基于特征分析的設計降雨過程分析與計算

龐婷婷， 柳金杰， 呂樹峰， 滿子豪， 董 森， 何 帥

（1.河北工程大學河北省智慧水利重點實驗室，邯鄲 056038； 2.河北省邯鄲市水文勘測研究中心，邯鄲 056001；3.邯鄲市漳滏河灌溉供水管理處，邯鄲 056001； 4.上海交通大學設計學院，上海 200204）

設計降雨過程是工程水文計算的重要部分，降雨過程的客觀與否會直接影響區(qū)域工程水文計算的準確性，進而會影響工程的運行管理.2021年7月20日，河南鄭州發(fā)生罕見特大暴雨災害，造成了重大的人員傷亡和財產損失，引發(fā)了公眾對城市暴雨洪澇應急管理的熱議，也凸顯了解析降雨時程特征及準確描繪暴雨洪水過程對于城市洪澇運行管理的重要性.

國內外有關設計降雨的研究大多采用區(qū)域經驗性暴雨公式結合芝加哥雨型法［1-2］、Pilgrim&Cordery 雨型法［3］，但它們僅適用于城市洪澇模擬或風險評估研究［4-6］，得出的結果與實際降雨過程的差異性較大. 為改進套用固定雨型計算的不足，有學者嘗試用其他方法進行設計降雨. 張建平等［7］引入量化指標暴雨衰減指數(shù)對雨型進行設計，結果表明采用暴雨衰減指數(shù)設計的雨型具有區(qū)域代表性；唐明等［8］分析了不同典型暴雨放大方法的優(yōu)缺點，最終得出“復合雨型”可以兼顧城市排水與流域排澇系統(tǒng)的能力復核，雨型生成過程相對簡單、便于應用的結論；朱秀迪等［9］采用Circular統(tǒng)計法分析了北京市不同類型降水的精細化特征，對于改進區(qū)域數(shù)值模式和提高氣象預測水平有較為重要的現(xiàn)實意義；程昶等［10］采用牛頓-高斯法計算了各重現(xiàn)期下的暴雨強度分公式和暴雨強度總公式的參數(shù)，并通過誤差檢驗發(fā)現(xiàn)暴雨強度分公式的精度符合要求，適用于計算相應重現(xiàn)期下各歷時的暴雨強度. 盡管國內外學者在設計暴雨雨型、推求暴雨強度公式上做了大量研究，但這些研究在時間尺度上都集中于長短歷時暴雨的設計，鮮有研究對汛期和非汛期的典型降雨過程進行設計和計算.

本研究選取河北省永年站1980—2018年4月1日至10月31日的逐小時降雨數(shù)據(jù)為研究數(shù)據(jù)，在分析其數(shù)百場降雨年際和年內分布特征的基礎上，采用以降雨量和降雨歷時為主的排頻法分別對永年站汛期、非汛期的典型降雨過程進行設計和分析，以期為城市洪澇計算、灌區(qū)干旱應急管理提供關鍵支撐. 本研究也可為其他區(qū)域典型設計降雨的計算提供參考.

1 氣象站概況與數(shù)據(jù)處理

1.1 氣象站概況

本研究選擇的典型氣象站——永年站是國家級氣象站，位于河北省邯鄲市永年區(qū)境內，永年區(qū)地理坐標為東經114°20′～114°52′，北緯36°35′～36°56′，如圖1所示. 永年站位于半濕潤半干旱地區(qū)，屬暖溫帶大陸性季風氣候，年平均氣溫14 ℃，最冷月份1月的平均氣溫-2.5 ℃，極端最低氣溫-20 ℃，最熱月份7月的平均氣溫27 ℃，極端最高氣溫42.5 ℃，全年無霜期200 d，年日照2557 h. 該氣象站冬季寒冷干燥、春季風多雨少、秋季天高氣爽、夏季炎熱多雨的氣象特征與華北地區(qū)的氣象特征較為一致［11］.

圖1 研究區(qū)位置圖Fig.1 Study area location

1.2 數(shù)據(jù)來源與數(shù)據(jù)處理

本研究只考慮降雨，不考慮雪、霜等其他降水. 結合區(qū)域調研的結果，選取永年站1980—2018年4月1日至10月31日的逐小時降雨數(shù)據(jù)為研究數(shù)據(jù). 所有數(shù)據(jù)來源于“中國國家級地面氣象站逐小時降水數(shù)據(jù)集（V1.0）”，所有數(shù)據(jù)都經過質量控制，且每組數(shù)據(jù)都設有質量控制碼. 其中，每組降雨數(shù)據(jù)由20—21 時開始記錄，至次日19—20 時結束，單位為0.1 mm. 當涉及連續(xù)降雨時，將發(fā)生降雨的前后6 h 未檢測到雨情的降雨過程劃分為一場降雨事件［12-13］. 由于數(shù)據(jù)較為龐大，以區(qū)域是否產流作為初步篩選條件，依據(jù)華北平原產流特性［14］，將降雨量小于10 mm 的降雨場次剔除，僅將降雨總量≥10 mm 的392 場降雨過程用于典型降雨過程的設計.

2 降雨分布特征分析

2.1 計算方法

以篩選后的永年站長序列逐小時降雨觀測數(shù)據(jù)為基礎，統(tǒng)計該氣象站各年總降雨量，并采用算數(shù)平均法對各年總降雨量均值進行計算. 降雨年際特征分布分析采用5 a滑動平均法［15］，其表達式如式（1）所示.

式中：Yt為t點滑動平均值. 分析降雨年內分布特征時，對每年4—10月各月分配的降雨量求平均值處理.

2.2 降雨年際分布特征分析

通過算數(shù)平均法可計算得出永年站1980—2018年的多年平均降雨量為405.2 mm，年際降雨量變化過程如圖2 所示. 由圖2 可知，永年站各年總降雨量在多年平均降雨量附近上下波動，且波動范圍較大，其中2016年的總降雨量最大，為765.7 mm，1997年的總降雨量最小，為183.6 mm，極值比為4.17，年降雨量最大值和最小值與多年平均降雨量之比分別為1.89、0.45，說明永年站年際降雨量變化較大.

圖2 1980—2018年永年站年際降雨量變化Fig.2 Inter-annual rainfall variation of Yongnian Station from 1980 to 2018

分析1980—2018 年的5 a 滑動平均值可知，降雨量最大值為501.52 mm，發(fā)生在2012—2016 年；降雨量最小值為301.98 mm，發(fā)生在1985—1989年，兩者相差199.54 mm. 對比多年5 a滑動平均值可知：2006年以前永年站降雨量相對偏少，其中1980—1982年、1991年、1999—2000年的降雨量略多，2006年后永年站的降雨量整體偏多，僅在2010—2011年略有下降. 總體上看，1980—2018年永年站的降雨量在多年平均降雨量附近上下波動，具有明顯的豐平枯交替變化特征.

2.3 降雨年內分布特征分析

依據(jù)2.1小節(jié)所述方法分析永年站年內降雨量變化，結果如圖3所示. 整體上看，永年站年內降雨量分布相對集中，降雨量最多的三個月集中于6—8月，分別占統(tǒng)計降雨總量的11.4%、31.6%、26.9%，且7月份所占比例最大；9月份降雨量也相對較多，為40.4 mm，約占統(tǒng)計降雨總量的10.0%；降雨量最少的三個月份分別為4 月、5 月、10 月，這三個月份的降雨量分別占統(tǒng)計降雨總量的5.4%、9.3%、5.6%. 其中，6—9月的總降雨量達到323.2 mm，占統(tǒng)計降雨總量的79.8%，4月、5月和10 月的總降雨量為82 mm，占統(tǒng)計降雨總量的20.2%.

圖3 1980—2018年永年站年內降雨量變化Fig.3 Intra-annual rainfall variation of Yongnian Station from 1980 to 2018

此外，分別計算了永年站1980—2018 年中每年6—9 月的降雨總量及其占該年降雨總量的比例. 結果顯示，1980—2018 年永年站每年6—9 月的降雨總量占該年降雨總量的比例在57%～97%之間. 其中，1981年6—9月的降雨總量占該年降雨總量的比例最大，達96.2%；1991年6—9月的降雨總量占該年降雨總量的比例最小，為57.9%. 永年站的年內降雨分布特征和其他學者［16-17］對華北地區(qū)年內降雨分布特征的分析結論一致.

2.4 汛期和非汛期的降雨統(tǒng)計分析

分別對永年站1980—2018年的汛期及非汛期降雨量數(shù)據(jù)進行統(tǒng)計，結果如圖4所示. 結果顯示，39年間永年站汛期降雨量的最大值是660.2 mm，發(fā)生在2016年，最小值是134.8 mm，發(fā)生在1986年；非汛期降雨量的最大值是183.1 mm，發(fā)生在1983年，最小值是22.7 mm，發(fā)生在1997年. 2016年永年站汛期和非汛期的降雨量差值最大，為554.7 mm.

圖4 1980—2018年永年站汛期及非汛期各年降雨量Fig.4 Annual rainfall in flood season and non-flood season of Yongnian Station from 1980 to 2018

盡管永年站1983年的非汛期降雨量最多，但因為其汛期降雨量僅為288 mm，所以會導致其年內降雨量偏少，年際降雨量也偏少. 雖然永年站2016年的非汛期降雨量較少，僅為105.5 mm，但其汛期降雨量卻高達660.2 mm，最終使得其年內降雨量及年際降雨量偏多. 以上結果進一步說明，汛期降雨量可顯著影響區(qū)域年內、年際降雨分布特征.

綜上，考慮到永年站汛期與非汛期降雨量的差異性以及汛期降雨量對年內、年際降雨分布特征影響的顯著性，本研究將降雨數(shù)據(jù)按照汛期、非汛期進行劃分，并分別推求不同時期的典型降雨過程，以保證最大限度地反映永年站所在區(qū)域的降雨特征，為產流規(guī)律研究提供準確、可靠的設計降雨過程. 經統(tǒng)計最終得出，1980—2018年永年站汛期共308場降雨，非汛期共84場降雨.

3 典型設計降雨計算與分析

3.1 計算方法

降雨量、降雨歷時、降雨峰值、峰值比是用于表述降雨特征的重要變量［18］. 降雨量是最能直觀體現(xiàn)降雨總體特征的最常用的指標. 降雨歷時是指從降雨開始時刻至降雨結束時刻的時長，在此以h為單位，其長短也可直觀地反映一場降雨的總體特征. 降雨峰值是指一場降雨中某一時刻降雨量的最大值，單位mm，它是反映降雨極值特征的一個重要指標. 峰值比可用來反映降雨峰值出現(xiàn)的時間及位置，是較好反映降雨過程的一個定性指標，其計算公式如下：

式中：ti表示降雨峰值出現(xiàn)的時間；T表示降雨總歷時；R表示峰值比，該峰值比可以具體地反映出降雨峰值出現(xiàn)的時間.

在參考文獻［19-20］的基礎上，結合永年站降雨分布特征，以峰值比作為判定要素，可將典型降雨過程分為6 種，如圖5 所示. 圖5（a）、（b）、（c）展示的三種雨型均為單峰型雨型，其降雨峰值分別位于前部、中部、后部，圖5（d）、（e）、（f）展示的三種雨型均為雙峰型雨型，其降雨峰值特點分別為前大后小、前后相等、前小后大.本研究首先根據(jù)降雨量和降雨歷時這兩個能直觀反映降雨總體特征的指標對永年站1980—2018年的降雨場次進行分級和排頻計算，然后依據(jù)降雨峰值、峰值比這兩個指標再次對篩選出的降雨場次進行分級和排頻計算，最后通過對比分析求得永年站各時期典型降雨過程的特征值，具體過程如下.

圖5 不同峰值特征的典型降雨過程示意圖Fig.5 Typical rainfall processes with different peak characteristics

3.1.1 以降雨量等級為主的排頻計算

首先依據(jù)降水量等級劃分標準［21］，結合永年站實測大暴雨數(shù)據(jù)，將1980—2018 年永年站所有降雨場次的降雨量分為6 個等級，如表1 所示. 然后以不同等級的降雨量為變量進行排頻，將發(fā)生頻次最高的降雨量等級對應的所有降雨場次篩選出來，并以篩選后的這些降雨數(shù)據(jù)作為計算樣本（記為樣本1）來進行典型降雨過程的設計. 最后計算該等級降雨量的平均值，并將其作為典型降雨過程的降雨總量.

表1 降雨量等級劃分表Tab.1 Classification table of rainfall grades

將樣本1 中的降雨場次分別以降雨峰值和降雨歷時為變量進行排頻，其中降雨峰值每1 mm為一個等級，降雨歷時每1 h為一個等級，對樣本1中發(fā)生頻次最高的降雨峰值及降雨歷時等級對應的降雨場次篩選出來，并對篩選出來的所有降雨場次的降雨峰值和降雨歷時分別求平均值，即為典型降雨過程的降雨峰值和降雨歷時.

從樣本1中將發(fā)生頻次最高的降雨歷時等級對應的降雨場次篩選出來，記為樣本2. 參考公式（2），再對樣本2的降雨場次以峰值比為變量進行排頻，將發(fā)生頻次最高的峰值比對應的降雨場次篩選出來，并對篩選出來的降雨場次的峰值比求平均值，即為典型降雨過程的峰值比.

通過以上方法可得到一套典型降雨過程的降雨量、降雨峰值、降雨歷時、峰值比這四種基本變量的初值. 為方便理解，在此記為A過程特征值.

3.1.2 以降雨歷時等級為主的排頻計算

首先以所有降雨場次的降雨歷時為變量進行等級劃分，并進行排頻，每1 h為一個等級，將發(fā)生頻次最高的降雨歷時等級對應的所有降雨場次篩選出來，用于下一步典型降雨過程的設計分析計算，在此記為樣本3. 然后計算該等級降雨歷時的平均值，即為典型降雨過程的降雨歷時.

將樣本3中的所有降雨場次分別以降雨量和峰值比為變量進行排頻，對發(fā)生頻次最高的降雨量及峰值比等級對應的降雨場次篩選出來，再對篩選出來的所有降雨場次的降雨量和峰值比分別求平均值，即為典型降雨過程的降雨量及峰值比.

從樣本3中將發(fā)生頻次最高的降雨量等級所對應的降雨場次篩選出來，記為樣本4，再將這些降雨場次（樣本4）以降雨峰值為變量進行排頻，對發(fā)生頻次最高的降雨峰值等級對應的降雨場次篩選出來，并對這些篩選出來的降雨場次的降雨峰值求平均值，即為典型降雨過程的降雨峰值.

通過以上方法可得到一套典型降雨過程的降雨量、降雨峰值、降雨歷時、峰值比這四種基本變量的初值. 為方便理解，在此記為B過程特征值.

3.1.3 典型降雨過程推求方法

對以上兩種特征排頻法分別推求出的典型降雨過程的特征值進行比較分析：

1）A、B兩種過程所得出的特征值基本一致. 若A、B兩種過程得出的降雨量和降雨峰值的等級一致，且A、B兩種過程的均值相差不大，則對兩種過程的結果再次求均值，即為設計典型降雨過程的降雨量及降雨峰值；若A、B兩種過程得出的峰值比及降雨歷時等級均一致，則B過程得出的峰值比和降雨歷時即為設計典型降雨過程的峰值比和降雨歷時.

2）A、B兩種過程所得出的特征值有差異. 若A、B兩種過程得出的降雨量等級不一致，不管A、B兩種過程的均值相差多少，都以A過程求得的降雨量作為設計典型降雨過程的降雨量；若A、B兩種過程得出的降雨峰值等級不一致，則以不同的降雨峰值等級為變量對所有降雨場次進行排頻求均值，選擇與其最接近的特征值初值作為設計典型降雨過程的降雨峰值；若A、B兩種過程得出的降雨歷時等級不一致，不管A、B兩種過程的結果相差多少，均以B過程求得的降雨歷時作為設計典型降雨過程的降雨歷時；由于A、B兩種過程得出的峰值比都是在降雨歷時的基礎上進行排頻的，因此當A、B兩種過程得出的峰值比不一致時，同樣選擇B過程求得的峰值比作為設計典型降雨過程的峰值比，即對樣本3進行排頻計算后得出的峰值比.

依據(jù)上述推求方法，即可推求出典型降雨過程的降雨量、降雨歷時、降雨峰值、峰值比這四個變量最終的特征值. 然后，同樣以出現(xiàn)頻次為依據(jù)，以峰值比的峰型及位置為節(jié)點，以降雨峰值為控制點，將不同典型降雨過程（樣本3）前后的增加和減少過程進行逐小時繪制，分別選取不同時段中出現(xiàn)頻次最高的雨強（mm/h），即可得出不同時段雨強之間的比值，之后再以降雨量和降雨歷時為控制點，進行不同時段的同倍比放大，即可設計出典型降雨過程. 典型降雨過程的具體推求過程如圖6所示.

圖6 典型降雨過程的推求過程Fig.6 The designed workflow of typical rainfall process

3.2 汛期典型降雨統(tǒng)計分析

先依據(jù)3.1.1 小節(jié)方法，以降雨量為變量對永年站1980—2018 年汛期的308 場降雨進行排頻計算. 經統(tǒng)計，1980—2018年永年站汛期發(fā)生頻次最高的降雨量等級為10.0～24.9 mm的中雨，其對應的降雨場次共179 場，占汛期總降雨場次的58.1%，其降雨量均值為16.2 mm. 這179場降雨中，降雨峰值為6～7 mm等級的降雨發(fā)生的頻次最多，達24場，占所選降雨量等級場次的13.4%，且這24場降雨的降雨峰值均值為6.2 mm；降雨歷時等級為2 h的降雨發(fā)生的頻次最多，達26場，占所選降雨量等級場次的14.5%；峰值比的峰值特征為單峰靠前的降雨發(fā)生的頻次最多，達18場，占所選降雨歷時等級場次的69.2%.

再根據(jù)3.1.2小節(jié)方法，以降雨歷時為變量對永年站1980—2018年汛期的308場降雨進行排頻計算. 經統(tǒng)計，1980—2018年永年站汛期發(fā)生頻次最高的降雨歷時等級為3 h，其對應的降雨場次的共40場，占汛期總降雨場次的13.0%. 這40場降雨中，發(fā)生頻次最高的降雨量等級為10.0～24.9 mm的中雨，其對應的降雨場次共23場，占所選降雨歷時等級場次的57.5%，且這23場降雨的降雨量均值為16.7 mm；峰值比的峰值特征為單峰靠后的降雨發(fā)生的頻次最多，共20場，占所選降雨歷時等級場次的50%；降雨峰值為11～12 mm等級的降雨發(fā)生的頻次最多，共11場，占所選降雨量等級場次的47.8%，且這11場降雨的降雨峰值均值為11.6 mm.

在此基礎上，按照3.1.3小節(jié)的方法即可推求出永年站汛期典型降雨過程最終的特征值，如表2所示. 由表2可知，兩種方法計算出的發(fā)生頻次最高的降雨量等級均為10.0～24.9 mm的中雨，且得出的降雨量均值相差不大，降雨峰值、降雨歷時和峰值比的結果都存在較大差異. 就降雨量而言，對兩種方法的結果求平均值，即可得到永年站汛期典型降雨過程的降雨量，為16.5 mm；就降雨峰值而言，對永年站汛期所有降雨場次的降雨峰值進行排頻，發(fā)現(xiàn)降雨峰值等級為5～6 mm 的降雨發(fā)生的頻次最高，共24 場，占汛期總降雨場次的7.8%，且這24 場降雨的降雨峰值均值為5.8 mm，再對比兩種方法得出的降雨峰值均值，最后確定永年站汛期典型降雨過程的降雨峰值為6.2 mm；因峰值比和降雨歷時出現(xiàn)差異時，應以降雨歷時為變量排頻得出的結果為主，故最終確定永年站汛期典型降雨過程的降雨歷時為3 h，峰值比的峰值特征為單峰靠后.

表2 基于不同排頻方法得出的永年站汛期典型降雨過程特征值Tab.2 Characteristic values of typical rainfall process in flood season of Yongnian Station obtained by different frequency analysis methods

依據(jù)表2結果，結合3.1.3小節(jié)所述方法可得出永年站汛期典型降雨過程（圖7）. 由圖7 可知，永年站汛期典型降雨過程的雨型屬于單峰型，降雨量逐漸增多，降雨歷時短，降雨峰值位于降雨過程的后部，降雨峰值時段降雨量占汛期降雨過程總降雨量的37.6%，降雨峰值時段的雨強大，降雨量在整個降雨過程后期更為集中. 根據(jù)實地調研并參考其他文獻［17］可知，華北地區(qū)汛期降雨多為對流雨，對流雨具有強度大、雨量多、歷時短的特點，通常表現(xiàn)為雷暴雨、短時強降雨、陣性降雨等. 由此可知，本研究結果符合區(qū)域汛期降雨特征.

圖7 永年站汛期典型降雨過程Fig.7 Typical rainfall process in flood season of Yongnian Station

3.3 非汛期典型降雨統(tǒng)計分析

先根據(jù)3.1.1小節(jié)計算方法，以降雨量為變量對永年站1980—2018年非汛期的84場降雨進行排頻計算.經統(tǒng)計，1980—2018年永年站非汛期發(fā)生頻次最高的降雨量等級為10.0～24.9 mm 的中雨，其對應的降雨場次共59 場，占非汛期總降雨場次的70.2%，其降雨量均值為15.8 mm. 這59 場降雨中，降雨峰值為2～3 mm等級的降雨發(fā)生的頻次最多，達10 場，占所選降雨量等級場次的16.9%，且這10 場降雨的降雨峰值均值為2.6 mm；降雨歷時等級為10 h的降雨發(fā)生的頻次最多，達7場，占所選降雨量等級場次的11.9%；峰值比的峰值特征為單峰居中的降雨發(fā)生的頻次最多，達4場，占所選降雨歷時等級場次的57.1%.

再根據(jù)3.1.2 小節(jié)方法，以降雨歷時為變量對永年站1980—2018 年非汛期的84 場降雨進行排頻計算.經統(tǒng)計，1980—2018年永年站非汛期發(fā)生頻次最高的降雨歷時等級為10 h，其對應的降雨場次共9場，占非汛期總降雨場次的10.7%. 這9場降雨中，發(fā)生頻次最高的降雨量等級為10.0～24.9 mm的中雨，其對應的降雨場次共7場，占所選降雨歷時等級場次的77.8%，且這7場降雨的降雨量均值為15.9 mm；峰值比的峰值特征為單峰居中的降雨發(fā)生的頻次最多，共3場，占所選降雨歷時等級場次的33.3%；降雨峰值為3～4 mm等級的降雨發(fā)生的頻次最多，共2場，占所選降雨量等級場次的28.6%，且這2場降雨的降雨峰值均值為3.2 mm.

在此基礎上，按照3.1.3 小節(jié)方法即可推求出永年站非汛期典型降雨過程最終的特征值，如表3 所示.由表3可知，兩種方法計算出的發(fā)生頻次最高的降雨量等級均為10.0～24.9 mm的中雨，且得出的降雨量均值相差不大，故對兩種方法得出的降雨量再次求平均值即可得到永年站非汛期典型降雨過程的降雨量，為15.9 mm. 因為兩種方法得出的降雨歷時和峰值比完全一致，所以永年站非汛期典型降雨過程的降雨歷時為10 h，峰值比的峰值特征為單峰居中. 由于兩種方法計算得出的降雨峰值等級不一致，因此需對永年站非汛期所有降雨場次的降雨峰值進行排頻，結果顯示降雨峰值等級為2～3 mm的降雨發(fā)生的頻次最多，共15場，占非汛期總降雨場次的17.9%，且這15場降雨的降雨峰值均值為2.8 mm，與兩種方法得出的降雨峰值均值進行對比后，最終確定的永年站非汛期典型降雨過程的降雨峰值為2.6 mm.

表3 基于不同排頻方法得出的永年站非汛期典型降雨過程特征值Tab.3 Characteristic values of typical rainfall process in non-flood season of Yongnian Station obtained by different frequency analysis methods

同樣，可得永年站非汛期典型降雨過程（圖8）. 由圖8可知，永年站非汛期典型降雨過程的雨型也屬于單峰型，降雨峰值位于中部，降雨峰值時段的降雨量僅占非汛期降雨過程總降雨量的16.4%，前期持續(xù)降雨且降雨量呈階梯狀逐步增加，后期降雨量呈緩慢下降趨勢，且降雨峰值前的降雨量要低于降雨峰值后的降雨量. 根據(jù)調研可知，華北地區(qū)非汛期降雨大多以鋒面雨為主，具有持續(xù)時間長、雨強小等降雨特征. 由以上分析可知，本研究結果符合區(qū)域非汛期降雨特征.

圖8 永年站非汛期典型降雨過程Fig.8 Typical rainfall process in non-flood season of Yongnian Station

綜合對比永年站汛期和非汛期的典型降雨過程可知，汛期典型降雨過程的雨強較大、降雨過程短而急，非汛期典型降雨過程的雨強相對較小，降雨過程長而緩；就雨型而言，汛期及非汛期典型降雨過程的降雨量均集中在中后部.

華北地區(qū)屬于典型的暖溫帶半濕潤大陸性季風氣候，其汛期降雨量的變化是影響其年降雨量變化的主要因素. 由于華北地區(qū)汛期降雨具有時程短、變化急、雨量大的特點，因此該類型降雨的發(fā)生往往具有突發(fā)性. 若此類型降雨發(fā)生在西部山丘地區(qū)，則極易產生山洪且極易伴有滑坡、泥石流等次生災害發(fā)生；若此類型降雨發(fā)生在城市區(qū)域，則極易形成城中“看?！爆F(xiàn)象，且會嚴重影響居民交通出行，甚至造成人員傷亡. 因此，應針對區(qū)域汛期的降雨特征開展典型降雨過程設計并用于相應的工程防洪排澇計算，以進一步減少區(qū)域財產損失. 由于非汛期降雨的降雨時程長且往往發(fā)生在4—5月冬小麥關鍵生長期，因此其是影響區(qū)域糧食產量的重要因素，故應針對區(qū)域非汛期的降雨特征開展典型降雨過程設計并用于相應的灌區(qū)設計及其灌溉制度的科學制定，以優(yōu)化農業(yè)水資源的可持續(xù)利用，進一步增加灌區(qū)農作物產量及其用水效益和效率.

此外，針對不同時期的降雨特征開展人工降雨設計及其產流試驗和規(guī)律分析，可為深入了解區(qū)域產流機理及水資源特性等研究提供關鍵支撐.

4 結論

基于永年站1980—2018年4月1日至10月31日的逐小時降雨數(shù)據(jù)，對其年際和年內降雨分布特征進行了分析，然后以降雨量、降雨歷時、降雨峰值和峰值比為關鍵要素，通過排頻計算分別推求出永年站汛期及非汛期的典型降雨過程，得出以下結論：

1）永年站近39 年的降雨過程具有明顯的豐平枯交替變化特征，且大部分屬于枯水年，只有1980—1982年、1991年、1999—2000年以及2007—2018年屬于豐水年；每年6—9月的降雨量占比較大，在57%～97%之間. 汛期降雨量對區(qū)域降雨年內、年際分布特征影響顯著.

2）永年站汛期典型降雨過程具有短而急的特點，降雨量主要集中在后部，設計典型降雨過程的降雨量為16.5 mm、降雨峰值為6.2 mm、降雨歷時為3 h、雨型為單峰靠后；非汛期典型降雨過程具有長而緩的特點，降雨量主要集中在中后部，設計典型降雨過程的降雨量為15.9 mm、降雨峰值為2.6 mm、降雨歷時為10 h、雨型為單峰居中.