“13·6·30”遂宁市特大暴雨成因的初探

利用自动气象站雨量资料、常规观测资料、雷达资料以及NCEP再分析资料,对2013年6月30日至7月2日四川遂宁地区特大暴雨过程中高原低涡和西南涡的耦合作用对本次特大暴雨的影响以及低空急流演化特征和强暴雨的关系进行初步探讨。结果表明:当高原涡和西南涡发生耦合时会使得高空低涡发展加强,并激发遂宁暴雨天气的产生。急流为高空低涡的发展提供不稳定能量。超低空急流和低空急流对强降水有提前2 h的指示意义,低空急流指数增大的过程和降水量的强度成正比关系。     

新疆地区25 a地面风场特征分析

 地面风除了受大范围环流影响外,还受地形影响较大。新疆既有大的盆地,又有高山垭口,造就了特殊的新疆地面风场。利用新疆54个气象站1980—2004年,每日4个时次的地面风资料,分析了该地区地面风场的长期特征,并进行经验正交函数分解。研究表明,新疆长期地面风场北疆、东疆和南疆有显著差别,主要表现在风向的转变,即北疆总体表现为西北风,南疆表现为偏东风,东疆表现为由西北风向偏东风转换的反气旋性弯曲气流;新疆经向风的长期变化表现为南风距平加强,而纬向风则表现为东风距平加强;经向风在整个时间序列上有3~5 a的短期变化,而纬向风在整个时间序列上有3~6 a的短期变化,且都表现为随时间延续周期变长;经向风南风距平增大趋势的最大值发生在七角井,而北风距平增大趋势的最大值则在阿拉山口。纬向风西风距平增大趋势的最大值在七角井,东风距平增大趋势的最大值位于安德河;EOF分析表明,第一特征向量的贡献达到87.5％,而第一特征向量对应的时间系数的距平值以1987年和1999年为界,表现为“正负正”的趋势。     

最小二乘法估算Pearson-Ⅲ型分布参数的改进

Pearson-Ⅲ曲线分布在气象、水文和农业等领域有广泛的应用,其概率密度函数包含形状参数\begin{array}{c}\left(\alpha \right)\end{array}、尺度参数\begin{array}{c}\left(\beta \right)\end{array}和起始值\begin{array}{c}\left({\alpha }_0\right)\end{array}3个待估计参数。应用Pearson-Ⅲ分布来估算强度的关键在于这3个参数估算的精度。由于原有最小二乘法在估算参数时未考虑各参数的有效区间,参数\begin{array}{c}{\alpha }_0\end{array}可能小于0,并导致估算强度出现负值,从而使雨强、水速、水位等强度估算出现异常值。经理论推导证明,若Pearson-Ⅲ概率密度函数中的参数\begin{array}{c}{\alpha }_0\end{array}非负,则估算出的强度值不会出现负值。以该推导为基础,提出了一种改进的Pearson-Ⅲ分布三参数估算算法。首先根据最小二乘法估算迭代计算一系列参数组合;然后按离差平方和的大小排列各组参数;接着利用各组参数分别计算\begin{array}{c}{\alpha }_0\end{array}值,过滤使\begin{array}{c}{\alpha }_0\end{array}小于0的参数组合;最后在剩下的参数中选取离差平方和最小的一组作为最优参数。以估算暴雨风险值作算法测试实验,结果表明改进算法模拟得到的\begin{array}{c}{\alpha }_0\end{array}值始终大于等于0,估算出的暴雨风险值均在合理范围之内。对比改进算法与传统算法的参数分布拟合检验结果,发现改进算法能使更多的气象站点通过了置信度为0.05的分布拟合检验。因此,利用改进后的算法估算出的Pearson-Ⅲ概率密度函数参数更合理,且强度估算结果更准确,对编制城市暴雨强度公式有一定的参考价值。     

一次特大暴雨过程中涡度与急流的影响分析

利用自动气象站雨量资料,常规观测资料,FY-2D TBB云图资料以及NCEP再分析资料,对2013年6月30日～7月2日高原低涡东移和西南涡耦合形成的遂宁地区特大暴雨过程进行研究。主要分析了高原低涡和西南涡的耦合对此次强降水的影响以及低空急流演化和强降水的关系。结果表明:当高原涡和西南涡发生耦合时会使得高空低涡发展加强,并激发遂宁暴雨天气的产生。急流为高空低涡的发展提供不稳定能量。超低空急流和低空急流对强降水有提前2小时的指示意义,低空急流指数增大的过程和降水量的强度成正比关系。      

基于FloodArea模型的成都主城区内涝风险评估

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105%,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%。