中高纬环流因子与黑龙江省初夏气候异常分析

利用1954-2010年地面气温、降水观测资料和月环流特征量、NCEP高度场再分析资料等,采用常规气候统计方法,分析了黑龙江省初夏6月气温、降水的气候特点,通过初夏6月气温、降水与北半球500 hPa高度场相关分析,建立起与中高纬度环流因子关系。结果表明：黑龙江省初夏气候异常与中高纬度环流异常有关,影响初夏气候异常的中高纬度环流因子主要有亚洲纬向环流指数,阿留申低压指数,亚洲区极涡面积指数,鄂霍次克海的阻塞高压指数等。在此基础上分析大气及中高纬度环流因子的背景,考虑外强迫因子海温的间接作用,掌握中高纬度环流因子的变化,是准确预测黑龙江省初夏气候的关键前提所在。     

基于TIGGE资料的地面气温延伸期多模式集成预报

基于TIGGE资料中心提供的CMC、ECMWF、UKMO及NCEP四个集合预报中心2008年7月1日-9月30日北半球中纬度地区地面气温10 ～ 15 d延伸期集合预报产品,首先采用Tala-grand分布及离散度—误差关系评估了单个预报系统的预报性能,然后分别利用多模式集成平均(Ensemble Mean,EMN)、消除偏差集成平均(Bias-Removed Ensemble Mean,BREM)及多模式超级集合(Multi-model Superensemble,SUP)对地面气温进行多模式集成预报试验.由于逐日的延伸期预报准确率相对较低,因此人们更关注延伸期预报对天气过程的预报准确率.对各个集合预报系统的逐日预报资料以及逐日“观测”资料做滑动平均,并对处理后的资料进行多模式集成,最后对超级集合预报的训练期长度进行调试,以获得最佳训练期长度.结果表明,四个集合预报系统的离散度相对于均方根误差都偏小,ECMWF预报效果最好,NCEP次之,UKMO预报效果最差.EMN、BREM及SUP三种多模式集成方法的预报效果均优于单个系统且SUP对预报效果的改善最明显.滑动平均后,预报误差进一步降低,且滑动步长越长,误差越小.对于SUP的训练期,逐日预报和3d滑动平均10～12 d预报最佳训练期长度为75 d;13 ～ 15 d预报最佳训练期长度为35 d;5 d及7d滑动平均其训练期长度在各个时效均以35 d为宜.     

2014-2017年揭阳市空气污染变化特征及与风速关系

基于2014-2017年的揭阳市4个环境监测站(东兴、西马、新兴和渔湖)的空气污染物(SO2、NO2、O3、PM10)数据和逐日平均风速资料,利用区域空气质量指数(RAQI)对揭阳市的空气污染特征及与风速的关系进行分析,结果表明:揭阳市的RAQI呈现逐年下降趋势,同时RAQI表现出明显的季节变化,在冬半年揭阳市的RAQI较大,空气污染较为严重,在夏半年的RAQI较小,空气质量较好;此外,揭阳市的RAQI主要是由于臭氧影响,其对于空气质量的贡献约有40%,PM10的影响次之,SO2的影响最小;揭阳市的空气质量与风速呈现为显著的负相关关系,当风速越强,空气质量越好,反之亦然。当风速强度约为0.19~0.29 m/s时,揭阳市容易出现空气污染情况,当风速>1.84 m/s时,无污染出现。     

基于卫星遥感和地面观测资料的汾渭平原空气污染分析

选取中国汾渭平原地区作为研究对象,利用MODIS、OMI和CALIPSO多源卫星遥感资料,同时结合环境监测国控站点污染6要素等逐小时地面环境监测数据以及能见度、霾天气现象记录等地面气象要素资料,综合分析了2013—2018年秋冬季汾渭平原空气质量状况、气溶胶的组分,探讨了卫星遥感气溶胶光学厚度（Aerosol Optical Depth,AOD）与地面污染物浓度的关系,并结合中国气象局化学天气预报系统-EMI评估模式（CUACE-EMI）资料对气象条件和污染减排影响进行评估。结果表明：11个代表城市中有6个城市秋冬季有接近或超过一半的时刻处于污染状态,且污染发生时,各代表城市大多数时刻处于中度及其以上污染级别;三门峡、临汾、运城和西安是霾和重度霾高发的城市,其重度霾爆发频率高达11.63%—14.78%;汾渭平原秋冬季首要污染物为PM_2.5和PM₁₀,以污染沙尘、沙漠沙尘和烟尘为主,出现频率分别为36.24%、25.14%和22.96%;MODIS AOD与空气质量指数（Air Quality Index,AQI）、PM_2.5、PM₁₀质量浓度之间的相关系数分别为0.72、0.70和0.64;汾渭平原2018年气象条件的变化使PM_2.5浓度较2013年、2014年、2015年、2016年和2017年同期上升了17.06%、1.58%、4.34%、11.25%和5.75%,减排措施使PM_2.5浓度较2013年、2014年、2015年、2016年和2017年同期分别下降了8.74%、28.01%、4.93%、3.16%和42.62%。     

1961—2017年辽宁省旱涝急转现象时空演变特征

利用1961-2017年辽宁省61个气象站逐月降水数据,以5-8月为研究时段建立旱涝急转指数（drought-flood abrupt alternation index,DFAI）序列,采用线性倾向法、趋势分析、阶段性分析、T检验、ArcGIS空间插值等方法对辽宁省降水集中期的旱涝急转现象进行时空特征分析。结果表明：1961-2017年辽宁省降水集中期DFAI总体以-0.7/（10 a）的速率下降,有13 a出现旱转涝,有19 a出现涝转旱;DFAI强度以0.1/（10 a）的速率略呈上升趋势。近57 a,辽宁省旱转涝多发生在20世纪60年代,涝转旱多发生在20世纪70年代和20世纪初之后,1989年出现了涝转旱的突变,发生频率呈增多趋势,1994年又出现旱转涝的突变,发生频率呈减少趋势。典型旱转涝年（2013年）,DFAI的高值区分布在中、西部地区;典型涝转旱年（2014年）,DFAI绝对值的高值区分布在东北部和中西部地区。DFAI变化率在空间分布上具有明显的中、北部增多,东、西部减少的趋势差异。     

1960—2018年辽河流域日降水集中程度分析

基于1960-2018年的日降水资料,计算辽河流域降水集中指数（CI）,分析日降水集中程度的时空特征。结果表明：降水集中指数CI可以有效描述辽河流域降水集中程度,辽河流域年CI指数平均为0.67,降水集中程度总体呈现出东部和西部低、南部和北部高的鞍型空间分布特征;夏季降水集中程度最高,各站点季平均CI指数为0.65,空间分布与年分布较一致,冬季平均CI指数最低,为0.60,由东南向西北递减;研究时段内年CI指数表现为不显著的减小趋势,其中东部区域减小的趋势最大;各子区域年CI指数平均变化周期为3 a左右,其中1985年以前,变化周期较短,在2 a左右,1985年以后,变化周期超过3 a。     

1965—2014年黑龙江省洪涝灾害时空演变特征

基于1965—2014年黑龙江省63个气象站逐月降水资料,利用Z指数、区域洪涝指数、数理统计和反距离权重插值等方法,得出洪涝等级（轻涝、中涝、重涝）,分析近50年黑龙江省不同等级洪涝灾害时空分布特征及其变化趋势。结果表明,近50年黑龙江省发生区域性轻度、中度和重度洪涝灾害分别为7次、7次和6次,降水倾向率为0.864 mm/a;洪涝灾害发生频率分布不均,发生轻涝104次、中涝74次以及重涝29次,洪涝灾害发生频率较高地区逐年扩大;同时,发生洪涝灾害的站数比差异明显,且随时间呈缓慢上升趋势,其中,轻涝、中涝和重涝站数比的增幅分别为1.3/10a、1.6/10a和0.85/10a;洪涝灾害高发期主要在20世纪80年代、90年代和2010年之后,主洪涝区为鹤岗、伊春、黑河和牡丹江地区,次洪涝区为大兴安岭和大庆地区。     

基于Hurst指数的黑龙江省作物生长季降水趋势研究

基于黑龙江省78个气象站1971—2016年逐日降水资料,综合采用墨西哥帽小波分析、Hurst指数分析等方法,对黑龙江省作物生长季(5—9月)降水量变化和未来趋势进行分析及预测。结果表明:1971—2016年,黑龙江省生长季、5月、6月降水量存在7 a、14 a、7 a左右的主周期,7月、8月、9月降水量存在2 a、3 a、7 a左右的第1主周期及6 a、11 a、21 a左右的第2主周期,各月均存在最近几年降水偏多的趋势;作物生长季降水量年际间为波动式振荡变化,7月、8月振荡幅度相对较大。年代际变化总体存在增加—减少—增加趋势,20世纪80年代、90年代降水量普遍偏多,2010年以来出现急转升高变化;单站各月Hurst指数均在0.5以上,降水存在比较明显的赫斯特现象;降水主要出现在夏季且以7月最为集中,最近几年降水偏多、7月异常降水集中以及主要流域未来7月降水的持续增加趋势在农业防灾减灾上值得关注。     

基于scPDSI的东北地区气象干旱时空特征分析

干旱已成为全球陆地生态系统面临的普遍问题,其发展具有明显的地域特征,了解区域干旱的时空分布特征是防灾减灾、应对气候变化的基础。基于scPDSI数据集,采用经验正交函数和统计分析方法,分析2002-2017年东北地区气候干湿状况的时空分布和演变特征,探讨了干湿状况的季节变化对年际变化的贡献率,结果表明:东北地区4个季节的干旱面积为52.27%-62.03%,虽然季节和年际尺度的干旱均有减弱趋势,其中冬季干旱程度显著减弱,但干旱仍然是东北地区的主要气候背景;春季和夏季scPDSI的协同作用对年际scPDSI变化的贡献率达88.64%,夏季的贡献率达86.13%;东北地区的西部干旱程度高于东部的,其中呼伦贝尔草原中部和浑善达克沙地东部以严重干旱和中等干旱为主;EOF分析表明,东北地区4个季节和年度的干湿状况呈现一致的正变化趋势,高值中心主要出现在南部地区。