新时期珠江三角洲城市群发展战略的思考

近年来,国内外经济形势发生显著变化,以传统制造业为主的珠三角城市群面临新的挑战,珠三角下一步如何发展成为必须解决的新问题。现状,将其与国内外城市群对比,提出了珠三角发展战略思路。研究结果表明:2000-2013年期间,珠三角城市群经济发展速度有所降低,区域经济发展差距逐渐缩小;人口红利面临枯竭;产业结构向高级化转变,经济全球化程度下降等;珠三角城市群发展水平和竞争力与国外世界级城市群相比差距较大;与国内长三角、京津冀城市群相比,总体发展势头下降。在此背景下,应将产业技术创新、土地节约集约利用、人口政策创新、区域合作与人文引领作为新时期珠三角城市群发展战略的主要方向。     

2000~2014年国外部分地质调查机构科研态势分析——基于文献计量学方法研究

本文基于文献计量方法,以加拿大、澳大利亚、法国、德国、芬兰5国的地质调查机构2000~2014年发表的论文为统计对象,从产出论文数量和年度变化、主要研究领域和热点变化、国际合作和机构合作等方面,对5个机构的工作内容、科研发展态势进行判读,为国内地质调查机构的发展提供数据参考。     

基于FY-3C微波辐射成像仪海表温度产品的偏差订正方法研究

提出一种针对FY-3C搭载的微波辐射成像仪（MWRI）海表温度产品的分段回归偏差订正方法,该方法通过引进气候态海表温度数据,建立与关联实测海表温度相匹配的回归模型,并通过对模型中关联变量的误差分析,选择最优样本进行分段回归,以实现对海表温度数据的重新估计。通过对MWRI海表温度数据的偏差订正试验表明,采用分段回归方法获得的订正结果无论在误差指标的空间分布还是时间序列上,都要明显优于采用传统概率密度函数偏差订正方法的结果。其中,采用概率密度函数方法订正后的海表温度产品误差标准差和均方根误差从订正前的0.9—1.0℃,减小到0.8℃左右,而采用分段回归方法获得相应的订正误差仅为0.6℃左右,订正效果有明显改善。      

Ensemble standardization constraints on the influence of the tree growth trends in dendroclimatology

Climate Dynamics - Tree growth trends can affect the interpretation of the response of tree-ring proxies (especially tree-ring width) to climate in the low-frequency band, which in turn may limit...     

京津冀及周边地区冬季能见度与PM2.5浓度和环境湿度的多元回归分析

2013年至今,中国冬季与雾霾相伴的低能见度事件频发,京津冀及周边地区尤为严重。PM_2.5浓度与环境湿度是导致低能见度的最关键影响因素。为了深入研究PM_2.5浓度与环境湿度对大气能见度的影响,利用2017年1月京津冀及周边地区MICAPS气象数据与PM_2.5观测数据,运用天气学诊断分析方法讨论了不同相对湿度下PM_2.5浓度、环境湿度对冬季能见度变化的相对贡献,按照地理环境与污染程度差异将京津冀及周边地区划分为北京-天津地区与河北-山东地区,建立了PM_2.5浓度与环境湿度（由露点温度、温度代表）对能见度的多元回归方程,并对2015、2016、2018、2019年冬季能见度进行了回算检验。结果显示:相对湿度低于70%、PM_2.5浓度低于75 μg/m3时,北京-天津地区与河北-山东地区能见度多高于10 km,PM_2.5浓度升高是此时能见度迅速降低的主导因素;相对湿度从70%上升至85%和PM_2.5浓度从75 μg/m3升高200 μg/m3的共同作用导致了能见度降低到10 km至5 km;能见度进一步从5 km下降至2 km则更多依赖于相对湿度进一步从85%升高至95%,PM_2.5浓度与此时能见度相关减弱;能见度降低至2 km甚至更低主要是由于水汽近饱和状态下（相对湿度95%以上）的雾滴消光引起,与PM_2.5浓度的变化关系不大。与不分组直接拟合相比,以相对湿度85%为界线,分别拟合能见度能够很大程度优化多元回归模型,相对湿度高于85%时能见度拟合值的均方根误差从9.2和5.2 km下降至0.5和0.7 km,5 km以下拟合能见度的误差大幅度减小。按相对湿度85%将数据分组所得的拟合方程对2015、2016、2018、2019年1月能见度估算结果较好,观测值与拟合值相关系数均高于0.91,为雾-霾数值预报系统提供了新的能见度参数化算法。      

基于机器学习的降雨量雷达回波数据建模与预测

以浙江省2016年1-10月的雷达回波强度数据为基础,分别应用随机森林模型、BP神经网络模型、卷积神经网络模型来预测降雨量并进行对比.建模分析结果表明,随机森林模型预测效果精确度较低,容易低估较大的降雨强度,而BP神经网络和卷积神经网络预测的效果都比随机森林好,特别是卷积神经网络,其预测值与真实值更加接近,且对较大的降雨强度拟合较好.     

2019年中国气候主要特征及主要天气气候事件

2019年我国气候总体呈现暖湿特征。全国年平均气温较常年同期偏高0.79℃,为1951年以来连续第五暖年,四季气温均偏高,春、秋季明显偏暖;年降水量为645.5 mm,较常年同期偏多2.5%,冬、春、夏季降水偏多,秋季偏少。华南前汛期开始早、结束晚,为1961年以来最长前汛期,雨量为1961年以来次多;西南雨季开始和结束均偏晚,雨量偏少;入梅晚、出梅早,梅雨量偏少;华北雨季开始晚,结束与常年一致,雨量偏少;东北雨季开始早、结束晚,雨量偏多;华西秋雨开始早、结束晚,雨量偏多。2019年,台风生成多,登陆强度总体偏弱,仅台风利奇马灾损重;暴雨洪涝、干旱、强对流、低温冷冻害和雪灾、沙尘暴等气象灾害均偏轻。     

ECMWF集合预报统计量在江西降水预报中的检验分析

利用江西省93个国家气象观测站降水量资料,对2014年ECMWF集合预报降水统计量进行逐6 h和24 h晴雨检验、降水分级检验及区域性暴雨检验。结果表明:1)10%、25%、Mode、融合、最小值在晴雨预报准确率方面较控制预报更有参考价值。2)对于全年降水分级检验,10%、25%、Mode、融合、最小值这5个统计量在小雨的预报方面较控制预报更有参考价值;中位数、概率对中雨的ETS评分要略高于控制预报;90%、75%、概率对大雨预报比控制预报好。对于暴雨预报,最大值、90%、融合比控制预报好;融合、最大值对大暴雨落区的指示意义不大,但对大暴雨量级降水的可能性可以供预报员参考。3)对于区域性暴雨预报,90%、融合、最大值的预报技巧比控制预报高,最大值虽然空报较严重,但对降水量级有一定的指示意义。集合预报各统计量对于强降水过程爆发或发展阶段的预报效果不如降水过程成熟期或末期好。     

锦州地区逐日降水概率分布特征

利用锦州地区的逐日降水量观测资料对逐日降水量的概率分布进行了统计分析,采用最大似然估计法得到Gamma函数分布的形状参数α和尺度参数β,通过Gamma概率分布模拟观测站点逐日降水的概率分布。结果表明：锦州地区逐日降水频率整体趋势先上升后下降,基本呈对称式分布,降水概率有一定的振荡,个别日会出现远超相邻日期的降水频率,7月21日降水频率最高,在不计微量降水的情况下,最低逐日降水概率有多个日期为0。各季降水频率偏低是造成义县地区干旱的原因之一;北镇夏季平均降水频率最低,但其夏季平均降水量却为锦州地区最高,说明北镇可能易出现较大量级降水或易出现极端降水天气。清明期间降水频率在50%以上、高考期间降水频率在80%以上,符合大众日常对特殊日期降水情况的认知;逐日降水频率可以为公众气象服务提供新的思路。凌海、北镇更容易出现极端降水天气;锦州地区日降水出现小雨天气概率最高,暴雨以上降水概率较低,锦州地区各站极少出现大暴雨以上量级降水,对锦州降水量级预报,尤其是暴雨或大暴雨以上降水量级的预报起到一定的指示作用。     

Probabilistic estimates of future changes in California temperature and precipitation using statistical and dynamical downscaling

Sixteen global general circulation models were used to develop probabilistic projections of temperature (T) and precipitation (P) changes over California by the 2060s. The global models were downscaled with two statistical techniques and three nested dynamical regional climate models, although not all global models were downscaled with all techniques. Both monthly and daily timescale changes in T and P are addressed, the latter being important for a range of applications in energy use, water management, and agriculture. The T changes tend to agree more across downscaling techniques than the P changes. Year-to-year natural internal climate variability is roughly of similar magnitude to the projected T changes. In the monthly average, July temperatures shift enough that that the hottest July found in any simulation over the historical period becomes a modestly cool July in the future period. Januarys as cold as any found in the historical period are still found in the 2060s, but the median and maximum monthly average temperatures increase notably. Annual and seasonal P changes are small compared to interannual or intermodel variability. However, the annual change is composed of seasonally varying changes that are themselves much larger, but tend to cancel in the annual mean. Winters show modestly wetter conditions in the North of the state, while spring and autumn show less precipitation. The dynamical downscaling techniques project increasing precipitation in the Southeastern part of the state, which is influenced by the North American monsoon, a feature that is not captured by the statistical downscaling.