西南地区不同地质灾害影响区的降水阈值研究

根据1961~2010年西南地区（四川省、云南省、贵州省、重庆市）重大地质灾害资料和全国重大地质灾害年鉴资料统计不同地质灾害（滑坡、坍塌、泥石流）事例,确定其影响区域。利用西南地区77个气象观测站逐日降水资料,根据降水阈值的定义和计算方法,运用线性回归法研究西南地区各灾害影响区的降水阈值。结果表明：我国西南地区是地质灾害多发的地区;1961~2010年西南地区重大滑坡、泥石流灾害具有密集成群、成片或成带的规律,有明显的稀疏区和密集区;且主要发生在6~9月,其中7月份发生最多,与降水的时空分布具有很好的一致性,降水是诱发地质灾害的主要因素。西南地区不同区域内诱发重大滑坡、泥石流灾害的降水阈值存在差异。西南地区的重大滑坡灾害主要是持续性强降雨型的。

两种人体舒适度评定方法在张家界国家森林公园的对比应用及检验

本文选用张家界森林公园内自动气象站2012~2014年的逐日气象资料和张家界市区内国家气象站的资料,选用陆鼎煌和雷桂莲提出的舒适度指数评价公式对张家界森林公园的旅游舒适度进行评价分析,并对两种评价方法得到的结果进行了差异性分析,另外结合张家界市区的站点资料进行了显著性检验,结果表明：1.两种评价方法均适用于张家界市森林公园,并且两个公式之间具有各自的特点和相应突出的部分,但雷桂莲提出的舒适度指数公式更加适合于张家界森林公园;2.张家界国家森林公园的人体舒适度水平较高,一年中5~10月都属于舒适期,其中夏季最为舒适,春季舒适时间段要比秋季长,而冬季极不舒适。

2014年2月张家界市两次降雪天气过程对比分析

利用常规观测资料、NCEP再分析资料对张家界市2月上中旬两次降雪过程的天气形势演变、水汽和热力条件等进行了对比分析。结果表明,西南急流为降雪提供充足的水汽,西南急流的位置和强度与降雪落区和强度有密切联系;锋面的抬升作用是降雪产生的重要动力和热力条件;逆温层的特征和湿层的厚度与降雪的类型和强度有很好的对应关系。

多普勒雷达在湘西北人工防雹中的应用

利用多普勒雷达产品,并结合地面实况降水等资料对2006年8月14日晚湘西北地区一次人工防雹作业进行分析。结果表明:多普勒雷达在指导人工防雹过程中能很好的监测对流单体的发生发展及其移动路径,对提前识别冰雹云、选择判别作业时机有很好的预警指示作用。利用物理效果检验法和插值法还能有效检验作业效果。

湘西北一次强冰雹天气雷达回波特征分析

利用常规观测资料和张家界新一代多普勒雷达资料对2020年3月21日晚—22日凌晨发生在湘西北地区的冰雹天气过程进行了分析,结果表明:“上干下湿”喇叭口特征的不稳定层结,合适的0℃层与-20℃层高度,在地面冷空气和辐合线的触发机制下,利于冰雹、雷暴大风和短时强降雨等强对流天气的形成;此次冰雹天气是由典型的超级单体风暴对流发展造成,其主要特征表现为三体散射、旁瓣回波、悬垂回波以及风暴顶强辐散等;三体散射(TBSS)最强反射率因子达76 dBz,最大“长钉”长度47 km,“长钉”长度越长,冰雹直径越大,TBSS的出现,预示有大冰雹;旁瓣回波最大切向长度达46 km,其只显示在风暴核切向上反射率因子梯度大值区一侧,当风暴核径向外侧有真实回波而三体散射不清晰时,旁瓣回波可更好地预警冰雹;风暴体VIL密度≥4.0 g/m^(3)是湘西北大冰雹的有效预警指标。

张家界市暴雨水汽条件阈值研究及预报应用

统计张家界市城区1981—2015年逐月暴雨日数,分析暴雨集中期,再利用NCEP 2.5°×2.5°逐6 h分析比湿资料,分析850 hPa上暴雨季节的比湿值变化特征。结果表明,张家界暴雨主要出现在夏季,春季和秋季暴雨有但较少,暴雨集中期在5—9月,大暴雨(≥100 mm)的降水主要集中在6—7月。不同的暴雨季节气温有所变化,故不同暴雨季节的比湿阈值也有所变化,总体来说夏季比湿阈值要比春季和秋季略偏高,春季产生暴雨的水汽条件850 hPa比湿阈值为12 g/kg,夏季产生暴雨的水汽条件850 hPa比湿阈值为13 g/kg,秋季产生暴雨的水汽条件850 hPa比湿阈值为11 g/kg。在同一个季节中,不同的月份比湿阈值也有所区别。

2014年张家界市一次局部强降水过程总结分析

应用常规观测资料和数值预报产品资料对2014-06-26张家界市西北部桑植县境内出现的强降水天气过程进行全面的分析、各家数值预报检验和预报经验总结。结果表明:造成此次局地强降水天气的主要影响系统是500hPa低槽、700hPa切变、850hPa低涡切变、西南急流以及地面冷锋;暴雨过程具有明显的中尺度MaCS特征,强降雨与TBB梯度的大值区对应;暴雨的发生具有充足的水汽条件,比湿达14kg/kg,水汽通量散度辐合区位置、时间对强降水发生的位置、时间有较强指示意义;强降水区具有较强的上升运动和不稳定能量,为强降水的发生提供了动力条件;数值预报参考价值大。