王鳳蓮 李彥

摘要 暴雨洪澇是影響陸良農(nóng)業(yè)生產(chǎn)的主要自然災害之一。據(jù)統(tǒng)計，1978—2005年間，陸良有9年發(fā)生洪澇災害，致使農(nóng)經(jīng)作物遭受較大損失。旱澇災害的發(fā)生不但與降水量密切相關(guān)，而且很大程度上取決于降水在時間和空間上分布的不均勻性。暴雨的降水時間集中，強度大，易引發(fā)局地的山洪、泥石流、農(nóng)田淹沒、城市內(nèi)澇等衍生災害，嚴重危害人民的生命財產(chǎn)安全。為了對暴雨洪澇災害的分布特征進行分析和準確預報，許多學者展開了研究。陸良雖然不是云南暴雨的多發(fā)縣，但從防災減災、趨利避害的角度考慮，有必要統(tǒng)計分析陸良暴雨的發(fā)生區(qū)域和發(fā)生時間，以期為暴雨預測和服務(wù)提供天氣、氣候的時空背景資料，為防汛抗旱、氣象服務(wù)提供最新的科學參考依據(jù)。

關(guān)鍵詞 暴雨；頻次；時空分布；陸良

中圖分類號：P458 文獻標識碼：B 文章編號：2095–3305（2023）04–0099-03

1 資料和說明

利用陸良大監(jiān)站1957年1月1日—2022年8月31日的一日最大降水量資料分析暴雨的逐年和逐月分布。2010年，陸良大監(jiān)站從城區(qū)搬遷至太平哨，城區(qū)為自動雨量站資料。利用2010年1月1日—2022年8月31日陸良12個鄉(xiāng)鎮(zhèn)自動雨量站的逐日降水量資料分析暴雨的地域分布和日內(nèi)分布。一日最大降水量是指前一日20：00至當日20：00累計雨量，短時強降水是指1 h降水量達20 mm的降雨，1 h雨量為前一整點到該 h整點的累計雨量，以此類推3 h、6 h、12 h的雨量[1]。一日內(nèi)可能由于某1個整點出現(xiàn)50 mm的降水，造成連續(xù)3個、6個、12個時段內(nèi)均出現(xiàn)3 h、6 h、12 h降水 50 mm的現(xiàn)象，因此僅統(tǒng)計第一次出現(xiàn)50 mm降水的時段，例如，彩色沙林2022年8月4日02：00出現(xiàn)1 h 57.4 mm的降雨，24：00～02：00、01：00～03：00、02：00～04：00的3 h降雨量均超過50 mm，就只統(tǒng)計24：00～02：00的暴雨，01：00～03：00、02：00～04：00的3 h暴雨不做統(tǒng)計。3 h、6 h、12 h暴雨次數(shù)均只統(tǒng)計陸良12個鄉(xiāng)鎮(zhèn)一日內(nèi)第一次出現(xiàn)50 mm及以上降水次數(shù)的總和[2-5]。

從資料收集情況來看，參與統(tǒng)計鄉(xiāng)鎮(zhèn)的逐時降水資料在1—3月，11—12月有少部分缺測。由于陸良1—3月，11—12月發(fā)生短時強降水或降暴雨的概率非常小，因此，逐時降水資料缺測對統(tǒng)計數(shù)據(jù)的影響較小，統(tǒng)計結(jié)果總體可靠。

2 時空分布特征

2.1 暴雨的逐年分布

分析陸良降水的年代（10年）變化趨勢（圖1）可以看出，20世紀60年代（1961—1970年）、20世紀70年代（1971—1980年）和21世紀00年代（2001—2010年）是陸良暴雨相對多的時期，暴雨量級也較大。21世紀10年代（2011-2020年）暴雨日數(shù)顯著減少，這是因為2009—2012年陸良經(jīng)歷了有史以來最嚴重的干旱，尤其是21世紀11年陸良年降水量430.1 mm，為陸良歷史最少年。在2010年代內(nèi)的日最大降水量并沒有明顯減小，說明2010年來的暴雨極端性、突發(fā)性更強。

從陸良1957年1月1日—2022年8月31日暴雨發(fā)生的頻次（圖2）可以看出：1998年共發(fā)生暴雨6次，1974年發(fā)生暴雨5次。1998年暴雨次數(shù)多，但降雨量級均未超過100 mm，而1974年的2次暴雨，降雨量均多達125 mm。根據(jù)陸良縣志記載，1998年陸良發(fā)生了洪澇災害，1968、1984、1986、2002、2006、2010年出現(xiàn)4次暴雨，1964、1967、1971、1976、1991、1994年有3次暴雨，陸良都有不同程度的洪澇災害發(fā)生。反之，無暴雨出現(xiàn)，且一日最大降水量較小的1960、1977、1989、2000、2011年是陸良的顯著干旱年，尤其是2011年的一日最大降水量才31.7 mm，出現(xiàn)歷史上最嚴重的干旱災害。1972、1981、1992、1996、2004、2007、2014年在不同時段的都有輕重不同的干旱出現(xiàn)。

分析暴雨日數(shù)、一日最大降水量與年降水量的關(guān)系得出：如果某一年的暴雨次數(shù)較多，一日最大降水量較大，則該年的年降水量偏多（如1974、2002年）；暴雨次數(shù)多，但一日最大降水量不大，則該年的年降水量略多（1998、2010年）；年內(nèi)僅1～2次暴雨，且一日最大降水量處于50～60 mm之間，則該年的年降水量略少（如2017—2019年）；年內(nèi)無暴雨發(fā)生，且一日最大降水量相對較小，則該年的年降水量偏少（如1960、1977、1989、1992、2011年）。

2.2 暴雨的逐月分布

分析陸良各月的暴雨發(fā)生次數(shù)（圖3）可以看出，陸良暴雨主要發(fā)生在5—9月，6—7月是暴雨的高發(fā)期，這是因為6—7月是陸良水汽條件和熱力條件都比較充分的時期。這從另一個層面反映了陸良干、雨季分明的氣候特點。從每個月的一日最大降水量看，暴雨極值并沒有出現(xiàn)在暴雨日數(shù)最多的6月，而是出現(xiàn)在暴雨日數(shù)相對較少的5月和8月。這反映了暴雨的大小與暴雨日數(shù)的多少無關(guān)。

2.3 暴雨的地域分布

分析陸良12個鄉(xiāng)鎮(zhèn)的暴雨日數(shù)（圖4）得出：板橋的響水壩、活水、龍海發(fā)生暴雨的概率較大，其次是陸良城區(qū)、馬街、小百戶和召夸。對比表1可知，暴雨日數(shù)多的響水壩、活水、龍海近十年的平均降水量也較多，召夸、城區(qū)及彩色沙林次之?；钏菀装l(fā)生暴雨，但并不代表該地會出現(xiàn)最大降水。最大降水出現(xiàn)在哪個鄉(xiāng)鎮(zhèn)與天氣系統(tǒng)的影響區(qū)域和影響時長有較大關(guān)系，具有較大的偶然性和突發(fā)性。

例如，2022年7月20日，陸良有4個鄉(xiāng)鎮(zhèn)的降雨量突破了鄉(xiāng)鎮(zhèn)雨量自動站建站以來的極值。其中，城區(qū)138.5 mm的降雨量為陸良建站以來的歷史最多日降雨量，小百戶190.1 mm的降水更是陸良境內(nèi)的最大值。

由此可見，陸良降水具有較強的局地分布不均的特點，以城區(qū)為中心，陸良北部芳華和南部的馬街、彩色沙林降水稍多，東北部的響水壩和山區(qū)的活水、龍海、召夸降水最多，壩區(qū)的三岔河的降水量和暴雨日數(shù)最少，西南部大莫古、西部小百戶降水較少，城區(qū)、太平哨偏少。

分析陸良12個鄉(xiāng)鎮(zhèn)1 h、3 h、6 h、12 h的暴雨次數(shù)（圖5）可以看出，12 h內(nèi)活水最容易出現(xiàn)暴雨，其次是板橋的響水壩、龍海；6 h內(nèi)小百戶、響水壩、龍海最容易發(fā)生暴雨，其次是活水、召夸、馬街和彩色沙林；3 h內(nèi)活水、龍海、馬街、板橋的響水壩產(chǎn)生暴雨的概率大?？傊懥急┯暌装l(fā)區(qū)是活水、龍海、響水壩，其次是小百戶、召夸、馬街。

從12個鄉(xiāng)鎮(zhèn)不同時段的最大降水量（圖6）看，1 h最大降水量出現(xiàn)在降水少的三岔河、大莫古；3 h、6 h降水量最大的是活水。總體來看，降水多的活水、響水壩長時間的累計雨量較大，降水少的三岔河、大莫古短時間內(nèi)出現(xiàn)暴雨的可能性更大。

2.4 暴雨的日內(nèi)分布

陸良2010年—2022年8月，短時強降水（圖7）主要集中在15：00～23：00和01：00～04：00，17：00～20：00的短時強降水次數(shù)較多，但因短時強降水引起的暴雨次數(shù)卻比夜間21：00～24：00、01：00～04：00要少許多。09：00～14：00無論是短時強降水還是暴雨均很少出現(xiàn)。21：00和02：00最易造成1 h 50 mm的暴雨。這說明陸良的暴雨并不都是由短時強降水引起的，而是連續(xù)性降水引起的。

從12 h暴雨發(fā)生的時間分布看，陸良暴雨大多出現(xiàn)在夜間21：00至翌日8：00。21：00易發(fā)生1 h內(nèi)50 mm以上的暴雨，其次是02：00和20：00；21：00、23：00是3 h暴雨多發(fā)時段，其次是20：00、24：00、02：00、04：00、07：00；02：00發(fā)生6 h暴雨的概率最大，其次是21：00。12個鄉(xiāng)鎮(zhèn)的暴雨發(fā)生的時間各有不同，總體呈雙峰型，即21：00至翌日09：00有1個高峰值，17：00～20：00有1個小高峰值。雙峰型降水容易造成陸良的大暴雨。統(tǒng)計陸良12個鄉(xiāng)鎮(zhèn)發(fā)生的大暴雨的時間分布，發(fā)現(xiàn)陸良的大暴雨都有2次以上的短時強降水，其中1個小時的降水在25 mm以上，則必然有1個或幾個小時的降水是10 mm以上的。但10 mm以上的降水基本都在08：00結(jié)束，其余時段以連續(xù)性小雨為主。

3 結(jié)論

（1）2010年以來陸良暴雨日數(shù)顯著減少，但最大降水量并沒有明顯減小，說明2010年來的暴雨極端性、突發(fā)性更強了。

（2）陸良暴雨多于汛期（5—9月）發(fā)生，6—7月是暴雨的峰期。最大暴雨出現(xiàn)在1974年5月和8月，表明暴雨的大小與暴雨日數(shù)的多少無關(guān)。

（3）陸良的降水和暴雨具有較強的局地性，分布極為不均勻。陸良暴雨的地域分布與年降水量的地域分布基本一致，呈東多西少、南多北少、四周多中間少的分布特點。暴雨日數(shù)多的響水壩、活水、龍海，年降水量也較多，不容易產(chǎn)生暴雨的三岔河年降水量最少。

（4）一日最大降水量的大小與暴雨日數(shù)的多少無關(guān)。暴雨日數(shù)多的活水，出現(xiàn)的一日最大降水量少于暴雨日數(shù)少的小百戶?？梢?，暴雨出現(xiàn)在哪個鄉(xiāng)鎮(zhèn)與天氣系統(tǒng)的影響區(qū)域及影響時長有較大關(guān)系，具有較大的偶然性和突發(fā)性。

（5）12個鄉(xiāng)鎮(zhèn)1 h、3 h、6 h、12 h的暴雨次數(shù)和暴雨強度各不相同，活水的暴雨次數(shù)多，暴雨強度相對偏強，而暴雨日數(shù)少的三岔河，1 h、3 h的暴雨強度都是最強的。

（6）陸良的短時強降水在21：00至翌日08：00和14：00～20：00發(fā)生，呈雙峰型，但14：00～20：00的短時強降水引起的暴雨次數(shù)較少，于夜間21：00至翌日08：00發(fā)生的暴雨居多。針對14：00～20：00的暴雨，人們能迅速反應(yīng)，快速應(yīng)對，而21：00至翌日08：00的暴雨，若無提前、準確的預測預報預警，往往會造成災害損失，因此要提前預測預報預警，提前采取措施。

（7）1 h的暴雨多發(fā)生于21：00、02：00、20：00。3 h、6 h的暴雨發(fā)生時段，12個鄉(xiāng)鎮(zhèn)各有不同，但都呈雙峰型分布，即21：00至翌日08：00有1個大峰值（或小峰值），則14：00～20：00就有1個小峰值（或大峰值）。12 h的暴雨基本都集中于21：00至翌日08：00?？傮w來看，需重點關(guān)注暴雨的時次是21：00、02：00、20：00。

參考文獻

[1] 黎成超，榮昕.云南省暴雨日及短時強降水時空分布特征[J].安徽農(nóng)業(yè)科學， 2018，46（5）：166-168，226.

[2] 周鵬康，秦金梅.云南1981—2010年雨季暴雨時空分布特征[J].云南地理環(huán)境研究，2016，28（4）：63-69.

[3] 李曉鵬，鄒靈宇，胡俊.昆明市不同等級降水日數(shù)的時空分布特征[J].云南地理環(huán)境研究，2014，26（3）：73-78.

[4] 楊洋，柯莉萍，聶祥，等.畢節(jié)市暴雨時空分布特征分析[J].氣象水文海洋儀器，2020，37（4）：16-18.

[5] 王佳津，陳朝平，龍柯吉，等.四川區(qū)域暴雨過程中短時強降水時空分布特征[J].高原山地氣象研究，2015，35（1）：16-20.

責任編輯：黃艷飛

Abstract Rainstorms and floods are? main natural disasters that affect the agricultural production of Luliang. According to statistics， from 1978 to 2005， Luliang had a flood disaster in 9 years， causing major losses to agricultural crops. The occurrence of drought and flood disasters is not only closely related to precipitation， but also largely depends on the unevenness of precipitation in time and space. The precipitation time of heavy rain and high intensity， which is easy to cause derivative disasters such as floods， mudslides， farmland flooding， and urban waterlogging， which seriously endangers the safety of the peoples lives and property. In order to analyze and accurately forecast the distribution characteristics of heavy rain and flood disasters， many scholars have done some meaningful research work. Although Luliang is not a county in Yunnans heavy rain， from the perspective of disaster prevention and reduction， and the advantages and disadvantages， it is necessary to conduct statistical analysis of the area and time of the occurrence of Luliangs rainstorm， in order to provide weather and climate for the prediction and service of heavy rain and services. Time and space background information provides the latest scientific reference basis for flood prevention and drought resistance and meteorological services.

Key words Heavy rain; Frequency; Time and space distribution; Luliang

作者簡介 王鳳蓮（1978—），女，云南曲靖人，工程師，主要從事工作天氣氣候、應(yīng)用氣象工作。