Page 144 - 《高原气象》2025年第5期
P. 144

高     原      气     象                                 44 卷
              1262
             的致灾性受到国内外学者的广泛关注（Zhang and                         短时强降水。这些研究均对预报员判断短时强降
             Zhai，  2011；  吴 梦 雯 等 ，  2019； Yang  et  al，  2020；   水的强弱和落区有重要指示意义。天气预报业务
             Srivastava， 2020）。其中， 定义极端降水事件（基于                  中， 四川省小时雨强最强的站点往往出现在区域自
             观测资料）的方法一般有两种： 绝对阈值法和相对                            动气象站， 目前针对四川省极端短时强降水的时空
             阈值法。例如俞小鼎（2013）将 1 h 雨量≥50 mm 的                    分布特征， 尤其是不同区域时空分布特征及其复杂
             降水事件称为极端短时强降水。也有不少基于相                              地形影响的相关分析较少， 且多使用国家站降水数
             对阈值法识别极端降水事件， Xia et al（2012）通过                    据， 其代表性有局限， 对比已有的研究发现， 如果
             对比不同的阈值选择方法， 认为在中国区域利用百                            分析选取的站点（如仅基于国家气象站）数量较少，
             分 位 法 选 取 阈 值 是 相 对 最 好 的 方 法 ，  Luo  et  al       其强降水中心位置和极值强度会出现明显偏差（陈
             （2016）将每站小时降水量排在 99. 9% 的值定义为                      子凡等， 2022； 陈妙霖等， 2022； 周秋雪等， 2024）。
             极端小时降水量。                                           因此， 基于更高分辨率的降水资料， 更深入地分析
                  四川省位于中国西南地区， 紧邻青藏高原东                          四川省强降水的分布、 演变特征及其成因是非常必
             侧， 是受高原热力、 动力作用影响最直接且最显著                           要的。
             的区域之一。因其地形地貌复杂多样， 四川省是我                                自 2008 年汛期开始， 四川省大量建立地面区
             国气候变化的敏感区， 也是我国自然灾害的多发地                            域自动气象站， 到 2013 年后站点增加趋于稳定并
             区。已有研究表明， 四川省不仅年雨量大（Li et al，                      初具规模， 进一步提升了站点布局空间稠密度， 尤
             2010）， 且短时强降水频次也高（周秋雪等， 2015），                     其是盆地与高原过渡区域由于地质灾害隐患点更
             是极端降水天气事件频发的地区之一。四川省干                              多且密集， 强降雨更易引发山洪、 泥石流等次生灾
             湿季分明， 降水主要集中在 5 -9 月（张武龙等，                         害， 也扩大了其站点覆盖率。在此基础上， 周秋雪
             2014）， 而短时强降水是该地区 5 -9 月主要的灾害                      等（2024）基于四川省空间稠密的 3454 个站点逐时
             性天气之一。目前， 针对四川省短时强降水的时空                            降水资料， 揭示了四川省近 10年汛期雨量、 雨日更
             特征、 影响因子及预报方法已进行不少相关研究                             为精细的分布特征， 获得了一些新的认识， 例如汛
             （陈永仁等， 2017； 李强等， 2020； 刘莹等， 2020；                 期雨量三个大值中心分别位于雅安、 安州区和盐
             冉津江等， 2023）， 除此之外， 地形是造成四川省局                       边， 攀枝花为全省夜雨特征最显著的区域等等， 但
             地的异常短时强降水最重要因素之一（李川等，                              上述分析对象为 12 h 和 24 h 降水量， 短时强降水，
             2006； Li and Gao， 2007； 沈程锋和李国平， 2022）。            尤其是极端短时强降水的精细化特征仍然缺乏。
             站点的海拔、 坡度、 坡向可以定量估计地形对降水                           因此， 本文应用空间稠密度较高的逐时降水资料，
             的影响， 周学云（2019）根据雅安不同站点地形高度                         对 2013 -2022 年汛期四川省不同地区的极端小时
             利用平均风场、 坡度和坡向定量计算动力抬升作                             降水时空特征及其与地形的关系开展细致的分析
             用， 并指出对于大尺度降水， 地形的动力抬升作用                           研究， 由此深入揭示四川省极端小时降水的区域分
             对降水分布的影响远大于中小尺度降水。黄楚惠                              布特征及其变化规律， 进一步提升气象防汛减灾的
             （2022）先利用地形高度、 水平风、 水汽密度等要素                        科学性和高效性， 并为长江上游水资源的开发和利
             对 850 hP 相对湿度≥90% 的格点进行地形降水估                       用提供科学的参考依据。
             算， 再结合不同海拔高度的降水效率（周秋雪，                             2  资料来源及方法介绍
             2019）去订正模式预报的降水量。另外， 张武龙等
             （2021， 2024）研究发现， 四川盆地、 川西高原和攀                         本文使用的地形数据来源于首套覆盖全球
             西地区的不同强度短时强降水可通过一些物理量                             （83°N -83°S）， 水平精度为 30 m 的 DEM（Digital
             阈值加以区分： 例如平衡高度 EL 可以较好地区分                          Elevation Model）数据， 且文中所有站点的海拔、 坡
             盆地极端短时强降水和普通短时强降水， 当 850                           度和坡向均基于该数据计算得出。为保证气象资
             hPa 和 500 hPa 的假相当位温差≥10 ℃也可作为区                    料的连续性和完整性， 首先挑选出四川省 2013-
             分二者的参考阈值； 对川西高原而言， 1100 J·kg                 -1    2022 年 5 -9 月均有降水资料且完整度超过 80% 的
                                         -1
             可作为判断是否出现 20 mm·h 以上短时强降水的                         站点， 然后根据卫星云图和雷达拼图对逐小时的短
             参考阈值； 对攀西地区而言， 当 700 hPa 比湿大于                      时强降水数据进行校正， 同时以四川省气象台值班
                                            -1
             13 g·kg 、 CPAE值超过 1100 J·kg 、 0~3 km垂直风            记录、 雨量传输记录作为辅助依据， 对有问题的降
                    -1
                                                    -1
                             -1
             切变达到 10 m·s 时， 极易出现 50 mm·h 以上的                    水量数据用缺测值代替。最后挑选出 3454 个站
   139   140   141   142   143   144   145   146   147   148   149