2019年第47卷第5期文章目次
2019, 47(5):719-730.
摘要:
由于單雷達(dá)在探測(cè)臺(tái)風(fēng)臨近、登陸時(shí)仍具有雙部或多部雷達(dá)難以具備的優(yōu)勢(shì)，目前利用單多普勒雷達(dá)反演渦旋風(fēng)場(chǎng)的方法并不多見(jiàn)，本文對(duì)能夠反演渦旋風(fēng)場(chǎng)的3種方法NIVAP（自然坐標(biāo)系的積分VAP方法）、EVAPTC（反演熱帶氣旋的EVAP方法）、GBVTD（地基速度追蹤法）進(jìn)行了比較，分別從每種方法的假設(shè)條件和數(shù)學(xué)方法以及結(jié)果精度來(lái)比較3種方法對(duì)渦旋風(fēng)場(chǎng)的適用性。利用中尺度氣旋Rankine模式模擬了純渦旋性氣旋、只有環(huán)境風(fēng)場(chǎng)時(shí)、環(huán)境風(fēng)場(chǎng)和輻合（輻散）同時(shí)存在時(shí)的徑向速度場(chǎng)及風(fēng)場(chǎng)，比較了各種情況下的反演風(fēng)場(chǎng)和模擬風(fēng)場(chǎng)的相似系數(shù)。在對(duì)模擬風(fēng)場(chǎng)比較之后，選取了2014年“威馬遜”臺(tái)風(fēng)登陸前1 h、登陸時(shí)及登陸后1 h的3個(gè)實(shí)測(cè)雷達(dá)資料，對(duì)比分析了3種方法反演實(shí)測(cè)資料的風(fēng)場(chǎng)特征，3種方法中EVAPTC方法最好，GBVTD方法在應(yīng)用中有一定的限制，NIVAP方法較差。
由于單雷達(dá)在探測(cè)臺(tái)風(fēng)臨近、登陸時(shí)仍具有雙部或多部雷達(dá)難以具備的優(yōu)勢(shì)，目前利用單多普勒雷達(dá)反演渦旋風(fēng)場(chǎng)的方法并不多見(jiàn)，本文對(duì)能夠反演渦旋風(fēng)場(chǎng)的3種方法NIVAP（自然坐標(biāo)系的積分VAP方法）、EVAPTC（反演熱帶氣旋的EVAP方法）、GBVTD（地基速度追蹤法）進(jìn)行了比較，分別從每種方法的假設(shè)條件和數(shù)學(xué)方法以及結(jié)果精度來(lái)比較3種方法對(duì)渦旋風(fēng)場(chǎng)的適用性。利用中尺度氣旋Rankine模式模擬了純渦旋性氣旋、只有環(huán)境風(fēng)場(chǎng)時(shí)、環(huán)境風(fēng)場(chǎng)和輻合（輻散）同時(shí)存在時(shí)的徑向速度場(chǎng)及風(fēng)場(chǎng)，比較了各種情況下的反演風(fēng)場(chǎng)和模擬風(fēng)場(chǎng)的相似系數(shù)。在對(duì)模擬風(fēng)場(chǎng)比較之后，選取了2014年“威馬遜”臺(tái)風(fēng)登陸前1 h、登陸時(shí)及登陸后1 h的3個(gè)實(shí)測(cè)雷達(dá)資料，對(duì)比分析了3種方法反演實(shí)測(cè)資料的風(fēng)場(chǎng)特征，3種方法中EVAPTC方法最好，GBVTD方法在應(yīng)用中有一定的限制，NIVAP方法較差。
2019, 47(5):731-739.
摘要:
X波段雙偏振天氣雷達(dá)在觀測(cè)強(qiáng)降水時(shí)衰減較大，雙偏振雷達(dá)的相位參數(shù)因衰減較小可用于反射率的衰減訂正。自適應(yīng)算法和差傳播相移率KDP訂正法是應(yīng)用較多的兩種衰減訂正算法，這兩種方法均采用了差分參數(shù)實(shí)現(xiàn)衰減訂正。自適應(yīng)算法實(shí)現(xiàn)因難，但能夠根據(jù)不同降水類(lèi)型對(duì)訂正系數(shù)進(jìn)行調(diào)整，而KDP訂正法則無(wú)法實(shí)現(xiàn)。本文在自適應(yīng)算法和KDP訂正法衰減訂正的基礎(chǔ)上提出了KDP綜合分類(lèi)法，該算法實(shí)現(xiàn)簡(jiǎn)單，并分別采用三種方法完成衰減訂正，然后對(duì)訂正效果進(jìn)行了比較分析，并與S波段雷達(dá)進(jìn)行了對(duì)比。最后將訂正前后的反射率聯(lián)合地面降水資料進(jìn)行對(duì)比研究，結(jié)果顯示訂正后反射率更適合觀測(cè)降水及反演雨強(qiáng)。
X波段雙偏振天氣雷達(dá)在觀測(cè)強(qiáng)降水時(shí)衰減較大，雙偏振雷達(dá)的相位參數(shù)因衰減較小可用于反射率的衰減訂正。自適應(yīng)算法和差傳播相移率KDP訂正法是應(yīng)用較多的兩種衰減訂正算法，這兩種方法均采用了差分參數(shù)實(shí)現(xiàn)衰減訂正。自適應(yīng)算法實(shí)現(xiàn)因難，但能夠根據(jù)不同降水類(lèi)型對(duì)訂正系數(shù)進(jìn)行調(diào)整，而KDP訂正法則無(wú)法實(shí)現(xiàn)。本文在自適應(yīng)算法和KDP訂正法衰減訂正的基礎(chǔ)上提出了KDP綜合分類(lèi)法，該算法實(shí)現(xiàn)簡(jiǎn)單，并分別采用三種方法完成衰減訂正，然后對(duì)訂正效果進(jìn)行了比較分析，并與S波段雷達(dá)進(jìn)行了對(duì)比。最后將訂正前后的反射率聯(lián)合地面降水資料進(jìn)行對(duì)比研究，結(jié)果顯示訂正后反射率更適合觀測(cè)降水及反演雨強(qiáng)。
2019, 47(5):740-746.
摘要:
本文通過(guò)對(duì)比檢驗(yàn)2013年1月至2016年6月ASCAT衛(wèi)星反演風(fēng)場(chǎng)與青島浮標(biāo)海島站實(shí)測(cè)10 m風(fēng)場(chǎng)資料，開(kāi)展ASCAT衛(wèi)星反演風(fēng)場(chǎng)在青島沿海的適用評(píng)估。結(jié)果表明：ASCAT反演風(fēng)速整體偏大，風(fēng)向偏左，但整體偏差均較小。ASCAT反演風(fēng)場(chǎng)和浮標(biāo)海島站實(shí)測(cè)風(fēng)場(chǎng)的風(fēng)速和風(fēng)向的整體偏差分別為16 m/s和-96°，說(shuō)明ASCAT反演風(fēng)場(chǎng)在青島沿岸有很好的適用性，比EC再分析資料能更細(xì)致地反映青島沿岸的風(fēng)場(chǎng)空間分布。從風(fēng)速分級(jí)比較來(lái)看，風(fēng)速越弱，衛(wèi)星反演風(fēng)速越接近站點(diǎn)實(shí)測(cè)風(fēng)速，反演結(jié)果越好，而風(fēng)向反演結(jié)果則反之。風(fēng)速和風(fēng)向的反演效果皆是晚上比早晨好。并且季節(jié)變化對(duì)風(fēng)速反演效果影響不大，但是對(duì)風(fēng)向反演效果有一定的影響，秋冬季節(jié)風(fēng)向反演結(jié)果好于春夏季節(jié)。最后，對(duì)ASCAT反演風(fēng)速分別進(jìn)行線性回歸訂正、綜合誤差、風(fēng)速等級(jí)誤差和升降軌誤差訂正，發(fā)現(xiàn)線性回歸訂正結(jié)果最佳。
本文通過(guò)對(duì)比檢驗(yàn)2013年1月至2016年6月ASCAT衛(wèi)星反演風(fēng)場(chǎng)與青島浮標(biāo)海島站實(shí)測(cè)10 m風(fēng)場(chǎng)資料，開(kāi)展ASCAT衛(wèi)星反演風(fēng)場(chǎng)在青島沿海的適用評(píng)估。結(jié)果表明：ASCAT反演風(fēng)速整體偏大，風(fēng)向偏左，但整體偏差均較小。ASCAT反演風(fēng)場(chǎng)和浮標(biāo)海島站實(shí)測(cè)風(fēng)場(chǎng)的風(fēng)速和風(fēng)向的整體偏差分別為16 m/s和-96°，說(shuō)明ASCAT反演風(fēng)場(chǎng)在青島沿岸有很好的適用性，比EC再分析資料能更細(xì)致地反映青島沿岸的風(fēng)場(chǎng)空間分布。從風(fēng)速分級(jí)比較來(lái)看，風(fēng)速越弱，衛(wèi)星反演風(fēng)速越接近站點(diǎn)實(shí)測(cè)風(fēng)速，反演結(jié)果越好，而風(fēng)向反演結(jié)果則反之。風(fēng)速和風(fēng)向的反演效果皆是晚上比早晨好。并且季節(jié)變化對(duì)風(fēng)速反演效果影響不大，但是對(duì)風(fēng)向反演效果有一定的影響，秋冬季節(jié)風(fēng)向反演結(jié)果好于春夏季節(jié)。最后，對(duì)ASCAT反演風(fēng)速分別進(jìn)行線性回歸訂正、綜合誤差、風(fēng)速等級(jí)誤差和升降軌誤差訂正，發(fā)現(xiàn)線性回歸訂正結(jié)果最佳。
2019, 47(5):747-751.
摘要:
空氣負(fù)離子濃度是判斷空氣質(zhì)量好壞的重要標(biāo)準(zhǔn)。傳統(tǒng)的空氣負(fù)離子濃度檢測(cè)儀通過(guò)電容式離子收集器測(cè)量負(fù)離子在收集板兩端形成的電流，根據(jù)測(cè)量電流與空氣負(fù)離子濃度的關(guān)系進(jìn)行計(jì)算。采用傳統(tǒng)方法設(shè)計(jì)的空氣負(fù)離子濃度檢測(cè)儀只能測(cè)量有限幾種半徑的空氣負(fù)離子濃度，并且在測(cè)量大半徑的空氣負(fù)離子濃度時(shí)存在一定的系統(tǒng)誤差。為滿足空氣負(fù)離子濃度高精度檢測(cè)的應(yīng)用需求，通過(guò)模擬分析不同半徑的空氣負(fù)離子在收集器中的運(yùn)動(dòng)軌跡，提出了一種基于遷移率分析的空氣負(fù)離子濃度檢測(cè)方法，給出了相應(yīng)的電路系統(tǒng)和設(shè)計(jì)參數(shù)，分析論證了系統(tǒng)設(shè)計(jì)的合理性。該方法將電流檢測(cè)與數(shù)值計(jì)算相結(jié)合，能夠精確測(cè)定空氣中不同半徑的負(fù)離子濃度，在環(huán)境監(jiān)測(cè)與評(píng)價(jià)領(lǐng)域有重要的應(yīng)用價(jià)值。
空氣負(fù)離子濃度是判斷空氣質(zhì)量好壞的重要標(biāo)準(zhǔn)。傳統(tǒng)的空氣負(fù)離子濃度檢測(cè)儀通過(guò)電容式離子收集器測(cè)量負(fù)離子在收集板兩端形成的電流，根據(jù)測(cè)量電流與空氣負(fù)離子濃度的關(guān)系進(jìn)行計(jì)算。采用傳統(tǒng)方法設(shè)計(jì)的空氣負(fù)離子濃度檢測(cè)儀只能測(cè)量有限幾種半徑的空氣負(fù)離子濃度，并且在測(cè)量大半徑的空氣負(fù)離子濃度時(shí)存在一定的系統(tǒng)誤差。為滿足空氣負(fù)離子濃度高精度檢測(cè)的應(yīng)用需求，通過(guò)模擬分析不同半徑的空氣負(fù)離子在收集器中的運(yùn)動(dòng)軌跡，提出了一種基于遷移率分析的空氣負(fù)離子濃度檢測(cè)方法，給出了相應(yīng)的電路系統(tǒng)和設(shè)計(jì)參數(shù)，分析論證了系統(tǒng)設(shè)計(jì)的合理性。該方法將電流檢測(cè)與數(shù)值計(jì)算相結(jié)合，能夠精確測(cè)定空氣中不同半徑的負(fù)離子濃度，在環(huán)境監(jiān)測(cè)與評(píng)價(jià)領(lǐng)域有重要的應(yīng)用價(jià)值。
2019, 47(5):752-756.
摘要:
針對(duì)目前業(yè)務(wù)上風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)方法存在的不足，通過(guò)改進(jìn)氣象部門(mén)廣泛使用的杯式風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)設(shè)備，利用啟動(dòng)風(fēng)速校驗(yàn)儀對(duì)風(fēng)速傳感器進(jìn)行低風(fēng)速段的校準(zhǔn)，從而解決風(fēng)速校驗(yàn)儀無(wú)法檢測(cè)風(fēng)速傳感器整體性能的問(wèn)題，實(shí)現(xiàn)了杯式風(fēng)速傳感器到實(shí)驗(yàn)室風(fēng)洞標(biāo)準(zhǔn)的量值溯源。利用改進(jìn)后的現(xiàn)場(chǎng)校準(zhǔn)方法對(duì)風(fēng)速傳感器校準(zhǔn)后，擬合出的線性回歸方程與風(fēng)洞檢定結(jié)果進(jìn)行比對(duì)發(fā)現(xiàn)，改進(jìn)后的方法基本上能滿足風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)的需要。
針對(duì)目前業(yè)務(wù)上風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)方法存在的不足，通過(guò)改進(jìn)氣象部門(mén)廣泛使用的杯式風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)設(shè)備，利用啟動(dòng)風(fēng)速校驗(yàn)儀對(duì)風(fēng)速傳感器進(jìn)行低風(fēng)速段的校準(zhǔn)，從而解決風(fēng)速校驗(yàn)儀無(wú)法檢測(cè)風(fēng)速傳感器整體性能的問(wèn)題，實(shí)現(xiàn)了杯式風(fēng)速傳感器到實(shí)驗(yàn)室風(fēng)洞標(biāo)準(zhǔn)的量值溯源。利用改進(jìn)后的現(xiàn)場(chǎng)校準(zhǔn)方法對(duì)風(fēng)速傳感器校準(zhǔn)后，擬合出的線性回歸方程與風(fēng)洞檢定結(jié)果進(jìn)行比對(duì)發(fā)現(xiàn)，改進(jìn)后的方法基本上能滿足風(fēng)速傳感器現(xiàn)場(chǎng)校準(zhǔn)的需要。
2019, 47(5):757-767.
摘要:
風(fēng)廓線雷達(dá)是一種以大氣湍流為主要探測(cè)對(duì)象的晴空測(cè)風(fēng)設(shè)備，近年來(lái)普遍使用。其資料的應(yīng)用廣泛，對(duì)數(shù)據(jù)產(chǎn)品的可用性要求越來(lái)越高。本文以1456D/F型兩種布網(wǎng)風(fēng)廓線雷達(dá)為研究對(duì)象，收集了22個(gè)產(chǎn)品異常個(gè)例，并對(duì)其進(jìn)行了分類(lèi)，分析了數(shù)據(jù)產(chǎn)品產(chǎn)生異常的原因;基于數(shù)據(jù)產(chǎn)品異常，總結(jié)出識(shí)別與分析風(fēng)廓線雷達(dá)故障的經(jīng)驗(yàn)方法及排查流程。有利于提高省級(jí)、臺(tái)站業(yè)務(wù)人員識(shí)別風(fēng)廓線雷達(dá)異常數(shù)據(jù)產(chǎn)品的能力，有效保障數(shù)據(jù)的正常采集與上傳，從而為預(yù)報(bào)服務(wù)提供更準(zhǔn)確的探測(cè)數(shù)據(jù)。
風(fēng)廓線雷達(dá)是一種以大氣湍流為主要探測(cè)對(duì)象的晴空測(cè)風(fēng)設(shè)備，近年來(lái)普遍使用。其資料的應(yīng)用廣泛，對(duì)數(shù)據(jù)產(chǎn)品的可用性要求越來(lái)越高。本文以1456D/F型兩種布網(wǎng)風(fēng)廓線雷達(dá)為研究對(duì)象，收集了22個(gè)產(chǎn)品異常個(gè)例，并對(duì)其進(jìn)行了分類(lèi)，分析了數(shù)據(jù)產(chǎn)品產(chǎn)生異常的原因;基于數(shù)據(jù)產(chǎn)品異常，總結(jié)出識(shí)別與分析風(fēng)廓線雷達(dá)故障的經(jīng)驗(yàn)方法及排查流程。有利于提高省級(jí)、臺(tái)站業(yè)務(wù)人員識(shí)別風(fēng)廓線雷達(dá)異常數(shù)據(jù)產(chǎn)品的能力，有效保障數(shù)據(jù)的正常采集與上傳，從而為預(yù)報(bào)服務(wù)提供更準(zhǔn)確的探測(cè)數(shù)據(jù)。
2019, 47(5):768-772.
摘要:
在Hadoop分布式計(jì)算和存儲(chǔ)架構(gòu)下，自定義ETL數(shù)據(jù)清洗規(guī)則將海量自動(dòng)站小時(shí)單站文件按所屬年和站號(hào)合并為大文件流轉(zhuǎn)存儲(chǔ)至HDFS中，并運(yùn)用SparkSQL并行計(jì)算框架進(jìn)行統(tǒng)計(jì)處理生成常用氣象要素日統(tǒng)計(jì)值。結(jié)果表明，數(shù)據(jù)處理和獲取時(shí)效較關(guān)系型數(shù)據(jù)庫(kù)方式有顯著提升。采用SparkSQL并行計(jì)算框架對(duì)多氣象要素多站點(diǎn)和長(zhǎng)時(shí)間序列進(jìn)行數(shù)據(jù)統(tǒng)計(jì)處理查詢均能達(dá)到秒級(jí)別響應(yīng)，并隨著統(tǒng)計(jì)站點(diǎn)數(shù)的不斷增加和時(shí)間跨度的延長(zhǎng)其優(yōu)勢(shì)更為明顯，能更高效地支撐此類(lèi)氣象數(shù)據(jù)服務(wù)，為海量氣象數(shù)據(jù)處理從關(guān)系型數(shù)據(jù)庫(kù)到大數(shù)據(jù)分布式架構(gòu)的轉(zhuǎn)換處理提供了新思路。
在Hadoop分布式計(jì)算和存儲(chǔ)架構(gòu)下，自定義ETL數(shù)據(jù)清洗規(guī)則將海量自動(dòng)站小時(shí)單站文件按所屬年和站號(hào)合并為大文件流轉(zhuǎn)存儲(chǔ)至HDFS中，并運(yùn)用SparkSQL并行計(jì)算框架進(jìn)行統(tǒng)計(jì)處理生成常用氣象要素日統(tǒng)計(jì)值。結(jié)果表明，數(shù)據(jù)處理和獲取時(shí)效較關(guān)系型數(shù)據(jù)庫(kù)方式有顯著提升。采用SparkSQL并行計(jì)算框架對(duì)多氣象要素多站點(diǎn)和長(zhǎng)時(shí)間序列進(jìn)行數(shù)據(jù)統(tǒng)計(jì)處理查詢均能達(dá)到秒級(jí)別響應(yīng)，并隨著統(tǒng)計(jì)站點(diǎn)數(shù)的不斷增加和時(shí)間跨度的延長(zhǎng)其優(yōu)勢(shì)更為明顯，能更高效地支撐此類(lèi)氣象數(shù)據(jù)服務(wù)，為海量氣象數(shù)據(jù)處理從關(guān)系型數(shù)據(jù)庫(kù)到大數(shù)據(jù)分布式架構(gòu)的轉(zhuǎn)換處理提供了新思路。
2019, 47(5):773-779.
摘要:
全國(guó)省級(jí)區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)流程逐步由市級(jí)轉(zhuǎn)發(fā)省級(jí)調(diào)整為直傳省級(jí)，省級(jí)區(qū)域站中心站成為數(shù)據(jù)傳輸?shù)臉屑~。區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)的調(diào)整給省、市、縣3級(jí)區(qū)域站運(yùn)維保障工作帶來(lái)了一定的挑戰(zhàn)。為了應(yīng)對(duì)統(tǒng)一管理難、監(jiān)視難、故障診斷難的挑戰(zhàn)，本文設(shè)計(jì)并實(shí)現(xiàn)了一種省級(jí)區(qū)域站數(shù)據(jù)直傳監(jiān)控系統(tǒng)。該系統(tǒng)依托CIMISS系統(tǒng)和省級(jí)區(qū)域站中心站，基于Django框架實(shí)現(xiàn)了CIMISS CTS環(huán)節(jié)、省級(jí)區(qū)域站中心站環(huán)節(jié)、區(qū)域站報(bào)文來(lái)源環(huán)節(jié)、區(qū)域站電池環(huán)節(jié)的監(jiān)視和展示，以及區(qū)域站報(bào)文歷史傳輸情況的展示和故障診斷。該系統(tǒng)已經(jīng)投入業(yè)務(wù)應(yīng)用，進(jìn)一步提高了全省區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)的運(yùn)維保障能力。
全國(guó)省級(jí)區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)流程逐步由市級(jí)轉(zhuǎn)發(fā)省級(jí)調(diào)整為直傳省級(jí)，省級(jí)區(qū)域站中心站成為數(shù)據(jù)傳輸?shù)臉屑~。區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)的調(diào)整給省、市、縣3級(jí)區(qū)域站運(yùn)維保障工作帶來(lái)了一定的挑戰(zhàn)。為了應(yīng)對(duì)統(tǒng)一管理難、監(jiān)視難、故障診斷難的挑戰(zhàn)，本文設(shè)計(jì)并實(shí)現(xiàn)了一種省級(jí)區(qū)域站數(shù)據(jù)直傳監(jiān)控系統(tǒng)。該系統(tǒng)依托CIMISS系統(tǒng)和省級(jí)區(qū)域站中心站，基于Django框架實(shí)現(xiàn)了CIMISS CTS環(huán)節(jié)、省級(jí)區(qū)域站中心站環(huán)節(jié)、區(qū)域站報(bào)文來(lái)源環(huán)節(jié)、區(qū)域站電池環(huán)節(jié)的監(jiān)視和展示，以及區(qū)域站報(bào)文歷史傳輸情況的展示和故障診斷。該系統(tǒng)已經(jīng)投入業(yè)務(wù)應(yīng)用，進(jìn)一步提高了全省區(qū)域站數(shù)據(jù)傳輸業(yè)務(wù)的運(yùn)維保障能力。
2019, 47(5):780-785.
摘要:
隨著智能電視盒硬件技術(shù)、Android系統(tǒng)以及互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，基于Android系統(tǒng)的智能電視盒已成為國(guó)內(nèi)發(fā)展最快的朝陽(yáng)產(chǎn)業(yè)之一，智能電視盒應(yīng)用軟件領(lǐng)域也隨之孕育而生。為了豐富移動(dòng)氣象信息服務(wù)手段，使用Android、Nginx、Web service等技術(shù)手段，研發(fā)一種智能電視盒氣象服務(wù)軟件：天氣盒子。闡述了該軟件的系統(tǒng)結(jié)構(gòu)、網(wǎng)絡(luò)拓?fù)洹⒎?wù)功能，通過(guò)負(fù)載均衡技術(shù)和網(wǎng)絡(luò)架構(gòu)優(yōu)化，確保系統(tǒng)可快速適應(yīng)高并發(fā)用戶以及網(wǎng)絡(luò)安全；根據(jù)智能電視盒的用戶操作特性，在客戶端的設(shè)計(jì)上簡(jiǎn)化了操作流程，提升了用戶的體驗(yàn)。該軟件填補(bǔ)了氣象部門(mén)在智能電視盒氣象服務(wù)領(lǐng)域的缺失。
隨著智能電視盒硬件技術(shù)、Android系統(tǒng)以及互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，基于Android系統(tǒng)的智能電視盒已成為國(guó)內(nèi)發(fā)展最快的朝陽(yáng)產(chǎn)業(yè)之一，智能電視盒應(yīng)用軟件領(lǐng)域也隨之孕育而生。為了豐富移動(dòng)氣象信息服務(wù)手段，使用Android、Nginx、Web service等技術(shù)手段，研發(fā)一種智能電視盒氣象服務(wù)軟件：天氣盒子。闡述了該軟件的系統(tǒng)結(jié)構(gòu)、網(wǎng)絡(luò)拓?fù)洹⒎?wù)功能，通過(guò)負(fù)載均衡技術(shù)和網(wǎng)絡(luò)架構(gòu)優(yōu)化，確保系統(tǒng)可快速適應(yīng)高并發(fā)用戶以及網(wǎng)絡(luò)安全；根據(jù)智能電視盒的用戶操作特性，在客戶端的設(shè)計(jì)上簡(jiǎn)化了操作流程，提升了用戶的體驗(yàn)。該軟件填補(bǔ)了氣象部門(mén)在智能電視盒氣象服務(wù)領(lǐng)域的缺失。
2019, 47(5):786-794.
摘要:
利用國(guó)家氣象信息中心提供的降水資料、NCEP/NCAR再分析月平均資料以及Hadley中心提供的海溫資料，基于可預(yù)報(bào)模態(tài)分析（PMA）方法，從觀測(cè)數(shù)據(jù)中提取青藏高原東部夏季降水具有物理意義的可預(yù)報(bào)模態(tài)，根據(jù)已有研究選取合適的預(yù)報(bào)因子并建立了物理經(jīng)驗(yàn)（PE）模型，從而對(duì)青藏高原東部夏季降水進(jìn)行統(tǒng)計(jì)預(yù)測(cè)。結(jié)果表明：南北反向型、一致型、中部型和東北型這4個(gè)主導(dǎo)模態(tài)反映了降水的異常變化，具有一定的物理意義，為可預(yù)報(bào)模態(tài)；超前0個(gè)月和超前1個(gè)月的區(qū)域平均的預(yù)報(bào)技巧分別為0.44和0.36，其中青藏高原東南部地區(qū)的預(yù)報(bào)技巧較高；超前0個(gè)月和超前1個(gè)月的模態(tài)相關(guān)系數(shù)分別為0.46和0.42，預(yù)報(bào)最好的年份都是1998年，預(yù)報(bào)最差的年份分別是1980年和2009年。
利用國(guó)家氣象信息中心提供的降水資料、NCEP/NCAR再分析月平均資料以及Hadley中心提供的海溫資料，基于可預(yù)報(bào)模態(tài)分析（PMA）方法，從觀測(cè)數(shù)據(jù)中提取青藏高原東部夏季降水具有物理意義的可預(yù)報(bào)模態(tài)，根據(jù)已有研究選取合適的預(yù)報(bào)因子并建立了物理經(jīng)驗(yàn)（PE）模型，從而對(duì)青藏高原東部夏季降水進(jìn)行統(tǒng)計(jì)預(yù)測(cè)。結(jié)果表明：南北反向型、一致型、中部型和東北型這4個(gè)主導(dǎo)模態(tài)反映了降水的異常變化，具有一定的物理意義，為可預(yù)報(bào)模態(tài)；超前0個(gè)月和超前1個(gè)月的區(qū)域平均的預(yù)報(bào)技巧分別為0.44和0.36，其中青藏高原東南部地區(qū)的預(yù)報(bào)技巧較高；超前0個(gè)月和超前1個(gè)月的模態(tài)相關(guān)系數(shù)分別為0.46和0.42，預(yù)報(bào)最好的年份都是1998年，預(yù)報(bào)最差的年份分別是1980年和2009年。
2019, 47(5):795-808.
摘要:
利用地面、高空觀測(cè)資料、衛(wèi)星和多普勒雷達(dá)資料、ERAInterim再分析資料，對(duì)2012年8月17日(12〖DK〗·08)和2017年7月16日(17〖DK〗·07)四川盆地西部?jī)纱闻瘏^(qū)暴雨過(guò)程的環(huán)境條件、中尺度對(duì)流系統(tǒng)、雷達(dá)回波特征和動(dòng)力抬升條件等預(yù)報(bào)著眼點(diǎn)進(jìn)行了對(duì)比分析。結(jié)果表明：兩次過(guò)程均出現(xiàn)在低層偏南暖濕氣流和地面熱低壓之中，12〖DK〗·08暴雨發(fā)生在副高邊緣，水汽輸送條件更好，對(duì)流持續(xù)時(shí)間更長(zhǎng)，17〖DK〗·07暴雨發(fā)生在高空低渦切變后部，高層冷平流使得位勢(shì)不穩(wěn)定更強(qiáng)，對(duì)流強(qiáng)度更劇烈；12〖DK〗·08暴雨中尺度對(duì)流系統(tǒng)沿副高外圍自南向北緩慢移動(dòng)，具有明顯列車(chē)效應(yīng)，其強(qiáng)回波質(zhì)心高度較低，屬于積狀云為主的混合性降水，17〖DK〗·07暴雨中尺度對(duì)流系統(tǒng)在高空低渦后部偏北氣流引導(dǎo)下自北向南快速移動(dòng)，其強(qiáng)回波質(zhì)心高度較高，屬于積狀云降水；地面輻合線為對(duì)流的發(fā)生發(fā)展提供了較好的動(dòng)力觸發(fā)條件，兩次過(guò)程強(qiáng)降水均隨著地面輻合線的生成而發(fā)生，且強(qiáng)降水中心出現(xiàn)在中尺度輻合線附近，并隨著輻合線而移動(dòng)。
利用地面、高空觀測(cè)資料、衛(wèi)星和多普勒雷達(dá)資料、ERAInterim再分析資料，對(duì)2012年8月17日(12〖DK〗·08)和2017年7月16日(17〖DK〗·07)四川盆地西部?jī)纱闻瘏^(qū)暴雨過(guò)程的環(huán)境條件、中尺度對(duì)流系統(tǒng)、雷達(dá)回波特征和動(dòng)力抬升條件等預(yù)報(bào)著眼點(diǎn)進(jìn)行了對(duì)比分析。結(jié)果表明：兩次過(guò)程均出現(xiàn)在低層偏南暖濕氣流和地面熱低壓之中，12〖DK〗·08暴雨發(fā)生在副高邊緣，水汽輸送條件更好，對(duì)流持續(xù)時(shí)間更長(zhǎng)，17〖DK〗·07暴雨發(fā)生在高空低渦切變后部，高層冷平流使得位勢(shì)不穩(wěn)定更強(qiáng)，對(duì)流強(qiáng)度更劇烈；12〖DK〗·08暴雨中尺度對(duì)流系統(tǒng)沿副高外圍自南向北緩慢移動(dòng)，具有明顯列車(chē)效應(yīng)，其強(qiáng)回波質(zhì)心高度較低，屬于積狀云為主的混合性降水，17〖DK〗·07暴雨中尺度對(duì)流系統(tǒng)在高空低渦后部偏北氣流引導(dǎo)下自北向南快速移動(dòng)，其強(qiáng)回波質(zhì)心高度較高，屬于積狀云降水；地面輻合線為對(duì)流的發(fā)生發(fā)展提供了較好的動(dòng)力觸發(fā)條件，兩次過(guò)程強(qiáng)降水均隨著地面輻合線的生成而發(fā)生，且強(qiáng)降水中心出現(xiàn)在中尺度輻合線附近，并隨著輻合線而移動(dòng)。
2019, 47(5):809-817.
摘要:
應(yīng)用常規(guī)觀測(cè)資料、污染物濃度資料和NCEP 1°×1°再分析資料從環(huán)流形勢(shì)、邊界層特征和擴(kuò)散條件等方面對(duì)2013年和2016年兩次持續(xù)性霾重污染過(guò)程進(jìn)行對(duì)比分析。結(jié)果表明：①2013年過(guò)程和2016年過(guò)程在500 hPa高空上分別為阻塞環(huán)流型和緯向環(huán)流型，關(guān)中地區(qū)受偏西氣流影響、地面氣壓場(chǎng)較弱、大氣層結(jié)均比較穩(wěn)定；②2013年過(guò)程西安貼地逆溫層頂高度低、相對(duì)濕度大、氣溫低、不利于大氣垂直湍流交換，污染物容易堆積，這也是2013年過(guò)程比2016年過(guò)程重污染持續(xù)時(shí)間長(zhǎng)、污染濃度高的原因之一；③兩次過(guò)程西安平均風(fēng)速均小于2 m/s，具有顯著的低風(fēng)速特征，且東北風(fēng)為其主導(dǎo)風(fēng)向。持續(xù)東北風(fēng)引起上游污染傳輸和低風(fēng)速導(dǎo)致的本地污染累積是造成2013年過(guò)程污染濃度更高的重要因素；④2013年過(guò)程結(jié)束是受強(qiáng)冷空氣影響，來(lái)自高空的干潔大氣下沉到地面，置換了邊界層的污染空氣，使空氣質(zhì)量得到根本改善；而2016年過(guò)程是受高原槽東移影響，雨雪天氣的沉降作用使得霾消散。
應(yīng)用常規(guī)觀測(cè)資料、污染物濃度資料和NCEP 1°×1°再分析資料從環(huán)流形勢(shì)、邊界層特征和擴(kuò)散條件等方面對(duì)2013年和2016年兩次持續(xù)性霾重污染過(guò)程進(jìn)行對(duì)比分析。結(jié)果表明：①2013年過(guò)程和2016年過(guò)程在500 hPa高空上分別為阻塞環(huán)流型和緯向環(huán)流型，關(guān)中地區(qū)受偏西氣流影響、地面氣壓場(chǎng)較弱、大氣層結(jié)均比較穩(wěn)定；②2013年過(guò)程西安貼地逆溫層頂高度低、相對(duì)濕度大、氣溫低、不利于大氣垂直湍流交換，污染物容易堆積，這也是2013年過(guò)程比2016年過(guò)程重污染持續(xù)時(shí)間長(zhǎng)、污染濃度高的原因之一；③兩次過(guò)程西安平均風(fēng)速均小于2 m/s，具有顯著的低風(fēng)速特征，且東北風(fēng)為其主導(dǎo)風(fēng)向。持續(xù)東北風(fēng)引起上游污染傳輸和低風(fēng)速導(dǎo)致的本地污染累積是造成2013年過(guò)程污染濃度更高的重要因素；④2013年過(guò)程結(jié)束是受強(qiáng)冷空氣影響，來(lái)自高空的干潔大氣下沉到地面，置換了邊界層的污染空氣，使空氣質(zhì)量得到根本改善；而2016年過(guò)程是受高原槽東移影響，雨雪天氣的沉降作用使得霾消散。
2019, 47(5):818-829.
摘要:
利用常規(guī)氣象觀測(cè)資料和ECMWF再分析資料，對(duì)2013年5月26—27日（簡(jiǎn)稱(chēng)“05〖DK〗·26”過(guò)程）和2014年5月10—11日（簡(jiǎn)稱(chēng)“05〖DK〗·10”過(guò)程）青島的兩次氣旋暴雨過(guò)程進(jìn)行對(duì)比分析。結(jié)果表明：“05〖DK〗·26”過(guò)程強(qiáng)降水開(kāi)始前850 hPa相對(duì)濕度大，降水持續(xù)時(shí)間長(zhǎng)，“05〖DK〗·10”過(guò)程強(qiáng)降水開(kāi)始前850 hPa相對(duì)濕度小,且具有明顯的短時(shí)強(qiáng)降水的特征。較好的低層風(fēng)速、濕度條件，持續(xù)較長(zhǎng)的上升運(yùn)動(dòng)以及源源不斷的水汽輸送是“05〖DK〗·26”過(guò)程降水時(shí)間長(zhǎng)，累計(jì)雨量大的主要原因。地面輻合線的觸發(fā)作用以及強(qiáng)的垂直上升速度則是“05〖DK〗·10”過(guò)程產(chǎn)生短時(shí)強(qiáng)降水的有利條件。
利用常規(guī)氣象觀測(cè)資料和ECMWF再分析資料，對(duì)2013年5月26—27日（簡(jiǎn)稱(chēng)“05〖DK〗·26”過(guò)程）和2014年5月10—11日（簡(jiǎn)稱(chēng)“05〖DK〗·10”過(guò)程）青島的兩次氣旋暴雨過(guò)程進(jìn)行對(duì)比分析。結(jié)果表明：“05〖DK〗·26”過(guò)程強(qiáng)降水開(kāi)始前850 hPa相對(duì)濕度大，降水持續(xù)時(shí)間長(zhǎng)，“05〖DK〗·10”過(guò)程強(qiáng)降水開(kāi)始前850 hPa相對(duì)濕度小,且具有明顯的短時(shí)強(qiáng)降水的特征。較好的低層風(fēng)速、濕度條件，持續(xù)較長(zhǎng)的上升運(yùn)動(dòng)以及源源不斷的水汽輸送是“05〖DK〗·26”過(guò)程降水時(shí)間長(zhǎng)，累計(jì)雨量大的主要原因。地面輻合線的觸發(fā)作用以及強(qiáng)的垂直上升速度則是“05〖DK〗·10”過(guò)程產(chǎn)生短時(shí)強(qiáng)降水的有利條件。
2019, 47(5):830-840.
摘要:
利用常規(guī)觀測(cè)資料、地面加密自動(dòng)站、多普勒雷達(dá)等多種觀測(cè)資料和高分辨率分析場(chǎng)資料，對(duì)2018年7月15—18日北京地區(qū)特大暴雨過(guò)程的降水時(shí)空演化規(guī)律、成因以及極端性進(jìn)行了初步分析。結(jié)果表明:此次過(guò)程有3股明顯降水“波峰”，是典型的強(qiáng)度大、時(shí)間長(zhǎng)、效率高的華北暖區(qū)降水。①具有典型華北暴雨環(huán)流形勢(shì)，高層輻散，中層位于副高邊緣、緩慢東移的低槽前端，配合低層急流輻合及高溫高濕條件。②此次暴雨過(guò)程有一定環(huán)流形勢(shì)和物理量極端性，包括副高異常偏強(qiáng)偏北，低層較強(qiáng)的西南氣流、暴雨區(qū)上游異常偏強(qiáng)的能量和水汽以及異常偏北的熱帶輻合帶(CITZ)。③本地具有一定對(duì)流潛勢(shì)，配合中低層西南氣流的劇烈溫濕輸送，及其在山前強(qiáng)迫抬升，并與夜間山風(fēng)形成地面輻合線，觸發(fā)對(duì)流；此次過(guò)程雷達(dá)回波的“列車(chē)效應(yīng)”和后向傳播現(xiàn)象明顯，回波具有低質(zhì)心的熱帶降水回波特點(diǎn)。
利用常規(guī)觀測(cè)資料、地面加密自動(dòng)站、多普勒雷達(dá)等多種觀測(cè)資料和高分辨率分析場(chǎng)資料，對(duì)2018年7月15—18日北京地區(qū)特大暴雨過(guò)程的降水時(shí)空演化規(guī)律、成因以及極端性進(jìn)行了初步分析。結(jié)果表明:此次過(guò)程有3股明顯降水“波峰”，是典型的強(qiáng)度大、時(shí)間長(zhǎng)、效率高的華北暖區(qū)降水。①具有典型華北暴雨環(huán)流形勢(shì)，高層輻散，中層位于副高邊緣、緩慢東移的低槽前端，配合低層急流輻合及高溫高濕條件。②此次暴雨過(guò)程有一定環(huán)流形勢(shì)和物理量極端性，包括副高異常偏強(qiáng)偏北，低層較強(qiáng)的西南氣流、暴雨區(qū)上游異常偏強(qiáng)的能量和水汽以及異常偏北的熱帶輻合帶(CITZ)。③本地具有一定對(duì)流潛勢(shì)，配合中低層西南氣流的劇烈溫濕輸送，及其在山前強(qiáng)迫抬升，并與夜間山風(fēng)形成地面輻合線，觸發(fā)對(duì)流；此次過(guò)程雷達(dá)回波的“列車(chē)效應(yīng)”和后向傳播現(xiàn)象明顯，回波具有低質(zhì)心的熱帶降水回波特點(diǎn)。
2019, 47(5):841-850.
摘要:
利用常規(guī)觀測(cè)資料、NCEP/NCAR(1°×1°)的逐 6 h再分析資料結(jié)合ARWWRF中尺度數(shù)值模式模擬結(jié)果對(duì)2018年6月20日發(fā)生在福建沿岸的一次颮線過(guò)程的發(fā)生發(fā)展機(jī)理進(jìn)行了分析，結(jié)果表明：①本次颮線過(guò)程屬于槽前型，對(duì)流層低層存在發(fā)展的低渦切變，切變南側(cè)有冷空氣南下，低空西南急流不明顯，但有持續(xù)的暖濕氣流輸送至福建中北部地區(qū)，颮線生成于低渦南側(cè)的沿岸附近。②颮線發(fā)展期間系統(tǒng)南側(cè)低層風(fēng)速不斷增大且維持高的水汽輸送和不穩(wěn)定能量；前期對(duì)流的觸發(fā)因子包括鋒面對(duì)流系統(tǒng)的冷出流、地形的抬升以及海風(fēng)鋒造成的冷堆強(qiáng)迫抬升；后期冷出流邊界與海風(fēng)鋒邊界碰撞合并，加強(qiáng)了低層輻合促進(jìn)了對(duì)流的發(fā)展，是颮線形成的主要原因。③颮線成熟時(shí)期地面存在中高壓和尾流低壓，高壓后部為強(qiáng)烈的輻散區(qū)，風(fēng)速較大；成熟時(shí)期內(nèi)部存在兩支氣流，前向入流為低層暖濕氣流在颮線前方流入并在對(duì)流云區(qū)被抬升，后向入流為中層干冷空氣在颮線后方流入，在低層形成下沉運(yùn)動(dòng)，是地面大風(fēng)形成的重要原因之一。
利用常規(guī)觀測(cè)資料、NCEP/NCAR(1°×1°)的逐 6 h再分析資料結(jié)合ARWWRF中尺度數(shù)值模式模擬結(jié)果對(duì)2018年6月20日發(fā)生在福建沿岸的一次颮線過(guò)程的發(fā)生發(fā)展機(jī)理進(jìn)行了分析，結(jié)果表明：①本次颮線過(guò)程屬于槽前型，對(duì)流層低層存在發(fā)展的低渦切變，切變南側(cè)有冷空氣南下，低空西南急流不明顯，但有持續(xù)的暖濕氣流輸送至福建中北部地區(qū)，颮線生成于低渦南側(cè)的沿岸附近。②颮線發(fā)展期間系統(tǒng)南側(cè)低層風(fēng)速不斷增大且維持高的水汽輸送和不穩(wěn)定能量；前期對(duì)流的觸發(fā)因子包括鋒面對(duì)流系統(tǒng)的冷出流、地形的抬升以及海風(fēng)鋒造成的冷堆強(qiáng)迫抬升；后期冷出流邊界與海風(fēng)鋒邊界碰撞合并，加強(qiáng)了低層輻合促進(jìn)了對(duì)流的發(fā)展，是颮線形成的主要原因。③颮線成熟時(shí)期地面存在中高壓和尾流低壓，高壓后部為強(qiáng)烈的輻散區(qū)，風(fēng)速較大；成熟時(shí)期內(nèi)部存在兩支氣流，前向入流為低層暖濕氣流在颮線前方流入并在對(duì)流云區(qū)被抬升，后向入流為中層干冷空氣在颮線后方流入，在低層形成下沉運(yùn)動(dòng)，是地面大風(fēng)形成的重要原因之一。
2019, 47(5):851-858.
摘要:
利用常規(guī)資料、區(qū)域自動(dòng)站加密資料、探空資料、GFS 0.25°×0.25°逐6 h的分析場(chǎng)數(shù)據(jù)和SB多普勒天氣雷達(dá)資料對(duì)2018年5月18日發(fā)生在浙中地區(qū)的一次強(qiáng)對(duì)流天氣過(guò)程進(jìn)行分析。結(jié)果表明：此次過(guò)程產(chǎn)生了脈沖風(fēng)暴、中等到強(qiáng)多單體風(fēng)暴和颮線這3種風(fēng)暴類(lèi)型，分別出現(xiàn)冰雹、大范圍強(qiáng)降水和雷雨大風(fēng)等強(qiáng)天氣。3種風(fēng)暴的雷達(dá)回波在回波形態(tài)、強(qiáng)度、垂直結(jié)構(gòu)、平均徑向速度、垂直累積液態(tài)水含量VIL等特征如下：①脈沖風(fēng)暴呈塊狀，初始回波高度在6～9 km，強(qiáng)回波所在高度在-10 ℃等溫線附近，強(qiáng)回波值達(dá)60 dBz以上，VIL值出現(xiàn)躍升且最大值在50 kg〖DK〗·m-2以上，冰雹出現(xiàn)在反射率因子核和VIL值迅速下降之后；②中等到強(qiáng)多單體風(fēng)暴呈帶狀，大降水效率和“列車(chē)效應(yīng)”是發(fā)生大范圍強(qiáng)降水的主要原因，雷雨大風(fēng)天氣則與反射率因子核迅速下降、MARC、低層強(qiáng)輻散區(qū)有關(guān)；③颮線呈弓形回波形態(tài)，移速快，引起了大范圍的雷雨大風(fēng)天氣。此次過(guò)程影響系統(tǒng)多，天氣復(fù)雜，存在較大預(yù)報(bào)難點(diǎn)，在短時(shí)臨近預(yù)報(bào)技術(shù)研究上有重要借鑒意義。
利用常規(guī)資料、區(qū)域自動(dòng)站加密資料、探空資料、GFS 0.25°×0.25°逐6 h的分析場(chǎng)數(shù)據(jù)和SB多普勒天氣雷達(dá)資料對(duì)2018年5月18日發(fā)生在浙中地區(qū)的一次強(qiáng)對(duì)流天氣過(guò)程進(jìn)行分析。結(jié)果表明：此次過(guò)程產(chǎn)生了脈沖風(fēng)暴、中等到強(qiáng)多單體風(fēng)暴和颮線這3種風(fēng)暴類(lèi)型，分別出現(xiàn)冰雹、大范圍強(qiáng)降水和雷雨大風(fēng)等強(qiáng)天氣。3種風(fēng)暴的雷達(dá)回波在回波形態(tài)、強(qiáng)度、垂直結(jié)構(gòu)、平均徑向速度、垂直累積液態(tài)水含量VIL等特征如下：①脈沖風(fēng)暴呈塊狀，初始回波高度在6～9 km，強(qiáng)回波所在高度在-10 ℃等溫線附近，強(qiáng)回波值達(dá)60 dBz以上，VIL值出現(xiàn)躍升且最大值在50 kg〖DK〗·m-2以上，冰雹出現(xiàn)在反射率因子核和VIL值迅速下降之后；②中等到強(qiáng)多單體風(fēng)暴呈帶狀，大降水效率和“列車(chē)效應(yīng)”是發(fā)生大范圍強(qiáng)降水的主要原因，雷雨大風(fēng)天氣則與反射率因子核迅速下降、MARC、低層強(qiáng)輻散區(qū)有關(guān)；③颮線呈弓形回波形態(tài)，移速快，引起了大范圍的雷雨大風(fēng)天氣。此次過(guò)程影響系統(tǒng)多，天氣復(fù)雜，存在較大預(yù)報(bào)難點(diǎn)，在短時(shí)臨近預(yù)報(bào)技術(shù)研究上有重要借鑒意義。
2019, 47(5):859-865.
摘要:
采用重慶市34個(gè)地面觀測(cè)站1981—2017年的降水觀測(cè)資料，以及2005—2017年逐時(shí)雨量資料，分析了重慶地區(qū)暴雨的空間分布及日變化特征。結(jié)果表明：開(kāi)州、酉陽(yáng)、北碚為重慶的暴雨中心，開(kāi)州年均暴雨日數(shù)最多達(dá)6.2 d。榮昌、渝北、梁平、開(kāi)州、彭水、酉陽(yáng)等地大暴雨出現(xiàn)頻率較高，南川、萬(wàn)盛大暴雨相對(duì)較少。暴雨平均雨量大值區(qū)分布在主城區(qū)、西部、東北部，西南部暴雨平均雨量較低。重慶地區(qū)的暴雨在不同時(shí)段主要影響區(qū)域不同。銅梁、合川、北碚等站點(diǎn)的暴雨夜間降雨量占比75%以上。代表站夜間平均降雨強(qiáng)度大于白天，大足、沙坪壩、涪陵降雨主要集中在22:00至次日04:00，酉陽(yáng)03:00—06:00降雨強(qiáng)度較大。小時(shí)降雨量≥20 mm暴雨日出現(xiàn)頻率較高的時(shí)段在00:00—06:00和13:00—18:00。
采用重慶市34個(gè)地面觀測(cè)站1981—2017年的降水觀測(cè)資料，以及2005—2017年逐時(shí)雨量資料，分析了重慶地區(qū)暴雨的空間分布及日變化特征。結(jié)果表明：開(kāi)州、酉陽(yáng)、北碚為重慶的暴雨中心，開(kāi)州年均暴雨日數(shù)最多達(dá)6.2 d。榮昌、渝北、梁平、開(kāi)州、彭水、酉陽(yáng)等地大暴雨出現(xiàn)頻率較高，南川、萬(wàn)盛大暴雨相對(duì)較少。暴雨平均雨量大值區(qū)分布在主城區(qū)、西部、東北部，西南部暴雨平均雨量較低。重慶地區(qū)的暴雨在不同時(shí)段主要影響區(qū)域不同。銅梁、合川、北碚等站點(diǎn)的暴雨夜間降雨量占比75%以上。代表站夜間平均降雨強(qiáng)度大于白天，大足、沙坪壩、涪陵降雨主要集中在22:00至次日04:00，酉陽(yáng)03:00—06:00降雨強(qiáng)度較大。小時(shí)降雨量≥20 mm暴雨日出現(xiàn)頻率較高的時(shí)段在00:00—06:00和13:00—18:00。
2019, 47(5):866-871.
摘要:
采用2011—2016年合肥地區(qū)高時(shí)空分辨率的能見(jiàn)度觀測(cè)數(shù)據(jù)，分析能見(jiàn)度空間分布特征及大霧生消過(guò)程中的能見(jiàn)度變化特點(diǎn)。結(jié)果表明：能見(jiàn)度多呈現(xiàn)正態(tài)分布且分布相對(duì)均勻，有霧時(shí)正態(tài)分布比例明顯下降，非均勻性明顯增加；大霧過(guò)程中平均能見(jiàn)度變化趨勢(shì)較為穩(wěn)定有利于臨近預(yù)報(bào)，而空間最低能見(jiàn)度對(duì)臨近預(yù)報(bào)有指示意義；大霧過(guò)程中空間變差系數(shù)多有明顯增加，大霧開(kāi)始形成和消散階段空間差異性較大；歷史回算表明，利用高密度能見(jiàn)度數(shù)據(jù)的空間分布和趨勢(shì)外推，較實(shí)際預(yù)警發(fā)布時(shí)間平均提前約1.9 h。
采用2011—2016年合肥地區(qū)高時(shí)空分辨率的能見(jiàn)度觀測(cè)數(shù)據(jù)，分析能見(jiàn)度空間分布特征及大霧生消過(guò)程中的能見(jiàn)度變化特點(diǎn)。結(jié)果表明：能見(jiàn)度多呈現(xiàn)正態(tài)分布且分布相對(duì)均勻，有霧時(shí)正態(tài)分布比例明顯下降，非均勻性明顯增加；大霧過(guò)程中平均能見(jiàn)度變化趨勢(shì)較為穩(wěn)定有利于臨近預(yù)報(bào)，而空間最低能見(jiàn)度對(duì)臨近預(yù)報(bào)有指示意義；大霧過(guò)程中空間變差系數(shù)多有明顯增加，大霧開(kāi)始形成和消散階段空間差異性較大；歷史回算表明，利用高密度能見(jiàn)度數(shù)據(jù)的空間分布和趨勢(shì)外推，較實(shí)際預(yù)警發(fā)布時(shí)間平均提前約1.9 h。
2019, 47(5):872-878.
摘要:
利用2012—2018年鴨梨花芽發(fā)育實(shí)景觀測(cè)照片，精準(zhǔn)判定每個(gè)鴨梨花芽發(fā)育物候期節(jié)點(diǎn)發(fā)生時(shí)間，以此為依據(jù)統(tǒng)計(jì)鴨梨花芽每個(gè)發(fā)育物候期的氣象要素?cái)?shù)據(jù),以物候期為單位分析氣象影響因子對(duì)花芽發(fā)育過(guò)程的影響。研究表明：溫度在鴨梨花芽發(fā)育各階段起主導(dǎo)作用，篩選出鴨梨花芽萌發(fā)到始花、開(kāi)綻到始花、露蕾到始花3個(gè)時(shí)段日平均氣溫≥0 ℃活動(dòng)積溫和≥3 ℃有效積溫，作為制作鴨梨始花期預(yù)報(bào)的積溫指標(biāo)計(jì)算鴨梨開(kāi)花日期，得到“積溫對(duì)比預(yù)報(bào)法”；經(jīng)2016—2018年應(yīng)用檢驗(yàn)：預(yù)報(bào)時(shí)效10～12 d時(shí)預(yù)報(bào)結(jié)果與鴨梨開(kāi)花實(shí)況誤差在1～2 d以內(nèi)，預(yù)報(bào)時(shí)效7 d時(shí)預(yù)報(bào)結(jié)果與鴨梨開(kāi)花實(shí)況完全吻合。本研究克服了傳統(tǒng)植物花期預(yù)報(bào)研究因花前物候資料匱乏、不能進(jìn)行花前發(fā)育期分析的缺陷，并把“中長(zhǎng)期天氣預(yù)報(bào)產(chǎn)品”引入了花期預(yù)報(bào)方法的使用，為植物花期預(yù)報(bào)研究方法提供了新思路。
利用2012—2018年鴨梨花芽發(fā)育實(shí)景觀測(cè)照片，精準(zhǔn)判定每個(gè)鴨梨花芽發(fā)育物候期節(jié)點(diǎn)發(fā)生時(shí)間，以此為依據(jù)統(tǒng)計(jì)鴨梨花芽每個(gè)發(fā)育物候期的氣象要素?cái)?shù)據(jù),以物候期為單位分析氣象影響因子對(duì)花芽發(fā)育過(guò)程的影響。研究表明：溫度在鴨梨花芽發(fā)育各階段起主導(dǎo)作用，篩選出鴨梨花芽萌發(fā)到始花、開(kāi)綻到始花、露蕾到始花3個(gè)時(shí)段日平均氣溫≥0 ℃活動(dòng)積溫和≥3 ℃有效積溫，作為制作鴨梨始花期預(yù)報(bào)的積溫指標(biāo)計(jì)算鴨梨開(kāi)花日期，得到“積溫對(duì)比預(yù)報(bào)法”；經(jīng)2016—2018年應(yīng)用檢驗(yàn)：預(yù)報(bào)時(shí)效10～12 d時(shí)預(yù)報(bào)結(jié)果與鴨梨開(kāi)花實(shí)況誤差在1～2 d以內(nèi)，預(yù)報(bào)時(shí)效7 d時(shí)預(yù)報(bào)結(jié)果與鴨梨開(kāi)花實(shí)況完全吻合。本研究克服了傳統(tǒng)植物花期預(yù)報(bào)研究因花前物候資料匱乏、不能進(jìn)行花前發(fā)育期分析的缺陷，并把“中長(zhǎng)期天氣預(yù)報(bào)產(chǎn)品”引入了花期預(yù)報(bào)方法的使用，為植物花期預(yù)報(bào)研究方法提供了新思路。
2019, 47(5):879-884.
摘要:
利用廣東省廣州市2017年1月1日至5月30日的大風(fēng)信息和災(zāi)情數(shù)據(jù)，分析了大城市位置微博的時(shí)空特征，在此基礎(chǔ)上采用關(guān)鍵詞語(yǔ)意分析、風(fēng)險(xiǎn)等級(jí)映射、災(zāi)情權(quán)重值結(jié)合GIS熱點(diǎn)分析的方法構(gòu)建基于位置微博的大風(fēng)信息提取架構(gòu)，實(shí)現(xiàn)大風(fēng)信息的提取，并利用個(gè)例進(jìn)行驗(yàn)證。研究表明：本文提出基于位置微博的大風(fēng)信息提取架構(gòu)，對(duì)收集大風(fēng)信息和災(zāi)情具有一定的實(shí)用價(jià)值。而位置微博信息本身具有及時(shí)性強(qiáng)、成本低、數(shù)據(jù)量大的優(yōu)勢(shì)，能作為一種大風(fēng)信息提取的有效補(bǔ)充手段。
利用廣東省廣州市2017年1月1日至5月30日的大風(fēng)信息和災(zāi)情數(shù)據(jù)，分析了大城市位置微博的時(shí)空特征，在此基礎(chǔ)上采用關(guān)鍵詞語(yǔ)意分析、風(fēng)險(xiǎn)等級(jí)映射、災(zāi)情權(quán)重值結(jié)合GIS熱點(diǎn)分析的方法構(gòu)建基于位置微博的大風(fēng)信息提取架構(gòu)，實(shí)現(xiàn)大風(fēng)信息的提取，并利用個(gè)例進(jìn)行驗(yàn)證。研究表明：本文提出基于位置微博的大風(fēng)信息提取架構(gòu)，對(duì)收集大風(fēng)信息和災(zāi)情具有一定的實(shí)用價(jià)值。而位置微博信息本身具有及時(shí)性強(qiáng)、成本低、數(shù)據(jù)量大的優(yōu)勢(shì)，能作為一種大風(fēng)信息提取的有效補(bǔ)充手段。
友情鏈接《氣象學(xué)報(bào)》《應(yīng)用氣象學(xué)報(bào)》《氣象》《氣象科學(xué)》中國(guó)氣象局中國(guó)氣象局氣象探測(cè)中心中國(guó)氣象科學(xué)研究院北京市氣象局國(guó)家衛(wèi)星氣象中心及國(guó)家氣象信息中心
您是第位訪問(wèn)者
技術(shù)支持：北京勤云科技發(fā)展有限公司
技術(shù)支持：北京勤云科技發(fā)展有限公司