短时暴雨和强降水造成的城市内涝灾害给城市系统造成严重破坏,广州城市群区处于东亚季风区,是强降水和暴雨频发区,预测未来气候情境下局地强降水事件的发生频率及降水量对于防范该地的城市内涝具有重要作用。本文以自动天气分型以及Logistic回归,非线性回归建立型内日降水模型,该模型可用于预测未来气候变化情境下降水事件的频率变化。研究选取广州增城站点逐时地面资料经主成分分析、平均距离聚类和判别分析方法得到每日天气分型,结合日降水量找出与降水相关的天气型。自动天气分型结果显示广州地区1990-2012年共有57类天气型,其中有11类为降水天气型。通过地面天气图可找出与降水天气型对应的天气形态,包括5种处于不同位置或出现于不同季节(分别用Ⅰ,Ⅱ,Ⅲ表示)的天气系统：静止锋,冷锋,热低压,热带气旋,冷高压。不同降水天气型内日数和降水强度有较大差异。大雨强度以上的降水事件主要分布于静止锋前Ⅰ,Ⅱ,热带气旋和冷锋前这四类天气型中。天气型内日降水模型包含两个步骤：(1)以逐步Logistic回归来模拟降水事件的发生概率；(2)利用Logistic回归所得概率进行非线性回归模拟日降水量。降水模型评估结果显示模型具有较好的模拟降水概率和降水量值的能力。降水天气型的总准确率在64%-87%；日降水量大于等于25mm和大于等于50mm的降水事件ROC得分均大于0.98,可靠性图显示曲线接近对角线,表明概率模型对降水发生概率具有较好的诊断能力。对日降水量模拟的检验以日降水量观测值与模拟值的差异定义优、好、良、差四种指标。结果显示降水量模型对无/小雨,中雨,大雨,暴雨的模拟效果较好,模拟结果达到优好水平的比例在55%到73%之间。降水量模型对大暴雨事件的模拟能力较差,达到优好的比例仅有31%。自动天气分型方法和降水模型均选用独立的检验数据集进行检验。降水天气型内降水事件频率和型内气象要素均值显示检验数据集和训练数据集无显著差异,表明判别分析方法对于降水天气型的确立具有较好的效果。检验数据集降水概率模型评估结果显示Logistic回归和非线性回归方法对于降水概率和降水量具有较好的模拟能力。其中概率模型总准确率在50%-72%,各等级降水事件的ROC曲线在对角线之上且靠近左上角,可靠性图中曲线接近对角线。降水量模型对无/小雨,大雨,暴雨的模拟结果较好,对中雨的模拟结果稍差。与未经天气分型的降水模拟结果对比,经过天气分型后中雨,大雨,暴雨的降水量模拟结果优好比例提高2%-6%,中雨,大雨,暴雨,大暴雨优比例提高2%～11%。因此,在建立降水模型之前进行天气分型是有必要的。