基于主成分和机器学习的土壤有机质含量空间预测建模

协同环境变量与机器学习回归模型构建土壤有机质空间预测组合模型对养分精准管理具有重要意义,而多维变量间的信息冗余和相关性会导致模型训练时间过长、预测精度降低等问题.以陕西省咸阳市农耕区为例,选取高程、坡向、坡度、剖面曲率、平面曲率、地形起伏度、地形湿度指数、年均降水量、年均气温、归一化植被指数共10个环境变量,在主成分分...     

日平均计算方法对气温统计值的影响

为了弄清不同日平均计算方法对气温统计值的影响,利用陕西6个基准站的定时气温资料分别进行24次观测与4次观测,以及4次与3次观测值计算所得日平均气温计算值的差异分析,并对1961-2010年的3次、4次、24次计算的年平均气温序列进行均一性的惩罚最大F检验(PMFT).结果表明:24次气温定时值计算的日平均气温均值高于4次值,平均差值为0.13℃,标准差为0.39℃,两者差值在秋季较大.4次比3次日平均气温值平均偏低0.14℃,标准差为0.85℃,一年中,夏季差值最大.不同次数的日平均气温计算方法可引起月、年平均气温值0.2℃甚至以上的升降.24次气温值的使用可以使单站的气温增暖速率提高0.03～0.04℃/10a.但日平均气温计算方法的改变不会造成气温序列的非均一.     

利用台站元数据及卫星遥感资料分析影响气温序列均一性的原因

为了减少均一性检测结果的不确定性,提高均一性检测结论的可信度,基于可靠证据探讨影响气温序列均一性的可能原因,用3种均一性检测方法对陕西77个台站月平均气温序列进行检测,同时引入台站元数据及卫星遥感影像数据对其结果进行判别,并分析影响气温序列均一性的原因。结果表明:2种及其以上方法检测出的非均一断点36个(占78%)有台站元数据支持,台站站址迁移、观测仪器变更和日平均计算方法改变造成气温序列非均一断点的百分率分别为66.7%、22.2%和11.1%。利用以气象站为中心的缓冲区内土地利用/覆盖变化(LUCC)的卫星遥感影像和台站元数据中的图像文件综合分析认为,台站探测环境的变化是影响潼关站气温序列均一性的重要原因。建议将卫星遥感影像作为台站元数据的补充,以便更加直观、客观地定量描述台站探测环境。     

飑的观测与陕西飑的变化趋势分析

对飑在地面气象观测中的天气特征进行讨论,并与天气学中的中尺度天气系统——飑线进行区别。分析了陕西飑的空间分布特征和年际、年代际变化特点,发现陕西飑的发生次数在1980年出现由少到多的强突变,认为1979年出版的《地面气象观测规范》对飑定义的修正是产生突变的主要原因。     

2017年5月太白山“驴友”伤亡事件天气条件分析

2017年“五一”假期30多位“驴友”(户外旅游爱好者)在穿越“熬太线”(指纵贯鳌山—太白山这段秦岭主脉的穿越线路)时遭遇暴雪降温天气,导致3人遇难,2人受伤。利用太白山区域内13个自动气象站2017年5月1—7日气温、降水、湿度、风、气压等监测数据和太白、眉县气象站高山积雪观测记录,分析事件前后太白山的天气条件,探讨造成“驴友”伤亡事件的主要原因,为旅游管理部门和游客了解太白山独特的天气气候特点,正确评估“鳌太线”穿越等太白山高山区旅游的风险,最大可能地减少旅游意外伤亡事故提供参考。     

近50年秦岭南北不均匀增温及对城市化响应

根据1961—2012年陕西省均一化气温数据分析了秦岭南北两侧平均气温、最高气温、最低气温的年、季节变化特征,结果表明:秦岭南北两侧年平均气温、最高气温和最低气温均呈增加趋势,增加幅度南北分布不均,北麓温度增幅较南麓显著;气温季节变化存在一定差异,平均气温在春季和冬季增温显著,最高气温在春季增温显著,最低气温在冬季增温显著,秦岭南北两侧春季、秋季气温日较差变大,冬季和夏季气温日较差变小。为了进一步明确气温变化的原因,结合DMSP (defense mete-orological satellite program)/OLS (operational lines-can system) 数据将秦岭南北两侧分为5个区域,分别计算每个区域内城市化对气温变化的影响以及城市化影响的贡献率表明:秦岭北麓城市化过程较秦岭南麓快,城市化发展的差异,导致了城市化对秦岭南北两侧温度影响的不均匀性,秦岭北麓气温变化受城市化影响程度明显高于秦岭南麓,影响主要以平均气温和最低气温为主,城市化发展的差异加剧了秦岭南北两侧气温变化的非均匀性。     

酸雨月数据文件质量控制方法

酸雨观测是大气特种观测业务的重要组成部分,是一项基础性的业务工作。酸雨观测数据能满足国民经济和社会发展在大气环境监测方面日益增加的需求,是研究酸雨时空分布及变化趋势的依据。2006年起,陕西省气象部门酸雨观测站点从西安1个国家站增加到15个站。酸雨月数据文件的质量控制,对确保酸雨观测数据可靠、准确非常重要。本文总结了酸雨月数据文件的质量控制方法,便于台站业务人员提高酸雨观测质量。     

自动与人工观测气温差异偏大的原因及影响分析——以143个国家基准站为例

利用143个国家基准站2002—2010年自动与人工逐日平行观测资料进行对比分析,评估自动观测与人工观测气温的差异,着重分析两者存在的较大差异及其发生原因,并利用惩罚最大t检验（PMT）方法结合台站元数据中自动观测仪器变化信息,客观评价自动观测对气温序列均一性的影响。结果表明：(1) 51.29%、54.14%、67.18%的自动观测日平均、日最高、日最低气温大于人工观测值,差值在±0.2℃之间的百分率分别为78.8%、63.1%、60.9%,平均对比差值分别为0.05、0.09、0.15℃,标准差为0.14、0.22和0.15℃,各气温要素的差值、绝对差值和标准差随自动观测时间的增长并无明显的增大或减小的趋势,且空间分布各有不同;(2)通过对对比差值、绝对差值、标准差的分类比较、逐步筛选发现,少数台站自动与人工观测值差异较大,对于采集自同一传感器的不同气温要素,平均、最高、最低气温的差值表现也不尽一致。经PMT检验,在平均气温、最高气温和最低气温的绝对差值最大的20个站中分别有35%的台站的月平均气温序列、35%的台站的月平均最高气温序列和25%的台站的月平均最低气温序列由于自动观测仪器变化引起序列的非均一;(3) 分析认为：温度传感器检定更换而导致的仪器示值误差变化会造成自动与人工观测对比差值跳变,而温度传感器或数据采集器等电子元器件的零点漂移会导致自动观测气温严重偏离人工观测值,这两种因素会导致自动与人工观测气温差异偏大,也是自动观测仪器变化导致气温序列产生非均一断点的可能原因。建议加强自动观测数据的监测与质量控制,增加观测仪器检定示值误差订正,并采取硬件、软件补偿等方法,实现温度零点补偿,尽可能地减小或消除仪器误差,提高自动观测资料的准确性。     

陕西省气象数据共享系统

依托以全国综合气象信息共享平台(China Integrated Meteorological Information Sharing System,简称CIMISS)为核心的省级集约化数据环境,研发B/S架构的陕西省气象数据共享系统,实现了CIMISS所接入的各类资料及本地特色数据的查询下载、统计分析、可视化展示、离线定制等功能。该系统的建成对于提高陕西省气象部门省级数据环境的共享服务能力,解决基层用户"看不到数据"的问题具有重要意义。     

陕西业务用春季沙尘暴序列的整理和选取

根据不同起止年,不同数目气象站资料共整理出陕西春季沙尘暴序列5个,对各个序列的代表性进行对比分析,认为除1971—2004年34a春季沙尘暴序列外,全省58个气象站1961—2004年44a春季沙尘暴序列代表性好,资料长度基本满足各种业务的需要,建议作为气候业务使用的基本序列。