青藏高原近地层热量湍流系数的实验分析

本文着重研究青藏高原近地层的湍流结构。使用梯度观测和热量平衡方法,确定了感热湍流系数(Kh)表达式中的无量纲系数1/ψmψh,并表明它与W.O.Pruitt等人的结果相当一致。本文还计算了睛天和多云条件下1米高度上感热湍流系数,最后比较了高原和低海拔平原上感热湍流系数与动量湍流系数的比值αT。     

几种下垫面对紫外辐射的反射率

利用ＥＰＰＬＥＹ紫外辐射仪测量了６种下垫面对紫外辐射的反射率。初步结果是：（１）裸地、水泥地、草地、砂子和黑土的紫外反射率分别为２．４％，６．７％，２．１％，４．２％和６．６％，而新雪的紫外反射率为８３．５％。（２）紫外反射率均小于太阳总辐射的反射率，尤其是前５种下垫面。（３）紫外反射率的日变化与太阳总辐射反率的日变化相似。     

青海湖湖陆风的数值研究

用一个含植被参数化的二维中尺度模式研究青海湖夏季的湖陆风,模拟结果再次表明该模式具有重现局地中尺度环境特征,如冷（热）岛环境和湿岛等。同时表明,模式对植被覆盖度是敏感的,即有稀疏植被覆盖（σ＝３０％）情况的湖陆风白天比裸地情况要小,夜间则大,湖岸水平温度（或湿度）梯度随植被覆盖度增加而减小。     

NIM陆面过程模式的研究:模式建立与对比研究

为了真实模拟干旱、半干旱地区以及湿润地区的陆面与大气之间的能量和物质交换 ,发展了一个具有普适性的南京气象学院 ( NIM)陆面过程 ( LSP)模式。该模式是由等温植被参数化方案和本文建立的土壤模式所组成。土壤模式又分为五层模式和两层模式两种。利用 1 979年 5～ 8月“青藏高原气象科学实验”资料作验证 ,同时将五层模式与 Deardorff( 1 978)陆面模式、两层模式作了对比 ,结果表明五层土壤模式的模拟效果较好 ,它比 Deardorff模式优越 ,也比两层土壤模式模拟效果稍好一些。     

夏季我国高原植被气候效应的数值研究Ⅰ: 模式及降水、流场的效应

在颜宏模式中加入植被参数化方案，并将全国植被划分成１０类，模拟了不同土壤湿度条件下７月高原有、无植被的气候场，发现两者差异较大。在土壤湿度正常时，有植被比无植被情况下四川南部、高原及江淮、东北地区日雨量增加１ｍｍ左右，云贵高原为减雨区达－１～－２ｍｍ·ｄ－１。通过不同土壤湿度控制试验，发现在特定的湿度条件下，植被对降水有增强作用。６００ｈＰａ等压面的流线场差值分布大致与降水场差值相对应     

半干旱区非均匀下垫面对边界层气候影响的数值试验

为了探讨我国北方（39°N,100°E）半干旱地区森林与裸地非均匀下垫面对减轻于旱的作用,本文利用二维β中尺度模式进行了夏季非均匀下垫面对边界层气候影响的数值试验。结果表明,在夏季晴朗静风、无系统扰动条件下,温、湿度为非均匀的下垫面对边界层气候起着决定性的影响。增强的对流运动有利于林区降水的增加。来自林区的湿平流对周围气候的调节可达30—50km。在林区附近裸地进行灌溉,可形成比较冷、湿的环境,有利于干旱的减轻。干燥裸地边界层内的逆湿现象是由于下垫面非均匀的湿度场与中尺度平流的共同作用的结果。     

动态学习率神经网络预测气温的尝试

采用单站气象资料建立动态学习率的神经网络预测模型，进行逐日气温模拟预测，并与逐步回归预测模型和固定学习率的神经网络模型比较，结果表明，神经网络模型预测能力较好，但训练时间长。采用动态学习率的网络模型在不损失预测精度的前提下大大减少了训练时间，为神经网络在气象中的应用提供了一种方法。     

合肥东南引风口对城区热岛调节作用的评估

通过观测资料分析，认为合肥市东南引风口的夏季通风作用对合肥市夏季城市热岛强度起到一定的调节作用。并通过热量平衡方程的数值模拟，分析了该区域下垫面状况的改变对合肥市区夏季平均温度的可能影响。     

NIM陆面过程模式的研究Ⅱ：青藏高原夏季陆面过程的数值模拟

采用南京气象学院（NIM）5层陆面过程模式，利用1979年5－8月“青藏高原气象科学实验”资料模拟和分析了夏季青藏高原不同地区的陆面特征和地表能量特征。并将模拟值与根据观测资料计算得到的感热和潜热以及观测得到的净辐射、土壤温度、土壤热通量进行了对比。结果表明，NIM5层陆面过程模式可以模拟青藏高原夏季不同下垫面情形下的能量交换过程。