降水強(qiáng)度
- 寧夏暖季小時(shí)極端降水時(shí)空分布特征
減少趨勢(shì)，而降水強(qiáng)度表現(xiàn)為增加趨勢(shì)。寧夏地處中緯度內(nèi)陸地區(qū)，地形復(fù)雜，生態(tài)系統(tǒng)相對(duì)脆弱，極端強(qiáng)降水往往帶來較嚴(yán)重的氣象災(zāi)害。例如，2017年7月22日賀蘭山沿山拜寺口1 h降水量達(dá)74.1 mm，2019年6月26日紅寺堡區(qū)太陽山買河村1 h降水量達(dá) 27.0 mm，均造成了重大損失。然而，目前針對(duì)寧夏小時(shí)極端強(qiáng)降水特征的研究還不多見。因此，現(xiàn)利用寧夏24個(gè)國(guó)家級(jí)地面氣象觀測(cè)站2005—2020年暖季小時(shí)降水資料，分析寧夏不同區(qū)域暖季極端降水的時(shí)空分布特征
科學(xué)技術(shù)與工程 2022年30期2022-12-05
- 不同降雨條件下劉家垅水庫邊坡的穩(wěn)定性研究
模擬計(jì)算不同降水強(qiáng)度下的雨水入滲規(guī)律以及邊坡在不同降水條件下的穩(wěn)定性，具體模擬工況如表1所示。表1 邊坡計(jì)算工況表文章采用PLAXIS將非飽和土滲流計(jì)算與應(yīng)力計(jì)算進(jìn)行耦合，建立邊坡三維模型。數(shù)值模擬中關(guān)于土體計(jì)算參數(shù)和本構(gòu)模型見表2。表2 土層計(jì)算參數(shù)表模型邊界條件為：兩側(cè)法向約束，底部邊界全約束。模擬時(shí)，假定基質(zhì)吸力在水面以上一定范圍內(nèi)呈線性分布，為了與實(shí)際相結(jié)合，再向上則基質(zhì)吸力保持不變。3 理論研究基礎(chǔ)3.1 水土特征曲線在飽和-非飽和滲流中，水土特
河南水利與南水北調(diào) 2022年10期2022-11-28
- 海南島降水時(shí)空分布規(guī)律研究
份的商，平均降水強(qiáng)度為平均降水量/平均降水時(shí)長(zhǎng)。③文中時(shí)間均指北京時(shí)間，晝雨和夜雨分別指8:00～20:00和20:00至次日8:00出現(xiàn)的降水，其累計(jì)量分別為晝雨量和夜雨量。④降水時(shí)長(zhǎng)1～3 h為短歷時(shí)降水，4～6 h為中歷時(shí)，7～12 h為長(zhǎng)歷時(shí)，≥13 h為超長(zhǎng)歷時(shí)。⑤短時(shí)強(qiáng)降水指小時(shí)降水量≥20 mm的降水，極端短時(shí)強(qiáng)降水指小時(shí)降水量≥50 mm的降水。2 結(jié)果與討論2.1 年降水空間分布特征海南島2010～2020年間平均年和小時(shí)降水量，以及年均
環(huán)境技術(shù) 2022年5期2022-11-25
- 雙層翻斗式雨量計(jì)翻斗特性的試驗(yàn)和模擬分析
，機(jī)械誤差隨降水強(qiáng)度的變化而變化，造成實(shí)際降水強(qiáng)度和雨量計(jì)測(cè)量降水量之間存在非線性關(guān)系[4,11-12]。為了減小此機(jī)械誤差對(duì)降水觀測(cè)的影響，通常采用動(dòng)態(tài)率定方法[13-15]來確定雨量計(jì)率定曲線，并對(duì)雨量計(jì)進(jìn)行標(biāo)定，將雨量計(jì)的計(jì)量誤差控制在±4%以內(nèi)，從而減弱降水強(qiáng)度對(duì)雨量計(jì)翻斗機(jī)械誤差的影響，提高觀測(cè)精度。另一種減小雨量計(jì)機(jī)械誤差的方式為利用雙層翻斗式雨量計(jì)(DTBR)。DTBR已在氣象觀測(cè)站中得到廣泛應(yīng)用，并取得了較好的效果[16-17]。DTBR具
水利水電科技進(jìn)展 2022年6期2022-11-10
- 宜昌小時(shí)極端降水長(zhǎng)期變化特征分析
4.1 極端降水強(qiáng)度年際變化 本文定義某時(shí)段內(nèi)所有小時(shí)極端降水降水量總和為該時(shí)段降水極端強(qiáng)度。圖4給出的是1956—2020年宜昌極端降水強(qiáng)度年際及年代際變化曲線。由圖可知，宜昌極端降水強(qiáng)度總體上呈弱上升趨勢(shì)(3.4 mm·10 a-1)，波動(dòng)變化明顯。最大強(qiáng)度為562.6 mm(1989年)，最小值為11.1 mm(1959年)。從年代際變化來看，各年代極端降水強(qiáng)度也呈明顯的波動(dòng)變化趨勢(shì)，最大值出現(xiàn)在2000年代，年均強(qiáng)度為307.8 mm，最小值出現(xiàn)在
中低緯山地氣象 2022年4期2022-09-29
- 2021年攀西地區(qū)精細(xì)化預(yù)報(bào)與數(shù)值模式小時(shí)降水檢驗(yàn)
水頻次、小時(shí)降水強(qiáng)度、峰值時(shí)間的檢驗(yàn)。表1 降水過程個(gè)例時(shí)間1.2 方法根據(jù)中國(guó)氣象局制定的《重要天氣預(yù)報(bào)質(zhì)量評(píng)定辦法》，TS評(píng)分計(jì)算公式為：式中：h為預(yù)報(bào)時(shí)間，Arain(h)為統(tǒng)計(jì)時(shí)段內(nèi)h時(shí)刻累計(jì)降水量，Nrain(h)為統(tǒng)計(jì)時(shí)段內(nèi)h時(shí)刻的有效降水時(shí)數(shù)（降水量≥0.1 mm/h）。峰值時(shí)間（Peak Hour，PH），計(jì)算各站24 h預(yù)報(bào)在一天中不同時(shí)刻降水量、小時(shí)降水強(qiáng)度和降雨頻率的平均時(shí)間序列，最大值的時(shí)刻即為峰值時(shí)刻。2 逐小時(shí)降水TS評(píng)分檢驗(yàn)2
高原山地氣象研究 2022年3期2022-09-05
- 不同降雨條件下渠道邊坡的穩(wěn)定性研究
模擬計(jì)算不同降水強(qiáng)度下的雨水入滲規(guī)律以及邊坡在不同降水條件下的穩(wěn)定性，具體模擬工況如表1 所示。文章采用PLAXIS將非飽和土滲流計(jì)算與應(yīng)力計(jì)算進(jìn)行耦合，建立邊坡三維模型(圖1)。表1 邊坡計(jì)算工況表圖1 邊坡模型典型剖面圖模型邊界條件為：兩側(cè)法向約束，底部邊界全約束。模擬時(shí)，假定基質(zhì)吸力在水面以上一定范圍內(nèi)范圍內(nèi)呈線性分布，為了與實(shí)際相結(jié)合，再向上則基質(zhì)吸力保持不變[8]。數(shù)值模擬中關(guān)于土體計(jì)算參數(shù)和本構(gòu)模型見表2。表2 土層計(jì)算參數(shù)表2 理論研究基礎(chǔ)2
黑龍江水利科技 2022年6期2022-08-03
- CMA-SH9在川渝地區(qū)的降水日變化預(yù)報(bào)效果評(píng)估
、降水頻率和降水強(qiáng)度評(píng)估模式對(duì)降水日變化的預(yù)報(bào)能力。參考降水量等級(jí)劃分的國(guó)家標(biāo)準(zhǔn)（GB/T 28592-2012），若某格點(diǎn)小時(shí)降水量≥0.1 mm則認(rèn)為該格點(diǎn)發(fā)生一次有效降水，相應(yīng)的降水量記為有效降水量。小時(shí)平均降水量是指研究時(shí)段內(nèi)某格點(diǎn)的累計(jì)有效降水量與總觀測(cè)頻次的比值，單位為mm/h。降水頻率是指某格點(diǎn)的有效降水次數(shù)與總觀測(cè)次數(shù)的比例，單位為%。降水強(qiáng)度是指某格點(diǎn)上累計(jì)有效降水量與有效降水頻次的比值，單位為mm/h。2 降水空間分布特征圖1為2020
高原山地氣象研究 2022年2期2022-07-08
- 織金縣短時(shí)強(qiáng)降水時(shí)空分布特征分析
h以上的小時(shí)降水強(qiáng)度為主，且具有明顯的夜發(fā)性[6，7]；肖蕾等通過對(duì)貴州短時(shí)強(qiáng)降水作時(shí)空分析發(fā)現(xiàn)貴州短時(shí)強(qiáng)降水空間分布與地形特征密切相關(guān)，整體呈現(xiàn)南多北少、東多西少的分布特征，雨強(qiáng)也整體表現(xiàn)為南強(qiáng)北弱的分布特征[8]；石艷等在證明區(qū)域站資料具有參考價(jià)值的基礎(chǔ)上，進(jìn)一步分析貴州省短時(shí)強(qiáng)降水特征及其與因?yàn)?zāi)死亡人員發(fā)生的關(guān)聯(lián)性，發(fā)現(xiàn)暴雨區(qū)域主要集中在貴州省的西南部、東北部及東南部，且以西南部暴雨區(qū)域范圍最大。同時(shí)其研究結(jié)果表明織金縣屬于西南部暴雨區(qū)域范圍，且織金
氣象水文海洋儀器 2022年2期2022-07-08
- 1980—2019年拉薩市降水氣候特征分析
該市降水量、降水強(qiáng)度、不同等級(jí)降水日數(shù)以及降水量貢獻(xiàn)率等方面變化特征的基礎(chǔ)上，全面系統(tǒng)地揭示了拉薩市降水氣候特征。結(jié)果表明，1980—2019年拉薩市年降水量以28.81? mm/10 a的速率增加，主要是由于夏季降水量的增加造成的?？臻g上降水量均呈現(xiàn)增加趨勢(shì);降水強(qiáng)度呈增大趨勢(shì)，降水量在時(shí)間上表現(xiàn)出更為集中，降水強(qiáng)度在空間上均呈增加趨勢(shì);小雨降水日數(shù)和降水量貢獻(xiàn)率呈減少趨勢(shì)，而中雨和大雨降水日數(shù)則呈增加趨勢(shì);分析不同等級(jí)降水對(duì)拉薩市空間分布的貢獻(xiàn)率，小雨
安徽農(nóng)業(yè)科學(xué) 2022年12期2022-07-06
- 降雨對(duì)邊坡穩(wěn)定性影響分析
中可知：不同降水強(qiáng)度造成邊坡中形成的負(fù)孔隙水壓力得變化過程基本一致，但不同降水強(qiáng)度導(dǎo)致形成的最大孔隙水壓力的時(shí)間不盡相同。不同降水強(qiáng)度不同深度處達(dá)到最大孔隙水壓力所用時(shí)間見下表3。隨著降水強(qiáng)度的增加邊坡可能出現(xiàn)短暫的積水現(xiàn)象，且降水入滲影響深度不斷增大。在降水強(qiáng)度不變的情況下，深度越大雨水入滲速度將不斷減小。其主要原因是隨著雨水的不斷入滲，導(dǎo)致孔隙水壓力不斷減小，從而導(dǎo)致入滲速度不斷下降。圖2 降水強(qiáng)度對(duì)孔壓的影響圖表3 不同降水強(qiáng)度不同深度處達(dá)到最大孔隙
河南水利與南水北調(diào) 2022年5期2022-06-14
- 若爾蓋一次冰雹過程雨滴譜特征分析
;粒子尺度;降水強(qiáng)度中圖分類號(hào)：P426.64 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：2095–3305（2022）03–0036–03若爾蓋地處青藏高原東北部，具有獨(dú)特的天氣氣候條件，域內(nèi)水資源以濕地和沼澤為主，是全球氣候變化的敏感區(qū)[1]。降水粒子特性是大氣運(yùn)動(dòng)和云內(nèi)微物理過程的綜合作用結(jié)果，傳統(tǒng)的測(cè)量方法不適合分析大量數(shù)據(jù)和尋找規(guī)律，激光降水粒子譜測(cè)量系統(tǒng)能夠較好地解決自動(dòng)測(cè)量難題[2]。對(duì)于冰雹譜的分析，早在20世紀(jì)70年代Waldvogel等[3]用地面測(cè)雹
農(nóng)業(yè)災(zāi)害研究 2022年3期2022-06-01
- 中國(guó)西南地區(qū)及雙流國(guó)際機(jī)場(chǎng)秋季降水強(qiáng)度特征分析
總降水量、日降水強(qiáng)度和強(qiáng)降水日數(shù)，得出以上指標(biāo)都有不同程度增長(zhǎng)，其中西北地區(qū)的增長(zhǎng)較為顯著，且在20世紀(jì)80年代后期發(fā)生躍變，華北地區(qū)、中部地區(qū)總降水量減少，西南、華南、長(zhǎng)江中下游地區(qū)多為增加。李帥等[7]根據(jù)中國(guó)1960年前建站的595個(gè)氣象站臺(tái)給出的1951/1952—2004/2005年冬季降水?dāng)?shù)據(jù)，指出多年來中國(guó)冬季的降水日數(shù)明顯減少，降水量的變化則不明顯，東北和西北偏東地區(qū)冬季降水日數(shù)減少趨勢(shì)超過了0.01顯著水平，而高原地區(qū)的降水量增加趨勢(shì)超過
科技與創(chuàng)新 2022年7期2022-04-12
- 1960-2017年黃土高原晝夜降水變化特征
1.3 晝夜降水強(qiáng)度變化特征 總(晝/夜)降水強(qiáng)度指總(晝/夜)降水量與總(晝/夜)降水日數(shù)的比值[7,24]。在黃土高原地區(qū)降水量和降水日數(shù)均呈減少趨勢(shì)的背景下，其降水強(qiáng)度如何變化？據(jù)此，分別計(jì)算了黃土高原逐年晝夜降水強(qiáng)度，結(jié)果見圖4A—B?？芍?，1960—2017年黃土高原晝夜降水強(qiáng)度均呈上升趨勢(shì)，與我國(guó)降水強(qiáng)度趨勢(shì)變化相同[26]。歷年和雨季的多年平均白晝降水強(qiáng)度分別為3.81，5.07 mm/d，每年以0.004 6，0.005 2 mm/d速率上
水土保持研究 2022年2期2022-03-14
- 帕米爾高原東部地區(qū)4—9月降水日變化特征研究
量有關(guān)，還與降水強(qiáng)度密切相關(guān)，尤其是短時(shí)間的強(qiáng)降水事件具有突發(fā)性強(qiáng)，小時(shí)雨量大等特點(diǎn)，常常導(dǎo)致山洪、泥石流等災(zāi)害。新疆是干旱、半干旱地區(qū)，年平均降水量約147 mm，不到全國(guó)平均值的1/4，但暴雨造成的洪水和泥石流是新疆主要災(zāi)害之一[10-12]。暴雨洪水、泥石流等災(zāi)害不僅與降水量有關(guān)，還與降水強(qiáng)度有密切的關(guān)系。政府部門在防洪抗災(zāi)的實(shí)踐中迫切要求了解雨強(qiáng)的時(shí)空分布特點(diǎn)以及不同重現(xiàn)期的最大降雨強(qiáng)度值。目前，降水量的研究大多是以長(zhǎng)時(shí)間序列降水量與極端降水量的時(shí)
沙漠與綠洲氣象 2022年6期2022-03-08
- 2010—2019年浙江暖季短時(shí)強(qiáng)降水特征分析
是指短時(shí)間內(nèi)降水強(qiáng)度較大，降雨量達(dá)到或超過某一量值的天氣現(xiàn)象，與暴雨相比，更具有突發(fā)性強(qiáng)、來勢(shì)猛、降水時(shí)間集中等特點(diǎn)，且可預(yù)報(bào)時(shí)效短，常常會(huì)造成城市積澇、山體滑坡等氣象衍生災(zāi)害，因此許多專家學(xué)者對(duì)短時(shí)強(qiáng)降水開展了一系列研究[1-3]。在氣候變暖背景下，全球日極端降水呈現(xiàn)增加趨勢(shì)[4-6]，且極端降水容易發(fā)生在更短的時(shí)間內(nèi)，正逐漸成為主要的氣象災(zāi)害風(fēng)險(xiǎn)之一[7-8]。極端小時(shí)降水最強(qiáng)閾值位于華南沿海、海南島、臺(tái)灣島和華北平原，次大值位于四川盆地和長(zhǎng)江中下游地
氣象科技 2022年1期2022-03-05
- 秦嶺南北降水小時(shí)尺度特征對(duì)比分析
峰值更凸出，降水強(qiáng)度以下午峰值為主。同時(shí)，降水的持續(xù)時(shí)間是反映降水特性的重要指標(biāo)，降水持續(xù)時(shí)間也是區(qū)分不同類型降水事件的一個(gè)關(guān)鍵因素，長(zhǎng)持續(xù)性降水事件的峰值大多位于夜間和清晨，而短持續(xù)性降水事件的極大值則多出現(xiàn)在下午或傍晚(Yu et al.，2007)。李建等(2008)提出北京市暖季午后降水主要表現(xiàn)為持續(xù)時(shí)間少于6 h的降水事件，而后半夜至清晨的降水峰值則主要由持續(xù)時(shí)間大于6 h的降水事件累積而成。這些研究主要針對(duì)我國(guó)不同區(qū)域日降水特征進(jìn)行的分析工作，
暴雨災(zāi)害 2022年1期2022-03-04
- 近六十年青海長(zhǎng)江源區(qū)降水變化特征分析
10 年中國(guó)降水強(qiáng)度總體加大，各區(qū)年代際降水強(qiáng)度變化也存在明顯的差異[1]。降水總量、頻率、持續(xù)性以及極端降水事件都存在明顯的區(qū)域性和季節(jié)性差異[2]。本文所選取的長(zhǎng)江源區(qū)位于青藏高原中東部地區(qū)，地處昆侖山脈與唐古拉山脈之間，是三江源區(qū)的重要組成部分。其降水變化與其下游的黃河源區(qū)和瀾滄江源區(qū)不盡相同[3]，不僅影響青藏高原腹地旱澇情況，也將直接影響長(zhǎng)江流域整體的旱澇狀況[4]。有關(guān)長(zhǎng)江源區(qū)降水量變化的研究成果，主要包括降水量的時(shí)空分布特征、降水日數(shù)變化特征
青海環(huán)境 2022年4期2022-02-03
- 云南省秋季降水強(qiáng)度時(shí)空演變特征及其對(duì)降水量影響分析
秋季降水量與降水強(qiáng)度的變化特征,對(duì)于人類生產(chǎn)生活和工農(nóng)業(yè)生產(chǎn)有著重要的指導(dǎo)意義.近年來,國(guó)內(nèi)外許多專家學(xué)者都開展過云南省降水方面的研究.何華等[3]探討了雨季逐候降水量的低頻振蕩特征；段長(zhǎng)春等[4]分析了汛期旱澇特征及成因；周國(guó)蓮等[5]討論了近40a降水量的時(shí)空分布特征.以上工作大多集中在初夏和汛期,沒有從區(qū)域特征上對(duì)雨季降水進(jìn)行研究.2009年9月—2010年2月,云南省發(fā)生了自有氣象記錄以來最嚴(yán)重的秋冬極端連旱.自此,專家學(xué)者開始關(guān)注秋季降水異常的研
- 黑土區(qū)幾種人工林冠層截留降水特征
程、降水量、降水強(qiáng)度等。一般認(rèn)為林冠截留量在一定范圍內(nèi)(冠層未飽和的情況下)隨降水量的增加呈增加的趨勢(shì)，當(dāng)降雨量超過冠層飽和值之后，林冠截留量增加很少或不增加[7-10]。3.1 降水量對(duì)林冠層截留量影響通過不同林分冠層截留量測(cè)定，林冠層截留量與降水量呈正相關(guān)(見圖1)。從圖中看出，不同林分冠層截留量隨降水量增大而增加，而且在降水量小于40 mm時(shí)林冠層截留量與降水量關(guān)系緊密，當(dāng)降水量超過40 mm后，截留量與降水量關(guān)系不十分緊密，截留量變化較大。相關(guān)分析
水利科學(xué)與寒區(qū)工程 2021年6期2021-12-22
- 嶗山山區(qū)降水日變化特征分析
析指標(biāo)為逐時(shí)降水強(qiáng)度、逐時(shí)降水頻次百分比、降水晝夜變化特征。借鑒文對(duì)降水量的統(tǒng)計(jì)方法，對(duì)于單個(gè)氣象站，逐時(shí)降水強(qiáng)度為各時(shí)次累積降水量除以相應(yīng)時(shí)次累積降水頻次。逐時(shí)降水頻次百分比為降水時(shí)次占樣本總時(shí)次的百分比。根據(jù)地面氣象觀測(cè)規(guī)范，將20-08時(shí)規(guī)定為夜間，08-20時(shí)為白天，分別計(jì)算汛期和非汛期降水量晝夜比率。首先對(duì)部分站點(diǎn)出現(xiàn)的缺省逐時(shí)降水?dāng)?shù)據(jù)進(jìn)行剔除并進(jìn)行整理，每小時(shí)降水量≥0.1 mm被判定為該時(shí)次有降水發(fā)生，日降水指前一日20時(shí)-當(dāng)天20 時(shí)各時(shí)次
科技經(jīng)濟(jì)導(dǎo)刊 2021年22期2021-08-31
- 天氣現(xiàn)象檢測(cè)器與觀測(cè)實(shí)況的降水強(qiáng)度對(duì)比分析
與觀測(cè)實(shí)況的降水強(qiáng)度一致性，對(duì)2020年8月的11次降水過程進(jìn)行對(duì)比分析。結(jié)果表明：傳感器與觀測(cè)實(shí)況的降水強(qiáng)度一致性較低，對(duì)弱降水測(cè)量值偏小，對(duì)中降水測(cè)量值偏大，對(duì)強(qiáng)降水測(cè)量準(zhǔn)確。具體表現(xiàn)為時(shí)間和閾值上的差異，可通過調(diào)整參數(shù)來提升一致性。關(guān)鍵詞：氣象觀測(cè);降水強(qiáng)度;對(duì)比分析0引言隨著技術(shù)的發(fā)展，大部分地面氣象觀測(cè)技術(shù)已經(jīng)發(fā)展為自動(dòng)觀測(cè)[1]。目前民航仍采用人工方式觀測(cè)降水，通過目視方式判斷降水強(qiáng)度。天氣現(xiàn)象檢測(cè)器投入使用后，其測(cè)量的降水強(qiáng)度可作參考。對(duì)比分
錦繡·下旬刊 2021年7期2021-07-14
- 云南雨季和干季小時(shí)降水的時(shí)空特性分析
表明：云南年降水強(qiáng)度大值中心位于南部，降水頻次大值中心在西北部[7]，雨季降水西南、東南多西北少，干季降水東多西少，西北部存在春汛[8]；強(qiáng)降水的空間分布與年降水量分布類似，高發(fā)地位于滇西、滇西南和滇東地區(qū)[9]。近年來，精細(xì)化天氣預(yù)報(bào)和高時(shí)空數(shù)值模式評(píng)估均對(duì)降水精細(xì)化特征的認(rèn)識(shí)提出了新要求[10]，為滿足這一需要，利用逐小時(shí)臺(tái)站觀測(cè)資料揭示云南及周邊地區(qū)小時(shí)尺度降水分布和演變特征成為研究重點(diǎn)。云南地區(qū)降水量峰值多出現(xiàn)在午后，主要是降水強(qiáng)度貢獻(xiàn)為主，且日變
高原山地氣象研究 2021年3期2021-05-24
- 近58a長(zhǎng)江源地區(qū)不同等級(jí)降水的變化特征分析
、降水日數(shù)和降水強(qiáng)度的變化特征等進(jìn)行了大量的研究。林云萍等[1]認(rèn)為，中國(guó)各區(qū)域最小降水量級(jí)(0.1～4.9mm)的降水，其降水日數(shù)的變化起主導(dǎo)作用；而各區(qū)域最大降水量級(jí)(>100mm)的降水，其降水強(qiáng)度的變化起決定性的作用。王穎等[2]認(rèn)為，中國(guó)年降水日數(shù)明顯減少，且降水日數(shù)比降水量的減少明顯。王展等[3]研究發(fā)現(xiàn)中國(guó)年降水量減少的區(qū)域，認(rèn)為降水量的變化主要是由于降水日數(shù)減少引起的；年降水量增加的區(qū)域，降水量的變化與降水日數(shù)和降水強(qiáng)度均有一定的關(guān)系。郭軍
青海草業(yè) 2021年1期2021-04-07
- 寧夏2018 年第一場(chǎng)連陰雪天氣過程5 種數(shù)值模式降水預(yù)報(bào)能力對(duì)比
，降水范圍和降水強(qiáng)度分別進(jìn)行檢驗(yàn)。檢驗(yàn)降水范圍進(jìn)行全區(qū)范圍的檢驗(yàn)，分為偏小、正常和偏大3 個(gè)等級(jí)；檢驗(yàn)降水強(qiáng)度只檢驗(yàn)降水強(qiáng)度最大的站點(diǎn)，也分為偏小、正常和偏大3 個(gè)等級(jí)（降水強(qiáng)度預(yù)報(bào)比實(shí)況偏小1 mm 以上記為偏小，-1～1 mm 記為正常，偏大 1 mm以上記為偏大）（見表 1、表 2）。24～72 h T639 和EC 預(yù)報(bào)降水范圍相對(duì)準(zhǔn)確，其他模式預(yù)報(bào)降水范圍偏??；96 h T639、GRAPES 和GFS 預(yù)報(bào)降水范圍相對(duì)準(zhǔn)確，其他模式預(yù)報(bào)降水范圍
農(nóng)業(yè)科技與信息 2021年1期2021-03-26
- 基于不同降水強(qiáng)度的降水徑流分析
關(guān)表1 不同降水強(qiáng)度P～R和P～α相關(guān)關(guān)系統(tǒng)計(jì)2.2 相關(guān)關(guān)系分析按照不同降水強(qiáng)度繪制的降水徑流相關(guān)圖，統(tǒng)計(jì)分析計(jì)算可以得出降水徑流關(guān)系點(diǎn)線性關(guān)系較好，其相關(guān)系數(shù)均在0.9以上，相關(guān)性可靠。2.3 相關(guān)關(guān)系方程式可靠性分析通過不同降水強(qiáng)度的降水徑流方程式推算的R值與實(shí)際觀測(cè)的R值相對(duì)比，計(jì)算得出兩者的相對(duì)誤差， 可以看出，5.0mm/h以上雨強(qiáng)時(shí)降水徑流關(guān)系比較好， 擬定的公式可靠性較高，5.0mm/h以下雨強(qiáng)時(shí)擬定公式精度較差［2］。 相對(duì)誤差合格率統(tǒng)計(jì)
水科學(xué)與工程技術(shù) 2021年1期2021-03-20
- 近48 a浙江省不同等級(jí)降水變化特征分析
數(shù)，特別是對(duì)降水強(qiáng)度的研究較少[15-21]，或利用站點(diǎn)較少且分布不均勻等造成分析有所偏差。而降水受地形影響較大，需利用更密集的資料做更為詳盡的分析。本文利用浙江省1971—2018年逐日降水資料，從不同等級(jí)降水日及降水強(qiáng)度等方面分析浙江省不同等級(jí)降水的變化趨勢(shì)，以期對(duì)浙江降水的變化規(guī)律有進(jìn)一步的認(rèn)識(shí)，并對(duì)生態(tài)環(huán)境建設(shè)和防災(zāi)減災(zāi)有一定幫助。1 資料與方法本研究采用通過國(guó)家氣象信息中心審核的浙江省62個(gè)站點(diǎn)逐日降水?dāng)?shù)據(jù)，考慮到資料完整性，利用1971—201
中低緯山地氣象 2020年6期2021-01-15
- 祁連山北麓牧區(qū)植被生長(zhǎng)季不同等級(jí)降水時(shí)空變化特征
象局發(fā)布的《降水強(qiáng)度等級(jí)劃分標(biāo)準(zhǔn)(內(nèi)陸部分)》中的24 h雨量值劃分標(biāo)準(zhǔn)，可將降水劃分為小雨、中雨、大雨和暴雨，降水量≥0.1 mm的日數(shù)則計(jì)為降水日。祁連山北麓地區(qū)暴雨事件出現(xiàn)幾率很小，選取的7個(gè)氣象站中只有永昌站出現(xiàn)過1次暴雨事件。1961-2016年肅南縣植被生長(zhǎng)季不同等級(jí)的降水量、降水日數(shù)、降水強(qiáng)度統(tǒng)計(jì)情況如表1所示。表1 1961-2016年肅南縣植被生長(zhǎng)季不同等級(jí)降水量、降水日數(shù)、降水強(qiáng)度統(tǒng)計(jì)表由表1可知，肅南縣植被生長(zhǎng)季降水日數(shù)以小雨為主，約
水資源與水工程學(xué)報(bào) 2020年4期2020-12-21
- 遙感和再分析產(chǎn)品中大氣河降水的全球比較
部分地區(qū)AR降水強(qiáng)度均大于非AR降水強(qiáng)度。與其他降水產(chǎn)品相比，GPCP顯示的熱帶地區(qū)降水強(qiáng)度更小。與其他緯度地區(qū)相比，AR在大部分熱帶地區(qū)產(chǎn)生了頻次更少但更強(qiáng)度更強(qiáng)的降雨。在大多數(shù)非熱帶地區(qū)，AR與非AR降水的比值大于1。IMERG數(shù)據(jù)計(jì)算得到的比值比其他產(chǎn)品要大得多，特別是在海洋上空。在某些地區(qū)（例如，北太平洋、印度洋和北大西洋的一部分）AR降水強(qiáng)度平均可比非AR降水大4倍。GPCP和PERSIANN-CDR的結(jié)果較為一致。同時(shí)，AR與非AR降水總量的比
Advances in Meteorological Science and Technology 2020年5期2020-12-04
- 近59年江漢平原降水氣候變化特征分析
、降水日數(shù)、降水強(qiáng)度以及極端降水量，采用線性擬合、趨勢(shì)分析以及Mann-Kendall突變檢驗(yàn)等方法，分析江漢平原降水的氣候變化特征。結(jié)果表明，江漢平原降水量春夏多、秋冬少，空間分布由南向北遞減。年降水量總體呈緩慢增長(zhǎng)趨勢(shì)，遞增速率24.63 mm/10年，但季節(jié)分配不均勻。Mann-Kendall突變檢驗(yàn)結(jié)果顯示，1978年為年降水量的突變年份。年均降水日數(shù)總體呈明顯減少趨勢(shì)，1983年為降水日數(shù)的突變年份，從1996年開始降水日數(shù)遞減速率急劇增大。降水
江蘇農(nóng)業(yè)科學(xué) 2020年16期2020-09-24
- 1953—2019年深圳市極端降水事件變化特征分析
圳市汛期極端降水強(qiáng)度呈弱增強(qiáng)的趨勢(shì)。本研究將汛期分為前汛期和后汛期兩個(gè)階段，對(duì)深圳市1953—2019年前、后汛期極端降水事件的各項(xiàng)指標(biāo)進(jìn)行分析，得出其相應(yīng)特征。1 資料和方法本研究所用數(shù)據(jù)為深圳國(guó)家基本站1953—2019年逐日降水資料，采用國(guó)際上較通用的95%百分位法［15］，計(jì)算出深圳地區(qū)前汛期（4—6月）和后汛期（7—9月）極端降水閾值分別是43.0和50.6 mm，即在深圳市前（后）汛期，若某日降水量≥43.0 mm（50.6 mm），則視為一次
廣東氣象 2020年4期2020-09-08
- 隴東地區(qū)1978—2018年夏季降水變化特征分析
的日數(shù)，定義降水強(qiáng)度（雨強(qiáng)）為降水量與降水日數(shù)之比.本研究根據(jù)需要對(duì)研究區(qū)域降水作相關(guān)統(tǒng)計(jì)，采用反距離權(quán)重法、趨勢(shì)分析法研究降水趨勢(shì)以及空間分布；通過Mann-Kendall 突變檢驗(yàn)（以下簡(jiǎn)稱M-K檢驗(yàn)）、滑動(dòng)t檢驗(yàn)等突變檢驗(yàn)方法和Morlet小波分析，分別對(duì)隴東地區(qū)1978—2018年夏季降水突變特征和周期變化規(guī)律進(jìn)行研究.2 結(jié)果與分析2.1 隴東地區(qū)夏季降水空間分布特征分析圖1（a）可知，隴東地區(qū)西南部和東南部夏季平均降水量最大，其次為南部，總體呈
河南科學(xué) 2020年5期2020-07-04
- 武漢主汛期小時(shí)降水變化
月最多，極端降水強(qiáng)度平均7 月最強(qiáng)，而極端日最大降水發(fā)生在6 月；特大暴雨（250 mm 以上）4 次，6 月2次（1959 年6 月9 日，1982 年6 月20 日），7、8 月各1 次（1998 年7 月21 日，1969 年8 月23 日）；大暴雨及以上（100 mm 以上）50 次（見表2）。小時(shí)降水最大值是88.4 mm，出現(xiàn)在1998年7月21日06時(shí)。表1 武漢暴雨及以上級(jí)別降水統(tǒng)計(jì)（1955—2015年合計(jì)）表2 武漢大暴雨及以上級(jí)別降水
農(nóng)學(xué)學(xué)報(bào) 2020年6期2020-06-29
- 基于聚類分析的蘭州地區(qū)自動(dòng)站降水特征分析
后至前半夜的降水強(qiáng)度更強(qiáng)。圖3 2013—2018年蘭州4—10月分區(qū)降水小時(shí)數(shù)年平均分布圖4 蘭州各分區(qū)2013—2018年平均4—10月逐時(shí)降水總量(單位：mm）（a為區(qū)域1站點(diǎn)，b為區(qū)域2站點(diǎn)，c為區(qū)域3站點(diǎn)）如圖6所示，從4—10月蘭州分區(qū)各月逐時(shí)平均降水強(qiáng)度分布看，3個(gè)區(qū)降水強(qiáng)度分布大體一致，強(qiáng)降水強(qiáng)度主要集中在7—8月。具體來看，區(qū)域1強(qiáng)降水強(qiáng)度主要出現(xiàn)在7月01—07時(shí)、8月00—05時(shí)和17—23時(shí)，峰值降水強(qiáng)度出現(xiàn)在7月02時(shí)，為1.5
沙漠與綠洲氣象 2020年1期2020-05-07
- 內(nèi)蒙古自治區(qū)達(dá)茂旗荒漠草原土壤水分對(duì)降水的響應(yīng)
中篩選4 次降水強(qiáng)度偏小的不同降水量代表性降水事件，繪制日尺度含水量曲線，統(tǒng)計(jì)從降水開始到結(jié)束4 次降水事件土壤水分響應(yīng)過程，進(jìn)行降水量—土壤水分響應(yīng)量、響應(yīng)深度、響應(yīng)天數(shù)關(guān)系研究；從全年降水事件中選取3 組6 次相同降水量級(jí)不同降水強(qiáng)度代表性事件，統(tǒng)計(jì)3 組6 次降水事件前1 h，降水事件后1，5，8，12，24 h土壤含水量，繪制小時(shí)尺度土壤含水量曲線，進(jìn)行降水強(qiáng)度—土壤水分響應(yīng)深度、響應(yīng)速率關(guān)系研究。2 結(jié)果與分析2.1 降水特征2016—2018
水土保持通報(bào) 2020年1期2020-04-15
- 西藏拉薩汛期降水日變化特征
頻次以及小時(shí)降水強(qiáng)度，以刻畫降水日變化特征；分析白天和夜間降水量、降水日數(shù)和降水強(qiáng)度，以揭示晝夜降水的變化特征。各統(tǒng)計(jì)量及計(jì)算方法[7,25]見表1。表1 統(tǒng)計(jì)特征量及其計(jì)算方法Tab.1 Statistics characteristic quantities and their calculation methods2 降水日變化特征2.1 小時(shí)降水量和小時(shí)降水頻次及強(qiáng)度圖1為2005—2017年汛期拉薩小時(shí)降水量、頻次及強(qiáng)度日變化?？梢钥闯觯r(shí)降水
干旱氣象 2020年1期2020-03-12
- 大荔縣降水量變化特征及其對(duì)農(nóng)業(yè)生產(chǎn)的影響
，但下半年的降水強(qiáng)度卻在增強(qiáng)；王大均等[8]認(rèn)為近40 a來中國(guó)降水量的空間分布與相應(yīng)的時(shí)段的雨日數(shù)空間分布一致；但顧駿強(qiáng)[9]等指出，浙江省的年降水量在增加，雨日卻沒有同步增加；李春強(qiáng)[10]等運(yùn)用小波分析方法對(duì)1965-2005年河北省降水量進(jìn)行分析，也指出在該時(shí)間尺度下存在了3個(gè)降水周期，但不同地區(qū)降水的多尺度效應(yīng)具有明顯差異；筆者通過以大荔縣為例，對(duì)該縣域1961-2016年日降水資料進(jìn)行深入分析，揭示出大荔縣降水變化特征，降水對(duì)氣候?yàn)?zāi)害等的影響，
陜西農(nóng)業(yè)科學(xué) 2019年3期2019-04-09
- 長(zhǎng)江中游地區(qū)城市化對(duì)降水的可能影響
部分地區(qū)的日降水強(qiáng)度[3]。然而另一部分研究表明城市化進(jìn)程對(duì)區(qū)域降水存在“增雨效應(yīng)”。早在1921年,Horton就發(fā)現(xiàn)城市中心區(qū)比郊區(qū)更容易產(chǎn)生雷暴天氣[4]。梁萍等的研究表明,上海地區(qū)以及附近地區(qū)的城市化速度與降水的關(guān)系,在城市化進(jìn)程的快速增長(zhǎng)期,夏秋兩季降水量的空間差異會(huì)呈現(xiàn)出明顯的城市雨島特征[5]。黎偉標(biāo)等的研究顯示在珠江三角洲地區(qū)以及周圍地區(qū)降水的分布特征,發(fā)現(xiàn)城市化進(jìn)程會(huì)使降水增加,并且這種降水的增加存在著明顯的季節(jié)變化[6]。由此可見,城市
浙江氣象 2019年1期2019-04-02
- 1960-2014年祁連山南坡及其附近地區(qū)降水時(shí)空變化特征
]分析了不同降水強(qiáng)度的時(shí)空分布特征及其與海拔的關(guān)系；賈文雄[17]認(rèn)為祁連山的氣溫與地理位置的關(guān)系存在相關(guān)性關(guān)系，降水與地理位置的關(guān)系較為復(fù)雜；程鵬等[18]分析了高空西風(fēng)急流對(duì)祁連山區(qū)降水的影響。也有學(xué)者從降水與祁連山區(qū)水源涵養(yǎng)的關(guān)系角度進(jìn)行了闡述。常學(xué)向等[19]研究了祁連山林區(qū)森林對(duì)降水的截留作用；張學(xué)龍等[20]分析了祁連山青海云杉林截留對(duì)降水的分配效應(yīng)。前人對(duì)于祁連山區(qū)降水主要集中在時(shí)空視角、成因分析與對(duì)水源涵養(yǎng)的影響等方面，在方法上使用傳統(tǒng)與信
水土保持研究 2018年4期2018-06-15
- 湖南省降水強(qiáng)度等級(jí)標(biāo)準(zhǔn)探討
述研究表明，降水強(qiáng)度等級(jí)不僅與降水量級(jí)有關(guān)，還與降水范圍有著重要的聯(lián)系，不同降水強(qiáng)度與山洪和地質(zhì)災(zāi)害的發(fā)生有較好的相關(guān)性，強(qiáng)降水影響范圍的大小是衡量洪澇災(zāi)害的一項(xiàng)重要指標(biāo)。然而，目前為止全國(guó)對(duì)于降水強(qiáng)度等級(jí)尚無統(tǒng)一的標(biāo)準(zhǔn)，很難客觀評(píng)價(jià)每次降水事件的強(qiáng)度和等級(jí)，影響了對(duì)暴雨災(zāi)害的評(píng)估，增加了政府部門科學(xué)組織防汛救災(zāi)工作的難度。因此，開展降水強(qiáng)度等級(jí)標(biāo)準(zhǔn)的研究迫在眉睫。開展湖南降水強(qiáng)度等級(jí)標(biāo)準(zhǔn)的相關(guān)研究，不僅能監(jiān)測(cè)和評(píng)估洪澇災(zāi)害的影響程度，還能對(duì)政府部門進(jìn)行防
安徽農(nóng)業(yè)科學(xué) 2018年4期2018-02-02
- 1961—2014年祁連山地區(qū)冬半年不同等級(jí)降水變化特征分析
、降水日數(shù)及降水強(qiáng)度的變化特征和未來變化趨勢(shì)。結(jié)果表明，祁連山地區(qū)隨著降水量級(jí)的增加，降水日數(shù)呈減小趨勢(shì)，降水量從小雪到中雪減小，中雪到大到暴雪增加，而降水強(qiáng)度表現(xiàn)為增強(qiáng)趨勢(shì)；近54年祁連山地區(qū)冬半年總降水量和平均降水強(qiáng)度均呈波動(dòng)增加趨勢(shì)，總降水日數(shù)呈減少趨勢(shì)。近54年祁連山地區(qū)冬半年小雪和大到暴雪的降水日數(shù)和降水量均呈減少趨勢(shì)，中雪呈增加趨勢(shì)，小雪平均降水強(qiáng)度均呈波動(dòng)增加趨勢(shì)，中雪和大到暴雪的平均降水強(qiáng)度表現(xiàn)為減小趨勢(shì)；祁連山地區(qū)小雪、中雪和大到暴雪多年
現(xiàn)代農(nóng)業(yè)科技 2017年23期2018-01-15
- 2007—2017年大連市降水及降水日數(shù)變化特征分析
；降水日數(shù)；降水強(qiáng)度；大連市中圖分類號(hào) X517 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2018）20-0141-3大連市地處歐亞大陸東岸，中國(guó)東北遼東半島最南端，地理坐標(biāo)為38°43′～40°10′N、120°58′～123°31′E，屬于暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候兼有海洋性的氣候特點(diǎn)，冬無嚴(yán)寒，夏無酷暑，四季分明[1]。降水是連接天氣、氣候和水循環(huán)等方面的關(guān)鍵物理過程，也是生態(tài)系統(tǒng)清潔水的最終來源，是關(guān)系到國(guó)計(jì)民生的重要?dú)庀笠刂籟2]。有很
安徽農(nóng)學(xué)通報(bào) 2018年20期2018-01-09
- 細(xì)河流域不同等級(jí)降水量及降水強(qiáng)度變化特征
等級(jí)降水量及降水強(qiáng)度變化特征朱正如， 郭姍姍(遼寧師范大學(xué) 城市與環(huán)境學(xué)院， 遼寧 大連 116029)根據(jù)細(xì)河流域內(nèi)雨量站1966—2015年的日降水量數(shù)據(jù)，采用趨勢(shì)系數(shù)法和氣候傾向率法計(jì)算細(xì)河流域近50 a的不同等級(jí)降水量與降水強(qiáng)度的變化趨勢(shì)，通過Mann-Kendall突變檢驗(yàn)法檢驗(yàn)突變，利用反距離權(quán)重空間插值法研究了空間分布特征.結(jié)果表明：細(xì)河流域近50 a年降水量呈逐年增加的變化趨勢(shì)，增加速率為0.432 mm/a；年降水強(qiáng)度呈逐年降低的變化趨勢(shì)
- 近45年蚌埠市汛期短時(shí)強(qiáng)降水氣候特征分析
個(gè)站點(diǎn)的平均降水強(qiáng)度差別較小，其中最大的固鎮(zhèn)和最小的懷遠(yuǎn)僅相差1.2mm。各站小時(shí)降水的極大值分布差異極大，五河極大值為103mm，固鎮(zhèn)、蚌埠次之，懷遠(yuǎn)最低，為69.8mm，可見蚌埠市的短時(shí)強(qiáng)降水的分布具有一定的差異性。東部（五河）不僅短時(shí)強(qiáng)降水出現(xiàn)的次數(shù)多，降水強(qiáng)度也大；西部地區(qū)（懷遠(yuǎn)）短時(shí)強(qiáng)降水次數(shù)少且降水強(qiáng)度也最低。由東往西，蚌埠市的短時(shí)強(qiáng)降水次數(shù)逐漸減少，強(qiáng)度也逐漸降低。表1 不同取樣體積的測(cè)定結(jié)果比較表三、時(shí)間變化特征1.年際變化（1）短時(shí)強(qiáng)降水
治淮 2017年6期2017-06-22
- 東北低山丘陵區(qū)坡耕地水土流失特征分析
度、降水量和降水強(qiáng)度的增大而增大，且降水強(qiáng)度與水土流失量的相關(guān)性更為顯著。關(guān)鍵詞：坡耕地；水土流失；降水強(qiáng)度；低山丘陵區(qū)；東北地區(qū)影響水土流失的自然因素主要有氣候、地形、土壤、植被4個(gè)方面，有關(guān)坡耕地水土流失及治理問題，國(guó)內(nèi)外學(xué)者做了大量研究。楊建霞等用灰色關(guān)聯(lián)系數(shù)法確定了各因子對(duì)坡耕地水土流失的影響，王衛(wèi)東等提出了丘陵區(qū)土地適宜性評(píng)價(jià)指標(biāo)體系，袁雪紅等運(yùn)用主成分分析法綜合分析護(hù)坡特性。針對(duì)東北低山丘陵區(qū)坡耕地水土流失量與降水特征的相關(guān)分析研究較少的現(xiàn)狀，
人民黃河 2017年10期2017-05-30
- 1959～2013年海南島降水事件變化特征
降水日數(shù)；降水強(qiáng)度；空間分布；趨勢(shì)；海南島中圖分類號(hào) P426.623 文獻(xiàn)標(biāo)識(shí)碼 AAbstract The spatial and temporal variation of days and intensity of heavy and extreme rainfall were analyzed based on daily precipitation data of seven national standard meteorological
熱帶作物學(xué)報(bào) 2017年11期2017-05-30
- 遵義市降水日變化特征分析
、降水頻次、降水強(qiáng)度、降水晝夜分配等方面分析了遵義市降水日變化的基本特征。結(jié)果表明：降水量、降水頻次和降水強(qiáng)度都主要集中在夜間，其中春、秋季降水日變化特征較為統(tǒng)一，夜間降水量級(jí)、頻次和強(qiáng)度都明顯多于白天；而冬季降水日變化總體不大，夏季降水日變化則表現(xiàn)為多波動(dòng)性。遵義市夜雨特征顯著，60%以上的降水出現(xiàn)在夜間，其中春季夜雨比率最大，其次是冬季，再次是秋季，而夏季夜雨表現(xiàn)并不十分明顯，夜間降水量和降水頻次占全天的合計(jì)比率冬、春、夏、秋季全市平均分別為68%、7
中低緯山地氣象 2016年5期2016-11-29
- Cloud microphysical differences with precipitation intensity in a torrential rainfall event in Sichuan， China
著不同；隨著降水強(qiáng)度增強(qiáng)，與雨水產(chǎn)生直接或間接相關(guān)的云微物理轉(zhuǎn)化過程明顯增強(qiáng)；作為雨水的兩個(gè)主要源項(xiàng)，云水被雨水碰并收集（QCLcr）隨著降水強(qiáng)度增強(qiáng)而單調(diào)遞增，而霰融化（QMLgr）增長(zhǎng)較為緩慢。1. IntroductionTorrential rainfall can cause floods， debris flows， and other natural disasters. In Sichuan Province， China， where t
- 上海中心城區(qū)暴雨內(nèi)澇閾值研究
了暴雨積水與降水強(qiáng)度以及累積雨量的關(guān)系，建立了中心城區(qū)暴雨內(nèi)澇的閾值指標(biāo)，結(jié)果表明，中心城區(qū)暴雨積水程度與1 h降水強(qiáng)度和2 h累積雨量密切相關(guān)。當(dāng)降水強(qiáng)度達(dá)30～40 mm·h-1時(shí)，中心城區(qū)就會(huì)出現(xiàn)暴雨積水。當(dāng)降水強(qiáng)度達(dá)50 mm·h-1、2 h累積雨量達(dá)70 mm時(shí)，暴雨積水會(huì)明顯增多。相對(duì)于暴雨發(fā)生的時(shí)間，暴雨積水具有明顯的滯后效應(yīng)，一般滯后1～2 h。下墊面狀況、人口和道路密度也影響到暴雨積水的發(fā)生。綜合海拔高程、下墊面類型、排水管網(wǎng)等多因素，開
暴雨災(zāi)害 2016年4期2016-10-25
- 近54年茌平縣降水量和降水強(qiáng)度變化趨勢(shì)研究
、降水日數(shù)、降水強(qiáng)度和日最大降水量等指標(biāo)，對(duì)茌平縣1961—2015年的降水量和降水強(qiáng)度進(jìn)行了分析。結(jié)果表明：近54年來，茌平縣多年平均降水量為596.2 mm；年、季降水量、降水日數(shù)呈緩慢下降的趨勢(shì)，而降水強(qiáng)度和日最大降水量呈緩慢上升的趨勢(shì)。小波分析顯示降水量和降水日數(shù)呈現(xiàn)出明顯的周期性。關(guān)鍵詞 降水量；降水強(qiáng)度；變化趨勢(shì)；小波分析；山東茌平中圖分類號(hào) P426 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-5739（2016）06-0229-02Precipit
現(xiàn)代農(nóng)業(yè)科技 2016年6期2016-10-20
- 貴陽市暴雨變化趨勢(shì)及短歷時(shí)暴雨雨型研究
降水極端性及降水強(qiáng)度較強(qiáng)。以1981—2013年逐分鐘降水資料為數(shù)據(jù)基礎(chǔ)，依據(jù)《室外排水設(shè)計(jì)規(guī)范》(GB50014-2006，2014版)及《城市暴雨強(qiáng)度公式編制和設(shè)計(jì)暴雨雨型確定技術(shù)導(dǎo)則》(2014版)要求新修編的貴陽站暴雨強(qiáng)度公式，采用芝加哥雨型法確定貴陽市短歷時(shí)暴雨雨型，雨峰綜合系數(shù)為0.405，即雨峰位于整個(gè)降雨過程的終端偏前的時(shí)刻。短歷時(shí)暴雨；暴雨強(qiáng)度；暴雨雨型1 引言近年來，受全球氣候變化影響，極端暴雨事件頻繁發(fā)生，加之城市排水防澇標(biāo)準(zhǔn)偏低、調(diào)
中低緯山地氣象 2016年1期2016-08-26
- 農(nóng)業(yè)氣象災(zāi)害期間地下水位變化分析
水；降水量；降水強(qiáng)度中圖分類號(hào) P641 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1007-7731（2016）10-0153-03The Change of Underground Water Level during the Period of Agricultural Meteorological DisasterRen Ke（Laizhou Meteorological Bureau，Laizhou 261400，China）Abstract：In order
安徽農(nóng)學(xué)通報(bào) 2016年10期2016-06-08
- 江淮分水嶺地區(qū)滁州市降水量變化特征研究
勢(shì)分析和平均降水強(qiáng)度［17，18］等，對(duì)滁州市近61年降水變化特征的時(shí)間尺度結(jié)構(gòu)進(jìn)行了分析，并探討了其降水強(qiáng)度的氣候演變規(guī)律。計(jì)算年、季、月降水量序列，季節(jié)劃分為：春季（3—5月）、夏季（6—8月）、秋季（9—11月）、冬季（12月—次年2月）。3 結(jié)果分析3.1 降水量的變化特征3.1.1 年降水量變化特征由圖2可知，1952—2012年滁州市年降水量變化比較明顯，基本呈現(xiàn)為一年大于年平均降水量，一年低于年平均降水量1050.9mm的振蕩性變化，最高降水
滁州學(xué)院學(xué)報(bào) 2015年5期2015-08-02
- 石羊河流域人工增雨雪的效果評(píng)估分析
增雪作業(yè)后，降水強(qiáng)度有明顯增大的趨勢(shì)。本文運(yùn)用統(tǒng)計(jì)學(xué)方法分析了石羊河流域水資源的現(xiàn)狀和人工降雪作業(yè)的效果。結(jié)果表明，人工降雪在石羊河流域水資源增加明顯，同時(shí)指出冬春季在石羊河流域進(jìn)行人工增雪具有一定的潛力，是切實(shí)可行的。關(guān)鍵詞：人工增雨雪；降水強(qiáng)度；評(píng)估結(jié)果。一、概況武威市位于河西走廊東部，地處青藏高原北坡的中緯度地帶，南靠祁連山脈，北鄰巴丹吉林和騰格里沙漠，東接黃土高原西緣，西為走廊平川，境內(nèi)山地、高山、平原、沙漠、戈壁和冰川等交錯(cuò)分布，海拔從1200米
城市地理 2015年7期2015-07-13
- 應(yīng)用于氣象探測(cè)的雙加熱溫度傳感器設(shè)計(jì)*
得不同風(fēng)速及降水強(qiáng)度條件下沾水誤差與時(shí)間常數(shù)的變化。通過擬合對(duì)應(yīng)的函數(shù)關(guān)系可實(shí)現(xiàn)沾水誤差修正和降水強(qiáng)度測(cè)量功能。實(shí)驗(yàn)結(jié)果表明，在一定的風(fēng)速及降水強(qiáng)度范圍內(nèi)，該傳感器能使沾水引起的誤差從±0.3℃降低至±0.1℃以下，降水強(qiáng)度測(cè)量誤差低于±0.2 mm/min。與傳統(tǒng)探空儀溫度傳感器相比，該雙加熱溫度傳感器不但精度高，具有消除沾水誤差的能力，亦可初步實(shí)現(xiàn)降水強(qiáng)度的測(cè)量。關(guān)鍵詞:溫度傳感器;降水強(qiáng)度; L-M算法;時(shí)間常數(shù)項(xiàng)目來源:國(guó)家公益性行業(yè)(氣象)科研專
電子器件 2015年3期2015-02-26
- 鄭州市5—9月降水的日變化特征
水頻次、逐時(shí)降水強(qiáng)度和不同持續(xù)時(shí)間降水4 個(gè)指標(biāo)，對(duì)鄭州市降水的日變化特征進(jìn)行分析.2 結(jié)果與分析2.1 逐小時(shí)降水頻次的變化圖3給出了鄭州市1955—2005年5—9月份各時(shí)段降水出現(xiàn)的合計(jì)頻次. 無論是18:01—次日06:00作為黑夜，還是19:01—次日07:00 作為黑夜，黑夜的降水概率均超過52%，因此鄭州市夜雨特征明顯.1:01—2:00 為降水最為頻發(fā)時(shí)段，出現(xiàn)627 d，與統(tǒng)計(jì)日數(shù)的比率達(dá)到31%;另外還有2:01—3:00、3:01—4
- 延安降水強(qiáng)度的氣候特征分析
000)延安降水強(qiáng)度的氣候特征分析王治亮,孫智輝,楊 瓊(延安市氣象局,陜西延安 716000)利用陜西省延安市13個(gè)國(guó)家氣象站1980—2011年15個(gè)時(shí)段年最大降水量資料,對(duì)降水強(qiáng)度的氣候概況作了初步分析。結(jié)果顯示:延安市15個(gè)時(shí)段年最大降水量變幅明顯,最大值與最小值之比在6.6～14.2之間,最大降水強(qiáng)度在0.2～4.4mm/min之間,降水強(qiáng)度曲線基本呈指數(shù)分布,時(shí)間越短,降水強(qiáng)度越大。最大降水量以7—8月居多,一天內(nèi)12—20時(shí)出現(xiàn)頻次占一半以上
陜西氣象 2013年6期2013-06-09
- 冬、夏季熱帶及副熱帶穿透性對(duì)流氣候特征分析
的頻次、條件降水強(qiáng)度及垂直廓線等特征進(jìn)行了分析。研究結(jié)果表明：深對(duì)流和穿透性對(duì)流都主要發(fā)生在熱帶輻合帶 （ITCZ）、南太平洋輻合帶 （SPCZ）、亞洲季風(fēng)區(qū)、20°N以南的非洲以及美洲等地區(qū)，它們的空間分布具有明顯的地域性和季節(jié)變化特征，而且陸地深對(duì)流更容易發(fā)展成為穿透性對(duì)流，但絕大部分地區(qū)的穿透性對(duì)流頻次不超過0.2%。對(duì)穿透性對(duì)流條件降水強(qiáng)度的分析表明，熱帶及副熱帶大部分地區(qū)的穿透性對(duì)流條件降水強(qiáng)度在10mm／h以上，且洋面的條件降水強(qiáng)度要比陸地大，
大氣科學(xué) 2012年3期2012-12-15
- 2008年以來北京降水增多
降雨量和單點(diǎn)降水強(qiáng)度。北京市氣象局氣候中心主任郭文利表示，1963年北京有15個(gè)氣象觀測(cè)站。當(dāng)年8月3—10日連續(xù)降雨，持續(xù)時(shí)間比較長(zhǎng)，總的降水量為280多mm。其中，降水最強(qiáng)的8月9日，平均降雨量為100.7 mm。今年“7·21”暴雨中，北京20個(gè)國(guó)家級(jí)氣象觀測(cè)站的平均降雨量達(dá)到190 mm，而且有多達(dá)11個(gè)站的降水量打破了歷史紀(jì)錄。從單點(diǎn)降水強(qiáng)度比較，今年房山區(qū)的單點(diǎn)降水強(qiáng)度最大，為460 mm；1963年8月最大的24 h降雨量出現(xiàn)在朝陽區(qū)，為40
海河水利 2012年4期2012-04-11