共查询到18条相似文献，搜索用时 437 毫秒
1.
北京地区自动站降水特征的聚类分析 总被引：5，自引：2，他引：3
利用2007—2010年北京123个自动气象站逐时降水观测资料,采用聚类分析方法,对北京的主城区、西部和北部区、东北区、东南区共分为4个区域的逐时降水时空分布特征进行了分析。结果表明:通过与实际地形和下垫面类型比较,自动站分类较为合理,避免了在区域划分方面的主观因素影响。主城区降水集中时段最为突出,集中出现在7月逐日20—00时,且降水强度最强,降水量较大,降水小时数不多。西部和北部区降水集中出现在6月逐日18—20时、7月逐日23时至次日03时,降水小时数最多,降水强度不大,降水量不大。东北区降水主要集中出现在7月逐日00—08时和17—23时,降水小时数较多,降水强度不大,降水量最大;东南区降水主要集中出现在7月的逐日02—04时,降水小时数少,降水强度较大,降水量较大。 相似文献
2.
基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。 相似文献
3.
基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。 相似文献
4.
使用2007—2017年京津冀地区156个气象站暖季（5—9月）逐小时降水观测数据,根据地形将研究区域分为6个分区,分析各分区降水量季节内变化和日变化特征,结果表明：1）京津冀的多雨区主要位于沿燕山南麓到太行山,存在多个降雨中心。2）各分区降水量季节内特征总体表现为单峰型,即7月降水量最大,7月第3候至8月第4候是主汛期,8月降水量次之,5月最少。3）降水呈夜间多,白天少的特点,7月初之前的前汛期降水多发生在16—21时;主汛期降水呈双峰型,峰值在17—22时,次峰值出现在00—07时;8月中旬以后的后汛期多夜间降水,峰值多出现在00—08时。4）高原山区多短历时降水,长历时累计降水对季节降水贡献率大值区位于平原地区,而持续性降水贡献率大值位于太行山区和燕山迎风坡的西部。 相似文献
5.
利用逐日降水量资料,选取8个降水指数,采用趋势分析、相关性分析等方法,对2000—2016年贵州草海湿地极端降水特征进行分析。结果表明:21世纪以来,草海湿地降水量总体呈上升趋势。雨季、旱季降水量占年降水量比例的均值分别为87.3%和12.7%。四季降水量占年降水量比例的区间,春季为8.5%—29.8%,夏季为8.7%—65.1%,秋季为0.9%—38.7%,冬季为0.9%—4.9%。暴雨日数最大值为5 d,暴雨日降水量接近400 mm,两者变化均呈显著上升趋势;连续有雨日数和连续有雨日数≥10 d发生次数的均值分别为14 d和2次;连续无雨日数和连续无雨日数≥10 d的发生次数均值分别为15 d和3次。日最大降水量、暴雨日降水量和连续有雨日降水量三类极端降水指数均值分别为67.0、109.3和115.0 mm,占年降水量比例的均值为7.9%、11.7%和13.3%,比例区间分别为5.4%—13.3%、0—30.4%和7.2%—23.6%。 相似文献
6.
利用新疆98个气象站1960-2011年的年降水量资料,采用模糊C均值聚类法,对新疆年降水量进行分区研究;同时利用线性趋势、累积距平、M-K检验、t检验相结合的方法,对新疆年降水量在不同区域上的变化趋势以及突变时间等进行了对比诊断分析,得到了新疆地区年降水量分布的空间特征。结果表明：（1）新疆年降水的分布大致可分为7个区域;（2）根据模糊C均值方法所分区域能够体现出由于地形差异导致的降水分布不均匀的特点,这一结果与其他研究干旱区降水分布差异产生的原因相同。分区结果合理,说明该聚类方法适用于区域气候区划;（3）新疆大部分区域的降水量在20世纪80年代中后期以前偏少,低于多年平均值,自80年代中后期以后才开始偏多;不同区域的降水量依次从70年代初、80年代中后期、90年代初开始增加;整个南疆盆地、阿勒泰地区、准噶尔盆地降水的突变时间较为接近;（4）新疆降水量整体异常表现为降水一致多（或少）、北多南少、西多东少。 相似文献
7.
8.
《湖北气象》2016,(1)
利用2009—2013年天津地区205个自动气象站的逐时降水资料,分析了天津地区降水的基本空间分布和日变化特征。结果表明:(1)天津地区降水小时数及小时平均降水强度空间差异明显,高值区分别位于蓟县北部山区、市区西北侧、滨海新区中南部;(2)天津中北部地区累积降水量峰值主要出现在23—03时,南部地区则出现在17—19时和04—08时,降水频次峰值基本都出现在00—09时,降水强度峰值与累积降水量峰值出现时间类似,11时为降水强度低谷出现时间;(3)全市傍晚至午夜的降水频次明显较凌晨偏少,长持续时间(10 h以上)的最大降水易出现在凌晨至清晨,短时降水(1~4 h)的最大降水易出现在傍晚至午夜;13—24时多数时次,无论降水量、频次还是降水强度市区均较其周边地区和沿海地区偏多偏强,而凌晨多数时次,市区则以偏少偏弱为主;(4)始于下午至傍晚的降水多为短时降水,而始于傍晚至凌晨的降水持续时间普遍较长。 相似文献
9.
粤北暴雨中心的降水气候特征分析 总被引：1，自引：0，他引：1
《广东气象》2020,(1)
基于广东省1967—2018年气象观测站和2003—2018年自动监测站降水数据,统计分析了粤北暴雨中心的降水气候统计特征。结果表明:(1)粤北暴雨中心范围主要集中在清远南部-广州东北部-惠州北部,最大年平均降水量(2 488. 6 mm)和强降水日数(12. 3 d)均出现在龙门的南昆山,特殊地形分布特征与粤北暴雨中心形成密切相关;(2)从化和增城降水年际变化呈较明显增多趋势,其余变化趋势不明显;中心区域内降水主要集中在汛期(4—9月),而前汛期(4—6月)降水量约占汛期的60%～70%;(3)降水月变化呈单峰型分布,峰值出现在5—6月;(4)降水日变化特征与降水性质密切相关,5—6月季风影响期间降水概率显著增加,夜雨和白天降水均明显;短时强降水出现概率集中在5—6月08:00、15:00和21:00前后。 相似文献
10.
为了获取降水日变化的空间分布模式,本文采用K均值聚类算法对中国陆地区域的夏季逐时格网降水数据进行了聚类。首先,采用K均值聚类算法对每个格网上的逐时降水数据进行聚类。然后,根据每一聚类的降水日变化峰值,将具有相似峰值时间的聚类合并成为一个分类。合并后的分类对应一种降水日变化类型,分类中的格网边界则构成了该类降水日变化的空间分布模式。研究结果表明,中国大部分地区的降水量日变化由降水频率日变化主导。此外,一些盛行夜雨区域在空间分布上表现出从西向东的分布模式,且降水日变化峰值时间表现出了从西向东逐渐延迟的现象。结合地形分析,研究发现一些夜雨区的降水峰值延迟现象与MPS环流效应导致的雨带移动现象较为一致,得出MPS(Mountain-Plain Solenoid)环流效应是导致这些地区盛行夜雨的结论。本文研究结果可为探索降水日变化的形成机理提供线索,也可为研究其他地区降水日变化提供参考。 相似文献
11.
利用加密自动气象观测站和国家气象观测站逐小时观测资料,分析了贵阳市2014-2019年汛期（4-9月）短时强降水时空分布特征。结果表明：贵阳市汛期短时降水呈现中部多,南北少的空间分布特征,大值中心位于清镇市中南部-观山湖区-白云区一带,该区域也是降水量最多,短时强降水贡献最大的区域。贵阳市汛期短时强降水集中在5-8月,其中6月最多,7月次之;一天中相对高值时段为23-03时、7-8时和20-21时,不同月份短时强降水频次日变化存在差异;持续时间≥3h的短时强降水过程集中在清镇市中南部-观山湖区-白云区-乌当区西部一带,次高频区域集中在花溪区中南部及修文县南部;根据影响系统不同,将区域≥20%的短时强降水分为4类,其中低涡切变型最多,占50.9%,冷锋低槽型占35.9%,梅雨锋型占9.4%,两高切变型占3.8%。 相似文献
12.
基于2013~2020年乐山地区9个国家自动站和136个区域自动站逐小时降水资料,应用诊断分析方法,系统研究了乐山地区短时强降水的时空分布及变化特征,探讨了短时强降水发生频次与地形因子的关系。结果表明:乐山地区短时强降水年均频次和极值均呈增加的趋势,强度较为稳定,变率不大。短时强降水在3~10月均有发生,其频次月分布呈现出单峰型的特征,集中发生在7~8月,占全年的77.7%,7月下旬~8月上旬发生频次又占7~8月总量的49.8%。短时强降水频次日变化呈单峰单谷结构,夜间发生概率最大,白天发生概率相对较小,22时~次日04时是短时强降水集中高发时段,虽然短时强降水在午后和傍晚的发生概率相对较小,但其强度较强,也应当引起重视。乐山地区短时强降水空间分布差异较大,存在两级分化的特点,与地形关系密切,总体呈西南部和东北部少、西北部—中部—东南部多的分布特征。短时强降水的发生与经纬度、海拔高度等地形因子显著相关,高发区主要集中在山谷喇叭口、岷江流域的河谷地带及城市热岛区。 相似文献
13.
利用2012~2020年四川省156个国家气象观测站小时降水资料,以四川盆地、川西高原和攀西地区为考察重点,统计分析了全省极端小时降水的时空分布特征。结果表明:（1）四川省各站极端小时降水阈值、发生频次、平均强度及贡献率差异明显,高值区主要集中在盆地和攀西南部;盆地多站极端小时降水阈值在50 mm/h以上,小时降水极大值超过80 mm/h。（2）四川省极端小时降水事件主要集中在7月和8月,其中50 mm以上的小时强降水事件占比超过1/3;盆地、川西高原和攀西地区极端小时降水发生频次分别在7月、6月和8月达到最高,而小时强降水事件分别在8月、7月和6月出现最多。（3）四川省极端小时降水频次日变化峰值出现在02时,具有单峰和夜发特征,其中盆地、川西高原和攀西地区主峰值分别出现在05时、21时和02时;四川省50 mm以上小时强降水事件夜发占比达63.5%,各区域出现高峰时段差异大。 相似文献
14.
利用临夏19802016年强降水实况资料及EC数值预报产品资料,分析了临夏地区强降水气候变化特征及其影响条件。结果表明:临夏强降水分布具有明显的地域特点,自北向南递增,北部旱区的少,西南部山区的多。临夏强降水年、月、日特征变化显著。2000s是强降水的高峰期,1980s强降水相对较少;7、8月份强降水发生概率占全年强降水的66.1%;强降水发生属于典型的夜雨型和午后傍晚型,夜间(20:0024:00)强降水发生概率最高,为30.8%~53.8%,其次为凌晨(01:0008:00),发生概率为14.3%~36.4%。临夏强降水发生主要有中高纬西风带冷槽或冷涡型、青藏高原低值系统型、副热带高压影响型。对西宁、兰州、合作三站累计频率阈值计算和检验结果表明,杰弗逊指数阈值为80,符合率为100%;沙氏指数阈值为4,符合率为79%;改进K指数阈值为10,符合率为79%。 相似文献
15.
应用趋势分析、Morlet小波分析以及Mann-Kendall突变检验等方法,研究了1980~2018年龙泉驿区降水整体趋势,包括降水的年际变化和季节性趋势,以及降水日数和月、旬、日降水的集中性特征。结果表明:龙泉驿区年降水量整体下降趋势明显,存在3a和9a振荡周期;降水日数存在7~8a和12a振荡主周期,以及4a振荡次周期。可引发龙泉驿区地质灾害活动的降水主要发生在7月和8月,二者降水量在年代际尺度上的变化趋势相反。旬降水量与日降水量均呈明显的准正态分布规律,旬降水量主要集中时段是7月下旬与8月中旬,日降水量较大值也出现在7月与8月。 相似文献
16.
利用攀枝花市1988~2010年5~10月的逐时降水资料,对各历时各级强降水的时空分布特征进行了分析,利用皮尔逊-Ⅲ型频率分布函数,计算了攀枝花市4站1h、3h和6h各重现期的极端最大降水量。结果表明:各级强降水主要集中在6~9月,以7月为最多,且日变化特征显著,最容易出现在00~05时。1h、3h、6h的最大降水量均出现在盐边,盐边和市区更容易发生1h≥50mm的极端强降水。短时强降水过程具有非常强的局地性,单站过程高达80%,且雨强越大局地性越强。各历时各重现期的极端最大降水量均以盐边为最大。 相似文献
17.
选取了甘肃平凉地区2015-2019年6-8月发生的27次短时强降水事件。利用自动站逐小时降水资料和高空探测资料,按照短时强降水阈值分类统计法和常规天气分析方法对甘肃平凉地区夏季短时强降水时空分布、影响天气系统及大气环境背景进行了统计分析。结果表明：6月短时强降水频次少,强降水高发区为六盘山山区;7月频次明显增多,活跃地区为静宁、崇信、泾川一带;8月频次及强度达到峰值,密集区为平凉北部的崆峒山区、崇信南部河谷地带。6月短时强降水日变化呈现单峰型特征,以午后居多,1 h降水量在20-30 mm段发生频次最高,占6月频次的80%以上;7月和8月日变化呈多峰型结构,夜间短时强降水频次增多,1 h降水量大于30 mm的频次显著增加,约占7月和8月总频次的40%。分析总结了平凉地区短时强降水天气类型,即高空低槽类、副热带高压类、西北气流类。另外,对表征动力、水汽、不稳定条件的环境参数统计分析,结果显示K指数、CAPE、T850-T500、Q850、θse-850等物理量平均特征值对平凉地区强降水预报有较好的指示意义。 相似文献
18.
Summary Seven synoptic patterns responsible for heavy precipitation in Austria were identified with a trajectory clustering method.
Back trajectories at different levels, at different times during each day, and from different locations in Austria were utilised
together with one potential vorticity value. In addition, seven regions within Austria with similar daily precipitation were
identified. The response of heavy precipitation in each of these regions to the synoptic patterns was studied. The results
correspond to the synoptic experience and reflect known meteorological situations, such as southerly and northerly Stau or
the Vb pattern. The analyses are based on the 15-year re-analysis of the ECMWF (1979–1993), used to calculate the back trajectories,
and daily precipitation sums of 131 climate stations in Austria. This paves the way to future applications in climate change
research, as the necessary input data are also available from global climate models. The clustering was performed with a promising
new procedure, a combination of hierarchical and iterative (K-means) clustering. 相似文献