益阳市矿泉水的基本特征及形成机理探讨

益阳市矿泉水是一种弱酸、弱碱性、低矿化、富含偏硅酸的ＨＣＯ３－Ｃａ天然优质饮料矿泉水。它赋存于武陵期海底裂隙式喷溢形成的基性火山岩－细碧玄武岩的构造断裂和半风化层的风化裂隙之中。矿泉水水量起源于多途，化学成分形成于多因，是多因复成的产物。     

云宵县5月暴雨客观预报模型

采用文献[1]提出的技术模型，研制了云宵县5月暴雨预报方法，建立了4个因子结构简单而天气学意义明了的客观预报模型。经2000～2003年试用，这种基于场量因子的预报模型，未漏报，严格评定的准确率为67％，明显优于主观预报。     

黄河上游梯级水电站施工洪水优化设计方法探讨--以黄河公伯峡水电站施工洪水优化设计为例

梯级水电站设计洪水方法一直是梯级水电站水文设计的难点．几十年来在黄河上游梯级电站设计中已总结出一套比较完整的设计洪水及施工洪水计算方法。通过黄河公伯峡水电站施工洪水优化设计过程，论述了该套方法．并就目前存在的一些观点及疑问给予了较为明确的回答。     

兰州CAWS600-R自动站与人工观测资料对比分析

利用2002年11月到2003年2月兰州CAWS600-R型自动站与人工观测的温度、本站气压、水汽压、相对湿度、5～320cm地温等资料，分析了对比观测资料的差值。结果表明：对气温、本站气压、水汽压、相对湿度及320cm地温等要素观测误差较小，5～160cm地温的观测误差较大。自动观测仪器的系统性偏差、测量元件的精度及对气象要素变化响应的灵敏度、观测时间的差异和人为因素的影响是造成对比观测误差的原因。     

运用改进系统建模法对南海气象数据的建模研究

在系统建模理论的基础上,运用改进的动态数据建模方法,对南海气象数据中的温度进行建模并验证了模型的适用性.根据模型推导出格林函数、逆函数和自协方差函数等,并讨论了南海气象数据中温度模型的稳定性、可逆性和合理性.对系统的频率特性和谱函数进行分析讨论,并给出建模过程中的一些图像.根据模型的适用性检验发现,对所研究的气象数据而言,ARMA(4, 3)模型是最合适的,具有平稳可逆性.所有的建模和分析过程在MATLAB上实现.实验结果表明这种建模方案简便易行,能够快速准确地确定系统的合理模型.     

2003年异常气候对清徐葡萄的影响

气候对葡萄生长发育的影响十分关键，以光照、温度和降水三要素为主。利用清徐地面气象资料，根据葡萄各生育阶段对气候资源的需求特点，比照该时期年内的实际气候状况，着重分析年度内气候异常与葡萄产量下降、品质降低之间的关系，并就如何减缓气候对葡萄生产的不利影响进行初步探讨。     

Meteorological Office, Pune-411 005

Natural disasters like floods, tornadoes, tropicalcyclones, heat and cold wavewreak havoc and cause tremendous loss ofproperty all over the world. Most ofthe natural disasters are either dueto weather or are triggered due toweather related processes.Extreme weather events claimed thousands oflives and caused damage on vastscale. Recent super cyclone which affectedOrissa in 1999, Bangladesh cyclone of1970 and Hurricane Andrew in 1992 areexamples of some of the more damagingtropical cyclones which affected developingas well as the developed world. Heatand cold waves are also extreme events,which cause enormous losses in terms oflives lost and human discomfort and ailmentsarising out of them. The heat waveof 1995 and 1998 are still fresh in the mindof the Indian public. The estimated lossof human lives due to heat wave in 1998 was morethan 15,000. Economic losses asa result of these disasters and in particular inassociation with tropical cyclones haveincreased enormously over the last three decades.During 1961–1991, total loss oflives from drought alone was 1,333,728 overthe whole world. In terms of economiclosses, there is 8–10 fold increase from thebase figure of 1960. The socio-economicimpact of natural disaster is complex dependingupon the vulnerability of the placeand mitigation strategies that are put in place.Meteorology plays a crucial role in forewarningpeople about the severe/extremeweather systems and a constant endeavour by themeteorological services worldover has gone a long way towards minimizing thelosses caused by natural disasters.The paper summarises the natural disasterstatistics over south Asia and the possibleprediction strategies for combating theirsocio-economic impacts.     

川西亚高山三个森林群落的湿林冠蒸发速率

于3个假说和林冠上方2m处的气象变量，采用Penman-Monteith组合模型估算了一个生长季节内川西亚高山林区分别以云杉(SF)、冷杉(FF)和白桦(BF)为优势树种的3个林分的湿林冠蒸发速率(Er)。研究结果表明，SF、FF和BF的湿林冠蒸发量(E)分别为44．51mm、88．51mm和57．8mm，分别占总降雨量的9．2％、16．6％和10．2％。与SF和BF相比，FF具有最高的月平均Er和蒸发比例。SF、FF和BF的平均Er分别为0．097mm／h(变化范围：0．028-0．487mm／h)、0．242mm／h(变化范围：0．068～0．711mm／h)和0．149mm／h(0．060～0．576mm／h)。最高和最低的月平均Er分别在6月(SF、FF和BF分别为0．120mm／h、0．317mm／h和0．169mm／h)和10月(SF、FF和BF分别为0．083mm／h、0．187mm／h和0．101mm／h)。8：00至16：00期间的平均点Er显著高于0：00至8：00以及16：00至0：00期间的平均Er。Er显著的日变化和月变化主要归因于林冠上方的太阳辐射、空气温度和相对湿度的变化。     

沙尘天气等对西安市空气污染影响的研究

通过对西安市1981—2000年TSP、SO2和NOx年平均浓度资料,1998—2000年周报和日报环境监测资料以及相应的地面、高空常规气象观测资料的统计分析,研究了该市空气污染的时间变化特点以及沙尘天气等几种气象条件对其浓度变化的影响。结果表明:(1)颗粒污染物(TSP和PM10)是西安市的首要污染物,其次是SO2。1981—2000年期间,TSP年平均浓度降低了75%,SO2年平均浓度降低了77%,NOx年平均浓度总体上变化不大;这三种污染物月平均浓度的年变化都呈单周期型,冬季1月份最高,夏季最低(TSP是7月份最低,SO2和NOx是8月份最低)。(2)2001年春季3～4月份沙尘天气的频繁发生,使西安市空气污染日出现全年的第二个多发期(23d·月-1),这有别于正常年份仅在冬季1月份出现一个浓度峰值的特点;强沙尘暴天气过程会使西安市PM10浓度在非常短的时间内提高3倍左右,造成严重的颗粒物污染。(3)西安市冬半年出现轻度污染以上级别的几率明显大于夏半年。影响西安市的地面天气系统可归纳为12类,当受不同天气系统控制时,其污染状况会有较大差异。(4)西安市一年四季都有逆温存在,100m平均逆温强度为0.90℃;全年以低层逆温出现日数最多,但冬季贴地逆温出现日数最多,厚度最厚,强度最大,是造成西安市冬季空气污染严重的最重要气象因素之一。(5)西安     

侯马市酸雨概况及其气象条件分析

通过对侯马近14a酸雨观测资料分析,发现侯马出现酸雨的概率较大,强度较强,时间变化特征明显,与气象条件关系密切。