基于时空分布特征的城市暴雨强度计算方法及系统、设备、存储介质

摘要

本发明公开了一种基于时空分布特征的城市暴雨强度计算方法及系统、设备、存储介质，该方法通过构建区域气象模型，可以模拟任意降雨事件过程以及城市尺度的网格化降雨强度时空分布，然后，利用区域气象模型执行降雨模拟获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据，最后分别计算历史暴雨强度和/或未来暴雨强度，通过基于区域气象模型的模拟数据来进行暴雨强度计算，不仅可以很好地适用于降雨记录尚不足以支撑暴雨强度分析的地区，而且能够应用于预测气候变化背景下未来不同时期城市设计暴雨强度的变化过程，为城市涉水系统的设计、城市防洪排涝、海绵城市建设等提供了精细化设计、评估的工具。

说明书

技术领域

本发明涉及城市排水防涝技术领域，特别地，涉及一种基于时空分布特征的城市暴雨强度计算方法及系统、设备、计算机可读取的存储介质。

背景技术

设计暴雨强度是我国城市建设中涉水系统开展规划、设计、评估等工作的重要依据和前提，城市暴雨强度公式是否科学合理、是否客观反映城市降雨特征与规律，直接影响到城市排水防涝基础设施建设和海绵城市建设的规划和工程项目的设计建设，进而影响到整个排水工程建设投资规模，以及系统的效能发挥和维护成本。我国暴雨强度公式编制经过数十年的实践发展，暴雨强度公式的精度已经有较大提高，随着新理论、新技术和新方法的提出和应用，暴雨强度公式的编制体系仍在完善。

目前，我国城市暴雨强度公式编制均以城市降雨监测站点的长期降雨记录为基础开展，为了达到精度要求，通常需要连续20年以上的降雨记录。此外，城市降雨不仅受全球大气环流、海陆因素以及气候变化等大尺度的环境影响，还受到地形地貌、城市化造成的“热岛”效应、“雨岛”效应等多种区域因素的共同作用，而且在城市尺度上，降雨量的时空分布也往往存在显著差异。然而，我国大部分城市的气象监测站点数量较少、建成时间短，降雨数据记录存在时间间隔长、质量参差不齐以及数据缺失等问题，极大影响了传统暴雨强度公式编制方法的适用性。目前，绝大部分城市仅编制有基于单个降雨监测站点的城市暴雨强度公式，尚未在城市暴雨强度公式编制工作中考虑城市尺度上的降雨空间分布差异性，仅北京、厦门等地根据城市暴雨特性进行了暴雨分区划分，但其仍以城市内的多个气象站点降雨记录为基础，降雨监测站点数量和分布，降雨数据历史记录完整性、合理性和代表性等因素对结果的影响较大；同时，在暴雨分区划分中，未考虑地形、下垫面等因素的影响，极易造成在局部地区失真。此外，以暴雨强度公式为依据设计的城市排水防涝系统、海绵城市系统在建成后通常需要长期服务，因此，在城市排水防涝系统、海绵城市系统规划设计中应当包含未来的城市降雨特征，然而，传统暴雨强度公式编制均以历史降雨记录为基础开展，仅能体现当前城市降雨特征，而缺乏对气候变化背景下城市未来降雨特征变化的预测。

发明内容

本发明提供了一种基于时空分布特征的城市暴雨强度计算方法及系统、设备、计算机可读取的存储介质，以解决现有技术存在的上述缺点。

根据本发明的一个方面，提供一种基于时空分布特征的城市暴雨强度计算方法，包括以下内容：

构建区域气象模型并设置目标城市的模拟区域和模拟网格单元大小，并获得适用于目标城市降雨事件模拟的最优模型配置方案；

利用获得的最优模型配置方案配置区域气象模型，采用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据；

基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度，和/或，基于各个模拟网格单元的未来降雨时序数据计算目标城市网格化的未来暴雨强度。

进一步地，所述构建区域气象模型并设置目标城市的模拟区域和模拟网格单元大小，并获得适用于目标城市降雨事件模拟的最优模型配置方案的过程具体包括以下内容：

采用区域气象模型WRF模拟城市降雨动态演进和网格化降雨时空分布，并根据实际需要设置模拟区域和模拟网格单元大小；

获取目标城市的历史暴雨记录，筛选出多场暴雨及以上降雨等级的强降雨事件；

设计不同模型配置方案逐一模拟各场强降雨事件演化过程，获得逐场强降雨事件的模拟降雨数据；

将各场强降雨事件的历史降雨数据与对应的模拟降雨数据进行比较，统计分析两者之间的相关性和模拟偏差，并根据分析结果综合评价不同模型配置方案的模拟效果，筛选出模拟效果最优的模型配置方案。

进一步地，所述采用配置好的区域气象模型执行历史降雨模拟，获得各个模拟网格单元的历史降雨时序数据的过程具体包括以下内容：

收集目标城市连续多年的年最大日降雨量的发生日期，并按照预设顺序进行排序；

采用配置好的区域气象模型按照顺序逐一进行年最大日降雨量事件的网格化模拟，模拟结果记录时间间隔为1小时，提取出每个模拟网格单元的历史模拟降雨时序数据，重复上述内容，完成所有年最大日降雨量的网格化模拟；

针对每个年最大日降雨量事件，基于每个模拟网格单元的历史模拟降雨时序数据统计不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的历史最大降雨量，以构建各降雨历时的历史年最大降雨量空间矩阵。

进一步地，所述采用配置好的区域气象模型执行未来降雨模拟，获得各个模拟网格单元的未来降雨时序数据的过程具体包括以下内容：

获取全球气候模型的气候预测结果数据；

将全球气候模型的气候预测结果数据作为区域气象模型的边界条件和初始条件输入，进行连续的未来降雨模拟；

提取目标时段内各个模拟网格单元的未来模拟降雨时序数据，统计不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的未来最大降雨量，以构建各降雨历时的未来年最大降雨量空间矩阵。

进一步地，所述基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度具体包括以下内容：

基于各降雨历时的历史年最大降雨量空间矩阵，采用广义极值分布函数对模拟网格单元的各降雨历时对应降雨量极值进行分布拟合；

拟合得到广义极值分布函数对应各降雨历时的位置参数空间矩阵、尺度参数空间矩阵和形状参数空间矩阵；

采用基于广义极值分布函数推求的暴雨强度公式计算各个模拟网格单元的各重现期、各降雨历时对应的设计暴雨强度，以构建各重现期、各降雨历时对应的设计暴雨强度空间矩阵；

将各重现期、各降雨历时对应的设计暴雨强度空间矩阵导入ArcGIS系统，根据目标城市市域shp文件，提取目标城市市域的暴雨强度空间数据。

进一步地，模拟区域采用单层模拟网格单元或者多层嵌套模拟网格单元设置，目标层模拟网格单元的水平分辨率设置为1km~4km。

进一步地，还包括以下内容：

对历史暴雨强度和/或未来暴雨强度的计算结果进行可视化展示。

另外，本发明还提供一种基于时空分布特征的城市暴雨强度计算系统，采用如上所述的方法，包括：

模型构建模块，用于构建区域气象模型并设置目标城市的模拟区域和模拟网格单元大小，并获得适用于目标城市降雨事件模拟的最优模型配置方案；

网格化降雨模拟模块，用于利用获得的最优模型配置方案配置区域气象模型，采用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据；

暴雨强度计算模块，用于基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度，和/或，基于各个模拟网格单元的未来降雨时序数据计算目标城市网格化的未来暴雨强度。

另外，本发明还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明还提供一种计算机可读取的存储介质，用于存储基于时空分布特征计算城市暴雨强度的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

本发明具有以下效果：

本发明的基于时空分布特征的城市暴雨强度计算方法，通过构建区域气象模型，不仅可以模拟任意降雨事件过程以及城市尺度的网格化降雨强度时空分布，而且可以根据实际需求设计目标城市的模拟区域和模拟网格单元大小，同时，区域气象模型耦合了城市地形、下垫面、植被等多种环境因素的共同作用，能够很好地模拟城市的历史降雨过程，特别适用于丘陵、高原等地形复杂地区城市的暴雨强度计算，而传统采用多雨量计进行城市尺度空间插值，无法考虑地形、下垫面分布、城市热岛效应等多种因素的影响。并且，还获得了适用于目标城市降雨事件模拟的最优模型配置方案，保证了降雨模拟结果的准确度。然后，利用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，以分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据，最后基于模拟得到的历史降雨时序数据和/或未来降雨时序数据分别计算历史暴雨强度和/或未来暴雨强度，基于区域气象模型的模拟数据来进行暴雨强度计算，不仅可以很好地适用于城市气象监测站点数据少、建站时间短、降雨记录中断/缺失、降雨记录尚不足以支撑暴雨强度分析的地区，而且能够应用于预测气候变化背景下未来不同时期城市设计暴雨强度的变化过程，为城市涉水系统的设计、城市防洪排涝、海绵城市建设等提供了精细化设计、评估的工具。

另外，本发明的基于时空分布特征的城市暴雨强度计算系统、设备、计算机可读取的存储介质同样具有上述优点。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法的流程示意图。

图2是图1中步骤S1的子流程示意图。

图3是图1中步骤S2的子流程示意图。

图4是图1中步骤S2的另一子流程示意图。

图5是图1中步骤S3的子流程示意图。

图6是本发明另一实施例的基于时空分布特征的城市暴雨强度计算方法的流程示意图。

图7是采用本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法以湖南省长沙市城区作为模型模拟中心进行WRF模型配置的示意图。

图8是采用本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法计算得到的2019年长沙市市域24小时降雨历时对应的50年一遇的分钟暴雨强度分布示意图。

图9是采用本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法计算得到的2019年长沙市市域24小时降雨历时对应的50年一遇分钟暴雨强度的空间分布差异示意图。

图10是采用本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法计算得到的2040年长沙市市域网格化各重现期24小时降雨历时的设计暴雨强度空间分布示意图。

图11是采用本发明优选实施例的基于时空分布特征的城市暴雨强度计算方法计算得到的2060年长沙市市域网格化各重现期24小时降雨历时的设计暴雨强度空间分布示意图。

图12是本发明另一实施例的基于时空分布特征的城市暴雨强度计算系统的模块结构示意图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由下述所限定和覆盖的多种不同方式实施。

如图1所示，本发明的优选实施例提供一种基于时空分布特征的城市暴雨强度计算方法，包括以下内容：

步骤S1：构建区域气象模型并设置目标城市的模拟区域和模拟网格单元大小，并获得适用于目标城市降雨事件模拟的最优模型配置方案；

步骤S2：利用获得的最优模型配置方案配置区域气象模型，采用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据；

步骤S3：基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度，和/或，基于各个模拟网格单元的未来降雨时序数据计算目标城市网格化的未来暴雨强度。

可以理解，本实施例的基于时空分布特征的城市暴雨强度计算方法，通过构建区域气象模型，不仅可以模拟任意降雨事件过程以及城市尺度的网格化降雨强度时空分布，而且可以根据实际需求设计目标城市的模拟区域和模拟网格单元大小，同时，区域气象模型耦合了城市地形、下垫面、植被等多种环境因素的共同作用，能够很好地模拟城市的历史降雨过程，特别适用于丘陵、高原等地形复杂地区城市的暴雨强度计算，而传统采用多雨量计进行城市尺度空间插值，无法考虑地形、下垫面分布、城市热岛效应等多种因素的影响。并且，还获得了适用于目标城市降雨事件模拟的最优模型配置方案，保证了降雨模拟结果的准确度。然后，利用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，以分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据，最后基于模拟得到的历史降雨时序数据和/或未来降雨时序数据分别计算历史暴雨强度和/或未来暴雨强度，基于区域气象模型的模拟数据来进行暴雨强度计算，不仅可以很好地适用于城市气象监测站点数据少、建站时间短、降雨记录中断/缺失、降雨记录尚不足以支撑暴雨强度分析的地区，而且能够应用于预测气候变化背景下未来不同时期城市设计暴雨强度的变化过程，为城市涉水系统的设计、城市防洪排涝、海绵城市建设等提供了精细化设计、评估的工具。

可以理解，如图2所示，所述步骤S1具体包括以下内容：

步骤S11：采用区域气象模型WRF模拟城市降雨动态演进和网格化降雨时空分布，并根据实际需要设置模拟区域和模拟网格单元大小；

步骤S12：获取目标城市的历史暴雨记录，筛选出多场暴雨及以上降雨等级的强降雨事件；

步骤S13：设计不同模型配置方案逐一模拟各场强降雨事件演化过程，获得逐场强降雨事件的模拟降雨数据；

步骤S14：将各场强降雨事件的历史降雨数据与对应的模拟降雨数据进行比较，统计分析两者之间的相关性和模拟偏差，并根据分析结果综合评价不同模型配置方案的模拟效果，筛选出模拟效果最优的模型配置方案。

具体地，区域气象模型WRF（Weather Research and Forecasting）作为最新一代的区域尺度的气象模型，其采用欧拉坐标和区域范围正交网格划分，能够实现1km~10km水平分辨率的大气科学研究和数值预报，已广泛地应用于云尺度到天气尺度等不同尺度的重要天气特征模拟和预报，本发明采用WRF模型来模拟城市降雨动态演进和网格化降雨时空分布，可以根据实际需求设计目标城市的模拟区域和网格单元大小。可选地，模拟区域采用单层模拟网格单元或者多层嵌套模拟网格单元设置，目标层模拟网格单元的水平分辨率设置为1km~4km，其中，目标层模拟网格单元指的是单层模拟网格单元，或者多层嵌套中最底层的模拟网格单元，后续说明中的模拟网格单元均指的是目标层模拟网格单元。然后，根据目标城市的历史暴雨记录，筛选出多场暴雨及以上降雨等级的强降雨事件，并获取其对应的历史降雨记录。再参考WRF模型用户手册及文献报道的区域暴雨事件模拟的模型物理机理参数化方案的推荐组合方案，建立一系列可用于区域暴雨事件模拟的模型物理机理参数化方案，包括微气象方案、积云对流方案、长波辐射方案、短波辐射方案、边界层方案和陆面过程方案，构建方案库，选择不同的组合配置方案，对筛选出的多场强降雨事件进行逐一模拟，获得每场强降雨事件对应的模拟降雨数据。最后，将各场强降雨事件的历史降雨数据与对应的模拟降雨数据进行比较分析，例如分析历史降雨数据与模拟降雨数据之间的相关性（R

可以理解，如图3所示，所述步骤S2中采用配置好的区域气象模型执行历史降雨模拟，获得各个模拟网格单元的历史降雨时序数据的过程具体包括以下内容：

步骤S21a：收集目标城市连续多年的年最大日降雨量的发生日期，并按照预设顺序进行排序；

步骤S22a：采用配置好的区域气象模型按照顺序逐一进行年最大日降雨量事件的网格化模拟，模拟结果记录时间间隔为1小时，提取出每个模拟网格单元的历史模拟降雨时序数据，重复上述内容，完成所有年最大日降雨量的网格化模拟；

步骤S23a：针对每个年最大日降雨量事件，基于每个模拟网格单元的历史模拟降雨时序数据统计不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的历史最大降雨量，以构建各降雨历时的历史年最大降雨量空间矩阵。

具体地，收集目标城市的降雨时序记录资料，优选选择目标城市历史长期国家气象站点小时降雨时序记录资料，如无，则采用临近城市的同等精度记录资料，对资料进行整理，核验无误后，筛选出逐年年最大日降雨量的发生日期，并按照时间顺序进行排序，并编号。然后，选择编号1的年最大日降雨量事件，利用配置好的区域气象模型进行网格化模拟，模拟结果记录时间间隔为1小时，然后提取出每个模拟网格单元的历史模拟降雨时序数据；再选择编号2的年最大日降雨量事件，重复上述内容，不断重复，直至完成所有年最大日降雨量的网格化模拟，并分别提取出对应的每个模拟网格单元的历史模拟降雨时序数据。然后，针对每个年最大日降雨量事件，基于每个模拟网格单元的历史模拟降雨时序数据可以统计得到不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的历史年最大降雨量，例如2019年的年最大降雨量事件发生日期为5月13日，降雨历时为3小时所对应的最大降雨量为该日00时~24时逐3小时降雨量累加，筛选累加值最大的值得到。从而，构建出各降雨历时的历史年最大降雨量空间矩阵

可选地，所述步骤S21a中还获取了各个年最大日降雨量当天在不同降雨历时的最大降雨量，并将其填入表1。

表1、某城市气象站点的年最大日降雨量事件记录

针对每个年最大日降雨量事件，在所述步骤S23a中获得各个模拟网格单元对应不同降雨历史的历史最大降雨量后，将实际记录的不同降雨历时的最大降雨量与模拟得到的对应的历史最大降雨量进行对比分析，分别计算每场年最大日降雨量事件对应的模拟降雨校正系数，具体可以采用线性拟合的方式得到校正系数，或者直接采用步骤S1中计算得到的相关性系数作为校正系数。再采用每场年最大日降雨量事件对应的模拟降雨校正系数对步骤S23a中得到的各降雨历时的历史年最大降雨量空间矩阵中最大降雨量进行修正，进一步确保了模型模拟结果的准确度。

可以理解，如图4所示，所述步骤S2中采用配置好的区域气象模型执行未来降雨模拟，获得各个模拟网格单元的未来降雨时序数据的过程具体包括以下内容：

步骤S21b：获取全球气候模型的气候预测结果数据；

步骤S22b：将全球气候模型的气候预测结果数据作为区域气象模型的边界条件和初始条件输入，进行连续的未来降雨模拟；

步骤S23b：提取目标时段内各个模拟网格单元的未来模拟降雨时序数据，统计不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的未来最大降雨量，以构建各降雨历时的未来年最大降雨量空间矩阵。

具体地，先获取IPCC（Intergovernmental Panel on Climate Change）发布的全球气候模型最新气候变化预测结果数据，然后，将获得的气候预测结果数据作为区域气象模型WRF的边界条件和初始条件输入，进行连续的未来降雨模拟。然后，根据实际需要提取出目标时段内各个模拟网格单元的未来模拟降雨时序数据，与历史模拟降雨时序数据相同的，统计不同降雨历时的累计降雨量，并计算得到各个模拟网格单元对应不同降雨历时的未来最大降雨量，同样构建各降雨历时的未来年最大降雨量空间矩阵

可以理解，如图5所示，所述步骤S3中基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度具体包括以下内容：

步骤S31：基于各降雨历时的历史年最大降雨量空间矩阵，采用广义极值分布函数对模拟网格单元的各降雨历时对应降雨量极值进行分布拟合；

步骤S32：拟合得到广义极值分布函数对应各降雨历时的位置参数空间矩阵、尺度参数空间矩阵和形状参数空间矩阵；

步骤S33：采用基于广义极值分布函数推求的暴雨强度公式计算各个模拟网格单元的各重现期、各降雨历时对应的设计暴雨强度，以构建各重现期、各降雨历时对应的设计暴雨强度空间矩阵；

步骤S34：将各重现期、各降雨历时对应的设计暴雨强度空间矩阵导入ArcGIS系统，根据目标城市市域shp文件，提取目标城市市域的暴雨强度空间数据。

具体地，针对各降雨历时的历史年最大降雨量空间矩阵，先采用广义极值分布函数（GEV）对模拟网格单元的各降雨历时对应降雨量极值进行分布拟合。例如，针对同一降雨历时，可以获取N个年最大日降雨量事件对应的历史年最大降雨量空间矩阵，共N个矩阵，采用GEV函数对各个模拟网格单元的降雨量极值进行分布拟合，具体的概率密度分布函数表示为：

其中，

然后，利用GEV函数拟合得到GEV函数对应各降雨历时的位置参数空间矩阵、尺度参数空间矩阵和形状参数空间矩阵，分别为：

再基于GEV函数推求得到的暴雨强度公式计算目标城市各个模拟网格单元各重现期对应的设计暴雨强度，具体的计算公式为：

其中，

最后，将各重现期、各降雨历时对应的设计暴雨强度空间矩阵导入ArcGIS系统，根据目标城市市域shp文件，利用extract by mask命令提取目标城市市域的暴雨强度空间数据。

可以理解，所述步骤S3中基于各个模拟网格单元的未来降雨时序数据计算目标城市网格化的未来暴雨强度的具体过程与上述计算历史暴雨强度过程相同，区别仅在于，将各降雨历时的历史年最大降雨量空间矩阵替换为各降雨历时的未来年最大降雨量空间矩阵即可，故具体过程在此不再赘述，参考上述内容即可。

可选地，如图6所示，在本发明的另一实施例中，所述基于时空分布特征的城市暴雨强度计算方法还包括以下内容：

步骤S4：对历史暴雨强度和/或未来暴雨强度的计算结果进行可视化展示。

通过将历史暴雨强度计算结果和/或未来暴雨强度计算结果进行可视化展示，便于用户实时观察了解城市网格化暴雨强度。

可以理解，作为一个示例进行说明，以湖南省长沙市为例，采用本发明的城市暴雨强度计算方法计算2019年长沙市市域网格50年一遇24小时降雨历时的设计暴雨强度空间分布。如图7所示，以长沙市城区作为模型模拟中心，在WRF模型中配置模型框架，设置模型模式为“ARW”，嵌套层数为3层，分别为D01、D02和D03，平面网格分辨率比例为1:3:3，其中D01、D02和D03的网格数分别为6708、4752和3240，地理数据分辨率分别设置为gtopo_5m+modis_30s_lakes+5m+default、gtopo_2m+modis_30s_lakes+2m+default和gmted2010_30s+modis_30s_lakes+30s+default，模型地图投影方式为lambert，中心经纬度为28.2和113.0，truelat1=30，turelat2=60，stand_lon=113。

参考WRF模型用户手册及文献报道的区域暴雨事件模拟的模型物理机理参数化方案的推荐组合方案，建立一系列可用于区域暴雨事件模拟的模型物理机理参数化方案，包括微气象方案、积云对流方案、长波辐射方案、短波辐射方案、边界层方案和陆面过程方案，构建方案库，具体如表2所示：

表2、WRF模型方案库的各种组合方案

其中，D03网格不可设置积云对流方案。

然后，在WRF模型中设置各种不同组合方案，对以下暴雨事件进行网格化模拟，多个暴雨事件的模拟启止时间设置如表3所示，预设的模拟周期包括模型同化期（约5~7天）、暴雨事件模拟期（约7~10天）及暴雨事件后模拟期（约1~3天），共计约13~20天，其中的年最大降雨日对应为暴雨事件模拟期最后一天，如遇到暴雨事件时长超过预设时长时，需要根据实际情况调整模拟期。

表3、多个暴雨事件模拟启止日期设置

提取模拟结果中气象站点附近地理位置所对应的1小时降雨量事件序列，分析模拟降雨量和实测记录降雨量的相关性（

表4、WRF模型针对长沙暴雨事件模拟的最佳方案组合

然后，获取长沙市国家气象站（编号：57687）的1980~2019年的日降水数据集，筛选出各年度的年最大降雨日，根据日降雨量从大到小对降雨事件进行排序并记录对应的日降雨量，具体如表5所示。

表5、长沙市国家气象站记录的1980~2019年年最大降雨日的降雨数据

利用最优参数化方案组合设置WRF模型，根据获得的1980~2019年长沙的年最大降雨日事件数据集，根据降雨事件编号依次进行模拟，提取出D03网格年最大降雨日对应的降雨值。根据长沙站记录的40场次最大日降雨事件的降雨数据和对应网格单元的模拟降雨量，计算逐场降雨事件的模拟降雨校正系数。通过D03网格中各个模拟网格单元的模拟降雨量与校正系数乘积得到校正后的模拟网格单元降雨量。

针对D03模拟网格单元，根据获得的校正后的40场降雨事件的24小时降雨历时的降雨量，采用GEV函数逐网格拟合，获得对应的GEV函数三参数（σ、μ、k）值，继而根据基于GEV函数推求得到的设计暴雨强度公式计算D03网格24小时降雨历时对应的不同重现期暴雨强度。在ArcGIS系统中，导入长沙市域shp文件，使用extract by mask命令，提取长沙市市域内各个模拟网格单元的暴雨强度分布。计算结果如图8和图9所示，图8为2019年长沙市市域24小时降雨历时对应的50年一遇的分钟暴雨强度分布图，图9为2019年长沙市市域24小时降雨历时对应的50年一遇暴雨强度的空间分布差异图。

可以理解，同样地，作为另一个示例进行说明，以湖南省长沙市为例，采用本发明的城市暴雨强度计算方法计算基于MRI-CGCM全球气候模型的CMIP5—RCP8.5情景气候预测结果数据的2040年、2060年长沙市市域网格化各重现期24小时降雨历时的设计暴雨强度空间分布图，具体结果如图10和图11所示。

另外，如图12所示，本发明的另一实施例还提供一种基于时空分布特征的城市暴雨强度计算系统，优选采用上述实施例的城市暴雨强度计算方法，所述计算系统包括：

模型构建模块，用于构建区域气象模型并设置目标城市的模拟区域和模拟网格单元大小，并获得适用于目标城市降雨事件模拟的最优模型配置方案；

网格化降雨模拟模块，用于利用获得的最优模型配置方案配置区域气象模型，采用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据；

暴雨强度计算模块，用于基于各个模拟网格单元的历史降雨时序数据计算目标城市网格化的历史暴雨强度，和/或，基于各个模拟网格单元的未来降雨时序数据计算目标城市网格化的未来暴雨强度。

可以理解，本实施例的基于时空分布特征的城市暴雨强度计算系统，通过构建区域气象模型，不仅可以模拟任意降雨事件过程以及城市尺度的网格化降雨强度时空分布，而且可以根据实际需求设计目标城市的模拟区域和模拟网格单元大小，同时，区域气象模型耦合了城市地形、下垫面、植被等多种环境因素的共同作用，能够很好地模拟城市的历史降雨过程，特别适用于丘陵、高原等地形复杂地区城市的暴雨强度计算，而传统采用多雨量计进行城市尺度空间插值，无法考虑地形、下垫面分布、城市热岛效应等多种因素的影响。并且，还获得了适用于目标城市降雨事件模拟的最优模型配置方案，保证了降雨模拟结果的准确度。然后，利用配置好的区域气象模型执行历史降雨模拟和/或未来降雨模拟，以分别获得各个模拟网格单元的历史降雨时序数据和/或未来降雨时序数据，最后基于模拟得到的历史降雨时序数据和/或未来降雨时序数据分别计算历史暴雨强度和/或未来暴雨强度，基于区域气象模型的模拟数据来进行暴雨强度计算，不仅可以很好地适用于城市气象监测站点数据少、建站时间短、降雨记录中断/缺失、降雨记录尚不足以支撑暴雨强度分析的地区，而且能够应用于预测气候变化背景下未来不同时期城市设计暴雨强度的变化过程，为城市涉水系统的设计、城市防洪排涝、海绵城市建设等提供了精细化设计、评估的工具。

可选地，所述计算系统还包括：

可视化展示模块，用于对历史暴雨强度和/或未来暴雨强度的计算结果进行可视化展示。

可以理解，本实施例的系统中的各个模块分别与上述方法实施例的各个步骤相对应，故各个模块的具体工作过程在此不再赘述，对应参考上述方法实施例即可。

另外，本发明的另一实施例还提供一种设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。

另外，本发明的另一实施例还提供一种计算机可读取的存储介质，用于存储基于时空分布特征计算城市暴雨强度的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。

一般计算机可读取存储介质的形式包括：软盘（floppy disk）、可挠性盘片（flexible disk）、硬盘、磁带、任何其与的磁性介质、CD-ROM、任何其余的光学介质、打孔卡片（punch cards）、纸带（paper tape）、任何其余的带有洞的图案的物理介质、随机存取存储器（RAM）、可编程只读存储器（PROM）、可抹除可编程只读存储器（EPROM）、快闪可抹除可编程只读存储器（FLASH-EPROM）、其余任何存储器芯片或卡匣、或任何其余可让计算机读取的介质。指令可进一步被一传输介质所传送或接收。传输介质这一术语可包含任何有形或无形的介质，其可用来存储、编码或承载用来给机器执行的指令，并且包含数字或模拟通信信号或其与促进上述指令的通信的无形介质。传输介质包含同轴电缆、铜线以及光纤，其包含了用来传输一计算机数据信号的总线的导线。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。