引言

极端降水事件指的是降水量超过一定阈值，统计意义上不容易发生的降水事件(翟盘茂和潘晓华, 2003)。近年来，在全球增暖背景下，我国极端降水事件的发生频次、持续时间、影响范围都出现了明显的增加趋势(Chen and Zhai, 2013; 江洁等, 2022; 刘远等，2023)，其引发的泥石流、洪涝等次生灾害日益严重，使人民生命财产安全遭受巨大损失(李晓婧, 2019)。

许多学者基于日降水资料对极端降水分布和变化特征开展了细致研究。我国极端降水事件发生频次整体呈逐年上升趋势(Zhai et al, 2005; 程诗悦等, 2019; 伍红雨等, 2020)，1961—2013年我国68%的地面观测站极端降水日数呈现增加趋势(卢珊等, 2020)；其中1976—2000年极端降水正线性变化趋势比前期的范围更大(刘学华等, 2006)。我国极端降水变化趋势具有显著区域差异，过去50年我国东北、华北和黄河流域的极端降水事件呈下降趋势；长江流域、东南沿海、华南、内蒙古、西北和青藏高原的极端降水事件强度则呈上升趋势(王冀等, 2008; Fu et al, 2013；任正果等, 2014; Ma et al, 2023)；西南地区约60%的站点极端降水频次和强度增加(Zheng et al, 2022)。除地区差异外，我国极端降水事件的变化趋势还有明显季节差异，其在西北地区的全年、长江流域及江南地区的冬季和夏季、华北地区的冬季和春季以及东北地区的冬季表现为增长趋势(邹用昌等, 2009; 黄垭飞等, 2021)。

近年来，我国极端降水伴随极端雨强的特征愈加显著，常造成区域或测站创历史纪录的短时雨量，如“21·7”河南特大暴雨小时降水201.9 mm(冉令坤等, 2021; 汪小康等, 2022a; 杨浩等, 2022；苏爱芳等，2022)，2017年广州“5·7”极端降水3 h降水量382.6 mm(伍志芳等，2018；Li et al, 2021)，2021年湖北随州“8·12”极端强降水6 h降水量462.6 mm(汪小康等, 2022b)，湖北荆门2016年7月一次极端降水8 h雨量599.8 mm (赵娴婷等, 2020)等，对于上述在日内尺度出现极大降水量的极端降水事件，采用日值降水数据很难捕捉其细部特征(孔锋等, 2019)，采用小时降水可以更准确地描述降水过程，更真实地反映降水强度和频次时空分布特征(Trenberth et al, 2003; 李建等, 2013)。

我国不同地区极端小时降水的时空分布具有显著差异。纬度越低的地区出现极端小时降水的月份跨度越大，华南沿海和海南4—10月均可出现；5月起，强降水逐渐向北扩展，7月极端降水范围最大，有南部沿海和华北平原两个强中心；8月底后，大部分地区极端降水大幅减弱(Luo et al, 2016; 吴梦雯和罗亚丽, 2019)。基于固定阈值的研究表明，我国小时强降水总体上呈现从南向北递减特征，与暴雨日频次空间分布相似(Chen and Zhai, 2013), 分钟降水也有类似特征(战云健等, 2021)。基于相对阈值的研究发现，小时降水强度阈值髙值在华北、长江中下游、华南沿海和四川盆地西部，西北地区阈值偏低(Zhang and Zhai, 2011; 李建等, 2013)。

我国极端小时降水还具有显著的日变化特征。董新宁等(2023)分析了川渝地区夏季极端降水发现，高海拔地区峰值多在前半夜，低海拔地区峰值多在后半夜，且自西向东峰值时间逐渐推迟。基于百分位阈值统计的极端小时降水日变化显示，云南、华南、华北和东北地区最大频次在傍晚，川西高原最大值在午夜，云贵高原、四川盆地最大值在深夜和清晨(Zhang and Zhai, 2011)。

回顾前人工作发现，早期学者对极端降水的研究多基于日降水量，关注了日极端降水的空间分布和长期变化趋势；近年来，随着小时降水数据集的完善，在研究中逐渐被采用，但多为极端降水演变趋势分析或展示某一个阈值降水的时空分布特征。本文着眼极端降水事件自身特征，基于完备的(1951—2021年)国家站小时降水资料，对全国范围内主雨季(4—10月)的小时降水进行了统计研究，对比了不同极端性(百分比阈值)的小时降水时空分布和变化特征，聚焦了不同强度小时降水日变化的共性和特性。

在全球气候变暖背景下，我国伴随极端雨强的灾害性强降水频发。这类灾害预警和防范的难点在于强降水发生的精确时间和精准落区，因此精细刻画我国极端小时降水的统计特征就显得尤为重要，是掌握极端降水规律并准确预报、预警的重要基础。

1 数据、定义和方法

本研究基于1951—2021年主雨季(4—10月，其中北方部分站点为5—9月；详见Luo et al，2016)小时降水，开展全国范围内不同强度小时降水特征研究。小时降水数据来自国家气象信息中心，包含中国2420个国家级台站建站以来的小时降水，该数据经过国家气象信息中心的多源数据整合，通过了极限值检查、时空一致性检查等严格的质量控制。因本文不涉及年际变率等对数据年限有严格要求的量，为了呈现更多站点的特征，数据筛选过程中并未对站点数据年限进行限制，仅要求其数据准确可靠，只去除了北方冬季无降水观测的月份和整月缺测的月份。

极端降水的定义常用固定阈值和百分比阈值两种方法。基于固定阈值的定义方法，能够反映极端降水的绝对强度(陶诗言, 1980)；但我国各地区之间气候态地域差异显著，降水量极值差别巨大，小时降水也具有复杂的区域特征(Luo et al, 2016)。且降水量大的地区一般防洪设施较完善，防洪能力较强，而干旱地区相对较小的降水量也可能会造成严重后果，因此采用百分比阈值的定义方法更能体现极端降水事件的空间分布特征，也更符合防灾减灾的需求(Zhang and Zhai, 2011)。

基于上述原因，本文采用百分位阈值方法对极端降水进行分析，具体做法为：对每个台站，将小时降水所有样本按升序排列，雨量≥0.1 mm的子样本的第x个百分位的雨量数值，即为该站极端降水第x百分位阈值(李建等, 2013; 孙婧超等, 2019)。

文中地图底图基于标准地图服务网站下载的审图号为GS(2020)4619号的标准地图制作，底图无修改。

2 中国主雨季极端小时降水时空分布特征 2.1 极端小时降水空间分布特征

利用1951—2021年主雨季小时降水数据，计算得到所有站点上小时降水最大值和不同百分位的阈值，并将全国所有站点的阈值从小到大排序得到表 1，表中序位数值越小对应阈值越小。如99.9th百分位阈值的25%序位数值是27.10，计算方法是全国所有站点99.9th百分位阈值从小到大排序，得到的第605位站点(2420站的25%)的阈值数值27.10 mm，也即是有75%的站点99.9th百分位阈值超过27.10 mm。

由表 1可见，不同站点之间小时降水最大值的差异显著，最大小时降水(201.9 mm)出现在2021年7月20日17时河南郑州站，超过10%的站点出现过100 mm以上的小时降水，超过75%的站点出现过50 mm以上的小时降水，同时，有10%的站点最大小时降水在36 mm以下，最小值仅为3.3 mm。以99th百分位阈值衡量，约25%的站点小时降水达到小时强降水(20 mm·h^-1)的标准；以99.9th百分位阈值衡量，超过75%的站点达到小时强降水的标准，接近10%的站点达到极端小时强降水(50 mm·h^-1)的标准。

根据不同百分位下所有站点阈值的排序结果，给出了站点上不同百分位阈值所处序位区间的空间分布(图 1)。不同颜色代表该站点的阈值在全国站点阈值中的排序位置，数字越大对应站点阈值越大，代表该站点降水极端性越强。图 1显示，不同百分位下站点阈值所处序位区间的空间分布具有相似的特征，以胡焕庸线(图 1黑色直线，瑗珲—腾冲线)为界，西北小东南大。西部地区小时降水阈值几乎都在10%以下，只有新疆西部、西藏南部等几个相对大值中心的阈值排序在10%~25%。随着百分位增大，胡焕庸线以东的大值中心呈现从南向北移动的趋势，说明相比南方地区，北方地区降水极端性更强。

同一个站点的小时降水在不同百分位阈值排序中有所差异，综合考虑降水极端性、降水特征和性质及主要影响系统等因素之后，划定了四个大值区：华南地区(P1区)、环渤海地区及其南侧(P2区)、长江中下游地区(P3区)和四川盆地及周边(P4区)，其中P1区的降水最强，P2和P3区次之。四个区域不同百分位阈值(下称不同强度)小时降水差异具体表现为：(1)P1区降水整体最强，各个百分位阈值均为从北向南增强，大值中心均位于沿海地区，区域内站点中位数降水阈值(图 2中P1对应盒中线)均超过全国所有站点排序的90%(表 1)。随着阈值增大(极端性增强)，P1区内排序靠前的站点占比略有减小。(2)P2区小时降水阈值从西向东增大，大值中心同样始终位于沿海地区。随着极端性增强，P2区排序靠前的站点占比明显增大，其中90th百分位及以下阈值低于P3区，99th百分位及以上阈值仅次于P1区，区域内99.9th百分位阈值中值(图 2d中P2对应盒中线)接近P1区，25%分位数值(图 2d中P2对应盒下端)为四个区最高。(3)随着极端性增强，P3区站点排序略有减小，同时大值中心逐渐北移，99.9th百分位阈值最大的区域在湖北省中东部。(4)P4区百分位阈值始终最低，但随着极端性增强，P4区排序靠前的站点增量最大，阈值在区域西部(四川盆地西坡)的增大更显著，99.9th百分位阈值在雅安市及周边地区出现大值中心。

以上分析可见，中国小时降水大值主要分布在胡焕庸线的东侧，存在四个大值区，且随着极端性增强，各区演变特征不同：强度上看，P1区始终为强中心，P3区强度略有减少，P2和P4区则有明显增强；位置上来看，全国范围内强降水中心逐渐北移，P3区内的降水中心也有北移的趋势。极端雨强多发于P1和P2的沿海地区、P3的湖北省中东部和P4的雅安市及周边地区。

2.2 小时降水最高频次月份分布特征

本节统计了每个站点小时降水超过0.1 mm的所有降水和不同强度极端小时降水出现在各个月份的次数，将次数最多的月份作为该站点的小时降水最高频次月份。图 3b显示了所有小时降水最高频次月份的空间分布，其中最高频次月份分别为：4月(绿色)的站点有62个，主要位于湖南东北部、江西中北部；5月(黄色)的站点集中在江汉、江南中西部和华南北部；6月(红色)集中在长江中下游，以及华南、西南地区和西北地区部分站点；7月(紫色)站点最多(976个)，集中在华东中北部、华北中东部、东北地区以及西南地区南部、西部和西藏地区，零散出现在西北地区和内蒙古中西部；8月(蓝紫色)站点主要集中在内蒙古中西部及南侧相邻的西北地区、东北地区北部，零散出现在海南、广西和广东沿岸站点以及西北地区西部；9月(蓝色)站点集中西北地区东部和西南地区东部以及海南沿岸；10月(浅蓝色)站点最少(55个)，集中在四川东部、重庆西部以及海南中部。

基于日降水(图 3a)与基于小时降水(图 3b)的所有降水最高频次月份空间分布差别主要集中在华西秋雨北区(西南地区东北部、西北地区东部、华北地区西南部及华中地区西北部)、江南地区南部(湖南中南部和江西中部)和海南中部三个区域。华西秋雨北区中，基于日降水的最高频次月份在5—7月和9—10月，基于小时降水统计之后集中在9—10月；海南中部降水最高频次月份在基于小时降水统计后也从8—9月推迟至10月，这说明如果用日降水统计，会对华西秋雨北区和海南的秋季降水估计不足。江南南部部分站点基于日降水统计的最高频次月份为4月，基于小时降水的则为5月。在这些站点上，4月日降水频次高，但小时降水频次相对较低，显示多为阵性降水；相反5月为小时降水统计最大值月份，日降水则不是，意味着这些小时降水更多的集中在同一天发生，与江南地区的梅雨属性相符，这个差异显示基于日降水的统计低估了江南南部早梅的贡献。

所有降水和不同强度小时极端降水的最高频次月份呈现出如下统计特征(图 3g)：(1)随着阈值的增大，降水最高频次月份占比的集中性增强，所有降水的最高频次月份有较大概率出现在从4月到10月的不同月份中，而99.9th百分位阈值则有3/4以上的站点集中在7月、8月；(2)所有强度下，最高频次月份为7月的站点均最多，从所有降水占比40.31%逐渐增长到99th百分位阈值占比56.67%；(3)随着极端性增强，最高频次月份为8月的占比稳步升高，从8.92%(所有降水)到28.79%(99.9th百分位阈值)，增量最大。

不同强度小时降水最高频次月份的空间分布(图 3c~3f)显示，随着极端性增强：(1)中国南方最高频次为4—5月的站点急剧减少，且位置向华南移动；江汉、江淮和江南地区极端降水月份从4—6月逐渐推迟5—8月，且上下游和南北向之间的差异逐步减小；华南沿海则从6—8月提前至5—7月。(2)西北地区东部和西南地区东部9—10月的高频次月份站点稳步减少，99.9th百分位阈值标准下，站点最高频次月份基本都出现7—8月。(3)其他地区与全国统计平均的变化特征基本一致，高频次月份向7月、8月集中，且8月增加的更显著。

上述分析显示：所有降水最高频次月份的空间分布呈现明显的区域性聚集特征，华南和江南地区最高频次月份多为4月、5月、6月，对应前汛期雨季；长江中下游地区多为5月、6月、7月，对应梅汛期，且呈现上游比下游早，江南比江北早的特征；华北、东北多为7—8月，对应盛夏北方强降水；华西地区多出现在9—10月，对应华西秋雨。

随着极端性增强，极端小时降水最高频次月份逐渐集中，并从6月、7月逐渐推迟到7月、8月，其中7月始终占比最高，但8月增长最快，这说明梅雨期小时降水的极端性小于盛夏时期。空间分布上，区域性聚集特征逐渐减弱，不同地区之间的差异逐渐减小，主要特征为从华南到华北从5月、6月推迟至7月、8月；江南地区虽然总降水最常发生在4月、5月，但极端小时降水更多的出现在6—8月；华西秋雨期出现极端小时降水的概率也很小。

2.3 极端小时降水频次日变化特征

上节统计分析了中国小时降水最频发月份的特征，本节对不同强度和不同区域小时降水频次的日变化特征展开分析。全国所有站点平均的不同强度小时降水频次占比日变化(图 4)显示，95th及以下百分位阈值的小时降水日变化均呈现双峰双谷特征，峰值在08时(北京时，下同)和19—20时，两个峰值数值接近，随着阈值增大，上午峰值略有减小，下午峰值稍有增大；谷值在01—02时和14时。99th及以上百分位阈值小时降水中午到夜间为一个强的谷值(14时)—峰值(20时)循环，极端性越强，峰谷值差异越大，其中99.9th百分位阈值差异达3.5%；次峰值在00时，随后缓慢波动降低至午后谷值，后半夜—上午的循环不明显。

总体来看，18—03时, 极端性越强占比越大，前半夜的峰值越大；04—16时, 极端性越强占比越小，午后的谷值越小。除所有阈值均出现的午后—前半夜循环以外，95th及以下阈值还出现了后半夜—上午的循环，而99th及以上阈值存在位于00时的次峰值。

不同强度小时降水空间分布(图 1)显示全国范围内有四个大值区，图 5以75th和99.9th百分位阈值为代表详细分析两者日变化的异同。75th百分位阈值标准下(图 5a)，P1、P2、P3区域小时降水频次占比日变化与全国平均相类似，均有两个峰值和两个谷值。P1区主峰值在18—19时，数值达到5.3%，接近全国平均99th百分位阈值的峰值，次峰值在09—10时，谷值在02时和14时。P2区和P3区的两个峰值数据接近，均在4.5%左右，其中P3区夜间峰值略强，出现在19时，上午峰值在10—11时，夜间谷值在02—03时；P2区则是上午峰值稍强，出现在08时，夜间峰值在20—21时，谷值在01—02时。P4区日变化与其他三个区域以及全国平均则完全不同，为单峰单谷结构，峰值在06时，谷值在20时，且峰值最大(6.3%)、谷值最小(2.5%)、振幅最大(3.8%)。

99.9th百分位阈值标准下(图 5b)，由于样本量的减少(最小样本量仍超过100个，具有统计意义)，变化不规则，但仍能看出以下特征：P1和P3区仍为双峰双谷结构，主峰值均在20时，其中P3区峰值最大(7.3%)；上午的次峰值P1区为07时，P3区为11时，两个谷值分别出现在凌晨和午后。P2区变为单峰谷循环，夜间的谷值和上午峰值消失，峰值在20时，谷值在14时。P4区仍为峰值在清晨05时的单锋谷结构，但谷值由夜间提前到与其他三个区域一致的午后。

总的来说，75th百分位阈值小时降水频次占比日变化，P1、P2、P3均为双峰双谷循环，且从南到北夜间峰值略有推迟，数值逐渐减小，夜间谷值逐渐增大，夜间的峰谷循环振幅逐渐减小；白天峰值在上午，谷值在午后。P4区则为单峰谷结构，峰值在凌晨，日变化振幅最大。而99.9th百分位阈值标准下，P1、P2、P3区主峰值均在夜间20时，但P3区最大；P2区上午峰值消失，P1区提前；P4区的变化主要是谷值由夜间提前到午后。

2.4 极端小时降水峰值特征

上一节的分析发现全国平均小时降水频次占比日变化(图 4)的两个峰值特征不同，夜间峰值数值大时间短(19—20时)，而上午峰值平缓(07—11时)，高耸的夜间峰值说明站点达到峰值的时间较为接近，而平缓的上午峰值有两种可能，一是站点本身的峰值就是平缓的，二是不同站点到达峰值的时刻有所差异。为了解释这个问题，本节聚焦站点小时降水峰值时刻的精细化特征。

2.4.1 不同强度小时降水峰值特征差异

某时刻的小时降水峰值时刻空间占比定义为：小时降水日变化的峰值时刻为该时刻的站点数/全国站点数×100%，占比越大显示峰值时间为该时刻的站点越多。不同强度小时降水峰值时刻空间占比的日变化(图 6)显示，95th及以下百分位阈值日变化特征基本一致，为双峰双谷循环，主峰值在19时，最大占比在11%~12%，次峰值数值较低(约6%)但持续时间较长，且极端性越强，峰值越小；谷值为14—15时和02—03时。99th百分位阈值日变化为单峰单谷，下午—夜间的变化特征与95th及以下百分位阈值类似，峰值略晚(20时)，谷值稍早(13时)，振幅最大(接近12%)，夜间到上午呈小幅波动。99.9th百分位阈值则与其他阈值差异较大，其在00时和20时有两个相当强度的峰值(8%左右)，谷值在13时。

总体来看，不同强度小时降水峰值时刻空间占比日变化在11—23时基本一致，均为上午减小，中午至午后达到谷值，下午迅速增大，19—20时达到峰值，最后迅速下降。00—10时不同强度之间差异较大，01—05时极端性越强，峰值时刻空间占比越大，06—11时则相反，因而95th及以下阈值降水峰值时刻空间占比次峰值出现在上午，99.9th百分位阈值则在00时出现峰值。

某时次的峰值时刻空间占比越大, 代表峰值时刻为该时刻的站点数越多；而某时次的频次占比越大, 显示该时刻出现达到阈值的降水总次数最多。小时降水峰值时刻空间占比(图 6)与小时降水频次占比(图 4)，两者均为下午到夜间出现主谷峰，且95th及以下在后半夜到上午出现次谷峰。在频次占比日变化中出现的夜间峰值大时间短、上午峰值平缓的特征，在峰值时刻空间占比中同样出现了，这说明频次占比上午平缓的峰值很大程度上可能是不同站点的峰值时刻存在明显的差异所导致。随极端性增大，频次占比主谷峰振幅增大(峰值变大、谷值变小)，而峰值时刻空间占比99th百分位及以下阈值峰谷值基本一致，可能原因是随着阈值的增大，出现在该时次的降水总次数增多/减小了，但是这些增量/减量多由峰值时刻为该时次的站点贡献，所以峰值时刻空间占比的数值(即站点数量)没有显著变化。

2.4.2 不同强度小时降水峰值时刻空间分布特征

分析站点小时降水频次占比(图 4)和峰值时刻空间占比(图 6)日变化时，发现了夜间19—20时的主峰值和上午的次峰值，为了验证上一节对降水日变化特征的解释，本节进一步给出不同强度小时降水峰值时刻的空间分布。所有降水峰值时刻的空间分布(图 7)显示，这两个峰值具有明显的空间聚集特征：夜间峰值(青色-绿色系)主要出现在江南中东部、华南沿海(东南丘陵地区南侧)和华北地区中西部、东北地区中北部(非沿海地区，太行山、燕山山脉西侧)。早晨—上午峰值(红色-紫色系)覆盖了中国中东部除了夜间峰值以外的大部分区域、西南地区东部和南部以及西北地区西部，中国西部其他地区的小时降水峰值时刻分布较为零散，特征不显著。

结合中国地形分布特征(图 7)分析发现，西南地区和中东部地区的小时降水峰值时刻空间分布中出现了逐渐推迟和突变两种特征。具体来说：(1)逐渐推迟：华南沿海(广东、广西)和海南峰值呈现从南到北(从海岸到内陆)逐渐推迟，海岸地区峰值时刻最早，多在中午前后，进入内陆后峰值时刻逐渐推迟到下午和前半夜。华北地区小时降水峰值时刻则从西向东推迟，从山西、内蒙中部到河北中南部、北京，降水峰值从18时逐渐推迟到00时。四川盆地降水峰值时刻呈现从盆地西部(02时)到东部(10时)逐渐推迟的特征。(2)突变：东南丘陵地区出现突变，山地南侧小时降水峰值为18时前后，北侧为08时前后；华北地区在靠近海岸时出现突变，从河北南部和北京的22时左右突变为天津和河北东部沿海的06—10时。

这种逐渐推迟和突变的特征与地形以及海陆分布密切相关。一般在山脉背风坡一侧，降水系统多发生东传现象(Parker and Ahijevych, 2007)。Qian et al(2015)研究发现，夜间青藏高原东坡和云贵高原的降雨东移，午夜前进入四川盆地西部，午夜至清晨降水覆盖整个四川盆地，随后自西向东减弱，上午仅在四川盆地东北部出现。动力分析显示，四川盆地降水量的日变化及其向东传播的特征与独特的盆地地形造成的青藏高原和云贵高原与四川盆地之间的山地-平原螺线管环流密切相关，并受到中低层盛行风向和地面加热不均匀的影响。也有分析表明，西南地区午夜至清晨的降水与热力作用导致的山谷风环流、夜间加强的西南风联系密切的水汽输送有关(Wu et al, 2018)。华北地区，降水日变化位相自西北向东南逐渐滞后的现象也与山地-平原螺线管环流有关，沿燕山-太行山系的辐射加热导致该地区在午后易发生对流性降水，该对流降水在对流层中层平均气流的引导下向下游及东南方向传播，是华北平原地区的清晨降水峰值形成的可能原因(He and Zhang, 2010; 宇如聪等, 2014; 杨蕾, 2020)。华南沿海，降水日变化峰值时间向北(内陆)逐渐推迟的特征与华南地区的天气系统相关的低空急流(SLLJ)和边界层急流(BLJ)的日变化及其与海岸的相互作用密切相关：夜间两支急流强度更强，SLLJ位置更偏南，两者在华南海岸地区垂直交叠，在BLJ出口区造成边界层内强辐合，加上地形强迫抬升和海岸辐合作用，使得沿岸地区的降水出现在上午—中午；白天两支急流减弱且SLLJ向北移动，受其影响广东广西中部的降水峰值推迟到下午至傍晚(Du and Chen, 2019; Du et al, 2022; 智协飞等, 2022)。

对比中国中东部地区不同强度小时降水峰值时刻的空间分布(图 8)发现，夜间峰值主要集中19—20时(黑色方框标记站点)，而早晨—上午峰值则均匀分布在07—10时(彩色正方形标记站点)。随着降水极端性的增强，降水峰值时刻的空间聚集性逐渐减弱，随机性逐渐增强：南方和北方的夜间峰值多发区内，降水峰值发生在凌晨和日间的站点增多；而中东部的早晨—上午峰值多发区内，降水峰值时刻出现在夜间的站点逐渐增多；但总体来看，峰值出现在19—20时的站数基本稳定，出现在00—01时的站点(×标记站点)数目则有明显增加。这些结论很好地验证和支撑了前述统计分析的猜想和研判。

综上所述，降水峰值时刻空间占比存在明显的日变化，且随极端性增强而改变：95th及以下百分位阈值均为双峰双谷循环，上午峰值随着极端性增强而变大；99th百分位阈值为单峰单谷特征；99.9th百分位阈值则存在位于00时和20时的两个相当强度的峰值和一个午后谷值。不仅如此，中国小时降水峰值时刻具有空间聚集的特征，夜间峰值主要出现在江南中东部、华南沿海、华北中西部和东北中北部，早晨峰值则覆盖了除了夜间峰值以外的大部分地区，且峰值时刻空间分布中出现了逐渐推迟和突变两种特征，与海陆分布和大地形密切相关。随着降水极端性的增强，降水峰值时刻的空间聚集性逐渐减弱，随机性逐渐增强。

3 结论和讨论

基于中国2420个国家级气象观测站点的小时降水资料，本文采取百分位阈值的极端降水统计方法，系统地分析了1951—2021年中国主雨季(4—10月)小时降水的时空分布和日变化特征，主要结论如下：

(1) 中国主雨季小时降水阈值具有西北小、东南大的特点，四个大值中心分别位于华南地区(P1区)、环渤海地区及其南侧(P2区)、长江中下游地区(P3区)和四川盆地及周边(P4区)。其中P1区阈值最大，从北到南逐渐增强；P2和P3区次之，P2区阈值从西至东部沿海逐渐增大，P3区阈值的大值中心主要在中部。随着极端性的增强，P2区排序靠前的站点比例明显增大，P3区大值中心位置向北移动，P4区排序靠前的站点增量最大，又以四川盆地西坡最为显著。

(2) 小时降水最高频次月份的空间分布随极端性增大发生变化。统计所有降水时，华南和江南地区最高频次月份多为前汛期雨季的4—6月；长江中下游地区多为梅汛期的5—7月；华北、东北多为7—8月；而华西地区多在华西秋雨期的9—10月。随着极端性增强，最高频次月份逐渐集中，并从6月、7月逐渐推迟到7月、8月，而且空间分布上，不同地区之间的差异逐渐减小。

(3) 不同强度不同区域内小时降水频次占比的日变化特征不同。小时降水均存在一个强的谷值(14时)—峰值(19—20时)循环，且振幅随降水极端性增强而增大。95th及以下阈值降水还存在后半夜到上午的次循环，但峰值与极端性成反比。小时降水的日循环还具有明显区域性差异：P1、P2、P3均为双峰(前半夜、上午)-双谷循环；P4为单峰(凌晨)-谷循环，日变化振幅最大。随着极端性增强，P1、P2、P3三个区域夜间峰值集中在20时，上午峰值提前(P1区)或消失(P2区)；P4区谷值由夜间提前到午后。

(4) 99th及以下阈值小时降水峰值时刻空间占比的主谷峰循环在下午到夜间，95th及以下阈值还存在后半夜到上午的次谷峰。与此不同，99.9th百分位阈值在00时和20时有两个相当强度的峰值。降水峰值时刻具有空间聚集的特征，夜间峰值主要集中在江南、华南沿海和华北、东北，早晨—上午峰值覆盖了除了夜间峰值以外的大部分地区；随着降水极端性的增强，峰值时刻的空间聚集性逐渐减弱，随机性增强。此外，峰值时刻空间分布中出现了逐渐推迟和突变两种特征，与海陆分布和大地形密切相关。

某时次的峰值时刻空间占比越大代表峰值时刻为该时刻的站点数越多；而某时次的频次占比越大显示该时刻出现达到阈值的降水总次数最多，两者95th及以下阈值均出现了下午到夜间的主谷峰和后半夜到上午的次谷峰。不同站点到达夜间峰值的时刻接近，导致夜间峰值数值大而时段集中，且随极端性增大，频次占比循环振幅显著增大，而峰值时刻空间占比没有明显变化，这是因为频次的变化主要是由同一些站点上的次数变化导致，而非不同站点之间的差异。与夜间峰值不同，上午较为平缓的峰值则是由于不同站点小时降水到达峰值的时刻有所差异造成的，所以频次占比和峰值时刻空间占比呈现类似的特征。

对比前人的研究结果与本文的结果后发现，前人基于日值资料得出的极端降水阈值的空间分布为从东南到西北地区逐渐减少，在环渤海地区及其南侧区域(P2区)并不存在大值中心(闵屾和钱永甫, 2008; 王志福和钱永甫, 2009; 江洁等, 2022)，而本文基于小时降水资料则发现P2区存在较大的极端降水阈值，并且在随着极端性增强，逐渐超过传统强降水P3区(长江中下游地区)。这种差异的可能原因是P2区域极端降水的日变化振幅较大，极端降水多集中于20时左右，基于日降水量统计就会显著减弱P2区域降水的极端性。一方面，这里的极端降水多为突发性短时强降水，另一方面，北方地区防洪设施和意识往往不如南方地区，更易导致严重的人员和财产损失，凸显了基于小时数据尤其是不同极端性对比研究的意义。此外，月际变化方面，相比日降水，基于小时降水的统计分析强调了华西秋雨北区和海南岛中部9—10月的秋季降水贡献以及江南地区南部5月早梅降水的贡献，这对于汛期降水的预报预警及灾害防控都是极为重要的。

本文对中国主雨季小时降水进行了统计研究，关注了不同极端性小时降水的时空分布和变化特征，聚焦了不同极端性小时降水日变化的共性和特性，并初步解释了降水峰值时刻的空间分布特点的成因，及其与频次占比峰值成因之间的异同，但本文尚未对影响小时降水时空特征的原因进行深入分析，因此，对于不同区域、不同性质及不同极端性的降水事件对应的大气环流特征、表面温湿状况、地形作用、气候变化等内部变率或外部强迫因素，值得在今后的工作中进行研究和讨论。