高延康 趙銅鐵鋼 田雨 楊芳 鄭飛飛 陳曉宏

摘要：基于1961—2020年格點(diǎn)化數(shù)據(jù)集逐日降水資料及中國氣象局臺風(fēng)最佳路徑數(shù)據(jù)集，計算臺風(fēng)降水對中國沿海地區(qū)極端降水事件的貢獻(xiàn)率;利用混合和單一元統(tǒng)計極值分布模型量化臺風(fēng)對降水極值概率分布的影響，探究其量化結(jié)果的影響因素，并通過典型流域進(jìn)行流域尺度的應(yīng)用驗證。結(jié)果表明：從臺風(fēng)降水的貢獻(xiàn)來看，臺風(fēng)降水主要影響中國沿海及部分臨近沿海的內(nèi)陸地區(qū)的高重現(xiàn)期極端降水事件;在量化臺風(fēng)影響方面，利用考慮臺風(fēng)降水分布的混合元統(tǒng)計極值分布模型可提高研究區(qū)大部分地區(qū)降水極值概率的估計，并且沿海地區(qū)臺風(fēng)降水的影響大于內(nèi)陸地區(qū)，北方沿海地區(qū)的影響大于南方各分區(qū);臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異是臺風(fēng)影響中國沿海地區(qū)降水極值概率分布的重要因素。

關(guān)鍵詞：臺風(fēng)軌跡;極端降水;區(qū)域影響;重現(xiàn)期;概率分布

中圖分類號：P444

文獻(xiàn)標(biāo)志碼：A

文章編號：1001-6791（2023）01-0001-11

收稿日期：2022-10-08;

網(wǎng)絡(luò)出版日期：2023-02-13

網(wǎng)絡(luò)出版地址：https：∥kns.cnki.net/kcms/detail∥32.1309.P.20230210.1758.002.html

基金項目：國家重點(diǎn)研發(fā)計劃資助項目（2021YFC3001000）;廣東省“珠江人才計劃”引進(jìn)創(chuàng)新創(chuàng)業(yè)青年團(tuán)隊項目（2019ZT08G090）

作者簡介：高延康（1992—），男，河南濮陽人，博士研究生，主要從事氣候變化對水文水資源影響研究。E-mail：gaoyk5@mail2.sysu.edu.cn

通信作者：趙銅鐵鋼，E-mail：zhaottg@mail.sysu.edu.cn

臺風(fēng)是一種發(fā)生頻率高、影響嚴(yán)重的氣象災(zāi)害^［1-2］。中國是世界上受臺風(fēng)災(zāi)害影響最大的國家之一，平均每年有9場臺風(fēng)登陸中國^［3］，常伴有強(qiáng)風(fēng)、強(qiáng)降水、風(fēng)暴潮等惡劣天氣^［4］，其中臺風(fēng)強(qiáng)降水容易引起大范圍的洪水、城市內(nèi)澇和暴雨型滑坡等次生災(zāi)害，導(dǎo)致嚴(yán)重的生命財產(chǎn)損失^［5-6］。1996年臺風(fēng)“赫拔”登陸中國臺灣東北部，阿里山測站記錄24 h降雨量高達(dá)1 748.5 mm，是中國極端暴雨之最，引發(fā)海水倒灌、山洪暴發(fā)，造成51人死亡，經(jīng)濟(jì)損失超過新臺幣300億元^［7］;2018年臺風(fēng)“溫比亞”在上海登陸，造成華東地區(qū)大范圍暴雨，直接受災(zāi)人數(shù)接近1 500萬人;2019年超強(qiáng)臺風(fēng)“利奇馬”襲擊浙江溫嶺，極強(qiáng)降水造成臨海古城嚴(yán)重內(nèi)澇，溫州周邊山體滑坡，死亡數(shù)十人，直接經(jīng)濟(jì)損失達(dá)530億元人民幣^［8］。探究臺風(fēng)活動對于極端降水及其影響研究具有重要意義。

臺風(fēng)降水是中國東部季風(fēng)區(qū)極端降水的重要來源^［9-10］。Liu等^［11］基于2009—2019年逐時降水資料，發(fā)現(xiàn)地形強(qiáng)迫和臺風(fēng)路徑的綜合作用導(dǎo)致大多數(shù)臺風(fēng)極端強(qiáng)降水事件發(fā)生在中國南部和東南部。許多研究量化分析了中國沿海地區(qū)臺風(fēng)降水在極端降水中的貢獻(xiàn)^［12］。Zhang等^［13］發(fā)現(xiàn)東南沿海地區(qū)臺風(fēng)貢獻(xiàn)率超過40%，并且與ENSO（EI Ni?o-Southem Oscillation）之間存在一定的相關(guān)關(guān)系。受全球氣候變化影響，中國臺風(fēng)季降水存在明顯增加趨勢^［14］。Chang等^［15］量化臺風(fēng)對中國極端降水的變化趨勢的影響，發(fā)現(xiàn)梅雨帶地區(qū)影響最小，東北和華南地區(qū)影響達(dá)30%。對臺風(fēng)降水事件發(fā)生頻率的可靠估計對于環(huán)境危害決策至關(guān)重要^［16-17］。一些學(xué)者基于常見的極值概率分布（Generalized Extreme Values，GEV）^［18］、元統(tǒng)計極值分布（Metastatistical Extreme Values，MEV）^［19］、熱帶氣旋降水模型（Tropical cyclone precipitation model）^［20］等，引入臺風(fēng)降水分布，改善了臺風(fēng)影響下極端降水的概率估計。盡管現(xiàn)有的相關(guān)研究揭示了中國臺風(fēng)降水影響極端降水的一些規(guī)律，但尚未有研究能夠量化臺風(fēng)降水對中國沿海及臨近沿海的內(nèi)陸地區(qū)極端降水概率分布方面的影響。

本文將一種考慮臺風(fēng)降水分布的新型統(tǒng)計方法——混合元統(tǒng)計極值分布應(yīng)用于中國沿海及臨近沿海的內(nèi)陸地區(qū)的極端降水研究中，并通過與未考慮臺風(fēng)降水分布的單一元統(tǒng)計極值分布的結(jié)果進(jìn)行對比，量化臺風(fēng)降水對極端降水的影響，并利用皮爾遜相關(guān)性試驗確定量化結(jié)果的影響因素，最后選擇典型流域進(jìn)行流域尺度的應(yīng)用驗證，旨在為中國應(yīng)對臺風(fēng)災(zāi)害提供幫助。

1 研究數(shù)據(jù)

本研究使用中國氣象局（CMA）發(fā)布的西北太平洋臺風(fēng)最佳路徑數(shù)據(jù)集^［21-22］，其中包含臺風(fēng)中心的經(jīng)緯度、10 m高度的最大風(fēng)速和最低海平面氣壓等信息，間隔時間為6 h（2017年起其登陸前24 h內(nèi)間隔時間為3 h）。一些學(xué)者將該數(shù)據(jù)與日本氣象廳（JMA）、美國聯(lián)合臺風(fēng)警報中心（JTWC）的最佳路徑資料對比發(fā)現(xiàn)，CMA與JMA資料結(jié)果高度一致，臺風(fēng)位置點(diǎn)頻數(shù)和強(qiáng)度的變化受資料差異影響較大^［23］。一些學(xué)者利用CMA臺風(fēng)軌跡數(shù)據(jù)集研究了在全球變暖背景下臺風(fēng)活動對中國造成的潛在風(fēng)險及重大臺風(fēng)暴雨的成因^［24-25］，肯定了CMA臺風(fēng)最佳路徑數(shù)據(jù)集在研究中國臺風(fēng)降水方面的適用性。利用CMA臺風(fēng)最佳路徑數(shù)據(jù)統(tǒng)計1961—2020年中國經(jīng)歷臺風(fēng)數(shù)量，如圖1（a）所示。

本研究選擇中國格點(diǎn)化數(shù)據(jù)集 （CN05.1）提供的降水?dāng)?shù)據(jù)作為觀測降水^［26］，該數(shù)據(jù)集利用中國境內(nèi)2 400多個國家級臺站觀測數(shù)據(jù)（不包含臺灣的站點(diǎn)），采用薄盤樣條函數(shù)法和角距權(quán)重方法（ADW）分別插值疊加后得到1961—2020年空間分辨率為0.25°×0.25°的逐日觀測數(shù)據(jù)。中國氣象觀測站點(diǎn)多分布于東部相對平坦的發(fā)達(dá)地區(qū)，站點(diǎn)間隔由幾千米至幾萬米不等，而西部地區(qū)分布較少，因此CN05.1在中國西部可能存在較大不確定性。本研究中基本只用到了中東部的降水?dāng)?shù)據(jù)，研究結(jié)果并不受影響。1961—2020年中國年均降水量分布圖如圖1（b）所示。

2 研究方法

2.1 單一元統(tǒng)計極值分布

Zorzetto等^［27］放寬了GEV中事件數(shù)量（n）趨于無窮大的漸進(jìn)假設(shè)，提出MEV方法，將定義事件數(shù)量和“普通”事件累積概率分布（F（x;θ））的參數(shù)向量（θ）視為隨機(jī)變量。MEV分布假設(shè)普通事件是獨(dú)立且同分布的，因此最大值的概率分布可以表示為H_n（x）=Fⁿ（x;θ），并寫出降水極值≤指定值（x）的概率如下：

式中：n為一年中事件發(fā)生的數(shù)量，次;g（n;θ）為n與θ的聯(lián)合概率分布;Ω_Θ為參數(shù)集群。

本研究中將“日降水量>1 mm”定義為一個普通降水事件，并視為一個降水日。對于每日降水量，采用Weibull 分布來描述普通降水事件，Wilson等^［28］的研究成果為其使用提供物理依據(jù)，并且Weibull分布能夠為較集中地觀測記錄進(jìn)行適當(dāng)建模，對各種降水情況構(gòu)成穩(wěn)健的假設(shè)。MEV-Weibull累積分布函數(shù)可以寫成：

式中：θ包含C和w，分別為Weibull分布的尺度和形狀參數(shù)。假設(shè)Weibull分布F（x;θ_j）描述了第j年的觀測結(jié)果（j=1，2，…，S），本研究采用概率加權(quán)矩法（PWM）將Weibull分布擬合到每一年的觀測值，計算樣本平均近似值為

式中：n_j是第j 年中降水天數(shù)，d;S為有記錄的年數(shù)，a。

因此，MEV-Weibull分布的離散表達(dá)式為

2.2 混合元統(tǒng)計極值分布

在單一元統(tǒng)計極值分布的基礎(chǔ)上，為了評估在單一元統(tǒng)計極值分布的表達(dá)式中包含不同降水產(chǎn)生機(jī)制（臺風(fēng)降水和非臺風(fēng)降水）的可能優(yōu)勢，Miniussi等^［29］提出了混合元統(tǒng)計極值分布：

式中：F_nTC（x;θ_j）為擬合第j年非臺風(fēng)普通事件的分布;由于事件/年的數(shù)量少，F(xiàn)_TC（x;θ）為擬合到整個校準(zhǔn)樣本的臺風(fēng)降水值的分布（因此年份j獨(dú)立）;n_jTC（ n_jnTC）為第j年（非）臺風(fēng)事件數(shù)量;同樣采用Weibull分布進(jìn)行擬合F（x;θ）。

為定量分析臺風(fēng)降水對極端降水分布的影響，本研究使用單一和混合元統(tǒng)計極值分布確定不同回歸期對應(yīng)的估計降水量，并計算估計降水量的相對差異（E_Q），表示考慮臺風(fēng)產(chǎn)生機(jī)制對極端降水概率分布的影響。

式中：Q₁和Q₂分別為給定重現(xiàn)期下利用單一和混合元統(tǒng)計極值分布所估算的降水量分位數(shù)，mm。若E_Q≥0，混合元統(tǒng)計極值分布能夠進(jìn)一步提高對極端降水概率的估計，縮短重現(xiàn)期;若E_Q＜0，混合元統(tǒng)計極值分布降低了對極端降水概率的估計;E_Q的絕對值代表臺風(fēng)降水對極端降水概率分布的影響程度。

2.3 研究分區(qū)及臺風(fēng)降水的識別

本研究將研究區(qū)域定義為經(jīng)歷臺風(fēng)事件30次以上的地區(qū)，主要分布在中國沿海及臨近沿海的內(nèi)陸地區(qū)。將研究區(qū)域劃分為4個分區(qū)，分別為北方沿海、東南沿海、華南沿海以及南方內(nèi)陸地區(qū)，如圖1所示。其中秦嶺-淮河一線以北經(jīng)歷超過30次臺風(fēng)事件的地區(qū)多靠近沿海地區(qū)，因此，將北部的研究分區(qū)命名為北方沿海地區(qū);以廣東與福建之間的省界為分割線將中國南方海岸線分為東南與華南海岸線。Zhang等^［13］研究表明臺風(fēng)降水在距離海岸線250 km的內(nèi)陸區(qū)域內(nèi)迅速降低，因此將距離東南、華南海岸線250 km范圍內(nèi)的陸地區(qū)域分別劃分為東南沿海、華南沿海地區(qū);將距離南方海岸線超過250 km的內(nèi)陸地區(qū)定義為南方內(nèi)陸地區(qū)。東南沿海、華南沿海、南方內(nèi)陸統(tǒng)稱為南方地區(qū)。

為識別臺風(fēng)誘發(fā)的降水，以臺風(fēng)中心為圓心，以5°為半徑建立圓形緩沖區(qū)^［30］，并認(rèn)為被該緩沖區(qū)覆蓋過的地區(qū)經(jīng)歷了一次臺風(fēng)事件。1961—2020年中國經(jīng)歷臺風(fēng)事件的數(shù)量分布如圖1（a）所示。對于某一柵格，從臺風(fēng)緩沖區(qū)覆蓋的前一天至臺風(fēng)離開結(jié)束覆蓋的后一天，該時段內(nèi)的所有降水都?xì)w因于臺風(fēng)事件，即臺風(fēng)誘發(fā)降水。為了保證每場臺風(fēng)中降水事件的獨(dú)立性，只選擇分析該柵格每場臺風(fēng)誘發(fā)降水的最大日降水量，不同臺風(fēng)事件誘發(fā)的降水事件由于產(chǎn)生不同，因此相互獨(dú)立。

本研究將降水?dāng)?shù)據(jù)劃分為臺風(fēng)降水與非臺風(fēng)降水，時間尺度分別選取1、3、5、7 d，分別計算不同時間尺度的累積降水總量，確定不同產(chǎn)生機(jī)制的降水在極值分布中的相對重要性。若時間尺度中至少有 1 d被認(rèn)定為臺風(fēng)誘發(fā)降水，則認(rèn)為整個事件是臺風(fēng)降水事件。降水事件的閾值也由原來的1 mm變?yōu)殚撝?1×t mm，t為時間尺度。

3 結(jié)果與分析

3.1 臺風(fēng)對極端降水的貢獻(xiàn)

基于1961—2020年逐日降水量，本研究分別采用95%、97%和99%的百分位數(shù)作為極端降水事件的閾值，計算不同時間尺度（1、3、5、7 d）下極端降水序列中臺風(fēng)降水極值所占的比例，即臺風(fēng)極端降水的貢獻(xiàn)率（C₉₅、C₉₇、C₉₉），如圖2（a）所示。結(jié)果表明，臺風(fēng)極端降水貢獻(xiàn)率從沿海向內(nèi)陸迅速減少，較高貢獻(xiàn)率集中分布在距離海岸線250 km范圍內(nèi)。其中，海南及東南沿海地區(qū)貢獻(xiàn)率最高;華南沿海地區(qū)的稍次之，但影響范圍更深入內(nèi)陸地區(qū);北方沿海的貢獻(xiàn)率普遍低于40%，主要集中在環(huán)渤海地區(qū)。大部分地區(qū)極端降水事件中的臺風(fēng)貢獻(xiàn)隨閾值的增大呈增長趨勢，即C₉₉>C₉₇>C₉₅，說明臺風(fēng)對極端降水分布的上尾部分的影響較大。

本文將極端降水?dāng)?shù)據(jù)序列分為臺風(fēng)極端降水和非臺風(fēng)極端降水，將臺風(fēng)與非臺風(fēng)降水差異定義為臺風(fēng)與非臺風(fēng)極端降水均值之差，以下簡稱為降水差異。降水差異的空間分布如圖2（b）所示，其中臺風(fēng)未引發(fā)極端降水的地區(qū)主要分布在中國的西部地區(qū)，受臺風(fēng)影響較小，因此一同并入灰色區(qū)域。由圖2（b）可知，研究區(qū)域內(nèi)的大部分地區(qū)臺風(fēng)降水極值大于非臺風(fēng)降水極值，說明臺風(fēng)極端降水更靠近上尾分布，主要對高回歸期極端降水事件產(chǎn)生影響。北方沿海以及東南沿海地區(qū)降水差異較大，南方內(nèi)陸與華南沿海地區(qū)差異較小。東南沿海降水差異較大的地區(qū)主要集中在長江三角洲周邊及以南沿海的狹長區(qū)域。華南沿海地區(qū)整體降水差異較小，以珠江三角洲為界，東部降水差異小于西部。南方內(nèi)陸地區(qū)臺風(fēng)降水較小，降水差異保持在20 mm以下，部分地區(qū)臺風(fēng)降水極值小于非臺風(fēng)降水極值。

3.2 臺風(fēng)對極端降水分布的影響

本研究基于Kolmogorov-Smirnov （KS） 方法，檢驗每個柵格的臺風(fēng)與非臺風(fēng)降水是否來自不同概率（p）分布。當(dāng)p<0.05時，臺風(fēng)與非臺風(fēng)降水事件來自不同概率分布，即來源不同;反之則說明兩者來源相同，屬于同種概率分布類型，結(jié)果如圖3（a）所示。中國沿海大部分地區(qū)臺風(fēng)和非臺風(fēng)降水事件來源分布不同，柵格數(shù)量約占主要研究區(qū)域的57%;而來源相同的地區(qū)集中分布于中西部的內(nèi)陸地區(qū)。因此有必要利用包含不同降水產(chǎn)生機(jī)制的混合元統(tǒng)計極值分布估算降水極值概率。

利用單一和混合元統(tǒng)計極值分布估計不同重現(xiàn)期（P）降水量，結(jié)果如圖3（b）可知。圖中，Q_{SGL，MEV}、Q_mix，MEV分別指利用單一和混合元統(tǒng)計極值分布擬合全部降水序列后計算的降水分位數(shù)，Q_{SGL，MEV，nTC}指利用單一元統(tǒng)計極值分布擬合非臺風(fēng)降水序列后計算的降水分位數(shù)。為了使分析更加穩(wěn)健，分析僅限于經(jīng)歷臺風(fēng)事件數(shù)量超過30 次的地區(qū)。由圖3（b）可知，同一重現(xiàn)期的Q_{SGL，MEV，nTC}＜Q_{SGL，MEV}，說明臺風(fēng)降水?dāng)?shù)據(jù)的加入可縮短極端降水事件的重現(xiàn)期;Q_{SGL，MEV，nTC}＜ Q_{SGL，MEV}＜ Q_{mix，MEV}，說明考慮臺風(fēng)降水分布的混合元統(tǒng)計極值分布能夠進(jìn)一步提高對降水極值概率的估計。隨著時間尺度的增大，Q_SGL，MEV與Q_mix，MEV趨于接近。

基于單一和混合元統(tǒng)計極值分布獲得的不同時間尺度下估算降水量的相對差異，結(jié)果如圖4所示。當(dāng)時間尺度為1 d時，中國沿海大部分地區(qū)相對差異E_Q≥ 0，尤其是東南沿海的長江三角洲附近及以南的狹長地帶、華南沿海的西部及海南等地區(qū)的相對差異最大（0.3～0.5），混合元統(tǒng)計極值分布能夠較大程度地提高對該地區(qū)極端降水概率的估計;南方內(nèi)陸大部分地區(qū)0≤E_Q<0.1，西南與東南的小部分地區(qū)-0.1≤E_Q<0，臺風(fēng)影響程度較小;相比于南方各分區(qū)，北方沿海地區(qū)中E_Q>0.1的區(qū)域分布更廣，說明臺風(fēng)對北方沿海地區(qū)的極端降水概率分布更易產(chǎn)生明顯影響。隨著重現(xiàn)期的延長，除北方沿海部分偏內(nèi)陸地區(qū)相對差異有所增長外，中國沿海地區(qū)的相對差異整體呈減小趨勢。隨著時間尺度的增長，各地區(qū)的相對差異逐漸減少，混合與單一元統(tǒng)計極值分布所估算的降水量趨于一致。

3.3 臺風(fēng)降水分析

為確定相對差異的影響因素，分別計算不同重現(xiàn)期下各個分區(qū)內(nèi)相對差異與臺風(fēng)數(shù)量、臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異這3個因素的皮爾遜相關(guān)系數(shù)，結(jié)果如圖5所示，其中R²₁、R²₂、R²₃、R²₄分別代表北方沿海、東南沿海、南方內(nèi)陸、華南沿海地區(qū)的皮爾遜相關(guān)系數(shù);*代表該皮爾遜相關(guān)系數(shù)在0.05上顯著相關(guān)，**代表在0.01上顯著相關(guān)。由圖5可知，北方沿海地區(qū)的相對差異與臺風(fēng)極端降水貢獻(xiàn)率相關(guān)性較強(qiáng)，且隨重現(xiàn)期的延長而逐漸減小;東南沿海、南方內(nèi)陸地區(qū)的相對差異均與臺風(fēng)極端降水貢獻(xiàn)率、降水差異存在強(qiáng)相關(guān);華南沿海地區(qū)的相對差異與這3個因素均存在明顯相關(guān)，其中與臺風(fēng)極端降水貢獻(xiàn)率、降水差異的相關(guān)性最高可至0.8以上，與臺風(fēng)數(shù)量的相關(guān)性較弱。隨著重現(xiàn)期的延長，相關(guān)系數(shù)稍有減小。綜合可知，臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異是影響混合與單一元統(tǒng)計極值分布估計降水相對差異的重要因素。

3.4 代表性流域分析

為了進(jìn)一步驗證在流域尺度上使用混合與單一元統(tǒng)計極值分布量化臺風(fēng)對降水極值分布影響的有效性，本研究在北方沿海、東南沿海、南方內(nèi)陸和華南沿海地區(qū)各選擇一個典型流域進(jìn)行單一和混合元統(tǒng)計極值分布的應(yīng)用分析，分別為山東半島沿海諸河流域、太湖流域、洞庭湖環(huán)湖區(qū)以及東江流域，如圖1（a）所示。繪制降水散點(diǎn)圖、單一和混合元統(tǒng)計極值分布的概率密度曲線，并利用自舉法（Bootstrap Method）計算流域平均降水序列的超越概率分布，統(tǒng)計各流域降水相對差異，如圖6所示。由結(jié)果可知，在流域尺度通過混合與單一元統(tǒng)計極值分布的對比可以有效量化臺風(fēng)對極端降水分布的影響，并且臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異是其量化結(jié)果的重要影響因素，各流域具體分析如下。

山東半島沿海諸河流域地處中國華北地區(qū)，屬暖溫帶季風(fēng)氣候，流域內(nèi)河道源短流急，直排入海;臺風(fēng)常引起河水陡漲陡落，下游洪水多與風(fēng)暴潮遭遇^［31］。近60 a間，山東半島沿海諸河流域共經(jīng)歷臺風(fēng)83次，以95%為閾值的極端降水事件中，該流域的臺風(fēng)極端降水貢獻(xiàn)率為15.4%，其中臺風(fēng)降水極值比非臺風(fēng)降水極值更大，這直接導(dǎo)致混合元統(tǒng)計極值分布的概率密度與超越概率在上尾部分明顯大于單一元統(tǒng)計極值分布，隨著重現(xiàn)期的增長，降水相對差異逐漸增大，最終相對差異穩(wěn)定在0.3左右，如圖6（a）。

太湖流域地處長江三角洲核心地帶，地勢較低，常年受梅雨、臺風(fēng)、局地性強(qiáng)對流天氣的影響，暴雨多發(fā)^［32］。相比于山東半島沿海諸河流域，太湖流域盡管經(jīng)歷臺風(fēng)事件更多（3.1場/a），但臺風(fēng)極端降水貢獻(xiàn)率與之近乎相同（15.3%）;然而太湖流域的臺風(fēng)與非臺風(fēng)降水極值差異略大，因此混合與單一元統(tǒng)計極值分布上尾部分的概率密度、超越概率相差更大，相對差異最終穩(wěn)定在0.35左右，見圖6（b）。

洞庭湖環(huán)湖區(qū)位于中國湖南省北部，屬于亞熱帶濕潤季風(fēng)氣候，雨量充沛，主要來源于西南季風(fēng)所攜帶的大量水汽^［33］。近60 a間洞庭湖環(huán)湖區(qū)共經(jīng)歷臺風(fēng)僅29次，臺風(fēng)極端降水貢獻(xiàn)率只有3.5%，受臺風(fēng)影響較小，因此，該流域混合與單一元統(tǒng)計極值分布的概率密度、超越概率結(jié)果近乎相同，相對差異始終保持在0.05以下，見圖6（c）。

東江流域是珠江流域的重要二級流域，肩負(fù)著給粵港澳大灣區(qū)供水的重要任務(wù)，屬亞熱帶季風(fēng)氣候，汛期降水多受強(qiáng)對流天氣和臺風(fēng)影響，暴雨頻發(fā)。據(jù)統(tǒng)計，東江流域平均每年經(jīng)歷6.6場臺風(fēng)，臺風(fēng)極端降水貢獻(xiàn)率為22.9%，因此，東江流域混合與單一元統(tǒng)計極值分布的概率密度曲線在上尾部分存在明顯差異。但由于該流域水汽充沛，高強(qiáng)度極端降水驅(qū)動因子較多且作用效果相似，非臺風(fēng)降水極值接近臺風(fēng)降水極值，

因此該流域混合和單一元統(tǒng)計極值分布的超越概率分布較為接近，相對差異保持在0.1以下，如圖6（d）所示。

4 結(jié)論

本文利用CN05.1降水?dāng)?shù)據(jù)和中國氣象局臺風(fēng)最佳路徑數(shù)據(jù)，計算了中國地區(qū)臺風(fēng)降水對極端降水事件的貢獻(xiàn)，利用單一和混合元統(tǒng)計極值分布之間的差異量化了臺風(fēng)活動對極端降水概率分布的影響，并利用皮爾遜相關(guān)性試驗確定量化結(jié)果的影響因素，最后選擇山東半島沿海諸河流域、太湖流域、洞庭湖環(huán)湖區(qū)以及東江流域4個典型流域進(jìn)行流域尺度的應(yīng)用驗證。主要結(jié)論如下：

（1） 通過計算臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異，發(fā)現(xiàn)臺風(fēng)主要影響中國沿海地區(qū)和部分臨近沿海的內(nèi)陸地區(qū)的高重現(xiàn)期極端降水事件。

（2） 通過計算混合與單一元統(tǒng)計極值分布估計降水間的相對差異，量化臺風(fēng)降水對極端降水分布的影響，結(jié)果發(fā)現(xiàn)考慮臺風(fēng)降水分布的混合元統(tǒng)計極值分布能夠提高研究區(qū)大部分地區(qū)對極端降水概率的估計，并且沿海地區(qū)臺風(fēng)降水的影響高于內(nèi)陸地區(qū)，北方沿海地區(qū)的影響大于南方各分區(qū)。

（3） 皮爾遜相關(guān)性試驗表明，臺風(fēng)極端降水貢獻(xiàn)率、臺風(fēng)與非臺風(fēng)降水差異是量化臺風(fēng)影響中國沿海地區(qū)降水極值分布的重要影響因素。

參考文獻(xiàn)：

［1］GORI A，LIN N，XI D Z，et al.Tropical cyclone climatology change greatly exacerbates US extreme rainfall-surge hazard［J］.Nature Climate Change，2022，12（2）：171-178.

［2］MENG C N，XU W，QIAO Y，et al.Quantitative risk assessment of population affected by tropical cyclones through joint consideration of extreme precipitation and strong wind：a case study of Hainan Province［J］.Earth′s Future，2021，9（12）：e2021EF002365.

［3］LI Y，ZHAO D J.Climatology of tropical cyclone extreme rainfall over China from 1960 to 2019［J］.Advances in Atmospheric Sciences，2022，39（2）：320-332.

［4］楊斌，施偉勇，葉欽，等.舟山島東北部沿海實(shí)測臺風(fēng)浪特性［J］.水科學(xué)進(jìn)展，2017，28（1）：106-115.（YANG B，SHI W Y，YE Q，et al.Characteristics of waves in coastal waters of Northeast Zhoushan Island during typhoons［J］.Advances in Water Science，2017，28（1）：106-115.（in Chinese））

［5］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)險評估研究進(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））

［6］周偉，鄧玖林.基于Fisher判別法的臺風(fēng)暴雨泥石流預(yù)測模型［J］.水科學(xué)進(jìn)展，2019，30（3）：392-400.（ZHOU W，DENG J L.Predictive model of typhoon-induced debris flow based on Fisher discriminant analysis［J］.Advances in Water Science，2019，30（3）：392-400.（in Chinese））

［7］陳聯(lián)壽，許映龍.中國臺風(fēng)特大暴雨綜述［J］.氣象與環(huán)境科學(xué)，2017，40（1）：3-10.（CHEN L S，XU Y L.Review of typhoon very heavy rainfall in China［J］.Meteorological and Environmental Sciences，2017，40（1）：3-10.（in Chinese））

［8］陳佩燕，陸逸.浙江超強(qiáng)臺風(fēng)“利奇馬”災(zāi)害事件回顧及部門調(diào)查情況介紹［J］.中國減災(zāi)，2022（11）：36-39.（CHEN P Y，LU Y.Review of the disaster event of Zhejiang super typhoon “Lekima” and introduction of departmental investigation［J］.Disaster Reduction in China，2022（11）：36-39.（in Chinese））

［9］張金善，殷成團(tuán)，張然，等.中國沿海登陸熱帶氣旋活動特征分析［J］.水科學(xué)進(jìn)展，2018，29（6）：759-767.（ZHANG J S，YIN C T，ZHANG R，et al.Analysis on characteristics of Chinese coastal landfall tropical cyclone activities［J］.Advances in Water Science，2018，29（6）：759-767.（in Chinese））

［10］WEI L H，GU X H，KONG D D，et al.A long-term perspective of hydroclimatological impacts of tropical cyclones on regional heavy precipitation over eastern monsoon China［J］.Atmospheric Research，2021，264：105862.

［11］LIU H S，HUANG X G，F(xiàn)EI J F，et al.Characteristics and preliminary causes of extremely persistent heavy rainfall generated by landfalling tropical cyclones over China［J］.Earth and Space Science，2022，9（4）：e2022EA002238.

［12］WU M W，WU C C，YEN T H，et al.Synoptic analysis of extreme hourly precipitation in Taiwan during 2003-12［J］.Monthly Weather Review，2017，145（12）：5123-5140.

［13］ZHANG Q，LAI Y C，GU X H，et al.Tropical cyclonic rainfall in China：changing properties，seasonality，and causes［J］.Journal of Geophysical Research：Atmospheres，2018，123（9）：4476-4489.

［14］ZHANG Q，GU X H，SHI P J，et al.Impact of tropical cyclones on flood risk in Southeastern China：spatial patterns，causes and implications［J］.Global and Planetary Change，2017，150：81-93.

［15］CHANG C P，LEI Y H，SUI C H，et al.Tropical cyclone and extreme rainfall trends in East Asian summer monsoon since mid-20th century［J］.Geophysical Research Letters，2012，39（18）：L18702.

［16］邊清河，丁治英，吳明月，等.華北地區(qū)臺風(fēng)暴雨的統(tǒng)計特征分析［J］.氣象，2005，31（3）：61-65.（BIAN Q H，DING Z Y，WU M Y，et al.Statistical analysis of typhoon heavy rainfall in North China［J］.Meteorological Monthly，2005，31（3）：61-65.（in Chinese））

［17］KHOUAKHI A，VILLARINI G，VECCHI G A.Contribution of tropical cyclones to rainfall at the global scale［J］.Journal of Climate，2017，30（1）：359-372.

［18］CHIN D A，JACKETTI M A，KARPATHY N S，et al.Accounting for tropical cyclones in extreme rainfall distributions in Florida［J］.Journal of Hydrologic Engineering，2019，24（11）：05019028.

［19］MARANI M，IGNACCOLO M.A metastatistical approach to rainfall extremes［J］.Advances in Water Resources，2015，79：121-126.

［20］LU Y，CHEN P Y，YU H，et al.Parameterized tropical cyclone precipitation model for catastrophe risk assessment in China［J］.Journal of Applied Meteorology and Climatology，2022，61（9）：1291-1303.

［21］LU X Q，YU H，YING M，et al.Western North Pacific tropical cyclone database created by the China Meteorological Administration［J］.Advances in Atmospheric Sciences，2021，38（4）：690-699.

［22］YING M，ZHANG W，YU H，et al.An overview of the China Meteorological Administration tropical cyclone database［J］.Journal of Atmospheric and Oceanic Technology，2014，31（2）：287-301.

［23］鐘劍，周慶，顧沈旦，等.西北太平洋熱帶氣旋生成在不同最佳路徑集資料中的差異特征分析［J］.海洋預(yù)報，2022，39（3）：37-46.（ZHONG J，ZHOU Q，GU S D，et al.Analysis of the different characteristics of tropical cyclogenesis among different best track data in the Northwest Pacific［J］.Marine Forecasts，2022，39（3）：37-46.（in Chinese））

［24］矯梅燕，雷小途，虞俊，等.亞太防臺減災(zāi)中國主要貢獻(xiàn)概述［J］.科學(xué)通報，2020，65（9）：780-789.（JIAO M Y，LEI X T，YU J，et al.Overview of the Chinese contributions on typhoon-related disaster reduction for Asia-Pacific region［J］.Chinese Science Bulletin，2020，65（9）：780-789.（in Chinese））

［25］薛華星，余錦華.8月中國登陸臺風(fēng)降水與對流層高層西風(fēng)急流關(guān)系的初步研究［J］.熱帶氣象學(xué)報，2016，32（5）：708-716.（XUE H X，YU J H.The preliminary research on the relationship between landfall typhoon rainfall over China and east Asian westerly jet stream in August［J］.Journal of Tropical Meteorology，2016，32（5）：708-716.（in Chinese））

［26］吳佳，高學(xué)杰.一套格點(diǎn)化的中國區(qū)域逐日觀測資料及與其它資料的對比［J］.地球物理學(xué)報，2013，56（4）：1102-1111.（WU J，GAO X J.A gridded daily observation dataset over China region and comparison with the other datasets［J］.Chinese Journal of Geophysics，2013，56（4）：1102-1111.（in Chinese））

［27］ZORZETTO E，BOTTER G，MARANI M.On the emergence of rainfall extremes from ordinary events［J］.Geophysical Research Letters，2016，43（15）：8076-8082.

［28］WILSON P S，TOUMI R.A fundamental probability distribution for heavy rainfall［J］.Geophysical Research Letters，2005，32（14）：L14812.

［29］MINIUSSI A，VILLARINI G，MARANI M.Analyses through the metastatistical extreme value distribution identify contributions of tropical cyclones to rainfall extremes in the Eastern United States［J］.Geophysical Research Letters，2020，47（7）：e2020GL087238.

［30］NOGUEIRA R C，KEIM B D.Annual volume and area variations in tropical cyclone rainfall over the Eastern United States［J］.Journal of Climate，2010，23（16）：4363-4374.

［31］郭曉娜，武瑋，鄭從奇，等.山東省主要河流近60 a徑流變化及其歸因分析［J］.濟(jì)南大學(xué)學(xué)報（自然科學(xué)版），2022，36（4）：372-379.（GUO X N，WU W，ZHENG C Q，et al.Runoff variation and its attribution analysis of major rivers in Shandong Province during recent 60 a［J］.Journal of University of Jinan（Science and Technology），2022，36（4）：372-379.（in Chinese））

［32］趙靜，胡慶芳，王臘春，等.基于MSWEP數(shù)據(jù)的太湖流域降水特性分析［J］.水資源保護(hù)，2020，36（2）：27-33，40.（ZHAO J，HU Q F，WANG L C，et al.Analysis of precipitation characteristics in Taihu Lake basin based on MSWEP［J］.Water Resources Protection，2020，36（2）：27-33，40.（in Chinese））

［33］趙英，陳華，楊家偉，等.基于SWAP和SRI的漢江流域旱澇急轉(zhuǎn)時空特征分析［J］.人民長江，2020，51（4）：94-99，151.（ZHAO Y，CHEN H，YANG J W，et al.Spatio-temporal variations of drought-flood abrupt alternation events in Hanjiang River basin based on SWAP and SRI［J］.Yangtze River，2020，51（4）：94-99，151.（in Chinese））

Effects of typhoon activities on extreme precipitation in coastal areas of China

The study is financially supported by the National Key R&D Program of China（No.2021YFC3001000） and the Guangdong Provincial Department of Science and Technology，China（No.2019ZT08G090）.

GAO Yankang¹，ZHAO Tongtiegang^1，2，TIAN Yu³，YANG Fang ²，ZHENG Feifei⁴，CHEN Xiaohong^1，2

（1. School of Civil Engineering，Sun Yat-sen University，Zhuhai 519082，China;2. Key Laboratory for Water Security in the Guangdong-Hong Kong-Macao Greater Bay Area（Preparatory），Ministry of Water Resources，Guangzhou 510611，China;3. Department of Water Resources，China Institute of Water Resources and Hydropower Research，Beijing 100038，China;4. College of Civil Engineering and Architecture，Zhejiang University，Hangzhou 310058，China）

Abstract：Based on gridded daily precipitation data and the China Meteorological Administration typhoon best-track dataset from 1961 to 2020，this study presents an evaluation of the contribution of typhoons to extreme precipitation in coastal areas of China.Specifically，both mixed and single Metastatistical Extreme Value （MEV） models are devised to evaluate the effects of typhoons on the probability distribution of extreme precipitation amounts.The related influencing factors are explored by correlation tests and four case study watersheds are selected to showcase the effects of typhoons.The results show that typhoons make significant contribution to high-return-period extreme precipitation in coastal and some nearby inland areas of China.The mixed Metastatistical extreme value distribution，which takes into account the distribution of typhoon precipitation，can better formulate the probability of extreme precipitation.The relative errors between the estimated precipitation quantiles of mixed and single MEV tend to be larger in coastal areas than in inland areas，and also be larger in northern coastal areas than in southern sub-regions.Overall，the contribution of typhoons to extreme precipitation and the differences of average precipitation between typhoon-induced and non-typhoon-induced events are important influencing factors on the distribution of the probability of extreme precipitation in coastal areas of China.

Key words：typhoon track;extreme precipitation;regional effect;return period;probability distribution