基于二维极值分布的亳州地区强降水概率特征模拟.doc

[标签:标题] 2016 PAGE11 / NUMPAGES11 感谢观看本文谢谢 基于二维极值分布的亳州地区强降水概率特征模拟 摘 要：在全球气候变化的影响下，极端天气气候事件频繁发生。该文结合近年来极端天气气候变化研究中应用极值统计理论的新成果，采用亳州4个站建站以来汛期的实测降雨资料，探讨了二维Gumbel分布模型，在研究其经验频率和理论频率计算方法的基础上，根据随机变量的边缘分布和条件概率分布，分析了汛期最大强降水雨量及最大过程雨量的联合分布，建立了其联合重现期和条件重现期的分布模型，拟合效果很理想。 　　关键词：极值分布；二维Gumbel分布模型；强降水雨量；过程雨量 　　中图分类号 P426.文献标识码 A 文章编号 1007-773101-84-05 　　Probability Characteristics of Heavy Precipitation Based on Bivariate Gumbel-Logistic Model at 　　Bozhou Area 　　Li Jiayun1 et al. 　　 　　Abstract：Frequent climate extremes often occur under changing climate. Using the long-term observed precipitation data，the two-dimension Gumbel model is applied at Bozhou station based on the new theory of extremes statistics. The empirical frequency and theoretical frequency of precipitation extremes are analyzed，and then the joint distribution of the heaviest precipitation and its corresponding heaviest total precipitation is investigated. The models of joint return period distribution and Conditions return period distribution are built，which is useful for the studies of precipitation extremes. 　　Key words：Extreme distribution；Bivariate Gumbel model；Heavy precipitation；Course precipitation 　　强降水实际上涉及到降水的历时、强度、面积、深度等多方面的时空分布特征，它既有一定的持续时间，又占据一定的区域面积或范围，更有量级和强度大小，因而这类极值问题仅仅运用一维极值分布模式来描述其特征，并不能满足实际工作的需要，而应用二维或多维极值分布模式描述其全方位特征则更为恰当。近年来，国际上已有不少学者利用二维极值分布模式研究区域和单站强降水概率特征，以便描述表征2个及2个以上变量同时达到极值的随机现象的概率问题。早在20世纪60年代，Gumbel等人[4-5]在一维Gumbel分布的基础上即已提出了Gumbel分布的二维形式，但并未引人注目。其后，由于水利水电工程技术科学的发展，许多学者纷纷研究了各种多变量的联合分布用于极端降水事件或暴雨事件的概率描述，并提出过各种形式的联合概率分布模型[6-8]。在国内水文气象学界除了水文学中有个别应用二维分布模式以外，绝大多数学者在研究水文气象学极值事件中，也只局限于应用一维极值分布模式，在大气科学领域运用极值分布模式也都以一维模式为主，仅在某些著述中提到或介绍过国外研究成果[1-3]。本文主要运用二维Gumbel分布研究了强降水过程的概率特征。运用二维概率分布模式的优点在于，它不但能较全面地描述一些极端天气气候事件的特征，而且在一定程度上更能揭示某些复杂的极端事件产生的原因。 　　1 数据的选取及处理方法 　　1.1 降水指标量的选取及时频变化特征 　　1.1.1 降水指标量的选取 由于本文所做的研究是汛期强降水事件的模拟，所以文中涉及各站每年5～9月降水量总和；各站每年汛期降水日数；过程雨量是指每个降水过程的总雨量；强降水雨量是指发生极端降水事件时，该站点该日的降水量，强降水事件定义如下：首先，我们定义了各测站极端强降水事件的阈值[8]。具体方法是：将各站建站以来≥0.1mm的逐日日降水序列的第95个百分位值求出，该值即为极端降水