基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

新疆是我国积雪资源最丰富的区域之一,也是雪灾多发区之一,预测最大积雪深度,可以为雪灾的预警与防范提供参考和依据。本研究基于建立的雪灾灾损指数,确定了新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县（市）,包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度,结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。     

基于RBF网络的新疆特重雪灾区最大积雪深度预测研究

新疆是我国积雪资源最丰富的区域之一,也是雪灾多发区之一,预测最大积雪深度,可以为雪灾的预警与防范提供参考和依据。本研究基于建立的雪灾灾损指数,确定了新疆特重雪灾区域;进一步聚焦特重雪灾区的8个县（市）,包括阿勒泰市、福海县、青河县、塔城市、托里县、沙湾市、尼勒克县和伊宁县,分别建立县域RBF网络模型,预测2021—2050年年最大积雪深度,结果表明：该模型可用于新疆特重雪灾区最大积雪深度预测,但预测精度仍有待提升;塔城市、尼勒克县将于2025—2029年连续出现最大积雪深度偏高事件,2039年青河县将出现最大积雪深度的极大值,因此应关注可能发生雪灾的年份与县(市),积极做好雪灾的防御工作。     

基于实际灾情的青海高原雪灾等级（评估）指标研究

利用1951—2008年青海高原雪灾实际灾情资料,通过统计计算各年份雪灾造成的牲畜死亡率,并进行排序,参照了计算SPI(标准化降水指数)不同等级干旱在全部干旱中所占比例的过程,确定了不同雪灾等级的阈值,制订了基于实际灾情的雪灾指标。并对几次典型雪灾过程进行评估检验,结果表明:本研究确定的雪灾等级与DB63雪灾标准基本一致。在青海高原牧区,用雪灾造成的实际牲畜死亡率来确定雪灾等级指标,评估雪灾受灾程度,是一种较为科学和具有很好的现实指导意义的新方法。     

降水相态转换机制及积雪深度预报技术研究

利用2014—2017年山西省地面和高空气象观测资料、NCEP/NCAR FNL再分析资料、山西及周边地区多普勒天气雷达资料,对山西冬半年雨转雪过程进行归类与分析,探讨地面气温在降水相态转换中的作用,提取降水相态转换的前兆信息。针对降雪过程,统计分析降雪量和积雪深度增量的关系,总结提炼积雪深度预报指标。最后,选取气候特征相似的两次雨转雪过程进行对比分析,揭示降水相态转换的物理机制。结果表明:(1)山西省11月发生雨转雪的站次最多,其次为2月。地面气温作为降水相态变化的重要指标,其与气候和天气(如冷空气强度和路径)特征、地理位置等有关。(2)山西冬半年积雪深度增量与降雪量比值约0.68 cm·mm~(-1),且比值随着气温降低而增大,因此存在明显的时空差异。(3)在雨转雪的不同时段,随着对流层低层降温,冰雪层厚度在总云层的比例有所增加,且云中固态凝结物下落路径缩短,使得固态凝结物在下落过程中融化概率减小,造成相态变化。     

新增积雪深度客观预报技术研究及其应用

利用地面历史观测数据对我国冬季典型降雪过程的雪水比进行了统计分析,在此基础上,利用改进后的Cobb算法、ECMWF IFS模式预报及中央气象台降水和相态网格预报构建了雪水比和新增积雪深度物理预报模型。结果表明:我国降雪过程的雪水比分布较广,最小为0.3:1,最大为100:1,仅有4%左右的雪水比为10:1;雪水比具有明显的区域和季节特征,新疆、西北地区东部、华北以及东北地区雪水比大于其他区域,冬季较春、秋季雪水比大;改进后的Cobb算法建立了随地形高度变化的云识别方案,利用云内温度与雪水比统计关系及垂直速度构建了雪水比和新增积雪深度预报模型,其预报的雪水比和新增积雪深度空间分布特征较原Cobb算法的预报更接近实况;结合雪水比预报模型和中央气象台降雪网格技术的新增积雪深度预报较ECMWF IFS模式预报有明显的改进,相对模式新增积雪深度预报TS评分提高率基本在10%以上,尤其对20 cm以上新增积雪深度预报能力提升明显。     

用多组判别法作高原牧区雪灾等级预报

应用阿坝州气象局提供的1967-1996年各月雪灾档案资料,结合文献[1] 选用的长期预报因子,进行多组判别分析,最后得到高原牧区雪灾强度等级预报.     

用多组判别法作高原牧区雪灾等级预报

应用阿坝州气象局提供的１９６７－ １９９６ 年各月雪灾档案资料,结合文献［１］选用的长期预报因子,进行多组判别分析,最后得到高原牧区雪灾强度等级预报。     

青藏高原积雪深度对延伸期预报技巧的影响

高原积雪是重要的陆面因子,其变化的时间尺度长于大气而短于海洋。本文利用国家气候中心第二代月动力延伸期预测模式（DERF2.0）历史回报资料与被动微波资料（SMMR）、被动微波成像专用传感器（SSM/I）数据反演的逐日雪深资料,分析了1983~2014年冬季和春季转换季节高原积雪对热带外地区延伸期尺度预测技巧的影响。结果表明,高原积雪异常年动力模式在高原积雪显著影响的青藏高原地区、贝加尔湖地区和北太平洋地区预报技巧明显高于正常年份。随着预报时效的延长,高原积雪偏多年的技巧衰减最慢、其次为积雪偏少年,积雪正常年最快,表明高原积雪异常年可预报时效更长,且高原积雪异常对预报技巧的改善在第1候的预报中就显现出来,尤其是积雪偏多年,其影响时段明显要早于海洋。结果显示高原积雪对延伸期预报技巧有重要贡献,暗示高原积雪异常为东亚延伸期预报的潜在可预报源。     

基于DERF2.0模式1～52天最低温度逐日预报的检验评估

利用国家气候中心第二代月动力延伸预报模式系统(DERF2.0)1983 2013年历史回算数据中20个全样本集合平均的最低温度数据,对3月中国中纬度地区模式最低温度1~52天逐日预报能力进行了评估。结果表明,通过计算绝对误差的绝对值AE、均方根误差RMSE和相关系数R发现前10天预报可信度较高,预报时效越短,可信度越高,超过10天之后预报可信度越来越低。为了分析模式误差的深层次原因,利用集合经验模态分解方法(EEMD)对数据进行分解,DERF2.0模式和观测数据的高频分量IMF1和趋势项R为主要分量,低频分量IMF2占的比重较少。分析发现,DERF2.0模式在10天之后预报能力下降的主要原因是高频分量IMF1的预报能力下降。通过分析历年的结果,发现各项方差贡献率年际变化不大,比较稳定,高频分量IMF1和低频分量IMF2方差贡献率和观测数据相比普遍偏低,趋势项R方差贡献率和观测数据相比每年都偏高。DERF2.0模式应该针对高频扰动继续加强研究,提高DERF2.0预报升温降温过程的能力。     

逐日最低气温的客观自动化预报

为了更好地应用数值模式产品,实现客观、定量、自动化预报。本文采用国内较为先进的小样本统计模型,以数值预报产品的应用为重点,设计专门的筛选因子的程序,建立最低气温预报方程,上机运行,得到烟台市区逐日的试报结果,效果较为理想,证明小样本统计模型在上具有广泛的使用价值。     

北疆积雪深度和积雪日数的变化趋势

 选取新疆北疆20个站1961-2006年积雪及稳定积雪日数、最大积雪深度资料,同时选择冬季降水量和气温稳定通过0℃以下的日数作为积雪的影响因子,分析了46 a来北疆积雪的变化趋势。结果表明：46 a来最大积雪深度呈显著增加趋势,平均年增长0.8%,其变化与冬季降水量增加有关,呈正相关;积雪日数和稳定积雪日数也呈稍增加趋势,增加主要发生在1960-1980年代,1990年代以来有所减少,其变化与气温稳定通过0℃以下的日数呈显著正相关。     

青海南部冬季积雪和雪灾变化的特征

利用1961-2005年青海南部牧区气象台站观测的气温、降水、积雪资料,用气候诊断方法分析了该地区积雪等气候要素的年代际演变特征以及雪灾变化的成因。结果表明：20世纪60-90年代冬季青海南部牧区中雪和大雪出现的站次以及雪灾出现的站次有逐步增多的趋势,降雪量和地表平均积雪量每10 a分别增加1. 253 mm和8.246 cm,单站积雪量在海拔4100 m左右的高度上增加比较明显,其变化是由气候的年代际波动引起的。     

DERF2.0模式11-40天逐日环流预报效果评估

利用1983-2013年DERF2.0模式预报资料和ECMWFERA-Interim逐日再分析资料,评估了DERF2.0模式未来11-40d环流预报效果,结果表明:200hPa高度场预报平均效果最好,预报与实况的距平相关系数(ACC)通过显著性检验达到17d,500hPa高度场为13d,200hPa纬向风场仅11d,200hPa经向风场和850hPa纬向风场预报效果最差,预报与实况的ACC均未通过显著性检验。热带地区200hPa和500hPa高度场预报效果最好,11-40d预报与实况的ACC均通过了显著性检验。     

晴雨逐日预报的一个客观方法

不少文献证明,大气变化是有一定周期性的。但过去研究较多的是几年到几十年的周期,如旱涝36年周期等就研究的不少。而短期晴雨逐日变化,由于受各种不同尺度天气过程综合影响,不易直观的被发现。因此,晴雨不像旱涝周期那样单纯,只存在着几个主要周期。即便如此,本文经过计算认为,晴雨周期也象旱涝周期一样存在于大气之中。     

广东省冬季逐日最低气温的预报方法

为了能结合数值预报产品做好广东省逐日最低气温的预报,利用1998~2007年冬季(11月~次年2月)美国NCEP/NCAR再分析资料和常规气象观测资料,选取20°~27.5°N,107.5°~117.5°E区域内的海平面气压、850 hPa温度、850 hPa相对湿度、850 hPa纬向风(u)、850 hPa经向风分量(v)和500hPa位势高度等6个要素作为预报因子,以韶关、梅州、广州、阳江、汕头等5个站分别作为广东5个部分的代表站,采用能选取"最优"因子的逐步回归方法建立5个代表站的11月~次年2月逐日的最低气温预报方程,并对预报方程进行检验。结果表明:采用逐步回归预报方法建立的广东省5个代表站的逐日最低气温预报方程具有一定的预报能力,但也存在预报结果比实况偏低的不足。     

逐日最低温度中期预报的PP方法

应用数值预报产品制做局地天气要素预报主要有两种方法:MOS法(模式输出统计方法)和PP法(完全预报方法)。在目前条件下,提供中期MOS预报的数值预报产品的资料年代短,不象短期MOS预报那样有较多的样本资料和要素预报值可供作为可能预报因子。采用PP方法是解决上述问题的有效途径。由于PP法建立的预报方程是针对长年代大样本历史资料建立的统计关系,     

台州积雪的分析和预报

我区地处浙江中部沿海,气候温和,积雪机会较少,可一旦形成,常使房屋倒塌、人畜伤亡、作物受冻、树木毛竹压折、交通邮电中断,造成灾害。全区面积基本上在28.2——29.2N、120.6——121.6E的一个经纬度网格之内。全区各县积雪情况,见表1。本文以我区中部临海县资料为主进行分析。     

城市雪灾气象等级划分标准的研究

选取累积降雪量、最大日降雪量、连续降雪日数、积雪深度、日最低气温、日最大风速和日最小相对湿度7个气象因子构成城市雪灾气象指数。通过对城市雪灾气象指数的范围划分,得到从低到高的5级城市雪灾气象等级,并给出等级描述及可能影响。     

城市雪灾气象等级划分标准的研究

摘要：本文选取累积降雪量、最大日降雪量、连续降雪日数、积雪深度、日最低气温、日最大风速和日最小相对湿度7个气象因子构成城市雪灾气象指数。通过对城市雪灾气象指数的范围划分,得到从低到高的5级城市雪灾气象等级,并给出等级描述及可能影响。