中国大陆1951—2005年雾与轻雾的长期变化

雾的记录有明确的天气指示意义。通过分析1951—2005年中国大陆743个地面气象站的资料, 对中国大陆雾、轻雾的长期变化趋势有如下认识：我国大陆雾日地理分布基本气候特征呈现东南部多西北部少的特点, 冬半年雾日数多夏半年少。各年代的差异在不同地区不尽一致。西南地区是我国雾日最多的地区，四川盆地一年有雾日20余天；华北平原和东北平原在冬春季节会出现严重的持续性雾天气。长江以南各省的轻雾日数明显多于长江以北地区，而且1980年代以后轻雾日有明显增加；西南地区是我国轻雾日最多的地区，四川盆地一年有轻雾日100余天。     

白云鄂博矿的电子衍射和结构象研究

用电子衍射和高分辩电子显微术研究了白云鄂博矿。沿[100]方向拍摄了晶体的结构象。依此,肯定了X射线结构分析的结果。     

风云三号微波观测资料的海雾同化模拟

数值模式边界层物理过程和初值场条件的欠缺是海雾模拟准确率偏低的主要原因。本文为改进模式初始场,开展针对海雾模拟的卫星观测资料同化试验,将质量控制和偏差订正后的FY-3A卫星微波湿度计（MWHS）和微波温度计（MWTS）的优选通道数据,经3DVar（Three-dimensional variational data assimilation）进入WRF模式以试验其对黄、渤海海雾模拟的影响。通过分析静止气象卫星检测到的海雾区模拟大气温、湿场同化分析增量,发现代表环境场条件的海雾类型及模式对其模拟能力的差异,显著影响了同化效果,表现为同化对模式模拟能力较强的平流冷型海雾改进明显,对模拟效果不甚理想的非典型混合过程中的暖型海雾阶段则基本没有改进效果。为寻找原因,对包括海雾区低层大气模拟场逆温结构在内的温湿度场与邻近探空观测进行了对比,分析了随时间演变的海雾格点温、湿场同化分析增量,发现冷型海雾区格点同化分析增量能弥补观测—模拟差异,使气温调减,相对湿度调增,同时水汽和液态水也出现负相关的变化,边界层相关热力动力场同化分析增量在垂直方向也有配合迹象,相比而言,主体是暖型海雾的非典型过程则未见此类现象和其他的有益调整迹象。     

基于卷积神经网络的西北太平洋夜间海雾/低云卫星检测方法研究

使用Himawari-8静止卫星数据,基于CALIPSO卫星云底高度结合云雾水平均匀性特征提取海雾/低云标签,并使用全卷积神经网络与全连接条件随机场相结合的模型(Fully Convolutional Network and Conditional Random Field,FCN-CRF),提出一种夜间海雾/低云卫星检测方法。经过建立与训练模型,使用CALIPSO卫星的海雾/低云观测检验FCN-CRF模型和双通道差值法的结果。FCN-CRF模型表现良好,其检出率(probability of detection,POD)为0.611,虚警率(false alarm ratio,FAR)为0.174,临界成功指数(critical success index,CSI)为0.541,Hanssen-Kuiper技能分数(Hanssen-Kuiper Skill Score,KSS)为0.436,Heidke技能分数(Heidke Skill Score,HSS)为0.577,整体优于双通道差值法。     

FY 4A卫星数据可视化及应用

2016年12月11日我国发射了FY-4A新一代静止气象卫星,其高时间和空间分辨率能够加强航空气象中的监测应用,为了更好地应用FY-4A卫星的各类观测产品,本文利用Python语言实现对FY-4A卫星AGRI观测仪器所探测的2km、4km分辨率的全圆盘和中国区域可见光、红外图像资料及7.8km分辨率闪电监测资料进行解码并可视化显示出图,将绘制的卫星图像与国家卫星气象中心网站对外开放的卫星云图进行对比。结果表明:两者显示较为一致,可以用于航空气象业务。Python语言语法简练,对于卫星HDF和NC格式数据读取速度快,Python的Numpy工具包基于矩阵的运算能快速处理卫星观测数据,Basemap库中多种投影方式可供业务应用,值得推广。     

2001年春季沙尘天气分析

给出卫星遥感监测2001年春季我国北方沙尘过程的图像特征和产生沙尘天气系统云图的类型,初步分析了2001年多沙尘天气的气候原因.     

2001年夏季风活动与我国南方暴雨某些特征的分析

应用GMS T_BB资料对2001年亚洲夏季风活动作了诊断分析，得到中南半岛和我国南海共经历了3次季风爆发过程，且强度都强于历史同期水平；揭示了印度—孟加拉湾、中南半岛以及我国南海3个季风区季风爆发与间歇的特征。分析了季风对华南及长江中下游地区三次（6月上旬至中旬初、6月下旬至7月上旬、8月末）暴雨过程的影响，指出季风爆发及其与北方南下冷空气的结合，是造成东南部地区出现大范围长时间强降水的必要条件，从而为该地区强降水过程预报提供某些重要线索。     

风云二号气象卫星红外观测在云团降水监测中的应用

提升灾害性对流天气的监测预警能力是短临天气预报的首要目标,但对流性降水在时间、空间上分布高度不均,观测难度大。卫星遥感监测降水的传统红外、水汽亮温判识方法,报警云团数量多,空报率高,指示意义不稳定,需要结合背景因素寻找方法提炼卫星辐射观测中更多的内在隐含信息,建立云顶亮温与此类灾害天气间的联系。此文尝试使用FY-2气象卫星红外云图数据和逐时加密地面降水观测资料,通过追踪云团移动进而分类、提取参数,然后用模糊支持向量机(FSVM)方法建立地面观测雨强与云团特征动态演变间的机器学习数学关系,标识出有监测预警意义的云团和强降水中心,对检验地域和时间的卫星强降水云团检测识别率达80%左右。