王莉萍，王鑄，連治華，劉璐

(國家氣象中心，北京100081)

引 言

暴雨災害是我國最嚴重的氣象災害之一，隨著全球氣候變暖，強降水頻次增加且極端性增強，分布格局也發(fā)生調整(翟盤茂和潘曉華，2003；吳燕娟，2016；陳海山等，2009；李培都等，2018；申莉莉等，2018；Al?exander et al.，2006；You et al.，2011)。強降水的累積、疊加和突發(fā)效應是暴雨災害的主要誘因，強降水過程也成為學者們重點研究對象，但對強降水過程的定義有很大差異。姜愛軍等(2005)在研究中國強降水過程時空集中度時將強降水過程分為大雨過程、暴雨過程，張嬌等(2012)定義淮河流域持續(xù)性強降水過程時指出連續(xù)5 d 每天都至少有1個站出現≥50 mm 的降水。陳青等(2014)定義湖南強降水過程規(guī)定日降水量≥10 mm的站數≥30站為強降雨過程的開始日期，≤20 站的前一日為強降水過程的結束日期。魏曉雯(2015)采用日降水量超過夏季85 百分位閾值占總站點數的1/3 作為長江中下游強降水過程的標準?？梢?，不同的研究目的和不同地區(qū)強降水過程定義差異很大。我國降雨地域特征明顯，年降水量從東南沿海向西北內陸逐漸減少，加之各地地形地貌、地質災害分布及孕災環(huán)境的差異，相同強度的降水在東部沿海地區(qū)影響不大，但對西北內陸地區(qū)將造成極其嚴重的暴雨災害，尤其是短時強降水突發(fā)性強，各地致災閾值差異大，在全國范圍內合理地對降水過程定義將決定過程定量評估和災害風險預估的準確性。陳艷秋等(2006)、襲 祝 香(2008)、邵 末 蘭 等(2009)、鄭 國 等(2011)、袁 慧 敏 等(2012)、吳 振 玲 等(2012)，鄒 燕 等(2014)、伍紅雨等(2019)從日降雨尺度定義暴雨過程，利用日雨量資料基于概率統計、歐式距離、綜合強度指數等方法對過程評估，但主要針對固定區(qū)域，沒有反映地域特征。王莉萍等(2015)考慮降雨的時空分布和地域性特征，研發(fā)了適用于全國的降水過程綜合強度評估方法，并編制氣象行業(yè)標準《降雨過程強度等級》(2016年9月29日發(fā)布)，用于我國預報服務中單站和區(qū)域降雨過程的監(jiān)測、評估及服務，以此為基礎上研發(fā)了暴雨災害風險及影響評估方法(王秀榮等，2016)。后續(xù)研究優(yōu)化了評估因子，增加了極端性降雨評價(王莉萍等，2018)，但還是以天為單位定義、提取和計算降水過程，對短時強降水發(fā)生時段捕捉能力低，并且平滑了短時極端降水強度，放大了降水過程的開始和結束時間，不能滿足氣象服務的精細化需求。

隨著現代化氣象業(yè)務發(fā)展，降水預報的時空分辨率不斷提高，72 h內智能網格預報可以達到小時尺度，為逐小時降水過程動態(tài)風險預估和影響評估、氣象防災減災提供了基礎。但按照不同時空尺度對觀測數據進行數學物理變換不可避免的導致數據時空信息丟失，處理方式的合理與否將直接影響對觀測對象的定性和定量解釋(Bloschl，1995)，對廣闊區(qū)域加密到小時尺度的強降水過程的定義和定量評估將直接影響災害風險預估和氣象防災減災依據的可靠性。本文基于全國范圍內小時降水的時空分布特征，以站點短時降水氣候背景表征地域差異，按照百分位法界定錄入降水過程的小時閾值，定義基于小時分辨率的降水過程的開始和結束條件，改進的降水過程的指標算法，實現對小時分辨率的降水過程綜合強度評估，提高降水過程強度評估的精度，為氣象服務業(yè)務中降水過程動態(tài)小時評估建立基礎。

1 資料

本文使用的資料是國家氣象信息中心經過質量控制整編的1951—2018年國家氣象觀測站逐小時降水資料。觀測站是中央氣象臺目前正在使用的2410個國家站點信息(包括基準基本站756個、一般站1654個)。

因各地建站時間不同，為了保證站點降水背景信息的完整性，小時降水量、滑動3 h 降水量和滑動6 h降水量百分位排序時使用的是建站以來的觀測數據。由于站點信息越多，降水過程提取和評估以及檢驗越準確，為了確保觀測數據的連續(xù)性且國家站站點達到2000 站以上，本文選取1981—2018年降水過程用于統計分析和驗證。

2 辨識和評估方法

2.1 辨識方法

本文辨識的降水過程指對社會經濟、民生等有一定影響的降水過程。在王莉萍等(2018)前期研究基礎上，優(yōu)化日降水量劃分降水過程方法，降時間尺度，按照小時分辨率精細識別降水過程；分不同空間尺度，面向全國范圍內的單站、大區(qū)域、小區(qū)域分類識別；增加降水過程與天氣系統匹配度，基于鄰近原則精準識別大區(qū)域降水過程。

對站點降水過程辨識時，考慮站點地域差異、致災臨界閾值(張廷治等，1996；柳源，1998；趙健和范北林，2006；王家祁和駱承政，2006；劉國緯和沈國昌，2006；李中平等，2008)和適用全國的站點閾值提取方法，用百分位法確定站點提取的閾值。站點降水過程辨識時要同時滿足以下兩個條件：(1)站點降水過程開始定義為1 h降水量達到歷史小時降水量從小到大排序80 百分位值，結束定義為連續(xù)8 h 以上沒有時刻達到80 百分位值；(2)站點日降水量達到歷史日降水量從小到大排序90百分位值(王莉萍等，2018)。

對區(qū)域降水過程辨識時，考慮我國降水過程的復雜性，既有覆蓋南北方的大范圍降水過程，也有僅出現在長江中下游或京津冀，甚至是單個市(區(qū))的小區(qū)域降水過程。為了滿足全國適用性，從國家級氣象服務的層面，分大區(qū)域和小區(qū)域兩種情況。大區(qū)域指南方、北方或任意大于等于全國面積1/3的區(qū)域，過程辨識時考慮站點間的距離；小區(qū)域指流域、32個省(自治區(qū)、直轄市)或任意小于全國面積1/3的區(qū)域，過程辨識時不考慮站點之間的距離。為了使客觀辨識的降水過程與天氣系統下降水過程具有高匹配度，通過不斷試驗調整參數，即調整錄入降水過程的相鄰站點間距離、單時次錄入降水的最少站點數或比例以及屬于一次降水過程兩個時刻的最大間隔時間，找出與中央氣象臺按天氣系統錄入的降水過程匹配度最好的三個參數值，具體辨識方法如下：

(1)大區(qū)域。開始定義為達到錄入閾值且相鄰站點之間的距離小于900 km的站點數占評估區(qū)域內站點的5%及以上或大于等于40 站；結束定義為連續(xù)12 h以上達到錄入閾值且相鄰站點之間的距離小于900 km站點數占評估區(qū)域內站點的比例不足5%及以上或少于40站。

站點之間距離計算時，假設地球是一個完美球體，半徑就是地球的平均半徑(R=6371.004 km)。如果以0 度經線為基準，根據地球表面任意兩點的經緯度就可以計算出這兩點間的地表距離。點A 的經緯度為(LonA,LatA)，點B的經緯度為(LonB,LatB)，按照0度經線的基準，東經取經度的正值(Longitude)，西經取經度負值(-Longitude)，北緯取90-緯度值(90-Latitude)，南緯取90+緯度值(90+Latitude)，經過上述處理過后的兩點被計為(MLonA, MLatA)和(MLonB, MLatB)。根據三角推導，可以得到計算兩點距離的如下公式為

其中，R和Distance單位是km。

(2)小區(qū)域。開始定義為達到錄入閾值的站點數占評估區(qū)域內站點的10%及以上或大于等于40站；結束定義為連續(xù)8 h以上達到錄入閾值的站點數占評估區(qū)域內站點的比例不足10%及以上或少于40站。

2.2 評估方法

基于王莉萍等(2018)提出的降水過程強度是降水強度、持續(xù)時間和覆蓋范圍三個指標共同作用的計算方法，為了將時間分辨率精細到小時，對三個指標定義和算法進行改進，開展基于小時分辨率降水過程強度評估的研究。

2.2.1 降水強度指數

降水強度是暴雨災害的主要致災因子之一，尤其是1、3、6 h等短歷時強降水致災危險性更大?？紤]降水影響，降水強度指數計算時考慮過程1 h 最大降水量(R1max)、滑動3 h 最大降水量(R滑動3max)、滑動6 h 最大降水量(R滑動6max)和過程小時平均降水量(R過程平均)四個量值要素，其中

式(3)中，R過程平均為過程小時平均降水量；h為站點過程小時數。

利用1951—2018年2410個國家氣象觀測站小時降水資料，將小時降水量、滑動3 h降水量、滑動6 h降水量按從小到大排列，提取百分位90%、95%、98%、99%、99.5%、99.8%、99.9%、99.95%、99.98%、99.99%、100%所對應的值，組成小時降水強度矩陣R1，滑動3 h降水強度矩陣R3，滑動6 h降水強度矩陣R6為

其中，i=2410，j=11，i為站點數；j為百分位值個數；rij為第i個站點第j個百分位對應的小時降水量值；rrij為第i個站點第j個百分位對應的3 h降水量值；rrrij為第i個站點第j個百分位對應的6 h降水量值。

為了將四個描述降水強度的要素統一到一個可比量綱上，采用指數劃分的方法?？紤]站點差異性，將小時降水強度矩陣R1、滑動3 h 降水強度矩陣R3，滑動6 h降水強度矩陣R6按站點指數劃分，見表1。

表1 降水強度指數劃分Table 1 Precipitation intensity index division.

對照表1 中第1 列，查出各站點1 h 最大降水量R1max、過程小時平均降水量R過程平均對應的1 h最大降水強度指數I1max和過程小時平均降水強度指數I過程平均。對照第2 列，查出各站點滑動3 h 最大降水R3max對應的滑動3 h 最大降水強度指數I3max。對照第3 列，查出各站點滑動6 h 最大降水量R6max對應的滑動6 h最大降水強度指數I6max。綜合要素的共同作用，按下式計算站點降水強度指數

式(4)中，I為降水強度指數；a、b、c、d為權重系數，權重系數a、b、c、d不同地區(qū)根據致災要素的不同可適當調整，本文四個權重均取0.25。

2.2.2 持續(xù)時間指數

站點降水過程持續(xù)時間是從降水過程開始到結束，本文定義為錄入過程的小時數，即

其中，T為有效降水時間指數；K為降水衰減指數，h為錄入過程的小時數。關于衰減指數K(王莉萍等，2018)，不同地區(qū)不同季節(jié)有差異，還與當地的防災減災能力有密切關系，以天為單位，取值K=0.8(中國科學院水利部成都山地災害與環(huán)境研究所，2000；王禮先和于志民，2001)，本文以小時為單位，取0.98。

2.2.3 覆蓋范圍指數

覆蓋范圍(CP)定義為小時降水錄入降水過程站點(n)占評估區(qū)站點(N)的比例，即

其中，n為錄入降水過程的站點數；N為評估區(qū)域站點總數?？紤]與降水強度、持續(xù)時間量級一致，將降水覆蓋范圍指數(C)定義為

2.2.4 降水過程綜合強度指數計算

按照王莉萍等(2018)提出的站點和區(qū)域降水過程綜合強度指數的計算方法，站點降水過程綜合強度指數是降水強度和持續(xù)時間的共同作用，站點降水過程綜合強度指數(RSI)計算式為

其中，I為降水強度指數；T為持續(xù)時間指數。

區(qū)域降水過程綜合強度是降水強度、覆蓋范圍和持續(xù)時間3個指標共同作用。區(qū)域降水過程綜合強度指數(RPI)按下式計算

其中，RSI為站點降水過程綜合強度指數；n為錄入降水過程的站點數；C為覆蓋范圍指數。

2.2.5 降水過程強度等級劃分

實際應用中，經常需要對中國、以秦嶺-淮河為分界線的南方和北方、省級行政區(qū)劃的32個省(自治區(qū)、直轄市)等不同區(qū)域范圍的降水過程提取和評估，因此，應用公式(8)和(9)計算1981—2018年中國、南方、北方、32個省(自治區(qū)、直轄市)降水過程綜合強度指數。分析單站和區(qū)域降水過程強度指數概率密度分布，按照出現概率約1%、5%、10%、15%、69%將降水過程劃分為極端、特強、強、較強、中等五個等級，單站和區(qū)域降水過程強度等級劃分見表2，將單站降水過程綜合強度指數(RSI)按照30、50、90、150 四個節(jié)點分為五個指數范圍，區(qū)域降水過程綜合強度指數(RPI)按照80、180、400、800 四個節(jié)點分為五個指數范圍，分別表示中等、較強、強、特強和極端等級。

表2 單站和區(qū)域降水過程綜合強度等級劃分Table 2 The single station and regional precipitation process comprehensive strength grade division.

3 檢驗

上文從站點、大區(qū)域、小區(qū)域定義了基于小時分辨率降水過程的辨識方法，并利用改進的評估方法重新界定了降水過程綜合強度等級的劃分標準。為了驗證站點、大區(qū)域、小區(qū)域降水過程辨識方法和評估算法的效果，下面從這三個方面分別選取2011—2018年的典型案例進行檢驗。

3.1 站點

3.1.1 浙江省2013年臺風降水過程案例

應用小區(qū)域降水過程辨識和評估方法，首先提取浙江省2013年受強臺風“菲特”的影響時段在2013年10月5日23時至8日19時，此次浙江省區(qū)域降水過程綜合強度指數(RPI)為1826.64，對照表2，為極端降水過程。然后，應用站點降水過程辨識和評估方法，評估此次過程浙江省各地受影響情況。圖1是2013年10月5日23時至8日19時浙江省單站降水過程綜合強度指數(RSI)分布圖，從圖中可以看出達到表2中強等級的站點占浙江全省99%，極端等級的站點主要集中在浙江北部和東部，相對而言，北部地區(qū)降水極端性更強，余姚氣象觀測站降水過程綜合強度指數(RSI)達420。

2013年10月5日23 時—8日19 時降水 實 況 顯 示(圖略)，浙江北部和東部降水200～350 mm，部分地區(qū)400～600 mm，浙江湖州安吉天荒坪累計降水量達1014 mm。杭州、寧波、紹興、湖州、慈溪、余姚、瑞安等地13個縣(市、區(qū))日雨量破歷史紀錄，單站降水過程綜合強度指數(RSI)均大于200，均為極端降水過程，此次降水造成嚴重災害，截至10月8日10時，浙江省11個市75個縣(市、區(qū))707.3萬人受災，因災死亡6人，失蹤4人，倒塌房屋0.95萬間；農作物受災面積302.53千公頃；損壞提防2057處，洪災造成直接經濟損失124.05 億元。余姚、奉化、安吉等7縣(市、區(qū))城市受淹，重災區(qū)主要在浙江北部，與極端性最強站點分布一致。

由上述分析可見，基于小區(qū)域降水過程定義提取的強臺風“菲特”對浙江的影響時段可以精確到10月5日23 時開始，8日19 時結束，并在此時段內評估降水過程綜合強度，時間精度增強；改進后降水強度的評價指標考慮了1 h最大降水量、滑動3 h最大降水量和滑動6 h 最大降水量，凸顯了極易致災的短時強降水在過程評價中的作用，使降水過程強度評價結果與災情的吻合度提升；也使極端性差異增加，極端降水過程綜合強度指數越大，極端性越強，余姚氣象觀測站降水過程綜合強度指數(RSI為420)較武義氣象觀測站(RSI為150)大270，在極端程度辨識上具有指示意義。

3.1.2 京津冀地區(qū)2016年極端降水過程案例

同樣，基于小區(qū)域降水過程辨識和評估方法，首先提取2016年京津冀地區(qū)極端降水過程影響時段主要在2016年7月19日04時—21日23時，過程持續(xù)67 h，區(qū)域降水過程綜合強度指數(RSI)達1230.05。然后，應用站點降水過程辨識和評估方法，評估京津冀地區(qū)各地受影響情況，圖2為京津冀地區(qū)單站降水過程綜合強度指數(RSI)分布圖，從圖中可以看出所有站點均錄入降水過程，由表2 單站降水過程綜合強度等級劃分方法，得出30.3%的站點出現極端降水過程，主要分布在河北西南部沿山地區(qū)和北京西南部，也是滑動6 h 最大降水量150 mm以上的區(qū)域(圖略)，河北省井陘氣象觀測站降水過程綜合強度指數(RSI)達284，北京市霞云嶺氣象觀測站降水過程綜合強度指數(RSI)達243。

此次降水過程河北省受災嚴重，據河北省民政廳不完全統計，石家莊、秦皇島等11 市151 縣(市、區(qū))920.6 萬人受災，130 人死亡，110 人失蹤，30.6 萬人緊急轉移安置；6.7萬間房屋倒塌，農作物受災面積734.1千公頃，直接經濟損失212.2億元，其中石家莊、邢臺、邯鄲死亡失蹤人數最重，與評估的站點極端降水過程分布區(qū)域一致，且單站綜合強度指數(RSI)越大，死亡失蹤人數越多，具有正相關性，說明極端性強弱(RSI大小)可作為受災程度的衡量方法之一。

3.2 大區(qū)域

由于中央氣象臺2013年后才開始統計存檔大范圍強降水過程，因此應用基于小時分辨率的降水過程評估方法計算2013—2018年大區(qū)域降水過程，圖3為2013—2018年南方、北方降水過程綜合強度等級逐年統計，南方2013—2018年平均降水過程37.67 次，其中，極端降水過程年平均0.33 次，特強1.67 次、強6.17次、較強12.5 次、中等17 次。南方2014年(降水過程44次)和2015年(降水過程45次)降水過程次數較其他年份明顯偏多，均出現了1 次極端降水過程和2 次特強降水過程，其中2014年6月18日07時—7月2日18時降水持續(xù)時間達347 h，有90.63%的站點錄入降水過程，區(qū)域降水過程綜合強度指數(RPI)達1400.37；2015年5月14日08 時—23日14 時有80.2%的站點錄入降水過程，區(qū)域降水過程綜合強度指數(RPI)為886.78；均為極端降水過程，引發(fā)了洪澇、滑坡、泥石流等災害，造成多條中小河流出現超警洪水，人員傷亡嚴重。北方2013—2018年平均降水過程15.33 次，其中2018年降水過程最多，有20 次；2015年最少，僅11次。北方降水過程強度主要為較強和中等等級，占96.7%；2013—2018年共出現了3 次強降水過程，分別是2013年7月7日17時—11日11時(區(qū)域降水過程綜合強度指數RPI為299.24)、2014年9月14日03 時至18日00 時(區(qū)域降水過程綜合強度指數RPI為233.64)、2016年7月18日11時—22日08時(區(qū)域降水過程綜合強度指數RPI為297.42)，與南方相比，北方降水過程次數和強降水過程次數均明顯偏少，這與我國天氣氣候背景是一致的。將上述對南方、北方錄入的降水過程與2013—2018年中央氣象臺統計的大范圍強降水過程比對，過程開始和結束的時間、強度大小、覆蓋范圍等均基本相符。但該模型統計的降水過程的開始和結束時間精確到小時，能夠對進入降水過程站點的個數和降水過程綜合強度指數進行定量計算，評價更為客觀。

由公式(9)可見，降水過程綜合強度是降水強度、持續(xù)時間和覆蓋范圍共同作用，其中覆蓋范圍因子對大范圍降水過程是很好的評價指標，尤其是南方大范圍強降水，可以定量化描述降水影響范圍的大小。但如果在大區(qū)域內評估小區(qū)域出現的降水過程，可能會弱化小區(qū)域極端降水過程，例如北方2016年7月18日11 時—22日08 時為強降水(北方有56.75%的站點錄入降水過程)，但京津冀地區(qū)2016年7月19日04時—21日23時為極端降水過程(京津冀地區(qū)所有站點錄入降水過程)。因此，在實際應用時可根據需求或降水影響范圍選擇在大區(qū)域或在小區(qū)域評估降水過程強度。

3.3 小區(qū)域

利用小區(qū)域降水過程評估方法，計算長江中下游地區(qū)2011—2018年共出現降水過程296次，其中極端降水過程1次，特強12次、強42次、較強64次，中等強度177 次。期間，長江中下游極端降水過程出現在2016年6月30日20時—7月5日06時，造成1999年以來長江中下游第一次干流全線超警，長江中下游平均降水強度指數(I)達190.77，區(qū)域降水過程綜合強度指數(RPI)達1328.92，均為2011—2018年最大值；有143個國家氣象觀測站(占長江中下游國家站的44.3%)出現極端降水過程，39站出現特強降水過程。與王莉萍等(2018)研究結論一致，但過程的時間界定更精確。

表3 2011年6月上中旬長江中下游降水過程統計Table 3 Statistics of precipitation process in the middle and lower reaches of the Yangtze river in the first and second ten-day period of June 2011.

另外，2011年6月上中旬長江中下游降水頻繁且強度強，接連出現了3 次特強降水過程和1 次強降水過程，受頻繁強降水影響，長江中下游由前期的干旱轉為降水偏多，出現旱澇急轉，湖北、湖南、江西、貴州等多地發(fā)生滑坡、泥石流、內澇等災害。表3 為2011年6月上中旬長江中下游降水過程統計，6月12日17時—16日04時降水覆蓋范圍最廣(錄入過程的站點占長江中下游地區(qū)氣象觀測站的83%)，區(qū)域降水過程綜合強度指數(RPI為668.13)最大，為4 次降水過程中第1強。其次是6月3日05時至7日09時降水過程，區(qū)域平均的降水強度指數(I)為105.69，為4 次降水過程中最大；區(qū)域降水過程綜合強度指數(RPI)611.86，為4次降水過程中第2強。長江中下游2011年6月上中旬錄入降水過程的持續(xù)時間有285 h，約11.9 d，4個過程之間最長時間間隔52 h(約2.2 d)，最短時間間隔26 h(約1.1 d)。利用王莉萍等(2018年)以天為單位對降水過程定義，用08時日降水資料提取2011年6月上中旬降水過程，分為三個過程，分別是6月3日08時—7日08 時、6月9日08 時—16日08 時、6月17日08 時—20日08 時。對比兩種方法提取的降水過程，6月3日05時—08 時，7日08 時—09 時以及17日06時—08時等時段因為沒有達到日降水過程錄入閾值，所以在降水過程中沒有考慮，但是6月9日08時—15時、6月11日13時至12日17時、6月16日04時—08時、6月19日14時—20日08時屬于降水過程間歇時段，卻錄入降水過程。由此可見，按照日尺度不能辨識出降水過程短歷時的間歇期，而從小時尺度能夠對降水過程進行精準的辨識。降水過程起始和結束時間界定是降水過程評估工作的基礎，不同的起始和結束時間，過程的綜合強度評估結果將有不同的結論，而從小時尺度捕捉的降水過程時間更加精確，評估結果也更加準確。

4 結論與討論

本文給出了小時分辨率降水過程的辨識方法，改進了降水過程綜合強度評估方法。該方法在前期研究基礎上有如下改進：

(1)提升了降水過程的時間分辨率，將降水過程的起始和結束時間推進到小時分辨率，改進評估算法中，實現了對小時尺度降水過程定量評估，提升降水過程評估的時間精度和定量計算的準確度。

(2)改進了降水過程大區(qū)域提取方法，對大區(qū)域降水過程提取時考慮了相鄰站點間距，體現降水過程成片性和集中性特點，增強了與影響天氣系統的匹配度，提升了大區(qū)域降水過程自動提取的合理性和科學性。

(3)增強了降水強度計算的全面性，降水強度同時考慮了1 h最大降水量、滑動3 h最大降水量、滑動6 h最大降水量和小時平均降水量，提高了與災情的吻合程度，同時考慮各地的地域差異，設置權重系數a、b、c、d，增加降水強度評價的客觀性及普適性。

(4)提供了站點和區(qū)域小時分辨率降水過程評估的方法，又將評估區(qū)域細化為大區(qū)域和小區(qū)域，既適用于南方、北方等大范圍降水過程，也適用于單省(市)等小區(qū)域降水過程評估，氣象服務中可根據需求選擇使用，例如對于降水范圍小、但極端性強的區(qū)域，可使用小區(qū)域算法來界定和評估降水過程，并進行歷史比對，提升氣象服務的針對性和服務效益。

后續(xù)基于小時分辨率降水過程辨識和改進后的評估方法，接入智能網格預報數據，可以實現對過程性降水和短時降水的動態(tài)預評估，可應用于氣象服務業(yè)務，提升氣象服務的時間尺度的精細化水平；并以此為基礎，結合地理信息、社會經濟、人口、暴雨災情及防災減災能力等，研發(fā)短時強降水動態(tài)風險預估和影響評估方法，為氣象防災減災提供重要依據。