汛期短历时强降水过程的闪电特征

对2011年3次短历时强降水天气过程的闪电特征分析结果表明:①3次短时强降水都以负闪为主,负闪占总闪电的比例都在92﹪以上;②小时闪电频数峰值超前降雨峰值1h或同相;③5min闪电频数超前雨量峰值5~60min;④负闪电密集区主要发生在40dBZ以上的回波区,偶尔发生的正闪一般在较弱回波处;闪电大部分发生在回波顶高大于5km以上的区域;多分布在速度不均匀场附近;闪电密集区与VIL大值区对应关系不太好;⑤不同云体,闪电特征不尽相同,闪电频数高峰有的发生在强回波阶段,有的并不是回波最强阶段,而是减弱阶段。强回波前沿出现闪电密集区或前方无回波处发生闪电,预示未来强回波移动的方向;有的云体发展、成熟阶段闪电分布密集,负闪电主要集中在强回波中心附近,云体减弱阶段闪电分散,集中在单体的不同部位。     

北京短历时强降雨的时空分布

利用北京地区157个人工站和自动站观测资料,对北京地区短历时强降雨的时间、空间分布特征以及与年总降水量的关系进行分析,结果表明：①2007—2012年,短历时强降雨的次数大体呈现递增趋势,但各年发生的次数差异较大;②从时空分布特征来看, 短历时强降雨最易发生在7月,时段集中在傍晚前后和凌晨,而发生地点集中在北京西山前的平原地区包括昌平中部东部、顺义西部、石景山区、丰台区西部、房山东部南部;③从短历时强降雨与年降水量的关系来看,短历时强降雨发生次数多的年份降水量也高,短历时强降雨对于年降水量的贡献较大。     

山西省汛期短历时强降水特征

基于山西省2011—2016年汛期290个自动气象站逐时降水资料,结合本地强降水预警业务规定,按照致灾风险程度将短历时强降水分为四级,并分析了各级短时强降水的时空变化特征.结果表明:短时强降水主要受地形影响,山西各级强降水的累计降水量和降水时数大值区一般沿太行山脉和吕梁山脉分布;短时强降水主要集中在7—8月,15—18...     

重庆地区短历时强降水气候特征

利用重庆地区34个气象站1981—2016年逐分钟降水资料,对10、60、360和1440 min短历时强降水量空间分布规律和分区进行了分析。结果表明:重庆地区短历时强降水量空间分布差异较大,全市有3个高值区,中心分别位于西部沙坪坝站、东北部开州站、东南部秀山站。短历时强降水趋势变化空间差异较大,东南部、东北偏北地区以增多趋势为主,其余地区以减少为主。360 min最大降水量最不稳定,随着降水历时的缩短,最大降水量的稳定性逐步增大;各历时最大降水量均为正偏态分布。根据重庆地区短历时强降水的空间分布及其EOF分析结果,并考虑到重庆地区复杂地形、城市雨水排除规划和应用上的方便,将重庆地区短历时强降水分为3个区,分别是西部区、东南部区和东北部区。     

黑龙江省短历时降水时空分布特征研究

以百分位法和空间系统聚类法为理论基础,利用GIS空间插值技术,分析近30 a(1991—2020年)黑龙江省短历时（1 h、3 h、6 h、12 h）降水时空分布特征。结果表明：黑龙江省短历时降水分布趋势与夏季降水量分布趋势差异较大;短历时降水极值分布较为分散,基本上在西部松嫩平原地区最高,北部大、小兴安岭地区和东南山区最低;短历时降水99%、95%和90%分位,在西部松嫩平原地区最高,向东南和东部两个方向逐渐降低,大、小兴安岭最低;短历时降水从极值到99%、95%、90%分位降水量迅速下降,短历时降水高值在总降水样本中出现比例较小;黑龙江省各短历时降水的极值和均值年际变化趋势基本一致,各短历时的极值均呈明显增加趋势,历时越短增加趋势越明显。     

南昌“6.29”短历时暴雨过程的成因及其中尺度特征

2022年6月26—29日长江中下游梅雨锋雨带南压减弱,29日江西降水却显著加强,北部出现了一条窄而强的暴雨带,南昌城区2 h降水超100 mm,最大小时降水量113.2 mm,引发严重内涝。利用常规观测、ERA5再分析、风云气象卫星和多普勒天气雷达等资料分析南昌城区此次短历时暴雨成因及中尺度特征和维持机制,结果表明：暴雨发生前江西850 hPa西南气流显著减弱,而水汽、能量却增加,28日08∶00—29日08∶00南昌露点温度、整层可降水量、总温度分别由23.5℃、57.5 mm、76℃上升至26℃、69 mm、81℃,有利于对流性强降水发生发展;高层持续强辐散、600—800 hPa干冷空气侵入、925—975 hPa边界层急流增强导致水汽在边界层强烈辐合等是暴雨主要成因;暴雨发生初期,赣东北对流回波具有明显后向传播特征,与赣西北东移回波在南昌合并快速发展,降水迅速增强,合并后强回波带南侧、西南侧不断有对流单体新生向东北方向移动汇入,造成强回波在南昌停滞少动;对流单体在冷池出流与环境大气的辐合线上新生,赣东北、赣西北辐合线分别位于对流带的西侧、东侧,两条辐合线移动方向相反在南昌地区...     

吉林省短历时降水时空分布特征

本文根据气象站夏半年（５～９月）逐时降水资料的统计结果，分析了吉林省不同地区的降水气候概率和条件气候概率以及短历时强降水（≥１０ｍｍ·ｈ－１和３０ｍｍ·ｈ－１）的时空分布特征，这些工作为不同地形地貌和地理位置条件下的吉林省各地区的甚短期降水预报提供了气候背景。     

闽南地区汛期短历时降水气候特征

通过对厦门，安溪，九仙同山峰尤溪等４站２５年５－６月逐时降水资料的统计分析，初步揭示了汛期闽南地区不同形环境下的短历时降水的气候和条件气候的分布特征，得到若干对短时了和服务有参考价值的结论。     

闽南地区汛期短历时降水气候特征

通过对厦门、安溪、九仙山和尤溪等４站２５年５—６月逐时降水资料的统计分析，初步揭示了汛期闽南地区不同地形环境下的短历时降水的气候和条件气候的分布特征，得到若干对短时降水预报和服务有参考价值的结论。     

北京地区两次极端特大暴雨过程中短时强降水环境条件对比分析

针对北京地区2012年7月21日(简称“7.21”过程)和2016年7月20日(简称“7.20”过程)极端特大暴雨中的短时强降水,对短时强降水实况、环流形势、地形影响及环境的动力、水汽和热力条件进行了分析,并结合较长时段的历史资料,从单点和区域角度对环境动力、水汽和潜在热力条件的极端性进行了对比分析。结果表明:(1)尽管两次过程中的短时强降水实况差异显著,但均出现在非常有利的天气形势下。(2)针对短时强降水环境的单点动力、水汽和热力条件对比显示,两次过程中的850 hPa动力抬升和整层可降水量(PWAT)均极端偏强,但抬升指数(LI)表征的热力条件差异差别巨大,2012年“7.21”过程中为偏强,2016年“7.20”过程中为偏弱。(3)针对长时间序列资料的标准化偏差异常(SD)显示,两次过程中850 hPa风场和PWAT的SD均超过了3σ,为极端偏强,LI表征的潜在热力条件方面,2012年“7.21”过程中低于-1σ,2016年“7.20”过程中与历史同期持平,表明热力条件的差异是导致两次极端暴雨过程中短时强降水强度巨大差异的重要原因。     

济南市区短时强降水特征分析与天气分型

利用2007—2015年济南市区及历城区自动气象观测站的逐小时降水量资料,以及常规高空、地面观测资料,统计了198次短时强降水过程的范围和强度特征,年际、月际变化特征,按照短时强降水发生时的天气形势和影响系统,分为切变线型、低槽冷锋型、西风槽型、冷涡型、台风外围型及无系统型6类,并分析了不同类型和不同范围短时强降水的关键环境参量。研究表明：短时强降水的强度与范围有较好的相关性,7月中旬—8月中旬出现强降水的次数最多;切变线型短时强降水发生范围与强度分布最广,7、8月的低槽冷锋型过程极易造成大范围高强度降水;地面露点（Td）、850 hPa假相当位温（θse）、对流有效位能（CAPE）以及暖云层厚度能较好地区分不同范围的短时强降水过程。在天气分型的基础上,结合不同降水范围和不同降水类型环境参量箱线图与阈值表,可为济南市区短时强降水的预报提供有价值的参考。      

北京降水特征及北京市观象台降水资料代表性

将北京分为城区、郊区、南部山区及北部山区4个区域,利用14个观测站1978—2010年共33年的月降水量资料,分析了不同区域降水年变化和夏季降水特征及其差异。结果表明:各区域年平均降水量存在较大差异,郊区降水量最多 (620 mm),城区与南部山区降水量较少,而北部山区降水量最少 (476 mm);城区与南部山区的年降水量较接近,二者与郊区和北部山区都有显著差异。4个区域的降水量都表现出减少趋势,郊区最明显 (47 mm/10 a),北部山区的减少趋势最小 (0.7 mm/10 a)。对4个区域夏季 (6—9月) 降水量分析发现,城区与南部山区具有较好的一致性,二者与郊区和北部山区具有显著差异。均方根偏差和相关系数的计算结果表明:北京市观象台与城区和南部山区的降水年变化和夏季降水特征差异均不显著,而与郊区和北部山区有显著差异,说明北京市观象台降水资料对城区和南部山区具有最优代表性,而对北部山区和郊区的代表性较差。     

自动观测与人工观测的短历时雨量差异分析

利用湖北省内黄石等11个国家气象站2005—2007年自动观测、人工观测同期分钟雨量数据,分别逐年滑动提取5、10、15、20、30、45、60、90、120、150、180 min这11个短历时的最大雨量值及开始时间。从时间偏差、雨量偏差、设定时间偏差范围三方面分析两种观测下的短历时雨量差异,并利用分析结果建立了自动观测、人工观测短历时雨量关系方程。结果表明:(1)从自动观测、人工观测分钟数据中提取短历时雨量时,对降水过程判断基本一致,选取同一降水过程,各降水历时70%以上样本数据的开始时间偏差基本在0~10 min。(2)各历时自动观测、人工观测短历时雨量提取结果比较吻合,两者雨量偏差范围在±10%以内的情况占样本总数的68.6%,且自动较人工观测短历时雨量偏大的情况居多,占样本总数的60.9%。(3)设定时间偏差范围为0~5 min,自动观测、人工观测短历时雨量提取结果非常吻合。将时间偏差缩小到0~2 min,吻合度进一步提高。(4)分别建立了11个降水历时自动观测、人工观测短历时雨量关系方程,两套数据相关系数达到0.92以上,自动观测、人工观测短历时雨量变化非常一致。     

Modelling the spatial and temporal distribution of rainfall intensity at local scale

Summary Accurate estimates of rainfall intensity distribution with high temporal and spatial resolution are necessary in most urban hydrological studies, such as planning, simulation or control of sewer networks. Traditionally, these data are obtained from intensity-duration-frequency (IDF) curves at sites with long rainfall intensity time-series, however, little attention is given to the spatial features of precipitation. In this paper, a mathematical model of a local scale storm that takes account of the spatial variability of rainfall and rain-cell movement is proposed. The model has been calibrated with a dense network of raingauges and a long rainfall intensity timeseries (60 years) and its parameters have been calculated for convective storms of return periods up to 15 years with their most frequently-observed rain-cell velocities (1 to 4 m/s).This work has been supported by the DGICYT, Project NAT91-0596.With 6 Figures     

昆山市暴雨短历时设计雨型的推求

基于2008—2016年昆山市自动气象站逐分钟降水观测数据,分别利用芝加哥雨型法和PilgrimCordery雨型法,推求昆山市不同生态系统在不同重现期下60 min和120 min短历时设计暴雨雨型,并对比分析两种雨型推求方法的结果以及不同生态系统的雨型计算结果。结果表明:推求昆山市60 min历时设计暴雨雨型分布时,芝加哥雨型法和PilgrimCordery雨型法的结果基本一致,为单峰型雨型,雨峰位置位于中间偏前;推求120 min历时设计暴雨雨型分布时,芝加哥雨型法结果为单峰型,PilgrimCordery雨型法为多峰型,但两种方法求得的雨峰位置都位于中间偏前。在历时60 min和120 min时,芝加哥雨型法计算出的平均最大分段降水量显著大于PilgrimCordery法和实际雨样的结果,PilgrimCordery法的结果略小于实际雨样。昆山市不同地区的降水会受到生态系统类型的影响,以农田生态系统的影响最为明显,两种雨型推求方法的结果均表示,农田生态系统的最大分段降水量是5种生态系统中最大的。     

Comparison of classification and clustering methods in spatial rainfall pattern recognition at Northern Iran

Pattern recognition is the science of data structure and its classification. There are many classification and clustering methods prevalent in pattern recognition area. In this research, rainfall data in a region in Northern Iran are classified with natural breaks classification method and with a revised fuzzy c-means (FCM) algorithm as a clustering approach. To compare these two methods, the results of the FCM method are hardened. Comparison proved overall coincidence of natural breaks classification and FCM clustering methods. The differences arise from nature of these two methods. In the FCM, the boundaries between adjacent clusters are not sharp while they are abrupt in natural breaks method. The sensitivity of both methods with respect to rain gauge density was also analyzed. For each rain gauge density, percentage of boundary region and hardening error are at a minimum in the first cluster while the second cluster has the maximum error. Moreover, the number of clusters was sensitive to the number of stations. Since the optimum number of classes is not apparent in the classification methods and the boundary between adjacent classes is abrupt, use of clustering methods such as the FCM method, overcome such deficiencies. The methods were also applied for mapping an aridity index in the study region where the results revealed good coincidence between the FCM clustering and natural breaks classification methods.     

Statistical characteristics of environmental parameters for warm season short-duration heavy rainfall over central and eastern China

Water vapor content,instability,and convergence conditions are the key to short-duration heavy rainfall forecasting.It is necessary to understand the large-scale atmospheric environment characteristics of shortduration heavy rainfall by investigating the distribution of physical parameters for different hourly rainfall intensities.The observed hourly rainfall data in China and the NCEP final analysis（FNL）data during 1May and 30 September from 2002 to 2009 are used.NCEP FNL data are 6-hourly,resulting in sample sizes of 1573370,355346,and 11401 for three categories of hourly rainfall（P）of no precipitation(P<0.1 mm h^-1),ordinary precipitation(0.1≤P<20 mm h^-1),and short-duration heavy rainfall(P≥20.0 mm h^-1),respectively,by adopting a temporal matching method.The results show that the total precipitable water（PWAT）is the best parameter indicating the hourly rainfall intensity.A PWAT of 28 mm is necessary for any short-duration heavy rainfall.The possibility of short-duration heavy rainfall occurrence increases with PWAT,and a PWAT of 59 mm is nearly sufficient.The specific humidity is a better indicator than relative humidity.Both 700-and 850-hPa relative humidity greater than 80%could be used to determine whether or not it is going to rain,but could not be used to estimate the rainfall intensity.Temperature and potential pseudo-equivalent temperature are also reasonable indicators of short-duration heavy rainfall.Among the atmospheric instability parameters,the best lifted index（BLI）performs best on the shortduration rainfall discrimination;the next best is the K index（KI）.The three rainfall categories are not well recognized by total totals（TT）or the temperature difference between 850 and 500 hPa（DT85）.Threequarters of short-duration heavy rainfall occurred with BLI less than-0.9,while no short-duration heavy rainfall occurred when BLI was greater than 2.6.The minimum threshold of KI was 28.1 for short-duration heavy rainfall.The importance of dynamic conditions was well demonstrated by the 925-and 850-hPa divergence.The representativeness of 925-hPa divergence is stronger than that of 850 hPa.Three-quarters of short-duration heavy rainfall occurred under a negative divergence environment.However,both the best convective potential energy（BCAPE）and vertical wind shear were unable to discriminate the hourly rainfall intensities.     

北京\

利用常规气象观测资料、区域自动站加密观测资料、NCEP 1°×1°逐6 h再分析资料,以及气象卫星、多普勒天气雷达、风廓线雷达探测资料与北京变分多普勒雷达分析系统（VDRAS）反演资料,对2020年8月12日京津冀地区一次区域性暖区大暴雨过程的降水特征、环流背景、中尺度系统演变特征及其成因进行了分析。结果表明：这次过程发生在副热带高压边缘、500 hPa以下暖气团中,主要影响系统为850 hPa低空急流和暖式切变线。强降水表现出明显的阶段性,主要分两个阶段,分别对应河北南部和京津冀北部两个暴雨区,其形成原因不同。第一阶段强降水由一α中尺度对流系统（MαCS）发生发展造成,降雨前局地水汽和能量充足,地面辐合线触发不稳定能量释放形成线状强回波,对应地面气旋性环流为螺旋状回波,其上的对流单体不断发生发展造成强降水。第二阶段强降水由多个β中尺度云团产生,北上加强的偏南风低空急流为暴雨的发生提供了充足的水汽和动力条件,边界层低空急流及中尺度低涡系统是第二阶段大暴雨的重要影响系统,雄安新区单站125.9 mm极端小时强降水是由“逗点状”回波尾部暖云降水叠加“列车效应”共同造成。