基于两套资料集的海南岛热带气旋降水特征对比

第３８卷　第５期２０２０年１０月
干　旱　气　象
ＪｏｕｒｎａｌｏｆＡｒｉｄＭｅｔｅｏｒｏｌｏｇｙ
Ｖｏｌ．３８　Ｎｏ．５
Ｏｃｔｏｂｅｒ
，２０２０冯　箫，施　萧，李　勋．基于两套资料集的海南岛热带气旋降水特征对比［Ｊ］．干旱气象，２０２０，３８（５）：７２６－７３６，［ＦＥＮＧＸｉａｏ，ＳＨＩＸｉａｏ，ＬＩＸｕｎ．ＣｈａｒａｃｔｅｒｉｓｔｉｃｓＣｏｍｐａｒｉｓｏｎｏｆＴｒｏｐｉｃａｌＣｙｃｌｏｎｅＰｒｅｃｉｐｉｔａｔｉｏｎｉｎＨａｉｎａｎＩｓｌａｎｄＢａｓｅｄｏｎＴｗｏＤａｔａｓｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｒｉｄＭｅｔｅｏｒｏｌｏｇｙ，２０２０，３８（５）：７２６－７３６］，ＤＯＩ：１０．１１７５５／ｊ．ｉｓｓｎ．１００６－７６３９（２０２０）－０５－０７２６
基于两套资料集的海南岛
热带气旋降水特征对比
冯　箫１，２，施　萧３，李　勋１
，２
（１．海南省气象台，海南　海口　５７０２０３；２．海南省南海气象防灾减灾重点实验室，
海南　海口　５７０２０３；３．西昌卫星发射中心，四川　西昌　６１５０００）
摘　要：利用２００９—２０１８年两套不同站点数量的降水数据集（Ｃ＿Ｐ和Ｔ＿Ｐ），对比分析海南岛热带气旋降水特征。

结果表明：（１）两套资料统计的最大降水值存在显著差异，且Ｔ＿Ｐｍａｘ＞Ｃ＿Ｐｍａｘ，而站点平均降水值无显著差异，且Ｔ＿Ｐａｖｇ＜Ｃ＿Ｐａｖｇ。

（２）近１０ａ来，Ｃ＿Ｐ和Ｔ＿Ｐ最大降水值、站点平均降水值一致呈不显著下降趋势，Ｔ＿Ｐ的下降幅度比Ｃ＿Ｐ大。

（３）两套资料的平均降水、极端降水及其出现频率均呈“西高东低”的空间分布特征，但大值中心和强度有所差别。

相比Ｔ＿Ｐ，Ｃ＿Ｐ高估了西部沿海和内陆的平均降水以及西部内陆的极端降水，低估了山区东部和西南部的平均降水以及西部沿海、中部内陆的极端降水。

站点密集的东北角、东南沿海、西南沿海是平均降水、极端降水及其频率的低值区，是导致站点平均降水Ｔ
＿Ｐ＜Ｃ＿Ｐ的主要原因。

（４）热带气旋经过山区以北时易导致Ｔ＿Ｐ呈现“西高东低、南少北多”的分布特征，而经过山区或其以南时易造成“南多北少”的分布特征。

（５）海南岛热带气旋Ｔ＿Ｐ降水与影响时长、强度存在显著正相关，而极端降水与强度的相关性更加显著。

关键词：热带气旋降水；海南岛；极端降水；站点平均降水；资料对比
文章编号：１００６－７６３９（２０２０）０５－０７２６－１１　ＤＯＩ：１０．１１７５５／ｊ．ｉｓｓｎ．１００６－７６３９（２０２０）－０５－０７２６中图分类号：Ｐ４６８ 文献标志码：Ａ
收稿日期：２０１９－１０－１８；改回日期：２０２０－０３－１６ 基金项目：国家自然科学基金（４１３６５００５）和海南省重点研发计划（ＺＤＹＦ２０１９２１３）、海南省自然科学基金面上项目（４１７２９８）及海南省气象
局科研项目（ＨＮＱＸＪＳ２０１６０１）共同资助
作者简介：冯箫（１９８８—），女，海南万宁人，硕士，工程师，主要从事海南省天气气候方面的研究．Ｅ－ｍａｉｌ：ｆｘｌｏｒａｎ＠ｆｏｘｍａｉｌ．ｃｏｍ。

通信作者：李勋（１９８１—），男，海南海口人，博士，正研级高级工程师，主要从事热带气旋及海南省天气气候的研究．Ｅ－ｍａｉｌ：ｃｙｒｉｌｐａｔ＠ｓｉ
ｎａ．ｃｏｍ。

引　言
热带气旋是引发暴雨的最强天气系统［１］
，受热
带气旋暴雨影响，农田受淹、城市内涝、水库坍塌，甚至洪涝、泥石流、山体滑坡等灾难性事件也多有发
生［
２－４］，且受灾程度往往超过其强风之灾［５］
，严重威胁到当地人民的生命财产与安全。

热带气旋的生成依赖于温暖潮湿的海洋环境，在当前全球变暖趋势下热带气旋降水变化已成为气象界关注的焦点之一。

２
０１０年，世界气象组织（ＷＭＯ）项目小组指出，２１世纪全球强热带气旋活动频率将增加２％～１１％，且距热带气旋中心
１００ｋｍ范围内降水将增加２０％［６－７］
，但不同国家或
地区的热带气旋降水特性及其变化规律不尽相
同［
８－１１］。

ＫＨＯＵＡＫＨＩ等［１２］
对全球１８６０７个站点降水量统计指出，东亚是热带气旋降水量（年均大于
４００ｍｍ）和极端降水量最多的区域，其次为澳大利
亚和美国。

ＣＨＡＮＧ等［１３］
研究发现，除了南太平洋海盆外，全球大部海域都具有热带气旋强度越强，其中心附近１
５０ｋｍ范围内极端降水越显著的特征。

在我国，热带气旋降水主要分布在中东部广大地区，
且自东南沿海向西北内陆逐渐减少［１４］。

研究发现，１９５７—２００４年我国处于热带气旋影响减弱阶段，热带气旋降水量及其占年降水量的比例、极端降水频
率均呈显著下降趋势［１５－１７］。

海南位于中国最南端，地势中部高四周低，是我国受热带气旋影响最多的省份之一，年平均约７个，登陆约２～３个，热带气旋降水占年降水量的
３０％［１８］。

近１０ａ间，受强台风“纳沙”（２０１１）、超强
台风“威马逊”（２０１４）和强热带风暴“电母”（２０１６）的影响，海南局地日降水量连续打破常年极值。

另外研究发现，１９６９—２０１４年海南岛２５０ｍｍ及以上
的热带气旋日降水量呈现弱增长趋势［１９］；海南岛极端降水与热带气旋的降水性质［
２０］、自身强度［２１］
以及地形强迫［２２－２４］
密切相关。

因此，了解热带气旋过
程中平均降水、极端降水及其频率的空间分布特征对灾害预测预警有重要意义。

受限于稀疏且分布不均的站点条件，过去研究多采用岛上１８个常规国家基本气象站观测资
料［１９，２５－２７］，这１８个台站大多分布在地势平坦的沿
海或内陆，而复杂山区站点数量严重偏少，无法准确评估海南岛热带气旋降水分布特征，尤其是降水极值分布，极易造成局地降水的统计偏差。

鲁小琴
等［２８］研究指出，不同疏密测站统计的降水极值及其
空间分布结果略有不同，基于稀疏测站方案得到的热带气旋降水极值比未稀疏化的测站方案结果略
小；ＷＵ等［２９］研究表明，自动站统计的降水特征比
常规国家气象站更能体现热带气旋影响下台湾中部山区极端降水情况。

可见，站点的稀疏和布点位置
对热带气旋降水的描述差异明显。

基于此，本文利用加密自动站降水资料对２００９—２０１８年海南岛热带气旋降水特征，包括降水的站点平均值、极值、空间形态、变化趋势等进行统计分析，并与传统稀疏的国家气象站结果进行对比，评估两套资料的异同。

１　资料与方法
１．１　资料及站点数量
使用海南岛上１８个国家级气象台站（简称Ｃ＿Ｐ）和数百个加密自动站（简称Ｔ＿Ｐ）逐小时降水资料。

由于海南省自动站建设起步较晚，２００９年之后资料的收集与质量控制较为可靠，因此研究时段选为２００９—２０１８年。

图１是２００９、２０１８年海南省气象站点分布及数量变化。

从图１
（ａ）和图１（ｂ）看出，除了１８个国家级气象台站，
２００９年布设并正式使用了２９８个自动站，随后的几年站点数量鲜少变化，至２０１７年自动站突增至４８９个，２０１８年无新增站点；从站点分布可见，中部地形复杂的山区站点较为稀疏，四周沿海
和中北部内陆地势平坦的区域站点较为稠密。

图１　２００９年（ａ）和２０１８年（ｂ）海南省气象站点和地形（阴影，单位：ｍ）
分布以及不同海拔范围内国家站和自动站所占比例（ｃ）
Ｆｉｇ．１　Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｔａｔｉｏｎｓａｎｄｔｏｐｏｇｒａｐｈｙ（ｓｈａｄｏｗｓ，Ｕｎｉｔ：ｍ）
ｉｎ２００９（ａ）ａｎｄ２０１８（ｂ），ａｎｄｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｎａｔｉｏｎａｌａｎｄａｕｔｏｍａｔｉｃｓｔａｔｉｏｎｓ
ｔｏｔｏｔａｌｓｔａｔｉｏｎｓｉｎｄｉｆｆｅｒｅｎｔｅｌｅｖａｔｉｏｎｒａｎｇｅｓ（ｃ）
７
２７　第５期冯　箫等：基于两套资料集的海南岛热带气旋降水特征对比
统计不同海拔高度范围内国家站和自动站所占比例［图１（ｃ）］，发现国家站和自动站都主要分布在３００ｍ以下，占比分别约８９％、９５％，２００９—２０１８年１００ｍ以下的自动站增加１３５个，其３００ｍ以下的占比稍有下降（９４％），相比国家站，自动站具有更为密集的低海拔站点分布；海南省山区面积较小，３００ｍ以上的站点数量极少，２００９年以前有２个国家站，２００９年新增了１６个自动站，至２０１８年自动站增至２７个（６％），较国家站在山区的比例（１１％）偏小。

１．２　热带气旋资料及降水统计方法
采用不同时间分辨率的两套热带气旋资料：
中国气象局上海台风研究所整编的逐６ｈ热带气旋最佳路径数据集（简称资料①）；中国气象局台风逐小时业务定位资料（简称资料②）。

考虑到热
带气旋外围雨带的影响，结合ＷＵ等［２９］
和ＣＨＡＮＧ等［１３］的研究成果，仅统计强度达到热带风暴及以
上的热带气旋，且当其中心距离海南岛最近海岸线小于或等于１
５０ｋｍ时，则记录影响时长、过程降水量、站点平均降水量、最大风速、路径特征等参数（表１）。

过程降水量为所有影响时次降水之和，站点平均降水量为过程降水量与站点数之比。

影响时长（时间分辨率为１ｈ）可通过资料②获得，而路径特征、最大风速是利用资料①获得。

表１　２００９—２０１８年影响海南省强度达热带风暴及以上的热带气旋参数统计Ｔａｂ．１　Ｓｔａｔｉｓｉｔｉｃｓｏｆｐａｒａｍｅｔｅｒｓｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｗｉｔｈｉｎｔｅｎｓｉｔｙｏｆｔｒｏｐｉｃａｌ
ｓｔｏｒｍｌｅｖｅｌａｎｄａｂｏｖｅａｆｆｅｃｔｉｎｇＨａｉｎａｎｄｕｒｉｎｇ２００９－２０１８
序号名称年份进入时间（北京时）离开时间（北京时）路径特征影响时长／
ｈ最大风速／
（ｍ·ｓ－１
）
１苏迪罗（Ｓｏｕｄｅｌｏｒ）２００９７月１１日２２：００７月１２日１６：００Ｎ１９１８２天鹅（Ｇｏｎｉ）２００９８月６日２０：００８月９日１１：００Ｏ６４２８３彩虹（Ｍｕｊｉｇａｅ）２００９９月１０日２２：００９月１１日２０：００Ｎ２３２０４芭玛（Ｐａｒｍａ）２００９１０月１１日２２：００１０月１３日２１：００Ｃ４８３８５康森（Ｃｏｎｓｏｎ）２０１０７月１６日１１：００７月１７日１１：００Ｓ２５３５６海马（Ｈａｉｍａ）２０１１６月２３日０６：００６月２４日０６：００Ｎ２５１８７洛坦（Ｎｏｃｋ－ｔｅｎ）２０１１７月２９日１１：００７月３０日１３：００Ｎ２７３５８纳沙（Ｎｅｓａｔ）２０１１９月２９日０８：００９月３０日０７：００Ｎ２４４０９尼格（Ｎａｌｇａｅ）２０１１１０月４日０５：００１０月５日０５：００Ｓ２５２５１０启德（Ｋａｉ－ｔａｋ）２０１２８月１７日０４：００８月１７日１６：００Ｎ１３３８１１山神（Ｓｏｎ－ｔｉｎｈ）２０１２１０月２７日１２：００１０月２８日０９：００Ｓ２２４５１２贝碧佳（Ｂｅｂｉｎｃａ）２０１３６月２２日０６：００６月２３日０８：００Ｃ２７２３１３温比亚（Ｒｕｍｂｉａ）２０１３７月１日１６：００７月２日０８：００Ｎ１７３０１４飞燕（Ｊｅｂｉ）２０１３８月２日１４：００８月３日０７：００Ｎ１８３０１５海燕（Ｈａｉｙａｎ）
２０１３
１１月１０日１０：００１１月１１日００：００Ｓ１５４０１６威马逊（Ｒａｍｍａｓｕｎ）２０１４７月１８日０９：００７月１９日０４：００Ｎ２０７２１７海鸥（Ｋａｌｍａｅｇｉ）２０１４９月１６日０３：００９月１６日２０：００Ｎ１８４２１８鲸鱼（Ｋｕｊｉｒａ）２０１５６月２２日０６：００６月２３日２２：００Ｃ４１２５１９彩虹（Ｍｕｊｉｇａｅ）２０１５１０月４日０１：００１０月４日１６：００Ｎ１６５２２０银河（Ｍｉｒｉｎａｅ）２０１６７月２６日１６：００７月２７日１４：００Ｃ２３２８２１电母（Ｄｉａｎｍｕ）２０１６８月１８日０９：００８月１９日０６：００Ｎ２１２３２２莎莉嘉（Ｓａｒｉｋａ）２０１６１０月１８日０１：００１０月１９日０６：００Ｃ３０３８２３塔拉斯（Ｔａｌａｓ）２０１７７月１５日２３：００７月１６日２０：００Ｓ２２２５２４桑卡（Ｓｏｎｃａ）２０１７７月２４日１６：００７月２５日０９：００Ｓ１８２０２５杜苏芮（Ｄｏｋｓｕｒｉ）２０１７９月１４日２０：００９月１５日０７：００Ｓ１２４０２６艾云尼（Ｅｗｉｎｉａｒ）２０１８６月５日１１：００６月７日１５：００Ｏ５３２０２７
贝碧佳（Ｂｅｂｉｎｃａ）
２０１８
８月１５日０７：００
８月１６日１９：００
Ｎ
３７
２５
注：Ｎ、Ｃ、Ｓ和Ｏ分别代表北路、中路、南路和其他特殊走向的路径；最大风速是指热带气旋进入影响区域内的最大风速。

８
２７干 旱 气 象
３８卷　
２　Ｔ＿Ｐ与Ｃ＿Ｐ时域特征对比
２．１　最大降水值与站点平均降水值
表２是２７个热带气旋最大降水量（用Ｔ＿Ｐｍａｘ
、Ｃ＿Ｐｍａｘ表示）以及降水排名前５％、前１０％、前１５％、前２
５％、前５０％站点和全部站点平均的站点平均降水量（用Ｔ＿Ｐａｖｇ、Ｃ＿Ｐａｖｇ表示）及相应的站点数。

可以看出，最大降水值Ｔ＿Ｐｍａｘ＞Ｃ＿Ｐｍａｘ，偏差较大（ＤＥＰ＝Ｃ＿Ｐｍａｘ－Ｔ＿Ｐｍａｘ＝－１４３．５６ｍｍ），这种负偏差在２７个热带气旋中具有共性，即Ｔ＿Ｐｍａｘ普遍高于Ｃ＿Ｐｍａｘ，其中最大负偏差（ＤＥＰ＝－３５４．５ｍｍ）发生在“天鹅”（２００９），最小负偏差（ＤＥＰ＝－３５．９ｍｍ）出现在“桑卡”（２０１７）期间。

前５％、前１０％、前１５％站点的平均降水偏差随着Ｃ＿Ｐ、Ｔ＿Ｐ站点数的增加逐渐减小，且都具有ＤＥＰ＜０的特征，表明Ｃ＿Ｐ相比Ｔ＿Ｐ更易低估热带气旋带来的极端降水情况；前２５％、前５０％和全部站点的Ｃ＿Ｐａｖｇ与Ｔ＿Ｐａｖｇ偏差均为正，且随着站点数的增加偏差逐渐增大，说明当Ｃ＿Ｐ站点数足够，且热带气旋降水极端性降低时，Ｃ＿Ｐ反而比Ｔ
＿Ｐ更易高估站点平均降水量。

Ｔ检验可用来评估两组样本的差异性。

从表２看出，Ｃ＿Ｐ、Ｔ＿Ｐ最大降水值Ｔ检验的Ｐ值为０．００１，说明两套资料存在显著差异；前５％、前１０％、前１５％站点的Ｐ值均较大，未通过０．０５的显著性检验，表明３种情况下两套资料无显著差异，且前１５％站点的Ｐ值接近１，此情况下Ｔ＿Ｐ和Ｃ＿Ｐ具有极高的相似性；前２５％、前５０％和全部站点的Ｐ值均较大，未通过显著性检验，表明两套资料差异不大。

为了探明统计全部站点时ＤＥＰ＞０的原因，将Ｃ＿Ｐａｖｇ与自动站的Ｔ＿Ｐ做差值（用ｄｅｐ表示），统计ｄｅｐ≥２０、５０、８０ｍｍ的自动站站数，计算它们占Ｔ＿Ｐ总站数的比例。

从图２看出，３种阈值下站点数的比例Ｒａｔｉｏ与ＤＥＰ均存在显著正相关，相关系数Ｒ分别为０．５１３、０．５５４、０．６０６，均通过０．０５的显著性检验，表明ＤＥＰ随着降水低值点的比例增大而增大，且相关性随着阈值的增大而增强。

可见，Ｔ＿Ｐａｖｇ＜Ｃ＿Ｐａｖｇ与Ｔ＿Ｐ中大量的降水低值点有密切联系，这些降水低值点使前２５％、前５０％和全部站点的Ｔ＿Ｐ站点平均降水量小于Ｃ＿Ｐ，加密自动站的Ｔ＿Ｐ资料能够更好地反映降水的空间不均匀性。

表２　两套资料统计的最大降水值与站点平均降水值及相应的站点数
Ｔａｂ．２　Ｔｈｅｍａｘｉｍｕｍａｎｄｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｔｈｅｉｒ
ｃｏｒｒｅｓｐｏｎｄｉｎｇｓｔａｔｉｏｎｂａｓｅｄｏｎｔｗｏｄｉｆｆｅｒｅｎｔｄａｔａｓｅｔｓ
降水量／ｍｍ（站数）
最大值
前５％前１０％前１５％前２５％前５０％全部Ｃ＿Ｐ２３２．３７（１）２３２．３７（１）２１６．６３（２）２００．０１（３）１８５．８７（４）
１３７．３４（９）
９０．０１（１８）
Ｔ＿Ｐ３７５．９３（１）２５２．５３（２１）２２０．８８（４１）２００．０３（６２）１７５．６５（１０４）１２５．９４（２０７）７７．６８（４１５）
ＤＥＰ－１４３．５６－２０．１６－４．２５－０．０２１０．２２１１．４１２．３３Ｐ
０．００１
０．５６３
０．８９４
０．９９９
０．５９６
０．５６３
０．３７
１
图２　ＤＥＰ（单位：ｍｍ）与ｄｅｐ不同阈值下站数比（单位：％）变化以及两者的相关系数Ｒ
Ｆｉｇ．２　ＴｈｅｃｈａｎｇｅｏｆＤＥＰ（Ｕｎｉｔ：ｍｍ）ａｎｄｓｔａｔｉｏｎｒａｔｉｏ（Ｕｎｉｔ：％）ｗｉｔｈｄｉｆｆｅｒｅｎｔｔｈｒｅｓｈｏｌｄｓｏｆｄｅｐａｎｄｔｈｅｉｒｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓＲ
９
２７　第５期冯　箫等：基于两套资料集的海南岛热带气旋降水特征对比
２．２　降水变化趋势
图３是Ｔ＿Ｐ、Ｃ＿Ｐ最大降水值与站点平均降水值的时间序列。

可以看出，Ｔ＿Ｐａｖｇ、Ｃ＿Ｐａｖｇ呈现一致的缓慢下降趋势，气候倾向率分别为－１．４３７３、
－０．６０９２ｍｍ·ａ－１；Ｔ＿Ｐｍａｘ、Ｃ＿Ｐｍａｘ
反映的极端降水下降幅度更明显，气候倾向率分别为－３
．３２９６、－２．２４２２ｍｍ·ａ－１。

虽然两套资料最大降水值存
在显著差异，但变化趋势一致，且Ｔ＿Ｐ的下降幅度比Ｃ＿Ｐ偏大。

３　Ｔ＿Ｐ与Ｃ＿Ｐ空间分布对比
３．１　平均降水场与极端降水场
从图４、图５可知，Ｔ＿Ｐ、Ｃ＿Ｐ的平均降水场和极端降水场都具有西高东低的空间分布形态，但两套资料平均降水的大值中心、极端降水大值中心强度并不相同。

Ｔ
＿Ｐ平均降水量有４个主要的降水中心（Ｔ１、Ｔ２、Ｔ３和Ｔ４），Ｔ１、Ｔ２和Ｔ３分布在山区，Ｔ４位于儋州西北部［图４（ａ）］，而Ｃ＿Ｐ仅有２个降水中心（Ｃ１和Ｃ２），Ｃ１位于西部沿海，Ｃ２地处山区中部［图４（ｂ）］。

从两套资料差值场（Ｃ＿Ｐ－Ｔ＿Ｐ，下同）［图４（ｃ）］可知，Ｃ＿Ｐ高估了西部沿海和内陆的平均降水，低估了山区东部和西南部的平均降水。

就极端降水而言，Ｔ＿Ｐ、Ｃ＿Ｐ极端降水中心位置相同，均位于西部沿海，但中心强度差异大［图５（ａ）和图５（ｂ）］，两者差值最大可达２００ｍｍ左右。

此外，Ｔ＿Ｐ在中部内陆还有３个局地的弱极端降水中心，而Ｃ＿Ｐ未出现。

总之，Ｃ＿Ｐ低估了海南岛西部沿海、中部内陆的降水极端性，却高估了西部内陆的降水极值［图５
（ｃ）］。

另外，远离降水中心的东北角、东南沿海、西南沿海区域（黑色方框）的平均降水、极端降水均易被Ｃ＿Ｐ
高估。

图３　Ｔ＿Ｐ、Ｃ＿Ｐ资料最大降水量与站点平均降水量的变化及趋势
Ｆｉｇ．３　Ｔｈｅｃｈａｎｇｅａｎｄｔｒｅｎｄｏｆｍａｘｉｍｕｍａｎｄｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆＴ＿ＰａｎｄＣ＿Ｐｄａｔａｓｅｔ
ｓ
图４　Ｔ＿Ｐ（ａ）、Ｃ＿Ｐ（ｂ）平均降水及两者差值（ｃ）空间分布（单位：ｍｍ）
（黑色实线为中部山区，黑色框内Ｃ
＿Ｐ存在高估现象，下同）Ｆｉｇ．４　ＴｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆＴ＿Ｐ（ａ）ａｎｄＣ＿Ｐ（ｂ）ａｎｄｔｈｅｉｒｄｉｆｆｅｒｅｎｃｅ（ｃ）（Ｕｎｉｔ：ｍｍ）
（Ｔｈｅｍｏｕｎｔａｉｎｏｕｓａｒｅａｓｌｏｃａｔｅｄｉｎｓｉｄｅｂｌａｃｋｌｉｎｅ，ａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｂｌａｃｋｂｏｘｅｓｗａｓｏｖｅｒｅｓｔｉｍａｔｅｄｂｙＣ＿Ｐ
，ｔｈｅｓａｍｅａｓｂｅｌｏｗ）０
３７干 旱 气 象
３８卷　
图５　Ｔ＿Ｐ（ａ）、Ｃ＿Ｐ（ｂ）极端降水及两者差值（ｃ）空间分布（单位：ｍｍ）
Ｆｉｇ．５　ＴｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆＴ＿Ｐ（ａ）
ａｎｄＣ＿Ｐ（ｂ）ａｎｄｔｈｅｉｒｄｉｆｆｅｒｅｎｃｅ（ｃ）（Ｕｎｉｔ：ｍｍ）
３．２　极端降水频率
图６统计了不同级别极端降水出现频率，频率ｆ≥０
．１、０．２、０．３分别表示频次达３次、５次、８次以上。

可以看出，随着降水级别增大，频率ｆ≥０．１的站点自东向西逐步减少，呈现西高东低的分布形态；高频强降水（≥２５０ｍｍ）分布在西部沿海，山区西北部迎风坡、儋州西北部为高频中心（黑色方框），与平均降水的Ｔ１、Ｔ４中心相对应；东北角、东
南沿海、西南沿海是极端降水的低频区，其中东南沿海频率最低（１５０ｍｍ以上强降水基本空白），当极端降水量超过２００ｍｍ时，东北角、西南沿海的站点数锐减。

上述分析可见，极端降水Ｔ＿Ｐ与Ｃ＿Ｐ呈现相似的频率分布特征，但随着极端降水频率级别升高，Ｃ＿Ｐ与Ｔ＿Ｐ的差值逐渐增大，Ｃ＿Ｐ偏向于高估高频
极端降水的范围。

图６　极端降水量达１５０ｍｍ（ａ）、２００ｍｍ（ｂ）、２５０ｍｍ（ｃ）及以上的频率（红色、蓝色符号分别代表国家站、自动站；蓝色、红色数字分别为不同频率下Ｔ＿Ｐ、Ｃ＿Ｐ站点数占总站数的比例，黑色数字为两者差值，黑色方框为高频中心）
Ｆｉｇ．６　Ｔｈｅｆｒｅｑｕｅｎｃｉｅｓｏｆｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎｅｑｕａｌｔｏｏｒｍｏｒｅｔｈａｎ１５０ｍｍ（ａ），２００ｍｍ（ｂ），２５０ｍｍ（ｃ）
（Ｒｅｄａｎｄｂｌｕｅｓｙｍｂｏｌｓｒｅｐｒｅｓｅｎｔｔｈｅｎａｔｉｏｎａｌａｎｄａｕｔｏｍａｔｉｃｗｅａｔｈｅｒｓｔａｔｉｏｎｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ，
ｔｈｅｂｌｕｅａｎｄｒｅｄｖａｌｕｅｓａｒｅｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｓｔａｔｉｏｎｓｗｉｔｈｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｉｅｓｔｏｔｏｔａｌｓｔａｔｉｏｎｓｆｏｒＴ＿ＰａｎｄＣ＿Ｐ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｌｅｔｈｅｂｌａｃｋｖａｌｕｅｓａｒｅｔｈｅｉｒ
ｄｉｆｆｅｒｅｎｃｅ，ａｎｄｔｈｅｂｌａｃｋｂｏｘｆｏｒｔｈｅｃｅｎｔｒｅｏｆｈｉｇｈｆｒｅｑｕｅｎｃｙ）
３．３　降水低值点
前文分析指出，Ｔ＿Ｐａｖｇ＜Ｃ＿Ｐａｖｇ
是大比例的降水低值点所致。

为了探讨降水低值点的分布情况，挑选了Ｔ＿Ｐａｖｇ
排名前６的热带气旋，得到其降水空间１
３７　第５期冯　箫等：基于两套资料集的海南岛热带气旋降水特征对比
分布（图７），发现Ｃ＿Ｐａｖｇ与Ｔ＿Ｐ差值（ｄｅｐ）大于或等于８０ｍｍ的降水低值点普遍分布在海南岛东北角、东南沿海和西南沿海，这些地区同时也是降水平均场、极端场及极端降水频率的低值区。

另外，最大降水点附近往往分布着多个降水排名前１０的站点。

因此，
Ｔ＿Ｐ统计得到的最大降水值并非是测站误差或降水空间分布的偶然性所致，其具有的高密度站点特性可以捕捉到Ｃ＿Ｐ监测不到的极端降水，这是最大降水值Ｔ＿Ｐ明显大于Ｃ＿Ｐ的原因。

４　Ｔ＿Ｐ降水时空分布特征
采用经验正交函数分解（ＥＯＦ）对Ｔ＿Ｐ进行时空分解，得到ＥＯＦ１、ＥＯＦ２的解释方差分别为４６．９％、１６．４％。

从图８看出，Ｔ＿Ｐ第一空间模态呈“西高东低”型，存在２个大值中心，分别位于山区西北部、儋州西北沿海，与Ｔ１、Ｔ４强降水中心相对应，此外，山区东部还存在２个相邻的弱降水中心；
第二空间模态为“南北相异”型，３个正位相中心分布在山区南侧。

显然，高密度的Ｔ＿Ｐ资料可分解出
比Ｃ＿Ｐ［２５－２６］
更多的局地强降水信息，这些强降水中
心都偏向于山区迎风坡的位置（红色方框），这与地
形增幅有密切关系［３０－３３］。

分别挑选出Ｅ
ＯＦ１时间系数序列前７名［图８（ｃ）］、ＥＯＦ２时间系数正位相前７名和负位相后７名［图８（ｄ）］的热带气旋，统计不同降水形态下热带气旋移动路径特征。

从图９看出，“西高东低”型的ＥＯＦ１，其热带气旋移动路径除“天鹅”（２００９）外，主要在海南岛山区以北的内陆或近海向西或西北方向移动，而降水分布呈“南少北多”的ＥＯＦ２（－），其路径特征与ＥＯＦ１相似。

然而，降水分布呈“南多北少”的ＥＯＦ２（＋），其路径特征相对复杂，有北路“启德”（２０１２）、南路“山神”（２０１２）、中路“鲸鱼”（２０１５）。

总体而言，当热带气旋偏向山区或其南侧时，降水易呈现“南多北少”
的分布。

图７　Ｔ＿Ｐａｖｇ排名前６的热带气旋降水空间分布（阴影，单位：ｍｍ）（黑色＋、·标识号分别为降水低值的国家站和自动站，蓝色＋、○标识号分别为排名前１０的强降水国家站和自动站，其中△为最大降水值）Ｆｉｇ．７　Ｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎａｔａｕｔｏｍａｔｉｃｗｅａｔｈｅｒｓｔａｔｉｏｎｓ
ｆｏｒｔｈｅｔｏｐｓｉｘＴ－Ｐａｖｇｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓ（ｓｈａｄｏｗｓ，Ｕｎｉｔ：ｍｍ）（Ｔｈｅｂｌａｃｋｃｒｏｓｓｅｓａｎｄｄｏｔｓｒｅｐｒｅｓｅｎｔｎａｔｉｏｎａｌａｎｄａｕｔｏｍａｔｉｃｗｅａｔｈｅｒｓｔａｔｉｏｎｓｗｉｔｈｌｏｗｐｒｅｃｉｐｉｔａｔｉｏｎ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｌｅｔｈｅｂｌｕｅｃｒｏｓｓｅｓａｎｄｃｉｒｃｌｅｓｒｅｐｒｅｓｅｎｔｎａｔｉｏｎａｌａｎｄａｕｔｏｍａｔｉｃｗｅａｔｈｅｒｓｔａｔｉｏｎｓｗｉｔｈｔｈｅｔｏｐｔｅｎｓｔｒｏｎｇｒａｉｎｆａｌｌ，ｒｅｓｐｅｃｔｉｖｅｌｙ，
ａｎｄｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎａｔｓｔａｔｉｏｎｓｗｉｔｈｂｌｕｅｔｒｉａｎｇｌｅｉｓｔｈｅｍａｘｉｍｕｍ）
２
３７干 旱 气 象
３８卷　
图８　ＥＯＦ分解的热带气旋降水Ｔ＿Ｐ第一（ａ、ｃ）和第二（ｂ、ｄ）
特征向量（等值线，ａ、ｂ）及对应的时间系数（ｃ、ｄ）
（蓝色圆点、三角点分别对应时间系数为正值前７和负值后７的热带气旋；
红色方框为大值中心；阴影为地形高度，单位：ｍ）
Ｆｉｇ．８　Ｔｈｅｆｉｒｓｔ（ａ，ｃ）ａｎｄｔｈｅｓｅｃｏｎｄ（ｂ，ｄ）ｅｉｇｅｎｖｅｃｔｏｒｓ（ｌｉｎｅｓ，ａ，ｂ）ｏｆＴ＿Ｐｏｆｔｒｏｐｉｃａｌ
ｃｙｃｌｏｎｅｓａｎｄｃｏｒｒｅｓｐｏｎｄｉｎｇｔｉｍｅｃｏｅｆｆｉｃｉｅｎｔｓ（ｂ，ｄ）ｄｅｃｏｍｐｏｓｅｄｂｙＥＯＦ（Ｔｈｅｂｌｕｅｄｏｔｓａｎｄｔｒｉａｎｇｌｅｓａｒｅｔｈｅｔｏｐｓｅｖｅｎｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｗｉｔｈｐｏｓｉｔｉｖｅｃｏｅｆｆｉｃｉｅｎｔｓａｎｄｔｈｅｌａｓｔｓｅｖｅｎｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｗｉｔｈｎｅｇａｔｉｖｅｃｏｅｆｆｉｃｉｅｎｔｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｒｅｄｂｏｘｅｓｆｏｒｔｈｅｐｈａｓｅｃｅｎｔｅｒｓ，ａｎｄｔｈｅｓｈａｄｏｗｓｆｏｒｔｏｐｏｇｒａｐｈｉｃｈｅｉｇｈｔ，Ｕｎｉｔ：ｍ
）
图９　不同降水分布形态下的热带气旋移动路径
（ａ）ＥＯＦ１，（ｂ）ＥＯＦ２（＋），（ｃ）ＥＯＦ２（－）
Ｆｉｇ．９　Ｔｈｅｍｏｖｉｎｇｔｒａｃｋｓｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｕｎｄｅｒｄｉｆｆｅｒｅｎｔｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎ
（ａ）ＥＯＦ１，（ｂ）ＥＯＦ２（＋），（ｃ）ＥＯＦ２（－）
３
３７　第５期冯　箫等：基于两套资料集的海南岛热带气旋降水特征对比
５　Ｔ＿Ｐａｖｇ与热带气旋影响时长、强度的关系
图１０是Ｔ＿Ｐａｖｇ
与热带气旋影响时长、强度（用中心最大风速表征）的关系。

可以看出，所有热带气旋影响下Ｔ＿Ｐａｖｇ与影响时长呈显著正相关（Ｒ＝０．３８８，通过０
．０５的显著性检验），而与排名前１０的热带气旋影响时长的相关系数显著下降（Ｒ＝０．１４６）。

由此可知，极端Ｔ＿Ｐａｖｇ与影响时长无明显关系。

另外，所有热带气旋影响下Ｔ＿Ｐａｖｇ与强度呈显著正相关（Ｒ＝０．３６１，通过０．０５的显著性检验），且与排名前１０的热带气旋强度的相关性更大（Ｒ＝０．５６２），而与剩余的热带气旋强度关系不明显（
Ｒ＝０．０２３）。

综上可得，
热带气旋极端降水与强度的关系更加密切。

图１０　站点平均降水量与热带气旋影响时长（ａ）、强度（ｂ）的关系
（蓝色圆点为２７个热带气旋，红色方框表示前１０个热带气旋，黑三角为剩余的１７个热带气旋）
Ｆｉｇ．１０　Ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎ
ａｎｄｉｍｐａｃｔｔｉｍｅ（ａ），ｉｎｔｅｎｓｉｔｙ（ｂ）ｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓ（ｔｈｅｂｌｕｅｄｏｔｓｆｏｒ２７ｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓ，ｔｈｅｒｅｄｂｏｘｅｓｆｏｒｔｈｅｔｏｐ１０
ｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓ
，ａｎｄｔｈｅｂｌａｃｋｔｒｉａｎｇｌｅｓｆｏｒｔｈｅｒｅｓｔ）６　结论与讨论
（１）Ｔ＿Ｐ与Ｃ＿Ｐ的最大降水值存在显著差异，且Ｔ＿Ｐｍａｘ＞Ｃ＿Ｐｍａｘ，差值较大；Ｔ＿Ｐ与Ｃ＿Ｐ的站点平均降水值无显著差异，且Ｔ＿Ｐａｖｇ＜Ｃ＿Ｐａｖｇ（差值较小），这由东北角、东南沿海、西南沿海占比较大的降水低值点所致。

（２）２００９—２０１８年，Ｔ＿Ｐ与Ｃ＿Ｐ两套资料最大降水值、站点平均降水值均一致呈现下降趋势，其中降水极值下降幅度较站点平均值略大，且Ｔ＿Ｐ下降幅度较Ｃ
＿Ｐ偏大。

（３）两套资料的平均降水、极端降水及其频率均呈现相似的“西高东低”空间分布特征，但大值中心及中心强度有所差别，其中东北角、东南沿海、西南沿海低海拔地区是平均降水、极端降水及其频率的低值区。

Ｃ＿Ｐ高估了西部沿海和内陆的平均降水以及西部内陆的极端降水，低估了山区东部和西南部的平均降水以及西部沿海、中部内陆的极端降水。

此外，Ｃ＿Ｐ对高频强降水站点的范围易高估。

（４）Ｔ＿Ｐ的第一、第二模态分别表现为“西高东低”、“南北相异”型，且在山区迎风坡处有多个降水大值中心。

当热带气旋经过中部山区以北区域时，
易造成Ｅ
ＯＦ１“西高东低”和ＥＯＦ２“南少北多”的降水分布；当热带气旋经过山区或其南侧时，易造成ＥＯＦ２“南多北少”的降水分布。

（
５）近１０ａ，海南省热带气旋降水与影响时长、强度存在显著正相关，排名前１０的热带气旋降水与强度的相关性更显著，而与降水时长无明显关系。

基于不同密度站点资料的最大降水值存在显著差异，且前５％、前１０％、前１５％站点的极端降水值也具有Ｔ＿Ｐ＞Ｃ＿Ｐ的特征。

可见，高密度的站点资料能够获得更多局地强降水信号。

然而，极端降水中心易出现在地形复杂的山区，但山区自动站相对于平原、沿海地区严重偏少，因此，还需要进一步加大对山区自动站的建设，这对进一步认识热带气旋极端降水特征，做好热带气旋强降水监测预警与防灾减灾具有重要意义。

参考文献：
［１］李江南，王安宇，杨兆礼，等．台风暴雨的研究进展［Ｊ］．热带气
象学报，２００３，１９（增刊）：１５２－１５９．
［２］梁军，张胜军，李婷婷，等．台风布拉万（１２１５）北上引发辽东半
岛强降水的诊断分析［Ｊ］．干旱气象，２０１８，３６（６）：９９０－９９６．［３］杨德南，黄丽娜，林莉，等．１７１０号台风“海棠”登陆后漳州市远
４
３７干 旱 气 象
３８卷　
距离暴雨的能量特征［Ｊ］．干旱气象，２０１９，３７（１）：７６－８９．［４］段晶晶，钱燕珍，郭建民．“莫兰蒂”外螺旋雨带在浙江局地发展引发大暴雨成因分析［Ｊ］．干旱气象，２０１９，３７（１）：５７－６６．［５］陈联寿，罗哲贤，李英．登陆热带气旋研究的进展［Ｊ］．气象学报，２００４，６２（５）：５４１－５４９．
［６］ＫＮＵＴＳＯＮＴＲ，ＭＣＢＲＩＤＥＪＬ，ＣＨＡＮＪ，ｅｔａｌ．Ｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓａｎｄｃｌｉｍａｔｅｃｈａｎｇｅ［Ｊ］．ＮａｔｕｒｅＧｅｏｓｃｉｅｎｃｅ，２０１６，３（３）：１５７－１６３．
［７］ＷＡＬＳＨＫＪＥ，ＭＣＢＲＩＤＥＪＬ，ＫＬＯＴＺＢＡＣＨＰＪ，ｅｔａｌ．Ｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓａｎｄｃｌｉｍａｔｅｃｈａｎｇｅ［Ｊ］．ＷｉｌｅｙＩｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙＲｅｖｉｅｗｓ：ＣｌｉｍａｔｅＣｈａｎｇｅ，２０１６，７（１）：６５－８９．
［８］ＫＮＩＧＨＴＤＢ，ＤＡＶＩＳＲＥ．Ｃｏｎｔｒｉｂｕｔｉｏｎｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｔｏｅｘ ｔｒｅｍｅｒａｉｎｆａｌｌｅｖｅｎｔｓｉｎｔｈｅｓｏｕｔｈｅａｓｔｅｒｎＵｎｉｔｅｄＳｔａｔｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ，２００９，１１４：Ｄ２３１０２．［９］ＮＯＧＵＥＩＲＡＲＣ，ＫＥＩＭＢＤ．ＡｎｎｕａｌｖｏｌｕｍｅａｎｄａｒｅａｖａｒｉａｔｉｏｎｓｉｎｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｒａｉｎｆａｌｌｏｖｅｒｔｈｅｅａｓｔｅｒｎＵｎｉｔｅｄＳｔａｔｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｉｍａｔｅ，２０１０，２３（１６）：４３６３－４３７４．
［１０］ＫＩＭＪＨ，ＨＯＣＨ，ＬＥＥＭＨ，ｅｔａｌ．Ｌａｒｇｅｉｎｃｒｅａｓｅｉｎｈｅａｖｙｒａｉｎ ｆａｌｌａｓｓｏｃｉａｔｅｄｗｉｔｈｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｌａｎｄｆａｌｌｓｉｎＫｏｒｅａａｆｔｅｒｔｈｅｌａｔｅ１９７０ｓ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００６，３３：Ｌ１８７０６．［１１］ＬＡＵＷＫＭ，ＺＨＯＵＹＰ．Ｏｂｓｅｒｖｅｄｒｅｃｅｎｔｔｒｅｎｄｓｉｎｔｒｏｐｉｃａｌｃｙ ｃｌｏｎｅｒａｉｎｆａｌｌｏｖｅｒｔｈｅＮｏｒｔｈＡｔｌａｎｔｉｃａｎｄｔｈｅＮｏｒｔｈＰａｃｉｆｉｃ［Ｊ］．ＪｏｕｒｎａｌｏｆＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈ：Ａｔｍｏｓｐｈｅｒｅｓ，２０１２，１１７：Ｄ０３１０４．
［１２］ＫＨＯＵＡＫＨＩＡ，ＶＩＬＬＡＲＩＮＩＧ，ＶＥＣＣＨＩＧＡ．Ｃｏｎｔｒｉｂｕｔｉｏｎｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｔｏｒａｉｎｆａｌｌａｔｔｈｅｇｌｏｂａｌｓｃａｌｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｉ ｍａｔｅ，２０１７，３０（１）：３５９－３７２．
［１３］ＣＨＡＮＧＩ，ＢＥＮＴＬＥＹＭＬ，ＳＨＥＰＨＥＲＤＪＭ．Ａｇｌｏｂａｌｃｌｉｍａｔｏｌｏ ｇｙｏｆｅｘｔｒｅｍｅｒａｉｎｆａｌｌｒａｔｅｓｉｎｔｈｅｉｎｎｅｒｃｏｒｅｏｆｉｎｔｅｎｓｅｔｒｏｐｉｃａｌｃｙ ｃｌｏｎｅｓ［Ｊ］．ＰｈｙｓｉｃａｌＧｅｏｇｒａｐｈｙ，２０１４，３５（６）：４７８－４９６．
［１４］韩晖．近５０年中国台风暴雨研究［Ｄ］．北京：北京师范大学，２００５：２２－３２．
［１５］ＲＥＮＦＭ，ＷＵＧＸ，ＤＯＮＧＷＪ，ｅｔａｌ．Ｃｈａｎｇｅｓｉｎｔｒｏｐｉｃａｌｃｙ ｃｌｏｎｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｖｅｒＣｈｉｎａ［Ｊ］．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００６，３３：Ｌ２０７０２．
［１６］王咏梅，任福民，李维京，等．中国台风降水的气候特征［Ｊ］．热带气象学报，２００８，２４（３）：２３３－２３８．
［１７］刘通易，吴立广，张娇艳，等．１９６５—２０１０年７—９月影响中国的热带气旋降水变化趋势分析［Ｊ］．气象学报，２０１３，７１（１）：６３－７５．［１８］王春乙．海南气候［Ｍ］．北京：气象出版社，２０１４：７１－７３．［１９］ＪＩＡＮＧＸＬ，ＲＥＮＦＭ，ＬＩＹＪ，ｅｔａｌ．Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｐｒｅｌｉｍｉ ｎａｒｙｃａｕｓｅｓｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｅｘｔｒｅｍｅｒａｉｎｆａｌｌｅｖｅｎｔｓｏｖｅｒＨａｉｎａｎＩｓｌａｎｄ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１８，３５（５）：５８０
－５９１．
［２０］郑艳，蔡亲波，程守长，等．超强台风“威马逊”（１４０９）强度和降水特征及其近海急剧加强原因［Ｊ］．暴雨灾害，２０１４，３３（４）：３３３－３４１．
［２１］蒋贤玲，任福民，马柱国，等．２０１４年两次路径相似热带气旋降水特征及其成因的对比［Ｊ］．地球物理学报，２０１７，６０（４）：１３０５
－１３２０．
［２２］刘少军，张京红，何政伟，等．地形因子对海南岛台风降水分布影响的估算［Ｊ］．自然灾害学报，２０１１，２０（２）：１９６－２０２．
［２３］杨仁勇，闵锦忠，冯文．海南岛地形对南海西行台风降水影响的数值试验［Ｊ］．热带气象学报，２０１３，２９（３）：４７４－４８０．
［２４］徐红，程攀，王瑞丽．台风“海燕”过境海南岛数值模拟及暴雨成因诊断［Ｊ］．干旱气象，２０１６，３４（３）：５０３－５１０．
［２５］吴胜安，郭冬艳，杨金虎．海南热带气旋降水的气候特征［Ｊ］．气象科学，２００７，２７（３）：３０７－３１１．
［２６］陆桂荣，王文，郑美琴，等．海南台风暴雨的时空分布特征［Ｊ］．大气科学学报，２０１５，３８（５）：７１０－７１５．
［２７］蔡亲波，冯文，李勋，等．海南省天气预报技术手册［Ｍ］．北京：气象出版社，２０１３：１２０－１２７．
［２８］鲁小琴，余晖，应明，等．不同站网密度对热带气旋降水气候统计特征分析的影响［Ｊ］．热带气象学报，２０１６，３２（５）：５９７－６０６．
［２９］ＷＵＣＣ，ＹＥＮＴＨ，ＨＵＡＮＧＹＨ，ｅｔａｌ．ＳｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｈｅａｖｙｒａｉｎｆａｌｌａｓｓｏｃｉａｔｅｄｗｉｔｈｔｙｐｈｏｏｎｓｎｅａｒＴａｉｗａｎｂａｓｅｄｏｎｈｉｇｈ－ｄｅｎｓｉｔｙａｕｔｏｍａｔｉｃｒａｉｎｇａｕｇｅｄａｔａ［Ｊ］．ＢｕｌｌｅｔｉｎｏｆｔｈｅＡｍｅｒ ｉｃａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙ，２０１６，９７（８）：１３６３－１３７５．
［３０］ＣＨＡＮＧＣＰ，ＹＡＮＧＹＴ，ＫＵＯＨＣ．ＬａｒｇｅｉｎｃｒｅａｓｉｎｇｔｒｅｎｄｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｒａｉｎｆａｌｌｉｎＴａｉｗａｎａｎｄｔｈｅｒｏｌｅｓｏｆｔｅｒｒａｉｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｉｍａｔｅ，２０１３，２６（１２）：４１３８－４１４７．
［３１］ＤＯＮＧＭＹ，ＣＨＥＮＬＳ，ＬＩＹ，ｅｔａｌ．Ｒａｉｎｆａｌｌｒｅｉｎｆｏｒｃｅｍｅｎｔａｓｓｏ ｃｉａｔｅｄｗｉｔｈｌａｎｄｆａｌｌｉｎｇｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆｔｈｅＡｔｍｏｓ ｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１０，６７（１１）：３５４１－３５５８．
［３２］梁军，李英，张胜军，等．辽东半岛热带气旋暴雨的中尺度结构及复杂地形的影响［Ｊ］．高原气象，２０１４，３３（４）：１１５４－１１６３．［３３］董美莹，陈联寿，程正泉，等．地形影响热带气旋“泰利”降水增幅的数值研究［Ｊ］．高原气象，２０１１，３０（３）：７００－７１０．
５
３
７
　第５期冯　箫等：基于两套资料集的海南岛热带气旋降水特征对比
ＣｈａｒａｃｔｅｒｉｓｔｉｃｓＣｏｍｐａｒｉｓｏｎｏｆＴｒｏｐｉｃａｌＣｙｃｌｏｎｅＰｒｅｃｉｐｉｔａｔｉｏｎ
ｉｎＨａｉｎａｎＩｓｌａｎｄＢａｓｅｄｏｎＴｗｏＤａｔａｓｅｔｓ
ＦＥＮＧＸｉａｏ１，２，ＳＨＩＸｉａｏ３，ＬＩＸｕｎ
１，２（１．ＨａｉｎａｎＭｅｔｅｏｒｏｌｏｇｉｃａｌＯｂｓｅｒｖａｔｏｒｙ，Ｈａｉｋｏｕ５７０２０３，Ｃｈｉｎａ；
２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｏｕｔｈＣｈｉｎａＳｅａＭｅｔｅｏｒｏｌｏｇｉｃａｌＤｉｓａｓｔｅｒＰｒｅｖｅｎｔｉｏｎ
ａｎｄＭｉｔｉｇａｔｉｏｎｏｆＨａｉｎａｎＰｒｏｖｉｎｃｅ，Ｈａｉｋｏｕ５７０２０３，Ｃｈｉｎａ；
３．ＸｉｃｈａｎｇＳａｔｅｌｌｉｔｅＬａｕｎｃｈＣｅｎｔｅｒ，Ｘｉｃｈａｎｇ６１５０００，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｔｗｏｐｒｅｃｉｐｉｔａｔｉｏｎｄａｔａｓｅｔｓｆｒｏｍｎａｔｉｏｎａｌ（Ｃ＿Ｐ）ａｎｄａｕｔｏｍａｔｉｃ（Ｔ＿Ｐ）ｗｅａｔｈｅｒｓｔａｔｉｏｎｓｗｉｔｈｄｉｆｆｅｒｅｎｔｎｕｍｂｅｒｓ，ｔｈｅ
ｐｒｅｃｉｐｉｔａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｗｅｒｅｃｏｍｐａｒｅｄｉｎＨａｉｎａｎＩｓｌａｎｄ．Ｔｈｅｒｅｓｕｌｔｓａｒｅａｓｆｏｌｌｏｗｓ
：（１）Ｔｈｅｍａｘｉｍｕｍｐｒｅｃｉｐ ｉｔａｔｉｏｎｏｆＴ＿ＰａｎｄＣ＿ＰｄａｔａｓｅｔｓｈａｄｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｉｎＨａｉｎａｎＩｓｌａｎｄ，ａｎｄｔｈｅｆｏｒｍｅｒｗａｓｇｒｅａｔｅｒｔｈａｎｔｈｅｌａｔｅｒ，ｗｈｉｌｅｔｈｅｄｉｆｆｅｒ ｅｎｃｅｏｆｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｂｅｔｗｅｅｎＴ＿ＰａｎｄＣ＿Ｐｗａｓｎ’ｔｏｂｖｉｏｕｓ，ａｎｄｔｈｅｆｏｒｍｅｒｗａｓｌｅｓｓｔｈａｎｔｈｅｌａｔｅｒ．（２）Ｔｈｅｍａｘｉ ｍｕｍａｎｄｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆＣ＿ＰａｎｄＴ＿Ｐｄｅｃｒｅａｓｅｄｃｏｎｓｉｓｔｅｎｔｌｙｆｒｏｍ２００９ｔｏ２０１８，ａｎｄｔｈｅｄｅｃｒｅａｓｅｏｆＴ＿ＰｗａｓｍｏｒｅｏｂｖｉｏｕｓｔｈａｎｔｈａｔｏｆＣ＿Ｐ．（３）Ｔｈｅａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎ，ｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｉｔｓｏｃｃｕｒｒｅｎｃｅｆｒｅｑｕｅｎｃｙｏｆｔｗｏｄａｔａｓｅｔｓｗｅｒｅｈｉｇｈｉｎｔｈｅｗｅｓｔａｎｄｌｏｗｉｎｔｈｅｅａｓｔｏｆＨａｉｎａｎＩｓｌａｎｄｉｎｓｐａｃｅ，ｂｕｔｔｈｅｃｅｎｔｒｅｌｏｃａｔｉｏｎｗｉｔｈｈｉｇｈｖａｌｕｅａｎｄｉｔｓｉｎｔｅｎｓｉｔｙｏｆｔｗｏｄａｔａｓｅｔｓｗｅｒｅｄｉｆｆｅｒｅｎｔ．ＣｏｍｐａｒｅｄｗｉｔｈＴ＿Ｐ，ｔｈｅａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｗｅｓｔｅｒｎｃｏａｓｔａｌａｎｄｉｎｌａｎｄａｒｅａｓａｎｄｔｈｅｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｗｅｓｔｅｒｎｉｎ ｌａｎｄａｒｅａｓｗｅｒｅｏｖｅｒｅｓｔｉｍａｔｅｄｂｙＣ＿Ｐ，ｗｈｉｌｅｔｈｅａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｅａｓｔｅｒｎａｎｄｓｏｕｔｈｗｅｓｔｅｒｎｍｏｕｎｔａｉｎｏｕｓｒｅｇｉｏｎａｎｄｔｈｅｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｗｅｓｔｅｒｎｃｏａｓｔａｌａｎｄｃｅｎｔｒａｌｉｎｌａｎｄｏｆＨａｉｎａｎＩｓｌａｎｄｗｅｒｅｕｎｄｅｒｅｓｔｉｍａｔｅｄｂｙＣ＿Ｐ．Ｔｈｅｌｏｗｖａｌｕｅｓｏｆａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉ ｏｎ，ｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｉｔｓｏｃｃｕｒｒｅｎｃｅｆｒｅｑｕｅｎｃｙａｐｐｅａｒｅｄｉｎｎｏｒｔｈｅａｓｔｅｒｎｅｄｇｅａｎｄｓｏｕｔｈｅａｓｔｅｒｎａｎｄｓｏｕｔｈｗｅｓｔｅｒｎｃｏａｓｔａｌｏｆ
ＨａｉｎａｎＩｓｌａｎｄｗｉｔｈｄｅｎｓｅｓｔａｔｉｏｎｓ
，ｗｈｉｃｈｒｅｓｕｌｔｅｄｉｎｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆＴ＿ＰｌｅｓｓｔｈａｎｔｈａｔｏｆＣ＿Ｐ．（４）ＴｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｂａｓｅｄｏｎＴ＿ＰｗａｓｍｏｒｅｉｎｎｏｒｔｈｅｒｎａｎｄｗｅｓｔｅｒｎａｎｄｌｅｓｓｉｎｓｏｕｔｈｅｒｎａｎｄｅａｓｔｅｒｎｐａｒｔｏｆＨａｉｎａｎＩｓｌａｎｄｗｈｅｎｔｈｅｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｐａｓ ｓｅｄｔｈｒｏｕｇｈｔｈｅｎｏｒｔｈｓｉｄｅｏｆｔｈｅｍｏｕｎｔａｉｎｏｕｓｒｅｇｉｏｎ．Ｈｏｗｅｖｅｒ，ｗｈｅｎｔｈｅｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｃｒｏｓｓｅｄｔｈｅｍｏｕｎｔａｉｎｏｕｓｒｅｇｉｏｎｏｒｉｔｓｓｏｕｔｈ
ｅｒｎｓｉｄｅ
，ｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｗａｓｌｉｋｅｌｙｔｏｆｏｒｍａｎｏｔｈｅｒｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｗｉｔｈｍｏｒｅｉｎｓｏｕｔｈｅｒｎａｎｄｌｅｓｓｉｎｎｏｒｔｈｅｒｎｐａｒｔｏｆＨａｉｎａｎ．（５）ＴｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｓｂａｓｅｄｏｎＴ＿Ｐｄａｔａｈａｄｓｉｇｎｉｆｉｃａｎｔｌｙｐｏｓｉｔｉｖｅｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｉｍｐａｃｔｉｎｇｈｏｕｒｓａｎｄｉｎｔｅｎｓｉｔｙ，ａｎｄｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｉｎｔｅｎｓｉｔｙｏｆｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｗａｓｍｏｒｅｓｉｇｎｉｆｉｃａｎｔ．
Ｋｅｙｗｏｒｄｓ：ｔｒｏｐｉｃａｌｃｙｃｌｏｎｅｒａｉｎｆａｌｌ；ＨａｉｎａｎＩｓｌａｎｄ；ｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎ；ｓｔａｔｉｏｎ－ａｖｅｒａｇｅｐｒｅｃｉｐｉｔａｔｉｏｎ；ｄａｔａｃｏｍｐａｒｉｓｏｎ６３７干 旱 气 象３８卷　。