伊朗过去五十年雷暴发展趋势外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

伊朗过去五十年雷暴发展趋势

Alireza Araghi a, Jan Adamowski b, Majid Rajabi Jaghargh

摘要

雷暴，通常发生在天空中有积雨云（Cb）云时，严重时会发展成一种自然灾害。以往大多数的论文集中研究了雷暴的物理和动态结构，很少关注探索雷暴发生的趋势。在本文中，研究了在过去的五十年里（1961年至1925年），针对在伊朗的30个天气站（2010）进行的雷暴发展研究。主要研究方法使用适用于水文气象研究的非参数Mann-Kendall统计方法。本研究结果表明，在伊朗内大部分区域的雷暴天气都有此发展趋势。4月和5月出现了正距平，特别是在伊朗西北部和北部地区。基于在年度时间序列上，超过90％的国家地区有增长（显着或不显着）趋势。此外，在一年中任何月份的雷暴天数中没有观察到显着的减少趋势。本研究结论验证了气候变化对极端气候变化有显著影响的假设。需要进行额外的研究来探索气候和物理原因本研究中呈现的趋势。

1. 引言

雷暴是一种主要的风暴类型，它包含了闪电、雷雨、除冰雹，阵风和龙卷风等极端天气外的暴雨。（Lutgens和Tarbuck，2013; Ahrens，2016）。当积雨云（Cb）云在天空中由于局部或总体的低压分子产生的对流系统出现时，有雷暴现象出现（Bosart和Bluestein，2008）。一个Cb云被分类为低云，因为其平均基本高度小于2000 m，当对流系统较强盛时，云顶可达到到对流层顶（Barry和Chorley，2009）。严重雷暴可能会对农业，基础设施造成损害设施，建筑物等，而冰雹，强阵雨和地表阵风可能导致作物生产以及农村和市政区域的重大损失（Sivakumar等，2005; Hyndman和Hyndman，2009）。在最严重的情况下，雷暴可以产生破坏性非常大的龙卷风和飓风（Mavi和Tupper，2004; Kunz等人，2009; Sene，2010）。另一方面，雷暴的发生有利于水汽向陆地输送（Changnon，2001）。

到目前为止，许多关于世界各地都对雷暴有深入的研究；这些研究大多数集中在雷暴的动力学或天气结构，以及雷暴的数值模拟和预报。例如，Davis（1969）分析了昼夜雷声在伦敦Heathrow机场的变化，研究了雷声对机场的通信控制系统的干扰（Davis，1969）。Wallace（1975）探讨了美国连续数年发生雷暴的频率，特别是关于该地区雷暴的年变化规律方面。在另一项研究中，探讨了雷暴在印度季风季节的活动（三月至五月），从1970年到1980年厄尔尼诺现象的发生对雷暴的影响（Manohar等，1999）。通过对1992年到1996年在德国南部发生的雷暴的运动特性研究表明583,701和876 J.kg-¹的对流有效势能（CAPE）可分别用于检测静态，运动性和雷暴线（Hagen et al。，1999）。 Changnon（2001）研究了美国雷暴降水量及其四十年的时间变化。在另一项研究中，对美国1896年至1995年的雷暴日进行了研究，结论为西部存在显著的增长趋势，而东部有减少趋势（Changnon和Changnon，2001）。

通过分析1896年到1995年发生在波兰克拉科夫的雷暴，表明雷暴天气通常发生在有气旋区（Bielec，2001）。根据1975年至1997年期间全球15000个站的报告显示，在陆地（海洋）地区，雷暴在傍晚（午夜）时发生更频繁。在关于波兰的在另一项研究中，Bielec-Bąkowska得出结论，在该地区发生雷暴天气中，东部平流对其具有最大的影响（Bielec-Bąkowska，2003）。基于从1970年到1999年在20个天气站获得的数据，用线性回归的方法研究了尼日利亚雷暴发生的趋势（Ologunorisa和Chinago，2004）。分析1998年到2007年在芬兰的雷暴，结果显示此处在此期间没有明显的雷暴天气变化趋势（Tuomi和Mauml;kelauml;，2008）。北高加索从1936年到2006年最大的变化雷暴发生在此区域的西部（Adzhiev和Adzhieva，2009）。在另一项研究中，对在1974年至2003年期间在德国西南的雷暴天气进行了分析，阐述了水汽压，温度和雷暴之间的相互关系（Kunz等人，2009）。对比分析保加利亚1961年至2006年间67气候站和26个降水站的数据，结果显示在此区域大多数的强对流行天气与冷锋，气旋压力场，和地中海气旋存在关系（Simeonov et al.，2009）。在另一项研究中，有人研究了白俄罗斯雷暴天气的变化和结构形成（Loginov等，2010）。张等人通过分析1980年至2008年间中国517个气象站的数据研究了雷暴空间和时间变化（Zheng等，2010）。 Pawar et al（2010）研究强雷暴时使用了无线电探空仪数据以便确定雷电的有效放电量。他们发现，低正电荷（LPCC）在闪电的发生中起着重要作用（Pawar等人，2010）。

基于1951 - 2007年期间的数据，中国江苏省进行了雷暴的趋势，周期性，时空模式和分布的研究，（Wei et al。，2011）。另一个印度的研究中，对1981年至2005年间雷暴的变化与厄尔尼诺和拉尼娜之间的关系进行了研究，结果显示ENSO会引起全国范围的雷暴活动变化（Kulkarni et al。，2013）。针对1951年至今的巴西东南部的三个城市雷暴天气进行研究发现雷暴活动呈现显着正向趋势，特别是在里约热内卢（Pinto等，2013）。通过59个1951年至2000年期间的气象数据对波罗海国家雷暴气候的研究表明，该地区平均每年雷暴的天数约为12至29.5天（Enno等，2013）。在美国的一项较为全面的研究中，指出雷暴频率的变化并不如报告中显示的明显（Kunkel等，2013）。 Allen和Karoly（2014）研究了1979年到2011年间澳大利亚的雷暴年际变化和ENSO对雷暴发生的影响。研究内容集中在自强雷暴发生后的一年中的暖季（Allen和Karoly，2014）。分析1950年至2004年位于波罗海国家的40个气象站统计的雷暴天数，得出雷暴以平均每年24%的比例在逐年递减的结论（Enno等人，2014）。在最近的一项研究中，分析了美国强雷暴区亚特兰大，乔治亚大城市的雷暴数量发展趋势（Paulikas，2014）。在研究西藏东部高原的雷暴时，用一些不稳定性指数（例如Showalter和K指数等）来研究和预测雷暴的高频发生的特定地区（You 等，2015）。使用天气报告，再分析和探测数据来分析发生在欧洲东北部的雷暴雷暴，不同的大气活动在不同地区触发雷暴（Czernecki et al。，2015）。 Khalesi（2014）研究了在1986年至2009年期间伊朗出现的雷暴天气，结果表明，每小时的时间尺度上，6月是伊朗雷暴发生的高频月份，次月是5月和10月。（Khalesi，2014年）。

以上诸多研究主要集中在天气、动力和雷暴发生的物理特征方面。在我们的研究中，将集中于以前较少被关注的领域—雷暴发生的逐日倾向。

1. 方法与思路

2.1 数据

一般来说，雷暴事件被记录在SYNOP报告中，并根据雷暴大小被编成了各种报告代码。为了进行这项研究，采用了伊朗在1961年至2010年期间（30个天气站）所记录的雷暴数据。表1按照地理位置进行了所选测站的气候显示，这些站点的空间分布站在图1中示出。例如，以天为单位在Abadan，Babolsar，Esfahan，Mashhad和Tabriz有雷暴发生的测站如图1所示。在伊朗已经有200多个天气站，但由于大多数这些测站都是近年来才建立的，不能提供长时间的数据记录作为研究数据。所选的站都具有伊朗测站所具有的最长时间的数据；他们在雷暴数据中没有任何缺失数据集。应该注意的是，有两个沙漠在国家的中部，Lut沙漠和CentralDesert，因为人口稀少，所以测站分布比较稀疏（Saadat等人，2011; Araghi等人，2015a）。分析时应该注意此处的情况，伊朗气象组织对所获得的数据集进行了同质性测试。

表 1 伊朗天气

图 1 伊朗天气测站分布

2.2Mann–Kendall (MK) 趋势测试

MK测试是最有检测时间序列的趋势的最常用的方法之一（Adamowski和Bougadis，2003; Adamowskiet al。，2009; Adamowski等人，2010; Tabari等，2011; Nalley等人，2012; Nalley等，2013; Tabari和Hosseinzadeh Talaee，2013;Pingale等人，2014; Araghi等人，2015a; Araghi等人，2015b）。 这个测试，这是由曼恩（1945年）介绍，然后Kendall修改完善（1975），被归为非参数统计检验时间序列的趋势的反方（Mann，1945; Kendall，1975）。 下列方程在MK测试的最初版本中使用（Hirsch和Slack，1984; Wilks，2011）

其中d = c 1，n是数据的长度。 J表示数字具有重复值的组，tj表示在第j组出现重复值的个数。 应当注意的是，当数据中存在联系时，方差应使用（4）公式计算。 基于以往的研究，一个季节性模式的存在和一个时间的串行相关性系列可以对MK测试的结果具有重大影响（Hirsch和Slack，1984; Hamed和Ramachandra Rao，1998; Yue等，2002）。使用自相关系数是最简单的方法之一就是检查是否出现了与时间或序列有关的相关性（Wilks，2011）。 绘制自相关系数相对滞后称为相关图，通常用于检测季节性模式和时间序列的串行相关（Yaffee和McGee，2000）。 滞后k的自相关系数可以计算为

公式（6）中的下标“ - ”和“ ” 表示样本平均值分别是时间序列中的第一个和最后一个n-k值。 为判断是否时间序列是连续相关的，对滞后1自相关的意义双尾试验的显着性水平为alpha;= 0.10的系数使用公式 （7）（Yue等人，2002）。

如果时间序列具有正（负）滞后-1自相关系数，则方差估计将小于（多）实际值，并基于公式（5），这将增加（减少）MK Z值的误差（Hamed和Ramachandra Rao，1998）。当滞后-1自相关系数是显著时，或当在时间序列中存在串行相关时，则修改版本的MK测试应该使用如下（Hamed和RamachandraRao，1998; Yue等，2002）：

其中n⁎表示需要考虑的有效样本大小时间序列中的自相关因子。 自相关函数之间的距离用rho;e（f）表示，并且它被计算作为方程的逆。 （10）。当研究的时间序列显示a季节性模式，然后Hirsch和Slack修改版本必须使用MK趋势测试。 这个修改的详细描述方法可以从相关论文获得（Hirsch等人，1982;Hirsch和Slack，1984）。

表 2 1961-2010年雷暴年平均数据

1. 结果与讨论

图 3 1961-1962年一月到六月平均雷暴数

看到雷暴天的时空分布，计算从1961年到2010年一年中不同月份的平均数据，最终的结果如图1和图2所示。雷暴的年平均天数如图1所示。从这些图中可以看出，寒冷的季节里（11月至3月）雷暴主要发生在南部，西部和东部地区，而在温暖的季节里（4月至10月），雷暴发生在伊朗北部和西北地区。从年度总体平均可以看出大部分雷暴发生在该国西北，西部，伊朗西南地区是进入的主要途径是通过气压系统。基于用于图1和2，Bushehr站分别在1月，2月和3月有有3.6，2.2和3.4天的雷暴天气；这三个月是所有测站中的最高值。 4月和5月，几乎所有的测站的值都高于一年中其他月份的值。 4月，Kermanshah，Ghazvin，Tabriz和Khorramabad测站出现了雷暴天数的最高值（分别为4.7，4.5，4.3和4.2）。在几天中，Tabriz站的平均值为9.6天雷暴，这是所有测站所有月份中最高的值，其次是Khoy，Zanjan和加兹温站。这四个站在6月有最多的雷暴天数（图1）其中最大值分布在西北部的国家。 在7月，8月和9月，大部分国家的雷暴天数为零或接近零，而Tabriz，Khoy，Zanjan和Ghazvin分别具有最大值。在十月，有雷暴的天数中观察到一个小的上升趋势，特别是在在伊朗西北地区的站，这可能是由于在这个区域10月的温度变化（见图2）。在11月和12月，南部和西南部的国家的雷暴值中，在Bushehr，Bandar Abbad和Khorramabad观察到最大天数与和最高值。在1961年到2010年间求取伊朗雷暴天的时间和空间平均值，从中可以得出，4月，5月和6月有最大值，而在1月和2月观察到最小值。

如2.2节所述，每个实验都应绘制相关图的研究时间序列来检查季节性模式和序列相关性。这项研究中作者与众不同的重点的是检测在每年的雷暴天的趋势，以及总年度数据。要做到这一点，就要绘制每个站点每个月的相关天气图。举个例子，在Mashhad雷暴天的时间序列的相关图站为一年的一些样本月和一年时间序列如图1所示。可以看出，在Mashhad站时间序列为天与所有月份的雷暴没有出现显着的滞后自相关系数 ，而是为一年数据集，在相关图中观察到串行相关。分析在所有站中进行滞后自相关系数一年中的所有月份，结果列于表2。表2中的滞后自相关系数表示了适当的版本的MK测试来分析数据随时间的趋势。它表明了在任何季节性模式都没有观察到的研究时间序列，这是不常有的。基于这个结果，Hirsch和Slack所使用的MK测试的修改版本没有使用对于任何研究的时间序列。根据表2中的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26280]，资料为PDF文档或Word文档，PDF文档可免费转换为Word