探测环境对北京气象站气温观测值的影响分析

为深入了解气象探测环境对气温观测数据的影响,利用2017年北京市观象台（54511）与南海子站（A1274）逐小时地面气象要素数据,分析两站气温差异以及因站点探测环境导致的日照、风速和降水对两站气温差异的影响。结果表明：2017年两站气温差异较明显,年平均气温54511站比A1274站高0.75℃;两站逐月平均气温54511站全年高于A1274站,两站差值7月最低为0.60℃,9月最高为1.09℃;两站平均日最高气温较接近,平均日最低气温差异较大,54511站较A1274站高1.24℃;两站气温的日变化特征相似,呈单峰分布,54511站气温日较差低于A1274站。两站小时气温差值随着日照时长和强度的增加而增加,短波辐射效应最强的10-14时和长波辐射效应最强的19-23时两站气温差值与当日白天直接辐射曝辐量的相关系数分别为0.459和0.601;水平风速对两站气温差值的影响较大。水平风速超过5 m·s^-1时,两站气温差小于0.1℃;当水平风速不超过1 m·s^-1时,两站观测气温差值达到1.28℃;降水天气下两站的气温差值小于非降水天气,出现降水时次54511站平均气温仅比A1274站高0.2℃。两站相距4.3 km,气候均一,测站周边2 km范围内建设用地占比54511站比A1274站高约30%,植被占比低28%,水体占比相差不大。另外,54511站附近的五环路具有低反射率和高热容的特征,白天能够吸收太阳辐射储存较多的热量,这些热量在夜间释放,可能是两站探测环境对太阳辐射吸收的差异决定了两站温差受太阳辐射和风速的影响较大,而受降水影响较小。     

潜江站迁站前后气候资料的均一性检验

利用湖北省潜江气象站和邻近的天门及仙桃两站1971-2009年39年气象资料,通过滑动T检验、M-K检验方法对气温资料的均一性作了检验。对比迁站前后气温等资料的变化表明,潜江站与相邻站同时期气象资料间存在部分差异。与相邻站相比,迁站前后潜江站气象要素中风向风速、气温和雾日有显著变化;迁站前受城市效应影响,潜江站部分风向...     

镇巴站址迁移前后主要气象要素对比分析

利用2016年1—12月镇巴国家基本气象站新站(以下简称新站)与旧站(以下简称旧站)平行观测资料,进行逐月对比分析并利用双样本等方差检验方法进行检验,结果表明:新站年平均气温比旧站低0.9℃,新站年平均气压比旧站低21.7 hPa,新站年平均相对湿度比旧站偏小1.8%,新站年平均风速比旧站大0.7 m/s;海拔高度差是造成新旧站温度、气压、风速差异的主要原因,下垫面性质的不同是造成相对湿度差异的主要原因;在使用新、旧站气温、气压、相对湿度数据时需要做好两站数据的均一性处理;新、旧站的风向、风速未显示出明显的相关性,资料均一性较差。     

惠东县气象观测站搬迁对气温和风要素的影响

利用惠东县气象观测站搬迁后新旧站第1年对比观测资料,1968～2007年惠东站的年平均气温和逐日定时观测的风速、风向资料及周围惠阳站和平潭站的观测资料,分析了惠东站搬迁对气温和风的影响.研究结果表明,惠东站搬迁对气温和风有严重影响,使年平均气温突然减小,年平均风速显著增加,风向频率发生显著变化,新站与旧站相比更能代表区域性的气温和风特征.     

阿克苏长序列气候资料分析及其均一性研究

选用阿克苏市气象站1954—2016年气候资料,分析63 a长序列观测资料发现,城市化对阿克苏市气温上升的贡献占到了3/4,平均气温以0.33℃/10 a的速度上升。1959年和2016年2次迁站,前一次造成了风速和相对湿度不连续,后一次造成了平均风速断点。2016年台站迁徙时新旧站年风向相符率仅有34.69%,两站风向一致性不理想。两次迁站年平均风速均显示出典型的干旱区台站迁徙特征,即新旧站差异较大,1959年迁站古鲁巴克村站年平均风速比空旷的机场小了近1/4;2016年迁站位于城市包围的旧站比位于空地的新站年平均风速小了1/3,因此,在做大型工程建设项目时需要对有城市化影响的风速资料进行校正处理方可使用。气温也显示出典型的干旱区台站迁徙的差异特征,即平均气温、最低气温差值在暖季空旷的地方比城市内高,而冷季相反。另外,2005年由人工观测改为自动观测使相对湿度产生了断点不能连续使用。对资料断点进行订正,订正后的长序列资料分布更为合理。     

气象参证站的选取对AERMOD模型结果的影响分析

选取南昌经济技术开发区规划大气环境影响预测工作为案例,分析了当选取不同气象参证站,输入同期两套不同的气象数据参数对AERMOD模型计算结果的影响,探究气象条件的差异对大气扩散的影响程度。分析结果表明,气象参证站的选取对大气环境影响预测的结果有较大的影响,使用两个距离相近的地面气象站进行预测,污染物浓度计算结果相差可达数倍以上。对比风速、风向、气温、湿度、压力、云量这些单个的气象因子,稳定边界层(SBL)湍流高度和莫宁-奥布霍夫长度这些边界层参数更能综合地反映当时的气象扩散条件,对污染扩散模型的响应更为直接。翔实的有代表性的气象数据是环境影响评价至关重要的基础。在日常的大气环境影响评价中,应全面调查了解项目周边的地面气象站的数量、类型、距离、地形特征,经过专业的气象分析,选取最能代表评价项目所在地气象条件的气象站作为气象参证站,用于该项目的环评和浓度预测。各地气象部门还应加强城市与郊区大气边界层垂直结构变化规律的观测与研究,从而为提高各地空气质量预报的精度,改善大气污染治理措施和优化城市布局提供更为科学的依据。     

一种简易恒温加热防冻结装置在三穗国家基准气候站的实践应用

低海拔地区冬季由于凝冻常常会使风向风速传感器冻结,造成风要素资料失真或监测数据缺测,影响数据可用性,造成气象数据历史延续空白,导致无法弥补的历史数据损失。该文利用三穗县国家基准气候站2008—2020年冬季逐日、逐时、逐分钟风向风速、气温、相对湿度以及降水等地面气象监测资料,详细分析冬季冰冻期间风向风速缺测时段的气温、相对湿度、降水等相关信息,找出风向风速冻结与气温、相对湿度、风速大小的对应关系,从而判定风向、风速易冻结的气象要素阈值,采用USB碳纤维发热片,科学搭建低压加热方式,确保风向、风速传感器设备加热时不被灼伤受损,ZQZ-TF风向、风速监测资料连续可靠。     

汪清气象站新站址气象资料代表性分析

文中利用汪清县气象站1957-2010年的气象观测资料,对汪清迁站前后的平均气温、平均风速、相对湿度等气象数据进行对比分析,得出汪清站迁站前后的气象要素差异的基本规律,并从中分析环境变化对气象观测资料的影响,迁站后观测站所记录的气象资料是否符合三性要求。分析结果表明:气象资料受环境影响较大,汪清气象站迁站后温度较迁站前略低,风速明显增大,湿度减小。各类气象观测资料对比分析显示新站址观测的气象资料具有代表性。     

从对比观测资料看城镇化对气象要素的影响——以围场国家基本气象站为例

根据2008年7月至2009年6月围场国家基本气象站新、旧站址对比观测数据,利用均值差异、显著性检验等统计分析方法,系统地分析了新、旧站址的气温、风向风速、水汽压等气象要素的差异及差异产生原因.结果表明,新站址观测记录较旧站址气温偏低、风速显著偏大、主导风向有偏差、水汽压偏小,各气象要素差异产生的原因主要是来源于城镇化...     

成都市夏季臭氧污染特征及影响因素

利用2014年夏季成都市3个国控环境监测站（金泉两河,君平街和梁家巷）O₃、NO₂及PM_2.5逐时观测数据,结合国家基准站温江站的气温、湿度、风速、风向、太阳辐照度、降雨等地面气象要素观测资料,分析O₃的日、月变化及空间分布特征;探究前体物及气象因子对O₃浓度的影响。结果表明：成都市O₃-8 h平均浓度为104.4 μg·m^-3,O₃超标率为2.8%—15.3%。O₃浓度6月最高,8月最低;呈现明显的“单峰型”日变化特征,午后15：00达到峰值。O₃与NO₂呈现负相关,相关系数为-0.5;与PM_2.5无显著相关性。高温、低湿、强太阳辐射有利于O₃的形成;风速为2.5—3.0 m·s^-1,风向为南风时,O₃浓度相对较高。     

西安市气候变暖与城市热岛效应问题研究

选取1961—2003年西安站和周围4站月平均气温资料, 利用西安站与周围4站气温距平滑动平均变化趋势的差异, 发现该站平均气温有两个明显的上升期, 热岛效应使西安站平均升温1.07 ℃, 并建立了西安市城市热岛效应模型。在此基础上分离了气候变暖过程中由于城市热岛效应引起的增温作用。     

Urban-rural fog differences in Belgrade area,Serbia

Urban/rural fog appearance during the last 27 years in the Belgrade region is analysed using hourly meteorological records from two meteorological stations: an urban station at Belgrade-Vra?ar (BV) and a rural station at Belgrade-Airport (BA). The effects of urban development on fog formation are discussed through analysis of fog frequency trends and comparison with a number of meteorological parameters. The mean annual and the mean annual minimum temperatures were greater at the urban BV station than at the rural BA station. The mean monthly relative humidity and the mean monthly water vapour pressure were greater at the rural than urban station. During the period of research (1988–2014), BA experiences 425 more days with fog than BV, which means that BV experiences fog for 62.68% of foggy days at BA. Trends in the number of days with fog were statistically non-significant. We analysed the fog occurrence during different types of weather. Fog in urban BV occurred more frequently during cyclonal circulation (in 52.75% of cases). In rural BA, the trend was the opposite and fog appeared more frequently during anticyclonic circulation (in 53.58% of cases). Fog at BV occurred most frequently in stable anticyclonic weather with light wind, when a temperature inversion existed (21.86% of cases). Most frequently, fog at BA occurred in the morning and only lasted a short time, followed by clearer skies during the anticyclonic warm and dry weather (22.55% of cases).     

Detecting urban warming signals in climate records

Determining whether air temperatures recorded at meteorological stations have been contaminated by the urbanization process is still a controversial issue at the global scale. With support of historical remote sensing data, this study examined the impacts of urban expansion on the trends of air temperature at 69 meteorological stations in Beijing, Tianjin, and Hebei Province over the last three decades. There were significant positive relations between the two factors at all stations. Stronger warming was detected at the meteorological stations that experienced greater urbanization, i.e., those with a higher urbanization rate. While the total urban area affects the absolute temperature values, the change of the urban area (urbanization rate) likely affects the temperature trend. Increases of approximately 10% in urban area around the meteorological stations likely contributed to the 0.13℃ rise in air temperature records in addition to regional climate warming. This study also provides a new approach to selecting reference stations based on remotely sensed urban fractions. Generally, the urbanization-induced warming contributed to approximately 44.1% of the overall warming trends in the plain region of study area during the past 30 years, and the regional climate warming was 0.30℃ (10 yr)-1 in the last three decades.     

近50a廊坊地区气温变化及其与城市发展的关系

利用1964—2011年廊坊9个气象观测站的日平均气温数据,分别利用可行性倾向估计、累计距平、M-K检验三种分析方法,分析了廊坊地区近50 a气温的气候变化特征;并通过统计分析,研究了廊坊地区年平均气温与全社会固定资产投资总额、城市总人口数、国内生产总值三项城市发展指标的关系。结果表明:廊坊市人口、GDP、全社会固定资产投资总额均与年平均气温显著相关。近48 a来,廊坊城区站与郊区站的温度差成逐步减小趋势,受城市化影响,廊坊地区年平均温度呈缓慢上升趋势,空间分布特征郊区站低于城区站,城区站每10 a增温0.5℃,郊区站每10 a增温0.41℃,10 a总增温0.42℃。     

西南地区城市热岛强度变化对地面气温序列影响

利用1961—2004年我国西南地区322个站的气温观测资料, 分析了乡村站、小城市站、大中城市站和国家基准/基本站气温变化趋势特点, 着重研究了城市化对城镇站和国家站地面气温记录的影响程度和相对贡献比例。结果显示:区域平均的各类台站年平均气温呈现不同程度的上升趋势, 城市站、国家站的增温速率均高于乡村站。大中城市站和国家站的年平均热岛增温率分别为0.086 ℃/ 10a和0.052 ℃/10a, 其增温贡献率分别达57.6%和45.3%。与大多数地区不同, 西南地区的增温速率明显偏小。因此, 尽管平均热岛强度变化比许多地区弱, 但其相对贡献明显, 表明城市化对该区域气温趋势的绝对影响较弱, 但相对影响较强。另外, 城市热岛增温有明显的季节变化, 表现为秋季最强, 春季或冬季次之, 夏季最弱。热岛增温贡献率则为春季最大 (100%), 夏季次之 (73%以上), 秋季和冬季相对较小。这主要是因为春、夏两季背景气候变凉或趋势微弱, 热岛增温在实际增温中占有更高的比例。     

A Model to Interpolate Monthly Mean Climatological Data at Bavarian Forest Climate Stations

Summary  Six methods were used to interpolate the monthly mean climatological data from German climate stations to three Bavarian forest climate stations. The observed forest climatological data at the Bavarian forest climate stations were used as the reference data to which the interpolated data were compared. The results show that, for monthly mean daily maximum temperature at valley and plain forest climate stations, each of the six interpolation methods can give accurate estimates. For monthly mean daily maximum temperature, minimum temperature, air temperature and water vapor pressure at mountain forest climate stations, topographically aided interpolation can give the most accurate estimates. Barnes interpolation combined with empirical transfer functions can give accurate estimates forall climate variables at the plain and valley forest climate stations, and it can also give accurate estimates for monthly mean wind speed and monthly precipitation at the mountain forest climate station. The empirical transfer functions are very important for estimating the forest climatological data. These transfer functions will be used for reconstruction of long-term forest climatological data in Bavaria. Received September 9, 1998 Revised May 21, 1999     

基于GIS的赤水市金钗石斛农业气候区划

石斛是热带、亚热带丛生植物,喜温暖湿润气候。赤水市是我国目前金钗石斛最大和最适宜种植区。根据赤水市气候资源特点及金钗石斛适宜生长环境指标,选取了年平均气温、全年≥10℃活动积温、海拔高度、月平均气温≥25.0℃月数、分蘖开花期(3-5月)空气相对湿度等5个气象因子作为种植区划指标,在综合考虑经度、纬度和海拔高度对气候资源影响的基础上,利用遵义市12个气象站1971-2000年气候资料和台站信息,采用逐步回归法分别构建了4个区划因子的细网格推算模型。基于数字高程(DEM)数据推算了分辨率为1 km的赤水市气候资源数据集。利用赋值法对5个区划指标分别计算,按照适宜种植区、次适宜种植区和不适宜种植区3个等级完成了赤水市金钗石斛种植气候区划。区划结果显示,赤水市金钗石斛的适宜种植区随地形和海拔高度而变化,主要分布在沿赤水河两岸和沿习水河两岸的沟谷或山地。次适宜和不适宜区主要分布在海拔700 m以上的半高山地区,冬季气温偏低、热量供应不足和夏秋干旱是这些区域不适宜种植的主要原因。     

Spatio-temporal variance and meteorological drivers of the urban heat island in a European city

Urban areas are especially vulnerable to high temperatures, which will intensify in the future due to climate change. Therefore, both good knowledge about the local urban climate as well as simple and robust methods for its projection are needed. This study has analysed the spatio-temporal variance of the mean nocturnal urban heat island (UHI) of Hamburg, with observations from 40 stations from different suppliers. The UHI showed a radial gradient with about 2 K in the centre mostly corresponding to the urban densities. Temporarily, it has a strong seasonal cycle with the highest values between April and September and an inter-annual variability of approximately 0.5 K. Further, synoptic meteorological drivers of the UHI were analysed, which generally is most pronounced under calm and cloud-free conditions. Considered were meteorological parameters such as relative humidity, wind speed, cloud cover and objective weather types. For the stations with the highest UHI intensities, up to 68.7 % of the variance could be explained by seasonal empirical models and even up to 76.6 % by monthly models.