EN中文

干旱区研究 >

2025 , Vol. 42 >Issue 11: 1949 - 1965

DOI: https://doi.org/10.13866/j.azr.2025.11.01

天气与气候

基于多源降水融合资料的伊犁河流域极端降水特征

  • 古丽扎尔·莫明 , 1, 2 ,
  • 杨涛 , 1, 3 ,
  • 杨莲梅 1 ,
  • 卢新玉 1
展开
  • 1.中国气象局乌鲁木齐沙漠气象研究所，新疆 乌鲁木齐 830002
  • 2.库车市气象局，新疆 库车 842000
  • 3.新疆维吾尔自治区气候中心， 新疆 乌鲁木齐 830002
杨涛. E-mail:

古丽扎尔·莫明（1998-），女，硕士研究生，主要从事空间信息分析与应用研究. E-mail:

收稿日期: 2025-03-25

  修回日期: 2025-07-08

  网络出版日期: 2026-03-12

基金资助

新疆维吾尔自治区天山英才高层次领军人才项目(2022TSYCLJ0003)

新疆维吾尔自治区重点研发计划项目(2023B03019-1)

第三次新疆综合科学考察项目(2022xjkk0601)

收起

Precipitation characteristics in Yili River Basin at different time scales based on multisource precipitation fusion data

  • Gulzar MOMIN , 1, 2 ,
  • YANG Tao , 1, 3 ,
  • YANG Lianmei 1 ,
  • LU Xinyu 1
Expand
  • 1. Urumqi Desert Meteorology Institute, China Meteorological Administration, Urumqi 830002, Xinjiang, China
  • 2. Kuche Meteorological Bureau, Kuche 842000, Xinjiang, China
  • 3. Xinjiang Uygur Autonmous Region Climate Center, Urumqi 830002, Xinjiang, China

Received date: 2025-03-25

  Revised date: 2025-07-08

  Online published: 2026-03-12

Fold

摘要

伊犁河流域是天山降水量最大的区域，也是强降水频发区域，研究不同时间尺度极端降水精细化特征对气象预报、防洪减灾有科学意义。利用伊犁河流域地区2010—2021年暖季（5—8月）近300个区域自动站小时降水数据，以最新一代全球降水测量计划（GPM IMERG）卫星降水产品为初始场，实况降水为观测场，通过最优插值（OI）将偏差订正后的IMERG降水量估计值与雨量计实况相结合，运用概率密度匹配与最优插值两步融合校正方法（PDF-OI），获得高分辨率（0.1°×0.1°）逐小时多源降水融合资料，分析伊犁河流域极端降水特征。结果表明：（1） 小时降水量极端值（22.5~38.9 mm）出现在流域北部及东段海拔较高的山区；极端降水强度在2000 m的中海拔平山区较强，强度与极端降水阈值空间分布相似，而频次分布则不同，频次随海拔升高逐渐增多。（2） 小时极端降水日变化在流域北部最大，河谷山区次之，东段居第三位，而流域南部最小；极端降水频次日变化流域南部最大，河谷山区次之、东段居第三位、北部最小。（3） EP1 h（小时极端降水）阈值最大值8.5 mm、最小值1.2 mm，EP3 h（3 h极端降水）阈值空间分布与EP1 h相似，即降水阈值由流域中海拔区域向高海拔山区逐渐减小，EP6 h （6 h极端降水）与EP12 h （12 h极端降水）阈值分布从2000 m和3000 m开始向高海拔区域逐渐减小。

关键词： 多源降水融合资料; 小时极端降水; 时空分布特征; 伊犁河流域

本文引用格式

古丽扎尔·莫明 , 杨涛 , 杨莲梅 , 卢新玉 . 基于多源降水融合资料的伊犁河流域极端降水特征[J]. 干旱区研究, 2025 , 42(11) : 1949 -1965 . DOI: 10.13866/j.azr.2025.11.01

Abstract

The Ili River Basin is the area with the highest precipitation in the Tianshan Mountains and frequently experiences heavy precipitation. Studying the fine characteristics of the precipitation at different time scales can advance meteorological forecasting and flood control. Using the hourly precipitation data from nearly 300 regional automatic stations in the Ili River Basin during the warm season (May-August) from 2010 to 2021, taking the latest generation of the Global Precipitation Measurement Mission satellite precipitation product as the initial field, and taking the actual precipitation as the observation field, this study combines the bias-corrected IMERG precipitation estimates with the rain gauge observations through optimal interpolation (OI). The probability density function-OI two-step fusion correction method yielded high-resolution (0.1°×0.1°) hourly multi-source precipitation fusion data, from which the extreme precipitation characteristics in the Ili River Basin were analyzed. The results show that: (1) extreme hourly precipitation events (22.5-38.9 mm) occur in the northern and eastern high-altitude mountainous areas of the basin, whereas the extreme precipitation intensity is stronger in the mid-altitude plain areas at 2000 m. The spatial distribution of the extreme intensity is similar to that of the extreme precipitation thresholds but exhibits a different frequency distribution; specifically, a gradual increase of frequency with altitude. (2) The diurnal variation of hourly extreme precipitation is largest in the northern part of the basin, second-largest in the Wusun Mountain area, third-largest in the eastern section, and smallest in the southern part of the basin. In contrast, the diurnal variation of extreme precipitation frequency is largest in the southern part of the basin, followed by the Wusun Mountain area, the eastern section, and the northern part. (3) The hourly extreme precipitation (EP1 h) threshold ranges from 1.2 to 8.5 mm. The three-hourly extreme precipitation (EP3 h) threshold is distributed similarly to that of EP1h, showing a gradual decrease from the mid-altitude area to the high-altitude mountainous area of the basin. The thresholds of the EP6 h and EP12 h gradually decrease from 2000 m and 3000 m to the high-altitude areas.

Key words： multi-source precipitation fusion data; hourly extreme precipitation; spatial and temporal distribution characteristic; Yili River Basin

近年来，由极端降水造成的重大灾害性事件频繁发生，极端降水在短时间内可以产生巨大的降水量，因此，更易引发洪涝、泥石流、山体滑坡等灾害，给人类社会和经济发展带来损失[1]。新疆是降水量较少的地区，而在新疆由暴雨或强降水等极端天气造成的山洪灾害、泥石流等次生灾害较多[2]。降水的形成与该区域地形地貌等自然地理特征有关[3]，伊犁河流域位于迎风坡，且其喇叭口地形是降水多的主要原因之一，流域内有限的观测站无法提供精确的降水监测结果或预报功能，尤其在地形复杂地区导致观测数据不准，而降水数据的分辨率会影响该区域降水状况的分析和其余气象灾害的研究[4]。
在已有气象因子研究中主要依赖单一数据源或传统观测手段，即基于常规气象观测资料和NCEP再分析数据，分析极端降水事件的天气系统配置和水汽输送特征，但未整合卫星雷达等遥感数据，对中小尺度系统演变和水汽三维结构的解析有限[5]。近年来，多源降水融合技术的快速发展提供了新思路，通过集成地面观测、卫星遥感、雷达反演及再分析数据等多源信息，融合产品能够有效弥补单一数据源的不足，显著提高降水估算的精度和时空覆盖能力。气象观测站[6]、卫星遥感和气象雷达[7]是常用的获取逐小时极端降水数据的途径，在新疆尤其伊犁河流域复杂地理环境中使用传统的观测站点或单独的观测方式存在一定的局限性。应用气象观测站降水订正卫星降水可获取综合的、更准确的降水产品[8]，提高卫星降水的准确率[9]。本文应用伊犁河流域近300个区域自动气象观测站小时降水数据，运用概率密度匹配与最优插值两步融合校正法订正GPM卫星降水产品，获得更准确的降水数据，分析研究区降水精细化特征。
多数研究更关注极端降水的年际变化或单一事件诊断，如袁子玥[10]基于1991—2020年气象站点数据构建极端降水指数，指出强降水量增速为3.79 mm·（10a）-1，但缺乏对小时级强降水的精细化分析。李建等[11]利用广义极值分布和百分位两种阈值确定方法，研究我国465个气象站点不同极端程度的小时降水强度阈值，得出重现期为2 a、5 a、10 a、50 a的降水强度阈值具有一致的空间分布特征。陈妙霖等[12]利用西南地区1991—2020年5—9月逐小时降水数据，采用第97百分位阈值法，研究西南小时极端降水特征与差异。周雅蔓等[13]对新疆北部地区夏季极端降水事件的特征分析，得到在海拔2000 m左右存在一个最大降水带。郭玉琳等[14]对新疆天山山区夏季日降水变化特征进行分析，发现极端降水与海拔密切相关，总极端降水频次更多发生在高海拔地区。绝大多数研究对伊犁河流域极端降水特征的分析中，缺乏利用高分辨率数据的分析结果，因此，通过逐小时降水分析和预测了解降水事件的时空分布、强度和持续时间，为研究区水灾害预警、生态安全屏障建设及适应性管理提供科学支撑，同时为多源数据融合技术在复杂地形区极端气候事件研究中的推广提供方法，进而对洪涝、山洪、泥石流等气象灾害进行预警和防范[15-16]。

1 研究区概况与研究方法

1.1 研究区概况

伊犁河流域位于天山西端，流域三面环山，地形呈喇叭状向西开口，海拔在509~6231 m，地理位置位于42°14′~44°50′N，80°09′~84°56′E（图1a），流域面积57550.80 km2[17]，年径流量180×108 m3。流域内多种地貌类型并存，地势东高西低，东窄西宽，气候温和湿润，平原和山区降水量分别为200~500 mm、600~800 mm，高海拔山区可达800 mm以上，年均气温10.4 ℃左右[18]，流域整体比较湿润、降水量充沛，植被丰富度高，绿洲面积广泛，流域气象观测站5月、6月、7月、8月降水量分别为45.0 mm、47.7 mm、44.1 mm、33.9 mm，降水量差异不大（图1b）。根据流域自然地理特征和小时极端降水特点，为分析小时极端降水日变化特征，将研究区分为A、B、C、D区，即流域北部、东部、河谷区域和南部4个区域。
图1 研究区概况及多年月平均降水量

注：A表示流域北部区域；B表示流域东部区域；C表示河谷区域；D表示流域南部区域。下同。

Fig. 1 Study area overview and multi-year monthly average precipitation

由图1b所示，对5—8月逐月极端降水阈值进行了分析，各月差异很小，因此，把5—8月作为整体取百分位作为极端降水阈值。新疆位于副热带干旱区，5—8月降雨主要受西风带系统的影响，没有明显集中月份和时段，故把5—8月极端降水阈值和分布特征作为整体分析适合新疆气候背景。

1.2 资料与方法

1.2.1 多源降水数据融合

基于研究区自然地理格局和降水特征，即季节性，“总量少、集中强、差异大、极端化”的特点[19]。因此，研究极端降水特征有利于提供更精确、更科学的防灾措施。利用伊犁河流域地区2010—2021年暖季（5—8月）近300个区域自动站小时降水数据，以最新一代全球降水测量计划（GPM IMERG）卫星降水产品为初始场，运用概率密度匹配与最优插值两步融合校正方法（PDF-OI），最终得到经过两步校正后的伊犁河流域小时雨量融合数据。在整个研究时段内实况降水的标准差为1.16 mm，而IMERG、PDF_CRT和PDF-OI_CRT 分别为 0.74 mm、0.86 mm和 0.92 mm，说明PDF-OI_CRT降水的标准差最接近实况。通过两步校正最终得到PDF-OI_CRT融合降水，确保了在有实况站点的区域与实况保持一致，在无实况观测区域保留卫星反演降水分布，有效结合了2种观测方式的优点。同时，PDF-OI_CRT与实况降水的相关系数最高（0.39），而均方根均低于其他2种产品。与雨量计实况和原始卫星降水数据相比，PDF-OI两步校正方法构建的融合降水消除了系统误差，提高了数据精度，与原始IMERG相比，相关系数提高了31.6%，绝对平均误差下降了53.3%，相对误差下降了55.7%，均反映出大幅改进效果，具体方法见文献[20]，降水量的空间分辨率为0.1°×0.1°，时间分辨率为1 h。
PDF订正主要是以雨量计观测的实况降水概率密度对卫星降水估计的概率密度进行“标定”，使两者的概率密度值相匹配，从而可实现消除卫星降水自带的系统误差[21-22]。
最优插值分析以偏差订正后的IMERG降水为初估场，以站点实况降水为真值，每个格点上的最终降水分析值Ak由两部分组成，一部分为该点的初估值Fk，即卫星反演降水量，另一部分为该格点卫星降水值与实况降水量的偏差，由于大部分网格内没有实况站点，因此，这个偏差由该格点周围一定范围内n个有效格点数据对的偏差加权估计得到，其公式如下：
A k = F k + ∑ i = 1 n W i O i - F i    
式中： A k为每个格点上的最终降水分析值； F k为初估值，即卫星反演降水量； O i为实况降水量； W i为有效格点数据对的权重函数； F i为周围有效格点的初估值；k和i分别为当前分析格点和周围有效格点[23-24]。

1.2.2 百分位阈值法

本文参考董旭光等[25]利用百分位阈值来筛选小时极端降水的方法，首先，基于各站点小时降水数据，确定各站点的小时极端降水阈值；再基于不同时间尺度（1 h、3 h、6 h、12 h）极端降水事件，确定每个格点在不同时间尺度下的极端降水阈值。极端降水（Extreme Precipitation，EP）是指降水量超过统计阈值的降水事件，统计某一时段内出现的大于极端降水量阈值的小时数，即为极端降水频次（Extreme Precipitation Frequency，EPF）[26]；逐小时最大降水量是指在一个小时内记录到的最大降水量，阈值根据不同地区和应用需求而定[27]。某一时段内大于降水阈值的降水量之和除以该时段内的降水频次，即为极端降水强度（Extreme Precipitation Intensity，EPI）。

2 结果与分析

2.1 逐小时极端降水时空分布特征

2.1.1 逐小时最大降水量空间分布特征

降水强度是用在特定时间内极端降水阈值小时降水量与降水频次来衡量降水时空分布的指标，并不能完全反映降水总量。例如，在一个地区，降水频次可能很高，但降水量很小，则该地区的降水总量可能仍然很低。在山区和丘陵地区，逐小时降水强度也往往比平原地区更大，在一定海拔高度内，海拔高度越高，小时极端降水强度也往往越大。
研究区域的极端降水格局呈现显著的地形分异性，逐小时降水量最大值空间分布显示（图2），海拔较高的中部山区集中了全流域最强的极端降水事件，其逐小时降水量极值达到22.5~38.9 mm，且呈现连续性分布特征，反映出地形抬升作用对局地降水的触发效应具有空间异质性。在次极值分布中，16.4~22.4 mm的降水事件主要沿山脉走向呈带状分布，但其发生频次显著低于最高极值区。全流域分布最广的13.4~16.3 mm量级降水极值，在南部地区形成连续的高频次分布核心区，同时在北部山麓地带也有零星分布。在河谷和平原区（海拔<1000 m）的极端降水强度明显减弱，该区域逐小时降水量极值多集中在10.7~13.3 mm范围内，且空间分布呈现显著的非连续性特征，这种垂直地带性分布规律表明，地形强迫产生的动力抬升和局地环流对暖季短时极端降水的形成具有重要调制作用。
图2 2010—2021年伊犁河流域暖季逐小时降水量最大值分布

Fig. 2 Maximum hourly precipitation distribution in the warm season of the Ili River Basin from 2010 to 2021

2.1.2 逐小时极端降水空间特征分布

（1） 极端降水分布
由逐小时降水第90百分位阈值的空间分布图（图3a）可知，降水阈值在2.1~2.5 mm的区域主要分布在流域边缘和中低海拔平原区，分布范围最广；最小降水阈值范围为1.2~1.5 mm，主要分布在流域西北部、东段和南部区域，而最高降水阈值范围为2.6~3.0 mm主要分布在流域中部的中高海拔山区。由此可知，海拔高度对降水阈值的影响显著，降水阈值在2000 m以内随海拔高度增高而增大，反之第90百分位降水阈值不再随着海拔高度升高而继续增大。逐小时降水第95百分位阈值的空间分布（图3b）中，降水阈值在2.6~3.0 mm区域较广，主要在高海拔山区边缘的平原，而流域南部区域和北部山区出现降水高值区，最小降水阈值1.5~2.0 mm范围在流域南部边缘和西北部区域，该阈值分布范围最小。
图3 2010—2021年伊犁河流域暖季逐小时极端降水量不同百分位降水阈值

Fig. 3 Different percentile precipitation thresholds of hourly precipitation in Yili River Basin during the warm season from 2010 to 2021

逐小时降水第97百分位阈值中最大值为5.2 mm（图3c），最小值为1.9 mm，极端降水阈值为4.1~5.2 mm，主要分布在流域南部山区和北部中高海拔区域，空间分布离散化，但单点强度突出，主要出现在流域内部中高海拔区域的小山区。由此可知，97百分位降水阈值在流域内更能明显地反映流域极端降水时间短、空间分布范围较广而强度大的特征。
由图3d可知，第99百分位降水阈值强度明显，其中,降水阈值在2.8~4.5 mm、5.6~6.5 mm区域较广，该区域主要为中高海拔山区和平原山区边缘。最大、最小值分别为8.5 mm、2.8 mm，最高降水阈值范围为6.6~8.5 mm，主要分布在纬度较高的中海拔山区，而最小值则分布在流域边缘的低纬度高海拔区域，分布范围较广且阈值随海拔高度逐渐变小。最高海拔区域的降水阈值主要为2.8~5.0 mm，该阈值范围的空间分布较广，位于流域中部的山区和平原地区，可知地形对逐小时极端降水的影响显著。
（2） 极端降水频次与强度分布
逐小时极端降水频次作为衡量极端降水空间特征的重要因素，由图4可知，90百分位极端降水高频区（年频次达30次），主要分布于流域东部和南部2000~3500 m中高海拔带，其频次随海拔上升呈单调递增趋势。在3000 m海拔附近出现转折点，降水频次开始随高度增加而递减，对比不同阈值等级发现，极端降水频次随百分位提高呈指数衰减，95百分位极端降水年频次峰值降至15次（最低值<5次），97百分位峰值进一步衰减至8次（最低值<4次），而99百分位事件年频次仅维持1~3次，这种垂直梯度特征在流域东部山地的迎风坡表现尤为显著。
图4 2010—2021年伊犁河流域暖季逐小时降水量不同百分位降水年均频次

Fig. 4 Average annual frequency of hourly heavy precipitation at different percentiles in the Yili River Basin during the warm season from 2010 to 2021

由图5a、图5b可知，90、95百分位极端降水强度空间分布中最大降水强度分别达到5 mm·h-1、7 mm·h-1和最小值为1.8 mm· h-1、2.4 mm· h-1，最大降水强度主要分布在流域南部区域和北部的中海拔区域，而在高海拔区域降水强度相对较弱。当阈值提升至97和99百分位时（图5c、图5d），最大降水强度分别跃升至9 mm·h-1和14 mm·h-1，但高值区（>6 mm·h-1）空间连续性显著降低，呈破碎化斑块状分布于西北部中高海拔山区（2200~2800 m），表明地形动力过程对局地强对流的触发具有决定性作用。
图5 2010—2021年伊犁河流域暖季逐小时降水不同百分位降水强度

Fig. 5 Hourly heavy precipitation intensity at different percentiles in the Yili River Basin during the warm season from 2010 to 2021

2.1.3 逐小时极端降水日变化特征

（1） 小时极端降水日变化
由图6极端降水日变化显示，4个区域中流域北部极端降水量明显大于其余3个点，河谷区域次之，流域东段居第三位，而流域南部区域极端降水量最小。其中，河谷区域05:00峰值时其极端降水量最高，为4.4 mm，揭示了夜间边界层低空急流触发的动力抬升机制。北部区域中最高点出现在13:00，为4.12 mm，东段最高极端降水量出现在19:00，为3.34 mm，而流域南部小时极端降水量均小于3 mm，最高极端降水量出现在12:00，为2.9 mm。流域中小时极端降水量最低时刻为21:00，即在流域南部为2.34 mm，东段高于南部为2.73 mm，出现在01:00，而流域北部和河谷区域最低极端降水量相近，分别为3.04 mm和3.06 mm，分别出现在04:00和22:00。
图6 2010—2021年伊犁河流域暖季1 h极端降水日变化特征

Fig. 6 Diurnal variation of extreme precipitation intensity at 1 h during the warm season in the Yili River Basin from 2010 to 2021

（2） 小时极端降水频次日变化
由图7可知，极端降水量频次最多的是流域南部区域，河谷区域次之、东段居第三位、北部最少。其中南部最高峰在11:00，为18次；河谷区域最多次数出现在15:00，为17次；东段区域最多次数出现在08:00，为14次；北部次数最少，出现在20:00，为9次。流域中小时极端降水次数最少时刻出现在东段02:00，为9次；南部在23:00，为7次；河谷区域和北部最少次数出现时刻相近、次数相等，即02:00和05:00，均为4次。流域降水日变化特征揭示了山地流域极端降水的显著非均匀性，河谷区域作为次级高频区，可能与局地环流（如山谷风）导致的午后对流增强有关，南部和河谷区域需重点防范午间至午后突发性极端降水。
图7 2010—2021年伊犁河流域暖季1 h极端降水频次日变化特征

Fig. 7 Diurnal variation of extreme precipitation frequency at 1 h during the warm season in the Yili River Basin from 2010 to 2021

2.2 不同时间尺度下极端降水空间特征

2.2.1 逐3 h极端降水空间分布特征

（1） 极端降水分布
不同时间尺度极端降水的作用或研究意义在于其能够提供对降水变化的细致分析结果，有助于理解降水模式的动态变化，以及这些变化如何影响自然地理环境和生态系统。因此，分析了3 h时间尺度极端降水空间特征，即从极端降水、频次和强度分析。3 h 90百分位阈值（图8a）呈现典型海拔梯度效应，主体区间（3.6~4.0 mm）广泛覆盖流域中部平原区（1200~1800 m），向周边高海拔区（>4000 m）衰减至2.1~3.0 mm，最大阈值达5.5 mm的异常高值区出现在南部迎风坡。这与逐小时尺度的带状分布模式形成对比，表明延长降水累积时间可部分抵消地形对水汽输送的阻滞作用。
图8 2010—2021年伊犁河流域暖季逐3 h降水量不同百分位降水阈值

Fig. 8 Different percentile precipitation thresholds of 3 hourly precipitation in Yili River Basin during the warm season from 2010 to 2021

图8b为95百分位阈值空间分布图，由此图可看出，伊犁河流域北部山区出现7.8 mm强中心，而西北高山带（>3500 m）形成2.7 mm低值槽，东段复杂地形区阈值普遍高于西部平原1.2~1.8 mm。97百分位阈值最大强度跃升至9.3 mm（图8c），暖区降水机制在极端事件中的主导地位，高值区（7.6~9.3 mm）向低海拔平原区（<1500 m）迁移。在第99百分位阈值降水空间分布图8d中，最高值14.2 mm主要分布在纬度较高（42°N, 80°E）的中海拔山区，分布范围较小，而最小值则分布在流域边缘的低纬度高海拔区域，分布范围较广且阈值随海拔高度逐渐变小。极端降水阈值范围为12.1~14.2 mm，分布范围极小、强度较高、频次极少，降水量阈值在8.6~10.5 mm的区域较广，主要分布在中低纬度地区的高海拔山区（3000~3500 m）。
（2） 极端降水频次与强度分布
极端降水年均频次第90百分位中出现频次最多（图9a），最高频次接近55次，主要在流域东段和南部。第95百分位显示最高频次为30次（图9b），主要在流域东段，该区域植被丰富、地形复杂，而10~15次分布较大，2000 m以内海拔范围内较多。图9c显示，最高频次至15次，其中5~8次的分布范围最广，主要在流域中部和西部的平原。而第99百分位中（图9d），流域中部至西北部平原，流域西北部分布范围较广，也显示随海拔高度升高频次逐渐增多。至海拔3000 m左右时频次分布逐渐减小，而同样的空间分布趋势在流域东部和南部更加明显。
图9 2010—2021年伊犁河流域暖季逐3 h降水量不同百分位降水年均频次

Fig. 9 Average annual frequency of heavy precipitation in 3 hours during the warm season in the Ili River Basin from 2010 to 2021

由图10a和图10b可知，最大降水强度达到8.6 mm·h-1、11 mm·h-1和最小值为3.2 mm·h-1、4 mm·h-1，最大降水程度主要分布在流域中部和北部的中海拔区域，而在高海拔区域降水强度相对较弱。图10c和图10d显示，最大降水强度14.2 mm·h-1、23.6 mm·h-1和最小值为4.9 mm·h-1、6.9 mm·h-1，其中第97百分位降水强度的高值区分布范围广，第99百分位阈值最高值极少，主要分布在流域中的西北部中高海拔山区为多，流域极端降水强度空间分布与极端降水阈值分布趋势一致。
图10 2010—2021年伊犁河流域暖季逐3 h降水量不同百分位降水强度

Fig. 10 In the warm season of 2010-2021, the intensity of heavy precipitation at different percentiles in each 3-hour period was different in Yili River Basin

2.2.2 逐6 h极端降水空间分布特征

（1） 极端降水分布
逐6 h降水第90百分位阈值的空间分布（图11a）中，流域中部地带、东段和南部山区降水量阈值最大（7.9 mm），最小降水阈值2.6~4.0 mm分布在流域边缘的高山区，降水阈值在4.1~5.6 mm的区域主要在高山和平原之间地形复杂的山区，因此，同纬度地区中该区域降水阈值存在明显差别。随海拔升高，在 4000 m以上的高海拔地区最大降水量只达到4.3 mm，表明极端降水能力受高寒环境强烈制约。降水阈值在2000 m左右海拔高度内随着海拔高度增高而增大，当海拔高度达到2000 m以上降水阈值不再随着海拔高度升高而继续增大，同纬度区域内降水阈值差异显著，如南部山区7.9 mm 、 边缘高山区2.6 mm，揭示局部地形（坡向、山体走向）对降水分布的精细化调控。
图11 2010—2021年伊犁河流域暖季逐6 h降水量不同百分位降水阈值

Fig. 11 Precipitation thresholds of different percentiles for each 6-hour period in the warm season of the Ili River Basin from 2010 to 2021

逐6 h降水第95百分位阈值的空间分布（图11b）中，流域中部区域和北部平山区出现高值区，极端降水阈值范围为9.6~11 mm，主要在流域东部山区较广，最小阈值范围为3.5~5.0 mm分布在流域南北边缘高海拔山区，而流域中6.6~8.0 mm降水阈值的区域最广，流域北部、中部为多，最小降水阈值也出现在流域边缘的高海拔山区，而该范围随地形复杂、植被丰富度低、多为裸露山区。逐6 h降水第97百分位阈值中最大值为13.1 mm（图11c），最小降水阈值3.3 mm主要分布在流域边缘的高海拔山区，其中，7.6~9.0 mm的中等降水阈值主要分布在平原区域，而对于地形平坦降水量过大时将会引发灾害。
第99百分位阈值降水空间分布（图11d）中，最高值19.9 mm主要分布在纬度较低的低海拔山区，分布范围较小，而最小值则分布在流域边缘的高纬度区域，分布范围较窄，主要分布在流域西北部高海拔山区。降水量阈值在8.6~11.0 mm的区域较广，主要分布在中低纬度地区的高海拔山区。极端降水阈值随百分位提升呈指数增长，反映极端降水事件对地形的极端敏感性。
（2） 极端降水频次与强度分布
逐6 h极端降水年均频次分布中，第90百分位出现频次最多（图12a），即最高频次接近85次，主要在海拔3000 m高度以内的东、南部区域，出现频次也随海拔高度逐渐增多。图12b显示最高频次为40次，其中小于20次的分布范围较大，1000~2000 m海拔范围内较多。图12c显示，最高频次至25次，其中15~20次的分布范围最广。而图12d显示的第99百分位频次分布中，最高频次只有8次，其中4~6次的分布较广，主要分布在流域西北部。
图12 2010—2021年伊犁河流域暖季逐6 h降水量降水年均频次

Fig. 12 Average annual frequency of heavy precipitation in 6 hours during the warm season in the Ili River Basin from 2010 to 2021

极端降水强度空间分布中（图13a、图13b），降水强度达到最大值12.5 mm· h-1、15.9 mm· h-1和最小值4.1 mm· h-1、5.2 mm· h-1，最大降水程度主要分布在流域中部和北部的中海拔区域，而在高海拔区域降水强度相对较弱。图13c和图13d显示最大降水强度14.2 mm· h-1、23.6 mm· h-1和最小值为4.9 mm· h-1、6.9 mm· h-1，降水强度的高值区分布较少，同样主要分布在流域中的西北部中高海拔山区。由此可知，流域极端降水强度空间分布与极端降水阈值分布趋势一致，而与极端降水频次分布没有明显联系。
图13 2010—2021年伊犁河流域暖季逐6 h降水不同百分位降水强度

Fig. 13 In the warm season of 2010-2021, the intensity of heavy precipitation at different percentiles in each 6-hour period was different in Yili River Basin

2.2.3 逐12 h极端降水空间分布特征

（1） 极端降水分布
由图14a可以看出，流域中部地带和南部山区，即流域海拔高度从小于1000的海拔范围内逐渐增大至1000~2000范围内的降水阈值范围最大，为9.1~10.5 mm，而海拔高度达到3000 m时逐渐下降，在4000 m以上的高海拔地区最大降水量只达到6 mm，6.1~7.5 mm范围的降水阈值分布最广，主要在流域北部。
图14 2010—2021年伊犁河流域暖季逐12 h降水量不同百分位降水阈值

Fig. 14 Precipitation thresholds of different percentiles for each 12-hour period in the warm season of the Ili River Basin from 2010 to 2021

由图14b可知，流域南部区域和北部山区出现高值区，最大值为15.1 mm，出现在海拔高度为2000 m以内区域，最小阈值为4.5 mm，极端降水阈值范围为12.6~15.1 mm，分布较少，主要在流域东段中海拔区域集中分布，当海拔高度在2000 m以上降水阈值逐渐下降。以2000 m为临界点，存在海拔对阈值的非线性控制机制，以海拔敏感带和抑制带为主，影响降水阈值和增长速率。
与上述百分位阈值相比，97、99百分位存在显著时间累积效应差异。逐小时降水第97百分位阈值（图14c）中最大值为18 mm，出现在中纬度中低海拔高度小于2000 m内的中高海拔山区内；最小降水阈值5.4 mm主要分布在流域边缘西北的高海拔山区。与其余百分位阈值不同的是，该百分位降水阈值自海拔高度大于2000 m后开始下降，当海拔高度达到4000 m以上，降水阈值最大值逐渐减小至10.8 mm，主要出现在流域中部的高海拔山区。在第99百分位阈值降水空间分布（图14d）中，最高值25.9 mm主要分布在纬度较低的低海拔山区，而最小值则分布在流域西北边缘的高纬度区域，分布范围较窄且海拔较高的山区。降水量阈值15.1~18 mm的区域较广，主要分布在中低纬度地区的高海拔山区；降水阈值在18.1~20.0 mm的区域最少，主要在高山区流域北部和南部。该流域极端降水阈值呈现“低纬驱动、海拔抑制、下垫面调制”的复合分异机制，需建立多百分位联动的灾害预警范式。
（2） 极端降水频次与强度分布
逐12 h极端降水年均频次中，第90百分位出现频次最多（图15a），即最高频次接近130次，分布在流域东部和南部为多。图15b显示最高频次为70次，其中<30次分布较大，主要分布在流域边缘的西北部。图15c显示，最高频次至40次，其中20~25次的分布范围最广。而图15d中，最高频次接近15次，其中5~8次，在流域中部和西北部分布范围较广。
图15 2010—2021年伊犁河流域暖季逐12 h降水量百分位降水年均频次

Fig. 15 Average annual frequency of heavy precipitation in 12 hours during the warm season in the Ili River Basin from 2010 to 2021

极端降水强度空间分布与降水阈值空间分布具有相似性，极端降水强度是引发局地灾害的主要原因。图16a~图16b分别显示最大降水强度达到17 mm· h-1、21.8 mm· h-1和最小值5.2 mm· h-1、6.6 mm· h-1，其中，第90百分位强度中13.6~17.0 mm· h-1极端降水强度主要在流域东段喇叭口处，流域边缘强度较弱，而第95百分位强度中18.1~21.8 mm· h-1也处于东段且分布范围窄，而两种极端降水强度均分布于流域中部和北部的中海拔区域，而在高海拔区域降水强度相对较弱。图16c~图16d中最大降水强度26.2 mm· h-1、39.4 mm· h-1和最小值为7.7 mm· h-1、9.8 mm· h-1，降水强度高值区分布较少，同样主要分布在流域中的西北部中高海拔山区，表明伊犁河流域降水具有局地性和复杂性。
图16 2010—2021年伊犁河流域暖季逐12 h极端降水不同百分位极端降水强度

Fig. 16 In the warm season of 2010-2021, the intensity of heavy precipitation at different percentiles in each 12-hour period was different in Yili River Basin

与极端降水频次相结合，同样的空间分布趋势主要在流域东部和南部更加明显。由此可知，流域极端降水强度空间分布与极端降水阈值分布趋势一致，而与极端降水频次分布没有明显联系。

3 讨论

多源融合数据分辨率高，易于得到更精确的流域降水结果，有效克服传统单一数据源在空间覆盖或分辨率上的不足，更能精确地反映干旱区降水特征。新疆处于内陆干旱区，伊犁河流域因其独特的自然环境格局，短时极端降水频发，而连续、持续性的降水罕见，当短时强降水的累积超过一定量时会形成极端降水。陈圆圆等[28]利用平均偏差等定量分析日降水融合产品精度的时空特征以及地形对日降水融合产品精度的影响，更详细体现出融合产品优势，且提出了“地形复杂度对降水空间一致性影响”的结论，与本文得到的流域北部高阈值极端降水的破碎化分布且小时极端降水日变化特征与地形的复杂程度有关的结论相似。海拔对极端降水通过地形动力抬升、水汽输送等因素影响空间分布，短历时极端降水阈值在中海拔区（2000~2500 m）达到峰值，而长历时阈值在3000 m以上出现减弱，与李昕阳等[29]关于“北部站点年降水量增加显著”的发现一致，进一步印证了地形抬升对短时强降水的增强作用。
在研究中应该根据研究区地貌特征、气象观测站分布特点，使用适合当地降水情况的方法定义极端降水。使用相同90百分位数分析不同月份极端降水特征，可能带来由气候背景和季节性变化、数据质量和代表性、气候变暖的影响、降水强度和频率变化的误差问题导致的对极端降水的误解、误判。有关新疆极端降水特征的研究主要以小时极端降水特征为主，因此，利用高分辨率多源融合数据研究伊犁河流域历时尺度（逐1 h、3 h、6 h和12 h）极端降水精细化特征，需结合站点观测数据动态调整阈值，为当地天气预报、洪水灾害评估等都具有科学支撑，更能有效防范气象灾害。极端降水特征受地形、海拔与历时尺度等多种因素影响，下一步需要对有关造成降水的原因及具体多元物理量进行深入研究，进一步结合气候模式与水文模型，解析极端降水与天气预报、洪涝灾害的联动机制，同时关注全球变暖背景下中亚西风水汽输送的长期变化对区域极端降水的影响，为伊犁河流域的水资源管理与灾害风险防控提供科学依据。

4 结论

基于伊犁河流域2010—2021年暖季（5—8月）近10 a逐小时多源遥感融合降水资料，分别从小时降水极端值、极端降水、频次和强度等方面进行空间分析，揭示了地形、海拔与历时尺度的极端降水特征。得出如下主要结论：
（1） 逐小时极端降水最高值分布中，最高阈值22.5~38.9 mm出现在流域北部及东段地形，呈破碎化不连续分布，次数较少，13.4~16.3 mm的分布范围最广，且主要在流域南部，北部也有少量，10.7~13.3 mm的最低极端降水量分布于流域内海拔较低的平原区域为多，16.4~22.4 mm的最高极端降水量分布很少，主要出现在流域海拔较高的山区内。总体极端降水阈值呈现高阈值、中等阈值、低阈值分别以离散化分布、广域覆盖、平原主导的空间分布特征。
（2） 小时极端降水日变化特征显示，4个区域中流域北部极端降水量明显大于其余3个点，河谷区域次之，流域东段居第三位，而流域南部区域极端降水最小；与流域小时极端降水量日变化特征相反，极端降水量频次最多的是流域南部区域，河谷区域次之、东段居第三位、北部最少的分布情况，反映地形梯度对水汽再分配的缓冲效应。
（3） 极端降水阈值（EP1 h、EP3 h）在中海拔区（2000~2500 m）达最大值（8.5 mm·h-1、14.2 mm·h-1），即降水阈值由流域中部向边缘高海拔山区逐渐减小，EP3 h与EP1 h相似。EP6 h与EP12 h 分别从2000 m和3000 m开始逐渐减小，即降水阈值由流域中部向边缘高海拔山区逐渐减小，EP6 h与EP12 h分别从2000 m和3000 m开始逐渐减小；EPF1 h,3 h,6 h,12 h均随海拔高度增多，EPI1 h,3 h,6 h,12 h主要在流域2000 m高度内的中海拔平山区较强，极端降水强度与极端降水阈值空间分布相似，印证持续性极端降水对水汽供应的敏感性揭示历时尺度对地形效应的调制作用。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
姚莉, 赵声蓉, 赵翠光, 等. 我国中东部逐时雨强时空分布及重现期的估算[J]. 地理学报, 2010, 65(5): 293-300.

[ Yao Li, Zhao Shengrong, Zhao Cuiguang, et al. Temporal and spatial distributions of hourly rain intensity and recurrence periods in eastern and central China[J]. Acta Geographica Sinica, 2010, 65(3): 293-300. ]

DOI

[2]
吕新生, 周雅蔓, 余行杰, 等. 1961—2019年新疆暴雨山洪灾害损失的时空变化特征[J]. 沙漠与绿洲气象, 2021, 15(4): 42-49.

[ Lyu Xinsheng, Zhou Yaman, Yu Xingjie, et al. Temporal and spatial variation characteristics of rainstorm torrential flood disaster loss in Xinjiang during 1961-2019[J]. Desert and Oasis Meteorology, 2021, 15(4): 42-49. ]

[3]
潘仕球, 唐小琴, 唐熠, 等. 桂北地区前汛期两次极端降水成因对比分析[J]. 气象研究与应用, 2023, 44(4): 36-43.

[ Pan Shiqiu, Tang Xiaoqin, Tang Yi, et al. Comparative analysis of the causes of two extreme heavy rainfalls during the previous flood season in northern Guangxi[J]. Journal of Meteorological Research and Application, 2023, 44(4): 36-43. ]

[4]
陈仁升, 沈永平, 毛炜峄, 等. 西北干旱区融雪洪水灾害预报预警技术: 进展与展望[J]. 地球科学进展, 2021, 36(3): 233-244.

DOI

[ Chen Rensheng, Shen Yongping, Mao Weiyi, et al. Progress and issues on key technologies in forecasting of snowmelt flood disaster in arid areas, Northwest China[J]. Advances in Earth Science, 2021, 36(3): 233-244. ]

DOI

[5]
刘晶, 周玉淑, 杨莲梅, 等. 伊犁河谷一次极端强降水事件水汽特征分析[J]. 大气科学, 2019, 43(5): 959-974.

[ Liu Jing, Zhou Yushu, Yang Lianmei, et al. A diagnostic study of water vapor during an extreme precipitation event in the Yili River Valley[J]. Chinese Journal of Atmospheric Sciences, 2019, 43(5): 959-974. ]

[6]
秦贺, 陈春艳, 阿不力米提江·阿布力克木, 等. 新疆暖季短时强降水特征[J]. 干旱区研究, 2019, 36(6): 1440-1449.

[ Qin He, Chen Chunyan, Ablimitijan Ablikim, et al. Characteristics of short duration heavy rainfall in warm season in Xinjiang[J]. Arid Zone Research, 2019, 36(6): 1440-1449. ]

[7]
许文涛, 唐文坚, 王协康, 等. 暴雨山洪监测技术研究进展与发展趋势[J]. 长江科学院院报, 2023, 40(4): 79-87.

DOI

[ Xu Wentao, Tang Wenjian, Wang Xiekang, et al. Research progress and development trend of heavy rainfall monitoring techniques during falsh flood process[J]. Journal of Changjiang River Scientific Research Institute, 2023, 40(4): 79-87. ]

[8]
詹昌洵, 张挺, 蒋嘉伟. 基于多源数据的山区小流域降水融合模型[J]. 水科学进展, 2025, 35(1): 74-84.

[ Zhan Changxun, Zhang Ting, Jiang Jiawei. Multi-source data-based precipitation fusion model for small mountainous watersheds[J]. Advances in Water Science, 2025, 35(1): 74-84. ]

[9]
覃晓东, 朱仟, 周东旸, 等. 基于深度学习的多源降水数据融合方法及其应用[J]. 人民长江, 2023, 54(11): 68-75.

[ Qin Xiaodong, Zhu Qian, Zhou Dongyang, et al. Mering multi-source precipitation data base on deep learning and its application[J]. Yangtze River, 2023, 54(11): 68-75. ]

[10]
袁子玥. 新疆伊犁河流域极端气候特征及其与植被生产力关系分析[D]. 呼和浩特: 内蒙古农业大学, 2024.

[ Yuan Ziyue. Analysis of Extreme Climate Characteristics and Its Relationship with Vegetation Productivity in Yili River Basin, Xinjiang[D]. Hohhot: Inner Mongolia Agricultural University, 2024. ]

[11]
李建, 宇如聪, 孙溦. 中国大陆地区小时极端降水阈值的计算与分析[J]. 暴雨灾害, 2013, 32(1): 11-16.

[ Li Jian, Yu Rucong, Sun Wei. Calculation and analysis of the thresholds of hourly extreme precipitation in China’s mainland[J]. Torrential Rain and Disasters, 2013, 32(1): 11-16. ]

[12]
陈妙霖, 毛文书, 师春香, 等. 1991—2020年西南湿季小时极端降水特征与区域差异[J]. 成都信息工程大学学报, 2022, 37(4): 435-441.

[ Chen Miaolin, Mao Wenshu, Shi Chunxiang, et al. Characteristics of hourly extreme precipitation in Southwest China from may to september from 1991 to 2020[J]. Journal of Chengdu University of Information Technology, 2022, 37(4): 435-441. ]

[13]
周雅蔓, 赵勇, 刘晶. 我国新疆北部地区夏季极端降水事件的特征分析[J]. 冰川冻土, 2020, 42(2): 598-608.

DOI

[ Zhou Yaman, Zhao Yong, Liu Jing. Analyzing on the characteristics of extreme summer precipitation events in northern Xinjiang[J]. Journal of Glaciology and Geocryology, 2020, 42(2): 598-608. ]

DOI

[14]
郭玉琳, 赵勇, 张同文, 等. 新疆天山山区夏季极端降水的日变化特征[J]. 沙漠与绿洲气象, 2023, 17(2): 44-51.

[ Guo Yulin, Zhao Yong, Zhang Tongwen, et al. Diurnal variation of summer extreme precipitation in Tianshan mountains of Xinjiang[J]. Desert and Oasis Meteorology, 2023, 17(2): 44-51. ]

[15]
杨莲梅, 张云惠, 黄艳, 等. 新疆短时极端降水诊断分析暨预报手册[M]. 北京: 气象出版社, 2020.

[ Yang Lianmei, Zhang Yunhui, Huang Yan, et al. Diagnostic Analysis and Forecast Manual of Short Term Heavy Precipitation in Xinjiang[M]. Beijing: China Meteorological Press, 2020. ]

[16]
曾勇, 杨莲梅. 新疆西部“6.16”强降水过程的中尺度分析[J]. 暴雨灾害, 2020, 39(1): 41-51.

[ Zeng Yong, Yang Lianmei. Mesoscale analysis on the “6.16” heavy precipitation event in the West of Xinjiang[J]. Torrential Rain and Disasters, 2020, 39(1): 41-51. ]

[17]
杨青, 姚俊强, 赵勇, 等. 伊犁河流域水汽含量时空变化及其和降水量的关系[J]. 中国沙漠, 2013, 33(4): 1174-1183.

DOI

[ Yang Qing, Yao Junqiang, Zhao Yong, et al. Spatial-temproral varieation of water vapora and its relationship with the preciptation in the Ili river Basin[J]. Journal of Desert Research, 2013, 33(4): 1174-1183. ]

[18]
王颖慧, 丁建丽, 李晓航. 伊犁河流域土地利用/覆被变化对生态系统服务价值的影响——基于强度分析模型[J]. 生态学报, 2022, 42(8): 3106-3118.

[ Wang Yinghui, Ding Jianli, Li Xiaohang. Impact of LUCC on ecosystem services values in the Yili river Basin based on an intensity analysis model[J]. Acta Ecologica Sinica, 2022, 42(8) : 3106-3118. ]

[19]
杨霞, 张俊兰, 华烨, 等. 新疆伊犁河谷不同季节降水的日变化特征[J]. 干旱气象, 2021, 39(3): 394-405.

[ Yang Xia, Zhang Junlan, Hua Ye, et al. Diurnal variation characteristics of precipitation in different seasons in the Yili Valley of Xinjiang[J]. Journal of Arid Meteorology, 2021, 39(3): 394-405. ]

[20]
卢新玉, 刘艳, 王秀琴, 等. 新疆地区多源降水融合试验[J]. 干旱区研究, 2020, 37(5): 1223-1232.

[ Lu Xinyu, Liu Yan, Wang Xiuqin, et al. Multisource precipitation data merging experiment in Xinjiang[J]. Arid Zone Research, 2020, 37(5): 1223-1232. ]

[21]
李艳忠, 庄稼成, 白鹏, 等. 中国不同气候区多源遥感降水融合与性能综合评估[J]. 地理研究, 2022, 41(12): 3335-3351.

DOI

[ Li Yanzhong, Zhuang Jiacheng, Bai Peng, et al. Improving and comprehensive evaluation precipitation estimation by merging multi-satellite precipitation products in different climate regions of China[J]. Geographical Research, 2022, 41(12): 3335-3351. ]

[22]
曹孟, 刘艳丽, 陈鑫, 等. 基于星地融合降水的中小流域洪水模拟[J]. 水利水运工程学报, 2023(3): 47-56.

[ Cao Meng, Liu Yanli, Chen Xin, et al. Merging satellite and gauge precipitation for flood forecasting in a small and medium-sized watershed[J]. Hydro-Science and Engineering, 2023(3): 47-56. ]

[23]
龙柯吉, 王皓, 郭旭, 等. 夏季中国区域逐10分钟降水融合产品检验评估[J]. 成都信息工程大学学报, 2023, 38(1): 57-63.

[ Long Keji, Wang Hao, Guo Xu, et al. Validation and assessment of 10 mins merged precipitation product in China[J]. Journal of Chengdu University of Information Technology, 2023, 38(1): 57-63. ]

[24]
王福增, 温凯, 何山, 等. 多源降水量数据融合分析及评价[J]. 兰州大学学报(自然科学版), 2023, 59(5): 647-654.

[ Wang Fuzeng, Wen Kai, He Shan, et al. Analyis and evaluation of multi-source merging precipitation data[J]. Journal of Lanzhou University(Natural Sciences), 2023, 59(5): 647-654. ]

[25]
董旭光, 顾伟宗, 曹洁, 等. 山东省汛期小时极端强降水分布和变化特征[J]. 气象, 2017, 43(8): 953-961.

[ Dong Xuguang, Gu Weizong, Cao Jie, et al. Variation features of hourly precipitation in Shandong Province in flood season during 1961-2012[J]. Meteorogical Monthly, 2017, 43(8): 953-961. ]

[26]
杨霞, 周鸿奎, 赵克明, 等. 1991—2018年新疆夏季小时极端降水特征[J]. 高原气象, 2020, 39(4): 762-773.

DOI

[ Yang Xia, Zhou Hongkui, Zhao Keming, et al. Variation features of hourly precipitation in Xinjiang Province during 1991-2018[J]. Plateau Meteorology, 2020, 39(4): 762-773. ]

[27]
杨春, 张勇, 张亚萍, 等. 近25 a重庆地区小时降水时空分布特征分析[J]. 暴雨灾害, 2020, 39(1): 71-80.

[ Yang Chun, Zhang Yong, Zhang Yaping, et al. Analysis on the characteristics of temporal and spatial distribution of hourly precipitation in Chongqing during recent 25 years[J]. Torrential Rain and Disasters, 2020, 39(1): 71-80. ]

[28]
陈圆圆, 宋晓东, 黄敬峰, 等. 基于地面站点观测降水资料的中国区域日降水融合产品精度评价[J]. 自然资源学报, 2016, 31(6): 1004-1014.

DOI

[ Chen Yuanyuan, Song Xiaodong, Huang Jingfeng, et al. Evaluation of the high-resolution daily merged precipitation product over China based on in situ observations[J]. Journal of Natural Resources, 2016, 31(6): 1004-1014. ]

DOI

[29]
李昕阳, 杜军凯, 胡新功, 等. 基于多种趋势分析方法的降水演变趋势分析[J]. 水电能源科学, 2023, 41(10): 14-18.

[ Li Xinyang, Du Junkai, Hu Xingong, et al. Trend analysis of precipitation evolution based on multiple trend analysis methods[J]. Water Resources and Power, 2023, 41(10): 14-18. ]

Options
文章导航

/

〈 〉