近50年河南省武陟县高温天气的气候特征初探

利用河南省武陟县1961-2010年5-9月日极端最高气温资料,统计分析了武陟县极端最高气温与高温天气的特征,以期能对提高气候预测水平和农业生产有一定帮助。结果表明:武陟县高温天气主要出现在6-7月,高温天气的时间分布具有明显的周期性;年极端最高气温的变化大体上经历了从高到低又到高的过程;持续高温天气主要出现在6月,连续≥3d的高温天气过程出现最多,平均每年出现1.9次;武陟县夏季酷热与极端最高气温高、持续高温天气出现次的年份,集中在20世纪60年代中期以及90年代后期至今的两个时间段内。     

2013年夏季中国南方区域性高温天气的成因分析

为了对2013年夏季中国南方区域性高温天气进行系统的分析,采用统计分析等方法,利用常规气温资料及NCEP/NCAR再分析资料讨论了此次高温的特征及成因。结果表明：2013年夏季中国南方地区发生的高温事件相对历史同期增多,主要集中在华南北部至华北南部一带,其区域性高温天气的极端性十分突出,研究区域内的日平均气温、平均日最高气温、平均日最低气温以及高温日数都打破最高纪录,为历史罕见;西太平洋副热带高压范围偏大、强度偏强、西伸脊点位置偏西、脊线偏北,南亚高压偏北偏东,热带气旋活动范围偏南,出梅较早、梅雨季节短等因素导致中国南方长江中下游地区出现了长时间的区域性高温天气。     

2006年西南地区异常高温及其成因分析

2006年我国西南地区发生了严重的高温天气,筛选了1948年-2006年西南地区7、8月日平均气温持续3天及其以上高于25.5℃的高温时段,分析了西南地区高温变化的特征.结果表明:20世纪90年代以后,高温时段出现得更频繁,尤其在2006年西南地区夏季月平均气温持续偏高、高温出现时间早、高温影响范围广、高温日数异常偏多.分析了西南地区盛夏气温的年代际变化,并进行了滤波,发现西南地区的气温有20年左右的周期,2006年处于波峰.还分析了影响西南地区异常高温的因素,副热带高压的脊线西升、北抬导致了西南地区异常高.温的产生.大陆高压中心位置比平均偏东偏北亦是造成西南地区高温的原因.另外青藏高原积雪深度和积雪日数与西南地区异常增温有一定的关系.通过分析高温前冬季和春季积雪分布,发现二者之间有明显的负相关,春季积雪异常对西南高温有较大的影响.     

近46年中国冬季日均气温及极端温度的变化

应用1961—2006年我国599个站的冬季逐日平均温度资料,分析了冬季各月最低（高）日均温度、低温日数及三种极端温度指数的变化趋势。结果表明冬季各月最低、最高温度的变化均呈明显上升趋势,2月份升温最显著,日均气温低于5℃的冷日数和日均气温低于-10℃的严寒日数在冬季各月都是减少的。全国近46年冬季极端低温日数呈明显减少的趋势,1986年出现一次跃变,2006年最少;极端高温日数普遍增加,1995年出现跃变,1998年达到峰值;霜冻日数在27N-46N间区域显著减少,跃变点在1987年,最低值出现在1998年。     

近46年中国冬季日均气温及极端温度的变化

应用1961—2006年我国599个站的冬季逐日平均温度资料,分析了冬季各月最低（高）日均温度、低温日数及三种极端温度指数的变化趋势。结果表明冬季各月最低、最高温度的变化均呈明显上升趋势,2月份升温最显著,日均气温低于5℃的冷日数和日均气温低于-10℃的严寒日数在冬季各月都是减少的。全国近46年冬季极端低温日数呈明显减少的趋势,1986年出现一次跃变,2006年最少;极端高温日数普遍增加,1995年出现跃变,1998年达到峰值;霜冻日数在27°N-46°N间区域显著减少,跃变点在1987年,最低值出现在1998年。     

南京市高温热浪时空分布研究

在全球气候变暖的背景下,城市夏季高温热浪已经成为城市最严重的气象灾害之一,给城市居民健康和经济发展带来了巨大的影响。以2013年8月7日-13日的南京高温热浪灾害事件为例,基于Landsat 8 OLI 卫星遥感数据、MODIS卫星遥感数据和气象站点数据,在MODIS地表温度降尺度基础上,估算近地表气温,进而结合空气相对湿度的空间插值数据计算南京地区100 m分辨率的炎热指数和高温热浪指数,分析其时空分布特征。结果表明：在这次高温热浪演变过程中,南京炎热指数呈现先升高后降低的变化趋势,8月11日炎热指数最高,平均达到86.99,12日降到最低值,平均值为85.05;高温热浪强度主要集中于轻度热浪与中度热浪,随着时间的推移,其范围也呈现先扩大后减小的趋势;在空间分布上,南京北部及中心城区的炎热指数较高,主要表现为中度热浪,而南部地区及中心城区周边郊区较低,主要为轻度热浪,山体和水域炎热指数则最低,多为无热浪。     

近50年武陟县雷暴气候特征及雷灾分析

利用武陟县1960～2009年的雷暴观测资料、雷灾典型实例资料,通过数理统计方法,分析武陟县雷暴的气候特征、雷灾的年变化特征和行业特征,以期能对当地政府相关部门提供参考,为当地防雷减灾工作提供气象依据。分析结果表明:武陟县雷电活动的时间有很明显的时间分布特征,雷暴多集中出现在每年的6～8月,以7月出现最多,11、12、1月出现最少,以持续时间为2小时内的短时性雷暴天气为主;在各主要行业雷灾受损设施中,广播系统遭受雷灾造成的直接经济损失最大;家用电器遭受雷灾次数最多,其直接经济损失次之,近5年雷灾损失有明显快速上升趋势。     

西南抗旱贵州省贞丰县地下水勘查开发案例

2009年5月至2010年4月,由于持续的少雨高温天气,致使我国西南多个省份出现不同程度的干旱灾害。贵州省秋冬春连旱,出现80年一遇的特大旱灾,其中黔南、黔西南地区受灾尤为严重,人民群众生产生活用水已经严重短缺。     

广东汕尾近40年以来气温的变化特征

根据汕尾地区汕尾、海丰、陆丰站1960—1999年的气温序列资料,采用线性趋势、累积距平、小波分析以及Mann-Kendall突变检验等方法对汕尾地区气温变化特征进行了分析,结果表明：40年来汕尾地区存在暖-冷-暖3个气候变化阶段。年季平均气温均呈上升趋势,尤其在1980年代中期以后升温更为明显;四季升温率以冬季最为显著。在不同冷、暖阶段,冷、暖年（季）出现的年数差异很大,其中异常冷年均出现在1980年前,异常暖年均出现在1990年后。年平均最高气温与最低气温同年平均气温一样均呈升高趋势。但不同站点的气温变化仍有一定差异。年平均气温汕尾站存在2—3a、6—7a、准12a周期,海丰站存在准7a与14—16a周期,陆丰存在准1．5a、准2．5a、5—7a、准16a周期,MK检验发现汕尾平均气温在1998年发生突变,其他两站的突变发生在1997年。     

全国极端气温事件的空间关联模式挖掘研究

根据全国739个气象台站1961年1月至2005年12月的逐日气象数据记录建立时空序列数据集,提取极端高温事件和极端低温事件。结合传统关联规则挖掘技术和地理空间数据分析方法,对极端气温事件数据集进行了空间关联模式的分析。实验结果显示,所得空间关联模式中涉及的区域在空间上具有明显的聚集性;在东北、华中两个局部地区的台站中,极端气温事件的发生存在较强的关联规则(支持度阈值6%,置信度阈值95%),而在其他区域的台站中,极端气温事件不存在类似的关联规则,且极端高温事件的关联规则数量要明显高于极端低温事件。对存在关联规则的台站进行空间分析发现,同一关联规则内的各台站具有空间邻近性,其邻近范围约为200 km。以上空间关联模式的挖掘分析,可以为我国极端气温事件的预警和防控提供有价值的参考。     

金沙江流域年与季气候特征统计分析

利用金沙江流域30个气象站46年的气温与降水资料,运用线性相关分析法和小波分析法对金沙江流域的气温和降水在年与四季中的变化及空间分布特征进行分析。结果表明:流域的年均气温在20世纪90年代后呈明显上升趋势,冬季增温效应最明显;流域的降水量总体呈不明显的增加趋势,春冬两季的降水量变化较明显。至2006年后,除时间尺度6a以下,流域的气温在其他时间尺度上将处于偏高期。夏秋两季降水量在2006年后将处于偏低期,年、春冬两季降水量则将处于偏高期。流域的气温变化具有区域性差别,高值区与低值区分别位于流域的下游和上游地区;而降水的发生主要在流域的东北部。     

基于HJ-1B/IRS的重庆市热岛效应监测应用

本文利用MODIS数据反演大气透射率,利用HJ-1B/CCD进行分类,并反演地表比辐射率.在此基础上,借鉴单窗算法,利用HJ-1B/IRS数据反演得到地表温度,并利用MODIS温度产品对反演结果进行了初步验证.最后利用热场变异指数进一步分析重庆的热岛空间分布特征,并对NDVI与NDBI对热岛效应的影响进行了分析.其结论...     

2008年南方冰雪过程对生态环境影响的遥感监测——以湖南省资兴市为例

2008年1月中下旬至2月上旬,我国南方地区出现了大范围、长时间的强降雪及冰冻灾害。这次冰冻雨雪灾害,不仅对广大人民群众的生活和社会经济运行造成了极大破坏,而且对当地生态环境也产生了深刻影响。本文以湖南省资兴市为例,运用遥感技术和地面野外调查相结合的方法,监测了本次冰雪过程对当地生态环境的影响。监测发现:本次冰雪过程对植被覆盖破坏显著,植被指数呈较大范围降低趋势,降低区域的总面积占资兴市土地总面积的54.12%;森林生态系统受损严重,除灌木林外302.2万亩森林全部受灾,其中,针叶林比阔叶林严重,幼龄林比成熟林严重,外来种比乡土树种严重,人工林比天然林严重;冰雪过程后土壤含水量增加、边坡失稳,地质灾害危险程度明显增高,工程建设区和林缘陡坡地带以滑坡(崩塌)为主的地质灾害频频发生。     

Feasibility Comparison of Reanalysis Data from NCEP-Ⅰ and NCEP-Ⅱ in the Himalayas

Mt. Everest is often referred to as the earth＇s ＇third＇ pole. As such it is relatively inaccessible and little is known about its meteorology. In 2005, an automatic weather station was operated at North Col （28°1′ 0.95＂ N, 86°57′ 48.4＂ E, 6523 m a.s.l.） of Mt. Everest. Based on the observational data, this paper compares the reanalysis data from NCEP/NCAR （hereafter NCEP-Ⅰ） and NCEP-DOE AMIP-Ⅱ （NCEP- Ⅱ）, in order to understand which reanalysis data are more suitable for the high Himalayas with Mr. Everest region. When comparing with those from the other levels, pressure interpolated from 500 hPa level is closer to the observation and can capture more synoptic-scale variability, which may be due to the very complex topography around Mt. Everest and the intricately complicated orographic land-atmosphereocean interactions. The interpolation from both NCEP-Ⅰ and NCEP-Ⅱ daily minimum temperature and daily mean pressure can capture most synopticscale variability （r〉0.82, n=83, p〈0.001）. However, there is difference between NCEP-Ⅰ and NCEP-Ⅱ reanalysis data because of different model parameterization. Comparing with the observation, the magnitude of variability was underestimated by 34.1%, 28.5 % and 27.1% for NCEP-Ⅰ temperature and pressure, and NCEP-Ⅱ pressure, respectively, while overestimated by 44.5 % for NCEP-Ⅱ temperature. For weather events interpolated from the reanalyzed data, NCEP-Ⅰ and NCEP-Ⅱ show the same features that weather events interpolated from pressure appear at the same day as those from the observation, and some events occur one day ahead, while most weather events and NCEP-Ⅱ temperature interpolated from NCEP-Ⅰ happen one day ahead of those from the observation, which is much important for the study on meteorology and climate changes in the region, and is very valuable from the view of improving the safety of climbers who attempt to climb Mt. Everest.     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全, 进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险。以川东南古蔺县为例, 基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子, 采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后, 进一步利用ArcGIS单元统计功能对比了滑坡和崩塌易发性的信息量值, 选取相对更大的信息量值作为该栅格的最终信息量值, 绘制了研究区综合地质灾害易发性图, 利用自然断点法将古蔺县按信息量值的大小划分为极低、低、中、高和极高易发区。结果表明: 地质灾害主要分布在断层和道路附近, 断层和人类工程活动是造成研究区地质灾害频发的主要原因; 高易发区与极高易发区面积之和为1 315.62 km2, 占全区总面积的41.32%;预测模型性能经ROC曲线检验, AUC值为0.812 5, 说明栅格最大值法预测的古蔺县综合地灾易发性效果良好。      

人工与自动气象站气温观测结果的差异规律分析

利用西昌国家基本气象站2007年1月1日-2008年12月31日人工和自动站24小时基准观测期间的气温资料。以日、月、季不同时间尺度及不同天气现象情况下的差异规律做统计分析,结果表明：人工与自动站的气温对比差值基本在正常范围内,超出正常范围的只是极个别值。无论是日均气温,还是日最高、日最低气温对比差值均有由大向小的渐降趋势。天气现象对气温的观测有所影响,尤其是出现露和阵雨的情况下二者差值较大,最大达1．5℃。西昌有干季、雨季之分,月平均和季平均的气温对比差值出现了明显的季节变化,在干季气温对比差值较小,平均为-0．39℃,在雨季较大,平均差值为-0．43℃。根据总云量分为晴、阴天,在阴天中又区分了阴天有降水和阴天无降水的情况,发现阴天的气温对比差值略大于晴天,阴天有降水时的气温对比差值略大于无降水时的对比差值,说明降水对气温的观测结果有影响。     

An AMSR-E data unmixing method for monitoring flood and waterlogging disaster

Spectral remote sensing technique is usually used to monitor flood and waterlogging disaster. Although spectral remote sensing data have many advantages for ground information observation, such as real time and high spatial resolution, they are often interfered by clouds, haze and rain. As a result, it is very difficult to retrieve ground information from spectral remote sensing data under those conditions. Compared with spectral remote sensing technique, passive microwave remote sensing technique has obvious superiority in most weather conditions. However, the main drawback of passive microwave remote sensing is the extreme low spatial resolution. Considering the wide application of the Advanced Microwave Scanning Radiometer-Earth Observing System (AMSR-E) data, an AMSR-E data unmixing method was proposed in this paper based on Bellerby’s algorithm. By utilizing the surface type classification results with high spatial resolution, the proposed unmixing method can obtain the component brightness temperature and corresponding spatial position distribution, which effectively improve the spatial resolution of passive microwave remote sensing data. Through researching the AMSR-E unmixed data of Yongji County, Jilin Provinc, Northeast China after the worst flood and waterlogging disaster occurred on July 28, 2010, the experimental results demonstrated that the AMSR-E unmixed data could effectively evaluate the flood and waterlogging disaster.