中圖分類號P426.62 文獻標識碼A 文章編號1007-7731（2025）13-0096-03

DOI號 10.16377/j.cnki.issn1007-7731.2025.13.023

Research on characteristics and changes of heavy rain warning signals issued in LiangshanPrefecture

WANG Chuanyun

（Liangshan Yi Autonomous Prefecture Meteorological Bureau，Xichang 615OOo， China）

AbstractThe issuancedata of rainstorm warning signals issued by meteorological stations in Liangshan Prefecture from 2O18 to 2O24 were analyzed in this study to compare interannual and monthly variations，as wellas spatial distribution patterns.The findingsrevealed that（1）An increasing trend was observed intheannual average number ofrainstorm warnings issued，with a significant rise recorded in2O24 when 617warning signals were isued， 93.8% of which were concentrated between June and September.（2）Regarding the tiered warning mechanism，the proportion offirst-issued yellow warnings was found to have decreased by 28.8 percentage points in 2024 compared to 2018-2023，while the proportionof updated warnings increased by31.7O percentage points.The proportion offirstissued orange warnings was shown to have risen to 65.3% ，and red warningswere documented to have been issued for thefirsttime in 2O24. （3）A decentralized distribution pattern was identified in the total number of rainstorm warnings issuedacrossLiangshan Prefectureduring 2O18-2O23，whereas aspatial distribution characterizedby higher frequency in the southwest and lower frequencyin the northeast was demonstrated in 2O24.To improve the timeliness and effectiveness of warning issuance，recommendations were made to enhance public education on rainstorm warning standards and to establish a 5G-GIS intelligent dissemination system.

Keywordsheavy rain;warning signal; tiered warning;spatial distribution

暴雨是主要的氣象災害之一，具有突發(fā)性強、破壞力大等特點。近年來，相關(guān)研究人員圍繞暴雨預警信號開展了大量研究。如陳妮娜等2和張碩等分析指出，致災閾值的確定對提前發(fā)布暴雨預警信號具有重要指示意義。唐傳師等4采用滑動t檢驗、Morlet小波變換等方法，研究了暴雨預警信號等級的時空分布特征及質(zhì)量評估。劉靜等5分析了暴雨紅色預警信號的高分布區(qū)、易發(fā)時段。高銘祥等以暴雨為例，探討了氣象災害預警信號發(fā)布策略的優(yōu)化措施。

涼山彝族自治州地處四川西南部，地形復雜，氣候多樣，是暴雨災害多發(fā)區(qū)之一。近年來，受全球氣候變化影響，該地區(qū)極端天氣事件頻發(fā)，徐誠等分析了2018—2023年四川省氣象災害預警信息的時空分布特征，發(fā)現(xiàn)涼山州是預警信息發(fā)布次數(shù)最多的地區(qū)。因此，研究該區(qū)暴雨預警信號發(fā)布的時空分布特征，有助于提升預警發(fā)布的時效性和有效性?；诖?，本研究以2018一2024年涼山州17個縣（市）氣象臺發(fā)布的預警信號數(shù)據(jù)作為研究樣本，對該地暴雨預警信號的發(fā)布特征變化進行量化評估。

1材料與方法

以2018一2024年涼山州所屬縣（市）氣象臺發(fā)布的預警信號數(shù)據(jù)為研究樣本。采用比率分析法和統(tǒng)計比較法，參考《四川省氣象災害預警信號發(fā)布與傳播規(guī)定》（2023年修訂）規(guī)定的預警信號發(fā)布標準對2024年涼山州暴雨預警信號的發(fā)布特征變化進行量化評估；參考《四川省氣象災害預警信號發(fā)布與傳播規(guī)定》（2009）分析2018—2023年研究區(qū)預警信號的發(fā)布特征變化。比較不同標準下暴雨預警信號的年際及月際發(fā)布特征、分級別暴雨預警信號發(fā)布特征、暴雨預警信號的區(qū)域分布特征。

2 結(jié)果與分析

2.1暴雨預警信號的年際及月際發(fā)布特征

2018一2024年，研究區(qū)暴雨預警信號的年發(fā)布數(shù)量整體呈遞增趨勢。2018一2023年，年平均發(fā)布數(shù)量為285條，2024年增長迅速，共發(fā)布617條（圖1）。

由圖2可知，研究區(qū)地處亞熱帶季風氣候區(qū)，干濕季分明。受副熱帶高壓和西南季風的影響，該地區(qū)的降水主要集中在夏季，秋季次之，春季較少，冬季幾乎無降水。2018一2024年，暴雨預警信號的發(fā)布最早始于4月，最晚延續(xù)至11月， 93.8% 的預警集中在6一9月。其中，7月為暴雨預警信號發(fā)布最多的月份，2018—2023年月平均發(fā)布量達107條。2024年7月的發(fā)布數(shù)量達到峰值，共257條。

2.2分級別暴雨預警信號發(fā)布特征

由圖3可知，2018—2023年黃色預警信號年均發(fā)布數(shù)量為231條，2024年發(fā)布數(shù)量為224條，變化趨勢較為平穩(wěn);然而，其百分占比呈現(xiàn)逐年下降趨勢，2024年降至 36.3% 。橙色預警信號年發(fā)布數(shù)量呈增長趨勢，2018—2023年橙色預警信號年均發(fā)布數(shù)量為47條，2024年增至331條；其百分比也逐年增加，2024年達到 53.6% ，超過黃色預警信號的占比。紅色預警信號年發(fā)布數(shù)量呈增長趨勢，2018—2023年年均發(fā)布數(shù)量為5條，2024年發(fā)布數(shù)量增至62條；其百分比逐年上升，2024年達到 10.0% 。

由表1可知，與2018—2023年相比，2024年黃色預警信號的首發(fā)占比下降28.8個百分比，更新占比增加31.70個百分點；橙色預警信號的首發(fā)升至65.3% ，更新占比下降；紅色預警信號在2024年首次出現(xiàn)首發(fā)，有5條，多由黃色、橙色預警信號更新而來。

總體來看，黃色預警信號的發(fā)布數(shù)量趨于穩(wěn)定，但其占比逐年下降；橙色和紅色預警信號的發(fā)布數(shù)量及占比均呈明顯增長趨勢，尤其是橙色預警信號在2024年成為占比最高的預警級別。這一變化可能與極端天氣事件頻發(fā)及預警標準的調(diào)整有關(guān)。

2.3暴雨預警信號的空間分布特征

空間分布特征顯示，2018一2023年，涼山州暴雨預警信號總發(fā)布數(shù)量空間上呈分散性分布態(tài)勢。暴雨預警信號主要分布在安寧河流域、雷波及鹽源地區(qū)，基本符合該地強降水氣候態(tài)的空間分布特征，發(fā)布數(shù)量前三的縣市在 140～160 條。2024年呈西南多、東北少分布態(tài)勢，總發(fā)布數(shù)量前3的縣市在 40～60 條，這一變化與2024年這些地區(qū)強降水事件的頻繁發(fā)生密切相關(guān)。對于暴雨高級別（橙色、紅色）預警信號，2018—2023年空間上呈分散性分布態(tài)勢，發(fā)布數(shù)量前三的縣市在25＼～40條；2024年呈西南多、東北少分布態(tài)勢，發(fā)布數(shù)量前三的縣市在30～35條。

3結(jié)論與討論

綜上，本研究比較分析了2018—2023年和2024年暴雨預警信號的發(fā)布特征變化，結(jié)果表明，（1）2018—2023年暴雨預警信號年均發(fā)布量持續(xù)遞增，2024年增速達峰值，且 93.8% 的預警集中在6—9月；（2）黃色預警信號的發(fā)布數(shù)量趨于穩(wěn)定，但其占比逐年下降；橙色和紅色預警信號的發(fā)布數(shù)量及占比均呈明顯增長趨勢；（3）空間分布上，2018—2023年，涼山州暴雨預警信號總發(fā)布數(shù)量呈分散性分布態(tài)勢，2024年呈現(xiàn)西南多、東北少的格局，均與同時段強降水空間分布特征吻合。以上結(jié)果表明新標準的實施顯著提升了暴雨預警的動態(tài)響應能力。

為提升預警發(fā)布的時效性和有效性，構(gòu)建“風險識別一精準預警一快速響應\"的全鏈條農(nóng)業(yè)防災體系，提出以下幾點建議。（1）細化暴雨預警信號標準，加強對新標準的學習和科普宣傳，明確短時雨量閾值，加強跟蹤服務，及時調(diào)整發(fā)布等級；（2）通過5G、GIS及人工智能技術(shù)構(gòu)建分級推送系統(tǒng)，實現(xiàn)信息精準投送與低差錯率，依托新媒體開展災害情景科普，建立預警反饋閉環(huán)以提升農(nóng)業(yè)防災減災能力；（3）建立“氣象一防汛防地災專班\"聯(lián)動響應機制，確保災前響應時效性；定期量化預警信號準確率、提前量等指標，持續(xù)優(yōu)化預警效能。

本研究分析了研究區(qū)暴雨預警信號的發(fā)布特征變化。然而，樣本量需進一步擴大，且各地基層預警業(yè)務人員對規(guī)定的理解和執(zhí)行可能存在差異，結(jié)論需長期觀測驗證。因此，未來需持續(xù)跟蹤分析，積累更多樣本數(shù)據(jù)，以進一步驗證和完善研究。未來研究可從量化暴雨預警閾值與地災損失的響應關(guān)系，分析雷暴大風及強降溫等新增預警類別的發(fā)布特征，以及開發(fā)機器學習算法優(yōu)化預警決策樹以提升時空精度等方面拓展。

參考文獻

[1]趙思雄，孫建華.我國暴雨機理與預報研究進展及其相關(guān)問題思考[J].暴雨災害，2019，38（5）：422-430.

[2]陳妮娜，張玉書，張碩，等.2004—2013年遼寧省主要氣象災害分布及預警服務分析[J].自然災害學報，2017，26（3）：176-184.

[3]張碩，紀永明，柴曉玲，等.遼寧省暴雨預警信號分布及暴雨致災閾值的分析[C]/第35屆中國氣象學會年會S1災害天氣監(jiān)測、分析與預報.合肥，2018：2235-2243.

[4]唐傳師，許彬，雷星宇.1971—2020年江西暴雨預警信號等級時空分布特征[J].氣象與減災研究，2023，46（1）：52-59.

[5]劉靜，陳傳雷，嚴俊，等.2015一2019年遼寧省暴雨紅色預警信號分布及其特征[J]氣象與環(huán)境學報，2021，37（1）：100-105.

[6]高銘祥，梁之彥，張?zhí)m，等.廣州市區(qū)暴雨預警信號發(fā)布策略優(yōu)化研究[J].廣東氣象，2024，46（6）：69-72.

[7]潘昱杉，李謝輝.四川省暴雨洪澇災害風險評估[J].成都信息工程大學學報，2022，37（2）：186-193.

[8]黃爾，覃光華，趙國茂，等.四川金陽縣2023年“8·21”山洪泥石流災害成因分析[J].中國防汛抗旱，2024，34（7）：1-5.

[9]徐誠，袁媛，張虹嬌，等.2018—2023年四川省氣象災害預警信息發(fā)布特征分析[J].高原山地氣象研究，2024，44（增刊1）：118-124.

（責任編輯：胡立萍）