2020年广东省气候概况

2020年广东省平均气温22.8℃,较常年偏高0.9℃,与2019年并列为1951年有气象记录以来最高;年高温日数31.8 d,较常年偏多14.3 d,为历史最多.广东省平均年降水量1 505.2 mm,较常年偏少16％,为近15年来第2少;全年共出现23次强降水天气过程,"龙舟水"偏多、偏强,其中5月下旬及6月上旬的...     

广东种植青枣气候适宜度评价

为科学指导广东青枣种植及其精细化管理,以青枣生长发育对光、温、水的需求指标为依据,结合广东实际生产气候条件,构建了青枣种植的光、温、水和气候适宜度模型,定量评价1961—2019年广东青枣各生育期和全生育期的气候适宜度。(1)除清远和韶关北部山区因地势高易受极端低温影响外,广东大部地区气候条件适宜种植青枣。(2)广东种植青枣历年气候适宜度介于0.49～0.66,各气候因子气候适宜度以温度最高,日照次之,降水最低。(3)青枣各生育期以花期和抽梢期气候适宜度最高,发芽期次之,果实生长期和果实成熟期最低;温度和日照适宜度由高到低的顺序为:花期>抽梢期>果实生长期>发芽期>果实成熟期;降水适宜度由高到低的顺序为:抽梢期>花期>发芽期>果实成熟期>果实生长期。(4)降水是广东种植青枣的主要限制因子,对果实生长期和果实成熟期的影响更显著,未来青枣种植要十分注意秋冬季节的水分调控。     

7—9月登陆华南热带气旋频数异常与大气环流和海温的关系

利用1949—2021年中国气象局上海台风研究所热带气旋资料、NCEP/NCAR再分析资料、NOAA重构的海表温度资料（SST）和大气向外长波辐射（OLR）资料,采用线性趋势分析、Mann-Kendall检验等方法分析了近73年7—9月登陆华南热带气旋频数的变化特征。采用合成分析的方法研究7—9月登陆华南热带气旋频数异常与同期大气环流和海温的关系。结果表明,1949—2021年7—9月,登陆华南热带气旋有243个,年均3.3个,占全年登陆总数的70.2%。登陆华南热带气旋频数具有显著的年际和年代际变化特征。1973年最多（7个）,1950年最少（0个）;在1990年代中期由前期偏多转为后期偏少,但没有突变发生。近73年7—9月登陆华南热带气旋频数以0.1（10a）-1的速率减少。7—9月登陆华南热带气旋频数异常与大气环流和海温异常密切相关,在异常多、少年同期：（1）大气环流差值场上,南亚高压偏强、偏东、偏北,副高偏西、偏北、偏强,110°E以东的赤道东风引导气流偏强,季风槽加强,北半球中低纬海平面气压场东高西低,北高南低,同时南海、热带西太平洋对流活动加强。（2）海温差值场上,赤道中东太平洋偏冷,西太平洋暖池偏暖,沃克环流加强。高中低层大气环流和海温这种差异可能是导致登陆华南热带气旋频数异常的原因。     

Spatial and temporal analysis of urban flood risk assessment

广东暴雨强度大、范围广、季节长,造成的灾害重、影响大。为合理、定量地评估广东暴雨洪涝过程强度及其损失,基于1994-2018年广东致灾暴雨过程和相应灾情资料,构建了广东暴雨过程综合强度评估模型和灾情指数模型,并采用百分位数法进行暴雨强度和灾情等级划分,以第60、第80、第90和第95百分位数为临界阈值,分别将致灾暴雨过程强度和灾情划分为弱（1级）、较弱（2级）、中等（3级）、较强（4级）、强（5级）和微灾、小灾、中灾、大灾、巨灾5个等级,进而分析了不同强度等级暴雨过程可能造成的人口、农作物、房屋和经济等承灾体损失。结果表明：（1）1994-2018年间,广东各等级致灾暴雨过程主要出现在4-9月的汛期,5-7月尤其多,要特别注意防御;（2）致灾暴雨过程强度等级与各类承灾体灾情指数存在显著正相关关系：随暴雨强度的增强,倒塌房屋数呈指数增长,受灾人口、死亡人数、农作物受灾面积和直接经济损失呈线性增长;（3）平均而言,当暴雨强度达到强（5级）等级时,受灾人口、死亡人数、农作物受灾面积、倒塌房屋数和直接经济损失标准分别约为187.19万人、22人、10.52×10⁴ hm²、1.12万间和13.07亿元。

     

Hazard Analysis of Severe Convective Weather in Guangdong Province, China

A hazard model of severe convective weather was constructed on the basis of meteorological observational data obtained in Guangdong Province between 2003 and 2015. In the analysis, quality control was first conducted on the severe convective weather data, and the kriging method was then used to interpolate each hazard-formative factor, the weights of which were determined by applying the coefficient of variation method. The results were used to establish the hazard-formative factor model of severe convective weather. The cities showing the greatest hazards for severe convective weather in Guangdong Province include Yangjiang, Dongguan, Foshan, Huizhou, Jiangmen, and Qingyuan.