• CN 62-1175/P
  • ISSN 1006-7639
  • 双月刊
  • 中国科技核心期刊
  • 中国学术期刊综合评价数据库统计源期刊
  • 中文科技期刊数据库收录期刊

干旱气象, 2025, 43(1): 104-113 DOI: 10.11755/j.issn.1006-7639-2025-01-0104

论文

基于K-means聚类的新疆暖季降水日变化特征

李桉孛,, 张萌, 李如琦,, 牟欢, 万瑜

新疆维吾尔自治区气象台,新疆 乌鲁木齐 830002

Diurnal variation characteristics of warm season precipitation in Xinjiang based on K-means clustering method

LI Anbei,, ZHANG Meng, LI Ruqi,, MU Huan, WAN Yu

Xinjiang Meteorological Observatory,Urumqi 830002,China

通讯作者: 李如琦(1974—),男,四川成都人,正高级工程师,主要从事天气预报和灾害性天气机理研究。E-mail:liruqi@sohu.com

责任编辑: 邓祖琴;校对:王涓力

收稿日期: 2024-03-15   修回日期: 2024-05-16  

基金资助: 新疆维吾尔自治区自然基金项目(2022D01A292)
新疆维吾尔自治区自然基金项目(2022D01D086)
新疆维吾尔自治区重点研发计划项目(2023B03019-2)

Received: 2024-03-15   Revised: 2024-05-16  

作者简介 About authors

李桉孛(1992—),女,湖南邵东人,高级工程师,主要从事天气预报业务及雨雪研究。E-mail:634200781@qq.com

摘要

深入理解分类站点的降水日变化特征,对优化和提升精准预报方法至关重要。基于2010—2019年新疆105个国家站暖季(5—9月)逐时降水观测数据,采用K-means聚类方法对站点进行分类,根据逐时平均降水量、降水频率和降水强度3个指标分析各类站点的降水特征。结果表明:新疆站点可分为南疆及荒漠区(I类)、天山山区(II类)、北疆及西天山南坡区(III类)和山谷区(IV类),聚类结果与按地理位置和地形高度划分的结果相近,但更具精细性和科学性。各类站点的累计降水量和降水时数分布相对集中,年均累计降水量分别为54、354、110和217 mm,对应的降水时数分别为67、311、118和213 h。新疆大部站点暖季降水频率的日变化呈“单峰”型,但峰值和谷值出现的时间因海拔差异有所不同;降水量和降水强度多呈“多峰”结构,其中小时降水强度大于1 mm的主要集中在II类站点,峰值出现在16:00—17:00。各类站点的降水量和降水频率均在6月最高、9月最少;降水强度的月分布和逐月日变化特征差异显著,但峰值强度无明显差异。2016年暖季的3个降水特征指标均明显高于其他年份;2010年I类站点的降水强度最大,降水量和降水频率达到次高峰,而其他类别的站点变化相对较小。

关键词: K-means聚类算法; 站点分类; 暖季降水; 日变化

Abstract

An in-depth understanding of the daily variation characteristics of precipitation at classified stations is essential for optimizing and improving accurate forecasting methods. Based on the hourly precipitation observation data from 105 national meteorological stations in Xinjiang during the warm season (May to September) from 2010 to 2019, the stations were classified using the K-means clustering method, and the precipitation characteristics of each category of stations were analyzed according to hourly average precipitation amount, precipitation frequency, and precipitation intensity. The results show that the stations in Xinjiang can be classified into four categories: southern Xinjiang and desert areas (Class I), Tianshan Mountains (Class II), northern Xinjiang and the southern slope of the West Tianshan Mountains (Class III), and valley areas (Class IV). The clustering result is similar to that of classifications based on geographic location and topographic height but it is more detailed and scientific. The distribution of cumulative precipitation and precipitation hours of four types of stations is relatively concentrated, with annual average cumulative precipitation of 54, 354, 110, and 217 mm, corresponding to 67, 311, 118, and 213 hours, respectively. The diurnal variation of precipitation frequency in the warm season at most stations in Xinjiang follows a ‘single-peak’ pattern, but the times of the peaks and valleys vary depending on altitude differences. Precipitation and precipitation intensity generally follow a ‘multi-peak’ structure, and hourly precipitation intensity greater than 1 mm mainly concentrated at Class II stations, with the peaks occurring at 16:00—17:00. Precipitation and precipitation frequency are highest in June and lowest in September. The monthly distribution and the month-to-month diurnal variation characteristics of precipitation intensity differ significantly, but the peak intensity does not show a notable difference. In 2016, all three precipitation indicators characteristics during the warm season were significantly higher than those of other years. In 2010, Class I stations had the highest precipitation intensity, and the precipitation amount and frequency reached a secondary peak, while the changes at the other categories of stations were relatively small.

Keywords: K-means clustering algorithm; site classification; warm season precipitation; diurnal variability

PDF (12259KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

李桉孛, 张萌, 李如琦, 牟欢, 万瑜. 基于K-means聚类的新疆暖季降水日变化特征[J]. 干旱气象, 2025, 43(1): 104-113 DOI:10.11755/j.issn.1006-7639-2025-01-0104

LI Anbei, ZHANG Meng, LI Ruqi, MU Huan, WAN Yu. Diurnal variation characteristics of warm season precipitation in Xinjiang based on K-means clustering method[J]. Arid Meteorology, 2025, 43(1): 104-113 DOI:10.11755/j.issn.1006-7639-2025-01-0104

0 引言

降水是气候系统中的重要组成部分,受地形、纬度、天气系统、海陆分布等多种因素影响。小时尺度的降水变化特征能够更精确地反映区域降水强度和降水过程,对提高区域精细化模式预报的准确性具有重要意义。20世纪80年代以来,随着气象观测资料时空分辨率的提高,针对夏季降水日变化特征进行的研究表明,夏季陆地降水主要发生在白天,而海面降水多集中于夜间;降水频率及降水强度的峰值时间及其日变化特征与地理位置、地形及其产生的地形风密切相关(Andersson,1969;Bowman et al.,2005);中国夏季降水日变化存在明显地域差异,如青藏高原及其东部地区的降水多出现在午夜;长江上游地区的最大降水量也多出现在午夜,中游地区峰值出现在清晨;而江淮、黄淮地区则呈现出清晨和午后双峰并存的特征(Yu et al.,2007a;Zhou et al.,2008)。此外,基于小时降水数据,对京津冀(韩函等,2017;高旭旭等,2018)、东北(杨森等,2011;王丽伟等,2019;李晓婷等,2021)、华中(戴泽军等,2009;林春泽等,2016;肖安等,2022)、江淮(王颖等,2019)、西南(唐红玉等,2011)和西北(陈春艳等,2015;苟浩锋等,2020)等区域降水日变化特征的分析结果表明,局地地形和盛行风环流导致各地降水日位相存在明显差异。

新疆位于欧亚大陆腹地,地形复杂,呈现“三山夹两盆”的分布特征,气候不受季风系统的直接影响,降水空间分布极不均匀(张家宝和邓子风,1987)。新疆降水具有突发性强、局地分散性高、短时强降水占比较大的特点,使得预报难度增加。同时,干旱区植被覆盖率低,河川与下垫面渗透力较差,短时强降水易引发泥石流、滑坡和山洪等次生灾害(朱小凡等,2016;杨涛等,2021;黄艳等,2024)。因此,深入理解新疆降水的发生发展规律,建立有效的预报方法,提高降水预报准确性,一直是气象预报工作的重点和难点。

近年来,针对新疆降水的时空变化及演变特征的研究表明,新疆逐时降水频率整体呈“北高南低”分布特征(杨涛和杨莲梅,2003;陈春艳等,2015),强降水时空差异明显,主要峰值出现在5月和8月,且高发时段集中在午后至傍晚(谢泽明等,2018)。强降水频次分布表现出北疆多于南疆、山脉坡面多于谷地和沙漠的特点,但短时强降水的降水贡献率在南疆反而高于北疆,夏季总降水和对流性降水受地形影响显著(秦贺等,2019)。此外,研究还发现,南疆和北疆的夏季降水特征存在明显差异,若仅从全疆区域平均降水特征进行分析,可能无法准确捕捉南疆的降水特征(陈春艳等,2017)。尽管已有研究对新疆降水特征进行了分析,但大多数研究以天山为界,或采用选取代表站的方法进行区域对比,尚缺乏系统、客观的区域分类方法。聚类分析作为一种无监督学习方法,能够基于数据特征对站点进行合理分类,使降水数据划分更为清晰。K-means聚类是最常用的聚类划分算法,已在东北地区、北京、兰州等区域的降水研究中得到应用,其分类结果不仅与当地预报员的经验分区结果基本一致,且更具客观性和高精度(刘伟东等,2014;孙倩倩和刘晶淼,2014;苟浩锋等,2020)。因此,在降水分布极不均匀的新疆地区,利用聚类算法开展暖季降水的分类研究,不仅有助于深化对区域降水特征的认识,也能为精准预报提供科学依据。

本文利用2010—2019年新疆105个国家站点暖季(5—9月)逐时降水观测数据,采用K-means聚类方法对站点进行分类,并结合逐时降水量、降水频率与降水强度指标,分析各类站点的降水日变化特征,旨在深化对新疆暖季降水演变规律的理解,为天气预报员和客观预报研发人员提供科学参考。

1 资料和方法

1.1 资料来源

使用国家气象信息中心提供的2010—2019年新疆105个国家站暖季(5—9月)逐小时降水观测数据,这些站点的数据记录完整且经过严格的质量控制与检查。利用该数据统计各站点的降水量、降水频率和降水强度,作为样本分类数据,并进行日变化特征分析。用于分析降水日变化突变驱动机制的风场数据来源于欧洲中期天气预报中心提供的第五代全球再分析资料(ERA5),时间分辨率为1 h,空间网格分辨率为0.25°×0.25°。文中所用时间均为北京时。

1.2 方法介绍

采用K-means动态聚类方法,基于累计降水量和降水小时数进行二维聚类。聚类过程如下:首先,从10 a数据中随机选取k个样本作为初始聚类中心,或将所有样本划分成k个初始类别,并将各类的质心(均值)作为初始聚类中心;然后,将所有样本按距离原则归入最接近的类,并更新该类的中心;重复上述过程,直至同一类内样本点距离较近,而不同类之间距离较远,且聚类中心不再发生改变(即达到收敛状态),最终获得最优聚类结果(段赛男等,2024)。通常采用平方误差E作为标准测度函数,其计算公式如下:

E=i=1kxi-ci2 (i=1,2,…,k;x i∈ci

ci=1nixicixi

式中:xi为样本数据,ci表示第i类的质心,n为样本数。

当1 h降水量大于等于0.1 mm时,认为该时次发生降水。逐时平均降水量为该时次累计降水总量;逐时平均降水频率为该时次内降水发生时数与有效总时数的比值,以百分比表示;逐时降水强度为该时次累计降水总量与降水发生时数的比值。

2 聚类结果

利用K-means聚类方法,对2010—2019年暖季新疆105个国家站的累计降水量和降水时数进行聚类分析,并使用聚类评价指标对不同初始类数的聚类方案进行检验,结果(表1)表明,当样本初始类数k=4时,聚类效果最佳,各类样本内聚性较高,且不同类别之间分离度良好。故将新疆105个站点按聚类结果分成4类(图1表2),由图2可见,各类别站点的累计降水量和降水时数分布较为集中,不同类别站点的海拔高度差异明显,这表明该聚类方案在分类上较为合理,与地形地貌、海拔高度及主观预报经验等因素具有较好的一致性。

表1   不同初始方案聚类结果检验评估

Tab.1  Test and evaluation of clustering results of different initial protocols

聚类评价指标样本初始类数k指标说明
k=3k=4k=5k=6
轮廓系数0.4030.3710.3250.314接近1的值表示分离良好的簇
方差比准则160.191171.244160.884140.499数值越大表示簇之间内聚性越高
Davies-Bouldin指数0.8180.8150.9291.068数值越低表示簇越紧凑且分离良好

新窗口打开| 下载CSV


图1

图1   新疆国家级气象站点分布与聚类后站点分类

Fig.1   Distribution of national meteorological stations in Xinjiang and the classification of stations after clustering


表2   2010—2019年新疆不同站点分类的统计结果

Tab.2  Statistical results of different station classifications in Xinjiang from 2010 to 2019

类别基本信息5—9月
站点数/个平均海拔高度/m降水量/mm降水量平均/mm降水时数/h降水时数平均/h
Ⅰ类(南疆及荒漠区)479876~825416~11667
Ⅱ类(天山山区)62 057298~400354274~357311
Ⅲ类(北疆及西天山南坡区)4082484~14111085~148118
Ⅳ类(山谷区)121 672165~278217164~322216

新窗口打开| 下载CSV


图2

图2   2010—2019年新疆4类站点暖季平均降水量(黑色箱体,单位:mm)和降水时数(红色箱体,单位:h)箱线图

Fig.2   Box plots of the average precipitation (black box,Unit: mm) and precipitation hours (red box,Unit: h) in the warm season for four classifications of stations in Xinjiang from 2010 to 2019


3 暖季降水日变化特征

3.1 区域平均降水日变化特征

图3可看出,新疆暖季降水量、降水频率和降水强度的日峰值均出现在傍晚至前半夜。其中,降水量存在两个峰值,分别出现在20:00和次日02:00;降水频率和降水强度各有一个日峰值,分别出现在凌晨和傍晚。降水量和降水强度在傍晚达到峰值,主要受太阳辐射日变化影响,白天地表辐射增强,使地表增温,大气不稳定性增加,从而促进对流性天气的发生,导致降水持续时间较短但强度较大(Yu et al.,2007b)。凌晨降水频率和降水量出现峰值的现象较为常见,其形成机制复杂,层状云造成的持续性降水贡献较为明显(宇如聪等,2014),此外,局部环流的昼夜变化及多种物理过程的共同作用也可能是影响因素(赵玉春和王叶红,2020;张宏芳等,2020)。

图3

图3   2010—2019年暖季新疆平均降水量(a)、降水频率(b)、降水强度(c)的逐时分布

Fig.3   Hour-by-hour distribution of mean precipitation amount (a),precipitation frequency (b),and precipitation intensity (c) in Xinjiang in the warm season from 2010 to 2019


3.2 分类平均降水日变化特征

图4为不同分类站点暖季平均降水量、降水频率和降水强度的逐时分布,可以看出,不同类别降水量日变化存在明显差异。Ⅰ类站点逐时平均降水量及日变化振幅最小,各时次降水量均低于0.020 mm,呈正午降低、傍晚上升的趋势。Ⅱ类站点降水量最大,日变化特征明显,呈单峰型结构,谷值出现在13:00,14:00降水量开始快速上升,并在20:00达到峰值(约0.150 mm),随后夜间减少,日变幅超过0.090 mm;该类站点主要分布于山区,傍晚前后易产生较强的局地对流降水。Ⅲ类站点降水量日变化呈现“一主两次”的多峰结构,主峰值出现在02:00前后,降水量为0.034 mm,两个次峰值分别出现在09:00和19:00,降水量相近,谷值出现在14:00。Ⅳ类站点降水量日变化具有明显的主、次峰结构,主峰值出现在20:00,降水量为0.069 mm,次峰值出现在02:00,降水量为0.065 mm,06:00—15:00降水量较低。

图4

图4   2010—2019年暖季新疆4类站点平均降水量(左)、降水频率(中)、降水强度(右)的逐时分布

Fig.4   The hourly distributions of average precipitation amount (the left),precipitation frequency (the middle),and precipitation intensity (the right) for four types of stations in Xinjiang in warm season from 2010 to 2019


暖季多对流性降水,降水频率日峰值的差异可反映各类站点因热力作用引发对流活动的不同(张宏芳等,2020)。4类站点的降水频率均呈单峰型结构,但峰值时间有所不同。Ⅱ类、Ⅳ类站点多位于山地,海拔较高,午后太阳辐射增强,大气层结不稳定,加之山谷风环流上升支的抬升作用,午后至傍晚对流活动增强,降水更频繁,因此降水频率峰值出现在傍晚,其中,Ⅱ类站点的降水频率在20:00达12.75%,且日变幅较大。Ⅰ类、Ⅲ类站点多位于平原或低海拔区,降水频率峰值出现在夜间,滞后于Ⅱ类和Ⅳ类站点,主要受山谷风环流夜晚下降支在平原区域的辐合作用影响。按海拔高度区分时,各类站点的降水频率峰值时间存在部分重叠,这与前人研究(赵勇等,2010;郭玉琳等,2022;张俊兰等,2023)一致,即降水与海拔高度密切相关。

逐时降水强度的日变化特征与降水量和降水频率存在明显差异,4类站点的降水强度在午后至傍晚均出现峰值,且各类站点峰值差异较小,后半夜至清晨降水强度减小,达到谷值。Ⅰ类站点降水强度最大值出现在20:00(0.94 mm·h-1),最小值出现在06:00(0.65 mm·h-1);Ⅱ类站点降水强度最大值出现在17:00(1.24 mm·h-1),最小值出现在08:00(0.83 mm·h-1);Ⅲ类站点降水强度最大值出现在19:00(1.03 mm·h-1),最小值出现在06:00(0.74 mm·h-1);Ⅳ类站点降水强度日变化波动较大,存在多个峰值,分别出现在20:00(1.05 mm·h-1)、02:00(1.04 mm·h-1)、13:00(1.03 mm·h-1)、16:00(1.03 mm·h-1),最小值出现在06:00(0.84 mm·h-1)。

整体来看,4类站点的日变化曲线峰值和谷值出现时间差异较大。区域平均降水指标的峰谷特征与Ⅲ类站点的变化特征较为相似。Ⅰ类站点傍晚降水强度增加所引起的降水量上升,与区域平均特征基本一致,夜间频繁的降水使得平均降水量有所增加,日变化振幅表现为平均降水量较小而降水频率较高;Ⅱ类站点主要位于天山山脉高海拔山区,降水频率和强度共同影响了其平均降水量,且各项指标均呈现明显的日周期性,总体表现为单峰结构,谷值和峰值分别出现在正午和傍晚;Ⅳ类站点主要分布于山腰与山麓,降水强度的日变化特征较为波动,跳跃性强。上述分析结果表明,站点的分类对日变化结构的精细化研究具有重要意义,有助于克服新疆降水分布不均所带来的预报难点,并为优化智能网格降水预报产品提供参考。

4 逐月、年变化分布特征

4.1 逐月日变化特征

图5为2010—2019年新疆区域平均及4类站点暖季逐月累积平均降水量、降水频率、降水强度的逐时分布。可看出,新疆区域平均降水量及4类站点暖季逐月累积平均降水量变化趋势相似,均呈单峰型分布,反映出新疆主汛期降水的分布特征。6月降水量明显增加,是暖季降水量最多的月份;7—8月降水量相对减少并维持平衡,9月降水量明显减少。这一变化与南北两支急流的移动密切相关,6月北支急流可南伸至天山山区,副热带西风急流北进,两者叠加增强了稳定性,有利于降水发生;而5月副热带急流主要活动于偏南地区,7、8月北支急流已北移,导致6月降水最多。区域平均降水量最大值为0.87 mm,最小值为0.47 mm,4类站点平均降水量最大值、最小值分别为Ⅰ类0.45 mm和0.23 mm、Ⅱ类2.96 mm和1.16 mm、Ⅲ类0.80 mm和0.52 mm、Ⅳ类1.69 mm和0.88 mm。不同类别站点平均降水量最大值月较差较大。新疆区域平均和Ⅰ类、Ⅲ类、Ⅳ类站点的降水量变化大致相同,降水主要出现在6月和8月且6月最多,Ⅱ类降水仅集中在6月。具体表现为:Ⅰ类站点降水量在6月存在多个峰值,午后降水量相对较少,5、7、8月夜间降水更明显;Ⅱ类站点降水量月分布相对均匀,降水中心集中、降水时段连续,降水量较大,5—9月降水集中在15:00—00:00;Ⅲ类站点降水量5月主要集中在23:00—次日01:00和08:00—11:00、6月集中在18:00—次日03:00、8月主要在04:00,降水中心点较为分散,降水量不大;Ⅳ类与Ⅱ类相似,傍晚至前半夜降水量集中,其他时段分布较均匀。

图5

图5   2010—2019年新疆全区平均及4类站点暖季逐月平均降水量(上,单位:mm)、降水频率(中,单位:%)、降水强度(下,单位:mm·h-1)的逐时分布

(顶部折线为逐月累积量)

Fig.5   The hourly distributions of monthly average precipitation amount (the top,Unit: mm),precipitation frequency (the middle,Unit: %),and precipitation intensity (the bottom,Unit: mm·h-1) for average of the entire Xinjiang and four types of stations in worm season from 2010 to 2019

(The top line represents the monthly cumulative amount)


逐月累积降水频率的逐时分布特征与降水量基本一致,6月降水频率最高,9月最低。从不同类型站点的逐月日变化可看出,Ⅰ类站点夜间至清晨的高频降水特征与降水量日变化更为突出,降水主要出现在23:00以后,尤其是06:00—07:00;Ⅱ类与Ⅰ类相反,降水频率最高的时段出现在16:00—次日00:00,频率峰值可达18%,而05:00—14:00降水频率较低;Ⅲ类站点在6月和8月呈现“一主一次”结构,5月和6月傍晚19:00—次日12:00降水频率较高,而7月和8月仅在02:00—09:00之间出现高频降水;Ⅳ类站点6月降水频率较高,峰值出现在22:00(8%),其他月份降水频率分布较均匀。

逐时降水强度的高值区与降水量和降水频率不同,表现出各类站点的强度差异不明显,且5—9月各类站点的月累积降水强度的分布差异明显。区域平均降水强度7月最大,9月最小,16:00—23:00为高值时段,最大降水强度为1.2 mm·h-1;Ⅰ类站点5月降水强度较大,之后逐渐减弱,8月暖季降水强度最弱,高值时段出现在20:00前后,最大降水强度为1.0 mm·h-1,9月整体降水强度偏弱,01:00为次强时段;Ⅱ类站点7月和8月累计降水强度最强,9月偏弱,16:00—23:00为主要高值时段,最大降水强度为1.5 mm·h-1;Ⅲ类站点6月和7月降水强度较强,高值时段为16:00—23:00,最大降水强度为1.2 mm·h-1;Ⅳ类站点7月和8月降水强度略偏强,逐月日变化呈现高值分散、普遍较强的特点,降水强度普遍大于0.8 mm·h-1,最大降水强度为1.2 mm·h-1

总体来看,降水量与降水频率的日变化月分布特征基本一致,降水量的日变化表现为随海拔上升而更加集中,而降水强度的月分布差异明显,Ⅱ类和Ⅳ类站点在7月和8月降水强度最强,Ⅰ类站点5月、Ⅲ类站点6月最强。若仅从全区平均角度进行分析,难以捕捉到这些差异特征。因此,分类分析月变化特征有助于优化智能网格预报产品的精细化阈值订正,建立基于分类、分月、分时段的多阈值消空订正方案,从而提升新疆降水预报的准确率。

4.2 逐年日变化特征

图6为2010—2019年新疆区域平均及4类站点暖季逐年平均降水量、降水频率、降水强度的逐时分布。从各时次降水量和频率的逐年变化可以看出,新疆暖季的区域平均降水量、频率和降水强度呈波动式增加趋势。其中2016年为降水各项指标最强的一年,《2016年中国气候公报》(中国气象局和国家气候委员会,2017)指出,2016年受到超强厄尔尼诺影响,中国气候异常,极端天气事件频发,暴雨洪涝和台风灾害严重,平均气温较常年偏高、平均年降水量创下历史新高。而2014年为降水量和降水频率偏少年,降水强度变化不大。

图6

图6   2010—2019年新疆全区区域平均及4类站点逐年平均降水量(上,单位:mm)、降水频率(中,单位:%)、降水强度(下,单位:mm·h-1)的逐时分布

(顶部折线为逐年累积量)

Fig.6   The hourly distribution of annual average precipitation amount (the top,Unit: mm),precipitation frequency (the middle,Unit: %),and precipitation intensity (the bottom,Unit: mm·h-1) for the regional average of the entire Xinjiang and four types of stations from 2010 to 2019

(The top line represents the year-by-year accumulation)


2010—2012年,新疆4类站点的平均降水量和降水频率变化趋势明显不同,2013—2019年则趋于一致,降水强度的年际变化差异较大。从逐年降水指标的变化可看出,新疆发生在20:00—次日04:00的平均降水量和降水频率在2013年和2016年达到峰值,其中2016年降水的日循环发生了从常年的单日循环到半日循环的转变。Ⅰ类站点的降水在2011年与区域平均及其他3类站点有明显差异,降水量偏少;2010、2013、2016年平均降水量和降水频率在00:00—04:00达到峰值,而降水强度在傍晚至夜间较大。Ⅱ类站点降水在2013、2015年最多,2015年相比2013年平均降水量和降水频率在19:00—23:00增加,而在00:00—02:00减小;降水强度峰出现在2011年和2015—2016年。Ⅲ类站点以北疆平原站为主,平均降水量和降水频率的逐时变化与区域站点相似;对比2013年和2016年两个降水偏强年发现,2016年的日降水量峰值比2013年晚2 h,而降水强度每间隔1 a等幅振荡。Ⅳ类站点的平均降水量在2016年呈“多峰”结构,降水频率及强度对降水量贡献明显,00:00—04:00、08:00—09:00及18:00—23:00的高降水频率与14:00—17:00的较强降水强度分别导致相应时段的降水量高值;其他年份则为“单峰”结构。

降水的日循环特征是不同尺度和类型非均匀地表强迫及大气环流相互作用的结果。新疆位于中高纬度地区,暖季500 hPa的西风气流及850 hPa的西北偏东气流对降水有重要影响(张家宝和邓子风,1987)。2016年降水日循环发生突变,11:00前后出现峰值。针对这一变化的可能原因,从环流驱动方面进行分析(图7),2010—2019年5—9月平均风速大于等于8.0 m·s-1的区域集中在巴尔喀什湖及其以东地区,而2016年500 hPa西风气流强盛,新疆西部的风速较多年平均偏大1.0~2.5 m·s-1,大气垂直上升运动强烈,风速高值区自西向东贯穿55°E—100°E的地区,水汽不断输送至新疆上空后快速冷却凝结,有利于降水形成。低空的气流强度和位置对新疆暖季降水的影响同样明显,850 hPa高度,北疆北部为偏西风、天山中段为偏北风、塔里木盆地为东风,这些风向均与各区域迎风坡地形强迫抬升作用相契合,有利于水汽输送和辐合,为降水的发生提供了良好的动力和水汽条件,因而导致2016年暖季降水量在早晨出现峰值。

图7

图7   2010—2019年5—9月11:00的500 hPa平均风场(等值线)及其距平(填色)及2016年500 hPa平均风速(风矢)(a)和2010—2019年5—9月11:00的850 hPa平均风速距平(等值线)及2016年平均风速(箭矢)(b)(单位:m·s-1

Fig.7   The average 500 hPa wind field (contours) and its anomaly (the color shaded) at 11:00 from May to September during 2010—2019, and average 500 hPa wind speed (wind vectors) in 2016 (a), and 850 hPa average wind speed anomaly (contours) at 11:00 from May to September during 2010—2019, and average wind speed (arrow vectors) in 2016 (b) (Unit: m·s-1)


5 结论与讨论

本文利用2010—2019年暖季(5—9月)小时降水数据对新疆105个国家站进行了K-means聚类分析,并通过平均降水量、降水频率和降水强度3个指标的日变化及逐年、逐月变化特征分析了各类站点的降水特征,得出以下主要结论。

1 )暖季新疆站点可分为4类,I类主要为南疆和荒漠区类站点,暖季累计降水量最少;II类为天山山区类站点,海拔高、降水丰富;III类为北疆及西天山南坡区类站点,累计降水量差异小,且与全疆平均特征最为相似;IV类为山谷区类站点。

2 )新疆地形复杂、下垫面类型多样,导致降水日变化差异明显。I类站点傍晚降水强度高,夜间降水频发,平均降水量日变化振幅小而降水频率大;II类站点降水频率和强度共同影响平均降水量,3个降水指标均呈单循环日变化特征,谷值和峰值分别出现在正午和傍晚;IV类站点降水量日变化呈“一主一次”的双峰结构,降水频率峰值出现在傍晚,强度特征曲线波动较大。

3 )各类站点的平均降水量和降水频率逐月趋势基本一致,6月为暖季峰值,9月为谷值,但日变化存在较大差异。I类和III类站点傍晚至夜间存在多个降水峰值时段;II类和IV类站点降水较为集中,降水量在傍晚最大,降水频率与降水量的分布相似。降水强度的月分布差异明显,II类和IV类站点降水强度最大在7月或8月,I(III)类站点在5(6)月最大,但各类站点逐时降水强度的峰值没有明显差异。

4 )2016年是新疆暖季降水最强的一年,2014年则为平均降水量和降水频率偏低的年份,降水强度变化不大。2016年11:00前后500 hPa西风气流连续且偏强,850 hPa北疆西北气流及塔里木盆地偏东气流明显增强,环流异常驱动区域平均降水量发生突变,由单日循环转为半日循环,IV类站点的3个降水指标也发生明显变化,由“单峰”转变为“多峰”结构。

本文通过对新疆暖季降水的精细化研究,揭示了新疆降水的演变规律,对于水资源的合理利用及防汛抗旱具有重要意义。由于使用的数据仅为2010—2019年国家站的降水数据,样本量较小,因此分析结果可能未全面反映降水的日变化特征。未来的研究应利用高精度、长时序数据刻画城市内部、山丘盆地等复杂地理条件下的降水日变化分布。此外,对于新疆暖季降水日变化形成机制的理解仍不完全,未来应通过高分辨率模式模拟深入探讨中小尺度系统、热力环流等因素的日变化特征与降水的关系,从而揭示新疆暖季降水日变化的物理机制。

参考文献

陈春艳, 王建捷, 唐冶, , 2017.

新疆夏季降水日变化特征

[J]. 应用气象学报, 28(1): 72-85.

[本文引用: 1]

陈春艳, 赵克明, 阿不力米提江·阿布力克木, , 2015.

暖湿背景下新疆逐时降水变化特征研究

[J]. 干旱区地理, 38(4): 692-702.

[本文引用: 2]

戴泽军, 宇如聪, 陈昊明, 2009.

湖南夏季降水日变化特征

[J]. 高原气象, 28(6): 1 463-1 470.

[本文引用: 1]

段赛男, 焦瑞莉, 吴成来, 2024.

一种基于K-means聚类算法的沙尘天气客观识别方法

[J]. 气候与环境研究, 29(2): 178-192.

[本文引用: 1]

高旭旭, 于长文, 朱卫浩, 2018.

河北省不同区域降水日变化特征差异

[J]. 河北农业科学, 22(4): 63-67.

[本文引用: 1]

苟浩锋, 王遂缠, 杨银, , 2020.

基于聚类分析的兰州地区自动站降水特征分析

[J]. 沙漠与绿洲气象, 14(1): 108-114.

[本文引用: 2]

郭玉琳, 赵勇, 周雅蔓, , 2022.

新疆天山山区夏季降水日变化特征及其与海拔高度关系

[J]. 干旱区地理, 45(1): 57-65.

DOI      [本文引用: 1]

天山山区是新疆干旱区降水最为充沛的区域,已有针对该区域降水的研究大多使用日降水及以上尺度资料,降水日变化特征分析相对较少。基于天山山区11个国家气象站2012—2018年夏季(6—8月)逐小时降水资料,分析降水特征量(包括降水量、降水频次和降水强度)的日变化特征,揭示降水与海拔高度的关系。结果表明:总降水量和总降水频次的峰值出现在20:00—22:00,谷值出现在12:00—13:00。夜间降水多于白天,主要由长时降水贡献。总降水强度呈现出白天整体增强、夜间偏弱的特征。降水与海拔高度密切联系,小雨等级降水在高海拔山区频发,在海拔2000 m左右存在一个最大降水带。

韩函, 吴昊旻, 黄安宁, 2017.

华北地区夏季降水日变化的时空分布特征

[J]. 大气科学, 41(2): 263-274.

[本文引用: 1]

黄艳, 杨莲梅, 唐鹏, , 2024.

新疆伊犁河谷暖季短历时强降水变化特征

[J]. 沙漠与绿洲气象, 18(6): 32-37.

[本文引用: 1]

李晓婷, 刘利民, 李雪洋, , 2021.

基于逐小时数据的辽宁省夏季降水日变化特征分析

[J]. 沈阳农业大学学报, 52(2): 129-136.

[本文引用: 1]

林春泽, 刘琳, 林文才, , 2016.

湖北省夏季降水日变化特征

[J]. 大气科学学报, 39(4): 490-500.

[本文引用: 1]

刘伟东, 尤焕苓, 任国玉, , 2014.

北京地区自动站降水特征的聚类分析

[J]. 气象, 40(7): 844-851.

[本文引用: 1]

秦贺, 陈春艳, 阿不力米提江·阿布力克木, , 2019.

新疆暖季短时强降水特征

[J]. 干旱区研究, 36(6): 1 440-1 449.

[本文引用: 1]

孙倩倩, 刘晶淼, 2014.

基于聚类分析的中国东北地区气温和降水时空变化特征

[J]. 气象与环境学报, 30(3): 59-65.

[本文引用: 1]

唐红玉, 顾建峰, 俞胜宾, , 2011.

西南地区降水日变化特征分析

[J]. 高原气象, 30(2): 376-384.

[本文引用: 1]

利用1960-2000年西南地区包括(川、 渝、 黔、 滇四省(市))91个气象站的小时降水量自动记录信息化资料, 计算和分析了西南地区过去40年间逐月逐日逐时的降水频率和降水比率\.结果表明, 西南地区各地各季逐时降水最大频率出现的时间较为分散, 但四川、 重庆和贵州部分地区夜雨频繁, 而云南的降水则以白天降水为主; 西南地区逐时降水相对集中出现在某个时段的特点较为明显, 尤其是夏季, 这与西南地区夏季多短时强对流天气有关; 重庆的降水在秋、 冬、 春三季多发生于凌晨到中午以前, 但在夏季, 除了凌晨到中午降水较为集中和东南部在午后降水也较为集中外, 在傍晚到午夜以前降水也较多。

王丽伟, 黄晓龙, 冯晓莉, , 2019.

2006—2015年吉林省夏季降水日变化特征

[J]. 中国农学通报, 35(3): 122-130.

DOI      [本文引用: 1]

根据2006—2015 年逐年6—8 月吉林省52 个气象台站逐时降水资料,运用常规气象统计方法,采用逐时降水量、逐时降水频次、逐时降水强度和不同持续时间降水4 个指标对吉林省降水日变化特征进行研究。结果表明:吉林省夏季降水总量及日数的空间分布与纬度和海拔有关,表现为自南向北递减趋势,降水强度空间分布随海拔升高降水强度减小。吉林省小时降水量、降水频次及降水强度呈双峰型分布,峰值区分别为17:00—19:00、4:00—6:00、17:00—19:00;吉林省夏季持续1~3 h 降水量较大,其次是长持续性降水,持续时间为4~6 h 降水量最小。持续时间为1~3 h 降水量峰值出现在17:00,长持续性降水峰值出现在20:00,持续时间为4~6 h降水量峰值在1:00。

王颖, 刘丹妮, 张玮玮, , 2019.

2004—2016年浙江省夏季降水的日变化特征

[J]. 干旱气象, 37(1): 1-9.

DOI      [本文引用: 1]

利用浙江省71个气象观测站的逐小时降水数据,分析2004—2016年夏季(6—8月)降水日变化特征。结果表明:(1)浙江省夏季降水量和降水频次日变化总体上呈现“一主一次”的双峰特征,降水量和降水频次主峰值分别出现在17:00前后和19:00前后。近13 a来,夏季降水量和降水频次有明显的增加趋势。(2)降水日变化特征区域差异明显。浙中西部地区和沿海岛屿的降水量、降水频次和强度日变化波动幅度较小,降水强度的峰值出现在09:00—11:00;浙南地区降水量、降水频次和强度日变化具有单峰特点,峰值均出现在15:00—20:00。(3)降水日变化与不同持续时间的降水事件有关,≥6 h持续性降水事件的降水峰值易出现在09:00前后,而<6 h短时降水事件的降水峰值出现在15:00—22:00。不同区域降水事件有所差异,浙中西部地区和沿海岛屿的降水量来源于持续性降水和短时降水事件的共同贡献,浙南地区降水量主要来源于短时降水事件的贡献。(4)短时强降水(20~50 mm·h-1)和特强降水(≥50 mm·h-1)易发生在温州、台州和宁波等沿海地区,其中杭州湾、台州局部地区是短时特强降水的高发区;短时强降水的日变化具有单峰特征,降水峰值出现在15:00—20:00。

肖安, 尹小飞, 刘献耀, 2022.

江西省降水日变化时空分布特征

[J]. 干旱气象, 40(5): 840-848.

DOI      [本文引用: 1]

对江西省逐小时降水、短时强降水时空分布特征进行较详细研究,可以提供降水、短时强降水的气候变化背景。利用1979—2019年3—11月江西省86个国家气象站逐小时降水资料,对江西省小时降水、短时强降水的比率、频率日变化特征进行分析。结果表明:(1)江西省降水、短时强降水的比率和频率日变化呈较明显的双峰型特征,第一峰值均出现在15:00—20:00(北京时,下同),次峰值均出现在05:00—10:00。(2)降水和短时强降水的比率、频率日最大值空间分布均呈南高北低趋势,而日最小值空间分布大致为南低北高趋势。时间分布上,江西大部分地区降水比率日最大值出现的时段为15:00—20:00,日最小值主要出现在20:00至次日03:00。(3)江西南部降水比率的日分布特征为单峰型,峰值出现在15:00—20:00;北部以双峰型为主,峰值分别出现在05:00—10:00和15:00—20:00,而环鄱阳湖地区为单峰型,峰值出现在05:00—10:00。(4)不同季节降水比率、频率日变化特征存在略微差异,降水比率和频率的双峰型结构均开始于4月下旬,但降水比率结束于6月上旬,降水频率结束于6月中旬。降水比率、频率在其他时间均为单峰型结构。其中,3月至4月中旬、9月下旬到11月峰值分别出现在00:00—10:00和05:00—10:00,6月下旬至9月中旬峰值主要出现在15:00—22:00。短时强降水比率和频率的日变化在3月至4月上旬为单峰型,峰值主要出现在00:00—10:00;4月中旬至7月中旬以双峰型为主,峰值主要出现在05:00—10:00和15:00—20:00;7月下旬至9月中旬又转为单峰型,峰值主要出现在15:00—20:00。

谢泽明, 周玉淑, 杨莲梅, 2018.

新疆降水研究进展综述

[J]. 暴雨灾害, 37(3): 204-212.

[本文引用: 1]

杨森, 周晓珊, 高杰, 2011.

辽宁省夏季降水的日变化特征

[J]. 气象, 37(8): 943-949.

[本文引用: 1]

杨涛, 杨莲梅, 2003.

新疆强对流暴雨的气候特征和概率分布模式研究

[J]. 灾害学, 18(1): 49-54.

[本文引用: 1]

杨涛, 杨莲梅, 张云惠, , 2021.

新疆短时强降水天气系统环流配置及雷达回波特征

[J]. 干旱气象, 39(4): 631-640.

[本文引用: 1]

宇如聪, 李建, 陈昊明, , 2014.

中国大陆降水日变化研究进展

[J]. 气象学报, 72(5): 948-968.

[本文引用: 1]

张宏芳, 潘留杰, 陈昊明, , 2020.

秦岭及周边地区暖季降水日变化及其成因分析

[J]. 高原气象, 39(5): 935-946.

DOI      [本文引用: 2]

利用三源降水融合资料和欧洲中期数值预报中心ERA5逐小时再分析数据, 分析暖季秦岭及周边地区的降水日变化特征及可能的成因。研究表明: 暖季秦岭南北降水日变化存在显著差异, 秦岭南部降水日峰值主要是盆地地形影响下的夜雨, 秦岭北部降水日峰值则是午后黄土高原上的昼雨。青藏高原东部延伸区、 黄土高原等大地形对研究区域长、 短时降水的空间分布贡献显著; 秦岭南部短时降水频率高, 但L3级降水强度相对较低, 北部L3级降水频率低、 强度大。盆地地形作用下夜间的山风与青藏高原南侧地形槽前定常西南暖湿上升气流叠加, 800 hPa以上上升运动异常加强, 形成多个铅直次级环流, 是秦岭南部夜雨特别显著的重要原因; 而白天受谷风的作用, 使得地形槽前上升气流减弱, 昼雨相对较少。午后热力作用加强, 南风上升气流与中上层西北风下沉气流在700 hPa附近交汇, 使得秦岭北部黄土高原午后强降水异常多发。

张家宝, 邓子风, 1987. 新疆降水概论[M]. 北京: 气象出版社.

[本文引用: 2]

张俊兰, 杨霞, 肖俊安, , 2023.

昆仑山北部夏季降水多尺度时空变化特征

[J]. 高原山地气象研究, 43(3): 1-10.

[本文引用: 1]

赵勇, 黄丹青, 古丽格娜, , 2010.

新疆北部夏季强降水分析

[J]. 干旱区研究, 27(5): 773-779.

[本文引用: 1]

赵玉春, 王叶红, 2020.

我国东南沿岸及复杂山地后汛期降水日变化的数值研究

[J]. 大气科学, 44(2): 371-389.

[本文引用: 1]

中国气象局, 国家气候委员会, 2017.

2016年中国气候公报

[R]. 北京: 中国气象局.

[本文引用: 1]

朱小凡, 张明军, 王圣杰, , 2016.

2008—2013年新疆夏季降水的日变化特征

[J]. 生态学杂志, 35(2): 478-488.

[本文引用: 1]

选用中国自动气象站与CMORPH融合的逐时降水量0.1°网格数据集,使用逐时降水量、降水频率和降水强度等指标,分析了2008—2013年新疆夏季降水的日变化特征。结果表明:逐时降水量和降水频率的日变化特征基本一致,北疆的逐时降水量和降水频率较南疆大,山区较盆地大,逐时降水强度的高值区更多地分布在降水稀少的盆地区域;大部分区域的逐时降水量、降水频率和降水强度均是6月最大,7月次之,8月最小;逐时降水量和降水频率的峰值时间具有相似的空间特征,且后者的区域特征更为显著,两者在山区的峰值时间主要集中在18:00—23:00,而盆地区域的降水峰值时间多集中于0:00—5:00;白天和夜间降水量的空间特征基本一致;此外,逐时降水量与逐时降水频率的相关性最高,与逐时降水强度的相关性次之,而逐时降水频率与逐时降水强度的相关性最差,特别是在干旱的盆地区域。

ANDERSSON T, 1969.

The diurnal variation of precipitation in Sweden

[J]. Geografiska Annaler: Series A, Physical Geography, 51(3): 176-184.

[本文引用: 1]

BOWMAN K P, COLLIER J C, NORTH G R, et al, 2005.

Diurnal cycle of tropical precipitation in Tropical Rainfall Measuring Mission (TRMM) satellite and ocean buoy rain gauge data

[J]. Journal of Geophysical Research: Atmospheres, 110(D21): D21104. DOI:10.1029/2005JD005763.

[本文引用: 1]

YU R C, ZHOU T J, XIONG A Y, et al, 2007a.

Diurnal variations of summer precipitation over contiguous China

[J]. Geophysical Research Letters, 34(1): L01704. DOI:10.1029/2006GL028129.

[本文引用: 1]

YU R C, XU Y P, ZHOU T J, et al, 2007b.

Relation between rainfall duration and diurnal variation in the warm season precipitation over central Eastern China

[J]. Geophysical Research Letters, 34(13): L13703. DOI:10.1029/2007GL030315.

[本文引用: 1]

ZHOU T J, YU R C, CHEN H M, et al, 2008.

Summer precipitation frequency, intensity, and diurnal cycle over China: A comparison of satellite data with rain gauge observations

[J]. Journal of Climate, 21(16): 3 997-4 010.

[本文引用: 1]

/