基于C-Vine-Copula函数的暴雨致灾危险性联合分布研究

近年来暴雨灾害带来的经济损失越来越严重,但并非每次暴雨过程都会造成灾害。以阳江地区为例,从暴雨灾害造成的损失出发,计算了阳江市2005-2016年32次暴雨灾情的人员损失和直接经济损失的灾损率指数,并结合暴雨事件过程持续时间、过程累计降水量和过程最强小时雨量3个特征变量指标,采用K-S法,选取阳江市内20个站点各要素的最优边缘分布函数,并引入Copula函数,分别构建了各个降雨指标与灾损之间的二维联合风险概率。然后利用Vine结构的pair-Copula函数分解方法,分步拟合阳江地区多维变量的联合概率分布,构建了基于灾损率指数的多元联合风险概率,从而随机计算致灾危险性的联合重现期,为防灾减灾服务提供依据。结果表明:C藤相对于D藤能更好地构建基于灾损指数的多元暴雨致灾危险性联合分布模型,广义极值分布能更好地反映阳江地区所有站点的暴雨灾损指标和暴雨特征指标及其分布特性,C-Vine-Copula函数结构更适用于构建基于灾损指数的多元暴雨致灾危险性联合分布模型,Gaussian Copula和Gumbel Copula能更好地反映阳江地区暴雨灾害的多元联合概率,不同情景下阳江暴雨联合致灾概率具有地区差异特征。

广东两次罕见大范围持续性冬季暴雨对比分析

利用气象常规资料、ERA5高分辨率再分析资料综合对比分析低温条件下广东2016年1月和2022年2月的两次大范围持续性冬季暴雨过程。结果表明:两个过程虽都处于冬季低温,但500 hPa上为两槽一脊,东亚大槽较弱,受南支槽东移影响,副高异常偏北偏强;850 hPa异常偏强的南风、切变线、充足的水汽、最大超过12 g/kg的比湿以及中低层21℃左右温差的层结条件都为暴雨的产生提供了有利的条件。但对比发现,2016年过程的副高更强更北,南支槽更深,垂直速度更大,冷空气更为浅薄,暖湿层结更为深厚,t850-500更高且维持时间更长,这些均导致2016年过程降水范围更广、降雨更强,并出现了短时强降水;而2022年过程则以持续性的层云降水为主。

基于BP神经网络方法的阳江市蒸发量预测方法

利用2014—2017年阳江市国家基本气象观测站的观测资料,分析日蒸发量与热力条件、动力条件、水汽条件等不同气象要素的相关关系,分别建立日蒸发量的多元回归预测方法和BP神经网络预测方法。结果表明,大部分气象因子与日蒸发量的相关系数,都通过了α=0.01的置信水平检验。在此基础上,选取相关系数最大的7项因子;多元回归方法的平均误差为0.71mm,平均相等误差为31.77%e;BP神经网络方法的平均误差为0.59mm,平均相对误差为26.46%,BP神经网络方法优于多元回归方法;用2018年的观测数据对两种预测方法进行检验,多元回归方法的平均误差为0.69mm,平均相对误差为26.69%,BP神经网络方法的平均误差为0.56mm,平均相对误差为22.35%,检验结果BP神经网络方法同样优于多元回归方法。

阳江市PM_(2.5)浓度变化及气象因子影响分析

利用阳江市生态环境局2014年至2018年的空气质量监测数据,分析PM_(2.5)浓度,以及浓度达到一,二类环境空气功能区质量要求的日数的时间变化规律;再利用阳江市国家基本气象观测站的观测资料,分析气象要素对PM_(2.5)浓度的影响状况,并在此基础上建立相应的多元回归预测方程。结果表明,阳江市PM_(2.5)日平均浓度的年际变化在30.60~36.78ug·m^(-3)之间,从季节上看,PM_(2.5)日平均浓度夏季最优、春季次之、冬季最差,各季节PM_(2.5)日平均浓度达到一类环境空气功能区质量要求的日数以夏季最多、冬季最少;从月份来看,PM_(2.5)日平均浓度在6月最低,1月最高;气象影响因子中,水汽对PM_(2.5)浓度的影响最大,呈显著负相关关系。

阳江市空气质量AQI指数变化及与气象要素的关系

采用阳江市生态环境局布置在阳江市区及周边的鸳鸯湖、马南垌、南恩路三个空气监测点2014年至2018年的数据资料,分析阳江市日平均空气质量AQI指数,以及不同污染等级空气质量日数的时间变化规律;再利用同时期阳江市国家基本气象观测站的气象观测资料,分析不同气象要素对阳江市空气质量AQI指数的影响。结果表明,全年和四个季节,均为水汽条件与AQI指数的相关程度最高。挑取相关系数较大的气象因子作为预测因子,建立了阳江市空气质量AQI指数的多元回归预测方程。