辽宁气候资源变化及评估系统

介绍了以Windows 98为操作平台的辽宁气候资源变化及评估系统的设计思路和主要功能     

基于机器学习方法的辽宁省初霜冻日期预测模型研究

基于前期ERA5逐月再分析数据,应用3种机器学习算法(Lasso回归、随机森林和神经网络)对辽宁省初霜冻日期进行预测评估。Lasso回归算法提取对初霜冻日期预测有重要指示意义的气象要素特征集,通过交叉验证和超参数调优建立初霜冻日期预测模型,利用均方根误差(RMSE)和距平同号率方法定量定性地评估模型的预测效果。结果表明：特征选择后的气象要素特征集建模提升了模型的泛化能力、可解释性和稳定性;Lasso回归模型在4月起报的预测效果最好(RMSE为6—8 d),神经网络模型在5月起报性能最好(RMSE为6—9 d),随机森林模型在3月起报性能最好(RMSE为8—9 d);辽宁全省大部分站点距平同号率为50%—70%,其中Lasso回归和神经网络模型为5月起报最高(约为68%),随机森林算法为3月起报最高(约为62%)。特征选择和敏感性实验结果发现,低植被覆盖比例是初霜冻日期预测关键预测因子,植被覆盖率越高越有利于地表含水量保持,降温容易产生霜冻,初霜冻日期也就越易提前,去掉低植被覆盖比例因子后模型预测效果显著下降,也表明该因子是模型建模的前期关键因子。     

辽宁省近44年夏季降水变化及区域特征分析

利用辽宁省39个气象观测站1961-2004年夏季(6~8月)的降水资料,通过趋势系数、REOF、滑动均方差等方法,对辽宁省近44年夏季降水的时空变化特征进行了分析。结果表明,辽宁夏季降水长期变化呈微弱的减少趋势,以14 mm/10 a的速率减少。20世纪60年代到70年代中期降水以偏多为主,70年代中期到80年代初降水偏少,80年代中期降水偏多,80年代末到90年代初降水偏少,90年代中期降水偏多,90年代后期至今降水一直持续偏少。辽宁夏季降水分为中北部地区及盘锦、抚顺、营口地区、辽河以西部地区、东南部地区3个不同的区域,3个区夏季降水的长期变化趋势都为减少趋势,其中东南部地区降水减少趋势明显大于其他两个区。     

近45a辽宁夏季降水的气候特征

利用1961～2005年辽宁省53个测站,6～8月降水量资料,采用EOF、趋势分析等方法,对辽宁地区夏季降水量的空间分布特征和时间演变规律进行了诊断分析研究。结果表明：辽宁地区夏季降水的空间分布既有整体一致的性质,也存在东南部和西北部相反变化的差异。近45 a来,辽宁地区夏季降水有减少趋势,并且存在着4～6 a的周期变化。辽宁夏季及其各月降水都有明显的年代际变化特征,20世纪60年代夏季降水处于偏多时段,70年代偏少,80年代和90年代偏多,进入21世纪的前5 a降水偏少。     

沈阳近百年夏季气候变化多时间尺度结构特征

气候系统具有内在的时空多尺度、结构多层次、本质非线性等特征。例如,从较大尺度上讲气候有冷期和暖期之分,但这个冷（或暖）期中还含有较小尺度的冷、暖期,它们也还含有更小尺度的冷、暖期。气候变化的这种多尺度和多层次性使气候资料时间序列的变化极不规则,甚至显得杂乱无章,大的小的涨落（或距平）都有,用传统的分析方法很难识别其演化过程。近来,子波分析被引入气候变化的诊断分析中,成为揭示气候变化多层次结构的一种有效工具。本文用墨西哥帽子波变换分析了1906年以来沈阳夏季气温、降水在不同时间尺度上的结构和特性,以期…     

近55年东北冷涡与辽西地区降水关系分析

利用1961—2015年辽宁省西部地区18个测站月降水量资料和东北地区209个测站1961—2015年月平均气温资料、NOAA重建的月平均海表温度资料以及88项大气环流指数、26项海温指数资料定义了适用于辽西地区的夏季标准化东北冷涡强度指数(NECVI)和冷涡降水预报因子,并对东北冷涡和辽西冷涡降水进行详细分析,结果表明:近55年,辽西地区冷涡降水夏季和年贡献率整体趋势较稳定,无明显变化,表现出18年左右的显著振荡周期。东北冷涡偏强年,NECVI指数偏大,标准化降水指数(SPI)偏高,对应辽西地区降水偏多;反之,东北冷涡偏弱年,NECVI指数偏小,SPI指数偏低,对应辽西地区降水偏少。前期3月Nino 3区海表温度距平指数、5月黑潮区海温指数、3月西太平洋副高强度指数均与辽西冷涡降水显著相关,具有较好的指示意义,可作为冷涡降水的预报因子,为辽西夏季气候预测和人工影响天气工作的开展提供参考。     

基于OMR方法的城市化进程对辽宁省气温变化的影响分析

利用1961—2018年辽宁省61个国家级气象站逐日平均、最高、最低气温观测资料以及NCEP/NCAR再分析资料,定量分析了城市化对辽宁省气温变化的影响。结果表明：辽宁省气温呈显著增加趋势,观测资料的增温趋势较再分析资料明显;逐日平均、最高、最低气温均表现出冬季增温速率最快,春季、秋季次之,夏季增温速率最慢;在城市化影响贡献率上,秋季最大,夏季和春季次之,冬季相对较小;空间分布上,辽宁省绝大部分地区城市化影响呈上升趋势,呈现出中部大于外围,东部大于西部,南部大于北部的分布形势,城镇化发展水平越高的地区,观测与再分析方法的差值增加趋势越明显;平均气温、最高、最低气温的城市化影响分别是0.13℃/10 a、0.045℃/10 a、0.216℃/10 a,城市化影响贡献率分别为38.5%、19.5%、43.4%,说明快速的城市化进程是导致辽宁省气温增暖的重要因素。     

安徽省与长三角区域差距的测算及原因分析

通过建立衡量区域差距的指标体系,在SPSS软件中运用因子分析法和聚类分析法分析得出:安徽和长三角间的差距巨大,且区域内各市间的差距也非常明显;安徽和长三角区域差距大的主要原因是经济总量和对外开放水平低,社会发育水平低,工业化、城市化水平和环保水平低;工业化水平低、产业结构不合理,基础设施和公共服务水平低、市场化水平低等既是安徽和长三角间差距的重要表现,又是产生差距的根源;安徽在人口素质等方面和长三角差距不大,有些城市还有明显优势,但目前还没有充分发挥出来。     

新、旧气候态的差异及对东北地区气候业务的影响

选取参与东北地区短期气候预测业务质量评估的53个气象站的月平均气温、降水资料,NCEP/NCAR再分析的月平均500 hPa位势高度场资料,以及由NOAA重构的海温场资料,对比了新、旧气候平均态下,冬、夏季东北地区气温、降水及全球500 hPa位势高度场及海温场差异, 并分析了气候平均值改变对气候变化、影响评价和预测业务的影响。结果表明：就东北大部分地区而言,新气候态（1981-2010年）表征的气候较旧气候态（1971-2000年）更暖湿;新气候态的全球500 hPa位势高度值和海温值较旧气候态均有所增大;新气候态下东亚大槽强度和西伯利亚高压强度变弱是造成东北冬季气温升高的主要原因;西太副高和鄂霍次克海阻塞高压强度增强,是造成东北地区大部分月份降水量增加的主要原因;而东北冷涡强度减弱是造成东北地区6月降水量减少的主要原因;9月和10月降水量减少可能与海温的变化有关。气候平均值的改变会对气候业务产生影响,如需对冷冬事件和ENSO事件重新评估,对极端事件重新分析,及对要素预报量级和趋势产生影响。     

辽宁省不同等级降雪变化特征

利用辽宁省52个站逐日降水量及降雪天气现象资料提取出逐日降雪数据,采用多种统计方法分析了近53 a(1961-2013年)不同等级降雪的时空变化特征,研究表明:降雪量和降雪日数空间分布上山地要大于平原地区,由东部山区向沿海地区减少;降雪强度中心位于辽宁中部城市群所在的平原地区。降雪量、降雪日数年内分配分别呈双峰型和单峰型分布,中雪等级以上的降雪多发生在冬末春初。年降雪量增加,年降雪日数(降雪强度)显著减少(减小);降雪日数的显著减少主要表现为微量降雪日数和小雪日数的减少,尤其是微量降雪日数,降雪强度的显著增大主要是暴雪强度的增大。1960s和1970s为降雪偏多时段,1990s以来降雪量增加,降雪日数减少。不同区域各级降雪占总降雪的比例,辽东地区以微量降雪日数最大,其他区域均以小雪日数和暴雪降雪量最大。全省降雪量有65.4%站点呈增加趋势,降雪日数96.2%的站点呈减少趋势,降雪强度90.4%站点呈增大趋势,辽西地区降雪变率要大于辽东山区。小雪降雪量和微量降雪日数贡献率均呈下降趋势,其他不同等级降雪贡献率均呈上升趋势。随着纬度升高(海拔增高),总降雪量(降雪日数)和各等级降雪量(降雪日数)均增加,总降雪强度和小雪强度减小。