遥感植被分类方法的概述及发展

卫星遥感技术的发展为大范围作物的识别分类提供了新的方法，90年代以来国外主要使用卫星遥感结合植物表面温度、地形等非遥感要素对地面植被进行判识分类，我国自80年代以来应用图像纹理、植被指数变化、植被指数的动态聚类及经验正交函数等方法对大范围植被分类进行了研究。近年来，为提高植被分类精度已在提高资料的空间分辨率、利用微波遥感，综合应用“3S”技术等方面做了努力。     

青藏高原东北侧干旱的数值试验

用谱方法（Ｔ４２）求解半球球面无辐散正压涡度方程,采用实际的干旱环流资料,分别在有地形和无地形的情况下,求出其对应的干旱环流型的强迫场,模拟了在强迫场的作用下干旱环流的形成、维持情况及在强迫场消失后干旱环流型的崩溃情况。结果表明：（１）强迫场在干旱环流型的形成、维持及崩溃过程中起重要作用;（２）青藏高原的存在使其东北侧干旱形成和崩溃均加快。     

大连地方性冷流降雪成因分析

介绍了从高空和地面形势演变特征、云系发展及地形对其贡献等出发分别对冷流降雪进行了初步探讨。结果表明：大连地区以及渤海、黄海沿海和海面的冬季冷流降雪的形成原因，主要是由于较强冷空气入侵以及渤海湾的地理条件所致。     

北京“623”大暴雨的强降水超级单体特征和成因研究

本文利用雷达、加密地面自动站等高时空分辨率的观测资料,结合NCEP 1°×1°再分析资料、常规观测等资料,对2011年6月23日发生在北京城区的极端强降水事件开展了细致的观测和诊断分析。结果表明,这次极端强降水事件,主要是由向东南移动的东北—西南走向的飑线右端的强降水超级单体（High Precipitation Supercell,简称HPS）造成的,这是目前已有文献记载的中国发生纬度最高的HPS。HPS在移动方向的右后侧和右前侧均有明显的“V”型入流,这不同于已有HPS模型,表明中、低层干冷空气和低层暖湿气流特征显著。在环境条件方面,存在对流层低层逆温层,其能量存储盖作用使得雷暴具有爆发性增强的潜势,但该逆温层是在08:00～14:00（北京时,下同）的6小时内形成的,对业务预报极具挑战性。相对其他大气层结热动力参数, 风暴相对螺旋度和粗理查逊数在14:00较08:00显著增大,对HPS的发生具有一定指示作用。高空偏西风急流和低层偏东风活动显著,使得北京地区的水平风垂直切变增强,形成上干下湿的对流不稳定以及次级环流圈。高空急流造成强烈的相当位温差动平流,促进对流不稳定度发展加强。结合复杂地形作用,在北京西部100 m地形高度线附近形成显著的平原暖湿空气与山地干冷空气的干湿分界线以及风场辐合线。水汽供应主要源自低层偏东风和本地水汽积累。当飑线从西北方向侵入北京并向东南方向移动时,在北部山区,由于条件不足,雷暴没有显著发展加强;然而,在西部山区,在湖面、城市热岛、低层偏东风、冷池出流共同作用下,加之其他有利的环境条件,飑线右端雷暴强烈发展加强,特别是当经过100 m地形高度线附近时发展成为HPS,进而造成石景山区模式口站的大暴雨中心。     

太原市大气扩散数值模拟

本文采用数值方法求解平流扩散方程，对太原市的一次示踪物实验进行了大气扩散的数值模拟。模拟结果表明：采用数值方法准确地反映出了由于风的切变而导致的污染物烟羽的转向，能较好地模拟复杂地形下太原市污染物的输送扩散过程。     

西北中部半干旱区兴隆山森林岛降水机理的数值模拟

通过WRF V2.1.2模式数值模拟试验并结合长期观测数据,研究了中国西北半干旱区长期存在和维持的森林山区(兴隆山区,103.84°E、35.86°N)的降水特征及其与周边地区的降水差异,并探讨了造成这种差异的主要原因。结果表明,兴隆山区与周边地区的降水差异主要表现在夏、秋季。在夏、秋季兴隆山区受东南湿润气流的影响,获得较多的水汽输入和较稳定的水汽来源,而山地地形则有利于截留东南气流携带的水汽并形成降水;兴隆山区及其周边地区局地的蒸散差异对二者之间降水差异的贡献不大。另外,兴隆山区土壤堆积覆盖的石质山构造和森林下垫面也有利于降水的截留和贮存以及植被的生长。因此,有利于水汽输入的大尺度环流形势、地形对空中水汽的截留以及特殊的地质因素是兴隆山山区孤立森林岛在半干旱区长期存在和维持的原因。     

地形对镇平县降水的影响

统计结果表明,镇平年水量较四周邻县偏少。这和镇平地形对降水的影响有关：降水时镇平多为东北风,由于镇平地形为北高南低,致使东北气流下沉,从而对降水产生抑制和减幅作用;盛夏,受副高和山谷风环流影响,南阳盆地腹地常有一条东北西南向的地形切变线,镇平处在切变线西北侧的偏西气流中,地面偏西气流对降水有抑制作用。     

复杂地形下地面观测资料同化II. 模式地形与观测站地形高度差异代表性误差

第I部分研究结果(徐枝芳等,2007)表明模式与实际观测站地形高度差异对地面观测资料同化效果有较大影响。此文在MM5_3DVAR同化系统中利用近地层相似理论将地面观测资料进行直接三维变分同化分析,考虑模式与实际观测站地形高度差异对同化效果的影响,提出在地面观测误差中增加地形代表性误差来解决这个问题。研究结果表明:地面资料同化分析时,在其观测误差中加入一项新的误差——地形代表性误差,能较好地解决地面资料同化分析中模式与观测站地形高度差异问题;地面资料参与同化分析,在观测误差中加入与模式和实际观测站地形高度差异大小相关的地形代表性误差时,地面观测值对分析值的影响随着地形高度差异代表性误差的加入而减小,同时又部分地将地面观测信息通过变分分析融进分析场,使得低层分析更接近真实场,且地面资料利用率更高,24小时降水数值预报(模拟)的效果较好。     

GRAPES_GFS在西南地区的预报稳定性 及其误差与地形的关系

根据地形特征,将西南地区划分为高原区、边坡区和盆地区,引入统计学"不稳定度"定量描述模式预报稳定性,对2016年6月—2017年9月全球中期天气预报(GRAPES_GFS)和欧洲中期天气预报中心(EC)在西南地区的高层形势场、主要的天气影响系统和地面要素预报性能进行了主客观检验,一定程度揭示了GRAPES_GFS和EC在西南地区的预报稳定性、地形的影响以及二模式预报性能的异同。结果显示:GRAPES_GFS高空高度场、温度场预报不稳定度分布呈北高南低型,相对湿度、风速预报不稳定度大值区在高原边缘;各要素预报不稳定度季节性周期最为显著,其位相和振幅因要素不同而有所不同;地形主要影响温度和风向预报误差值,但对相对湿度和风速预报的影响则体现在误差随时效的增长速率差异上;"漏报"是模式对西南地区天气系统的主要预报误差源,"低报"则是模式对西南地区2 m温度预报误差的最大来源;模式对西南地区降水落区预报有效率大约为50%,但强度预报通常偏低。EC与GRAPES_GFS的误差特征没有本质区别,但EC误差更小,稳定性更高。