芮城县降水集中度和集中期特征分析
【国家自然科学基金】_降水集中期_基金支持热词逐年推荐_【万方软件创新助手】_20140803
科研热词 推荐指数 降水集中期 2 降水集中度 2 降水 2 时空变化 2 黄土高原 1 高原山地 1 集中期 1 集中度 1 降水集中期(pcp) 1 降水集中度(pcd) 1 降水量 1 西太平洋副热带高压 1 西北地区东部 1 突变分析 1 空间分布模态及时间系数 1 环流 1 淮河流域 1 淠河流域 1 汛期降水量 1 气候变化 1 旱涝 1 年降水 1 宁夏 1 夏季风 1 华南前汛期 1 六安市 1 reof分析 1 mann-kendall检验 1 5~9月可利用降水 1
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2009年 序号 1 2 3 4 5
科研热词 集中期 径流 年内分配 塔里木盆地 不均匀系数
推荐指数 1 1 1 1 1
2010年 序号 1 2 3 4 5 6 7 8 9 10 11
ቤተ መጻሕፍቲ ባይዱ
科研热词 集中期 集中度 降水集中期 降水集中度 长江流域 趋势系数 时空分布 年降水 小波分析 合成分析 变差系数
2008年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
科研热词 非均匀性 降水 长江中下游 趋势分析 西北地区东部 窟野河流域 河川径流 模拟 梅雨 断流成因 拉尼娜事件 年内分配 小波分解 太阳活动 多尺度振荡 夏季极端降水 夏季 厄尔尼诺事件 区域气候模式
推荐指数 3 3 3 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年 序号 1 2 3 4 5 6
2014年 科研热词 集中期 集中度 降水 艾比湖流域博尔塔拉河 径流 变异系数 推荐指数 1 1 1 1 1 1
3高中地理综合题题型——气候特征气温特征降水特征类
高中地理综合题题型——气候特征气温特征降水特征类一般描述气候特点是三部分词:1时间:全年……；夏季……；冬季……2气温：高温、炎热、温暖、温和、凉爽、寒冷、严寒3降水：多雨、湿润、少雨、干燥、干旱一般描述气候特点语句顺序：1.如果是描述某地气候类型的特征，则从全年或冬季、夏季的气温、降水两方面定性描述即可。
2.如果只描述某地气温或降水特征，一般要从数值大小、季节变化方面定性、定量的描述。
3.如果是分析某地气候特征对农业生产影响，则一般概括雨热配合程度、热量高低、冬季温度、光照强弱，降水总量及季节(年际)变化等。
一、综合题1．根据下列材料，回答问题。
材料一气候的大陆性是相对于海洋性而言的，大陆性气候是受大陆热力性质变化大、水分少的性质影响的气候，在我国主要表现为最热月与最冷月紧跟在夏至与冬至之后出现，春温高于秋温，降水集中在夏半年，气温年、月平均日较差>10 ℃等。
材料二下图为中国大陆性气候和海洋性气候区划图。
简述中国大陆性气候、海洋性气候分布的特征。
读图，根据图示信息，中国气候的大陆性自东南向西北逐渐增强，大陆性气候主要分布在黑龙江北部、内蒙古、陕北、宁夏、甘肃、青海、新疆和藏北等北部广阔地区。
海洋性气候主要分布在华南沿海和四川盆地。
参考答案：气候的大陆性自东南向西北逐渐增强，大陆性气候主要分布在黑龙江北部、内蒙古、陕北、宁夏、甘肃、青海、新疆和藏北等北部广阔地区；海洋性气候主要分布在华南沿海和四川盆地。
2．图中甲省为我国重要中药材基地之一。
根据图和表资料，结合所学知识，回答下列问题。
(1)从地理位置、地形因素分析该省的主要气候特征。
并指出在此气候条件下中药材资源的突出特征。
根据图中的经纬度位置可判断出甲省是云南，为热带和亚热带季风气候；纬度低，热量丰富；地处我国西南，夏季降水丰富，雨热同期；东部是云贵高原，光照充足，四季如春，气温年较差小；西部为高大的山地，气候垂直分异显著，气候类型多样。
1956—2016_年中国年降水量及其年内分配演变特征
第34卷第2期2023年3月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.2Mar.2023DOI:10.14042/ki.32.1309.2023.02.0031956 2016年中国年降水量及其年内分配演变特征杜军凯1,仇亚琴1,李云玲2,卢㊀琼1,郝春沣1,刘海滢1(1.中国水利水电科学研究院,北京㊀100038;2.水利部水利水电规划设计总院,北京㊀100120)摘要:为分析中国降水时空演变格局,本文在月尺度上对水利部门与国家基本气象站的降水量监测数据进行融合,针对融合后的4177个站点,使用趋势分析㊁突变检验和年内分配向量法等方法分析了集中度㊁集中期和最大4个月累积降水量占全年之比等多个指数的分布格局,分析了1956 2016年中国年降水系列的趋势性和突变性特征,以及降水年内分配过程的时空演变㊂主要结论如下:①中国降水时空分布不均,自东南到西北,年降水量总体递减,降水年内分布集中度递增;站点年降水量序列的变化趋势呈现较强的地带性,自东南到西北呈 增 减 增 的3个条带;显著增加条带分别位于东南和西部地区,显著减少的条带位于中部,从东北地区向西南绵延至边境;年降水序列的趋势性变化大多伴随着突变,发生在20世纪80年代的站点最多㊂②沿200mm 和400mm 年降水量等值线,中国北方出现1个 汛期降水减少 条带,但其时间尺度效应较强;在月尺度上,站点汛期降水占比下降,非汛期降水占比增加;而在日尺度上则相反,连续3~7d 累积降水量的波幅加大,表明降水事件的极端程度在增强㊂③降水序列变化与径流的同步性较好,中国西北和东南地区年降水量呈增加趋势,典型水文站的还原径流量同步增加;年降水量显著减少㊁且最大4个月累积降水量占比指数减少超过10%的区域集中在北方的辽河㊁海河与黄河流域等非湿润区,相应水文断面的还原径流量显著减少㊂关键词:降水;年内分配;降水集中度;降水集中期;演变规律中图分类号:P333㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)02-0182-15收稿日期:2023-01-04;网络出版日期:2023-03-26网络出版地址:https :ʊ /kcms /detail /32.1309.P.20230324.1649.002.html基金项目:国家重点研发计划资助项目(2021YFC3201101);国家自然科学基金资助项目(52279030)作者简介:杜军凯(1987 ),男,河南禹州人,高级工程师,博士,主要从事流域水循环及其伴生过程模拟研究㊂E-mail:du_djk@通信作者:仇亚琴,E-mail:qyq@ 联合国政府间气候变化专门委员会(IPCC)第六次评估报告[1]指出,人类影响造成的气候变暖速率前所未有,全球极端天气与极端气候事件发生频率不断增强,全球尺度的降水结构发生了显著变化[2],较大程度上影响了区域水安全和经济社会可持续发展[3]㊂水循环是联系地球系统大气圈㊁水圈㊁岩石圈和生物圈的纽带㊂降水是水循环过程的总输入,研究中国降水的时空分布与演变格局可为洪涝灾害应对㊁水资源情势分析及水生态修复等工作提供科技支撑,具有重要的意义㊂在降水时空分布与演变规律方面,已有较多学者开展了相关研究㊂如在降水年际变化趋势分析方面,王英等[4]基于730个气象站的监测数据进行空间插值法和趋势分析,结果表明中国降水量从20世纪60年代到90年代呈明显下降趋势;施雅风等[5]总结了西北地区气候变化特征,指出西北地区气候向暖湿转型可能是世纪性的;张强等[6]分析了西北地区气候湿化趋势,指出西北地区西部和东部从21世纪开始同时进入增湿期;王米雪等[7]研究了1960 2013年东南沿海地区年降水量变化特征,指出2000年后东南沿海地区形成 重旱-重涝并重 的格局㊂在降水序列突变研究方面,丁一汇等[8]对青藏高原年平均气温和降水量序列进行突变检验,研究指出气候要素突变方向㊁突变时间存在较大时空差异;贾路等[9]认为西北地区降水集中度指数均值序列存在显著的突变点;张阿龙等[10]认为锡林河和巴拉格尔河流域气候突变发生在20世纪90年代至2010年;Zuo 等[11]研究表明,海河流域年降水量系列在1979年发生突变㊂在降水年内变化研究方面,刘向培等[12]从 信息熵 角度分析了厄尔尼诺与南方涛动㊁太平洋年代际涛动对中国降水集中程度的影响;㊀第2期杜军凯,等:1956 2016年中国年降水量及其年内分配演变特征183㊀Zhang等[13]定义了降水年内集中度和年内集中期指数概念和计算方法,该方法被广泛用于区域年内多尺度降水不均匀性和集中程度,以及年际变化规律等研究中㊂此外,另有学者关注降水分区区划㊁降水变化的周期性㊁雨日数与雨强演变特征㊁季节降水结构演变与平稳性㊁城市化对降水的影响,以及极端降水时空变化特征等[14-19]㊂尽管当前研究取得了丰硕成果,但在以下几个方面仍有待提升㊂首先,受测站数量㊁密度㊁数据系列长度等条件制约,当前针对全国范围的研究较少;其次,中国幅员辽阔,地形㊁地貌复杂多变,降水时空演化具有很强的地带性特征,相关规律亟需总结;再者,针对降水年内丰枯变化的相关研究有待补充,尤其是汛期降水在长时间尺度上的演变及其径流效应㊂鉴于此,本文对气象站和水文站实测降水量进行月尺度融合,以提升监测资料的时空完整性,系统分析了多项指标的时空分布格局㊁地带性变化特征及其水文效应,为揭示中国降水时空演变规律提供科技支撑㊂1㊀数据与方法1.1㊀基础数据本文所用的降水量数据来源如下:一是国家基本气象站的逐日数据,来源于国家气象数据共享网;二是水文部门上报的逐月降水量观测数据,来源于全国第三次水资源调查评价上报的降水量数据集,时间序列为1956 2016年;另有水文部门提供典型站点的日尺度观测信息㊂对国家基本气象站和水文-雨量站的监测数据进行融合,处理原则如下:①删除重复站点,如水文-雨量站与基本气象站的空间位置相同,则优先使用国家基本气象站的监测数据;②舍弃监测不全的站点,如某站点在设站年份的监测数据缺失1个月以上,则放弃;③时间尺度统一,将日观测成果转换到月㊂按上述原则处理后,共得到4177个融合站点(图1)㊂本文所用降水量等值线图来自文献[20]㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图1㊀气象站点分布Fig.1Location of the meteorological stations and the terrain landform of China1.2㊀分析方法(1)趋势与突变检验分别使用Mann-Kendall(后文简称MK)趋势检验法和PETTITT突变分析法进行趋势和突变检验㊂MK趋势检验法[21-22]是一种典型的非参数检验方法,该检验方法在气象和水文领域得以广泛应用㊂PETTITT检184㊀水科学进展第34卷㊀验[23]是一种非参数的突变检验方法,构造一个Mann-Whitney 统计量,根据构造统计量的特征进行数据序列的突变点分析㊂(2)集中程度分析采用降水年内分配的集中度(Precipitation Concentration Degree,PCD)指数和集中期(Precipitation Concen-tration Period,PCP)指数来表征降水分布的集中性特点,计算方法见式(1)和式(2)㊂PCD 指数取值介于0~1,值越大表示降水年内分配越不均匀;PCP 指数以角度为单位,将0ʎ~360ʎ分配到全年12个月,取值越大表明降水峰值越靠后㊂D PC,i =(ð12j =1r ij ˑsin θj )2+(ð12j =1r ij ˑcos θj )2/R i (1)P PC,i =arctan[(ð12j =1r ij ˑsin θj )/(ð12j =1r ij ˑcos θj )](2)式中:D PC,i 和P PC,i 分别为测站第i 年的降水年内分配PCD 指数和PCP 指数;r ij 为第i 年第j 月的降水量,mm;R i 为第i 年的年降水量,mm;θj 为第j 月中对应的角度,角度与1 12月份的对应关系参见文献[12]㊂使用年内最大4个月累积降水量占全年的比例(PEC)指数来表示站点汛期降水的分布特征,计算方法见式(3):C PE =ð4i =1P ∗i /ð12j =1P j ˑ100(3)式中:C PE 为测站PEC 指数,%;P j 为1 12月的月平均降水量,mm;P ∗i 为年内最大4个月的月均降水量,mm㊂2㊀降水量时空分布注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图2㊀测站多年平均降水量的空间分布Fig.2Spatial distribution of annual mean precipitation at the meteorological stations 2.1㊀年降水量分布格局中国幅员辽阔,东部属季风气候,西北部属温带大陆性气候,青藏高原属高寒气候,降水空间分布不均匀,总体呈 东南高㊁西北低 的特征㊂融合后站点降水量与多年平均降水量等值线[20]分布见图2㊂多年平均年降水量200mm 等值线为中国干旱区与半干旱区的分界线,该线北起内蒙古高原中部,大致沿阴山-贺兰㊀第2期杜军凯,等:1956 2016年中国年降水量及其年内分配演变特征185㊀山-六盘山-祁连山-柴达木盆地-昆仑山一线;多年平均年降水量400mm等值线沿东北 西南方向斜贯中国全境,系半干旱区与半湿润区分界线,北起大兴安岭,沿燕山-太行山-黄土高原北缘-祁连山东段分布;多年平均年降水量800mm等值线沿东西方向横贯全境,系湿润区和半湿润区的分界线;多年平均年降水量在800~1600mm的区域主要分布在 秦淮线 以南,包括淮河中下游㊁长江中下游㊁四川盆地㊁云贵高原和广西大部等地;多年平均年降水量超过1600mm的区域主要分布在东南沿海㊁湘赣山区㊁西南(云南㊁四川㊁西藏)部分山区,其中,海南岛部分区域㊁台湾岛[20]大部分地区降水量超过2000mm㊂2.2㊀年内分配特征根据式(1)和式(2),分别计算了所有站点逐年月降水量的PCD指数㊁PCP指数和最大4个月降水量占全年比例,各站点多年平均月降水量的年内集中度空间分布见图3,集中期空间分布见图4㊂(1)月降水量的年内集中度㊂由图3可见,各站点PCD指数为0.077~0.768,大体呈现北高南低的分布格局㊂0.077ɤD PC<0.200的站点主要分布在长江以南,即长江流域㊁珠江流域㊁东南诸河区和西南诸河区的大部分区域,另有黄河河源区㊁渭河南山支流㊁伊洛河等流域,以及位于天山北支与中支之间的伊犁河流域㊂0.200ɤD PC<0.320的站点集中分布在辽河区南部㊁海河区东部㊁淮河区大部和黄河中游部分区域,以及阿尔泰山南麓的额尔齐斯河流域㊂0.320ɤD PC<0.520的站点主要分布在西北诸河区,包括塔里木盆地㊁柴达木盆地及黑河上游等内陆河流域㊂0.520ɤD PCɤ0.768的站点大多散乱分布在400mm降水等值线两侧,包括松花江区西部㊁辽河区北部㊁太行山区,以及黄河上游大通河与湟水等流域㊂综上所见,中国干旱区域PCD指数值大,年降水量年内分配不均匀性强于降水量丰沛的区域㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图3㊀测站月降水量的PCD指数Fig.3PCD indexes of monthly precipitation at the meteorological stations(2)月降水量的年内集中期㊂由图4可见,各测站月降水量PCP指数为116.9ʎ~234.0ʎ,自东南至西北总体呈低 高 低的分布特征,两边PCP指数低㊁中部高㊂116.9ʎɤP PC<150.0ʎ(即集中期在6月中旬以前)的站点集中分布在长江中下游㊁东南诸河与珠江中下游地区,这与梅雨气候有关㊂150.0ʎɤP PC<175.0ʎ(集中期6月中旬至7月中旬)的站点分布在长江中游江北地区㊁长三角㊁珠江中游南岭南麓区域㊁武夷山以东的沿海地带,以及天山山区㊂175.0ʎɤP PC<190.0ʎ(集中期7月中下旬)的站点分布最广,沿东北 西南方向斜贯全国,包括东北大部㊁华北地区中部㊁青藏高原东部㊁四川盆地大部以及云贵高原东缘㊂190.0ʎɤP PCɤ234.0ʎ(集中期8月上旬至9月中旬)的站点主要分布在黄河流域大部㊁山东半岛和辽东半岛沿海地带㊁186㊀水科学进展第34卷㊀太行山区大部㊁金沙江上游㊁西南诸河以及海南岛等区域㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图4㊀测站月降水量的PCP指数分布Fig.4Distribution of PCP indexes of monthly precipitation at the meteorological stations(3)最大4个月累积降水占比㊂由图5可见,各测站PEC指数介于53.7%~97.8%,空间分布与PCP 指数类似,总体呈西北高㊁东南低的格局㊂53.7%ɤC PE<65.0%的站点绝大多数分布在长江中下游和东南诸河区,少部分位于南岭以南的柳江㊁西江流域,以及地处西北的天山山区㊂65.0%ɤC PE<75.0%的站点在上一分级(53.7%~<65.0%)的外层,东北地区主要分布在长白山以东,中部集中在祁连山东侧-秦岭-淮河沿线,以及西南的四川盆地㊁云贵高原大部,华南的珠江流域大部等区域㊂75.0%ɤC PE<85.0%的站点分布在东北平原㊁华北平原㊁黄土高原大部,以及西南的金沙江流域等㊂85.0%ɤC PEɤ97.8%的站点分布在大兴安岭山区㊁河套平原㊁柴达木盆地西部和塔里木盆地,以及青藏高原西南部等广袤地区㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图5㊀测站PEC指数分布Fig.5Distribution of proportion indexes of the maximum accumulated precipitation in4months to annual precipitation㊀第2期杜军凯,等:1956 2016年中国年降水量及其年内分配演变特征187㊀3㊀降水量时空演变3.1㊀年降水量序列的趋势性采用MK检验法对年降水量序列进行趋势分析,共有337个站点通过显著性检验(显著性水平α=0.05,详见图6)㊂通过显著性检验站点中,呈显著增加趋势的站点共142个,各站点年降水量的年际变化梯度为2.9~8.5mm/a;呈显著减少趋势的站点共195个,变化梯度为-11.7~-2.0mm/a㊂在空间分布上,各站点年降水量的变化趋势的规律性较强,自东南到西北明显呈 增 减 增 的3个条带㊂据图6可知,站点年降水量显著减少的条带位于中部,从中国东北地区向西南绵延至边境区域㊂站点年降水量显著增加的条带有2个,分别位于西北和东南地区:西北地区各站点变化趋势在空间上比较一致,基本呈增加态势;东南地区以增加为主,但空间变异性更强,沿海少数站点呈减少趋势㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图6㊀测站年降水量序列的MK趋势检验结果Fig.6Mann-Kendall trends of annual precipitation series at the meteorological stations3.2㊀年降水量序列的突变性采用PETTITT检验法对年降水量序列进行突变分析,共有282个站点通过显著性检验(显著性水平α= 0.05,详见图7)㊂各站点突变年份介于1965 2005年,具体如下:1965 1969年的站点共2个;1970 1979年的站点共70个;1980 1989年的站点共128个;1990 1999年的站点共58个;2000 2005年的站点共24个㊂对比图6和图7可知,在空间分布上,发生突变的站点与趋势变化显著的站点比较一致㊂这意味着站点年降水序列的趋势性变化大多与突变相伴㊂3.3㊀最大4个月累积降水量占比变化针对序列超过50a的2575个测站,计算各站点1960 1969年㊁2007 2016年平均PEC指数及其相对变幅㊂以1960 1969年为基准,2007 2016年平均PEC指数相对变幅超出ʃ10%的站点共有123个,空间分布见图8㊂其中,共106个站点的PEC指数下降超过10%,共17个站点的PEC指数增加10%㊂PEC指数变幅超出ʃ10%的站点空间分布同样具有较强的地带性特征㊂减幅超过10%的站点大多数位于北方地区,少部分位于南方地区;这些站点空间分布与200mm和400mm年降水量等值线走势基本一致,集中分布在2条等值线两侧,如海河流域与黄河流域过渡地带㊁三江源地区,以及天山西段㊁阿尔泰山之间的广大区域㊂增幅超过10%的站点集中分布在南方地区,大多数位于800mm等值线之南㊂188㊀水科学进展第34卷㊀注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图7㊀测站年降水量序列的PETTITT突变检验结果Fig.7Results of PETTITT abrupt detections of annual precipitation series at the meteorological stations㊀㊀200mm㊁400mm多年平均年降水量等值线分别是中国半干旱与干旱区㊁半湿润与半干旱区的分界线, PEC指数从月尺度上反映了汛期降水的集中性㊂上述分析结果表明,在中国北方较为干旱的区域,站点年降水量的年内分配呈现一定程度的 平均化 倾向,汛期降水占比下降,非汛期降水占比增加㊂注:该图基于自然资源部标准地图服务网站下载的审图号为GS(2022)4307号的标准地图制作㊂图8㊀测站2007 2016年平均PEC指数较1960 1969年均值的变化Fig.8Relative change of the mean PEC index from2007to2016compared with that from1960to19694㊀讨㊀㊀论4.1㊀合理性分析(1)PCP指数和PCD指数分析结果的合理性㊂降水PCD指数和PCP指数分布与气候类型密切相关,中㊀第2期杜军凯,等:1956 2016年中国年降水量及其年内分配演变特征189㊀国的降水主要受夏季风控制,具有雨热同季特点㊂习惯上,中国将大兴安岭-阴山山脉-贺兰山-乌鞘岭-巴颜喀拉山-唐古拉山-冈底斯山系作为季风区与非季风区的分界线[24](图4)㊂春季,中国大部分地区冷空气较强,来自海洋的暖湿气流在华南㊁东南一带与之交锋,这些区域进入降水集中的第1个时段,即春雨期;随时间推移,季风强度不断加大,暖湿气流在初夏时节运动到江淮地区,产生梅雨锋面系统,形成1条降水丰富的锋面雨带;暖湿气流在夏㊁秋季节到达东北㊁华北和西北部分地区时,集中产生夏雨和秋雨;之后,夏季风强度不断减弱,雨带重回东南㊁西南和华南等地㊂总体而言,降水年内分配过程存在多峰的地区,集中度较低㊁集中期较早,反之则集中度较高,集中期相对延后㊂据图4可知,中国季风区降水体现出时空上的高度集中性[25],东北㊁华北和西南等地区月降水的PCP 指数值大多高于非季风区㊂月降水量PCP指数空间分布与季风活动密切相关,如梅雨气候控制的江南㊁江淮和长江中下游地区(见‘梅雨监测指标:GB/T33671 2017“)集中期明显提前至6 7月㊂海南岛雨源主要有锋面雨㊁热雷雨和台风雨等类型,每年5 10月为多雨期,其中台风多发生在8 10月[26]㊂受台风调节,海南岛月降水量集中期相对偏后㊂自东南向西北跨过分界线后,非季风区月降水集中期有所提前㊂如北疆的天山和阿尔泰山地区,其降水受盛行西风控制,月降水PCP指数明显低于东北和华北等地㊂与已有成果进行对比,刘向培等[12]指出40ʎN附近是中国年降水集中度分布的高值区,35ʎN以南是其分布的低值区;张天宇等[27]指出华北地区年内各候降水PCD指数为0.19~0.58,PCP指数多集中在7月;张运福等[28]指出东北地区年内各旬降水量PCD指数为0.59~0.79,PCP指数集中在7月中到8月上;张录军等[29]的研究结果表明,长江流域年内各旬降水量的PCD指数为0.35~0.51,PCD指数集中在4 7月;杨金虎等[30]指出西北五省(区)绝大部分地区年内各月降水量的PCD指数为0.16~0.76,PCP指数集中在6 7月㊂本文有关PCP指数计算结果与已有成果一致,PCD指数计算结果比部分文献偏低㊂究其原因, PCD指数计算结果受时段长短的影响,时间尺度越大(如侯 月 年),其取值则越低㊂为提升监测数据时空完整性,本文据月尺度降水量数据进行分析,故PCD指数计算结果偏低㊂(2)年降水量系列趋势分析结果的合理性㊂与年降水量系列趋势分析相关成果进行对比,王米雪等[7]的研究表明,中国东南沿海地区降水呈波动上升趋势,年际增速约为1.91mm/a;徐东坡等[15]的研究表明,中国西北地区和西藏等区域年降水系列存在显著增加趋势,华北和东北部分地区降水量呈减少趋势,上述成果与3.1节的趋势分析结果一致㊂本文得出全国降水年际变化在空间分布上呈 增 减 增 条带状分布的结论,与‘中国气候变化蓝皮书2021“[31]有关中国年降水量变化速率分布图是一致的㊂为进一步分析趋势检验结果的稳定性,本文将北京㊁郑州和广州3个气象站的监测资料延长到2020年,对比1956 2016年序列与1956 2020年序列的异同,结果见表1㊂据表1可知,同一测站不同序列降水量的年际变化梯度值有所差别,但其序列增/减趋势及显著性检验结果是一致的㊂需要说明的是,降水演变过程和机理相当复杂,针对1956 2016年序列的分析结果在未来是否能持续,仍有待开展进一步的研究㊂表1㊀典型站点不同序列趋势分析结果Table1Trend analysis results of different time series at the3meteorological stations站点名称年际梯度值/(mm㊃a-1)MK检验Z统计量1956 2020年1956 2016年1956 2020年1956 2016年北京气象站-2.21-2.16-1.66-1.48郑州气象站0.020.660.010.45广州气象站 6.64 6.84 2.16∗ 1.96∗注:显著性水平α=0.05标准正态分布Z统计量的临界值为1.96;∗表示通过α=0.05的显著性检验㊂㊀㊀(3)降水变化与季风强度变化的关系㊂中国降水的趋势性与突变性变化与季风气候的变化密切相关㊂东亚夏季风在1961 2020年间总体呈减弱趋势[31],在20世纪60年代初至70年代后期偏强,在70年代末期至21世纪初偏弱,之后转强㊂中国东北地区㊁华北地区和西南地区降水量与东亚夏季风强度之间存在显著190㊀水科学进展第34卷㊀的正相关关系[32],西风带的水汽输送为中国西北大部分地区提供了基本的水汽来源[33],热带气旋降水量是中国东南沿海地区降水的重要组成部分㊂从地域分布分析,东亚夏季风强度减弱是年降水量减少条带呈 东北 西南 分布(图6)的重要原因㊂类似地,郝立生等[34]认为东亚夏季风减弱使得从南边界进入的水汽通量大量减少,进而导致了华北地区降水量减少;Zhang等[35]的研究表明,中国西北地区的西风环流和垂直方向的上升气流呈增强趋势,给西北地区输送了更多的水汽,导致区域降水量偏多㊂青藏高原的水汽来源[36]包括海源㊁陆源和再循环水汽三大部分,关于高原降水量增加的原因,众多学者认识不一:如Zhang等[37]认为大尺度环流变化导致的水汽输送增加是主因;汤秋鸿等[38]认为西南季风控制区和高原区本地水汽贡献增加是主因;黄伟[39]研究指出中国东南沿海地区热带气旋降水强度显著增加,这可能是该区域降水偏多的重要原因㊂已有研究表明,西北地区年降水量系列突变点多发生在20世纪80年代和90年代,东北地区年降水系列突变点多发生在1980 1988年[15,40];长江流域8个降水变化敏感区年降水量系列的突变点发生在1977 1998年;黄河流域上㊁中㊁下游年降水量系列突变点发生年份波动较大,变化范围介于1965 1995年[41-42]㊂本文成果与上述文献的计算结果总体一致,20世纪80年代是测站年降水系列突变较集中的一个时期,这与季风强度年代际转换有关㊂李明聪等[43]的研究结果表明,东亚夏季风关系在20世纪70年代末发生了年代际转变,南亚季风在20世纪80年代中期发生了 强 弱 转换㊂此外,由于数据来源㊁系列长度㊁突变分析方法存在差异,不同文献的分析结果有所不同㊂4.2㊀汛期降水变化的尺度效应2000年以来,中国极端天气现象频现,出现诸如北京 7㊃21 特大暴雨㊁郑州 7㊃20 特大暴雨和广州 5㊃22 特大暴雨等多个极端降水事件㊂为进一步探究汛期降水变化的尺度效应,本文选取分别位于北京市(A站)㊁郑州市(B站)和广州市(C站)的3个典型气象站,以1960 2021年逐日降水量序列为基础,分析年内连续3d㊁连续5d和连续7d最大降水量的代际变化特征,各年段相应的统计值见表2㊂典型测站年内连续3㊁5㊁7d最大降水量在代际间呈波动变化,但近期(2010 2021年均值)均处于全序列(1960 2021年)高值区㊂其中,A站和B站历史最大暴雨事件恰好发生在此时段内,拉高了近期平均水平;C站自1970年以后,日尺度降水集中度出现较稳定增长㊂年内连续3㊁5㊁7d最大降水量指标的空间异质性较强㊂A站连续3d降水量在代际间呈先减后增特点,从60年代的136.2mm减至2000 2009年的年均82.0mm,再增长到2010 2021年的年均142.9mm;B站则不同,连续3d降水量在代际间基本呈增长趋势;C站位于湿润区,代际间波动性小于A站和B站㊂表2㊀典型站点连续3 7d降水量最大值统计Table2Cumulative precipitation statistics from3to7days at the3meteorological stations单位:mm统计时段A站(北京市)B站(郑州市)C站(广州市)3d5d7d3d5d7d3d5d7d1960 1979年平均136.2159.2167.8102.5113.4124.0182.6207.8236.1 1970 1979年平均123.9141.7170.5110.9130.2138.2153.2195.0224.2 1980 1989年平均122.3136.1147.8104.6115.5123.1172.3220.4242.6 1990 1999年平均100.3111.4139.2112.4125.5137.8186.1218.9235.2 2000 2009年平均82.090.9105.9120.6137.6158.3194.9221.6251.7 2010 2021年平均142.9152.5162.4172.4198.4205.9225.7263.5291.3 1960 2021年极大值381.7381.8394.4948.4989.0990.9329.0409.3421.1极大值发生年份2016年2016年2016年2021年2021年2021年2001年1989年1989年㊀㊀典型测站的分析结果与前文 106个站点月尺度降水呈现一定程度的均化倾向 并不冲突㊂二者相结合,。
基于REOF分析的山东省年降水区域特征及趋势分析
第31卷第1期2024年2月水土保持研究R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o nV o l .31,N o .1F e b .,2024收稿日期:2022-10-24 修回日期:2022-12-09资助项目:国家自然科学基金项目(41401103);山东省气象局科学研究项目(S D Y B Y 2020-11) 第一作者:任建成(1984 ),男,山东潍坊人,硕士,工程师,主要研究方向为农业气象㊁应用气象等㊂E -m a i l :19129512@q q .c o m 通信作者:谷山青(1983 ),女,青海海东人,学士,工程师,主要研究方向为大气科学㊁大气探测等㊂E -m a i l :g u o g u o _s h a n q i n g@126.c o m h t t p :ʊs t b c y j .p a p e r o n c e .o r gD O I :10.13869/j.c n k i .r s w c .2024.01.018.任建成,谷山青,卢晓宁.基于R E O F 分析的山东省年降水区域特征及趋势分析[J ].水土保持研究,2024,31(1):224-231.R e n J i a n c h e n g ,G uS h a n q i n g ,L uX i a o n i n g .R e g i o n a lC h a r a c t e r i s t i c s a n dT r e n dA n a l y s i so fA n n u a lP r e c i p i t a t i o n i nS h a n d o n g P r o v i n c eB a s e do n R E O F [J ].R e s e a r c ho f S o i l a n d W a t e rC o n s e r v a t i o n ,2024,31(1):224-231.基于R E O F 分析的山东省年降水区域特征及趋势分析任建成1,2,谷山青1,2,卢晓宁3(1.山东省气象防灾减灾重点实验室,济南250031;2.滨州市气象局,山东滨州256612;3.成都信息工程大学,成都610225)摘 要:[目的]探究山东省不同气候分区年降水量的时空特征,为该地区气候分析㊁防灾减灾提供更加区域性的参考依据㊂[方法]根据山东省95个国家地面气象观测站1991 2020年降水年值数据,首先对山东省年降水场进行气候分区,然后通过相关统计方法分析各分区降水的时空变化特征㊂[结果](1)山东省各降水模态降水偏少的年份更多,降水偏多的年份降水强度更大,年代际变化均较为明显,但各模态降水偏多偏少的年份分布及强度变化有所不同㊂(2)山东省年降水量大致由东南向西北递减,年降水场划分为东南沿海区(Ⅰ区)㊁西北平原区(Ⅱ区)和中部山地区(Ⅲ区)3个区域,各降水分区年降水均呈不显著增加趋势,趋势率各不相同,突变均不明显㊂(3)山东省各降水分区年降水量均具有较为明显的周期性特征,东南沿海区年降水场存在2个较为明显的能量中心,中心尺度均为2~3a ,未来变化具有强持续性;西北平原区年降水场存在3个较为明显的能量中心,中心尺度分别为5~7a ,3a 和2~3a ,未来变化具有持续性;中部山地区年降水场存在2个较为明显的能量中心,中心尺度分别为2~3a ,6a ,未来变化具有强持续性㊂[结论]山东省降水偏少的年份更多,降水偏多的年份降水强度更大,年降水场大致可分为3个分区,各分区年降水量均呈不显著增加趋势,均具有较为明显的周期性特征,且未来变化均具有持续性㊂关键词:年降水;区域特征;旋转经验正交函数;重标极差分析法;山东省中图分类号:P 426.6 文献标识码:A 文章编号:1005-3409(2024)01-0224-08R e g i o n a l C h a r a c t e r i s t i c s a n dT r e n dA n a l y s i s o fA n n u a l P r e c i pi t a t i o n i n S h a n d o n g Pr o v i n c eB a s e do nR E O F R e n J i a n c h e n g 1,2,G uS h a n q i n g 1,2,L uX i a o n i n g3(1.S h a n d o n g K e y L a b o r a t o r y o f M e t e o r o l o gi c a lD i s a s t e rP r e v e n t i o na n dR e d u c t i o n ,J i n a n 250031,C h i n a ;2.B i n z h o u M e t e o r o l o g i c a lB u r e a u ,B i n z h o u ,S h a n d o n g 256612,C h i n a ;3.C h e n g d uU n i v e r s i t y o f I n f o r m a t i o nT e c h n o l o g y ,C h e n gd u 610225,C h i n a )A b s t r a c t :[O b je c t i v e ]E x p l o r i n g t h e s p a t i o t e m p o r a l c h a r a c t e r i s t i c s of a n n u a l p r e c i pi t a t i o n i nd i f f e r e n t c l i m a t e z o n e s i nS h a n d o n g P r o v i n c e i s e x p e c t e d t o p r o v i d e am o r e r e g i o n a l r e f e r e n c e b a s i s f o r c l i m a t e a n a l y s i s ,d i s a s -t e r p r e v e n t i o na n d r e d u c t i o n i n t h e r e g i o n .[M e t h o d s ]A c c o r d i n g t o t h ea n n u a l p r e c i pi t a t i o nd a t ao f g r o u n d m e t e o r o l o g i c a l o b s e r v a t o r i e si n95c o u n t r i e so fS h a n d o n g Pr o v i n c ei nt h e p e r i o df r o m 1991t o2020,t h e a n n u a l p r e c i p i t a t i o nd a t a i nS h a n d o n g P r o v i n c ew e r e d i v i d e d i n t o c l i m a t e r e g i o n s ,a n d t h e n t h e s p a t i o t e m p o -r a l v a r i a t i o n c h a r a c t e r i s t i c s o f p r e c i p i t a t i o n i n e a c h r e g i o nw e r e a n a l y z e d b y u s i n gr e l e v a n t s t a t i s t i c a lm e t h o d s .[R e s u l t s ](1)I nS h a n d o n g P r o v i n c e ,t h e r ew e r e m o r e y e a r sw i t hl e s s p r e c i p i t a t i o n m o d a l i t i e s ,a n d m o r e p r e c i p i t a t i o n i n t e n s i t y i n y e a r sw i t h m o r e p r e c i p i t a t i o n ,a n d t h e i n t e r d e c a d a l v a r i a t i o nw a so b v i o u s ,b u t t h e d i s t r i b u t i o na n di n t e n s i t y c h a n g e so f y e a r s w i t h m o r ea n dl e s s p r e c i p i t a t i o ni ne a c h m o d e w e r ed i f f e r e n t .(2)T h ea n n u a l p r e c i p i t a t i o ni n S h a n d o n g Pr o v i n c ed e c r e a s e sf r o m s o u t h e a s tt o n o r t h w e s t .T h ea n n u a lp r e c i p i t a t i o nd a t aw e r ed i v i d e di n t ot h r e er e g i o n s:s o u t h e a s tc o a s t a la r e a(Z o n eI),n o r t h w e s t p l a i na r e a (Z o n eⅡ)a n d c e n t r a l h i l l y a r e a(Z o n eⅢ).T h e a n n u a l p r e c i p i t a t i o n i ne a c h p r e c i p i t a t i o nr e g i o ns h o w e dn o s i g n i f i c a n t i n c r e a s e t r e n d,w i t hd i f f e r e n t t r e n d r a t e s a n d n o o b v i o u sm u t a t i o n.(3)T h e a n n u a l p r e c i p i t a t i o n o f e a c h p r e c i p i t a t i o n s u b a r e a i nS h a n d o n g P r o v i n c e h a d o b v i o u s p e r i o d i c c h a r a c t e r i s t i c s.T h e r ew e r e t w o o b v i o u s e n e r g y c e n t e r s i n t h e a n n u a l p r e c i p i t a t i o nd a t ao f t h es o u t h e a s t c o a s t a l a r e a,w i t ht h ec e n t r a l s c a l eo f2~3 y e a r s,a n d t h e f u t u r e c h a n g e h a s s t r o n g s u s t a i n a b i l i t y.T h e r ew e r e t h r e e o b v i o u s e n e r g y c e n t e r s i n t h e a n n u a l p r e c i p i t a t i o nd a t a i n t h en o r t h w e s t p l a i n,w i t h t h e c e n t r a l s c a l e s o f5~7y e a r s,3a a n d2~3y e a r s,r e s p e c-t i v e l y.T h e r ew e r e t w o o b v i o u s e n e r g y c e n t e r s i n t h e a n n u a l p r e c i p i t a t i o n d a t a i n t h e c e n t r a l h i l l y r e g i o n,w i t h t h e c e n t r a l s c a l e so f2~3y e a r sa n d6y e a r s,r e s p e c t i v e l y.T h e f u t u r ec h a n g e sa r eo f s t r o n g s u s t a i n a b i l i t y.[C o n c l u s i o n]S h a n d o n g P r o v i n c e h a sm o r e y e a r sw i t h l e s s p r e c i p i t a t i o n a n dm o r e p r e c i p i t a t i o n i n t e n s i t y,a n d t h e a n n u a l p r e c i p i t a t i o nf i e l dc a nb er o u g h l y d i v i d e d i n t ot h r e ez o n e s,a n dt h ea n n u a l p r e c i p i t a t i o n i ne a c h r e g i o nh a s o b v i o u s c y c l i c a l c h a r a c t e r i s t i c s,a n d f u t u r e c h a n g e s a r e c o n t i n u o u s.K e y w o r d s:p r e c i p i t a t i o n;r e g i o n a lc h a r a c t e r i s t i c s;r o t a t i n g e m p i r i c a lo r t h o g o n a lf u n c t i o n;r e s c a l e d r a n g ea n a l y s i s;S h a n d o n g P r o v i n c e气候变化已成为科学界的共识㊂I P C C第五次评估报告[1]指出,近百年来温室气体浓度的增加导致了全球大气和海洋变暖是毋庸置疑的㊂I P C C第六次评估报告[2]进一步指出,气候变化加快了水循环,并对降水特征产生明显影响㊂‘中国气候变化蓝皮书(2022)“[3]指出:全球变暖趋势仍在持续,2012年以来中国年降水量持续偏多,中国平均年降水量总体呈较明显增加趋势,且不同区域间降水特征差异明显,全球范围内的极端降水事件频发㊂全球变暖背景下各地降水变化的研究也早已成为了国内外的研究热点[4-6]㊂目前,全球范围内对于降水研究主要集中于降水变化特征及地域性差异㊁季风区和非季风区降水特征对比㊁极端降水变化等方面㊂如D o n a t等[7]的分析认为全球干旱区降水明显增加,且受温度升高的影响比较明显,但湿润区降水量变化并不显著㊂W a n g等[8]的研究表明季风降水不仅与太阳辐射能量有关,跟地球内部的反馈机制也密切相关,南方涛动增强了全球季风降水,热带和亚热带地区极端降水强度增加速度大大高于全球,但是在其他地区模拟的物理机制尚存在不确定性㊂国内对于降水变化特征及影响机制㊁极端降水也进行了大量的研究㊂过去几十年,国内降水量整体变化不显著[9],但东南沿海㊁长江下游㊁青藏高原和西北地区年降水量呈增加趋势,东北㊁华北和西南地区降水量呈减少趋势,特别是东北地区和华北地区年降水量呈显著减少趋势,尤其是夏季降水[10-12]㊂近年来及未来一段时间,我国极端降水普遍呈增多趋强趋势,其中极端降水事件增幅最大的地区为华北和东北[13]㊂山东省是中国华东地区的一个沿海省份,气候属暖温带季风气候类型,境内存在山地㊁丘陵㊁平原㊁盆地等多种地貌㊂对于山东省降水特征的研究,有徐泽华等[14]研究认为,1981 2010年期间,山东省年降水量呈现上升趋势,降水的振荡周期与南方涛动和东亚夏季风存在一定的响应关系㊂卢仲翰等[15]的研究则表明1961 2017年期间,山东省降水量年降水量呈不显著减少趋势,降水的空间高值中心出现在泰山山脉的周边㊂刘玄[16]的研究表明:山东省多个极端降水指数呈显著上升趋势,且地域差别较大㊂上述研究均从整体上分析了山东省的降水特征㊂地形㊁海陆位置等因素会对地区气候产生比较明显的影响[17-18],鉴于山东省海陆并存㊁地貌复杂的地理特点,仅从整体上对山东省降水进行研究,不能很好地体现山东省降水的区域特征㊂因此,本文首先对山东省年降水场进行气候分区,并对各区域的年降水时空分布特征进行更加深入的研究,为山东省气候分析㊁防灾减灾提供更加区域性的参考依据㊂1研究资料和方法1.1研究资料根据世界气象组织的建议,到2021年应使用1991 2020年的新气候基准线,而高质量气候值是应对气候变化亟需的重要科学数据之一㊂得益于中国地面自动观测系统的发展及观测数据完整性和质量的提升,本文研究资料采用中国气象局研制的1991 2020年中国地面气候数据集,该数据集基于国家气象信息中心归档的中国地面观测数据,对1991年以来的地面台站观测数据集元数据进行了系统的质量检查和核实订正㊂在基于站址迁移信息对所有要素进行了分段处理基础上,采用傅里叶级数理论对气温㊁降水等累年日值序列进行了谐波处理,在522第1期任成建等:基于R E O F分析的山东省年降水区域特征及趋势分析体现气象变量季节性转换的同时,避免了日与日之间的异常突变特征,具有更好的气候代表性㊂最终建立的1991 2020年中国地面气候值数据集提供了中国2438个站点的气候背景信息,为天气气候业务提供了数据支撑㊂本文选用山东省95个气象站点1991 2020年降水年值数据进行分析研究,选用的站点全部为山东省气象局当前业务观测站点,降水数据可以较好地体现山东省年降水变化特征,站点空间分布详见图1,各气象站点年平均降水量(mm )描述统计特征见表1㊂图1 山东省气象站点分布F i g .1 D i s t r i b u t i o nm a p o fm e t e o r o l o gi c a l s t a t i o n s i n S h a n d o n gpr o v i n c e 表1 山东省各气象站点年平均降水量描述统计特征T a b l e 1 T h e s t a t i s t i c a l c h a r a c t e r i s t i c s o f t h e a n n u a l a v e r a g e p r e c i pi t a t i o no f e a c h m e t e o r o l o g i c a l s t a t i o n i nS h a n d o n gpr o v i n c e a r e d e s c r i b e d 观测数/个平均/mm标准误差中位数/mm标准差方差峰度偏度区域最小值/mm最大值/mm置信度(95.0%)95673.339.94659.9096.899388.621.230.90532.40518.101050.5019.741.2 研究方法1.2.1 E O F 及R E O F 方法 经验正交函数(E m p i r i -c a lO r t h o g o n a lF u n c t i o n ,简称E O F )通过N o r t h 显著性检验,把时间序列中集中到少数几个显著的时空模态上,已在气候等领域应用较多[19-21]㊂主要计算过程分为3步:首先标准化处理原始数据矩阵,求得标准化矩阵X ㊂然后通过矩阵X 及其转置矩阵X T ,得到相关系数矩阵A ㊂最后求矩阵A 的特征值λ㊁特征向量V 和时间系数Z ,并计算可以通过N o r t h 显著性检验的前P 个特征向量的方差贡献率㊂N o r t h 显著性检验具体过程如下:λi -λi -1ȡλi2/n ,模态显著λi -λi -1ȡλi2/n ,模态不显著{(1)式中:λ表示矩阵A 的特征值;λi -λi -1表示相邻两特征值的差值;λi2/n 表示允许误差㊂旋转经验正交函数(R o t a t i n g E m p i r i c a lO r t h o g-o n a l F u n c t i o n ,简称R E O F )方法是在E O F 分解的基础上通过特征向量V 进行最大方差旋转,当满足精度要求时则停止旋转,得到(2)式㊂X =B G (2)式中:X 为旋转后的标准化矩阵;B 为旋转后的特征向量;G 为旋转后的时间系数㊂旋转后的特征向量可以更加清晰地体现研究要素空间分布结构[22-23]㊂因此,本文采用R E O F 对山东省年降水场进行气候分区,并进一步分析研究各分区降水的时空特征㊂1.2.2 赫斯特指数和重标极差分析法 赫斯特指数(下称H u r s t 指数)用于定量描述时间序列信息对未来对过去的长期依赖性,由英国水文专家H.E .H u r s t 提出㊂H u r s t 指数的计算方法称为重标极差分析法(下称R /S 分析法)[24],主要计算过程如下:(1)将时间序列x i (长度为N )均分为A 个相邻的子区间(长度为n ),表示为e a ,a =1,2, ,A ,e a 为长度为N /A 的子区间㊂(2)求出e a 对于其均值的累积截距:x k ,a ðki =1N i ,a -E a ()k =1,2, ,n ,x k ,a 为e a 对于其均值的累积截距,N i ,a 为子区间e a 的均值㊂(3)定义极差:R a =m a x x i ,a ()-m i n x k ,a (),R a 为极差,即第(2)步中累积截距最大值和最小值的差值㊂(4)计算标准差:S a =ðnk =1N k ,a -E a ()2nS A 为子区间e a 的标准差㊂(5)极差的标准化处理,得到重标极差,(R /S )n=1A ðA a =1R aS a R /S ()n 为序列在长度为的时间跨度上的重标极差㊂(6)n 从3开始,并重复1 5步,直到n =4,得到序列R /S []n ,n =3, ,N ㊂H u r s t 指数用以描述R /S ()n 和n H 的正比关系,即R /S ()n =C ˑn H (3)式中:C 为常数㊂以l g (n )为解释变量,l g(R /S )为被解释变量进行线性回归:l g (R /S )=l gC +H ㊃l n n +ε(4)式中:ε为常数;H 为H u r s t 指数的估值,即(4)式的斜率,其具体形式见表2[25]㊂研究的时间序列是否为周期性循环及其平均循622 水土保持研究 第31卷环长度可通过统计量V 进行判断,统计量V 的计算公式为:V n =(R /S )n/n (5)在V n ~l n n 的曲线上,若H =0.5,V 统计量应该为一条水平线,若H <0.5,曲线向下倾斜,若H >0.5,曲线向上倾斜㊂曲线第一次出现的明显转折点对应的时间长度n 就是未来对过去的依赖长度㊂表2 H u r s t 指数具体表现形式T a b l e 2 S p e c i f i cm a n i f e s t a t i o n s o f t h eH u r s t i n d e x H u r s t 指数范围表示的意义0.65<H ɤ1强持续性序列,未来与过去的变化趋势一致 0.5<H ɤ0.65弱持续性序列,未来与过去的变化趋势一致 H =0.5随机序列,未来与过去的变化趋势无关 0.35<H <0.5弱反持续性序列,未来与过去的变化趋势相反0<H ɤ0.35强反持续性序列,未来与过去的变化趋势相反1.2.3 其他方法 运用A r c G I S 软件,对统计量进行克里金插值分析,用以分析统计量空间分布特征;应用线性回归分析法分析降水的趋势性特征;应用M a n n -K e n d a l l (下称M -K )突变检验法分析降水的突变特征;应用M o r l e t 小波分析降水的周期性特征;趋势分析㊁突变分析均采用α=0.05置信水平㊂2结果与分析2.1 山东省年降水场E O F 特征对山东省年降水场进行E O F 时空分解,并经N o r t h 显著性检验,只有前2个降水模态显著,对应的特征值λ累计方差贡献率达到56.53%,能较好地代表山东省年降水的空间特征㊂对前2个降水模态进行R E O F 旋转后的方差贡献率和特征值均较旋转前更加均匀,详见表3㊂表3 山东省年降水场E O F ,R E O F 特征值及特征向量统计T a b l e 3 A n n u a l p r e c i p i t a t i o n f i e l dE O F ,R E O Fe i g e n v a l u e s a n d e i g e n v e c t o r s t a t i s t i c s i nS h a n d o n gpr o v i n c e 特征向量序号特征值旋转前方差贡献率/%前后两特征值差值允许误差范围显著性旋转后特征值旋转后方差贡献率/%144.3446.6734.976.43显著27.7029.1529.379.862.761.36显著26.0127.3836.616.960.920.96不显著2.2 山东省年降水场R E O F 空间分布特征对1991 2020年山东省年降水场R E O F 分解后,得到2个模态:第1模态空间分布表现为高值区主要集中在鲁东南沿海和泰沂山脉的迎风坡,该地区受海洋气候和西南暖湿气流影响比较明显,年降水量为729mm ,降水比较丰沛;第2模态的高值主要集中在鲁西北地区,该区主要位于泰沂山脉的背风坡,地形以平原为主,受大陆性气候的影响比较明显,年降水量616mm ,降水相对较少,其他地区主要为中部及南部部分山地丘陵地区,年降水量为717mm ,根据各模态荷载值大于0.6地区分布范围,经整理后可将山东划分为3个气候区(图2),按照模态顺序分别命名为东南沿海区(Ⅰ区)㊁西北平原区(Ⅱ区)㊁中部山地区(Ⅲ区)㊂图2 山东省年降水R E O F 分解后得到的2个特征向量场空间分布(荷载值ȡ0.6)及降水分区F i g .2 S p a t i a l d i s t r i b u t i o n (l o a d v a l u e ȡ0.6)a n d p r e c i p i t a t i o n z o n e s o f t w o e i ge n v e c t o rf i e l d s o b t a i n e da f t e r t h e d e c o m p o s i t i o no f a n n u a l p r e c i p i t a t i o nR E O F i nS h a n d o n gpr o v i n c e 2.3 各降水模态的时间系数特征从模态1和模态2的时间系数(图3)看出,其共同特征为:(1)正值年份数少于负值,说明各模态降水偏少的年份更多㊂(2)正值振幅相对较大,说明各模态降水偏多的年份降水强度更大㊂(3)降水的年代际变化均较为明显,其中1990年代以降水偏少为主,2000年代以降水偏多为主,且偏多的强度较大,2010年代以降水偏少为主,且偏少的强度较大㊂但2个模态降水偏多偏少的年份分布及强度变化有所不同㊂2.4 各分区降水的线性趋势及突变特征图4A 表明,东南沿海区(Ⅰ区)年降水呈不显著增加趋势(p >0.05),趋势率为11.5mm /10a ,U F 和U B 曲线存在多个交点,主要发生在2000年代,各交点以后U F 曲线变化均未通过α=0.05显著性水平,说明该区年降水突变不明显㊂722第1期 任成建等:基于R E O F 分析的山东省年降水区域特征及趋势分析图3山东省年降水场各模态特征向量时间系数F i g.3T i m e c o e f f i c i e n t o f c h a r a c t e r i s t i c v e c t o r s o f e a c h z o n eo f a n n u a l p r e c i p i t a t i o n f i e l d i nS h a n d o n gp r o v i n c e图4B表明,西北平原区(Ⅱ区)年降水量呈不显著增加趋势(p>0.05),趋势率为22.7mm/10a,U F 和U B统计量存在多个交点,这些交点在各个年达均有发生,各交点以后U F曲线变化均未通过α=0.05显著性水平,说明该区年降水突变不明显㊂图4C表明,中部山地区(Ⅲ区)年降水呈不显著增加趋势(p>0.05),趋势率为10.7mm/10a,U F和U B统计量存在多个交点,主要发生在1990年代前期㊁2003年及2010年代,各交点以后U F曲线变化均未通过显著性水平,说明该区年降水突变不明显㊂综上,山东省年降水量大致由东南向西北递减,各降水分区年降水均呈不显著增加趋势,且突变均不明显㊂山东省各分区年降水量主要为量的区别,变化趋势差别不大㊂2.5各分区降水的周期性特征从图5可以看出:东南沿海区(Ⅰ区)年降水场存在2个较为明显的能量中心,中心尺度均为2~3a,分别在2000年代中前期和2010年代后期表现最明显;西北平原区(Ⅱ区)年降水场存在3个较为明显的能量中心,中心能量从大到小依次为:中心尺度5~ 7a,在1990年代后期和整个2000年代表现最强烈,中心尺度3a,在1990年代后期到2000年代前期表现最强烈,中心尺度2~3a,在2010年代后期表现最强烈;中部山地区(Ⅲ区)年降水场存在2个较为明显的能量中心,中心能量从大到小依次为:中心尺度2 ~3a,在1990年代后期到2000年代中前期表现最强烈,中心尺度6a,在2000年代中前期表现最强烈㊂图4山东省年降水各分区降水量线性趋势及M-K检验曲线F i g.4L i n e a r t r e n do f p r e c i p i t a t i o n i n e a c h s u b-d i s t r i c to f a n n u a l p r e c i p i t a t i o n i nS h a n d o n gp r o v i n c ea n dM-Kt e s t c u r v e2.6各分区降水的未来趋势预测对山东省各降水分区年降水未来趋势运用R/S 分析法进行预测,东南沿海区(Ⅰ区)降水时间序列的H u r s t指数0.72>0.65,表明Ⅰ区降水时间序列前后具有强持续性,即未来Ⅰ区年降水将继续呈现比较明显的不显著上升趋势;西北平原区(Ⅱ区)降水时间序列的H u r s t指数0.5<0.59<0.65,表明Ⅱ区年降水量时间序列前后具有持续性,即未来Ⅱ区年降水量将822水土保持研究第31卷继续呈现不显著上升趋势;中部山地区(Ⅲ区)降水时间序列的H u r s t指数0.76>0.65,表明Ⅲ区降水时间序列前后具有强持续性,即未来Ⅲ区年降水将继续呈现比较明显的不显著上升趋势㊂图5山东省年降水场各分区小波系数模部平方等值线F i g.5W a v e l e t c o e f f i c i e n tm o d u l e s q u a r e c o n t o u r p l o t o f e a c hd i v i s i o no f a n n u a l p r e c i p i t a t i o n f i e l d i nS h a n d o n gp r o v i n c e从图6可以看出:东南沿海区(Ⅰ区)降水V统计量第一个拐点的l n nʈ1.79,对应的时间长度nʈ6,说明Ⅰ区降水时间序列过去状态对未来状态的影响时间约为6a,6a后持续性将慢慢减弱直至消失;西北平原区(Ⅱ区)降水V统计量第一个拐点的l n N ʈ2.08,对应的时间长度nʈ8,说明Ⅱ区年降水量时间序列过去状态对未来状态的影响时间约为8a,8a 后持续性将慢慢减弱直至消失;中部山地区(Ⅲ区)降水V统计量第一个拐点的l n nʈ2.30,对应的时间长度nʈ10,说明Ⅱ区年降水量时间序列过去状态对未来状态的影响时间为约10a,10a后持续性将慢慢减弱直至消失㊂图6山东省各降水分区年降水变化曲线F i g.6A n n u a l p r e c i p i t a t i o nV-l n(n)v a r i a t i o n c u r v e o f e a c h p r e c i p i t a t i o n s u b d i v i s i o n i nS h a n d o n gp r o v i n c e3讨论山东省各个降水分区降水均呈不显著增加趋势,这与‘中国气候变化蓝皮书(2022)“[3]以及徐泽华等[14]的研究结论比较一致,但与卢仲翰[15]㊁程增辉等[26]的研究不一致,这与降水资料序列的时间范围差别较大㊁降水数据来源㊁站点密度等有较大关系㊂由于本文的降水序列时间尺度较短,降水的变化周期也相对较小,但10a以下的降水周期与徐泽华[14]㊁程增辉等[26]的研究较为一致㊂本文选用的站点密度较大,资料序列较新,可以对山东省年降水场进行较为准确的分区,相关的分区结论可作为对前人研究成果继承和补充㊂I P C C[1-2]和‘中国气候变化蓝皮书(2022)“[3]都指出,中国高温㊁强降水等极端天气气候事件趋多㊁趋强的趋势更加明显㊂对于降水的研究也在逐渐从降水量转移到极端降水方面,未来应结合全球气候模型(G C M)及区域气候模式(R C M),利用观测数据对G C M/R C M基线期降水进行偏差矫正,开展对山东省极端降水事件的统计研究㊂4结论(1)山东省各降水模态降水偏少的年份更多,降水偏多的年份降水强度更大,年代际变化均较为明显,其中1990年代以降水偏少为主,2000年代以降水偏多为主,且偏多的强度较大,2010年代以降水偏少为主,且偏少的强度较大,但各模态降水偏多偏少的年份分布及强度变化有所不同㊂(2)山东省年降水场划分为东南沿海区(Ⅰ区)㊁西北平原区(Ⅱ区)和中部山地区(Ⅲ区)3个区域㊂922第1期任成建等:基于R E O F分析的山东省年降水区域特征及趋势分析山东省年降水量大致由东南向西北递减,各降水分区年降水均呈不显著增加趋势,但趋势率各不相同,且突变均不明显㊂(3)山东省各降水分区年降水量均具有较为明显的周期性特征,其中东南沿海区年降水场存在2个较为明显的能量中心,中心尺度均为2~3a,分别在2000年代中前期和2010年代后期表现最明显;西北平原区年降水场存在3个较为明显的能量中心,中心尺度分别为5~7a,3a和2~3a,分别在1990年代后期和整个2000年代㊁1990年代后期到2000年代前期㊁2010年代后期表现最强烈;中部山地区年降水场存在2个较为明显的能量中心,中心尺度分别为2 ~3a,6a,分别在1990年代后期到2000年代中前期㊁2000年代中前期表现最强烈㊂(4)山东省各降水分区年降水量未来变化均具有持续性,其中东南沿海区(Ⅰ区)年降水量未来变化具有强持续性,过去状态对未来状态的影响时间约为6a;西北平原区(Ⅱ区)年降水量未来变化具有持续性,过去状态对未来状态的影响时间约为8a;中部山地区(Ⅲ区)年降水量未来变化具有强持续性,过去状态对未来状态的影响时间约为10a.参考文献:[1]姜彤,李修仓,巢清尘,等.‘气候变化2014:影响㊁适应和脆弱性“的主要结论和新认知[J].气候变化研究进展, 2014,10(3):157-166.J i a n g T,L iX C,C h a oQ C,e t a l.H i g h l i g h t sa n du n-d e r s t a n d i n g o fc l i m a t ec h a n g e2014:i m p a c t s,a d a p t a-t i o n,a n dv u l n e r a b i l i t y[J].C l i m a t eC h a n g e R e s e a r c h, 2014,10(3):157-166.[2]翟盘茂,周佰铨,陈阳,等.气候变化科学方面的几个最新认知[J].气候变化研究进展,2021,17(6):629-635.Z h a i P M,Z h o uB Q,C h e nY,e t a l.S e v e r a l n e wu n-d e r s t a n d i n g s i nt h ec l i m a t ec h a n g es c i e n c e[J].C l i m a t eC h a n g eR e s e a r c h,2021,17(6):629-635.[3]吴鹏,谷星月,王朋岭.中国气候变化蓝皮书(2022)发布[N].中国气象报,2022-08-04(1).W u P,G u X Y,W a n g P L.B l u eb o o k o nc l i m a t ec h a n g e i nC h i n a(2022)r e l e a s e d[N].C h i n aM e t e o r o l o g i-c a lN e w s,2022-08-04(1).[4] A l l a n R P,S o d e nBJ.A t m o s p h e r i cw a r m i n g a n dt h ea m p l i f i c a t i o n o f p r e c i p i t a t i o n e x t r e m e s[J].S c i e n c e,2008,321(5895):1481-1484.[5] G o s w a m i BN,V e n u g o p a lV,S e n g u p t aD,e t a l.I n c r e a s i n gt r e n do f e x t r e m e r a i n e v e n t s o v e r I n d i a i n aw a r m i n g e n-v i r o n m e n t[J].S c i e n c e,2006,314(5804):1442-1445.[6] R a h m s t o r f S,C o u m o uD.I n c r e a s eo f e x t r e m e e v e n t s i naw a r m i n g w o r l d[J].P r o c e e d i n g s o f t h eN a t i o n a lA c a d-e m y of S c i e n c e s,2011,108(44):17905-17909.[7] D o n a t M G,A l e x a n d e rL V,Y a n g H,e t a l.U p d a t e da n a l y s e s o f t e m p e r a t u r ea n d p r e c i p i t a t i o ne x t r e m e i n d i-c e ss i n c et h eb e g i n n i n g o ft h et w e n t i e t hc e n t u r y:T h eH a d E X2d a t a s e t[J].J o u r n a lo fG e o p h y s i c a lR e s e a r c h:A t m o s p h e r e s,2013,118(5):2098-2118.[8]W a n g B,L i uJ,K i m HJ,e t a l.R e c e n t c h a n g eo f t h eg l o b a lm o n s o o n p r e c i p i t a t i o n(1979 2008)[J].C l i m a t eD y n a m i c s,2012,39:1123-1135.[9]任国玉,任玉玉,战云健,等.中国大陆降水时空变异规律:Ⅱ.现代变化趋势[J].水科学进展,2015,26(4):451-465.R e nGY,R e nYY,Z h a nYJ,e t a l.S p a t i a l a n d t e m p o-r a l p a t t e r n so f p r e c i p i t a t i o n v a r i a b i l i t y o v e r m a i n l a n dC h i n a:Ⅱ:R e c e n tt r e n d s[J].A d v a n c e si n W a t e rS c i-e n c e,2015,26(4):451-465.[10]唐蕴,王浩,严登华,等.近50年来东北地区降水的时空分异研究[J].地理科学,2005,25(2):172-176.T a n g Y,W a n g H,Y a nD H,e t a l.R e s e a r c ho nt h e s p a t i a l-t e m p o r a l d i f f e r e n t i a t i o n o f p r e c i p i t a t i o n i nn o r t h e a s tC h i n a i nr e c e n t50y e a r s[J].S c i e n t i a G e o-g r a p h i c aS i n i c a,2005,25(2):172-176.[11]杨修群,谢倩,朱益民,等.华北降水年代际变化特征及相关的海气异常型[J].地球物理学报,2005,48(4):789-797.Y a n g X Q,X i eQ,Z h uY M,e t a l.D e c a d a l-t o-i n t e r-d e c a d a l v a r i a b i l i t y o f p r e c i p i t a t i o ni nn o r t h C h i n aa n da s s o c i a t e da t m o s p h e r i ca n d o c e a n i ca n o m a l y p a t t e r n s[J].C h i n e s e J o u r n a l o fG e o p h y s i c s(i nC h i n e s e),2005,48(4):789-797.[12]郝立生,丁一汇.华北降水变化研究进展[J].地理科学进展,2012,31(5):593-601.H a oLS,D i n g Y H.P r o g r e s s o f p r e c i p i t a t i o n r e s e a r c hi nn o r t h C h i n a[J].P r o g r e s si n G e o g r a p h y,2012,31(5):593-601.[13]舒章康,李文鑫,张建云,等.中国极端降水和高温历史变化及未来趋势[J].中国工程科学,2022,24(5):116-125. S h uZK,L iW X,Z h a n g JY,e t a l.H i s t o r i c a l c h a n-g e s a n d f u t u r e t r e n d s o f e x t r e m e p r e c i p i t a t i o n a n dh i g ht e m p e r a t u r e i nC h i n a[J].E n g i n e e r i n g S c i e n c e,2022,24(5):116-125.[14]徐泽华,韩美,张广彩,等.山东降水时空分布变化及其影响因素[J].水土保持研究,2018,25(3):272-278. X uZ H,H a n M,Z h a n g G C,e ta l.S p a t i o t e m p o r a ld i s t r i b u t i o no f t he p r e c i p i t a t i o na n di t s i m p a c tf a c t o r si nS h a n d o n gp r o v i n c e[J].R e s e a r c ho fS o i l a n d W a t e r032水土保持研究第31卷C o n s e r v a t i o n,2018,25(3):272-278.[15]卢仲翰,王俊杰,曾俞.近57年山东省降水量及雨日变化特征[J].长江科学院院报,2021,38(4):30-35,42. L uZ H,W a n g J J,Z e n g Y.C h a r a c t e r i s t i c so f c l i m a t ec h a n g ei n p r e c i p i t a t i o n a nd r a i n y d a y si n S h a n d o n gp r o v i n c ei nr e c e n t57y e a r s[J].J o u r n a lo f Y a n g t z eR i v e r S c i e n t i f i cR e s e a r c h I n s t i t u t e,2021,38(4):30-35.[16]刘玄.山东省极端气候变化特性和水文响应分析[D].济南:山东农业大学,2022.L i uX.A n a l y s i s o f e x t r e m e c l i m a t e c h a n g e c h a r a c t e r i s-t i c sa n d h y d r o l o g i c a lr e s p o n s ei n S h a n d o n g p r o v i n c e[D].J i n a n:S h a n d o n g A g r i c u l t u r a lU n i v e r s i t y,2022.[17]王翌.地形和季风因素对华北极端气候事件时空变化特征的影响[D].兰州:兰州大学,2018.W a n g Y.T h e i m p a c to f t e r r a i na n d m o n s o o nf a c t o r so nt h e s p a t i o t e m p o r a lc h a n g e so fe x t r e m ec l i m a t ee v e n t si nn o r t hC h i n a[D].L a n z h o u:L a n z h o uU n i v e r s i t y,2018.[18]何永利,丁磊,李冬冬,等.全球变暖过程中海陆增温差异特征研究进展[J].干旱气象,2019,37(5):703-712.H eY L,D i n g L,L iD D,e t a l.R e s e a r c hr e v i e wo nt h e c o n t r a s t o f l a n da n do c e a nw a r m i n g f e a t u r e su n d e rt h e g l o b a lw a r m i n g[J].J o u r n a l o fA r i d M e t e o r o l o g y,2019,37(5):703-712.[19]任建成,王峰,卢晓宁.基于E O F和小波分析的山东省年降水时空变化特征[J].水土保持研究,2022,29(2):179-183.R e nJC,W a n g F,L uX N.C h a r a c t e r i s t i c so f s p a t i o-t e m p o r a l v a r i a t i o no f a n n u a l p r e c i p i t a t i o n i nS h a n d o n gp r o v i n c e b a s e d o n E O F a n d w a v e l e t a n a l y s i s[J].R e s e a r c ho f S o i l a n dW a t e r C o n s e r v a t i o n,2022,29(2):179-183.[20]赵嘉阳,王文辉,靳全锋,等.基于E O F的福建省降水量时空变化特征分析[J].重庆理工大学学报:自然科学版,2017,31(2):73-79.Z h a o JY,W a n g W H,J i nQF,e t a l.A n a l y z i n g s p a-t i a l a n d t e m p o r a l d i s t r i b u t i o n s o f p r e c i p i t a t i o n i nF u j i a np r o v i n c eu s i n g e m p i r i c a l o r t h o g o n a l f u n c t i o n[J].J o u r-n a lo fC h o n g q i n g U n i v e r s i t y o f T e c h n o l o g y(N a t u r a lS c i e n c e),2017(2):73-79.[21]李烁阳,刘小燕,杨贵羽,等.湖北省降水及旱涝时空分布特征分析[J].水土保持研究,2019,26(2):202-207. L i SY,L i uXY,Y a n g G Y,e t a l.A n a l y s i s o f s p a t i a la n d t e m p o r a ld i s t r ib u t i o no f p r ec i p i t a t i o na n dd r o u g h ti n H u b e i p r o v i n c e[J].R e s e a r c ho f S o i l a n dW a t e rC o n-s e r v a t i o n,2019,26(2):202-207.[22]唐亚平,张凯,李忠娴,等.基于R E O F方法的辽宁气候舒适度区域特征分析[J].环境科学与技术,2011,34(2):120-124.T a n g YP,Z h a n g K,L i ZX,e t a l.A n a l y s i s o f c l i m a t ec o m f o r tr e g i o n a lc h a r a c t e r i s t i c si n L i a o n i n g b a s e do nR E O F[J].E n v i r o n m e n t a l S c i e n c e&T e c h n o l o g y,2011,34(2):120-124.[23]林颖仪,王式功,马盼,等.基于R E O F方法的海南岛人体舒适度特征分析[J].干旱气象,2021,39(5):838-846.L i nY Y,W a n g SG,M aP,e t a l.C h a r a c t e r i s t i c so fh u m a nb o d y c o m f o r t a b l e d e g r e e i nH a i n a n i s l a n db a s e do n R E O F m e t h o d[J].J o u r n a lo f A r i d M e t e o r o l o g y,2021,39(5):838-846.[24]张钦,唐海萍,崔凤琪,等.基于标准化降水蒸散指数的呼伦贝尔草原干旱变化特征及趋势分析[J].生态学报,2019,39(19):7110-7123.Z h a n g Q,T a n g H P,C u i FQ,e t a l.S P E I-b a s e d a n a l-y s i s o f d r o u g h t c h a r a c t e r i s t i c s a n d t r e n d s i nH u l u nb u i rg r a s s l a n d[J].A c t a E c o l o g i c aS i n i c a,2019,39(19):7110-7123.[25]徐浩杰,杨太保.柴达木盆地植被生长时空变化特征及其对气候要素的响应[J].自然资源学报,2014,29(3):398-409.X uHJ,Y a n g TB.S p a t i a l-t e m p o r a l v a r i a t i o n s o f v e g-e t a t i o n a c t i v i t i e s a n d i t s r e s p o n s e s t o c l i m a t i cf a c t o r s i nt h eQ a i d a m b a s i n[J].J o u r n a lo f N a t u r a lR e s o u r c e s,2014,29(3):398-409.[26]程增辉,陆宝宏,王慧凤,等.山东地区气候要素变化特征分析及预测[J].水电能源科学,2017(5):10-14. C h e n g Z H,L uB H,W a n g H F,e t a l.A n a l y s i s a n dp r e d i c t i o no f c h a n g e c h a r a c t e r i s t i c s o f c l i m a t e f a c t o r s i nS h a n d o n g[J].W a t e rR e s o u r c e sa n dP o w e r,2017(5):10-14.132第1期任成建等:基于R E O F分析的山东省年降水区域特征及趋势分析。
利用降水距平法分析河南省干旱特征
利用降水距平法分析河南省干旱特征1资料和研究方法1.1 资料来源河南省地处黄河中下游，位于东经110°21′ ～116°39′，北纬31°23′～36°22′之间。
东接安徽、山东，南临湖北，西接陕西。
选取河南省内19个典型气象站，即安阳站、新乡站、宝丰站、郑州站、许昌站、砀山站、永城站、商丘站、开封站、信阳站、栾川站、驻马店站、三门峡站、孟津站、卢氏站、西华站、南阳站、固始站、桐柏站。
图1为18个站点在河南省地理位置的分布。
采用这19个站点1960年至2011年逐月降水资料。
图1 研究区域气象站地理位置分布1.2 研究方法1.2.1 干旱等级标准（1）降水指标能够反映干旱的发生程度，利用降水量距平百分率( )的大小来作为干旱轻重的指标。
降水距平百分率指数反应了一段时间内，降水量偏离同期多年平均值的水平。
计算公式如下：(1)其中为指定时段降水量，为同期多年平均降水量。
（2）其中为第个时段降水量，为样本总数。
1.等级划分：在我国，因为地区不同，降水量时间段不同，等级划分的差异性加大。
由于降水的时空分布不均，多以不同地区采用的等级划分标准稍有不同。
本研究采用的降水距平百分率评价标准。
如表1所示。
此标准在《河南省抗旱应急预案》［10］(河南省防汛抗旱指挥部办公室，河南省水利科学研究院于2011年2月编写)中做了规定［11］。
表1 降水距平百分率干旱等级标准年尺度DP /％季尺度DP/％干旱等级-30P≤-15-50P≤-25轻度干旱-40P≤-30-70P≤-50中度干旱-45P≤-40-80P≤-70严重干旱DP ≤-45DP≤-80特大干旱1.2.2 频率计算河南旱灾在一年中的各个时候都有发生，旱灾的类型从时间上可以分为春旱(3月、4月、5月)、夏旱(6月、7月、8月)、秋旱(9月、10月、11月)、冬旱（12月、第二年1月、2月），其中夏旱包括初夏旱（6月）和伏旱（7月、8月）。
中国西北降水年内非均匀性特征分析
中度和 集 中期 多年 平均 空 间分布 ，从 图 ｌ （ ａ ） 可 以看
年 代前 期及 ８ ０ 年代 中期 以后振 幅较 强 ， 而６ ０ 年 代 中
Ａｄ ｖ Ｃ ｌ ｉ ｍ． Ｃ ｈ ａ ｎ ｇ ｅ Ｒ ｅ ｓ ， ２ ０ ０ ７ ， ３（ ５ ） ： ２ ７ ６ — ２ ８ １ ２７７
４ ５ 。 Ｎ
为第， 月对 应的方位角 ，ｉ 为年份 （ １ ９ ６ ０ ，１ ９ ６ １ ，…，
２ ０ ０ ４ ） ， ． ， 为 月序 （ ． ， ＝１ ，２ ，… ，１ ２ ） 。
４ ０ 。 Ｎ
由式 （ １ ） 和（ ２ ） 可知 ，Ｐ Ｃ Ｄ能够 反映 年 降水在研
究时 段 内各月 的集 中程 度 ，如果 在研究 时段 中 ，年 降水 集 中在某一 个 月，则 它们合 成 向量 的模 与总 降
个 月看 作一个 圆周 （ ３ ６ ０ 。 ） ， 将某 月 降水量 作为该 月
降水矢 量 的模 ，该 月月 序与 ３ ０ 。 的 积作 为该 月 降水
出， 西 北地 区除 了北疆 外 ， 年 降水集 中度 比较 大 ， 大 值 区在新 疆南 部和 青海西 南部 ，其 中南疆 最大 ，为 ０ ． ７ ６ ， 而 北疆 地 区基 本 都 在 ０ ． ４以下 ，其 中 伊宁 为 ０ ． １ ６ ，这说 明西 北地 区除 北疆 以外 的 区域年 降水 比
表 １降水集中期 与月份的对应关系 （ 单位 ：方位 角度 ）
Ｔ ａ ｂ ｌ ｅ １ Ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｂ ｅ ｔ ｗｅ ｅ ｎ Ｐ ＣＰ ａ ｎ ｄ ｍｏ ｎ ｔ ｈ
江苏近年来暴洪的降水强度和时空分布特征分析
江苏是一个受暴雨影响较大的地区，近年来江苏暴洪的降水强度和时空分布特征经历了一些变化。
本文将从三个方面进行分析。
首先，降水强度方面，江苏近年来暴雨降水强度有所增加。
根据江苏省气候中心的数据，近十年来，江苏省的暴雨降水量逐年上升。
特别是2024年至2024年，江苏省下暴雨的频率和强度均明显增强，暴雨降水量超过200毫米的事件频繁发生。
这主要受到气候变化和人类活动的影响。
气候变化导致江苏省的降水规律发生了一定的变化，暴雨天气增多。
另外，城市化进程加速，水泥、沥青等非透水材料的大量使用导致地表径流增加，降雨水无法迅速排走，从而引发暴雨洪涝。
其次，时空分布特征方面，江苏省近年来暴洪的时空分布特征具有一定的规律性。
在时域上，暴雨发生频率主要集中在夏季，特别是6月至8月。
这是因为夏季气温升高，水汽含量增加，加上热带气旋、锋面和对流活动等多种气候系统的相互作用，形成了较强的降雨条件。
在空间上，江苏省南部和中南部地区的暴雨发生频率较大。
这是因为江苏省南部地区地势低平，蓄水能力较差，再加上雨水容易聚集在低洼地区，导致洪水的发生。
最后，对于江苏近年来暴洪的原因，除了气候变化和城市化进程的影响外，江苏省的地理环境和人类活动也是重要原因之一、江苏省地势平坦，水网丰富，多河流、湖泊和水库。
这样的地理环境使得江苏省更容易发生洪涝。
此外，近年来，江苏省的农田集约化和城镇化进程推进较快，大量土地被用于工业和城市建设，土地覆盖情况发生了变化。
这些土地的覆盖情况改变导致地表径流增加，进而加重了暴雨洪涝的发生。
综上所述，江苏省近年来的暴洪降水强度和时空分布特征发生了一些变化。
由于气候变化、城市化进程和地理环境的影响，江苏省暴雨发生频率和强度增加，夏季和南部地区成为暴雨发生的高峰期和高发区。
针对江苏省的暴洪问题，应加强气象监测和预警能力，合理规划和利用土地资源，改善水利设施和城市排水系统，加强防汛减灾工作，提高江苏省抵御暴洪的能力。
农作物种子种植风险因素与提高种子质量的措施
Z h o n g z i n o n g y a o农作物种子种植风险因素与提高种子质量的措施秦艳红现代农业的发展中科技种植的发展理念不断渗透，农作物的种植管理中提高种子的质量，确保种植风险降低，是提高农业产出，保证农民种植收入的重要措施。
我国山西省地处内陆地区，农业发展中容易收到干旱、低温、虫害、霜冻等自然灾害的影响，农业种植的风险因素普遍存在，依据山西省的地理环境和土壤环境，提高种子的质量是保证农业种植中产出的首要环节，可以大大降低农业种植的风险。
一、影响农作物种子种植风险的因素!、土壤环境山西省处于我国腹地，年降水量少，每年的"月#$月份降水集中，呈现% &%'(土壤相对含水量平均为)$*+),，&% -%'(土壤相对含水量平均为."*!),，土壤墒情总体适宜种植的情况。
山西省自然地貌多样，土壤类型多样化：雁北纬度偏高，土壤为干草原栗钙土。
吕梁山以西至平鲁的西北部，右玉为灰褐土。
晋南、晋东南、晋中和忻州地区，土壤为褐土，也是山西省的主要土壤类型。
&、天气状况山西省属于温带气候，各地区温差较大，无霜期!&% &&%天。
"月最热，!月最冷，&月升温，$月降温，春温高于秋温，四季明显，北部比南部气温低，大陆性强。
如每年的!月/&月份山西的平均最高温度+0) ，最低温度#!&0% ，平均温度#&0! ，降水量%0%毫米，最大冻土层110%厘米。
&%!"年&月上旬，最高温度!&0. ，最低温度#!!0- ，平均温度#!0! ，降水量%0%毫米（微量），最大冻土层110%厘米。
1、种子及病虫害因素种子在种植前出现质量底下、发芽率低、亲本纯度低、种子储存不当霉变等，都是在种植中降低种子发芽、壮苗的阻碍因素。
病虫害是影响农业种植的自然因素之一，气候干旱、洪涝、降雪量少等，都会导致农业中虫害的发生，增加了农业种植的风险。
降水预报-观测概率匹配动态订正法在江西降水集中期的应用与检验
ＤＯＩ：１０．１３８７８／ｊ．ｃｎｋｉ．ｊｎｕｉｓｔ．２０２１．０２．０１４陈翔翔１㊀郭达烽１降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验摘要为提高数值预报降水预报的准确率，本文利用欧洲中期天气预报中心的高分辨率数值预报（ＥＣＭＷＦ）降水预报资料和江西省国家级气象观测站实况降水资料进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，通过在２０１７年江西省一次降水集中期的应用试验，得到以下结论：基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法由于把最新的预报与实况结果带入概率匹配中，并根据近期模式预报调整及误差不断自动更新各量级降水修正值，可实时动态订正模式降水预报；检验发现ＥＣＭＷＦ模式降水产品对于２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的预报普遍偏大，２５ｍｍ及以上量级的预报普遍偏小，在江西区域九江沿江地区和景德镇的各量级降水预报较为接近实况㊁预报效果较好．本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳，在实践中应权衡利弊使用．关键词降水预报；概率匹配；动态订正中图分类号Ｐ５４７ ６文献标志码Ａ收稿日期２０１８⁃１１⁃２０资助项目２０１７年度江西省气象局面上项目作者简介陈翔翔，女，硕士，高级工程师，从事中短期天气预报研究．ｃｈｅｎｘｉａｎｇｘｉａｎｇ６６６＠１６３．ｃｏｍ郭达烽（通信作者），男，正高级工程师，主要从事天气预报研究．３８０４２４０４５＠ｑｑ．ｃｏｍ１江西省气象台，南昌，３３０００００㊀引言㊀㊀江西地处我国长江流域，属亚热带季风气候区，每年汛期（３ ７月）是江西暴雨㊁强对流天气多发期，尤其是连续多日的暴雨形成的降水集中期，能引发洪涝和泥石流等自然灾害，严重威胁着人民的生命和财产安全．为此，提高降水预报水平是气象预报任务中的重中之重．数值预报技术的快速发展为降水的精细化预报提供了良好的基础，目前天气预报员常用的提高预报准确率的途径，是不断对数值预报产品进行效果检验评估，从多种模式的降水产品中选择性能最稳定的，并在检验的基础上运用多种方法开展解释应用［１⁃６］．李勇［７］㊁张宏芳等［８］通过预报能力的对比分析得出欧洲中期天气预报中心（Ｅｕ⁃ｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ＲａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ，ＥＣＭＷＦ）高分辨率数值预报总体较优．陆如华等［９］㊁赵声蓉等［１０］和刘还珠等［１１］分别采用卡尔曼滤波法㊁神经元网络等统计方法对数值预报产品进行解释应用研究；刘琳等［１２］通过集合预报降水资料的累积概率分布，建立了极端强降水天气的预报指数；吴木贵等［１３］利用交叉熵神经网络方法建立了闽北大雨以上降水预报系统，并指出这是一种适合小概率事件预报的方法．这些技术方法在一定程度上提高了模式降水产品质量，但这些释用技术仍存在许多不足．周迪等［１４］㊁李俊等［１５］通过 概率匹配 （或 频率匹配 ）降水预报订正法对降水过程取得了较好订正效果．鉴于 概率匹配 法能较好地利用观测资料对模式产品进行订正，因而受到预报业务单位的重视和应用．但是，李俊等［１５］使用的 概率匹配 降水订正法是把指定区域内所有格（站）点作为同一资料序列进行统计分析，由于区域内地理位置和地形的差异可导致气候背景不同，如果区域内所有格（站）点降水预报订正模型采用相同的值，会导致订正结果不够精细．为探索和建立更为精细的不同站点㊁不同降水等级的 预报⁃观测概率匹配 订正方法，本研究结合智能网格预报业务应用，在充分考虑不同站点气候特征差异，开展产品检验效果分析的基础上，对相对稳定且效果较优的ＥＣＭＷＦ高分辨降水模式产品和历史观测资料，引入累积概率分布函数，针对不同等级降水预报，逐站建立订正模型，尤其对是否发生暴雨及其以上降水进行重点分析，并根据数值预报的调整不断更㊀㊀㊀㊀新订正模型，在此基础上开展订正预报试验和效果检验评估，以期通过该动态订正法实现对ＥＣＭＷＦ模式降水产品的解释应用，有效提高降水分级预报，尤其是暴雨预报质量，为汛期防灾减灾提供更好的保障服务．１㊀资料与方法１ １㊀资料的选取降水观测资料采用江西省气象信息中心提供的包含江西省９１个地面气象观测站（站点分布见图１）８ ２０时和２０时 次日８时的１２ｈ间隔降水资料，模式预报降水产品选取ＥＣＭＷＦ高分辨率数值预报降水预报产品（空间分辨率为０ １２５ʎˑ０ １２５ʎ），选取２０１７年６月１９ ２７日每日２次的１２ｈ间隔降水格点预报资料，检验的预报时效为０ ７２ｈ，选取离观测点最近的格点值与观测点实况进行对比并评分．１ ２㊀方法简介预报⁃观测概率匹配订正法 是近年来逐渐流行的一种模式释用订正方法，多用于模式降水产品的预报订正，其原理如图２［１４，１６］所示．不同量级的降水均能在实况观测的降水累积概率分布曲线（实线）上找到对应的累积概率值，这个值在０ １范围内．将已找到的实况对应的累积概率值反射到模式预报的降水累积概率分布曲线（点虚线）上，亦可在横轴中找到对应的降水量值，即不同量级降水的模式预报修正值［１４，１６］．这种降水累积概率分布是非正态的，赵琳娜等［１７］㊁梁莉等［１８］以及国内外较多研究［１９⁃２３］发现，使用Ｇａｍｍａ拟合观测与预报的降水累积概率分布可取得良好效果，因此，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与实况观测的降水累积概率．目前，我国各级气象台的定量降水预报，一般为０８：００㊁２０：００（北京时，下同）起报的１２ｈ间隔降水预报（８ ２０时和２０时 次日８时），并且以１２ｈ间隔进行预报检验评分．预报检验评分时，以０ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ等将１２ｈ降水量划分为多种等级．为了更好地分析订正效果，本文也按照１２ｈ间隔对ＥＣＭＷＦ模式的降水预报进行订正与检验，并以１２ｈ降水量１ ０㊁１０ ０㊁２５ ０和５０ ０ｍｍ的降水量级划分各等级．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法是基于 预报⁃观测概率匹配订正法 的一种动态实践，这里把最新㊁实时的预报与实况结果带入概率匹配中，本文用预报时前１００ｄ共２００个起报时间的ＥＣＭＷＦ１２ｈ间隔降水预报资料与实况观测资料进行概率匹配，并在业务中不断更新各量级降水修正值，这可以一定程度订正近期模式预报误差，实时调节降水订正效果．目前预报业务中常用的预报效果检验指标有风险评分（ＴｈｒｅａｔＳｃｏｒｅ，ＴＳ，其量值记为ＳＴ）㊁命中率（ＰｅｒｃｅｎｔｏｆＤｏｏｍ，ＰｏＤ，其量值记为ＰｏＤ）㊁空报率（ＦａｌｓｅＡｌａｒｍＲａｔｅ，ＦＡＲ，其量值记为ＲＦＡ）和漏报率（ＰｅｒｃｅｎｔｏｆＯｍｉｓｓｉｏｎ，ＰＯ，其量值记为ＰＯ）等．设定ＮＡ为预报正确站数，ＮＢ为预报错误站数，ＮＣ为漏报站数，各指标计算公式如下：ＳＴ＝ＮＡＮＡ＋ＮＢ＋ＮＣˑ１００％，（１）ＰｏＤ＝ＮＡＮＡ＋ＮＣˑ１００％，（２）ＲＦＡ＝ＮＢＮＡ＋ＮＢˑ１００％，（３）ＰＯ＝ＮＣＮ＋Ｎˑ１００％．（４）图１㊀江西省国家地面气象观测站分布Ｆｉｇ １㊀ＤｉｓｔｒｉｂｕｔｉｏｎｍａｐｏｆｎａｔｉｏｎａｌｓｕｒｆａｃｅｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｏｒｙｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ２㊀概率匹配动态订正法在江西省汛期降水集中期的应用分析２ １㊀２０１７年６月下旬江西降水集中期概况受高空低槽㊁中低层切变线和西南急流的共同４３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图２㊀各等级降水的预报⁃观测概率匹配订正法示意图［１４，１６］Ｆｉｇ ２㊀Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄ［１４，１６］影响，２０１７年６月２０日 ７月２日江西省出现了一次降水集中期，期间省内暴雨频繁发生．江西省９１个国家基本观测站中出现１０站及以上日雨量超５０ｍｍ的过程称为一次区域性暴雨过程，将江西省持续出现３ｄ及以上的区域性暴雨过程定义为持续性区域暴雨过程．在此次降水集中期内，就出现了一次持续性区域暴雨过程，２０１７年６月２１ ２６日江西省出现了长达５ｄ的持续性区域暴雨过程（表１），主要发生区域为赣北地区，其中，６月２５日有１９个暴雨㊁１３个大暴雨和１个特大暴雨站，持续的暴雨过程为江西省尤其是赣北人民的生产生活带来了严重的威胁．在降水集中期后半段，雨带先南移，后北抬，新的降水落区订正方法的应用与检验迫在眉睫．表１㊀２０１７年６月２１ ２５日江西省每日暴雨站数及位置（２０ ２０时）Ｔａｂｌｅ１㊀ＮｕｍｂｅｒａｎｄｌｏｃａｔｉｏｎｏｆｄａｉｌｙｒａｉｎｓｔｏｒｍｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｆｒｏｍ２１ｔｏ２５Ｊｕｎｅ，２０１７（２０：００－２０：００）２１日２２日２３日２４日２５日站数１４１１１３１６３３落区赣北㊁赣中赣东北赣北赣北赣北２ ２㊀江西省各站点降水等级预报订正值分布特征６月２５日江西暴雨站数最多，现选取前一日即６月２４日（试验第６天）为代表，分析江西省所有站的各降水量级修正值．图３㊁图４分别是２０１７年６月２４日０ １２ｈ预报时效和１２ ２４ｈ预报时效的各量级降水的降水订正值，可发现：对于１２ｈ间隔的小雨量级降水（１ ０ｍｍ），ＥＣＭＷＦ０ １２ｈ和１２ ２４ｈ预报时效的降水预报得普遍偏大（图３ａ，图４ａ），应往小修正．尤其是赣北南部及以南地区，ＥＣＭＷＦ预报２ ３ｍｍ时往往可以修正为１ｍｍ，而九江市的１ｍｍ小雨预报得较为接近实况．对于１２ｈ间隔的中雨量级降水（１０ｍｍ），除九江市西南部㊁宜春市局部预报偏小外，全省大部分地区预报偏大，尤其是南昌㊁鹰潭㊁抚州三市和吉安㊁赣州两市部分地区，并且１２ ２４ｈ预报时效的中雨比０ １２ｈ预报时效预报得更偏大，应往小修正（图３ｂ㊁图４ｂ）．而对于大量级降水，ＥＣＭＷＦ预报偏小的区域逐渐增多：０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ２５ｍｍ降水预报分别有７０ ３％和５７ １％的站数预报偏小（图３ｃ，图４ｃ），需要往大修正；０ １２ｈ和１２ ２４ｈ预报时效的１２ｈ间隔的５０ｍｍ的暴雨量级降水预报分别有９３ ４％和７８％的站数预报偏小（图３ｄ，图４ｄ），其中，萍乡㊁宜春两市市区站点和赣州市西部０ １２ｈ和１２ ２４ｈ预报时效暴雨修正值均不足４０ｍｍ．综上，总体来看，江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小．但是，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２ ３㊀修正前后各检验指标的变化２ ３ １㊀６个预报时次各指标平均值在试验期间（２０１７年６月１９—２７日）的日变化㊀㊀气象部门对降水预报效果的评判一般用ＴＳ评分㊁命中率（ＰｏＤ）㊁空报率（ＦＡＲ）和漏报率（ＰＯ）等指标．下面对ＥＣＭＷＦ的各量级降水预报进行动态修正后的各指标日变化进行对比，为了更好地展示总体预报效果，用的是全省９１站的平均值（图５ ８）．分析发现，在试验期间（２０１７年６月１９ ２７日），对于１２ｈ１ｍｍ和５０ｍｍ的降水等级，ＥＣＭＷＦ７２ｈ内的６个预报时效平均ＴＳ在修正后均有不同程度的提升（图５）．其中，在试验第７天（２０１７年７月２５日），１２ｈ１ｍｍ和５０ｍｍ等级的降水ＴＳ分别提升了０ ０２２和０ ０１５，而１０ｍｍ降水的ＴＳ提升不明显，对２５ｍｍ的降水更出现了修正后不如修正前的结果，可见，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用，弱降水（１ｍｍ）和暴雨量级降水（５０ｍｍ）可多参考本降水预报订正法，有助于提升晴雨预报和灾害性降水的预报服务质量．预报业务中对于命中率㊁空报率和漏报率也能５３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图３㊀２０１７年６月２４日（试验第６天）０ １２ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ ３㊀Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ０－１２ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔ）一定程度反映预报水平．大雨㊁暴雨量级降水的命中率在修正后有所提升（图６），可见本订正法可以根据近期预报与实况较好地调整降水中心强度；而小雨㊁中雨量级的降水的空报率在修正后有明显降低（图７）．这也是由于小雨和中雨的修正值比原值大，ＥＣＭＷＦ模式空报了部分小量级降水；大雨和暴雨的修正值比原值小，大雨㊁暴雨量级的降水的漏报率在修正后有明显提升（图８），说明ＥＣＭＷＦ模式对暴雨中心和量级的预报能力有待提升．对于防灾减灾而言，大量级降水的漏报能直接影响群众生命财产安全，降低大量级降水的漏报率并且提升其命中率十分重要．基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在本次试验中明显降低了大雨和暴雨的漏报率且提升了命中率，应用效果较好．２ ３ ２㊀试验期间不同预报时效修正后平均ＴＳ增幅一般而言，预报时效越短，预报效果越好：０ １２ｈ降水预报时效的预报效果比１２ ２４ｈ降水预报的预报效果更好，ＴＳ评分等检验评分越高，以此类推．因此，有必要从不同的预报时效着手，查看修正前后检验指标的变化．图９为不同预报时效在试验期间（共９ｄ）修正后平均ＴＳ增幅，可见，对于２４ｈ以内的降水预报，除了２５ｍｍ量级的降水预报ＴＳ评分修正后为负技巧（即修正后ＴＳ增幅＜０）外，其他量级的降水均为正技巧，其中，０ １２ｈ订正效果最好的为１ｍｍ的降水量级，增幅为０ ０２８，其次为１０ｍｍ的降水量级和５０ｍｍ的降水量级，ＴＳ平均增幅分别为０ ００６和６３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图４㊀２０１７年６月２４日（试验第６天）１２ ２４ｈ预报时效各量级降水的降水订正值（ｍｍ）Ｆｉｇ．４Ｔｈｅｃｏｒｒｅｃｔｅｄｒａｉｎｆａｌｌｖａｌｕｅ（ｕｎｉｔ：ｍｍ）ｏｆｄｉｆｆｅｒｅｎｔｐｒｅｃｉｐｉｔａｔｉｏｎｌｅｖｅｌｓｉｎｔｈｅ１２－２４ｈｆｏｒｅｃａｓｔｔｉｍｅｏｎＪｕｎｅ２４，２０１７（ｔｈｅｓｉｘｔｈｄａｙ图５㊀江西省所有站点平均ＴＳ修正前后变化情况（７２ｈ内所有预报时效平均）（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ５㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＴＳｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＴＳｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）７３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１图６㊀６个预报时次江西省所有站点平均命中率（ＰｏＤ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ６㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰｏＤｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰｏＤｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图７㊀６个预报时次江西省所有站点平均空报率（ＦＡＲ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ７㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＦＡＲｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＦＡＲｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）０ ００４；１２ ２４ｈ订正效果最好的仍是１ｍｍ的降水量级，ＴＳ平均增幅为０ ０２３．此后，随着预报时效的不断延长，不同量级降水的订正效果均有不同程度的降低，但１和５０ｍｍ量级的降水预报订正效果一直维持正技巧，即对于小量级降水（晴雨）以及大量级降水（暴雨）的预报，基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法有着良好的订正技巧．ＴＳ评分平均值修正后出现负技巧（２５ｍｍ量级的降水预报居多）的原因可能是：试验前期１００ｄ带入概率匹配的样本数太少，影响了订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．８３２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．图８㊀６个预报时次江西省所有站点平均漏报率（ＰＯ）修正前后变化情况（ｄ１ ｄ９分别代表试验第１天即２０１７年６月１９日至试验第９天即２０１７年６月２７日）Ｆｉｇ ８㊀ＴｈｅｃｈａｎｇｅｓｏｆａｖｅｒａｇｅＰＯｏｆａｌｌｓｔａｔｉｏｎｓｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｂｅｆｏｒｅａｎｄａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｆｒｏｍ１９ｔｏ２７Ｊｕｎｅ，２０１７（ａｖｅｒａｇｅＰＯｏｆａｌｌｐｒｅｄｉｃｔｉｏｎｓｗｉｔｈｉｎ７２ｈｏｕｒｓ）图９㊀试验期间（共９ｄ）修正后平均ＴＳ增幅Ｆｉｇ ９㊀ＴｈｅｉｎｃｒｅａｓｅｏｆａｖｅｒａｇｅＴＳａｆｔｅｒｃｏｒｒｅｃｔｉｏｎｄｕｒｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔ（９ｄ）３ 结论与讨论为提高数值预报降水预报的准确率，本文利用欧洲中心高分辨率数值预报（ＥＣＭＷＦ）每日２次的１２ｈ间隔降水格点预报资料和江西省国家级气象观测站实况降水量进行概率匹配，选取Ｇａｍｍａ累积概率分布函数用于拟合预报与观测的降水累积概率，并在业务中根据近期（１００ｄ）模式预报调整及误差不断更新各量级降水修正值，通过在２０１７年６月底江西省一次降水集中期的应用试验，得到以下结论：１）江西省２０１７年６月降水集中期ＥＣＭＷＦ的２４ｈ内１２ｈ间隔的１０ｍｍ及以下量级的降水预报普遍偏大，２５ｍｍ及以上量级的降水预报普遍偏小；从江西区域分布来看，九江市沿江地区和景德镇的各量级降水预报较为接近实况，预报效果较好．２）基于ＥＣＭＷＦ的降水预报⁃观测概率匹配动态订正法在实践中应权衡利弊使用：本降水预报订正法能提高小雨和暴雨的ＴＳ评分㊁降低暴雨的漏报率且提升其命中率，但对大雨及部分中雨的订正效果不佳．对于防灾减灾而言，暴雨的漏报会直接威胁群众生命财产安全，降低暴雨的漏报率并提升其命中率十分重要，就此而言，本次降水预报订正试验获得了较好的效果．本文为数值预报产品的解释应用提供了一种方法，可以动态订正模式降水预报（尤其是致灾性暴雨）．但是，应用试验中大雨及部分中雨的预报的订正效果不佳，可能原因是：本文选择预报时前１００ｄ每天２次的预报与实况降水数据进行概率匹配，如果带入概率匹配相应降水量级的数据样本数太少，会使得本次试验不能很好拟合Ｇａｍｍａ概率分布函数，影响订正结果的准确性，如果样本数太多，则会削弱对最近模式误差的订正效果．ＥＣＷＭＦ对本次试验降水落区预报不准，也能导致预报ＴＳ评分微弱提升甚至降低．另外，本文采用的是Ｇａｍｍａ分布函数来拟合预报与观测的降水累积概率，在以后的工作中，亦可尝试采用其他分布函数（如ＧＥＶ㊁ＧＮＯ㊁ＧＬＯ㊁Ｋａｐｐａ等）来拟合，并比较其优劣．９３２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１参考文献Ｒｅｆｅｒｅｎｃｅｓ［１］㊀潘留杰，张宏芳，朱伟军，等．ＥＣＭＷＦ模式对东北半球气象要素场预报能力的检验［Ｊ］．气候与环境研究，２０１３，１８（１）：１１２⁃１２３ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＺＨＵＷｅｉｊｕｎ，ｅｔａｌ．ＦｏｒｅｃａｓｔｐｅｒｆｏｒｍａｎｃｅｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅＥＣＭＷＦｍｏｄｅｌｏｖｅｒｔｈｅｎｏｒｔｈｅａｓｔｈｅｍｉｓｐｈｅｒｅ［Ｊ］．ＣｌｉｍａｔｉｃａｎｄＥｎｖｉｒｏｎ⁃ｍｅｎｔａｌＲｅｓｅａｒｃｈ，２０１３，１８（１）：１１１⁃１２３［２］㊀陈海山，孙照渤．陆面模式ＣＬＳＭ的设计及性能检验Ⅱ：模式检验［Ｊ］．大气科学，２００５，２９（２）：２７２⁃２８２ＣＨＥＮＨａｉｓｈａｎ，ＳＵＮＺｈａｏｂｏ．ＤｅｓｉｇｎｏｆａＣｏｍｐｒｅｈｅｎｓｉｖｅＬａｎｄＳｕｒｆａｃｅＭｏｄｅｌａｎｄｉｔｓｖａｌｉｄａｔｉｏｎｐａｒｔⅡ：ｍｏｄｅｌｖａｌ⁃ｉｄａｔｉｏｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２００５，２９（２）：２７２⁃２８２［３］㊀潘留杰，张宏芳，王建鹏．数值天气预报检验方法研究进展［Ｊ］．地球科学进展，２０１４，２９（３）：３２７⁃３３５ＰＡＮＬｉｕｊｉｅ，ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＷＡＮＧＪｉａｎｐｅｎｇ．Ｐｒｏｇｒｅｓｓｏｎｖｅｒｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｏｆｎｕｍｅｒｉｃａｌｗｅａｔｈｅｒｐｒｅｄｉｃｔｉｏｎ［Ｊ］．ＡｄｖａｎｃｅｓｉｎＥａｒｔｈＳｃｉｅｎｃｅ，２０１４，２９（３）：３２７⁃３３５［４］㊀张强，熊安元，张金艳，等．晴雨（雪）和气温预报评分方法的初步研究［Ｊ］．应用气象学报，２００９，２０（６）：６９２⁃６９８ＺＨＡＮＧＱｉａｎｇ，ＸＩＯＮＧＡｎｙｕａｎ，ＺＨＡＮＧＪｉｎｙａｎ，ｅｔａｌ．Ｐｒｅｌｉｍｉｎａｒｙｓｔｕｄｙｏｎｔｈｅｓｃｏｒｉｎｇｍｅｔｈｏｄｓｏｆｃｌｏｕｄ⁃ｆｒｅｅｒａｉｎｆａｌｌ／ｓｎｏｗｆａｌｌａｎｄａｉｒｔｅｍｐｅｒａｔｕｒｅｆｏｒｅｃａｓｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ，２００９，２０（６）：６９２⁃６９８［５］㊀刘建国，谢正辉，赵琳娜，等．基于ＴＵＧＧＥ多模式集合的２４小时气温ＢＭＡ概率预报［Ｊ］．大气科学，２０１３，３７（１）：４３⁃５３ＬＩＵＪｉａｎｇｕｏ，ＸＩＥＺｈｅｎｇｈｕｉ，ＺＨＡＯＬｉｎｎａ，ｅｔａｌ．ＢＭＡｐｒｏｂａｂｉｌｉｓｔｉｃｆｏｒｅｃａｓｔｉｎｇｆｏｒｔｈｅ２４⁃ｈＴＩＧＧＥｍｕｌｔｉ⁃ｍｏｄｅｌｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｓｏｆｓｕｒｆａｃｅａｉｒｔｅｍｐｅｒａｔｕｒｅ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｔｍｏｓｐｈｅｒｉｃＳｃｉｅｎｃｅｓ，２０１３，３７（１）：４３⁃５３［６］㊀刘维，刘宇迪，赵世梅．二十面体网格和经纬网格全球模式在中国区域模拟效果对比［Ｊ］．南京信息工程大学学报（自然科学版），２０１６，８（２）：１４６⁃１５１ＬＩＵＷｅｉ，ＬＩＵＹｕｄｉ，ＺＨＡＯＳｈｉｍｅｉ．Ｇｌｏｂａｌｍｏｄｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｃｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｉｃｏｓａｈｅｄｒｏｎｓｐｈｅｒ⁃ｉｃａｌｍｅｓｈａｎｄｌａｔｉｔｕｄｅ⁃ｌｏｎｇｉｔｕｄｅｍｅｓｈｉｎＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０１６，８（２）：１４６⁃１５１［７］㊀李勇．２００７年６ ８月Ｔ２１３与ＥＣＭＷＦ及日本模式中期预报性能检验［Ｊ］．气象，２００７，３３（１１）：９３⁃１００ＬＩＹｏｎｇ．Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅｍｅｄｉｕｍ⁃ｒａｎｇｅｆｏｒｅｃａｓｔｅｆｆｉ⁃ｃｉｅｎｃｙｏｆＴ２１３ａｎｄＥＣＭＷＦａｎｄＪＡＰＡＮｍｏｄｅｌｆｒｏｍＪｕｎｅｔｏＡｕｇｕｓｔ２００７［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２００７，３３（１１）：９３⁃１００［８］㊀张宏芳，潘留杰，杨新．ＥＣＭＷＦ㊁日本高分辨率模式降水预报能力的对比分析［Ｊ］．气象，２０１４，４０（４）：４２４⁃４３２ＺＨＡＮＧＨｏｎｇｆａｎｇ，ＰＡＮＬｉｕｊｉｅ，ＹＡＮＧＸｉｎ．ＣｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｃａｐａｂｉｌｉｔｉｅｓｏｆＥＣＭＷＦａｎｄＪａｐａｎｈｉｇｈ⁃ｒｅｓｏｌｕｔｉｏｎｍｏｄｅｌｓ［Ｊ］．Ｍｅｔｅｏｒｏ⁃ｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（４）：４２４⁃４３２［９］㊀陆如华，何于班．卡尔曼滤波方法在天气预报中的应用［Ｊ］．气象，１９９４，９，２０（９）：４１⁃４６ＬＵＲｕｈｕａ，ＨＥＹｕｂａｎ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆＫａｌｍａｎｆｉｌｔｅｒｉｎｗｅａｔｈｅｒｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，１９９４，９，２０（９）：４１⁃４６［１０］㊀赵声蓉，曹晓钟．神经元网络的降水预报：暴雨落区预报实用方法［Ｍ］．北京：气象出版社，２０００：１３７⁃１３９ＺＨＡＯＳｈｅｎｒｏｎｇ，ＣＡＯＸｉａｏｚｈｏｎｇ．Ｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｅｄｉｃｔｉｏｎｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ：ｐｒａｃｔｉｃａｌｍｅｔｈｏｄｓｆｏｒｆｏｒｅｃａｓｔｉｎｇｒａｉｎｓｔｏｒｍａｒｅａ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＰｒｅｓｓ，２０００：１３７⁃１３９［１１］㊀刘还珠，赵声蓉，陆志善，等．国家气象中心气象要素的客观预报：ＭＯＳ系统［Ｊ］．应用气象学报，２００４，１５（２）：１８１⁃１９１ＬＩＵＨｕａｎｚｈｕ，ＺＨＡＯＳｈｅｎｒｏｎｇ，ＬＵＺｈｉｓｈａｎ．ｅｔａｌ．ＯｂｊｅｃｔｉｖｅｅｌｅｍｅｎｔｆｏｒｅｃａｓｔｓａｔＮＭＣ⁃ＭＯＳｓｙｓｔｅｍ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，２００４，１５（２）：１８１⁃１９１［１２］㊀刘琳，陈静，程龙，等．基于集合预报的中国极端强降水预报方法研究［Ｊ］．气象学报，２０１３，７１（５）：８５４⁃８６６ＬＩＵＬｉｎ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＬｏｎｇ，ｅｔａｌ．Ｓｔｕｄｙｏｆｔｈｅｅｎ⁃ｓｅｍｂｌｅ⁃ｂａｓｅｄｆｏｒｅｃａｓｔｏｆｅｘｔｒｅｍｅｌｙｈｅａｖｙｒａｉｎｆａｌｌｓｉｎＣｈｉ⁃ｎａ：ｅｘｐｅｒｉｍｅｎｔｓｆｏｒＪｕｌｙ２０１１ｃａｓｅｓ［Ｊ］．ＡｃｔａＭｅｔｅｏｒｏｌｏｇｉｃａＳｉｎｉｃａ，２０１３，７１（５）：８５３⁃８６６［１３］㊀吴木贵，江彩英，张信华，等．交叉熵神经网络及其在闽北大雨以上降水预报中的应用［Ｊ］．南京信息工程大学学报（自然科学版），２０１２，４（３）：２２０⁃２２５ＷＵＭｕｇｕｉ，ＪＩＡＮＧＣａｉｙｉｎｇ，ＺＨＡＮＧＸｉｎｈｕａ，ｅｔａｌ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｕｓｉｎｇｃｒｏｓｓ⁃ｅｎｔｒｏｐｙｔｏ９６ｈｏｕｒｓｆｏｒｅｃａｓｔｏｆｈｅａｖｙｐｒｅｃｉｐｉｔａｔｉｏｎｅｖｅｎｔｉｎｎｏｒｔｈｅｒｎＦｕｊｉａｎｐｒｏｖｉｎｃｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎ⁃ｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉ⁃ｔｉｏｎ），２０１２，４（３）：２２０⁃２２５［１４］㊀周迪，陈静，陈朝平，等．暴雨集合预报⁃观测概率匹配订正法在四川盆地的应用研究［Ｊ］．暴雨灾害，２０１５，３４（２）：９７⁃１０４ＺＨＯＵＤｉ，ＣＨＥＮＪｉｎｇ，ＣＨＥＮＣｈａｏｐｉｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｒｅｓｅａｒｃｈｏｎｈｅａｖｙｒａｉｎｆａｌｌｃａｌｉｂｒａｔｉｏｎｂａｓｅｄｏｎｅｎｓｅｍｂｌｅｆｏｒｅｃａｓｔｖｓ．ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｍｅｔｈｏｄｉｎｔｈｅＳｉｃｈｕａｎｂａｓｉｎ［Ｊ］．ＴｏｒｒｅｎｔｉａｌＲａｉｎａｎｄＤｉｓ⁃ａｓｔｅｒｓ，２０１５，３４（２）：９７⁃１０４［１５］㊀李俊，杜钧，陈超君．降水偏差订正的频率（或面积）匹配方法介绍和分析［Ｊ］．气象，２０１４，４０（５）：５８０⁃５８８ＬＩＪｕｎ，ＤＵＪｕｎ，ＣＨＥＮＣｈａｏｊｕｎ．Ｉｎｔｒｏｄｕｃｔｉｏｎａｎｄａｎａｌｙｓｉｓｔｏｆｒｅｑｕｅｎｃｙｏｒａｒｅａｍａｔｃｈｉｎｇｍｅｔｈｏｄａｐｐｌｉｅｄｔｏｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎｆｏｒｅｃａｓｔｂｉａｓｃｏｒｒｅｃｔｉｏｎ［Ｊ］．ＭｅｔｅｏｒｏｌｏｇｉｃａｌＭｏｎｔｈｌｙ，２０１４，４０（５）：５８０⁃５８８［１６］㊀郭达烽，陈翔翔，段明铿．预报⁃观测概率匹配法在降水预报业务中的应用［Ｊ］．中国农学通报，２０１７，３３（３２）：１００⁃１０７ＧＵＯＤａｆｅｎｇ，ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ＤＵＡＮＭｉｎｇｋｅｎｇ．Ａｐｐｌｉ⁃ｃａｔｉｏｎｒｅｓｅａｒｃｈｏｆｍｅｔｈｏｄｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＣｈｉｎｅｓｅＡｇｒｉ⁃ｃｕｌｔｕｒａｌＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，２０１７，３３（３２）：１００⁃１０７［１７］㊀赵琳娜，梁莉，王成鑫，等．基于贝叶斯模型平均的集合降水预报偏差订正［Ｃ］ʊ第２８届中国气象学会年０４２陈翔翔，等．降水预报⁃观测概率匹配动态订正法在江西降水集中期的应用与检验．㊀ＣＨＥＮＸｉａｎｇｘｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅ．会，Ｓ３灾害天气研究与预报．厦门，２０１１：１⁃１３ＺＨＡＯＬｉｎｎａ，ＬＩＡＮＧＬｉ，ＷＡＮＧＣｈｅｎｘｉｎ，ｅｔａｌ．Ｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｏｆｃｏｌｌｅｃｔｉｖｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｂａｓｅｄｏｎｂａｙｅｓｉａｎｍｏｄｅｌａｖｅｒａｇｅ［Ｃ］ʊ２８ｔｈＣｈｉｎａＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙＡｎｎｕａｌＭｅｅｔｉｎｇ．Ｓ３ＲｅｓｅａｒｃｈａｎｄＦｏｒｅｃａｓｔｏｆＤｉｓ⁃ａｓｔｒｏｕｓＷｅａｔｈｅｒ．Ｘｉａｍｅｎ，２０１１：１⁃１３［１８］㊀梁莉，赵琳娜，巩远发，等．夏季淮河流域雨日降水概率的空间分布分析［Ｃ］ʊ中国水利学会．２０１０学术年会论文集（上册），２０１０ＬＩＡＮＧＬｉ，ＺＨＡＯＬｉｎｎａ，ＧＯＮＧＹｕａｎｆａ，ｅｔａｌ．Ｓｐａｔｉａｌｄｉｓ⁃ｔｒｉｂｕｔｉｏｎａｎａｌｙｓｉｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｉｎＨｕａｉｈｅＲｉｖｅｒｂａｓｉｎｉｎｓｕｍｍｅｒｒａｉｎｄａｙ［Ｃ］ʊＣｈｉｎｅｓｅＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｏｃｉｅｔｙ．Ｐａｐｅｒｓｏｆｔｈｅ２０１０ＡｎｎｕａｌＡｃａｄｅｍｉｃＣｏｎｆｅｒｅｎｃｅ（Ｖｏｌｕｍｅ１），２０１０［１９］㊀ＨｕｓａｋＧＪ，ＭｉｃｈａｅｌｓｅｎＪ，ＦｕｎｋＣ．Ｕｓｅｏｆｔｈｅｇａｍｍａｄｉｓ⁃ｔｒｉｂｕｔｉｏｎｔｏｒｅｐｒｅｓｅｎｔｍｏｎｔｈｌｙｒａｉｎｆａｌｌｉｎＡｆｒｉｃａｆｏｒｄｒｏｕｇｈｔｍｏｎｉｔｏｒｉｎｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｌｉｍａｔｏｌｏｇｙ，２００７，２７（７）：９３５⁃９４４［２０］㊀ＨａｍｉｌｌＴＭ，ＣｏｌｕｃｃｉＳＪ．ＥｖａｌｕａｔｉｏｎｏｆＥｔａ⁃ＲＳＭｅｎｓｅｍｂｌｅｐｒｏｂａｂｉｌｉｓｔｉｃｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｓ［Ｊ］．ＭｏｎｔｈｌｙＷｅａｔｈｅｒＲｅｖｉｅｗ，１９９８，１２６（３）：７１１⁃７２４［２１］㊀ＷｏｏｌｈｉｓｅｒＤＡ．Ｍｏｄｅｌｉｎｇｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎ⁃ｐｒｏｃｅｓｓａｎｄｐｒｏｂｌｅｍｓ［Ｍ］．ＳｔａｔｉｓｔｉｃｓｉｎｔｈｅＥｎｖｉｒｏｎｍｅｎｔａｌ＆ＥａｒｔｈＳｃｉｅｎｃｅｓ，Ｌｏｎｄｏｎ：ＧｕｔｔｏｒｐＰＨａｌｓｔｅｄＰｒｅｓｓ，１９９２：７１⁃８９［２２］㊀王斌，付强，王敏．几种模拟逐日降水的分布函数比较分析［Ｊ］．数学的实践与认识，２０１１，４１（９）：１２８⁃１３３ＷＡＮＧＢｉｎ，ＦＵＱｉａｎｇ，ＷＡＮＧＭｉｎ．Ｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｎｔｈｒｅｅｄｉｓｔｒｉｂｕｔｉｏｎｆｕｎｃｔｉｏｎｓｓｉｍｕｌａｔｉｎｇｄａｉｌｙｒａｉｎｆａｌｌ［Ｊ］．ＭａｔｈｅｍａｔｉｃｓｉｎＰｒａｃｔｉｃｅａｎｄＴｈｅｏｒｙ，２０１１，４１（９）：１２８⁃１３３［２３］㊀吴洪宝，王盘兴，林开平．广西６㊁７月份若干日内最大日降水量的概率分布［Ｊ］．热带气象学报，２００４，２０（５）：５８６⁃５９２ＷＵＨｏｎｇｂａｏ，ＷＡＮＧＰａｎｘｉｎｇ，ＬＩＮＫａｉｐｉｎｇ．ＰｒｏｂａｂｉｌｉｔｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｍａｘｉｍｕｍａｍｏｕｎｔｏｆｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｃｅｒｔａｉｎｄａｙｓｉｎＪｕｎｅａｎｄＪｕｌｙｆｏｒＧｕａｎｇｘｉ［Ｊ］．ＪｏｕｒｎａｌｏｆＴｒｏｐｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，２００４，２０（５）：５８６⁃５９２Ａｐｐｌｉｃａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｉｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｒｃｔｉｏｎｍｅｔｈｏｄｉｎｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｏｆＪｉａｎｇｘｉｐｒｏｖｉｎｃｅＣＨＥＮＸｉａｎｇｘｉａｎｇ１㊀ＧＵＯＤａｆｅｎｇ１１ＪｉａｎｇｘｉＭｅｔｅｏｒｏｌｏｇｉｃａｌＯｂｓｅｒｖａｔｏｒｙ，Ｎａｎｃｈａｎｇ㊀３３００００Ａｂｓｔｒａｃｔ㊀Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｎｕｍｅｒｉｃａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇ，ｆｏｒｅｃａｓｔｄａｔａｆｒｏｍｔｈｅＥｕｒｏｐｅａｎＣｅｎｔｒｅｆｏｒＭｅｄｉｕｍ⁃ｒａｎｇｅＷｅａｔｈｅｒＦｏｒｅｃａｓｔｓ（ＥＣＭＷＦ）ａｎｄＪｉａｎｇｘｉｍｅｔｅｏｒｏｌｏｇｉｃａｌｏｂｓｅｒｖａｔｉｏｎｓｔａｔｉｏｎｓｗｅｒｅｕｓｅｄｉｎｔｈｉｓｓｔｕｄｙ．Ａｇａｍｍａｆｕｎｃｔｉｏｎｗａｓｕｓｅｄｔｏｓｉｍｕｌａｔｅｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｕｍｕｌａｔｉｖｅｐｒｏｂａｂｉｌｉｔｙｏｆｐｒｅｄｉｃｔｉｏｎａｎｄｏｂｓｅｒｖａ⁃ｔｉｏｎ．ＴｈｅｍｅｔｈｏｄｗａｓｔｅｓｔｅｄｆｏｒａｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｎｃｅｎｔｒａｔｉｏｎｐｅｒｉｏｄｉｎＪｉａｎｇｘｉｐｒｏｖｉｎｃｅｉｎ２０１７．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＥＣＭＷＦｆｏｒｅｃａｓｔ⁃ｏｂｓｅｒｖｅｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎｍｅｔｈｏｄｐｒｏｖｉｄｅｓｔｈｅｌａｔｅｓｔｒｅａｌ⁃ｔｉｍｅｆｏｒｅｃａｓｔｓａｎｄｏｂｓｅｒｖａｔｉｏｎｓｆｏｒｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ，ａｎｄｕｐｄａｔｅｓｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｏｒｒｅｃｔｉｏｎｖａｌｕｅｓｏｆａｌｌｇｒａｄｅｓａｕｔｏｍａｔｉｃａｌｌｙａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｒｅｄｉｃｔｉｏｎａｄｊｕｓｔｍｅｎｔａｎｄｅｒｒｏｒｏｆｔｈｅｒｅｃｅｎｔｍｏｄｅｌ．ＩｔｉｓｆｏｕｎｄｔｈａｔｔｈｅＥＣＭＷＦ ｓｄａｉ⁃ｌｙ１２ｈｉｎｔｅｒｖａｌｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｓｇｅｎｅｒａｌｌｙｌａｒｇｅｒｆｏｒｐｒｅｃｉｐｉｔａｔｉｏｎ１０ｍｍａｎｄｂｅｌｏｗ，ａｎｄｓｍａｌｌｅｒｆｏｒｐｒｅｃｉｐｉ⁃ｔａｔｉｏｎ２５ｍｍａｎｄａｂｏｖｅ．ＴｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｔｈｅＪｉｕｊｉａｎｇａｒｅａａｌｏｎｇｔｈｅＹａｎｇｔｚｅＲｉｖｅｒａｎｄＪｉｎｇｄｅｚｈｅｎｉｓｃｌｏｓｅｔｏａｃｔｕａｌｃｏｎｄｉｔｉｏｎｓ．Ｔｈｉｓｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｔｈｒｅａｔｓｃｏｒｅｏｆｌｉｇｈｔａｎｄｈｅａｖｙｒａｉｎ，ｒｅｄｕｃｅｓｔｈｅＰＯｏｆｈｅａｖｙｒａｉｎ，ａｎｄｉｎｃｒｅａｓｅｓｉｔｓＰＯＤ．Ｈｏｗｅｖｅｒ，ｔｈｅｃｏｒｒｅｃｔｉｏｎｅｆｆｅｃｔｏｆｈｅａｖｙｒａｉｎａｎｄｓｏｍｅｍｏｄｅｒａｔｅｒａｉｎｉｓｎｏｔｇｏｏｄ；ｈｅｎｃｅ，ｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓｓｈｏｕｌｄｂｅｃｏｎｓｉｄｅｒｅｄｉｎｐｒａｃｔｉｃｅ．Ｋｅｙｗｏｒｄｓ㊀ｐｒｅｃｉｐｉｔａｔｉｏｎｆｏｒｅｃａｓｔ；ｐｒｏｂａｂｉｌｉｔｙｍａｔｃｈｉｎｇ；ｄｙｎａｍｉｃｃｏｒｒｅｃｔｉｏｎ１４２学报（自然科学版），２０２１，１３（２）：２３３⁃２４１ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２０２１，１３（２）：２３３⁃２４１。
芮城县降水集中度和集中期特征分析
Ｒ 为 某测 站研 究时 段 内总 降水量 ， ｒ ｉ ｊ 为研 究 时
段 内某月 （ 候） 的降 水量 ， ０ 为研 究 时段 内各 月 （ 候）
对应的方位 角 （ 整 个研 究 时段 的方 位 角 设 为 ３ ６ ０ 。） ， ｉ 为年份 （ ｉ ＝１ ９ ６ １ ， １ ９ ６ ２， …， ２ ０ １ ３） ， ｉ 为研 究 时段 内的月 （ 候） 序 （ ｊ ＝１， ２， …， Ｎ） ， Ｎ＝１ ２或 ７ ２。 这 种
） ， 女， 山西 芮 城 人 ， １ ９ ９ ８年 毕 业 于 南 京 信
上 ０ ｏ 的夹 角为该 矢量 的方 向 ，将 多月 或多 候 的降
第 ２期 （ 总第 １ １ ５期 ）
２ ０ １ ６年 ６月
山 西 气 象
Ｎ ｏ ． ２（ Ｓ ｕ ｍ Ｎ ｏ ． １ １ ５ ）
Ｊ ｕ ｎ ． ２ ０ １ ６
Ｓ Ｈ Ａ Ｎ Ｘ Ｉ Ｍ Ｅ Ｔ Ｅ Ｏ Ｒ Ｏ Ｌ Ｏ Ｇ Ｉ Ｃ Ａ Ｌ Ｑ Ｕ ＡＲ Ｔ Ｅ Ｒ Ｌ Ｙ
就采 用 Ｐ Ｃ Ｄ和 Ｐ Ｃ Ｐ来具 体 讨 论 芮 城县 候 降 水 量集
收稿 日期 ： ２ ０ １ ６—０ ５—２ ０
定义 方法 是把 某一 月或 候 的降水 量定 义 为该 降水 矢
量 的模 ， 研 究 时 段 看 作 是 一 个 圆 周 ，该 月 或 候 与 圆
作者简 介： 藏 曦 （ １ ９ ７ ５一
芮 城 县 降 水 集 中 度 和 集 中 期 特 征 分 析
藏 曦
（芮城 县 气 象局 ，山西 运 城 ０ ４ ４ ６ ０ ０ ）
摘 要： 利用芮城县 １ ９ ６ ０—２ ０ １ ４年 近 ５ ５ ａ的 逐 日降 水 资 料 ， 计 算了 ５ ５ ａ 来 芮 城 县 降 水 集 中度 （ Ｐ Ｃ Ｄ） 和 集 中期 （ Ｐ Ｃ Ｐ １ ， 并 讨 论 了它 们 的年 际 、 年 代 际 变 化 特 征 。 结 果表 明 ： 芮 城 县 的年 降 水 量 呈 下 降 趋 势 ， 年 降 水 量 倾 向率 为 一６ ． ８ ｍｍ／ １ ０ ａ。 芮 城 县 年 降水 量 平 均 集 中度 有 弱 上 升 趋 势 ， 集 中期 有 略 推 迟 趋 势 。Ｐ Ｃ Ｄ 与汛 期 降水 量 、 月 最 大 降 水量 和年 降水 量 都 有很 好 的
湖南省降水集中度与集中期时空变化特征分析
湖南省降水集中度与集中期时空变化特征分析本文选取湖南省1961-2007年84个气象站点逐日降水量资料，运用趋势分析和合成分析等方法对研究区降水集中度（PCD）和集中期（PCP）的时空变化特征进行分析，结果表明：研究区47年来PCD 的值偏小，在0.14-0.50之间变化；PCP值在104-154之间变化，也就是降水主要集中在5月初到6月下旬。
PCD 空间分布特征明显，自西北向东南减少的分布特点，这说明湘东北比湘西北地区降水集中；PCP自西北向东南逐渐递减。
多水年PCD与少水年PCD具有很好的一致性，均由西北向东南减少。
标签：PCD；PCP；合成分析；空间分布1 引言湖南省属于内陆省份，位于青藏高原南缘下游，境内山地、丘陵、岗地、平原和江湖兼备，但以山地为主。
南高北低三面环山，朝北开口，呈“马蹄形”。
湖南省属亚热带季风湿润气候，加上“马蹄形”地貌的影响，使湖南气候呈现复杂的变化。
湖南省属多雨省份之一，全省年平均降水量在1200～1700 mm 之间，但时间分配不均，明显集中于4-8月，春夏降水多，秋冬降水少，降水的年际变率大和季节分配不均导致洪涝、旱灾多发。
旱涝是影响湖南经济和人民生活动的气象灾害，因此研究降水的时空变化规律意义重大。
而降水集中度和集中期是衡量降水的不均匀分配指标之一，能够很好地反映降水过程中的时空不均匀分布特征。
国内外有不少关于运用降水集中度与集中期来分析区域降水变化趋势的研究成果。
B.Alijani等运用地理统计等方法计算日降水的强度和集中度，研究发现，伊朗年降水量主要来自于少数高强度的极端降水事件[1]。
Tommaso Caloiero研究了新西兰日降水集中的时空模式，发现新西兰北岛降水最集中，南岛的东西两侧降水集中趋势存在显著地域差异，南岛西侧日降水集中程度比东侧低[2]。
在国内，Zhang等分析了降水集中程度和集中时期的时空变化，在研究年内降水分配上有着很好的实用性，但方法过于繁杂[3]。
芮城县日照时数变化特征及其对苹果花期的影响
芮城县日照时数变化特征及其对苹果花期的影响芮城县位于山西省西南部，属于温带季风气候区，气候温和湿润，适宜水果生长。
而日照时数作为影响植物生长的重要因素之一，对于苹果的花期及果实的生长发育有着重要影响。
本文将探讨芮城县日照时数变化特征及其对苹果花期的影响。
一、芮城县日照时数变化特征芮城县的气候整体上属于温带季风气候，四季分明，春季气温适宜，夏季温暖，秋季凉爽，冬季寒冷。
根据历史气象数据统计，芮城县的日照时数在不同季节和不同月份都存在一定的变化特征。
春季：春季是果树的萌芽期和生长期，日照时数的增加对果树的生长有着重要的促进作用。
在芮城县，春季的日照时数较为稳定，一般在每天8-10小时左右，有利于果树新梢的抽长和叶片的光合作用，为果树的花期铺垫了良好的基础。
秋季：秋季是果实成熟期，日照时数的减少有助于果实的着色和成熟。
在芮城县，秋季的日照时数逐渐减少，一般在每天8-9小时左右，有利于果实的着色和成熟，提高果实的品质。
芮城县的日照时数变化特征在不同季节和不同月份都存在一定的规律，这些规律为果树的生长发育提供了重要的气候条件。
二、日照时数对苹果花期的影响日照时数对于苹果的花期和果实的生长发育有着重要的影响。
三、日照时数变化特征与果实品质的关系日照时数的变化特征直接影响着果实的品质。
在芮城县，春季和夏季日照时数充足，有利于果实的生长和发育，提高果实的甜度和色泽。
而秋季日照时数减少，有利于果实的着色和成熟，提高果实的品质。
冬季日照时数较短，有利于果树的休眠和抗寒，为来年的生长发育提供了保障。
芮城县的日照时数变化特征与果实的品质有着密切的关系，日照充足有利于果实的生长和发育，提高果实的品质。
四、对策建议1. 合理利用日照资源：果农可以根据不同季节和不同月份的日照时数变化特征，合理安排果树的管理措施，如及时修剪、施肥和灌溉等，以提高果树的耐寒能力和抗病能力，促进果实的生长和发育。
2. 进行科学的栽培管理：果农可以选择适合当地气候特点的品种，合理选择种植时间和密度，进行科学的施肥和用药，以提高果实的品质和产量。
芮城县日照时数变化特征及其对苹果花期的影响
芮城县日照时数变化特征及其对苹果花期的影响芮城县位于山西省西南部，处于暖温带半湿润气候区，其气候特点是四季分明，夏季多雨，冬季寒冷干燥。
该县是著名的水果产地之一，苹果是该县主要的果树作物之一，对气候变化的响应十分敏感。
本文旨在研究芮城县日照时数变化特征及其对苹果花期的影响。
从历史上的气象数据来看，芮城县的日照时数呈现明显的波动变化，年际变化比较大。
1.年际变化较大从1990年到2019年的气象数据表明，芮城县的年日照时数在1000至2500小时之间，年份间的变化比较大。
其中，最低的年份日照时数只有1070小时，最高的年日照时数达到了2435小时。
2.春、夏、秋季节日照时数较长在芮城县，春、夏、秋季节的日照时数较长，几乎都在600小时以上。
其中，夏季日照时数最多，达到了900小时左右。
而冬季日照时数最少，平均只有350小时左右。
3.近20年来日照时数总体呈下降趋势从2000年开始，芮城县的日照时数呈现总体下降的趋势。
尤其是2005年以后，日照时数下降得更加明显。
苹果是芮城县的主要农作物之一，而苹果的开花期又是影响苹果产量的重要因素之一。
日照时数是影响苹果花期的一个重要气候因素，下面就日照时数对苹果花期的影响做一些讨论。
1.日照时数的多少对花期的影响苹果花期与日照时数之间存在着比较明显的相关性。
一般情况下，苹果花期的推迟与日照时数的减少有关。
如果一年中日照时数较多，那么苹果的花期就会提前。
相反，如果日照时数较少，那么苹果的花期就会推迟。
近年来，随着气候变化加剧，芮城县的日照时数逐渐减少，导致苹果花期变得越来越晚。
事实上，日照时数对苹果花期的影响不仅仅是因为日照时数对光合作用的影响，还因为日照时数对温度的影响。
日照时数与温度通常存在反相关关系，日照时数减少会导致温度变低。
而温度是苹果花期的第二重要的气候因素，春季气温过低会延迟苹果花期。
三、总结日照是影响苹果花期的重要气候因素之一，芮城县的日照时数变化呈现出年际波动大、近20年来有下降趋势的特点。
汛期降水集中期判定和划分等级规范
汛期降水集中期判定和划分等级规范1范围本标准规定了江西省汛期降水集中期的术语、定义、判定和等级划分计算方法。
本标准适用于江西省汛期降水集中期的监测、预报预测、评估及防汛减灾服务等。
2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。
其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
GB31221-2014气象探测环境保护规范地面气象观测站GB/T28592-2012降水量等级3术语和定义下列术语和定义适用于本文件。
3.1国家地面气象观测站national surface meteorological observation station包括国家基准气候站、国家基本气象站、国家气象观测站。
注：在本文件中将国家地面气象观测站简称为观测站，单个地面气象观测站称为单站或站点。
[来源:GB31221-2014,2.1,有修改]3.2日雨量daily rainfall单站的当日08时到次日08时或者从前一日20时到当日20时的累计降雨量（单位：mm）记为本站当天的日雨量。
单站日雨量等级见表1。
[来源:GB/T28592-2012,4,有修改]表1降雨量等级等级24h降雨量(单位：mm)微量降雨（零星小雨）＜0.1小雨0.1～9.9中雨10.0～24.9大雨25.0～49.9暴雨50.0～99.9大暴雨100.0～249.9特大暴雨≥250.03.3全省平均日雨量mean daily rainfall over the whole province全省观测站的日雨量算术平均值。
单位：mm ，精确到小数点后一位。
3.4降水集中期the heavy precipitation concentration period降水集中期，指汛期（3-7月）某一区域持续3d 及以上出现强降水（大雨、暴雨、大暴雨及特大暴雨）的现象，是容易引发洪涝及次生灾害的降水时段。
运城市降水集中度和集中期的时空特征分析
运城市降水集中度和集中期的时空特征分析藏曦【摘要】Based on the pentad data of precipitation from 9 stations in Yuncheng during 1960-2014, the characteristics of spatiotemporal distributions of annual precipitation, precipitation-concentration degree (PCD)and precipitation-concentration period (PCP)in recent 55 years are studied by using linear-trend,Mann-Kendall curve, correlation and synthetic analysis methods. The results show that annual precipitation is ina decreasing trend in the past 55 years,and the climatic tendency rate is-7.94 mm/decade. The variability of PCD is between 0.30 and 0.72,the average is 0.53.The average of PCP is 41.63 pentad,the difference between the latest and the earliest is 13 pentad. The regional difference of annual precipitation decreased significantly from southeast to northerwest. The PCD has 2 large and 2 small centers and increases from the southest to the northeast.The PCP in the south area is earlier than that in the northern area. There is a positive relationship between PCD, PCP and annual precipitation, flood season precipitation, mothly precipitation, pentad maximum precipitation, daily maximum precipitation.The year with large flood season precipitation, mothly maximum precipitation pentad maximum precipitation, daily maximum precipitation, is also the year with larger PCD, which indicate the high possibility of flood disaster and latter PCP.%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、Mann-Kendall曲线、相关系数和合成分析等方法探讨了运城市近55a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-7.94mm/10a;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.【期刊名称】《沙漠与绿洲气象》【年(卷),期】2017(011)001【总页数】5页(P76-80)【关键词】降水;降水集中度;降水集中期【作者】藏曦【作者单位】芮城县气象局,山西芮城 044600【正文语种】中文【中图分类】P426.61水资源作为一种重要的自然气候资源，与工农业生产和人们的生活都有着非常密切的关系。
基于降水集中度方法的安徽省主汛期降水时空特征分析
基于降水集中度方法的安徽省主汛期降水时空特征分析王胜;石磊;谢五三;程智;戴娟【期刊名称】《中国农业气象》【年(卷),期】2010(031)004【摘要】利用安徽省1961-2009年6-8月降水资料,运用降水集中度和集中期分别讨论了主汛期降水时空分布特征和变化规律,并对多雨年和少雨年的集中度进行了比较.结果表明:降水集中度(PCD)和集中期(PCP)能够定量地表征降水量在时空场上的非均一性.安徽省主汛期降水集中度和集中期总体呈由南向北增大的空间分布;全省平均PCD值和PCP值的年际和年代际变化均较明显.PCD的EOF展开前三个特征向量累积方差贡献率达57%.第一特征向量表现为全省一致性,而第二特征向量表征为南北反相,第三特征向量表征为南北和中间反相.合成分析表明,多雨年的PCD值比少雨年大,而多雨年PCP值比少雨年小.总体来看,通过PCD和PCP提取最大降水重心及对应时段,为分析极端降水事件形成机制提供依据.【总页数】5页(P507-511)【作者】王胜;石磊;谢五三;程智;戴娟【作者单位】安徽省气候中心,合肥,230031;安徽省气象局,合肥,230061;安徽省气候中心,合肥,230031;安徽省气候中心,合肥,230031;安徽省气候中心,合肥,230031【正文语种】中文【相关文献】1.1960-2014年淮河上中游流域年降水和主汛期降水的时空分布特征 [J], 王景才;徐蛟;蒋陈娟;黄金柏2.近40a贵州主汛期降水时空变化及其异常年低频特征分析 [J], 孔德璇;杨春艳;刘莉娟;刘相3.近40a贵州主汛期降水时空变化及其异常年低频特征分析 [J], 孔德璇; 杨春艳; 刘莉娟; 刘相4.基于降水集中度和集中期的关中地区降水时空化特征分析 [J], 李斌; 王莉5.基于降水集中度的昭通市昭阳区降水特征分析 [J], 李绅东;贾韬;申开旭因版权原因，仅展示原文概要，查看原文内容请购买。
河南省降水集中程度研究
河南省降水集中程度研究王纪军1,2,3,裴铁璠1,苏爱芳4,孔海江4,顾万龙3【摘要】摘要:利用河南省49个台站1957—2005年逐候降水资料,运用降水集中度和集中期分析了河南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0.515,集中期平均为40.029候;降水集中度的EOF分析显示取前6个特征值对应的特征向量可解释80%以上的方差;第一气候模态表现为全省一致性,第二气候模态表征为河南省南、北部的反相;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简单,基本为带状分布。
【期刊名称】人民黄河【年(卷),期】2010(032)010【总页数】3【关键词】关键词:时空分布;降水集中期;降水集中度;河南省我国华北地区降水量自20世纪60年代中期开始偏少,从1970年开始,降水量的减少趋势在范围和强度上都非常显著[1],20世纪80年代后干旱化加重[2-4]。
持续的干旱不仅制约了经济发展,同时对生态环境也造成了恶劣影响[5]。
河南省地处北亚热带向暖温带过渡的大陆性季风气候区内,属于对全球变暖最敏感的地区之一,加之境内地理条件复杂,降水量的水平及垂直差异显著。
由于每年降水量时空分布的非均匀性,因此比较容易形成旱涝灾害[6]。
笔者依据华北地区降水方面的相关研究[1,5,7-9],对河南省降水集中程度和集中日期进行了分析。
1 资料和方法1.1 研究区域和资料所用资料为河南省气候中心整编的1957—2005年 49个站(约占河南省所有台站总数的 50%)的逐候降水数据,站点分布相对均匀。
1.2 降水集中度和集中期的定义对一个区域降水量的年内分配进行标示时,一般采用各候或各季降水量占年降水量的百分比,用等值线的方式进行标示。
这种方法不能用比较简明的数据来统一地反映降水量在年内各时段的集中程度以及出现的时段。
降水集中度开题报告
降水集中度开题报告降水集中度开题报告一、研究背景和意义降水集中度是指在一定时间内，降水量在时间和空间上的分布特征。
降水集中度的大小对于气候变化、水资源管理、农业生产等方面都具有重要的影响。
在全球气候变暖的背景下，研究降水集中度的变化趋势以及其对社会经济的影响，对于制定应对气候变化的政策和规划具有重要的意义。
二、研究目标和内容本研究旨在分析降水集中度的变化趋势，并探讨其对人类社会的影响。
具体研究内容包括：1. 收集历史降水数据：通过收集各地区的历史降水数据，建立降水集中度的统计模型。
2. 分析降水集中度的变化趋势：利用统计学方法，对不同地区和不同时间段的降水集中度进行分析，探讨其变化趋势。
3. 探讨降水集中度与气候变化的关系：通过对降水集中度和气候变化的相关性进行研究，揭示二者之间的内在联系。
4. 研究降水集中度对社会经济的影响：通过对降水集中度与农业生产、水资源管理等方面的关系进行研究，分析其对社会经济的影响。
三、研究方法和数据来源本研究将采用以下方法进行研究：1. 统计学方法：通过对历史降水数据的统计分析，建立降水集中度的统计模型，揭示其变化规律。
2. 相关性分析：通过对降水集中度和气候变化的相关性进行分析，探讨二者之间的关系。
3. 案例研究：选择几个具有代表性的地区，通过对其降水集中度和社会经济的关系进行深入研究，揭示降水集中度对社会经济的影响。
数据来源包括：1. 气象数据：从气象部门获取各地区的历史降水数据。
2. 统计数据：从相关部门获取社会经济数据，包括农业生产、水资源管理等方面的数据。
四、预期成果和创新点本研究预期将得出以下成果：1. 揭示降水集中度的变化趋势：通过对历史降水数据的分析，揭示降水集中度的变化趋势，为制定应对气候变化的政策和规划提供科学依据。
2. 探讨降水集中度与气候变化的关系：通过对降水集中度和气候变化的相关性进行研究，揭示二者之间的内在联系，为深入理解气候变化的机制提供新的视角。
2023-2024学年山西省运城市高一上学期期末调研地理试卷
2023-2024学年山西省运城市高一上学期期末调研地理试卷我国科学家自主研制的墨子巡天望远镜（左图），是目前北半球光学时域巡天能力最强的设备，安置于青海省海西州冷湖镇海拔4200米的高山上，2023年9月17日正式启用，其获取的仙女座星系图片（右图）也于当日发布。
完成下面小题。
1．墨子望远镜项目选址在西部远离人烟、高海拔地区，主要原因是（）①海拔高，大气稀薄②晴天多，光照条件好③水汽少，云量少④人类活动影响少A．①②③B．①③④C．②③④D．①②④2．仙女座星系属于（）A．地月系B．太阳系C．河外星系D．星际物质甲图中的康拉德面是地球内部的次级不连续面，平均深度约20千米（陆地处）。
其深度变化较大，最深约40千米，陆地最浅约10千米，海洋上明显浅得多，甚至没有。
乙图示意地震波波速与地球内部圈层结构示意图。
完成下面小题。
3．推测康拉德面位于（）A．地核B．下地幔C．地壳D．上地幔4．乙图中（）A．①圈层的温度、压力、密度都较小B．②圈层最可能为液态C．③圈层横波不能通过D．④圈层的厚度海洋较陆地大北京时间2023年10月31日8时11分，神舟十六号载人飞船返回舱在东风着陆场成功着陆。
图为神舟十六号载人飞船返回舱返回场景。
据此完成下面小题。
5．神舟十六号载人飞船返回舱在返回地面过程中，依次经过（）A．对流层、电离层、平流层B．平流层、对流层、电离层C．电离层、臭氧层、对流层D．对流层、臭氧层、电离层6．返回舱返回过程中，经历的平流层的大气特点是（）A．有极光现象B．气温随高度的上升而上升C．天气复杂多变D．气流主要做水平运动，不利于飞机飞行下图是2022年1月16日某时刻我国南方部分区域气压分布图。
读图，完成下面小题。
7．图示时刻，昆明地区的风为（）A．西北风B．东北风C．东南风D．西南风8．该时刻重庆、武汉、广州、上海四地风力最大的是（）A．重庆B．广州C．上海D．武汉下图示意城市下游某水文观测站强降水期间记录的城市发展前、后两次径流过程曲线对比，据此完成下面小题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
芮城县降水集中度和集中期特征分析
作者：藏曦
来源：《科技与创新》2017年第02期
摘要：利用芮城县1960—2014年近55年的逐日降水资料，计算了55年来芮城县降水集中度（PCD）和集中期（PCP），并讨论了它们的年际、年代际变化特征。
结果表明，芮城县的年降水量呈下降趋势，降水量倾向率为-6.8 mm/10年。
芮城县年降水量平均集中度有弱上升趋势，集中期有略推迟趋势。
PCD与汛期降水量、月最大降水量和年降水量都有很好的正相关，PCP与汛期降水量的正相关性较好，而与年降水量的相关性不明显。
汛期多雨年的PCD 明显比少雨年的大，多雨年降水更加集中，年降水量、月最大降水量也明显偏大，更易出现暴雨洪涝灾害。
关键词：降水；集中度；集中期；气象灾害
中图分类号：P426.024 文献标识码：A DOI：10.15913/ki.kjycx.2017.02.026
芮城县位于山西省西南部，南临黄河，背靠中条山，境内地形复杂，山、沟、涧、川、垣一应俱全，特殊的地形地貌致使干旱、局地强降水等气象灾害频发，给工农业生产和人们生活带来了严重影响，同时造成很大的经济损失。
过去，人们对降水量变化的研究大多只注重其年变化或月变化，这在一定程度上能反映出降水的气候基本状态和变化，但不能很好地反映出降水时空分布不均性的特点，而降水的时空分布不均与某区域的洪涝或干旱有着密切关系。
另外，以往的研究关注更多得是某个大范围区域的降水情况，而对某个县域降水分布情况的研究甚少。
而降水的集中程度如何、主要集中在哪个时间段这些降水特性对实际服务工作更加重要。
关于降水集中程度的问题，张录军等首先提出了降水集中度（PCD）和集中期（PCP）概念和具体计算方法，将候降水看作一个矢量，用此来度量某一时段降水非均匀性。
张录军用此方法提取出我国长江流域最大降水重心对应的时段，较好地分析出发生旱涝灾害的基本特征与成因；张金玲等认为广东地区后汛期PCD高值年，则北方高压更易南伸导致强降水；纳丽等发现在宁夏地区PCD与PCP存在显著的正相关，在华北，雨季降水量与PCD和PCP存在一致的正相关性。
芮城作为一个小范围区域，其降水变化特征与上述研究情况是否相同呢？本文就采用PCD和PCP来具体讨论芮城县候降水量集中程度的变化规律和特征，期望研究结果对提高旱涝灾害的预测能力和服务能力，减少社会经济损失等具有一定指导意义。
1 资料和方法
1.1 资料选取
所用分析资料是芮城国家一般气象站1960—2014年逐日降水量序列，平均值为1981—2010年的30年平均。
1.2 集中度（PCD）和集中期（PCP）的定义
降水集中度和集中期是表征单站降水量时间分配的参数，其定义计算公式如下：
. （1）
. （2）
. （3）
. （4）
式（1）（2）（3）（4）中：Ri为某测站研究时段内总降水量；rij为研究时段内某月（候）的降水量；θj为研究时段内各月（候）对应的方位角（整个研究时段的方位角设为360°）；i为年份（i＝1961，1962，…，2013）；j为研究时段内的月（候）序（j＝1，2，…，N），N＝12或72.
这种定义方法是把某一月或候的降水量定义为该降水矢量的模，研究时段看作是一个圆周，该月或候与圆上0°的夹角为该矢量的方向，将多月或多候的降水矢量进行合成。
合成后的模与总降水量的比值定义为集中度，合成后的矢量方位角定义为集中期。
因此，集中度能够反映降水总量在研究时段内各个月或候的集中程度，集中期能够指示出向量合成后重心所指示的角度，反映了一年中最大月或候降水量出现在哪一个时段内。
由式（1）和式（2）可知，如果在研究时段中，降水量集中在某一月或候内，则它们合成向量的模与降水总量之比为1，即PCD为极大值；如果每个月或候的降水量都相等，则它们各个分量累加后为0，即PCD为极小值。
因此，集中度能够反映降水总量在研究时段内各个月或候的集中程度，集中期能够指示出向量合成后重心所指示的角度，反映了一年中最大月或候降水量出现在哪一个时段内。
2 分析结果
2.1 降水量的年际变化特征
芮城县近55年来的年平均降水量为509.0 mm，年降水量最大值出现在2003年，为848.7 mm，最小值出现在1995年，为264.4 mm，二者相差584.3 mm，最大值与最小值之比为3.21.如图1所示，1960—2014年，芮城县年降水量的年际变化很大，尽管为多雨年与少雨年交替出现，但整体呈下降趋势，线性递减趋势系数为6.8 mm/10年，这与高文华等人的结论一致，但芮城降水减少趋势明显高于整个晋东南地区（－1.61 mm/10年）。
20世纪60年代中期—80年代初，年降水量变化幅度较小，基本在平均值附近浮动；1965年前和80年代后降水量年际变化幅度增大，其中变化最大的是1997和1998年，相差406 mm。
年降水量极大值和极小值均出现在此阶段，出现极大值和极小值的年份也明显增多。
2.2 月降水量的变化特征
经统计发现，芮城县降水主要集中在7—9月，占全年总降水量的52.3%；5月、6月和10月平均降水量基本相同，在46～54 mm之间；12月—次年2月平均降水量极少，仅占全年的3%.通过计算55年来各月的趋势系数对芮城各月的降水变化，发现2月、5月、6月、8月、9月降水量有略微增加趋势，其他月份降水呈减少趋势，其中4月减少最为明显，其次是10月，变化最不明显的1月，其次是12月。
2.3 降水PCD和PCP的年际变化特征
从PCD的年变化趋势图（图2a）可以看出，芮城县PCD的变化范围在0.21～0.7之间，多年平均值为0.52.PCD整体变化趋势不明显。
如果PCD大于多年平均值，则可认为该年降水较为集中；反之，PCD小于多年平均值时，则该年降水不太集中，较为分散。
PCD越大，则降水就越集中在某一候内，就比较容易出现洪涝灾害，需引起重视；PCD越小，则降水越不集中在某一候内，各候的降水分布就越均匀。
55年中，有31年的PCD值大于0.52，说明这31年候降水趋于集中；16年的PCD值小于0.52，说明在这16年中降水以不集中为主。
1967—1975年连续9年、1989—1991年连续3年PCD≤0.52，1975—1988年连续14年、2010—2014年连续5年PCD≥0.52，说明芮城降水PCD具有一定的连续性。
由图3b可以看出，芮城县PCP的变化范围在34候（6月中旬）～50候（9月上旬）之间，多年平均值为42候（7月第6候）。
最早出现在1998年（34.1候），最晚出现在2011年（49.7候），二者相差15.6候。
55年中，有23年PCP大于42候，说明最大候降水出现的偏晚；20年的PCP小于42候，说明这些年份的气最大降水出现的偏早。
PCP整体呈弱增加趋势，趋势系数为0.05候/10年，表明在芮城每10年集中期推迟了0.05候，没有通过0.05置信度水平的显著性检验。
（a）集中度
（b）集中期
2.4 PCD和PCP的年代际变化特征
我们通过Mann-Kendall曲线来分析芮城县PCD和PCP的年代际变化特征，发现PCD和PCP的M-K曲线变化趋势基本一致，这也表明PCD和PCP有着较好的正相关。
从图3a可以看出，芮城县PCD值20世纪60年代中期前为波动中上升，60年代中期—70年代中期为下降阶段，70年代中期—80年代中期为快速上升阶段，到1982年达到临界值后继续上升，表明PCD增加非常显著，至1984年达到最大后波动中下降，1990—2010年小幅度波动，2010年后又开始上升。
从PCP（图3b）M-K曲线可以看出，20世纪70年代初—90年代末，PCP持续上升，至1977年超过临界值，PCP增加显著，通过了0.05的显著性水平检验；2000—2010年初转为下降，10年代后又开始上升。
（a）PCD曲线变化趋势
（b）PCP曲线变化趋势
2.5 降水相关关系
下面讨论降水集中度、集中期与年降水量、汛期（6—9月）降水量、月最大降水量、候最大降水量和日最大降水量之间的关系。
由表2可以看出，芮城县降水集中度PCD与年降水量、汛期降水量、月最大降水、候最大降水和日最大降水之间有着明显的正相关性，其中PCD与汛期降水量和月最大降水量之间的相关性最好，都通过了99%的显著性检验，其次是与年降水量，通过了95%的显著性检验，说明PCD越大的年份，年降水量、汛期降水量、月最大降水量也明显偏多，出现洪涝灾害的可能性也越大。
PCP与汛期降水量有较好的正相关性，说明降水集中期偏晚则汛期降水量将偏大；PCP与6个不同降水量的相关性不如PCD明显，均未通过显著性检验。
3 结论
通过对芮城县1960—2014年这55年来降水量的分析，得出如下结论：①近55年来，芮城县年降水量整体呈下降趋势，线性递减趋势系数为6.8 mm/10年。
年降水量的变化具有阶段性特征，1965—1982年，年降水量在平均值附近小幅浮动；1965年前和1982年代之后，降水量年际变化幅度很大。
②近55年来。
芮城县的降水主要集中在7—9月，占全年总降水量的52.3%，12月—次年2月仅占全年的3%.③1960—2014年芮城。