上海气温变化及城市化影响初步分析

为研究在全球变化背景下上海市区气温变化规律和城市化进程对其影响,分析了上海市区气温对全球变暖的响应,对比了市区和郊区气温在不同气候背景下的变化趋势,采用与郊区台站对比法分析了上海市区气温城市化效应,研究了城市化进程与气温各分量长期变化趋势之间的关系,将高空与地面观测资料相结合,定量估算了城市化效应对平均气温的贡献,初步讨论了气温的城市化效应成因。研究结果表明：1873~2004年上海市区年平均气温的长期变化趋势为1.31 ℃/(100 a),在1921~1948年和1979~2004年两个时期增温明显,其中第二段增温强于第一段;与郊区站点相比,市区在降温期内降温最小,增温期内升温幅度最大;城市发展导致市区和郊区气温有显著差别且温差逐年加大,其中平均气温和最低气温在秋季的差别最大,最高气温市区和郊区之间差别在夏季最大;城市化进程加快了地面气温升高的速率,其中以最低气温最为明显;在1980年代城市化效应使上海市区年平均温度平均升高0.4 ℃,在1990年代平均升高1.1 ℃。     

近百余年上海气温变化的若干特征

本文根据1873—1990年上海的年、冬、夏平均气温资料,并利用1956—1990年其郊区气温资料,对城市热岛效应对气温的影响作了处理,重建了近118a的上海气温序列。在此基础上对上海的气温变化特征进行分析,并与同期的北半球气温变化作了比较。结果表明,上海的气温变化有其明显的阶段性、跃变性和周期性。近百余年上海气温变化的总体特征与北半球相似,呈缓慢变暖趋势,但具体的变化过程和幅度有差别,尤其近20多年来的变化与北半球不一致,没有明显的增温现象。     

汛期强降水过程与月内低频降水的联系及其可能机制

利用1981 2010年中国753站逐日降水观测资料、NCEP/NCAR第二套逐日再分析资料及实况天气图等,选取长江中下游32次大范围持续性强降水过程,分析了该类强降水过程与月内(10~30天)低频降水的联系,并重点讨论了形成该类强降水过程的可能机制。结果表明:(1)长江中下游夏季降水具有显著的月内低频振荡周期。大范围持续性强降水过程基本位于降水低频振荡的峰值阶段。(2)梅汛期(6 7月)月内低频降水峰值位相前期,西太平洋副热带高压(下称西太副高)西伸北进,高低空急流发展加强。在强降水过程发生期,高中低层配置出现垂直方向上的最佳耦合;而台汛期(89月)低频降水峰值位相前期,西太副高东退南撤,低空急流逐渐南落至长江中下游东南部,与高空急流相配合,为强降水过程的发生提供了有利条件。(3)梅汛期东北亚低频位势高度低值区南下,与中纬太平洋西传的低频波列在长江中下游汇合。同时西太副高发展加强,造成了长江中下游降水峰值位相南高北低的低频位势高度分布,有利于强降水过程的发生;台汛期伴随从热带西太平洋到日本海低频波列的西北向移动,菲律宾东北部的低频气旋及其北侧低频反气旋的降水峰值位相分别移至长江中下游和东北亚地区,导致暖湿、干冷气流在长江流域交汇,进而造成强降水过程。(4)菲律宾以东洋面低频强对流可作为梅汛期和台汛期强降水过程发生的前期热带信号,提前低频降水峰值位相10天左右。     

台风影响上下海近海风场特性的数值模拟分析

选择近年来影响上海最严重的不同路径台风个例,首先利用TAPM数值模式对出现最大风速过程期间,海岸线的风速变化作了数值模拟计算,然后与海岸测风梯度塔的同步观测数据进行对比,在验证了模式计算结果的准确性和可靠性基础上,对台风影响下上海近海区域最大风速的分布特征、不同高度风速变化规律进行分析评估.同时采用海上测风平台的观测数据,对近海海面上的湍流强度作了计算.结果表明:当台风影响上海地区时,上海近海海上的最大风速有较明显的梯度变化;海面上风速随高度变化远比陆上小,各高度层风速如用指数律公式计算,幂指数可取O.09-0.10;海面上的湍流强度亦较小,基本上在0.10以下范围内波动.     

上海地区不同重现期的风速估算研究

基于上海气象站历史风速观测资料,采用极值I型和皮尔逊III型分布估算了上海市不同重现期最大风速的时间变化以及各区（县）不同重现期最大和极大风速的空间分布。结果表明,1901~2011年,上海市10、30、50和100 a重现期的最大风速分别为21.0、24.9、26.7和29.2 m/s。1974~2011年期间,上海各区（县）10 m高度10、30、50和100 a重现期的最大风速都是以南部沿海地区南汇或金山最大,分别为19.0、21.4、22.6和24.1 m/s;各重现期极大风速也是以南汇或金山最大,分别为32.3、36.4、38.4和41.0 m/s。中心城区各重现期的最大和极大风速都最小。     

一种基于实景图像的低能见度识别算法

为了利用大量视频监控设备提高能见度数据采集密度,提出一种基于实景图像转换的、采用简单卷积神经网络分类提取能见度等级的算法。该算法假设视频设备水平安装且具备开阔视野, 对原始视频图像进行水平分块,提取各分块的梯度、饱和度和亮度信息组成新的图像,基于简单卷积神经网络建模。采用2019年9月—2020年12月上海洋山港气象站29668张视频图像进行训练,建立识别模型,并采用2021年1—5月5757张视频图像对模型进行测试。采用该算法建立的模型参考雾的预报等级(GB/T 27964—2011)将能见度分为5个等级进行检验,白天准确率为87.99%,夜间准确率为81.32%,优于直接采用AlexNet模型。对1000 m以下低能见度天气的识别准确率达95%以上。利用现有的视频摄像头,可有效弥补气象站点能见度仪数据不足的问题,在气象业务上有一定的应用价值。     

上海地区不同重现期的风速估算研究北大核心CSCD

基于上海气象站历史风速观测资料,采用极值I型和皮尔逊III型分布估算了上海市不同重现期最大风速的时间变化以及各区（县）不同重现期最大和极大风速的空间分布。结果表明,1901~2011年,上海市10、30、50和100 a重现期的最大风速分别为21.0、24.9、26.7和29.2 m/s。1974~2011年期间,上海各区（县）10 m高度10、30、50和100 a重现期的最大风速都是以南部沿海地区南汇或金山最大,分别为19.0、21.4、22.6和24.1 m/s;各重现期极大风速也是以南汇或金山最大,分别为32.3、36.4、38.4和41.0 m/s。中心城区各重现期的最大和极大风速都最小。     

高分辨率数值模式在风能资源评估中的应用初探

针对现有气象测站分布数量有限, 尤其是沿江沿海地带测站稀少的现状, 对数值模式在风能资源评估中的应用进行了尝试。首先利用TAPM数值模式对上海地区的风场作了数值模拟计算; 然后利用同步的气象站观测资料对风速模拟结果进行统计释用订正处理, 提高了模式计算结果的准确性和可靠性; 最后得到了分辨率为3 km的上海全年平均风速和风功率密度分布信息。这些结果为上海地区风能资源分析评估及风电场规划选址工作提供了科学依据, 同时也说明将统计释用的数值模拟结果应用到风能资源评估工作中是可行的。     

ON TEMPERATURE CHANGES OF SHANGHAI AND URBANIZATION IMPACTS

To understand how temperature varies in urban Shanghai under the background of global climate change and how it is affected by urbanization, the Shanghai temperature responses to global warming were analyzed, and then the temperature trends of urban and suburb stations under different climatic backgrounds were obtained. The urbanization effects on temperature were studied by comparing urban stations to suburb stations, the relationship between urbanization variables and temperature components were obtained, and observation data of surface and high level were combined to assess the contribution of urbanization effect. In the last part of the paper, the cause of urbanization effects on temperature was discussed. The results indicated: The long term change trend of Shanghai annual mean temperature is 1.31/100a from 1873 to 2004, the periods of 1921 – 1948 and 1979 – 2004 are warmer, and the 1979 – 2004 period is the warmest; compared to suburb stations, the representative urban station has slower decreases in the cool period and faster increases in the warm one; the urban and suburb temperatures have distinct differences resulting from urbanization and the differences are increasing by the year, with the difference of mean temperature and minimum temperature being the greatest in fall and that of maximum temperature being the largest in summer between the urban and suburban areas. The urbanization process accelerates the warming speed, with the minimum temperature being the most obvious; the urbanization effect contributes a 0.4°C increase in 1980s and 1.1°C in 1990s to the annual mean temperature.