以周、月、季度或年作为衡量季节性周期的尺度，若某种时间序列数据的消长动态在受到季节性周期变化影响的同时，还受到稳定的速率上升或下降的影响，且季节性周期影响引起的时間序列波动对数据中的所有周期均是一致的，当以上两种影响因素同时影响后，所得出的结果是叠加，而非交乘，则此时对应的时间序列数据就可以通过构建季节性叠加趋势模型进行相关数据的预测预报［12-13］。干旱预测中涉及的降水、河道来水、蒸发等指标数据变化均具备季节性周期特性，因此通过采用季节性叠加趋势法建立相关预测模型，对云南省降雨数值进行预测计算，并结合实测降雨数据分析模型的预测效果，以期为云南省的抗旱减灾工作提供支撑。

4 模型建立

若时段T+τ的期望值为

μT+τ=aT+bτ+KT+τ（1）

式中：aT为某一时段T的平均水准；bτ为该时段的斜率；KT+τ是在时段T+τ的季节增量，则当KT+τ=0时，第T+τ时段无季节影响；而当KT+τ>0时，第T+τ时段的期望值大于平均值；当KT+τ<0时，期望值小于平均值。

预测模型是通过时间序列历史数据{x1，x2，…，xT}来估计第T个周期（时段T）的M+2个未知系数和在时段T中aT，bτ，KT+τ的估值a^T，b^T，dT+τ （τ=1，2，…，M）。利用在（0，1）区间内的3个平滑参数α，β和γ，分别求出a^T，b^T和dT+τ。

（1） 先根据完整周期的时间序列资料估计参数a^T，b^T和dT+τ （τ=1，2，…，M），并对未来时段进行预测。

（2） 将采用完整周期后剩余不足1个周期的数据重新代入预报模型，并计算得出对应的预测结果。

最终建立完整的预测模型，见式（2）：

x^T（τ）=a^T+b^Tτ+dT+τ， τ=1，2，…，M（2）

5 检验时段

据1949年以后云南省统计资料显示，20世纪80年代、90年代和21世纪以来，云南省的干旱灾害较历史明显呈多发、高发态势，且具有受旱面积大、受灾人口多，经济损失大、持续时间长等特点。根据对最近20 a云南省严重干旱年的研究，2010年的旱灾是云南省近20 a最为严重的一次全省性严重干旱［14-15］，全省大部分地区均发生了一次由无旱发展到轻度干旱，由轻度干旱发展到中度干旱，由中度干旱发展到严重干旱，直至最后发生特大干旱的全过程，涵盖了一场旱灾的整个阶段，具有较高的研究意义，为模型预报在年内的应用检验提供了全面的研究基础。根据云南省防汛抗旱指挥部办公室2009年9月至2010年8月《农业旱情动态统计表（周报）》资料以及实时旱情监测情况分析，该次特大干旱的起始时间为2009年10月，随后旱情持续快速发展，2010年5月发展到最严重阶段，随后各地相继进入雨季，旱情逐步缓解，2010年8月全省旱情全部解除。因此，选用2010年作为模型年内检验的典型年，根据所采用方法对检验时段的要求，确定预测检验时段为2009年9月至2010年8月、2010年1～12月、各代表站年历史资料序列。

6 结果分析

6.1 预测结果

选取石林县、会泽县、楚雄市、元谋县、红塔区、隆阳区、广南县、瑞丽市、屏边县、景洪市10个县（市区）的10个基本水文站的长系列降雨资料，利用DPS数据处理系统的季节性叠加趋势模型对各水文站的降雨系列数据进行处理［16］，得出各水文站降雨数据的季节性特征，通过计算得到各水文站降雨数据的最小均方拟合误差，并将最小均方拟合误差与加速单纯形法估计模型中的平滑参数相结合，从而得出最终预测模型，并计算出预测结果［17］。各地区预测结果见表1。

6.2 预测值与实测值对比分析

通过预测值与实测值对比，严重干旱区石林县、会泽县预测与实测趋势基本一致，但实测值较预测值偏少幅度较大，元谋县预测与实测趋势基本一致，预测值与实测值接近，楚雄市预测与实测结果出入较大。中度干旱区红塔区、广南县

预测与实测趋势基本一致，但实测值较预测值偏

少幅度较大，而隆阳区预测与实测结果出入较大。轻度干旱区瑞丽市预测与实测趋势基本一致，但实测值较预测值偏少幅度较大;景洪市预测与实测趋势基本一致，预测值与实测值接近;屏边县预测与实测结果出入较大。具体预测值及对比成果详见表2及图1。

7 结 论

（1） 在选定10个代表站中，将季节叠加趋势模

型预测的云南省降雨数据结果与2009～2010年云

南省特大干旱年相应月实测降雨比较，预测结果整体表现较为均化，对极值反映欠佳。严重干旱区的元谋、轻度干旱区的景洪2站预测趋势与实测一致且数值相近；严重干旱区的石林、会泽，中度干旱区的红塔、广南，轻度干旱区的瑞丽5站预测趋势与实测一致，但预测与实测出入较大；严重干旱区的楚雄、中度干旱区的隆阳、轻度干旱区的屏边3站预测趋势与实测相反，预测与实测出入较大。

（2） 模型预測结果中：有7站预测趋势与实测一致，占站点总数的70%，能较为准确反映干旱趋势，干旱趋势预测效果较好，可用于干旱发展趋势预测；但模型预测结果与实测值偏差较大，仅有2站能准确反映干旱严重程度，对干旱程度的预测效果不佳。

（3） 季节性叠加趋势模型在开展降雨数据预测的应用时，预测结果受数据序列波动性影响较大。按各月降雨分配分析，预测值与实测值基本相近，但个别月份出入较大。

（4） 在开展干旱预测时，目前国内外仍没有比较成熟的方法，若仅以单一模型进行旱情预测，预测结果存在较大的局限性，需综合利用多种方法以确定合理取值。

参考文献：

［1］ 周军，任宏昌，王蒙，等.2022年夏季长江流域干旱特征及成因分析［J］.人民长江，2023，54（2）：29-35.

［2］ LI Q，DU Y，LIU Z，et al.Drought prediction in the Yunnan–Guizhou Plateau of China by coupling the estimation of distribution algorithm and the extreme learning machine［J］.Journal of the International Society for the Prevention and Mitigation of Natural Hazards，2022，113（3）：1635-1661.

［3］ 云南省防汛抗旱总指挥部办公室，云南省水文水资源局.云南水旱灾害［M］.昆明：云南省水文水资源局，1999.

［4］ 赵钰，黄甫岗，李国才，等.云南减灾年鉴［M］.云南：科技出版社，2012.

［5］ 白树明，黄中艳.云南旱灾特点和未来10年干旱趋势预测［J］.人民珠江，2003（6）：4-6.

［6］ 张美英，何杰.时间序列预测模型研究综述［J］.数学的实践与认识，2011，41（18）：189-195.

［7］ SUBIMAL G.Modelling bivariate rainfall distribution and generating bivariate correlated rainfall data in neighbouring meteorological subdivisions using copula［J］.Hydrological Processes，2010（4）：3358-3567.

［8］ ZHANGL，VIJAY P.Bivariate rainfall frequency distributions using Archimedean copulas ［J］.Journal of Hydrology，2007（332）：93-109.

［9］ 周建康.实用水文统计［M］.北京：中国水利水电出版社，2017.

［10］ 迟道才，张宁宁，袁吉，等.时间序列分析在辽宁朝阳地区干旱灾变中的应用［J］.沈阳农业大学学报，2006，37（4）：627-630.

［11］ 张善亮.基于水文水动力耦合模型的钱塘江流域洪水预报研究［J］.水利水电快报，2022，43（7）：25-32.

［12］ 范小青，蒋璐璐，谈黎虹，等.季节性叠加趋势——马尔柯夫预测模型及其应用［J］.浙江大学学报（农业与生命科学版），2008，34（3）：309-314 .

［13］ 李春龙.云南史料选编［M］.昆明：云南民族出版社，1997.

［14］ 江振祥.云南省历史洪旱灾害史料实录（宣统三年1911年以前）［M］.昆明：云南科技出版社，2008.

［15］ 刘建华，温克刚.中国气象灾害大典·云南卷［M］.北京：气象出版社，2006.

［16］ 唐啟义，冯明光.DPS数据处理系统［M］.北京：科学出版社，2007.

［17］ 鄢好，陈骄锐，李绍红，等.基于时间序列和GRU的滑坡位移预测［J］.人民长江，2021，52（1）：102-107.

（编辑：江 文）

Application of seasonal superimposed trend method to drought

prediction in Yunnan Province

YANG Fan1，DENG Lixian2，LIAO Mingyu1，ZHAO Lanlan3

（1.Yunnan Hydrology and Water Resources Bureau，Kunming 650106，China；

2.Kunming Branch of Yunnan Hydrology and Water Resources Bureau，Kunming 650106，China；

3.Information Center of the Ministry of Water Resources （Hydrology and Water Resources Monitoring and Forecasting Center，Ministry of Water Resources），Beijing 100053，China）

Abstract：

In recent years，with the increasing frequency of drought occurrence and the expanding scope of impact in Yunnan Province，it is of great significance to carry out research on drought prediction models for real-time，dynamic，and objective analysis and prediction of drought in Yunnan Province.Therefore，this paper collected daily measured rainfall data of 10 basic hydrological stations in 10 counties and cities in different regions of Yunnan Province，including Shilin，Huize，Chuxiong，Yuanmou，Hongta，Longyang，Guangnan，Ruili，Pingbian，and Jinghong，with stations over 30 years.Then the papere stablished prediction model and calculated predicted value by seasonal superimposed trend method.Comparing the calculated predicted values with the measured rainfall values of each hydrological station to explore the application effect of seasonal superimposed trend model in drought prediction in different regions of Yunnan Province.The results showed that three of the four stations in severe drought areas can accurately reflect the drought trend，while only one station can accurately reflect the drought degree.Two of the three stations in moderately arid areas can accurately reflect the drought trend，but cannot accurately reflect the drought degree.Two of the three stations in lightly arid areas can accurately reflect the drought trend，while only one station can accurately reflect the drought degree.Overall，the prediction results can accurately reflect the drought trend，but the effect on reflecting the severity of drought is moderate．

Key words：

drought prediction； seasonal superimposed trend method； drought degree； Yunnan Province