内蒙古牧区黑、白灾监测模式及等级指标的研制

文章从草地-家畜-大气系统出发, 分别选用可引发黑、白灾的主要因子 (连续无积雪日数、可能发生期、最大积雪深度、积雪持续日数) 和基本因子 (家畜抗灾能力指数、冬前牧草平均高度), 建立了黑、白灾监测模式; 并通过对比分析黑、白灾评判系数与家畜表现特征及放牧情况, 确定了黑、白灾等级指标.检验结果表明监测模式和等级指标均具有很好的稳定性和实用性.     

白灾成灾综合指数的研究

该文通过分析白灾的主要成灾因素,指出积雪掩埋牧草影响家畜采食是主要的致灾因子,积雪深度、牧草丰歉、牲畜体况、草地载畜状况、白灾持续时间以及承灾力的大小都对灾情有重大影响。文章还给出了全面考虑各影响因子作用的白灾成灾综合指数     

锡林郭勒盟白灾成因及分布特征

利用锡林郭勒盟气象资料和白灾调查资料,分析了冬季白灾成因、形成过程和分布规律。锡林郭勒盟冬季白灾由冬季降雪量决定,积雪深度和积雪日数是衡量灾情的主要指标;白灾的形成受降雪时间和冬季温度影响;中东部和南部地区发生频率较高,全盟性白灾的发生具有明显的周期性,2000年以来是锡林郭勒盟冬季白灾发生最少的时期。     

呼伦贝尔50a白灾分析

利用呼伦贝尔16个国家级气象观测站1960-2010年最大积雪深度、最长连续积雪日数、总积雪日数等资料,计算呼伦贝尔地区1960-2009年各个地区的白灾指数。经过计算,2003—2004年是呼伦贝尔各地出现白灾最多的年份,2000年以后呼伦贝尔白灾有加重的趋势。受下垫面影响,西南部牧区的西旗,50 a出现白灾次数最多,共出现18次,达2.8 a一遇;呼伦贝尔林区白灾出现频次最少。根据呼伦贝尔白灾次数分布图可直观看出,西南部和东南部是白灾的高发区,上述地区是需要重点防范的地区。     

坐冬雪与大白灾的分析预报

在内蒙牧区及半农半牧区,冬季的黑、白灾是牧业生产上较大的灾害,有时遇到一次灾害需几年才能恢复元气。作好这类灾害性、关键性天气的分析预报,对牧业生产至关重要。 一、坐冬雪的标准 坐冬雪,指入冬后的第一场大雪,由于气温急降,积雪长期不化。这种情况,群众称之为“坐住了”。     

锡林郭勒盟牧区白灾气象指标及讨论

文章确定了锡林郭勒盟牧区冬季白灾气象指标;通过对近60a白灾发生历史和致灾因子的变化分析,总结了不同时期的白灾指标变化规律,讨论了社会因素对致灾气象因子的影响,结果表明:2005-2014年成灾的气象指标有了明显提高,致灾气象因子主要是冬季降雪量、积雪深度和平均温度;影响白灾气象指标的社会因素是社会防灾减灾能力提高,棚圈建设、饲草储备条件改善,畜牧业生产方式转变等。     

内蒙古牧区家畜死亡率与气象灾害关系研究

利用畜牧业统计资料及其气象资料,选择适用的灾害标准,分析了内蒙古牧区主要气象灾害时空分布特征,研究了不同气象灾害与家畜死亡率的关系。结果表明:(1)春旱、夏旱、黑灾主要出现在内蒙古中西部牧区,出现的概率多,影响范围大,持续时间长,危害程度重。白灾主要发生在内蒙古荒漠草原牧区、典型草原偏北牧区和草甸草原牧区,以中部偏北牧区发生概率较高,危害程度重。寒潮则是全区性灾害,但以中部牧区遭受寒潮侵害的次数最多,危害的程度最重,其次是东部牧区,西部牧区最少。(2)内蒙古牧区家畜死亡率随着时间推移具有十分明显的下降趋势,但各类气象灾害灾情指数的下降趋势并不明显,说明随着生产力水平不断提高,草地畜牧业抗御自然灾害的能力明显增强,家畜死亡率降低。     

利用气象卫星监测白灾和黑灾

本文采用极轨气象卫星ＮＯＡＡ／ＡＶＨＲＲ第一通道（可见光波段）反射率作为反映积雪掩埋地面和牧草程度的指标，用以衡量白灾程度的大小，分析白灾程度的空间分布状况，同时，对利用气象监测黑灾的原理和方法进行了探讨。     

2010年新疆北部暴雪异常的环流和水汽特征分析

2010年新疆北部地区暴雪异常偏多,降雪量和积雪深度记录突破历史极值。利用NCEP/NCAR 2.5°×2.5°再分析资料,对北疆暴雪时空分布特征进行了分析,并对2010年两种暴雪类型发生时的大气环流、水汽输送特征进行了合成分析。结果表明,北疆暴雪多发生在山区和迎风坡上,在暴雪形成过程中地形作用不容忽视;北疆暴雪的发生与极锋急流和副热带急流的位置、强度密切相关,两支急流的叠加和汇合是冷锋暴雪发生的主要大尺度环流形势,极锋急流在暖区暴雪中占主导地位;冷锋暴雪是由北方冷空气与西南暖湿气流汇合造成的,而暖区暴雪是北方南下的冷空气相对更冷而形成的冷暖汇合造成的;冷锋暴雪时地面高压呈西南—东北向,暴雪发生在强冷锋锋区内;暖区暴雪时地面高压呈西北—东南向,暴雪由冷锋前暖锋引发;新疆北部暴雪的水汽以接力的方式输送,伊朗副热带高压的强度和位置的变化对暴雪的水汽输送起决定性作用。     

2018年1月江苏省两次暴雪过程积雪效率差异及其机理

2018年1月3～5日江苏省第一次暴雪过程中降雪量大、积雪效率偏低，而1月24～28日第二次暴雪过程降雪量小、积雪效率高。基于ERA-Interim再分析资料和中国气象局积雪、近地气温等观测资料，利用等熵大气质量环流理论从温度、水汽条件差异对2018年1月江苏省两次暴雪过程积雪效率差异进行了深入分析。研究表明：（1）第一次过程前期，深厚且强盛的向极地暖支将大量暖空气输送至江苏南部，导致该地区整层增温；第二次过程中，低层强大的向赤道冷支输送使地面温度在整个降雪期间均低于0°C，低温条件使得积雪效率偏高。（2）第一次过程，江苏地区深厚、强盛的水汽质量流入层配合大范围上升运动，将水汽携带至高层产生更大降雪量，低层经向水汽质量输送强，纬向水汽质量流出较弱，使得近地面比湿相应增加，积雪效率偏低；第二次过程，低层深厚的水汽质量流出层不利于水汽在江苏省汇聚，低湿条件利于积雪累积，贡献于偏高的积雪效率。因此，异常强的经向干冷空气质量输送和弱的经向和纬向水汽质量输送引起的低温、低湿环境条件是造成第二次暴雪过程比第一次过程积雪效率偏高的主要原因。积雪效率与温度和湿度空间分布型的对比分析还表明：在相对高温、...     

内蒙古大(暴)雪与白灾的气候学特征

使用１９６１～１９９８年内蒙古１１８个地面测站的历史资料及同期亚欧５００ｈＰａ高空资料,分析了内蒙古大（暴）雪及白灾的气候学特征。结果表明,发生大（暴）雪频率最高的地区是内蒙古的东部和南部,而白灾最重的地区却是内蒙古北部。指出产生“坐冬雪”是形成白灾的必要条件,给出了产生“坐冬雪”的气象指标,总结了内蒙古大（暴）雪的环流特征。     

2012年锡林郭勒盟冬季雪情及灾害评估

2012年初冬,锡林郭勒盟连降暴雪,冬季总降雪量突破历史极值,具有降雪早、雪量大、积雪深和范围广的雪情特点,对草原畜牧业构成严重威胁。与历史上几次严重白灾年相比,雪情危害程度更为严重,但造成的灾害损失较小,其原因是雪灾预报预警准确,发布及时;党政领导重视,防灾措施得力;应急响应迅速,信息宣传到位;设施牧业改善,抗灾能力提高;夏季雨水充沛,牧草储备充足。     

内蒙古暴风雪灾害及其形成过程

分析了近50年来内蒙古所发生的暴风雪天气的环流演变特点，指出在暴风雪过程中，大风、暴雪强降温联合施虍，加剧了人畜的热损耗率，从百形成严重的冻害。高空存在强急流、强锋区、强辐散是促成蒙古气旋猛烈发展形成大风的主要原因，而低层华北沿海高脊的发展又为南方水汽北输提供了条件，它们共同促成了内蒙古暴风雪的形成。     

牧区雪灾防御研究的新进展及其展望

应用灾害学研究的基本观点，继续对近十年来我国牧区雪灾防御体系建设中雪灾成因、监测、预报、预防、救援，尤其是对监测评估、暴雪和强降雪阶段预测预警、雪灾防御综合系统等技术的新进展进行综合分析与评估，并预测在我国重要战略机遇期雪灾防御技术面临的形势和发展趋势。     

城市雪灾气象等级划分标准的研究

摘要：本文选取累积降雪量、最大日降雪量、连续降雪日数、积雪深度、日最低气温、日最大风速和日最小相对湿度7个气象因子构成城市雪灾气象指数。通过对城市雪灾气象指数的范围划分,得到从低到高的5级城市雪灾气象等级,并给出等级描述及可能影响。     

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。     

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。     

城市雪灾气象等级划分标准的研究

选取累积降雪量、最大日降雪量、连续降雪日数、积雪深度、日最低气温、日最大风速和日最小相对湿度7个气象因子构成城市雪灾气象指数。通过对城市雪灾气象指数的范围划分,得到从低到高的5级城市雪灾气象等级,并给出等级描述及可能影响。     

冰雪灾害对北京城市交通影响的预警评估方法

依据灾害学原理,利用1952—2011年北京历史冰雪灾情资料分析构建了冰雪灾害对北京城市交通运行的预警评估指标体系:发生时间、冰雪强度、交通脆弱度、预警能力和减灾能力,利用层次分析法构建了城市冰雪灾害预警评估模型和评判标准,并对北京历史上38次冰雪灾害事件进行了影响评估及研究分析。研究结果表明:各预警评估因子对冰雪灾害影响贡献的权重分别为冰雪强度0.4404、交通脆弱度0.2789、减灾能力0.1797、发生时间0.05264、预警能力0.0484,建立的预警评估模型准确率达76%。冰雪强度不再是唯一的决定性因子,而是与城市化背景下的多种因素共同决定着冰雪灾害对北京城市交通运行的影响程度。