2021年第49卷第2期文章目次
2021, 49(2):149-156.
摘要:
FY3D極軌衛(wèi)星搭載的中分辨率光譜成像儀MERSI載荷具有最高分辨率達(dá)250 M的可見(jiàn)光遙感圖像，包含了豐富的植被、山區(qū)等地表信息。風(fēng)云三號(hào)衛(wèi)星對(duì)遙感應(yīng)用監(jiān)測(cè)等具有重要作用。但是作為極軌衛(wèi)星，F(xiàn)Y3D每間隔102 min覆蓋一軌數(shù)據(jù)，由于每軌數(shù)據(jù)的衛(wèi)星天頂角、太陽(yáng)高度角等條件存在差異，再加上風(fēng)云三號(hào)是星上實(shí)時(shí)定標(biāo)，每條軌道也存在定標(biāo)上的差異，因此在全球拼圖時(shí)不同軌道反射率數(shù)據(jù)亮度差異明顯，有很明顯的縫隙，再加上云的移動(dòng)和變化，因此不同軌道間的云數(shù)據(jù)也明顯出現(xiàn)斷層，從而影響整個(gè)MERSIII全球數(shù)據(jù)的應(yīng)用，尤其在植被監(jiān)測(cè)、城市熱島監(jiān)測(cè)的應(yīng)用上更是影響精度。本文以風(fēng)云三號(hào)D星業(yè)務(wù)系統(tǒng)的全球拼圖瀏覽系統(tǒng)為工作平臺(tái)，創(chuàng)新提出了基于一定優(yōu)選算法，利用衛(wèi)星天頂角進(jìn)行軌道間數(shù)據(jù)融合的技術(shù)，設(shè)計(jì)和開(kāi)發(fā)了相應(yīng)的工程化模塊，來(lái)消除軌道間數(shù)據(jù)差異，業(yè)務(wù)實(shí)踐證明，該技術(shù)效果明顯，可顯著提高后續(xù)MERSIII載荷的遙感產(chǎn)品應(yīng)用。
FY3D極軌衛(wèi)星搭載的中分辨率光譜成像儀MERSI載荷具有最高分辨率達(dá)250 M的可見(jiàn)光遙感圖像，包含了豐富的植被、山區(qū)等地表信息。風(fēng)云三號(hào)衛(wèi)星對(duì)遙感應(yīng)用監(jiān)測(cè)等具有重要作用。但是作為極軌衛(wèi)星，F(xiàn)Y3D每間隔102 min覆蓋一軌數(shù)據(jù)，由于每軌數(shù)據(jù)的衛(wèi)星天頂角、太陽(yáng)高度角等條件存在差異，再加上風(fēng)云三號(hào)是星上實(shí)時(shí)定標(biāo)，每條軌道也存在定標(biāo)上的差異，因此在全球拼圖時(shí)不同軌道反射率數(shù)據(jù)亮度差異明顯，有很明顯的縫隙，再加上云的移動(dòng)和變化，因此不同軌道間的云數(shù)據(jù)也明顯出現(xiàn)斷層，從而影響整個(gè)MERSIII全球數(shù)據(jù)的應(yīng)用，尤其在植被監(jiān)測(cè)、城市熱島監(jiān)測(cè)的應(yīng)用上更是影響精度。本文以風(fēng)云三號(hào)D星業(yè)務(wù)系統(tǒng)的全球拼圖瀏覽系統(tǒng)為工作平臺(tái)，創(chuàng)新提出了基于一定優(yōu)選算法，利用衛(wèi)星天頂角進(jìn)行軌道間數(shù)據(jù)融合的技術(shù)，設(shè)計(jì)和開(kāi)發(fā)了相應(yīng)的工程化模塊，來(lái)消除軌道間數(shù)據(jù)差異，業(yè)務(wù)實(shí)踐證明，該技術(shù)效果明顯，可顯著提高后續(xù)MERSIII載荷的遙感產(chǎn)品應(yīng)用。
2021, 49(2):157-165.
摘要:
為了探測(cè)、分析和研究尺度小、生命史短、致災(zāi)重的龍卷等強(qiáng)對(duì)流天氣三維精細(xì)化垂直結(jié)構(gòu)及演變規(guī)律，江蘇正在龍卷易發(fā)區(qū)蘇北平原建設(shè)高時(shí)空分辨率的雙偏振雷達(dá)網(wǎng)。本文為支撐蘇北龍卷雷達(dá)網(wǎng)建設(shè)，從龍卷雷達(dá)組網(wǎng)的必要性出發(fā)，重點(diǎn)分析蘇北龍卷雷達(dá)組網(wǎng)策略。研究表明：①蘇北龍卷雷達(dá)網(wǎng)擬采用大天線、全固態(tài)、高性能技術(shù)指標(biāo)的X波段雙偏振雷達(dá)組網(wǎng)，采用不同的觀測(cè)模式，可獲得空間一致性好、時(shí)空分辨率高且豐富的探測(cè)數(shù)據(jù)，滿足龍卷等強(qiáng)對(duì)流天氣的快速、精細(xì)化探測(cè)要求。此外，采用較高的脈沖重復(fù)頻率等擴(kuò)展測(cè)速范圍，解決X波段雷達(dá)速度模糊問(wèn)題。②經(jīng)理論計(jì)算與比較，蘇北龍卷雷達(dá)網(wǎng)可采用正三角形組網(wǎng)拓?fù)浣Y(jié)構(gòu)，取累計(jì)空間密度值90%，雷達(dá)間距為60 km時(shí)，波束直徑bs特征值為282.0 m，最低波束高度bh(huán)特征值為52.6 m，探測(cè)靈敏度Zmin特征值為2.7 dB；X波段雷達(dá)組網(wǎng)與S波段業(yè)務(wù)雷達(dá)相比，在60 km探測(cè)距離處，其波束直徑減小了約2倍，0°仰角盲區(qū)高度降低了約1.5倍，探測(cè)靈敏度降低了2.4 dB。即在方位分辨率、探測(cè)盲區(qū)、弱回波探測(cè)能力、數(shù)據(jù)空間一致性等方面均得到提升，可提供更多低于1 km、甚至百米的高時(shí)空分辨率的雷達(dá)資料，便于捕捉龍卷等強(qiáng)對(duì)流天氣。③蘇北龍卷雷達(dá)網(wǎng)在鹽都、阜寧、大豐、寶應(yīng)、興化（龍卷易發(fā)區(qū)），各布設(shè)一部固定式X波段全固態(tài)雙偏振多普勒天氣雷達(dá)。綜合考慮在蘇北平原雷達(dá)選址的各種因素，最終雷達(dá)網(wǎng)基本單元擬采用近似正三角形（N=3,L=45～65 km）的拓?fù)浣Y(jié)構(gòu)。5部高時(shí)空分辨率的龍卷探測(cè)雷達(dá)組成3個(gè)近似正三角形的單元，鑲嵌在S波段雷達(dá)業(yè)務(wù)網(wǎng)內(nèi)（鹽城、淮安、泰州雷達(dá)中間）。后續(xù)可進(jìn)一步增加雷達(dá)數(shù)量及拓寬觀測(cè)區(qū)域，例如在高郵等龍卷易發(fā)地區(qū)，可增補(bǔ)X波段天氣雷達(dá)或C波段相控陣天氣雷達(dá)。
為了探測(cè)、分析和研究尺度小、生命史短、致災(zāi)重的龍卷等強(qiáng)對(duì)流天氣三維精細(xì)化垂直結(jié)構(gòu)及演變規(guī)律，江蘇正在龍卷易發(fā)區(qū)蘇北平原建設(shè)高時(shí)空分辨率的雙偏振雷達(dá)網(wǎng)。本文為支撐蘇北龍卷雷達(dá)網(wǎng)建設(shè)，從龍卷雷達(dá)組網(wǎng)的必要性出發(fā)，重點(diǎn)分析蘇北龍卷雷達(dá)組網(wǎng)策略。研究表明：①蘇北龍卷雷達(dá)網(wǎng)擬采用大天線、全固態(tài)、高性能技術(shù)指標(biāo)的X波段雙偏振雷達(dá)組網(wǎng)，采用不同的觀測(cè)模式，可獲得空間一致性好、時(shí)空分辨率高且豐富的探測(cè)數(shù)據(jù)，滿足龍卷等強(qiáng)對(duì)流天氣的快速、精細(xì)化探測(cè)要求。此外，采用較高的脈沖重復(fù)頻率等擴(kuò)展測(cè)速范圍，解決X波段雷達(dá)速度模糊問(wèn)題。②經(jīng)理論計(jì)算與比較，蘇北龍卷雷達(dá)網(wǎng)可采用正三角形組網(wǎng)拓?fù)浣Y(jié)構(gòu)，取累計(jì)空間密度值90%，雷達(dá)間距為60 km時(shí)，波束直徑bs特征值為282.0 m，最低波束高度bh(huán)特征值為52.6 m，探測(cè)靈敏度Zmin特征值為2.7 dB；X波段雷達(dá)組網(wǎng)與S波段業(yè)務(wù)雷達(dá)相比，在60 km探測(cè)距離處，其波束直徑減小了約2倍，0°仰角盲區(qū)高度降低了約1.5倍，探測(cè)靈敏度降低了2.4 dB。即在方位分辨率、探測(cè)盲區(qū)、弱回波探測(cè)能力、數(shù)據(jù)空間一致性等方面均得到提升，可提供更多低于1 km、甚至百米的高時(shí)空分辨率的雷達(dá)資料，便于捕捉龍卷等強(qiáng)對(duì)流天氣。③蘇北龍卷雷達(dá)網(wǎng)在鹽都、阜寧、大豐、寶應(yīng)、興化（龍卷易發(fā)區(qū)），各布設(shè)一部固定式X波段全固態(tài)雙偏振多普勒天氣雷達(dá)。綜合考慮在蘇北平原雷達(dá)選址的各種因素，最終雷達(dá)網(wǎng)基本單元擬采用近似正三角形（N=3,L=45～65 km）的拓?fù)浣Y(jié)構(gòu)。5部高時(shí)空分辨率的龍卷探測(cè)雷達(dá)組成3個(gè)近似正三角形的單元，鑲嵌在S波段雷達(dá)業(yè)務(wù)網(wǎng)內(nèi)（鹽城、淮安、泰州雷達(dá)中間）。后續(xù)可進(jìn)一步增加雷達(dá)數(shù)量及拓寬觀測(cè)區(qū)域，例如在高郵等龍卷易發(fā)地區(qū)，可增補(bǔ)X波段天氣雷達(dá)或C波段相控陣天氣雷達(dá)。
2021, 49(2):166-173.
摘要:
為了彌補(bǔ)國(guó)家級(jí)氣象觀測(cè)站小型蒸發(fā)皿停止觀測(cè)后蒸發(fā)量觀測(cè)資料的空缺，建立了陜北、關(guān)中和陜南3個(gè)區(qū)域數(shù)據(jù)集以及榆林、涇河和漢中3個(gè)單站數(shù)據(jù)集，通過(guò)建立和優(yōu)化KNN、MLP模型及其參數(shù)，分別建立蒸發(fā)量區(qū)域估算模型、單站估算模型并對(duì)其進(jìn)行檢驗(yàn)。結(jié)果表明：①進(jìn)行區(qū)域蒸發(fā)量估算時(shí)，KNN模型表現(xiàn)出良好的泛化性能，均方誤差、總相對(duì)誤差和準(zhǔn)確率指標(biāo)值平均分別為0.42、2.1%、57.0%；陜北MLP模型的泛化性能較差；②進(jìn)行單站蒸發(fā)量估算時(shí)，基于k近鄰法的單站估算模型性能優(yōu)于區(qū)域估算模型，均方誤差、準(zhǔn)確率指標(biāo)值平均分別為0.48、55.0%，榆林與涇河總相對(duì)誤差指標(biāo)絕對(duì)值平均為1.6%，漢中總相對(duì)誤差指標(biāo)值相對(duì)偏高，達(dá)到103%。本研究為不同氣候區(qū)域及單站日、月、季和年蒸發(fā)皿蒸發(fā)量估算以及日蒸發(fā)量數(shù)據(jù)質(zhì)量控制提供了一種基于機(jī)器學(xué)習(xí)的方法。
為了彌補(bǔ)國(guó)家級(jí)氣象觀測(cè)站小型蒸發(fā)皿停止觀測(cè)后蒸發(fā)量觀測(cè)資料的空缺，建立了陜北、關(guān)中和陜南3個(gè)區(qū)域數(shù)據(jù)集以及榆林、涇河和漢中3個(gè)單站數(shù)據(jù)集，通過(guò)建立和優(yōu)化KNN、MLP模型及其參數(shù)，分別建立蒸發(fā)量區(qū)域估算模型、單站估算模型并對(duì)其進(jìn)行檢驗(yàn)。結(jié)果表明：①進(jìn)行區(qū)域蒸發(fā)量估算時(shí)，KNN模型表現(xiàn)出良好的泛化性能，均方誤差、總相對(duì)誤差和準(zhǔn)確率指標(biāo)值平均分別為0.42、2.1%、57.0%；陜北MLP模型的泛化性能較差；②進(jìn)行單站蒸發(fā)量估算時(shí)，基于k近鄰法的單站估算模型性能優(yōu)于區(qū)域估算模型，均方誤差、準(zhǔn)確率指標(biāo)值平均分別為0.48、55.0%，榆林與涇河總相對(duì)誤差指標(biāo)絕對(duì)值平均為1.6%，漢中總相對(duì)誤差指標(biāo)值相對(duì)偏高，達(dá)到103%。本研究為不同氣候區(qū)域及單站日、月、季和年蒸發(fā)皿蒸發(fā)量估算以及日蒸發(fā)量數(shù)據(jù)質(zhì)量控制提供了一種基于機(jī)器學(xué)習(xí)的方法。
2021, 49(2):174-183.
摘要:
本文在氣象火箭測(cè)風(fēng)反演數(shù)學(xué)模型基礎(chǔ)上，通過(guò)誤差分析理論和曲線擬合最小二乘原理，對(duì)大氣風(fēng)場(chǎng)反演結(jié)果不確定度的評(píng)估方法進(jìn)行了研究。根據(jù)火箭探空儀在空中的運(yùn)動(dòng)規(guī)律，首先建立數(shù)學(xué)反演模型，推導(dǎo)得到風(fēng)速和風(fēng)向的計(jì)算公式；然后根據(jù)誤差理論，推導(dǎo)得出反演風(fēng)速和風(fēng)向的不確定度表達(dá)式；基于多項(xiàng)式擬合方法，進(jìn)一步推導(dǎo)得出擬合后的風(fēng)速和風(fēng)向的系統(tǒng)誤差和隨機(jī)誤差公式，并求解公式中系數(shù)。最后以1次氣象火箭實(shí)測(cè)數(shù)據(jù)為例，對(duì)風(fēng)場(chǎng)及其不確定度進(jìn)行了分析計(jì)算。結(jié)果表明：風(fēng)速反演不確定度隨高度降低而減小，在50～60 km高度不確定度約為2.8～3.5 m/s，50 km以下不確定度在1 m/s以內(nèi)；風(fēng)向在正北方向（0°）附近擺動(dòng)時(shí)，會(huì)導(dǎo)致反演不確定度異常增大，其他高度不確定度基本在10°以內(nèi)。
本文在氣象火箭測(cè)風(fēng)反演數(shù)學(xué)模型基礎(chǔ)上，通過(guò)誤差分析理論和曲線擬合最小二乘原理，對(duì)大氣風(fēng)場(chǎng)反演結(jié)果不確定度的評(píng)估方法進(jìn)行了研究。根據(jù)火箭探空儀在空中的運(yùn)動(dòng)規(guī)律，首先建立數(shù)學(xué)反演模型，推導(dǎo)得到風(fēng)速和風(fēng)向的計(jì)算公式；然后根據(jù)誤差理論，推導(dǎo)得出反演風(fēng)速和風(fēng)向的不確定度表達(dá)式；基于多項(xiàng)式擬合方法，進(jìn)一步推導(dǎo)得出擬合后的風(fēng)速和風(fēng)向的系統(tǒng)誤差和隨機(jī)誤差公式，并求解公式中系數(shù)。最后以1次氣象火箭實(shí)測(cè)數(shù)據(jù)為例，對(duì)風(fēng)場(chǎng)及其不確定度進(jìn)行了分析計(jì)算。結(jié)果表明：風(fēng)速反演不確定度隨高度降低而減小，在50～60 km高度不確定度約為2.8～3.5 m/s，50 km以下不確定度在1 m/s以內(nèi)；風(fēng)向在正北方向（0°）附近擺動(dòng)時(shí)，會(huì)導(dǎo)致反演不確定度異常增大，其他高度不確定度基本在10°以內(nèi)。
2021, 49(2):184-191.
摘要:
近年來(lái)北京首都國(guó)際機(jī)場(chǎng)航班量增長(zhǎng)，遭遇風(fēng)切變的概率增加，目前仍缺乏有效預(yù)警風(fēng)切變的手段。本文使用安裝在北京首都國(guó)際機(jī)場(chǎng)跑道旁邊的多普勒激光雷達(dá)執(zhí)行下滑道掃描模式，對(duì)跑道附近區(qū)域進(jìn)行風(fēng)場(chǎng)探測(cè)，獲取飛機(jī)起降區(qū)域的三維風(fēng)場(chǎng)結(jié)構(gòu)。通過(guò)對(duì)實(shí)時(shí)探測(cè)資料進(jìn)行插值處理，選取飛機(jī)下降過(guò)程中所經(jīng)區(qū)域內(nèi)的數(shù)據(jù)來(lái)構(gòu)成下滑道頂風(fēng)廓線，并采用風(fēng)切變識(shí)別算法對(duì)頂風(fēng)廓線進(jìn)行檢測(cè)，以此獲得風(fēng)切變發(fā)生的位置和區(qū)域，并將其標(biāo)識(shí)出來(lái)，從而為管制員指揮飛機(jī)起降以及飛行員執(zhí)行飛機(jī)起降提供預(yù)警。本文使用飛機(jī)機(jī)組提供的風(fēng)切變報(bào)告對(duì)研究結(jié)果進(jìn)行驗(yàn)證，結(jié)果表明該方法能檢測(cè)出飛機(jī)下滑道路徑上的風(fēng)切變，統(tǒng)計(jì)結(jié)果顯示預(yù)警率達(dá)到了7333%。研究結(jié)果為多普勒激光雷達(dá)有效探測(cè)和識(shí)別機(jī)場(chǎng)風(fēng)切變提供了參考依據(jù)。
近年來(lái)北京首都國(guó)際機(jī)場(chǎng)航班量增長(zhǎng)，遭遇風(fēng)切變的概率增加，目前仍缺乏有效預(yù)警風(fēng)切變的手段。本文使用安裝在北京首都國(guó)際機(jī)場(chǎng)跑道旁邊的多普勒激光雷達(dá)執(zhí)行下滑道掃描模式，對(duì)跑道附近區(qū)域進(jìn)行風(fēng)場(chǎng)探測(cè)，獲取飛機(jī)起降區(qū)域的三維風(fēng)場(chǎng)結(jié)構(gòu)。通過(guò)對(duì)實(shí)時(shí)探測(cè)資料進(jìn)行插值處理，選取飛機(jī)下降過(guò)程中所經(jīng)區(qū)域內(nèi)的數(shù)據(jù)來(lái)構(gòu)成下滑道頂風(fēng)廓線，并采用風(fēng)切變識(shí)別算法對(duì)頂風(fēng)廓線進(jìn)行檢測(cè)，以此獲得風(fēng)切變發(fā)生的位置和區(qū)域，并將其標(biāo)識(shí)出來(lái)，從而為管制員指揮飛機(jī)起降以及飛行員執(zhí)行飛機(jī)起降提供預(yù)警。本文使用飛機(jī)機(jī)組提供的風(fēng)切變報(bào)告對(duì)研究結(jié)果進(jìn)行驗(yàn)證，結(jié)果表明該方法能檢測(cè)出飛機(jī)下滑道路徑上的風(fēng)切變，統(tǒng)計(jì)結(jié)果顯示預(yù)警率達(dá)到了7333%。研究結(jié)果為多普勒激光雷達(dá)有效探測(cè)和識(shí)別機(jī)場(chǎng)風(fēng)切變提供了參考依據(jù)。
2021, 49(2):192-199.
摘要:
結(jié)合天氣形勢(shì)、高空風(fēng)場(chǎng)、370 m高塔、地面要素、激光云高儀、毫米波雷達(dá)等資料，對(duì)寧波北侖港區(qū)航道2018年2月15日海霧過(guò)程進(jìn)行分析。結(jié)果表明，這是一次以鋒前霧為主的海霧過(guò)程，在上暖下冷的鋒面背景下，地面水汽充沛、風(fēng)力溫和，近地層逆溫結(jié)構(gòu)，都為海霧的形成和維持提供了有利條件。上下大氣風(fēng)向不一致，不利于垂直方向空氣交換，有利于霧霾的產(chǎn)生。激光云高儀后向散射系數(shù)、顆粒物的消光系數(shù)及退偏振比，可以比較清晰地得出霧滴粒子的光學(xué)特性和過(guò)程演變趨勢(shì)。隨著海霧的生成、發(fā)展、消散，后向散射系數(shù)強(qiáng)度也呈增強(qiáng)、強(qiáng)、逐漸減弱的變化。霧天氣現(xiàn)象下霧滴粒子小且輕，波動(dòng)幅度比較大，某一高度粒子的傅里葉變換頻率譜對(duì)應(yīng)頻率較高，高頻所占比多數(shù)大于50%。
結(jié)合天氣形勢(shì)、高空風(fēng)場(chǎng)、370 m高塔、地面要素、激光云高儀、毫米波雷達(dá)等資料，對(duì)寧波北侖港區(qū)航道2018年2月15日海霧過(guò)程進(jìn)行分析。結(jié)果表明，這是一次以鋒前霧為主的海霧過(guò)程，在上暖下冷的鋒面背景下，地面水汽充沛、風(fēng)力溫和，近地層逆溫結(jié)構(gòu)，都為海霧的形成和維持提供了有利條件。上下大氣風(fēng)向不一致，不利于垂直方向空氣交換，有利于霧霾的產(chǎn)生。激光云高儀后向散射系數(shù)、顆粒物的消光系數(shù)及退偏振比，可以比較清晰地得出霧滴粒子的光學(xué)特性和過(guò)程演變趨勢(shì)。隨著海霧的生成、發(fā)展、消散，后向散射系數(shù)強(qiáng)度也呈增強(qiáng)、強(qiáng)、逐漸減弱的變化。霧天氣現(xiàn)象下霧滴粒子小且輕，波動(dòng)幅度比較大，某一高度粒子的傅里葉變換頻率譜對(duì)應(yīng)頻率較高，高頻所占比多數(shù)大于50%。
2021, 49(2):200-210.
摘要:
云南夏季降水年際變化較大，影響因子眾多，夏季降水的預(yù)測(cè)較為困難。使用1965—2017年云南省122個(gè)氣象觀測(cè)站的逐日降水資料和NCEP大氣環(huán)流資料，采用年際增量的方法來(lái)預(yù)測(cè)云南夏季降水。文中基于云南夏季降水年際增量變化規(guī)律和影響夏季降水的環(huán)流形勢(shì)及物理過(guò)程，選取了6個(gè)具有物理意義的預(yù)測(cè)因子，包括：前期2月南太平洋海溫異常、前期2月東亞北部海平面氣壓異常、前期4月北美500 hPa 位勢(shì)高度異常、前期5月太平洋北部海平面氣壓異常、前期1月印度半島北部500 hPa 位勢(shì)高度異常及前期2月澳洲以南地區(qū)200 hPa高度場(chǎng)偶極子異常，來(lái)建立云南夏季降水預(yù)測(cè)模型。并對(duì)預(yù)測(cè)模型進(jìn)行逐年交叉檢驗(yàn)和1998—2017年逐年獨(dú)立樣本檢驗(yàn)。交叉檢驗(yàn)中夏季降水年際增量預(yù)測(cè)值和觀測(cè)值的相關(guān)系數(shù)為0.85，相對(duì)均方根誤差為8.0%。回報(bào)檢驗(yàn)中夏季降水年際增量的相對(duì)均方根誤差為9.1%，63.0%的異常年份預(yù)測(cè)值能夠準(zhǔn)確地預(yù)報(bào)出夏季降水異常。該預(yù)測(cè)模型有較好的預(yù)測(cè)能力。
云南夏季降水年際變化較大，影響因子眾多，夏季降水的預(yù)測(cè)較為困難。使用1965—2017年云南省122個(gè)氣象觀測(cè)站的逐日降水資料和NCEP大氣環(huán)流資料，采用年際增量的方法來(lái)預(yù)測(cè)云南夏季降水。文中基于云南夏季降水年際增量變化規(guī)律和影響夏季降水的環(huán)流形勢(shì)及物理過(guò)程，選取了6個(gè)具有物理意義的預(yù)測(cè)因子，包括：前期2月南太平洋海溫異常、前期2月東亞北部海平面氣壓異常、前期4月北美500 hPa 位勢(shì)高度異常、前期5月太平洋北部海平面氣壓異常、前期1月印度半島北部500 hPa 位勢(shì)高度異常及前期2月澳洲以南地區(qū)200 hPa高度場(chǎng)偶極子異常，來(lái)建立云南夏季降水預(yù)測(cè)模型。并對(duì)預(yù)測(cè)模型進(jìn)行逐年交叉檢驗(yàn)和1998—2017年逐年獨(dú)立樣本檢驗(yàn)。交叉檢驗(yàn)中夏季降水年際增量預(yù)測(cè)值和觀測(cè)值的相關(guān)系數(shù)為0.85，相對(duì)均方根誤差為8.0%。回報(bào)檢驗(yàn)中夏季降水年際增量的相對(duì)均方根誤差為9.1%，63.0%的異常年份預(yù)測(cè)值能夠準(zhǔn)確地預(yù)報(bào)出夏季降水異常。該預(yù)測(cè)模型有較好的預(yù)測(cè)能力。
2021, 49(2):211-217.
摘要:
本文采用2012—2018年西藏74個(gè)氣象站的降水資料，以及墨脫站小時(shí)、日、月、季、年的降水資料，對(duì)西藏的降水日數(shù)、累計(jì)降水量、強(qiáng)降水的空間分布進(jìn)行了分析，結(jié)果表明：①墨脫是西藏降水日數(shù)最多、累計(jì)降水量最大的中心，也是出現(xiàn)極端強(qiáng)降水概率最高的區(qū)域。②墨脫的降水主要集中在3—10月，降水呈現(xiàn)雙峰型，峰值分別出現(xiàn)在6月和9月，其中9月的降水量跟年降水量有很好的相關(guān)性。③墨脫出現(xiàn)暴雨次數(shù)最多的是5、8、9月，其中5月的暴雨日數(shù)突增，與8、9月的暴雨日數(shù)相當(dāng)。④墨脫干濕季分明，多夜雨，凌晨03:00—07:00出現(xiàn)降雨的概率達(dá)到50%以上。墨脫位于西藏的最南端，海拔從最低的115 m上升到1200 m，印度洋的濕潤(rùn)氣流沿著雅魯藏布河谷長(zhǎng)驅(qū)直入，在地形抬升作用下，使得墨脫的降水量堪比同緯度的內(nèi)地沿海城市，因此墨脫為西藏的“雨窩”。
本文采用2012—2018年西藏74個(gè)氣象站的降水資料，以及墨脫站小時(shí)、日、月、季、年的降水資料，對(duì)西藏的降水日數(shù)、累計(jì)降水量、強(qiáng)降水的空間分布進(jìn)行了分析，結(jié)果表明：①墨脫是西藏降水日數(shù)最多、累計(jì)降水量最大的中心，也是出現(xiàn)極端強(qiáng)降水概率最高的區(qū)域。②墨脫的降水主要集中在3—10月，降水呈現(xiàn)雙峰型，峰值分別出現(xiàn)在6月和9月，其中9月的降水量跟年降水量有很好的相關(guān)性。③墨脫出現(xiàn)暴雨次數(shù)最多的是5、8、9月，其中5月的暴雨日數(shù)突增，與8、9月的暴雨日數(shù)相當(dāng)。④墨脫干濕季分明，多夜雨，凌晨03:00—07:00出現(xiàn)降雨的概率達(dá)到50%以上。墨脫位于西藏的最南端，海拔從最低的115 m上升到1200 m，印度洋的濕潤(rùn)氣流沿著雅魯藏布河谷長(zhǎng)驅(qū)直入，在地形抬升作用下，使得墨脫的降水量堪比同緯度的內(nèi)地沿海城市，因此墨脫為西藏的“雨窩”。
2021, 49(2):218-226.
摘要:
利用WRF模式，結(jié)合自動(dòng)站觀測(cè)資料、多普勒雷達(dá)資料和NECP再分析資料，對(duì)2018年6月13日山東中部一次冰雹天氣過(guò)程的環(huán)流背景、觸發(fā)和維持機(jī)制、雹云流場(chǎng)結(jié)構(gòu)特征以及冰雹形成機(jī)制進(jìn)行分析。結(jié)果表明：本次冰雹天氣過(guò)程是在華北冷渦背景下，由中尺度地面輻合線觸發(fā)生成的超級(jí)單體雹暴過(guò)程。降雨和下沉氣流引發(fā)的地面冷池進(jìn)一步增強(qiáng)了地面輻合；雹云頂端強(qiáng)輻散出流的抽吸作用是動(dòng)力不穩(wěn)定維持機(jī)制。WRF模式模擬的雹云具有有界弱回波、回波懸垂等超級(jí)單體特征。模擬雹云的成熟階段0 ℃高度位于4 km，超過(guò)40 dBz的回波高度達(dá)到12 km；在流場(chǎng)上主體為上升運(yùn)動(dòng)，且上升運(yùn)動(dòng)兩側(cè)存在上升→下沉→上升運(yùn)動(dòng)的轉(zhuǎn)換，有利于冰雹的碰并增長(zhǎng)。雪晶最初由過(guò)冷云水和云冰碰并生成，之后通過(guò)碰并過(guò)冷水轉(zhuǎn)化為霰粒子，為冰雹生成提供了充足的雹胚。霰粒子和雹粒子在上升運(yùn)動(dòng)的帶動(dòng)下反復(fù)經(jīng)過(guò)雹云中的過(guò)冷水累積帶有利于自身不斷增長(zhǎng)并轉(zhuǎn)化形成大冰雹。
利用WRF模式，結(jié)合自動(dòng)站觀測(cè)資料、多普勒雷達(dá)資料和NECP再分析資料，對(duì)2018年6月13日山東中部一次冰雹天氣過(guò)程的環(huán)流背景、觸發(fā)和維持機(jī)制、雹云流場(chǎng)結(jié)構(gòu)特征以及冰雹形成機(jī)制進(jìn)行分析。結(jié)果表明：本次冰雹天氣過(guò)程是在華北冷渦背景下，由中尺度地面輻合線觸發(fā)生成的超級(jí)單體雹暴過(guò)程。降雨和下沉氣流引發(fā)的地面冷池進(jìn)一步增強(qiáng)了地面輻合；雹云頂端強(qiáng)輻散出流的抽吸作用是動(dòng)力不穩(wěn)定維持機(jī)制。WRF模式模擬的雹云具有有界弱回波、回波懸垂等超級(jí)單體特征。模擬雹云的成熟階段0 ℃高度位于4 km，超過(guò)40 dBz的回波高度達(dá)到12 km；在流場(chǎng)上主體為上升運(yùn)動(dòng)，且上升運(yùn)動(dòng)兩側(cè)存在上升→下沉→上升運(yùn)動(dòng)的轉(zhuǎn)換，有利于冰雹的碰并增長(zhǎng)。雪晶最初由過(guò)冷云水和云冰碰并生成，之后通過(guò)碰并過(guò)冷水轉(zhuǎn)化為霰粒子，為冰雹生成提供了充足的雹胚。霰粒子和雹粒子在上升運(yùn)動(dòng)的帶動(dòng)下反復(fù)經(jīng)過(guò)雹云中的過(guò)冷水累積帶有利于自身不斷增長(zhǎng)并轉(zhuǎn)化形成大冰雹。
2021, 49(2):227-234.
摘要:
利用2019年5月20日機(jī)載DMT和SPEC粒子測(cè)量系統(tǒng)獲取的飛機(jī)云微物理探測(cè)資料，結(jié)合高空、地面、衛(wèi)星云圖產(chǎn)品等常規(guī)氣象數(shù)據(jù)，分析了東北冷渦在發(fā)展成熟期的云宏微觀結(jié)構(gòu)特征。結(jié)果表明：飛機(jī)探測(cè)區(qū)域?yàn)槔湫詫臃e混合云，云水充沛。云粒子探頭(CDP)和二維云粒子圖像探頭(CIP)探測(cè)到的最大粒子數(shù)濃度分別為362.10 cm-3、191.08 L-1，液態(tài)含水量變化范圍為0~0.88 g/m3；CDP粒子譜呈指數(shù)型下降，譜寬較窄；CIP粒子譜呈雙峰結(jié)構(gòu)。云粒子圖像探測(cè)儀CPI表明，層積云上部主要為冰雪晶粒子，以冰晶的核化和凝華增長(zhǎng)為主；中上部粒子主要為小冰晶形態(tài)，也有冰晶聚合體和枝狀冰晶；中下部是過(guò)冷水和冰晶粒子的共存區(qū)，過(guò)冷水較為豐富。
利用2019年5月20日機(jī)載DMT和SPEC粒子測(cè)量系統(tǒng)獲取的飛機(jī)云微物理探測(cè)資料，結(jié)合高空、地面、衛(wèi)星云圖產(chǎn)品等常規(guī)氣象數(shù)據(jù)，分析了東北冷渦在發(fā)展成熟期的云宏微觀結(jié)構(gòu)特征。結(jié)果表明：飛機(jī)探測(cè)區(qū)域?yàn)槔湫詫臃e混合云，云水充沛。云粒子探頭(CDP)和二維云粒子圖像探頭(CIP)探測(cè)到的最大粒子數(shù)濃度分別為362.10 cm-3、191.08 L-1，液態(tài)含水量變化范圍為0~0.88 g/m3；CDP粒子譜呈指數(shù)型下降，譜寬較窄；CIP粒子譜呈雙峰結(jié)構(gòu)。云粒子圖像探測(cè)儀CPI表明，層積云上部主要為冰雪晶粒子，以冰晶的核化和凝華增長(zhǎng)為主；中上部粒子主要為小冰晶形態(tài)，也有冰晶聚合體和枝狀冰晶；中下部是過(guò)冷水和冰晶粒子的共存區(qū)，過(guò)冷水較為豐富。
2021, 49(2):235-243.
摘要:
2017年8月1日18:10—18:30受1710號(hào)臺(tái)風(fēng)“海棠”外圍螺旋雨帶影響，江蘇省淮安市淮安區(qū)出現(xiàn)EF1級(jí)龍卷。利用常規(guī)觀測(cè)資料、NCEP 1°×1°再分析資料、多普勒雷達(dá)資料等，對(duì)龍卷過(guò)程進(jìn)行分析。結(jié)果顯示：龍卷發(fā)生在“海棠”殘留低壓和副高邊緣間的東南暖濕急流中，其發(fā)生前1 h地面出現(xiàn)小尺度渦旋并沿著地面輻合線移動(dòng)。龍卷影響時(shí)，相鄰地面自動(dòng)站觀測(cè)到氣壓上升、氣溫和露點(diǎn)下降、風(fēng)力明顯增大。逐漸增大的對(duì)流有效位能、小的對(duì)流抑制能量、較大的0～1 km垂直風(fēng)切變、1 km以下的抬升凝結(jié)高度、干侵入等環(huán)境場(chǎng)特征均有利于本次龍卷風(fēng)暴的生成。淮安多普勒雷達(dá)探測(cè)到入流缺口、TVS特征、氣旋性風(fēng)場(chǎng)結(jié)構(gòu)。通過(guò)垂直螺旋度分析和雙多普勒雷達(dá)風(fēng)場(chǎng)反演等方法，發(fā)現(xiàn)在龍卷發(fā)生前低層環(huán)境垂直風(fēng)切變有利于小尺度渦旋生成，中低層水平風(fēng)場(chǎng)以輻合為主。當(dāng)出現(xiàn)龍卷時(shí)，氣旋式輻合中心下降有利于渦旋觸地，龍卷發(fā)生地位于低層渦旋移動(dòng)方向左前側(cè)與1 km高度切變線附近。
2017年8月1日18:10—18:30受1710號(hào)臺(tái)風(fēng)“海棠”外圍螺旋雨帶影響，江蘇省淮安市淮安區(qū)出現(xiàn)EF1級(jí)龍卷。利用常規(guī)觀測(cè)資料、NCEP 1°×1°再分析資料、多普勒雷達(dá)資料等，對(duì)龍卷過(guò)程進(jìn)行分析。結(jié)果顯示：龍卷發(fā)生在“海棠”殘留低壓和副高邊緣間的東南暖濕急流中，其發(fā)生前1 h地面出現(xiàn)小尺度渦旋并沿著地面輻合線移動(dòng)。龍卷影響時(shí)，相鄰地面自動(dòng)站觀測(cè)到氣壓上升、氣溫和露點(diǎn)下降、風(fēng)力明顯增大。逐漸增大的對(duì)流有效位能、小的對(duì)流抑制能量、較大的0～1 km垂直風(fēng)切變、1 km以下的抬升凝結(jié)高度、干侵入等環(huán)境場(chǎng)特征均有利于本次龍卷風(fēng)暴的生成。淮安多普勒雷達(dá)探測(cè)到入流缺口、TVS特征、氣旋性風(fēng)場(chǎng)結(jié)構(gòu)。通過(guò)垂直螺旋度分析和雙多普勒雷達(dá)風(fēng)場(chǎng)反演等方法，發(fā)現(xiàn)在龍卷發(fā)生前低層環(huán)境垂直風(fēng)切變有利于小尺度渦旋生成，中低層水平風(fēng)場(chǎng)以輻合為主。當(dāng)出現(xiàn)龍卷時(shí)，氣旋式輻合中心下降有利于渦旋觸地，龍卷發(fā)生地位于低層渦旋移動(dòng)方向左前側(cè)與1 km高度切變線附近。
2021, 49(2):244-252.
摘要:
針對(duì)2018年3月16—17日四川盆地西北部一次典型層狀云降水天氣過(guò)程，利用云模式、衛(wèi)星、雷達(dá)、探空等資料，分析了人工增雨作業(yè)條件和物理響應(yīng)。同時(shí)，基于雨滴譜觀測(cè)數(shù)據(jù)開(kāi)展了人工增雨作業(yè)微物理特征分析，重點(diǎn)研究了粒徑速度譜分布特征。結(jié)果表明：人工增雨作業(yè)后，不同粒徑、不同粒速的粒子數(shù)變化明顯，大滴粒子顯著增多，雨滴譜變寬，0.437～1.625 mm粒徑譜和1.5～5.2 m/s速度譜明顯變寬；同時(shí)，粒徑和粒子速度無(wú)明顯躍變，區(qū)間值分布相對(duì)集中在粒徑0.312～2.125 mm、粒速1.1～6.8 m/s，人工增雨作業(yè)對(duì)降水粒子的粒徑和粒子速度改變有限。人工增雨作業(yè)影響時(shí)段，降水強(qiáng)度和雨含水量以及總數(shù)濃度和有效粒徑，依然保持與自然降水時(shí)段各自峰值、谷值、震蕩態(tài)勢(shì)的一致性，人工增雨作業(yè)不改變各物理量之間的相關(guān)性。
針對(duì)2018年3月16—17日四川盆地西北部一次典型層狀云降水天氣過(guò)程，利用云模式、衛(wèi)星、雷達(dá)、探空等資料，分析了人工增雨作業(yè)條件和物理響應(yīng)。同時(shí)，基于雨滴譜觀測(cè)數(shù)據(jù)開(kāi)展了人工增雨作業(yè)微物理特征分析，重點(diǎn)研究了粒徑速度譜分布特征。結(jié)果表明：人工增雨作業(yè)后，不同粒徑、不同粒速的粒子數(shù)變化明顯，大滴粒子顯著增多，雨滴譜變寬，0.437～1.625 mm粒徑譜和1.5～5.2 m/s速度譜明顯變寬；同時(shí)，粒徑和粒子速度無(wú)明顯躍變，區(qū)間值分布相對(duì)集中在粒徑0.312～2.125 mm、粒速1.1～6.8 m/s，人工增雨作業(yè)對(duì)降水粒子的粒徑和粒子速度改變有限。人工增雨作業(yè)影響時(shí)段，降水強(qiáng)度和雨含水量以及總數(shù)濃度和有效粒徑，依然保持與自然降水時(shí)段各自峰值、谷值、震蕩態(tài)勢(shì)的一致性，人工增雨作業(yè)不改變各物理量之間的相關(guān)性。
2021, 49(2):253-259.
摘要:
為分析安徽省夏玉米全生育期澇漬災(zāi)害發(fā)生的特征，定量化評(píng)估澇漬災(zāi)害風(fēng)險(xiǎn)程度。利用安徽省48年的氣象資料(1971-2018年)，采用夏玉米澇漬指數(shù)模型，計(jì)算分析了安徽省夏玉米澇漬指數(shù)的時(shí)空特征，并確定了夏玉米澇漬指數(shù)等級(jí)指標(biāo)，最后采用災(zāi)損風(fēng)險(xiǎn)指數(shù)模型得到了安徽省夏玉米產(chǎn)量澇漬災(zāi)損風(fēng)險(xiǎn)分布。結(jié)果表明：①夏玉米全生育期澇漬指數(shù)以0.027/10a的速率呈顯著上升趨勢(shì)，其中6月上旬和8月上旬上升趨勢(shì)最為明顯;澇漬指數(shù)的空間分布顯示其值變幅在0.08～0.38之間，其中大別山區(qū)、江南中東部和淮北局部是夏玉米澇漬指數(shù)的高值區(qū)。②建立的夏玉米澇漬災(zāi)害等級(jí)指標(biāo)和實(shí)際澇漬減產(chǎn)的結(jié)果較為一致，其中澇漬等級(jí)與實(shí)際減產(chǎn)率一致的比例為82.2%。③而夏玉米澇漬產(chǎn)量災(zāi)損風(fēng)險(xiǎn)分布顯示大別山區(qū)、江淮東部和江南東部地區(qū)是安徽省夏玉米澇漬產(chǎn)量損失的高風(fēng)險(xiǎn)區(qū)。研究結(jié)果對(duì)開(kāi)展區(qū)域農(nóng)業(yè)氣象防災(zāi)減災(zāi)有很好的借鑒意義。
為分析安徽省夏玉米全生育期澇漬災(zāi)害發(fā)生的特征，定量化評(píng)估澇漬災(zāi)害風(fēng)險(xiǎn)程度。利用安徽省48年的氣象資料(1971-2018年)，采用夏玉米澇漬指數(shù)模型，計(jì)算分析了安徽省夏玉米澇漬指數(shù)的時(shí)空特征，并確定了夏玉米澇漬指數(shù)等級(jí)指標(biāo)，最后采用災(zāi)損風(fēng)險(xiǎn)指數(shù)模型得到了安徽省夏玉米產(chǎn)量澇漬災(zāi)損風(fēng)險(xiǎn)分布。結(jié)果表明：①夏玉米全生育期澇漬指數(shù)以0.027/10a的速率呈顯著上升趨勢(shì)，其中6月上旬和8月上旬上升趨勢(shì)最為明顯;澇漬指數(shù)的空間分布顯示其值變幅在0.08～0.38之間，其中大別山區(qū)、江南中東部和淮北局部是夏玉米澇漬指數(shù)的高值區(qū)。②建立的夏玉米澇漬災(zāi)害等級(jí)指標(biāo)和實(shí)際澇漬減產(chǎn)的結(jié)果較為一致，其中澇漬等級(jí)與實(shí)際減產(chǎn)率一致的比例為82.2%。③而夏玉米澇漬產(chǎn)量災(zāi)損風(fēng)險(xiǎn)分布顯示大別山區(qū)、江淮東部和江南東部地區(qū)是安徽省夏玉米澇漬產(chǎn)量損失的高風(fēng)險(xiǎn)區(qū)。研究結(jié)果對(duì)開(kāi)展區(qū)域農(nóng)業(yè)氣象防災(zāi)減災(zāi)有很好的借鑒意義。
2021, 49(2):260-268.
摘要:
利用四川省1961—2019年的氣象觀測(cè)資料及1991—2019年各縣旱情資料，采用信息擴(kuò)散方法分析了10 a、50 a一遇干旱的持續(xù)天數(shù)、經(jīng)濟(jì)損失率、人口受旱率和農(nóng)作物受旱率的空間分布，并采用基于廣義帕累托分布（GDP）的極值（POT）模型分析了四川7個(gè)干旱氣候區(qū)，在不同置信水平下可能造成的最大經(jīng)濟(jì)損失率（PML）。結(jié)果表明：①10 a重現(xiàn)期干旱持續(xù)天數(shù)，盆東北、盆中以及盆地西部山區(qū)相對(duì)較少在60～80 d，攀西地區(qū)西部、盆地南部、龍泉山脈相對(duì)較多在100 d以上；50 a重現(xiàn)期干旱持續(xù)天數(shù)，盆地嘉陵江、涪江流域、都江堰灌區(qū)、甘孜州中部以及川西高原西北部相對(duì)較少在90～120 d，攀西地區(qū)、甘孜州西南部和中部、盆地南部等局部地區(qū)在150 d以上。②10 a和50 a重現(xiàn)期農(nóng)作物受旱率，川西高原北部、盆東北和盆中均偏高，分別大于60%和90%；攀西地區(qū)和成都平原等地區(qū)相對(duì)偏低，均小于60%。③10 a和50 a重現(xiàn)期人口受旱率川西高原和盆地東北部、中部和南部分別在60%和80%以上。④10 a和50 a重現(xiàn)期干旱經(jīng)濟(jì)損失率，攀西地區(qū)、盆地西部（成德綿、雅樂(lè)眉）和南部（宜賓、自貢）均偏小，分別在3%和5%以下；盆東北、盆中和川西高原均相對(duì)而言偏高，其中盆東北局地、甘孜州西北部分別大于10%和20%。⑤在不同置信水平下，IV區(qū)（盆地東北部）和V區(qū)（甘孜州北部和阿壩州中西部）的PML相差較大且明顯高于其它5區(qū)，最大分別為28.5%和38.6%；VII區(qū)（甘孜州南部和攀西地區(qū)北部）的PML在不同置信水平下相差最小且均小于其它區(qū)域，最小為3.1%；I區(qū)（成都平原區(qū)）的PML在不同置信水平下均處于偏小位置且整體相差不大。
利用四川省1961—2019年的氣象觀測(cè)資料及1991—2019年各縣旱情資料，采用信息擴(kuò)散方法分析了10 a、50 a一遇干旱的持續(xù)天數(shù)、經(jīng)濟(jì)損失率、人口受旱率和農(nóng)作物受旱率的空間分布，并采用基于廣義帕累托分布（GDP）的極值（POT）模型分析了四川7個(gè)干旱氣候區(qū)，在不同置信水平下可能造成的最大經(jīng)濟(jì)損失率（PML）。結(jié)果表明：①10 a重現(xiàn)期干旱持續(xù)天數(shù)，盆東北、盆中以及盆地西部山區(qū)相對(duì)較少在60～80 d，攀西地區(qū)西部、盆地南部、龍泉山脈相對(duì)較多在100 d以上；50 a重現(xiàn)期干旱持續(xù)天數(shù)，盆地嘉陵江、涪江流域、都江堰灌區(qū)、甘孜州中部以及川西高原西北部相對(duì)較少在90～120 d，攀西地區(qū)、甘孜州西南部和中部、盆地南部等局部地區(qū)在150 d以上。②10 a和50 a重現(xiàn)期農(nóng)作物受旱率，川西高原北部、盆東北和盆中均偏高，分別大于60%和90%；攀西地區(qū)和成都平原等地區(qū)相對(duì)偏低，均小于60%。③10 a和50 a重現(xiàn)期人口受旱率川西高原和盆地東北部、中部和南部分別在60%和80%以上。④10 a和50 a重現(xiàn)期干旱經(jīng)濟(jì)損失率，攀西地區(qū)、盆地西部（成德綿、雅樂(lè)眉）和南部（宜賓、自貢）均偏小，分別在3%和5%以下；盆東北、盆中和川西高原均相對(duì)而言偏高，其中盆東北局地、甘孜州西北部分別大于10%和20%。⑤在不同置信水平下，IV區(qū)（盆地東北部）和V區(qū)（甘孜州北部和阿壩州中西部）的PML相差較大且明顯高于其它5區(qū)，最大分別為28.5%和38.6%；VII區(qū)（甘孜州南部和攀西地區(qū)北部）的PML在不同置信水平下相差最小且均小于其它區(qū)域，最小為3.1%；I區(qū)（成都平原區(qū)）的PML在不同置信水平下均處于偏小位置且整體相差不大。
2021, 49(2):269-277.
摘要:
根據(jù)自然災(zāi)害風(fēng)險(xiǎn)理論，結(jié)合氣象數(shù)據(jù)、地理信息、人口與經(jīng)濟(jì)資料等開(kāi)展雷電災(zāi)害風(fēng)險(xiǎn)綜合評(píng)價(jià)，研究致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體等因子與風(fēng)險(xiǎn)的定量化關(guān)系，建立評(píng)價(jià)指標(biāo)和層次分析模型，運(yùn)用模糊綜合判斷和聚類(lèi)分析等方法計(jì)算綜合評(píng)價(jià)指數(shù)并劃分風(fēng)險(xiǎn)等級(jí)。結(jié)果表明：雷電災(zāi)害高風(fēng)險(xiǎn)區(qū)主要集中在滇中、滇西南及滇西北的麗江東南部等地區(qū)；次高風(fēng)險(xiǎn)區(qū)分布于西雙版納、普洱、昆明、楚雄、曲靖西部、玉溪北部及大理中部等地；中風(fēng)險(xiǎn)區(qū)分布最廣，主要集中在臨滄、德宏、曲靖、紅河、麗江及文山北部等；迪慶、怒江和昭通的風(fēng)險(xiǎn)值較低，將風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果與歷史雷電災(zāi)情的分布進(jìn)行對(duì)比，兩者對(duì)應(yīng)情況較好。開(kāi)展基于災(zāi)前防御的風(fēng)險(xiǎn)分析，研究雷電活動(dòng)影響范圍和風(fēng)險(xiǎn)等級(jí)，有助于提前控制和處置風(fēng)險(xiǎn)，隨著技術(shù)方法的不斷改進(jìn)，風(fēng)險(xiǎn)評(píng)價(jià)的置信度和可靠性也將得到提升。
根據(jù)自然災(zāi)害風(fēng)險(xiǎn)理論，結(jié)合氣象數(shù)據(jù)、地理信息、人口與經(jīng)濟(jì)資料等開(kāi)展雷電災(zāi)害風(fēng)險(xiǎn)綜合評(píng)價(jià)，研究致災(zāi)因子、孕災(zāi)環(huán)境和承災(zāi)體等因子與風(fēng)險(xiǎn)的定量化關(guān)系，建立評(píng)價(jià)指標(biāo)和層次分析模型，運(yùn)用模糊綜合判斷和聚類(lèi)分析等方法計(jì)算綜合評(píng)價(jià)指數(shù)并劃分風(fēng)險(xiǎn)等級(jí)。結(jié)果表明：雷電災(zāi)害高風(fēng)險(xiǎn)區(qū)主要集中在滇中、滇西南及滇西北的麗江東南部等地區(qū)；次高風(fēng)險(xiǎn)區(qū)分布于西雙版納、普洱、昆明、楚雄、曲靖西部、玉溪北部及大理中部等地；中風(fēng)險(xiǎn)區(qū)分布最廣，主要集中在臨滄、德宏、曲靖、紅河、麗江及文山北部等；迪慶、怒江和昭通的風(fēng)險(xiǎn)值較低，將風(fēng)險(xiǎn)綜合評(píng)價(jià)結(jié)果與歷史雷電災(zāi)情的分布進(jìn)行對(duì)比，兩者對(duì)應(yīng)情況較好。開(kāi)展基于災(zāi)前防御的風(fēng)險(xiǎn)分析，研究雷電活動(dòng)影響范圍和風(fēng)險(xiǎn)等級(jí)，有助于提前控制和處置風(fēng)險(xiǎn)，隨著技術(shù)方法的不斷改進(jìn)，風(fēng)險(xiǎn)評(píng)價(jià)的置信度和可靠性也將得到提升。
2021, 49(2):278-283.
摘要:
為了揭示福建省高速公路沿線雷電活動(dòng)特征，做好高速公路機(jī)電設(shè)施的防雷工作，本文利用2015—2018年福建省三維閃電監(jiān)測(cè)數(shù)據(jù)以及福建省高速公路路網(wǎng)資料進(jìn)行統(tǒng)計(jì)分析。分析了高速公路沿線地閃的月、日活動(dòng)特征，得出地閃活動(dòng)主要分布在5—9月和14:00—18:00。根據(jù)高速公路沿線地閃密度繪制雷電活動(dòng)等級(jí)分布圖，結(jié)果表明高速公路的少雷區(qū)、中雷區(qū)、多雷區(qū)、強(qiáng)雷區(qū)路段占比分別為5.19%、12.65%、63.03%、19.13%。基于雷電流幅值和雷電陡度繪制雷電強(qiáng)度等級(jí)分布圖，結(jié)果表明89.87%的路段處于雷電強(qiáng)度等級(jí)為三級(jí)的區(qū)域。最后，統(tǒng)計(jì)了高速公路沿線雷電流幅值累積概率分布并分析其擬合函數(shù)，擬合結(jié)果表明福建省高速公路沿線雷電流幅值累積概率分布符合IEEE標(biāo)準(zhǔn)推薦的函數(shù)形式。
為了揭示福建省高速公路沿線雷電活動(dòng)特征，做好高速公路機(jī)電設(shè)施的防雷工作，本文利用2015—2018年福建省三維閃電監(jiān)測(cè)數(shù)據(jù)以及福建省高速公路路網(wǎng)資料進(jìn)行統(tǒng)計(jì)分析。分析了高速公路沿線地閃的月、日活動(dòng)特征，得出地閃活動(dòng)主要分布在5—9月和14:00—18:00。根據(jù)高速公路沿線地閃密度繪制雷電活動(dòng)等級(jí)分布圖，結(jié)果表明高速公路的少雷區(qū)、中雷區(qū)、多雷區(qū)、強(qiáng)雷區(qū)路段占比分別為5.19%、12.65%、63.03%、19.13%。基于雷電流幅值和雷電陡度繪制雷電強(qiáng)度等級(jí)分布圖，結(jié)果表明89.87%的路段處于雷電強(qiáng)度等級(jí)為三級(jí)的區(qū)域。最后，統(tǒng)計(jì)了高速公路沿線雷電流幅值累積概率分布并分析其擬合函數(shù)，擬合結(jié)果表明福建省高速公路沿線雷電流幅值累積概率分布符合IEEE標(biāo)準(zhǔn)推薦的函數(shù)形式。
2021, 49(2):284-290.
摘要:
空氣負(fù)氧離子含量已經(jīng)成為康養(yǎng)、生態(tài)旅游區(qū)域評(píng)價(jià)的主要指標(biāo)之一，沿海區(qū)域的空氣負(fù)氧離子含量較高，受雷雨等天氣因子的影響顯著。本文利用日照大沙洼國(guó)家森林公園空氣負(fù)氧離子逐日監(jiān)測(cè)數(shù)據(jù)、閃電定位儀監(jiān)測(cè)數(shù)據(jù)和自動(dòng)氣象站雨量、雨強(qiáng)監(jiān)測(cè)資料，分析檢驗(yàn)雷雨天氣相關(guān)氣象因子與空氣負(fù)氧離子濃度變化率的關(guān)系。結(jié)果表明：①雷雨天氣與負(fù)氧離子濃度的變化率具有顯著相關(guān)性，雷雨時(shí)負(fù)氧離子的濃度變化率高于無(wú)雷雨時(shí)的負(fù)氧離子濃度變化率。②在發(fā)生雷雨的初始階段，雷雨因子對(duì)空氣負(fù)氧離子濃度變化率的影響較明顯，隨著雷雨的持續(xù)，雷雨因子對(duì)空氣負(fù)氧離子濃度影響趨于平緩，并呈現(xiàn)出波動(dòng)變化。③雷雨過(guò)程中，降雨強(qiáng)度和空氣負(fù)氧離子濃度變化率存在顯著正相關(guān)關(guān)系，降雨越強(qiáng)空氣中的負(fù)氧離子含量增加越明顯;閃電強(qiáng)度和空氣負(fù)氧離子濃度變化率也存在顯著正相關(guān)關(guān)系，閃電強(qiáng)度越強(qiáng)空氣中負(fù)氧離子含量增加越明顯。④由負(fù)氧離子濃度變化率與降雨強(qiáng)度、閃電強(qiáng)度建立的回歸模型及其檢驗(yàn)可知，對(duì)降雨強(qiáng)度大于1.0 mm/5min、負(fù)閃電強(qiáng)度大于50 kA的雷雨天氣，模型對(duì)負(fù)氧離子變化率的預(yù)測(cè)準(zhǔn)確率較高;對(duì)降雨強(qiáng)度小于1.0 mm/5min、負(fù)閃電強(qiáng)度小于45 kA的雷雨天氣，模型對(duì)負(fù)氧離子變化率的預(yù)測(cè)能力略顯不足。
空氣負(fù)氧離子含量已經(jīng)成為康養(yǎng)、生態(tài)旅游區(qū)域評(píng)價(jià)的主要指標(biāo)之一，沿海區(qū)域的空氣負(fù)氧離子含量較高，受雷雨等天氣因子的影響顯著。本文利用日照大沙洼國(guó)家森林公園空氣負(fù)氧離子逐日監(jiān)測(cè)數(shù)據(jù)、閃電定位儀監(jiān)測(cè)數(shù)據(jù)和自動(dòng)氣象站雨量、雨強(qiáng)監(jiān)測(cè)資料，分析檢驗(yàn)雷雨天氣相關(guān)氣象因子與空氣負(fù)氧離子濃度變化率的關(guān)系。結(jié)果表明：①雷雨天氣與負(fù)氧離子濃度的變化率具有顯著相關(guān)性，雷雨時(shí)負(fù)氧離子的濃度變化率高于無(wú)雷雨時(shí)的負(fù)氧離子濃度變化率。②在發(fā)生雷雨的初始階段，雷雨因子對(duì)空氣負(fù)氧離子濃度變化率的影響較明顯，隨著雷雨的持續(xù)，雷雨因子對(duì)空氣負(fù)氧離子濃度影響趨于平緩，并呈現(xiàn)出波動(dòng)變化。③雷雨過(guò)程中，降雨強(qiáng)度和空氣負(fù)氧離子濃度變化率存在顯著正相關(guān)關(guān)系，降雨越強(qiáng)空氣中的負(fù)氧離子含量增加越明顯;閃電強(qiáng)度和空氣負(fù)氧離子濃度變化率也存在顯著正相關(guān)關(guān)系，閃電強(qiáng)度越強(qiáng)空氣中負(fù)氧離子含量增加越明顯。④由負(fù)氧離子濃度變化率與降雨強(qiáng)度、閃電強(qiáng)度建立的回歸模型及其檢驗(yàn)可知，對(duì)降雨強(qiáng)度大于1.0 mm/5min、負(fù)閃電強(qiáng)度大于50 kA的雷雨天氣，模型對(duì)負(fù)氧離子變化率的預(yù)測(cè)準(zhǔn)確率較高;對(duì)降雨強(qiáng)度小于1.0 mm/5min、負(fù)閃電強(qiáng)度小于45 kA的雷雨天氣，模型對(duì)負(fù)氧離子變化率的預(yù)測(cè)能力略顯不足。
2021, 49(2):291-296.
摘要:
中國(guó)氣象局災(zāi)害管理系統(tǒng)中地質(zhì)災(zāi)害關(guān)鍵詞和災(zāi)害發(fā)生時(shí)間具有多種組織結(jié)構(gòu)的信息特征，災(zāi)害信息分析依賴于人工，不利于地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)的實(shí)時(shí)性和客觀化。本文結(jié)合災(zāi)情信息特征和中文自然語(yǔ)言處理軟件包Jieba研發(fā)了地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)，開(kāi)發(fā)了地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具。檢驗(yàn)工具集成了多元災(zāi)害信息智能分析，業(yè)務(wù)檢驗(yàn)方法為主檢驗(yàn)主客觀預(yù)警，檢驗(yàn)結(jié)果產(chǎn)品自動(dòng)化輸出等功能，可實(shí)現(xiàn)預(yù)警檢驗(yàn)全部流程。2015—2019年地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)應(yīng)用表明，實(shí)時(shí)檢驗(yàn)客觀工具提取災(zāi)害信息準(zhǔn)確率達(dá)到97%，檢驗(yàn)效率高，實(shí)時(shí)性和集成化優(yōu)勢(shì)明顯。
中國(guó)氣象局災(zāi)害管理系統(tǒng)中地質(zhì)災(zāi)害關(guān)鍵詞和災(zāi)害發(fā)生時(shí)間具有多種組織結(jié)構(gòu)的信息特征，災(zāi)害信息分析依賴于人工，不利于地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)的實(shí)時(shí)性和客觀化。本文結(jié)合災(zāi)情信息特征和中文自然語(yǔ)言處理軟件包Jieba研發(fā)了地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)，開(kāi)發(fā)了地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具。檢驗(yàn)工具集成了多元災(zāi)害信息智能分析，業(yè)務(wù)檢驗(yàn)方法為主檢驗(yàn)主客觀預(yù)警，檢驗(yàn)結(jié)果產(chǎn)品自動(dòng)化輸出等功能，可實(shí)現(xiàn)預(yù)警檢驗(yàn)全部流程。2015—2019年地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)應(yīng)用表明，實(shí)時(shí)檢驗(yàn)客觀工具提取災(zāi)害信息準(zhǔn)確率達(dá)到97%，檢驗(yàn)效率高，實(shí)時(shí)性和集成化優(yōu)勢(shì)明顯。
2021, 49(2):297-302.
摘要:
氣象觀測(cè)數(shù)據(jù)通常情況下通過(guò)內(nèi)網(wǎng)有線寬帶進(jìn)行上傳，但因設(shè)備故障、人為、自然等因素造成有線線路不通時(shí)，需要一種應(yīng)急通信替代內(nèi)網(wǎng)通信。此外，由于氣象觀測(cè)臺(tái)站缺少斷網(wǎng)、斷電、軟件卡死等故障告警機(jī)制，造成故障處理周期長(zhǎng)，影響觀測(cè)數(shù)據(jù)傳輸質(zhì)量。本文針對(duì)氣象觀測(cè)臺(tái)站存在的風(fēng)險(xiǎn)設(shè)計(jì)開(kāi)發(fā)了基于5G的氣象數(shù)據(jù)備份傳輸及監(jiān)控報(bào)警系統(tǒng)，具備網(wǎng)絡(luò)通信監(jiān)測(cè)、數(shù)據(jù)自動(dòng)傳輸、軟件狀態(tài)監(jiān)控、各種信息提示、故障報(bào)警等功能，能在一定程度上提高氣象觀測(cè)臺(tái)站數(shù)據(jù)傳輸?shù)目煽啃裕瑴p少業(yè)務(wù)人員故障解除過(guò)程耗時(shí)，從而提高氣象信息傳輸質(zhì)量，適應(yīng)地面測(cè)報(bào)業(yè)務(wù)自動(dòng)化的發(fā)展方向。
氣象觀測(cè)數(shù)據(jù)通常情況下通過(guò)內(nèi)網(wǎng)有線寬帶進(jìn)行上傳，但因設(shè)備故障、人為、自然等因素造成有線線路不通時(shí)，需要一種應(yīng)急通信替代內(nèi)網(wǎng)通信。此外，由于氣象觀測(cè)臺(tái)站缺少斷網(wǎng)、斷電、軟件卡死等故障告警機(jī)制，造成故障處理周期長(zhǎng)，影響觀測(cè)數(shù)據(jù)傳輸質(zhì)量。本文針對(duì)氣象觀測(cè)臺(tái)站存在的風(fēng)險(xiǎn)設(shè)計(jì)開(kāi)發(fā)了基于5G的氣象數(shù)據(jù)備份傳輸及監(jiān)控報(bào)警系統(tǒng)，具備網(wǎng)絡(luò)通信監(jiān)測(cè)、數(shù)據(jù)自動(dòng)傳輸、軟件狀態(tài)監(jiān)控、各種信息提示、故障報(bào)警等功能，能在一定程度上提高氣象觀測(cè)臺(tái)站數(shù)據(jù)傳輸?shù)目煽啃裕瑴p少業(yè)務(wù)人員故障解除過(guò)程耗時(shí)，從而提高氣象信息傳輸質(zhì)量，適應(yīng)地面測(cè)報(bào)業(yè)務(wù)自動(dòng)化的發(fā)展方向。
2021, 49(2):303-307.
摘要:
每年汛期開(kāi)始前，新一代天氣雷達(dá)需要進(jìn)行技術(shù)指標(biāo)的測(cè)試標(biāo)校和部件的維修保養(yǎng)，最終形成雷達(dá)巡檢報(bào)告。大修前的C波段天氣雷達(dá)巡檢有3方面不足，首先是部分測(cè)試數(shù)據(jù)需經(jīng)人工計(jì)算才能得出技術(shù)指標(biāo)，自動(dòng)化程度不夠高，其次是無(wú)項(xiàng)目完成與否和指標(biāo)合格與否的提示，容易遺漏還未完成的項(xiàng)目及還未標(biāo)校好的指標(biāo)，最后是沒(méi)有在線幫助文檔，技術(shù)人員憑經(jīng)驗(yàn)巡檢，容易出現(xiàn)不規(guī)范的操作。針對(duì)上述情況，設(shè)計(jì)并實(shí)現(xiàn)C波段天氣雷達(dá)巡檢報(bào)告自動(dòng)生成系統(tǒng)，自動(dòng)處理測(cè)試數(shù)據(jù)獲得指標(biāo)結(jié)果，展示各項(xiàng)目完成情況和各指標(biāo)合格情況，提供巡檢測(cè)試幫助文檔，將會(huì)提高雷達(dá)巡檢的效率和智能化水平。
每年汛期開(kāi)始前，新一代天氣雷達(dá)需要進(jìn)行技術(shù)指標(biāo)的測(cè)試標(biāo)校和部件的維修保養(yǎng)，最終形成雷達(dá)巡檢報(bào)告。大修前的C波段天氣雷達(dá)巡檢有3方面不足，首先是部分測(cè)試數(shù)據(jù)需經(jīng)人工計(jì)算才能得出技術(shù)指標(biāo)，自動(dòng)化程度不夠高，其次是無(wú)項(xiàng)目完成與否和指標(biāo)合格與否的提示，容易遺漏還未完成的項(xiàng)目及還未標(biāo)校好的指標(biāo)，最后是沒(méi)有在線幫助文檔，技術(shù)人員憑經(jīng)驗(yàn)巡檢，容易出現(xiàn)不規(guī)范的操作。針對(duì)上述情況，設(shè)計(jì)并實(shí)現(xiàn)C波段天氣雷達(dá)巡檢報(bào)告自動(dòng)生成系統(tǒng)，自動(dòng)處理測(cè)試數(shù)據(jù)獲得指標(biāo)結(jié)果，展示各項(xiàng)目完成情況和各指標(biāo)合格情況，提供巡檢測(cè)試幫助文檔，將會(huì)提高雷達(dá)巡檢的效率和智能化水平。
2021, 49(2):308-314.
摘要:
為了滿足專(zhuān)業(yè)氣象用戶對(duì)專(zhuān)業(yè)化、精細(xì)化、個(gè)性化的服務(wù)需求，解決氣象信息跨平臺(tái)發(fā)布問(wèn)題，實(shí)現(xiàn)移動(dòng)端信息自動(dòng)推送，本文借助“江門(mén)市氣象公共服務(wù)中心”微信企業(yè)號(hào)、新浪云服務(wù)器SAE（Sina App Engine），采用PHP網(wǎng)絡(luò)編程語(yǔ)言搭建了專(zhuān)業(yè)氣象跨平臺(tái)發(fā)布系統(tǒng)，并闡明了系統(tǒng)關(guān)鍵技術(shù)：①SAE與企業(yè)號(hào)多應(yīng)用API對(duì)接，實(shí)現(xiàn)多應(yīng)用統(tǒng)一管理；②建立基于KVDB緩存的接口訪問(wèn)憑證，提高信息發(fā)布效率；③利用定時(shí)任務(wù)及消息異步執(zhí)行，實(shí)現(xiàn)超閾值消息自動(dòng)發(fā)布，并減少群發(fā)消息時(shí)的阻塞和延遲；④不同閾值條件的消息推送機(jī)制，實(shí)現(xiàn)多種類(lèi)氣象產(chǎn)品同步發(fā)布。該系統(tǒng)在一定程度上提升了專(zhuān)業(yè)氣象服務(wù)水平，為用戶創(chuàng)造了經(jīng)濟(jì)效益，將為全國(guó)各地“互聯(lián)網(wǎng)+氣象”跨平臺(tái)發(fā)布提供一個(gè)良好的建設(shè)思路。
為了滿足專(zhuān)業(yè)氣象用戶對(duì)專(zhuān)業(yè)化、精細(xì)化、個(gè)性化的服務(wù)需求，解決氣象信息跨平臺(tái)發(fā)布問(wèn)題，實(shí)現(xiàn)移動(dòng)端信息自動(dòng)推送，本文借助“江門(mén)市氣象公共服務(wù)中心”微信企業(yè)號(hào)、新浪云服務(wù)器SAE（Sina App Engine），采用PHP網(wǎng)絡(luò)編程語(yǔ)言搭建了專(zhuān)業(yè)氣象跨平臺(tái)發(fā)布系統(tǒng)，并闡明了系統(tǒng)關(guān)鍵技術(shù)：①SAE與企業(yè)號(hào)多應(yīng)用API對(duì)接，實(shí)現(xiàn)多應(yīng)用統(tǒng)一管理；②建立基于KVDB緩存的接口訪問(wèn)憑證，提高信息發(fā)布效率；③利用定時(shí)任務(wù)及消息異步執(zhí)行，實(shí)現(xiàn)超閾值消息自動(dòng)發(fā)布，并減少群發(fā)消息時(shí)的阻塞和延遲；④不同閾值條件的消息推送機(jī)制，實(shí)現(xiàn)多種類(lèi)氣象產(chǎn)品同步發(fā)布。該系統(tǒng)在一定程度上提升了專(zhuān)業(yè)氣象服務(wù)水平，為用戶創(chuàng)造了經(jīng)濟(jì)效益，將為全國(guó)各地“互聯(lián)網(wǎng)+氣象”跨平臺(tái)發(fā)布提供一個(gè)良好的建設(shè)思路。
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