排序方式: 共有95条查询结果,搜索用时 15 毫秒
61.
广州高建筑物雷电观测站光电同步观测系统于2017年6月16日记录到一次峰值电流达+141 kA的单回击正地闪触发两个并发上行闪电过程。利用高速摄像、普通摄像和电场变化数据分析了触发型上行闪电的始发特征和机理。结果表明:正地闪回击后约0.8 ms内,在距正地闪接地点约3.9 km的广州塔(高600 m)和4.1 km的东塔(高530 m)分别有上行闪电始发。正地闪回击过程中和大量正电荷以及之后可能有云内负先导朝高塔方向快速伸展造成塔顶局部区域的电场发生突变是两个上行闪电激发的原因。两个上行闪电在353 ms内发生7次回击,其中6次在广州塔上,仅1次在东塔上,且广州塔回击峰值电流平均值(-21.4 kA)约为东塔回击峰值电流(-7.3 kA)的3倍,表明广州塔上行闪电通道可能比东塔上行闪电通道伸展至分布范围更广、电荷量(或电荷密度)更大的负电荷区。两个上行闪电先导的二维速率变化范围为9.4×104~1.8×106 m·s-1,平均值为6.9×105 m·s-1。 相似文献
62.
为研究上行先导发生发展的特征及其与地面构筑物间的相互作用,该文建立了闪电先导三维自持发展模式。该模式能够在给定雷暴云下空间电场初始分布情况、下行梯级先导始发位置及地面构筑物几何形状等参量时,进行自持发展模拟,计算出上行正先导随时间在三维空间内的头部位置、速度、电流强度、线电荷密度等物理特征量的变化。模拟发现上行正先导始发及发展过程中,其速度呈逐渐增加趋势,临近最后一跳发生前,上行正先导速度增加明显,整个过程中先导速度的变化范围为104~106 m·s-1量级,电流强度随时间也具有逐渐增加趋势,该变化趋势与光学观测得到的先导头部亮度的变化趋势相一致。该闪电先导三维自持模拟模型能够为进一步研究雷击地面构筑物特点提供参考。 相似文献
63.
我们应用改进的随机闪电参数化方案,对两次雷暴的起、放电过程进行了二维125 m和250 m分辨率云闪模拟试验,分析表明高分辨率模拟的云闪通道几何结构、延伸范围和最大垂直电场变化等特征与观测结果更为一致,并且揭示了云闪放电重新配置云内电荷分布和空间电荷中和过程的一种新的物理图像:(1) 云闪的直接物理效应是在已有的空间电荷区内沿着放电通道沉积异极性电荷、形成复杂的空间电荷分布,有效地导致云中电位和场强绝对值及静电场能量剧烈下降,使放电终止.其中:放电后在闪电通道经过主要区域,电位降到±30 MV之间,垂直电场强度也降到±20 kV·m-1之间,一次正或负云闪估计消耗掉107~1010 J静电能;(2) 云中电荷中和不是正、负空间电荷简单地直接相互抵消的瞬态过程,而是广泛分布的云中空间电荷与通道沉积的异极性电荷通过湍流交换、平流输送、重力沉降以及起电等多种因素逐渐混合并部分被中和的一个后续慢过程,其弛豫时间典型值在14~44 s之间,在此期间通道感应电荷总量下降到50%以下.并残余部分电荷参与后续放电前高空间电荷密度和强电场的重建过程. 相似文献
64.
65.
中国雷电活动特征分析 总被引:16,自引:0,他引:16
雷电活动资料在国民经济和国防建设中涉及防雷减灾问题上有重要的应用价值,本文对中国672个地面站点1961~2006年的雷暴日资料进行处理分析,同时利用星载闪电探测器(OTD/LISOptical Tran Sient Detector/Lightning Imaging Sensor)的闪电观测资料集(1995~2005年),对中国雷电活动的时空特征进行了再分析,得到以下结果①中国雷暴活动的时空分布;②闪电密度和雷暴日在中国的空间分布存在差异性;③中国和中国不同地区闪电活动的年变化和日变化特征;④中国不同地区包括各省、直辖市、自治区闪电密度的各种特征. 相似文献
66.
67.
在时间差闪电定位算法的基础上, 采用蒙特卡罗模拟方法, 实现了对闪电定位误差的定量评估。详细分析了闪电定位系统中测站数目、布站方式和站址基线长度3个因素对定位结果的影响。研究表明:定位误差与测站数目、布站方式和基线长度有密切关系。当测站数目一定时, 矩形加中心站的布站方式定位结果较好; 当布站方式一定时, 测站数目越多定位误差越小; 在仪器允许的探测范围内, 基线越长, 覆盖区域越大, 定位误差越小。闪电定位误差的定量分析研究, 为闪电监测网的站址选择、子站布设等实际工作提供了重要参考依据。 相似文献
68.
69.
吕伟涛 《气象科技合作动态》2010,(4):3-4
为了提高中国气象科学研究院雷电物理和防护工程实验室的科研水平,促进与国外雷电研究单位的合作和交流,经中国气象局和中国气象科学研究院批准,吕伟涛于2009年12月21日至2010年1月20日赴日本岐阜大学进行了1个月的科研合作交流。合作专家是中国气象局特聘专家,日本岐阜大学的王道洪教授。 相似文献
70.
云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器 (K-Nearest Neighbor,KNN), 在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好, 识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。 相似文献