1976—2017年内蒙古最大风速时空特征分析

利用内蒙古58个国家级气象站1976—2017年逐日最大风速资料,分析了逐日最大风速在全年时段及四季时段内的平均值和极大值的时空变化特征。结果表明:全区年平均最大风速为6.8m·s-1,四季平均最大风速分别为8.0(春)、6.4(夏)、6.4m·s-1(秋)和6.2m·s-1(冬),以春季最大、冬季最小。最大风速在各时段的平均值在空间分布上均存在两个高值区,分别位于阿拉善盟东北部—巴彦淖尔市西北部、包头市北部—乌兰察布市北部—锡林郭勒盟西北部;两个低值区,分别位于鄂尔多斯市东部—呼和浩特市中南部、呼伦贝尔市东北部;以及两个在冬—春时段出现的季节性高值区,分别位于兴安盟南部—通辽市北部、锡林郭勒盟偏南部—赤峰市西部。最大风速的极大值的时空分布特征与平均值的基本相似,仅春、秋季在空间分布上出现局部高值区。全区大部分测站逐日最大风速在全年时段和四季时段中的平均值和极大值都有减小的趋势,其中以春季的减弱倾向最为明显,对全年趋势演变的贡献最大。全区大部分测站最大风速的平均值和极大值在20世纪90年代以后出现明显的突变现象。     

基于三参数Weibull分布的安徽省年最大风速均一性检验

以安徽省56个国家级气象站1980—2018年年最大风速序列为研究对象,采用基于三参数Weibull分布的变点检验方法对年最大风速序列均一性进行检验,以郎溪站数据为例,给出了检验和分析的具体过程,最后将该方法检验结果与PM-FT法、SNHT法检验结果进行了对比分析.结果表明:56个站点的年最大风速序列均通过Weibul...     

吉林省年最大风速的变化特征分析

利用吉林省1973—2008年共计36a来40个观测站的逐月最大风速资料,分析了吉林省逐年最大风速的变化趋势及概率分布特征,结果表明：吉林省逐月最大风速在4月份达到最大值并且年最大风速以4月份出现的次数最多;近36a来吉林省年最大风速为明显的阶段性下降趋势,年最大风速从1989年开始发生趋势突变;年最大风速值和最大风速50a一遇的极值重现水平自西北向东南逐渐减小。     

1981—2020年安徽省不同重现期最大风速和极大风速时空变化特征

分别从质量控制级别、有效数据完整率、是否均一等方面考虑,选取安徽省51个气象站1981—2020年逐日10 min最大风速和2006—2020年逐日极大风速资料,基于最大风速资料应用阵风系数法构建1981—2005年极大风速,得到1981—2020年极大风速的长时间序列数据;对风速资料进行拟合适度检验,估算了安徽省不同重现期最大风速和极大风速的时间变化以及空间分布,并对极大风速序列延长前后重现期估算情况进行了对比。结果表明：(1)利用阵风系数法构建的极大风速数据可信,可为因缺少长时间序列的极大风速观测而无法进行50年或者更长重现期估算提供参考;(2) 1981—2020年安徽省历年最大风速强度为12.38 m/s,极大风速强度为20.55 m/s,均为皖南低矮山区的风速值较低,沿江西部及江淮之间中部处于相对大值区;(3) 30年重现期最大风速为12.09～27.23 m/s,50年为12.64～29.01 m/s,均是石台站最小,桐城站最大;30年重现期的极大风速为23.51～39.56 m/s,50年为24.58～41.93 m/s,均为池州站最小,桐城站最大;(4)短期的观测资料会...     

近32a安徽省风速、风向分布特征

基于安徽省1981~2012年近32 a风速、风向资料,利用常规气象统计方法,分析了安徽省平均风速、最大风速以及极大风速的空间分布特征,重点分析了最大风速易出现的方位、季节以及各重现期下的风速分布。结果表明:平均风速与最大风速的空间分布相似,大别山区和皖南山区低海拔地区为风速低值区,黄山以及大别山区以北和以东的平原和丘陵地区为风速大值区。除大别山区北部和皖南山区南部的部分地区外,近32 a全省大部风速普遍呈现显著减少趋势。长江以北地区的最大风速出现偏西风的频率最高,大别山区和皖南山区最大风速出现频率最高的方位空间差异明显。此外,最大风速出现在春季的频率最高。     

曹妃甸工业区最大风速资料重建及检验

将曹妃甸工业区2007—2008年自动气象站的最大风资料和唐海、乐亭、滦南气象站1972—2008年最大风资料进行u,v分量分解,分别建立最大风u、v分量的回归模型,然后利用唐海、乐亭、滦南气象站1972—2006年最大风资料,对曹妃甸1972—2006年最大风资料进行重建。对曹妃甸的实测资料和重建资料分别与唐海同时段实测资料进行对比分析,分析结果表明：唐海与曹妃甸之间最大风速的相关关系是比较稳定的;风向存在一些差异,风速较小时,两站风向偏差较大,风速较大时,两站风向偏差较小。曹妃甸与唐海实测资料风向在同·方位的次数,春季占28.3%,夏季占31.5%,秋季占24.7%,冬季占33,1%;曹妃甸重建资料与唐海实测资料的风向在同一方位的次数,春季与46%,夏季占29,4%,秋季占42,7%,冬季占54%。为了考察重建资料的合理性,在不同月份选取120个大风个例,分析重建资料与天气系统的对应关系,120个个例中,有5个无明显的天气系统配合,其他均有天气系统配合。重建后的最大风速具有明显的分布特征,经检验,曹妃甸日最大风速较好地服从Gamma分布。该资料序列可以用于大风灾害的分析与评估。     

最大风速变化特征及再现期极值估算

利用枣庄市1971~2008年各月10 min最大风速资料,对枣庄最大风速统计分析。发现38年中枣庄春季、夏季、秋季、冬季和全年的最大风速都呈下降趋势,年最大风速以每10年1.47 m/s的幅度下降,冬季下降最快,达到每10年降低1.67 m/s,夏季、秋季降低幅度很接近,都小于年平均最大风速降幅,春季最大风速下降最慢,且最大风速极值主要出现在春季。枣庄各月最大风速变化曲线呈递减的"两峰两谷"形。用柯尔莫哥洛夫方法对耿贝尔分布函数进行拟合优度的检验,其显著水平达到0.05,因此利用耿贝尔分布函数估算出枣庄未来若干年的最大风速极值,以满足生产建设规划与设计中对最大风速极值的要求。     

内蒙古东部电网最大风速及其重现期极值分布特征

利用内蒙古东部48个气象站有自记式风速仪记录以来的逐年10 min最大风速资料,采用极值Ⅰ型计算方法,给出了该地区重现期30年、50年和100年的极值风速分布图,并分析了近30年最大风速和极值风速的分布特征。结果表明：近42年来内蒙古东部年最大风速具有明显的阶段性下降趋势, 减小速率约为每10年14 m/s;最大风速的年内变化为双峰型,年最大风速主要出现在春季;偏西风的最大风速较大,出现年最大风速的频率高达70%;年最大风速值和极值风速的分布总体呈自西向东减小趋势,但也存在明显的区域性分布特征。该结果将为内蒙古东部电网的设计、运行和维护提供重要的参考依据。     

最大风速的估算方法与应用

本文利用ECMWF的1979-2012年空间分辨率为0.75°×0.75°的REA每日4个时次的多层10 min平均风速格点资料,提取了研究区域(18°-26.25°N,108.75°-118.5°E)内的年最大风速序列,并对其年际变化特征和空间分布特征进行了分析。在分析空间分布特征的基础上,分类选择代表格点,建立最大风速序列,分别利用第Ⅰ型极值分布和皮尔逊Ⅲ型分布方法估算了各个代表格点不同高度层在不同重现水平下的最大风速极值,并比较两种方法估算结果的异同。在东南沿海年最大风速从近海到沿海岸线地带,再到内陆山地丘陵依次递减。在最大风速估算中发现两种估算方法所得结果相近,都可用于最大风速估算。估算结果与实际最大风速序列极大值相比较偏小,在实际应用中可按适线原则通过调整参数获得更准确的估算结果。通过分析估算方法和估算结果,为确定工程设计最大风速提供了新的思路和方法,有利于提高气象部门的专业气象服务质量水平。     

1981—2016年山东陆地观测最大风速变化特征

基于山东1981—2016年121个气象站的年最大风速观测数据,应用气候倾向率、Mann-Kendall检验等方法研究了山东年最大风速的空间分布特征、时间演变规律及突变特征、重现期特征。结果表明：山东年平均最大风速呈逐年波动减小变化趋势,气候倾向率为-1.41 m·s-1·（10 a）-1,减小趋势极显著;沿海地区和鲁中山区最大风速较大,鲁南和鲁西南较小;2000年以来,最大风速相对20世纪80、90年代明显减小;莱州湾、山东半岛东南沿海减小趋势最明显,鲁东南等地减小趋势较小;山东最大风速在2002年前后发生突变,突变后明显减小,不同区域最大风速突变发生年份不同;50 a和100 a最大风速重现期结果与观测的最大风速空间分布类似。     

城市化对近地层风速概率分布及参数的影响

通过地面风速Weibull概率分布参数的阶段变化来描述城市化对地面风速的影响,并通过理论分析得出城市化进程导致其尺度参数c缩小,位置参数r增大的趋势效应的结论。将北京等8个城市1982—2005年地面天气资料定时数据按时间划分为前、后两个时段,分别拟合分布曲线的参数,对比前、后两个时段的拟合结果,验证了理论分析所得结论,即随城市的发展,各城市风参数c不同程度地缩小,r不同程度地增大,同时概率密度曲线的峰值均增大;不同城市的风速概率密度函数曲线变化特征有所不同,根据前、后时段概率密度曲线变化的特征,8个城市风速概率分布变化大致可分为A、B两种类型,两者的主要差异是A型变化特征为在曲线两端(大风和静风)的概率都减少,曲线分布更加集中;B型则是大风概率减少而静风的概率则增大,曲线向左移动;A型变化城市的r参数平均增大46.3%,明显大于B型城市的15.7%。初步资料分析还表明,风参数c和r变化幅度与城市化扩张速度有关。     

新疆地区年平均风速数据非均一影响研究

利用惩罚最大F检验(The Penized Maximal F Test,PMFT),对新疆地区105个国家级气象站点建站至2014年逐年平均风速资料进行了均一性检验,并通过订正得出新疆地区年平均风速均一化数据集合;通过对订正后数据与原始数据进行对比评估,讨论数据非均一性对新疆风速的影响,研究结论得出:(1)在95%的显著性水平下,检验出所有待检站点均出现非均一间断点,共计151个;(2)元数据中记录的人为影响因素,超过1/3对年平均风速序列产生了非均一影响,其中仪器换型对年平均风速序列影响最为显著,其次为环境变化;(3)仪器换型和站址迁移对年平均风速的非均一影响与台站风力大小成正比,其它人为因素对年平均风速的影响与台站风力大小成反比;(4)订正后,数据时间序列的均一性得到改善,数据序列明显的趋势拐点趋于缓和,下降趋势普遍增强,数据可用性进一步改善。     

应用泊松耿贝尔分布估算海上极端风速

采用泊松耿贝尔分布,基于中国气象局发布的《CMA-STI热带气旋最佳路径数据集》资料来估算海上极端风速,并以上川岛气象站多年实测资料通过概率评估来加以验证。结果表明,采用泊松耿贝尔分布可以得到较为保守的海上极值风速取值。对于海上的小面积区域的重现期风速估算,采用50 km半径区域进行评估,可以得到较为合理的估算结果,当评估区域较大时,则需考虑适当扩大评估半径。     

基于模糊时间序列的华南台风登陆时最大风速极值预测模型

利用1995—2017年登陆华南地区的台风登陆时最大风速极值数据,构建基于模糊时间序列的台风登陆时最大风速极值预测模型,并将该模型与传统时间序列ARIMA模型作对比。其预测结果表明,模糊时间序列的平均绝对误差、平均相对误差和均方根误差分别为2.621 m·s-1、0.066和2.727 m·s-1,预测的精确度明显高于传统时间序列ARIMA模型,同时也表明将模糊时间序列应用于登陆时最大风速极值的预测能够获得较理想的预测结果。     

江苏省连阴雨过程时空分布特征分析

通过综合各地连阴雨指标因子, 确定了江苏省连阴雨过程的标准, 根据指标体系, 对其时空分布特征进行了分析, 得出江苏省年均连阴雨次数为12.3次, 连阴雨的空间分布存在着明显的北少南多的特征, 可见沿江苏南地区为连阴雨的频发地区。其中从对农作物危害程度来看, 主要是春季连阴雨(3—5月)和秋季连阴雨(9—11月)影响较大, 这两个时段连阴雨过程发生次数较多, 分别为年均3.1和2.7次, 其中春季3月和秋季9月的连阴雨出现次数最多。为了进一步定量评估连阴雨的强度, 我们设计了连阴雨强度指数模型, 对强度指数M_LYY进行了分级, 实施了对连阴雨强度的进一步把握, 更好地为决策部门提供了服务。     

北半球100 hPa等压面经向风与臭氧总量年变化

本文用多年平均的北半球100hPa经向风和臭氧总量资料分析了两者的关系,结果发现:臭氧总量的变化与100 hPa经向风密切相关,与100 hPa面上北风相对应的是臭氧高值区,与南风对应的是低值区,前者支配后者.充分说明了臭氧总量变化主要受低层平流层环流影响.     

多种方法在年平均风速均一性检验中的效果对比

针对安徽省天长和宿松气象站建站至2010年逐年平均风速资料,分别利用直接检验方法和3种间接检验方法：标准正态均一检验（the standard normalhomogeneity test,SNHT）、惩罚最大t检验（the penalized maximal t test,PMTT）和惩罚最大F检验（the penalized maximal Ftest,PMFT）,对这两个气象站逐年平均风速序列进行了均一性检验,并对不同检验方法的效果进行了对比分析。研究结果表明：1）站址迁移、观测场环境变化、仪器变更以及测风手段变化等均能对年平均风速序列的均一性产生影响,其中测风手段变化的影响最为明显。2）由于以气象台站观测记录为依据,直接检验得到的结果最为真实可信;此外SNHT、PMTT和PMFF方法对年平均风速序列的间断点均有一定的检验能力,但遗漏间断点的情况也比较明显。因而在年平均风速序列的均一性检验中,若气象台站观测记录相对较齐全,首先考虑采用直接检验,然后再考虑补充采用其他间接检验手段。     

“黄蜂”边界层风速分析—— 台风平均风速的时距选取与强度估计

通过对热带风暴(TC)"黄蜂"登陆的一次边界层观测所得到风速资料的分析计算,取得不同时距下平均风速序列.比较不同时距选取时登陆TC的平均风速、风向和台风强度,发现1 min平均比10 min平均水平最大风速大25.30%,风向变化不大,TC强度指数1 min与10 min相差2%～4%.时距选取较小时,TC平均风速和强度变大,所测得风速区域也变大,而风向与时距的选取没有明显关系.只是在阵风变化比较大的情况下选取小的时距可以更好的表示这种特征.所以时距选取需要对所研究问题的需要进行分析,对不同的问题选取不同的时距以得到更好的结果.