共查询到11条相似文献,搜索用时 93 毫秒
1.
2.
3.
近53年江淮流域梅汛期极端降水变化特征 总被引:4,自引:2,他引:4
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。 相似文献
4.
Analysis on the 10-yr Simulation of the Meiyu Precipitation and Its Associated Circulation with the GAMIL Model 下载免费PDF全文
ZHUO Dongqi ZHANG Yaocun WANG Bin LI Lijuan HUANG Ying 《Acta Meteorologica Sinica》2010,24(3):328-339
The major features of Meiyu precipitation and associated circulation systems simulated by the grid-point atmospheric model of IAP LASG (GAMIL) with Zhang-McFarlane and Tiedtke cumulus parameterization schemes are examined in this paper. The results show that the model with both schemes can reproduce the heavy precipitation center over the Yangtze-Huai River Basin (YHRB) during the Meiyu period. The horizontal and vertical structures of the circulation systems during the Meiyu period are also well simulated,such as the intensive meridional gradients of moisture and μse (pseudo-equivalent temperature), the strong low-level southwesterly flow in the lower troposphere over East China, the location of the westerly jet stream in the upper troposphere, the strong ascending motion in heavy precipitation zone, and compensation downward motion on the northern and southern sides of the heavy precipitation belt. However, obvious discrepancies occur in the simulated temperature field in the mid-lower troposphere,especially with the Zhang-McFarlane scheme. In addition, the simulated Meiyu period (onset and duration) is found to be associated with the temperature difference in the lower atmosphere over the land and ocean, and with the cumulus parameterization schemes. The land-sea thermal contrast (LSTC) simulated by the Zhang-McFarlane scheme increases faster than that in the reanalysis from April to July, and changes from negative to positive at the end of May. Consequently, the simulated Meiyu onset begins in May, one month earlier than the observation. On the other hand, since the LSTC simulated by the Tiedtke scheme is in agreement with the reanalysis during June and July, the simulated Meiyu period is similar to the observation. The different LSTCs simulated by the GAMIL model with the two cumulus parameterization schemes may affect the Meiyu period simulations. Therefore, it is necessary to refine the cumulus parameterization scheme in order to improve the Meiyu precipitation simulation by the GAMIL model. 相似文献
5.
利用2004年6—7月武汉每天两个时次探空资料计算出的可降水量以及各层的比湿和相对湿度,对比分析各种水汽量的垂直分布以及逐日演变特征,探讨了2004年梅雨期武汉上空水汽的演变及其与暴雨的关系。结果表明,武汉上空大气中水汽含量随高度递减,90%以上的水汽集中在700hPa以下;7月的水汽含量高于6月;武汉上空出现整层比湿增长或中高层比湿增长可导致整层相对湿度明显增长,而且增长的幅度随高度递增;在暴雨分析预报中,分析中高层水汽演变好于分析低层水汽演变;采用整层平均相对湿度和可降水量结合分析整层水汽演变以及将中高层平均的比湿和相对湿度结合分析中高层水汽演变时,对暴雨预报均有很好的指示意义。 相似文献
6.
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 总被引:17,自引:7,他引:17
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. 相似文献
7.
利用湖北省32个台站1960-2007年梅雨期逐候降水资料,分析湖北省梅雨期降水集中度和集中期时空分布特征及变化规律,同时对多雨年和少雨年的集中度和集中期进行比较.结果表明:降水集中度和集中期能够定量表征降水量在时空场上的非均一性,降水集中度平均为0.389,最大值为0.642,最小值为0.216;集中期平均为5.600候,最大值、最小值分别为8.450候和3.053候.梅雨期降水集中度20世纪60年代至70年代呈减小趋势,80年代至21世纪前7年呈增大趋势;降水集中度的EOF分析显示,第一特征向量表现为全省一致型,第二特征向量表现为鄂东南与鄂西北地区的反相,第三特征向量表现为鄂中平原地区和湖北东西部山区的降水集中度反相.多雨年的降水集中度比少雨年的偏小;多雨年的降水集中期比较集中,少雨年的比较复杂. 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
11.
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