加拿大主要农田作物临界气象指标

根据加拿大主要农田作物生长发育对天气与气候条件的要求、农业气象学与气候学原理以及全球气候变化对农作物生产的影响和发展趋势,选择6个关键性气象因素(极端气温、强降水、强风、冷冻、土壤极端水分和作物生产有效热能条件),开发和评价12个农业气象临界指标(寒潮及热浪天数、日及旬最大降水量、日最大风速、强风天数、无霜期及冰冻期天数、标准降水系数、季节性水分亏缺、作物生长有效积温和累积热能单位).这些指标可供在该国各农产区科学规划和合理发展各类农田作物生产,包括喜暖性和喜凉性一年生草本作物,越冬性二年生及多年生草本及木本作物.该研究还依据该国这三类主要农田作物对临界温度和水分的需求,以及加拿大农田作物生长期和越冬期的天气和气候特征,建立了在任意农业生产年份中各类农田作物生长起始和终止日期的模式.本研究结果能用于指导该国将来在不同农产区适地适时种植适宜的农田作物和高效地经营与管理农场,同时可为农业生产咨询、政策制定和合理决策提供科学依据,也可供其他国家或地区开展类似的科学研究参考.     

南通地区暴雪的天气条件对比分析

通过对20世纪50年代以来南通地区的四次暴雪过程的分析，试从环流形势的配置、强度及物理量场特征上，找出具有共性的暴雪的指标，以供预报参考。     

Ensemble retrieval of atmospheric temperature profiles from AIRS

ABSTRACT Satellite-based observations provide great opportunities for improving weather forecasting. Physical retrieval of atmo spheric profiles from satellite observations is sensitive to the uncertainty of the first guess and other factors. In order to improve the accuracy of the physical retrieval, an ensemble methodology was developed with an emphasis on perturbing the first guess. In the methodology, a normal probability density function （PDF） is used to select the optimal profile from the ensemble retrievals. The ensemble retrieval algorithm contains four steps： （1） regression retrieval for original first guess; （2） perturbation of the original first guess to generate new first guesses （ensemble first guesses）; （3） using the ensemble first guesses and nonlinear iterative physical retrieval to generate ensemble physical results; and （4） the final optimal profile is selected from the ensemble physical results by using PDE Temperature eigenvectors （EVs） were used to generate the pertur- bation and generate the ensemble first guess. Compared with the regular temperature profile retrievals from the Atmospheric InfraRed Sounder （AIRS）, the ensemble retrievals RMSE of temperature profiles selected by the PDF was reduced between 150 and 320 hPa and below 400 hPa, with a maximum improvement of 0.3 K at 400 hPa. The bias was also reduced in many layers, with a maximum improvement of 0.69 K at 460 hPa. The combined optimal （CombOpt） profile and a mean optimal （MeanOpt） profile of all ensemble physical results were improved below 150 hPa. The MeanOpt profile was better than the CombOpt profile, and was regarded as the final optimal （FinOpt） profile. This study lays the foundation for improving temperature retrievals from hyper-spectral infrared radiance measurements.     

基于探空资料因子组合分析方法的冰雹预报

以1978—2007年四川省宜宾探空站200 km范围内共45例降雹事件与非降雹事件作为时间样本,将利用T-lnp探空资料计算表征热力、动力、水汽条件、温度、高度等物理参数作为预报因子,采用因子组合分析方法对3244个预报因子进行筛选,找出影响宜宾探空站附近降雹的预报因子,并计算得到它们的阈值及组合关系,建立了冰雹预报指标判别式。两个主要因子为400 hPa饱和湿静力温度与850 hPa湿静力温度之差 (T_σ400*-T_σ850) 和400 hPa与地面垂直气压梯度之差 (G_z400-G_zsurface),两个条件因子为700 hPa水汽压与饱和水汽压之差 (e₇₀₀-e_s700) 和700 hPa露点温度与饱和湿静力温度之差 (T_d700-T_σ700*)。将2008年全年732例时次的T-lnp探空资料代入判别式进行试报,探测率为84%,空报率为67.7%,成功指数为30.4%,试报结果表明:基于探空资料因子组合分析方法得到的冰雹预报指标判别方法可行,具有一定准确性。     

基于随机重排去趋势波动分析的极端高温事件研究及其综合指标的建立

基于中国气象局公布的1961-2006年中国165个国际交换站无缺测的逐日平均气温资料,利用随机重排去趋势波动分析(S-DFA)方法,计算并分析了中国极端高温事件阈值的空间分布特征,并对S-DFA方法在实际资料中的应用进行了检验。从可预报性的角度给出了极端高温事件强度综合指标的定义。该综合指标将极端高温事件的发生频次和强度综合起来,兼顾不同地区各自特有的区域气候背景,进一步说明综合指标定义的合理性。基于极端高温事件综合指标的空间分布规律,将1961-2006年间中国极端高温事件分为4个不同等级的地区。极端高温事件综合指标在20世纪90年代初期之前一直保持平稳的波动变化,之后则一直处于上升之中,尤其是在90年代中后期开始迅速上升。     

漯河市夏季雷暴预报方法

利用1986－1995年6－8月气象资料,分析了出现雷暴的天气形势和单站气象要素,确定了产生雷暴的天气系统和预报指标。经过1996、1997年试报,预报准确率在83％以上,概括率在67％以上。     

基于作物旱度指标的农业干旱评价指标与模型研究

在广泛研究国内外农业干旱指标的基础上,首次提出"作物旱度指标I"t、"作物相对旱度指标Ir"t、"作物干旱强度指标Di"建立了广元市农业干旱评价指标和模式。当作物相对旱度指标Ir20≧0.6持续15天时发布农业干旱预警,为防旱治旱提供决策依据。     

江苏沿海对虾亲虾入室期规律分析及其预报

根据多年的生产试验,分析总结了江苏沿海对虾适宜入室的气象指标的分布特征以及不同地区最早、最适、最迟入室指标出现时间之间的相关性,并以射阳县、南通市为代表建立起预报方程,为江苏沿海做好亲虾入室的气象服务工作提供了理论依据和新的途径。     

广东灰霾天气预警指标及时空分布

霾,也称灰霾,香港澳门一带称之为烟霞,是指悬浮在大气中的大量微小尘粒、烟粒、硫酸与硫酸盐、硝酸与硝酸盐、有机碳氢化合物等化学物质微粒的非水成物组成,导致大气浑浊、视野模糊、水平能见度〈10km的气溶胶系统。目前我国有4个灰霾严重地区：黄淮海地区、长江河谷、四川盆地和珠江三角洲。     

气象、农业和水文干旱之间关联性分析

干旱具有发生频率高、持续时间长、波及范围广的特点。而干旱预报为科学地进行防旱抢险提供了决策支持。选取反映不同类型干旱的指标,即标准化降雨指标(SPI)、标准化土壤湿度指标(SSWI)和标准化径流指标(SRI),通过SWAT模型和带有时滞的灰色关联判断了各干旱之间的时滞。以陆浑水库控制流域为例进行了分析,结果表明:SWAT模型在该流域有很好的适用性,1975—2009年间发生各类干旱的次数在增加,且变率上从气象干旱、农业干旱到水文干旱有所增加,同时不同类型干旱之间表现出了一定的时滞关系,气象干旱对农业干旱的响应时间为1个月;水文干旱对气象干旱的响应时间为4个月;水文干旱对农业干旱的响应时间为2个月。