广东地区后汛期降水集中度和集中期特征

利用广东省23个台站1961—2006年后汛期（7—9月）逐候的降水资料,计算了降水集中度和集中期,并讨论了其时空分布特征和变化规律。结果表明,降水集中度和集中期能够表征降水量在时空场上的变化,降水集中度和集中期EOF的第1特征向量表现出一致的上升趋势,呈现东北—西南向分布,第2特征向量变化特征呈东西向反向分布。广东地区后汛期降水集中度呈逐年微弱下降趋势,并在年代际和年季尺度上存在不同的周期变化。广东地区降水集中度分布不均,在广东中部多水年的集中度大于少水年,多水年集中期要小于少水年。环流场的分析表明,集中度的高值年,1000 hPa5、00 hPa上我国北方均易受高压控制,存在高度场的正距平中心,同时高压易于南伸,与南方暖湿空气交汇,容易导致强降水。     

江西省汛期降水集中度和集中期时空分布特征

利用1961—2021年汛期（4—6月）江西省83个气象站点的逐日降水序列资料,计算了江西省汛期候尺度降水集中度（PCD）和集中期（PCP）,运用合成分析、趋势分析方法分析了江西省汛期降水的不均匀特征。结果表明：江西省PCD的变化区间为0.12—0.43,PCP的变化区间为5月第1候至6月第5候,说明江西省汛期降水较为均匀,但近年来降水有更集中的趋势。在空间分布上,赣南南部和赣北东部降水较为集中,降水集中期自南向北逐渐推迟,主要出现在6月中下旬。从变化趋势来看,PCP在赣南南部和赣中东部为偏早趋势,赣中北部和赣北地区有偏晚的趋势,PCD的趋势并不明显。多雨年PCD大值区主要在赣中地区,最大降水出现在6月;少雨年PCD大值区在赣北中南部和赣南东部地区,最大降水出现在5月。     

运城市降水集中度和集中期的时空特征分析

利用运城市9个气象站1960—2014年逐候降水资料,运用线性趋势、MannKendall曲线、相关系数和合成分析等方法探讨了运城市近55 a来年降水量、降水集中度(PCD)和集中期(PCP)的时空特征。结果表明:时间上,年降水量呈减少趋势,变化倾向率为-7.94 mm/10 a;PCD年际变化显著,在0.30~0.72,多年平均为0.53;PCP多年平均41.63候,最早与最晚相差13候。空间上,年降水量区域差异明显,由东南向西北递减;PCD从西南向东北递增,有2个大值和2个小值中心,PCP呈现"南早北晚"形势。PCD、PCP与年降水量、汛期降水量、月最大降水量、候最大降水量和日最大降水量之间都存在正相关,表明汛期降水量、月最大降水量、候最大降水量和日最大降水量越大的年份,PCD值就越大,降水就越集中,出现洪涝灾害的可能性就越大;降水集中期出现的越晚。     

肇州降水集中度和集中期的气候特征分析

对近50年来肇州降水的集中度和集中期进行了计算分析,结果表明:近50年来,降水的集中程度有下降的趋势,集中期有提前的趋势。集中度和集中期分别存在着11a和14a左右的年代际尺度周期变化。肇州的年降水量呈下降趋势,肇州降水集中度和集中期与年降水量有很好的正相关性,年降水总量比较大的年份,降水集中程度相对较高。     

华北雨季降水集中度和集中期的时空变化特征

运用新定义的降水集中度和集中期,讨论了我国华北地区雨季降水在时间上和空间上的分布特征和变化规律。结果表明,华北东部地区的降水较西部更为集中;集中期较晚,华北地区雨季降水集中期空间分布有较好的整体一致性;从长期趋势上看,集中度、集中期和雨季降水量都呈显著的下降趋势,但三者在空间上则表现出较大的区域差异,发生突变的时间都集中在20世纪70年代末至80年代初。集中度和集中期周期振荡不一致,但二者和雨季降水量在一定时间内存在相同周期;华北地区的降水量与集中度和集中期存在一致的正相关性,采用合成分析方法,华北地区多水年和少水年降水集中度的空间分布有明显的不同。青藏高原北部到蒙古高原的低压可能是影响华北降水集中度的最重要因子。华北地区雨季集中期和雨季降水量与东亚夏季风具有较好的正相关关系,华北北部地区为集中期与东亚夏季风的显著相关区。     

湖北省梅雨期降水集中度和集中期研究

利用黄石市2005年以来建设的95个区域气象站和原有的3个国家气象站降水资料,选取黄石国家气象站为基准点,采取各站候降水量与黄石站气温等12个要素进行逐步回归的方法,模拟出1958年至各站建站前的候降水量,使各站建站前缺测的月、年等时间尺度降水资料得以插补。并采用REOF方法分析了黄石市年降水量的时空变化特征,按照取绝对值最大的特征值所处序号为站点分类值的区划方法,将黄石市划分为丘陵及水体影响区（Ⅰ区）和山地陆面影响区（Ⅱ区）两个区域。结果表明：（1）黄石市年降水量年代际变化明显,20世纪60年代至90年代降水量逐渐增多,21世纪初明显偏少,2010年至今恢复至20世纪80-90年代的水平;（2）黄石市年降水量具有明显的地域特征,年降水受地形的影响较大,西南部山区年降水量大于丘陵区和大型水体影响区;（3）Ⅰ区和Ⅱ区降水强度同步的年数占72%,不同步的年数占28%。

     

近36年昌都市降水集中度与集中期时空变化特征

本文利用1980~2015年近36a昌都市7个台站的逐日降水资料,计算降水集中度(PCD)与集中期(PCP),采用相关分析、合成分析等统计方法研究对PCD、PCP时空特征及与年降水量关系进行分析。结果表明:昌都市PCD范围在0.53~0.76,多年平均值为0.64,PCP范围在39候(7月中旬)~45候(8月中旬),平均值为41.7侯(7月下旬);空间上,昌都市PCD由北向南,自西向东逐渐增大,PCP呈“北早南晚、西早东晚”分布;昌都市大部地方PCD与年降水量呈显著正相关,年降水越多,降水越集中,出现“先旱后涝”的可能性越大。      

乌鲁木齐汛期降水集中度和集中期时空变化特征

利用乌鲁木齐5个国家级气象站1978—2019年5—9月逐日降水资料,统计分析逐候降水集中度(P_(CD))和集中期(P_(CP))变化趋势和时空分布特征。结果表明:近42 a乌鲁木齐汛期降水集中度和集中期均呈微弱下降趋势,表明汛期降水分配趋于均匀,降水集中期呈逐渐提前趋势。汛期降水集中度和集中期空间分布差异显著,降水集中程度由西向东逐渐增大,降水集中期出现时间由北向南逐渐推迟。汛期降水集中度在整个研究期内存在6、15 a左右周期变化,降水集中期存在12 a左右周期变化。对多降水年和少降水年降水集中度和集中期合成分析,发现少降水年降水集中程度高于多降水年,而降水集中期明显晚于多降水年。     

长江中下游地区梅雨期的中期降水活动

1、梅雨期中期降水活动 1980年长江中下游地区梅雨期为6月9日—8月31日,我们用汉口,安庆、南京、上海四个站6月9日—8月31日逐日平均降水量,表示长江中下游地区梅雨期降水概况如图1所示。由图1可见,梅雨期降水存在一些降水较多集中日期和降水较少或无雨集中日期,这是降水中期活动的表现。例如,6月23—30日即为一次降水中期活动,23—26日降水量较大,平     

近46年辽宁省降水集中程度研究

利用辽宁省25个台站1960—2005年逐候的降水资料,运用降水集中度和集中期分别讨论了辽宁省降水时空分布特征和变化规律,同时对多水年和少水年的集中度进行了比较。结果表明降水集中度和集中期能够定量地表征降水量在时空场上的非均一性,降水集中度平均为0．655,最大为0．749,最小为0．509;集中期平均为40．953候,最大值为45．221候,最小值为37．697候。年降水集中度和汛期降水集中度均呈减小趋势,汛期降水集中度减小的趋势明显。降水集中度的EOF分析显示取前3个特征值对应的特征向量可解释70％以上的方差。第一特征向量表现为全省一致性,而第二特征向量表征为东南与西北地区的反相,第三特征向量表征为东部山区与西部和沿海地区的反相。多水年的降水集中度明显比少水年的偏大且多水年的降水集中度分布较少水年复杂。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

江淮梅雨空间非均匀性的定量探讨

针对江淮梅雨空间分布非均匀的定量化问题,基于1960—2007年江淮地区高密度站点资料,运用空间集中度和集中区的方法定量分析江淮梅雨的空间非均匀性特征。结果表明,江淮梅雨的降水集中区呈现出年代际南北移动特征,自1970s末降水转型后,1980—1999年,强降水易于发生在长江中下游地区,而2000年后易于出现在淮河流域。48 a来梅雨的空间非均匀程度呈现弱的增加趋势。当梅雨雨带偏南,即位于长江中下游地区时,降水空间集中度较大。通过与大气环流场的回归分析表明,江淮梅雨非均匀程度的增加可能与西太平洋副高和副热带西风急流的南移有关。     

安徽省2021年梅雨期降水预报检验分析

检验梅雨期降水的预报效果,对于提升梅雨期降水预报能力、减少梅雨期降水带来的人员伤亡和经济财产损失有着重要的意义。文章对安徽省2021年梅雨期（6月10日—7月10日）六个客观模式和一个主观订正预报产品进行了检验分析,其中包含了三个区域模式数值预报（中国气象局中尺度天气数值预报系统（简称CMA-MESO）、中国气象局上海数值预报模式系统（简称CMA-SH9）、安徽WRF）、三个全球模式数值预报（中国气象局全球同化预报系统（简称CMA-GFS）、欧洲中期天气预报中心确定性预报模式（简称ECMWF）、美国国家环境预报中心全球预报系统（简称NCEP-GFS））和安徽智能网格主观订正预报的降水产品,进行了检验分析,结果表明：传统检验中安徽智能网格和区域模式对晴雨准确率的预报效果优于全球模式,又以CMA-MESO最优;在暴雨及以上量级的强降水预报中,传统检验表明安徽智能网格预报的得分最高（23.83）,ECMWF模式则是客观模式预报中效果最好的（20.12）,CMA-SH9次之（19.34）;通过对除安徽智能网格以外的各个客观数值模式进行的MODE空间检验可知,不同数值模式间暴雨预报误差原因不尽相同,ECMWF与各区域数值模式主要是由雨区位置的预报偏差,尤其是纬度偏差导致的,NCEP-GFS全球模式对降水强度和雨区面积的预报偏弱偏小比较明显,CMA-GFS在强降水方面的预报可参考性较差;各个主客观预报暴雨及以上量级预报,整体表现出较明显的日变化特征,在午夜前后、上午时段TS评分较高,而午后到傍晚评分较低,这个现象或许是梅雨期的午后降水多以地表太阳加热引起的短历时热对流降水为主造成的。     

锋生作用对2011年梅汛期湖北暴雨的影响

利用常规气象资料、湖北人工气象站和自动气象监测站雨量资料、NCEP再分析0.5°×0.5°等资料,对锋生函数在2011年6月中上旬梅雨期三次暴雨过程中的作用进行了诊断分析。结果表明:(1)2011年湖北梅雨在单阻型环流场形成和维持的过程中,先后出现了三种不同特征的暴雨过程。三次过程均在中层出现锋生。(2)中层锋生主要由垂直锋生造成,有利于对流不稳定的发生。低层锋生主要由水平锋生造成,有利于水汽输送和辐合抬升。当中层和低层均有锋生,且中层为垂直锋生、低层为水平锋生时,有利于降雨强度的加强。(3)先出现中层锋生后出现低层锋生可能为短时降雨,先出现低层锋生后出现中层锋生可能为长历时降雨。(4)低层的垂直锋消与水平锋生完全抵消说明低层水平辐合不够强,且对流稳定,不利于强降雨的发生。     

上海浦东地区"梅雨期"降水及其多尺度时频特征

提出了浦东地区"梅雨期"降水的概念.在此基础上,利用小波变换分析了浦东地区"梅雨期"降水的多尺度时频特征及其突变现象.结果表明:浦东地区6月1日-7月10日期间的降水序列能更加客观地反映该地区春末夏初这一特殊的"梅雨期"降水量的实际状况;浦东地区"梅雨期"降水存在准2a和10～20a的主要振荡周期;利用小波逆变换重构的不同振荡周期的时间序列能更好地反映原序列的主要周期振荡特征及其趋势信息.     

长江流域梅雨的多尺度特征及其与全球海温的关系

利用EOF和小波变换方法讨论了长江流域梅雨期降水的多时空尺度特征.长江流域梅雨期降水空间分布主要存在3种类型:(1)江南北部多雨、黄淮少雨型;(2)长江中下游多雨、江南南部少雨型;(3)江淮流域、华南东南部多雨及江南北部、华北地区少雨型.时间尺度主要周期为:准2年、3～5年、准10年振荡和线性增加趋势.长江流域梅雨期降水的各主要周期与前期(秋、冬和春季)全球海温相关分析表明,前期各季海温相关以冬季相关最好.年际、准2年及3～5年振荡周期对应的海温关键区,主要在热带和副热带地区;年代际及准10年振荡周期对应的海温关键区,主要在温带海洋;线性增加趋势的海温关键区,则遍布全球海洋.选取显著性水平达到0.05的相关区域海温距平的平均值作预报因子,利用逐步回归方法对梅雨期降水距平进行回报和预报试验的结果表明,综合考虑不同时间尺度的海温因子共同作用后建立的预测模型,对预测我国梅雨期降水距平的分布,有一定的预报能力.     

近53年江淮流域梅汛期极端降水变化特征

基于1961—2013年江淮流域梅汛期（6—7月）逐日降水资料,利用百分位法确定极端降水阈值,对江淮流域梅汛期极端降水的时空分布及突变特征进行分析,结果表明：95%分位极端降水阈值多在50 mm以上,大值中心主要位于湖北东部到安徽南部一带;平均极端降水强度与阈值大小的空间分布相似。极端降水量和极端降水日数整体呈现由安徽南部向四周递减的空间分布特征,极端降水量约占梅汛期降水总量的1/4~1/3。从季节内分布上看,极端强降水站次在梅汛期呈单峰型分布,各候间差异明显,其中6月第5候到7月第2候最多。极端降水量、极端降水日数以及极端降水量占梅汛期总降水量百分比均具有明显的年际变化,且上升趋势显著;江淮流域梅汛期极端降水量和极端降水站次的这种上升趋势均在1980年发生突变。     

梅雨期中国东部降水的时空变化及其与大气环流、海温的关系

利用1961～2000年中国台站降水资料、 NCEP/NCAR再分析资料以及扩展重建海平面温度 (Extended Reconstructed Sea Surface Temperatures, ERSST) 资料, 采用EOF、小波变换、合成及相关方法探讨中国东部梅雨期降水的时空变化及其环流、水汽输送和海温异常特征.分析指出中国东部梅雨期 (6月11日～7月10日) 降水存在三种主要空间型: 江南北部多雨型、长江流域多雨型和江淮平原多雨型.三种降水型都存在多时间尺度特征, 由于年际和年代际振荡的周期和强度随时间的变化有不同表现, 三种雨型旱涝年出现的年份有所不同.三种雨型对应的东亚夏季风环流各子系统的强度、位置、水汽输送等也存在明显差异.梅雨期三种雨型与冬季海温的研究表明:赤道东太平洋海温偏高有利于出现江南北部降水型; 赤道印度洋、南海和西太平洋黑潮海温偏高有利于出现长江流域降水型; 北太平洋中纬度海温偏高则有利于出现江淮平原降水型.     

干冷空气活动对2008年梅雨降水的作用

利用NCEP/NCAR再分析资料,分析了2008年梅汛期暴雨过程中干冷空气侵入对暴雨发生、发展和维持的作用.结果表明:梅雨期中高纬度环流的演变和调整与暴雨过程密切相关,亚洲北部阻塞高压(高压脊)的建立和维持,使得500hPa高度上西风锋区南压,导致干冷空气南下,极涡活动的异常偏东和加强有助于冷空气向江淮流域输送,有利于江淮流域暴雨的发展.在江淮流域梅雨期间,干冷空气的活跃与暴雨过程相对应.干冷空气来源于中高纬度和中高层.干冷空气侵入有利于对流层中高层干层的形成和维持.而且,干冷空气侵入是梅雨湿度锋形成和维持的一个重要动力和热力原因.在此研究基础上,归纳出中期预报着眼点,供实际业务预报参考使用.