武汉市区SO2污染浓度预报方法研究

对武汉市ＳＯ２污染浓度建立了三套预报模式，潜势预报模式，预报模式、扩散模式。潜势预报模式是根据天气系统分类，用编码分类法，使模式定量化；统计预报模式具有多因子综合影响的天气意义及统计预报这理化的优点；扩散模式是一种定量动态预报方法。污染浓度预报方法的研究可为控制、防治大气污染提供科学依据，以利于治理、改善大气环境。     

武汉市区SO_2污染浓度预报方法研究

对武汉市区SO_2污染浓度建立了三套预报模式:潜势预报模式、统计预报模式、扩散模式。潜势预报模式是根据天气系统分类,用编码分类法,使模式定量化;统计预报模式具有多因子综合影响的天气意义及统计预报定量化的优点;扩散模式是一     

PCA-BP神经网络在SO2浓度预报中的应用

将基于主成分分析(PCA)的BP神经网络预报方法引入大气污染预报,建立SO2浓度预报模型.结果表明:应用主成分分析对数据进行前处理,以原始预报因子的主成分作为BP神经网络的输入,降低了数据维数,消除了样本间存在的相关性,大大加快了BP神经网络的收敛速度.对模型进行预报验证,预报值与实际值之间的绝对误差为0.0098,预报值与实际值的相关系数达到0.885,得到较好的预报效果.并且比一般的BP神经网络模型具有较高的拟合和预报精度.     

一个模拟SO2浓度分布的数值模式研究

初步发展了一个空气污染准业务数值模式，该模式将修改过的二维Mass风场模式预报的风场据实测风廓线推广到三维，用有限元法求解欧位平流扩散方程，在此基础上，预报上海地区SO2指数和浓度分布。通过半年的试验，其结果与实测值基本一致，初步可用于业务预报使用。通过模拟表明，上海市的浓度高值区一般位于市区和郊区宝山，一天中早晨的浓度最大，傍晚次之，中午最小。     

污染浓度潜势预报专家系统

以高级人工智能语言Ｔｕｒｂｏ Ｐｒｏｌｏｇ建立的污染浓度潜势预报专家系统，这使天气形势和污染善得到了较好的结合，并构成污染浓度潜势预报地专家知识，在实际应用中，该系统结构合理，功能较全，用作污染２势预报效果较好。     

一种新的城市SO2污染统计预报方法及其应用

针对目前采用的统计方法存在的不足, 即在选择预报因子时没有考虑预报因子之间的相关性, 挑选的预报因子由于非正交, 使回归计算的结果不稳定, 给计算带来一定的误差。该文提出把一元线性回归分析、自然正交函数 (EOF) 和逐步回归方法结合起来, 从而得到一种新的建立统计预报模型的方法。以西安市采暖期和夏季SO₂日均浓度为预报对象, 使用该方法建立预报模型。拟合及预报试验表明, 这些预报模型不但可以很好地拟合变化趋势, 而且还能作出较准确的预报, 采暖期预报的级别命中率为72.5 %, 夏季级别预报命中率为100%。通过对比试验, 此方法优于目前常用的逐步回归方法, 具有很好的应用前景。     

沈阳市空气污染统计预报

使用逐步回归的统计方法,对沈阳市空气污染轴TSP和SO2分别建立了预报方程,并对这两种污染物分别进行了试报检验。     

北京地区SO2污染特征及气象条件分析

分析1998－2000年北京地区SO2浓度监测资料和同期气象观测资料，发现北京地区SO2污染具有明显的季节变化、日变化特征及地域分布特征：SO2污染在采暖季重于非采暖季；日变化趋势呈“两峰两谷”；SO2浓度西部地区到北部高于东北部，城区高于郊区。影响大气中SO2浓度变化的主要气象要素为：地面日平均风速、300m风速、850hPa24h变温、地面最低温度及有无逆温。     

一个模拟SO2浓度分布的数值模式研究

初步发展了一个空气污染准业务数值模式,该模式将修改过的二维Mass风场模式预报的风场据实测风廓线推广到三维,用有限元法求解欧拉平流扩散方程,在此基础上,预报上海地区SO2指数和浓度分布.通过半年的试验,其结果与实测值基本一致,初步可用于业务预报使用.通过模拟表明,上海市的浓度高值区一般位于市区和郊区宝山,一天中早晨的浓度最大,傍晚次之,中午最小.     

东北地区夏季土壤湿度垂直结构的时空分布特征

借助于概率密度函数(PDF)拟合和经验正交函数(EOF)展开以及小波分析等方法,本文分析了中国东北地区夏季近十年间(1988-1999年)旬平均土壤湿度(0～50 cm层次)垂直分布结构的时空变化特征。结果表明,从区域分布来看,东北夏季土壤湿度的高值中心主要位于牡丹江流域和松嫩平原南侧,而从土壤水分的垂直分布特征来看,其湿润度绝大多数测站(除个别地区呈多峰态外)基本呈上干下湿,服从Weibull分布的单峰偏态型。各层土壤湿度在6月中旬和8月上旬变化最大,并存在以3 a为主的周期振荡。     

一种基于EOF分析的迭代方法在业务预报中的应用

用传统的EOF分析迭代方法,利用国家气候中心CGCM模式夏季预报产品、前冬季的500 hPa高度场和SLP等实况资料,进行了2003～2005年我国夏季降水、温度预测的Downscaling试验对比.结果显示:该方法在解释温度预测时效果比降水预测的好,应用时截断阶数取2时的效果最好;另外,模式产品的平均Downscaling效果比前期冬季500 hPa高度场和SLP的Downscaling效果好,比这3年实际业务预报的平均效果高.     

我国大陆地区浓雾发生频数的时空分布研究

利用中国137个站点1956～2001年46年的浓雾发生频数资料,结合地理信息系统分析作图软件,统计和分析了我国浓雾频数的多年空间分布、年代际变化及各区域浓雾频数变化特征,并作出了雾频数与时间序列相关图.结果表明:我国浓雾频数最多的区域集中在东南沿海、四川盆地等,而浓雾频数最少的区域集中在西北、青藏高原及内蒙;我国浓雾频数从1956年开始基本呈现"两头波谷中间波峰"的时间变化趋势;全国大部分地区雾频数与时间序列的相关系数绝对值小于0.3,且相关系数为负的地区明显多于为正的地区,除了华北平原雾频数整体上增加外,其它地区基本上呈减少趋势或者变化不大.     

中国有机碳气溶胶时空分布与辐射强迫的模拟研究

利用区域气候模式RegCM3模拟研究2000年我国有机碳气溶胶的时空分布特征和辐射效应,得出以下结论:有机碳气溶胶主要分布在我国黄河以南、青藏高原以东的广大区域,且柱含量由南向北递减;柱含量最大值可达3 mg/m2以上,出现在华南、中南、云贵、四川和西藏东南部。另外,柱含量分布有着明显的季节性,冬季最大,春季次之,夏季最小。在此基础上,本文还对有机碳气溶胶的柱含量时空分布变化的原因进行了分析。有机碳气溶胶在大气顶和地表均产生负的辐射强迫,其分布特征与柱含量分布特征基本一致,而且大气顶和地表的辐射强迫都具有明显的季节变化。模拟的大气顶辐射强迫在-0.1～-0.5 W/m2之间,与IPCC估计的有机碳气溶胶的辐射强迫数值-0.41 W/m2相当,说明区域气候模式RegCM3中有关有机碳气溶胶的参数化方案是比较合理的。     

北京北部城区 SO2和NO2浓度垂直分布特点初探

2001年1～3月在中国科学院大气物理研究所320 m铁塔10个不同高度(320、240、200、140、100、80、47、15、8 m和地面)使用无动力扩散采样器对SO2和NO2日平均总量及夜间平均浓度进行了观测.结果表明,200m以下高度SO2和NO2浓度较大.北京城区不同高度大气中SO2的浓度1月份最高.NO2浓度1月份和2月份呈现高值.不同高度SO2和NO2浓度与逆温强度有明显的正相关.     

太阳总辐射最佳倾角的时空分布

本文根据倾斜面上太阳总辐最佳倾角的角析表示式，利用平均太阳总辐射和直接辐月总量以及实际地表面反射率，计算分析了我国各月最佳倾角和最佳总辐射比的时空变化特征。同时对用天空散射辐射各同性模式计算倾斜面上总辐日总量的适用性问题亦作了简要讨论。     

热带季节内振荡时空特征的诊断研究

文中应用谱分析、小波分析等方法及较长时段的资料进一步总结了热带季节内振荡的一些基本气候特征。热带季节内振荡主要活跃在 3个地区 ,最强的是西太平洋地区 ,其次是印度洋地区 ,第三是东太平洋沿岸的赤道以北地区。热带季节内振荡有明显的季节变化 ,西太平洋地区和印度洋地区的季节内振荡 1a中有两次极大值 ,冬季主要活跃在南半球 (10°S附近 ) ,而夏季则活跃在北半球 (10°N附近 ) ,春、秋季热带季节内振荡则明显减弱。东赤道太平洋北侧的季节内振荡只在夏季活跃 ,而冬季则很弱 ,且不随季节而南北移动。对于大气的大尺度要素 ,例如u风场 ,热带季节内振荡的能量主要集中在 1波。而对于像降水这样尺度较小的要素 ,热带季节内振荡的能量则相对较分散 ,尽管它仍然在 1波有最大的能量 ,但 2～ 4波也具有较接近的能量。热带季节内振荡以东移的波动为主。热带季节内振荡存在着年际甚至更长时间的变化。 2 0世纪 70年代末期季节内振荡的幅度有一明显的突变。     

基于LLS的陕西省近10年地闪时空分布特征

基于2005—2015年闪电观测和NCEP再分析资料,对陕西省地闪时空分布及气候环流特征进行统计分析。结果表明,近10年来陕西地闪呈波动上升趋势,平均12.8万次/a,平均密度为0.67 fl/(km2·a),负闪占总地闪93.7%。每年3月地闪开始逐渐活跃,年平均强度最大;8月地闪最活跃,盛夏总频次超过全年的75%。陕西地闪频次日变化呈单峰型,峰值在16—17时,下午至前半夜活跃;对应时段在延安周边地区的闪电密集区东移南压明显。陕北地闪日变化幅度明显偏大,关中峰值时段偏晚其他地方约3 h,陕南地闪夜发性明显。陕西地闪主要分布在黄土高原东侧、南侧和秦巴山脉南麓的迎风坡,正闪主要位于陕北和陕南西部局地。相比其他省市,陕西地闪密度明显偏小,但平均强度偏大。陕西地闪活动与西太平洋副热带高压的南北进退变化基本一致,随着季节变化而出现北跳、扩大和迅速消散过程。春季闪电主要位于陕南;初夏陕北南部至渭北明显增多;盛夏闪电最强,北部闪电中心区东移至黄河沿线,关中闪电频次增幅远大于陕北、陕南;夏末闪电迅速消散。陕西盛夏闪电主要包括4种气候类型,不同类型的环流特征差异显著。25 °N以北、80~100 °E附近关键区青藏高压强盛、陕西周边温度槽落后高度槽、相对明显的不稳定层结条件是盛夏闪电活跃的有利环流背景。      

THE TEMPORAL AND SPATIAL DISTRIBUTION OF SEA SURFACE WIND ALONG THE COAST OF GUANGDONG PROVINCE IN CHINA

Temporal and spatial distribution characteristics of sea surface wind in Guangdong''s coastal areas were analyzed with data from four offshore observational stations between 2012 and 2015. The results are shown as follows: (1) The probability distribution of wind speed was basically consistent with Gaussian distribution characteristics; winds of Beaufort force 6 or higher were observed mainly in far offshore stations from October to March. (2) The probability distribution of wind direction was represented well by Weibull distribution. The deviation of wind direction of far station was relatively small for it was mainly controlled by monsoon over the South China Sea, while the near offshore station had a relatively large diurnal variation because of the influence of local synoptic systems such as sea-land breeze. (3) There were significant seasonal differences in wind speed and direction observed by different offshore observational stations. In strong wind seasons, the deviation of wind direction was relatively small while the deviation of wind speed was relatively large, and vice versa. In contrast with Class I station, the other three stations exhibited approximately normal distribution of wind direction and wind speed deviations. (4) Wind direction diurnal variation was moderate in windy periods, while it was obvious in relatively lower speed conditions. The deviation of wind speed in windy periods was generally greater because it was influenced by mesoscale weather systems for 10-20 h, and the influence was complicated, resulting in greater local differences in wind speed.     

用NOAA卫星监测甘肃森林草原火灾

本文介绍利用ＮＯＡＡ极轨气象卫星ＡＶＨＲＲ资料监测森林草原火点的原理和方法。对甘肃省１９９２年１０月至１９９６年１２月监测到的火点进行时空统计，分析了火灾监测中可能产生的误差原因，并提出相应改进措施。