英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

在1961-2010年期间，塞尔维亚降水的空间和时间变异性

摘 要

这篇文章分析了塞尔维亚在1961年到2010年之间的月、季和年降水量。利用421个降水站点的纬度，经度和高度以及站点周围的地形特征（站点周围10公里范围内的地形坡度和坡向），建立了降水空间分布的回归模型,呈现了每年6月份（几乎所有站点的最大值）和2月份（几乎所有站点的最小值）降水空间分布情况。每年的降水量大致在500、600mm到1100mm以上这个范围。6月份的降水量在60-140mm之间，2月份的降水量在30-100mm之间。验证结果表示，月总量均方根误差（RMSE）范围在10月份的3.9mm（本月平均降水量的7.5％）至四月份的6.2mm（10.4％）之间。对于每个季节的总量而言，均方根误差范围在秋季的10.4mm（本季平均降水量的7.5％）至冬季的20.5mm（13.4%）之间。在年尺度上，均方根误差为68mm（年平均降水量的9.5%）。我们还使用森氏估计进一步分析了降水趋势，而Mann-Kendall测试用于测试趋势的统计意义。对于塞尔维亚的大部分地区来说，年平均降水量在-5到 5和 5到 15毫米/十年之间。6月降水量趋势大部分在-8到 8毫米/十年之间。2月降水量趋势几乎在-3到 3毫米/十年之间。

介绍

气候和气候变化对环境和人类活动的许多领域（水资源，生态系统，生态系统等）有重要的影响，因此，气候和气候变化是当代科学研究的关键领域。在本文中，重点将放在以下几个方面：塞尔维亚在1961年至2010年期间的降水量和降水量的空间变化。

由于给定区域的气候特征是基于从有限数量的，而且是散乱分布的气象站获得的数据，所以对于没有进行气象观测的地区来说，气候数据仍然不足。因此，在没有进行测量的地区内插气候要素（知道各种气候因素的影响）是非常有必要的。Chilegrave;s和Delfiner（1999）认为，一个区域内，在数量有限的采样值的基础上如何重新构建，是相应研究的关键问题。当内插气候要素值时，使用间接数据（例如有关区域的数据来自气象台的关于高度，纬度，长度和海洋距离的数据），并通过确定气候要素值的函数依赖性这些数据，可以补偿缺乏足够数量气象站的观察。为此目的，大量插值技术应运而生，例如各种类型的克里金（Burrough和McDonell 1998）。然而，在插值之后，仍然需要验证和评估所获得的结果和使用的方法。在这方面， Bajat等人以塞尔维亚为研究区，做了重要的研究（2013）。他们根据克里金回归模型和多元回归模型，对1014个雨量站获得的降雨数据进行插值，并通过比较两种方法所获得的结果，进行了准确性评估。应该指出的是，作者在早期（1961- 1990）进行了降水数据的插值和各种插值技术的评估，而Prohaska等 （2012）基于437个降水站的高程数据，对1946-2006年期间的降水做了插值。Scaron;trbac（2014）提出了间接的方法模拟降水的空间分布。他通过引入定义为降水和高度之间的比例的系数，获得塞尔维亚在1961-2010年期间的年降水量。

获取特定地区的气候和气候变化信息的另一个重要部分是分析观测气候要素的时间序列。有一些涉及塞尔维亚的温度或降水量趋势分析的论文，通常是利用相当少数量的天气观测站，（例如Bajat等（2014）研究的温度; Luković等（2014）研究的降水；Milovanović（2014）研究的城市温室; Savić等（2014）研究的关于极端温度到大气环流），而且只有一项研究根据多个气象观测站获得的数据（Toscaron;ić2004）讨论了降水的循环成分。据我们所知，只有两个贡献（Pandžić等，2013; Prohaska等，2012）分析了塞尔维亚的降水量，解决了随机时间序列。从大量天气观测站获取一系列时间（直到2010年）的降水数据，并分析降水量的确定性和随机组成部分。随着这类研究的缺乏，气候要素的空间信息明显缺乏。特别是，南斯拉夫（1985）的社会主义联邦共和国的最后一个气候图集提出了1931年至1960年间的数据分析。其他更新的基于站的数据集，提供的空间分辨率低于本研究的目标空间分辨率。这些图集包括气候研究单位等研究领域的东英吉利大学数据集（Harris et al，2014），格尔曼的天气服务（Schamm等人，2013）所用的全球降水气候中心（GPCC）的每日降水产品。

根据上述信息，本研究通过解决以下关键问题，达到更加细致准确地探索关于1996 - 2010年期间塞尔维亚降水和降水趋势空间分布的知识这一主要目的：

1.塞尔维亚1961年至2010年期间的降水量的时空变化是怎么样的？

2. 基于间接数据，降水量内插的最佳方法是什么？（海拔，纬度，经度，坡度和展示降水站附近的地形）

3.内插有多准确？

在这项研究中，我们将这一套方法限于统计分析，并且将空间插值作为只有温度不变的预测因子。数据处理没有大量的计算成本，在地理信息系统（GIS）的允许范围内。这种方法并不是建立在大气数值模型上，而是建立在观测和统计方法上，因此结果可以与更先进的数字天气模型产品进行比较和基准测试，或动态缩小来自全球天气或气候模式的产品。所有本研究中生成的空间数据可以通过洪堡大学托管的柏林网站下载，下载得到的是地理编码的GIS栅格数据格式。

( https://www.geographie.hu-berlin.de/en/professorships/climate_geography/climate_serbia/).

数据与方法

塞尔维亚位于欧洲东南部（图1）地形多样化面积超过88,000平方公里。他的北边有一个平原（Pannonian Plain），其他地区基本都是丘陵和山区。塞尔维亚的海拔高度从28米（国家东北部）到2656米（达杰拉维西峰（西南地区））。塞尔维亚的三大气候类型：大陆性气候（北部），温和大陆性气候（中部，西部，东部和南部地区），以及地中海气候（西南地区）。塞尔维亚北部降水量范围500至600毫米，在西部山区超过1100毫米。几乎整个研究区，降水系统是除了国家（梅托希亚）的西南部之外，拥有两大最大（主要在5月或6月，次要的在11月或12月）和两大最小（主要在1月或者2月份的初期，次要的在9月或10月）的大陆。这里受地中海气候的影响，冬季可能会有高降水量，8月可能会出现低降水量（Ducić和Radovanovi，2005）。

利用从421个降水站获得塞尔维亚在1961年至2010年期间的公共水电气象服务部数据来模拟塞尔维亚降水的空间模型（图1）。除了科索沃和梅托希亚，我们只有七个站点的数据之外，塞尔维亚的其余部分比较好，气象站统一。然而，在山区，随着高度的增加，站点数量明显减少（图1）。

图 1塞尔维亚和降水站位置。

红圈标志显示年均降水的统计学显着趋势; 插图：塞尔维亚在欧洲的地位

在填写缺失数据的过程中，我们首先试图确定空间关系与站点之间的相关系数。在年度价值水平上，相关系数尚未确定。但是对于每对站点，单独每个月的相关系数是确定的。对于丢失的数据，基于在特定月份具有最大相关性的站点对，方法的组合还会用于填写基于成对的缺失值。首先使用相同数量的数据缩减方法：A站指定年份Yt的特定月份的降雨量数据不足，所有其他月份的特定月份的降水量的平均值Ra已经计算出来。然后在B站的同一月份计算Rb的平均值。其中B站也测量了特定年份的降雨量Yt（Rb（Yt））。然后根据

（1）

去设定一个比例去计算A站点i月份的降雨量。

表 1降水站按高度范围分布

第二步，我们使用基于矩阵的方法来插值缺失的数据。为此，我们使用了一个具有八个元素的矩阵。基本上，使用矩阵方法进行插值的方法包括以下步骤：如果A站在Yt年没有关于Mt月的降雨量的信息，则将计算在Yt-1,Yt和Yt 1年的Mt-1，Mt和Mt 1月的降水量（所以我们得到一个八个数据的矩阵）。在这里，我们将A站点Yt年Mt月设置为0，并将相同的过程应用到站点B。其中站点A的Yt年Mt月和站点B的Yt年Mt月降水量有很大的相关性。接着计算出站点A和站点B各自总和的商（Q）。随后，B站的Yt年Mt月乘以Q。A站的Yt年Mt月会得到结果（Vujević，1956）。

表 2 多元线性回归模型的统计