滇中城市暴雨變化特征和洪澇成因分析
——以玉溪中心城區為例

朱文祥

(云南省水文水資源局玉溪分局，云南 玉溪 653100)

隨著玉溪中心城區城市規模的不斷擴大,暴雨導致的城市內澇日益突顯。目前關于玉溪城市暴雨變化特征的研究成果甚少，但有關學者對其他城市暴雨的關注度極高。李海宏等[1]利用上海市30個自動氣象站10年逐小時降水數據和有關內澇災情數據,分析了上海市暴雨和內澇災情特征,研究了致災暴雨過程與內澇災情的關系；何潔琳等[2]利用氣候觀測數據分析了近60年來，百色出現的與全球氣候變化背景一致的增暖變化，并提出城市適應策略建議；陳其幸等[3]選取代表站27年的年最大1 h降雨量資料,通過一系列方法對廣州市城區短歷時暴雨特征進行了分析；杜堯等[4]選取南京地區多個雨量站長系列逐時降水資料，分析了南京地區暴雨變化特性，并解析了暴雨雨型特征。2015年6月5日，玉溪城市東北方位的東風站1 h降水量達75 mm、24 h降水量達105 mm，暴雨導致中心城區多條街道嚴重積水，極大影響了城市居民的正常生產生活，造成了重大社會經濟損失；2020年7月1日東風站日降水量達112.5 mm，暴雨導致玉溪中心城區的東風南路、紅塔大道等多處路段嚴重積水，造成極大不便和經濟損失。這種短歷時強降水過程對玉溪中心城區防洪安全構成了嚴重威脅，極大程度制約了城市經濟發展。為了能給城市防洪排澇提供科學依據，對玉溪城市短歷時暴雨變化特征研究是非常必要的。

1 研究數據和方法

1.1 研究區概況

玉溪市為滇中經濟發達城市，屬于亞熱帶季風氣候。珠江流域南盤江一級支流——曲江從東北向西南橫穿市政府所在地紅塔區中心城區。區域地勢東北高、西南低，由于降雨過程時空分布不均，區域內單點暴雨突出，當發生持續降雨或局部暴雨時，城區極易形成局部泄流不暢，從而造成城區洪澇災害。城市位置見圖1。

1.2 數據

紅塔區現有雨量監測站23站，其中玉溪中心城區11站。中心城區雨量站點除玉溪站、東風站外的其他站點均為2011年以后新建的中小河流站，資料年限較短，缺乏代表性；玉溪站是1998年設立的固態存儲站，有多個年份由于儀器故障導致降水數據無記錄，資料系列不完整；只有東風站是國家基本雨量站，該站1963年設立，其資料成果每年都經水文部門審核驗收、珠江流域委匯編成冊，資料成果合理可靠。東風站位于玉溪中心城區東北部，處于整個中心城區上游方位，其降雨(特別是暴雨)與中心城區洪澇有著密切的對應關系。因此，本次選取東風站為代表站進行分析。玉溪城市區域與雨量站分布見圖1。

圖1 玉溪城市區域與雨量站分布

東風站有1981—2019年最大1 h、最大24 h降水量序列資料整編成果，其中1981—2010年的是根據20 cm自記雨量計記錄人工挑選得到，2011—2019年的是根據遙測翻斗式雨量計記錄自動挑選得到。

1.3 方法

1.3.1滑動平均法

滑動平均法是用某一時間序列的平滑值來反映要素變化趨勢的一種趨勢擬合技術的基礎方法[5]?；瑒悠骄蛄斜硎緸閇6]：

(1)

式中k——滑動長度；xj+i-1——第j+i-1年的降水量。

降水量傾向率絕對值大小則表明傾向的幅度，具體為：①降水傾向率大于0,降水量總體呈增加趨勢；②降水傾向率等于0,降水量不增不減；③降水傾向率小于0,降水量總體呈減少趨勢。

1.3.2Mann-Kendall趨勢檢驗法

曼-肯德爾(Mann-Kendall)法，簡稱M-K法。其人為性少、定量化程度高，是目前較多用于分析時間序列趨勢變化的一種檢驗方法[7]。

對時間序列x1,x2,…,xn(n為樣本數)，所有對偶觀測值(xi,xj,j>i)中xi

(2)

式中τ——Kendall秩統計量；U——Kendall秩次相關系數；P——系列中所有對偶觀測值(xi,xj,i

對于無趨勢的序列E(P)=n(n-1)/4；當PE(P)時表示序列可能有上升趨勢；當n增加時，統計量Kendall秩次相關系數U很快收斂于標準正態分布。給定顯著水平ɑ，其檢驗臨界值為Uɑ/2。當|U|>Ua/2，序列趨勢顯著；當|U|

1.3.3Hurst指數法

Hurst指數可以定量表征時間序列的持續性或長期相關性，在氣象水文變化研究中有著廣泛的應用。Hurst 指數分析法能較好地反應序列趨勢持續性的強弱程度[9]。一般采用r/s法計算Hurst指數值H，H( 0

表1 Hurst指數分級

2 分析成果

2.1 變化趨勢

對東風站1981—2019年最大1 h降水繪制過程線并作5年(n=5)滑動平均過程線，見圖2。從圖中看出，一元線性回歸系數b=0.1356>0，5年滑動平均過程線變化趨勢傾向率>0，說明年最大1 h降水量過程呈波動上升變化趨勢，變化率為1.4 mm/10a。

圖2 東風站1981—2019年最大1 h降水變化

取信度a=0.05，用Mann-Kendall趨勢檢驗法計算得到肯德爾秩次相關檢驗值|U|=0.376

表2 東風站1981—2019年最大1 h、24 h降水量變化趨勢參數計算結果

同上，得到東風站1981—2019年最大24 h降水量變化趨勢計算結果：一元線性回歸系數b=0.062>0，5年滑動平均過程線變化趨勢傾向率>0，其過程呈波動上升變化趨勢，變化率為0.6 mm/10a，見圖3?？系聽栔却蜗嚓P檢驗值|U|=0.305

圖3 東風站1981—2019年最大24 h降水變化

2.2 突變分析

經Hurst指數法分析計算得到歷年最大1、24 h降水量系列的Hurst指數：H1 h=0.57，H24 h=0.56，均處于0.5～1.0，說明東風站1981—2019年最大1 h降水量序列、最大24 h降水量序列未來變化趨勢與過去一致；根據Hurst指數分級情況，兩系列持續性較弱,見表3。

用M-K法檢驗東風站最大1、24 h降水量系列突變情況，圖4、5分別為東風站最大1、24 h降水量M-K統計曲線。從兩圖看出，取信度a=0.05，東風站最大1 h降水量序列在1987、2002、2007和2013年發生突變，最大24 h降水量序列在2000、2009和2013年發生突變,見表3。

表3 東風站1981—2019年最大1、24 h降水量突變分析結果

圖4 東風站1981—2019年最大1 h降水量M-K統計曲線

圖5 東風站1981—2019年最大24 h降水量M-K統計曲線

2.3 暴雨發生特點

中國暴雨5—9月分布較廣[11]，東風站暴雨也主要集中在5—9月。1981—2019年最大1h降水量多出現在7—9月，其中以8月份出現次數最多(12年)，占序列長度的30.8%；年最大24 h降水量多出現在6—8月，其中以6月份出現次數最多(13年)，占序列長度的33.3%。

圖6 東風站1981—2019年最大1、24 h降水量出現月份年數

按降水量等級劃分標準[12]，1 h降水量15.0～39.9 mm、24 h降水量50.0～99.9 mm為暴雨，統計歷年暴雨發生情況。P1 h(1小時降水量)≥15 mm的年份有38年，占序列長度的97.4%；P24 h(24小時降水量)≥50 mm的年份有34年，占序列長度的82.1%。1981—2019年39年中，只有2012年沒有發生暴雨。

在同場次暴雨中，按1 h降水量在24 h降水量中的占比分析暴雨集中程度。P1 h/P24 h平均為47.2%，其中2008年、2015年暴雨集中程度特別高，P1 h/P24 h分別為 70.4%、71.4%。

3 城區積水成因分析

a)暴雨和特殊地理位置因素。主要是單點短時強降雨迅速匯聚成大規模地表徑流，導致城區局部泄流不暢形成內澇，洪澇災害多為局部性。中心城區所處壩子四面環山，周邊降雨形成的徑流、洪水全部由壩子中部的曲江承納。超過河道排放能力的雨水溢流形成地表徑流，或通過坡度較大的管道快速向城中及城市下游區域轉輸，導致地勢低洼的中衛片區、老火車站片區、高鐵新城片區等區域容易被淹，形成壩區和城區洪澇災害。

b)城市化和全球氣候異常變化因素。根據玉溪市統計數據，玉溪市中心城區城市建成區面積2007年為22.3 km2，到了2019年則增大了近2倍，2019年建成區綠化覆蓋率40.6%，見圖7。隨著玉溪城市化進程的快速發展，城市建成區面積不斷擴大，城市道路和建筑物不斷建成，城市化發展改變了區域下墊面條件[13]，使城區徑流系數不斷增大、暴雨導致的洪水量增大，最終導致城市區域積水。近年來全球氣候出現異常變化，極端性氣候災害事件時有發生，城市洪澇災害日趨嚴重，城市的內澇問題日趨凸顯[14]。

圖7 玉溪市中心城區2007—2019年城市建成區面積與綠地面積變化

c)河道排洪能力不足。城市周邊現有河道排洪能力不足或未全面提升，雨洪容易漫灌道路和城區。曲江是城市雨洪的主要通道，玉帶河和中心溝也是城市防洪體系的主干框架，但其部分河段防洪能力較弱，防洪標準不高，難以滿足城市排洪要求。

d)防洪排澇基礎設施建設相比城市發展相對滯后。部分排水管網老化脫節、排水管徑較小、隱性排水溝渠存在安全隱患等。老城區排水管道多為雨污同流，管網過流能力不足、標準較低。

4 結論和建議

a)1981—2019年，玉溪市城市(東風站)年最大1 h降水和年最大24 h降水均呈不顯著波動上升趨勢，變化率分別為1.4、0.6 mm/10a。

b)東風站1981—2019年最大1 h降水量序列、最大24 h降水量序列Hurst指數分別為0.57、0.56，未來變化趨勢與過去一致,持續性較弱。東風站最大1 h降水量序列在1987、2002、2007和2013年發生突變，最大24 h降水量序列在2000、2009和2013年發生突變。

c)年內暴雨分布極不均勻，最大1 h降水多發生在8月，最大24 h降水多發生在6月；暴雨集中程度高，同場次暴雨降水量主要集中在1 h內，最大1 h降水量平均占最大24 h降水量的47.2%，最大占比達到71.4%。

d)暴雨特性和特殊地理位置、城市化和全球氣候異常變化、河道排洪能力不足以及防洪排澇基礎設施建設相對滯后等是造成城市積水的主要因素。

建議有序實施河道水系整治，提高雨洪接納能力；加強管網維護，新建雨污管網，減小部分管網壓力。在目前玉溪市海綿城市試點成果經驗基礎上，全域開展海綿城市建設；制定科學合理的防洪排澇措施，以緩解和應對城市內澇的壓力。建立科學的城市防洪排澇水文監測體系和預測預警平臺[15]，形成統一的監測預警指揮系統和聯動指揮平臺。