首页 > 论文范文 > 自然科学论文 > 气象学论文 > 天气学论文 > 基于短历时暴雨雨型与降水特征进行吉首市降水研究

基于短历时暴雨雨型与降水特征进行吉首市降水研究

2020-05-28 411 上传者：管理员

摘要：为了给城市防涝规划、积涝预报预警、给水排水、工程设计与建设等提供科学支撑和参考,对吉首市近10年的降水特征进行分析,发现吉首市年平均降水量为1534.3mm,年最大降水年份为2014年,降水量为2209.4mm,占10年内总降水量的14%;月平均降水量最大值为260.0mm,出现在6月,最小值为35.9mm,出现在1月。通过模糊识别法以及PC法对吉首市短历时暴雨进行分析,发现吉首市暴雨类型主要为单峰型,且中部单峰型雨型的比例最大。其中,模糊识别法发现中部单峰型雨型的比例最大,占比为37.04%;PC法发现短历时暴雨在第13个时段出现的降水量最高,占总降水量比值为5.71%。

关键词：
吉首市
天气学
暴雨雨型
降水特征
加入收藏

近年来,由于全球变暖趋势的日益加剧,导致暴雨频发。在我国,暴雨是常见的气象灾害,已经成为影响人们生活工作的极端天气之一[1,2]。暴雨频发不仅会导致山洪、滑坡、泥石流、崩塌等地质灾害的发生,还会出现城市内涝、江河暴涨等现象,对人民的生命财产安全造成严重威胁。吉首市地处我国湖南省西部地区,属于中亚热带湿润季风气候区,整个湖南属于三面环山朝东北开口的马蹄形盆地,西高东低,南高北低,地表起伏大,四水、四口向洞庭湖汇集,呈辐聚状水系,且地貌类型复杂多样,以山丘地貌为主,因此,由于地形和地理位置的特殊性,形成了明显的季风气候特征,四季都可发生灾害性天气,尤其是长时间受到暴雨袭击,对城市造成的灾害不容忽视,因此,对于吉首市地区暴雨的分析与预测势在必行。

雨型是描述降雨强度在时间尺度上的变化特征,雨型有不同的分类方法,依据不同类型的降雨过程(即雨型)计算出的地表径流和洪峰流量会产生较大的差异[3]。国内外对于暴雨雨型的研究分类方法颇多,最初苏联包高马佐娃通过对乌克兰等地的降雨资料进行研究分析,总结了7种经典的雨型[4,5]。1975年Pilgrim等[6]基于数理统计原理提出了一种级序平均法(也称P&C法)推求暴雨雨型。之后人们常常采用模糊识别分析法对暴雨雨型进行分析,如王彬雁等[7]用模糊识别法成功分析了北京城区暴雨雨型,王安琪等[8,9]通过模糊识别法和PC法相结合,分别分析了上海暴雨雨型及江苏的暴雨雨型;张鹭等[10]也运用了模糊识别和PC法等多种方法进行了暴雨雨型的探索;王光明等[11]利用多种方法推求湖南省14个地(市、州)的短历时暴雨雨型,提出芝加哥法和P&C法结果接近实际情况,均可用于湖南短历时暴雨雨型的设计当中。可见,这几种方法在国内外已经得到了广泛应用,也是目前气象业务中被推荐采用的雨型分析方法。

笔者对吉首市近10年的降水特征进行分析,得到吉首地区降水年和月的规律,再选用模糊分析法和PC法对吉首近10年短历时暴雨雨型进行分析,旨在为城市防涝规划、积涝预报预警、给水排水、工程设计与建设等提供科学支撑和参考。

1、资料与方法

1.1资料

选取吉首国家基准气候站作为研究站点,整理出2009—2018年共10年的地面降水资料,其中逐月和逐年地面降水资料用于降水特征的分析,逐分钟地面降水资料用于暴雨雨型的分析。

1.2降水特征分析方法

采用统计分析的方法,对降水数据进行分类汇总,然后根据数据结果对吉首市降水特性进行分析研究。

1.3暴雨场次的划分方法

AdamsBJ等发现,当间隔小于60min时,降水统计特性与降雨场次的划分有极大相关性,对研究不利;当间隔在60～360min时,此时的降雨特性与降雨场次划分相关性不大,有代表性且利于实际应用[6]。因此,该研究降雨时间间隔采用120min,选择120min连续降水且降雨量≥20mm为一个暴雨场次,为了便于分析,将120min又划分为24个小时段,即5min1个时段,为单个时段进行雨型分析。

1.4模糊识别法

根据各时段降雨量变化特征及雨峰位置,将雨型归纳为7种主要模型,具体如图1所示[10]。

图1模糊识别法模型

注:Ⅰ、Ⅱ、Ⅲ为单峰雨型,Ⅳ为均匀雨型,Ⅴ、Ⅵ、Ⅶ为双峰雨型

1.5P&C法

①将每一场暴雨分成24个小段,将每个时段的雨量排上序号,大雨量对应小序号,即每一场暴雨都有24个序号;②将每个时段对应的序号取平均值,取值由小到大对应该时段的暴雨强度由大到小;③计算每场暴雨每个时段降雨量与总降雨量的比值,取平均值;④以确定的最大可能次序(步骤2)和确定的分配比例(步骤3)为前提,构成雨量过程曲线。

2、结果与分析

2.1降水特征

分析2009—2018年的降水数据,得到吉首市降水总量的分布情况,如图2、3所示。由图2可见,2009—2018年吉首市年总降水量为981.1～2209.4mm,其中2010年、2012年、2014—2017年的年降水量均高于1500mm,占10年内总降水量的55.6%,年最大降水年份为2014年,降水量为2209.4mm,占10年内总降水量的14.0%,年平均降水量为1534.3mm。

由图3可知,2009—2018年吉首市月平均降水量最大值出现在6月,为260.0mm;最小值出现在1月,为35.9mm。其中降水主要出现在5、6、7月,占到了整年降水量的45%。

图22009—2018年吉首市年总降水量分布情况

图32009—2018年吉首市月平均降水量分布情况

2.2模糊识别结果

通过模糊识别法对吉首市2009—2018年短历时暴雨场次分布情况进行分析,结果如图4所示。由图4可知,吉首市10年内暴雨场次共108次,其中2014年有27次短历时暴雨,占总短历时暴雨场次的25%。

图42009—2018吉首市短历时暴雨次数

将2009—2018年各历时按照7种雨型类别进行分类,结果见表1。由表1可知,大部分降雨过程都属于单峰型,占61.12%,21.29%为双峰型,17.59%为均匀型,其中中部单峰型雨型所占的比例最大,为37.04%。由此可知,吉首市短历时暴雨雨型为单峰型,且为中部单峰型。

表1模糊识别法雨型统计比例

2.3P&C结果

根据PC法原理,将120min分成了24个时段,每个时段包含5min的降水时间,结果见图5和图6。由图5可知,横坐标为24个暴雨时段,纵坐标为降水量平均值,整个曲线呈中间高两边低的趋势,在第13个时段出现的降水量最高,为1.9mm。由图6所示,横坐标为24个暴雨时段,纵坐标为时段降水量与该时段总降水量比值的平均值,整个曲线呈现2个明显峰值,但都在第13个时段出现最高值5.71%,通过PC法进行调整,将图5中所得到的序号为横坐标,将图6得到的百分比为纵坐标,绘制如图7所示的曲线图。由图7可知,百分比呈现单峰型趋势,与模糊法分析的雨型结果相一致。

图52009—2018年吉首市短历时暴雨平均雨量值

图62009—2018年吉首市短历时暴雨降水百分比值

图72009—2018年吉首市短历时暴雨降水百分比值(PC法调整后)

2.4雨型分析方法对比

通过模糊识别和PC法2种雨型分析方法,获得了相同的雨型结果,均显示吉首市近10年短历时暴雨雨型为单峰型,且为中部单峰型雨型。这2种方法均将120min暴雨分成了24个暴雨时段来进行分析,但PC法比模糊分析法细致,将数据进行反复平均和对比,减小了误差,且能得到峰值的最大平均雨量百分值,更具说服力。因此,将采用PC分析法对吉首市的短历时暴雨雨型进行详细分析,并对各种方法的优缺点进行比较,找出最优的判别方法,可为城市防涝抗旱措施提供更精确的数据和更具说服力的科学依据。

3、结论

(1)选择2009—2018年吉首市近10年的降水量数据进行分析,结果表明:该市年平均降水量为1534.3mm。其中,年最大降水年份为2014年,降水量为2209.4mm,占10年内总降水量的14%;月平均降水最大值为260.0mm,出现在6月,最小值为35.9mm,出现在1月。

(2)通过模糊识别法对短历时暴雨进行分析,发现吉首市10年内暴雨场次共108次,其中2014年有27次短历时暴雨,占总短历时暴雨场次的25%。比较7种雨型发现,吉首市暴雨类型为单峰型,且中部单峰型雨型的比例最大,占比为37.04%。

(3)通过PC法分析可知,短历时暴雨在第13个时段出现的降水量最高,为1.9mm,时段暴雨量占总降水量比值为5.71%,百分比曲线图呈现中部单峰型趋势,与模糊法分析的雨型结果相一致。

参考文献：

[1]丁一汇,任国玉,石广玉,等.气候变化国家评估报告(Ⅰ):中国气候变化的历史和未来趋势[J].气候变化研究进展,2006,2(1):3-8.

[2]李刚,张鹭.基于微波探测资料的全球大气亮温长期变化趋势研究[J].气象科学,2016,36(1):10-19.

[3]中华人民共和国住房和城乡建设部.室外排水设计规范:GB50014—2006[S].北京:中国计划出版社,2014.

[4]莫洛科夫MB.雨水道与合流水道[M].施果林,谢锡爵,等译.北京:建筑工程出版社,1956:1-343.

[7]王彬雁,赵琳娜,巩远发,等.北京降雨过程分型特征及短历时降雨重现期研究[J].暴雨灾害,2015,34(4):302-308.

[8]王安琪,瞿宁玲,陈元芳,等.上海市杨浦区设计面暴雨量与设计暴雨雨型研究[J].水电能源科学,2018,36(8):1-4.

[9]孙伟,沈建,蒋小欣,等.江苏苏州市市区短历时暴雨雨型研究分析[J].中国防汛抗旱,2019,29(9):18-23.