降水现象仪观测应用评估

利用2017年9月至2018年8月北京20个站降水现象仪采集数据与人工平行观测数据,对降水现象仪进行了对比评估。结果表明:降水现象仪的缺测率为0.01%,空报率为0.6%,捕获率为93.5%,漏报率为27.9%,错报率为10.0%。从统计结果可知,降水现象仪的缺测率、空报率较低,捕获率较高,体现出设备性能良好的一面,漏报率和错报率偏高,表明设备漏识别和错误识别的情况较多,漏报主要发生在弱降水过程中,错报主要出现在毛毛雨的识别上。设备测量和人工观测降水开始时间一致性较好,终止时间一致性偏差;降水现象仪现存问题:在大雨强时易出现雨滴叠加误识别,在小雨强时识别率会降低,在无降水错误输出降水现象方面缺少质控。     

基于SRTM数据的天气雷达探测环境分析研究

利用SRTM高程数据作为选址基础数据,结合天气雷达工作方式和探测方法,计算得到天气雷达在0.5°、1.0°、2.4°仰角上地物遮挡情况;利用高程格点数据获得3个仰角的地物剖面数据,提高了SRTM数据利用精度和运算速度;分析中结合地球曲率和电磁波折射影响,改进算法获得站点遮蔽角图,站点上空1 km、海拔3和6 km等射束高度图及数据,该分析结果充分体现了SRTM数据的高分辨率特点。最后将结果数据与GIS地图结合,完成了四川省天气雷达网探测环境分析,并给出了各个台站评估结果。     

利用TRMM PR和IGRA探测分析的拉萨降水云内大气温湿廓线特征

利用热带测雨卫星测雨雷达(TRMM PR)降水回波反射率因子廓线(降水率廓线)与全球探空大气温湿廓线(IGRA)的多年融合资料,研究了青藏高原拉萨站夏季降水结构及相应的大气温湿结构特征。结果表明,该站降水回波反射率因子分布在17~45 dBz,大部分小于26 dBz;回波顶高度达17 km,呈现“瘦高”外形;相应的大气低层湿润,降水云内大气并非饱和,但温度露点差比全部状态时的值小。深厚降水系统的回波外形也呈现“瘦高”,按照降水率随高度的非线性变化,其垂直结构可分为三层,而浅薄降水系统的垂直结构呈现一层,即平均降水率斜率随高度呈对数线性变化,最大平均降水率(0.7 mm·h^-1)出现在地面。深厚降水与浅薄降水云体内400 hPa高度(7.5 km)上下的露点温度递减的速率不同。降水云体内的零度层高度大约6.3 km,但PR没有探测到零度层亮带。统计结果还表明拉萨探空站及附近的大气可降水量为20.89 mm·d^-1,降水转化率为27.0%,深厚降水系统的降水转化率是浅薄降水系统的2.9倍,深厚降水系统和浅薄降水系统的CAPE值分别为1941.7 J·kg^-1和1451.8 J·kg^-1。本研究结果为模式模拟青藏高原降水云内的温湿结构提供了观测依据。     

基于医疗联盟链的数据安全保护方法

随着互联网的飞速发展,医疗数据爆炸性增长,大量的医疗数据面临着安全共享问题.本文提出了一种基于医疗联盟链的数据安全保护方法,其中包括提出了一种安全认证与访问控制模型,并将查询逻辑分离存储技术引入该模型中,同时描述了基于医疗联盟链的认证凭据和访问权限数据的存储和访问.基于医疗联盟链的安全认证与访问控制模型包含了三个角色,第一角色是患者,第二角色是医护人员,第三角色是医疗联盟链.通过查询逻辑分离存储技术保护患者数据隐私,查询逻辑分离技术与医疗联盟链技术紧密结合,满足了不同医院之间医疗数据共享的需求,保障了患者的数据隐私和医护人员查阅数据的权限.     

陆面过程模式BCC_AVIM中地表覆盖数据现状

地表覆盖是陆面和气候模式中的一个重要基础数据。以陆面过程模式BCC_AVIM为例,介绍模式中的地表覆盖数据变量、数据分辨率、不同类型数据的来源,重点比较分类方法差异巨大且类型众多的植被覆盖。综述比较了国际和国内常用的几套全球地表覆盖数据的来源、分类系统和分类方法以及空间分辨率,根据陆面过程模式的地表覆盖数据需求,确定不同全球土地覆盖数据在模式中的应用方法,讨论分析了全球地表覆盖产品在模式应用中存在的差距,提出不同遥感数据产品之间一致性较差的可能解决方案,探讨遥感数据产品在模式中应用的可能方式,以期更好地发挥全球地表覆盖数据产品的作用。     

高分辨率模式雷达回波预报能力分析

利用2018年7—8月GRAPES_3 km、东北短临(WRFRUC)高分辨率模式综合雷达回波预报数据和辽宁省SWAN雷达组合反射率(MCR)实况,基于邻域法FSS评分指数,分析模式在台风北上和副热带高压边缘暴雨过程中的雷达回波预报能力。结果表明:两家模式在不同降水过程中对小阈值雷达回波有较好的预报技巧,随着回波量级增大,模式预报FSS逐渐减小,雷达回波55 dBz时,FSS甚至为0。当邻域半径是3时,35 dBz以下的回波预报中GRAPES模式在台风北上暴雨中的预报技巧低于副热带高压边缘,35 dBz则相反。WRFRUC模式始终表现为台风北上暴雨中预报较好。当邻域半径9时,WRFRUC模式在台风暴雨中的FSS评分高于GRAPES模式,GRAPES模式在副热带高压暴雨中的FSS评分始终高于WRFRUC模式。GRAPES和WRFRUC模式的最大FSS评分技巧均出现在邻域半径是11时,分别为0.239和0.195。GRAPES模式中FSS评分在12 h逐小时预报中前3个时次较强,WRFRUC模式则表现为中间时次强,两头弱。     

2018年全球重大天气气候事件及其成因

2018年全球主要温室气体浓度继续攀升,地表温度相比工业化前水平偏高0.99℃,为有观测记录以来的历史第四高值。全球冰川总量连续31年减少,南北极海冰范围全年处于历史低位。全球海洋表面温度较常年显著偏高,海平面继续加速上升,海洋热含量创历史新高,海洋酸化的影响日益加剧。年内,世界各地发生了许多重大天气气候事件,包括北半球异常活跃的热带气旋季、欧洲夏季持续性高温干燥天气、印度西南部的特大洪灾、澳洲东部严重旱情、欧美多地的低温暴雪以及全球多地的森林大火和强对流天气,造成了严重的人口伤亡和社会经济损失。本文系统性总结了2018年全球重大天气气候事件及其影响,并重点分析了印度近百年来最严重洪灾和美国东海岸爆发性低温雨雪冰冻两个典型气候事件的形成原因。分析表明,夏季南亚季风强度偏强、控制时间偏长,8月在南亚季风槽西部位置偏北、索马里越赤道急流偏强的共同作用下,南印度洋及阿拉伯海上空的水汽大量向印度地区输送,持续性的强降水天气引发了该地区近百年以来最严重的洪灾;1月上旬,在耦合的急流结构、强烈的海洋温度梯度以及气旋外围气温偏高的共同作用下,冬季风暴格雷森在短时间内爆发性加强,造成美国东海岸出现气温骤降、强风暴雪等剧烈天气现象。     

基于Himawari-8卫星的云参数和降水关系研究

基于日本Himawari-8卫星的云产品,对中国中东部地区2017年夏季(6—8月)每日08—17时的降水资料进行了分析,重点讨论了云光学厚度(COD)、云顶粒子平均尺度(CPS)、云顶温度(CTT)三个云参数与降水的关系。试验表明,降水概率与云参数相关性较高,存在随着COD增加、CPS增加、CTT减小而增加的明显趋势。但是,单个云参数与降水强度相关性则较低;COD、CPS、CTT与小时降雨率的相关系数分别为0.2315、0.1823、-0.2235,均为弱相关。如果综合考虑联合两个或三个云参数形成小时降雨率分布矩阵,则降水过程能得到更为清晰的体现。2017年8月28日的个例表明,相比纯粹基于红外的算法,三参数方法可以明显提高小时降雨率的估计精度。     

2010—2016年江西省暖季短时强降水特征分析

利用江西省2010—2016年5—9月1597个观测站逐小时降水资料对江西省短时强降水进行统计分析。采用REOF将降水场划分为5个区域：赣北南部（Ⅰ区）,抚州市及赣州中部（Ⅱ区）,赣北北部（Ⅲ区）,赣南南部、北部（Ⅳ区）以及赣中西部（Ⅴ区）。短时强降水高频区主要分布在山地及河谷附近,分别为湘赣交界罗霄山脉东侧、武夷山西侧、信江河谷、乐安河谷和昌江河谷。河谷附近短时强降水频次以昌江河谷最高（16.9次/a）,山地附近最高在罗霄山脉东侧（12.6次/a）,极端短时强降水分别位于上饶市东北部山区（3.7次/a）及九岭山南侧的锦江河谷（3.3次/a）。短时强降水主要发生在5月第3候,6、7月第3~4候以及8月第2~3候。Ⅳ、Ⅴ区具有单峰型的日变化特征;Ⅰ、Ⅱ、Ⅲ区具有双峰型的日变化特征。主峰基本集中在下午17时;次峰在上午08—10时。短时强降水对暴雨贡献率基本在40%以上,Ⅰ、Ⅱ区的暴雨天气过程将近一半是由短时强降水贡献的。信江河谷是暴雨雨量中心,但并不是短时强降水雨量中心;昌江河谷与武夷山西麓既是暴雨中心也是短时强降水中心。     

国家级天气预报检验分析系统建设与应用

为了适应精细化预报和业务管理的发展需求,国家气象中心建设开发了基于Web的国家级天气预报检验分析系统。系统分为预报检验、检验文件解析处理、检验数据查询分析与检验平台管理4个功能模块,关键技术包括标准化的数据管理、开放式的算法模块管理与调度和检验数据的可视化分析。系统建立了规范高效的检验业务数据流程,兼容处理预报分析制作系统（MICAPS）数据、GRIB2数据、城镇报数据、自动气象站数据等其他专业气象数据,涵盖了国家级省级智能网格预报、全国城镇天气预报、定量降水预报、大城市空气质量预报等数十项检验业务产品,给出了空间分布、柱状图及数据表格等展现形式。系统为全国各级预报员、模式开发人员和管理人员提供预报检验反馈信息,为各省以及国家级预报业务考核提供了信息支撑;同时系统提供逐旬、月、年度的智能网格预报以及城镇天气预报的检验结果对比,有力支撑了智能网格预报产品业务研发和业务试验。