3.1 Mann-Kendall趋势检验
采用Mann-Kendall趋势检验法对主汛期降雨量序列进行趋势性分析,库区12个站点有5个站点主汛期降雨量呈不显著减小趋势,7个站点主汛期降雨量呈增加趋势,见图1。从空间上看,三峡库区主汛期降雨量由库首秭归地区的显著增加(显著性水平α=0.05)过渡到库腹的不显著减少,再到库尾的不显著增加。
3.2 基于协变量时间t的非一致性频率分析
以时间t为协变量,建立主汛期降雨量序列分布参数与时间t的关系。使用9种组合方式和5种分布函数类型(共计45种拟合方式)对分布参数进行拟合,组合方式如下:(1)均值(mu)、均方差(sigma)均为常数;(2)均值(mu)为常数,均方差(sigma)随时间t线性变化;(3)均值(mu)为常数,均方差(sigma)随时间t抛物线型变化;(4)均值(mu)随时间t线性变化,均方差(sigma)为常数;(5)均值(mu)、均方差(sigma)均随时间t线性变化;(6)均值(mu)随时间t线性变化,均方差(sigma)随时间t抛物线型变化;(7)均值(mu)随时间t抛物线型变化,均方差(sigma)为常数;(8)均值(mu)随时间t抛物线型变化,均方差(sigma)随时间t线性变化;(9)均值(mu)、均方差(sigma)均随时间t抛物线型变化。将AIC和SBC值作为择优的标准,AIC和SBC值越小,表示模型的模拟效果越好。前文模型评价准则及残差评价中提到,AIC值为惩罚因子为2时的GAIC值,而SBC值为惩罚因子为ln(n)时的GAIC值[ln(56)=4.025,AIC值恒小于SBC值,差值为2.025·df],因此择优标准AIC值和SBC值寻优效果一致,下文选用AIC值作为典型指标进行迭代寻优。
三峡库区12个站点主汛期降雨量GAMLSS模型的AIC值见图2。结果显示:除长寿站最优分布类型为Weibull外,其他11个站点的最优分布均为Gamma分布; 江津、万州、奉节、秭归、镇坪和沙坪坝的AIC值拟合效果在考虑分布参数具有非一致性特征的情况下比认为分布参数为常数时要有所减小,6个站点AIC值依次减小了4.8,1.0,1.6,7.1,2.0,0.9,其中秭归的改善幅度最大; 其他6个站点AIC值在分布参数为常数时较小,可认为这些序列仍然是一致的。
上述根据AIC值准则,选出了各站点以时间t为协变量的最优GAMLSS模型,需进一步验证模型拟合的好坏。根据分布参数的回归方程绘制各站点相应的分位图,统计结果见表1,结果表明:仅有长寿站、梁平站和利川站的实测点据频率与相应理论概率最大差值略微超过5%,其他的站点实测点据频率与相应理论概率最大差值均在5%以内,表明统计参数方程与实测点的拟合关系良好。从分位图中还可以得到,江津地区主汛期降雨量的方差不断增大。秭归、沙坪坝地区主汛期降雨量均值不断增大,其中秭归地区增长速度约为29.6 mm/10 a; 万州地区主汛期降雨量方差、奉节和镇坪地区主汛期降雨量的均值在1990年以前越来越大,之后逐渐恢复。其他地区主汛期降雨量的均值和方差均为常数。
虽然主汛期降雨序列采用了多种分布函数以及以时间t为协变量的多种组合方式得到了较优的GAMLSS模型,但在气候变化的背景下,缺乏相应的物理意义。于是在这里进一步用与气候变化密切相关的气温要素作为协变量拟合模型,研究其对主汛期降雨量搭建的GAMLSS模型是否具有修正意义。
3.3 基于协变量气温的非一致性频率分析
在对年平均气温Tave、年平均最高气温Tmax、年平均最低气温Tmin和年平均温差ΔT作为协变量分析前,先计算了它们分别与主汛期降雨量的线性相关系数r,见图3。
结果显示:主汛期降雨量与4种气温形式均呈负相关,其中长寿、梁平、万州、镇坪、利川、合川和沙坪坝共7个站点的主汛期降雨量与年均日温差ΔT相关性很强,相关系数绝对范围为0.31~0.42; 奉节、兴山和秭归的主汛期降雨量序列与年平均气温Tave相关性最强,相关系数分别为-0.22,-0.29和-0.53; 江津、巴东站的类似相关系数绝对值均没有超过0.2,说明从线性趋势上来看,这两个站的主汛期降雨量序列受气温影响不明显。
表1 以时间t为协变量的实测点据频率与理论分位曲线概率对比%
与前文以时间t为协变量时的9种组合方式相同(各分布参数与气温的组合方式:常数、一次函数、抛物线关系),分别以Tave,Tmax,Tmin和ΔT为协变量对各站点的Pmfs进行非一致性频率分析。
根据AIC值最小原则,在GAMLSS模型里择优得到最优分布函数回归方程,见表2。结果表示:除了长寿站以ΔT为协变量拟合时最优分布类型为Logistic分布外,其他组合方式的最优分布均为Gamma分布(11/12); 长寿、梁平、万州、镇坪、利川、合川和沙坪坝在以平均日温差为协变量拟合响应变量时,AIC值最小,模拟效果最优; 奉节、巴东、兴山、秭归在以年平均气温为协变量拟合响应变量时,模拟效果最优,均与相关系数分析结果对应。
表2 以气温因子为协变量的GAMLSS模型最优分布参数
模型拟合的好坏需要通过残差分析进行评价。首先对模型的残差进行正态标准化处理,然后进行PPCC检验[20]。表3为残差分布统计结果,表明各模型残差序列分布情况接近标准正态分布,Fillben相关系数也非常接近1,这表明模型拟合效果十分理想。
以气温因子为协变量的回归模型分位图见图4,江津地区主汛期降雨量的均方差增大; 秭归地区在1998年左右发生了均值突变,主汛期降雨量由从原来的480 mm突变至580 mm左右; 其他站点的均值也出现了以气温为协变量的非一致性,但方差为常数(由于篇幅有限,其他站点未列出)。
3.4 模型拟合结果对比及不确定性分析
从GAMLSS模型运算结果中,得到位置参数μ、尺度参数σ为常数或在不同协变量下的AIC值,见图5。(1)长寿、梁平、巴东、兴山、利川和合川的最优AIC值比较:AIC(时间t为协变量的最优分布组合)>AIC(分布参数为常数的最优分布)>AIC(气温为协变量的最优分布组合),说明这6个站点在以时间t为协变量拟合时分布参数是固定不变的,但考虑气温因子后,其表现出分布参数随气温变化的非一致性。(2)江津、万州、秭归、镇坪和沙坪坝最优AIC值比较:AIC(分布参数为常数的最优分布)>AIC(时间t为协变量的最优分布组合)>AIC(气温为协变量的最优分布组合),这说明这5个站点的分布参数不仅对时间t变化,也随气温变化,但考虑以气温为协变量拟合模型不仅具有物理意义,拟合效果也最优。(3)奉节站的最优AIC值规律:AIC(t为协变量的最优分布组合)>AIC(气温为协变量的最优分布组合)>AIC(分布参数为常数的最优分布),奉节站相应变量的分布参数既没随时间变化也没随气温变化,可能人类活动或者其他气象因素对其的干扰掩盖了气温对主汛期降雨量的影响,有待进一步验证。
根据分布参数非一致特征的空间分布情况,可以得出:(1)以t为协变量时,库尾江津地区主汛期降雨量的方差不断增大,主汛期降雨量的量级的可能增大; 库首秭归地区、库尾沙坪坝地区主汛期降雨量均值不断增大,其中秭归地区增长速度约为29.6 mm/10 a,理论上这两地主汛期降雨量未来会越来多。(2)以气温为协变量时,库首各站主汛期降雨与年均日温差ΔT相关系数最高(-0.42~-0.31),并在以ΔT为协变量时模型拟合效果最好; 库区中部和西南角各站点主汛期降雨与年平均日气温Tave相关系数最高(-0.53~0.22),并在以Tave为协变量时模型拟合效果最好。库尾江津地区在以Tave为协变量时模型拟合效果最好。
本研究以气温要素为协变量对主汛期降雨量进行了非一致性分析,分位图中部分站点的经验频率与理论概率的差值仍在5%以上,说明还有其他因素或对主汛期降雨的非一致性影响较大,例如:土地利用变化因素[21]、温室气体排量因素[22]、自然气候变化因素[23](北太平洋涛动(NPO)、太平洋年代际涛动(PDO)、北极涛动(AO)、南方涛动(SO)和东部热带太平洋海表温度异常等),这些因素是否能够改善模型,有待进一步验证。