页岩气水平井TOC测井评价新方法

由于存在地层缺失、井眼穿层不断变化、重点层段测井曲线较少、井眼环境复杂、测井响应值与储层参数关系较为复杂等特点,页岩气储层水平井测井解释难度较大.针对该问题,本文采用“水平井钻遇地层模型—水平井间及水平井与直井响应差异分析—水平井曲线校正—基于直井的参数评价模型”的评价技术流程,进行页岩气水平井TOC测井评价.在测井评...     

FY-4A数据在2021年1月6—8日寒潮监测中应用

基于静止气象卫星图像解译理论和位涡理论,应用FY-4A水汽图像、干涉式大气垂直探测仪（GIIRS）产品和欧洲中心第五代大气再分析资料（ERA5）对2021年1月6—8日我国中东部地区寒潮天气进行分析。结果表明：高空冷涡和地面冷高压是影响此次寒潮天气的主要影响系统,冷空气5日08:00从贝加尔湖南部向东、向南加强发展,8日20:00 减弱;对比FY-4A/GIIRS与ERA5 850 hPa 24 h变温数据发现：两种数据反映的对流层低层冷空气东移南下特征和正负变温区域分布特征基本一致,FY-4A/GIIRS 850 hPa 24 h负变温中心和0℃等变温线的位置与ERA5数据接近,FY-4A/GIIRS 850 hPa 24 h变温中心值强度略大于ERA5。水汽图像暗区变暗附近的高层位涡的增加激发高层气旋性环流后侧下沉运动增强,干空气下沉造成了地面高压增强;500 hPa冷涡中心附近绝对涡度增加是引起冷空气增强的原因之一;冷空气急剧增强时段,中低层位涡的加大引起地面冷空气堆积,寒潮增强。FY-4A/GIIRS温度产品反映的冷空气移动特征与位涡理论对冷空气增强原因分析结果一致,说明应用FY-4A/GIIRS温度产品能够有效监测分析寒潮冷空气演变特征。     

基于注意力机制与自适应时序分解的气温预报模型

针对传统方法在捕捉气象序列长期依赖关系及泛化性能上的不足,提出了一种基于稀疏注意力与自适应时序分解的气温预报模型（ATFSAS）。该模型整体采用编码器 解码器架构,结合稀疏注意力机制以有效捕捉气象观测数据间的长期依赖性。为减少编码过程中造成的冗余,提出了一种信息蒸馏方法。通过结合多层解码器与自适应时序分解单元,逐步细化预报信号中的周期性和趋势性分量,实现了较为精准的气温预报。基于德国耶拿气象数据集,进行24 h精细化气温预报,其平均绝对误差为1.7108℃。基于中国地面气候资料日值数据集,进行中短期日平均气温预报和多地区单日平均气温预报,相比传统模型LSTM,ATFSAS模型预报结果的平均绝对误差分别提升了35.56%和23.66%。     

台风“摩羯”和“利奇马”经渤海强度变化特征分析

利用FY 4水汽云图、NCEP/FNL资料、自动站资料和ERA Interim海温资料,分析入海增强台风“摩羯”（1814）和入海减弱台风“利奇马”（1909）经过渤海强度变化特征。结论如下：台风“摩羯”中心入海增强过程伴随着中高层冷空气侵入,冷空气深入“摩羯”云系中心,台风强度减弱并逐渐消亡。台风“利奇马”入海前冷空气已经侵入台风中心,台风入海后强度减弱,暖心结构变得不对称,低层有清晰的斜压特征。“摩羯”入海前渤海上空为强辐散区,“利奇马”入海前渤海上空为弱辐合场,北上前进方向出现高空辐散有利于台风加强。台风登陆前垂直风切变与台风强度反位相分布,北上后台风垂直风切变与台风强度同位相分布。“摩羯”入海后水汽通道出现断裂,其入海增强更多依赖于热力条件和动力条件。“利奇马”水汽通量和水汽通量散度源于自身环流的贡献。台风“摩羯”入海后潜热加热率激增,“利奇马”低层维持弱潜热加热直至台风消亡。     

四川盆地东部再生稻高温伏旱区腋芽萌发期气象适宜度

以四川盆地东部再生稻高温伏旱区为研究区,基于气象条件对腋芽萌发期再生稻生长发育的影响机理,采用结构方程模型探明了腋芽萌发的影响因素、影响路径及影响强度。进一步结合隶属函数和层次分析法,构建了再生稻腋芽萌发气象适宜度模型,并分析了1981—2021年研究区腋芽萌发期气象影响因素及气象适宜度的变化特征。结果表明：气温、空气湿度、降水是四川盆地东部再生稻高温伏旱区腋芽萌发的关键影响因素,基于以上因素的气象适宜度模型能较好地评价再生稻腋芽萌发期的气象影响。1981—2021年研究区气温适宜度、空气湿度适宜度及综合气象适宜度均呈下降趋势,降水适宜度没有表现出明显的变化趋势。气温适宜度、空气湿度适宜度及综合气象适宜度总体呈“西高东低”的空间分布特征,降水适宜度则表现为“东西高、中部低”。1981—2021年研究区气温上升趋势与空气湿度下降趋势显著,导致致害高温（日平均气温≥32℃）积温和致害低湿（日平均相对湿度≤65％）日数明显增加,这是再生稻腋芽萌发期气象适宜度总体呈下降趋势的诱因。     

5月南极涛动对青藏高原西部夏季气温影响的诊断分析

青藏高原是全球气候变暖最敏感的地区之一,是北半球夏季最大的热源,其气候响应受到广泛关注。然而,有关南极涛动与青藏高原夏季气温的关系和机理知之甚少。为了研究南极涛动与青藏高原夏季气温的关系,基于1979—2020年英国东安哥拉大学气候研究中心（CRU）的逐月气温、美国国家海洋和大气管理局（NOAA）的逐月海表面温度和大气环流再分析数据以及南极涛动指数等数据,采用相关、回归、合成分析等方法进行研究。结果表明,北半球夏季青藏高原西部气温与5月南极涛动存在显著负相关,即当5月南极涛动异常偏弱时,夏季青藏高原西部气温异常偏高。其影响过程为,南极涛动为正位相时,在南印度洋中高纬地区出现“负-正-负”的经向“三极子”海温模态,该模态可持续到夏季,在印度洋形成异常的纬向-垂直环流,相应在热带西印度洋和东印度洋-海洋性大陆之间的降水异常导致热带正“偶极子”降水模态,通过该降水模态在青藏高原西部引起异常反气旋环流和下沉运动,有利于高原西部气温偏高。研究结果显示,海洋的热惯性在“延长”南极涛动影响过程中起着重要的桥梁作用,可为青藏高原夏季气温预测提供科学依据。     

基于组合统计降尺度的华西南部地区冬季气温预测技术研究

利用1982—2017年华西南部地区冬季气温和NCEP再分析资料以及CFS模式实时预测资料,通过SVD诊断分析,选取影响华西南部地区冬季气温的同期关键区大气环流和前期海温及OLR因子场,建立预测与观测场相结合的组合统计降尺度预测模型。该统计降尺度预测模型对1982—2017年的回报结果显示：与观测场的空间相关系数较CFS模式原始预测结果有显著提高,多年均值从-0.06提升到0.38,最高可达0.85。同时,此降尺度预测模型可较好地回报出华西南区冬季气温的空间分布型。     

基于机器学习的格点气温预报订正方法

使用2017年9月至2021年3月国家级业务化运行的智能网格实况分析产品和欧洲中期天气预报中心全球模式(EC)产品,根据湖北省的地理分布特征构建6个分区,采用基于LightGBM机器学习算法建立的气温预报方法,生成湖北省0.05°×0.05°格点气温预报产品。利用2021年4—9月的预报产品和格点实况资料进行检验,结果表明:基于机器学习的气温预报方法(MLT)取得了较好的预报效果,其在0～72 h时效内优于中央气象台下发的气温精细化指导预报(SCMOC)和EC产品;MLT在山区的误差较平原大,但山区的订正幅度大于平原,日最高气温的订正幅度大于日最低气温的订正幅度;4—9月MLT、SCMOC、EC产品的平均绝对误差(MAE)日变化都呈现了白天偏高、夜间偏低、午后凸起的单峰特征,MLT的MAE值较SCMOC和EC产品的更低,并且在转折性天气中仍具有优势;站点检验与格点检验结论一致,基于格点建模的气温预报产品对站点预报同样得到了订正。机器学习在格点气温的模式订正方面可以作为一个行之有效的手段。     

A simple model to estimate monthly forest evapotranspiration in Japan from monthly temperature

The estimation of evapotranspiration (E) in forested areas is required for various practical purposes (e.g. evaluation of drought risks) in Japan. This study developed a model that estimates monthly forest E in Japan with the input of monthly temperature (T). The model is based on the assumptions that E equals the equilibrium evaporation rate (E_eq) and that E_eq is approximated by a function of T. The model formulates E as E (mm month⁻¹) = 3·48 T ( °C) + 32·3. The accuracy of the model was examined using monthly E data derived using short‐term water balance (WB) and micrometeorological (M) methods for 15 forest sites in Japan. The model estimated monthly E more accurately than did the Thornthwaite and Hamon equations according to regression analysis of the estimated E and E derived using the WB and M methods. Although the model tended to overestimate monthly E, the overestimation could be reduced by considering the effect of precipitation on E. As T data are commonly available all over Japan, the model would be a useful tool to estimate forest E in Japan. Copyright © 2010 John Wiley & Sons, Ltd.