水汽对大气重力负荷效应的影响

通过构建水汽影响模型,并以武汉超导重力观测台站为例,根据1998年武汉地区每日两次的无线电探空数据,精确计算水汽对重力观测的影响数值。解算结果表明,水汽对武汉重力观测站的影响可达1.6×10 ^-8 ms ^-2,由此可见,精密重力观测中不能忽视水汽的作用。     

西藏建筑节能设计标准的探讨

做好建筑节能工作,是落实科学发展观,建设节约型社会和节约型城镇的重要举措,也是现代建筑技术发展的方向。把太阳能开发利用作为一个重点,利用太阳能解决冬季采暖和四季生活热水供应,以减少建筑能耗,发展城乡节能建筑体系,是西藏建筑节能设计标准的一个重要宗旨。希望能给在建筑领域里工作的同志们一点启示。     

浙江省海水养殖等标污染负荷测算及时空演化

为了解浙江省及省内主要海水养殖区的自身污染状况,文章利用2005—2021年《浙江省渔业经济统计资料》及《第一次全国污染源普查水产养殖业污染源产排污系数手册》中部分养殖品种的产污系数等数据对浙江省海水养殖活动产生的污染量进行初步评估,并经过换算将不同种类的污染物统一用等标污染负荷表示。同时对浙江省主要沿海城市产生等标污染负荷情况及海水养殖产量进行时空演化分析。结果显示,2005—2021年浙江省海水养殖等标污染负荷量累计超过70亿m3/a。总体趋势为先波动上升,然后连续上升。等标污染负荷最高地区是宁波市,污染负荷量累积达271 769.2万m3/a,其次分别为台州市、舟山市和温州市。从品种角度来看,贝类产生等标污染负荷最高;从养殖方式来看,筏式养殖和底播产生等标污染负荷最高。时空演化分析表明,浙江海水养殖业自身污染与海水养殖产量变化基本同步,等标污染负荷与海水养殖产量都呈现明显的增长态势。     

气候变化对典型气象年数据的影响及能耗评估——以中国北方大城市天津为例

本文以中国北方城市天津为例,采用Sandia及Danish两种方法生成典型气象年（TMY）数据,并借助TRNSYS软件模拟得到3个时段（1961-1990年、1971-2000年和1981-2010年）典型办公建筑的逐时负荷,评估气候变化对典型气象年数据及模拟负荷的影响。结果表明：Sandia和Danish生成典型气象年的方法在天津均有较好的适用性,Sandia方法采用6个气象要素生成的典型气象年数据代表性满足要求。受气候变化影响,典型气象年数据变化较大,采暖期（11月-翌年3月）较制冷期（6-9月）的变化更明显;从30年均值差异看,1981-2010年相对于1961-1990年,建筑供热负荷减少5.2%,而制冷负荷增加1.6%。因此,在使用典型气象年数据进行建筑设计能耗评估时需充分考虑气候变化的影响,加快典型气象年数据的生成和更新工作。基于天津现行使用的典型气象年数据模拟得到的办公建筑制冷负荷较1981-2010年偏低6.7%,供热负荷偏高4.7%。表明采用现行典型气象年数据进行建筑能耗评估时,会造成制冷负荷偏低,供热负荷偏高,从而降低人体舒适度及造成供热能源浪费。     

南京市电力负荷特征及夏季极端负荷与气象条件关系

基于南京地区2014-2016年逐日电力负荷资料,采用谐波分析、功率谱等方法分析该地区电力负荷的变化规律及其与自然周的关系,并对极端电力负荷日中离差曲线型与气温、湿度等气象要素及环流形势的关系进行分析。结果表明:南京地区电力负荷的季节变化呈双峰型;在季节内(月际)尺度上,存在30d周期;在月内尺度上,存在7d周期且与自然周同步。夏季极端负荷日离差曲线主要存在3种类型:典型双峰型(Ⅰ)、单峰型(Ⅱ)、非典型双峰型(Ⅲ)。Ⅰ型和Ⅲ型与气温和炎热指数均呈显著正相关,而3种类型都与相对湿度呈显著负相关。Ⅰ型对应环流场上副高持续控制南京地区,冷空气活动偏弱,气温日变化小;Ⅱ型对应冷空气活动频繁,副高具有东西摆动特征,南京常出现阵雨或雷阵雨天气;Ⅲ型对应的副高强度弱于Ⅰ型,冷空气强度弱于Ⅱ型。采用逐步回归方法建立极端负荷日的预测模型,3种型的平均相对误差分别为6.4%、5.6%和5.3%,较好地对极端电力负荷进行了定量预报。     

海洋潮汐负荷对精密单点定位的影响研究

在全球范围内选取地处内陆、沿海和岛屿的85个国际GNSS服务(IGS)测站,对其一天的观测数据进行无海洋潮汐改正和加入GOT4.8海洋潮汐改正模型两种解算,分析了海洋潮汐负荷对全球不同地理区域IGS测站精密单点定位(PPP)精度的影响.结果表明:岛屿测站受海洋潮汐负荷的影响范围最广,改正量最大.加入海洋潮汐改正后,约9...     

大气负荷对兰新铁路线区域地壳形变及重力变化的影响

使用兰新铁路线周边区域2012～2017年的全球大气模型和区域气象站气压数据,根据大气负荷理论,采用移去-恢复法计算该区域在6 a间大气负荷对地壳形变和重力变化的影响.结果 显示,大气负荷对兰新线区域的垂直形变影响为1 cm左右,对水平形变影响小于2 mm,对垂线偏差影响约为6 ms,对地面重力影响大致为6 μGal;...     

基于CORS网监测台州地区陆地水负荷对地表垂直形变的影响

基于CORS站网基线综合解算,利用移去-恢复法和负荷形变法监测陆地水负荷对地表垂直形变的影响.以台州地区为例,对2017～2019年CORS站网和相关区域负荷数据进行分析.结果 表明,台州地区陆地水负荷对地表垂直形变的影响存在季节性变化,地下水负荷影响较为明显,可达cm级;且该影响在年际尺度上相对稳定.利用CORS站网...     

城市化对广州降水的影响分析

利用1959—2009年逐日降水观测数据,分析了广州51 a来降水的变化规律。发现城郊增城年总降水量变化趋势不明显,但大暴雨降水日数有所增加;广州年降水总量总体呈波动变化,1991年以来有微弱的增加趋势,增率为105 mm/a。而从降水等级日数和降水负荷上分析发现,1982年以来,广州年降水日数有下降的趋势,减少率为72 d/10a;而1991年以来,广州大雨以上等级降水日数和降水负荷均有明显的上升趋势,其中大雨降水日数增长率为28 d/10a,暴雨降水负荷增长率为24%/10a;城市化造成了广州大雨、暴雨和大暴雨等年强降水日数增加,相比1960—1979年,分别增加了6%、11%和23%;相对于城市化之前,从1991年开始,城市化过程使得广州降水量增加的趋势明显,城市化对广州城市降水增加的贡献率为447％。     

Connections between surface sensible heat net flux and regional summer precipitation over China

Using the observed monthly precipitation and NCEP (National Centers for Environmental Prediction)reanalysis surface flux data from 1951-2000, the connections between the seasonal SSHNF (Surface Sensible Heat Net Flux) over the Asian continent and the regional summer precipitation of China were examined.The patterns of collective and individual correlations were identified. The results indicate that the responseof the regional summer precipitation of China to the seasonal SSHNF over the study area varies according to region and season. The interannual variability of summer precipitation anomalies over Xinjiang, the northernmost Northeast China, and the North China Plain are most sensitive to the anomaly of the seasonal SSHNF. There are significant collective correlations between the interannual anomalies of the seasonal SSHNF and summer precipitation over these regions. In contrast, the Southeast Tibetan Plateau,Huaihe River Valley, and surrounding areas exhibit the least significant correlation. Significant individual correlations exist between the summer precipitation over the southernmost Northeast China, East Inner Mongolia, South of the Yangtze River and South China and the seasonal SSHNF in certain seasons over the following areas: near Lake Baikal and Lake Balkhash, near Da Hinggan Mountains and Xiao Hinggan Mountains, as well as the Tibetan Plateau.