2021年第49卷第4期文章目次
2021, 49(4):509-516.
摘要:
中國沿海地區(qū)以及瀕臨海域經(jīng)常發(fā)生多種災(zāi)害性天氣，包括大風(fēng)、暴雨、大霧和海上強(qiáng)對(duì)流天氣等，原位探測資料的缺乏極大影響了這些天氣生消演變規(guī)律的深入研究以及預(yù)報(bào)準(zhǔn)確性的提高。為了實(shí)現(xiàn)海上自動(dòng)部署、機(jī)動(dòng)安全和實(shí)時(shí)的多要素原位探測，研發(fā)了一種基于太陽能無人艇的海洋氣象水文探測系統(tǒng)，工程樣機(jī)命名為MWO-I（Marine Weather Observer-I），2015—2019年該系統(tǒng)進(jìn)行了多次海上試驗(yàn)。本文對(duì)這一長航時(shí)海洋氣象探測系統(tǒng)進(jìn)行介紹，并給出2018年4月一次海上探測試驗(yàn)個(gè)例的初步結(jié)果。
中國沿海地區(qū)以及瀕臨海域經(jīng)常發(fā)生多種災(zāi)害性天氣，包括大風(fēng)、暴雨、大霧和海上強(qiáng)對(duì)流天氣等，原位探測資料的缺乏極大影響了這些天氣生消演變規(guī)律的深入研究以及預(yù)報(bào)準(zhǔn)確性的提高。為了實(shí)現(xiàn)海上自動(dòng)部署、機(jī)動(dòng)安全和實(shí)時(shí)的多要素原位探測，研發(fā)了一種基于太陽能無人艇的海洋氣象水文探測系統(tǒng)，工程樣機(jī)命名為MWO-I（Marine Weather Observer-I），2015—2019年該系統(tǒng)進(jìn)行了多次海上試驗(yàn)。本文對(duì)這一長航時(shí)海洋氣象探測系統(tǒng)進(jìn)行介紹，并給出2018年4月一次海上探測試驗(yàn)個(gè)例的初步結(jié)果。
2021, 49(4):517-523.
摘要:
目前我國新一代天氣雷達(dá)正升級(jí)為雙偏振體制，CINRAD/SAD雙偏振天氣雷達(dá)對(duì)氣象目標(biāo)差分反射率（ZDR）的精確測量是參數(shù)標(biāo)定的重要環(huán)節(jié)。對(duì)徐州雙偏振雷達(dá)配置VCPsect掃描模式，采用目標(biāo)方位±5°的扇掃組合，且關(guān)閉地物等所有雷達(dá)濾波算法，用無人機(jī)分別攜帶2種標(biāo)準(zhǔn)金屬球開展ZDR標(biāo)定試驗(yàn)。分析試驗(yàn)結(jié)果，發(fā)現(xiàn)采用40 cm金屬球，控制無人機(jī)與金屬球間隔為68 m時(shí)，ZDR平均值為-0.265 dB，最小為-0.125 dB，最大為-0.375 dB，滿足雷達(dá)定標(biāo)ZDR的技術(shù)要求。研究結(jié)果為業(yè)務(wù)雷達(dá)開展雙偏振雷達(dá)定標(biāo)ZDR提供了技術(shù)方案。
目前我國新一代天氣雷達(dá)正升級(jí)為雙偏振體制，CINRAD/SAD雙偏振天氣雷達(dá)對(duì)氣象目標(biāo)差分反射率（ZDR）的精確測量是參數(shù)標(biāo)定的重要環(huán)節(jié)。對(duì)徐州雙偏振雷達(dá)配置VCPsect掃描模式，采用目標(biāo)方位±5°的扇掃組合，且關(guān)閉地物等所有雷達(dá)濾波算法，用無人機(jī)分別攜帶2種標(biāo)準(zhǔn)金屬球開展ZDR標(biāo)定試驗(yàn)。分析試驗(yàn)結(jié)果，發(fā)現(xiàn)采用40 cm金屬球，控制無人機(jī)與金屬球間隔為68 m時(shí)，ZDR平均值為-0.265 dB，最小為-0.125 dB，最大為-0.375 dB，滿足雷達(dá)定標(biāo)ZDR的技術(shù)要求。研究結(jié)果為業(yè)務(wù)雷達(dá)開展雙偏振雷達(dá)定標(biāo)ZDR提供了技術(shù)方案。
2021, 49(4):524-528.
摘要:
本文借鑒國標(biāo)GB/T24559海洋螺旋槳式風(fēng)向風(fēng)速計(jì)中的測試方法及測試點(diǎn)，在低速直路風(fēng)洞中，對(duì)螺旋槳測風(fēng)儀進(jìn)行測試，并依據(jù)JJF1059.12012測量不確定度的評(píng)定與表示要求，對(duì)風(fēng)速7個(gè)校準(zhǔn)點(diǎn)分別進(jìn)行重復(fù)試驗(yàn)，采用極差法進(jìn)行A類不確定度評(píng)定，并分析測試過程中的B類不確定來源，進(jìn)行B類不確定度評(píng)定。結(jié)果表明：在WZ860070E型直路風(fēng)洞中對(duì)螺旋槳測風(fēng)儀進(jìn)行風(fēng)速校準(zhǔn)測試的方法是可行的。同時(shí)，2 m/s以上各測試點(diǎn)均能滿足3倍量傳關(guān)系。
本文借鑒國標(biāo)GB/T24559海洋螺旋槳式風(fēng)向風(fēng)速計(jì)中的測試方法及測試點(diǎn)，在低速直路風(fēng)洞中，對(duì)螺旋槳測風(fēng)儀進(jìn)行測試，并依據(jù)JJF1059.12012測量不確定度的評(píng)定與表示要求，對(duì)風(fēng)速7個(gè)校準(zhǔn)點(diǎn)分別進(jìn)行重復(fù)試驗(yàn)，采用極差法進(jìn)行A類不確定度評(píng)定，并分析測試過程中的B類不確定來源，進(jìn)行B類不確定度評(píng)定。結(jié)果表明：在WZ860070E型直路風(fēng)洞中對(duì)螺旋槳測風(fēng)儀進(jìn)行風(fēng)速校準(zhǔn)測試的方法是可行的。同時(shí)，2 m/s以上各測試點(diǎn)均能滿足3倍量傳關(guān)系。
2021, 49(4):529-534.
摘要:
針對(duì)目前氣象觀測設(shè)備中蓄電池電量的在線檢測裝置幾乎空白的現(xiàn)象，綜合運(yùn)用蓄電池的交流注入法檢測、物聯(lián)網(wǎng)等技術(shù)，電池兩端注入交流橫流信號(hào)，通過蓄電池的相位角和內(nèi)阻計(jì)算蓄電池電量，在實(shí)際應(yīng)用中對(duì)檢測流程進(jìn)行了實(shí)驗(yàn)和改進(jìn)，增加了Kalman濾波降低干擾，實(shí)現(xiàn)了蓄電池電量的可靠直接在線測量。并根據(jù)此方法給出了硬件電路的具體實(shí)現(xiàn)，在實(shí)際業(yè)務(wù)中進(jìn)行了應(yīng)用，具有較高的可操作性、準(zhǔn)確性、一致性。
針對(duì)目前氣象觀測設(shè)備中蓄電池電量的在線檢測裝置幾乎空白的現(xiàn)象，綜合運(yùn)用蓄電池的交流注入法檢測、物聯(lián)網(wǎng)等技術(shù)，電池兩端注入交流橫流信號(hào)，通過蓄電池的相位角和內(nèi)阻計(jì)算蓄電池電量，在實(shí)際應(yīng)用中對(duì)檢測流程進(jìn)行了實(shí)驗(yàn)和改進(jìn)，增加了Kalman濾波降低干擾，實(shí)現(xiàn)了蓄電池電量的可靠直接在線測量。并根據(jù)此方法給出了硬件電路的具體實(shí)現(xiàn)，在實(shí)際業(yè)務(wù)中進(jìn)行了應(yīng)用，具有較高的可操作性、準(zhǔn)確性、一致性。
2021, 49(4):535-541.
摘要:
隨著氣象數(shù)值模式的發(fā)展完善，已廣泛應(yīng)用于國家級(jí)和區(qū)域中心，研發(fā)力量地理上分散。支撐數(shù)值模式運(yùn)行的高性能計(jì)算機(jī)系統(tǒng)呈現(xiàn)出異構(gòu)眾核的發(fā)展趨勢，模式研發(fā)的學(xué)科交叉衍生性越發(fā)明顯，分布式模式研發(fā)的高效協(xié)同共享成為一個(gè)亟待解決的問題。本文基于Git建立了一個(gè)代碼管理協(xié)作共享平臺(tái)METCODE，實(shí)現(xiàn)了氣象數(shù)值模式的代碼版本管理、集成協(xié)作共享與過程管理，方便地支持分布式團(tuán)隊(duì)的合作研發(fā)。平臺(tái)已在氣象數(shù)值模式的研發(fā)中成功應(yīng)用，應(yīng)用效益良好。
隨著氣象數(shù)值模式的發(fā)展完善，已廣泛應(yīng)用于國家級(jí)和區(qū)域中心，研發(fā)力量地理上分散。支撐數(shù)值模式運(yùn)行的高性能計(jì)算機(jī)系統(tǒng)呈現(xiàn)出異構(gòu)眾核的發(fā)展趨勢，模式研發(fā)的學(xué)科交叉衍生性越發(fā)明顯，分布式模式研發(fā)的高效協(xié)同共享成為一個(gè)亟待解決的問題。本文基于Git建立了一個(gè)代碼管理協(xié)作共享平臺(tái)METCODE，實(shí)現(xiàn)了氣象數(shù)值模式的代碼版本管理、集成協(xié)作共享與過程管理，方便地支持分布式團(tuán)隊(duì)的合作研發(fā)。平臺(tái)已在氣象數(shù)值模式的研發(fā)中成功應(yīng)用，應(yīng)用效益良好。
2021, 49(4):542-551.
摘要:
基于GRAPES全球集合預(yù)報(bào)系統(tǒng)（GRAPESGEPS）及2020年2月13—16日的全國寒潮天氣過程，開發(fā)出一類新的集合預(yù)報(bào)產(chǎn)品—K均值聚類產(chǎn)品。采用爬山法確定最佳聚類數(shù)量，并采用K均值聚類算法對(duì)集合樣本進(jìn)行分類。結(jié)果表明，該方法的500 hPa位勢高度場所有類別的聚類產(chǎn)品均呈現(xiàn)出中高緯Ω形的環(huán)流形勢及低壓系統(tǒng)后部冷平流的走向，發(fā)生概率最高的聚類產(chǎn)品最能反映實(shí)況中環(huán)流形勢的分布。對(duì)于850 hPa溫度場，其聚類產(chǎn)品均呈現(xiàn)出全國溫度從北到南呈帶狀逐漸增加的空間分布特征，發(fā)生概率最高的第一類聚類產(chǎn)品與實(shí)況最為接近。對(duì)于10 m風(fēng)速聚類產(chǎn)品，在較大風(fēng)速處，集合樣本離散度較大，不同類別的風(fēng)速大小差異顯著；發(fā)生概率較高的第一類聚類產(chǎn)品，其對(duì)天津及周邊地區(qū)10 m風(fēng)速的分布及強(qiáng)度描述均較準(zhǔn)確，并能提供有價(jià)值的預(yù)報(bào)信息。K均值聚類能有效地實(shí)現(xiàn)集合預(yù)報(bào)樣本信息的濃縮，該產(chǎn)品可為預(yù)報(bào)員判斷某一時(shí)次的天氣預(yù)報(bào)提供直觀指導(dǎo)。
基于GRAPES全球集合預(yù)報(bào)系統(tǒng)（GRAPESGEPS）及2020年2月13—16日的全國寒潮天氣過程，開發(fā)出一類新的集合預(yù)報(bào)產(chǎn)品—K均值聚類產(chǎn)品。采用爬山法確定最佳聚類數(shù)量，并采用K均值聚類算法對(duì)集合樣本進(jìn)行分類。結(jié)果表明，該方法的500 hPa位勢高度場所有類別的聚類產(chǎn)品均呈現(xiàn)出中高緯Ω形的環(huán)流形勢及低壓系統(tǒng)后部冷平流的走向，發(fā)生概率最高的聚類產(chǎn)品最能反映實(shí)況中環(huán)流形勢的分布。對(duì)于850 hPa溫度場，其聚類產(chǎn)品均呈現(xiàn)出全國溫度從北到南呈帶狀逐漸增加的空間分布特征，發(fā)生概率最高的第一類聚類產(chǎn)品與實(shí)況最為接近。對(duì)于10 m風(fēng)速聚類產(chǎn)品，在較大風(fēng)速處，集合樣本離散度較大，不同類別的風(fēng)速大小差異顯著；發(fā)生概率較高的第一類聚類產(chǎn)品，其對(duì)天津及周邊地區(qū)10 m風(fēng)速的分布及強(qiáng)度描述均較準(zhǔn)確，并能提供有價(jià)值的預(yù)報(bào)信息。K均值聚類能有效地實(shí)現(xiàn)集合預(yù)報(bào)樣本信息的濃縮，該產(chǎn)品可為預(yù)報(bào)員判斷某一時(shí)次的天氣預(yù)報(bào)提供直觀指導(dǎo)。
2021, 49(4):552-560.
摘要:
為了獲取降水日變化的空間分布模式，本文采用K均值聚類算法對(duì)中國陸地區(qū)域的夏季逐時(shí)格網(wǎng)降水?dāng)?shù)據(jù)進(jìn)行了聚類。首先，采用K均值聚類算法對(duì)每個(gè)格網(wǎng)上的逐時(shí)降水?dāng)?shù)據(jù)進(jìn)行聚類。然后，根據(jù)每一聚類的降水日變化峰值，將具有相似峰值時(shí)間的聚類合并成為一個(gè)分類。合并后的分類對(duì)應(yīng)一種降水日變化類型，分類中的格網(wǎng)邊界則構(gòu)成了該類降水日變化的空間分布模式。研究結(jié)果表明，中國大部分地區(qū)的降水量日變化由降水頻率日變化主導(dǎo)。此外，一些盛行夜雨區(qū)域在空間分布上表現(xiàn)出從西向東的分布模式，且降水日變化峰值時(shí)間表現(xiàn)出了從西向東逐漸延遲的現(xiàn)象。結(jié)合地形分析，研究發(fā)現(xiàn)一些夜雨區(qū)的降水峰值延遲現(xiàn)象與MPS環(huán)流效應(yīng)導(dǎo)致的雨帶移動(dòng)現(xiàn)象較為一致，得出MPS(MountainPlain Solenoid)環(huán)流效應(yīng)是導(dǎo)致這些地區(qū)盛行夜雨的結(jié)論。本文研究結(jié)果可為探索降水日變化的形成機(jī)理提供線索，也可為研究其他地區(qū)降水日變化提供參考。
為了獲取降水日變化的空間分布模式，本文采用K均值聚類算法對(duì)中國陸地區(qū)域的夏季逐時(shí)格網(wǎng)降水?dāng)?shù)據(jù)進(jìn)行了聚類。首先，采用K均值聚類算法對(duì)每個(gè)格網(wǎng)上的逐時(shí)降水?dāng)?shù)據(jù)進(jìn)行聚類。然后，根據(jù)每一聚類的降水日變化峰值，將具有相似峰值時(shí)間的聚類合并成為一個(gè)分類。合并后的分類對(duì)應(yīng)一種降水日變化類型，分類中的格網(wǎng)邊界則構(gòu)成了該類降水日變化的空間分布模式。研究結(jié)果表明，中國大部分地區(qū)的降水量日變化由降水頻率日變化主導(dǎo)。此外，一些盛行夜雨區(qū)域在空間分布上表現(xiàn)出從西向東的分布模式，且降水日變化峰值時(shí)間表現(xiàn)出了從西向東逐漸延遲的現(xiàn)象。結(jié)合地形分析，研究發(fā)現(xiàn)一些夜雨區(qū)的降水峰值延遲現(xiàn)象與MPS環(huán)流效應(yīng)導(dǎo)致的雨帶移動(dòng)現(xiàn)象較為一致，得出MPS(MountainPlain Solenoid)環(huán)流效應(yīng)是導(dǎo)致這些地區(qū)盛行夜雨的結(jié)論。本文研究結(jié)果可為探索降水日變化的形成機(jī)理提供線索，也可為研究其他地區(qū)降水日變化提供參考。
2021, 49(4):561-568.
摘要:
基于SWCWARMS模式9 km×9 km分辨率逐小時(shí)降水預(yù)報(bào)，通過時(shí)間滯后集合預(yù)報(bào)方法構(gòu)建多個(gè)集合成員，使用SAL評(píng)分值計(jì)算相應(yīng)集合成員的權(quán)重系數(shù)，進(jìn)行不等權(quán)集合平均，從而得到新的逐小時(shí)降水預(yù)報(bào)。利用SAL、TS和BIAS檢驗(yàn)方法對(duì)四川省2019年8月的逐小時(shí)降水量時(shí)間滯后集合預(yù)報(bào)及相應(yīng)的SWCWARMS模式最新時(shí)次預(yù)報(bào)進(jìn)行對(duì)比分析，結(jié)果表明：①時(shí)間滯后集合預(yù)報(bào)SAL檢驗(yàn)的L值和A值都較模式預(yù)報(bào)更接近于0，較好地改善了降水位置和強(qiáng)度的整體預(yù)報(bào)水平；②時(shí)間滯后集合預(yù)報(bào)對(duì)逐小時(shí)降水晴雨TS評(píng)分提升明顯，評(píng)分提高百分率在10%左右，有效地減小了模式在晴雨方面的空?qǐng)?bào)；③臨近預(yù)報(bào)時(shí)效，時(shí)間滯后集合預(yù)報(bào)方法對(duì)于大量級(jí)降水預(yù)報(bào)也有較好的訂正效果。
基于SWCWARMS模式9 km×9 km分辨率逐小時(shí)降水預(yù)報(bào)，通過時(shí)間滯后集合預(yù)報(bào)方法構(gòu)建多個(gè)集合成員，使用SAL評(píng)分值計(jì)算相應(yīng)集合成員的權(quán)重系數(shù)，進(jìn)行不等權(quán)集合平均，從而得到新的逐小時(shí)降水預(yù)報(bào)。利用SAL、TS和BIAS檢驗(yàn)方法對(duì)四川省2019年8月的逐小時(shí)降水量時(shí)間滯后集合預(yù)報(bào)及相應(yīng)的SWCWARMS模式最新時(shí)次預(yù)報(bào)進(jìn)行對(duì)比分析，結(jié)果表明：①時(shí)間滯后集合預(yù)報(bào)SAL檢驗(yàn)的L值和A值都較模式預(yù)報(bào)更接近于0，較好地改善了降水位置和強(qiáng)度的整體預(yù)報(bào)水平；②時(shí)間滯后集合預(yù)報(bào)對(duì)逐小時(shí)降水晴雨TS評(píng)分提升明顯，評(píng)分提高百分率在10%左右，有效地減小了模式在晴雨方面的空?qǐng)?bào)；③臨近預(yù)報(bào)時(shí)效，時(shí)間滯后集合預(yù)報(bào)方法對(duì)于大量級(jí)降水預(yù)報(bào)也有較好的訂正效果。
2021, 49(4):569-578.
摘要:
利用常規(guī)氣象觀測資料、加密自動(dòng)站資料及NCEP再分析資料，對(duì)2019年春季江西兩次強(qiáng)對(duì)流天氣（以下簡稱“3·21”、“4·9”過程）作對(duì)比分析。結(jié)果表明：①兩次過程都由冷空氣進(jìn)入地面倒槽觸發(fā)，“3·21”過程冷暖空氣的輻合明顯；“4·9”過程鋒面輻合較弱，冷鋒移動(dòng)快。②“3·21”過程對(duì)流發(fā)生時(shí)濕層更深厚，對(duì)流層高層高值位渦庫自上而下呈漏斗狀延伸至400 hPa，“干侵入”特征明顯；“4·9”過程中低層整體濕度條件較差，中高層有明顯干空氣卷入，冷卻蒸發(fā)作用導(dǎo)致的強(qiáng)下沉氣流引發(fā)地面大風(fēng)。③“3·21”過程回波有明顯弓形特征，中氣旋數(shù)量達(dá)9個(gè)；強(qiáng)冷空氣從3 km高度侵入，動(dòng)量迅速下傳，移速快，對(duì)大風(fēng)等強(qiáng)對(duì)流預(yù)警有指示意義；“4·9”過程侵入冷空氣淺薄，單體風(fēng)暴VIL小，短臨預(yù)警低估大風(fēng)可能性大。
利用常規(guī)氣象觀測資料、加密自動(dòng)站資料及NCEP再分析資料，對(duì)2019年春季江西兩次強(qiáng)對(duì)流天氣（以下簡稱“3·21”、“4·9”過程）作對(duì)比分析。結(jié)果表明：①兩次過程都由冷空氣進(jìn)入地面倒槽觸發(fā)，“3·21”過程冷暖空氣的輻合明顯；“4·9”過程鋒面輻合較弱，冷鋒移動(dòng)快。②“3·21”過程對(duì)流發(fā)生時(shí)濕層更深厚，對(duì)流層高層高值位渦庫自上而下呈漏斗狀延伸至400 hPa，“干侵入”特征明顯；“4·9”過程中低層整體濕度條件較差，中高層有明顯干空氣卷入，冷卻蒸發(fā)作用導(dǎo)致的強(qiáng)下沉氣流引發(fā)地面大風(fēng)。③“3·21”過程回波有明顯弓形特征，中氣旋數(shù)量達(dá)9個(gè)；強(qiáng)冷空氣從3 km高度侵入，動(dòng)量迅速下傳，移速快，對(duì)大風(fēng)等強(qiáng)對(duì)流預(yù)警有指示意義；“4·9”過程侵入冷空氣淺薄，單體風(fēng)暴VIL小，短臨預(yù)警低估大風(fēng)可能性大。
2021, 49(4):579-588.
摘要:
利用蚌埠S波段雙偏振多普勒雷達(dá)資料，對(duì)安徽省宿州市2020年7月22日的龍卷天氣進(jìn)行了分析。結(jié)果表明:在梅雨期暴雨天氣形勢下，較低的抬升凝結(jié)高度、較強(qiáng)的中低層垂直風(fēng)切變?yōu)辇埦硖峁┝擞欣沫h(huán)境背景。龍卷發(fā)生在梅雨鋒南端的超級(jí)單體風(fēng)暴中，底層的右后方出現(xiàn)鉤狀回波。風(fēng)暴參數(shù)、中氣旋、龍卷渦旋(TVS)特征參數(shù)在龍卷過程中的急劇變化，對(duì)提前預(yù)警和判斷龍卷是否發(fā)生有較好的指示意義。龍卷發(fā)生前單體風(fēng)暴最大反射率因子、垂直累積液態(tài)水、頂高都躍增，底高明顯降低，龍卷發(fā)生在最大反射率因子高度驟降到風(fēng)暴底部之時(shí)。雷達(dá)在龍卷發(fā)生前24 min探測到中氣旋，在42 min前探測到TVS。龍卷發(fā)生前中氣旋頂高躍增、最大切變量高度驟降，龍卷發(fā)生在底高降到1 km以下，同時(shí)頂高驟降、最大切變量高度降到中氣旋底部之時(shí)。龍卷發(fā)生前TVS頂高和最大切變量躍增、最大切變量高度驟降，龍卷發(fā)生時(shí)頂高驟降，最大切變量高度也隨之降到TVS底部。在底層鉤狀回波末端處觀測到零滯后相關(guān)系數(shù)、差分反射率低值區(qū)的龍卷碎片特征。
利用蚌埠S波段雙偏振多普勒雷達(dá)資料，對(duì)安徽省宿州市2020年7月22日的龍卷天氣進(jìn)行了分析。結(jié)果表明:在梅雨期暴雨天氣形勢下，較低的抬升凝結(jié)高度、較強(qiáng)的中低層垂直風(fēng)切變?yōu)辇埦硖峁┝擞欣沫h(huán)境背景。龍卷發(fā)生在梅雨鋒南端的超級(jí)單體風(fēng)暴中，底層的右后方出現(xiàn)鉤狀回波。風(fēng)暴參數(shù)、中氣旋、龍卷渦旋(TVS)特征參數(shù)在龍卷過程中的急劇變化，對(duì)提前預(yù)警和判斷龍卷是否發(fā)生有較好的指示意義。龍卷發(fā)生前單體風(fēng)暴最大反射率因子、垂直累積液態(tài)水、頂高都躍增，底高明顯降低，龍卷發(fā)生在最大反射率因子高度驟降到風(fēng)暴底部之時(shí)。雷達(dá)在龍卷發(fā)生前24 min探測到中氣旋，在42 min前探測到TVS。龍卷發(fā)生前中氣旋頂高躍增、最大切變量高度驟降，龍卷發(fā)生在底高降到1 km以下，同時(shí)頂高驟降、最大切變量高度降到中氣旋底部之時(shí)。龍卷發(fā)生前TVS頂高和最大切變量躍增、最大切變量高度驟降，龍卷發(fā)生時(shí)頂高驟降，最大切變量高度也隨之降到TVS底部。在底層鉤狀回波末端處觀測到零滯后相關(guān)系數(shù)、差分反射率低值區(qū)的龍卷碎片特征。
2021, 49(4):589-596.
摘要:
為了研究高原機(jī)場的風(fēng)切變特征，本文利用麗江機(jī)場自動(dòng)觀測站資料、NCEP再分析資料，引入三維激光雷達(dá)測風(fēng)資料，對(duì)麗江機(jī)場2020年3月29日晴空低空風(fēng)切變特征進(jìn)行分析。結(jié)果表明，此次低空風(fēng)切變過程主要是受地面變壓風(fēng)輻合、地面增溫湍流加強(qiáng)以及動(dòng)量下傳等因素共同影響而形成的。風(fēng)切變發(fā)生期間低空環(huán)境風(fēng)場與地面風(fēng)場變化基本吻合。5次低空風(fēng)切變事件中，出現(xiàn)在11:00—12:20風(fēng)向轉(zhuǎn)變期間的2次風(fēng)切變?yōu)閭?cè)風(fēng)風(fēng)向切變，出現(xiàn)在12:20—14:20風(fēng)速逐漸增大期間的3次風(fēng)切變?yōu)轱L(fēng)速切變。風(fēng)切變指數(shù)均大于0.1（1/s），切變強(qiáng)度為中度及以上，嚴(yán)重影響飛行安全。研究結(jié)果為機(jī)場風(fēng)切變的激光測風(fēng)雷達(dá)監(jiān)測預(yù)警提供了參考依據(jù)。
為了研究高原機(jī)場的風(fēng)切變特征，本文利用麗江機(jī)場自動(dòng)觀測站資料、NCEP再分析資料，引入三維激光雷達(dá)測風(fēng)資料，對(duì)麗江機(jī)場2020年3月29日晴空低空風(fēng)切變特征進(jìn)行分析。結(jié)果表明，此次低空風(fēng)切變過程主要是受地面變壓風(fēng)輻合、地面增溫湍流加強(qiáng)以及動(dòng)量下傳等因素共同影響而形成的。風(fēng)切變發(fā)生期間低空環(huán)境風(fēng)場與地面風(fēng)場變化基本吻合。5次低空風(fēng)切變事件中，出現(xiàn)在11:00—12:20風(fēng)向轉(zhuǎn)變期間的2次風(fēng)切變?yōu)閭?cè)風(fēng)風(fēng)向切變，出現(xiàn)在12:20—14:20風(fēng)速逐漸增大期間的3次風(fēng)切變?yōu)轱L(fēng)速切變。風(fēng)切變指數(shù)均大于0.1（1/s），切變強(qiáng)度為中度及以上，嚴(yán)重影響飛行安全。研究結(jié)果為機(jī)場風(fēng)切變的激光測風(fēng)雷達(dá)監(jiān)測預(yù)警提供了參考依據(jù)。
2021, 49(4):597-603.
摘要:
利用山西省1960—2019年108個(gè)地面氣象觀測站的風(fēng)速觀測資料，采用線性擬合、MK檢驗(yàn)等方法分析了近60年山西省地面風(fēng)速的變化特征。結(jié)果表明：山西省晉西北及西部山區(qū)、晉中市北部、長治市東南部、運(yùn)城盆地西南部等地風(fēng)速較大，中部斷陷盆地區(qū)風(fēng)速較小；春季風(fēng)速最大，冬季和夏季次之，秋季最小；近60年山西省年和四季平均風(fēng)速變化趨勢和階段特征較為明顯，20世紀(jì)60—70年代前期，風(fēng)速為增加趨勢，之后到80年代末期減少趨勢明顯，90年代開始風(fēng)速減少趨勢變緩；而冬季風(fēng)速則自1990年之后顯著增加。經(jīng)MK檢驗(yàn)可知，年、春、夏和秋季平均風(fēng)速突變時(shí)間點(diǎn)均在20世紀(jì)80年代初，年和秋季在1982年、春季和夏季在1984年;冬季則沒有顯著突變發(fā)生。
利用山西省1960—2019年108個(gè)地面氣象觀測站的風(fēng)速觀測資料，采用線性擬合、MK檢驗(yàn)等方法分析了近60年山西省地面風(fēng)速的變化特征。結(jié)果表明：山西省晉西北及西部山區(qū)、晉中市北部、長治市東南部、運(yùn)城盆地西南部等地風(fēng)速較大，中部斷陷盆地區(qū)風(fēng)速較小；春季風(fēng)速最大，冬季和夏季次之，秋季最小；近60年山西省年和四季平均風(fēng)速變化趨勢和階段特征較為明顯，20世紀(jì)60—70年代前期，風(fēng)速為增加趨勢，之后到80年代末期減少趨勢明顯，90年代開始風(fēng)速減少趨勢變緩；而冬季風(fēng)速則自1990年之后顯著增加。經(jīng)MK檢驗(yàn)可知，年、春、夏和秋季平均風(fēng)速突變時(shí)間點(diǎn)均在20世紀(jì)80年代初，年和秋季在1982年、春季和夏季在1984年;冬季則沒有顯著突變發(fā)生。
2021, 49(4):604-611.
摘要:
利用陜西省2016年97站逐日5 cm土壤溫度觀測數(shù)據(jù)，結(jié)合相關(guān)系數(shù)、平均偏差和均方根誤差等統(tǒng)計(jì)參數(shù)，評(píng)估了中國氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS2.0和美國全球陸面數(shù)據(jù)同化系統(tǒng)不同陸面模式（NoahGLDAS2.1,NoahGLDAS1,CLMGLDAS1）土壤溫度數(shù)據(jù)在陜西省的適用性。結(jié)果表明：①CLDAS2.0在陜西省的相關(guān)系數(shù)最高，均方根誤差最小，NoahGLDAS2.1次之，NoahGLDAS1最差。②從陜西省3個(gè)區(qū)域的時(shí)間演變序列的分析可以看到，CLDAS2.0和NoahGLDAS2.1能很好模擬出土壤溫度的季節(jié)變化以及日變化，NoahGLDAS1、CLMGLDAS1對(duì)于日變化的模擬較差，且前兩者偏差也明顯小于后兩者。③NoahGLDAS2.1在陜北與關(guān)中地區(qū)土壤溫度模擬能力與CLDAS2.0相差無幾，但在陜南地區(qū)CLDAS2.0要好于NoahGLDAS2.1。總體來看，CLDAS2.0對(duì)陜西省土壤溫度模擬能力最好，在陜西省有著更好的適用性。
利用陜西省2016年97站逐日5 cm土壤溫度觀測數(shù)據(jù)，結(jié)合相關(guān)系數(shù)、平均偏差和均方根誤差等統(tǒng)計(jì)參數(shù)，評(píng)估了中國氣象局陸面數(shù)據(jù)同化系統(tǒng)CLDAS2.0和美國全球陸面數(shù)據(jù)同化系統(tǒng)不同陸面模式（NoahGLDAS2.1,NoahGLDAS1,CLMGLDAS1）土壤溫度數(shù)據(jù)在陜西省的適用性。結(jié)果表明：①CLDAS2.0在陜西省的相關(guān)系數(shù)最高，均方根誤差最小，NoahGLDAS2.1次之，NoahGLDAS1最差。②從陜西省3個(gè)區(qū)域的時(shí)間演變序列的分析可以看到，CLDAS2.0和NoahGLDAS2.1能很好模擬出土壤溫度的季節(jié)變化以及日變化，NoahGLDAS1、CLMGLDAS1對(duì)于日變化的模擬較差，且前兩者偏差也明顯小于后兩者。③NoahGLDAS2.1在陜北與關(guān)中地區(qū)土壤溫度模擬能力與CLDAS2.0相差無幾，但在陜南地區(qū)CLDAS2.0要好于NoahGLDAS2.1。總體來看，CLDAS2.0對(duì)陜西省土壤溫度模擬能力最好，在陜西省有著更好的適用性。
2021, 49(4):612-620.
摘要:
利用MODIS遙感產(chǎn)品計(jì)算內(nèi)蒙古地區(qū)2000—2019年植被生長季的干旱嚴(yán)重指數(shù)(DSI)，并結(jié)合氣象干旱綜合指數(shù)(MCI)、植被狀態(tài)指數(shù)(VCI)等干旱指數(shù)和典型干旱過程，對(duì)DSI在內(nèi)蒙古地區(qū)的適用性進(jìn)行分析。研究表明，DSI與MCI、VCI的平均相關(guān)系數(shù)為0.509和0.839，分別通過0.05和0.01的顯著性檢驗(yàn)，具有較好的一致性。與MCI相比，DSI具有更高的空間分辨率，能反映不同植被類型抗旱能力的差異和區(qū)域植被改善后抗旱能力的增強(qiáng)。與VCI相比，DSI受高植被覆蓋區(qū)歸一化植被指數(shù)(NDVI)飽和現(xiàn)象的影響更小，并在干旱緩解期的靈敏性更高。DSI在內(nèi)蒙古地區(qū)的適用性較好，可在干旱監(jiān)測研究與業(yè)務(wù)中進(jìn)行嘗試和使用。
利用MODIS遙感產(chǎn)品計(jì)算內(nèi)蒙古地區(qū)2000—2019年植被生長季的干旱嚴(yán)重指數(shù)(DSI)，并結(jié)合氣象干旱綜合指數(shù)(MCI)、植被狀態(tài)指數(shù)(VCI)等干旱指數(shù)和典型干旱過程，對(duì)DSI在內(nèi)蒙古地區(qū)的適用性進(jìn)行分析。研究表明，DSI與MCI、VCI的平均相關(guān)系數(shù)為0.509和0.839，分別通過0.05和0.01的顯著性檢驗(yàn)，具有較好的一致性。與MCI相比，DSI具有更高的空間分辨率，能反映不同植被類型抗旱能力的差異和區(qū)域植被改善后抗旱能力的增強(qiáng)。與VCI相比，DSI受高植被覆蓋區(qū)歸一化植被指數(shù)(NDVI)飽和現(xiàn)象的影響更小，并在干旱緩解期的靈敏性更高。DSI在內(nèi)蒙古地區(qū)的適用性較好，可在干旱監(jiān)測研究與業(yè)務(wù)中進(jìn)行嘗試和使用。
2021, 49(4):621-628.
摘要:
本文以2020年8月21日在祁連山開展的人工增雨外場試驗(yàn)為例，分析了祁連山北坡雨滴譜特征和增雨作業(yè)前后雨滴譜特征參量和譜型的變化。結(jié)果表明：雖然此次降水不均勻，但北坡3個(gè)試驗(yàn)點(diǎn)微物理參量特征值的演變較接近，平均雨滴譜譜寬均較小，譜型基本一致，均為單峰型，峰值出現(xiàn)在0.5 mm左右。Gamma分布對(duì)雨滴譜的擬合效果較好，分布曲線能較準(zhǔn)確地反映實(shí)際雨滴譜的分布形態(tài)，但在峰值段(0.5 mm)擬合值有偏差，擬合結(jié)果略小于實(shí)測譜。ZI之間滿足對(duì)數(shù)相關(guān)，擬合優(yōu)度R2值都在0.86以上，有較好的擬合關(guān)系。作業(yè)后雨滴尺度、總數(shù)濃度、雨強(qiáng)等均出現(xiàn)增大趨勢，作業(yè)后雨滴譜的譜寬逐漸增大，作業(yè)后10 min，峰型由單峰轉(zhuǎn)變?yōu)殡p峰，作業(yè)后30 min、60 min，譜寬持續(xù)增大，說明此時(shí)云內(nèi)小雨滴間的碰并過程開始出現(xiàn)，產(chǎn)生了較大尺度的雨滴。
本文以2020年8月21日在祁連山開展的人工增雨外場試驗(yàn)為例，分析了祁連山北坡雨滴譜特征和增雨作業(yè)前后雨滴譜特征參量和譜型的變化。結(jié)果表明：雖然此次降水不均勻，但北坡3個(gè)試驗(yàn)點(diǎn)微物理參量特征值的演變較接近，平均雨滴譜譜寬均較小，譜型基本一致，均為單峰型，峰值出現(xiàn)在0.5 mm左右。Gamma分布對(duì)雨滴譜的擬合效果較好，分布曲線能較準(zhǔn)確地反映實(shí)際雨滴譜的分布形態(tài)，但在峰值段(0.5 mm)擬合值有偏差，擬合結(jié)果略小于實(shí)測譜。ZI之間滿足對(duì)數(shù)相關(guān)，擬合優(yōu)度R2值都在0.86以上，有較好的擬合關(guān)系。作業(yè)后雨滴尺度、總數(shù)濃度、雨強(qiáng)等均出現(xiàn)增大趨勢，作業(yè)后雨滴譜的譜寬逐漸增大，作業(yè)后10 min，峰型由單峰轉(zhuǎn)變?yōu)殡p峰，作業(yè)后30 min、60 min，譜寬持續(xù)增大，說明此時(shí)云內(nèi)小雨滴間的碰并過程開始出現(xiàn)，產(chǎn)生了較大尺度的雨滴。
2021, 49(4):629-636.
摘要:
利用AERONET太湖站2007—2010年大氣氣溶膠光學(xué)特性數(shù)據(jù)，基于馬氏距離聚類分析對(duì)太湖地區(qū)氣溶膠進(jìn)行分類研究。結(jié)果表明，氣溶膠光學(xué)厚度(AOD)夏季達(dá)到最大(1.29)，Angstrom波長指數(shù)(AE)在秋季達(dá)到最大(1.31)；單散射反照率(SSA)均值在春季和秋季達(dá)到最大(0.92)；不對(duì)稱因子(ASY)均值在夏季達(dá)到最大(066)；氣溶膠粒子譜分布呈現(xiàn)雙峰分布；太湖地區(qū)氣溶膠粗模態(tài)粒子主要來源于北方的沙塵以及近海海域的海鹽顆粒，細(xì)模態(tài)粒子主要來自人為污染尤其是汽車尾氣、工業(yè)廢氣等的排放；吸收性氣溶膠光學(xué)厚度(AAOD)夏季出現(xiàn)最大值0.11，AE夏季出現(xiàn)最小值1.0，說明該地區(qū)氣溶膠粒子包含了典型的黑碳?xì)馊苣z。太湖地區(qū)混合類氣溶膠占比最多(54.08%),其次是城市工業(yè)類氣溶膠(18.95%)；不同類型氣溶膠占比的季節(jié)性差異較明顯，秋季混合類型氣溶膠占比最大(65.30%)，城市工業(yè)類型在夏季占比最高(32.07%)，春季受到遠(yuǎn)距離輸送的影響，沙塵類占比最高(21.01%)。
利用AERONET太湖站2007—2010年大氣氣溶膠光學(xué)特性數(shù)據(jù)，基于馬氏距離聚類分析對(duì)太湖地區(qū)氣溶膠進(jìn)行分類研究。結(jié)果表明，氣溶膠光學(xué)厚度(AOD)夏季達(dá)到最大(1.29)，Angstrom波長指數(shù)(AE)在秋季達(dá)到最大(1.31)；單散射反照率(SSA)均值在春季和秋季達(dá)到最大(0.92)；不對(duì)稱因子(ASY)均值在夏季達(dá)到最大(066)；氣溶膠粒子譜分布呈現(xiàn)雙峰分布；太湖地區(qū)氣溶膠粗模態(tài)粒子主要來源于北方的沙塵以及近海海域的海鹽顆粒，細(xì)模態(tài)粒子主要來自人為污染尤其是汽車尾氣、工業(yè)廢氣等的排放；吸收性氣溶膠光學(xué)厚度(AAOD)夏季出現(xiàn)最大值0.11，AE夏季出現(xiàn)最小值1.0，說明該地區(qū)氣溶膠粒子包含了典型的黑碳?xì)馊苣z。太湖地區(qū)混合類氣溶膠占比最多(54.08%),其次是城市工業(yè)類氣溶膠(18.95%)；不同類型氣溶膠占比的季節(jié)性差異較明顯，秋季混合類型氣溶膠占比最大(65.30%)，城市工業(yè)類型在夏季占比最高(32.07%)，春季受到遠(yuǎn)距離輸送的影響，沙塵類占比最高(21.01%)。
2021, 49(4):637-646.
摘要:
基于南京地區(qū)2014—2016年逐日電力負(fù)荷資料，采用諧波分析、功率譜等方法分析該地區(qū)電力負(fù)荷的變化規(guī)律及其與自然周的關(guān)系，并對(duì)極端電力負(fù)荷日中離差曲線型與氣溫、濕度等氣象要素及環(huán)流形勢的關(guān)系進(jìn)行分析。結(jié)果表明：南京地區(qū)電力負(fù)荷的季節(jié)變化呈雙峰型；在季節(jié)內(nèi)(月際)尺度上，存在30 d周期；在月內(nèi)尺度上，存在7 d周期且與自然周同步。夏季極端負(fù)荷日離差曲線主要存在3種類型：典型雙峰型（Ⅰ）、單峰型(Ⅱ)、非典型雙峰型(Ⅲ)。Ⅰ型和Ⅲ型與氣溫和炎熱指數(shù)均呈顯著正相關(guān)，而3種類型都與相對(duì)濕度呈顯著負(fù)相關(guān)。Ⅰ型對(duì)應(yīng)環(huán)流場上副高持續(xù)控制南京地區(qū)，冷空氣活動(dòng)偏弱，氣溫日變化小；Ⅱ型對(duì)應(yīng)冷空氣活動(dòng)頻繁，副高具有東西擺動(dòng)特征，南京常出現(xiàn)陣雨或雷陣雨天氣；Ⅲ型對(duì)應(yīng)的副高強(qiáng)度弱于Ⅰ型,冷空氣強(qiáng)度弱于Ⅱ型。采用逐步回歸方法建立極端負(fù)荷日的預(yù)測模型，3種型的平均相對(duì)誤差分別為6.4%、5.6%和5.3%，較好地對(duì)極端電力負(fù)荷進(jìn)行了定量預(yù)報(bào)。
基于南京地區(qū)2014—2016年逐日電力負(fù)荷資料，采用諧波分析、功率譜等方法分析該地區(qū)電力負(fù)荷的變化規(guī)律及其與自然周的關(guān)系，并對(duì)極端電力負(fù)荷日中離差曲線型與氣溫、濕度等氣象要素及環(huán)流形勢的關(guān)系進(jìn)行分析。結(jié)果表明：南京地區(qū)電力負(fù)荷的季節(jié)變化呈雙峰型；在季節(jié)內(nèi)(月際)尺度上，存在30 d周期；在月內(nèi)尺度上，存在7 d周期且與自然周同步。夏季極端負(fù)荷日離差曲線主要存在3種類型：典型雙峰型（Ⅰ）、單峰型(Ⅱ)、非典型雙峰型(Ⅲ)。Ⅰ型和Ⅲ型與氣溫和炎熱指數(shù)均呈顯著正相關(guān)，而3種類型都與相對(duì)濕度呈顯著負(fù)相關(guān)。Ⅰ型對(duì)應(yīng)環(huán)流場上副高持續(xù)控制南京地區(qū)，冷空氣活動(dòng)偏弱，氣溫日變化小；Ⅱ型對(duì)應(yīng)冷空氣活動(dòng)頻繁，副高具有東西擺動(dòng)特征，南京常出現(xiàn)陣雨或雷陣雨天氣；Ⅲ型對(duì)應(yīng)的副高強(qiáng)度弱于Ⅰ型,冷空氣強(qiáng)度弱于Ⅱ型。采用逐步回歸方法建立極端負(fù)荷日的預(yù)測模型，3種型的平均相對(duì)誤差分別為6.4%、5.6%和5.3%，較好地對(duì)極端電力負(fù)荷進(jìn)行了定量預(yù)報(bào)。
2021, 49(4):647-653.
摘要:
基于遼寧省1981—2010年雷暴日數(shù)據(jù)、2012—2019年閃電定位數(shù)據(jù)和2015年公里網(wǎng)格GDP及人口數(shù)據(jù)，采用AHP法、風(fēng)險(xiǎn)矩陣法和 ArcGIS 空間分析方法，分析了遼寧省閃電活動(dòng)時(shí)空特征，得出10 km×10 km網(wǎng)格區(qū)域雷電易發(fā)等級(jí)及應(yīng)對(duì)等級(jí)。結(jié)果表明：遼寧省2012—2019年閃電活動(dòng)日數(shù)總體呈下降趨勢。閃電活動(dòng)主要發(fā)生在6—9月，總閃和負(fù)閃最大值出現(xiàn)在8月，正閃活動(dòng)最大值出現(xiàn)在6月；遼寧地區(qū)年平均雷暴日數(shù)的空間分布趨勢呈現(xiàn)北部比南部多，東西部比中部多，從地形地貌上看，遼寧地區(qū)雷暴日數(shù)空間分布符合山地大于平原，平原大于沿海地區(qū)的分布規(guī)律。遼寧地區(qū)雷電易發(fā)區(qū)域呈自中部丘陵和平原地區(qū)向東西部山區(qū)逐漸遞減的分布趨勢，雷電易發(fā)區(qū)域與經(jīng)濟(jì)發(fā)達(dá)區(qū)大體重疊，需引起重視。
基于遼寧省1981—2010年雷暴日數(shù)據(jù)、2012—2019年閃電定位數(shù)據(jù)和2015年公里網(wǎng)格GDP及人口數(shù)據(jù)，采用AHP法、風(fēng)險(xiǎn)矩陣法和 ArcGIS 空間分析方法，分析了遼寧省閃電活動(dòng)時(shí)空特征，得出10 km×10 km網(wǎng)格區(qū)域雷電易發(fā)等級(jí)及應(yīng)對(duì)等級(jí)。結(jié)果表明：遼寧省2012—2019年閃電活動(dòng)日數(shù)總體呈下降趨勢。閃電活動(dòng)主要發(fā)生在6—9月，總閃和負(fù)閃最大值出現(xiàn)在8月，正閃活動(dòng)最大值出現(xiàn)在6月；遼寧地區(qū)年平均雷暴日數(shù)的空間分布趨勢呈現(xiàn)北部比南部多，東西部比中部多，從地形地貌上看，遼寧地區(qū)雷暴日數(shù)空間分布符合山地大于平原，平原大于沿海地區(qū)的分布規(guī)律。遼寧地區(qū)雷電易發(fā)區(qū)域呈自中部丘陵和平原地區(qū)向東西部山區(qū)逐漸遞減的分布趨勢，雷電易發(fā)區(qū)域與經(jīng)濟(jì)發(fā)達(dá)區(qū)大體重疊，需引起重視。
2021, 49(4):654-661.
摘要:
基于2007—2018年浙江省ADTD閃電監(jiān)測資料，分析該區(qū)域地閃時(shí)空分布特征，進(jìn)而選用地閃密度和強(qiáng)度作為致災(zāi)要素，進(jìn)行致災(zāi)危險(xiǎn)性評(píng)估。結(jié)果表明：落雷日數(shù)和正地閃比例的年際變化均呈增長趨勢，全年地閃集中發(fā)生于6—9月的12:00—20:00。春季正地閃比例高，地閃多發(fā)于傍晚和夜間；夏季日地閃落雷面積廣、密度極值高，午后雷暴占主導(dǎo)地位。地閃密度相對(duì)高值區(qū)隨季節(jié)演變而自西向東移動(dòng)，年平均地閃密度總體呈浙中多南北少的特征。雷電流幅值主要分布于15～45 kA，地閃強(qiáng)度平均值在舟山最高（44.49 kA），臺(tái)州最低（32.69 kA），地閃密度和強(qiáng)度的空間分布特征各異。致災(zāi)危險(xiǎn)性極高等級(jí)在浙東沿海一帶和杭州—紹興交界呈片狀分布，另在溫州西北部、浙中和浙西地區(qū)呈絮狀分布，致災(zāi)危險(xiǎn)性與歷史雷災(zāi)個(gè)數(shù)、人員傷亡總數(shù)的空間分布總體一致。
基于2007—2018年浙江省ADTD閃電監(jiān)測資料，分析該區(qū)域地閃時(shí)空分布特征，進(jìn)而選用地閃密度和強(qiáng)度作為致災(zāi)要素，進(jìn)行致災(zāi)危險(xiǎn)性評(píng)估。結(jié)果表明：落雷日數(shù)和正地閃比例的年際變化均呈增長趨勢，全年地閃集中發(fā)生于6—9月的12:00—20:00。春季正地閃比例高，地閃多發(fā)于傍晚和夜間；夏季日地閃落雷面積廣、密度極值高，午后雷暴占主導(dǎo)地位。地閃密度相對(duì)高值區(qū)隨季節(jié)演變而自西向東移動(dòng)，年平均地閃密度總體呈浙中多南北少的特征。雷電流幅值主要分布于15～45 kA，地閃強(qiáng)度平均值在舟山最高（44.49 kA），臺(tái)州最低（32.69 kA），地閃密度和強(qiáng)度的空間分布特征各異。致災(zāi)危險(xiǎn)性極高等級(jí)在浙東沿海一帶和杭州—紹興交界呈片狀分布，另在溫州西北部、浙中和浙西地區(qū)呈絮狀分布，致災(zāi)危險(xiǎn)性與歷史雷災(zāi)個(gè)數(shù)、人員傷亡總數(shù)的空間分布總體一致。
2021, 49(4):662-670.
摘要:
搭建試驗(yàn)地網(wǎng)研究土壤中金屬導(dǎo)體對(duì)接地電阻的影響。通過埋設(shè)不同形狀金屬導(dǎo)體，改變金屬導(dǎo)體埋設(shè)深度、與試驗(yàn)地網(wǎng)相對(duì)距離，在不同點(diǎn)位測量試驗(yàn)地網(wǎng)接地電阻值。分析試驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，埋地金屬導(dǎo)體導(dǎo)致接地電阻測量值偏小，其中環(huán)形金屬導(dǎo)體對(duì)接地電阻測量值影響最大，一形金屬導(dǎo)體對(duì)接地電阻測量值影響最小；金屬導(dǎo)體位于測試電壓極外側(cè)相比位于內(nèi)側(cè)時(shí)，對(duì)接地電阻測量值的影響更大；金屬導(dǎo)體位于測試電壓極內(nèi)側(cè)時(shí)，不同測試點(diǎn)位接地電阻測量值差異較大，金屬導(dǎo)體位于測試電壓極外側(cè)時(shí)，各點(diǎn)位接地電阻測量值差異不大；金屬導(dǎo)體埋設(shè)深度對(duì)接地電阻測量值影響不明顯。
搭建試驗(yàn)地網(wǎng)研究土壤中金屬導(dǎo)體對(duì)接地電阻的影響。通過埋設(shè)不同形狀金屬導(dǎo)體，改變金屬導(dǎo)體埋設(shè)深度、與試驗(yàn)地網(wǎng)相對(duì)距離，在不同點(diǎn)位測量試驗(yàn)地網(wǎng)接地電阻值。分析試驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，埋地金屬導(dǎo)體導(dǎo)致接地電阻測量值偏小，其中環(huán)形金屬導(dǎo)體對(duì)接地電阻測量值影響最大，一形金屬導(dǎo)體對(duì)接地電阻測量值影響最小；金屬導(dǎo)體位于測試電壓極外側(cè)相比位于內(nèi)側(cè)時(shí)，對(duì)接地電阻測量值的影響更大；金屬導(dǎo)體位于測試電壓極內(nèi)側(cè)時(shí)，不同測試點(diǎn)位接地電阻測量值差異較大，金屬導(dǎo)體位于測試電壓極外側(cè)時(shí)，各點(diǎn)位接地電阻測量值差異不大；金屬導(dǎo)體埋設(shè)深度對(duì)接地電阻測量值影響不明顯。
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)》中國氣象局中國氣象局氣象探測中心中國氣象科學(xué)研究院北京市氣象局國家衛(wèi)星氣象中心及國家氣象信息中心
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