2020年第48卷第5期文章目次
2020, 48(5):615-621.
摘要:
針對(duì)高效智能的決策氣象服務(wù)需求及海量氣象數(shù)據(jù)在移動(dòng)端應(yīng)用瓶頸, 國(guó)家氣象中心氣象大數(shù)據(jù)處理及網(wǎng)絡(luò)應(yīng)用團(tuán)隊(duì)設(shè)計(jì)研發(fā)了中央氣象臺(tái)決策氣象服務(wù)移動(dòng)平臺(tái)，本文介紹了該平臺(tái)服務(wù)器和移動(dòng)終端總體結(jié)構(gòu)，及其在氣象實(shí)況監(jiān)測(cè)、基于位置服務(wù)的精細(xì)化網(wǎng)格預(yù)報(bào)、預(yù)報(bào)預(yù)警、決策服務(wù)產(chǎn)品快速推送、災(zāi)害性天氣智能提醒等方面的功能特點(diǎn)，并通過分布式實(shí)時(shí)計(jì)算處理框架、HTML5和移動(dòng)GIS等關(guān)鍵技術(shù)實(shí)現(xiàn)了對(duì)海量氣象數(shù)據(jù)高效處理計(jì)算、移動(dòng)網(wǎng)絡(luò)傳輸、網(wǎng)絡(luò)服務(wù)、移動(dòng)端實(shí)時(shí)渲染和交互操作等。該平臺(tái)在國(guó)家、省級(jí)決策氣象服務(wù)業(yè)務(wù)應(yīng)用中運(yùn)行穩(wěn)定，在臺(tái)風(fēng)登陸、暴雨災(zāi)害、重大活動(dòng)等氣象服務(wù)保障中發(fā)揮了重要作用，為決策氣象服務(wù)人員提供了基于位置服務(wù)的氣象實(shí)況、預(yù)報(bào)預(yù)警、決策服務(wù)產(chǎn)品推送、災(zāi)害性天氣智能提醒等綜合服務(wù)功能，對(duì)建設(shè)智慧型氣象服務(wù)系統(tǒng)具有重要意義。
針對(duì)高效智能的決策氣象服務(wù)需求及海量氣象數(shù)據(jù)在移動(dòng)端應(yīng)用瓶頸, 國(guó)家氣象中心氣象大數(shù)據(jù)處理及網(wǎng)絡(luò)應(yīng)用團(tuán)隊(duì)設(shè)計(jì)研發(fā)了中央氣象臺(tái)決策氣象服務(wù)移動(dòng)平臺(tái)，本文介紹了該平臺(tái)服務(wù)器和移動(dòng)終端總體結(jié)構(gòu)，及其在氣象實(shí)況監(jiān)測(cè)、基于位置服務(wù)的精細(xì)化網(wǎng)格預(yù)報(bào)、預(yù)報(bào)預(yù)警、決策服務(wù)產(chǎn)品快速推送、災(zāi)害性天氣智能提醒等方面的功能特點(diǎn)，并通過分布式實(shí)時(shí)計(jì)算處理框架、HTML5和移動(dòng)GIS等關(guān)鍵技術(shù)實(shí)現(xiàn)了對(duì)海量氣象數(shù)據(jù)高效處理計(jì)算、移動(dòng)網(wǎng)絡(luò)傳輸、網(wǎng)絡(luò)服務(wù)、移動(dòng)端實(shí)時(shí)渲染和交互操作等。該平臺(tái)在國(guó)家、省級(jí)決策氣象服務(wù)業(yè)務(wù)應(yīng)用中運(yùn)行穩(wěn)定，在臺(tái)風(fēng)登陸、暴雨災(zāi)害、重大活動(dòng)等氣象服務(wù)保障中發(fā)揮了重要作用，為決策氣象服務(wù)人員提供了基于位置服務(wù)的氣象實(shí)況、預(yù)報(bào)預(yù)警、決策服務(wù)產(chǎn)品推送、災(zāi)害性天氣智能提醒等綜合服務(wù)功能，對(duì)建設(shè)智慧型氣象服務(wù)系統(tǒng)具有重要意義。
2020, 48(5):622-629.
摘要:
選取2016年1—12月GPM(Global Precipitation Measurement)衛(wèi)星的IMERG月尺度降水?dāng)?shù)據(jù)為研究對(duì)象，以同時(shí)期的氣象站點(diǎn)實(shí)測(cè)降水?dāng)?shù)據(jù)為參考，利用相關(guān)系數(shù)、標(biāo)準(zhǔn)偏差、相對(duì)誤差等多種統(tǒng)計(jì)分析指標(biāo)對(duì)其在沿海地區(qū)估測(cè)能力進(jìn)行評(píng)價(jià)。結(jié)果表明：IMERG月尺度降水量與站點(diǎn)實(shí)測(cè)降水?dāng)?shù)據(jù)相關(guān)性較好，IMERG估測(cè)的降水與氣象站點(diǎn)實(shí)測(cè)降水量的時(shí)空變化規(guī)律也較為一致，但是量化到具體數(shù)值而言，其對(duì)山區(qū)、海島站的估測(cè)能力不及地勢(shì)平坦的區(qū)域；同時(shí)，選取降水個(gè)例對(duì)IMERG日尺度和半小時(shí)尺度降水?dāng)?shù)據(jù)的分析表明，日尺度IMERG估測(cè)的不同等級(jí)降水量也存在偏差，半小時(shí)尺度IMERG降水?dāng)?shù)據(jù)對(duì)海島站的降水估測(cè)偏高。總體而言，IMERG降水?dāng)?shù)據(jù)對(duì)降水的時(shí)間變化規(guī)律和空間分布格局估測(cè)較為合理，但是對(duì)山區(qū)、海島地區(qū)，其降水估測(cè)值還存在偏差，在今后應(yīng)用中需結(jié)合地形特征加以合理利用。
選取2016年1—12月GPM(Global Precipitation Measurement)衛(wèi)星的IMERG月尺度降水?dāng)?shù)據(jù)為研究對(duì)象，以同時(shí)期的氣象站點(diǎn)實(shí)測(cè)降水?dāng)?shù)據(jù)為參考，利用相關(guān)系數(shù)、標(biāo)準(zhǔn)偏差、相對(duì)誤差等多種統(tǒng)計(jì)分析指標(biāo)對(duì)其在沿海地區(qū)估測(cè)能力進(jìn)行評(píng)價(jià)。結(jié)果表明：IMERG月尺度降水量與站點(diǎn)實(shí)測(cè)降水?dāng)?shù)據(jù)相關(guān)性較好，IMERG估測(cè)的降水與氣象站點(diǎn)實(shí)測(cè)降水量的時(shí)空變化規(guī)律也較為一致，但是量化到具體數(shù)值而言，其對(duì)山區(qū)、海島站的估測(cè)能力不及地勢(shì)平坦的區(qū)域；同時(shí)，選取降水個(gè)例對(duì)IMERG日尺度和半小時(shí)尺度降水?dāng)?shù)據(jù)的分析表明，日尺度IMERG估測(cè)的不同等級(jí)降水量也存在偏差，半小時(shí)尺度IMERG降水?dāng)?shù)據(jù)對(duì)海島站的降水估測(cè)偏高。總體而言，IMERG降水?dāng)?shù)據(jù)對(duì)降水的時(shí)間變化規(guī)律和空間分布格局估測(cè)較為合理，但是對(duì)山區(qū)、海島地區(qū)，其降水估測(cè)值還存在偏差，在今后應(yīng)用中需結(jié)合地形特征加以合理利用。
2020, 48(5):630-634.
摘要:
風(fēng)云四號(hào)靜止氣象衛(wèi)星（FY4）地面測(cè)距系統(tǒng)用于獲得分布在不同地方的5個(gè)地面站到衛(wèi)星的精確距離，進(jìn)而利用得到的距離數(shù)據(jù)確定并預(yù)報(bào)衛(wèi)星的軌道和位置，所以測(cè)距精度是影響衛(wèi)星軌道和位置確定精度的主要因素。本文根據(jù)測(cè)距系統(tǒng)工作的原理及過程，分析影響測(cè)距精度的誤差來源，從測(cè)距體制、站址坐標(biāo)測(cè)量、地面設(shè)備時(shí)延測(cè)量、轉(zhuǎn)發(fā)器時(shí)延測(cè)量、大氣傳輸時(shí)延測(cè)量和各站時(shí)間同步幾個(gè)方面分析了風(fēng)云四號(hào)測(cè)距系統(tǒng)為了提高測(cè)距精度采取的相應(yīng)的技術(shù)手段。
風(fēng)云四號(hào)靜止氣象衛(wèi)星（FY4）地面測(cè)距系統(tǒng)用于獲得分布在不同地方的5個(gè)地面站到衛(wèi)星的精確距離，進(jìn)而利用得到的距離數(shù)據(jù)確定并預(yù)報(bào)衛(wèi)星的軌道和位置，所以測(cè)距精度是影響衛(wèi)星軌道和位置確定精度的主要因素。本文根據(jù)測(cè)距系統(tǒng)工作的原理及過程，分析影響測(cè)距精度的誤差來源，從測(cè)距體制、站址坐標(biāo)測(cè)量、地面設(shè)備時(shí)延測(cè)量、轉(zhuǎn)發(fā)器時(shí)延測(cè)量、大氣傳輸時(shí)延測(cè)量和各站時(shí)間同步幾個(gè)方面分析了風(fēng)云四號(hào)測(cè)距系統(tǒng)為了提高測(cè)距精度采取的相應(yīng)的技術(shù)手段。
2020, 48(5):635-639.
摘要:
基于SL31型雙翻斗雨量傳感器的結(jié)構(gòu)原理進(jìn)行測(cè)量誤差分析。根據(jù)傳感器翻斗承水量的不同，采用模擬降水試驗(yàn)的方法比對(duì)降水誤差，得到在大、小雨強(qiáng)（1 mm/min和4 mm/min）下計(jì)量10 mm降水量時(shí)的上翻斗與計(jì)量翻斗合適的比例關(guān)系，從而使得測(cè)量誤差最小且兩種雨強(qiáng)下測(cè)量誤差一致性最好。結(jié)果表明：10 mm降水計(jì)量，上翻斗與計(jì)量翻斗翻動(dòng)次數(shù)的比例關(guān)系為9∶10最合適。比例關(guān)系的確定為雙翻斗雨量傳感器的超差調(diào)整提供了技術(shù)參考和依據(jù)，為雨量觀測(cè)數(shù)據(jù)的準(zhǔn)確可靠提供了保障。
基于SL31型雙翻斗雨量傳感器的結(jié)構(gòu)原理進(jìn)行測(cè)量誤差分析。根據(jù)傳感器翻斗承水量的不同，采用模擬降水試驗(yàn)的方法比對(duì)降水誤差，得到在大、小雨強(qiáng)（1 mm/min和4 mm/min）下計(jì)量10 mm降水量時(shí)的上翻斗與計(jì)量翻斗合適的比例關(guān)系，從而使得測(cè)量誤差最小且兩種雨強(qiáng)下測(cè)量誤差一致性最好。結(jié)果表明：10 mm降水計(jì)量，上翻斗與計(jì)量翻斗翻動(dòng)次數(shù)的比例關(guān)系為9∶10最合適。比例關(guān)系的確定為雙翻斗雨量傳感器的超差調(diào)整提供了技術(shù)參考和依據(jù)，為雨量觀測(cè)數(shù)據(jù)的準(zhǔn)確可靠提供了保障。
2020, 48(5):640-647.
摘要:
為了提高農(nóng)業(yè)干旱的監(jiān)測(cè)預(yù)測(cè)服務(wù)能力，減少農(nóng)業(yè)干旱對(duì)社會(huì)生產(chǎn)生活的影響，通過對(duì)干旱信息的采集、存儲(chǔ)、加工處理和干旱產(chǎn)品的制作發(fā)布等環(huán)節(jié)進(jìn)行梳理與完善，構(gòu)建遼寧省農(nóng)業(yè)干旱監(jiān)測(cè)預(yù)報(bào)業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)了對(duì)農(nóng)業(yè)干旱的一體化、精細(xì)化和定量化監(jiān)測(cè)和預(yù)測(cè)，實(shí)現(xiàn)了干旱產(chǎn)品的標(biāo)準(zhǔn)化、自動(dòng)化制作和發(fā)布。該系統(tǒng)依托農(nóng)業(yè)干旱監(jiān)測(cè)技術(shù)、遙感干旱監(jiān)測(cè)技術(shù)、農(nóng)業(yè)干旱預(yù)報(bào)技術(shù)等手段，實(shí)現(xiàn)了觀測(cè)數(shù)據(jù)的收集存儲(chǔ)、干旱信息的展示分析和干旱產(chǎn)品的制作發(fā)布等功能，并形成了省、市、縣一體化干旱服務(wù)體系。最終實(shí)現(xiàn)對(duì)干旱的全方位監(jiān)測(cè)、立體化服務(wù)模式，從而提高應(yīng)對(duì)干旱災(zāi)害的防災(zāi)減災(zāi)能力。該系統(tǒng)的業(yè)務(wù)化應(yīng)用提高了農(nóng)業(yè)干旱監(jiān)測(cè)預(yù)測(cè)的定量化、自動(dòng)化和智能化水平，提升了地面和衛(wèi)星遙感干旱監(jiān)測(cè)預(yù)測(cè)的業(yè)務(wù)能力。該系統(tǒng)構(gòu)建的省市縣一體化服務(wù)模式，形成了省級(jí)農(nóng)業(yè)氣象業(yè)務(wù)中心統(tǒng)一制作干旱產(chǎn)品，省、市、縣3級(jí)同時(shí)開展精細(xì)化干旱指導(dǎo)服務(wù)的體系。
為了提高農(nóng)業(yè)干旱的監(jiān)測(cè)預(yù)測(cè)服務(wù)能力，減少農(nóng)業(yè)干旱對(duì)社會(huì)生產(chǎn)生活的影響，通過對(duì)干旱信息的采集、存儲(chǔ)、加工處理和干旱產(chǎn)品的制作發(fā)布等環(huán)節(jié)進(jìn)行梳理與完善，構(gòu)建遼寧省農(nóng)業(yè)干旱監(jiān)測(cè)預(yù)報(bào)業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)了對(duì)農(nóng)業(yè)干旱的一體化、精細(xì)化和定量化監(jiān)測(cè)和預(yù)測(cè)，實(shí)現(xiàn)了干旱產(chǎn)品的標(biāo)準(zhǔn)化、自動(dòng)化制作和發(fā)布。該系統(tǒng)依托農(nóng)業(yè)干旱監(jiān)測(cè)技術(shù)、遙感干旱監(jiān)測(cè)技術(shù)、農(nóng)業(yè)干旱預(yù)報(bào)技術(shù)等手段，實(shí)現(xiàn)了觀測(cè)數(shù)據(jù)的收集存儲(chǔ)、干旱信息的展示分析和干旱產(chǎn)品的制作發(fā)布等功能，并形成了省、市、縣一體化干旱服務(wù)體系。最終實(shí)現(xiàn)對(duì)干旱的全方位監(jiān)測(cè)、立體化服務(wù)模式，從而提高應(yīng)對(duì)干旱災(zāi)害的防災(zāi)減災(zāi)能力。該系統(tǒng)的業(yè)務(wù)化應(yīng)用提高了農(nóng)業(yè)干旱監(jiān)測(cè)預(yù)測(cè)的定量化、自動(dòng)化和智能化水平，提升了地面和衛(wèi)星遙感干旱監(jiān)測(cè)預(yù)測(cè)的業(yè)務(wù)能力。該系統(tǒng)構(gòu)建的省市縣一體化服務(wù)模式，形成了省級(jí)農(nóng)業(yè)氣象業(yè)務(wù)中心統(tǒng)一制作干旱產(chǎn)品，省、市、縣3級(jí)同時(shí)開展精細(xì)化干旱指導(dǎo)服務(wù)的體系。
2020, 48(5):648-654.
摘要:
圍繞著全域旅游氣象服務(wù)的需求，研究和設(shè)計(jì)了基于多源數(shù)據(jù)融入技術(shù)的全域旅游氣象服務(wù)系統(tǒng)模型，并根據(jù)該模型，融合海南省當(dāng)?shù)氐臍庀蟆⒌乩怼⒙糜巍⑸鷳B(tài)、經(jīng)濟(jì)、社會(huì)等多源數(shù)據(jù)，在微信上開發(fā)了“站點(diǎn)式景區(qū)道路天氣導(dǎo)航地圖”。通過一段時(shí)間的實(shí)際業(yè)務(wù)運(yùn)行，該系統(tǒng)能夠提供比較準(zhǔn)確的“衣、食、住、行、娛”綜合旅游信息，為游客的出游提供趨利避害的參考，提升了海南全域旅游氣象服務(wù)能力。同時(shí)，也發(fā)現(xiàn)了一些問題，需要進(jìn)一步完善和優(yōu)化。
圍繞著全域旅游氣象服務(wù)的需求，研究和設(shè)計(jì)了基于多源數(shù)據(jù)融入技術(shù)的全域旅游氣象服務(wù)系統(tǒng)模型，并根據(jù)該模型，融合海南省當(dāng)?shù)氐臍庀蟆⒌乩怼⒙糜巍⑸鷳B(tài)、經(jīng)濟(jì)、社會(huì)等多源數(shù)據(jù)，在微信上開發(fā)了“站點(diǎn)式景區(qū)道路天氣導(dǎo)航地圖”。通過一段時(shí)間的實(shí)際業(yè)務(wù)運(yùn)行，該系統(tǒng)能夠提供比較準(zhǔn)確的“衣、食、住、行、娛”綜合旅游信息，為游客的出游提供趨利避害的參考，提升了海南全域旅游氣象服務(wù)能力。同時(shí)，也發(fā)現(xiàn)了一些問題，需要進(jìn)一步完善和優(yōu)化。
2020, 48(5):655-663.
摘要:
重力波參數(shù)氣候特征是確定全球大氣模式中重力波參數(shù)化方案的一個(gè)重要環(huán)節(jié)，利用高垂直分辨率探空資料擾動(dòng)場(chǎng)是獲取重力波參數(shù)氣候特征的基礎(chǔ)數(shù)據(jù)和重要手段。目前，通常采用2～4階曲線擬合、帶通濾波方法獲取高垂直分辨率探空資料擾動(dòng)場(chǎng)，但針對(duì)不同方法之間的擾動(dòng)場(chǎng)差異特征研究較少，本文利用2～4階曲線擬合、帶通濾波方法(0.5～5.0 km)獲取2014—2017年太原地區(qū)(112.55°E,37.78°N)高垂直分辨率探空資料擾動(dòng)場(chǎng)，采用相關(guān)系數(shù)、LombScargle、不同區(qū)間范圍占有率方法進(jìn)行研究，結(jié)果表明：①不同方法之間的緯向風(fēng)擾動(dòng)場(chǎng)、經(jīng)向風(fēng)擾動(dòng)場(chǎng)、溫度擾動(dòng)場(chǎng)均存在較明顯差異，且相關(guān)性均較弱；②LombScargle分析表明，不同方法得到的平均緯向風(fēng)擾動(dòng)場(chǎng)、平均經(jīng)向風(fēng)擾動(dòng)場(chǎng)、平均溫度擾動(dòng)場(chǎng)顯著含有(通過90%置信檢驗(yàn))的垂直波長(zhǎng)均存在明顯差異；③不同方法得到的緯向風(fēng)擾動(dòng)場(chǎng)、經(jīng)向風(fēng)擾動(dòng)場(chǎng)、溫度擾動(dòng)場(chǎng)顯著含有的垂直波長(zhǎng)，在不同區(qū)間范圍內(nèi)的占有率均存在明顯差異。
重力波參數(shù)氣候特征是確定全球大氣模式中重力波參數(shù)化方案的一個(gè)重要環(huán)節(jié)，利用高垂直分辨率探空資料擾動(dòng)場(chǎng)是獲取重力波參數(shù)氣候特征的基礎(chǔ)數(shù)據(jù)和重要手段。目前，通常采用2～4階曲線擬合、帶通濾波方法獲取高垂直分辨率探空資料擾動(dòng)場(chǎng)，但針對(duì)不同方法之間的擾動(dòng)場(chǎng)差異特征研究較少，本文利用2～4階曲線擬合、帶通濾波方法(0.5～5.0 km)獲取2014—2017年太原地區(qū)(112.55°E,37.78°N)高垂直分辨率探空資料擾動(dòng)場(chǎng)，采用相關(guān)系數(shù)、LombScargle、不同區(qū)間范圍占有率方法進(jìn)行研究，結(jié)果表明：①不同方法之間的緯向風(fēng)擾動(dòng)場(chǎng)、經(jīng)向風(fēng)擾動(dòng)場(chǎng)、溫度擾動(dòng)場(chǎng)均存在較明顯差異，且相關(guān)性均較弱；②LombScargle分析表明，不同方法得到的平均緯向風(fēng)擾動(dòng)場(chǎng)、平均經(jīng)向風(fēng)擾動(dòng)場(chǎng)、平均溫度擾動(dòng)場(chǎng)顯著含有(通過90%置信檢驗(yàn))的垂直波長(zhǎng)均存在明顯差異；③不同方法得到的緯向風(fēng)擾動(dòng)場(chǎng)、經(jīng)向風(fēng)擾動(dòng)場(chǎng)、溫度擾動(dòng)場(chǎng)顯著含有的垂直波長(zhǎng)，在不同區(qū)間范圍內(nèi)的占有率均存在明顯差異。
2020, 48(5):664-674.
摘要:
基于重慶市氣象局中尺度數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)，開展不同地形平滑方案對(duì)模式降水預(yù)報(bào)的影響研究，詳細(xì)對(duì)比WRF模式中不使用地形平滑方案以及使用sds和121兩種平滑方案生成的靜態(tài)地形高度場(chǎng)的差異，開展不同地形平滑方案批量平行試驗(yàn)并選取典型強(qiáng)降水個(gè)例進(jìn)行對(duì)比分析，結(jié)果表明：不同地形平滑方案生成的靜態(tài)地形高度場(chǎng)之間有明顯的差異，特別是在地形較為陡峭的高原和山脈等地區(qū)，最大絕對(duì)偏差可達(dá)462.56 m； sds和121兩種地形平滑方案主要平滑掉了模式地形中較小尺度的地形特征，且總體而言121方案的平滑效果比sds方案明顯。連續(xù)一個(gè)月批量平行試驗(yàn)降水預(yù)報(bào)檢驗(yàn)結(jié)果表明，進(jìn)行模式地形平滑對(duì)大雨及以上量級(jí)降水預(yù)報(bào)有正面影響，且使用121平滑方案的預(yù)報(bào)結(jié)果優(yōu)于使用sds平滑方案的預(yù)報(bào)結(jié)果；降水個(gè)例對(duì)比分析結(jié)果表明：采用不同的地形平滑方案會(huì)造成垂直速度和水汽通量散度預(yù)報(bào)的明顯差異，這樣的明顯差異會(huì)進(jìn)而影響強(qiáng)降水預(yù)報(bào)的落區(qū)和強(qiáng)度。
基于重慶市氣象局中尺度數(shù)值預(yù)報(bào)業(yè)務(wù)系統(tǒng)，開展不同地形平滑方案對(duì)模式降水預(yù)報(bào)的影響研究，詳細(xì)對(duì)比WRF模式中不使用地形平滑方案以及使用sds和121兩種平滑方案生成的靜態(tài)地形高度場(chǎng)的差異，開展不同地形平滑方案批量平行試驗(yàn)并選取典型強(qiáng)降水個(gè)例進(jìn)行對(duì)比分析，結(jié)果表明：不同地形平滑方案生成的靜態(tài)地形高度場(chǎng)之間有明顯的差異，特別是在地形較為陡峭的高原和山脈等地區(qū)，最大絕對(duì)偏差可達(dá)462.56 m； sds和121兩種地形平滑方案主要平滑掉了模式地形中較小尺度的地形特征，且總體而言121方案的平滑效果比sds方案明顯。連續(xù)一個(gè)月批量平行試驗(yàn)降水預(yù)報(bào)檢驗(yàn)結(jié)果表明，進(jìn)行模式地形平滑對(duì)大雨及以上量級(jí)降水預(yù)報(bào)有正面影響，且使用121平滑方案的預(yù)報(bào)結(jié)果優(yōu)于使用sds平滑方案的預(yù)報(bào)結(jié)果；降水個(gè)例對(duì)比分析結(jié)果表明：采用不同的地形平滑方案會(huì)造成垂直速度和水汽通量散度預(yù)報(bào)的明顯差異，這樣的明顯差異會(huì)進(jìn)而影響強(qiáng)降水預(yù)報(bào)的落區(qū)和強(qiáng)度。
2020, 48(5):675-684.
摘要:
利用WRF模式耦合Noah陸面模式和CLM湖泊模式，對(duì)2015年1月23日大理地區(qū)洱海盆地的大風(fēng)天氣進(jìn)行模擬，對(duì)大風(fēng)的發(fā)展期、強(qiáng)盛期和減弱期的三維動(dòng)力熱力結(jié)構(gòu)特征進(jìn)行分析，并得出了洱海盆地大風(fēng)形成機(jī)制：在洱海盆地大風(fēng)發(fā)展期，高空以西風(fēng)為主，盆地中部上空1 km高度處出現(xiàn)局地小氣旋，地面以偏東風(fēng)為主，高空偏西氣流翻越蒼山形成波動(dòng)擾動(dòng)，在背風(fēng)坡側(cè)形成空腔區(qū)和二次渦，低層形成了波不穩(wěn)定區(qū)域，波不穩(wěn)定區(qū)域發(fā)生波破碎，波破碎區(qū)域湍流運(yùn)動(dòng)活躍，把上層的能量往下傳播。大風(fēng)強(qiáng)盛期，盆地南北側(cè)高空為兩支西風(fēng)氣流控制，中部變?yōu)槿醯妮椛?chǎng)，造成高空擾動(dòng)，蒼山東側(cè)近地面淺薄逆溫層消失，低空逆溫層之上溫度廓線幾乎垂直上升，大氣層結(jié)處于不穩(wěn)定狀態(tài)，有利于高空動(dòng)量向下輸送。大風(fēng)減弱期，高空西風(fēng)減弱，擾動(dòng)消失，湍流動(dòng)能耗散，地面風(fēng)速逐漸減小。
利用WRF模式耦合Noah陸面模式和CLM湖泊模式，對(duì)2015年1月23日大理地區(qū)洱海盆地的大風(fēng)天氣進(jìn)行模擬，對(duì)大風(fēng)的發(fā)展期、強(qiáng)盛期和減弱期的三維動(dòng)力熱力結(jié)構(gòu)特征進(jìn)行分析，并得出了洱海盆地大風(fēng)形成機(jī)制：在洱海盆地大風(fēng)發(fā)展期，高空以西風(fēng)為主，盆地中部上空1 km高度處出現(xiàn)局地小氣旋，地面以偏東風(fēng)為主，高空偏西氣流翻越蒼山形成波動(dòng)擾動(dòng)，在背風(fēng)坡側(cè)形成空腔區(qū)和二次渦，低層形成了波不穩(wěn)定區(qū)域，波不穩(wěn)定區(qū)域發(fā)生波破碎，波破碎區(qū)域湍流運(yùn)動(dòng)活躍，把上層的能量往下傳播。大風(fēng)強(qiáng)盛期，盆地南北側(cè)高空為兩支西風(fēng)氣流控制，中部變?yōu)槿醯妮椛?chǎng)，造成高空擾動(dòng)，蒼山東側(cè)近地面淺薄逆溫層消失，低空逆溫層之上溫度廓線幾乎垂直上升，大氣層結(jié)處于不穩(wěn)定狀態(tài)，有利于高空動(dòng)量向下輸送。大風(fēng)減弱期，高空西風(fēng)減弱，擾動(dòng)消失，湍流動(dòng)能耗散，地面風(fēng)速逐漸減小。
2020, 48(5):685-694.
摘要:
提高汛期降水過程的延伸期預(yù)報(bào)能力是目前天氣預(yù)報(bào)和氣候預(yù)測(cè)發(fā)展的重要方向。本文以上海梅汛期降水為例，利用非傳統(tǒng)濾波方法提取多變量季節(jié)內(nèi)分量，分析了梅汛期季節(jié)內(nèi)候降水異常及其相聯(lián)系的延伸期關(guān)鍵低頻信號(hào)，進(jìn)一步綜合多變量低頻信號(hào)建立了梅汛期候降水異常延伸期預(yù)報(bào)方法，并開展了多年的回報(bào)和試報(bào)檢驗(yàn)。結(jié)果表明：①梅汛期候降水異常季節(jié)內(nèi)分量具有顯著的40～60 d低頻振蕩周期，與降水異常實(shí)況具有顯著的正相關(guān)和較高的符號(hào)一致率;②梅汛期季節(jié)內(nèi)候降水異常與超前10～35 d的熱帶及中高緯低頻信號(hào)有關(guān)，主要包括：熱帶MJO（Madden Julian Oscillation）自阿拉伯海的向東傳播、西太平洋副熱帶高壓季節(jié)內(nèi)活動(dòng)的西北向傳播、PNA（PacificNorth American）遙相關(guān)型的季節(jié)內(nèi)位相轉(zhuǎn)換以及東北亞冷空氣的持續(xù)性異常影響;③綜合上述多變量低頻信號(hào)建立了延伸期候降水異常預(yù)報(bào)模型，對(duì)提前10～35 d的延伸期候降水異常的季節(jié)內(nèi)分量具有預(yù)報(bào)技巧，也能較好地預(yù)報(bào)實(shí)際的候降水異常趨勢(shì)。
提高汛期降水過程的延伸期預(yù)報(bào)能力是目前天氣預(yù)報(bào)和氣候預(yù)測(cè)發(fā)展的重要方向。本文以上海梅汛期降水為例，利用非傳統(tǒng)濾波方法提取多變量季節(jié)內(nèi)分量，分析了梅汛期季節(jié)內(nèi)候降水異常及其相聯(lián)系的延伸期關(guān)鍵低頻信號(hào)，進(jìn)一步綜合多變量低頻信號(hào)建立了梅汛期候降水異常延伸期預(yù)報(bào)方法，并開展了多年的回報(bào)和試報(bào)檢驗(yàn)。結(jié)果表明：①梅汛期候降水異常季節(jié)內(nèi)分量具有顯著的40～60 d低頻振蕩周期，與降水異常實(shí)況具有顯著的正相關(guān)和較高的符號(hào)一致率;②梅汛期季節(jié)內(nèi)候降水異常與超前10～35 d的熱帶及中高緯低頻信號(hào)有關(guān)，主要包括：熱帶MJO（Madden Julian Oscillation）自阿拉伯海的向東傳播、西太平洋副熱帶高壓季節(jié)內(nèi)活動(dòng)的西北向傳播、PNA（PacificNorth American）遙相關(guān)型的季節(jié)內(nèi)位相轉(zhuǎn)換以及東北亞冷空氣的持續(xù)性異常影響;③綜合上述多變量低頻信號(hào)建立了延伸期候降水異常預(yù)報(bào)模型，對(duì)提前10～35 d的延伸期候降水異常的季節(jié)內(nèi)分量具有預(yù)報(bào)技巧，也能較好地預(yù)報(bào)實(shí)際的候降水異常趨勢(shì)。
2020, 48(5):695-703.
摘要:
應(yīng)用1949—2016年臺(tái)風(fēng)資料和中國(guó)地面逐日降水資料，針對(duì)中國(guó)內(nèi)陸西部地區(qū)，通過對(duì)較長(zhǎng)樣本資料的統(tǒng)計(jì)分析，研究臺(tái)風(fēng)活動(dòng)及其在臺(tái)風(fēng)登陸背景下，中國(guó)西部年、夏半年和盛夏平均降水特征。研究得到：①67年間登陸中國(guó)大陸的臺(tái)風(fēng)年平均9.09個(gè)，6—10月是臺(tái)風(fēng)活躍期，登陸臺(tái)風(fēng)最早在4月，最晚在12月，8月登陸臺(tái)風(fēng)頻率最高。②臺(tái)風(fēng)活動(dòng)對(duì)寧夏全省、陜西大部、四川盆地、甘肅中東部和青海大部降水影響明顯，臺(tái)風(fēng)活動(dòng)多寡與該地區(qū)降水多寡總體成正相關(guān)。新疆和西藏降水受臺(tái)風(fēng)影響極小，貴州、重慶降水與臺(tái)風(fēng)活動(dòng)呈相反情況，臺(tái)風(fēng)活動(dòng)對(duì)云南降水影響不明顯。③臺(tái)風(fēng)活動(dòng)與中國(guó)西部部分地區(qū)降水呈正相關(guān)特征，其年均降水最明顯，其次是6—10月平均降水。此項(xiàng)研究首次聚焦在遠(yuǎn)距離臺(tái)風(fēng)與中國(guó)西部降水特征上，將有助于系統(tǒng)全面地認(rèn)識(shí)臺(tái)風(fēng)活動(dòng)特征、登陸臺(tái)風(fēng)與中國(guó)西部降水的關(guān)系以及中國(guó)西部降水機(jī)理。
應(yīng)用1949—2016年臺(tái)風(fēng)資料和中國(guó)地面逐日降水資料，針對(duì)中國(guó)內(nèi)陸西部地區(qū)，通過對(duì)較長(zhǎng)樣本資料的統(tǒng)計(jì)分析，研究臺(tái)風(fēng)活動(dòng)及其在臺(tái)風(fēng)登陸背景下，中國(guó)西部年、夏半年和盛夏平均降水特征。研究得到：①67年間登陸中國(guó)大陸的臺(tái)風(fēng)年平均9.09個(gè)，6—10月是臺(tái)風(fēng)活躍期，登陸臺(tái)風(fēng)最早在4月，最晚在12月，8月登陸臺(tái)風(fēng)頻率最高。②臺(tái)風(fēng)活動(dòng)對(duì)寧夏全省、陜西大部、四川盆地、甘肅中東部和青海大部降水影響明顯，臺(tái)風(fēng)活動(dòng)多寡與該地區(qū)降水多寡總體成正相關(guān)。新疆和西藏降水受臺(tái)風(fēng)影響極小，貴州、重慶降水與臺(tái)風(fēng)活動(dòng)呈相反情況，臺(tái)風(fēng)活動(dòng)對(duì)云南降水影響不明顯。③臺(tái)風(fēng)活動(dòng)與中國(guó)西部部分地區(qū)降水呈正相關(guān)特征，其年均降水最明顯，其次是6—10月平均降水。此項(xiàng)研究首次聚焦在遠(yuǎn)距離臺(tái)風(fēng)與中國(guó)西部降水特征上，將有助于系統(tǒng)全面地認(rèn)識(shí)臺(tái)風(fēng)活動(dòng)特征、登陸臺(tái)風(fēng)與中國(guó)西部降水的關(guān)系以及中國(guó)西部降水機(jī)理。
2020, 48(5):704-716.
摘要:
利用常規(guī)資料、NCEP FNL分析資料和HYSPLIT模式，對(duì)2008—2017年川西高原持續(xù)性暴雨過程的時(shí)空分布、環(huán)流分型、水汽源地和輸送路徑進(jìn)行分析。結(jié)果表明：①2008—2017年川西高原單站持續(xù)性暴雨的總頻次為337次，在21次區(qū)域持續(xù)性暴雨中，位于高原與盆地過渡區(qū)的瀘定、康定、汶川出現(xiàn)持續(xù)性暴雨次數(shù)最多；②7月發(fā)生頻率最高，持續(xù)時(shí)間多為3～4天；③將影響川西高原暴雨的環(huán)流分型為兩槽一脊型、一脊一槽型、西風(fēng)槽型和偏西氣流型，其中孟加拉灣氣旋影響有16例，6—7月個(gè)例都有孟加拉灣氣旋的存在；④川西高原上空氣團(tuán)主要通過4條路徑進(jìn)入，源自北大西洋、地中海和伊朗中北部的西北路徑占比29%，源自里海到咸海之間地區(qū)的東北路徑占比17%，源自熱帶印度洋洋面的西南和東南路徑各占比43%和11%,偏北路徑的空氣質(zhì)點(diǎn)起始高度比偏南路徑的高，相應(yīng)的溫度和水汽含量也偏低;⑤將水汽輸送分為“S”型、偏西氣流型和偏南氣流型3個(gè)類型。
利用常規(guī)資料、NCEP FNL分析資料和HYSPLIT模式，對(duì)2008—2017年川西高原持續(xù)性暴雨過程的時(shí)空分布、環(huán)流分型、水汽源地和輸送路徑進(jìn)行分析。結(jié)果表明：①2008—2017年川西高原單站持續(xù)性暴雨的總頻次為337次，在21次區(qū)域持續(xù)性暴雨中，位于高原與盆地過渡區(qū)的瀘定、康定、汶川出現(xiàn)持續(xù)性暴雨次數(shù)最多；②7月發(fā)生頻率最高，持續(xù)時(shí)間多為3～4天；③將影響川西高原暴雨的環(huán)流分型為兩槽一脊型、一脊一槽型、西風(fēng)槽型和偏西氣流型，其中孟加拉灣氣旋影響有16例，6—7月個(gè)例都有孟加拉灣氣旋的存在；④川西高原上空氣團(tuán)主要通過4條路徑進(jìn)入，源自北大西洋、地中海和伊朗中北部的西北路徑占比29%，源自里海到咸海之間地區(qū)的東北路徑占比17%，源自熱帶印度洋洋面的西南和東南路徑各占比43%和11%,偏北路徑的空氣質(zhì)點(diǎn)起始高度比偏南路徑的高，相應(yīng)的溫度和水汽含量也偏低;⑤將水汽輸送分為“S”型、偏西氣流型和偏南氣流型3個(gè)類型。
2020, 48(5):717-722.
摘要:
基于2016—2017年北部灣海洋氣象浮標(biāo)站、海島站、內(nèi)陸站的觀測(cè)資料，對(duì)北部灣海霧的季節(jié)變化、生消特征和持續(xù)時(shí)間進(jìn)行了統(tǒng)計(jì)分析，并探討了海上和陸地大霧的差異性。結(jié)果表明：①2016年北部灣出現(xiàn)海霧37 d，2017年為19 d；3月海霧日數(shù)最多，4月次之，12月和6—10月未出現(xiàn)海霧；一天中出現(xiàn)霧的峰值時(shí)間為03:00—05:00，霧消散峰值時(shí)間為08:00—10:00；霧的維持時(shí)間絕大部分在3 h以內(nèi)。②北部灣不同的地域和下墊面，霧的生消時(shí)間有所不同，海上霧（浮標(biāo)站）的出現(xiàn)時(shí)間較海島霧（潿洲島站）、沿岸陸地霧（北海站）約提前3 h左右，消散時(shí)間推遲約3 h左右。③北部灣海霧絕大多數(shù)發(fā)生在風(fēng)速小于等于5 m/s的情況下，以1～3 m/s最為適宜，海上霧多出現(xiàn)在NNE-SE情況下，沿岸霧偏南風(fēng)居多；95%的海霧出現(xiàn)在海水溫度低于25.0 ℃條件下。
基于2016—2017年北部灣海洋氣象浮標(biāo)站、海島站、內(nèi)陸站的觀測(cè)資料，對(duì)北部灣海霧的季節(jié)變化、生消特征和持續(xù)時(shí)間進(jìn)行了統(tǒng)計(jì)分析，并探討了海上和陸地大霧的差異性。結(jié)果表明：①2016年北部灣出現(xiàn)海霧37 d，2017年為19 d；3月海霧日數(shù)最多，4月次之，12月和6—10月未出現(xiàn)海霧；一天中出現(xiàn)霧的峰值時(shí)間為03:00—05:00，霧消散峰值時(shí)間為08:00—10:00；霧的維持時(shí)間絕大部分在3 h以內(nèi)。②北部灣不同的地域和下墊面，霧的生消時(shí)間有所不同，海上霧（浮標(biāo)站）的出現(xiàn)時(shí)間較海島霧（潿洲島站）、沿岸陸地霧（北海站）約提前3 h左右，消散時(shí)間推遲約3 h左右。③北部灣海霧絕大多數(shù)發(fā)生在風(fēng)速小于等于5 m/s的情況下，以1～3 m/s最為適宜，海上霧多出現(xiàn)在NNE-SE情況下，沿岸霧偏南風(fēng)居多；95%的海霧出現(xiàn)在海水溫度低于25.0 ℃條件下。
2020, 48(5):723-730.
摘要:
應(yīng)用貴州現(xiàn)有自記降水、自動(dòng)降水觀測(cè)資料，統(tǒng)計(jì)分析了貴州1954—2017年國(guó)家氣象站累年最大小時(shí)雨強(qiáng)、年最大小時(shí)雨強(qiáng)的時(shí)空分布特征，1968—2017年50年年最大小時(shí)雨強(qiáng)變化。結(jié)果表明，貴州年最大小時(shí)雨強(qiáng)分布于13.6～117.4 mm〖DK〗·h-1之間，累年最大小時(shí)雨強(qiáng)在53.0～117.4mm〖DK〗·h-1之間。貴州西南部、中西部、東北部，東南部都出現(xiàn)了小時(shí)最大雨強(qiáng)100 mm〖DK〗·h-1以上的區(qū)域，西南部為小時(shí)雨強(qiáng)最強(qiáng)區(qū)域。貴州強(qiáng)降雨3—11月均有發(fā)生，集中出現(xiàn)在5—8月，6月強(qiáng)降雨最多，貴州強(qiáng)降雨具有明顯的夜發(fā)性特征，出現(xiàn)時(shí)間集中于午夜前后2 h左右，前半夜多于后半夜，午間時(shí)間是出現(xiàn)最少時(shí)段。貴州小時(shí)雨強(qiáng)增大與減小趨勢(shì)都不明顯，在東南面、南部、西部有弱增大趨勢(shì)，東北和西北面呈弱減小趨勢(shì)。
應(yīng)用貴州現(xiàn)有自記降水、自動(dòng)降水觀測(cè)資料，統(tǒng)計(jì)分析了貴州1954—2017年國(guó)家氣象站累年最大小時(shí)雨強(qiáng)、年最大小時(shí)雨強(qiáng)的時(shí)空分布特征，1968—2017年50年年最大小時(shí)雨強(qiáng)變化。結(jié)果表明，貴州年最大小時(shí)雨強(qiáng)分布于13.6～117.4 mm〖DK〗·h-1之間，累年最大小時(shí)雨強(qiáng)在53.0～117.4mm〖DK〗·h-1之間。貴州西南部、中西部、東北部，東南部都出現(xiàn)了小時(shí)最大雨強(qiáng)100 mm〖DK〗·h-1以上的區(qū)域，西南部為小時(shí)雨強(qiáng)最強(qiáng)區(qū)域。貴州強(qiáng)降雨3—11月均有發(fā)生，集中出現(xiàn)在5—8月，6月強(qiáng)降雨最多，貴州強(qiáng)降雨具有明顯的夜發(fā)性特征，出現(xiàn)時(shí)間集中于午夜前后2 h左右，前半夜多于后半夜，午間時(shí)間是出現(xiàn)最少時(shí)段。貴州小時(shí)雨強(qiáng)增大與減小趨勢(shì)都不明顯，在東南面、南部、西部有弱增大趨勢(shì)，東北和西北面呈弱減小趨勢(shì)。
2020, 48(5):731-740.
摘要:
利用地面氣象觀測(cè)資料、ERA5再分析資料、FY2E衛(wèi)星和多普勒雷達(dá)資料，對(duì)2011年7月17日發(fā)生在巢湖地區(qū)的一次強(qiáng)對(duì)流暴雨過程進(jìn)行診斷分析。結(jié)果顯示：500 hPa深槽、850 hPa切變線及地面低壓是此次暴雨過程的天氣尺度影響系統(tǒng)，強(qiáng)降水發(fā)生在濕層和暖云層深厚、較低的抬升凝結(jié)高度、中等強(qiáng)度對(duì)流不穩(wěn)定及弱垂直風(fēng)切變條件下；FY2E衛(wèi)星云圖分析表明，此次強(qiáng)降水過程主要是多個(gè)中尺度對(duì)流系統(tǒng)在巢湖合并所致，短時(shí)強(qiáng)降水落區(qū)主要落在中尺度對(duì)流系統(tǒng)TBB等值線密集區(qū)附近，TBB中心強(qiáng)度越強(qiáng)，TBB等值線梯度越大，對(duì)應(yīng)的1 h降水量越強(qiáng)；多普勒雷達(dá)分析揭示，短時(shí)強(qiáng)降水發(fā)生在兩個(gè)對(duì)流回波合并期間，對(duì)流風(fēng)暴移動(dòng)緩慢，大于45 dBz強(qiáng)回波均在6 km以下，呈低層強(qiáng)烈氣旋式輻合、高層輻散特征；地面中尺度輻合線是此次風(fēng)暴的觸發(fā)因子；濕位渦診斷結(jié)果表明，600 hPa以下對(duì)流不穩(wěn)定，600 hPa以上對(duì)稱不穩(wěn)定，有利于暴雨和中尺度系統(tǒng)的發(fā)生發(fā)展。
利用地面氣象觀測(cè)資料、ERA5再分析資料、FY2E衛(wèi)星和多普勒雷達(dá)資料，對(duì)2011年7月17日發(fā)生在巢湖地區(qū)的一次強(qiáng)對(duì)流暴雨過程進(jìn)行診斷分析。結(jié)果顯示：500 hPa深槽、850 hPa切變線及地面低壓是此次暴雨過程的天氣尺度影響系統(tǒng)，強(qiáng)降水發(fā)生在濕層和暖云層深厚、較低的抬升凝結(jié)高度、中等強(qiáng)度對(duì)流不穩(wěn)定及弱垂直風(fēng)切變條件下；FY2E衛(wèi)星云圖分析表明，此次強(qiáng)降水過程主要是多個(gè)中尺度對(duì)流系統(tǒng)在巢湖合并所致，短時(shí)強(qiáng)降水落區(qū)主要落在中尺度對(duì)流系統(tǒng)TBB等值線密集區(qū)附近，TBB中心強(qiáng)度越強(qiáng)，TBB等值線梯度越大，對(duì)應(yīng)的1 h降水量越強(qiáng)；多普勒雷達(dá)分析揭示，短時(shí)強(qiáng)降水發(fā)生在兩個(gè)對(duì)流回波合并期間，對(duì)流風(fēng)暴移動(dòng)緩慢，大于45 dBz強(qiáng)回波均在6 km以下，呈低層強(qiáng)烈氣旋式輻合、高層輻散特征；地面中尺度輻合線是此次風(fēng)暴的觸發(fā)因子；濕位渦診斷結(jié)果表明，600 hPa以下對(duì)流不穩(wěn)定，600 hPa以上對(duì)稱不穩(wěn)定，有利于暴雨和中尺度系統(tǒng)的發(fā)生發(fā)展。
2020, 48(5):741-751.
摘要:
通過重慶城區(qū)2013—2016年空氣質(zhì)量指數(shù)AQI與氣象要素的相關(guān)分析，引入表征大氣溫濕狀態(tài)的物理量總溫度、比濕、近地層風(fēng)速、24 h變壓及大氣低層總溫度差，構(gòu)建新的空氣污染氣象條件指數(shù)IBAM（Index Between Air pollution and Meteorology）。應(yīng)用2013年4月1日至2016年12月31日歐洲中心預(yù)報(bào)產(chǎn)品計(jì)算重慶地區(qū)歷史IBAM指數(shù)，通過K均值聚類分析，引入極端天氣事件概念確定空氣污染氣象條件閾值，建立預(yù)報(bào)模型。利用IBAM指數(shù)與滯后1天AQI建立擬合曲線方程，計(jì)算出AQI預(yù)報(bào)值，計(jì)算預(yù)報(bào)準(zhǔn)確率，經(jīng)過2017年1月1日至2018年9月1日樣本檢驗(yàn)，72 h內(nèi)預(yù)報(bào)準(zhǔn)確率在70%左右。通過誤差分析發(fā)現(xiàn)：當(dāng)氣象條件為大氣污染物濃度主要影響因素且在大氣污染源變化不明顯時(shí)，預(yù)報(bào)誤差較小；而當(dāng)大氣污染源變化明顯時(shí)，預(yù)報(bào)誤差較大。該預(yù)報(bào)方法已在重慶市氣象臺(tái)業(yè)務(wù)應(yīng)用，對(duì)預(yù)防和處理重污染事件，改善重慶地區(qū)空氣質(zhì)量有較好參考價(jià)值。
通過重慶城區(qū)2013—2016年空氣質(zhì)量指數(shù)AQI與氣象要素的相關(guān)分析，引入表征大氣溫濕狀態(tài)的物理量總溫度、比濕、近地層風(fēng)速、24 h變壓及大氣低層總溫度差，構(gòu)建新的空氣污染氣象條件指數(shù)IBAM（Index Between Air pollution and Meteorology）。應(yīng)用2013年4月1日至2016年12月31日歐洲中心預(yù)報(bào)產(chǎn)品計(jì)算重慶地區(qū)歷史IBAM指數(shù)，通過K均值聚類分析，引入極端天氣事件概念確定空氣污染氣象條件閾值，建立預(yù)報(bào)模型。利用IBAM指數(shù)與滯后1天AQI建立擬合曲線方程，計(jì)算出AQI預(yù)報(bào)值，計(jì)算預(yù)報(bào)準(zhǔn)確率，經(jīng)過2017年1月1日至2018年9月1日樣本檢驗(yàn)，72 h內(nèi)預(yù)報(bào)準(zhǔn)確率在70%左右。通過誤差分析發(fā)現(xiàn)：當(dāng)氣象條件為大氣污染物濃度主要影響因素且在大氣污染源變化不明顯時(shí)，預(yù)報(bào)誤差較小；而當(dāng)大氣污染源變化明顯時(shí)，預(yù)報(bào)誤差較大。該預(yù)報(bào)方法已在重慶市氣象臺(tái)業(yè)務(wù)應(yīng)用，對(duì)預(yù)防和處理重污染事件，改善重慶地區(qū)空氣質(zhì)量有較好參考價(jià)值。
2020, 48(5):752-757.
摘要:
太陽輻照度與光伏電站發(fā)電功率密切相關(guān)，其預(yù)報(bào)的準(zhǔn)確性直接影響發(fā)電功率預(yù)報(bào)的準(zhǔn)確性。根據(jù)光伏電站太陽輻照度實(shí)況、氣象站實(shí)況、WRF（Weather Research and Forecast Model）模式輻照度預(yù)報(bào)、EC細(xì)網(wǎng)格數(shù)值預(yù)報(bào)以及太陽理論輻照度，利用逐步回歸法開展太陽輻照度預(yù)報(bào)訂正研究，得到以下結(jié)論：①太陽輻照度實(shí)況與太陽理論輻照度的比值與EC細(xì)網(wǎng)格數(shù)值預(yù)報(bào)中氣象要素的相關(guān)性優(yōu)于太陽輻照度實(shí)況與氣象要素的相關(guān)性；②不同時(shí)刻影響太陽輻照度的氣象因子存在差異，通過逐步回歸法建立不同時(shí)刻太陽輻照度預(yù)報(bào)模型；③在非晴天情況下，回歸預(yù)報(bào)輻照度相對(duì)均方根誤差比WRF模式預(yù)報(bào)輻照度降低10%左右，減小了輻照度預(yù)報(bào)誤差。該研究成果在光伏電站的新能源數(shù)值預(yù)報(bào)服務(wù)中有一定的應(yīng)用價(jià)值。
太陽輻照度與光伏電站發(fā)電功率密切相關(guān)，其預(yù)報(bào)的準(zhǔn)確性直接影響發(fā)電功率預(yù)報(bào)的準(zhǔn)確性。根據(jù)光伏電站太陽輻照度實(shí)況、氣象站實(shí)況、WRF（Weather Research and Forecast Model）模式輻照度預(yù)報(bào)、EC細(xì)網(wǎng)格數(shù)值預(yù)報(bào)以及太陽理論輻照度，利用逐步回歸法開展太陽輻照度預(yù)報(bào)訂正研究，得到以下結(jié)論：①太陽輻照度實(shí)況與太陽理論輻照度的比值與EC細(xì)網(wǎng)格數(shù)值預(yù)報(bào)中氣象要素的相關(guān)性優(yōu)于太陽輻照度實(shí)況與氣象要素的相關(guān)性；②不同時(shí)刻影響太陽輻照度的氣象因子存在差異，通過逐步回歸法建立不同時(shí)刻太陽輻照度預(yù)報(bào)模型；③在非晴天情況下，回歸預(yù)報(bào)輻照度相對(duì)均方根誤差比WRF模式預(yù)報(bào)輻照度降低10%左右，減小了輻照度預(yù)報(bào)誤差。該研究成果在光伏電站的新能源數(shù)值預(yù)報(bào)服務(wù)中有一定的應(yīng)用價(jià)值。
2020, 48(5):758-765.
摘要:
普洱位于云南西南部，境內(nèi)巖漿巖分布廣泛。地質(zhì)構(gòu)造不僅復(fù)雜，也是典型的紅層易滑區(qū)。本文利用普洱市2009—2014年降水量和滑坡資料，采用Caine閾值曲線和聚類分析方法，分析了紅層區(qū)降雨型滑坡特征及確定降雨型滑坡的降雨閾值曲線，以期為紅層區(qū)降雨型滑坡的預(yù)報(bào)預(yù)警提供理論依據(jù)。通過統(tǒng)計(jì)分析得出：①研究區(qū)域滑坡災(zāi)害主要集中在哀牢山群、無量山群及瀾滄群，并屬相應(yīng)斷裂帶上。② 7—9月滑坡災(zāi)害發(fā)生最為頻繁，占發(fā)生總量的77.1%。③滑坡災(zāi)害可分為短歷時(shí)強(qiáng)降水型，中等歷時(shí)弱降水型和長(zhǎng)歷時(shí)弱降水型、非降雨型滑坡，通過統(tǒng)計(jì)分析得出全市有40個(gè)滑坡事件與降雨無明顯相關(guān)關(guān)系（0.7%）。④使用改進(jìn)后的Caine模型研究了區(qū)域滑坡降雨閾值曲線，得到4類曲線：I=85D－0.874、I=45D－0.811、I=27D－0.782、I=12D－0.774。其最低閾值高于Guzzetti全球閾值，但較Caine全球閾值略低，最高閾值較福建臺(tái)風(fēng)型降雨滑坡閾值高。
普洱位于云南西南部，境內(nèi)巖漿巖分布廣泛。地質(zhì)構(gòu)造不僅復(fù)雜，也是典型的紅層易滑區(qū)。本文利用普洱市2009—2014年降水量和滑坡資料，采用Caine閾值曲線和聚類分析方法，分析了紅層區(qū)降雨型滑坡特征及確定降雨型滑坡的降雨閾值曲線，以期為紅層區(qū)降雨型滑坡的預(yù)報(bào)預(yù)警提供理論依據(jù)。通過統(tǒng)計(jì)分析得出：①研究區(qū)域滑坡災(zāi)害主要集中在哀牢山群、無量山群及瀾滄群，并屬相應(yīng)斷裂帶上。② 7—9月滑坡災(zāi)害發(fā)生最為頻繁，占發(fā)生總量的77.1%。③滑坡災(zāi)害可分為短歷時(shí)強(qiáng)降水型，中等歷時(shí)弱降水型和長(zhǎng)歷時(shí)弱降水型、非降雨型滑坡，通過統(tǒng)計(jì)分析得出全市有40個(gè)滑坡事件與降雨無明顯相關(guān)關(guān)系（0.7%）。④使用改進(jìn)后的Caine模型研究了區(qū)域滑坡降雨閾值曲線，得到4類曲線：I=85D－0.874、I=45D－0.811、I=27D－0.782、I=12D－0.774。其最低閾值高于Guzzetti全球閾值，但較Caine全球閾值略低，最高閾值較福建臺(tái)風(fēng)型降雨滑坡閾值高。
2020, 48(5):766-773.
摘要:
利用河北省南部8個(gè)氣象站點(diǎn)1962—2018年的逐月氣溫、降水量數(shù)據(jù)，采用標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI)，通過小波分析、MannKendall檢驗(yàn)等方法，分析了河北省南部夏玉米生長(zhǎng)季（6—9月）干旱變化特征以期為干旱災(zāi)害的監(jiān)測(cè)、預(yù)報(bào)預(yù)警及防御提供理論依據(jù)。結(jié)果表明：夏玉米苗期干旱發(fā)生頻率為31.5%，1966年后苗期氣候呈濕潤(rùn)化趨勢(shì)，在1968和2009年附近可能發(fā)生了氣候濕潤(rùn)化的突變，整個(gè)分析期（1962—2018年）干濕變化包含13～18 a 、5～8 a 周期振蕩；夏玉米穗期干旱發(fā)生頻率為40.3%，2006年后穗期氣候呈持續(xù)干旱化趨勢(shì)，在1980和1997年附近可能發(fā)生了氣候干旱化的突變，整個(gè)分析期干濕變化包含15～22 a 、6～10 a 周期振蕩；夏玉米花粒期干旱發(fā)生頻率為29.8%，1989年后花粒期氣候呈持續(xù)干旱化趨勢(shì)，可能在1992和2002年附近發(fā)生了氣候干旱化的突變；夏玉米生長(zhǎng)季干旱發(fā)生頻率約為30%，生長(zhǎng)季氣候總體呈干旱化趨勢(shì)，特別是1997年后持續(xù)干旱化，可能在1996年附近發(fā)生了氣候干旱化的突變。
利用河北省南部8個(gè)氣象站點(diǎn)1962—2018年的逐月氣溫、降水量數(shù)據(jù)，采用標(biāo)準(zhǔn)化降水蒸散指數(shù)（SPEI)，通過小波分析、MannKendall檢驗(yàn)等方法，分析了河北省南部夏玉米生長(zhǎng)季（6—9月）干旱變化特征以期為干旱災(zāi)害的監(jiān)測(cè)、預(yù)報(bào)預(yù)警及防御提供理論依據(jù)。結(jié)果表明：夏玉米苗期干旱發(fā)生頻率為31.5%，1966年后苗期氣候呈濕潤(rùn)化趨勢(shì)，在1968和2009年附近可能發(fā)生了氣候濕潤(rùn)化的突變，整個(gè)分析期（1962—2018年）干濕變化包含13～18 a 、5～8 a 周期振蕩；夏玉米穗期干旱發(fā)生頻率為40.3%，2006年后穗期氣候呈持續(xù)干旱化趨勢(shì)，在1980和1997年附近可能發(fā)生了氣候干旱化的突變，整個(gè)分析期干濕變化包含15～22 a 、6～10 a 周期振蕩；夏玉米花粒期干旱發(fā)生頻率為29.8%，1989年后花粒期氣候呈持續(xù)干旱化趨勢(shì)，可能在1992和2002年附近發(fā)生了氣候干旱化的突變；夏玉米生長(zhǎng)季干旱發(fā)生頻率約為30%，生長(zhǎng)季氣候總體呈干旱化趨勢(shì)，特別是1997年后持續(xù)干旱化，可能在1996年附近發(fā)生了氣候干旱化的突變。
2020, 48(5):774-778.
摘要:
基于成都市2004—2017年桂花物候觀測(cè)與氣象資料，運(yùn)用相關(guān)分析法和因子分析法開展成都市秋桂花前四周氣象因子研究，結(jié)果表明：①開花期與花前第1周平均最低氣溫、降水量呈負(fù)相關(guān)，花前1周日最低氣溫高，降雨充沛則利于加快秋桂開花進(jìn)程。②采用因子分析法提取了溫光主成分、降雨主成分，溫光主成分與秋桂開花期關(guān)系最為密切，溫度對(duì)秋桂開花起主導(dǎo)作用。③運(yùn)用第1主成分與第2主成分的方差貢獻(xiàn)率建立了花期綜合評(píng)價(jià)得分模型，花前第4周(7月下旬至8月中旬)是影響秋桂開花的重要影響周期,同時(shí)是秋桂花芽分化完成的重要時(shí)期，花芽分化完成的早晚可影響秋桂開花的早晚。相關(guān)分析法和因子分析法兩種方法綜合運(yùn)用可以更好地反映氣象因子之間的相互關(guān)系，揭示氣象因子對(duì)秋桂開花的影響規(guī)律，為成都市秋桂花期氣象服務(wù)提供了科技支撐。
基于成都市2004—2017年桂花物候觀測(cè)與氣象資料，運(yùn)用相關(guān)分析法和因子分析法開展成都市秋桂花前四周氣象因子研究，結(jié)果表明：①開花期與花前第1周平均最低氣溫、降水量呈負(fù)相關(guān)，花前1周日最低氣溫高，降雨充沛則利于加快秋桂開花進(jìn)程。②采用因子分析法提取了溫光主成分、降雨主成分，溫光主成分與秋桂開花期關(guān)系最為密切，溫度對(duì)秋桂開花起主導(dǎo)作用。③運(yùn)用第1主成分與第2主成分的方差貢獻(xiàn)率建立了花期綜合評(píng)價(jià)得分模型，花前第4周(7月下旬至8月中旬)是影響秋桂開花的重要影響周期,同時(shí)是秋桂花芽分化完成的重要時(shí)期，花芽分化完成的早晚可影響秋桂開花的早晚。相關(guān)分析法和因子分析法兩種方法綜合運(yùn)用可以更好地反映氣象因子之間的相互關(guān)系，揭示氣象因子對(duì)秋桂開花的影響規(guī)律，為成都市秋桂花期氣象服務(wù)提供了科技支撐。
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