1971—2018年陕西省人体舒适度日数时空变化特征

根据1971—2018年陕西省94个气象观测站逐日气象资料,采用线性倾向率、累积距平、小波分析和EOF分析等方法,对陕西省人体舒适度日数时空变化特征进行了统计分析。结果表明: 陕西全省大部分时间体感状态为从冷到舒适,日数占85.2%;体感状态为暖和以上日数较少,无炎热和酷热天气。1981—2018年陕西省平均人体舒适日数为132 d,呈显著增多趋势,线性倾向率为0.524 d·a^-1,四季中春、夏两季人体舒适日数增加最为显著。人体舒适日数存在准4 a和准8 a的振荡周期,滑动T检验表明陕西省及三个地区的人体舒适日数均在1997年左右发生了明显的突变。陕西全省3—11月均存在舒适日,舒适日数主要分布在5—9月,陕北7—8月舒适日数较多,陕西中部6—8月舒适日数较多,陕西南部6—9月舒适日数较多。年人体舒适日数呈现南多北少的空间分布特征,陕南汉中和安康地区最多。EOF分析结果显示,年均人体舒适日数异常分布在全省存在一致性。倾向率空间分布表明陕西全省80%的地区人体舒适日数均呈增长趋势,仅榆林北部、延安北部和安康东部11个区县人体舒适日数呈减少趋势。陕西全省不舒适日数变化呈显著减少趋势,倾向率为-0.548 d·a^-1,其中冷不舒适日数减少显著。陕西省人体不舒适主要表现为冷不舒适,主要集中在陕北西北部、南部山区和中部的太白和华山两个高山区; 人体热不舒适主要分布在在陕南的汉中和安康地区及关中的西安地区,且日数很少。     

中国东部地区冬季气温与北极涛动的关系

利用NCEP/NCAR再分析资料、北极涛动（AO）指数序列及中国160个台站月温度资料,分析1951-2007年中国冬季气温与AO指数的变化特征及其相互关系。结果表明：1951-2007年AO与中国东部地区冬季气温基本呈正相关关系。中国东部地区冬季气温指数（IWT）与北极涛动指数（IAO）均逐渐增强,并有显著的年际和年代际变化,均存在准18 a的周期变化特征。从偏相关系数来看,在年际尺度上,西伯利亚高压对中国东部地区冬季气温的年际变化影响较大,而AO与冬季气温无显著相关关系;在年代际尺度上,AO对中国东部地区冬季气温的影响较显著,比西伯利亚高压影响大。东亚大槽偏弱时,中国冬季气温偏高,AO指数也偏高,反之则相反。在年际尺度上,东亚大槽对中国东部地区冬季气温的年际变化影响较大,而AO与冬季气温无显著相关关系;在年代际尺度上,AO和东亚大槽对中国冬季气温的变化影响均较显著。     

基于FloodArea模型的暴雨洪涝灾害风险预评估技术及效果检验北大核心CSCD

利用陕西气象站点逐小时降水实况、精细化格点预报、数字高程、土地利用、灾情等资料,应用水动力模型FloodArea对暴雨洪涝进行淹没模拟,在淹没水深和范围的基础上叠置承灾体属性,引入承灾体的灾损曲线,建立暴雨洪涝灾害风险预评估模型,并从数量占比和灾情占比两个角度,以县为单元进行验证,利用格点降水量预报对陕西6次大范围暴雨过程灾害风险进行预评估以及效果检验。结果表明:暴雨洪涝气象风险预估结果与实际受灾地区分布基本吻合,正确预报率73.2%,模拟结果可信度高,对于降水区域集中暴雨的风险预评估性能较分散性暴雨较高,漏报率相对低,但是空报率较高;建立的暴雨洪涝灾害风险预评估及效果检验流程,提高了气象服务的针对性,可以用于洪涝风险预评估的实际业务中,对暴雨洪涝风险管理提供技术支撑。     

1971—2018 年陕西省人体舒适度时空分布特征研究

根据陕西省 94 个气象观测站 1971—2018 年逐日气象资料，对人体舒适度指数（I_CHB）时空分 布特征及其影响因子权重进行了统计分析。结果表明：（1）陕西近 48 a 省 I_CHB 呈现显著上升趋势， 线性趋势达到 0.07?a^-1，陕北、关中和陕南地区年际变化与全省变化趋势基本一致。四季 I_CHB 变化均 呈上升趋势，其中春季上升趋势最为显著，冬季次之，秋季最低，四季I_CHB 在 2000 年以来增幅减缓。 各区四季 I_CHB年际变化与全省趋势一致，各区I_CHB 夏季差异最小，冬季最大。I_CHB 月变化呈单峰型，1 月最低，7 月最高。（2）陕西各地 I_CHB介于 26～52 之间，体感属于冷、凉和凉爽等级。I_CHB 空间分布差 异显著，陕南地区最高，其次是关中，陕北地区最低。四季 I_CHB 分布特征与全年分布特征相似，均呈 现自北向南逐步升高的趋势。（3）R/S 分析预测未来气温将升高，风速则呈减少趋势，I_CHB 将继续升 高，四季气候舒适性将发生改变。（4）温度（湿度、风速）与 I_CHB 存在显著的正（负）相关关系，温度和 风速是影响陕西省I_CHB的最主要因子，且二者影响程度基本相当，湿度主要通过温度影响 I_CHB。3 个 地区温度的正影响和风速的负影响均较大，关中地区 3 个要素之间互相影响较大；陕北和陕南地区 各要素之间互相影响较小，对 I_CHB的直接影响较大。     

基于GIS的陕西风电场微地形选址技术研究

以陕西已建成的风电场区域为对象,通过对其数字高程模型(Digital Elevation Model,简称DEM)进行宏观和微观的数字地形分析,了解其不同地形因子的数字分布阈值,确定满足风电场建设的地形因子条件;再结合风能资源数值模拟结果,形成风电场微地形选址的重要条件;通过该条件对全省1∶25万DEM进行网格式搜索,最终形成全省风电场选址建设区划图。     

陕西省风蚀气候侵蚀力时空演变特征

利用陕西省94个气象站1981-2020年气象观测资料计算了全省风蚀气候因子指数,采用气候趋势分析、空间插值、敏感性分析等方法,分析了陕西省风蚀气候侵蚀力演变特征及其对风速变化的响应.结果表明:(1)陕西省1981-2020年平均风蚀气候侵蚀力为3.18,侵蚀力较小,年际变化显著,但变化趋势不明显;风蚀气候侵蚀力在20...     

中国夏季高温日数时空变化及其环流背景

本研究利用1955~2005年全国193个气象站点夏季(5~9月)逐日最高气温资料,分析了我国东部地区夏季高温日数变化的空间分布特征和时间变化规律。经验正交函数分析结果显示高温日数的变化有明显的区域特征,第一模态表现为区域整体一致的异常,中心区位于长江中下游地区,第二模态表现为江淮流域与华南反向变化的特点,第三模态表现为东南部地区与西南、华北的反向变化。这些模态与高层大气环流的变化有关。分析表明ENSO(厄尔尼诺-南方涛动)、赤道印度洋和西太平洋暖池海温,可以通过影响西太平洋和东亚地区大气环流而影响我国夏季高温日数频次,其中ENSO和西太平洋暖池区海温对高温日数变化第一模态的相关比较明显;而热带印度洋海温对第二模态有显著影响。与前期海温的关系分析可知,第一模态与前期夏季的西太平洋暖池和前期冬季赤道东太平洋海温相关关系最好,第二模态则受热带印度洋前期冬季海温影响最大,这对高温预测具有指示意义。     

2017年5月太白山“驴友”伤亡事件天气条件分析

2017年“五一”假期30多位“驴友”(户外旅游爱好者)在穿越“熬太线”(指纵贯鳌山—太白山这段秦岭主脉的穿越线路)时遭遇暴雪降温天气,导致3人遇难,2人受伤。利用太白山区域内13个自动气象站2017年5月1—7日气温、降水、湿度、风、气压等监测数据和太白、眉县气象站高山积雪观测记录,分析事件前后太白山的天气条件,探讨造成“驴友”伤亡事件的主要原因,为旅游管理部门和游客了解太白山独特的天气气候特点,正确评估“鳌太线”穿越等太白山高山区旅游的风险,最大可能地减少旅游意外伤亡事故提供参考。     

近50年来中国冬季风寒温度的变化

风寒温度是冬季表征人体热舒适度常用的参数,也是气候变化影响研究中关注的要素。本文利用中国地面国际交换站气候资料月值数据集的气温和风速,分析1956-2005年中国冬季风寒温度的时间和空间变化特征。结果表明,近50年来中国冬季风寒温度普遍呈上升趋势,全国平均升高3.2 ^oC,变化速率达0.64 ^oC/10a;西北、华北、东北和青藏地区的上升速率分别为0.79 ^oC/10a、0.84 ^oC/10a、0.81 ^oC/10a、0.80 ^oC/10a,其中华北北部农牧交错带地区上升趋势最为强烈,超过1 ^oC/10a;35^oN以南的我国南方地区上升速率较低,为0.39 ^oC/10a。风寒温度的这种变化特征是近50年来气温升高和风速下降综合作用的结果。其中气温变化造成的风寒温度上升是2.4 ^oC,而地表风速下降对风寒温度的贡献为0.8 ^oC。东亚气温和风速的变化受诸多大气环流系统的影响,分析表明影响东亚气候的几个主要环流因子中,西伯利亚高压、北极涛动、西太平洋遥相关型和欧亚遥相关型等与风寒温度有显著相关。这四个环流因子一起能解释50年来全国平均风寒温度方差的46.7%。全国平均气温与这四个环流因子的相关分别达到-0.65,+0.49,+0.31和-0.32;而平均风速与北极涛动的相关最显著,达-0.51。     

多种东亚冬季风指数及其与中国东部气候关系的比较

利用NCEP/NCAR再分析资料及气温和降水观测资料,对比分析了12种不同定义的东亚冬季风(EAWM)指数及其与中国东部冬季温度和降水的关系。结果显示:多数EAWM指数具有较好的一致性,同时也存在差异,体现了不同定义的指数反映东亚冬季风整体性和局部性特征的侧重点有所不同。有10个EAWM指数均反映出近60年东亚冬季风呈减弱趋势,尤其是近30年最为明显,平均减弱速率达-0.25σ/10a,各指数均有强烈的年际变率和年代际波动。有10个(8个)EAWM指数与我国东部冬季温度(降水)第1模态呈显著负相关;其中西伯利亚高压指数对冬季温度年际变率方差解释率最高(53.3%),而对降水年际变率方差解释率最高的是对流层中高层东亚经向风指数(50.4%)。此外,不同EAWM指数与温度和降水的对应关系在El Niňo状态、La Niňa状态有不同的变化,表明在利用单个EAWM指数监测冬季气候时,要考虑到各个指数在ENSO不同状态下具有的差异性参考意义。