林澤群， 吳海鷗， 楊振華， 張智， 王大剛

1.中山大學地理科學與規(guī)劃學院，廣東 廣州 510006

2.中山大學土木工程學院，廣東 珠海 519082

熱帶氣旋作為一種中尺度的天氣系統(tǒng)，其伴隨的大風天氣、強降水及其引發(fā)的一系列次生災害，包括城市洪澇、水庫決堤、泥石流和滑坡等地質災害，嚴重影響社會經濟運行和人民的生命財產安全。受東風氣流、季風槽和西太平洋副高的影響，西北太平洋上生成的熱帶氣旋大部分會向中國大陸移動（胡媛媛等，2022），這使得我國成為受熱帶氣旋影響最為嚴重的國家之一。據統(tǒng)計，1995—2005 年期間熱帶氣旋平均每年造成經濟損失高達292 億元，死亡人數達438 人（秦大河，2008）；2005—2016 年期間熱帶氣旋造成的經濟損失上升到每年695億元（吳彩銘等，2022）。作為重要的致災因子，熱帶氣旋引發(fā)的極端降水和強風對房屋及室內財產造成重大損失，并且可能進一步引發(fā)流域性洪水和城市內澇等問題（方偉華等，2022）。因此，研究熱帶氣旋降水的時空變化特征，對防臺減災工作具有重要意義。

已有研究提出了多種識別熱帶氣旋降水的方法和技術。如采用天氣圖人工判別的方法進行熱帶氣旋降水的識別；任福民等（2001）提出的客觀天氣圖分析法，在識別雨帶的基礎上判別熱帶氣旋引發(fā)的降水的空間特征，從而提取出熱帶氣旋降水；王詠梅等（2006）對客觀天氣圖分析法進行了改進，認為其中的參數D0和D1，取值應隨臺風強度等級的變化而變化；Touma et al.（2019）利用熱帶氣旋路徑作為中心、700 km 為半徑的緩沖區(qū)對美國地區(qū)的熱帶氣旋降水進行識別。在識別熱帶氣旋降水的基礎上，許多學者對其時空特征、空間分布規(guī)律和變化趨勢等開展了相關的研究。在我國，熱帶氣旋降水時間上主要集中于5～7 月，其主要影響的地區(qū)為東南沿海地區(qū)以及海南省，其降水量以及對年降水量的貢獻呈現出減少的趨勢（Ren et al.，2002）。楊慧等（2019）利用1960—2017 年的數據研究熱帶氣旋對降水變化的影響，發(fā)現熱帶氣旋降水量呈現出顯著下降趨勢，減少的中心位于廣東和海南。然而，我國東南部地區(qū)的熱帶氣旋降水量和強度呈現增加的趨勢，如Ying et al.（2011）對影響我國大陸地區(qū)的熱帶氣旋的大風和降水進行了趨勢分析，發(fā)現長江以南地區(qū)的單場熱帶氣旋降水量和1 h 降水強度表現出增加趨勢；Zhang et al.（2013）利用1965—2009 年514個氣象站點數據對熱帶氣旋降水進行研究，發(fā)現我國東南部的單場熱帶氣旋降水量呈現出顯著的增加趨勢，并且這種趨勢與熱帶氣旋本身的強度沒有明顯關系。從已有的研究中可以發(fā)現，我國熱帶氣旋在頻次和降水量上呈現出減少的趨勢，但是在東南部地區(qū)單場降水量以及降水強度則呈現出增強的趨勢。

降水集中度用于表征降水在時間序列中的分布情況，常用的指標包括：降水集中度（PCD，precipitation concentration degree）、降水集中期（PCP，precipitation concentration period）、降水集中指數（PCI，precipitation concentration index）和基尼系數（GI，Gini index）等。在不同指標中，GI 因為具有去參數化和適應性強的優(yōu)點，被廣泛應用于降水集中度的研究中：Rajah et al.（2014）利用GI等研究了全球范圍內的降水集中度及其變化趨勢，發(fā)現在美國、南美洲南部和西歐呈現出增加的趨勢，而在東亞地區(qū)則是下降的趨勢；Monjo et al.（2016）利用GI 等降水集中度指標和日降水數據，研究降水在年內的分布情況以及空間差異，結果發(fā)現在季節(jié)性溫暖的海岸地區(qū)（比如巴西、澳大利亞）和靠近沙漠的地區(qū)，比較快速的大氣對流活動使得降水集中度更高；劉新有等（2007）利用GI 分析了云南省昆明市1972—2001 年降水情況和降水分布均勻度的情況，發(fā)現昆明市降水量在研究時段內呈現出增加的趨勢，并且GI 的年際振幅越來越大，降水時間分布穩(wěn)定性減弱，可能會進一步加劇旱澇災害；王鈺峰（2017）利用GI 對黑河鶯落峽水文站的年降水集中度進行分析，發(fā)現降水在年內分布極不均勻，汛期降水集中。

已有熱帶氣旋降水的研究，大部分都基于站點的日尺度數據（Ren et al.，2002，2006；Zhang et al.，2013；楊慧等，2019）；少量研究采用小時級別的降水數據（Ying et al.，2011），但空間分辨率較低（蔣賢玲等，2017；孫行知等，2017；覃皓等，2022）。熱帶氣旋攜帶大量來自海洋的水汽，在地形、下墊面、大尺度環(huán)境場以及自身移向等因素的綜合作用下使得登陸臺風降水在短時間內可能發(fā)生劇烈變化，而且這種變化的空間異質性很強（倪鐘萍等，2022）。相較于低時空分辨率數據，高時空分辨率數據能夠更好地捕捉熱帶氣旋降水的精細時空特征變化。此外，目前鮮有利用GI 分析熱帶氣旋降水時空分布特征的研究。因此，本文旨在利用高分辨率降水產品數據、熱帶氣旋路徑數據，研究熱帶氣旋降水的時空特征，并特別關注降水集中度的變化特征，從而更好地了解熱帶氣旋降水的時空分布規(guī)律，為防風減災提供參考。

1 數據與方法

1.1 研究數據

1.1.1 高分辨率降水產品數據集已有成果多采用TRMM 資料對熱帶氣旋的結構及降水特征進行了研究（曹愛琴等，2016；丁偉鈺等，2004；元慧慧等，2010），而中國區(qū)域地面氣象要素驅動數據集（CMFD，China meteorological forcing dataset）是以TRMM 降水資料為背景場，融合了多種再分析數據集和站點氣象觀測制作而成，其降水數據相較于TRMM 數據在精度方面有所提升（He et al.，2020），本文擬采用CMFD 數據集中的降水率數據作為熱帶氣旋降水研究的原始數據。CMFD 數據集時間跨度從1979—2018 年，空間分辨率為0.1°，時間分辨率為3 h。

1.1.2 熱帶氣旋最佳路徑數據集對于熱帶氣旋的移動路徑，本文采用中國氣象局熱帶氣旋資料中心發(fā)布的CMA 最佳路徑數據集（China meteorological administration tropical cyclone database），數據集時間跨度從1949—2020 年，大部分記錄的時間分辨率為6 h（2017 年后，對登陸我國的熱帶氣旋，在登陸前24 h內，時間頻次加密為3 h），數據較為完整記錄了影響我國的熱帶氣旋路徑、中心最低氣壓（hPa）、熱帶氣旋等級等信息（Lu et al.，2021；Ying et al.，2014）。

1.1.3 數據預處理對于降水強度數據，本文通過設置閾值（0.1 mm/h）對原始降水強度數據進行預處理（黃國如等，2021），小于閾值的降水被認為是無降水，重新賦值為0。本文采用的2 種原始數據：3 h 降水率數據（CMFD）和臺風最佳路徑數據（CMA 最佳路徑）在時間跨度上不是完全重合的，通過選取兩者的最長重疊期，將時間范圍選定為1979—2018 年。此外，2 種數據的時間分辨率不同，需要進行統(tǒng)一。為了研究短時熱帶氣旋降水的時空變化特征，保持降水數據的時間分辨率不變，而對熱帶氣旋路徑數據進行插值處理，將時間分辨率從6 h提高到3 h，具體處理方法如下：由前后2 個時刻的連線中點確定熱帶氣旋中心的位置，等級沿用前一時刻的等級，其余變量取前后2個時刻的平均值。其中2017 年后登陸臺風的部分時間間隔已經是3 h，這部分沒有進行插值處理。

1.2 研究方法

1.2.1 熱帶氣旋降水范圍確定目前已有識別熱帶氣旋降水的方法包括：1）人工方式識別。通過識別天氣云圖，確定熱帶氣旋降水范圍；2）客觀天氣圖分析法。通過識別雨帶，計算雨帶中心與熱帶氣旋的距離，從而判斷是否為熱帶氣旋帶來的降水；3）緩沖區(qū)方法。認為離熱帶氣旋中心一定距離以內的降水，是熱帶氣旋所帶來的。本文采用緩沖區(qū)方法識別熱帶氣旋降水，以熱帶氣旋中心為圓心，建立半徑為1 100 km 的緩沖區(qū)來識別熱帶氣旋降水（王詠梅等，2006）。當一個網格的中心距離熱帶氣旋中心≤1 100 km 便認為受到熱帶氣旋的影響，如果出現降水，則識別為熱帶氣旋降水。同時為了增加結論的可信度，本文還利用半徑900 km 建立緩沖區(qū)，計算的結果用于與1 100 km的結果進行比較分析。

1.2.2 降水時空集中度指標熱帶氣旋降水GI計算方法（Rajah et al.，2014）如下：將每一個網格作為獨立樣本，其中從網格進入熱帶氣旋降水范圍作為起始狀態(tài)，持續(xù)到網格脫離降水范圍，在這期間的數據作為一個完整的計算序列。首先將序列中缺省值去除，然后按遞增的順序排列，計算排列后的累計降水量，除以序列總降水量得到累計降水百分比，構建洛倫茲曲線，GI 則是該曲線和45°標準線之間面積的2倍，計算公式為

式中n為序列長度，也就是網格在熱帶氣旋降水范圍以內的總時段數，i為數據在遞增序列中的次序，yi為累計降水百分比，計算得到的GI 范圍為0～1，其中0 代表熱帶氣旋降水在時段內分布均勻，1 代表降水分布非常不均勻，降水集中在序列中的某一個時段。在計算過程中發(fā)現，部分位于影響范圍邊緣的網格受影響時段數較少，計算得到的GI并不準確，因此將受熱帶氣旋影響的總時段數＜ 3的網格認為是無效網格，在計算GI時不予考慮。

本文不僅計算了時間上的GI（以進入熱帶氣旋降水范圍和脫離降水范圍的持續(xù)時段作為計算序列），而且參考相關研究中使用的空間集中度指標（Long et al.，2021），計算了空間基尼系數（GIs，space Gini index）。如圖1 所示，對于GIs，其研究對象是熱帶氣旋的累計降水量，得到的結果表征熱帶氣旋降水在空間上的分布情況。計算步驟為：① 計算熱帶氣旋事件的累計降水量；② 確定累計降水中心（累計降水量最大的網格）。如果出現多個累計降水中心，則分別計算對應的GIs，取最大值作為本場熱帶氣旋降水的空間集中度；③ 計算區(qū)域內其余任何一個網格與累計降水中心的距離，根據距離從遠到近排列；④ 設定距離區(qū)間閾值k，將其設置為10 km（Long et al.，2021），計算每個距離區(qū)間內網格的累計降水量的平均值，從而得到一個按照從遠到近排列的累計降水空間序列；⑤ 計算得到GIs，

圖1 GIs計算示意圖（以1986年熱帶氣旋Abby為例）Fig.1 Schematic diagram of space Gini index calculation(Take tropical cyclone Abby in 1986 as an example)

式中n代表距離區(qū)間的總數，i代表距離區(qū)間編號（按照離累計降水中心從遠到近編號），yi代表各距離區(qū)間的累計降水百分比。計算得到的GIs的數值范圍為0～1，其中0 代表熱帶氣旋降水在空間上均勻分布，區(qū)域內的熱帶氣旋累計降水量沒有差別；1 代表降水在空間上全部集中于中心分布，呈現高度聚集的情況。

1.2.3 線性回歸法線性回歸法是一種常用的趨勢識別方法，通過構建一元線性回歸方程，估算變量的長期變化趨勢，構建的方程為

式中x(t)為需要計算的變量，t為x(t)所對應的年份；a為截距，b為斜率，兩個參數通過最小二乘法算出，得到的回歸系數b反映了變量的變化速率，正負則代表增減變化趨勢。同時，以0.01 作為回歸顯著性檢驗的標準，當p＜0.01 時認為趨勢具有顯著性。計算變化速率的變量包括：年熱帶氣旋影響頻次、年熱帶氣旋降水量和GI 等，由于熱帶氣旋路徑具有隨機性，部分地區(qū)并不是每年都受熱帶氣旋影響，因此將變量缺失年份＜10%的地區(qū)仍納入趨勢計算范圍，從而獲得變化趨勢的空間分布圖。

2 結果與討論

為了研究短時熱帶氣旋降水的時空變化特征，本文擬從區(qū)域角度上，研究受熱帶氣旋影響情況、降水特征（降水量和降水集中度）及變化趨勢；在熱帶氣旋事件角度上，分析所有熱帶氣旋事件的降水特征隨時間的變化規(guī)律及其內在聯(lián)系，并對典型熱帶氣旋事件進行具體分析，以發(fā)現降水的時空分布不均勻性及空間分布規(guī)律。

2.1 熱帶氣旋路徑分析

為了研究1979—2018 年區(qū)域熱帶氣旋降水的情況，首先需要根據CMA 最佳路徑集插值后的熱帶氣旋路徑和影響半徑，提取出所有影響我國的熱帶氣旋路徑圖（圖2）。從發(fā)源地來看，影響我國的熱帶氣旋大多數是從西太平洋發(fā)源，只有少部分發(fā)源于南海地區(qū)。從移動方向來看，熱帶氣旋的移動路徑具有隨機性，但是其主要的移動方向主要西北方向和東北方向；從登陸情況來看，熱帶氣旋可以分為登陸和未登陸熱帶氣旋，前者的等級在登陸前后發(fā)生明顯變化，登陸后迅速減弱，而向東北移動的未登陸熱帶氣旋則減弱較慢。

圖2 1979—2018年影響中國地區(qū)的熱帶氣旋路徑Fig.2 Tropical cyclone tracks affecting China from 1979 to 2018

每個地區(qū)受熱帶氣旋影響的頻次由熱帶氣旋的路徑及影響半徑所決定。在熱帶氣旋路徑分析的基礎上，在區(qū)域尺度分析熱帶氣旋的影響頻次及其變化趨勢，有助于了解熱帶氣旋對各個地區(qū)的總體影響。從圖3（a）可以發(fā)現，熱帶氣旋的影響頻次在空間分布上表現出明顯的規(guī)律性：從東南向西北減少，臺灣島的年影響頻次最高。年熱帶氣旋影響頻次超過4 次的地區(qū)主要集中在我國東南沿海地區(qū)，包括長江下游地區(qū)和粵港澳大灣區(qū)等人口稠密地區(qū)，這些地區(qū)是臺風災害防御的重點關注地區(qū)。我國東南部大部分地區(qū)年熱帶氣旋影響頻次的變化趨勢為減少（圖3（b）），其中廣東省中部地區(qū)的下降趨勢相比于其他地區(qū)更快（＞1.2/10a），并且通過顯著性檢驗。對比影響半徑為900 km 的結果（見圖4），不同之處在于半徑為1 100 km（圖3）的熱帶氣旋影響范圍更廣，影響頻次和下降的趨勢更大且空間分布統(tǒng)一，但是兩個半徑下的影響頻次空間分布規(guī)律一致，整體趨勢均表現為減少。

圖3 年熱帶氣旋影響頻次及變化趨勢的空間分布（圖中黑色點表征網格通過顯著性檢驗）Fig.3 Spatial distribution of annual tropical cyclone impact frequency and trend(The black points represent the pixels that pass the significance test at the 1% significance level)

圖4 年熱帶氣旋影響頻次及變化趨勢的空間分布圖（影響半徑取900 km，黑色點表征網格通過顯著性檢驗）Fig.4 Spatial distribution of annual tropical cyclone impact frequency and trend(The influence radius is 900 km and the black points represent the pixels that pass the significance test at the 1% significance level)

區(qū)域的年熱帶氣旋降水量直觀地反映熱帶氣旋帶來的水汽總量，同時有助于研究熱帶氣旋水汽在空間分布上的規(guī)律。通過統(tǒng)計每個區(qū)域在1979—2018 年期間產生影響的熱帶氣旋的累計降水量之和，計算多年平均值，獲得年熱帶氣旋降水量空間分布圖。如圖5（a）所示，年熱帶氣旋降水量的空間分布規(guī)律與影響頻次相似，均是從東南向西北減少，在臺灣島、海南島中部和東南沿海地區(qū)取得高值。然而熱帶氣旋降水在空間上表現出不同趨勢（圖5（b）），長江下游地區(qū)和臺灣島熱帶氣旋降水呈現增加趨勢，其中臺灣東南部顯著增加且速率超過15 mm/a，結合影響頻次的減少趨勢，說明這些地區(qū)單場熱帶氣旋事件的降水將會增大，可能會帶來更加嚴重的災害。而廣東地區(qū)及海南島的熱帶氣旋降水則表現出不顯著的下降趨勢。在影響半徑為900 km 的條件下（圖6），年熱帶氣旋降水量明顯減少，變化趨勢主要以增加為主，呈現減少趨勢的地區(qū)明顯減少。然而，2 個影響半徑產生的年熱帶氣旋降水量高值區(qū)域分布保持一致，臺灣島東南部的顯著增加趨勢也高度相似。

圖5 年熱帶氣旋降水量及變化趨勢的空間分布圖（黑色點表征網格通過顯著性檢驗）Fig.5 Spatial distribution of annual precipitation and trend of tropical cyclones(The black points represent the pixels that pass the significance test at the 1% significance level)

圖6 年熱帶氣旋降水量及變化趨勢的空間分布圖（影響半徑取900 km，黑色點表征網格通過顯著性檢驗）Fig.6 Spatial distribution of annual tropical cyclone precipitation and trend(The influence radius is 900 km and the black points represent the pixels that pass the significance test at the 1% significance level)

熱帶氣旋降水時間分布的不均勻性可以用降水集中度表征，降水集中度高的地區(qū)，其熱帶氣旋降水在受影響的時間段內，分布更為集中，就越有可能出現短時強降水，對當地造成更嚴重的災害。通過統(tǒng)計1979—2018 年區(qū)域所有熱帶氣旋事件的GI，計算多年平均，得到GI 多年平均值的空間分布（圖7（a））。熱帶氣旋降水集中度在空間上的分布規(guī)律仍然是從東南向西北減少，東南部地區(qū)GI ＞ 0.7，表明對于我國東南部地區(qū)，熱帶氣旋帶來的降水在時間上比起其他地區(qū)更加集中，這也更有可能導致臺風災害。同時GI ＞ 0.8 的地區(qū)主要集中在廣東省北部、江西省南部、云南省東部和福建省西北部的部分地區(qū)，表明這些地方熱帶氣旋降水分布最為集中。GI 在大部分地區(qū)都呈現出顯著增加的趨勢（圖7（b）），表明熱帶氣旋降水在時間上越來越趨向于集中分布，其中在云南省和湖北省的部分地區(qū)出現了超過0.05/10a的變化趨勢，在廣東中部以及海南島中部的變化趨勢大于0.03/10a。在影響半徑為900 km 的結果中（圖8），隨著半徑的減小，GI 相比于1 100 km 的結果有所減小，但是其增加趨勢的速率增大，在江西省中部地區(qū)出現超過0.06/10a的趨勢，表明該地區(qū)的熱帶氣旋降水在時間分布上變得更加集中。不同半徑計算得到的結果具有高度的相似性，包括GI 的空間分布規(guī)律和顯著增加的趨勢，表明對于熱帶氣旋的降水集中度而言，選取的半徑并不會導致結論出現較大的差異，基于1 100 km 影響半徑得到的結論是可信的。

圖7 GI的多年平均和變化趨勢空間分布圖（黑色點表征網格通過顯著性檢驗）Fig.7 Spatial distribution of multi-year average and trend of Gini index(The black points represent the pixels that pass the significance test at the 1% significance level)

圖8 GI的多年平均和變化趨勢空間分布圖（影響半徑取900 km，黑色點表征網格通過顯著性檢驗）Fig.8 Spatial distribution of multi-year average and trend of Gini index from 1979 to 2018(The influence radius is 900 km and the black points represent the pixels that pass the significance test at the 1% significance level)

2.2 熱帶氣旋事件的降水特征

由于熱帶氣旋事件具有很強的隨機性，不同熱帶氣旋事件的等級、強度、路徑和降水特征具有很大的差異，為了從中找到具有普適性的規(guī)律，本文從事件的角度對熱帶氣旋降水進行研究，并探討降水特征之間的聯(lián)系。

將研究時段（1979—2018 年）內所有的熱帶氣旋事件分成2 個事件區(qū)間：1979—1998 年和1999—2018年，計算逐場熱帶氣旋事件的6個特征變量（場均影響時長、場均降水時長、場均面降水量、場均降水強度、場均GI 和GIs），按照每個特征變量的范圍分為9 個區(qū)間，統(tǒng)計前后20 年逐場6個特征變量分別在9個區(qū)間內的頻率。值得注意的是，這里的場均面降水量是將一場熱帶氣旋降水范圍內的所有網格的累計降水量求和，然后除以范圍內的總網格數，表征的是受到熱帶氣旋影響地區(qū)的面降水量，有助于全面評估受熱帶氣旋影響地區(qū)的降水量情況。而場均降水強度則是對一場熱帶氣旋事件中所有存在降水的網格計算降水強度，然后求平均，表征熱帶氣旋事件的平均降水速率。場均影響時長、降水時長、面降水量在前后20年都表現出右偏的數據分布（圖9（a，b，c）），表明熱帶氣旋出現相應的極端情況（場均影響時長超過156 h、場均降水時長超過52 h 和場均面降水量超過1.8 mm）頻率很小，但是極端情況對應的值很大，可能導致嚴重的臺風災害，值得深入關注。而從前后20 年對比來看，1999—2018 年熱帶氣旋的場均影響時長在92、156 和188 h 區(qū)間內的頻率明顯增加，而短影響時長（區(qū)間中心值為28 和60 h）的熱帶氣旋事件出現的頻率明顯下降。相似的還有場均面降水量，在1999—2018 年期間，場均面降水量在1.0 mm 區(qū)間內的頻率明顯上升。場均降水時長則呈現出相反的規(guī)律，1999—2018 年期間短降水時長（區(qū)間中心值為16 h）的熱帶氣旋事件出現的頻率明顯上升，其他降水時長的熱帶氣旋事件頻率則相比于1979—1998 年期間有明顯下降。這也導致了場均降水強度較高的熱帶氣旋在后20 年出現的頻率增加，同時1999—2018 年場均降水強度的數據分布與1979—1998 年出現較大差別（圖9（d））。從圖9（e）可以發(fā)現，GI 在1999—2018 年在高值區(qū)的頻率增加，中心值為0.84 的區(qū)間的頻率增加最為明顯，遠高于前20 年的頻率，表明熱帶氣旋降水在1999—2018 年相比于1979—1998 年在時間上的分布更加不均勻。而GIS在高值區(qū)（區(qū)間中心值為0.90）的頻率在后20 年也有所增加（圖9（f）），但是幅度遠遠小于GI 變化的幅度，表明熱帶氣旋降水在空間分布上的變化較小。本文也嘗試了利用900 km 作為影響半徑（圖10），基于2個不同影響半徑的6個特征變量在前后20年的變化規(guī)律高度相似。

圖9 熱帶氣旋場均特征變量的頻率直方圖（影響半徑取1 100 km）Fig.9 Frequency histograms of eigenvectors of tropical cyclones (The influence radius is 1 100 km)

圖10 1979—2018年熱帶氣旋場均特征變量的頻率直方圖（影響半徑取900 km）Fig.10 Frequency histograms of eigenvectors of tropical cyclones from 1979 to 2018(The influence radius is 900 km)

為揭示熱帶氣旋降水的時序特征，在分析2個時期降水特征變化的基礎上，對6個特征變量進行時間序列分析（圖11）。場均影響時長、場均面降水量以及GIs的時間序列沒有表現出明顯的趨勢，但是年際之間存在差異，整體序列呈現波動性（圖11（a，c，f））。而場均降水時長表現出下降的趨勢，在1997年下降并在新的范圍內波動（圖11（b））。而場均GI和場均降水強度表現出明顯的增加趨勢（圖11（e，d）），說明影響我國的熱帶氣旋在場均面降水量沒有明顯變化趨勢的情況下，場均降水時長減少，從而導致降水集中度和降水強度方面都有增強，更有可能在短時間內造成嚴重的臺風災害，值得有關部門關注并做出相應的應對措施。從影響半徑為900 km 的結果（圖12）可以發(fā)現，隨著半徑的減小，場均影響時長和降水時長有所減少。在時間序列的趨勢方面，場均面降水量呈現波動性，但是沒有明顯的變化趨勢，場均降水時長表現出下降趨勢，從而導致了場均降水強度和GI 呈現出明顯的增加趨勢，與影響半徑為1 100 km（圖11）條件下得出的結論一致。

圖11 熱帶氣旋場均特征變量的時間序列箱型圖（影響半徑取1 100 km）Fig.11 Time series box diagram of eigenvectors of tropical cyclones ( The influence radius is 1 100 km)

本文利用影響半徑為900 km 的結果（圖4、6、8、10、12）與1 100 km 的結果（圖3、5、7、9、11）進行比較，總體而言，影響半徑的變化使得熱帶氣旋的影響頻次、降水量、降水時長、面降水量和降水強度在空間覆蓋范圍和數值上有所變化，但是空間分布規(guī)律、變化趨勢、前后20 年的變化規(guī)律等方面保持一致，說明了選取1 100 km 作為影響半徑是合理的。

為研究熱帶氣旋降水特征變量之間的相互關系，計算6 個特征變量間的相關系數（表1）。可以看到GI 與影響時長有最強的正相關關系（0.62），表明熱帶氣旋場均影響時間越長，其范圍內的降水在時間上的分布將變得更加集中。面降水量和降水強度也表現出了較高的正相關性（0.57）。GIS與影響時長、降水時長、降水強度都表現出顯著的相關，但是相關系數均＜0.5，其影響因素仍有待進一步研究。

2.3 典型熱帶氣旋事件分析

對4 場典型熱帶氣旋事件的降水分布（圖13）、集中度情況（圖14）以及兩者與中心路徑的關系（圖15）進行研究，包括2005年熱帶氣旋海棠、2005年熱帶氣旋泰利、2007 年熱帶氣旋圣帕和2013 年熱帶氣旋尤特，從而提高研究的可信度。熱帶氣旋的累計降水量主要集中分布在中心路徑周圍，距離路徑越遠的地方累計降水量越小（圖13）。對于熱帶氣旋泰利和尤特，累計降水量高值區(qū)域均位于中心路徑的右側，與路徑并不是完全重合（圖13（b，d）），表明熱帶氣旋降水并不是沿著中心路徑簡單分布，而是呈現出非對稱結構，并受到不同因子的影響（溫冠環(huán)等，2020）。對于熱帶氣旋降水的空間分布不均勻性而言，相比于其他3個熱帶氣旋事件的降水量高值區(qū)在空間上的松散分布（圖13（b，c，d）），熱帶氣旋海棠的降水在空間上表現最為集中，主要集中分布在臺灣島，其GIs為0.78，明顯高于其他3個事件，表明熱帶氣旋海棠相比其他3個事件更具有危害性，會對降水集中的地區(qū)造成更嚴重的破壞（薛根元等，2006）。

圖13 四場熱帶氣旋的累計降水量空間分布圖Fig.13 Spatial distribution of accumulated precipitation of four tropical cyclones

圖14 四場熱帶氣旋的GI空間分布圖Fig.14 Spatial distribution of Gini index of four tropical cyclones

圖15 四場熱帶氣旋累計降水量和降水集中度隨離中心距離變化的關系圖Fig.15 The relationship between accumulated precipitation/precipitation concentration and the shortest distance with tropical cyclone center for four tropical cyclones

而從降水時間分布情況來看（圖14），熱帶氣旋降水呈現出集中分布的情況，大部分網格的GI大于0.7。但是GI的空間分布則較為分散，高值區(qū)（0.9～1.0）主要分布在離中心路徑一定距離的地區(qū)，而中心路徑周圍地區(qū)，GI 相對較小。這表明對于熱帶氣旋事件，靠近中心路徑的網格降水相較于其他網格在時間分布上表現得更為均勻。

為更好研究熱帶氣旋事件的累計降水量和降水集中度在空間上的變化規(guī)律，通過計算影響范圍內的網格距中心路徑的最短距離，并以30 km 為固定步長，將不同網格分為若干組，在組內求對應網格的平均累計降水量和GI，得到的結果如圖15 所示。從圖中藍色線可以看到，熱帶氣旋的累計降水量隨著最短距離的增加而劇烈減小，表明熱帶氣旋降水主要集中在中心路徑周圍。同時從熱帶氣旋海棠和泰利的結果可以發(fā)現（圖15（a，b）），在0～200 km 內，累計降水量下降幅度較小，甚至隨最短距離的增加而略有增加，表明在這兩個熱帶氣旋事件中，氣旋降水主要集中在眼墻的結構內（林青，2014）。GI的變化規(guī)律則較為一致，在0～800 km 內呈現上升的趨勢，表明降水隨最短距離增加而在時間上分布得更加集中，在800 km后則劇烈下降，降水呈現均勻分布。總體而言，對于4 場熱帶氣旋事件，距離中心路徑200 km 以內為主要降水區(qū)域，降水量大，在時間上分布均勻，表示該范圍內主要以長時間的大雨或者暴雨為主。而200～800 km 范圍內，降水量迅速下降，但是在時間上愈發(fā)呈現集中分布態(tài)勢，以短時的強降水為主，但是總體降水量相比于200 km 以內的地區(qū)則較?。?00～1 100 km范圍內則情況較為復雜，GI可能快速下降（圖15（a，c）），伴隨累計降水量基本不變或者有略微上升；GI 也可能在下降后再次上升，伴隨降水量的增加（圖15（d）），這可能是由于地區(qū)處在熱帶氣旋邊緣，受到多種不同因素的影響，從而導致多種情況的發(fā)生。

3 結 論

本文利用高分辨率降水產品數據和熱帶氣旋最佳路徑數據，基于GI、GIS和線性回歸法的方法，對1979—2018 年影響我國的熱帶氣旋降水時空變化特征進行了分析，得出以下主要結論：

1） 對于影響我國的熱帶氣旋事件，在影響頻次上有比較明顯的下降，特別是粵港澳大灣區(qū)，其下降的趨勢大于1.2/10a 并具有顯著性，而年熱帶氣旋降水量的趨勢則呈現出空間差異性，廣東、廣西和云南等地區(qū)呈現下降趨勢，長江下游地區(qū)和臺灣地區(qū)呈現增加的趨勢。

2） 熱帶氣旋場均降水強度和GI，在1995 年后均表現出明顯上升趨勢；GI 在我國東南部呈現出明顯的上升趨勢，表明熱帶氣旋降水在強度增強的同時分布更加集中。

3） 典型熱帶氣旋事件的分析表明，距離中心路徑200 km內的地區(qū)為熱帶氣旋主要降水區(qū)域，以長時間大雨或者暴雨為主，降水量大，時間分布均勻；而在200～800 km 范圍內，以短時強降水為主，降水量隨距離增加而迅速減少，在時間分布上變得更加集中；熱帶氣旋降水在空間上分布得越集中，其危害性越大，越有可能造成嚴重的臺風災害。