排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于同一区划方法、指标体系,使用1961—2014年辽宁省52站气象观测资料,分析辽宁省气温、气候区划指标、范围及界线的变动特征。结果表明:辽宁省年均气温在1988年发生一次突变,突变后气温开始显著上升;≥10 ℃积温日数比较显著地响应气温突变,而干燥指数、7月平均气温变化不显著。在空间分布上区划指标值均存在不同程度的变化。① 全省≥10 ℃积温日数均出现增加,但在中西部地区显著增加;② 在盘锦-抚顺一线以北(南),气候总体呈不显著变湿(干)趋势;③ 7月平均气温呈缓慢上升趋势。区划范围及界线位置出现更加显著地变化:① 暖温带范围主要向北向东扩展,中温带向东收缩;② 半湿润区范围主要向北向西扩展,半干旱区向西北方向收缩,湿润区范围基本不变;③ Tb范围显著向北向东扩展,Ta范围向北向东收缩。在此基础上分析了气候格局变化的可能气候成因,发现突变后≥10 ℃积温日数期间500 hPa高度场增加与4月和10月东亚冬季风减弱,4—10月东北冷涡持续天数增加和7月500 hPa高度场增加,可能分别是温度带,Tb区、Ta区和半湿润区、半干旱区变化的原因。 相似文献
2.
利用全球气候模式、多模式集合和辽宁省气象观测数据,评估了不同典型浓度路径下19个全球气候模式和多模式集合对辽宁省气温变化模拟能力和可信度。结果表明:最优模式模拟结果优于多模式集合,具有较高的可信度。随着全球二氧化碳排放浓度增加,气温变化率和可信度呈增加趋势,首次达到2℃年份呈提前趋势,大部分站点出现在2011年之前,且出现年份越晚,升幅往往越高,反之亦然。大部分站点首次稳定到达2℃阈值开始年份在2022年之前,结束年份出现在2019—2026年,持续时间在13 a以下,开始年份均呈西早—东晚分布形势,结束时间和持续时间分布较均匀,且随着全球二氧化碳排放浓度增加,升温幅度呈上升趋势。不同典型浓度路径下各区域最高温、最低温和平均气温出现年份和变化特征均比较一致。 相似文献
3.
辽宁春季透雨的环流背景及与海温相关分析 总被引:2,自引:0,他引:2
利用1961—2008年4—5月辽宁14个站逐日降水资料,分析了春季第一场透雨出现日期与500 hPa的环流背景及海温的相关关系。结果表明:中国辽宁春季透雨出现日期与前一年9—11月500 hPa高度场有较好的相关性,与北半球同年4月500 hPa环流年代际变化有较好的对应关系;透雨出现日期与北太平洋前期海温呈显著的负相关,当北太平洋地区前期海温偏高时,中国辽宁春季透雨出现日期偏早;当北太平洋地区前期海温偏低时,中国辽宁春季透雨出现日期偏迟。 相似文献
4.
基于前期ERA5逐月再分析数据, 应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集, 通过交叉验证和超参数调优建立初霜冻日期预测模型, 利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明: 特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性; Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d), 神经网络模型在5月起报性能最好(RMSE为6—9 d), 随机森林模型在3月起报性能最好(RMSE为8—9 d); 辽宁全省大部分站点距平同号率为50%—70%, 其中Lasso回归和神经网络模型为5月起报最高(约为68%), 随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现, 低植被覆盖比例是初霜冻日期预测关键预测因子, 植被覆盖率越高越有利于地表含水量保持, 降温容易产生霜冻, 初霜冻日期也就越易提前, 去掉低植被覆盖比例因子后模型预测效果显著下降, 也表明该因子是模型建模的前期关键因子。 相似文献
5.
1981-2012年辽宁省春播期土壤相对湿度月尺度数据重建 总被引:3,自引:0,他引:3
辽宁省现有测站春播期土壤相对湿度数据存在不连续性及长时间序列缺失问题。以海城站为例,分析现有土壤相对湿度(0-20 cm)与气象因子及临近站点土壤相对湿度的相关关系,构建海城春播期土壤相对湿度统计回归模型,模拟缺测时段春播期土壤相对湿度。进而以此方法重建辽宁省20个观测站1981-2012年春播期土壤相对湿度月尺度数据。结果表明:海城土壤相对湿度与降水量和秋季封冻雨关联较大,相关系数分别超过0.60和0.30,与同期临近站点本溪站土壤相对湿度相关性也超过0.40,依据该3要素构建的4月和5月土壤相湿度统计回归模型复相关系数R2分别达0.79和0.77,模拟结果与实测资料平均相对误差为2.6 %,模拟效果较好;对辽宁省其他数据缺失站点构建的回归模型复相关系数均高于0.50,模型拟合精度优于85 %,拟合值和实测值平均相对误差基本控制在15 %以内,较好完成辽宁省20个测站1981-2012年春播期土壤相对湿度月尺度数据重建。 相似文献
6.
利用辽宁省61个气象站1964—2013年的冻土观测资料,采用线性回归、相关性分析、不同气候期对比等方法,结合ArcGIS分析了辽宁省冻土的空间和时间变化特征。结果表明:辽宁省冻土随纬度呈带状分布;土壤冻结具有明显的季节变化特征,冻结期在10月至翌年5月,冬末春初冻结的面积和深度达到最大值;冻结日自北向南逐渐推迟,消融日则相反;在全球变暖背景下,冻土深度随温度的上升而减小;大部分地区年平均气温和地表温度与最大冻土深度呈显著负相关,是影响冻土深度的重要因素;从各气候期100cm等深度线也可以明显看出最大冻土深度呈逐渐减小趋势。 相似文献
7.
8.
9.
10.
1