高度城市化地區(qū)的降水集中度研究

http：//www.renminzhujiang.cn

DOI：10.3969/j.issn.1001-9235.2024.03.004

林澤群，王大洋，張智，等.高度城市化地區(qū)的降水集中度研究：以長三角城市群為例［J］.人民珠江，2024，45（3）：30-38.

摘"要：在全球變暖和人類活動的背景下，降水在年內(nèi)分布上發(fā)生了比較大的變化，對人民生產(chǎn)生活產(chǎn)生了巨大的影響，這一影響在城市化較高的地區(qū)尤為明顯。基于多源降水?dāng)?shù)據(jù)（降水產(chǎn)品數(shù)據(jù)和氣象站點(diǎn)數(shù)據(jù)）和夜間燈光數(shù)據(jù)，選定中國的長三角城市群作為研究區(qū)域，將基尼系數(shù)（Gini Index，GI）作為降水集中度的指標(biāo)，利用Theil-Sen Median斜率估計(jì)和Mann-Kendall顯著性檢驗(yàn)進(jìn)行趨勢分析，最后通過相關(guān)性分析探究城市化程度與降水集中度的關(guān)系。研究結(jié)果表明：①CHIRPS（Climate Hazards Group InfraRed Precipitation with Station Data）數(shù)據(jù)計(jì)算得到的GI與站點(diǎn)數(shù)據(jù)結(jié)果的均方根誤差為0.036，遠(yuǎn)小于CMFD數(shù)據(jù)（0.067）和MSWEP數(shù)據(jù)（0.083）的結(jié)果，表明CHIRPS數(shù)據(jù)具有最佳的適用性；②長三角城市群的降水不均勻性從南向北逐漸增加，并在城市群中部和西部呈現(xiàn)出顯著上升的趨勢，研究區(qū)域內(nèi)的降水年內(nèi)分布將會朝著集中分布的方向發(fā)展，極端降水事件出現(xiàn)的可能性增加；③城市化對降水集中度主要起到促進(jìn)作用，城市的快速發(fā)展使得降水不均勻性增強(qiáng)，并且在城市群內(nèi)的南京市、無錫市和鎮(zhèn)江市等地區(qū)更為顯著，更有可能發(fā)生城市內(nèi)澇等災(zāi)害。研究對于城市的防洪設(shè)計(jì)、城市道路排水管道的設(shè)計(jì)和城市防洪應(yīng)急響應(yīng)預(yù)案的編制具有參考意義。

關(guān)鍵詞：降水集中度；基尼系數(shù)；DMSP-OLS夜間燈光數(shù)據(jù)；網(wǎng)格降水?dāng)?shù)據(jù)

中圖分類號：TV125""文獻(xiàn)標(biāo)識碼：A""文章編號：1001-9235（2024）03-0030-09

Precipitation Concentration in Highly Urbanized Regions

— Case Study of Yangtze River Delta Urban Agglomeration

LIN Zequn1，WANG Dayang2，ZHANG Zhi1，WANG Dagang1*

（1.School of Geography and Planning，Sun Yat-sen University，Guangzhou 510006，China;

2.Collaborative Innovation Center of South-to-North Water Diversion Area of Henan Province，Nanyang 473061，China）

Abstract：Amid global warming and enhanced human activities，precipitation has undergone significant changes in its intra-annual distribution，exerting a considerable impact on peoples livelihoods and productivity，particularly in highly urbanized regions.This study focuses on the Yangtze River Delta urban agglomeration in China and utilizes multiple sources of precipitation data （including precipitation product data and meteorological station data） along with nighttime light data.The Gini Index （GI） is employed as an indicator of precipitation concentration. The Theil-Sen Median slope estimation and Mann-Kendall significance test are utilized for trend analysis，and a correlation analysis is employed to explore the relationship between urbanization levels and precipitation concentration.The results show that：① the root mean square error between the GI calculated from climate hazards Group infrared precipitation with station data （CHIRPS） and the station data results is 0.036，significantly lower than the results from CMFD data （0.067） and MSWEP data （0.083），which indicates that CHIRPS data demonstrates optimal applicability.② The unevenness of precipitation in the Yangtze River Delta urban agglomeration gradually increases from south to north，with a significant increasing trend in the central and western parts of the agglomeration.The intra-annual distribution of precipitation in the study area has become more concentrated，leading to an increased likelihood of extreme precipitation events.③ Urbanization is likely to promote the concentration of precipitation.The rapid development of cities enhances precipitation unevenness，especially in areas such as Nanjing，Wuxi，and Zhenjiang，making them more susceptible to urban flooding and related disasters.The findings of this research have practical implications for urban flood control design，urban road drainage system planning，and the development of emergency response plans for urban flood control.

Keywords：precipitation concentration degree;Gini Index;DMSP-OLS nighttime light data;CHIRPS

降水是水文循環(huán)中的重要環(huán)節(jié)，對于地面徑流以及水資源而言，降水是其主要來源之一，區(qū)域上降水在時間上的分布更是影響著區(qū)域的發(fā)展、農(nóng)作物生產(chǎn)甚至是人類生活。在全球氣候變暖的大背景下，極端降水的頻率也逐漸增大^［1］，影響生活在城市群中的人們的經(jīng)濟(jì)社會生活，嚴(yán)重時甚至?xí)＜叭祟惿踩＝邓哪陜?nèi)分布情況在一定程度上可以反映極端降水的特征，降水集中度越大，降水年內(nèi)分布越集中，就越有可能出現(xiàn)極端降水，對城市中生活的大量人口以及繁忙的社會經(jīng)濟(jì)活動產(chǎn)生影響。因此，研究降水集中度問題以及城市化對降水集中度的影響有著十分重要的現(xiàn)實(shí)意義。

近年來，降水年內(nèi)分布的不均勻性受到越來越多的關(guān)注。目前而言，研究主要集中在降水集中度和降水集中期的時空變化上，并在中國多個不同氣候背景下的地區(qū)開展。在月尺度上，中國的降水年內(nèi)分布不均勻性從東南向西北增加，并在長江流域呈顯著下降趨勢^［2］；在周尺度上，降水集中度在中國北部還呈現(xiàn)出明顯的東西差異，降水集中期主要集中在年內(nèi)的26～30周左右^［3］；在內(nèi)蒙古自治區(qū)，降水集中度（Precpitation Concentration Degree，PCD）平均值為0.7，并在1960—2012年期間呈顯著減少趨勢^［4］；河南省的降水集中度（Gini Index，GI）多年平均值為0.47，降水量年內(nèi)分布較不均勻^［5］。除了將全國和省份作為研究區(qū)域，已有研究還對流域和城市開展了降水集中度的研究，比如王青等^［6］的研究表明涇河張家山站的年降水量的GI呈現(xiàn)上升趨勢；王鈺峰^［7］分析了黑河鶯落峽水文站的降水年內(nèi)分布均勻度，結(jié)果表明該站的降水量在年內(nèi)分布極不均勻；劉新有等^［8］基于1972—2001年30 a的月降水量對昆明市進(jìn)行的研究表明，該市的降水時間分布均勻度呈下降趨勢且年際變幅較大，進(jìn)一步揭示了中國處于季風(fēng)區(qū)的城市發(fā)生旱澇災(zāi)害的主要原因之一是降水時間分布的不均勻性。然而在已有的降水集中度研究中，缺乏針對城市群的研究，而隨著經(jīng)濟(jì)社會的發(fā)展和城市群的出現(xiàn)，城市不再單獨(dú)對環(huán)境變化產(chǎn)生作用，城市之間聯(lián)系越發(fā)緊密，城市群對環(huán)境變化的影響相互疊加，因此，針對城市群的降水集中度時空變化特征開展研究具有必要性。同時已有研究通過人口密度表征城市化程度，研究城市化如何影響降水集中度，但是空間分辨率較粗糙^［9］，因此利用更高分辨率的燈光數(shù)據(jù)表征城市化程度，并開展城市化對降水集中度的影響作用的研究具有重要意義。

準(zhǔn)確計(jì)算降水集中度是開展研究的前提，已有研究采用的數(shù)據(jù)主要包括氣象站點(diǎn)數(shù)據(jù)^［3，10］和網(wǎng)格降水產(chǎn)品數(shù)據(jù)^［9］2種。其中氣象站點(diǎn)數(shù)據(jù)的優(yōu)點(diǎn)在于降水?dāng)?shù)據(jù)更加準(zhǔn)確，但其時空連續(xù)性較差，不能很好地反映整個區(qū)域的降水分布情況；網(wǎng)格降水產(chǎn)品數(shù)據(jù)則覆蓋范圍廣，時空分辨率高，具有更好的時空連續(xù)性和更多的有效數(shù)據(jù)。然而，與站點(diǎn)數(shù)據(jù)相比，網(wǎng)格產(chǎn)品數(shù)據(jù)的準(zhǔn)確度較低，且不同產(chǎn)品計(jì)算得到的結(jié)果可能存在較大差異^［11］。已有利用2種數(shù)據(jù)對相同地區(qū)開展的研究也體現(xiàn)了它們的優(yōu)缺點(diǎn)，比如在中國地區(qū)的研究中，利用站點(diǎn)數(shù)據(jù)和網(wǎng)格數(shù)據(jù)得到的月尺度降水集中度指標(biāo)（Precipitation Concentration Index，PCI）空間分布相似，但是網(wǎng)格數(shù)據(jù)得到的結(jié)果空間差異性更大，有效信息更多，而站點(diǎn)數(shù)據(jù)得到的結(jié)果則在空間上更為相似^［9，12］。因此通過先利用站點(diǎn)數(shù)據(jù)結(jié)果去檢驗(yàn)網(wǎng)格產(chǎn)品數(shù)據(jù)的適用性，再利用網(wǎng)格產(chǎn)品數(shù)據(jù)開展研究的方式，既可以保證結(jié)果的準(zhǔn)確性，也能使研究結(jié)果更具代表性。本文以長江三角洲城市群（以下簡稱長三角城市群）為研究區(qū)域，基于多源降水?dāng)?shù)據(jù)（站點(diǎn)數(shù)據(jù)和降水產(chǎn)品數(shù)據(jù)）和降水集中度指標(biāo)GI，對降水年內(nèi)分布不均勻性的時空分布特征進(jìn)行研究，并使用夜間燈光數(shù)據(jù)表征城市化程度的高低，探究城市化對降水集中度的影響，研究結(jié)果將對城市建設(shè)和城市防澇等方面具有重要的參考意義價值。

1"研究數(shù)據(jù)與方法

1.1"研究區(qū)域概況

改革開放以來，中國城市化進(jìn)程不斷推進(jìn)，城市范圍不斷擴(kuò)張，城市群的概念開始出現(xiàn)。根據(jù)2016年5月國務(wù)院批準(zhǔn)的《長江三角洲城市群發(fā)展規(guī)劃》，長三角城市群是以上海市為核心，江蘇省、安徽省、浙江省范圍內(nèi)多個具有緊密聯(lián)系的城市組合而成，其中包括上海市、南京市、無錫市等26市，總面積達(dá)21.17萬km²，經(jīng)濟(jì)發(fā)達(dá)（2014年地區(qū)生產(chǎn)總值12.67萬億元），人口眾多（1.5億人）。已有研究表明，自20世紀(jì)90年代后，長三角地區(qū)的極端降水明顯增加^［13］，與此同時，城市化程度的不斷提高導(dǎo)致該地區(qū)極端強(qiáng)降水頻率的增加^［14］，極端事件的危害性也明顯增強(qiáng)。極端降水容易引發(fā)洪澇災(zāi)害，影響社會經(jīng)濟(jì)運(yùn)行，威脅人民生命財產(chǎn)安全，比如2018年7月16日長三角地區(qū)多個城市發(fā)生短時強(qiáng)降水，暴雨天氣導(dǎo)致機(jī)場大量航班延誤^［15］；2020年長江三角洲中下游接連出現(xiàn)10次強(qiáng)降水過程，造成嚴(yán)重洪澇災(zāi)害，直接經(jīng)濟(jì)損失達(dá)到600.65億元^［16］。降水集中度表征降水在年內(nèi)分布的情況，其值越高，降水越集中在年內(nèi)某一時段，發(fā)生極端降水的可能性就越高，因此研究降水集中度及其與城市化之間的關(guān)系具有重要的現(xiàn)實(shí)意義。

1.2"研究數(shù)據(jù)

1.2.1"氣象站點(diǎn)降水?dāng)?shù)據(jù)和降水產(chǎn)品數(shù)據(jù)

本文使用的降水?dāng)?shù)據(jù)可以分為2類：氣象站點(diǎn)數(shù)據(jù)和降水產(chǎn)品數(shù)據(jù)。氣象站點(diǎn)數(shù)據(jù)來源于國家氣象信息中心發(fā)布的“中國國家級地面氣象站基本氣象要素日值數(shù)據(jù)集（V3.0）”，其中包含了中國基本氣象站、基準(zhǔn)氣候站、一般氣象站在內(nèi)的2 474個主要站點(diǎn)的數(shù)據(jù)。本文選用了其中日尺度的降水?dāng)?shù)據(jù)，并對數(shù)據(jù)進(jìn)行相應(yīng)的預(yù)處理，主要包括缺測值和微量值處理、單位換算和閾值處理。具體而言，缺測值處理是將年缺測占比大于10%的站點(diǎn)進(jìn)行剔除；在閾值處理中，本文按照中國氣象局標(biāo)準(zhǔn)，將降水量小于0.1 mm/d的認(rèn)為是無降水發(fā)生，重新賦值為0。經(jīng)過預(yù)處理，本文使用其中143個位于研究區(qū)域內(nèi)的站點(diǎn)（圖1），空間分布均勻，不同城市之間的站點(diǎn)數(shù)量較為接近。

然而長三角城市群跨越了安徽、江蘇和浙江3個省份和上海市，地域遼闊，相比較而言，站點(diǎn)密度約0.000 68 個/km²，較為稀少，僅使用站點(diǎn)數(shù)據(jù)難以表征整個研究區(qū)域的降水集中度情況。因此本文使用了3種不同空間分辨率的降水產(chǎn)品數(shù)據(jù)研究降水產(chǎn)品的適用性，包括：①CHIRPS（Climate Hazards Group InfraRed Precipitation with Station Data）網(wǎng)格降水?dāng)?shù)據(jù)；②中國區(qū)域地面氣象要素驅(qū)動數(shù)據(jù)集（China Meteorological Forcing Dataset，CMFD）；③MSWEP（Multi-Source Weighted-Ensemble Precipitation）數(shù)據(jù)。其中CHIRPS網(wǎng)格降水?dāng)?shù)據(jù)是由美國地質(zhì)調(diào)查局（USGS）和加利福尼亞大學(xué)氣候危害中心（Climate Hazards Center，CHC）合作開發(fā)，基于紅外云持續(xù)時間數(shù)據(jù)（Infrared Cold Cloud Duration，CCD）和插值技術(shù)而生成，目的是為一些早期預(yù)警目標(biāo)提供完整、可靠、最新的數(shù)據(jù)集（https：//www.chc.ucsb.edu/data/chirps）。而CMFD氣象驅(qū)動數(shù)據(jù)集是以熱帶降雨測量衛(wèi)星（TRMM）降水資料為背景場，融合了多種再分析數(shù)據(jù)集和站點(diǎn)氣象觀測制作而成，包含1979—2018年期間地面降水強(qiáng)度、近地面氣溫等要素數(shù)據(jù)^［17］。MSWEP是通過集成站點(diǎn)數(shù)據(jù)、遙感降水、再分析數(shù)據(jù)等多種資料而形成的一套多源融合降水產(chǎn)品，具有時間尺度長、空間分辨率高等特點(diǎn)^［18］。本文選取的3種降水產(chǎn)品的時間分辨率均為日尺度，而在空間分辨率上有所差異，其中CHIRPS數(shù)據(jù)的空間分辨率最為精細(xì)，達(dá)到0.05°，其次是CMFD數(shù)據(jù)集，為0.1°，MSWEP的空間分辨率最粗糙，為0.25°。為了保證不同數(shù)據(jù)計(jì)算的結(jié)果具有可比性，針對產(chǎn)品數(shù)據(jù)，同樣進(jìn)行閾值處理（0.1 mm/d），并且結(jié)合夜間燈光數(shù)據(jù)的時間跨度范圍，選定1992—2013年作為研究時段。

1.2.2"夜間燈光數(shù)據(jù)

DMSP（Defense Meteorological Satellite Program）是由美國國防部建立的氣象衛(wèi)星計(jì)劃，項(xiàng)目在1976年發(fā)射的軍事氣象衛(wèi)星上搭載了OLS（Operational Linescan System）傳感器，能夠探測出夜間低強(qiáng)度的燈光，包括城市道路的燈光、車流的燈光、住宅區(qū)的燈光等等，使其與黑暗的鄉(xiāng)村背景相區(qū)別，具有覆蓋范圍大、時間跨度長等優(yōu)點(diǎn)，適合檢測大范圍的人類活動、城市化動態(tài)發(fā)展、多尺度的研究和長時間的序列分析^［19-20］。本文使用的是經(jīng)過矯正的穩(wěn)定DMSP-OLS數(shù)據(jù)^［21］，其優(yōu)點(diǎn)在于：數(shù)據(jù)以年為周期進(jìn)行采集，時間跨度從1992—2013年，一共22 a，經(jīng)過矯正后具有連續(xù)性；數(shù)據(jù)為灰度值，范圍為0～63，值越高代表夜間燈光越強(qiáng)，同時也表征地區(qū)城市化水平越高；數(shù)據(jù)的空間分辨率較高，達(dá)30弧秒（1 km），能夠更為準(zhǔn)確地反映地區(qū)城市化水平的變化情況。

1.3"研究方法及相關(guān)指標(biāo)

本文選取GI作為降水集中度指標(biāo)，使用Theil-Sen Median斜率估計(jì)（Sen斜率估計(jì)）和Mann-Kendall顯著性檢驗(yàn)方法（M-K趨勢檢驗(yàn)）對趨勢及顯著性進(jìn)行計(jì)算，并利用均方根誤差（RMSE）評價產(chǎn)品數(shù)據(jù)與站點(diǎn)數(shù)據(jù)計(jì)算結(jié)果的偏差。

1.3.1"基尼系數(shù)

GI作為降水集中度的指標(biāo)，具有適應(yīng)性強(qiáng)和非參數(shù)化的優(yōu)點(diǎn)，其計(jì)算方法如下：首先將1992—2013年期間每年的日降水?dāng)?shù)據(jù)作為獨(dú)立的計(jì)算序列，然后去除序列中的缺省值，并按遞增的順序排列，計(jì)算排列后的累計(jì)降水量，除以年降水量得到累計(jì)降水百分比，構(gòu)建洛倫茲曲線，GI則是該曲線和45°標(biāo)準(zhǔn)線之間面積的2倍。計(jì)算方程見式（1）^［10］：

式中"n——降水序列的長度，即年的總天數(shù)；i——對應(yīng)的日序；y_i——累計(jì)降水百分比。

GI的取值范圍為0～1，其中0代表降水在年內(nèi)分布完全均勻，1代表降水分布非常不均勻，所有降水都集中在年內(nèi)某一天。

1.3.2"Sen斜率估計(jì)和M-K趨勢檢驗(yàn)

在時間序列趨勢分析中，通常將Sen斜率估計(jì)和M-K趨勢檢驗(yàn)聯(lián)合使用，其中Sen斜率估計(jì)是一種基于中位數(shù)的非參數(shù)統(tǒng)計(jì)的趨勢計(jì)算方法，具有不易受測量誤差和離群數(shù)據(jù)的影響、計(jì)算效率高等優(yōu)點(diǎn)，用于計(jì)算趨勢值。M-K趨勢檢驗(yàn)同樣也是一種非參數(shù)檢驗(yàn)方法，不需要樣本遵從一定的分布，也不受少數(shù)異常數(shù)值的干擾，所以對于水文、氣象等非正態(tài)分布的數(shù)據(jù)比較適合，用于檢驗(yàn)趨勢的顯著性。

在Sen斜率估計(jì)方法中，趨勢值的計(jì)算見式（2）^［22］：

式中x_i、x_j對應(yīng)為計(jì)算趨勢的時間序列中的數(shù)據(jù)，計(jì)算得到的β大于0表征時間序列呈現(xiàn)上升的趨勢，反之則是呈現(xiàn)下降趨勢。

在M-K趨勢檢驗(yàn)檢驗(yàn)中，定義檢驗(yàn)統(tǒng)計(jì)量S：

其中sign（）為符號函數(shù)，S為正態(tài)分布，其均值為0，方差Var（S）=n（n-1）（2n+5）/18。

M-K統(tǒng)計(jì)量公式中S大于、等于、小于 0 時分別為：

在雙邊趨勢檢驗(yàn)中，對于給定的置信水平ɑ，若|Z|≥Z_1-ɑ/2，則原假設(shè)H₀ 是不可接受的，即在置信水平ɑ上，時間序列數(shù)據(jù)存在明顯的上升或下降趨勢。|Z|≥1.96 時表示通過了置信度 95%顯著性檢驗(yàn)^［23］。最后通過結(jié)合Sen斜率估計(jì)結(jié)果（β）和M-K趨勢檢驗(yàn)結(jié)果（Z），便可以得出時間序列（GI 和夜間燈光值）的趨勢和顯著性，見表 1 。

1.3.3"均方根誤差

均方根誤差（Root Mean Square Error，RMSE）是一種常用的衡量偏差的指標(biāo)，在本文中，RMSE用于評估分別使用降水產(chǎn)品與站點(diǎn)數(shù)據(jù)計(jì)算得到的GI在空間上插值結(jié)果的偏差，見式（5）：

式中"GI_prod，i——第i年降水產(chǎn)品數(shù)據(jù)計(jì)算得到的GI 值；GI_Sta，i——同年站點(diǎn)數(shù)據(jù)計(jì)算的GI；N——研究時段數(shù)，22 a。

在城市群中不同空間分辨率下的網(wǎng)格計(jì)算RMSE，得到的RMSE數(shù)值越小，表征產(chǎn)品計(jì)算得到的GI越接近于站點(diǎn)計(jì)算的結(jié)果，該種產(chǎn)品對于降水集中度模擬的效果越好。

2"結(jié)果與分析

2.1"不同降水產(chǎn)品的適用性

利用3種不同空間分辨率的降水產(chǎn)品（CHIRPS、CMFD和MSWEP），分別計(jì)算網(wǎng)格的降水集中度，根據(jù)雙線性插值的方法，將降水集中度插值到站點(diǎn)位置，并計(jì)算站點(diǎn)降水?dāng)?shù)據(jù)GI的RMSE。對比3種降水產(chǎn)品插值得到的結(jié)果（圖2）可以發(fā)現(xiàn)，CHIRPS數(shù)據(jù)計(jì)算得到的GI與站點(diǎn)結(jié)果之間差別最小，所有站點(diǎn)平均的RMSE約為0.036，小于CMFD數(shù)據(jù)（0.067）和MSWEP數(shù)據(jù)（0.083），結(jié)果表明CHIRPS數(shù)據(jù)在計(jì)算降水集中度方面更加接近站點(diǎn)數(shù)據(jù)計(jì)算的結(jié)果。

除了將降水產(chǎn)品插值到站點(diǎn)位置的方法，本文還將站點(diǎn)數(shù)據(jù)計(jì)算得到的GI利用雙線性插值方法插值到與降水產(chǎn)品數(shù)據(jù)相同的網(wǎng)格中，并以站點(diǎn)插值后的結(jié)果為基準(zhǔn)，計(jì)算基于降水產(chǎn)品GI的RMSE，得到誤差的空間分布（圖3）。圖3所示，MSWEP數(shù)據(jù)和CMFD數(shù)據(jù)的表現(xiàn)遠(yuǎn)不如CHIRPS數(shù)據(jù)的結(jié)果，其中CMFD數(shù)據(jù)計(jì)算得到的GI與站點(diǎn)數(shù)據(jù)GI的RMSE在大部分地區(qū)都大于0.06，只有少部分地區(qū)的RMSE處于0.04～0.06的區(qū)間，MSWEP數(shù)據(jù)的結(jié)果則更差，研究區(qū)域內(nèi)的RMSE全部大于0.06。相比之下，CHIRPS的結(jié)果表現(xiàn)最為優(yōu)秀，RMSE均小于0.06，尤其是城市群的中部和北部，RMSE更是小于0.04。結(jié)合2種不同插值方式得到的結(jié)果，CHIRPS數(shù)據(jù)計(jì)算的GI在數(shù)值上更接近站點(diǎn)數(shù)據(jù)計(jì)算的GI，因此本文利用CHIRPS數(shù)據(jù)將研究的空間分辨率擴(kuò)展到0.05°，并進(jìn)一步研究城市化對降水集中度的影響。

2.2"降水集中度的時空變化特征

利用CHIRPS數(shù)據(jù)對長三角城市群降水集中度的時空變化特征進(jìn)行研究。從圖4a可以發(fā)現(xiàn)，長三角城市群的GI表現(xiàn)出從南向北逐漸增加的空間分布規(guī)律，同樣的規(guī)律也在站點(diǎn)數(shù)據(jù)的結(jié)果中存在，表明對于研究區(qū)域而言，降水集中度的平均態(tài)與地理位置有關(guān)，越往北，降水在年內(nèi)分布的不均勻性越強(qiáng)，與已有研究相符^［10］。而從變化趨勢來看（圖4b），研究區(qū)域內(nèi)的降水集中度都呈現(xiàn)出增加的趨勢，大部分地區(qū)的變化速率高于1.0×10^-3/a，降水不均勻性在長三角城市群進(jìn)一步增強(qiáng)。而在 95%顯著性檢驗(yàn)下，有 38.9%地區(qū)的 GI 呈現(xiàn)出顯著增加的趨勢，主要位于城市群西北部的南京市、常州市、無錫市和合肥市等，其余則較為松散地分布在上海市、南通市和紹興市等，這些地區(qū)相比于未能通過顯著性檢驗(yàn)的地區(qū)，其降水集中度的變化速率明顯更高，降水在年內(nèi)分布將會變得更加集中，出現(xiàn)極端降水事件的可能性更高。

2.3"城市化水平及變化趨勢

利用夜間燈光數(shù)據(jù)表征城市化水平，數(shù)據(jù)值域?yàn)?～63，考慮到其空間分辨率（1 km）相比于CHIRPS降水產(chǎn)品數(shù)據(jù)的空間分辨率（0.05°）更加精細(xì)，因此利用面積加權(quán)平均的方法，將空間分辨率降低至0.05°，并計(jì)算多年平均值和Sen斜率的空間分布（圖5）。長三角城市群中的城市發(fā)展程度存在明顯的空間差異性，其中上海市的夜間燈光數(shù)值最高，其中心地區(qū)的夜間燈光值多年平均都在60以上，表征地區(qū)具有很高的城市化程度。夜間燈光值較高的區(qū)域還分布在長三角城市群中部的南京市、蘇州市和無錫市等地區(qū)。在變化趨勢方面，夜間燈光數(shù)值在長三角城市群呈現(xiàn)出增加的趨勢，在城市群中部的杭州市、蘇州市、無錫市和常州市的部分地區(qū)，Sen斜率具有顯著性并且速率超過2.0/a，表明上述地區(qū)存在明顯的城市化快速發(fā)展過程，城市化水平急劇上升。與GI的Sen斜率相比，夜間燈光數(shù)值通過顯著性的地區(qū)覆蓋范圍明顯更廣，表明在研究時段內(nèi)，長三角城市群中絕大部分地區(qū)的城市化程度不斷提高，同時降水年內(nèi)分布的不均勻性也進(jìn)一步增強(qiáng)。

2.4"城市化對降水集中度的影響

為了量化城市化對降水集中度的影響，本文對夜間燈光數(shù)值和GI進(jìn)行了相關(guān)分析，得到相關(guān)系數(shù)的空間分布以及GI隨夜間燈光數(shù)值變化的線性斜率空間分布（圖6）。從圖6a可以發(fā)現(xiàn)，大部分地區(qū)的城市化對降水年內(nèi)分布的不均勻性起到增強(qiáng)的作用，城市的發(fā)展導(dǎo)致了降水在時間分布上更加集中，這與城市化過程中，下墊面的變化改變了局地環(huán)流條件和熱量條件相關(guān)^［24］。而在南京、無錫、常州、上海和寧波等市，這種增強(qiáng)作用還通過了顯著性檢驗(yàn)，并且相關(guān)系數(shù)超過了0.4，相比之下，部分呈現(xiàn)出阻礙作用的地區(qū)則未能通過顯著性檢驗(yàn)，表明上述地區(qū)的降水受城市化的影響相比其余地區(qū)更強(qiáng)。將圖6a與圖5a比較發(fā)現(xiàn)，相關(guān)系數(shù)較高且具有顯著性的地區(qū)與夜間燈光數(shù)值高值區(qū)域在空間分布上并不重合，表明城市化對降水集中度的影響可能與地區(qū)本身的城市化水平具有一定的關(guān)系。降水集中度隨夜間燈光值增加而減少的地區(qū)主要分布在上海市和南通市的部分地區(qū)，而在長三角城市群的大部分區(qū)域，降水集中度隨夜間燈光數(shù)值變化的線性斜率表現(xiàn)為正值，其中高值區(qū)（＞4×10^-3）出現(xiàn)在南京市、無錫市、鎮(zhèn)江市、常州市和合肥市等地區(qū)，表明這些地區(qū)隨著城市化水平的提高，降水不均勻性的變化快于其他地區(qū)，導(dǎo)致極端降水出現(xiàn)的可能性更高，并進(jìn)一步可能導(dǎo)致城市內(nèi)澇等災(zāi)害的發(fā)生。

降水集中度的影響因素包括自然因素和人為因素，其中自然因素包含降水特征（年降水量、年降水時段數(shù)）、溫度、高程、季風(fēng)等，比如年降水量與降水集中度之間存在負(fù)相關(guān)關(guān)系^［25］，隨著年降水量的減少，降水年內(nèi)分布不均勻性會增強(qiáng)；季風(fēng)區(qū)的大氣對流活動較為強(qiáng)烈，導(dǎo)致降水集中度較高^［26］，人為因素主要涉及人類活動。而在本次研究中，研究區(qū)域范圍較小，使得區(qū)域內(nèi)不同地區(qū)的自然因素較為接近，從而能夠更好地反映出人類活動對降水集中度的影響。而城市化作為一種人類活動，主要從3個方面對降水集中度產(chǎn)生影響，即下墊面改造、氣溶膠和城市熱島效應(yīng)。下墊面改造指的是城市化過程中，人類修建了大量的道路、房屋等人工表面，對地表熱力、動力條件產(chǎn)生影響，并進(jìn)一步影響降水分布。例如，城市建筑的高度增加，導(dǎo)致空氣粗糙程度增大，從而降低近地面風(fēng)速，引起風(fēng)場輻合，觸發(fā)對流性降水^［27］，從而使得降水時間分布發(fā)生變化。城市地區(qū)的氣溶膠改變了云微觀物理過程，對降水產(chǎn)生影響，同樣也會改變降水的時間分布。城市熱島效應(yīng)則引起局地?zé)釘_動，導(dǎo)致大氣不穩(wěn)定性增加和低層對流增強(qiáng)^［24］，從而使得降水在時間上分布變得集中。總的來說，已有研究表明城市化存在增雨效應(yīng)，強(qiáng)降水事件發(fā)生頻率增加^［28］，使得降水在時間分布上變得更加集中，與本次研究得到的結(jié)果相符。

3"結(jié)語

通過使用降水產(chǎn)品數(shù)據(jù)和站點(diǎn)數(shù)據(jù)，比較不同產(chǎn)品數(shù)據(jù)在計(jì)算降水集中度方面的適用性，選出最佳的代表數(shù)據(jù)，并在此基礎(chǔ)上研究城市化對降水集中度的影響，得出的結(jié)論主要如下：①CHIRPS數(shù)據(jù)在表征降水集中度方面具有最佳的適用性，CHIRPS數(shù)據(jù)計(jì)算的GI在空間分布和數(shù)值上更接近站點(diǎn)數(shù)據(jù)結(jié)果，效果明顯優(yōu)于CMFD和MSWEP數(shù)據(jù)；②長三角城市群的降水不均勻性在空間上呈現(xiàn)出從南向北逐漸增加的規(guī)律，在時間上呈現(xiàn)出增加的趨勢，表征城市群內(nèi)的降水年內(nèi)分布將會向集中分布的情況發(fā)展；③長三角城市群大部分地區(qū)的降水不均勻性會受城市發(fā)展的影響而隨之增強(qiáng)，這種增強(qiáng)作用在南京市、無錫市、鎮(zhèn)江市、常州市和合肥市等地區(qū)更強(qiáng)并且通過顯著性檢驗(yàn)，可能導(dǎo)致極端降水事件發(fā)生的概率更快增加，發(fā)生城市內(nèi)澇等災(zāi)害的風(fēng)險快速上升。

參考文獻(xiàn)：

［1］HU S S，F(xiàn)ENG F，LIU W B，et al.Changes in temporal inequality and persistence of precipitation over China during the period 1961—2013［J］.Hydrology Research，2018，49（4）：1283-1291.

［2］顧西輝，張強(qiáng)，陳曉宏.中國降水及流域徑流均勻度時空特征及影響因子研究［J］.自然資源學(xué)報，2015，30（10）：1714-1724.

［3］孔鋒，方佳毅，劉凡，等.1951—2012年中國降水集中度和集中期的時空格局［J］.北京師范大學(xué)學(xué)報（自然科學(xué)版），2015，51（4）：404-411.

［4］任志艷，延軍平，王鵬濤.1960—2012年內(nèi)蒙古降水集中度和降水集中期時空變化［J］.中國沙漠，2016，36（3）：760-766.

［5］劉歡，左其亭，馬軍霞.河南省降水量年內(nèi)分配的不均勻性及變化規(guī)律［J］.人民黃河，2015，37（10）：29-34.

［6］王青，劉招，陶望雄.基于洛倫茲曲線的涇河張家山站徑流及降雨分布不均勻性分析［J］.水資源與水工程學(xué)報，2016，27（1）：119-122.

［7］王鈺峰.基尼系數(shù)在黑河鶯落峽水文站降水年內(nèi)分配均勻度分析中的應(yīng)用［J］.甘肅水利水電技術(shù)，2017，53（2）：4-7.

［8］劉新有，史正濤，彭海英，等.基于“基尼系數(shù)”的降水時間分布均勻度變化研究［J］.氣象研究與應(yīng)用，2007（2）：46-48.

［9］JIANG P，WANG D G，CAO Y Q.Spatiotemporal characteristics of precipitation concentration and their possible links to urban extent in China［J］.Theoretical and Applied Climatology，2016，123（3/4）：757-768.

［10］RAJAH K，OLEARY T，TURNER A，et al.Changes to the temporal distribution of daily precipitation［J］.Geophysical Research Letters，2014，41（24）：8887-8894.

［11］YANG T，LI Q，CHEN X，et al.Spatiotemporal variability of the precipitation concentration and diversity in Central Asia［J］.Atmospheric Research，2020，241.DOI：10.1016/j.atmosres.2020.104954.

［12］段亞雯，朱克云，馬柱國，等.中國區(qū)域1961～2010年降水集中指數(shù)（PCI）的變化及月分配特征［J］.大氣科學(xué)，2014，38（6）：1124-1136.

［13］王軒，尹占娥，遲瀟瀟，等.長江三角洲1961—2010年極端降水時空變化特征［C］//中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第六屆年會，中國內(nèi)蒙古呼和浩特，2014.

［14］聶安祺，陳星，馮志剛.中國三大城市帶城市化氣候效應(yīng)的檢測與對比［J］.氣象科學(xué)，2011，31（4）：372-383.

［15］姜曉玲.長江三角洲夏季極端小時降水特征及其與城市化關(guān)系研究［D］.北京：中國氣象科學(xué)研究院，2021.

［16］賀山峰，梁爽，吳紹洪，等.長三角地區(qū)城市洪澇災(zāi)害韌性時空演變及其關(guān)聯(lián)性分析［J］.長江流域資源與環(huán)境，2022，31（9）：1988-1999.

［17］HE J，YANG K，TANG W J，et al.The first high-resolution meteorological forcing dataset for land process studies over China［J］.Scientific Data，2020，7（1）.DOI：10.6084/m9.figshare.c.4557599.V1.

［18］BECK H E，WOOD E F，PAN M，et al.MSWEP V2 Global 3-Hourly 0.1 degrees Precipitation：Methodology and Quantitative Assessment［J］.Bulletin of The American Meteorological Society，2019，100（3）：473-502.

［19］余柏蒗.夜間燈光遙感數(shù)據(jù)在研究城市問題中的應(yīng)用［R］.2018.

［20］郭鳴球，白林燕.基于DMSP-OLS夜間燈光數(shù)據(jù)的中國城市擴(kuò)張規(guī)律研究［J］.綠色科技，2017（10）：183-187.

［21］WU Y Z，SHI K F，CHEN Z Q，et al.Developing Improved Time-Series DMSP-OLS-Like Data （19922019） in China by Integrating DMSP-OLS and SNPP-VIIRS［J］.IEEE Transactions on Geoscience and Remote Sensing，2022，60.DOI：10.1109/TGRS.2021.3135333.

［22］南林江，楊明祥，郝少魁.1965—2014年重慶地區(qū)降水時空分布特征分析［J］.人民長江，2021，52（S2）：64-69.

［23］渠姍，趙君，徐進(jìn)超，等.云南省秋季降水強(qiáng)度時空演變特征及其對降水量影響分析［J］.三峽大學(xué)學(xué)報（自然科學(xué)版），2021，43（5）：26-32.

［24］索南看卓.中國降水和大氣濕度觀測序列中的城市化信號［D］.武漢：中國地質(zhì)大學(xué)，2022.

［25］YIN Y X，CHEN H S，WANG G J，et al.Characteristics of the precipitation concentration and their relationship with the precipitation structure：A case study in the Huai River basin，China［J］.Atmospheric Research，2021，253.DOI：10.1016/j.atmosres.2021.105484.

［26］MONJO R，MARTIN-VIDE J.Daily precipitation concentration around the world according to several indices［J］.International Journal of Climatology，2016，36（11）：3828-3838.

［27］MIAO S G，CHEN F，LI Q C，et al.Impacts of Urban Processes and Urbanization on Summer Precipitation：A Case Study of Heavy Rainfall in Beijing on 1 August 2006［J］.Journal of Applied Meteorology and Climatology，2011，50（4）：806-825.

［28］胡慶芳，張建云，王銀堂，等.城市化對降水影響的研究綜述［J］.水科學(xué)進(jìn)展，2018，29（1）：138-150.

（責(zé)任編輯：向"飛）

基金項(xiàng)目：國家自然科學(xué)基面上項(xiàng)目（41030504）

收稿日期：2023-07-17

作者簡介：林澤群（1998—），男，碩士研究生，從事水文氣象學(xué)研究。E-mail：Linzq25@mail2.sysu.edu.cn

通信作者：王大剛（1975—），男，教授，從事極端氣候變化、陸面過程模擬、城市化的氣候效應(yīng)、水文氣象預(yù)測、大數(shù)據(jù)及深度學(xué)習(xí)研究。E-mail：wangdag@mail.sysu.edu.cn