深圳市極端降水時空演變特征分析

王俊陽, 史海勻

(1.深圳市城市環境健康風險精準測量與預警技術重點實驗室,廣東 深圳 518055; 2.南方科技大學 環境科學與工程學院,廣東 深圳 518055)

隨著科技發展以及人口數量的不斷增長,全球氣溫的上升速率在不斷增大,聯合國政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change,IPCC)第六次評估報告顯示,依據未來20年的平均溫度變化情況進行預估,全球氣溫上升將達到或超過1.5 ℃,超出歷史同期水平。全球氣溫的不斷上升將造成氣候變化加劇,致使干旱、強降水、高溫熱浪等極端氣候事件頻發。近年來,全球多數地區極端降水事件發生頻率顯著增加,降水量時空分布呈現不確定性,洪澇災害表現出更加頻繁的趨勢,嚴重影響生態系統穩定和人民生命財產安全[1-3]。因此,針對極端降水的一系列研究具有重要意義。

國內外學者從不同方面開展極端降水事件的研究,并取得了一系列成果,為多地氣象災害預防提供了參考。NIE Y B等[4]研究了雨季時中國西南地區低緯度季內浮動對持續極端降水事件的影響機制發現,西南地區上空的持續極端降水事件由西北太平洋上空具有幾乎相反相位的兩種不同類型的7～20 d Rossby波預調節,這兩種Rossby波分別對西南地區兩種類型的持續極端降水事件有直接和間接的影響;HENNY L等[5]依據不同影響因素對極端降水的影響占比劃分出了大西洋中部和美國東北部的極端降水天,發現極端降水天的季節性降水量均呈增加趨勢,冬季和春季極端降水天的降水量強度和頻次均增加,這一結果主要是由大氣環流造成,而在夏秋季極端降水天的降水量頻次發生增加則是由于熱帶氣旋、大氣環流以及極端綜合水汽輸送等因素影響產生;HU W F等[6]探討了青藏高原與其周邊地區的極端降水的周期性和變化趨勢以及與海洋濤動因子之間的關系發現,在研究區域中極端降水總體呈上升趨勢且表現出明顯的時空分布差異,在研究時段內,各個極端降水指數表現出不同的振蕩周期,同時發現海面溫度指數與極端降水指數的振蕩周期相近且海溫指數與極端降水指數有強相關性,海溫異?，F象先于極端降水事件發生;高延康等[7]依據單一元統計極值分布法和混合元統計極值分布法對1961—2020年逐日降水柵格數據進行處理,得出臺風對高閾值的極端降水影響較大,其引起的極端降水占比從沿海地區到內陸地區逐漸下降,同時發現考慮臺風引起的降水有助于提升大部分地區的極端降水概率估計準確性。

深圳市作為我國全國性經濟中心城市之一,極端降水是其主要災害性天氣之一。短時強降水發生時易出現系統性對流云團,同時引起突發洪水等現象,進而造成深圳市航班不同程度的延誤、戶外工作停工停產、交通受阻、人員傷亡和財產損失等后果,嚴重影響深圳市社會經濟持續穩定發展。我國學者對深圳市的降水事件進行了較多研究,史貴君等[8]通過對深圳市降水相對變化率、降水集中度和集中期等指標進行計算,采用Mann-Kendall趨勢分析方法等對計算結果進行分析發現,深圳市年內降水分布穩定性較差,降水分配逐漸平均,年際降水分配較不穩定但其分布逐漸穩定;SHAO W W等[9]依據1953—2020年深圳站實測降水數據計算了深圳市的年降水量和月降水量,發現深圳市月均降水量為160.8 mm,最大月降水量為1 395.3 mm,深圳站在4—9月的降水量占年降水量的85.11%;盧曉雄等[10]基于深圳市2008—2017年自動氣象站小時降水數據進行分析,得到深圳市降水量呈現東部多、西部少的分布特點,大多數行政區降水量均存在不顯著上升趨勢,全部站點的降水日數均呈微弱上升趨勢,年內降水集中度較強且各月降水變化程度不同;LIU Y Y等[11]基于機器學習和數值天氣預報等方法提出了一種可以依據未來氣壓場、風場等數據準確預測由熱帶氣旋引起的降水的新方法,并利用深圳市自動氣象站收集的降水數據驗證了該方法的可靠性,進一步提升了深圳市降雨量預測的準確性。

綜上,國內外學者對極端降水的研究較為豐富,多集中于不同時間或空間尺度下極端降水的特征、影響因素及機理等方面,可從多角度為城市建設及災害預防提供指導性參考。然而,受城市發展水平及地理環境特征等因素的影響,極端降水在不同地區的表現具有一定的區域性特征[12-13]。其中,針對深圳市的研究多從降水的年內年際分配、空間分布等方面展開,有利于了解深圳市的整體降水狀況以及水資源空間分布格局,但涉及極端降水的研究目前相對有限,不利于防控洪澇災害。針對以上局限性,本文從深圳市極端降水的空間分布、演變趨勢以及周期變化等方面探究深圳市極端降水的時空演變特征,以期識別深圳市的極端降水高風險區,并揭示極端降水的演變規律,為深圳市暴雨風險評估以及城市建設規劃提供重要參考。

1 研究區概況

深圳市隸屬于廣東省,位于我國南部沿海地區,珠江口東岸,位于東經113°43′～114°38′,北緯22°24′～22°52′。深圳市所處緯度較低,屬于亞熱帶向熱帶過渡型海洋性氣候,氣候溫和,日照充足,汛期持續時間長,降水豐富,年均降水量為1 935.8 mm[14],各月降水呈雙峰型分布,6月和8月各有一個峰值,暴雨是其最主要的氣象災害之一,自20世紀90年代以來暴雨日數顯著增加,近10年的年平均局部地區發生暴雨日數達48.3 d[15-16]。

深圳市東西狹長,地形分布較為復雜,地勢東南高、西北低,占地面積為1 997.47 km2,共包含寶安區、福田區、南山區等9個行政區和大鵬新區1個功能區[17],如圖1(a)所示。2004年深圳市率先達到全面城市化[18-19],是全國性的經濟中心城市和國際化大都市。近幾十年來深圳市城市化發展迅速,引發局部地區氣象要素劇烈變化,市內降水分布不均,造成局部地區強降水及內澇突發,嚴重影響人們日常生活及社會經濟可持續發展[10]。發生于2023年9月7日的“9·7特大暴雨”具有“強度超大、持續時間長、強降雨范圍廣”等特征,打破了深圳市自1952年以來六項歷史極值,從當日下午17時至次日上午6時共13 h的平均降水量為202.8 mm,最大累計降水量達469.0 mm,造成全市多地嚴重內澇,經濟損失慘重。

2 數據來源與方法

2.1 數據來源

本文采用的降水資料來源于國家青藏高原科學數據中心的中國區域地面氣象要素驅動數據集(1979—2018年)。該數據集包含了深圳市降水、風速、長波輻射等7個氣象要素,是以國際上現有的Princeton再分析資料、全球陸面數據同化系統(Global Land Data Assimilation System, GLDAS)資料、全球能量與水循環試驗-地表能量收支(Global Energy and Water Exchanges Project-Surface Radiation Budget, GEWEX-SRB)輻射資料以及熱帶降水觀測計劃衛星(Tropical Rainfall Measuring Mission Satellite, TRMM)降水資料為背景場,融合了中國氣象局常規氣象觀測數據制作而成,可用于水文建模、地表建模、陸地數據同化以及其他陸地建模,數據集的時間分辨率為3 h,水平空間分辨率為0.1°[20-21]。降水資料涵蓋深圳市全域面積的柵格點共計34個,為便于后續描述,本文按照從上至下、從左至右的順序對柵格點進行編號,如圖1所示。

2.2 研究方法

本文選用世界氣象組織推薦的包含絕對指數、相對指數等在內的9個極端降水指標[22-23](表1),分析極端降水事件的空間變化特征。此外,采用滑動平均法、Mann-Kendall趨勢分析法、Sen′s坡度法等方法,從降水量、降水強度、暴雨日數等角度,全面分析深圳市極端降水的時間演變趨勢,采用小波分析法分析深圳市極端降水的變化周期。

表1 極端降水指標名稱及定義

2.2.1 Mann-Kendall趨勢分析法

Mann-Kendall趨勢檢驗法是一種在氣象學、水文學等學科中常用的一種分析時間序列數據變化趨勢的方法,該方法不要求樣本符合正態分布,同時該方法對異常值不敏感,常被用于分析降水、溫度等指標的時間序列變化趨勢[24-26],其計算方法如下:

1)在給定的時間中,變量關于時間的平穩獨立且連續分布的序列為X={x1,x2,…,xn},統計量S的計算公式為:

(1)

(2)

式中:n為樣本數;m和l均為小于樣本總個數n的非等值阿拉伯數字;xm、xl均為變量;S為統計量。

2)S的方差計算如下(當樣本數n≥10時,認為統計量S近似服從正態分布):

(3)

式中Var(S)為統計量S的方差。

3)Mann-Kendall統計量Z的計算公式如下:

(4)

統計量Z用來表示變化趨勢的強度。當統計量Z>0時,指標在該時間序列上為增長趨勢,相反則為減小趨勢。當統計量Z的絕對值大于1.96時,表明時間序列的增長趨勢或減小趨勢顯著。

2.2.2 Sen′s坡度法

Sen′s坡度法是一種非參數的趨勢斜率計算方法,不受序列奇異值的影響,可以很好地反映時間序列趨勢的變化程度,是對Mann-Kendall趨勢檢驗法的補充,兩者結合使用可以更好地計算時間序列的變化率[27-28]。

變量關于時間的獨立分布且連續的序列為X={x1,x2,…,xr},Sen′s坡度法估計趨勢度Y的計算公式如下:

(5)

式中:r為樣本數;q和p均為小于樣本總個數r的非等值阿拉伯數字;xq、xp均為變量。趨勢度Y常用來判斷時間序列趨勢的升降,當Y>0時,時間序列呈上升的趨勢,反之呈下降的趨勢。

2.2.3 小波分析法

小波分析是對傅里葉變換的發展延伸,相較于傅里葉變換,小波變換通過伸縮和平移變換可以在時域和頻域上獨立地對信號進行處理和表達,具有很好的局部化特性,其可以充分反映連續性變量序列的變化趨勢,揭示事件序列的多種變化周期[29-31]。小波變換常見形式為連續小波變換和離散小波變換,本文采用其中的連續小波變換方法開展對降水量的多尺度分析,以期了解其周期性特征。

連續小波變換是小波變換最基本的形式。給定一個原始連續信號E(t),連續小波變換通過將E(t)與一個基本小波函數ψ(t)進行卷積得到一組連續小波系數:

(6)

式中:CWT(u,w)表示在給定尺度u和位置w下的小波系數[32-33];ψ*(t)為ψ(t)的復共軛函數。

3 結果分析

3.1 深圳市極端降水空間分布特征分析

本文計算了9個極端降水指標40年的平均值,并以此作為每個柵格點的極端降水指標值,分析深圳市極端降水指標的空間分布特征,如圖2所示。

圖2 深圳市極端降水指標的空間分布(1979—2018年)

由圖2可知,1979—2018年深圳市極端降水指標的空間分布為:南部的大雨日數(R25)和暴雨日數(R50)高于北部;降水強度(SDII)整體呈從東南向西北方向遞減的趨勢;連續一日最大降水量(RX1day)、連續三日最大降水量(RX3day)以及連續五日最大降水量(RX5day)均呈南部高于北部分布,其中東南方向的南山區、福田區、羅湖區所在區域的值最大;連續有雨日數(CWD)在北部以及東南方向的值較大,福田和羅湖區所在區域的值最小;重濕日數(R95D)呈西部多于東部分布;極端濕日數(R99D)則為西部和中部多于東部。整體上,深圳市南部極端降水的發生頻率及強度大于北部,中南部降水日的連續性較弱,而相較于東部,深圳市西部地區降水資源更為豐富。

使用Sen′s坡度法以及Mann-Kendall趨勢分析法計算每個柵格點極端降水指標時間序列的平均變化率,進而分析深圳市極端降水指標變化趨勢的空間分布特征,如圖3所示。

圖3 深圳市極端降水指標變化趨勢的空間分布(1979—2018年)

由Mann-Kendall趨勢檢驗法計算結果和圖3可知:40年來深圳市大雨日數(R25)整體呈上升趨勢,西部上升趨勢大于東部,且西部呈顯著上升趨勢,而東部上升趨勢并不顯著,大體呈穩定或較小趨勢;對于暴雨日數(R50)變化,西部呈穩定狀態,東部呈穩定和非顯著性下降趨勢;降水強度(SDII)各柵格點呈不同程度的顯著性下降趨勢;連續一日最大降水量(RX1day)、連續三日最大降水量(RX3day)以及連續五日最大降水量(RX5day)均為西部呈上升趨勢,東部呈下降趨勢,但其變化趨勢并不顯著;連續有雨日數(CWD)在東西部呈不顯著下降趨勢,中部呈顯著性下降趨勢;重濕日數(R95D)除東部小部分地區呈非顯著性下降外,整體呈非顯著性上升趨勢;極端濕日數(R99D)整體呈穩定狀態。綜上,隨著年份的增加,深圳市在極端降水日數及極端降水量兩方面整體呈現非顯著性的上升趨勢,且西部上升速率高于東部,而連續有雨日數整體呈現下降趨勢,東西兩部下降頻率低于中部地區的。

3.2 深圳市極端降水多發區的分布

為更好預測未來暴雨,提前預防洪澇災害的發生,在對極端降水指標進行計算的基礎上,本文又從降水量以及降水強度兩方面對降水數據進行了計算分析,以期識別深圳市的極端降水頻發地區。

3.2.1 極端降水量

本文分別計算了深圳市每年連續一日降水量排前五的降水量值、每年連續三日降雨量排前五的降水量值、每年連續五日降雨量排前五的降水量值,并統計這些值所在柵格點的位置,計算40年間這些值位于各柵格點的總頻次,最后將各柵格點劃分為不同等級的風險區(風險區劃分依據:將總頻次數值按照從小到大原則進行排列,除0以外,其余數值以5為區間平均分為四個區間,總頻次數值位于這四個區間的柵格點分別劃分為低、中、高及極高風險區;總頻次為0的柵格點劃分為無風險區),展現深圳市不同區域的暴雨發生風險?？紤]到極端降水偶然事件的發生,本文同時計算了40年中每個時間段(將40年均分為8個時間段)的每年排前五的降水量值位于各個柵格點的總頻次,并找出總頻次最大值所在柵格點,分析最大值柵格點隨時間段的變化,結果如圖4和圖5所示。

圖4 每年連續降水量排前五的值在各柵格點40年的總頻次分布

圖5 各時間段每年連續降水量排前五的值的累積頻次最高柵格點分布(1～8個時間段的最高頻次柵格點由圓點從小到大表示)

1979—2018年,深圳市大部分區域處于低風險區,僅個別柵格點所在區域處于極高風險區、高風險區和無風險區,柵格點P7、P11、P12、P15、P18、P33、P34處頻次最高,是極端降水發生的極高風險區;在8個時間段的發展過程中,深圳市極端降水多發地區的分布整體呈從分散到集中的變化趨勢,表現出從柵格點P3、P15、P18、P29、P33、P34向柵格點P7、P12、P15、P18、P23遷移的趨勢,強降水在各時間段多發生在柵格點P7、P12、P15、P18處。綜合考慮,未來極端降水在柵格點P7、P12、P15、P18處發生的可能性較大。

3.2.2 極端降水強度

暴雨一般指每小時降雨量達16 mm以上、連續12 h降雨量達30 mm以上或連續24 h降雨量達50 mm以上的降水。為更準確地分析深圳市極端降水的分布情況,本文分別計算每個柵格點的不同歷時(1 h、12 h、24 h)的滑動降雨量,并判定其是否達到暴雨標準。統計每年暴雨發生次數以及40年來暴雨發生總頻次在所有柵格點的占比,考慮到極端降水偶然事件的發生,本文同時計算了每個柵格點每個時間段(將40年均分為8個時間段)暴雨發生的總頻次,并分析最大值所在柵格點的變化過程,結果如圖6和圖7所示。

圖6 各柵格點暴雨發生總頻次占比分布

圖7 各時間段暴雨發生最高頻次柵格點分布(1—8個時間段的最高頻次柵格點由圓點從小到大表示)

1979—2018年深圳市北部的暴雨發生頻次低于南部,發生暴雨的風險相對較小,南部柵格點P7、P11、P12、P15、P18、P22、P30、P33處在所有柵格點中發生暴雨頻率較高,是暴雨發生高風險區域;分8個時間段進行分析,暴雨在柵格點P7、P12、P15、P18處較為穩定,此外,暴雨還呈現從柵格點P12、P15、P18、P22、P26、P29、P33、P34向柵格點P7、P12、P15、P18遷移的趨勢。綜合考慮,極端降水在柵格點P7、P12、P15、P18處發生的頻率較高。

3.3 深圳市極端降水時間變化特征分析

基于以上從不同方面對深圳市極端降水空間分布的分析可知,柵格點P7、P12、P15和P18處的極端降水事件發生頻率最高。由于柵格點P7和P12所涵蓋的深圳市地域面積較少,因此本文僅選取柵格點P15和P18(分別包含福田區和羅湖區大部分地域)作為代表性研究區域,分析深圳市極端降水時間變化特征。

3.3.1 年內變化特征

分別計算1979—2018年深圳市每個月的暴雨日數以及最大日降水量,進一步分析其在每個年代的月變化特征。圖8為兩個柵格點在20世紀80年代、90年代和21世紀00年代、10年代(圖中用1980s,1990s,2000s,2010s進行標注)的月均暴雨日數以及月最大日降水量的月變化趨勢圖。

由圖8可知:兩個柵格點在4個年代的月均暴雨日數變化曲線均隨時間呈上升趨勢,其中20世紀90年代的上升趨勢最為明顯;柵格點P15的月最大日降水量變化曲線除21世紀10年代呈下降趨勢外,其他3個年代的均呈上升趨勢,其中20世紀90年代的上升趨勢最為明顯,柵格點P18的4個年代月最大日降水量變化曲線均呈上升趨勢,最為明顯的為20世紀90年代的;此外,柵格點P15和P18的月平均暴雨日數變化曲線均呈雙峰型,月最大日降水量變化曲線均有三個峰,其中一個主峰,另外兩個均為小峰,但在不同年代,峰的起始時間和大小各不相同,峰值主要集中在每年的6、7、8三個月。

3.3.2 年際變化特征

1979—2018年柵格點P15和P18的年降水量及5年滑動平均降水量的變化曲線如圖9所示。柵格點P15和P18的年降水量年際變化趨勢基本一致,整體呈波動性下降趨勢,根據Mann-Kendall趨勢檢驗法計算得出兩個柵格點的Z值分別為-0.489和-0.885,因此其下降趨勢并不顯著。柵格點P15和P18近40年的年平均降水量分別為1 926.35 mm和1 895.12 mm,略低于深圳市多年平均降水量。P15和P18柵格點的年降水量的極值波動較為頻繁且變化幅度較大,其中2008年以及2016年的降水量變化最大,分別超出臨近年份1 000 mm左右,而降水量最大值主要分布在2001年和2008年,降水量均在2 600 mm以上,最小降水量則主要發生于1991、2004以及2011年,降水量均在1 200 mm左右。

圖9 1979—2018年柵格點P15和P18年降水量及5年滑動平均降水量變化曲線

P15和P18柵格點的年降水量小波分析如圖10所示。由圖10可知,1979—2018年中柵格點P15和P18年降水量均存在兩個周期性振蕩,柵格點P15年降水量在20世紀90年代初期至21世紀00年代中期存在顯著的6～8年振蕩周期,在21世紀00年代中期至21世紀00年代末期存在1～2年的振蕩周期;柵格點P18年降水量在20世紀90年代初期至21世紀00年代初期存在顯著的7～8年振蕩周期,在21世紀00年代中期至21世紀00年代末期存在1～2年的振蕩周期;柵格點P15和P18年降水量振蕩周期均以長時間尺度振蕩周期最為顯著。

圖10 1979—2018年柵格點P15和P18年降水量小波分析

根據深圳市的氣候特征,將四季劃分如下:春季3—5月,夏季6—8月,秋季9—11月,冬季當年12月—次年2月。圖11為兩個柵格點P15和P18 40年來的春、夏、秋、冬四個季節降水量(采用“鄰近”年份添補方法,2018年冬季降水量的1、2月降水量用當年的1、2月降水量代替計算)的年變化曲線,可知季節降水量整體呈現夏季>春季>秋季>冬季的分布趨勢。對P15和P18兩個柵格點的季節降水量進行趨勢檢驗,結果見表2。P15和P18兩柵格點的春季降水量均呈不顯著下降趨勢,冬季降水量均呈不顯著上升趨勢,柵格點P15的夏季和秋季降水量均呈不顯著上升趨勢,而柵格點P18的夏季和秋季降水量均呈不顯著下降趨勢。

表2 柵格點P15、P18的季節降水量趨勢檢驗值

圖11 1979—2018年柵格點P15和P18的季節降水量年變化曲線

圖12為P15和P18兩個柵格點的季節降水量的小波分析圖。由圖12可知:柵格點P15的春季降水量在20世紀80年代末期至20世紀90年代中期存在1～4年的顯著性振蕩周期,柵格點P18春季降水量在20世紀80年代末期至20世紀90年代末期存在2～5年的顯著性振蕩周期;在21世紀00年代兩柵格點的夏季降水量存在振蕩周期,柵格點P15存在1～4年的顯著性振蕩周期,柵格點P18前后存在6～7年的振蕩周期,此外,在21世紀10年代存在6～7年的振蕩周期(未通過可信度檢驗);柵格點P15秋季降水量在20世紀80年代中期至20世紀90年代分別存在9～13年的振蕩周期(未通過可信度檢驗)、1～4年的顯著性振蕩周期,柵格點P18秋季降水量在20世紀90年代、21世紀00年代初期至中期分別存在2～4年、3～4年的顯著性振蕩周期;兩柵格點的冬季降水量在近40年的時間序列中均不存在明顯振蕩周期。

圖12 1979—2018年柵格點P15和P18的季節降水量小波分析

分別統計柵格點P15和P18的年暴雨日數,同時計算每年的最大日降水量,分析其隨時間的變化。圖13為柵格點P15和P18的年暴雨日數以及年最大日降水量的線性趨勢。由圖13可知,P15和P18兩個柵格點的年暴雨日數均呈先上升后下降的變化趨勢,整體呈下降趨勢但下降趨勢并不顯著。根據Mann-Kendall檢驗法計算得出兩個柵格點的Z值分別為-0.361和-0.722。P15和P18兩柵格點的年暴雨日數為3.00～19.00 d,平均分別為7.93 d和8.00 d,最大值均出現在2001年,分別為17.00 d和19.00 d,柵格點P15在1988年和2004年的年暴雨日數最少,柵格點P18在1988年的年暴雨日數最少,均只有3.00 d;P15和P18兩個柵格點的年最大日降水量變化均呈波動性上升趨勢,由于其Z值分別為0.618和0.361,其上升趨勢并不顯著,在1994年,兩柵格點的年最大日降水量均為近40年中最大值,分別為264.18 mm和258.42 mm,近40年中最小值出現在1991年,分別為69.00 mm和70.68 mm,極差較大,在190.00 mm左右。

圖13 1979—2018年柵格點P15和P18的年暴雨日數以及年最大日降水量變化曲線

4 討論

本文在分析極端降水指標的時空分布時,發現深圳市1979—2018年R25、R50、RX1day、RX3day、RX5day、R95D以及R99D等極端降水指標均呈現西南方向較高、東南方向次之、整體向北方逐漸減小的分布規律,這一分布規律符合降水從沿海地區到內陸逐漸減少的特征,但同時這些極端降水指標在研究時間范圍內在東部的下降趨勢大于西部,上升趨勢小于西部,即深圳市東部的極端降水頻次呈減小趨勢,而西部呈增加趨勢。此外,深圳市極端降水高風險區呈現從東南部城市邊緣大鵬新區向西南方向和中部的南山區小部以及福田、羅湖區大部等城市中心遷移的趨勢,即極端降水的發生地區從深圳市的城市邊緣向中心遷移,這一趨勢與深圳市的城市中心變化相一致。目前,已有大部分研究[34-37]發現城市化對降水的影響作用逐漸加強,可通過多種方式促進極端降水的發生,造成極端降水事件明顯增加。作為我國改革開放的先行者,40余年來深圳市乃至整個珠江三角洲地區經濟快速發展,城市化進程遙遙領先,其極端降水的發生受到較大影響,其極端降水中心的變化在一定程度上是由快速城市化引起的。發生這一遷移現象的原因多為城市邊緣的熱帶氣旋、海洋水汽等更易引起極端降水[38],隨著城市化的不斷發展,城市密集的建筑物使風速減小,強雨帶等天氣系統在城市上空區域滯留的時間變長,引起區域降水特征的變化,進而易造成極端降水的發生[39-41]。

力梅等[42]發現,深圳市的短時強降水重點防范區主要為寶安區、大鵬新區、龍華新區南部,以及福田、羅湖區和光明新區的小部分區域,這與本文結果有一定的差別。本文采用的是近40年長期柵格降水數據,而力梅等[42]的研究結果則是基于106個氣象站5年(2008—2012年)逐分鐘雨量數據計算得到?？紤]到柵格數據和氣象站數據的差異性以及不同研究年限期間的各種影響因素,關于極端降水高風險區的確定還需采用更加完善的數據進行進一步計算驗證。

本文在分析深圳市極端降水頻發地區的降水年內變化特征時發現,相較于其他三個年代,在20世紀90年代月暴雨天數和最大日降水量隨月份的增加上升幅度最大,結合圖8分析發現,在這一年代深圳市的雨季發生了滯后及高強度降水。自從20世紀70年代末之后,華南地區城市化進程不斷推進,在20世紀90年代,經濟處于快速發展期,同時也是污染較為嚴重的時期,下墊面條件劇烈改變、大氣中PM2.5等顆粒物不斷增多,進而造成空氣中有大量的凝結核,形成城市雨島效應,局部的區域降水特征被改變。結合李書嚴等[43-45]對北京等地短時強降水分布特征的研究推測這一時期的降水環境污染狀況可能使得極端降水事件的發生概率增加,同時也可能引起深圳市這一年代年內暴雨事件發生的時間后移以及降水的波動增大,進而使得極端降水在年內呈較大幅度的上升趨勢。在進入20世紀00年代以后,隨著環境保護認知的增強,環境治理工作開始實施,霧霾等污染現象減少,降水的波動相應減小。此外,在這一年代,太平洋10年濤動(PDO)相變發生較為頻繁和劇烈,而PDO能在很大程度上影響極端降水變化,因此這也可能是這一年代雨季后移的原因之一[46-48]。

本文發現深圳市極端降水頻發地區的年降水量變化趨勢呈不顯著下降趨勢且存在1～2年和6～8年的振蕩周期,而丁楠等[49-50]的研究發現深圳市的站點年降水量呈微弱上升趨勢,且存在5～7年、17～20年和11年左右的振蕩周期。本文研究的深圳市部分區域,而丁楠等[49-50]研究的是深圳市全域,其中的差異可能是由區域地形以及天氣條件引起的。此外,所用數據時空分辨率不同也可能導致分析結果之間的差異。

綜合考慮,本文所得結論大體上與前人的研究結果相符,但仍具有一定的差異,研究采用的數據資料類型、時間序列等因素均可能造成這一差異的產生。本文所用數據集的空間分辨率較高,為0.1°,且數據集時間尺度等方面較為有限,雖在一定程度上能夠代表深圳市降水演變特征,但為更好地認識該區域的極端降水事件,還需基于更加精細分辨率或更精確的數據進行分析,從而為深圳市的暴雨洪澇災害預防方案的制定、水資源分配等提供更精確的依據。

近年來,受地理環境以及人文環境的影響,深圳市極端降水的發生具有顯著不確定性及突發性。因此,為更加準確掌握深圳市極端降水發生的時段和區域,在下一步研究中,有必要探究各個因素對極端降水的影響機制及多個因素的聯合影響機制。

5 結論

基于極端降水指標分析了深圳市極端降水的空間分布特征,同時從降水量以及暴雨日數2方面探究了深圳市極端降水頻發地區的極端降水時間變化特征,得到如下結論:

1)深圳市1979—2018年極端降水整體呈從西南向東北遞減趨勢,極端降水頻發地區位置隨城市化進程呈從深圳市邊緣地區向城市中心遷移的趨勢。

2)20世紀90年代,深圳市極端降水頻發地區的強降水在1年中的產生時間相較于其他時期發生了滯后,其強度和頻率變得更大,可能與這一時期環境污染狀況及太平洋10年濤動等因素有關。

3)近40年中,深圳市極端降水頻發地區各尺度降水量均無顯著變化,除冬季降水量外,其他季節降水量均存在一定的周期性,年暴雨日數均呈小幅下降趨勢,年最大日降水量呈小幅上升趨勢。