互助县麦田土壤水分变化规律及土壤水分预报初探

本利用互助县气象局春小麦观测地段１９９０－１９９７年０－１００ｃｍ土层的土壤温度资料,分析了土壤水分变化规律,并根据本地实际确定了土壤水分平衡公式中的各项参数,通过１９９８－１９９９年４月中旬至６月下旬共１６个旬的试用,取得了较好的预报效果。     

冬小麦夏玉米土壤水分预报及优化灌溉模型

利用土壤水分平衡方程，结合河南省冬小麦和夏玉米的生长规律和1994～2000年冬小麦、夏玉米田实测土壤湿度资料，建立了河南省冬小麦、夏玉米土壤水分预报及优化灌溉的计算机模型。用1998～1999年郑州市麦田实测土壤湿度资料验证该模型模拟结果，未来10、20、30天土壤湿度相对误差分别为-7．3％～7．7％、-8．3％～6．8％、-7．6％～7．7％，表明利用该模型，可以较为准确地预报未来1个月的土壤水分变化，并可根据小麦、玉米不同发育期特点，给出以最高产量和最佳经济效益为目标的灌溉建议。     

环湖地区天然草地土壤水分变化分析及预报

通过对铁卜加牧业气象试验站1987～1996年土壤湿度资料的分析，对土壤湿度随深度、时间的变化及各时段土壤湿度与降水的关系有了初步结论，并研制了春季解冻时和解冻到5月下旬各层次土壤湿度的长期预报方法。     

基于自动土壤水分观测数据的吉林省西部干旱预报方法研究

利用吉林省西部10个自动土壤水分观测站数据与人工取土烘干法实测土壤湿度数据,制作吉林省西部土壤墒情监测及干旱预报模型.结果表明:不同气候背景下在作物不同生育期、土壤不同深度、不同初始湿度下的土壤湿度的变化趋势大致相同,但在相同的无降水日数或降水量时,不同台站不同深度的土壤湿度变化率却有一定的差异.各站农田土壤初始湿度越大,无降水时初期墒情下降速率越明显;而土壤湿度初始值越低,则失墒速率越慢.土壤不同深度均是开始时间失墒较快,后期变化逐渐趋于减弱状态.土壤深度越深则水分变化速率越缓,降水量越大,0～50 cm土壤湿度变化曲线整体越接近一致,直到从上而下几层土壤湿度全部达到饱和.通过对2017—2019年吉林省西部玉米农田土壤湿度预报结果和实测值进行对比检验,基于自动土壤水分观测数据的吉林省西部干旱模型预报的准确率超过80％.     

基于光学遥感和微波遥感的土壤水分反演模型研究

选用2020年5月17日Sentinel-1和Landsat 8影像数据,结合田间人工测墒数据,以辽宁省朝阳市为例,分别利用植被温度指数法和光学协同微波遥感反演算法反演土壤水分,构建高精度土壤水分预报模型。结果表明：基于光学遥感的植被温度指数(TVDI)不能较好反演农田土壤水分;微波反射能够较好反馈土壤水分的空间变化,Sentinel-1雷达数据VV极化对土壤水分的拟合精度(R²=0.71)优于VH极化(R²=0.27);基于全球植被水分指数(GVMI)改进的水云模型效果最优(R²=0.80)。利用微波和光学遥感协同反演,能够反演得到高空间分辨率、高精度的农田土壤水分数据,有助于农业干旱的监测。     

地下水浅埋条件下冬小麦和大豆土壤水分动态预报模型研究

用统计方法和水量平衡法推导出江淮地区潜水蒸发经验计算模型。利用农田水分平衡原理分别在江淮地区建立了引入潜水蒸发量和没有引入潜水蒸发量的冬小麦和大豆土壤水分动态预报模型,并对这两种模型在地下水浅埋条件下的预报准确度进行比较。1980年的比较结果是:当预报时效为10天时,两种作物7个时段的土壤水分平均绝对误差前者为8.2 mm,后者为20.1 mm,平均相对误差分别为2.8%和6.8%。引入潜水蒸发量后,冬小麦和大豆土壤水分动态预报模型的预报准确度明显提高。     

黑龙江省玉米田土壤旱涝预报

玉米旱涝预报模型考虑了土壤-大气-植物之间的水分交换关系,基于土壤水分平衡原理,以旬为预报时段,以黑龙江省34个测墒站点每旬玉米田土壤相对湿度代表所在县的平均玉米田土壤相对湿度,利用上一旬末土壤相对湿度和下一旬降水预测值来预报下一旬末的土壤相对湿度。根据土壤旱涝指标来确定土壤旱涝等级。用2007年3月上旬至11月上旬实测玉米田土壤湿度对其检验。结果表明:黑龙江省春季和秋季预报比较准确,绝对误差在5%以下;夏季预报误差比春秋季节略高,绝对误差在6%以下,有些县市绝对误差甚至达到0。根据确定的土壤旱涝等级检验土壤旱涝预报准确率表明,准确率较高,效果较好。     

冬小麦土壤墒情预报及优化灌溉技术的计算机模型

利用土壤水分平衡方程，根据我省冬小麦的生长规律及冬小麦优化灌溉技术推广经验，建立了冬小麦土壤墒情预报及优化灌溉技术的计算机模型，利用该模型，可以较准确地预报未来1个月的土壤墒情变化，并可根据我省小麦的不同发育期给出以最高产量和最佳经济效益为目标的两种灌溉建议。     

紫外线辐射强度预报模型研究

以陈万隆的到达地面的紫外辐射的参数化方案、Frederick模式中的高度修正方程和NWS的云量修正方程为基础。建立了一个到达地面紫外总辐射的预测模型。进行紫外线辐射强度预报。结果表明：模型能很好地反映出晴天紫外线辐射强度的变化趋势及其规律。少云、多云和阴天由于天空状况复杂，预报误差相对较大。但基本上能反映出紫外线辐射强度的变化情况。模型考虑因子较全面，可以用于城市紫外线辐射强度预报。     

秦皇岛地区雾天气气候特征及预报

随着交通线路的快速发展,雾对交通运输的影响越来越大,浓雾天气常常引发交通事故,给人民的生命财产造成严重损失,危害性极大.应用秦皇岛1957-2006年气表-1资料,统计分析秦皇岛内陆、沿海地区雾天气时空分布特征,返查1981-2000年历史天气图,得出本地区出现雾的主要天气类型,筛选出影响雾的主要天气要素,建立MOS预报方程,为雾预报及临近预警信号的发布、解除提供有利依据,达到监测、预报之目的.     

辽宁省未来7d土壤墒情逐日滚动预报方法研究

基于气象台定量预报数据和自动土壤水分监测数据等实时和历史资料,采用土壤水分平衡原理,研究了辽宁省未来7 d土壤墒情逐日滚动预报方法。结果表明:预报模型稳定性好,能够较好地模拟出辽宁省未来7 d土壤墒情的定量演变趋势,首次实现了土壤墒情的定量化预报、精细化(县级)预报及逐日滚动预报。该方法成功实现的关键之处在于采用回归分析方法实现了气象台提供的预报要素和模型所用预报要素之间的转换。     

青藏高原及其典型区域土壤湿度的分布和变化特征

基于土壤湿度融合分析产品及气象观测资料,分析了青藏高原及其典型区域的土壤湿度分布特征以及影响因素.结果表明：青藏高原土壤湿度与高原降水季节有较好的对应关系,降水量多的季节对应大的土壤湿度,反之亦然,即夏季土壤湿度最大,春季和秋季次之,冬季最小;高原外围土壤相对较湿,中部较干,夏季土壤高湿度区从藏东南向西北、塔里木盆地向藏东北扩展,冬季土壤高湿度区向藏东南和塔里木盆地收缩;土壤湿度垂直层次呈现出浅层和深层低、中间层高的特点,从浅层到深层土壤湿度的变化幅度逐渐减小;高原典型区域土壤湿度逐日变化规律与高原区域平均的土壤湿度时间演变接近一致,降水量的多少和湿润区、半干旱区土壤湿度高低值有较好的对应关系,湿润区垂直梯度大,干旱区和半干旱区垂直梯度小;蒸发量、风速、气温以及植被状况均会影响到土壤湿度的分布特征.     

江苏省自动土壤水分观测与人工观测对比分析及应用

利用2010年江苏省20个土壤水分站的自动站与人工观测资料,分析了自动站与人工观测的对比差值、相关系数和各自的方差等.结果表明:人工观测值平均高于自动站观测值,两者在浅层的平均差值最小,相关性最好.随着土壤深度的加深,人工与自动观测对比差值增大,相关性减小,在出现强降水时尤为明显.在有效降水较少时,各层人工观测方差均明显大于自动站观测.自动站观测方差在浅层为最大,随深度的加深而明显降低,因为受降水影响很小,而表现比较稳定.人工观测却受降水影响相对较大,方差平均值在各层表现波动均较大,在较深层波动更明显.最后通过多元线性回归方法,以六合站为例初步建立了土壤干旱预报模型并检验其预报能力.     

东北地区夏季旬土壤水分推算模型的初步探讨

利用东北地区1993—2009年6—8月旬土壤湿度资料,首先采用CAST聚类法对该区域土壤湿度进行气候分区,再以土壤水量平衡原理为依据,在考虑有物理意义的影响因子基础上,分别对每个分区建立统计回归模型,并验证模型的适用性。结果表明:模拟精度在78.8%～88.2%之间,该模型对于东北地区夏季的旬土壤湿度具有一定的推算能力,可以作为一种可应用的模拟方法。     

中国近20 a卫星遥感土壤湿度的季节变化及其验证

分析了欧洲空间局最近基于多颗卫星微波资料研发的ECV土壤湿度产品的季节性干湿变化,并与国家气象局提供的站点资料做了对比验证。研究发现:主动与被动遥感土壤湿度的干湿季节变化在中国东部季风区有显著的不一致性。在中国东部季风区,被动遥感土壤湿度的干湿季变化和站点观测一致,均表现出夏季是干季、冬季是湿季的特征;而主动遥感的数据则存在较大的空间差异,华北地区与被动遥感数据较为一致,华南地区则呈现夏季为湿季、冬季为干季的反位相特征。两者的不一致性说明,针对欧洲空间局开发ECV土壤湿度产品的过程,融合主动遥感和被动遥感资料,研制长序列土壤湿度产品的思路在中国东部季风区不可行。     

基于集合卡尔曼滤波的土壤温湿度同化试验

以通用陆面模式CLM 3.0(Community Land Model 3.0)为模型算子,基于集合卡尔曼滤波(Ensemble Kalman Filter,En KF)发展了一个土壤温湿度同化系统,主要用于改进模式对土壤温湿度和地表水热通量的模拟精度,并考察集合样本数、同化频率及不同观测量的组合对同化效果的影响。该系统同化了FLUXNET两个站点(阿柔和Bondville)不同土壤深度、不同时间频率的土壤温度和湿度数据。通过对阿柔站不同集合样本数的设计,综合考虑计算成本和计算精度,最终将集合样本数设置为40。通过分析三种同化方案对同化频率的敏感性得出,同化土壤温度最为敏感,同时同化土壤温湿度次之,同化土壤湿度最不敏感。对于阿柔站点,同化系统对不同土壤深度温度和湿度的模拟精度均能提高90%,潜热通量的均方根误差由94.0 W·m~(-2)降为46.3 W·m~(-2),感热通量均方根误差由55.9 W·m~(-2)降为24.6 W·m~(-2)。Bondville站点浅层土壤温度的改进在30%左右,深层土壤温度改进达到60%,对土壤湿度的改进均在70%以上,潜热通量和感热通量的均方根误差分别从57.4 W·m~(-2)和54.4 W·m~(-2)降为51.0 W·m~(-2)和42.5 W·m~(-2)。试验结果表明,同化站点土壤温湿度数据对土壤水热状况及通量的模拟改进非常有效,同时也验证了同化土壤水分遥感产品的可行性和必要性。     

基于土壤湿度和年际增量方法的中国夏季气温预测试验

本文利用中国160站月平均气温资料和欧洲中心ERA-Interim逐月再分析表层土壤湿度资料,通过相关分析选取欧亚大陆9个关键区的土壤湿度年际增量作为预测因子,采用变形的典型相关分析(BP-CCA)结合集合典型相关分析(ECC)的方法建立集合预测模型,对我国东部夏季气温年际增量进行预测,进而预测夏季气温。其中,1980—2004年的资料用于历史拟合试验,而2005—2014年的资料用于独立样本预测试验。首先利用BP-CCA方法对9个因子分别建立单因子预测模型,然后采用ECC方法对9个预测因子按照不同的组合方式建立集合预测模型,并且分析预测技巧。结果表明,不同预测因子的组合对我国夏季气温的预测能力不同:勒拿河下游地区、中国黄河以南地区、叶尼塞河下游地区、西西伯利亚平原地区以及印度半岛西北部地区的土壤湿度对华北夏季气温预测效果较好;中国黄河以南地区、叶尼塞河下游地区、印度半岛西北部地区、贝加尔湖东北地区以及贝加尔湖以西地区的土壤湿度对江淮夏季气温有较高预测技巧。所建立的两组集合预测模型均显示了较好的实际预测能力:华北气温预测模型预测气温距平的同号率为8/10,平均均方根误差为3.4%;江淮气温预测模型预测气温距平的同号率为7/10,平均均方根误差为2.7%。并且两组模型预测出的华北和江淮气温的预测评分(PS)均超过80分,而国际上通用的距平相关系数(ACC)均在0.3以上。这说明土壤湿度因子中包含对我国夏季气温有用的预测信号,可以考虑将土壤湿度应用于夏季气温预测业务中。     

Variation of surface albedo and soil thermal parameters with soil moisture content at a semi-desert site on the western Tibetan Plateau

Almost three years of continuous measurements taken between January 2001 and May 2003 at the Gaize (or Gerze) automatic weather station (32.30 °N, 84.06 °E, 4420 m), a cold semi-desert site on the western Tibetan Plateau, have been used to study seasonal and annual variations of surface albedo and soil thermal parameters, such as thermal conductivity, thermal capacity and thermal diffusivity, and their relationship to soil moisture content. Most of these parameters undergo dramatic seasonal and annual variations. Surface albedo decreases with increasing soil moisture content, showing the typical exponential relation between surface albedo and soil moisture. Soil thermal conductivity increases as a power function of soil moisture content. The diffusivity first increases with increasing soil moisture, reaching its maximum at about 0.25 (volume per volume), then slowly decreases. Soil thermal capacity is rather stable for a wide range of soil moisture content.     

区域数值预报系统在北京地区的降水日变化预报偏差特征及成因分析

为了研究北京快速更新循环同化预报系统(BJ-RUCv2.0)在北京地区降水日变化的预报偏差特征及其成因,利用2012—2015年夏季BJ-RUCv2.0系统第2重区域(3 km分辨率)预报结果和北京地区122个自动气象站逐时观测数据以及观象台探空观测资料,分析模式对北京地区降水日变化预报偏差的区域性特征和传播特征,研究模式局地环流预报偏差特征及其对降水预报偏差的可能反馈机制。研究结果表明,BJ-RUCv2.0系统多个更新循环的预报在北京平原地区均存在夜间降水漏报问题,降水预报偏差表现为模式预报降水在西部山区降水偏多,预报降水雨带难以在平原地区增强发展,造成了模式降水在傍晚山区偏多而夜间平原地区降水明显偏少。通过分析模式局地环流预报偏差及其响应机制发现,由于白天平原地区近地层偏暖偏干,山区底层偏冷中层偏湿,造成了山区-平原地区间的温度梯度强度偏强且强温差出现时间提前,西部山区午后降水偏多;由于平原地区地面气温预报持续偏高,入夜后偏北风难以到达平原地区,造成了山区-平原间的地形辐合线位置偏北,影响山区降水雨带向平原地区移动,同时平原地区近地层内水汽持续偏低,抑制降水雨带在东移过程中的发展,造成模式在平原地区夜间降水预报容易出现漏报。模式冷启动所用的GFS资料土壤湿度在北京平原地区明显小于实际观测,是模式预报偏暖偏干的可能原因之一。     

基于C4.5算法的长江中下游地区夏季降水预测模型研究及应用

为了对长江中下游夏季降水进行短期气候预测,利用国家气候中心提供的74项环流指数和NOAA整编的西太平洋型WP指数、MEI指数、ENSO指数等多种全球环流指数资料,归纳整理了影响长江中下游夏季降水的34个前期春季因子,讨论了前期春季因子与夏季降水的关系,并利用这34个前期春季因子通过数据挖掘中的C4.5算法对1951—2013年(63 a)长江中下游夏季降水,建立判别降水偏多以及偏少的两类决策树预测模型,并分别得到5条和7条综合判别规则。随机选取80%左右历史年份数据作为模型的训练集,两模型的训练集准确率分别为94.12%和93.88%,剩余20%年份数据作为模型测试集,模型的测试预测准确率分别达91.67%和85.71%。模型预测应用也显示结果正确。模型研究和应用显示,基于C4.5算法的长江中下游夏季降水预测模型具有较高的预测准确率,模型构建合理有效,判别规则依据大数据理论,广泛考虑相关因子以及因子的排列组合,智能化选择关键因子,易于客观化、自动化实施,为长江流域汛期降水的短期气候预测提供了新的思路与方法。