Comparative Assessment of Signal Distribution Characteristics and Applicability before and after the Revision of Rainstorm Warning Standards in Sichuan Province

  • Chunyue LÜ , 1, 2 ,
  • Wei WU , 1, 2 ,
  • Meng CHU 1, 2
Expand
  • 1. Sichuan Meteorological Observation and Data Center,Chengdu 610072,Sichuan,China
  • 2. Heavy Rain and Drought-Flood Disasters in plateau and Basin Key Laboratory of Sichuan Province,Chengdu 610072,Sichuan,China

Received date: 2024-05-17

  Revised date: 2025-01-09

  Online published: 2025-07-10

Copyright

© Editorial Department of Plateau Meteorology (CC BY-NC-ND)

Abstract

Scientific and reasonable standards for issuing rainstorm warning signals are critical for preventing rainstorm disasters.Based on hourly precipitation data at ground stations from 45 representative counties in Sichuan Province during April-October in the period of 2019 -2021, combined with historical meteorological disaster risk census data, this study conducted a retrospective analysis of rainstorm warning classifications to compare the spatiotemporal distribution and applicability of warning signals before and after the revision of Sichuan's rainstorm warning standards.Results demonstrate that the revised criteria significantly increased the issuance frequency of red and orange warning signals while reducing yellow warnings, reflecting an overall enhancement in rainstorm alert intensity.The incorporation of a 1-hour rainfall intensity threshold in the updated standards notably amplified the proportion of red warnings in Ganzi, Aba, and Liangshan Prefectures (collectively known as the Three Prefectures region), substantially improving early warning capabilities in plateau areas.Historical disaster analysis revealed superior performance of the revised criteria, with higher hit rates for extreme rainstorm events, enhanced warning intensity, and improved timeliness.Notably, Wenchuan County exhibited reduced over-alerting due to the "downgrade adjustment" mechanism in warning classification.Overall, the revised standard for rainstorm warnings in Sichuan effectively incorporates the high hazard potential of short-duration heavy rainfall and better distinguishes risk levels between mountainous and non-mountainous areas.It significantly improves the precision, consistency, and relevance of early warnings, aligning with the evolving demands of targeted meteorological services and disaster risk reduction.

Cite this article

Chunyue LÜ , Wei WU , Meng CHU . Comparative Assessment of Signal Distribution Characteristics and Applicability before and after the Revision of Rainstorm Warning Standards in Sichuan Province[J]. Plateau Meteorology, 2025 , 44(4) : 1005 -1017 . DOI: 10.7522/j.issn.1000-0534.2025.00003

1 引言

四川位于中国西南地区, 地处青藏高原向丘陵、 平原的过渡地带, 受制于复杂的地形与多重天气系统, 四川降水具有雨水分布不均和强降水多发、 突发的特征(王佳津等, 2015; 薛苏桓和李晓婧, 2023), 尤其是汛期暴雨频发, 易引发城市内涝、 泥石流、 山体滑坡等严重次生灾害, 对经济社会发展和人民群众生命财产安全造成重大威胁(Yin et al, 2011Liu et al, 2019吕小波等, 2021Ren et al, 2022刘子堂等, 2022杜一博等, 2024)。
预警预报是防汛减灾工作的前置环节, 及时有效的气象预警可以为灾害防御争取更多的准备时间, 从而降低自然灾害对人民生产生活的影响(陈石定等, 2020刘静等, 2021唐传师等, 2023)。预警信号作为气象部门为社会防灾减灾服务的红绿指示灯, 其发布标准的科学性与合理性显得尤为重要(杨荣芳等, 2020周伟东等, 2022)。有学者针对暴雨预警信号分布特征、 标准制定、 修订及适用性评估进行了研究, 如陈妮娜等(2017)通过对比暴雨预警信号与暴雨灾害空间分布, 发现两者基本一致, 预警信号服务质量较好。黄铃光和黄慧琳(2021)对福建省不同标准下暴雨预警信号的发布频次和发布极值展开了分析, 并针对福建省暴雨预警信号标准的修订指标予以了探讨。Mendis(2021)开发了一种基于灾害影响的强降水预警系统, 并通过5个典型灾害事件案例对预警指标进行适用性评估, 取得较好效果。陈浩等(2023)开展了暴雨预警信号分布特征与质量评估, 为提升灾害性天气预警能力提供参考。不同预警标准下的暴雨预警信号发布情况差异较大, 标准过低, 容易因过度响应造成社会资源浪费, 而标准过高, 一旦预警不及时则可能带来灾难性后果。如何根据现有预报水平、 城市基础设施建设、 社会公众需求因地制宜地制定科学、 合理的预警信号标准, 成为了目前面临的难点问题。
四川省发布暴雨预警信号的依据是《四川省气象灾害预警信号发布与传播规定》(以下简称《规定》), 于2009年11月1日施行, 至今已十余年。随着社会经济的快速发展以及全球变暖背景下极端气象事件致灾增多, 防范气象灾害重大风险的要求和人民群众对预警预报工作的期待越来越高, 原有的《规定》也暴露出一些问题, 比如针对性不强、 信号等级划分和阈值标准不科学, 四川省短历时强降雨致灾频发(张武龙等, 2021冉津江等, 2023), 原有暴雨预警信号标准主要关注过程雨量, 雨强信息体现不明显等, 已不适应现实需求。根据中国气象局全面开展气象灾害(暴雨)预警信号调整有关工作的文件要求(刘钊, 2023), 为更好地满足气象防灾减灾需求, 进一步推进预警“量体裁衣”, 四川省气象局组织开展了暴雨预警信号标准修订工作, 通过紧密结合本地降水天气气候特点, 分析短时强降水发生发展规律及造成灾害影响, 修订形成本省不同气候背景分区的暴雨预警信号标准。新《规定》经省政府第18次常务会议审议通过, 2023年12月21日以四川省人民政府令第359号公布, 自2024年2月1日起施行。
基于以上背景, 本文基于四川高密度区域站和国家站降水观测数据以及暴雨灾害风险普查成果, 通过历史暴雨过程回算对《规定》修订前后四川暴雨预警信号时空分布特征进行对比评估, 研究并明确其差异性和变化规律, 同时结合历史暴雨灾害事件, 从预警信号准确性、 时效性两方面对标准修订的效果进行检验分析, 进而探讨新标准下四川暴雨预警信号发布的精准性和适用性。

2 数据来源与方法介绍

2.1 代表县选取与暴雨预警信号标准修订情况

预警信号实行属地发布制度, 由市县两级气象部门依照职责向社会发布、 变更、 解除。四川幅员辽阔, 所辖市县数量庞大, 考虑研究的针对性与可行性, 在全省选取45个代表县进行暴雨预警信号标准修订前后对比评估研究。45个县来自全省21个市州, 覆盖川西高原、 攀西高原、 盆地等不同地形, 并充分考虑人口密度分布、 地质灾害隐患点、 易发区以及汛期强降水频发地区, 表1为选取的45个代表县信息。
表1 四川45个代表县信息

Table 1 Information of 45 representative counties in Sichuan

地区 市(州) 县(区)
盆地地区 成都市 都江堰、 崇州、 金堂、 邛崃
德阳市 德阳、 绵竹
绵阳市 北川、 三台
广元市 广元、 苍溪
巴中市 南江、 平昌
南充市 营山、 高坪
达州市 万源、 达县
广安市 广安
遂宁市 遂宁
资阳市 资阳
内江市 内江
自贡市 自贡
宜宾市 宜宾、 兴文
泸州市 纳溪、 古蔺
乐山市 乐山、 马边
雅安市 雅安、 石棉
眉山市 眉山、 仁寿
攀西地区 凉山州 西昌、 雷波、 会东、 冕宁、 木里
攀枝花市 攀枝花
川西高原 阿坝州 马尔康、 九寨沟、 汶川、 小金
甘孜州 康定、 德格、 色达、 稻城
根据《规定》, 暴雨预警信号按照暴雨灾害可能造成的危害程度、 紧急程度和发展态势由低到高设置黄色、 橙色、 红色三个等级。本次《规定》修订关于暴雨预警信号标准主要有以下调整: (1) 在分析全省天气气候特点, 尤其是短时强降水发生发展规律及造成灾害影响的基础上, 精细化气候分区, 由2个分区改为3个分区, 其中, Ⅰ区为四川盆地, Ⅱ区为凉山州、 攀枝花市、 阿坝州汶川县三江镇、 水磨镇、 漩口镇、 映秀镇(以下简称漩映四镇地区, Ⅱ区简称攀西), Ⅲ区为甘孜州、 阿坝州(除漩映4镇地区, Ⅲ区简称川西高原); (2) 充分考虑短历时强降水可能引发的城市内涝、 山洪、 地质灾害等灾害影响, 将1 h雨强纳入暴雨预警橙色和红色标准。

2.2 资料来源与方法介绍

由于暴雨预警信号主要在汛期发布, 故选取研究地区2019 -2021年4 -10月的地面自动站小时降水量资料, 资料均已经过气候学界限值、 区域气候极值、 内部一致性、 时间一致性、 空间一致性等质量控制。通过资料完整性和质量检查, 剔除降水数据大段缺失及质量较差的站点, 最终可用站点共计1488个。图1为45个代表县降水量数据可用站点分布。文中涉及的地图是基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为 GS(2023)2767号的中国地图制作, 底图无修改。
图1 45个代表县降水量数据可用站点(蓝色点)分布

Fig.1 Distribution of available stations (blue dots)for precipitation data in 45 representative counties

基于修订前后暴雨预警信号标准, 利用45个代表县小时降水量数据, 设计流程算法对2019 -2021年4 -10月暴雨预警信号进行分级回算, 运用分类统计法对标准修订前后的暴雨预警信号按信号等级、 发布时间、 发布区域进行统计分析和对比评估, 最后结合暴雨灾害风险普查数据从预警准确性和时效性两方面, 进行预警标准修订适用性评估。

3 结果与讨论

3.1 暴雨预警信号时间分布对比评估

3.1.1 年变化

统计各分区新、 旧标准下各级暴雨预警信号逐年变化情况, 如图2所示。从全省来看, 2019 - 2021年暴雨橙色预警信号逐年增加, 黄色、 红色预警信号先升后降, 这种年际变化与当年暴雨发生频次及强度有直接关系。结合修订前后全省逐年预警信号次数变化(表2)来看, 修订后全省总暴雨预警信号发布次数多于修订前, 其中红色预警信号发布次数大幅增加, 增加了82次, 其次为橙色预警信号增加62次, 黄色预警信号则减少了15次, 说明引入1 h雨强指标后, 全省暴雨预警整体加强, 尤其是对短历时强降水的预警力度更大, 高等级预警信号总数显著增加, 同时部分黄色信号降水过程因满足更高级别小时雨强标准, 向更高等级信号转移, 因此黄色预警信号总数减少。有多项研究表明, 在全球变暖的背景下, 近年来极端短时强降水呈多发、 频发趋势, 四川省为短时强降水的高发地区, 因其独特的地形、 地貌、 地质及气候特征, 极易引发地质灾害(Gao et al, 2017冉津江等, 2023), 因此修订后的信号变化符合短时强降水致灾特征和防灾减灾需求。盆地地区各级暴雨预警信号逐年分布及修订前后变化规律与全省情况基本一致。攀西地区修订前后各级预警信号数量差异较大, 红、 橙色预警信号数量显著增多, 黄色预警信号数量有所减小。川西高原地区黄色预警信号除2020年增加外, 其余年份减少, 橙色预警信号除2019年略增加外, 其余年份均减少, 红色预警信号除2020年减少外, 其余年份增加, 整体上川西高原地区总预警信号数量有所减少。
图2 标准修订前后四川各分区各等级暴雨预警信号逐年对比

(a)全省, (b)盆地, (c)攀西, (d)川西高原

Fig.2 Year by year comparison of rainstorm warning signals of various levels and districts in Sichuan before and after the standard revision.(a) the whole province, (b) the Sichuan Basin, (c) Panxi region, (d) Western Sichuan Plateau

表2 全省不同年份各等级暴雨预警信号在修订后数量变化对比

Table 2 Comparison of changes in the number of rainstorm warning signals of various levels and years in the province after the standard revision

年份 红色预警次数/次 橙色预警次数/次 黄色预警次数/次 总预警次数/次
合计 82 62 -15 129
2019 31 22 -10 43
2020 13 23 -2 34
2021 38 17 -3 52

3.1.2 月变化

统计各分区新、 旧标准下各级暴雨预警信号逐月情况, 如图3所示。全省及各地区暴雨预警信号次数逐月变化均呈单峰型结构, 暴雨预警信号主要集中在6 -9月, 符合我省主汛期降水特征, 受东亚季风和印度季风的共同影响以及青藏高原大气环流系统的影响, 该地干湿季明显、 夏季暴雨频发(黄小梅等, 2017; 李一诺和李跃清, 2024)。全省、 盆地、 川西高原地区的各级暴雨预警信号次数均在8月达到峰值, 而攀西地区6 -8月预警信号次数基本持平。进一步统计2019 -2021年发生于45个代表县的暴雨洪涝灾害逐月次数分布与修订前后不同月份暴雨预警信号数量变化(表3), 可知暴雨致灾主要发生于6 -9月, 且8月灾害次数最多, 各级预警信号数量6 -8月变幅最大, 占全省总预警信号次数变化的82.9%, 8月红、 橙色预警信号增加最多, 分别增加24次、 27次, 整体上暴雨灾害频次与预警信号逐月分布特征相吻合。由于修订后新增1 h雨强阈值标准增大了对短历时强降水过程的预警强度, 因此修订后高级别预警信号数量的增多可主要归因于短时强降水过程的贡献。8月份红、 橙色预警信号增加最多, 可从侧面反映出8月极端性短时强降水最为活跃。对于暴雨致灾最频繁、 最严重的8月, 修订后其高级别预警信号增加也最多, 说明引入1 h雨强标准可在原标准过程雨量的基本上, 充分考虑了短历时强降雨可能引发的城市内涝、 山洪、 地质灾害、 中小河流洪水等灾害影响, 符合防灾减灾的需求。
图3 标准修订前后四川各分区各等级暴雨预警信号逐月对比

(a)全省, (b)盆地, (c)攀西, (d)川西高原

Fig.3 Monthly comparison of rainstorm warning signals of various levels and districts in Sichuan before and after the standard revision.(a) the whole province, (b) the Sichuan Basin, (c) Panxi region, (d) Western Sichuan Plateau

表3 暴雨灾害逐月分布与不同月份各等级暴雨预警信号在修订后数量变化

Table 3 Monthly distribution of rainstorm disasters and changes in the number of rainstorm warning signals of various levels and months after the standard revision

月份 暴雨灾害次数/次 红色预警次数/次 橙色预警次数/次 黄色预警次数/次 总预警次数/次
4 0 4 0 0 4
5 1 6 1 0 7
6 41 14 16 1 31
7 102 23 15 -5 33
8 125 24 27 -8 43
9 45 8 5 -3 10
10 8 3 -2 0 1

3.1.3 日变化

统计各分区新、 旧标准下各级暴雨预警信号日变化情况, 如图4所示。从全省来看, 四川暴雨预警信号主要发布在夜间(20:00 -08:00, 北京时, 下同), 说明强降水天气过程夜间发生的频次明显高于白天, 这与以往关于四川区域性暴雨及夜雨特征的研究结论相吻合(王佳津等, 2015李卓敏等, 2023)。从各地区来看, 盆地地区暴雨预警信号次数在01:00 -03:00出现峰值, 这与四川盆地短时强降水日变化特征具有一致性(李强等, 2017), 而川西、 攀西地区暴雨预警信号次数则在傍晚后至午夜出现峰值, 即相比盆地地区出现时间明显提前, 这可能是由于四川盆地降水系统由西向东移动造成了这种降水峰值出现时间的西-东延迟(李娟, 2022; 张雅馨等, 2024)。从修订前后全省不同时段暴雨预警信号数量变化(表4)来看, 修订后预警信号次数增加主要集中在夜间, 占比72.9%, 整体黄色信号有所减少, 因新增1 h雨强标准后, 部分黄色信号变更为更高级别。白天红色信号增幅显著大于橙色信号, 而夜间两者增幅相当。
图4 标准修订前后四川各分区各等级暴雨预警信号日变化对比

(a)全省, (b)盆地, (c)攀西, (d)川西高原

Fig.4 Daily variation comparison of rainstorm warning signals of various levels and districts in Sichuan before and after the standard revision.(a) the whole province, (b) the Sichuan Basin, (c) Panxi region, (d) Western Sichuan Plateau

表4 全省不同时段各等级暴雨预警信号在修订后数量变化对比

Table 4 Comparison of changes in the number of rainstorm warning signals of various levels and periods in the province after the standard revision

时次 红色预警次数/次 橙色预警次数/次 黄色预警次数/次 总预警次数/次
08:00 -20:00 30 12 -7 35
20:00 -08:00 52 50 -8 94

3.2 暴雨预警信号空间分布对比评估

图5为标准修订前后各级暴雨预警信号次数变化的空间分布。从总预警信号来看, 汶川为显著负变化, 预警信号总数减少23次, 占调整前总数的50%, 各级预警信号均呈明显减少趋势, 说明汶川暴雨预警“降级”的调整对其预警信号的发布存在较大影响。德格、 色达、 南江标准修订前后暴雨预警信号发布次数基本持平, 其余大部分县均为正变化, 其中, 冕宁增加次数最多, 马尔康、 雅安、 自贡、 西昌、 雷波、 攀枝花也增加明显。从各级预警信号次数变化上看, 黄色预警信号表现为普遍减少, 攀枝花、 会东减少最多; 橙色预警信号表现为攀西、 盆地大部增加明显, 而高原色达、 稻城、 九寨沟等县有所减少; 红色预警信号则表现为除汶川外, 全省预警信号数量普遍增加, 攀枝花增加最多, 这也从侧面反映引入1 h雨强标准对各地红色预警信号发布均具有显著正影响。
图5 标准修订前后四川各等级暴雨预警信号次数变化空间分布(单位: 次)

正值、 负值、 0值分别表示修订后次数变多、 变少、 持平; (a)总预警信号, (b)黄色预警信号, (c)橙色预警信号, (d)红色预警信号

Fig.5 Spatial distribution of rainstorm warning signals frequency variation of various levels in Sichuan before and after the standard revision.Unit: time.Positive value, negative value and zero value respectively indicate that the frequency after the revision has increased, decreased, and remained unchanged.(a) Total warning signals, (b) Yellow warning signals, (c) Orange warning signals, (d) Red warning signals

红色暴雨预警信号作为预警最高级别, 其致灾风险和重视程度最大(陈齐川, 2018)。对标准修订前四川红色暴雨预警信号数量占总预警信号数量比例及修订后的变化进行分析, 如图6所示, 修订前, 我省暴雨红色预警信号高比例区主要位于盆地西南部的雅安、 乐山、 眉山、 宜宾等地, 这基本对应了四川区域暴雨三大中心之一的地理位置(陈贝等, 2016), 而川西高原及攀西地区大部分县红色预警信号占比较低, 甚至为0; 修订后, 除汶川外, 川西高原及攀西地区大部分县红色预警信号占比均有所增加, 尤其是九寨沟、 西昌、 攀枝花等地增加显著, 即新增1 h雨强标准使得三州地区的红色暴雨预警比例显著增大, 提升了高原地区对短时强降水引起的强致灾暴雨过程的响应水平。
图6 标准修订前(a)与修订后(b)四川红色暴雨预警信号数量占比的空间分布(单位: %)

Fig.6 Spatial distribution of the quantity proportion of red rainstorm warning signals before (a) and after (b) the standard revision in Sichuan.Unit: %

3.3 结合灾情的适用性评估

3.3.1 暴雨灾害与预警信号空间分布对比

基于气象灾害风险普查数据, 筛选出2019 - 2021年4 -10月发生于四川45个代表县的共计322条暴雨洪涝灾害记录, 对比暴雨灾害发生频次与标准修订前后红色暴雨预警信号空间分布(图7), 从整体上探究暴雨信号修订的合理性与适用性。从暴雨灾害频次分布上[图7(c)]看, 暴雨致灾达10次以上的地区主要有川西南的雅安、 乐山、 仁寿, 川南的宜宾、 内江、 古蔺, 川东北的广元、 苍溪、 营山, 川北的北川、 三台, 以及高原地区的木里、 德格。除高原地区外, 上述暴雨灾害高发区基本对应着红色预警信号次数高值区, 且修订后这些地区的红色信号次数不变或有一定的增加[0~5次, 图5(d)]。西部高原部分地区如木里、 德格、 稻城等地暴雨灾害发生频次也较高, 但修订前因降水量未达过程雨量预警标准, 没有发布预警信号, 政府无法及时开展应急响应, 修订后其红色预警信号有所增加, 可从一定程度上提高其对致灾暴雨过程的预警能力和响应水平。即对于暴雨致灾严峻地区, 新标准在原基础上进一步提高了预警水平; 对于地貌地形复杂的高原地区, 短时强降水致灾影响较大, 若按过程雨量的旧标准发布红色预警信号, 可能导致预警不力, 新标准实现了红色预警“从无到有”的跨越, 更符合防灾减灾需求。而万源、 达县、 攀枝花等地修订后暴雨红色预警信号多但致灾不明显, 可能存在过度预警, 导致社会资源的浪费。由于暴雨灾害是致灾因子强降水事件和社会经济系统的脆弱性共同作用的结果, 因此设定暴雨预警信号标准应考虑地区灾害承受能力等多方面因素。该结果为未来进一步完善预警信号标准修订及属地化业务改革提供了优化方向和参考。
图7 标准修订前(a)、 修订后(b)红色暴雨预警信号与暴雨洪涝灾害发生频次(c)的空间分布(单位: 次)

Fig.7 The spatial distribution of pre-revision (a) and post-revision (b) red rainstorm warning signals with the frequency of rainstorm-flood disasters (c).Unit: time

3.3.2 预警信号准确性与时效性检验

针对研究区域, 逐县、 逐次回溯预警信号发布与暴雨灾害事件的对应情况, 从预警强度准确性(灾情发生时或发生前是否发布了相应级别的预警信号以及空报、 漏报情况, 其中空报指发布红色预警但无明显致灾情况, 漏报指发生灾情但未发布预警信号)和时效性(预警信号发布的时间提前量)两方面对预警标准修订的科学性和合理性进行评估检验, 结果如表5所示(仅展示新、 旧标准回算下存在差异的部分, 次数变化为新标准结果减去旧标准, 预警提前指新标准下发布预警信号相较于旧标准提前)。从准确性方面, 修订后空报次数有一定增加, 攀西地区增加最多, 其次为川西地区、 盆地地区。修订后漏报次数减少, 命中率得以提高, 盆地地区共计4次暴雨灾害在旧标准下未发布预警信号, 而新标准下发布红色预警信号, 累计直接经济损失高达5896万元, 攀西地区有2次旧标准“漏报”、 新标准以橙色信号“命中”的暴雨灾害, 累计直接经济损失达207万元。除汶川外, 修订后预警信号强度高于修订前, 盆地地区3次较严重的暴雨灾害在新标准下均发布了更高级别的预警信号, 累计直接经济损失达1717万元, 攀西地区存在2次新标准预警强度更高的暴雨灾害, 累计直接经济损失达4585万元。修订后汶川预警信号命中率无变化, 但预警强度有所降低。从时效性方面, 修订后引入1 h雨强标准, 可直接发布较高级别的预警信号, 相较于旧标准预警时间均明显提前, 平均提前时间在川西地区最多, 其次为攀西地区、 盆地地区。总的来说, 新标准充分考虑并重视了短历时强降雨可能引发的山洪、 地质灾害等灾害影响, 对强暴雨灾害事件“命中率”更高, 预警强度更大, 符合实际致灾情况, 同时预警时效性相比旧标准更高, 可为灾害防御争取时间提前量, 为应急防灾救灾决策指挥提供科学依据。
表5 标准修订前后暴雨预警信号准确性与时效性检验对比结果

Table 5 Comparison inspection results of the accuracy and timeliness of rainstorm warning signals before and after the standard revision

地区 暴雨灾害次数/次 预警信号准确性对比 预警信号时效性对比
预警信号命中情况对比[列举格式: 灾害发生地点时间(直接经济损失)] 预警信号强度对比[列举格式: 灾害发生地点时间(信号变化情况、 直接经济损失)] 空报次数变化/次 漏报次数变化/次 预警提前次数/次 平均提前时间/h
盆地地区 259 4起灾害旧标无预警信号、 新标红色预警信号: 广元2019.8.1(1011万元)、 宜宾2020.6.26(112万元)、 乐山2021.8.22(3897万元)、 仁寿2021.8.18(876万元) 3起灾害新标预警等级高于旧标: 资阳2021.8.22(橙→红, 169万元)、 自贡2021.9.4(橙→红, 1438万元)、 纳溪2021.7.17(橙→红, 110万元) 9 -4 42 1.48
攀西地区 24 2起灾害旧标无预警信号、 新标橙色预警信号: 木里2020.6.12(25万元)、 木里2021.7.5(182万元) 2起灾害新标预警等级高于旧标: 冕宁2020.6.11(黄→红, 4573万元)、 攀枝花2021.7.5(橙→红, 12万元) 19 -2 3 7.67
川西高原 39 新、 旧标准预警信号命中情况一致 2起灾害新标预警等级高于旧标: 九寨沟2020.8.10(黄→红, 1747万元)、 色达2019.9.11(黄→红, 110万元)、 4起灾害新标预警等级低于旧标, 均位于汶川, 详见图9 13 0 4 8.25

为更具针对性, 表中统计的次数均经过了“去重”处理, 即对同一暴雨过程内的预警信号合并为一次统计。所有分析均基于新、 旧标准下的预警信号回算结果, 不反映实际业务发布情况, 旨在对比新、 旧标准的准确性与时效性( The table employs deduplication to consolidate warning signals from the same rainstorm event into single entries, ensuring targeted analysis.All data derive from retrospective evaluations under both old and new warning criteria, excluding actual operational issuance records.This methodology enables systematic comparison of the standards' predictive accuracy and timeliness)

3.3.3 典型实例

3.3.3.1 冕宁县2020611 -12日局地暴雨洪涝灾害实例

2020年6月11 -12日, 冕宁县彝海镇发生一次短时大暴雨降雨过程, 导致4条山洪沟发生山洪, 个别村组发生小型泥石流, 彝海镇勒帕、 三姑、 盐井等5个行政村不同程度受灾。根据灾害风险普查结果显示, 此次暴雨洪涝灾害共造成6049人受灾, 损坏房屋265间, 农作物受灾面积503.3 hm2、 绝收面积171.6 hm2, 共造成直接经济损失4572.71万元。
选取此次局地暴雨过程中最大雨量所在站彝海镇彝海村作为代表站, 图8给出了此次过程该站降水量变化及预警信号发布情况。11日01:00, 彝海镇彝海村1 h降水量56 mm, 按修订后的新标准, 雨强已达暴雨红色预警信号发布阈值, 即发布红色预警信号。根据信号回算结果, 11日20:00, 按新、 旧标准均发布暴雨黄色预警信号。而实际上, 根据灾害风险普查信息显示, 11日22:37冕宁县台发布暴雨黄色预警信号, 12日08:07发布暴雨黄色预警信号解除通知。由此可知, 新标准下, 11日01:00发布暴雨红色预警信号, 能有效提高应急响应重视程度, 为暴雨洪涝灾害防御打出提前量(相较于实际发布暴雨黄色预警信号提前近20 h)。对比以往仅以过程雨量为预警标杆, 新增1 h雨强阈值标准, 对于加大由短时强降水引起的暴雨灾害防御力度至关重要。
图8 冕宁县2020年6月11 -12日局地暴雨过程彝海镇彝海村站雨量变化及暴雨预警信号发布情况

Fig.8 Rainfall change at Yihai Village Station in Yihai Town and rainstorm warning signal release during the local rainstorm process in Mianning County from 11 to 12 June, 2020

3.3.3.2 汶川预警“降级”是否合理

值得关注的是, 此次暴雨预警标准调整中, 针对阿坝州汶川县进行了标准细分: 汶川县漩映四镇地区的预警标准有所提高, 与攀西地区同级, 汶川其余地区则仍与川西高原同级。整体来看, 汶川地区暴雨预警降水量阈值有所提高, 预警“降级”。以往关于汶川降水气候研究(吕小波等, 2021)中也显示, 有别于传统的“寡雨”高原气候, 汶川南部(漩映四镇地区)和北部降水量差异很大, 由南至北递减, 与该标准调整相吻合。
为进一步验证暴雨预警信号调整的合理性, 对2019 -2021年发生于汶川县的暴雨洪涝灾害灾损情况与标准修订前后各级暴雨预警信号时间分布进行对比, 如图9所示。经气象灾害风险普查统计发现, 2019 -2021年汶川共计发生5起暴雨洪涝灾害, 结合灾情起止时间, 统计标准修订前后各级暴雨预警信号“命中率”, 分析暴雨预警时间附近是否出现灾情及灾情程度(此处以直接经济损失作为衡量标准)。结果表明, 旧标准下, 有3次红色预警信号、 10次橙色预警信号、 6次黄色预警信号发布时未出现明显灾情, 而在新标准下, 预警信号总数显著减少, 仅有1次红色预警信号、 1次橙色预警信号、 1次黄色预警信号发布时未出现明显灾情。结合图8也可以看出, 调整后新标准回算的暴雨预警信号发布时间、 信号等级能与灾情时间、 灾情程度基本一致, 而旧标准回算的暴雨预警信号显著多于灾情次数, 尤其是2021年, 说明调整前汶川暴雨预警标准过低, 容易造成过度响应, 长期预警信号多发频发易使公众产生麻痹思想, 不具有针对性, 调整后的标准更符合本地实际情况。
图9 2019 -2021年汶川县暴雨洪涝灾害灾损情况及标准修订前后各级暴雨预警信号时间分布对比(直接经济损失标注在灾情起始日期)

Fig.9 Rainstorm and flood disaster damage and comparison of time distribution of rainstorm warning signals at various levels in Wenchuan county from 2019 to 2021 before and after the standard revision (direct economic losses are marked on the disaster start date)

4 结论

本研究通过历史降水数据回算的方式, 对四川暴雨预警信号标准修订前后信号时空分布特征及适用性进行对比评估, 得出以下主要结论:
(1) 标准修订后暴雨预警信号发布总频次增加, 红色信号增加最多, 橙色信号次之, 黄色信号减少, 即1 h雨强指标的引入强化了高级别预警, 部分黄色信号降水过程因满足更高级别小时雨强标准, 向更高等级信号转移。暴雨预警信号逐月变化呈单峰型结构, 集中于6 -9月, 8月红、 橙色信号增幅最大, 与短时强降水和暴雨致灾高发期吻合。日变化显示夜间信号发布次数显著多于白天, 增幅亦更大。
(2) 从空间分布来看, 标准修订后全省暴雨预警信号总数普遍增加, 大部分县高级别信号增加明显, 汶川因暴雨预警“降级”的调整各级信号明显减少。新增1 h雨强标准使得三州地区的红色暴雨预警比例显著增大, 提升了高原地区对短时强降水引起的强致灾暴雨过程的响应水平。
(3) 结合历史灾情对修订效果进行评估。对于暴雨致灾严峻地区, 新标准进一步提高了预警水平; 对于地貌地形复杂的高原地区, 新增1 h雨强标准充分考虑了短时强降水的强致灾性, 实现了高原红色预警“从无到有”的跨越。从预警信号准确性与时效性检验上, 新标准对强暴雨灾害事件“命中率”更高, 预警强度更大, 预警时效性更高, 可为灾害防御争取时间提前量。冕宁“2020.6.11”及汶川预警“降级”典型实例分析, 均进一步说明了新标准更符合实际致灾情况。
总的来讲, 四川暴雨预警标准修订使山区、 非山区暴雨灾害风险区别得以充分体现, 有助于进一步推进预警信号“早”与“准”科学衔接, 切合精准气象预警服务及我省气象灾害防御新要求。需要说明的是, 暴雨预警标准的科学制定需综合考量本地降水气候特征、 物理机制及承灾体脆弱性等因素, 这是一项持续探索的任务。当前对四川短时强降水的演化趋势、 致灾机理等认知仍存不足, 后续我们将围绕这些关键问题展开深入研究, 为动态优化预警信号标准提供理论支撑。
Gao J Pan J Wang M, et al, 2017.The spatial and temporal distribution characteristics of rainstorm disaster in Sichuan province over the past decade[J].Journal of Earth Science and Environmental Protection5(8): 9.DOI: 10.4236/gep.2017.58001 .

Liu Y Li L Zhang W, et al, 2019.Rapid identification of rainstorm disaster risks based on an artificial intelligence technology using the 2DPCA method[J].Atmospheric Research, 227: 157-164.DOI: 10.1016/j.atmosres.2019.05.006 .

Mendis M2021.An approach for impact-based heavy rainfall warning, based on the ECMWF extreme forecast index and level of hazard risk[J].Multi-Hazard Early Warning and Disaster Risks.DOI: 10.1007/978-3-030-73003-1_37 .

Ren S Han X Yang J, et al, 2022.Global rainstorm disaster risk monitoring based on satellite remote sensing[J].Journal of Meteorological Research36(1): 193-207.DOI: 10.1007/s13351-022-1039-0 .

Yin Z E Yin J Xu S Y, et al, 2011.Community-based scenario modelling and disaster risk assessment of urban rainstorm waterlogging[J].Journal of Geographical Sciences21(2): 84-94.DOI: 10.1007/s11442-011-0844-7 .

陈贝, 高文良, 周学云, 2016.四川盆地西南部短时强降水天气特征分析[J].高原山地气象研究36(3): 14-20.DOI: 10.3969/j.issn.1674-2184 ·2016.03.

Chen B Gao W L Zhou X Y2016.Analysis of short-term heavy rainfall weather characteristics in the southwestern Sichuan Basin[J].Plateau Mountain Meteorological Research36(3): 14-20.DOI: 10.3969/j.issn.1674-2184 ·2016.03.003.

陈浩, 蔡锐青, 林锦冰, 等, 2023.揭阳市近5年暴雨预警信号分布特征及质量评估[J].广东气象45(3): 107-109.DOI: 10.3969/j.issn.1007-6190.2023.03.024.Chen H

Cai R Q Lin J B, et al, 2023.Distribution characteristics and quality assessment of rainstorm warning signals in Jieyang in recent five years[J].Guangdong Meteorology45(3): 107-109.DOI: 10.3969/j.issn.1007-6190.2023.03.024 .

陈妮娜, 张玉书, 张硕, 等, 2017.2004-2013年辽宁省主要气象灾害分布及预警服务分析[J].自然灾害学报26(3): 176-184.

Chen N N Zhang Y S Zhang S, et al, 2017.Distribution of major meteorological disasters and analysis of Early Warning Services in Liaoning Province from 2004 to 2013 [J].Journal of Natural Disasters26(3): 176-184.

陈齐川, 2018.福建省暴雨红色预警信号检验结果分析及检验方法研究[C]//第35届中国气象学会年会S1灾害天气监测、 分析与预报, 224-227.

Chen Q C2018.Analysis of inspection results and research on inspection methods of rainstorm red warning signals in Fujian Province[C]//S1 Disaster Weather Monitoring, Analysis and Forecast, 35th Annual Meeting of the Chinese Meteorological Society, 224-227.

陈石定, 罗嘉, 刘翔, 2020.2016-2019年湖北省气象预警信号的时空分布特征与发布原则[J].南京信息工程大学学报(自然科学版)12(3): 390-394.DOI: 10.13878/j.cnki.jnuist.2020.03.019.Chen S D

Luo J Liu X2020.The spatiotemporal distribution characteristics and publishing principles of meteorological warning signals in Hubei Province from 2016 to 2019[J].Journal of Nanjing University of Information Technology(Natural Science Edition)12(3): 390-394.DOI: 10.13878/j.cnki.jnuist.2020.03.019 .

杜一博, 李双双, 冯典, 等, 2024.全球变暖背景下陕西省夏季极端降水及其大尺度环流特征[J].高原气象43(2): 342-352.DOI: 10.7522/j.issn.1000-0534.2023.00062.Du Y B

Li S S Feng D, et al, 2024.Extreme precipitation and its large-scale circulation characteristics in Shaanxi Province in summer under the background of global warming[J].Plateau Meteorology43(2): 342-352.DOI: 10.7522/j.issn.1000-0534.2023.00062 .

黄铃光, 黄慧琳, 2021.福建省短时强降水分布特征及暴雨预警指标分析[J].海峡科学, (9): 11-15.DOI: 10.3969/j.issn.1673-8683.2021.09.002.Huang L G , Huang H L, 2021.Distribution characteristics of short-term heavy precipitation and analysis of rainstorm warning indicators in Fujian Province[J].Strait Science, (9): 11-15.DOI: 10.3969/j.issn.1673-8683.2021.09.002 .

黄小梅, 蒋兴文, 肖丁木, 2017.四川地区7月和8月降水异常空间型及其环流特征[J].热带气象学报33(5): 654-665.DOI: 10.16032/j.issn.1004-4965.2017.05.009.Huang X M

Jiang X W Xiao D M2017.Spatial patterns and circulation characteristics of precipitation anomalies in July and August in Sichuan region[J].Journal of Tropical Meteorology33(5): 654-665.DOI: 10.16032/j.issn.1004-4965.2017.05.009 .

李娟, 2021.四川盆地夜雨的时空变化特征及形成机理研究[D].南京: 南京信息工程大学, 1-132.DOI: 10.27248/d.cnki.gnjqc.2021.000020.Li J , 2021.Study on the spatiotemporal variation characteristics and formation mechanism of night rain in the Sichuan Basin[D].Nanjing: Nanjing University of Information Technology, 1-132.DOI: 10.27248/d.cnki.gnjqc.2021. 000020 .

李强, 邓承之, 张勇, 等, 2017.1980-2012年 5-9 月川渝盆地小时强降水特征研究[J].气象43(9): 1073-1083.DOI: 10.7519/j.issn.1000-0526.2017.09.005.Li Q

Deng C Z Zhang Y, et al, 2017.Study on the characteristics of hourly heavy rainfall in the Sichuan Chongqing Basin from 1980 to September 2012[J].Meteorology43(9): 1073-1083.DOI: 10.7519/j.issn.1000-0526.2017.09.005 .

李一诺, 李跃清, 2024. 近 20年华西秋雨演变特征及其异常机理的进展[J].高原气象, 43(1): 1-15.DOI: 10.7522/j.issn.1000-0534.2023.00028.Li Y N

Li Y Q2024.Progress in the evolution characteristics and abnormal mechanisms of autumn rain in West China in the past 20 years[J].Plateau Meteorology43(1): 1-15.DOI: 10.7522/j.issn.1000-0534.2023.00028 .

李卓敏, 巩远发, 向楠, 2023.青藏高原和西南地区60年不同等级昼夜降雨日数的变化特征[J].气候与环境研究28(4): 367-384.DOI: 10.3878/j.issn.1006-9585.2022.21180.Li Z M

Gong Y F Xiang N2023.The variation characteristics of different levels of day and night rainfall days over 60 years in the Qinghai Tibet Plateau and Southwest China[J].Climate and Environment Research28(4): 367-384.DOI: 10.3878/j.issn.1006-9585.2022.21180 .

刘静, 陈传雷, 严俊, 等, 2021.2015-2019年辽宁省暴雨红色预警信号分布及其特征[J].气象与环境学报37(1): 100-105.DOI: 10.3969/j.issn.1673-503X.2021.01.013.Liu J

Chen C L Yan J, et al, 2021.Distribution and characteristics of red warning signals of rainstorm in Liaoning Province from 2015 to 2019[J].Journal of Meteorology and Environment37(1): 100-105.DOI: 10.3969/j.issn.1673-503X.2021.01.013 .

刘钊, 2023.中国气象局在全国范围开展预警信号调整工作[N].中国气象报, 2(1).Liu Z, 2023.China Meteorological Administration carries out warning signal adjustment work nationwide[N].China Meteorological News, 2(1).

刘子堂, 李谢辉, 杨静坤, 2022.四川盆地极端降水事件时空变化特征及未来趋势分析[J].成都信息工程大学学报37(4): 456-463.

Liu Z T Li X H Yang J K2022.Analysis of spatiotemporal variation characteristics and future trends of extreme precipitation events in the Sichuan Basin[J].Journal of Chengdu University of Information Technology37(4): 456-463.

吕小波, 游勇, 柳金峰, 等, 2021.汶川 2019年“8

·20”群发性泥石流降雨特征与临界雨量分析[J].兰州大学学报(自然科学版)57(6): 775-782.DOI: 10.13885/j.issn.0455-2059.2021.06.009.L ü X B, You Y Liu J F, et al, 2021.Rainfall characteristics and critical rainfall analysis of the “8·20” mass debris flow in Wenchuan in 2019[J].Journal of Lanzhou University (Natural Science Edition), 57(6): 775-782.DOI: 10.13885/j.issn.0455-2059.2021.06.009 .

冉津江, 齐玉磊, 龙治平, 等, 2023.基于高密度站点的四川盆地短时强降水特征分析[J].高原气象42(4): 949-961.DOI: 10.7522/j.issn.1000-0534.2022.00044.Ran J J

Qi Y L Long Z P, et al, 2023.Analysis of short term heavy precipitation characteristics in Sichuan basin based on high density stations[J].Plateau Meteorology42(4): 949-961.DOI: 10.7522/j.issn.1000-0534.2022.00044 .

唐传师, 许彬, 雷星宇, 2023.1971-2020年江西暴雨预警信号等级时空分布特征[J].气象与减灾研究46(1): 52-59.DOI: 10.12013/qxyjzyj2023-007.Tang C S

Xu B Lei X Y2023.Temporal and spatial distribution characteristics of early warning signal levels of rainstorm in Jiangxi from 1971 to 2020[J].Research on Meteorology and Disaster Reduction46(1): 52-59.DOI: 10.12013/qxyjzyj2023-007 .

王佳津, 陈朝平, 龙柯吉, 等, 2015.四川区域暴雨过程中短时强降水时空分布特征[J].高原山地气象研究35(1): 16-20.DOI: 10.3969/j.issn.1674-2184.2015.01.003.Wang J J

Chen C P Long K J, et al, 2015.Temporal and spatial distribution characteristics of short-term heavy rainfall during rainstorm in Sichuan[J].Research on Plateau Mountain Meteorology35(1): 16-20.DOI: 10.3969/j.issn.1674-2184.2015.01.003 .

薛苏桓, 李晓婧, 2023. 近 40年四川地区夏季降水时空分布特征分析[J].科技和产业, 23(22): 246-252.DOI: 10.3969/j.issn.1671-1807.2023.22.035.Xue S H

Li X J2023.Analysis of spatiotemporal distribution characteristics of summer precipitation in Sichuan region over the past 40 years[J].Science and Industry23(22): 246-252.DOI: 10.3969/j.issn.1671-1807.2023.22.035 .

杨荣芳, 王红侠, 王贺, 2020.河北省气象灾害预警信号分布特征研究[J].气象科技进展10(3): 151-153.DOI: 10.3969/j.issn.2095-1973.2020.03.025.Yang R F

Wang H X Wang H2020.Research on the distribution characteristics of meteorological disaster warning signals in Hebei Province[J].Advances in Meteorological Science and Technology10(3): 151-153.DOI: 10.3969/j.issn.2095-1973.2020.03.025 .

张武龙, 康岚, 杨康权, 等, 2021.四川盆地不同强度短时强降水物理量特征对比分析[J].气象47(4): 439-449.DOI: 10.7519/j.issn.1000-0526.2021.04.005.Zhang W L

Kang L Yang K Q, et al, 2021.Comparative analysis of physical quantity characteristics of short-term heavy rainfall with different intensities in the Sichuan Basin[J].Meteorology47(4): 439-449.DOI: 10.7519/j.issn.1000-0526.2021.04.005 .

张雅馨, 许东蓓, 李跃清, 等, 2024.四川盆地典型“西南型”盆地涡特征研究[J].高原气象43(4): 905-918.DOI: 10.7522/j.issn.1000-0534.2023.00100.Zhang Y X

Xu D B Li Y Q, et al, 2024.Study on the characteristics of typical "Southwest Type" Basin Vortex in Sichuan Basin[J].Plateau Meteorology43(4): 905-918.DOI: 10.7522/j.issn.1000-0534.2023.00100 .

周伟东, 韩宁, 戴建华, 等, 2022.上海地区暴雨预警评估及不同天气型暴雨预警差异分析[J].暴雨灾害41(4): 041.DOI: 10.3969/j.issn.1004-9045.2022.04.005.Zhou W D

Han N Dai J H, et al, 2022.Rainstorm early warning assessment and difference analysis of rainstorm early warning in different weather types in Shanghai[J].Rainstorm Disaster41 (4): 041.DOI: 10.3969/j.issn.1004-9045.2022.04.04.005 .

Outlines

/