共查询到20条相似文献，搜索用时 718 毫秒
1.
上海中心城区暴雨内涝阈值研究 总被引：1，自引：0，他引：1
基于上海暴雨积水110报警数据和自动气象站逐小时降水数据,利用时空过程分析法研究了暴雨积水与降水强度以及累积雨量的关系,建立了中心城区暴雨内涝的阈值指标,结果表明,中心城区暴雨积水程度与1 h降水强度和2 h累积雨量密切相关。当降水强度达30~40 mm·h-1时,中心城区就会出现暴雨积水。当降水强度达50 mm·h-1、2 h累积雨量达70 mm时,暴雨积水会明显增多。相对于暴雨发生的时间,暴雨积水具有明显的滞后效应,一般滞后1~2 h。下垫面状况、人口和道路密度也影响到暴雨积水的发生。综合海拔高程、下垫面类型、排水管网等多因素,开展中心城区精细化的暴雨内涝风险情景模拟及灾害损失评估,是下一步的研究方向。 相似文献
2.
利用2009-2013年上海市加密观测自动站降水资料和110报警信息资料,对上海市短时强降水进行统计分析,了解其地理分布特征、概率分布特点的同时,找出降水极端性与暴雨红色预警标准的对应关系,以及110报警次数与短时强降水的关系。结果表明:1)自动站1 h雨量≥30 mm、≥50 mm和3 h雨量≥50 mm、≥100 mm的5 a累计频数的大值区基本集中在市区及其周边地区,郊区次数明显减少,出现次数最多的是3 h雨量≥50 mm的情况,出现次数最少的为3 h雨量≥100 mm的情况。2)从不同降水强度的发生概率分布来看,郊区弱降水发生概率大于市区的,市区强降水(1 h雨量≥25 mm)发生概率大于郊区的。3)对流降水情况下,降水累积概率为1%时,对应的1 h雨量市区为63.6 mm、郊区为58.7 mm,接近暴雨红色预警标准;对应的3 h雨量市区为90.8 mm、郊区为86.8 mm,较暴雨红色预警标准的阈值小。4)报警次数与降水量的关系:1当1 h雨量40 mm或3 h雨量60mm时,报警次数变化不大,基本在10次以下;当1 h雨量≥40 mm或3 h雨量≥60 mm时,报警次数逐渐增多,大部分在20次以上;当1 h雨量≥60 mm(达到暴雨红色预警标准)、3 h雨量≥80 mm(未达到暴雨红色预警标准)时,报警次数明显增多,基本超过30次,最多达100次以上。从报警次数的角度来看,暴雨红色预警的3 h标准设定为80~90 mm更合适。2当逐1 h和逐3 h雨量不是很大、但累积降水量较大(特别是累积降水量超过100 mm)时,报警次数急剧增多,很多超过100次,说明报警次数还与降水的持续时间有关。3当累积降水量、逐1 h和逐3 h雨量都增加时,报警次数增加最快。4报警次数的极值并非都出现在逐1 h和逐3 h雨量大值时,在1 h雨强不是很强,但降水持续时间长,累积降水量大的时候,也十分容易出现报警极值。 相似文献
3.
【目的】为分析铜仁区域短时强降水极端阈值及分布特征。【方法】利用铜仁区域内10个国家级台站2006—2022年3—11月逐日逐时降水资料,分别挑选1 h、2 h、3 h降水极值和次极值进行升序排列,基于第95个百分位的基本方法综合判定阈值,通过常规统计结果判定其分布特征。【结果】1 h降水量≥25 mm、2 h降水量≥40 mm、3 h降水量≥50 mm均可作为铜仁区域短时强降水的阈值。松桃是铜仁市短时强降水的高值中心,江口为次中心。西部5县和东部的万山6月份为短时强降水高发月份;东部松桃、碧江、玉屏7月为高发月份,江口以8月为主。铜仁区域短时强降水主要集中在5—8月,占总日数的84.4%,且67.3%的短时强降水以单站形式出现,短时强降水的局地性明显。铜仁发生短时强降水以夜间为主,江口最为明显,短时强降水夜间频数与短时强降水总频数之比达到84.9%,夜间短时强降水量与短时强降水总量之比达到86.5%,短时强降水较降水总量的夜雨性更为明显。【结论】该研究对深入了解铜仁区域短时强降水作了有益的探索,对科学制定强降水“三个叫应”指标和防灾减灾具有一定的指导意义。 相似文献
4.
《高原气象》2017,(6)
采用SCS-CN模型,通过对城市降雨径流过程的模拟,结合上海地区径流曲线系数和排水能力分布,以淹没5 cm深度作为致涝阈值,反演上海市短历时强降水1 h致灾临界面雨量,接着选取4个110积水报警较多和造成灾害较重短历时强降水典型个例,根据4个典型强降水过程逐时雨量与报警点的空间分布及逐时最大雨量与积水报警数的关系,验证分析上海地区短历时强降水引起积水灾害时的小时雨量。综合反演计算结果和验证分析,确定上海地区短历时强降水致灾阈值:当雨量达30~40mm·h~(-1),在上海市区和郊区大部分地区,就会出现淹没灾情和积水报警;当雨量大于等于50 mm·h~(-1),淹没区域增加到郊区一些新建城镇灾情加重,积水报警也明显增多;当雨量大于等于70 mm·h~(-1),上海市各个地区都有可能出现淹没现象灾情严重,全市都会出现积水报警且密集出现。短历时强降水致灾阈值的研究结果可为上海城市制定有效预防强降水积水淹涝灾害措施提供可靠的科学依据。 相似文献
5.
本文使用玉屏县国家站及乡镇考核站点2014-2020年暴雨天气过程日降水量、逐小时降水量及灾情数据,统计分析玉屏县暴雨天气及致灾暴雨天气过程降水特点,对本地“三个叫应”阈值进行检验,并提炼乡镇“三个叫应”阈值。结果表明：（1）新店镇暴雨频次逐年变化幅度不大,而田坪镇变化幅度最大,朱家场镇次之。（2）全县在5-7月份出现暴雨的频次较高,6月份达到峰值,而朱家场镇暴雨频次的峰值出现在7月。（3）在所有暴雨天气过程中,短时强降水多出现在夜间,致灾分为持续性降水或平缓降水致灾、暴雨叠加致灾、短时强降水致灾。当玉屏县境内出现连续4天以上降水且累计雨量达到100mm左右,或10mm/h左右降水持续5小时～9小时,将可能出现灾情。暴雨叠加分为空间叠加及时间叠加,玉屏县辖区两次暴雨时间间隔小于1天,将极易引发相关灾害。空间叠加为玉屏县中南部3小时出现50mm降水叠加岑巩上游暴雨,玉屏县中南部将可能出现灾情。（4）对“三个叫应”阈值进行检验,结果表明各乡镇的致灾雨强并不统一,因此制定分乡镇的“三个叫应”阈值,3h阈值为40mm～60mm。 相似文献
6.
城市内涝的发生与气象条件紧密相关,强降水是致灾的关键因素。通过分析把握剑河县城降雨变化趋势,结合城区的易涝点及历史积水资料,得到内涝灾害风险的分布特征及演变规律,进一步开展气象条件致灾关键环节分析,有助于剑河县内涝灾害气象决策服务更加精细化,为加强城市灾害的应急处置和应对防范能力体系建设提供气象支撑。通过对剑河县国家气象观测站2007～2021年降水数据进行分析,剑河县城降水主要集中在4～9月,占全年降水的74.5％,该时段也是剑河县城短时强降水、大雨、暴雨的集中高发期,4～9月大雨以上量级降水出现日数呈增多趋势,近15a来1h最大降水量呈逐年波动增加趋势,且主要发生在4～9月。结合DEM数字高程数据得到的易积水路段点及历史积水内涝资料分析,当短时强降水发生时,县城易积水路段会出现不同程度的积水,当小时雨强达到20mm且未来降水持续时,有积水达到10~20cm的风险,对行人过往造成影响,需加强监测并提示相关部门注意易积水路段可能出现积水风险;小时雨强超过30mm时,有积水超过20cm的风险,对车辆及低洼路段建筑影响较大,需及时联系相关部门建议在易积水路段采取相应排水措施,避免出现积水内涝情况影响居民工作生活,同时开展公众服务建议居民注意出行安全;小时雨强超过50mm时,将出现30cm以上积水,对过往车辆及低洼段建筑影响很大,行驶车辆应当就近到安全区域暂避,避免将车辆停放在低洼易涝等危险区域,如遇严重水浸等危险情况应当立即弃车逃生。相关应急处置部门和抢险单位应当严密监视灾情,做好内涝可能引发的其他灾害应急抢险救灾工作。 相似文献
7.
选取2007—2015年江西省1 895个地面气象站的降水观测资料,分别统计分析了20 mm≤1 h降水量＜30 mm、30 mm≤1 h降水量＜50 mm、1 h降水量≥50 mm、3 h降水量≥50 mm、6 h降水量≥50 mm短历时强降水的年际变化、季节变化、日变化和空间分布特征。结果表明： 1）从年际变化来看,1 h降水量≥20 mm短历时强降水的日数呈现增多的趋势。2）从季节变化来看,短历时强降水天气主要出现在4—9月,其中6月短历时强降水日数最多,1、2、12月最少;5—8月有超过80％的站点出现短历时强降水天气。3）从日变化来看,短历时强降水易发生在傍晚至上半夜时段,主峰值区出现在17—21时,次峰值出现在08—09时;4）从空间分布来看,不同降水强度的短历时强降水的发生日数均呈“西少东多”的空间分布特征,其中九江地区的降水日数偏少,抚州、鹰潭地区偏多。 相似文献
8.
本文选取2014年6～9月西南区域模式产品的每日20 h (北京时)起报的00 h～24 h降水量、相关物理量及成都地区实况降水量。首先利用领域法建立高分辨率模式与稀疏站点对应关系,其次比较领域内的降水量分级传统技巧评分以及强降水(25mm以上)与模式物理量阈值进行概率分析,得出强降水物理量阈值,最后通过个例对模式物理量阈值进行检验。得出如下研究结论:降水量分级评分结果表明模式对成都地区有无降水预报总体效果较好;TS评分随着预报降水量级增大而减小,同时模式空报率高于漏报率;而暴雨及暴雨以上量级降水混合评分为11.6%,具有一定的参考性。强降水与模式物理量阈值概率分析表明模式对强降水有一定的预报能力,但量级、落区相对较差。两次降水个例物理量阈值均满足以暴雨、暴雨以上降水为主的条件。 相似文献
9.
利用2017—2018年5—9月四川盆地109个自动站逐小时降水资料,以及GRAPES-MESO模式0.1°×0.1°的逐3 h预报场资料,从热力不稳定、水汽、动力条件等方面分析极端短时强降水(1 h降水量大于等于50 mm)发生发展所需的关键物理量指标,结合随机事件概率思想和主成分分析方法构建预报模型,研发极端短时强降水概率预报产品。经预报效果评估,当概率值达0.7以上时,TS评分为24.0%,可将其作为极端短时强降水预报的参考阈值。2019年7月22日四川盆地暴雨过程应用表明,该产品对极端短时强降水落区有较好的参考意义。 相似文献
10.
云南省不同地质地貌条件下滑坡泥石流与降水的关系 总被引：3，自引：1，他引：3
利用2001—2005年5—10月逐日降水量资料、滑坡泥石流样本和地质地貌特征等级,分析研究了不同地质地貌条件下滑坡泥石流与降水的关系。结果表明:滑坡泥石流发生与短时强降水和前期累积降水量关系密切,8天累积降水量40～50mm、9天累积降水量70～80mm、10天累积降水量100～110mm和1～2天30～40mm等降水条件最为敏感。在现有降水量观测空间密度不足的情况下,用前期累积降水量来分析与滑坡泥石流之间的关系十分重要;不同地质和地貌条件下滑坡泥石流发生对降水量大小的响应有比较大的差异,在预测预报时,若能综合考虑各类地质地貌特征,将有助于减少空报率。 相似文献
11.
基于沙漠绿洲戈壁区域同化预报系统(Desert Oasis Gobi Regional Assimilation and Forecast System,简称"DOGRAFS"),对2012年11月1日—2013年10月31日逐日四次预报的6h累积降水量和实况资料,利用TS、ETS和BS评分统计量,对该系统的降水预报能力进行客观检验评估,结果表明:总体而言,模式预报效果存在一定的季节差异,夏秋两季预报评分高于冬春两季;对于同一降水阈值,系统不同起报时间对降水的预报结果差别不大,但总体上12 UTC略优于其它三个时次;模式对降水的预报能力随着降水阈值的增大而逐渐降低,其中,对0.1 mm·(6 h)-1阈值的降水预报性能最稳定,对3.1 mm·(6 h)-1和6.1 mm·(6 h)-1两阈值次之但预报范围与实况比较吻合,对12.1 mm·(6 h)-1以上的大阈值降水过程,整体把握能力还有待提高。另外,针对2013年5月26—29日南疆一次极端强降水天气个例进行分析,不同起报时间对强降水时段的落区和量级的预报能力参差不齐,其中26日12UTC的预报结果最优;对其增量场分析表明,同化的资料对预报初始场中、低层的风场、温度场以及湿度场都有明显的调整作用,对预报结果有较好的正效应。 相似文献
12.
山东省短时强降水天气的特征分析 总被引：1，自引：0，他引：1
通过分析山东省2007—2010年常规观测资料、山东省区域和国家级自动气象观测站降水观测资料,研究短时强降水天气的时间和地理分布特征,分析短时强降水出现的时间、落区和强度,并对1小时降水量≥100mm的短时特强降水的天气系统进行了分析,结果表明：2007—2010年山东省短时强降水天气一般出现在5—10月,7—8月较多;1小时降水量≥100mm的短时特强降水都发生在7—8月;出现短时强降水天气的时段以午后至傍晚居多,夜间次之,上午最少;当500hPa位于西风槽前和副高边缘,700hPa和850hPa位于西风槽前或存在切变线,地面有冷锋影响时,有可能发生1小时降水量≥100mm的短时特强降水天气。 相似文献
13.
《广东气象》2020,(1)
利用珠海市2010—2018年21个自动气象站的逐时降水资料,采用经验正交函数分解(EOF)方法,分析珠海市年际降水量的时空分布、强降水和降水日变化等的特征。结果表明:(1)珠海市年降水量存在3个大值中心,分别在西部沿海、西北地区东部和西南地区南部;(2)年际降水量的主要型态为“全市一致型”和“西部东-西、东部南-北分布型”;(3)短时强降水(≥20 mm/h)多发生在西部地区,东部和南部沿海地区极端小时降水可达100 mm以上;(4)前汛期(4—6月)与后汛期(7—9月)相比,日降水概率偏高、峰值时段偏早;(5)前汛期日降水概率峰值时刻分布具有北部较南部偏晚特征,后汛期此特征只在西部地区呈现。 相似文献
14.
《湖北气象》2015,(3)
利用灾害性天气短时临近预报业务系统(SWAN,Severe Weather Automatic Nowcast System),对2012年7月4—5日发生在河南沙澧河流域的大-特大暴雨过程进行SWAN产品特征分析,总结SWAN产品在此次过程短时临近预报、预警中的特征指标,结果表明:(1)1 h降水量30 mm以上站点对应的1 h最大反射率因子97.4%在45 d Bz以上,回波顶高84.6%在11 km以上,反射率因子对短时强降水预报的指示意义较强;(2)垂直积分液态含水量(VIL,Vertically Integrated Liquid Water)高值区与1 h降水量10 mm以上降水区有很好的对应关系;(3)定量降水估测(QPE,Quantitative Precipitation Estimation)对此次特大暴雨过程30 mm以上1 h降水量有较好的估测能力;(4)定量降水预报(QPF,Quantitative Precipitation Forecast)对此次过程1 h降水量30 mm以上的站点预报量级普遍偏小,平均QPF预报误差偏小30 mm;(5)回波移动矢量(COTREC风场)指示着未来风暴移动的方向,且1 h强降水中心与COTREC风场辐合区有一定的对应关系。 相似文献
15.
基于全国自动站观测降水量和CMORPH(CPC MORPHing technique)卫星反演降水资料,采用PDF(probability density function)和OI(optimal interpolation)两步融合方法生成了中国区域1h、0.1°×0.1°分辨率的降水量融合产品.本文分别从产品误差的时空分布特征、不同降水量级和不同累积时间下的产品质量、三种站网密度下的融合效果以及对强降水过程监测能力等方面对比评估了融合降水产品质量.结果表明,融合降水产品有效利用了地面观测和卫星反演降水各自的优势,在降水量值和空间分布上均更为合理;融合产品平均偏差和均方根误差均减小,随时间的变化幅度不大且区域性分布特征减弱;融合产品与融合前的卫星反演降水产品相比在中雨(1.0～2.5 mm/h)、中到大雨(1.0～8.0 mm/h)、暴雨及以上(≥8.0 mm/h)的相对误差分别为-1.675％、小于15.0％、30.0％左右,且随着累积时间的增加,产品质量进一步提高;该产品能准确抓住强降水过程,在定量监测强降水中具有优势. 相似文献
16.
利用2016年和2017年共5次降水过程数据,对天气雷达-自动站联合估测降水和自动站降水、雷达OHP产品进行对比分析,并给出联合估测降水拟合的Z-R关系。结果表明:自动站1h降水量≤1mm时,联合估测降水的平均相对误差大,但均方根误差在可接受范围内,且联合估测降水量非常接近自动站降水量;自动站1h降水量1mm时,联合估测降水的效果较好,其中20mm时联合估测降水的精度最好,平均相对误差低于8%;自动站1h降水量1mm时,联合估测降水量优于雷达OHP(1h累积降水量)产品;同一次降水过程,不同时次的Z-R关系不同,无明显变化规律。 相似文献
17.
基于TIGGE资料集下欧洲中期天气预报中心（ECMWF）、日本气象厅（JMA）、英国气象局（UKMO）、美国国家环境预报中心（NCEP）和中国气象局（CMA）5个气象预报中心2016年5月1日—8月31日中国地区逐日起报预报时效为24~168 h的24 h累积降水量集合预报的结果,对各个集合预报成员进行了频率匹配法的订正,并对订正前后的多模式集成预报效果进行评估。结果表明:采用频率匹配法订正后的降水预报,有效改善了集合平均预报中强降水（日降水量25 mm以上）预报由平滑作用产生的量级偏小现象,使预报的降水量级更接近实况,但对降水落区预报改进不明显。基于卡尔曼滤波技术的集成预报效果优于基于线性回归的超级集合预报和消除偏差集合平均预报,对强降水落区的预报较单模式更优。基于集合成员订正的降水多模式集成预报在强降水的落区预报和降水中心的量级预报更接近实况,效果优于原始多模式集成预报与单模式结果。 相似文献
18.
局部气候变化下的城市化往往对强降水的发生发展产生重大影响,为探究城市化和热环境对昆明强降水的作用,文中利用昆明市1991—2021年湿季（5—10月）城区昆明站与郊区晋宁站的逐时降水数据进行分析,在揭示不同城市化阶段城郊站点之间的强降水差异和变化趋势基础上,结合MODIS地表温度遥感数据,从快速城市化背景的角度,进一步探讨昆明主城区湿季昼夜城市热环境时空分布情况及其与城区强降水指标之间的定量关系。结果表明,近31年来城郊两站点的强降水量和强降水频次均呈现上升趋势。其中,城区强降水量与强降水频次总体增长速率大于郊区,城郊差异较大,城市化对城区强降水量和强降水频次的贡献率分别达到47%以及40%。昆明城区进入21世纪以来总降水量减少,城区强降水量与强降水频次的贡献率不断上升,其线性趋势均在快速城市化阶段表现出更高的显著性。昆明城区强降水主要活跃在19时至次日05时,属于夜间活跃型单峰结构,强降水峰值出现在凌晨04时,“夜雨”特性显著,强降水频次对强降水量具有主要贡献。在1991—2021年期间,白天城郊站点强降水均无明显变化趋势,而夜间城区的强降水量与强降水频次的贡献率趋势上升,并显著表现... 相似文献
19.
利用2008—2017年4一10月山东省加密自动气象观测站(简称全部站)和国家气象观测站(简称国家站)逐小时1 mm以上降水量资料,通过对比分析,探究不同分辨率数据对极端短时强降水时空分布特征的刻画效果。结果表明如下:全部站小时降水量的偏态特征比国家站明显,若分析小时降水量的平均状态,两者均具有代表性,若分析短时强降水的极端性,全部站数据更具有优越性。将各站第99.5%分位数作为极端短时强降水的阈值最合理,全部站和国家站对于30～45 mm阈值的空间分布特征相似,45 mm以上的阈值,全部站的数值和范围均大于国家站。山东省大部地区的极端短时强降水强度集中在40～60 mm·h~(-1),全部站和国家站在此区间的空间分布特征相似。国家站数据不能刻画40 mm·h~(-1)以下和60 mm·h~(-1)以上的极端短时强降水的空间分布特征。极端短时强降水强度的空间分布特征与地理位置及地形特征密切相关。鲁东南地区的极端短时强降水强度、日最大降水量及夏季降水量、年降水量均居山东省之首,鲁西北地区虽然强降水频次高、强度大,但与年降水量和夏季降水量没有正相关关系。全部站与国家站极端短时强降水频次的月变化和日变化特征一致,但国家站不能完全代表山东省极端短时强降水强度的月变化和日变化平均状况,全部站数据能更准确地反映山东省的时间变化特征。 相似文献
20.
利用1991—2015年夏季(6—8月)内蒙古地区111个国家气象站小时降水量资料,对内蒙古不同气候区(极干旱、干旱、半干旱、半湿润和湿润)短时强降水(1 h降水量≥20 mm)进行检验分析,采用累积概率方法定义内蒙古夏季不同气候区短时强降水。检验结果表明:内蒙古地区年平均降水量和小时降水量极值自西部极干旱区向东部半湿润、湿润区递增,高值区位于大兴安岭东部,次高值区位于阴山山脉以南。内蒙古极干旱区小时降水量极值低于20 mm,半湿润区和湿润区小时降水量极值高于50 mm,个别站点甚至达到100 mm以上。但在半湿润区和湿润区东部小时降水量超过20 mm年平均发生仅为1次,其余地区均1次。在内蒙古极干旱区、干旱区、半干旱区、半湿润区和湿润区小时降水量分别达到6.1、9.8、12.5、15.2和14.3 mm·h~(-1)属于极端降水事件,小时降水量≥20 mm不宜作为内蒙古短时强降水定义。综合上述研究,结合内蒙古地区地形、地貌等因素,将内蒙古极干旱区和干旱区短时强降水定义为5 mm·h~(-1),半干旱区、半湿润区和湿润区短时强降水定义为10 mm·h~(-1)。 相似文献