漳州市30年暴雨时空分布特征与气象条件分析
漳州市30年暴雨时空分布特征与气象条件分析
漳州市30年暴雨时空分布特征与影响条件分析1杨德南漳州市气象局，漳州363000提要:利用漳州市1971～2000年30年地面降水观测资料,对漳州市暴雨的时空分布及其影响系统进行分析，结果表明：暴雨月时间分布呈现年头年尾少、年中多趋势，6～8月为暴雨高峰期；年平均暴雨日数和汛期3～10月暴雨日数地理分布呈现西南偏多、南北偏少特征；冬季暴雨日数分布呈现由南自北逐渐减少特征；暴雨落区与漳州地形特征紧密相关；暴雨主要在南支槽、西南急流、热带气旋影响的天气条件下发生。
关键词：暴雨；地形；南支槽；西南急流；热带气旋Analyses on the Space-Time Distribution Characteristics and Their Influence Conditions of Heavy Rainfall in Zhangzhou For Thirty YearsYANG Denan(Zhangzhou Meteorological Bureau,Zhangzhou 363000)Abstract:Based on daily observation data of precipitation in Zhangzhou from 1971 to 2000, the characteristics of the Space-Time Distribution of heavy rainfall and influencing conditions were summarized and analyzed.The results show that :As to the temporal variations ,number of heavy rainfall days was characterized by the distribution that it was less in the start-end of year and it was more in the mid of year.Number of heavy rainfall days was the most from June to August; As to the spatial variations , number of the yearly averaged heavy rainfall days and the heavy rainfall days in high-water or tide season were characterized by the distribution that it is the more in southwest Zhangzhou and it is the less in north-south Zhangzhou; number of the heavy rainfall days in winter gradually reduced from the south to the north .The area of heavy rainfall has a close relationship to the topography of Zhangzhou.Heavy rainfall occurred in general with the circulation characteristics of the south branch though or southwest jet or tropical cyclones.Key words:heavy rainfall；topography；the south branch though；southwest jet；tropical cyclones引言漳州市地处中国东南沿海，与台湾隔海相望，属亚热带季风湿润性气候，3～6月份西南季风主导着漳州天气，常导致强对流、暴雨、台风灾害性天气发生，尤其暴雨、台风最为频繁，每年造成的经济损失最为严重，仅06年强台风“珍珠”给漳州市带来连续2天的大暴雨过程，日雨量300毫米，直接经济损失37亿元。
近30年中国雷暴天气气候特征分析
近30年中国雷暴天气气候特征分析近30年中国雷暴天气气候特征分析引言：雷暴天气是一种常见的自然灾害，对人类的生活和经济产生重大影响。
随着全球气候变暖的趋势，雷暴天气的频率和强度也呈上升趋势。
针对中国近30年的雷暴天气气候特征进行分析，有助于深入了解中国雷暴天气的发展趋势，为天气预报和应对灾害提供可靠的科学依据。
一、雷暴天气的定义和形成机制雷暴天气是指在特定的大气环境下，云团产生强烈对流运动并伴随着闪电、雷声、狂风暴雨等现象的一种天气现象。
雷暴天气的形成机制主要包括大气具有强烈的垂直运动和上升运动，水汽充足以及大气中存在足够的不稳定能量等。
二、中国雷暴天气的时空分布特征中国是雷暴天气频发的国家之一，其时空分布特征存在明显的区域差异。
从时间上看，雷暴天气主要发生在夏季，其中以7-9月份较为集中。
从空间上看，中国南方地区雷暴天气发生频率较高，尤其是四川盆地、江南地区以及华南地区。
而中国西北地区雷暴天气发生频率较低。
三、近30年中国雷暴天气的变化趋势通过对近30年的中国雷暴天气数据进行统计和分析，可以发现以下几个变化趋势：1. 雷暴天气的频率呈上升趋势：近30年来，中国各地雷暴天气的发生频率明显增加。
这与全球气候变暖的趋势相吻合。
2. 雷暴天气的强度增加：近30年来，中国雷暴天气的强度呈上升趋势，即短时间内的降雨量增加、雷电活动更为频繁。
3. 雷暴天气的空间分布有所改变：近30年来，中国北方地区的雷暴天气发生频率逐渐增加，而南方地区的雷暴天气发生频率略有减少。
4. 雷暴天气与其他气象现象的关联性增强：近30年来，随着气候的变暖，中国雷暴天气与其他气象现象，如台风、暖湿气流等的关联性也越来越明显。
四、近30年中国雷暴天气的影响近30年来，中国雷暴天气的频率和强度的增加给社会经济和人民生活带来了诸多影响。
首先，雷暴天气引发的强降雨可能导致山洪暴发，造成洪涝灾害；其次，雷电活动对电力设施和通信设备造成威胁，可能引发火灾和设备故障；另外，由于雷暴天气伴随着强烈的风暴，可能对农作物和植被造成损失。
1950—2000年福建暴雨灾害灾情时空分析
1950—2000年福建暴雨灾害灾情时空分析江清华;高路【摘要】近年来极端降水事件的发生频率和强度呈显著增加趋势,基于自然灾害系统理论,选取灾情的主要指标:暴雨灾害频次、死亡人口和农田淹没面积,探讨了1950—2000年福建省暴雨灾害的灾情时空分布及趋势特征.研究发现:1)从时间变化上看,无论是暴雨灾害频次、死亡人口还是农田淹没面积,受灾最严重的月份均为5月和6月,其分别占全年灾情的68.0％、81.4％和76.2％.5月份的暴雨灾害灾情总体变化趋势均为先增加后减少,而6月份总体趋势均为先增加后减小然后再增加;2)从区域分布来看,年代际死亡人口的重灾区集中于南平市和龙岩市;农田淹没面积灾情最严重的地区为南平市、尤溪县、漳浦县、福州市区和闽侯县,并且有逐年扩大的趋势;3)从变化趋势上看,年代际死亡人口呈上升趋势,年际死亡人口约以6年为一个变化周期,且年际差有增大的趋势;年代际农田淹没面积呈波动上升趋势,年际农田淹没面积呈周期性上升,其周期从9年缩短到6年.随着气候变化(如台风)和人类活动(如快速城镇化)的双重影响下,福建面临越来越大的灾害风险,防灾减灾部门应给予密切关注.【期刊名称】《亚热带资源与环境学报》【年(卷),期】2019(014)002【总页数】8页(P41-48)【关键词】暴雨;灾害损失;灾害系统;福建【作者】江清华;高路【作者单位】福建师范大学地理研究所, 福州350007;福建师范大学地理科学学院, 福州350007;福建师范大学地理研究所, 福州350007;福建师范大学地理科学学院, 福州350007;福建省陆地灾害监测评估工程技术研究中心, 福州350007;湿润亚热带山地生态国家重点实验室培育基地, 福州350007【正文语种】中文【中图分类】X430 引言IPCC第五次气候变化评估报告指出，自1950年以来，全球地表持续升温，中国正以0.5～0.8 ℃/100a的速度增加，极端降水事件愈发频繁[1-2]。
漳州市自然环境概况
漳州市自然环境概况漳州自然环境地理位置概况漳州市位于福建省南部，北纬23° 24′~ 25° 15′，东经116° 51′~ 118° 08′。
东邻厦门，东北邻厦门市同安区和泉州市安溪县，北邻龙岩市漳平县和永定县，西邻广东省大埔县和饶平县，东南临太平洋，与台湾隔海相望。
总面积12600平方公里，占福建总面积的10.4%。
漳州行政区域包括襄城、龙文区、龙海、漳浦、小芸、诏安、东山、南京、平和、长泰、华安等县(即两区一市八县)，总面积12600平方公里，占福建总面积的10.4%，XXXX总人口456万。
地形学这座城市的特点是西北部是山区，东南部是沿海地区。
地势从西北向东南倾斜，依次为中山、低山、丘陵、阶地和平原。
西北部的薄冰山和北部的戴云山形成了西北部的中山地貌。
山峰海拔800多米，山脉规模相对较大。
河流切割强烈，山陡峭，山谷深而浅，土层浅，占城市总面积的5%。
低山位于中山与丘陵的过渡地带，范围狭窄，海拔500 ~ 800米。
沿海地区多为古代岛屿崛起形成的孤山。
这些山脉规模不大，但被流水强烈切割，山谷发达，地形破碎。
这些山仍然很陡。
该区约占XXXX 福建省第二土壤分类系统的1/2。
漳州市土壤类型分为7个土壤类型、13个亚类型和31个土壤属。
九龙江流域(漳州段)土壤主要有四种类型:赤红壤、红壤、黄壤和水稻土。
它们的分布面积约占盆地总面积的95%。
其中，红壤最大，约占全流域的62%，赤红壤次之，约占16%，黄壤和水稻土分别约占8%和9%。
此外，还有少量紫色土(约占2%)、冲积土、红石土、滨海风沙土和盐渍土。
区域土壤中微量元素汞、镉、锡的平均含量明显高于福建省和全国的背景值。
与全国土壤背景值相比，砷、铬、镍含量较低，而铅、锌等元素与全国土壤背景值相比有一定程度的富集。
植物漳州地带性植被属于闽南博平岭湿润的亚热带雨林群落。
主要植被是亚热带雨林。
由于历代王朝的破坏，它很少被保存下来。
1981～2010年漳州各县市霾的时空分布特征
1981～2010年漳州各县市霾的时空分布特征林凤英;吴建成;魏玲玲【摘要】利用1981～2010年漳州全市地面气象观测资料,采用线性回归等方法,分析了全市霾天气的时空分布特征.结果表明,近30年全市霾日数总体呈上升趋势;尤其近10年来的增长最为显著,且近10年霾日高发区呈现以漳州市区为中心的区域集中;高发区域为漳州的中东部地区,北部的华安县以及南部的沿海县市霾日少发.同时,霾日呈现出显著的月、季节变化特征,12月至次年5月都处于霾天气的高发期,其中1月和3月是霾日最多的月份,6月最少;季节上,春冬季较多,秋季次之,夏季最少,且春季霾日增长最快.【期刊名称】《海峡科学》【年(卷),期】2017(000)006【总页数】4页(P61-64)【关键词】漳州;霾天气;时空分布【作者】林凤英;吴建成;魏玲玲【作者单位】龙海市气象局;漳州市气象局;龙海市气象局【正文语种】中文在过去数十年间，全球陆地的大气能见度呈普遍降低趋势，其中亚洲过去十年的降幅最大[1]。
我国在经过三十多年的快速发展，大气能见度降低趋势明显[2]。
近年来，一些地区成为霾的重点覆盖区域，京津冀、珠三角、长三角、关中地区等城市经济带尤为显著[3-5]。
霾污染频发，影响范围广，严重的霾天气使大气能见度变差，直接引发各类海、陆、空交通事故以及城市空气质量问题，影响生态环境和人体健康,由霾引发的社会影响及经济损失巨大，日益引发关注[6-8]。
自20世纪70年代以来，发达国家开始关注霾污染问题，美国在1997年的《空气净化法》修正案中制定了专门条款来保护国家“联邦一类区”（包括国家公园和旷野地区）的能见度，使其免受人为大气污染物的影响[9]。
区域性的污染可导致霾延绵数十公里或数百公里。
在大范围广泛分布的排放源对区域霾均有贡献，并且由于滞留时间长，区域霾通常主要是由二次颗粒物所致[10]。
作为一座“田园都市，生态之城”，漳州市历年来空气质量优良率高达90%以上，但随着经济的发展，雾霾现象却日趋严重，霾天出现次数呈逐年上升趋势。
降雨数据时空精度对城市暴雨变异性及频率分析的影响
第34卷第3期2023年5月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.34,No.3May 2023DOI:10.14042/ki.32.1309.2023.03.007降雨数据时空精度对城市暴雨变异性及频率分析的影响庄㊀琦1,刘曙光1,2,周正正1,2(1.同济大学土木工程学院,上海㊀200092;2.中国气象局上海城市气候变化应对重点开放实验室,上海㊀200030)摘要:提升城市暴雨内涝防治精细化水平是解决城市洪涝问题的关键㊂采用16种不同时空分辨率的降雨产品,利用暴雨时空异质性评估指标和随机暴雨移置法,在上海地区定量评估降雨数据精度对暴雨事件时空变异性诊断和频率分析的影响㊂研究发现利用低精度降雨数据得到的年最大暴雨序列发生时间延迟㊁降水量低估,暴雨过程不均匀性提升㊁空间不均匀性降低;在不同重现期下,降雨数据精度对频率分析结果影响有显著差异,重现期越大,低精度数据带来的低估程度越大;时间精度的影响占主导地位,可达空间精度的5倍㊂在城市暴雨洪涝研究中有必要采用更高精度的降雨数据,建议与研究区域类似的小型城市地区在防洪设计中使用精度达(12h㊁0.05ʎ)或以上的降雨数据㊂关键词:城市极端降雨;时空分辨率;不确定性;频率分析;IDF 曲线;上海中图分类号:TV122㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)03-0398-11收稿日期:2023-01-29;网络出版日期:2023-04-19网络出版地址:https :ʊ /kcms /detail /32.1309.P.20230418.1444.002.html基金项目:国家自然科学基金资助项目(42271031;51909191)作者简介:庄琦(1997 ),女,江苏徐州人,博士研究生,主要从事城市水文㊁极端水文气象事件等方面的研究㊂E-mail:2110026@ 通信作者:周正正,E-mail:19058@ 在气候变暖及快速城市化的双重影响下,近年来中国地区性暴雨落区多与城市密集区重叠,城市防洪形势复杂严峻㊂极端暴雨事件在时间和空间尺度上的变异性[1]及频率变化显著[2],加之城市化流域面积相对较小㊁水文响应时间较快,城市洪涝管理精细化程度不高㊁设计标准不足等问题日益突显[3-5]㊂2019年发表在Water Resources Research 上的研究强调了城市水文学面临数据精度不足带来的挑战[6]㊂为匹配城市社会经济发展的需求㊁满足新阶段水利高质量发展要求,在城市地区亟待使用时空精度与发展目标相适配的观测数据来提升精细化城市水灾防御能力㊂降雨数据的时空精度(时空分辨率)很大程度上决定了对一场暴雨时空变异性的表达程度及频率分析的可靠程度[6]㊂国内外研究普遍发现使用精细时间分辨率的降雨数据能显著提高洪水模拟效果[7-8],而粗糙时间分辨率的降雨数据会造成暴雨量级(如最大雨强㊁累积雨量等)被低估,且暴雨过程(雨型)不准确,从而带来洪涝风险评估的偏差[9-10]㊂刘业森等[11]发现随着降雨数据空间分辨率降低,暴雨空间分布被坦化㊁洪峰计算误差随之增加;而Ochoa-rodriguez 等[12]发现降雨时间分辨率对洪水模拟结果的影响要超过空间分辨率,同时,随着流域面积的增加,降雨时空分辨率对计算结果的影响减弱;此外,Li 等[13]发现受多重水文气候因子的影响,不同时空分辨率下的暴雨洪水模拟精度会呈现出复杂的非线性特征㊂可见,降雨数据分辨率对暴雨以及洪水特征的刻画有重要影响,但是两者作用并非简单的线性关系,不同地区的结论尚不统一㊂系统化㊁定量化分析不同精度降雨数据对暴雨时空变异性及设计暴雨的影响仍是亟待深入探讨的重要问题㊂上海作为长三角一体化的核心城市,易受台风㊁暴雨㊁潮汐㊁洪水等多种灾害影响,是中国31个重点防洪城市之一㊂近年来,基于站点数据或单一精度卫星数据的研究已表明上海市极端暴雨事件的时空㊀第3期庄琦,等:降雨数据时空精度对城市暴雨变异性及频率分析的影响399㊀异质性变化及暴雨频率变化显著㊁城市洪涝灾害风险加剧[2,14-15],但未见该地区针对降雨数据精度的影响问题进行定量化探讨㊂基于此,本文在上海市区,构建16种不同时空分辨率组合的降雨数据,对比分析数据精度对暴雨时空变异性特征刻画能力㊁暴雨强度-历时-频率(IDF,Intensity-Duration-Frequency)曲线计算的影响,以期对降雨数据精度在城市暴雨 时-空-频 多维结构中的作用形成更为客观㊁定量的认识,并提出与研究地区最适宜的降雨数据分辨率范围,为提升城市水旱灾害防御能力㊁也为提升城市气象 三精 能力提供科学依据㊂1 研究区域及数据资料为研究小型城市区域降雨数据精度的适用性,本文选取上海市行政面积最小的黄浦区为研究区域,面积约为20.52km 2㊂利用美国国家航空航天局开发的GPM-IMERG 卫星降雨数据(Early V06B 版本,时间分辨率为1h,空间分辨率为0.1ʎ,https:ʊgpm.nasa.goc /data /directory)和47个上海市翻斗雨量计收集的逐时实测降雨数据,基于空间降尺度矫正技术获得2008 2017年上海市时空精度更高的格点降雨数据集(IMERG_CorSH,空间分辨率为0.01ʎ,时间分辨率为1h)作为本文的输入数据㊂图1㊀不同数据集降水空间分布及IMERG_CorSH 精度评估Fig.1Spatial distribution of different rainfall products and accuracy assessment of the IMERG_CorSH 原IMERG 数据(图1(a))与其他卫星降雨产品相比,在空间覆盖㊁捕获微雨和固态降水的性能上都有较大的优势,能更好地描绘降水量的空间分布,在缺资料及无资料地区具有明显优势[16],但与实测值相比,该数据集在中国不同地区仍存在异质性的观测误差[17-18]㊂从雨量站点获得的实测降雨数据(站点位置见图1(b))被认为是最准确的数据源,但受限于站点数量有限且位置固定,空间分辨率的精细程度不如IMERG 数据㊂为了融合两数据源的优势,应用经典的一元线性回归降尺度方法建立年尺度㊁0.1ʎ精度下归一化植被指数(NDVI)数据和卫星降雨的线性关系,基于此关系和0.01ʎ的NDVI 数据估计年尺度㊁0.01ʎ精度上降雨,采用时间分解方法分解得到小时尺度上的降雨数据,再基于地理偏差矫正技术(GDA)在小时尺度上进行降雨量级的修正,最终得到2008 2017年IMERG_CorSH 数据集(图1(c))㊂本文所用的空间降尺度矫正详细400㊀水科学进展第34卷㊀步骤及结果合理性见文献[19]㊂该数据集覆盖上海市,经验证,IMERG_CorSH与站点实测降水在年㊁月㊁日尺度上Pearson相关系数(C c)均超过0.85(图1(d) 图1(f),E MA为平均绝对误差,E RMS为均方根误差),小时尺度上Pearson相关系数也高达0.74(图1(g))㊂相比于IMERG数据,IMERG_CorSH数据大大减少了统计误差,且提供了0.01ʎ尺度上丰富的降雨信息㊁远高于雨量站的空间观测精度,可作为探究数据时空分辨率对城市极端暴雨的不确定性影响的重要数据基础㊂2㊀研究方法2.1㊀时空精度重构与极端暴雨事件提取以0.01ʎ㊁1h原始精度为参考,对IMERG_CorSH降雨数据进行时间(6h㊁12h㊁24h)㊁空间(0.02ʎ㊁0.05ʎ㊁0.1ʎ)尺度上的分辨率重构,最终获得16种具有不同时空分辨率组合的降雨产品㊂时间尺度上(图2(a)),利用一维滚动窗口求和方法[20]将原始逐一小时降雨序列重采样至6h㊁12h及24h㊂一维滚动窗口向前滚动的距离等于窗口长度,分别为6㊁12和24,相邻时刻滚动窗口不交叉,且时序重构过程保留原始降雨空间信息㊂同理,空间尺度上(图2(b)),利用二维滚动窗口求平均方法[12]将原始0.1ʎ数据重采样至0.02ʎ㊁0.05ʎ和0.1ʎ㊂二维滚动窗口向右㊁向下滚动距离等于滚动窗口边长,分别为2㊁5和10,相邻空间位置滚动窗口不交叉,空间重采样过程不改变时序信息㊂由于滚动窗口在时序上累加㊁空间上求平均此类采样过程并不损失或增加降雨信息,故时空分辨率重构过程不改变同场降雨的累积总雨量㊁面平均雨量,以此消除数据处理中的不确定性㊂本文使用的16种不同时空分辨率的组合见图2(c)㊂基于不同时空分辨率的降雨数据提取年最大24h降雨事件(2008 2017年)作为极端暴雨进行分析㊂目前针对年最大值序列的采样方法仍存在较大差异,国内一般采用正点统计法,选取当日08:00至次日08:00为1d降雨的起止时间㊂而实际上,自然降雨事件中强降水过程存在跨时㊁跨日的现象,正点统计采样可能导致完整的强降水过程被分割㊁降雨累积量被低估[21]㊂因此,本文利用自然降水过程统计方法对年最大24h事件进行采样,即基于24h为滑动窗口大小㊁数据时间分辨率大小为滑动步长,以保留更贴近真实的降雨起止过程,并讨论时空分辨率在极端暴雨分析计算中的不确定性影响㊂注:R(t)为时序t时刻降水量/mm;R(s)为空间上s格点处降水量/mm;ρ(s)为区域名为A的流域占s网格的面积权重;S4,A 为4号网格内流域A所占的面积;S4为4号网格面积;T为时序上滚动窗口长度;N为空间上滚动窗口包含的网格总数㊂图2㊀降雨数据时空分辨率重构方法示意Fig.2Schematic diagram of spatiotemporal resolution reconstruction of rainfall inputs㊀第3期庄琦,等:降雨数据时空精度对城市暴雨变异性及频率分析的影响401㊀2.2㊀暴雨时空变异性特征分析本文选取了一系列暴雨特征指标来表征暴雨事件的时空结构,包括累积暴雨量(R )㊁暴雨量极值(M )㊁暴雨变异系数(C v)㊁暴雨覆盖率(F )㊂其中,暴雨总量是计算研究区域内t h 降雨累积量,暴雨量极值㊁暴雨变异系数㊁暴雨覆盖率分别可以在时间㊁空间2个尺度上进行计算,计算公式见表1㊂表1㊀暴雨时空特征指标计算公式Table 1Formula of temporal and spatial characteristics of storms指标时间尺度空间尺度累积暴雨量/mmR =ðT 1ʏS A R (t ,s )d s 暴雨量极值/mm M t =max{R (t );t ɪ[0,T ]}M s =max{R (s );s ɪ[0,N ]}暴雨变异系数C v t =ðT t =1[R (t )-R (t )]2/(T -1)R (t )C v s =ðN s =1[R (s )-R (s )]2/(N -1)R (s )暴雨覆盖率F t =1TʏT (t |R (t ,s )>x )d t F s =1S A ʏS A (s |R (t ,s )>x )d s注:S A 为目标流域面积,km 2;R (t )为[0,T ]时刻内平均降水量,mm;R (s )为空间[0,N ]格点内平均降水量,mm;x 为暴雨阈值,mm,用来研究暴雨事件中大于某一阈值的降雨时长占比或降雨空间范围占比,本文中设1d 累积雨量达50mm 为阈值,为方便对比,在逐小时计算时累积雨量达(50/24)mm 计为x 值㊂2.3㊀暴雨频率分析及其不确定性随机暴雨移置(Stochastic Storm Transposition,SST)法是一种基于区域性概率重采样与地理移置相结合的地区性降雨频率分析方法㊂该方法利用与目标区域气候特征相同㊁降雨过程相似的邻域暴雨模拟延长本地样本序列,仅10a 历史数据即可获得可靠的频率分析结果[22]㊂SST 方法结合不同分辨率降雨数据能够提供考虑降雨时空结构㊁数据分辨率不确定性区间的暴雨频率分析结果㊂此处对基于SST 法的暴雨频率分析及其结果的不确定性量化作简要概括:(1)首先确定一个包括研究地区A 流域在内㊁与研究区域具有相似气候特征的暴雨移置区Aᶄ㊂本文所选取的研究地区㊁移置区范围与文献[15]一致,研究地区A 与移置区Aᶄ位置可参照该文献中的图1,移置区选择及结果合理性见文献[14-15]㊂(2)从n 年(如本文n =10,2008 2017年)降雨序列中筛选出发生在移置区Aᶄ内㊁历时为T r (本文取1㊁6㊁12㊁24h)的最大的m 场(本文m =200)暴雨,作为暴雨目录㊂(3)从暴雨目录中随机选择k 场暴雨事件,即假设一年内发生的暴雨事件数量为k ㊂k 服从泊松分布,分布的平均发生率为λ=m /n ㊂(4)对选定的k 个暴雨事件进行整体移动,计算目标流域A 内降雨历时为T r 的降雨累积量,并保留其中的最大值作为该年的年最大降水量㊂不同于传统方法,由于移置过程保留整个降雨场的时空信息,故该方法计算过程中考虑了尺度相关的暴雨时空分布结构对暴雨频率分析的影响㊂重复该过程N 次,即可构建长为N 年㊁历时为T r 的年最大序列㊂(5)对N 年㊁历时为T r 的年最大暴雨从大到小排序,进行频率分析,得到IDF 曲线㊂(6)本文以输入1h㊁0.01ʎ分辨率数据的频率分析结果为参考,选取相对误差(E )和时空不确定性系数(U )2个指标量化数据分辨率对频率分析结果的不确定性影响:E p ,st =(q p ,st -q p ,ref )q p ,ref ˑ100%(1)402㊀水科学进展第34卷㊀U p,st=q p,st_0.95-q p,st_0.05q p,ref_0.95-q p,ref_0.05(2)式中:q p,ref和q p,st分别为重现期p下利用分辨率为(1h㊁0.01ʎ)和(t h㊁sʎ)的数据所计算的IDF结果; q p,ref_0.95㊁q p,st_0.95,q p,ref_0.05㊁q p,st_0.05分别为各自对应IDF曲线上95%与5%分位数处的值,mm㊂3㊀结果与分析3.1㊀基于不同时空精度的暴雨事件提取基于16种不同时空精度数据所提取的年最大24h暴雨序列在发生时间和量级上存在较为显著的差异㊂在本节暴雨事件对比过程中,根据不同精度暴雨事件与(1h㊁0.01ʎ)事件的发生时间差异划分3种情况:若两者时间差为0h则视作无相位差的同场暴雨事件;若两者存在时间差且时间差<24h视作有相位差的同场暴雨事件;若两者存在时间差且时间差>24h则视为非同场暴雨事件㊂首先在发生时间上,其余15种分辨率的暴雨序列与(1h㊁0.01ʎ)结果相比,同场暴雨事件㊁有相位差的同场暴雨事件和非同场暴雨事件3种情况占比约为17%㊁70%和13%㊂各精度下暴雨事件的划分结果列于表2(因以(1h㊁0.01ʎ)精度为参考,故表中仅列出15种精度结果)㊂如(1h㊁0.02ʎ)精度下所提取的事件与(1h㊁0.01ʎ)精度下无差异;(6h㊁0.01ʎ)与(6h㊁0.02ʎ)精度下10a均为同场暴雨但普遍存在1~5h 相位差;12h精度下相位差进一步增加到1~17h,并伴随1~2a非同场暴雨;至(24h㊁0.01ʎ)~(24h㊁0.05ʎ)精度下10a间有20%场非同场暴雨,(24h㊁0.1ʎ)精度下则有30%非同场暴雨㊂由表2可见,随着降雨时空精度降低,同场暴雨事件发生起止时间差异越大,且非同场暴雨事件出现的概率越大㊂此外,表2中69.5%的有相位差暴雨事件起始时间后置于(1h㊁0.01ʎ)暴雨㊂尽管各精度下暴雨发生概率最大的时间均集中在7月中下旬(峰值位置发生时间标注于图3(a)),但随着时空分辨率的降低,暴雨发生最大概率时间后移4~19d左右,说明低分辨率捕捉的暴雨发生时间有日尺度上的滞后㊂表2㊀不同时空精度降雨数据提取的暴雨事件对比Table2Rainstorm events extracted from rainfall data with different spatiotemporal resolutions㊀㊀降雨量级分布上(图3(b)),随着时空分辨率的降低,雨量概率密度曲线尾部变薄㊁变短,而峰值处概率变高㊁分布更为集中,尾部风险被低估㊂图3(b)中,随着时空分辨率变低,雨量概率密度曲线的峰现位置前移,即年最大24h量级被低估2.9%~9.5%;同时峰值处概率密度提高5.5%~65%,即最大24h雨量分布更为 尖瘦 ㊂峰值处概率变高伴随着尾部变短㊁极值雨量漏估,尤其是累积雨量超过130mm的暴雨事件在粗糙分辨率下被严重低估,累积雨量超过180mm的暴雨在不同分辨率组合下被低估4%(出现在㊀第3期庄琦,等:降雨数据时空精度对城市暴雨变异性及频率分析的影响403㊀(6h㊁0.01ʎ)处)~60%(出现在(24h㊁0.05ʎ)及(24h㊁0.1ʎ)处),累积雨量220mm以上的暴雨在(24h㊁0.1ʎ)精度下完全被忽略㊂与(1h㊁0.01ʎ)相比,低分辨率数据提取的非同场暴雨事件占比变多㊁相位差变大造成了年最大24h累积雨量的低估甚至漏估㊂非同场暴雨事件显然会在降水量计算中带来显著差异,而即便是存在相位差的同场暴雨事件,降雨过程被粗糙分辨率分割带来的影响也不容忽视㊂如2013年,时间分辨率为24h时,与1h精度下事件相位差仅差15h,降水量级差异为72.4mm;2017年时间相位差仅差7h,降水量级差异为47.5mm,说明暴雨事件在此时极可能存在跨时㊁跨日的情况㊂使用粗糙的数据采样会将一个真实的强降水过程分割成2个(或多个)时间步长,导致低分辨率条件下提取的暴雨事件出现时间偏移㊁降水量被低估的情况㊂图3㊀不同时空分辨率的暴雨事件年内概率密度分布Fig.3Annual density distribution of extreme rainfall events with different spatiotemporal resolutions3.2㊀时空精度对刻画暴雨时空变异性特征的影响图4展示了基于16种不同时空精度数据所提取的年最大24h暴雨事件的时空特征变化㊂本节采用相对误差(见式(1),原公式中q p,ref为参照值,q p,st为其他精度条件下的输入值)评估不同精度条件下暴雨事件时空特征指标结果的差异:如图4中以(1h㊁0.01ʎ)精度暴雨事件计算得到的时空特征指标值作为参照值,再输入其他精度下暴雨时空特征指标值计算得到量化时空精度影响的相对误差(E st);以(1h㊁sʎ)(s取值分别为0.01㊁0.02㊁0.05㊁0.1)精度下的结果作为参照值计算不同空间尺度下量化时间精度影响的相对误差(E s);同理以(t h㊁0.01ʎ)(t取值分别为1㊁6㊁12㊁24)精度下的结果作为参照值计算不同时间尺度下量化空间精度影响的相对误差(E t)㊂从降水总量上看,随着时空精度的降低,降水总量也随之降低,如图4(a),在空间上,精度从0.01ʎ到0.1ʎ,相对误差E s为-2.2%;在时间上,从1h到24h,相对误差E t为-14.8%;最大误差出现在(24h㊁0.1ʎ)精度下,时空相对误差E st为-16%㊂暴雨量级的低估性在粗糙分辨率下(0.05~0.1ʎ,12~24h)更为显著㊂在其他时空特征上,不同特征指标受时间㊁空间精度的影响存在差异㊂如图4(b)㊁图4(d)和图4(g)所示,随时空精度降低,暴雨量的空间极值(M s)㊁空间变异系数(C v s)和暴雨时间覆盖率(F t)呈现单调递减趋势㊂数据精度由(0.01ʎ㊁1h)到(0.1ʎ㊁24h),M s㊁C v s㊁F t相对误差E st分别为-29.6%㊁-9.1%㊁-24.4%,即低时空分辨率将造成M s㊁C v s㊁F t的严重低估㊂从空间精度变化上看,精度从0.01ʎ到0.02ʎ,各项指标未受空间分辨率影响,M s㊁C v s㊁F t在0.01ʎ~0.02ʎ处E s值相同㊂而空间精度从0.02ʎ到0.05ʎ,下降梯度最大,M s㊁C v s㊁F t在0.02ʎ~0.05ʎ处E s分别下降14.3%㊁9%㊁4%㊂从时间精度变化上看,精度从6h到12h,变化梯度最大,M s㊁C v s㊁F t在6h~12h处E t分别下降15.2%㊁9.1%㊁7.5%㊂可见,时间精404㊀水科学进展第34卷㊀图4㊀基于不同时空分辨率降雨数据提取的暴雨事件时空结构诊断Fig.4Spatiotemporal structure diagnosis of extreme rainfall events based on rainfall data extraction withdifferent spatiotemporal resolutions度降低同样会影响对空间特征指标M s㊁C v s的描述,粗糙的时间分辨率亦无法合理刻画空间极值和空间不均匀性㊂与M s㊁C v s恰恰相反,随着时空精度降低,暴雨量时序极值(M t)㊁时间变异系数(C v t)呈现单调递增趋势㊂如图4(c)和图4(e),数据时空精度由(0.01ʎ㊁1h)降低到(0.1ʎ㊁24h)将造成M t㊁C v t分别被高估22%㊁24.4%㊂空间精度从0.01ʎ到0.02ʎ,M t㊁C v t在各时间分辨率下相对误差值E s不变;空间精度从0.02ʎ到0.1ʎ,M t㊁C v t指标随着时间分辨率降低而增加㊂与M s㊁C v s相同,M t㊁C v t指标亦在0.02ʎ~ 0.05ʎ㊁6~12h处变化梯度最为显著,M t㊁C v t在0.02ʎ~0.05ʎ处相对误差E s升高17.7%㊁14%,在6~12h处相对误差E t升高17.6%㊁12.1%㊂可见,粗糙精度的降雨数据会导致瞬时㊁局地暴雨极值量级被错误估计甚至遗漏㊂粗糙的时间分辨率影响空间局地暴雨极值量级,同样的,粗糙的空间分辨率也会影响短历时暴雨极值量级的估计㊂降雨数据时空精度对暴雨空间覆盖率(F s)的影响更为复杂,表现为F s随时空精度降低呈小幅波动下降趋势(E st=-2.5%,见图4(f))㊂F s指标在1~6h㊁12~24h时间精度下随空间分辨率降低分别下降0.9%㊁0.5%,在6~12h分辨率下又随空间分辨率降低小幅上升3.9%㊂空间分辨率对F s指标的影响表现为随空间分辨率降低波动上升1.4%,但在0.01ʎ~0.02ʎ处E s值未见变化㊂说明时空精度对暴雨空间覆盖率的影响呈现复杂的非线性关系㊂从影响程度上看,时间精度对暴雨时空变异性的影响强于空间精度㊂如对时序特征指标降雨总量(R)和F t,时间精度约为空间精度影响的6倍;而对空间极值指标M s,影响差异为2倍;对M t㊁F s㊁C v s指标,时间㊁空间精度影响作用相当;对于C v t而言,则以空间精度影响为主导㊂可见,时间和空间精度变化均对捕捉暴雨时空结构特征有不可忽视的影响㊂从指标类型上看,时间精度会影响空间指标,而空间指标也受时间精度的影响,尤其是在精细分辨率下影响更为显著㊂综上,粗糙时空精度的降雨数据会低估降水总量,倾向于捕捉时序不均匀性高㊁空间不均匀性低的暴雨事件㊂采用0.02ʎ㊁6h精度以内的数据对暴雨时空特征的刻画结果较为可靠㊂由于实际降雨过程具有随机㊀第3期庄琦,等:降雨数据时空精度对城市暴雨变异性及频率分析的影响405㊀性,不同降雨的雨型㊁时段雨强㊁持续时间等不同,因此,用精度粗糙的数据在描述降雨时空变化特征中不充分性㊁不确定性应被重视㊂同时,降水量级㊁时空结构特征在数据时空精度影响下的变化及其变化程度各有不同,采用不同分辨率计算的设计暴雨不确定性有待进一步研究㊂3.3㊀时空精度对暴雨频率的不确定性影响将16种具有不同时空分辨率的降雨数据输入SST模型,计算得到2~200a重现期下历时为24h的IDF 曲线,并将结果与(1h㊁0.01ʎ)分辨率下求得的IDF结果对比(图5(a))㊂相较于更精细的降雨数据,不同分辨率组合下的IDF结果具有不同程度的低估(E,见式(1))㊂6h㊁12h㊁24h数据对IDF的低估率平均值分别为3%㊁7%和14%,0.02ʎ㊁0.05ʎ㊁0.1ʎ对IDF的低估率分别为0.4%㊁4%和10%㊂时间尺度上,24h分辨率数据最大会造成设计值低估36%,使用6h以内分辨率的数据可以将误差控制在-0.4%~-4%之间㊂空间尺度上,0.1ʎ分辨率的数据相较于0.01ʎ的数据而言,误差在-31%~2%;使用0.05ʎ精度内的数据进行频率分析,所得结果误差范围为-0.3%~-17%;0.02ʎ与0.01ʎ数据所得的暴雨事件本身差异较小,故此处设计暴雨随机误差仅有-1%~1%㊂图5(a)中所展示的设计暴雨量级差异存在2个来源,一为数据时空精度误差,二为SST模拟不同降雨过程本身带来的随机误差(由于随机降雨场时空结构的变化),故图5(c)进一步剥离了不同重现期下降雨数据时空精度对IDF的影响,可见时空分辨率对IDF造成的不确定性占比接近50%,随着重现期增大(2~ 50a),时空分辨率造成的低估程度增加㊂50~200a重现期,受限于时序短(10a)㊁以及降雨事件本身的随机成分大,随机不确定性比重亦增大,分辨率不确定性占比略降低㊂可见,使用粗糙的降雨数据进行频率计算会造成设计暴雨量级的低估,且数据分辨率越低,量级低估程度越严重,随着重现期增大,时空分辨率导致的IDF不确定性亦增大㊂其中,时间分辨率的影响大约是空间分辨率的5倍左右(图5(b)和图5(d)),即时间分辨率的影响在该地区的极端暴雨时-空-频特征分析中占主导地位㊂图5㊀数据时空分辨率对IDF曲线的影响Fig.5Influence of rainfall spatial and temporal resolution on IDF curves图6为不同重现期下使用不同时空分辨率降雨数据进行计算的设计暴雨值与(1h㊁0.01ʎ)计算结果的相对误差散点图㊂时间㊁空间分辨率均粗糙的情况下(24h㊁0.1ʎ),结果误差最大,如T=200a时,误差达到-30%㊂而时间㊁空间分辨率中有一者较为精细时可降低结果的误差程度,如(1h㊁0.1ʎ)的数据所得结406㊀水科学进展第34卷㊀果的相对误差为-5%㊁(24h㊁0.01ʎ)结果的相对误差为-20%㊂图6中,精度在(12h㊁0.05ʎ)以内所得结果的相对误差存在一个较为平稳的平台面(Tɤ2a除外),可以认为该精度内设计结果差异不显著㊂尽管采用(0.02ʎ㊁6h)精度以内的数据对暴雨时空特征的刻画更为准确,但频率分析时,降雨量级㊁时空结构特征在数据时空精度变化下的影响相互交错且复杂,最终导致精度在(12h㊁0.05ʎ)以内的频率分析结果相对误差均较小㊂综上,以面积为20.52km2的典型城市地区黄浦区为例,建议水利工程设计中(Tȡ2a)使用精度在(12h㊁0.05ʎ)以内的降雨数据进行极端暴雨事件的频率计算,排水工程设计中(Tɤ2a)应使用精度更高的数据为宜㊂图6㊀不同重现期下降雨数据时空分辨率对暴雨设计值影响的3-D散点图Fig.63-D scatter plot of influence of spatial and temporal resolution of rainfall inputs on design storms under different return periods 4㊀结㊀㊀论本文基于16种不同时空分辨率的降雨数据,利用暴雨时空异质性评估指标和随机暴雨移置法在上海市黄浦区分析了降雨数据精度对城市暴雨时空变异性特征刻画㊁暴雨IDF曲线计算的影响㊂主要结论如下: (1)粗糙分辨率降雨数据会造成年最大暴雨序列的抽样存在误差,主要体现在暴雨发生时间出现误差(延迟)㊁降水量低估㊁暴雨过程在时序上的不均匀性增大㊁空间上的不均匀程度减小㊂在研究区域采用(0.02ʎ㊁6h)精度及以上的数据对暴雨时空变异性的刻画结果较为可靠㊂(2)降雨数据时间和空间分辨率的影响差异较大,时间分辨率对暴雨时空变异性刻画能力的影响强于空间分辨率㊂数据的时间分辨率不仅会影响暴雨的时序特征,也会影响暴雨事件的空间变化特征,同理数据空间分辨率亦会对暴雨事件的时序变化特征带来影响㊂(3)降雨数据分辨率越低㊁重现期越大,暴雨频率结果的低估程度越大㊂时间分辨率影响占主导作用,大约是空间分辨率的5倍㊂建议小型城市地区在水利工程设计中使用时间分辨率为12h㊁空间分辨率为0.05ʎ或更高精度的输入数据㊂。
《2024年气候变化背景下我国极端降水的时空分布特征和未来预估》范文
《气候变化背景下我国极端降水的时空分布特征和未来预估》篇一一、引言气候变化已经成为全球共同面临的重要问题，对我国的气候也产生了深远的影响。
在气候变化背景下，极端降水事件日益频繁，对我国的经济、社会和生态环境产生了极大的影响。
本文将对我国极端降水的时空分布特征进行深入分析，并预测未来极端降水的可能变化趋势。
二、我国极端降水的时空分布特征1. 空间分布特征我国极端降水的空间分布具有显著的区域性特征。
总体上，南方地区极端降水事件较为频繁，而北方地区相对较少。
同时，沿海地区和内陆湖泊周边地区也是极端降水的高发区。
此外，山区和平原区的极端降水分布也存在差异，山区由于地形复杂，极端降水事件更为频繁。
2. 时间分布特征我国极端降水的时间分布具有明显的季节性和年际变化特征。
夏季是极端降水事件的高发期，尤其是夏季的暴雨和洪涝灾害。
此外，我国还存在着一些特定的极端降水事件，如连续多日的暴雨、连续干旱后的突然暴雨等。
从年际变化来看，近年来我国极端降水事件的发生频率和强度呈上升趋势。
三、未来预估根据国内外多家气候模型预测，未来我国极端降水事件的发生频率和强度将继续增加。
这主要是由于全球气候变暖导致的海温升高、大气环流变化等因素所引起的。
具体来说，未来我国南方地区的极端降水事件将更加频繁，北方地区的干旱和洪涝灾害也将更加严重。
此外，未来我国还将面临更多的突发性极端降水事件，如短时强降水、冰雹等。
四、应对措施与建议针对气候变化背景下我国极端降水的时空分布特征和未来预估，提出以下应对措施与建议：1. 加强气象监测和预警系统建设，提高对极端降水事件的监测和预警能力。
2. 加大防洪抗旱工程建设力度，提高防灾减灾能力。
3. 加强气候变化科学研究和宣传教育，提高公众对气候变化的认知和应对能力。
4. 推广节能减排、绿色低碳的生活方式，减少温室气体排放，减缓气候变化速度。
5. 加强国际合作，共同应对气候变化带来的挑战。
五、结论气候变化背景下，我国极端降水的时空分布特征发生了显著变化，未来极端降水事件的发生频率和强度将呈上升趋势。
《2024年气候变化背景下我国极端降水的时空分布特征和未来预估》范文
《气候变化背景下我国极端降水的时空分布特征和未来预估》篇一一、引言随着全球气候变化的不断加剧，极端降水事件在我国频繁发生，对国家经济、社会和生态环境产生了深远的影响。
本文旨在分析气候变化背景下我国极端降水的时空分布特征，并对未来的发展趋势进行预估，以期为应对气候变化和极端天气事件提供科学依据。
二、我国极端降水的时空分布特征1. 空间分布特征我国地域辽阔，极端降水的空间分布具有显著的地域性差异。
总体上，我国南方地区极端降水事件相对频繁，特别是长江流域和华南地区，容易出现持续性暴雨和短时强降水。
相比之下，北方地区极端降水事件较少，但近年来也呈现出逐渐增多的趋势。
此外，受地形、气候等多种因素的影响，我国西部地区如青藏高原等地的极端降水也具有独特的特点。
2. 时间分布特征我国极端降水的时间分布也呈现出明显的季节性和周期性。
夏季是我国极端降水事件的高发期，特别是7月和8月，容易出现持续性暴雨和短时强降水。
此外，受厄尔尼诺、拉尼娜等气候现象的影响，我国极端降水的年际变化也呈现出一定的规律性。
三、未来预估1. 预测模型与方法利用先进的气候模型和统计方法，结合历史气象数据和未来气候变化情景，对我国极端降水的未来发展趋势进行预估。
这些模型和方法包括全球气候模型、区域气候模型、统计降尺度模型等。
2. 未来发展趋势根据预测模型和方法的分析结果，未来我国极端降水事件将呈现增多的趋势。
特别是南方地区，持续性和短时强降水事件将更加频繁，可能导致洪涝灾害的风险增加。
此外，受全球气候变化的影响，我国北方地区的极端降水事件也可能呈现出增多的趋势。
这些变化将对国家的经济、社会和生态环境产生深远的影响。
四、应对策略与建议针对我国极端降水的时空分布特征和未来预估结果，提出以下应对策略与建议：1. 加强监测预警系统建设：提高极端降水的监测能力和预警精度，及时发布预警信息，减少灾害损失。
2. 完善防洪设施建设：加强江河湖海等水域的防洪设施建设，提高防洪能力，减少洪涝灾害的发生。
- 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)。
漳州市30年暴雨时空分布特征与影响条件分析1杨德南漳州市气象局，漳州363000提要:利用漳州市1971～2000年30年地面降水观测资料,对漳州市暴雨的时空分布及其影响系统进行分析，结果表明：暴雨月时间分布呈现年头年尾少、年中多趋势，6～8月为暴雨高峰期；年平均暴雨日数和汛期3～10月暴雨日数地理分布呈现西南偏多、南北偏少特征；冬季暴雨日数分布呈现由南自北逐渐减少特征；暴雨落区与漳州地形特征紧密相关；暴雨主要在南支槽、西南急流、热带气旋影响的天气条件下发生。
关键词：暴雨；地形；南支槽；西南急流；热带气旋Analyses on the Space-Time Distribution Characteristics and Their Influence Conditions of Heavy Rainfall in Zhangzhou For Thirty YearsYANG Denan(Zhangzhou Meteorological Bureau,Zhangzhou 363000)Abstract:Based on daily observation data of precipitation in Zhangzhou from 1971 to 2000, the characteristics of the Space-Time Distribution of heavy rainfall and influencing conditions were summarized and analyzed.The results show that :As to the temporal variations ,number of heavy rainfall days was characterized by the distribution that it was less in the start-end of year and it was more in the mid of year.Number of heavy rainfall days was the most from June to August; As to the spatial variations , number of the yearly averaged heavy rainfall days and the heavy rainfall days in high-water or tide season were characterized by the distribution that it is the more in southwest Zhangzhou and it is the less in north-south Zhangzhou; number of the heavy rainfall days in winter gradually reduced from the south to the north .The area of heavy rainfall has a close relationship to the topography of Zhangzhou.Heavy rainfall occurred in general with the circulation characteristics of the south branch though or southwest jet or tropical cyclones.Key words:heavy rainfall；topography；the south branch though；southwest jet；tropical cyclones引言漳州市地处中国东南沿海，与台湾隔海相望，属亚热带季风湿润性气候，3～6月份西南季风主导着漳州天气，常导致强对流、暴雨、台风灾害性天气发生，尤其暴雨、台风最为频繁，每年造成的经济损失最为严重，仅06年强台风“珍珠”给漳州市带来连续2天的大暴雨过程，日雨量300毫米，直接经济损失37亿元。
西南季风、台风带来大量的水汽和能量，加上漳州西北靠山、东南临海的特殊地形，使暴雨预报难度加大，因此研究漳州市暴雨时空分布特征及其影响条件具有十分重要意义。
基金项目:漳州市科技计划项目“九龙江流域面雨量预报在洪涝防御中的应用”(Z2010094)作者简介：杨德南（1968.12）,福建漳州人，大学本科，学士，高级工程师，主要从事短期天气预报及相关领域研究工作。
E-mail:@zzqxtydn@1漳州市暴雨的时空分布特征对漳州市1971～2000年30年地面降水观测资料进行分析,探索漳州暴雨的时空分布特征,对了解漳州市气候概况和为地方政府防汛备汛提供气象决策依据具有重要意义。
1.1 漳州市暴雨时间分布特征对漳州市30年月暴雨日数的时间分布特征进行分析(表略)，结果发现：漳州市暴雨主要集中在4～10月，全市大部份县(市)暴雨日数10～52日；3月份，北部和南部地区暴雨日数相对较多，暴雨日数10～13日，中西部地区相对较少，暴雨日数少于10日；11月～次年1月，暴雨日数最少，其中12～次年1月暴雨日数接近于零；6～8月为暴雨高峰期，最大月暴雨日数为52日，常造成漳州大面积洪涝，是漳州市气象灾害频发时期；前汛期4～6月，西北部南部多，中部东部少；台风季7～9月,北部少，西部南部多。
1.2 漳州市年平均暴雨日数地理分布特征对漳州市30年年平均暴雨日数地理分布特征进行分析(图１)，结果发现：漳州西南部为平均暴雨日数大值区，中心在云霄县，中东部为次大值区，平均暴雨日数相对西南部小，北部和最南面暴雨日数最小，整个地理分布显示为不对称鞍形场特征。
图１漳州市30年年平均暴雨日数地理分布特征1.3 漳州市3～6月总暴雨日数地理分布特征对漳州市30年前汛期3～6月总暴雨日数地理分布特征进行分析(图２)，结果发现：总暴雨日数大值区分布在漳州西南部，以云霄县为中心，漳州东部次之，总暴雨日数低值区分布在漳州最南面和中北部。
图２漳州市30年3～6月总暴雨日数地理分布特征1.4 漳州市7～10月总暴雨日数地理分布特征对漳州市30年台风季7～10月(10月常受晚台风影响) 总暴雨日数地理分布特征进行分析(图３)，结果发现：漳州西部为平总暴雨日数大值区，中心在云霄县，东部为次大值区，总暴雨日数相对西南部小，中北部和最南面为最小值区，整个地理分布显示为不对称鞍形场特征。
图３漳州市30年7～10月总暴雨日数地理分布特征1.5 漳州市11～2月总暴雨日数地理分布特征对漳州市30年秋冬季11～2月总暴雨日数地理分布特征进行分析(图略)，结果发现：漳州秋冬季总暴雨日数呈现由南自北逐渐减少分布特征，东山最多，华安最少。
2 暴雨落区与地形关系对漳州市30年年平均暴雨日数空间分布与漳州地理特征进行相关分析(图略)，结果表明漳州市暴雨空间分布与漳州地形特征有密切关系。
漳州西北多山，东南临海，地势从西北向东南倾斜，西北部横亘着博平岭山脉，平和县境内的大芹山为最高点，海拔1544米，南面有诏安县的九侯山和乌山、漳浦县的梁山。
漳州暴雨落区多分布在西南部，以云霄县火田镇为最大，是福建省主要暴雨点之一。
云霄县地处漳州东南沿海，地形宽阔平坦，东面是漳浦县梁山山脉，西面紧靠诏安县乌山山脉，南面向海，北面背山，喇叭状地形十分明显。
在汛期3～9月份，从孟加拉湾上来的西南急流或南海北上的南风急流风从喇叭形峪口进入云霄县境内，由于地形作用，狭管效应强烈，暖湿急流进入云霄县境内流速加快[1],水汽在云霄境内迅速堆积，加上云霄北侧靠山,地形的动力抬升常导致云霄境内暴雨或特大暴雨[2]（图４）。
图４云霄县地形特征与南风急流3 漳州市暴雨与天气背景3.1 雨季5～6月大气环流特征漳州雨季5～6月是汛期的组成部分，它是由于西南季风爆发，东亚季风雨带北跳于华南一带，降水强烈，常造成洪涝灾害，是漳州一年最多降雨时期。
漳州雨季的天气类型主要为冷切适中型、低涡冷切适中型、低涡冷切偏西型、冷切偏南型、冷切偏西型。
暴雨的主要机理是冷空气与强暖湿气流相遇而引发的。
高空西风槽和南支槽及其前侧的副热带急流和低空强西南气流及准静止切变线是诱发漳州暴雨的最主要的天气系统[3]。
对08年6月13日典型个例分析,受南支槽东移、西南急流东传影响，漳州市出现入汛以来强度最强、覆盖全市的大暴雨至特大暴雨降水过程，云霄县火田镇日雨量557.2毫米，每小时最大雨强达94.4毫米，洪涝灾害造成全市直接经济总损失4.7亿元。
6月13日08时，500hPa南支槽东移北缩，西南急流东传，漳州市上空风速增至18米/秒（图略），850hPa原在长江流域的切变南压，漳州市上空有明显风场辐合，中低层西南急流逐渐加强，急流轴最大风速最大为24米/秒（图５）；850hPa漳州市上空存在明显水汽辐合，水汽辐合中心由西向东移动，漳州上空(25°N ,115°E)附近有一正值中心，最大值为150（图略）； 850hPa散度场分析，低层强辐合，高层强辐散（图略），表明漳州市上空存在很好的暴雨动力条件[4]；此时，全市出现暴雨和特大暴雨，直到14日20时，500hPa 高空槽移出，华南一带转为偏西气流，中低层西南气流减弱，这场强降水过程才结束。
图5 08年6月13日08时850hPa天气形势3.2 7～10月大气环流特征7～10月是漳州的台风季(10月份常有晚台风),受热带气旋、热带辐合带、东风波、热带云团、副热带高压天气系统影响，漳州市常出现暴雨或特大暴雨天气,特别在热带气旋影响时，其带来的强降水,常导致漳州大面积洪涝,破坏力极大,损失最为严重[5]。
以05年10号强热带风暴“珊瑚”为例，“珊瑚”从南海北部上来在广东省东部地区登陆，造成漳州市连续2天全市性大暴雨天气过程，造成很多房屋倒塌，农田被淹，堤防被毁，山体滑坡和泥石流严重，给漳州市带来经济损失10亿人民币。
强热带风暴“珊瑚”于8月13日12时45分在汕头市澄海登陆，对8月13日20时850hPa 风场(图10)分析，漳州市处于强热带风暴偏南急流控制下,南风低空急流最大风速达36m/s，漳州市处于急流轴左前方，有较强辐合区[4]；从8月14日8时850hPa水汽通量散度场的分布可以看到(图11)，在南海北部和漳州上空的水汽供应都非常充足，水汽通量辐合值较大，极值中心达到-6.1*10-8g/(cm2﹒hPa﹒s),位于漳州市南部。
可见，台风为暴雨的发生提供有利的水汽、能量和动力条件[5]。
图6 8月13日20时850hPa风场4 结论⑴漳州市暴雨日数月时间分布呈现年头年尾少、年中多特征，暴雨日数集中在4～10月，6～8月为暴雨高峰期,11月～次年1月，暴雨日数最少，其中12～次年1月暴雨日数接近于零。