Page 166 - 《高原气象》2026年第5期
P. 166
高 原 气 象 45 卷
1382
表2 2017 -2024年江淮东部梅雨期极端小时降水事件与降 端小时降水量占总梅雨量的 25. 3%, 由于数据质控
水量以及雨滴谱样本量与分钟雨强统计 造成降水量占比减少, 但差异仅为 4% 左右。表 2
Table 2 Statistics of the extreme hourly precipitation 中所有极端事件的小时降水量与雨滴谱资料计算
events, rainfall amounts, raindrop size distribution
出的平均 R的相关系数达到 0. 92, 远超 99. 9% 的置
(DSD) samples and minute rain intensities during
信度水平, 表明该资料可信度较高。
the Meiyu period from 2017 to 2024 in the
根据 24 次事件样本, 图 1(a)给出的是江淮东
eastern Jianghuai region
部梅雨期极端小时降水各区间雨强的出现频率与
极端小时降水 雨滴谱 雨滴谱平均和
事件 降水量 对总降水量的贡献率; 为进一步揭示极端小时降水
发生时间 样本量 最大分钟雨强
编号 /mm 的特征, 图 1(b)对比了其与梅雨期普通降水的差
-1
(年-月-日 时) /个 / (mm·h )
-1
异。由图 1(a)~(b)可见, 在 R≤5 mm·h 范围内, 极
1 2017-07-02 06:00 20. 9 60 16. 7/68. 5
端小时降水的出现频率最高(23. 9%), 普通降水在
2 2017-07-02 10: 00 21. 5 60 17. 0/46. 3
该范围频率也最高(83. 1%), 但两者差异明显, 达
3 2018-07-02 06: 00 18. 0 56 15. 7/72. 9
-1
59. 2%。而在 R>5 mm·h 的各区间, 极端小时降水
4 2018-07-02 12: 00 20. 9 60 16. 7/84. 8
-1
的出现频率均高于普通降水, 其中 5~10 mm·h 区
5 2018-07-02 20: 00 25. 9 60 20. 8/91. 9
间的差异最大, 极端小时降水频率高出 10. 0%。从
6 2020-06-27 09: 00 40. 1 60 35. 6/58. 3
降水量的贡献率来看, 极端小时降水与普通降水在
7 2020-06-29 06: 00 26. 0 60 21. 5/63. 2
0~5 mm·h 区间的差异最为突出, 前者对总降水量
-1
8 2020-07-17 11: 00 19. 8 60 16. 7/63. 7
的贡献率仅为 2. 7%, 较后者偏少 20. 8%。随着 R
9 2020-07-19 06: 00 28. 8 58 26. 4/124. 4
增大, 两者贡献率差异逐渐缩小; 当 R>20 mm·h -1
10 2021-06-27 05: 00 24. 3 60 19. 3/52. 4
时, 极端小时降水中各区间雨强对降水量的贡献率
11 2021-07-05 01: 00 25. 6 50 23. 5/84. 8
-1
普遍高于普通降水。由于 R≤5 mm·h 是判别层状
12 2023-06-19 14: 00 21. 7 60 15. 7/42. 3
云降水的必要条件之一(Chen et al., 2013), 上述结
13 2023-06-30 00: 00 22. 1 37 26. 1/91. 0
果表明: 梅雨期以高频次的层状云降水为主, 其对
14 2023-07-06 15: 00 29. 8 42 29. 2/153. 6
总降水量的贡献率接近 1/4, 与金祺等(2015)对滁
15 2023-07-06 17: 00 27. 0 60 20. 4/74. 6
州夏季降水及 Chen et al. (2013)对南京梅雨期降水
16 2023-07-07 01: 00 40. 8 60 31. 7/111. 2
的研究结论较为一致。而在极端小时降水时段, 层
17 2023-07-07 07: 00 28. 1 60 19. 6/57. 8
状云降水的频率明显降低, 且对降水量的贡献率极
18 2023-07-07 09: 00 41. 3 60 30. 1/82. 9
低, 表明降水主要由对流云或混合云降水主导, 其
19 2023-07-07 10: 00 41. 1 60 31. 5/91. 6 出现频率高且贡献率大。此外, 普通降水中, 各区
20 2023-07-17 06: 00 37. 4 56 31. 7/106. 7 间雨强对总降水量的贡献率与雨强的出现频率
21 2023-07-17 09: 00 44. 0 60 33. 0/141. 9 呈 显 著 正 相 关(相 关 系 数 为 0. 85, 信 度 水 平 达
22 2023-07-20 06: 00 29. 9 60 23. 0/54. 5 99. 9%); 但在极端小时降水中, 两者无显著相关
23 2024-06-30 02: 00 22. 5 60 16. 0/58. 7 性。进一步分析发现, 极端小时降水各区间雨强对
24 2024-07-10 11: 00 18. 3 60 14. 2/46. 2 总降水量的贡献率与雨强的平均强度和出现频率
的复相关系数达到 0. 87, 表明降水量的多少并非由
降水量最多达 44. 0 mm, 最少为 18. 0 mm。极端小 分钟雨强的出现频率直接决定, 而是其强度与频率
时 降 水 出 现 频 次 百 分 比 仅 为 0. 51%, 但 降 水 量 共同作用的结果。
(675. 8 mm)却接近梅雨期普通降水量(2310. 3 mm) 3. 2 微物理特征量的分布
的30%。 图 2是江淮东部梅雨期极端小时降水相关微物
江淮东部梅雨期普通降水雨滴谱资料经处理 理特征量分布的“半”小提琴图(Huang et al., 2021),
共获得 29965 个有效样本。由表 2 可知, 上述极端 将各个特征量与普通降水作了对比, 并计算了各区
小时降水事件出现时段共获得 1379 个有效样本, 间的频次占比。由图 2(a)~(c)可见, 极端小时降水
出现频次百分比为 0. 49%, 与雨量计观测结果接 和普通降水的雨强(R)、 雨水含量(W)和总雨滴数
近。计算得出每次事件最大分钟雨强(R)均超过 浓度(N )核密度曲线的峰度与偏度均为正值, 表明
T
-1
-1
40 mm·h , 最大达 153. 6 mm·h 。根据 R 得到极 这些量均呈集中正偏态分布且主要集中在低值区。

