文摘
识别在高度城市化地区降雨趋势是非常重要的对各种规划和实施活动,包括设计、维护和控制水的分销网络和下水道网络和减轻洪水损失。然而,不同的可用方法在趋势分析可能会产生比较和对比的结果。因此,本文试图在比较的一些趋势分析方法使用一个高度城市化的地区在斯里兰卡,科伦坡。10个测量站了30年雨量纪录数据测试使用MannKendall测试,森的斜率估计量,斯皮尔曼的ρ测试和创新的图解法。结果展示了类似的发现在三个趋势识别方法。尽管图形方法简单,建议使用用适当的统计方法由于其识别困难当数据分散有一些异常值。然而,它被发现在此科伦坡正在向下降雨趋势在七月区域接收其主要降雨事件。此外,该地区有几个向上降水趋势在规模较小的季节和年度。因此,该地区水资源管理活动必须重新审视对水资源的可持续利用。
1。介绍
气候变化是一个复杂的现象,它严重影响许多社会、环境和经济方面1]。已经显示有明显的生物系统正在进行的气候变化之间的关系。因此,许多研究人员发现,气候变化已经影响了生命系统(2]。可见增加降水可以看到在世界的一些地方,这可以是由于持续的气候变化。在北美和南美的一些地区,北欧,和亚洲北部和中部降水的降水增加趋势记录,因此前面的声明是证明(3]。然而,减少降水趋势也观察到在一些地区,特别是在萨赫勒地区(4),地中海,非洲南部,亚洲南部[5]。
由于这些气候变化和变化,极端气候灾害频繁,发生洪水和干旱等。他们已经对基础设施造成严重不良影响,大坝、城市排水系统、和生计的人类,动物,植物6,7]。它已经发现多日的降雨有极端洪水作出的巨大贡献7- - - - - -9]。由于无法预测气候模式,洪水防御变得低效。
分析长重现期降雨事件可以通过使用标准的区域频率分析,这将产生广义极值增长曲线(10]。然而,大多数的研究分析了全球气候变化的趋势在一定程度上通过不同的统计模型。然而,少关注了气候变化的影响在地区或地方尺度在过去几十年。有限的可用性的长期工具数据11动力),考虑到不确定性建模程序(12),一些研究人员不分析里面的天气模式在不同地区的一个国家。分析季节性、十年或数十年的趋势可能是一个挑战由于天气这不可用历史长期记录。
Kosanic et al。13]讨论了气候变化的变异使用当前和历史气候数据,并提到过去降雨记录的有限的可用性是研究人员的主要问题之一。他们进一步敦促这些数据的需要识别的关键风险和缓解由于气候变化的影响。制度空白,可怜的数据管理,和毁灭的洪水水文设备造成的缺口水文时间序列(14]。因此,错误的估计在各种自然灾害是有可能的。此外,深色和琼斯(11)表示,长期供应有限的和定性的历史气候记录的能力有限的检测和预测全球气候变化。因此,进行一个综合数据救援(敢)是一个重要的任务。然而,各种各样的数学模型被用于完成气候中的缺失数据系列(15]。这些数据可以是来自卫星或基于模型从全球再分析。
文献显示趋势分析的一些研究在斯里兰卡。他们中的大多数是在非参数测试的方向。Alahacoon et al。16)表示,有一个降水指数呈上升趋势在考虑降雨时间序列数据全国11个流域地区的选择。他们进一步证明这些结果的准确性得到卫星图像的位置。Jayawardene et al。17降雨)得出的结论是,统计上显著的上升趋势是可能的,包括科伦坡,斯里兰卡。他们已经测试了降雨来自全国15个气象站点的数据。然而,他们认为一些地方不受明显降雨趋势。Herath和Ratnayake18)总结了季节性降雨滑坡的趋势及其影响。他们已经鉴定出一个强大的关系空间增加降雨和滑坡的位置的变化。Jayawardena et al。19),Navendrakumar et al。20.),Malmgren et al。21],Thevakaran et al。22)是一些例子的文学在斯里兰卡降雨趋势分析。然而,很少有研究比较不同方法的检测降雨趋势斯里兰卡。然而,Nissansala et al。23)提出了一个比较研究降雨趋势使用创新的趋势分析(ITA-graphical方法)和MannKendall方法。工作是有趣的,因为他们的声音在两种方法的结论。此外,Rathnayake [24)提出了一项类似的研究两个集雨在斯里兰卡,和类似的研究结果。
然而,详细比较分析各种趋势分析方法来斯里兰卡尚未提出。因此,本文的目的是分析和比较工具降雨数据在科伦坡地区从历史天气记录获得。这是及时的重要,这个国家的首都,科伦坡正在许多问题与气候有关,自然灾害,以及城市化。比较分析了几种降雨在月尺度不同,季节性,每年。Mann-Kendall测试,长期趋势分析测试方法之一,斯皮尔曼的ρ测试,这是一个rank-based非参数方法,最后降雨趋势分析的图解法被用作趋势分析方法,这种分析。每个方法的结果相比,有一个明确的想法在他们申请分析的准确性。
此外,本研究将提供一个清晰的理解气候变化在科伦坡地区和城市系统将受益,人口,他们支持和服务。它将有助于规划和发展的活动没有任何负面影响风暴潮、洪水、和城市热岛效应,尤其是考虑到科伦坡是在该地区的主要商业城市之一。
2。均匀性测试降雨数据系列
气候数据趋势分析的结果完全取决于使用的数据系列的质量分析。因此,这些数据的可靠性因素研究是非常重要的。因此,前一个潜在的趋势分析,气候数据的同质性检查(25- - - - - -29日]。验证的气候数据记录在同一时间在同一位置的某一天可以通过携带一个同质性测试(25,30.]。不同的测试,包括佩蒂特的测试、SNHT Buishand的测试,和冯·诺依曼的测试用来测试气候数据系列的同质性,许多研究人员(25,30.- - - - - -34]。
3所示。MannKendall测试
MannKendall测试是著名的在大部分的非参数测试用于气候趋势的识别。测试治疗是一个健壮的测试所使用的许多研究人员(35- - - - - -38]。曼在1945年引入这个测试分析趋势;然而,在1975年进一步实现(39]。赫希et al。40)通过添加季节性效应进一步改善了非参数检验。单调正面或负面趋势MannKendall测试时检测到的每个赛季的得分计算通过季节性MannKendall测试(41,42]。MannKendall统计年代是由以下方程: 在哪里 ,和月、季节和年度数据值。从方程(1和2),它是可见的年代独立于数据绝对值和依赖他们的定向改变对于一个给定的时期。的方差由方程(3),检验统计量在方程(4)制定使用 : 然后测试使用一个适当的显著性水平与双尾检验 。在这篇文章中,水平的意义 和0.01,双尾检验进行了假设 ,它定义了没有在系列和趋势 ,它定义了一系列趋势选择显著性水平 。 遵循标准正态分布的,强大的分数显示在选择的一个重要趋势 ,在正面和负面的表明数据周期的上升或下降的趋势。
4所示。斯皮尔曼的ρ测试
斯皮尔曼的ρ测试是另一个非参数趋势分析技术,基于行列,它可以用作一个类似的测试MannKendall测试。类似于MannKendall测试,定义,没有趋势系列 ,定义了一个趋势在系列选择显著性水平和数据增加或减少数量顺序(我)36,43]。这个测试执行时间序列数据的基础上,同分布和独立。测试统计数据是由以下方程: 在哪里是我th观察排名,是时间顺序号码,吗n是时间序列数据的总长度。标准化的统计数据由方程(6),是学生的t分布与自由度(44]: (+ ve)表明一个增加的趋势和(−ve)显示一个下降的趋势。从学生的t分布表,关键的价值t在0.05显著性水平的定义是(44]。零假设被拒绝,表明显著趋势时间序列如果 。
5。森的斜率估计测试
森的斜率估计测试是用来计算时间趋势的大小,并广泛应用于分析降雨模式(43,45- - - - - -47]。斜率数据对计算使用以下方程: 在哪里和对应的数据值 ,分别。森的斜率由方程(8),和积极的值表明越来越(向上)趋势,负值表示相反:
6。图形化方法在降雨趋势分析
大部分的串行数据系列被认为是独立的统计分析趋势检测。然而,据了解,一些水文数据,这样,至少在一段时间时期。因此,这些显示显著的序列相关性统计分析(48]。Rathnayake [24)引用错误发生的可能性趋势即使温和的相关性,和这些方法的局限性主要是由于零假设。森(49)提出了一个简单,直接,和创新的图解法来检测气候数据可用的积极或消极的趋势。下面的一系列步骤提出了图解法的方法:(1)最初,两个或两个以上的相同子系列是由分裂主数据系列(2)然后,这些新子群列升序排列(3)接下来,两个前期系列绘制在笛卡儿坐标系统,年长的一个是开槽的地方X轴和最近的系列Y轴(4)后,Y=X图和±5%线绘制在同一笛卡儿坐标系统(5)它认为没有趋势,如果时间序列之间分散在+ 5%,−5%。如果数据分布超过+ 5%,一个积极的趋势在最近的数据相比,年长的数据可以发现,反之亦然。
水平的±5%和1%比例可以考虑根据置信水平考虑绘制这些图(50,51]。这个图形的方法是成为著名的研究人员(23,24,52- - - - - -54]。
7所示。案例研究应用,科伦坡,斯里兰卡
30年来降雨量数据从斯里兰卡气象部门获得了10个不同的测量站位于科伦坡地区从1989年1月至2018年12月。这些降雨站在表的详细信息1。然而,测量站的空间分布可以看到从图1。
缺少降雨数据由于仪器或记录错误是使用正常比例的方法。然后,根据月度数据排序,每年和季节性。斯里兰卡有两个主要降雨季节(东北季风季节(NEMS)和西南季风季节(SWMS))。这些季风通常活跃的12月到2月的月(NEMS)和5月到9月(SWMS)。此外,它收到降雨从中间两季:第一个国米季风(鱼翅;3月和4月)和第二国际米兰季风(模拟人生;10月和11月)。然而,科伦坡从SWMS接收的降雨。
8。结果
之前的分析数据,按照惯例检查可用的气象数据的同质性。这些月降雨数据的测试结果表明,在5%的意义,他们是齐次佩蒂特,SNHT测试,Buishand,冯·诺依曼方法多数电台。然而,SNHT测试Dehiwala和Padukka显示不均匀性而冯诺依曼测试结果显示Homagama站的不均匀性。
表2趋势分析结果的汇总总结MannKendall测试(可),长枪兵的ρ测试(SR)和图形方法(GM)趋势检测意义十5%和1%选择站位于科伦坡地区。根据表中的结果,可见,两种统计趋势分析方法展示意义类似的观察在5%和1%。然而,小的区别可以从可观察到的测试为Dehiwala SR测试没有趋势,Padukka站在1%显著性水平。然而,这两个位置显示趋势在5%显著性水平。因此,应该进一步研究更多的研究。几何分析显示一些类似结果的两种统计方法确定降雨趋势。然而,详细分析给出了图解法和图2。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(我)
(j)
图2显示了结果的图形化方法。每个情节的直线显示45°(1:1)的关系。此外,虚线代表±5%的方差。潜在趋势的降雨时间序列相比,上半年下半年通过散乱数据点所示。因此,很明显,一个上升趋势可供Padukka站如图2(我)。虽然一些数据分散的积极趋势可见情节图2 (d)确凿的证据不可用,得到一种趋势。除了这些,没有趋势可以通过其他情节自发现数据之间的散射是冲(方差为1:1)行或更接近他们。Padukka站的上行趋势预测的统计分析结果证实了MannKendall测试和枪兵的ρ测试表2。正如前面讨论的,有明确的证据不可用图解法来显示趋势检测到从可和年降雨量为Dehiwala SR测试站。
表3总结的比较结果确定趋势10降雨季节性降雨的电台。它只显示了车站与一个确定的趋势。非政府站在桌子上3没有显示任何趋势从这些测试的方法。因此,换句话说,它可以得出的结论是,这些结果是3方法相互比较。100%的比赛可以看到在科伦坡(NEMS)和Padukka(鳍)如表所示3。然而,对另一些人来说,一个混合的结论可以在这里起草。在大多数的情况下,至少有两种方法显示季节性降雨的趋势。
两个情节对于Padukka图解法季节性降雨呈现在图3。这两个在这里展示了作为一个例子。一些异常值的存在于这两个情节。尽管情节都是上升趋势,分析两个数据点在每个情节被置于−5%之下。这些可以被认为是离群值。然而,忽视这些异常值时应谨慎关注。
(一)
(b)
可以观察到类似的结果在季节性降雨趋势比较时,可和SR方法被认为在1%显著性水平。测量站Angoda、Dehiwala Hanwella、Homagama Oruwala, Labugama, Rathmalana没有显示降雨趋势。然而,有趣的是,一些降雨趋势显示在5%显著水平消失在1%显著水平。例如,科伦坡已显示出上升趋势在NEMS 5%显著性水平;然而,它并没有显示任何趋势在1%显著性水平。这是有趣的,因此,在这种情况下,需要进一步调查。类似案件中可以找到Avissawella和Padukka。
月度趋势分析和比较得出一些有趣的结果。可比的结果几个站每月和季节性降雨趋势。例如,Avissawella下降趋势在七月而反映在西南季风季节(SWMS)。Labugama、Oruwala Padukka显示了类似的结果。然而,对比结果中观察到科伦坡降雨趋势。它有一个上升趋势在东北季风季节(NEMS),而在7月有下降的趋势。然而,这两个并不在同一个时间段。
然而,一个有趣的观察中发现了七月对许多电台(科伦坡,Angoda Avissawella, Hanwella, Homgama, Labugama, Oruwala,和Rathmalana)。在科伦坡7月暴雨下显示一个向下的降雨趋势。区在湿区和频繁的洪水发生在西南季风的时间,这个下降的趋势可能是一个正面看到的场景。然而,一个详细的科学讨论必须进行进一步的研究。然而,类似的结果对于大多数电视台的月降水趋势三个方法。的一些结果的规模月的一些站表中可以看到4。
9。讨论
一些比较研究降雨趋势可观测到的文学。然而,只有两项研究发现在斯里兰卡。Rathnayake [24)调查了两个集雨在斯里兰卡(Denawaka Ganaga和乌玛·欧雅集雨)的上下文中降雨趋势分析和比较了非参数可测试与创新的图形趋势分析法。认为是图解法可以很容易地识别采用降雨趋势定性而不是定量。此外,Nisansala et al。23]分析了24雨测量站在斯里兰卡和比较了降雨趋势分析与测试结果可对图形方法(创新趋势分析(ITA))和斯皮尔曼的ρ的考验。他们发现有正相关趋势分析结果之间的可测试和ITA使用斯皮尔曼相关系数ρ。此外,他们发现80%的图形趋势分析结果的协议可测试结果。因此,他们得出结论,图解法可以减少分析用于降水趋势的识别。
是8节中提到的,一个向下的降雨趋势被确认在7月在科伦坡。这是支持的年度规模Nissansala et al。23]。然而,Jayawardene et al。17从可测试对比结果。他们找到了一个积极的降雨趋势在科伦坡的年度规模。更重要的是,他们分析了降雨数据从1869年到1998年这一结论,而Nisansala et al。23)1987年至2017年近期降雨数据使用。因此,测试尺度是不同的和无可比拟的。因此,这将是有趣的观察未来几年的降雨在科伦坡在七月在分析它们。
Zhang et al。55)进行了趋势分析不仅降雨也确定干旱的趋势。他们之间的比较结果可测试和Speamanρ的测试,得出结论,类似的结果可以发现在这两种技术。Ahmad et al。43]和SatishKumar Rathnam [56)是几个例子相同的结果和结论。
也发现类似的结果在这个研究。是准备好了的斯皮尔曼的ρ测试和可测试的结果匹配得很好,不仅在趋势识别而且在大小的趋势。同样,图形分析显示了类似的结果,然而,并不是100%。这是前面讨论的人员(23,24]。因此,类似的结论是起草了这项研究。Caloiero et al。57)和Gedefaw et al。58)支持研究上面提到的想法。他们得出结论,易于使用的图形化方法;然而,他们应该谨慎使用。
然而,研究人员发现一些方法的对比结果。Ay [51)已经表示,对比结果之间的可测试和森的趋势检验结果在土耳其。除了降雨,温度趋势也进行这项研究。然而,可测试被广泛接受为一个可靠的测试来确定气候趋势。因此,研究发现在非参数测试(可测试)在这个研究论文被认为是可靠的。因此,首都科伦坡的趋势分析和环境很重要在未来水资源管理和规划。
10。结论
比较三个气候趋势分析(MannKendall测试、斯皮尔曼的ρ测试和图形测试)进行。降雨趋势获得这三个结果相互比较10降雨站在科伦坡。三个分辨率水平,包括年度、季节和月降雨量,测试三种方法。趋势分析结果得出结论,这三种方法产生类似的结果。MannKendall测试和枪兵的ρ测试产生几乎与趋势大小类似的趋势。然而,有时图解法结果对比与其他两种非参数测试。因此,可以得出在此,谨慎使用的图解法在重要规划相关工作至关重要。此外,它总是更好的考虑另一种趋势分析方法图解法;因此,总有一个比较的结果。这个过程会导致更好的成就。 Nevertheless, it was found that the month July is critical for Colombo as it has downward rainfall trends for significant number of rain gauges. July is one of the months in which Colombo receives its major rainfall; therefore, careful planning is essential.
数据可用性
气候数据和分析数据可从相应的作者。
信息披露
这项研究是在斯里兰卡信息技术研究所的环境。
的利益冲突
作者宣称没有利益冲突。前三个作者做研究助理在相应的作者的研究小组。相应的作者是工程学院的高级讲师,斯里兰卡信息技术研究所、斯里兰卡。
确认
作者感谢斯里兰卡信息技术研究所、斯里兰卡、提供财政支持进行研究。