2022年第50卷第1期文章目次
2022, 50(1):1-8.
DOI: 10.19517/j.1671-6345.20210236
摘要:
基于國家氣象信息中心全球地面氣象觀測站及非氣象觀測站逐時氣溫數(shù)據(jù)，應(yīng)用分月閾值、區(qū)塊閾值、緯帶閾值及空間一致性綜合檢測方法，構(gòu)建了2016—2020年全球逐時地面氣溫數(shù)據(jù)集，并設(shè)計了可實時更新的質(zhì)量檢測流程，為全球預(yù)報服務(wù)和科研業(yè)務(wù)提供可靠的數(shù)據(jù)保障。近5年數(shù)據(jù)的檢測結(jié)果表明，全球總的可疑錯誤數(shù)據(jù)率為0.85%，亞洲的可疑錯誤數(shù)據(jù)較多，占亞洲數(shù)據(jù)樣本的1.67%，占全球可疑錯誤數(shù)據(jù)的72%左右，并以夏秋兩季檢出數(shù)據(jù)較多。79%左右的可疑數(shù)據(jù)是通過區(qū)塊閾值與空間一致性方法檢測出的非氣象觀測站點數(shù)據(jù)，站點極值與空間一致性檢出的觀測站可疑數(shù)據(jù)占9%以上。
基于國家氣象信息中心全球地面氣象觀測站及非氣象觀測站逐時氣溫數(shù)據(jù)，應(yīng)用分月閾值、區(qū)塊閾值、緯帶閾值及空間一致性綜合檢測方法，構(gòu)建了2016—2020年全球逐時地面氣溫數(shù)據(jù)集，并設(shè)計了可實時更新的質(zhì)量檢測流程，為全球預(yù)報服務(wù)和科研業(yè)務(wù)提供可靠的數(shù)據(jù)保障。近5年數(shù)據(jù)的檢測結(jié)果表明，全球總的可疑錯誤數(shù)據(jù)率為0.85%，亞洲的可疑錯誤數(shù)據(jù)較多，占亞洲數(shù)據(jù)樣本的1.67%，占全球可疑錯誤數(shù)據(jù)的72%左右，并以夏秋兩季檢出數(shù)據(jù)較多。79%左右的可疑數(shù)據(jù)是通過區(qū)塊閾值與空間一致性方法檢測出的非氣象觀測站點數(shù)據(jù)，站點極值與空間一致性檢出的觀測站可疑數(shù)據(jù)占9%以上。
2022, 50(1):9-20.
DOI: 10.19517/j.1671-6345.20210192
摘要:
采用北京市國家大氣探測試驗基地2017年5月1日至2019年8月31日的微波輻射計觀測結(jié)果，通過位溫氣塊法反演了該地區(qū)的大氣邊界層高度，統(tǒng)計其日變化和月際變化特征，并與相應(yīng)的探空反演結(jié)果進行對比。結(jié)果表明：日間大氣邊界層高度的變化特征與日照時長對應(yīng)關(guān)系很好。除熱力作用外，邊界層高度受地面風(fēng)速的影響較大，近地面的較強大風(fēng)對大氣邊界層高度起到了抬升作用，導(dǎo)致1—4月的夜間邊界層高度明顯高于其他月。2月、3月、4月、9月和10月的日間大氣擴散條件較好，最大邊界層高度均超過了3 km。月均最高大氣邊界層高度為1461 m，月均最低大氣邊界層高度為242 m。2月的平均邊界層高度最高，為943 m，12月的平均邊界層高度最低，為426 m。由于7、8月多為降水和多云天氣，所以平均邊界層高度較低。微波輻射計反演結(jié)果與探空反演結(jié)果具有較好的一致性，二者的皮爾遜相關(guān)系數(shù)達(dá)到了0.874，均方根誤差僅300 m。
采用北京市國家大氣探測試驗基地2017年5月1日至2019年8月31日的微波輻射計觀測結(jié)果，通過位溫氣塊法反演了該地區(qū)的大氣邊界層高度，統(tǒng)計其日變化和月際變化特征，并與相應(yīng)的探空反演結(jié)果進行對比。結(jié)果表明：日間大氣邊界層高度的變化特征與日照時長對應(yīng)關(guān)系很好。除熱力作用外，邊界層高度受地面風(fēng)速的影響較大，近地面的較強大風(fēng)對大氣邊界層高度起到了抬升作用，導(dǎo)致1—4月的夜間邊界層高度明顯高于其他月。2月、3月、4月、9月和10月的日間大氣擴散條件較好，最大邊界層高度均超過了3 km。月均最高大氣邊界層高度為1461 m，月均最低大氣邊界層高度為242 m。2月的平均邊界層高度最高，為943 m，12月的平均邊界層高度最低，為426 m。由于7、8月多為降水和多云天氣，所以平均邊界層高度較低。微波輻射計反演結(jié)果與探空反演結(jié)果具有較好的一致性，二者的皮爾遜相關(guān)系數(shù)達(dá)到了0.874，均方根誤差僅300 m。
2022, 50(1):21-29.
DOI: 10.19517/j.1671-6345.20210230
摘要:
大氣濕度廓線對于研究大氣系統(tǒng)的復(fù)雜性具有十分重要的作用。地基微波輻射計有著連續(xù)觀測的特性，能夠以高時間分辨率反演出高度至10 km的大氣濕度廓線，廓線數(shù)據(jù)對于氣象預(yù)報和研究氣候系統(tǒng)的變化至關(guān)重要。為了提高反演大氣濕度廓線的精準(zhǔn)度，本文使用時間循環(huán)神經(jīng)網(wǎng)絡(luò)模型，利用微波輻射計連續(xù)探測的信號并使用Ka波段毫米波云雷達(dá)數(shù)據(jù)提高有云時的反演精度，采用LSTM（Long Short-Term Memory）神經(jīng)網(wǎng)絡(luò)反演計算大氣濕度廓線，用探空儀實測相對濕度驗證并分析反演效果。該模型反演的濕度廓線與探空廓線的平均絕對誤差為9.80%，均方根誤差為13.85%，優(yōu)于經(jīng)典的BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)模型平均絕對誤差11.52%，均方根誤差15.66%。通過比較，證明了本文的反演模型利用連續(xù)觀測的亮溫數(shù)據(jù)能夠有效地提高反演精度，特別是對于3～7 km范圍內(nèi)大氣濕度廓線分布較為復(fù)雜的相對濕度的反演。并驗證了該模型加入云觀測數(shù)據(jù)提高了有云時的反演精度。
大氣濕度廓線對于研究大氣系統(tǒng)的復(fù)雜性具有十分重要的作用。地基微波輻射計有著連續(xù)觀測的特性，能夠以高時間分辨率反演出高度至10 km的大氣濕度廓線，廓線數(shù)據(jù)對于氣象預(yù)報和研究氣候系統(tǒng)的變化至關(guān)重要。為了提高反演大氣濕度廓線的精準(zhǔn)度，本文使用時間循環(huán)神經(jīng)網(wǎng)絡(luò)模型，利用微波輻射計連續(xù)探測的信號并使用Ka波段毫米波云雷達(dá)數(shù)據(jù)提高有云時的反演精度，采用LSTM（Long Short-Term Memory）神經(jīng)網(wǎng)絡(luò)反演計算大氣濕度廓線，用探空儀實測相對濕度驗證并分析反演效果。該模型反演的濕度廓線與探空廓線的平均絕對誤差為9.80%，均方根誤差為13.85%，優(yōu)于經(jīng)典的BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)模型平均絕對誤差11.52%，均方根誤差15.66%。通過比較，證明了本文的反演模型利用連續(xù)觀測的亮溫數(shù)據(jù)能夠有效地提高反演精度，特別是對于3～7 km范圍內(nèi)大氣濕度廓線分布較為復(fù)雜的相對濕度的反演。并驗證了該模型加入云觀測數(shù)據(jù)提高了有云時的反演精度。
2022, 50(1):30-36.
DOI: 10.19517/j.1671-6345.20210132
摘要:
隨著風(fēng)云氣象衛(wèi)星事業(yè)的飛速發(fā)展，衛(wèi)星觀測通道數(shù)量不斷增加、時間和空間分辨率不斷提高，原始數(shù)據(jù)碼速率已經(jīng)由每秒幾十兆比特上升為幾百兆比特，不久將達(dá)到千兆以上。衛(wèi)星的主要任務(wù)是獲取遙感數(shù)據(jù)，從某種角度而言，衛(wèi)星的價值等價于遙感數(shù)據(jù)的質(zhì)量和大小。原始數(shù)據(jù)通過無線電載波傳輸至地面站，從載波中準(zhǔn)確無誤地解調(diào)出原始數(shù)據(jù)，是風(fēng)云衛(wèi)星觀測系統(tǒng)最關(guān)鍵的環(huán)節(jié)，星地接口的核心，也是數(shù)據(jù)處理和服務(wù)的基礎(chǔ)。為了提升解調(diào)性能，本文開展基于高速數(shù)字信號處理技術(shù)，設(shè)計數(shù)字解調(diào)的整體結(jié)構(gòu)，分析載波恢復(fù)、交叉極化抵消、時鐘恢復(fù)、均衡等關(guān)鍵模塊的實現(xiàn)原理及方法。在實驗室環(huán)境下，采用VHDL語言實現(xiàn)8PSK全數(shù)字解調(diào)系統(tǒng)設(shè)計，當(dāng)采用7/8LDPC譯碼時，數(shù)據(jù)傳輸速率可達(dá)1.2 Gb/s，驗證了所設(shè)計方案在高速數(shù)字信號處理方面的優(yōu)越性和有效性，為風(fēng)云衛(wèi)星發(fā)展以及未來氣象衛(wèi)星中的調(diào)制解調(diào)提供依據(jù)。
隨著風(fēng)云氣象衛(wèi)星事業(yè)的飛速發(fā)展，衛(wèi)星觀測通道數(shù)量不斷增加、時間和空間分辨率不斷提高，原始數(shù)據(jù)碼速率已經(jīng)由每秒幾十兆比特上升為幾百兆比特，不久將達(dá)到千兆以上。衛(wèi)星的主要任務(wù)是獲取遙感數(shù)據(jù)，從某種角度而言，衛(wèi)星的價值等價于遙感數(shù)據(jù)的質(zhì)量和大小。原始數(shù)據(jù)通過無線電載波傳輸至地面站，從載波中準(zhǔn)確無誤地解調(diào)出原始數(shù)據(jù)，是風(fēng)云衛(wèi)星觀測系統(tǒng)最關(guān)鍵的環(huán)節(jié)，星地接口的核心，也是數(shù)據(jù)處理和服務(wù)的基礎(chǔ)。為了提升解調(diào)性能，本文開展基于高速數(shù)字信號處理技術(shù)，設(shè)計數(shù)字解調(diào)的整體結(jié)構(gòu)，分析載波恢復(fù)、交叉極化抵消、時鐘恢復(fù)、均衡等關(guān)鍵模塊的實現(xiàn)原理及方法。在實驗室環(huán)境下，采用VHDL語言實現(xiàn)8PSK全數(shù)字解調(diào)系統(tǒng)設(shè)計，當(dāng)采用7/8LDPC譯碼時，數(shù)據(jù)傳輸速率可達(dá)1.2 Gb/s，驗證了所設(shè)計方案在高速數(shù)字信號處理方面的優(yōu)越性和有效性，為風(fēng)云衛(wèi)星發(fā)展以及未來氣象衛(wèi)星中的調(diào)制解調(diào)提供依據(jù)。
2022, 50(1):37-44.
DOI: 10.19517/j.1671-6345.20210137
摘要:
現(xiàn)有標(biāo)準(zhǔn)格式雷達(dá)基數(shù)據(jù)解析工具在設(shè)計上存在通用性和抽象性不足的問題，不便于雷達(dá)數(shù)據(jù)的解析和處理。為了解決這個問題，本文基于Unidata的CDM（Common Data Model），設(shè)計和構(gòu)建了中國天氣雷達(dá)基數(shù)據(jù)模型，在數(shù)據(jù)模型層面實現(xiàn)了對天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的訪問，并以Unidata開源的NetCDF Java庫和IDV(Integrated Data Viewer)可視化軟件為基礎(chǔ)，形成了一套基于CDM的天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)內(nèi)容提取和可視化分析工具。本研究以廣州雷達(dá)新舊兩種格式基本反射率數(shù)據(jù)對比為例，展示了研究成果在多普勒天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)評估中的應(yīng)用。結(jié)果表明：本研究成果方便了雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的使用，對雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的業(yè)務(wù)應(yīng)用起到了促進作用。本研究成果亦可應(yīng)用于雷達(dá)基數(shù)據(jù)處理與分析相關(guān)的實際業(yè)務(wù)和科研工作中，為雷達(dá)資料的應(yīng)用提供基礎(chǔ)支持。
現(xiàn)有標(biāo)準(zhǔn)格式雷達(dá)基數(shù)據(jù)解析工具在設(shè)計上存在通用性和抽象性不足的問題，不便于雷達(dá)數(shù)據(jù)的解析和處理。為了解決這個問題，本文基于Unidata的CDM（Common Data Model），設(shè)計和構(gòu)建了中國天氣雷達(dá)基數(shù)據(jù)模型，在數(shù)據(jù)模型層面實現(xiàn)了對天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的訪問，并以Unidata開源的NetCDF Java庫和IDV(Integrated Data Viewer)可視化軟件為基礎(chǔ)，形成了一套基于CDM的天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)內(nèi)容提取和可視化分析工具。本研究以廣州雷達(dá)新舊兩種格式基本反射率數(shù)據(jù)對比為例，展示了研究成果在多普勒天氣雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)評估中的應(yīng)用。結(jié)果表明：本研究成果方便了雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的使用，對雷達(dá)標(biāo)準(zhǔn)格式基數(shù)據(jù)的業(yè)務(wù)應(yīng)用起到了促進作用。本研究成果亦可應(yīng)用于雷達(dá)基數(shù)據(jù)處理與分析相關(guān)的實際業(yè)務(wù)和科研工作中，為雷達(dá)資料的應(yīng)用提供基礎(chǔ)支持。
2022, 50(1):45-50.
DOI: 10.19517/j.1671-6345.20210177
摘要:
隨著信息技術(shù)應(yīng)用創(chuàng)新和信息系統(tǒng)集約化進程的不斷推進，氣象部門政務(wù)管理信息系統(tǒng)正加速實施國產(chǎn)化自主可控迭代升級，其對歷史數(shù)據(jù)遷移的平滑與否是衡量升級成敗的關(guān)鍵因素之一。借助分布式全文檢索框架ElasticSearch的動態(tài)映射、分布式可擴展以及非結(jié)構(gòu)化數(shù)據(jù)處理等能力，本文提出一種異構(gòu)數(shù)據(jù)遷移方法，能夠解決傳統(tǒng)方法在系統(tǒng)替換場景中存在的不足。應(yīng)用該方法對中國氣象局電子公文系統(tǒng)進行全國產(chǎn)化替代，取得了良好的效果,不僅滿足了歷史數(shù)據(jù)向國產(chǎn)化自主可控生態(tài)下的物理遷移需求，還能支持新的系統(tǒng)對歷史數(shù)據(jù)更加靈活的二次使用。
隨著信息技術(shù)應(yīng)用創(chuàng)新和信息系統(tǒng)集約化進程的不斷推進，氣象部門政務(wù)管理信息系統(tǒng)正加速實施國產(chǎn)化自主可控迭代升級，其對歷史數(shù)據(jù)遷移的平滑與否是衡量升級成敗的關(guān)鍵因素之一。借助分布式全文檢索框架ElasticSearch的動態(tài)映射、分布式可擴展以及非結(jié)構(gòu)化數(shù)據(jù)處理等能力，本文提出一種異構(gòu)數(shù)據(jù)遷移方法，能夠解決傳統(tǒng)方法在系統(tǒng)替換場景中存在的不足。應(yīng)用該方法對中國氣象局電子公文系統(tǒng)進行全國產(chǎn)化替代，取得了良好的效果,不僅滿足了歷史數(shù)據(jù)向國產(chǎn)化自主可控生態(tài)下的物理遷移需求，還能支持新的系統(tǒng)對歷史數(shù)據(jù)更加靈活的二次使用。
2022, 50(1):51-58.
DOI: 10.19517/j.1671-6345.20210251
摘要:
針對長時間序列、多站點和多氣象要素的大數(shù)據(jù)量查詢需求，現(xiàn)有的CIMISS(China Integrated Meteorological Information Sharing System)存在支撐能力嚴(yán)重不足的問題。本研究使用廣西氣象站點建站至今的歷史地面氣象記錄月報表數(shù)據(jù)資料和現(xiàn)有Hadoop集群物理資源,重新設(shè)計數(shù)據(jù)ETL流程，構(gòu)建Parquet格式數(shù)據(jù)集并完成HDFS轉(zhuǎn)換存儲；嵌入Spark的Broadcast廣播變量，優(yōu)化Spark集群執(zhí)行參數(shù)，提高了集群的處理并行度和SparkSql的關(guān)聯(lián)查詢效率。結(jié)果表明，Parquet格式數(shù)據(jù)集的最高壓縮比超過95%，一次性大數(shù)據(jù)量的查詢效率比原來提升了1～5倍，并支持高并發(fā)訪問，為各類相關(guān)預(yù)報預(yù)測業(yè)務(wù)的開展提供了有效的技術(shù)支撐。
針對長時間序列、多站點和多氣象要素的大數(shù)據(jù)量查詢需求，現(xiàn)有的CIMISS(China Integrated Meteorological Information Sharing System)存在支撐能力嚴(yán)重不足的問題。本研究使用廣西氣象站點建站至今的歷史地面氣象記錄月報表數(shù)據(jù)資料和現(xiàn)有Hadoop集群物理資源,重新設(shè)計數(shù)據(jù)ETL流程，構(gòu)建Parquet格式數(shù)據(jù)集并完成HDFS轉(zhuǎn)換存儲；嵌入Spark的Broadcast廣播變量，優(yōu)化Spark集群執(zhí)行參數(shù)，提高了集群的處理并行度和SparkSql的關(guān)聯(lián)查詢效率。結(jié)果表明，Parquet格式數(shù)據(jù)集的最高壓縮比超過95%，一次性大數(shù)據(jù)量的查詢效率比原來提升了1～5倍，并支持高并發(fā)訪問，為各類相關(guān)預(yù)報預(yù)測業(yè)務(wù)的開展提供了有效的技術(shù)支撐。
2022, 50(1):59-65.
DOI: 10.19517/j.1671-6345.20210129
摘要:
短信因其傳播方式的主動性、用戶群體的廣覆蓋等特點，在突發(fā)事件預(yù)警信息發(fā)布中具有舉足輕重的作用。但目前氣象部門所建短信平臺在發(fā)布時效、覆蓋面、定位發(fā)布等方面存在局限性，無法滿足預(yù)警信息快速、精準(zhǔn)發(fā)布的要求。本文結(jié)合中國移動大數(shù)據(jù)平臺，提出了基于蜂窩通信原理的突發(fā)事件預(yù)警短信靶向發(fā)布技術(shù)方案，并以該方案在寧夏地區(qū)的實現(xiàn)為例，重點闡述了系統(tǒng)布局、數(shù)據(jù)對接、目標(biāo)用戶篩選、靶向發(fā)布策略等關(guān)鍵技術(shù)。該方案可有效提高突發(fā)事件預(yù)警信息發(fā)布的針對性和有效性。
短信因其傳播方式的主動性、用戶群體的廣覆蓋等特點，在突發(fā)事件預(yù)警信息發(fā)布中具有舉足輕重的作用。但目前氣象部門所建短信平臺在發(fā)布時效、覆蓋面、定位發(fā)布等方面存在局限性，無法滿足預(yù)警信息快速、精準(zhǔn)發(fā)布的要求。本文結(jié)合中國移動大數(shù)據(jù)平臺，提出了基于蜂窩通信原理的突發(fā)事件預(yù)警短信靶向發(fā)布技術(shù)方案，并以該方案在寧夏地區(qū)的實現(xiàn)為例，重點闡述了系統(tǒng)布局、數(shù)據(jù)對接、目標(biāo)用戶篩選、靶向發(fā)布策略等關(guān)鍵技術(shù)。該方案可有效提高突發(fā)事件預(yù)警信息發(fā)布的針對性和有效性。
2022, 50(1):66-74.
DOI: 10.19517/j.1671-6345.20210029
摘要:
利用陜西省氣象監(jiān)測站觀測資料、NCEP/NCAR和ERA5全球再分析資料，對2019年12月10日凌晨西安東部一次夜間溫度異常躍增過程進行深入分析。結(jié)果表明：①此次夜間增溫過程發(fā)展迅速、局地性強、預(yù)報難度大。②500 hPa內(nèi)蒙東部冷槽底后部干燥的西北氣流和850 hPa干暖氣團有利于產(chǎn)生大氣下沉絕熱增溫。西安地區(qū)近地面存在逆溫，阻礙大氣熱量的垂直交換。升溫前西安東部2 m氣溫較周邊地區(qū)顯著偏暖，且維持時間長，為該地區(qū)夜間升溫創(chuàng)造了有利條件。③西安東部低空長時間維持較強的暖平流，地面不斷有弱冷空氣侵入，加之受驪山阻擋，使得臨潼地區(qū)近地面暖空氣被急劇壓縮，同時大氣下沉絕熱增溫效應(yīng)增強，在這四者的共同作用下造成了臨潼地區(qū)夜間氣溫的顯著躍增。④選取了近3年18次臨潼地區(qū)夜間增溫過程，對其進行天氣系統(tǒng)、探空、垂直結(jié)構(gòu)等深入分析，總結(jié)歸納臨潼夜間增溫發(fā)生判據(jù)，結(jié)合數(shù)值模式預(yù)報產(chǎn)品，提出訂正方案，并進行檢驗評估。該方案有一定的正訂正效果，可為數(shù)值模式對此類強轉(zhuǎn)折性天氣過程中氣溫精細(xì)化預(yù)報提供參考。
利用陜西省氣象監(jiān)測站觀測資料、NCEP/NCAR和ERA5全球再分析資料，對2019年12月10日凌晨西安東部一次夜間溫度異常躍增過程進行深入分析。結(jié)果表明：①此次夜間增溫過程發(fā)展迅速、局地性強、預(yù)報難度大。②500 hPa內(nèi)蒙東部冷槽底后部干燥的西北氣流和850 hPa干暖氣團有利于產(chǎn)生大氣下沉絕熱增溫。西安地區(qū)近地面存在逆溫，阻礙大氣熱量的垂直交換。升溫前西安東部2 m氣溫較周邊地區(qū)顯著偏暖，且維持時間長，為該地區(qū)夜間升溫創(chuàng)造了有利條件。③西安東部低空長時間維持較強的暖平流，地面不斷有弱冷空氣侵入，加之受驪山阻擋，使得臨潼地區(qū)近地面暖空氣被急劇壓縮，同時大氣下沉絕熱增溫效應(yīng)增強，在這四者的共同作用下造成了臨潼地區(qū)夜間氣溫的顯著躍增。④選取了近3年18次臨潼地區(qū)夜間增溫過程，對其進行天氣系統(tǒng)、探空、垂直結(jié)構(gòu)等深入分析，總結(jié)歸納臨潼夜間增溫發(fā)生判據(jù)，結(jié)合數(shù)值模式預(yù)報產(chǎn)品，提出訂正方案，并進行檢驗評估。該方案有一定的正訂正效果，可為數(shù)值模式對此類強轉(zhuǎn)折性天氣過程中氣溫精細(xì)化預(yù)報提供參考。
2022, 50(1):75-84.
DOI: 10.19517/j.1671-6345.20200439
摘要:
利用常規(guī)觀測和NCEP再分析資料，分析2008—2019年廣西低溫雨雪冰凍過程（簡稱低溫過程）。結(jié)果表明：廣西低溫過程分為穩(wěn)定阻塞、減弱阻塞、兩槽一脊及多波動型，穩(wěn)定阻塞型持續(xù)8～15 d，其余類型小于等于6 d。穩(wěn)定阻塞型中高緯補充的冷空氣及低緯輸送的水汽是廣西低溫過程持續(xù)的重要因素，700 hPa西南氣流提供水汽和熱量，有利于融化層及凍雨形成，低層寬廣的溫度鋒區(qū)及大的平均鋒生函數(shù)利于低溫過程持續(xù)。穩(wěn)定阻塞型具有云頂溫度-10～0 ℃、低層冷墊≤-7 ℃、中層融化層≥8 ℃的凍雨溫度層結(jié)，兩槽一脊型則為云頂溫度-20～-10 ℃、無融化層、低層冷墊達(dá)-10 ℃的純雪溫度層結(jié)。穩(wěn)定阻塞型低溫擾動路徑為東路加西路，其他型為東路，前期強低溫擾動具有指示意義。東路加西路低溫擾動先從貝湖南移，再從巴湖東移補充；巴湖低溫擾動不斷補充對長周期過程有重要作用。由前期低溫擾動位置及環(huán)流型可對低溫過程路徑及持續(xù)時間作初步判斷。
利用常規(guī)觀測和NCEP再分析資料，分析2008—2019年廣西低溫雨雪冰凍過程（簡稱低溫過程）。結(jié)果表明：廣西低溫過程分為穩(wěn)定阻塞、減弱阻塞、兩槽一脊及多波動型，穩(wěn)定阻塞型持續(xù)8～15 d，其余類型小于等于6 d。穩(wěn)定阻塞型中高緯補充的冷空氣及低緯輸送的水汽是廣西低溫過程持續(xù)的重要因素，700 hPa西南氣流提供水汽和熱量，有利于融化層及凍雨形成，低層寬廣的溫度鋒區(qū)及大的平均鋒生函數(shù)利于低溫過程持續(xù)。穩(wěn)定阻塞型具有云頂溫度-10～0 ℃、低層冷墊≤-7 ℃、中層融化層≥8 ℃的凍雨溫度層結(jié)，兩槽一脊型則為云頂溫度-20～-10 ℃、無融化層、低層冷墊達(dá)-10 ℃的純雪溫度層結(jié)。穩(wěn)定阻塞型低溫擾動路徑為東路加西路，其他型為東路，前期強低溫擾動具有指示意義。東路加西路低溫擾動先從貝湖南移，再從巴湖東移補充；巴湖低溫擾動不斷補充對長周期過程有重要作用。由前期低溫擾動位置及環(huán)流型可對低溫過程路徑及持續(xù)時間作初步判斷。
2022, 50(1):85-93.
DOI: 10.19517/j.1671-6345.20210059
摘要:
利用近10年新疆暖季（5—9 月）常規(guī)觀測、區(qū)域自動站小時降水資料，對468個短時強降水過程的主要流型、關(guān)鍵環(huán)境參數(shù)特征及預(yù)報閾值進行討論。結(jié)果表明：新疆短時強降水的流型有中亞低槽（渦）、西西伯利亞低槽（渦）、西北氣流等3種，中亞低槽（渦）是影響新疆短時強降水的主要流型；探空溫濕廓線可分為Ⅰ型（整層干）、Ⅱ型（上干下濕）、Ⅲ型（上濕下干）和Ⅳ型（整層濕），Ⅰ型和Ⅲ型是新疆短時強降水的主要類型；中亞低槽（渦）主要是探空溫濕廓線Ⅲ、Ⅳ型，西伯利亞低槽（渦）多為Ⅰ、Ⅱ型，西北氣流Ⅰ、Ⅲ型居多。3種流型對應(yīng)的主要環(huán)境參量最低閾值：850 hPa與500 hPa溫差分別為24.0 ℃、25.0 ℃和27.0 ℃、地面至700 hPa露點溫度均值分別為3.0 ℃、2.0 ℃和2.9 ℃；CAPE分別為117 J·Kg-1、146 J·Kg-1和103 J·Kg-1、0～6 km垂直風(fēng)切變分別為0.8×10-3s-1、1.0×10-3s-1和0.5×10-3s-1。本文對新疆短時強降水主要流型配置、短臨預(yù)報潛勢及閾值進行初探，為新疆短時強降水短臨預(yù)報預(yù)警提供支撐。
利用近10年新疆暖季（5—9 月）常規(guī)觀測、區(qū)域自動站小時降水資料，對468個短時強降水過程的主要流型、關(guān)鍵環(huán)境參數(shù)特征及預(yù)報閾值進行討論。結(jié)果表明：新疆短時強降水的流型有中亞低槽（渦）、西西伯利亞低槽（渦）、西北氣流等3種，中亞低槽（渦）是影響新疆短時強降水的主要流型；探空溫濕廓線可分為Ⅰ型（整層干）、Ⅱ型（上干下濕）、Ⅲ型（上濕下干）和Ⅳ型（整層濕），Ⅰ型和Ⅲ型是新疆短時強降水的主要類型；中亞低槽（渦）主要是探空溫濕廓線Ⅲ、Ⅳ型，西伯利亞低槽（渦）多為Ⅰ、Ⅱ型，西北氣流Ⅰ、Ⅲ型居多。3種流型對應(yīng)的主要環(huán)境參量最低閾值：850 hPa與500 hPa溫差分別為24.0 ℃、25.0 ℃和27.0 ℃、地面至700 hPa露點溫度均值分別為3.0 ℃、2.0 ℃和2.9 ℃；CAPE分別為117 J·Kg-1、146 J·Kg-1和103 J·Kg-1、0～6 km垂直風(fēng)切變分別為0.8×10-3s-1、1.0×10-3s-1和0.5×10-3s-1。本文對新疆短時強降水主要流型配置、短臨預(yù)報潛勢及閾值進行初探，為新疆短時強降水短臨預(yù)報預(yù)警提供支撐。
2022, 50(1):94-102.
DOI: 10.19517/j.1671-6345.20210218
摘要:
利用拉格朗日后向軌跡追蹤模式HYSPLIT，結(jié)合蒸發(fā)—降水診斷法及相關(guān)的水汽貢獻(xiàn)定量分析法，分析了臺風(fēng)“溫比亞”影響期間山東極端強降水的水汽來源及輸送特征。結(jié)果表明：區(qū)域極端強降水的發(fā)生與大尺度的水汽輸送和輻合密切相關(guān)；影響強降水的水汽源地主要有4個，它們分別位于印度洋→孟加拉灣→南海、低緯西太平洋、中緯度西北太平洋和中國東部；源區(qū)貢獻(xiàn)定量分析表明，低緯西太平洋對極端降水的水汽貢獻(xiàn)最大，中緯度西北太平洋次之，印度洋→孟加拉灣→南海與中國東部的貢獻(xiàn)相當(dāng)且均低于中緯度西北太平洋；進一步對比不同源區(qū)的水汽輸送差異發(fā)現(xiàn)，雖然印度洋→孟加拉灣→南海初期攝取的水汽較多，但輸送過程中過高的沿途水汽損耗，顯著降低了其對極端降水的水汽貢獻(xiàn)，盡管中緯度西北太平洋和中國東部地區(qū)初期攝取的水汽較少，但兩者沿途的水汽損失亦小并且兩者攝取的水汽在目標(biāo)區(qū)實際轉(zhuǎn)為降水的比例較高，因此兩者最終的水汽貢獻(xiàn)不容忽視。
利用拉格朗日后向軌跡追蹤模式HYSPLIT，結(jié)合蒸發(fā)—降水診斷法及相關(guān)的水汽貢獻(xiàn)定量分析法，分析了臺風(fēng)“溫比亞”影響期間山東極端強降水的水汽來源及輸送特征。結(jié)果表明：區(qū)域極端強降水的發(fā)生與大尺度的水汽輸送和輻合密切相關(guān)；影響強降水的水汽源地主要有4個，它們分別位于印度洋→孟加拉灣→南海、低緯西太平洋、中緯度西北太平洋和中國東部；源區(qū)貢獻(xiàn)定量分析表明，低緯西太平洋對極端降水的水汽貢獻(xiàn)最大，中緯度西北太平洋次之，印度洋→孟加拉灣→南海與中國東部的貢獻(xiàn)相當(dāng)且均低于中緯度西北太平洋；進一步對比不同源區(qū)的水汽輸送差異發(fā)現(xiàn)，雖然印度洋→孟加拉灣→南海初期攝取的水汽較多，但輸送過程中過高的沿途水汽損耗，顯著降低了其對極端降水的水汽貢獻(xiàn)，盡管中緯度西北太平洋和中國東部地區(qū)初期攝取的水汽較少，但兩者沿途的水汽損失亦小并且兩者攝取的水汽在目標(biāo)區(qū)實際轉(zhuǎn)為降水的比例較高，因此兩者最終的水汽貢獻(xiàn)不容忽視。
2022, 50(1):103-113.
DOI: 10.19517/j.1671-6345.20210049
摘要:
利用2010—2019年浙江省暖季（5—9月）1426個國家站和區(qū)域站小時雨量數(shù)據(jù)和NCEP 1°×1°逐日4次再分析資料，分析了浙江省暖季短時強降水、極端短時強降水時空分布特征及區(qū)域性短時強降水事件，結(jié)果表明：①近10年暖季短時強降水頻次呈增多趨勢，降水強度變化平穩(wěn)； 8月（上旬）降水頻次最多， 9月（中旬）強度最強；16：00—19:00降水頻次最多，16:00、20:00強度最強；降水頻次、降水強度的空間分布與地形密切相關(guān)，易產(chǎn)生在沿海地區(qū)的山脈分布處。②近10年暖季極端短時強降水頻次年際變化大，但變化趨勢平穩(wěn)；8月（下旬）降水頻次最多，9月（中旬、下旬）降水強度最強；16：00降水頻次最多，12:00降水強度最強；極端短時強降水頻次空間分布也與地形相關(guān)，沿海多于內(nèi)陸。③區(qū)域性短時強降水事件可分為冷切型、暖切型、熱帶氣旋型、高空槽型、副高控制型5類。
利用2010—2019年浙江省暖季（5—9月）1426個國家站和區(qū)域站小時雨量數(shù)據(jù)和NCEP 1°×1°逐日4次再分析資料，分析了浙江省暖季短時強降水、極端短時強降水時空分布特征及區(qū)域性短時強降水事件，結(jié)果表明：①近10年暖季短時強降水頻次呈增多趨勢，降水強度變化平穩(wěn)； 8月（上旬）降水頻次最多， 9月（中旬）強度最強；16：00—19:00降水頻次最多，16:00、20:00強度最強；降水頻次、降水強度的空間分布與地形密切相關(guān)，易產(chǎn)生在沿海地區(qū)的山脈分布處。②近10年暖季極端短時強降水頻次年際變化大，但變化趨勢平穩(wěn)；8月（下旬）降水頻次最多，9月（中旬、下旬）降水強度最強；16：00降水頻次最多，12:00降水強度最強；極端短時強降水頻次空間分布也與地形相關(guān)，沿海多于內(nèi)陸。③區(qū)域性短時強降水事件可分為冷切型、暖切型、熱帶氣旋型、高空槽型、副高控制型5類。
2022, 50(1):114-120.
DOI: 10.19517/j.1671-6345.20210035
摘要:
為了改進氣象行業(yè)標(biāo)準(zhǔn)（國標(biāo)）推薦的厄爾尼諾/拉尼娜事件監(jiān)測指數(shù)所涉及的異常數(shù)據(jù)帶有趨勢、間隔10年的修訂所可能引入的額外周期、指數(shù)一致性及氣候標(biāo)準(zhǔn)值變動所引起的事件屬性、強弱的變化等系列問題，本文基于一個可以消除一階趨勢并舍棄氣候標(biāo)準(zhǔn)值的異常計算方法用以構(gòu)建相關(guān)指數(shù)。結(jié)果表明，該方案所計算的指數(shù)與原指數(shù)具有較好的一致性，在有顯著趨勢的序列中，本方案較氣象行業(yè)標(biāo)準(zhǔn)推薦方案算法簡單，趨勢消解顯著，在應(yīng)對氣候變暖等系列問題中，本方案具有推廣價值。
為了改進氣象行業(yè)標(biāo)準(zhǔn)（國標(biāo)）推薦的厄爾尼諾/拉尼娜事件監(jiān)測指數(shù)所涉及的異常數(shù)據(jù)帶有趨勢、間隔10年的修訂所可能引入的額外周期、指數(shù)一致性及氣候標(biāo)準(zhǔn)值變動所引起的事件屬性、強弱的變化等系列問題，本文基于一個可以消除一階趨勢并舍棄氣候標(biāo)準(zhǔn)值的異常計算方法用以構(gòu)建相關(guān)指數(shù)。結(jié)果表明，該方案所計算的指數(shù)與原指數(shù)具有較好的一致性，在有顯著趨勢的序列中，本方案較氣象行業(yè)標(biāo)準(zhǔn)推薦方案算法簡單，趨勢消解顯著，在應(yīng)對氣候變暖等系列問題中，本方案具有推廣價值。
2022, 50(1):121-128.
DOI: 10.19517/j.1671-6345.20210210
摘要:
為減少雷電災(zāi)害造成的人身傷亡和經(jīng)濟損失，提出了一種基于機器學(xué)習(xí)和單站地面氣象要素的雷電臨近預(yù)警方法。在重慶市選擇了8個自動氣象站，使用溫、壓、濕、風(fēng)4種單站地面氣象要素與ADTD地閃定位資料，通過對特征工程、重采樣、交叉驗證等機器學(xué)習(xí)技術(shù)的組合應(yīng)用，構(gòu)建了基于ADASYNET模型的雷電臨近預(yù)警方法，能夠?qū)庀笳局苓?0 km范圍進行提前期0～30 min的預(yù)警。驗證結(jié)果表明：該預(yù)警方法適用于全部8個站點，在0～10 min、10～20 min、20～30 min預(yù)警提前期，調(diào)和平均F1得分分別為0.60、0.59、0.60，與其他一些預(yù)警方法、系統(tǒng)對比實現(xiàn)方式靈活，預(yù)警效果良好，能夠為防雷減災(zāi)工作提供參考。
為減少雷電災(zāi)害造成的人身傷亡和經(jīng)濟損失，提出了一種基于機器學(xué)習(xí)和單站地面氣象要素的雷電臨近預(yù)警方法。在重慶市選擇了8個自動氣象站，使用溫、壓、濕、風(fēng)4種單站地面氣象要素與ADTD地閃定位資料，通過對特征工程、重采樣、交叉驗證等機器學(xué)習(xí)技術(shù)的組合應(yīng)用，構(gòu)建了基于ADASYNET模型的雷電臨近預(yù)警方法，能夠?qū)庀笳局苓?0 km范圍進行提前期0～30 min的預(yù)警。驗證結(jié)果表明：該預(yù)警方法適用于全部8個站點，在0～10 min、10～20 min、20～30 min預(yù)警提前期，調(diào)和平均F1得分分別為0.60、0.59、0.60，與其他一些預(yù)警方法、系統(tǒng)對比實現(xiàn)方式靈活，預(yù)警效果良好，能夠為防雷減災(zāi)工作提供參考。
2022, 50(1):129-138.
DOI: 10.19517/j.1671-6345.20210040
摘要:
本文基于B-P方程、Rusck方程和Agrwal耦合模型，開發(fā)出一種架空線雷電感應(yīng)過電壓的時域快速算法。利用該算法研究了不同參數(shù)對雷電感應(yīng)過電壓的影響，并利用2-D FDTD算法對其計算精度進行全面檢驗。結(jié)果表明：①首次回?fù)綦娏鳟a(chǎn)生的感應(yīng)過電壓的峰值較大，波頭陡度小；繼后回?fù)綦娏鳟a(chǎn)生的感應(yīng)過電壓的峰值較小，而波頭陡度更大。②地面電導(dǎo)率 σ 對感應(yīng)過電壓的幅值和極性影響較大。架空線路中點處的感應(yīng)過電壓峰值與地面電導(dǎo)率呈負(fù)相關(guān)，而端點處的感應(yīng)過電壓峰值與地面電導(dǎo)率呈正相關(guān)，并且在電導(dǎo)率較低（σ=0.001 S/m）時波形表現(xiàn)出雙極性特征。③架空線路中點和端點處的感應(yīng)過電壓峰值均隨線路高度h增大而增大。④在閃電通道50～1000 m范圍內(nèi)，本文算法模擬出的感應(yīng)過電壓波形與2-D FDTD的結(jié)果基本一致，且峰值計算誤差均小于5%。綜上，由于本文算法計算時間僅需10 s并具有較高的計算精度，有利于在防雷工程中推廣應(yīng)用。
本文基于B-P方程、Rusck方程和Agrwal耦合模型，開發(fā)出一種架空線雷電感應(yīng)過電壓的時域快速算法。利用該算法研究了不同參數(shù)對雷電感應(yīng)過電壓的影響，并利用2-D FDTD算法對其計算精度進行全面檢驗。結(jié)果表明：①首次回?fù)綦娏鳟a(chǎn)生的感應(yīng)過電壓的峰值較大，波頭陡度小；繼后回?fù)綦娏鳟a(chǎn)生的感應(yīng)過電壓的峰值較小，而波頭陡度更大。②地面電導(dǎo)率 σ 對感應(yīng)過電壓的幅值和極性影響較大。架空線路中點處的感應(yīng)過電壓峰值與地面電導(dǎo)率呈負(fù)相關(guān)，而端點處的感應(yīng)過電壓峰值與地面電導(dǎo)率呈正相關(guān)，并且在電導(dǎo)率較低（σ=0.001 S/m）時波形表現(xiàn)出雙極性特征。③架空線路中點和端點處的感應(yīng)過電壓峰值均隨線路高度h增大而增大。④在閃電通道50～1000 m范圍內(nèi)，本文算法模擬出的感應(yīng)過電壓波形與2-D FDTD的結(jié)果基本一致，且峰值計算誤差均小于5%。綜上，由于本文算法計算時間僅需10 s并具有較高的計算精度，有利于在防雷工程中推廣應(yīng)用。
2022, 50(1):139-146.
DOI: 10.19517/j.1671-6345.20210167
摘要:
采用2016—2020年浙江省閃電定位資料，〖JP2〗利用Access和MATLAB對浙江省陸域、舟山海域地閃回?fù)籼卣鬟M行分析。結(jié)果顯示：浙江省陸域年平均地閃回?fù)裘芏葹?.97 次·km-2·a-1，正地閃回?fù)裘芏葹?.10 次·km-2·a-1，正地閃回?fù)粽伎偟亻W回?fù)舻?.1%，正地閃回?fù)羝骄娏鲝姸葹?2.49 kA，負(fù)地閃為33.61 kA，正負(fù)電流強度比值為1.26。舟山海域年平均地閃回?fù)裘芏葹?.54 次·km-2·a-1，正地閃回?fù)裘芏葹?.06 次·km-2·a-1，正地閃回?fù)粽伎偟亻W回?fù)舻?1.1%，正地閃回?fù)羝骄娏鲝姸葹?9.81 kA，負(fù)地閃為47.77 kA，正負(fù)電流強度比值為1.04。浙江省陸域、舟山海域的北部區(qū)域的正地閃和負(fù)地閃回?fù)綦娏鲝姸染黠@強于南部區(qū)域；舟山海域的正地閃和負(fù)地閃回?fù)羝骄娏鲝姸染謩e比浙江省陸域的強，舟山海域的正負(fù)地閃回?fù)羝骄娏鲝姸缺戎得黠@小于浙江省陸域。不同區(qū)域正地閃與負(fù)地閃回?fù)羝骄娏鲝姸鹊谋戎涤休^大差異，舟山海域正地閃回?fù)舻谋壤貏e高，正地閃回?fù)舻钠骄娏鲝姸壬源笥谪?fù)地閃，通過大氣電學(xué)和氣象學(xué)分析，初步闡釋其成因。
采用2016—2020年浙江省閃電定位資料，〖JP2〗利用Access和MATLAB對浙江省陸域、舟山海域地閃回?fù)籼卣鬟M行分析。結(jié)果顯示：浙江省陸域年平均地閃回?fù)裘芏葹?.97 次·km-2·a-1，正地閃回?fù)裘芏葹?.10 次·km-2·a-1，正地閃回?fù)粽伎偟亻W回?fù)舻?.1%，正地閃回?fù)羝骄娏鲝姸葹?2.49 kA，負(fù)地閃為33.61 kA，正負(fù)電流強度比值為1.26。舟山海域年平均地閃回?fù)裘芏葹?.54 次·km-2·a-1，正地閃回?fù)裘芏葹?.06 次·km-2·a-1，正地閃回?fù)粽伎偟亻W回?fù)舻?1.1%，正地閃回?fù)羝骄娏鲝姸葹?9.81 kA，負(fù)地閃為47.77 kA，正負(fù)電流強度比值為1.04。浙江省陸域、舟山海域的北部區(qū)域的正地閃和負(fù)地閃回?fù)綦娏鲝姸染黠@強于南部區(qū)域；舟山海域的正地閃和負(fù)地閃回?fù)羝骄娏鲝姸染謩e比浙江省陸域的強，舟山海域的正負(fù)地閃回?fù)羝骄娏鲝姸缺戎得黠@小于浙江省陸域。不同區(qū)域正地閃與負(fù)地閃回?fù)羝骄娏鲝姸鹊谋戎涤休^大差異，舟山海域正地閃回?fù)舻谋壤貏e高，正地閃回?fù)舻钠骄娏鲝姸壬源笥谪?fù)地閃，通過大氣電學(xué)和氣象學(xué)分析，初步闡釋其成因。
2022, 50(1):147-154.
DOI: 10.19517/j.1671-6345.20210196
摘要:
為了提升莆田市文旦柚的品牌效應(yīng)和市場競爭力，利用文旦柚種植區(qū)歷年區(qū)域自動站氣象觀測資料及果實品質(zhì)檢測數(shù)據(jù)，通過分析影響文旦柚品質(zhì)的關(guān)鍵氣象因子和主要氣象災(zāi)害，構(gòu)建文旦柚氣候品質(zhì)評估指標(biāo)，采用專家打分法和層次分析法，確定氣候適宜性因子和致災(zāi)因子的權(quán)重，建立文旦柚氣候品質(zhì)評估模型，計算氣候品質(zhì)指數(shù)并進行量化等級劃分，開展文旦柚氣候品質(zhì)評估。結(jié)果表明：基于氣候適宜性和氣象災(zāi)害指標(biāo)的文旦柚氣候品質(zhì)評估模型，模擬結(jié)果能定量化地反映氣象條件對文旦柚品質(zhì)的影響，結(jié)合其與實測果實品質(zhì)、歷史典型年果實品質(zhì)及不同海拔區(qū)域果實品質(zhì)的對比驗證，氣候品質(zhì)評估結(jié)果與果實品質(zhì)具有高度吻合性，能較好地反映文旦柚果實的實際品質(zhì)，評估模型和評估結(jié)果較為客觀，可為莆田市文旦柚氣候品質(zhì)認(rèn)證提供技術(shù)支撐。
為了提升莆田市文旦柚的品牌效應(yīng)和市場競爭力，利用文旦柚種植區(qū)歷年區(qū)域自動站氣象觀測資料及果實品質(zhì)檢測數(shù)據(jù)，通過分析影響文旦柚品質(zhì)的關(guān)鍵氣象因子和主要氣象災(zāi)害，構(gòu)建文旦柚氣候品質(zhì)評估指標(biāo)，采用專家打分法和層次分析法，確定氣候適宜性因子和致災(zāi)因子的權(quán)重，建立文旦柚氣候品質(zhì)評估模型，計算氣候品質(zhì)指數(shù)并進行量化等級劃分，開展文旦柚氣候品質(zhì)評估。結(jié)果表明：基于氣候適宜性和氣象災(zāi)害指標(biāo)的文旦柚氣候品質(zhì)評估模型，模擬結(jié)果能定量化地反映氣象條件對文旦柚品質(zhì)的影響，結(jié)合其與實測果實品質(zhì)、歷史典型年果實品質(zhì)及不同海拔區(qū)域果實品質(zhì)的對比驗證，氣候品質(zhì)評估結(jié)果與果實品質(zhì)具有高度吻合性，能較好地反映文旦柚果實的實際品質(zhì)，評估模型和評估結(jié)果較為客觀，可為莆田市文旦柚氣候品質(zhì)認(rèn)證提供技術(shù)支撐。
2022, 50(1):155-160.
DOI: 10.19517/j.1671-6345.20210119
摘要:
本文基于溫度因子對核桃萌芽-幼果期生長發(fā)育的影響，建立了日平均氣溫隸屬函數(shù)適宜度模型，將逐日最低氣溫、致死溫度和致災(zāi)溫度及低于致災(zāi)溫度持續(xù)時間引入溫度隸屬函數(shù)，建立了日最低氣溫隸屬函數(shù)適宜度模型，將上述適宜度按一定的權(quán)重組合構(gòu)建了河北省太行山區(qū)核桃萌芽-幼果期溫度隸屬函數(shù)適宜度模型。基于模型計算分析表明：凍害發(fā)生時，日平均氣溫適宜度一般在0.8以下，日最低氣溫適宜度、溫度綜合適宜度一般在0.6以下；以溫度綜合適宜度（S）進行凍害等級劃分，當(dāng)0.5＜S≤0.6時，判定為輕微凍害；當(dāng)0.4＜S≤0.5時，判定為輕度凍害；當(dāng)0.1＜S≤0.4時，判定為中度凍害；S≤0.1時判定為重度凍害。結(jié)合多年的調(diào)查資料和歷史氣象數(shù)據(jù)進行檢驗，基于溫度綜合適宜度判定凍害等級的準(zhǔn)確率為84%。該適宜度模型較好地反映了溫度對核桃生長適宜程度的影響，模型結(jié)合智能網(wǎng)格數(shù)值預(yù)報進行業(yè)務(wù)應(yīng)用，將為開展林果業(yè)凍害監(jiān)測預(yù)警服務(wù)提供科技支撐。
本文基于溫度因子對核桃萌芽-幼果期生長發(fā)育的影響，建立了日平均氣溫隸屬函數(shù)適宜度模型，將逐日最低氣溫、致死溫度和致災(zāi)溫度及低于致災(zāi)溫度持續(xù)時間引入溫度隸屬函數(shù)，建立了日最低氣溫隸屬函數(shù)適宜度模型，將上述適宜度按一定的權(quán)重組合構(gòu)建了河北省太行山區(qū)核桃萌芽-幼果期溫度隸屬函數(shù)適宜度模型。基于模型計算分析表明：凍害發(fā)生時，日平均氣溫適宜度一般在0.8以下，日最低氣溫適宜度、溫度綜合適宜度一般在0.6以下；以溫度綜合適宜度（S）進行凍害等級劃分，當(dāng)0.5＜S≤0.6時，判定為輕微凍害；當(dāng)0.4＜S≤0.5時，判定為輕度凍害；當(dāng)0.1＜S≤0.4時，判定為中度凍害；S≤0.1時判定為重度凍害。結(jié)合多年的調(diào)查資料和歷史氣象數(shù)據(jù)進行檢驗，基于溫度綜合適宜度判定凍害等級的準(zhǔn)確率為84%。該適宜度模型較好地反映了溫度對核桃生長適宜程度的影響，模型結(jié)合智能網(wǎng)格數(shù)值預(yù)報進行業(yè)務(wù)應(yīng)用，將為開展林果業(yè)凍害監(jiān)測預(yù)警服務(wù)提供科技支撐。
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