共查询到20条相似文献，搜索用时 171 毫秒
1.
《湖北气象》2016,(5)
致灾因子危险性评价是进行风险区划的重要环节。本文采用江西省贡水流域超警戒水位的降水作为暴雨致灾因子,以最优极值函数分布方法计算研究该流域的重现期面雨量,利用超警戒水位降水过程的降水量时间分布规律和降水空间经验正交函数分析结果,结合Flood Area模型开展不同降水时空分布情景的洪水演进模拟,以模拟淹没水深作为指标建立暴雨致灾危险性评价等级,对不同降水时空分布情景下贡水流域暴雨致灾危险性进行评价。结果显示:不同的降水时空分布对暴雨洪涝致灾危险性评价影响较大。该方法是完善流域内暴雨洪涝灾害风险区划和评估工作的基础,在此基础上开展流域内不同承灾体的脆弱性评价和暴露度评价,可为地方政府制订减灾规划与预案等提供参考。 相似文献
2.
为了研究洪涝的重要致灾源因子降水的概率,利用广西从1970年-2012年的降水数据,以年降水均值（X）和年降水极值均值（Y）为研究变量,通过Copula函数构建其联合分布.经过OLS,AIC拟合优度评价,采用Copula函数中拟合效果较好的Gumbel-Hougaard Copula函数建立边缘分布为Pearson-Ⅲ型的两变量的联合分布.随后,进行相应的重现期计算,计算结果表明,在联合重现期下的两变量降水设计值比单变量设计值和同现重现期下的设计值都要高,故采用联合重现期下的联合设计值作为防洪标准会更加安全.最后,对比降水数据与灾情数据,研究降水重现期与洪涝灾情的关系.结果表明,降水的重现期越长,洪涝灾害也越严重. 相似文献
3.
利用广义极值分布函数拟合1981—2016年重庆34个国家气象站短历时(1、3、6、12 h)极值降水序列,对拟合结果进行显著性水平检验,并给出不同重现期极值降水的空间分布。结果表明:广义极值分布函数能较好地拟合重庆地区的短历时极值降水。随着降水历时的延长,服从Weibull分布(Frechet分布)的站点数逐渐减少(增加)。各短历时不同重现期降水的空间分布具体表现为10 a以下及20 a以上基本相似,位于长江沿线以北的重庆西北部地区降水量明显大于重庆长江沿线以南地区,且渝东南降水的相对大值区位于彭水地区。随着重现期的增加,降水中心更加集中,渝东北的大值中心随着历时的延长向北移动。广义极值分布函数的形状参数的绝对值接近或超出0.5时,计算的高重现期(大于样本长度)极值降水存在较大偏差;当不同历时降水拟合的形状参数值具有明显差异时,高重现期降水可能出现与客观规律相悖的现象。 相似文献
4.
利用重庆34个自动站1991—2015年逐小时降水资料,分别从降水比率、强降水占比、强降水频次、强降水事件、极大强降水及极端强降水阈值等方面分析了重庆时空分布特征。结果表明:(1)降水比率、强降水占比、强降水频次、强降水事件、极大强降水及极端强降水阈值在空间分布上具有一致性,高值区主要分布在东南部与西部,低值区主要位于东北部与中部。(2)降水比率、强降水占比、强降水频次及极大强降水在年变化上表现出波动起伏特征,且降水比率相对变化幅度较小,后三者表现出同相位的变化特点。在月变化上,降水比率呈双峰特征,后三者一致呈单峰特征。在日变化上,强降水高频次主要出现在03—05时,低频次主要是13—15时。(3)在强降水事件持续性上,强降水事件持续时间及其降水开始至最强降水时间的空间分布一致:高值区主要集中在东北部与东南部,而低值区主要分布在中部与西部。总体上看,持续时间越长,产生最强降水的时间越延后,且持续时间长的强降水事件主要产生在23时至次日04时。(4)第99、99.5、99.9百分位阈值与广义极值(GEV)分布函数5、10、20、50、100 a重现期阈值及极大强降水观测值在空间分布上与强降水具有一致性。 相似文献
5.
从小时尺度考察中国中东部极端降水的持续性和季节特征 总被引：7，自引：1，他引：6
相对于日降水量,小时尺度降水资料可以更准确地反映降水强度并描述降水过程,因而更适用于极端降水阈值确定及其特性研究.利用广义极值分布估计中国321个站最大小时降水量的分布函数,确定了5a重现期的小时降水强度阈值.阈值的空间分布呈现出明显的地域差异,西北地区阈值偏低,华北地区、长江中下游地区、华南沿海地区和四川盆地西部地区为高阈值中心.取各站5a一遇极端降水事件对其持续性特征和季节特征进行分析,发现在沿海地区、长江流域和青藏高原东坡极端降水事件的平均持续时间较长(超过12h);中国北部地区持续时间较短.在具有较大海拔落差的复杂地形区,极端降水事件较平原地区更快地发展到峰值.华南地区4月就可有极端降水事件出现,而中国北方地区要到6月底才出现极端降水;全中国大部分地区的年最晚极端降水在8-9月,但沿海地区、大陆南端和西南地区南部的少数站点在10月以后仍有极端降水发生. 相似文献
6.
着重论述极值统计分布在极端天气气候事件和重大工程设计中的重要意义,综述该领域国内外研究进展。例如,基于超门限峰值法（POT）的广义帕累托分布（GPD)和基于单元极大值法（BM）的广义极值分布（GEV）及其参数间的理论关系;采用极值分布模型与多状态一阶Markov链相结合构建降尺度模型模拟局地极端降水事件,推算一定重现期的极端降水量的分位数;探讨极值分布模型分位数估计误差问题,多维极值分布理论及其应用等问题。 相似文献
7.
利用1961—2021年绕阳河流域周边8个气象站的逐日降水资料,以降水持续时间和降水强度作为判断降水事件的两个要素,运用Copula函数确定降水事件的联合概率和重现期,并构建危险性评估模型,分析绕阳河流域降水事件危险性空间特征。结果表明：绕阳河流域周边不同地区降水事件的持续时间和降水强度的最大值存在显著差异。Lognormal和Logistic函数对两个降水要素的拟合效果较好,Clayton函数适合反映两要素联合下降水发生的概率。随着降水持续时间和降水强度的增加,极端降水事件的危险性快速升高;不同地区降水事件的概率和重现期存在着显著差异,阜新站降水持续7 d,强度达到60 mm的事件每10 a出现一次,而盘锦站和北镇站发生持续6 d以上的降水事件较少,多为20 a一遇;降水事件危险性高值区处于绕阳河流域南部,主要位于盘锦、辽中和北镇。 相似文献
8.
2021年8月22日勉县遭遇极端降水事件,日降水量高达2379 mm,灾害十分严重。统计分析1959—2021年勉县历史逐年最大日降水量特点,采用皮尔逊Ⅲ型（简称P-Ⅲ型）曲线分布和耿贝尔极值分布方法推算重现期及降水量,并将两者进行比较,对2021年8月22日极端大暴雨进行重现期估算。结果表明：勉县年最大日降水年际变化明显,2008年以来变率增大且有更极端的趋势;基于P-Ⅲ型曲线分布和耿贝尔极值分布的1959—2020年最大日降水积累概率拟合效果均较好,但耿贝尔极值分布对年最大日降水量的拟合优于P-Ⅲ型分布;应用耿贝尔极值分布推算勉县极值降水,100 a一遇的日降水量为1547 mm,2021年8月22日降水量2379 mm的重现期为4 88133 a。增加2021年最大日降水量进入样本序列重新构建耿贝尔极值分布函数,推算日降水量2379 mm的重现期为70735 a,100 a一遇的估算降水量为1834 mm,重现期及降水量估算变化均较大,说明超极端降水和样本长度对重现期的推算影响较大。 相似文献
9.
汉江流域极端水文事件时空分布特征 总被引：1，自引：0，他引：1
利用1960-2012年汉江流域15个气象站点的日降雨资料和3个水文站同时期日径流资料,分析了9个极端降雨指数的空间分布规律,运用广义极值分布（GEV）、Gamma分布两种极值统计模型对各站点的最大1 d降雨、最大3 d降雨极值样本进行拟合,遴选描述降雨极值分布规律最优概率模型,进而推算给定重现期下的降雨设计值,并分析其空间分布规律;选用Gumbel、Clayton和Frank这3种Copula函数建立降雨-洪量极值联合分布模型,优选最合适的Copula函数,由此计算给定重现期下的洪量设计值。结果表明：GEV分布模型能更好地模拟降雨极值序列,不同重现期下的降雨极值在空间上均呈西低东高的特征;3种Copula函数中,Frank Copula函数能更好地拟合降雨-洪量相关关系,由此推求的洪量设计值大于单变量拟合设计值。 相似文献
10.
选择适宜的极值分布模型有助于提高极值序列再现期极值的准确度。基于1981—2010年湖南省97个地面气象观测站逐时降水观测资料,构建逐站年和季1 h、3 h、12 h最大降水量序列,运用Pearson-Ⅲ型、Gumbel、对数正态、Cauchy和Weibull 5种分布函数对湖南省3种短历时最大降水量序列进行极值分布拟合。结果表明：1981—2010年湖南省中北部地区3种短历时降水极值分布符合Gumbel分布模型,Weibull分布次之;湖南省南部地区3种短历时降水极值分布则仅符合Gumbel分布模型。在此基础上,应用Gumbel分布模型估算湖南省各站重现期为百年的降水极值,结果表明1 h、3 h、12 h的年降水极值高值中心分别位于湘东南地区、湖南省西部地区和湘西北地区;各季降水极值中心与年极值中心略有不同。 相似文献
11.
北京市强降雨分区及重现期研究 总被引：7，自引：1，他引：6
利用北京观象台1841—2008年年降水量资料及近50年北京市20个气象站和82个雨量站资料分析了北京地区降水量的时间和空间变化规律,对北京地区的降雨进行分区研究,并结合观象台站逐分钟降雨资料应用广义偏态分布（GPD）方法分析了北京地区不同历时降雨量重现期。结果表明：近168年来,北京地区有两个多雨时段和两个少雨时段,目前北京处于20世纪90年代至今的少雨时段内。70至80年代,北京地区强降雨主要为全市区域性降雨,90年代之后北京的短历时强降雨呈现出局地性的特征,降水分布不均,强降水中心大致成东北一西南向带状分布。根据北京市降雨EOF分析,将北京市划分为4个降雨分区,分别是山后区、城市中心区、东北部山区和东南部平原区。其中城区代表站观象台站多个历时不同重现期降雨量分析结果经过与现行排水规范对比表明,重现期模拟结果可靠。 相似文献
12.
暴雨、大暴雨等自然因素和防洪、除涝工程等社会因数是影响暴雨洪涝灾害发生、发展的重要因素。基于1984-2019年遵义市13个国家气象观测站逐日降水量资料、遵义市第一次自然灾害风险普查暴雨洪涝灾害数据,采用常规统计、突变检验、线性倾向估计、相关分析、对比分析等方法,得出遵义市暴雨、大暴雨以及受灾面积的年际、年代际以及长期变化变化特征,同时揭示农作物受灾面积的变化成因。结果表明：近36年遵义市暴雨日数及其累计降水量呈波动式微弱增加趋势,大暴雨日数及其累计降水量呈显著减少趋势,暴雨、大暴雨均具有不同的阶段性变化特征。1984-1999年农作物受灾面积呈显著上升趋势,2000-2019年农作物受灾面积呈显著下降趋势。大暴雨日数及其累计降水量与受灾面积呈显著正相关,并且具有明显的阶段性差异。暴雨洪涝灾害发生、发展既受暴雨、大暴雨等气象自然因子影响,也受气象灾害防御工程和灾害性天气预报预警水平等社会因素影响。 相似文献
13.
Ummul Fahri Abdul Rauf Panlop Zeephongsekul 《Theoretical and Applied Climatology》2014,115(1-2):153-166
The main objective of this study is to investigate the joint distribution of rainfall severity and rainfall duration in the state of Victoria, Australia, based on monthly rainfall data from selected rain-gauge stations which are located in the north-eastern and south-western parts of the state, during the period from 1950 to 2010. Traditional approach for considering the joint distribution of rainfall characteristics using standard bivariate modeling presents some limitations that can be circumvented by using Copula models. Archimedean and extreme-value copulas will be used to obtain the bivariate distribution of rainfall severity and duration. The Standard Precipitation Index (SPI), which is employed extensively to quantify rainfall severity, will be discussed in detail. Several goodness of fit tests will be performed to find the best fitting copulas and the results will be summarized. The final fitted copulas will then be applied to obtain the joint and conditional return periods from a minimum of two years to one hundred years of rainfall events in Victoria. 相似文献
14.
Compared with daily rainfall amount, hourly rainfall rate represents rainfall intensity and the rainfall process more accurately, and thus is more suitable for studies of extreme rainfall events. The distribution functions of annual maximum hourly rainfall amount at 321 stations in China are quantified by the Generalized Extreme Value（GEV） distribution, and the threshold values of hourly rainfall intensity for 5-yr return period are estimated. The spatial distributions of the threshold exhibit significant regional diferences, with low values in northwestern China and high values in northern China, the mid and lower reaches of the Yangtze River valley, the coastal areas of southern China, and the Sichuan basin. The duration and seasonality of the extreme precipitation with 5-yr return periods are further analyzed. The average duration of extreme precipitation events exceeds 12 h in the coastal regions, Yangtze River valley, and eastern slope of the Tibetan Plateau. The duration in northern China is relatively short. The extreme precipitation events develop more rapidly in mountain regions with large elevation diferences than those in the plain areas. There are records of extreme precipitation in as early as April in southern China while extreme rainfall in northern China will not occur until late June. At most stations in China, the latest extreme precipitation happens in August–September. The extreme rainfall later than October can be found only at a small portion of stations in the coastal regions, the southern end of the Asian continent, and the southern part of southwestern China. 相似文献
15.
本文针对2012年("7·21")和2016年("7·20")北京两次特大暴雨过程,利用多源观测和再分析数据,结合多种分析方法,从多个角度,较为系统地对比揭示了两次特大暴雨过程的差异,结果指出:两次过程降水总量相近,但降水历时和小时雨强不同,"7·21"历时更短、雨势更强;两次过程主导天气系统和演变、对流系统演变以及局... 相似文献
16.
This study was conducted using daily precipitation records gathered at 37 meteorological stations in northern Xinjiang, China, from 1961 to 2010. We used the extreme value theory model, generalized extreme value (GEV) and generalized Pareto distribution (GPD), statistical distribution function to fit outputs of precipitation extremes with different return periods to estimate risks of precipitation extremes and diagnose aridity–humidity environmental variation and corresponding spatial patterns in northern Xinjiang. Spatiotemporal patterns of daily maximum precipitation showed that aridity–humidity conditions of northern Xinjiang could be well represented by the return periods of the precipitation data. Indices of daily maximum precipitation were effective in the prediction of floods in the study area. By analyzing future projections of daily maximum precipitation (2, 5, 10, 30, 50, and 100 years), we conclude that the flood risk will gradually increase in northern Xinjiang. GEV extreme value modeling yielded the best results, proving to be extremely valuable. Through example analysis for extreme precipitation models, the GEV statistical model was superior in terms of favorable analog extreme precipitation. The GPD model calculation results reflect annual precipitation. For most of the estimated sites’ 2 and 5-year T for precipitation levels, GPD results were slightly greater than GEV results. The study found that extreme precipitation reaching a certain limit value level will cause a flood disaster. Therefore, predicting future extreme precipitation may aid warnings of flood disaster. A suitable policy concerning effective water resource management is thus urgently required. 相似文献
17.
浑太流域降水极值的统计分布特征 总被引：2，自引：0，他引：2
基于浑太流域1966-2006年73个雨量站的日降水资料,建立了逐站年最大日降水量(AnnualMaximum,AM)序列和汛期4-9月日降水量<1.27mm.d-1的最长持续干旱天数(Munger Index,MI)序列,并对其时空分布规律进行了分析。采用广义极值(General Extreme Value,GEV)分布、广义帕雷托(General Pareto,GP)分布、韦布尔(Weibull,WB)分布、约翰逊SB(Jonhson SB,J-SB)分布、Burr分布和对数逻辑(Log-Logistic,L-LG)分布等6种极值分布函数对AM和MI序列进行了逐站分布拟合,结果表明,广泛应用的GEV分布整体拟合程度最好,有50个测站的KS检验统计量Dn<0.09,而未曾推广使用的Burr分布的拟合效果也非常好,有36个测站Dn<0.09。用GEV分布对50年一遇的AM和MI进行了估算,发现流域中心地区极端强降水和极端干旱的程度较高,分别为>208mm.d-1和>47d。 相似文献
18.
基于自动站观测的北京夏季降水特征 总被引：2，自引：0，他引：2
应用2007~2011年北京地区237个自动气象站资料,分析了北京夏季降水的精细化时空分布特征及城郊差异,结果表明:(1)北京大部分地区夏季平均有效降水时数约120~160 h,降水时数高值区主要位于北部怀柔、密云山前迎风坡一带。城、郊区间有效降水时数差异并不明显,城市化对局地降水强度有较明显影响。(2)北京夏季降水主要出现在傍晚到前半夜,凌晨到正午降水较少出现。夏季平均降水量极大值出现在17:00(北京时间),为3.2 mm/h。降水量存在较明显的周期变化特征,其中7 d左右的周期是主周期。(3)夏季城区平均降水量多于郊区,城、郊雨量差异主要来自较强降水过程。城市效应会导致城区弱降水事件的减少,亦会导致较强降水事件的增多。(4)城、郊区间降水持续时长的差异主要由较强降水过程决定,多数情况下城区降水持续时长大于郊区,午后到前半夜发生的降水尤甚。 相似文献
19.
基于中国6个代表站5-9月的逐日降水资料,利用二维Gumbel-Logistic分布,研究了中国不同区域的过程降水量和日最大强降水雨量的联合概率特征。结果表明,各代表性台站的过程雨量和强降水雨量的联合分布均符合二维Gumbel分布。强降水雨量与过程降雨量联合分布所描述的极端事件是更小的小概率事件。相同强降水雨量条件下,过程雨量越大,重现期越长当强降水雨量增大时,同一过程雨量的重现期也延长。在同级强降水雨量出现的条件下,各地过程降雨量往往是愈往南方其条件概率愈大,而其出现的过程雨量也随之增大。这为研究强降水极端状况的全方位特征做出了新的试验．也曼加客观地揭示了极端气候事件的多方面概率特征． 相似文献
20.
本文以成都主城区为例,运用气象数据、地理信息数据、社会经济统计数据及内涝灾情资料,通过多种常用分布函数的对比,选出重现期降水估算的最优函数,采用Pilgrim & Cordery法推求研究区的小时雨型,然后结合改进的基于FloodArea内涝模型,开展了24 h历时20、30、50、100 a一遇降水情景内涝模拟,并利用修订的内涝公路风险等级标准和财产损失曲线,探讨100 a一遇降水情景下内涝交通风险等级和居民室内财产损失风险。结果表明：①GEV（Generalized Extreme Value Distribution）分布函数是成都主城区重现期降水估算的最优函数;主城区24 h历时小时雨型呈双峰型, 且峰值出现在降水过程前部。②基于FloodArea模型,通过对输入数据或参数的改进,能够较好模拟城市内涝空间分布;各降水情景模拟结果显示高新南区、高新西区、青羊区内涝淹没范围占比相较其他地区偏高。③24 h历时100 a一遇降水情景内涝可造成成都主城区86.1%公路长度占比出行困难,其中一级风险公路长度占比为105%,二、三级风险公路长度占比分别为27.5%、28.4%,成华区内涝公路风险最高。④24 h历时100 a一遇降水情景内涝可造成居民室内财产潜在损失约占主城区GDP（Gross Domestic Product）的0.8%,其中武侯区财产损失风险最大,潜在损失占其GDP的1.6%。 相似文献