引言

京津冀地区是中国的“首都圈”，随着城市群不断建设发展，其对水资源的需求日益加大，这就需要了解和掌握该地区长期以来的降水变化趋势，以便及早应对干旱等不利因素对其带来的影响。同时，近些年，京津冀地区极端强降水和短时强降水频发，如2012年7月21日北京遭遇的建国以来最强暴雨洪涝灾害，同年7月下旬至8月初天津连续出现的3次全市性大暴雨。短时强降水作为一种极端降水事件，往往导致城市严重内涝，甚至诱发滑坡、泥石流等地质灾害。因而加快京津冀地区发展建设，不仅需要探讨该地区气候变化趋势，也需要研究其逐时高分辨率降水变化，从而更精确地反映实际降水的演变过程和降水强度信息，这对于城市合理规划和城市气象灾害防御等都具有重要意义。

值得注意的是，1970年代以来，全球气温呈现显著上升趋势，这有助于提升大气中的水汽含量，增强大气的持水能力，进而为增加降水提供有利条件^[1-2]。但已有研究表明华北地区年降水量尤其是夏季降水量在1970年代发生了由多雨到少雨阶段的转折^[3-4]，且降水变化趋势较为复杂，极端降水量在总降水量中的比重呈增加趋势^[5-7]。考虑到未来气温很有可能持续平稳增暖^[8-11]，因而有必要重新审视分析1970年代至今在全球加速变暖背景下的降水情况，这将更有利于对未来气候情景作出预估。

暖季是京津冀地区的集中降水时段，暖季降水对年降水量(1970—2015年)的贡献率达到71.6%~93.9%，且极端降水往往发生在该时段^[12-13]。为此，本文基于1970—2015年全球变暖加剧背景，利用京津冀地区同期逐日逐时降水资料，探讨该地区暖季各月降水量变化趋势，分析逐时降水的日变化特征，以期提高对京津冀地区暖季降水变化特征和趋势的认识，并为降水强度精细化预报、城市规划发展等提供参考依据。

1 资料与方法 1.1 降水资料

本文所用资料为中国气象局国家气象信息中心整理的京津冀地区1970—2015年5—9月(暖季) 28个国家级自动气象观测站(图 1)逐日逐时降水资料。选用的28站包括:北京2站，即北京本站与延庆站；天津1站，即天津本站；河北24站，即邯郸、张家口、承德、遵化、卢龙、秦皇岛、玉田、乐亭、保定、沧州、盐山、迁安、霸州、唐山、昌黎、饶阳、黄骅、南宫、蔚县、赤城、阜平、邢台、怀来、兴隆和青龙站。所用资料均通过了气候极值检验和单站极值检验以及数据一致性检验等质量控制，具有较好的代表性。为防止资料数据可能存在的偏差，本文做了进一步质量控制，即将逐时降水资料与同站逐日降水资料进行比对，如逐时资料累积日降水量偏差大于逐日降水资料中降水量的10%，则该日资料舍弃^[14]。在此基础上，若某年暖季有效观测数低于15%，则该年数据记为缺测。文中所用时间均为北京时。

1.2 研究方法

本文规定某日某站某小时内出现了大于0.1 mm的降水量，则记该时次有降水发生。为了更加客观地考察降水的持续性，只有当某一降水时次之后2 h无降水时才判定这次降水过程结束，并将该次过程记为一次降水事件^[15]。将一次降水事件开始至结束的小时累积数定义为降水持续时间^[16]。文中先根据降水持续时间对降水事件分类，再分别统计各类持续降水事件。

对于一次降水事件，若其持续时间为n，小时降水量序列为x_i(i = 1，2，…，n)，本文将3 h降水量(P_3，k)定义为

$ {{P}_{3, k}}={{x}_{k-2}}+{{x}_{k-1}}+{{x}_{k}}\left( k=3, \cdots, n \right) $

由于短时强降水往往引起气象或地质灾害，因此本文将利用上式计算分析暖季和逐月各次降水事件过程中3 h降水量的暖季和各月最大值的变化趋势。

1.2.1 小时极端降水的定义

由于降水本身具有很强的空间分布不均匀性，在选取小时极端降水阈值时，充分考虑了数据获取地的气候背景。本文采用百分位法确定不同台站的降水阈值，以1981—2010年气候要素平均作为气候均态，并以某测站1981—2010年小时降水量序列(由小到大)第95百分位对应的小时降水量作为该站小时极端降水量的阈值。当某站某时降水量超过该阈值时，即认为是小时极端降水。采用百分位法确定不同台站降水阈值的优点在于，充分考虑了降水地区间的差异，使得各地极端降水阈值都依本地降水情况而定，从而能更好地反映降水变化的区域性特征^[6]。

1.2.2 降水增量的计算

在定量计算降水事件次数和降水强度变化趋势对降水量变化趋势的影响时，本文采用Karl等^[17]提出的方法。具体过程如下：

计算研究时段的平均降水量(P_e)和降水日数的趋势值(b_f)，可得到降水日数趋势值引起的降水量变化趋势(b_e)，即

$ {{b}_{\text{e}}}={{\overline{P}}_{\text{e}}}\left( {{b}_{\text{f}}} \right) $

(1)

降水强度变化引起的降水量变化的趋势分量(b_i)可由降水总趋势增量(b)与降水日数引起的降水量趋势分量之差得到，即

$   $

(2)

由于本文分析的是不同持续时间的降水事件，因而将降水日数替换为降水事件次数，其反映的物理意义是相同的。

为比较降水强度和降水事件次数变化趋势在降水增量中的贡献，利用b_i和b_e的绝对值差值与某一等级降水多年总量均值(P_e)的比值来反映^[18]，即

$ r=\frac{|{{b}_{\text{i}}}|-|{{b}_\text{e}}|}{{{\overline{P}}_{\text{e}}}} $

(3)

其中，r为差值百分数，正值表示降水强度变化趋势引起的降水增量大于降水事件增量变化，负值则表示与之相反的意义。

1.2.3 跃变检验与显著性检验

本文对时间序列跃变检验采用Rodionov^[19-20]提出的一种基于t检验的循序算法STARS (Sequential t-test Analysis of Regime Shift)。该方法在事先假设跃迁时间尺度的基础上进行验证统计，并去除白噪音等不利信号影响，对跃迁开始时间的判别较准确。循序算法主要由切断长度和预先设定的置信度值确定跃迁年份，得到的RSI (regime shift index)值是经过标准化所得的距平累积和，可反映跃迁发生的可靠性。选择的切断长度值需要大于物理过程变化的显著周期，从而将其年代际变化考虑到研究中。本文将切断长度L设定在10~20之间计算不同参数下的RSI值发现得到的结果近乎一致，这表明结果具有很好的跃变信号。

文中也对降水序列的线性趋势和显著性作了Kendall-tau检验^[21]，显著性水平取0.10。文中趋势图有相当一部分站点未通过显著性水平检验，这可能是由于降水年际变化差异大造成的^[22-23]。

2 京津冀地区暖季各月小时降水变化趋势 2.1 小时降水时数

研究表明^[24-25]，20世纪中期以来，华北地区年降水量尤其是夏季降水量呈明显减少趋势。经分析发现，1970—2015年近46 a京津冀地区暖季降水量和降水时数皆呈减少趋势(图略)。图 2给出近46 a该地区暖季各月平均降水量和降水时数逐年变化。从中看到，暖季各月降水量和降水时数变化趋势不同，5月皆呈弱的增加趋势，增幅分别为1.5 mm·da^-1和1.06 h·da^-1。6月降水量呈弱的下降趋势，降幅为0.30 mm·da^-1，而降水时数为弱的增加趋势，增幅为0.35 h·da^-1。7月降水量呈减少趋势，降幅为11.70 mm·da^-1，其降幅略大于8月份的10.60 mm·da^-1，而7月降水时数降幅为3.78 h·da^-1，略小于8月份的3.82 h·da^-1。暖季中期(7—8月)降水量和降水时数的线性回归方程的相关系数皆通过显著性水平检验，表明降水量和降水时数显著减少。但9月降水量和降水时数都呈较强的增加趋势，增幅分别为4.58 mm·da^-1和3.58 h·da^-1，且暖季后期(9月)降水量和降水时数的线性回归方程的相关系数也通过显著性水平检验，表明两者呈显著增长变化。

从近46 a京津冀地区暖季各月降水量和降水时数的增幅空间变化图上可见(图略)，5月，天津和河北东北地区部分站点降水量变化呈减少趋势，其余站点呈增加趋势，而降水时数28个站点为一致的增加趋势，但其增幅较小，在0.01~0.13 h·da^-1之间。6月，河北东部地区大多站点降水量呈弱的减少趋势，河北西部和天津降水量呈增加趋势；降水时数，大多数站点呈增加趋势，少数呈减少趋势的站点主要位于天津和河北东北部。7月和8月为京津冀地区的主汛期，各站点降水量和降水时数变化基本都呈减少趋势，平均减幅分别为11.15 mm·da^-1和0.14 h·da^-1。但到9月，除黄骅和遵化降水量减少外，其余站点降水量增加，增幅在0.31~12.36 mm·da^-1之间，同时，28站降水时数都呈增加趋势，增幅为0.05~0.27 h·da^-1。

总体上，京津冀地区暖季降水前期(5—6月)呈弱的增加趋势，而中期(7—8月)呈明显的下降趋势，由于7—8月降水量占该地区全年降水总量的比例较大，因而形成年降水不断减少的现象。值得注意的是，暖季前期(5—6月)降水呈弱的增多趋势，而后期(9月)则呈较强的增加趋势，这与张天宇等^[26]的相关研究结论一致，即京津冀地区降水集中程度在降低。

2.2 小时极端降水

由于近46 a来京津冀地区暖季降水量和降水时数都呈减少趋势，难以直接判断降水强度的变化。因此本文将小时降水量按其强度划分为不同级别来统计其累积降水量及其方差贡献率的变化趋势，其结果见表 1。从表 1中可见，雨强大于30 mm·h^-1的降水呈增加趋势，其余强度的降水皆呈减少趋势。各级别雨强的方差贡献率，> 0~1、> 3~4、> 11 mm·h^-1的小时降水对年降水总量的方差贡献率呈逐年增加趋势，其余级别的小时降水量均呈减少趋势。总体上，尽管京津冀地区暖季降水总量呈现降低趋势，但小时降水强度大的降水量方差贡献率在增加，而弱降水的方差贡献率则减少。

翟盘茂等^[27]研究指出，华北地区降水量减少，同时极端降水事件也在减少，但极端降水对该地区降水量变化的贡献在增加。从图 3a可见，暖季河北东北部和中南部大部分站点极端小时降水时数呈减少趋势，同时该区域也是降水量减少幅度最显著的地区(图略)。5月(图 3b)，天津和河北东北部等地部分站点极端小时降水时数呈减少趋势，而其余大部分站点降水时数呈增加趋势。6月(图 3c)，其分布与5月相似，但河北东南部沿海地区的站点呈减少趋势，且河北东北部呈减少趋势的站点数较5月的偏多。7月(图 3d)，极端小时降水时数呈增加趋势的站点主要位于河北省东北部，即燕山南麓和太行山东侧，这反映出地形阻挡与东亚季风的相互作用对极端降水的影响^[28]。8月(图 3e)，降水时数呈增加趋势的7个站点大多位于河北东部和环渤海地区。9月(图 3f)，除遵化降水时数呈减少趋势外，其余站点皆呈增加趋势。

考虑到短时强降水往往会引起气象或地质灾害，且其变化趋势更能反映极端天气事件的变化趋势^[29]。为此，本文统计了近46 a来京津冀地区暖季及各月降水事件中最大3 h降水量(R_M3h)变化趋势，其结果见图 4。从中看到，整个暖季(图 4a)，河北中南部等地区部分站点R_M3h呈减小趋势，而其余站点呈增大趋势，这意味着极端降水事件正变得更加极端化，可能将出现更强短时强降水，并造成更严重的城市内涝和山洪、泥石流等地质灾害。各月R_M3h空间变化趋势与暖季极端小时降水时数的空间变化类似。暖季前期(图 4b、c)，河北东北部和中南部部分站点R_M3h变化呈减小趋势，其余大部分站点呈增大趋势；暖季中期(图 4d、e)，R_M3h呈增大趋势的站点主要位于河北东北部，尤其是环渤海地区；暖季后期(图 4f)，大部分站点R_M3h变化都呈增大趋势。

综上可知，近46 a来京津冀地区暖季前期降水极端性大体上呈较弱的增强趋势，而中期大多站点降水极端性出现减弱，但到后期的降水极端性又有所增强。由于暖季中期是京津冀地区主要的降水时段，且强降水事件主要集中在这一时段，这就使得年极端降水与暖季中期极端降水的变化趋势基本一致。有研究表明^[5-6]，华北地区年极端降水强度变化表现出减弱趋势。从本节分析看，暖季中期降水及极端降水变化出现减弱趋势，而其前期略有增强，尤其是后期增强较明显。

在全球气候变暖的背景下，由于海陆热容量不同，陆地增温幅度大于海洋地区，理论上，未来东亚夏季风可能增强^[30-31]，模式模拟结果与此一致^{[30, 32]}。已有研究表明^[33-34]，近50 a华北夏季降水减少与东亚夏季风减弱关系密切。张庆云等^[35]也指出，华北地区强降水持续减少与亚洲中纬度西风环流加强和低层偏南气流偏弱有关。正如图 3d、e和图 4d、e所示，京津冀地区盛夏强降水和极端降水均呈减弱趋势。另一方面，模式结果也表明^[31]，全球气候变暖背景下，海洋水汽输送的加强和大气层结不稳定性的增强为极端降水增多提供了有利条件，使得强降水事件开始时间提前、结束时间推迟。本文研究也发现，京津冀地区暖季前期降水及极端降水略有增强，而后期增强较为明显。该结论也佐证了布和朝鲁^[32]的相关研究结论，即“随着全球变暖，华北地区多雨季节将延迟1个月”。

3 京津冀地区暖季小时降水的日变化特征 3.1 暖季各月降水日变化

对降水日变化的研究，不仅可以增强对区域天气气候特征与降水演变规律的认识，同时也有助于理解降水的形成机制，并为检验和评估数值模式的物理过程提供科学依据^{[12, 36]}。此前已有人对华北地区夏季降水的日变化特征做过一些研究^{[12, 37-38]}，但本文上一节分析表明，京津冀地区各月降水变化并不一致。为此，本文统计了该地区5—9月各站点平均的不同持续时间的降水日变化特征，其结果见图 5。

依照文献^[38]，本文规定持续时间在6 h以上的降水事件记为持续性降水事件，而持续时间小于等于6 h的降水事件为短时降水事件。从图 5中看到，总体上，京津冀地区暖季各月短时降水事件的降水量和降水时数极大值主要出现在午后至傍晚，该时段降水强度相对较强，而持续性降水事件的极大值多出现在午夜至清晨。究其原因，午后出现的短时降水峰值很可能与由太阳辐射加热日变化引起的热力不稳定有关，而持续性降水峰值出现在清晨可能与大尺度环流相联系^[39]。

进一步分析图 5表明，京津冀地区暖季各月降水晨，7月午后短时降水较8月偏强，且8月短时降水主要集中在午后至傍晚，凌晨时也易出现短时降水，但降水量较小，这表明其降水强度较小。进入9月后，随日变化特征略有差异。5月，以夜间持续性降水为主，短时降水主要出现在午后至傍晚；6月，气温升高，午后对流活动加强，降水量较5月明显增多，时间延长至前半夜。7—8月，持续性降水主要出现在午夜至凌着气温降低，午后对流减弱，短时降水量进一步减少，以夜间持续性降水为主。显然，这种日变化特征的差异主要因气温逐月变化差异所致。

3.2 降水事件和降水日变化逐年分布

由上节分析可知，降水日变化特征与降水持续性之间存在紧密关联^{[16, 36]}。本节从两者逐年分布上对其关系进一步分析如下。

图 6（见上页）给出近46 a来京津冀地区暖季各月站点平均的逐年不同持续时间的降水事件累积降水时数以及对应的逐年累积降水量逐时分布图。从中可见，5月(图 6a)，1980年代中期以来，持续时间小于等于6 h的短时降水事件的累积降水时数较之前略有增加，持续时间在6 h以上特别是15 h以上的持续性降水事件的累积降水时数增加较明显；当月(图 6f)逐年累积降水量逐时分布图上，正午前后是累积降水量较小时段，夜间至凌晨降水在1970年代末至1980年代初和1990年代末至2000年代初出现较低值，午后降水在2000年代较强，但近几年有所减弱。6月(图 6b、g)，短时降水事件的累积降水时数在2000年代以后有所增加，对应的午后至前半夜降水量也出现增加。

胡泊等^[40]研究指出，1990年代末东亚夏季降水出现突变。本文利用STARS方法计算发现，京津冀地区暖季中期总降水量和总降水时数在1997年都发生了突变，并由多雨转为少雨(图略)。从图 6c、d中可见，7月和8月短时降水事件累积的降水时数变化均呈减少趋势，尤其是8月在1997年以来明显减少。同样，夜间至凌晨的累积降水量也在1997年后出现减少，对应持续性降水事件累积的降水时数也有所减少。

采用STARS方法计算还发现，京津冀地区9月降水时数在2002年突变增加，而降水量在2008年发生突变增大(图略)。从图 6e中看到，2002年以来9月持续性降水事件的累积降水时数明显增加，且对应的图 6j中夜间至凌晨的累积降水量在2008年以来明显增加。

为定量反映降水强度和降水事件次数的变化对不同持续时间降水事件中降水量变化的贡献，同时考虑到各等级降水量均值存在较大差异，为更好地比较各等级中降水强度和降水事件变化的贡献，本文采用两者趋势引起的降水增量占该等级降水量均值的百分比^[18]来反映，其结果见表 2。

从表 2中可见，5月降水事件次数引起的雨量增量(b_e)大多为正值，表明降水事件在增多，而降水强度引起的雨量增量(b_i)在9 h以上降水事件中大多为正值，其余为负值，这反映出持续性事件的降水强度在增加，而短时降水事件的降水强度在降低，差值百分数(r)除持续时间为1~2 h的降水事件为负外，其余值都为正，表明降水强度引起的雨量增量(b_i)大于降水事件增量的变化。

6月9 h以上持续性降水事件的降水量呈降低趋势(p_t)，降水事件次数和降水强度引起的雨量增量也皆为负值，其中降水强度变化是降水增量变化的主因。而2~8 h降水事件的降水强度引起的雨量增量以正值为主，降水事件次数引起的雨量增量也为正值，并对降水量的增多起主要贡献。

暖季中期(7—8月)降水事件引起的雨量增量(b_e)基本都是负值，表明不同持续时间的降水事件变化以减少为主，而降水强度引起的雨量增量(b_i)在22 h以上的降水事件中为负值，表明该级别降水事件强度在减弱，而1~21 h的降水事件中降水强度引起的雨量增量(b_i)多为正值，表明强度在增加。总体上，暖季中期短时降水事件的降水量减少主要是降水事件次数减少造成的，而持续性降水事件的降水强度降低是降水量减少的主要原因。

暖季后期(9月)持续性降水事件的降水量增多趋势更明显，且差值百分数(r)大多为正值，表明降水强度引起的雨量增量(b_i)贡献较大。

综上所述，京津冀地区暖季前期(5—6月)午后短时降水事件次数的变化以增加为主，但5月持续性降水事件次数和降水强度以有增加为主，而6月持续性降水事件的降水量为降低趋势，降水事件次数和降水强度也皆为减少变化。暖季中期(7—8月)夜间至凌晨的累积降水量自1997年以来明显减少，且持续性降水事件的降水强度降低是降水量减少的主要原因；同时，午后短时降水事件累积的降水时数也有减少，降水事件次数减少对降水量降低具有主要贡献。2000年代初以来，暖季后期(9月)降水明显增多，这主要因持续性降水和夜间至凌晨的降水增加所致，且降水强度的贡献较大，这也反映出极端降水事件在增多。

4 结论与讨论

本文分析了近46 a来京津冀地区暖季各月降水及极端降水的变化趋势，并利用小时降水资料从降水日变化角度统计分析了影响各月降水增减的主要降水类型。主要结论如下：

(1) 暖季前期(5—6月)，京津冀西部大部分站点降水略呈增多趋势，而东部部分站点略呈减少趋势；暖季中期(7—8月)，大部分站点降水量和降水时数都呈明显下降趋势，其中北部地区站点降幅更明显；但到后期(9月)，各站点一致呈增加趋势，增幅较大的站点主要位于西北部。由于暖季中期降水在暖季总降水中占比较大，因而中期降水明显下降使得暖季总降水量表现为明显下降。同时，极端降水在暖季前期(5—6月)除东北部部分站点出现减少变化外，大多数站点呈增多趋势；暖季中期(7—8月)大部分站点极端降水呈下降趋势，西北部地区降幅较明显；但暖季后期(9月)，各站点基本都呈增加变化。总体上，暖季小时降水强度大的降水量方差贡献率在增加，而弱降水的则在减少。

(2) 该地区暖季各月降水日变化特征是，午夜至凌晨持续性降水多发，而短时降水主要出现在午后至傍晚，且受气温逐月变化差异的影响，午后短时降水在暖季前期较弱、中期增强、后期再次减弱。

(3) 京津冀地区暖季前期(5—6月)午后短时降水事件次数增加，持续性降水事件次数和降水强度在5月分别以增加和增强为主，而6月则分别为减少和减弱。暖季中期(7—8月)降水在1997年之后明显减少，其中短时降水事件的降水量减少主要是降水事件次数减少造成的，而持续性降水事件的降水量减少则主要由降水强度减弱造成。2000年代初以来，暖季后期(9月)降水明显增多，这主要是夜间持续性降水增加所致，且降水强度的增强对降水增量起到主要贡献。

已有研究表明^{[24-25, 35, 40-41]}，京津冀地区降水在很大程度上受东亚夏季风系统影响，且近50 a东亚夏季风减弱是该地区降水减少的主要原因。本文分析表明，尽管京津冀地区暖季总降水量呈下降趋势，但各月变化趋势不同，前期为弱增加，中期明显下降，而后期则呈较强上升趋势，降水集中程度下降，出现明显的“夏雨秋下”现象。布和朝鲁^[32]通过海-气耦合模式模拟发现，在全球变暖背景下，华北地区盛夏时降水形势将延迟1个月，使得该地区多雨时节增加了1个月。本文研究结论也印证了其模拟结果，但京津冀地区“夏雨秋下”的形成原因尚不十分明确，对此还有待于今后做进一步探讨。