Page 114 - 2022年第53卷第8期

南、广东、广西和江浙一带 ＤＡＲＭＡ最优占比在 ９０％以上，而新疆、青海、兰州等地 ＤＡＲ模型占比较
其他地区更高。

图 ６ 全国各站点最优拟合模型分布图

以上分类讨论结果显示，除均值以外，采用 ＤＡＲＭＡ（１，１）模型拟合的日降水量在保持实测序列
各统计特征值方面，优于 ＤＡＲ（１）模型，与原序列更为接近。对于模拟产生日降水量的均值，ＤＡＲ
（１）模型在多年平均日降水量小于 ５ｍｍ地区效果更好，而 ＤＡＲＭＡ（１，１）模型在多年平均日降水量大
于 ５ｍｍ地区更具优势。在工程实践及水资源规划管理中，对降水量大、多日降水事件频发地区选用
ＤＡＲＭＡ（１，１）模型；在对降水量较小地区进行随机模拟时，若 Ｃ、Ｃ、Ｒ 和 ｒ为重要指标则选用
ｓ
ｍ１
ｖ
１
ＤＡＲＭＡ（１，１）模型，若均值为重要指标则可选用 ＤＡＲ（１）模型。
５ 结论

本文以测站条件较好、建站时间早、缺测数据少、资料完整性好的 ８１１个气象站点日降水量数据
为研究对象，通过多日降水事件的概率分布和概率结构，建立 ＤＡＲＭＡ（１，１）模型，模拟干湿游程分
布，对理论和模拟 ＡＣＦ及干湿游程概率分布进行检验，验证了模型的合理性和普适性。通过 Ｇａｍｍａ
函数生成不同游程降水事件的日降水量，以 ｘ 、Ｃ、Ｃ、Ｒ 和 ｒ为指标，评价模型模拟效果，并与
ｍｅａｎ ｖ ｓ ｍ１ １
ＤＡＲ（１）模型进行对比，得到结论：ＤＡＲＭＡ（１，１）模型对干游程概率分布拟合效果好，对于湿游程分
布的拟合效果随着多日降水事件出现概率增加而提升；采用 ＤＡＲＭＡ（１，１）模型拟合的日降水量，Ｃ、
ｖ
Ｃ、Ｒ 和 ｒ等指标总体优于 ＤＡＲ（１）模型，在降水量大、多日降水事件频发地区均值也优于 ＤＡＲ（１）
ｓ ｍ１ １
模型。
整体而言，ＤＡＲＭＡ（１，１）模型的模拟结果与原序列特征值较为接近，适用于中国大陆地区日降
水量的随机模拟，且对长持续性事件的模拟具有更高的精度，是一种非常具有应用前景的日降水量模
拟模型。在后续研究中，将考虑变化环境对模型参数的影响，引入时变参数、随机波动特性等对模型
进行进一步探索，或开展高阶 ＤＡＲＭＡ模型研究，以期在模拟过程中捕捉更多降水特征，提高模型
精度。
（ 文中中国地图的审图号为：ＧＳ（２０２０）４６３２）

０
— １ ０ １ —