1958—2023年广东省年降水量及其年内分配演变特性研究

摘 要：降水量及其年内分配特征是引发区域洪涝灾害的关键因素，明确降水集中度时空变化规律可为区域防洪规划和水资源管理提供理论依据。为探析广东省年降水量及其年内分配演变特性，利用1958—2023年广东省国家气象站的逐日降水数据，根据逐年降水集中度（Annual Concentration Index，ACI）公式对广东省降水集中分布特征定量表征，并综合采用Mann-Kendall趋势检验法、Sen's slope趋势分析、反距离权重和克里金插值法对广东省年降水量和降水集中度指数的时空演变特征进行研究。结果表明：广东省年降水量的空间分异特征具有显著地域性，呈现“北少南多、东西少中部多”的格局；广东省ACI空间分布呈现“粤北低、沿海高”的分布格局，在空间上自西南向东北逐渐减小；总体上，广东省年降水量呈现不显著增加趋势，降水集中度呈现降低趋势；大尺度地形、城市化进程等是影响区域降水的关键因素，环境要素和人类活动相互作用对年降水量和ACI分布格局形成具有显著影响。

关键词：降水量；降水集中度；时空变化；广东省

中图分类号：TV21 文献标识码：A 文章编号：1001-9235（2024）09-0001-10

IPCC 第六次评估报告指出，随着全球气候变暖，全球极端天气与极端气候事件发生频率持续增强，全球尺度的降水结构发生了显著变化［1］，对区域水安全和经济社会可持续发展产生深远影响。根据Clausiu-Clapeyron方程，温度每升高1 ℃，极端降水事件增加约7%［2］，在全球变暖的既定背景下，大气可携带的最大水汽含量不断增加，降水强度、总量和时空格局特征也随之发生显著改变［3］。

如何定量揭示区域降水年内分配特征，众多学者目前构建不同指标对降水的非均匀性予以表征［4-5］。其中，降水集中度指数因计算尺度灵活，适用性强而得到广泛应用。Martin ［6］将降水视为离散过程，构建指数模型来表征降水集中分布特征，并将该指标定义为降水集中度（PrecipitationConcentration Index，PCD）。相较于传统的降水频率、强度以及降水历史等指标，降水集中度可以直观分析区域降水极值情况并对降水变化进行综合评价，且计算过程较为简便，该方法被广泛用于区域年内多尺度降水不均匀性和集中程度， 以及年际变化规律等研究中。比如全国尺度上，Fu等 ［7］根据1958—2019年中国气象站逐日降水数据，计算出不同时间尺度下降水集中度指数，进而揭示出中国降水年内分配过程的时空演变规律。区域尺度上，贾路等［8］综合采用Mann-Kendall趋势检验方法、突变点检验方法、小波方法和冷热点分析等多种方法，对中国西北地区降水集中度的演变特征、周期特征、空间聚集特征和影响因素分别加以诠释。流域尺度上，郑炎辉等［9］通过珠江流域长时间序列日尺度降水资料，定义长期降水集中度（Long-termPrecipitation Concentration Index，LCI）和逐年降水集中度（ACI）指标，通过随机森林模型探究珠江流域的析降水集中度的时空分布规律和驱动因素。

广东省位于东亚大陆亚热带季风气候区，境内地形复杂，受到沿海暖湿气流影响，降水极为丰富，气候变化带来的极端降水天气时有发生，极端降水事件的频发对广东省社会经济发展产生明显影响，因而众多学者综合采用不同方法探究其降水变化特征［10-11］。上述研究可有效了解广东省降水总量在时空场的变化特征，但是对于与干旱、洪涝灾害等紧密联系的降水集中程度指数的时空演变研究尚少，尤其缺乏对降水集中度驱动要素识别的研究。鉴于此，本文采用广东省内国家气象站的日尺度降水数据，通过计算降水集中度指标揭示广东省降水量及年内分配演变特性，并初步分析大尺度地形对两者的影响，以期进一步深化广东省降水分布格局的认知，为区域防洪防涝工作提供科技支撑。

1 研究区域和数据资料

1. 1 研究区域

广东省处于中国大陆最南端，北依南岭，南临南海，全省地貌类型复杂多样，地势从粤北山地逐步向南部沿海递降，形成北部以山地丘陵为主、南部以平原台地为主的地貌格局，见图1。

广东省属南亚热带和热带季风气候区，降水丰富，日照充足，多年平均气温为21. 6 ℃，夏季长而冬季短。受地形和气候影响，广东省暴雨频繁，洪涝和灾害时常发生，具有降水多、强度大、年内分配不均的特点。年均降水量达1 771 mm，汛期（4—9月）雨量占全年雨量的79%［12］，沿海地区台风暴潮汹涌，强降水中心地带频繁遭受暴雨洪水灾害，迎风山麓河流雨季期间呈现暴涨暴落，流域性暴雨往往导致平原地区大江大河洪水滔滔。改革开放以来广东省城市化进程迅速提升，土地利用结构发生显著改变，珠江三角洲地带发展成超大密集城市群，加之全年高温、降水丰富，易受各种热带天气系统影响，持续性降水和极端降水频发［13］。

1. 2 数据资料

本文收集了广东省范围内以及周边43个气象站点1958—2023年的逐日降水数据，气象数据来自中国气象数据网（http：//data. cma. cn/）“中国国家级地面气象站基本气象要素日值数据集（V3. 0）”，该数据集囊括了中国基准、基本气象站长时间气温、降水量、蒸发量、相对湿度、风向风速、日照时数和0cm地温要素的日值数据。数据经过质量控制后，各要素数据的质量和完整性相对于以往发布的地面同类数据产品明显提高，各要素项数据的实有率普遍在99%以上，数据的正确率均接近100%。

本研究利用其中广东省内部及周边43个国家气象站日尺度降水数据，同时进行相应的预处理，主要是剔除年缺测占比大于10%的站点，按照中国气象局标准，将降水量小于0. 1 mm/d 的视为未降雨，且赋值为0。本文所使用气象站名称与时间序列长度见表1。

2 研究方法

2. 1 降水集中度

降水集中度可以有效对降水非均匀性予以表征，Martin 提出了降水集中度指数（ConcentrationIndex， CI）来确定不同日降水等级对总降水量的相对影响，根据该研究CI计算步骤如下：①降水值以0到最大值以1 mm的间隔进行分类；②计算每一类降水范围的天数；③计算得到累积降水天数和降水量，由CI的定义可知，y 和x 呈指数分布，可用指数公式进行拟合，该曲线也被称为洛伦兹曲线［6］，见式（1）：

y = ax exp（bx） （1）

式中：参数a 和b 为由最小二乘法计算求出的系数，计算方法见式（2）、（3）：

式中：n 为样本容量；xi、yi分别为任何一组累积降水天数和累积降水量x、y 的值。

求得a 和b 之后，洛伦兹曲线下所围成的面积S可由下列积分得到：

最后降水集中度值可用式（5）可得：

CI = 2S/10000 （5）

CI是用来衡量年内逐日降水的时间变化程度，可以正确反映一定时期降水集中的属性。CI范围为0～1，其值越大则表明降水分布越集中，其值越小表明降水分布越分散。

2. 2 Mann-Kendall 趋势检测和Sen's slope 趋势分析

Mann-Kendall 趋势检验法（以下简称MK 检验）［14-15］是分析水文气象要素在时间上变化特点常用的检验方法，已被众多研究用于揭示降雨、径流、气温等水文气象要素时间序列变化特征。该方法是一种无需假设数据分布的非参数检验方法，它可以有效地减少异常值对分析结果的影响。计算过程如下，首先构造秩序列S：

式中：xj为时间序列第j 个数据值；n 为数据样本的长度；sgn为符号函数，计算见式（7）：

式中：Var（S ） = n （n + 1）（2n + 5）/18；n 为序列长度。

当MK检验的Z 统计量为正时，反映出该时间序列呈现上升趋势，反之亦然。当|Z|>Z1-α/2 则表明时间序列在置信水平α 上存在显著变化趋势。

Sen's slope［16］趋势分析常作为Mann-Kendall非参数趋势分析的补充，与Mann-Kendall趋势检验共同使用，用趋势度β 表示趋势变化。

式中：xj为时间序列第j 个数据值；当β>0时，时间序列呈上升趋势，反之亦然。

2. 3 空间插值法

为更好地揭示出广东省年降水量和降水集中度的空间分布特征，本文利用空间插值法将离散的国家气象站点数据转化为连续的栅格资料。目前，空间插值方法主要分为2种，一种是确定性方法，如反距离权重插值法（Inverse Distance WeightInterpolation，IDW）；另一种为地址统计学方法，以克里金插值法（Kriging Interpolation，KR）为代表。基于此，本文以上述2种作为常见的空间插值法联合使用以探究广东省年降水量和降水集中度的空间分布特征，以确保空间插值结果的稳健性。

IDW 将插值网格点与各站点之间的距离作为权重，距离越近的站点计算时所占的权重越大，最后进行加权平均得到插值网格点的值［17］。克里金插值法以数据的相关性和变异性为基础，通过半方差函数计算区域内未知格点的值，得到无偏、最优化的结果［18］。

3 结果和讨论

3. 1 洛伦兹曲线验证

为了检验洛伦兹曲线能否代表实际降水集中度的分布，鉴于篇幅，这里仅以广州站1958年实测日降水数据为例，采用洛伦兹曲线拟合的实测降水天数百分比和降水量百分比分布，见图2。可以看出，该曲线拟合后决定系数R2高达0. 993 97，表明拟合结果很好，该结果反映出降水集中度指数可以作为揭示降水时空集中分布的一个有效指标。对照降水集中度计算公式结合图2可以看出，降水集中度指数为洛伦兹曲线和象限平分线所围的面积S 以及等值线所围的下三角面积之间的比值，可以正确定量揭示特定时期降水集中的特征。部分站点1958—2023年的洛伦兹曲线拟合结果决定系数见表2，可以看出各个站点洛伦兹曲线拟合结果都很好，累积降水量百分比与累积降水百分比之间幂函数关系均通过了显著性检验（p<0. 001），决定系数均高于0. 966。

3. 2 年降水量和ACI空间分布特征

基于广东省43个气象站逐日降水数据，汇总计算得出1958—2023年广东省逐年年降水总量，进而采用反距离权重插值法可以得出广东省1958—2023年年降水量空间分布（图3）。总体上，珠三角地区、粤东、粤西沿海平原地区、以及中部清远丘陵区的年降水量最高，年降水量均超过了1 700 mm。粤西阳江山区、中部清远丘陵区以及粤东汕尾山区，该区域为广东省降水最为丰沛的区域，年降水量均超过2 000 mm。广东省中部清远丘陵到粤北山区的交接带及其延伸到粤东、粤西山区的两侧降水量次之，该区域占全省面积约20%，年均降水量均超过了1 800 mm。除雷州半岛地区，年降水量第三梯度区为粤东、粤西以及粤北山区等区域，该区域多年平均降水量均低于1 700 mm。广东省年降水量分布最小的区域为罗定盆地、粤东兴梅盆地以及雷州半岛的最南端，该区域广泛分布于广东省四周，年降水量均低于1 600 mm。

同样地，广东省各站点的ACI采用反距离权重和克里金插值法得出1958—2023年ACI空间分布（图4），对比不同空间插值法下ACI空间分布规律。广东省降水量的年内分布不均，全省不同区域的地形、地貌条件空间异质性很大，导致广东省ACI空间分布呈现“粤北低、沿海高”的分布格局，在空间上自西南向东北逐渐减小。①ACI分布最高的区域为位于广东省最南端的雷州半岛，该区域隔琼州海峡与海南岛相望，地势平坦，海拔均在1 000 m以下，地表河流短小，虽位于热带季风气候带，已有研究表明雷州半岛雨季前期受限于大陆性干冷气团，降水稀少，雨季前期易出现旱情；雨季后期其降水形式主要为台风降水，台风路径及频次对该地区降水量影响很大，致使汛期后期降水量稀少［19］，洪涝、干旱在时空场的不断循环往复致使该区域多年降水比较集中。②ACI其次较高的区域为粤西粤东沿海平原地区。广东省沿海区域降水主要依赖于海洋的暖湿气流，粤西粤东沿海平原地区常年受到东亚夏季风、 南亚夏季风以及南中国海夏季风的影响，水汽运动和不同尺度的地形相互耦合促使该区域呈现较高的ACI。③而在粤北韶关、河源东北侧以及梅州西北侧等区域位于内陆，远离海洋，为中亚热带气候，ACI 相对较小，说明其多年降水比较分散，降水年内分配趋于均匀，降水极值发生的概率较小。④广东省珠江三角洲平原地区ACI均高于0. 68，该区域处于高度城市化进程中，已有研究表明地区的城市化对降水年内分布的不均匀性起到增强的作用［20］。这是因为在城市化进程中，下垫面的急速变化导致局地环流条件和热量条件发生显著改变［21］，因而高度城市化的区域降水年内分布也较为集中，发生城市极端降水的概率较高。孙晓岩［22］利用耦合多层城市冠层模型的WRF模式进行半理想化的、对流可分辨（3 km）的集合模拟，并采用因子分离分析方法诠释了珠江三角洲地区热动力效应及其周边海陆分界、山地等复杂下垫面对此类局地强降水过程的单独和协同影响。研究结果表明，地形和城市相互作用的效应会增加城市群地区降雨分布的不均匀性，一定程度上可解释广东省年降水量和ACI分布格局形成机制。城市群的热岛效应（Urban Heat Island Intensity，UHI）对地表温度、边界层发展和相关对流过程的影响因广东省山脉的存在而加强。增强的对流上升气流在潮湿环境中释放更多的潜热，进而加剧低层的暖湿空气的辐合，从而增加广东省年降水量和降水年内分配的不均匀性。

3. 3 年降水量和ACI时空演变趋势

基于广东省内外43个气象站点1958—2023年的日降水量数据进行汇总计算，可获得广东省该时段年降水总量，进而逐年通过泰森多边形求得降水均值，计算结果绘制成折线图，见图5，并采用线性回归对年降水量变化趋势予以表征。同样地，绘制广东省1958—2023年ACI变化趋势折线图。可以看出，广东省1958—2023 年降水量均值为1 770mm，降水量最大值为2 294 mm（2016年），最小值则仅有1 128 mm（1963年）。广东省年降水量存在明显的震荡过程，年代交替上升与下降变化与众多学者研究相互印证［23］。总体上，广东省年降水量呈现不显著增加趋势。随着城市化不断进程，城市地面粗糙度逐年递增，同时碳排放增加导致温室效应以及城市雨岛效应愈发剧烈，这是促进广东省降水增加的主要驱动要素之一［24］。

同样地，图5中，广东省1958—2023年的ACI呈现明显的下降趋势，ACI值为0. 656～0. 724，总体呈现较高值，这表明广东省降水年内分配比较不均。

进一步，采用Mann-Kendall 趋势检验法和Sen检验分析广东省1958—2023年43个站点降水集中度指数（ACI）和年降水量的变化趋势，鉴于数据的完整性，本文仅分析1958—2023年具备完整相同时间序列的气象站点。广东省1958—2023年降水量和ACI部分站点MK趋势检验和Sen's slope结果见表3，同时各站点MK变化趋势占比绘于图6。可以看出，广东省内43个站点降雨量和ACI呈现显著的空间异质性特征。ACI尽管较少站点通过了显著性检验，但是48. 84% 的站点呈现不显著下降趋势。而年降水量与ACI恰好相反，65. 12%的站点呈现不显著上升区域。结果表明，广东省1958—2023 年ACI 呈现下降趋势，但是年降水量却呈现增加趋势。

从上述分析可以看出，广东省降水总体呈现增加的趋势，这表明该区域降水强度愈发增大，而ACI作为降水集中分布特征却呈现下降趋势，总体来看广东省降水趋于分散。已有研究证实［25］，华南地区不同量级降水持续1 d 的降水过程均呈现减少态势，但是持续多日降水的降水过程均在增加，总体上华南持续性和持续性强/极端降水均趋于增加趋势。综合本文研究可知广东省持续性降水不断增加，广东省年降水量也随之增大，广东省上空剧烈的持续水汽通量辐合为该区域持续性降水提供了良好的热力和水汽条件［26］，加之海气界面热通量交换尤其是潜热通量影响水汽形成与输送［27］，均有可能对广东省持续性降水产生显著影响，持续性降水增加的过程体现为降水历时增长，一定程度上致使广东省降水趋于分散，因此广东省ACI总体呈现下降趋势。

3. 4 广东省年降水量及ACI影响因素分析

地形对水汽以及大气环流具有重要的影响，地形可通过热力和动力效应改变大气环流的运动轨迹以及热力状态，水汽与不同尺度的地形相互作用形成了广东降水以及年内分配的分布格局。基于此，本文聚焦于区域大尺度地形、城市化进程等视角，初步探讨广东省年降水量以及ACI分布格局形成原因。由图3、4可知，广东省年降水量和ACI区域分布呈现显著的空间异质性，与广东省大尺度地形具有一定吻合，鉴于此，将各气象站年降水、ACI分别与其高程绘制散点图并计算之间相关系数，进而探究他们之间统计特征的因果关系（图7）。

可以看出，广东省各站点高程与年降水量呈现负相关关系，并通过了显著性检验（p<0. 05），进一步细分发现该散点图可沿y=x 斜线分为2部分，在散点图左上部分，气象站的平均高程较低，主要为沿海平原地区、中部清远丘陵区和珠三角平原区域，该区域年降水与高程相关关系并不显著。结果表明该区域水汽聚集但呈紊乱分布，受地形抬升的影响，在迎风坡形成降水中心。而分布在图7右下角区域主要为粤东、粤西山区及雷州半岛，该区域高程和年降水量呈现对数关系，与已有研究大气压和空气密度随高度呈对数线性变化相互印证［28］。而在珠江三角洲城市群区域，已有研究结果表明［22］，广东省北部地形的存在通过增大海陆热力对比、平原-山脉环流等效应增大了边界层偏南风的风速，加之海风的影响，显著增强了城市边界层过程和与之相关的对流发展，从而增加了城市群地区的降雨强度和降雨空间分布的不均匀性，最终在城市群内几个中心位置产生极端降水。紧邻城市群边界的低矮地形不是影响极端降水的决定性因素，但可以一定程度上微调降水的时空分布。城市化处于一个逐渐积累和不断发展的动态变化过程，城市群落的动态更新、内部建筑密度变化、城市绿化的不均匀分布往往会导致城市热力状态的非均匀性［22］，相较于一般下垫面，城市下垫面地表温度以及地表通量呈现较高值，城市下垫面可以增加底层的辐合，进而增加大气不稳定性，促进对流和降水的发生［25］，微小尺度的局地环流效应也会对区域降水产生显著影响，所以进一步研究细化人类活动对区域降水格局形成的影响机制，可为城市发展规划的实施提供理论基础。

图7中，广东省ACI和高程呈现显著的负相关关系，相关系数为-0. 56，并通过了显著性检验（p＜0. 01）。表明海拔较低的平原区域，ACI 呈现较高值，该区域降水比较集中，极端降水发生的概率较高。广东省内平原区域是人口和经济集中区域，城市化程度较高，经过前期与大尺度地形地面摩擦作用的影响下，水汽输送动力被不断削减，被削弱的水汽有可能会使降水系统滞留于该区域且雨量增多，因此有可能导致该区域ACI值较高。而沿海地区地形较低，地形对于台风的削弱作用有限，水汽运动和不同尺度的地形相互耦合促使该区域呈现较高的ACI分布。粤北地区ACI较低，远离海洋，地形较高，加之城市化水平较低，导致该区域降水相对分散。前人研究均表明区域ACI的分布受地形的影响较大，比如Zheng等［29］同样珠江流域发现降水集中度与高程具有负相关关系，相关系数达到0. 9。袁瑞强等［30］利用山西14个站点1957—2014年逐日降水资料发现较高的高程和较大的变幅可增强高程对CI值的影响。综上所述，通过对比年降水以及ACI和高程的相关关系，得出广东省年降水量以及ACI与高程存在一定的相关关系，证明了大尺度地形通过影响水汽的运动，与其相互作用促进了广东省降水和ACI分布格局形成。同时，广东省沿海地区季风盛行，该区域不仅受东亚夏季风影响外，南中国南海夏季季风对ACI也会产生显著影响［29］，进而导致该区域降水和对流频繁，降水不均匀程度较高。已有研究发现，在珠江流域EASMI即东亚季风对该流域极端降水最为显著［9］。在华南地区，刘永林等［31］和李慧［25］分别采用降水集中度（PCD）、集中期（Periond of Concentrated Precipitation，PCP）和降水集中度Q 指数对广东省降水非均匀性予以表征，研究发现广东沿海降水更为集中，粤北降水趋于分散。基于上述集中指数的计算方法，均可以反映出区域降水集中分布程度，然而各指数之间的分布及趋势存在一定差异，后续需构建多指标集合评估广东省降水非均匀性特征，以期深入了解不同环境要素以及人类活动等对极端降水发展的动力学和热力学机制的协同影响。

人类活动对气候变化已经愈发剧烈，对降水量以及降水集中度亦会产生显著影响，近几年极端降水事件频繁发生，充分深入对于极端降水事件的形成机制和驱动要素的认知，可以显著提升极端降水事件的预警精度，进而针对未来可能发生的洪水风险，以科学化、智能化调控技术和手段减少洪涝灾害损失。

4 结论

随着气候变化以及人类活动的影响，极端气候事件和重大自然灾害频发，尤其是降水的非均匀性发生了显著变化。降水量的时空分配不均匀对旱涝灾害、土壤侵蚀以及水资源综合利用等各个方面均有重要影响。基于该背景，本文结论如下。

a）广东省年降水量的空间分异特征具有显著地域性，呈现“北少南多、东西少中部多”的格局。

b）降水集中度指数可以有效地对广东省降水集中分布特征予以表征，广东省ACI空间分布呈现“粤北低、沿海高”的分布格局，在空间上自西南向东北逐渐减小。

c）总体上，广东省年降水量呈现不显著增加趋势，降水集中度呈现降低趋势。

d）大尺度地形、城市化进程是影响区域降水的关键因素，环境要素和人类活动相互作用对年降水量和ACI分布格局形成具有显著影响。

参考文献：

［1］ LI H， ZHAI P M， LU E， et al. Changes in Temporal Concentration Property of Summer Precipitation in China during 1961 – 2010Based on a New Index［J］. Journal of Meteorological Research，2017，31（2）：336-349.

［2］ HOWARTH M E， THORNCROFT C D， BOSART L F. Changes in Extreme Precipitation in the Northeast United States： 1979-2014［J］. Journal of Hydrometeorology，2019，20（4）：673-689.

［3］ LEE W C， PARK J M， YOO G D. Quantitative Determination Procedures for Regional Extreme Drought Conditions： Application to Historical Drought Events in South Korea［J］. Atmosphere，2020，11（6）. DOI：10. 3390/atmos 11060581.

［4］ 张录军， 钱永甫. 长江流域汛期降水集中程度和洪涝关系研究［J］. 地球物理学报，2004（4）：622-630.

［5］ HAQUE A M M， MEHEDI M A， HO D I. PrecipitationConcentration in Bangladesh over Different Temporal Periods［J］.Advances in Meteorology，2018（3）. DOI：10. 1155/2018/1849050.

［6］ MARTIN V J. Spatial distribution of a daily precipitationconcentration index in peninsular Spain［J］. International Journalof Climatology，2004，24（8）：959-971.

［7］ FU S J， ZHANG H L， ZHONG Q， et al. Spatiotemporalvariations of precipitation concentration influenced by large-scaleclimatic factors and potential links to flood-drought events acrossChina 1958–2019［J］. Atmospheric Research，2023，282. DOI：10. 1016/j. atmosres. 2022. 106507.

［8］ 贾路， 于坤霞， 邓铭江， 等. 西北地区降雨集中度时空演变及其影响因素［J］. 农业工程学报，2021，37（16）：80-89.

［9］ 郑炎辉， 陈晓宏， 何艳虎， 等. 珠江流域降水集中度时空变化特征及成因分析［J］. 水文，2016，36（5）：22-28.

［10］ SU J S， ZHAO Y J， BAI Y F. Asymmetric responses of leaf litterdecomposition to precipitation changes in global terrestrialecosystem［J］. Journal of Cleaner Production，2023，387. DOI：10.1016/j. jclepro. 2023. 135898.

［11］ GU G J， ADLER R F. Observed variability and trends inglobal precipitation during 1979-2020［J］. Climate Dynamics，2022，61（1/2）：131-150.

［12］ 江源天， 王文婷， 谢云， 等. 基于IMERG反演降水数据估算广东省降雨侵蚀力［J］. 农业工程学报，2023，39（24）：153-164.

［13］ 邓攀攀， 秦蓓蕾， 都利亚. 广东省1960—2018年间降雨侵蚀力时空变化特征分析［J］. 人民珠江，2022，43（12）：61-66.

［14］ MANN H B. Non-Parametric Test Against Trend ［J］.Econometrica，1945，13（3）：245-259.

［15］ KENDALL M G. Rank correlation methods［J］. British Journal ofPsychology，1990，25（1）：86-91.

［16］ SEN K P. Estimates of the Regression Coefficient Based onKendall's Tau［J］. Journal of the American Statistical Association，2012，63：1379-1389.

［17］ 李海涛， 邵泽东. 空间插值分析算法综述［J］. 计算机系统应用，2019，28（7）：1-8.

［18］ 于洋， 卫伟， 陈利顶， 等. 黄土高原年均降水量空间插值及其方法比较［J］. 应用生态学报，2015，26（4）：999-1006.

［19］ 叶芝林， 周买春. 广东省年降水量分布及大尺度地形对其影响［J］.中山大学学报（自然科学版）（中英文），2023，62（4）：45-53.

［20］ 张建云， 宋晓猛， 王国庆， 等. 变化环境下城市水文学的发展与挑战：I. 城市水文效应［J］. 水科学进展，2014，25（4）：594-605.

［21］ CHAN K T F， CHAN J C L， WONG W K. Rainfall asymmetriesof landfalling tropical cyclones along the South China coast［J］.Meteorological Applications，2019，26（2）：213-220.

［22］ 孙晓岩. 城市化对珠江三角洲地区强降水的影响研究［D］. 南京：南京信息工程大学，2023.

［23］ 徐承毅. 广东省近60年降水量时空变化趋势及突变分析［J］.人民珠江，2023，44（11）：21-30.

［24］ 蒋鹏， 王大刚， 陈晓宏. 广东省近50年极端降水事件的时空特征及成因分析［J］. 水文，2015，35（2）：77-84，7.

［25］ 李慧. 华南地区夏季持续性降水事件发生背景与机理［D］. 南京：南京信息工程大学，2017.

［26］ DENG Z F， WANG Z L， WU X S， et al. Effect difference ofclimate change and urbanization on extreme precipitation over theGuangdong-Hong Kong-Macao Greater Bay Area ［J］.Atmospheric Research，2023，282. DOI：10. 1016/j. atmosres.2022. 106514.

［27］ WEI H H， YU T N， TU J S， et al. Detection and Evaluation ofFlood Inundation Using CYGNSS Data during ExtremePrecipitation in 2022 in Guangdong Province， China［J］. RemoteSensing，2023，15（2）. DOI：10. 3390/rs15020297.

［28］ 孔锋， 王一飞， 方建， 等. 中国夏季极端降水空间格局及其对城市化的响应（1961～2010）［J］. 长江流域资源与环境，2018，27（5）：996-1010.

［29］ ZHENG Y H， HE Y H， CHEN X H. Spatiotemporal pattern ofprecipitation concentration and its possible causes in the PearlRiver basin， China［J］. Journal of Cleaner Production，2017，161（10）：1020-1031.

［30］ 袁瑞强， 王亚楠， 王鹏， 等. 降水集中度的变化特征及影响因素分析：以山西为例［J］. 气候变化研究进展，2018，14（1）：11-20.

［31］ 刘永林， 延军平， 岑敏仪. 广东省降水非均匀性与气候变化的响应关系［J］. 中山大学学报（自然科学版），2015，54（5）：138-146.

（责任编辑：李泽华）

基金项目：广东省水利科技创新项目（2020-21）