基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

新疆是我国积雪资源最丰富的区域之一,也是雪灾多发区之一,预测最大积雪深度,可以为雪灾的预警与防范提供参考和依据。本研究基于建立的雪灾灾损指数,确定了新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县（市）,包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度,结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。     

阿勒泰地区强降雪灾害风险研究

强降雪是阿勒泰地区常见的灾害性天气之一。基于1961—2013年11月至次年3月该地区7个气象观测站逐日降雪量和积雪深度资料,定义了强降雪特征量,运用信息扩散理论等方法研究了该地区强降雪特征量的异常特征及风险区划。结果表明,阿勒泰地区2009年冬季雪灾为全区型、2010年为西部型异常雪灾年。强降雪频次异常偏高年,福海和青河出现1a、其它各县市出现了2~3 a;强降雪量异常偏多年,地区北部和东部各县市出现1a,西部和南部各县出现2 a。阿勒泰地区各县市强降雪风险分析结果表明,地区强降雪高风险区在阿勒泰市以及富蕴县,青河县为中风险区,哈巴河县、吉木乃县为低风险区,布尔津县和福海县为极端低风险区。     

中国积雪时空变化分析

结合2001—2010年Aqua与Terra卫星MODIS积雪影像,分析了新疆、青藏高原和东北-内蒙地区积雪的空间稳定性,并探讨了这三大积雪区积雪季节和年际变化特征。结果表明,三大积雪区中新疆积雪空间稳定性最好,东北-内蒙地区次之,青藏高原较差,其稳定性指数分别为0.58、0.38和0.29。三大积雪区积雪年内分配存在显著的季节特征,2001—2010年新疆和东北-内蒙积雪区积雪面积最大值一般出现在1月,偶尔出现在12月,到7月和8月积雪面积很小;青藏高原积雪面积最大值则有可能出现在11—2月,其中以11月出现频率最高,10—3月的积雪面积差异相对其他两个积雪区的变化较小。从年际变化上看,2002年以来三大积雪区及全国稳定积雪面积无明显变化。     

基于逐日积雪深度预报的藏北草原雪灾等级评估

选取西藏高原北部牧区的13个气象站冬半年(11月—次年4月)的1980—2007年逐日积雪深度和最高、最低、平均气温资料,对藏北牧区草场的融雪量与气温关系进行了分析。利用线性回归模型建立融雪率和最高、最低气温的方程,给出了藏北草场的融雪日数、逐日积雪深度的计算方法,得出草场雪灾等级评估产品,实现在一场降雪后根据日常天气预报业务制作草场逐日积雪深度的预报产品,并实时评估雪灾的严重程度,为草原雪灾气象服务提供定量化参考产品。对2008—2009、2009—2010和2010—2011年的三个冬半年进行了预报效果评估,1~15d的逐日积雪深度的平均绝对误差不超过2cm;积雪日数误差不超过9d,误差在1d以内的占78.5%;雪灾等级的准确率约为84%;该方法具有较好的预报效果,能为藏北雪灾评估提供参考。该方法的缺陷在于,由于没有准确的定量降雪预报产品,故没有考虑后续降雪量的新增积雪影响。     

新疆阿勒泰地区强降雪灾害风险研究

强降雪是阿勒泰地区常见的灾害性天气之一,基于1961-2013年11月至次年3月该地区7个气象观测站逐日降雪量和积雪深度资料,定义了强降雪特征量,运用信息扩散理论等方法研究了该地区强降雪特征量的异常特征及风险区划。结果表明,阿勒泰地区2009年冬季雪灾为全区型、2010年为西部型异常雪灾年。强降雪频次异常偏高年,福海和青河出现1a、其它各县市出现了2-3a;强降雪量异常偏多年,地区北部和东部各县市出现1a,西部和南部各县出现2a。阿勒泰地区各县市强降雪风险分析结果表明,地区强降雪高风险区在阿勒泰市以及富蕴县,青河县为中风险区,哈巴河县、吉木乃县低风险区,布尔津县和福海县为极端低风险区。     

近50年果洛地区积雪的气候特征分析

利用果洛6县自建站至2011年近50年的地面积雪日数、积雪深度等资料,对果洛积雪的气候特征进行了较为全面的分析。通过气候倾向率的分析发现:近50年来,果洛地区玛沁、达日、班玛、久治的积雪日数呈增加趋势,玛多变化不大,甘德每十年减少1.2天。从最长积雪日数、积雪深度的资料分析看:玛多、甘德、达日、久治是最易发生雪灾的地区,其中玛多、甘德、达日是特大雪灾的易发地;玛沁、班玛是出现雪灾最少的地方。从积雪增量的变化看近50年来果洛积雪增量经历了一次由多到少的转变过程,积雪增量的这种变化与积雪日数的年变化相一致。     

基于GIS的雪灾风险区划

依据巴彦淖尔地区冬春季节降水少、年变率大的气候特点和易形成雪灾的量级指标进行雪灾风险区划。选取1971—2010年11月到次年3月,日降雪量大于等于3mm,并出现积雪和结冰现象为研究对象,分析了降雪量大于等于3mm的降雪日数和积雪深度大于等于5cm的积雪日数年代际变化,结合民政部门历史灾情记载、实地调查、农牧业现状以及各种基础资料数据与GIS技术,从致灾因子、脆弱性评估分析方面,在NOAA卫星遥感雪覆盖监测图像上,利用加权综合与层次分析法,构建雪灾判别模型,得出巴彦淖尔地区雪灾风险区划:雪灾最严重的地区为五原县大部、乌前旗南部和东北部部分区域、乌中旗东南和西南两区域、乌后旗的海力素附近大片区域。     

2012年青海省十大气候事件

<正>一、1—3月青南地区雪灾严重1—3月,青南地区平均降水量为18.9mm,较历年偏多80%以上,平均降水日数为28.7天,较历年偏多9.9天,降水量及降水日数均创历史同期最多;最大积雪深度不大,但积雪持续时间长,积雪深度在2cm以上的平均积雪日数为28.2天,较历年偏多15.6天,与2008年并列为历史第二多,略少于1993年。由于降水偏多,大范围长时间的积雪,致使青南地区发生轻到重度雪灾,其中甘德、称多发生重度雪     

基于常规气象资料融雪模式的建立及应用

以能量平衡方程为基础,考虑太阳短波辐射、大气和地面的长波辐射、潜热、感热传输以及下垫面的热传导等能量之间的平衡,建立了利用常规气象观测资料预测雪面温度和积雪深度变化的融雪模型。利用2009年1—3月以及2009年12月—2010年1月在湖北恩施雷达站的积雪观测数据进行模拟和验证,结果表明：该模型对于雪面温度和积雪深度都有较好的模拟效果。当下垫面导热系数λg〈0.5时,下垫面对雪深的影响很小;当λg≥0.5时,积雪融化速度随λg的增大而加快,说明下垫面的热传导是影响积雪深度变化的主要因素之一。     

青海高原雪灾预警模型与GIS空间分析技术应用

利用GIS的空间分析技术, 可以将分析对象的最小单元细化到具体的地理单元上, 从而提高空间分析精度。雪灾分析中危险度函数的建立, 可以实现雪灾的综合分层次预警评估。应用地理信息系统 (GIS) 和遥感 (RS) 技术, 沿用前人研究的降水量与积雪深度关系成果, 定义了青海高原雪灾畜牧业生产危险度函数和社会经济危险度函数, 并建立了青海高原天气学雪灾预警模型和遥感雪灾预警模型, 对青海高原雪灾进行分层预警, 以期明确各地区雪灾发生的机理, 提高雪灾预测精度, 有针对性地提出减灾防灾措施。结果表明:该模型可以快速、准确地实现高原雪灾预警, 在一定程度上提高了青海高原雪灾的预警能力。     

图形模式识别方法及其在中期雪灾天气预报中的应用

文章介绍了一种将计算机图形识别技术与数值预报产品相结合, 预报中期天气过程的图形模式识别方法和模式基元识别过程。 利用 ECM WF 的产品, 建立川西北高原雪灾中期预报模型。 在计算机中模仿预报员的思维步骤, 自动分类推理判别, 滚动预报未来 3～ 5 日内雪灾天气发生日期。 1998 ～ 1999 年雪灾中期预报效果显著。     

塔城地区积雪变化特征分析

利用1961--2005年塔城地区7个气象站,4个水文站实测积雪资料,分析了近45a塔城地区积雪变化特征,得出以下结论：塔城地区积雪时空分布不均,地域差异大,不论是积雪日数、稳定积雪日数、累积积雪深度均以Ⅰ型最多（大）,其次为Ⅱ型,Ⅲ型最少（小）;近45a和布克赛尔站积雪日数、稳定积雪期显著增多,裕民站积雪日数不显著增多,托里站积雪日数、稳定积雪期呈显著减少,其余各站均呈不显著减少趋势;塔城地区3种类型的积雪对区域气候变化有着不同程度的响应,各站最大积雪深度对冬季降水量的响应较敏感;近45a和布克赛尔站累积积雪深度序列在20世纪60年代末至今发生过一次显著增多的突变,突变点为1969年。     

2008年安徽省雪灾农业影响定量评估研究

分析了安徽省2008年1—2月雪灾的发生特点,和历史上较大雪灾相比,极端最低气温明显高于历次雪灾年。利用实时雪情和灾情资料建立了安徽省单站和全省的农业经济损失定量评估模型,并进行了误差分析和试应用。评估结果表明:单站评估模型的平均相对误差在30%左右,全省评估模型为20%左右,全省评估模型的准确性较高。     

青海高原1961-2008年雪灾时空分布特征

利用青海高原45个气象站1961-2008年冬季（10月至翌年2月）和春季（3-5月）积雪深度资料,按照DB63雪灾标准分类的等级,并结合实际灾情研究了青海高原雪灾时空尺度、强度及发生频次等的变化。结果表明：近50年来青海高原除了特大雪灾发生频次变化趋势不明显外,其他等级的雪灾发生频次年际变化均呈现上升趋势。青海高原南部的玉树、果洛、黄南南部、海南南部及海西东部地区是雪灾发生的高频区,柴达木盆地和青海东部地区极少发生雪灾。雪灾发生频次从20世纪60年代到2008年呈现上升趋势。     

青藏高原雪灾变化对热带海洋海温异常响应的数值模拟

采用青藏高原72个气象台站日积雪观测资料及 Hadley 中心海温月平均资料,在分析高原雪灾频数与海温异常关系的基础上,利用ECHAM5 模式进行雪灾变化对热带海洋关键海域 SSTA响应的敏感性试验。结果表明：（1）1978-2014年青藏高原冬半年雪灾频数总体呈减少趋势,减幅为3.4次/（10 a）,尤以1998年后极为显著。雪灾空间上表现出自北向南递增的分布形式,高值区主要集中在喜马拉雅山脉北坡及嘉黎地区,而柴达木盆地及青海东部农业区为雪灾发生低值区。（2）雪灾频数变化与赤道中东太平洋、热带印度洋海温异常相关显著,敏感性试验表明,在 El Niño模态强迫下,东亚大槽偏弱,新地岛及乌拉尔山地区形成阻塞高压,偏北气流引导冷空气从西伯利亚通道南下,在高原堆积,阿拉伯海暖湿气流经伊朗高原输送至青藏高原;而在印度洋偶极子型海温模态强迫下,中纬欧亚大陆显示正异常,形成高压,同纬度西北太平洋强的负异常,使西伯利亚冷空气与西北太平洋南下湿润气流在南海转为偏南风进入高原,北印度洋异常气旋使部分南海-孟加拉湾暖湿气流进入高原,为高原降雪提供了水汽条件。     

中国西部积雪类型划分

利用中国105°E以西地区189个地面气象台站1960-2004年积雪日资料和1981-2004年SMMR、SSM/Ⅰ反演的逐日雪深资料,使用积雪年际变率方法划分中国西部积雪类型,并与积雪日数方法的划分结果进行比较.在此基础上,尝试建立了结合以上两种要素的综合分类指标.利用积雪年际变率方法和台站资料,将中国西部积雪划分为3类.其中,稳定积雪区主要包括北疆、天山和青藏高原东部高海拔山区;年周期性不稳定积雪区包括南疆和东疆盆地周边、河西走廊、青海北部、青藏高原中西部、藏南谷地以及青藏高原东南缘;其他积雪区均为非年周期性不稳定积雪区.气候突变后,积雪日数方法划分的积雪类型变化反映出沙漠和低纬度地区积雪变幅增大,在积雪年际变率方法的结果中体现出青藏高原东部地区趋于稳定的积雪面积在增加.在没有台站记录地区,卫星遥感资料很大程度上弥补了台站观测的缺陷,使用这种资料划分积雪类型时,积雪年际变率方法比积雪日数方法的结果更符合西部积雪的分布特点,反映出积雪分布与地形的密切关系.利用综合分类指标划分西部积雪类型的结果表明,台站资料的划分结果很大程度上受积雪持续时间的影响,而在卫星遥感结果中,积雪年际变率则是影响类型划分的主要因素.     

精-伊-霍铁路沿线雪害关键气象条件分析

运用气候统计学方法,分析了精—伊—霍铁路沿线雪害严重区域的气象条件,推算了对铁路工程设计和运营极为重要的最大风速设计极值和最大积雪深度设计值。     

1962-2008年辽宁省积雪变化特征

采用1962-2008年辽宁省52个气象观测站逐日积雪深度以及同期温度、降水资料,用统计方法和小波方法分析了辽宁省积雪气候变化规律。结果表明：近47 a辽宁省积雪日数呈不显著增加趋势,共增加了3 d;年最大雪深随时间变化呈不明显增加趋势,平均每10 a增加0.2 cm;年累积雪深也呈不显著增加趋势,气候倾向率为8.9 cm/10 a。从年代际变化来看,20世纪80年代前辽宁省积雪日数、年最大雪深和年累积雪深偏小;而20世纪80年代后至今,则经历了一个积雪日数、年最大雪深和年累积雪深均增加的过程。