Page 117 - 2021年第52卷第10期

20 世纪 50 年代开始就有学者对降水量的概率分布选择进行研究，早期的研究多推荐使用两参数
［15］
的 G2 分布来拟合日降水序列。Buishand 对不同国家的 6 个雨量站的日降水序列进行模拟，指出日
降水量序列的变差系数与偏态系数的经验比值与 G2 分布的理论比值十分接近，从而认为日降水量的
统计特征可由 G2 分布描述。Geng 等 ［16］ 的研究表明 G2 分布函数的形状参数可以较好地描述日降水量
的正偏态性，并与降水量大小密切相关，得出日降水量服从 G2 分布，可由 G2 分布模拟的结论。除
G2 分布外，两参数的威布尔（W2）分布也用常于日降水量的拟合与模拟。Duan 等 ［17］ 的研究指出由基
于 W2 和 G2 分布的天气发生器产生的合成降水与实测的日降水量最为接近。
G2 分布虽然是迄今最为普遍使用的日降水量分布模型，但随着降水资料的延长、极端降水事件
的频发，结构简单的 G2 分布已经很难描述日降水全序列特征，如右尾处的极值特征。因此，日降水
的概率分布选择从最开始结构简单的二参数 G2、W2 等分布逐步向参数更多、更加灵活的偏正态分
布、对数正态（LN3）分布、皮尔逊-Ⅲ型（P-Ⅲ）分布、卡帕（KAP）分布等方向转变 ［18-19］ 。Shoji 等 ［18］ 的
研究指出 LN3 分布对日本中部地区不同时间尺度降水序列的拟合效果均很好，适用性要优于 W2 分
布。Ye 等 ［19］ 开展了美国点尺度和流域尺度的日降水频率分析，结果表明 G2 已经无法完备描述日降水
的统计特征，参数更多 P-Ⅲ和 KAP 分布优势明显。除了单分布概率模型外，混合分布模型也常用于
日降水序列的拟合，Li 等 ［20］ 采用指数—广义帕累托（E-GPA）混合分布对美国德克萨斯州日降水序列
进行拟合，探究其模拟降水全序列的能力，虽然混合模型可以针对降水序列不同频段的特征，采用
不同的概率分布来“分而治之”，但其在模型结构上复杂度更高、参数更多、参数估计方法更复杂，
不易于推广与应用。
国内对日降水概率分布的研究，目前多集中在特定季节、特定区域以及降水极值部分，尚未见
到对全国范围且完整的降水量序列开展概率分布的研究。在选择分布时，并未有通用、普适性的概
率分布模型得到验证，多凭借经验选择 G2 等分布 ［21-25］ 。Li 等 ［21］ 采用早期研究中推荐使用的指数（E）、
G2、W2 等结构简单的分布以及混合概率分布拟合日降水量，仅考查了其模拟中国黄土高原地区日降
水统计学特征的能力。刘学华等 ［22］ 和梁莉等 ［23］ 采用 G2 分布分别拟合全国 174 个站点夏季逐日降水序
列和淮河流域 158 个雨量站的夏日降水量序列，分析了无条件雨日和有条件雨日的降水概率特征。赵
琳娜等 ［24］ 采用 G2 分布模拟分析了中国东南地区台风小时降水总量的概率分布特征，得到了降水累积
概率分布和极端降水阈值。廖要明等 ［25］ 采用基于 G2 分布的天气发生器对中国各地的逐日降水进行模
拟，并分析了 G2 分布参数的空间特征。
为此，本文在全国范围内进行日降水量概率分布的适用性研究，以雨日（>0.1mm）降水量为研究
对象，考查不同概率分布描述降水全序列统计特征的能力，并结合不同实际应用需求，给出可全面
描述并重现日降水序列统计特征，且结构简单、参数少的全国日降水概率分布的空间分布图，以期
为降水频率分析、随机模拟、气候变化等方面的研究工作提供借鉴。

2 数据与方法

本文研究采用中国气象数据网（http：/data.cma.cn/）提供的全国气象站的日降水数据，选取日降水
/
数据序列的时间长度不小于 30 年，且缺测率不大于 1%的站点数据用于研究，最终选定 820 个气象站
点，其中数据长度范围为 31 ~ 59 年，大于 55 年的站点占比为 95%。
针对雨日降水量序列，首先通过线性矩比值图选定潜在分布；接着采用线性矩法估计各潜在分
布的参数并进行拟合优度评价，初步确定各气象站日降水量的最优概率分布；然后基于初步评价结
果，对比参数个数不同分布的拟合效果，进一步制定不同的最优概率选择策略；再对参数个数不同
但拟合效果相近的分布，开展基于天气发生器的蒙特卡洛模拟，考查评价各分布重现降水量不同分
位值以及年际变异的能力；最后根据随机模拟值和实测值之间的偏差，选定不同模拟情形下的最优
概率分布，并给出全国最优概率分布函数的空间分布。本文的研究方法和内容的技术路线流程图如
图 1 所示。

— 1249 —