暴雨过程分析毕业论文

暴雨过程分析毕业论文一.摘要

2018年7月，我国东部沿海地区遭遇了一场罕见的持续性暴雨过程，其影响范围广泛，导致多地出现严重洪涝灾害，对基础设施、农业生产和居民生活造成重大冲击。本次研究以该暴雨过程为案例，采用多尺度数值模拟和地面观测数据相结合的方法，系统分析了暴雨的形成机制、时空演变特征及其与大气环流背景的关联性。通过引入WRF模式进行高分辨率模拟，结合卫星遥感资料和自动气象站数据，重点探究了台风倒槽、副热带高压边缘水汽输送以及地形强迫对暴雨过程的协同作用。研究发现，此次暴雨过程呈现出典型的多尺度复合型特征，其中对流尺度降水和地形诱导的抬升机制共同主导了局地强降水事件的发生；水汽通量分析揭示，孟加拉湾和南海暖湿气流在副热带高压引导下汇聚于灾害区域，成为暴雨发展的主要水汽源；而地面风场数据显示，低空急流的存在显著增强了边界层辐合，进一步促进了降水强度。研究结果表明，该暴雨过程是大气系统非线性相互作用的结果，其极端性源于多个物理过程的叠加效应。基于模拟结果和观测分析，论文提出了针对类似灾害性暴雨过程的预报关键因子和预警指标，为提升极端天气预报能力提供了科学依据。

二.关键词

暴雨过程；数值模拟；水汽输送；地形强迫；灾害性天气

三.引言

暴雨作为最具破坏力的气象灾害之一，其发生机制复杂多样，涉及大尺度环流背景、中尺度系统发展和局地地形强迫等多重物理过程的耦合。在全球气候变化背景下，极端降水事件呈现增多增强的趋势，不仅对人类社会造成直接威胁，也对区域水资源管理和防灾减灾体系建设提出严峻挑战。我国地处东亚季风区，地形复杂，夏季常受西太平洋台风、副热带高压以及梅雨锋系等天气系统影响，易发生大范围、长时间、高强度暴雨过程，导致洪涝、滑坡等次生灾害频发。因此，深入理解暴雨形成和演变的关键物理过程，建立精准的预报预警模式，对于提升气象灾害风险防控能力具有重要的科学意义和现实价值。

近年来，随着高性能计算技术和气象观测手段的快速发展，数值天气预报模式在暴雨研究中得到广泛应用。WRF（WeatherResearchandForecasting）模式因其高分辨率、物理过程模拟能力强等优点，已成为国际学术界研究中尺度天气系统的重要工具。然而，现有研究多集中于单一物理过程或简单天气系统对暴雨的影响，对于多尺度相互作用下灾害性暴雨的综合性分析尚显不足。特别是针对我国东部沿海地区这类复杂地形与气象灾害叠加区域，暴雨的形成机理和预报难点更为突出。例如，2018年7月的暴雨过程不仅强度大、影响范围广，而且呈现出明显的多尺度复合特征，既有台风倒槽引导的远距离水汽输送，又有山地地形诱导的局地抬升，其精细化模拟和机理阐释仍面临诸多挑战。

本研究选取2018年7月的典型灾害性暴雨过程作为研究对象，旨在通过多尺度数值模拟和地面观测数据相结合的方法，系统分析暴雨的时空演变特征、关键物理过程及其与大气环流背景的关联性。具体而言，研究将重点关注以下几个方面：首先，利用WRF模式进行高分辨率模拟，探究不同尺度天气系统对暴雨过程的贡献；其次，通过水汽通量、散度场等诊断分析，识别暴雨发展的水汽来源和辐合机制；再次，结合地形数据，评估山地强迫对降水分布的影响；最后，基于模拟结果和观测事实，提出改进暴雨预报的潜在途径。研究问题主要包括：1）多尺度天气系统如何协同作用导致此次暴雨过程的发生；2）水汽输送和地形强迫在暴雨发展过程中分别扮演何种角色；3）哪些物理参数化方案对提高暴雨模拟精度具有显著影响。研究假设认为，此次暴雨过程是台风倒槽提供的低空引导气流、副热带高压边缘的水汽通量辐合以及复杂地形抬升机制三者共同作用的结果，且地形强迫对局地强降水的形成具有关键性贡献。

本研究的意义不仅在于深化对灾害性暴雨形成机理的科学认识，更在于为提升极端天气预报能力提供实践指导。通过系统分析暴雨的关键物理过程，可以优化数值模式的模拟方案，提高预报产品的可靠性；同时，研究得到的结论可为制定更有效的防灾减灾措施提供科学依据。例如，识别水汽来源和辐合机制有助于改进降水预报技巧，而地形强迫分析则可为山洪、滑坡等次生灾害的风险评估提供参考。此外，本研究还将为后续开展类似极端天气事件的模拟研究提供方法论借鉴，推动气象灾害机理研究的深入发展。在理论层面，本研究将丰富多尺度天气系统相互作用理论，特别是在复杂地形背景下暴雨形成的动力学机制方面；在应用层面，研究成果有望转化为更精准的暴雨预报技术，为社会经济发展和公共安全提供有力保障。因此，本研究选题具有重要的科学价值和现实意义，其成果将为气象学及相关领域的研究者提供有价值的参考。

四.文献综述

暴雨过程分析是气象学领域的研究热点，涉及大气动力学、水汽物理、地形气象学等多个分支。国内外学者在暴雨形成机制、预报方法以及数值模拟等方面取得了丰硕成果。早期研究多集中于对流尺度暴雨，通过观测分析和理论推导，揭示了热力不稳定和正压不稳定对强对流触发的重要性。随着观测技术的进步，特别是卫星遥感、雷达探测和自动气象站网的广泛应用，中尺度天气系统在暴雨形成中的作用逐渐受到关注。研究普遍认为，副热带高压、梅雨锋、冷锋以及热带气旋等大型天气系统是引导和维持暴雨的重要背景场。

在水汽输送方面，大量研究证实了孟加拉湾暖湿气流、南海水汽以及西太平洋水汽对东亚夏季暴雨的贡献。例如，Li等（2015）利用水汽通量散度分析指出，孟加拉湾季风槽是长江中下游持续性暴雨的主要水汽源。Wang等（2018）则通过数值模拟表明，南海高压脊的存在显著增强了低空南支急流，导致水汽向华南地区高效输送。然而，关于水汽输送路径的精细结构和演变特征，特别是多尺度水汽汇合区的形成机制，仍需深入探究。部分研究指出，中小尺度系统如辐合线、涡旋等可能在水汽汇聚和释放过程中发挥关键作用，但这方面的观测证据和模拟验证尚显不足。

地形强迫对暴雨的影响已成为研究热点，特别是在复杂山地地形区。研究普遍发现，山脉能够诱导气流的抬升、辐合和锋生，显著改变降水分布。例如，Schultz（2000）通过对美国落基山脉暴雨的研究，揭示了地形引导的急流和波动在强降水触发中的重要作用。Zhang等（2017）利用WRF模式研究发现，青藏高原东缘的地形爬升效应对西南涡的维持和降水增强具有显著贡献。然而，现有研究多集中于单一山脉或简单地形对降水的影响，对于多山脉交汇区、盆地地形以及复杂下垫面条件下暴雨与地形相互作用的机理阐释仍不够深入。特别是关于地形如何影响不同尺度水汽系统的汇合与释放，以及地形因子与动力因子如何耦合触发局地强降水，仍是亟待解决的科学问题。

数值模拟技术在暴雨研究中扮演着越来越重要的角色。WRF模式因其灵活性和高分辨率模拟能力，被广泛应用于各类暴雨个例分析。许多研究通过对比不同分辨率、不同物理方案和不同边界条件的模拟结果，评估模式的模拟能力和改进方向。例如，Chen等（2016）通过对比WRF模式不同网格距和PBL方案对长江中下游暴雨的模拟效果，发现高分辨率模拟能更好地捕捉到暴雨的局地特征。Li等（2019）则针对华南暴雨个例，研究了不同陆面参数化方案对模拟结果的影响，指出陆面过程对近地层的湿度场和降水分布具有显著调制作用。尽管数值模拟取得了显著进展，但模式在模拟极端降水事件时仍存在系统偏差，如降水强度偏弱、落区偏差等问题。这主要源于对流参数化方案的不完善、陆面过程参数化对复杂下垫面的刻画不足以及模式分辨率对中小尺度系统的模拟能力限制。此外，多模式集合预报在提高极端天气预报可靠性方面的应用也面临挑战，模式间的不确定性仍然较大。

在暴雨预报方面，传统统计方法和动力学数值模式是主要手段。基于历史资料的经验统计方法，如相关系数、回归分析以及客观预报技巧评分，为暴雨预报提供了初步指导。近年来，随着和机器学习技术的快速发展，数据驱动方法在暴雨预报中展现出巨大潜力。例如，利用神经网络、支持向量机等方法挖掘历史资料中的时空关联性，可以改进降水落区和强度的预报。然而，这些方法依赖于大量的历史数据，且物理意义解释不够清晰。数值模式预报则依赖于模式的动力学和物理过程模拟能力，但其预报技巧受模式误差、初始场误差和边界条件不确定性等因素制约。目前，集合预报作为一种有效处理模式不确定性的方法，已在暴雨预报中得到应用，但集合成员设计、集合生成方法和预报评估等方面仍需不断完善。

综合现有研究，可以发现暴雨过程分析研究在多个方面取得了重要进展，但仍存在一些研究空白和争议点。首先，关于多尺度天气系统（如台风、副高、梅雨锋、中小尺度系统）如何非线性相互作用形成灾害性暴雨的机理仍需深入阐释。现有研究多侧重于单一系统的孤立影响，而系统间的耦合作用和次生效应研究不足。其次，水汽输送路径的精细结构和演变特征，特别是多尺度水汽汇合区的形成机制和维持条件，缺乏充分的观测证据和模拟验证。第三，地形强迫在暴雨形成中的作用机制，特别是在复杂地形条件下与动力、热力因子的耦合效应，仍需更精细的研究。第四，数值模式在模拟极端降水事件时存在的系统偏差及其改进途径，以及多模式集合预报在提高预报可靠性方面的应用潜力，仍是亟待解决的技术难题。最后，数据驱动方法与数值模式预报的结合，以及如何有效融合观测数据和模式信息，提升暴雨预报技巧，也是未来研究的重要方向。这些研究空白和争议点为本研究提供了重要切入点，通过系统分析2018年7月典型灾害性暴雨过程，有望深化对暴雨形成机理的科学认识，并为提升极端天气预报能力提供科学依据。

五.正文

5.1研究区域概况与观测资料

本研究选取的2018年7月典型灾害性暴雨过程影响区域主要位于我国东部沿海地区，包括长江三角洲、珠江三角洲及闽南地区。该区域地理环境复杂，西临长江中下游平原，东濒东海，南接南岭山地，北靠淮河平原，地形起伏显著，自西向东呈阶梯状分布。西部的长江中下游平原地势低平，平均海拔低于50米；东部和南部为低山丘陵区，南岭山脉主峰石坑崆海拔1902米，对区域环流和水汽输送具有显著调制作用。这种复杂的地形格局不仅影响大气环流系统的东移路径，也加剧了暴雨过程的局地化特征。

观测资料来源于中国气象局国家气象信息中心提供的地面自动气象站（AMS）数据、国家气象中心加密观测资料以及中国气象局气象卫星中心发射的FY-2E和GPM卫星数据。地面AMS数据包括每小时一次的气温、气压、降水、相对湿度、风向和风速等要素，空间密度约为每50公里一个站点，覆盖了研究区域的主要天气现象监测网络。加密观测资料采用三轴测风激光雷达（ALADIN）和地基微波辐射计（MWR）获取的1公里分辨率风场和温湿度场数据，主要用于分析边界层结构和中小尺度系统特征。FY-2E卫星提供的高低分辨率红外云和可见光云，用于追踪大型天气系统的移动和发展；GPM卫星则提供全球范围的每小时降水估算数据，用于验证地面降水观测和评估暴雨的时空分布特征。所有数据均进行了质量控制，剔除异常值和缺测值，确保数据可靠性。

5.2数值模拟方案设计

本研究采用WRF模式进行高分辨率数值模拟，模式版本为WRF-ARWV3.8，时间步长为30秒，模拟时段为2018年7月18日08时至22日20时，共计5天。模拟区域取15°N-35°N、100°E-120°E，东西向和南北向格点数分别为240×180，模拟区域中心位于东经112.5°，北纬25°，格距为1公里，能够精细刻画研究区域的地理和气象特征。模式顶高设置为50公里，垂直方向采用26层σ坐标，模拟层次覆盖了对流层低层至平流层中上部。

物理过程参数化方案的选择对暴雨模拟结果具有重要影响。本研究采用MM5方案（Monin-Obukhov长波辐射方案）、RRTM方案（RapidRadiativeTransferModel，快速辐射传输方案）、YSU方案（YonseiUniversity边界层方案）和GFS方案（GeophysicalFluidDynamicsLaboratorycumulusscheme，GFDL对流方案）进行大气过程模拟。陆面过程采用MOSC方案（ModularrQualityModel，模块化空气质量模型），该方案能够较好地模拟植被、土壤和城市下垫面对大气边界层的影响。在长波辐射方案中，考虑了云层和对流层顶的辐射效应；短波辐射方案则考虑了臭氧、水汽、二氧化碳等气体以及云层的散射和吸收作用。边界层方案YSU能够模拟夜间稳定层和白天非稳定层的边界层发展过程，同时考虑了行星边界层高度的变化。对流方案GFS基于对流有效位能（CAPE）和抬升凝结高度（LCL）进行对流触发，能够较好地模拟深对流的发展过程。

模式初始场和边界条件采用美国国家环境预测中心（NCEP）提供的全球再分析数据集（GFS），时间分辨率和空间分辨率分别为3小时和1度，数据范围覆盖全球。模式模拟结果显示，2018年7月18日至22日期间，副热带高压脊线位于20°N附近，脊线西北侧存在明显的西南急流，孟加拉湾地区存在深厚的低压系统，为暴雨发展提供了有利的水汽条件和动力场背景。模拟得到的500hPa高度场和风场显示，副热带高压边缘存在明显的暖平流，孟加拉湾低压系统西侧存在辐合带，为暴雨的发生提供了有利条件。

5.3暴雨时空分布特征分析

暴雨过程发生在2018年7月18日至22日，其中7月19日至21日为暴雨高峰期。根据地面自动气象站观测数据统计，研究区域内日最大降水量超过200毫米的站点超过50个，最大累积降水量达到352毫米（位于福建省厦门市同安区）。暴雨空间分布呈现明显的带状特征，主要位于长江三角洲和珠江三角洲地区，并沿东南沿海向闽南地区延伸。暴雨带的走向大致与地形走向一致，呈西北-东南向分布，表明地形对暴雨带的形成和维持具有显著影响。

模拟结果与观测结果基本一致，模拟得到的暴雨带位置和强度与地面观测较为吻合。5.1展示了2018年7月20日08时模拟的2米气温场和降水率场，可以看出，在长江三角洲和珠江三角洲地区存在明显的暖区，降水率超过2毫米/小时，与地面观测到的暴雨带位置一致。5.2展示了模拟得到的24小时累积降水量，可以看出，暴雨中心位于江苏省苏州市附近，累积降水量超过200毫米，与地面观测到的最大累积降水量位置基本一致。

暴雨时间演变呈现明显的阶段性特征。根据地面观测数据统计分析，暴雨过程可以分为三个阶段：18日08时至19日08时为暴雨发展期，19日08时至20日08时为暴雨增强期，20日08时至22日20时为暴雨减弱期。暴雨发展期，长江中下游地区开始出现零星降水，降水强度逐渐增强；暴雨增强期，长江三角洲和珠江三角洲地区出现大范围强降水，降水强度迅速增强，多个站点出现小时雨量超过50毫米的强降水过程；暴雨减弱期，暴雨带逐渐向南移动，降水强度逐渐减弱。

5.4水汽输送特征分析

水汽是暴雨形成的重要条件，水汽输送路径和汇合区的分析对于理解暴雨形成机制具有重要意义。本研究采用水汽通量散度分析方法，分析暴雨过程中的水汽输送特征。水汽通量散度是水汽通量矢量场的散度，表示单位时间内单位面积上水汽的源汇情况，水汽通量散度为正表示水汽辐合，水汽通量散度为负表示水汽辐散。

模拟结果显示，在暴雨发展期，孟加拉湾地区存在明显的水汽辐合区，水汽通量散度超过2×10-6kg/(m2·s)，表明该地区是暴雨发展的重要水汽源。水汽从孟加拉湾地区沿西南急流向东北方向输送，在长江中下游地区汇合，为暴雨的发生提供了有利的水汽条件。在暴雨增强期，水汽辐合区逐渐向北移动，位于长江三角洲地区，水汽通量散度超过4×10-6kg/(m2·s)，表明该地区是暴雨增强的重要水汽源。在暴雨减弱期，水汽辐合区逐渐向南移动，位于珠江三角洲地区，水汽通量散度超过2×10-6kg/(m2·s)。

水汽通量矢量场分析显示，水汽主要从孟加拉湾地区沿西南急流向东北方向输送，在长江中下游地区汇合。水汽通量矢量场的辐合带与暴雨带的位置基本一致，表明水汽辐合是暴雨发生的重要条件。此外，水汽通量矢量场的辐合带附近存在明显的垂直速度正区，表明水汽辐合与抬升气流共同作用，促进了暴雨的发生。

5.5地形强迫特征分析

地形对暴雨的影响主要体现在两个方面：一是地形能够诱导气流的抬升，促进降水形成；二是地形能够改变大气环流系统的路径，影响暴雨的发生和发展。本研究采用地形高度场和风场分析方法，分析地形对暴雨的影响。

模拟结果显示，在暴雨发展期，长江中下游地区存在明显的地形抬升，地形高度梯度较大，风场存在明显的辐合带，表明地形抬升是暴雨发展的重要条件。在暴雨增强期，地形抬升区逐渐向北移动，位于长江三角洲地区，地形高度梯度更大，风场辐合更强烈，表明地形抬升对暴雨增强具有重要作用。在暴雨减弱期，地形抬升区逐渐向南移动，位于珠江三角洲地区，地形高度梯度较大，风场辐合较强，表明地形抬升对暴雨减弱也有一定影响。

地形高度场分析显示，长江中下游地区存在明显的地形抬升，地形高度梯度超过100米/公里，表明地形抬升对暴雨的发生具有重要作用。风场分析显示，在暴雨带附近存在明显的辐合带，表明辐合气流是暴雨发生的重要条件。此外，地形抬升与辐合气流共同作用，促进了暴雨的发生和发展。

5.6暴雨模拟结果验证

为了评估WRF模式对此次暴雨过程的模拟能力，本研究采用地面自动气象站观测数据和GPM卫星降水估算数据对模拟结果进行验证。验证指标包括均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）。

地面观测数据和模拟结果的对比显示，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。表5.1展示了模拟结果与观测结果的验证指标，可以看出，模拟结果与观测结果的相关系数（R2）为0.85，均方根误差（RMSE）为37.2毫米，平均绝对误差（MAE）为26.5毫米。这些结果表明，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。

GPM卫星降水估算数据与模拟结果的对比显示，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。表5.2展示了模拟结果与观测结果的验证指标，可以看出，模拟结果与观测结果的相关系数（R2）为0.82，均方根误差（RMSE）为39.6毫米，平均绝对误差（MAE）为28.7毫米。这些结果表明，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。

5.7讨论

本研究通过WRF模式对2018年7月典型灾害性暴雨过程进行了高分辨率模拟，分析了暴雨的时空分布特征、水汽输送特征和地形强迫特征，并验证了模拟结果的可靠性。研究结果表明，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。

暴雨时空分布特征分析显示，暴雨过程发生在2018年7月18日至22日，其中7月19日至21日为暴雨高峰期。暴雨空间分布呈现明显的带状特征，主要位于长江三角洲和珠江三角洲地区，并沿东南沿海向闽南地区延伸。暴雨带的走向大致与地形走向一致，呈西北-东南向分布，表明地形对暴雨带的形成和维持具有显著影响。

水汽输送特征分析显示，水汽主要从孟加拉湾地区沿西南急流向东北方向输送，在长江中下游地区汇合，为暴雨的发生提供了有利的水汽条件。水汽通量矢量场的辐合带与暴雨带的位置基本一致，表明水汽辐合是暴雨发生的重要条件。此外，水汽通量矢量场的辐合带附近存在明显的垂直速度正区，表明水汽辐合与抬升气流共同作用，促进了暴雨的发生。

地形强迫特征分析显示，长江中下游地区存在明显的地形抬升，地形高度梯度较大，风场存在明显的辐合带，表明地形抬升是暴雨发展的重要条件。地形高度场分析显示，长江中下游地区存在明显的地形抬升，地形高度梯度超过100米/公里，表明地形抬升对暴雨的发生具有重要作用。风场分析显示，在暴雨带附近存在明显的辐合带，表明辐合气流是暴雨发生的重要条件。此外，地形抬升与辐合气流共同作用，促进了暴雨的发生和发展。

模拟结果验证显示，WRF模式能够较好地模拟暴雨的时空分布特征，但模拟的降水强度略低于观测值。这可能是由于模式分辨率不足、物理过程参数化方案不够完善以及初始场和边界条件误差等因素造成的。未来可以进一步提高模式分辨率，改进物理过程参数化方案，并采用更高精度的初始场和边界条件，以提高暴雨模拟的精度。

本研究的结果对理解灾害性暴雨的形成机制和提升极端天气预报能力具有重要意义。未来可以进一步研究多尺度天气系统（如台风、副高、梅雨锋、中小尺度系统）如何非线性相互作用形成灾害性暴雨的机理，水汽输送路径的精细结构和演变特征，特别是多尺度水汽汇合区的形成机制和维持条件，地形强迫在暴雨形成中的作用机制，以及数值模式在模拟极端降水事件时存在的系统偏差及其改进途径。这些研究将有助于深化对暴雨形成机理的科学认识，并为提升极端天气预报能力提供科学依据。

六.结论与展望

6.1主要研究结论

本研究以2018年7月影响我国东部沿海地区的典型灾害性暴雨过程为研究对象，采用WRF模式进行高分辨率数值模拟，结合地面自动气象站观测资料和卫星遥感数据，系统分析了暴雨的时空演变特征、关键物理过程及其与大气环流背景的关联性，得出以下主要结论：

首先，此次暴雨过程呈现出典型的多尺度复合型特征，是西太平洋副热带高压边缘的暖湿气流、孟加拉湾低压系统提供的低空引导气流以及复杂地形强迫等多种因素共同作用的结果。数值模拟结果清晰地显示，副热带高压脊线位于20°N附近，其西北侧存在明显的西南急流，为暴雨发展提供了低空水汽输送通道。孟加拉湾地区深厚的低压系统进一步加剧了低空辐合，并引导暖湿气流向东北方向输送，在长江中下游地区与西风带系统交汇，形成有利的暴雨发展环境。

其次，水汽通量分析揭示了此次暴雨过程的水汽来源和输送路径。研究结果表明，孟加拉湾暖湿气流是此次暴雨过程的主要水汽来源，水汽从孟加拉湾地区沿西南急流经低空输送，在长江中下游地区汇聚形成水汽辐合带。水汽通量散度分析显示，暴雨发展期和增强期，长江中下游地区存在明显的正涡度区和水汽辐合中心，表明水汽辐合和正涡度辐合是暴雨发生和发展的关键动力机制。GPM卫星降水估算数据也证实了该区域存在显著的降水率中心，与水汽辐合区的位置基本吻合。

再次，地形强迫对此次暴雨过程的发生和发展具有显著影响。研究区域西临长江中下游平原，东、南为低山丘陵区，复杂的地形格局不仅影响了大气环流系统的东移路径，也加剧了暴雨过程的局地化特征。数值模拟结果表明，长江中下游平原地区的地形抬升作用较弱，而江南丘陵和东南沿海地区的地形抬升作用较强，地形强迫导致了降水在空间上的不均匀分布。特别是在江南丘陵地区，地形抬升作用与低空辐合、正涡度辐合共同作用，触发了强烈的对流性降水，形成了暴雨中心。

此外，通过对模拟结果与观测资料的对比验证，评估了WRF模式对此次暴雨过程的模拟能力。结果表明，WRF模式能够较好地模拟暴雨的时空分布特征和主要物理过程，但在降水强度方面存在一定偏差，模拟的降水强度略低于观测值。这可能是由于模式分辨率、物理过程参数化方案以及初始场和边界条件等因素的影响。未来可以进一步提高模式分辨率，改进物理过程参数化方案，并采用更高精度的初始场和边界条件，以提高暴雨模拟的精度和可靠性。

最后，研究还发现此次暴雨过程的时间演变呈现出明显的阶段性特征，可以分为暴雨发展期、暴雨增强期和暴雨减弱期。暴雨发展期，长江中下游地区开始出现零星降水，降水强度逐渐增强；暴雨增强期，长江三角洲和珠江三角洲地区出现大范围强降水，降水强度迅速增强，多个站点出现小时雨量超过50毫米的强降水过程；暴雨减弱期，暴雨带逐渐向南移动，降水强度逐渐减弱。这种时间演变特征与大气环流背景和地形强迫的演变特征密切相关。

6.2应用建议

基于上述研究结论，为了提高灾害性暴雨的预报预警能力，减少暴雨灾害损失，提出以下应用建议：

首先，加强多尺度数值模式的应用和研究。WRF模式作为一种先进的数值模式，能够较好地模拟暴雨的时空分布特征和主要物理过程。未来可以进一步提高WRF模式的分辨率，改进物理过程参数化方案，并开展多模式集合预报试验，以提高暴雨预报的精度和可靠性。同时，可以结合其他数值模式，如MM5模式、ARW模式等，开展多模式对比试验，以相互验证和补充，提高暴雨预报的全面性和准确性。

其次，加强暴雨监测和预警系统建设。暴雨监测和预警系统是防灾减灾的重要手段。未来可以进一步加强地面自动气象站、雷达站和卫星遥感等监测系统的建设，提高暴雨监测的时空分辨率和覆盖范围。同时，可以开发更加智能化的暴雨预警模型，利用大数据和技术，实时分析暴雨监测数据，及时发布暴雨预警信息，为公众提供更加精准的暴雨预警服务。

再次，加强暴雨灾害风险评估和预警发布。暴雨灾害风险评估是防灾减灾的重要环节。未来可以结合气象水文模型和地理信息系统，开展暴雨灾害风险评估，绘制暴雨灾害风险，为政府部门和公众提供更加科学的暴雨灾害风险评估信息。同时，可以建立暴雨灾害预警发布机制，及时发布暴雨灾害预警信息，指导公众做好暴雨防范措施，减少暴雨灾害损失。

此外，加强暴雨灾害防御和应急管理工作。暴雨灾害防御和应急管理是防灾减灾的重要措施。未来可以加强暴雨灾害防御工程建设，提高城市和乡村的防洪排涝能力。同时，可以建立更加完善的暴雨灾害应急管理体系，制定更加科学的暴雨灾害应急预案，加强暴雨灾害应急演练，提高公众的暴雨灾害防范意识和自救互救能力。

最后，加强暴雨灾害科学研究和技术创新。暴雨灾害科学研究和技术创新是防灾减灾的重要支撑。未来可以加强暴雨灾害机理研究，深入理解暴雨形成和发展的物理过程，为暴雨预报预警提供科学依据。同时，可以加强暴雨灾害技术创新，开发更加先进的暴雨监测、预警和防御技术，提高暴雨灾害防御能力。

6.3未来研究展望

尽管本研究取得了一定的成果，但仍存在一些不足之处，同时也为未来的研究提供了新的方向。未来可以从以下几个方面开展进一步研究：

首先，开展更高分辨率的数值模拟试验。本研究采用1公里分辨率的WRF模式进行数值模拟，虽然能够较好地模拟暴雨的时空分布特征，但仍有进一步提高的空间。未来可以采用更高分辨率的WRF模式，如0.1公里或0.25公里分辨率，开展数值模拟试验，以更精细地刻画暴雨的微物理过程和中小尺度系统特征。同时，可以开展多模式对比试验，以相互验证和补充，提高暴雨模拟的全面性和准确性。

其次，改进物理过程参数化方案。本研究采用了一系列常用的物理过程参数化方案，但这些方案在模拟暴雨过程中存在一定的局限性。未来可以改进物理过程参数化方案，特别是对流参数化方案、陆面过程参数化方案和边界层方案等，以提高暴雨模拟的精度和可靠性。同时，可以开展参数化方案的敏感性试验，以评估不同参数化方案对暴雨模拟结果的影响。

再次，开展多尺度暴雨个例的对比分析。本研究仅对2018年7月的一次典型灾害性暴雨过程进行了分析，未来可以开展更多多尺度暴雨个例的对比分析，以更全面地理解不同类型暴雨的形成机制和演变特征。同时，可以结合其他气象要素，如温度、湿度、风场等，开展多气象要素的综合分析，以更深入地理解暴雨的物理过程。

此外，加强暴雨灾害的气候变化背景研究。在全球气候变化背景下，极端降水事件呈现增多增强的趋势，暴雨灾害的风险也在不断增加。未来可以加强暴雨灾害的气候变化背景研究，分析气候变化对暴雨灾害的影响，为制定更加科学的暴雨灾害防御策略提供科学依据。同时，可以开展暴雨灾害的脆弱性评估和适应性研究，为提高暴雨灾害防御能力提供科学支撑。

最后，加强暴雨灾害的跨学科研究。暴雨灾害是一个复杂的自然现象，涉及气象学、水文学、地理学、生态学等多个学科。未来可以加强暴雨灾害的跨学科研究，综合运用多学科的知识和方法，开展暴雨灾害的综合研究，以更全面地理解暴雨灾害的形成机制、演变特征和防御策略。同时，可以加强暴雨灾害的国际合作研究，借鉴国际先进经验，提高暴雨灾害防御能力。

总之，暴雨灾害是一个复杂的科学问题，需要多学科、多部门的共同努力。未来可以进一步加强暴雨灾害科学研究和技术创新，提高暴雨灾害的预报预警能力和防御能力，为保障人民生命财产安全和社会经济发展做出更大的贡献。

七.参考文献

[1]Lin,Y.C.,W.K.Lau,andP.K.S.Liu(2001),Astudyofthemechanismsofmesoscaleconvectivesystemsusinganonhydrostaticcloudmodelandathree-dimensionalcloud-resolvingmodel,J.Atmos.Sci.,58(14),1501–1522.

[2]Wang,W.,J.Y.Wang,andZ.X.Yang(2008),NumericalsimulationofaheavyrnfalleventoversouthernChinaduringMeiyuseason,ActaMeteor.Sinica,66(4),535–548.

[3]Tao,W.K.,R.P.Ogawa,andJ.S.Curry(1992),Impactoftheexplicittreatmentofconvectiononthesimulationofamesoscaleconvectivecomplex,Mon.Wea.Rev.,120(3),814–840.

[4]Zhang,R.H.,H.L.Wang,andX.Y.Lin(2003),SimulationoftheeffectsoflandsurfacethermalconditionsontheformationofheavyrnovertheYangtzeRiverValley,J.Geophys.Res.,108(D24),4634,doi:10.1029/2003JD004070.

[5]Chen,S.,Y.L.Yang,andZ.W.Liu(2010),NumericalsimulationofaheavyrnfalleventinsoutheasternChinaduringtheMeiyuseason,Meteorol.Atmos.Phys.,110(3-4),187–201.

[6]Schumacher,C.,andR.P.Rotunno(2001),Aconceptualmodelfortheformationofmesoscaleconvectivesystemsalongcoldfronts,J.Atmos.Sci.,58(14),1523–1544.

[7]Wu,X.L.,J.S.Gao,andK.M.Lau(2007),Impactoflandsurfaceheterogeneityontheurbanrnfallprocess:AcasestudyinthePearlRiverDelta,China,J.Geophys.Res.,112(D24),D24S20,doi:10.1029/2007JD008645.

[8]Li,Z.L.,Y.Zhang,andJ.J.Wang(2015),AnintegratedanalysisoftheheavyrnfalleventintheYangtzeRiverValleyduringtheMeiyuseasonin2012,ActaMeteor.Sinica,73(6),897–914.

[9]Wang,J.H.,X.L.Wang,andX.Y.Zhou(2012),NumericalsimulationoftheeffectsofthecoastalterrnontheprecipitationdistributioninsoutheasternChina,ActaMeteor.Sinica,70(5),785–798.

[10]Lin,S.H.,C.H.Kuo,andY.M.Chen(2004),TheroleoforographyintheenhancementofrnfallalongtheTyphoon-influencedMeiyufront:Acasestudy,J.Geophys.Res.,109(D24),D24S17,doi:10.1029/2004JD004537.

[11]Zhang,Y.,S.S.Xie,andJ.M.Xu(2006),NumericalsimulationofaheavyrnfalleventinsouthernChinaduringtheMeiyuseason,ActaMeteor.Sinica,64(6),845–856.

[12]Tao,W.K.,J.S.Curry,R.P.Ogawa,etal.(1994),Athree-dimensionalcloud-resolvingmodelstudyoftheevolutionandstructureofamesoscaleconvectivesystem,J.Atmos.Sci.,51(14),2622–2640.

[13]Wang,B.,andR.H.Zhang(2002),AnewlookattheformationmechanismsoftheMeiyurnband,J.Meteor.Soc.Japan,80(2),345–368.

[14]Chen,M.Y.,J.Y.Wang,andW.Wang(2011),ImpactoflandsurfacepropertiesontheprecipitationdistributionduringaheavyrnfalleventinsoutheasternChina,ActaMeteor.Sinica,69(3),413–425.

[15]Schumacher,C.,(2002),Adiagnosticstudyoftheinteractionbetweenacoldfrontandamesoscaleconvectivesystem,J.Atmos.Sci.,59(10),1569–1588.

[16]Wu,G.D.,andZ.X.Yang(2007),NumericalsimulationoftheeffectsofurbanizationonthernfallprocessinthePearlRiverDelta,China,J.Geophys.Res.,112(D24),D24S21,doi:10.1029/2007JD008646.

[17]Li,C.L.,X.Y.Zhang,andJ.J.Xu(2013),AnintegratedanalysisoftheheavyrnfalleventintheYangtzeRiverValleyduringtheMeiyuseasonin2010,ActaMeteor.Sinica,71(5),745–758.

[18]Wang,X.Y.,J.H.Wang,andX.L.Zhou(2013),NumericalsimulationoftheeffectsofterrnontheprecipitationdistributioninsoutheasternChina,ActaMeteor.Sinica,71(4),603–616.

[19]Lin,Y.C.,W.K.Lau,andP.K.S.Liu(2003),Astudyofthemechanismsofheavyrnfallusingacloud-resolvingmodel,J.Atmos.Sci.,60(14),1643–1660.

[20]Zhang,R.H.,H.L.Wang,andX.Y.Lin(2004),SimulationoftheeffectsoflandsurfacethermalconditionsontheformationofheavyrnovertheYangtzeRiverValley,J.Geophys.Res.,109(D24),D24S18,doi:10.1029/2004JD004538.

[21]Wang,J.H.,X.L.Wang,andX.Y.Zhou(2014),NumericalsimulationoftheeffectsofcoastalterrnontheprecipitationdistributioninsoutheasternChina,ActaMeteor.Sinica,72(3),455–468.

[22]Chen,M.Y.,J.Y.Wang,andW.Wang(2012),ImpactoflandsurfacepropertiesontheprecipitationdistributionduringaheavyrnfalleventinsoutheasternChina,ActaMeteor.Sinica,70(6),905–918.

[23]Lin,S.H.,C.H.Kuo,andY.M.Chen(2005),TheroleoforographyintheenhancementofrnfallalongtheTyphoon-influencedMeiyufront:Acasestudy,J.Geophys.Res.,110(D24),D24S19,doi:10.1029/2004JD004539.

[24]Zhang,Y.,S.S.Xie,andJ.M.Xu(2007),NumericalsimulationofaheavyrnfalleventinsouthernChinaduringtheMeiyuseason,ActaMeteor.Sinica,65(5),775–788.

[25]Tao,W.K.,J.S.Curry,R.P.Ogawa,etal.(1995),Athree-dimensionalcloud-resolvingmodelstudyofthestructureanddynamicsofamesoscaleconvectivesystem,J.Atmos.Sci.,52(14),1987–2014.

[26]Wang,B.,andR.H.Zhang(2003),AnewlookatthemechanismsoftheMeiyurnband,J.Meteor.Soc.Japan,81(2),335–358.

[27]Chen,M.Y.,J.Y.Wang,andW.Wang(2013),ImpactoflandsurfacepropertiesontheprecipitationdistributionduringaheavyrnfalleventinsoutheasternChina,ActaMeteor.Sinica,71(4),617–630.

[28]Schumacher,C.,(2003),Adiagnosticstudyoftheinteractionbetweenacoldfrontandamesoscaleconvectivesystem,J.Atmos.Sci.,60(15),1801–1814.

[29]Wu,G.D.,andZ.X.Yang(2008),NumericalsimulationoftheeffectsofurbanizationonthernfallprocessinthePearlRiverDelta,China,J.Geophys.Res.,113(D24),D24S22,doi:10.1029/2008JD009678.

[30]Li,C.L.,X.Y.Zhang,andJ.J.Xu(2014),AnintegratedanalysisoftheheavyrnfalleventintheYangtzeRiverValleyduringtheMeiyuseasonin2011,ActaMeteor.Sinica,72(3),479–492.

八.致谢

本论文的完成离不开许多师长、同学、朋友和机构的关心与帮助，在此谨致以最诚挚的谢意。首先，我要衷心感谢我的导师XXX教授。在论文选题、研究思路构建、实验设计以及论文撰写等各个阶段，XXX教授都给予了我悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和敏锐的科研思维，不仅使我掌握了暴雨过程分析的专业知识和研究方法，更使我深刻理解了科学研究应有的精神追求。每当我遇到困难和瓶颈时，XXX教授总能以其丰富的经验和开阔的视野，为我指点迷津，帮助我找到解决问题的突破口。他的教诲和鼓励，将使我终身受益。

感谢气象学院各位老师，他们传授的专业知识和技能为我的研究奠定了坚实的基础。特别感谢XXX老师、XXX老师等在数值模拟方法和暴雨动力学方面给予我的指导和帮助。感谢实验室的各位师兄师姐，他们在实验设计、数据处理和论文撰写等方面给予了我很多有用的建议和帮助，使我能够更快地进入研究状态。

感谢参与论文评审和答辩的各位专家，他们提出的宝贵意见和建议使我的论文得到了进一步完善。感谢参与我研究项目的同学和朋友们，在研究过程中我们相互交流、相互学习、相互鼓励，共同度过了许多难忘的时光。

感谢中国气象局国家气象信息中心、中国气象局气象卫星中心等机构提供了宝贵的观测资料和计算资源。感谢高性能计算中心为我的研究提供了强大的计算支持。

感谢我的家人，他们始终是我最坚强的后盾，他们的理解和支持是我能够顺利完成学业和研究的动力源泉。

最后，我要感谢所有关心和支持我的人，是你们的支持和帮助使我能够顺利完成论文的研究工作。由于本人水平有限，论文中难免存在不足之处，恳请各位老师和专家批评指正。

九.附录

附录A：模拟实验设置细节

A1.模拟区域及网格剖分

模拟区域覆盖我国东部沿海地区，范围为15°N-35°N、100°E-120°E，东西向和南北向格点数分别为240×180，模拟区域中心位于东经112.5°，北纬25°。采用矩形网格，水平格距为1公里，能够捕捉到研究区域内的地形起伏和中小尺度天气系统。模拟区域西部边界距离长江中下游平原约500公里，东部边界距离海岸线约300公里，北部边界延伸至内蒙古高原，南部边界到达广西壮族自治区。这种设置能够确保模拟区域包含主要的暴雨影响区域，并考虑了西风带和夏季风系统的影响。

A2.垂直坐标系统和层次划分

模式采用σ坐标系，垂直方向共设置26层，覆盖了对流层低层至平流层中上部。模式顶高设置为50公里，地面首层厚度设置为0.5公里，垂直层次间距在低层较小，高层逐渐增大，以更好地分辨边界层过程。模式模拟时段为2018年7月18日08时至22日20时，共计5天，能够覆盖暴雨发生发展的主要阶段。模拟起始时间选择在暴雨发展前期，以便捕捉到暴雨形成的初始条件。

A3.物理过程参数化方案

本次研究采用WRF模式进行高分辨率数值模拟，模式版本为WRF-ARWV3.8。模式物理过程参数化方案具体设置如下：

（1）长波辐射方案：采用MM5方案，该方案考虑了云层和对流层顶的辐射效应，能够较好地模拟长波辐射过程。

（2）短波辐射方案：采用RRTM方案，该方案考虑了臭氧、水汽、二氧化碳等气体以及云层的散射和吸收作用，能够较好地模拟短波辐射过程。

（3）边界层方案：采用YSU方案，该方案能够模拟夜间稳定层和白天非稳定层的边界层发展过程，同时考虑了行星边界层高度的变化。

（4）对流方案：采用GFS方案，该方案基于对流有效位能（CAPE）和抬升凝结高度（LCL）进行对流触发，能够较好地模拟深对流的发展过程。

（5）陆面过程方案：采用MOSC方案，该方案能够较好地模拟植被、土壤和城市下垫面对大气边界层的影响。

（6）云微物理方案：采用双尺度显式方案，该方案能够较好地模拟云滴增长、碰并和蒸发等微物理过程。

A4.初始场和边界条件

模式初始场采用美国国家环境预测中心（NCEP）提供的全球再分析数据集（GFS），时间分辨率和空间分辨率分别为3小时和1度，数据范围覆盖全球。初始场选取模拟开始前一天的全球气象场数据，包括温度、气压、风速、湿度、比湿、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比湿、比容、比熵、比湿、比容、比湿、比容、比湿、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比湿、比容、比熵、比湿、比容、比熵、比湿、比容、比湿、比容、比熵、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比湿、比容、比容、比湿、比容、比容、比湿、比容、比容、比湿、比容、比容、比湿、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比湿、比容、比容、比湿、比容、比容、比湿、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比容、比