華東地區主要地形因子對極端小時降水峰型的影響研究

摘要 在全球持續增溫的背景下，極端降水事件頻發，給人民的生產生活和社會的經濟發展造成了嚴重威脅。本文利用華東315個氣象臺站2011—2018年的小時觀測數據，按照降水日峰值特征將華東地區極端小時降水分為單峰型和多峰型，基于多尺度地理加權回歸模型，探討了兩種峰型極端小時降水空間分布與地形因子的關系。研究表明兩種峰型極端降水分別對應常規年份和厄爾尼諾年，地形起伏度在兩類峰型的降水中都為最重要的地形因子，主導區域主要為浙江北部及浙閩山脈北部;其他地形因子在兩類峰型的降水中作用存在顯著差異。單峰型降水中，第二重要的地形因子為地形坡度，主導區域位于浙閩山脈東南側;而在多峰型降水中，第二重要的地形因子為離海岸線距離，且主導區域位于沿海地區。對二者差異的機理分析發現，單峰型降水以午后對流為主，浙閩山脈東南側地形坡度較大處的對流有效位能值較大，容易促發對流;而在多峰型降水中清晨降水以平流為主，水汽輸送明顯較單峰型降水大，因此，離海岸線距離對該類型降水有重要影響。

關鍵詞極端小時降水;地形因子;多尺度地理加權回歸;日變化

近年來，頻繁發生的極端降水事件已成為全社會關注的熱點問題，國內外學者對其發生的特征、機理和未來趨勢等均已進行了諸多深入的研究（Donat et al.，2016;Pendergrass，2018;Kirchmeier-Young and Zhang，2020;Tabari，2020;Davenport and Diffenbaugh，2021;朱連華等，2023）。作為最主要的自然災害之一，極端降水的頻次和強度變化可能會導致旱澇災害（Zhai et al.，2005;Wang et al.，2021）。據統計，中國作為世界上洪澇災害出現頻次最高的國家之一，近25 a來暴雨洪澇災害造成的年平均直接經濟損失高達573億元，并呈逐年增加趨勢（於琍等，2018）。針對我國近年來極端降水事件頻發的現狀，許多研究從極端降水事件發生時的天氣系統（Luo et al.，2016;Du and Chen，2019;Zhang et al.，2019）、極端降水事件主要落區與強度的變化（Sun and Zhang，2012;Wang et al.，2017;吳晶璐等，2019;Yang et al.，2020;Zhang and Zhou，2020）、極端降水事件發展過程中的動力特征（Zhang et al.，2011;Sun and Zhang，2012;高守亭等，2018）以及極端降水事件預報技術（Huang and Luo，2017;Yu et al.，2019）等方面進行了深入的分析。充分認識極端降水事件的各項特征，對提高氣象防災減災能力和應對氣候變化具有重要的理論意義及應用價值。

受制于觀測數據的時間尺度等限制，以上多數研究都基于日及日以上尺度數據進行分析，不能很好地反映突發性極端降水事件的日變化過程（Zhang et al.，2017）。最近研究（吳夢雯和羅亞麗，2019）指出，相比于一般降水，強降水對大氣中水汽含量的變化更加敏感（Trenberth，1999），溫度上升使得極端降水傾向于發生在更短的時間內（最多幾個小時內），且次日尺度極端降水的增長速率高于日尺度極端降水（Lenderink and van Meijgaard，2008;Prein et al.，2017）。相較于長時間積累造成的強降水事件，發生在次日尺度上的短時極端降水往往發展得更為迅速且更具破壞力（Westra et al.，2014）。

降水日變化主要是由太陽輻射強迫形成的周期型變化（Zhang et al.，2019）。地形作為影響降水日變化的主要因素之一，主要通過不同下墊面、地形起伏和海陸熱力差異來控制對流觸發時間，進而影響極端小時降水發生的峰值時間（Wallace，1975）。而極端小時降水的日變化特征總體上和總降水的日變化特征較為一致，在不同的大尺度環流和下墊面特征下呈現出明顯的區域差異（吳夢雯和羅亞麗，2019）。目前，地形對極端小時降水日變化影響的研究主要集中在地形與大尺度氣象因子的相互作用（Chang et al.，2013;Liang and Wang，2017;陳靜等，2022），對不同日變化特征下地形對極端小時降水空間分布的影響研究較少。近年來，有學者開始采用地理加權回歸模型（Geographically Weight Regression，GWR模型）對降水與地形間的關系進行研究，該模型能很好地描述地形對降水空間分布影響的高度不均勻型（Kumari et al.，2017）。曾禮等（2022）的研究則進一步說明了多尺度地理加權回歸模型（Multi-scale Geographically Weight Regression，MGWR模型）相較于GWR模型在實際應用中的優勢和考察不同地形因子對降水影響的尺度效應時的適用性。通過MGWR模型對不同日變化特征下地形對極端小時降水空間分布的影響進行研究，可以得出不同地形因子對極端小時降水空間分布的影響范圍及主要作用區域，對進一步理解極端小時降水產生的不同日變化特征的原理具有重要意義。

本研究主要著眼于中國東部地區，該地區人口密度大、經濟發達，并且地形特征復雜多變，從北到南兼具平原、低山、盆地、高山、丘陵等多種地貌，極端小時降水導致的暴雨和強對流等災害一直是該地區經濟發展及人民財產安全的嚴重威脅之一。本研究選取觀測資料豐富的華東地區開展研究，使用315個標準氣象站點的小時降水量和風向，基于MGWR模型的擬合結果，分析地形因子對不同日變化特征下極端小時降水空間分布的影響及其尺度效應。研究極端小時降水與地形因子在不同日變化特征下的關系，不僅可以幫助我們進一步理解復雜地形區各季節的降水特征，還有利于為地形復雜地區的降水數值模擬及其改進提供理論依據，最終提升高分辨率數值模擬對極端降水過程的模擬性能。

1 數據與方法

1.1 降水的觀測資料及研究區域

降水數據采用2011—2018年國家級自動雨量站的逐小時數據，主要包括小時尺度的降水及風向數據，其中2011—2016年的數據來自中國氣象局氣象信息中心數據庫，由MDSS數據庫提取，2017—2018年的數據由CIMISS系統獲取。同時，該數據集數據已經過全面質量控制，各氣候變量的質量及完整性較高。為了保證數據的連續性及準確性，篩選有降水量記錄的時次占總時次在95％以上的站點進行分析，剔除了質量控制代碼為“缺測”及“錯誤”的時次。同時由于極端降水事件的強度及頻率在長江中下游地區和華南地區北部的區別較大（He et al.，2019），影響兩地暖季降水強弱的原因也不盡相同（Ding et al.，2009），且山東地區通過檢驗的站點數目過少（只有7個），因此研究區域主要選擇為115°～123°E、26°～35°N的長江中下游地區（圖1）。華東地區的極端小時降水主要發生在暖季（5—10月）（Wang et al.，2021），于是，針對暖季降水開展研究。

1.2 再分析數據

本研究使用的再分析數據主要為由歐洲中期天氣預報中心（ECMWF）最新研發的ERA5數據集。該數據集合同化了大量衛星資料并進行了相應的質量控制，同時利用四維同化系統同化了觀測資料，時間序列從1979年至今，空間分辨率約為31 km，垂直方向共有137層，氣壓頂層為0.01 hPa。與上一代再分析數據集ERA-Interim相比，ERA5具有每小時尺度的輸出，并且在降水預估、溫度與濕度擬合等方面都得到了顯著改進（Hersbach et al.，2020）。

1.3 地形因子

基于已有研究，本章節選取了常用的四個地形因子和主風向系數進行研究，分別是：1）地形高程，數據來源于航天衛星地形數據集（Shuttle Radar Topography Mission，SRTM）中的SRTM1-V3.0數據集，空間分辨率為30 m;2）地形坡度，用ArcGis中的表面分析工具，由STRM數據集（空間分辨率為30 m）的柵格表面高程最大變化率表示;3）離海岸線距離，由ArcGis軟件中的近鄰分析可得各個站點離海岸線的最短距離;4）地形起伏度，使用考慮站點分布情況下能較好表現地形地貌特征的12 km柵格高程標準差（舒守娟等，2007;Cheng et al.，2010）。

地形坡向和近地面風向的夾角可以用來表示迎風坡面及背風坡面，這種表示方法比只使用地形坡向或風向更能表現出水汽輸送對降水的影響（傅抱璞，1992;Basistet al.，1994;孫鵬森等，2004），其大小主要通過主風向系數（Prevailing Wind-direction Effect Index，PWEI）表示（孫鵬森等，2004），PWEI值的0—1表示站點位于背風坡，1—2表示站點位于迎風坡。

1.4 日降水峰型

極端小時降水的空間分布主要指各站點極端小時降水總降水量的空間分布。在氣象業務上常用20 mm的小時降水量及50 mm的日降水量來定義小時強降水及日強降水，在學術上則常用百分位法（Zhai et al.，2005;Luo et al.，2016）及擬合經驗函數（李建等，2013）的辦法來得到極端小時降水，前者（如第95百分位、第99百分位及第99.9百分位）常用于得到有統計意義的極端小時降水研究（Luo et al.，2016），而后者常用于討論幾十年一遇的極端降水情況（吳夢雯和羅亞麗，2019）。本文使用李建等（2013）定義的“極端小時降水事件”的總降水量，即站點連續觀測到發生降水（≥0.1 mm·h-1）的一段時間，其中最多只有1 h的降水間斷，并且至少發生一次極端小時降水（該站點在研究時序內大于發生降水時次第99百分位閾值的小時降水）的降水事件的總降水量。

同時，宇如聰等（2014）的研究表明，在中國的中東部地區，復雜的地形分布會對局地的降水日變化特征產生顯著影響。因為中國東部地區的降水日變化存在午后峰值及清晨、午后雙峰值兩種不同的表現形式，且兩者的形成與地形的作用關系密切（Zhuo et al.，2014）。為了更好地研究地形因子對極端小時降水的作用，極端小時降水可按照一次降水事件中超過閾值的峰值數及極端小時降水日變化峰值時間分為單峰型和多峰型。在單峰型降水中，超過閾值的時間段內小時數沒有間隔，并且峰值時間主要集中在午后;而在多峰型降水中，超過閾值的時間段內至少有1 h間隔，強峰值主要集中在清晨。

1.5 熱帶氣旋軌跡數據集

在極端降水中，東南沿海地區受熱帶氣旋影響的極端降水占所有極端降水事件的30％左右，華南沿海地區受熱帶氣旋影響的極端降水占所有極端降水事件的20％左右，且受熱帶氣旋影響的極端降水在形成機理、雨區位置及降水強度等方面與其余類型的極端降水有較大不同（Luo et al.，2016）。為了排除熱帶氣旋對極端降水事件的影響，使用2011—2018年西太平洋熱帶氣旋歷史軌跡數據集 （IBTrACS），該數據集提供了全球熱帶氣旋的生成時間、生成區域及登陸的經緯度等，以用于對全球熱帶氣旋分布，頻率和強度的分析。具體排除方法為通過篩選，排除受熱帶氣旋影響的降水時次（當一個熱帶氣旋在西太平洋生成并在研究區域內登陸時，認為該次熱帶氣旋登陸期間的所有降水時次皆為熱帶氣旋影響時次）（Wang et al.，2021）。本文所使用的極端小時降水數據皆為排除熱帶氣旋影響后所得。

1.6 多尺度地理加權回歸

為了探明每個地形因子對極端降水空間分布的影響，采用了MGWR模型對每一個參數的最佳尺度進行單獨計算，不同因子的帶寬數代表不同因子的作用范圍：

式中：hwk代表第k個變量回歸系數所使用的帶寬。MGWR主要通過后向擬合算法來進行平滑擬合，結束迭代后的帶寬處于各個自變量的最佳尺度（Fotheringham et al.，2017）。具體計算過程可參考Yu et al.（2020）的研究。

2 結果

2.1 日降水峰形特征及分類

依據極端小時降水的劃分標準，2011—2018年華東地區極端小時降水的日變化特征主要表現為單峰型和多峰型，其中單峰型主要發生在午后，而多峰型除午后降水峰值外還存在一個清晨降水峰值，且清晨降水峰值往往大于午后。已有研究表明，在強厄爾尼諾事件的發展年及衰減年，西北太平洋低層會受到異常氣旋及反氣旋環流的控制，從而導致副熱帶高壓和水汽輸送的異常，進而引起東亞夏季降水的異常（張人禾等，2017）。分析時段中，2015—2016年為受厄爾尼諾事件顯著影響的年份，于是基于多變量厄爾尼諾及南方濤動指數（Wolter and Timlin，2011），區分了ENSO年與非ENSO年極端降水事件。

表1給出了研究期內單（多）峰值型降水在（非）ENSO年中的站點降水量及兩類極端小時降水在ENSO年增加降水量的比例。可以看出，多峰型降水的極端小時降水量在ENSO年相較于非ENSO年增多49.35％，而單峰型降水在ENSO年增加的降水量僅為13.79％，這說明多峰型極端小時降水事件與ENSO事件有緊密聯系，而單峰型極端小時降水事件多發生在非ENSO年。

圖2a—c展示了2011—2018年暖季平均極端降水事件的降水量、降水頻次及降水強度的日變化。可以看到，8 a平均、華東地區極端小時降水量存在雙峰型特征，其中午后峰值大于清晨峰值，ENSO年與非ENSO年的差異主要體現在清晨次強峰值，ENSO年大于ENSO年（圖2a）。ENSO年與非ENSO年降水強度存在差異，ENSO年略大于非ENSO年，但總體來講差異較小（圖2c）。而極端降水頻次呈現較大差異，ENSO年相對于非ENSO年在清晨的降水次數顯著增多（圖2b），表明ENSO年清晨較大的極端降水量的差異主要是與降水頻次有關。

圖2d—f和圖2g—i分別展示了單峰型和多峰型極端降水事件的降水量、降水頻次及降水強度的日變化。單峰型極端降水事件的降水量、降水頻次與降水強度的峰值都集中在午后（圖2d—f），且ENSO年與非ENSO年區別不大，此時極端降水以對流降水為主，降水的持續時間較短，主要來自大氣對輻射加熱的響應（Xu and Zipser，2011）。多峰值極端降水事件的降水強度存在清晨強峰值及午后次強峰值（圖2g、2i），ENSO年降水強度大于非ENSO年;而降水頻次只有一個清晨峰值（圖2h），且ENSO年遠大于ENSO年，導致ENSO年清晨極端事件的降水量遠大于午后降水。此時極端降水以平流降水為主，增加的降水與ENSO年內夜間抬升凝結高度降低、大氣可降水量增加及相對濕度增大密切相關（趙玉春等，2010）。下面的研究中，分別選擇ENSO年的多峰型和非ENSO年的單峰型極端小時降水事件，研究華東地區極端降水與地形因子的關系。

以西太平洋副熱帶高壓（西太副高）為代表的環流形式會對極端降水的觸發與發展有巨大影響（宇如聰等，2014），并在ENSO年中西太副高偏強并有明顯的西伸。在ENSO年中，多峰型降水在2016年更強，降水極值頻次也對于2015年，因此，選取2016年作為多峰型極端降水代表年進行研究。2018年的單峰型極端降水事件較其他年份偏多，這可能與2018年西太副高相較于其他非ENSO年偏北有關（圖略）。2016年和2018年西太副高脊點位置相近，為了使西太副高對極端小時降水的影響在兩類降水中相近，在研究地形因子對單峰型極端降水的影響時，使用2018年作為代表年。

2.2 影響單峰型和多峰型降水的主導地形因子及其影響機制

圖3為MGWR模型計算的兩類極端小時事件中主要地形因子擬合的帶寬數、主導地形因子占比和主導地形因子的空間分布。單峰型極端小時降水事件結果如圖3a—c所示。可以看到，地形起伏度、地形坡度、和離海岸線距離是單峰型極端小時降水的主要影響因子，地形高度和主風向系數對極端小時降水的影響不顯著。其中，地形起伏度和地形坡度的帶寬數約為70，表現為局地影響因子，在研究區域內對單峰型降水的影響有較強的空間非均勻性，而離海岸線距離的帶寬數約為280，表現為區域影響因子，在不同地區對降水的影響大致相同（圖3a）。而就各個主導地形因子站點數的占比來看，地形起伏度起主導作用的站點數占比為49.2％，主要分布于江蘇北部及浙閩山脈的東北部及西南部;地形坡度起主導作用的占比為32.7％，主要分布于浙閩山脈南部及江蘇北部的沿海地區;離海岸線距離起主導作用的占比為18.1％，主要分布于大別山東側及浙閩山脈北部（圖3b、3c）。因此，在華東地區單峰型降水中，地形起伏度是最重要的地形因子，其次為地形坡度、離海岸線距離。地形起伏度主要通過影響極端降水過程的動力抬升作用來影響整個極端降水發生、發展的過程（Houze，2012）。在華東地區，夏季的水汽含量相對充足，此時地形起伏度和坡度較大的區域更容易觸發局地不穩定對流，進而引起極端降水（Medina and Houze，2003）。

圖3d、3f是多峰型極端小時降水結果。可以看到，主要地形影響因子與單峰型極端事件呈現較大不同，地形高度和主風向系數的影響通過了顯著性檢驗，而坡度影響不再顯著。其中，地形起伏度與離海岸線距離的帶寬數均不超過70，表現為局地影響因子，在不同地區對降水的影響有較強的空間非均勻性，而地形高程與主風向系數在MGWR模型中的帶寬數約為280、140，主要表現為區域影響因子，在不同地區對降水的影響大致相同（圖3d）。而就各個主導地形因子的站點數占比來看，地形起伏度起主導作用的站點數占比為50％，主要分布于江蘇北部及浙閩山脈的東南部及西南部;離海岸線距離起主導作用的占比為36.9％，主要分布于東南沿海地區;地形高程起主導作用的占比為12.7％，主要分布于浙閩山脈西側及九嶺山南側;主風向系數占比很小（圖3e、f）。因此，華東地區多峰型極端小時降水事件中，地形起伏度仍然是主導地形因子，其次是離海岸線距離、地形高度。

為了進一步探究兩類極端小時降水事件中次要地形影響因子的作用，圖4基于ERA5再分析數據給出了單（多）峰型降水期間，華東區域的對流有效位能（Convective Available Potential Energy，簡稱CAPE）空間填色圖及整層水汽通量的矢量分布。研究區域內的水汽主要來自西南方向，通常情況下，該水汽輸送帶的形成來源于孟加拉灣及西太平洋兩支暖濕季風氣流的共同作用（Gimeno et al.，2016）。在非厄爾尼諾年，水汽輸送明顯小于厄爾尼諾年。單峰型極端小時降水事件中，CAPE值較大區域主要位于大別山南部及浙閩山脈東南側（圖4a），此時的極端降水主要受地形坡度主導，較為陡峭的地形坡度通過影響氣流爬升的速度及垂直風速影響極端降水強度（Roe，2005），進而成為除地形起伏度外最重要的地形影響因子。而在強厄爾尼諾事件期間，該水汽通道輸送的水汽相較于其他時期顯著增強（圖4b），此時在南海地區積累的水汽持續增加，并在夏季風爆發后北進，成為引發極端降水的主要因素之一。因此，在多峰型降水中，離海岸線距離通過影響水汽衰減的速度，成為除地形起伏度外最重要的地形影響因子。而就CAPE值而言，可以看到在單峰型降水期間，CAPE值的大值區主要位于大別山南側及浙閩山脈東南側，多峰型降水期間，CAPE值的大值區則主要位于海上，并在陸上無明顯的大值區。

2.3 與季節平均降水的對比分析

極端降水事件與季節平均降水量的主導地形因子不同。綜合兩類極端小時降水事件與地形因子的關系分析可以發現，地形起伏度是華東地區極端降水事件主導影響因素，其次是離海岸線距離和其他因子。對比暖季平均降水量與地形因子擬合的MGWR模型（圖5）發現，在暖季平均降水模型中，最大地形影響因子為離海岸線距離，離海岸線距離對暖季平均降水起主導作用的站點占比接近50％，其次才是地形起伏度與地形高程。在季節平均降水中，低強度高頻率降水更多依賴于大尺度環流形勢帶來的水汽輸送，而在極端降水事件中，需要強烈的抬升觸發機制，因此，地形起伏度以及地形高度成為占比較大的地形因子。

3 結論與討論

地形因子在極端降水的觸發、形成與發展中扮演著非常重要的角色。本文通過華東地區315個觀測站點的小時降水數據及風向數據，從極端小時降水日變化等特征出發，分析了極端小時降水事件與ENSO的關系，進而分析了主要地形因子對極端小時降水的影響機理。得到如下結論：

1）按照日降水峰型特征，華東地區降水可以分為單峰型和多峰型降水。其中，單峰型極端降水只有午后一個峰值，多發生于拉尼娜年或者非ENSO年;而多峰型極端降水除了午后降水峰值外，還存在更大的清晨極端降水峰值，多發生于ENSO年。兩類極端降水事件中極端降水量的差異主要是由于降水頻次的不同。

2）地形起伏度是影響華東地區大部分站點極端小時降水事件的主導地形因子。影響兩類極端降水事件的次要地形因子及影響區域有較大不同。在單峰型降水中，除地形起伏度外最重要的地形因子為地形坡度，影響區域為大別山南部及浙閩山脈東南側。而在多峰型降水中，除地形起伏度外，離海岸線距離的影響最大，影響區域為南部沿海地區。

3）在單峰型降水中，CAPE值較大的區域主要位于大別山南部及浙閩山脈東南側，此時較為陡峭的地形坡度會影響對流觸發，使地形坡度變為此地的僅次于地形起伏度的地形影響因子。而在多峰型降水中，水汽輸送明顯較單峰型降水期間更大，此時離海岸線距離的影響則更為重要。

4）各個地形因子在極端小時降水和季節平均降水中的作用不同，在極端降水中更多體現了地形起伏度的抬升作用，而在暖季平均降水中更多體現了與水汽輸送有關的離海岸線距離的影響。

前人對大尺度持續性極端降水事件的影響機理已經有較深入研究，由于其突發性和局地性強，對次日尺度極端降水事件的準確預報和預測一直是薄弱環節。在前人基礎上，本文利用MGWR模型研究了多個地形因子對華東地區暖季極端小時降水事件的影響，其結果有望對次日尺度極端降水事件的預報和預測提供參考。其次，前人研究認為極端降水事件的發生和發展受到多尺度天氣系統、局地下墊面強迫（地形、大城市群和海陸分布等）、全球變暖、氣溶膠排放等多種復雜因子的綜合影響（吳夢雯和羅亞麗，2019）。本研究的結果說明地形因子對降水的影響與大尺度氣候背景和降水過程特征有關，不同的氣候背景以及不同降水特征下，地形因子的作用不同。最后，本研究僅考慮了前人研究中認可度較高的五個主要地形因子對極端小時降水事件的影響，其他地形因子的影響有待進一步探索。

致謝：感謝美國太空總署（NASA）和國防部國家測繪局（NIMA）聯合測量并免費提供的Shuttle Radar Topography Mission（SRTM）30 m分辨率地形數據，中國氣象局氣象信息中心提供小時降水數據歐洲中期天氣預報中心ECMWF免費提供ERA5數據（http：／／apps.ecmwf.int／datasets／），西太平洋熱帶氣旋歷史軌跡數據集來自International Best Track Archive for Climate Stewardship （IBTrACS），下載于https：／／climatedataguide.ucar.edu／climate-data／ibtracs-tropical-cyclone-best-track-data。

參考文獻（References）

Basist A，Bell G，Meentemeyer V，1994.Statistical relationships between topography and precipitation patterns［J］.J Climate，7：1305-1315.doi：10.1175／1520-0442（1994）0071305：SRBTAPgt;2.0.CO;2.

Chang C P，Yang Y T，Kuo H，2013.Large increasing trend of tropical cyclone rainfall in Taiwan and the roles of terrain［J］.J Climate，26：4138-4147.doi：10.1175／JCLI-D-12-00463.1.

陳靜，龐波，吳政秋，等，2022.華南復雜地形下GRAPES_Meso 3 km對流尺度模式前汛期精細化降水預報評估［J］.大氣科學學報，45（1）：99-111. Chen J，Pang B，Wu Z Q，et al.，2022.Evaluation of fine-scale precipitation forecast of GRAPES_Meso 3 km convective-scale model in early summer rainy season in South China under complex topographical conditions［J］.Trans Atmos Sci，45（1）：99-111.（in Chinese）.

Cheng W M，Zhou C H，Chai H X，et al.，2010.Quantitative extraction and analysis of basic morphological types of land geomorphology in China［J］.Geo Inf Sci，11（6）：725-736.doi：10.3724／sp.j.1047.2009.00725.

Davenport F V，Diffenbaugh N S，2021.Using machine learning to analyze physical causes of climate change：a case study of U S Midwest extreme precipitation［J］.Geophys Res Lett，48（15）.doi：10.1029／2021gl093787.

Ding Y H，Sun Y，Wang Z Y，et al.，2009.Inter-decadal variation of the summer precipitation in China and its association with decreasing Asian summer monsoon Part Ⅱ：possible causes［J］.Int J Climatol，29（13）：1926-1944.doi：10.1002／joc.1759.

Donat M G，Lowry A L，Alexander L V，et al.，2016.More extreme precipitation in the world’s dry and wet regions［J］.Nat Clim Change，6（5）：508-513.doi：10.1038／nclimate2941.

Du Y，Chen G X，2019.Heavy rainfall associated with double low-level jets over Southern China.part Ⅱ：convection initiation［J］.Mon Weather Rev，147（2）：543-565.doi：10.1175／mwr-d-18-0102.1.

Fotheringham A S，Yang W B，Kang W，2017.Multiscale geographically weighted regression （MGWR）［J］.Ann Am Assoc Geogr，107（6）：1247-1265.doi：10.1080／24694452.2017.1352480.

傅抱璞，1992.地形和海拔高度對降水的影響［J］.地理學報，47（4）：302-314. Fu B P，1992.The effects of topography and elevation onprecipitation［J］.Acta Geogr Sin，47（4）：302-314.（in Chinese）.

高守亭，周玉淑，冉令坤，2018.我國暴雨形成機理及預報方法研究進展［J］.大氣科學，42（4）833-846. Gao S T，Zhou Y S，Ran L K，2018.A review on the formation mechanisms and forecast methods for torrential rain in China［J］.Chin J Atmos Sci，42（4）833-846.doi：10.3878／j.issn.1006-9895.1802.17277（in Chinese）.

Gimeno L，Dominguez F，Nieto R，et al.，2016.Major mechanisms of atmospheric moisture transport and their role in extreme precipitation events［J］.Annu Rev Environ Resour，41：117-141.doi：10.1146／annurev-environ-110615-085558.

He S C，Yang J，Bao Q，et al.，2019.Fidelity of the observational／reanalysis datasets and global climate models in representation of extreme precipitation in East China［J］.J Climate，32（1）：195-212.doi：10.1175／jcli-d-18-0104.1.

Hersbach H，Bell B，Berrisford P，et al.，2020.The ERA5 global reanalysis［J］.Quart J Roy Meteor Soc，146（730）：1999-2049.

Houze R A Jr，2012.Orographic effects on precipitating clouds［J］.Rev Geophys，50：RG1001.doi：10.1029／2011rg000365.

Huang L，Luo Y L，2017.Evaluation of quantitative precipitation forecasts by TIGGE ensembles for South China during the presummer rainy season［J］.J Geophys Res Atmos，122（16）：8494-8516.doi：10.1002／2017jd026512.

Kirchmeier-Young M C，Zhang X B，2020.Human influence has intensified extreme precipitation in North America［J］.Proc Natl Acad Sci USA，117（24）：13308-13313.doi：10.1073／pnas.1921628117.

Kumari M，Singh C K，Basistha A，et al.，2017.Non-stationary modelling framework for rainfall interpolation in complex terrain［J］.Int J Climatol，37（11）：4171-4185.doi：10.1002／joc.5057.

Lenderink G，van Meijgaard E，2008.Increase in hourly precipitation extremes beyond expectations from temperature changes［J］.Nat Geosci，1（8）：511-514.doi：10.1038／ngeo262.

李建，宇如聰，孫溦，2013.從小時尺度考察中國中東部極端降水的持續性和季節特征［J］.氣象學報，71（4）：652-659. Li J，Yu R C，Sun W，et al.，2013.Duration and seasonality of the hourly extreme rainfall in the central-eastern part of China［J］.Acta Meteorol Sin，71（4）：652-659.（in Chinese）.

Liang Z M，Wang D H，2017.Sea breeze and precipitation over Hainan Island［J］.Quart J Roy Meteor Soc，143（702）：137-151.doi：10.1002／qj.2952.

Luo Y L，Wu M W，Ren F M，et al.，2016.Synoptic situations of extreme hourly precipitation over China［J］.J Climate，29（24）：8703-8719.doi：10.1175／jcli-d-16-0057.1.

Medina S，Houze R A，2003.Air motions and precipitation growth in Alpine storms［J］.Quart J Roy Meteor Soc，129（588）：345-371.doi：10.1256／qj.02.13.

Pendergrass A G，2018.What precipitation is extreme？［J］.Science，360（6393）：1072-1073.doi：10.1126／science.aat1871.

Prein A F，Rasmussen R M，Ikeda K，et al.，2017.The future intensification of hourly precipitation extremes［J］.Nat Clim Change，7（1）：48-52.doi：10.1038／nclimate3168.

Roe G H，2005.Orographic precipitation［J］.Annu Rev Earth Planet Sci，33：645-671.doi：10.1146／annurev.earth.33.092203.122541.

舒守娟，王元，熊安元，2007.中國區域地理、地形因子對降水分布影響的估算和分析［J］.地球物理學報，50（6）：1703-1712. Shu S J，Wang Y，Xiong A Y，2007.Estimation and analysis for geographic and orographic influences on precipitation distribution in China［J］.Chin J Geophys，50（6）：1703-1712.（in Chinese）.

Sun J H，Zhang F Q，2012.Impacts of mountain-Plains solenoid on diurnal variations of rainfalls along the Mei-yu front over the East China Plains［J］.Mon Wea Rev，140（2）：379-397.doi：10.1175／mwr-d-11-00041.1.

孫鵬森，劉世榮，李崇巍，2004.基于地形和主風向效應模擬山區降水空間分布［J］.生態學報，24（9）：1910-1915，i003. Sun P S，Liu S R，Li C，2004.Estimation of precipitation using altitude and prevailing wind direction effect index in Mountainous region［J］.Acta Ecol Sin，24（9）：1910-1915，i003.（in Chinese）.

Tabari H，2020.Climate change impact on flood and extreme precipitation increases with water availability［J］.Sci Rep，10（1）：13768.doi：10.1038／s41598-020-70816-2.

Trenberth K E，1999.Conceptual framework for changes of extremes of the hydrological cycle with climate change［M］／／Weather and Climate Extremes.Netherlands：Springer，327-339.doi：10.1007／978-94-015-9265-9_18.

Wallace J M，1975.Diurnal variations in precipitation and thunderstorm frequency over the conterminous United States［J］.Mon Wea Rev，103（5）：406-419.doi：10.1175／1520-0493（1975）103lt;0406：dvipatgt;2.0.co;2.

Wang J，Chen F，Doan Q V，et al.，2021.Exploring the effect of urbanization on hourly extreme rainfall over Yangtze River Delta of China［J］.Urban Clim，36：100781.doi：10.1016／j.uclim.2021.100781.

Wang Y J，Zhou B T，Qin D H，et al.，2017.Changes in mean and extreme temperature and precipitation over the arid region of northwestern China：observation and projection［J］.Adv Atmos Sci，34（3）：289-305.doi：10.1007／s00376-016-6160-5.

Westra S，Fowler H J，Evans J P，et al.，2014.Future changes to the intensity and frequency of short-duration extreme rainfall［J］.Rev Geophys，52（3）：522-555.doi：10.1002／2014rg000464.

Wolter K，Timlin M S，2011.El Nio／Southern Oscillation behaviour since 1871 as diagnosed in an extended multivariate ENSO index （MEI.ext）［J］.Int J Climatol，31（7）：1074-1087.doi：10.1002／joc.2336.

吳晶璐，惠品宏，劉建勇，等，2019.江淮流域極端降水時空變化特征：站點觀測和再分析的對比［J］.大氣科學學報，42（2）：207-220. Wu J L，Hui P H，Liu J Y，et al.，2019.The spatio-temporal features of precipitation extremes in the Yangtze-Huaihe River Basin：a comparison between observation and reanalysis［J］.Trans Atmos Sci，42（2）：207-220.（in Chinese）.

吳夢雯，羅亞麗，2019.中國極端小時降水2010—2019年研究進展［J］.暴雨災害，38（5）：502-514. Wu M W，Luo Y L，2019.Extreme hourly precipitation over China：research progress from 2010 to 2019［J］.Torrential Rain Disasters，38（5）：502-514.（in Chinese）.

Xu W X，Zipser E J，2011.Diurnal variations of precipitation，deep convection，and lightning over and east of the eastern Tibetan Plateau［J］.J Climate，24（2）：448-465.doi：10.1175／2010jcli3719.1.

Yang S，Zhang W，Chen B，et al.，2020.Remote moisture sources for 6-hour summer precipitation over the Southeastern Tibetan Plateau and its effects on precipitation intensity［J］.Atmos Res，236：104803.doi：10.1016／j.atmosres.2019.104803.

Yu H C，Stewart Fotheringham A，Li Z Q，et al.，2020.Inference in multiscale geographically weighted regression［J］.Geogr Anal，52（1）：87-106.doi：10.1111／gean.12189.

於琍，徐影，張永香，2018.近25 a中國暴雨及其引發的暴雨洪澇災害影響的時空變化特征［J］.暴雨災害，37（1）：67-72. Yu L，Xu Y，Zhang Y X，2018.Temporal and spatial variation of rainstorms and the impact of flood disasters due to rainstorms in China in the past 25 years［J］.Torrential Rain Disasters，37（1）：67-72.（in Chinese）.

宇如聰，李建，陳昊明，等，2014.中國大陸降水日變化研究進展［J］.氣象學報，72（5）：948-968. Yu R C，Li J，Chen H M，et al.，2014.Progress in studies of the precipitation diurnal variation over contiguous China［J］.Acta Meteorol Sin，72（5）：948-968.（in Chinese）.

Yu R C，Zhang Y，Wang J J，et al.，2019.Recent progress in numerical atmospheric modeling in China［J］.Adv Atmos Sci，36（9）：938-960.doi：10.1007／s00376-019-8203-1.

曾禮，高艷紅，蔣盈沙，等，2022.地形因子對華東地區降水影響的尺度效應研究［J］.地球科學進展，37（5）：535-548. Zeng L，Gao Y H，Jiang Y S，et al.，2022.Scale effects of terrain factors on precipitation in East China［J］.Adv Earth Sci，37（5）：535-548.（in Chinese）.

趙玉春，徐明，王葉紅，等，2012.2010年汛期長江中游對流降水日變化特征分析［J］.氣象，38（10）：1196-1206. Zhao Y C，Xu M，Wang Y H，et al.，2012.A characteristic analysis on diurnal variations of convective rainfall along the Yangtze River middle valleys in 2010 flooding season［J］.Meteor Mon，38（10）：1196-1206.doi：10.3969／j.issn.1009-5470.2009.02.005（in Chinese）.

Zhai P M，Zhang X B，Wan H，et al.，2005.Trends in total precipitation and frequency of daily precipitation extremes over China［J］.J Climate，18（7）：1096-1108.doi：10.1175／jcli-3318.1.

Zhang R H，Ni Y Q，Liu L P，et al.，2011.South China heavy rainfall experiments （SCHeREX）［J］.Journal Meteorological Society Japan，89A：153-166.doi：10.2151／jmsj.2011-a10.

張人禾，閔慶燁，蘇京志，2017.厄爾尼諾對東亞大氣環流和中國降水年際變異的影響：西北太平洋異常反氣旋的作用［J］.中國科學（地球科學），47（5）：544-553. Zhang R H，Min Q Y，Su J Z，2017.Influence of El Nino on the inter-annual variability of atmospheric circulation in East Asia and precipitation in China：the role of anomalous anticyclone in the northwest Pacific［J］.Sci Sin Terrae，47（5）：544-553.doi：10.1007／s11430-016-9026-x.（in Chinese）.

Zhang W X，Zhou T J，2020.Increasing impacts from extreme precipitation on population over China with global warming［J］.Sci Bull，65（3）：243-252.doi：10.1016／j.scib.2019.12.002.

Zhang X B，Zwiers F W，Li G L，et al.，2017.Complexity in estimating past and future extreme short-duration rainfall［J］.Nat Geosci，10（4）：255-259.doi：10.1038／ngeo2911.

Zhang Y H，Xue M，Zhu K F，et al.，2019.What is the main cause of diurnal variation and nocturnal peak of summer precipitation in Sichuan Basin，China？the key role of boundary layer low-level jet inertial oscillations［J］.J Geophys Res Atmos，124（5）：2643-2664.doi：10.1029／2018jd029834.

朱連華，祝穎锜，姚壹壹，等，2023.全球增暖1.5／2 ℃下中國區域極端降水的風險變化及其影響因子［J］.大氣科學學報，46（1）：97-109. Zhu L H，Zhu Y Q，Yao Y Y，et al.，2023.Risk and impact analysis of extreme precipitation over China under 1.5 and 2 ℃ global warming levels［J］.Trans Atmos Sci，46（1）：97-109.（in Chinese）.

Zhuo H，Zhao P，Zhou T J，2014.Diurnal cycle of summer rainfall in Shandong of Eastern China［J］.Int J Climatol，34（3）：742-750.doi：10.1002／joc.3718.

·ARTICLE·

The influence of main topographic factors on peak types of extreme hourly precipitation in eastern China

ZENG Li1，GAO Yanhong2，3，4，5，ZHANG Guo6，7，LI Jianduo6，7

1Key Laboratory of Land Surface Process and Climate Change in Cold and Arid Regions，Northwest Institute of Ecology and Environmental Resources，Chinese Academy of Sciences，Lanzhou 730000，China;

2Department of Atmospheric and Oceanic Sciences ＆ Institute of Atmospheric Sciences，Fudan University，Shanghai 200438，China;

3Shanghai Frontiers Science Center of Atmosphere-Ocean Interaction，Fudan University，Shanghai 200438，China;

4Shanghai Key Laboratory of Ocean-Land-Atmosphere Boundary Dynamics and Climate change，Fudan University，Shanghai 200438，China;

5National Observations and Research Station for Wetland Ecosystems of the Yangtze Estuary，Fudan University，Shanghai 200438，China;

6Earth System Modeling and Prediction Centre，China Meteorological Administration，Beijing 100081，China;

7State Key Laboratory of Severe Weather，Chinese Academy of Meteorological Sciences，Beijing 100081，China

Abstract The increasing amount and intensity of extreme precipitation events due to global warming have had significant effects on the ecosystem，production，life，and society.This study uses precipitation data from 351 observation stations in Eastern China to explore the relationship between terrain factors and extreme hourly precipitation，which can be classified into single-peak and multi-peak precipitation based on diurnal variation characteristics，using the Multi-scale Geographically Weighted Regression model.The analysis of the spatial distribution of two peaks of extreme precipitation and topographic factors shows that the role of topographic factors in the two types of extreme rainfall is different.Topographic relief is the most important factor in the two types of peak-type precipitation，and the dominant areas are mainly the northern Zhejiang and the northern Zhejiang-Fujian Mountains.In single-peak precipitation，the topographic slope，besides topographic relief，is the most important factor，and the dominant area is in the southeast of the Zhejiang-Fujian Mountains.However，in multi-peak precipitation，the distance from the coastline has the greatest impact on extreme precipitation，and the dominant area is the coastal region.The mechanism analysis of the difference between these two types shows that convection dominates single-peak precipitation in the afternoon.The Convective Available Potential Energy （CAPE） value on the southeastern side of the Zhejiang-Fujian Mountains with a large topographic slope is higher，promoting convection.In multi-peak precipitation，advection dominates morning precipitation，and the water vapor transport is significantly larger than that of single-peak precipitation.Therefore，the distance from the coastline has a significant impact on this type of precipitation.Clarifying the relationship between terrain factors and extreme hourly precipitation under different diurnal variation characteristics can provide support for improving model simulation of extreme precipitation in regions with complex topography and disaster prevention and mitigation.

Keywords extreme hourly precipitation;topographic factors;multi-scale geographically weighted regression;diurnal variation

doi：10.13878／j.cnki.dqkxxb.20220912008

（責任編輯：袁東敏）