滇中城市暴雨变化特征和洪涝成因分析——以玉溪中心城区为例

朱文祥

(云南省水文水资源局玉溪分局，云南 玉溪 653100)

随着玉溪中心城区城市规模的不断扩大,暴雨导致的城市内涝日益突显。目前关于玉溪城市暴雨变化特征的研究成果甚少，但有关学者对其他城市暴雨的关注度极高。李海宏等[1]利用上海市30个自动气象站10年逐小时降水数据和有关内涝灾情数据,分析了上海市暴雨和内涝灾情特征,研究了致灾暴雨过程与内涝灾情的关系；何洁琳等[2]利用气候观测数据分析了近60年来，百色出现的与全球气候变化背景一致的增暖变化，并提出城市适应策略建议；陈其幸等[3]选取代表站27年的年最大1 h降雨量资料,通过一系列方法对广州市城区短历时暴雨特征进行了分析；杜尧等[4]选取南京地区多个雨量站长系列逐时降水资料，分析了南京地区暴雨变化特性，并解析了暴雨雨型特征。2015年6月5日，玉溪城市东北方位的东风站1 h降水量达75 mm、24 h降水量达105 mm，暴雨导致中心城区多条街道严重积水，极大影响了城市居民的正常生产生活，造成了重大社会经济损失；2020年7月1日东风站日降水量达112.5 mm，暴雨导致玉溪中心城区的东风南路、红塔大道等多处路段严重积水，造成极大不便和经济损失。这种短历时强降水过程对玉溪中心城区防洪安全构成了严重威胁，极大程度制约了城市经济发展。为了能给城市防洪排涝提供科学依据，对玉溪城市短历时暴雨变化特征研究是非常必要的。

1 研究数据和方法

1.1 研究区概况

玉溪市为滇中经济发达城市，属于亚热带季风气候。珠江流域南盘江一级支流——曲江从东北向西南横穿市政府所在地红塔区中心城区。区域地势东北高、西南低，由于降雨过程时空分布不均，区域内单点暴雨突出，当发生持续降雨或局部暴雨时，城区极易形成局部泄流不畅，从而造成城区洪涝灾害。城市位置见图1。

1.2 数据

红塔区现有雨量监测站23站，其中玉溪中心城区11站。中心城区雨量站点除玉溪站、东风站外的其他站点均为2011年以后新建的中小河流站，资料年限较短，缺乏代表性；玉溪站是1998年设立的固态存储站，有多个年份由于仪器故障导致降水数据无记录，资料系列不完整；只有东风站是国家基本雨量站，该站1963年设立，其资料成果每年都经水文部门审核验收、珠江流域委汇编成册，资料成果合理可靠。东风站位于玉溪中心城区东北部，处于整个中心城区上游方位，其降雨(特别是暴雨)与中心城区洪涝有着密切的对应关系。因此，本次选取东风站为代表站进行分析。玉溪城市区域与雨量站分布见图1。

图1 玉溪城市区域与雨量站分布

东风站有1981—2019年最大1 h、最大24 h降水量序列资料整编成果，其中1981—2010年的是根据20 cm自记雨量计记录人工挑选得到，2011—2019年的是根据遥测翻斗式雨量计记录自动挑选得到。

1.3 方法

1.3.1滑动平均法

滑动平均法是用某一时间序列的平滑值来反映要素变化趋势的一种趋势拟合技术的基础方法[5]。滑动平均序列表示为[6]：

(1)

式中k——滑动长度；xj+i-1——第j+i-1年的降水量。

降水量倾向率绝对值大小则表明倾向的幅度，具体为：①降水倾向率大于0,降水量总体呈增加趋势；②降水倾向率等于0,降水量不增不减；③降水倾向率小于0,降水量总体呈减少趋势。

1.3.2Mann-Kendall趋势检验法

曼-肯德尔(Mann-Kendall)法，简称M-K法。其人为性少、定量化程度高，是目前较多用于分析时间序列趋势变化的一种检验方法[7]。

对时间序列x1,x2,…,xn(n为样本数)，所有对偶观测值(xi,xj,j>i)中xi

(2)

式中τ——Kendall秩统计量；U——Kendall秩次相关系数；P——系列中所有对偶观测值(xi,xj,i

对于无趋势的序列E(P)=n(n-1)/4；当PE(P)时表示序列可能有上升趋势；当n增加时，统计量Kendall秩次相关系数U很快收敛于标准正态分布。给定显著水平ɑ，其检验临界值为Uɑ/2。当|U|>Ua/2，序列趋势显著；当|U|

1.3.3Hurst指数法

Hurst指数可以定量表征时间序列的持续性或长期相关性，在气象水文变化研究中有着广泛的应用。Hurst 指数分析法能较好地反应序列趋势持续性的强弱程度[9]。一般采用r/s法计算Hurst指数值H，H( 0

表1 Hurst指数分级

2 分析成果

2.1 变化趋势

对东风站1981—2019年最大1 h降水绘制过程线并作5年(n=5)滑动平均过程线，见图2。从图中看出，一元线性回归系数b=0.1356>0，5年滑动平均过程线变化趋势倾向率>0，说明年最大1 h降水量过程呈波动上升变化趋势，变化率为1.4 mm/10a。

图2 东风站1981—2019年最大1 h降水变化

取信度a=0.05，用Mann-Kendall趋势检验法计算得到肯德尔秩次相关检验值|U|=0.376

表2 东风站1981—2019年最大1 h、24 h降水量变化趋势参数计算结果

同上，得到东风站1981—2019年最大24 h降水量变化趋势计算结果：一元线性回归系数b=0.062>0，5年滑动平均过程线变化趋势倾向率>0，其过程呈波动上升变化趋势，变化率为0.6 mm/10a，见图3。肯德尔秩次相关检验值|U|=0.305

图3 东风站1981—2019年最大24 h降水变化

2.2 突变分析

经Hurst指数法分析计算得到历年最大1、24 h降水量系列的Hurst指数：H1 h=0.57，H24 h=0.56，均处于0.5～1.0，说明东风站1981—2019年最大1 h降水量序列、最大24 h降水量序列未来变化趋势与过去一致；根据Hurst指数分级情况，两系列持续性较弱,见表3。

用M-K法检验东风站最大1、24 h降水量系列突变情况，图4、5分别为东风站最大1、24 h降水量M-K统计曲线。从两图看出，取信度a=0.05，东风站最大1 h降水量序列在1987、2002、2007和2013年发生突变，最大24 h降水量序列在2000、2009和2013年发生突变,见表3。

表3 东风站1981—2019年最大1、24 h降水量突变分析结果

图4 东风站1981—2019年最大1 h降水量M-K统计曲线

图5 东风站1981—2019年最大24 h降水量M-K统计曲线

2.3 暴雨发生特点

中国暴雨5—9月分布较广[11]，东风站暴雨也主要集中在5—9月。1981—2019年最大1h降水量多出现在7—9月，其中以8月份出现次数最多(12年)，占序列长度的30.8%；年最大24 h降水量多出现在6—8月，其中以6月份出现次数最多(13年)，占序列长度的33.3%。

图6 东风站1981—2019年最大1、24 h降水量出现月份年数

按降水量等级划分标准[12]，1 h降水量15.0～39.9 mm、24 h降水量50.0～99.9 mm为暴雨，统计历年暴雨发生情况。P1 h(1小时降水量)≥15 mm的年份有38年，占序列长度的97.4%；P24 h(24小时降水量)≥50 mm的年份有34年，占序列长度的82.1%。1981—2019年39年中，只有2012年没有发生暴雨。

在同场次暴雨中，按1 h降水量在24 h降水量中的占比分析暴雨集中程度。P1 h/P24 h平均为47.2%，其中2008年、2015年暴雨集中程度特别高，P1 h/P24 h分别为 70.4%、71.4%。

3 城区积水成因分析

a)暴雨和特殊地理位置因素。主要是单点短时强降雨迅速汇聚成大规模地表径流，导致城区局部泄流不畅形成内涝，洪涝灾害多为局部性。中心城区所处坝子四面环山，周边降雨形成的径流、洪水全部由坝子中部的曲江承纳。超过河道排放能力的雨水溢流形成地表径流，或通过坡度较大的管道快速向城中及城市下游区域转输，导致地势低洼的中卫片区、老火车站片区、高铁新城片区等区域容易被淹，形成坝区和城区洪涝灾害。

b)城市化和全球气候异常变化因素。根据玉溪市统计数据，玉溪市中心城区城市建成区面积2007年为22.3 km2，到了2019年则增大了近2倍，2019年建成区绿化覆盖率40.6%，见图7。随着玉溪城市化进程的快速发展，城市建成区面积不断扩大，城市道路和建筑物不断建成，城市化发展改变了区域下垫面条件[13]，使城区径流系数不断增大、暴雨导致的洪水量增大，最终导致城市区域积水。近年来全球气候出现异常变化，极端性气候灾害事件时有发生，城市洪涝灾害日趋严重，城市的内涝问题日趋凸显[14]。

图7 玉溪市中心城区2007—2019年城市建成区面积与绿地面积变化

c)河道排洪能力不足。城市周边现有河道排洪能力不足或未全面提升，雨洪容易漫灌道路和城区。曲江是城市雨洪的主要通道，玉带河和中心沟也是城市防洪体系的主干框架，但其部分河段防洪能力较弱，防洪标准不高，难以满足城市排洪要求。

d)防洪排涝基础设施建设相比城市发展相对滞后。部分排水管网老化脱节、排水管径较小、隐性排水沟渠存在安全隐患等。老城区排水管道多为雨污同流，管网过流能力不足、标准较低。

4 结论和建议

a)1981—2019年，玉溪市城市(东风站)年最大1 h降水和年最大24 h降水均呈不显著波动上升趋势，变化率分别为1.4、0.6 mm/10a。

b)东风站1981—2019年最大1 h降水量序列、最大24 h降水量序列Hurst指数分别为0.57、0.56，未来变化趋势与过去一致,持续性较弱。东风站最大1 h降水量序列在1987、2002、2007和2013年发生突变，最大24 h降水量序列在2000、2009和2013年发生突变。

c)年内暴雨分布极不均匀，最大1 h降水多发生在8月，最大24 h降水多发生在6月；暴雨集中程度高，同场次暴雨降水量主要集中在1 h内，最大1 h降水量平均占最大24 h降水量的47.2%，最大占比达到71.4%。

d)暴雨特性和特殊地理位置、城市化和全球气候异常变化、河道排洪能力不足以及防洪排涝基础设施建设相对滞后等是造成城市积水的主要因素。

建议有序实施河道水系整治，提高雨洪接纳能力；加强管网维护，新建雨污管网，减小部分管网压力。在目前玉溪市海绵城市试点成果经验基础上，全域开展海绵城市建设；制定科学合理的防洪排涝措施，以缓解和应对城市内涝的压力。建立科学的城市防洪排涝水文监测体系和预测预警平台[15]，形成统一的监测预警指挥系统和联动指挥平台。