发展冬季绿色农业扩大立体种植效应

概括地阐述了山东省发展绿色农业的概况、认识和经验，比较系统地论述了冬季绿色农业的形成、结构与模式及其效应。指出发展冬季绿色农业是我国北方地区农作制度的重大改革，是立体农业的延伸与扩展。     

冬季北太平洋涛动和我国夏季降水

本文分析了冬季北太平洋涛动与我国夏季降水的关系。结果表明,当冬季北太平洋涛动偏强时,我国夏季主要多雨带位于黄河流域及其以北地区(即1类雨型);当冬季北太平洋涛动偏弱时,夏季主要多雨带位于黄河与长江之间,中心在淮河流域一带(即2类雨型)。据此建立了我国夏季1、2类雨型的预报判据。并进一步分析了北太平洋涛动遥相关型从冬到夏的演变过程及其对北太平洋地区海温异常的响应。     

冬季平流层下部的最大风速层

用气球探测到的高空风记录,最大风速层一般多出现在对流层(12km左右),但我在审核大陈站1987年2月份高空风记录时,多次发现该站该月最大风速层出现在平流层下部(27—30km),这一特殊情况引起了注意。于是普查了该站1958—1987年的历史资     

The possible influences of the increasing anthropogenic emissions in India on tropospheric ozone and OH

A 3-D chemical transport model (OSLO CTM2) is used to investigate the influences of the increasing anthropogenic emission in India. The model is capable of reproducing the observational results of the INDOEX experiment and the measurements in summer over India well. The model results show that when NOx and CO emissions in India are doubled, ozone concentration increases, and global average OH decreases a little. Under the effects of the Indian summer monsoon, NOx and CO in India are efficiently transported into the middle and upper troposphere by the upward current and the convective activities so that the NOx, CO, and ozone in the middle and upper troposphere significantly increase with the increasing NOx and CO emissions. These increases extensively influence a part of Asia, Africa, and Europe, and persist from June to September.     

额尔古纳市春季土壤墒情变化特点

一年之季在于春，春季是播种的季节，而春季土壤墒情的好坏直接影响着牧草返青、农作物播种和出茁。每地区土壤质地一般是不变的，土壤墒情的好坏主要取决于土壤中含水量的多少。土壤中水分的主要来源是空中降水，而春季的土壤墒情和上年度秋季降水、冬季积雪、当年春季降水、春季风力的大小、温度的高低、解冻和冻结的日期等因素有着一定的关系。下面就对春季土壤墒情影响较大的几个方面进行分析。     

冷空气影响频繁,风雪雾灾害严重--2006年冬季(12月～2月)浙江省天气与气候

浙江省2006年冬季降水偏多,日照偏少,平均气温接近常年。冷空气影响比较频繁,引起多起低温冷害事件的发生,并且引起海上大风,危及海上作业及交通安全;冬季大雾频发,对海陆空交通运输造成严重影响;冬季的连续阴雨雪天气对农作物影响比较大,尤其是2月的中到大雪,对农业和交通造成影响比较严重。     

吉林省2006年冬季的天气气候特点及影响

2006年冬季(2006年11月1日～2007年2月28日)吉林省总的天气气候特点是:气温特高,降水接近常年。冷空气活动少且强度弱,气温持续偏高;降水时间分布呈前冬(2006年11～12月)少,后冬(2007年1～2月)偏多,空间分布呈东南部山区(吉林、通化、白山)略多,其它市(州)略少的特点。本文简要分析了冬季的天气特点、环流特征及对人民生产生活的影响。     

中国冬季气温的集合典型相关分析和预报

以欧亚大陆地面温度、北半球500 hPa高度、热带印度洋SST(sea surface temperature)以及北太平洋SST为预报因子,通过典型相关分析(canonical correlation analysis,简称CCA)建立预报关系,然后用集合典型相关分析预报(ensemble canonical correlation prediction,简称ECC)方法预报中国冬季气温,并分析预报技巧及进行独立样本检验.结果表明,不同的预报因子对各个地区有不同的预报技巧,以欧亚大陆地面温度为预报因子预报技巧较高,而ECC模式对中国冬季气温有更好的预报能力,预报技巧高于任何一个单因子场的CCA预报;采用回归法的集合平均比简单的等权集合平均预报技巧更稳定.