利用雨量计网络，研究孟买地区短时和长时间降雨分布所涉及的物理过程

《Physics and Chemistry of the Earth, Parts A/B/C》：Investigating the physical processes associated with short- and long-duration rainfall distribution over Mumbai using a rain gauge network

　　• 在孟买大都会地区，长时间（>6小时）的降雨主导了季风降水。
• 孟买内陆地区的降雨量和频率更高，而沿海地区的降雨强度略高。
• 日降雨量在当地时间10:00和14:00达到峰值，清晨和傍晚也有较小的峰值。
• 在950 hPa高度处强烈的水汽通量汇聚与孟买地区的长时间降雨模式一致。

引言：
孟买是印度的金融首都，也是世界上人口最密集的城市之一，拥有2100万人口（Paul等人，2018年）。该地区年降雨量约为2400毫米，其中近75-80%发生在季风季节（6月至9月）（Rana等人，2012年）。每年，该市至少会经历一次极端降雨事件（≥204毫米/天），这使得它极易受到水文气象灾害的影响（Jenamani 2006；Mohanty等人，2023；Ranger等人，2011）。在未来，由于气候变化，像孟买这样的沿海大都市将更加容易受到海平面上升、风暴潮和极端降水的影响（Hallegatte等人，2011），这些因素预计将进一步增加洪水风险。最近，“迷你暴雨”（两小时内降雨量≥5厘米）这一术语被提出，孟买发生的几次降雨事件都属于这一类别。这种迷你暴雨事件造成的突发性洪水可能比传统极端降雨事件严重三倍（Deshpande等人，2018；Krishnan等人，2020）。鉴于这些新兴风险，人们对准确的短期预报和早期预警系统以及准确的气候模型预测有了更高的需求，以评估未来的气候风险。气候模型和数值天气预报模型的可靠性通常通过其在区域尺度上准确表示降水的空间变异性和日循环的能力来评估。然而，降水并不是数值模型的直接产物；而是由微物理过程、积云对流、边界层动力学和大气大规模强迫之间的复杂非线性相互作用产生的。对这些次网格尺度过程的不足表示或参数化会在模拟降雨特征中引入很大的不确定性（Dai等人，2001）。因此，模拟真实的区域降雨模式以及正确结合降雨的频率、强度和持续时间仍然是一个重大挑战（Covey等人，2003；Trenberth等人，2003）。在像孟买这样的沿海特大城市中，这种挑战更加显著，那里强烈的陆海对比、小山丘、西高止山脉的坡度效应以及密集的城市发展都调节了局部热动力和动力过程。城市化复杂的地形可以改变对流的起始和强降雨，降雨响应还取决于当时的流动特征（Colle，2004；Houze，2012；Picard和Mass，2017）。解决这些挑战的方法是基于高分辨率观测（卫星产品、地面气象雷达或实地雨量计网络）的过程级理解，这些方法可以描绘区域尺度上的降水空间和时间变异性，但每种方法都有其优势和局限性。

早期研究使用地球静止轨道红外（IR）数据来描述日循环和区域差异（Hendon和Woodberry 1993；Janowiak等人1994；Yang和Slingo 2001）。在印度，Meteosat-5的IR观测显示了明显的区域差异，包括孟加拉湾北部的晨峰和印度中部的午后峰（Raut等人，2009）。然而，IR数据的连续时空采样使得将IR辐射与地表降水相关联变得具有挑战性（Arkin和Meisner 1987），并且高砧云/卷云污染可能导致峰值时间相对于雨量计观测结果有3-4小时的延迟（Kubota和Nitta 2001；Ohsawa等人2001）。热带降雨测量卫星（TRMM）的观测（包括降雨雷达）提高了对全球日循环和陆地及海洋降水特征的理解，包括陆地的典型午后峰和海洋的清晨峰，以及中尺度对流系统（MCS）及其频率/强度的贡献（Romatschke等人2010；Nesbitt和Zipser 2003；Kikuchi和Wang 2008）。然而，TRMM的采样受到轨道过境的限制，难以捕捉到可能主导日降雨循环的短暂风暴尺度对流，而且轻度和重度对流雨的反演不确定性也有所不同（Negri等人2002；Jha等人2022）。气象雷达通过提供连续的高频体积扫描，减少了这种采样限制，从而可以客观地追踪风暴尺度对流和MCS的生命周期和传播（Dixon和Wiener，1993；Steiner等人，1995），基于雷达的研究显示了夜间高地上的午后对流如何向上游低地/海洋扩散（Lang等人，2007），以及印度的强空间变化日信号和西高止山脉的地形控制（Jha等人2022；Murali Krishna等人，2021）。同时，由于微物理复杂性、经验不确定性和波束阻挡/衰减，将雷达反射率（和极化产品）与降水相关联仍然具有挑战性，这可能会低估强度，因此在没有雨量计/雨量计约束的情况下，日降雨属性（如频率-强度-持续时间统计和微物理特征）仍然不完整。

基于雨量计的研究用于描述印度各地的日循环和降雨时间及强度的区域差异，研究表明沿海地区，特别是在西海岸，经常在午夜到清晨出现降雨高峰，而内陆地区则主要受到白天地表加热引起的午后到傍晚的对流影响（Sen Roy和Balling，2007；Deshpande和Goswami，2014），最近的基于站点的分析表明，过去几十年间季风日循环的相位已经发生变化（Chutia等人，2025）。然而，由于印度大部分雨量计观测数据稀少且分布不均，这些研究主要提供了广泛的区域概况，仍未能充分揭示受局部尺度驱动因素（如复杂地形和局部气象过程）影响的次区域变异性。

在西海岸和西高止山脉地区，研究提供了季风降水的空间和日组织的一般情况，包括陆地上的双峰结构和海洋上的夜间峰，对流系统的传播，以及季节内变化对日循环的调节。这些研究表明地形和沿海环流对对流起始、向上生长和降雨时间的强烈控制，并有助于解释高地上的午后对流如何演变并影响相邻的沿海/海洋地区的夜间降雨（Romatschke和Houze，2011；Shige等人，2017；Murali Krishna等人，2021）。然而，卫星和雷达分析未能提供足够的地面约束来量化次区域尺度上的地表降水特征，这对于像孟买这样的城市非常重要，特别是降雨频率、强度和事件持续时间在塑造观测到的空间模式和日循环中的作用。尽管已经确定了降水的一般趋势，但孟买地表降水的空间变化的具体性质仍不清楚。特别是，孟买地区的降雨模式是由频率还是强度主导的，以及它们在城市不同部分的变化方式尚不清楚。此外，长时间降雨事件与短时间降雨事件对孟买整体降雨模式的贡献也不清楚。几项研究强调了日峰值相位传播的作用，特别是在沿海地区，陆地和海风之间的相互作用以及局部地形的作用（Garreaud和Wallace 1997；Mori等人，2004）。但是，考虑到陆海对比和不同的地形，相位传播在城市不同区域的差异仍然是一个重要的问题，尚未得到充分解决。此外，降水日循环很复杂，不同类型的事件（短时间降雨与长时间降雨）都有贡献，但每种事件类型对孟买日循环各阶段的精确贡献尚不清楚。这些空白不仅对过程理解至关重要，也对改进像孟买这样的城市的天气预报和降雨建模有帮助。通过解决这些问题，本研究将利用孟买的高密度雨量计网络来：
(i) 量化孟买不同地区地表降雨特征（持续时间、频率和强度）的空间变异性，重点关注这些特征在区域上的变化。
(ii) 研究日循环并识别短时间和长时间降雨事件的贡献，特别是这些事件类型如何影响循环的不同阶段。
(iii) 将观测到的降雨模式与大尺度水汽汇聚模式联系起来，以更好地理解驱动孟买降雨变异性的过程。

本文的结构如下：第2节描述了雨量计数据集并概述了用于分析日循环和短时间及长时间降雨特征的方法。该节还包括了研究中使用的ERA5再分析数据的简要描述。第3节展示了分析结果，第4节详细讨论了研究结果及其意义。最后，第5节总结了研究的主要结论并提出了未来研究的潜在方向。

数据：
本研究使用的降雨数据来自部署在孟买地区的密集中尺度雨量计网络（MESONET）（图1）。MESONET由一系列翻斗式自动雨量计（ARGs）组成，旨在为整个城市提供高分辨率的降雨观测。该网络由印度气象部门、大孟买市政公司和印度热带气象研究所共同组织和维护。关于降雨特征的空间分布及其区域差异的更多细节，请参见图3。图3显示了2019-2024年平均西南季风季节期间PA、PF和PI的空间分布，不同时间段的平均值。孟买的总降雨量（PA）显著，具有明显的东西向梯度（图3a）。最大的PA（约1毫米/小时）出现在东部内陆地区（18.85°N-19.35°N, 72.96°E-73.2°E），高于西部沿海地区（18.85°N-19.35°N, 72.75°E-72.95°E），那里的PA通常低于0.8毫米/小时。

讨论：
孟买受到短时间和长时间降雨事件的双重影响。短时间降雨事件更为频繁，但在研究期间（2019-2024年），长时间降雨事件占总降雨量的约60%。降水的空间分布显示孟买东部和沿海地区之间存在显著差异。这种变异性可能源于大尺度水汽通量汇聚之间的复杂相互作用（Banacos和Schultz，2005）。

总结：
利用孟买大都会地区六年的（2019-2024年）高分辨率雨量计观测数据，我们研究了季风降雨的空间分布、持续时间依赖性和日循环。主要发现总结如下：
(i) 孟买的降雨在整个日循环中表现出持续的东（内陆）- 西（沿海）梯度，东部地区的降雨量最大。总降雨量主要由降雨频率决定（r2 = 0.85）。

作者贡献声明：
Aditya Jaiswal：撰写-审稿与编辑，数据管理。
Chiranjeevi Guttula：撰写-审稿与编辑，数据管理。
Jagdish Jena：撰写-初稿，正式分析。
K. Sunilkumar：撰写-审稿与编辑，数据管理。
Amol Dhole：撰写-审稿与编辑，数据管理。
Subrata Kumar Das：撰写-初稿，资源，方法论，调查，正式分析，概念化。
Lakshminarasimha Naidu Kankanala：撰写-初稿，方法论。

未引用的参考文献：
Anjana和Charu, 2024; Dai, 2001; Jenamani等人, 2006; Krishna等人, 2021; Parchure和Gedam, 2018; Roy和Balling, 2007。

数据可用性：
数据可应要求提供。

利益冲突声明：
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢：
作者衷心感谢IITM主任在开展这项研究过程中给予的持续鼓励和支持。我们还感谢BMC、IMD和IITM的所有工作人员，他们在自动雨量计的操作和维护以及本研究中使用的降雨数据收集方面发挥了重要作用。作者感谢编辑和两位匿名审稿人提出的建议，以改进手稿的质量。

Lakshminarasimha Naidu Kankanala
Subrata Kumar Das
K. Sunilkumar
Jagdish Jena
Chiranjeevi Guttula
Aditya Jaiswal
Amol Dhole