区域极端降水事件阈值计算方法比较分析

根据南京站1951—2010年逐日降水资料,采用2种传统的百分位法以及3种正态变换方法,探讨了确定区域极端降水事件阈值的最佳方法。结果表明,由于降水量的实际概率分布是一种明显的偏态分布,而传统的百分位法是在假设降水量遵从均匀分布条件下进行的,计算结果的稳定性较差。正态变换的3种方法是在降水量实际概率分布下采用百分位法计算阈值的,结果稳定性较好。其中以方法4效果最佳。为消除气候变化的影响,可以将研究时段按降水量变化的不同趋势分为几个气候阶段分别计算阈值。或者采用滑动气候阶段处理整个研究时段,并以各个滑动气候阶段阈值的平均值作为整个研究时段的阈值。     

江苏盐城8.17雷雨大风天气过程雷达回波特征分析

本文分析了2005年8月17日江苏盐城地区的一次雷雨大风天气过程(简作8.17雷雨大风)的雷达回波特征。分析表明:贝湖东侧有较强的冷涡,高空槽前有西南急流存在,低层有冷锋锋区南压,本地受减弱缓慢南撤的副热带高压控制,850 hPa为暖湿气流控制;K指数、SI指数和θse都表明有较强的不稳定天气产生;在雷达回波特征上,具有强冷锋带状回波特征;风场上有明显的辐合;液态含水量值和一小时累积降水量有较好的指示作用。切变线和辐合区的存在是强回波得以维持和发展的主要原因。冷空气的入侵,冷暖空气交汇,是强对流天气爆发的直接原因。及时利用新一代天气雷达信息,进行预警信号的发布工作,取得了非常好的效果,并得到社会公众的认可。     

GPS反演的大气可降水量变化特征及其与降水的关系研究

利用GPS技术反演得到2009年盐城5站的大气可降水量(PWV)序列,分析了PWV随时间的变化特征及其与实际降水的关系.结果表明:PWV夏季占全年总量43.15％,春、秋季分别为19.21％和26.43％,冬季为11.21％;日变化过程中,最小值出现在07-08时,16-18时达到最大,夏季日变化幅近12 mm,春、秋季为7 mm左右,冬季不足5 mm;应用Morlet小波分析,得到全年PWV呈现15 d、30 d、60 d、准半年等多尺度周期变化,且时域分布不均;夏季降水大多发生在PWV峰值出现后1～2h内,春、秋季降水主要发生在峰值出现后的2～3h内,冬季则为峰值出现3h之后;当春到冬各季的PWV的2h增量分别达到5、6、5、4 mm时,出现降水的概率为60％～70％.     

基于遗传优化BP神经网络的水稻气象产量预报模型

利用1951—2010年江苏省水稻产量及同期14个气象站点的逐日平均气温、降水资料,采用因子膨化及相关分析,研究了水稻气象产量的影响因子及影响时段。在此基础上建立了逐步回归、PCA-BP神经网络以及PCA-GA-BP神经网络3种产量预报模型。结果表明:(1)7—9月份是水稻产量形成的关键时期,对气温、降水的变化最为敏感,气温对气象产量的影响大于降水;(2)两种神经网络模型预报效果好于回归模型;(3)遗传优化的神经网络模型比未优化模型的训练速度提高了70%左右,预报精度也提高了4.3%。