中国西南地区时雨量分布特征与时月变化*

潘建华

(四川省气象台，四川 成都 610072)

降水特征研究，是探索天气系统发展变化、防御气象灾害必不可少的一个领域。受观测设备和观测记录方式的影响，很长时间此类研究都局限在长时段雨量的基础之上[1]。2005年左右开始，我国大规模推进自动气象站，才逐渐积累起可供方便使用的时雨量数值数据集，促进了时雨量分析在近10年内得以广泛展开[2-4 ]。

高强度降水是由大尺度背景下的中小尺度系统所决定的，时雨量正是这类中小尺度系统中多尺度、多因素、多过程的综合性物理变化的代表性结果，其在短历时、高强度、局地性、灾害诱发性等多方面的特点，特别引人注目，更把降水量研究推向了新的深度和广度。短历时降水往往会引起气象或地质灾害，其变化趋势更能反映极端天气事件的变化趋势[5]，其分布特征更容易受地形起伏影响，随下垫面的变化而改变[6-7]。利用时雨量开展对降水日变化的研究，可以增强对区域天气特征与降水演变规律的认识，有助于理解降水的形成机制，为检验和评估数值模式的物理过程提供科学依据[8-9]。如果降水量的时段划分标准导致降水量数值出现较大变化，那就有可能直接影响到后续研究结果的准确性和可靠性。

近年来，伴随全球气候变暖，短时强降水天气的发生有增强趋势，其造成的气象灾害十分严重。然而，受观测能力和资料分辨率的限制，目前对短时强降水特别是局地短时强降水的预报在落区和时间上均不能满足对这种灾害性天气的预报服务需求[10]。为此，气象学者在短时强降水的时空分布特征、影响系统、概念模型、物理量指标等方面开展了大量研究。王茂书等[11]指出短时强降水发生频次与海拔高度有较为明显的联系，多集中发生在300～700 m的低海拔区。梁苏洁等[12]指出，京津冀地区暖季各月短时降水事件的降水量和降水时数极大值主要出现在午后至傍晚，而持续性降水事件的极大值多出现在午夜至清晨。究其原因，午后出现的短时降水峰值很可能与由太阳辐射加热日变化引起的热力不稳定有关，而持续性降水峰值出现在清晨可能与大尺度环流相联系[13]。有人认为，没有发现1、3、6、12 h降水，以及小时降水极值分布等有明显的空间分布特征[14]。周盈颖等人给出了重庆市北部短时强降水时空分布及概念模型[15]，陈永仁等进行了四川暴雨多尺度观测分析[16]，陈炯等[17 ]研究表明四川盆地是短时强降水发生频率比较高的几个地区之一，是该地地质灾害频发，造成人员与财产重大伤亡和损失的主要诱因。陈明等[18]指出，喇叭口地形的影响往往是单纯迎风坡地形影响的2～3倍；彭乃志等[19]认为，山前发生暴雨的频次大于山上；孙继松等[20]发现，地形越靠近城区，在山前形成暴雨的概率越大。还有研究[21]认为，四川东部最大降水频次主要出现在白天，且多出现在06:00-17:00。其原因[22]是地形差异造成的温度梯度所致。据文献[23]，午后到前半夜的大气热力条件最容易激发对流[24]。这些研究都在一定程度上加深了对时降水分布特征和日变化的认识。然而，西南地区的时雨量在时间、空间分布上有何特点，强降水中心多出现在何时何地，连续时段和固定日界时段的累积雨量有何差异等等，仍然不够清晰。为此，基于重庆、四川、贵州、云南、西藏的时雨量观测资料，设计多个参数开展分析。

1 资料与分析方法

1.1 站点与资料概况

时雨量资料取自中国气象局的CMIS业务系统，分析时段为2005-2017年每年的3月31日21时(北京时，下同)到10月31日20时。选定缺测率在5%以下的369个站点为分析对象，其中93.77%的站点缺测率在1%以下。大多数站点集中在重庆、四川、贵州、云南，西藏仅有个别站点(图1)。站点海拔高度从138 m到3 342 m，在四川盆地内最为密集。在绘图区域的右下角、左下角和左上角没有站点，因为超出了西南五省市区的范围。站点高程分布主体是从东南角向西北角逐步抬升，不过在四川盆地有一大片低值区。云贵高原在昆明西北部与青藏高原相连，但被四川盐边一带的地形相对低值区分隔，成为一个向东北方向伸出的钩状区域。这种分布形态和地形高度的分布(图2)非常接近，仅在站点缺乏区域有比较明显的差异。在云南南部的几个孤立低值点实际上处于一个狭窄的地形大低谷内。

1.2 时雨量数据准确性的核定

由于自动气象站资料质量的影响因子比较多，在时雨量的观测记录中，长期存在着大值数据的真实性鉴别问题，以及与日雨量的匹配问题，梁苏洁等[12]和YU R C等[24]采用了小时雨量累积的日雨量大于实际观测日雨量10%时就舍弃不用的方法，姚莉等[4]认为，当日24 h雨强合计值与同日地面观测的日降水量比较, 相对误差小于<4.5%时，就是可以接受的。

本项研究参考了上述方法，但更多的是进行多渠道数据的对比和分析。在资料预处理阶段，一是对时雨量累积的日雨量进行了检查，二是对每小时50 mm以上的时雨量进行重点分析，运用过程雨量逻辑分析、CMIS日雨量对比、中国气象局降水自记纸历史资料数值化整理成果对比等方法，确保了进入分析的时雨量数据的可靠性。

1.3 分析要素的设置思路与方法

设计了5个综合性要素(A0-2到A002)和9个最大值要素(A003开始到BZ24)(表1)，每个要素对应有一个总体序列，24个分时序列，7个分月序列。

综合类要素或是取某种均值，或是取大于某值的次数，或是提取某种比率，但依托的都是整个样本。A0-1与A0-2，是为了认识一个地方晴雨时间段的相对状况，并可通过时间变化和季节变化来认识不同地理区域、不同季节盛行天气系统下的气候特点和变化规律。A000和A001是为了剔除小量值降水的影响。A002则是希望了解高强度降水的出现和分布规律。

表1 要素设置一览表

最大值类要素是某特定时段的最大值。AA01是直接从单站所有原始时雨量数据中提取出时雨量最大值，建成总体序列；将每个站的原始时雨量数据按照1 d 24个不同的时次排列，选取出各时次的最大值，构成分时序列；同样道理，可获得分月序列。其他最大值要素均按此法构建。第8到第11是为了对不同时段累计降水与小时雨量之间的关系加深了解而设计的。第12到14，是为了与连续时段进行对比。要素A003，是在各序列中挑选出最大的三个时雨量数据求取平均来建立的,这与梁苏洁等[12]的做法相似，希望能减少偶然性影响。

2 总体气候特征

2.1 区域总体状况

2.1.1 时雨量均值

图3给出了A0-2的区域分布情况。可见其总体分布和地形有较好的吻合度，两者呈反相关，自东南部的高值区向西北方向逐步减小，极大值区域集中在贵州和云南的南部。在盐边周围对应地有一个相对高值区，其东边也有对应的相对低值区。两者在图形上看有较高的相关性，但它们的相关系数却仅为-0.295 9。A0-2的区域均值为1.51 mm。区域最大为2.28 mm，出现在云南的江城；区域最小仅为0.76 mm，出现在西藏察隅。

A0-1的区域分布(图4)是与地形高度相关最差的一个。图上明显可见的是一个“V”形高值区，从成都西边自西北向东南延伸到贵阳附近，再转向东北扩展到重庆和四川的东北角。成都西南边的雅安附近为高值中心，但在四川盆地的中北部却出现了一个低值区，这在其他要素的分布中是没有见到的，这究竟是下垫面的差异造成的[25]，还是特殊地形起伏的影响[26-27]，甚或还有其他原因，有待进一步的研究去发现。在昆明的南部和西部、西北部是一个十分显著的低值区，其内部有四个极小值中心在8%以下，其中云南的元谋(云南有名的干旱地区)是全区域最小，仅为7.20%。四川的巴塘一带，是另一个较为显著的低值中心。

图4的另一个明显特征是在云南贡山出现了十分突出的极大值，高达25.24%，比区域内其他多数站点的该要素大了2～3倍以上。如此高的降雨几率主要是由地形造成的。贡山正好处于一个狭长的喇叭口地形底部，从西南方向顺气流上来的水汽受两边高山的挟迫而汇拢，再沿陡坡抬升，必然导致成雨的机会增多。这种抬升气流的影响很大，使得海拔3 300 m以上的德钦和香格里拉的A0-1也高达12%以上，比很多海拔、纬度都低的多的站点还高。雨时比的次高值中心出现在成都的西南边，正是四川雅安及其周边的几个站，天全、芦山、名山、荥经等，雨时比均在17%以上，最大的是天全，达到20.13%，也远远高于其他很多站点。这和中国气象史上出名的“雅安天漏”相吻合，其原因也在于地形上的喇叭口。

区域内相当一部分站点的雨时比在14%以下，全区域均值为12.16%。也就是说，相对小时而言，该区域内大约有1/10的时间会有雨。有雨比例最大的贡山大约有1/4的时间有雨，最小的元谋只有大约1/14的时间有雨。

2.1.2 大于3 mm时雨量均值与时次比率

图5给出了3 mm以上降水均值A000的区域分布。该要素也有随地形升高而减小的特征，与站点海拔高度的相关系数为-0.598，是所有要素中最高的。在贵州南部、云南南部边缘依然是大值中心。但与图3相比，四川盆地明显变成了次大值中心，相对强度高，范围大，这表明四川盆地强降水的强度比其他地方要高，也表明这儿地形的作用比纬度的影响还大。3 mm以上降水均值的区域最大值是9.83 mm，出现在贵州望谟；最小值4.55 mm，出现在云南贡山。全区域均值是7.53 mm。

图1 区域内站点分布及其高程(m)图2 西南地区地形(m)图3 A0-2总体分布(0.01mm)图4 A0-1总体分布(0.01%)图5 A000总体分布(0.01mm)图6 A001总体分布(0.01%)

大于3 mm时雨量时次在有雨时次中的占比A001(图6)在云南南部的江城出现区域最大值，达19.77%；在西藏的察隅为最小，仅4.29%。全区域平均为12.26%。大的分布类型看起来仍然和地形有较好的吻合度，但和站点海拔高度的相关系数相当低，仅为-0.128。

A000与A001均在盐边附近有相对高值区，足见地形的影响之大。

2.1.3 10 mm以上时雨量出现次数

图7是A002的全域分布情况，可见其与地形高度很吻合。云南南部、贵州南部、以及盐边等相对较低的地方，对应的A002都相对较高。A002从青藏高原向东南延伸出了三个半岛样的低值区，在图2中也能发现对应的地形高值区。但在四川盆地，两者的对应并不好。

图7 A002总体分布(次)

两个明显的极大值出现在云南的江城(541次)和云南的金平(531次)；超过400次的有3个站，300次到400次之间的有14个站。300次以上的站点全都集中云贵高原的东南部和南部边缘地区。四川盆地的西部和东北部有200次以上的区域。除盐边及旁边的一个站在150次以上外，云贵高原上大部地区是在100到150次之间。贵州北部、重庆，四川盆地中部多数站点在150到200次之间。全区域平均为189次。最少的是四川巴塘，仅为5次。降雨时间最多、雨时比最大的云南贡山仅为24次，可见其绝大多数时雨量为小量值降水。

2.2 日变化特征

A0-2区域均值的日变化表现出双峰型，凌晨1到4点、上午8到12点是波峰，达1.6 mm；下午16点到22点最小，仅为1.4 mm，其余时间为1.5 mm。最大与最小值相差极小，峰谷比仅为1.14。相比之下，A0-1区域均值的日变化(图8)则要明显的多。雨时比在晚上21时最小，仅为9.5%。此后逐渐增加，在12时、13时达到最大值14.8%。随后急剧下降，到20点时降回到9.8%。从区域平均而言，出现降雨几率最大的时段是中午前后。12、13时的最高几率比晚上21时的最低值要高出55.8%。这一点与平时的直观感觉是不一样的。

图9给出的是A002的区域均值随时间的变化，日波动呈典型的单波形态，略有一点偏态。晚上20、21时出现几率最小，仅有5次。最多次数出现在上午10到12点，均为10次，这种现象也是与过去定性的常规认识有差异的。A002区域最大值的日变化特征是双峰型波动，02和11时是其次高峰和主高峰，分别为36次、39次。其数值在一天之中的变化相当大，从20时最低的16次到11时最高的39次，峰谷比高达2.44，相差2倍多。

图8 A0-1区域均值日变化(0.1%)图9 A002区域均值日变化(次)图10 A0-1区域分布_4月(0.01%)图11 A0-1区域分布_7月(0.01%)

2.3 月际变化特征

A0-1区域均值的月际变化表现出双峰形态。6月最大，达14.2%，10月次大，为12.5%，略高于8、9月份。其他月份时则是在高低值之间变化。最小值出现在4月，仅为0.9%，也就是下雨的时间在4月份最少，不到1/10。4月份的下雨时间较少，这是平时已经被认识到的，但是6月的下雨时间最多，这还没有被数据证实过。

图10是A0-1在4月的区域分布，可以明显看出其东南西北向的带状特征。从黔渝到四川盆地西部，有一条9%以上的高值地带，中间有一大一小两块高于12%的地区，其内有部分站点高于15%。从昆明南部到其西部再向其西北延伸，是一片9%以下的低值地带，其内的大部分区域是在6%以下。昆明西北边还有一成片的低于3%的地区，其中心为云南的元谋，仅为1.84%。最高占比出现在云南的贡山，高达30.44%，在它旁边还有云南福贡站，为29.04%。全区域仅此两站是高于18%。5、6月的A0-1的分布形态与此相似，只不过贡山、福贡的数值减小了，两个条状地带的数值都有所增大，且黔渝川高值地带的面积显著扩展。

7月，A0-1的分布如图11，东南西北向的带状特点更为突出。四川盆地、贵州东部成了低值地带，数值几乎均在12%以下，重庆和贵州部分地区不到9%。昆明及其南北延伸地带几乎全在12%到15%之间，而且在昆明附近向西伸出一块低值区。显著增大的地带出现在云南南部和西南部，有多个站点增加到21%以上，全区域最高的几个站点都集中在此。

进入8月，一条12%的分界线将区域划分为左右两半，尽管昆明周边还有一小块12%以下的低值区，但左高右低的形态仍然十分明显。这主要是从贡山、福贡向其东北方向延伸了一片高值地区，并与成都西南边的高值地区连成一片了。

到了9月(图12)，云南南边的高值区显著减弱，贡山再度成为区域最大中心(24.16%)。成都西南边的高值区显著增大、增强，在四川天全出现了仅次于贡山的极大值中心，高达23.35%，与最大值中心相差无几，且周边还有3、4个高于20%的站点(贡山只有一个站)。昆明周围的低值区进一步减小，与贵州的低值区连成一片并延伸到了云南西部。一南一北的不同变化使得东南西北向分布特征有所减弱。

图12 A0-1区域分布_9月(0.01%)

雨时比的这种区域分布状态的变化在所有分析要素中是最为独特的，这应该是和盛行季风的变化结合得最为紧密的，受地形高度影响较小。

3 时段雨量分析

3.1 总体比较

各个时段雨量最大值总体序列的区域均值如图13所示。从中可见，A003比AA01小，这是必然的。从AA03到AA24，因为累积的时间段一个比一个长，当然降水量也会一个比一个大。值得注意的是，同为12小时内的累计量，标准日界下的夜间12 h雨量、白天12 h雨量的最大值要比任意连续12 h的雨量最大值小得多，分别仅是后者的76.5%、84.8%。标准日界24 h雨量最大值也仅为连续24 h雨量最大值的89%。此种差异下，可以想象，如果采用连续时段的雨量值来分析天气过程，其结果肯定会与用标准日界雨量的结果产生较大的差异。此外，在不同时段累积雨量的差异幅度上，也有一个很有趣的现象：AA03是AA06的82.3%，AA06是AA12的85.6%，AA12是AA24的85.7%，BD12是AA12的84.8%，BD12是BZ24的81.2%，BZ24是AA24的89.6%，相差均在80%至90%之间。这是一个普遍规律，还是一个偶然现象，值得用进一步的研究去探索。

图13 时段雨量最大值的区域均值(mm)

表2给出了界限不同的同时段长度最大降水量相互间差异的总体情况。从中可见，AA24与BZ24，AA12与BN12，AA12与BD12，这三组对比中都是前者大于或等于后者，也就是说，在绝大多数站点上，连续时段的累积雨量最大值均大于固定日界的相同时间长度的累积雨量最大值。如AA12与BN12，369个站点中只有14个站没有差异，差异在20 mm以上的有199个站，占53.9%。最大的相差达192.5 mm。

在BD12与BN12的比较中，有158个站点夜间降水大于日间降水，占42.8%；有211个站点是日间降水大于夜间降水，占57.1%。日间比夜间大了20 mm以上的有133个站，占总站数的36%。而夜间降水比日间降水大了20 mm以上的只有58个站，只占总数的15.7%。差值超过100 mm的站数，夜间大于白天的只有一个站，而白天大于夜间的有9个站。日间降水大于夜间降水的最大值是191.5 mm，而夜间降水大于日间降水的最大值只有138.2 mm，较前者少了1 / 3。从图13中也能看出，白天的最大降水量(BD12)大于夜间最大降水量(BN12)，高出10.9%。

表2 同时段长度雨量的差异分级情况(不同时界)

表3 出现时段雨量最大值区域极值的站点及其比较

图14 AA01总体分布(0.1mm)图15 AA12总体分布(0.1mm)

AA24和BZ24之间，AA12与BD12、BN12之间，有较大差异的站点都集中在川渝地区。同样，BD12大于BN12的较大差异，也是更多的出现在川渝地区，特别是相差140 mm以上的四个站全部都在川渝境内(四川仁寿191.5 mm，四川绵竹175.9 mm，重庆沙坪坝157.6 mm，重庆石柱150.3 mm)。这一现象表明，在川渝地区，最强降水更多是出现在白天，而不是夜间。因此，在该地区利用降水量来对比分析降水物理过程的时候，应该更加关注连续时段降水量的使用，避免标准日界的时段雨量可能带来的对物理过程的人为分割影响。

表3给出了时段雨量最大值在区域上的极大值和极小值。从中可以看出，各要素在区域内的变化是非常大的，其极大值与极小值之比最小的都在7倍以上(7.3)，最大的超过了10倍(10.19)。9个极大值的站点，有6个出现在四川，三个出现在贵州(有两个是同一个站)。9个最小值的站点，全集中在四川的三个高原站点上，其海拔分别为2 589、2 438和3 009 m，是区域内海拔比较高，但不是最高的站点。可能是因为其深入到了高原内部，低纬度水汽难以输送，从而导致降水量偏少。

3.2 区域分布

图14给出了AA01总体序列的区域分布，从中可见，小时雨量最大值大于100 mm的站点有4个，分别是贵州三都135.2 mm、四川射洪110.9 mm、四川金堂102.2 mm、贵州石阡100.1 mm。其最大时雨量与姚莉等[4]分析得到最大时雨量(湛江157.7 mm)相差也不是很大。相对80 mm而言，小时雨量最大值在云南和贵州大都是相对孤立地出现高值，然而在四川盆地却有多个成片的高值区。低值区主要出现在昆明的南部和西北部。小时雨量最大值的区域极小出现在四川巴塘，为14.0 mm/h。

AA03的区域分布上，云南境内的高值区只剩下昆明南边的一个站点，成片的高值区仍然是在四川盆地。在AA12和AA24分布图上，这个特征更加明显。AA12(图15)中，高于210 mm的站点在云南只有1个，贵州有5个，而在四川盆地有10多个。至于AA24小时累计雨量最大值超过280 mm的站点，云南没有，贵州只有2个，四川盆地则有7个，无论哪一个时段，四川盆地都是非常显著的高降水区域。

图16 时段雨量区域最大值站点分布(等值线为站点高度/m)

3.3 时段雨量最大值站点分布

将A003到BZ24这九个要素各个序列的区域最大值(共计219个)出现的站点标注在站点高度图上(图16中的“B”)，可以清晰地看出，出现最大值的站点主要有两个密集区。最显著的一个是川渝地区，有30多个最大值站点位于该区域内，四川盆地西部的成都乐山一带更为集中，其中一些站点出现过多个最大值(“B”的色彩浓度越大表征出现最大值的次数越多)。第二个密集区是贵州南部，有10来个站点出现过最大值。最少的是云南南部边缘，仅有5、6个最大值站点零星分布于此。从重庆东部，到渝黔交界区域，再向西到川滇交界区，包括昆明周边及其西部的大片区域内，也就是云贵高原的主体及其与青藏高原相连接的地区，几乎完全没有最大值站点出现，形成了大片空白地区。

最大值站点的集中性还能从少数站点的最大值重复次数上得以展现。219个最大值，有151个最大值(68.9%)集中出现在14个站上，每个站出现的最大值都在5个以上。其中，出现最大值最多的是四川遂宁和贵州石阡，分别出现了18和17个。有8个站每站出现的最大值都在10个以上，一共出现了110个最大值，占最大值总数的一半以上。这8个站中，四川占了5个，贵州2个，云南1个。出现5次以上最大值的有14个站，四川占了10个，贵州3个，云南1个。这进一步表明西南地区高强度小时雨量的分布是以四川盆地西部为主要集中区，贵州南部次之，云南只有少数站点。这也就是强降水致灾的重点关注区。

4 小结与讨论

通过上述分析，可以得见中国西南地区的时雨量具有多种特征。

(1)该地区时雨量及其多种衍生要素的分布与地形高度有很好的吻合度，海拔越高，时雨量最大强度越小，高强度时雨量的比例也越小。云贵高原主体及其与青藏高原的连接区域没有时段雨量最大值出现。强降水多集中在三个区域(也是时雨量最大值集中区)：一是贵州南部，二是云南南部边缘，三是四川盆地。特别是四川盆地，虽纬度较高，却依然有相当高强度的降水，在区域平均强度上还大于前两者，而且是为最密集的时段雨量最大值集中地，在多个时段中是整个西南地区的强降水中心。由此，西南地区的强降水预报与服务必须高度关注四川盆地的特殊性。盐边周围地形相对低洼区域的时雨量特征是时雨量与地形高度相关的一个有利证据，在多个要素中都得到很好的表现。雨时比几乎与地形高度无关，受季风变化的影响更大。相对小时而言，西南地区降水几率平均为1/10，最多的可以达到1/4，最少的不到1/14。

(2)西南地区时雨量的很多相关要素表现出9到12时为1 d中最高峰的特征，这与过去的习惯认识，即该区域内多数地区夜间降水强于白天降水，是截然不同的，需要在今后的预报和灾害防御中加以重视。在月际变化上，四川盆地的强降水呈现出区域间的跳跃性变化。相对于降雨小时数而言，6月份的降水时间最多，4月的最少，10月的雨时数多于8、9月份，这与华西秋雨的特点是相吻合的。但6月的降水时数比10月还多，则是过去没有认识到的。

(3)成倍增长的连续时段的最大雨量之比，以及同时段长度的连续时段与固定日界时段最大雨量之比等数据的数值非常接近，是出于规律还是巧合，值得进一步探索。同等时长的连续时段与标准日界时段最大雨量的显著差异出现在川渝地区，白天12 h降水与夜间12 h降水的显著差异，也出现在川渝地区；总体而言，白天降水量大于夜间降水量，连续时段的累积雨量大于固定日界的相同时间长度的累积雨量，这些都是今后在利用降水量分析降水物理过程、天气系统变化过程中必须给以高度关注的。