吳古會，張艷梅

(貴州省氣象臺，貴州 貴陽 550002)

1 引言

暴雨作為一種高影響災害天氣，提高其預報準確率一直是氣象工作者不懈的努力目標。就貴州而言，由于特殊的地理位置與復雜的地形地貌特征，使暴雨天氣預報難上加難，經(jīng)過多年的積累和探索，貴州已總結了暴雨天氣的主要影響系統(tǒng)及不同的環(huán)流配置，給預報帶來了不少幫助。自2009年貴州加密自動站正常運行以來，雨量監(jiān)測資料的增加為防災減災工作的有效展開提供了重要的參考信息，尤其是出現(xiàn)暴雨(24 h雨量達到50 mm及以上)天氣的情況下，更是發(fā)揮了極為重要的作用，同時，也發(fā)現(xiàn)之前基于縣(市)級觀測站所做的相關研究結果與加密自動站資料所體現(xiàn)出的實況有一定出入。例如：兩要素監(jiān)測的鄉(xiāng)鎮(zhèn)出現(xiàn)大暴雨(24 h雨量達到100 mm及以上)，而縣級測站降水較小的情況時有發(fā)生，而如此強的降水容易引發(fā)洪水、滑坡泥石流等次生地質災害，對社會建設、人民生命財產(chǎn)安全等帶來巨大威脅。另一方面，這種情形下對預報的把握性非常小，為了能提供更準確的預報服務，以更大程度減小此類災害性天氣帶來的損失，有必要對加密自動站建站以來的數(shù)據(jù)進行分析整理。

盡管加密自動站建立之初，出現(xiàn)了一些問題數(shù)據(jù)，但和自動站總站數(shù)相比，出現(xiàn)故障的自動站為極少數(shù)，且同一自動站連續(xù)出現(xiàn)故障的情況較為少見，因此，加密自動站的雨量數(shù)據(jù)具有相當?shù)拇硇院蜏蚀_性。且隨著質量控制方法的改善[1]，該資料的質量得到進一步保障。相應基于加密自動站資料的研究分析越來越多，王佳津等[2]用加密自動站雨量數(shù)據(jù)對四川區(qū)域暴雨過程中的短時強降水進行了時空特征分析，陳朝平等[3]用分鐘級雨量數(shù)據(jù)對暴雨過程進行了研究，盛杰等[4]使用加密站分鐘雨量數(shù)據(jù)分析了3種不同天氣系統(tǒng)的強降水過程，王國榮等[5]使用加密自動站數(shù)據(jù)對北京地區(qū)的一次颮線過程進行了分析研究。貴州也有相當多的研究分析是基于加密自動站數(shù)據(jù),陳海鳳等[6]的研究得出了貴陽市強降水的精細化時空分布特征，姚正蘭等[7]用加密自動站降水資料對鄉(xiāng)鎮(zhèn)干旱評估的指標進行了研究，顧欣等[8]利用該資料對黔東南烤煙種植氣候適宜性及精細區(qū)劃進行了歸類分析，石艷等[9]的研究也指出，加密自動站降水資料具有參考價值，這些研究都表明，加密自動站資料在日常的業(yè)務工作中發(fā)揮了重要的作用。

無論是2010年“6.28”關嶺崗烏特大滑坡泥石流，還是2014年“6.04”石阡全區(qū)暴洪，都帶給人們重大的損失，而且?guī)缀趺磕甓紩l(fā)生此種類型的災害，為了更好地踐行“防災減災 氣象先行”理念，有必要不斷地對暴雨天氣進行研究。本文將結合縣(市)測站和加密自動站雨量數(shù)據(jù)，對貴州暴雨的特征進行對比分析。

2 資料說明

采用2009—2015年縣(市)測站和加密自動站24 h雨量數(shù)據(jù)，日界為北京時20—20時，數(shù)據(jù)來自貴州省信息中心數(shù)據(jù)庫和cimiss(全國綜合氣象信息共享平臺)。

問題數(shù)據(jù)選取標準：先篩選出24 h少于10個區(qū)域站出現(xiàn)50 mm或100 mm或200 mm降水的日期，再與周圍鄰近站比較量級，相差3個量級或以上的就視為問題數(shù)據(jù)。從選出的問題數(shù)據(jù)來看，會影響暴雨日數(shù)的數(shù)據(jù)主要出現(xiàn)在11月—次年3月，4—10月問題數(shù)據(jù)相對較少，且同一個站重復出現(xiàn)問題的很少，在統(tǒng)計過程中已剔除對暴雨日數(shù)有影響的數(shù)據(jù)。

暴雨日標準：只要有1站出現(xiàn)24 h降水量≥50 mm或≥100 mm或≥200 mm，則記為1個暴雨日，暴雨日2009年2月28日表示：2月27日20時—28日20時降水量達到標準。

大暴雨日標準：只要有1站出現(xiàn)24 h降水量≥100 mm或≥200 mm，則記為1個大暴雨日。

暴雨過程標準：含加密站資料10縣(市)24 h降水量≥50 mm為一次暴雨天氣過程，其中，若一個縣有2個鄉(xiāng)鎮(zhèn)，而每個鄉(xiāng)鎮(zhèn)有2個或以上加密站出現(xiàn)暴雨或以上量級降水，則計該縣為暴雨量級(按照貴州省科技與預報處2015年下發(fā)的災害天氣考核辦法中的標準)。

縣(市)級站資料以6縣(市)24 h降水量≥50 mm為一次暴雨天氣過程。

3 時間分布特征對比

3.1 含加密站和縣(市)測站強降水初終日期比較(表1)：

3.1.1 初、終暴雨日 除了2009年和2013年的初暴雨日與縣(市)測站的時間一致以外，其余年份的初暴雨日都比縣(市)測站的提前一個月左右。含加密站的最早及最遲初暴雨日分別出現(xiàn)在1月9日(2015年)和3月23日(2010年)，而縣(市)測站則分別發(fā)生在2月19日(2015年)和5月2日(2011年)；含加密站降水多在2月中下旬就出現(xiàn)暴雨，而縣(市)測站暴雨則多在3月中下旬以后才出現(xiàn)。而終暴雨日2009年、2010年、2013年和2014年都與縣(市)測站的時間基本一致。含加密站的最早及最遲終暴雨日分別出現(xiàn)在11月7日(2014年)和12月15日(2010年、2013年)，而縣(市)測站則分別發(fā)生在9月23日(2012年)和12月15日(2013年)；含加密站降水大都在11月還出現(xiàn)暴雨，這點與縣(市)測站暴雨的結束具有相似的特點。

3.1.2 初、終大暴雨日比較 2009和2011年的初大暴雨日與縣(市)測站的時間一致，2015年基本接近，其余年份的初大暴雨日都比縣(市)測站的提前50 d左右。含加密站的最早及最遲初大暴雨日分別出現(xiàn)在3月20日(2014年)和4月29日(2012年)，而縣(市)測站則分別發(fā)生在4月19日(2009年)和5月25日(2014年)；含加密站降水多在4月中下旬就出現(xiàn)大暴雨，而縣(市)測站大暴雨則多在5月上中旬才出現(xiàn)。而終大暴雨日2009年和2013年都與縣(市)測站的時間基本一致。其余年份含區(qū)域站的終大暴雨日都要比縣(市)站的推遲1-2個月，含加密站的最早及最遲終大暴雨日分別出現(xiàn)在9月20日(2009年)和12月15日(2010年)，而縣(市)測站則分別發(fā)生在9月12日(2012年)和9月29日(2014年)；含加密站的大暴雨在10月中下旬還出現(xiàn)，但縣(市)測站大暴雨多在9月下旬就結束。

3.1.3 初、終特大暴雨日比較(24 h降水量≥200 mm) 2009—2015年含加密站的降水各年都有特大暴雨發(fā)生，最早出現(xiàn)特大暴雨是在5月12日(2012年)，最遲開始出現(xiàn)的是8月29日(2013年)，大多是在6月上旬開始發(fā)生；而終特大暴雨日最早和最遲分別是在7月17日(2012年)和10月1日(2015年)，大多是在9月中旬前后結束?？h(市)測站特大暴雨較少發(fā)生，僅在2014年及2015年有特大暴雨出現(xiàn)。

表1 2009—2015年暴雨、大暴雨和特大暴雨的初、終日期對比Tab.1 The first rainstorm days(FRDs) and the last rainstorm days(LRDs) based on 5 a and 7 a automatic station between 2009 and 2015

3.2 含區(qū)域站和縣(市)測站暴雨及大暴雨各月分布對比

3.2.1 年暴雨日數(shù)對比 從圖1看出，包含加密站的各年暴雨日數(shù)在72～134 d之間，平均98.6 d，2012年增加至98 d，2013—2015年都在100 d以上；只有縣(市)站的各年暴雨日數(shù)在36～70 d之間，平均為51.6 d，2014年和2015年暴雨日數(shù)最多，含加密站的暴雨日數(shù)也相應最多，另外，含加密站的暴雨日數(shù)增多還與兩要素自動站的數(shù)量增加有關。就統(tǒng)計的這7 a降水資料來看，包含加密站后的暴雨日數(shù)是基于縣(市)站的1.7～2.4倍，除了干旱年份2011年和2013年超過2倍以外，其余各年都在1.7～1.9倍之間。

圖1 2009—2015年暴雨日數(shù)Fig.1 The rainstorm days based on 5 a and 7 a automatic station between 2009 and 2015

3.2.2 各月暴雨日數(shù)對比 含加密站的各月暴雨日數(shù)從4月開始迅速增多，至7月、8月達到最多，9月緩慢減少，10月、11月迅速減少；縣(市)站從5月開始明顯增加，6月最多，7月略有減少，8月以后逐漸減少。從圖2可知，平均而言，含加密站的月平均暴雨日數(shù)達5 d以上的有7個月，4—10月出現(xiàn)暴雨及以上量級降水都在5 d以上，有5個月的月平均暴雨日數(shù)達10 d以上，5—8月都達到15 d及以上，最高為6月與7月達18 d。而縣(市)站月平均暴雨日數(shù)達5 d以上的只有5個月，只有2個月能達到10 d以上，最多為6月的13 d。從各月暴雨日數(shù)占全年的比例來看， 除了冬季(12月—2月)所占比例一致外，其余各季均有差異，春季(3—5月)的不同主要體現(xiàn)在4月，含加密站的暴雨日數(shù)所占比例比縣(市)站的多2.9%；夏季(6—8月)的差異主要體現(xiàn)在6月，二者相差6.1%；秋季(9—11月)的差異則集中在9月，相差2.6%。若以貴州汛期與非汛期來比較的話，10月—次年2月這一時段暴雨日數(shù)所占比例兩者一致，主要區(qū)別體現(xiàn)在3—9月，含加密站的暴雨日數(shù)在主汛期5—9月所占比例比縣(市)級站的少4.5%，而3—4月后者所占比例比前者多3.8%。

圖2 2009—2015年：各月平均暴雨日數(shù)(a);各月暴雨日數(shù)占全年總暴雨日百分比(b)Fig.2 a).The monthly mean rainstorm days;b).The monthly rainstorm days accounted for the percentage of rainstorm days in the whole year between 2009 and 2015

3.2.3 年大暴雨日數(shù)對比 由圖3可以看到，包含加密站的各年大暴雨日數(shù)在27～67 d之間，平均43 d；只有縣(市)站的各年大暴雨日數(shù)在9～24 d之間，平均為14.9 d；就統(tǒng)計的這7 a降水資料來看，包含加密站后的大暴雨日數(shù)是基于縣(市)站的2.1～3.8倍，除了2015年以外，其余各年均在3倍左右及以上，表明含加密站的大暴雨日數(shù)明顯比縣(市)站的增多。

圖3 2009—2015年:各年大暴雨日數(shù)(a);各月平均大暴雨日數(shù)(b)Fig.3 a).The annual rainstorm days; b).The monthly mean rainstorm days based on 5a and 7a automatic station between 2009 and 2015

3.2.4 各月大暴雨日數(shù)對比 由圖3b可知，1月和2月無大暴雨發(fā)生，含加密站的大暴雨日數(shù)從4月開始迅速增多，至6月達到最多，之后緩慢減少，10月迅速減少，這與暴雨日數(shù)的時間分布有所不同；縣(市)站從5月開始明顯增加，6月最多，7月、8月接近，9月略有減少，10月開始至次年3月無大暴雨發(fā)生，與暴雨日數(shù)的時間分布基本一致。平均而言，含加密站的月平均大暴雨日數(shù)4月和10月為1～2 d，5—9月達5 d以上，達到10 d以上的僅有6月，11月至次年3月幾乎無大暴雨的發(fā)生。而縣(市)站月平均大暴雨僅出現(xiàn)在5—9月，且都小于5 d，最高為6月的4.6 d，其余月份有2～3 d會發(fā)生大暴雨。從各月大暴雨日數(shù)占全年的比例來看， 兩者的大暴雨日數(shù)各月所占比例基本一致，都主要發(fā)生在主汛期5—9月。

從特大暴雨(24 h降雨量≥200 mm)的情況來看(圖略)，2009—2015年含加密站的特大暴雨日共有55 d，平均每年發(fā)生7～8 d，5—10月均有發(fā)生，其中5月共5 d，6月共18 d，7月共9 d，8月共7 d，9月共10 d，10月共1 d，即6月平均每年發(fā)生特大暴雨2～3 d，7—9月每年發(fā)生1～2 d?？h(市)特大暴雨總共發(fā)生了6 d，即平均一年不到1 d，發(fā)生在6—8月，各月共出現(xiàn)了2次。

4 空間分布特征對比

2009—2015年，從各站24 h降水量≥50 mm的日數(shù)分布(圖4)可以看出，我省暴雨發(fā)生頻數(shù)呈現(xiàn)出中部以東和以南地區(qū)較多，其以西和以北較少的狀態(tài)。從85縣(市)站來看，呈現(xiàn)3個暴雨高頻區(qū)域，范圍最大、強度最強的在貴陽市西部—安順市—畢節(jié)市南部—六盤水市東部—黔西南州大部—黔南州西部這一區(qū)域，另外兩個高頻區(qū)分別位于都勻—丹寨—雷山和銅仁市東部—黔東南州東部；發(fā)生頻數(shù)最低的是在遵義市西部和畢節(jié)市大部，說明貴州省近7 a的暴雨頻數(shù)分布與氣候態(tài)的特征[10]是一致的。含加密站的暴雨頻數(shù)分布與85縣(市)站的基本呈現(xiàn)類似的趨勢，有所不同的是，在黔南州的荔波和黔東南州的從江附近多出一個相對高頻區(qū)。此外，由于加密站的建站時間不一，加之儀器故障、數(shù)據(jù)傳輸錄入錯誤等問題的干擾，含加密站的暴雨高頻區(qū)強度不如縣(市)站頻繁。

圖4 2009—2015年暴雨及以上降水頻數(shù)分布:85縣(市)站(a);包含加密站(b)Fig.4 The frequency of rainstorm between 2009 and 2015 based on a).7a automatic station b).5a automatic station

具體到各月的分布狀況，主要分析了暴雨發(fā)生相對較多的5—10月，如圖5所示，是否含加密站的分布都呈現(xiàn)出一致的特征：4月和10月頻數(shù)較小(圖略)，暴雨主要發(fā)生在貴州東部；5月暴雨范圍明顯擴大，除了銅仁市北部、遵義市北部和畢節(jié)市大部以外，其余地區(qū)都出現(xiàn)暴雨，頻數(shù)也增加，安順市、銅仁市、荔波和榕江周圍的高頻區(qū)開始顯現(xiàn)；6月和7月，全省都有暴雨發(fā)生，且6月的頻數(shù)明顯增加；到了盛夏8月，貴州東南部暴雨發(fā)生頻數(shù)下降，與該時期這區(qū)域受西太平洋副熱帶高壓控制有關；至9月，暴雨發(fā)生的范圍顯著減少。

5 暴雨天氣過程對比

從圖6可以看出，含加密站的暴雨天氣過程和縣(市)站的發(fā)生次數(shù)基本一致，2009—2011年含加密站的次數(shù)比縣(市)站的少1～2次，2012年開始，前者過程數(shù)量和后者一樣或比后者多1次，說明用該種方式選取含加密站的暴雨天氣過程是具有合理性的。

從各月暴雨過程的分布來看(圖7)，二者都主要集中在5—9月，其中，6月最多，平均5～6次，即每周有1次以上暴雨天氣過程，5月和7月的頻數(shù)接近，平均每月3次，8月和9月平均約有2次。12月—次年3月沒有暴雨過程發(fā)生，4月和10月較少發(fā)生，平均2～3 a發(fā)生一次，11月在這7 a中僅出現(xiàn)過一次。

在這7 a中，共有116次暴雨過程，只有4次沒有伴隨大暴雨或以上量級的降水出現(xiàn)，分別發(fā)生在2009年的4月、5月各一次，2014年的7月、11月各1次。4月、10月和11月的暴雨過程中24 h降水量≥100 mm出現(xiàn)的站數(shù)都在10站以內(含10站)。達到1～10站大暴雨的有22次暴雨過程，多于10站而不超過50站的有70次，多于50站的有20次，且主要出現(xiàn)在6月，其中達到100站及以上的共7次，7月和8月占5次，6月和9月各占1次，最多出現(xiàn)了215站(2014年7月16日)。也就是說116次暴雨過程中有96次的大暴雨站數(shù)在0～50站之間。此外，在特大暴雨出現(xiàn)的55日中，有37日都出現(xiàn)在暴雨過程里。

災害性天氣有關暴雨預報的考核中，沒有另外定義持續(xù)性暴雨過程，若暴雨過程的第二天仍然按照6站和10站作為標準的話，在統(tǒng)計的這7 a中，含加密站的連續(xù)性暴雨過程共有21次，即平均每年3次；5—10月均有發(fā)生，其中5月和10月各發(fā)生1次，6月6次，7月7次，8月4次，9月2次，即主要發(fā)生在夏季(6—8月)?？h(市)站共有19次持續(xù)性暴雨過程，各月的分布情況也與含加密站的基本一致。

圖5 2009—2015年5—10月各月暴雨及以上降水頻數(shù)分布:85縣(市)站(a);含加密站(b)Fig.5 The monthly frequency of rainstorm from April to October between 2009 and 2015 based on a).7a automatic station b).5a automatic station

圖6 2009—2015年各年暴雨天氣過程次數(shù)Fig.6 The annual times of the processes of rainstorm based on 5a and 7a automatic station between 2009 and 2015

圖7 2009—2015年各月暴雨過程次數(shù)Fig.7 The monthly times of the processes of rainstorm based on 5a and 7a automatic station between 2009 and 2015

從兩者暴雨天氣過程不一致的情況可看出(表2、表3)，這種差異與貴州省加密自動站的總站數(shù)發(fā)生了變化有關，2009—2015年，總站數(shù)從600站→1 500站→1 800站→2 000站到3 100站，隨著總站數(shù)的增加，2012年7月以后，就沒有出現(xiàn)過縣站達到暴雨過程而區(qū)域站未達到的情形。另外，在處理數(shù)據(jù)的過程中也發(fā)現(xiàn)，數(shù)據(jù)庫和cimiss中的數(shù)據(jù)錄入都存在不完整的情況，這也是導致兩者存在差異的原因之一。

表2 含加密站少于10縣區(qū)的暴雨過程Tab.2 The processes of rainstorm which have less than 10 counties based on 5a automatic station between 2009 and 2015

表3 縣(市)級站少于6站的暴雨過程Tab.3 The processes of rainstorm which have less than 6 counties based on 7a automatic station between 2009 and 2015

6 暴雨天氣過程形勢特征

根據(jù)低層冷空氣和中高空低渦、槽線、切變線配置情況，將2009—2015年的116次暴雨過程歸結為5種類型，即冷鋒低槽型暴雨、兩高切變及低渦切變型暴雨天氣過程、長江橫切變型(梅雨鋒型)暴雨、南支槽暴雨、臺風倒槽型暴雨天氣過程，分類標準參考《貴州預報員手冊2010版》。在這116次個例中，冷鋒低槽型有39次，兩高切變及低渦切變型有42次，即冷鋒低槽型暴雨與兩高切變及低渦切變型暴雨占了較大比例(表4)。

表4 2009—2015年暴雨過程分型Tab.4 The processes of rainstorm patterns between 2009 and 2015

由于含加密站的暴雨天氣過程與縣(市)站的基本一致，此前基于貴州85個縣(市)站有關暴雨形勢特征方面的研究結果一樣適用。《貴州預報員手冊2010版》中已對這5種類型暴雨的天氣形勢特征作了詳細闡述，在此就不作贅述。統(tǒng)計的7 a里二者不一致的僅有4次暴雨個例(表3)，暴雨站數(shù)遠少于6站的2次過程都發(fā)生在7月(2012年7月22日和2015年7月2日)，另外2次過程都有5縣(市)站達出現(xiàn)暴雨，分別發(fā)生在8月和9月。

粗略分析這4次過程的形勢特征(圖略)，得知都具有較好的動力配置條件(高空槽+低層切變+地面輻合線或弱冷空氣入侵)；水汽也相當充沛，850～500 hPa的比濕都達到貴州盛夏的暴雨指標(850 hPa≥14 g/kg，700 hPa≥10 g/kg，500 hPa≥4 g/kg)；熱力不穩(wěn)定方面條件也較適宜。也就是說，在盛夏季節(jié)，由于能量和水汽條件都較有利于發(fā)生強降水，當具備一定的動力條件時，可以考慮貴州會發(fā)生暴雨天氣過程。但因為不一致的個例太少，不能作具體的歸納分型分析，有待數(shù)據(jù)樣本增加之后再作詳細分析。

7 結論與討論

①時間分布方面：含加密站的初暴雨日都比縣(市)測站的提前1個月左右，而終暴雨與縣(市)測站的時間基本一致；初大暴雨日都比縣(市)測站的提前50 d左右，含加密站的終大暴雨日都要比縣(市)站的推遲1～2個月；2009—2015年含加密站的降水各年都有特大暴雨發(fā)生，縣(市)測站特大暴雨較少發(fā)生，僅在2014年及2015年有特大暴雨出現(xiàn)。含加密站后的暴雨日數(shù)是基于縣(市)站的1.7～2.4倍，除了干旱年份2011年和2013年超過2倍以外，其余各年都在1.7～1.9倍之間；大暴雨日數(shù)是基于縣(市)站的2.1～3.8倍，除了2015年以外，其余各年均在3倍左右及以上。含加密站的各月暴雨日數(shù)從4月開始迅速增多，至7月、8月達到最多，9月緩慢減少，10月、11月迅速減少；縣(市)站從5月開始明顯增加，6月最多，7月略有減少，8月以后逐漸減少；從各月大暴雨日數(shù)占全年的比例來看， 兩者的大暴雨日數(shù)各月所占比例基本一致，都主要發(fā)生在主汛期5—9月。

②空間分布方面：含加密站的暴雨頻數(shù)分布與85縣(市)站的基本呈現(xiàn)類似的趨勢，有所不同的是，在黔南州的荔波和黔東南州的從江附近多出一個相對高頻區(qū)。

③含加密站的暴雨天氣過程和縣(市)站的發(fā)生次數(shù)基本一致，基于貴州85個縣(市)站有關暴雨形勢特征方面的研究結果一樣適用。

④加密自動站建站以來年份尚少，有關兩種數(shù)據(jù)下暴雨天氣過程不一致的情形，需積累更多資料才能作進一步分析。

[1] 楊遠恒，卜英竹，田蘭，等.區(qū)域自動站實時資料質量控制系統(tǒng)的設計與開發(fā)[J].貴州氣象，2011，35( 5):42 -44．

[2] 王佳津,陳朝平,龍柯吉,等.四川區(qū)域暴雨過程中短時強降水時空分布特征[J].高原山地氣象研究,2015,35(1):16-20.

[3] 陳朝平,王佳津,羅可生.“7.20”暴雨過程中分鐘級雨量特征分析[J].高原山地氣象研究,2013,33(1):23-29.

[4] 盛杰,張小雯,孫軍,等.三種不同天氣系統(tǒng)強降水過程中分鐘雨量的對比分析[J].氣象,2012,38(10):1161-1169.

[5] 王國榮,卞素芬,王令,等.用地面加密自動觀測資料對北京地區(qū)一次颮線過程的分析[J].氣象,2010,36(6):59-65.

[6] 陳海鳳，李揚，黃世芹，等.基于自動站觀測的貴陽強降水特征分析[J]，貴州氣象，2017，41(3):46-50.

[7] 姚正蘭，趙大清，翟英濤.基于區(qū)域自動站降水資料對鄉(xiāng)鎮(zhèn)干旱評估的指標研究[J].貴州氣象，2016,40(2):20-26.

[8] 顧欣，田楠，付繼剛，等.利用區(qū)域自動站資料對黔東南烤煙種植氣候適宜性及精細區(qū)劃歸類分析[J].西南師范大學學報:自然科學版，2014，39( 3):143-150．

[9] 石艷，李天江，毛顯后.基于5 a區(qū)域站的貴州致災強降雨特征分析[J].貴州氣象，2016,40(2):49-51.

[10]貴州預報員手冊2010版.貴州省氣象局.