Modelling snowpack bulk density using snow depth,cumulative degree-days,and climatological predictor variables

Snowpack water equivalent (SWE) is a key variable for water resource management in snow-dominated catchments. While it is not feasible to quantify SWE at the catchment scale using either field surveys or remotely sensed data, technologies such as airborne LiDAR (light detection and ranging) support the mapping of snow depth at scales relevant to operational water management. To convert snow depth to water equivalent, models have been developed to predict SWE or snowpack density based on snow depth and additional predictor variables. This study builds upon previous models that relate snowpack density to snow depth by including additional predictor variables to account for (1) long-term climatologies that describe the prevailing conditions influencing regional snowpack properties, and (2) the effect of intra- and inter-year variability in meteorological conditions on densification through a cumulative degree-day index derived from North American Regional Reanalysis products. A non-linear model was fit to 114 506 snow survey measurements spanning 41 years from 1166 snow courses across western North America. Under spatial cross-validation, the predicted densities had a root-mean-square error of 47.1 kg m⁻³, a mean bias of −0.039 kg m⁻³, and a Nash-Sutcliffe Efficiency of 0.70. The model developed in this study had similar overall performance compared to a similar regression-based model reported in the literature, but had reduced seasonal biases. When applied to predict SWE from simulated depths with random errors consistent with those obtained from LiDAR or Structure-from-Motion, 50% of the SWE estimates for April and May fell within −45 to 49 mm of the observed SWE, representing prediction errors of −15% to 20%.     

Argo光盘数据集的研制与应用

早期的Argo数据光盘主要基于文件系统的数据管理,都没有提供对查询结果的保存和打印功能,更没有引入数据库系统对浮标数据进行综合管理.文中针对Argo数据共享和分发过程中存在的不足,特别是Argo光盘数据集所存在的问题,提出了改进方法.并引进数据库技术对Argo光盘数据集进行了补充和完善:提出了使用Winrar压缩软件对光盘数据资料进行压缩,从而解决了日益增加的Argo数据与光盘容量有限的矛盾,可以更好的满足Argo数据分发和共享的需求.为了充分发挥Argo光盘数据集的功能,文中还针对Argo资料用户对图形文件的需求,利用VC++和Matlab混合编程的方法,开发了Argo视图软件.最后,基于数据库技术研制完成了一张包含了1997-2006年全球海洋上全部Argo剖面浮标观测的Argo光盘数据集,并系统介绍了该数据集的结构、功能和应用过程等.     

小时和日值降水数据对河南省暴雨日数和暴雨日变化特征的影响北大核心

利用1961—2018年河南省111个气象站逐日和逐小时降水数据,分析了暴雨日数的时空变化规律及暴雨日变化特征,并通过统计对比分析,评估了小时和日值降水数据对暴雨日数及暴雨日变化的影响。结果表明:(1)1961—2018年,河南省年平均暴雨日数变化呈显著上升趋势,速率为0.34 d·(10 a)^(-1);94.6%的气象站点年平均暴雨日数的气候倾向率为正,显著增加的站点数占总站数的73.0%;年平均暴雨日数为1.4 d,以7月最多,平均值为0.52 d,占年平均暴雨日数的37.1%。(2)1961—2018年,河南省暴雨总降水的日变化呈现单峰结构,主峰值出现在05时,为4.5 mm;暴雨日变化峰值呈波动下降趋势,速率为0.16 mm·(10 a)^(-1);日变化峰值大部分出现在00—08时,共42个年份,占79.3%;从空间分布看,各气象站点的暴雨日变化峰值大都出现在00—06时,占总站数的73.5%。(3)2014—2018年,河南省小时和日值降水数据吻合度为100%;吻合暴雨总降水的日变化的主峰值和次峰值出现在04时和17时,分别为4.3 mm和3.4 mm;日变化峰值出现在13—18时的气象站点最多,占总站数的33.9%。(4)小时和日值数据对暴雨日数及暴雨日变化造成了影响,主要表现在年平均暴雨日数及其变化趋势不一致和暴雨日变化的差异。     

巴基斯坦近40a气温时空变化特征分析

基于巴基斯坦不同气候区4个代表站(卡拉奇、雅各布阿巴德、奎达、德罗什)1979—2018年地面观测资料和ERA-Interim气温资料,利用一元线性回归、Mann-Kendall突变检验和Morlet小波分析,分析其气温时空变化特征。结果表明:(1)巴基斯坦过去40 a经历了先降温后增温的过程,除北部山区年平均气温增温趋势显著,四季总体都有增温,春秋两季增温趋势显著。巴基斯坦于1998年左右发生气温突变,年平均气温存在4~5、12、20~22和32 a的周期。(2)ERAInterim再分析资料与地面观测数据拟合分析显示两者相关性达到极显著水平,除北部山区外,在大部分区域误差较小,能够较好地反映巴基斯坦气温的变化特征。(3)巴基斯坦年、季平均气温空间分布地带性明显,高温区位于南部印度河平原、三角洲地区,低温区分布在北部山区,年、春季、秋季平均气温变化在空间上总体均呈现明显增长趋势.