排序方式: 共有5条查询结果,搜索用时 0 毫秒
1
1.
2.
利用目前国际上较流行的极端气候指数方法对1951~2006年齐齐哈尔市24种极端气候指数进行计算和分析,得到了齐齐哈尔市极端气候事件的事实和变化特征.结果表明:齐齐哈尔市的年最低气温、暖夜、热夜日数和生长季长度呈显著上升趋势;冷夜、冷日、霜日、冰日和日平均温差均呈最著下降趋势.各种降水指数的变化趋势都不显著;极端气温和降水指数均存在阶段性特征和突变特征:最低气温的增暖主要发生在20世纪80年代中期以后,而最高气温则在90年代以后变暖明显,夜间气温的上升对增暖进程的贡献更大;极端降水事件的强度和频率呈增加趋势,2000年以后增加趋势尤为明显. 相似文献
3.
近50 a齐齐哈尔市极端气候事件特征分析 总被引:2,自引:2,他引:0
利用目前国际上较流行的极端气候指数方法对1951~2006年齐齐哈尔市24种极端气候指数进行计算和分析,得到了齐齐哈尔市极端气候事件的事实和变化特征。结果表明:齐齐哈尔市的年最低气温、暖夜、热夜日数和生长季长度呈显著上升趋势;冷夜、冷日、霜日、冰日和日平均温差均呈显著下降趋势。各种降水指数的变化趋势都不显著;极端气温和降水指数均存在阶段性特征和突变特征;最低气温的增暖主要发生在20世纪80年代中期以后,而最高气温则在90年代以后变暖明显,夜间气温的上升对增暖进程的贡献更大;极端降水事件的强度和频率呈增加趋势,2000年以后增加趋势尤为明显。 相似文献
4.
慢特征分析方法(Slow Feature Analysis,SFA)是从已知的非平稳时间序列中提取缓变信息的有效方法。本文首先通过Logistic非平稳时间序列模型对SFA方法提取慢特征信息的能力进行了检验,然后以哈尔滨市为黑龙江省代表站,对月气温距平序列进行慢特征信号提取及预测研究。结果表明:慢特征分析方法可以有效地提取哈尔滨市气温距平序列中的慢特征信号。提取的慢特征信号能够反映原序列的变化趋势、极值等信息。拟合和预测试验表明,与平稳性模型相比,引入SFA信号后的气温预测模型可以在一定程度上提高预测能力,改善预测效果。对近48个月独立样本预测也得到相同结论。 相似文献
5.
根据桃仙机场气象观测资料,运用统计学相关方法对2014-2021年桃仙机场的雾天气进行统计分析。结果表明:统计时段内桃仙机场年雾频次总体呈下降趋势,7-9月是雾的重点高发期,3-6月则是雾的低发期。平均起雾时间为02-05时,平均雾散时间为06-11时并表现出由冬至夏变早,由夏至冬变晚的规律。桃仙机场浓雾占比最高,其次是强浓雾,同时研究发现最低能见度与持续时间具有较好的幂函数相关性。要素分析指出风速为2-3 m·s-1时有利于雾的发生;春季起雾应重点关注本地水汽含量的增加,雾散则与升温密切相关;夏季起雾具有突发性,雾散时转风概率较小;秋季雾强度大,应重点关注系统性影响;冬季起雾时风速会有所减小,雾散时要重点考虑冷空气的介入和湍流混合作用的影响。 相似文献
1