Experiments of DSAEF_LTP Model with Two Improved Parameters for Accumulated Precipitation of Landfalling Tropical Cyclones over Southeast China

The Dynamical-Statistical-Analog Ensemble Forecast model for landfalling tropical cyclones (TCs) precipitation (DSAEF_LTP) utilises an operational numerical weather prediction (NWP) model for the forecast track, while the precipitation forecast is obtained by finding analog cyclones, and making a precipitation forecast from an ensemble of the analogs. This study addresses TCs that occurred from 2004 to 2019 in Southeast China with 47 TCs as training samples and 18 TCs for independent forecast experiments. Experiments use four model versions. The control experiment DSAEF_LTP_1 includes three factors including TC track, landfall season, and TC intensity to determine analogs. Versions DSAEF_LTP_2, DSAEF_LTP_3, and DSAEF_LTP_4 respectively integrate improved similarity region, improved ensemble method, and improvements in both parameters. Results show that the DSAEF_LTP model with new values of similarity region and ensemble method (DSAEF_LTP_4) performs best in the simulation experiment, while the DSAEF_LTP model with new values only of ensemble method (DSAEF_LTP_3) performs best in the forecast experiment. The reason for the difference between simulation (training sample) and forecast (independent sample) may be that the proportion of TC with typical tracks (southeast to northwest movement or landfall over Southeast China) has changed significantly between samples. Forecast performance is compared with that of three global dynamical models (ECMWF, GRAPES, and GFS) and a regional dynamical model (SMS-WARMS). The DSAEF_LTP model performs better than the dynamical models and tends to produce more false alarms in accumulated forecast precipitation above 250 mm and 100 mm. Compared with TCs without heavy precipitation or typical tracks, TCs with these characteristics are better forecasted by the DSAEF_LTP model.     

喀什地区夏季降水特征及南亚高压对夏季大降水的影响

利用1981—2018年喀什地区11个国家站逐日降水观测资料,采用数理统计方法分析了喀什地区夏季降水气候和气候变化特征,结果表明:喀什地区夏季降水量总体呈增多趋势,平原和山区均增多趋势显著,从年际变化来看,2010年以来一直处于降水偏多期。按南亚高压中心位置不同,南亚高压可分为东部型、西部型、双体型、带状型,1981—2018年喀什地区夏季大降水双体型为42%,东部型为39%,西部型为16%,带状型为4%。典型个例分析表明:大尺度环流背景下产生的大降水天气有短时强降水,也有持续性降水天气,根据影响系统的不同产生的降水性质和强度、落区等有显著差异。     

人造卫星的历史与发展

太空时代正式开始于1957年10月4日,世界第一颗人造卫星——“旅伴1号”是在那天由苏联射人轨道的。它是一个直径23英寸(58厘米)、重185磅(84千克)的球体,是用经过改装的洲际弹道     

土地利用/土地覆被变化遥感监测研究

根据1990年和1999年两期TM/ETM 遥感数据,运用遥感分类中的监督分类方法,全面分析乌鲁木齐市的土地利用的数量变化特征和空间变化特征,阐明了区域土地利用变化的区域特点。     

1996—2008年塔中地区的风沙环境特征

对塔中气象站1996—2008年气象数据分析和野外观测试验及理论计算,结果表明:塔中地区地表沙源平均粒径约为2.88φ(136μm),属于细砂、极细砂;年平均风速均在2.5 m·s-1以下,近10年来整体呈下降趋势,风速的年变化呈单峰分布,最大值出现在6—7月,风向与起沙风向以偏东风为主;2 m高度的起沙风速约为4.1 m·s-1;年浮尘、扬沙日数呈波动式上升趋势,年沙尘暴日数呈缓慢下降趋势;年风蚀气候因子平均为28.3。     

民丰县近48年霜冻特征分析及防御对策

利用民丰县近48a霜冻气候资料,分析了初、终霜冻日及无霜期历史演变特征,提出了相应防御对策措施熏分析结果呈示:民丰县近48a来初霜期呈偏晚趋势,终霜期略偏早趋势,无霜期呈延长趋势。这种变化趋势与气候变暖理论相一致。     

1959-1965水文地質工作的基本任务

为了完成工苏联共产党第廿一次代表大会给地质部门提出的任务,必须进行地质和水文地质测量,以便为有成效地进行各种矿物原料(其中包括象地下水这样的重要的矿产)的普查与勘探工作,提供必要的科学依据。但是苏联的领土在水文地质方面研究得不平衡和不充分,比地质方向要差得多。尽管苏联领土的水文地质研究程度是比较浅的,     

新源4.7级地震前地下流体前兆异常特征

2001年3月24日在新疆新源发生MS4.7地震,震前北天山地区的地下流体相继出现一些前兆异常,并且以中短期异常为主,异常主要集中在距震中约265 km的乌鲁木齐附近。通过观测事实,分析了本次地震前北天山地区地下流体前兆异常的特征。     

新疆西南部一次局地对流性暴雨成因分析

利用常规地面和探空气象资料、NCEP逐6h1°×1°的再分析资料和(CINRAD-CC)多普勒雷达探测资料,对2012年7月19日新疆阿图什罕见的短时对流性暴雨形成原因进行了诊断分析。结果表明:此次天气是在南疆低涡有利的环流背景下、低层中尺度低涡促进上升运动及触发不稳定能量释放产生的;冷空气的入侵是造成对流扰动发展的重要原因,同时地面小尺度系统对触发不稳定能量释放也有一定的作用;涡散场的配置、垂直速度、低层偏东急流和强不稳定能量满足了对流发生的基本条件,而较强的垂直风切变则使风暴明显增强;从喀什探空订正图来看,修正后的探空资料中各要素对开展强对流潜势预报有很好的指示意义,有待进一步总结验证;对多普勒雷达资料的分析表明,此次强降水具有强回波、强的垂直风切变、大的垂直液态水含量和较高回波顶高等,与强对流天气的发生发展及落区有较好的对应关系。     

塔里木河荒漠植被光谱可分性模拟

以塔里木河典型植被为研究对象,分析胡杨、芦苇叶片及柽柳冠层的可分性,并计算背景的影响。首先用ASD光谱仪测新鲜叶片光谱,找出光谱特征点;然后模拟EO-1高光谱数据和TM多光谱数据;最后植被与土壤光谱按比例混合,分析背景的影响。以上三步分别计算植被指数（VI）。结果显示:叶片光谱特征位置430 nm、670 nm、750 nm附近,黄边斜率和红外平台平均高度,1 080~1 280 nm、1 430~1 650 nm能够区分塔里木河流域3个主要植被类型。模拟的EO-1波谱保持了控制波形的10个特征,TM 只有绿反射峰和红吸收谷、近红外1个反射峰3个特征,大部分特征都消失了。植被指数显示(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650、D712/D688能够区分3类,且指数值差异较大,为绿峰、红谷和近红外波峰的组合;模拟的EO-1数据(R680-R500)/R750、(R680-R550)/R705、R1430+\:+R1650能分别区分植被,TM多波谱数据不能有效区分植被。