四川盆地与关中盆地春夏季大气降水氧同位素特征及意义

利用四川、关中盆地大气降水稳定同位素观测资料,通过计算、对比分析了两盆地内部降水稳定同位素春夏季节的变化特征.结果表明:两地降水稳定同位素在季节尺度上都具有显著的季节性变化;大气降水δ¹⁸O值与温度、降水量的相关性及变化趋势表明温度及降水量都不是两盆地内春、夏季上控制降水中稳定同位素变化的主要因素;两地春夏季大气降水线及其斜率、截距的异同,可以反映出两地局地气候特点及降水水汽来源的不同.降水水汽的来源是影响两盆地大气降水稳定同位素变化的主要因素,同时地理因素在季节上对地区降水水汽输送路径的影响改变了局地降水稳定同位素的组成.     

合水站址迁移前后主要气象要素对比分析

对甘肃合水气象站2013年站址迁移前后对比观测资料中的气温、降水、风、相对湿度等主要气象要素利用差值、风向相符率、显著性检验等方法进行对比分析,发现合水新站的日平均气温、日最高气温、日最低气温低于旧站;新站4—6月降水量小于旧站,7—10月降水量大于旧站;新站平均风速大于旧站,全年风向相符率为30.5%,两站风向差异明显;新站1、2、12月相对湿度小于旧站,其它各月大于旧站,而新站最小相对湿度小于旧站。新、旧站温度、相对湿度在均值和方差方面均无显著性差异,可用新站观测数据替代旧站使用。     

洛川国家基准气候站二次迁站观测数据对比评估

对洛川国家基准气候站(53942)第二次迁站后的3号站与第一次迁站后的2号站,2015—2016年气温、降水量、相对湿度、平均风速等观测资料进行差异对比评估,并对两次迁站前后3个站点的观测资料进行显著性T检验。结果表明:3号站与2号站平均气温差异不明显,3号站最高气温高于2号站,最低气温低于2号站,相对湿度差异变化在2%左右,2分钟平均风速3号站小于2号站,风向一致性较差,受地形影响明显。迁站前后3个站点温度、相对湿度资料序列可合并使用;本站气压、降水量仅1号站(第一次迁站前的旧站)与2号站的资料序列可合并使用,但经气压高度差订正后的本站气压3个站点资料序列可合并使用;2分钟平均风速资料不可合并使用。3个站点降水量的序列分析待3号站降水量资料完善及序列增加后再行评估。     

洛川国家基准气候站迁站数据对比分析

利用2013年洛川国家基准气候站迁站前后气温、相对湿度、降水量、风向风速等观测资料对比分析,发现新站月平均气温、月最低气温、降水量、2min月平均风速、最大风速大于旧站,大风日多于旧站,6—8月最高气温、相对湿度小于旧站,新旧站风向有显著差异。造成迁站前后气象要素差异的原因,主要是观测场周围环境、下垫面性质改变,海拔高度变化对气象要素的影响不明显。     

巴基斯坦瓜达尔港气象要素特征分析

利用克拉玛依-瓜达尔友好城市气象站2018年1月1日至2019年12月31日逐日及逐小时气温、气压、降水、相对湿度、水汽压、风向风速观测资料,对瓜达尔港的气象要素特征进行分析。结果表明：1）瓜达尔港属热带沙漠气候,年平均气温为26.9 ℃,最热月为5—7月,最冷月为1月。瓜达尔港气温年较差、日较差分别为12.5 ℃和6.5 ℃,各季节间气温差异较小。其极端高温达42.7 ℃,极端低温为11.9 ℃。2）瓜达尔港年平均气压为1 009.1 hPa,气压最大值出现在12月和1月,最小值出现在7月,季节差异明显。3）瓜达尔港受制于副热带高压,常年干旱少雨,降水年季之间分布不均,差异明显。2018年年降水量为0.3 mm,集中于冬季;2019年年降水量为67.6 mm,主要集中于秋冬两季。相对湿度和水汽压年均值分别是67.3%和24.3 hPa。4）瓜达尔港年平均风速为2.4 m·s-1,白天风速大于夜晚风速。四季中春季风速偏大,夏季、秋季次之,冬季偏小。风向季节性变化明显,盛行风向除东北风外,还包括西南风。出现频率最高的是2级风,其次是1级风和3级风,6级以上大风出现频率为0。     

观测环境变化对气象资料的影响情况分析

利用河池国家气象站一级站新、旧站址对比观测资料统计发现:相对湿度在新、旧站址差异不明显;除了风速和深层地温,新址平均气温、平均最高温度、平均最低温度、平均水汽压明显低于旧址.分析表明,观测环境、海拔高度、下垫面差异以及城市热岛效应是造成新旧站址气象观测数据差异的主要原因,因此地面观测要素历史资料的运用,要考虑新旧站址资料的均一性问题.     

长江流域大气降水中δ^18O变化与水汽来源

根据GNIP所提供的长江流域多年月平均降水中δD、δ^18O料以及NOAA-CIRES提供的NCEP/NCAR再分析资料,研究了长江流域降水稳定同位素与降水量、水汽压、温度和水汽来源之间的关系。结果表明：在平均季节尺度下,长江流域大气降水中δ^18O降水量、水汽压和温度均存在显著的负相关关系,说明该流域降水中δ^18O化存在显著的降水量效应、湿度效应和反温度效应。基于降水中过量氘示踪水汽来源原理,分析了中国长江流域季风区降水中过量氘与阿拉伯海、孟加拉湾和南印度洋3个海区相对湿度的关系,表明中国长江流域的水汽主要来源于上述3个海区,而昆明和成都可能受到其他水汽作用,使其与水汽源区的相对湿度呈正相变化。     

微波辐射计反演大气廓线精度及降水预报应用

利用2018年6月—2021年7月陕西西安泾河站MWP967KV型地基微波辐射计反演数据和L波段探空数据,分析晴天和云天(低云、中云、高云)微波辐射计反演的大气温度、相对湿度、水汽密度的精度,探讨相关产品在降水过程中的应用能力。结果表明:晴天和云天微波辐射计与探空的温度相关系数均为0.99,水汽密度相关系数均为0.97,相对湿度相关系数均低于0.50,均达到0.01显著性水平;晴天和云天的温度差异较小,但云天相对湿度均方根误差超过25%,较晴天的19.54%明显偏大,且3种参数均越接近地面反演精度越高。在不同云类型条件下,3类云的温度差异较小,低云相对湿度均方根误差和偏差最大,分别为26.85%和9.51%。对降水个例分析表明:在临近降水发生前空中相对湿度、液态水含量、大气可降水量和液态水路径均明显增长,这可作为降水可能发生的指示因子。降水前1 h大气可降水量达到4 cm,液态水路径达到0.2 mm,可作为判断降水发生的参考阈值。     

影响人工站与自动站水汽压差值原因探究

为探究人工观测气象站与自动站水汽压差值产生原因,利用全国134个1年的基准气象观测站逐时气压、干球气温、湿球温度等资料,分别采用人工站和自动站水汽压计算公式,模拟了本站气压、干球温度、湿球温度、自动站气温、相对湿度等要素产生一增量时,水汽压所对应变化量随各要素的变化规律,并分析了影响水汽压差值与其主导因子定量关系。通过实际观测资料的数据模拟分析,气压和干球温度的系统误差对人工与自动观测站的水汽压差值影响很小,而自动站的相对湿度和气温对水汽压差值影响较大,其中相对湿度的影响最明显。当自动站的相对湿度或气温的系统误差为一固定值时,水汽压差值变化幅度随气温大小变化,气温越高,水汽压差值越大。     

甘肃崆峒站新旧址对比观测资料分析

为了解甘肃崆峒国家基本气象站新旧址气象要素对比观测数据差异,选用2016年1～12月新站和旧站气温、气压、相对湿度、风向风速、降水量等要素资料进行对比分析,重点利用均值差异、相关与回归、显著性检验等统计方法分析了新旧测站气温差异及产生原因,结果表明：新址气温、气压均低于旧址,风速高于旧址,降水量、相对湿度差异大,变化无规律,其产生的主要原因是地理位置、海拔高度及观测场周边环境的不同造成;新址与旧址气温存在高度正相关,两站气温差异不显著,可以合并计算,研究结果可为资料使用者提供订正的依据。     

城市化对长沙市两气象站气温记录的影响

为深入认识城市对其附近气象站气温的影响,采用位于长沙市区东部和西部两个气象观测站的2007-2009年的逐日气温、风向和风速资料,结合地表覆盖特征数据,对比分析了两站气象记录差异,并通过改进的城市影响指数模型估算了气温资料中的城市影响偏差。分析显示：（1）2007-2009年东、西气象站逐月平均气温（T_mean）、最高气温（T_max）和最低气温（T_min）差异很大,最大差异分别可达0.90℃、0.83℃和1.34℃;（2）受城市及风向的影响,两气象站的逐月城市影响指数（K）差异较大,东、西站平均K值分别为2.01和1.50,年内同一台站的K值存在季节变化规律;（3）两站逐月△K与△T之间存在极显著正相关关系;（4）东、西两站2007年T_mean中的城市增温最大,分别达0.63℃和0.45℃。城市附近气象站气温记录受城市规模、风向和风速等因素影响明显,在分析长历时气候变化特征和利用站点记录数据进行空间分析时,有必要对气温数据进行订正。     

厦门空气污染指数与地面气象要素的关系分析

利用相关统计法分析2006—2008年厦门市地面气象要素对空气污染指数变化的影响规律。结果表明：风速、气温、降水、相对湿度和水汽压对空气污染指数有显著负效应作用,气压起显著正效应作用;风向影响较为复杂, NNW-N-E-ESE风起正效应作用, SE-S-W风起负效应作用,厦门风向总体不利于空气质量提高,全年仅夏季盛行SE-S-W风。API指数与风向、气温、降水、气压、相对湿度和水汽压的季节变化规律有高相关性。API指数与气象要素中的水汽压关系最相关,其次是气压。     

金华市不同区域负氧离子浓度特征与气象环境因素相关分析

利用2019—2021年金华市空气负氧离子浓度和气象环境资料，研究不同区域（平原城区、平原公园、水边景区、山林景区）负氧离子浓度时空分布特征，分析人类活动最多的城区负氧离子浓度与气象环境因素不同时间尺度的相关性，以及不同天空状况的差异。结果表明：负氧离子浓度呈现平原低、山区高的分布特征，植被茂密、动态水流可增加负氧离子浓度和提高浓度等级。山林景区日出和日落前后负氧离子浓度较高，水边景区凌晨和午后出现高值，平原地区则在下午达到高峰。不同区域四季日变化趋势整体较一致，但不同季节负氧离子浓度峰值大小、日较差和出现峰值时刻存在差异。四季不同区域负氧离子浓度有所差异，主要表现为6—9月高，其中尤以8月山林景区为最。负氧离子浓度与气象环境因素的相关性在不同时间尺度上差异较大：时尺度上与气温、风速、雨量和O3呈显著正相关，而与PM2.5呈显著负相关。四季看，负氧离子浓度春季与风速相关性最高，夏季为气温，秋季为O3，冬季为PM2.5。日尺度上则与相对湿度、风速、雨量呈显著正相关，与PM2.5和O3呈显著负相关，且雨天负氧离子浓度明显高于其他天空状况，差异在冬季达最大。     

辽宁中部城市群大气污染分布及与气象因子的相关分析

根据2002年辽宁省中部城市群（沈阳、鞍山、本溪、抚顺、辽阳）的主要大气污染物（TSP、PM10、SO2、NOx）的监测值及气象因子（能见度、风速、温度、湿度、降水、总云量和低云量）的观测资料，分析了辽宁中部城市群大气污染的现状、污染程度及污染物与气象因子的相关关系。结果表明：城市群的主要大气污染物是TSP、PM10和SO2冬季是城市群大气污染最重的季节，夏季大气污染最轻；城市群大气污染最重的城市是本溪，其次是鞍山、沈阳、抚顺、辽阳；污染物与能见度、温度的相关性非常显著，平原城市的污染物与气象因子的相关性较山区城市好。     

北京地区主要气象要素与冬季供暖关系研究

为了分析气象要素与供暖之间的关系,选取北京市观象台2009年供暖季期间日平均气温、相对湿度、日总辐射量、日平均风向和风速作为气象因子,将北京市海园物业供热单位的供、回水温度和供回水温度差代表供暖温度,进行了相关分析。结果表明,日平均气温与供、回水温度呈明显的负相关,分别达到-0.75和-0.62。日平均湿度与其的负相关次之,分别为-0.41和-0.47,日平均风速与上述供、回水温度的相关性较小。同时分析了各气象要素日平均值与供、回水温度及供回水温度差之间的对应关系,制定了各气象要素日平均值所对应的供、回水温度及其供回水温度差的表。利用各日平均气象要素的供回水温度调节运行作业表,各供暖单位可以根据不同天气条件直接定量控制供热量或下达供、回水温度指令。     

桂林城区大气能见度与颗粒物浓度和气象因子关系研究

利用2015年1月至2017年6月桂林国家基本气象站能见度、相对湿度、气温、气压、降水等气象要素和PM₁₀、PM_2.5、PM_1.0颗粒物质量浓度资料,分析桂林城区大气能见度与颗粒物浓度和气象因子之间关系。结果表明：桂林城区大气能见度和PM₁₀、PM_2.5、PM_1.0呈对数关系,相关系数分别为-0.341、-0.461、-0.509,颗粒物对大气能见度影响在相对湿度为60%—70%时最为显著。在各气象因子中,大气能见度与风速的相关性最好,其次为相对湿度,与风速呈二次函数关系,与相对湿度呈幂指数关系,与温度相关性较小,与气压在秋冬季节呈正相关,相关系数冬季可达0.301,但在春、夏季节相关性不显著;利用颗粒物浓度和气象要素建立8种大气能见度非线性统计回归模型,比较后发现利用PM_1.0、风速、相对湿度、气温等因子建立的不同季节大气能见度拟合公式在实际检验中效果最优,能较好地模拟桂林地区大气能见度的变化。     

NUMERICAL PREDICTION OF AN EXTREME RAINSTORM OVER THE PEARL RIVER DELTA REGION ON 7 MAY 2017 BASED ON WRF-ENKF

An ensemble Kalman filter based on the Weather Research and Forecasting Model (WRF-EnKF) is used to explore the effectiveness of the assimilation of surface observation data in an extreme local rainstorm over the Pearl River Delta region on 7 May 2017. Before the occurrence of rainstorm, the signals of weather forecasts in this case are too weak to be predicted by numerical weather model, but the surface temperature over the urban area are high. The results of this study show that the wind field, temperature, and water vapor are obviously adjusted by assimilating surface data of 10-m wind, 2-m temperature, and 2-m water vapor mixing ratio at 2300 BST 6 May, especially below the height of 2 km. The southerly wind over the Pearl River Delta region is enhanced, and the convergence of wind over the northern Guangzhou city is also enhanced. Additionally, temperature, water vapor mixing ratio and pseudoequivalent potential temperature are obviously increased over the urban region, providing favorable conditions for the occurrence of heavy precipitation. After assimilation, the predictions of 12-h rainfall amount, temperature, and relative humidity are significantly improved, and the rainfall intensity and distribution in this case can be successfully reproduced. Moreover, sensitivity tests suggest that the assimilation of 2-m temperature is the key to predict this extreme rainfall and just assimilating data of surface wind or water vapor is not workable, implying that urban heat island effect may be an important factor in this extreme rainstorm.     

华南地区城市化对区域气候变化的影响

按照人口数将华南地区站点分为大城市站、一般城市站、郊区站,并利用华南地区1960~2011年的站点观测资料分别计算了3类站点年平均、季节平均的气温、高温日数、降水、相对湿度、风速、日照时数距平序列的变化,分析了城市化对华南地区区域气候的影响。结果表明:相较于背景场,大城市的平均气温有更明显的上升趋势;高温日数在3类站点中均有增加的趋势,在城市化的影响下,大城市的高温日数有明显的增加;平均气温日较差在整个华南地区均有下降趋势,特别是在大城市中。在3类站点中,降雨总量均有减少的趋势,且降雨更多的以中雨及以上的形式表现。该地区的相对湿度、风速、日照时数均呈现减少趋势,在城市化影响下,大城市的相对湿度、风速、日照时数均有明显的减少。华南地区处于我国最大的城市群之一——珠江三角洲地区,同时处于气候系统复杂的热带季风区,因此有必要研究城市化对该地区多个气象变量的可能影响。     

基于不同尺度下的非结冰期水面蒸发影响因素灰色关联分析

文章根据新疆尉犁县气象站2008年4月至10月非结冰期水面蒸发量及相关常规气象观测资料,利用灰色关联分析法研究了不同尺度下各气象要素对水面蒸发量的影响程度。结果表明：在不同计算尺度下,水汽压、相对湿度与日照时数这三气象因素的影响程度排序无变化,说明计算尺度对其影响较小;温度（包括平均气温、最高气温与最低气温）与风速因素对蒸发量的影响程度随着研究尺度的变化而变化,其中平均温度与平均风速这两因素随着研究尺度的增大而影响程度随之增大;构成研究区域水面蒸发主要影响因素的是温度因素（包括平均气温、最高气温与最低气温）与风速因素。研究结果为区域水资源的规划、优化调度与管理提供了重要参考。     

库尔勒气象站迁站前后气象要素特征及成因分析

利用2016-2018年库尔勒气象站迁站前后基本气象要素的观测资料进行对比分析,结果显示：(1)平均气温、平均最低气温年、月值均是新站低于旧站,年值分别低2.1℃和4.1℃,年平均最高气温持平；春季气温差值变化相对较小,夏、秋、冬季气温差值变化相对偏大。(2)各月相对湿度新站大于旧站,各季相对湿度差值夏季最大,年平均相对湿度新站比旧站高11%。(3)平均气压新站高于旧站,年平均气压差值为3.2pha。各季差值冬季最大,(4)平均风速新站比旧站偏大0.1m/s,春季、夏季风速大于其他季节；最大风速新站比旧站偏大1.3-6.2m/s；主导风向由ENE转为E。(5)年平均气温、最低气温、平均湿度和年平均气压,迁站前后资料有显著差异,年平均最高气温、平均风速无显著差异。(6)测站周围环境、海拔高度、下垫面、地形等因素是造成新旧站气象要素差异的主要原因。