2023年第51卷第1期文章目次
2023, 51(1):1-13.
DOI: 10.19517/j.1671-6345.20210301
摘要:
選取2019年2月至2020年2月廣西區(qū)域內(nèi)出現(xiàn)強(qiáng)對(duì)流天氣的時(shí)段，將區(qū)內(nèi)6個(gè)探空站溫濕廓線資料以及ERA5數(shù)據(jù)作為基準(zhǔn)檢驗(yàn)，分析了FY-4A衛(wèi)星溫濕廓線的誤差情況，結(jié)果表明：①無(wú)云條件下FY-4A溫濕度廓線的偏差相對(duì)較小。相對(duì)于探空數(shù)據(jù)，質(zhì)量控制為0和1的樣本均方根誤差RMSE范圍在1.04～4.16 ℃，總體RMSE為2.61 ℃，850～700 hPa、600～500 hPa以及250 hPa上誤差較小，RMSE 均小于2 ℃。FY-4A與ERA5溫度廓線的差異分布與探空結(jié)果相近，RMSE范圍為1.01～4.15 ℃，總體RMSE為2.19 ℃，925～400 hPa以及250 hPa上RMSE 均小于2 ℃。②無(wú)云條件下FY-4A濕度廓線總體RMSE為61.06%，低值區(qū)位于900～700 hPa，平均約為20.51%。在500 hPa附近誤差最大，可能與干空氣入侵導(dǎo)致垂直方向上含水量突變有關(guān)。總體而言對(duì)流層低層誤差較高層小。③個(gè)例中重構(gòu)的T-Inp圖能一定程度上還原大氣上下層的溫濕結(jié)構(gòu)特征，但對(duì)于層結(jié)穩(wěn)定度以及不穩(wěn)定能量的定量估計(jì)還存在一定偏差。經(jīng)質(zhì)量控制后的溫度數(shù)據(jù)較好地反映了冷暖空氣的活動(dòng)特征，對(duì)于強(qiáng)對(duì)流潛勢(shì)的監(jiān)測(cè)具有很好的提示作用。受云影響時(shí)可利用的高質(zhì)量樣本減少，在業(yè)務(wù)應(yīng)用時(shí)可以嘗試?yán)枚嘣磾?shù)據(jù)進(jìn)行訂正。
選取2019年2月至2020年2月廣西區(qū)域內(nèi)出現(xiàn)強(qiáng)對(duì)流天氣的時(shí)段，將區(qū)內(nèi)6個(gè)探空站溫濕廓線資料以及ERA5數(shù)據(jù)作為基準(zhǔn)檢驗(yàn)，分析了FY-4A衛(wèi)星溫濕廓線的誤差情況，結(jié)果表明：①無(wú)云條件下FY-4A溫濕度廓線的偏差相對(duì)較小。相對(duì)于探空數(shù)據(jù)，質(zhì)量控制為0和1的樣本均方根誤差RMSE范圍在1.04～4.16 ℃，總體RMSE為2.61 ℃，850～700 hPa、600～500 hPa以及250 hPa上誤差較小，RMSE 均小于2 ℃。FY-4A與ERA5溫度廓線的差異分布與探空結(jié)果相近，RMSE范圍為1.01～4.15 ℃，總體RMSE為2.19 ℃，925～400 hPa以及250 hPa上RMSE 均小于2 ℃。②無(wú)云條件下FY-4A濕度廓線總體RMSE為61.06%，低值區(qū)位于900～700 hPa，平均約為20.51%。在500 hPa附近誤差最大，可能與干空氣入侵導(dǎo)致垂直方向上含水量突變有關(guān)。總體而言對(duì)流層低層誤差較高層小。③個(gè)例中重構(gòu)的T-Inp圖能一定程度上還原大氣上下層的溫濕結(jié)構(gòu)特征，但對(duì)于層結(jié)穩(wěn)定度以及不穩(wěn)定能量的定量估計(jì)還存在一定偏差。經(jīng)質(zhì)量控制后的溫度數(shù)據(jù)較好地反映了冷暖空氣的活動(dòng)特征，對(duì)于強(qiáng)對(duì)流潛勢(shì)的監(jiān)測(cè)具有很好的提示作用。受云影響時(shí)可利用的高質(zhì)量樣本減少，在業(yè)務(wù)應(yīng)用時(shí)可以嘗試?yán)枚嘣磾?shù)據(jù)進(jìn)行訂正。
2023, 51(1):14-21.
DOI: 10.19517/j.1671-6345.20220120
摘要:
為更好地發(fā)揮星地閃電探測(cè)資料在中尺度對(duì)流系統(tǒng)中的監(jiān)測(cè)預(yù)警應(yīng)用潛力，本文以2018年6月27日山東地區(qū)的一次中尺度對(duì)流系統(tǒng)為例，利用云頂溫度、云頂降溫率、雷達(dá)等資料與FY-4A閃電成像儀LMI（Lightning Mapping Imager）、ADTD（Advanced TOA and Direction system）閃電定位系統(tǒng)星地閃電探測(cè)資料，分析了星地閃電數(shù)據(jù)在中尺度對(duì)流系統(tǒng)中閃電分布特征及其與對(duì)流演變的關(guān)系，結(jié)果表明:星地探測(cè)閃電一致性較好，LMI相對(duì)位于對(duì)流云前方，星地閃電與降水區(qū)域吻合度較高。在系統(tǒng)發(fā)展初期，LMI超前于ADTD探測(cè)到閃電，且位于回波中心和前側(cè)，回波垂直方向呈現(xiàn)出向前傾斜特征，這對(duì)于判識(shí)對(duì)流移動(dòng)和演變趨勢(shì)有較好的指示作用，在預(yù)報(bào)業(yè)務(wù)中可采用LMI的位置來(lái)輔助制作強(qiáng)對(duì)流落區(qū)預(yù)報(bào)。在成熟階段，星地閃電頻次出現(xiàn)躍增，正地閃比例較高，該時(shí)段山東多地發(fā)生冰雹災(zāi)害，LMI多出現(xiàn)在對(duì)流系統(tǒng)移動(dòng)方向前方的弱回波或無(wú)回波區(qū)內(nèi)，ADTD則更接近回波中心位置。合并階段，部分LMI位于前方強(qiáng)回波區(qū)后部，與強(qiáng)回波區(qū)相對(duì)應(yīng)。
為更好地發(fā)揮星地閃電探測(cè)資料在中尺度對(duì)流系統(tǒng)中的監(jiān)測(cè)預(yù)警應(yīng)用潛力，本文以2018年6月27日山東地區(qū)的一次中尺度對(duì)流系統(tǒng)為例，利用云頂溫度、云頂降溫率、雷達(dá)等資料與FY-4A閃電成像儀LMI（Lightning Mapping Imager）、ADTD（Advanced TOA and Direction system）閃電定位系統(tǒng)星地閃電探測(cè)資料，分析了星地閃電數(shù)據(jù)在中尺度對(duì)流系統(tǒng)中閃電分布特征及其與對(duì)流演變的關(guān)系，結(jié)果表明:星地探測(cè)閃電一致性較好，LMI相對(duì)位于對(duì)流云前方，星地閃電與降水區(qū)域吻合度較高。在系統(tǒng)發(fā)展初期，LMI超前于ADTD探測(cè)到閃電，且位于回波中心和前側(cè)，回波垂直方向呈現(xiàn)出向前傾斜特征，這對(duì)于判識(shí)對(duì)流移動(dòng)和演變趨勢(shì)有較好的指示作用，在預(yù)報(bào)業(yè)務(wù)中可采用LMI的位置來(lái)輔助制作強(qiáng)對(duì)流落區(qū)預(yù)報(bào)。在成熟階段，星地閃電頻次出現(xiàn)躍增，正地閃比例較高，該時(shí)段山東多地發(fā)生冰雹災(zāi)害，LMI多出現(xiàn)在對(duì)流系統(tǒng)移動(dòng)方向前方的弱回波或無(wú)回波區(qū)內(nèi)，ADTD則更接近回波中心位置。合并階段，部分LMI位于前方強(qiáng)回波區(qū)后部，與強(qiáng)回波區(qū)相對(duì)應(yīng)。
2023, 51(1):22-30.
DOI: 10.19517/j.1671-6345.20220134
摘要:
隨著現(xiàn)代空間技術(shù)發(fā)展和國(guó)家大地坐標(biāo)系CGCS2000的全面啟用，精確的點(diǎn)位坐標(biāo)得到了廣泛地應(yīng)用。庫(kù)長(zhǎng)小于百米的高分辨率天氣雷達(dá)的業(yè)務(wù)化應(yīng)用，提高了回波點(diǎn)位表達(dá)的準(zhǔn)確性要求。在本研究中，定義了雷達(dá)“參考定位球”，利用CGCS2000的三維地心坐標(biāo)，在參考定位球和地球橢球體之間建立數(shù)學(xué)聯(lián)系，通過(guò)大地坐標(biāo)、參考坐標(biāo)和雷達(dá)觀測(cè)坐標(biāo)之間的相互轉(zhuǎn)換，實(shí)現(xiàn)了雷達(dá)回波大地坐標(biāo)的精確計(jì)算。在此基礎(chǔ)上對(duì)目前普遍采用的地球圓球體近似方法進(jìn)行了誤差分析：其誤差以水平偏離為主，偏離程度與雷達(dá)觀測(cè)坐標(biāo)和雷達(dá)緯度位置有關(guān)，高緯度雷達(dá)和低緯度雷達(dá)的偏離程度要大于中緯度雷達(dá)；最大偏離隨距離增加而增加，探測(cè)距離50～400 km的最大偏離與探測(cè)距離之比在2‰～5‰之間，一般情況下可忽略，在坐標(biāo)精度要求較高時(shí)需要考慮誤差帶來(lái)的影響。
隨著現(xiàn)代空間技術(shù)發(fā)展和國(guó)家大地坐標(biāo)系CGCS2000的全面啟用，精確的點(diǎn)位坐標(biāo)得到了廣泛地應(yīng)用。庫(kù)長(zhǎng)小于百米的高分辨率天氣雷達(dá)的業(yè)務(wù)化應(yīng)用，提高了回波點(diǎn)位表達(dá)的準(zhǔn)確性要求。在本研究中，定義了雷達(dá)“參考定位球”，利用CGCS2000的三維地心坐標(biāo)，在參考定位球和地球橢球體之間建立數(shù)學(xué)聯(lián)系，通過(guò)大地坐標(biāo)、參考坐標(biāo)和雷達(dá)觀測(cè)坐標(biāo)之間的相互轉(zhuǎn)換，實(shí)現(xiàn)了雷達(dá)回波大地坐標(biāo)的精確計(jì)算。在此基礎(chǔ)上對(duì)目前普遍采用的地球圓球體近似方法進(jìn)行了誤差分析：其誤差以水平偏離為主，偏離程度與雷達(dá)觀測(cè)坐標(biāo)和雷達(dá)緯度位置有關(guān)，高緯度雷達(dá)和低緯度雷達(dá)的偏離程度要大于中緯度雷達(dá)；最大偏離隨距離增加而增加，探測(cè)距離50～400 km的最大偏離與探測(cè)距離之比在2‰～5‰之間，一般情況下可忽略，在坐標(biāo)精度要求較高時(shí)需要考慮誤差帶來(lái)的影響。
2023, 51(1):31-39.
DOI: 10.19517/j.1671-6345.20210493
摘要:
近年來(lái)，天氣和氣候業(yè)務(wù)對(duì)國(guó)外數(shù)據(jù)種類(lèi)和時(shí)效要求不斷提高，為解決大量數(shù)據(jù)的收集分發(fā)壓力以及管理問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了基于流程控制的國(guó)際氣象通信數(shù)據(jù)收集管理系統(tǒng)。系統(tǒng)應(yīng)用數(shù)據(jù)收集器Logstash、Inotify監(jiān)聽(tīng)機(jī)制與分析平臺(tái)Kibana等技術(shù)，支持多種通信協(xié)議，擴(kuò)展Scrapy網(wǎng)絡(luò)爬蟲(chóng)功能，通過(guò)流程控制、任務(wù)調(diào)度等方式實(shí)現(xiàn)大量數(shù)據(jù)快速高效收集和集成管理，有效提高數(shù)據(jù)并行處理能力和可擴(kuò)展性，且設(shè)計(jì)了全流程監(jiān)視，保障數(shù)據(jù)時(shí)效。系統(tǒng)已經(jīng)上線提供服務(wù)，為業(yè)務(wù)/科研用戶(hù)提供全球觀測(cè)數(shù)據(jù)、國(guó)外衛(wèi)星數(shù)據(jù)和數(shù)值預(yù)報(bào)產(chǎn)品等300余種，日收集數(shù)據(jù)量約2 TB。
近年來(lái)，天氣和氣候業(yè)務(wù)對(duì)國(guó)外數(shù)據(jù)種類(lèi)和時(shí)效要求不斷提高，為解決大量數(shù)據(jù)的收集分發(fā)壓力以及管理問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了基于流程控制的國(guó)際氣象通信數(shù)據(jù)收集管理系統(tǒng)。系統(tǒng)應(yīng)用數(shù)據(jù)收集器Logstash、Inotify監(jiān)聽(tīng)機(jī)制與分析平臺(tái)Kibana等技術(shù)，支持多種通信協(xié)議，擴(kuò)展Scrapy網(wǎng)絡(luò)爬蟲(chóng)功能，通過(guò)流程控制、任務(wù)調(diào)度等方式實(shí)現(xiàn)大量數(shù)據(jù)快速高效收集和集成管理，有效提高數(shù)據(jù)并行處理能力和可擴(kuò)展性，且設(shè)計(jì)了全流程監(jiān)視，保障數(shù)據(jù)時(shí)效。系統(tǒng)已經(jīng)上線提供服務(wù)，為業(yè)務(wù)/科研用戶(hù)提供全球觀測(cè)數(shù)據(jù)、國(guó)外衛(wèi)星數(shù)據(jù)和數(shù)值預(yù)報(bào)產(chǎn)品等300余種，日收集數(shù)據(jù)量約2 TB。
2023, 51(1):40-48.
DOI: 10.19517/j.1671-6345.20210465
摘要:
為解決全國(guó)天氣預(yù)報(bào)視頻會(huì)商系統(tǒng)在自由交互、應(yīng)用場(chǎng)景和自動(dòng)化操控等方面的不足，設(shè)計(jì)建設(shè)了新一代全國(guó)會(huì)商系統(tǒng)。該系統(tǒng)基于云計(jì)算和虛擬化技術(shù)建成了專(zhuān)有云部署的氣象云會(huì)商平臺(tái)，彌補(bǔ)了天氣會(huì)商在互聯(lián)網(wǎng)接入方面的短板，拓展了天氣會(huì)商在公務(wù)出差、跨部門(mén)聯(lián)動(dòng)等場(chǎng)景中的應(yīng)用。同時(shí)，通過(guò)將分布式技術(shù)應(yīng)用于會(huì)商主控中心，實(shí)現(xiàn)基于IP編解碼的大容量信號(hào)交互和傳輸，與原有系統(tǒng)相比交互能力提升超過(guò)15倍，自動(dòng)化會(huì)議操控技術(shù)的引入提升了會(huì)議管理和調(diào)度能力，也將操作復(fù)雜度顯著降低。該系統(tǒng)于2019年3月正式啟用以來(lái)，在國(guó)慶70周年等重大活動(dòng)服務(wù)保障以及氣象部門(mén)抗擊新冠疫情工作中均發(fā)揮了巨大作用。
為解決全國(guó)天氣預(yù)報(bào)視頻會(huì)商系統(tǒng)在自由交互、應(yīng)用場(chǎng)景和自動(dòng)化操控等方面的不足，設(shè)計(jì)建設(shè)了新一代全國(guó)會(huì)商系統(tǒng)。該系統(tǒng)基于云計(jì)算和虛擬化技術(shù)建成了專(zhuān)有云部署的氣象云會(huì)商平臺(tái)，彌補(bǔ)了天氣會(huì)商在互聯(lián)網(wǎng)接入方面的短板，拓展了天氣會(huì)商在公務(wù)出差、跨部門(mén)聯(lián)動(dòng)等場(chǎng)景中的應(yīng)用。同時(shí)，通過(guò)將分布式技術(shù)應(yīng)用于會(huì)商主控中心，實(shí)現(xiàn)基于IP編解碼的大容量信號(hào)交互和傳輸，與原有系統(tǒng)相比交互能力提升超過(guò)15倍，自動(dòng)化會(huì)議操控技術(shù)的引入提升了會(huì)議管理和調(diào)度能力，也將操作復(fù)雜度顯著降低。該系統(tǒng)于2019年3月正式啟用以來(lái)，在國(guó)慶70周年等重大活動(dòng)服務(wù)保障以及氣象部門(mén)抗擊新冠疫情工作中均發(fā)揮了巨大作用。
2023, 51(1):49-55.
DOI: 10.19517/j.1671-6345.20220045
摘要:
集成運(yùn)行控制系統(tǒng)（Integrated Operation and Control System，IOCS）是極軌氣象衛(wèi)星地面應(yīng)用系統(tǒng)的重要系統(tǒng)之一，其主要作用之一是規(guī)劃多衛(wèi)星地面站接收任務(wù)，確保全球資料的完整獲取。當(dāng)衛(wèi)星地面站某個(gè)天線出現(xiàn)異常或不可用時(shí)，若仍按原有的任務(wù)規(guī)劃進(jìn)行數(shù)據(jù)接收，將直接造成全球資料的不完整，因此需要研究衛(wèi)星地面站天線狀態(tài)的預(yù)測(cè)和相應(yīng)的任務(wù)再規(guī)劃技術(shù)，從而及時(shí)發(fā)現(xiàn)和處理衛(wèi)星地面站的天線異常、降低連續(xù)多軌數(shù)據(jù)接收失敗風(fēng)險(xiǎn)，最終達(dá)到提高極軌氣象衛(wèi)星數(shù)據(jù)接收成功率的目的。文章設(shè)計(jì)了基于統(tǒng)計(jì)分析的衛(wèi)星地面站天線狀態(tài)預(yù)測(cè)方法，并研究了對(duì)后續(xù)系統(tǒng)運(yùn)行改變最小、易實(shí)現(xiàn)和結(jié)果可復(fù)核的任務(wù)再規(guī)劃方法。
集成運(yùn)行控制系統(tǒng)（Integrated Operation and Control System，IOCS）是極軌氣象衛(wèi)星地面應(yīng)用系統(tǒng)的重要系統(tǒng)之一，其主要作用之一是規(guī)劃多衛(wèi)星地面站接收任務(wù)，確保全球資料的完整獲取。當(dāng)衛(wèi)星地面站某個(gè)天線出現(xiàn)異常或不可用時(shí)，若仍按原有的任務(wù)規(guī)劃進(jìn)行數(shù)據(jù)接收，將直接造成全球資料的不完整，因此需要研究衛(wèi)星地面站天線狀態(tài)的預(yù)測(cè)和相應(yīng)的任務(wù)再規(guī)劃技術(shù)，從而及時(shí)發(fā)現(xiàn)和處理衛(wèi)星地面站的天線異常、降低連續(xù)多軌數(shù)據(jù)接收失敗風(fēng)險(xiǎn)，最終達(dá)到提高極軌氣象衛(wèi)星數(shù)據(jù)接收成功率的目的。文章設(shè)計(jì)了基于統(tǒng)計(jì)分析的衛(wèi)星地面站天線狀態(tài)預(yù)測(cè)方法，并研究了對(duì)后續(xù)系統(tǒng)運(yùn)行改變最小、易實(shí)現(xiàn)和結(jié)果可復(fù)核的任務(wù)再規(guī)劃方法。
2023, 51(1):56-65.
DOI: 10.19517/j.1671-6345.20220037
摘要:
利用1961—2021年中國(guó)區(qū)域2400余站地面氣象常規(guī)觀測(cè)資料，根據(jù)2019年中國(guó)氣象局發(fā)布的《區(qū)域性重要過(guò)程監(jiān)測(cè)和評(píng)價(jià)業(yè)務(wù)規(guī)定》，對(duì)2021年秋季中國(guó)氣候基本概況及主要?dú)庀鬄?zāi)害進(jìn)行全面分析。結(jié)果表明：①2021年秋季，中國(guó)氣候狀況總體偏差，平均氣溫較常年同期偏高，平均降水量較常年同期偏多；由于臺(tái)風(fēng)登陸個(gè)數(shù)偏少，且強(qiáng)降水以及冷空氣過(guò)程影響區(qū)域疊加累積效應(yīng)顯著，導(dǎo)致北方部分省份雨、雪和冰凍災(zāi)害影響明顯高于南方。②2021年秋季，我國(guó)氣象災(zāi)害形勢(shì)復(fù)雜嚴(yán)峻，極端天氣氣候復(fù)合事件多發(fā)，以暴雨洪澇、高溫干旱、低溫冰凍雨雪災(zāi)害為主，災(zāi)害極端性和區(qū)域性特征顯著。區(qū)域暴雨過(guò)程較常年同期偏多4.2次，北方多地發(fā)生罕見(jiàn)秋汛，山西、陜西等地洪澇災(zāi)害較重；階段性區(qū)域高溫天氣多發(fā)，區(qū)域高溫過(guò)程較常年同期偏多2.4次，導(dǎo)致江南、華南高溫干旱復(fù)合發(fā)展；寒潮過(guò)程較常年同期偏多1.2次，過(guò)程影響區(qū)域疊加累積效應(yīng)顯著，東北三省和內(nèi)蒙古部分地區(qū)雪情較重。
利用1961—2021年中國(guó)區(qū)域2400余站地面氣象常規(guī)觀測(cè)資料，根據(jù)2019年中國(guó)氣象局發(fā)布的《區(qū)域性重要過(guò)程監(jiān)測(cè)和評(píng)價(jià)業(yè)務(wù)規(guī)定》，對(duì)2021年秋季中國(guó)氣候基本概況及主要?dú)庀鬄?zāi)害進(jìn)行全面分析。結(jié)果表明：①2021年秋季，中國(guó)氣候狀況總體偏差，平均氣溫較常年同期偏高，平均降水量較常年同期偏多；由于臺(tái)風(fēng)登陸個(gè)數(shù)偏少，且強(qiáng)降水以及冷空氣過(guò)程影響區(qū)域疊加累積效應(yīng)顯著，導(dǎo)致北方部分省份雨、雪和冰凍災(zāi)害影響明顯高于南方。②2021年秋季，我國(guó)氣象災(zāi)害形勢(shì)復(fù)雜嚴(yán)峻，極端天氣氣候復(fù)合事件多發(fā)，以暴雨洪澇、高溫干旱、低溫冰凍雨雪災(zāi)害為主，災(zāi)害極端性和區(qū)域性特征顯著。區(qū)域暴雨過(guò)程較常年同期偏多4.2次，北方多地發(fā)生罕見(jiàn)秋汛，山西、陜西等地洪澇災(zāi)害較重；階段性區(qū)域高溫天氣多發(fā)，區(qū)域高溫過(guò)程較常年同期偏多2.4次，導(dǎo)致江南、華南高溫干旱復(fù)合發(fā)展；寒潮過(guò)程較常年同期偏多1.2次，過(guò)程影響區(qū)域疊加累積效應(yīng)顯著，東北三省和內(nèi)蒙古部分地區(qū)雪情較重。
2023, 51(1):66-74.
DOI: 10.19517/j.1671-6345.20210428
摘要:
隨著全球氣候變暖和快速城市化，城市夏季高溫及熱浪出現(xiàn)頻次和強(qiáng)度明顯增加，但人口高度集聚的特大城市中夏季高溫長(zhǎng)期變化特征對(duì)城市熱島的影響程度和作用機(jī)制仍不甚明了。本文選擇京津冀特大型城市群的核心城市北京為研究對(duì)象，基于長(zhǎng)期氣象觀測(cè)數(shù)據(jù)計(jì)算夏季高溫和城市熱島強(qiáng)度，闡明5—8月夏季高溫長(zhǎng)期變化特征及對(duì)城市熱島強(qiáng)度的影響。研究發(fā)現(xiàn)，1978—2020年北京城區(qū)夏季高溫日數(shù)、強(qiáng)度和極端高溫均呈現(xiàn)顯著增加趨勢(shì)，相伴隨的是高溫起始時(shí)間明顯提前，結(jié)束時(shí)間顯著推遲；高溫天最高氣溫?zé)釐u強(qiáng)度呈顯著降低趨勢(shì)，而平均氣溫和最低氣溫?zé)釐u強(qiáng)度則呈輕微下降趨勢(shì)；5—8月高溫天最高、平均和最低氣溫多年平均熱島強(qiáng)度分別為0.73 ℃、1.61 ℃和2.40 ℃，明顯高于非高溫天的0.09 ℃、0.80 ℃和1.40 ℃，高溫和非高溫天熱島強(qiáng)度差值均在0.6 ℃以上，表明夏季高溫放大城市熱島強(qiáng)度。預(yù)估未來(lái)全球變暖和快速城市化背景下北京城市熱島效應(yīng)將進(jìn)一步加劇，會(huì)形成更頻繁和持續(xù)更長(zhǎng)的夏季高溫，給城市居民帶來(lái)嚴(yán)重的健康風(fēng)險(xiǎn)。
隨著全球氣候變暖和快速城市化，城市夏季高溫及熱浪出現(xiàn)頻次和強(qiáng)度明顯增加，但人口高度集聚的特大城市中夏季高溫長(zhǎng)期變化特征對(duì)城市熱島的影響程度和作用機(jī)制仍不甚明了。本文選擇京津冀特大型城市群的核心城市北京為研究對(duì)象，基于長(zhǎng)期氣象觀測(cè)數(shù)據(jù)計(jì)算夏季高溫和城市熱島強(qiáng)度，闡明5—8月夏季高溫長(zhǎng)期變化特征及對(duì)城市熱島強(qiáng)度的影響。研究發(fā)現(xiàn)，1978—2020年北京城區(qū)夏季高溫日數(shù)、強(qiáng)度和極端高溫均呈現(xiàn)顯著增加趨勢(shì)，相伴隨的是高溫起始時(shí)間明顯提前，結(jié)束時(shí)間顯著推遲；高溫天最高氣溫?zé)釐u強(qiáng)度呈顯著降低趨勢(shì)，而平均氣溫和最低氣溫?zé)釐u強(qiáng)度則呈輕微下降趨勢(shì)；5—8月高溫天最高、平均和最低氣溫多年平均熱島強(qiáng)度分別為0.73 ℃、1.61 ℃和2.40 ℃，明顯高于非高溫天的0.09 ℃、0.80 ℃和1.40 ℃，高溫和非高溫天熱島強(qiáng)度差值均在0.6 ℃以上，表明夏季高溫放大城市熱島強(qiáng)度。預(yù)估未來(lái)全球變暖和快速城市化背景下北京城市熱島效應(yīng)將進(jìn)一步加劇，會(huì)形成更頻繁和持續(xù)更長(zhǎng)的夏季高溫，給城市居民帶來(lái)嚴(yán)重的健康風(fēng)險(xiǎn)。
2023, 51(1):75-84.
DOI: 10.19517/j.1671-6345.20220009
摘要:
利用1996—2020年逐時(shí)降水資料，統(tǒng)計(jì)分析長(zhǎng)江流域30°N沿線不同地形階梯代表區(qū)晝、夜、冬、夏降水的頻率、雨量、類(lèi)條件概率密度等特征，通過(guò)研究晝夜比、冬夏比隨經(jīng)度的分布探討不同高度地形對(duì)降水的影響。主要結(jié)論如下：①30°N沿線四川盆地內(nèi)降水量和頻率的夜晝比向東遞減，雅安附近是夜雨強(qiáng)中心區(qū)，夜雨現(xiàn)象在四川盆地東側(cè)山地108°E以東趨于消失；盆地內(nèi)強(qiáng)降水比弱降水更易發(fā)生于夜間。②30°N沿線冬雨與夏雨存在較大差異，雨量上冬雨小、夏雨大；結(jié)構(gòu)上冬雨弱、夏雨強(qiáng)；降水頻次上存在地域差異，第二地形階梯冬雨少、夏雨多，而第三地形階梯反之；冬雨受大地形影響更為明顯。③根據(jù)降水第1類(lèi)類(lèi)條件概率密度（CCPD1）冬夏比及冬雨CCPD1距平百分比聚類(lèi)分析，可將8個(gè)分區(qū)分為3類(lèi)，該分類(lèi)與地理位置、地形階梯有良好的對(duì)應(yīng)關(guān)系。④夏雨受局地地形影響顯著，將夏雨CCPD1距平百分比高于10%的峰（低于-10%的谷）值區(qū)定義為夏雨強(qiáng)（弱）潛力區(qū)，則各分區(qū)強(qiáng)、弱潛力區(qū)表現(xiàn)各異。江漢平原南部、鄱陽(yáng)湖以北發(fā)生短時(shí)強(qiáng)降水潛力較大，雅安出現(xiàn)極端短時(shí)強(qiáng)降水潛力大（強(qiáng)潛力區(qū)≥61 mm）；冬雨強(qiáng)潛力區(qū)（CCPD1距平百分比高于50%的峰值區(qū)）位于第三地形階梯上的VII、VIII、IX分區(qū)（潛力值1～20 mm），而該降水區(qū)間也是雅安和盆地中央的弱潛力區(qū)（CCPD1距平百分比低于-50%的谷值區(qū)）。
利用1996—2020年逐時(shí)降水資料，統(tǒng)計(jì)分析長(zhǎng)江流域30°N沿線不同地形階梯代表區(qū)晝、夜、冬、夏降水的頻率、雨量、類(lèi)條件概率密度等特征，通過(guò)研究晝夜比、冬夏比隨經(jīng)度的分布探討不同高度地形對(duì)降水的影響。主要結(jié)論如下：①30°N沿線四川盆地內(nèi)降水量和頻率的夜晝比向東遞減，雅安附近是夜雨強(qiáng)中心區(qū)，夜雨現(xiàn)象在四川盆地東側(cè)山地108°E以東趨于消失；盆地內(nèi)強(qiáng)降水比弱降水更易發(fā)生于夜間。②30°N沿線冬雨與夏雨存在較大差異，雨量上冬雨小、夏雨大；結(jié)構(gòu)上冬雨弱、夏雨強(qiáng)；降水頻次上存在地域差異，第二地形階梯冬雨少、夏雨多，而第三地形階梯反之；冬雨受大地形影響更為明顯。③根據(jù)降水第1類(lèi)類(lèi)條件概率密度（CCPD1）冬夏比及冬雨CCPD1距平百分比聚類(lèi)分析，可將8個(gè)分區(qū)分為3類(lèi)，該分類(lèi)與地理位置、地形階梯有良好的對(duì)應(yīng)關(guān)系。④夏雨受局地地形影響顯著，將夏雨CCPD1距平百分比高于10%的峰（低于-10%的谷）值區(qū)定義為夏雨強(qiáng)（弱）潛力區(qū)，則各分區(qū)強(qiáng)、弱潛力區(qū)表現(xiàn)各異。江漢平原南部、鄱陽(yáng)湖以北發(fā)生短時(shí)強(qiáng)降水潛力較大，雅安出現(xiàn)極端短時(shí)強(qiáng)降水潛力大（強(qiáng)潛力區(qū)≥61 mm）；冬雨強(qiáng)潛力區(qū)（CCPD1距平百分比高于50%的峰值區(qū)）位于第三地形階梯上的VII、VIII、IX分區(qū)（潛力值1～20 mm），而該降水區(qū)間也是雅安和盆地中央的弱潛力區(qū)（CCPD1距平百分比低于-50%的谷值區(qū)）。
2023, 51(1):85-93.
DOI: 10.19517/j.1671-6345.20210531
摘要:
集成方法有利于提高降水要素預(yù)報(bào)的準(zhǔn)確性和可預(yù)報(bào)性。本文基于格點(diǎn)實(shí)況資料和智能網(wǎng)格預(yù)報(bào)、西南區(qū)域數(shù)值預(yù)報(bào)、ECMWF模式預(yù)報(bào)、GRAPES模式預(yù)報(bào)產(chǎn)品，以面雨量為研究對(duì)象，采用多元回歸法、BP神經(jīng)網(wǎng)絡(luò)法、評(píng)分權(quán)重法、加權(quán)集成預(yù)報(bào)法和算術(shù)平均法，得到集成面雨量預(yù)報(bào)，再運(yùn)用平均絕對(duì)誤差、模糊評(píng)分、正確率、TS評(píng)分、偏差分析等方法，對(duì)2020年4—10月金沙江下游面雨量預(yù)報(bào)效果進(jìn)行對(duì)比分析。結(jié)果表明：多元回歸集成法和BP神經(jīng)網(wǎng)絡(luò)法的預(yù)報(bào)效果總體上優(yōu)于其他幾種集成方法。在考慮流域面雨量的預(yù)報(bào)量級(jí)時(shí)，下游可以采用預(yù)報(bào)量級(jí)較小的模式和集成方法。集成后偏差百分比均有降低，且多元回歸法和BP神經(jīng)網(wǎng)絡(luò)法對(duì)預(yù)報(bào)量級(jí)較小的模式有矯正作用。在面雨量有無(wú)、小雨和中雨預(yù)報(bào)中，多元回歸法集成效果較好，在大雨量級(jí)預(yù)報(bào)中，BP神經(jīng)網(wǎng)絡(luò)法集成效果較好。這些結(jié)論可為流域面雨量預(yù)報(bào)提供參考借鑒。
集成方法有利于提高降水要素預(yù)報(bào)的準(zhǔn)確性和可預(yù)報(bào)性。本文基于格點(diǎn)實(shí)況資料和智能網(wǎng)格預(yù)報(bào)、西南區(qū)域數(shù)值預(yù)報(bào)、ECMWF模式預(yù)報(bào)、GRAPES模式預(yù)報(bào)產(chǎn)品，以面雨量為研究對(duì)象，采用多元回歸法、BP神經(jīng)網(wǎng)絡(luò)法、評(píng)分權(quán)重法、加權(quán)集成預(yù)報(bào)法和算術(shù)平均法，得到集成面雨量預(yù)報(bào)，再運(yùn)用平均絕對(duì)誤差、模糊評(píng)分、正確率、TS評(píng)分、偏差分析等方法，對(duì)2020年4—10月金沙江下游面雨量預(yù)報(bào)效果進(jìn)行對(duì)比分析。結(jié)果表明：多元回歸集成法和BP神經(jīng)網(wǎng)絡(luò)法的預(yù)報(bào)效果總體上優(yōu)于其他幾種集成方法。在考慮流域面雨量的預(yù)報(bào)量級(jí)時(shí)，下游可以采用預(yù)報(bào)量級(jí)較小的模式和集成方法。集成后偏差百分比均有降低，且多元回歸法和BP神經(jīng)網(wǎng)絡(luò)法對(duì)預(yù)報(bào)量級(jí)較小的模式有矯正作用。在面雨量有無(wú)、小雨和中雨預(yù)報(bào)中，多元回歸法集成效果較好，在大雨量級(jí)預(yù)報(bào)中，BP神經(jīng)網(wǎng)絡(luò)法集成效果較好。這些結(jié)論可為流域面雨量預(yù)報(bào)提供參考借鑒。
2023, 51(1):94-103.
DOI: 10.19517/j.1671-6345.20220001
摘要:
以山東半島南部沿海為例，利用旋轉(zhuǎn)T模態(tài)主成分分析方法和歐洲中期天氣預(yù)報(bào)中心第5代大氣再分析資料（ERA5)對(duì)大風(fēng)的環(huán)流形勢(shì)和成因進(jìn)行研究。結(jié)果表明：①形成大風(fēng)的天氣型有5種，按大風(fēng)日數(shù)從多到少依次為西北路冷高壓型、低壓槽后型、低壓槽前型、江淮氣旋型和北路冷高壓型，與不同天氣型下大風(fēng)發(fā)生的概率大小順序一致。②冷高壓型（包括西北路冷高壓型和北路冷高壓型）的冬季大風(fēng)最多，低壓槽型（包括低壓槽前型和低壓槽后型）的春季大風(fēng)最多，江淮氣旋型的春、秋季大風(fēng)最多。③高空冷平流、地面冷高壓和動(dòng)量下傳是西北路冷高壓型大風(fēng)的成因;高空冷平流和地面冷高壓是北路冷高壓型大風(fēng)的成因;高空暖平流、入海高壓和東北低壓是低壓槽前型大風(fēng)的成因;高空冷平流、地面冷高壓和東北低壓是低壓槽后型大風(fēng)的成因;受高空正渦度平流和暖平流影響，氣旋發(fā)展并向東北方向移動(dòng)在半島南部形成大的氣壓梯度是江淮氣旋型大風(fēng)的成因。
以山東半島南部沿海為例，利用旋轉(zhuǎn)T模態(tài)主成分分析方法和歐洲中期天氣預(yù)報(bào)中心第5代大氣再分析資料（ERA5)對(duì)大風(fēng)的環(huán)流形勢(shì)和成因進(jìn)行研究。結(jié)果表明：①形成大風(fēng)的天氣型有5種，按大風(fēng)日數(shù)從多到少依次為西北路冷高壓型、低壓槽后型、低壓槽前型、江淮氣旋型和北路冷高壓型，與不同天氣型下大風(fēng)發(fā)生的概率大小順序一致。②冷高壓型（包括西北路冷高壓型和北路冷高壓型）的冬季大風(fēng)最多，低壓槽型（包括低壓槽前型和低壓槽后型）的春季大風(fēng)最多，江淮氣旋型的春、秋季大風(fēng)最多。③高空冷平流、地面冷高壓和動(dòng)量下傳是西北路冷高壓型大風(fēng)的成因;高空冷平流和地面冷高壓是北路冷高壓型大風(fēng)的成因;高空暖平流、入海高壓和東北低壓是低壓槽前型大風(fēng)的成因;高空冷平流、地面冷高壓和東北低壓是低壓槽后型大風(fēng)的成因;受高空正渦度平流和暖平流影響，氣旋發(fā)展并向東北方向移動(dòng)在半島南部形成大的氣壓梯度是江淮氣旋型大風(fēng)的成因。
2023, 51(1):104-114.
DOI: 10.19517/j.1671-6345.20210483
摘要:
為了研究孤立單體內(nèi)“ZDR”（差分反射率因子柱）的演變特征，利用X波段雙偏振雷達(dá)數(shù)據(jù)，結(jié)合地面觀測(cè)資料與再分析資料對(duì)2018年5月8日的一次孤立單體降雹過(guò)程進(jìn)行了分析，結(jié)果表明：①孤立單體發(fā)展階段，“ZDR柱”躍增，躍增后0 ℃層以上過(guò)冷水?dāng)?shù)量與高密度霰數(shù)量驟增，變化率分別為26.7庫(kù)/min與11.8庫(kù)/min。成熟階段，“ZDR柱”深度延展至接近-20 ℃層，單體內(nèi)微物理反應(yīng)加劇，冰雹數(shù)量驟增，生成速率為105.8庫(kù)/min。“ZDR柱”轉(zhuǎn)化面積為210庫(kù)的“ZDR洞”（差分反射率因子洞）（ZDR<1），可以指示地面降雹位置。②降雹發(fā)生在“ZDR柱”崩塌后，固體降水物的拖拽作用使得“ZDR柱”高度降至-10 ℃層以下。小雹下落至0 ℃層以下時(shí)融化，表層形成水膜，導(dǎo)致降雹時(shí)近地面出現(xiàn)ZDR大值區(qū)。③孤立單體內(nèi)微物理過(guò)程與熱動(dòng)力過(guò)程相互作用，促進(jìn)了“ZDR柱”的生成發(fā)展。本文針對(duì)一次孤立單體雹暴過(guò)程不同階段“ZDR柱”的演變特征進(jìn)行了分析，并建立了相對(duì)應(yīng)的雹暴模型，對(duì)當(dāng)?shù)乇⒌念A(yù)警及防治有重要的意義。
為了研究孤立單體內(nèi)“ZDR”（差分反射率因子柱）的演變特征，利用X波段雙偏振雷達(dá)數(shù)據(jù)，結(jié)合地面觀測(cè)資料與再分析資料對(duì)2018年5月8日的一次孤立單體降雹過(guò)程進(jìn)行了分析，結(jié)果表明：①孤立單體發(fā)展階段，“ZDR柱”躍增，躍增后0 ℃層以上過(guò)冷水?dāng)?shù)量與高密度霰數(shù)量驟增，變化率分別為26.7庫(kù)/min與11.8庫(kù)/min。成熟階段，“ZDR柱”深度延展至接近-20 ℃層，單體內(nèi)微物理反應(yīng)加劇，冰雹數(shù)量驟增，生成速率為105.8庫(kù)/min。“ZDR柱”轉(zhuǎn)化面積為210庫(kù)的“ZDR洞”（差分反射率因子洞）（ZDR<1），可以指示地面降雹位置。②降雹發(fā)生在“ZDR柱”崩塌后，固體降水物的拖拽作用使得“ZDR柱”高度降至-10 ℃層以下。小雹下落至0 ℃層以下時(shí)融化，表層形成水膜，導(dǎo)致降雹時(shí)近地面出現(xiàn)ZDR大值區(qū)。③孤立單體內(nèi)微物理過(guò)程與熱動(dòng)力過(guò)程相互作用，促進(jìn)了“ZDR柱”的生成發(fā)展。本文針對(duì)一次孤立單體雹暴過(guò)程不同階段“ZDR柱”的演變特征進(jìn)行了分析，并建立了相對(duì)應(yīng)的雹暴模型，對(duì)當(dāng)?shù)乇⒌念A(yù)警及防治有重要的意義。
2023, 51(1):115-123.
DOI: 10.19517/j.1671-6345.20210315
摘要:
利用中國(guó)第一代全球大氣/陸面再分析產(chǎn)品（China’s first generation global atmospheric/land surface reanalysis product,簡(jiǎn)稱(chēng)CRA），結(jié)合地面自動(dòng)站觀測(cè)、中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)的能見(jiàn)度格點(diǎn)數(shù)據(jù)、葵花8號(hào)衛(wèi)星資料，分析了2021年1月21—26日瓊州海峽一次持續(xù)性海霧過(guò)程的發(fā)展演變、環(huán)流形勢(shì)以及邊界層特征，同時(shí)分析了兩種不同類(lèi)型霧的形成機(jī)制。結(jié)果表明：①21—22日為低層冷空氣擴(kuò)散形成的鋒面霧；23—26日為冷高后部偏東氣流型平流霧過(guò)程，其中23日23:00至24日14:00大霧發(fā)展最強(qiáng)盛，連續(xù)12個(gè)時(shí)次出現(xiàn)特強(qiáng)濃霧，最小能見(jiàn)度達(dá)25 m。②鋒面霧階段，偏北風(fēng)影響，風(fēng)速為1～3 m/s；平流霧階段，偏東風(fēng)影響，風(fēng)速為4～6 m/s。③鋒面霧階段，水汽輻合中心位于瓊州海峽南岸至海南島東北部陸地，大霧在陸地開(kāi)始發(fā)展。平流霧階段，水汽輻合中心位于瓊州海峽北岸至海南島東部海面一帶，大霧自海上發(fā)展。④鋒面霧階段，逆溫層在950 hPa左右高度發(fā)展，為下冷上暖的平流配置；平流霧階段，950 hPa以下均為暖平流，逆溫層從地面開(kāi)始發(fā)展。大霧過(guò)程中鋒面霧和平流霧兩種不同性質(zhì)大霧的發(fā)展使得大霧長(zhǎng)時(shí)間維持。
利用中國(guó)第一代全球大氣/陸面再分析產(chǎn)品（China’s first generation global atmospheric/land surface reanalysis product,簡(jiǎn)稱(chēng)CRA），結(jié)合地面自動(dòng)站觀測(cè)、中國(guó)氣象局陸面數(shù)據(jù)同化系統(tǒng)的能見(jiàn)度格點(diǎn)數(shù)據(jù)、葵花8號(hào)衛(wèi)星資料，分析了2021年1月21—26日瓊州海峽一次持續(xù)性海霧過(guò)程的發(fā)展演變、環(huán)流形勢(shì)以及邊界層特征，同時(shí)分析了兩種不同類(lèi)型霧的形成機(jī)制。結(jié)果表明：①21—22日為低層冷空氣擴(kuò)散形成的鋒面霧；23—26日為冷高后部偏東氣流型平流霧過(guò)程，其中23日23:00至24日14:00大霧發(fā)展最強(qiáng)盛，連續(xù)12個(gè)時(shí)次出現(xiàn)特強(qiáng)濃霧，最小能見(jiàn)度達(dá)25 m。②鋒面霧階段，偏北風(fēng)影響，風(fēng)速為1～3 m/s；平流霧階段，偏東風(fēng)影響，風(fēng)速為4～6 m/s。③鋒面霧階段，水汽輻合中心位于瓊州海峽南岸至海南島東北部陸地，大霧在陸地開(kāi)始發(fā)展。平流霧階段，水汽輻合中心位于瓊州海峽北岸至海南島東部海面一帶，大霧自海上發(fā)展。④鋒面霧階段，逆溫層在950 hPa左右高度發(fā)展，為下冷上暖的平流配置；平流霧階段，950 hPa以下均為暖平流，逆溫層從地面開(kāi)始發(fā)展。大霧過(guò)程中鋒面霧和平流霧兩種不同性質(zhì)大霧的發(fā)展使得大霧長(zhǎng)時(shí)間維持。
2023, 51(1):124-133.
DOI: 10.19517/j.1671-6345.20220023
摘要:
東亞干旱半干旱區(qū)（簡(jiǎn)稱(chēng)為“東亞旱區(qū)”）是全球干旱帶的重要組成部分，該區(qū)域水資源短缺，沙塵暴頻發(fā)，沙塵氣溶膠對(duì)大氣輻射收支和云微物理過(guò)程的影響不可忽視。本文回顧了近年來(lái)東亞旱區(qū)氣溶膠及云相關(guān)科學(xué)問(wèn)題的研究進(jìn)展，重點(diǎn)討論了氣溶膠、云特性以及氣溶膠-云相互作用問(wèn)題。東亞旱區(qū)大氣中的氣溶膠以沙塵為主，且春季多于其他季節(jié)；同時(shí)，該區(qū)域云水資源豐富，且以高云為主，夏季云量顯著偏多。沙塵氣溶膠可直接影響輻射收支對(duì)大氣產(chǎn)生加熱作用，并通過(guò)間接和半直接效應(yīng)對(duì)云微物理過(guò)程和降水產(chǎn)生影響。由于云微物理觀測(cè)資料稀缺，加之模式參數(shù)化方案的不準(zhǔn)確，導(dǎo)致東亞旱區(qū)沙塵氣溶膠-云相互作用仍存在較大的不確定，減小氣溶膠、云所帶來(lái)的不確定性是未來(lái)氣候變化研究中亟需解決的科學(xué)問(wèn)題。
東亞干旱半干旱區(qū)（簡(jiǎn)稱(chēng)為“東亞旱區(qū)”）是全球干旱帶的重要組成部分，該區(qū)域水資源短缺，沙塵暴頻發(fā)，沙塵氣溶膠對(duì)大氣輻射收支和云微物理過(guò)程的影響不可忽視。本文回顧了近年來(lái)東亞旱區(qū)氣溶膠及云相關(guān)科學(xué)問(wèn)題的研究進(jìn)展，重點(diǎn)討論了氣溶膠、云特性以及氣溶膠-云相互作用問(wèn)題。東亞旱區(qū)大氣中的氣溶膠以沙塵為主，且春季多于其他季節(jié)；同時(shí)，該區(qū)域云水資源豐富，且以高云為主，夏季云量顯著偏多。沙塵氣溶膠可直接影響輻射收支對(duì)大氣產(chǎn)生加熱作用，并通過(guò)間接和半直接效應(yīng)對(duì)云微物理過(guò)程和降水產(chǎn)生影響。由于云微物理觀測(cè)資料稀缺，加之模式參數(shù)化方案的不準(zhǔn)確，導(dǎo)致東亞旱區(qū)沙塵氣溶膠-云相互作用仍存在較大的不確定，減小氣溶膠、云所帶來(lái)的不確定性是未來(lái)氣候變化研究中亟需解決的科學(xué)問(wèn)題。
2023, 51(1):134-141.
DOI: 10.19517/j.1671-6345.20210510
摘要:
海水中顆粒有機(jī)碳（POC）是海洋碳循環(huán)的基本變量，在海洋碳循環(huán)研究中起著關(guān)鍵作用。根據(jù)2003—2020年南海區(qū)域遙感數(shù)據(jù)反演的POC數(shù)據(jù)集，分析了南海海域POC濃度時(shí)空變化規(guī)律。研究結(jié)果表明：在整個(gè)研究區(qū)POC的年平均濃度變化范圍為76.98～83.91 mg/m3；POC濃度分布呈現(xiàn)出近岸高、遠(yuǎn)海低，主要原因?yàn)槟虾＝稖\水海域POC濃度主要受陸源輸入和沿岸流影響，遠(yuǎn)海區(qū)域內(nèi)POC濃度主要受南海環(huán)流和水團(tuán)控制。在季度上，第1—4季度POC濃度平均值為89.62，72.90，79.22，84.86 mg/m3；總體上POC濃度呈現(xiàn)出夏季低、冬季高的趨勢(shì)，主要原因?yàn)槟虾Ｊ艿蕉镜臇|北季風(fēng)和夏季的西南季風(fēng)影響，影響到南海海水混合層的結(jié)構(gòu)變化，浮游植物在冬季比夏季更為繁盛。在月尺度上，1月POC濃度平均值達(dá)到最高值；2—4月POC濃度平均值快速下降，5月POC濃度平均值達(dá)到最低值；6—12月POC濃度平均值開(kāi)始緩慢上升。以上研究結(jié)論可為南海碳循環(huán)、政府碳達(dá)峰、碳中和及應(yīng)對(duì)氣候變化等提供決策依據(jù)。
海水中顆粒有機(jī)碳（POC）是海洋碳循環(huán)的基本變量，在海洋碳循環(huán)研究中起著關(guān)鍵作用。根據(jù)2003—2020年南海區(qū)域遙感數(shù)據(jù)反演的POC數(shù)據(jù)集，分析了南海海域POC濃度時(shí)空變化規(guī)律。研究結(jié)果表明：在整個(gè)研究區(qū)POC的年平均濃度變化范圍為76.98～83.91 mg/m3；POC濃度分布呈現(xiàn)出近岸高、遠(yuǎn)海低，主要原因?yàn)槟虾＝稖\水海域POC濃度主要受陸源輸入和沿岸流影響，遠(yuǎn)海區(qū)域內(nèi)POC濃度主要受南海環(huán)流和水團(tuán)控制。在季度上，第1—4季度POC濃度平均值為89.62，72.90，79.22，84.86 mg/m3；總體上POC濃度呈現(xiàn)出夏季低、冬季高的趨勢(shì)，主要原因?yàn)槟虾Ｊ艿蕉镜臇|北季風(fēng)和夏季的西南季風(fēng)影響，影響到南海海水混合層的結(jié)構(gòu)變化，浮游植物在冬季比夏季更為繁盛。在月尺度上，1月POC濃度平均值達(dá)到最高值；2—4月POC濃度平均值快速下降，5月POC濃度平均值達(dá)到最低值；6—12月POC濃度平均值開(kāi)始緩慢上升。以上研究結(jié)論可為南海碳循環(huán)、政府碳達(dá)峰、碳中和及應(yīng)對(duì)氣候變化等提供決策依據(jù)。
2023, 51(1):142-148.
DOI: 10.19517/j.1671-6345.20220039
摘要:
雷暴大風(fēng)是影響鐵路建設(shè)和交通運(yùn)營(yíng)安全的主要?dú)庀鬄?zāi)害之一，而川藏鐵路作為連接四川省和西藏自治區(qū)的干線鐵路，其沿線地理形勢(shì)復(fù)雜，氣候特征多樣，被稱(chēng)為“最難建的鐵路”，本文旨在定量分析川藏地區(qū)和川藏鐵路的風(fēng)場(chǎng)變化特征，以為川藏鐵路建設(shè)和鐵路列車(chē)運(yùn)行、防災(zāi)減災(zāi)以及實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)預(yù)警和風(fēng)險(xiǎn)評(píng)估提供科學(xué)依據(jù)。文章采用2004—2020年地面氣象站觀測(cè)風(fēng)場(chǎng)和2006—2020年極大風(fēng)風(fēng)速資料，結(jié)合2000—2020年近21年的NCEP FNL地面風(fēng)場(chǎng)數(shù)據(jù)，對(duì)川藏地區(qū)和川藏鐵路沿線拉薩、林芝、雅安、成都4個(gè)高鐵站附近的風(fēng)場(chǎng)時(shí)空分布特征和變化規(guī)律進(jìn)行分析，研究表明：①川藏地區(qū)西部風(fēng)力高于東部，高原內(nèi)陸風(fēng)力大于高原東南緣和四川省。11月至次年3月是高原內(nèi)陸風(fēng)速最大的月份，月平均風(fēng)速在高原北部和南緣能夠達(dá)到7 m/s以上，夏秋季風(fēng)速較小。②選取川藏鐵路沿線拉薩站、林芝站、雅安站和成都站4個(gè)站點(diǎn)風(fēng)場(chǎng)進(jìn)行分析，風(fēng)速表現(xiàn)為高原西部向東部減小的趨勢(shì)。③在研究時(shí)段內(nèi)，2018—2020年川藏鐵路沿線平均風(fēng)速和極大風(fēng)速均呈明顯增加趨勢(shì)，拉薩和林芝站的大風(fēng)日數(shù)也有所增加，因此2018年以來(lái)川藏鐵路沿線處于風(fēng)速上升期，對(duì)鐵路的風(fēng)險(xiǎn)處于增大階段。
雷暴大風(fēng)是影響鐵路建設(shè)和交通運(yùn)營(yíng)安全的主要?dú)庀鬄?zāi)害之一，而川藏鐵路作為連接四川省和西藏自治區(qū)的干線鐵路，其沿線地理形勢(shì)復(fù)雜，氣候特征多樣，被稱(chēng)為“最難建的鐵路”，本文旨在定量分析川藏地區(qū)和川藏鐵路的風(fēng)場(chǎng)變化特征，以為川藏鐵路建設(shè)和鐵路列車(chē)運(yùn)行、防災(zāi)減災(zāi)以及實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)預(yù)警和風(fēng)險(xiǎn)評(píng)估提供科學(xué)依據(jù)。文章采用2004—2020年地面氣象站觀測(cè)風(fēng)場(chǎng)和2006—2020年極大風(fēng)風(fēng)速資料，結(jié)合2000—2020年近21年的NCEP FNL地面風(fēng)場(chǎng)數(shù)據(jù)，對(duì)川藏地區(qū)和川藏鐵路沿線拉薩、林芝、雅安、成都4個(gè)高鐵站附近的風(fēng)場(chǎng)時(shí)空分布特征和變化規(guī)律進(jìn)行分析，研究表明：①川藏地區(qū)西部風(fēng)力高于東部，高原內(nèi)陸風(fēng)力大于高原東南緣和四川省。11月至次年3月是高原內(nèi)陸風(fēng)速最大的月份，月平均風(fēng)速在高原北部和南緣能夠達(dá)到7 m/s以上，夏秋季風(fēng)速較小。②選取川藏鐵路沿線拉薩站、林芝站、雅安站和成都站4個(gè)站點(diǎn)風(fēng)場(chǎng)進(jìn)行分析，風(fēng)速表現(xiàn)為高原西部向東部減小的趨勢(shì)。③在研究時(shí)段內(nèi)，2018—2020年川藏鐵路沿線平均風(fēng)速和極大風(fēng)速均呈明顯增加趨勢(shì)，拉薩和林芝站的大風(fēng)日數(shù)也有所增加，因此2018年以來(lái)川藏鐵路沿線處于風(fēng)速上升期，對(duì)鐵路的風(fēng)險(xiǎn)處于增大階段。
2023, 51(1):149-156.
DOI: 10.19517/j.1671-6345.20220081
摘要:
為進(jìn)一步提高霧天交通安全氣象保障精細(xì)化能力，以江蘇、安徽高速公路霧事故多發(fā)路段為例，利用2012—2018年事故信息與氣象資料，建立一種基于變量選擇和特征提取的逐時(shí)霧事故判別支持向量機(jī)模型。模型參照遞歸特征消除思路選擇事故發(fā)生時(shí)間、地理位置、氣象環(huán)境等重要變量，使用主成分分析提取重要變量的主要特征，并以徑向基為核函數(shù)、以網(wǎng)絡(luò)搜索確定最優(yōu)參數(shù)。結(jié)果表明：結(jié)合重要變量選擇和主成分分析的支持向量機(jī)混合模型能夠成功識(shí)別出訓(xùn)練集81.4%和測(cè)試集83.0%的事故樣本，AUC分?jǐn)?shù)均為0.946；判別效果優(yōu)于支持向量機(jī)單獨(dú)算法，以及僅基于重要變量選擇或主成分分析的支持向量機(jī)算法；3個(gè)典型實(shí)例分析也說(shuō)明該模型對(duì)于階段性或持續(xù)性大霧天氣下的交通事故發(fā)生有一定判識(shí)與警示意義。
為進(jìn)一步提高霧天交通安全氣象保障精細(xì)化能力，以江蘇、安徽高速公路霧事故多發(fā)路段為例，利用2012—2018年事故信息與氣象資料，建立一種基于變量選擇和特征提取的逐時(shí)霧事故判別支持向量機(jī)模型。模型參照遞歸特征消除思路選擇事故發(fā)生時(shí)間、地理位置、氣象環(huán)境等重要變量，使用主成分分析提取重要變量的主要特征，并以徑向基為核函數(shù)、以網(wǎng)絡(luò)搜索確定最優(yōu)參數(shù)。結(jié)果表明：結(jié)合重要變量選擇和主成分分析的支持向量機(jī)混合模型能夠成功識(shí)別出訓(xùn)練集81.4%和測(cè)試集83.0%的事故樣本，AUC分?jǐn)?shù)均為0.946；判別效果優(yōu)于支持向量機(jī)單獨(dú)算法，以及僅基于重要變量選擇或主成分分析的支持向量機(jī)算法；3個(gè)典型實(shí)例分析也說(shuō)明該模型對(duì)于階段性或持續(xù)性大霧天氣下的交通事故發(fā)生有一定判識(shí)與警示意義。
2023, 51(1):157-166.
DOI: 10.19517/j.1671-6345.20220159
摘要:
開(kāi)展北京松柏植被的高分辨率空間信息提取及其花粉致敏風(fēng)險(xiǎn)評(píng)估對(duì)花粉濃度監(jiān)測(cè)及預(yù)報(bào)具有重要意義。本文利用2019—2020年冬季304景高分辨率哨兵2A號(hào)（Sentinel-2A）衛(wèi)星影像，引入新型增強(qiáng)型歸一化植被指數(shù)（Enhanced normalized Vegetation Index,EVI）和地表水分指數(shù)（Land Surface Water Index,LSWI），開(kāi)展了10 m空間分辨率的北京松柏植被分布制圖研究；同時(shí)依據(jù)風(fēng)險(xiǎn)評(píng)估原理，結(jié)合2020年北京松柏花粉濃度觀測(cè)數(shù)據(jù)，建立了基于松柏植被分布的花粉致敏風(fēng)險(xiǎn)空間評(píng)估方法，并初步開(kāi)展了影響松柏花粉濃度范圍與花粉致敏風(fēng)險(xiǎn)空間評(píng)估研究。結(jié)果表明：①基于冬季合成晴空Sentinel-2A衛(wèi)星影像，利用EVI和LSWI可有效提取北京10 m空間分辨率的松柏植被分布，用戶(hù)精度可達(dá)80%以上；②松柏花粉觀測(cè)站14 km范圍內(nèi)松柏植被對(duì)該站花粉濃度具有正貢獻(xiàn)，其中6 km范圍內(nèi)的松柏植被貢獻(xiàn)最大；③松柏花粉致敏相對(duì)高風(fēng)險(xiǎn)區(qū)主要分布在西北部山區(qū)、昌平北部以及門(mén)頭溝東部、石景山西北和海淀西南等地區(qū)。
開(kāi)展北京松柏植被的高分辨率空間信息提取及其花粉致敏風(fēng)險(xiǎn)評(píng)估對(duì)花粉濃度監(jiān)測(cè)及預(yù)報(bào)具有重要意義。本文利用2019—2020年冬季304景高分辨率哨兵2A號(hào)（Sentinel-2A）衛(wèi)星影像，引入新型增強(qiáng)型歸一化植被指數(shù)（Enhanced normalized Vegetation Index,EVI）和地表水分指數(shù)（Land Surface Water Index,LSWI），開(kāi)展了10 m空間分辨率的北京松柏植被分布制圖研究；同時(shí)依據(jù)風(fēng)險(xiǎn)評(píng)估原理，結(jié)合2020年北京松柏花粉濃度觀測(cè)數(shù)據(jù)，建立了基于松柏植被分布的花粉致敏風(fēng)險(xiǎn)空間評(píng)估方法，并初步開(kāi)展了影響松柏花粉濃度范圍與花粉致敏風(fēng)險(xiǎn)空間評(píng)估研究。結(jié)果表明：①基于冬季合成晴空Sentinel-2A衛(wèi)星影像，利用EVI和LSWI可有效提取北京10 m空間分辨率的松柏植被分布，用戶(hù)精度可達(dá)80%以上；②松柏花粉觀測(cè)站14 km范圍內(nèi)松柏植被對(duì)該站花粉濃度具有正貢獻(xiàn)，其中6 km范圍內(nèi)的松柏植被貢獻(xiàn)最大；③松柏花粉致敏相對(duì)高風(fēng)險(xiǎn)區(qū)主要分布在西北部山區(qū)、昌平北部以及門(mén)頭溝東部、石景山西北和海淀西南等地區(qū)。
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