新疆物候(候鸟)与气候因子关系分析

通过对新疆10个站4种候鸟物候及相应气候因子变化的关系分析,得出候鸟停留时间与同期日照时数及≥0℃的积温关系密切,并经过数理统计,得出用气候因子预测候鸟停留时间的数学模式,对预知一定生态环境中鸟类的迁徙具有一定指导意义。     

福建西部近10年冰雹雷达资料统计分析

收集了福建西部龙岩市境内2001-2010年近10年的冰雹资料,对这些冰雹的时空分布特征进行了分析;同时收集了冰雹天气过程对应的新一代天气雷达资料.对冰雹雷达资料的特征进行对比定性分析,对冰雹雷达资料的一些数据进行统计定量分析.通过分析初步得出了龙岩市境内近10年冰雹的时空分布规律和冰雹的新一代天气雷达资料的一些重要特征和指标,这些分析结论在当地冰雹天气的预报预警和防雹作业等实际业务中具有较好的参考和指导作用.     

近20年青藏高原典型高寒草甸化草原植物物候变化特征

利用1997-2016年青藏高原东北部中国气象局海北牧业气象观测站典型高寒草甸化草原9种优势植物的物候资料对物候期变化特征进行了研究,并结合物候变化特征分析了青藏高原物候研究中存在的一些问题。结果表明:(1) 9种优势植物中大部分植物的物候变化:在第100～115天之间返青,在第265～285天之间黄枯,开花期出现的时间差异较大,从第120天到第230天不等;(2) 9种优势植物的返青、黄枯和开花等物候期都没有呈现一致的规律性变化,表明植物对气候变化的响应存在明显的种间差异;(3)种间差异将改变群落结构,群落结构的改变又会重塑该生境的种间关系,长期过程中植物和气候变化之间交互影响,动态调整着基本稳定的耦合关系。而大量基于遥感数据的物候研究弱化了对物候变化种间差异的揭示。     

基于稠密观测资料的近10年西安地区暴雨特征

利用2013—2022年西安市国家气象站和区域气象站观测资料及MICAPS资料，采用统计学方法、天气学分析法对近10 a西安暴雨特征进行分析。结果表明:（1）10 a中，2021年暴雨日最多，为24 d，其他年份在6～16 d之间；暴雨集中出现在7月中旬到8月中旬，8月上旬暴雨日最多，累计达14 d；强降水频次日变化分布呈双峰型，主要集中在12时前后和00时前后；强降水极值雨强频次分布具有三峰型特征，第一峰区在08—12时，第二峰区位于01时，第三峰区位于16时，易发时段为下午到傍晚。（2）暴雨日呈北少南多的分布特征，南部山区为9～23 d，城区及北部区县暴雨日为3～7 d；暴雨极值大值区主要位于周至、长安、蓝田、临潼；4月暴雨日最少，主要集中在周至和蓝田，5月暴雨日增多，主要在南部区县，6月暴雨主要发生在城区和南部区县，7月和8月暴雨范围逐渐东西向扩大，9月逐渐收缩。（3）影响西安区域性暴雨的环流形势分为副高-西风槽型、西风槽型、低涡型、西北气流型等4 种概念模型。（4）西安稳定性暴雨，雨强起伏变化不大，一般CAPE值＜100 J/kg，K指数＜36 ℃，SI指数＞0 ℃，CIN值＞50 J/kg，0 ℃层高度在48～51 km；对流性暴雨，小时雨强大，一般CAPE值＞800 J/kg，K指数＞36 ℃以上；SI指数＜0 ℃，CIN值＜50 J/kg，0 ℃层高度51～54 km。CAPE值越大、K指数越大，SI指数越小，越有利于对流系统发展。     

资料(2010年3月)

<正>~~     

资料(1998年9月)

1998年9月500hPa环流指数、环流特征量资料国家气候中心气候预测室1998年9月亚洲地区逐日500hPa西风环流指数中央气象台中期预报科1998年9月500hPa平均高度,涡度距平的球谐函数展开系数,振幅,位相国家气候中心资料(1998年9月)     

阿勒泰地区大风统计分析及灾害防御

统计了1961～1999年39a阿勒泰地区7个测站的气象观测资料,给出阿勒泰地区大风的时空分布特征,并提出了相应防御措施。     

伊春近30a大雾天气的统计分析

统计分析伊春1979～2008年大雾天气的日变化、月际变化、年际变化规律.伊春大雾多出现在夜间,日出后消散,持续时间以3～6h为多.大雾主要集中在夏季,其次为春秋两季,而冬季大雾出现很少.20世纪90年代大雾日数最多,2000年以来大雾日数又缓慢减少,但没有明显的周期性.当相对湿度为75%～80%、气温为15-20℃、风速为静风或0～0.5m/s、气压为980.0～985.0hPa时,出现大雾频率最高.     

新疆阿勒泰地区一次强寒潮天气过程分析

利用Micaps常规实况图、EC客观分析场及T213 00时的物理量场,从寒潮冷空气的酝酿、堆积、爆发3个阶段分析了2009年2月11～13日新疆阿勒泰地区的一次强寒潮天气过程,重点分析强降温及降水原因。分析表明:此次强寒潮冷空气来自新地岛和泰米尔半岛的超极地强冷空气,强冷空气沿乌拉尔山脊前东北风带和北风带南下堆积到西西伯利亚上空。由于乌拉尔山脊西北部冷空气的侵袭,使该脊向东南跨,推动西西伯利亚强冷空气大举南下,从而造成这次强寒潮天气。形成强降水的原因是北方冷空气与南支槽东移北上的暖湿气流在该地区汇合,并配合动力条件和水汽条件共同造成的。     

近20年白云机场雷暴气候的统计特征

本文利用广州白云机场1982—2001年的逐时观测资料，对雷暴的气候特征进行统计分析。结果表明：白云机场年平均出现雷暴日数为67天，初雷一般在2月26日，终雷一般在10月15日，1年12个月都有可能出现雷暴，其中雷暴多集中出现在4—9月份，以7月份出现最多，11、12、1月份出现最少，另外雷暴还有明显的季节和日变化特征。     

新疆乌兰乌苏物候变化规律及其对气候变化的响应

分析新疆乌兰乌苏农业气象试验站1980—2002年物候与相应气候因子资料,得出乌兰乌苏23a来气温增高,降水增多,气候增暖增湿;候鸟停留时间增长,与积温、日照时数和降水量的年变化趋势一致,除降水外,其他均存在显著正相关关系;木本植物生育期延长,与4—10月平均气温、平均相对湿度、总日照时数和总降水量趋势一致;初霜和终霜均推迟,无霜期缩短;初雪和初次积雪提前,终雪推迟,冬季雪日增长;积雪开始融化提前,完全融化推迟,融化时间增长;土壤表面开始解冻日期趋势提前,而土壤表面开始冻结日期趋势推迟。另外,通过物候与气象因子建立的最优回归方程,获得物候对气候响应的定量关系,为生态环境研究提供一定的理论依据。     

近56 a武汉市降水气候变化特征分析

以武汉市1951—2006年逐日降水资料为基础,采用累积距平、线性趋势、移动T检验、5％分位数、小波分析等方法,分析了近56a来武汉市降水气候变化特征。结果表明：（1）近56年来,武汉市年降水量、降水强度呈增加趋势,而降水日数呈减少趋势;（2）除春季外,其它季节以及汛期、梅雨期、伏旱期等时段的降水量均有所增加;降水日数在春、秋季、汛期呈下降趋势,其余时段则为增加趋势;降水强度在夏季、伏早期呈减小趋势,其余时段均为增大趋势;（3）梅雨期、年的降水量变化较为一致,其周期性变化明显,主要表现为10a年代际周期,突变点约在1979年;（4）1960、1970年代暴雨日数较少,在1979年前后突变增多后,进人多暴雨阶段;（5）历年最大日降水量、5％分位数极端降水强度、暴雨平均强度变化略有减少趋势但不显著,而大暴雨平均强度减弱趋势明显。     

中国东部季风区植被物候季节变化对气候响应的大尺度特征:多年平均结果

利用1982～1993年NOAA/NASA Pathfinder AVHRR陆地数据集中的规一化植被指数(NDVI)数据集,对中国东部植被季节生长的阶段性进行了划分.在此基础上,对植被季节生长对气候响应的多年平均状况进行了分析,发现在多年平均意义上,(1)中国东部植被生长在各生长阶段都同步响应于温度的季节变化;(2)在多数时段,中国东部植被生长与降水的季节变化存在显著相关关系,植被生长滞后于降水变化,滞后时间为20～30天.通过本文的研究,在中国东部季风区,有关植被季节生长对气候响应大尺度特征的多年平均状况的定性认识得到定量化的表达,为改进陆面过程描述、提高对中国东部区域气候的长期模拟能力提供了一定的依据.     

中国东部季风区植被物候季节变化对气候响应的大尺度特征：年际比较

利用1982～1993年NOAA/NASA PathfinderAVHRR陆地数据集中的NDVI数据集,在中国东部植被生长的不同阶段(全年、植被生长季、植被生长季的增长阶段和衰退阶段),对植被季节生长对气候响应的年际变化进行了分析,发现：(1)无论在多年平均意义上还是逐年来看,中国东部季风区植被季节性生长状况对温度的响应在各个生长阶段都是近于同步的,温度对于植被生长季节变化的驱动关系非常稳定;(2)逐年来看,植被季节性生长对降水的响应也是存在的,但相关关系和相关的滞后关系具有年际差异。通过定量化地分析中国东部植被季节生长对季风气候响应的年际变化,有助于对陆面过程模式中的有关部分进行改进,从而提高对中国东部区域年际气候变化的模拟能力。     

物候模型在北京观赏植物开花期预测中的适用性

以北京地区玉渊潭公园杭州早樱 (1998—2012年)、密云农业气象试验站白玉兰 (1996—2012年) 及颐和园公园山桃 (1981—2012年) 物候观测资料和海淀、密云气象站的1981—2012年逐日平均气温观测资料为基础,分别应用国际通用的3种物候模型 (SW模型、UniChill模型和统计模型) 对以上植物的始花期和盛花期建模,并评估模型适用性。结果表明:SW模型在北京地区3种观赏植物开花期预测中适用性最高,其交叉检验的均方根误差仅为1.93~3.58 d, 其次为UniChill模型 (均方根误差为2.49~3.79 d),统计模型效果最差 (均方根误差为2.36~4.24 d)。因此,推荐在观赏植物开花期预测业务中采用SW模型。