2. 浙江省宁波市气象服务中心, 宁波 315012;
3. 天津市气象台, 天津 300074;
4. 浙江省气象安全技术中心, 杭州 310000;
5. 浙江省宁波市气象网络与装备保障中心, 宁波 315012
2. Zhejiang Ningbo Meteorological Service Center, Ningbo 315012;
3. Tianjin Meteorological Observatory, Tianjin 300074;
4. Zhejiang Meteorological safety technology center, Hangzhou 310000;
5. Zhejiang Ningbo meteorological network and equipment support center, Ningbo 315012
极端短时强降水(SDER, Short-Duration Extreme Rainfall)是指1 h雨量≥50 mm或3 h雨量≥100 mm的降水,属于短时强降水(FHR,Flash Heavy Rain,1 h雨量≥20 mm或3 h雨量≥50 mm的降水)的一种极端情况,具有历时短、雨强大和局地性强等特点,易引发山体滑坡、泥石流和暴洪等自然灾害(俞小鼎,2013;孙继松等,2014),严重影响百姓生活和国民经济。如2012年7月21日北京极端短时强降水造成当地160.2万人受灾、直接经济损失116.4亿元(孙继松等,2012),又如极端短时强降水导致2010年7月7日舟曲泥石流(曲晓波等,2010;钤伟妙等,2011)和2012年5月10日定西暴洪(杨小银等,2013)。
全球变暖背景下,极端降水发生的频数和强度呈增加趋势(赵丽等,2016;杨浩等,2019;郑小华等,2019),林建和杨贵名(2014)分析了1981—2010年我国逐时降水资料指出,21世纪以来中国南方地区暴雨过程增多,且多以短持续性降水为主。极端降水季节性变化和日变化显著,华南地区多始于4月,北方大部分地区要到6月,高频期主要在8—9月(李建等,2013),且纬度越低极端降水的季节跨度越大(吴梦雯和罗亚丽,2019);而日变化在不同地区有不同特征,黔西南(王芬等,2017)和河南省(王靖羽等,2019)等地区的短时强降水主要出现在夜间,具有夜雨特征,而北京(王国荣和王令,2013)、云南(李华宏等,2017)和辽宁(李燕等,2017)等地多出现在午后及夜间,即降水频数的日变化呈“双峰型”。中国极端降水区域分布不均匀,东部平原和沿海地区是极端降水的高发区(Zhang and Zhai, 2011;秦大河等,2015)。极端降水与天气尺度系统密切相关(Luo et al., 2016),同时也受地形地貌影响(Wu et al., 2017;雷蕾等,2020)。李建等(2013)分析了1954—2010年中国逐时降水资料,提出在具有较大海拔落差的复杂地形区,极端降水发生后迅速发展,可以很快达到峰值强度,而雨强上,我国东南部远大于西北部地区;王靖羽等(2019)则通过分析河南省2010— 2015年5—9月的降水资料,发现伏牛山东支脉的“喇叭口”地形对极端降水的维持和发展有促进作用。
浙江省地处我国华东沿海,山峦交错、水系纵横,常年受副热带高压、热带气旋、梅雨锋和东风波等多种系统影响(汪雅等,2013;吕劲文等,2019),极端短时强降水等灾害天气频发。本文基于近10 a (2010—2019年)浙江省自动气象观测站逐小时资料,对省内极端短时强降水进行统计分析,以期了解其时空特征,为本地区短临预警及防灾减灾提供参考。
1 资料与方法 1.1 资料说明本文使用的数据包括:2010—2019年浙江省101个基准、基本和一般气象站以及2 168个自动气象观测站的逐小时降水数据,来源于浙江省气象信息中心;下垫面数据为MODIS-21s (2016)全球遥感数据。
1.2 研究方法(1) 降水统计。根据极端短时强降水的定义,将1 h雨量≥50 mm或连续3 h雨量≥100 mm对应时次设为一个有效时次,对3 h降水逐小时滑动查询,取中间时次统计,雨强为3 h平均值。统计时段10 a对应2010—2019年,午后对应14—21时(北京时,下同),暖季对应5—10月。
(2) 质量控制。剔除了2010—2019年中逐月逐日有效数据不足80%的站点,统计工作基于剩余的1 061站(图 1);
(3) 特征区统计。选取两个区域,特征区Ⅰ为东南沿海,此处海陆交界,向西地形抬升呈喇叭口状,有效站点159站;特征区Ⅱ为杭州湾,此处洋面向内陆伸展呈U型,海陆交界线呈喇叭口状,有效站点155站(图 1)。
2 极端短时强降水时空分布 2.1 时间分布基于有效时次的极端短时强降水和短时强降水频数统计结果如图 2。年变化如图 2a,FHR逐年频数在782~1 168 h,其中2013年较少,年均频数1 022.3 h·a-1;SDER逐年频数在141~231 h,年均频数169.8 h·a-1,其中2014年和2018年较多,超过200 h;占比Per (极端短时强降水SDER与短时强降水FHR频数的比值)在3.95%~20.08%波动,均值16.64%。SDER和FHR频数年际浮动小,每年SDER约占FHR的16.64%。月变化如图 2b,1—8月,FHR逐月增多,8月达到峰值260.7 h·a-1,随后减少,4—10月频数较大,对应各月年均频数均值139.18 h·a-1;SDER自3月开始增多,峰值也在8月,为56.6 h·a-1,高频期在5—10月,对应各月年均频数均值27.42 h·a-1;Per自3月升高,至9月达到峰值24.23%,大值区在5—10月,其中8—10月Per超过20%。SDER和FHR年均频数逐月变化呈单峰型,峰值在8月,SDER的活跃期在5—10月,较FHR短。日变化如图 2c,0—12时,FHR年均频数均值为29.05 h·a-1,13时后,FHR增多,18时达峰值71.7 h·a-1,13—23时均值为58.61 h·a-1;22—次日13时,SDER年均频数均值为4.24 h·a-1,14时以后,SDER频数增多,17时达峰值17.4 h·a-1,14—21时均值为13.28 h·a-1;Per在9.2%~24.8%,峰值在17时为24.82%。SDER和FHR的日变化呈单峰型,SDER的活跃在14—21时,较FHR短。
综上所述,浙江省短时强降水和极端短时强降水频数年际浮动小,极端短时强降水每年约有169.8 h,占短时强降水的16.64%;极端短时强降水多发生在暖季,高频期滞后于短时强降水,该时期短时强降水过程中更易出现极端短时强降水;极端短时强降水年均频数逐月变化曲线呈单峰型,峰值在8月,这或与暖季浙江一带活跃的切变线、台风及副热带高压等系统密切相关(许爱华等,2014);极端短时强降水日高频时段跨度小于短时强降水,多发生在午后,对应日变化曲线呈单峰型,峰值在17时,这或与午后更加强烈的海陆风环流、城市热岛环流和山谷风环流等关系密切(易笑园等,2012;戴建华,2013)。
2.2 空间分布极端短时强降水站点特征参量如表 1、2,基于站点的极端短时强降水年均频数及平均强度的分布如图 3,对应10 a、暖季和午后三个时段,定义高频站为年均频数0.4 h·a-1以上的站点,高强站为平均强度70 mm·h-1以上的站点。10 a分布如图 3a1、a2,年均频数上(表 1),大于1.0 h·a-1的有78站,多分布在东部沿海,其中49站在Ⅰ区,占总数的62.8%,10站在Ⅱ区,占总数的12.8%,1.0 h·a-1以下的站点多在浙江中西部;平均强度上,大于70 mm·h-1的站点有27站,分布零散,2站在Ⅰ区,占总数的7.4%,5站在Ⅱ区,占总数的18.5%。综上,近10 a SDER多发生在东部沿海,其中以东南沿海(Ⅰ区)和杭州湾(Ⅱ区)发生的频数较多,中西部地区则较少出现。午后分布如图 3b1、b2,年均频数上(表 2),大于0.4 h·a-1的站点有196站,多分布在东部沿海,163站在Ⅰ区,占总数的83.2%,23站在Ⅱ区,占总数的11.7%,0.4 h·a-1以下站点多在浙江中西部;平均强度上,大于70 mm·h-1的站点有48站,分布零散,5站在Ⅰ区,占总数的10.4%,15站在Ⅱ区,占总数的31.2%。综上,午后SDER高频站集中在东南沿海范围,而杭州湾则有较多高强站。暖季分布如图 3c1、c2,该时期SDER站点分布特征与近10 a结果类似,表明SDER多发生在暖季。
图 4为基于站点的SDER年均频数和平均强度箱线图,分为浙江省、东南沿海(Ⅰ区)和杭州湾(Ⅱ区),对应10 a、午后及暖季三个时段。10 a年均频数上,浙江省927站中近50%的站点在0.2~0.5 h·a-1,大于0.5 h·a-1的站点数超过25%,上限为2.2 h·a-1;Ⅰ区159站中近50%的站点在0.5~1.1 h·a-1,大于1.1 h·a-1的站点数超过25%,上限为2.1 h·a-1;Ⅱ区155站中近50%的站点在0.3~0.6 h·a-1,大于0.6 h·a-1的站点数超过25%,上限为1.6 h·a-1。平均强度上,浙江省近50%的站点在51~58.7 mm·h-1,大于58.7 mm·h-1的站点数超过25%,上限为87.1 mm·h-1;Ⅰ区近50%的站点在49.8~ 56.8 mm·h-1,大于56.8 mm·h-1的站点数超过25%,上限为73.3 mm·h-1;Ⅱ区近50%的站点在50.3~58.2 mm·h-1,大于58.2 mm·h-1的站点数超过25%,上限为75.2 mm·h-1。综上,近10 a东南沿海和杭州湾各站年均频数总体高于省内其他地区,平均强度差异不明显,高频站集中在东南沿海。午后年均频数上,浙江省796站中近50%的站点在0.1~0.3 h·a-1,大于0.3 h·a-1的站点数超过25%,上限为1.6 h·a-1;Ⅰ区155站中近50%的站点在0.3~0.6 h·a-1,大于0.6 h·a-1的站点数超过25%,上限为1.6 h·a-1;Ⅱ区128站中近50%的站点在0.1~0.3 h·a-1,大于0.3 h·a-1的站点数超过25%,上限为1.3 h·a-1。平均强度上,浙江省近50%的站点在52.5~60.6 mm·h-1,大于60.6 mm·h-1的站点数超过25%,上限为88.3 mm·h-1;Ⅰ区近50%的站点在52.3~59.4 mm·h-1,大于59.4 mm·h-1的站点数超过25%,上限为76.5 mm·h-1;Ⅱ区近50%的站点在53.2~62.2 mm·h-1,大于62.2 mm·h-1的站点数超过25%,上限为88.3 mm·h-1。综上,午后全省各站平均强度增大,高强站点向杭州湾集中,而高频站点仍在东南沿海。暖季特征与10 a特征基本一致,仅在个别站点上略有差异。
综上所述,浙江省极端短时强降水多发生在东部沿海,其中东南沿海和杭州湾是高频区,以东南沿海发生频数最多。午后极端短时强降水的平均强度升高,高强站点多在杭州湾附近,高频站仍集中在东南沿海,占高频站总数的83.2%。高频站和高强站有明显的地理分布,东南沿海为海陆交界,向西地面抬升呈喇叭口地形,这里高频站密集,但平均强度较其他区域弱,表明与海岸线配合的喇叭口地形有助于极端短时强降水的发生,而杭州湾处洋面向内陆伸展形成喇叭口地貌,这里高强站相对密集,年均频数也略高于中西部地区,表明喇叭口地貌对降水效率的提高有促进作用。
3 极端短时强降水的季内分布 3.1 季内空间分布分析基于站点的极端短时强降水季内空间特征,逐月年均频数分布如图 5,逐月平均强度分布如图 6,特征区数据统计如表 3。分析可知,1—4月(图略),SDER分布零散,对应站点共有15站。5—6月,5月共出现75站,主要分布在浙南,年均频数均在0.2 h·a-1以下,高强站有6站,其中3站在Ⅰ区;6月共有273站,站点向浙北伸展,高频站有6站,占全省的2.2%,4站在Ⅰ区,高强站19站,占全省的7%,7站在Ⅰ区。综上,5—6月SDER增多,并由浙南向浙北发展,东南沿海进入SDER高发期。7月共有450站,覆盖浙江全境,高频站21站,占全省的4.7%,其中Ⅰ区7站,Ⅱ区4站;高强站40站,占全省的8.9%,其中Ⅰ区6站,占15%,Ⅱ区12站,占30%。综上,7月SDER增多,高强站数达峰值40站,东南沿海仍是高频站聚集区,杭州湾进入SDER高发期,高强站密集。8月共有574站,仍覆盖浙江全境,高频站91站,占全省的15.9%,其中Ⅰ区44站,占48.4%,Ⅱ区24站,占26.4%;高强站34站,占全省的5.9%,其中Ⅰ区3站,占8.8%,Ⅱ区10站,占29.4%。综上,8月SDER站点增至峰值574站,高频站集中在东南沿海及杭州湾,高强站集中在杭州湾附近。9月共有437站,浙中站点减少,高频站87站,占全省的19.9%,其中Ⅰ区48站,占55.2%,Ⅱ区3站,占3.4%;高强站26站,占全省的5.9%,其中Ⅰ区3站,占11.5%,Ⅱ区5站,占19.2%。综上,9月SDER站点数减少,高频站集中在东南沿海,高强站集中在杭州湾。10月共有173站,浙江中西部站基本消失,剩余站点多分布在东部沿海,高频站点为34站,占全省的19.7%,其中Ⅰ区14站,占41.2%,Ⅱ区10站,占29.4%;高强站3站,占全省的1.7%,其中Ⅰ区1站,Ⅱ区1站。综上,10月SDER过程趋于结束,剩余站多在东南沿海及杭州湾南部,东南沿海及杭州湾仍是高频站聚集区。11—12月(图略),SDER分布零散,对应站点共有7站。
基于站点的逐月SDER年均频数和平均强度箱线图如图 7,分为浙江省、东南沿海(Ⅰ区)和杭州湾(Ⅱ区)。浙江省特征如图 7a1、a2。站数上,1月和2月无SDER,3月有2站,随后站数上升,8月达到峰值574站。年均频数上,3—5月主要在0.1 h·a-1;6—7月近50%的站点在0.1~0.2 h·a-1,大于0.2 h·a-1的站点超过25%;8—10月各站年均频数均值超过0.2 h·a-1,大于0.2 h·a-1的站点超过50%,8月有上限1.3 h·a-1;11月以后,零星有SDER发生。平均强度上,3—4月SDER较少,最大值为72.2 mm·h-1;5—9月平均强度均值在57 mm·h-1左右波动,近50%的站点在50.6~61.4 mm·h-1,大于59.8 mm·h-1的站点超过25%,8月有上限99.1 mm·h-1;10月近50%的站点在41.5~53.1 mm·h-1。综上,浙江省SDER最早始于3月,8月影响范围最大,10月后减少,站点月年均频数主要在0.1~0.3 h·a-1,暖季平均强度变化小,5—9月主要在50.6~61.4 mm·h-1,10月强度较弱,年均频数上限和平均强度上限的峰值均出现在8月。
东南沿海特征如图 7b1、b2。站数上,1—3月无SDER,4月1站,随后站数增多,9月达到峰值123站,此后减少,11月后无SDER。年均频数上,4—5月主要为0.1 h·a-1;6—7月近50%的站点在0.1~0.2 h·a-1,大于0.2 h·a-1的站点超过25%;8—9月年均频数均值在0.3~0.4 h·a-1,大于0.4 h·a-1的站点超过25%,8月有上限峰值1.3 h·a-1;10月,各站年均频数均值在0.2~0.3 h·a-1。平均强度上,4月1站,平均强度51.8 mm·h-1;5—9月近50%的站点在49.4~62.4 mm·h-1,大于57.5 mm·h-1的站点超过25%,8月有上限峰值86.5 mm·h-1;10月小于51.4 mm·h-1的站点占75%。综上,东南沿海SDER最早始于4月,5—9月平均强度主要在49.4~62.4 mm·h-1,其中8—9月影响范围最大,对应时期也是浙江省高频站的聚集区,年均频数均值超过0.3 h·a-1,峰值达1.3 h·a-1,10月强度减弱。
杭州湾特征如图 7c1、c2。站数上,1—3月无SDER,4月1站,随后站数增多,8月达到峰值116站,此后减少。年均频数上,4—5月主要在0.1 h·a-1;6—7月年均频数均值在0.1~0.2 h·a-1;8—10月年均频数均值在0.2 h·a-1左右,近50%的站点在0.1~0.3 h·a-1,大于0.3 h·a-1的站点超过25%,8月达上限峰值0.9 h·a-1。平均强度上,4—6月平均强度小于66.3 mm·h-1;7—9月近50%的站点在50.6~62.4 mm·h-1,大于58.1 mm·h-1的站点超过25%,8月达上限峰值99.1 mm·h-1;10月小于53.8 mm·h-1的站点占75%。综上,杭州湾SDER最早始于4月,6月SDER站点数开始增多,7—10月各站年均频数均值在0.2 h·a-1左右,而7—9月平均强度均值在57 mm·h-1左右,其中8月影响范围最大,对应有年均频数上限峰值0.9 h·a-1和平均强度上限峰值99.1 mm·h-1,10月强度减弱。
4 极端短时强降水的日变化基于站点的SDER年均频数和平均强度的日变化箱线图如图 8,分为浙江省、东南沿海(Ⅰ区)和杭州湾(Ⅱ区),对应上午(6—13时)、午后(14—21时)和夜间(22—次日5时)三个时段。站点数上(图 8a),全省上午、下午和夜间分别为337站、796站和448站,Ⅰ区分别为77站、155站和118站,Ⅱ区分别为98站、128站和89站。午后降水站点最多,且分布广泛(图 3b1、b2),东南沿海上午站数最少,而杭州湾夜间站数最少。年均频数上,全省近75%的站点在0.1~0.3 h·a-1,上午及夜间年均频数均值在0.2 h·a-1左右,午后接近0.3 h·a-1,对应时段大于0.3 h·a-1的站点超过25%,并有频数上限峰值1.6 h·a-1;Ⅰ区上午、午后和夜间站点年均频数主要在0.1~0.3 h·a-1、0.3~0.6 h·a-1和0.1~0.4 h·a-1,对应均值分别为0.21 h·a-1、0.48 h·a-1和0.29 h·a-1;Ⅱ区近75%的站点在0.1~0.3 h·a-1,三个时段年均频数均值在0.2~0.3 h·a-1,上限峰值出现在午后为1.3 h·a-1。平均强度上(图 8b),全省上午和夜间近50%的站点在48~58.5 mm·h-1,均值在53.3 mm·h-1左右,午后主要在52.5~60.6 mm·h-1,均值为57.1 mm·h-1,上限峰值出现在夜间为97.6 mm·h-1;Ⅰ区上午和夜间近50%的站点45.2~57.3 mm·h-1,均值在51 mm·h-1左右,午后主要在52.3~59.4 mm·h-1,均值为56.22 mm·h-1,对应上限峰值76.5 mm·h-1;Ⅱ区上午、午后和夜间站点平均强度主要在45.9~56 mm·h-1、53.2~62.2 mm·h-1和48.6~57.3 mm·h-1,对应均值分别为51.39 mm·h-1、58.76 mm·h-1和53.31 mm·h-1,午后大于57.6 mm·h-1的站点超过50%,并有上限峰值88.3 mm·h-1。
以上特征表明,浙江省极端短时强降水午后高发且强度增大,影响范围较上午和夜间广,对应有站点年均频数上限峰值1.6 h·a-1,出现在东南沿海,平均强度上限88.3 mm·h-1,出现在杭州湾;东南沿海有午后高发特征,对应时段高频站密集,大于0.3 h·a-1的站点超过75%,且夜间各站年均频数总体较本区域上午及全省其他地区多,表明夜间东南沿海也是极端短时强降水的高发带,而平均强度上东南沿海午后略有增强,均值为56.22 mm·h-1;杭州湾极端短时强降水年均频数日变化不明显,午后站点数略有增多,对应有年均频数上限峰值1.3 h·a-1,但午后平均强度增加,且高强站密集(图 3b2),大于57.6 mm·h-1的站点数超过50%。
5 结论与讨论基于近10 a (2010—2019年)浙江省地面自动站逐小时降水数据,从年变化、季内变化和日变化三个方面,对省内极端短时强降水(1 h雨量≥50 mm或3 h雨量≥100 mm的降水)的时空分布特征进行了分析,结论如下:
(1) 浙江省每年约有极端短时强降水169.8 h,占短时强降水的16.64%,高发期在暖季(5—10月),峰值在8月,对应月年均频数56.6 h·a-1;年均频数日变化曲线呈单峰型,峰值出现在17时,达17.4 h·a-1;高发区在东部沿海,其中包括东南沿海和杭州湾区域,东南沿海高频站密集,但平均强度相对较小,而高强站主要分布在杭州湾。
(2) 浙江省极端短时强降水始于3月,主要从5月开始,由浙南逐渐向浙北伸展,7—9月对应站点基本覆盖全境,其中8月影响范围最大,10月以后降水向东部沿海移动,过程趋于结束。暖季各月站点年均频数在0.1~0.3 h·a-1,强度上5—9月站点平均强度主要在50.6~61.4 mm·h-1,10月减弱,多在53.1 mm·h-1以下。
(3) 东南沿海极端短时强降水始于4月,5—10月进入高发期,对应时期高频站密集,8月有站点月年均频数上限峰值1.3 h· a-1,5—9月平均强度在49.4~62.4 mm·h-1,10月减弱;杭州湾最早也始于4月,7—10月为高发期,而7—9月高强站最为密集,对应平均强度均值在57 mm·h-1左右,其中8月影响范围最大,对应有月年均频数上限峰值0.9 h· a-1和平均强度上限峰值99.1 mm·h-1。
(4) 极端短时强降水午后高发且强度增大,影响范围较上午和夜间广,并在东南沿海有站点年均频数日变化上限峰值1.6 h·a-1,在杭州湾有平均强度上限峰值88.3 mm·h-1;东南沿海是午后高频站点的密集带,83.2%的高频站在该范围,大于0.3 h·a-1的站点数超过75%。此外,夜间极端短时强降水的高发带也在东南沿海;杭州湾午后平均强度增加,对应时段高强站密集,大于57.6 mm·h-1的站点数超过50%。
(5) 极端短时强降水的空间分布与地形地貌关系密切,喇叭口地形有助于极端短时强降水的发生,而喇叭口地貌有助于降水效率的提高。东南沿海为海陆交界且呈喇叭口地形特征,该区域高频站点密集,极端短时强降水频发,但平均强度与省内其他地区差异小;杭州湾呈喇叭口地貌特征,洋面向内陆伸展形成一个U型缺口,该区域高强站点密集,降水频数也略高于中西部地区。
浙江地处亚热带季风区,常年雨水充沛,短时强降水多发,而其中较少出现的极端短时强降水则更加考验数值预报的准确率和当地的抗灾能力。本文着眼于近10 a浙江省极端短时强降水进行分析,得到了其年变化、季内变化和日变化等的一般特征。然而要明晰极端短时强降水的机理,有效提升预报能力和防灾能力,本文的研究尚不充分,后续工作将基于数值模式,探讨浙江省地形地貌等条件对此类天气的影响机制,以期促进区域数值预报模式和智能网格的发展,也为本地区防灾减灾工作提供参考。
戴建华. 2013. 长三角地区雷暴发展、演变特征分析与机理研究[D]. 南京: 南京大学
|
雷蕾, 邢楠, 周璇, 等. 2020. 2018年北京"7.16" 暖区特大暴雨特征及形成机制研究[J]. 气象学报, 78(1): 1-17. |
李华宏, 胡娟, 闵颖, 等. 2017. 云南短时强降水时空分布特征分析[J]. 灾害学, 32(3): 57-62. DOI:10.3969/j.issn.1000-811X.2017.03.011 |
李建, 宇如聪, 孙溦. 2013. 从小时尺度考察中国中东部极端降水的持续性和季节特征[J]. 气象学报, 71(4): 652-659. |
李燕, 赛瀚, 刘静, 等. 2017. 辽宁省短时强降水气候特征分析[J]. 气象与环境学报, 33(4): 56-63. DOI:10.3969/j.issn.1673-503X.2017.04.007 |
林建, 杨贵名. 2014. 近30 a中国暴雨时空特征分析[J]. 气象, 40(7): 816-826. |
吕劲文, 姚日升, 涂小萍, 等. 2019. 浙江省6—9月午后短时强降水空间分布特征分析[J]. 暴雨灾害, 38(4): 320-328. DOI:10.3969/j.issn.1004-9045.2019.04.004 |
钤伟妙, 罗亚丽, 张人禾, 等. 2011. 引发舟曲特大泥石流灾害强降雨过程成因[J]. 应用气象学报, 22(4): 385-397. DOI:10.3969/j.issn.1001-7313.2011.04.001 |
秦大河, 张建云, 闪淳昌, 等. 2015. 中国极端天气气候事件和灾害风险管理与适应国家评估报告[M]. 北京: 科学出版社, 2-3.
|
曲晓波, 张涛, 刘鑫华, 等. 2010. 舟山"8.8" 特大山洪泥石流灾害气象成因分析[J]. 气象, 36(10): 102-105. DOI:10.7519/j.issn.1000-0526.2010.10.017 |
孙继松, 戴建华, 何立富, 等. 2014. 强对流天气预报的基本原理与技术方法-中国强对流天气预报手册[M]. 北京: 气象出版社, 1-184.
|
孙继松, 何娜, 王国荣, 等. 2012. " 7.21" 北京大暴雨系统的结构演变特征及结构初探[J]. 暴雨灾害, 31(3): 218-225. |
王芬, 严小冬, 谷晓平, 等. 2017. 2006-2016年黔西南初夏短时强降水时空特征分析[J]. 暴雨灾害, 36(5): 460-466. DOI:10.3969/j.issn.1004-9045.2017.05.008 |
王国荣, 王令. 2013. 北京地区夏季短时强降水时空分布特征[J]. 暴雨灾害, 32(3): 276-279. DOI:10.3969/j.issn.1004-9045.2013.03.012 |
王婧羽, 李哲, 汪小康, 等. 2019. 河南省雨季短时强降水时空分布特征[J]. 暴雨灾害, 38(2): 152-160. DOI:10.3969/j.issn.1004-9045.2019.02.007 |
汪雅, 苗峻峰, 谈哲敏. 2013. 宁波地区海陆下垫面差异对雷暴过程影响的数值模拟[J]. 气象学报, 71(6): 1146-1159. |
吴梦雯, 罗亚丽. 2019. 中国极端小时降水2010-2019年研究进展[J]. 暴雨灾害, 38(5): 502-514. DOI:10.3969/j.issn.1004-9045.2019.05.012 |
许爱华, 孙继松, 许东蓓, 等. 2014. 中国中东部强对流天气的天气形势分类和基本要素配置特征[J]. 气象, 40(4): 400-411. DOI:10.3969/j.issn.1671-1742.2014.04.013 |
杨浩, 崔春光, 王晓芳, 等. 2019. 气候变暖背景下雅鲁藏布江流域降水变化研究进展[J]. 暴雨灾害, 38(6): 565-575. |
杨小银, 宋广宁, 付培健. 2013. "5.10" 岷县暴雨灾害天气过程的数值模拟和诊断分析[J]. 高原气象, 32(3): 798-805. |
易笑园, 张义军, 沈永海, 等. 2012. 一次海风锋触发的多单体雷暴及合并过程的观测分析[J]. 气象学报, 70(5): 974-985. |
俞小鼎. 2013. 短时强降水临近预报的思路与方法[J]. 暴雨灾害, 32(3): 202-209. DOI:10.3969/j.issn.1004-9045.2013.03.002 |
赵丽, 杨青, 韩雪云. 2016. 近50a西北干旱区极端降水的时空变化特征[J]. 沙漠与绿洲气象, 10(1): 19-26. DOI:10.3969/j.issn.1002-0799.2016.01.003 |
郑小华, 刘环, 杜丽莉, 等. 2019. 陕西极端降水时空变化特征研究[J]. 沙漠与绿洲气象, 13(4): 9-16. |
Luo Y, Wu M, Ren F, et al. 2016. Synoptic situation of extreme hourly precipitation over China[J]. Journal of Climate, 29(24): 8703-8719. DOI:10.1175/JCLI-D-16-0057.1 |
Wu M, Wu C C, Yen T H, et al. 2017. Synoptic analysis of extreme hourly precipitation in Taiwan during 2003-2012[J]. Mon Wea Rev, 145: 5123-5140. DOI:10.1175/MWR-D-17-0230.1 |
Zhang H, Zhai P M. 2011. Temporal and spatial characteristics of extreme hourly precipitation over eastern China in the warm season[J]. Advances in Atmospheric Sciences, 28(5): 1177-1183. DOI:10.1007/s00376-011-0020-0 |