南方大到暴雪的一种预报方法

对构成南方大到暴雪的两个特征量：降水量和积雪深度用多种预报方法从晴雨、降水性质、降水量级、冰冻及积雪厚度等不同角度分别进行预报，然后通过推理组合，最终建立暴雪预报方法。该方法除了可以得出有无大到暴雪的预报结果外，还可以得到多种中间预报结果，从而适应预报服务的多种需要。在近３年的实际使用中获得了很好的效果。     

南方大到暴雪的一各预报方法

对构成南方大到暴雪的两个特征量：降水量和积雪深度用多种预报方法从晴雨，降水性质，降水量级，冰冻及积雪厚度等不同角度分别进行预报，然后通过推理组合，最终建立暴雪预报方法。该方法除了可以得出有无大到暴雪的预报结果外，还可以得到多种中间预报结果，从而适应预报服务的多种需要。在近３年的实际使用中获得了很好的效果。     

高温热水孔逸出气氡观测实验研究

本文通过在漳州龙师１＃井开展的逸出气氡观测实验研究，认为逸出气氡作为新的地震前兆观测项目是可行的，可以进行平行样观测，同时可得到Ｒｎ气／Ｒｎ水比值，作为研究地下流体前兆的一个新的参数。并对应用电离法测量逸出气氡的连续自记观测技术进行了预研究试验。     

成都地区汛期降水分析及影响因子

用成都地区１３个站点、１９５９－１９８７年的降水资料，利用ＥＯＦ分析了２９年来汛期降水（５－９月）变化的时间分布，得到两种降水型。在此基础上，通过相关函数分析，讨论了副高强度、副高面积指数、副高西伸脊点、副平均脊线位置、５８８线北界位置和南方涛动指数对成都地区汛期降水的影响作用。并利用傅里地变换分析了成都汛期降水的周期性。     

我国南方地区的中尺度对流复合体

根据日本GMS资料和部分常规资料，对我国南方地区春末夏初的10个中尺度对流复合体(MCCs)做了分析。它们的基本特征与美国MCC相近。它们主要活动在夜间，一般在山地背风一侧斜坡上或坡底附近形成;并在对流层中低层中低纬度地区几个天气系统的迭加处获得发展;向东偏南方向移动，与700～500 hPa之间的平均气流方向大体一致，冷云罩面积约为1.4×105 km2,比美洲的(2～3×105 km2)略小;持续时间为12小时左右，比美洲的(10小时)稍长。云区形状呈椭圆形，但偏心率≥0.6。云顶最低温度一般在-86℃以下，出现在冷云罩面积达到最大之前4～6小时。     

华南震旦纪和寒武纪磷块岩沉积环境探讨

本文从八方面探讨磷块岩沉积环境:(1)含磷岩系岩石组合;(2)磷块岩矿床与海水进退及构造运动的关系;(3)磷块岩的纬度分布与古气候条件;(4)磷块岩沉积的古地貌特点;(5)磷块岩沉积的地球化学条件;(6)磷块岩沉积的生物作用;(7)磷块岩沉积的水动力条件;(8)磷质来源。通过上述分析,不难看出,中国南方震旦纪及寒武纪磷块岩主要形成于热带-亚热带,岛屿罗列,呈半封闭状态的华南陆表海盆地。靠近古岛群的浅海湾、泻湖及水下隆起(高地)的周围,似乎是最有利的成矿坏境。     

中国南方晚震旦世沉积相及磷块岩的时空分布

本文扼要阐述扬子地台及邻区晚震旦世地层的研究现状,沉积相带(台地相、斜坡相及盆地相)及古地理轮廓、磷块岩的时空分布(包括地理、地层及沉积相的分布)。同时还着重指出了台地边缘及斜坡相带的上部是寻找磷块岩的有利地区。     

基于奇异谱分析的南方涛动指数短期气候预测试验

The Southern Oscillation Index (SOI) time series is analyzed by means of the singular spectrum analysis (SSA) method with 60-month window length. Two major oscillatory pairs are found in the series whose pe riods are quasi-four and quasi-two years respectively. The auto-regressive model, which is developed on the basis of the Maximum Entropy Spectrum Analy sis, is fitted to each of the 9 leading components including the oscillatory pairs. The prediction of SOI with the 36-month lead is obtained from the reconstruction of these extrapolated series. Correlation coefficient between predicted series and 5 months running mean of observed series is up to 0.8. The model can successfully predict the peak and duration of the strong ENSO event from 1997 to 1998. It＇s also shown that the proper choice of reconstructed components is the key to improve the model prediction.