基于Fortran语言的地球外辐射带电子三维数据同化建模

开发地球电子辐射带的数据同化模型, 对于理解辐射带电子的动态演化过程和辐射带空间天气预报具有重要意义.结合范阿伦卫星的辐射带电子观测数据和外辐射带三维扩散模型, 采用卡尔曼滤波算法, 本文开发了基于Fortran语言的外辐射带电子三维数据同化模型(Three-dimensional Data Assimilative Model of Outer Radiation belt Electrons, 简称TDAMORE), 实现对L^*=3~7、能量范围为0.1~5 MeV、投掷角范围为5°~90°的外辐射带电子时空变化过程的三维重构.通过对2018年8月期间外辐射带电子通量演化过程的重构, 证实TDAMORE模型可以较好地重现不同能量和不同投掷角电子通量在磁暴前后的演化特征.通过分析电子通量的观测和同化结果之间的相关系数、平均误差、平均绝对误差和均方误差, 发现对于能量低于4 MeV的电子, 观测与同化结果之间的相关系数基本大于0.8且误差相对较低.而对于更高能量的电子, 观测与同化结果之间的误差相对较高, 这可能是同化模型忽略了电磁离子回旋波对电子的散射损失导致的.

     

H+频段EMIC波对辐射带相对论电子的投掷角扩散系数的多维建模

电磁离子回旋波(Electromagnetic ion cyclotron waves,简称EMIC波)在地球辐射带电子动力学过程中扮演着非常重要的角色.通过波粒相互作用,EMIC波能有效地散射相对论电子,造成辐射带相对论电子快速沉降损失从而影响相对论电子通量演化.因此在地球辐射带动力学建模中,快速准确地获取EMIC波对相对论电子的散射效应信息非常必要.利用基于准线性理论的Full Diffusion Code (FDC),本文主要研究了辐射带H⁺频段EMIC波对相对论电子的散射效应,并定量计算了EMIC波对相对论电子的弹跳平均投掷角扩散系数.为了方便快速地进行辐射带多维度建模,我们建立了L=1.5~7,α^*=3~30范围内的扩散系数矩阵库.文中展示了L分别为3、4和5时α^*为3~30时H⁺频段EMIC波三种不同传播角模型的弹跳平均投掷角扩散系数,其随不同输入参数的变化特征与前人结果基本一致.基于所建立的弹跳平均投掷角扩散系数矩阵库,我们使用线性插值方法计算得到了L为3.25、4.35、5.55时在等离子体层顶内外的弹跳平均投掷角扩散系数.通过计算比较FDC和线性插值两种方法得到的扩散系数的相对误差,我们进一步验证了线性插值方法对于快速获取扩散系数的可行性和准确性.我们的结果表明,扩散系数的多维矩阵构建和线性插值获取能有效提高辐射带动力学建模的效率,对地球辐射带动理学快速建模和空间天气预报有着重要意义.

     

乌鲁木齐农区1961—2013年霜冻变化特征分析

利用乌鲁木齐市3个农区代表站1961—2013年逐日气温资料,采用气候倾向率、异常分析、R/S分析等统计方法,对霜冻变化进行分析。结果表明:近53 a来农区终霜日提前了0.6~2.2 d/10 a,初霜日推迟了1.7~3.7 d/10 a,无霜期延长了2.4~5.1 d/10 a;各农区特晚终霜冻发生频率为3.8%~7.5%,特早初霜冻北郊出现频率为1.9%,均出现在2000年以前;利用R/S法分析结果显示,各农区无霜期未来仍呈延长趋势。从近53 a来霜冻的变化特征和未来变化趋势来看对农业生产整体有利,但近年来终霜日偏迟、且强度较强的霜冻仍时有发生,对农业生产的危害仍较大。     

中天山北坡春季寒潮型暴雪致灾成因分析

采用NCEP逐日4次1°×1°再分析资料和Micaps常规观测等资料,对2011年4月发生在中天山北坡乌鲁木齐地区寒潮型暴雪过程的致灾天气学成因进行综合分析,着重讨论了强降雪发生所具备的水汽条件、高低空急流等动力耦合机制及温度平流条件。结果表明:在稳定的环流背景下,春季500 h Pa西西伯利亚低槽位置南伸至35°N,使得冷暖空气活跃交绥造成中低层大气斜压性增强,加之天山准静止锋的长时间停滞维持,致使中天山北坡受强锋区的控制而形成持续性雨雪天气。深厚的湿层和持续的水汽辐合为暴雪的产生提供了丰沛的水汽条件;高低空急流配置及正涡度大值区由低层向对流层中层发展,有利于高层气流抽吸辐散、中低层暖湿气流辐合和上升运动的增强,为强降雪天气提供了动力条件;强降雪落区与湿位涡有较好的对应关系。冷暖平流稳定对峙加之低层冷平流侵入之强是造成暴雪持续、增幅和剧烈降温的重要原因之一。     

塔中气象要素变化特征

利用塔中气象站12 a的气象要素数据,分析了塔中主要气象要素风、温度、湿度、气压等的变化特征。结果显示,塔中气温年较差、日较差很大,年较差达38℃,空气湿度很小。夜间温度低,日出后气温上升迅速,午后气温最高;3～9月地面风速〉2.0 m/s,冬季多在2 m/s以下。气压日变幅春〉夏〉秋〉冬;各季相对湿度夜间〉白天,冬季...     

基于人工神经网络和随机森林方法的L1点处太阳风速度重构与预测

太阳风是由太阳大气膨胀形成的等离子体流,它能够将太阳的物质和能量传递到地球空间环境中.剧烈的太阳风暴能够引起地球空间天气中灾害性事件,而太阳风参数作为表征太阳活动的重要指标,对太阳风关键参数进行重构和预测,有助于理解地球空间天气演化的重要机理和规避或减轻灾害性空间天气.本文以1963—2018年的地面观测数据（Kp指数、Dst指数、AE指数、F_10.7和太阳黑子数）作为输入,通过特征选取技术对输入参数进行筛选,然后利用人工神经网络和随机森林两种算法分别对日地L1点处（第一拉格朗日点）的太阳风速度进行重构和提前3小时预测.结果表明,两种算法均能在测试集中有效重构和预测太阳风速度的变化情况,其中人工神经网络的性能更好,重构结果与观测值之间的均方根误差和皮尔逊相关系数分别为~58 km·s^-1和~0.84,预测结果与观测值之间的均方根误差和皮尔逊相关系数分别为~61 km·s^-1和~0.82,而随机森林的性能分别为~63 km·s^-1和~0.81以及~64 km·s^-1和~0.80.我们进一步利用所训练的模型对2015年3个强磁暴事件期间的太阳风速度变化进行定量分析,人工神经网络在预测中表现出了较好性能.本文建立的太阳风速度重构和预测模型可以被用于以太阳风参数作为驱动的空间天气建模研究.

     

地球电子外辐射带的数据同化建模与分析

地球电子外辐射带对太阳与地磁活动呈现高度动态变化的响应,了解外辐射带的全球动态变化过程对于近地空间粒子辐射环境的理解认知和预测预报具有重要意义.基于卡尔曼滤波数据同化方法,本文利用范阿伦A星、B星和GOES-13和GOES-15四颗卫星的辐射带电子观测数据,分别利用三种不同维度的辐射带物理模型,将观测结果与数值结果有机融合,对2013年3月地球外辐射带电子通量的径向分布与变化进行数据同化分析.结果表明,考虑了磁层波动与辐射带电子共振作用引起的径向扩散、投掷角扩散以及能量扩散过程的三维同化模型可有效、合理地重现外辐射带电子通量的径向分布.本文进一步利用该三维同化模型对2013年一整年外辐射带电子的相空间密度分布进行重构与分析,得到了不同绝热不变量和不同地磁活动条件下电子辐射带的时空演化过程,从而为深入理解外辐射带电子的变化过程和动力学机制提供了强有力信息.通过分析同化过程中的新息矢量以及度量同化过程中观测数据在多大程度上修改了物理模型结果,还有助于定量分析现有辐射带物理模型中的源项和损失项的相对贡献以及可能忽略的物理机制或过程.

     

试论高校科研成果如何转化为生产力

试论高校科研成果如何转化为生产力何汉林，曹兴，李志成（中南工业大学科技处长沙４１００８３）国家自然科学基金自设立以来已经取得了丰硕的科研成果，这些成果都是国家的宝贵财富，而其中有相当一部分可以直接转化为生产力，但事实上，很多具有应用前景的科研成果在鉴...     

1951—2015年乌鲁木齐市极端升温过程气候变化特征

利用乌鲁木齐市气象站1951年1月1日至2015年12月31日逐日最高气温,建立了乌鲁木齐市升温过程数据库。在分析单要素强度指标及升温过程强度排序特征基础上,定义了一个升温过程综合强度指数(IZ),根据百分位排序法,整理出了乌鲁木齐市的极端升温过程,分析了过程的持续日数、发生频数以及强度的气候变化特征。分析结果表明：基于6项单要素强度指标,乌鲁木齐市最强升温过程有6种不同结果。基于IZ,1951—2015年乌鲁木齐市共出现567次极端升温过程,平均每年8.7次,强度最大的一次升温过程出现在2009年3月14—16日。乌鲁木齐市567次极端升温过程持续日数平均3.25 d,持续2 d的最多,占23.1%。1951—2015年,乌鲁木齐市极端升温过程持续日数在春季4月(5.37 d)最长,冬季1月(2.29 d)与12月(2.37 d)最短。65年来持续日数略减少,线性变化趋势不显著。1951—2015年乌鲁木齐市极端升温过程主要集中在冬半年的12—4月,占64.3%,1月最多;7月最少,仅占1.9%。65年来年极端升温过程发生频数呈不显著的线性增加趋势,从20世纪80年代以来基本上处于偏多时期,进入21世纪以来年际间变化幅度加剧。1951—2015年,乌鲁木齐市极端升温过程的综合强度指数无显著线性变化趋势,在20世纪50、60年代强度较强、年际间变率相对较大,之后强度逐渐减弱、年际间变率减小,进入21世纪以来强度增强、年际间变率加剧。     

利用黑碳仪观测数据分离气溶胶吸收系数的计算方法

运用Fialho等提出的线性统计回归方法对2006年塔克拉玛干沙漠腹地塔中气象站春季大气气溶胶中沙尘和黑碳气溶胶吸收系数的波长指数及其对总吸收系数的贡献进行了估算。气溶胶吸收系数由7波段黑碳仪观测数据计算而得,观测时间为2006年3月1日_月31日。选择背景天气(假设其气溶胶吸收无沙尘的贡献)估算的黑碳气溶胶吸收系数的波长指数a为一0．95±0．002;选择6次强沙尘暴天气影响时段估算的沙尘气溶胶吸收系数的波长指数口为一2．55±0．009。用估算的d和口对春季总吸收系数进行分离,结果表明,春季沙尘吸收系数和黑碳吸收系数平均约占总吸收系数的50．5％和49．5％(520am