吉首市降水特征及短历时暴雨雨型分析

来源:用户上传      作者:彭钰媛 张金凯 刘玥

　　摘要 为了给城市防涝规划、积涝预报预警、给水排水、工程设计与建设等提供科学支撑和参考，对吉首市近10年的降水特征进行分析，发现吉首市年平均降水量为1 534.3 mm，年最大降水年份为2014年，降水量为2 209.4 mm，占10年内总降水量的14%;月平均降水量最大值为260.0 mm，出现在6月，最小值为35.9 mm，出现在1月。通过模糊识别法以及PC法对吉首市短历时暴雨进行分析，发现吉首市暴雨类型主要为单峰型，且中部单峰型雨型的比例最大。其中，模糊识别法发现中部单峰型雨型的比例最大，占比为37.04%;PC法发现短历时暴雨在第13个时段出现的降水量最高，占总降水量比值为5.71%。
　　关键词 降水特征;暴雨雨型;吉首市
　　Abstract The study aims to provide a scientific support and reference for urban waterlogging planning， waterlogging prediction and early warning， water supply and drainage， engineering design and construction. It is found that the average annual precipitation is 1 534.3 mm， the annual maximum precipitation year is in 2014， and the precipitation is 2 209.4 mm， accounting for 14% of the total precipitation in 10 years， there was a maximum monthly average precipitation 260.0 mm in June and a minimum of 35.9 mm in January based on the analysis of precipitation characteristics in Jishou City in recent 10 years. It is shown that the rainstorm type in Jishou City is mainly unimodal type， and the proportion of unimodal rain type in the middle of Jishou City is the largest by analysis of short calendar rainstorm in Jishou City by means of fuzzy recognition method and PC method. It's showed based on the fuzzy recognition method that the ratio of the unimodal rain type in the middle part is the largest， accounting for 37.04% and it's found by PC method that the precipitation of short duration rainstorm is the highest in the 13th period， accounting for 5.71% of the ratio of total precipitation.
　　Key words Precipitation characteristics;Rainstorm type;Jishou
　　近年来，由于全球变暖趋势的日益加剧，导致暴雨频发。在我国，暴雨是常见的气象灾害，已经成为影响人们生活工作的极端天气之一[1-2]。暴雨频发不仅会导致山洪、滑坡、泥石流、崩塌等地質灾害的发生，还会出现城市内涝、江河暴涨等现象，对人民的生命财产安全造成严重威胁。吉首市地处我国湖南省西部地区，属于中亚热带湿润季风气候区，整个湖南属于三面环山朝东北开口的马蹄形盆地，西高东低，南高北低，地表起伏大，四水、四口向洞庭湖汇集，呈辐聚状水系，且地貌类型复杂多样，以山丘地貌为主，因此，由于地形和地理位置的特殊性，形成了明显的季风气候特征，四季都可发生灾害性天气，尤其是长时间受到暴雨袭击，对城市造成的灾害不容忽视，因此，对于吉首市地区暴雨的分析与预测势在必行。
　　雨型是描述降雨强度在时间尺度上的变化特征，雨型有不同的分类方法，依据不同类型的降雨过程（即雨型）计算出的地表径流和洪峰流量会产生较大的差异[3]。国内外对于暴雨雨型的研究分类方法颇多，最初苏联包高马佐娃通过对乌克兰等地的降雨资料进行研究分析，总结了7种经典的雨型[4-5]。1975年Pilgrim等[6]基于数理统计原理提出了一种级序平均法（也称P&C法）推求暴雨雨型。之后人们常常采用模糊识别分析法对暴雨雨型进行分析，如王彬雁等[7]用模糊识别法成功分析了北京城区暴雨雨型，王安琪等[8-9]通过模糊识别法和PC法相结合，分别分析了上海暴雨雨型及江苏的暴雨雨型;张鹭等[10]也运用了模糊识别和PC法等多种方法进行了暴雨雨型的探索;王光明等[11]利用多种方法推求湖南省14个地（市、州）的短历时暴雨雨型，提出芝加哥法和P&C法结果接近实际情况，均可用于湖南短历时暴雨雨型的设计当中。可见，这几种方法在国内外已经得到了广泛应用，也是目前气象业务中被推荐采用的雨型分析方法。
　　笔者对吉首市近10年的降水特征进行分析，得到吉首地区降水年和月的规律，再选用模糊分析法和PC法对吉首近10年短历时暴雨雨型进行分析，旨在为城市防涝规划、积涝预报预警、给水排水、工程设计与建设等提供科学支撑和参考。 　　1 资料与方法
　　1.1 资料
　　选取吉首国家基准气候站作为研究站点，整理出2009—2018年共10年的地面降水资料，其中逐月和逐年地面降水资料用于降水特征的分析，逐分钟地面降水资料用于暴雨雨型的分析。
　　1.2 降水特征分析方法
　　采用统计分析的方法，对降水数据进行分类汇总，然后根据数据结果对吉首市降水特性进行分析研究。
　　1.3 暴雨场次的划分方法
　　Adams B J等发现，当间隔小于60 min时，降水统计特性与降雨场次的划分有极大相关性，对研究不利;当间隔在60～360 min时，此时的降雨特性与降雨场次划分相关性不大，有代表性且利于实际应用[6]。因此，该研究降雨时间间隔采用120 min，选择120 min连续降水且降雨量≥20 mm为一个暴雨场次，为了便于分析，将120 min又划分为24个小时段，即5 min 1个时段，为单个时段进行雨型分析。
　　1.4 模糊识别法
　　根据各时段降雨量变化特征及雨峰位置，将雨型归纳为7种主要模型，具体如图1所示[10]。
　　1.5 P&C法
　　①将每一场暴雨分成24个小段，将每个时段的雨量排上序号，大雨量对应小序号，即每一场暴雨都有24个序号;②将每个时段对应的序号取平均值，取值由小到大对应该时段的暴雨强度由大到小;③计算每场暴雨每个时段降雨量与总降雨量的比值，取平均值;④以确定的最大可能次序（步骤2）和确定的分配比例（步骤3）为前提，构成雨量过程曲线。
　　2 结果与分析
　　2.1 降水特征
　　分析2009—2018年的降水数据，得到吉首市降水总量的分布情况，如图2、3所示。由图2可见，2009—2018年吉首市年总降水量为981.1～2 209.4 mm，其中2010年、2012年、2014—2017年的年降水量均高于1 500 mm，占10年内总降水量的55.6%，年最大降水年份为2014年，降水量为2 209.4 mm，占10年内总降水量的14.0%，年平均降水量为1 534.3 mm。
　　由图3可知，2009—2018年吉首市月平均降水量最大值出现在6月，为260.0 mm;最小值出现在1月，为35.9 mm。其中降水主要出现在5、6、7月，占到了整年降水量的45%。
　　2.2 模糊识别结果
　　通过模糊识别法对吉首市2009—2018年短历时暴雨场次分布情况进行分析，结果如图4所示。由图4可知，吉首市10年内暴雨场次共108次，其中2014年有27次短历时暴雨，占总短历时暴雨场次的25%。
　　将2009—2018年各历时按照7种雨型类别进行分类，结果见表1。由表1可知，大部分降雨过程都属于单峰型，占61.12%，21.29%为双峰型，17.59%为均匀型，其中中部单峰型雨型所占的比例最大，为37.04%。由此可知，吉首市短历时暴雨雨型为单峰型，且为中部单峰型。
　　2.3 P&C结果
　　根据PC法原理，将120 min分成了24个时段，每个时段包含5 min的降水时间，结果见图5和图6。由图5可知，横坐标为24个暴雨时段，纵坐标为降水量平均值，整个曲线呈中间高两边低的趋势，在第13个时段出现的降水量最高，为1.9 mm。由图6所示，横坐标为24个暴雨时段，纵坐标为时段降水量与该时段总降水量比值的平均值，整个曲线呈现2个明显峰值，但都在第13个时段出现最高值5.71%，通过PC法进行调整，将图5中所得到的序号为横坐标，将图6得到的百分比为纵坐标，绘制如图7所示的曲线图。由图7可知，百分比呈现单峰型趋势，与模糊法分析的雨型结果相一致。
　　2.4 雨型分析方法对比
　　通过模糊识别和PC法2种雨型分析方法，获得了相同的雨型结果，均显示吉首市近10年短历时暴雨雨型为单峰型，且为中部单峰型雨型。这2种方法均将120 min暴雨分成了24个暴雨时段来进行分析，但PC法比模糊分析法细致，将数据进行反复平均和对比，减小了误差，且能得到峰值的最大平均雨量百分值，更具说服力。因此，将采用PC分析法对吉首市的短历时暴雨雨型进行详细分析，并对各种方法的优缺点进行比较，找出最优的判别方法，可为城市防涝抗旱措施提供更精确的数据和更具说服力的科学依据。
　　3 结论
　　（1）选择2009—2018年吉首市近10年的降水量数据进行分析，结果表明：该市年平均降水量为1 534.3 mm。其中，年最大降水年份为2014年，降水量为2 209.4 mm，占10年内总降水量的14%;月平均降水最大值为260.0 mm，出现在6月，最小值为35.9 mm，出现在1月。
　　（2）通过模糊识别法对短历时暴雨进行分析，发现吉首市10年内暴雨场次共108次，其中2014年有27次短历时暴雨，占总短历时暴雨场次的25%。比较7种雨型发现，吉首市暴雨类型为单峰型，且中部单峰型雨型的比例最大，占比为37.04%。
　　（3）通过PC法分析可知，短历时暴雨在第13個时段出现的降水量最高，为1.9 mm，时段暴雨量占总降水量比值为5.71%，百分比曲线图呈现中部单峰型趋势，与模糊法分析的雨型结果相一致。
　　安徽农业科学 2020年
　　参考文献
　　[1] 丁一汇，任国玉，石广玉，等.气候变化国家评估报告（Ⅰ）：中国气候变化的历史和未来趋势[J].气候变化研究进展，2006，2（1）：3-8.
　　[2] 李刚，张鹭.基于微波探测资料的全球大气亮温长期变化趋势研究[J].气象科学，2016，36（1）：10-19.
　　[3] 中华人民共和国住房和城乡建设部.室外排水设计规范：GB 50014—2006[S].北京：中国计划出版社，2014.
　　[4] 莫洛科夫 M B.雨水道与合流水道[M].施果林，谢锡爵，等译.北京：建筑工程出版社，1956：1-343.
　　[5] CHOW V T.Frequeney analysis of hydrologic data with special application to rainfall intensities[J].University of illions bulletin，1953，414：79-80.
　　[6] PILGRIM D H，CORDERY I.Rainfall temporal patterns for design floods[J].Journal of the hydraulics division，1975，101（1）：81-95.
　　[7] 王彬雁，赵琳娜，巩远发，等.北京降雨过程分型特征及短历时降雨重现期研究[J].暴雨灾害，2015，34（4）：302-308.
　　[8] 王安琪，瞿宁玲，陈元芳，等.上海市杨浦区设计面暴雨量与设计暴雨雨型研究[J].水电能源科学，2018，36（8）：1-4.
　　[9] 孙伟，沈建，蒋小欣，等.江苏苏州市市区短历时暴雨雨型研究分析[J].中国防汛抗旱，2019，29（9）：18-23.
　　[10] 张鹭，李菁，裴海英，等.南京市短历时暴雨雨型分析[J].气象科技进展，2019，9（3）：15-20，55.
　　[11] 王光明，廖玉芳，曾向红，等.湖南短历时暴雨雨型分析[J].暴雨灾害，2017，36（1）：86-90.
转载注明来源:https://www.xzbu.com/1/view-15202801.htm