共查询到19条相似文献，搜索用时 546 毫秒
1.
2.
3.
本文简单介绍了计算某一区域面雨量的三种常用方法,并根据算术平均法和多边形法,利用长江三峡区间73个水文站（其中包括30个气象站）的日降水资料（08－08时）分别计算了历史上1960－1990年60次降水过程的面雨量,并将其结果进行统计对比分析,结果表明,在三峡区间,三种面雨量的计算方法在气象上都是适用的,在误差允许的计算下,气象站的面雨量可以代替水文站的面雨量,就平均状况而言,多边形计算的面雨量偏高,而用同一种方法计算水文站和气象站的面雨量时,气象站的面雨量高于水文站的机率略大,同时还发现,强降水分布的极不均匀性是造成气象站和水文站面雨量之差较大的主要原因。 相似文献
4.
5.
6.
清江和长江上游干支流域面雨量计算方法及其应用 总被引：13，自引：2，他引：11
将气象站点雨量以算术平均、加权平均两种算法所获得的面雨量,与稠密的水文站点雨量按算术平均计算得到的面雨量进行比较分析,得到了应用气象站资料计算长江上游不同干支流域及清江流域面雨量的最佳方案。 相似文献
7.
此软件处理经广域网收集的河南省各气象站雨量资料。介绍了此软件的模块结构、程序设计及为满足业务要求所作的工作。 相似文献
8.
《贵州气象》2020,(1)
利用余庆河流域内余庆国家基本气象站1981—2019年降水资料及5个区域气象站2012—2019年降水资料,结合团结水库水位特征和历史暴雨洪涝灾情资料,分析余庆河流域"三个叫应"气象服务标准。结果表明:以24 h区域平均雨量为统计量,团结水库24 h前的水位在602 m、603 m、604 m、605 m时,余庆河流域一级叫应临界雨量阈值分别为85 mm、80 mm、75 mm、70 mm;二级叫应临界雨量阈值分别为70 mm、65 mm、60 mm、55 mm;三级叫应临界雨量阈值分别为65 mm、60 mm、55 mm、50 mm。根据致灾临界雨量阈值确定的余庆河流域"三个叫应"气象服务标准,符合余庆县防汛实际情况,可以为防御中小河流域暴雨洪涝赢得宝贵时间。 相似文献
9.
10.
11.
“94·7"北京大暴雨的雨情分析 总被引：2，自引：0，他引：2
该文根据所掌握的“９４·７”特大暴雨的雨情资料，对暴雨的地理分布和时间演变等方面做了初步分析。分析结果表明：这场暴雨具有强度大、面积广和降水时间集中等特点。 相似文献
12.
基于GPS可降水资料的一次连续性暴雨过程的分析 总被引：2，自引：0，他引：2
利用2008年9月22~26日GPS可降水量资料(GPS PWV)对成都地区一次持续性暴雨过程做分析。结果表明,当PWV由谷底缓慢上升或由峰顶缓慢下降时,对应着实际降水的开始和结束。PWV上升的急剧程度与实际降水强度有着较好的对应关系。用每小时变量或3小时变量来分析降水的开始时间、强度和落区等有很好的效果。但是降水预报需要全面考虑大气动力条件和热力条件,并结合多种探测信息提出利用GPS产品进行降水预报的若干指标。 相似文献
13.
运用广州白云机场C波段雷达回波强度及径向风资料对华南前汛期强降水过程进行雨带降水估计及其移动特征预测.C波段雷达在雨量充沛地区的强降水背景下,尽管回波强度被衰减,但是近距离范围内其探测云雨精细化结构的能力较强.所采取的雷达数据质量控制系列处理,能够保留雷达数据原有特征,有效滤去杂波和噪声并缓解雷达低仰角数据杂波多、体扫面上沿径向远近高度差较大的问题,并对降水估测提供了技术保障.最优化雷达Z-I强降水估测方法基于单次过程体扫信息,具有计算简洁快速的特点,但是同一体扫面上云状差异对最优化方法参数值比较敏感,混用相同参数,影响降水估测效果.对同一体扫面上雷达云状回波进行区域划分,并选择对应测雨站点,做最优化参数分别确定,有效改善最优化雷达降水估测,提高了C波段雷达在机场近距离范围的应用效果.运用雷达体扫时间分辨率高的特点,识别雷达径向风辐合线以及强回波中心位置,并分别应用外推法预测雨带走向、移速等,验证效果良好. 相似文献
14.
基于漂移克里金融合雷达、雨量计定量估测降水研究 总被引：1，自引：0，他引：1
文中介绍了一种新的融合雷达和雨量计数据开展定量估测降水研究的空间信息统计学方法—Kriging with external drift(KED)方法。该方法能很好地融合高精度、低时空分辨率的雨量计数据和低精度、高时空分辨率的雷达数据进行插值。通过变异函数描述降水场的空间结构信息,能够充分利用数据间的空间相关性,来改进估测精度和提高处理速度。利用其优良的数学特性,以期在定量估测降水业务研究上进行新的探索和尝试。选用湖南省有代表意义的3次降水过程资料,通过雷达直接估测降水（RAD）、变分校准（VAR）以及KED 3种方法,分别与雨量计测量值进行对比分析,选用代表站进行交叉验证结果均表明：RAD的均方差、绝对误差、相对误差最大,VAR次之,而KED最小。KED估测的结果与雨量计测量降水最为接近,估测效果最好;3种方法与雨量计实测值计算一定范围的误差频率,KED估测值具有最小的均方差和最小的标准差,且误差分布相对集中在0值附近,斜度和峰度最佳,试验证明该方法不仅能提高降水估测精度,且优于其他方法,VAR均方差次之,RAD均方差效果相对较差。联合雷达、雨量计估测降水的实质是把雷达估测值与雨量计测量的结果相融合,以雨量计来校准雷达估测值,保留了雷达探测到降水的中、小尺度精细特征。校准后的雨量场数值接近雨量计测值,而且能够准确反映雷达测得的降水分布形式。 相似文献
15.
利用云南和贵州188个气象台站1980~2014年的逐日降水资料,得到了云贵高原的年平均总降水量、年平均暴雨量、暴雨频率、暴雨贡献率和暴雨的月分布情况,探讨了近35年云贵高原暴雨的分布特征和年际变化特征。结果表明:云贵高原的年降水量分布大体上呈南多北少,整体上由南向北递减。暴雨的贡献率占16%左右,云贵高原最早1月就会出现暴雨,最晚6月出现暴雨天气,暴雨集中出现在4~11月,夏季平均暴雨日数2.5天。1980~2014年暴雨降水量偏多年与暴雨降水量偏少年差别不大,暴雨量在近35年内未出现明显的变化趋势。通过小波分析得出云贵高原的年降水,年暴雨都存在多时间尺度特征,不同的时间尺度表现出不同的循环交替。至今暴雨增多的等值线未出现闭合,降水还有增加的趋势。 相似文献
16.
基于模式先验信息的贝叶斯集合降水概率预报试验 总被引：1，自引：0，他引：1
为了更好地利用降水预报历史先验概率分布函数信息修订集合概率预报效果,基于贝叶斯原理和贝叶斯降水概率预报模型,分别使用1952—2007年历史观测资料和2009—2011年6月24~120 h中国T213全球集合预报历史资料作为先验信息,对中国不同气候区代表站（广州、南京、武汉和成都）建立贝叶斯降水概率预报模型,对比不同先验信息下集合成员与集成贝叶斯降水概率预报拟合结果差异,分析先验信息对贝叶斯降水概率预报模型的影响,在此基础上,采用模式先验信息的贝叶斯降水概率预报模型,进行2008年6月降水概率预报试验。试验结果表明,由T213集合预报产生的先验信息较历史观测资料产生的先验信息更优,当先验信息的降水概率分布函数曲率最大处偏向降水大值区时,贝叶斯模型的降水预报结果也偏向降水大值区,反之亦然。结果还显示,先验信息对贝叶斯降水概率预报模型有重要影响,若先验信息偏向更多更大降水量时,贝叶斯降水概率预报对有降水的预报更优,若降水先验信息偏向更少更小降水量时,对无雨或微量降水预报效果越好。 相似文献
17.
降水粒子特性是大气运动和云内微物理过程的综合结果,在云降水物理及人工影响天气领域有着重要的意义。传统的测量方法不适合对大量数据分析寻找规律,德国OTT公司的Parsivel激光降水粒子谱测量系统可以较好解决自动测量难题。该仪器是以激光测量为基础的粒子测量传感器,采用平行激光束和光电管阵列结合,当有降水粒子穿越采样空间时,自动记录遮挡物的宽度,通过穿越时间计算降水粒子的尺度和速度,根据各种参数的综合信息对降水粒子进行分类,并能够以数字形式显示瞬时降水强度、降水粒子总数、累积降水量、降水时的能见度和雷达反射因子,以图形方式显示降水粒子尺度谱、速度谱、降水粒子分类且自动生成天气现象代码,实现天气现象的自动识别。激光降水粒子谱仪主要用于气象水文观测。在雷达气象学领域可用于Z/R关系的拟合修正,比传统的用雨量筒观测数据拟合效果好得多;由降水粒子谱仪测量雨滴的降落速度,可以对天气雷达垂直向上测量的粒子径向速度谱进行校正。人工影响天气的效果检验一直是一个难题,自然降水粒子谱分布形式与人工催化以后的降水粒子谱型理论上应当具有较大的差别,人工增雨作业降水滴谱变化物理响应和降水强度时间变化响应都有明显的区别。如果能够实时检测到这些差别,就能够充分说明人工催化的有效性。未来如果能够进行联网观测记录区域性降水、降雹,就有充分证据表明人影作业的有效性,在定量化作业效果评估以及灾害损失评估等方面应用潜力巨大。利用该仪器已经对一年的自然降水过程进行了连续观测,并将所获得的降水粒子谱、雨滴浓度值随时间变化状况与卫星反演的云顶有效粒子半径时间变化趋势进行了对比,发现有较好的一致性。 相似文献
18.
19.
Yu. B. Pavlyukov 《Russian Meteorology and Hydrology》2007,32(11):711-718
Results of measurement of rainfall intensity and accumulated amounts with an automated tipping-bucket rain gauge based on an updated DZhO M96-8 precipitation gauge are presented. The measurement were carried out in the town of Dolgoprudny (Moscow region) in 2002–2005. The design, data processing algorithm, and calibration of the tipping-bucket rain gauge are described, and estimates of the measurement error are calculated. Examples of tipping-bucket rain gauge measurements in shower and widespread precipitation are given, along with results of analysis of the statistical structure of precipitation by intensity gradations. The measurement results are compared with those of precipitation gauges, the P-2 recording rain gauge, and the AKSOPRI radar complex. 相似文献