兰州站气候资料序列均一性的初步分析

气候资料的均一性是研究气候变化的前提条件。以兰州站为例,应用SNHT方法对该站的气候资料序列进行均一性检验,首先对降水、平均气温、最高气温、最低气温、平均风速和日照时数几个气象要素进行非均一性检验,然后根据历史台站沿革等元数据信息进行原因分析。结果表明,兰州站平均风速资料与其邻站相关系数低,未通过显著性检验。降水、气温、最高气温、最低气温、日照与邻站的相关系数都达到99％的显著水平,且都存在不均一性,其原因主要有台站的迁移、仪器的更换、统计方法的变化以及城市热岛效应等,完整详细的元数据信息是均一性研究的重要基础。     

贵州岩溶水充水矿井涌水量预测探讨

贵州绝大多数煤矿井是以岩溶水充水为主，矿井排水量与大气降水密切，地面塌陷与淹井事故也屡见不鲜，因此矿井涌水量预测是个非常复杂的问题，作者根据在本地工作的多年工作经验，介绍了一种适用的简易的矿井涌水量与突水量计算方法。     

试论天然半导体矿物的热电特性及其在地震预测中应用的可能性

本文基于半导体矿物热电特性的基本理论,通过大量科学研究成果之间客观联系的分析,论证了天然半导体矿物热电特性与地震预测的关系.结果表明,地壳内广泛存在天然半导体矿物,且绝大多数天然半导体矿物具有热电特性.孕震过程产生梯度热场时,会激发周围热电介质产生热电势,热电势的积累对孕震区电场具有一定的干扰效应,这种干扰效应可作为地震预测的信息源之一.另外,从成矿带和地震带之间的空间关系分析,可以认为天然半导体矿物的集中分布与地震活动带相一致.上述结论对深刻理解地震地电异常机理有重要的意义.     

中国近海新生代盆地构造差异性演化及油气勘探方向

中国近海处于欧亚、印度-澳大利亚及太平洋三大板块的交汇地带,其盆地形成与演化受控于洋、陆板块的相互作用,区域构造背景对盆地形成和演化起到了重要的作用,并由此导致了中国近海盆地显著的分段性和差异性演化特征。渤海海域、北黄海至南黄海盆地属于陆内裂陷型盆地;东海海域为活动大陆边缘弧后裂陷型盆地;珠江口盆地和琼东南盆地为被动大陆边缘型盆地;莺歌海海域为转换大陆边缘型盆地。受此影响,油气分布有明显的分段分区性,渤海—南黄海陆内盆地以成油为主,东海弧后盆地以成气为主,南海北部大陆边缘北部成油、南部成气,莺歌海转换盆地以成气为主。中国近海未来的找油领域主要在渤海、珠江口盆地北部和北部湾盆地;找气领域主要在东海盆地、南海北部深水区和莺歌海盆地6大领域。     

硅酸盐固溶体矿物中组分的韵律型空间分布及形成过程中的时-空自组织

本文根据熔体聚合模型和正规溶液模型,建立了非平衡条件下,在二组分硅酸盐熔体固结过程中的非平衡非理想界面反应的非线性动力学模型:对上式进行数值模拟表明,当W/RT<-2时,有三重态,并通过建立界面状态(组成)的质量守恒方程,合理地说明了硅酸盐固溶体矿物韵律结构形成的可能机理之一,寻找界面反应三重态是研究固溶体矿物韵律结构的一条相当普遍的途径。     

2008年“7.02”滇中大暴雨的成因诊断与数值模拟

利用常规观测、NCEP 1°×1°再分析资料、云图、多普勒雷达回波和WRF模式对2008年7月2日滇中大暴雨进行成因诊断和数值模拟。结果表明:对流层高层的干侵入和中低层冷、暖平流交汇诱发副热带高压和滇缅高压间辐合低涡迅猛发展成强中尺度对流辐合体,加上中低层来自孟加拉湾的丰富水汽输送和中低层强水汽辐合共同引发此次大暴雨。过程中,垂直螺旋度贡献主要在中层;干位涡呈现出对流层顶强正高位涡,300 hPa以下为次正高位涡,两者之间为负区的柱状分布特征,次正高位涡强中心有向下层延伸特征。WRF较好地模拟了整个大暴雨过程中强降水主体时段和大暴雨落区特点,最大对流有效位能变化趋势对强降水有较好预示作用,模拟方案在积分30小时内效果较好。     

地面资料在侦测暴雨天气过程中的应用

利用地面常规观测资料和自动站加密温度资料以及卫星云图资料,分析了2005年7月6—7日和7月9—10日发生在江淮流域及其附近的两次暴雨过程的地面要素分布特征,发现强降水带分布在非锋性斜压带和斜压槽附近。然后利用NCEP再分析资料,用第二类热成风螺旋度和非地转湿矢量诊断解释了非锋性斜压带和斜压槽产生强降水的动力机制,结果表明在地面非锋性斜压带和斜压槽处易发生锋生和斜压现象,从而诱发强降水。     

夏季亚洲对流层中上层温度年际变率的预测水平评估及其在我国东部降水预测中的应用

夏季亚洲对流层温度异常与中国东部夏季降水紧密相关并可能作为降水的有效预报因子。基于欧盟ENSEMBLES计划的季节预测试验耦合模式每年5月1日开始的回报试验，分析了其对1960～2005年夏季亚洲对流层中上层温度（以200～500 hPa厚度替代，简称对流层温度）年际变率的预测结果，发现模式集合平均对夏季亚洲对流层温度年际变率具有较高的预报技巧，可以合理回报其前两个EOF（Empirical Orthogonal Function）主导模态（EOF1、EOF2），只是未能回报出EOF2高纬度的温度异常，模式集合平均预测的第一模态主成分（PC1）和第二模态主成分（PC2）与再分析资料的时间相关系数分别达到0.63和0.77。再分析资料中前两个EOF模态分别由ENSO（El Ni?o–Southern Oscillation）发展年印度夏季降水异常所激发的丝绸之路遥相关波列和ENSO衰减年西北太平洋夏季降水异常对应的太平洋—日本遥相关波列导致。ENSEMBLES计划可以合理预测出相应的海温异常及遥相关波列，进而合理预测出前两个EOF模态。对流层温度PC1和PC2分别表征了欧亚大陆与周围海洋之间的纬向和经向热力对比异常，模式对由PC1的预报技巧远高于前人定义的纬向热力对比的东亚夏季风指数，对前人定义的经向热力对比指数的预测技巧与PC2相当。将PC1和前人定义的经向热力对比指数作为预报因子，建立了中国夏季降水的动力—统计降尺度预测模型，交叉检验的结果表明该预报模型显著提高了东北和长江流域上游夏季降水的预报技巧。本文提出的亚洲对流层温度年际变率的EOF1及PC1，既能较好表征纬向热力对比与中国东部夏季降水显著相关，又能被模式合理预测，可以作为我国中高纬度地区，特别是东北地区降水的重要预测因子之一。     

A New Strategy for Solving a Class of Constrained Nonlinear Optimization Problems Related to Weather and Climate Predictability

There are three common types of predictability problems in weather and climate, which each involve different constrained nonlinear optimization problems: the lower bound of maximum predictable time, the upper bound of maximum prediction error, and the lower bound of maximum allowable initial error and parameter error. Highly efficient algorithms have been developed to solve the second optimization problem. And this optimization problem can be used in realistic models for weather and climate to study the upper bound of the maximum prediction error. Although a filtering strategy has been adopted to solve the other two problems, direct solutions are very time-consuming even for a very simple model, which therefore limits the applicability of these two predictability problems in realistic models. In this paper, a new strategy is designed to solve these problems, involving the use of the existing highly efficient algorithms for the second predictability problem in particular. Furthermore, a series of comparisons between the older filtering strategy and the new method are performed. It is demonstrated that the new strategy not only outputs the same results as the old one, but is also more computationally efficient. This would suggest that it is possible to study the predictability problems associated with these two nonlinear optimization problems in realistic forecast models of weather or climate.