近年來,全球氣候變暖影響著全球的氣候條件,特別是降雨特征的變化。降雨時空的分布不均勻性,可能造成區域干旱或者季節性的水資源短缺[1],這使得分析各地區降雨的時空分布特征顯得極為重要。深圳地處廣東省南部濱海地區,是中國高新技術發展的重點城市。氣候上,深圳屬于亞熱帶季風氣候區,受低緯度熱帶天氣系統和中高緯度天氣系統的交替影響,天氣復雜多變。季風、強對流天氣和臺風等極端天氣過程及其導致的次生災害連年不斷,造成巨大經濟損失和人員傷亡,其中降雨災害影響尤甚。因此,研究深圳地區降雨的時空分布意義重大。
目前關于國內不同省份各個地區的降雨時空變化已有很多的研究[2-10],陳峪等[2]研究了中國十大流域近40年降雨的時空演變特征,發現中國地區降雨分布不均,北方相對南方水資源缺乏,且年際變化較大。黃小燕等[3]分析了中國西北地區1960—2015年的大氣可降雨量變化特征,發現西北地區近56年大氣可降雨量總體呈顯著增加,西北地區的大氣可降雨量與平均氣溫、相對濕度呈正相關,與平均風速呈負相關。Shao等[4]分析廣東省降水時空分布特征,發現粵中地區年降雨量呈輕微下降趨勢,粵東、粵西地區呈輕微上升趨勢。2017年,鄭騰飛等[5]分析了廣東省地區分級降雨的特征演變,發現了大雨級別以上的高值主要集中在清遠、陽江、海陸豐三地中心。
有關深圳地區氣候時空變化的也有研究[11-17],在時間分布方面,深圳降雨主要集中在4—9月[12],并存在17~20a和5~7a的顯著準周期[11]。空間分布方面,深圳市降雨存在東南地區向西北地區遞減特征[12]。雒翠等[11]分析了深圳市10個站點的降雨逐日數據,通過經驗正交函數分解方法分析得出1960—2016年降雨空間分布呈現兩種模態,一種是年降雨量總體呈現東南向西北方向遞減的趨勢,一種是年降雨量以塘朗山—清林徑水庫一線為界線呈東南與和西北相反的分布,兩種模態的累積貢獻率達到87.3%。對于深圳降水量的演變特征,基于國家基本站的分析尚無定論。蔡偉源等[13]利用深圳市國家基本站1953—2015年的資料分析氣溫和降水的演變特征,發現降水日數呈波動下降趨勢。丁楠等[14]基于深圳國家基本站1961—2011年的逐日降水資料分析得到汛期降水量和非汛期降水量均為增加的趨勢,降水日數增加顯著。張恩潔等[15]分析1953—2004年深圳市國家基本站氣象資料得到深圳年降水天數明顯下降。降水量的趨勢變化在不同時間明顯不同,在前汛期降水量呈減少趨勢,后汛期降水量呈增加趨勢[16]。近20年,深圳汛期強降水有顯著增多[17]。
以往有關深圳地區的降水特征研究多是基于深圳國家基本氣象站單站的歷史數據,或是深圳地區稀疏的9~10個站點資料進行時空降雨特征;尤其是,丁楠等[14]有關汛期降水趨勢分析結論與蔡偉源等[13]、張恩潔等[15]的研究結論不同,這可能是因為兩個研究所取的時間段不同,而趨勢計算受個別年份的異常降水值影響導致。本研究將采用深圳市最近的十年觀測,2008—2017年深圳市78個自動氣象站點的小時降雨數據,分析深圳市年、月降雨時空變化特征,降雨日數變化趨勢;利用國家基本站數據分析降水日內變化特征。準確認識深圳地區降雨時空變化及特征,對于深圳地區的防汛抗災,水資源的有效利用,以及區域可持續發展指導意義重大。
本研究使用2008—2017年深圳市自動氣象站(automatic weather station,AWS)的小時降水數據。深圳自動氣象站的建設,從2008年的175個,逐漸發展到2017年的204個。篩選整理出10年內每年的站點數據出現率均大于95%的站點,并且根據各季節的降雨值分布對站點的降雨數據做質量檢驗。最終確定了78個數據相對完整的站點,被選中的自動站空間分布見圖1。圖中藍綠色點指示的是深圳10個行政區的降雨代表站,10個站信息見表1。

圖1 降雨數據相對完整的站點分布 Fig. 1 Distribution of stations with relatively complete precipitation data

表1 深圳10個行政區域代表氣象站信息 Table 1 The detailed information of the representative weather stations for the 10 administrative regions in Shenzhen
1.2.1“ 臨近”站點降雨數據添補方法
對于所選取的數據完整率超過95%的78個氣象站,其缺失的數據仍需要補全。考慮深圳地域存在山體丘陵,山兩側的降雨量會存在較大差異,本文針對缺失數據的添補采用臨近站點附加考慮高程信息的“鄰近”站點添補方法。相比于雒翠等[11]文中的臨近站點添補方法,更加準確。
計算各個站點相對于山脈同側,距離最近的3個站點,例如圖2中選取數據缺失站點B的“鄰近”站點,雖然A站距離B站最近,但其與B站在山脈的不同側,不能作為B站降雨數據缺失的參考補充站。C、D、E站是位于B站同側的三個站點,按照距離遠近排序為C、D、E。即如果B站數據有缺失時,第一次填補利用站點C的信息,填補后仍有缺失利用站點D的信息,以此類推。三次填補后仍然缺失的數據,充分利用國家基本站數據對各個站點進行添補。

圖2 深圳地區高程圖和確定站點B的“鄰近”站點 Fig. 2 Elevation map of Shenzhen and the referred near stations for Station B
1.2.2 數據計算與方法
利用添補完整的數據計算各個站點各月降雨量,繪制各月的年際變化圖。通過各月的降雨量數據計算各個站點近10年的各月平均降雨量,利用近10年各站點各月平均降雨量數據繪制深圳近10年各月平均的降雨空間分布圖。并對10年逐月的月降雨量進行經驗正交函數分解(EOF)[18],分析月降雨的空間特征。此外通過國家基本站的小時數據研究深圳市各月降水的日內變化特征。
利用添補完整的數據計算10個行政區域代表氣象站的10年降水變化趨勢,以及降水日的變化情況。
利用小時數據計算各站點的年降雨量,得到各站點降雨的年際變化箱體圖(圖3a),從圖3可以看出深圳78個站近10年的年平均降雨量為1863.9 mm,與深圳國家基本站10年的年平均降雨1847.3 mm基本吻合,且10年年降雨的變化趨勢與國家基本站的年降雨變化趨勢也基本吻合。說明深圳國家基本站能基本代表深圳市的降雨平均狀況。降雨量年際變化呈現鋸齒形,降雨偏多年未出現連續,變化趨勢不顯著。其中也看出一年內各個站點的降雨量存在最高值與最低值相差1000 mm,說明降雨空間分配不均。其次年內逐月降水分布極為不平衡(圖3b),其中5—8月占到全年降雨的64.4%,11月—次年2月約占全年降雨的8.5%。
逐年各月的降雨變化幅度也出現較大不一致(圖4),其中11、12和2月,各站點的月降雨相對穩定在0~150 mm,年際變化相對較小,變化標準差集中在20~40 mm;1、3、4、7、9和10月,年際變化標準差集中在72~95 mm,1月各站點的月降雨相對穩定在0~150 mm,但2016年出現了200 mm以上降水,相比其他年份出現較大變動,這也是2016年整體降雨量偏多的原因之一;3、4、9和10月,各站的降雨相對穩定在50~300 mm,2012年4月、2010年9月、2016年10月出現較大波動。7月各站點的降雨相對穩定在250~400 mm;5、6和8月,年際變化相對較大。結合圖3、圖4可分析2008年降雨偏多主要是由于6月的降雨高于平常年,2013年的降雨偏多是由于8月降雨高于平常年,2016年降雨偏多是由于1、10和11月降雨遠高于平常年。
利用深圳市國家基本站10年的小時數據計算各月降水的日變化(圖5)。整體來看,夜間降雨明顯少于白天,春季降雨峰值出現在午后,夏季降雨峰值出現在午前,秋季降雨具有雙峰性,冬季降雨少,日間分布比較均勻。其中10年中降雨日數最多的是7月,最少的是12月。降雨日內各時刻的降雨分布有一定的差異,春季降雨峰值主要集中在16和17時;夏季降雨峰值集中在06—10時;秋季各月降雨呈現雙峰性,9月峰值出現在06和17時,10月在10和18時,11月在08和18時。

圖3 深圳市78個自動站年降雨年際變化(a)與年內各月降水平均分布(b) Fig. 3 Annual precipitation variation (a) and average monthly rainfall distribution for the 78 AWSs in Shenzhen (b)
深圳市近10年各月的月平均降雨空間分布如圖6所示,從圖中可以看出11月—次年2月為當地少雨季節,月平均降雨量為22~65 mm,3、4、9和10月的月平均降雨為65~220 mm,5、6、7和8月的月平均降雨為220~450 mm,其中最多降雨為6月,月平均降雨為340~450 mm。

圖4 2008—2017年深圳78個站的月降水變化 Fig. 4 Variations of the monthly precipitation for the 78 AWSs in Shenzhen from 2008 to 2017
將10年間深圳市78個站點的逐月降水量組成78×120的資料矩陣進行EOF分析,取前兩個特征向量,即月降水空間分布的第一模態和第二模態,且前兩個模態通過特征值誤差檢驗[18](North檢驗)。圖7a是第一模態,方差貢獻率為95.2%,該模態反映深圳西北地區降雨低于其他地區降雨,降雨高值集中在中部地區和東南地區;另外該模態所對應各分量均為正值,說明對于小地區范圍的深圳,第一模態體現的降水場時間上具有同步性。將該模態對應的各月時間系數進行10年平均(圖7c),其中4—10月的時間系數都相對較大,說明這幾個月的月降雨空間分布型態主要呈現此模態,其中6月最為典型。圖7b是第二模態,方差貢獻率為1.4%,該模態反映深圳地區月降雨呈現西北向東南方向逐級增加(減少),圖7d是該模態對應的各月時間系數10年平均,其中極值分別為3月的負極值和7月的正極值,說明3月的月降水出現西北向東南方向逐級減少的型態最為明顯,7月的月降水出現西北向東南方向逐級增加的型態最為明顯。
結合圖6和圖7,可以看出EOF分析的結果與近10年各月月降雨的實際結果較為吻合,且EOF分析得出的各月的月降雨第一模態貢獻率較大,對應的時間系數平均值均為正值,降水第一模態空間分布與近10年的年均降雨量空間分布型態(圖8)極為相似。

圖5 2008—2017年深圳市國家基本站各月降水的日內變化(縱坐標是10年內各月各時刻的累積降雨量與各月10年降雨日數的比) Fig. 5 Diurnal variation of the monthly precipitation in Shenzhen from 2008 to 2017 (The scale of Y axis refers to the ratio of the monthly accumulated rainfall during the ten years and the accumulated rainy days of the same period)

圖6 深圳近10年各月的平均降雨空間分布 Fig. 6 Spatial distribution of the mean monthly precipitation in Shenzhen for the past 10 years

圖7 月降水的前兩個模態(a,b)與對應模態時間系數的逐月10年平均值曲線(c,d)(a,c)第一模態;(b,d)第二模態 Fig. 7 The first two models of the monthly precipitation(a, b) and the monthly mean coefficient curve corresponding to the modal during the past (c, d): (a, c) the first model, (b,d) the second model
深圳市一共10個行政區域,各取一個站點作為行政區代表站,站點位置分布見圖1藍綠色點,這10個站的詳細信息見表1。
計算這10個代表站的降水10年間年際變化,以及各年降雨日的年際變化,結果見圖9,圖中虛線為年際變化情況,實線為變化趨勢線。圖中各站的順序與表1順序相同。
從圖9可以看出,在過去10年間,除了寶安區的黃麻布站,其他9個行政區代表站的年降水都有小的上升,但這些上升全部不顯著(p=0.05);降雨日方面,全部代表站點都有微弱不顯著(p=0.05)的上升趨勢。

圖8 2008—2017年深圳市年平均降雨量(單位:mm) Fig. 8 Average annual precipitation in Shenzhen from 2008 to 2017 (unit: mm)
對比蔡偉源等[13]、丁楠等[14]、張恩潔等[15]的研究結論,降水日上升與否,與所取的數據區間相關,受單個年份的異常降雨及降雨日變化影響大。
基于2008—2017年深圳78個自動氣象站的小時降雨量數據,分析了深圳降雨的時空演變和分布特征,得到以下結論。
1)近10年來深圳市的年均降雨量為1863.9 mm,空間上呈現東多西少不均勻分布。國家基本站10年降雨量平均1847.3 mm,國家基本站的降雨情況在計算深圳地區年平均降雨時具有很強的代表性。
2)深圳的10個行政區代表站,在過去10年間,除了寶安區的黃麻布站,其他9個行政區代表站的年降水有微弱不顯著的上升;降雨日方面,全部代表站點都有微弱不顯著的上升;降水趨勢計算受個別年份異常降水影響大。
3)深圳市年內各月降雨分布差距較大,其中5—8月占到全年降雨的64.4%, 11月—次年2月約占全年降雨的8.5%,降雨最多的是6月,最少的是2月。各季節降水的日變化特征為,夜間降雨少于白天,春季降雨峰值出現在午后,夏季降雨峰值出現在午前,秋季降雨具有雙峰性,冬季降雨少,各時刻分配相對均勻。
4)深圳市各月降雨的變化幅度不一致,11、12和2月降雨相對穩定,5、6和8月,年際變化相對較大。月降雨空間分布呈現兩種型態,第一型態為深圳西北地區降雨低于其他地區降雨,降雨高值集中在中部地區和東南地區,該型態方差貢獻率為95.2%;第二型態呈現深圳地區月降雨西北地區向東南方向逐級增加(減少)。
本研究得到的深圳汛期降水的日內變化、月變化、季節變化及空間分布特征,對本地區防汛抗災,水資源的管理和有效利用具有重要的指導意義。未來將進一步探索該地區降雨時空特征機理,以提高汛期降水預報的準確性。
Advances in Meteorological Science and Technology2019年3期