运用经验正交函数分解建模制作麦播期降水定量预报

针对鹤壁市麦播期（９月２１日￣１０月３１日）降水量的高频振荡性，利用均值生成函数的延柘函数构成的序列，提取时间函数，作为主分量分析方法的时间函数场，制作鹤壁市麦播期降水定量预报方程并进行试报。     

冬小麦土壤墒情预报及优化灌溉技术的计算机模型

利用土壤水分平衡方程,根据我省冬小麦的生长规律及冬小麦优化灌溉技术推广经验,建立了冬小麦土壤墒情预报及优化灌溉技术的计算机模型.利用该模型,可以较准确地预报未来1个月的土壤墒情变化,并可根据我省小麦的不同发育期给出以最高产量和最佳经济效益为目标的两种灌溉建议.     

冬小麦土壤墒情预报及优化灌溉技术的计算机模型

利用土壤水分平衡方程，根据我省冬小麦的生长规律及冬小麦优化灌溉技术推广经验，建立了冬小麦土壤墒情预报及优化灌溉技术的计算机模型，利用该模型，可以较准确地预报未来1个月的土壤墒情变化，并可根据我省小麦的不同发育期给出以最高产量和最佳经济效益为目标的两种灌溉建议。     

麦播期降水趋势分级预报方法

根据漯河市 1 956～ 1 995年 9月 2 0日～ 1 0月 2 0日的天气对麦播影响情况 ,定出麦播期降水趋势分级标准 ;利用前期环流特征、气象要素与麦播期降水的对应关系 ,找出相关因子 ,并根据因子组合 ,作出麦播期降水趋势分级预报     

额尔古纳市春季土壤墒情变化特点

一年之季在于春，春季是播种的季节，而春季土壤墒情的好坏直接影响着牧草返青、农作物播种和出茁。每地区土壤质地一般是不变的，土壤墒情的好坏主要取决于土壤中含水量的多少。土壤中水分的主要来源是空中降水，而春季的土壤墒情和上年度秋季降水、冬季积雪、当年春季降水、春季风力的大小、温度的高低、解冻和冻结的日期等因素有着一定的关系。下面就对春季土壤墒情影响较大的几个方面进行分析。     

辽宁省未来7d土壤墒情逐日滚动预报方法研究

基于气象台定量预报数据和自动土壤水分监测数据等实时和历史资料,采用土壤水分平衡原理,研究了辽宁省未来7 d土壤墒情逐日滚动预报方法。结果表明:预报模型稳定性好,能够较好地模拟出辽宁省未来7 d土壤墒情的定量演变趋势,首次实现了土壤墒情的定量化预报、精细化(县级)预报及逐日滚动预报。该方法成功实现的关键之处在于采用回归分析方法实现了气象台提供的预报要素和模型所用预报要素之间的转换。     

河南省不同土壤类型墒情变化规律

分析河南省台站土壤墒情数据库1997年10月至2003年6月资料,找出不同土壤类型的墒情变化规律。土壤有效水分含量分析表明：壤土最大,粘土次之,沙土最小;土壤墒情受地下水影响较大,地下水位较浅的地区不容易出现干旱。根据土壤墒情资料确定了土壤墒情订正系数和不同土壤类型田间持水量在全省的分布,并将其应用到墒情预报模型中。     

河南省土壤湿度年变化规律

利用河南省土壤墒情预报模型中建立的河南省台站土壤墒情数据库资料,对不同类型土壤湿度进行分析,从而确定不同类型土壤湿度差异、地下水对土壤湿度的影响及河南省土壤湿度的年变化规律.     

许昌市区麦播期强降水短期预报方法

在许昌市区麦播期强降水影响系统客观分型的基础上，结合预报实践，分型挑选预报因子，并建立了强降水短期预报方法。经检验和试报，效果令人满意。     

2008年的湛江土壤湿度特征

对湛江地面气象观测站2008年0～50 cm土壤湿度、降水及蒸发皿蒸发资料进行了分析。结果表明,湛江土壤湿度的垂直分布形态为垂直均匀型;按土壤湿度随时间的变化规律,可将其划分为春季相对稳定期、夏季增墒期和秋季迅速下降期3个时段。对0～10 cm、10～30 cm与30～50 cm土层土壤湿度进行回归分析,表明土壤湿度与降水量、蒸发皿蒸发量存在线性关系,除春季30～50 cm土壤湿度的预报值明显偏低外,其余回归方程的预报结果均较好。同一土壤类型、不同时段,或同一时段、不同的土壤层次,拟合的方程不同,反映出土壤湿度时间和空间分布的复杂性。     

非线性平衡方程初值化方法及其在中期数值天气预报试验中的应用

本文给出了一种求解非线性平衡方程的新的有效的方法及有关的数值试验结果。和以往的求解方法相比，本方法的优点是:收敛速度快，不需要冗长的迭代计算，也不需要对初始高度场的某些记录作修改，并能节省大量的计算时间。文中利用北半球七层原始方程谱模式，使用了1982年的客观分析资料，进行中期数值天气预报试验。试验结果表明，用非线性平衡方程初值化方法制作中期数值预报比其他的如线性平衡方程初值化方程的更佳。后者因去掉了非线性项的作用，天气系统的强度预报结果偏弱且偏平滑。     

海陆风环流的计算方法

给出海陆风环流的计算方法,得到了计算方程,该方程为一个复偏微分方程,可用松弛迭代法数值求解。利用该方程,对珠江口及香港地区的海陆风环流作了高分辨率的计算,结果表明用该方法计算得到的海陆风环流是可信的,其与实际观测及Mass模式的计算结果十分吻合。     

最优化方法在天气预报中的应用

本文根据最优化方法原理,提出了选择非线性最优预报因子和建立非线性预报方程的办法。试验表明:用此方法选出来的非线性预报因子和建立的方程比线性的好。最后还指出了此方法可推广到预报量离散的情况,建立非线性的判别方程,同时可用于长、中、短期天气预报。     

THE INVERSE PROBLEM OF KLEIN-GORDON EQUATION BOUNDARY VALUE PROBLEM AND ITS APPLICATION IN DATA ASSIMILATION

Since the solution of elliptic partial differential equations continuously depends on the boundary condition, the Euler equation derived from variational method cannot be solved without boundary condition. It is often difficult to provide the exact boundary condition in the practical use of variational method. However, in some application problems such as the remote sensing data assimilation, the values can be easily obtained in the inner region of the domain. In this paper, the boundary condition is tried to be retrieved by using part solutions in the inner area. Firstly, the variational problem of remote sensing data assimilation within a circular area is established. The Klein-Gordon elliptic equation is derived from the Euler method of variational problems with assumed boundary condition. Secondly, a computer-friendly Green function is constructed for the Dirichlet problem of two-dimensional Klein-Gordon equation, with the formal solution according to Green formula. Thirdly, boundary values are retrieved by solving the optimal problem which is constructed according to the best approximation between formal solutions and high-accuracy measurements in the interior of the domain. Finally, the assimilation problem is solved on substituting the retrieved boundary values into the Klein-Gordon equation. It is a type of inverse problem in mathematics. The advantage of this method lies in that it overcomes the inherent instability of the inverse problem of Fredholm integral equation and alleviates the error introduced by artificial boundary condition in data fusion using variational method in the past.     

垂直切变基流中东西向地形对惯性重力波稳定性的影响

利用分层浅水波方程和小参数(WKB)方法，考虑具有垂直切变的基流和地形的作用，求得惯性重力波的局地频率方程，并根据此方程分析讨论了在多种环境条件下波动的稳定性情况。     

A method of forecasting two-dimensional probability distributions of long-term runoff and evaporation

Proposed is a multidimensional generalization of the Pearson equation in the form of the first-order partial differential equation. A solution of this equation using the method of characteristics enables forecasting two-dimensional probability distributions at the known climatic scenario.     

多级扰动法——静力扣除及其在非静力模式设计中的可应用性

在尺度分析的基础上,利用大气垂直运动方程中各项量级的分布特点,提出了多级扰动法.通过它可以使该方程中量级最大的垂直气压梯度力项(VPGF)和重力项(G)的相应扰动项的量级随级次n的增加明显减小,而其他项的量级不变;而且,方程中最大的垂直截断误差的量级也随n的增加而减小,直到高级扰动项不再是扰动方程中仅有的最大项时为止....     

数值天气预报中的两类反问题及一种数值解法──理想试验

针对数值预报中产生误差的两个来源提出了数值预报中存在着两类反问题。并在一维的非线性平流扩散方程上，用共轭方程的解法对提出的两类反问题作出了理想场的数值试验。试验结果表明，这种解反问题的方法非常有效。它利用＂观测资料＂所包含的时间演变的信息确定出了方程的初值或方程中误差订正项的空间分布状况。而且无论对＂观测资料＂的超定还是欠定都能得出较有意义的结果。因而有很大的利用前景。     

A Homogeneous Langevin Equation Model, Part i: Simulation of Particle Trajectories in Turbulence with a Skewed Velocity Distribution

A Lagrangian stochastic model for the time evolution of the velocity of a fluid particle is presented. This model is based on a one-dimensional generalized Langevin equation, and assumes the velocity probability distribution of the turbulent fluid is skewed and spatially homogeneous. This has been shown to be an effective approach to simulating vertical dispersion in the convective boundary layer. We use a form of the Langevin equation that has a linear (in velocity) deterministic acceleration and a random acceleration that is a non-Gaussian, skewed process. For the case of homogeneous fluid velocity statistics, this 'linear-skewed' Langevin equation can be integrated explicitly, resulting in an efficient numerical simulation method. Model simulations were tested using cases for which exact, analytic statistical properties of particle velocity are known. Results of these tests show that, for homogeneous turbulence, a linear-skewed Langevin equation model can overcome the difficulties encountered in applying a Langevin equation with a skewed random acceleration. The linear-skewed Langevin equation model results are compared to results of a 'nonlinear-Gaussian' Langevin equation model, and show that the linear-skewed model is significantly more efficient.