下载排行
2024(4):1-8.
摘要:
基于ERA5 025°×025°逐小时再分析资料、地面加密观测资料、怀化S波段多普勒天气雷达资料、常规气象观测资料，对怀化市2022年6月1—5日降水过程的动力、热力、水汽特征及对流发生发展过程进行分析。结果表明：(1)降水分为两个阶段。第一阶段为强盛西南气流中的暖区降水，低层的强暖平流积累了大量不稳定能量；第二阶段为冷空气影响下的锋面降水，高层的冷平流加剧了大气的不稳定性。(2)暴雨区上空高比湿、整层可降水量和充沛的水汽输送为暴雨的产生提供了充足的水汽。(3)地面的中尺度辐合线和地面冷锋是对流的触发条件，而对流的发生发展和低空急流的位置和强度密切相关。(4)暴雨区降水回波结构密实，为典型的多单体结构。第一阶段的降水具有明显的后向传播特征，且在径向速度图上出现了中β尺度的涡旋，有利于强降水的维持；第二阶段回波移动缓慢，无明显后向传播，在降水强度上弱于第一阶段。
基于ERA5 025°×025°逐小时再分析资料、地面加密观测资料、怀化S波段多普勒天气雷达资料、常规气象观测资料，对怀化市2022年6月1—5日降水过程的动力、热力、水汽特征及对流发生发展过程进行分析。结果表明：(1)降水分为两个阶段。第一阶段为强盛西南气流中的暖区降水，低层的强暖平流积累了大量不稳定能量；第二阶段为冷空气影响下的锋面降水，高层的冷平流加剧了大气的不稳定性。(2)暴雨区上空高比湿、整层可降水量和充沛的水汽输送为暴雨的产生提供了充足的水汽。(3)地面的中尺度辐合线和地面冷锋是对流的触发条件，而对流的发生发展和低空急流的位置和强度密切相关。(4)暴雨区降水回波结构密实，为典型的多单体结构。第一阶段的降水具有明显的后向传播特征，且在径向速度图上出现了中β尺度的涡旋，有利于强降水的维持；第二阶段回波移动缓慢，无明显后向传播，在降水强度上弱于第一阶段。
2024(4):20-25.
摘要:
利用1961—2021年陕西省99个国家级气象观测站逐日降水数据，给出了陕西省区域性暴雨过程识别方法；以暴雨过程平均强度、平均影响范围和持续时间为指标，建立了区域性暴雨过程综合强度评估模型，在此基础上分析了陕西省区域性暴雨过程特征及其变化。结果表明：（1）陕西区域性暴雨在4—11月均有出现，主要在6—9月；区域性暴雨一般持续1～2 d，平均12 d。（2）陕西区域性暴雨过程年均78次，年际变化较大；从长期变化来看，一般等级的暴雨过程趋于减少，而偏强等级的暴雨过程在明显增多。（3）首次区域性暴雨出现日期平均为5月31日，末次出现日期平均为9月20日；首次和末次出现日期的年际变化较大，且首次过程出现日期呈提前趋势，特别是近20 a明显提前，而末次过程出现日期没有明显的趋势变化。（4）陕西区域性暴雨可分为东南部型、中南部型、偏西型和偏北型4种空间型，其中中南部型的降水强度较其他分布型更强，强降水范围也更大。
利用1961—2021年陕西省99个国家级气象观测站逐日降水数据，给出了陕西省区域性暴雨过程识别方法；以暴雨过程平均强度、平均影响范围和持续时间为指标，建立了区域性暴雨过程综合强度评估模型，在此基础上分析了陕西省区域性暴雨过程特征及其变化。结果表明：（1）陕西区域性暴雨在4—11月均有出现，主要在6—9月；区域性暴雨一般持续1～2 d，平均12 d。（2）陕西区域性暴雨过程年均78次，年际变化较大；从长期变化来看，一般等级的暴雨过程趋于减少，而偏强等级的暴雨过程在明显增多。（3）首次区域性暴雨出现日期平均为5月31日，末次出现日期平均为9月20日；首次和末次出现日期的年际变化较大，且首次过程出现日期呈提前趋势，特别是近20 a明显提前，而末次过程出现日期没有明显的趋势变化。（4）陕西区域性暴雨可分为东南部型、中南部型、偏西型和偏北型4种空间型，其中中南部型的降水强度较其他分布型更强，强降水范围也更大。
2024(4):26-31.
摘要:
利用CMPAS格点和河西走廊国家气象站、区域气象站逐小时降水量数据，运用常规的气候统计方法，分析了河西走廊2018—2022年汛期（5—9月）降水量、降水频次、降水强度的空间分布和日变化特征。结果表明：（1）受地理位置、海拔高度、纬度以及影响系统影响，降水总量、降水频次及降水强度的空间分布总体上表现为由西北向东南增加,低纬度高海拔的走廊中东部及沿山区大于高纬度低海拔的走廊西部及平原区；（2）受青藏高原东北侧午后湿对流和凌晨到上午气温较低影响，降水量、降水频次和降水强度日变化均表现为双峰型分布，峰值时间段出现在16—23时和06—10时，谷值出现在12—14时；（3）持续7～12 h的降水量和1～3 h的降水频次最多，持续13～24 h的降水频次和降水量最少，不同持续时长降水量和降水频次大值都集中出现在傍晚和凌晨。
利用CMPAS格点和河西走廊国家气象站、区域气象站逐小时降水量数据，运用常规的气候统计方法，分析了河西走廊2018—2022年汛期（5—9月）降水量、降水频次、降水强度的空间分布和日变化特征。结果表明：（1）受地理位置、海拔高度、纬度以及影响系统影响，降水总量、降水频次及降水强度的空间分布总体上表现为由西北向东南增加,低纬度高海拔的走廊中东部及沿山区大于高纬度低海拔的走廊西部及平原区；（2）受青藏高原东北侧午后湿对流和凌晨到上午气温较低影响，降水量、降水频次和降水强度日变化均表现为双峰型分布，峰值时间段出现在16—23时和06—10时，谷值出现在12—14时；（3）持续7～12 h的降水量和1～3 h的降水频次最多，持续13～24 h的降水频次和降水量最少，不同持续时长降水量和降水频次大值都集中出现在傍晚和凌晨。
2024(4):45-52.
摘要:
利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型，并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%，且整体表现出土壤深度越深预测准确率越高的趋势，10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%；各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势；模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。
利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型，并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%，且整体表现出土壤深度越深预测准确率越高的趋势，10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%；各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势；模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。
2024(4):15-19.
摘要:
基于1971—2020年陕西渭北地区32个国家气象站的降雹数据和NCEP再分析资料的动力、温度、湿度、风速等月平均数据，分析了陕西渭北冰雹变化特征和关键影响因素。结果表明：渭北地区冰雹呈现北多南少，夏季多，冬春少，冰雹主要出现在5—8月，降雹频次6月最多；渭北地区年、月降雹频次呈减少趋势，6月降雹频次减少趋势最为明显；渭北地区对流有效位能和垂直速度减小，0 ℃层的高度升高，高空风速减小，是渭北地区降雹频次减小的主要原因；渭北地区广泛开展的地面防雹作业，也是降雹频次减小的因素之一。
基于1971—2020年陕西渭北地区32个国家气象站的降雹数据和NCEP再分析资料的动力、温度、湿度、风速等月平均数据，分析了陕西渭北冰雹变化特征和关键影响因素。结果表明：渭北地区冰雹呈现北多南少，夏季多，冬春少，冰雹主要出现在5—8月，降雹频次6月最多；渭北地区年、月降雹频次呈减少趋势，6月降雹频次减少趋势最为明显；渭北地区对流有效位能和垂直速度减小，0 ℃层的高度升高，高空风速减小，是渭北地区降雹频次减小的主要原因；渭北地区广泛开展的地面防雹作业，也是降雹频次减小的因素之一。
2024(4):67-71.
摘要:
利用1978—2022年翁源县国家基本气象站逐日资料，针对低温霜冻、暴雨、低温连阴雨和高温热害，从气候条件分析这4种农业气象灾害的变化趋势和发生规律，及其对翁源兰花种植的影响和应对措施。结果表明：近45 a翁源低温霜冻和低温连阴雨日数呈显著减少趋势，冬季兰花种植仍有霜冻风险，低温连阴雨日数减少对兰花生长发育有利；高温热害呈显著增多趋势，兰花种植需增加高温防护措施的投入；汛期暴雨天气发生频率较高，大暴雨也趋于增多，兰花种植应特别注意防洪防涝。
利用1978—2022年翁源县国家基本气象站逐日资料，针对低温霜冻、暴雨、低温连阴雨和高温热害，从气候条件分析这4种农业气象灾害的变化趋势和发生规律，及其对翁源兰花种植的影响和应对措施。结果表明：近45 a翁源低温霜冻和低温连阴雨日数呈显著减少趋势，冬季兰花种植仍有霜冻风险，低温连阴雨日数减少对兰花生长发育有利；高温热害呈显著增多趋势，兰花种植需增加高温防护措施的投入；汛期暴雨天气发生频率较高，大暴雨也趋于增多，兰花种植应特别注意防洪防涝。
2024(4):9-14.
摘要:
利用阜阳S波段双偏振多普勒雷达和闪电定位系统资料分析2021年6月13日发生在阜阳市境内的一次强雷暴过程特征；将闪电定位仪探测的闪电频次与双偏振多普勒雷达的偏振参量进行匹配分析，并采用插值算法绘制雷达回波偏振产品剖面图，分析回波偏振参量的垂直分布特征与闪电的关系，进一步研究阜阳地区的雷暴特征。结果表明：闪电频次与水平反射率因子（ZH）有较好的相关性，相关系数达078；有闪电时的ZH、差分反射率因子（ZDR）、差分相移率（KDP）平均值均大于无闪电时。闪电发生时的ZH达40 dBZ以上，且强回波突破-10 ℃高度层以上，ZDR、KDP在-10 ℃层为较小的正值或局部的负值；0 ℃层以下ZDR和KDP值均较高，其大值区出现在风暴前侧入流区。
利用阜阳S波段双偏振多普勒雷达和闪电定位系统资料分析2021年6月13日发生在阜阳市境内的一次强雷暴过程特征；将闪电定位仪探测的闪电频次与双偏振多普勒雷达的偏振参量进行匹配分析，并采用插值算法绘制雷达回波偏振产品剖面图，分析回波偏振参量的垂直分布特征与闪电的关系，进一步研究阜阳地区的雷暴特征。结果表明：闪电频次与水平反射率因子（ZH）有较好的相关性，相关系数达078；有闪电时的ZH、差分反射率因子（ZDR）、差分相移率（KDP）平均值均大于无闪电时。闪电发生时的ZH达40 dBZ以上，且强回波突破-10 ℃高度层以上，ZDR、KDP在-10 ℃层为较小的正值或局部的负值；0 ℃层以下ZDR和KDP值均较高，其大值区出现在风暴前侧入流区。
2024(4):32-38.
摘要:
雾是诱发交通事故的主要气象因素，具有很强的局地性。统计分析表明，淄博市的浓雾多发生在秋冬季节和后半夜，弱的东风、北风分量和高相对湿度时有利于浓雾发生。选取2015—2023年淄博市8个国家级气象观测站逐小时气象观测资料，以AdaBoost算法为基础建立能见度诊断预报模型，针对单站进行浓雾诊断测试。试验结果表明：各站点机器学习模型预报的精确率基本在90%以上，空报率、漏报率基本在10%以下，大多数空报和漏报出现在能见度阈值附近；模型对较强浓雾的预报较为准确，而对持续轻雾的空报率较高；对模型预报贡献最大的气象要素为相对湿度，其次是风向风速；模型有一定的局地性，存在优化空间。
雾是诱发交通事故的主要气象因素，具有很强的局地性。统计分析表明，淄博市的浓雾多发生在秋冬季节和后半夜，弱的东风、北风分量和高相对湿度时有利于浓雾发生。选取2015—2023年淄博市8个国家级气象观测站逐小时气象观测资料，以AdaBoost算法为基础建立能见度诊断预报模型，针对单站进行浓雾诊断测试。试验结果表明：各站点机器学习模型预报的精确率基本在90%以上，空报率、漏报率基本在10%以下，大多数空报和漏报出现在能见度阈值附近；模型对较强浓雾的预报较为准确，而对持续轻雾的空报率较高；对模型预报贡献最大的气象要素为相对湿度，其次是风向风速；模型有一定的局地性，存在优化空间。
2024(4):61-66.
摘要:
基于灾害系统、公共安全三角形模型等理论，以汉中市11个县区为研究对象，将暴雨灾害旅游风险作为一个复合系统，选取致灾因子、孕灾环境、承灾体和防灾减灾能力四个指标，通过引入距离函数概念，运用层次分析-熵权组合赋权法，构建了涵盖14个因子的暴雨灾害旅游风险评估模型，系统分析了汉中市11个县区的暴雨灾害旅游风险程度，并据此开展了风险区划。结果表明：宁强、镇巴和佛坪县暴雨灾害旅游风险等级处于1级，为高风险区域；略阳和勉县次之，风险等级处于2级；南郑、洋县风险等级为3级；城固、留坝、西乡和汉台风险等级4级，为低风险区。该结果可作为划定汉中市暴雨灾害旅游风险区划及绘制风险区划图的依据。
基于灾害系统、公共安全三角形模型等理论，以汉中市11个县区为研究对象，将暴雨灾害旅游风险作为一个复合系统，选取致灾因子、孕灾环境、承灾体和防灾减灾能力四个指标，通过引入距离函数概念，运用层次分析-熵权组合赋权法，构建了涵盖14个因子的暴雨灾害旅游风险评估模型，系统分析了汉中市11个县区的暴雨灾害旅游风险程度，并据此开展了风险区划。结果表明：宁强、镇巴和佛坪县暴雨灾害旅游风险等级处于1级，为高风险区域；略阳和勉县次之，风险等级处于2级；南郑、洋县风险等级为3级；城固、留坝、西乡和汉台风险等级4级，为低风险区。该结果可作为划定汉中市暴雨灾害旅游风险区划及绘制风险区划图的依据。
2024(4):39-44.
摘要:
酸度是衡量苹果品质的重要指标，建立不同气候区苹果酸度的快速、无损估算模型对果品检测具有重要意义。通过测定不同气候区苹果酸度及果实光谱，系统分析350～2 500 nm波段范围内任意两波段组合而成的归一化光谱指数（normalized difference spectral indices, NDSI, 用INDS表示）、比值光谱指数（ratio spectral indices, RSI）和差值光谱指数（difference spectral indices, DSI）与苹果酸度的量化关系。结果表明：苹果酸度的敏感波段主要位于近红外区域；新开发的两波段归一化光谱指数INDS（λ1192, λ1193）在估算苹果酸度效果最佳，可用于不同气候区苹果酸度定量监测，其与苹果酸度呈现二次多项式关系，拟合决定系数为0755。基于验证集数据对所建立的模型进行测试检验表明，预测值与实测值的拟合决定系数为0782，均方根误差为0057%，预测偏差为21。
酸度是衡量苹果品质的重要指标，建立不同气候区苹果酸度的快速、无损估算模型对果品检测具有重要意义。通过测定不同气候区苹果酸度及果实光谱，系统分析350～2 500 nm波段范围内任意两波段组合而成的归一化光谱指数（normalized difference spectral indices, NDSI, 用INDS表示）、比值光谱指数（ratio spectral indices, RSI）和差值光谱指数（difference spectral indices, DSI）与苹果酸度的量化关系。结果表明：苹果酸度的敏感波段主要位于近红外区域；新开发的两波段归一化光谱指数INDS（λ1192, λ1193）在估算苹果酸度效果最佳，可用于不同气候区苹果酸度定量监测，其与苹果酸度呈现二次多项式关系，拟合决定系数为0755。基于验证集数据对所建立的模型进行测试检验表明，预测值与实测值的拟合决定系数为0782，均方根误差为0057%，预测偏差为21。
2024(4):53-60.
摘要:
利用阎良机场2017—2021年地面气象观测风的资料，统计机场地面风的变化特征，分析特殊地形对地面风的影响，为保障试飞质量提供参考。结果表明：阎良机场盛行风向为东北风和西南风，主导风向为东北风；以东北风为主导风向时，风向昼间随时间呈顺时针偏转，夜间呈逆时针偏转，以西南风为主导风向时，风向昼夜随时间呈相反的变化；地面风表现出明显的地方性特征，不同路径的冷空气在受地形影响后，风向均趋向跑道方向的东北—西南向，风速除了受天气系统影响外，还兼有山谷风和峡谷风的特点；5 a平均风速为 24 m/s，小风速科目试飞的气象条件较为充裕，也有一定的开展ILS（CAT Ⅱ）自动飞行科目试飞的气象条件，开展大侧风科目试飞的气象资源比较稀缺；春季和夏季风速较大，秋季和冬季较小，小风速科目试飞宜安排在9月—次年的2月期间，ILS（CAT Ⅱ）自动飞行科目试飞宜安排在3—5月期间；风速日变化曲线表现为一峰一谷，峰值出现在 12—18时，谷值出现在 02—07时，可以将清晨和午后的机场资源让渡给小风速科目试飞，将ILS（CAT Ⅱ）自动飞行科目试飞安排在中午时段实施。
利用阎良机场2017—2021年地面气象观测风的资料，统计机场地面风的变化特征，分析特殊地形对地面风的影响，为保障试飞质量提供参考。结果表明：阎良机场盛行风向为东北风和西南风，主导风向为东北风；以东北风为主导风向时，风向昼间随时间呈顺时针偏转，夜间呈逆时针偏转，以西南风为主导风向时，风向昼夜随时间呈相反的变化；地面风表现出明显的地方性特征，不同路径的冷空气在受地形影响后，风向均趋向跑道方向的东北—西南向，风速除了受天气系统影响外，还兼有山谷风和峡谷风的特点；5 a平均风速为 24 m/s，小风速科目试飞的气象条件较为充裕，也有一定的开展ILS（CAT Ⅱ）自动飞行科目试飞的气象条件，开展大侧风科目试飞的气象资源比较稀缺；春季和夏季风速较大，秋季和冬季较小，小风速科目试飞宜安排在9月—次年的2月期间，ILS（CAT Ⅱ）自动飞行科目试飞宜安排在3—5月期间；风速日变化曲线表现为一峰一谷，峰值出现在 12—18时，谷值出现在 02—07时，可以将清晨和午后的机场资源让渡给小风速科目试飞，将ILS（CAT Ⅱ）自动飞行科目试飞安排在中午时段实施。
2024(4):72-76.
摘要:
GNSS-R技术可应用于海面风速反演，但传统的反演方法存在计算量大、反演精准度不高等缺点。利用随机森林算法，对东营沿海东青五号石油平台上的岸基GNSS-R数据进行海面风速反演，结果显示：训练集的决定系数R2为094，均方根误差为102 m/s；测试集的R2为084，均方根误差为155 m/s。与传统方法相比，随机森林算法反演效果大幅提升，可应用于GNSS-R海面风速反演中。岸基GNSS-R反演海面风速中最重要的特征因子是风向和相关时间，不同风力等级下的反演结果也存在明显差异。
GNSS-R技术可应用于海面风速反演，但传统的反演方法存在计算量大、反演精准度不高等缺点。利用随机森林算法，对东营沿海东青五号石油平台上的岸基GNSS-R数据进行海面风速反演，结果显示：训练集的决定系数R2为094，均方根误差为102 m/s；测试集的R2为084，均方根误差为155 m/s。与传统方法相比，随机森林算法反演效果大幅提升，可应用于GNSS-R海面风速反演中。岸基GNSS-R反演海面风速中最重要的特征因子是风向和相关时间，不同风力等级下的反演结果也存在明显差异。
2024(4):77-80.
摘要:
随着气象信息化的快速发展，业务系统复杂程度日益提升，数量激增，用户认证复杂化及安全隐患增加。通过构建一套统一身份认证系统，实现用户身份的统一管理、统一认证和统一授权，可以降低系统运行安全风险隐患。采用OAuth20授权码模式进行认证对接，同时通过SSL/TLS和CA证书进一步加强安全性，可以实现用户身份的集中管理和单点登录，简化用户的认证流程。以陕西省气象数据共享网为例，对统一身份认证系统应用进行了详细说明。
随着气象信息化的快速发展，业务系统复杂程度日益提升，数量激增，用户认证复杂化及安全隐患增加。通过构建一套统一身份认证系统，实现用户身份的统一管理、统一认证和统一授权，可以降低系统运行安全风险隐患。采用OAuth20授权码模式进行认证对接，同时通过SSL/TLS和CA证书进一步加强安全性，可以实现用户身份的集中管理和单点登录，简化用户的认证流程。以陕西省气象数据共享网为例，对统一身份认证系统应用进行了详细说明。
2012(1):15-18.
摘要:
选取一组气象要素为数据源,分别利用Excel2007和SPSS17.0进行通径分析计算和显
著性检验。分析结果表明:Excel2007通径分析实现步骤较为复杂,SPSS17.0实现通径分析简
单快捷,且可直接得到最优回归方程和直接通径系数。两者在作统计分析前都要对数据进行正
态分布检验,分析结果要进行显著性检验,直至回归方程中各变量检验均为显著水平为止,最
优的路径选择由决策系数决定。
2024(5):1-8.
摘要:
利用常规气象观测资料、FY-4A 云图资料、ERA5（0.5°×0.5°）逐小时再分析资料，对2020年8月4日西北涡影响下陕西一次强降水天气进行分析，结果表明：此次强降水雨带位于陕北，强降水主要时段出现在夜间；西北涡前期发展缓慢，后期发展迅速，来自南海台风外围的偏南风向西北涡输送水汽，为暴雨提供了充足水汽和能量供应，中高层强辐散抽吸促使西北涡持续发展；西北涡发展东移，低涡强降水产生凝结潜热加热造成西北涡低层减压，低涡上升运动和辐合强度进一步增强；本次强降水天气与低层偏南风急流建立密切相关，4日夜间陕北水汽输送、水汽辐合强度较白天更强；西北涡中低层偏南风急流在倾斜爬升中存在着中尺度对称不稳定机制，造成低涡中心附近更强上升运动和气旋式涡度，从而产生强降水；强降水释放的凝结潜热加热促使陕北产生强锋区，锋生进一步加强低涡中心附近上升运动，造成低涡降水强度增强。
利用常规气象观测资料、FY-4A 云图资料、ERA5（0.5°×0.5°）逐小时再分析资料，对2020年8月4日西北涡影响下陕西一次强降水天气进行分析，结果表明：此次强降水雨带位于陕北，强降水主要时段出现在夜间；西北涡前期发展缓慢，后期发展迅速，来自南海台风外围的偏南风向西北涡输送水汽，为暴雨提供了充足水汽和能量供应，中高层强辐散抽吸促使西北涡持续发展；西北涡发展东移，低涡强降水产生凝结潜热加热造成西北涡低层减压，低涡上升运动和辐合强度进一步增强；本次强降水天气与低层偏南风急流建立密切相关，4日夜间陕北水汽输送、水汽辐合强度较白天更强；西北涡中低层偏南风急流在倾斜爬升中存在着中尺度对称不稳定机制，造成低涡中心附近更强上升运动和气旋式涡度，从而产生强降水；强降水释放的凝结潜热加热促使陕北产生强锋区，锋生进一步加强低涡中心附近上升运动，造成低涡降水强度增强。
2024(5):32-37.
摘要:
利用2015—2022年西安市环境监测数据和气象观测数据及欧州中期天气预报中心的ERA5再分析资料，分析西安市O3质量浓度变化特征及气象影响因素，并对臭氧污染的天气形势进行分型。结果表明：（1）2015—2022年西安市O3平均质量浓度呈波动上升趋势，月、日变化均呈单峰型变化特征，其中6月和7月O3污染最明显，07—08时为O3质量浓度谷值，15—16时为峰值。（2）O3质量浓度与气温、风速、日照时数呈显著正相关关系，与相对湿度呈显著负相关关系；当日最高气温在32～39 ℃之间，日照时数5 h以上，日平均湿度在33%～74%之间，日平均风速在1～3 m/s之间时,O3污染概率明显增加，且强度也增强，更易出现O3中度污染。（3）西安市臭氧污染的天气形势分为脊前西北气流型、平直气流型、槽前西南气流型和副高型，占比最高的天气形势为脊前西北气流型和平直气流型。（4）西安市 O3污染呈现明显西高东低的空间分布特征，当脊前西北气流和槽前西南气流控制时O3污染区域相对更广，城西和城北O3污染较明显。
利用2015—2022年西安市环境监测数据和气象观测数据及欧州中期天气预报中心的ERA5再分析资料，分析西安市O3质量浓度变化特征及气象影响因素，并对臭氧污染的天气形势进行分型。结果表明：（1）2015—2022年西安市O3平均质量浓度呈波动上升趋势，月、日变化均呈单峰型变化特征，其中6月和7月O3污染最明显，07—08时为O3质量浓度谷值，15—16时为峰值。（2）O3质量浓度与气温、风速、日照时数呈显著正相关关系，与相对湿度呈显著负相关关系；当日最高气温在32～39 ℃之间，日照时数5 h以上，日平均湿度在33%～74%之间，日平均风速在1～3 m/s之间时,O3污染概率明显增加，且强度也增强，更易出现O3中度污染。（3）西安市臭氧污染的天气形势分为脊前西北气流型、平直气流型、槽前西南气流型和副高型，占比最高的天气形势为脊前西北气流型和平直气流型。（4）西安市 O3污染呈现明显西高东低的空间分布特征，当脊前西北气流和槽前西南气流控制时O3污染区域相对更广，城西和城北O3污染较明显。
2004(1):27-29.
摘要:
介绍了美国遥感图像处理系统ENVI的主要功能,包括数据接口、交互式分析功能、波谱工具、矢量处理功能、及遥感图像处理功能等。并将MODIS影像(HDF数据格式)在NEVI中进行了处理分析,包括数据读入、影像几何校正、监督分类和制图。应用证明,ENVI可以处理最先进的卫星数据格式,在高级遥感图像处理和高光谱影像处理方面具有优势。
2024(5):52-56.
摘要:
利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型，并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%，且整体表现出土壤深度越深预测准确率越高的趋势，10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%；各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势；模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。
利用2016—2021年春季(3—5月)陕西98个国家级地面气象观测站逐日观测资料,运用BP神经网络构建了陕西春季不同区域(陕北、关中、陕南)不同月份(3、4、5月)不同土壤深度(5、10、15、20 cm)地温预测模型，并利用2022年数据进行模型预测检验。研究结果表明：模型预测的各深度日平均地温在陕北、关中、陕南地区预测准确率＞95%，且整体表现出土壤深度越深预测准确率越高的趋势，10 cm日平均地温预测准确率＞98%,15、20 cm日平均地温预测准确率＞99%；各深度日平均地温在陕北、关中、陕南地区预测值与实测值的均方根误差≤10 ℃、平均绝对误差≤08 ℃,均方根误差和平均绝对误差整体表现出土壤深度越深误差值越小的趋势；模型预测精度比较理想,可用于陕西春季浅层地温预报业务,为春播及果树花期预报提供技术支持。
2024(5):64-70.
摘要:
陕西苹果在中国乃至世界占有重要地位，但却面临着严重的干旱风险。天气指数保险可有效转移气象灾害风险。基于大田试验数据，模拟水分对苹果产量的影响；利用陕西黄土高原丘陵区苹果基地县1981—2020年苹果生育期降水量数据构建苹果干旱指数，建立各基地苹果干旱损失模型；使用EasyFit软件筛选各基地县干旱指数最优分布模型，模拟干旱发生概率；利用纯费率精算方法厘定各基地县苹果干旱指数保险费率，设计干旱指数保险赔付方案。结果显示：供水量（x）与苹果产量（y）间呈显著的二次曲线关系，即x＝-0.003 1x2＋7.815 6x＋7 681.1（R2＝0.96），基于此函数构建的各基地县苹果干旱损失模型决定系数均达0.99以上。苹果干旱指数最优分布模型为 Lognormal、Normal、Logistic、Gamma的基地县分别为4、1、3、1个。各基地县苹果干旱纯费率范围为1.22%～2.12％，最低在洛川，最高在宝塔区。各基地县的赔付方案为基于苹果干旱指数的线性赔付，起赔点为各基地县干旱指数平均值。研究有效利用已有试验数据，建立灾害损失模型，为天气指数保险的研究提供了一种新思路；同时，县级费率的厘定和赔付方案的设计提高了农业保险为苹果产业服务的精确性和效率，为陕西黄土高原丘陵区苹果保险提供了科学支撑。
陕西苹果在中国乃至世界占有重要地位，但却面临着严重的干旱风险。天气指数保险可有效转移气象灾害风险。基于大田试验数据，模拟水分对苹果产量的影响；利用陕西黄土高原丘陵区苹果基地县1981—2020年苹果生育期降水量数据构建苹果干旱指数，建立各基地苹果干旱损失模型；使用EasyFit软件筛选各基地县干旱指数最优分布模型，模拟干旱发生概率；利用纯费率精算方法厘定各基地县苹果干旱指数保险费率，设计干旱指数保险赔付方案。结果显示：供水量（x）与苹果产量（y）间呈显著的二次曲线关系，即x＝-0.003 1x2＋7.815 6x＋7 681.1（R2＝0.96），基于此函数构建的各基地县苹果干旱损失模型决定系数均达0.99以上。苹果干旱指数最优分布模型为 Lognormal、Normal、Logistic、Gamma的基地县分别为4、1、3、1个。各基地县苹果干旱纯费率范围为1.22%～2.12％，最低在洛川，最高在宝塔区。各基地县的赔付方案为基于苹果干旱指数的线性赔付，起赔点为各基地县干旱指数平均值。研究有效利用已有试验数据，建立灾害损失模型，为天气指数保险的研究提供了一种新思路；同时，县级费率的厘定和赔付方案的设计提高了农业保险为苹果产业服务的精确性和效率，为陕西黄土高原丘陵区苹果保险提供了科学支撑。
2024(5):45-51.
摘要:
选取2019年1月1日—2022年12月31日海南岛18个市县发布的气象灾害预警信号作 为研究对象，分析海南岛气象灾害预警信号发布的时空分布特征，结果表明：海南岛气象灾害预警信号发布次数有逐年增加趋势，发布最频繁的6类灾害性天气预警信号依次为雷电、雷雨大风、高温、暴雨、台风和大雾。暴雨红色预警信号占所有红色预警信号的80.1％；不同类型气象灾害预警信号发布在月尺度、日变化上都有明显差异；在空间分布上，暴雨预警信号发布主要集中在北部、东部地区，台风预警信号发布主要在东部地区，大风预警信号发布主要集中在东部和西部地区，寒冷预警信号发布主要集中在北部、西部和中部山区，高温预警信号发布主要集中在西北地区，大雾预警信号发布主要集中在北部的定安和澄迈县、中西部的琼中、白沙县。
选取2019年1月1日—2022年12月31日海南岛18个市县发布的气象灾害预警信号作 为研究对象，分析海南岛气象灾害预警信号发布的时空分布特征，结果表明：海南岛气象灾害预警信号发布次数有逐年增加趋势，发布最频繁的6类灾害性天气预警信号依次为雷电、雷雨大风、高温、暴雨、台风和大雾。暴雨红色预警信号占所有红色预警信号的80.1％；不同类型气象灾害预警信号发布在月尺度、日变化上都有明显差异；在空间分布上，暴雨预警信号发布主要集中在北部、东部地区，台风预警信号发布主要在东部地区，大风预警信号发布主要集中在东部和西部地区，寒冷预警信号发布主要集中在北部、西部和中部山区，高温预警信号发布主要集中在西北地区，大雾预警信号发布主要集中在北部的定安和澄迈县、中西部的琼中、白沙县。
在线投稿
在线审稿
编辑管理
快速检索
友情链接
