近年来，频繁发生的极端降水事件已成为全社会关注的热点问题，国内外学者对其发生的特征、机理和未来趋势等均已进行了诸多深入的研究（Donat et al.，2016; Pendergrass，2018; Kirchmeier-Young and Zhang，2020; Tabari，2020; Davenport and Diffenbaugh，2021; 朱连华等，2023）。作为最主要的自然灾害之一，极端降水的频次和强度变化可能会导致旱涝灾害（Zhai et al.，2005; Wang et al.，2021）。据统计，中国作为世界上洪涝灾害出现频次最高的国家之一，近25 a来暴雨洪涝灾害造成的年平均直接经济损失高达573亿元，并呈逐年增加趋势（於琍等，2018）。针对我国近年来极端降水事件频发的现状，许多研究从极端降水事件发生时的天气系统（Luo et al.，2016; Du and Chen，2019; Zhang et al.，2019）、极端降水事件主要落区与强度的变化（Sun and Zhang，2012; Wang et al.，2017; 吴晶璐等，2019; Yang et al.，2020; Zhang and Zhou，2020）、极端降水事件发展过程中的动力特征（Zhang et al.，2011; Sun and Zhang，2012; 高守亭等，2018）以及极端降水事件预报技术（Huang and Luo，2017; Yu et al.，2019）等方面进行了深入的分析。充分认识极端降水事件的各项特征，对提高气象防灾减灾能力和应对气候变化具有重要的理论意义及应用价值。

受制于观测数据的时间尺度等限制，以上多数研究都基于日及日以上尺度数据进行分析，不能很好地反映突发性极端降水事件的日变化过程（Zhang et al.，2017）。最近研究（吴梦雯和罗亚丽，2019）指出，相比于一般降水，强降水对大气中水汽含量的变化更加敏感（Trenberth，1999），温度上升使得极端降水倾向于发生在更短的时间内（最多几个小时内），且次日尺度极端降水的增长速率高于日尺度极端降水（Lenderink and van Meijgaard，2008; Prein et al.，2017）。相较于长时间积累造成的强降水事件，发生在次日尺度上的短时极端降水往往发展得更为迅速且更具破坏力（Westra et al.，2014）。

降水日变化主要是由太阳辐射强迫形成的周期型变化（Zhang et al.，2019）。地形作为影响降水日变化的主要因素之一，主要通过不同下垫面、地形起伏和海陆热力差异来控制对流触发时间，进而影响极端小时降水发生的峰值时间（Wallace，1975）。而极端小时降水的日变化特征总体上和总降水的日变化特征较为一致，在不同的大尺度环流和下垫面特征下呈现出明显的区域差异（吴梦雯和罗亚丽，2019）。目前，地形对极端小时降水日变化影响的研究主要集中在地形与大尺度气象因子的相互作用（Chang et al.，2013; Liang and Wang，2017; 陈静等，2022），对不同日变化特征下地形对极端小时降水空间分布的影响研究较少。近年来，有学者开始采用地理加权回归模型（Geographically Weight Regression，GWR模型）对降水与地形间的关系进行研究，该模型能很好地描述地形对降水空间分布影响的高度不均匀型（Kumari et al.，2017）。曾礼等（2022）的研究则进一步说明了多尺度地理加权回归模型（Multi-scale Geographically Weight Regression，MGWR模型）相较于GWR模型在实际应用中的优势和考察不同地形因子对降水影响的尺度效应时的适用性。通过MGWR模型对不同日变化特征下地形对极端小时降水空间分布的影响进行研究，可以得出不同地形因子对极端小时降水空间分布的影响范围及主要作用区域，对进一步理解极端小时降水产生的不同日变化特征的原理具有重要意义。

本研究主要着眼于中国东部地区，该地区人口密度大、经济发达，并且地形特征复杂多变，从北到南兼具平原、低山、盆地、高山、丘陵等多种地貌，极端小时降水导致的暴雨和强对流等灾害一直是该地区经济发展及人民财产安全的严重威胁之一。本研究选取观测资料丰富的华东地区开展研究，使用315个标准气象站点的小时降水量和风向，基于MGWR模型的拟合结果，分析地形因子对不同日变化特征下极端小时降水空间分布的影响及其尺度效应。研究极端小时降水与地形因子在不同日变化特征下的关系，不仅可以帮助我们进一步理解复杂地形区各季节的降水特征，还有利于为地形复杂地区的降水数值模拟及其改进提供理论依据，最终提升高分辨率数值模拟对极端降水过程的模拟性能。

1 数据与方法

1.1 降水的观测资料及研究区域

降水数据采用2011—2018年国家级自动雨量站的逐小时数据，主要包括小时尺度的降水及风向数据，其中2011—2016年的数据来自中国气象局气象信息中心数据库，由MDSS数据库提取，2017—2018年的数据由CIMISS系统获取。同时，该数据集数据已经过全面质量控制，各气候变量的质量及完整性较高。为了保证数据的连续性及准确性，筛选有降水量记录的时次占总时次在95%以上的站点进行分析，剔除了质量控制代码为“缺测”及“错误”的时次。同时由于极端降水事件的强度及频率在长江中下游地区和华南地区北部的区别较大（He et al.，2019），影响两地暖季降水强弱的原因也不尽相同（Ding et al.，2009），且山东地区通过检验的站点数目过少（只有7个），因此研究区域主要选择为115°~123°E、26°~35°N的长江中下游地区（图1）。华东地区的极端小时降水主要发生在暖季（5—10月）（Wang et al.，2021），于是，针对暖季降水开展研究。

1.2 再分析数据

本研究使用的再分析数据主要为由欧洲中期天气预报中心（ECMWF）最新研发的ERA5数据集。该数据集合同化了大量卫星资料并进行了相应的质量控制，同时利用四维同化系统同化了观测资料，时间序列从1979年至今，空间分辨率约为31 km，垂直方向共有137层，气压顶层为0.01 hPa。与上一代再分析数据集ERA-Interim相比，ERA5具有每小时尺度的输出，并且在降水预估、温度与湿度拟合等方面都得到了显著改进（Hersbach et al.，2020）。

1.3 地形因子

基于已有研究，本章节选取了常用的四个地形因子和主风向系数进行研究，分别是:1）地形高程，数据来源于航天卫星地形数据集（Shuttle Radar Topography Mission，SRTM）中的SRTM1-V3.0数据集，空间分辨率为30 m; 2）地形坡度，用ArcGis中的表面分析工具，由STRM数据集（空间分辨率为30 m）的栅格表面高程最大变化率表示; 3）离海岸线距离，由ArcGis软件中的近邻分析可得各个站点离海岸线的最短距离; 4）地形起伏度，使用考虑站点分布情况下能较好表现地形地貌特征的12 km栅格高程标准差（舒守娟等，2007; Cheng et al.，2010）。

地形坡向和近地面风向的夹角可以用来表示迎风坡面及背风坡面，这种表示方法比只使用地形坡向或风向更能表现出水汽输送对降水的影响（傅抱璞，1992; Basistet al.，1994; 孙鹏森等，2004），其大小主要通过主风向系数（Prevailing Wind-direction Effect Index，PWEI）表示（孙鹏森等，2004），PWEI值的0—1表示站点位于背风坡，1—2表示站点位于迎风坡。

1.4 日降水峰型

极端小时降水的空间分布主要指各站点极端小时降水总降水量的空间分布。在气象业务上常用20 mm的小时降水量及50 mm的日降水量来定义小时强降水及日强降水，在学术上则常用百分位法（Zhai et al.，2005; Luo et al.，2016）及拟合经验函数（李建等，2013）的办法来得到极端小时降水，前者（如第95百分位、第99百分位及第99.9百分位）常用于得到有统计意义的极端小时降水研究（Luo et al.，2016），而后者常用于讨论几十年一遇的极端降水情况（吴梦雯和罗亚丽，2019）。本文使用李建等（2013）定义的“极端小时降水事件”的总降水量，即站点连续观测到发生降水（≥0.1 mm·h^-1）的一段时间，其中最多只有1 h的降水间断，并且至少发生一次极端小时降水（该站点在研究时序内大于发生降水时次第99百分位阈值的小时降水）的降水事件的总降水量。

同时，宇如聪等（2014）的研究表明，在中国的中东部地区，复杂的地形分布会对局地的降水日变化特征产生显著影响。因为中国东部地区的降水日变化存在午后峰值及清晨、午后双峰值两种不同的表现形式，且两者的形成与地形的作用关系密切（Zhuo et al.，2014）。为了更好地研究地形因子对极端小时降水的作用，极端小时降水可按照一次降水事件中超过阈值的峰值数及极端小时降水日变化峰值时间分为单峰型和多峰型。在单峰型降水中，超过阈值的时间段内小时数没有间隔，并且峰值时间主要集中在午后; 而在多峰型降水中，超过阈值的时间段内至少有1 h间隔，强峰值主要集中在清晨。

1.5 热带气旋轨迹数据集

在极端降水中，东南沿海地区受热带气旋影响的极端降水占所有极端降水事件的30%左右，华南沿海地区受热带气旋影响的极端降水占所有极端降水事件的20%左右，且受热带气旋影响的极端降水在形成机理、雨区位置及降水强度等方面与其余类型的极端降水有较大不同（Luo et al.，2016）。为了排除热带气旋对极端降水事件的影响，使用2011—2018年西太平洋热带气旋历史轨迹数据集（IBTrACS），该数据集提供了全球热带气旋的生成时间、生成区域及登陆的经纬度等，以用于对全球热带气旋分布，频率和强度的分析。具体排除方法为通过筛选，排除受热带气旋影响的降水时次（当一个热带气旋在西太平洋生成并在研究区域内登陆时，认为该次热带气旋登陆期间的所有降水时次皆为热带气旋影响时次）（Wang et al.，2021）。本文所使用的极端小时降水数据皆为排除热带气旋影响后所得。

1.6 多尺度地理加权回归

为了探明每个地形因子对极端降水空间分布的影响，采用了MGWR模型对每一个参数的最佳尺度进行单独计算，不同因子的带宽数代表不同因子的作用范围:

式中:h_wk代表第k个变量回归系数所使用的带宽。MGWR主要通过后向拟合算法来进行平滑拟合，结束迭代后的带宽处于各个自变量的最佳尺度（Fotheringham et al.，2017）。具体计算过程可参考Yu et al.（2020）的研究。

2 结果

2.1 日降水峰形特征及分类

依据极端小时降水的划分标准，2011—2018年华东地区极端小时降水的日变化特征主要表现为单峰型和多峰型，其中单峰型主要发生在午后，而多峰型除午后降水峰值外还存在一个清晨降水峰值，且清晨降水峰值往往大于午后。已有研究表明，在强厄尔尼诺事件的发展年及衰减年，西北太平洋低层会受到异常气旋及反气旋环流的控制，从而导致副热带高压和水汽输送的异常，进而引起东亚夏季降水的异常（张人禾等，2017）。分析时段中，2015—2016年为受厄尔尼诺事件显著影响的年份，于是基于多变量厄尔尼诺及南方涛动指数（Wolter and Timlin，2011），区分了ENSO年与非ENSO年极端降水事件。

表1给出了研究期内单（多）峰值型降水在（非）ENSO年中的站点降水量及两类极端小时降水在ENSO年增加降水量的比例。可以看出，多峰型降水的极端小时降水量在ENSO年相较于非ENSO年增多49.35%，而单峰型降水在ENSO年增加的降水量仅为13.79%，这说明多峰型极端小时降水事件与ENSO事件有紧密联系，而单峰型极端小时降水事件多发生在非ENSO年。

图2a—c展示了2011—2018年暖季平均极端降水事件的降水量、降水频次及降水强度的日变化。可以看到，8 a平均、华东地区极端小时降水量存在双峰型特征，其中午后峰值大于清晨峰值，ENSO年与非ENSO年的差异主要体现在清晨次强峰值，ENSO年大于ENSO年（图2a）。ENSO年与非ENSO年降水强度存在差异，ENSO年略大于非ENSO年，但总体来讲差异较小（图2c）。而极端降水频次呈现较大差异，ENSO年相对于非ENSO年在清晨的降水次数显著增多（图2b），表明ENSO年清晨较大的极端降水量的差异主要是与降水频次有关。

图2d—f和图2g—i分别展示了单峰型和多峰型极端降水事件的降水量、降水频次及降水强度的日变化。单峰型极端降水事件的降水量、降水频次与降水强度的峰值都集中在午后（图2d—f），且ENSO年与非ENSO年区别不大，此时极端降水以对流降水为主，降水的持续时间较短，主要来自大气对辐射加热的响应（Xu and Zipser，2011）。多峰值极端降水事件的降水强度存在清晨强峰值及午后次强峰值（图2g、2i），ENSO年降水强度大于非ENSO年; 而降水频次只有一个清晨峰值（图2h），且ENSO年远大于ENSO年，导致ENSO年清晨极端事件的降水量远大于午后降水。此时极端降水以平流降水为主，增加的降水与ENSO年内夜间抬升凝结高度降低、大气可降水量增加及相对湿度增大密切相关（赵玉春等，2010）。下面的研究中，分别选择ENSO年的多峰型和非ENSO年的单峰型极端小时降水事件，研究华东地区极端降水与地形因子的关系。

以西太平洋副热带高压（西太副高）为代表的环流形式会对极端降水的触发与发展有巨大影响（宇如聪等，2014），并在ENSO年中西太副高偏强并有明显的西伸。在ENSO年中，多峰型降水在2016年更强，降水极值频次也对于2015年，因此，选取2016年作为多峰型极端降水代表年进行研究。2018年的单峰型极端降水事件较其他年份偏多，这可能与2018年西太副高相较于其他非ENSO年偏北有关（图略）。2016年和2018年西太副高脊点位置相近，为了使西太副高对极端小时降水的影响在两类降水中相近，在研究地形因子对单峰型极端降水的影响时，使用2018年作为代表年。

2.2 影响单峰型和多峰型降水的主导地形因子及其影响机制

图3为MGWR模型计算的两类极端小时事件中主要地形因子拟合的带宽数、主导地形因子占比和主导地形因子的空间分布。单峰型极端小时降水事件结果如图3a—c所示。可以看到，地形起伏度、地形坡度、和离海岸线距离是单峰型极端小时降水的主要影响因子，地形高度和主风向系数对极端小时降水的影响不显著。其中，地形起伏度和地形坡度的带宽数约为70，表现为局地影响因子，在研究区域内对单峰型降水的影响有较强的空间非均匀性，而离海岸线距离的带宽数约为280，表现为区域影响因子，在不同地区对降水的影响大致相同（图3a）。而就各个主导地形因子站点数的占比来看，地形起伏度起主导作用的站点数占比为49.2%，主要分布于江苏北部及浙闽山脉的东北部及西南部; 地形坡度起主导作用的占比为32.7%，主要分布于浙闽山脉南部及江苏北部的沿海地区; 离海岸线距离起主导作用的占比为18.1%，主要分布于大别山东侧及浙闽山脉北部（图3b、3c）。因此，在华东地区单峰型降水中，地形起伏度是最重要的地形因子，其次为地形坡度、离海岸线距离。地形起伏度主要通过影响极端降水过程的动力抬升作用来影响整个极端降水发生、发展的过程（Houze，2012）。在华东地区，夏季的水汽含量相对充足，此时地形起伏度和坡度较大的区域更容易触发局地不稳定对流，进而引起极端降水（Medina and Houze，2003）。

图3d、3f是多峰型极端小时降水结果。可以看到，主要地形影响因子与单峰型极端事件呈现较大不同，地形高度和主风向系数的影响通过了显著性检验，而坡度影响不再显著。其中，地形起伏度与离海岸线距离的带宽数均不超过70，表现为局地影响因子，在不同地区对降水的影响有较强的空间非均匀性，而地形高程与主风向系数在MGWR模型中的带宽数约为280、140，主要表现为区域影响因子，在不同地区对降水的影响大致相同（图3d）。而就各个主导地形因子的站点数占比来看，地形起伏度起主导作用的站点数占比为50%，主要分布于江苏北部及浙闽山脉的东南部及西南部; 离海岸线距离起主导作用的占比为36.9%，主要分布于东南沿海地区; 地形高程起主导作用的占比为12.7%，主要分布于浙闽山脉西侧及九岭山南侧; 主风向系数占比很小（图3e、f）。因此，华东地区多峰型极端小时降水事件中，地形起伏度仍然是主导地形因子，其次是离海岸线距离、地形高度。

为了进一步探究两类极端小时降水事件中次要地形影响因子的作用，图4基于ERA5再分析数据给出了单（多）峰型降水期间，华东区域的对流有效位能（Convective Available Potential Energy，简称CAPE）空间填色图及整层水汽通量的矢量分布。研究区域内的水汽主要来自西南方向，通常情况下，该水汽输送带的形成来源于孟加拉湾及西太平洋两支暖湿季风气流的共同作用（Gimeno et al.，2016）。在非厄尔尼诺年，水汽输送明显小于厄尔尼诺年。单峰型极端小时降水事件中，CAPE值较大区域主要位于大别山南部及浙闽山脉东南侧（图4a），此时的极端降水主要受地形坡度主导，较为陡峭的地形坡度通过影响气流爬升的速度及垂直风速影响极端降水强度（Roe，2005），进而成为除地形起伏度外最重要的地形影响因子。而在强厄尔尼诺事件期间，该水汽通道输送的水汽相较于其他时期显著增强（图4b），此时在南海地区积累的水汽持续增加，并在夏季风爆发后北进，成为引发极端降水的主要因素之一。因此，在多峰型降水中，离海岸线距离通过影响水汽衰减的速度，成为除地形起伏度外最重要的地形影响因子。而就CAPE值而言，可以看到在单峰型降水期间，CAPE值的大值区主要位于大别山南侧及浙闽山脉东南侧，多峰型降水期间，CAPE值的大值区则主要位于海上，并在陆上无明显的大值区。

2.3 与季节平均降水的对比分析

极端降水事件与季节平均降水量的主导地形因子不同。综合两类极端小时降水事件与地形因子的关系分析可以发现，地形起伏度是华东地区极端降水事件主导影响因素，其次是离海岸线距离和其他因子。对比暖季平均降水量与地形因子拟合的MGWR模型（图5）发现，在暖季平均降水模型中，最大地形影响因子为离海岸线距离，离海岸线距离对暖季平均降水起主导作用的站点占比接近50%，其次才是地形起伏度与地形高程。在季节平均降水中，低强度高频率降水更多依赖于大尺度环流形势带来的水汽输送，而在极端降水事件中，需要强烈的抬升触发机制，因此，地形起伏度以及地形高度成为占比较大的地形因子。

3 结论与讨论

地形因子在极端降水的触发、形成与发展中扮演着非常重要的角色。本文通过华东地区315个观测站点的小时降水数据及风向数据，从极端小时降水日变化等特征出发，分析了极端小时降水事件与ENSO的关系，进而分析了主要地形因子对极端小时降水的影响机理。得到如下结论:

1）按照日降水峰型特征，华东地区降水可以分为单峰型和多峰型降水。其中，单峰型极端降水只有午后一个峰值，多发生于拉尼娜年或者非ENSO年; 而多峰型极端降水除了午后降水峰值外，还存在更大的清晨极端降水峰值，多发生于ENSO年。两类极端降水事件中极端降水量的差异主要是由于降水频次的不同。

2）地形起伏度是影响华东地区大部分站点极端小时降水事件的主导地形因子。影响两类极端降水事件的次要地形因子及影响区域有较大不同。在单峰型降水中，除地形起伏度外最重要的地形因子为地形坡度，影响区域为大别山南部及浙闽山脉东南侧。而在多峰型降水中，除地形起伏度外，离海岸线距离的影响最大，影响区域为南部沿海地区。

3）在单峰型降水中，CAPE值较大的区域主要位于大别山南部及浙闽山脉东南侧，此时较为陡峭的地形坡度会影响对流触发，使地形坡度变为此地的仅次于地形起伏度的地形影响因子。而在多峰型降水中，水汽输送明显较单峰型降水期间更大，此时离海岸线距离的影响则更为重要。

4）各个地形因子在极端小时降水和季节平均降水中的作用不同，在极端降水中更多体现了地形起伏度的抬升作用，而在暖季平均降水中更多体现了与水汽输送有关的离海岸线距离的影响。

前人对大尺度持续性极端降水事件的影响机理已经有较深入研究，由于其突发性和局地性强，对次日尺度极端降水事件的准确预报和预测一直是薄弱环节。在前人基础上，本文利用MGWR模型研究了多个地形因子对华东地区暖季极端小时降水事件的影响，其结果有望对次日尺度极端降水事件的预报和预测提供参考。其次，前人研究认为极端降水事件的发生和发展受到多尺度天气系统、局地下垫面强迫（地形、大城市群和海陆分布等）、全球变暖、气溶胶排放等多种复杂因子的综合影响（吴梦雯和罗亚丽，2019）。本研究的结果说明地形因子对降水的影响与大尺度气候背景和降水过程特征有关，不同的气候背景以及不同降水特征下，地形因子的作用不同。最后，本研究仅考虑了前人研究中认可度较高的五个主要地形因子对极端小时降水事件的影响，其他地形因子的影响有待进一步探索。

致谢:感谢美国太空总署（NASA）和国防部国家测绘局（NIMA）联合测量并免费提供的Shuttle Radar Topography Mission（SRTM）30 m分辨率地形数据，中国气象局气象信息中心提供小时降水数据欧洲中期天气预报中心ECMWF免费提供ERA5数据（http://apps.ecmwf.int/datasets/），西太平洋热带气旋历史轨迹数据集来自International Best Track Archive for Climate Stewardship（IBTrACS），下载于https://climatedataguide.ucar.edu/climate-data/ibtracs-tropical-cyclone-best-track-data。

参考文献