Analysis of Flood Season Precipitation and Extreme Precipitation in Gansu Province Based on Data from Different Types of Meteorological Stations

  • Feng FANG ,
  • Jing WANG ,
  • Weiping LIU ,
  • Youheng WANG ,
  • Xin WANG ,
  • Jingjing LIN ,
  • Xing WANG
Expand
  • 1. Lanzhou Regional Climate Center,Lanzhou 730020,Gansu,China
    2. Lanzhou Institute of Arid Meteorology,Lanzhou 730020,Gansu,China

Received date: 2022-07-27

  Revised date: 2023-02-08

  Online published: 2023-11-14

Abstract

In this paper, the data quality control of the flood season precipitation and extreme precipitation of the regional meteorological stations and national meteorological stations in Gansu Province from 2011 to 2020 has been carried out, and 1253 regional meteorological stations and 75 national meteorological stations have been selected to analysis the precipitation characteristics.The results show that the average precipitation amount of the regional meteorological stations in Gansu Province is very close to that of the national meteorological stations, and there is no significant difference.The average precipitation of the regional meteorological stations in flood season in Gansu province is 382.9 mm, and that of the national meteorological stations is 379.7 mm.The average monthly precipitation of regional meteorological stations distributes from 31.7 mm to 87.1 mm, and that of national meteorological stations distributes from 30.4 mm to 86.4 mm.However, there are significant differences in the extremes of precipitation between the two types of meteorological stations.The maximum of total precipitation at regional meteorological stations in flood season even reaches 917.5 mm, the maximum monthly precipitation reaches 776 mm, and the maximum number of rainstorm days reaches 46 d·(10a)-1.However, those of national meteorological stations is 710.7 mm, 541 mm and 17 d·(10a)-1, respectively.The spatial locations of precipitation maxima of regional meteorological stations and national meteorological stations are close to each other, but the numerical values of regional stations are significantly higher than those of national stations.The spatial trends of precipitation at the two stations are very consistent, and the correlation coefficient of flood season precipitation of two types stations is 0.95, the correlation coefficient of monthly extreme precipitation is 0.92.Moreover, regional meteorological stations show many higher and less value centers of small patches than national stations; the spatial precipitation difference between the two types of meteorological stations are clearly in the east and south of Gansu Province.Overall, the regional meteorological stations describe the precipitation characteristics of Gansu Province in a more detailed way.More extreme precipitation events are monitored in those regions with complex terrain, and the extreme value of precipitation is larger than that of national meteorological stations.The rainstorm and flood disaster prevention in these regions should be based on the data of regional meteorological stations to enhance the disaster risk prevention ability.

Cite this article

Feng FANG , Jing WANG , Weiping LIU , Youheng WANG , Xin WANG , Jingjing LIN , Xing WANG . Analysis of Flood Season Precipitation and Extreme Precipitation in Gansu Province Based on Data from Different Types of Meteorological Stations[J]. Plateau Meteorology, 2023 , 42(6) : 1468 -1477 . DOI: 10.7522/j.issn.1000-0534.2023.00008

1 引言

地面观测资料的疏密程度对灾害性天气准确监测, 及降水等气候资源的优化应用有重要影响。为了更精细地监测不同区域的气象灾害和气候资源等条件, 中国气象部门从21世纪初开始, 不断补充和优化观测站网布局, 目前全国已建成超过6万个区域气象站点, 远远超过现有2400多个人工值守气象站的规模, 站点密度的增加减少了复杂地形下无法进行人工连续观测的盲区, 极大促进了中小尺度天气系统及气象灾害性天气的监测能力。江海生等(2009)研究了小区域降水与地质灾害发生的关系, 建立了相应的预报方程, 增强了山洪地质灾害的预报能力。顾岩梅和王付华(2009)对比大兴安岭不同季节的气温和降水资料时发现, 在复杂区域, 加密观测资料更能准确地体现气候的真实变化。代刊等(2010)认为, 加密站能及时捕捉对流发生前北京市整层大气的变化和能量累积。沈澄等(2015)应用高密度气象站分析表明, 短时强降水的空间分布具有明显的城郊差异。林婧婧等(2017)研究认为, 局地强降水对甘肃河西走廊绿洲植被覆盖有较大影响。金丽娜和李雄飞(2021)用区域站数据获得了西安市热岛和冷岛的精细化分布。
但区域气象站建设过快, 设备、 技术和管理的不足也日渐突现, 出现了一定数量的数据质量问题, 主要表现为缺测和奇异值。为了更好应用加密观测数据, 国内外学者们对气象水文数据的质量控制进行了大量研究, 并以多种方法进行数据极值界限判别和订正。Eischeid et al(1995)Peterson et al(1998)Sciuto et al(2009)Feng et al (2004)Van et al(2015)对全球及区域尺度的气候资料进行了质量控制和空间数据精细插值研究。何健等(2011)认为气象要素极值随地理区域和季节的不同而变化, 所以区域气象站极值的确定要参考该地区长期观测资料的最大值或最小值。孙林花等(2015)韩海涛等(2021)开展了针对甘肃省区域站实时资料问题研究, 评估了站点位置变化对资料均一性的影响。国内学者应用高度订正方法确定了区域站气温的界限值, 应用气候界限检查值、 时间一致性、 空间一致性检查等多种方法, 分别对中国及广东省区域站气象资料开展了质量分析研究(周青等, 2015王雯燕等, 2017伍红雨等, 2020)。Park et al(2002)对朝鲜半岛的夏季极端降水进行了分析, 翟盘茂和任福民(1999)章文波和刘宝元(2003)张玉虎等(2015)对中国、 省域及江河流域尺度的降水极值变化开展了研究。以上方法为区域站资料的科学应用提供了有益的参考。
近年来, 甘肃省建成了2100多个区域气象站, 形成了覆盖高原山地、 荒漠戈壁、 河谷盆地等不同地理环境的高密度监测网, 相比现有的81个国家级人工值守气象站, 站点数量增加了20多倍。然而, 甘肃省区域气象站建设也存在设备不统一、 观测频率不一致, 原始观测数据存在一定数量的质量问题。为了去伪存真, 发挥这些高密度观测数据在极端降水事件中的监测作用, 精准评估甘肃省降水的时空分布, 本文以国家级气象站质控数据作为参考, 研究检测区域站数据的实用性, 并对比两种站点降水资料在时空分布上的差异。

2 研究区概况

甘肃地处黄土高原、 青藏高原和内蒙古高原三大高原的交汇地带, 省内气候类型多样, 从南向北包括亚热带季风气候、 温带季风气候、 温带大陆性干旱气候和高原山地气候四大类型; 气象灾害种类多, 其中干旱居首位; 是气候变化的敏感区和生态环境的脆弱区。甘肃省水资源匮乏、 降水稀少、 地域差异显著。全省年平均降水量412 mm(1991 -2020年平均), 低于全国年平均降水量(632 mm)的2/3; 其中, 河西150 mm, 不足全国平均的1/4, 河东470 mm, 仅为全国的3/4; 全省年降水资源量1370×108 m3, 为全国倒数第5位。全省季节降水分配差异显著, 夏半年(4 -9月, 即汛期)降水占全年总量的80%~90%, 暴雨等极端性降水事件基本上发生在汛期。

3 数据来源及研究方法

3.1 数据来源及预处理

本研究以甘肃省内81个国家级人工值守气象站(以下简称为本站), 及省内所有的2139个区域气象站(文后简称区域站)为分析对象; 资料序列为2011 -2020年共10年的日降水记录。甘肃省气象观测规范要求区域气象站降水的观测时段为每年3 -10月, 而不同海拔地区的起止时间有所不同, 为保证研究一致性, 研究选取本站和区域站同期4 -9月的资料进行分析, 数据来源于甘肃省气象信息与技术装备保障中心。本站数据已经过多级审核, 可直接使用; 而区域站多处于野外偏远地方, 因无人看守、 电池异常及其它未知原因常出现空值、 极端偏大或偏小的奇异值等问题, 所以要开展数据质量控制, 对不合常规的数据进行判别, 采取订正或者剔除, 以保证研究结果的科学可靠。本研究中区域站数据的质量控制步骤, 一是确定极大值界限, 进行空间一致性判别和时间一致性判别, 剔除奇异极大值; 二是去除观测记录缺测较多的站点, 保证计算结果的精准度。极大值界限确定, 近10年甘肃省区域站监测到较为可信的日最大降水量为258 mm, 国家站60年来监测到的最大日降水量为190.2 mm; 结合相关文献及甘肃省国家气象站降水极值和区域站降水的最大数值分析, 本研究设定了甘肃省区域站日降水量最大界限为300 mm, 研究中剔除日降水量>300 mm的异常记录。数据缺测偏多站点的处理, 经研究数据预分析, 当某站点数据缺测率超5%时, 分析结果与数据完整时结果差异会达到5%的显著水平; 因此本研究舍弃记录总缺测率超过5%的站点。另外, 由于甘南州区域气象站数量过少[图1, 该图及文中所涉及的地图是基于自然资源部标准地图服务系统下载的审图号为GS(2019)3333号的甘肃省地图制作, 底图无修改], 本文对甘南不做分析(除去甘南, 全省有75个国家站参与研究)。经过以上步骤, 最终有1253个区域站参与研究, 占原始站点总数的58.6%; 甘肃高质量数据比例低于任芝花(2010)侯灵等(2019) 的研究。
图1 研究区内气象站点分布

Fig.1 Distribution of meteorological stations in the study area

3.2 研究方法

本站和区域站数量差别巨大, 为了客观比较其降水时间和空间分布的差异, 研究主要以统计平均值对比、 分区域(市州)对比, 极端数值对比, 分析两类数据的一致性和差异性; 以GIS空间分析方法研究两类数据的空间相似度; 综合分析甘肃省降水的新特征。

4 结果与分析

4.1 汛期及各月降水量

2011-2020年甘肃省汛期(4 -9月)降水年际波动幅度较大(图2), 而区域站和本站汛期平均降水量在各年度非常接近。甘肃省区域站汛期平均降水量在297.5~464.2 mm, 年较差为166.7 mm; 本站降水范围为302.1~454.1 mm, 年较差为152.0 mm。区域站年较差为其平均值的43.5%, 本站为其平均值40.0%, 表明区域站降水的变化幅度更大。区域站汛期降水量多年平均为382.9 mm, 本站为379.7 mm, 差值为3.2 mm; 各年最多相差16.6 mm。区域站和本站逐月平均降水量特征一致, 7月最大、 8月次之、 4月最小(图3); 区域站月降水量在31.7~87.1 mm, 本站为30.4~86.4 mm。区域站和本站各月平均降水量相差在0.6~2.4 mm, 差值微小。
图2 2011 -2020年各年汛期降水量

Fig.2 Precipitation in flood season from 2011 to 2020

图3 2011 -2020年各月平均降水量

Fig.3 Monthly average precipitation from 2011 to 2020

区域站和本站降水的年际和各月波动趋势和变化幅度基本一致, 两者数量差异很小, 区域站的年际和月间比本站波动略大。经显著性对比分析, 区域站和本站的汛期降水量、 月降水量的平均值在数量上没有明显差异, 均未通过显著性检验。

4.2 不同区域降水差异

表1给出了甘肃由干旱到湿润气候, 且包含荒漠、 山区、 高原、 河谷等不同地理环境下的5个代表市州的区域站和本站数据对比, 数据表明区域站和本站降水在地市级范围的差异明显大于全省整体范围的差异, 差异区间主要在20~60 mm。河西走廊干旱区的酒泉市和武威市, 以及半干旱区的兰州市, 区域站和本站汛期降水差异多在20 mm左右, 最大不超过70 mm; 半湿润区的陇南山区和庆阳黄土高原区, 差异多在30 mm以上, 其中庆阳市2017年的差异高达110 mm。庆阳市地处黄土高原核心区, 山川塬兼有, 沟峁梁相间, 由于区域站多布设在远离城镇的地方, 其所处的复杂环境可能导致了与本站降水的较大差异。以降水标准偏差和变异系数来看, 酒泉和兰州数值较高, 表明其降水空间分布和年度变化相对复杂; 武威降水变异较小, 降水的时空分布与变化相对平稳; 总体上地市级区域站的降水变异值低于本站, 可能由于区域站数量多分布广, 所以降水变化相对均匀, 表明其更能精细反映降水的平面分布。
表1 代表地市的区域站及本站各年度汛期降水量

Table 1 Annual precipitation of representative municipalities in flood season

地区 类型 各年度汛期降水量/mm 标准偏差 /mm 变异 系数
2011年 2012年 2013年 2014年 2015年 2016年 2017年 2018年 2019年 2020年
酒泉 区域站 69.1 75.8 98.1 50.6 86.7 111.8 68.0 67.9 101.1 35.8 23.5 0.31
本站 65.4 95.7 76.1 54.0 75.9 105.0 72.2 81.9 131.8 33.1 27.3 0.35
武威 区域站 274.3 254.6 162.1 255.4 218.9 229.4 229.2 278.7 288.7 218.2 37.6 0.16
本站 298.3 307.7 186.5 297.3 234.5 269.8 252.9 332.2 328.0 239.5 46.5 0.17
兰州 区域站 268.6 329.5 295.6 324.8 209.3 299.8 242.6 404.1 335.7 282.1 54.2 0.18
本站 228.5 291.1 282.9 353.6 203.6 278.6 279.4 469.1 353.0 294.2 74.4 0.25
陇南 区域站 541.7 487.2 605.1 378.4 389.3 367.8 494.8 528.4 527.0 666.7 98.2 0.20
本站 551.6 526.8 644.3 410.7 446.6 393.7 518.3 555.5 568.4 725.0 101.9 0.19
庆阳 区域站 367.1 443.9 545.8 462.3 305.6 281.1 424.6 530.1 452.7 432.5 86.0 0.20
本站 395.9 457.1 642.8 526.8 354.4 347.2 534.5 609.9 554.6 482.1 102.2 0.21

4.3 最大月降水量对比

极端降水是一个区域水资源利用和暴雨洪涝灾害风险防御的重要参数。本文以各站点降水的历史月最大降水值为例, 对比两类站点极端降水的差异, 这种差异可为灾害防御提供更精准的参考。表2为各市州2011 -2020年月最大降水量出现的区域和时间, 从表2中可以看出, 白银、 定西、 兰州、 陇南、 庆阳和武威6个市行政区域内, 本站和区域站月最大降水发生在相同县区, 而其余市州月极端降水发生在不同区域; 月极端降水发生在同年同月的仅有临夏、 庆阳和武威3个市州。最大降水主要出现在6 -8月, 其中又以8月最多。从降水量来看, 各市州区域站的月极端降水量均大于本站, 白银、 张掖2市州两类站点的差异较小, 在25~50 mm, 其余市州的差异都超过70 mm, 其中临夏州的差异达到了471.8 mm。临夏州区域站月最大降水量为本站的255%, 该区域站海拔较本站高230 m, 水平距离仅40 km左右, 临夏境内多山地, 复杂地形对降水影响较大。卢珊等(20202022)李生辰等(2022)在青海高原和黄土高原区域的暴雨和极端降水研究也认为在高原边坡等复杂区域, 受水汽输送的异常变化容易产生极端降水, 与本文分析结果相似。
表2 各市州月最大降水出现的区域和时间

Table 2 Positions and time of maximum monthly precipitation in each municipality

地区 类型 县区 经度/(°E) 纬度/(°N) 海拔/m 降水量/mm 时间(年-月)
白银 区域站 会宁 105.14 35.59 1817 281.7 2018-07
本站 105.06 35.68 1739 230.3 2017-08
定西 区域站 岷县 104.03 34.30 2500 494.9 2016-06
本站 104.02 34.43 2315 242.0 2020-08
酒泉 区域站 肃州 98.67 39.87 1388 263.9 2013-06
本站 肃北 94.87 39.52 2137 140.1 2012-06
兰州 区域站 榆中 104.00 35.77 2646 441.8 2011-08
本站 104.14 35.87 1874 211.5 2018-08
临夏 区域站 和政 103.35 35.43 2136 776.1 2018-08
本站 临夏 103.18 35.58 1917 304.3 2018-08
陇南 区域站 康县 105.76 33.01 840 760.3 2016-07
本站 105.6 33.33 1221 541.1 2020-08
平凉 区域站 灵台 107.65 35.07 976 417.9 2013-07
本站 崆峒 106.66 35.53 1468 313.5 2020-08
庆阳 区域站 华池 107.92 36.50 1323 548.6 2013-07
本站 107.99 36.45 1420 379.3 2013-07
天水 区域站 麦积 105.94 34.45 1200 484.6 2015-05
本站 清水 106.15 34.74 1416 328.0 2013-07
武威 区域站 天祝 102.91 36.99 2820 275.4 2018-08
本站 103.19 36.99 2485 205.0 2018-08
张掖 区域站 高台 99.64 39.35 1428 197.9 2012-07
本站 民乐 100.82 38.46 2232 150.5 2019-06

4.4 降水概率分布型态

甘肃省区域站和本站降水的平均状态和单站极端数值差异较大, 为对比其量级和分布特征, 利用降水概率分布曲线进行了分析。首先计算两类降水序列的方差, 以1/2个方差为单位递增形成多个分组, 统计各组内的气象站数量, 再以各组内的降水中值和组内数量绘制降水概率分布曲线图(图4图5)。由图4可见, 区域站汛期降水的分布近似于正态分布型, 降水量主要集中在300~500 mm, 站点比例为78.5%; 本站降水曲线的大部分类似正态分布, 但不规则, 430~480 mm站点比例最高, 约50%。图5表明, 区域站和本站月最大降水的概率曲线都倾向于右向正偏态分布(曲线尾部向右), 区域站分布最接近标准偏态型; 区域站和本站月最大降水量都在100~300 mm占有很高的站点比例, 区域站月最大降水400 mm以上站点明显减少, 而本站大于300 mm 以上的站点就急剧下降, 表明区域站极端降水的阈值比本站大, 高值范围更大。
图4 汛期降水量各等级站点数量分布

Fig.4 Distribution of the number of stations at different levels of monthly maximum precipitation

图5 月最大降水量各等级站点数量分布

Fig.5 Distribution of the number of stations at different levels of monthly maximum precipitation

从平均数量来看, 汛期降水区域站总体平均为382.9 mm, 本站为379.7 mm, 相差3.2 mm; 区域站月最大降水量总平均为233 mm, 本站为206 mm, 相差27 mm; 平均数量相差不是很明显。而在极大值方面两类站点的差别却极其显著, 如, 汛期最大降水区域站为917.5 mm (陇南市武都区五马镇), 本站最大为710.7 mm(陇南市康县), 相差206.8mm; 月最大降水区域站达776 mm(临夏州和政城关镇), 本站为541 mm(陇南市康县), 相差235 mm。区域站汛期降水和月最大降水的极端值均远超本站, 这个显著增量, 使得区域洪涝灾害防御增加了难度和风险。

4.5 暴雨日数

武威市及其以西地区气象站24 h降水大于29.9 mm计为1个暴雨日, 武威市以东区域大于49.9 mm计为1个暴雨日(甘肃省暴雨预警信号管理办法), 近10年甘肃省所有区域站监测到的暴雨日数总和为6932天, 而本站所有暴雨日数总和为305天; 区域站暴雨日数单站最多达46 d·(10a)-1(陇南市武都区裕和镇), 而本站最多17 d·(10a)-1(陇南市康县)(图6), 差别达2.7倍。从图6可以发现, 甘肃省暴雨多发生在102°E -108°E, 暴雨日数极大值在106°E附近, 区域站和本站暴雨日数的高发区比较一致, 分布形势也很相近。区域站各站暴雨日数平均为5.53 d·(10a)-1, 本站各站平均为4.69 d·(10a)-1。两类站点的总暴雨日数、 单站平均及单站最大数均表明, 区域站能收集和记录到更多本站监测不到的强降水事件。这与国内有关研究结论相似, 即国家级观测站少, 分辨率低, 降水的极端性往往会被低估(伍红雨等, 2020)。
图6 暴雨日数经向分布

Fig.6 Meridional distribution of rainstorm days

4.6 空间分布与相关

本文借鉴了张红杰等(2009)的研究方法, 以克里金法将研究选取的75个本站和1253个区域站降水资料插值到1 km分辨率的网格点上, 得到区域站和本站的精细化降水分布图(图7图8), 总体上两类站点降水量都呈现出东多西少和南多北少的特征。图7表明区域站和本站汛期降水在甘肃省西部偏北地方最少, 为20~100 mm, 东部和南部降水较多, 为300~800 mm。图8表明月最大降水仅有东南少部分地方可以达到300 mm以上, 西部和偏北地方大部都少于100 mm。综合图7图8可以发现, 区域站降水空间分布表现得更为细致, 呈现出更多分散的小斑块高值区和低值区, 而本站降水分布等值线简单平滑, 高值和低值区多呈连片分布。
图7 汛期降水量空间分布(单位: mm)

Fig.7 Spatial distribution of precipitation in flood season.Unit: mm

图8 月最大降水量空间分布(单位: mm)

Fig.8 Spatial distribution of maximum monthly precipitation.Unit: mm

为量化两类站点降水的空间相似程度, 将取得的1 km分辨率降水数据以5 km为最小空间距离, 利用ArcGIS软件随机生成了3339个验证点, 分别提取两类站点的验证点数据, 计算了本站和区域站降水量的空间相关系数(表3)。表3表明, 区域站和本站降水空间相关系数以全省为整体区域的数值最高, 达到0.92~0.95, 且通过了0.05显著性水平检验。汛期降水相关性较高的区域为张掖和武威市; 较低的区域为酒泉、 平凉和庆阳市; 该相关特征可能与复杂地形有关, 酒泉市海拔落差大, 以山谷地形为主, 平凉和庆阳市多为丘陵沟壑, 因此分布稀少的国家站很难反映复杂地形下降水的细节特征。月最大降水相关性与汛期降水又有所不同, 陇南山区本站和区域站的相关性较高, 而酒泉、 平凉、 庆阳和兰州等地相关数值较低。方锋等(2014)分析了城市化和地形对降水的影响, 发现城镇化率较高的大城市、 化工城市和复杂地形的城市对降水发生有明显的作用, 其分析与本研究结果有相似之处, 这也表明降水的产生机制非常复杂, 气候背景、 大城市环境、 化工业排放及地形因素等均可能对极端性降水产生作用。
表3 不同区域范围的区域站与本站降水相关系数

Table 3 Correlation coefficient of precipitation between regional stations and national stations

区 域 酒泉 张掖 武威 白银 兰州 临夏 定西 陇南 天水 平凉 庆阳 全省
汛期降水 0.35 0.9a 0.96a 0.75 0.68 0.8a 0.79 0.55 0.74 0.62 0.33 0.95a
月最大降水 0.38 0.46 0.86 a 0.52 0.17 0.59 0.5 0.81 a 0.77 0.47 0.3 0.92a

上标a表示通过了0.05显著性水平检验

4.7 降水空间差值

图9为区域站降水量空间各格点的数值减去本站相对应格点数值的差值分布图。由图9发现, 无论是汛期降水, 还是月最大降水本站的大范围数值都高于区域站, 而区域站数值高于本站的面积较小。经统计(表4), 汛期降水区域站高于本站的面积为研究区域的30.6%, 月最大降水区域站高于本站的面积为33.3%。区域站和本站差值较大的区域主要在甘肃省的东南部, 且呈细碎斑点的相间分布; 区域站汛期降水和月最大降水超过本站50 mm等级以上的面积分别为研究区域的7.3%和5.3%; 而本站降水高于区域站50 mm等级以上的面积分别为22.4%(汛期)和11.1%(月最大)。
图9 区域站与本站降水空间差值(单位: mm)

Fig.9 Spatial difference of precipitation between the regional station and national station.Unit: mm

表4 区域站与本站降水差值各等级面积占全省总面积的比例

Table 4 Proportion of different grades of precipitation difference between regional stations and national station in total area

类别 差值等级
<-100 mm -100~-50 mm -50.0 mm 0~50 mm 50~100 mm >100 mm
汛期降水差值各等级面积占比/% 5.4 17.0 46.9 23.3 5.7 1.6
月最大降水差值各等级面积占比/% 2.0 9.1 55.6 28.0 4.1 1.2
但对比降水空间分布(图7图8)可以发现, 因国家级气象站数量稀少, 其空间插值容易形成大范围的高值区, 导致本站有一定范围降水量存在被夸大的可能, 特别是酒泉、 庆阳和陇南等市。

5 结论

通过甘肃省区域气象站和国家级气象站降水对比, 研究得出了两种密度站点的汛期及各月降水量, 极端降水, 降水分布形态及空间相似性等异同特征。主要结论如下:
(1) 甘肃区域站和国家站汛期及各月降水的平均值非常接近, 无显著性差异, 表明区域站和本站均能表现全省降水时空分布的整体状况。
(2) 在降水的极端特征方面, 区域站的单站极端值显著高于国家站极端值, 特别是地形复杂的山区和东部黄土高原, 区域站汛期降水总量、 月极端降水量和暴雨日数最多可分别高出国家站30%, 43%和171%。
(3) 甘肃省区域站数量远远大于本站, 因数量和分布优势, 其汛期降水概率曲线分布呈标准正态型, 月极大降水概率曲线呈标准偏态型, 更符合理论分布形态。
(4) 两种站点降水量的空间分布形态非常相近, 但区域站比国家站呈现更多小斑块的高值和低值中心, 两种站点降水的空间差异在甘肃省的东部和南部比较明显。
甘肃省区域站和本站降水的差异主要由复杂地形、 气候背景、 城市环境发展等多因素造成。总体上, 区域气象站数据更精细地描绘了甘肃省的降水特征, 在复杂区域监测到了更多的极端降水事件, 降水极值在数量上相比国家站要高很多, 这些区域的暴雨洪涝灾害防御应以区域气象站数据为参考, 增强基础设施, 提升灾害风险防御能力。

References

null
Eischeid K J Baker B Katl T, et al, 1995.The quality control of long-term climatological data using objective data analysis[J]. Journal of Applied Meteorology34(12): 2787-2795.
null
Feng S Hu Q Qian W2004.Quality control of daily meteorological data in China, 1951-2000: a new data set[J].International Journal of Climatology, 24(7): 853-870.
null
Park J S Jung H S Kim R S, et al, 2002.Modelling summer extreme rainfall over the Korean Peninsula using wake by distribution[J]. International Journal of Climatology, 21: 1371-138.
null
Peterson T C Vose R Schmoyer R, et al, 1998.Global historical climatology network quality control of monthly temperature data[J]. International Journal of Climatology, 18: 1169-1179.
null
Sciuto G Bonaccorso B Cancelliere A, et al, 2009.Quality control of daily rainfall data with neural networks[J].Journal of Hydrology, 364: 13-22.
null
Van H D Christine T A Anne V2015.Accuracy of areal interpolation methods for count data[J].Spatial Statistics, 14: 412-438.
null
代刊, 何立富, 金荣花, 2010.加密观测资料在北京2008年9月7日雷暴过程分析中的综合应用[J].气象36(7): 160-167.
null
方锋, 孙兰东, 郭俊琴, 等, 2014.中国西北地区城市经济发展对降水趋势的影响[J].自然资源学报29(11): 1878-1887.
null
顾岩梅, 王付华, 2009.大兴安岭地区加密观测前后气象资料的对比分析[J].黑龙江气象26(1): 32-33.
null
韩海涛, 王雅萍, 张瑾, 2021.中国西北地区台站迁移对气候资料均一性影响的研究进展[J].高原气象40(2): 448-454.DOI: 10.7522/j.issn.1000-0534.2020.00032 .
null
何健, 王潜梅, 钱光明, 等, 2011.广东省区域自动气象站资料的质量控制与评估[J]. 广东气象33 (3): 41-44.
null
侯灵, 杨玉红, 陈晓庆, 2019.广东省区域自动站数据的质量分析与评估[J].广东气象41(5): 51-53.
null
江海生, 易圣才, 陈章法, 等, 2009.区域气象站降水资料在地质灾害预警中的应用[J].高原山地气象研究29(B9): 156-158.
null
金丽娜, 李雄飞, 2021. 2014-2017年西安市城市热岛、 冷岛精细化时空特征分析[J].沙漠与绿洲气象15(1): 97-102.
null
李生辰, 张青梅, 沈晓燕, 等, 2022.青海高原暴雨的形成条件与基本特征分析[J].高原气象41(2): 526-540.DOI: 10.7522/j.issn.1000-0534.2021.00009 .
null
林婧婧, 王大为, 方锋, 2017.1961-2015年河西走廊强降水的时空演变及其对植被的影响[J].干旱区研究34(5): 1010-1017.
null
卢珊, 胡泽勇, 王百朋, 等, 2020.近 56年中国极端降水事件的时空变化格局[J].高原气象39(4): 683-693.DOI: 10.7522/j.issn.1000-0534.2019.00058 .
null
卢珊, 胡泽勇, 付春伟, 等, 2022.黄土高原夏季极端降水及其成因分析[J].高原气象41(1): 241-254.DOI: 10.7522/j.issn. 1000-0534.2021.00027 .
null
任芝花, 赵平, 张强, 等, 2010.适用于全国自动站小时降水资料的质量控制方法[J].气象36(7): 123-132.
null
沈澄, 孙燕, 尹东屏, 等, 2015.江苏省暴雨洪涝灾害特征分析[J].自然灾害学报24(2): 203-212.
null
孙林花, 徐娟, 李仲龙, 等, 2015.区域气象站实时资料问题分析与质量控制[J].干旱气象33(3): 521-527.
null
王雯燕, 张颖梅, 唐文哲, 等, 2017.西安区域自动站气候界限值订正及质量控制[J].陕西气象(5): 38-40.
null
伍红雨, 李芷卉, 李文媛, 等, 2020.基于区域自动气象站的广东极端强降水特征分析[J].气象46(6): 801-812.
null
翟盘茂, 任福民, 1999.中国降水极值变化趋势检测[J].气象学报57 (2): 208-216.
null
张红杰, 马清云, 吴焕萍, 等, 2009.气象降水分布图制作中的插值算法研究[J].气象35(11): 131-136.
null
张玉虎, 王琛茜, 刘凯利, 等, 2015.不同概率分布函数降雨极值的适用性分析[J].地理科学35(11): 1460-1467.
null
章文波, 刘宝元, 2003.北方农牧交错带降水极值变化空间特征[J].自然资源学报18 (3): 274-280.
null
周青, 张乐坚, 李峰, 等, 2015.自动站实时数据质量分析及质控算法改进[J].气象科技43(5): 814-822.
Outlines

/