基于小時分辨率的降水過程辨識方法研究

王莉萍，王鑄，連治華，劉璐

(國家氣象中心，北京100081)

引 言

暴雨災(zāi)害是我國最嚴(yán)重的氣象災(zāi)害之一，隨著全球氣候變暖，強(qiáng)降水頻次增加且極端性增強(qiáng)，分布格局也發(fā)生調(diào)整(翟盤茂和潘曉華，2003；吳燕娟，2016；陳海山等，2009；李培都等，2018；申莉莉等，2018；Al?exander et al.，2006；You et al.，2011)。強(qiáng)降水的累積、疊加和突發(fā)效應(yīng)是暴雨災(zāi)害的主要誘因，強(qiáng)降水過程也成為學(xué)者們重點(diǎn)研究對象，但對強(qiáng)降水過程的定義有很大差異。姜愛軍等(2005)在研究中國強(qiáng)降水過程時空集中度時將強(qiáng)降水過程分為大雨過程、暴雨過程，張嬌等(2012)定義淮河流域持續(xù)性強(qiáng)降水過程時指出連續(xù)5 d 每天都至少有1個站出現(xiàn)≥50 mm 的降水。陳青等(2014)定義湖南強(qiáng)降水過程規(guī)定日降水量≥10 mm的站數(shù)≥30站為強(qiáng)降雨過程的開始日期，≤20 站的前一日為強(qiáng)降水過程的結(jié)束日期。魏曉雯(2015)采用日降水量超過夏季85 百分位閾值占總站點(diǎn)數(shù)的1/3 作為長江中下游強(qiáng)降水過程的標(biāo)準(zhǔn)?？梢姡煌难芯磕康暮筒煌貐^(qū)強(qiáng)降水過程定義差異很大。我國降雨地域特征明顯，年降水量從東南沿海向西北內(nèi)陸逐漸減少，加之各地地形地貌、地質(zhì)災(zāi)害分布及孕災(zāi)環(huán)境的差異，相同強(qiáng)度的降水在東部沿海地區(qū)影響不大，但對西北內(nèi)陸地區(qū)將造成極其嚴(yán)重的暴雨災(zāi)害，尤其是短時強(qiáng)降水突發(fā)性強(qiáng)，各地致災(zāi)閾值差異大，在全國范圍內(nèi)合理地對降水過程定義將決定過程定量評估和災(zāi)害風(fēng)險預(yù)估的準(zhǔn)確性。陳艷秋等(2006)、襲 祝 香(2008)、邵 末 蘭 等(2009)、鄭 國 等(2011)、袁 慧 敏 等(2012)、吳 振 玲 等(2012)，鄒 燕 等(2014)、伍紅雨等(2019)從日降雨尺度定義暴雨過程，利用日雨量資料基于概率統(tǒng)計(jì)、歐式距離、綜合強(qiáng)度指數(shù)等方法對過程評估，但主要針對固定區(qū)域，沒有反映地域特征。王莉萍等(2015)考慮降雨的時空分布和地域性特征，研發(fā)了適用于全國的降水過程綜合強(qiáng)度評估方法，并編制氣象行業(yè)標(biāo)準(zhǔn)《降雨過程強(qiáng)度等級》(2016年9月29日發(fā)布)，用于我國預(yù)報服務(wù)中單站和區(qū)域降雨過程的監(jiān)測、評估及服務(wù)，以此為基礎(chǔ)上研發(fā)了暴雨災(zāi)害風(fēng)險及影響評估方法(王秀榮等，2016)。后續(xù)研究優(yōu)化了評估因子，增加了極端性降雨評價(王莉萍等，2018)，但還是以天為單位定義、提取和計(jì)算降水過程，對短時強(qiáng)降水發(fā)生時段捕捉能力低，并且平滑了短時極端降水強(qiáng)度，放大了降水過程的開始和結(jié)束時間，不能滿足氣象服務(wù)的精細(xì)化需求。

隨著現(xiàn)代化氣象業(yè)務(wù)發(fā)展，降水預(yù)報的時空分辨率不斷提高，72 h內(nèi)智能網(wǎng)格預(yù)報可以達(dá)到小時尺度，為逐小時降水過程動態(tài)風(fēng)險預(yù)估和影響評估、氣象防災(zāi)減災(zāi)提供了基礎(chǔ)。但按照不同時空尺度對觀測數(shù)據(jù)進(jìn)行數(shù)學(xué)物理變換不可避免的導(dǎo)致數(shù)據(jù)時空信息丟失，處理方式的合理與否將直接影響對觀測對象的定性和定量解釋(Bloschl，1995)，對廣闊區(qū)域加密到小時尺度的強(qiáng)降水過程的定義和定量評估將直接影響災(zāi)害風(fēng)險預(yù)估和氣象防災(zāi)減災(zāi)依據(jù)的可靠性。本文基于全國范圍內(nèi)小時降水的時空分布特征，以站點(diǎn)短時降水氣候背景表征地域差異，按照百分位法界定錄入降水過程的小時閾值，定義基于小時分辨率的降水過程的開始和結(jié)束條件，改進(jìn)的降水過程的指標(biāo)算法，實(shí)現(xiàn)對小時分辨率的降水過程綜合強(qiáng)度評估，提高降水過程強(qiáng)度評估的精度，為氣象服務(wù)業(yè)務(wù)中降水過程動態(tài)小時評估建立基礎(chǔ)。

1 資料

本文使用的資料是國家氣象信息中心經(jīng)過質(zhì)量控制整編的1951—2018年國家氣象觀測站逐小時降水資料。觀測站是中央氣象臺目前正在使用的2410個國家站點(diǎn)信息(包括基準(zhǔn)基本站756個、一般站1654個)。

因各地建站時間不同，為了保證站點(diǎn)降水背景信息的完整性，小時降水量、滑動3 h 降水量和滑動6 h降水量百分位排序時使用的是建站以來的觀測數(shù)據(jù)。由于站點(diǎn)信息越多，降水過程提取和評估以及檢驗(yàn)越準(zhǔn)確，為了確保觀測數(shù)據(jù)的連續(xù)性且國家站站點(diǎn)達(dá)到2000 站以上，本文選取1981—2018年降水過程用于統(tǒng)計(jì)分析和驗(yàn)證。

2 辨識和評估方法

2.1 辨識方法

本文辨識的降水過程指對社會經(jīng)濟(jì)、民生等有一定影響的降水過程。在王莉萍等(2018)前期研究基礎(chǔ)上，優(yōu)化日降水量劃分降水過程方法，降時間尺度，按照小時分辨率精細(xì)識別降水過程；分不同空間尺度，面向全國范圍內(nèi)的單站、大區(qū)域、小區(qū)域分類識別；增加降水過程與天氣系統(tǒng)匹配度，基于鄰近原則精準(zhǔn)識別大區(qū)域降水過程。

對站點(diǎn)降水過程辨識時，考慮站點(diǎn)地域差異、致災(zāi)臨界閾值(張廷治等，1996；柳源，1998；趙健和范北林，2006；王家祁和駱承政，2006；劉國緯和沈國昌，2006；李中平等，2008)和適用全國的站點(diǎn)閾值提取方法，用百分位法確定站點(diǎn)提取的閾值。站點(diǎn)降水過程辨識時要同時滿足以下兩個條件：(1)站點(diǎn)降水過程開始定義為1 h降水量達(dá)到歷史小時降水量從小到大排序80 百分位值，結(jié)束定義為連續(xù)8 h 以上沒有時刻達(dá)到80 百分位值；(2)站點(diǎn)日降水量達(dá)到歷史日降水量從小到大排序90百分位值(王莉萍等，2018)。

對區(qū)域降水過程辨識時，考慮我國降水過程的復(fù)雜性，既有覆蓋南北方的大范圍降水過程，也有僅出現(xiàn)在長江中下游或京津冀，甚至是單個市(區(qū))的小區(qū)域降水過程。為了滿足全國適用性，從國家級氣象服務(wù)的層面，分大區(qū)域和小區(qū)域兩種情況。大區(qū)域指南方、北方或任意大于等于全國面積1/3的區(qū)域，過程辨識時考慮站點(diǎn)間的距離；小區(qū)域指流域、32個省(自治區(qū)、直轄市)或任意小于全國面積1/3的區(qū)域，過程辨識時不考慮站點(diǎn)之間的距離。為了使客觀辨識的降水過程與天氣系統(tǒng)下降水過程具有高匹配度，通過不斷試驗(yàn)調(diào)整參數(shù)，即調(diào)整錄入降水過程的相鄰站點(diǎn)間距離、單時次錄入降水的最少站點(diǎn)數(shù)或比例以及屬于一次降水過程兩個時刻的最大間隔時間，找出與中央氣象臺按天氣系統(tǒng)錄入的降水過程匹配度最好的三個參數(shù)值，具體辨識方法如下：

(1)大區(qū)域。開始定義為達(dá)到錄入閾值且相鄰站點(diǎn)之間的距離小于900 km的站點(diǎn)數(shù)占評估區(qū)域內(nèi)站點(diǎn)的5%及以上或大于等于40 站；結(jié)束定義為連續(xù)12 h以上達(dá)到錄入閾值且相鄰站點(diǎn)之間的距離小于900 km站點(diǎn)數(shù)占評估區(qū)域內(nèi)站點(diǎn)的比例不足5%及以上或少于40站。

站點(diǎn)之間距離計(jì)算時，假設(shè)地球是一個完美球體，半徑就是地球的平均半徑(R=6371.004 km)。如果以0 度經(jīng)線為基準(zhǔn)，根據(jù)地球表面任意兩點(diǎn)的經(jīng)緯度就可以計(jì)算出這兩點(diǎn)間的地表距離。點(diǎn)A 的經(jīng)緯度為(LonA,LatA)，點(diǎn)B的經(jīng)緯度為(LonB,LatB)，按照0度經(jīng)線的基準(zhǔn)，東經(jīng)取經(jīng)度的正值(Longitude)，西經(jīng)取經(jīng)度負(fù)值(-Longitude)，北緯取90-緯度值(90-Latitude)，南緯取90+緯度值(90+Latitude)，經(jīng)過上述處理過后的兩點(diǎn)被計(jì)為(MLonA, MLatA)和(MLonB, MLatB)。根據(jù)三角推導(dǎo)，可以得到計(jì)算兩點(diǎn)距離的如下公式為

其中，R和Distance單位是km。

(2)小區(qū)域。開始定義為達(dá)到錄入閾值的站點(diǎn)數(shù)占評估區(qū)域內(nèi)站點(diǎn)的10%及以上或大于等于40站；結(jié)束定義為連續(xù)8 h以上達(dá)到錄入閾值的站點(diǎn)數(shù)占評估區(qū)域內(nèi)站點(diǎn)的比例不足10%及以上或少于40站。

2.2 評估方法

基于王莉萍等(2018)提出的降水過程強(qiáng)度是降水強(qiáng)度、持續(xù)時間和覆蓋范圍三個指標(biāo)共同作用的計(jì)算方法，為了將時間分辨率精細(xì)到小時，對三個指標(biāo)定義和算法進(jìn)行改進(jìn)，開展基于小時分辨率降水過程強(qiáng)度評估的研究。

2.2.1 降水強(qiáng)度指數(shù)

降水強(qiáng)度是暴雨災(zāi)害的主要致災(zāi)因子之一，尤其是1、3、6 h等短歷時強(qiáng)降水致災(zāi)危險性更大?？紤]降水影響，降水強(qiáng)度指數(shù)計(jì)算時考慮過程1 h 最大降水量(R1max)、滑動3 h 最大降水量(R滑動3max)、滑動6 h 最大降水量(R滑動6max)和過程小時平均降水量(R過程平均)四個量值要素，其中

式(3)中，R過程平均為過程小時平均降水量；h為站點(diǎn)過程小時數(shù)。

利用1951—2018年2410個國家氣象觀測站小時降水資料，將小時降水量、滑動3 h降水量、滑動6 h降水量按從小到大排列，提取百分位90%、95%、98%、99%、99.5%、99.8%、99.9%、99.95%、99.98%、99.99%、100%所對應(yīng)的值，組成小時降水強(qiáng)度矩陣R1，滑動3 h降水強(qiáng)度矩陣R3，滑動6 h降水強(qiáng)度矩陣R6為

其中，i=2410，j=11，i為站點(diǎn)數(shù)；j為百分位值個數(shù)；rij為第i個站點(diǎn)第j個百分位對應(yīng)的小時降水量值；rrij為第i個站點(diǎn)第j個百分位對應(yīng)的3 h降水量值；rrrij為第i個站點(diǎn)第j個百分位對應(yīng)的6 h降水量值。

為了將四個描述降水強(qiáng)度的要素統(tǒng)一到一個可比量綱上，采用指數(shù)劃分的方法?？紤]站點(diǎn)差異性，將小時降水強(qiáng)度矩陣R1、滑動3 h 降水強(qiáng)度矩陣R3，滑動6 h降水強(qiáng)度矩陣R6按站點(diǎn)指數(shù)劃分，見表1。

表1 降水強(qiáng)度指數(shù)劃分Table 1 Precipitation intensity index division.

對照表1 中第1 列，查出各站點(diǎn)1 h 最大降水量R1max、過程小時平均降水量R過程平均對應(yīng)的1 h最大降水強(qiáng)度指數(shù)I1max和過程小時平均降水強(qiáng)度指數(shù)I過程平均。對照第2 列，查出各站點(diǎn)滑動3 h 最大降水R3max對應(yīng)的滑動3 h 最大降水強(qiáng)度指數(shù)I3max。對照第3 列，查出各站點(diǎn)滑動6 h 最大降水量R6max對應(yīng)的滑動6 h最大降水強(qiáng)度指數(shù)I6max。綜合要素的共同作用，按下式計(jì)算站點(diǎn)降水強(qiáng)度指數(shù)

式(4)中，I為降水強(qiáng)度指數(shù)；a、b、c、d為權(quán)重系數(shù)，權(quán)重系數(shù)a、b、c、d不同地區(qū)根據(jù)致災(zāi)要素的不同可適當(dāng)調(diào)整，本文四個權(quán)重均取0.25。

2.2.2 持續(xù)時間指數(shù)

站點(diǎn)降水過程持續(xù)時間是從降水過程開始到結(jié)束，本文定義為錄入過程的小時數(shù)，即

其中，T為有效降水時間指數(shù)；K為降水衰減指數(shù)，h為錄入過程的小時數(shù)。關(guān)于衰減指數(shù)K(王莉萍等，2018)，不同地區(qū)不同季節(jié)有差異，還與當(dāng)?shù)氐姆罏?zāi)減災(zāi)能力有密切關(guān)系，以天為單位，取值K=0.8(中國科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所，2000；王禮先和于志民，2001)，本文以小時為單位，取0.98。

2.2.3 覆蓋范圍指數(shù)

覆蓋范圍(CP)定義為小時降水錄入降水過程站點(diǎn)(n)占評估區(qū)站點(diǎn)(N)的比例，即

其中，n為錄入降水過程的站點(diǎn)數(shù)；N為評估區(qū)域站點(diǎn)總數(shù)?？紤]與降水強(qiáng)度、持續(xù)時間量級一致，將降水覆蓋范圍指數(shù)(C)定義為

2.2.4 降水過程綜合強(qiáng)度指數(shù)計(jì)算

按照王莉萍等(2018)提出的站點(diǎn)和區(qū)域降水過程綜合強(qiáng)度指數(shù)的計(jì)算方法，站點(diǎn)降水過程綜合強(qiáng)度指數(shù)是降水強(qiáng)度和持續(xù)時間的共同作用，站點(diǎn)降水過程綜合強(qiáng)度指數(shù)(RSI)計(jì)算式為

其中，I為降水強(qiáng)度指數(shù)；T為持續(xù)時間指數(shù)。

區(qū)域降水過程綜合強(qiáng)度是降水強(qiáng)度、覆蓋范圍和持續(xù)時間3個指標(biāo)共同作用。區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)按下式計(jì)算

其中，RSI為站點(diǎn)降水過程綜合強(qiáng)度指數(shù)；n為錄入降水過程的站點(diǎn)數(shù)；C為覆蓋范圍指數(shù)。

2.2.5 降水過程強(qiáng)度等級劃分

實(shí)際應(yīng)用中，經(jīng)常需要對中國、以秦嶺-淮河為分界線的南方和北方、省級行政區(qū)劃的32個省(自治區(qū)、直轄市)等不同區(qū)域范圍的降水過程提取和評估，因此，應(yīng)用公式(8)和(9)計(jì)算1981—2018年中國、南方、北方、32個省(自治區(qū)、直轄市)降水過程綜合強(qiáng)度指數(shù)。分析單站和區(qū)域降水過程強(qiáng)度指數(shù)概率密度分布，按照出現(xiàn)概率約1%、5%、10%、15%、69%將降水過程劃分為極端、特強(qiáng)、強(qiáng)、較強(qiáng)、中等五個等級，單站和區(qū)域降水過程強(qiáng)度等級劃分見表2，將單站降水過程綜合強(qiáng)度指數(shù)(RSI)按照30、50、90、150 四個節(jié)點(diǎn)分為五個指數(shù)范圍，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)按照80、180、400、800 四個節(jié)點(diǎn)分為五個指數(shù)范圍，分別表示中等、較強(qiáng)、強(qiáng)、特強(qiáng)和極端等級。

表2 單站和區(qū)域降水過程綜合強(qiáng)度等級劃分Table 2 The single station and regional precipitation process comprehensive strength grade division.

3 檢驗(yàn)

上文從站點(diǎn)、大區(qū)域、小區(qū)域定義了基于小時分辨率降水過程的辨識方法，并利用改進(jìn)的評估方法重新界定了降水過程綜合強(qiáng)度等級的劃分標(biāo)準(zhǔn)。為了驗(yàn)證站點(diǎn)、大區(qū)域、小區(qū)域降水過程辨識方法和評估算法的效果，下面從這三個方面分別選取2011—2018年的典型案例進(jìn)行檢驗(yàn)。

3.1 站點(diǎn)

3.1.1 浙江省2013年臺風(fēng)降水過程案例

應(yīng)用小區(qū)域降水過程辨識和評估方法，首先提取浙江省2013年受強(qiáng)臺風(fēng)“菲特”的影響時段在2013年10月5日23時至8日19時，此次浙江省區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)為1826.64，對照表2，為極端降水過程。然后，應(yīng)用站點(diǎn)降水過程辨識和評估方法，評估此次過程浙江省各地受影響情況。圖1是2013年10月5日23時至8日19時浙江省單站降水過程綜合強(qiáng)度指數(shù)(RSI)分布圖，從圖中可以看出達(dá)到表2中強(qiáng)等級的站點(diǎn)占浙江全省99%，極端等級的站點(diǎn)主要集中在浙江北部和東部，相對而言，北部地區(qū)降水極端性更強(qiáng)，余姚氣象觀測站降水過程綜合強(qiáng)度指數(shù)(RSI)達(dá)420。

2013年10月5日23 時—8日19 時降水 實(shí) 況 顯 示(圖略)，浙江北部和東部降水200～350 mm，部分地區(qū)400～600 mm，浙江湖州安吉天荒坪累計(jì)降水量達(dá)1014 mm。杭州、寧波、紹興、湖州、慈溪、余姚、瑞安等地13個縣(市、區(qū))日雨量破歷史紀(jì)錄，單站降水過程綜合強(qiáng)度指數(shù)(RSI)均大于200，均為極端降水過程，此次降水造成嚴(yán)重災(zāi)害，截至10月8日10時，浙江省11個市75個縣(市、區(qū))707.3萬人受災(zāi)，因?yàn)?zāi)死亡6人，失蹤4人，倒塌房屋0.95萬間；農(nóng)作物受災(zāi)面積302.53千公頃；損壞提防2057處，洪災(zāi)造成直接經(jīng)濟(jì)損失124.05 億元。余姚、奉化、安吉等7縣(市、區(qū))城市受淹，重災(zāi)區(qū)主要在浙江北部，與極端性最強(qiáng)站點(diǎn)分布一致。

由上述分析可見，基于小區(qū)域降水過程定義提取的強(qiáng)臺風(fēng)“菲特”對浙江的影響時段可以精確到10月5日23 時開始，8日19 時結(jié)束，并在此時段內(nèi)評估降水過程綜合強(qiáng)度，時間精度增強(qiáng)；改進(jìn)后降水強(qiáng)度的評價指標(biāo)考慮了1 h最大降水量、滑動3 h最大降水量和滑動6 h 最大降水量，凸顯了極易致災(zāi)的短時強(qiáng)降水在過程評價中的作用，使降水過程強(qiáng)度評價結(jié)果與災(zāi)情的吻合度提升；也使極端性差異增加，極端降水過程綜合強(qiáng)度指數(shù)越大，極端性越強(qiáng)，余姚氣象觀測站降水過程綜合強(qiáng)度指數(shù)(RSI為420)較武義氣象觀測站(RSI為150)大270，在極端程度辨識上具有指示意義。

3.1.2 京津冀地區(qū)2016年極端降水過程案例

同樣，基于小區(qū)域降水過程辨識和評估方法，首先提取2016年京津冀地區(qū)極端降水過程影響時段主要在2016年7月19日04時—21日23時，過程持續(xù)67 h，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RSI)達(dá)1230.05。然后，應(yīng)用站點(diǎn)降水過程辨識和評估方法，評估京津冀地區(qū)各地受影響情況，圖2為京津冀地區(qū)單站降水過程綜合強(qiáng)度指數(shù)(RSI)分布圖，從圖中可以看出所有站點(diǎn)均錄入降水過程，由表2 單站降水過程綜合強(qiáng)度等級劃分方法，得出30.3%的站點(diǎn)出現(xiàn)極端降水過程，主要分布在河北西南部沿山地區(qū)和北京西南部，也是滑動6 h 最大降水量150 mm以上的區(qū)域(圖略)，河北省井陘氣象觀測站降水過程綜合強(qiáng)度指數(shù)(RSI)達(dá)284，北京市霞云嶺氣象觀測站降水過程綜合強(qiáng)度指數(shù)(RSI)達(dá)243。

此次降水過程河北省受災(zāi)嚴(yán)重，據(jù)河北省民政廳不完全統(tǒng)計(jì)，石家莊、秦皇島等11 市151 縣(市、區(qū))920.6 萬人受災(zāi)，130 人死亡，110 人失蹤，30.6 萬人緊急轉(zhuǎn)移安置；6.7萬間房屋倒塌，農(nóng)作物受災(zāi)面積734.1千公頃，直接經(jīng)濟(jì)損失212.2億元，其中石家莊、邢臺、邯鄲死亡失蹤人數(shù)最重，與評估的站點(diǎn)極端降水過程分布區(qū)域一致，且單站綜合強(qiáng)度指數(shù)(RSI)越大，死亡失蹤人數(shù)越多，具有正相關(guān)性，說明極端性強(qiáng)弱(RSI大小)可作為受災(zāi)程度的衡量方法之一。

3.2 大區(qū)域

由于中央氣象臺2013年后才開始統(tǒng)計(jì)存檔大范圍強(qiáng)降水過程，因此應(yīng)用基于小時分辨率的降水過程評估方法計(jì)算2013—2018年大區(qū)域降水過程，圖3為2013—2018年南方、北方降水過程綜合強(qiáng)度等級逐年統(tǒng)計(jì)，南方2013—2018年平均降水過程37.67 次，其中，極端降水過程年平均0.33 次，特強(qiáng)1.67 次、強(qiáng)6.17次、較強(qiáng)12.5 次、中等17 次。南方2014年(降水過程44次)和2015年(降水過程45次)降水過程次數(shù)較其他年份明顯偏多，均出現(xiàn)了1 次極端降水過程和2 次特強(qiáng)降水過程，其中2014年6月18日07時—7月2日18時降水持續(xù)時間達(dá)347 h，有90.63%的站點(diǎn)錄入降水過程，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)達(dá)1400.37；2015年5月14日08 時—23日14 時有80.2%的站點(diǎn)錄入降水過程，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)為886.78；均為極端降水過程，引發(fā)了洪澇、滑坡、泥石流等災(zāi)害，造成多條中小河流出現(xiàn)超警洪水，人員傷亡嚴(yán)重。北方2013—2018年平均降水過程15.33 次，其中2018年降水過程最多，有20 次；2015年最少，僅11次。北方降水過程強(qiáng)度主要為較強(qiáng)和中等等級，占96.7%；2013—2018年共出現(xiàn)了3 次強(qiáng)降水過程，分別是2013年7月7日17時—11日11時(區(qū)域降水過程綜合強(qiáng)度指數(shù)RPI為299.24)、2014年9月14日03 時至18日00 時(區(qū)域降水過程綜合強(qiáng)度指數(shù)RPI為233.64)、2016年7月18日11時—22日08時(區(qū)域降水過程綜合強(qiáng)度指數(shù)RPI為297.42)，與南方相比，北方降水過程次數(shù)和強(qiáng)降水過程次數(shù)均明顯偏少，這與我國天氣氣候背景是一致的。將上述對南方、北方錄入的降水過程與2013—2018年中央氣象臺統(tǒng)計(jì)的大范圍強(qiáng)降水過程比對，過程開始和結(jié)束的時間、強(qiáng)度大小、覆蓋范圍等均基本相符。但該模型統(tǒng)計(jì)的降水過程的開始和結(jié)束時間精確到小時，能夠?qū)M(jìn)入降水過程站點(diǎn)的個數(shù)和降水過程綜合強(qiáng)度指數(shù)進(jìn)行定量計(jì)算，評價更為客觀。

由公式(9)可見，降水過程綜合強(qiáng)度是降水強(qiáng)度、持續(xù)時間和覆蓋范圍共同作用，其中覆蓋范圍因子對大范圍降水過程是很好的評價指標(biāo)，尤其是南方大范圍強(qiáng)降水，可以定量化描述降水影響范圍的大小。但如果在大區(qū)域內(nèi)評估小區(qū)域出現(xiàn)的降水過程，可能會弱化小區(qū)域極端降水過程，例如北方2016年7月18日11 時—22日08 時為強(qiáng)降水(北方有56.75%的站點(diǎn)錄入降水過程)，但京津冀地區(qū)2016年7月19日04時—21日23時為極端降水過程(京津冀地區(qū)所有站點(diǎn)錄入降水過程)。因此，在實(shí)際應(yīng)用時可根據(jù)需求或降水影響范圍選擇在大區(qū)域或在小區(qū)域評估降水過程強(qiáng)度。

3.3 小區(qū)域

利用小區(qū)域降水過程評估方法，計(jì)算長江中下游地區(qū)2011—2018年共出現(xiàn)降水過程296次，其中極端降水過程1次，特強(qiáng)12次、強(qiáng)42次、較強(qiáng)64次，中等強(qiáng)度177 次。期間，長江中下游極端降水過程出現(xiàn)在2016年6月30日20時—7月5日06時，造成1999年以來長江中下游第一次干流全線超警，長江中下游平均降水強(qiáng)度指數(shù)(I)達(dá)190.77，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)達(dá)1328.92，均為2011—2018年最大值；有143個國家氣象觀測站(占長江中下游國家站的44.3%)出現(xiàn)極端降水過程，39站出現(xiàn)特強(qiáng)降水過程。與王莉萍等(2018)研究結(jié)論一致，但過程的時間界定更精確。

表3 2011年6月上中旬長江中下游降水過程統(tǒng)計(jì)Table 3 Statistics of precipitation process in the middle and lower reaches of the Yangtze river in the first and second ten-day period of June 2011.

另外，2011年6月上中旬長江中下游降水頻繁且強(qiáng)度強(qiáng)，接連出現(xiàn)了3 次特強(qiáng)降水過程和1 次強(qiáng)降水過程，受頻繁強(qiáng)降水影響，長江中下游由前期的干旱轉(zhuǎn)為降水偏多，出現(xiàn)旱澇急轉(zhuǎn)，湖北、湖南、江西、貴州等多地發(fā)生滑坡、泥石流、內(nèi)澇等災(zāi)害。表3 為2011年6月上中旬長江中下游降水過程統(tǒng)計(jì)，6月12日17時—16日04時降水覆蓋范圍最廣(錄入過程的站點(diǎn)占長江中下游地區(qū)氣象觀測站的83%)，區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI為668.13)最大，為4 次降水過程中第1強(qiáng)。其次是6月3日05時至7日09時降水過程，區(qū)域平均的降水強(qiáng)度指數(shù)(I)為105.69，為4 次降水過程中最大；區(qū)域降水過程綜合強(qiáng)度指數(shù)(RPI)611.86，為4次降水過程中第2強(qiáng)。長江中下游2011年6月上中旬錄入降水過程的持續(xù)時間有285 h，約11.9 d，4個過程之間最長時間間隔52 h(約2.2 d)，最短時間間隔26 h(約1.1 d)。利用王莉萍等(2018年)以天為單位對降水過程定義，用08時日降水資料提取2011年6月上中旬降水過程，分為三個過程，分別是6月3日08時—7日08 時、6月9日08 時—16日08 時、6月17日08 時—20日08 時。對比兩種方法提取的降水過程，6月3日05時—08 時，7日08 時—09 時以及17日06時—08時等時段因?yàn)闆]有達(dá)到日降水過程錄入閾值，所以在降水過程中沒有考慮，但是6月9日08時—15時、6月11日13時至12日17時、6月16日04時—08時、6月19日14時—20日08時屬于降水過程間歇時段，卻錄入降水過程。由此可見，按照日尺度不能辨識出降水過程短歷時的間歇期，而從小時尺度能夠?qū)邓^程進(jìn)行精準(zhǔn)的辨識。降水過程起始和結(jié)束時間界定是降水過程評估工作的基礎(chǔ)，不同的起始和結(jié)束時間，過程的綜合強(qiáng)度評估結(jié)果將有不同的結(jié)論，而從小時尺度捕捉的降水過程時間更加精確，評估結(jié)果也更加準(zhǔn)確。

4 結(jié)論與討論

本文給出了小時分辨率降水過程的辨識方法，改進(jìn)了降水過程綜合強(qiáng)度評估方法。該方法在前期研究基礎(chǔ)上有如下改進(jìn)：

(1)提升了降水過程的時間分辨率，將降水過程的起始和結(jié)束時間推進(jìn)到小時分辨率，改進(jìn)評估算法中，實(shí)現(xiàn)了對小時尺度降水過程定量評估，提升降水過程評估的時間精度和定量計(jì)算的準(zhǔn)確度。

(2)改進(jìn)了降水過程大區(qū)域提取方法，對大區(qū)域降水過程提取時考慮了相鄰站點(diǎn)間距，體現(xiàn)降水過程成片性和集中性特點(diǎn)，增強(qiáng)了與影響天氣系統(tǒng)的匹配度，提升了大區(qū)域降水過程自動提取的合理性和科學(xué)性。

(3)增強(qiáng)了降水強(qiáng)度計(jì)算的全面性，降水強(qiáng)度同時考慮了1 h最大降水量、滑動3 h最大降水量、滑動6 h最大降水量和小時平均降水量，提高了與災(zāi)情的吻合程度，同時考慮各地的地域差異，設(shè)置權(quán)重系數(shù)a、b、c、d，增加降水強(qiáng)度評價的客觀性及普適性。

(4)提供了站點(diǎn)和區(qū)域小時分辨率降水過程評估的方法，又將評估區(qū)域細(xì)化為大區(qū)域和小區(qū)域，既適用于南方、北方等大范圍降水過程，也適用于單省(市)等小區(qū)域降水過程評估，氣象服務(wù)中可根據(jù)需求選擇使用，例如對于降水范圍小、但極端性強(qiáng)的區(qū)域，可使用小區(qū)域算法來界定和評估降水過程，并進(jìn)行歷史比對，提升氣象服務(wù)的針對性和服務(wù)效益。

后續(xù)基于小時分辨率降水過程辨識和改進(jìn)后的評估方法，接入智能網(wǎng)格預(yù)報數(shù)據(jù)，可以實(shí)現(xiàn)對過程性降水和短時降水的動態(tài)預(yù)評估，可應(yīng)用于氣象服務(wù)業(yè)務(wù)，提升氣象服務(wù)的時間尺度的精細(xì)化水平；并以此為基礎(chǔ)，結(jié)合地理信息、社會經(jīng)濟(jì)、人口、暴雨災(zāi)情及防災(zāi)減災(zāi)能力等，研發(fā)短時強(qiáng)降水動態(tài)風(fēng)險預(yù)估和影響評估方法，為氣象防災(zāi)減災(zāi)提供重要依據(jù)。