强制通风温度传感器的计算流体动力学分析

本文利用计算流体动力学(Computational Fluid Dynamics, CFD)方法对基于076B型强制通风防辐射罩的温度传感器进行流固耦合传热分析,计算不同太阳辐射强度、下垫面反射率、强制通风速度、气象站海拔高度和下垫面长波辐射强度等影响因子条件下温度传感器的辐射误差。为实现影响因子连续变化时能提供准确修正数据的目标,采用神经网络算法仿真值计算结果进行拟合,获得辐射误差订正方程。结果表明,辐射误差订正方程的修正误差在0.005℃以内。订正后的气温观测数据有望用于气候变化研究和高精度天气预报。     

百叶箱和通风防辐射罩气温观测系统的数据对比与订正

气温是常规地面气象观测的基本要素,其观测方法和误差直接关系到对大气过程的理解和预报精度。开展不同气温观测系统间的对比和分析,保证观测数据的准确性和可比较性,对大气科学以及天气气候的预测、预报研究具有重要意义。本文利用2009年9月至2010年8月的对比实验数据,分析了百叶箱气温观测系统和通风防辐射罩气温观测系统的数据差异,讨论了系统误差与环境温度以及辐射误差与太阳辐射和环境风速之间的关系,给出了相应的订正方法,最后对订正效果进行了检验。结果表明:与通风防辐射罩的气温数据相比,百叶箱的气温数据偏高,其中夜间平均偏高0.19°C,白天平均偏高0.29°C;系统误差是环境温度的一元线性函数,气温每升高1°C,系统误差就会增加0.006°C左右;辐射误差是太阳辐射与环境风速互相耦合作用的结果:太阳辐射有较强的增温效应,与辐射误差呈现近似的抛物线函数关系;环境风速有较好的冷却效应,与辐射误差呈现出近似的负指数函数关系;经误差订正后,夜间和白天的数据误差均减小到了0.0°C,-0.2~0.2°C的样本比例分别从订正前的64.5%和45.3%提高到了83.7%和80.6%,一致率提高到了92.3%和96.0%。     

多旋翼微型无人机气象探测适用性分析

本文通过多种试验对多旋翼无人机搭载微型气象探测设备进行低空温湿度探测和数据传输进行了适用性分析。结果表明,采用433 MHz无线透传的数据通讯方式数据传输稳定性较好,选用的微型气象探测设备温湿度传感器通过了实验室计量检定,与百叶箱温湿度的对比观测中二者一致性较好;无人机在单纯悬停过程中,温湿度观测与对比观测设备误差较小,相关性较好;在低空连续飞行过程中,温湿度观测结果与探空仪观测结果具有较好的一致性(温度平均绝对误差0.84℃,相对湿度平均绝对误差4%),但存在温湿度小脉动变化无法捕捉的情况,可能与设备温湿度响应时间、通风防辐射罩结果、飞行速度等有关。     

阿斯曼通风干湿表常见故障及排除

阿斯曼通风干湿表一直以来被用作气温在0℃以上时测量湿度的仪器，外壳有防辐射镀层，球都有固定速度的气流流过，其结构轻便，精确度高，稳定可靠。[第一段]     

防辐射罩与百叶箱温度观测差异性分析

通过统计和整理国家气象观测站与其周围约10km范围内4个区域自动站2012年的温度数据,对比分析处于不同防辐射罩内的温度传感器的观测资料。指出两者之间的差异及其差异性存在原因和影响因素。讨论了通风对低温观测的影响。     

百叶箱与通风辐射罩的气温日最值差异

利用2009年8月—2010年7月的平行观测资料,对新型自动气象站中百叶箱和通风辐射罩气温观测系统气温日最值对比差的分布、粗差率、一致率以及平均值等进行统计,对日最值的出现时间进行对比,对日最值对比差与环境风速的关系进行分析,建立并验证了百叶箱气温日最值的订正方法。结果表明:百叶箱和通风辐射罩气温日最值对比差的分布均呈右偏态,且偏斜程度较大,不服从正态分布;日最高气温与最低气温的一致率分别为90.0%和81.5%,两者存在较大差异,但其粗差率基本一致,均略高于3.0%;与通风辐射罩气温观测系统相比,百叶箱的日最值数据总体偏高0.2℃左右,同时其出现时间也存在不同程度的滞后;气温日最值的差异会随着环境风速的增强而减小,特别是当风速大于4.5 m·s-1时,其差异可缩小到0.1℃以内;以环境风速为主要参数的气温订正方法将最高气温的差异缩小到0.03℃,一致率提高到95.2%,将最低气温的差异缩小到0.01℃,一致率提高到94.1%。     

农田小气候自动观测系统温度梯度观测设计

垂直梯度是小气候观测的突出特点,为研究矮杆作物和高杆作物农田小气候合理的梯度观测设计标准,以小麦和玉米为例,对2012年郑州和泰安两地麦田和玉米田气温和裸温垂直梯度变化特征进行分析,结果表明： 气温与裸温的垂直梯度变化在时间和空间分布上均有很好的一致性,可利用裸温不同层次间垂直梯度变化特征确定气温传感器合理的安装高度;根据麦田和玉米田裸温垂直梯度变化特征,考虑到温度防辐射罩高度限制,矮杆作物田小气候气温应在距离地表面25 cm、50 cm和150 cm高度附近分别设置观测层次,高杆作物田小气候气温应在距离地表面25 cm、50 cm、150 cm和300 cm高度附近设置观测层次。     

冬小麦农田裸温与气温差异分析及其应用

以矮秆代表作物冬小麦为研究对象,利用郑州农业气象试验站2010年10月15日—2011年6月2日农田小气候观测的各层裸温、气温、总辐射和覆盖度资料,采用对比差值、温度垂直梯度等方法统计分析,并对温度对比差值和总辐射曝辐量相关关系和温度的垂直梯度分布特征进行了研究,结果表明:25cm、150cm和300cm高度的日平均裸温和气温变化趋势基本一致,其对比差值呈由小变大趋势;各层裸温和气温的日分布符合温度日变化分布的一般规律,垂直梯度变化比较明显;各层对比差值呈单峰分布,峰值出现在正午12时左右;裸温和气温的对比差值与总辐射曝辐量呈线性相关。裸温与气温的垂直梯度变化有很好的一致性,可利用裸温不同层次间垂直梯度变化特征确定气温传感器合理的安装高度;根据麦田裸温垂直梯度变化特征,考虑到温度防辐射罩高度限制,矮秆作物田间小气候气温应在距离地表面25cm、50cm和150cm高度附近分别设置观测层次。     

谈避免气温读数误差的体会

谈避免气温读数误差的体会赵秀娟（九三农管局气象台１６１４４１）气温是用干球温度表测定出来的,各级气象台（站）每天都要测定几次,气温测定的准确度直接关系到每天气象分析的准确度。本人根据多年的实际观测经验,谈谈正确观测干球温度表,避免气温读数误差的几点体...     

浅谈多传感器融合技术在气象观测中应用

多传感器融合技术现阶段在气象观测中的应用主要体现在气温降水多传感器上,多传感器的正式运行减轻了地面气象观测人工维护工作量,确保气温与雨量数据的完整性,但在使用中发现多传感器融合观测存在的一些问题,如果能完善解决这些问题,则能进一步提高气温降水观测数据的准确性,实现全方位地面观测自动化。     

用于气象站的地表气温观测仪器的设计与实验研究北大核心

大气科学研究对地表气温观测精度有高达0.1℃甚至0.05℃的需求。然而,现有的地表气温观测仪器受到太阳直接辐射、下垫面反射辐射、长波辐射和散射辐射等影响,辐射误差可达1℃。本文设计了一种基于导流装置的地表气温观测仪器。首先,利用计算流体动力学(Computational Fluid Dynamics,CFD)方法量化该仪器在各种环境条件下的辐射误差;然后,在此基础上,利用极限学习机(Extreme Learning Machine,ELM)方法拟合可针对多变量变化的辐射误差订正方程;最后,为验证该仪器的观测精度,进行了外场比对实验。在实验过程中,以076B型强制通风气温观测仪器的测量值作为温度基准。实验结果表明,该仪器的平均辐射误差和最大辐射误差分别为0.07℃和0.15℃。该仪器辐射误差的实验测量值与订正方程提供的辐射误差订正值之间的平均偏移量、均方根误差和相关系数分别为0.033℃、0.028℃和0.703。     

夜间加罩对地面最低温度的影响

为防止野猫等小动物夜间进入观测场损坏地温表,本台观测组用对地温表夜间加罩的方法加以防护。为了估计加罩后对地温的影响,我们在地温罩外另安装了一支地面最低温度表,用以对比观测罩内外最低温度的差异。经过一个多月的连续观测,我们发现,夜间加罩对地面最低温度的影响是显著的,罩内最低温度(用T_g表示)与罩外最低温度(用T′_g表示)之差(用△T_g=T_g-T′_g表示)经常在1.0℃以上,最大达1.5℃。     

自动气象站采集器通道及合成误差分析

数据采集器通道误差是自动气象站观测系统误差来源的重要组成部分,直接影响自动站各要素观测数据的准确性,其与温、湿、压、风等各气象要素传感器误差的合成构成了自动气象站误差。在稳定的实验室环境条件下,利用高精度测量仪表,通过对多台CAWS600型采集器进行精确测量,得到自动站采集器各气象要素通道误差的校准数据。对温、湿、压、风等要素的自动测量系统(传感器和采集器)误差分析结果表明,自动站误差等于传感器误差与采集器通道误差之和。此外,采集器各主要通道的误差存在一定的分布规律:有10台采集器气温通道误差≤0.1℃,主要分布在-0.1~0.1℃,所占比例为77%;有3台采集器通道误差0.15℃而≤0.20℃,所占比例为23%。在600-1090 h Pa量程内,气压通道误差主要分布在-0.10~0.10 h Pa;风向、湿度通道误差较小,误差值相近,方向较一致,风向通道误差≤1°,湿度通道误差≤1%。     

基于加密观测的一次极端雨雪过程积雪特征分析

利用降水现象仪、地面自动站、人工加密积雪深度逐时观测资料及NCEP/NCAR 1°×1°再分析资料,对山东2020年1月5-7日罕见雨雪过程的积雪特征及温度影响机制进行了分析。结果表明:(1)降水量突破同期历史极值导致此次雨雪过程成为极端天气事件,地面影响系统为江淮气旋,冷平流较弱,积雪深度是预报难点。(2)整个过程全省各站的平均降雪含水比为0.46 cm·mm~(-1),低于过去20年间的江淮气旋暴雪过程。(3)积雪深度与高空温度、相对湿度和垂直速度的配置有关,在最大上升运动与90%以上相对湿度的叠置层次内,如果环境温度有利于树枝状冰晶增长则积雪深度和降雪含水比大,而环境温度适合空心柱状冰晶增长的则积雪深度小;云下温度高于0℃使得积雪深度减小。(4)积雪深度与近地面温度的关系表现为:气温低于0.5℃可形成有量积雪;0 cm地温对积雪的影响表现在积雪产生之前,降至0.4℃以下可形成有量积雪;雪面温度在产生积雪前后的2 h内维持在0℃左右,其他时段变化与气温类似。(5)降雪含水比基本上随着气温的升高而减小,在0.5 cm·mm~(-1)以上时一般降雪期间气温低于0.4℃。该个例揭示了积雪深度和降雪含水比的预报需要综合考虑高低空气象条件。     

Pc—1500计算机整理通风干湿表检定记录程序

一、概述:通风干湿表的检定分两次进行。一、按JJG207—80号“气象用内标式玻璃液体温度表检定规程”对温度表进行检定。检定记录整理程序“陕西气象”八三年第九期有过介绍,此文不再叙述。二、按JJG204—80号“气象用通风干湿表检定规程”对温度表球部管道通风速度进行检定。方法是给通风器上满弦、测定第四分钟末风速(技术要求大於2.5米/秒)和第六分钟末风速(技术要求大於2.2米/秒)。因为风速在2.5米/秒以上时,△值(干湿球温度表测湿系数)几乎不随风速大小的改变而变化。所以在此风速条件下用通风干湿表测定的相对湿度是比较准确的。大家知道用干湿球温度表测湿的基本原     

ECMWF细网格气温预报产品在宁波的检验和误差分析

针对宁波市326个站点,对空间分辨率为0.125°×0.125°的ECMWF细网格气温模式产品中2019年1月-2021年6月08时和20时2个不同起报场0~72h时效的预报产品进行时空检验和误差分析。结果表明:(1)08时和20时2个不同起报场72h内每天14时的均方根误差和平均绝对值误差最大,20时和08时次之,02时最小;(2)5类土地利用类型中林地的预报气温与地面站点气温的误差最大,水体次之,另3类相差不大;(3)误差空间分布不均匀,沿海地区误差相对较小,西部山区、海曙、奉化等个别站点误差较大;(4)DEM和距海距离与均方根误差和平均绝对误差的相关系数基本为正。     

701-B雷达定时器的二例故障分析

701-B型雷达是701雷达的改进型,但主机保留了原701雷达的主要部分。定时器、测距显示器、测角显示器、发射机、一号电源、二号电源的全部,接收机的大部分电路都与701雷达相同。雷达在长时间的运行中,各分机的元器件发生质变。使机器的参数发生变化,引起雷达故障。下面就结合我站701-B型雷达出现的两个故障实例进行分析。例1,测距粗、精示波管不亮、无基线、发射机高频,振荡管FM-7F阴流无指示。经检查,一号电源输出各电压值均正常,发射机高压、指示正常,用耳机检查定时器送往发射机的发射触发脉冲时,听不到电流声,说明无发射触发脉冲送来。确定故障发生在定时器部分。进一步检查定时器,     

五九型探空仪温度湿度基值测定的分析

一、五九型探空仪温度湿度感应元件工作原理与误差概述 五九型探空仪温度感应元件是螺旋形双金属片。螺旋形双金属片由两种热膨胀系数不同的金属压制而成。主动片(里片)用膨胀系数较大的镍铬钢,被动片(外片)用膨胀系数较小的因瓦钢。当温度降低时,双金属片向内弯曲,反则,向外弯曲。同时,带动指针偏转。偏转后,指针尖接触电码滚筒的位置随之改变,发出不同的温度电码符号,表示周围的气温。     

土壤有效水分与气象条件的关系

在自然条件下,土壤水分主要受环境条件制约。为探索作物耕作层(0—30cm土层)内土壤有效水分含量的变化与气象条件的关系,对土壤有效含水量与气温、降水量、日照以及空气湿度等的关系进行初步分析。 1.土壤有效含水量与气温及降水的关系 自然条件下降水是土壤水分的最主要的来源,     

第二代自动气象站不同气温观测系统数据对比分析

利用2009年8月—2010年7月的平行观测数据,分析了第二代自动气象站百叶箱气温观测系统和气候塔通风防辐射罩气温观测系统的数据差异,讨论了季节、月份以及时次等不同时间尺度下的太阳辐射强度和环境风速大小对这种差异的影响。结果表明:与百叶箱的数据相比,气候塔的气温分钟值、日均值和日最值等都平均偏低0.2℃左右;数据对比差随太阳辐射的增强而变大,两者间存在较强的正相关性,其中夏季、8月份和15时的偏差均值分别达到了0.29℃、0.30℃和0.31℃;数据对比差随环境风速的增强而减小,两者间呈较强的负相关性,当风速大于5.4 m/s时,数据对比差的平均值和标准差从风速小于1.5 m/s时的0.17℃和0.31℃分别减小到了0.12℃和0.10℃,而数据对比差小于0.2℃的样本比例从60.3%提升到90.4%。