使用水块混合层模式模拟上层海洋的季节变化

使用块体混合层模式对一个固定海洋观测站所测的上层海洋之物理特性进行了模拟，结果发现了难以重复观测到的许多物理特征。文章提出了水块混合层模式，着重模拟了扩展湾流体系（ＥＧＳＳ）中的一个水块，在它被海流从佛罗里达海峡（２４°Ｎ，８０°Ｗ）带到挪威海（６８°Ｎ，１０°Ｅ）的过程中，其物理特性（其中包括温度、盐度、混合层深度和夹卷速度）随时间的变化。模拟结果较好地再现了所观测的物理特性的演化。     

季节内SST和混合层深度变化的模式研究

用Niiler—Kraus类型的混合层积分模式,对TOGA—COARE强化观测期间由《实验3号》科学考察船观测资料得到的混合层深度和SST在季节内时间尺度的变化进行了模式研究。指出:1.混合层耗散参数与较长时间尺度过程风应力的变化存在着比较好的对应关系;2.模式可以较好的对风场和热通量场在季节内时间尺度的变化作出响应,模拟出季节内时间尺度SST的变化;3.Niiler,-Kraus模式在考虑耗散作用后,可用于海洋季节内时间尺度变化的模式研究。     

使用水块混合层模式模拟上层海洋的季节变化

使用块体混合模式对一个固定海洋观测站所测的上层海洋之物理特性进行了模拟，结果发出了难以重复观测到的许多物理特征。文章提出了水块混合层模式，着重模拟了扩展湾流体系中的一个水块，在它被海流从佛罗里达海峡带到挪威海的过程中，其物理特性（其中包括温度、盐度、混合层深度和夹卷速度）随时间的变化，模拟结果较好地再现了所观测的物理特性的演化。     

改进的切线性模式对一个边界层模式变分资料同化的改善

大气、海洋中边界层物理过程的强非线性会对切线性模式近似（尤其是当积分时间长时）有较大的影响，从而给相应的4维变分资料同化问题的求解造成困难。本构造了Mellor-Yamada湍流封闭模式（level 2.5)的一个改进的切线性模式，相比通常的切线性模式和简化的切线性模式可以提高对非线性扰动的逼近。利用这个改进的切线性模式的伴随模式分别进行了1到7天的变分资料同化试验，得到了满意的结果。而用通常的伴随模式和简化的伴随模式都无法得到令人满意的结果。     

风能资源数值模拟评估的分型方法研究北大核心CSCD

为了实现时间跨度较长(20—30年)的风能资源数值模拟评估,建立了一种新的分型方案,采用地面和探空观测资料,以风速、风向和最大混合层高度作为分型因子,针对每种类型随机抽取5%的日数进行真实算例的数值模拟。根据中国所有地区典型日的平均风能参数和30年观测平均结果的对比分析,得出以下结论:(1)中国所有分型站点挑选典型日的平均风速与30年平均风速的绝对误差均小于0.10 m/s,相对误差均低于6.50%;挑选典型日各风向频率值与30年结果的绝对误差平均值为0.28%—0.48%,风速频率绝对误差的平均值为0.09%—0.54%。(2)通过模拟区域分型站点以外探空气象站的风向频率和风速频率的对比检验发现:沿海地区风向频率绝对误差为0.27%—0.63%,风速频率绝对误差为0.14%—0.49%;内陆复杂山地风向频率绝对误差基本在0.57%以下,风速频率绝对误差为0.22%—0.60%;结果表明选取一个分型站点能够代表整个模拟区域内的风能资源特性。(3)根据沿海和内陆山地模拟区域重合范围内的探空站分型结果对比分析发现:对于模拟区域重合范围内的探空站,采用所有模拟区域分型站典型日结果加权平均后的风能参数对比误差大大低于各自模拟区域分型站点的对比误差。     

杭州地区2015年PM2.5浓度时空变化特征分析

在2015年杭州地区11个地面观测站PM2.5质量浓度监测数据的基础上,结合MOD04_3K AOT产品,建立了利用AOT反演近地面PM2.5质量浓度的模型.利用实测和遥感反演数据共同分析了杭州市PM2.5质量浓度时空变化特征.分析结果表明,PM2.5质量浓度分布的日变化特征为:在杭州市中心城区,冬季、春季及秋季都存在典型的双峰变化,冬季、春季的峰值出现在9:00-12:00,秋季峰值出现在6:00-9:00;夏季表现出夜间浓度高于白天的特征.PM2.5质量浓度分布的季节性变化特征为:冬季＞春季＞秋季＞夏季.PM2.5质量浓度的空间分布格局为:杭州地区东北区域的浓度明显高于其他区域;杭州—富阳—桐庐沿线、杭州—临安沿线PM2.5质量浓度存在高浓度的分布条带,PM2.5质量浓度的空间分布与城镇化的格局相似.PM2.5质量浓度空间分布与地形和植被指数呈负相关,春季地形和植被指数对PM2.5浓度分布的抑制影响最大.     

汕头市PM2.5的气象要素影响分析及预报研究

利用2014—2017年汕头市PM_2.5的日浓度资料、以及汕头市国家基准气象观测站的同期地面气象资料,重点分析了汕头市PM_2.5浓度的变化特征以及风、混合层厚度、降水等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因。在此基础上,根据汕头市的气候特点,采用BP （Back-Propagation）人工神经网络方法针对汛期和非汛期分别建立了PM_2.5质量浓度预报模型。结果表明：与多数内陆城市不同,汕头市PM_2.5浓度日变化为单峰型,这与汕头地处沿海受海陆风影响有关;PM_2.5浓度日峰值出现在08时左右,除早高峰污染物排放增加的因素外,与早晨时段的低风速环境有关;PM_2.5日均浓度随着风速的增大呈现减小趋势,PM_2.5日均浓度与08时混合层厚度显著相关（相关系数为-0.143）;汕头市非汛期PM_2.5浓度比汛期高,这与汕头市的亚热带季风气候特征有关,汛期各量级降水（暴雨以上除外）对PM_2.5的清除效果无明显差别,而非汛期降水对PM_2.5浓度有明显清除作用;BP人工神经网络模型的预报效果表明,汛期和非汛期的PM_2.5级别命中率TS分别为100%和90.3%,准确指数分别为87.7%和89.9%,总体预报效果良好。不同时期预报模型出现正误差的数量和程度均大于负误差,汛期预报模型在有强降水发生时误差较大,而非汛期预报模型在有冷空气入侵时误差较大。     

气象因素对汕头市大气O3污染的影响

利用2014年到2016年汕头市O_3的逐日浓度资料,分析了O_3污染的时间变化特征,并结合汕头市国家基准气象观测站的同期地面气象资料,分析了风、混合层厚度、降水、大气环流等气象因素对O_3污染的影响,同时探讨了影响污染物浓度变化的原因。结果表明:不同于北方多数城市夏季O_3污染严重,汕头市的O_3污染秋季(9—11月)最严重,初夏(6月)污染较小,这与汕头的地理位置和气候条件有关。O_3浓度呈单峰型日变化,午后15:00左右浓度最高,夜间浓度较低。风速对O_3既有扩散作用,又有混合作用,当日均风速为1.7 m/s时O_3的平均浓度最大;O_3日均浓度与14时混合层厚度呈显著正相关,午后混合层厚度对O_3日内峰值有很大影响;O_3平均浓度在相对湿度60%时达到最大,高相对湿度不利于O_3体积分数的积累;降水对O_3的去除效果随着降水量级的增大而增大,汛期降水的去除效果与总体去除效果基本一致,而非汛期强降水(中雨以上)去除效果更加显著;出现轻雾时O_3浓度接近平均,出现霾时O_3浓度较高,出现大雾时不利于O_3的生成;当汕头市地面为冷高压脊、850 hPa为东北风场、500 hPa为副热带高压控制时,有利于光化学反应,易造成O_3污染。     

2018年常州一次罕见持续性雾-霾天气分析

利用常规气象观测资料、探空资料、污染物浓度及AQI资料、NCEP再分析资料等,对2018年11月24日至12月3日夜间常州持续11 d的强浓雾和严重霾天气过程进行了分析。结果表明：（1）此次雾-霾过程持续时间长、范围广、强度大、污染重。（2）中纬度地区高层持续纬向环流控制、中低层暖脊稳定存在,地面持续受均压场或弱倒槽顶部、弱冷锋前部影响,是这次持续性雾-霾过程的重要天气条件。（3）边界层内弱辐散、负涡度及弱的下沉气流是此次雾-霾天气得以长时间维持、发展的动力因子。近地层长时间水汽饱和且维持小风速利于雾-霾的长时间维持。（4）近地面高强度的贴地逆温长时间维持和持续较低的混合层高度是此次雾-霾形成、发展和长时间维持的重要热力条件。雾比霾的平均混合层高度明显偏低且霾等级越高混合层高度越低,混合层高度的变化先于能见度变化,对雾-霾临近预警有较好的指导作用。（5）弱冷空气渗透、风速适当增加、混合层高度的先期快速下降、负净辐射曝辐量绝对值的明显增大是雾爆发性增强的主要原因。     

一种海洋混合层深度的智能识别方法研究

文章提出了一种识别混合层深度的人工智能方法。该方法在温度(密度)与压强(或深度)间建立线性模型, 并且将其系数和方差做成一组表征廓线特征的统计量。初始时为模型设定一个主观的先验分布, 在一个自海表向下移动的窗口内通过贝叶斯链式法则和最小描述长度原理学习新数据, 得到系数均值的最大后验概率估计。用F-检验识别系数发生突变的位置, 以此确定混合层的存在性及其深度。通过2017年2月太平洋海域的地转海洋学实时观测阵(Array for Real-time Geostrophic Oceanography, ARGO)数据进行测试, 并且以质量因子(Quality Index, QI)值作为判断识别混合层深度结果准确性的依据, 发现该方法相比于梯度法、阈值法、混合法、相对变化法、最大角度法和最优线性插值法在识别结果上具备更大的QI值。表明该方法能够准确识别混合层深度。