太湖平原高度城镇化下降雨特征时空变化研究*

于志慧，刘鹏飞，何玉秀，许有鹏**,任晓东,朱立国,徐 兴

(1:南京大学，南京 210023) (2:江苏省水文水资源勘测局苏州分局，苏州 215011) (3:江苏省水文水资源勘测局无锡分局，无锡 214000)

降雨过程是水循环过程中的关键环节，其时空演变对区域社会经济发展以及环境安全防控具有重要的影响. 快速城镇化背景下短历时强降雨的频繁发生常常伴随城市洪涝灾害的发生，严重影响了区域的水安全环境[1-3]. 为此，探讨高度城镇化地区降雨雨型的时空演变特征可以为区域防洪排涝设计提供理论支撑[4-6].

暴雨雨型作为降雨特征中较为重要的参数特征[7-8]，是洪水过程必不可少的影响因素之一[9]. 在雨量一致的情况下，不同暴雨雨型所对应的洪水响应过程并不一致，对区域洪涝基础设施的规划影响也是不同的，因而针对暴雨雨型的研究必不可少[10]. 殷水清等研究发现我国降雨整体表现出短历时强降雨特征，且主要以前峰集中型降雨为主[11]. 黄国如等[12]针对珠三角地区暴雨雨型的研究发现城镇化高地区单峰型和前期型降雨发生频率明显增加. 朱秀迪等[13]研究发现北京市的暴雨雨型呈现出以午后型为主的特征. 传统模式下降雨雨型划分多集中于已有标准设计降雨类型，操作较为繁琐，使得其应用过程存在阻碍. 随着特征提取等算法的深入，阎晓冉等[14]基于聚类方法，引入峰型系数和峰现时间，模拟区域代表性无量纲洪水过程线类型，一定程度改善了传统降雨类型分类应用繁琐和可视化不强的问题，采用聚类分析方法能较好地对区域降雨特征曲线进行分类. Gao等[15]也在降雨模式分类优化的基础上，基于Coupla函数模拟了区域降雨时间格局，比较了不同雨型的特点.

城镇化在推动社会发展和经济进步的同时，其诱发的城市“热岛效应”、下垫面改变(包括城市冠层的变化)及气溶胶排放等也改变了降雨事件的强度、频率及其时空分布特征[16-20]. 太湖平原地区作为我国极端灾害事件多发地，地区极端降雨不断增加[21]，降水结构趋于复杂[22]，这与地区城镇化发展有着密切的关系[23-24]. 由于城镇化程度和地形等因素的差异，降雨对城镇化的响应存在较大区域差异. 以往研究多集中在极端降雨的时间变化关系，针对太湖平原地区单个降雨场次下降雨强度-类型的频次演变规律研究较少. 因此分析太湖平原地区降雨的时空分布特征，定量探讨各指标多年演变过程，评估城镇化对降雨影响的区域差异，将对快速城市化地区防洪减灾具有较大指导意义.

1 研究区概况

本文选择太湖流域腹部平原水网地区(武澄锡虞区和阳澄淀泖水利片区)作为研究区. 研究区地处湿润性亚热带季风气候，区域内多年平均降雨时间为122.4天，多年平均降雨量为1177 mm，降雨存在年内分配不均的特点. 城镇化使自然地表变成以不透水面为主要特征的城镇用地，其空间分布上表现出苏州、无锡、常州等几个重要城市的不透水面率较高(图1a). 随着城镇化的快速发展，区域内河湖水系衰减、不透水面大幅增加，从1980s不足5%增加到现在的近36%(图1b)，区域地表水文过程发生显著变化. 同时，受气候变化影响，区域极端降雨事件增多，致使区内洪涝灾害频发，严重影响了区域内正常生产生活以及区域社会经济发展. 因此，将该区域作为研究区具有一定的典型性和代表性.

图1 研究区概况(a)和不透水面率时间演变特征(b)Fig.1 Overview of study area (a) and temporal characteristics of impervious rate (b)

2 数据与方法

2.1 数据资料

本文主要收集了太湖平原地区13个典型雨量站1979-2016年逐日降雨数据(图1a). 选取了欧盟联合研究中心(EU/JRC)发布的时空分辨率分别为3 h和0.1°×0.1°的太湖流域MSWEP降水资料数据(1979-2016年)，数据获取自http://www.gloh2o.org/，该数据自发布以来一直受到国内外学者的关注，并先后在伊朗[25]、印度[26]、中国[27]和澳大利亚[28]等国家开展了精度评估，结果均表明MSWEP精度较高、监测能力较强，适用于绝大多数区域. 同时，经过区域13个典型站点对比检验，该数据与区域观测值的平均相关性系数为0.78，标准偏差为-0.18，对汛期降水量的平均低估程度低于20%，在研究区具有较强表征能力[29]，能够刻画其多种特征的降水要素. 1979-2016年逐年30 m分辨率不透水面数据集(global artificial impervious area, GAIA)[30]获取自http://data.ess.tsinghua.edu.cn.

2.2 研究方法

2.2.1 雨型特征分析 目前，对降雨事件的划分尚未有统一的标准. 有研究表明，场次降雨的间隔时间若小于60 min会对降雨的特征指标产生较大影响，不利于降雨特征参数的统计[31-32]，场次降雨的间隔时间设定于1～6 h能较好地回避对降雨特征参数的影响. 综合考虑研究区资料尺度以及降雨汇流历时，选取3 h作为场次降雨的最小间隔，并限定了场次累计降雨量大于3 mm为一次降水事件[10]，具体情况如图2所示.

图2 降雨场次划分示意图Fig.2 Diagram of rainfall event division

由于降雨过程具有随机性，为了便于描述降雨状态，本研究采取统一的降雨特征分析指标，识别并定量描述城镇化过程下降雨的演变特征，从降雨历时、强度、类型三方面揭示雨型演变的时空变化特征，具体指标的计算公式见表1.

表1 降雨特征分析指标

2.2.2 降雨类型划分及降雨特征趋势分析 为进一步探讨太湖平原地区降雨变化，按照降雨强度，将降雨过程分为4个等级：小雨(24 h降雨量小于10 mm)、中雨(24 h降雨量为[10,25) mm)、大雨(24 h降雨量为[25,50) mm)和暴雨(24 h降雨量大于等于50 mm)；按照降雨历时长短将降雨过程划分为短历时(<6 h)、中长历时([6,12) h)，长历时([12,24) h)和特长历时(≥24 h)；按照降雨量的集中程度，将降雨过程分为前期型((0, 1/3))、中期型([1/3, 2/3))、后期型([2/3, 1))；按照降雨量的峰值程度，将降雨过程分为低峰型((0, 1/3))、中峰型([1/3, 2/3))、高峰型([2/3, 1)).

M-K(Mann-Kendall)趋势检验法这种非参数检验方法由世界气象组织推荐，是由Mann[34]和Kendall[35]最早提出的. M-K趋势检验法的特点是不需要样本序列服从某一特定的分布规律，且分析结果不受少数异常特征值的干扰. 该方法已被广泛用于分析降雨-水位的趋势检验. 因此，本研究应用M-K趋势检验法分析降雨特征时间序列趋势.

2.2.3 城镇化对降雨雨型的影响分析 本文将不透水面率作为城镇化率的表征指标，利用GIS空间叠加方法，将30 m分辨率的不透水面数据集生成0.1°×0.1°空间分辨率的地表不透水面率，探讨空间尺度上每个格网内的不透水面率与其降雨历时、强度、集中程度和峰值程度等降雨类型的关系，从而定量揭示城镇化对降雨特征演变规律的影响.

3 结果与讨论

3.1 降雨雨强和历时及其频次变化特征

不同强度降水的发生频次不同，表现出小雨和中雨发生频次较高的特征. 小雨、中雨、大雨、暴雨年平均降雨频次分别为65.52、19.76、9.20和2.27次. 随着时间的变化，不同雨强的降雨频次均呈现上升的趋势，如图3a所示，雨强大的降雨表现出频次上升缓慢的特征，小雨、中雨、大雨和暴雨降雨频次上升的线性趋势线倾向率分别为0.312、0.104、0.042和0.024，其中小雨表现为显著上升趋势.

降雨历时表现出降雨历时长的降雨发生的频次低，短历时、中长历时、长历时和特长历时降雨的年平均降雨场次分别为32.32、31.03、24.76和8.65次. 如图3b所示，随着时间的变化，短历时降雨和中长历时降雨的降雨次数呈现上升的趋势，且短历时降雨上升的速率大于中长历时降雨上升的速率，分别为0.559和0.089，其中短历时降雨呈显著上升趋势，这可能与太湖腹部高度城镇化地区在1980s以来的快速城镇化存在密切联系，由于城市规模不断扩大，城市热岛效应促使城市大气层结变得不稳定，有利于产生热力对流，极容易形成对流云和对流性降雨[9]. 加之城市化工厂和家庭排放的大量粒状废气，可较长时间地扩散或停留在空气中，极易吸收水汽成为凝结核，从而起到增雨作用[36]. 而长历时降雨和特长历时降雨的降雨次数呈现下降的趋势，且特长历时降雨下降的速率小于长历时降雨下降的速率，分别为-0.051和-0.114.

图3 不同强度(a)、历时(b)降雨频次的变化趋势(图中*表示通过了95%的显著性检验，下同)Fig.3 Variation trend of rainfall frequency with different intensity (a) and duration (b)

3.2 降雨雨型及其频次变化特征

不同降雨类型的降雨所发生的频次表现为：中期型(38.96)>后期型(25.83)>前期型(1.95). 中期型降雨发生的次数呈下降趋势，下降速率为-0.112，前期型降雨和后期型降雨呈上升趋势，上升速率表现为后期型降雨大于前期型降雨，上升速率分别为0.032和0.004，可见降雨更加趋向于极端分布(图4a). 不同峰值特征降雨发生的次数表现出：高峰型(37.04)>中峰型(11.19)>低峰型(3.82). 峰值特征的变化趋势均通过了95%置信度检验，低峰降雨发生的次数呈显著上升趋势，上升速率为0.027(图4b). 高峰型降雨和中峰型降雨呈显著下降趋势，下降速率表现为高峰降雨大于中峰降雨，下降速率为-0.147和-0.022，降雨趋向于中低峰降雨. 而高峰型降雨占据了绝对主导优势，表明研究区在一定程度上易于遭受因降雨量过于集中而导致的洪涝灾害，相关部门应更加注重泄洪工作.

图4 不同集中程度(a)和峰值程度(b)降雨频次的变化趋势Fig.4 Variation trend of rainfall frequency with different rainfall concentration degree (a) and peak degree (b)

3.3 城镇化对降雨雨型变化特征的影响

3.3.1 城镇化对降雨强度和历时及其频次的影响 降雨历时与最大3 h降雨量的空间分布较为相似，整体呈现由西北向东南递减趋势(图5a,b). 城镇化对降雨历时和最大3 h降雨量的影响表现为正相关关系，增加速率分别为0.287和0.394(图5c)，其中最大3 h量降雨的响应趋势表现为显著上升趋势. 这是由于随着城镇化水平的提高，不透水面取代原有植被区域，导致地表粗糙度增加，减缓水平风速，改变气团运动路径，产生城市绕流、强化气流辐合，促进对流运动[37]，从而导致高城镇化水平地区短历时降雨强度增大.

图5 降雨历时(a)和最大3 h降雨(b)的空间分布及其对城镇化(不透水面率)的响应(c)Fig.5 Spatial distribution of rainfall duration (a) and maximum 3 h rainfall (b) and its response to urbanization (c)

从不同强度降雨频次的空间分布(图6a)来看，小雨的空间差异较为显著，整体呈现由西北向东南递增的趋势，而其它雨强降雨事件的空间差异则不明显. 小雨和中雨所发生的频次表现出城镇化高的地区发生的频次低于城镇化低的地区，且呈现显著下降趋势，其中小雨和中雨响应程度分别为-4.511和-2.179(图6b). 大雨和暴雨所发生的频次表现出城镇化高地区发生的频次高于城镇化低的地区，响应程度表现为大雨响应程度大于暴雨响应程度，响应关系分别为0.538和0.474，其中暴雨的响应程度呈显著上升趋势(图6b). 丁凯熙等[38]在北京地区的研究结果也较为相似，即城区相较郊区降雨量更大，且大雨及以上等级的降雨事件更易发生. 短历时和中长历时降雨的空间分布较为相似，整体呈现由西北向东南递增的趋势(图6c). 同时短历时、中长历时和特长历时降雨对城镇化呈现负响应关系，其中短历时和中长历时的响应程度较为显著，响应关系分别为-4.408和-1.783(图6d). 长历时降雨对城镇化呈现正响应关系，响应关系为0.619.

图6 降雨强度(a)、降雨历时(c)频次的空间分布及其对城镇化(不透水面率)的响应(b,d)Fig.6 Spatial distribution of rainfall intensity (a) and duration frequency (c) and its response to urbanization (b,d)

3.3.2 城镇化对雨型及其频次的影响 如图7a和7b所示，降雨集中程度的空间分布整体呈现由西北向东南递增的趋势，而降雨峰值程度的分布与之相反. 从数值来看，研究区降雨集中程度为0.72～0.81，主要表现为后期型降雨；降雨峰值程度为0.38～0.59，整体呈现出中峰型降雨的情况. 降雨集中程度对不透水面率的响应呈显著下降趋势，响应关系为-0.11，表现为高城镇化水平地区低于低城镇化水平地区，常州、无锡、苏州等城区的降雨集中程度低于周围郊区，即降雨更趋向于前期型，该类型降雨雨量集中、雨峰靠前，致使城区发生暴雨内涝事件的可能性增加；降雨峰值程度对不透水面率的响应关系为0.029，呈显著上升趋势，表现为高城镇化水平地区高于低城镇化水平地区，高值区主要集中于常州、无锡等城区，即降雨更趋向于高峰型(图7c).

图7 降雨集中程度(a)和降雨峰值程度(b)的空间分布及其对城镇化(不透水面率)的响应(c)Fig.7 Spatial distribution of rainfall concentration degree (a) and rainfall peak degree (b) and its response to urbanization (c)

不同类型降雨所发生的频次空间分布如图8所示. 前期型和后期型降雨所发生的频次表现为高城镇化水平的地区高于低城镇化水平的地区，响应程度分别为0.346和0.111，表现为后期型降雨大于前期型降雨(图9a)；中期型降雨表现出高城镇化水平地区发生的频次低于低城镇化水平的地区，响应关系为-1.505. 结合前述分析可知，高城镇化水平地区相较低城镇化水平地区的降雨更倾向于前期型降雨，且更易发生前期和后期型降雨. 如图8和图9b所示，高峰降雨在城镇化高的地区发生的频次高于城镇化低的地区，且响应关系为2.364；低峰和中峰降雨表现出城镇化高地区发生的频次低于城镇化低的地区，且中峰降雨呈现显著下降趋势，响应关系为-2.312. 由此可知，城镇化对高峰型等极端降雨类型的加持作用进一步加剧城市地区的洪涝风险.

图8 降雨集中程度和降雨峰值程度频次空间分布Fig.8 Spatial distribution of rainfall concentration degree and peak degree frequency

图9 城镇化(不透水面率)对降雨集中程度(a)和峰值程度(b)频次的影响Fig.9 Influence of urbanization on rainfall concentration degree (a) and rainfall peak degree (b) frequency

由上述结果可以看出，城镇化对前期、后期型和高峰型等极端降雨的影响呈现不同程度的驱动作用. 主要是由于在城镇化进程中，大量不透水面(道路、房屋、广场等)取代了自然表面(农田、植被、水域等)，导致城镇下垫面的热量传输发生变化，同时城市热岛效应促进对流，增强了大气的不稳定度，进而对局地极端降雨产生影响. 长三角和珠三角的相关研究结论也与本研究成果较为吻合[12,23]. 前期研究也表明太湖平原地区不同程度的城镇化均对极端降水强度产生一定正向促进作用，城市站和城郊站城镇化对极端降水的贡献率分别达40%和30%左右[39]. 高度城镇化地区相比其他地区，其降雨量变得更加集中，极端降雨事件增多，降雨强度增大，发生洪涝事件的风险增加.

因此，太湖平原水网地区的城市防洪减灾应注重以下问题：1)城市化进程中应努力保持现状水系，并注重优化骨干河网结构，从而增强城市的洪涝蓄滞与消纳能力；2)增加城市的“绿色”建筑设计，即在降水的截留收集、调蓄排水等功能方面进行绿色屋顶、地下储水设施等方面的全新设计改造，降低原有建筑物地带的径流系数，缓解洪涝压力；3)统筹城市圩垸防洪工程的建设与调度，在优化现有城市、区域防洪除涝工程调度方式的基础上，尽快实施区域性河流整治工程的建设.

4 结论与展望

针对城镇化背景下降雨特征变化及其引发的洪涝灾害日益突出等问题. 本研究基于短历时长序列降雨资料，探讨了太湖平原地区降雨雨型组合结构的变化特征，并探寻了城镇化对暴雨雨型时空变化的影响. 主要结论如下：

1)太湖平原地区降雨强度小、降雨历时短的降雨发生的频次较高. 不同雨强的降雨频次均呈现上升趋势；短历时和中长历时的降雨次数也呈现上升的趋势，且短历时上升的速率更大.

2)对于不同降雨雨型事件，中期型降雨发生的次数较多，但整体呈下降趋势，前期和后期型降雨呈上升趋势；高峰型降雨发生的次数较多，中峰型降雨呈下降趋势. 太湖平原地区降雨雨型更加趋向于极端分布.

3)从城镇化对降雨雨型的影响来看，城镇化高的地区相较城镇化低的地区降雨量更大，更易发生具有量级大、前期型、后期型和高峰型等特征的极端降雨事件，进一步加剧了城市地区的洪涝风险.

本文基于MSWEP降雨资料对城镇化与降雨关系进行了分析和探讨，对快速城市化地区防洪减灾具有较大的指导意义. 然而考虑到数据资料的局限性，本研究尚未对短历时(3 h内)暴雨的变化过程以及不同季节降雨事件的变化特征展开分析和讨论，后续研究将搜集具有更高时间分辨率(5 min或10 min)的降雨资料开展进一步分析. 同时，本研究主要针对的是城镇化发展水平较快的平原地区，但由于降雨过程的复杂性以及地形等下垫面特征异质性的影响，研究结论也存在一定局限性，对于更大空间尺度及不同下垫面特征区域的研究还有待进一步探索.