甘肃省暖季小时降水变化特征

利用2013-2019年暖季（4-9月）小时降水资料，分析了甘肃省强降水极值及频率的时空分布特征。结果表明：（1）甘肃省小时强降水频次呈现东高西低分布，在陇南地区东南部及陇东地区北部有2个高中心，达到29次。（2）小时强降水极值在陇中地区及以南地区高，向西北递减，陇南地区降水极值最高，超过40 mm/h。（3）小时强降水频次主要出现在7-8月，同期的雨强也最大；小时强降水频次和小时雨强均在17-24时最强，峰值为21时。（4）不同区域的降水日内变化存在明显差异，河西地区小时降水频次的峰值出现在18时，陇中和陇南地区均出现在21时，陇东地区和甘南高原分别出现在22时和19时。     

渠江流域汛期强降水时空分布特征

本文从分析研究渠江流域汛期强降水时空分布入手,试图揭示该流域21世纪以来洪水频发的原因。经对渠江流域1970~2012年降水资料分析研究得出:(1)渠江流域汛期降水量、暴雨日数、降水变差系数呈“北大南小”的空间分布;“北区(河流汇水区,下同)”近年来汛期降水量增大、暴雨频率增加、降水趋于极端;(2)短时强降水多发生在04~08时,频发区主要位于“北区”,近年来频次呈上升趋势;(3)小时雨强极值“北区”普遍大于“南区”;近43年渠江流域汛期小时雨强极值总体呈增大趋势,“北区”尤为明显。因此,渠江流域汛期发生的强降水趋势性变化,是导致该流域洪水频发的主要原因之一。      

近25a重庆地区小时降水时空分布特征分析

利用重庆34个自动站1991—2015年逐小时降水资料,分别从降水比率、强降水占比、强降水频次、强降水事件、极大强降水及极端强降水阈值等方面分析了重庆时空分布特征。结果表明:(1)降水比率、强降水占比、强降水频次、强降水事件、极大强降水及极端强降水阈值在空间分布上具有一致性,高值区主要分布在东南部与西部,低值区主要位于东北部与中部。(2)降水比率、强降水占比、强降水频次及极大强降水在年变化上表现出波动起伏特征,且降水比率相对变化幅度较小,后三者表现出同相位的变化特点。在月变化上,降水比率呈双峰特征,后三者一致呈单峰特征。在日变化上,强降水高频次主要出现在03—05时,低频次主要是13—15时。(3)在强降水事件持续性上,强降水事件持续时间及其降水开始至最强降水时间的空间分布一致:高值区主要集中在东北部与东南部,而低值区主要分布在中部与西部。总体上看,持续时间越长,产生最强降水的时间越延后,且持续时间长的强降水事件主要产生在23时至次日04时。(4)第99、99.5、99.9百分位阈值与广义极值(GEV)分布函数5、10、20、50、100 a重现期阈值及极大强降水观测值在空间分布上与强降水具有一致性。     

山东省汛期小时极端强降水分布和变化特征

利用山东省1961—2012年74个气象站逐时降水数据,分析研究了山东省汛期(5—9月)小时极端强降水的时空变化和日变化特征。结果表明:(1)山东省小时极端强降水量和频次呈大致的带状分布,由东南沿海向西北内陆递减。山东中西部极端小时强降水强度较大,鲁西、鲁西北、鲁西南及半岛西部一带极端强降水量占比较高。(2)山东历年各站平均小时极端降水量、频次、强度均呈不显著的增多增强趋势。鲁南、鲁西北和半岛东部、北部等地降水量增多趋势明显,鲁南、鲁东南、鲁西、半岛中东部降水强度增强趋势明显。(3)下午(15时)至傍晚(20时)是山东省小时极端强降水主要发生时段。降水量和降水频次在11—18时呈减少趋势,其他时段多为增加趋势。降水强度的变化在上午基本为减弱趋势,其他时次多为不同程度的增强趋势。(4)7月小时极端降水量和降水频次最大,一日中有两个高值中心。(5)山东夜间两个时段21时至次日02时、03—08时段平均和大部分区域极端强降水有增多趋势。     

江西省降水日变化时空分布特征

对江西省逐小时降水、短时强降水时空分布特征进行较详细研究,可以提供降水、短时强降水的气候变化背景。利用1979—2019年3—11月江西省86个国家气象站逐小时降水资料,对江西省小时降水、短时强降水的比率、频率日变化特征进行分析。结果表明：（1）江西省降水、短时强降水的比率和频率日变化呈较明显的双峰型特征,第一峰值均出现在15:00—20:00（北京时,下同）,次峰值均出现在05:00—10:00。（2）降水和短时强降水的比率、频率日最大值空间分布均呈南高北低趋势,而日最小值空间分布大致为南低北高趋势。时间分布上,江西大部分地区降水比率日最大值出现的时段为15:00—20:00,日最小值主要出现在20:00至次日03:00。（3）江西南部降水比率的日分布特征为单峰型,峰值出现在15:00—20:00;北部以双峰型为主,峰值分别出现在05:00—10:00和15:00—20:00,而环鄱阳湖地区为单峰型,峰值出现在05:00—10:00。（4）不同季节降水比率、频率日变化特征存在略微差异,降水比率和频率的双峰型结构均开始于4月下旬,但降水比率结束于6月上旬,降水频率结束于6月中旬。降水比...     

1998-2020年三峡库区小时极端降水时空变化特征分析

利用1998-2020年三峡库区35个测站的小时降水资料,围绕近23年三峡库区小时强降水(≥20 mm·h^-1)和小时极端强降水(≥50 mm·h^-1)的总降水量、频次、强度等指标,分析极端降水发生的时空变化特征,并对比分析2010年前后三峡小时极端降水变化特征。结果表明：1998年三峡库区小时强降水与极端强降水发生次数与强度均异常偏多。若剔除该年,1999-2020年小时强降水与极端强降水发生总频次均无显著变化趋势。近23年,小时强降水平均每年每站发生3.8次,大部分站点年均发生3.0～5.0次;小时极端强降水年均发生5.5次,大部分站点年均发生<0.25次,中部山区的建始-宣恩一带年均发生次数较多。2010年后年平均小时强降水量减小了10.4 mm,减小的区域主要发生在三峡库区西部的重庆地区,该区域年平均减小15.5 mm;总体有31.4%的站点年平均小时强降水量与发生次数均有所增加,湖北中部的建始-来凤一带增幅较为明显,邻近5站的年强降水雨量平均增加16.1 mm;强降水小时雨强显示增加特征站点占48.6%,强降水小时雨强增加的范...     

广州短时强降水特征分析

利用广州5个地面观测站2008-2019年逐时降水资料,基于4分位、线性统计等方法,对近10年来广州市短时强降水的变化特征进行分析总结.结果 表明:短时强降水的小时雨量和分钟雨量变化均呈双峰型分布;前35 min内分钟雨量对短时强降水小时雨量的贡献量最大,而0～5 mm雨量等级的降雨频率占比最高;各区短时强降水频率具有...     

四川省近10年极端小时降水时空分布特征

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。     

1980—2012年5—9月川渝盆地小时强降水特征研究

利用四川和重庆123个气象观测站1980—2012年小时降水资料,分析川渝地区主汛期5—9月小时强降水频次、强度和持续性等时间演变和空间分布特征。结果表明,≥20、≥30和≥50 mm·h-1三种强度阈值强降水时间演变上,1980—2012年年际和日变化具有较好的一致性,三种强降水年平均频次分别为504、184和28次。≥20 mm·h-1 强降水空间分布上,在山地地形动力辐合抬升,以及盆地西部较大的地形梯度作用下,≥20 mm·h-1强降水高频次区主要分布于盆地西北部的龙山山脉、西南部雅安及乐山周围与盆地过渡区。≥20 mm·h-1强降水频次的日峰值空间分布上,盆地南部主要出现在20:00—01:00（北京时,下同）,而盆地中部、北部和东部主要在02:00—07:00。持续不同小时时间尺度的强降水事件日变化上,具有双峰型结构,午后为第一个降水峰值,20:00至第二天07:00为第二个峰值,白天多为短时间（2~6 h）强降水事件,而傍晚开始至第二天清晨,持续2~18 h强降水事件均有发生。不同开始时间强降水事件的强度与频次和降水量具有一致性的日变化特征,呈现单峰型结构,峰值主要发生在18:00—06:00,且不同开始时间事件频次和降水量空间分布上,白天（09:00—20:00）相对于夜间（21:00—08:00）偏小,即夜间强降水事件特征表现明显。     

西南地区短时强降水的气候特征分析

利用国家级地面气象站逐小时和日降水数据集资料,对西南地区短时强降水的气候特征进行了分析,并对近30年来强短时强降水和强暴雨的变化趋势进行了分析。结果表明:西南地区短时强降水主要集中在4-10月;三个高发区分别位于贵州东南部、四川盆地西南部和云南东南部,年均发生次数约5～6次;强度一般为20～30 mm·h~(-1),其中贵州30 mm·h~(-1)以上的小时降水强度所占比例最高,四川盆地西部边缘地区小时降水最强,超过80 mm·h~(-1),极端小时降水达123.1 mm·h~(-1);短时强降水具有明显的夜发性,02时左右为发生频次的峰值时段。从近30年西南地区超过第90百分位的强短时强降水与强暴雨的长期变化趋势来看,强短时强降水呈现频次增加、强度增强的变化趋势,强暴雨则变化不明显。     

西藏地区气象自动站夏季逐时降水资料特征分析

本文选用2008、2009年西藏地区具有代表性的5个自动站夏季逐时降水资料分析了两年间逐小时降水出现的频数和降水比率。结果表明:(1)各站的夏季逐时降水频率特征不尽相同但也有规律可循,既处在河谷地区的站点多夜雨,在相对平缓地区的站点逐时降水频率较为分散;(2)各站的夏季逐时降水比率呈短时集中现象,表现出高原地区多短时强对流天气的特征;(3)在有降水发生时次地面温度跟逐时降水频次和降水比率呈良好的负相关,相关系数分别为-0.58、-0.44;相对湿度跟逐时降水频次和降水比率呈良好的正相关,相关系数分别为0.56、0.46。      

1961-2000年西南地区小时降水变化特征

根据西南地区112个站点1961-2000年逐时降水资料,分析了不同季节降水时数、小时雨强、极端强降水时数和极端强降水强度的变化趋势.从降水时数变化来看,夏季西南大部分地区如四川盆地西部、云南、贵州南部等地总降水时数有减少趋势,四川盆地东部和川西高原总降水时数增加;整个区域平均趋势为-0.9%/10a.相应地,极端强降...     

北京城、郊和山区不同强度等级降水变化特征比较

利用北京地区1977-2013年18个站点逐小时降水资料,将小时降水分为弱降水（第50百分位值以下）、中等强度降水（第50至90百分位值）以及强降水（第90百分位值以上）3个等级,对北京地区山区、郊区以及城区夏季不同强度等级降水变化特征进行了深入细致的分析。结果表明,北京地区夏季降水量存在显著的减少趋势,这种减少趋势主要是由于弱降水和中等强度降水的显著减少引起的,强降水没有表现出明显的增多或减少趋势;与郊区相比,2004年之后城区的强降水对夏季总降水量的贡献越来越大而弱降水的贡献减小。在降水日变化上,不同地区、不同等级的降水存在差异。弱降水存在清晨和夜间双峰值特征,中等强度和强降水只存在夜间单峰值特征。清晨峰值时刻,山区、郊区和城区弱降水都表现出一致的显著减少趋势;夜间峰值时刻,山区的各等级降水变化不显著,而在2004年之后,城区弱降水少于郊区,强降水则多于郊区。北京地区降水过程不对称性特征（降水过程峰值前后差异性）十分明显,其中以强降水的不对称性最强,相对于郊区和山区来说,城区强降水过程的不对称性有增大的趋势。     

基于多套卫星资料的ERA5全球小时降水频率评估

最近发布的新一代全球再分析资料集ERA5,提供了全球小时降水再分析值,为全球小时降水研究提供又一个数据参考。然而,目前针对ERA5小时降水频率的评估工作还较为有限。本研究采用多套全球卫星观测小时降水对ERA5小时降水的频率进行了评估。对比分析发现:尽管ERA5总降水量与卫星资料出现较好的一致性,但ERA5的小时降水频率约为卫星资料的2～3倍,呈现系统性偏高。进一步分析表明,这主要是由于ERA5大大高估了中、低强度降水事件的数量。其中,ERA5对弱降水频率的高估尤为明显,平均可达卫星降水频率的6倍;此外,ERA5对海洋降水频率的高估程度也大于陆地。ERA5小时降水频率的系统性高估问题对相关研究的潜在影响,尚在进一步评估中。     

河北省西南部逐时降水气候特征分析及雨量产品色标修订

利用河北省中南部1999～2005年95个气象站4～10月自记雨量资料,初步分析了逐时降水的统计学特征量,得到了逐时降水的空间分布特征和统计学基本规律:河北省中南部逐时降水具有明显的地理和季节分布特征,强度一般在早晨或傍晚最大,上午最弱.根据逐时降水量级分布情况,调整雷达雨量产品色标设置:小值区间间隔小,大值区间间隔大,突出显示小值降水的层次,跟踪降水中心发生、发展及移动,对降水精细化预报有一定的指导意义.     

千米尺度数值预报模式对泰山地区暖季降水预报性能的评估

为深入认识对流可分辨模式对小尺度孤立地形区降水的预报性能,使用2017年暖季（5—9月）台站逐时降水观测数据,以小时尺度降水特征为指标,细致评估了千米尺度分辨率（3 km）的北京“睿图”短期数值预报子系统（RMAPS-ST）对泰山及其周边地区降水特征的预报能力,并对比了不同起报时次（北京时08时和20时）的预报差异。评估发现,RMAPS-ST可以再现泰山站的局地降水中心,但区域西南侧降水预报小于观测,而泰山站及其东北侧则相反。清晨和午后时段的降水预报与观测相比存在较大偏差。以泰山站为例,RMAPS-ST易于低估夜间至清晨时段的降水频率,这可能与模式对降水系统发展演变过程的预报偏差以及清晨泰山站弱降水事件的漏报有关;清晨泰山站降水强度的预报在不同起报时次的结果中存在差异,20时起报存在大幅度高估的问题,进而导致其暖季平均降水量预报大于观测,而08时起报对于清晨降水强度的高估不明显;08时起报易高估泰山站午后的降水频率,这与其午后短历时降水事件数预报偏多有关,模式对山区热动力场的预报偏差是午后降水空报的可能原因。小时尺度降水特征已应用于中国气象局区域数值预报模式的业务评估体系中,本研究结果也表明,此类评估有助于深入认识千米尺度数值预报模式对降水日内变化的预报能力,从而为精细化降水产品的订正提供更详实的科学依据。      

都江堰短时强降水时空分布统计分析

根据气象观测站逐5 min雨量资料的统计结果,分析了四川都江堰地区短时强降水的时空分布变化特征,结果表明：①都江堰各年1 h雨量极值均出现在较高海拔的地区,且1 h雨量极值在当次降水过程总雨量中所占的比重很高,说明都江堰短时强降水的强度非常集中;②受地形与夜间云顶辐射冷却作用,都江堰短时强降水的夜雨特征突出,且后半夜比前半夜多;③都江堰地区夏季的对流过程一般是沿西北山脉迎风坡生成与发展的,随后对流系统发展到东南平原地区;④都江堰短时强降水主要集中在60～130 min,最长可持续210 min。     

小时和日值降水数据对河南省暴雨日数和暴雨日变化特征的影响北大核心

利用1961—2018年河南省111个气象站逐日和逐小时降水数据,分析了暴雨日数的时空变化规律及暴雨日变化特征,并通过统计对比分析,评估了小时和日值降水数据对暴雨日数及暴雨日变化的影响。结果表明:(1)1961—2018年,河南省年平均暴雨日数变化呈显著上升趋势,速率为0.34 d·(10 a)^(-1);94.6%的气象站点年平均暴雨日数的气候倾向率为正,显著增加的站点数占总站数的73.0%;年平均暴雨日数为1.4 d,以7月最多,平均值为0.52 d,占年平均暴雨日数的37.1%。(2)1961—2018年,河南省暴雨总降水的日变化呈现单峰结构,主峰值出现在05时,为4.5 mm;暴雨日变化峰值呈波动下降趋势,速率为0.16 mm·(10 a)^(-1);日变化峰值大部分出现在00—08时,共42个年份,占79.3%;从空间分布看,各气象站点的暴雨日变化峰值大都出现在00—06时,占总站数的73.5%。(3)2014—2018年,河南省小时和日值降水数据吻合度为100%;吻合暴雨总降水的日变化的主峰值和次峰值出现在04时和17时,分别为4.3 mm和3.4 mm;日变化峰值出现在13—18时的气象站点最多,占总站数的33.9%。(4)小时和日值数据对暴雨日数及暴雨日变化造成了影响,主要表现在年平均暴雨日数及其变化趋势不一致和暴雨日变化的差异。     

The Long-term Variation of Extreme Heavy Precipitation and Its Link to Urbanization Effects in Shanghai during 1916–2014

Using the hourly precipitation records of meteorological stations in Shanghai, covering a period of almost a century(1916–2014), the long-term variation of extreme heavy precipitation in Shanghai on multiple spatial and temporal scales is analyzed, and the effects of urbanization on hourly rainstorms studied. Results show that:(1) Over the last century, extreme hourly precipitation events enhanced significantly. During the recent urbanization period from 1981 to 2014, the frequency of heavy precipitation increased significantly, with a distinct localized and abrupt characteristic.(2) The spatial distribution of long-term trends for the occurrence frequency and total precipitation intensity of hourly heavy precipitation in Shanghai shows a distinct urban rain-island feature; namely, heavy precipitation was increasingly focused in urban and suburban areas.Attribution analysis shows that urbanization in Shanghai contributed greatly to the increase in both frequency and intensity of heavy rainfall events in the city, thus leading to an increasing total precipitation amount of heavy rainfall events. In addition,the diurnal variation of rainfall intensity also shows distinctive urban–rural differences, especially during late afternoon and early nighttime in the city area.(3) Regional warming, with subsequent enhancement of water vapor content, convergence of moisture flux and atmospheric instability, provided favorable physical backgrounds for the formation of extreme precipitation.This accounts for the consistent increase in hourly heavy precipitation over the whole Shanghai area during recent times.