2021年第49卷第6期文章目次
2021, 49(6):823-829.
摘要:
海霧無論在海上還是在沿岸地帶，都因其惡劣的能見度對交通運輸、海洋捕撈和海洋開發(fā)工程以及軍事活動等造成不良影響，因此對于海霧的實時監(jiān)測和預(yù)報就顯得尤為重要。本文提出了基于深度學(xué)習(xí)的靜止氣象衛(wèi)星多通道圖像融合分割算法，使用DLinkNet深度卷積神經(jīng)網(wǎng)絡(luò)語義分割算法模型對黃渤海海域范圍的16通道、空間分辨率為0.5 km的Himawari8衛(wèi)星數(shù)據(jù)進行研究。分別采用均交并比（mIOU）以及觀測值檢驗作為評價指標(biāo)，在測試集上的mIOU為0.9436，并且用衛(wèi)星測試數(shù)據(jù)結(jié)果與海上觀測數(shù)據(jù)結(jié)果進行對比，得出霧區(qū)準(zhǔn)確率（檢測有霧且真實有霧/檢測有霧）為66.5%，霧區(qū)識別率（檢測有霧且真實有霧/（真實有霧-云覆蓋））為51.9%，檢測正確率(檢測正確/總樣本)93.2%。本文提出的方法能為海霧監(jiān)測提供一個可靠的參考。
海霧無論在海上還是在沿岸地帶，都因其惡劣的能見度對交通運輸、海洋捕撈和海洋開發(fā)工程以及軍事活動等造成不良影響，因此對于海霧的實時監(jiān)測和預(yù)報就顯得尤為重要。本文提出了基于深度學(xué)習(xí)的靜止氣象衛(wèi)星多通道圖像融合分割算法，使用DLinkNet深度卷積神經(jīng)網(wǎng)絡(luò)語義分割算法模型對黃渤海海域范圍的16通道、空間分辨率為0.5 km的Himawari8衛(wèi)星數(shù)據(jù)進行研究。分別采用均交并比（mIOU）以及觀測值檢驗作為評價指標(biāo)，在測試集上的mIOU為0.9436，并且用衛(wèi)星測試數(shù)據(jù)結(jié)果與海上觀測數(shù)據(jù)結(jié)果進行對比，得出霧區(qū)準(zhǔn)確率（檢測有霧且真實有霧/檢測有霧）為66.5%，霧區(qū)識別率（檢測有霧且真實有霧/（真實有霧-云覆蓋））為51.9%，檢測正確率(檢測正確/總樣本)93.2%。本文提出的方法能為海霧監(jiān)測提供一個可靠的參考。
2021, 49(6):830-837.
摘要:
本文利用2010—2015年2400多國家氣象站逐小時觀測數(shù)據(jù)對覆蓋中國的EAR70、CLDAS和ERAInterim 3種表層土壤溫度進行了評估和對比。結(jié)果表明：空間上CLDAS表層土壤溫度精度最高（平均誤差為-0.5 ℃，均方根誤差為3.0 ℃，相關(guān)系數(shù)為0.96），受益于CLDAS高精度的陸面初始場，EAR70平均誤差得到了改善；時間上ERAInterim再分析表層土壤溫度在6:00和夏、秋季精度會明顯下降，再分析表層土壤溫度在數(shù)值較高時段表現(xiàn)出冷偏差，原因是模擬的土壤溫度數(shù)值上升速度慢，對應(yīng)的參數(shù)化方案有待改進。再分析表層土壤溫度在東北地區(qū)冬季存在冷偏差，可能和積雪覆蓋有關(guān)，陸面參數(shù)化方案也有待提高。在地形復(fù)雜的青藏高原地區(qū)，融合地面觀測的CLDAS提高了大氣驅(qū)動的質(zhì)量進而改進了土壤的模擬。ERAInterim分辨率較粗不適合在青藏高原或者沿海地區(qū)使用，結(jié)合了CLDAS的EAR70在青藏高原精度提高。土壤表層溫度的精度隨著高精度的土壤狀態(tài)初始場進入模式中時間延長會顯著下降。因此，CLDAS的實時同化方式，能夠有效提高在分析數(shù)據(jù)的精度。
本文利用2010—2015年2400多國家氣象站逐小時觀測數(shù)據(jù)對覆蓋中國的EAR70、CLDAS和ERAInterim 3種表層土壤溫度進行了評估和對比。結(jié)果表明：空間上CLDAS表層土壤溫度精度最高（平均誤差為-0.5 ℃，均方根誤差為3.0 ℃，相關(guān)系數(shù)為0.96），受益于CLDAS高精度的陸面初始場，EAR70平均誤差得到了改善；時間上ERAInterim再分析表層土壤溫度在6:00和夏、秋季精度會明顯下降，再分析表層土壤溫度在數(shù)值較高時段表現(xiàn)出冷偏差，原因是模擬的土壤溫度數(shù)值上升速度慢，對應(yīng)的參數(shù)化方案有待改進。再分析表層土壤溫度在東北地區(qū)冬季存在冷偏差，可能和積雪覆蓋有關(guān)，陸面參數(shù)化方案也有待提高。在地形復(fù)雜的青藏高原地區(qū)，融合地面觀測的CLDAS提高了大氣驅(qū)動的質(zhì)量進而改進了土壤的模擬。ERAInterim分辨率較粗不適合在青藏高原或者沿海地區(qū)使用，結(jié)合了CLDAS的EAR70在青藏高原精度提高。土壤表層溫度的精度隨著高精度的土壤狀態(tài)初始場進入模式中時間延長會顯著下降。因此，CLDAS的實時同化方式，能夠有效提高在分析數(shù)據(jù)的精度。
2021, 49(6):838-843.
摘要:
針對既有氣象溫度自動檢定系統(tǒng)無法滿足傳感器年檢量不斷攀升的現(xiàn)狀，為實現(xiàn)溫度檢定全程無人參與，提出一種基于機械臂的溫度傳感器檢定系統(tǒng)。首先設(shè)計系統(tǒng)的并行控制工作模式及總體架構(gòu)，然后指出搭建系統(tǒng)的關(guān)鍵技術(shù)是實現(xiàn)現(xiàn)場通信抗干擾，即分析電源共地、磁場環(huán)境、現(xiàn)場通信等要素共同作用使標(biāo)準(zhǔn)器示值持續(xù)跳變問題，最后提出一種抗干擾方法，并對優(yōu)化后的系統(tǒng)進行對比測試。試驗結(jié)果表明，該方法可使標(biāo)準(zhǔn)器示值回復(fù)至穩(wěn)定狀態(tài)，充分保證系統(tǒng)正常運行。
針對既有氣象溫度自動檢定系統(tǒng)無法滿足傳感器年檢量不斷攀升的現(xiàn)狀，為實現(xiàn)溫度檢定全程無人參與，提出一種基于機械臂的溫度傳感器檢定系統(tǒng)。首先設(shè)計系統(tǒng)的并行控制工作模式及總體架構(gòu)，然后指出搭建系統(tǒng)的關(guān)鍵技術(shù)是實現(xiàn)現(xiàn)場通信抗干擾，即分析電源共地、磁場環(huán)境、現(xiàn)場通信等要素共同作用使標(biāo)準(zhǔn)器示值持續(xù)跳變問題，最后提出一種抗干擾方法，并對優(yōu)化后的系統(tǒng)進行對比測試。試驗結(jié)果表明，該方法可使標(biāo)準(zhǔn)器示值回復(fù)至穩(wěn)定狀態(tài)，充分保證系統(tǒng)正常運行。
2021, 49(6):844-850.
摘要:
天氣雷達回波需要與地理信息融合應(yīng)用，以定位雷達回波，指導(dǎo)氣象服務(wù)。本文針對新一代天氣雷達業(yè)務(wù)化系統(tǒng)（ROSE）產(chǎn)品顯示子系統(tǒng)，設(shè)計了全新的開放地圖格式，采用全國一份地圖數(shù)據(jù)文件，各地雷達站點動態(tài)匹配的方式, 改進了現(xiàn)有雷達業(yè)務(wù)系統(tǒng)中主用戶處理系統(tǒng)（PUP)需要各個站點分別申請定制地圖的不便。ROSE產(chǎn)品顯示子系統(tǒng)支持多種型號業(yè)務(wù)雷達數(shù)據(jù)在不同地球投影方式下的地圖自適配顯示。地圖應(yīng)用子模塊程序設(shè)計中引入設(shè)計模式，有效解決了精細化地圖數(shù)據(jù)的顯示效率問題，實現(xiàn)了顯示信息與速度的平衡。
天氣雷達回波需要與地理信息融合應(yīng)用，以定位雷達回波，指導(dǎo)氣象服務(wù)。本文針對新一代天氣雷達業(yè)務(wù)化系統(tǒng)（ROSE）產(chǎn)品顯示子系統(tǒng)，設(shè)計了全新的開放地圖格式，采用全國一份地圖數(shù)據(jù)文件，各地雷達站點動態(tài)匹配的方式, 改進了現(xiàn)有雷達業(yè)務(wù)系統(tǒng)中主用戶處理系統(tǒng)（PUP)需要各個站點分別申請定制地圖的不便。ROSE產(chǎn)品顯示子系統(tǒng)支持多種型號業(yè)務(wù)雷達數(shù)據(jù)在不同地球投影方式下的地圖自適配顯示。地圖應(yīng)用子模塊程序設(shè)計中引入設(shè)計模式，有效解決了精細化地圖數(shù)據(jù)的顯示效率問題，實現(xiàn)了顯示信息與速度的平衡。
2021, 49(6):851-859.
摘要:
衛(wèi)星地面應(yīng)用系統(tǒng)日益龐大網(wǎng)絡(luò)環(huán)境越來越復(fù)雜，各分系統(tǒng)在同一個OSPF（Open Shortest Path First）網(wǎng)絡(luò)區(qū)域內(nèi)相互傳遞數(shù)據(jù)信息，存在隨著網(wǎng)絡(luò)規(guī)模越來越大，路由器設(shè)備增加，導(dǎo)致每臺路由器所維護的LSDB（LinkState DataBase）也逐漸變得臃腫的問題。龐大的LSDB計算會消耗更多的設(shè)備資源，導(dǎo)致設(shè)備負擔(dān)加大，一旦網(wǎng)絡(luò)拓撲變化將會引起整個域內(nèi)所有路由器的重新計算。本文利用OSPF動態(tài)路由具有選擇協(xié)議區(qū)域劃分的特性，對衛(wèi)星地面應(yīng)用系統(tǒng)整體網(wǎng)絡(luò)結(jié)構(gòu)進行層次化分割,控制區(qū)域內(nèi)路由器訪問其他區(qū)域的路由路徑，將LSA（LinkState Advertisement）泛洪被限制在區(qū)域內(nèi)，減少了維護LSDB的數(shù)量及路由表路由條目，節(jié)約了控制層面的資源，把有效的資源用于數(shù)據(jù)層面的數(shù)據(jù)轉(zhuǎn)發(fā)，從而提高衛(wèi)星地面應(yīng)用整體網(wǎng)絡(luò)系統(tǒng)的數(shù)據(jù)轉(zhuǎn)發(fā)率。整體網(wǎng)絡(luò)的區(qū)域劃分可有效地把拓撲變化的影響控制在本區(qū)域內(nèi)，任意一區(qū)域網(wǎng)絡(luò)拓撲發(fā)生變化，不會影響整體網(wǎng)絡(luò)系統(tǒng)變化，從而提高衛(wèi)星地面應(yīng)用整體網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)的穩(wěn)定性和擴展性。
衛(wèi)星地面應(yīng)用系統(tǒng)日益龐大網(wǎng)絡(luò)環(huán)境越來越復(fù)雜，各分系統(tǒng)在同一個OSPF（Open Shortest Path First）網(wǎng)絡(luò)區(qū)域內(nèi)相互傳遞數(shù)據(jù)信息，存在隨著網(wǎng)絡(luò)規(guī)模越來越大，路由器設(shè)備增加，導(dǎo)致每臺路由器所維護的LSDB（LinkState DataBase）也逐漸變得臃腫的問題。龐大的LSDB計算會消耗更多的設(shè)備資源，導(dǎo)致設(shè)備負擔(dān)加大，一旦網(wǎng)絡(luò)拓撲變化將會引起整個域內(nèi)所有路由器的重新計算。本文利用OSPF動態(tài)路由具有選擇協(xié)議區(qū)域劃分的特性，對衛(wèi)星地面應(yīng)用系統(tǒng)整體網(wǎng)絡(luò)結(jié)構(gòu)進行層次化分割,控制區(qū)域內(nèi)路由器訪問其他區(qū)域的路由路徑，將LSA（LinkState Advertisement）泛洪被限制在區(qū)域內(nèi)，減少了維護LSDB的數(shù)量及路由表路由條目，節(jié)約了控制層面的資源，把有效的資源用于數(shù)據(jù)層面的數(shù)據(jù)轉(zhuǎn)發(fā)，從而提高衛(wèi)星地面應(yīng)用整體網(wǎng)絡(luò)系統(tǒng)的數(shù)據(jù)轉(zhuǎn)發(fā)率。整體網(wǎng)絡(luò)的區(qū)域劃分可有效地把拓撲變化的影響控制在本區(qū)域內(nèi)，任意一區(qū)域網(wǎng)絡(luò)拓撲發(fā)生變化，不會影響整體網(wǎng)絡(luò)系統(tǒng)變化，從而提高衛(wèi)星地面應(yīng)用整體網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)的穩(wěn)定性和擴展性。
2021, 49(6):860-868.
摘要:
為解決衛(wèi)星廣播傳輸缺陷及省級用戶獲取臨省實時觀測資料和實況分析產(chǎn)品等迫切的業(yè)務(wù)需求，設(shè)計并實現(xiàn)了基于消息通知機制的國省數(shù)據(jù)共享系統(tǒng)。系統(tǒng)基于RabbitMQ的消息機制進行業(yè)務(wù)和數(shù)據(jù)資源的整合及集成，采用多層體系架構(gòu)，滿足基于地面寬帶的數(shù)據(jù)快速有序下載和衛(wèi)星廣播數(shù)據(jù)補調(diào)等國省數(shù)據(jù)共享需求，支持大容量多種數(shù)據(jù)的高速傳輸，支持HTTP、FTP、SFTP等多種數(shù)據(jù)傳輸協(xié)議。系統(tǒng)已經(jīng)上線提供服務(wù)，實現(xiàn)智能網(wǎng)格、多源融合實況分析等25種氣象資料的國省數(shù)據(jù)共享，月平均共享數(shù)據(jù)量達6.3 TB，且建立全流程監(jiān)視，有效保障數(shù)據(jù)共享的時效性。
為解決衛(wèi)星廣播傳輸缺陷及省級用戶獲取臨省實時觀測資料和實況分析產(chǎn)品等迫切的業(yè)務(wù)需求，設(shè)計并實現(xiàn)了基于消息通知機制的國省數(shù)據(jù)共享系統(tǒng)。系統(tǒng)基于RabbitMQ的消息機制進行業(yè)務(wù)和數(shù)據(jù)資源的整合及集成，采用多層體系架構(gòu)，滿足基于地面寬帶的數(shù)據(jù)快速有序下載和衛(wèi)星廣播數(shù)據(jù)補調(diào)等國省數(shù)據(jù)共享需求，支持大容量多種數(shù)據(jù)的高速傳輸，支持HTTP、FTP、SFTP等多種數(shù)據(jù)傳輸協(xié)議。系統(tǒng)已經(jīng)上線提供服務(wù)，實現(xiàn)智能網(wǎng)格、多源融合實況分析等25種氣象資料的國省數(shù)據(jù)共享，月平均共享數(shù)據(jù)量達6.3 TB，且建立全流程監(jiān)視，有效保障數(shù)據(jù)共享的時效性。
2021, 49(6):869-877.
摘要:
利用2018年10月1日至2019年9月30日北京地區(qū)55個地面氣象站的實況觀測數(shù)據(jù)對歐洲中期天氣預(yù)報中心的全球預(yù)報（ECMWFthin）、國家氣象中心區(qū)域預(yù)報（Grapes）、北京睿圖（RMAPS）、國家級指導(dǎo)預(yù)報（SCMOC）、北京智能網(wǎng)格溫度客觀預(yù)報（BJTM）和集合相似預(yù)報（AnEn）的逐日最高、最低氣溫預(yù)報結(jié)果進行檢驗評估。結(jié)果表明：①ECMWFthin模式預(yù)報效果優(yōu)于Grapes和RMAPS，客觀方法BJTM和AnEn對ECMWFthin的改進效果明顯。②AnEn在10月至次年4月預(yù)報效果好，BJTM在5—9月預(yù)報效果好；不同預(yù)報時效中，AnEn在短期、中期前段預(yù)報效果較好，BJTM在中期5～9 d預(yù)報效果相對較好。③以南郊觀象臺為代表站進行檢驗，結(jié)果顯示模式預(yù)報均存在明顯的系統(tǒng)偏差，客觀方法對系統(tǒng)偏差有很好的訂正效果。④在降水、大風(fēng)或無天氣系統(tǒng)時，BJTM、AnEn的日最高溫度預(yù)報準(zhǔn)確率較高；霧霾天氣背景下，ECMWFthin的最高溫度預(yù)報準(zhǔn)確率較高。霧霾、大風(fēng)和無天氣系統(tǒng)時，ECMWFthin最低溫度預(yù)報偏差最小，客觀方法對模式預(yù)報無改進；降水天氣背景下，RMAPS和BJTM對最低溫度的預(yù)報偏差最小。
利用2018年10月1日至2019年9月30日北京地區(qū)55個地面氣象站的實況觀測數(shù)據(jù)對歐洲中期天氣預(yù)報中心的全球預(yù)報（ECMWFthin）、國家氣象中心區(qū)域預(yù)報（Grapes）、北京睿圖（RMAPS）、國家級指導(dǎo)預(yù)報（SCMOC）、北京智能網(wǎng)格溫度客觀預(yù)報（BJTM）和集合相似預(yù)報（AnEn）的逐日最高、最低氣溫預(yù)報結(jié)果進行檢驗評估。結(jié)果表明：①ECMWFthin模式預(yù)報效果優(yōu)于Grapes和RMAPS，客觀方法BJTM和AnEn對ECMWFthin的改進效果明顯。②AnEn在10月至次年4月預(yù)報效果好，BJTM在5—9月預(yù)報效果好；不同預(yù)報時效中，AnEn在短期、中期前段預(yù)報效果較好，BJTM在中期5～9 d預(yù)報效果相對較好。③以南郊觀象臺為代表站進行檢驗，結(jié)果顯示模式預(yù)報均存在明顯的系統(tǒng)偏差，客觀方法對系統(tǒng)偏差有很好的訂正效果。④在降水、大風(fēng)或無天氣系統(tǒng)時，BJTM、AnEn的日最高溫度預(yù)報準(zhǔn)確率較高；霧霾天氣背景下，ECMWFthin的最高溫度預(yù)報準(zhǔn)確率較高。霧霾、大風(fēng)和無天氣系統(tǒng)時，ECMWFthin最低溫度預(yù)報偏差最小，客觀方法對模式預(yù)報無改進；降水天氣背景下，RMAPS和BJTM對最低溫度的預(yù)報偏差最小。
2021, 49(6):878-884.
摘要:
利用2017年6—8月的FNL再分析資料分析了新疆地區(qū)夏季平流層低層風(fēng)場的時空演變特征，開展了平流層低層風(fēng)場的高分辨率數(shù)值模擬和檢驗。結(jié)果表明：新疆地區(qū)夏季平流層緯向風(fēng)隨時間的變化存在經(jīng)向差異，同時準(zhǔn)零風(fēng)層開始和結(jié)束的時間也存在經(jīng)向差異，準(zhǔn)零風(fēng)層開始時間南部地區(qū)早于北部地區(qū)，而準(zhǔn)零風(fēng)層結(jié)束時間則相反。整個夏季新疆地區(qū)上空的準(zhǔn)零風(fēng)層處于70～40 hPa之間，其高度隨時間呈先降低而后升高的變化趨勢。準(zhǔn)零風(fēng)層數(shù)值模擬結(jié)果表明，模擬的準(zhǔn)零風(fēng)層參數(shù)與探空資料分析結(jié)果相比二者存在一致的變化趨勢，準(zhǔn)零風(fēng)層起始高度的平均絕對誤差為467 m，該高度對應(yīng)的風(fēng)速均方根誤差為1.75 m/s。
利用2017年6—8月的FNL再分析資料分析了新疆地區(qū)夏季平流層低層風(fēng)場的時空演變特征，開展了平流層低層風(fēng)場的高分辨率數(shù)值模擬和檢驗。結(jié)果表明：新疆地區(qū)夏季平流層緯向風(fēng)隨時間的變化存在經(jīng)向差異，同時準(zhǔn)零風(fēng)層開始和結(jié)束的時間也存在經(jīng)向差異，準(zhǔn)零風(fēng)層開始時間南部地區(qū)早于北部地區(qū)，而準(zhǔn)零風(fēng)層結(jié)束時間則相反。整個夏季新疆地區(qū)上空的準(zhǔn)零風(fēng)層處于70～40 hPa之間，其高度隨時間呈先降低而后升高的變化趨勢。準(zhǔn)零風(fēng)層數(shù)值模擬結(jié)果表明，模擬的準(zhǔn)零風(fēng)層參數(shù)與探空資料分析結(jié)果相比二者存在一致的變化趨勢，準(zhǔn)零風(fēng)層起始高度的平均絕對誤差為467 m，該高度對應(yīng)的風(fēng)速均方根誤差為1.75 m/s。
2021, 49(6):885-896.
摘要:
利用2005—2019年河北省40個國家氣象觀測站逐小時降水資料，分析小時降水和小時強降水的時空分布特征，結(jié)果表明：①小時降水頻率近年來是降低的，而小時強降水頻次沒有明顯的變化趨勢，小時降水量、降水頻率、降水強度以及小時強降水頻次的月變化均呈單峰型分布，小時強降水頻次呈年差異化變大趨勢，使得小時強降水事件發(fā)生的極端性更突出；②年降水量總體呈東高西低、南高北低的趨勢，大值區(qū)主要位于東北和西南地區(qū)，降水頻次和降水強度受地形影響較為明顯，降水頻次大值中心位于海拔較高的北部和中西部，平原頻次較低，而降水強度大值區(qū)位于東北部，這是受副熱帶高壓和地形作用共同影響造成的；③河北省降水主要集中在傍晚到夜間，降水峰值出現(xiàn)的時間有自西向東延后的特征，受午后局地對流天氣的影響，最大峰值多出現(xiàn)在17:00前后，小時強降水發(fā)生頻次較高；④小時強降水的高發(fā)時期是7—8月，主要集中在河北東部和南部，其最大值出現(xiàn)在東北部和石家莊一帶；⑤南部降水量主要源于降水強度的貢獻，北部、西部山區(qū)和西北部壩上地區(qū)降水量更主要的是受降水頻率的影響；東北部降水量則是降水頻率和降水強度的共同影響造成的。
利用2005—2019年河北省40個國家氣象觀測站逐小時降水資料，分析小時降水和小時強降水的時空分布特征，結(jié)果表明：①小時降水頻率近年來是降低的，而小時強降水頻次沒有明顯的變化趨勢，小時降水量、降水頻率、降水強度以及小時強降水頻次的月變化均呈單峰型分布，小時強降水頻次呈年差異化變大趨勢，使得小時強降水事件發(fā)生的極端性更突出；②年降水量總體呈東高西低、南高北低的趨勢，大值區(qū)主要位于東北和西南地區(qū)，降水頻次和降水強度受地形影響較為明顯，降水頻次大值中心位于海拔較高的北部和中西部，平原頻次較低，而降水強度大值區(qū)位于東北部，這是受副熱帶高壓和地形作用共同影響造成的；③河北省降水主要集中在傍晚到夜間，降水峰值出現(xiàn)的時間有自西向東延后的特征，受午后局地對流天氣的影響，最大峰值多出現(xiàn)在17:00前后，小時強降水發(fā)生頻次較高；④小時強降水的高發(fā)時期是7—8月，主要集中在河北東部和南部，其最大值出現(xiàn)在東北部和石家莊一帶；⑤南部降水量主要源于降水強度的貢獻，北部、西部山區(qū)和西北部壩上地區(qū)降水量更主要的是受降水頻率的影響；東北部降水量則是降水頻率和降水強度的共同影響造成的。
2021, 49(6):897-902.
摘要:
利用2008—2016年中國區(qū)域CMORPH（Climate Prediction Center Morphing）多衛(wèi)星降水?dāng)?shù)據(jù)相融合的、分辨率為0.1°×0.1°的逐時降水量數(shù)據(jù)集，將每年5—8月分為梅雨前（5月1日至入梅前1日）、梅雨期（入梅當(dāng)日至出梅當(dāng)日）和梅雨后（出梅次日至8月31日），分析了大別山區(qū)梅雨季節(jié)降水的時間和空間演變趨勢。大別山區(qū)梅雨期間年平均降水量360.3 mm，梅雨前平均降水量279.7 mm，梅雨后平均降水量287.0 mm。梅雨季節(jié)主要存在3個降水大值區(qū)：山區(qū)北側(cè)中段、主峰東南側(cè)和西南側(cè)。從日變化情況來看，梅雨期降水日變化呈現(xiàn)雙峰特征，出現(xiàn)峰值的時間分別是09:00、16:00。梅雨前、梅雨后降水日變化呈單峰特征。強降水出現(xiàn)頻率的空間分布大值區(qū)也隨著梅雨前—梅雨期—梅雨后的時間變化逐漸北抬。
利用2008—2016年中國區(qū)域CMORPH（Climate Prediction Center Morphing）多衛(wèi)星降水?dāng)?shù)據(jù)相融合的、分辨率為0.1°×0.1°的逐時降水量數(shù)據(jù)集，將每年5—8月分為梅雨前（5月1日至入梅前1日）、梅雨期（入梅當(dāng)日至出梅當(dāng)日）和梅雨后（出梅次日至8月31日），分析了大別山區(qū)梅雨季節(jié)降水的時間和空間演變趨勢。大別山區(qū)梅雨期間年平均降水量360.3 mm，梅雨前平均降水量279.7 mm，梅雨后平均降水量287.0 mm。梅雨季節(jié)主要存在3個降水大值區(qū)：山區(qū)北側(cè)中段、主峰東南側(cè)和西南側(cè)。從日變化情況來看，梅雨期降水日變化呈現(xiàn)雙峰特征，出現(xiàn)峰值的時間分別是09:00、16:00。梅雨前、梅雨后降水日變化呈單峰特征。強降水出現(xiàn)頻率的空間分布大值區(qū)也隨著梅雨前—梅雨期—梅雨后的時間變化逐漸北抬。
2021, 49(6):903-912.
摘要:
利用常規(guī)觀測資料、FNL再分析資料、FY2H靜止衛(wèi)星以及雙偏振雷達數(shù)據(jù)，對發(fā)生在2020年5月25—26日、29—30日及6月2—3日浙江省的3次暴雨過程（簡稱“5〖DK〗·25”、“5〖DK〗·29”和“6〖DK〗·2”過程）進行了診斷分析，比較了3次暴雨的落區(qū)、強度、成因及云團等差異。結(jié)果表明：①3次暴雨均發(fā)生在高空槽前的低空切變線上，高空槽深淺、中尺度切變線位置、南部急流脈動強弱等因素是造成3次暴雨落區(qū)和強度差異的主要原因。②暴雨落區(qū)位于濕輻合帶西側(cè)，700 hPa濕〖WTHX〗Q〖WTBZ〗矢量散度場負值區(qū)對暴雨落區(qū)有較好的示蹤作用。③3次暴雨過程均存在鋒生作用和冷暖中心對，“5〖DK〗·25”過程中層鋒生先于低層，有弱溫度平流，為短歷時強降雨，其降水效率低，“5〖DK〗·29”和“6〖DK〗·2”過程則有強冷暖平流，為長歷時強降雨，降水效率高。④“5〖DK〗·25”過程暴雨云團尺度相對較小且生命史較短，降水穩(wěn)定；“5〖DK〗·29”過程云體密實、云頂亮溫低、回波質(zhì)心高度高且偏向于混合性降水；“6〖DK〗·2”過程主要為α中尺度對流云團，冷云蓋尺度大、存在柱狀對流回波、回波質(zhì)心高度高且偏向于對流性降水。
利用常規(guī)觀測資料、FNL再分析資料、FY2H靜止衛(wèi)星以及雙偏振雷達數(shù)據(jù)，對發(fā)生在2020年5月25—26日、29—30日及6月2—3日浙江省的3次暴雨過程（簡稱“5〖DK〗·25”、“5〖DK〗·29”和“6〖DK〗·2”過程）進行了診斷分析，比較了3次暴雨的落區(qū)、強度、成因及云團等差異。結(jié)果表明：①3次暴雨均發(fā)生在高空槽前的低空切變線上，高空槽深淺、中尺度切變線位置、南部急流脈動強弱等因素是造成3次暴雨落區(qū)和強度差異的主要原因。②暴雨落區(qū)位于濕輻合帶西側(cè)，700 hPa濕〖WTHX〗Q〖WTBZ〗矢量散度場負值區(qū)對暴雨落區(qū)有較好的示蹤作用。③3次暴雨過程均存在鋒生作用和冷暖中心對，“5〖DK〗·25”過程中層鋒生先于低層，有弱溫度平流，為短歷時強降雨，其降水效率低，“5〖DK〗·29”和“6〖DK〗·2”過程則有強冷暖平流，為長歷時強降雨，降水效率高。④“5〖DK〗·25”過程暴雨云團尺度相對較小且生命史較短，降水穩(wěn)定；“5〖DK〗·29”過程云體密實、云頂亮溫低、回波質(zhì)心高度高且偏向于混合性降水；“6〖DK〗·2”過程主要為α中尺度對流云團，冷云蓋尺度大、存在柱狀對流回波、回波質(zhì)心高度高且偏向于對流性降水。
2021, 49(6):913-922.
摘要:
利用湖北省隨州市S波段雙偏振雷達資料及常規(guī)觀測資料，對2020年5月4日鄂北隨州出現(xiàn)的超級單體風(fēng)暴進行分析。結(jié)果發(fā)現(xiàn)：①在有利天氣背景作用下，形成了上干冷下暖濕的垂直層結(jié)、0~6 km中等強度垂直風(fēng)切變以及地面輻合線，為強風(fēng)暴的發(fā)生發(fā)展提供環(huán)境條件和觸發(fā)條件。②超級單體發(fā)展過程中，觀測到前側(cè)“V”形入流缺口、中氣旋、弱回波穹隆、懸垂回波、鉤狀回波等特征，且風(fēng)暴頂高度、風(fēng)暴質(zhì)心高度、最大水平反射率因子高度以及垂直累積液態(tài)含水量等風(fēng)暴參數(shù)均呈先升后降趨勢。③超級單體的發(fā)展和成熟階段，在0 ℃層以下的低層，于前側(cè)下沉氣流西側(cè)的水平反射率因子大梯度區(qū)觀測到淺薄的差分反射率因子Zdr大值區(qū)，即Zdr弧；④超級單體的初始階段、發(fā)展階段以及成熟階段，在0 ℃層之上的中層，觀測到強上升氣流的正溫度擾動使冰相粒子在附近融化而形成的Zdr環(huán)形大值區(qū)和相關(guān)系數(shù)環(huán)形小值區(qū)。⑤垂直方向上，在超級單體的初始階段、發(fā)展階段以及成熟階段均觀測到Zdr柱和差分相位常數(shù)Kdp柱。Zdr柱與弱回波穹隆區(qū)位置對應(yīng)較好，其不同時期特征反映了上升氣流強的變化；Kdp柱的變化反映了超級單體中含有大量液態(tài)水滴區(qū)域的變化。
利用湖北省隨州市S波段雙偏振雷達資料及常規(guī)觀測資料，對2020年5月4日鄂北隨州出現(xiàn)的超級單體風(fēng)暴進行分析。結(jié)果發(fā)現(xiàn)：①在有利天氣背景作用下，形成了上干冷下暖濕的垂直層結(jié)、0~6 km中等強度垂直風(fēng)切變以及地面輻合線，為強風(fēng)暴的發(fā)生發(fā)展提供環(huán)境條件和觸發(fā)條件。②超級單體發(fā)展過程中，觀測到前側(cè)“V”形入流缺口、中氣旋、弱回波穹隆、懸垂回波、鉤狀回波等特征，且風(fēng)暴頂高度、風(fēng)暴質(zhì)心高度、最大水平反射率因子高度以及垂直累積液態(tài)含水量等風(fēng)暴參數(shù)均呈先升后降趨勢。③超級單體的發(fā)展和成熟階段，在0 ℃層以下的低層，于前側(cè)下沉氣流西側(cè)的水平反射率因子大梯度區(qū)觀測到淺薄的差分反射率因子Zdr大值區(qū)，即Zdr弧；④超級單體的初始階段、發(fā)展階段以及成熟階段，在0 ℃層之上的中層，觀測到強上升氣流的正溫度擾動使冰相粒子在附近融化而形成的Zdr環(huán)形大值區(qū)和相關(guān)系數(shù)環(huán)形小值區(qū)。⑤垂直方向上，在超級單體的初始階段、發(fā)展階段以及成熟階段均觀測到Zdr柱和差分相位常數(shù)Kdp柱。Zdr柱與弱回波穹隆區(qū)位置對應(yīng)較好，其不同時期特征反映了上升氣流強的變化；Kdp柱的變化反映了超級單體中含有大量液態(tài)水滴區(qū)域的變化。
2021, 49(6):923-929.
摘要:
采用Makkonen結(jié)冰增長模型鑲嵌冰表面輻射融化模型建立適用于風(fēng)機覆冰的預(yù)報模型，基于WRF耦合CALMET綜合模式預(yù)測結(jié)果和風(fēng)機性能參數(shù)驅(qū)動模型，進行風(fēng)機覆冰開始和結(jié)束時間的預(yù)報。以湖北通山九宮山風(fēng)電場為研究對象，對2012年12月至2013年12月期間監(jiān)測到19次風(fēng)機覆冰進行分析，分別采用提前1 d、提前2 d、提前3 d三種預(yù)報方案開展覆冰起止時間的預(yù)報，發(fā)現(xiàn)該模型對風(fēng)機覆冰具有一定的提前預(yù)警能力，且越臨近覆冰發(fā)生時間，預(yù)報準(zhǔn)確性越高。
采用Makkonen結(jié)冰增長模型鑲嵌冰表面輻射融化模型建立適用于風(fēng)機覆冰的預(yù)報模型，基于WRF耦合CALMET綜合模式預(yù)測結(jié)果和風(fēng)機性能參數(shù)驅(qū)動模型，進行風(fēng)機覆冰開始和結(jié)束時間的預(yù)報。以湖北通山九宮山風(fēng)電場為研究對象，對2012年12月至2013年12月期間監(jiān)測到19次風(fēng)機覆冰進行分析，分別采用提前1 d、提前2 d、提前3 d三種預(yù)報方案開展覆冰起止時間的預(yù)報，發(fā)現(xiàn)該模型對風(fēng)機覆冰具有一定的提前預(yù)警能力，且越臨近覆冰發(fā)生時間，預(yù)報準(zhǔn)確性越高。
2021, 49(6):930-941.
摘要:
機器學(xué)習(xí)是人工智能的核心，是使計算機具有智能的根本途徑之一。隨著以深度學(xué)習(xí)為代表的機器學(xué)習(xí)算法取得突破，人工智能呈現(xiàn)了加速發(fā)展的趨勢，在各行業(yè)取得了廣泛的應(yīng)用。機器學(xué)習(xí)在計算效率、準(zhǔn)確性、可移植性、協(xié)同性、靈活性、易用性等方面具有較大的優(yōu)勢，下一步將有可能改變傳統(tǒng)的氣象觀測模式，加速和改善氣象觀測數(shù)據(jù)的處理，改善數(shù)值天氣預(yù)報質(zhì)量以及推進地球科學(xué)的交叉融合。為更好地推動人工智能相關(guān)技術(shù)在氣象領(lǐng)域的應(yīng)用，本文從氣象觀探測、數(shù)值預(yù)報、危險天氣識別與預(yù)警和衛(wèi)星資料處理等方面對機器學(xué)習(xí)算法的應(yīng)用現(xiàn)狀進行了整理。
機器學(xué)習(xí)是人工智能的核心，是使計算機具有智能的根本途徑之一。隨著以深度學(xué)習(xí)為代表的機器學(xué)習(xí)算法取得突破，人工智能呈現(xiàn)了加速發(fā)展的趨勢，在各行業(yè)取得了廣泛的應(yīng)用。機器學(xué)習(xí)在計算效率、準(zhǔn)確性、可移植性、協(xié)同性、靈活性、易用性等方面具有較大的優(yōu)勢，下一步將有可能改變傳統(tǒng)的氣象觀測模式，加速和改善氣象觀測數(shù)據(jù)的處理，改善數(shù)值天氣預(yù)報質(zhì)量以及推進地球科學(xué)的交叉融合。為更好地推動人工智能相關(guān)技術(shù)在氣象領(lǐng)域的應(yīng)用，本文從氣象觀探測、數(shù)值預(yù)報、危險天氣識別與預(yù)警和衛(wèi)星資料處理等方面對機器學(xué)習(xí)算法的應(yīng)用現(xiàn)狀進行了整理。
2021, 49(6):942-952.
摘要:
利用地面常規(guī)觀測氣象資料、風(fēng)廓線雷達等資料，從環(huán)流形勢、邊界層輸送擴散條件等方面對比分析了成都地區(qū)2017年12月至2018年1月兩次冬季典型重污染生消過程的異同，結(jié)果表明：①兩次過程均為靜穩(wěn)型天氣背景,高層盛行緯向環(huán)流，近地面為均壓場、弱氣壓場，存在多層逆溫，夜間相對濕度高，風(fēng)速小，風(fēng)向多變，近地面主導(dǎo)風(fēng)向為西北風(fēng)、西風(fēng)，風(fēng)向?qū)ξ廴镜膮^(qū)域輸送效果明顯；②在污染累積階段，邊界層內(nèi)存在平均風(fēng)速小于2 m/s、風(fēng)向多變的小風(fēng)層，清除階段的小風(fēng)層特征則不顯著；③大氣折射率結(jié)構(gòu)常數(shù)C2n與垂直速度可以作為垂直擴散條件的判據(jù)：污染累積階段，C2n大值區(qū)的高度一般為500～1500 m，清除階段，C2n大值區(qū)的高度顯著抬升，且垂直速度強下沉區(qū)與C2n大值區(qū)基本重合；④局地回流指數(shù)（RF）與通風(fēng)系數(shù)對污染過程生消的指示性非常顯著。污染累積階段，1000 m高度以下的RF小于0.6，近地層的RF小于0.2，通風(fēng)系數(shù)日平均值僅為1455 m2/s；清除階段的RF大于0.7，通風(fēng)系數(shù)通常大于3000 m2/s；此外，較大的通風(fēng)系數(shù)也可以起到傳輸上游污染物的作用。
利用地面常規(guī)觀測氣象資料、風(fēng)廓線雷達等資料，從環(huán)流形勢、邊界層輸送擴散條件等方面對比分析了成都地區(qū)2017年12月至2018年1月兩次冬季典型重污染生消過程的異同，結(jié)果表明：①兩次過程均為靜穩(wěn)型天氣背景,高層盛行緯向環(huán)流，近地面為均壓場、弱氣壓場，存在多層逆溫，夜間相對濕度高，風(fēng)速小，風(fēng)向多變，近地面主導(dǎo)風(fēng)向為西北風(fēng)、西風(fēng)，風(fēng)向?qū)ξ廴镜膮^(qū)域輸送效果明顯；②在污染累積階段，邊界層內(nèi)存在平均風(fēng)速小于2 m/s、風(fēng)向多變的小風(fēng)層，清除階段的小風(fēng)層特征則不顯著；③大氣折射率結(jié)構(gòu)常數(shù)C2n與垂直速度可以作為垂直擴散條件的判據(jù)：污染累積階段，C2n大值區(qū)的高度一般為500～1500 m，清除階段，C2n大值區(qū)的高度顯著抬升，且垂直速度強下沉區(qū)與C2n大值區(qū)基本重合；④局地回流指數(shù)（RF）與通風(fēng)系數(shù)對污染過程生消的指示性非常顯著。污染累積階段，1000 m高度以下的RF小于0.6，近地層的RF小于0.2，通風(fēng)系數(shù)日平均值僅為1455 m2/s；清除階段的RF大于0.7，通風(fēng)系數(shù)通常大于3000 m2/s；此外，較大的通風(fēng)系數(shù)也可以起到傳輸上游污染物的作用。
2021, 49(6):953-959.
摘要:
為了研究福建省有效致災(zāi)雷電的分布情況，基于福建省2004—2012年閃電定位數(shù)據(jù)及雷擊人員傷亡數(shù)據(jù)、福建省L17級谷歌遙感影像瓦片，引入卷積神經(jīng)網(wǎng)絡(luò)模型對遙感影像所在區(qū)域是否屬于人員活動的屬性進行建模、訓(xùn)練和預(yù)測，得到福建省人員活動屬性的格點產(chǎn)品，結(jié)合福建省歷史雷電數(shù)據(jù)對有效致災(zāi)的雷電分布情況進行了分析，結(jié)果表明：①設(shè)計的遙感影像+CNN識別模型具有一定的可行性和準(zhǔn)確率，通過顯著性水平為0.01的假設(shè)檢驗；②福建省有63.55%的格點為無人員活動區(qū)域；③平均有45.36%的閃電落在無人員活動的區(qū)域，因地制宜地對其他致災(zāi)閃電進行預(yù)警是提高應(yīng)急減災(zāi)服務(wù)效果的可行途徑；④有效致災(zāi)雷電密度與歷史雷擊人員傷亡數(shù)據(jù)的相關(guān)性遠大于常規(guī)雷電密度與歷史雷擊人員傷亡數(shù)據(jù)的相關(guān)性，有效致災(zāi)雷電分布在表征雷電災(zāi)害上比常規(guī)雷電分布更具有指示意義。
為了研究福建省有效致災(zāi)雷電的分布情況，基于福建省2004—2012年閃電定位數(shù)據(jù)及雷擊人員傷亡數(shù)據(jù)、福建省L17級谷歌遙感影像瓦片，引入卷積神經(jīng)網(wǎng)絡(luò)模型對遙感影像所在區(qū)域是否屬于人員活動的屬性進行建模、訓(xùn)練和預(yù)測，得到福建省人員活動屬性的格點產(chǎn)品，結(jié)合福建省歷史雷電數(shù)據(jù)對有效致災(zāi)的雷電分布情況進行了分析，結(jié)果表明：①設(shè)計的遙感影像+CNN識別模型具有一定的可行性和準(zhǔn)確率，通過顯著性水平為0.01的假設(shè)檢驗；②福建省有63.55%的格點為無人員活動區(qū)域；③平均有45.36%的閃電落在無人員活動的區(qū)域，因地制宜地對其他致災(zāi)閃電進行預(yù)警是提高應(yīng)急減災(zāi)服務(wù)效果的可行途徑；④有效致災(zāi)雷電密度與歷史雷擊人員傷亡數(shù)據(jù)的相關(guān)性遠大于常規(guī)雷電密度與歷史雷擊人員傷亡數(shù)據(jù)的相關(guān)性，有效致災(zāi)雷電分布在表征雷電災(zāi)害上比常規(guī)雷電分布更具有指示意義。
2021, 49(6):960-967.
摘要:
利用遼寧省59個國家氣象站2008—2017年6—8月逐時地面觀測資料，綜合考慮夏季氣候舒適度和高影響天氣對避暑旅游的不利影響，確定遼寧避暑旅游氣候適宜度評價方法，分析了遼寧避暑旅游適宜度時空分布，為公眾及旅游相關(guān)部門了解當(dāng)?shù)乇苁盥糜螝夂蛸Y源提供參考。研究表明：①遼寧避暑旅游適宜度由西北到東南逐漸增強， 59個地市（縣）中，很適宜避暑的有14個，適宜避暑的有22個，較適宜避暑的有16個。②夏季遼寧大部避暑旅游氣候舒適度較好，遼東和遼南氣候舒適度優(yōu)于遼寧中部和西部。遼寧東部的本溪和沿海的丹東、大連、葫蘆島和錦州南部氣候舒適度等級最高，避暑氣候條件更好。③遼寧夏季暴雨高風(fēng)險區(qū)在東南部的寬甸、丹東和鳳城一帶。高溫高風(fēng)險區(qū)在朝陽大部和錦州西部。大風(fēng)高風(fēng)險區(qū)在鐵嶺北部、彰武、錦州、營口和長海。雷暴高風(fēng)險區(qū)在鐵嶺、撫順東部、朝陽西部和莊河一帶。④6月、8月是遼寧適合避暑旅游的月份，尤其是 6月，避暑旅游適宜度最高，適宜面積最大。8月份次之， 7月避暑旅游適宜度較差。
利用遼寧省59個國家氣象站2008—2017年6—8月逐時地面觀測資料，綜合考慮夏季氣候舒適度和高影響天氣對避暑旅游的不利影響，確定遼寧避暑旅游氣候適宜度評價方法，分析了遼寧避暑旅游適宜度時空分布，為公眾及旅游相關(guān)部門了解當(dāng)?shù)乇苁盥糜螝夂蛸Y源提供參考。研究表明：①遼寧避暑旅游適宜度由西北到東南逐漸增強， 59個地市（縣）中，很適宜避暑的有14個，適宜避暑的有22個，較適宜避暑的有16個。②夏季遼寧大部避暑旅游氣候舒適度較好，遼東和遼南氣候舒適度優(yōu)于遼寧中部和西部。遼寧東部的本溪和沿海的丹東、大連、葫蘆島和錦州南部氣候舒適度等級最高，避暑氣候條件更好。③遼寧夏季暴雨高風(fēng)險區(qū)在東南部的寬甸、丹東和鳳城一帶。高溫高風(fēng)險區(qū)在朝陽大部和錦州西部。大風(fēng)高風(fēng)險區(qū)在鐵嶺北部、彰武、錦州、營口和長海。雷暴高風(fēng)險區(qū)在鐵嶺、撫順東部、朝陽西部和莊河一帶。④6月、8月是遼寧適合避暑旅游的月份，尤其是 6月，避暑旅游適宜度最高，適宜面積最大。8月份次之， 7月避暑旅游適宜度較差。
2021, 49(6):968-974.
摘要:
氣候變化影響檸檬生長、產(chǎn)量和品質(zhì)，本文利用云南省125個國家氣象站1981—2018年,月平均氣溫、月平均降水量、月日照時數(shù)，進行基準(zhǔn)年代下云南檸檬氣候適宜性分區(qū)；采用RCP2.6、RCP4.5、RCP8.5氣候情景模式，研究2021—2030年、2031—2040年、2041—2050年云南檸檬氣候適宜區(qū)的變化，探討未來氣候變化背景下，云南檸檬氣候適宜性變化，以期對檸檬產(chǎn)業(yè)布局、規(guī)劃、引種提供科學(xué)的指導(dǎo)。結(jié)果表明：21世紀(jì)中葉，RCP2.6情景下檸檬最適宜種植區(qū)增加了3成左右，RCP4.5情景下檸檬最適宜種植區(qū)增加了5成左右，RCP8.5情景下檸檬最適宜種植區(qū)增加了9成左右。但由于受降水因子的限制，中度適宜區(qū)到2041—2050年開始縮減，總的可適宜種植區(qū)（高度適宜區(qū)+中度適宜區(qū)）基本趨于穩(wěn)定，這將給檸檬在云南的種植發(fā)展提供廣闊空間。
氣候變化影響檸檬生長、產(chǎn)量和品質(zhì)，本文利用云南省125個國家氣象站1981—2018年,月平均氣溫、月平均降水量、月日照時數(shù)，進行基準(zhǔn)年代下云南檸檬氣候適宜性分區(qū)；采用RCP2.6、RCP4.5、RCP8.5氣候情景模式，研究2021—2030年、2031—2040年、2041—2050年云南檸檬氣候適宜區(qū)的變化，探討未來氣候變化背景下，云南檸檬氣候適宜性變化，以期對檸檬產(chǎn)業(yè)布局、規(guī)劃、引種提供科學(xué)的指導(dǎo)。結(jié)果表明：21世紀(jì)中葉，RCP2.6情景下檸檬最適宜種植區(qū)增加了3成左右，RCP4.5情景下檸檬最適宜種植區(qū)增加了5成左右，RCP8.5情景下檸檬最適宜種植區(qū)增加了9成左右。但由于受降水因子的限制，中度適宜區(qū)到2041—2050年開始縮減，總的可適宜種植區(qū)（高度適宜區(qū)+中度適宜區(qū)）基本趨于穩(wěn)定，這將給檸檬在云南的種植發(fā)展提供廣闊空間。
2021, 49(6):975-982.
摘要:
利用1960—2019年廣西88個國家氣象觀測站逐日氣溫資料，將研究時段分成前30年（P1：1960—1989年）和后30年（P2：1990—2019年）2個階段，分析早稻安全播種期和安全移栽期、晚稻安全齊穗期和安全成熟期的年際變化規(guī)律，并通過比較P1和P2階段不同保證率下各安全生產(chǎn)期的差異，分析氣候變暖背景下廣西雙季稻安全生產(chǎn)期的變化特征。結(jié)果表明：①早稻安全播種期和安全移栽期主要表現(xiàn)為提前變化趨勢,晚稻安全齊穗期和安全成熟期主要表現(xiàn)為推遲變化趨勢，全區(qū)80%和90%保證率安全播種期和安全移栽期平均提前2 d，80%和90%保證率安全齊穗期平均推遲2 d，80%和90%保證率安全成熟期平均推遲5 d和6 d。②安全生產(chǎn)期的變化特征空間差異性較大，桂東北安全播種期和安全移栽期提前天數(shù)最多,達6 d以上，百色那坡、靖西地區(qū)安全齊穗期推遲天數(shù)最多，達6 d以上，全區(qū)大部分地區(qū)安全成熟期推遲天數(shù)在6～10 d，空間差異相對較小。
利用1960—2019年廣西88個國家氣象觀測站逐日氣溫資料，將研究時段分成前30年（P1：1960—1989年）和后30年（P2：1990—2019年）2個階段，分析早稻安全播種期和安全移栽期、晚稻安全齊穗期和安全成熟期的年際變化規(guī)律，并通過比較P1和P2階段不同保證率下各安全生產(chǎn)期的差異，分析氣候變暖背景下廣西雙季稻安全生產(chǎn)期的變化特征。結(jié)果表明：①早稻安全播種期和安全移栽期主要表現(xiàn)為提前變化趨勢,晚稻安全齊穗期和安全成熟期主要表現(xiàn)為推遲變化趨勢，全區(qū)80%和90%保證率安全播種期和安全移栽期平均提前2 d，80%和90%保證率安全齊穗期平均推遲2 d，80%和90%保證率安全成熟期平均推遲5 d和6 d。②安全生產(chǎn)期的變化特征空間差異性較大，桂東北安全播種期和安全移栽期提前天數(shù)最多,達6 d以上，百色那坡、靖西地區(qū)安全齊穗期推遲天數(shù)最多，達6 d以上，全區(qū)大部分地區(qū)安全成熟期推遲天數(shù)在6～10 d，空間差異相對較小。
友情鏈接《氣象學(xué)報》《應(yīng)用氣象學(xué)報》《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