印度东部降水和气温变化的多趋势检测方法外文翻译资料

 2022-12-25 14:14:33

英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料

印度东部降水和气温变化的多趋势检测方法

Chandra Shekhar Sharma, Sudhindra N. Panda, Rudra P. Pradhan, Amanpreet Singh, Akira Kawamura

摘 要 本文研究了印度东部1970 - 2004年降水和气温的时空变化趋势。采用Mann - Kendall检验、Sen斜率估计、最小二乘线性回归、Spearman秩相关和序贯Mann - Kendall检验对长期趋势方向和随时间(年和季节)的变化幅度进行了检测和分析。此外，还进行了相关分析。不同方法的年降雨量趋势分析表明，印度东部地区年降雨量趋势相似。印度东部的东北部、东南部和西部呈上升趋势，而西北部、中部和南部呈下降趋势。在季节性降雨的情况下，不同的方法观测到类似的趋势。在冬季，中部地区有下降趋势，而西部地区季风前后的变化趋势相似。季风季节的趋势与年降雨量趋势相似。印度东部降水趋势没有随时间发生突变。最高气温分析表明，除季风外，西部地区各季气温均呈上升趋势，东部地区呈下降趋势。在最低气温条件下，研究区东半部各季节均有上升趋势，西半部则有下降趋势。季风季节与其他季节相比有显著变化。平均气温在中部、南部和西北部呈下降趋势，而在东北部、西部和东南部呈上升趋势。在印度东部大部分地区，温度趋势随时间没有任何突变。整个印度东部地区降雨量与最高气温呈负相关。在最低温度(季风)和平均温度(季风前和季风)的情况下也观察到类似的结果。

关键词 印度东部 降水 温度 季节性 趋势检测 相互关系

1、引言

气候变化是一个全球性问题，威胁到如食物、水、健康和住房等基本需求。降水和温度是气候和水文气象学中最重要的变量，可以用来了解一个地区的气候和诊断气候变化。其模式的变化可能导致水灾、旱灾、生物多样性和农业生产力的损失(沙尔马等人，2011年；拉迪诺维奇和乔利奇，2014年；孙等人，2015年；张等人，2015年)。因此，其时空变化趋势( Kundzewicz和Robson，2000 )对气候分析和水资源规划具有重要意义。

降水和气温在不同气候区域之间存在较大的时空变化(幅度和变化率)( Yue和Hashino，2003年；张等人，2013年)。人们认识到，对历史气候或未来气候预测的全球或大陆的尺度观测对地方或区域尺度规划没有多大用处( Barsugli等人，2009年；沙尔马等人，2014年)。例如，对流降水导致空间和时间变异性大的小区域发生山洪爆发(乔利奇和扬克，2011 a)。知识对于各种预测和分析都很重要，数值云模型可能是一个有用的工具(乔利奇和Janc，2011 b )。在区域或地方一级评估历史趋势或做出未来预测是必需的，气专委还表明，气候变化评估也需要这样做。它还发现了与气候变化和水资源有关的知识方面的一些差距(气专委，2007年)。

在水文气候变量的时间序列中检测过去的趋势、变化和可变性对于理解该区域未来变化的潜在影响非常重要。统计分析可以扩展到分析这些气候参数。印度最近广泛采用各种参数和非参数统计试验来评估水文气象时间序列的趋势，其中包括降雨量( Basistha等，2009年；戈什等人，2009年；库马尔等人，2010年；杜汉和潘迪，2013年；贾恩等人，2013年)和温度(例如：Kothawale和Rupa Kumar，2005年；阿罗拉等人，2005年；科特哈瓦等人，2010年；拉奥等人，2014年)。同样，世界各地的一些研究人员也研究了温度和降水的趋势( Ventura等人，002年；罗伊和鲍林，2004；德尔里奥等人，2005年；刘等人，2008年；德拉卡萨和纳赛尔，2010年；塔巴里和塔拉埃，2011年；萨博希等人，2012年；达什等人，2013年；sayemuzzaman和Jha，2014年；于雷卡利，2015年)。

印度是一个地形和气候多样的国家。印度最脆弱的地区之一是其东部，包括西孟加拉邦、比哈尔邦、贾坎德邦、奥迪沙邦和恰蒂斯加尔邦，这些邦大多温暖湿润，气候复杂。印度东部的旱作农业完全取决于西南季风的表现。尽管该地区的年平均降雨量很高( 1200 - 2000毫米)，但该地区的降雨作物每隔一年就会遭受干旱或水灾。造成这一现象的原因是季风季节的强降水事件，在几场暴雨中，强降水占年平均降雨量的80 %左右。除了偏心季风外，近年来还观察到气候变化的影响使作物生产系统进一步恶化。据了解，未来几年气候变化趋势可能加剧，需要制定适当的战略。因此，研究印度东部地区气候参数的变化趋势具有十分重要的意义。

关于气候变化对印度区域/盆地水文影响的工作有限。因此，需要对气候变化进行时空评估，考虑气候变化的成因(即人为、气象参数等)。近年来的大多数研究都是基于降雨或气温。两者的联合研究包括它们的协变性仍然是有限的。关于降水和气温的趋势和协变性，尤其是印度东部地区的趋势和协变性，仍然缺乏资料。关于各地区具体方面及其与气候参数的相互关系的研究也很少。印度东部地区主要是降雨地区，尚未详细调查降雨和温度的季节间和年度变化。在印度，趋势检测研究主要集中在降雨量与温度的比较上，常用的方法有最小二乘回归、Mann - Kendall检验和Sen斜率估计。应使用一种以上的方法来识别时间变化/趋势( Kundzewicz和Robson，2004年；哈立克等人，2009年；2011年，诺茨和巴亚齐特；sonali和Nagesh Kumar，2013 )，这在印度地区的所有过去的研究中几乎是缺乏的。此外，以往的研究主要集中在印度降雨或温度均匀区域的趋势分析。在以往的工作中，几乎没有对同质区域内气候变化的趋势和影响进行详细和有力的分析。此外，以往的研究主要集中在印度降雨或温度均匀区域的趋势分析。在以往的工作中，几乎没有对同质区域内气候变化的趋势和影响进行详细和有力的分析。在季节和年水平上考虑均匀区域内的降雨量和温度(最大值、最小值和平均值)的研究很少。在印度，还没有研究利用一种形式化趋势检测技术如序贯Mann Kendall检验专注于趋势开始时间的细节。

因此，本研究旨在通过空间和时间尺度(年和季节)上对降雨量和温度(最小值、平均值和最大值)进行趋势分析，研究印度东部的气候变化。利用了统计趋势分析技术，即最小二乘线性回归( LSLR )、曼-肯德尔检验( MK )、森斜率估计( SS )、斯皮尔曼秩相关检验( SR )和序列曼-肯德尔检验( SQMK )。它还评估了温度和降水状态之间可能的时空关系。随着对区域水文现象的了解，本研究的结果将对气候变化与水文循环之间的联系有更深入的理解。制定区域水资源管理战略将是有益的，它还将作为气候影响研究的参考，包括印度东部地区评估、适应和减轻灾害管理计划。

2、研究区概况

印度东部地区主要分布在五个邦，即西孟加拉邦、比哈尔邦、贾坎德邦、奥迪沙邦和恰蒂斯加尔邦，面积约553643平方公里(如图1)。该地区大部分地区位于印度东海岸孟加拉湾和印度恒河平原之间。该区域北与喜马拉雅山的尼泊尔和锡金部分接壤，西与北方邦、中央邦和马哈拉施特拉邦接壤，南与安得拉邦为邻，东与孟加拉湾为邻。

图1 印度东部及其各州 (资料来源:谷歌地球)

印度东部以暖湿复合气候为主，西孟加拉邦北端气候寒冷。内陆各州气候干燥，极端程度稍高，尤其是在冬季和夏季，但整个地区在季风的几个月里持续降雨。西孟加拉邦和奥迪沙大部分地区属于暖湿气候。这里白天和晚上温度都比较高。这个地区湿度和降雨量都很高。同样，除了贾坎德邦最南部、最东部和南部、比哈尔邦东部和北部以外，大多数切蒂斯格尔地区都属于温暖潮湿的气候。夏热冬冷的恰蒂斯加尔、恰尔肯德和比哈尔存在复合气候。夏季湿度低，雨季湿度高。

3、数据和方法

利用印度气象局( IMD )对印度东部35年( 1970 - 2004年)降水和气温资料进行网格划分，采用Mann - Kendall检验、Sen斜率估计、最小二乘线性回归、Spearman秩相关和序贯Mann - Kendall检验等多种趋势分析技术，研究了按年和季节(冬季、季风前、季风和季风后)降水随温度(最大、最小值和平均值)的时空变异性。本文还进行了降雨与气温时空相关性的研究。

3.1 数据

包括印度在内的世界各地的许多水文和气候研究都使用了降雨和温度网格数据集，用于水文气候预测、气候属性研究和气候模式绩效评估。

本文利用印度气象局( IMD )在浦那开发的1970～2004年逐日降水和气温的1times;1网格资料。考虑到印度1384个站点在分析期间的数据可用性最低为70 %，开发了日降雨量网格数据集，以便将由于站点密度变化而在网格数据中产生时间不均匀性的风险降至最低( Rajeevan等人，2008年)。对观测雨量资料进行多阶段质量控制，然后将站内雨量资料插值到常规网格中。对每个站进行基本数据质量检查(如剔除值、大于已知极值、最低温度、大于最高温度、连续许多天的相同温度值、异常高值、均匀性、站的位置、打字错误、缺失数据)，然后根据数据质量选择站，以开发温度和降雨量网格数据集。在将数据发布给用户之前，对照观测站数据检查所开发的数据集。此外，数据的同质性、持续性和周期性也通过自相关进行了分析。采用Shepard插值方法，将站内雨量数据插值到规则网格中。数据集的质量已得到验证，可用于检查长期降雨趋势( Rajeevan等人，2008年)。

同样，利用印度地区395个站的日气温(最低、最高和平均)数据编制了温度网格数据。采用改进的Shepard角距离加权算法对温度数据进行网格插值。使用交叉验证技术评估这些数据集，以估计插值误差(均方根误差)，发现其小于0.5摄氏度。该数据集经过一套全面的质量保证程序，并与其他全球网格化数据集高度相关( Srivastava等人，2009年)。该数据集在空间和时间上是均匀的，过去用于气候模型模拟和趋势分析的验证。

3.2趋势分析

3.2.1 Mann - Kendall检验（MK）

Mann - Kendall检验是一种基于非参数秩的检验( Kendall，1975；Mann，1945 )，这不要求数据正常分布。测试统计量S，其具有平均值0和由等式（1）和（2）计算得到的等式（3）得出的方差。

式中，xi和x j是以年i和j为单位的年度值，t p是PTH值的系数值，q是系数值的数量，标准化测试统计量Z由等式( 4 )计算。

为了在显著性水平上测试单调趋势，如果标准化测试统计量Z的绝对值大于Z1-alpha;/2，则拒绝无趋势的零假设。

3.2.2. Sen斜率估计(SS)

如果时间序列中存在线性趋势，则可以使用Sen ( 1968 )开发的简单非参数过程来估计真实斜率(每单位时间的变化)。首先通过等式（5）计算N对数据的斜率估计，其中，x j和xk分别是时间j和k ( jgt;k )处的数据值。

Qi这N个值的中值是Sen对斜率的估计。如果N是奇数，则Sen估计值由下式计算：

如果N是偶数，则Sen估计值由下式计算：

检验统计的正负符号表明有上升和下降的趋势。

3.2.3 最小二乘线性回归法（LSLR）

最小二乘线性回归方法是一种参数检验方法。该检验用于描述时间序列中线性趋势的存在( Haan，1977 )。检验统计量T被定义为：

其中，b是观测值与时间之间的回归线的估计斜率，而se（b）代表估计斜率的标准误差。检验统计量( T )遵循具有n - 2个自由度的研究者的T分布，其中n是样本大小。当检验统计量T值大于临界值Talpha;/2时，以alpha;为显著性水平，斜率为零的零假设将被拒绝。

3.2.4 Spearman秩相关检验（SR）

这类似于Mann–Kendall测试方法，是一种非参数测试。Spearman秩相关( SR )检验是一种对线性和非线性趋势具有统一幂的简单方法，常用于检验趋势的缺失( Lettenmaier，1976 )。在这个检验中，零假设( h0 )是时间序列中的所有数据都是独立的和相同分布的；而备选假设( h1 )是存在增加或减少趋势。SR检验统计量D和标准化检验统计量ZSR表示如下:

式中，Ri是时间序列中ith观测值的秩( xi)，n是时间序列的长度。ZSR的正值表示上升趋势；而负ZSR表示时间序列中的下降趋势。当| Z SR |gt;t( n-2，1 -alpha;/ 2 )时，零假设被拒绝，并且在时间序列中存在显著趋势。

3.2.5 序贯Mann - Kendall检验（SQMK）<!--

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24643]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章