2019年基于贵州省部分区域雷达监测降雨量的分析.doc
- 格式:doc
- 大小:1.83 MB
- 文档页数:26
贵州“5.15”极端风雹天气过程的环境场和雷达回波特征贵州“5.15”极端风雹天气过程的环境场和雷达回波特征近年来,气候变化对地球带来了更多的极端天气事件,极端风雹天气是其中之一。
而在贵州地区,今年的5月15日,一场极端风雹天气事件再次出现。
这场事件给当地的农作物、建筑、交通等方面都带来了严重的损失。
本文将介绍贵州“5.15”极端风雹天气过程的环境场和雷达回波特征,以加深对这类天气事件的理解。
为了深入研究贵州“5.15”极端风雹天气事件,我们首先需要了解当地的环境场特征。
贵州地区属于亚热带湿润季风气候,夏季多雨多雷雨天气。
这样的环境特征为极端风雹天气的形成提供了条件。
此外,在这场天气事件中,大气条件变化较快,形成了强对流天气。
同时,雷达回波特征也是分析极端风雹天气事件的重要指标。
雷达回波是雷达所接收到的回波信号,通常用来描述降水特征。
在贵州“5.15”极端风雹天气中,雷达回波强度较高,同时具有分散性和集聚性两种特征。
若从地面雷达图上观察,可以看到一些强回波形成的弯曲带状特征,这是由于大气中的底层湿度和温度不稳定引起的。
这些弯曲带状特征对应着强对流暴雨云团,进一步加剧了降水强度。
在雷达图上,这些弯曲带状特征往往和极强回波相伴行动。
此外,贵州“5.15”极端风雹天气事件中还出现了一些特殊的回波特征,如强回波和大颗粒径的相互作用。
这种相互作用意味着降水体系中的云团内部存在较大的降雹核,增加了极端风雹事件的风险。
此外,贵州地区的地形复杂,对流云团容易在地形上升腾,进一步加大了降雹的可能性。
除了雷达回波特征,本次极端风雹天气事件中还出现了大风、冰雹和大雨等多种极端天气现象。
这些现象的共同出现增加了天气事件的复杂度和危险性。
总的来说,贵州“5.15”极端风雹天气过程的环境场和雷达回波特征与当地的气候和地形密切相关。
通过深入了解和研究这些特征,我们可以更好地预测和防范类似的极端风雹天气事件,减少其对当地的损失和影响。
105ECOLOGY区域治理作者简介:廖启迪,生于1993年,硕士研究生,研究方向为水文地质与工程地质。
基金项目资助:国家重点研发计划(项目编号:2016YFC0502603),国家自然科学基金资助项目(项目编号:41772292)。
近40年贵州省降雨时空分布特征*同济大学土木工程学院地下建筑与工程系 廖启迪摘要:水土地表流失和地下漏失导致贵州省石漠化现象普遍存在,而降雨是引起水土流失、漏失的重要因素之一。
根据1984–2019年贵州省近40年的77个站点的气象观测数据,通过小波分析法对其进行降雨周期性分析,采用Mann –Kendall非参数检验法进行降雨趋势和降雨突变分析,克里金插值法进行降雨空间分析,结果表明:(1)1984–2019年期间贵州省降雨存在不同时间尺度上的周期性变化,主要存在2、20、35年的周期,其中20年为第一主周期。
(2)近40年贵州省年降雨量存在一个减小——增大——减小——增大的趋势,其中1995–2002年存在显著增大趋势。
降雨量变化主要存在两个突变点,从1999年开始突变递增,从2008年又开始突变递减。
(3)贵州省降雨分布极不均匀,整体为西南部>东南部>东北部>西北部,降雨季节性差异变化较大,夏秋季节降雨主要集中在西南部,春冬季节降雨主要集中在东南部。
关键词:贵州省;降雨;时空分布特征中图分类号:P426.62文献标识码:A 文章编号:2096-4595(2020)38-0105-0003一、引言贵州省石漠化面积达2.47万km 2,占贵州省面积的14.04%[1]。
水土地表流失和地下漏失是引起石漠化的重要因素,而降雨又是水土流失、漏失的主要外营力。
近年来全球气候发生变化,贵州省降雨也发生了不同程度的变化。
降雨量特征的研究对水土流失、漏失和石漠化防治具有重要意义。
目前相关学者针对贵州省气候开展了不少研究,闫星光等对贵州省1951–2013年逐日降雨量数据进行分析,得出了其日降雨尺度下的时空分布规律[2]。
2010—2019年贵阳市乌当区气候变化特征分析贵阳市乌当区位于贵州省东南端,地处亚热带湿润气候区,具有明显的季节性和地域差异性。
本文通过对2010~2019年该地区气象观测数据的分析,总结了乌当区气候变化的主要特征和趋势。
一、气温变化乌当区年平均气温呈现逐年升高的趋势,2010~2019年平均升高了0.6℃,其中2013年和2017年气温较为明显地升高了0.8℃和1.0℃。
与此同时,日最高气温也呈现逐年增高的趋势,较明显的升高出现在2015年、2017年和2019年,日最高气温分别比前一年升高了0.5℃、0.7℃和0.9℃。
日最低气温同样也呈现逐年升高的趋势,但升高幅度相对较小。
二、降水变化乌当区年降水量没有明显的变化趋势,但随着时间的推移,其季节性呈现出了一定的变化。
2010~2019年间,平均降水日数为126.6天,呈现出全年降水跨度减小、春雨量增加、秋雨量减少、夏季强降水频繁和冬季少雪或无雪等特征。
2013年夏季降水量达到了历史最高值,同年秋季降水又降至历史最低点。
2015年夏季降水出现相对较大的异常,同年秋季则出现了相对较弱的降水异常。
2017年夏季降水量较前年同季度略有下降,秋季降水量同样也呈现下降趋势。
2019年夏季降水量再次出现异常,但幅度较小。
三、相对湿度变化乌当区年平均相对湿度波动较大,呈现出逐年上升的趋势。
2010~2019年间平均升高了2.5%。
不同季节间相对湿度变化特征不同,春季和夏季相对湿度逐年升高,秋季则保持相对稳定,冬季相对湿度上升幅度最大。
四、风速变化乌当区年平均风速在2010~2019年均呈现下降趋势,下降幅度为0.3m/s。
夏季是该区风速偏强的季节,但风速也呈现逐年下降的趋势;冬季是该区风速偏弱的季节,但也呈现下降趋势。
综上所述,2010~2019年间贵阳市乌当区气候总体呈现气温上升、降水季节性变化、相对湿度增加和风速下降等特征。
这一变化趋势是与全球气候变化趋势相符的,也反映出该区域未来的气候变化趋势。
全国雷达分钟降水方法在面雨量预报上应用的检验作者:丁劲张国平高金兵王曙东王阔音薛冰章芳杨静来源:《安徽农业科学》2021年第17期摘要为了解基于全国雷达分钟降水方法在面雨量上的短期预报效果,利用2020年7月25日08:00—28日08:00安徽巢湖及其子流域的实况面雨量数据,依据平均绝对误差、均方根误差、TS评分、漏报率和空报率几项检验指标,对安徽巢湖及其子流域研究时段内逐小时和累计2 h面雨量预报结果进行检验评估。
结果表明,全国雷达分钟降水方法对巢湖北部平原区子流域的预报效果好于南部丘陵地区子流域;累积2 h产品的预报效果好于逐小时产品的预报效果;对小雨量的预报结果优于大雨量的预报结果。
关键词全国雷达分钟降水方法;流域;面雨量;短期预报;检验中图分类号 S165 文献标识码 A文章编号 0517-6611(2021)17-0221-05doi:10.3969/j.issn.0517-6611.2021.17.056Abstract In order to understand the short-term forecasting effect on the surface rainfall based on the minute quantitative precipitation forecast (MQPF),the actual surface rainfall data of Anhui Chaohu Lake and its sub-catchments from 08:00 July 25 to 08:00 July 28, 2020 were used to relyon the average absolute error,root mean square error,TS score,omission rate and false prediction ratio were several test indicators to test and evaluate the hourly and cumulative 2-h area rainfall forecast results during the study period of Chaohu Lake and its sub-catchments in Anhui.The results showed that the MQPF forecast had a better forecasting effect on the sub-basins in the northern plain area of Chaohu Lake than those in the southern hilly area.More accurate forecast could be seen in cumulative two-hour products than hourly products.The low rainfall level showed better results than the forecast for high rainfall level.Key words Minute quantitative precipitation forecast (MQPF);Basins;Area rainfall;Short-term forecast;Verification面雨量是水文预报中的一个重要参量,面雨量预报的精度直接关系到洪水预报精度和洪水调度决策的科学性[1]。
贵州省主要气象灾害灾情特征分析贵州省位于中国的西南地区,地势复杂多样,气候多变。
贵州省经常面临各种气象灾害,包括洪水、干旱、雪灾和雷电等。
以下是对贵州省主要气象灾害灾情特征的分析。
贵州省的主要气象灾害之一是洪水。
贵州省地势高低错落,山地河流众多,降雨多集中在夏季,尤其是6月至8月。
由于山地的陡峭和水土流失问题,贵州省容易发生山洪和中小河流洪水。
这些洪水往往引发水库决堤、山泥流和土石流等次生灾害,给当地的生命和财产安全带来严重威胁。
贵州省还常常受到干旱的侵袭。
贵州省大部分地区属于亚热带湿润气候,年均降水量较高。
由于全球气候变化的影响,贵州省也出现了年降水偏少的情况。
干旱给贵州省的农业和能源供应带来了巨大的困扰,尤其是在冬春季节。
干旱还会导致水源枯竭、农作物减产和水土流失等问题。
贵州省经常面临雪灾。
尽管贵州省的气候属于亚热带湿润气候,但是高海拔地区往往在冬季会有较长时间的低温和降雪。
特别是在贵州省的贵阳市和遵义市等高原地区,经常会有大雪和冻雨。
这给交通运输、电力供应和生活带来了极大的不便。
贵州省还面临雷电灾害。
由于地势复杂和气候多样,贵州省雷电频繁。
贵州省位于云贵高原,使得大气环流较为活跃,大范围的对流活动经常发生。
夏季,贵州省容易出现雷暴天气,给农业生产和市民的生活带来了一定的危害。
贵州省的主要气象灾害灾情特征包括洪水、干旱、雪灾和雷电。
这些灾害会对当地的生活、农业和交通运输等造成严重影响。
贵州省需要加强气象灾害监测和预警系统的建设,并制定科学合理的灾害减灾措施,以保障人民的生命和财产安全。
43蔡韵,贵州省地质灾害应急技术指导中心高级工程师,长期从事地质灾害综合防治和能力提升工作。
近年来,牵头多项综合防治研究业务,先后主持编写贵州省地质灾害防治工作指南、贵州省地质灾害科普知识读本、贵州山区地质灾害成因机理及对策研究(简本)等。
荣获第二届贵州省地质灾害防治十佳卫士,多次荣获贵州省地质灾害防治先进个人。
“隐患点 + 风险区”点面双控,是贵州地质灾害防治部门主动担责、准确识变、科学应变、主动求变的结果。
从近几年数据来看,贵州地质灾害很多都是发生在台账之外。
贵州决定在危机中育先机,于变局中开新局,在全省范围内开启了“点面双控”的贵州探索。
“点面双控”势在必行贵州山高坡陡、河谷切深、沟壑纵横。
在贵州的地质构造中,碳酸盐岩和陆源碎屑岩交替分布,岩体结构复杂,稳定性较差,全省地质灾害高中易发区占全省面积的 77%。
通常情况,贵州省各地降雨量一般在850~1600毫米,大部分地区在1100~1300 毫米。
全年汛期集中于 5—9月,全年大部分降雨集中在汛期,强对流、短时强降雨及持续降雨天气频繁。
全年 80% 的降水量集中在5—9 月,而 80% 的地质灾害发生在此时段内。
截至目前,全省共有地质灾害隐患 10475 处,同时圈定具备成灾条件,尚未发生形变的风险区(也称风险斜坡)17697 处,潜在受威胁群众 200 余万人,全省 88 个县(市、区、特区)均有分布(图1)。
在这样的自然条件下,加上人类工程活动的影响,贵州的地质灾害防治形势较为复杂。
2011—2012年,贵州省开展了重点地区重大地质灾害隐患详细调查,2018 年,开展了高位隐蔽性地质灾害专业排查,2020 年,又启动了新一轮地质灾害详细调查及风险评价。
据统计,2016—2019年,全省发生地质灾害 332 起,其中台账之外的灾害占比约 80%。
这个数据让地质灾害防治部门的专家感到心惊,因为这说明很多地质灾害的发生都在防灾部门的掌控之外。
2019年基于贵州省部分区域雷达监测降雨量的分析.doc第一届“九章数学杯”数学建模挑战赛承诺书我们仔细阅读了第一届“九章数学杯”数学建模挑战赛的竞赛规则。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。
如有违反竞赛规则的行为,我们接受相应处理结果。
我们允许海南大学数学建模协会公布论文,以供同学之间学习交流,海南大学数学建模协会网站以非商业目的的论文交流不需要提前取得我们的同意。
参赛队员 (签名) :队员1:赵荥仁队员2:李锐队员3:秦昊基于贵州省部分区域雷达监测降雨量的分析摘要针对雷达检测系统对贵州省2015年5月7日0时至11时降雨天气的记录,本文将采用插值拟合、积分求和等方式求解总降雨量。
模型修正改进分析中利用查阅资料所得结果总结出最佳有效模型。
对于问题一,我们首先使用相关绘图软件对雷达回波图中的贵阳市进行剪辑分割,对贵阳市区域面积上各时间段的雷达回波图的降水量进行样点采集和预处理。
其次,在不考虑雷达系统出现故障以及每半小时内出现降雨量不均等等问题下使用MATLAB将预处理之后的雷达回波图转化为灰度图,将之转化成矩阵以知道每个像素点的数值,再通过数值统计计算出每种降雨量程度的分布面积。
最终根据面积与基本反射率乘积在时间上进行累加,从而计算出贵阳市逐小时降雨量及总降雨量。
对于问题二,根据附录表格及雷达监测范围125km以内确定包括贵阳市在内的清镇市、修文县、平坝县、花溪区、长顺县、开阳县、惠水县、龙里县、贵定县、都匀市、麻江县、息烽县等13个区域进行降雨量总量的强度的比较。
在问题一模型的基础上运用插值拟合分析,并在整个降雨时间内积分求和以分别计算出各个地区的总降雨量,最终比较13个区域的总降雨量,得出最大总降雨量的区域。
对于判断看图识降雨量的方式精确问题,我们先分析引起产生误差的因素,V为基准参量,再次,根据题意我们先使用卡尔曼滤波模型计算出的总降雨量准V的比值Q为估算的准确程度。
再利用雷达回波图计算出的总降雨量V与准关键词:总降雨量基本反射率灰度图插值拟合卡尔曼滤波一、问题重述2015年5月7日,贵州省迎来的一场大范围降雨天气,此次降雨天气过程从00:00开始至11:00结束,整个过程被雷达记录了下来(每半小时一次),基本上反映了这次降雨天气的整个过程。
再此基础上计算出贵阳市逐小时降雨量及总降雨量。
并计算此次降雨过程中降雨量最大的地方可能会出现在哪个区域;最终对这种看图识降雨量的方式准确程度做出判断估算。
二、问题分析对于问题一,针对贵阳市逐小时降雨量及总降雨量的求解,在雷达回波图能正确反映降雨量的条件下以面雨量大小在时间上的累积进行计算。
所以必须求出贵阳市面积以及降雨量情况分布面积。
运用MATLAB软件将预处理之后的雷达回波图转化为灰度图,将之转化成矩阵以知道每个像素点的数值,再通过数值统计计算出每种降雨量程度的分布面积,再进行叠加求和。
而对于求解贵阳市逐小时降雨量由于给出的雷达回波图是每间隔半小时监测出的数据,因此则还需进一步的进行预测处理。
而对问题二而言,贵阳市也处于监测范围内,它也可能是总降雨量最大的区域,因此需在问题一的基础上进行总降雨量最大的区域估计。
其次运用插值拟合和积分方法对其余12个区域进行总降雨量求解,最终比较13个区域的总降雨量来估计总降雨量最大的地方。
针对问题三,根据题意求解对看图识降雨量的方式准确程度判断问题,应先采用最佳有效模型测算出贴合实际降雨情况的总降雨量V,再应用问题一二的模型求解出的总降雨量与准V进行比值推算,从而作为看图识降雨量的准确准程度估算值。
三、符号说明R面雨量A 特定区域面积 R有限元dA 上雨量i N 各基本反射率在雷达回波图中的像素点个数 i h基本反射率,单位6mm/m 3 i表示不同基本反射率的下标 j V各区域的总降雨量,单位m 3 j 表示区域名称k表示逐小时间隔段 Q 准确程度准V准确程度的比较基准参量四、 模型假设4.1对问题一二的基本假设 (1)雷达监测系统运行正常。
(2)在雷达监测每间隔半小时之内的大气对流稳定。
(3)在125km 数据范围内各区域地形地貌相似。
(4)在层状云降雨时,不同的降雨空间分辨率相同。
(5)地面物质对雷达监测不产生反射影响。
4.2对问题三的基本假设(1)雷达监测系统运行正常。
(2)在125km 数据范围内各区域地形地貌相似。
五、 模型建立与模型求解5.1贵阳市逐小时降雨量及总降雨量模型求解 5.1.1基本反射率下的面积整合使用相关绘图软件对雷达回波图中的贵阳市进行剪辑分割,对贵阳市区域面积上各时间段的雷达回波图的降水量进行样点采集和预处理(部分图片见下图1所示)。
00:24:4503:03:1305:22:5009:02:30图1贵阳部分回波图预处理然后运用MATLAB 中H=imread('文件名')语句将预处理之后的雷达回波图转化为灰度图,将之转化成矩阵以知道每个像素点的数值,具体执行程序见附录。
再通过数值统计计算出每种降雨量程度的分布面积大小,再进行叠加求和,即像素点个数总和。
5.1.2面雨量的定义在分析预报水情变化时面雨量运用相当广泛,一般将其定义为相关流域(或区域)各个雨量站测得的降水量(点雨量)计算出流域(或区域)平均降水量,这种降水量称为面雨量。
在水文学中,将面雨量表示为:⎰=ARdA A R 1(1)式中R 为面雨量,A 为特定区域面积,R 为有限元dA 上雨量[1]。
区域面雨量能客观的反映该区域降雨情况。
5.1.3逐小时降雨量与总降雨量求解根据预处理之后的雷达回波图和MATLAB 的数值转换分别统计出每种降雨量程度的像素点个数总和i N ,设基本反射率为i h ,降雨量为j V 立方米,假设像素点近似等于单位面积,则有关系式:∑⨯=i i j h N V (2)在计算贵阳市逐小时降雨量时,题目给出的附件中雷达回波图是以每半个小时为间隔进行监测测量,而待解决的问题是要求以逐小时为单位时间间隔求出每个小时内的降雨量,因此需要进行时间段修正,将每半小时之内检测一次的降雨量延长至每一个小时再进行降雨量累积。
公式(2)变为:dt h N V t t k ⎰⨯=21 (3)此时对应各时间段进行的像素点数乘以基本反射率的积分结果就将为贵阳市逐小时降雨量。
由以上式子运用MATLAB 计算出贵阳市逐小时降雨量具体数值结果见表格(2)。
表格(1)基本反射率对应降水量分布表dBZ 颜色 降雨量 45-50 红色 20mm/h 40-45 土黄色 15mm/h 30-40 亮黄色 10mm/h 25-30 绿色 5mm/h 20-25 浅绿色 3mm/h 10-20 浅蓝色 1mm/h 0-10蓝色0mm/h表格(2) 贵阳市逐小时降雨量分布表记录时刻 有效面积像素值 红色 像素值土黄色 像素值 亮黄色 像素值绿色 像素值浅绿色 像素值浅蓝色 像素值蓝色像素值 降雨量(mm )5.6;894074 272 378 0.0552注:降雨量=∑(相应颜色像素值分别/有效面积像素值)*相应颜色的降雨量 每个时刻(逐时刻)降雨量已用红体字标出,总降雨量即逐时刻降雨量之和。
对表格(2)贵阳市逐小时降雨量分布表进行绘图整理如图2所示:23:45:22 5.7;00:24:45 8940 12 95 5835 0.0146 5.7;01:09:47 8940 179 547 1799 0.1613 5.7;01:37:54 8940 72 179266 0.0603 5.7;02:00:24 8940583 134272 0.2106 5.7;02:28:29 8940 240 511 724 599 3599 1743 722 3.9418 5.7;03:02:13 8940 811 200 1368 1395 1839 972 356 5.1858 5.7;03:30:18 8940 9781035 1933 1152 1737 891589 7.4135 5.7;04:49:03 8940 184 1470 781 2049 1184 123 3.31275.7;05:50:59 8940 202 917 719 1245 685 2.3741 5.7;06:52:52 8940 1031 1296 1861 260 97 2.5025 5.7;07:26:40 8940 631 1807 1123 682 376 1.6662 5.7;08:23:03 8940 78 260 110 17 0.1867 5.7;09:02:30 8940 46 105 11750 0.0998 5.7;10:27:01 8940 2321 0.0026 5.7;11:00:508940总降雨量:21.63图2 贵阳市逐小时降雨量分布图5.2最大降雨量区域评估依据题目附录表格中给出的数据,可以假定雷达监测的125km范围内的清镇市、修文县、平坝县、花溪区、长顺县、开阳县、惠水县、龙里县、贵定县、都匀市、麻江县、息烽县12个区域做为总降雨量最大的区域监测评估。
由于贵阳市完全处在雷达监测的范围之类,而且在求解问题一的基础上已经求出贵阳市的总降雨量强度较大,由此可推断贵阳市也有可能成为总降雨量最大的区域。
因此为减小模型的求解误差,我们将贵阳市也列如总降雨量最大的区域监测评估之中。
至此将有13个地区参与评估。
在求解贵阳市逐小时降雨量及总降雨量的过程中,已经假设雷达回波图能准确反映降雨实际降雨量,因此可以在第一问贵阳市逐小时降雨量及总降雨量的解答基础上采用插值拟合方法拟合计算出各个区域降雨量的拟值函数方程,再根据各个区域的预处理之后的雷达回波图和MATLAB的数值转换分别统计出每种降雨量程度的像素点个数总和、基本反射率和降雨量三者的关系,再在整个监测过程中进行时间上的积分求和,列出下列关系式:⎰⨯=dthNVijkj(4)由公式(4)可计算出各个地区的总降雨量。
根据公式(4)和附录表格中的数据用MATLAB插值拟合分别得出各个区域的函数表达式、拟合图形以及进行积分求和之后的总降雨量:清镇市降雨量:10.4503 4.2067y t=-+;当t=10,得y=-0.2963 当y=0,得t=9.3420s所以降雨量s=0.5*(9.3420*4.2067-0.6580*0.2963)=19.5520mm修文县降雨量:20.2036 2.0600y t=-+当t=10,y=0.024故s=0.5*(2.0600+0.024)*10=10.4200mm平坝县降雨量:30.6158 5.4867y t=-+当t=10s,y=-0.6713当y=0,t=8.91s故s=0.5*(5.4867*8.91-1.09*0.6713)=24.0774mm花溪区降雨量:40.3285 4.0067y t=-+当t=10,y=0.7217,故s=0.5*(0.7217+4.0067)*10=23.6420mm长顺县降雨量:50.46127.1867y t=-+当t=10,y=2.5747,故s=0.5*(7.1867+2.5747)*10=48.807mm开阳县降雨量:60.02850.3267y t=-+当t=10,y=0.0417故s=0.5*(0.3267+0.0417)*10=1.8420mm惠水县降雨量:70.65038.1867y t=-+当t=10,y=1.6837所以s=0.5*(1.6837+8.1867)*10=49.352mm龙里县降雨量:80.1400 2.8000y t=-+当t=10,y=1.4所以s=0.5*(1.4+2.8)*10=21mm 贵定县降雨量:90.04850.7333y t=-+当t=10,y=0.2483所以s=0.5*(0.2483+0.7333)*10=4.908mm都均市降雨量:100.36060.2867y t=-+当t=10,y=-3.3193当y=0,t=0.7950所以s=-0.5*(0.2867*0.7950-9,205*3.3193)=15.1631mm麻江县降雨量:110.37030.0333y t=-+当t=10,y=-3.6697当y=0,t=0.09所以s=-0.5(0.09*0.0333-9.91*3.6697)=18.1819mm息烽县降雨量:120.02000.1800y t=-+当t=10,y=-0.02当y=0,t=9所以s=0.5*(9*0.18-1*0.02)=0.8mm 贵阳市降雨量:130.1308 2.5794y t=-+当t=10,y=1.2714所以s=0.5*(2.5794+1.2714)*10=19.254mm综上所述,进行最终总降雨量比较得降雨量最大的地区是惠水县。