Study on progress of the trends and physical causes of extreme precipitation in China during the last 50 years
1
2014
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
近50年来中国极端降水趋势与物理成因研究综述
1
2014
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Progress in researches on ensemble forecasting of extreme weather based on numerical models
1
2019
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
极端天气的数值模式集合预报研究进展
1
2019
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Regional trends in recent precipitation indices in China
1
90
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Regional frequency analysis and spatio-temporal pattern characterization of rainfall extremes in the Pearl River Basin, China
1
380
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Advances and challenges in the study on the tropical rainfall changes under global warming
1
2018
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
全球变暖下热带降水变化研究回顾与挑战
1
2018
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Characterization of risk/exposure to climate extremes for the Brazilian Northeast-case study: Rio Grande do Norte
2
122
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Spatial and temporal variation characteristics of precipitation concentration degree and precipitation concentration period in Guizhou Mountain area
2
2017
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
贵州山区降水集中度和降水集中期的时空变化特征
2
2017
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Spatial and temporal changes of precipitation concentration in Fars Province, southwestern Iran
2
2015
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Extreme climate in China:Facts,simulation and projection
1
2012
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Multitemporal analysis of TRMM-Based satellite precipitation products for land data assimilation applications
1
2007
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Spatiotemporal variability of precipitation concentration in western Turkey
2
2016
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Inter-annual variations of precipitation concentration degree and concentration index in Huaihe River Basin
2
2018
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
淮河流域降水集中度和集中指数年际变化分析
2
2018
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Trends in total precipitation and frequency of daily precipitation extremes over China
1
2005
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
Comprehensive evaluation of precipitation heterogeneity in China
6
2015
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
... 文中采用刘永林等[14]提出的降水非均匀性评价方案对广西PCD进行等级划分.具体地,把1961—2017年按30年一个阶段,共分为28个气候阶段(1961—1990年,1962—1991年,…,1988—2017年),其评价等级及指标的确定流程如下: ...
... (3)根据步骤(2)对PCD原始序列标准正态化后,PCD气象要素值基本遵从正态分布,满足假设要求.由于降水非均匀性分布与旱涝的发生存在一定相关关系,根据刘永林等[14]提出的评价等级方案,可以参考旱涝指数Z的评价等级划分广西区域PCD降水集中度等级.将PCD等级共划分为高度集中、中度集中、轻度集中、正常、轻度分散、中度分散和高度分散7个.将各个气候阶段标准正态化后的Zi值分别从小到大依次排列(共n=2 610个气象要素值),并参考Z指数评价等级累积频率,得到其相应的Z指数,并通过公式(10)转换为原序列PCD值: ...
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
... 主要针对广西日尺度PCD的集中、分散、正常等级的发生频率进行分析研究,根据刘永林等[14]提出的空间分析方案,将0~20%的发生频率定义为极少发生,20%~40%定义为较少发生,40%~60%定义为经常发生,60%~80%定义为频繁发生,80%~100%定义为极频繁发生. ...
中国降水非均匀性综合评价
6
2015
... 伴随着全球气温升高,区域性极端气候事件频发[1,2],降水作为全球水和能量循环的关键要素之一[3,4,5],呈现出更为显著的多尺度时空非均匀性,其剧烈的时空变化和变率不断地增加着区域性洪旱灾害的风险[6,7],由此必然会造成农业减产、城市雨涝、山体滑坡、人民生命安全与财产损失等多方面的严重后果[8,9].因此,准确掌握区域降水的多尺度时空非均匀性特征[10],对进一步明晰水文变异、水资源演变、调控及应对旱涝、地质灾害预警与防治、水资源智慧管理以及理解气候变化效应等均具有重要意义[11].针对我国降水呈“南涝北旱[12]”空间非均匀性总体格局以及年内的季节乃至月、旬、候、日等多尺度分异特征,对区域降水分布的时段、频次和强度等要素开展精细化分析至关重要[13,14],该问题可采用降水集中度(Precipitation Concentration Degree,PCD)和降水集中期(Precipitation Concentration Period,PCP)指数来定量描述. ...
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
... 文中采用刘永林等[14]提出的降水非均匀性评价方案对广西PCD进行等级划分.具体地,把1961—2017年按30年一个阶段,共分为28个气候阶段(1961—1990年,1962—1991年,…,1988—2017年),其评价等级及指标的确定流程如下: ...
... (3)根据步骤(2)对PCD原始序列标准正态化后,PCD气象要素值基本遵从正态分布,满足假设要求.由于降水非均匀性分布与旱涝的发生存在一定相关关系,根据刘永林等[14]提出的评价等级方案,可以参考旱涝指数Z的评价等级划分广西区域PCD降水集中度等级.将PCD等级共划分为高度集中、中度集中、轻度集中、正常、轻度分散、中度分散和高度分散7个.将各个气候阶段标准正态化后的Zi值分别从小到大依次排列(共n=2 610个气象要素值),并参考Z指数评价等级累积频率,得到其相应的Z指数,并通过公式(10)转换为原序列PCD值: ...
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
... 主要针对广西日尺度PCD的集中、分散、正常等级的发生频率进行分析研究,根据刘永林等[14]提出的空间分析方案,将0~20%的发生频率定义为极少发生,20%~40%定义为较少发生,40%~60%定义为经常发生,60%~80%定义为频繁发生,80%~100%定义为极频繁发生. ...
Annual distribution features of precipitation in China and their interannual variations
2
2003
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
... 采用张录军等[15,24]提出的PCD和PCP指数进行计算,通过向量矩阵分析方法来定义研究区域单点降水量时空非均匀性分配的特征参数.其中,PCD指数反映的是研究区域内单点相应时段内的降水量集中程度,PCP指数则用来反映研究区域内单点年内降水量最大值所出现的具体时间;PCD在不同时间尺度分配采用魏鹳举[25]提出的计算公式[公式(5)].具体计算过程如下: ...
Temporal and spatial characteristics of precipitation concentration degree and concentration period in flood season in Hebei Province
1
2018
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
河北省汛期降水集中度和集中期时空特征分析
1
2018
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Spatio-temporal change characteristics of PCD and PCP in Guangdong Beijiang River Basin
1
2017
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
广东北江流域降水集中度和集中期的时空变化特征
1
2017
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Monotonic trends in spatio-temporal distribution and concentration of monsoon precipitation (1901-2002), West Bengal, India
1
2016
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Rainfall zoning of Bahia State, Brazil: An update proposal
1
2018
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Response relation between precipitation heterogeneity and climate change in Guangdong
1
2015
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
广东省降水非均匀性与气候变化的响应关系
1
2015
... PCD和PCP指数最早是由Zhang等[15]为分析和研究长江流域降水时空分配特征、集中程度与旱涝相关关系而提出的.近年来,国内外许多学者采用这两个指标来探讨各区域降水非均匀性的时空变化特征.国内代表性的有:曹永强等[16]、庞欣欣[12]、刘占明等[17]和张波等[7]基于PCD和PCP指数,通过水文变异和空间插值的方法分别分析探讨河北省、淮河流域、北江流域和贵州山区等典型国内气候研究区的降水非均匀性时空变化特征,结果表明我国大部分地区PCD越高、PCP越晚,PCD越低、PCP则提前.国外学者如Silva等[6]、Abolverdi等[8]、Yesilırmak等[11]和Chatterjee等[18]基于月PCD和PCP,分别对巴西里约、伊朗法尔斯、土耳其西部和印度孟加拉邦等区域的降水分配格局进行了分析,发现当地降水分配受地形、气候和人类活动等因素共同制约.然而,上述研究主要针对单一时间尺度降水进行了PCD分析,仅通过PCD数值大小来反映区域降水非均匀性空间变化,对PCD的空间变化等级和降水非均匀性分区方面的论述相对缺乏.为此,Simões等[19]利用PCD建立降水结构特征分区,对巴伊亚州进行了降雨均质与非均质气候区划分,并评估年降水量与月降水量的同质性;刘永林等[14,20]在PCD和PCP基础上,结合干旱指数,探讨降水非均匀性与我国气象旱涝灾害的对应关系,发现气象旱涝与PCD显著相关,并通过建立全国降水非均匀性等级评价体系,划分了7个PCD气候等级评价区域.综上所述,应对区域日益增强的降水时空变异而引发的旱涝灾害,结合各区域特征构建降水非均匀性评价等级体系,获得PCD等级和气候分区极为必要;此外,还有必要讨论年内的季节乃至月、旬、候、日等多个尺度的PCD和PCP特征,以便确定针对研究目标的最佳表达尺度. ...
Spatial-temporal variations of precipitation characteristics in Guangxi over the last 50 years
2
2016
... 广西属于亚热带季风湿润区,大部分区域年降水量可达1 500~2 000 mm,是我国降水资源最丰富的地区之一[21];但区域降水时空分配很不均匀,洪旱灾害频繁发生[22],特别是全球气候变暖导致的降水非均匀性日益加剧,常年洪旱灾害并存且多次急转,社会经济损失巨大[21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
... [21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
广西近50年降水结构时空变化特征分析
2
2016
... 广西属于亚热带季风湿润区,大部分区域年降水量可达1 500~2 000 mm,是我国降水资源最丰富的地区之一[21];但区域降水时空分配很不均匀,洪旱灾害频繁发生[22],特别是全球气候变暖导致的降水非均匀性日益加剧,常年洪旱灾害并存且多次急转,社会经济损失巨大[21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
... [21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
A study on the climate change characteristics of all kinds of precipitation events in recent 50 year of Guangxi
2
2014
... 广西属于亚热带季风湿润区,大部分区域年降水量可达1 500~2 000 mm,是我国降水资源最丰富的地区之一[21];但区域降水时空分配很不均匀,洪旱灾害频繁发生[22],特别是全球气候变暖导致的降水非均匀性日益加剧,常年洪旱灾害并存且多次急转,社会经济损失巨大[21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...
近50a来广西各级降水气候变化特征分析
2
2014
... 广西属于亚热带季风湿润区,大部分区域年降水量可达1 500~2 000 mm,是我国降水资源最丰富的地区之一[21];但区域降水时空分配很不均匀,洪旱灾害频繁发生[22],特别是全球气候变暖导致的降水非均匀性日益加剧,常年洪旱灾害并存且多次急转,社会经济损失巨大[21].因此,本文通过对季、月、旬、候、日等多个时间尺度的PCD进行尺度效应分析,进而选择适宜尺度的PCD构建广西降水非均匀性评价体系,并讨论区域降水非均匀性的时空变化格局和相应的气候分区. ...
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...
Establishment and assessment of the grid precipitation datasets in China for recent 50 years
1
2014
... 本文采用的降水数据来源于中国气象数据共享网(http://data.cma.cn)的《中国地面降水日值0.5°×0.5°格点数据集(V2.0)》;赵煜飞等[23]在全国范围对该数据集进行了精度评估,表明其具有良好的精度和应用价值.在此,通过Python编程从该数据集中批量提取广西地区1961—2017年87个0.5°×0.5°格点的逐日降水资料(图1),并对个别缺测日进行多年平均值插补,由于闰年2月29日降雨量在同年占比很小(0~0.32%),对广西历年降雨非均匀性影响不显著,考虑计算的方便,分析中剔除了闰年2月29日的降水数据. ...
近50a中国降水格点数据集的建立及质量评估
1
2014
... 本文采用的降水数据来源于中国气象数据共享网(http://data.cma.cn)的《中国地面降水日值0.5°×0.5°格点数据集(V2.0)》;赵煜飞等[23]在全国范围对该数据集进行了精度评估,表明其具有良好的精度和应用价值.在此,通过Python编程从该数据集中批量提取广西地区1961—2017年87个0.5°×0.5°格点的逐日降水资料(图1),并对个别缺测日进行多年平均值插补,由于闰年2月29日降雨量在同年占比很小(0~0.32%),对广西历年降雨非均匀性影响不显著,考虑计算的方便,分析中剔除了闰年2月29日的降水数据. ...
A study on the feature of precipitation concentration and its relation to flood-producing in the Yangtze River valley of China
1
2004
... 采用张录军等[15,24]提出的PCD和PCP指数进行计算,通过向量矩阵分析方法来定义研究区域单点降水量时空非均匀性分配的特征参数.其中,PCD指数反映的是研究区域内单点相应时段内的降水量集中程度,PCP指数则用来反映研究区域内单点年内降水量最大值所出现的具体时间;PCD在不同时间尺度分配采用魏鹳举[25]提出的计算公式[公式(5)].具体计算过程如下: ...
长江流域汛期降水集中程度和洪涝关系研究
1
2004
... 采用张录军等[15,24]提出的PCD和PCP指数进行计算,通过向量矩阵分析方法来定义研究区域单点降水量时空非均匀性分配的特征参数.其中,PCD指数反映的是研究区域内单点相应时段内的降水量集中程度,PCP指数则用来反映研究区域内单点年内降水量最大值所出现的具体时间;PCD在不同时间尺度分配采用魏鹳举[25]提出的计算公式[公式(5)].具体计算过程如下: ...
Calculation method of precipitation concentration degree and precipitation concentration period based on excel
1
2017
... 采用张录军等[15,24]提出的PCD和PCP指数进行计算,通过向量矩阵分析方法来定义研究区域单点降水量时空非均匀性分配的特征参数.其中,PCD指数反映的是研究区域内单点相应时段内的降水量集中程度,PCP指数则用来反映研究区域内单点年内降水量最大值所出现的具体时间;PCD在不同时间尺度分配采用魏鹳举[25]提出的计算公式[公式(5)].具体计算过程如下: ...
降水集中度与集中期的Excel计算方法研究
1
2017
... 采用张录军等[15,24]提出的PCD和PCP指数进行计算,通过向量矩阵分析方法来定义研究区域单点降水量时空非均匀性分配的特征参数.其中,PCD指数反映的是研究区域内单点相应时段内的降水量集中程度,PCP指数则用来反映研究区域内单点年内降水量最大值所出现的具体时间;PCD在不同时间尺度分配采用魏鹳举[25]提出的计算公式[公式(5)].具体计算过程如下: ...
Spatio-temporal variation in precipitation in Zhejiang Province based on PCD and PCP
1
2013
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
基于降水集中度和集中期的浙江省降水时空变化特征分析
1
2013
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Spatial and temporal variation characteristics of PCD and PCP in Eastern Xinjiang in flood season
1
2017
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
东疆地区汛期降水集中度和集中期的时空变化特征
1
2017
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Changes of precipitation concentration degree and precipitation concentration period in flood season in the Huaihe River Basin
1
2018
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
淮河流域汛期候尺度降水集中度与集中期的时序变化特征
1
2018
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Spatial variability in the seasonal distribution of precipitation on the Tibetan Plateau
1
2018
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
青藏高原降水季节分配的空间变化特征
1
2018
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Spatial and temporal variability in the precipitation concentration in the Upper Reaches of the Hongshui River Basin, Southwestern China
1
2018
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Trend and concentration characteristics of precipitation and related climatic teleconnections from 1982 to 2010 in the Beas River basin, India
1
2016
... 对各尺度的年均PCD、标准差(Standard Deviation,STD)、变异系数(Coefficient of Variation, CV)统计整理,由表2可知:日、候、旬尺度的年均PCD,STD和CV相应的最大值、最小值和均值差异不明显,结果相近,其波动范围均在0.008~0.0158,而月、季尺度变化范围为0.0034~0.1151,说明月、季尺度的差异相对显著;日、候、旬尺度各统计参数对应的最大值、最小值和极差值(Range)在0.0002~0.0048范围内变化,而月、季尺度极差值明显较前者大,均在0.0134~0.1257范围内;由年均PCD的极差值波动变化可知,日、候、旬、月尺度的PCD值均在0.22以上,而季尺度仅为0.0926,表明季尺度的尺度效应变化不明显.综上可得,日、候、旬尺度评价效果具有同一聚类属性,而月、季尺度间差异较大,且与前者间差异明显,相似性差,这表明时间尺度越精细越能反映区域降水非均匀性变化[14];日、候、旬PCD波动范围相对月、季尺度显著,适用于城市或行政区划等小区域尺度,甚至大区域尺度,如曹永强等[26]、苗云玲等[27]和叶正伟等[28]在降水时空分配研究中均有显著效果,而月、季尺度适用范围局限在全国或跨区域等空间尺度,具有较好效果[29,30,31].因此,采用日、候、旬尺度PCD对广西降水非均匀性综合评价具有显著效果. ...
Study on the variation characteristics of precipitation concentration degree in Guangxi under the background of global climate becoming warm
2
2010
... 由PCP空间分布(图2a~e)可知,日尺度中广西东北部降水主要集中在6月11~22日,包括桂林、贺州、柳州及梧州等地区,西部及南部降水集中在8月11~26日,以百色、崇左、防城港、钦州和北海为主,中部地区降水则主要集中在7月7~30日,主要城市有南宁、来宾、贵港和玉林;候尺度中广西东北部降水主要集中在33~36候,中部地区集中在37~46候,西部地区则集中在47~49候,空间分布与日尺度相似;旬尺度中广西东北部主要集中在6月中下旬,主要在桂林和贺州市,中部大部分地区集中在7月中下旬,如柳州、来宾和贵港等城市,南宁和河池部分地区则主要集中在8月中旬,广西西部的防城港、钦州和百色降水集中在8月下旬;月PCP中东北部只有桂林部分地区降水集中在6月,桂林、贺州等大部分地区集中在7月,其余地区降水均在8月份;而季尺度中全区降水集中在夏季.综上,广西最大降水时间总体由东北向西部推迟[32],日、候、旬尺度存在明显的相似属性,对集中期的空间异质性表达良好;而月、季差异大,集中期总体呈现空间均一化,对降雨时空非均匀性的表达相对较弱. ...
... 由图3a~c可知,日尺度中河池西北部、崇左、防城港西北部、钦州东北部、河池西南部、南宁、来宾西南部、贵港南部及玉林中部等主要地区的PCD时间序列呈现出整体递减趋势,由广西西部向东部递减,广西其他地区则呈现出递增的历史趋势,由南方向东北方向逐渐递增[32,36];候尺度历史趋势与日尺度相近,但差异不大;月尺度中河池北部出现PCD序列整体递增的趋势. ...
全球气候变暖背景下广西降水集中程度的变化特征研究
2
2010
... 由PCP空间分布(图2a~e)可知,日尺度中广西东北部降水主要集中在6月11~22日,包括桂林、贺州、柳州及梧州等地区,西部及南部降水集中在8月11~26日,以百色、崇左、防城港、钦州和北海为主,中部地区降水则主要集中在7月7~30日,主要城市有南宁、来宾、贵港和玉林;候尺度中广西东北部降水主要集中在33~36候,中部地区集中在37~46候,西部地区则集中在47~49候,空间分布与日尺度相似;旬尺度中广西东北部主要集中在6月中下旬,主要在桂林和贺州市,中部大部分地区集中在7月中下旬,如柳州、来宾和贵港等城市,南宁和河池部分地区则主要集中在8月中旬,广西西部的防城港、钦州和百色降水集中在8月下旬;月PCP中东北部只有桂林部分地区降水集中在6月,桂林、贺州等大部分地区集中在7月,其余地区降水均在8月份;而季尺度中全区降水集中在夏季.综上,广西最大降水时间总体由东北向西部推迟[32],日、候、旬尺度存在明显的相似属性,对集中期的空间异质性表达良好;而月、季差异大,集中期总体呈现空间均一化,对降雨时空非均匀性的表达相对较弱. ...
... 由图3a~c可知,日尺度中河池西北部、崇左、防城港西北部、钦州东北部、河池西南部、南宁、来宾西南部、贵港南部及玉林中部等主要地区的PCD时间序列呈现出整体递减趋势,由广西西部向东部递减,广西其他地区则呈现出递增的历史趋势,由南方向东北方向逐渐递增[32,36];候尺度历史趋势与日尺度相近,但差异不大;月尺度中河池北部出现PCD序列整体递增的趋势. ...
Spatiotemporal variation of extreme precipitation regimes in the Hanjiang River Basin during 1970-2015
2
2019
... 从PCP尺度效应分析可知,日、候、旬尺度具有很好的相似性[33],在广西降水非均匀性研究中具有显著效果,对区域旱涝灾害事件的应对和防治具有更好的科学支撑价值;而月、季尺度则适合在多年及全国的时空尺度上[33],对旱涝灾害长期演变规律的评价具有较好的用途. ...
... [33],对旱涝灾害长期演变规律的评价具有较好的用途. ...
1970—2015年汉江流域多尺度极端降水时空变化特征
2
2019
... 从PCP尺度效应分析可知,日、候、旬尺度具有很好的相似性[33],在广西降水非均匀性研究中具有显著效果,对区域旱涝灾害事件的应对和防治具有更好的科学支撑价值;而月、季尺度则适合在多年及全国的时空尺度上[33],对旱涝灾害长期演变规律的评价具有较好的用途. ...
... [33],对旱涝灾害长期演变规律的评价具有较好的用途. ...
Analysis of changing characteristics of agricultural climate resources over last 45 years in North China Plain
1
2009
... 通过线性倾向率[34]分析和表征PCD时间序列历史趋势变化,采用R/S分析中的赫尔斯特指数[35]揭示地区气候要素序列是否具有持续性或反持续性,即分析和表征PCD时间序列未来趋势特征. ...
华北平原近45年农业气候资源变化特征分析
1
2009
... 通过线性倾向率[34]分析和表征PCD时间序列历史趋势变化,采用R/S分析中的赫尔斯特指数[35]揭示地区气候要素序列是否具有持续性或反持续性,即分析和表征PCD时间序列未来趋势特征. ...
Long-term storage capacity of reservoirs
1
1951
... 通过线性倾向率[34]分析和表征PCD时间序列历史趋势变化,采用R/S分析中的赫尔斯特指数[35]揭示地区气候要素序列是否具有持续性或反持续性,即分析和表征PCD时间序列未来趋势特征. ...
Intra-annual inhomogeneity characteristics of precipitation in Guangxi Beibu Gulf economic zone
1
2017
... 由图3a~c可知,日尺度中河池西北部、崇左、防城港西北部、钦州东北部、河池西南部、南宁、来宾西南部、贵港南部及玉林中部等主要地区的PCD时间序列呈现出整体递减趋势,由广西西部向东部递减,广西其他地区则呈现出递增的历史趋势,由南方向东北方向逐渐递增[32,36];候尺度历史趋势与日尺度相近,但差异不大;月尺度中河池北部出现PCD序列整体递增的趋势. ...
北部湾经济区降水年内非均匀性特征分析
1
2017
... 由图3a~c可知,日尺度中河池西北部、崇左、防城港西北部、钦州东北部、河池西南部、南宁、来宾西南部、贵港南部及玉林中部等主要地区的PCD时间序列呈现出整体递减趋势,由广西西部向东部递减,广西其他地区则呈现出递增的历史趋势,由南方向东北方向逐渐递增[32,36];候尺度历史趋势与日尺度相近,但差异不大;月尺度中河池北部出现PCD序列整体递增的趋势. ...
Geodetector: Principle and prospective
1
2017
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
地理探测器:原理与展望
1
2017
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
Notes on Continuous stochastic phenomena
1
37
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
Selection of observed variables and measuring indicators for the land use spatial autocorrelation analysis
1
2015
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
土地利用空间自相关分析中观测变量和衡量指标的选择研究
1
2015
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
Contrast study on Moran and Getis-ord indexes of local spatial autocorrelation indices
1
2007
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
空间自相关局部指标Moran指数和G系数研究
1
2007
... 空间分异性是指层内方差小于层间方差的地理现象,如气候分区、经济区差异、地理分区等,而“层”为统计学概念对应于地理统计中的类与子区域,在地理探测器分析中以q统计量衡量其空间分异显著性[37].空间自相关主要通过全局及局部两个指标衡量,全局主要反映整个研究区的自相关模式;局部则主要通过计算每一个空间单元与邻近单元就某一属性的相关程度[38,39,40].依据广西降水非均匀性评价体系,建立日、候、月PCD平均等级空间分区(图4),并对日、候、月尺度PCD进行计算分析,整理得到各时间尺度相应的PCD空间分异性和自相关性数值统计表(表3和表4). ...
Climatic characteristics of precipitation and temperature in the past 45 years in Guangxi
1
2006
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...
近45a广西降水和气温的气候特征
1
2006
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...
Spatial statistical analysis of the distribution of minorities in Guangxi based on GIS
1
2019
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...
基于GIS的广西少数民族人口分布的空间统计分析
1
2019
... 表3中,日、候、月PCD对应的q统计量均在0.65以上,且通过p显著性检验,具有较强的空间分异性,说明PCD气候区等级划分揭示了广西降雨具有显著的空间分层异质性,其与广西气候变化复杂的区域性与局地性特征密切相关[41].由表4可知,日、候、月尺度Moran's I指数、z得分均为正值,且通过p检验,说明广西区域PCD具有显著的空间自相关性,形成这样的空间模式,与广西地处低纬度地区,南邻海洋,属亚热带季风区,降水分配不均,洪旱灾害频繁密不可分[22].根据全局Moran's I指数统计结果,可知广西PCD分布具有很强的空间聚集现象,但不能反映空间聚集分布情况.因此,通过Lisa图(图5),能够较好地反映具有统计学显著性的高聚集区、低聚集区及空间异常值[42],其中日尺度下高—高聚集区主要分布在百色中部、河池西部及防城港南部,低—低聚集区则分布在桂林东北部;候尺度与日尺度相似,但低—低聚集区影响到柳州东北部;月尺度中高—高聚集区影响钦州西南部,低—低聚集区与候尺度相似;日、候、月尺度中不存在空间异常值(即高—低或低—高区),说明广西大部分地区的PCD空间自相关性为不相关区域,但部分地区则主要为高值聚集(空间正相关显著). ...