吉首市降水特征及短歷時暴雨雨型分析

彭鈺媛 張金凱 劉玥

摘要 為了給城市防澇規(guī)劃、積澇預(yù)報預(yù)警、給水排水、工程設(shè)計與建設(shè)等提供科學(xué)支撐和參考，對吉首市近10年的降水特征進(jìn)行分析，發(fā)現(xiàn)吉首市年平均降水量為1 534.3 mm，年最大降水年份為2014年，降水量為2 209.4 mm，占10年內(nèi)總降水量的14%;月平均降水量最大值為260.0 mm，出現(xiàn)在6月，最小值為35.9 mm，出現(xiàn)在1月。通過模糊識別法以及PC法對吉首市短歷時暴雨進(jìn)行分析，發(fā)現(xiàn)吉首市暴雨類型主要為單峰型，且中部單峰型雨型的比例最大。其中，模糊識別法發(fā)現(xiàn)中部單峰型雨型的比例最大，占比為37.04%;PC法發(fā)現(xiàn)短歷時暴雨在第13個時段出現(xiàn)的降水量最高，占總降水量比值為5.71%。

關(guān)鍵詞 降水特征;暴雨雨型;吉首市

Abstract The study aims to provide a scientific support and reference for urban waterlogging planning， waterlogging prediction and early warning， water supply and drainage， engineering design and construction. It is found that the average annual precipitation is 1 534.3 mm， the annual maximum precipitation year is in 2014， and the precipitation is 2 209.4 mm， accounting for 14% of the total precipitation in 10 years， there was a maximum monthly average precipitation 260.0 mm in June and a minimum of 35.9 mm in January based on the analysis of precipitation characteristics in Jishou City in recent 10 years. It is shown that the rainstorm type in Jishou City is mainly unimodal type， and the proportion of unimodal rain type in the middle of Jishou City is the largest by analysis of short calendar rainstorm in Jishou City by means of fuzzy recognition method and PC method. It's showed based on the fuzzy recognition method that the ratio of the unimodal rain type in the middle part is the largest， accounting for 37.04% and it's found by PC method that the precipitation of short duration rainstorm is the highest in the 13th period， accounting for 5.71% of the ratio of total precipitation.

Key words Precipitation characteristics;Rainstorm type;Jishou

近年來，由于全球變暖趨勢的日益加劇，導(dǎo)致暴雨頻發(fā)。在我國，暴雨是常見的氣象災(zāi)害，已經(jīng)成為影響人們生活工作的極端天氣之一[1-2]。暴雨頻發(fā)不僅會導(dǎo)致山洪、滑坡、泥石流、崩塌等地質(zhì)災(zāi)害的發(fā)生，還會出現(xiàn)城市內(nèi)澇、江河暴漲等現(xiàn)象，對人民的生命財產(chǎn)安全造成嚴(yán)重威脅。吉首市地處我國湖南省西部地區(qū)，屬于中亞熱帶濕潤季風(fēng)氣候區(qū)，整個湖南屬于三面環(huán)山朝東北開口的馬蹄形盆地，西高東低，南高北低，地表起伏大，四水、四口向洞庭湖匯集，呈輻聚狀水系，且地貌類型復(fù)雜多樣，以山丘地貌為主，因此，由于地形和地理位置的特殊性，形成了明顯的季風(fēng)氣候特征，四季都可發(fā)生災(zāi)害性天氣，尤其是長時間受到暴雨襲擊，對城市造成的災(zāi)害不容忽視，因此，對于吉首市地區(qū)暴雨的分析與預(yù)測勢在必行。

雨型是描述降雨強(qiáng)度在時間尺度上的變化特征，雨型有不同的分類方法，依據(jù)不同類型的降雨過程（即雨型）計算出的地表徑流和洪峰流量會產(chǎn)生較大的差異[3]。國內(nèi)外對于暴雨雨型的研究分類方法頗多，最初蘇聯(lián)包高馬佐娃通過對烏克蘭等地的降雨資料進(jìn)行研究分析，總結(jié)了7種經(jīng)典的雨型[4-5]。1975年P(guān)ilgrim等[6]基于數(shù)理統(tǒng)計原理提出了一種級序平均法（也稱P&C法）推求暴雨雨型。之后人們常常采用模糊識別分析法對暴雨雨型進(jìn)行分析，如王彬雁等[7]用模糊識別法成功分析了北京城區(qū)暴雨雨型，王安琪等[8-9]通過模糊識別法和PC法相結(jié)合，分別分析了上海暴雨雨型及江蘇的暴雨雨型;張鷺等[10]也運(yùn)用了模糊識別和PC法等多種方法進(jìn)行了暴雨雨型的探索;王光明等[11]利用多種方法推求湖南省14個地（市、州）的短歷時暴雨雨型，提出芝加哥法和P&C法結(jié)果接近實際情況，均可用于湖南短歷時暴雨雨型的設(shè)計當(dāng)中。可見，這幾種方法在國內(nèi)外已經(jīng)得到了廣泛應(yīng)用，也是目前氣象業(yè)務(wù)中被推薦采用的雨型分析方法。

筆者對吉首市近10年的降水特征進(jìn)行分析，得到吉首地區(qū)降水年和月的規(guī)律，再選用模糊分析法和PC法對吉首近10年短歷時暴雨雨型進(jìn)行分析，旨在為城市防澇規(guī)劃、積澇預(yù)報預(yù)警、給水排水、工程設(shè)計與建設(shè)等提供科學(xué)支撐和參考。

1 資料與方法

1.1 資料

選取吉首國家基準(zhǔn)氣候站作為研究站點(diǎn)，整理出2009—2018年共10年的地面降水資料，其中逐月和逐年地面降水資料用于降水特征的分析，逐分鐘地面降水資料用于暴雨雨型的分析。

1.2 降水特征分析方法

采用統(tǒng)計分析的方法，對降水?dāng)?shù)據(jù)進(jìn)行分類匯總，然后根據(jù)數(shù)據(jù)結(jié)果對吉首市降水特性進(jìn)行分析研究。

1.3 暴雨場次的劃分方法

Adams B J等發(fā)現(xiàn)，當(dāng)間隔小于60 min時，降水統(tǒng)計特性與降雨場次的劃分有極大相關(guān)性，對研究不利;當(dāng)間隔在60～360 min時，此時的降雨特性與降雨場次劃分相關(guān)性不大，有代表性且利于實際應(yīng)用[6]。因此，該研究降雨時間間隔采用120 min，選擇120 min連續(xù)降水且降雨量≥20 mm為一個暴雨場次，為了便于分析，將120 min又劃分為24個小時段，即5 min 1個時段，為單個時段進(jìn)行雨型分析。

1.4 模糊識別法

根據(jù)各時段降雨量變化特征及雨峰位置，將雨型歸納為7種主要模型，具體如圖1所示[10]。

1.5 P&C法

①將每一場暴雨分成24個小段，將每個時段的雨量排上序號，大雨量對應(yīng)小序號，即每一場暴雨都有24個序號;②將每個時段對應(yīng)的序號取平均值，取值由小到大對應(yīng)該時段的暴雨強(qiáng)度由大到小;③計算每場暴雨每個時段降雨量與總降雨量的比值，取平均值;④以確定的最大可能次序（步驟2）和確定的分配比例（步驟3）為前提，構(gòu)成雨量過程曲線。

2 結(jié)果與分析

2.1 降水特征

分析2009—2018年的降水?dāng)?shù)據(jù)，得到吉首市降水總量的分布情況，如圖2、3所示。由圖2可見，2009—2018年吉首市年總降水量為981.1～2 209.4 mm，其中2010年、2012年、2014—2017年的年降水量均高于1 500 mm，占10年內(nèi)總降水量的55.6%，年最大降水年份為2014年，降水量為2 209.4 mm，占10年內(nèi)總降水量的14.0%，年平均降水量為1 534.3 mm。

由圖3可知，2009—2018年吉首市月平均降水量最大值出現(xiàn)在6月，為260.0 mm;最小值出現(xiàn)在1月，為35.9 mm。其中降水主要出現(xiàn)在5、6、7月，占到了整年降水量的45%。

2.2 模糊識別結(jié)果

通過模糊識別法對吉首市2009—2018年短歷時暴雨場次分布情況進(jìn)行分析，結(jié)果如圖4所示。由圖4可知，吉首市10年內(nèi)暴雨場次共108次，其中2014年有27次短歷時暴雨，占總短歷時暴雨場次的25%。

將2009—2018年各歷時按照7種雨型類別進(jìn)行分類，結(jié)果見表1。由表1可知，大部分降雨過程都屬于單峰型，占61.12%，21.29%為雙峰型，17.59%為均勻型，其中中部單峰型雨型所占的比例最大，為37.04%。由此可知，吉首市短歷時暴雨雨型為單峰型，且為中部單峰型。

2.3 P&C結(jié)果

根據(jù)PC法原理，將120 min分成了24個時段，每個時段包含5 min的降水時間，結(jié)果見圖5和圖6。由圖5可知，橫坐標(biāo)為24個暴雨時段，縱坐標(biāo)為降水量平均值，整個曲線呈中間高兩邊低的趨勢，在第13個時段出現(xiàn)的降水量最高，為1.9 mm。由圖6所示，橫坐標(biāo)為24個暴雨時段，縱坐標(biāo)為時段降水量與該時段總降水量比值的平均值，整個曲線呈現(xiàn)2個明顯峰值，但都在第13個時段出現(xiàn)最高值5.71%，通過PC法進(jìn)行調(diào)整，將圖5中所得到的序號為橫坐標(biāo)，將圖6得到的百分比為縱坐標(biāo)，繪制如圖7所示的曲線圖。由圖7可知，百分比呈現(xiàn)單峰型趨勢，與模糊法分析的雨型結(jié)果相一致。

2.4 雨型分析方法對比

通過模糊識別和PC法2種雨型分析方法，獲得了相同的雨型結(jié)果，均顯示吉首市近10年短歷時暴雨雨型為單峰型，且為中部單峰型雨型。這2種方法均將120 min暴雨分成了24個暴雨時段來進(jìn)行分析，但PC法比模糊分析法細(xì)致，將數(shù)據(jù)進(jìn)行反復(fù)平均和對比，減小了誤差，且能得到峰值的最大平均雨量百分值，更具說服力。因此，將采用PC分析法對吉首市的短歷時暴雨雨型進(jìn)行詳細(xì)分析，并對各種方法的優(yōu)缺點(diǎn)進(jìn)行比較，找出最優(yōu)的判別方法，可為城市防澇抗旱措施提供更精確的數(shù)據(jù)和更具說服力的科學(xué)依據(jù)。

3 結(jié)論

（1）選擇2009—2018年吉首市近10年的降水量數(shù)據(jù)進(jìn)行分析，結(jié)果表明：該市年平均降水量為1 534.3 mm。其中，年最大降水年份為2014年，降水量為2 209.4 mm，占10年內(nèi)總降水量的14%;月平均降水最大值為260.0 mm，出現(xiàn)在6月，最小值為35.9 mm，出現(xiàn)在1月。

（2）通過模糊識別法對短歷時暴雨進(jìn)行分析，發(fā)現(xiàn)吉首市10年內(nèi)暴雨場次共108次，其中2014年有27次短歷時暴雨，占總短歷時暴雨場次的25%。比較7種雨型發(fā)現(xiàn)，吉首市暴雨類型為單峰型，且中部單峰型雨型的比例最大，占比為37.04%。

（3）通過PC法分析可知，短歷時暴雨在第13個時段出現(xiàn)的降水量最高，為1.9 mm，時段暴雨量占總降水量比值為5.71%，百分比曲線圖呈現(xiàn)中部單峰型趨勢，與模糊法分析的雨型結(jié)果相一致。

安徽農(nóng)業(yè)科學(xué) 2020年

參考文獻(xiàn)

[1] 丁一匯，任國玉，石廣玉，等.氣候變化國家評估報告（Ⅰ）：中國氣候變化的歷史和未來趨勢[J].氣候變化研究進(jìn)展，2006，2（1）：3-8.

[2] 李剛，張鷺.基于微波探測資料的全球大氣亮溫長期變化趨勢研究[J].氣象科學(xué)，2016，36（1）：10-19.

[3] 中華人民共和國住房和城鄉(xiāng)建設(shè)部.室外排水設(shè)計規(guī)范：GB 50014—2006[S].北京：中國計劃出版社，2014.

[4] 莫洛科夫 M B.雨水道與合流水道[M].施果林，謝錫爵，等譯.北京：建筑工程出版社，1956：1-343.

[5] CHOW V T.Frequeney analysis of hydrologic data with special application to rainfall intensities[J].University of illions bulletin，1953，414：79-80.

[6] PILGRIM D H，CORDERY I.Rainfall temporal patterns for design floods[J].Journal of the hydraulics division，1975，101（1）：81-95.

[7] 王彬雁，趙琳娜，鞏遠(yuǎn)發(fā)，等.北京降雨過程分型特征及短歷時降雨重現(xiàn)期研究[J].暴雨災(zāi)害，2015，34（4）：302-308.

[8] 王安琪，瞿寧玲，陳元芳，等.上海市楊浦區(qū)設(shè)計面暴雨量與設(shè)計暴雨雨型研究[J].水電能源科學(xué)，2018，36（8）：1-4.

[9] 孫偉，沈建，蔣小欣，等.江蘇蘇州市市區(qū)短歷時暴雨雨型研究分析[J].中國防汛抗旱，2019，29（9）：18-23.

[10] 張鷺，李菁，裴海英，等.南京市短歷時暴雨雨型分析[J].氣象科技進(jìn)展，2019，9（3）：15-20，55.

[11] 王光明，廖玉芳，曾向紅，等.湖南短歷時暴雨雨型分析[J].暴雨災(zāi)害，2017，36（1）：86-90.