Probability Distribution of Summer Daily Precipitation in the Huaihe Basin of China Based on Gamma Distribution

The probability distribution of precipitation in the Huaihe basin (HB) is analyzed with the shape and scale parameters of a Gamma distribution.The summer daily precipitation records of 158 meteorologic...     

河南夏季日最大电力负荷预测模型

利用2005—2009年河南逐日最大电力负荷和气象资料,分析了河南日最大电力负荷的变化特征及其与气象因子的关系。河南日最大电力负荷季节变化呈双峰型,最大的峰值出现在夏季,次峰值在冬季。夏季电力负荷与气温和炎热指数有密切的关系。用逐步回归方法,针对夏季(方案1,不区分工作日和休息日)以及周一至周日(方案2,区分工作日和休息日)分别建立日最大电力负荷预测模型,并对2010年夏季逐日最大电力负荷进行预测,两种预测方案对2010年夏季日最大电力负荷预测的平均相对误差均小于3%,相关系数均达到0.90,两方案在工作日预测结果都较好,但休息日预测误差相对较大。     

淮河流域汛期20 d内最大日降水量概率分布

利用淮河流域158个站点1980—2007年夏季降水量资料,选取淮河上游、淮河中上游、淮河中下游、洪泽湖以下和沂沭河5个子流域,采用Γ分布函数分析了淮河流域首雨日 (前1日无雨) 和连续雨日 (前1日有雨) 的夏季多年降水的概率分布特点。通过对代表站息县、阜阳、商丘、淮安、连云港Γ分布概率密度与样本频率的对比分析和K-S检验表明:Γ分布函数能较好拟合分条件的淮河流域夏季雨日的概率分布,用该分布函数递推得到的1 d, 10 d, 20 d内最大日降水量概率分布比较规则合理。淮河流域5个子流域中淮河上游、淮河中下游、沂沭河流域在10 d,20 d内最大日降水量不低于10 mm,25 mm,50 mm的可能性更大。     

中国夏季雨日降水量的概率分布

利用全国174站夏季逐日降水资料估计了雨日降水量的无条件和有条件概率密度函数，并递推得各站1至20d内最大日降水量的概率分布及10d、20d内最大日降水量≥10mm、≥25mm、≥50mm的概率。主要结果是：在无条件和前一天有雨或无雨条件下雨日降水量r分布的形状参数α都小于1，且差别不大，而绝大部分站无条件下的尺度参数口大于前一天无雨条件下的卢。而小于前一天有雨条件下的β；无条件和分条件下，雨日降水量的均值和方差的地理分布都是东南沿海地区大于西北内陆地区，且绝大部分站无条件下的纵盯。分别大于前一天无雨条件下的μ0、α^20，而小于前一天有雨条件下的μ1、α^20；Γ分布能较准确地逼近前一天无雨和前一天有雨两种条件下雨日降水量的样本频率分布；10d、20d内最大日降水量≥10mm、≥25mm、≥50mm概率的地理分布，都是东南沿海地区大于西北内陆地区，与同样等级的样本频率的地理分布非常接近。广西西部、云南东部一带为高值区，安徽南部、江西北部一带为次高值区。     

四川区域暴雨过程中短时强降水时空分布特征

利用2007~2012年5~9月四川省3079个观测站的分钟级降水资料,并结合SRTM(Shuttle Radar Topography Mission)提供的分辨率为90m的地形高程数据,采用统计分析方法,分析了四川省区域暴雨过程中短时强降水的时空分布特征。结果表明:(1)四川省区域暴雨过程中短时强降水主要出现在盆地的三个区域:雅安-乐山-眉山地区、遂宁-资阳地区、绵阳-广元-巴中地区。(2)强降水过程主要发生在后半夜到凌晨(01~08时),不同区域的强降水过程具有各自明显的日变化特征。(3)可以用3mm/10min的标准线来区分四川盆地强降水过程与非强降水过程。短时强降水过程降水率一般为3~6mm/10min,地形对短时强降水率的整体分布影响不大,但是对降水率的极端值影响较大。     

天津市夏季最大电力负荷过程个例分析

用天气学方法分析了天津市2002--2005年夏季最大电力负荷过程的天气背景场、气象要素场和人体舒适度指数。结果显示,在电力负荷上升阶段,高空由低压槽转为高压脊,副热带高压逐步北抬,地面气压、气温回升,风力减小;峰值阶段,副热带高压完全控制华北地区,地面均压,最高气温多日维持在35℃以上,综合反映气温、相对湿度和风速的舒适度指数超过1200。当高空槽再次临近,副热带高压南撤退出天津地区,强降水过程出现,气温、气压急剧下降,电力负荷极值过程宣告结束。分析表明,夏季最大电力负荷过程与天气系统的高低空配置、气象要素、舒适度指数存在一定规律性。     

On the Spatial Distribution and Seasonal Variation of Lower-Troposphere Ozone over Europe

Surface ozone data from 25 Europeanlow-altitude sites and mountain sites located between79°N and 28°N were studied. The analysiscovered the time period March 1989–February 1993.Average summer and winter O₃ concentrations inthe boundary layer over the continent gave rise togradients that were strongest in the north-west tosouth-east direction and west-east direction, respectively. WintertimeO₃ ranged from 19 to 27 ppbover the continent, compared to about 32 ppb at thewestern border, while for summer the continentalO₃ values ranged between 39 and 56 ppb and theoceanic mixing ratios were around 37 ppb. In the lowerfree troposphere average wintertime O₃ mixingratios were around 38 ppb, with only an 8 ppbdifference between 28°N and 79°N. For summerthe average O₃ levels decreased from about 55 ppbover Central Europe to 32 ppb at 79°N. Inaddition, O₃ and O_x(= O₃ + NO₂)in polluted and clean air were compared. Theamplitudes of the seasonal ozone variations increasedin the north-west to south-east direction, while thetime of the annual maximum was shifted from spring (atthe northerly sites) to late summer (at sites inAustria and Hungary), which reflected the contributionof photochemical ozone production in the lower partsof the troposphere.     

北京夏季日最大电力负荷预报模型建立方法探讨

为了探索夏季(6～8月)日气象负荷的最佳分离方式和引起日最大电力负荷波动的主要因子,以及建立预报模型最佳个数,基于北京市2005～2010年逐日最大电力负荷和同期的气象资料,分析了北京地区日最大电力负荷的变化规律,采用不同方法将气象负荷从夏季日最大电力负荷中分离出来,分析北京夏季气象负荷与气温、相对湿度、降水及炎热指数、高温持续日数、炎热日数持续时间、前一日气象负荷等因子之间的关系,并基于2005～2009年夏季逐日气象负荷和其主要影响因子采用逐步回归方法建立日最大电力负荷的预报模型,将2010年夏季北京日最大电力负荷作为预报效果的独立样本检验。结果显示:2005～2010年,北京逐日最大电力负荷具有明显的线性增长趋势,夏季日最大电力负荷具有显著的星期效应;与去掉逐年夏季日最大电力负荷趋势和夏季平均日最大电力负荷趋势相比,去掉全年逐日最大电力负荷变化趋势的夏季日气象负荷预报模型的拟合能力更优;北京夏季日气象负荷与当日气温的相关系数最高,与前一日气象负荷也关系密切;利用前一日相对气象负荷和当日气象要素一周逐日分别建立预报模型的拟合和预测效果较好。     

淮河流域夏季降水空间变率研究

在GCMS(大气环流模式)中,降水空间分布描述在陆面水文参数化中非常重要.利用1998-2003年淮河流域一个网格区域内32个站夏季逐小时降水资料,分析降水在区域内统计特征,并利用统计特征及一个随机降水离散方案实现平均降水强度在区域内分配.结果表明,在区域内降水空间分布是非均匀的,区域内的平均降水强度和区域内降水分布面积之间有密切关系,取一定平均降水强度间隔,降水分布面积和发生频率满足固定的分布形态.随机降水离散方案可以较好实现降水在区域内分配.     

四川盆地及周边地区夏季0℃层高度时空分布特征

对雷达覆盖能力的准确评估是保证新一代天气雷达观测数据质量的重要基础,0℃层高度则是影响雷达覆盖能力最重要的因素之一。四川盆地及其周边地区地形复杂,下垫面特征多样,0℃层高度分布复杂多变。本文基于西南低涡加密观测实验的探空数据,通过统计方法研究分析了该地区0℃层高度的时空分布特征,为雷达数据的准确运用奠定理论基础。结果表明：盆地及其周边地区0℃层平均高度均超过5000m,但各探空站点0℃层高度的极大值和极小值差异巨大,最大离差达到了2353m。均方差值也表明各站0℃层高度离散程度存在明显差异,纬度较高的站点均方差值也明显较大。0℃层高度存在一定的日变化特征,其中高原向盆地的过渡地带是日变化的敏感区域。不同的天气状也会影响0℃层高度,大多数站点的0℃层高度会随着天空云量的增加而升高。     

云南雨季和干季小时降水的时空特性分析

利用云南省2325个国家级台站和区域自动观测站逐小时降水数据,分析了2014~2018年云南雨季和干季的降水量、降水频次和降水强度的空间分布特征以及关键区域的降水日变化演变特征。结果表明：受复杂地形影响,云南不同区域降水特征差异显著,且与我国东部地区显著不同。年均降水量大体呈西南高、西北低的分布特征。对于云南西北部的怒江河谷地区,干、雨季降水均为夜间峰值,降水频次高,但强度较弱。对于云南最西部（99°E以西）的保山德宏地区,该地区累计降水量为云南最大,这一区域各台站日变化峰值均较为一致地出现在上午,在陆地地区较为少见。相邻的普洱和元江河谷位于云南南部（23°N以南）,雨季两区域降水相当,但元江河谷在干季与雨季均为突出的夜间至清晨降水峰值,普洱地区雨季则是明显的午后降水峰值。云南中部地区降水量较周边地区明显偏小,该地区降水频次在雨季主要表现为清晨峰值,而在干季却是午后峰值更为突出,这也与我国东部地区降水日变化特征差异明显。     

BP-CCA方法用于四川盆地夏季日降水量的可预报性研究

基于BP-CCA方法,首先讨论了多个因子对四川盆地夏季降水降尺度模型的可预报性,然后选取最佳预报因子并进行集合,最终基于T639模式建立最优多因子降尺度预报模型.结果表明,分别以东亚夏季10m纬向风、700hPa纬向风和700hPa相对湿度为预报因子的降尺度模型对四川盆地夏季降水的预报技巧较高,而将三个因子集合的多因子降尺度预报模型具有更好的预报能力.进一步将该方法应用于T639模式预报的预报因子场,发现多因子降尺度模型对降水的预报效果要优于T639模式直接输出的结果.     

2005-2019年河北省小时降水时空分布特征

利用2005-2019年河北省40个国家气象观测站逐小时降水资料,分析小时降水和小时强降水的时空分布特征,结果表明:①小时降水频率近年来是降低的,而小时强降水频次没有明显的变化趋势,小时降水量、降水频率、降水强度以及小时强降水频次的月变化均呈单峰型分布,小时强降水频次呈年差异化变大趋势,使得小时强降水事件发生的极端性更...     

四川省近10年极端小时降水时空分布特征

利用2012～2020年四川省156个国家气象观测站小时降水资料,以四川盆地、川西高原和攀西地区为考察重点,统计分析了全省极端小时降水的时空分布特征。结果表明：（1）四川省各站极端小时降水阈值、发生频次、平均强度及贡献率差异明显,高值区主要集中在盆地和攀西南部;盆地多站极端小时降水阈值在50 mm/h以上,小时降水极大值超过80 mm/h。（2）四川省极端小时降水事件主要集中在7月和8月,其中50 mm以上的小时强降水事件占比超过1/3;盆地、川西高原和攀西地区极端小时降水发生频次分别在7月、6月和8月达到最高,而小时强降水事件分别在8月、7月和6月出现最多。（3）四川省极端小时降水频次日变化峰值出现在02时,具有单峰和夜发特征,其中盆地、川西高原和攀西地区主峰值分别出现在05时、21时和02时;四川省50 mm以上小时强降水事件夜发占比达63.5%,各区域出现高峰时段差异大。     

甘肃天水地区最大日降水量变化特征及可能最大日降水量估算

基于甘肃天水地区7个站点的逐日降水资料,研究了该地区1951~2012年逐年最大日降水量的变化特征,并利用改进的Hershfield理论方法估算其可能最大日降水量,主要结论如下:(1)近62a来,天水地区年最大日降水量平均约为59.2 mm,均方差为15.9 mm,最大值达110.5 mm,最小值仅有32.7 mm,说明该地区最大日降水量的年际变化幅度较大。此外,各站点最大日降水量主要集中在6、7、8月,约占总体的78.2%,其中7月最多,8月次之;(2)天水地区1951~2012年间年最大日降水量存在明显的准2 a、准4~5 a、准8~10 a、准15 a以及准48 a的振荡周期,且最大日降水量在未来一段时间内有增强趋势,年变化幅度有可能增大;(3)天水地区的可能最大日降水量(PMP)为170.5mm,天水、麦积、武山、甘谷、秦安、张家川、清水等站点的PMP分别达148.0、159.6、124.1、133.4、137.4、146.5、153.1 mm,强度均达到了大暴雨标准。     

基于BP神经网络的北京夏季日最大电力负荷预测方法

利用2006~2017年北京夏季（6~8月）逐日最大电力负荷和同期气象资料,分析最大电力负荷与各种气象因子的相关性,基于BP（Back Propagation）神经网络算法,建立了两种夏季日最大电力负荷预测模型并对比。结果表明:北京夏季周末基础负荷远小于工作日,剔除时应加以区分;气象因子对气象负荷的影响具有累积效应,累积2 d时两者的相关性最强;结合实际,根据自变量的不同分别建立了两种日最大电力负荷预测模型;经实际预测检验,两种预测模型均取得了较好的预测效果,能够满足电力部门的实际需求,其中自变量中加入前一日气象负荷的模型效果更优。     

新疆夏季温度和降水的典型空间分布

用奇异值分解法通过对新疆区域28站1961～2005年夏季(6～8月)平均温度和总降水量资料的分析,得到了新疆夏季主要三对温度和降水量空间分布的典型特征场。新疆夏季温度的空间分布与降水的空间分布基本呈反相关,多雨区的温度呈偏低趋势。夏季降水分布有南北反相、全疆一致、内外反相3种类型。前期5月份南、北疆的温度和降水特征一般会一直延续至夏季。     

日较差分级的新疆逐时气温预报

利用1994-2005年新疆12个基准站逐时气温资料,统计了不同日较差等级内的逐时气温和逐时气温变量的气候平均值,并在此基础上自动地输出新疆逐站逐时气温预报值,由此得到与气温变化有关的专业气象预报产品,应用于专业气象业务。     

西北太平洋地区大气臭氧柱总量的时空分布特征

文中使用欧洲中期天气预报中心臭氧柱总量资料分析了西北太平洋地区大气臭氧柱总量的时空分布特征,结果表明:低纬度地区是臭氧柱总量最低的地区,纬向分布明显,臭氧柱总量随着纬度向北极的增加而增大;夏季臭氧柱总量最大值出现在北半球高纬度约80°N的地区,最低值出现在热带地区;秋季臭氧柱总量最大值出现在55°N左右的地区;最小值出现在赤道地区。冬春季,臭氧柱总量的最低值均出现在热带地区,最高值出现在北半球约50°～60°N的高纬度地区。