量化城市化与气候变化对广东省基于事件的极端降水的影响

《Journal of Hydrology: Regional Studies》：Quantifying the impact of urbanization and climate change on event-based extreme precipitation in Guangdong Province, China

　　

**摘要**

**研究区域**
广东省位于中国大陆南部沿海，是中国城市化水平最高、城市化进程最快的省份。

**研究焦点**
本研究调查了1973年至2021年广东省逐小时基于事件的极端降水（HEEP）的五个特征在时空上的变化。这些特征为频率、总量、历时、强度和以基尼系数衡量的时间不均匀性。HEEP事件定义为逐小时降水量超过第95百分位且事件间隔时间小于6小时的降水事件，研究人员使用非平稳广义可加模型（GAMLSS）对位置、尺度和形状参数进行分析。该方法使用协变量来评估影响，包括源自不透水面土地利用数据的城市化指标（如景观百分比（PLAND）、斑块密度（PD）、最大斑块指数（LPI）和聚集指数（AI））以及气候指标（如Ni?o3.4、PDO、IOD和EASM）。

**对该区域的新水文认识**
结果显示出了显著的空间格局：北部频率较高，珠江三角洲（PRD）和西部沿海地区的总量和强度较大，东部历时较长，珠三角地区的降水在时间上更为集中。非平稳模型显著优于平稳模型，证实了HEEP特征存在时间变化。城市化总体上影响更强，各站点城市化平均相对贡献率分别为总量47.0%、历时43.7%和基尼系数40.7%，而频率（26.8%）和强度（32.7%）的平均城市化贡献率较低，表明这两个特征受城市化和气候驱动因子的影响更为均衡。值得注意的是，AI和PDO增强频率，PLAND抑制频率，LPI和AI放大降水总量，Ni?o3.4增加时间不均匀性。这些效应随当地城市化率而变化，突显了在城市扩张和气候变化背景下评估极端降水时整合非平稳性和多因素驱动因子的必要性。

**城市化与气候变化对广东省基于事件的极端降水影响的量化研究解读**

**1. 研究背景与科学问题**

极端降水事件在全球范围内日趋加剧，已成为洪水灾害的主要驱动因素，与多项可持续发展目标（SDGs）密切相关。气候变化与城市化均对极端降水事件特征产生显著影响并加剧洪水风险。然而，现有研究存在两方面不足：其一，多数研究依赖世界气象组织气候变化检测与指数专家组（ETCCDI）推荐的降水指数，这些指数主要基于年尺度统计（如超过特定百分位或固定阈值的日数），忽略了亚日尺度极端事件（如小时级暴雨）的降水量、历时和时程分布不均匀性等关键特征；其二，关于观测到的极端降水增强主要归因于城市扩张还是大尺度气候强迫，学界尚未形成共识。广东省地处中国南部温暖湿润的沿海地区，经历了快速城市扩张，拥有全球最大规模的连续城市群之一，同时是中国极端降水事件发生频率最高的省份，为研究城市化和大尺度气候指数对极端降水的综合影响提供了代表性区域。本研究旨在回答三个核心问题：（1）HEEP特征是否表现出与城市化和大尺度气候条件相关的非平稳行为？（2）城市化与大尺度气候指数对HEEP特征变化的相对贡献如何？（3）城市化与大尺度气候指数如何影响HEEP特征的变化趋势？

**2. 研究方法与技术路线**

研究人员采用小时级基于事件的极端降水（HEEP）分析框架，以第95百分位小时降水量为阈值，以6小时为事件间隔时间（IET）划分独立降水事件。对每个HEEP事件提取历时、总量、平均强度和基尼系数四个特征，并计算年频率。研究使用1973–2021年中国气象局（CMA）70个气象站的小时降水数据，土地利用数据来自国家冰川冻土沙漠科学数据中心（1990–2021年，30米分辨率），气候指标（NINO、PDO、IOD、EASM）来自美国国家海洋和大气管理局（NOAA）等公开数据库。研究采用非平稳广义可加模型（GAMLSS）对位置参数（μ）和尺度参数（σ）进行建模，以城市化指标和气候指标为协变量，通过赤池信息准则（AIC）选择最优模型，并利用似然比检验（LRT）和Benjamini-Hochberg虚假发现率（FDR）校正评估非平稳性显著性。城市化指标通过Fragstats 4.2软件提取，包括PLAND、PD、LPI和AI四个景观格局指标。相对贡献通过多元线性回归和趋势分解方法量化。

**3. 主要研究结果**

**3.1 HEEP的时空特征**

1973–2021年，广东省HEEP特征呈现显著的空间异质性：北部地区频率较高，部分站点年事件数超过30次，而南部沿海站通常低于20次；珠江三角洲（PRD）和西部沿海地区的总量和强度较大，单次事件总量超过66.8毫米，强度最高达8.0毫米/小时；东部地区历时较长（多年平均值超过20小时），西部低于14小时；基尼系数在PRD最高（达68.7%），西南沿海最低（约59.3%）。时间趋势上，PRD和粤西地区频率显著增加，北部和PRD总量呈上升趋势但南部沿海有站点显著下降，基尼系数在19个站点显著增加，主要集中于PRD及其周边地区。

**3.2 非平稳模型评估**

非平稳GAMLSS模型在所有五个HEEP特征和七种候选分布下均优于平稳模型。似然比检验经FDR校正后，各特征显著非平稳站点的比例分别为：频率91.4%、总量77.1%、历时51.4%、强度78.6%和基尼系数90.0%。蠕虫图诊断显示模型残差符合标准正态分布，整体拟合效果良好。

**3.3 驱动因子识别与相对贡献**

所有五个HEEP特征中，至少72%的站点同时受城市化和气候因素影响。基尼系数受联合影响的站点比例最高（88%）。城市化指标中LPI和AI被选择频率最高，气候指标中NINO和PDO最常被选入最优模型。城市化对各特征的平均相对贡献分别为：总量47.0%、历时43.7%、基尼系数40.7%、强度32.7%和频率26.8%。在快速扩张组中，城市化指标的选择频率超过气候指标，表明快速城市化改变了主导驱动因子格局。

**3.4 回归系数方向与强度**

回归系数分析表明：AI和PDO正向增强HEEP频率，而PLAND表现出一致的负向抑制效应；LPI和AI一致放大降水总量；EASM与降水强度在79%的站点呈现稳定的正相关；NINO增加与基尼系数的增大相关，而LPI和PLAND对基尼系数的影响在空间上呈现复杂的异质性。

**4. 讨论与结论**

研究讨论指出，HEEP特征的空间异质性源自多尺度大气-陆地耦合过程：北部较高频率与百分位阈值定义相关，南部沿海较大总量和强度受海洋水汽和台风活动影响，东部较长历时与地形抬升和边界层水汽积聚有关，PRD较高的基尼系数与城市热岛（UHI）效应增强低层辐合和促进对流组织有关。城市化率与归因格局的交互分析表明，快速扩张组的相对贡献非线性增加，可能反映了城市化对极端降水影响的时间滞后效应（3–7年）。研究结论强调，广东省极端降水事件存在显著非平稳性，城市化总体影响强于大尺度气候指数，且影响强度随城市化速率增加而增强，在快速城市化背景下需将非平稳性和多因素驱动纳入极端降水评估框架。