共查询到20条相似文献,搜索用时 531 毫秒
1.
周凌晞 《气象科技合作动态》2019,(1):20-22
2018年10月7-14日,中国气象科学研究院周凌晞研究员赴美国波士顿参加了由麻省理工学院(MIT)承办的改进的全球大气实验网(AGAGE)第58次工作会议暨40周年庆典。来自美国国家海洋与大气管理局(NOAA)美国航空航天局(NASA)、美国加州大学圣地亚哥分校(UCSD)、英国布里斯托尔大学、英国气象局、美国麻省理工学院(MIT)、澳大利亚联邦科学与工业组织(CSIRO)、澳大利亚气象局、瑞士材料测试与研究联合实验室(Empa)、瑞士计量局、挪威大气研究所(NILU)、美国乔治亚理工学院(GIT)、中国气象局. 相似文献
2.
3.
长时间序列空气质量数据和气象数据分析济南大气污染与气象条件关系的研究相对较少。利用2010-2016年济南市环境空气质量监测数据、气象再分析和观测数据,分析了济南市PM_(2.5)污染特征、PM_(2.5)浓度与2 m温度(T)、2 m相对湿度(RH)、10 m高度U和V风速(U和V)、10 m风速(WS)、K指数(K)、A指数(A)和边界层高度(BLH)的相关性、天气类型对PM_(2.5)浓度的影响,并基于逐步回归分析方法构建统计模型,利用解释方差量化气象条件对PM_(2.5)浓度变化的影响。分析发现,济南PM_(2.5)浓度存在显著的季节变化和年际变化特征,年均PM_(2.5)浓度呈下降趋势;近地面PM_(2.5)浓度与T、RH、K和A显著正相关,与WS和BLH显著负相关,U和V与PM_(2.5)浓度相关性不显著(p0. 05);不同天气类型对应的PM_(2.5)浓度均值存在显著差异;基于回归模型分析发现气象条件可以解释10%~40%的PM_(2.5)浓度逐日变化,气象条件的影响有明显的季节变化。 相似文献
4.
5.
了解气候变化对冬小麦生育期的影响,可为农业应对气候变化、调整农作物种植结构提供科学依据。本文利用1996—2022年近26 a拉萨冬小麦生育期以及逐日平均气温(Tm)、最高气温(Tmax)、最低气温(Tmin)、气温日较差(DTR)、相对湿度(RH)、降水量(Pr)、日照时数(S)和≥0℃积温(∑T0)等资料,采用线性倾向估计、Pearson相关系数和优势分析方法等,分析了拉萨河谷冬小麦生育期变化特征以及影响的主导气象因子。结果表明:(1)近26 a拉萨河谷冬小麦营养生长期(Vegetative Growth Period,VGP)、生殖生长期(Reproductive Growth Period,RGP)和全生育期(Whole Growth Period,WGP)的Tm均呈上升趋势,Tmin升温率大于Tmax的升温率,DTR、RH呈减小趋势,∑T0、Pr和S趋于增加。(2)冬小麦拔节前各生育期提早,提早率为0.... 相似文献
6.
南疆短时强降水概念模型及环境参数分析 总被引:1,自引:1,他引:0
利用南疆2010-2016年自动气象站及区域自动气象站逐小时降水量资料,NCEP/NCAR 1°×1°再分析资料以及探空资料,分析不同强度的短时强降水的时空分布,得出南疆短时强降水事件的天气型有明显的季节性特点和区域性特征。总结了典型短时强降水过程的环境背景场特征,建立了短时强降水的三种概念模型:中亚低槽(涡)型、西伯利亚低槽(涡)型和西风短波型。通过7个探空站的温湿廓线形态、地面露点温度、T_(850)-T_(500)、T_(700)-T_(500)、对流有效位能(CAPE)、对流抑制能量(CIN)、抬升凝结高度、0~6 km垂直风切变等分析了南疆短时强降水的环境背景:短时强降水Ⅰ型(整层湿)、短时强降水Ⅱ型(上湿下干)和短时强降水Ⅲ型(上干下湿)发生前大气水汽含量充沛、存在一定的CAPE和较明显的垂直风切变以及0℃层高度偏低、暖云层厚度偏厚等特征,而合适的CIN,有利于对流不稳定能量的积聚和爆发,促进短时强降水的发生;短时强降水Ⅳ型(干绝热型)存在大气层结较干和较大的T_(850)-T_(500)、T_(700)-T_(500);Ⅰ型和Ⅱ型是南疆短时强降水的主要类型,常出现在南疆中部、西部地区的盛夏和夏末,多为西伯利亚低值系统(低涡、低槽)型和中亚低值系统(低涡、低槽)型影响。 相似文献
7.
8.
9.
采用水量平衡模型和Penman公式分别计算了珠江流域七个子流域1961—2000年实际蒸散发(I_(ETa))和潜在蒸散发(I_(ETp)),并对供水条件变化下I_(ETa)与I_(ETp)的关系进行了定量化分析,对各子流域I_(ETa)和I_(ETp)关系的理论从属性进行判定,主要结论如下:1)珠江流域年实际蒸散发量远低于潜在蒸散发量,多数子流域I_(ETa)值不到I_(ETp)值的1/2。7个流域面积加权平均I_(ETa)为681.4 mm/a,I_(ETp)为1 560.8 mm/a。从蒸散发的变异性来看,则实际蒸散发I_(ETa)的变异性明显要高于潜在蒸散发I_(ETp)。2)东江、西江、北江、柳江和盘江等5个流域实际蒸散发I_(ETa)都与降水量呈现正相关关系,韩江、郁江两个流域I_(ETa)随降水变化的变化趋势不明显。各子流域的潜在蒸散发I_(ETp)与降水量呈现显著负相关关系。7个子流域平均情况下,随着降水量的增加,I_(ETa)呈现明显的增加趋势,而I_(ETp)呈现明显的下降趋势。3)通过对降水量P与实际蒸散发I_(ETa)及潜在蒸散发I_(ETp)的联合回归方程P-IET回归系数的T检验,判定韩江、柳江和盘江等三个子流域以及七流域面积加权平均I_(ETa)与P和I_(ETp)与P的关系满足理论意义上的严格互补相关;东江、西江、北江等三个流域I_(ETa)与P和I_(ETp)与P的关系满足"非对称"互补相关。4)基于极端干旱和极端湿润的边界条件,推导出非对称条件下的实际蒸散发互补相关理论模型。 相似文献
10.
位涡、湿位涡及其守恒开启了(湿)位涡理论的较广泛应用,使(湿)位涡成为天气系统、天气现象演变的重要诊断物理量,能有效解释一些天气系统、天气现象的演变。为合理应用(湿)位涡及等熵位涡思维,简单分析了气象常用坐标中位涡、湿位涡表达式的限制性条件,强调此条件与(湿)等熵坐标成立的条件相同,指出z 坐标(湿)位涡与p、θ(θse)坐标(湿)位涡存在物理差异。在θ(θse)坐标中,气块的水平速度是相对水平面(地面)的移动速度,而非气块沿着等θ(θse)面的移动。在(湿)等熵位涡分析中,(湿)等熵位涡强度的变化,是平流、垂直输送以及非绝热过程的综合作用,不能简单归因为只由高层的(湿)等熵位涡异常向中低层传输、或中低纬的(湿)等熵位涡异常向高纬传送所造成。 相似文献
11.
滇南冰雹的预报预警方法研究 总被引:7,自引:2,他引:5
利用普洱市探空资料、CIND3830-CC新一代天气雷达资料、地面观测资料,对2004—2011年滇南普洱、西双版纳冰雹天气过程进行统计分析,总结出冰雹4个预报指标:(1)当单体回波满足冰雹云的初始特征和发展阶段特征时,可预报未来出现冰雹的可能较大,预报提前60 min以内;(2)当回波的组合反射率≥55 dBz、宽度≥12.0 km、梯度≥15 dBz·km~(-1)、H_(45 dBz)≥7.5 km、2—5月H_(45 dBz)-H_0≥3.1 km且H_(45 dBz)-H_(-20)≥-0.5 km、6-8月H_(45 dBz)-H_0≥2.0 km且H_(45 dBz)-H_(-20)≥-1.2km、VIL≥30 kg·m~(-2)、D_(VIL)≥3.0 g·m~(-3)时,预报有冰雹发生,预报提前12~102 min;(3)当回波具有弱切变特征、45 dBz回波顶高≥7.5 km、2—5月H_(45 dBz)-H_0≥3.1 km且H_(45 dBz)-H_(-20)≥-0.5 km、6—8月H_(45 dBz)-H_0≥2.0 km且H_(45 dBz)-H_(-20)≥-1.2 km时,可预报有冰雹出现,预报提前18~54 min;(4)若除去飑线和下击暴流回波,当回波的VIL≥30 kg·m~(-2)、D_(VIL)≥3.0 g·m~(-3)时,可预报有冰雹出现,预报提前12~54 min。此外,还总结了冰雹云的生命期特征等,并利用2012年发生的冰雹天气过程检验了预报指标。 相似文献
12.
CINRAD-SA多普勒天气雷达的产品包括基本产品和导出产品,产品由雷达产品生成子系统(RPG)生成.基本产品包括反射率因子、基本径向速度和谱宽等3类,共15种产品,最常用的基本产品是19、27号产品.导出产品是由数字化的基本数据经过使用特定的算法做进一步处理而生成的产品,最常用的有组合反射率因子(CR 35)、反射率因子垂直剖面(RCS 50)、回波顶(ET 41)、一小时累积降水(OHP 78)、三小时累积降水(THP 79)、垂直累积液态水(VIL 57)、弱回波区(WER 53)、速度方位显示风廓线(VWP 48)等. 相似文献
13.
登陆中国不同强度热带气旋的变化特征 总被引:4,自引:3,他引:1
根据《热带气旋等级》国家标准(2006),将热带气旋(TC)划分为热带低压(TD)、热带风暴(TS)、强热带风暴(STS)、台风(TY)、强台风(STY)、超强台风(SSTY)6个等级,利用中国气象局整编的1949—2006年共58年的《台风年鉴》和《热带气旋年鉴》资料,分析了登陆中国大陆、海南和台湾不同强度TC变化特征。结果表明:(1) 不同强度登陆TC频数存在年际和年代际变化,在长期趋势上,TD、TS登陆频数呈现显著的线性递减趋势,STY登陆频数呈现显著增加趋势。(2) 登陆TD、TS、STS存在6—8年的周期变化,TY具有准16年的周期变化。(3) 登陆TD、TS主要生成于南海东北部海面,登陆TY、STY、SSTY多生成于巴士海峡东南部海面和菲律宾以东洋面。(4) 在年代际变化上,南海生成的登陆TD、TS频数有减少趋势,TY、STY有增多趋势。 相似文献
14.
通过对2015年1—12月上海崇明岛崇南地区颗粒物(PM_(2.5)、PM_(10))浓度的连续监测,研究了PM_(2.5)、PM_(10)在不同季节的动态变化特征及与其他因子(SO_2、NO_2、O_3)的相关性,分析了风向风速和降雨对颗粒物浓度的影响。结果表明:崇明岛PM_(2.5)和PM_(10)浓度的季节变化明显,呈现冬季的春季的秋季的夏季的的特征,冬季PM_(2.5)和PM_(10)小时浓度均值分别为0.058 mg/m~3和0.085 mg/m~3,夏季PM_(2.5)和PM_(10)均值分别为0.034 mg/m~3和0.054 mg/m~3。PM_(2.5)和PM_(10)浓度分别与SO_2浓度和NO_2浓度显著正相关,与O_3显著负相关。全年来看,在西南风向时PM_(2.5)和PM_(10)浓度较高,这主要受该方向上游吴淞工业区、宝钢、石洞口电厂、罗店工业区等工业排放影响;从高浓度颗粒物(PM_(2.5)质量浓度≥0.115 mg/m~3)来向看,北和西北风向时出现高浓度颗粒物的频率最高,这主要是受到我国北方采暖季大气颗粒物输送过程对崇明岛区域的脉冲式污染影响所致;PM_(2.5)、PM_(10)实时浓度与相应的风速呈显著负相关。降雨量大于5 mm或持续3 h及以上的连续降雨对大气颗粒物起到显著的湿清除作用,降雨后PM_(2.5)和PM_(10)质量浓度分别降低了68.0%和66.9%,降雨时和雨后PM_(2.5)浓度为0.025~0.033 mg/m~3,均低于我国环境空气PM_(2.5)的一级浓度限值。 相似文献
15.
葛洪燕 《沙漠与绿洲气象(新疆气象)》2018,12(2):78-83
依据吐鲁番市2015年3月—2016年2月的PM_(10)、PM_(2.5)和气象资料,利用统计分析,探讨吐鲁番市PM_(10)和PM_(2.5)浓度的变化特征及其与气象要素的关系。结果表明:冬季PM2.5与PM10浓度的平均值最高(106 ug/m3、184 ug/m~3),春季次之(63 ug/m~3、163 ug/m~3),夏季最低(33 ug/m~3、95ug/m~3),且冬季二者浓度的平均值比夏季分别高大约69%、48%。11月至次年2月,每个月中PM_(2.5)和PM_(10)的污染程度在轻度污染以上的天数相比其它月份较多。PM_(10)与PM_(2.5)的日变化曲线特征呈现"双峰双谷"的特点;PM_(2.5)与PM_(10)的比值在冬季达到了60%~80%,这说明吐鲁番冬季主要以PM2.5污染为主;PM_(2.5)和PM_(10)与能见度之间存在极其显著的相关性,相关系数分别为-0.904、-0.792,与单一气象要素(如相对湿度、风速、温度等)的相关性不明显,但不同气象要素的共同作用对其有显著影响。 相似文献
16.
17.
18.
19.
通过分析2001—2012年上海市PM_(10)浓度(由API(Air Pollution Index)转化得到)的变化规律,构建了上海市PM_(10)浓度的遥感反演模型。结果表明:1)上海市PM_(10)浓度存在季节性变化,应分别建立遥感反演模型。2)分析MODIS气溶胶光学厚度(Aerosol Optical Depth,AOD)产品与PM_(10)浓度之间的相关性发现,AOD须经过垂直和湿度订正才可与PM_(10)建立较好的关系。3)结合垂直和湿度订正分别建立的上海市PM_(10)浓度春夏秋冬四季的遥感反演模型均通过了拟合度检验,其中春季模型采用指数函数、夏季和秋季模型采用二次多项式函数、冬季采用幂函数、全年采用二次多项式函数,利用此四季模型反演上海市PM_(10)浓度具有较高的可信度。 相似文献
20.
《内蒙古气象》2018,(2)
文章对呼和浩特市2015年冬季(2015年11月—2016年1月)空气质量指导预报从单时次预报、逐日预报、过程预报3个方面进行了检验分析。检验分析表明:(1)单时次(08时)PM_(2.5)、PM_(10)等要素浓度预报偏差在可接受范围内,其中PM_(2.5)、PM_(10)、CO、NO_2、O_3、SO_2冬季平均绝对误差分别为52.99、68.21、1.25、17.89、26.93、23.76ug·m~(-3),且PM_(2.5)与PM_(10)误差变化趋势较为一致,其相关系数为0.91;单时次(08时)AQI预报准确率为72.94%。(2)逐日AQI检验误差65.41,AQI预报准确率为64%。(3)空气质量污染过程预报较为滞后,其中单峰型污染过程波峰预报时间滞后48~60h;双峰型污染过程中第一个波峰预报时间滞后60h左右,而第二个波峰滞后1d左右;持续性污染过程中波峰预报时间滞后约36h。 相似文献