近56年来中国雷暴日数的时空分异特征
近56年来中国雷暴日数的时空分异特征
孔锋;郭君;王一飞;吕丽莉
【摘 要】采用1961-2016年2 481站的雷暴日数数据,利用多种数理统计方法,分析了中国及其七大地理分区的雷暴日数时空分布特征、周期变化规律和突变特征.结果表明:1961-2016年中国整体及其不同区域的雷暴日数整体均呈减少趋势,年均单站雷暴日数均在2000年代普遍偏少,而2010年代开始迅速增加.全国、东北、西北东部、西北西部和西藏地区的年均单站雷暴日数在30年尺度上的振荡周期相对显著.全国、东北、北方、西北东部、西北西部、西藏、西南和东南的年均单站雷暴日数在1992、1994、1996、2000、1994、1963及2005、1989和1994年发生突变.中国年均雷暴日数超过45 d的区域主要分布在新疆西北部、西藏中部、青海南部、四川西部及沿长江的以南地区.西北地区的大部分地区年均雷暴日数则均在10 d以下.不同年代的雷暴日数距平空间差异较大.西藏大部分地区、重庆、甘肃北部、山西、河北、黑龙江西北部、浙江沿海等地区的雷暴日数呈现出明显的增加趋势.新疆西北部、四川西部和长江以南的广大地区等均呈现出明显的减少趋势.西藏、青海、西北地区以及长江中下游南北附近地区的雷暴日数年际波动较大,而内蒙古中北部和长江以南的多数地区年际波动较小.
【期刊名称】《灾害学》
【年(卷),期】2018(033)003
【总页数】9页(P87-95)
【关键词】雷暴日数;变化趋势;波动特征;集合经验模态分解;Mann-Kendall突变检验
【作 者】孔锋;郭君;王一飞;吕丽莉
【作者单位】清华大学公共管理学院,北京100084;中国气象局气象干部培训学院,100081北京;中亚大气科学研究中心,新疆乌鲁木齐830002;清华大学公共管理学院,北京100084;中国气象局气象干部培训学院,100081北京;中国气象局气象干部培训学院,100081北京
【正文语种】中 文
怎样填写高考志愿
【中图分类】P446;X43
雷暴事件是一种产生于强烈发展的积雨云中、云间或云地之间的可产生闪电及雷声的对流
性天气现象[1-2]，它通常伴随着滂沱大雨或冰雹，而在冬季甚至会随暴风雪而来[3]，是我国主要的气象灾害之一[4]。雷暴特别是云对地间的放电对国民经济建设有较大的危害[5]，常对农林、交通、通讯、航空航天及地面建筑物或其他设施造成不同程度的经济损失，甚至造成人员伤亡[6-7]。雷暴灾害不仅被联合国列为“最严重的十种自然灾害之一”[8]，而且被国际电工委员会称为“电子时代的一大公害”[9-10]。随着中国社会经济的快速发展和电子信息产业的迅速推进，雷暴造成的灾害影响越来越大[11-13]，因此，深入系统研究雷暴事件活动的气候态特及其变化趋势和波动特征征，不仅可以反映雷暴事件时空分布特征，而且对新形势下防雷工作，尤其对减少雷暴天气下各行业经济损失有明确的指导作用。雷电产生于中尺度对流天气系统[14]，局地和时效特征明显[15]，其时空分布与气候条件、天气系统、季节、地形和下垫面性质等多种因素有关[16-18]。长期以来，研究人员对于雷暴的研究一直没有停止，但研究的侧重点迥异[19]。有的侧重于研究雷暴的气候特征[20-21]；有的则侧重研究雷暴、雷电或闪电等的结构成因[22-23]；还有的侧重于雷暴天气的临近预报[24-25]。在雷暴的气候特征研究方面，较多的是针对雷暴事件的年代际变化进行分析[26-29]。这类研究主要是分析特定区域雷暴的动态变化特征，尤其是季节性变化及其与大气环流和海温异常的相关性研究[26]。雷暴活动存在很强的季节性和日变化特征。一般来
说一年之中雷暴事件发生频率，冬季最少，夏季最多[30-31]；一天之中，白天多，夜间少[32-33]。在天气和气候预报上，学者们更多关注雷暴天气的各种物理量特征，关注短时或临近预报的准确性[24-25]。通过梳理发现，针对中国长时间尺度雷暴事件的时空分布格局及其变化趋势和波动特征的研究相对较少，尤其是中国不同区域间雷暴事件的对比研究则更少。因此，本文基于中国区域2 481个气象站点的雷暴事件观测记录，运用多种统计方法和GIS技术，对1961-2016年中国及七大地理分区的雷暴日数动态变化规律和时空演变格局进行研究。一方面，能更好地为中国强对流的预报、防御及进一步分析强对流成因以及与大尺度环流的关系打好基础。另一方面，以期对该领域的研究有所促进和补充，为全国和区域防雷减灾及雷暴天气风险评估提供可能的科学依据和决策支撑。河源景点
1　数据和方法
只是未到伤心处
1.1　数据来源
本文采用的1961-2016年的2 481站的雷暴日数年值数据来自于中国气象局国家气象信息中心的《对流性天气数据集(V1.0)》。雷暴天气现象按《地面气象观测规范》的要求进行观测[34]，初期对观测数据进行了反复质量检测与控制，期间纠正了大量的错误数据，并对
数字化遗漏数据进行了补录，使得数据质量和完整性得到明显提升。后期数据集是由中国气象局国家气象信息中心对地面气象观测数据文件和实时上传的地面气象要素数据文件综合校对后制作而成，经过了严格的“台站-省级-国家级”三级质量控制。数据的实有率均在98%以上，数据的正确率均接近100%，站点分布如图1所示。
图1　中国数字高程、七大地理分区和气象站点分布怎么查个人所得税
1.2　计算方法
本文采用的方法主要包括线性趋势检测[35-36]、集合经验模态分解(EEMD)[37]、Mann-Kendall(MK)突变检验[37-38]、反距离权重插值[39-40]、图谱对比分析[41-43]和变异系数[35]，其中前三种方法主要用来检测时间序列趋势、波动和突变特征；反距离权重插值、图谱对比分析和变异系数主要是诊断不同研究时段空间格局差异的方法。其中反距离权重插值将雷暴日数站点数据插值成10 km ×10 km分辨率的栅格数据。变异系数表征1961-2016年中国雷暴日数的波动特征空间分布格局。在数理统计上，变异系数是衡量资料中各观测值变异程度的一个统计量，是标准差与平均数的比值，可以用于衡量数据的波动性[35]。变异系数可以消除单位和平均数不同对两个或多个资料变异程度比较的影响。在本
护士节祝福语
文中，雷暴日数的变异系数越小，其波动程度越小；反之，变异系数越大，波动程度越大。上述方法均已经在大气科学和地理学中得到了广泛的应用[37]。同时本文根据已有研究成果对中国的分区[44-45]，统计七大地理分区的雷态变化特征(图1)。
2　结果与分析
2.1　中国雷暴日数时变趋势性分析
从时间序列动态变化来看，1961-2016年中国年均单站雷暴日数在波动中呈现出减少趋势(图2)。从年代际变化来看，中国年均单站雷暴日数从1970年代到2000年代呈梯次减少趋势，而1970年代和2010年代分别比上个年代有所增加。从七大地理分区来看，1961-2016年东北、北方、西北东部、西北西部、西南和东南地区年均单站雷暴日数均在波动中整体呈现出减少趋势(图2)。从分段特征来看，东北地区年均单站雷暴日数从1960年代到2010年代分别呈现出“增-减-增-减-减-增”的变化趋势，其中1980年代年均单站雷暴日数最多，2000年代最少，2010年代迅速增加，且2000年以来波动增大。北方地区年均单站雷暴日数从1960年代到2010年代分别呈现出“增-增-增-减-减-增”的变化趋势，波动特征整体偏大。其中年均单站雷暴日数在1970年代最多，2000年代最少，2010年代有所增加。西北
东部地区年均单站雷暴日数从1960年代到2010年代分别呈现出“增-增-增-减-减-增”的变化趋势，其中1980年代年均单站雷暴最多，2000年代最少。西北西部地区年均单站雷暴日数从1960年代到2010年代分别呈现出“减-减增-减-减-增”的变化趋势，且年际波动整体偏大，其中1960年代年均单站雷暴日数最多，2000年代最少。西藏地区年均单站雷暴日数分段变化明显，但年际波动偏小。其中1960年代到1980年代前期呈增加趋势，1980年代中期开始到2000年代末呈减少趋势，2010年后开始有所增加，年均单站雷暴日数1980年代最多，1960年代最少。西南地区年均单站雷暴日数从1960年代到2010年代依次呈现出“减-减减-减-减-增”的变化趋势，但值得注意的是1960年代年均单站雷暴日数相比1970年代偏小，其中1970年代年均单站雷暴日数最多，2000年代最少。东南地区年均单站雷暴日数从1960年代到2010年代依次呈现出“减-减减-减-增-增”的变化趋势。值得注意的是1960年代年均单站雷暴日数相比1970年代偏小，其中1970年代年均单站雷暴日数最多，2000年代最少。通过对比发现才，七大地理分区中年均单站雷暴日数均在2000年代普遍少，而2010年代开始迅速增加。
2.2　中国雷暴日数周期变化特征分析
文件压缩
基于EEMD来诊断全国及七大地理分区的年均单站雷暴日数时间序列中低频信号的波动特征，本文在EEMD分解中加入的白噪音振幅标准差为原序列的0.2倍，集合次数为1 000次，最终分解出4个不同时间尺度的本征模态函数IMF序列和1个剩余残差序列。从IMF 1、IMF 2、IMF 3和IMF 4分量序列可以看出，全国的年均单站雷暴日数时间序列分别表现出1～3、6～10、15和30年左右的周期波动特征(图3)。剩余的残差即是EEMD分解得到的趋势，该趋势和图2中的线性趋势十分相似。从图3左边各分量的显著性检验结果来看，位于不同显著性水平的线上方表示通过了不同显著性水平的检验，即可以认为该分量包含了具有实际物理意义的信息，反之则该分量包含了较多的白噪声。该图的纵轴表示IMF分量所具有的能量谱密度，纵坐标值越大表示IMF分量所具有的能量越高，振幅越大。从图3中可以看到全国年均单站雷暴日数的IMF 4所具有的能量最大，且大都落在90%的显著性水平之上，说明IMF 4分量最显著，说明在30年尺度上，中国年均单站雷暴日数的振荡周期相对显著。类似的东北、西北东部、西北西部和西藏地区的年均单站雷暴日数均在30年尺度上具有显著振荡周期。同时西藏地区也具有60年的显著振荡周期。值得注意的是北方、西南和东南地区的年均单站雷暴日数振荡周期均不显著。
图2　中国及七大地理分区年均雷暴日数分段变化趋势(1961-2016年)
图3　基于EEMD的中国及七大地理分区年均雷暴日数波动特征(1961-2016年)
2.3　中国雷暴日数突变特征分析
为了诊断1961-2016年中国及七大地理分区年均单站雷暴日数时间序列是否发生突变及其突变时间，进一步采用MK突变检验的方法来诊断，结果如图4所示。其中UF和UB为统计量曲线，取±1.96和±2.56为临界曲线的MK检验值，即0.05和0.1显著性水平的置信度检验区间。全国、东北、北方、西北东部、西北西部、西藏、西南和东南的年均单站雷暴日数的UF统计量和UB统计量的交点大致分别在1992、1994、1996、2000、1994、1963及2005、1989和1994年，且交点在0.05和0.1显著性水平的置信区间内(图4)。因此，可以判断1992、1994、1996、2000、1994、1963及2005、1989和1994年，是全国、东北、北方、西北东部、西北西部、西藏、西南和东南地区的年均单站雷暴日数发生突变的年份。已有的研究分析表明1998年是中国年均气温突变的年份，即中国年均气温增加从1998年以后开始停滞，甚至下降[46]。且1991-2000年是中国年均气温显著上升的10年[47]，该年代中全球和中国的大部分地区的气候均有显著变化[48]。这暗示1961-2016年中国年均单站雷暴日数除了受区域地形和环境因素影响外，可能还与全球大气和海洋环流的变化有深层次的联系。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。