ENSO与东亚冬季风的非线性关系

通过非线性典型相关分析(NLCCA)方法,用赤道太平洋海表温度异常(SSTA)与北半球冬季500 hPa高度场异常间的非线性分析,反映ENSO与东亚冬季风之间的非线性关系。在极冷和极暖ENSO期东亚大槽和极涡的强弱进退不对称,说明冬季风的活动和强度不对称。NLCCA结果显示:冬季风对ENSO的响应分为线性和非线性部分,非线性投影是一条二次抛物线。冬季风异常线性空间型为冬季风减弱形势,非线性空间型则显示东亚大槽加强东进和冬季风加强,非线性和线性空间型的差异说明东亚冬季风对于ENSO信号确有非线性响应。     

安康及石泉水库入库流量变化特征及汛期预测

利用安康及石泉水库2000—2011年逐日入库流量及对应时段安康及石泉流域观测站逐日降水资料,分析了安康及石泉水库入库流量的变化特征及其与流域面雨量的关系。结果发现,安康及石泉入库流量主要集中在7到10月,极端入库流量在7—9月的出现频率最大;入库流量变化与其流域面雨量关系密切,其中6—10月,逐日入库流量与面雨量呈显著正相关;随着面雨量的增长,入库流量呈阶段性增长趋势,安康水库入库流量分别在流域面雨量达到20 mm和40 mm时显著增加,石泉水库入库流量则分别在流域面雨量达到15 mm和30 mm时大幅增加;建立了引入降水累积效应的汛期安康及石泉水库入库流量预测模型,经检验表明模型能较好地模拟入库流量的实际变化,对电力部门汛期水量调度有参考价值。     

陕西省雾的趋势变化特征研究

应用1961-2006年陕西省82个气象站逐月雾日资料.分析了全省雾目的年、季分布特点、长期变化趋势以及可能的影响因素.结果表明:陕西大雾及陕西全省大部分地区40多年的年雾日呈明显的减少趋势,减少最明显的地区主要位于陕北和关中北部及汉江盆地;除春季雾日减少较为明显外,其余各季均变化不明显;陕西年雾日变化与年平均气温的变化显著负相关,与年平均相对湿度的变化显著正相关;浓雾日变化趋势没有雾日显著.     

陕西省高温气象风险区划及其防御

1全球变暖背景下的气候服务 《气象》2011年第3期 翟盘茂 中国气象科学研究院 北京 100081 摘要：气候作为人类赖以生存的一种自然资源,对人类的福祉和人类社会的繁荣至关重要。气候学本身就是人类认识自然、利用气候的科学。最近五十多年,地球气候明显地受到了人类活动的影响,而变化的气候又通过各种途径影响人类的生产和生活。     

陕西省电线积冰区划

采用华山气象站1980—2007年的电线积冰观测资料和陕西省95个气象观测站资料,分析了电线积冰厚度与常规气象资料的相关性,并据此推算出各地距地面10m高度上历年标准的电线积冰厚度,用极值Ⅰ型推断30和50年一遇的最大积冰厚度。结合陕西省电力设计院设计经验、陕西省电网运行现状及历史电网冰灾事故调查情况,对陕西省电网冰区进行了初步划分。结果表明:最大积冰厚度与年雾凇日数、年雨凇日数有较好相关性;将全省分为6个积冰区,并分别绘制出全省不同区域30和50年一遇的1:500000积冰分布图。该结果已作为陕西省电力建设中电线积冰厚度设计的重要依据。     

西安大雾气候特征及成因分析

为揭示西安地区大雾气候特征及成因,分析西安地区1961-2005年大雾日数和对应的相对湿度、气温.结果表明:西安大雾最多地区是西安城区,秋冬季是大雾的高发季节;西安城区和户县大雾有明显的减少趋势,长安、蓝田大雾有明显的增加趋势,西安冬季大雾变化最明显;西安大雾具有明显的年代际变化;西安大雾变化与相对湿度和气温的变化有一定的相关性.     

气象条件对公路施工的影响

对公路施工中气象因子做了初步的探讨 ,分析了温度、降水、风对公路建设中的路基、路面、边坡等项目的影响 ,为进一步开展气象服务拓宽领域     

西安市日供水量与气象要素的相关分析

水资源已成为制约城市发展的重要要素，合理调配使用水源，能有效减少物力和财力的浪费。利用西安市日供水量资料，分析西安市日供水量的季、月分布特征，对逐日供水量与温度、降水、日照气象要素相关分析，选取相关较好的日平均值作预报因子，建立日供水量的简易预测模型。     

陕西省高温气象风险区划及其防御

全球气候变暖的背景下,陕西省夏季高温发生的频率也在提高,高温日数呈增多趋势[1]。陕西省98个气象观测站除陕北的宜君、黄龙、洛川和关中的华山、太白、长武、旬邑外,其它均出现过高温天气。陕西高温天气已有人做过深入细致的研究[1-3]。在此主要针对专业气象服务中用户需求,结合多年夏季高温服务工     

一种逐时气温预报方法

利用2006~2010年陕西10地市逐小时的气温和逐日的最高气温、最低气温、平均总云量、降水量资料,通过线性回归方法建立了一种基于日最高气温和最低气温预报以及临近气温实况资料的逐时气温预报模型,并对2011年每天的逐时气温预报进行检验。结果表明:该方法在晴天、多云和阴雨天的预报能力依次减弱,其中晴天和多云天02~18时的预报效果好于19时至次日01时的,而阴雨天01~10时的预报效果好于其它预报时段的;当日最高气温和最低气温预报较为准确时,西安站各预报时刻的准确率均在60%以上,其中14~17时的准确率较高,晴天的达到100%,多云天的在96%~99%之间,阴雨天的准确率偏低一些,特别是11~17时较晴天和多云天偏低了12%~27%;该方法可以将24 h日最高(低)气温预报细化到逐时气温预报,同时考虑了气温日变化的地域差异、季节特征、以及在晴天、多云和阴雨天的不同表现,具有一定的业务应用和推广价值。