• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    廣州市強對流過程綜合影響的評估方法

    2021-03-16 11:35:42魏蕾張靜李立宋日剛田聰聰
    廣東氣象 2021年1期
    關(guān)鍵詞:強對流強降水大風(fēng)

    魏蕾,張靜,李立,宋日剛,田聰聰

    (廣州市氣象臺,廣東廣州 511430)

    強對流天氣是廣州市各種自然災(zāi)害中出現(xiàn)次數(shù)最多的一種災(zāi)害性天氣,雖然它影響范圍小、持續(xù)時間短,但來勢猛、強度大,常常伴隨著狂風(fēng)、強降水、雷電等陣性災(zāi)害性天氣,其破壞力極大,影響波及到農(nóng)業(yè)、工業(yè)、電力、通訊、城市建設(shè)、航空、交通運輸?shù)雀餍懈鳂I(yè),并危及人民的生命財產(chǎn)安全[1]。廣州作為珠江三角洲的核心城市,人口眾多,建筑密度大,做好強對流天氣的綜合影響分析和評估,在為氣象防災(zāi)減災(zāi)工作提供科學(xué)依據(jù)的同時,也為今后防災(zāi)減災(zāi)措施的制定提供科學(xué)基礎(chǔ),這對于最大限度地減少人員傷亡和財產(chǎn)損失具有重要意義?,F(xiàn)階段,國內(nèi)不少學(xué)者或?qū)I(yè)人員主要在暴雨、臺風(fēng)等氣象災(zāi)害影響評估方面進行了較多研究,并取得了大量成果[2-8]。馬青云等[9]運用模糊數(shù)學(xué)綜合評判法建立了登陸我國臺風(fēng)的災(zāi)害影響評估模型,通過對隸屬函數(shù)的選取,來定量描述臺風(fēng)暴雨災(zāi)害及其次生災(zāi)害發(fā)生的程度;王秀榮等[10]將臺風(fēng)災(zāi)害指標(biāo)通過函數(shù)轉(zhuǎn)換和灰色關(guān)聯(lián)度分析確定了臺風(fēng)災(zāi)害綜合等級劃分標(biāo)準(zhǔn),建立了臺風(fēng)災(zāi)害綜合等級快速評估模型。廣東利用層次分析法建立了廣東省熱帶氣旋影響評估模式和系統(tǒng),同時利用主成分分析方法建立了暴雨災(zāi)害評估模型,并開展了應(yīng)用服務(wù)[11]。吳慧等[12]利用等權(quán)重法和百分位法建立了海南省區(qū)域性暴雨過程綜合強度的定量評估模型和等級劃分標(biāo)準(zhǔn),并實現(xiàn)了對當(dāng)?shù)貐^(qū)域性暴雨過程的逐日滾動評估。而針對城市強對流過程綜合影響評估的研究尚不多見。因此,強對流過程綜合影響定量評估工作迫在眉睫。本研究以廣州市為例,建立較為合理反映強對流過程強度、范圍和持續(xù)時間的客觀、定量化的影響指數(shù),并給出相應(yīng)的等級劃分標(biāo)準(zhǔn),為廣州市強對流過程的客觀定量化評估業(yè)務(wù)填補了空白。

    1 資料和方法

    1.1 資料

    本研究所用資料為廣州市394個自動站2016—2018年實況監(jiān)測數(shù)據(jù),包括小時雨量數(shù)據(jù)和小時內(nèi)極大風(fēng)速數(shù)據(jù),以及粵港澳閃電定位數(shù)據(jù),數(shù)據(jù)來源于廣東省氣象局大數(shù)據(jù)庫,并經(jīng)過嚴(yán)格的質(zhì)量控制。

    1.2 方法

    1)歸一化方法。

    由于所選指標(biāo)的單位不同,為消除指標(biāo)的量綱效應(yīng)和統(tǒng)一各指標(biāo)的變化范圍,采用式(1)進行歸一化處理:

    其中,x為待處理指標(biāo)值;xmin和xmax分別為各個指標(biāo)中的最小和最大值。經(jīng)過處理后,所有因子的值都在0~1之間。

    2)百分位數(shù)計算方法。

    百分位數(shù)計算采用Hyndman等[13]的經(jīng)驗公式。

    2 強對流過程識別和挑選

    強對流天氣是一種出現(xiàn)短時強降水、雷雨大風(fēng)、龍卷風(fēng)和冰雹等現(xiàn)象的災(zāi)害性天氣,由于廣州市出現(xiàn)龍卷風(fēng)和冰雹的概率較小,且缺乏相關(guān)的觀測資料,因此本研究主要研究以短時強降水、大風(fēng)和雷電為主的強對流過程。

    1)短時強降水。

    在[X,X+1]時段(X為整點),廣州全市范圍內(nèi)只要有一個自動站出現(xiàn)小時雨量≥20 mm,則X時刻作為短時強降水的開始時刻;在[Y,Y+1]時段(Y為整點),廣州全市范圍內(nèi)所有自動站的小時雨量<10 mm,則Y時刻作為短時強降水的結(jié)束時刻。

    2)大風(fēng)。

    在[X,X+1]時段(X為整點),廣州全市范圍內(nèi)只要有一個自動站出現(xiàn)小時內(nèi)極大風(fēng)速≥10.8 m/s,則X時刻作為大風(fēng)的開始時刻;在[Y,Y+1]時段(Y為整點),廣州全市范圍內(nèi)所有自動站的小時極大風(fēng)速<10.8 m/s,則Y時刻作為大風(fēng)的結(jié)束時刻。

    3)雷電。

    將廣州市劃分成空間分辨率為1 km×1 km的格點,全市范圍內(nèi)只要有一個格點出現(xiàn)雷電流≥10 kA,則其出現(xiàn)時刻向前取整點作為雷電的開始時刻;全市范圍內(nèi)所有格點的雷電流<10 kA,則其出現(xiàn)時刻向后取整點作為雷電的結(jié)束時刻。

    若以上3類強對流事件的起止時間出現(xiàn)重疊,則取最早開始的強對流事件對應(yīng)的開始時刻作為整個強對流過程的開始時刻,取最晚結(jié)束的強對流事件對應(yīng)的結(jié)束時刻作為整個強對流過程的結(jié)束時刻。此外,由于強對流天氣具有持續(xù)時間短的特點,在挑選強對流過程時,剔除了臺風(fēng)影響時段的過程以及由冷空氣造成的長時間強風(fēng)過程,保證了每一個強對流過程的持續(xù)時間在24 h以內(nèi);并且將時間間隔≤12 h的強對流過程進行合并,且合并后的過程持續(xù)時間仍要在24 h以內(nèi);同時,為避免因站點海拔高度較高導(dǎo)致的異常大風(fēng),剔除了海拔高度≥50 m的站點。按此原則,廣州市2016—2018年共出現(xiàn)699個強對流過程。

    3 強對流過程綜合影響程度評估模型建立方法

    3.1 評估指標(biāo)的選擇

    本研究挑選的強對流過程包含短時強降水、大風(fēng)以及雷電,表征其強度、范圍和持續(xù)時間的影響評估指標(biāo)見表1。

    表1 短時強降水、大風(fēng)以及雷電的影響評估指標(biāo)

    3.2 三類強對流影響指數(shù)的構(gòu)建和評估等級劃分

    首先,對3.1節(jié)中的各項指標(biāo)的數(shù)據(jù)序列進行歸一化處理,消除量綱的影響;其次,鄒燕等[14]在構(gòu)建福建區(qū)域性暴雨過程的綜合強度評估模型時,采用相關(guān)系數(shù)法確定了暴雨過程指標(biāo)的權(quán)重,經(jīng)參考并結(jié)合廣州實際,本研究確定了如下權(quán)重:表征短時強降水影響的10個評估指標(biāo)的權(quán)重分別為 0.2、0.4、0.05、0.05、0.05、0.05、0.05、0.05、0.05、0.05;表征大風(fēng)影響的 12個評估指標(biāo)的權(quán)重分別為 0.3、0.05、0.05、0.05、0.05、0.1、0.1、0.1、0.05、0.05、0.05、0.05;再次,利用等權(quán)重法確定表征雷電影響的評估指標(biāo)的權(quán)重系數(shù),從而分別構(gòu)建出短時強降水、大風(fēng)和雷電影響程度的評價模型(見式(2)、式(3)、式(4))。

    其中,Ir、Iw和It分別為短時強降水影響指數(shù)、大風(fēng)影響指數(shù)和雷電影響指數(shù);Xi(i=1,10)為短時強降水影響評估指標(biāo)的標(biāo)準(zhǔn)化值;Ai(i=1,10)為其權(quán)重系數(shù);Yj(j=1,12)為大風(fēng)影響評估指標(biāo)的標(biāo)準(zhǔn)化值,Bj(j=1,12)為其權(quán)重系數(shù);Zk(k=1,5)為雷電影響評估指標(biāo)的標(biāo)準(zhǔn)化值;Ck(k=1,5)為其權(quán)重系數(shù)。

    最后,基于短時強降水影響指數(shù)序列、大風(fēng)影響指數(shù)序列和雷電影響指數(shù)序列,以5%、20%、50%概率水平所對應(yīng)的指數(shù)值作為標(biāo)準(zhǔn),將短時強降水、大風(fēng)和雷電影響程度劃分為特別嚴(yán)重、嚴(yán)重、較嚴(yán)重和一般4個等級(見表2)。

    表2 短時強降水、大風(fēng)、雷電影響指數(shù)的評估等級劃分標(biāo)準(zhǔn)

    3.3 強對流過程綜合影響程度評估模型和等級劃分標(biāo)準(zhǔn)

    參考相關(guān)系數(shù)法并結(jié)合廣州實際,確定每個強對流過程的短時強降水影響指數(shù)Ir、大風(fēng)影響指數(shù)Iw和雷電影響指數(shù)It的權(quán)重,分別為0.4、0.4和0.2,得到各個強對流過程的風(fēng)雨雷綜合影響指數(shù)Irwt,從而構(gòu)建出強對流過程綜合影響程度的評價模型,見式(5)。

    其,Irwt為風(fēng)雨雷綜合影響指數(shù);Ir、Iw和 It分別為短時強降水影響指數(shù)、大風(fēng)影響指數(shù)和雷電影響指數(shù);A、B和 C為其權(quán)重系數(shù),分別為 0.4、0.4和0.2。

    基于廣州市2016—2018年699個強對流過程的風(fēng)雨雷綜合影響指數(shù)序列,以5%、20%和50%概率水平所對應(yīng)的指數(shù)值作為標(biāo)準(zhǔn),將廣州市強對流過程的風(fēng)雨雷綜合影響程度劃分為特別嚴(yán) 重 (Irwt≥0.318)、嚴(yán) 重 (0.183≤ Irwt<0.318)、較嚴(yán)重(0.074≤Irwt<0.183)和一般(Irwt<0.074)4個等級。

    以2016年4月12—13日強對流過程和2017年5月6—7日強對流過程為例,2016年4月12—13日颮線攜狂風(fēng)吹襲廣州,全市普遍出現(xiàn)了7~10級局部11~13級的陣風(fēng),黃埔區(qū)長洲街錄得最大陣風(fēng)39.9 m/s(13級)。由于風(fēng)力強,全市倒伏樹木約3 000株,多地出現(xiàn)工棚倒塌、道路受阻、車輛被毀、供電線路受損等災(zāi)情。對比評估模型結(jié)果,該過程的短時強降水、大風(fēng)、雷電和風(fēng)雨雷綜合影響指數(shù)分別為0.280(嚴(yán)重,歷史排名第85)、0.771(特別嚴(yán)重,歷史排名第 1)、0.505(特別嚴(yán)重,歷史排名第 13)和0.522(特別嚴(yán)重,歷史排名第2),以特別嚴(yán)重的大風(fēng)和雷電為主,短時強降水影響相對弱,綜合影響程度特別嚴(yán)重,與過程實況和災(zāi)情較為一致。2017年5月6—7日強對流過程的短時強降水、大風(fēng)、雷電以及風(fēng)雨雷綜合影響指數(shù)分別為0.877(特別嚴(yán)重,歷史排名第 1)、0.159(較嚴(yán)重,歷史排名第 210)、0.212(嚴(yán)重,歷史排名第82)和0.457(特別嚴(yán)重,歷史排名第 5),該過程以特別嚴(yán)重的短時強降水為主,大風(fēng)和雷電影響相對弱,綜合影響程度特別嚴(yán)重。對比過程實況和災(zāi)情來看,該過程雨強之猛刷新歷史極值、日雨量破廣州歷史紀(jì)錄、高強度降水持續(xù)時間長,造成廣州花都、增城、黃埔、白云和從化區(qū)出現(xiàn)嚴(yán)重內(nèi)澇,房屋倒塌約450間,受災(zāi)人口達2萬余人,經(jīng)濟損失1.77億,與模型評估結(jié)果較為一致。因此該模型對于廣州市強對流過程綜合影響程度的評估具有一定合理性,并且具有業(yè)務(wù)應(yīng)用的可能和價值。

    4 結(jié)論

    本研究將強對流過程分為短時強降水、大風(fēng)和雷電3類分別進行定義,選擇短時強降水持續(xù)時間、最大單站小時雨量、短時強降水覆蓋率等10個指標(biāo)表征短時強降水的強度、范圍和持續(xù)時間,選擇過程極大風(fēng)速最大值、6~7級大風(fēng)覆蓋率、6級及以上大風(fēng)時數(shù)等12個指標(biāo)表征大風(fēng)的強度、范圍和持續(xù)時間,選擇雷電覆蓋率、最大雷電流等5個指標(biāo)表征雷電流的大小、范圍和持續(xù)時間,通過對指標(biāo)序列的標(biāo)準(zhǔn)化、參考相關(guān)系數(shù)權(quán)重法并結(jié)合廣州實際建立了短時強降水影響指數(shù)、大風(fēng)影響指數(shù)、雷電影響指數(shù)和風(fēng)雨雷綜合影響指數(shù),采用百分位數(shù)法建立了評估3類強對流影響和風(fēng)雨雷綜合影響的等級劃分標(biāo)準(zhǔn),構(gòu)建了廣州市強對流過程綜合影響程度的定量評估模型。結(jié)果表明:

    1)基于本研究給出的強對流過程的識別方法挑選出的過程與歷史強對流過程基本吻合。

    2)強對流過程綜合影響程度定量評估模型將廣州市強對流過程分類,選取的評估指標(biāo)能夠較為合理地反映強對流過程的強度、范圍和持續(xù)時間,也客觀考慮了各指標(biāo)的權(quán)重,對強對流過程的描述更加全面合理。

    3)本研究采用的建模方法和建立的影響程度等級劃分標(biāo)準(zhǔn)具有一定合理性,廣州市強對流過程綜合影響程度評估模型具有業(yè)務(wù)化的可能和應(yīng)用價值。

    猜你喜歡
    強對流強降水大風(fēng)
    2020年江淮地區(qū)夏季持續(xù)性強降水過程分析
    哈爾濱2020年一次局地強對流天氣分析
    黑龍江氣象(2021年2期)2021-11-05 07:06:54
    突發(fā)性強對流天氣快速識別預(yù)警改進方法
    一次東移型西南低渦引發(fā)的強降水診斷分析
    青藏高原東北部地區(qū)一次強對流天氣特征分析
    大風(fēng)吹(二)
    幼兒100(2017年31期)2017-11-27 02:37:46
    大風(fēng)吹(一)
    幼兒100(2017年28期)2017-10-27 01:45:49
    人小鬼大狄仁杰
    四川盆地西南部短時強降水天氣特征分析
    遼寧強對流天氣物理量閾值探索統(tǒng)計分析
    鄯善县| 塔河县| 荆州市| 钟祥市| 库尔勒市| 方山县| 彰化县| 武强县| 顺义区| 靖远县| 出国| 高碑店市| 白水县| 永靖县| 温泉县| 大厂| 尖扎县| 西吉县| 蓝田县| 黎平县| 平利县| 县级市| 驻马店市| 金坛市| 和龙市| 星座| 筠连县| 桐柏县| 望奎县| 精河县| 东至县| 秦安县| 宝应县| 乃东县| 南昌县| 乌兰县| 浮梁县| 信阳市| 山阳县| 靖宇县| 宜都市|