2020年第48卷第6期文章目次
2020, 48(6):779-787.
摘要:
S2S（Subseasonal to Seasonal）國(guó)際合作計(jì)劃的主要目標(biāo)是提升次季節(jié)〖CD*2〗季節(jié)多模式預(yù)測(cè)能力，重點(diǎn)關(guān)注0～60 d的預(yù)報(bào)預(yù)測(cè)技巧。中國(guó)氣象局承擔(dān)了S2S數(shù)據(jù)的歸檔備份任務(wù)，收集參與該計(jì)劃的11個(gè)中心S2S模式數(shù)據(jù)，本文梳理了該數(shù)據(jù)資源的基本情況，介紹了數(shù)據(jù)的模式、要素及文件，研究了數(shù)據(jù)的讀取和分析方法，評(píng)估了數(shù)據(jù)的正確性、完整性和時(shí)效性，運(yùn)用模式回算數(shù)據(jù)，計(jì)算候、周、旬時(shí)間尺度的預(yù)測(cè)值和距平值，開(kāi)展了相關(guān)數(shù)據(jù)產(chǎn)品的可視化工作，對(duì)照同期ECMWF距平圖形產(chǎn)品進(jìn)行分析，推動(dòng)S2S數(shù)據(jù)產(chǎn)品在中國(guó)氣象局預(yù)報(bào)預(yù)測(cè)業(yè)務(wù)中應(yīng)用。
S2S（Subseasonal to Seasonal）國(guó)際合作計(jì)劃的主要目標(biāo)是提升次季節(jié)〖CD*2〗季節(jié)多模式預(yù)測(cè)能力，重點(diǎn)關(guān)注0～60 d的預(yù)報(bào)預(yù)測(cè)技巧。中國(guó)氣象局承擔(dān)了S2S數(shù)據(jù)的歸檔備份任務(wù)，收集參與該計(jì)劃的11個(gè)中心S2S模式數(shù)據(jù)，本文梳理了該數(shù)據(jù)資源的基本情況，介紹了數(shù)據(jù)的模式、要素及文件，研究了數(shù)據(jù)的讀取和分析方法，評(píng)估了數(shù)據(jù)的正確性、完整性和時(shí)效性，運(yùn)用模式回算數(shù)據(jù)，計(jì)算候、周、旬時(shí)間尺度的預(yù)測(cè)值和距平值，開(kāi)展了相關(guān)數(shù)據(jù)產(chǎn)品的可視化工作，對(duì)照同期ECMWF距平圖形產(chǎn)品進(jìn)行分析，推動(dòng)S2S數(shù)據(jù)產(chǎn)品在中國(guó)氣象局預(yù)報(bào)預(yù)測(cè)業(yè)務(wù)中應(yīng)用。
2020, 48(6):788-794.
摘要:
北京華云東方探測(cè)技術(shù)有限公司于2016—2018年在廣東組網(wǎng)建設(shè)了DDW1閃電定位系統(tǒng), 對(duì)一次雷暴過(guò)程的觀測(cè)表明，DDW1定位數(shù)據(jù)與雷達(dá)回波強(qiáng)回波區(qū)之間在空間分布上具有較好的一致性。進(jìn)一步利用2018年中國(guó)氣象科學(xué)研究院在廣州從化地區(qū)獲得的觸發(fā)閃電試驗(yàn)數(shù)據(jù)和全閃定位數(shù)據(jù)對(duì)DDW1閃電定位系統(tǒng)性能進(jìn)行了評(píng)估，驗(yàn)證了其探測(cè)效率、定位精度等指標(biāo)。結(jié)果表明：對(duì)于6次包含有回?fù)暨^(guò)程的人工觸發(fā)閃電事件，DDW1閃電定位系統(tǒng)全部探測(cè)到，地閃探測(cè)效率為100%；對(duì)于這6次觸發(fā)閃電中的所包含的27次回?fù)暨^(guò)程，該閃電定位系統(tǒng)共探測(cè)到17次，回?fù)籼綔y(cè)效率約為63%，對(duì)這些回?fù)暨^(guò)程的平均定位誤差約為464 m，電流反演誤差為1149%；對(duì)比高精度全閃探測(cè)數(shù)據(jù)，DDW1的全閃探測(cè)效率為50%。
北京華云東方探測(cè)技術(shù)有限公司于2016—2018年在廣東組網(wǎng)建設(shè)了DDW1閃電定位系統(tǒng), 對(duì)一次雷暴過(guò)程的觀測(cè)表明，DDW1定位數(shù)據(jù)與雷達(dá)回波強(qiáng)回波區(qū)之間在空間分布上具有較好的一致性。進(jìn)一步利用2018年中國(guó)氣象科學(xué)研究院在廣州從化地區(qū)獲得的觸發(fā)閃電試驗(yàn)數(shù)據(jù)和全閃定位數(shù)據(jù)對(duì)DDW1閃電定位系統(tǒng)性能進(jìn)行了評(píng)估，驗(yàn)證了其探測(cè)效率、定位精度等指標(biāo)。結(jié)果表明：對(duì)于6次包含有回?fù)暨^(guò)程的人工觸發(fā)閃電事件，DDW1閃電定位系統(tǒng)全部探測(cè)到，地閃探測(cè)效率為100%；對(duì)于這6次觸發(fā)閃電中的所包含的27次回?fù)暨^(guò)程，該閃電定位系統(tǒng)共探測(cè)到17次，回?fù)籼綔y(cè)效率約為63%，對(duì)這些回?fù)暨^(guò)程的平均定位誤差約為464 m，電流反演誤差為1149%；對(duì)比高精度全閃探測(cè)數(shù)據(jù)，DDW1的全閃探測(cè)效率為50%。
2020, 48(6):795-800.
摘要:
為有效評(píng)估空氣負(fù)離子測(cè)量誤差，根據(jù)空氣負(fù)離子測(cè)量方法，分析了離子收集器、微電流測(cè)量和空氣流量引起的儀器測(cè)量誤差。在離子收集器確定的情況下，微電流測(cè)量和空氣流量是產(chǎn)生測(cè)量誤差的主要因素。儀器集中比對(duì)和野外現(xiàn)場(chǎng)核查表明，不同類(lèi)型儀器的測(cè)量結(jié)果基本能反映負(fù)離子濃度的變化趨勢(shì)，但負(fù)離子濃度測(cè)量值相差較大，部分儀器超過(guò)了200%。通過(guò)風(fēng)速和空氣濕度的實(shí)驗(yàn)室模擬試驗(yàn)，說(shuō)明了空氣濕度對(duì)儀器影響較小，環(huán)境風(fēng)速對(duì)儀器測(cè)量結(jié)果有較大影響。
為有效評(píng)估空氣負(fù)離子測(cè)量誤差，根據(jù)空氣負(fù)離子測(cè)量方法，分析了離子收集器、微電流測(cè)量和空氣流量引起的儀器測(cè)量誤差。在離子收集器確定的情況下，微電流測(cè)量和空氣流量是產(chǎn)生測(cè)量誤差的主要因素。儀器集中比對(duì)和野外現(xiàn)場(chǎng)核查表明，不同類(lèi)型儀器的測(cè)量結(jié)果基本能反映負(fù)離子濃度的變化趨勢(shì)，但負(fù)離子濃度測(cè)量值相差較大，部分儀器超過(guò)了200%。通過(guò)風(fēng)速和空氣濕度的實(shí)驗(yàn)室模擬試驗(yàn)，說(shuō)明了空氣濕度對(duì)儀器影響較小，環(huán)境風(fēng)速對(duì)儀器測(cè)量結(jié)果有較大影響。
2020, 48(6):801-807.
摘要:
基于九龍站風(fēng)廓線雷達(dá)實(shí)時(shí)水平風(fēng)數(shù)據(jù)制定了水平風(fēng)數(shù)據(jù)的質(zhì)量控制方法，首先求取中位數(shù)水平風(fēng)場(chǎng)，其次構(gòu)建實(shí)際觀測(cè)風(fēng)場(chǎng)和中位數(shù)風(fēng)場(chǎng)的差值序列，然后求取差值序列的均方差，再根據(jù)差值均方差得到質(zhì)控判別式，最后試驗(yàn)求取質(zhì)控判別式中的質(zhì)控閾值。通過(guò)對(duì)九龍站2017年風(fēng)廓線雷達(dá)水平風(fēng)數(shù)據(jù)質(zhì)量控制發(fā)現(xiàn)，實(shí)測(cè)風(fēng)向數(shù)據(jù)有2044185個(gè)，25721個(gè)沒(méi)有通過(guò)質(zhì)控，未通過(guò)質(zhì)控的風(fēng)向數(shù)據(jù)占總觀測(cè)的比例是1.258%，風(fēng)向數(shù)據(jù)在近地層通過(guò)質(zhì)控的數(shù)據(jù)最多，隨高度增加通過(guò)質(zhì)控的數(shù)據(jù)量有所下降。實(shí)測(cè)風(fēng)速數(shù)據(jù)有2044185個(gè)，18296個(gè)沒(méi)有通過(guò)質(zhì)控，未通過(guò)質(zhì)控的風(fēng)速數(shù)據(jù)占總觀測(cè)的比例是0.895%，風(fēng)速數(shù)據(jù)在2000～4000 m出錯(cuò)的最少，近地層次之，4500～7000 m出錯(cuò)的數(shù)據(jù)最多。質(zhì)控后風(fēng)廓線雷達(dá)和探空觀測(cè)風(fēng)數(shù)據(jù)的均方根誤差減小，相關(guān)系數(shù)增加，風(fēng)向數(shù)據(jù)質(zhì)量在500～7000 m提升明顯，風(fēng)速數(shù)據(jù)在1500～8000 m之間提升明顯。
基于九龍站風(fēng)廓線雷達(dá)實(shí)時(shí)水平風(fēng)數(shù)據(jù)制定了水平風(fēng)數(shù)據(jù)的質(zhì)量控制方法，首先求取中位數(shù)水平風(fēng)場(chǎng)，其次構(gòu)建實(shí)際觀測(cè)風(fēng)場(chǎng)和中位數(shù)風(fēng)場(chǎng)的差值序列，然后求取差值序列的均方差，再根據(jù)差值均方差得到質(zhì)控判別式，最后試驗(yàn)求取質(zhì)控判別式中的質(zhì)控閾值。通過(guò)對(duì)九龍站2017年風(fēng)廓線雷達(dá)水平風(fēng)數(shù)據(jù)質(zhì)量控制發(fā)現(xiàn)，實(shí)測(cè)風(fēng)向數(shù)據(jù)有2044185個(gè)，25721個(gè)沒(méi)有通過(guò)質(zhì)控，未通過(guò)質(zhì)控的風(fēng)向數(shù)據(jù)占總觀測(cè)的比例是1.258%，風(fēng)向數(shù)據(jù)在近地層通過(guò)質(zhì)控的數(shù)據(jù)最多，隨高度增加通過(guò)質(zhì)控的數(shù)據(jù)量有所下降。實(shí)測(cè)風(fēng)速數(shù)據(jù)有2044185個(gè)，18296個(gè)沒(méi)有通過(guò)質(zhì)控，未通過(guò)質(zhì)控的風(fēng)速數(shù)據(jù)占總觀測(cè)的比例是0.895%，風(fēng)速數(shù)據(jù)在2000～4000 m出錯(cuò)的最少，近地層次之，4500～7000 m出錯(cuò)的數(shù)據(jù)最多。質(zhì)控后風(fēng)廓線雷達(dá)和探空觀測(cè)風(fēng)數(shù)據(jù)的均方根誤差減小，相關(guān)系數(shù)增加，風(fēng)向數(shù)據(jù)質(zhì)量在500～7000 m提升明顯，風(fēng)速數(shù)據(jù)在1500～8000 m之間提升明顯。
2020, 48(6):808-815.
摘要:
根據(jù)S波段新一代天氣雷達(dá)高頻放大鏈前級(jí)組件重要功能模塊固態(tài)放大器和射頻脈沖形成器的內(nèi)部結(jié)構(gòu)以及工作原理和維修需要，設(shè)計(jì)了一套支持固態(tài)放大器和射頻脈沖形成器組件測(cè)試與維修診斷系統(tǒng)。此系統(tǒng)詳細(xì)闡述了設(shè)計(jì)的流程，主要包括硬件，電源，電路接口，控制邏輯和顯示電路等設(shè)計(jì)，為測(cè)試維修固態(tài)放大器和射頻脈沖形成器提供所需的各種電壓、控制信號(hào)、時(shí)序邏輯信號(hào)等，滿(mǎn)足對(duì)固態(tài)放大器和射頻脈沖形成器故障的電路信號(hào)測(cè)試，判斷故障點(diǎn)及元器件。系統(tǒng)以直接輸出故障指示的方式快速完成測(cè)試及故障定位，從而確保維修人員的人身安全和雷達(dá)設(shè)備不受二次損壞，保證了雷達(dá)故障修復(fù)的時(shí)效性。
根據(jù)S波段新一代天氣雷達(dá)高頻放大鏈前級(jí)組件重要功能模塊固態(tài)放大器和射頻脈沖形成器的內(nèi)部結(jié)構(gòu)以及工作原理和維修需要，設(shè)計(jì)了一套支持固態(tài)放大器和射頻脈沖形成器組件測(cè)試與維修診斷系統(tǒng)。此系統(tǒng)詳細(xì)闡述了設(shè)計(jì)的流程，主要包括硬件，電源，電路接口，控制邏輯和顯示電路等設(shè)計(jì)，為測(cè)試維修固態(tài)放大器和射頻脈沖形成器提供所需的各種電壓、控制信號(hào)、時(shí)序邏輯信號(hào)等，滿(mǎn)足對(duì)固態(tài)放大器和射頻脈沖形成器故障的電路信號(hào)測(cè)試，判斷故障點(diǎn)及元器件。系統(tǒng)以直接輸出故障指示的方式快速完成測(cè)試及故障定位，從而確保維修人員的人身安全和雷達(dá)設(shè)備不受二次損壞，保證了雷達(dá)故障修復(fù)的時(shí)效性。
2020, 48(6):816-822.
摘要:
針對(duì)傳統(tǒng)氣象站通信組網(wǎng)技術(shù)復(fù)雜度高、建站成本高、時(shí)效性差、功耗高等缺點(diǎn)，設(shè)計(jì)了一種基于NBIoT技術(shù)的小型自動(dòng)氣象站監(jiān)測(cè)系統(tǒng)，該系統(tǒng)主要由氣象傳感設(shè)備、單站控制器及物聯(lián)網(wǎng)云平臺(tái)組成。該系統(tǒng)以低功耗CorterM3內(nèi)核的STM32L152微控制芯片為硬件核心，依托氣象傳感器設(shè)備，實(shí)現(xiàn)氣象要素?cái)?shù)據(jù)的采集和處理；利用NBIoT技術(shù)實(shí)現(xiàn)氣象站和云端服務(wù)器之間的數(shù)據(jù)傳輸；利用RESTful API和MySQL技術(shù)，實(shí)現(xiàn)用戶(hù)交互、遠(yuǎn)程終端控制、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)顯示、數(shù)據(jù)分析、數(shù)據(jù)查詢(xún)等功能。測(cè)試結(jié)果表明，該系統(tǒng)建站簡(jiǎn)單、功耗低、數(shù)據(jù)傳輸穩(wěn)定，可實(shí)現(xiàn)對(duì)氣象要素的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)。
針對(duì)傳統(tǒng)氣象站通信組網(wǎng)技術(shù)復(fù)雜度高、建站成本高、時(shí)效性差、功耗高等缺點(diǎn)，設(shè)計(jì)了一種基于NBIoT技術(shù)的小型自動(dòng)氣象站監(jiān)測(cè)系統(tǒng)，該系統(tǒng)主要由氣象傳感設(shè)備、單站控制器及物聯(lián)網(wǎng)云平臺(tái)組成。該系統(tǒng)以低功耗CorterM3內(nèi)核的STM32L152微控制芯片為硬件核心，依托氣象傳感器設(shè)備，實(shí)現(xiàn)氣象要素?cái)?shù)據(jù)的采集和處理；利用NBIoT技術(shù)實(shí)現(xiàn)氣象站和云端服務(wù)器之間的數(shù)據(jù)傳輸；利用RESTful API和MySQL技術(shù)，實(shí)現(xiàn)用戶(hù)交互、遠(yuǎn)程終端控制、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)顯示、數(shù)據(jù)分析、數(shù)據(jù)查詢(xún)等功能。測(cè)試結(jié)果表明，該系統(tǒng)建站簡(jiǎn)單、功耗低、數(shù)據(jù)傳輸穩(wěn)定，可實(shí)現(xiàn)對(duì)氣象要素的遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)。
2020, 48(6):823-828.
摘要:
隨著社會(huì)經(jīng)濟(jì)發(fā)展，氣象大數(shù)據(jù)已成為國(guó)家大數(shù)據(jù)基礎(chǔ)性戰(zhàn)略資源的重要組成部分。然而各省市集約化氣象大數(shù)據(jù)環(huán)境均建設(shè)于氣象業(yè)務(wù)內(nèi)網(wǎng)，面向社會(huì)的氣象數(shù)據(jù)服務(wù)則存在集約化程度低、時(shí)效性差、數(shù)據(jù)量少、安全隱患多等問(wèn)題，因此，建立外網(wǎng)環(huán)境的統(tǒng)一、高效、安全的氣象大數(shù)據(jù)中心是氣象業(yè)務(wù)社會(huì)化服務(wù)發(fā)展的迫切需求。本文建立了外網(wǎng)氣象大數(shù)據(jù)服務(wù)平臺(tái),采用GoldenGate和sersync+rsync技術(shù)實(shí)現(xiàn)內(nèi)網(wǎng)與DMZ區(qū)(Demilitarized Zone,兩個(gè)防火墻之間區(qū)域)實(shí)時(shí)穩(wěn)定的觸發(fā)式秒級(jí)數(shù)據(jù)同步；跨平臺(tái)、多語(yǔ)言開(kāi)發(fā)，標(biāo)準(zhǔn)化調(diào)用的統(tǒng)一訪問(wèn)接口設(shè)計(jì)，可實(shí)現(xiàn)高并發(fā)、穩(wěn)定的數(shù)據(jù)響應(yīng)請(qǐng)求；分時(shí)分類(lèi)的用戶(hù)數(shù)據(jù)訪問(wèn)控制，可實(shí)現(xiàn)數(shù)據(jù)權(quán)限的安全控制。該平臺(tái)通過(guò)防火墻雙網(wǎng)段控制，向互聯(lián)網(wǎng)環(huán)境用戶(hù)提供高效、安全、權(quán)威的氣象大數(shù)據(jù)服務(wù)。
隨著社會(huì)經(jīng)濟(jì)發(fā)展，氣象大數(shù)據(jù)已成為國(guó)家大數(shù)據(jù)基礎(chǔ)性戰(zhàn)略資源的重要組成部分。然而各省市集約化氣象大數(shù)據(jù)環(huán)境均建設(shè)于氣象業(yè)務(wù)內(nèi)網(wǎng)，面向社會(huì)的氣象數(shù)據(jù)服務(wù)則存在集約化程度低、時(shí)效性差、數(shù)據(jù)量少、安全隱患多等問(wèn)題，因此，建立外網(wǎng)環(huán)境的統(tǒng)一、高效、安全的氣象大數(shù)據(jù)中心是氣象業(yè)務(wù)社會(huì)化服務(wù)發(fā)展的迫切需求。本文建立了外網(wǎng)氣象大數(shù)據(jù)服務(wù)平臺(tái),采用GoldenGate和sersync+rsync技術(shù)實(shí)現(xiàn)內(nèi)網(wǎng)與DMZ區(qū)(Demilitarized Zone,兩個(gè)防火墻之間區(qū)域)實(shí)時(shí)穩(wěn)定的觸發(fā)式秒級(jí)數(shù)據(jù)同步；跨平臺(tái)、多語(yǔ)言開(kāi)發(fā)，標(biāo)準(zhǔn)化調(diào)用的統(tǒng)一訪問(wèn)接口設(shè)計(jì)，可實(shí)現(xiàn)高并發(fā)、穩(wěn)定的數(shù)據(jù)響應(yīng)請(qǐng)求；分時(shí)分類(lèi)的用戶(hù)數(shù)據(jù)訪問(wèn)控制，可實(shí)現(xiàn)數(shù)據(jù)權(quán)限的安全控制。該平臺(tái)通過(guò)防火墻雙網(wǎng)段控制，向互聯(lián)網(wǎng)環(huán)境用戶(hù)提供高效、安全、權(quán)威的氣象大數(shù)據(jù)服務(wù)。
2020, 48(6):829-835.
摘要:
氣象信息決策支撐系統(tǒng)在氣象防災(zāi)減災(zāi)過(guò)程中具有重要作用，但是單體架構(gòu)的氣象信息決策支撐系統(tǒng)無(wú)法滿(mǎn)足科學(xué)決策和智能減災(zāi)的需求，在擴(kuò)展性和復(fù)用性等方面存在不足。基于Spring Cloud的微服務(wù)架構(gòu)具有低耦合、易擴(kuò)展的特點(diǎn)，已經(jīng)在各大中型企業(yè)得到廣泛的應(yīng)用。本文通過(guò)對(duì)微服務(wù)架構(gòu)中關(guān)鍵技術(shù)進(jìn)行研究，提出了3種氣象信息決策支撐系統(tǒng)架構(gòu)的重構(gòu)策略。針對(duì)氣象信息決策支撐系統(tǒng)局限性，結(jié)合微服務(wù)架構(gòu)特點(diǎn)，設(shè)計(jì)基于微服務(wù)的氣象信息決策支撐系統(tǒng)架構(gòu)，分為核心層、業(yè)務(wù)邏輯層和表現(xiàn)層，重點(diǎn)對(duì)業(yè)務(wù)邏輯層進(jìn)行了重構(gòu)和實(shí)現(xiàn)，并把重構(gòu)后的業(yè)務(wù)功能應(yīng)用到了氣象防災(zāi)減災(zāi)監(jiān)控管理平臺(tái)，提高了系統(tǒng)的可擴(kuò)展性和可復(fù)用性。
氣象信息決策支撐系統(tǒng)在氣象防災(zāi)減災(zāi)過(guò)程中具有重要作用，但是單體架構(gòu)的氣象信息決策支撐系統(tǒng)無(wú)法滿(mǎn)足科學(xué)決策和智能減災(zāi)的需求，在擴(kuò)展性和復(fù)用性等方面存在不足。基于Spring Cloud的微服務(wù)架構(gòu)具有低耦合、易擴(kuò)展的特點(diǎn)，已經(jīng)在各大中型企業(yè)得到廣泛的應(yīng)用。本文通過(guò)對(duì)微服務(wù)架構(gòu)中關(guān)鍵技術(shù)進(jìn)行研究，提出了3種氣象信息決策支撐系統(tǒng)架構(gòu)的重構(gòu)策略。針對(duì)氣象信息決策支撐系統(tǒng)局限性，結(jié)合微服務(wù)架構(gòu)特點(diǎn)，設(shè)計(jì)基于微服務(wù)的氣象信息決策支撐系統(tǒng)架構(gòu)，分為核心層、業(yè)務(wù)邏輯層和表現(xiàn)層，重點(diǎn)對(duì)業(yè)務(wù)邏輯層進(jìn)行了重構(gòu)和實(shí)現(xiàn)，并把重構(gòu)后的業(yè)務(wù)功能應(yīng)用到了氣象防災(zāi)減災(zāi)監(jiān)控管理平臺(tái)，提高了系統(tǒng)的可擴(kuò)展性和可復(fù)用性。
2020, 48(6):836-845.
摘要:
利用常規(guī)觀測(cè)資料、FY4A氣象衛(wèi)星紅外云圖以及多普勒天氣雷達(dá)資料，分析了2019年5月17日夜間發(fā)生在京津冀中部伴有強(qiáng)冰雹、短時(shí)強(qiáng)降水和短時(shí)大風(fēng)的強(qiáng)對(duì)流天氣過(guò)程。利用VDRAS資料與國(guó)家自動(dòng)站資料進(jìn)一步揭示對(duì)流風(fēng)暴形成的環(huán)境條件以及后向傳播的機(jī)制。結(jié)果表明：在有利于強(qiáng)對(duì)流發(fā)生發(fā)展的大尺度環(huán)流背景場(chǎng)下，京津冀中部的對(duì)流系統(tǒng)迅速發(fā)展。前期京津一帶的強(qiáng)對(duì)流天氣形成較強(qiáng)的東北風(fēng)冷池出流，與渤海灣的東南氣流交匯，在廊坊北京交界一帶形成了向南移動(dòng)的地面輻合線,并觸發(fā)了對(duì)流。由于新生風(fēng)暴單體與成熟風(fēng)暴之間的正反饋?zhàn)饔茫沟迷诶确槐辈啃纬蓶|西向帶狀風(fēng)暴系統(tǒng)，造成對(duì)流風(fēng)暴不斷向西傳播。向西傳播的風(fēng)暴與西北東南向的平流共同作用，最終導(dǎo)致風(fēng)暴運(yùn)動(dòng)方向?yàn)槲髂戏较颍蔀榈湫偷暮笙騻鞑ワL(fēng)暴。
利用常規(guī)觀測(cè)資料、FY4A氣象衛(wèi)星紅外云圖以及多普勒天氣雷達(dá)資料，分析了2019年5月17日夜間發(fā)生在京津冀中部伴有強(qiáng)冰雹、短時(shí)強(qiáng)降水和短時(shí)大風(fēng)的強(qiáng)對(duì)流天氣過(guò)程。利用VDRAS資料與國(guó)家自動(dòng)站資料進(jìn)一步揭示對(duì)流風(fēng)暴形成的環(huán)境條件以及后向傳播的機(jī)制。結(jié)果表明：在有利于強(qiáng)對(duì)流發(fā)生發(fā)展的大尺度環(huán)流背景場(chǎng)下，京津冀中部的對(duì)流系統(tǒng)迅速發(fā)展。前期京津一帶的強(qiáng)對(duì)流天氣形成較強(qiáng)的東北風(fēng)冷池出流，與渤海灣的東南氣流交匯，在廊坊北京交界一帶形成了向南移動(dòng)的地面輻合線,并觸發(fā)了對(duì)流。由于新生風(fēng)暴單體與成熟風(fēng)暴之間的正反饋?zhàn)饔茫沟迷诶确槐辈啃纬蓶|西向帶狀風(fēng)暴系統(tǒng)，造成對(duì)流風(fēng)暴不斷向西傳播。向西傳播的風(fēng)暴與西北東南向的平流共同作用，最終導(dǎo)致風(fēng)暴運(yùn)動(dòng)方向?yàn)槲髂戏较颍蔀榈湫偷暮笙騻鞑ワL(fēng)暴。
2020, 48(6):846-854.
摘要:
利用1949—2018年熱帶氣旋資料、NCEP/NCAR再分析格點(diǎn)資料、太平洋年代際振蕩（PDO）指數(shù)資料等分析了嚴(yán)重影響海南島的強(qiáng)臺(tái)風(fēng)事件變化特征，并在此基礎(chǔ)上開(kāi)展了PDO對(duì)強(qiáng)臺(tái)風(fēng)事件的影響研究。結(jié)果表明：嚴(yán)重影響海南島的強(qiáng)臺(tái)風(fēng)事件頻數(shù)存在明顯的年際變化特征，具有連續(xù)性和群發(fā)性，在1960—1990年間存在顯著的8～10年的周期規(guī)律；強(qiáng)臺(tái)風(fēng)事件與PDO冷位相期存在較好的對(duì)應(yīng)，更容易發(fā)生在冷位相年；PDO冷（暖）位相，菲律賓以東低緯度西太平洋海域海表溫度與強(qiáng)臺(tái)風(fēng)事件頻數(shù)呈現(xiàn)顯著的負(fù)（正）相關(guān)關(guān)系；副熱帶高壓強(qiáng)度偏弱（強(qiáng)），位置整體偏東（西）偏北（南），低層輻合帶呈現(xiàn)西北東南走向（東西帶狀分布），輻合區(qū)域較為寬廣（窄長(zhǎng)），有利于PDO冷（暖）位相年時(shí)強(qiáng)臺(tái)風(fēng)事件的發(fā)生。PDO通過(guò)對(duì)副熱帶高壓、低層環(huán)流場(chǎng)等氣候因子的調(diào)制作用進(jìn)而影響強(qiáng)臺(tái)風(fēng)的生成和發(fā)展。
利用1949—2018年熱帶氣旋資料、NCEP/NCAR再分析格點(diǎn)資料、太平洋年代際振蕩（PDO）指數(shù)資料等分析了嚴(yán)重影響海南島的強(qiáng)臺(tái)風(fēng)事件變化特征，并在此基礎(chǔ)上開(kāi)展了PDO對(duì)強(qiáng)臺(tái)風(fēng)事件的影響研究。結(jié)果表明：嚴(yán)重影響海南島的強(qiáng)臺(tái)風(fēng)事件頻數(shù)存在明顯的年際變化特征，具有連續(xù)性和群發(fā)性，在1960—1990年間存在顯著的8～10年的周期規(guī)律；強(qiáng)臺(tái)風(fēng)事件與PDO冷位相期存在較好的對(duì)應(yīng)，更容易發(fā)生在冷位相年；PDO冷（暖）位相，菲律賓以東低緯度西太平洋海域海表溫度與強(qiáng)臺(tái)風(fēng)事件頻數(shù)呈現(xiàn)顯著的負(fù)（正）相關(guān)關(guān)系；副熱帶高壓強(qiáng)度偏弱（強(qiáng)），位置整體偏東（西）偏北（南），低層輻合帶呈現(xiàn)西北東南走向（東西帶狀分布），輻合區(qū)域較為寬廣（窄長(zhǎng)），有利于PDO冷（暖）位相年時(shí)強(qiáng)臺(tái)風(fēng)事件的發(fā)生。PDO通過(guò)對(duì)副熱帶高壓、低層環(huán)流場(chǎng)等氣候因子的調(diào)制作用進(jìn)而影響強(qiáng)臺(tái)風(fēng)的生成和發(fā)展。
2020, 48(6):855-861.
摘要:
利用1962—2018年華西地區(qū)301個(gè)氣象臺(tái)站秋季降水量資料和國(guó)家氣候中心整理的130項(xiàng)氣候系統(tǒng)指數(shù)，采用年際增量法建立了華西秋雨預(yù)測(cè)模型。首先通過(guò)相關(guān)分析挑選了4個(gè)與華西秋雨年際增量前3主模態(tài)密切相關(guān)的影響因子，進(jìn)而采用多元線性回歸方法進(jìn)行建模，擬合時(shí)段和后報(bào)時(shí)段分別選為1962—1991年和1992—2018年。華西秋雨年際增量前3主模態(tài)累積值的預(yù)測(cè)模型通過(guò)了α=0.01的顯著性水平檢驗(yàn)，表明該模型具有較高的擬合預(yù)測(cè)能力。然后用相同的預(yù)測(cè)因子分別建立華西地區(qū)301個(gè)氣象站點(diǎn)的華西秋雨年際增量預(yù)測(cè)模型，大部分模型都通過(guò)了顯著性檢驗(yàn)。用PS評(píng)分指標(biāo)對(duì)預(yù)測(cè)效果進(jìn)行檢驗(yàn)，結(jié)果顯示后報(bào)期年平均PS評(píng)分達(dá)74.5分。從空間分布來(lái)看后報(bào)期大部分站點(diǎn)的PS評(píng)分都超過(guò)60分，其中四川盆地南部、貴州東部和湖南西部等地超過(guò)80分。與華西各省和國(guó)家氣候中心發(fā)布的近6年秋季降水預(yù)測(cè)PS評(píng)分進(jìn)行比較，發(fā)現(xiàn)模型后報(bào)結(jié)果有顯著優(yōu)勢(shì)。總體來(lái)看，用年際增量法建立的華西秋雨預(yù)測(cè)模型具有較高的預(yù)測(cè)技巧和實(shí)際應(yīng)用價(jià)值。
利用1962—2018年華西地區(qū)301個(gè)氣象臺(tái)站秋季降水量資料和國(guó)家氣候中心整理的130項(xiàng)氣候系統(tǒng)指數(shù)，采用年際增量法建立了華西秋雨預(yù)測(cè)模型。首先通過(guò)相關(guān)分析挑選了4個(gè)與華西秋雨年際增量前3主模態(tài)密切相關(guān)的影響因子，進(jìn)而采用多元線性回歸方法進(jìn)行建模，擬合時(shí)段和后報(bào)時(shí)段分別選為1962—1991年和1992—2018年。華西秋雨年際增量前3主模態(tài)累積值的預(yù)測(cè)模型通過(guò)了α=0.01的顯著性水平檢驗(yàn)，表明該模型具有較高的擬合預(yù)測(cè)能力。然后用相同的預(yù)測(cè)因子分別建立華西地區(qū)301個(gè)氣象站點(diǎn)的華西秋雨年際增量預(yù)測(cè)模型，大部分模型都通過(guò)了顯著性檢驗(yàn)。用PS評(píng)分指標(biāo)對(duì)預(yù)測(cè)效果進(jìn)行檢驗(yàn)，結(jié)果顯示后報(bào)期年平均PS評(píng)分達(dá)74.5分。從空間分布來(lái)看后報(bào)期大部分站點(diǎn)的PS評(píng)分都超過(guò)60分，其中四川盆地南部、貴州東部和湖南西部等地超過(guò)80分。與華西各省和國(guó)家氣候中心發(fā)布的近6年秋季降水預(yù)測(cè)PS評(píng)分進(jìn)行比較，發(fā)現(xiàn)模型后報(bào)結(jié)果有顯著優(yōu)勢(shì)。總體來(lái)看，用年際增量法建立的華西秋雨預(yù)測(cè)模型具有較高的預(yù)測(cè)技巧和實(shí)際應(yīng)用價(jià)值。
2020, 48(6):862-870.
摘要:
基于EC（0.25°×0.25°）模式預(yù)報(bào)資料和閃電定位資料，結(jié)合雷暴三要素形成條件，分別從水汽、能量、熱力、動(dòng)力等幾個(gè)方面挑選預(yù)報(bào)因子，利用主成分分析方法配料權(quán)重系數(shù)，并根據(jù)海拔高度將四川劃分為四川盆地、攀西地區(qū)、川西高原3個(gè)不同的區(qū)域分別建立預(yù)報(bào)模型，研發(fā)了四川省閃電格點(diǎn)概率預(yù)報(bào)產(chǎn)品。檢驗(yàn)結(jié)果表明：四川盆地在概率預(yù)報(bào)值為70%以上時(shí)，預(yù)報(bào)效果較好，TS評(píng)分為0.294；攀西地區(qū)和川西高原在概率預(yù)報(bào)值為60%以上時(shí)，預(yù)報(bào)效果較好，TS評(píng)分分別為0.302和0.299。
基于EC（0.25°×0.25°）模式預(yù)報(bào)資料和閃電定位資料，結(jié)合雷暴三要素形成條件，分別從水汽、能量、熱力、動(dòng)力等幾個(gè)方面挑選預(yù)報(bào)因子，利用主成分分析方法配料權(quán)重系數(shù)，并根據(jù)海拔高度將四川劃分為四川盆地、攀西地區(qū)、川西高原3個(gè)不同的區(qū)域分別建立預(yù)報(bào)模型，研發(fā)了四川省閃電格點(diǎn)概率預(yù)報(bào)產(chǎn)品。檢驗(yàn)結(jié)果表明：四川盆地在概率預(yù)報(bào)值為70%以上時(shí)，預(yù)報(bào)效果較好，TS評(píng)分為0.294；攀西地區(qū)和川西高原在概率預(yù)報(bào)值為60%以上時(shí)，預(yù)報(bào)效果較好，TS評(píng)分分別為0.302和0.299。
2020, 48(6):871-876.
摘要:
本文基于重慶主城區(qū)（沙坪壩站）2014—2018年逐日同期同步觀測(cè)的氣象要素和環(huán)境空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析。首先通過(guò)對(duì)不同大氣污染物與各種氣象要素進(jìn)行相關(guān)性分析，剔除影響預(yù)報(bào)模型共性的氣象因子，明確顯著影響空氣質(zhì)量的氣象要素；然后結(jié)合污染物排放、大氣擴(kuò)散過(guò)程和濕沉降作用機(jī)理；最后構(gòu)建乘冪與線性疊加的混合模式的空氣質(zhì)量預(yù)報(bào)方程。結(jié)果表明：構(gòu)建的非線性回歸方程能較為真實(shí)地反映主要大氣污染物與氣象要素的相互影響關(guān)系，回歸模型預(yù)報(bào)檢驗(yàn)準(zhǔn)確率高（預(yù)報(bào)評(píng)分達(dá)87.6）。
本文基于重慶主城區(qū)（沙坪壩站）2014—2018年逐日同期同步觀測(cè)的氣象要素和環(huán)境空氣質(zhì)量監(jiān)測(cè)數(shù)據(jù)進(jìn)行分析。首先通過(guò)對(duì)不同大氣污染物與各種氣象要素進(jìn)行相關(guān)性分析，剔除影響預(yù)報(bào)模型共性的氣象因子，明確顯著影響空氣質(zhì)量的氣象要素；然后結(jié)合污染物排放、大氣擴(kuò)散過(guò)程和濕沉降作用機(jī)理；最后構(gòu)建乘冪與線性疊加的混合模式的空氣質(zhì)量預(yù)報(bào)方程。結(jié)果表明：構(gòu)建的非線性回歸方程能較為真實(shí)地反映主要大氣污染物與氣象要素的相互影響關(guān)系，回歸模型預(yù)報(bào)檢驗(yàn)準(zhǔn)確率高（預(yù)報(bào)評(píng)分達(dá)87.6）。
2020, 48(6):877-886.
摘要:
為評(píng)估不同再分析地面氣溫資料的適用性和模擬精度，采用雙線性?xún)?nèi)插法將JRA55、ERAInterim、ERA5和MERRA2等再分析地面氣溫資料降尺度至氣象觀測(cè)站，評(píng)估其對(duì)實(shí)測(cè)氣溫的平均態(tài)（平均偏差、均方根誤差、相關(guān)性分析）、趨勢(shì)態(tài)（年際趨勢(shì)）和極端態(tài)（高溫日數(shù)、低溫日數(shù)）的再現(xiàn)能力。通過(guò)在江西省的對(duì)比分析，結(jié)果表明：①利用鄰近格點(diǎn)氣溫和高度值計(jì)算的逐時(shí)氣溫垂直遞減率具有合理的波動(dòng)范圍以及季節(jié)性周期，適用于復(fù)雜地形下逐時(shí)再分析資料的內(nèi)插訂正；②訂正后JRA55地面氣溫資料的均方根誤差最小，MERRA2其次，ERAInterim和ERA5最大；③從氣溫年際變化趨勢(shì)來(lái)看，JRA55、ERAInterim和ERA5增溫速率與實(shí)測(cè)值較為一致，且JRA55對(duì)增溫中心的刻畫(huà)更優(yōu)；④4種再分析資料均能再現(xiàn)高、低溫日數(shù)的年際波動(dòng)，但JRA55在量級(jí)上描述最優(yōu)。綜上，再分析地面氣溫資料的適用性JRA55＞ERAInterim＞ERA5＞MERRA2，JRA55再分析資料能較好地再現(xiàn)氣溫實(shí)際觀測(cè)資料。
為評(píng)估不同再分析地面氣溫資料的適用性和模擬精度，采用雙線性?xún)?nèi)插法將JRA55、ERAInterim、ERA5和MERRA2等再分析地面氣溫資料降尺度至氣象觀測(cè)站，評(píng)估其對(duì)實(shí)測(cè)氣溫的平均態(tài)（平均偏差、均方根誤差、相關(guān)性分析）、趨勢(shì)態(tài)（年際趨勢(shì)）和極端態(tài)（高溫日數(shù)、低溫日數(shù)）的再現(xiàn)能力。通過(guò)在江西省的對(duì)比分析，結(jié)果表明：①利用鄰近格點(diǎn)氣溫和高度值計(jì)算的逐時(shí)氣溫垂直遞減率具有合理的波動(dòng)范圍以及季節(jié)性周期，適用于復(fù)雜地形下逐時(shí)再分析資料的內(nèi)插訂正；②訂正后JRA55地面氣溫資料的均方根誤差最小，MERRA2其次，ERAInterim和ERA5最大；③從氣溫年際變化趨勢(shì)來(lái)看，JRA55、ERAInterim和ERA5增溫速率與實(shí)測(cè)值較為一致，且JRA55對(duì)增溫中心的刻畫(huà)更優(yōu)；④4種再分析資料均能再現(xiàn)高、低溫日數(shù)的年際波動(dòng)，但JRA55在量級(jí)上描述最優(yōu)。綜上，再分析地面氣溫資料的適用性JRA55＞ERAInterim＞ERA5＞MERRA2，JRA55再分析資料能較好地再現(xiàn)氣溫實(shí)際觀測(cè)資料。
2020, 48(6):887-897.
摘要:
基于SCMOC、SNWFD、SPCO 3種模式2016—2018年的逐日2 m日最高、最低溫度預(yù)報(bào)資料及對(duì)應(yīng)的實(shí)況站點(diǎn)數(shù)據(jù)，分析討論了四川地區(qū)精細(xì)化訂正產(chǎn)品的預(yù)報(bào)性能，結(jié)果表明：① 3種模式中，客觀方法SPCO與人工訂正SNWFD在最高、最低溫度的預(yù)報(bào)能力相當(dāng)，均高于SCMOC；②四川地區(qū)東部的預(yù)報(bào)效果整體好于西部地區(qū)，且川西高原、涼山州地區(qū)預(yù)報(bào)誤差最大；③對(duì)于季節(jié)，夏、秋兩季預(yù)報(bào)效果好于春、冬季節(jié)；④隨著預(yù)報(bào)時(shí)效的增加，預(yù)報(bào)誤差逐漸增大；⑤四川地區(qū)，2 m日最低溫度的預(yù)報(bào)效果好于日最高溫度。
基于SCMOC、SNWFD、SPCO 3種模式2016—2018年的逐日2 m日最高、最低溫度預(yù)報(bào)資料及對(duì)應(yīng)的實(shí)況站點(diǎn)數(shù)據(jù)，分析討論了四川地區(qū)精細(xì)化訂正產(chǎn)品的預(yù)報(bào)性能，結(jié)果表明：① 3種模式中，客觀方法SPCO與人工訂正SNWFD在最高、最低溫度的預(yù)報(bào)能力相當(dāng)，均高于SCMOC；②四川地區(qū)東部的預(yù)報(bào)效果整體好于西部地區(qū)，且川西高原、涼山州地區(qū)預(yù)報(bào)誤差最大；③對(duì)于季節(jié)，夏、秋兩季預(yù)報(bào)效果好于春、冬季節(jié)；④隨著預(yù)報(bào)時(shí)效的增加，預(yù)報(bào)誤差逐漸增大；⑤四川地區(qū)，2 m日最低溫度的預(yù)報(bào)效果好于日最高溫度。
2020, 48(6):898-902.
摘要:
為揭示地形及土地利用類(lèi)型對(duì)江西地區(qū)強(qiáng)雷電活動(dòng)影響，本文選取閃電密度極大值和閃電平均強(qiáng)度極大值作為反映強(qiáng)雷電活動(dòng)的兩個(gè)主要參數(shù)，利用江西雷電監(jiān)測(cè)資料、地表植被遙感以及地形高程影像文件，提取不同土地利用類(lèi)型以及海拔高度、坡度和坡向參數(shù)值，重點(diǎn)分析強(qiáng)雷電活動(dòng)分布與土地利用及地形的相關(guān)性。結(jié)果表明：江西強(qiáng)雷電活動(dòng)活躍區(qū)主要分布于城鄉(xiāng)建設(shè)用地，雷電活動(dòng)的落雷概率最高，其次為耕地。閃電平均強(qiáng)度極大值的雷電活動(dòng)集中發(fā)生在贛州及九江的丘陵和山地，其土地利用類(lèi)型主要為林地，其次為耕地。影響強(qiáng)雷電活動(dòng)分布的地形因子主要包括坡度、坡向及海拔高度。
為揭示地形及土地利用類(lèi)型對(duì)江西地區(qū)強(qiáng)雷電活動(dòng)影響，本文選取閃電密度極大值和閃電平均強(qiáng)度極大值作為反映強(qiáng)雷電活動(dòng)的兩個(gè)主要參數(shù)，利用江西雷電監(jiān)測(cè)資料、地表植被遙感以及地形高程影像文件，提取不同土地利用類(lèi)型以及海拔高度、坡度和坡向參數(shù)值，重點(diǎn)分析強(qiáng)雷電活動(dòng)分布與土地利用及地形的相關(guān)性。結(jié)果表明：江西強(qiáng)雷電活動(dòng)活躍區(qū)主要分布于城鄉(xiāng)建設(shè)用地，雷電活動(dòng)的落雷概率最高，其次為耕地。閃電平均強(qiáng)度極大值的雷電活動(dòng)集中發(fā)生在贛州及九江的丘陵和山地，其土地利用類(lèi)型主要為林地，其次為耕地。影響強(qiáng)雷電活動(dòng)分布的地形因子主要包括坡度、坡向及海拔高度。
2020, 48(6):903-910.
摘要:
利用2009—2018年奉賢黃桃休眠—花期各物候期、同期氣象要素及1980—2018年黃桃花期逐日日平均、日最小相對(duì)濕度等資料，用對(duì)比及數(shù)理統(tǒng)計(jì)方法對(duì)2016年影響黃桃開(kāi)花坐果的主要?dú)庀笾聻?zāi)因子、39年花期相對(duì)濕度變化特征及其影響進(jìn)行分析。結(jié)果表明：2016年黃桃開(kāi)花始期—開(kāi)花盛期遭遇持續(xù)6 d日最小相對(duì)濕度小于等于30%的低濕天氣，每天09：00—20：00各整點(diǎn)相對(duì)濕度的平均值小于等于50%，導(dǎo)致當(dāng)年坐果大幅偏少。20世紀(jì)80年代以來(lái)，黃桃花期平均相對(duì)濕度、平均最小相對(duì)濕度均呈下降趨勢(shì)，兩者突變年份均為2000年，且3月下旬及4月上旬低濕天氣出現(xiàn)概率高，提升了黃桃花期遭遇低濕致災(zāi)的風(fēng)險(xiǎn)。2009—2018年開(kāi)花始期與5 d滑動(dòng)平均氣溫大于等于10 ℃首日（簡(jiǎn)稱(chēng)10 ℃首日）呈顯著性正相關(guān)。建立基于10 ℃首日的黃桃開(kāi)花始期最小二乘偏回歸方程,擬合效果較好,為協(xié)同應(yīng)對(duì)低濕天氣提供預(yù)測(cè)服務(wù)。
利用2009—2018年奉賢黃桃休眠—花期各物候期、同期氣象要素及1980—2018年黃桃花期逐日日平均、日最小相對(duì)濕度等資料，用對(duì)比及數(shù)理統(tǒng)計(jì)方法對(duì)2016年影響黃桃開(kāi)花坐果的主要?dú)庀笾聻?zāi)因子、39年花期相對(duì)濕度變化特征及其影響進(jìn)行分析。結(jié)果表明：2016年黃桃開(kāi)花始期—開(kāi)花盛期遭遇持續(xù)6 d日最小相對(duì)濕度小于等于30%的低濕天氣，每天09：00—20：00各整點(diǎn)相對(duì)濕度的平均值小于等于50%，導(dǎo)致當(dāng)年坐果大幅偏少。20世紀(jì)80年代以來(lái)，黃桃花期平均相對(duì)濕度、平均最小相對(duì)濕度均呈下降趨勢(shì)，兩者突變年份均為2000年，且3月下旬及4月上旬低濕天氣出現(xiàn)概率高，提升了黃桃花期遭遇低濕致災(zāi)的風(fēng)險(xiǎn)。2009—2018年開(kāi)花始期與5 d滑動(dòng)平均氣溫大于等于10 ℃首日（簡(jiǎn)稱(chēng)10 ℃首日）呈顯著性正相關(guān)。建立基于10 ℃首日的黃桃開(kāi)花始期最小二乘偏回歸方程,擬合效果較好,為協(xié)同應(yīng)對(duì)低濕天氣提供預(yù)測(cè)服務(wù)。
2020, 48(6):911-916.
摘要:
為充分利用當(dāng)?shù)厣鷳B(tài)環(huán)境條件特征，提升羅漢果產(chǎn)量與品質(zhì)，促進(jìn)羅漢果穩(wěn)定、高效生產(chǎn)，科學(xué)制定桂林市羅漢果發(fā)展規(guī)劃。利用桂林市14個(gè)國(guó)家站1981—2017年氣象數(shù)據(jù)，結(jié)合數(shù)字高程模型（DEM），采用層次分析法（AHP），從氣候、地形等方面構(gòu)建桂林市羅漢果氣候適宜性指數(shù)，采用自然斷點(diǎn)法（Natural Breaks）將桂林市羅漢果適宜性指數(shù)劃分為適宜區(qū)、次適宜區(qū)和不適宜區(qū)。結(jié)果表明：桂林市中部、西南及東北部較適宜羅漢果種植，該區(qū)域內(nèi)水熱條件較好，溫度、光照適宜，海拔高度適中，能夠較好滿(mǎn)足羅漢果生長(zhǎng)發(fā)育所需生態(tài)條件。不適宜區(qū)主要位于北部貓兒山山脈地區(qū)、越城嶺、海洋山山脈及都龐嶺等地區(qū)，該區(qū)域內(nèi)海拔較高，氣候條件不能滿(mǎn)足羅漢果生長(zhǎng)發(fā)育所需，不適宜羅漢果種植。
為充分利用當(dāng)?shù)厣鷳B(tài)環(huán)境條件特征，提升羅漢果產(chǎn)量與品質(zhì)，促進(jìn)羅漢果穩(wěn)定、高效生產(chǎn)，科學(xué)制定桂林市羅漢果發(fā)展規(guī)劃。利用桂林市14個(gè)國(guó)家站1981—2017年氣象數(shù)據(jù)，結(jié)合數(shù)字高程模型（DEM），采用層次分析法（AHP），從氣候、地形等方面構(gòu)建桂林市羅漢果氣候適宜性指數(shù)，采用自然斷點(diǎn)法（Natural Breaks）將桂林市羅漢果適宜性指數(shù)劃分為適宜區(qū)、次適宜區(qū)和不適宜區(qū)。結(jié)果表明：桂林市中部、西南及東北部較適宜羅漢果種植，該區(qū)域內(nèi)水熱條件較好，溫度、光照適宜，海拔高度適中，能夠較好滿(mǎn)足羅漢果生長(zhǎng)發(fā)育所需生態(tài)條件。不適宜區(qū)主要位于北部貓兒山山脈地區(qū)、越城嶺、海洋山山脈及都龐嶺等地區(qū)，該區(qū)域內(nèi)海拔較高，氣候條件不能滿(mǎn)足羅漢果生長(zhǎng)發(fā)育所需，不適宜羅漢果種植。
2020, 48(6):917-922.
摘要:
利用新疆塔里木盆地西部岳普湖縣1981—2019年氣象觀測(cè)資料，結(jié)合金銀花生長(zhǎng)發(fā)育情況，分析氣候條件與金銀花生長(zhǎng)的利弊關(guān)系，根據(jù)金銀花的生態(tài)學(xué)特性，對(duì)岳普湖縣金銀花栽培的氣象條件進(jìn)行了系統(tǒng)的分析，結(jié)果表明：金銀花各物候期的平均氣溫呈明顯的升高趨勢(shì)、日照時(shí)數(shù)有明顯的增多趨勢(shì)、水源充足，有利于金銀花正常生長(zhǎng)發(fā)育。隨著氣溫升高、日照時(shí)數(shù)增多，種植時(shí)間從以前的3月中旬提早至3月上旬，種植面積逐年擴(kuò)大，從2016年的幾十公頃擴(kuò)大到2019年的345 hm2，種植模式從平作方式調(diào)整到套種模式，品種統(tǒng)一用北花一號(hào)品種。金銀花生長(zhǎng)發(fā)育過(guò)程中≥38 ℃的連續(xù)高溫日數(shù)，尤其是≥40 ℃的高溫天氣、短時(shí)強(qiáng)降水天氣、風(fēng)沙天氣等氣象條件對(duì)金銀花品質(zhì)和產(chǎn)量產(chǎn)生了有害影響。探討金銀花種植產(chǎn)業(yè)的有利氣候條件，可為新疆金銀花產(chǎn)業(yè)基地建設(shè)提供科學(xué)依據(jù),為花農(nóng)增收致富提供氣象保障。
利用新疆塔里木盆地西部岳普湖縣1981—2019年氣象觀測(cè)資料，結(jié)合金銀花生長(zhǎng)發(fā)育情況，分析氣候條件與金銀花生長(zhǎng)的利弊關(guān)系，根據(jù)金銀花的生態(tài)學(xué)特性，對(duì)岳普湖縣金銀花栽培的氣象條件進(jìn)行了系統(tǒng)的分析，結(jié)果表明：金銀花各物候期的平均氣溫呈明顯的升高趨勢(shì)、日照時(shí)數(shù)有明顯的增多趨勢(shì)、水源充足，有利于金銀花正常生長(zhǎng)發(fā)育。隨著氣溫升高、日照時(shí)數(shù)增多，種植時(shí)間從以前的3月中旬提早至3月上旬，種植面積逐年擴(kuò)大，從2016年的幾十公頃擴(kuò)大到2019年的345 hm2，種植模式從平作方式調(diào)整到套種模式，品種統(tǒng)一用北花一號(hào)品種。金銀花生長(zhǎng)發(fā)育過(guò)程中≥38 ℃的連續(xù)高溫日數(shù)，尤其是≥40 ℃的高溫天氣、短時(shí)強(qiáng)降水天氣、風(fēng)沙天氣等氣象條件對(duì)金銀花品質(zhì)和產(chǎn)量產(chǎn)生了有害影響。探討金銀花種植產(chǎn)業(yè)的有利氣候條件，可為新疆金銀花產(chǎn)業(yè)基地建設(shè)提供科學(xué)依據(jù),為花農(nóng)增收致富提供氣象保障。
友情鏈接《氣象學(xué)報(bào)》《應(yīng)用氣象學(xué)報(bào)》《氣象》《氣象科學(xué)》中國(guó)氣象局中國(guó)氣象局氣象探測(cè)中心中國(guó)氣象科學(xué)研究院北京市氣象局國(guó)家衛(wèi)星氣象中心及國(guó)家氣象信息中心
您是第位訪問(wèn)者
技術(shù)支持：北京勤云科技發(fā)展有限公司
技術(shù)支持：北京勤云科技發(fā)展有限公司