山东春季降水特征与成因分析

来源 :中国海洋大学 | 被引量 : 0次 | 上传用户:clys1986
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本研究应用1961-1998年共38年的山东省81个地面站春季各月(3、4、5月)的降水资料及美国国家环境预报中心与美国国家大气研究中心(NCAR/NCEP)再分析的高空月平均资料,分析了山东春季降水的时空分布特征,将春季旱涝年对应的大气环流进行了对比,讨论了500hPa高度场的变化与山东春季降水异常的联系,发现了朝鲜-日本上空500hPa高度场异常是影响山东春季降水异常的关键因素之一。 山东春季降水分布呈现由东南向西北递减的趋势;南北差异明显,东南部的降水接近西北部的两倍。随月份推移,降水逐渐增加,春季各月(3、4、5月)降水分别占春季降水的17%、36%、47%。山东春季降水的年际变化与降水分布类似,东南部变化大,西北部变化小。春季降水有明显的年际变化,有4.8~6年左右的周期。山东春季容易出现干旱。 应用自然正交函数展开(EOF)方法,分析了山东省38年春季月、季降水量。发现前3个典型场就基本能反映山东省春季降水分布的主要特征,其累积方差贡献率为81%,前3个典型场为:总体一致型(方差贡献率为63%)、东南-西北反位相型(方差贡献率为11%)、西南-东北反位相型(方差贡献率为7%)。这3种空间分布型分别有各自的年际变化规律。另外,山东春季降水空间分区可分为4个区:Ⅰ区(南部区),包括日照、临沂、枣庄、济宁;Ⅱ区(半岛区),包括烟台、威海、青岛和潍坊东部;Ⅲ区(西部区),包括荷泽、聊城;Ⅳ区(北部区)包括德州、滨州、东营、济南、泰安、莱芜、淄博、潍坊西部。山东春季各月(3、4、5月)EOF分析表明,总体同旱同涝是各月降水分布的基本型。 根据山东春季旱、涝年的划分,对典型春涝年和典型春旱年的大气环流形势进行了合成分析。结果表明,山东省春季涝年与旱年的环流形势存在明显的差异:异常多雨年,贝加尔湖以西的广大中高纬地区高度场降低,我国东部到日本的高度场明显升高,亚洲中高纬地区呈现纬向环流。异常少雨年,贝加尔湖地区高度升高,日本、朝鲜半岛附近高度场降低,亚洲中高纬地区盛行经向环流。这种异常环流型与大气环流的欧亚遥相关型一致。影响山东春季降水的50OhPa高度场的最主要关键区在朝鲜一日本上空。孟加拉湾的水汽输送是山东地区春季降水的重要水汽条件。 应用奇异值分析方法,诊断分析了50OhPa高度场与山东春季降水的关系。进一步证实了影响山东春季(3一5月)各月和季平均降水的同期50OhPa高度场 上最主要的关键区在朝鲜一日本上空。500hPa高度距平场西低东高型是造成山东 春季降水偏多的主要形势,其中东高比西低更为重要。山东春季各月降水异常型 不完全相同,影响山东春季各月降水的SO0hPa高度场的关键区也有差异。冬季 日本东北部500hPa高度场升高(降低),春季山东南部降水偏多(少),因此冬 季日本东北部50OhPa高度场可以作为预测山东春季降水的前期预报因子。
其他文献
识字教学是小学低年级语文教学的重点,也是阅读和习作的基础。随着课程改革的不断深化,需要我们认真审视并着力克服当前语文课堂识字教学中出现的种种"失位"现象,明晰目标,促
<正>英国剧场技师协会(Association of British Theatre Technicians,简称ABTT,成立于1961年)于1972年制作了第一部剧院设计和规划指南。在1986年修订后,成为任何涉及剧院建
期刊
天然气井累积液量过多是天然气开采所面对的一个重大问题。涡流排水工艺结构简单、施工方便、环保高效,对解决气井积液有很好的应用前景。目前,针对天然气井中涡流排水采气机
当前,各行各业对互联网科技的广泛深入应用,催生了"互联网+"时代的到来。本文基于"互联网+"时代背景下,对新媒体的发展现状以及长远发展趋势进行深入分析,提出实现新媒体资源
生猪养殖业作为农业经济结构中的重要分支,其发展过程必须要考虑到充分合理地利用经济资源和自然资源,更要考虑到生态环境的保护。在该行业向规模化、集约化方向发展的过程中
<正>分数应用题是伴随分数的意义和分数乘法意义的扩展而出现的。常见的题型有"求一个数是另一个数的几分之几""求一个数的几分之几是多少""已知一个数的几分之几是多少,求这
成兰铁路地处我国四川省和甘肃省境内,线路所在区域山势巍峨,河谷深切,地势险峻,自然生态环境脆弱。线路穿越岷江断裂带、西秦岭断裂带和发生过"5.12”强烈地震的龙门山断裂
<正>ICO是一种投资加密货币项目的方式,现在十分流行。但在2013年很多人称它为"山寨币",由于今年政策大反转,它以区块链的名字让更多人熟悉,并在今年5月份进入急速发展阶段,
长期以来,自然语言处理NLP(Natural Language Processing)都是人工智能领域的一大热点和难点,其研究内容包括:文本分类、机器翻译、智能问答等。它面向复杂多变的非结构化数据——自然语言,希望通过精巧的数学模型充分理解语句含义,从而完成人与机器之间的自然交互。早期的科学家们通过人工梳理的语法规则使计算机解析语句,理解含义;后来使用统计学方法刻画语句的生成概率从而完成了序列到序