甘肃白水江自然保护区气温降水格局分布

由于地理位置以及地势地貌不同，造成气象要素在空间分布上有明显的区域差异。实现区域气候要素空间分布的方法有很多。在20世纪80年代以前，一般用离散点等值线法，这种方法简单，在地形不复杂的平原地区基本可用，但复杂的山区用这种方法就显得十分粗糙。自20世纪80年代以来，国内学者相继提出了相关的一些计算方法和模型（傅抱璞，1983；卢其尧，1988；袁德辉等，1992），这些研究方法虽然能反映整个区域的趋势，但局部误差仍然较大，且计算繁琐，工作量大。随着地理信息系统（GIS）技术的迅速发展，在90年代后期，GIS技术被用于气候要素空间分布的计算，分辨率提高了，且工作量大大减少了（史舟等，1997）。

2.2.3.1　分布式气温模式

众所周知，影响山区气温分布与变化的因素有很多，主要包括：宏观地理条件，测点海拔高度，地形（地形类别、坡向、坡度、地平遮蔽度等），下垫面性质（土壤、植被状况等）。其中尤以海拔高度和地形的影响最显著（翁笃鸣等，1992）。关于山区平均气温随海拔高度的分布问题，许多人都进行过详细的研究，一般认为，平均气温随海拔高度增加呈线性递减。通过精确计算山区气温递减率来了解不同高度带的温度特征，对于各种小地形影响的考虑，基本还处于粗略估算或移植借用阶段（翁笃鸣等，1992）。

由于坡地位置不同，坡地上每天的日照时间和一天中所接受的太阳辐射总量大有差异。凡是接受太阳辐射多的坡地，其温度一般也高，反之，亦然。因此，坡地上温度分布呈现随坡向、坡度及季节和纬度而变化的特点和规律性，一般与坡地上的辐射相类似（傅抱璞，1983）。以此为依据，通过建立数字地形模型（Digital Elevation Model，简称DEM），获取影响山地温度分布的地形要素，同时考虑海拔高度、地理位置等影响气温的因素以及站点实测数据建立山区温度分布模型的研究逐渐增多（陈晓峰等，1998；张洪亮等，2002；史舟等，1997），弥补了以上研究的不足

如何在白水江国家级自然保护区气象站点有限的情况下，提高山区气温空间模拟的精度，仍然是一个很值得研究的问题。本研究在下载的1 km数据集的基础上，通过统计模型，以地理信息系统为辅助，利用坡度、坡向因子进行研究区气温空间小尺度模拟的修正。模型的形式如下：

式中：ΔTg为两地由于宏观地理因素影响所引起的温度差，由于白水江国家级自然保护区范围小，该项可以忽略。hA和hB分别为A、B两地的海拔高度，rh为该地区的气温直减率，通过WorldClim数据和CHELSA数据获取，ΔTm为由两地不同小地形引起的温度差，可由式（2-2）计算：

(www.xing528.com)

式中：kr为大于0的比例系数，SD为坡向，SL为坡度。

2.2.3.2　分布式降水模式

山地降水时空分布的复杂性，既与大气候条件有关，又受地形的影响。目前我国山区的气象站和雨量站多设在河谷低处，在海拔较高的地方雨量测点很少。利用这样分布的站点观测资料，计算山区的面雨量，是很不可靠的。如何实现由点数据向面数据的转化，在这方面的研究比较多。Whitmore等（1961）对南非近2774 km2的流域推求面平均降雨量；Singh和Birsoy（1975a，1975b）用9种方法在新墨西哥州的两个流域、南非的一个流域、英国的River Ray和River Rheidol流域推求面雨量；Singh和Chowdhury（1986）把Singh和Birsoy的工作进行了扩展，他们用13种方法在新墨西哥州和英国River Ray进行研究。在国内，穆兴民（1993）在黄土高原地区进行降水结构的趋势面分析；王菱（1996）利用小网格点法，推算华北山区年降水量分布。白水江的面雨量推求仍是一个空白，因此对分布式降水模式的研究是该流域生态水文研究最重要的一环，但是分布在研究区的观测站点非常少，仍然利用传统的统计方法，并且借助WorldClim数据和CHELSA数据集，拟对下载的1 km数据实现降尺度。分布式的降水模型如下：

式中：H为最大降水高度，PZ为最大降水高度以下及附近的降水量，z为海拔高度，P0为最大降水高度H以下某一参考高度h0的降水量，a为与地区特点有关的参数。

根据已知地理空间的特性探索未知地理空间的特性是许多地理研究的第一步，也是地理学的基本问题。空间插值模型是借助地理信息系统技术实现空间分布的常用方法。首先获得一定数量的空间样本，这些样本反映了空间分布的全部或部分特征，并可以据此预测未知地理空间的特征。空间内插对于观测台站十分稀少而台站分布又非常不合理的地区，具有十分重要的实际意义。空间插值模型很多，如反距离加权方法、克里金插值方法、样条函数方法、径向基函数方法、趋势面方法等。对于气候数据的空间插值模型，最常用的是样条函数方法。

样条函数方法是使用函数逼近曲面的一种方法。样条函数方法易操作，计算量不大，它与克里金插值方法相比具有以下特点：不需要对空间方差的结构做预先估计；不需要做统计假设，而这些假设往往是难以估计和验证的；同时，当表面很平滑时，也不牺牲精度。薄板样条函数（Thin Plate Splines，TPS）（Wahba，1990）作为空间数据插值的一种重要方法，已逐渐受到人们重视。WorldClim数据和CHELSA数据集，就是采用的薄板样条插值法，它是一维自然样条到二维样条的自然扩展。程义军等（2008）对薄板样条理论及计算方法进行了详细的解释，认为在构建复杂局部变形的地学模型时，TPS可以得到理想的插值结果。该方法是基于点的非线性变换方法，用于离散点数据插值得到曲面的一种工具，具有光滑、连续、弹性好的特点。利用该插值模型获得研究区的多年平均气温和降水的空间分布见彩图8。