1997∽1998年厄尔尼诺事件的特征、成因及对气候的影响

1997年爆发了20世纪以来最强的一次厄尔尼诺事件。此次ElNin～o事件的发生,与赤道中、西太平洋地区大气季节内振荡(ISO)在1996年冬到1997年春的异常增强有重要关系。西太平洋暖池次表层海温(SOT)正距平沿温跃层东传到赤道东太平洋并向海洋表层扩展是ElNin～o事件爆发的直接原因。1997～1998年的ElNin～o事件爆发后,引起全球大气环流和世界许多地区的气候异常,导致一些国家和地区多雨洪涝,另外一些国家和地区高温少雨和严重干旱。     

车由岛附近海域营养盐分布特征

由于车由岛周海域水比较浅，上下层混合得比较充分，营养盐的垂直分布较均匀，但在水平方向上差别较大。各种营养盐受生物活动、降雨和陆地经流的影响，有明显的季节变化。活性磷、硝酸盐和亚硝酸盐的浓度在冬季最高，春季最低；氨氮和活性硅的浓度则相反，夏季最高，秋季最低。     

东海和黄海环流的季节性变化

东海和黄海是世界上最发育的陆架之一．由于该地区的水浅，以致表面热传递和风力大的季节变化可以影响水体环流，因此，其环流的季节性变化很大。定量地阐明东海和黄海水体环流的季节变化，可为讨论该边缘海中的物质迁移提供依据。     

小城镇街道灰尘中氮磷含量研究

以上海市的枫泾镇(FJ)、松江新城(SJ)和朱家角镇(ZJJ)为例,研究了小城镇街道灰尘中氮磷的含量水平和分布特征,结果表明:小城镇街道灰尘中总无机氮的含量为11.9-1040.6μg/g,平均含量为117.5.μg/g;可溶磷的含量为15.8～65.8μg/g,平均含量为48.7μg/g;各小城镇街道灰尘中的氮磷含量表现为:FJ＞ZJJ＞SJ.各小城镇街道灰尘中氮磷含量的空同分布差异较大,位于城镇中心和风景区内采样点的氮磷含量明显较高,而城镇周边乡村地区含量较低.对各小城镇街道灰尘氮磷含量的季节变化分析表明,秋季小城镇街道灰尘中氮磷的含量明显高于冬季和夏季,温度、降雨量可能是其季节变化的主要影响因子.     

东经120°E中间层和低热层大气潮汐及其季节变化特征

利用为期一年的卫星遥感温度(SABER/TIMED)资料重建了120°E子午圈内中间层和低热层大气潮汐各主要频率分量(周日、半日和8小时潮汐).这些主要频率分量随高度振幅增大,在97km高度达到显著的振幅;其中迁移性周日潮汐在97km高度出现极大振幅,然后随高度衰减.本文从考察迁移性成分和非迁移性成分各自在总潮汐中贡献角度出发,着重讨论了那些对形成该子午圈中97km高度上整体潮汐扰动起控制作用的潮汐成分.结果显示,对周日和半日频率这两种潮汐而言,迁移性成分控制了它们的总体时空分布.在春分季节,迁移性周日潮的控制作用最显著,决定了赤道和两半球热带的活动中心;其中北半球副热带地区的季节变化形势与以往利用武汉(30°N,114°E)流星雷达风测量资料开展分析得到的结果是一致的;其他季节受非迁移性成分明显影响,例如,在本文关注的2005年中,夏至季节受(1,0)模、(1,-3)模和(1,-2)模的共同影响形成了从赤道向南延伸的活动中心,极值中心位于赤道附近,振幅达到了20K以上,是全年的最大值.受迁移性成分控制,半日潮活动主要出现在两半球热带地区,北半球活动中心位于秋分季节(振幅达到13K),南半球活动中心位于春分和夏至之间.其他季节受非迁移成分的影响,形成若干分布在两半球的活动中心.在本文关注的40°S~40°N范围内,与周日潮和半日潮相比,8小时潮汐具有显著较低的振幅;另外,虽然迁移性成分在一年中的大部分时间系统地分布在两半球热带地区,但是非迁移成分具有与迁移性成分相当或更大的振幅,在整体上控制了这种潮汐的时空分布.     

27.3及13.6 d周期的大气潮

对比分析了25 a (1973~1998年)的日长(Length of day, 以下简称LOD)、大气环流及月球相位随时间的变化. 发现伴随着月球相位的交替变化, 地球大气的纬向风速场、地球位势高度场及LOD作27.3及13.6 d的周期振荡. 每5~9 d (平均6.8 d), 随着月球视赤纬角从0°变为最大值(绝对值)或从最大值变为0°, 全球纬向风速场、地球位势高度场及LOD经历一次突然变化. 这种周期性的大气振荡, 被视为一种大气潮. 对比月球视赤纬角变化及与其对应的LOD、大气纬向风速场及地球位势高度场变化, 分析了10个大气潮个例. 月球对地球大气引潮力作用的周期变化, 是引发27.3及13.6 d周期大气潮的主要原因. 月球对地球大气的作用是巨大的, 它引起大气纬向风速场及地球位势高度场的变化. 当月球围绕地球运转至天赤道上空时, 月球视赤纬角等于0°, 这时月球对大气的引潮力最大, 大气的纬向风速增加, 地球的自转角速度减小, 日长(LOD)增加. 反之, 当月球视赤纬角最大(绝对值), 月球对大气的引潮力减小, 大气纬向风速减小, 地球的自转角速度增加, LOD减小. 27.3及13.6 d周期的大气潮值得更深入地研究. 月球对地球大气的引潮力作用, 应该在大气环流及中短期天气预报模式中予以考虑.     

卫星Tbb资料揭示的夏季南中国海对流的变化特征

利用日本气象研究厅提供的1980年到1997年共18年3h一次的Tbb资料,计算夏季南中国海Tbb多年候平均值,采用研究多年候平均的Tbb≤-10C低值带的变化特征,来研究夏季南中国海对流活动的季节变化特征,揭示对流什么时候开始影响三亚飞行情报区和三亚飞行情报区哪块区域受对流影响最大.结果表明南海夏季对流在6月2候开始活跃,即三亚飞行情报区东南部对流开始活跃;6月5候、7月6候、8月4候对流活动对三亚飞行情报区东南部影响极大;南海对流活动具有明显的区域权重性,对流活动主要在南海东南部海面上,对三亚飞行情报区东南部影响较大;对流强度有明显的月内振荡;对流活动区域呈明显东西向振荡.     

北京大气甲烷季变化及发展趋势

近年来北京大气中CH4含量仍在上升,但平均增长率已从1985～1989年的1.76%.a-1,下降到1990～1997年的0.50%.a-1;冬季和夏季两次出现峰值,表现出明显的双峰模态季节变化。但北京大气CH4变化的最大特点是年际季变化不均一,12年中,北京大气CH4共计增长185×10-9混和体积比,其中冬季增长的贡献为69×10-9混和体积比,约占总增长的37%;而夏季的增长贡献不足40×10-9混和体积比,约占总增长的21%。90年代以后,北京大气CH4增长率进一步减慢,主要原因是生物源排放不再增加,而非生物源排放量的增长是大气CH4继续增长的主要原因。     

试对壶关县气象局"03.6.2"雷击事故作简要分析

1雷击情况2003年6月2日下午,一场暴雨袭击了壶关县城,2h降小量达70m m,造成县部分居民家中进水,学校被淹。与此同时,强雷暴伴随着暴雨,剧烈的雷声连续不断,忽然一声巨响,壶关县气象局观测员跌到在地,顿时全身无力,心跳加快,片刻后站起来,1h以后身体状况才恢复正常。事后发现,一     

A Short-Term Climate Prediction Model Based on a Modular Fuzzy Neural Network

In terms of the modular fuzzy neural network (MFNN) combining fuzzy c-mean (FCM) cluster and single-layer neural network, a short-term climate prediction model is developed. It is found from modeling results that the MFNN model for short-term climate prediction has advantages of simple structure, no hidden layer and stable network parameters because of the assembling of sound functions of the selfadaptive learning, association and fuzzy information processing of fuzzy mathematics and neural network methods. The case computational results of Guangxi flood season (JJA) rainfall show that the mean absolute error (MAE) and mean relative error (MRE) of the prediction during 1998 2002 are 68.8 mm and 9.78%, and in comparison with the regression method, under the conditions of the same predictors and period they are 97.8 mm and 12.28% respectively. Furthermore, it is also found from the stability analysis of the modular model that the change of the prediction results of independent samples with training times in the stably convergent interval of the model is less than 1.3 mm. The obvious oscillation phenomenon of prediction results with training times, such as in the common back-propagation neural network (BPNN) model, does not occur, indicating a better practical application potential of the MFNN model.