GRAPES_SDM沙尘模式在新疆的客观检验

使用天气学检验方法,对新疆2008-2013年春季沙尘天气GRAPES_SDM沙尘模式预报情况进行检验评估,通过TS、预报效率等检验统计量分析了在新疆的预报效果,通过平均误差、均方根误差、误差标准差等格点误差和站点误差量的分析,分析了主要预报要素的客观检验结果,指出近地面气温和风速的误差为初始条件的不确定以及观测和预报分辨率尺度不一致造成的随机性误差。在此基础上给出了新疆南疆盆地和新疆东部地区数值预报业务的误差特征,并根据检验结果定性地分析了模式预报系统性和非系统性误差的可能来源。     

基于标准化降水指数的1960—2011年中国不同时间尺度干旱特征

利用1960—2011年中国566个气象站逐日降水资料,采用标准化降水指数对近52年中国的干旱特征进行了详细分析。结果表明：近52年来,中国存在一条由东北向西南延伸的干旱趋势带,东北、内蒙古中东部、华北、西北地区东部以及西南地区东部趋于干旱,而西北地区西部的北疆地区、青海中部以及西藏中北部等地呈显著变湿趋势;华北地区干旱化主要是夏季趋于干旱引起的,东北和西南地区的干旱化主要是夏、秋季趋于干旱引起的,西北地区东部和长江中下游地区主要是春、秋季趋于干旱。东北地区20世纪70年代和2000年后轻旱以上日数较多,60年代干旱日数最少;华北地区和西北地区东部90年代最多,60—80年代旱日较少;西南地区东部2000年后干旱日数最多,60—70年代较少;长江中下游地区60年代和21世纪后干旱日数偏多,80年代较少。60年代,易旱区主要位于西北地区中、西部以及长江中下游部分地区;70年代,西北西部和东北地区是干旱的高发区;80年代,易旱区位于华北、黄淮、内蒙古中西部以及西南东部等地;90年代,易旱区转移到中部,西北地区东南部、华北、黄淮、江淮以及江汉等地是干旱的高发区;进入21世纪后,东北、内蒙古东部、西北地区东部、西南东部以及长江中下游的部分地区干旱高发。     

1961—2012年甘肃省干湿变化特征及其影响因子

基于1961—2012年甘肃省和青海省祁连山区54个气象站逐日气象数据,分析了甘肃省地表湿润指数的时空变化特征及各气象要素对不同区域干湿变化的影响程度.结果表明:近52年,以黄河为界,甘肃东、西部呈现出不同的干湿变化趋势,河东地区趋于干旱,尤其是陇中和陇东部分地区;河西部分区域趋于湿润,尤其是祁连山中部地区.河东变干主要是秋季显著变干,其中9月最突出;河西变湿主要是冬季变湿,尤其是在12月和1月.敏感性和贡献度分析表明,除降水量外,地表湿润指数对空气相对湿度的敏感性最高,其次是日照时数,再次是最高温度和平均风速,对最低温度的敏感性最低.近52年地表湿润指数-30％～30%的相对变化量中,降水量的贡献最大,贡献量在-30%～25%;其次是风速,贡献量在-4％～12%,最高温度、最低温度、日照时数以及相对湿度的贡献较小,在-4％～4%.     

多尺度气象干旱与土壤相对湿度的关系研究

通过分析我国东北、华北、西北地区东部、西南以及黄淮、江淮和江汉5个区域不同时间尺度气象干旱指数与20 cm土壤相对湿度的相关关系, 探讨了前期气象干旱对后期土壤湿度的影响, 并利用多元线性回归方法分区域、分季节建立了土壤湿度预测模型.结果表明: 春季, 东北地区土壤湿度主要受前5~6个月, 尤其是上年秋末冬初的降水的影响, 而其他4个区域土壤湿度主要受前1~2个月大气水分的影响;各区域夏季土壤湿度与前1~2个月时间尺度上的大气水分相关最密切;秋季, 东北地区20 cm土壤湿度主要受前2~4个月的气象干旱的影响, 其余区域土壤湿度仍与前1~2个月尺度的大气水分相关最密切.基于前期气象干旱指数建立的各区域、各季节的土壤湿度回归模型对当地土壤湿度具有一定的拟合能力, 平均估计偏差在10.1%~13.9%之间, 其中, 西北地区东部和华北地区春、夏季偏差较大, 2008-2011年间干旱等级拟合准确率在65%~74.9%之间;东北、西南、黄淮、江淮和江汉区域拟合较好, 拟合准确率在88%以上.     

黄河中下游地区夏季旱涝年低频振荡特征分析

利用1971-2010年NCEP/NCAR逐日再分析资料和黄河流域67个测站逐日降水资料, 对黄河中下游地区旱涝年的低频振荡特征进行了分析.结果表明: 黄河流域30~60 d低频降水呈现区域性分布的特征, 大值区位于黄河中下游地区, 10~20 d低频降水呈现整体性分布.黄河中下游地区旱涝年夏季降水普遍存在10~20 d和30~60 d的低频振荡, 10~20 d振荡强度整体上均强于30~60 d振荡,10~20 d低频振荡在旱涝年差异不显著.涝年30~60 d低频振荡较旱年显著, 涝年和旱年30~60 d低频振荡的传播特征不相同, 同时涝年的30~60 d低频振荡的传播特征也存在差异.影响涝年30~60 d低频降水的主要原因是低纬的低频振荡强度增强向北传播到黄河流域, 以及青藏高原热源的低频振荡向东北传播与西太平洋热源的低频振荡向西传播在黄河中下游交汇.正常年份的低频降水主要受低纬低频振荡向北传播的影响.     

气象极值变化及其导致的农业气象灾害趋势分析——以甘肃省为例

依据甘肃省62个气象站1960-2005年的地面气候资料, 分析农作物生育期(3-10月)内气象要素极值的变化趋势, 并用主成分分析方法研究了该变化对农业气象灾害发生趋势的影响.结果表明: 与温度相关的气象要素极值表现出了同平均气温类似的显著上升趋势,其中降水相关的气象要素极值变化说明甘肃省降水结构发生了改变, 极端性有所减弱;其他相关要素中, 最大风速存在明显下降趋势, 蒸发量呈下降趋势、日照时数呈上升趋势, 但都不够显著.大部分气象极值的变化与农业气象灾害的变化呈正相联系, 只有很少部分气象极值的变化与农业气象灾害的变化呈反相联系.综合分析这些气象极值在甘肃省范围内的变化趋势, 揭示出未来甘肃省干旱灾害倾向于加剧, 而洪涝灾害趋于减轻.     

2013年7月我国南方异常持续高温成因分析

利用2013年7月中国台站逐日观测资料及1981年1月—2013年7月NCEP/NCAR再分析资料,通过统计以及诊断方法,研究分析2013年7月中国南方异常持续高温成因。结果表明,2013年西北太平洋副热带高压（简称西太副高）在5月就表现出异常的前兆,其特征指数表现出明显偏南、偏西、偏强。7月西太副高强度的高值区一直处于我国江南-台湾海峡一带,这一形势有利于我国南方夏季形成高温酷暑天气;欧亚大陆上空对流层温度的异常持续增加,加剧西太副高变强,有利于西太副高异常状态的持续;在20 °S～20 °N,100～140 °E范围内的南风明显减弱,东太平洋海域上北风明显增加的现象,消弱了该区域热带气旋的生成发展,使得西太副高有机会持续稳定,甚至加强控制我国南方地区。5—7月南亚高压整体偏东,1 660 gpdm特征线表现出异常持续偏东的状态,1 676 gpdm特征线从6月4日开始稳定出现,并表现为整体明显偏东的特征;期间,南亚高压与西太副高呈现出“相向而行”与“背向而斥”的东西振荡特征;通过7月2—3日个例明显看出,南亚高压的东进过程对西太副高的加强与西进有明显的影响。      

河西走廊东部沙尘天气与武威市大气污染的关系研究

利用河西走廊东部武威市1991-2003年春季污染浓度资料和1971-2003年气象要素资料, 分析污染物浓度与各种气象要素和非气象要素的关系, 找出造成河西走廊东部春季污染严重的气候成因, 并提出大气污染治理对策。结果表明, 春季3~5月沙尘暴发生日数和颗粒物污染资料两者有很好的正相关关系, 相关系数达0.8, 沙尘暴天气是造成河西走廊东部春季空气重度污染的主要原因。     

甘肃黄土高原春旱的气候特征及预测方法

利用甘肃黄土高原55个气象站在1968-2000年间的春季降水、气温资料, 计算了春季干湿指数, 划分了春旱标准, 用REOF方法进行了气候分区, 分析了其时空分布特征和变化规律, 计算了其与欧亚500hPa高度场、赤道北太平洋海温和高原加热场的相关关系, 建立了甘肃黄土高原春旱的均生函数预测模型。结果表明, 干旱有三个高发区, 频率为36%~57%, 约2~3年一遇, 且有增加的趋势。春旱与当年高原500hPa高度场、赤道北太平洋海温及上年盛夏高原加热场呈正相关, 与前期冬季高原加热场呈负相关, 所建立的预报模型有一定的预报能力。     

基于FLAASH模型的FY-3A/MERSI数据大气校正研究

在星载传感器成像获取地表信息过程中,常常会受大气影响而引起影像失真,导致地表真实信息不能被准确表达,对遥感影像进行大气校正可消弱这种影响.本文以粮食主产区 河南省为研究区域,采用FLAASH模型对晴空天气下FY-3A/MERSI数据(分辨率为1 km)进行大气校正.结果表明,大气校正后:(1)短波红外反射率总体变化不大(+4.1％),第6波段反射率以减小为主(-1.5％),第7波段反射率为增加(+9.6％);(2)在可见光各波段,反射率普遍降低,各波段变化均值为-82.7％.其中,红光反射率变化最小(第13、14波段分别变化了-23％和-19％,平均为-21％),绿光反射率变化稍大(第11、12波段分别变化了-75％和-50％,平均为-63％),蓝光反射率变化最大(第8～10波段分别变化了-196％、-122％和-94％,平均为-137％).而且大气校正后,可见光波段的反射率变幅普遍增大,不同地物在可见光波段的对比度也增加.(3)近红外各波段反射率平均增加了46.2％.除第19波段反射率减小(-54％)外,其余各波段反射率均有不同程度的增加.第15～18和第20波段反射率分别增加了28％、4％、41％、252％和6％. (4) NDVI指数平均增大了35％,植被信息凸显;NDWI指数变化不大,仅减小了8.7％.