基于区域自动站数据的兰州地区降水精细化特征

基于2012—2019年兰州地区146个区域自动气象站小时降水数据,从不同时间尺度分析兰州地区近8 a降水精细化特征。结论如下:(1)2012—2019年,兰州地区年均降水量总体呈"北少南多、外多内少"的空间分布特征;年降水量具有明显的年际变化,2018年降水异常偏多46%,而2015、2017年降水异常偏少,尤其2015年偏少30%。(2)兰州地区降水主要集中在7—8月,受环流形势影响,7—8月南部降水明显多于北部,其余月份南北降水差异不明显。(3)兰州地区降水量和降水范围分别表现为"朝少夕多"、"夜大日小"的日变化特征;受海拔高度影响,城区降水量总体比山区小,且因热岛效应,城区降水主要集中在午后至傍晚前后,多为对流性降水,而山区降水日分布较为均匀,整体日波动较小。(4)安宁区短时强降水发生频次最高,但短时强降水频发的站点出现在皋兰县六合站和永登县徐家磨村站,永登县是兰州地区短时强降水预报需重点关注的地区。     

基于聚类分析的兰州地区自动站降水特征分析

利用兰州地区2013—2018年4—10月139个自动气象站逐时累积降水量和降水小时数资料,通过K均值聚类分析方法进行二维聚类分区,分析不同区域降水精细化时空分布特征。结果表明:(1)K均值聚类方法将兰州地区降水划分为3个区域,年平均降水量分别为246、317和427 mm,降水小时数分别为306、404和454 h。分区结果同地理位置、地形高度相适应,与主观分区结果较一致但更加科学精细;(2)3个区域降水分布特征相似,但也存在较明显的地域性差异,降水量集中在7—8月,分别占46%、45%、44%,降水小时数集中在6—9月,分别占55%、53%和53%;(3)从日变化特征看,降水量、降水小时数、降水强度的高值分别集中在7—8月的午后至前半夜、7月的16—17时、8月的00—04时和16—23时。     

基于小时降水资料研究北京地区降水的精细化特征

根据北京全区2007~2014年117个自动气象站逐小时降水资料,在揭示降水总体时空特征的基础上,进一步研究了北京地区各季（以春、夏、秋为主）降水的精细化特征。研究发现:北京全区年均降水量存在两个高值中心（城区和下风方向的降水高值中心）,城市热岛效应可能是城区高值中心形成的重要影响因素之一;北京全区降水的季节分布不均,日分布也不均匀;城市化对北京地区降水的影响具有季节差异,夏季短历时和中历时降水在城区和东北部存在显著的大值区,受到城市热岛效应的影响可能较为明显,长历时降水在城区反而相对偏低,而春季城区短、中历时降水并未偏多,长历时降水却在城区出现明显的高值中心;降水日变化季节差异明显,春、秋两季呈现双峰型变化,而夏季呈现单峰型变化,该日变化的特征与全区降水的空间分布格局关系紧密。     

北京地区自动站降水特征的聚类分析

利用2007—2010年北京123个自动气象站逐时降水观测资料,采用聚类分析方法,对北京的主城区、西部和北部区、东北区、东南区共分为4个区域的逐时降水时空分布特征进行了分析。结果表明:通过与实际地形和下垫面类型比较,自动站分类较为合理,避免了在区域划分方面的主观因素影响。主城区降水集中时段最为突出,集中出现在7月逐日20—00时,且降水强度最强,降水量较大,降水小时数不多。西部和北部区降水集中出现在6月逐日18—20时、7月逐日23时至次日03时,降水小时数最多,降水强度不大,降水量不大。东北区降水主要集中出现在7月逐日00—08时和17—23时,降水小时数较多,降水强度不大,降水量最大;东南区降水主要集中出现在7月的逐日02—04时,降水小时数少,降水强度较大,降水量较大。     

CMORPH卫星-地面自动站融合降水数据在中国南方短时强降水分析中的应用

对比分析了国家级气象观测站逐时地面降水资料和CMORPH卫星-地面自动站融合降水数据在反映中国南方地区2008—2013年4—10月短时强降水时空分布特征上的差异,并在此基础上利用融合降水数据分析了短时强降水与暴雨的关系,结果表明:(1) 融合降水数据所反映的短时强降水的大尺度特征与站点资料一致,并能更好地描述地形的影响;(2) 短时强降水的季节变化与东亚夏季风进程和雨带的季节性位移密切相关;(3) 短时强降水与暴雨日的空间分布特征和季节变化趋势相似,4月下半月—10月上半月,超过60%的短时强降水发生在暴雨日,同时短时强降水也是暴雨形成的重要因素,短时强降水暴雨日数占总暴雨日数的比例(68.6%)普遍高于非短时强降水暴雨日(31.4%),但是短时强降水暴雨日的发生具有显著的季节和区域差异。      

江苏省自动站与基础站降水观测资料质量分析

以江苏省2006年夏、秋季自动站降水资料为例,对逐时、逐日自动站降水进行对比和统计分析。为降低资料插值过程中的不确定性,对插值方法进行了修正。由南京、扬州、无锡和常州基础站降水资料与相应自动站降水修正资料的对比可以发现,弱降水事件的发生频率高,且无论对于5mm／hvX内的逐时降水还是10mm／dvX内的逐日降水,自动站与4个基础站均有显著差异,因此对江苏省自动站降水资料进行系统订正具实际意义。另外,对阵性降水和锋面降水的分析发现,无论降水量级大小,基础站降水大于自动站降水的几率高,因此有必要进一步对自动站网的建设进行完善。由于自动站与基础站有一定的差异,建议对自动气象站的资料质量进行系统的评估。     

2008～2016年重庆地区降水时空分布特征

利用2008~2016年国家气象信息中心提供的0.1°分辨率的中国地面与CMORPH融合逐小时降水产品,分析了重庆地区的降水时空分布特征,尤其是小时强降水的时空分布特征。结果表明:(1)年均降水量总体呈西低东高分布,大值中心位于重庆东北和东南部,且存在一定的季节性差异,特别是夏季,西部降水明显增强,总降水呈两高(西部、东部)一低(中部)的分布;降水频次、降水强度与地形的相关性较高,海拔高度较高的山区(海拔高度>1000 m)降水频次多大于盆地和丘陵区(海拔高度<1000 m),降水强度与之相反,且小时强降水多发生在迎风坡前侧的过渡区域,说明高海拔区域易出现降水,但降水强度不强,而地形抬升则是触发强降水的重要原因,导致山前降水明显大于山峰。(2)重庆地区降水主要集中在5~9月,降水量、降水强度和小时强降水频次均呈单峰型分布,峰值出现在6~7月,降水频次呈双峰型分布,一个峰值出现在5~6月,另一个峰值出现在10月,7~8月为低频期,与副高控制下的连晴高温天气有关。(3)重庆地区降水存在明显的日变化特征,降水以夜雨为主,且降水峰值出现时间表现为向东延迟的特征,重庆西部日峰值出现在凌晨02:00(北京时,下同),中部出现在清晨05:00,东北部出现在早上08:00。从不同季节来看,春季、秋季和冬季降水日变化呈单峰型分布,主要集中在清晨,而夏季受午后局地对流性天气的影响,在下午17:00左右存在一个次峰值。(4)强降水的主要集中在夏季,在空间上存在三个大值中心,受西南涡及地形的相互作用,夏季在缙云山以西的盆地区域,小时强降水频次明显较高。     

北京地区精细化的降水变化特征

应用2007~2010年北京地区123个数据质量较好的自动气象站逐时降水数据,分析了该地区夏季不同级别降水的空间特征和4~10月降水的时间变化特征。结果表明,北京地区2007~2010年自动站年平均夏季降水量分布与1978~2010年常规站多年平均夏季降水量分布较一致,夏季总降水小时数明显高值中心在北部山区和城区以西山区,小时雨强以东北部、城区为高值中心,自东向西趋势递减,7月城区小时雨强最强。     

自动站降水异常情况的分析与处理

在地面测报工作中,因仪器、人为等原因,测报人员经常会遇到自动站降水异常的情况,如何正确判断和处理异常情况下的降水记录和发报,该文结合业务规定对自动站常见降水异常情况进行分析,整理出类似情况的处理方法供大家参考。     

县级区域自动气象站降水资料查询服务系统的开发与应用

为了给县级气象部门开展强降水警报提供方便实用的操作平台,利用区域自动气象站的降水资料,开发了县级区域自动气象站降水警报与服务系统,该系统可对疑误降水数据进行简易甄审,提供了对降水数据的多种统计查询方法,实现了突发性强降水的自动电话语音警报.该系统自动调用Surfer绘制等值线降水色斑图,自动生成服务文档.通过不同的参数设置可适用于其它县级气象部门.     

基于雷达回波的自动站小时异常强降水量质控算法研究

目前江西省自动气象站数据质控软件仅依靠降水数据本身的时间、空间相关性进行质控,存在部分异常强降水量漏识别问题.文中利用江西省气象信息中心提供的雷达回波资料和国家站降水观测资料,设计了雷达综合反射率质控参数,并对逐6 min累计降水量和雷达综合反射率值进行统计分析,建立了江西本地化的不同等级6 min累计降水量对应的雷达综合反射率最低阈值质控方案.该方案能较好地检测出江西省自动站降水资料中与雷达回波强度不匹配的小时异常强降水数据.目前该方案已应用于江西省自动站逐小时降水量数据实时自动质控业务中,有效提高了自动站异常强降水的质控效果.     

适用于全国气象自动站正点相对湿度资料的质量控制方法

在国家气象信息中心制作的全国自动站正点相对湿度资料数据集基础上,结合地面月报文件中相对湿度资料,通过深入分析错误数据的存在方式,最终研制形成全国自动站(包括国家级自动站和区域自动站)正点相对湿度资料质量控制方案.利用该方案,对2006-2009年实时上传的全国自动站正点相对湿度资料进行了质量评估,数据的可用率、可疑率、错误率分别为:96.68％、0.30％、3.02％.并指出当经过质量控制后,数据被判为可疑数据时,可考虑结合人工分析辅助判断.     

自动站小时气温数据的质量控制系统研究

逐小时自动站数据对于气象灾害预警、决策服务及预报预测等十分重要。以国家级自动站小时观测气温数据为基础,分析研究了小时气温数据的疑误形式,针对各种疑误数据,利用国家级台站建站以来的日最高、日最低以及4时次(北京时02点、08点、14点、20点)定时观测气温数据,研制形成了适用于中国自动站(区域站和国家站)逐小时气温数据质量控制系统,并将此系统应用到2006-2010年中国27000多自动站小时气温观测数据中。结果表明：区域站的正确率、可疑率、错误率分别为99.43 %、2.24 ‰和3.45 ‰,国家站则分别为99.82 %、1.27 ‰和0.49 ‰;区域站和国家站数据的可疑率相当,但国家站错误率明显比区域站低一个量级。通过历史数据质量控制结果的分析,证明自动站气温质量控制系统设计合理,可以判断出错误和可疑数据,具有可用性。     

浅谈信号干扰对区域自动气象站的数据传输影响

区域自动气象站在气象监测和防灾减灾的作用日益突出,随着大量区域自动气象站的建成并投入使用,后续的维护及故障排除等成为热点问题.对区域自动气象站几例信号干扰的故障处理进行分析,找出故障的原因,并提出相应的解决办法,为区域自动气象站的稳定运行、及时维护、高效管理提供参考.     

基于区域自动气象站实验室校准系统设计与实现

以设备集成技术为基础,采用层次化、模块化及面向对象的分析和设计技术,开发自动校准和计量业务管理软件,研制了市级气象局计量设备接口,最终实现自动采集被校传感器、计量标准器数据、自动控制校准设备、自动处理校准数据等整个区域自动气象站校准工作的自动化。     

基于自动站资料的海上风客观预报方法

根据辽宁省沿海自动站资料,采用卡尔曼滤波方法对沈阳区域气象中心MM5中尺度数值预报产品进行解释应用,制作环渤海及邻近海域海面最大风矢量预报的技术方法,对2009年8-12月预报结果进行检验。结果表明：海上最大风矢量预报结果中风速的预报要明显好于风向的预报,其中风向预报最好的海区为黄海北部,准确率为57.3 %;风速预报最好的海区为渤海中部,准确率为64.6 %;风速误差以正误差为主,说明风速的预报值与实况值相比偏大。该方法对于环渤海及邻近海域海上风的预报效果较好,能够比较真实地反映海上风演变过程,具有预报参考价值。     

基于小时降水资料的贵州降水精细特征分析

摘要：利用2010—2019年贵州地区2683个自动气象站逐时降水观测资料,在结合地形特征分析了贵州降水总体时空特征的基础上,从平均雨强和降水概率方面进一步研究了贵州各季日内降水的精细化特征。结果表明：（1）贵州年降水时长和年降水量空间分布有所差异,其中位于大娄山脉北侧的遵义赤水和习水地区则仅为降水时长的大值区;（2）四季降水时长分布主要受当季主要降水系统位置的影响,而平均降水强度则兼受地理条件的影响,偏向山脉的南麓;（3）在日内降水分布上,贵州四季都存在明显的夜雨现象,其中下半夜到凌晨（00—06 时）降水发生概率更大且强度更强,其中心有明显自西向东传播的特征;（4）短时强降水主要出现在春夏两季且向东传播明显,并主要在夜间到早晨。     

观测数据中气象站位置信息检验及应对策略研究

自动气象站位置信息是准确应用观测数据的前提,但受多种因素影响部分测站位置信息不准确客观存在。依据气象站位置信息的特点,设计了一套适用于观测数据中气象站位置信息检验评估的方法和流程,对2018年1月全国62 162个气象站逐小时观测数据中经纬度和海拔高度进行了检验。结果表明:(1)位置信息出现疑误的站点均为区域站;(2)位置信息的站点疑误率为4. 8%,且海拔高度出现疑误的概率大于经纬度,海拔高度和经纬度的站点疑误率分别为4. 2%和1. 3%;(3)随时间变化异常是位置信息疑误的主要表现形式,经纬度和海拔高度时间一致性检查的方法检出率分别为94. 9%和74. 5%。最后,依托MDOS建立了自动气象站位置信息综合监视流程,降低了位置信息疑误对后端应用的影响。