《暴雨灾害》论文投稿模板.docx

234567891011121314151617181920212223242526272829303132333435363738394041三彬雁.赵琳娜浒晖.等.XXXX.四川暧季小时降水的概率分布特征及其降水分区UL暴雨灾在XX(X)：Y1-Y2.WANGBinyan.ZHAoLinna.XUIIui.ela).XXXX.ProbabilitydistributionandpartitionofhourlyrainfallduringthewarmseasonoverSichuanprovince(J.TorrentialRainandDisasters1XX(X)=YI-Y2(inChinese).doiJ0.12406byzh.20XXYYY批注H:请在页眉处增加论文相关信息.红色字体标出的年、期、卷、页码由编辑部修改确定。批注12：请增加行号和页码.四川暖季小时降水的概率分布特征及其降水分区1,I王彬雁L赵琳娜2,许晖3,刘莹I批注L3:即名原则上不超过20个汉字，,般应含有研究的对象、范围、深度三个要素(1.四川省气象台高原与部地暴雨旱涝灾害四川省重点实验室，成都610072：2.中国气象科学研究院，北京IOoo81：3,广东省中山市气象局，中山528400)摘要:利用20102016年59月四川省157个国家自动气象站小时降水资料，采用皮尔逊UI型概率分/布模型对四川全省小时降水进行拟合，给出全省超过不同阈值的降水累积概率空间分布：在此基础上，计算最大小时降水St的概率分布及其垂现期极值。结果表明：四川盆地西部沿山一带山现降水频次较少，但易发生较大量级的小时降水，攀西地区东部虽是降水高发区，但出现大量级小时降水的可能性小：50a批注A4:细节问题可参见木叶姑卜战中心两灾害论文投稿自查清华.批注L5:摘要应具有自明性，交代清楚目的、资料、方法、结果(结论)。需要注意的是，摘要开头需要用一两句话概括开展本研究的理由或背景，本模板中缺少该内容。研究结果可分条列出。一遇小时降水充值中心分布在乐山市北部、遂宁市西北部与绵阳交界处以及达州市北部，其极值可达60mm以上：100a遇小时降水极值分布趋势同50a一遇的基本一致，其极值达70mm；小时降水的皮尔逊山型概率分布模型偏差系数与降水站点的海拔高度呈对数递减关系，决定系数达0.6545,表明地形高I关犍词概率分布：小时降水；皮尔逊In型：理现期：四川盆地一批注L6:关犍词48个为宜,间隔符用“：”I中图法分类号:PI文献标志码:ADOI:10.12406Zbyzh20XX-YYY一ftft(t7:请根据本刊网站下人中心的“中图法分；.号”填写.!ProbabilitydistributionandpartitionofhourlyrainfallduringthewarmseasonoverSichuanProvinceWANGBinyan,tZHAOLinna2,XUHui3,LIUYing()()9: Hschci-Clal. 2012)。小时强降水分布特征已成为各级政府相关职能部门在部署防灾减灾工作中迫切需要了解的信息，因此探讨各地各区域小时降水分布特征 是当前我国气象科技工作者的重要研究热点之一。陈炯等(2013)利用全国小时降水资料，对 短时强降水分布及其与中尺度对流系统(MCS)日变化之间的关系进行了深入研究，揭示了短 时强降水产生的原因。姚莉等(2009)采用频数分析法，分析了超过不同阈值的小时雨量时空 分布，衣明夏季南部沿海为较大雨强频数出现最多的地区/刘仕公？ (2()Ua)份析北京多年逐/ 小时降水资料得到北京小时降水H变化存在明显峰谷区。上述研究工作多集中在小时降水空 间分布及成因方面，且单纯使用频率分析法会使不同量级的频数分布产生一定的不连续性， 导致较大雨强出现的次数多于较小雨强出现的次数，并对无观测地区极值分布缺少一定的描 述能力。批注M8:文章接收后Dol由编辑部修改确定，作者毋须考虑.批注t9:英文题目中仅第一个单词的首字母大写,其余华诃均小写(专用名词除外).HSidmanMeIeUrOIORiCaIObsermtory.HeUvyrainandDrUM必U-FloodDisasterinPlaleauandBasinkeylaboratoryofSichuanPmvince.Chengdu610072:2.ChineseAcademyofMeIKiCalSciences,Beijing100081;3.ZhonphanMeteOmlogicaloffice批注L10:姓大丹，名的首字母大写ofGuangdongPmvince.Zhongshafi52S4QjAbStract:ThespatialprobabilitydistributionexceedsdiITerentthresholdsisgivenbyadoptingthePearson-IIIdistributionfunction,andthehourlyrainfallgaugedataof157nationalautomaticweatherstations(hereafter批注Itll:英文单位名后接城市名和陋政编码，且单位名和城市名使用制体,单位序号和瞅政编码使用正体。度对四川小时降水分布有一定影响：此外用A均值聚类法可很好地对四川小时降水进行分区。AWS)overSichuanprovinceduringMaytoSeptemberof2010-2016areempoyed.Onthebasisofabove,theprobabilitydistributionpatternandtheextremevalueunderdifferentreturnperiodscenariosofhourlyrainfallareanalyzed.Theresultsindicatedthatthelessrainfallfrequencyappearsinthewestalongmountainsofbasin.buithelargestprobabilityofstrongerhourlyrainfalloverthere.AlthoughtheincidenceofprecipitationinthecastofPanxiregionishigh,theprobabilityofhourlyrainfallwithlargermagnitudeislesslikely.Asforthe一收稿日期:202241-25：定稿日期:债助项目扣1'家自然科学基金项目(41475044)：国家重点研发i划(2017YFClSo2004)：高原与盆地小雨旱涝灾害四川省IR点实验室有年专项(省理实验室2017吉年Q5)；国家科技支撑计划课题(2015BAKIOB03)第一作者：王彬雁，主要从事短时临近天气预报及其相关方法研究.E-mail:w_byan通信作者：赵琳娜，主要从事数值天气预报和应用气象研究。E-mail:zhaoln批注M12):定稿日期由编辑部添加,作者毋须考虑。批注L13:资助项曰按“项目来源机构或部门+项目名称+编号”三要素顺序标注,请注明清楚。批注U5:本刊参考文献使用734也什制, 4林引 见本刊网站下载中心的F暴雨灾害。参考文献引用和 著录格式”、所有引用参考文献的地方请用歌色突出显批注d16:正文中引用两位著者文献时，两位著者均应 列出.批注L17J:正文中引用两位以上著者文献时，中文文 献只标注第一著者姓名，其后加等”，英文文献只标注 第一著者姓氏,其后加Fl让"：同一处引用的多篇文献 应按出版年先后排序，并使用分号隔开，年份相同的， 按姓氏字母排序.批注dI8:同若者同年份的多篇文同在正文中引用 时，在年份后依次加a、b、C等英文字母.424344454647484950515253545556575859606162636465666768697071727374757677hourlyrainfallestimatesvaluesoftherecurrenceperiodsof50yearsand100yearsarcconsistent,themaximumvalueofhourlyrainfallof50yearsrecurrenceperiodsisover60mminthenorthernpartofLeShancity,andthejunctionbetweenthenorthwestofSuiningandMianyang,thenorthernpartofDazhoucity,butupto70mmunder100yearsrecurrenceperiod.TheliltingCUrVCofrelationbetweenparameterCvofthePearson-11IdistributionfunctionandaltitudeofAWSfinedisthelogarithmicdecreasewithaR引言近年来，我国西南地区暴雨、洪涝、泥石流等自然灾害频发，给当地国民经济发展、人 民生命财安全和城市交通运输等产生了重大影响。四川因其地形复杂，成为该地区气象灾害 发生相对较多的省份。研究表明，我国除东北、西北大部地区外，其余地区降水均呈现明显 的区域特征H国3 200()； , 2(X)1%也有人曾详细分析过四川省的降水特征(陈 / 文秀和韩克俊，20Oh保艳峰和宇如聪匕叫 周长艳等，2006),认为川西高原至四川盆 地的过渡区域易产生强度大、时间相对集中的强降水，且四川盆地不同地区降水变化特征表 现不同，但这些研究多集中在对日尺度以上降水的分析。随着降水资料的不断丰富，国内外 学者对强降水天气越来越关注，尤其是短时间内产生的较大强度降水天气(IBell et al.|. 2004：1近年来，虽然四川地面降雨观测站点不断增多，但高原上地面站点仍较稀疏，观测数据 也存在一定误差，且获取较长时段的降水历史资料难度较大，如果想基于加密地面降雨观测 站资料获取四川西部地区降水极值分布仍有一定困难。鉴于以上问题，考虑到概率分布函数 模型不仅能确定不同地区降水极值，还可通过拟合得到无观测资料地区的降水分布，因此越 来越多的学者利用分布函数模型模拟降水强度的变化规律(颇骏强香，2000；宁静,2(X)6： 杜锐，2()11)。气象要素中，由于日降水量或更短时间降水量空间变化程度较月以上时间尺 度降水量要大得多，且具有定的偏态性和不均匀性，对其极值难以进行定量估算，但可借statisticcoefficientuppingto0.6545.(hisindicatestheterrainhasaneffecttothehourlyrainfallpatternsobviously.Inaddition,theA-meansclusteringmethodcanbeusedtoaparthourlyprecipitationoverSichuanprovince.Keywords:probabilitydistribution;hourlyrainfall;Pearson-IIIdistributionfunction;returnperiod：Sichuanklsin批注L14:英文关犍词首字母小写，间隔符用助一些统计方法寻求极值分布的最佳模型，推算出不同重现期下小时降水极值，揭示其时间变化的内在规律，从而为防灾减灾、市政工程建设所需的设计暴雨提供一定的参考依据(侯78798081828384858687888990919293949596979899100101102103104105106107108109HO1111121993：朱Ji1K'IE.2(M)5o$(2012)利用北京观象台逐分钟降水资料分析了不同历时下的重现期，为暴雨强度公式编制提供了一定的理论背景。词波等(2012)对1991-2007年四川盆地12个代表站短时强降水极值用两种不同的概率分布模型进行估算，结果表明，广义帕雷托分布(GPD)模型的拟合精度要优于广义极值分布(GEV)模型。HI付及(2012)利用/'分布研究暖季小时降水概率分布指出，华南沿海以及海南西北部最易出现短时强降水。但对降水而言，最通用的是皮尔逊In型分布(一种三参数的中文图例说明的下方需增加相应的英文图例说明。分布)，其对任意量级的降水均具有很好的描述能力(E慈琴等，2004；米伟亚，2005：2006；§卉等,2006;谢云等,2009).因此,本文采用皮尔逊小型概率模型对观测站点小时降水进行模拟，在揭示四川小时降水时空分布的基础上，着重研究不同阈值小时极端降水量的概率分布特征及其重现期的空间分布，从概率角度揭示不同地区不同阈值小时降水出现的可能性，以期为该地区预防和减轻暴雨引发的山洪地质灾害、城市内涝等提供有力支撑，并为城市建设暴雨强度公式编制提供技术基矶;。1资料来源与研究方法1.1 资料来源本文所用资料为2010-2016年四川省范围内经过质量控制的157个国家自动气象站(图1)小时降水资料，即每个整点时次测得的降水量为之前1h累积降水量。考虑到四川强降水集中在59月，与我国暖季降水出现时间相一致，以及自动站主要观测的是非固态降水，且四川西部海拔较高，为使不同站点之间资料具有可比性，本文将研究时段确定为59月。从图1中可见，本研窕区域内气象站点分布从东部盆地向西部高原逐渐稀疏。1.2 研究方法1.2.1 皮尔逊Hl型概率分布及其参数估计为寻求各种气候要素概率特征的最佳函数形式，用实际资料获得各种分布参数的最佳估计是获得气候统计规律的主要手段。对于随机变量的取值规律，最严格的描述是使用概率分布密度函数，不同时间尺度的降水具有不同的统计特征，如年降水量、海平面气压、气温等气象要素一般用正态分布密度函数模拟，而日或更短时间尺度的降水量则是明显的偏态分布,采用分布密度函数模拟较合适(刘学华和吴洪宝,2006；肖卉等,2006)o因此,对于不同气象要素的概率分布模型，一般依据各自要求特点进行选取(顷骏强等，2000)。但对降水而言，最通用的是皮尔逊IH型分布(一种三参数的分布)，其对任意量级的降水均具有很好的描述能力(毛慧琴等,2004：米伟亚,2(X)5：刘学华和吴洪宝,2006；肖好等,2006)。水文气象工作者将皮尔逊HI型引入到降水频率计算中，成为被广泛应用的概率分布模型(村锐，201l)该分布的概率密度函数为_na/批注H22：公式在全文统一编序号，表示对某一变量说F(X)=有一；(*一哂(1)/明的公式不再独立标序号，公式后不加过号或句号.(a)/式(1)中：Q为该分布的形状参数，Ra)=/7'4为参数的伽马函数；夕=三Cs'同XCVCS为该分布的尺度参数；%=工(1-等)为系列起点到坐标原点的距离(同波'?；，2()12)。利用皮尔逊HI型对降水资料进行拟合时，首先要对参数夕、曲作相应的估计。根据样本资料，利用矩形法(.2()04；朱伟亚，2(X)5),计算得到怦均值(工)、均方差、偏差系数(CV)和偏态系数(Cs"即批注也23】:公式中的变盘使用单字母或单字母加下标的形式.113114115116117118119120121122123124125126127128129130131132133134135136137138f=,(2) =牌XfCV = Sll(4)Cs =-U- x)ix2)3f2(5)CV反映了样本之间个体的差异情况，若与平均值差异越大，则CV取值越大，离散程度 也越大，反之亦然。G控制曲线的形态，反映样本在均值两侧的对称性，若CQ>0,则曲线 正偏,反之负偏(米伟亚,2005；肖卉等,2006)0当Ge2时,其密度曲线为单调减少凹曲(宁 静，2(X)6) 0140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173139从式（6）中看出，筒化后的概率函数仅依赖于参数°因此，当参数确定之后，以P为横 坐标，相应的样本值为纵坐标，即可得到频率曲线，从而通过拟合曲线进行概率推算。1.2.2攵均值动态聚美法聚类的思想是为了将相近的样本归为一类、不相近的样本尽量划分到不同的类中。类内 样本距离尽量小，类间样本距离尽可能大。本文选取k均值动态聚类法进行处理，其原理为： （1）在卜I个样本中确定:个聚类中心（即本文所确定的类别数）；（2）余下的一%个样本分别 /1批注【3）：全文的变盘使用斜体 计算与聚类中心的距离，根据距离最近原则进行归类判别；（3）计算出每个类别的均值，不 断迭代此过程：（4）如果此后分类的类别数没有变化，则停止迭代（刘伟东等，2014b）（.2结果与分析2.1降水概率分布函数的参数特征以各个站点超过04mm的降水小时数占研究时段总时数（样本）的比例作为研究指标，衡 量四川全省降水发生的多少。卜给出研究时段四川省有降水发生时数占样本时数的百分比以温江站（56187）为例，按照上述皮尔逊In型的计算公式（1）（6）,将上述有降水发生的 时数作为建模样本，分别计算小时降水在不同阈值区间出现的降水时数占建模样本时数的占 比（即样本频率），将小时降水的量值作为纵坐标、频率作为横坐标，对样本资料进行概率拟为简化计算，令式中A（X-曲）等于/，得到变化后的皮尔逊In型积分为（Fi、ChLTetal2012)174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209合。利用公式(4)和计算得到，当G=4.3、G=IO.8时，该站样本的分布叮拟合曲线吻合程 度较高，因此可认为该理论曲线为样本的概率密度分布曲线(图3)。从图3中可见，温江站 出现20 mmh”以上的降水概率不超过0.5,其中4() mmN的频率为().05,降水概率大值主 要集中在量级较小的降水区间。I图3愠江站小时降水量皮尔逊山型分布拟合频率与样本频率曲线Fig.3 The frequency curve fitted by Pearson-Ill distribution function and sample frequency for hourly rainfall at Wcnjiang station.批注L27:坐标图中横、纵坐标的刻度以及量和单位 不能省略。同理，对四川省内其余站点进行概率拟合，最终得到全省157个站点皮尔逊In型的G 和G两参数的空间分布(内4)。总体而言，偏差系数G.取值均小于3(图4a),变化区间在 1.22.6之间。1.75的等G线将四川省分为明显的两个部分：四川盆地和攀西地区G一般 在L75255之间；川西高原大部地区CV取值在1.25165之间。盆地西部沿山一带及盆 地南部Cr取值最大，表明上述地区降水量差异较大。I图4四川省157个气象站点皮尔逊川型概率分布拟合的偏差系数(a)与偏态系数(b)分布Fig.4 Spatial distribution of (a) deviation factor and (b) skew coefficient tted by Pearson-IlI distribution function for 157 AWS over Sichuan province一批注IL28:当有多幅分图时注意中文的分图说明(a)、(b)等放在对望后面，而英文放在所说明的对象的面。210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243偏态系数G取值变化范围较大（图4b）,最大值为16.5,最小值为2.5,但均大于2,表明样本曲线分布呈现出正偏的特点，G值越大，下端越接近水平。G大值区域出现在川西高原西部，四川盆地大部地区CS为710。结合偏差系数CV可知，四川盆地较高原地区而言，较高等级小时降水出现的可能性大，尤其是盆地西部沿山一带以及盆地南部地区。2.2超过不同阈值的降水空间分布特征由式（1）可知，当一个序列的平均值京、偏差系数C”偏态系数CS确定后，就可得到该序列皮尔逊In型概率分布模型，在此基础上即可求得超过任意阈值的降水累积概率。为了更好地获取四川不同量级小时降水的空间分布特征，分别计算降水量超过5mmh4IOmmhL批注附印数字和单位之间需空格,且更合单位用点20mmh30mmh四个阈值的降水概率。分析降水超过5mmh”的累积概率分布（佟I5a）匡可知，四川盆地和攀西地区降水累积概率显著大于川西高原，且越到盆地东北部，降水出现超过5mmh1的累积概率越大，最大累积概率为0.13,出现在广元和巴中两市北部交界山区，为0.13,即在100次超过0.1mm的降水中，有13次小时降水量超过5.（）mm。相比而言，盆地东北部以东和攀西地区南部为降水累积概率次大值区，为0.090.12。累积概率为0.09的等值线越向西，小时雨量超过5.0mm的概率越小，川西高原仅为0.010.03,这与高海拔地区大气可降水量小有关（ZhaiandEskridge,2003）：另外，由图5b可知，小时降水超过10.0mm的累积概率分布与超过5.0mm的空间分布基本一致，其累积概率大值区（超过0。5）仍位于广元和巴中两市交界的北部，即100次降水中约有5次小时降水量超过10.0mm,但不足小时降水超过5.0mm的一半。再由图5c、d可知，超过20mmh“和30mmh的降水累积概率空间分布，其大值区主要位于四川盆地西部沿山带，累积概率分别为（）.012和0.05,这与偏差系数CV图4a）的分布相吻合。结合降水时数占比分布（图2）发现，四川盆地西部沿山带有降水发生的时数较小，但易发生量级较大的小时降水，攀西地区东部虽是降水高发区，但出现大量级小时降水的可能性较小，这是短时强降水预报中需关注的现象。邠'EI(XriE1024,EIOE1好E三4*E(0.M2,0.tMS(0.036,0.«21(0.03,0.036)(0.021.0.OSJ(0.018.Ol024(0.0i2.018(0.006.Ol012(0.0.006(0.056.0.064)<0.048.0.066)<0.<X>4,O.0048<0,0032,0,004)<0,0024.0.0032(0.0016.0.0024<0.OOOMaO.0016<0.O.OOOHI府E_KXfE)0*E_IO4RIOHaK_IOKtI-244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280图5四川省小时雨量超过不同阈值(a.5.0mm；b.10.0mm；c,20.0mm；d.30.0mm)的累积概率分布Fig.5Spatialdistributionofcumulativeprobabilitywithhourlyrainfallthresholdsmorethan(a)5.0min.(b)10.0mm.(c)20.0minand(d)30.0nminSichuanprovince为了衡量利用皮尔逊In型分布函数模型求出的累积概率分布是否具有一定优势，$16给出用小时降水超过10mmh-'与20mmh1的时数占总时数占比的空间分布。对比图6a与图5b、国6b与图5c可知，利用皮尔逊In型分布函数模型模拟出的累积概率空间分布与相对应阈值的百分比空间分布基本吻合。但不同的是，利用皮尔逊Hl型分布函数模型求出的累积概率分布具有较为连续和细致的刻画，对于小时降水超过10mmh，的情况，利用皮尔逊HI型分布函数模型求出的降水累积概率分布(图5b)对川西高原、四川盆地有很好的区别，并对盆地内山前迎风坡降水和平原降水也有一定的区分，其刻画较为细致。而相对小时降水超过IOmmh-'占总时数比例的空间分布图(图6a),对高原上降水分布细节刻画不够，而对盆地降水分布区分出大地形所导致的降水差异：但对川西高原和盆地而言，则对盆地内降水分布差异缺乏更细致的描述。对小时降水超过20mmN的情况，对比图5c与图6b,用小时降水时数占比(图6b)得到整个研究区域内降水的比例分布区分出了高原和盆地，对盆地降水分布的细节没有皮尔逊HI型分布函数得到降水概率分布(图5c)细致，对盆地内山前迎风坡降水和平原降水区分缺乏更细致的描述。 <0.02i.0. 02 (0.0018.0.021 (0.015.0.018) (0.012.0. Olfi <0. 009. 0. 012 <0. CJOH. 0. DOyJ <0. 003. 0. 0061 <0.0. <x>3图6四川省小时雨量超过不同阈值(a.10.0mm：b.20.0mm)的时数占总降水时数之比Fig.6Hourspercentageofhourlyrainfallthresholdsmorethan(a)10.0mmand(b)20.0mminSichuanprovince 3极端降水的空间分布特征本文第2.2节仅分析了四川地区降水超过不同阈值的概率分布，但考虑到极端降水事件 较大的成灾性，越来越多的学者更关注降水的极端分布(张永领和J裕国，2003：冬敏等， 2(X)7；闷又O 201 Ih为进一步讨论四川小时降水的极值问题，对该地区Ih降水极值概281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315率分析如下。对于极端降水样本的筛选，可采用年最大值法和年多个样法这两种方法。但年最大值法需要至少20a以上的资料长度，因此本文采用年多个样法进行降水极值样本筛选，即将每年降水量按大小顺序排列，选取水10个最大值作为统计资料（苏布达等,2007：羯卡文等,2011：I杉印飞,2015）.图7给出四川1h最大降水超过10mm、20mm、30mm的概率分布。从中可见，随着降水阈值增加，降水极值概率减小，且极端降水极值出现范围明显缩小。Ih最大降水超过IOmm的极值高值区主要集中在四川盆地、攀西地区南部，次高值区在四川盆地西部沿山一带（图7a）.1h最大降水超过20mm高值中心零星分布在四川盆地西部沿山一带，盆地其余地方以及攀西地区南部为次高值区（图7b）.Ih最大降水超过30mm的概率分布同Ih最大降水超过20mm的大致相近，其高值中心明显位于雅安市东部、乐山市西北部（凶7c）。结合国5可知，四川盆地西部沿山一带不仅易发生小时强降水，且易产生极端降水。图7四川小时降水最大值超过不同阈值(a.10.0mm：b.20.0mm：c.30.0mm)的概率分布Fig.7Probabilitydistributionofthemaximumhourlyrainfallthresholdsmorethan(a)10.0mm.(b)20.0mmand(c)30.0mminSichuanprovince重现期是为了衡量某种事件在长时间试验里出现的时间间隔平均数":由'L2010）o通过皮尔逊HI型概率分布函数的计算公式（6）,可得到四川50a一遇和IOoa一遇的降水值（图8）。由图8a可知，四川50a一遇的1h降水高值中心分布在乐山市北部、遂宁市西北部与绵阳交界处以及达州市北部，Ih降水量可达60mm以上；次高值区位于四川盆地西部沿山一带，50a一遇的1h降水极值为5060mm。另从图8b中看到，四川IoOa一遇的Ih降水极值分布趋势同5（）a一遇的基本一致，大值区仍集中在四川盆地西部沿山一带、遂宁市西北部、盆地东北部，1h降水极值可达7（）mm以上：盆地其余地方和攀西地区也较高，I（X）a遇Ih降水极值为5060mm.ICKfF 10Zl- IO4,E 106- E IOS0E98*N100, N IO2*N IMoN IO6, N IGSeX316317318319320321322323324325326327328329330331332333347348349350351352353354图8给定重现期(a50a遇：b.100a遇)的四川Ih降水量极值(单位:mm)的空间分布Fig.8SpatialdistributionoftheI-hourrainfallextremes(unit:mm)atreturnperiodof(a)onceevery(a)50yearsand(b)100yearsinSichuanprovince3降水分区上述研究表明，四川小时降水存在显著的地域差异，为弥补高原上地面站点稀疏造成观测资料不够和资料误差的缺陷，更好地描述四川区域小时降水的空间分区特征，获取四川西部无资料或少资料地区降水的极值分布，考虑基于该地区皮尔逊HI型概率分布结合其他因子对四川地区降水分区，获得各区域降水分布特征，了解无资料或少资料站点的极端降水情况。下文对第23节筛选出的四川省站点降水样本(157X70)进行因子计算，分别求得每站的皮尔逊川型两参数(。、为以及第9()、第95与第99百分位数5个因子，再利用A均值聚类法进行降水分区。由于因子维数较多，不能直观展示聚类后的情况，因此利用主成分分析法进行降维，当前几个因子贡献率达到95%时，则可作为主要的聚类因子。计算上述5个因子的累积贡献率，分别为0.80I2|、0.9490、0.9814、0.9928、1.0000,由此发现前2个因子(呢)批注网1：数字千分位空格.累积贡献率接近95%,表明前2个因子皮尔逊W型,参数可作为主要的聚类因子。班奖之后的数柒点k-2JK奖之后的效笫点k-3主阈例修史之后的数舱点k-G图9基于主成分分析法的k均值聚类分析过程(不同颜色代表聚类后的不同类):(a)为聚类前的结果： (b)-(f)依次为取26的聚类结果Fig.9 The -means clustering process based on principal component analysis, and different colors represent different categories after clustering. (a) The outcome before clustering, and ones after clustering when k is (b) 2, (c) 3, (d) 4, (e) 5 and (0 6 in sequence对于Z值的确定，则利用上个类的平均质心距离的平均值作为指标，值取值范围一般为26,当某一类出现的数目小于5时，即认为人值不符合聚类效果”.斌，2015)因此，本文分别计算了4取26的聚类结果（冬I9）,发现当依5时（图9e）,其中一类的站点数少于5个，难以划为类，不符合聚类效果（同理46时，仍存在相同结果），因此确定依4为最佳取值，其划分结果为川西高原为I区，攀西地区和四川盆地北部多为3区，盆地西部沿山一带为4区，盆地其余地方为2区（图10）。对比A均值聚类法分区结果与自动站所处下垫面地形发现，A均值聚类法不仅区分出高原与盆地地区，并对盆地西部沿山一带、盆地北部山区山前降水与平原降水的差异也有一定区分，说明分区结果反映了地形对降水的影响。355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388图IO采用上均值聚类后的四川省小时降水分区（数字14分别代表川西高原区、盆地中东部区、攀西地区和四川盆地北部区、盆地西部沿山一带区）Fig.10HourlyprecipitationzonesinSichuanprovincebasedon-meansclusteringmethod.Numeralsfrom1to4indicatewesternSichuanPlateauzone,centralandeasternSichuanBasinzone,PanxiandnorthernSichuanBasinzone,andthezonealongthepiedmontofwesternSichuanBasin,respectively由四川省各区降水参数IAI）并结合图10可知，1区皮尔逊In型两