CN115793099A - 登陆热带气旋强度衰减识别及其对降雨影响的评估方法 - Google Patents
登陆热带气旋强度衰减识别及其对降雨影响的评估方法 Download PDFInfo
- Publication number
- CN115793099A CN115793099A CN202210882183.9A CN202210882183A CN115793099A CN 115793099 A CN115793099 A CN 115793099A CN 202210882183 A CN202210882183 A CN 202210882183A CN 115793099 A CN115793099 A CN 115793099A
- Authority
- CN
- China
- Prior art keywords
- tropical cyclone
- landing
- tropical
- rainfall
- cyclone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 84
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 13
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000012546 transfer Methods 0.000 claims abstract description 7
- JTJMJGYZQZDUJJ-UHFFFAOYSA-N phencyclidine Chemical class C1CCCCN1C1(C=2C=CC=CC=2)CCCCC1 JTJMJGYZQZDUJJ-UHFFFAOYSA-N 0.000 claims description 48
- 238000011160 research Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 230000004907 flux Effects 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 7
- 238000012950 reanalysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 claims description 4
- 238000012353 t test Methods 0.000 claims description 4
- 230000007850 degeneration Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000002265 prevention Effects 0.000 abstract description 2
- 230000007774 longterm Effects 0.000 description 7
- 230000001066 destructive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法。本发明对热带气旋登陆后24小时内的强度进行Kaplan‑DeMaria指数式衰减拟合得到其强度衰减时间尺度，对登陆热带气旋强度衰减时间尺度进行时间变化特征分析，探索影响登陆热带气旋强度衰减的因素，定量评估各影响因素对登陆热带气旋强度衰减的相对贡献，结合海表温度升高、热带气旋路径转移和大尺度环境特征三个方面明晰登陆热带气旋强度衰减变化的物理机制，最后探讨登陆热带气旋强度衰减变化对热带气旋降雨的影响。本发明有益效果是：进一步提升城市安全的气象服务保障能力，为防灾减灾、抗御热带气旋灾害和政府决策提供科学依据。
Description
技术领域
本发明涉及大气科学技术领域，尤其涉及登陆热带气旋强度衰减识别及其对降雨影响的评估方法。
背景技术
热带气旋是发生在热带和副热带洋面上的气旋性涡旋。西北太平洋是全球热带气旋发生次数最多的地区，每年平均生成30场热带气旋，约占全球热带气旋生成总数的33％。我国位于西北太平洋西部，近一半的国土(北起辽宁，南至海南，最西可至西南部100°E以西)可受到热带气旋影响。每年登陆我国的热带气旋平均数量为7场，发生时间通常在5～10月。热带气旋登陆时常常伴随有狂风、暴雨和风暴潮等灾害性天气，其中热带气旋引发的暴雨和随后的洪水往往会给受影响区域造成巨大的社会经济损失和人员伤亡。
由于陆地阻碍、摩擦耗能和远离水汽源地等原因，热带气旋登陆后迅速衰减。 Li和Chakraborty研究发现，相较于50年前，北大西洋热带气旋登陆后一天的强度衰减幅度由75％降为50％，强度下降得更慢。Zhu等人和Song等人发现过去几十年，美国大陆和亚洲大陆热带气旋登陆的衰减在变慢。一些研究已经证明了热带气旋登陆强度和经济损失之间的幂律关系，因而热带气旋登陆后强度衰变减慢可能增加内陆地区的潜在灾害。然而，目前关于登陆热带气旋强度衰减变化如何影响热带气旋降雨的研究仍比较匮乏。基于此，研究登陆大陆的热带气旋强度衰减时间尺度(τ)的变化，对热带气旋降雨的预测和破坏性潜力估计具有重要意义，可以进一步提升城市安全的气象服务保障能力，为防灾减灾、抗御热带气旋灾害和政府决策提供科学依据。
发明内容
本方法的目的在于，针对登陆热带气旋强度衰减速度发生变化后对热带气旋降雨影响的研究方法不足，提出一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法。
本发明的登陆热带气旋强度衰减识别及其对降雨影响的评估方法，包括如下步骤：
步骤S1：数据采集；采集实测热带气旋最佳路径数据、全球降水数据和气象再分析数据；
步骤S2：登陆热带气旋的筛选；结合步骤S1得到的热带气旋最佳路径数据，筛选所有登陆热带气旋，并根据登陆热带气旋筛选原则选择满足原则的登陆热带气旋；
步骤S3：登陆热带气旋强度衰减时间尺度的识别；结合步骤S2得到的满足原则的登陆热带气旋，对各热带气旋登陆后24小时内的强度进行 Kaplan-DeMaria指数式衰减拟合识别相应的登陆热带气旋强度衰减时间尺度τ，并排除大于τ均值的2倍标准偏差的登录热带气旋事件；
步骤S4：登陆热带气旋强度衰减变化特征的识别；结合步骤S3得到的各登陆热带气旋τ值，统计登陆热带气旋τ值的时间序列，分析研究时期前后两个阶段的登陆热带气旋τ值的概率密度曲线，并识别登陆热带气旋τ值时间变化特征；
步骤S5：登陆热带气旋强度衰减变化影响因素的识别；结合步骤S4得到的登陆热带气旋τ值的时间序列，进行可能影响登陆热带气旋衰减的因素与该时间序列的相关性分析，识别影响登陆热带气旋强度衰减变化的所有因素；
步骤S6：登陆热带气旋强度衰减变化的影响因素相对贡献的量化；结合步骤 S5得到的影响登陆热带气旋强度衰减变化的所有因素，根据相对贡献计算方法量化各因素对登陆热带气旋强度衰减变化的相对贡献；
步骤S7：登陆热带气旋强度衰减变化的物理机制分析；结合步骤S4得到的登陆热带气旋强度衰减变化特征与步骤S5得到的影响登陆热带气旋强度衰减变化的所有因素，从热带气旋路径转移和大尺度环境特征两个方面明晰登陆热带气旋强度衰减变化的物理机制；
步骤S8：登陆热带气旋降雨及其量化指标的识别；结合步骤S2得到的登陆热带气旋，基于客观天气图分析法识别登陆热带气旋降雨场，进而识别登陆热带气旋降雨指标。
步骤S9：登陆热带气旋强度衰减变化对热带气旋降雨影响的分析；结合步骤 S3得到的登陆热带气旋的τ值与步骤S8得到的登陆热带气旋降雨指标，统计热带气旋降雨指标的变化情况，进行热带气旋降雨指标与登陆热带气旋τ值的相关性分析，进而分析得到登陆热带气旋强度衰减变化对热带气旋降雨影响。
本发明提供的有益效果是：
(1)本发明提出了一种登陆热带气旋强度衰减速度情况的识别方法，识别了登陆热带气旋强度衰减速度的长期变化趋势，分析了登陆热带气旋强度衰减速度变化的物理机制，这对登陆热带气旋的破坏性潜力估计具有重要意义。
(2)本发明通过不同登陆热带气旋强度衰减区间下热带气旋降雨的差异，分析了登陆热带气旋强度衰减变化对降雨时空过程的影响，明晰了登陆热带气旋强度衰减减慢对热带气旋降雨的放大作用。
附图说明
图1是登陆热带气旋强度衰减识别及其对降雨影响的评估方法的实施流程图；
图2是1967-2018年登陆中国的热带气旋登陆强度衰减速度特征以及西北太平洋海表温度与登陆热带气旋强度衰减时间尺度(τ)的相关性分析；
图3是1967-2018年143个热带气旋的登陆中心经度、登陆中心纬度、登陆后24小时内的移动速度、登陆后24小时内垂直海岸线的移动速度、登陆强度及其与τ值的关系；
图4是1967-2018年登陆热带气旋生成位置与登陆位置的变化曲线；
图5是1967-2018年登陆华东和华南区域热带气旋的生成发展与大尺度环境差异分析；
图6是登陆热带气旋中心经度最大10年与最小10年的大尺度环境变量差异空间分布图；
图7是1989年8月3日18：00-8月5日18：00由热带气旋Ken引起的降雨时空演变及其在48小时内引起的热带气旋降雨指标(Pmean和Pmax)的变化曲线；
图8是1979-2018年登陆热带气旋引起热带气旋降雨指标变化率随登陆热带气旋相应τ分位数变化的箱线图分析；
图9是1979-2018年登陆热带气旋的引起的不限制降雨范围内热带气旋降雨指标的时间变化及其与相应年τ均值响应分析；
图10是1979-2018年登陆热带气旋的引起的限制降雨范围内热带气旋降雨指标的时间变化及其与相应年τ均值响应分析。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。
本发明首先对相关基本概念及本申请的核心点解释说明如下，随后再对本发明技术方案详细阐述。
请参考图1，图1是本发明方法流程示意图；一种面向行星际探测轨道设计的强化混合差分演化方法，包括以下：
步骤S1：数据采集；采集实测热带气旋最佳路径数据、全球降水数据和气象再分析数据；
步骤S2：登陆热带气旋的筛选；结合步骤S1得到的热带气旋最佳路径数据，首先筛选所有登陆热带气旋，进一步根据登陆热带气旋筛选原则选择恰当的登陆热带气旋；
步骤S3：登陆热带气旋强度衰减时间尺度的识别；结合步骤S2得到的登陆热带气旋，对各热带气旋登陆后24小时内的强度进行Kaplan-DeMaria指数式衰减拟合识别相应的登陆热带气旋强度衰减时间尺度(τ)，并进一步排除大于τ均值的2倍标准偏差的事；
步骤S4：登陆热带气旋强度衰减变化特征的识别；结合步骤S3得到的各登陆热带气旋τ值，统计登陆热带气旋τ值的时间序列，分析研究时期前后两个阶段的登陆热带气旋τ值的概率密度曲线，并识别登陆热带气旋τ值时间变化特征；
步骤S5：登陆热带气旋强度衰减变化影响因素的识别；结合步骤S4得到的登陆热带气旋τ值的时间序列，进行可能影响登陆热带气旋衰减的因素与该时间序列的相关性分析，识别影响登陆热带气旋强度衰减变化的所有因素；
步骤S6：登陆热带气旋强度衰减变化的影响因素相对贡献的量化；结合步骤 S5得到的影响登陆热带气旋强度衰减变化的所有因素，根据相对贡献计算方法量化各因素对登陆热带气旋强度衰减变化的相对贡献；
步骤S7：登陆热带气旋强度衰减变化的物理机制分析；结合步骤S4得到的登陆热带气旋强度衰减变化特征与步骤S5得到的影响登陆热带气旋强度衰减变化的所有因素，从热带气旋路径转移和大尺度环境特征两个方面明晰登陆热带气旋强度衰减变化的物理机制；
步骤S8：登陆热带气旋降雨及其量化指标的识别；结合步骤S2得到的登陆热带气旋，基于客观天气图分析法识别登陆热带气旋降雨场，进而识别登陆热带气旋降雨指标。
步骤S9：登陆热带气旋强度衰减变化对热带气旋降雨影响的分析；结合步骤 S3得到的登陆热带气旋的τ值与步骤S8得到的登陆热带气旋降雨指标，统计热带气旋降雨指标的变化情况，进行热带气旋降雨指标与登陆热带气旋τ值的相关性分析，进而分析得到登陆热带气旋强度衰减变化对热带气旋降雨影响。
本发明的方法，所述步骤S1中，所述的热带气旋最佳路径数据包括热带气旋的每6小时的气旋中心位置、近中心最大风速；所述的全球降水数据为高时空分辨率的格点降水数据，其时间分辨率为3小时，空间分辨率为0.1°×0.1°；所述气象再分析数据包括经向风、纬向风、相对涡度、垂直速度、相对湿度、比湿、整层水汽、经向水汽通量、纬向水汽通量、土壤湿度和海表温度。
所述步骤S2中，登陆热带气旋筛选原则包括四个步骤：①热带气旋在登陆前一个位置的强度要达到强热带风暴级别及以上(强度≥24.5m/s)；②热带气旋在陆上至少停留24小时，即热带气旋在陆上至少有连续4个逐6小时的位置记录；③热带气旋登陆后的强度不能出现增加的情况；④热带气旋在登陆前的一个位置以及登陆后四个位置不能出现温带变性、温带过渡的情况。
所述步骤S3中，热带气旋登陆后24小时内的强度呈Kaplan-DeMaria指数式衰减的公式如下：
式中，V(t)为登陆热带气旋的强度，t为热带气旋登陆后24小时内的时间 (由于热带气旋时间分辨为逐6小时，故t＝t1，t2，t3，t4，V(t1)为登陆热带气旋第一个位置的强度，τ为登陆热带气旋强度衰减时间尺度。所以，4个位置的ln(V(t)/V(t1))的拟合线斜率即为-1/τ。τ值越大，登陆热带气旋强度衰减越慢。
所述步骤S4中，登陆热带气旋强度衰减时间尺度的时间变化特征是通过最小二乘法计算得到的变化趋势，最小二乘法拟合研究变量的时间序列从而得到的斜率即为变化趋势。斜率的最小二乘拟合公式如下：
式中，b为斜率，n为研究时期的总年数，xi为研究时期中的第i年，
为研究时期年份的均值，yi为研究时期中研究变量的第i年的值，
为研究时期内研究变量的均值。
所述步骤S5中，可能影响登陆热带气旋衰减的因素包括热带气旋登陆中心位置(包括登陆中心经度、纬度)、登陆强度、登陆后24小时内的移动速度及近海海表温度，接着采用spearman相关系数分析前述因素与登陆热带气旋τ值时间序列的相关性，随后采用t检验检验所得到的相关性的显著性，最后根据相关性大小及其显著性筛选影响登陆热带气旋衰减的所有因素。
所述步骤S6中，相对贡献计算方法包括三个步骤：
①首先将研究时期均分为前后两个时期，统计这两个时期内登陆热带气旋τ的均值，随后计算后一时期相对前一时期的登陆热带气旋强度τ均值的增量Na(这个增量为所有因素共同影响下的增量)；②在计算某一因素的相对贡献时，假设其它因素在后一时期不发生变化，即后一时期仅考虑该因素对登陆热带气旋衰减的影响，计算后一时期登陆热带气旋τ的均值，并将该均值与①得到前一时期的均值作差得到该因素单独影响下的登陆热带气旋τ均值的增量N1；③将某因素单独影响下的登陆热带气旋τ均值的增量除以所有因素共同影响下的增量而得到的百分比(N1/Na·100％)，即为该因素对登陆热带气旋强度衰减影响的相对贡献。
所述步骤S7中，热带气旋路径转移是通过研究热带气旋生成位置与登陆位置的长期变化趋势得到的，随后将热带气旋登陆位置划分两个区域，进行这两个区域生成发展与大尺度环境差异分析，研究变量包括登陆热带气旋的生成位置(生成经度和纬度)、在海上的持续时间、登陆强度、登陆后24小时内的移动速度及登陆点500hPa的比湿。除此之外，还需要结合大尺度环境变量的空间差异分布共同明晰登陆热带气旋强度衰减变化的物理机制。
所述步骤S8中，登陆热带气旋降雨指标共六个：①格点降雨均值，即热带气旋引起降雨范围内单位时刻的各格点降雨量的平均值；②格点降雨最大值，即热带气旋引起降雨范围内单位时刻的格点降雨量的最大值；③不限制降雨范围内的格点降雨总量均值，即热带气旋登陆后固定时段内在不限制降雨范围内发生过降雨的所有格点降雨总量的均值；④不限制降雨范围内的格点降雨总量最大值，即热带气旋登陆后固定时段内在不限制降雨范围内发生过降雨的所有格点降雨总量的最大值；⑤限制降雨范围内的格点降雨总量均值，即热带气旋登陆后固定时段内在限制降雨范围内发生过降雨的所有格点降雨总量的均值；⑥限制降雨范围内的格点降雨总量最大值，即热带气旋登陆后固定时段内在限制降雨范围内发生过降雨的所有格点降雨总量的最大值。
需要注意的是，不限制降雨范围的意思是热带气旋登陆某一时段内发生过降雨的所有格点组成的范围，也就是说这些格点不受该时段内单位时刻都得存在降雨的这一限制。与之相对的是限制降雨范围，其意思是热带气旋登陆某一时段内的各单位时刻均存在降雨的所有格点组成的范围，也就是说这些格点在该时段内各单位时刻都存在降雨。因此，不限制范围内的降雨格点数量较多，限制范围内的降雨格点数量较少。
所述步骤S9中，热带气旋降雨指标变化情况包括：①所有登陆热带气旋τ值从小到大均分为10个分位数区间(0-10th、10-20th、……、90-100th)内的固定时段内格点降雨均值及格点降雨最大值变化率的区间均值的变化情况；②通过最小二乘法得到的格点降雨总量均值、格点降雨总量最大值的长期变化趋势；所述步骤S9中的热带气旋降雨指标与登陆热带气旋τ值的相关性分析为采用 spearman相关系数分析登陆热带气旋τ值分位数区间均值与相应区间的降雨变化率均值间的相关性、格点降雨总量均值(格点降雨总量最大值)时间序列与登陆热带气旋τ值时间序列间的相关性，并采用t检验检验所得到的相关性的显著性。
实施例以1967-2018年登陆中国的热带气旋(tropical cyclone，TC) 为例，对本发明的登陆热带气旋强度衰减识别及其对降雨影响的评估方法的技术方案作进一步描述。实施例用于说明本发明，但不用来限制本发明的应用范围，分地区或分时间段同样适用。
本发明方法的登陆热带气旋强度衰减识别及其对降雨影响的评估方法的实施流程图如图1所示，具体步骤如下：
(1)基础数据的采集；
在本实施例中，采集了IBTrACS版本4(International Best Track Archive forClimate Stewardship version 4)的热带气旋最佳路径数据集，包括热带气旋的每3小时的气旋中心位置、近中心最大风速，数据集时间涵盖1967-2018年。需要注意的是，在分析登陆热带气旋强度衰减变化时，选取1967-2018年 IBTrACS数据集中的逐6小时路径资料进行研究，而在分析热带气旋降雨时，选取1979-2018年IBTrACS数据集中的逐3小时路径资料来建立热带气旋与降雨的关系；采集了中国区域地面气象要素驱动数据集中的降水变量，时间序列为 1979-2018年，时间分辨率为3小时，水平空间分辨率为0.1°×0.1°；采集了欧洲中期天气预报中心(ECMWF)中的ERA5再分析资料，气象再分析数据包括经向风、纬向风、相对涡度、垂直速度、相对湿度、比湿、整层水汽、经向水汽通量、纬向水汽通量、土壤湿度和海表温度。表1为选取的数据信息：
表1主要数据信息
(2)登陆热带气旋的筛选；
本实施例中，利用IBTrACS版本4的热带气旋最佳路径数据，筛选1967-2018 年内登陆中国的热带气旋，登陆热带气旋具体筛选原则包括四个步骤：①热带气旋在登陆前一个位置的强度要达到强热带风暴级别及以上(强度≥24.5 m/s)；②热带气旋在陆上至少停留24小时，即热带气旋在陆上至少有连续4个逐6小时的位置记录；③热带气旋登陆后的强度不能出现增加的情况；④热带气旋在登陆前的一个位置以及登陆后四个位置不能出现温带变性、温带过渡的情况。根据以上四个条件，共选取得到150场热带气旋。
(3)登陆热带气旋强度衰减时间尺度的识别；
本实施例中，基于实施例(2)得到的1967-2018年内登陆中国的150 场热带气旋，将各热带气旋登陆后24小时内的强度进行Kaplan-DeMaria指数式拟合，Kaplan-DeMaria指数式衰减的公式如下：
式中，V(t)为登陆热带气旋的强度，t为热带气旋登陆后24小时内的时间 (由于热带气旋时间分辨为逐6小时，故t＝t1，t2，t3，t4)，V(t1)为登陆热带气旋第一个位置的强度，τ为登陆热带气旋强度衰减时间尺度。所以，4个位置的的拟合线斜率即为-1/τ。τ值越大，登陆热带气旋强度衰减越慢。
接着，在150场热带气旋中排除了7场衰减时间尺度(τ)异常大的事件(即排除大于τ均值的2倍标准偏差的事件)。最终，一共有143场热带气旋登陆事件作为登陆热带气旋强度衰减对降雨影响的研究对象。
(4)登陆热带气旋强度衰减变化特征的识别；
本实施例中，基于实施例(3)得到的1967-2018年内登陆中国的143 场热带气旋的τ值，首先以1992年为界限，将研究时期1967-2018年划分两个等长时期(1967-1992年和1993-2018年)，这两个时期中筛选的143个热带气旋路径见图2a。在1967-1992年和1993-2018年，登陆热带气旋强度衰减时间尺度(即τ)的覆盖区间比较大，说明各登陆热带气旋强度衰减差异较大，暗示存在多个因素对单个热带气旋衰减有影响(图2b)。相较于1967-2018年，1993-2018 年τ值概率密度曲线明显右移，τ高值在这期间发生概率更大，说明登陆热带气旋强度衰减速度减缓。
进一步地，统计登陆热带气旋τ值的时间序列，并根据最小二乘法计算τ值的变化趋势，该变化趋势即为1967-2018年内登陆中国的143场热带气旋强度衰减速度的变化特征。如图2c所示，从1967-2018年的滑动平均τ值变化来看，τ值在过去1967-2018年中以1.8h/decade速率呈现显著的上升趋势(p＜ 0.01)，从22h增加至32h，上升幅度为45％。
(5)登陆热带气旋强度衰减变化影响因素的识别；
本实施例中，基于实施例(4)得到的1967-2018年内登陆中国的热带气旋τ值的时间序列，分析热带气旋登陆中心位置(包括登陆中心经度和登陆中心纬度)、登陆强度、登陆后24小时内的移动速度及海表温度的长期变化趋势，并采用spearman相关系数分析上述因素与登陆热带气旋τ值时间序列的相关性，随后采用t检验检验所得到的相关性的显著性，最后根据相关性大小及其显著性筛选影响登陆热带气旋衰减的所有因素。
结果显示，在1967-2018年内，热带气旋的登陆中心经度以0.23degrees/decade的速率呈现显著的增加趋势(p＜0.05)，与τ呈现显著的正相关关系(r＝0.34，p＜0.05；图3a-b)；登陆中心纬度仅以0.07degrees/decade呈微弱的极移趋势，与τ呈现微弱的正相关关系(r＝0.19，p＝0.18；图3c-d)；热带气旋登陆强度以0.40(m/s)/decade的速率呈现显著的增加趋势(p<0.05)，且与τ呈现显著的正相关关系(r＝0.27，p<0.10；图3i-j)；登陆后24小时内的移动速度及垂直海岸线的移动速度(Vt和Vtsin∝)与τ呈现微弱的正相关关系(相关系数r均较低且未通过显著性检验(图3e-h)；海表温度在过去52年内以0.11 K/decade的速率呈显著的上升趋势(p＜0.01)，与τ值呈显著的正相关关系 (r＝0.49，p＜0.01；图2d、f)。综上可得，登陆热带气旋强度衰减的影响因子强弱顺序为海表温度、热带气旋登陆中心位置和登陆强度，而热带气旋登陆后 24小时内的移动速度对登陆热带气旋强度衰减的影响则比较微弱。
(6)登陆热带气旋强度衰减变化的影响因素相对贡献的量化；
本实施例中，基于实施例(5)得到的登陆热带气旋强度衰减的影响因子强弱顺序为海表温度、热带气旋登陆中心位置和登陆强度。随后根据相对贡献计算方法量化各因素对登陆热带气旋强度衰减变化的相对贡献，考虑到本研究中的τ变化与海表温度和登陆位置(登陆经度和纬度)相关性较高，参考Li和 Chakraborty的计算方法，首先计算海表温度增加和登陆位置变化对τ的相对贡献，具体过程如下(下述数值见表2)：
①在1967-1992年，华东(华南)区域τ均值为33.29(25.53)h，登陆热带气旋事件的比例为46.15％(53.85％)，而在1993-2018年，华东(华南)区域τ均值为34.58(26.27)h，登陆热带气旋事件的比例为53.95％(46.05％)，两个区域的τ均值均在增加。1967-1992(1993-2018)年，中国登陆热带气旋事件的τ均值为29.11(30.76)h，前后两个时期增加的τ值为1.65h。
②如果登陆热带气旋事件的比例保持不变(此时海表温度的增加作为控制变量)，可得到1993-2018年，中国登陆热带气旋事件的τ均值为30.11h (46.15％×34.58+53.85％×26.27＝30.11)，海表温度增加导致τ的增量为1h (30.11-29.11＝1h)，故海表温度对τ的相对贡献为60.6％(1/1.65＝60.6％)。
③如果1967-1992与1993-2018年之间海表温度未发生变化(此时登陆热带气旋位置变化作为控制变量)，可得到1993-2018年，中国登陆热带气旋事件的τ均值为29.72h(53.95％×33.29+46.05％×25.53＝29.72)，登陆热带气旋位置变化导致τ的增量为0.61h(29.72-29.11＝0.61)，故登陆热带气旋位置变化对τ的相对贡献为37.0％(0.61/1.65＝37.0％)。同时可得，登陆热带气旋强度增加对τ的相对贡献2.4％(100％-60.6％-37.0％＝2.4％)。
综上可得，本实施例中海表温度增加、登陆位置变化和登陆热带气旋强度增加对τ的相对贡献分别为60.6％、37.0％和2.4％。
表2登陆中国华东、华南的热带气旋强度衰减时间尺度(τ)的比较
(7)登陆热带气旋强度衰减变化的物理机制分析；
本实施例中，基于实施例(4)得到的登陆热带气旋强度衰减变化特征与基于实施例(5)得到的影响登陆热带气旋强度衰减变化的所有因素，从热带气旋路径转移和大尺度环境特征两个方面明晰登陆热带气旋强度衰减变化的物理机制。
首先，热带气旋路径转移是通过研究热带气旋生成位置与登陆位置的长期变化趋势得到的，图4显示，在1967-2018年内，热带气旋的登陆经度和登陆纬度分别以0.23degrees/decade和0.15degrees/decade的速率呈现显著的增加趋势 (p<0.05和p<0.10)；热带气旋的生成经度以0.60degrees/decade的速率呈现显著的增加的趋势(p<0.05)，生成纬度以-0.14degrees/decade的速率呈下降的趋势。本实施例中热带气旋的登陆位置更偏东及偏北，生成位置也更偏东。
随后，将热带气旋登陆位置划分华东和华南两个区域，进行这两个区域生成发展与大尺度环境差异分析，研究变量包括登陆热带气旋的生成位置(生成经度和纬度)、在海上的持续时间、登陆强度、登陆后24小时内的移动速度及登陆点500hPa的比湿。图5显示，从登陆华东和华南区域热带气旋的生成位置和在海上持续时间来看(图5a-c)，登陆华东区域热带气旋的生成经度、生成纬度和在海上的持续时间均明显高于华南，说明登陆华东区域的热带气旋生成位置较登陆华南的更偏东、偏北。这使得热带气旋移动路径较为曲折进而导致热带气旋在海上的持续时间增加，暗示着登陆华东区域的热带气旋在海上的持续时间较登陆华南区域长。热带气旋在海上持续时间更长，风暴内部可能会携带更多的水汽。从热带气旋登陆点前后6小时内华东和华南区域中层比湿均值的差异来看(图5f)，热带气旋在华东登陆时500hPa的比湿含量明显高于华南，说明热带气旋在海上持续时间的增加潜在地增加了登陆热带气旋携带的水汽含量。热带气旋内部的水汽量是影响τ变化的重要原因，热带气旋登陆时携带的水汽量越多，登陆热带气旋强度衰减速度会越慢。
接着，结合大尺度环境变量的空间差异分布共同明晰登陆热带气旋强度衰减变化的物理机制，合成研究热带气旋登陆中心经度最大的10年与登陆中心经度最小的10年的环境变量的差异性，分析得到在登陆中心经度最大的10年中，华东区域正异常的低层相对涡度及其上空异常的逆时针旋转的气流有利于TC 登陆后维持强大的逆时针旋转的气旋(图6a、d)；负异常的中层垂直速度(上升运动的增加)有利于热带气旋登陆后的中心上升气流的维持(图6b)；偏高的中低层相对湿度和显著增加的整层水汽能够促进水汽凝结释放潜热，从而维持热带气旋的暖心结构(图6c、f)；异常弱的垂直风切变也有利于热带气旋暖心结构的维持(图6d)；华东区域异常偏高的土壤湿度，有利于提高热导率进而产生更持久的潜热通量，有利于热带气旋登陆后在陆上的维持(图6h)。然而，华南区域都不具备上述有利的环境条件。
(8)登陆热带气旋降雨及其量化指标的识别；
本实施例中，基于实施例(2)得到的登陆热带气旋，基于客观天气图分析法识别登陆热带气旋降雨场，进而识别登陆热带气旋降雨指标，为了研究登陆热带气旋强度衰减减慢对热带气旋降雨的影响，采取了六个评估指标：①格点降雨均值(Pmean)，即热带气旋逐三小时引起降雨范围内的各格点降雨量的平均值；②格点降雨最大值(Pmax)，即热带气旋逐三小时引起降雨范围内格点降雨量的最大值；③登陆后24(48)小时内格点降雨总量均值PTmean24 (PTmean48)，即TC登陆后24(48)小时内的在不限制降雨范围内(热带气旋登陆后对应研究时段内发生过降雨的所有格点组成的范围)各格点的降雨总量的均值；④登陆后24(48)小时内格点降雨总量最大值PTmax24(PTmax48)，即热带气旋登陆后24(48)小时内的在不限制降雨范围内的各格点的降雨总量中的最大值；⑤登陆后24小时内格点降雨总量均值re-PTmean24，即热带气旋登陆后24小时内的在限制降雨范围内(热带气旋登陆后对应研究时段内的各单位时刻均存在降雨的所有格点组成的范围)的各格点的降雨总量的均值；⑥登陆后24小时内格点降雨总量最大值re-PTmax24，即热带气旋登陆后24小时内的在限制降雨范围内的各格点的降雨总量中的最大值。
选取1989年登陆中国的热带气旋Ken及其诱发的降雨情况示例上述六个指标，热带气旋Ken在48小时内各单位时刻引起的降雨空间分布及其随时间变化曲线见图7。图7a-q中各单位时刻的空间分布图内所有格点的降雨量的平均值和最大值，即为Pmean和Pmax，故Ken引起的48小时内各单位时刻的Pmean、 Pmax的变化曲线如图7r所示。Ken在限制范围内计算得到的re-PTmean24及 re-PTmax24，即为图7a-i中黑色点区域内的所有格点的在0～24h的降雨总量的均值及最大值。Ken引起的不限制范围内的PTmean24(PTmean48)及PTmax24 (PTmax48)为0～24(0～48)小时内各个格点降雨总量的均值及最大值。
(9)登陆热带气旋强度衰减变化对热带气旋降雨影响的分析；
本实施例中，基于实施例(3)得到的登陆热带气旋的τ值与实施例(8)得到的六个登陆热带气旋降雨指标，首先了解热带气旋降雨变化率随更详细的τ区间的变化情况，将τ从小到大均分为10个分位数区间(0-10th、10-20th、……、 90-100th)，统计在这10个τ分位数区间内的热带气旋降雨变化率，绘制成箱型图并构建其与τ的线性回归模型。从τ分位数区间和热带气旋降雨变化率序列构建的线性相关关系来看(图8)，Pmean24、Pmax24、Pmean48、Pmax48的变化率均与τ分位数区间增加而增加。其中，Pmean48和Pmax48的变化率与τ分位数区间呈显著(p<0.01)的正相关关系(r分别为0.30和0.36；图8c-d)，这说明登陆TC强度衰减减慢后对48小时内的降雨率变化率的增加更为明显，意味着登陆TC强度衰减减慢会增强登陆后48小时内的TC降雨。
随后，通过最小二乘法计算各热带气旋降雨指标的长期变化趋势，结果显示，在1979-2018年内，PTmean24、PTmax24、PTmean48、PTmax48、re-PTmean24 和re-PTmax24均呈现显著的增加趋势(p<0.01或p<0.05)，增加趋势分别为2.0 mm/decade、23.0mm/decade、1.9mm/decade、24.2mm/decade、13.1mm/decade 和16.7mm/decade(见图9a、c、e、g和图10a、c)。进一步地，进行各热带气旋降雨指标与登陆热带气旋τ值的时间序列的相关性分析，结果显示PTmean24、 PTmax24、PTmean48、PTmax48、re-PTmean24和re-PTmax24均与τ呈现显著(p<0.01)的高度正相关关系(r分别为0.64、0.76、0.67和0.70；图9b、d、f、 h和图10b、d)。这说明，登陆热带气旋强度衰减时间尺度τ是PTmean24、PTmax24、 PTmean48和PTmax48的主要影响因素，登陆热带气旋强度衰减速度越缓慢，其登陆后所诱发的24小时和48小时的各格点TC降雨总量的均值和最大值也相应越高。
本发明的有益效果是：
(1)本发明提出了一种登陆热带气旋强度衰减速度情况的识别方法，识别了登陆热带气旋强度衰减速度的长期变化趋势，分析了登陆热带气旋强度衰减速度变化的物理机制，这对登陆热带气旋的破坏性潜力估计具有重要意义。
(2)本发明通过不同登陆热带气旋强度衰减区间下热带气旋降雨的差异，分析了登陆热带气旋强度衰减变化对降雨时空过程的影响，明晰了登陆热带气旋强度衰减减慢对热带气旋降雨的放大作用。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：包括以下步骤：
步骤S1：数据采集；采集实测热带气旋最佳路径数据、全球降水数据和气象再分析数据；
步骤S2：登陆热带气旋的筛选；结合步骤S1得到的热带气旋最佳路径数据，筛选所有登陆热带气旋，并根据登陆热带气旋筛选原则选择满足原则的登陆热带气旋；
步骤S3：登陆热带气旋强度衰减时间尺度的识别；结合步骤S2得到的满足原则的登陆热带气旋，对各热带气旋登陆后24小时内的强度进行Kaplan-DeMaria指数式衰减拟合识别相应的登陆热带气旋强度衰减时间尺度τ，并排除大于τ均值的2倍标准偏差的登录热带气旋事件；
步骤S4：登陆热带气旋强度衰减变化特征的识别；结合步骤S3得到的各登陆热带气旋τ值，统计登陆热带气旋τ值的时间序列，分析研究时期前后两个阶段的登陆热带气旋τ值的概率密度曲线，并识别登陆热带气旋τ值时间变化特征；
步骤S5：登陆热带气旋强度衰减变化影响因素的识别；结合步骤S4得到的登陆热带气旋τ值的时间序列，进行可能影响登陆热带气旋衰减的因素与该时间序列的相关性分析，识别影响登陆热带气旋强度衰减变化的所有因素；
步骤S6：登陆热带气旋强度衰减变化的影响因素相对贡献的量化；结合步骤S5得到的影响登陆热带气旋强度衰减变化的所有因素，根据相对贡献计算方法量化各因素对登陆热带气旋强度衰减变化的相对贡献；
步骤S7：登陆热带气旋强度衰减变化的物理机制分析；结合步骤S4得到的登陆热带气旋强度衰减变化特征与步骤S5得到的影响登陆热带气旋强度衰减变化的所有因素，从热带气旋路径转移和大尺度环境特征两个方面明晰登陆热带气旋强度衰减变化的物理机制；
步骤S8：登陆热带气旋降雨及其量化指标的识别；结合步骤S2得到的登陆热带气旋，基于客观天气图分析法识别登陆热带气旋降雨场，进而识别登陆热带气旋降雨指标。
步骤S9：登陆热带气旋强度衰减变化对热带气旋降雨影响的分析；结合步骤S3得到的登陆热带气旋的τ值与步骤S8得到的登陆热带气旋降雨指标，统计热带气旋降雨指标的变化情况，进行热带气旋降雨指标与登陆热带气旋τ值的相关性分析，进而分析得到登陆热带气旋强度衰减变化对热带气旋降雨影响。
2.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S1中，所述的热带气旋最佳路径数据包括热带气旋的每6小时的气旋中心位置、近中心最大风速；
所述的全球降水数据为高时空分辨率的格点降水数据，其时间分辨率为3小时，空间分辨率为0.1°×0.1°；
所述气象再分析数据包括经向风、纬向风、相对涡度、垂直速度、相对湿度、比湿、整层水汽、经向水汽通量、纬向水汽通量、土壤湿度和海表温度。
3.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：所述步骤S2中，登陆热带气旋筛选原则包括四个步骤：
步骤1：热带气旋在登陆前一个位置的强度达到强热带风暴级别及以上；
步骤2：热带气旋在陆上至少停留N小时；N为预设值；
步骤3：热带气旋登陆后的强度不出现继续增加的情况；
步骤4：热带气旋在登陆前的一个位置以及登陆后四个位置不出现温带变性、温带过渡的情况。
4.如权利要求3所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S3中，热带气旋登陆后24小时内的强度呈Kaplan-DeMaria指数式衰减的公式如下：
式中，V(t)为登陆热带气旋的强度，t为热带气旋登陆后24小时内的时间，热带气旋时间分辨为逐6小时，t＝t1，t2，t3，t4，V(t1)为登陆热带气旋第一个位置的强度，τ为登陆热带气旋强度衰减时间尺度。
5.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S4中，登陆热带气旋强度衰减时间尺度的时间变化特征通过最小二乘法计算得到的变化趋势，最小二乘法拟合研究变量的时间序列从而得到的斜率即为变化趋势，斜率的最小二乘拟合公式如下：
式中，b为斜率，n为研究时期的总年数，xi为研究时期中的第i年，
为研究时期年份的均值，yi为研究时期中研究变量的第i年的值，
为研究时期内研究变量的均值。
6.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S5中，可能影响登陆热带气旋衰减的因素包括热带气旋登陆中心位置、登陆强度、登陆后24小时内的移动速度及海表温度；
采用spearman相关系数分析能影响登陆热带气旋衰减的因素与登陆热带气旋τ值时间序列的相关性；
采用t检验检验所得到的相关性的显著性，并根据相关性大小及其显著性筛选影响登陆热带气旋衰减的所有因素。
7.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S6中，相对贡献计算方法包括三个步骤：
步骤1：将研究时期均分为前后两个时期，统计两个时期内登陆热带气旋τ的均值，计算后一时期相对前一时期的登陆热带气旋强度τ均值的增量Na；
步骤2：在计算任一因素的相对贡献时，针对后一时期仅考虑该因素对登陆热带气旋衰减的影响，计算后一时期登陆热带气旋τ的均值，并将该均值与步骤1得到前一时期的均值作差得到该因素单独影响下的登陆热带气旋τ均值的增量N1；
步骤3：将某因素单独影响下的登陆热带气旋τ均值的增量除以所有因素共同影响下的增量得到百分比N1/Na·100％，其中百分比为该因素对登陆热带气旋强度衰减影响的相对贡献。
8.如权利要求1所述的一种登陆热带气旋强度衰减识别及其对降雨影响的评估方法，其特征在于：步骤S8中的登陆热带气旋降雨指标共六个：格点降雨均值、格点降雨最大值、不限制降雨范围内的格点降雨总量均值、不限制降雨范围内的格点降雨总量最大值、限制降雨范围内的格点降雨总量均值、限制降雨范围内的格点降雨总量最大值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210882183.9A CN115793099B (zh) | 2022-07-26 | 2022-07-26 | 登陆热带气旋强度衰减识别及其对降雨影响的评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210882183.9A CN115793099B (zh) | 2022-07-26 | 2022-07-26 | 登陆热带气旋强度衰减识别及其对降雨影响的评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115793099A true CN115793099A (zh) | 2023-03-14 |
| CN115793099B CN115793099B (zh) | 2024-05-14 |
Family
ID=85431388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210882183.9A Active CN115793099B (zh) | 2022-07-26 | 2022-07-26 | 登陆热带气旋强度衰减识别及其对降雨影响的评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115793099B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523302A (zh) * | 2023-04-14 | 2023-08-01 | 中国地质大学（武汉） | 一种海洋-内陆干旱事件识别与传播机理分析方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101037601B1 (ko) * | 2010-05-14 | 2011-05-30 | 제주대학교 산학협력단 | 한반도 근접, 상륙, 영향 태풍 분류 시스템 및 이를 이용한 태풍 통계 산출방법 |
| CN111190241A (zh) * | 2019-10-16 | 2020-05-22 | 防城港市气象局 | 一种影响热带气旋衰减的分析方法 |
| KR102161441B1 (ko) * | 2019-12-24 | 2020-10-05 | 양영철 | 태풍 및 허리케인, 토네이도의 재해를 저감하기 위한 해저터널 시스템 |
| CN113671599A (zh) * | 2021-08-25 | 2021-11-19 | 华北电力大学 | 一种基于全球气候模式的登陆气旋识别方法 |
| CN113711156A (zh) * | 2018-12-10 | 2021-11-26 | 精准天气预报股份有限公司 | 预测热带气旋的影响 |
| CN114117314A (zh) * | 2021-11-11 | 2022-03-01 | 江苏海洋大学 | 一种判定登陆热带气旋降水分布的方法 |
-
2022
- 2022-07-26 CN CN202210882183.9A patent/CN115793099B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101037601B1 (ko) * | 2010-05-14 | 2011-05-30 | 제주대학교 산학협력단 | 한반도 근접, 상륙, 영향 태풍 분류 시스템 및 이를 이용한 태풍 통계 산출방법 |
| CN113711156A (zh) * | 2018-12-10 | 2021-11-26 | 精准天气预报股份有限公司 | 预测热带气旋的影响 |
| CN111190241A (zh) * | 2019-10-16 | 2020-05-22 | 防城港市气象局 | 一种影响热带气旋衰减的分析方法 |
| KR102161441B1 (ko) * | 2019-12-24 | 2020-10-05 | 양영철 | 태풍 및 허리케인, 토네이도의 재해를 저감하기 위한 해저터널 시스템 |
| CN113671599A (zh) * | 2021-08-25 | 2021-11-19 | 华北电力大学 | 一种基于全球气候模式的登陆气旋识别方法 |
| CN114117314A (zh) * | 2021-11-11 | 2022-03-01 | 江苏海洋大学 | 一种判定登陆热带气旋降水分布的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张春艳;刘昭华;王晓利;侯西勇;: "20世纪50年代以来登陆中国热带气旋的变化特征分析", 海洋科学, no. 02, 15 February 2020 (2020-02-15) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116523302A (zh) * | 2023-04-14 | 2023-08-01 | 中国地质大学（武汉） | 一种海洋-内陆干旱事件识别与传播机理分析方法及*** |
| CN116523302B (zh) * | 2023-04-14 | 2024-06-04 | 中国地质大学（武汉） | 一种海洋-内陆干旱事件识别与传播机理分析方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115793099B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Haktanir et al. | Trend, independence, stationarity, and homogeneity tests on maximum rainfall series of standard durations recorded in Turkey | |
| Wang et al. | Trends and low frequency variability of extra-tropical cyclone activity in the ensemble of twentieth century reanalysis | |
| Stephenson et al. | A new approach to flood vulnerability assessment for historic buildings in England | |
| Mernild et al. | Coastal Greenland air temperature extremes and trends 1890–2010: annual and monthly analysis | |
| CN115793099A (zh) | 登陆热带气旋强度衰减识别及其对降雨影响的评估方法 | |
| Yamada et al. | Using a massive high‐resolution ensemble climate data set to examine dynamic and thermodynamic aspects of heavy precipitation change | |
| Yan et al. | Relationship between East Asian winter monsoon and summer monsoon | |
| Dimri et al. | Winter temperature and precipitation trends in the Siachen Glacier | |
| Chenchen et al. | Improvement in the forecasting of heavy rainfall over South China in the DSAEF_LTP model by introducing the intensity of the tropical cyclone | |
| Ghafarian et al. | Spatio-temporal variability of dust events in the northern Persian Gulf from 1991 to 2020 | |
| Łupikasza et al. | Climatology of Air-Mass and Frontal Extreme Precipitation | |
| CN105426668B (zh) | 一种基于综合强度指标的热带气旋潜在影响评估方法 | |
| Rajendran et al. | Do seasonal forecasts of Indian summer monsoon rainfall show better skill with February initial conditions? | |
| CN112464141B (zh) | 一种基于时间-空间域差值的地震热异常提取方法 | |
| Livingston et al. | Using changes in basal area increments to map relative risk of HWA impacts on hemlock growth across the Northeastern USA | |
| Ogwang et al. | Influence of Indian Ocean dipole on rainfall variability and extremes over southern Africa | |
| She et al. | Regional extreme‐dry‐spell frequency analysis using the L‐moments method in the middle reaches of the Yellow River Basin, China | |
| Chen et al. | Extreme snow events along the coast of the northeast United States: Analysis of observations and HiRAM simulations | |
| Delcourt et al. | Comparison of taxon calibrations, modern analogue techniques, and forest‐stand simulation models for the quantitative reconstruction of past vegetation | |
| Avanzi et al. | Liquid-solid partitioning of precipitation along an altitude gradient and its statistical properties: An Italian case study | |
| Park et al. | A simulation of Asian dust events observed from 20 to 29 December 2009 in Korea by using ADAM2 | |
| CN114997055B (zh) | 海平面温度时频域变化特性分析方法 | |
| Muslih | Annual and monthly trends of cooling and heating degree-days in four different cities in Iraq as an index of energy consumption | |
| Araujo et al. | Relation between storm characteristics and extreme precipitation statistics over CONUS | |
| Kumar et al. | Evaluating the consistency of the TRMM over the rain gauge for drought monitoring in the semi-arid region of Karnataka, India, using statistical methods |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |