雷暴是指积雨云云中、云间或云地之间产生的放电现象[1]，这种天气现象的发生伴随着声、光、电等多种物理现象，影响人类社会经济生活的各个方面，如引发火灾，干扰输电、通讯以及计算机网络等的安全运行[2]，给人民生命、财产安全造成巨大损失。雷电灾害分别被“国际减灾十年”委员会和国际电工委员会（IEO）认定为最严重的10种自然灾害之一和“电子时代的一大公害”[3]。

目前国内外学者对雷暴日做了大量研究[4-16]，许多研究表明雷暴活动在变化中整体呈现减少的趋势。十堰市地处湖北省西北部，属于亚热带季风气候，易于雷暴的产生。特殊的地理环境使得十堰市多年雷暴活动的时间和空间分布都极不均匀，但一直都欠缺对该地区雷暴活动特征的研究。据此，笔者根据十堰地区1983—2012年逐年雷暴日资料，运用气候倾向率、滑动平均、离散小波分析、EO F分解和突变检验等数学统计方法对十堰地区雷暴日活动规律进行了分析。

尿蛋白是糖尿病肾病的主要指标之一，ACEI类药物可使糖尿病肾病患者尿蛋白显著减少，降低血压，扩张肾血管，提高糖尿病肾病的疗效[8]。ACEI可以抑制血管紧张素Ⅰ转化为血管紧张素Ⅱ，降低循环系统血压，改善肾脏血流动力学效果[9]。ACEI可以减缓2型糖尿病患者的肾病进程，起到保护肾功能、避免恶化的作用[10]。ACEI不仅可以减少尿蛋白排泄，同时可以保护肾避免因蛋白质的重吸收引起的肾小管超负荷导致的促炎症反应。临床上可以将其与其它药物联用，提高治疗效果[11-12]。

1 资料与方法

1.1 资料来源

以一天内听到1次或1次以上雷声统计为1个雷暴日，只有闪电没有雷声也计入[17]，雷暴的初日指一年中最先听到雷声的日期，终日指一年中最后一次听到雷声的日期[18]。文中所采用的雷暴日资料是十堰市气象局统计的当地7个站点1983—2012年近30年的雷暴日数，包括各站点每年测得的雷暴初日和终日的时间，初、终日的间隔日数，以及全年雷暴日数的总数。

依据《地面气象观测规范》，观测气象日界为20：00。在统计雷暴出现日数时，若某一次雷暴跨越20：00按2个雷暴出现日计算；当某一天雷暴过程出现2次或以上时，仍按1个雷暴日计算。因此以在某站听到有雷声的1个观测日为雷暴日，当天不论听到多少次雷声，均记为1个雷暴日。通常在气象学中雷电活动的强度用雷暴日的多少来反映，而年平均雷暴日则反映某地雷电活动的频繁程度。

电感式编码器是利用电磁感应原理测量位移（线位移和角位移）的测量元件，把被测的物理量转换成线圈感应系数的变化，再由电路转换为电压或电流的变化量输出，实现非电量到电量的转换。

1.2 研究方法

1.2.1 气候倾向率和滑动平均 采用气象倾向率分析十堰地区近30年雷暴日年际、季节变化趋势。气候倾向率反映十堰30年来雷暴日的变化趋势倾向。雷暴活动上升或下降的速率通过b值的大小来反映。当b＞0时，雷暴日数呈上升趋势；b＜0时则反之。

该养殖场养殖种狐300余只，仔狐1500余只。6月初，哺乳仔狐中一部分出现精神沉郁、食欲不振、被毛凌乱的临床表现（图1），发病仔狐较同日龄健康仔狐明显瘦弱，逐渐出现死亡。发病动物偶有抽搐、尖叫的临床表现。对发病仔狐进行体表检查，发现耳道内存在较多灰黑色粘稠物。

 

式中，k为滑动长度，取值为5，n为样本量，取值为30。

分别称为空间函数矩阵和时间系数矩阵。

(3)基坑开挖过程中，桩间土体流坍。现场踏勘情况表明，隧道下部地层为中砂，在基坑开挖中有桩间土体流失现象发生，致使隧道侧面及基底地层损失和漏空，进一步影响了隧道结构的受力状态。

 

ψ(t)即基小波，式中ψ(ω)是ψ(t)的Fourier变换，由基小波函数ψ(t)进行伸缩和平移[23]。

运用M atlab小波工具箱中离散小波分解功能，在db3小波基础上进行水平上的分解变换成不相同子序列，其中包括1个趋势项a5和4个周期项d4，d3，d2，d1逐步细节化分析了十堰市近30年雷暴活动的变化。

1.认知是涉及身体的，也即不能脱离具体的身体。正因为人类有特定的身体机构，才决定了人类特有的认知和思维方式［3］。另外，Gallagher（2005）认为，身体在认知活动中发挥作用与身体图式（body schema）和身体意象（bodyimage）有关［4］，身体图式是身体的感觉——运动能力系统，而身体意象是身体知觉的伪像，不管是低水平的认知还是包括判断、隐喻等在内的高水平认知都通过身体图式和身体意象系统的功能来实现［5］。显然，在认知过程中，身体是不可或缺的。

在对传感器课程的教学内容、教学方法以及考核方法进行改革后，我校在13、14、15届机电一体化及电气自动化班进行了课程实施，实际教学效果证明改革后课程取得了较为显著效果。教师教授课程的难度极大下降，学生学习该课程的兴趣上扬，动手能力、创新能力等都得到了极大的提高。

 

上式遵从自由度v=n1+n2-2的t分布。

此处的“高墙”所指何在？文章说“那时我的父亲还在世，家景也好，我正是一个少爷。”这堵“高墙”应该是殷实富裕的物质围起的高高的有形围墙，去年走访绍兴鲁迅故居，不难看出，确实是个阔气人家，庭院深深，家宅众多，围墙高大气派，与外界隔绝得很好。

若X为距平资料矩阵，则可对上式

其中

采用滑动平均对近30年十堰地区雷暴日进行趋势拟合，用来确定雷暴日趋势变化。对样本量为n的雷暴日序列x，其滑动平均序列表示为：

 

EO F展开得：X=V T

方案分析：在中性点套管法兰处局部焊接升高座过渡的方案。采用此方案，利用加大的法兰来改善应力分布，同时对油箱壁起到局部加强的作用，需要通过计算，确认改进后形变量是否满足要求。现场条件设定：抽真空至绝缘真空，相当于期间油箱壁内施加载荷为-101Kpa，模型中加大的法兰采用16Mng钢板制成，箱盖采用Q235B钢板焊接制成。计算方法与原始结构分析方法一致，采用PRO/engineer Wildfire建立的模型，结构强度分析采用ANSYS软件，在进行数值分析时，部分单元格采用ANSYS的Mesh模型结构和计算机硬件系统设定合适的单元划分，假定箱壁边沿在全载荷过程中位移为零。

文中以矩阵方式给出某气候变量场的观测资料，如下：

 

1.2.2 小波分析法[21] 低频部分信号的重构可以发现时间序列的发展趋势及规律，高频部分信号的重构可以发现时间序列的突变特性和循环周期[22]，以此观察不同时间尺度上的变化情况。小波函数定义为：如果ψ(t)∈λ2(R)[λ2(R)表示平方可积的实数空间，即能量有限的信号空间]，满足允许性条件：

1.2.4 EOF分解 经验正交函数（EO F）分解在数理统计学的多变量分析中称为主分量分析。

式右乘以X’，即X X’=V TX’=V TT’V’，X X’，是实对称阵。

2 雷暴日的时空变化特征

2.1 空间分布特征

十堰市近30年来的雷暴日数变化根据地理环境的不同也有明显的变化，选取十堰市1983—2002年（前20年）与2003—2012年（近10年）的各个站点的平均雷暴日数进行分析，得出表1。

从表1可以看出，1983—2002年中出现雷暴最多的是房县，平均每年出现雷暴日数是27.9 d，占总日数的17.3%，年平均雷暴日数出现最少的是十堰，仅有16.7 d，占总日数的10.3%；2003—2012年年平均雷暴日数最多的依然是房县，达到23.4 d，最少的则是丹江，仅有14.5 d。

此外，1983—2002年，年平均雷暴日数最多的地区是房县、竹山、竹溪，均位于十堰市的南部，其次为郧西、郧县，位于十堰市的北部，年平均雷暴日数最少的地区是位于十堰市中部的十堰和丹江；2003—2012年，年平均雷暴日最多的地区是位于十堰市南部的房县、竹溪、竹山，位于十堰市北部的郧西和郧县，而年平均雷暴日数最少的则是位于十堰市中部的十堰和丹江（图1）。

 

表1 十堰市近10年和前20年的年雷暴日数对比 d

  

时间 丹江 房县 十堰 郧西 郧县 竹山 竹溪 年平均2003—2012年 14.5 23.4 17.1 20.1 18.6 18.2 23.2 136.5 1983—2002年 19.1 27.9 16.7 24.1 23.8 25.9 24.0 161.4差值 -4.6 -4.5 0.4 -4.0 -5.2 -7.7 -0.8 -24.9

由此可见，十堰市雷暴分布空间特征呈两端多，中间少的趋势，并且南部的雷暴日数明显多于北部，中部则最少，且空间分布特征不随时间改变。

1.2.3 滑动t检验 对于具有n个样本量的时间序列x，认为的设置某一时刻为基准点，基准点前后两段序列x1和x2的样本分别为n1和n2两段子序列，其平均值分别为x1和x2，方差为s12和s22。定义统计量：

2.2 年际变化特征

从图2可以看出，1983—2014年十堰市雷暴日数存在极显著的减小趋势，线性倾向率达-1.702 d/10年（P＜0.01）。此外，雷暴日数年际变化幅度大，雷暴日最多的年份（2011年）达到31 d，雷暴日最少的年份（2005年）仅不到6 d，相差近5倍。

这期间，加强了“秘密警察”机关的作用，鼓励大家告密，检查私人信件，偷听电话、谈话多了起来。“苏共中央的高级负责人，甚至中央书记，在自己的办公室谈到尖锐的话题时，也常常看一看电话机，作出一种明显的手势——把手指按在嘴上，并转到另一个话题。”[33]191-192

由各月份雷暴日数分析可知：月雷暴日最多的发生在7月，共有雷暴日1 362个，最少的在2月，共有34个。雷暴日发生在每年2—11月，该期间，累计雷暴日数先增加，并且在7月达到顶峰，8月持续7月的顶峰，但有略微减少，7月和8月的累计雷暴日数占全年累计雷暴日数的55.9%。进入9月，雷暴日数急剧减小，并在11月达到最小值，11月和2月的累计雷暴日数仅占到全年的1.8%。

2.3 趋势分析

由图3可见，十堰市7个站点中有6个线性倾向率均为负值，只有竹溪的线性倾向率为正值。十堰城区站点的雷暴日数变化时平缓的，没有明显的增加或减少的趋势变化，而竹溪站点的雷暴日数则是呈现明显的增加趋势，其余各个站点的雷暴日数则均呈现明显的减少趋势，而十堰市整体上雷电日数呈现减少趋势，但减少的幅度有所差异。

  

图1 十堰市地图

  

图2 十堰市年平均雷暴日数时间序列

2.4 初、终日及雷暴期变化特征

由图4（a）可知，1983—2012年十堰市雷暴初日最早出现在2004年的2月20号，最晚出现在2010年的5月24号，相差104 d；由图4（b）可知，1983—2012年十堰市雷暴终日最早结束于2011年的7月8号，最晚结束于2012年的11月6号，相差121 d；由图4（c）可知，1983—2012年雷电初终日的间隔日数最少128 d，出现在1996年，最多是211 d，出现在1989年，30年来的平均间隔日数为179 d。可见，雷暴初、终日的间隔日数均呈现相应的变化趋势，从1983年开始，间隔日数的变化趋势先缓慢上升，而后又缓慢下降，到1993年达到这一阶段的最低值；从1994年开始又开始上升，后又减小，直到2003年左右又达到这10年之中的谷值；从2004年开始，雷暴初、终日的间隔日数开始上升，到2011年达到最小值，而2012年的间隔日数又急剧增加，达到雷暴初、终日间隔的新的峰值。

  

图3 十堰市各个站点雷暴日数线性趋势

总体来说，雷暴初、终日的间隔日数呈现阶段性的变化，这种变化趋势以大约10年为1个阶段，然而雷暴初、终日的间隔日数总体变化仍呈减少趋势，通过计算可知，雷暴初日是在以4.0 d/10年的速率推后，雷暴终日是在以4.5 d/10年的速率推后，雷暴初、终日的间隔日数是在以0.7 d/10年的速率增加。

2.5 EOF分析

对十堰市7个县的气象观测站1983—2012年的年雷暴日进行EO F分析，给出了EO F分析所得到的前2个特征向量（表2），结果表明：第一特征向量约解释了总方差的67.4%，可以认为在构成雷暴日活动空间分布中，第一特征向量的作用最为重要。十堰市各县的第一特征向量的量值正负相同，这表明十堰市各地区雷暴活动具有同步性；丹江、十堰、郧西县是雷暴的高值区，竹溪是雷暴的低值区。而第二特征向量有正有负，说明7个站点雷暴活动也有不同步性，但是由于第二特征向量的方差贡献仅占9.834%，所以该特点可以忽略。

  

图4 1983—2012年十堰市雷暴初日（a）、终日（b）出现日期及初终日间隔天数（c）

 

表2 EOF分解的特征向量

  

特征向量 丹江 房县 十堰 郧西 郧县 竹山 竹溪1 0.899 0.766 0.894 0.871 0.883 0.715 0.687 2-0.170 -0.171 -0.151 -0.189 -0.162 0.467 0.572

  

图5 雷暴日时间序列4层db3小波分解

2.6 小波分析

从图5反映可以看出，高频成分与原始数据的趋势大体相同，低频成分围绕着上下波动，可见雷暴日时间序列已得到很好的分离。趋势项a4可以反映近30年来湖北省十堰市地区雷暴日主要变化趋势。从a4中可以看出在在1983—2012年，十堰市地区雷暴日数都是呈现减少的趋势，但是前18年的下降趋势比较缓慢，而后12年下降的趋势比较明显。从第1层周期项d4的重构及第2层周期项d3的重构看不出明显的变化周期；从第3层周期项d2的重构可以看出，存在比较明显的18年的振荡周期；从第4层周期项d1的重构可以看出，存在着明显的6～7年的振荡周期。

2.7 突变分析

用滑动t检验1983—2012年十堰雷暴日数序列的突变。从图6可以看出统计量有2处超过0.01显著性水平，说明十堰市年平均雷暴日数在近30年来存在2次突变：从1983年左右开始由高到低的突变；从2000年开始到2012年有1次由低到高的突变。

3 结论与讨论

（1）十堰地区雷暴的发生多在夏季，7月份是雷暴发生的高峰期。雷暴日数月变化不对称，增加的速度明显小于减少的速度。雷暴日数的变化总体上呈现减少的趋势，这可能与十堰市局部小气候相关。

  

图6 滑动t检验

（2）十堰地区雷暴日数的变化具有“两端多、中间少”的空间变化特征。

（3）十堰市雷暴日数的年际变化差异比较大。总体是呈现减少的趋势，但是前18年的减小趋势比近12年的减少趋势明显。而且存在约7～8年的震荡周期，十堰地区的雷暴日数有继续减少的趋势。

（4）十堰地区的雷暴变化在近30年中有2次明显的突变，从1983年开始有1次减少的突变，在2000—2012年之间有1次增加的突变。

方程中，x为外生观测变量向量；ξ为外生潜变量向量；y为内生观测变量向量；η为内生潜变量向量；Λx为外生观测变量在外生潜变量上的因子载荷矩阵；Λy为内生观测变量在外生潜变量上的因子载荷矩阵；δ为外生变量的误差项变量；ε为内生变量之间的误差项变量；B为内生潜变量向量之间的路径系数矩阵；Г为外生潜变量对内生潜变量向量的路径系数矩阵。

（5）十堰地区各个站点的雷暴变化趋势具有明显的同步性，其中也有可忽略的不同步性存在。

参考文献

[1]靳利梅，史军.上海地区雷暴气候特征及变化研究[J].干旱气象，2010（1）：54-58，64.

[2]黄慧君.云南大理州近40年雷暴日数演变的分析[J].云南地理环境研究，2007（3）：18-20.

[3]高留喜，杨成芳，冯桂力，等.山东省雷暴时空变化特征[J].气候变化研究进展，2007（4）：239-242.

[4]马明，吕伟涛，张义军，等.1997—2006年我国雷电灾情特征 [J].应用气象学报，2008（4）：393-400.

[5]郝莹，姚叶青，陈炎，等.基于对流参数的雷暴潜势预报研究[J].气象，2007（1）：51-56.

[6]张金，聂长春，陈玉华，等.广州市雷暴日数变化特征分析[J].成都信息工程学院学报，2009，24（1）：61-63.

[7]张敏锋，冯霞.我国雷暴天气的气候特征［J］．热带气象学报，1998（2）：156-162．

[8]蒙伟光，闫敬华，扈海波.城市化对珠江三角洲强雷暴天气的可能影响[J].大气科学，2007（2）：364-376.

[9]顾震潮.我国雷暴的气候特点[J].地理学报，1978（1）：42-49.

[10]张敏锋，刘欣生，葛正谟.我国北方地区雷电活动的时空特征[J].高原气象，2001（3）：277-284.

[11]陈锡璋.雷暴[J].气象，1978（7）：19-23.

[12]雷雨顺.能量天气学[M].北京：气象出版社，1986.

[13]丁一汇.大气中的风暴[M].北京：气象出版社，1977.

[14]李照荣，康凤琴，马胜萍.西北地区雷暴气候特征分析[J].灾害学，2005（2）：83-88.

[15]段炼，陈章.近42年成都地区雷暴的气候统计特征[J].自然灾害学报，2006（4）：59-64.

[16]CHANGNON SA，CHANGNON D.Longterm fluctuations in thunderstorm activity in the United States[J].Climatic Change，2001，4：489-503.

[17]中国气象局.地面气象观测规范［M］.北京：气象出版社，2003.

[18]李立兵，赵健妹，张翼，等.1957—2010年永福县雷暴日数变化特征分析[J].现代农业科技.2011（9）：336.

[19]主毅，张润琼，赵群剑，等.贵州西部雷暴日数的时空分布特征[M].热事地理，2008（5）：411-413.

[20]朱乾根，林锦瑞，寿绍文，等.天气学原理和方法[M].北京：气象出版社，2000：266.

[21]高瑞华，申培鲁，高慧，等.渤海海峡大风日数的变化趋势分析[J].海洋预报，2010（1）：39-43.

[22]樊敏，顾兆林.时间序列分析在大气环境中的应用[J].环境工程，2009（27）：540-542.

[23]周景宏，郗伟东，禹海兰.小波方法在股市分析中的应用[J].东北电力大学学报，2006（2）：47-51.