張 寧，劉科男，王遂纏，王 驥，陳自艷

(1.甘肅省蘭州市氣象局，甘肅 蘭州 730020；2.中國人民解放軍96727部隊(duì)氣象臺(tái)，廣東 揭陽 515300)

引 言

短時(shí)強(qiáng)降水是短時(shí)間內(nèi)造成洪澇等災(zāi)害的主要災(zāi)害性天氣，具有持續(xù)時(shí)間短、強(qiáng)度大、突發(fā)性強(qiáng)、可預(yù)測(cè)性低的特點(diǎn)。蘭州地處中國西北地區(qū)，年平均降水量僅293.9 mm，但夏季短時(shí)強(qiáng)降水頻發(fā)。蘭州地形復(fù)雜，地勢(shì)西北和西南高、中間低，海拔高度在1400～3670 m之間，全市南北兩側(cè)是祁連山東延的余脈，中部為黃土梁、峁和山間盆地，其中南部的興隆山、馬銜山海拔在3000 m以上，馬銜山主峰3670 m，為境內(nèi)最高山峰；黃河由西南向東北橫穿全境，形成了峽谷和盆地相間的串珠型地形地貌。在特殊的地質(zhì)結(jié)構(gòu)和稀疏的植被覆蓋環(huán)境下，短時(shí)強(qiáng)降水常引發(fā)滑坡、泥石流、中小河流洪水及山洪等災(zāi)害，對(duì)生命財(cái)產(chǎn)造成的損失已超過干旱，成為蘭州市第一大氣象災(zāi)害。蘭州區(qū)域氣候中心評(píng)選的《2018年甘肅省十大天氣氣候事件》[1]中，“蘭州市短時(shí)強(qiáng)降水破極值，出現(xiàn)嚴(yán)重城市內(nèi)澇”位列第八。因此，加強(qiáng)蘭州市短時(shí)強(qiáng)降水的研究對(duì)當(dāng)?shù)胤罏?zāi)減災(zāi)有重要意義。

20世紀(jì)全球降水和極端降水有增加趨勢(shì)，尤其北半球中高緯度地區(qū)極端降水的頻率和強(qiáng)度顯著增加[2]。我國不同地區(qū)極端強(qiáng)降水和降水日變化特征存在明顯的地域性[3-5]，甘肅短時(shí)強(qiáng)降水主要發(fā)生在午后和前半夜，17:00前后是高峰時(shí)段[6]；遼寧沿海地區(qū)降水高峰時(shí)段出現(xiàn)在04:00—08:00，內(nèi)陸地區(qū)出現(xiàn)在14:00—20:00[7]；北京地區(qū)短時(shí)強(qiáng)降水主要分布在山前及山前的平原地區(qū)，強(qiáng)降水持續(xù)時(shí)間多在20～35 min[8]；上海郊區(qū)弱降水發(fā)生概率大于市區(qū)，而市區(qū)強(qiáng)降水發(fā)生概率大于郊區(qū)，城市下墊面對(duì)強(qiáng)降水影響顯著[9-10]。然而，這些降水?dāng)?shù)據(jù)通常來自于氣象站點(diǎn)觀測(cè)，受布站條件限制，山區(qū)往往存在無資料或資料不足的情況，其降水僅從相近自動(dòng)站或者其他氣象要素計(jì)算求得[11]，沒有考慮地形影響，因此降水量的空間精度有限，需要借助鄰近氣象站降水的空間分布關(guān)系進(jìn)行空間推算和插值[12-13]。氣象要素空間插值常用的方法有多元回歸法、反距離權(quán)重法(IDW)、樣條函數(shù)法、Kriging法等[14-16]。其中，多項(xiàng)式法和樣條函數(shù)法要求曲面光滑且二次可微，不適用于不連續(xù)、不光滑的降水量樣本[17]；IDW方法簡單地用距離的倒數(shù)作為權(quán)值，無法反映實(shí)際插值曲面的數(shù)據(jù)分布特性，而Kriging方法則通過引進(jìn)以距離為自變量的變差函數(shù)來計(jì)算權(quán)值，變差函數(shù)同時(shí)可以反映變量的空間結(jié)構(gòu)和隨機(jī)分布特性，克服了IDW插值結(jié)果的不穩(wěn)定性[18]，且Kriging法對(duì)受大氣平流作用影響的氣象要素插值較為成功[19]。本文利用2010—2018年蘭州市144個(gè)區(qū)域自動(dòng)站和國家站的小時(shí)雨量數(shù)據(jù)，詳細(xì)分析了蘭州市短時(shí)強(qiáng)降水的閾值及時(shí)空分布特征，在此基礎(chǔ)上輔以DEM地理信息，基于能夠反映降水空間變化關(guān)系的統(tǒng)計(jì)模型，繪制了蘭州市短時(shí)強(qiáng)降水的精細(xì)化分布圖，探討短時(shí)強(qiáng)降水落區(qū)與地形的關(guān)系，以期為當(dāng)?shù)囟虝r(shí)強(qiáng)降水的落區(qū)、時(shí)段和強(qiáng)度預(yù)報(bào)預(yù)警提供服務(wù)。

1 資料與方法

1.1 資 料

所用資料包括氣象數(shù)據(jù)和地理信息數(shù)據(jù)，其中氣象數(shù)據(jù)為甘肅蘭州地區(qū)144個(gè)區(qū)域自動(dòng)站和國家站2010—2018年4—9月逐小時(shí)降水資料，該資料由全國綜合氣象信息共享系統(tǒng)(CIMISS)的統(tǒng)一服務(wù)接口獲得，站點(diǎn)分布見圖1；地理信息數(shù)據(jù)為蘭州地區(qū)1∶50 000的DEM數(shù)據(jù)，利用ArcGIS軟件的Spatial Analysis模塊提取坡向、坡度、經(jīng)度、緯度數(shù)據(jù)。

圖1 甘肅蘭州地區(qū)自動(dòng)氣象站、國家站及地形、河流水系分布Fig.1 The spatial distribution of automatic weather stations and national weather stations, terrain and river system in Lanzhou of Gansu

1.2 數(shù)據(jù)質(zhì)量控制

采用多方法融合方式，對(duì)蘭州地區(qū)144個(gè)氣象觀測(cè)站的逐時(shí)降水?dāng)?shù)據(jù)進(jìn)行質(zhì)量控制，即先將極值控制作為首要判據(jù)，繼而將時(shí)間連續(xù)性、內(nèi)部一致性控制作為后續(xù)深入判斷，以確保數(shù)據(jù)的可用性。

(1)極值控制

自動(dòng)氣象站的每個(gè)要素都有一定的氣候極值范圍，通過結(jié)合要素的氣候極值范圍和區(qū)域地形特征，設(shè)定各要素逐月的極值閾值Vmax(極值上限)和Vmin(極值下限)，當(dāng)觀測(cè)值V>Vmax或V

(2)時(shí)間連續(xù)性控制

氣候要素具有自身的演變規(guī)律，在相鄰時(shí)段內(nèi)要素是在一定范圍內(nèi)波動(dòng)變化。時(shí)間連續(xù)性控制方法是以小時(shí)為時(shí)間間隔，結(jié)合各要素本身的變化規(guī)律和歷年經(jīng)驗(yàn)值，分別設(shè)定各要素的小時(shí)變化閾值(Vh)。當(dāng)觀測(cè)值V≥2Vh，則認(rèn)為觀測(cè)值出錯(cuò)；當(dāng)Vh≤V≤2Vh，則提示觀測(cè)值可能存在錯(cuò)誤，需要結(jié)合天氣形勢(shì)進(jìn)一步判斷。

(3)內(nèi)部一致性控制

在自然地理環(huán)境相仿且距離相近的區(qū)域內(nèi)，氣象數(shù)據(jù)基本相似。對(duì)于孤立數(shù)據(jù)的質(zhì)量控制，空間一致性方法非常有效。

1.3 方 法

(1)極端降水事件定義方法

依據(jù)翟盤茂等[20]定義的極端降水事件方法，即把某站點(diǎn)1961—1990年逐年小時(shí)降水量序列的第99個(gè)百分位值的30 a平均值定義為該站點(diǎn)的極端降水事件閾值，當(dāng)某站某小時(shí)降水量超過這一閾值時(shí)，則認(rèn)為該站發(fā)生了一次極端降水事件。

對(duì)于百分位值的計(jì)算，參照BONSAL等[21]的計(jì)算方法：如果某個(gè)氣象要素有n個(gè)值，將這n個(gè)值按升序排列x1、x2、x3、…、xm、…、xn，則某個(gè)值小于或等于xm的概率可表示為：

(1)

式中：P為百分位值；m、n為氣象要素觀測(cè)序列xi的序號(hào)。第99個(gè)百分位值是指P=99%所對(duì)應(yīng)的xm值，若有1000個(gè)值，則第99個(gè)百分位值為排序后x990(P=98.93%)和x991(P=99.03%)的線性差值。

(2)變異系數(shù)

變異系數(shù)(Cv)能夠表征變量的空間離散程度，一般認(rèn)為Cv<0.1為弱變異性，0.1≤Cv≤1.0為中等變異性，Cv>1.0為強(qiáng)變異性。

(3)坡度和坡向修正因子

坡度修正因子用sin 2α(α為坡度)表示，當(dāng)α<45°時(shí)，坡度越大，對(duì)降水的增幅作用越大；當(dāng)α>45°時(shí)，坡度越大，對(duì)降水的增幅作用越??；當(dāng)α=45°時(shí)，對(duì)降水的增幅作用達(dá)到最大[27]。

坡向修正因子用cos (θ-β)(θ為主風(fēng)向，β為坡向)表示，當(dāng)坡向修正因子的值介于0～1時(shí)，為迎風(fēng)坡；當(dāng)坡向修正因子的值介于-1～0時(shí)，為背風(fēng)坡；當(dāng)坡向等于主風(fēng)向時(shí)，坡向修正因子的值達(dá)到最大。

2 蘭州市短時(shí)強(qiáng)降水閾值

中國氣象局2017年發(fā)布的《短時(shí)臨近天氣預(yù)報(bào)》(氣辦發(fā)〔2017〕32號(hào))中，短時(shí)強(qiáng)降水被定義為1 h降水量大于或等于20 mm的降水，內(nèi)蒙古、甘肅、寧夏、新疆、青海五省區(qū)可結(jié)合實(shí)際情況自行確定本行政區(qū)域內(nèi)的短時(shí)強(qiáng)降水標(biāo)準(zhǔn)。甘肅省氣象局2018年最新發(fā)布的《甘肅省短時(shí)臨近預(yù)報(bào)業(yè)務(wù)實(shí)施細(xì)則》(氣科函〔2018〕26號(hào))中，短時(shí)強(qiáng)降水是指1 h降水量河?xùn)|大于或等于20 mm的降水，河西大于或等于10 mm的降水。蘭州地區(qū)按照地理位置應(yīng)屬河?xùn)|標(biāo)準(zhǔn)，但由于地處甘肅中部地區(qū)，降水量較河?xùn)|其他地區(qū)明顯偏少，20 mm·h-1作為短時(shí)強(qiáng)降水標(biāo)準(zhǔn)是否合適還需進(jìn)一步探討。

依據(jù)極端降水事件的定義方法，將蘭州地區(qū)4個(gè)國家站極端降水閾值的平均值作為該地區(qū)極端降水閾值，分別計(jì)算4站第一個(gè)1 h不低于10 mm和20 mm的雨量在序列中的百分位，按照升序原理，雨量值的百分位越低，說明其在排序中所處的位置越靠前，該站點(diǎn)大于該雨量強(qiáng)度的降水越多。從表1看出，不低于20 mm·h-1的降水在蘭州地區(qū)的降水事件中所占比重太小，百分位平均為99.90%，故選取20 mm·h-1作為蘭州地區(qū)短時(shí)強(qiáng)降水的標(biāo)準(zhǔn)并不合適。另外，蘭州4站極端降水閾值平均約7.0 mm·h-1，考慮到實(shí)際業(yè)務(wù)需求，將蘭州市短時(shí)強(qiáng)降水閾值設(shè)為10 mm·h-1更適合短時(shí)臨近預(yù)報(bào)業(yè)務(wù)。

表1 蘭州地區(qū)國家觀測(cè)站小時(shí)極端降水閾值統(tǒng)計(jì)Tab.1 Statistics of hourly extreme precipitation threshold at four national weather stations of Lanzhou

從蘭州市各站點(diǎn)短時(shí)強(qiáng)降水年平均頻次的特征量統(tǒng)計(jì)(表略)看出，2010—2018年蘭州市單站短時(shí)強(qiáng)降水年平均為1.37次，榆中縣清水站發(fā)生頻次最少，年平均0.11次，榆中縣上莊站最多，年平均3.67次，標(biāo)準(zhǔn)差平均為0.622，變異系數(shù)平均為0.45，呈中等程度變異，表明蘭州市短時(shí)強(qiáng)降水頻次變率較大。

短時(shí)強(qiáng)降水頻次的正態(tài)分布Q-Q圖上，散點(diǎn)在第一象限呈一條直線[圖2(a)]，去趨勢(shì)后的散點(diǎn)在x=0線附近[圖2(b)]，偏差基本在±0.2以內(nèi)，與實(shí)際的正態(tài)期望相符，基本符合正態(tài)分布。其中，偏度SK>0，分布呈正偏態(tài)(右偏)，峰度KU>0，曲線較陡峭，為尖頂峰，說明2010—2018年蘭州市短時(shí)強(qiáng)降水頻次各站有顯著差異，但未發(fā)生明顯離散。

3 結(jié)果與分析

3.1 短時(shí)強(qiáng)降水的時(shí)間分布特征

2010—2018年4—9月蘭州市144站共出現(xiàn)短時(shí)強(qiáng)降水1556次，平均單站短時(shí)強(qiáng)降水事件總體較少，超過一半的年份年頻次不足1次，2011年最少為0.5次，2018年降水異常偏多，短時(shí)強(qiáng)降水、暴雨事件創(chuàng)歷史之最，平均單站短時(shí)強(qiáng)降水達(dá)3.9次(圖3)。

圖2 蘭州市年平均短時(shí)強(qiáng)降水頻次(a)及其去趨勢(shì)的(b)正態(tài)分布Q-Q圖Fig.2 The Q-Q charts of normal distribution of annual average short-term strong rainfall frequency (a) and it’s de-trending (b) in Lanzhou

圖3 2010—2018年蘭州市平均單站短時(shí)強(qiáng)降水頻次的年變化Fig.3 Annual change of average short-term strong rainfall frequency at single station of Lanzhou during 2010-2018

2010—2018年，蘭州市短時(shí)強(qiáng)降水事件最早出現(xiàn)在4月14日，最晚可至9月30日，短時(shí)強(qiáng)降水事件在4—9月各月均有發(fā)生，且呈現(xiàn)典型的單峰型分布，強(qiáng)降水事件集中發(fā)生在7—8月，年平均在50站次以上，尤其是8月超過70站次，而4月發(fā)生站次最少；最大小時(shí)雨強(qiáng)的月分布與短時(shí)強(qiáng)降水發(fā)生站次略有差異，最小出現(xiàn)在5月，最大出現(xiàn)在8月，可達(dá)63.2 mm·h-1[圖4(a)]。盡管4月出現(xiàn)的短時(shí)強(qiáng)降水事件最少，年平均不足10站次，但最大雨強(qiáng)仍可達(dá)30 mm·h-1以上，因此在4月剛?cè)胙磿r(shí)便要對(duì)強(qiáng)對(duì)流天氣提高警惕。

由于蘭州市短時(shí)強(qiáng)降水事件集中在7—8月，因此進(jìn)一步統(tǒng)計(jì)了該時(shí)段的逐旬分布[圖4(b)]，發(fā)現(xiàn)7—8月短時(shí)強(qiáng)降水事件的逐旬分布也呈單峰型特征，7月上旬最少，7月下旬最多，7月下旬至8月上旬發(fā)生的短時(shí)強(qiáng)降水事件占這2個(gè)月總量的49%，這正好驗(yàn)證了我國北方地區(qū)“七下八上”多雨時(shí)段的說法。整體看來，除7月上旬短時(shí)強(qiáng)降水事件顯著偏少外，其余各時(shí)段的比重均較大，是蘭州地區(qū)短時(shí)強(qiáng)降水預(yù)報(bào)重點(diǎn)關(guān)注時(shí)段。

圖4 2010—2018年蘭州市短時(shí)強(qiáng)降水逐月(a)及7—8月逐旬(b)分布Fig.4 The monthly (a) and ten-day from July to August (b) distributions of short-term strong rainfall in Lanzhou during 2010-2018

蘭州市短時(shí)強(qiáng)降水發(fā)生站次的逐時(shí)分布呈雙峰型(圖5)，下午16:00(北京時(shí)，下同)至凌晨02:00是短時(shí)強(qiáng)降水的主要發(fā)生時(shí)段，年平均在8站次以上，21:00達(dá)最大，其中21:00、22:00、02:00是強(qiáng)降水事件高發(fā)時(shí)段，前2個(gè)時(shí)刻最大雨強(qiáng)較大，均在60 mm·h-1以上，是短時(shí)強(qiáng)降水引發(fā)災(zāi)害的主要時(shí)段，而后一時(shí)刻的最大雨強(qiáng)明顯減小，降為42.2 mm·h-1；04:00—14:00發(fā)生短時(shí)強(qiáng)降水的站次少，年平均不足4站次，且最大小時(shí)雨量相對(duì)較低，多在35 mm以下，但午后13:00的最大小時(shí)雨量明顯偏大，為56.5 mm，僅次于高發(fā)時(shí)段21:00—22:00，故而也應(yīng)當(dāng)引起預(yù)報(bào)員的重視。

圖5 2010—2018年蘭州市短時(shí)強(qiáng)降水逐時(shí)分布Fig.5 The hourly distribution of short-term strong rainfall in Lanzhou during 2010-2018

3.2 短時(shí)強(qiáng)降水的空間分布特征

為宏觀描述蘭州市短時(shí)強(qiáng)降水頻次的空間分布特征，繪制短時(shí)強(qiáng)降水年平均頻次分布趨勢(shì)圖?？梢钥闯觯谀媳狈较蛏隙虝r(shí)強(qiáng)降水年平均頻次呈南高北低，而在東西方向上則無明顯變化趨勢(shì)[圖6(a)]，說明蘭州市短時(shí)強(qiáng)降水以南北方向變化為主。因此，在ArcGIS軟件下，以站點(diǎn)氣象數(shù)據(jù)為基礎(chǔ)，輔以經(jīng)度、緯度、高程等地理信息，計(jì)算各站點(diǎn)短時(shí)強(qiáng)降水頻次與經(jīng)度、緯度、海拔之間的殘差，構(gòu)建統(tǒng)計(jì)模型，利用空間分析中柵格運(yùn)算獲得蘭州市短時(shí)強(qiáng)降水頻次空間分布[圖6(b)]。可以看出，蘭州地區(qū)短時(shí)強(qiáng)降水頻次空間分布不均，總體呈南多北少、中部多西部少的特征，各地短時(shí)強(qiáng)降水年平均頻次普遍為1～2次，分散有多個(gè)大值中心，分別在永登縣中北部的城關(guān)和柳樹鄉(xiāng)、南部苦水鄉(xiāng)，皋蘭縣南部忠和鄉(xiāng)，榆中縣東北部中連川和南部馬坡鄉(xiāng)、新營鄉(xiāng)、定遠(yuǎn)鎮(zhèn)、連搭鄉(xiāng)、夏官營鎮(zhèn)、興隆山等，西固區(qū)西部河口鎮(zhèn)、新城鎮(zhèn)，安寧區(qū)東部、七里河區(qū)、城關(guān)區(qū)等；顯著低值區(qū)主要位于皋蘭及永登北部、蘭州新區(qū)、榆中中部等地。

3.3 短時(shí)強(qiáng)降水與地形的關(guān)系

前面研究發(fā)現(xiàn)，蘭州市短時(shí)強(qiáng)降水與地理位置、地形之間存在一定關(guān)系，因此以氣象站點(diǎn)的年平均短時(shí)強(qiáng)降水事件發(fā)生頻次為目標(biāo)變量，坡度、坡向、海拔高度等地形因素和經(jīng)度、緯度等地理位置因素為解釋變量，探討這些因素對(duì)短時(shí)強(qiáng)降水的影響。由于坡向本身不能引起降水的增加或減少，而迎風(fēng)坡才是關(guān)鍵[22]，因此引入坡度和坡向修正因子代替坡度和坡向進(jìn)行相關(guān)性分析。統(tǒng)計(jì)發(fā)現(xiàn)，夏季蘭州市區(qū)主城區(qū)(城關(guān)區(qū)、七里河區(qū)、安寧區(qū)、西固區(qū))和皋蘭縣及新區(qū)的主風(fēng)向?yàn)闁|北風(fēng)，永登縣、紅古區(qū)為偏南至東南風(fēng)，榆中縣為偏西至西北風(fēng)，以此計(jì)算得到坡向修正因子。

相關(guān)分析發(fā)現(xiàn)，蘭州市短時(shí)強(qiáng)降水頻次與經(jīng)度之間無明顯相關(guān)關(guān)系，相關(guān)系數(shù)僅-0.014，而與緯度和海拔高度呈負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)分別為-0.174、-0.139，與坡向、坡度修正因子呈正相關(guān)關(guān)系，相關(guān)系數(shù)分別為0.144、0.179，其中短時(shí)強(qiáng)降水與緯度、坡度修正因子的相關(guān)性通過0.05的顯著性檢驗(yàn)，相關(guān)性較高?？梢姡m州地區(qū)短時(shí)強(qiáng)降水的空間分布與緯度、坡度有較大關(guān)系，這與之前分析的空間分布趨勢(shì)相一致，其次還與海拔高度及迎風(fēng)坡向有一定聯(lián)系。

廖菲等[23]詳細(xì)分析了地形的動(dòng)力、熱力效應(yīng)引起的降水和云物理變化，得到迎風(fēng)坡、背風(fēng)坡、山谷風(fēng)等地形效應(yīng)產(chǎn)生大降水的原理。據(jù)此理論，將蘭州市短時(shí)強(qiáng)降水頻次與地形、河流及城鎮(zhèn)分布進(jìn)行對(duì)比分析，總結(jié)出短時(shí)強(qiáng)降水高發(fā)區(qū)的地形或下墊面特征有4種類型[圖6(b)]。

(1)山谷喇叭口地形(紅色方框區(qū)域)：主要位于永登縣西北部，為烏鞘嶺南部下坡地帶，山體兩側(cè)海拔落差較大，莊浪河自西北向東南流出，呈明顯的山谷喇叭口地形。山谷地形使得近地面層加熱不均勻，加大了氣流的垂直輸送，形成局地的山谷風(fēng)環(huán)流；同時(shí)，該地盛行東南風(fēng)，當(dāng)氣流進(jìn)入喇叭口后，地形收縮使得氣流輻合加強(qiáng)，進(jìn)而加大氣流上升運(yùn)動(dòng)，導(dǎo)致降水偏大[24-26]。

(2)黃河北側(cè)支流南風(fēng)迎風(fēng)坡地形(黃色方框區(qū)域)：主要位于黃河北側(cè)的永登縣莊浪河流域及皋蘭縣南部山區(qū)，多條支流貫穿，是山區(qū)和谷地的過渡區(qū)，為南風(fēng)迎風(fēng)坡地帶。據(jù)統(tǒng)計(jì)，蘭州地區(qū)46%的暴雨天氣為副高西北側(cè)偏南氣流型，暖區(qū)降水低層多盛行偏南或東南風(fēng)，迎風(fēng)坡地形具有動(dòng)力及屏障作用，迫使氣流繞流和抬升，致使暖濕氣流易在中尺度地形迎風(fēng)坡造成水平輻合、氣旋式渦度增加，產(chǎn)生風(fēng)場(chǎng)切變，這恰好解釋了暴雨多發(fā)生在迎風(fēng)坡的原因[27-28]。

(3)城市熱島效應(yīng)(玫紅色方框區(qū)域)：主要對(duì)應(yīng)蘭州市城關(guān)區(qū)、安寧區(qū)、七里河區(qū)及榆中縣三角城、夏官營鎮(zhèn)等城市建筑與人口密集地，城市熱島效應(yīng)顯著。在夏季晴空天氣下，中午前后，城市熱力強(qiáng)迫有利于城市中尺度低空風(fēng)場(chǎng)輻合線形成，并使城區(qū)中心邊界層風(fēng)場(chǎng)的垂直切變加強(qiáng)，易產(chǎn)生持續(xù)的對(duì)流性降水[29]。

(4)高寒山區(qū)地形(黑色方框區(qū)域)：主要位于七里河區(qū)西南部黃峪鎮(zhèn)大尖山山區(qū)，榆中南部興隆山、馬銜山山脈及北部山區(qū)，海拔為2400～3670 m，屬高寒山區(qū)。由于地形抬升作用，使得大尺度上升運(yùn)動(dòng)加強(qiáng)，產(chǎn)生準(zhǔn)定常的輻合區(qū)或背風(fēng)波，有利于不穩(wěn)定能量的觸發(fā)[30]；同時(shí)，山脈地形的動(dòng)力阻攔和局部熱力對(duì)流對(duì)短時(shí)強(qiáng)降水的增幅作用[31]，有利于局地強(qiáng)降水區(qū)及附近對(duì)流層低層的層結(jié)不穩(wěn)定性增強(qiáng)以及近地面層冷池的維持和增強(qiáng)，從而使局地降水增加[32-34]。

圖6 2010—2018年蘭州市氣象站點(diǎn)短時(shí)強(qiáng)降水頻次分布趨勢(shì)曲線(a)和空間插值(b)(紅色、黃色、玫紅色和黑色矩形分別為山谷喇叭口地形區(qū)、迎風(fēng)坡區(qū)、城市區(qū)和高寒山區(qū))Fig.6 The distribution trend curve of short-term strong rainfall frequency at weather stations (a) and spatial interpolation distribution (b) in Lanzhou during 2010-2018(The red, yellow, rose red and black rectangle areas were valley bell-mouth terrain area, windward slope area, and urban area and alpine mountain area, respectively)

4 結(jié) 論

(1) 根據(jù)極端降水事件的定義，蘭州市極端降水閾值平均為7.03 mm·h-1，因此按照甘肅省氣象局2018年最新發(fā)布的《甘肅省短時(shí)臨近預(yù)報(bào)業(yè)務(wù)實(shí)施細(xì)則》中的短時(shí)強(qiáng)降水閾值20 mm·h-1顯著偏大，不符合實(shí)際降水情況，故以10 mm·h-1標(biāo)準(zhǔn)為佳。

(2) 2010年以來，蘭州市短時(shí)強(qiáng)降水事件年均1.37次，集中發(fā)生在7月下旬至8月，下午16:00至凌晨02:00為主要發(fā)生時(shí)段，其中21:00—22:00是集中高發(fā)時(shí)段，最大小時(shí)雨量達(dá)63.2 mm。

(3) 蘭州地區(qū)短時(shí)強(qiáng)降水空間分布不均，總體呈南多北少的分布格局，在東西方向上無明顯變化趨勢(shì)，分散有多個(gè)大值中心，主要出現(xiàn)在永登縣中北部的城關(guān)和柳樹鄉(xiāng)、南部苦水鄉(xiāng)，皋蘭縣南部忠和鄉(xiāng)，榆中縣東北部中連川和南部馬坡鄉(xiāng)、新營鄉(xiāng)、定遠(yuǎn)鎮(zhèn)、連搭鄉(xiāng)、夏官營鎮(zhèn)、興隆山以及主城區(qū)西固區(qū)西部河口鎮(zhèn)、新城鎮(zhèn)和安寧區(qū)東部、七里河區(qū)、城關(guān)區(qū)等地。短時(shí)強(qiáng)降水頻次各站雖有顯著差異，但未發(fā)生明顯離散，符合正態(tài)分布，其空間分布與緯度、迎風(fēng)坡向因子顯著相關(guān)。

(4) 受海拔高度、風(fēng)向以及山脈、河谷等地形因素影響，蘭州市短時(shí)強(qiáng)降水高發(fā)區(qū)可分為4種類型：山谷喇叭口地形影響型、南風(fēng)迎風(fēng)坡地形影響型、城市熱島效應(yīng)影響型和高寒山區(qū)地形影響型。