莊琦 劉曙光 周正正

摘要：提升城市暴雨內(nèi)澇防治精細(xì)化水平是解決城市洪澇問題的關(guān)鍵。采用16種不同時(shí)空分辨率的降雨產(chǎn)品，利用暴雨時(shí)空異質(zhì)性評(píng)估指標(biāo)和隨機(jī)暴雨移置法，在上海地區(qū)定量評(píng)估降雨數(shù)據(jù)精度對(duì)暴雨事件時(shí)空變異性診斷和頻率分析的影響。研究發(fā)現(xiàn)利用低精度降雨數(shù)據(jù)得到的年最大暴雨序列發(fā)生時(shí)間延遲、降水量低估，暴雨過程不均勻性提升、空間不均勻性降低;在不同重現(xiàn)期下，降雨數(shù)據(jù)精度對(duì)頻率分析結(jié)果影響有顯著差異，重現(xiàn)期越大，低精度數(shù)據(jù)帶來的低估程度越大;時(shí)間精度的影響占主導(dǎo)地位，可達(dá)空間精度的5倍。在城市暴雨洪澇研究中有必要采用更高精度的降雨數(shù)據(jù)，建議與研究區(qū)域類似的小型城市地區(qū)在防洪設(shè)計(jì)中使用精度達(dá)（12 h、0.05°）或以上的降雨數(shù)據(jù)。

關(guān)鍵詞：城市極端降雨;時(shí)空分辨率;不確定性;頻率分析;IDF曲線;上海

中圖分類號(hào)：TV122

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1001-6791（2023）03-0398-11

收稿日期：2023-01-29;

網(wǎng)絡(luò)出版日期：2023-04-19

網(wǎng)絡(luò)出版地址：https：∥kns.cnki.net/kcms/detail/32.1309.P.20230418.1444.002.html

基金項(xiàng)目：國家自然科學(xué)基金資助項(xiàng)目（42271031;51909191）

作者簡介：莊琦（1997—），女，江蘇徐州人，博士研究生，主要從事城市水文、極端水文氣象事件等方面的研究。

E-mail：2110026@#edu.cn

通信作者：周正正，E-mail：19058@#edu.cn

在氣候變暖及快速城市化的雙重影響下，近年來中國地區(qū)性暴雨落區(qū)多與城市密集區(qū)重疊，城市防洪形勢復(fù)雜嚴(yán)峻。極端暴雨事件在時(shí)間和空間尺度上的變異性［1］及頻率變化顯著［2］，加之城市化流域面積相對(duì)較小、水文響應(yīng)時(shí)間較快，城市洪澇管理精細(xì)化程度不高、設(shè)計(jì)標(biāo)準(zhǔn)不足等問題日益突顯［3-5］。2019年發(fā)表在Water Resources Research上的研究強(qiáng)調(diào)了城市水文學(xué)面臨數(shù)據(jù)精度不足帶來的挑戰(zhàn)［6］。為匹配城市社會(huì)經(jīng)濟(jì)發(fā)展的需求、滿足新階段水利高質(zhì)量發(fā)展要求，在城市地區(qū)亟待使用時(shí)空精度與發(fā)展目標(biāo)相適配的觀測數(shù)據(jù)來提升精細(xì)化城市水災(zāi)防御能力。

降雨數(shù)據(jù)的時(shí)空精度（時(shí)空分辨率）很大程度上決定了對(duì)一場暴雨時(shí)空變異性的表達(dá)程度及頻率分析的可靠程度［6］。國內(nèi)外研究普遍發(fā)現(xiàn)使用精細(xì)時(shí)間分辨率的降雨數(shù)據(jù)能顯著提高洪水模擬效果［7-8］，而粗糙時(shí)間分辨率的降雨數(shù)據(jù)會(huì)造成暴雨量級(jí)（如最大雨強(qiáng)、累積雨量等）被低估，且暴雨過程（雨型）不準(zhǔn)確，從而帶來洪澇風(fēng)險(xiǎn)評(píng)估的偏差［9-10］。劉業(yè)森等［11］發(fā)現(xiàn)隨著降雨數(shù)據(jù)空間分辨率降低，暴雨空間分布被坦化、洪峰計(jì)算誤差隨之增加；而Ochoa-rodriguez等［12］發(fā)現(xiàn)降雨時(shí)間分辨率對(duì)洪水模擬結(jié)果的影響要超過空間分辨率，同時(shí)，隨著流域面積的增加，降雨時(shí)空分辨率對(duì)計(jì)算結(jié)果的影響減弱；此外，Li等［13］發(fā)現(xiàn)受多重水文氣候因子的影響，不同時(shí)空分辨率下的暴雨洪水模擬精度會(huì)呈現(xiàn)出復(fù)雜的非線性特征?？梢姡涤陻?shù)據(jù)分辨率對(duì)暴雨以及洪水特征的刻畫有重要影響，但是兩者作用并非簡單的線性關(guān)系，不同地區(qū)的結(jié)論尚不統(tǒng)一。系統(tǒng)化、定量化分析不同精度降雨數(shù)據(jù)對(duì)暴雨時(shí)空變異性及設(shè)計(jì)暴雨的影響仍是亟待深入探討的重要問題。

上海作為長三角一體化的核心城市，易受臺(tái)風(fēng)、暴雨、潮汐、洪水等多種災(zāi)害影響，是中國31個(gè)重點(diǎn)防洪城市之一。近年來，基于站點(diǎn)數(shù)據(jù)或單一精度衛(wèi)星數(shù)據(jù)的研究已表明上海市極端暴雨事件的時(shí)空異質(zhì)性變化及暴雨頻率變化顯著、城市洪澇災(zāi)害風(fēng)險(xiǎn)加劇［2，14-15］，但未見該地區(qū)針對(duì)降雨數(shù)據(jù)精度的影響問題進(jìn)行定量化探討。基于此，本文在上海市區(qū)，構(gòu)建16種不同時(shí)空分辨率組合的降雨數(shù)據(jù)，對(duì)比分析數(shù)據(jù)精度對(duì)暴雨時(shí)空變異性特征刻畫能力、暴雨強(qiáng)度-歷時(shí)-頻率（IDF，Intensity-Duration-Frequency）曲線計(jì)算的影響，以期對(duì)降雨數(shù)據(jù)精度在城市暴雨“時(shí)-空-頻”多維結(jié)構(gòu)中的作用形成更為客觀、定量的認(rèn)識(shí)，并提出與研究地區(qū)最適宜的降雨數(shù)據(jù)分辨率范圍，為提升城市水旱災(zāi)害防御能力、也為提升城市氣象“三精”能力提供科學(xué)依據(jù)。

1?研究區(qū)域及數(shù)據(jù)資料

為研究小型城市區(qū)域降雨數(shù)據(jù)精度的適用性，本文選取上海市行政面積最小的黃浦區(qū)為研究區(qū)域，面積約為20.52 km2。利用美國國家航空航天局開發(fā)的GPM-IMERG衛(wèi)星降雨數(shù)據(jù)（Early V06B版本，時(shí)間分辨率為1 h，空間分辨率為0.1°，https：∥gpm.nasa.goc/data/directory）和47個(gè)上海市翻斗雨量計(jì)收集的逐時(shí)實(shí)測降雨數(shù)據(jù)，基于空間降尺度矯正技術(shù)獲得2008—2017年上海市時(shí)空精度更高的格點(diǎn)降雨數(shù)據(jù)集（IMERG_CorSH，空間分辨率為0.01°，時(shí)間分辨率為1 h）作為本文的輸入數(shù)據(jù)。

原IMERG數(shù)據(jù)（圖1（a））與其他衛(wèi)星降雨產(chǎn)品相比，在空間覆蓋、捕獲微雨和固態(tài)降水的性能上都有較大的優(yōu)勢，能更好地描繪降水量的空間分布，在缺資料及無資料地區(qū)具有明顯優(yōu)勢［16］，但與實(shí)測值相比，該數(shù)據(jù)集在中國不同地區(qū)仍存在異質(zhì)性的觀測誤差［17-18］。從雨量站點(diǎn)獲得的實(shí)測降雨數(shù)據(jù)（站點(diǎn)位置見圖1（b））被認(rèn)為是最準(zhǔn)確的數(shù)據(jù)源，但受限于站點(diǎn)數(shù)量有限且位置固定，空間分辨率的精細(xì)程度不如IMERG數(shù)據(jù)。為了融合兩數(shù)據(jù)源的優(yōu)勢，應(yīng)用經(jīng)典的一元線性回歸降尺度方法建立年尺度、0.1°精度下歸一化植被指數(shù)（NDVI）數(shù)據(jù)和衛(wèi)星降雨的線性關(guān)系，基于此關(guān)系和0.01°的NDVI數(shù)據(jù)估計(jì)年尺度、0.01°精度上降雨，采用時(shí)間分解方法分解得到小時(shí)尺度上的降雨數(shù)據(jù)，再基于地理偏差矯正技術(shù)（GDA）在小時(shí)尺度上進(jìn)行降雨量級(jí)的修正，最終得到2008—2017年IMERG_CorSH數(shù)據(jù)集（圖1（c））。本文所用的空間降尺度矯正詳細(xì)步驟及結(jié)果合理性見文獻(xiàn)［19］。

該數(shù)據(jù)集覆蓋上海市，經(jīng)驗(yàn)證，IMERG_CorSH與站點(diǎn)實(shí)測降水在年、月、日尺度上Pearson相關(guān)系數(shù)（Cc）均超過0.85（圖1（d）—圖1（f），EMA為平均絕對(duì)誤差，ERMS為均方根誤差），小時(shí)尺度上Pearson相關(guān)系數(shù)也高達(dá)0.74（圖1（g））。相比于IMERG數(shù)據(jù)，IMERG_CorSH數(shù)據(jù)大大減少了統(tǒng)計(jì)誤差，且提供了0.01°尺度上豐富的降雨信息、遠(yuǎn)高于雨量站的空間觀測精度，可作為探究數(shù)據(jù)時(shí)空分辨率對(duì)城市極端暴雨的不確定性影響的重要數(shù)據(jù)基礎(chǔ)。

2?研究方法

2.1?時(shí)空精度重構(gòu)與極端暴雨事件提取

以0.01°、1 h原始精度為參考，對(duì)IMERG_CorSH降雨數(shù)據(jù)進(jìn)行時(shí)間（6 h、12 h、24 h）、空間（0.02°、0.05°、0.1°）尺度上的分辨率重構(gòu)，最終獲得16種具有不同時(shí)空分辨率組合的降雨產(chǎn)品。時(shí)間尺度上（圖2（a）），利用一維滾動(dòng)窗口求和方法［20］將原始逐一小時(shí)降雨序列重采樣至6 h、12 h及24 h。一維滾動(dòng)窗口向前滾動(dòng)的距離等于窗口長度，分別為6、12和24，相鄰時(shí)刻滾動(dòng)窗口不交叉，且時(shí)序重構(gòu)過程保留原始降雨空間信息。同理，空間尺度上（圖2（b）），利用二維滾動(dòng)窗口求平均方法［12］將原始0.1°數(shù)據(jù)重采樣至0.02°、0.05°和0.1°。二維滾動(dòng)窗口向右、向下滾動(dòng)距離等于滾動(dòng)窗口邊長，分別為2、5和10，相鄰空間位置滾動(dòng)窗口不交叉，空間重采樣過程不改變時(shí)序信息。由于滾動(dòng)窗口在時(shí)序上累加、空間上求平均此類采樣過程并不損失或增加降雨信息，故時(shí)空分辨率重構(gòu)過程不改變同場降雨的累積總雨量、面平均雨量，以此消除數(shù)據(jù)處理中的不確定性。本文使用的16種不同時(shí)空分辨率的組合見圖2（c）。

基于不同時(shí)空分辨率的降雨數(shù)據(jù)提取年最大24 h降雨事件（2008—2017年）作為極端暴雨進(jìn)行分析。目前針對(duì)年最大值序列的采樣方法仍存在較大差異，國內(nèi)一般采用正點(diǎn)統(tǒng)計(jì)法，選取當(dāng)日08：00至次日08：00為1 d降雨的起止時(shí)間。而實(shí)際上，自然降雨事件中強(qiáng)降水過程存在跨時(shí)、跨日的現(xiàn)象，正點(diǎn)統(tǒng)計(jì)采樣可能導(dǎo)致完整的強(qiáng)降水過程被分割、降雨累積量被低估［21］。因此，本文利用自然降水過程統(tǒng)計(jì)方法對(duì)年最大24 h事件進(jìn)行采樣，即基于24 h為滑動(dòng)窗口大小、數(shù)據(jù)時(shí)間分辨率大小為滑動(dòng)步長，以保留更貼近真實(shí)的降雨起止過程，并討論時(shí)空分辨率在極端暴雨分析計(jì)算中的不確定性影響。

2.2?暴雨時(shí)空變異性特征分析

本文選取了一系列暴雨特征指標(biāo)來表征暴雨事件的時(shí)空結(jié)構(gòu)，包括累積暴雨量（R）、暴雨量極值（M）、暴雨變異系數(shù)（Cv）、暴雨覆蓋率（F）。其中，暴雨總量是計(jì)算研究區(qū)域內(nèi)t h降雨累積量，暴雨量極值、暴雨變異系數(shù)、暴雨覆蓋率分別可以在時(shí)間、空間2個(gè)尺度上進(jìn)行計(jì)算，計(jì)算公式見表1。

2.3?暴雨頻率分析及其不確定性

隨機(jī)暴雨移置（Stochastic Storm Transposition，SST）法是一種基于區(qū)域性概率重采樣與地理移置相結(jié)合的地區(qū)性降雨頻率分析方法。該方法利用與目標(biāo)區(qū)域氣候特征相同、降雨過程相似的鄰域暴雨模擬延長本地樣本序列，僅10 a歷史數(shù)據(jù)即可獲得可靠的頻率分析結(jié)果［22］。SST方法結(jié)合不同分辨率降雨數(shù)據(jù)能夠提供考慮降雨時(shí)空結(jié)構(gòu)、數(shù)據(jù)分辨率不確定性區(qū)間的暴雨頻率分析結(jié)果。此處對(duì)基于SST法的暴雨頻率分析及其結(jié)果的不確定性量化作簡要概括：

（1） 首先確定一個(gè)包括研究地區(qū)A流域在內(nèi)、與研究區(qū)域具有相似氣候特征的暴雨移置區(qū)A′。本文所選取的研究地區(qū)、移置區(qū)范圍與文獻(xiàn)［15］一致，研究地區(qū)A與移置區(qū)A′位置可參照該文獻(xiàn)中的圖1，移置區(qū)選擇及結(jié)果合理性見文獻(xiàn)［14-15］。

（2） 從n年（如本文n=10，2008—2017年）降雨序列中篩選出發(fā)生在移置區(qū)A′內(nèi)、歷時(shí)為Tr（本文取1、6、12、24 h）的最大的m場（本文m=200）暴雨，作為暴雨目錄。

（3） 從暴雨目錄中隨機(jī)選擇k場暴雨事件，即假設(shè)一年內(nèi)發(fā)生的暴雨事件數(shù)量為k。k服從泊松分布，分布的平均發(fā)生率為λ=m/n。

（4） 對(duì)選定的k個(gè)暴雨事件進(jìn)行整體移動(dòng)，計(jì)算目標(biāo)流域A內(nèi)降雨歷時(shí)為Tr的降雨累積量，并保留其中的最大值作為該年的年最大降水量。不同于傳統(tǒng)方法，由于移置過程保留整個(gè)降雨場的時(shí)空信息，故該方法計(jì)算過程中考慮了尺度相關(guān)的暴雨時(shí)空分布結(jié)構(gòu)對(duì)暴雨頻率分析的影響。重復(fù)該過程N(yùn)次，即可構(gòu)建長為N年、歷時(shí)為Tr的年最大序列。

（5） 對(duì)N年、歷時(shí)為Tr的年最大暴雨從大到小排序，進(jìn)行頻率分析，得到IDF曲線。

（6） 本文以輸入1 h、0.01°分辨率數(shù)據(jù)的頻率分析結(jié)果為參考，選取相對(duì)誤差（E）和時(shí)空不確定性系數(shù)（U）2個(gè)指標(biāo)量化數(shù)據(jù)分辨率對(duì)頻率分析結(jié)果的不確定性影響：

式中：qp，ref和qp，st分別為重現(xiàn)期p下利用分辨率為（1 h、0.01°）和（t h、s°）的數(shù)據(jù)所計(jì)算的IDF結(jié)果;qp，ref_0.95、qp，st_0.95，qp，ref_0.05、qp，st_0.05分別為各自對(duì)應(yīng)IDF曲線上95%與5%分位數(shù)處的值，mm。

3?結(jié)果與分析

3.1?基于不同時(shí)空精度的暴雨事件提取

基于16種不同時(shí)空精度數(shù)據(jù)所提取的年最大24 h暴雨序列在發(fā)生時(shí)間和量級(jí)上存在較為顯著的差異。在本節(jié)暴雨事件對(duì)比過程中，根據(jù)不同精度暴雨事件與（1 h、0.01°）事件的發(fā)生時(shí)間差異劃分3種情況：若兩者時(shí)間差為0 h則視作無相位差的同場暴雨事件;若兩者存在時(shí)間差且時(shí)間差<24 h視作有相位差的同場暴雨事件;若兩者存在時(shí)間差且時(shí)間差>24 h則視為非同場暴雨事件。

首先在發(fā)生時(shí)間上，其余15種分辨率的暴雨序列與（1 h、0.01°）結(jié)果相比，同場暴雨事件、有相位差的同場暴雨事件和非同場暴雨事件3種情況占比約為17%、70%和13%。各精度下暴雨事件的劃分結(jié)果列于表2（因以（1 h、0.01°）精度為參考，故表中僅列出15種精度結(jié)果）。如（1 h、0.02°）精度下所提取的事件與（1 h、0.01°）精度下無差異;（6 h、0.01°）與（6 h、0.02°）精度下10 a均為同場暴雨但普遍存在1～5 h相位差;12 h精度下相位差進(jìn)一步增加到1～17 h，并伴隨1～2 a非同場暴雨;至（24 h、0.01°）～（24 h、0.05°）精度下10 a間有20%場非同場暴雨，（24 h、0.1°）精度下則有30%非同場暴雨。由表2可見，隨著降雨時(shí)空精度降低，同場暴雨事件發(fā)生起止時(shí)間差異越大，且非同場暴雨事件出現(xiàn)的概率越大。此外，表2中69.5%的有相位差暴雨事件起始時(shí)間后置于（1 h、0.01°）暴雨。盡管各精度下暴雨發(fā)生概率最大的時(shí)間均集中在7月中下旬（峰值位置發(fā)生時(shí)間標(biāo)注于圖3（a）），但隨著時(shí)空分辨率的降低，暴雨發(fā)生最大概率時(shí)間后移4～19 d左右，說明低分辨率捕捉的暴雨發(fā)生時(shí)間有日尺度上的滯后。

降雨量級(jí)分布上（圖3（b）），隨著時(shí)空分辨率的降低，雨量概率密度曲線尾部變薄、變短，而峰值處概率變高、分布更為集中，尾部風(fēng)險(xiǎn)被低估。圖3（b）中，隨著時(shí)空分辨率變低，雨量概率密度曲線的峰現(xiàn)位置前移，即年最大24 h量級(jí)被低估2.9%～9.5%;同時(shí)峰值處概率密度提高5.5%～65%，即最大24 h雨量分布更為“尖瘦”。峰值處概率變高伴隨著尾部變短、極值雨量漏估，尤其是累積雨量超過130 mm的暴雨事件在粗糙分辨率下被嚴(yán)重低估，累積雨量超過180 mm的暴雨在不同分辨率組合下被低估4%（出現(xiàn)在（6 h、0.01°）處）～60%（出現(xiàn)在（24 h、0.05°）及（24 h、0.1°）處），累積雨量220 mm以上的暴雨在（24 h、0.1°）精度下完全被忽略。與（1 h、0.01°）相比，低分辨率數(shù)據(jù)提取的非同場暴雨事件占比變多、相位差變大造成了年最大24 h累積雨量的低估甚至漏估。

非同場暴雨事件顯然會(huì)在降水量計(jì)算中帶來顯著差異，而即便是存在相位差的同場暴雨事件，降雨過程被粗糙分辨率分割帶來的影響也不容忽視。如2013年，時(shí)間分辨率為24 h時(shí)，與1 h精度下事件相位差僅差15 h，降水量級(jí)差異為72.4 mm;2017年時(shí)間相位差僅差7 h，降水量級(jí)差異為47.5 mm，說明暴雨事件在此時(shí)極可能存在跨時(shí)、跨日的情況。使用粗糙的數(shù)據(jù)采樣會(huì)將一個(gè)真實(shí)的強(qiáng)降水過程分割成2個(gè)（或多個(gè)）時(shí)間步長，導(dǎo)致低分辨率條件下提取的暴雨事件出現(xiàn)時(shí)間偏移、降水量被低估的情況。

3.2?時(shí)空精度對(duì)刻畫暴雨時(shí)空變異性特征的影響

圖4展示了基于16種不同時(shí)空精度數(shù)據(jù)所提取的年最大24 h暴雨事件的時(shí)空特征變化。本節(jié)采用相對(duì)誤差（見式（1），原公式中qp，ref為參照值，qp，st為其他精度條件下的輸入值）評(píng)估不同精度條件下暴雨事件時(shí)空特征指標(biāo)結(jié)果的差異：如圖4中以（1 h、0.01°）精度暴雨事件計(jì)算得到的時(shí)空特征指標(biāo)值作為參照值，再輸入其他精度下暴雨時(shí)空特征指標(biāo)值計(jì)算得到量化時(shí)空精度影響的相對(duì)誤差（Est）;以（1 h、s°）（s取值分別為0.01、0.02、0.05、0.1）精度下的結(jié)果作為參照值計(jì)算不同空間尺度下量化時(shí)間精度影響的相對(duì)誤差（Es）;同理以（t h、0.01°）（t取值分別為1、6、12、24）精度下的結(jié)果作為參照值計(jì)算不同時(shí)間尺度下量化空間精度影響的相對(duì)誤差（Et）。

從降水總量上看，隨著時(shí)空精度的降低，降水總量也隨之降低，如圖4（a），在空間上，精度從0.01°到0.1°，相對(duì)誤差Es為-2.2%;在時(shí)間上，從1 h到24 h，相對(duì)誤差Et為-14.8%;最大誤差出現(xiàn)在（24 h、0.1°）精度下，時(shí)空相對(duì)誤差Est為-16%。暴雨量級(jí)的低估性在粗糙分辨率下（0.05～0.1°，12～24 h）更為顯著。

在其他時(shí)空特征上，不同特征指標(biāo)受時(shí)間、空間精度的影響存在差異。如圖4（b）、圖4（d）和圖4（g）所示，隨時(shí)空精度降低，暴雨量的空間極值（Ms）、空間變異系數(shù)（Cvs）和暴雨時(shí)間覆蓋率（Ft）呈現(xiàn)單調(diào)遞減趨勢。數(shù)據(jù)精度由（0.01°、1 h）到（0.1°、24 h），Ms、Cvs、Ft相對(duì)誤差Est分別為-29.6%、-9.1%、-24.4%，即低時(shí)空分辨率將造成Ms、Cvs、Ft的嚴(yán)重低估。從空間精度變化上看，精度從0.01°到0.02°，各項(xiàng)指標(biāo)未受空間分辨率影響，Ms、Cvs、Ft在0.01°～0.02°處Es值相同。而空間精度從0.02°到0.05°，下降梯度最大，Ms、Cvs、Ft在0.02°～0.05°處Es分別下降14.3%、9%、4%。從時(shí)間精度變化上看，精度從6 h到12 h，變化梯度最大，Ms、Cvs、Ft在6 h～12 h處Et分別下降15.2%、9.1%、7.5%?？梢?，時(shí)間精度降低同樣會(huì)影響對(duì)空間特征指標(biāo)Ms、Cvs的描述，粗糙的時(shí)間分辨率亦無法合理刻畫空間極值和空間不均勻性。

與Ms、Cvs恰恰相反，隨著時(shí)空精度降低，暴雨量時(shí)序極值（Mt）、時(shí)間變異系數(shù)（Cvt）呈現(xiàn)單調(diào)遞增趨勢。如圖4（c）和圖4（e），數(shù)據(jù)時(shí)空精度由（0.01°、1 h）降低到（0.1°、24 h）將造成Mt、Cvt分別被高估22%、24.4%?？臻g精度從0.01°到0.02°，Mt、Cvt在各時(shí)間分辨率下相對(duì)誤差值Es不變；空間精度從0.02°到0.1°，Mt、Cvt指標(biāo)隨著時(shí)間分辨率降低而增加。與Ms、Cvs相同，Mt、Cvt指標(biāo)亦在0.02°～0.05°、6～12 h處變化梯度最為顯著，Mt、Cvt在0.02°～0.05°處相對(duì)誤差Es升高17.7%、14%，在6～12 h處相對(duì)誤差Et升高17.6%、12.1%?？梢姡植诰鹊慕涤陻?shù)據(jù)會(huì)導(dǎo)致瞬時(shí)、局地暴雨極值量級(jí)被錯(cuò)誤估計(jì)甚至遺漏。粗糙的時(shí)間分辨率影響空間局地暴雨極值量級(jí)，同樣的，粗糙的空間分辨率也會(huì)影響短歷時(shí)暴雨極值量級(jí)的估計(jì)。

降雨數(shù)據(jù)時(shí)空精度對(duì)暴雨空間覆蓋率（Fs）的影響更為復(fù)雜，表現(xiàn)為Fs隨時(shí)空精度降低呈小幅波動(dòng)下降趨勢（Est=-2.5%，見圖4（f））。Fs指標(biāo)在1～6 h、12～24 h時(shí)間精度下隨空間分辨率降低分別下降0.9%、0.5%，在6～12 h分辨率下又隨空間分辨率降低小幅上升3.9%?？臻g分辨率對(duì)Fs指標(biāo)的影響表現(xiàn)為隨空間分辨率降低波動(dòng)上升1.4%，但在0.01°～0.02°處Es值未見變化。說明時(shí)空精度對(duì)暴雨空間覆蓋率的影響呈現(xiàn)復(fù)雜的非線性關(guān)系。

從影響程度上看，時(shí)間精度對(duì)暴雨時(shí)空變異性的影響強(qiáng)于空間精度。如對(duì)時(shí)序特征指標(biāo)降雨總量（R）和Ft，時(shí)間精度約為空間精度影響的6倍；而對(duì)空間極值指標(biāo)Ms，影響差異為2倍;對(duì)Mt、Fs、Cvs指標(biāo)，時(shí)間、空間精度影響作用相當(dāng);對(duì)于Cvt而言，則以空間精度影響為主導(dǎo)?？梢?，時(shí)間和空間精度變化均對(duì)捕捉暴雨時(shí)空結(jié)構(gòu)特征有不可忽視的影響。從指標(biāo)類型上看，時(shí)間精度會(huì)影響空間指標(biāo)，而空間指標(biāo)也受時(shí)間精度的影響，尤其是在精細(xì)分辨率下影響更為顯著。

綜上，粗糙時(shí)空精度的降雨數(shù)據(jù)會(huì)低估降水總量，傾向于捕捉時(shí)序不均勻性高、空間不均勻性低的暴雨事件。采用0.02°、6 h精度以內(nèi)的數(shù)據(jù)對(duì)暴雨時(shí)空特征的刻畫結(jié)果較為可靠。由于實(shí)際降雨過程具有隨機(jī)性，不同降雨的雨型、時(shí)段雨強(qiáng)、持續(xù)時(shí)間等不同，因此，用精度粗糙的數(shù)據(jù)在描述降雨時(shí)空變化特征中不充分性、不確定性應(yīng)被重視。同時(shí)，降水量級(jí)、時(shí)空結(jié)構(gòu)特征在數(shù)據(jù)時(shí)空精度影響下的變化及其變化程度各有不同，采用不同分辨率計(jì)算的設(shè)計(jì)暴雨不確定性有待進(jìn)一步研究。

3.3?時(shí)空精度對(duì)暴雨頻率的不確定性影響

將16種具有不同時(shí)空分辨率的降雨數(shù)據(jù)輸入SST模型，計(jì)算得到2～200 a重現(xiàn)期下歷時(shí)為24 h的IDF曲線，并將結(jié)果與（1 h、0.01°）分辨率下求得的IDF結(jié)果對(duì)比（圖5（a））。相較于更精細(xì)的降雨數(shù)據(jù)，不同分辨率組合下的IDF結(jié)果具有不同程度的低估（E，見式（1））。6 h、12 h、24 h數(shù)據(jù)對(duì)IDF的低估率平均值分別為3%、7%和14%，0.02°、0.05°、0.1°對(duì)IDF的低估率分別為0.4%、4%和10%。時(shí)間尺度上，24 h分辨率數(shù)據(jù)最大會(huì)造成設(shè)計(jì)值低估36%，使用6 h以內(nèi)分辨率的數(shù)據(jù)可以將誤差控制在-0.4%～-4%之間。空間尺度上，0.1°分辨率的數(shù)據(jù)相較于0.01°的數(shù)據(jù)而言，誤差在-31%～2%;使用0.05°精度內(nèi)的數(shù)據(jù)進(jìn)行頻率分析，所得結(jié)果誤差范圍為-0.3%～-17%;0.02°與0.01°數(shù)據(jù)所得的暴雨事件本身差異較小，故此處設(shè)計(jì)暴雨隨機(jī)誤差僅有-1%～1%。

圖5（a）中所展示的設(shè)計(jì)暴雨量級(jí)差異存在2個(gè)來源，一為數(shù)據(jù)時(shí)空精度誤差，二為SST模擬不同降雨過程本身帶來的隨機(jī)誤差（由于隨機(jī)降雨場時(shí)空結(jié)構(gòu)的變化），故圖5（c）進(jìn)一步剝離了不同重現(xiàn)期下降雨數(shù)據(jù)時(shí)空精度對(duì)IDF的影響，可見時(shí)空分辨率對(duì)IDF造成的不確定性占比接近50%，隨著重現(xiàn)期增大（2～50 a），時(shí)空分辨率造成的低估程度增加。50～200 a重現(xiàn)期，受限于時(shí)序短（10 a）、以及降雨事件本身的隨機(jī)成分大，隨機(jī)不確定性比重亦增大，分辨率不確定性占比略降低。

可見，使用粗糙的降雨數(shù)據(jù)進(jìn)行頻率計(jì)算會(huì)造成設(shè)計(jì)暴雨量級(jí)的低估，且數(shù)據(jù)分辨率越低，量級(jí)低估程度越嚴(yán)重，隨著重現(xiàn)期增大，時(shí)空分辨率導(dǎo)致的IDF不確定性亦增大。其中，時(shí)間分辨率的影響大約是空間分辨率的5倍左右（圖5（b）和圖5（d）），即時(shí)間分辨率的影響在該地區(qū)的極端暴雨時(shí)-空-頻特征分析中占主導(dǎo)地位。

圖6為不同重現(xiàn)期下使用不同時(shí)空分辨率降雨數(shù)據(jù)進(jìn)行計(jì)算的設(shè)計(jì)暴雨值與（1 h、0.01°）計(jì)算結(jié)果的相對(duì)誤差散點(diǎn)圖。時(shí)間、空間分辨率均粗糙的情況下（24 h、0.1°），結(jié)果誤差最大，如T=200 a時(shí)，誤差達(dá)到-30%。而時(shí)間、空間分辨率中有一者較為精細(xì)時(shí)可降低結(jié)果的誤差程度，如（1 h、0.1°）的數(shù)據(jù)所得結(jié)果的相對(duì)誤差為-5%、（24 h、0.01°）結(jié)果的相對(duì)誤差為-20%。圖6中，精度在（12 h、0.05°）以內(nèi)所得結(jié)果的相對(duì)誤差存在一個(gè)較為平穩(wěn)的平臺(tái)面（T≤2 a除外），可以認(rèn)為該精度內(nèi)設(shè)計(jì)結(jié)果差異不顯著。盡管采用（0.02°、6 h）精度以內(nèi)的數(shù)據(jù)對(duì)暴雨時(shí)空特征的刻畫更為準(zhǔn)確，但頻率分析時(shí)，降雨量級(jí)、時(shí)空結(jié)構(gòu)特征在數(shù)據(jù)時(shí)空精度變化下的影響相互交錯(cuò)且復(fù)雜，最終導(dǎo)致精度在（12 h、0.05°）以內(nèi)的頻率分析結(jié)果相對(duì)誤差均較小。

綜上，以面積為20.52 km2的典型城市地區(qū)黃浦區(qū)為例，建議水利工程設(shè)計(jì)中（T≥2 a）使用精度在（12 h、0.05°）以內(nèi)的降雨數(shù)據(jù)進(jìn)行極端暴雨事件的頻率計(jì)算，排水工程設(shè)計(jì)中（T≤2 a）應(yīng)使用精度更高的數(shù)據(jù)為宜。

4?結(jié)?論

本文基于16種不同時(shí)空分辨率的降雨數(shù)據(jù)，利用暴雨時(shí)空異質(zhì)性評(píng)估指標(biāo)和隨機(jī)暴雨移置法在上海市黃浦區(qū)分析了降雨數(shù)據(jù)精度對(duì)城市暴雨時(shí)空變異性特征刻畫、暴雨IDF曲線計(jì)算的影響。主要結(jié)論如下：

（1） 粗糙分辨率降雨數(shù)據(jù)會(huì)造成年最大暴雨序列的抽樣存在誤差，主要體現(xiàn)在暴雨發(fā)生時(shí)間出現(xiàn)誤差（延遲）、降水量低估、暴雨過程在時(shí)序上的不均勻性增大、空間上的不均勻程度減小。在研究區(qū)域采用（0.02°、6 h）精度及以上的數(shù)據(jù)對(duì)暴雨時(shí)空變異性的刻畫結(jié)果較為可靠。

（2） 降雨數(shù)據(jù)時(shí)間和空間分辨率的影響差異較大，時(shí)間分辨率對(duì)暴雨時(shí)空變異性刻畫能力的影響強(qiáng)于空間分辨率。數(shù)據(jù)的時(shí)間分辨率不僅會(huì)影響暴雨的時(shí)序特征，也會(huì)影響暴雨事件的空間變化特征，同理數(shù)據(jù)空間分辨率亦會(huì)對(duì)暴雨事件的時(shí)序變化特征帶來影響。

（3） 降雨數(shù)據(jù)分辨率越低、重現(xiàn)期越大，暴雨頻率結(jié)果的低估程度越大。時(shí)間分辨率影響占主導(dǎo)作用，大約是空間分辨率的5倍。建議小型城市地區(qū)在水利工程設(shè)計(jì)中使用時(shí)間分辨率為12 h、空間分辨率為0.05°或更高精度的輸入數(shù)據(jù)。

參考文獻(xiàn)：

［1］ZHUANG Q，LIU S G，ZHOU Z Z.Spatial heterogeneity analysis of short-duration extreme rainfall events in megacities in China［J］.Water，2020，12（12）：3364.

［2］ZHUANG Q，ZHOU Z Z，LIU S G，et al.Bivariate rainfall frequency analysis in an urban watershed：combining copula theory with stochastic storm transposition［J］.Journal of Hydrology，2022，615：128648.

［3］張建云，王銀堂，賀瑞敏，等.中國城市洪澇問題及成因分析［J］.水科學(xué)進(jìn)展，2016，27（4）：485-491.（ZHANG J Y，WANG Y T，HE R M，et al.Analysis of urban flooding in China and its causes［J］.Advances in Water Science，2016，27（4）：485-491.（in Chinese））

［4］徐宗學(xué)，陳浩，任梅芳，等.中國城市洪澇致災(zāi)機(jī)理與風(fēng)險(xiǎn)評(píng)估研究進(jìn)展［J］.水科學(xué)進(jìn)展，2020，31（5）：713-724.（XU Z X，CHEN H，REN M F，et al.Progress on disaster mechanism and risk assessment of urban flood/waterlogging disasters in China［J］.Advances in Water Science，2020，31（5）：713-724.（in Chinese））

［5］王強(qiáng)，許有鵬，于志慧，等.快速城市化地區(qū)多尺度水文觀測試驗(yàn)與暴雨洪水響應(yīng)機(jī)理分析［J］.水科學(xué)進(jìn)展，2022，33（5）：743-753.（WANG Q，XU Y P，YU Z H，et al.Multi-scale hydrological experimental observations and responding mechanisms of storm floods in rapid urbanization areas［J］.Advances in Water Science，2022，33（5）：743-753.（in Chinese））

［6］OCHOA-RODRIGUEZ S，WANG L P，WILLEMS P，et al.A review of radar-rain gauge data merging methods and their potential for urban hydrological applications［J］.Water Resources Research，2019，55（8）：6356-6391.

［7］HUANG Y C，BRDOSSY A，ZHANG K.Sensitivity of hydrological models to temporal and spatial resolutions of rainfall data［J］.Hydrology and Earth System Sciences，2019，23（6）：2647-2663.

［8］魯洋，涂俊，高震國，等.降雨時(shí)間分辨率對(duì)SWAT水文模擬的影響［J］.中國環(huán)境科學(xué)，2020，40（12）：5383-5390.（LU Y，TU J，GAO Z G，et al.Impact of temporal rainfall resolution on SWAT hydrological simulation［J］.China Environmental Science，2020，40（12）：5383-5390.（in Chinese））

［9］GARIANO S L，MELILLO M，PERUCCACCI S，et al.How much does the rainfall temporal resolution affect rainfall thresholds for landslide triggering？［J］.Natural Hazards，2020，100（2）：655-670.

［10］THORNDAHL S，EINFALT T，WILLEMS P，et al.Weather radar rainfall data in urban hydrology［J］.Hydrology and Earth System Sciences，2017，21（3）：1359-1380.

［11］劉業(yè)森，劉媛媛，李敏，等.降雨數(shù)據(jù)空間分辨率在城市流域洪峰變化分析中的影響［J］.地球信息科學(xué)學(xué)報(bào)，2022，24（7）：1326-1336.（LIU Y S，LIU Y Y，LI M，et al.Influence of spatial resolution of rainfall data on analysis of flood peak change in urban watershed［J］.Journal of Geo-Information Science，2022，24（7）：1326-1336.（in Chinese））

［12］OCHOA-RODRIGUEZ S，WANG L P，GIRES A，et al.Impact of spatial and temporal resolution of rainfall inputs on urban hydrodynamic modelling outputs：a multi-catchment investigation［J］.Journal of Hydrology，2015，531：389-407.

［13］LI X T，WANG L Z，ZHOU H L，et al.The compound effect of spatial and temporal resolutions on the accuracy of urban flood simulation［J］.Computational Intelligence and Neuroscience，2022，2022：3436634.

［14］周正正，劉曙光，WRIGHT D B.基于隨機(jī)暴雨移置方法的城市設(shè)計(jì)暴雨分析［J］.水科學(xué)進(jìn)展，2020，31（4）：583-591.（ZHOU Z Z，LIU S G，WRIGHT D B.Analysis of urban design storm based on stochastic storm transposition［J］.Advances in Water Science，2020，31（4）：583-591.（in Chinese））

［15］莊琦，劉曙光，周正正.上海城區(qū)降雨時(shí)空分布變化與暴雨頻率分析［J］.水文，2021，41（4）：74-80.（ZHUANG Q，LIU S G，ZHOU Z Z.The change of spatio-temporal precipitation and rainfall frequency analysis in Shanghai［J］.Journal of China Hydrology，2021，41（4）：74-80.（in Chinese））

［16］熊立華，劉成凱，陳石磊，等.遙感降水資料后處理研究綜述［J］.水科學(xué)進(jìn)展，2021，32（4）：627-637.（XIONG L H，LIU C K，CHEN S L，et al.Review of post-processing research for remote-sensing precipitation products［J］.Advances in Water Science，2021，32（4）：627-637.（in Chinese））

［17］李麒崙，張萬昌，易路，等.GPM與TRMM降水?dāng)?shù)據(jù)在中國大陸的精度評(píng)估與對(duì)比［J］.水科學(xué)進(jìn)展，2018，29（3）：303-313.（LI Q L，ZHANG W C，YI L，et al.Accuracy evaluation and comparison of GPM and TRMM precipitation product over China′s Mainland［J］.Advances in Water Science，2018，29（3）：303-313.（in Chinese））

［18］胡慶芳，張野，李伶杰，等.GPM近實(shí)時(shí)反演數(shù)據(jù)對(duì)河南省2021年“7·20”極端暴雨的比較分析［J］.水科學(xué)進(jìn)展，2022，33（4）：567-580.（HU Q F，ZHANG Y，LI L J，et al.Comparative evaluation of GPM near-real-time precipitation products during the 20 July 2021 extreme rainfall event in Henan Province［J］.Advances in Water Science，2022，33（4）：567-580.（in Chinese））

［19］ZHUANG Q，ZHOU Z Z，LIU S G，et al.The evaluation and downscaling-calibration of IMERG precipitation products at sub-daily scales over a metropolitan region［J］.Journal of Flood Risk Management，2023：e12902.

［20］STRAATEN C，WHAN K，COUMOU D，et al.The influence of aggregation and statistical post-processing on the subseasonal predictability of European temperatures［J］.Quarterly Journal of the Royal Meteorological Society，2020，146（731）：2654-2670.

［21］HNILICA J，SLMOV R，PEK V，et al.Precipitation extremes derived from temporally aggregated time series and the efficiency of their correction［J］.Hydrological Sciences Journal，2021，66（15）：2249-2257.

［22］WRIGHT D B，YU G，ENGLAND J F.Six decades of rainfall and flood frequency analysis using stochastic storm transposition：review，progress，and prospects［J］.Journal of Hydrology，2020，585：124816.

Abstract：Improving the accuracy and refinement level of urban flood management is the key to solving the urban flooding.The purpose of this paper is to quantitatively assess the role of rainfall resolution in detecting rainfall variability and performing rainfall frequency analyses （RFA）.A total of 16 rainfall products with a variety of space-time resolutions were used to obtain RFA results in Shanghai，China.Results are based on diagnostic indicators of rainfall variability and the stochastic storm transposition method.The results indicate that storm magnitudes are underestimated when coarse space-time resolutions are used.Furthermore，the use of low-resolution data results in a lagged estimation of storm occurrence and an under-and overestimation of rainfall variations.Depending on the return period，the rainfall resolution has a significant impact on the RFA outputs：coarser data resolution and longer return periods tend to underestimate the intensity-duration-frequency curves.It is also evident that temporal resolution has a greater impact than spatial resolution，as it accounts for five times as much of the effect.These results emphasize the importance of high-resolution rainfall data for the analysis of extreme rainfall intensities，particularly in relation to urban flooding.For flood control design purposes in urban areas，we recommend using rainfall data with a resolution of 12 h and 0.05° or finer.

Key words：urban extreme rainfall;spatiotemporal resolution;uncertainty;frequency analysis;IDF curve;Shanghai