基于小时资料的华北持续性降水过程的区域特征分析

高旭旭，陈 霞，于长文，邵丽芳

(1.河北省气候中心，河北 石家庄 050021； 2.河北省气象与生态环境重点实验室，河北 石家庄 050021)

华北属于半湿润和半干旱的大陆季风气候，年内降水量分布不均匀，夏季降水量约占年降水量整体的70%。而持续性降水(超过6 h的降水事件)占夏季总降水量的60%。该区域河流较多，易发生洪涝的地区约为总区域面积的66%。而夏季持续性降水极易导致中小河流水位急剧上涨，进而导致洪水和山洪灾害频发，华北区域的持续性降水成为近300年洪涝灾害中致灾性最强的降水类型[1]。如发生在海河流域的大范围洪涝灾害过程：“63.8”(1963年8月简称，以下同)降水过程持续7 d，导致5 030人死亡，直接经济损失约60亿元[2]；“96.8”持续5 d，导致河北省近5 000多人死亡，经济损失约400亿元[3]；“12.7”持续3 d，北京受灾人口约160.2万人，经济损失116.4亿[4]；“16.7”持续4 d，河北省直接经济损失超过500亿元[5]。因此深入研究华北区域持续性降水的时空分布特征，尤其是对其周期性规律以及空间差异性的探究，对提高重大致灾暴雨的预报准确性、预警时效，应对洪涝灾害防御和减少灾害损失具有重要大意义。

目前在持续性降水及驱动因子的研究中，发现此类型降水呈现显著的区域性特征，其中在华南及长江中下游地区多发且降水量、降水强度呈增加趋势[6-10],该变化多与中高纬大气波流的相互作用以及东部海洋变化影响有关[11-13]。陈菊英等[14]通过分析乌拉尔山阻高和太平洋副热带高压的变化特征，发现乌拉尔山阻高突然减弱、太平洋副高加强西伸与江淮地区持续性强暴雨的发生前兆关系密切。在持续性降水长期变化的机理方面，从大气季节内振荡角度也开展了相应研究[15-18]，其中江淮地区长持续性降水频数在2000年以后明显减少，该变化与低层风场季节内扰动直接相关[18]。以上研究均是基于日降水数据从降水量和降水频率角度对持续性降水进行的气候分析，而暴雨洪涝与土壤侵蚀等灾害风险评估中则需要以精细的降水事件内部过程为基础[19-22]，进而提供有效的风险预警。随着观测数据时间分辨率提高，研究者从日变化角度对持续性降水过程进行了较为详尽地描述。在华北地区，持续性降水对夏季总降水的贡献大于短历时降水，其降水峰值集中出现在夜间[23-24]，降水强度和频次峰值较淮河以南提前近2 h[25]。李建针对中国南方持续性降水日循环的季节变化做了更为详实的研究，发现不同季节持续性降水峰值出现时间存在东西差异，西南部全年峰值在午夜或者清晨，东南部7—9月的峰值在午后至傍晚出现[26]。传统的暴雨洪涝风险评估和基础设施设计规范中均是基于降水序列稳定的假设，而在气候变化日趋剧烈的背景下，急需在认知气候变化规律的基础上，进一步改进假设条件，但基于小时数据对降水事件气候变化特征的研究较少。

华北地形复杂，降水时空变率大，很难用一种气候特征概括，而单站点的降水样本太少，存在资料偶然性，因此在合理的降水分区的基础上，本文利用逐时降水资料从小时尺度的降水因子方面，深入探究华北区域持续性降水的长期变化特征，及大气环流对降水因子的影响，对更好掌握华北降水变化规律，评估区域洪涝气候特征提供依据，为华北降水过程的精细化预报提供参考，对平原渍涝、中小河流洪水和山洪地质灾害防范以及水资源蓄积利用具有重要意义。

1 数据与方法

1.1 数据资料

华北地区51个地面气象观测站1965—2018年逐小时降水资料分别来自河南省、河北省、山西省、山东省、北京市、天津市以及内蒙古自治区气象局信息中心，并通过了质控检验。为保持数据资料的完整性、一致性，以及华北研究范围内的空间代表性，最终通过剔除夏季连续缺测超过5 d，且总共缺测率超过20%的站点，筛选出1965年以来51个观测站小时降水数据，依照华北降水分区特征[27]，站点的区域代表性分布如图1。

图1 华北地区51个逐时降水资料站点及分区分布Fig.1 The locationand representation of 51 automatic meteorological stations (AMS) over North China according to Cuiguang Zhao’s research achievement [27]

大气场采用1965年至2018年的NCEP/NCAR月平均数据，包括1 000 hPa风场和海平面气压场(Sea Level Pressure, SLP)，水平分辨率是2.5°×2.5°(https://psl.noaa.gov/data/gridded/data.ncep.reanalysis.html)。

88个大气环流指数和26个海温指数由中国气象局提供(http://cmdp.ncc.cma.gov.cn/Monitoring/cn_index_130.php)。

1.2 降水因子定义

有效降水( mm )为小时降水量≥0.1 mm的降水。确定降水间歇大于等于2 h，以此作为前后两场降水过程的分界[25]。降水历时( h )为一次降水过程开始时刻到结束时刻所经历的小时数。过程降水量(mm)是降水过程中每小时降水量的总和。峰值雨强(mm/h)为一次降水过程中最大的小时降水量。

本文的目的是探究长历时持续降水量的特征，因此降水过程根据降水历时进行分类，历时大于6 h以上的降水过程定义为持续性降水[24-25]。将降水量、降水历时以及峰值雨强等降水相关量统称为降水因子。某年持续性降水发生场次占该年降水总场次的比重，作为该年的持续性降水场次占比。某年持续性降水的降水量占该年的降水总量比重，称为该年的持续性降水量占比。某场持续性降水的峰值雨强降水量占该场持续性降水过程的降水量比重，为该场降水的峰值雨强占比。

1.3 方法

本文利用Bootstrap方法进行区域趋势显著性特征分析，滑动t检验、Mann-Kendall检验(简称MK法)、Pettitt检验[28]方法分析降水因子突变检验寻找突变发生时间，利用小波分析(Morlet)、交叉小波分析[28]以及小波相干谱分析的统计方法探究降水的周期特征以及周期变化的影响因子。

Bootstrap方法假设随机抽样得到的所有时间序列都是稳定的前提下，将区域显著性结果的个数作为新样本，并服从N分布，用来检测区域趋势的显著性[29]。具体步骤如下：1)将原始样本数据的基础上，进行“有放回全抽取”，抽取的样本量与原始样本相同。2)形成的新样本是由时间上顺序随机打乱的P个站点数据构成。3)对新样本的趋势进行显著性检验。4)Nm为第m随机抽样形成的新样本中趋势显著的站点数，m=1，…，nsim，nsim为最终随机抽样的次数。由于Bootstrap方法是打破时间上的顺序，将原始样本在时间上随机排列得到的新数据集，因此在每一次随机抽样构成的新数据样本中，站点的趋势是随机的，并且站点间保有关联性。显著性站点数构成的样本(Nm)，m=1，…，nsim，可以用来近似N在H0假设下的分布，所有的序列都是平稳的。区域显著性水平α相关的临界值可以用(Nm)，m=1，…，nsim序列的经验值1-α分位数来估计。

(1)

小波相干谱分析与交叉小波分析原理相似，均揭示两个时间序列之间的时频空间关系，但小波相干谱分析能识别出两个序列在低能量区的共振周期和位相关系，因此在不同能量区上能够与交叉小波分析实现互补[31]。定义X和Y两个时间序列的小波相干谱为：

(2)

式中S为平滑算子。

2 结果分析

依据赵翠光等[23]的降水分区结果,将华北划分3个区域,分别为东区、北区、中南区(图1)，3个区域的持续性降水特征差异显著(表1)。在年均降水总量方面，东区最多，中南区次之，北区最少，该结果与基于日数据的夏季降水量空间分布一致[32-33]。华北持续性降水的平均降水历时在11 h以上，中南区历时最长为11.8 h，其次为东区11.7 h，最小为北区11.0 h。在降水场次和峰值雨强上，东区均为最高,其中东区峰值雨强达到10.0 mm/h，为北区的近2倍。上述结果表明华北降水存在明显的空间异质性，与区域的暴雨洪涝灾害的分布配置相一致，北区降水量小、历时短、峰值雨强小，但地处山区，雨洪致时短，且以短历时山洪暴发为主[34]；东区位于燕山南麓，多局地性暴雨，造成此地持续性降水呈现雨量大、历时长、发生频率高、雨强大等特点，由于该区河流众多并汇集，河流宣泄不畅，致使此地呈现出洪涝灾害频发的特点[35]。中南区多为平原，以种植农作物为主，其降水场次少历时长，降水量、峰值雨强接近东区，农田渍涝风险高。

表1 华北1965—2018年夏季持续性降水特征Table1 The characteristics of the long-duration rainfall during 1965—2018 in three different regions North China

2.1 持续性降水长期变化特征

2.1.1 趋势特征

夏季风减弱致使华北大部分地区降水场次呈减少趋势[33，36]，本文小时数据计算结果与其一致(图略)，但持续性降水场次占比则表现出南北相反的变化特征(图2(a))，东区和北区的6个站点呈减小趋势，表明持续性降水事件减少速度大于总降水事件减少速度，其中东区的唐山、北京、平泉以及北区的赤城、涞源减小幅度在0.8%/10 a以上，并通过显著性水平α=0.1的检验；与此相反，中南区大部分站点呈增加趋势，其中惠民站和沧州站的增加幅度超过1.0%/10 a(α=0.1)。

图2 持续性降水1965-2018年长期变化趋势(实心点表示通过显著性水平α=0.1检验的站点)Fig.2 Trends for factors of long-duration rainfall (solid circles represent the stations with trends significant at theα=0.1level)

持续性降水量占比的变化趋势也同样表现出显著的南北差异，即北部减小南部增加的趋势特征(图2(b))，与华北地区总降水量呈一致的减少趋势[36-40]的结论不同，说明持续性降水量变化速度与总降水量不同步。在东区和北区持续性降水量和总降水量都呈减少趋势的背景下，持续性降水量占比减少表明该区域持续性降水量减少速度大于总降水量减少速度，在北京、唐山、遵化、平泉以及赤城持续性降水量占比减少尤为明显，达到显著性水平(α=0.1)，北京减小幅度最大，达3.6%/10 a；中南区大部分站点呈增加趋势，其中盐山增幅为3.8%/10 a，通过了显著性水平α=0.1检验。持续性降水的降水历时变化趋势也表现为北部减小南部增加的特征(图2(c))，与降水日数变化趋势较为一致[41-42]，其中天津和集宁通过了显著性检验，减少趋势分别为0.3 h/10 a和0.4 h/10 a；中南区大部分站点呈增加趋势，邢台站和临城站的增加趋势0.5 h/10 a(α=0.1)。

对于持续性降水而言，东区和北区大部站点峰值雨强占比呈增加趋势，表明华北区域持续性降水趋于集中且降水极端性在增强，怀来、涿鹿、张北、赤城、迁安、遵化、青龙、秦皇岛峰值雨强占比达到显著性水平(α=0.1)，怀来站增加趋势最明显，为1.8%/10 a。中南区峰值雨强占比的变化趋势一致性较差，仅定州和莘县站增加趋势通过显著性α=0.1检验。

为了检测降水是否存在区域趋势的显著性，利用Bootstrap方法，在无趋势的原假设下，生成显著增加或减少趋势百分比的分布图(图3)，黑色实线为α=0.1的显著性水平线，落在左侧说明接受原假设，趋势不显著，落在显著线右侧拒绝原假设，趋势显著。检测表明东区持续性降水场次占比、降水量占比呈减少趋势以及峰值雨强占比呈增加趋势，通过了α=0.1的区域显著性检验(图3(a)、(d)、(j))，进一步说东区的持续性降水将更加集中，诱发洪涝的灾害性更强。北区持续性降水峰值雨强占比增加趋势，均通过了α=0.1的区域显著性检验(图3(b)、(k))，说明在降水整体减少的背景下，北区持续性峰值降水更加集中。中南区持续性降水因子变化趋势均未通过区域显著性检验。

注:直方图代表基于降水因子数据通过500次Bootstrap方法得到的显著性站点占比分布，红色点代表实际观测的降水因子值，黑色实线代表90%分位的值。(a)-(c)代表持续性降水场次占比结果，(d)-(f)代表持续性降水量占比，(e)-(i)代表降水历时，(j)-(l)代表峰值雨强占比。左列为东区结果，中间列为北区结果，右列为中南区结果。

2.1.2 突变特征

通过非参数检验的MK检验、滑动t检验以及Pettitt检验综合考虑华北地区持续性降水的突变特征(表2)。滑动t检验步长取3～7，每一序列得到5组检验值，选择连续稳定时间点为突变点，以此消除突变点飘移问题。结合3种计算方法的优缺点，当至少有2种方法结果相接近(<2 a误差)时，确定突变时间。

表2 华北不同区域降水因子可能突变时间Table2 Jump transition of long-duration rainfall factors in different areas of North China

结果表明：东区，降水量突变发生在1986—1987年和1994—1996年，降水历时突变点为1988年，而峰值雨强突变时段为2008—2009年和2013—2014年，即降水量和降水历时均在80年代末出现突变，而峰值雨强则在滞后20年出现突变。北区，降水量突变出现在1995—1997年之间，降水历时为2002年前后，峰值雨强则为1981年前后。中南区，降水量突变在1994—1996年之间，降水历时无突变，峰值雨强突变出现在2014—2015年前后。

3个区域降水量在1996年前后均存在突变，与夏季日降水突变时间接近[43]，说明此次降水量的突变涉及整个华北区，但在80年代末，降水量存在一次小范围的突变，仅出现在东区。3个区域降水历时和峰值雨强的突变时间却不存在一致性。

图4 持续性降水的降水量、降水历时和峰值雨强的MK曲线Fig.4 Statistic curves of MK test for the amount, the duration and the peak intensity of long-duration rainfall factors

2.1.3 周期性特征

降水量变化序列的小波分析结果展示了在各个时间尺度下多雨期与少雨期的分布情况。从图5(a)可以看出，东区降水量具有准8 a和准18 a的周期，准8 a尺度的周期振荡基本贯穿整个研究时段，是该区域降水量变化的主周期。并且该地区持续性降水在1965—2000年之间经历了4个循环交替(1992—1998年之间高频信号略有增强)，之后由于准8 a信号闭合圈向高频区域伸展，降水量多受4～8年的信号影响，2016年以来华北东部正处于降水偏多时期。

图5 1965—2018年华北东区持续性降水的小波变换(黑色弧线外侧显示受边界效应影响较大的地区)Fig.5 Morlet wavelet transform results of long-duration rainfall during 1965—2018 in the east plain of North China (the area out of black line is influenced by the boundary effect)

图5(b)～(c)显示，东区的降水历时和峰值雨强主周期均为准8 a，不同之处是降水历时的准8 a信号从1988年开始出现之后加强，而峰值雨强的准8 a信号在1989年开始减弱。为比较降水历时(峰值雨强)主周期信号增强(减弱)前后2个时段的差异，对该地区的降水历时和峰值雨强时间序列进行带通滤波，保留准8 a波动(图6(b))。降水历时周期信号在1965—1987年振幅小，1988—2018年振幅大，计算两个时段波动振幅方差之比为15.8，通过显著水平0.05的F检验，表明降水历时主周期在1988年前后发生了突变。同样发现峰值雨强周期信号在1965—1988年振幅较大，1989—2018年振幅最小，2个时段振幅方差比为6.3，通过显著水平0.05的F检验，峰值雨强主周期在1989年前后出现突变。

图6 东区持续性降水带通滤波后准8a周期振荡的标准化时间序列Fig.6 The quasi-8 a year periodic oscillation time series of long-duration rainfall during 1965—2018 in EP after Butterworth band-pass filter

尝试利用交叉小波和小波相干谱分析法探究影响持续性降水周期突变的影响因子。通过对比大气环流指数、海温因子与华北东区持续性降水周期信号相关性，发现西太平洋副热带高压脊线的位置与东区持续性降水降水量、降水历时和峰值雨强均存在显著的准8a高能量区，并且共振高能量区出现位置(周期、年份)与东区降水小波波谱高能量区较为一致(图7)。东区降水量与副高脊线位置在1980—2000年和2005—2018年存在准8a周期的显著相关，并且1980—2005年副高脊线变化超前降水量1/4相位，2005—2018年两者同相位(图7(a)、(d))；东区降水历时与副高脊线位置在1990—2018年存在准8年周期的显著正相关(图7(b)、(e))；东区峰值雨强与副高脊线位置在1975—1990年存在准8 a周期的显著正相关，在1995—2000年存在准2 a周期的显著负相关(图7(c)、(f))。副高脊线对峰值雨强准8 a信号在90年代前存在正向驱动之后转为超前1/4位相(不显著)，对降水历时准8 a信号在90年代之前为超前1/4位相之后转为正向驱动，说明西太平洋副高脊线位置对降水历时、峰值雨强的周期突变显著有关，进而影响东区降水量周期异常，与李春等[44]的研究结果一致。

注：黑色粗实线表示0.05显著性水平，黑色轮廓线为影响锥，指向右的箭头表示两者同位相，指向左的箭头表示两者反位相，指向下的箭头表示环流指数超前降水因子1/4位相，指向上的箭头表示环流指数落后降水因子1/4位相。

北区和中南区的结果表明：两个区域降水因子都具有准4 a和准6 a的周期振荡信号，在1987—2000年之间两个地区均存在3～8年宽波谱高能量振荡，与基于日数据的华北夏季降水量周期特征一致[45-47]，但各区域降水主周期不同，北区以准4 a为主，中南区以准6 a为主。考虑ENSO事件存在2～8年振荡周期，并且对华北地区年际变化有一定影响[48-49]，通过计算ENSO有关的类ENSO指数、暖池型ENSO指数以及冷舌型ENSO指数，与北区和中南区的共振区域，发现只有暖池型ENSO指数与两个区的降水存在准4 a和准6 a大范围显著共振区，其他ENSO指数与降水因子共振区域较小，而且共振年份与降水主周期出现时段不一致。暖池型ENSO指数与北区和中南区降水量的交叉小波和小波相干频谱结果，如图8。北区降水量与ENSO指数在1985-2000年存在准2 a和准4 a年周期的显著相关，其中准2 a周期上ENSO指数超前该地区降水量1/4相位，准4 a周期上两者反相位(图8(a)、(b))；中南区降水量与ENSO指数在1966—1975年和1980—1990年存在准4 a周期的显著负相关，在1990—2000年存在准6 a周期的显著负相关(图8(c)～(d))。ENSO指数对北区和中南区在1985—2000年之间2～8周期信号存在显著的负向驱动，这也是该时期两地区降水量周期复杂的原因。

注：黑色粗实线表示0.05显著性水平，黑色轮廓线为影响锥，指向右的箭头表示两者同位相，指向左的箭头表示两者反位相，指向下的箭头表示ENSO指数超前降水因子1/4位相，指向上的箭头表示ENSO指数落后降水因子1/4位相。

2.2 华北夏季降水可能的影响因子

本文基于大气环流演变异常是造成降水变化的主要物理成因的理论，计算了88项大气环流指数与华北夏季降水因子之间的相关性，结果表明，北太平洋副高脊线位置、亚洲经向环流以及北大西洋涛动(North Atlantic Oscillation, NAO)与持续性降水降水量、历时之间关系密切(图9)。

图9 持续性降水量(上)和降水历时(下)与环流因子的相关性分布(黑色圆表示显著性水平Q=0.1检验站点)Fig.9 The correlation coefficient between atmospheric circulation factors and the amount (up) and duration (down) of long-duration rainfall

以上3个环流因子对华北地区降水影响区域特征明显。北太平洋副高脊线位置与降水量的相关性在0.2以下(未通过显著性检验)的站点占该区总站点的74.5%，相关性在0.2以上站点主要分布在华北东部，与降水历时相关系数在0.2以上且通过0.1显著性检验的站点占比近50%，多集中在东区沿海地区；降水量和降水历时对NAO变化响应呈显著(α=0.1)的站点出现在北区；而亚洲经向环流指数对降水量以及降水历时呈显著相关的站点集中在中南区，且呈现负相关。进一步分析环流因子的变化趋势，北太平洋副高脊线位置和NAO指数呈减少趋势，幅度分别为0.18°/(10 a)和0.1/(10 a)，趋势变化与东区、北区降水量和降水历时减少趋势相吻合，亚洲经向环流指数变化趋势不明显，与中南区持续性降水变化不显著相对应。

通过环流指数与SLP(1 000 hPa风场)相关性，对华北降水区域化特征的进行归因分析，结果表明：北太平洋副高脊线位置指数与东亚大陆SLP呈负相关，在北太平洋副高脊线指数偏高(即北太平洋副高脊线位置偏北)，SLP在华北地区为负异常，风场为偏东风，有利于海洋水汽输送，对华北东部降水形成有利，其中东区北部为燕山山脉，并且稳定的环流形势为东区沿海提供持续水汽输送，利于降水的维持(图10(a))；NAO指数与东亚大部分地区的SLP呈负相关，即NAO环流偏强，SLP在蒙古近地面形成气旋性负异常中心，华北地区为偏南风夏季风加强，其中东南气流和西南气流在华北北区形成较强的辐合作用，再加之北区的地势抬升，有利于该地区持续性降水的形成(图10(b))；亚洲经向环流指数与SLP呈正相关，即亚洲经向环流增强，SLP在我国东北部为反气旋性正异常，进入华北的多为来自北部大陆干冷风，并且通过该环流指数与低层比湿相关性场发现，经向环流指数增强中南区的低层(1 000～700 hPa)比湿将显著降低(其他两个区比湿影响不大)，因此干冷空气不利于中南区降水的形成和维持(图10(c))。

注：(a)代表北太平洋副高脊线位置指数，(b)代表NAO指数，(c)代表亚洲经向环流指数(等值线代表环流指数与SLP的相关系数，间隔0.1，零线未画出；箭头代表环流指数与水平风场的相关系数；灰色阴影所代表的是通过0.1显著性检验)。

3 讨论与结论

3.1 讨论

通过分析降水因子的变化趋势特征，揭示出华北持续性降水过程的长期变化呈现较为显著的区域特征。在东区和北区，虽然持续性降水事件场次占比、降水量占比、降水历时减小，但峰值雨强占比增加，致使这两个区域降水表现为：过程更加集中、极端性增强，进而使得土壤受侵蚀风险加大[50]，尤其是北区的区域特征，由于其下垫面超渗产流机制、河道长度短、汇流速度大的特点，极易引发该区山洪灾害发生。中南区，持续性降水事件场次占比、降水量占比、降水历时均呈增加趋势，这一特征将导致该区土壤含水量的增加，特别是对包含地下水的岩体，极易造成岩体软弱发生滑坡塌陷，因此需提高中南区域山前的滑坡、泥石流防范意识。

文中分析大气环流与峰值雨强变化的相关性不显著，可能与峰值雨强多产生于中小尺度系统有关，而太阳辐射、地表温度是影响对流性天气过程的主要因子。通过进一步分析1965—2018年各区地表气温变化趋势，表明3个区域地表气温均呈上升趋势，但是增速相差较大，北区速度最快为0.3℃/(10 a)，其次为东区0.2℃/(10 a)，中南区最慢为0.1℃/(10 a)，北区和东区地表气温升高较快使得大气静稳度降低，上升气流速度加快，可能是这两个区峰值雨强占比增加的主要原因之一。

华北地处中纬度，地形复杂，因此影响华北夏季降水的因子众多，除了东亚季风南北进退等大气环流内部因子，还有海水温度、积雪、北极海冰等外强迫因子。因此与降水因子整体变化以及单个周期变化有关的因子会呈现不一致特征。

3.2 结论

利用华北51个站逐时降水资料，分析了夏季持续性降水的长期变化特征及其与大气环流的关系，发现降水过程区域特征明显并且降水因子之间变化存在独立性，具体结论如下：

(1)华北持续性降水特征空间差异显著，降水因子演变形势变化明显。与其他区域相比，东区为持续性降水事件的多发区，降水事件具有降水量大、历时长、峰值雨强大的特点，区域趋势的显著性检验表明，华北东区持续性降水事件场次占比、降水量占比呈减少特征，但峰值雨强占比增加，降水极端性增强。北区持续性降水峰值雨强占比增强。中南区持续性降水趋势特征不显著。

(2)不同区域降水因子突变特征和周期特征存在差异，影响因子各不相同。整个华北地区降水量在1996年前后出现突变，而东区降水量在20世纪80年代末出现一次地域性突变。东区降水因子以准8a为主，降水历时和峰值雨强分别在1988年、1989年前后出现周期突变，西太平洋副高脊线位置对该周期降水有正向影响；北区和中南区降水因子分别具有准4 a和准6 a的周期信号，ENSO对整2个周期信号主要有负向影响。

(3)引起不同区域持续性降水因子分异的因素差异显著。东区降水历时受北太平洋副高脊线位置的影响显著，而北区的降水量和降水历时变化与NAO异常密切相关，中南区降水量和降水历时主要是受亚洲经向环流的影响。东区和北区地表增温幅度较大，可能是导致这两个区峰值雨强占比增加的原因之一。

基于小时资料的持续性降水过程分析表明，其变化不仅在降水内部因子趋势、突变和周期变化上呈现不一致的特征，在气候分区上也存在显著差异，因此在构建洪涝灾害风险评估模型，需要进一步考虑降水过程变化以及区域差异的影响，能够有效地提高评估精度。本文对华北夏季持续性降水特征事实进行的全面分析，寻求相关的环流因子，利于洪涝预警风险模型构建时的因子筛选，但是其变化的物理机制有待进一步研究。