2011年1月黔东南低温雨雪冰冻灾害对农业生产影响分析

利用黔东南州16县市2011年1月气象观测资料,通过与历年同期进行对比分析,得出了黔东南大部地区2011年1月平均气温为1961年以来的最小值,冰冻总日数仅次于2008年,为历年同期第2最多值。并根据黔东南冬种植作物气候适宜性指标,分析了此次冰冻灾害对农业生产的影响,得出以下结论：2011年1月低温雨雪冰冻灾害对大部分地区小麦、油菜、绿肥等的影响相对较小,但对早花早苔的油菜影响大;造成高海拔地区部分莴笋、莲花白、萝卜等蔬菜受灾较为严重,特别是肉质茎或根的莴笋和萝卜;茶叶一般种植在地势高的山坡上,在这次冰冻灾害中,茶叶叶片受损,可能影响首批春茶的上市时间;对特色作物太子参、枇杷、兔眼蓝浆果的影响较小;由于低温期间降雨阶段性明显,因此此次低温雨雪冰冻对黔东南州农业、林业生产造成的损失低于2008年。     

西昌发射场L波段雷达、风廓线雷达与GPS测风对比分析

对西昌发射场L波段雷达、风廓线雷达和GPS测风数据进行对比分析,对不同季节、不同风速条件、不同高度下的风向和风速数据进行相关性分析,结果表明:发射场干季风速数据相关性较高,风向数据相关性较低,雨季风速数据相关性较低,风向数据相关性较高;随风速变大,L波段雷达和GPS测风的数据相关性越来越高,二者与风廓线雷达测风数据的相关性明显变低;在各高度层风向相关性均较高,在低层风速相关性较低,在中高层风速相关性较高。      

丽水空气污染物时序特征及与气象条件的关系研究

利用丽水2012年9月—2014年3月主要空气污染物浓度和气象数据,分析丽水空气污染物构成及其与气象因子的相关性。分析结果表明:丽水空气质量优良率约80%,高频首要污染物依次为PM2.5、O38、PM10、NO2;各污染物浓度分布的时间、季节特征明显:早晚高峰时段污染物浓度普遍偏高,冬季—初春是一年中污染较重季节,尤其春节期间PM和SO2浓度急剧上升。各主要污染物质浓度随气象因子的变化各有特点:CO在气温较高、晴朗微风、高层层结稳定的天气条件下浓度较高;NO2在气温适中、湿度较大且无明显降水时浓度较高;SO2则在气温适中、湿度较小、晴朗微风的天气条件下浓度较高;O3则在高温干燥天气时浓度较高;PM在干燥、气温较低、连续晴朗、微风、高层层结稳定时浓度较高。     

浅谈领导干部提高工作能力的几个方面

为适应新形势下气象工作发展的需要,领导干部不仅要具备较高的思想政治素质和觉悟水平,还必须具有较高的理论水平、判断能力、决策能力和协调能力,才能充分发挥领导作用,促进气象工作的发展。     

NCC月气候预测产品对陕西预测能力评估

为了分析国家气候中心(NCC)月气候预测产品对陕西各气候区域和不同月份的预测能力,充分发挥其指导作用,利用现行评分方法和同号率统计方法,对2000—2010年NCC月气候预测产品对陕西月降水和气温预测情况进行分析,结果表明:月降水及其异常级评分多年平均值分别为57.9和63.4,同号率56.3%和57.7%。3月、5月、7—9月、11月和汉中、安康、商洛的评分及同号率较高。月气温及其异常级评分多年平均值分别为74.3和76.4,同号率70.8%和72.0%。3月、6—7月、11月和榆林、延安的评分和同号率较高。异常级预测的漏报率较高。     

新疆重点城市大气颗粒物变化特征

本研究基于新疆16个主要城市2015—2022年40个环境监测站逐时的6类空气污染物（PM2.5、PM10、SO2、NO2、CO、O3）数据,分析了大气污染物的时空分布特征,得出以下结论：（1）新疆大气污染物以颗粒物为主。（2）PM10浓度的空间分布由南往北逐步降低,浓度最高值出现在和田的春季,达六级污染（546 μg·m-3）;PM2.5浓度在春季、夏季、秋季与PM10浓度分布特征一致,冬季中天山北坡城市浓度明显升高,全年最高值出现在五家渠市冬季,达五级污染（172 μg·m-3）;四季PM10和PM2.5浓度最低值均在阿勒泰市,空气质量优。（3）乌鲁木齐市和喀什市颗粒物浓度整体呈下降趋势。阿勒泰市两类颗粒物浓度整体较低,空气质量均为优良等级。乌鲁木齐市PM10及PM2.5浓度在冬半年较高,两类颗粒物均在2017年1月达到最高值,达五级污染。喀什市PM10浓度在2—5月较高,PM2.5浓度在10月至次年5月较高,两类颗粒物均在2016年3月达到最高值,达六级污染。（4）两类颗粒物浓度日变化相似,阿勒泰市四季均在23:00时前后较高,乌鲁木齐市春、夏、秋三季在00:00—02:00较高,冬季在22:00时较高,喀什市春、夏、秋三季在夜间01:00时前后较高,冬季在13:00时较高。     

基于灾害风险因子的青海省干旱灾害风险区划

利用1961—2018年青海省气象资料、地理信息数据和社会经济数据,对青海省干旱灾害风险区划进行研究。结果表明:(1)致灾因子危险性较高的地区主要在青海省东部和南部,较低地区主要在青海省西部。(2)孕灾环境脆弱性整体自西北向东南逐渐降低,西北地区脆弱性风险较高,东南部较低。(3)承灾体暴露风险较高的地区主要在青海省东部,其他地区风险较低。(4)防灾减灾能力较高的地区主要在青海省西北部,而青海省南部和东部防灾减灾能力较低。(5)干旱灾害综合风险总体自东向西递减,高风险区主要在青海省东部地区,低风险区主要在青海省西部地区。(6)青海省干旱灾害高风险区主要由于致灾因子危险性及承灾体暴露性都较高,低风险区主要是致灾因子危险性、承灾体暴露性较低,且防灾减灾能力强。     

基于稳定度和能量指标作强对流天气的短时预报指标分析

主要基于1995—2001年强对流天气过程和高空探测资料,计算了K指数、A指数、位势不稳定指标以及能量平衡高度、位势不稳定能量等指标,并进行量化检验和预报指标的对比。结果表明:(1)A指数、K指数的数值大小对于强对流天气的预报具有一定效果。(2)位势不稳定指标I在安徽南方应用比北方的预报效果好,安徽南北方I的临界值有差异,北方I的临界值小,南方I的临界值大。(3)逐年的能量平衡高度和位势不稳定能量都可以分为两个阶段,第一阶段能量平衡高度高于350 hPa且处于极值是强对流天气预报的重要指标。总温度较高、饱和总温度较高、位势不稳定能量较高时,能量平衡高度较高;反之,能量平衡高度较低。这种对应关系可以通过α=0.01的显著性水平检验。(4)强对流天气过程期间,能量平衡高度较高。随着位势不稳定能量的增大,出现强对流天气的可能性也增大。     

气象因素对常州市区PM2.5浓度影响

利用2016—2018年常州市区环境空气细颗粒物数据,结合同期地面气象资料,分析了常州市区PM_2.5以及气象因素的变化特征,并统计分析气象因素对PM_2.5浓度的影响。结果表明：常州市区PM_2.5、降水量、相对湿度和气温等具有明显季节性,呈夏季较高冬季较低,而气压夏季较低冬季较高的特征。相对湿度与PM_2.5呈正相关,即随着相对湿度的增加PM_2.5超标率和平均浓度均增加;降水对PM_2.5具有一定的清除作用,清除率与降水前PM_2.5浓度、降水量、降水强度有关,降水量、降水强度越大,则降水清除效果越好,而降水前PM_2.5浓度较小,则清除率不明显;常州市区偏西风时PM_2.5的超标率和平均浓度较其他风向较高;风速对常州市区PM_2.5的影响呈负相关,即风速越大PM_2.5超标率和平均浓度均减小;常州市区地面天气形势可以分为两种类型,第一种类型表现为气压较低气温较高,PM_2.5超标率以及平均浓度相对较低,而第二种类型表现为气压较高气温较低,PM_2.5超标率以及平均浓度相对较高。     

基于SPI的黔东南州近52a的干旱特征分析

基于1961—2012年黔东南州16站的逐月降水资料,从单站干旱SPI指数出发,分析了黔东南州52 a来年际干旱和季节性干旱的时间变化趋势和空间变化特征,结果表明:152 a间,年际干旱和季节性干旱呈上升趋势,干旱主要集中在1985—1989年和2001—2012年;2除冬旱以外,无论是年际干旱还是季节性干旱,干旱发生频率较高地区位于黔东南州中部以北地区,州南部年际干旱、春旱、夏旱和秋旱发生频率较低;3森林覆盖率较高的地区发生干旱的频次最低,降水较少地区发生干旱的频次较高。