近50a江淮梅雨期暴雨的区域特征

利用江淮地区44个站1954-2003年近50a逐日降水资料，采用模糊聚类和经验正交函数分解（EOF）方法分析了江淮梅雨期暴雨的时空变化特征。结果表明：梅雨期暴雨量存在显著的区域差异，可以分为南、北两个区；梅雨期暴雨量具有显著的候际、月际、年际和年代际变化特征，南区暴雨量峰值出现在6月第5候，北区峰值出现在6月第5候和7月第1候；南区暴雨贡献率大于北区，而北区暴雨集中率大于南区；南区暴雨量长期变化呈显著的上升趋势，而北区变化不明显；南北两区暴雨量均存在不同时间尺度的振荡周期。     

近116年江淮梅雨异常及其环流特征分析

利用江淮地区1885—2000年近116a梅雨特征量资料和NCEP／NCAR逐日再分析资料，采用谐波分析、最大熵谱分析、小波分析、合成分析等方法讨论了江淮梅雨特征量的年际-年代际变化特征及梅雨异常的环流特征。结果表明；江淮梅雨特征量存在显著的年际和年代际变化特征。入梅日期、出梅日期、梅雨期长度呈显著上升的长期变化趋势，梅雨量和梅雨强度长期趋势变化不明显；梅雨特征量均存在多时间尺度的振荡周期，入梅日期具有准24a、准5a和准3a的显著周期；出梅日期具有准35a、准22a和准5a的显著周期；梅雨量具有准40a、准15a、准9a和准3a的显著周期。丰梅年南亚高压中心强度和西太平洋副热带高压增强。枯梅年则反之。     

江淮梅雨与太平洋海表温度的相关分析

讨论了江淮梅雨期降水量与太平洋海表温度的同期和前期的相关性,揭示其年际和年代际变化的相互关系。表明江淮梅雨量与同期和上年春季、冬季几个关键区域SST具有显著相关性;江淮梅雨量年际和年代际变化与太平洋SST年际和年代际变化也存在一定关系,热带太平洋、墨西哥湾和东太平洋SST年代际变化对江淮地区梅雨降水量的年代际变化趋势预测有较强指示意义。     

江淮梅雨特征及其与北太平洋海温的SVD分析

利用江淮地区1954～2001年48年梅雨量资料,采用谐波分析、EOF、合成分析和SVD分解等方法讨论了江淮梅雨的时空变化特征以及与北太平洋海温的关系.结果表明:江淮梅雨量时空分布不均,存在显著的年际和年代际变化特征.影响江淮梅雨的海温关键区是北太平洋西风飘流区,关键影响时段是当年的1～3月;当年1～3月北太平洋西风飘流区海温异常偏高,同年江淮大部地区梅雨量异常偏多,反之亦然.SVD分解结果与合成分析的结果相吻合,通过0.05的Monte-Carlo显著性检验.     

江淮梅雨的时空变化特征

利用江淮地区37站1954--2001年48a梅雨特征量资料,采用谐波分析、EOF和最大熵谱分析等方法讨论了江淮梅雨的时空变化特征。结果表明：江淮梅雨时空分布不均,梅雨特征量存在显著的年际一年代际变化特征,梅雨特征量年代际变化之间存在明显的负相关或正相关关系;梅雨特征量存在显著不同的多时间尺度振荡周期和长期演变趋势且江淮地区雨季也呈不同的年际和年代际变化特征。     

安徽梅雨年际变化特征研究

本文对安徽省1951～2002年52a的入梅日期、出梅日期、梅雨日数、梅雨期降水总量等数据进行了统计。反映梅雨期年际变化特征的分析结果表明：安徽省入梅日期主要集中在6月的第2候和第4候，出梅日期主要集中在7月第2候；入梅日期的早晚与梅雨期天气形势、梅雨日数、梅雨期总降水量有着一定的对应关系。文中揭示的有关梅雨期年际变化特征，对于做好入梅日期、梅雨日数、梅雨期总降水量的预报，进而做好防汛抗旱的服务工作具有一定的参考意义。     

江淮梅雨期降水不同尺度异常与SSTA的关系

利用1959-2000年江淮地区80站的月降水量资料，研究江淮梅雨期（6_7月）不同尺度降水量异常的时间演变规律，分析江淮梅雨不同尺度降水异常与海温异常的关系。结果表明：1）近42a来，江淮梅雨期降水异常呈明显上升趋势，同时存在显著的年际、年代际尺度变化信号。2）对江淮梅雨期降水异常进行时间尺度分离，不同尺度的降水异常序列多（少）雨年份表现出很大的不同。在少雨背景上，年代际变化序列出现多雨期。在多雨背景上，年际变化序列出现明显的少雨年份。3）分析不同时间尺度的江淮梅雨期降水异常序列与SSTA的关系，发现对应的显著相关区域有很大不同，这意味着海温异常对江淮梅雨存在多时空尺度的影响作用。     

2013年梅雨监测及近50年江西梅雨气候特征

利用1959—2013年江西梅雨监测区37站降水量、气温资料和500 hPa西太平洋副热带高压脊线日平均位置资料,根据《梅雨监测业务规定》的相关指标,对2013年江西梅雨进行监测,并采用EOF等方法分析江西梅雨气候特征。结果表明:1)江西于2013年5月25日正式入梅,于6月29日结束,梅雨期总雨量为420.9 mm,梅雨强度为0.58。2)江西梅雨的时空变化特征是北部地区梅雨量的全区一致型分布占总方差的77.8%,将江西北部地区作为一个整体来分析其梅雨量的时空变化特征是合理的。3)江西气候平均入梅日为6月8日,出梅日为7月1日,梅雨季长度为23 d,梅雨量为352.7 mm,梅雨强度为-0.18。入梅日期、出梅日期、梅雨季长度和梅雨强度与梅雨量特征量之间存在显著的相关关系,入梅越早,出梅越晚,梅雨期长度越长,梅雨强度越强,梅雨量就越大。4)梅雨各特征量存在显著的年际和年代际变化特征,5个梅雨特征量具有相同的2—3 a周期变化,另外还主要存在6—8 a、13—15 a和21—23 a周期变化,但各参数在1959—2013年的不同时段具有不同的显著性。     

我国江淮地区5-7月降水异常的区域特征

采用旋转经验正交展开(REOF)方法，对我国江淮地区50a5—7月降水标准化距平场进行客观分区，并分析了南北两区5—7月降水异常的长期变化趋势及其周期的变化。结果表明，江淮地区5—7月降水方差场可以分为2个区域，各区降水量异常有明显的季节变化，降水异常峰值出现在6月和7月，基本呈单峰型分布；南部区变化趋势比北部区明显，均具有显著的年际和年代际变化特征：南北两区都存在3a的主周期，南部和北部分别有21a和15a的年代际周期；江淮南、北区的降水在降水偏多、偏少年都与全国大部分地区呈同位相分布，但江淮北区的降水始终都与华南地区呈反位相分布；副热带季风系统的强弱及副高南北位置的变化直接影响江淮5—7月降水。     

近46年江淮下游梅雨期的划分和演变特征

应用近46年江苏省中、南部各五站逐日雨量和西太平洋副高逐候脊线纬度资料分别划分出苏南和江淮两区梅雨期。部分梅雨期内含2段甚至3段梅雨集中期,因此也存在间歇期;出梅并不等同于入（盛）夏,少数年虽出梅却无（盛）夏。在所揭示的一系列区域气候特点中,最值得注意的是首次划分出的江淮梅雨期,它与苏南梅雨期并不尽同,有二成年份出梅期延迟至8月。两区梅雨期都具有很大的年际变化,尤其是苏南梅雨量的年际变化一直处于上升趋势且在近十年达到极大。     

郑州市近58a降雨量变化分析

采用水文序列中常用的谱分析、有序聚类分析、Kendall秩次相关检验和Man-Kendall检验等方法,分别对郑州市1951-2008年的年降雨量、汛期和非汛期降雨量序列进行周期性、突变性和趋势性检验分析,结果显示:总体上郑州市年降雨量保持平稳,但各年汛期和非汛期的降雨量分别呈现出增加和减少的趋势,而且非汛期降雨量减少的趋势性较为显著;年降雨量和汛期降雨量有较为显著的近似10 a的周期,而非汛期降雨量表现为不显著的3 a的周期;年降雨量、汛期和非汛期降雨量序列的突变点均在20世纪70年代末和80年代初,但并不显著。     

MM4 模式中站点相关性的研究和客观分析方案的改进

采用多元统计学中的主成分分析法，通过对MM4模式计算范围内169个测站的风、压、湿和温度的相关分析，确定了89个关键站，另外80个非关键站可由这89个关键站通过多元回归的方法求得。用这种方法，整个计算区域内的统计信息损失量大约超过2%。文章选取1992年7月24日到25日的一次暴雨过程，用关键站的相关最大的站，对缺测的站使用多元回归的方法补值，然后再用MM4模式进行数值预报试验，发现客观分析场和预报场的准确度都有提高。     

长江中下游沿江地区夏季旱涝分型及预测

对1961-2000年长江中下游沿江地区8个站夏季（6-8月）累积降水距平进行EOF分析，根据有三个特和下向量将长江中下游沿江地区旱涝趋势异常分成4种主要空间型：旱型、涝型、东旱西涝型、东涝西旱型。并在此基础上，分析了它们与500hPa高度场异常的同时，时滞关系，得到一些对长江中下游沿江地区汛期旱涝异常预测有意义的结果。     

水阳江洪峰与强降水

用1964－1999年水阳江水位和雨量资料，分析水阳江水位、面雨量变化规律和洪峰出现特征。结果表明，6月平均面雨量为241.5mm，7、8月平均面雨量分别为186.5mm、155.7mm。宣城出现13次超警戒水位过程；新河庄出现25次超警戒水位过程，且连续超警戒水位日数长。洪峰出现前一周为连阴雨天气，一周平均面雨量为164.5mm。季内日面雨量存在60天周期变化现象，新河庄日平均水位存在60－120天周期变化；1999年宣城日平均水位的小波分析结果为60天周期变化，与新河庄日平均水位功率谱分析结果一致。     

辽宁地区第一对流层顶高度变化特征分析

本文利用趋势分析、突变分析以及小波分析等方法对近42 a辽宁南部（大连）和北部（沈阳）第一对流层顶高度变化特征进行分析和比较,结果表明：近42 a,辽宁第一对流层顶高度除冬季以外其它三季和年呈下降趋势,南部地区的降幅明显大于北部;多年均值的年变化表现为在夏季最高、春秋季次之、冬季最低,各个季节南部高度值普遍高于北部;年际变化幅度在夏季最大,除冬季外,南部大于北部;发生气候突变的时段基本上都在1970年代中期前后;周期变化特征时空差异较大。     

潮州市夏季高温影响因子分析及预报工具建立

高温天气常常导致干旱和高温热浪等自然灾害,探讨高温天气的预报方法非常有现实意义。为此,利用潮州当地夏季高温情况,从将近50年资料中归纳分析,并挑选出主要影响当地出现高温的气象因子,采用统计分析工具SPSS进行因子分析与线性回归计算,建立潮州夏季高温预报方程组,最后用VisualBasic语言设计开发了可用于日常业务预报高温的预报工具。     

NCAR分析资料在大气边界层内误差的初步分析

通过比较1998年南海季风试验(SCSMEX)期间(1998年5月5日～5月25日,6月4日～6月20日)7个站点的探空加密观测资料与NCAR分析资料,分析了在大气边界层内分析资料存在的误差.结果表明:在大气边界层内,NCAR分析资料存在较大的误差.位温和比湿误差随着高度的增加呈现下高上低的特征.比湿的误差要大于位温的误差,7个站点的位温均方差最小值基本都小于1 K,最大均方差也不大于2 K,而比湿均方差最小值基本都大于1.0 g·kg~(-1),部分站点的误差最大值超过2.0 g·kg~(-1).初步说明,下垫面对NCAR分析资料误差的产生有较大影响,内陆地区和海岛地区的分析资料位温的误差比沿海地区大,而比湿数据则相反;在垂直方向上,分析资料的位温误差在0.98～1.33 K之间,比湿误差介于1.39～1.60 g·kg~(-1)之间.     

高原东侧突发性大暴雨过程中螺旋度的诊断分析

利用MM5模式模拟输出结果,对2002年6月8-9日发生在陕西省和四川北部的一次突发性大暴雨过程进行了螺旋度诊断分析.结果表明:暴雨区附近总存在一对紧邻的大小(低层)或正负(中层)螺旋度中心,低层螺旋度正值区强度远大于中高层螺旋度正负值区,对流层中层正负中心的轴线随高度呈逆时针旋转,相应的垂直结构是一对正负相伴的螺旋度柱.当暴雨区东侧正螺旋度突然向高层伸展,西侧伴有负螺旋度发展,且两中心间等值线变密集时,暴雨开始,大小(正负)螺旋度最强及其间等值线最紧密时,暴雨达到最强盛时期,而且暴雨就发生在两螺旋度之间偏大值中心的等值线密集区.进一步分析表明:螺旋度发生发展的主要贡献者是水平速度和水平速度的垂直切变.     

学生成绩关键因素挖掘与成绩预测

为了探索影响学习成绩的关键因素,为学生学习、教师教学和学校管理提供帮助,采用密度全局K-means算法对UCI机器学习数据库的葡萄牙学生数据、陕西蒲城县第三高级中学的学生数据进行聚类分析,挖掘影响学生成绩的相关因素,并对学生成绩进行预测分析.葡萄牙学生数据挖掘发现：学生成绩与其所在学校、家庭住址、母亲学历、家庭有无网络有极大相关性,与父亲受教育程度、上学路上花费时间、想上大学、在谈恋爱也有一定相关性.蒲城县第三高级中学学生数据分析发现：学生成绩与其监护人、父母年龄、父母学历、学习态度、课后学习量之间有极大相关性.成绩预测聚类结果显示：预测成绩与实际成绩一致.中外学生数据挖掘揭示：学生成绩与父母受教育程度,特别是母亲受教育程度密切相关,母亲受教育程度越高,孩子学习成绩越好;孩子成长过程中,父母作为监护人的陪伴作用不容忽视;激励和引导学生树立远大理想,调动学生学习的主动性,对学习成绩和成长至关重要;缩小城乡教育差距势在必行.     

A Simple Temporal and Spatial Analysis of Flow in Complex Terrain in the Context of Wind Energy Modelling

A simple temporal and spatial analysisis done on wind speed and direction data from a number ofmeteorological towers separated by distances between roughly 1 and 100 kilometres. The analysis is done in the context of expected model error in wind energy calculations. The study first uses single point statistics to show the evolution of mean values with time. It is shown that strong seasonal signals are present and that stable means are achieved only after averaging periods of a year or more. The study then uses discrete Fourier transforms to show that significant amounts of spectral energy reside in modes with periods of a few days to less than a day. Frequency dependent cross correlation values are then derived and used to show how correlation between towers diminishes with increasing frequency. The mechanism responsible for this diminished correlation is shown through the comparison of cross-correlation phase as a function of frequency and its relationship to distance between towers. Error in wind energy estimates are shown to be strongly related to correlation and therefore distance over which the prediction is made. In summary, much of the inaccuracy in modelling flow in the context of wind energy calculations is due to a lack of scale separation between the deterministic part of the flow, which is well modelled, and that part of the flow that is stochastic at the length and time scales modelled.