2024年第52卷第6期文章目次
2024, 52(6):763-774.
DOI: 10.19517/j.1671-6345.20240095
摘要:
風(fēng)云四號氣象衛(wèi)星B星（FY-4B）作為風(fēng)云四號系列衛(wèi)星的首發(fā)業(yè)務(wù)星，其搭載的先進(jìn)的靜止軌道輻射成像儀(Advanced Geostationary Radiation Imager，AGRI）是FY-4B核心載荷之一，目前FY-4B/AGRI采用非線性海表溫度算法（NonLinear Sea Surface Temperature，NLSST）進(jìn)行海表溫度產(chǎn)品反演處理。為去除FY-4B/AGRI海表溫度產(chǎn)品中出現(xiàn)的條紋噪聲，將雙譜濾波算法應(yīng)用于NLSST算法中的紅外分裂窗通道亮溫差數(shù)據(jù)進(jìn)行濾波。雙譜濾波算法采用的核函數(shù)基于輻射傳輸物理過程，可去除海表溫度產(chǎn)品中存在的條紋噪聲和隨機(jī)噪聲，且不會降低產(chǎn)品的空間分辨率。以現(xiàn)場實(shí)測海表溫度數(shù)據(jù)為參考海溫，對FY-4B/AGRI分裂窗亮溫差去條紋后的海表溫度產(chǎn)品進(jìn)行檢驗(yàn)，時空匹配窗口選擇時間30 min、空間距離4 km。評估表明：雙譜濾波算法可以有效抑制條紋噪聲，提高海表溫度產(chǎn)品圖像可視化質(zhì)量，改善海表溫度產(chǎn)品的精度。
風(fēng)云四號氣象衛(wèi)星B星（FY-4B）作為風(fēng)云四號系列衛(wèi)星的首發(fā)業(yè)務(wù)星，其搭載的先進(jìn)的靜止軌道輻射成像儀(Advanced Geostationary Radiation Imager，AGRI）是FY-4B核心載荷之一，目前FY-4B/AGRI采用非線性海表溫度算法（NonLinear Sea Surface Temperature，NLSST）進(jìn)行海表溫度產(chǎn)品反演處理。為去除FY-4B/AGRI海表溫度產(chǎn)品中出現(xiàn)的條紋噪聲，將雙譜濾波算法應(yīng)用于NLSST算法中的紅外分裂窗通道亮溫差數(shù)據(jù)進(jìn)行濾波。雙譜濾波算法采用的核函數(shù)基于輻射傳輸物理過程，可去除海表溫度產(chǎn)品中存在的條紋噪聲和隨機(jī)噪聲，且不會降低產(chǎn)品的空間分辨率。以現(xiàn)場實(shí)測海表溫度數(shù)據(jù)為參考海溫，對FY-4B/AGRI分裂窗亮溫差去條紋后的海表溫度產(chǎn)品進(jìn)行檢驗(yàn)，時空匹配窗口選擇時間30 min、空間距離4 km。評估表明：雙譜濾波算法可以有效抑制條紋噪聲，提高海表溫度產(chǎn)品圖像可視化質(zhì)量，改善海表溫度產(chǎn)品的精度。
2024, 52(6):775-786.
DOI: 10.19517/j.1671-6345.20240030
摘要:
為實(shí)現(xiàn)像素級雷暴活動范圍識別，開展氣象靜止衛(wèi)星影像分割研究。以貴州省及周邊區(qū)域風(fēng)云靜止衛(wèi)星水汽、長波紅外通道（6.25～13.5.5 μm）輻射數(shù)據(jù)為特征，融合地面甚低頻/低頻（VLF/LF）閃電監(jiān)測和星載閃電成像儀（LMI）數(shù)據(jù)構(gòu)建標(biāo)簽數(shù)據(jù)。通過改進(jìn) DeepLabv3+語義分割網(wǎng)絡(luò)并增加訓(xùn)練策略，對靜止衛(wèi)星影像進(jìn)行雷暴范圍識別。結(jié)果表明，數(shù)據(jù)增強(qiáng)、主動學(xué)習(xí)的自適應(yīng)采樣、Combo Loss組合損失、Ranger21優(yōu)化器等訓(xùn)練策略可降低小樣本訓(xùn)練對網(wǎng)絡(luò)性能的影響，解決數(shù)據(jù)不平衡問題；骨干網(wǎng)絡(luò)提取特征采用MobilenetV2運(yùn)行速度最快，ResNet_101分割性能最好；引入卷積注意力機(jī)制模塊可提升模型分割精度和特征提取能力。改進(jìn)后的 DeepLabv3 + 模型在測試數(shù)據(jù)集上像素平均準(zhǔn)確率為 96.82%，平均交并比 MIoU 為 76.93%，性能優(yōu)于SegNet、UNet、FCN等其他模型。該研究通過挖掘衛(wèi)星影像中的雷暴特征信息，提高了對雷暴活動的識別精度，可為下一步引入循環(huán)神經(jīng)網(wǎng)絡(luò)開展雷暴活動預(yù)測奠定基礎(chǔ)。
為實(shí)現(xiàn)像素級雷暴活動范圍識別，開展氣象靜止衛(wèi)星影像分割研究。以貴州省及周邊區(qū)域風(fēng)云靜止衛(wèi)星水汽、長波紅外通道（6.25～13.5.5 μm）輻射數(shù)據(jù)為特征，融合地面甚低頻/低頻（VLF/LF）閃電監(jiān)測和星載閃電成像儀（LMI）數(shù)據(jù)構(gòu)建標(biāo)簽數(shù)據(jù)。通過改進(jìn) DeepLabv3+語義分割網(wǎng)絡(luò)并增加訓(xùn)練策略，對靜止衛(wèi)星影像進(jìn)行雷暴范圍識別。結(jié)果表明，數(shù)據(jù)增強(qiáng)、主動學(xué)習(xí)的自適應(yīng)采樣、Combo Loss組合損失、Ranger21優(yōu)化器等訓(xùn)練策略可降低小樣本訓(xùn)練對網(wǎng)絡(luò)性能的影響，解決數(shù)據(jù)不平衡問題；骨干網(wǎng)絡(luò)提取特征采用MobilenetV2運(yùn)行速度最快，ResNet_101分割性能最好；引入卷積注意力機(jī)制模塊可提升模型分割精度和特征提取能力。改進(jìn)后的 DeepLabv3 + 模型在測試數(shù)據(jù)集上像素平均準(zhǔn)確率為 96.82%，平均交并比 MIoU 為 76.93%，性能優(yōu)于SegNet、UNet、FCN等其他模型。該研究通過挖掘衛(wèi)星影像中的雷暴特征信息，提高了對雷暴活動的識別精度，可為下一步引入循環(huán)神經(jīng)網(wǎng)絡(luò)開展雷暴活動預(yù)測奠定基礎(chǔ)。
2024, 52(6):787-796.
DOI: 10.19517/j.1671-6345.20230364
摘要:
本文分析了一次雨雪轉(zhuǎn)換天氣中DSG5降水天氣現(xiàn)象儀形成的各級數(shù)據(jù)間的關(guān)系及其對天氣現(xiàn)象的判識過程，研究了降水粒子譜及氣溫、地面溫度和草面溫度等氣象要素的變化特征，利用ECMWF模式和雙偏振多普勒雷達(dá)資料探討了雨雪轉(zhuǎn)換的天氣背景及不同相態(tài)降水粒子的空間分布。主要結(jié)論如下：降水過程中，隨著回流冷空氣的增強(qiáng)，近地面冷氣層變厚變冷，其上的暖氣層逐漸變薄直至消失，測站先后經(jīng)歷了雨滴、雨滴加冰粒和冰粒加雪花3個主要的降水階段。測站上空降水粒子相態(tài)的變化在雙偏振多普勒雷達(dá)相關(guān)系數(shù)的空間分布上有明確的反映。在由雨轉(zhuǎn)雪的過程中，地面降水粒子的尺度譜明顯變寬，速度譜明顯收窄；總體上DSG5的判識結(jié)果與雙偏振多普勒雷達(dá)和其他觀測資料的分析結(jié)果相吻合。DSG5判斷的降水開始時間比實(shí)際降水滯后了5 min，降水結(jié)束時間提前了6 min，判斷的過程總降水時長偏短。可以利用降水過程和雷達(dá)回波的連續(xù)性對DSG5的判識結(jié)果進(jìn)行優(yōu)化。
本文分析了一次雨雪轉(zhuǎn)換天氣中DSG5降水天氣現(xiàn)象儀形成的各級數(shù)據(jù)間的關(guān)系及其對天氣現(xiàn)象的判識過程，研究了降水粒子譜及氣溫、地面溫度和草面溫度等氣象要素的變化特征，利用ECMWF模式和雙偏振多普勒雷達(dá)資料探討了雨雪轉(zhuǎn)換的天氣背景及不同相態(tài)降水粒子的空間分布。主要結(jié)論如下：降水過程中，隨著回流冷空氣的增強(qiáng)，近地面冷氣層變厚變冷，其上的暖氣層逐漸變薄直至消失，測站先后經(jīng)歷了雨滴、雨滴加冰粒和冰粒加雪花3個主要的降水階段。測站上空降水粒子相態(tài)的變化在雙偏振多普勒雷達(dá)相關(guān)系數(shù)的空間分布上有明確的反映。在由雨轉(zhuǎn)雪的過程中，地面降水粒子的尺度譜明顯變寬，速度譜明顯收窄；總體上DSG5的判識結(jié)果與雙偏振多普勒雷達(dá)和其他觀測資料的分析結(jié)果相吻合。DSG5判斷的降水開始時間比實(shí)際降水滯后了5 min，降水結(jié)束時間提前了6 min，判斷的過程總降水時長偏短。可以利用降水過程和雷達(dá)回波的連續(xù)性對DSG5的判識結(jié)果進(jìn)行優(yōu)化。
2024, 52(6):797-806.
DOI: 10.19517/j.1671-6345.20230430
摘要:
隨著數(shù)值模式時空分辨率的提升，數(shù)據(jù)量急劇增加，長序列數(shù)據(jù)很難直接通過文件拷貝或者網(wǎng)絡(luò)傳輸方式為用戶提供數(shù)據(jù)服務(wù)。為此，筆者設(shè)計實(shí)現(xiàn)了一種分布式管理平臺，該平臺根據(jù)用戶定制的數(shù)據(jù)需求，運(yùn)用預(yù)報要素、空間范圍、時間尺度等約束條件，抽取或根據(jù)區(qū)域參數(shù)裁剪指定氣象要素，生成精簡數(shù)據(jù)進(jìn)行用戶服務(wù)。該平臺集成了搜索引擎、格點(diǎn)數(shù)據(jù)解碼、內(nèi)存數(shù)據(jù)庫技術(shù)以及分布式框架，實(shí)現(xiàn)跨操作系統(tǒng)的統(tǒng)一接口調(diào)用和數(shù)據(jù)快速獲取，有效解決用戶訪問長時間序列歷史資料的難題。實(shí)驗(yàn)測試顯示，該平臺在格點(diǎn)數(shù)據(jù)管理規(guī)模和訪問效率方面均表現(xiàn)出色。特別是在北京2022年冬季奧運(yùn)會和冬殘奧會氣象保障服務(wù)中，該平臺發(fā)揮了重要作用，展現(xiàn)了其實(shí)際應(yīng)用的價值和潛力。
隨著數(shù)值模式時空分辨率的提升，數(shù)據(jù)量急劇增加，長序列數(shù)據(jù)很難直接通過文件拷貝或者網(wǎng)絡(luò)傳輸方式為用戶提供數(shù)據(jù)服務(wù)。為此，筆者設(shè)計實(shí)現(xiàn)了一種分布式管理平臺，該平臺根據(jù)用戶定制的數(shù)據(jù)需求，運(yùn)用預(yù)報要素、空間范圍、時間尺度等約束條件，抽取或根據(jù)區(qū)域參數(shù)裁剪指定氣象要素，生成精簡數(shù)據(jù)進(jìn)行用戶服務(wù)。該平臺集成了搜索引擎、格點(diǎn)數(shù)據(jù)解碼、內(nèi)存數(shù)據(jù)庫技術(shù)以及分布式框架，實(shí)現(xiàn)跨操作系統(tǒng)的統(tǒng)一接口調(diào)用和數(shù)據(jù)快速獲取，有效解決用戶訪問長時間序列歷史資料的難題。實(shí)驗(yàn)測試顯示，該平臺在格點(diǎn)數(shù)據(jù)管理規(guī)模和訪問效率方面均表現(xiàn)出色。特別是在北京2022年冬季奧運(yùn)會和冬殘奧會氣象保障服務(wù)中，該平臺發(fā)揮了重要作用，展現(xiàn)了其實(shí)際應(yīng)用的價值和潛力。
2024, 52(6):807-815.
DOI: 10.19517/j.1671-6345.20240021
摘要:
為實(shí)現(xiàn)多種臨近預(yù)報外推方法的有效融合，提升臨近外推的準(zhǔn)確性。本文提出了一種將光流法（Optical Flow， OF）與深度學(xué)習(xí)（Deep Learning， DL）滾動融合的雷達(dá)組合反射率（Composite Reflectivity,CR）外推方法（Rolling Fusion Neural Network， RFNet），以提升臨近預(yù)報的準(zhǔn)確性。RFNet采用兩層卷積神經(jīng)網(wǎng)絡(luò)，并通過粒子群算法（Particle Swarm Optimization， PSO）優(yōu)化網(wǎng)絡(luò)參數(shù)，解決CR強(qiáng)度不平衡問題。RFNet在訓(xùn)練中使用OF和DL外推的10個時次CR預(yù)測未來10個時次的CR，訓(xùn)練后的RFNet作為下一次訓(xùn)練的預(yù)訓(xùn)練模型，以提升訓(xùn)練效率。結(jié)果表明，RFNet有效緩解了DL的強(qiáng)度衰減和回波結(jié)構(gòu)模糊問題。在20和30 dBz閾值處，DL和RFNet外推效果相近，均優(yōu)于OF。在40 dBz閾值處，0～30 min內(nèi)DL效果最好，30 min后RFNet表現(xiàn)最佳。在50 dBz閾值處，RFNet在42 min內(nèi)顯著優(yōu)于DL和OF。RFNet在40 dBz以上的外推效果隨CREF強(qiáng)度增大而提升。
為實(shí)現(xiàn)多種臨近預(yù)報外推方法的有效融合，提升臨近外推的準(zhǔn)確性。本文提出了一種將光流法（Optical Flow， OF）與深度學(xué)習(xí)（Deep Learning， DL）滾動融合的雷達(dá)組合反射率（Composite Reflectivity,CR）外推方法（Rolling Fusion Neural Network， RFNet），以提升臨近預(yù)報的準(zhǔn)確性。RFNet采用兩層卷積神經(jīng)網(wǎng)絡(luò)，并通過粒子群算法（Particle Swarm Optimization， PSO）優(yōu)化網(wǎng)絡(luò)參數(shù)，解決CR強(qiáng)度不平衡問題。RFNet在訓(xùn)練中使用OF和DL外推的10個時次CR預(yù)測未來10個時次的CR，訓(xùn)練后的RFNet作為下一次訓(xùn)練的預(yù)訓(xùn)練模型，以提升訓(xùn)練效率。結(jié)果表明，RFNet有效緩解了DL的強(qiáng)度衰減和回波結(jié)構(gòu)模糊問題。在20和30 dBz閾值處，DL和RFNet外推效果相近，均優(yōu)于OF。在40 dBz閾值處，0～30 min內(nèi)DL效果最好，30 min后RFNet表現(xiàn)最佳。在50 dBz閾值處，RFNet在42 min內(nèi)顯著優(yōu)于DL和OF。RFNet在40 dBz以上的外推效果隨CREF強(qiáng)度增大而提升。
2024, 52(6):816-829.
DOI: 10.19517/j.1671-6345.20230431
摘要:
利用2013—2021年間山東省氣象觀測站的逐時極大風(fēng)速、MICAPS資料、雷達(dá)風(fēng)廓線、華北雷達(dá)拼圖、閃電定位以及NCEP再分析等資料，將冷渦背景下山東極端雷暴大風(fēng)的天氣類型分為低槽型、西北氣流型、橫槽型、高空冷渦型、副高邊緣型和暖切變線型6大類，并對冷渦背景下山東產(chǎn)生極端雷暴大風(fēng)的預(yù)報著眼點(diǎn)進(jìn)行分析。結(jié)果表明：①產(chǎn)生極端雷暴大風(fēng)的雷暴形態(tài)有弓形、多單體風(fēng)暴、颮線、超級單體和普通雷暴單體，其中以弓形和多單體風(fēng)暴居多。②弓形回波的中部前沿出現(xiàn)極端雷暴大風(fēng)概率較大。多單體風(fēng)暴移向的右前方、颮線前沿和超級單體移動方向的右前方也是出現(xiàn)極端雷暴大風(fēng)的關(guān)鍵區(qū)。③極端雷暴大風(fēng)發(fā)生時，回波頂高一般在15 km以上，且極端雷暴大風(fēng)出現(xiàn)在回波頂高大值中心移動方向的前或右前側(cè)。④當(dāng)?shù)孛嫔铣霈F(xiàn)2.5 hPa以上的小時增壓、相對于周邊環(huán)境大氣較低的冷池中心、對流層中下層環(huán)境風(fēng)場明顯增強(qiáng)時，就要結(jié)合風(fēng)暴移動方向，提前研判風(fēng)暴移動方向的前方，尤其是右前方，是否有發(fā)生極端強(qiáng)雷暴大風(fēng)的可能。
利用2013—2021年間山東省氣象觀測站的逐時極大風(fēng)速、MICAPS資料、雷達(dá)風(fēng)廓線、華北雷達(dá)拼圖、閃電定位以及NCEP再分析等資料，將冷渦背景下山東極端雷暴大風(fēng)的天氣類型分為低槽型、西北氣流型、橫槽型、高空冷渦型、副高邊緣型和暖切變線型6大類，并對冷渦背景下山東產(chǎn)生極端雷暴大風(fēng)的預(yù)報著眼點(diǎn)進(jìn)行分析。結(jié)果表明：①產(chǎn)生極端雷暴大風(fēng)的雷暴形態(tài)有弓形、多單體風(fēng)暴、颮線、超級單體和普通雷暴單體，其中以弓形和多單體風(fēng)暴居多。②弓形回波的中部前沿出現(xiàn)極端雷暴大風(fēng)概率較大。多單體風(fēng)暴移向的右前方、颮線前沿和超級單體移動方向的右前方也是出現(xiàn)極端雷暴大風(fēng)的關(guān)鍵區(qū)。③極端雷暴大風(fēng)發(fā)生時，回波頂高一般在15 km以上，且極端雷暴大風(fēng)出現(xiàn)在回波頂高大值中心移動方向的前或右前側(cè)。④當(dāng)?shù)孛嫔铣霈F(xiàn)2.5 hPa以上的小時增壓、相對于周邊環(huán)境大氣較低的冷池中心、對流層中下層環(huán)境風(fēng)場明顯增強(qiáng)時，就要結(jié)合風(fēng)暴移動方向，提前研判風(fēng)暴移動方向的前方，尤其是右前方，是否有發(fā)生極端強(qiáng)雷暴大風(fēng)的可能。
2024, 52(6):830-840.
DOI: 10.19517/j.1671-6345.20230368
摘要:
本文利用地面逐小時氣象觀測資料、高空觀測資料、多普勒雷達(dá)產(chǎn)品和FY-2H衛(wèi)星的云頂黑體亮溫（Black Body Temperature，TBB）資料，分析了2022年4月11日四川盆地一次極端大風(fēng)天氣過程的形成原因和演變特征，得到如下結(jié)論：①此次極端大風(fēng)天氣過程因干冷空氣進(jìn)入盆地而觸發(fā)，地面輻合線的強(qiáng)迫抬升作用加強(qiáng)了此次風(fēng)暴天氣；②過程中劇烈天氣多發(fā)生于中尺度對流系統(tǒng)合并加強(qiáng)時期，且位于對流云團(tuán)前側(cè)TBB梯度大值區(qū)以及TBB低值中心附近；③颮線過境時強(qiáng)的冷池作用，颮鋒前后變壓梯度強(qiáng)、密度流強(qiáng)，是導(dǎo)致地面極端大風(fēng)的重要原因；④風(fēng)暴前側(cè)入流、后側(cè)入流和強(qiáng)的中層徑向輻合為極端大風(fēng)的出現(xiàn)提供了有利配置；而強(qiáng)反射率因子核和垂直液態(tài)含水量大值區(qū)的迅速下降意味著系統(tǒng)內(nèi)部劇烈降溫而產(chǎn)生了濕下?lián)舯┝鳎觿〈箫L(fēng)強(qiáng)度。
本文利用地面逐小時氣象觀測資料、高空觀測資料、多普勒雷達(dá)產(chǎn)品和FY-2H衛(wèi)星的云頂黑體亮溫（Black Body Temperature，TBB）資料，分析了2022年4月11日四川盆地一次極端大風(fēng)天氣過程的形成原因和演變特征，得到如下結(jié)論：①此次極端大風(fēng)天氣過程因干冷空氣進(jìn)入盆地而觸發(fā)，地面輻合線的強(qiáng)迫抬升作用加強(qiáng)了此次風(fēng)暴天氣；②過程中劇烈天氣多發(fā)生于中尺度對流系統(tǒng)合并加強(qiáng)時期，且位于對流云團(tuán)前側(cè)TBB梯度大值區(qū)以及TBB低值中心附近；③颮線過境時強(qiáng)的冷池作用，颮鋒前后變壓梯度強(qiáng)、密度流強(qiáng)，是導(dǎo)致地面極端大風(fēng)的重要原因；④風(fēng)暴前側(cè)入流、后側(cè)入流和強(qiáng)的中層徑向輻合為極端大風(fēng)的出現(xiàn)提供了有利配置；而強(qiáng)反射率因子核和垂直液態(tài)含水量大值區(qū)的迅速下降意味著系統(tǒng)內(nèi)部劇烈降溫而產(chǎn)生了濕下?lián)舯┝鳎觿〈箫L(fēng)強(qiáng)度。
2024, 52(6):841-849.
DOI: 10.19517/j.1671-6345.20230332
摘要:
為了充分發(fā)揮目前密集的全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)測站的作用，本文建立了一套準(zhǔn)實(shí)時的GNSS對流層總延遲（Zenith Total Delay, ZTD）和水平梯度（Horizontal Gradients，HG）解算系統(tǒng)，并基于中國氣象局的格網(wǎng)降水產(chǎn)品和ERA5再分析資料對廣州“5·7”暴雨下ZTD和HG的演變特征進(jìn)行研究。結(jié)果表明：ZTD和HG的時序變化能夠反映出降水的前兆信息，而HG的矢量性則在一定程度上揭示降雨的相關(guān)特征。ZTD和HG的時空特征對暴雨的短臨預(yù)報具有一定指示作用，可作為對暴雨短臨預(yù)報的輔助手段。
為了充分發(fā)揮目前密集的全球?qū)Ш叫l(wèi)星系統(tǒng)(Global Navigation Satellite System，GNSS)測站的作用，本文建立了一套準(zhǔn)實(shí)時的GNSS對流層總延遲（Zenith Total Delay, ZTD）和水平梯度（Horizontal Gradients，HG）解算系統(tǒng)，并基于中國氣象局的格網(wǎng)降水產(chǎn)品和ERA5再分析資料對廣州“5·7”暴雨下ZTD和HG的演變特征進(jìn)行研究。結(jié)果表明：ZTD和HG的時序變化能夠反映出降水的前兆信息，而HG的矢量性則在一定程度上揭示降雨的相關(guān)特征。ZTD和HG的時空特征對暴雨的短臨預(yù)報具有一定指示作用，可作為對暴雨短臨預(yù)報的輔助手段。
2024, 52(6):850-857.
DOI: 10.19517/j.1671-6345.20230424
摘要:
利用青海湖風(fēng)云衛(wèi)星“湖-海”協(xié)同觀測試驗(yàn)的漂流觀測儀數(shù)據(jù)，分析青海湖水溫與氣溫的變化特征及相關(guān)性，并結(jié)合青海湖周邊自動氣象站資料，分析湖陸氣溫變化特征的差異。研究結(jié)果表明：青海湖水溫與氣溫存在一定的相關(guān)性，其分鐘值的相關(guān)系數(shù)為0.71，日均值的相關(guān)系數(shù)為0.73，水溫與氣溫日變化均呈單峰型，升降階段基本相同，但水溫日變化的幅度明顯小于氣溫，且下降時間要早于氣溫；青海湖湖面氣溫與陸面氣溫同樣存在著相關(guān)性，二者的發(fā)展變化趨勢是一致的，但日變化存在一定的錯峰現(xiàn)象，陸面氣溫的峰值是提前的，而谷值是滯后的。
利用青海湖風(fēng)云衛(wèi)星“湖-海”協(xié)同觀測試驗(yàn)的漂流觀測儀數(shù)據(jù)，分析青海湖水溫與氣溫的變化特征及相關(guān)性，并結(jié)合青海湖周邊自動氣象站資料，分析湖陸氣溫變化特征的差異。研究結(jié)果表明：青海湖水溫與氣溫存在一定的相關(guān)性，其分鐘值的相關(guān)系數(shù)為0.71，日均值的相關(guān)系數(shù)為0.73，水溫與氣溫日變化均呈單峰型，升降階段基本相同，但水溫日變化的幅度明顯小于氣溫，且下降時間要早于氣溫；青海湖湖面氣溫與陸面氣溫同樣存在著相關(guān)性，二者的發(fā)展變化趨勢是一致的，但日變化存在一定的錯峰現(xiàn)象，陸面氣溫的峰值是提前的，而谷值是滯后的。
2024, 52(6):858-868.
DOI: 10.19517/j.1671-6345.20230404
摘要:
本文利用2010—2019年中國ADTD（Advanced TOA and Direction system）型閃電定位儀閃電監(jiān)測數(shù)據(jù)和NCEP（National Centers for Environmental Prediction）再分析資料，在分析閃電活動特征的基礎(chǔ)上，結(jié)合TS評分、預(yù)報偏差等天氣學(xué)檢驗(yàn)指標(biāo)，研究中國及不同區(qū)域閃電的環(huán)境條件物理量特征。閃電活動特征顯示，閃電分布呈“南多北少”的形勢，華南閃電密度最大，其次為江南東部和西南地區(qū)東部；在頻數(shù)年變化上，除6月為華南閃電高發(fā)月外，全國及大部分地區(qū)8月閃電最多；日變化上，午后地閃電活動最為集中，16：00為峰值。環(huán)境條件分析表明，從全國來看，熱力相關(guān)物理量對閃電發(fā)生指示意義最好，其次為水汽物理量，動力相關(guān)表征量的指示作用不明顯。其中，K指數(shù)為全國范圍的最佳指數(shù)，其最優(yōu)閾值為37 ℃，同時發(fā)現(xiàn)低層水汽條件較好的區(qū)域?qū)τ贙指數(shù)敏感性更高，其閾值也相對較高，比如華北、長江流域、華南地區(qū)。而對于中高緯度區(qū)域，大氣層結(jié)不穩(wěn)定對于閃電發(fā)生更敏感，因此最優(yōu)抬升指數(shù)和抬升指數(shù)等指數(shù)的表現(xiàn)更好。水汽條件為閃電發(fā)生的必要因素，但水汽條件對閃電的指示意義不可單獨(dú)用作閃電預(yù)報的依據(jù)，應(yīng)結(jié)合大氣環(huán)流和其他環(huán)境場特征來確定。相關(guān)結(jié)果為認(rèn)識和預(yù)報全國和不同地區(qū)的閃電活動提供了客觀參考。
本文利用2010—2019年中國ADTD（Advanced TOA and Direction system）型閃電定位儀閃電監(jiān)測數(shù)據(jù)和NCEP（National Centers for Environmental Prediction）再分析資料，在分析閃電活動特征的基礎(chǔ)上，結(jié)合TS評分、預(yù)報偏差等天氣學(xué)檢驗(yàn)指標(biāo)，研究中國及不同區(qū)域閃電的環(huán)境條件物理量特征。閃電活動特征顯示，閃電分布呈“南多北少”的形勢，華南閃電密度最大，其次為江南東部和西南地區(qū)東部；在頻數(shù)年變化上，除6月為華南閃電高發(fā)月外，全國及大部分地區(qū)8月閃電最多；日變化上，午后地閃電活動最為集中，16：00為峰值。環(huán)境條件分析表明，從全國來看，熱力相關(guān)物理量對閃電發(fā)生指示意義最好，其次為水汽物理量，動力相關(guān)表征量的指示作用不明顯。其中，K指數(shù)為全國范圍的最佳指數(shù)，其最優(yōu)閾值為37 ℃，同時發(fā)現(xiàn)低層水汽條件較好的區(qū)域?qū)τ贙指數(shù)敏感性更高，其閾值也相對較高，比如華北、長江流域、華南地區(qū)。而對于中高緯度區(qū)域，大氣層結(jié)不穩(wěn)定對于閃電發(fā)生更敏感，因此最優(yōu)抬升指數(shù)和抬升指數(shù)等指數(shù)的表現(xiàn)更好。水汽條件為閃電發(fā)生的必要因素，但水汽條件對閃電的指示意義不可單獨(dú)用作閃電預(yù)報的依據(jù)，應(yīng)結(jié)合大氣環(huán)流和其他環(huán)境場特征來確定。相關(guān)結(jié)果為認(rèn)識和預(yù)報全國和不同地區(qū)的閃電活動提供了客觀參考。
2024, 52(6):869-878.
DOI: 10.19517/j.1671-6345.20230370
摘要:
基于2004—2021年125個中國臺風(fēng)災(zāi)情資料以及地面氣象站風(fēng)雨觀測數(shù)據(jù)和社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)，綜合考慮致災(zāi)因子、承災(zāi)體和防災(zāi)減災(zāi)能力構(gòu)建臺風(fēng)災(zāi)害直接經(jīng)濟(jì)損失評估模型，并在此基礎(chǔ)上定量化研究影響中國臺風(fēng)災(zāi)害直接經(jīng)濟(jì)損失的主導(dǎo)因子。結(jié)果表明：在2004—2021年期間，中國臺風(fēng)定基直接經(jīng)濟(jì)損失和臺風(fēng)風(fēng)雨強(qiáng)度均呈現(xiàn)下降趨勢。以2012年（臺風(fēng)路徑集合預(yù)報實(shí)時訂正技術(shù)啟用年）為界，臺風(fēng)大風(fēng)指數(shù)是2004—2011年期間對臺風(fēng)災(zāi)害經(jīng)濟(jì)損失貢獻(xiàn)量最大的影響因子，但在2012年之后，卻是貢獻(xiàn)量最小的因子；臺風(fēng)降雨指數(shù)、地區(qū)GDP(Gross Domestic Product)總和、臺風(fēng)強(qiáng)度預(yù)報誤差和排水管道密度因子對臺風(fēng)災(zāi)害經(jīng)濟(jì)損失的貢獻(xiàn)在2012年之后均明顯增加，并且臺風(fēng)強(qiáng)度預(yù)報誤差的降低和排水管道密度的顯著增加是2012—2021年期間臺風(fēng)災(zāi)害經(jīng)濟(jì)損失下降的主導(dǎo)要素。本研究發(fā)現(xiàn)我國臺風(fēng)災(zāi)害經(jīng)濟(jì)損失的主導(dǎo)影響因子在不同研究時段內(nèi)存在差異，提高臺風(fēng)強(qiáng)度預(yù)報水平和改善排水設(shè)施等防災(zāi)減災(zāi)能力可有效降低臺風(fēng)災(zāi)害經(jīng)濟(jì)損失。
基于2004—2021年125個中國臺風(fēng)災(zāi)情資料以及地面氣象站風(fēng)雨觀測數(shù)據(jù)和社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)，綜合考慮致災(zāi)因子、承災(zāi)體和防災(zāi)減災(zāi)能力構(gòu)建臺風(fēng)災(zāi)害直接經(jīng)濟(jì)損失評估模型，并在此基礎(chǔ)上定量化研究影響中國臺風(fēng)災(zāi)害直接經(jīng)濟(jì)損失的主導(dǎo)因子。結(jié)果表明：在2004—2021年期間，中國臺風(fēng)定基直接經(jīng)濟(jì)損失和臺風(fēng)風(fēng)雨強(qiáng)度均呈現(xiàn)下降趨勢。以2012年（臺風(fēng)路徑集合預(yù)報實(shí)時訂正技術(shù)啟用年）為界，臺風(fēng)大風(fēng)指數(shù)是2004—2011年期間對臺風(fēng)災(zāi)害經(jīng)濟(jì)損失貢獻(xiàn)量最大的影響因子，但在2012年之后，卻是貢獻(xiàn)量最小的因子；臺風(fēng)降雨指數(shù)、地區(qū)GDP(Gross Domestic Product)總和、臺風(fēng)強(qiáng)度預(yù)報誤差和排水管道密度因子對臺風(fēng)災(zāi)害經(jīng)濟(jì)損失的貢獻(xiàn)在2012年之后均明顯增加，并且臺風(fēng)強(qiáng)度預(yù)報誤差的降低和排水管道密度的顯著增加是2012—2021年期間臺風(fēng)災(zāi)害經(jīng)濟(jì)損失下降的主導(dǎo)要素。本研究發(fā)現(xiàn)我國臺風(fēng)災(zāi)害經(jīng)濟(jì)損失的主導(dǎo)影響因子在不同研究時段內(nèi)存在差異，提高臺風(fēng)強(qiáng)度預(yù)報水平和改善排水設(shè)施等防災(zāi)減災(zāi)能力可有效降低臺風(fēng)災(zāi)害經(jīng)濟(jì)損失。
2024, 52(6):879-889.
DOI: 10.19517/j.1671-6345.20230282
摘要:
在全球氣候變暖和城市化發(fā)展的雙重影響下，城市極端降雨事件頻發(fā)。利用數(shù)字高程模型數(shù)據(jù)、土地利用數(shù)據(jù)、遙感影像數(shù)據(jù)、興趣點(diǎn)POI數(shù)據(jù)、實(shí)測降水?dāng)?shù)據(jù)，構(gòu)建江蘇省鹽城市建湖高新區(qū)的一二維水動力-管網(wǎng)耦合內(nèi)澇模型，其中一維水動力圖層包括河道中心線、河道斷面、流量邊界、開邊界，共設(shè)置68個河道斷面，平均斷面間隔為260 m；通過網(wǎng)格化剖分，將地表高程數(shù)據(jù)賦值網(wǎng)格節(jié)點(diǎn)，搭建網(wǎng)格化二維地形模型，實(shí)現(xiàn)積澇狀況可視化數(shù)值模擬。以兩場實(shí)測降雨過程對模型進(jìn)行檢驗(yàn)，在此基礎(chǔ)上,分別模擬5年、10年、20年、30年、50年和100年重現(xiàn)期降雨量下的內(nèi)澇地表積水深度和空間分布特點(diǎn)，以特別嚴(yán)重內(nèi)澇、嚴(yán)重內(nèi)澇、中度內(nèi)澇、一般性內(nèi)澇進(jìn)行分級，繪制積澇等級分布圖，結(jié)果表明：不同重現(xiàn)期下，高新區(qū)水深主要分布在0.1～0.25 m，占總內(nèi)澇風(fēng)險面積50%左右。100年一遇情景下，商務(wù)住宅受暴雨積澇影響最為嚴(yán)重，受影響占比38.4%；交通設(shè)施、醫(yī)療保健類公共設(shè)施次之，受影響占比28.5%；科教文化、公司企業(yè)類公共設(shè)施受影響較小，分別為14.2%和19.8%。評估結(jié)果能夠?yàn)楦咝麻_發(fā)區(qū)建設(shè)與洪澇防治規(guī)劃提供科學(xué)參考依據(jù)。
在全球氣候變暖和城市化發(fā)展的雙重影響下，城市極端降雨事件頻發(fā)。利用數(shù)字高程模型數(shù)據(jù)、土地利用數(shù)據(jù)、遙感影像數(shù)據(jù)、興趣點(diǎn)POI數(shù)據(jù)、實(shí)測降水?dāng)?shù)據(jù)，構(gòu)建江蘇省鹽城市建湖高新區(qū)的一二維水動力-管網(wǎng)耦合內(nèi)澇模型，其中一維水動力圖層包括河道中心線、河道斷面、流量邊界、開邊界，共設(shè)置68個河道斷面，平均斷面間隔為260 m；通過網(wǎng)格化剖分，將地表高程數(shù)據(jù)賦值網(wǎng)格節(jié)點(diǎn)，搭建網(wǎng)格化二維地形模型，實(shí)現(xiàn)積澇狀況可視化數(shù)值模擬。以兩場實(shí)測降雨過程對模型進(jìn)行檢驗(yàn)，在此基礎(chǔ)上,分別模擬5年、10年、20年、30年、50年和100年重現(xiàn)期降雨量下的內(nèi)澇地表積水深度和空間分布特點(diǎn)，以特別嚴(yán)重內(nèi)澇、嚴(yán)重內(nèi)澇、中度內(nèi)澇、一般性內(nèi)澇進(jìn)行分級，繪制積澇等級分布圖，結(jié)果表明：不同重現(xiàn)期下，高新區(qū)水深主要分布在0.1～0.25 m，占總內(nèi)澇風(fēng)險面積50%左右。100年一遇情景下，商務(wù)住宅受暴雨積澇影響最為嚴(yán)重，受影響占比38.4%；交通設(shè)施、醫(yī)療保健類公共設(shè)施次之，受影響占比28.5%；科教文化、公司企業(yè)類公共設(shè)施受影響較小，分別為14.2%和19.8%。評估結(jié)果能夠?yàn)楦咝麻_發(fā)區(qū)建設(shè)與洪澇防治規(guī)劃提供科學(xué)參考依據(jù)。
2024, 52(6):890-897.
DOI: 10.19517/j.1671-6345.20230410
摘要:
基于農(nóng)業(yè)氣象田間試驗(yàn)方法，選取嶗山大田春茶群體種和龍井43兩個主栽品種，于2022年、2023年兩年連續(xù)觀測，各采集17個檢測樣本、68個重復(fù)，檢測其主要生化成分:咖啡堿、氨基酸、茶多酚和酚氨比。將各生化成分與采茶日前1～20 d的氣溫、日照、相對濕度等逐日平均氣象資料分別做相關(guān)分析、回歸分析等，結(jié)果表明：①春茶兩個品種的咖啡堿、氨基酸、茶多酚和酚氨比與采茶日前1～20 d的氣象因子存在顯著的相關(guān)關(guān)系,相關(guān)系數(shù)分別通過了0.05、0.01的顯著性檢驗(yàn)，不同茶樹品種的生化成分與相關(guān)氣象因子基本一致，但影響時段存在差異。②建立了茶多酚、氨基酸、酚氨比與氣象因子的最優(yōu)回歸方程，群體種茶多酚、氨基酸、酚氨比的平均預(yù)報準(zhǔn)確率分別為88.5%、94.6%、96.4%；龍井43茶多酚、氨基酸、酚氨比的平均預(yù)報準(zhǔn)確率分別為88.6%、92.9%、97.5%.③構(gòu)建了嶗山春茶氣候品質(zhì)評價指標(biāo)。對酚氨比和氨基酸樣本做K-平均值聚類分析，劃分了嶗山春茶氣候品質(zhì)的4個等級，根據(jù)不同等級一一對應(yīng)的酚氨比氣象指標(biāo)，構(gòu)建了兩組嶗山春茶氣候品質(zhì)評價指標(biāo)；根據(jù)建立的酚氨比預(yù)報方程的不同閾值可以預(yù)報嶗山春茶氣候品質(zhì)的等級。本研究為嶗山春茶氣候品質(zhì)評價提供技術(shù)支撐，具有較高的實(shí)用性和可操作性，同時面向嶗山茶產(chǎn)業(yè)，提高春茶的競爭力與附加值，助力鄉(xiāng)村振興。
基于農(nóng)業(yè)氣象田間試驗(yàn)方法，選取嶗山大田春茶群體種和龍井43兩個主栽品種，于2022年、2023年兩年連續(xù)觀測，各采集17個檢測樣本、68個重復(fù)，檢測其主要生化成分:咖啡堿、氨基酸、茶多酚和酚氨比。將各生化成分與采茶日前1～20 d的氣溫、日照、相對濕度等逐日平均氣象資料分別做相關(guān)分析、回歸分析等，結(jié)果表明：①春茶兩個品種的咖啡堿、氨基酸、茶多酚和酚氨比與采茶日前1～20 d的氣象因子存在顯著的相關(guān)關(guān)系,相關(guān)系數(shù)分別通過了0.05、0.01的顯著性檢驗(yàn)，不同茶樹品種的生化成分與相關(guān)氣象因子基本一致，但影響時段存在差異。②建立了茶多酚、氨基酸、酚氨比與氣象因子的最優(yōu)回歸方程，群體種茶多酚、氨基酸、酚氨比的平均預(yù)報準(zhǔn)確率分別為88.5%、94.6%、96.4%；龍井43茶多酚、氨基酸、酚氨比的平均預(yù)報準(zhǔn)確率分別為88.6%、92.9%、97.5%.③構(gòu)建了嶗山春茶氣候品質(zhì)評價指標(biāo)。對酚氨比和氨基酸樣本做K-平均值聚類分析，劃分了嶗山春茶氣候品質(zhì)的4個等級，根據(jù)不同等級一一對應(yīng)的酚氨比氣象指標(biāo)，構(gòu)建了兩組嶗山春茶氣候品質(zhì)評價指標(biāo)；根據(jù)建立的酚氨比預(yù)報方程的不同閾值可以預(yù)報嶗山春茶氣候品質(zhì)的等級。本研究為嶗山春茶氣候品質(zhì)評價提供技術(shù)支撐，具有較高的實(shí)用性和可操作性，同時面向嶗山茶產(chǎn)業(yè)，提高春茶的競爭力與附加值，助力鄉(xiāng)村振興。
2024, 52(6):898-904.
DOI: 10.19517/j.1671-6345.20230374
摘要:
針對X波段天氣雷達(dá)受金屬接閃桿或金屬引下線干擾時出現(xiàn)反射率、差分反射率等參數(shù)劣化的問題，本文采用精細(xì)設(shè)計的非連續(xù)片段式金屬箔片陣列作為引下線的導(dǎo)流結(jié)構(gòu)，與高性能復(fù)合材料桿相結(jié)合設(shè)計了新型透波接閃桿，成功解決了透波與雷電通流的難題：接閃桿導(dǎo)流結(jié)構(gòu)接閃時受雷電電場激發(fā)形成連續(xù)等離子體通道，成為承載雷電流通路；非連續(xù)的金屬箔片大幅降低了雷達(dá)反射率。為驗(yàn)證新型透波接閃桿防護(hù)與透波能力，開展了試驗(yàn)測試：①高壓附著接閃與沖擊通流能力測試，結(jié)果表明新型透波接閃桿平均擊穿閾值為4.45 kV/cm，沖擊通流能力大于150 kA(±10%，10/350 μs波形),滿足GB50057和QX/T2-2016標(biāo)準(zhǔn)規(guī)定的第二類建筑雷電防護(hù)要求；②實(shí)地安裝試驗(yàn)測試，結(jié)果表明相較于金屬接閃桿，新型透波接閃桿對雷達(dá)反射率、差分反射率等關(guān)鍵參數(shù)的影響大幅降低。本文研究的新型透波接閃桿能夠降低避雷系統(tǒng)對雷達(dá)探測性能的影響，可以在類似相控陣?yán)走_(dá)直擊雷防護(hù)中進(jìn)一步應(yīng)用和推廣。
針對X波段天氣雷達(dá)受金屬接閃桿或金屬引下線干擾時出現(xiàn)反射率、差分反射率等參數(shù)劣化的問題，本文采用精細(xì)設(shè)計的非連續(xù)片段式金屬箔片陣列作為引下線的導(dǎo)流結(jié)構(gòu)，與高性能復(fù)合材料桿相結(jié)合設(shè)計了新型透波接閃桿，成功解決了透波與雷電通流的難題：接閃桿導(dǎo)流結(jié)構(gòu)接閃時受雷電電場激發(fā)形成連續(xù)等離子體通道，成為承載雷電流通路；非連續(xù)的金屬箔片大幅降低了雷達(dá)反射率。為驗(yàn)證新型透波接閃桿防護(hù)與透波能力，開展了試驗(yàn)測試：①高壓附著接閃與沖擊通流能力測試，結(jié)果表明新型透波接閃桿平均擊穿閾值為4.45 kV/cm，沖擊通流能力大于150 kA(±10%，10/350 μs波形),滿足GB50057和QX/T2-2016標(biāo)準(zhǔn)規(guī)定的第二類建筑雷電防護(hù)要求；②實(shí)地安裝試驗(yàn)測試，結(jié)果表明相較于金屬接閃桿，新型透波接閃桿對雷達(dá)反射率、差分反射率等關(guān)鍵參數(shù)的影響大幅降低。本文研究的新型透波接閃桿能夠降低避雷系統(tǒng)對雷達(dá)探測性能的影響，可以在類似相控陣?yán)走_(dá)直擊雷防護(hù)中進(jìn)一步應(yīng)用和推廣。
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