极端降水特性分析研究进展

气候变化对水文极端事件的影响分析随着全球气温的升高和气候变化的不断加剧，水文极端事件频繁发生，并对人类社会和生态环境造成了巨大的影响。

本文将从降水和干旱两个方面，探讨气候变化对水文极端事件的影响。

气候变化导致降水变化，进而影响水文极端事件的发生。

一方面，随着全球气候变暖，大气水汽含量增加，降水强度和频率增加，暴雨、洪水等极端降水事件的发生频率显著增加。

研究表明，近年来，全球不同地区的洪涝灾害频发，造成了严重的经济损失和人员伤亡。

例如，2019年中国南方地区的汛情严重，湖南、浙江、江西等地出现了大范围的洪水灾害，导致数百万人受灾并造成数十亿的经济损失。

这表明气候变化对于降水极端事件产生了不可忽视的影响。

另一方面，气候变化也加剧了干旱的发生频率和强度。

由于全球气温升高，土壤水分蒸发速度加快，降水量不足，干旱事件频繁发生。

干旱对于农业、生态系统和人类生活产生了巨大的危害。

例如，非洲撒哈拉以南地区的干旱长达数十年，导致该地区农田无法耕种，水源枯竭，许多人口陷入饥荒和贫困。

这显示出气候变化对于干旱事件的影响是非常显著的。

除了降水和干旱方面，气候变化还对其他水文极端事件产生了重要影响。

例如，冰川融化速度加快，海平面上升，导致海岸侵蚀加剧，引发风暴潮和海洋涨潮等极端海洋事件。

这些事件造成了很多沿海城市遭受洪水侵袭，人民生活和财产安全受到威胁。

同时，气候变化也会导致气候极端事件的发生，如龙卷风、风暴等天气灾害频繁发生，给人们的生命和财产带来巨大的损失。

在气候变化背景下，对水文极端事件的影响研究和防灾减灾工作变得更加紧迫。

首先，需要加强对气候变化的监测和预警系统建设，及时预警和应对极端气象事件。

其次，要加强全球合作，推动减缓气候变化的国际合作，减少温室气体的排放，降低全球气温的升高速度。

此外，还需要加强水资源管理和利用，提高农业灌溉水利用效率，加强水资源的调度和分配，以减少干旱和洪涝事件对社会经济的影响。

总之，气候变化对水文极端事件有重要影响，尤其是降水和干旱方面。

基于机器学习的极端天气预测研究近年来，极端天气现象频频出现，给人们的生活和社会经济带来了巨大影响。

为了更好地应对极端天气的来袭，科学家们开始关注并研究基于机器学习的极端天气预测方法，希望借助大数据和智能算法提高预测准确度，为灾害应对和风险管理提供更可靠的信息。

极端天气事件，如暴雨、台风和龙卷风等，常常带来强降水、强风和洪水等灾害，并导致人员伤亡和财产损失。

传统的天气预测方法主要基于数值天气模型和气象学知识，但这些方法在对极端天气的预测能力上存在一定的局限性。

而机器学习作为一种能够通过大量数据学习和优化算法的智能技术，为极端天气预测提供了新的思路和解决方案。

基于机器学习的极端天气预测方法主要分为以下几个步骤。

首先，收集和整理天气观测数据、气象卫星数据以及其他相关数据，构建一个全面而准确的数据集。

其次，选择合适的机器学习算法，包括支持向量机、随机森林、神经网络等，应用于数据集进行训练和学习。

通过学习过程，机器能够自动发现数据中的规律和模式，从而形成预测模型。

最后，利用训练好的模型对未来的极端天气进行预测和预警。

在极端天气预测中，选择合适的特征是非常重要的。

特征可以是气象观测数据中的各种指标，如温度、湿度、气压、风速等。

此外，还可以引入其他非气象的影响因素，比如地理信息、海洋温度等。

通过对这些特征进行分析和提取，可以更好地描述天气系统的动力学特性，提高预测精度。

在实际应用中，基于机器学习的极端天气预测方法已经取得了一些令人鼓舞的成果。

例如，一项基于深度学习的研究使用气象卫星数据和气象观测数据进行训练，成功地预测了龙卷风的发生。

另一项基于支持向量机的研究利用大数据集和多种气象因素进行训练，实现了对暴雨的准确预测。

这些研究结果表明，机器学习在极端天气预测中具有巨大的潜力，可以为我们提供更准确、可靠的预警信息。

然而，基于机器学习的极端天气预测还面临一些挑战。

首先，数据的质量和多样性对预测结果有重要影响。

有时候，天气观测数据可能存在不准确或缺失的情况，这就需要对数据进行清洗和处理。

北京7.21特大暴雨研究报告2012年7月21日，一个平凡的周末，一场突如其来的暴雨如猛虎之势袭击了北京，造成了严重的自然灾害。

山洪、泥石流、积水溺亡、水漫城市，这些平时离我们很远的词汇，就发生在身边这座国际大都市、一国之都。

根据2012年7月25日北京市政府的灾情报道，此次暴雨灾害造成160.2万人受灾，直接经济损失达116.4亿元，共79人遇难……如此惨烈的灾情让我们揪心：一座现代化的城市，竟然因一场暴雨而消逝了79个鲜活生命。

然而痛的现实已成定局，更重要的是痛定思痛，深刻反思，从这次暴雨事件中吸取教训，避免悲剧的再次发生。

作为新时代的中学生，我们应该胸怀天下，心系国家，以天下为己任，因此为深刻反思北京7.21特大暴雨灾情，我决定撰写一篇研究报告，在查阅大量文献资料、访谈调查等基础上，从三个方面对7.21北京特大暴雨进行分析：一是基本情况，二是成因分析，三是对策建议，从而为北京市应对暴雨灾害提出相应的对策建议，为社会建设贡献自己的绵薄之力，履行中学生关心社会的义务和责任。

一、灾情基本情况2012年7月21日，北京市遭遇新中国成立以来罕见的一场暴雨灾害，全市16小时平均降雨量170mm，城区平均215mm，房山区平均301mm，全市最大点房山区河北镇达541mm，超过500年一遇，城区最大点石景山区模式口为328mm，达到100年一遇。

房山等重灾区多条河流暴发山洪，局部地区发生泥石流灾害，其中北运河北关拦河闸最大洪峰流量1200m3/s，并启动分洪闸向潮白河分洪，拒马河最大洪峰流量达到2570m3/s，为近50年来少有。

这次特大暴雨降雨总量之多、降雨强度之大、强降雨历时之长、局部洪水尤其是山洪之巨历史罕见，给城市运行造成严重影响，给人民群众生命财产带来严重损失。

据统计，全市受灾人口近160多万人，紧急转移9万余人，直接经济损失110多亿元，其中水利工程损毁造成直接经济损失31亿元，主要包括：河道堤防损毁485处49km，护岸损坏近万处，决口53处，河道淤积243处总方量2 000余万m3，损坏水井891眼、泵站117座、灌溉设施44处、水文设施40处，路面塌方31处，3处在建地铁基坑进水，轨道7号线明挖基坑雨水流入，5条运行地铁线路的12个站口因漏雨或进水临时封闭，机场线东直门至T3航站楼段停运，1条110 kV站水淹停运，25条10 kV架空线路发生永久性故障；降雨造成京原等铁路线路临时停运8条……二、灾情成因分析“北京7.21暴雨”课题组房山调研简报声明：“通过调研，我们认识到灾害不仅是自然之力为之，更与社会管理和治理能力滞后、公共服务水平低有关。

气候特征根据广东省1953〜2010年期间26个测站逐日降水资料,运用非参数Mann-Kendall趋势检验法系统分析了降水时空分布规律。

结果表明,广东省降水量主要集中于夏季，年平均降水量总体呈上升趋势，但不显著，降水量在西南沿海的阳江一带形成最大值中心。

以阳江为代表站，利用8个降水指数，由定量分析其极端降水特性可知，近60年降水量和降水强度显著增加，降水日数显著减少，降水越来越集中。

广东属亚热带季风气候区，雨量充沛，是我国的多雨区之一.受季风的影响，年内降水有显著的季节变化，干湿季分明.由于季风进退的迟早和强弱具有长期变化，因而年降水逐年都有较大差别，雨量变率大以下是参考资料1）厂为、省拆舍I’均降水嗣和I小准君变比为牲大，无论是娜水显还是杯准芥份伤•雷州半岛均为用小的区域，广东中部肉是高値区.2）广东春季降水主要冇四种分布类型，分别是全省性早（涝〉型（I）、乐早（涝》0勺涝（早〉型 5）、湘早（涝）北涝（早）型（川〉、东西聲早（涝》屮部涝（早）型（IV〉；英屮第-冲分巾足厂东省春咋降水变化的主？?气候特征.3〉线性匕箱分析切儿I东备1=存于降水均没有明也的线性受化匕如I）除了粤东以外•其余区域都存在J. 1年的显苦性查化周期.處东和剧北石在2.5年飽周期变化，粤北有27.8年的长周期.5）在27. 8年时的尺復的网期变化中，各气候区齐序降水变化菓木一致，个倔多飓和两个ft*少期,即195J I960年和1975 1988年和2003年全今为倔多期，1961〜1975年和1989 一2002年为俯少期。

对广陈省册个站存李降水址进行主分址分析，前1个主分量的累计方井贡献率达到79.7J说明用主分就分析逼近广东省、存李降水场的收敛性较好，前1个左分ttLlJx映「存予降水场的主耍分・因此本文选収前I个特征向用场进行分析•农1给出j•前I个分彊的方井、力加率和累讣虫駅率。

由衣1可见.第1个主分星的方并贡献率在62.0%・占『总方井的大部分.图3给出EOF分析扫到的前4个主分星所对应的壮征向M分仏它代衣「广东林降水的凹种分巾类型。

第４５卷第３期人民珠江　２０２４年３月　ＰＥＡＲＬＲＩＶＥＲｈｔｔｐ：／／ｗｗｗ．ｒｅｎｍｉｎｚｈｕｊｉａｎｇ．ｃｎＤＯＩ：１０ ３９６９／ｊ ｉｓｓｎ １００１ ９２３５ ２０２４ ０３ ００６基金项目：上海临港滨海海洋生态保护修复项目（二标）（２２０１ＰＤ０００１）收稿日期：２０２３－０７－０６作者简介：周雨（１９９８—），女，硕士研究生，主要从事水文气象方面等工作。

Ｅ－ｍａｉｌ：２２１１２２８３＠ｚｊｕ．ｅｄｕ．ｃｎ周雨，张育嘉，苗昌盛．中国降水特征及拟合参数时空分布研究［Ｊ］．人民珠江，２０２４，４５（３）：４８－５８．中国降水特征及拟合参数时空分布研究周　雨１，张育嘉１，苗昌盛２（１．浙江大学建筑工程学院，浙江　杭州　３１００５８；２．上海华锦建设有限公司，上海　２０００６３）摘要：为总结全国降水特征，并探究降水历时的分布，对中国６９８个气象站５６年连续日降水数据，从降水的季节分布、极端特征、持续时间３个方面分析降水特征的空间分布和年际变化，并利用伽马分布对降水历时曲线进行拟合和参数估计，分析影响拟合参数的潜在物理因素。

结果显示：①降水趋势总体呈现东南地区增加，中部下降，东部、西北、东北冬季降水量增加且分布范围较广，从中国东南地区到西北地区，降水百分位的变化趋势呈先升再减再升，９９百分位降水阈值的分布更不均匀，临河站的降水百分位变化趋势下降最大，尤其是湿日降水百分位，湿期在西南和中部地区处于下降趋势，沿海和西北地区处于上升趋势，且流域旱涝持续时间分布特征在大部分地区表现出相反状态，湿期的年际变化相较于干期小；②伽马分布对降水量有较好的拟合效果，尺度参数β与降水量和降水百分位的相关性较高，且对强降水事件的极端降水阈值有更好的表现，这一发现能够为后续基于物理影响因素的降水过程研究提供理论支持。

关键词：伽马分布；降水历时曲线（ＰＤＣ）；降水的空间分布及年际变化；估计参数；物理控制中图分类号：ＴＶ１２５ 文献标识码：Ａ 文章编号：１００１ ９２３５（２０２４）０３ ００４８ １１ＳｐａｔｉａｌａｎｄＴｅｍｐｏｒａｌＤｉｓｔｒｉｂｕｔｉｏｎｏｆＰｒｅｃｉｐｉｔａｔｉｏｎＣｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄＦｉｔｔｉｎｇＰａｒａｍｅｔｅｒｓｉｎＣｈｉｎａＺＨＯＵＹｕ１牞ＺＨＡＮＧＹｕｊｉａ１牞ＭＩＡＯＣｈａｎｇｓｈｅｎｇ２牗１．ＣｏｌｌｅｇｅｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｒｃｈｉｔｅｃｔｕｒｅ牞ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ牞Ｈａｎｇｚｈｏｕ３１００５８牞Ｃｈｉｎａ牷２．ＳｈａｎｇｈａｉＨｕａｊｉｎＣｏｎｓｔｒｕｃｔｉｏｎＣｏ．牞Ｌｔｄ牞Ｓｈａｎｇｈａｉ２０００６３牞Ｃｈｉｎａ牘Ａｂｓｔｒａｃｔ牶ＩｎｏｒｄｅｒｔｏｓｕｍｍａｒｉｚｅｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎＣｈｉｎａａｎｄｅｘｐｌｏｒｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒａｔｉｏｎ牞ｔｈｉｓｐａｐｅｒｓｅｌｅｃｔｓ５６ｙｅａｒｓｏｆｃｏｎｔｉｎｕｏｕｓｄａｉｌｙｐｒｅｃｉｐｉｔａｔｉｏｎｄａｔａｆｒｏｍ６９８ｍｅｔｅｏｒｏｌｏｇｉｃａｌｓｔａｔｉｏｎｓｉｎＣｈｉｎａａｎｄａｎａｌｙｚｅｓｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｉｎｔｅｒ ａｎｎｕａｌｖａｒｉａｔｉｏｎｓｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｉｎｔｅｒｍｓｏｆｓｅａｓｏｎａｌｄｉｓｔｒｉｂｕｔｉｏｎ牞ｅｘｔｒｅｍｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ牞ａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒａｔｉｏｎ．ＴｈｅｐａｐｅｒａｌｓｏｕｓｅｓｔｈｅＧａｍｍａｄｉｓｔｒｉｂｕｔｉｏｎｔｏｆｉｔｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒａｔｉｏｎｃｕｒｖｅｓａｎｄｅｓｔｉｍａｔｅｔｈｅｐａｒａｍｅｔｅｒｓａｎｄａｎａｌｙｚｅｓｔｈｅｐｏｔｅｎｔｉａｌｆａｃｔｏｒｓｔｈａｔａｆｆｅｃｔｔｈｅｆｉｔｔｉｎｇｐａｒａｍｅｔｅｒｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ①ｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｇｅｎｅｒａｌｌｙｓｈｏｗｓａｎｉｎｃｒｅａｓｅｉｎｔｈｅｓｏｕｔｈｅａｓｔｐａｒｔａｎｄａｄｅｃｒｅａｓｅｉｎｔｈｅｃｅｎｔｒａｌｐａｒｔｏｆＣｈｉｎａ牞ｗｉｔｈａｎｉｎｃｒｅａｓｅａｎｄａｗｉｄｅｒｄｉｓｔｒｉｂｕｔｉｏｎｏｆｗｉｎｔｅｒｐｒｅｃｉｐｉｔａｔｉｏｎｉｎｔｈｅｅａｓｔ牞ｎｏｒｔｈｗｅｓｔ牞ａｎｄｎｏｒｔｈｅａｓｔｐａｒｔｓ．ＦｒｏｍｔｈｅｓｏｕｔｈｅａｓｔｔｏｔｈｅｎｏｒｔｈｗｅｓｔｏｆＣｈｉｎａ牞ｔｈｅｔｒｅｎｄｏｆｐｒｅｃｉｐｉｔａｔｉｏｎｐｅｒｃｅｎｔｉｌｅｃｈａｎｇｅｓｈｏｗｓａｎｉｎｃｒｅａｓｅ牞ｔｈｅｎａｄｅｃｒｅａｓｅ牞ａｎｄｔｈｅｎａｎｉｎｃｒｅａｓｅａｇａｉｎ牞ａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅ９９ ｐｅｒｃｅｎｔｉｌｅｐｒｅｃｉｐｉｔａｔｉｏｎｔｈｒｅｓｈｏｌｄｓｉｓｍｏｒｅｕｎｅｖｅｎ．ＴｈｅｔｒｅｎｄｏｆｔｈｅｐｒｅｃｉｐｉｔａｔｉｏｎｐｅｒｃｅｎｔｉｌｅａｔｔｈｅＬｉｎｈｅｓｔａｔｉｏｎｓｈｏｗｓｔｈｅｇｒｅａｔｅｓｔｄｅｃｒｅａｓｅ牞ｅｓｐｅｃｉａｌｌｙｔｈｅｗｅｔ ｄａｙｐｒｅｃｉｐｉｔａｔｉｏｎｐｅｒｃｅｎｔｉｌｅ．Ｔｈｅｗｅｔｐｅｒｉｏｄｉｓｉｎａｄｅｃｒｅａｓｉｎｇｔｒｅｎｄｉｎｔｈｅｓｏｕｔｈｗｅｓｔａｎｄｃｅｎｔｒａｌｐａｒｔｓａｎｄｉｎａｎｉｎｃｒｅａｓｉｎｇｔｒｅｎｄｉｎｔｈｅｃｏａｓｔａｌａｎｄｎｏｒｔｈｗｅｓｔｅｒｎｐａｒｔｓ．Ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｄｒｏｕｇｈｔａｎｄｆｌｏｏｄｉｎｇｄｕｒａｔｉｏｎｓｉｎｔｈｅｂａｓｉｎｓｈｏｗｔｈｅｏｐｐｏｓｉｔｅｓｔａｔｅｉｎｍｏｓｔｒｅｇｉｏｎｓ牞ａｎｄｔｈｅｉｎｔｅｒ ａｎｎｕａｌｖａｒｉａｔｉｏｎｏｆｔｈｅｗｅｔｐｅｒｉｏｄｉｓｓｍａｌｌｅｒｔｈａｎｔｈａｔｏｆｔｈｅｄｒｙｐｅｒｉｏｄ．②ＴｈｅＧａｍｍａｄｉｓｔｒｉｂｕｔｉｏｎｈａｓａｂｅｔｔｅｒｆｉｔｔｉｎｇｅｆｆｅｃｔｏｎ第３期周雨，等：中国降水特征及拟合参数时空分布研究ｐｒｅｃｉｐｉｔａｔｉｏｎ．Ｔｈｅｓｃａｌｅｐａｒａｍｅｔｅｒβｈａｓａｈｉｇｈｅｒｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｐｒｅｃｉｐｉｔａｔｉｏｎａｍｏｕｎｔａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎｐｅｒｃｅｎｔｉｌｅａｎｄｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｏｎｅｘｔｒｅｍｅｐｒｅｃｉｐｉｔａｔｉｏｎｔｈｒｅｓｈｏｌｄｓｆｏｒｈｅａｖｙｐｒｅｃｉｐｉｔａｔｉｏｎｅｖｅｎｔｓ．Ｔｈｅｓｅｆｉｎｄｉｎｇｓｃａｎｐｒｏｖｉｄｅｔｈｅｏｒｅｔｉｃａｌｓｕｐｐｏｒｔｆｏｒｔｈｅｓｕｂｓｅｑｕｅｎｔｒｅｓｅａｒｃｈｏｎｐｒｅｃｉｐｉｔａｔｉｏｎｐｒｏｃｅｓｓｅｓｂａｓｅｄｏｎｐｈｙｓｉｃａｌｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ．Ｋｅｙｗｏｒｄｓ牶Ｇａｍｍａｄｉｓｔｒｉｂｕｔｉｏｎ牷ｐｒｅｃｉｐｉｔａｔｉｏｎｄｕｒａｔｉｏｎｃｕｒｖｅ牷ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｉｎｔｅｒ－ａｎｎｕａｌｖａｒｉａｔｉｏｎｏｆｐｒｅｃｉｐｉｔａｔｉｏｎ牷ｅｓｔｉｍａｔｉｏｎｐａｒａｍｅｔｅｒｓ牷ｐｈｙｓｉｃａｌｃｏｎｔｒｏｌ降水是水循环的重要部分，也是水资源的主要来源，对社会经济和生态环境有重大影响［１］。

第38卷第7期2022年4月甘肃科技Gansu Science and TechnologyVol. 38 No. 7Apr. 2022近40年甘肃地区小时强降水时空分布特征分析郑新\宋媛2,崔宇2(1.兰州气象局，甘肃兰州730020:2.甘肃雀气象局，甘肃兰州730000)摘要：利用198丨一2020年甘肃省国家站4一9月小时降水资料分析了甘肃暖季小时强降水的时空分布特征。

结果 表明：（1)甘肃小时强降水出现的频次虽然不高，但是降水强度大，对总降水的贡献较大，且地形是影响贡献率的主 要因素；（2)年累计小时强降水极值及频次的空间分布整体呈现河东高河西低的特征，甘岷山区、陇南地区东南部 及陇东地区北部是三个强降水高频次中心,40 m m/h以上的降水极值也均出现在这些地方；（3)小时降水极值年际 波动变化并不显著，小时强降水频次在近丨〇年有增加趋势，尤其在2013年以后明显增多；（4)小时雨强和强降水频 次均主要出现在7、8月份，整体上来说，陇东地区全年强降水频次最高，其次为陇南地区；（5)小时最大雨强峰值多 出现在午后至夜间，在凌晨至上午时段出现强降水的频次较少，但小时最大雨强较强，且17~24时是甘肃各区域强降水出现的活跃期。

关键词：小时强降水；降水极值；降水频次；时空分布；甘肃中图分类号：P426.61引言1h内大量级的降水很容易造成山体滑坡、泥石 流等重大地质灾害。

目前,气象上通用将1h降水量英 20 m m作为短时强降水的量级标准。

近些年，许多学 者对不同地区的小时强降水特征进行了分析研究，苏锦兰等〃1基于云南全省小时降水，对全年范围内 的降水总体特征、降水日变化、降水事件贡献、极端 降水分布的区域差异做了详细分析，获得了云南地 区小时降水特性及空间差异；杨春等121从降水比率、强降水占比、强降水频次、强降水事件、极大强降水 及极端强降水阈值等方面分析了重庆小时降水的 时空分布特征。

全球观测到的极端气温和降水极端气候变化一组气候变化指数来自每天的温度和降水数据，主要集中在极端事件，计算和分析。

通过对每个指标建立精确的公式，并用专门设计的软件，将不同国家的分析无缝地结合在一起。

这使得最新的和全面的全球图片的趋势，在极端温度和降水指数的结果，在一些数据稀疏的地区和高品质的站提供的数据由世界各地的科学家提供了一些讲习班的演示文稿启用。

季节和年度指标为期1951–2003网格。

在网格领域的发展趋势进行了计算和测试的统计意义。

结果表明，与气候变暖的极端温度的广泛变化显着，特别是对这些指标来自每日最低温度。

超过70%的全球陆地面积采样表现出显着减少，每年发生的冷夜和显着增加，每年发生的温暖的夜晚。

一些地区经历了一倍以上的这些指数。

这意味着全球最低气温的分布发生了积极的变化。

每日最高温度指数表现出类似的变化，但较小的幅度。

降水变化表现出普遍而显著的增加，但变化较小空间相干与温度变化。

来自约200个温度和600个雨量站指标的概率分布，与1901–2003和覆盖的北半球中纬度地区的一个非常大的区域几乎完全数据（与澳大利亚降水的部分）进行分析–期1901 1950，1951 1978和1979 2003––。

结果表明整个第二十世纪的重大变暖。

温度指数分布的差异尤为明显，最近两个时期，这些指数相关的最低温度。

季节性时间序列的指数分析可用的显示，这些变化发生的所有季节，虽然他们通常是最不明显的九月至十一月。

降水指数显示整个第二十世纪潮湿的趋势。

1。

介绍[ 2 ]几十年来，大多数使用观测温度和降水数据的长期全球气候变化的分析都集中在平均值的变化。

几位德高望重的月度数据集提供合理的空间覆盖全球[例如，琼斯和彼得森在，2003；Vose，1997 ]。

然而，分析极端变化，如在热浪期间或在数天期间，温度超过其长期第九十位数的变化，需要以数字形式的日常数据。

不幸的是，这些数据是不容易得到的国际研究组织为世界[福兰德等人的很大一部分，2001 ]。

2021年2月江苏水利水文水资源F eb.2021 J IT V NG S U W A TER R E S O U R C E S51苏州市1988—2017年降雨特性变化分析徐勇，王谦，高晓平，张舒雯，白瑞泉(江苏省水文水资源勘测局苏州分局，江苏苏州21512+)摘要:根据苏州境内常熟、枫桥、平望3个雨量站1988—2017年降雨资料，对应苏州区域分析了降雨年际变化特点，并从3个时段段分析苏州市降水量月度、季节分布规律。

结果表明：苏州市在所研究时段内，降水量呈较明显上升趋势，多年平均中部最大，南部次之、北部最小，降水量呈从苏州中部向南北两侧降低趋势；降雨月度分布主要集中在3 —9月，季节分布上主要集中在春季和夏季，降雨时间极不均匀，具有明显随季节变化特征;近10年苏州市降雨总量明显增加，且多雨月份也有所增加，相比较之前2个时段，月平均降水量增加约20mm。

关键词！滑动平均法；降雨特征；年内变化；年际变化；苏州市中图分类号:TV125 文献标识码：B文章编号：1007-7839(2021)02-0051-04Analysis of rainfall characteristics in Suzhou from 1988 to 20175+ 6o>g，W O f ia>，）'0 5iao<i>g，4D'0 *@u=e>，F'l /ukjua>(Suzhou Hydrology and W ater Resources Survey Bureau of Jiangsu Province，Suzhou215129，China)Abstract；According to the rainfall data of three rainfall stations(Changsliu，Fengqiao and Ping=ang)withinSuzhou territory Mom 1988 to 2017，the characteristics of rainfall inter—annual variation were analyzed，and themonthly and seasonal distribution of rainfall of Suzhou city was analyzed from three time periods of 1990s，2000sand2010s.The results showed that during the study period，the rainfall in Suzhou showed a significant upwardtrend，with the largest in the middle，followed by the south and the smallest in the north.The rainfall decreasedfrom the middle to the nort!i and south sides of Suzhou.The monthly distribution of rainfall was mainly concentratedin March to September，and the seasonal distribution was mainly concentrated in spring and sum time was extremely uneven w ith obvious seasonal variation characteristics.In recent ten years，the total rainfall inSuzhou had increased significantly，and the rainy months had also paredods，the average monthly rainfall increased by about20m m.Key words；moving average metiiod;rainfall characteristics;annual change;inter—annual variability;Suzhou City降雨是影响气候变化的重要指标之一)1]。