新疆不同降水观测资料的比较及其差异的可能原因

利用新疆地区89个气象站和38个水文站1961~2005年的降水资料,对比分析了这两类降水观测资料在表征新疆地区降水的时间演变特征上所存在的差异,进而探究了造成这种差异的原因,并在此基础上研究了增暖背景下新疆地区降水与地形(包括海拔高度、坡度和坡向)的关系。研究发现:1)从区域平均来看,水文站观测的年降水量(221.4 mm)明显高于气象站的观测值(152.1 mm),其差值为69.3 mm,但是二者具有相同的时空变化特征;2)气象站与水文站降水均值之间的差异,主要受海拔高度的影响,坡度和坡向的影响次之。新疆地区地形地貌复杂,降水时空变化较大,观测数据分布不均匀均可导致对降水的估算存在较大差异,因此多源降水数据相互融合是客观估算该地区降水量及其变化的一个途径。     

兰州市2000年污染源分担率分布特征分析

利用 2 0 0 0年兰州市城区 1km 1km网络化污染源的调查资料 ,对每一网格内影响该市的大气污染源排放量进行了分担率计算 ,结果表明 :兰州城区污染物排放量分担率呈“区域”状连片分布 ,分担率分布广 ,影响范围大 ,从整体看 ,分担率分布出现了 3个中心 ,分别出现在西固电厂南部、城关区铁路局和七里河西站一带 ,与地形走向 ,人口密度分布相一致。     

利用ERBE资料分析中国地区云辐射强迫的时空变化

利用１９８５￣１９８８年４年的ＥＲＢＥ资料,分析和揭示了我国大陆地区云辐射强迫变化的一些基本事实。结果发现：云强迫存在很大的区域差异和较强的季节变化,其中川黔地区是全国最大的云强迫负值区,其次是长江中下游地区和华北地区青藏高原为正、负值的过渡区,高原北侧的西北干旱区冬季为较弱的云强迫正值区。此外,云强迫还具有一定的年际变化。     

典型干旱地区陆面特征的模拟及分析

运用NCAR -LSM (Landsurfacemodel)模式对典型干旱区—沙漠站进行了独立试验 (Off line) ,检验了LSM模式在典型干旱地区的性能 ,并分析了典型干旱地区的陆面特征。结果表明 :LSM模式对干旱地区有较好的模拟性能。在不同的季节 ,典型干旱地区的感热和潜热有着不同的特征 ,4月份的感热通量较大 ,约为 4 0 0W·m-2 ;1月和 8月相对较小 ,约为 2 30W·m-2 。 1月和 4月的潜热通量很小 ,约为 4～ 6W·m-2 ,可以忽略 ;但 8月份的潜热通量大 ,平均最大约为 12 0W·m-2 ,当有降水发生时 ,潜热通量可达 5 70W·m-2 ,与感热通量相当。     

沈阳大气气溶胶光学特性及其影响因子

利用2010年3—10月沈阳大气成分监测站CE－318太阳光度计观测资料,计算沈阳大气气溶胶光学厚度和波长指数等大气光学特性参数,结合地面气象观测资料,分析大气气溶胶光学特性及其影响因子。结果表明：沈阳气溶胶光学厚度在3—6月较高,8月较低,9—10月气溶胶光学厚度略有增加;除4月和8月外,气溶胶光学厚度与风速基本呈反相关;气溶胶光学厚度与可吸入颗粒物（particulate matter,PM）质量浓度变化趋势基本一致;气溶胶光学厚度日平均值距平的绝对值、改变率均与降水强度成正比;地面能见度与气溶胶光学厚度呈负相关。由气溶胶浑浊度系数计算的能见度在4—6月与实际观测的能见度基本吻合,由气溶胶标高计算的水平能见度整体小于实际观测的水平能见度。     

洛阳分县温度周滚动预报系统

利用洛阳9县(市)2002年11月~2004年9月逐日最高、最低气温资料,应用欧洲中心数值预报产品,建立了洛阳9个县(市)的温度周滚动预报方程。2004~2005年试报结果表明:24~48 h预报准确率在70%左右,绝对误差在2℃以内;24~144 h预报准确率在62%~70%之间,绝对误差在2℃左右;最低气温预报效果要好于最高气温,最低气温的绝对误差与准确率分别为1.98℃和67%,最高气温的绝对误差与准确率分别为2.28℃和61%。     

REGIONAL DIFFERENCES OF TEMPORAL-SPATIAL CHARACTERISTICS OF AIR-SEA INTERACTIONS IN TROPICAL OCEANS

The singular value decomposition (SVD) of air-sea interaction in the tropical western,central,and eastern Pacific,and the tropical Atlantic and Indian Oceans has been conducted by using theNCEP/NCAR 40-year reanalysis 1000 hPa monthly wind field and COADS monthly sea surfacetemperature (SST).Comparisons of the results suggest that these areas can be divided into threetypes from the viewpoint of air-sea interaction:tropical central-eastern Pacific belongs to monistictype,in which ENSO is the sole important process;tropical western Pacific and Indian Oceansbelong to dualistic type,in which in addition to ENSO.there should be an another importantprocess;tropical Atlantic Ocean belongs to pluralistic type,in which the process is complicatedand the ENSO cycle is not evident.     

2006年“珍珠”台风影响期间福建省降水酸度分布特征分析

利用2006年"珍珠"台风影响福建省期间的酸雨监测资料和新一代天气雷达回波资料,对城市降水酸度分布特征及福州市短时段降水酸度进行分析,结果表明:来自海上的台风降水呈偏碱性;登陆后台风对福建省城市降水酸度的影响与其螺旋雨带上降水云团的移动路径及城市周边污染源分布有关;"珍珠"台风的短时段降水酸度并非保持恒定,对福州市降水酸度的影响会随着台风强度、风场结构的变化及螺旋雨带上降水云团途经下垫面城市大气污染排放状况而发生改变.     

2011年初夏我国长江中下游降水的气候特征及成因

文章主要分析了2011年初夏长江中下游降水的气候特征及其成因。结果表明：2011年5月长江中下游降水异常偏少,6月转为异常偏多,出现了明显的旱涝转换。长江中下游地区的旱涝转换主要受南海季风、东亚季风强度以及西太平洋副热带高压（副高）的异常快速北跳的影响。研究还发现,6月亚洲中高纬长期维持两槽一脊的环流形势,东北冷涡活动频繁,多次引导冷空气南下。同时,副高异常偏北、偏西,并出现多次西伸过程。由于冷涡的加强南压与西伸的副高相互作用,促使长江以南地区西南气流明显增强,使得冷暖空气在长江中下游地区交汇,最终导致该地降水偏多。     

Spatial and Temporal Variability of Water Availability in the Yellow River Basin

The changes in hydrological processes in the Yellow River basin were simulated by using the Community Land Model(CLM,version 3.5),driven by historical climate data observed from 1951 to 2008.A comparison of modeled soil moisture and runoff with limited observations in the basin suggests a general drying trend in simulated soil moisture,runoff,and precipitation-evaporation balance(P-E) in most areas of the Yellow River basin during the observation period.Furthermore,annual soil moisture,runoff,and P-E averaged over the entire basin have declined by 3.3%,82.2%,and 32.1%,respectively.Significant drying trends in soil moisture appear in the upper and middle reaches of the basin,whereas a significant trend in declining surface runoff and P-E occurred in the middle reaches and the southeastern part of the upper reaches.The overall decreasing water availability is characterized by large spatial and temporal variability.