2024年第52卷第1期文章目次
2024, 52(1):1-9.
DOI: 10.19517/j.1671-6345.20230080
摘要:
宇宙射線中子法是目前測量中尺度土壤水分的一種新興方法，通過監(jiān)測近地表附近中子的數(shù)量來監(jiān)測土壤含水率，理論探測深度12～76 cm。為了評估宇宙射線中子法土壤水分監(jiān)測在草地、農(nóng)田和林地3種不同生態(tài)系統(tǒng)測量深度適用性和對降水的敏感性。本研究分析了中國氣象局自動土壤水分站觀測數(shù)據(jù)和遙感土壤水分監(jiān)測數(shù)據(jù)與宇宙射線中子法土壤水分監(jiān)測數(shù)據(jù)差異性和相關(guān)性。結(jié)果顯示，宇宙射線中子法土壤水分監(jiān)測草地0～20 cm效果最優(yōu)，農(nóng)田和林地0～30 cm最優(yōu)；在農(nóng)田和林地生態(tài)系統(tǒng)土壤水分監(jiān)測結(jié)果與自動土壤水分站點(diǎn)差異較小，優(yōu)于遙感監(jiān)測；但對于草地生態(tài)系統(tǒng)，宇宙射線中子法土壤水分監(jiān)測結(jié)果與遙感監(jiān)測結(jié)果差異比單點(diǎn)自動土壤水分站點(diǎn)監(jiān)測更小，可能與草地土壤的強(qiáng)異質(zhì)性有關(guān)。宇宙射線中子法土壤水分監(jiān)測在草地、農(nóng)田和林地生態(tài)系統(tǒng)均可以敏感的響應(yīng)降水事件，較點(diǎn)尺度自動土壤水分站更易捕捉到區(qū)域水分的波動性變化。
宇宙射線中子法是目前測量中尺度土壤水分的一種新興方法，通過監(jiān)測近地表附近中子的數(shù)量來監(jiān)測土壤含水率，理論探測深度12～76 cm。為了評估宇宙射線中子法土壤水分監(jiān)測在草地、農(nóng)田和林地3種不同生態(tài)系統(tǒng)測量深度適用性和對降水的敏感性。本研究分析了中國氣象局自動土壤水分站觀測數(shù)據(jù)和遙感土壤水分監(jiān)測數(shù)據(jù)與宇宙射線中子法土壤水分監(jiān)測數(shù)據(jù)差異性和相關(guān)性。結(jié)果顯示，宇宙射線中子法土壤水分監(jiān)測草地0～20 cm效果最優(yōu)，農(nóng)田和林地0～30 cm最優(yōu)；在農(nóng)田和林地生態(tài)系統(tǒng)土壤水分監(jiān)測結(jié)果與自動土壤水分站點(diǎn)差異較小，優(yōu)于遙感監(jiān)測；但對于草地生態(tài)系統(tǒng)，宇宙射線中子法土壤水分監(jiān)測結(jié)果與遙感監(jiān)測結(jié)果差異比單點(diǎn)自動土壤水分站點(diǎn)監(jiān)測更小，可能與草地土壤的強(qiáng)異質(zhì)性有關(guān)。宇宙射線中子法土壤水分監(jiān)測在草地、農(nóng)田和林地生態(tài)系統(tǒng)均可以敏感的響應(yīng)降水事件，較點(diǎn)尺度自動土壤水分站更易捕捉到區(qū)域水分的波動性變化。
2024, 52(1):10-18.
DOI: 10.19517/j.1671-6345.20230026
摘要:
為了比較翻斗雨量計(jì)、稱重雨量計(jì)和DSG5降水天氣現(xiàn)象儀對冰雹過程降水量的探測性能，分析了一次降雹過程中的降水粒子譜特征，探討了區(qū)分雨滴和冰雹的方法，對3種設(shè)備獲取的分鐘降水量時間序列進(jìn)行了綜合對比和統(tǒng)計(jì)檢驗(yàn)。結(jié)果表明：翻斗雨量計(jì)、稱重雨量計(jì)測量和由DSG5計(jì)算的過程分鐘降水量序列具有較好的一致性，服從同一個連續(xù)分布；利用DSG5雨滴譜資料不僅可以區(qū)分冰雹過程中的降雨量和降雹量，而且能快速靈敏地偵測到降水的起始、結(jié)束時間，更準(zhǔn)確地反映降水強(qiáng)度的時間變化，可為中小尺度天氣系統(tǒng)的研究提供精準(zhǔn)的降水變化信息；翻斗雨量計(jì)和稱重雨量計(jì)對冰雹過程分鐘降水量的觀測存在一定的緩沖，不能準(zhǔn)確描述降水量實(shí)時強(qiáng)度的變化；稱重雨量計(jì)觀測的分鐘降水量序列存在明顯的滯后。
為了比較翻斗雨量計(jì)、稱重雨量計(jì)和DSG5降水天氣現(xiàn)象儀對冰雹過程降水量的探測性能，分析了一次降雹過程中的降水粒子譜特征，探討了區(qū)分雨滴和冰雹的方法，對3種設(shè)備獲取的分鐘降水量時間序列進(jìn)行了綜合對比和統(tǒng)計(jì)檢驗(yàn)。結(jié)果表明：翻斗雨量計(jì)、稱重雨量計(jì)測量和由DSG5計(jì)算的過程分鐘降水量序列具有較好的一致性，服從同一個連續(xù)分布；利用DSG5雨滴譜資料不僅可以區(qū)分冰雹過程中的降雨量和降雹量，而且能快速靈敏地偵測到降水的起始、結(jié)束時間，更準(zhǔn)確地反映降水強(qiáng)度的時間變化，可為中小尺度天氣系統(tǒng)的研究提供精準(zhǔn)的降水變化信息；翻斗雨量計(jì)和稱重雨量計(jì)對冰雹過程分鐘降水量的觀測存在一定的緩沖，不能準(zhǔn)確描述降水量實(shí)時強(qiáng)度的變化；稱重雨量計(jì)觀測的分鐘降水量序列存在明顯的滯后。
2024, 52(1):19-26.
DOI: 10.19517/j.1671-6345.20230076
摘要:
為解決三杯風(fēng)速傳感器在計(jì)量檢定條件下與觀測場景中環(huán)境差異所導(dǎo)致的測量數(shù)據(jù)誤差，致力于研究空氣流速計(jì)量標(biāo)準(zhǔn)在量值傳遞過程中的真實(shí)性、準(zhǔn)確性和一致性，為新一代三杯風(fēng)速傳感器作為計(jì)量器具的新產(chǎn)品型式評價提供思路和參考指標(biāo)，依據(jù)杯式測風(fēng)儀測量方法與自動氣象站風(fēng)速風(fēng)向傳感器檢定規(guī)程，并在實(shí)驗(yàn)中加入了主體由角度編碼器構(gòu)成的自動化轉(zhuǎn)盤系統(tǒng)，設(shè)計(jì)了三杯風(fēng)速傳感器在非水平風(fēng)場內(nèi)測量性能水平實(shí)驗(yàn)。通過調(diào)整三杯風(fēng)速傳感器在風(fēng)洞試驗(yàn)段內(nèi)的傾斜角度，模擬其在自然界非水平風(fēng)場中的測量狀態(tài)，同步采集風(fēng)洞的標(biāo)準(zhǔn)指示風(fēng)速、三杯風(fēng)速傳感器的實(shí)測風(fēng)速以及其相應(yīng)的傾斜角度，計(jì)算示值誤差，利用方差分析、趨勢分析、相關(guān)性分析和線性回歸分析等統(tǒng)計(jì)方法，對不同傾斜角度下三杯風(fēng)速傳感器示值誤差進(jìn)行研究，得出了三杯風(fēng)速傳感器在風(fēng)洞試驗(yàn)段內(nèi)的示值誤差與實(shí)測風(fēng)速和傾斜角度之間的相關(guān)關(guān)系，提出了三杯風(fēng)速傳感器在非水平風(fēng)場下的測量性能指標(biāo)。研究了三杯風(fēng)速傳感器在非水平風(fēng)場中實(shí)測風(fēng)速與標(biāo)準(zhǔn)風(fēng)速和傾斜角度的回歸關(guān)系，提出了三杯風(fēng)速傳感器在計(jì)量環(huán)境下非水平風(fēng)場中數(shù)據(jù)的量值傳遞修正算法。
為解決三杯風(fēng)速傳感器在計(jì)量檢定條件下與觀測場景中環(huán)境差異所導(dǎo)致的測量數(shù)據(jù)誤差，致力于研究空氣流速計(jì)量標(biāo)準(zhǔn)在量值傳遞過程中的真實(shí)性、準(zhǔn)確性和一致性，為新一代三杯風(fēng)速傳感器作為計(jì)量器具的新產(chǎn)品型式評價提供思路和參考指標(biāo)，依據(jù)杯式測風(fēng)儀測量方法與自動氣象站風(fēng)速風(fēng)向傳感器檢定規(guī)程，并在實(shí)驗(yàn)中加入了主體由角度編碼器構(gòu)成的自動化轉(zhuǎn)盤系統(tǒng)，設(shè)計(jì)了三杯風(fēng)速傳感器在非水平風(fēng)場內(nèi)測量性能水平實(shí)驗(yàn)。通過調(diào)整三杯風(fēng)速傳感器在風(fēng)洞試驗(yàn)段內(nèi)的傾斜角度，模擬其在自然界非水平風(fēng)場中的測量狀態(tài)，同步采集風(fēng)洞的標(biāo)準(zhǔn)指示風(fēng)速、三杯風(fēng)速傳感器的實(shí)測風(fēng)速以及其相應(yīng)的傾斜角度，計(jì)算示值誤差，利用方差分析、趨勢分析、相關(guān)性分析和線性回歸分析等統(tǒng)計(jì)方法，對不同傾斜角度下三杯風(fēng)速傳感器示值誤差進(jìn)行研究，得出了三杯風(fēng)速傳感器在風(fēng)洞試驗(yàn)段內(nèi)的示值誤差與實(shí)測風(fēng)速和傾斜角度之間的相關(guān)關(guān)系，提出了三杯風(fēng)速傳感器在非水平風(fēng)場下的測量性能指標(biāo)。研究了三杯風(fēng)速傳感器在非水平風(fēng)場中實(shí)測風(fēng)速與標(biāo)準(zhǔn)風(fēng)速和傾斜角度的回歸關(guān)系，提出了三杯風(fēng)速傳感器在計(jì)量環(huán)境下非水平風(fēng)場中數(shù)據(jù)的量值傳遞修正算法。
2024, 52(1):27-36.
DOI: 10.19517/j.1671-6345.20220520
摘要:
超聲波風(fēng)速風(fēng)向儀具有無轉(zhuǎn)動部件，響應(yīng)快，精度高的優(yōu)點(diǎn)，但體積大、功耗高、成本高成為限制超聲波風(fēng)速風(fēng)向儀廣泛使用的主要因素。為了便于超聲波風(fēng)速風(fēng)向儀的推廣和使用，本文采用國產(chǎn)FPGA(Field Programmable Gate Array)并結(jié)合FIR(Finite Impulse Respond)濾波器以及互相關(guān)檢測算法設(shè)計(jì)了一款超聲波風(fēng)速風(fēng)向儀，探頭之間的距離僅為80 mm，感風(fēng)面積僅為傳統(tǒng)超聲波風(fēng)的1/10，使得省級風(fēng)洞均可計(jì)量檢定。整機(jī)經(jīng)過風(fēng)洞實(shí)測，每秒鐘可完成50次風(fēng)速風(fēng)向測量，在0～5 m/s時風(fēng)速最大測量誤差為±0.3 m/s，5～20 m/s時風(fēng)速最大測量誤差為±0.5 m/s，20～30 m/s風(fēng)速測量最大誤差為±5%，穩(wěn)定風(fēng)速下風(fēng)向測量最大誤差為±1°以內(nèi)，總功耗為0.2 W（僅為傳統(tǒng)超聲波風(fēng)功耗的1/20）。通過實(shí)測數(shù)據(jù)發(fā)現(xiàn)，F(xiàn)PGA結(jié)合數(shù)字濾波及互相關(guān)檢測算法相比于傳統(tǒng)的DSP(Digital Signal Processor)超聲波風(fēng)速風(fēng)向儀能明顯縮小體積，降低成本功耗。
超聲波風(fēng)速風(fēng)向儀具有無轉(zhuǎn)動部件，響應(yīng)快，精度高的優(yōu)點(diǎn)，但體積大、功耗高、成本高成為限制超聲波風(fēng)速風(fēng)向儀廣泛使用的主要因素。為了便于超聲波風(fēng)速風(fēng)向儀的推廣和使用，本文采用國產(chǎn)FPGA(Field Programmable Gate Array)并結(jié)合FIR(Finite Impulse Respond)濾波器以及互相關(guān)檢測算法設(shè)計(jì)了一款超聲波風(fēng)速風(fēng)向儀，探頭之間的距離僅為80 mm，感風(fēng)面積僅為傳統(tǒng)超聲波風(fēng)的1/10，使得省級風(fēng)洞均可計(jì)量檢定。整機(jī)經(jīng)過風(fēng)洞實(shí)測，每秒鐘可完成50次風(fēng)速風(fēng)向測量，在0～5 m/s時風(fēng)速最大測量誤差為±0.3 m/s，5～20 m/s時風(fēng)速最大測量誤差為±0.5 m/s，20～30 m/s風(fēng)速測量最大誤差為±5%，穩(wěn)定風(fēng)速下風(fēng)向測量最大誤差為±1°以內(nèi)，總功耗為0.2 W（僅為傳統(tǒng)超聲波風(fēng)功耗的1/20）。通過實(shí)測數(shù)據(jù)發(fā)現(xiàn)，F(xiàn)PGA結(jié)合數(shù)字濾波及互相關(guān)檢測算法相比于傳統(tǒng)的DSP(Digital Signal Processor)超聲波風(fēng)速風(fēng)向儀能明顯縮小體積，降低成本功耗。
2024, 52(1):37-44.
DOI: 10.19517/j.1671-6345.20230012
摘要:
隨著互聯(lián)網(wǎng)的快速發(fā)展，氣象部門職工作為學(xué)習(xí)者可以獲得的學(xué)習(xí)資源得到極大豐富。信息超載導(dǎo)致檢索合適的在線學(xué)習(xí)資源時遇到了困難；學(xué)習(xí)者在不同學(xué)習(xí)環(huán)境和序列訪問模式上也有不同的學(xué)習(xí)需求。但是，現(xiàn)有的推薦系統(tǒng)，如基于內(nèi)容的推薦和協(xié)同過濾，沒有結(jié)合學(xué)習(xí)者的情境和序列訪問模式，推薦結(jié)果準(zhǔn)確度不高。本文提出了一種結(jié)合情境感知、序列模式挖掘和協(xié)同過濾算法的混合推薦算法來為學(xué)習(xí)者推薦學(xué)習(xí)資源。混合推薦算法中，情境感知被用來整合學(xué)習(xí)者的情境信息，如知識水平和學(xué)習(xí)目標(biāo)；序列模式挖掘被用來對網(wǎng)絡(luò)日志進(jìn)行挖掘，發(fā)現(xiàn)學(xué)習(xí)者的序列訪問模式；協(xié)同過濾被用來根據(jù)學(xué)習(xí)者的情境數(shù)據(jù)和序列訪問模式為目標(biāo)學(xué)習(xí)者計(jì)算預(yù)測并生成建議。實(shí)驗(yàn)和應(yīng)用效果表明，該混合推薦算法推薦的質(zhì)量和準(zhǔn)確性方面優(yōu)于其他推薦算法。
隨著互聯(lián)網(wǎng)的快速發(fā)展，氣象部門職工作為學(xué)習(xí)者可以獲得的學(xué)習(xí)資源得到極大豐富。信息超載導(dǎo)致檢索合適的在線學(xué)習(xí)資源時遇到了困難；學(xué)習(xí)者在不同學(xué)習(xí)環(huán)境和序列訪問模式上也有不同的學(xué)習(xí)需求。但是，現(xiàn)有的推薦系統(tǒng)，如基于內(nèi)容的推薦和協(xié)同過濾，沒有結(jié)合學(xué)習(xí)者的情境和序列訪問模式，推薦結(jié)果準(zhǔn)確度不高。本文提出了一種結(jié)合情境感知、序列模式挖掘和協(xié)同過濾算法的混合推薦算法來為學(xué)習(xí)者推薦學(xué)習(xí)資源。混合推薦算法中，情境感知被用來整合學(xué)習(xí)者的情境信息，如知識水平和學(xué)習(xí)目標(biāo)；序列模式挖掘被用來對網(wǎng)絡(luò)日志進(jìn)行挖掘，發(fā)現(xiàn)學(xué)習(xí)者的序列訪問模式；協(xié)同過濾被用來根據(jù)學(xué)習(xí)者的情境數(shù)據(jù)和序列訪問模式為目標(biāo)學(xué)習(xí)者計(jì)算預(yù)測并生成建議。實(shí)驗(yàn)和應(yīng)用效果表明，該混合推薦算法推薦的質(zhì)量和準(zhǔn)確性方面優(yōu)于其他推薦算法。
2024, 52(1):45-54.
DOI: 10.19517/j.1671-6345.20230049
摘要:
針對省級衛(wèi)星直收站數(shù)據(jù)存儲分散造成共享應(yīng)用不便的問題，提出衛(wèi)星多源數(shù)據(jù)便捷高效訪問和安全分級管理方案。引入數(shù)據(jù)湖技術(shù)，按照全國統(tǒng)一規(guī)范構(gòu)建了基于氣象大數(shù)據(jù)云平臺的省級氣象數(shù)據(jù)湖系統(tǒng)，基于此實(shí)現(xiàn)了FY-3、FY-4衛(wèi)星地面直收站原始接收數(shù)據(jù)、加工處理產(chǎn)品等多種衛(wèi)星數(shù)據(jù)入湖集中管理，并提供統(tǒng)一的數(shù)據(jù)共享服務(wù)，解決了海量多源異構(gòu)數(shù)據(jù)的存儲、管理和共享服務(wù)等技術(shù)難題。通過數(shù)據(jù)湖統(tǒng)一權(quán)限控制，實(shí)現(xiàn)對用戶訪問數(shù)據(jù)的分級管理，保障了數(shù)據(jù)應(yīng)用的穩(wěn)定性和安全性。通過數(shù)據(jù)湖統(tǒng)一文件目錄服務(wù)，實(shí)現(xiàn)長時間序列文件的便捷快速獲取，有效支撐衛(wèi)星數(shù)據(jù)的服務(wù)應(yīng)用和挖掘分析。
針對省級衛(wèi)星直收站數(shù)據(jù)存儲分散造成共享應(yīng)用不便的問題，提出衛(wèi)星多源數(shù)據(jù)便捷高效訪問和安全分級管理方案。引入數(shù)據(jù)湖技術(shù)，按照全國統(tǒng)一規(guī)范構(gòu)建了基于氣象大數(shù)據(jù)云平臺的省級氣象數(shù)據(jù)湖系統(tǒng)，基于此實(shí)現(xiàn)了FY-3、FY-4衛(wèi)星地面直收站原始接收數(shù)據(jù)、加工處理產(chǎn)品等多種衛(wèi)星數(shù)據(jù)入湖集中管理，并提供統(tǒng)一的數(shù)據(jù)共享服務(wù)，解決了海量多源異構(gòu)數(shù)據(jù)的存儲、管理和共享服務(wù)等技術(shù)難題。通過數(shù)據(jù)湖統(tǒng)一權(quán)限控制，實(shí)現(xiàn)對用戶訪問數(shù)據(jù)的分級管理，保障了數(shù)據(jù)應(yīng)用的穩(wěn)定性和安全性。通過數(shù)據(jù)湖統(tǒng)一文件目錄服務(wù)，實(shí)現(xiàn)長時間序列文件的便捷快速獲取，有效支撐衛(wèi)星數(shù)據(jù)的服務(wù)應(yīng)用和挖掘分析。
2024, 52(1):55-65.
DOI: 10.19517/j.1671-6345.20220483
摘要:
利用海南島加密自動站逐小時降水資料、ERA5再分析資料，對海南島短時強(qiáng)降水日環(huán)流配置進(jìn)行了天氣學(xué)分型，并進(jìn)一步探討了各天氣型下海南島短時強(qiáng)降水的時空分布、環(huán)流形勢和關(guān)鍵環(huán)境參數(shù)特征。結(jié)果表明：①海南島短時強(qiáng)降水有明顯的日變化特征，呈單峰型，主要出現(xiàn)在15:00—19:00。②海南島短時強(qiáng)降水的天氣型主要有南海低壓槽、華南沿海槽、西南低壓槽和冷鋒型。③南海低壓槽、華南沿海槽、西南低壓槽和冷鋒型短時強(qiáng)降水分別占37%，31%，16%和16%。南海低壓槽和華南沿海槽型主要出現(xiàn)在7、8和9月；西南低壓槽型除9月外，其余各月份均可能出現(xiàn)；冷鋒型絕大多數(shù)出現(xiàn)在4、5月。④南海低壓槽和華南沿海槽型整層濕度條件都較好，不穩(wěn)定能量較大，垂直風(fēng)切變較弱。西南低壓槽型不穩(wěn)定能量較大，濕度條件一般，垂直風(fēng)切變較弱。冷鋒型存在明顯的上干下濕特征，垂直風(fēng)切變最大，0～6 km風(fēng)速差75%分位大于10 m/s，不穩(wěn)定能量最小。
利用海南島加密自動站逐小時降水資料、ERA5再分析資料，對海南島短時強(qiáng)降水日環(huán)流配置進(jìn)行了天氣學(xué)分型，并進(jìn)一步探討了各天氣型下海南島短時強(qiáng)降水的時空分布、環(huán)流形勢和關(guān)鍵環(huán)境參數(shù)特征。結(jié)果表明：①海南島短時強(qiáng)降水有明顯的日變化特征，呈單峰型，主要出現(xiàn)在15:00—19:00。②海南島短時強(qiáng)降水的天氣型主要有南海低壓槽、華南沿海槽、西南低壓槽和冷鋒型。③南海低壓槽、華南沿海槽、西南低壓槽和冷鋒型短時強(qiáng)降水分別占37%，31%，16%和16%。南海低壓槽和華南沿海槽型主要出現(xiàn)在7、8和9月；西南低壓槽型除9月外，其余各月份均可能出現(xiàn)；冷鋒型絕大多數(shù)出現(xiàn)在4、5月。④南海低壓槽和華南沿海槽型整層濕度條件都較好，不穩(wěn)定能量較大，垂直風(fēng)切變較弱。西南低壓槽型不穩(wěn)定能量較大，濕度條件一般，垂直風(fēng)切變較弱。冷鋒型存在明顯的上干下濕特征，垂直風(fēng)切變最大，0～6 km風(fēng)速差75%分位大于10 m/s，不穩(wěn)定能量最小。
2024, 52(1):66-75.
DOI: 10.19517/j.1671-6345.20220499
摘要:
利用廣西87個氣象站6月月平均降水量及NCEP/NCAR再分析資料，通過普查1960—2021年廣西6月月降水量年際增量與前期500 hPa位勢高度場的相關(guān)性，選取影響廣西6月降水異常相關(guān)性較高的前期預(yù)測因子，研究其主要影響機(jī)制，并采用模糊神經(jīng)網(wǎng)絡(luò)與熵度量相結(jié)合的方法構(gòu)建月降水年際增量的集合預(yù)報(bào)模型，對預(yù)測模型進(jìn)行1960—2013年的擬合檢驗(yàn)和2014—2021年的獨(dú)立樣本預(yù)報(bào)檢驗(yàn)。結(jié)果發(fā)現(xiàn)，該模型的預(yù)測準(zhǔn)確率較高，獨(dú)立樣本的回報(bào)年份同號率為87.5%，擬合平均絕對誤差為26.64 mm，擬合平均相對誤差為9.06 %，預(yù)報(bào)效果優(yōu)于利用逐步回歸方法構(gòu)建的預(yù)測模型，而且模型性能比較穩(wěn)定，具有較好的業(yè)務(wù)應(yīng)用前景。
利用廣西87個氣象站6月月平均降水量及NCEP/NCAR再分析資料，通過普查1960—2021年廣西6月月降水量年際增量與前期500 hPa位勢高度場的相關(guān)性，選取影響廣西6月降水異常相關(guān)性較高的前期預(yù)測因子，研究其主要影響機(jī)制，并采用模糊神經(jīng)網(wǎng)絡(luò)與熵度量相結(jié)合的方法構(gòu)建月降水年際增量的集合預(yù)報(bào)模型，對預(yù)測模型進(jìn)行1960—2013年的擬合檢驗(yàn)和2014—2021年的獨(dú)立樣本預(yù)報(bào)檢驗(yàn)。結(jié)果發(fā)現(xiàn)，該模型的預(yù)測準(zhǔn)確率較高，獨(dú)立樣本的回報(bào)年份同號率為87.5%，擬合平均絕對誤差為26.64 mm，擬合平均相對誤差為9.06 %，預(yù)報(bào)效果優(yōu)于利用逐步回歸方法構(gòu)建的預(yù)測模型，而且模型性能比較穩(wěn)定，具有較好的業(yè)務(wù)應(yīng)用前景。
2024, 52(1):76-89.
DOI: 10.19517/j.1671-6345.20230040
摘要:
為進(jìn)一步做好中國雪都阿勒泰山冬季冰雪旅游暴雪預(yù)報(bào)預(yù)警服務(wù)，利用阿爾泰山固態(tài)降水?dāng)?shù)據(jù)、NCEP/NCAR 再分析和GDAS 數(shù)據(jù)，應(yīng)用天氣學(xué)診斷和不同水汽分析方法對2021年阿爾泰山區(qū)3次暴雪過程環(huán)流背景和水汽特征進(jìn)行分析。結(jié)果表明：① 3次暴雪過程均為新疆北部典型的暖區(qū)暴雪過程。②歐拉方法分析表明，該區(qū)水汽主要源于大西洋及其沿岸，阿爾泰山西邊界為水汽輸入，東邊界和南邊界為水汽輸出，中、低層的水汽輸入量與暴雪量關(guān)系密切，水汽通量散度輻合區(qū)位于對流層低層。③HYSPLIT（拉格朗日）方法分析表明，水汽源地主要來自北冰洋、歐洲，其次是中亞和加拿大，與上述結(jié)論明顯不同；對暴雪區(qū)綜合貢獻(xiàn)較大的是對流層低層的水汽。④構(gòu)建了阿爾泰山區(qū)暴雪過程水汽貢獻(xiàn)模型，700 hPa及以上水汽自源地到達(dá)關(guān)鍵區(qū)后主要從偏西（西南）路徑輸入暴雪區(qū)，700 hPa以下水汽到達(dá)關(guān)鍵區(qū)后，在環(huán)流合適時主要從東南路徑輸入暴雪區(qū)，但從偏西（西南）和西北路徑輸入暴雪區(qū)的水汽也不容忽視；水汽主要在對流層低層聚集，并輻合抬升。
為進(jìn)一步做好中國雪都阿勒泰山冬季冰雪旅游暴雪預(yù)報(bào)預(yù)警服務(wù)，利用阿爾泰山固態(tài)降水?dāng)?shù)據(jù)、NCEP/NCAR 再分析和GDAS 數(shù)據(jù)，應(yīng)用天氣學(xué)診斷和不同水汽分析方法對2021年阿爾泰山區(qū)3次暴雪過程環(huán)流背景和水汽特征進(jìn)行分析。結(jié)果表明：① 3次暴雪過程均為新疆北部典型的暖區(qū)暴雪過程。②歐拉方法分析表明，該區(qū)水汽主要源于大西洋及其沿岸，阿爾泰山西邊界為水汽輸入，東邊界和南邊界為水汽輸出，中、低層的水汽輸入量與暴雪量關(guān)系密切，水汽通量散度輻合區(qū)位于對流層低層。③HYSPLIT（拉格朗日）方法分析表明，水汽源地主要來自北冰洋、歐洲，其次是中亞和加拿大，與上述結(jié)論明顯不同；對暴雪區(qū)綜合貢獻(xiàn)較大的是對流層低層的水汽。④構(gòu)建了阿爾泰山區(qū)暴雪過程水汽貢獻(xiàn)模型，700 hPa及以上水汽自源地到達(dá)關(guān)鍵區(qū)后主要從偏西（西南）路徑輸入暴雪區(qū)，700 hPa以下水汽到達(dá)關(guān)鍵區(qū)后，在環(huán)流合適時主要從東南路徑輸入暴雪區(qū)，但從偏西（西南）和西北路徑輸入暴雪區(qū)的水汽也不容忽視；水汽主要在對流層低層聚集，并輻合抬升。
2024, 52(1):90-103.
DOI: 10.19517/j.1671-6345.20220490
摘要:
本文選取了2017—2020年威寧縣111個對流單體（35個冰雹云單體和76個雷雨云單體），著重分析了對流單體雷達(dá)回波在垂直指向上的分層結(jié)構(gòu)特征，并結(jié)合雙偏振雷達(dá)觀測分析了對流云單體偏振參量和水凝物相態(tài)分布特征。研究分析結(jié)果表明：①威寧對流單體雷達(dá)回波典型特征量基本一致，對流單體生命史周期約為100 min，最大反射率因子主要位于與0 ℃層高度差±2.0 km的范圍內(nèi)；②當(dāng)對流單體雷達(dá)回波強(qiáng)度從45 dBz發(fā)展到55 dBz以上時，冰雹云具有發(fā)展迅速且持續(xù)時間長的特點(diǎn)，冰雹大小則與強(qiáng)回波在融化層高度以上的擴(kuò)展高度存在一定的對應(yīng)關(guān)系，高度越高、冰雹越大；③X波段雙偏振天氣雷達(dá)能夠較好地反映降水粒子類型，基本符合粒子形狀、大小和相態(tài)分布的特點(diǎn)，但應(yīng)考慮降水相態(tài)粒子處于臨界過渡區(qū)域的轉(zhuǎn)化特點(diǎn)；④威寧多小冰雹主要與垂直風(fēng)切變較弱、對流有效位能CAPE值不穩(wěn)定能量偏低，且中小冰雹在下落過程中逐漸融化變小有關(guān)。
本文選取了2017—2020年威寧縣111個對流單體（35個冰雹云單體和76個雷雨云單體），著重分析了對流單體雷達(dá)回波在垂直指向上的分層結(jié)構(gòu)特征，并結(jié)合雙偏振雷達(dá)觀測分析了對流云單體偏振參量和水凝物相態(tài)分布特征。研究分析結(jié)果表明：①威寧對流單體雷達(dá)回波典型特征量基本一致，對流單體生命史周期約為100 min，最大反射率因子主要位于與0 ℃層高度差±2.0 km的范圍內(nèi)；②當(dāng)對流單體雷達(dá)回波強(qiáng)度從45 dBz發(fā)展到55 dBz以上時，冰雹云具有發(fā)展迅速且持續(xù)時間長的特點(diǎn)，冰雹大小則與強(qiáng)回波在融化層高度以上的擴(kuò)展高度存在一定的對應(yīng)關(guān)系，高度越高、冰雹越大；③X波段雙偏振天氣雷達(dá)能夠較好地反映降水粒子類型，基本符合粒子形狀、大小和相態(tài)分布的特點(diǎn)，但應(yīng)考慮降水相態(tài)粒子處于臨界過渡區(qū)域的轉(zhuǎn)化特點(diǎn)；④威寧多小冰雹主要與垂直風(fēng)切變較弱、對流有效位能CAPE值不穩(wěn)定能量偏低，且中小冰雹在下落過程中逐漸融化變小有關(guān)。
2024, 52(1):104-115.
DOI: 10.19517/j.1671-6345.20220530
摘要:
利用微波輻射計(jì)、激光測風(fēng)雷達(dá)、多普勒雷達(dá)、相控陣?yán)走_(dá)等新型探測資料、地面加密觀測資料、ERA5再分析及多模式數(shù)值預(yù)報(bào)結(jié)果對2022年4月24日西安城區(qū)一次弱降水預(yù)報(bào)出現(xiàn)明顯失誤的原因進(jìn)行分析，結(jié)果表明：①全球數(shù)值預(yù)報(bào)模式和中尺度數(shù)值預(yù)報(bào)模式對本次過程西安城區(qū)均報(bào)有明顯降水，主要原因?yàn)槟Ｊ綄Φ蛯酉鄬穸阮A(yù)報(bào)明顯偏大；②多種新型探測數(shù)據(jù)分析認(rèn)為近地層濕度條件較差及中層的絕對水汽含量低，中層的干暖空氣不利于成云致雨，垂直上升運(yùn)動不強(qiáng)，且由于低層非常干燥，使水滴在下沉過程中蒸發(fā)，從而無法形成雨滴下落，這些原因共同造成西安城區(qū)無降水，低層相對濕度預(yù)報(bào)偏大是造成這次西安城區(qū)降水預(yù)報(bào)失誤的主要原因之一；③造成西安城區(qū)近地層濕度條件差的原因是城市干熱島效應(yīng)和低層干暖平流輸送，且降水云團(tuán)翻越秦嶺后其濕空氣絕熱下沉至城區(qū)后出現(xiàn)增溫降濕，使得城區(qū)形成較為深厚的干層，即使有雨滴在下落過程中也會造成更強(qiáng)的蒸發(fā)，這也是城區(qū)沒有降水的重要原因之一；④預(yù)報(bào)員主觀預(yù)報(bào)訂正出現(xiàn)空報(bào)主要是源于對邊界層水汽、抬升條件等關(guān)鍵降水要素缺乏訂正能力，且對大城市的干熱島效應(yīng)和秦嶺山區(qū)地形影響研究不足。
利用微波輻射計(jì)、激光測風(fēng)雷達(dá)、多普勒雷達(dá)、相控陣?yán)走_(dá)等新型探測資料、地面加密觀測資料、ERA5再分析及多模式數(shù)值預(yù)報(bào)結(jié)果對2022年4月24日西安城區(qū)一次弱降水預(yù)報(bào)出現(xiàn)明顯失誤的原因進(jìn)行分析，結(jié)果表明：①全球數(shù)值預(yù)報(bào)模式和中尺度數(shù)值預(yù)報(bào)模式對本次過程西安城區(qū)均報(bào)有明顯降水，主要原因?yàn)槟Ｊ綄Φ蛯酉鄬穸阮A(yù)報(bào)明顯偏大；②多種新型探測數(shù)據(jù)分析認(rèn)為近地層濕度條件較差及中層的絕對水汽含量低，中層的干暖空氣不利于成云致雨，垂直上升運(yùn)動不強(qiáng)，且由于低層非常干燥，使水滴在下沉過程中蒸發(fā)，從而無法形成雨滴下落，這些原因共同造成西安城區(qū)無降水，低層相對濕度預(yù)報(bào)偏大是造成這次西安城區(qū)降水預(yù)報(bào)失誤的主要原因之一；③造成西安城區(qū)近地層濕度條件差的原因是城市干熱島效應(yīng)和低層干暖平流輸送，且降水云團(tuán)翻越秦嶺后其濕空氣絕熱下沉至城區(qū)后出現(xiàn)增溫降濕，使得城區(qū)形成較為深厚的干層，即使有雨滴在下落過程中也會造成更強(qiáng)的蒸發(fā)，這也是城區(qū)沒有降水的重要原因之一；④預(yù)報(bào)員主觀預(yù)報(bào)訂正出現(xiàn)空報(bào)主要是源于對邊界層水汽、抬升條件等關(guān)鍵降水要素缺乏訂正能力，且對大城市的干熱島效應(yīng)和秦嶺山區(qū)地形影響研究不足。
2024, 52(1):116-123.
DOI: 10.19517/j.1671-6345.20220508
摘要:
利用石家莊17個國家氣象站1972—2021年逐日地面氣溫、0 cm地溫資料，分析了石家莊地-氣溫差的變化特征，結(jié)果表明：①石家莊地-氣溫差從1月開始逐漸增加，5月達(dá)到最大值5.0 ℃，然后開始減小，12月達(dá)到最小值-0.8 ℃；地-氣溫差在11月到次年1月為負(fù)值；春、夏、秋季均為正值，夏季最大，春季大于秋季，冬季以負(fù)值為主；②石家莊多年平均地-氣溫差在1.6~2.6 ℃之間，平均為2.1 ℃；整體上東部大于西部。③近50年石家莊年平均地-氣溫差呈顯著的減小趨勢，變化速率為-0.14 ℃/10a；夏、秋、冬三季的減小趨勢均非常顯著，夏季的減小趨勢最強(qiáng)；石家莊市區(qū)和近郊站點(diǎn)年和四季地-氣溫差的減少趨勢更顯著。本文結(jié)論對科學(xué)認(rèn)識石家莊城市生態(tài)環(huán)境的變化具有參考意義。
利用石家莊17個國家氣象站1972—2021年逐日地面氣溫、0 cm地溫資料，分析了石家莊地-氣溫差的變化特征，結(jié)果表明：①石家莊地-氣溫差從1月開始逐漸增加，5月達(dá)到最大值5.0 ℃，然后開始減小，12月達(dá)到最小值-0.8 ℃；地-氣溫差在11月到次年1月為負(fù)值；春、夏、秋季均為正值，夏季最大，春季大于秋季，冬季以負(fù)值為主；②石家莊多年平均地-氣溫差在1.6~2.6 ℃之間，平均為2.1 ℃；整體上東部大于西部。③近50年石家莊年平均地-氣溫差呈顯著的減小趨勢，變化速率為-0.14 ℃/10a；夏、秋、冬三季的減小趨勢均非常顯著，夏季的減小趨勢最強(qiáng)；石家莊市區(qū)和近郊站點(diǎn)年和四季地-氣溫差的減少趨勢更顯著。本文結(jié)論對科學(xué)認(rèn)識石家莊城市生態(tài)環(huán)境的變化具有參考意義。
2024, 52(1):124-131.
DOI: 10.19517/j.1671-6345.20220424
摘要:
利用2019—2021年廣州市紫外輻射數(shù)據(jù)、常規(guī)氣象觀測數(shù)據(jù)以及環(huán)境空氣質(zhì)量觀測數(shù)據(jù)，對廣州市紫外線輻射強(qiáng)度變化特征及與氣象、環(huán)境因子的相關(guān)性進(jìn)行分析，選擇與廣州市紫外輻射顯著相關(guān)的7種特征因子，采用梯度提升樹（Gradient Boosting Decision Tree,GBDT）算法建立廣州市紫外輻射擬合模型。結(jié)果表明：①廣州市紫外線輻射強(qiáng)度具有明顯的季節(jié)變化和日變化特征，季節(jié)變化表現(xiàn)為夏秋季高、冬春季低的特征。2020、2021年紫外輻射強(qiáng)度的最大值出現(xiàn)在7月，2019年出現(xiàn)在9月。3年紫外線輻射最小值都出現(xiàn)在3月，2020年最小為15.9 W·m-2。日變化呈現(xiàn)出早晚小中午大的特征，于12：00左右達(dá)到日最大值；②與紫外線輻射強(qiáng)度顯著相關(guān)的因子為氣溫、能見度、總云量、相對濕度、太陽高度角、臭氧(O3)濃度、二氧化氮(NO2)濃度；③紫外線輻射模型擬合效果較好，訓(xùn)練集和測試集的決定系數(shù)R2分別為0．93、0．80，對應(yīng)的均方根誤差RMSE為2.7 W·m-2、4.9 W·m-2。模型擬合估算等級正確的為75%，相差1級的占21%，相差2級的比例為4%。
利用2019—2021年廣州市紫外輻射數(shù)據(jù)、常規(guī)氣象觀測數(shù)據(jù)以及環(huán)境空氣質(zhì)量觀測數(shù)據(jù)，對廣州市紫外線輻射強(qiáng)度變化特征及與氣象、環(huán)境因子的相關(guān)性進(jìn)行分析，選擇與廣州市紫外輻射顯著相關(guān)的7種特征因子，采用梯度提升樹（Gradient Boosting Decision Tree,GBDT）算法建立廣州市紫外輻射擬合模型。結(jié)果表明：①廣州市紫外線輻射強(qiáng)度具有明顯的季節(jié)變化和日變化特征，季節(jié)變化表現(xiàn)為夏秋季高、冬春季低的特征。2020、2021年紫外輻射強(qiáng)度的最大值出現(xiàn)在7月，2019年出現(xiàn)在9月。3年紫外線輻射最小值都出現(xiàn)在3月，2020年最小為15.9 W·m-2。日變化呈現(xiàn)出早晚小中午大的特征，于12：00左右達(dá)到日最大值；②與紫外線輻射強(qiáng)度顯著相關(guān)的因子為氣溫、能見度、總云量、相對濕度、太陽高度角、臭氧(O3)濃度、二氧化氮(NO2)濃度；③紫外線輻射模型擬合效果較好，訓(xùn)練集和測試集的決定系數(shù)R2分別為0．93、0．80，對應(yīng)的均方根誤差RMSE為2.7 W·m-2、4.9 W·m-2。模型擬合估算等級正確的為75%，相差1級的占21%，相差2級的比例為4%。
2024, 52(1):132-140.
DOI: 10.19517/j.1671-6345.20230004
摘要:
飛機(jī)積冰是影響飛行安全的重要危險天氣，準(zhǔn)確的積冰診斷對民航運(yùn)行與安全具有重大意義，特別是對國產(chǎn)大飛機(jī)適航取證具有重要作用。本文參考改進(jìn)的CIP（Current Icing Potential）指數(shù)，使用垂直速度和云中液態(tài)水含量對積冰潛勢診斷指數(shù)進(jìn)行優(yōu)化得到SCIP（Simplified Current Icing Potential）指數(shù)，該指數(shù)直接基于大氣層結(jié)資料給出較為準(zhǔn)確地飛機(jī)積冰潛勢，具有命中率高、實(shí)用性強(qiáng)的特點(diǎn)。用2021年2月28日至12月31日民航航空器報(bào)告對原CIP指數(shù)和SCIP指數(shù)進(jìn)行對比驗(yàn)證評估，發(fā)現(xiàn)相比于原CIP指數(shù)，SCIP指數(shù)具有更優(yōu)異的ROC曲線（Receiver Operating Characteristic Curve）和TSS評分（True Skill Score）。但是對于不同程度的積冰，原CIP指數(shù)和SCIP指數(shù)均表現(xiàn)出較一致診斷效果，表明SCIP指數(shù)對診斷飛機(jī)積冰潛勢具有重要作用，但無法判斷積冰強(qiáng)度。根據(jù)2020年3月16日陜西區(qū)域飛機(jī)結(jié)冰個例驗(yàn)證表明增加垂直速度和云中液態(tài)水含量的影響對飛機(jī)積冰的描述更加細(xì)致，對提升積冰潛勢診斷效果具有重要意義。
飛機(jī)積冰是影響飛行安全的重要危險天氣，準(zhǔn)確的積冰診斷對民航運(yùn)行與安全具有重大意義，特別是對國產(chǎn)大飛機(jī)適航取證具有重要作用。本文參考改進(jìn)的CIP（Current Icing Potential）指數(shù)，使用垂直速度和云中液態(tài)水含量對積冰潛勢診斷指數(shù)進(jìn)行優(yōu)化得到SCIP（Simplified Current Icing Potential）指數(shù)，該指數(shù)直接基于大氣層結(jié)資料給出較為準(zhǔn)確地飛機(jī)積冰潛勢，具有命中率高、實(shí)用性強(qiáng)的特點(diǎn)。用2021年2月28日至12月31日民航航空器報(bào)告對原CIP指數(shù)和SCIP指數(shù)進(jìn)行對比驗(yàn)證評估，發(fā)現(xiàn)相比于原CIP指數(shù)，SCIP指數(shù)具有更優(yōu)異的ROC曲線（Receiver Operating Characteristic Curve）和TSS評分（True Skill Score）。但是對于不同程度的積冰，原CIP指數(shù)和SCIP指數(shù)均表現(xiàn)出較一致診斷效果，表明SCIP指數(shù)對診斷飛機(jī)積冰潛勢具有重要作用，但無法判斷積冰強(qiáng)度。根據(jù)2020年3月16日陜西區(qū)域飛機(jī)結(jié)冰個例驗(yàn)證表明增加垂直速度和云中液態(tài)水含量的影響對飛機(jī)積冰的描述更加細(xì)致，對提升積冰潛勢診斷效果具有重要意義。
2024, 52(1):141-150.
DOI: 10.19517/j.1671-6345.20220523
摘要:
選取2018—2021年汛期短時強(qiáng)降水天氣過程，利用相關(guān)性分析、箱線圖法和極值統(tǒng)計(jì)法，嘗試研究FY-4A衛(wèi)星產(chǎn)品在短時強(qiáng)降水天氣過程中的監(jiān)測預(yù)警指標(biāo)。研究表明：①FY-4A衛(wèi)星多通道數(shù)據(jù)可以作為短時強(qiáng)降水監(jiān)測預(yù)警的定量化指標(biāo)予以應(yīng)用。②篩選出相關(guān)性較好的13項(xiàng)產(chǎn)品統(tǒng)計(jì)出短時強(qiáng)降水的監(jiān)測預(yù)警指標(biāo)，其中賦值類指標(biāo)4項(xiàng)，數(shù)值判別類指標(biāo)9項(xiàng)（含輔助指標(biāo)3項(xiàng)）；初步設(shè)定13項(xiàng)指標(biāo)中有9項(xiàng)達(dá)標(biāo)時，短時強(qiáng)降水會發(fā)生。③在評估基礎(chǔ)上完善了指標(biāo)，監(jiān)測預(yù)警效果有所提高，TS評分提高5.4%，空報(bào)率降低2.7%，漏報(bào)率降低1.9%。
選取2018—2021年汛期短時強(qiáng)降水天氣過程，利用相關(guān)性分析、箱線圖法和極值統(tǒng)計(jì)法，嘗試研究FY-4A衛(wèi)星產(chǎn)品在短時強(qiáng)降水天氣過程中的監(jiān)測預(yù)警指標(biāo)。研究表明：①FY-4A衛(wèi)星多通道數(shù)據(jù)可以作為短時強(qiáng)降水監(jiān)測預(yù)警的定量化指標(biāo)予以應(yīng)用。②篩選出相關(guān)性較好的13項(xiàng)產(chǎn)品統(tǒng)計(jì)出短時強(qiáng)降水的監(jiān)測預(yù)警指標(biāo)，其中賦值類指標(biāo)4項(xiàng)，數(shù)值判別類指標(biāo)9項(xiàng)（含輔助指標(biāo)3項(xiàng)）；初步設(shè)定13項(xiàng)指標(biāo)中有9項(xiàng)達(dá)標(biāo)時，短時強(qiáng)降水會發(fā)生。③在評估基礎(chǔ)上完善了指標(biāo)，監(jiān)測預(yù)警效果有所提高，TS評分提高5.4%，空報(bào)率降低2.7%，漏報(bào)率降低1.9%。
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