陜西省汛期極端降水概率分布及綜合危險(xiǎn)性評(píng)估

史維良， 車璐陽， 李 濤

（西安財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院，陜西 西安 710100）

全球變暖導(dǎo)致洪災(zāi)、旱災(zāi)等自然災(zāi)害頻繁發(fā)生，對(duì)人類社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展影響嚴(yán)重，防災(zāi)減災(zāi)工作刻不容緩。評(píng)估自然災(zāi)害風(fēng)險(xiǎn)是進(jìn)行防災(zāi)減災(zāi)工作的重要基礎(chǔ)，其中對(duì)于致災(zāi)因子危險(xiǎn)性的分析是關(guān)鍵［1］。暴雨災(zāi)害作為中國最主要的氣象災(zāi)害之一，每年因其造成的生命財(cái)產(chǎn)損失十分嚴(yán)重。2021年暴雨致災(zāi)人數(shù)達(dá)5901×104人，失蹤死亡人數(shù)590 人，直接經(jīng)濟(jì)損失2458.9×108元，其中河南、山西、陜西等省份災(zāi)情較往年來比偏重［2］。陜西省氣候變化復(fù)雜，降水分布不均且汛期容易發(fā)生暴雨洪澇災(zāi)害，目前對(duì)陜西省汛期極端降水的概率分布模型研究甚少，缺乏省域內(nèi)極端降水災(zāi)害的綜合評(píng)價(jià)。因此，開展陜西省汛期極端降水危險(xiǎn)性綜合評(píng)估工作，對(duì)于陜西省防災(zāi)減災(zāi)和風(fēng)險(xiǎn)管理工作來說意義重大。

對(duì)于暴雨災(zāi)害的危險(xiǎn)性評(píng)估首先是要確定危險(xiǎn)性指標(biāo)的概率分布。傳統(tǒng)的水文統(tǒng)計(jì)中常用的概率分布是皮爾遜Ⅲ型曲線。近年來，許多學(xué)者利用廣義極值分布、Gamma分布［3］、Wakeby分布、廣義帕累托分布［4］等概率分布函數(shù)對(duì)不同地區(qū)進(jìn)行分析，由于各區(qū)域氣候不同，需要根據(jù)實(shí)際數(shù)據(jù)來確定某一區(qū)域的最優(yōu)概率分布。利用概率分布模型模擬極端降水指標(biāo)的重現(xiàn)期，進(jìn)一步進(jìn)行危險(xiǎn)性分析。關(guān)于極端降水的危險(xiǎn)性分析通常是選取相關(guān)指標(biāo)進(jìn)行評(píng)估，如極端降水量、暴雨日數(shù)等［5］。唐瑜聰［6］通過建立評(píng)價(jià)指標(biāo)體系對(duì)深圳市極端氣候?yàn)?zāi)害風(fēng)險(xiǎn)進(jìn)行評(píng)估，其中危險(xiǎn)性指標(biāo)選取了最長連續(xù)降水量、連續(xù)5 d最大降水量。周靜靜等［7］通過選擇合適的危險(xiǎn)性指標(biāo)對(duì)陜西省秦巴山區(qū)的地質(zhì)災(zāi)害危險(xiǎn)性做出評(píng)價(jià)。王鵬等［8］提出計(jì)算危險(xiǎn)性概率的方法，并繪制出漢江流域洪澇災(zāi)害危險(xiǎn)性區(qū)劃圖。遲瀟瀟［9］對(duì)中國極端降水進(jìn)行時(shí)空分析，基于不同情景選擇極端降水量和極端降水頻次分析中國極端降水綜合危險(xiǎn)性。

準(zhǔn)確評(píng)估陜西省汛期極端降水危險(xiǎn)性，是進(jìn)行暴雨防災(zāi)減災(zāi)工作的重要基礎(chǔ)。本文選取陜西省1969—2020 年汛期（5—10 月）日極端降水?dāng)?shù)據(jù)，對(duì)陜西省極端降水指標(biāo)進(jìn)行概率分布擬合，選取最優(yōu)概率分布模型，利用概率分布模型計(jì)算極端降水指標(biāo)的重現(xiàn)期，在此基礎(chǔ)上對(duì)陜西省汛期極端降水綜合危險(xiǎn)性進(jìn)行評(píng)估。

1 資料與方法

1.1 研究區(qū)概況

陜西省（105°29′～111°15′E，31°42′～39°35′N），位于中國內(nèi)陸腹地，總面積20.56 km2，全省年平均氣溫9～16 ℃，年平均降水340～1240 mm。陜南、陜北和關(guān)中地區(qū)降水不平均，汛期由于極端降水造成洪澇災(zāi)害事件發(fā)生頻繁，全省每年因自然災(zāi)害造成的直接經(jīng)濟(jì)損失可達(dá)90 多億元［10］。近幾年降水趨勢明顯增大，2021 年8 月30 日，陜西省安康市10 縣區(qū)遭暴雨襲擊造成68640 人受災(zāi)，農(nóng)作物受災(zāi)面積1780 hm2，直接經(jīng)濟(jì)損失3.41×108元［11］。

1.2 數(shù)據(jù)來源

本文所用數(shù)據(jù)主要包括氣象數(shù)據(jù)和地理信息數(shù)據(jù)等。氣象數(shù)據(jù)來自國家氣象中心提供的陜西省32 個(gè)基準(zhǔn)氣象站點(diǎn)（圖1）的1969—2020 年汛期（5—10 月）逐日降水?dāng)?shù)據(jù)，日降水?dāng)?shù)據(jù)記錄時(shí)間為前一天20:00—當(dāng)天20:00（共24 h）。地理信息數(shù)據(jù)來源于全國1:250000數(shù)字高程模型（30 m精度），在ArcGIS 中以陜西省的基礎(chǔ)地理矢量數(shù)據(jù)為掩膜裁剪得到陜西省高程數(shù)據(jù)。

1.3 研究方法

1.3.1 極端降水指標(biāo)序列極值理論十分關(guān)注極值序列的構(gòu)建，常用的選樣方法有年最大值法（Annual maximum，AM）和超門限峰法（Peak over threshold，POT）［12］。POT 序列是確定某一閾值，由超過閾值的數(shù)據(jù)組成序列［13］。AM 序列是時(shí)間序列，由每年的日降水量、降水頻次、降水強(qiáng)度最大值組成，其優(yōu)點(diǎn)是能夠較好地表征極端降水指標(biāo)在時(shí)間上的變化。有研究表明AM序列更適合描述陜西省的極端降水特征［14］，因此本文選取AM 法構(gòu)建極端指標(biāo)序列，并構(gòu)建了3 個(gè)AM 序列，分別是由陜西省1969—2020年每一年汛期的最大日降水量、最多降水頻次、最高降水強(qiáng)度相關(guān)數(shù)據(jù)組成的序列。

1.3.2 概率分布模型概率分布的數(shù)學(xué)模式是對(duì)降水統(tǒng)計(jì)特征最完全的描述。正確的估計(jì)和計(jì)算不同雨量對(duì)應(yīng)的概率是為了完整的認(rèn)識(shí)該地區(qū)極端降水的總體特征。極值理論的概率分布研究中常用的幾種分布為Gen.Extreme Value（GEV）、Gen.Pareto（GP）、P-Ⅲ型、Gen.Logistic、Lognormal 等。根據(jù)已有研究結(jié)果［14-17］，本文選取了6種極端降水研究常用的概率分布來擬合陜西省汛期極端降水量、極端降水頻次、極端降水強(qiáng)度的AM序列，具體概率分布見表1。由于Wakeby 分布沒有具體形式，本文參考Houghton［18］給出的公式，計(jì)算公式如下：

表1 不同概率分布模型累積分布函數(shù)表達(dá)形式Tab.1 Expression of cumulative distribution function of different probability distribution models

式中:α、γ為尺度參數(shù)；β、δ為形狀參數(shù)；ξ為位置參數(shù)。

1.3.3 Kolmogorov-Smirnov優(yōu)度檢驗(yàn)Kolmogorov-Smirnov檢驗(yàn)法可以用來檢驗(yàn)樣本數(shù)據(jù)是否服從某一個(gè)特定分布［19］。其假設(shè)為，

H0：樣本所來自的總體分布服從某個(gè)特定分布；

H1：樣本所來自的總體分布不服從某個(gè)特定分布。

K-S統(tǒng)計(jì)量的計(jì)算公式為：

式中：F0(x(i))為經(jīng)驗(yàn)分布；Fn(x(i))為目標(biāo)分布的累積分布函數(shù)；D為實(shí)際觀測值，當(dāng)D小于檢驗(yàn)臨界值時(shí)，則認(rèn)為2 個(gè)分布擬合結(jié)果較好，此外D值越小，擬合效果越好。本文極端降水量、極端降水頻數(shù)和極端降水強(qiáng)度樣本量為52。當(dāng)n=52，顯著水平α=0.05，K-S檢驗(yàn)臨界值為0.1886。

1.3.4 重現(xiàn)期與情景模擬“重現(xiàn)期”帶有統(tǒng)計(jì)平均的意義，是指概率意義上的回轉(zhuǎn)周期。比如常說的百年一遇指的是以年為統(tǒng)計(jì)單位至少有1%的發(fā)生概率。其目的是預(yù)測陜西省各地區(qū)是否容易發(fā)生極端降水事件，為有關(guān)部門進(jìn)行自然災(zāi)害風(fēng)險(xiǎn)評(píng)估、城市雨洪風(fēng)險(xiǎn)管理提供支撐。本文使用最優(yōu)概率分布函數(shù)對(duì)不同重現(xiàn)期下研究區(qū)極端降水量進(jìn)行擬合，再將現(xiàn)有最大極端降水值與不同重現(xiàn)期下的極端降水量進(jìn)行比較，進(jìn)一步驗(yàn)證結(jié)果的準(zhǔn)確度。

重現(xiàn)期是指未來可能發(fā)生的暴雨強(qiáng)度值大于或等于現(xiàn)在值的平均間隔時(shí)間。重現(xiàn)期與頻率成反比，計(jì)算公式如下：

式中：P為重現(xiàn)期；Pn為該重現(xiàn)期下對(duì)應(yīng)頻率；n為重現(xiàn)期下對(duì)應(yīng)的時(shí)間。如P=2時(shí)，P2表示2 a一遇重現(xiàn)期下對(duì)應(yīng)的頻率。

重現(xiàn)期有統(tǒng)計(jì)平均的意義，不能簡單將它看作多少年一定出現(xiàn)一次，只有在大量的過程中是正確的。選取不同重現(xiàn)期下的極端降水量、極端降水頻數(shù)、極端降水強(qiáng)度對(duì)陜西省極端降水危險(xiǎn)性進(jìn)行分析。本文選取的重現(xiàn)期為2 a、5 a、10 a、20 a、50 a和100 a。

2 結(jié)果與分析

2.1 最優(yōu)概率分布模型

2.1.1 極端降水指標(biāo)最優(yōu)概率分布模型初步確定最優(yōu)概率分布模型的確定有助于了解研究區(qū)的概況及準(zhǔn)確推斷極端降水重現(xiàn)期的指標(biāo)值，為進(jìn)一步研究綜合危險(xiǎn)性打下堅(jiān)實(shí)基礎(chǔ)。對(duì)于概率分布的擬合可分為4個(gè)步驟：（1）極端降水指標(biāo)序列的構(gòu)建；（2）選擇分布函數(shù)；（3）參數(shù)估計(jì)；（4）對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。

選取年最大值法構(gòu)建陜西省極端降水量、極端降水頻次和極端降水強(qiáng)度3 個(gè)指標(biāo)的極值序列，每個(gè)指標(biāo)各有32個(gè)序列，選擇Wakeby、GEV、GP、P-Ⅲ型、Gen.Logistic和Lognormal共6個(gè)分布模型對(duì)其進(jìn)行參數(shù)估計(jì)，利用K-S 擬合優(yōu)度法［19］對(duì)結(jié)果進(jìn)行統(tǒng)計(jì)檢驗(yàn)。給定顯著性水平0.05，查表可得臨界值D52(0.05)=0.1886，計(jì)算出的臨界值小于0.1886時(shí)，則認(rèn)為此函數(shù)能擬合該序列。根據(jù)各指標(biāo)32 個(gè)序列的檢驗(yàn)結(jié)果，計(jì)算每個(gè)指標(biāo)各概率分布函數(shù)的通過率（表2）?？傻肳akeby、GEV、GP、P-Ⅲ這4 個(gè)分布模型的通過率均為100%，都可以用來擬合3個(gè)極端降水序列。Gen.Logistic 分布模型對(duì)極端降水量序列的通過率為100%，對(duì)極端降水頻次和極端降水強(qiáng)度的通過率都為96.87%，其中極端降水頻次序列中秦都站不能用Gen.Logistic分布模型擬合，極端降水強(qiáng)度序列中商縣站不能用Gen.Logistic 分布模型擬合。Lognormal 分布模型對(duì)極端降水量序列的通過率為100%，極端降水頻次通過率為62.50%，有12個(gè)站點(diǎn)不能用其擬合，分別為榆林站、神木站、定邊站、靖邊站、長武站、橫山站、綏德站、商縣站、隴縣站、略陽站、秦都站、商南站；極端降水強(qiáng)度序列通過率為87.50%，4個(gè)站點(diǎn)不能用Lognormal分布模型擬合，分別為華山站、秦都站、佛坪站和商縣站。

表2 各分布模型擬合極端降水序列通過率統(tǒng)計(jì)Tab.2 Statistics on the pass rate of each distribution model fitting extreme precipitation series /%

表2得到各分布模型擬合3個(gè)極端降水指標(biāo)的通過率，各指標(biāo)生成的32個(gè)序列對(duì)于擬合的概率分布會(huì)有最適合本序列的分布函數(shù)，統(tǒng)計(jì)各站點(diǎn)的最優(yōu)分布函數(shù)出現(xiàn)次數(shù)，出現(xiàn)次數(shù)最多的分布函數(shù)則認(rèn)為是研究區(qū)最優(yōu)分布函數(shù)，具體統(tǒng)計(jì)結(jié)果見表3。由表3 可知，3 個(gè)極端指標(biāo)序列中，Wakeby 分布模型出現(xiàn)次數(shù)均為最多。又由表2 可知Wakeby 分布模型可以用來擬合3 個(gè)極端降水序列，因此初步認(rèn)為Wakeby 分布為3 個(gè)極端指標(biāo)序列的最優(yōu)分布模型。

表3 極端指標(biāo)序列最優(yōu)函數(shù)統(tǒng)計(jì)結(jié)果Tab.3 Statistical results of optimal function of extreme index sequence

2.1.2誤差分析通過2.1.1 初步得到Wakeby 分布為陜西省汛期極端降水指標(biāo)的最優(yōu)分布模型，但并不是所有序列的最優(yōu)概率分布模型都是Wakeby 分布函數(shù)，因此需要進(jìn)行誤差分析來進(jìn)一步驗(yàn)證模型的精度。具體做法為：選擇Wakeby 分布與各站點(diǎn)自身最優(yōu)分布擬合50 a一遇情景下的極端降水指標(biāo)值，將其與實(shí)際觀測數(shù)據(jù)中的最大值進(jìn)行比較計(jì)算誤差率，誤差率=（實(shí)際值-預(yù)測值）/實(shí)際值，為方便分析，本文中使用的是絕對(duì)值，具體結(jié)果見圖2。

極端降水量Wakeby 分布模型擬合的值與實(shí)際最大值之間的誤差率最高為0.35，最低為0.009，且84.4%站點(diǎn)誤差率沒有超過0.2；最優(yōu)分布與實(shí)際值之間的誤差率最高為0.37，最低為0.007（圖2a）。32個(gè)氣象站點(diǎn)的Wakeby 分布模型誤差率都比最優(yōu)分布模型的誤差率要低，說明Wakeby 分布模型對(duì)極端降水量序列的擬合效果較好。

極端降水頻次最高的誤差率為0.37（秦都站），其最優(yōu)分布模型就是Wakeby 分布；此外Wakeby 分布模型與實(shí)際最大值之間誤差率最低為0.014，最優(yōu)分布模型誤差率最低為0（圖2b）。2 種分布與實(shí)際最大值之間的誤差率差別不大，且Wakeby 分布模型的誤差率普遍低于最優(yōu)分布模型的誤差率，說明Wakeby 分布模型對(duì)極端降水頻次序列的擬合效果較好。

極端降水強(qiáng)度Wakeby 分布模型擬合的值與實(shí)際最大值之間的誤差率最高為0.32，最低為0.001，且84.4%站點(diǎn)誤差率沒有超過0.2；最優(yōu)分布模型與實(shí)際值之間的誤差率最高為0.42，最低為0.008（圖2c）。大多數(shù)氣象站點(diǎn)的Wakeby分布模型誤差率都比最優(yōu)分布模型的誤差率低，有少數(shù)幾個(gè)比最優(yōu)分布模型的誤差率要高，但是總體差別不大，說明Wakeby 分布模型對(duì)極端降水強(qiáng)度序列的擬合效果較好。

因此，選擇Wakeby 概率分布作為擬合陜西省汛期極端降水指標(biāo)序列的最優(yōu)分布模型。

2.2 極端降水量重現(xiàn)期分析

研究極端降水量重現(xiàn)期是為了分析研究區(qū)未來發(fā)生極端降水事件可能性，為陜西省極端降水變化提供相關(guān)依據(jù)，是評(píng)估極端降水危險(xiǎn)性的重要基礎(chǔ)。由于極端降水頻次、極端降水強(qiáng)度是在極端降水量的基礎(chǔ)上得到的指標(biāo)，因此本研究僅對(duì)極端降水量重現(xiàn)期進(jìn)行分析。使用最優(yōu)分布函數(shù)——Wakeby分布函數(shù)，擬合不同重現(xiàn)期下陜西省汛期各氣象站點(diǎn)的極端降水量曲線，將32 個(gè)站點(diǎn)按陜北、陜南、關(guān)中3個(gè)地區(qū)分組進(jìn)行比較（圖3）。

圖3 陜西省氣象站點(diǎn)重現(xiàn)期降水量曲線Fig.3 Return period precipitation curve of meteorological stations in Shaanxi Province

總體來說，同一重現(xiàn)期下陜西省降水極值呈現(xiàn)南多北少的局面，陜北地區(qū)總體降雨量少且強(qiáng)度低，極端降水事件較難發(fā)生；關(guān)中地區(qū)部分站點(diǎn)降雨多，其中隴縣站較易發(fā)生極端事件；陜南地區(qū)降雨多、強(qiáng)度高，容易發(fā)生極端降水事件。具體來講，陜北地區(qū)站點(diǎn)降水極值2 a一遇到100 a一遇均處在40～145 mm之間，屬于一般暴雨范疇，表明陜北地區(qū)從概率上來講較難發(fā)生雨量極大的極端降水事件；關(guān)中地區(qū)的華山、隴縣、武功3 個(gè)氣象站點(diǎn)20 a 一遇、50 a 一遇、100 a 一遇的重現(xiàn)期水平均超過了100 mm，為大暴雨水平；陜南地區(qū)除商縣站之外，其余所有的氣象站點(diǎn)20 a 一遇、50 a 一遇、100 a 一遇的重現(xiàn)期水平均是達(dá)到了100 mm以上，總體降水較多，其中鎮(zhèn)巴站的降水量最多，遠(yuǎn)超過其他各站點(diǎn)，在20 a、50 a、100 a 尺度下的重現(xiàn)期降水量達(dá)到200 mm 以上，最易發(fā)生特大暴雨。

選取各站點(diǎn)序列現(xiàn)有的日極端降水最大值，與擬合得到的50 a 一遇、100 a 一遇的極值進(jìn)行對(duì)比（圖4）。陜西省目前已有25個(gè)氣象站點(diǎn)過去52 a的日降水最大值超過了重現(xiàn)期為50 a的擬合值，其中還有7 個(gè)站現(xiàn)有最大降水量超過了重現(xiàn)期為100 a的極值水平，隴縣站現(xiàn)有最大值遠(yuǎn)超100 a一遇的降水量。

圖4 現(xiàn)有最大降水值與50 a、100 a重現(xiàn)期降水量極值水平Fig.4 Existing maximum precipitation values and the extreme value level of the 50 a and 100 a return period

因此，含有52 a 日降水極值的AM 序列現(xiàn)有最大值落入50 a一遇概率區(qū)間的可能性非常大，已經(jīng)達(dá)到50 a 一遇標(biāo)準(zhǔn)；超過100 a 一遇的站點(diǎn)有7 個(gè)，但是超過250 mm特大暴雨水平的站點(diǎn)不多，僅陜南地區(qū)的鎮(zhèn)巴站在100 a 一遇的情況下降水量超過250 mm。大多數(shù)氣象站點(diǎn)極端降水發(fā)生的概率可能已經(jīng)達(dá)到50 a一遇對(duì)應(yīng)分位數(shù)的右側(cè)分布，在一定程度上說明陜西省多數(shù)地區(qū)的汛期降水未來可能會(huì)朝著小概率、高危險(xiǎn)的極端降水事件發(fā)展。

2.3 陜西省汛期極端降水綜合危險(xiǎn)性分析

陜西省汛期降水發(fā)生極端降水事件的可能性增大，因此本節(jié)在極端降水量的基礎(chǔ)上，模擬不同情景疊加極端降水頻次和極端降水強(qiáng)度2個(gè)指標(biāo)對(duì)陜西省汛期極端降水進(jìn)行危險(xiǎn)區(qū)劃及分析。利用Wakeby分布函數(shù)計(jì)算32個(gè)氣象站點(diǎn)不同重現(xiàn)期下的極端降水指標(biāo)值，然后極端降水指標(biāo)各自的危險(xiǎn)性制定劃分標(biāo)準(zhǔn)，按國家標(biāo)準(zhǔn)劃分降水量危險(xiǎn)性等級(jí)［20］；根據(jù)自然斷點(diǎn)法對(duì)極端降水頻次和極端降水強(qiáng)度進(jìn)行等級(jí)劃分，具體劃分標(biāo)準(zhǔn)見表4。

表4 極端降水危險(xiǎn)性等級(jí)劃分Tab.4 Risk classification of extreme precipitation

根據(jù)上述各指標(biāo)序列危險(xiǎn)性的等級(jí)劃分，利用ArcGIS軟件的克里金插值法對(duì)極端降水量、極端降水頻次、極端降水強(qiáng)度指標(biāo)序列進(jìn)行插值，得到2 a、5 a、10 a、20 a、50 a 及100 a 重現(xiàn)期下的各指標(biāo)危險(xiǎn)性空間分布；通過柵格對(duì)3 個(gè)極端降水指標(biāo)的危險(xiǎn)性空間分布進(jìn)行疊加計(jì)算，得到陜西省汛期極端降水綜合危險(xiǎn)性分布圖（圖5）?？傮w來看，陜西省極端降水綜合危險(xiǎn)性分布不均，隨著重現(xiàn)期的增加，危險(xiǎn)區(qū)域也在不斷擴(kuò)大，整體表現(xiàn)為南高北低的趨勢。

圖5 不同重現(xiàn)期下陜西省汛期極端降水綜合危險(xiǎn)性空間分布Fig.5 Spatial distributions of comprehensive risk of extreme precipitation in flood season in Shaanxi Province under different return periods

2 a一遇情景下，陜西省極端降水綜合危險(xiǎn)性只有低和較低2種。陜北和關(guān)中地區(qū)全都處于低危險(xiǎn)區(qū)；陜南地區(qū)的商縣站和鎮(zhèn)安站處于低危險(xiǎn)區(qū)，其余處于較低危險(xiǎn)區(qū)。

5 a 一遇情景下，相比2 a 一遇情景低危險(xiǎn)區(qū)增大，并出現(xiàn)了中危險(xiǎn)區(qū)。陜北地區(qū)的神木、延長、洛川站為較低危險(xiǎn)區(qū)，其余地區(qū)仍為低危險(xiǎn)區(qū)；關(guān)中地區(qū)的永壽、秦都、涇河、長武、耀縣、蒲城站為低危險(xiǎn)區(qū)，其余為較低危險(xiǎn)區(qū)；陜南地區(qū)的鎮(zhèn)巴站和寧強(qiáng)站為中等危險(xiǎn)區(qū)，其余全為較低危險(xiǎn)區(qū)。

10 a 一遇情景下，陜西省境內(nèi)低危險(xiǎn)區(qū)面積減小，較低危險(xiǎn)區(qū)占絕大多數(shù)，中等危險(xiǎn)區(qū)面積也在加大。陜北除定邊站外全為較低危險(xiǎn)區(qū)；關(guān)中地區(qū)全為低危險(xiǎn)區(qū)；陜南地區(qū)的鎮(zhèn)巴站為較高危險(xiǎn)區(qū)，鎮(zhèn)安、商縣為較低危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)。

20 a 一遇情景下，陜西省極端降水綜合危險(xiǎn)性為較低、中和較高3 種。陜北地區(qū)的神木站為中等危險(xiǎn)區(qū)，其余為較低危險(xiǎn)區(qū)；關(guān)中地區(qū)的長武站、耀縣站、蒲城站、永壽站、秦都站、涇河站為較低危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)；陜南地區(qū)較高危險(xiǎn)區(qū)面積增大，略陽、漢中、鎮(zhèn)巴、寧強(qiáng)站為較高危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)。

50 a 一遇情景下，陜西省汛期極端降水綜合危險(xiǎn)性為較低、中等、較高和高危險(xiǎn)4種。陜北的定邊站處于較低危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)；關(guān)中地區(qū)的隴縣站為較高危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)；陜南地區(qū)的鎮(zhèn)巴站為高危險(xiǎn)區(qū)，鎮(zhèn)安站、商縣站為中等危險(xiǎn)區(qū)，其余為較高危險(xiǎn)區(qū)。

100 a 一遇情景下，高危險(xiǎn)區(qū)地區(qū)增多，危險(xiǎn)性為中、較高和高3 種。陜北地區(qū)的神木站處于較高危險(xiǎn)區(qū)，其余為中等危險(xiǎn)區(qū)；關(guān)中地區(qū)的耀縣站和蒲城站為中等危險(xiǎn)區(qū)，其余處于較高危險(xiǎn)區(qū)；陜南地區(qū)的商縣站、鎮(zhèn)安站處于較高危險(xiǎn)區(qū)，其余為高危險(xiǎn)區(qū)。

進(jìn)一步對(duì)綜合危險(xiǎn)性進(jìn)行評(píng)估，通過面積的變化趨勢反映危險(xiǎn)區(qū)變化情況，由圖7 計(jì)算出不同重現(xiàn)期下各極端降水綜合危險(xiǎn)性所占面積比（表5）。2 a 一遇情景下，低危險(xiǎn)區(qū)面積占比為84.9%，高危險(xiǎn)區(qū)面積占比為0，隨著重現(xiàn)期增加，危險(xiǎn)等級(jí)也不斷增大；5 a一遇情景下，出現(xiàn)中危險(xiǎn)區(qū)，面積占比為6.4%；10 a 一遇情景下，出現(xiàn)較高危險(xiǎn)區(qū)，面積比為1.7%；20 a 一遇情景下，陜西省內(nèi)低危險(xiǎn)區(qū)消失，出現(xiàn)高危險(xiǎn)區(qū)，其面積占比為0.1%；50 a一遇情景下，高危險(xiǎn)區(qū)面積增大，面積占比為3.7%；100 a一遇情景下，較低危險(xiǎn)區(qū)消失，高危險(xiǎn)區(qū)面積占比增加到22.0%。

表5 不同重現(xiàn)期下各極端降水綜合危險(xiǎn)性等級(jí)面積占比Tab.5 Area proportion of comprehensive risk of each extreme precipitation under different return periods /%

3 討論

陜西省極端降水空間差異顯著［21］，因此關(guān)于危險(xiǎn)性的研究十分關(guān)鍵［22-23］，多數(shù)都是通過構(gòu)建指標(biāo)體系對(duì)極端降水危險(xiǎn)性進(jìn)行評(píng)估，鮮少有在概率分布模型的基礎(chǔ)上進(jìn)行危險(xiǎn)性分析。通過研究發(fā)現(xiàn)陜西省未來極端降水事件發(fā)生可能性大大增加，這與全球極端降水事件變化一致［24］。目前多數(shù)研究［25-26］中常用P-Ⅲ型、GEV、GPD 分布模型計(jì)算研究區(qū)不同重現(xiàn)期下的極端降水量，越來越多學(xué)者［15-16］使用Wakeby 分布模型擬合極端降水序列計(jì)算極端降水量。針對(duì)陜西省極端降水指標(biāo)目前還沒有具體的概率分布模型研究，本文選取6 種極值分布擬合極端降水指標(biāo)，得出Wakeby 分布是陜西省汛期極端降水量、降水頻數(shù)、降水強(qiáng)度的最優(yōu)概率分布模型，并用Wakeby 分布模型計(jì)算不同重現(xiàn)期下的極端降水量，得到未來陜西省發(fā)生極端降水事件的可能性增大；通過極端降水指標(biāo)疊加分析可以看出不同情景下陜西省各地區(qū)危險(xiǎn)性變化明顯，陜南地區(qū)綜合危險(xiǎn)性＞關(guān)中地區(qū)＞陜北地區(qū)。

本研究存在一些不足：（1）由于數(shù)據(jù)可獲取性，僅選用了32個(gè)氣象站點(diǎn)數(shù)據(jù)，后期可以考慮增加氣象站點(diǎn)數(shù)以提高結(jié)果精度；（2）僅從危險(xiǎn)性研究了陜西省極端降水變化，還可以結(jié)合脆弱性、暴露性等綜合分析極端降水帶來的風(fēng)險(xiǎn)，進(jìn)一步研究暴雨災(zāi)害風(fēng)險(xiǎn)管理，為政府防災(zāi)減災(zāi)提供科學(xué)建議。

4 結(jié)論

（1）擬合陜西省汛期極端降水量、極端降水頻次和極端降水強(qiáng)度3 個(gè)極端降水指標(biāo)序列，得到其最優(yōu)分布模型是Wakeby分布函數(shù)。

（2）通過對(duì)不同重現(xiàn)期下陜西省各地區(qū)極端降水量的計(jì)算，同一重現(xiàn)期下陜西省降水極值呈南多北少分布，陜北地區(qū)發(fā)生極端降水事件的可能性較小，關(guān)中地區(qū)的大部分站點(diǎn)降水較多，發(fā)生極端事件可能性較大，陜南地區(qū)整體發(fā)生極端降水事件可能性較大。陜西省大多數(shù)地區(qū)汛期降水會(huì)朝著小概率、高危險(xiǎn)性的極端降水事件發(fā)展。

（3）不同情景下陜西省汛期極端降水綜合危險(xiǎn)性整體呈南高北低分布。具體分析如下：陜北地區(qū)綜合危險(xiǎn)性較低，僅在100 a情景下神木站發(fā)展較高危險(xiǎn)區(qū)，其余站最高綜合危險(xiǎn)區(qū)等級(jí)僅為中等；關(guān)中地區(qū)在2 a、5 a、10 a、20 a情景下危險(xiǎn)區(qū)等級(jí)均不超過中等，50 a情景下隴縣發(fā)展為較高危險(xiǎn)區(qū)，100 a情景下除耀縣和蒲城外全為較高危險(xiǎn)區(qū)；陜南地區(qū)高危險(xiǎn)區(qū)占比最大，其中鎮(zhèn)巴站發(fā)生危險(xiǎn)事件可能性最大，因其在20 a情景下已發(fā)展為高危險(xiǎn)區(qū)，除鎮(zhèn)安和商縣外，其余地區(qū)在100 a情景下全為高危險(xiǎn)區(qū)。