地面最低温度在0℃以上形成霜的原因

《地面气象观测规范》中霜的定义为：水汽在地面和近地面物体上凝华而成的白色松脆的冰晶,或者由露冻结而成的冰珠。由定义可知,霜形成时,贴地（或近地面物体表面）层空气的温度必须低于0℃。但是,由于下垫面的不均一性,不同的下垫面夜问冷却程度不同,从而形成不同的温度;在深秋或早春,雨后天晴,土壤湿度大,受冷平流和夜间辐射冷却等因素影响,     

降水对荒漠土壤水热性质强迫研究

利用“我国西北干旱区陆气相互作用试验”在甘肃省敦煌的观测资料,分析了不同大小的降水对土壤湿度、反照率以及地表温度的影响;随着降水量的增大,各地表物理量恢复到原先的状态也越慢;强降水时,5cm土壤湿度的驰豫期为7天．中降水为4天,微量降水为2天。由于降水性质(水和雪)和土壤状态的差异,冬季和夏季相比．降水对地表物理量的影响差不多,但冬季地表物理量的恢复时间要比夏季长得多。土壤湿度和反照率的驰豫期与降水有很好的相关。     

基于动力降尺度的区域集合预报初值扰动构建方法研究

利用全球集合预报系统资料(Global Ensemble Forecast System,GEFS),基于WRF中尺度模式构建了区域集合预报系统,区域集合初值的构建采用两种方案,一种是GEFS全球集合预报初值场直接动力降尺度(称为DOWN集合),另一种是提取GEFS全球集合降尺度后的扰动场,并叠加到区域数值预报系统(北京快速更新循环数值预报系统:Beijing Rapid Update Cycle System,BJ-RUC)分析场上构建集合初值场(称为D-RUC集合)。进行了批量试验,通过对比发现D-RUC集合的中小尺度扰动增长优于DOWN集合,而大尺度扰动分量的增长两者相当,说明与高分辨率分析场叠加可以促进动力降尺度扰动的中小尺度扰动分量的增长。集合预报扰动准确性检验结果显示,短预报时效内DOWN集合扰动明显低估了预报误差,在预报误差较大的位置扰动较小,而D-RUC集合能够更好地识别预报场中哪些位置预报误差较大,而哪些位置预报误差较小。集合预报检验结果表明,D-RUC方法能显著改善短时效预报效果,集合离散度有所增加、均方根误差有所减少,概率预报评分显示D-RUC集合比DOWN集合在短预报时效占优。降水个例分析结果表明D-RUC方法能显著改善短时效内的降水概率预报效果。     

兰州市城市热岛效应与地表指数定量分析

针对现有兰州市城市热岛效应研究多以地面气象站的观测资料为数据源,以遥感影像为数据源较少的现状,该文利用Landsat 8影像,研究了兰州市城市热岛效应与修改后的土壤调节植被指数(MSAVI)、增强型水体指数(EWI)、土壤亮度指数(NDSI)、土壤湿度指数(NDMI)之间的关系。结果表明,兰州城市热岛效应较为严重,城市热岛效应与土壤湿度指数、增强型水体指数、土壤亮度指数呈正相关,与修改后的土壤调节植被指数呈负相关。     

基于组网观测的那曲土壤湿度不同时间尺度的变化特征

利用第三次青藏高原大气科学试验的土壤湿度观测数据,分析了那曲多空间尺度组网观测的28个站2、5、10、20和30 cm 5个不同深度土壤湿度的季节变化和日变化特征,并对比讨论了土壤湿度站点间的差异。分析表明,各层土壤湿度均存在显著的季节变化。冬春季节,20 cm以上土壤湿度随深度变浅而减小。夏秋季节土壤湿度随深度增加而减小,并分别在7月上、中旬和9月出现两个峰值。10月以后进入土壤湿度衰减期。土壤温度和土壤湿度存在协同变化关系。在一定的温度范围内,土壤发生冻结-融化过程,引起土壤湿度变化。在太阳辐射加热下,土壤表层水分蒸发,进而影响土壤温度。不同观测站间土壤湿度差异较大,夏秋季离散性大于冬春季。不同季节土壤湿度的日变化存在差异。春季10 cm以上土壤湿度日变化明显,08-10时（北京时）达到最低,19-20时达到最高。夏季土壤湿度日变化较为平缓。秋季2 cm深度土壤湿度日变化明显。线性拟合结果表明,1、4、10月土壤湿度和土壤温度为正相关关系。但是在夏季,土壤湿度与土壤温度为负相关。站点间土壤湿度变化的离散性表明,多测站才能全面体现青藏高原某区域的陆面状态。文中结果为青藏高原地区土壤湿度卫星参数验证和数值模式参数化提供了多角度的观测依据。      

中国土壤湿度的时空变化特征

基于中国155个农业气象观测站1981-2010年逐旬土壤湿度资料,分析了全国和12个气候区域0~50 cm逐层的土壤湿度时空分布规律,采用趋势分析和Cramér-von Mises（CVM）方法探究了土壤湿度的变化趋势及突变性。结果表明：西南、江淮、东北、江南、江汉、黄淮和华南地区各层土壤湿度均高于全国平均值,内蒙古地区最低;随着深度增加,西南地区土壤湿度增加最明显,仅青藏高原地区土壤湿度减小。不同区域0~50 cm各层土壤湿度年变化和季节变化差异明显,并具有阶段性特征,大部地区深层土壤湿度高于浅层;总体上,新疆、华南、华北、青藏高原、东北、黄淮地区1981-2010年土壤湿度减小趋势显著,其中新疆地区减小最为明显。除江淮地区外,各区域土壤湿度均存在较为明显的年际差异,突变时段主要集中在20世纪80年代后期至90年代初期、90年代后期两个时间段。     

基于GNSS-IR双系统组合的土壤湿度多星线性回归反演模型

提出一种GPS/BDS双系统组合的土壤湿度多星线性回归反演模型,并以GNSS接收机实测数据为例,对比分析不同GPS和BDS卫星组合反演土壤湿度的效果。实验表明：1)GPS和BDS双系统组合相对于单系统在短观测时间内可以提高有效卫星数,通过多元线性回归原理可实现双系统多卫星的有效融合,提高土壤湿度反演的精度;2)当GPS和BDS组合卫星数达到6颗以上时,反演效果趋于稳定,反演结果与土壤湿度的相关系数均优于0.90,RMSE相对于单星至少提高25.8%。     

GA辅助NLS的GNSS-IR土壤湿度反演方法北大核心CSCD

采用具有阻尼因子的函数模型,使用遗传算法(genetic algorithm,GA)辅助非线性最小二乘(nonlinear least squares,NLS)方法对相位参数进行求解。结果表明:1)相较于标准余弦函数模型,该方法的反演相位与土壤湿度的相关系数有较为明显的提升,反演结果也更加稳定,在5°~15°、5°~20°、5°~25°三个高度角范围内的相关系数均大于0.68,不同高度角之间的相关系数差值小于0.07;2)反演精度有不同程度提高,R 2提高5.72%~76.06%,RMSE减小6.12%~24.24%,MAE减小2.7%~28.3%,将该方案所求相位用于多星线性回归模型后平均RMSE减小10%。     

星载GNSS-R地表土壤湿度反演方法的对比与评价

应用气旋全球导航卫星系统(cyclone global navigation satellite system, CYGNSS)的星载反射测量遥感数据和土壤湿度主被动项目(soil moisture active passive, SMAP)发布的土壤湿度产品,对2种星载全球导航卫星系统反射测量(global navigation satellite system reflectometry, GNSS-R)地表土壤湿度反演建模方法进行对比与评价。结果表明,在单个格网上直接对标定的有效反射率和SMAP参考土壤湿度回归建立线性模型,反演得到的地表土壤湿度精度远高于格网统一建模的反演精度。使用1 a的CYGNSS陆地观测数据建立的反演模型已经具有极高的时域稳定性。5个月的测试数据表明,单格网模型反演的地表土壤湿度RMSE可达0.056 cm³/cm³,相关系数达0.9。     

有积雪时待雪融后再取土测墒

在墒情观测地段有积雪存在时应如何取土测墒?据笔者调查,多数台站遇此情况是采取扒雪照常取土的方式,个别台站是等积雪融化以后采取补测取土方式。由此可见理解执行规范的不一致。笔者更赞同后一种做法,理由如下：