中国气象信息传播历史研究_孙忠

合集下载

河南安阳100MWp-光伏发电项目太阳能资源评估报告20160721

河南安阳100MWp-光伏发电项目太阳能资源评估报告20160721
河南省安阳市安阳县善应镇 100MW 光伏项目
太阳能资源评估报告
中国气象局风能太阳能资源中心 二〇一六年七月
报告编制单位简介
中国气象局风能太阳能资源中心(中国气象局公共气象服务中心)(以下简 称中心)主要依托中国气象局的基本业务体系面向能源电力行业开展风能太阳能 资源评估、发电功率预测、气象风险评估、气象灾害预警等与风能太阳能开发利 用及电网安全相关的丏业气象服务。
河南省安阳市安阳县善应镇 100MW 光伏项目 太阳能资源评估报告
委托单位: 北京恒源天泰能源科技有限公司
承担单位: 中国气象局风能太阳能资源中心
单位负责人: 潘进军(主任)
项目批准: 杨振斌(副主任)
报告审核: 申彦波(正研级高工)
项目负责人: 常蕊(高级工程师)
参加人员:
郭鹏(助理工程师) 袁春红(高级工程镇 100MW 光伏项目拟选场址位于安阳 县境内,距安阳县城约 10km,距安阳市区约 25km。光伏发电项目规 划装机 100MWp,项目中心位置为东经 114°6′11.53″,北纬 36°3′11.9″, 海拔高程 216m 左右,邻近 301 省道(图 1.1),地势开阔,略有起 伏(图 1.2 和图 1.3)。
中心拥有一批能源气象领域的高端人才,核心团队有高级职称丏家 16 人, 博士 13 人,人才结构完善,丏业配置合理,既有天气学、气候学、大气边界层、 大气辐射、大气数值模拟等领域的气象丏家,也有软件工程、系统工程、项目管 理等领域的系统开发和管理丏家。在核心团队外围有一个由中国气象局公共气象 服务中心、中央气象台、中国气象局数值天气预报中心、国家气象信息中心、国 家卫星气象中心、国家气候中心、中国气象局气象探测中心、各省(区、市)气 象局及各县气象台站组成的覆盖全国的气象技术支撑体系和客户服务网络体系。

高校图书馆微信公众平台服务发展现状及提升对策研究

高校图书馆微信公众平台服务发展现状及提升对策研究
- 35 -
作者简介:王安萌(1993— ),女,陕西咸阳人,助理馆员,硕士;研究方向:社群信息学。
- 34 -
第11期 2 0 21年 6月
无 线 互 联 科 技·网络地带Βιβλιοθήκη No.11 June,2021
咨询服务,图书馆员通过建立完善的知识咨询库和指令互动 体系,用户在对话框中简单输入相关词组或相应的数字、字 母,以得到帮助信息,但目前没有提供人工咨询。 2.2 对用户需求和用户行为的研究不足
第11期 2 0 21年 6月
无线互联科技 Wireless Internet Technology
高校图书馆微信公众平台服务发展 现状及提升对策研究
No.11 June,2021
王安萌
(西安工业大学图书馆,陕西 西安 710021)
摘 要:文章研究了高校图书馆微信公众平台服务的发展现状,指出了高校图书馆微信公众平台服务中存在的问题,并从基 于用户需求开展服务、密切与读者的沟通交流、指定专人管理运营微信公众平台、加大对微信公众平台的宣传力度4个方面提 出了相应的提升对策,以期为高校图书馆微信公众平台服务质量的提升提供参考借鉴。 关键词:高校图书馆;微信公众平台;发展现状;提升对策
一些高校图书馆在运营微信公众平台过程中缺乏调研, 与读者沟通不足,不了解用户需求,推送的文章缺乏特色, 吸引力不足,提供的服务不符合用户需求。以西安工业大学 图书馆微信公众平台为例,西安工业大学图书馆开通的是服 务号,每月推送四条群发消息,主要内容有图书馆举办的各 类学术讲座以及馆内的通知公告、转载的校内新闻或通知; 近期图书馆热门图书及新书的推荐、美文赏析、扫码阅读; 数据库介绍与操作指南等。从馆员的角度看,这些推文看似 是读者所需要的,但从阅读量来看,对读者并没有吸引力。 以2021年2月6日的推文为例,西安工业大学在校生有两万余 名,而科研速递中《教育部人文社会科学研究专项任务项目 申报工作的通知》一文的阅读量为51,知识课堂中《“名家谈 传统文化”线上直播活动正式开启》一文的阅读量为27,名 师讲堂中《刘梦溪:让传统文化“活”在当下》一文的阅读量 为30。 3 高校图书馆微信公众平台服务提升的对策研究 3.1 基于用户需求开展服务

淮河流域典型农田区气溶胶散射特性的日变化和季节变化研究

淮河流域典型农田区气溶胶散射特性的日变化和季节变化研究

淮河流域典型农田区气溶胶散射特性的日变化和季节变化研究凌新锋;侯灿;杨元建;黄勇;倪婷【期刊名称】《大气与环境光学学报》【年(卷),期】2024(19)2【摘要】利用2019年寿县国家气候观象台气溶胶散射系数、气溶胶质量浓度及相关气象观测数据,统计分析了淮河流域农田区域的气溶胶散射特征及其成因,为该区域气溶胶污染辐射强迫及其对农业生产影响方面的研究提供了定量观测证据。

研究表明:该地区气溶胶散射系数具有显著的季节变化规律,冬季最高,夏季最低;三个波长(450、525、635 nm)气溶胶日平均散射系数分别为329.8±180.0、270.2±153.7、214.4±128.4 Mm^(-1),并且散射系数日变化与天气要素和大气层结日变化规律具有很好的相关性,且冬季日振幅远小于其他三季;?ngstr?m指数年平均值为1.32,后向散射比年平均值为0.15,气溶胶质量散射系数年平均值为4.83 m^(2)/g,表明淮河流域农田区域的气溶胶以细颗粒为主;气溶胶散射系数大小主要受偏西风调控,散射系数与能见度具有高度的负相关幂函数关系;污染日的气溶胶散射系数远大于清洁日,污染物很大程度上影响了光辐射在大气中的传输能力,污染程度高,大气的散射作用就越强。

【总页数】13页(P162-174)【作者】凌新锋;侯灿;杨元建;黄勇;倪婷【作者单位】寿县国家气候观象台;安徽省气象科学研究所;安徽省大气科学与卫星遥感重点实验室;南京信息工程大学大气物理学院【正文语种】中文【中图分类】O431.2;P426【相关文献】1.稻麦轮作农田区大气边界层高度的日变化和季节特征2.黄土丘陵区燕沟流域典型植物叶片C、N、P化学计量特征季节变化3.淮河流域典型农田生态系统碳通量变化特征4.淮河流域农田CO_2和热通量日、季节变化特征5.淮河流域旱涝易发区农田的陆气相互作用——CO_2通量、能量交换和水汽输送的季节变化特征因版权原因,仅展示原文概要,查看原文内容请购买。

平顶山一次重污染天气过程成因及传输特征分析

平顶山一次重污染天气过程成因及传输特征分析

平顶山一次重污染天气过程成因及传输特征分析摘要:利用常规气象资料、颗粒物观测数据、NCEP 1°×1°分析资料、GDAS 1°×1°数据等,对2021年1月21日-24日平顶山一次重污染天气过程成因与污染物传输特征进行了分析。

结果表明: (1) 本次污染天气前期受静稳纬向环流和地面均压场影响,有利于污染积累;中期高空槽与地面高压引导弱冷空气东移南下,产生滞留效应,污染物迅速增加;后期低层东北路冷空气扩散,污染继续积累增长,形成重污染。

(2)本次重污染天气主要有5条传输路径,其中东北路径和偏东路径污染比例高,轨迹短,冷空气势力弱,对PM2.5近距离输送作用明显;西北路轨迹路径长,气团移速较快,重污染轨迹概率偏低;西北偏西路径近距离低高度传输对平顶山重污染影响不大。

(3)重污染时地面东北风占主导,其他方向风速较小,有利形成污染辐合以及污染物二次转化并加剧污染。

关键词:重污染天气;输送路径;轨迹聚类分析0引言近年来,随着经济快速发展及城市化进程的加快,大气污染问题日益突出,已经成为全社会面临的严峻问题,尤其是在冬半年,受东亚大槽槽后影响和青藏高原地形“背风坡”作用,我国中东部处于显著的下沉气流区,气象条件整体偏差,不利于大气污染扩散和清除;同时冬半年也是我国北方的集中供暖期,较高的污染源排放导致大气污染问题更为突出[1-3]。

研究表明,重污染天气不仅与本地排放源及不利的气象条件有关[4-6],外源污染物传输也是造成重污染天气的关键因素[7-8]。

刘超等[9]通过聚类分析法和后向轨迹模式对污染输送特征进行统计分析,花丛等[10]使用聚类轨迹模式对污染输送特征进行统计,进而基于潜在源区贡献和污染源排放强度等要素建立了传输指数,该指数在重污染天气预报评估中具有参考价值。

基于聚类轨迹结果分析污染物输送路径和潜在污染源区,能够对本地污染做出综合判断[11-12]。

基于深度学习的雷达降雨临近预报及洪水预报

基于深度学习的雷达降雨临近预报及洪水预报

第34卷第5期2023年9月㊀㊀水科学进展ADVANCES IN WATER SCIENCEVol.34,No.5Sep.2023DOI:10.14042/ki.32.1309.2023.05.003基于深度学习的雷达降雨临近预报及洪水预报李建柱,李磊菁,冯㊀平,唐若宜(天津大学水利工程仿真与安全国家重点实验室,天津㊀300350)摘要:为探究深度学习的雷达降雨临近预报在流域洪水预报中的适用性,采用U-Net㊁嵌入注意力门的Attention-Unet 和添加转换器的多级注意力TransAtt-Unet 开展雷达降雨临近预报,将预报降雨作为HEC-HMS 水文模型的输入,对柳林实验流域进行洪水预报㊂结果表明:1h 预见期时,Attention-Unet 对短时强降雨预报结果较好,TransAtt-Unet 预报降雨模拟的洪峰流量和径流量相对误差小于20%,各深度学习模型对量级较大的降雨和洪水预报精度较高;2h 预见期的预报降雨强度㊁降雨总量㊁洪峰流量和径流量存在显著低估,U-Net 能取得相对较好的降雨预报结果㊂基于深度学习的1h 预见期雷达降雨临近预报及洪水预报可为流域防洪减灾提供科学依据㊂关键词:雷达降雨临近预报;降雨定量估计;深度学习;洪水预报;柳林实验流域中图分类号:P333㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2023)05-0673-12收稿日期:2023-05-19;网络出版日期:2023-09-19网络出版地址:https :ʊ /urlid /32.1309.P.20230918.1718.002基金项目:国家自然科学基金资助项目(52279022)作者简介:李建柱(1981 ),男,河北沧州人,教授,博士,主要从事水文水资源方面研究㊂E-mail:lijianzhu@近年来,极端降雨事件导致洪涝灾害频发,对洪水预报精度和时效性的要求越来越高[1]㊂准确的降雨预报是洪水预报的关键,可为防洪减灾工作提供重要的科学依据[2]㊂传统的洪水预报主要以地面雨量站实测降雨输入水文模型,导致洪水预报的有效预见期短,且雨量站实测降雨无法反映其空间分布特性[3]㊂天气雷达具有高时空分辨率㊁高精度和可靠性等特点[4]㊂将雷达降雨临近预报结果作为水文模型的输入进行洪水预报,能在一定程度上延长洪水预见期[5],是水文预报领域的主要发展趋势,但降雨临近预报是尚未解决的重要科学难题[6]㊂以光流法㊁质心跟踪法㊁交叉相关法为主的传统雷达回波外推方法[7],能在较短预见期内对缓慢变化的回波过程取得较好的外推效果,但无法准确描述迅速变化的回波过程[8]㊂近年来大量研究将深度学习的方法引入到水文气象领域,并取得显著成效[9-10]㊂Zhang 等[6]提出一种具有预测误差优化的神经网络模型NowcastNet,基于中国和美国的雷达资料开展降雨预报,显著提高了极端强降雨的预报精度㊂Ritvanen 等[11]提出一种基于卷积神经网络U-Net 的拉格朗日模型,改善了强降雨的临近预报效果㊂作为一种应用广泛的基础模型,U-Net 在临近预报领域得到推广[12]㊂Han 等[13]将U-Net 模型用于雷达回波外推,并与循环神经网络的TrajGRU 和交叉相关法的预报结果进行对比,表明U-Net 模型在时空序列预测问题的适用性㊂预报降雨的重要用途之一是作为水文模型的输入进行洪水预报[14-15]㊂Heuvelink 等[16]使用确定性和概率性方法进行降雨预报,并将结果作为WALRUS 水文模型的输入进行流量预报,在小流域取得较好的预报效果;Nguyen 等[17]将雷达回波外推和数值模式天气预报结合,提高了降雨预报精度,并指出降雨预报与分布式水文模型结合使用的优势;包红军等[18]构建了临近降雨集合预报的中小河流洪水预报模型,延长了洪水预报的预见期㊂但目前使用深度学习的方式开展雷达降雨临近预报,从而进行洪水预报的精度还有待提高,尤其是在半干旱半湿润地区的小流域㊂U-Net 结构简单,可根据目标灵活调整和添加模块,为实现更加精确的雷达降雨临近预报和洪水预报提供了更多可能㊂因此,本研究采用深度学习的U-Net,并尝试使用嵌入注意力门的Attention-Unet(简写为Att-674㊀水科学进展第34卷㊀Unet)和添加转换器的多级注意力TransAtt-Unet进行柳林实验流域典型降雨过程的1h和2h预见期雷达回波外推,利用动态雷达反射率因子和降雨强度关系计算外推回波对应的逐小时降雨,作为半分布式水文模型HEC-HMS的输入进行洪水预报,对比分析预报降雨与雨量站实测降雨模拟的洪水精度差异,探讨基于深度学习的雷达降雨临近预报在小流域洪水预报中的适用性㊂1㊀研究区域与数据1.1㊀流域概况选择河北省邢台市内丘县柳林实验流域为研究区㊂如图1所示,流域出口位于114ʎ21ᶄE㊁37ʎ17ᶄN,布设有柳林水文站进行水位和流量观测㊂流域面积为57.4km2,主河道长13.2km,流域坡度为30.9ɢ㊂地处半干旱半湿润气候区,季节变化分明,径流的年内和年际分配不均,降雨多发生在6 9月,多年平均降水量为594.5mm,多年平均径流深为80.7mm㊂雷达资料来源于中国新一代多普勒天气雷达监测网河北省石家庄市的Z9311站㊂雷达位于114ʎ42ᶄ50ᵡE㊁38ʎ21ᶄ00ᵡN,采用VP21体扫模式,扫描半径为230km,时间分辨率为6min,能够完成9个不同仰角的扫描㊂柳林实验流域在距离雷达120km范围内,可保证雷达回波数据的质量㊂图1㊀柳林实验流域位置和雷达监测范围Fig.1Location of Liulin experimental watershed and radar monitoring range1.2㊀雷达数据预处理将2018 2020年降雨时段的雷达基数据,经过编码转换㊁杂波抑制㊁衰减订正㊁地物遮挡订正㊁坐标转换后,形成反射率混合扫描数据图,用于深度学习模型的训练㊂由于柳林实验流域面积较小,将回波图裁剪至流域周围128行128列的范围(113ʎ36ᶄ36ᵡE㊁37ʎ30ᶄ36ᵡN到114ʎ53ᶄ24ᵡE㊁36ʎ47ᶄ24ᵡN)㊂以训练集中20180521场次降雨为例,图2为经过预处理与未处理回波对比图,经过质量控制后的回波剔除了杂波干扰并显著减少波束遮挡,具有较高的可靠性㊂训练集和验证集共包含20000帧回波图,按照8ʒ2的比例划分进行模型训练和验证㊂测试集选取2012年㊁2016年和2021年的4场典型降雨过程对应的雷达数据㊂1.3㊀典型降雨洪水过程降雨洪水资料来源于河北省邢台水文勘测研究中心㊂洪水资料为柳林水文站汛期实测逐小时流量数据,㊀第5期李建柱,等:基于深度学习的雷达降雨临近预报及洪水预报675㊀图2㊀20180521场次降雨未处理与预处理后回波对比Fig.2Comparison of unprocessed and preprocessed echoes of20180521case暴雨资料为流域内菩萨岭㊁神头㊁任庄㊁安上和柳林5个雨量站汛期逐小时雨量,筛选出与雷达回波时段对应的典型降雨洪水过程对降雨和洪水预报精度进行评价㊂降雨洪水信息如表1所示㊂由于20211006场次降雨过程在汛期后发生,柳林水文站未对其洪水过程进行观测㊂表1㊀典型降雨洪水过程信息Table1Information of typical rainfall and flood processes降水场次降水量/mm最大小时雨量/mm降雨时长/h洪水径流深/mm洪峰流量/(m3㊃s-1) 2012072675.958.45 5.147.020160719251.942.718129.2368.020210721149.426.92929.993.32021100625.58.25//2㊀研究方法2.1㊀雷达回波外推的深度学习模型2.1.1㊀U-NetU-Net网络由4层编码器-解码器组成,是一种卷积神经网络㊂如图3(a)所示,网络的左边是编码器,应用最大池化和双重卷积来减小图像大小和加倍特征映射的数量㊂编码器之后的右侧为解码器,通过双线性插值进行上采样操作,使特征图大小增加1倍㊂每层编码器和解码器之间通过1个跳跃连接保存来自较浅层的细尺度信息㊂完成上述采样操作之后,模型通过一个1ˑ1的卷积,输出代表网络预测值的单个特征图㊂2.1.2㊀Att-UnetAtt-Unet(图3(a))在U-Net的解码器前添加注意力门,以此过滤跳跃连接传播的特征,再将编码器的特征与解码器中相应的特征进行拼接,有效抑制无关区域的激活,减少编码器中无关信息的跳跃连接,达到改善预测效果的目的[19]㊂本研究将Att-Unet模型调整为时间序列预测模型进行回波外推㊂676㊀水科学进展第34卷㊀图3㊀U-Net㊁Att-Unet㊁TransAtt-Unet和TSA㊁GSA模块结构Fig.3Structure of U-Net,Attention-Unet,TransAtt-Unet,TSA and GSA modules2.1.3㊀TransAtt-UnetTransAtt-Unet将多层次引导注意和多尺度跳跃连接联合嵌入U-Net,如图3(b)㊂将变换器自注意力(TSA)和全局空间注意力(GSA)嵌入到网络中,同时在解码器中使用多尺度跳跃连接来聚合不同语义尺度的特征,从而有效减少卷积层叠加和连续采样操作造成的细节损失㊂如图3(c)和图3(d)所示,TSA将特征嵌入到Q㊁K㊁V3个矩阵中,在Q和K的转置之间采用Softmax函数进行归一化运算,形成注意力图,再与V 矩阵相乘得到注意力权重㊂GSA对特征进行卷积转置映射为W㊁M㊁N,对M㊁N采用Softmax函数进行归一化运算得到位置注意力信息,再与W相乘得到位置特征㊂在解码器部分采用残差多尺度跳跃连接的方式[20],输入特征图通过双线性插值向上采样到输出的分辨率,然后与输出特征图进行级联,作为后续块的输入㊂2.2㊀深度学习模型训练1h外推数据集取前1h间隔6min共10帧回波图(反射率因子),预测后1h共10帧回波图(2h外推为前20帧预测后20帧)㊂深度学习模型基于Pytorch环境,初始学习率设置为0.001,批处理大小设置为8,损失函数采用均方根误差(E MS)[13],在NVIDIA Geforce RTX3050上采用Adam优化器训练200个轮次㊂当损失函数在4个周期内没有增加时,学习率调节器将学习率自动减小10%㊂采用二元评价指标命中率(Proba-bility of detection,D PO)㊁虚警率(False alarm ratio,R FA)㊁临界成功指数(Critical success index,I CS)和准确率(Accuracy,A)进行雷达回波外推精度的评价[21]㊂2.3㊀雷达降雨临近预报多普勒天气雷达采用Z R关系描述雷达反射率因子(Z)和降雨强度(R)的幂指数关系[22]㊂中国的多普勒雷达普遍采用Z=aR b(a=300,b=1.4)进行降雨定量估计,但仅适用于平均情况㊂基于实测资料动态调整的Z R关系,可以实现更加精确的降雨估计[23]㊂殷志远等[24]采用4种不同的Z R关系开展雷达降雨定量估计,并将结果用于水文模拟,表明动态Z R关系的降雨定量估计精度最高,洪水模拟效果最好㊂动态Z R关系建立在逐小时快速更新资料的基础上,通过动态调节参数a和b,使逐小时雷达估测降雨与对应㊀第5期李建柱,等:基于深度学习的雷达降雨临近预报及洪水预报677㊀的雨量站观测降雨的最优判别函数δ达到最小[23],从而确定适用于逐小时雷达定量降雨估计的多组Z R关系参数㊂为保证参数a和b的取值合理,限定a和b数值调节范围分别为[150.00,400.00]㊁[0.80, 2.40],调整间隔分别为10和0.05㊂经过上述步骤最终确定出每场降雨过程的动态Z R关系参数如图4所示㊂采用相关系数(Correlation coefficient,C C)㊁平均偏差(Mean bias,B M)和平均绝对误差(Mean absolute error,E MA)进行降雨预报精度评价[14]㊂图4㊀动态Z R关系参数Fig.4Parameters of dynamic Z R relationship2.4㊀水文模型李建柱等[25]研究了地形数据源和分辨率对柳林实验流域洪水模拟精度的影响,结果表明,基于无人机三维倾斜摄影构建的1m分辨率DEM能反映流域真实地形的变化,在此基础上构建的HEC-HMS模型能较好地模拟流域洪水过程㊂本研究采用作者基于无人机三维倾斜摄影构建的1m分辨率HEC-HMS模型,将雷达降雨临近预报结果作为HEC-HMS水文模型的输入,进行柳林实验流域洪水预报㊂采用洪峰流量相对误差(E RP)㊁径流量相对误差(E RV)㊁峰现时差(ΔT)和纳什效率系数(E NS)进行洪水预报精度评价[25]㊂3㊀结果及分析3.1㊀回波外推结果分析以反射率20dBZ和30dBZ为阈值计算二元评价指标㊂1h回波外推评价结果见表2,Att-Unet对20120726场次降雨的回波外推效果相对较好,注意力门加强了Att-Unet对强回波的识别和外推效果,同时抑制弱回波或杂波产生的干扰,但对弱回波或中等回波的外推效果较差;TransAtt-Unet采用的多尺度跳跃连接和注意力机制使模型能综合不同尺度的图像特征,提高模型精度和稳定性,因此,该模型对于持续时间较长㊁降雨过程变化丰富的20160719场次回波过程取得了较好的外推效果;20210721和20211006场次降雨的过程回波总体偏弱,各模型的1h预见期回波外推精度差异并不显著㊂2h回波外推评价结果见表3,U-Net 模型对30dBZ阈值的回波外推效果优于其他模型,其原因是雷达回波外推需要预测每个像素的精确值;Att-Unet和TransAtt-Unet所采用的注意力门或者多尺度跳跃连接结构仅增强局部特征的学习,而忽略随时间动态变化的信息,因此导致预测时效性的不足㊂U-Net模型尽管结构简单,但以往研究表明其在时间序列预测中具有一定适用性[26],对不同等级回波信息具有一定的泛化能力[27],因此,尽管U-Net的1h预见期回波外推效果略差于添加注意力机制的模型,但能在更长预见期的回波外推中保持相对较好的效果㊂总体来看, 3种模型对中等强度回波外推效果均好于强回波,1h预见期回波外推效果好于2h预见期㊂国内外研究主要依靠天气雷达外推实现1h预见期降雨预报[5]㊂与传统的雷达外推方法相比,深度学习678㊀水科学进展第34卷㊀对回波和降水的演变趋势具有更好的预报效果,更适用于剧烈变化的降雨过程[28]㊂曹伟华等[29]使用基于U-Net网络搭建的RainNet模型开展雷达降雨临近预报,并与交叉相关的外推结果进行对比,指出了深度学习模型对降雨消亡过程的时空演变趋势和强度变化范围具有更好的预报效果,而交叉相关法更适合于稳定降雨的预报㊂本研究预报的4场典型降雨过程,除20211006场次持续时间短㊁降雨强度较小外,其余场次降雨过程变化较为剧烈,回波过程变化较为迅速,因此,采用深度学习的方法进行雷达降雨临近预报更为合适㊂表2㊀1h回波外推结果评价指标值Table2Evaluation index value of1h echo extrapolation results降雨场次模型D PO R FA I CS A20dBZ30dBZ20dBZ30dBZ20dBZ30dBZ20dBZ30dBZ20120726U-Net0.830.370.070.190.780.330.820.56 Att-Unet0.820.520.120.170.760.440.800.65 TransAtt-Unet0.750.350.060.170.720.340.770.5820160719U-Net0.710.370.140.440.610.210.610.31 Att-Unet0.790.460.150.450.680.240.690.33 TransAtt-Unet0.870.470.140.490.750.240.750.3120210721U-Net0.740.420.140.210.670.360.810.71 Att-Unet0.700.490.260.440.540.280.640.51 TransAtt-Unet0.720.520.260.460.550.290.650.5320211006U-Net0.450.240.560.760.190.090.740.64 Att-Unet0.440.210.550.790.240.080.750.61 TransAtt-Unet0.430.280.560.720.210.090.690.63表3㊀2h回波外推结果评价指标值Table3Evaluation index value of2h echo extrapolation results降雨场次模型D PO R FA I CS A20dBZ30dBZ20dBZ30dBZ20dBZ30dBZ20dBZ30dBZ20120726U-Net0.660.370.140.160.600.350.640.63 Att-Unet0.620.180.140.170.590.180.650.48 TransAtt-Unet0.660.200.110.130.590.200.630.5120160719U-Net0.590.200.420.630.380.120.430.47 Att-Unet0.480.120.440.640.310.070.370.47 TransAtt-Unet0.570.150.360.600.410.100.420.4820210721U-Net0.690.480.140.330.620.330.770.62 Att-Unet0.600.360.250.390.460.220.590.51 TransAtt-Unet0.650.380.290.460.480.220.570.4820211006U-Net0.500.170.480.770.320.080.670.58 Att-Unet0.420.180.670.810.210.020.600.54 TransAtt-Unet0.410.170.610.800.200.040.640.52㊀第5期李建柱,等:基于深度学习的雷达降雨临近预报及洪水预报679㊀3.2㊀降雨预报精度分析利用动态Z R关系计算各降雨场次真实回波和外推回波的逐小时降雨,精度和相关性评价指标见表4㊂20160719㊁20210721和20211006场次真实回波的反演降雨与实际降雨有较高的相关性,但20120726场次真实回波反演降雨与实际降雨的相关性较弱,但该场次回波外推取得较高的技能评分,其原因可能是2012年Z9311雷达为单偏振雷达,所采集的原始回波数据存在一定的数值和发生时间的系统误差,且该场降雨过程变化迅速,导致预报降雨与实际产生误差㊂TransAtt-Unet对20160719和20210721场次降雨在1h预见期内具有较小的误差,Att-Unet在20160719场次降雨的预报中具有最高的相关性㊂3种模型对20211006场次降雨预报效果差别并不显著,其原因是该场降雨强度较小,深度学习模型对此类降雨预报性能较接近㊂在2h 预见期降雨预报中,U-Net模型的降雨预报效果优于其他模型,这与雷达回波外推结果相对应,表明了U-Net在较长预见期降雨预报中的适用性㊂表4㊀降雨相关性评价指标值Table4Rainfall correlation evaluation index value降雨场次模型E MA/mm C C B M/mm1h2h1h2h1h2h20120726U-Net22.5722.49-0.28-0.41-1.96-2.32 Att-Unet23.9921.28-0.22-0.32-0.66-3.08 TransAtt-Unet24.2022.66-0.28-0.32-1.76-2.66真实回波14.780.31 2.9320160719U-Net8.868.840.480.420.22-6.21 Att-Unet8.7010.710.590.170.25-7.05 TransAtt-Unet7.8810.520.580.13-0.74-6.77真实回波 6.020.77-0.0620210721U-Net 4.57 4.780.520.380.31-1.90 Att-Unet 4.85 5.580.320.19-0.93-1.31 TransAtt-Unet 4.40 5.650.470.21-0.22-1.29真实回波 3.090.67-0.4120211006U-Net 2.81 2.650.840.61-2.81-2.39 Att-Unet 2.61 2.790.790.63-2.61-2.79 TransAtt-Unet 2.48 2.620.820.65-2.48-2.62真实回波 1.670.88-1.67㊀㊀预报降雨过程如图5所示㊂3种模型在1h预见期时,预报的20120726场次降雨峰值与实际较为一致,但出现1h时差;对20160719和20210721场次降雨过程预报结果出现部分异常值,这与回波外推过程较大的虚警率有关,但总体上能反映降雨过程变化和雨强峰值;20211006场次降雨则存在少量低估,但能预报出该场降雨峰值出现的时间,这与动态Z R算法对较弱降雨的系统性低估有关㊂2h预见期降雨可以一定程度预报降雨过程的变化,但对各场降雨的峰值存在显著低估㊂目前,小流域降雨临近预报效果普遍较差㊂Heuvelink等[16]采用拉格朗日持续性方法在一个40km2的680㊀水科学进展第34卷㊀流域上对一场强降雨进行预报,产生了50%相对误差,发现面积越小的流域对过程变化迅速的降雨越容易产生误报;石毅[30]采用Farneback光流法和ConvLSTM在柳林实验流域进行降雨预报,结果表明光流法对回波演变的敏感性相对较低,ConvLSTM对强回波存在显著的均化趋势,导致1h预见期强降雨存在严重的低估㊂本研究采用的深度学习方法,在1h预见期内对不同类型的降雨均取得相对较好的回波外推效果,且能较准确的预报出强降雨峰值和变化过程,尽管2h预见期的预报精度相对较差,但能预报出降雨变化过程㊂预报结果存在的误差与定量降雨估计方法的系统误差和小流域上有限的雷达回波信息相关㊂动态Z R关系在定量降雨估计中具有相对较高的精度,但在降雨预报的业务化应用中仍然具有优化的空间,如Mihulet等[31]使用机器学习的方法改善了定量降雨估计的效果㊂另外,由于流域面积较小,随着预见期的延长降雨发生的实际位置也许出现在雷达图之外,使得深度学习的方法对剧烈变化的降雨产生较大的误差,Heuvelink等[16]也指出面积越小的流域对降雨发生的位置敏感性越高㊂图5㊀预报逐小时降雨过程Fig.5Forecasted hourly rainfall process3.3㊀洪水预报精度分析表5为洪水预报精度评价结果㊂3场实测降雨模拟的洪峰流量均小于实测洪峰流量,但E NS均达到了0.7以上㊂预报降雨模拟的20120726和20210721场次峰量较小的洪水,E NS均小于0.3,但20120726场次洪水1h预见期径流量相对误差小于20%,20210721场次洪水的洪峰流量预报效果也好于实测降雨模拟结果㊂对于20160719场次峰量较大的洪水,1h预见期预报的洪水E NS均能达到0.7以上且预报洪峰流量相对误差均小于20%,满足预报的精度要求㊂2h预见期洪水预报效果显著变差,洪峰流量和径流量的预报也存在较大误差㊂1h预见期时,TransAtt-Unet对于3场洪水的预报洪峰流量和径流量相对误差均小于20%,且20160719场次洪水E NS达0.78;Att-Unet则较准确地预报出20210721场次洪水的洪峰流量,相对误差仅为-0.9%㊂由于2h预见期预报的降水量存在显著低估,使得预报洪峰流量显著小于实测值,但U-Net模型对3场洪水预报的E NS为3个深度学习模型的最优值,且预报的20160719场次洪水E NS达0.52㊂㊀第5期李建柱,等:基于深度学习的雷达降雨临近预报及洪水预报681㊀表5㊀洪水预报精度评价结果Table5Accuracy evaluation of forecasted floods洪水场次模型预见期Q S/(m3㊃s-1)E RP/%V S/mm E RV/%ΔT/h E NS20120726U-Net1h31.3-33.4 4.4-13.610.23 2h19.2-59.2 4.7-8.010.16Att-Unet1h40.3-24.5 5.68.810.06 2h17.8-62.1 3.9-43.630.08TransAtt-Unet1h38.0-19.2 5.3 2.210.23 2h19.0-59.6 4.3-17.110.15实测降雨模拟36.7-21.97.0537.200.7220160719U-Net1h372.4 1.2162.525.810.76 2h198.4-46.189.3-30.930.52Att-Unet1h407.310.7165.928.410.77 2h185.3-49.779.3-38.640.34TransAtt-Unet1h354.9-3.6154.819.910.78 2h191.3-48.183.9-35.030.37实测降雨模拟343.3-6.7167.729.810.8320210721U-Net1h123.232.033.010.400.25 2h32.3-65.47.7-74.300.14Att-Unet1h92.5-0.917.9-40.110.04 2h41.6-55.411.6-61.31-0.09TransAtt-Unet1h101.08.325.7-14.000.19 2h57.0-38.912.8-57.210.02实测降雨模拟76.2-18.327.7-7.300.79㊀㊀预报洪水过程线如图6所示㊂3种模型1h预见期洪水变化过程与实际较为一致,预报的20120726场次洪水峰现时间和洪水涨落时间较实际滞后1h;20160719场次预报洪水与实测降雨模拟的峰现时间均较实际滞后1h,预报洪峰与实际较为接近,但径流量存在一定的高估;对于20210721场次洪水预报,U-Net预报的洪峰流量较实际偏大,Att-Unet预报的峰现时间较实际滞后1h,TransAtt-Unet的预报结果与实际更为接近,3种模型均能预报出该场洪水的涨落过程㊂深度学习的方法对于剧烈变化的降雨引发的洪水,1h预见期的预报洪水E NS较低,但能较好地预报出洪水的变化过程和洪峰流量,对量级较大的洪水能取得较高的E NS,且能在准确预报洪水变化过程的基础上,较准确地预报出洪峰流量㊁径流量和峰现时间㊂2h预见期降雨虽然可以预报出洪峰形成过程,但对洪峰流量和径流量存在显著低估㊂糜佳伟等[32]在梅溪流域(面积约956km2)进行降雨预报和洪水预报,指出1h预见期降雨预报结果能满足中小流域洪水预报需求㊂本研究在降雨径流响应时间更快的柳林实验流域进行洪水预报,尽管预报洪水E NS较小,但能在1h预见期对不同类型降雨引发的洪水取得较为准确的洪峰流量和径流量预报效果,预报的20160719场次大洪水的洪峰流量和径流量相对误差小于实测降雨模拟洪水结果,因此,1h预见期洪水预报效果具有一定的准确性,为流域的防洪减灾工作争取了更长的时间㊂未来可在更多流域开展雷达降雨临近预报和洪水预报研究,以验证本文采用的深度学习方法在其他流域的适用性㊂682㊀水科学进展第34卷㊀图6㊀模拟和预报洪水过程线Fig.6Simulated and forecasted flood hydrographs4㊀结㊀㊀论采用深度学习的U-Net㊁Att-Unet和TransAtt-Unet进行雷达回波外推,通过动态雷达反射率因子和降雨强度关系实现雷达降雨临近预报,将降雨预报的结果输入HEC-HMS水文模型对柳林实验流域典型洪水过程进行预报,得到以下主要结论:(1)1h预见期时Att-Unet对强回波过程外推效果较好,TransAtt-Unet对变化更丰富的回波过程外推效果较好;2h预见期时U-Net外推效果更稳定㊂(2)深度学习模型在1h预见期对短时强降雨存在时间上的误差,对持续时间较长的降雨存在少量预报异常值,但均能较准确地预报降雨强度和过程;2h预见期降雨存在显著低估和较大误差㊂(3)3种模型的1h预见期预报的洪水能反映实际变化过程,TransAtt-Unet预报的洪峰流量和径流量误差更小,Att-Unet能对部分场次洪水取得较准确的洪峰预报效果㊂U-Net在2h预见期洪水预报效果精度最高㊂参考文献:[1]雍斌,张建云,王国庆.黄河源区水文预报的关键科学问题[J].水科学进展,2023,34(2):159-171.(YONG B, ZHANG J Y,WANG G Q.Key scientific issues of hydrological forecast in the headwater area of Yellow River[J].Advances in Water Science,2023,34(2):159-171.(in Chinese))[2]金君良,舒章康,陈敏,等.基于数值天气预报产品的气象水文耦合径流预报[J].水科学进展,2019,30(3):316-325.(JIN J L,SHU Z K,CHEN M,et al.Meteo-hydrological coupled runoff forecasting based on numerical weather prediction products[J].Advances in Water Science,2019,30(3):316-325.(in Chinese))[3]IMHOFF R O,BRAUER C C,van HEERINGEN K J,et rge-sample evaluation of radar rainfall nowcasting for flood early warning[J].Water Resources Research,2022,58(3):e2021WR031591.[4]IMHOFF R O,de CRUZ L,DEWETTINCK W,et al.Scale-dependent blending of ensemble rainfall nowcasts and numerical weather prediction in the open-source pysteps library[J].Quarterly Journal of the Royal Meteorological Society,2023,149(753):㊀第5期李建柱,等:基于深度学习的雷达降雨临近预报及洪水预报683㊀1335-1364.[5]刘佳,邱庆泰,李传哲,等.降水临近预报及其在水文预报中的应用研究进展[J].水科学进展,2020,31(1):129-142.(LIU J,QIU Q T,LI C Z,et al.Advances of precipitation nowcasting and its application in hydrological forecasting[J]. Advances in Water Science,2020,31(1):129-142.(in Chinese))[6]ZHANG Y C,LONG M S,CHEN K Y,et al.Skilful nowcasting of extreme precipitation with NowcastNet[J].Nature,2023, 619(7970):526-532.[7]SOKOL Z,SZTURC J,ORELLANA-ALVEAR J,et al.The role of weather radar in rainfall estimation and its application in mete-orological and hydrological modelling:a review[J].Remote Sensing,2021,13(3):351.[8]HAN L,ZHAO Y Y,CHEN H N,et al.Advancing radar nowcasting through deep transfer learning[J].IEEE Transactions on Geoscience and Remote Sensing,2022,60:1-9.[9]BI K F,XIE L X,ZHANG H H,et al.Accurate medium-range global weather forecasting with3D neural networks[J].Nature, 2023,619(7970):533-538.[10]李步,田富强,李钰坤,等.融合气象要素时空特征的深度学习水文模型[J].水科学进展,2022,33(6):904-913.(LI B,TIAN F Q,LI Y K,et al.Development of a spatiotemporal deep-learning-based hydrological model[J].Advances in Water Science,2022,33(6):904-913.(in Chinese))[11]RITVANEN J,HARNIST B,ALDANA M,et al.Advection-free convolutional neural network for convective rainfall nowcasting[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2023,16:1654-1667. [12]AYZEL G,SCHEFFER T,HEISTERMANN M.RainNet v1.0:a convolutional neural network for radar-based precipitation now-casting[J].Geoscientific Model Development,2020,13(6):2631-2644.[13]HAN L,LIANG H,CHEN H N,et al.Convective precipitation nowcasting using U-net model[J].IEEE Transactions on Geo-science and Remote Sensing,2022,60:1-8.[14]熊立华,刘成凯,陈石磊,等.遥感降水资料后处理研究综述[J].水科学进展,2021,32(4):627-637.(XIONG LH,LIU C K,CHEN S L,et al.Review of post-processing research for remote-sensing precipitation products[J].Advances in Water Science,2021,32(4):627-637.(in Chinese))[15]刘家宏,梅超,刘宏伟,等.特大城市外洪内涝灾害链联防联控关键科学技术问题[J].水科学进展,2023,34(2):172-181.(LIU J H,MEI C,LIU H W,et al.Key scientific and technological issues of joint prevention and control of river flood and urban waterlogging disaster chain in megacities[J].Advances in Water Science,2023,34(2):172-181.(in Chi-nese))[16]HEUVELINK D,BERENGUER M,BRAUER C C,et al.Hydrological application of radar rainfall nowcasting in the Netherlands[J].Environment International,2020,136:105431.[17]NGUYEN H M,BAE D H.An approach for improving the capability of a coupled meteorological and hydrological model for rain-fall and flood forecasts[J].Journal of Hydrology,2019,577:124014.[18]包红军,曹勇,曹爽,等.基于短时临近降水集合预报的中小河流洪水预报研究[J].河海大学学报(自然科学版),2021,49(3):197-203.(BAO H J,CAO Y,CAO S,et al.Flood forecasting of small and medium-sized rivers based on short-term nowcasting and ensemble precipitation forecasts[J].Journal of Hohai University(Natural Sciences),2021,49(3): 197-203.(in Chinese))[19]GAO Y B,GUAN J P,ZHANG F H,et al.Attention-unet-based near-real-time precipitation estimation from Fengyun-4A satel-lite imageries[J].Remote Sensing,2022,14(12):2925.[20]FANG J,YANG C,SHI Y T,et al.External attention based TransUNet and label expansion strategy for crack detection[J].IEEE Transactions on Intelligent Transportation Systems,2022,23(10):19054-19063.[21]TREBING K,STA CZYK T,MEHRKANOON S.SmaAt-UNet:precipitation nowcasting using a small attention-UNet architec-ture[J].Pattern Recognition Letters,2021,145:178-186.[22]ZOU H B,WU S S,TIAN M X.Radar quantitative precipitation estimation based on the gated recurrent unit neural network andecho-top data[J].Advances in Atmospheric Sciences,2023,40(6):1043-1057.[23]GOU Y B,CHEN H N,CHANDRASEKAR V.A dynamic approach to quantitative precipitation estimation using multiradar mul-tigauge network[J].IEEE Transactions on Geoscience and Remote Sensing,2020,58(9):6376-6390.。

美国国家气象中心(NWC)和欧洲中期天气预报中心(ECMWF)关于全球资料分析的比较结果

美国国家气象中心(NWC)和欧洲中期天气预报中心(ECMWF)关于全球资料分析的比较结果

美国国家气象中心(NWC)和欧洲中期天气预报中心(ECMWF)
关于全球资料分析的比较结果
师小华;关欣
【期刊名称】《陕西气象》
【年(卷),期】1990(000)002
【摘要】在现代气象研究中,美国国家气象中心(NWC)和欧洲中期天气预报中心(ECMWF)提供的全球资料是相当有价值的。

近几年随着国内计算机的飞速发展,许多研究工作都在用这些资料,实际上,这两个中心提供的资料,由于假设初值的不同和技术上的原因,都有优劣,而且两者之间对于相同的要素场也有程度不同的差异,将使我们的研究因采用不同的资料而有偏差,最近美国专家们比较了这两个中心的资料,结果发现在北半球的温带地区,两个中心提供的分析资料绝大多数要素都非常一致,但是
【总页数】2页(P59-60)
【作者】师小华;关欣
【作者单位】
【正文语种】中文
【中图分类】P4
【相关文献】
1.欧洲中期天气预报中心(ECMWF)2014年预报性能 [J], 王宇;钟琦
2.赴欧洲中期天气预报(ECMWF)中心访学工作总结 [J], 颉卫华;
3.赴欧洲中期天气预报中心(ECMWF)访问工作总结 [J], 肖华东;
4.美国气象中心和欧洲中心中期天气预报全球分析的评价和比较 [J], 孟逐珍;周景林
5.欧洲中期天气预报中心第五代全球再分析土壤湿度资料在内蒙古的适用性评估[J], 宋海清; 孙小龙; 李云鹏
因版权原因,仅展示原文概要,查看原文内容请购买。

NOAAAMSU遥感探测大气温度廓线

NOAAAMSU遥感探测大气温度廓线

NOAA/AMSU遥感探测大气温度廓线王静中国海洋大学海洋遥感教育部重点实验室,山东青岛(266100)E-mail:wangjing@摘要:本文选用最小方差物理反演算法对NOAA/AMSU (Advanced Microwave Sounding Unit)探测资料进行大气温度垂直廓线的反演。

通过反演试验结果表明:该算法具有较好的反演精度和适应能力,尤其是在对流层中上层区域。

可望投入业务试运行。

关键词:最小方差算法,大气温度垂直廓线,先进的微波探测器(AMSU)1. 引言大气参数的反演是一个较为复杂而又颇受重视的数学物理问题,目前具有代表性的大气参数反演算法主要有:Smith和Woolf(1985)[1]提出的同步物理反演方法(SPRM),该方法的特点是考虑了气温和水汽的相互作用,求解大气遥感方程,同时反演出和亮温通道有关的温、湿廓线以及地面气温,因此,又称多参数遥感方法;Rodgers(1976)[2]提出的最小方差算法,在该算法中采用一个矩阵H来对反演进行控制,目前美国威斯康星大学的IAPP反演软件包中采用为该算法;Goldberg和Mcmillin(1997)提出的分布物理反演方法,该算法首先采用统计方法得到初估场,在此基础上用最小方差法求解线性化了的辐射传递方程依次反演出大气的各种参数,该算法是目前NOAA/NESDIS业务上采用的方法;LeiShi (2001)[3] 采用神经网络方法反演大气的温度、湿度廓线;曾庆存(1974)[4] 在总结国内外大气红外遥感及反演研究成果的基础上,发展了一整套关于解决不稳定反演问题的理论方法,并提出了一种迭代算法;李俊在此基础上又提出了该方法的一种变形迭代算法,并于1997年采用牛顿非线性迭代法对晴空和有云时大气红外遥感及其反演问题进行了研究和试验[5,6,7,8];国家卫星气象中心(1999)[9,10]根据中国地形特征和探空站的分布情况对SPRM方法进行了改进称为改进的同步物理反演方法(ISPRM);魏应植(2005)[11]等采用约束回归反演方法对AMSU进行了温度反演并对其在台风中的应用进行了研究。

区域气候模式CWRF对我国极端温度时空变化的模拟评估

区域气候模式CWRF对我国极端温度时空变化的模拟评估

刘旗洋, 乔枫雪, 朱奕婷, 等. 2021. 区域气候模式CWRF 对我国极端温度时空变化的模拟评估[J]. 气候与环境研究, 26(3): 333−350. LIU Qiyang, QIAO Fengxue, ZHU Yiting, et al. 2021. Evaluation of the Spatio–Temporal Variations of Extreme Temperature Simulations in China Based on the Regional Climate –Weather Research and Forecasting Model [J]. Climatic and Environmental Research (in Chinese), 26 (3): 333−350.doi:10.3878/j.issn.1006-9585.2021.20116区域气候模式CWRF 对我国极端温度时空变化的模拟评估刘旗洋 1, 2 乔枫雪1, 2, 3 朱奕婷 1, 2 梁信忠4, 5, 6 柳雨佳 1, 2 张焓 4 王瑞71 华东师范大学地理信息科学教育部重点实验室,上海 2002412 华东师范大学地理科学学院,上海 2002413 崇明生态研究所,上海 2000624 南京信息工程大学大气科学学院,南京 2100445 马里兰大学帕克分校大气与海洋科学系 美国6 马里兰大学地球系统科学跨学科中心 美国7 上海中心气象台,上海 200030摘 要 基于中国均一化气温数据集CN05.1的观测数据,结合暖昼指数(TX90)、冷昼指数(TX10)、暖夜指数(TN90)、冷夜指数(TN10)、暖日持续指数(WSDI )和冷日持续指数(CSDI )6个极端温度指数,从气候平均、概率分布、年际变率和年际趋势方面,系统评估区域气候模式(Climate–Weather Research and Forecasting model, CWRF )对1980~2015年间我国极端温度指数区域分布和年际变化的模拟能力,为改进并利用模式研究我国未来区域极端温度的预测提供科学依据。

气象灾害防御重点单位台账模板 (1)

气象灾害防御重点单位台账模板 (1)

Xxx单位气象灾害防御重点单位1组织保障. (3)1.1领导机构 (4)1.2单位概况 (5)1.3重点单位气象灾害防御调查表 (6)1.4工作制度 (7)1.4.1气象灾害防御应急预案 (7)1.4.2气象灾害预警信号分类等级及防御指南 (14)1.4.3舟山市气象协理员信息员管理办法(试行) (25)1.4.4嵊泗县气象灾害防御重点单位信息员职责 (29)1.4.5气象灾害防御重点单位认证标准 (30)1.5经费保障 (31)1.6工作设施 (32)1.6.1气象信息服务站 (32)1.6.2信息员上网查看突发气象预警信息气象直通网络平台 (32)1.6.3气象信息接收发送设备 (33)1.6.4服务站年度工作总结 (34)1.7队伍建设 (36)1.7.1嵊泗县气象信息员申请表 (36)2预警服务. (38)2.1会议记录 (39)2.2传播记录 (41)2.3灾情报告 (42)2.4预警设施 (43)3应急准备. (44)3.1应急预案 (45)3.2应急避险点设置 (45)3.3应急演练 (47)3.5应急认证 (49)3.5.1嵊泗县气象灾害应急准备工作认证管理办法 (49)3.5.2嵊泗县气象灾害应急准备工作申请/认证表 (52)4宣传教育. (54)4.1计划、总结 (55)4.1.1宣传教育活动方案及计划 (55)4.1.2科普宣传小结 (56)4.2科普宣传 (57)4.3气象培训 (60)4.3.1培训计划 (60)4.3.2培训活动 (59)4.4相关网址 (60)1. 组织保障1.1领导机构关于成立xxx单位气象灾害防御工作领导小组的通知公司各单位:为切实加强气象灾害防御工作,最大限度地避免和减轻气象灾害造成的损失,保障单位职工生命财产安全,根据《浙江省气象灾害防御办法》和《浙江省气象灾害防御重点单位监督检查办法》的要求,把气象灾害防御工作纳入我单位经济发展规划和目标管理,切实提高防灾减灾能力。

蒸发波导数据库及中国海域的统计分析

蒸发波导数据库及中国海域的统计分析

蒸发波导数据库及中国海域的统计分析郭相明;康士峰;韩杰;张玉生;王红光;张守宝【摘要】海上蒸发波导高度的统计特征对于海上无线电系统的设计和运行具有重要意义.为了准确描述蒸发波导高度的全球分布特征,利用海洋-大气耦合响应试验最新发展的近海面湍流通量计算方法,对美国海军研究生院提出的蒸发波导模型进行了改进,然后基于美国环境预报中心提供的最新12年再分析数据,建立了全球海域不同月份,空间分辨率为1°×1°的蒸发波导高度数据库,并对中国近海蒸发波导的时空分布特征和成因进行了重点分析.所得结果对于海上雷达、通信、导航等无线电系统的设计与应用具有参考价值.【期刊名称】《电波科学学报》【年(卷),期】2013(028)006【总页数】7页(P1152-1157,1182)【关键词】蒸发波导;再分析数据;NPS模型;统计特性【作者】郭相明;康士峰;韩杰;张玉生;王红光;张守宝【作者单位】中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107;中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107;中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107;中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107;中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107;中国电波传播研究所电波环境特性及模化技术重点实验室,山东青岛266107【正文语种】中文【中图分类】TN011引言岸基和海上无线电系统的设计和运行均需要考虑其工作的大气环境,通常基于标准大气模式[1].蒸发波导作为海洋大气环境中经常出现的特殊大气结构,是影响无线电系统效能发挥的重要因素[2].Katzin[3]等指出,世界上几乎所有海域、所有时间内都可能存在蒸发波导,并具有一定的尺度、天气和地理特征,对大气湿度、海气温差和水平风速的变化具有敏感性等.当海上出现蒸发波导时,位于或临近波导层中的微波系统的电磁波传播距离大大提高[4],可实现雷达的超视距探测,同时,蒸发波导也会造成雷达测距和测高误差,形成雷达杂波干扰等.蒸发波导的形成机制是由于大气和海洋边界间不平衡的热力结构导致海-气相互耦合作用,使得海水表面存在水汽的蒸发,大量水蒸气附在海表近海面层附近,通过一定的风速作用,使得近海面水蒸气扩散至一定高度,形成从海面饱和水汽到水汽含量迅速递减的梯度结构.蒸发波导高度是表述蒸发波导的主要参量.目前获取海洋蒸发波导高度或大气折射率剖面的方法主要有实际测量、模型预测和海杂波反演等.实际测量大气折射率剖面既可以通过微波折射率仪直接测量不同高度上的大气折射率,也可以采用测量不同高度上的大气压强、湿度、温度,根据气象参数和大气折射率的关系间接得到;模型预测法通过单点测量近海面空气温度、湿度、大气压、风速、海水表面温度等气象水文参数来预测局部海域的波导高度.雷达杂波反演法利用雷达接收的海杂波功率进行蒸发波导的反演[5];这些方法可以获取实测地点或局部海域特定时间段的蒸发波导高度参数,仅仅代表局地海域的蒸发波导分布特征.为了获取蒸发波导的区域分布特征,美国主要采用来自志愿商船于1970—1984年采集的15年气象数据,利用PJ模型计算获得了全球大部分海域的统计规律,形成蒸发波导数据库,其空间分辨率为10°×10°,并嵌入到高级折射效应预报软件AREPS(Advanced Refraction Effects Prediction System)中作为环境数据库模块;在2008年,Frederickson[6]等,基于精细气候的研究方法,利用1970-2007年的美国国家环境预报中心(National centers for Environmental Prediction,NCEP)给出的全球气象再分析同化数据和美国海军研究生院(Naval Postgraduate School, NPS)提出的蒸发波导模型,建立了全球蒸发波导数据库,对全球的蒸发波导的气候特征进行研究.我国海域广阔,海洋资源丰富,在经济和国防建设中占有举足轻重的位置,尤其是南海和东海海域有着重要的战略意义.我国学者也开展了针对我国海域的蒸发波导的统计分析工作:早在2005年,蔺法军[7]等利用1982-1999年的海洋观测资料,运用伪折射率模型对东经100~140°,北纬0~40°海域的蒸发波导出现概率、高度和强度进行了统计分析;丁菊丽[8]等利用2002年1-3月的铁塔平台气象水文资料以及New蒸发波导模型得到了此段时间内南海及东海地区的蒸发波导出现规律;杨坤德[9]等利用国际上开放的NCEP全球气象再分析同化数据和NPS蒸发波导模型,建立了空间分辨率约为1.875°×1.9°全球蒸发波导特性数据库,获得了整个西太平洋蒸发波导的高分辨时空统计规律;陈莉等[10]利用中尺度大气模式MM5对2007年中国近海大气蒸发波导进行了全年的高分辨的数值模拟,定量分析了典型海域蒸发波导在不同月份的均值和概率分布等.所有这些研究结果为利用蒸发波导进行系统的设计和应用提供了有益参考,但也存在一定的不足:1)由于气象水文数据的数据覆盖率和分辨率较低,数据库中蒸发波导高度的空间格距太大,分辨率很低;2)近年来,蒸发波导模型也有了一定的发展.因此,本文利用 NCEP和美国国家大气研究中心((National Center for Atmospheric Research,NCAR)发布的全球大气再分析资料,和改进的NPS蒸发波导模型,建立了空间分辨率更高的全球海洋蒸发波导数据库,并对中国近海的海域蒸发波导特性进行了深入的统计分析,可为海上雷达与通信系统设计和效能发挥提供参考.1 模型与数据1.1 NPS蒸发波导模型目前,通常基于近海面测量的水文气象参数,利用蒸发波导模型获取蒸发波导高度及其修正折射率垂直分布.蒸发波导模型是伴随大气边界层莫宁-奥布霍夫相似理论的提出而发展起来的,目前,国内外存在多个蒸发波导模型,如PJ模型[11]、MGB模型[12]、BYC模型[13]、NPS模型[14]、RSHMU模型[15]等.虽然所有的蒸发波导模型均基于莫宁-奥布霍夫相似理论,但在应用上存在差异,使得不同蒸发波导模型在相同大气条件下的波导高度预测结果存在一定差别,其适用性也存在一定差异.美国的Babin[14]和乌克兰的V.K.Ivanov[15]等对不同模型进行了理论分析和试验验证,均推荐了采用NPS模型进行蒸发波导的预测.NPS模型使用海面上一定高度上或不同高度的空气温度、相对湿度、风速、压强以及海表温度作为输入,基于莫宁-奥布霍夫相似理论,获得温度、湿度、大气压的剖面后,计算出大气折射率剖面,再利用修正折射率最小值的位置确定波导高度.在NPS模型中,基于相似理论,近地层内温度T、比湿q的垂直剖面表示为[16] ;(1)(2)式中:θ*、q*分别是位温θ、比湿q的特征尺度;κ是von Karman常数; z为垂直高度;z0θ为温度粗糙度高度;Ψθ为温度普适函数;Γd为干绝热递减率,约等于0.009 76 K/m; L是相似长度; u(z)、θ(z)、q(z)分别是高度z处的水平风速、位温和比湿; Tsea、qsea分别是海面温度和比湿,且考虑海水盐度对比湿的影响,qsea=0.98qsat(Tsea),qsat(Tsea)为基于海面温度计算的海面饱和比湿.NPS模型采用海洋-大气耦合响应试验(Tropical Oceans Global Atmosphere -Coupled Ocean Atmosphere Response Experiment, TOGA-COARE)发展起来的海气通量整体算法COARE2.6版进行位温θ、比湿q的特征尺度θ*、q*的计算,成为NPS模型的核心,考虑到目前海气通量整体算法已更新到3.0版本[17],因此本文采用最新发布的COARE3.0算法来确定海表层尺度参数和海面粗糙度的计算,对NPS模型进行改进.为了确定近海面大气折射率剖面,还要确定大气压剖面,在NPS模型中,通过联立流体静力学方程和理想气体定律并积分得到,有[18](3)式中: R为干空气气体常数; g为重力加速度; P(z1)为测量高度z1外的气压;P(z2)为计算z2高度的气压;为高度z1和高度z2处的虚温的平均值,即根据式(1)~(3)确定的温度、比湿和气压剖面,代入折射率公式就可以确定大气折射率剖面和修正大气折射率剖面,修正大气折射率剖面中修正折射率最小值的位置对应的高度即为波导高度.1.2 NCEP再分析数据美国国家环境预报中心和国家大研究中心(NCEP和NCAR)对1948年至现在来源于地面、船舶、无线电探空、飞机、卫星等全球气象观测资料进行同化处理后,研制出全球气象资料数据库,给出了时间间隔为6 h的全球气象再分析资料.由于NCEP资料时间序列长,涵盖内容广,常被气象和海洋学界用来研究大气和海洋的长期影响,得出了许多有益的结论.再分析数据自发布以来,发布的空间范围、数据分辨率和数据的精度都不断提高,数据质量更加可靠.最近其发布了数据格点分辨率为1°×1°,时间范围为1999年7月30至今的更为准确的数据.蒸发波导高度的确定需要已知近海面的大气温度、湿度、风速和大气压,以及海面温度,因此,基于再分析数据中的任一时次和任一格点处,2 m高度的温度和湿度,10 m高度的维向和径向风速,以及海面气压和海水温度,代入蒸发波导模型,可以确定该时次和格点处蒸发波导高度,基于统计分析方法可以确定全球蒸发波导高度的分布和统计规律.2 全球蒸发波导高度数据库为了获取全球蒸发波导高度的分布特征,统计中采用了NCEP 2000-2011年1°×1°再分析数据.首先将某年某日某时刻的近海面高度的水文气象数据输入到改进的NPS预测模型中,计算出蒸发波导高度样本,然后统计获得全球海域的月平均分布,构建全球蒸发波导高度数据库.如图1所示为蒸发波导高度平均值1、4、7、9月的全球分布.(a) 全球1月份蒸发波导高度(b) 全球4月份蒸发波导高度(c) 全球7月份蒸发波导高度(d) 全球10月份蒸发波导高度图1 全球蒸发波导高度随月份的变化从图1看出,蒸发波导在不同海域、不同月份具有明显的时空分布特征.40°S~40°N区域是蒸发波导高度较高,变化较大的区域,而其它区域蒸发波导的变化较小.因此,对于40°S~40°N区域,在系统的设计或应用中应给予特别的关注.下面对中国海域进行重点分析.3 中国近海蒸发波导高度统计结果与分析3.1 中国近海蒸发波导高度统计结果针对中国近海,蒸发波导高度的月均值变化如图2所示.对于中国的渤海、黄海、东海和南海海域的蒸发波导高度分布存在以下特征:1)从3月份开始,一直持续到8月份,渤海海域的蒸发波导高度较高,特别是5月份,蒸发波导高度达到最高,局部可达到30 m以上.1月,2月,12月蒸发波导高度最低;2)黄海海域大部蒸发波导高度全年变化不大,其中4-6月份高度较高,可达20 m以上.3)东海以及以东海域大部全年波导高度基本维持在15 m以下,仅仅在台湾海峡附近及其以东洋面的局部海域在1-4月和10-12月波导高度较高.4)南海海域蒸发波导高度年变化不大,基本维持在15 m以下,其中1-2月和11-12月蒸发波导高度稍高.因此,就中国近海海域来看,蒸发波导在我国海域具有复杂的时空分布,具体成因与中国海域受到复杂气象要素和气候变化的影响有关从图2可以看出,渤海海域的蒸发波导高度在3-8月份异常偏高,特别是5月份,为了检验结果的可信性,利用2011年渤海海域的气象梯度塔实测水文气象参数[19],分别代入改进的NPS 蒸发波导模型和实测波导高度值进行了比较,由于试验时间限制,仅给出了4-7月份蒸发波导高度的统计特征,如图3所示.由图3可见:1)实测的蒸发波导高度和预测蒸发波导高度相差不大,验证了NPS蒸发波导模型预测精度较高的特点;2)基于NECP格点数据预测的蒸发波导高度较实测蒸发波导高度要高的多,比较NCEP水文气象数据和实测的水文气象参数显示,在4-7月份,因为气象梯度塔采用红外温度传感器测量海表温度,和NCEP再分析数据给出的是海水温度,导致实测大气处于不稳定大气状态,由于NCEP数据的显示大气处于稳定或强稳定大气状态,导致预测的蒸发波导高度较高.因此,在利用NCEP数据进行蒸发波导高度的预测中,当大气处于稳定大气状态时要特别注意.当然,由于试验数据的局限,蒸发波导的实际分布特征还要进一步的研究.图2 中国近海蒸发波导高度月变化图3 渤海某海域蒸发波导高度4-7月份变化3.2 中国近海蒸发波导高度分布成因分析研究表明,空气温度、海水表面温度、风速以及相对湿度是影响蒸发波导生成和变化的直接原因,其中相对湿度分布是蒸发波导出现的核心参量.因此,天气系统的变化特征成为影响蒸发波导分布特征的关键因素.我国海域辽阔,纵跨热带、亚热带和温带三个气候区,受多个天气系统的影响,而各个海区受到的天气系统也存在较大的差异,结合NCEP再分析水文气象数据和天气系统,中国四个海区蒸发波导高度时空分布的原因如下:1)渤海海域在每年的10月到次年4月,主要受高纬度天气系统的影响[20],来自陆地的冷高压导致空气温度较低,在12月和1月份达到最低,虽然相对湿度较小,但大气处于强不稳定状态,成为全年波导高度最低的时间段.从3、6月,冷空气慢慢退去,空气温度和海水温度开始升高,风速和相对湿度相对较小并且相对平稳,有利于较强蒸发波导的出现,在7-8月份,温带和热带气旋成为影响渤海海域的主要天气系统,特别是热带气旋带来了的丰富水汽,使整个海区的相对湿度保持在80%以上,不利用蒸发波导较强蒸发波导的出现.9月是天气系统更迭的季节,相对8月份蒸发波导高度有所升高.2)黄海与渤海具有一定的相似性,相对于渤海海域,冷高压天气系统的影响较渤海海域要晚,持续的时间也要短,一般在11-3月份,成为全年波导高度最低的时间段.黄海海域在4-6月份主要受温带气旋天气系统影响,所受的温带气旋既有来自北方的黄河和蒙古气旋,也有来自南方的黄淮和江淮气旋,大气处于弱稳定大气状态,相对湿度还维持在80%左右,有利用较强蒸发波导的出现.在7-9月份,黄海海域主要受热带气旋控制,整个海区的相对湿度较高,大气处于弱稳定状态,不利强蒸发波导的出现.3)东海及其以东海域,从5月份开始,主要受西太平洋副热带高压控制,一直持续到9月份,同时伴随有温带气旋和热带气旋的共同影响;在其它月份,主要受极锋天气系统的影响,近海面大气全年基本处于不稳定和近中性大气条件,虽然在4—9月的空气温度和海水温度相对较高,但相对湿度很高,平均值在80%或以上,也不利于强波导的出现,全年蒸发波导高度变化不大,仅仅在台湾海峡附近及其以东洋面在1-4月和10-12月出现局部海域波导高度较高,可能与局部海流分布有关.4)南海位于中国大陆南方,纵跨热带与亚热带,以热带海洋性气候为主要特征,主要受热带气旋天气系统影响,导致全年水文气象参数变化不大,低层大气全年处于不稳定大气条件,相对湿度维持在80%左右,导致蒸发波导高度全年变化不大.4 结论与讨论本文利用最新发布的NCEP再分析数据和改进的蒸发波导模型,建立了空间分辨率为1°×1°的全球蒸发波导高度数据库,相对于2008年Frederickson等和2009年杨坤德等建立的蒸发波导数据库,蒸发波导高度的空间分辨率得到了提高,并针对中国海域的蒸发波导高度时空分布特征进行了重点研究,并对其成因进行了基于天气系统的初步分析,表明中国近海的蒸发波导时空分布具有复杂的时空分布,且与局地的天气系统具有复杂的关系,为我国应用蒸发波导提供了有益参考.有报道指出,NCEP/NCAR计划发布更高分辨率的全球耦合大气海洋再分析数据,大气参数的分辨率可达0.5°×0.5°,海洋参数的分辨率可达0.25°×0.25°,将为建立更加详细的数据库和蒸发波导统计特性研究提供更为有利的条件.在此需要指出的是,中国近海蒸发波导的变化特征不仅受中国近海天气系统的影响,同样海流也是影响蒸发波导分布的另一个不容忽视的因素,因此,分析黑潮、台湾暖流、黄海暖流和对马暖流等对蒸发波导时空分布特征的影响将是下一步的研究重点.参考文献[1] 刘成国,黄际英,江成荫,等. 用伪折射率和相似理论计算海上蒸发波导剖面[J]. 电子学报,2001,29 (7):970-972.LIU Chengguo, HUANG Jiying, JIANG Changyin. Modeling evaporationduct over sea with pseudo-refractivity and similarity theory. Acta Electronica Sinica, 2001, 29(7):970-972. (in Chinese)[2] 戴福山. 海洋大气近地层折射指数模式及其在蒸发波导分析上的应用[J]. 电波科学学报,1998,13(3):280-286.DAI Fushan. The refractivity models in the marine surface layer and their applications in the evaporation duct analysis [J]. Chinese Journal of Radio Science, 1998, 13(3): 280-286. (in Chinese)[3] KATZIN M, BAUCHMAN R W, BINNIAN W 3- and 9-centimeter propagation in low ocean ducts [J]. Proc IRE, 1947, 35(7): 891-905.[4] 姚展予,赵柏林,李万彪,等. 大气波导特征分析及其对电磁波传播的影响[J]. 气象学报,2000,58(5):605-615.YAO Zhanyu, ZHAO Bailin, LI Wanbiao, et al. The analysis on characteristics of atmospheric duct and its effect s on the propagation of electromagnetic wave [J]. Acta Meteorologica Sinica, 2000, 58 (5):605-615. (in Chinese) [5] 张金鹏,吴振森,赵振维,等. 基于不同天线高度雷达海杂波的蒸发波导反演[J]. 电波科学学报,2011,26(3):422-430.ZHANG Jinpeng, WU Zhensen, ZHAO Zhenwei, et al. Evaporation duct inversion based on radar sea clutters from different antenna heights [J]. Chinese Journal of Radio Science, 2011, 26(3): 422-430. (in Chinese)[6] FREDERICKSON P A, MURPHREE J T, TWIGG K L, BARRIOS A. A modern global evaporation duct climatology[C].// International Conference on Radar.Adelaide, 2008:292-296.[7] 蔺发军,刘成国,成思,等. 海上大气波导的统计分析[J]. 电波科学学报,2005,20(1): 64-68.LIN Fajun, LIU Chengguo, CHENG Si, et al. Statistical analysis of marine atmospheric duct [J]. Chinese Journal of Radio Science, 2005, 20(1):64-68.(in Chinese)[8] 丁菊丽,费建芳,黄小刚,等. 南海、东海蒸发波导出现规律的对比分析[J]. 电波科学学报,2009,24(6):1018-1023.DING Jvli, FEI Jianfang, HUANG Xiaogang, et al. Contrast on occurrence of evaporation ducts in the South China Sea and East China Sea area [J]. Chinese Journal of Radio Science, 2009, 24(6): 1018-1023. (in Chinese) [9] 杨坤德,马远良,史阳. 西太平洋蒸发波导的时空统计规律研究. 物理学报,2009, 58(10):7339-7350.YANG Kunde, MA Yuanliang, SHI Yang. Spatio-temporal distributions of evaporation duct for the west Pacific Ocean. [J]. Acta Physica Sinica, 2009, 58(10): 7339-7350. (in Chinese)[10] 陈莉,高山红,康士峰,等. 中国近海大气波导的时空特征分析[J]. 电波科学学报,2009,24(4):702-708.CHEN Li, GAO Shanhong, KANG Shifeng, et al. Statistical analysis on spatial-temporal features of atmospheric ducts over Chinese regional seas[J]. Chinese Journal of Radio Science, 2009, 24(4): 702-708. (in Chinese) [11] PAULUS R A. Practical application of an evaporation duct model[J]. Radio Science, 1985, 20(4):887-896.[12]MUSSON-GENON L, SYLVIE GAUTHIER, ERIC BRUTH. A simple method to determine evaporation duct height in the sea surface boundary layer [J]. Radio Science, 1992, 27(5): 635-644.[13] BABIN S M,YOUNG G S, CARTON J A. A new model of the oceanic evaporation duct [J]. Journal of Applied Meteorology, 1997, 36:193-204. [14] BABIN S M, DOCKERY G D. LKB-Based evaporation duct modelcomparison with buoy data[J]. J Appl Meteor, 2002, 41:434-446.[15] IVANOV V K, SHALYAPIN V N, LEVADNYI Y V. Determination of the evaporation duct height from standard meteorological data[J]. Atmospheric and Oceanic Physics, 2007, 43(1):36-44[16] NEWTON D A. COAMPS Modeled Surface Layer refractivity in the roughness and evaporation duct experiment 2001 [D]. California:Naval Postgraduate School, 2003.[17] FAIRALL C W, BRADLEY E F, HARE J E, et al. Bulk parameterization of air-sea fluxes: updates and verification for the COARE algorithm[J]. Journal of Climate, 2003, 16:571-591.[18] TWIGG K L. A Smart Climatology of Evaporation Duct Height and Surface Radar Propagation in the IndianOcean [D]. California:Naval Postgraduate School, 2007.[19] GUO X M, KANG S F, ZHANG Y S. Comparison of evaporation duct models with meteorology grads tower measurements[C] //10th International Symposium on Antennas, Propagation & EM Theory. Xi’an 2012:620-623.[20] 王继光,赵中军,王玉国. 海上靶场试验水文气象保障[M]. 北京:国防工业出版社,2007.。

高中历史第一单元食物生产与社会生活单元测评部编版选择性必修2

高中历史第一单元食物生产与社会生活单元测评部编版选择性必修2

第一单元测评(时间:75分钟满分:100分)一、选择题(本题共16小题,每小题3分,共48分)1.《说文解字》关于家的解释:从宀,豭省声。

周伯温曰:“豕居之圈曰家,故从宀从豕。

”材料反映出我国古代农耕文明的特点是( )A.种植业为主,家畜饲养业为辅B.以家庭为单位,“男耕女织”C.精耕细作的农业生产模式D.以农业为主,畜牧业为辅2.下表是汉代有关农业生产的文献记述。

据此可认定的历史事实是( )A.家庭农业生产模式已形成B.汉代铁犁牛耕技术已推广C.精耕细作农业得到发展D.男耕女织生产形式开始确立3.右图为出土于今伊拉克南部地区的木制画“乌尔之旗”。

据此可知( )A.家畜在人们的生活中较重要B.两河流域先民驯化了骆马C.农业与手工业劳动尚未分离D.小农经济下农民生活艰辛4.有学者认为《夏小正》记载每月的物候、气象、星象和有关重大政事,是夏代的天文历法记录。

又有学者认为,《夏小正》是成书于战国的农业著作,篇中涉及蚕桑、畜牧、渔猎、采集活动。

对《夏小正》的认识说明( )A.学者争论过大的史料没有价值B.研究角度影响历史认识差异C.无考古资料佐证的认识不可信D.年代久远导致历史认识错误5.据学者研究,在希腊的经济结构中,以葡萄、橄榄的种植、加工和海外贸易为代表的商业经济占据主导地位;社会人口的大多数从事的都是与工商业有关的生产;农业在狭隘的公民集团内部尚不能普及,完全以农为生的人口更是少之又少。

由此可知,当时希腊( )A.注重物质生活B.产业结构单一C.海外贸易发达D.商业特征突出6.在印第安人的部落和村社中,玉米磨坊设置在村镇中心,因为家家户户都要磨面,所以磨坊也是全村的重要社交场所。

有时村民大会也在这里举行,从而又使磨坊与“权力”联系在一起。

这反映了( )A.玉米是美洲的主要粮食作物B.印第安人实行直接民主C.食物生产对社会生活的影响D.印第安人注重集体活动7.有学者对原产于美洲的马铃薯进入世界其他地区后的影响展开研究,见下表,据此可知( )西班牙水手在航行途中因食用马铃薯而避免得坏血病明清时期,中国人口快速增长,人地矛盾突出,马铃薯等高产作物的耕种导致大量山坡地森林被砍伐殆尽在英格兰,许多制造商尝试用马铃薯取代用面粉制成的面包,以降低生产成本,加快工业化进程法国大革命及其后的战争,大规模军事动员使马铃薯的食用遍及欧洲广大地区A.食物来源决定人口增长规模B.战争促进区域文化交流C.物种交流影响人类历史进程D.人口迁徙推动文化认同8.新航路开辟后,玉米、橡胶等新物产出现于欧洲市场;原来在近东贸易中数量极少的商品,如香料、茶叶、蔗糖等成为大宗商品……许多昔日的奢侈品逐渐成为大众日用品。

中波广播发射台防雷措施

中波广播发射台防雷措施

中波广播发射台防雷措施发布时间:2022-09-01T00:34:40.524Z 来源:《中国科技信息》2022年第4月8期作者:余晓松[导读] 在我国文化事业中广播电视事业是重要组成,而中波广播发射台是人们获取信息的主要途径,在中波发射台运行过程中面临着雷击风险。

雷电会影响节目播出的稳定性,导致设备出现故障,所以需要采取防雷措施,完善防雷接地系统。

余晓松云南省广播电视局贡山中波台云南 673599摘要:在我国文化事业中广播电视事业是重要组成,而中波广播发射台是人们获取信息的主要途径,在中波发射台运行过程中面临着雷击风险。

雷电会影响节目播出的稳定性,导致设备出现故障,所以需要采取防雷措施,完善防雷接地系统。

本文从中波广播发射台防雷的必要性入手,讨论雷电对中波广播发射台造成的危害入手,提出中波广播发射台主要防雷技术与措施,希望对相关研究带来帮助。

关键词:中波广播;发射台;防雷中波广播发射台主要设置在周围空旷、海拔较高的区域,尽管为信号的大范围传播提供了便利,不过在雷雨天气下初夏雷击的几率也会增加,在受到雷击后一些设备出现不同程度的损坏,进而对节目的正常播出造成不利影响,所以新时期需要制定有效的防雷措施,以下进行相关分析。

一、中波广播发射台防雷的必要性当前社会经济飞速发展,人们也对电视节目的保持质量提出了更高要求,为了进一步满足人们的精神文化需求,广电单位需要加强技术的研究与应用,在广播电视节目播出过程中,自然因素是影响信息传输的重要因素,尤其是雷雨天气下对中波广播发射台影响较大。

雷电是一种自然现象,具有突发性和破坏性强的特点,对建筑、设备与人员安全都构成威胁,比如出现设备失灵、触电事故、火灾、由于中波广播发射台处于地势较高并且空旷的地带,更容易出现雷击情况,当前针对中波广播发射台开展应用防雷技术,为节目的顺利播出提供保障[1]。

二、雷电对中波广播发射台造成的危害中波广播发射台系统当中雷电可以通过多种途径入侵,其中包括发射天线、接收天线、信号传输线路、供电线路。

基于MODTRAN模式的MODIS水汽通道光谱特征与海上能见度相关特性分析

基于MODTRAN模式的MODIS水汽通道光谱特征与海上能见度相关特性分析

基于MODTRAN模式的MODIS水汽通道光谱特征与海上能见度相关特性分析王骥鹏;寇彦伟;沈春;王霞;朱尚卿【摘要】海上能见度是重要的海洋环境信息,为了能够深入有效的开展海上能见度卫星反演方法研究,本文利用MODTRAN辐射传输模式模拟不同能见度等级下的MODIS水汽通道辐射值,进行不同能见度等级条件下MODIS水汽通道的光谱特征及其与能见度的相关特性分析研究,初步得出水汽通道光谱特征与海上能见度的相关性.【期刊名称】《海洋预报》【年(卷),期】2011(028)002【总页数】5页(P55-59)【关键词】海上能见度;MODIS;水汽通道【作者】王骥鹏;寇彦伟;沈春;王霞;朱尚卿【作者单位】中国人民解放军61741部队,北京,100094;中国人民解放军61855部队,北京,100094;解放军理工大学气象学院,江苏,南京,211101;中国人民解放军61741部队,北京,100094;中国人民解放军61741部队,北京,100094【正文语种】中文【中图分类】P715气象能见度的高低直接影响到人们的工作、生活以及各类交通活动的正常进行。

低能见度的出现更会给人们带来诸多不便和各种危害,常常是造成交通和飞机起降重大事故的重要原因。

探讨和掌握大气能见度的变化特征及主要影响因素,是大气能见度预测预报的基础,是保证交通安全、提高人们生活质量和城市减灾,以及各类交通活动的需要【1~3】。

我国领土广阔,更有广阔的海域,使用遥感手段获得海洋有关信息已经成为当务之急,而了解海洋上能见度情况则对于科学研究和遥感业务运作、各种海上作业和交通活动都有着极其重要的现实意义。

本文主要通过对MODIS水汽通道光谱特征与海上能见度相关特性分析,以希望找到可以用于卫星资料反演海上能见度的有效通道。

MODTRAN(中光谱分辨率大气辐射传输模式)是美国空军地球物理实验室(AFGL)历经25年发展的一种大气辐射模型,可作为独立的模式进行应用,也可以加入大的程序中作为子程序或是独立的模块。

京津冀地区1951—2015年逐日风速序列的均一化

京津冀地区1951—2015年逐日风速序列的均一化

第48卷第1期2020年2月气 象 科 技METEOROLOGICAL SCIENCE AND TECHNOLOGYVol.48,No.1Feb.2020京津冀地区1951—2015年逐日风速序列的均一化冯婧1,2 林润生2 王冀3* 窦以文2 胡天洁2(1北京城市气象研究院,北京100089;2北京市气象信息中心,北京100089;3北京市气候中心,北京100089)摘要 结合台站元数据,对京津冀地区179个国家气象站1951—2015年的日平均风速序列进行了非均一性检验和均一化订正,结果表明:造成序列非均一性的原因,按贡献大小依次是仪器切换占40%、站址迁移占34%、观测时制变更占18%、台站周围环境变化占8%。

对比分析均一化序列和原始序列的线性趋势发现:1951—2015年,京津冀地区日平均风速呈下降趋势,均一化序列的下降速率明显更快;二者有相似的空间分布特征,即河北西北部、北京、天津、河北东南部的西北—东南走向的带状区域中,风速的下降速率最快,河北西部次快,河北东北部最缓慢;均一化序列的下降速率明显偏快的区域主要在39°N以北。

均一化序列准确反映了气候变化的特点,数据可靠。

关键词 日平均风速;台站元数据;非均一性检验;均一化;线性趋势中图分类号:P49 DOI:10.19517/j.1671-6345.20180599 文献标识码:Ahttp://www.qxkj.net.cn气象科技国家重点研发计划“重大自然灾害监测预警与防范”重点专项“气候变暖背景下极端强降温形成机理和预测方法研究”子项目“京津冀精细化强降温预测技术研发及在北京冬奥会中的应用(2018YFC1505604)”、北京市科委科研项目“复杂地形冬季气象服务技术研究(D171100000717002)”、北京市气象局科技项目“北京气象百年溯源数据的逐日均一化数据集建设(BMBKJ201901031)”资助作者简介:冯婧,女,1982年生,博士,工程师,主要从事气象资料的均一化以及气候变化的研究,Email:fengjing_qx@163.com收稿日期:2018年10月29日;定稿日期:2019年8月29日*通信作者,Email:wangji_zl@163.com引言国家地面气象观测站从建立之日起,经历过迁站、观测仪器切换、周围环境变化和观测时制变更等不可避免的客观人为影响,使得气象要素的气候序列中包含着相对于自然变率不可忽视的系统差异,即非均一性,因而不能真实地反映气候变化趋势。

哈尔滨师范大学研究生教育概况

哈尔滨师范大学研究生教育概况

哈尔滨师范大学研究生教育概况哈尔滨师范大学是黑龙江省重点大学,建校50多年来,已发展为学科齐全、师资力量雄厚、教学科研条件充实,具有研究生、本科生和专科生教育的综合性师范大学。

学校拥有一批学术造诣深,在国内外有一定地位和影响的学者和专家,有多年培养研究生的经验,并已建立了完善的研究生教育和学位授予体系。

哈尔滨师范大学是经国务院学位委员会首批批准的硕士学位授予单位,从1960 年开始招收研究生,现有文艺学、汉语言文字学、中国现当代文学、中国古代文学、中国古典文献学、马克思主义哲学、政治经济学、马克思主义理论与思想政治教育、科学社会主义与国际共产主义运动、科学技术哲学、中国古代史、世界史、历史文献学、课程与教学论、教育经济与管理、应用心理学、英语语言文学、俄语语言文学、音乐学、美术学、设计艺术学、基础数学、应用数学、凝聚态物理、理论物理、无机化学、物理化学、植物学、动物学、遗传学、自然地理学、体育教育训练学、计算机应用技术、教育技术学、比较教育学、发展与教育心理学、日语语言文学、外国语言学及应用语言学、艺术学、运筹学与控制论、原子与分子物理、材料物理与化学、生物化学与分子生物学、生态学、人文地理学、广播电视艺术学等46个学科(专业)招收硕士研究生。

报考须知一、我校2005年硕士研究生招生专业目录中公布的招生人数包括计划内非定向、定向培养、委托培养、自筹经费的硕士生的计划人数。

所有专业均脱产学习。

二、报考条件:(一)拥护中国共产党的领导,愿为社会主义现代化建设服务,品德良好,遵纪守法;(二)国家承认学历的应届本科毕业生或往届本科毕业生;国家承认学历的大专毕业生,毕业后2年(从大专毕业到2005年9月1日)或2年以上,达到与大学本科毕业生同等学力(含国家承认学历的本科结业生、成人高校应届本科毕业生、自考或成人本科进修6门以上课程);研究生毕业或已获硕士学位的在职人员(限报考委托培养或自筹经费硕士生)。

(三)年龄一般不超过40周岁。

中国气象局国家气候中心暨气候研究开放实验室

中国气象局国家气候中心暨气候研究开放实验室

中国气象局国家气候中心暨气候研究开放实验室2008年度学术年会日程(初步)(2009年2月12-13日)2月11日下午16:30-18:30 注册中国气象局气象科技大楼会议中心一楼大厅2月12日上午08:30-09:00 注册中国气象局气象科技大楼会议中心一楼大厅2月12日上午会议地点:中国气象局气象科技大楼会议中心一楼多功能厅09:00-09:30 开幕式中国气象局领导致辞国家气候中心领导讲话09:30-12:00 特邀报告(报告25分钟,讨论5分钟)中国季风雨带年代际尺度移动和预测丁一汇院士,国家气候中心全新世中国气候湿润度变化的两个基本模态王绍武教授,北京大学物理学院气候变化与中国粮食安全林而达研究员,中国农科院农业环境与可持续发展研究所东半球夏季越赤道气流的年代际变化及其与东亚夏季风的关系研究孙照渤教授,南京信息工程大学流域水循环与水文预测夏军研究员,中科院地理科学与资源研究所12:00-13:30 午餐午休2月12日下午-13日分会报告(10-15分钟,包括答疑2分钟)专题讨论、小结(30分钟)2月12日18:15 招待会(地点:待定)2月13日17:00 大会总结闭幕式第一分会气候变率的机理及预测方法研究2月12日下午13:45-17:45S1-1 气候变率的诊断与机理研究中国东部夏季降水准两年振荡与ENSO贾建颖孙照渤,南京信息工程大学秋季北太平洋海温对我国冬季降水的影响艾孑兑秀杨明珠孙林海韩荣青,国家气候中心南亚高压活动特征及其与我国东部夏季降水的关系周兵胡景高,国家气象中心亚洲-太平洋涛动与西北太平洋热带气旋频数的关系周波涛崔绚赵平,国家气候中心变年循环参考系下的中国气候年际变率研究(开放课题)钱诚赵天保吴召华符淙斌,中科院大气物理研究所北半球中高纬大气环流异常对拉尼娜事件的衰减作用韩荣青任福民李维京,国家气候中心东亚冬季风对中国东北冬季气温变化影响的分析刘实,吉林省气象科学研究所冬季大气环流系统变化对中国冬季气温的影响分析朱艳峰,国家气候中心南亚高压气候异常研究彭丽霞孙照渤,南京信息工程大学MJO对我国冬季降水和环流的影响贾小龙,国家气候中心西北太平洋夏季风对中国东部地区降水的影响刘芸芸丁一汇,南京信息工程大学/国家气候中心热带印度洋SST海盆模态的“充电/放电”作用—对夏季南亚高压的影响杨建玲刘秦玉,宁夏气候中心/中国海洋大学物理海洋实验室淮河流域降水的时空变化的标度特征宋寔陈星程兴无,南京大学大气科学学院青藏高原冬春季积雪异常与西南地区夏季降水关系的SVD分析周浩,重庆市气候中心北半球绕极涡的变异特征及其在汛期降水预测中的应用顾思南,宁波市气象台海温异常与东亚季风及信风之间的关系向华,浙江省湖州市气象局专题讨论,小结2月13日上午08:30-12:00S1-2 气候模式与预测方法研究中国气象局气候系统模式研究进展吴统文,国家气候中心利用CAM-RegCM嵌套模式预测我国夏季降水异常邓伟涛,南京信息工程大学中国区域月平均温度和降水预测方法的预测能力分析陈丽娟李维京,国家气候中心区域气候模式在气候预测业务中的应用张英娟,北京市气候中心An Simulation Study of the 20th Century Climate By the BCC Climate Model董敏吴统文王在志,国家气候中心CAM3模式海气湍流通量参数化的改进及其应用李忠贤孙照渤陈海山,南京信息工程大学中国区域卫星遥感土壤湿度同化系统研究师春香,中国气象局卫星研究所气候模式中不同积雪覆盖率参数化方案的比较分析李伟平,国家气候中心基于赤道中太平洋冬季表层-次表层海温异常早期信号的淮河流域降水预报陆波,北京大学大气科学系基于SWA T模型的汉江流域径流模拟夏智宏,武汉区域气候中心青藏高原气温极值概率变化的模拟试验任雨张雪芹,中国科学院地理科学与资源研究所公度法预测模式的建立和应用吴泓,南京市气象局广东热带气旋预测系统简介胡娅敏,广东省气候中心近57年常州寒潮的变化特征及寒潮预报雷正翠,江苏省常州市气象局朝阳市农业气象业务服务系统设计常中波张国林梁群,辽宁省朝阳市气象局基于月动力延伸预报最优信息的中国降水降尺度预测模型(确认摘要)山东省气候中心专题讨论,小结2月13日下午13:45-17:00S1-3 区域气候及极端气候事件成因分析社会对极端低温雨雪冰冻灾害应急响应程度的定量评估研究陈正洪,武汉区域气候中心2008年甘肃省河西地区春、夏旱影响及成因分析冯建英,兰州干旱气象研究所北大西洋涛动与吉林省夏季降水异常的关系张丽,吉林省气候中心2008年南方冻雨与夏季风降水的早期信号符娇兰钱维宏,北京大学物理学院大气科学系基于RS和GIS的2008年湖北省特大雪灾的监测评估梁益同夏智宏,武汉区域气候中心2008年初江南雨雪冰冻过程的天气气候分解丁婷钱维宏,北京大学物理学院大气科学系陕西春季干旱的环流特征分析方建刚,陕西省气候中心2008年1-2月宁夏持续连阴雪低温极端天气气候背景及成因分析纳丽, 宁夏气候中心2008年华南前汛期一次连续大暴雨过程成因的分析李兴荣,深圳市气象局安徽省气温序列的均一性检验程智,安徽省气候中心辽西地区春播期干旱及天气特征研究张国林, 辽宁省朝阳市气象局2008年常州两次寒潮天气的对比分析史诗杨,江苏省常州市气象局焦作市持续冰雪低温天气气候特征及其分析预报司福意,河南省焦作市气象局阿克苏地区大降水天气的气候特征胡翠珍,新疆阿克苏地区气象局副高脊点的东西移动与冬夏季风中的经向垂直切变-2008年我国北方冬旱的应用诊断王万里武汉区域气候中心重庆汛期极端降水事件分析(确认摘要)张天宇,重庆市气候中心辽宁区域性春旱的大气环流及影响因子分析(确认摘要)阎琦, 辽宁省鞍山市气象局专题讨论,小结第二分会气候变化检测,预估和气候资源评估2月12日下午 13:45-17:45S2-1 气候变化监测和预估淮河流域洪涝灾害的历史、现状与问题陈星,南京大学大气科学学院未来10-20年中国气温变化趋势估算赵宗慈王绍武罗勇江滢,国家气候中心中国北方未来20-50年干旱前景的预测研究封国林,国家气候中心2050年前中国旱涝格局趋势预估翟建青曾小凡苏布达姜彤, 中科院南京地理与湖泊研究所/国家气候中心北极海冰遥感监测与分析郑照军,国家卫星气象中心小兴安岭红松树木生长的气候响应机制研究尹红刘洪滨黄磊,南京信息工程大学/国家气候中心全新世气候变化信号的检测-孢粉气候响应面函数的应用赵传湖陈星,南京大学大气科学学院气候变化对祁连山内陆河流域水资源及生态环境的影响(确认摘要)张存杰,兰州区域气候中心珠三角地区常规气象站气温与土地覆被、人口要素的关系研究窦浩洋赵昕奕,北京大学城市与环境学院气象站记录的中国区域气温变化特征郝立生,河北省气候中心1963-2007年安徽省蒸发皿蒸发量变化特征及影响因素探讨温华洋,安徽省气候中心东亚季风对我国华北地区降水蒸发差的影响李娇,辽宁省铁岭市气象局中国西北及青藏高原沙尘天气动态演变特征(确认摘要)王劲松,兰州干旱气象研究所河湟谷地气候变化对高原鼠害的影响马生玉,青海省格尔木市气象局山东省气候监测系统介绍(确认摘要)顾伟宗,山东省气候中心专题讨论,小结2月13日上午08:30-12:00S2-2 气候资源评估与大气环境城市气候研究的一些发展动态胡非,中科院大气物理研究所国家气候中心风能资源评估数值模式系统的开发进展朱蓉何晓凤周荣卫程兴宏,国家气候中心欧盟-中国能源环境项目研究进展张秀芝,国家气候中心中国风速变化多气候模式模拟检验及未来风速变化预估江滢罗勇赵宗慈,国家气候中心MM5与CFD软件相结合对复杂地形风能资源数值模拟初探何晓凤周荣卫朱蓉,国家气候中心风云三号卫星紫外臭氧垂直探测仪反演产品及其初步检验黄富祥,国家卫星气象中心地面太阳辐射的变化、影响因子及其可能气候效应的最新研究进展申彦波赵宗慈石广玉,国家气候中心城市建筑物动力冠层方案的引入及应用研究周荣卫蒋维楣何晓凤,国家气候中心上海城市化进程导致的局地气温变化特征侯依玲,上海市气候中心Nudging源同化方案在中国空气质量预报中的应用程兴宏,国家气候中心专题讨论,小结2月13日下午13:45-17:00S2-3 气候变化检测及成因分析中国地面气温变化检测的若干问题任国玉,国家气候中心中日美三套西北太平洋热带气旋资料集的比较研究任福民,国家气候中心中国北方夏半年极端干期变化的区域特征刘莉红翟盘茂郑祖光,中国气象局培训中心温室气体排放对全球气候变化贡献的研究胡国权,国家气候中心内蒙古近50年气温和降水极端气候事件的检测分析尤莉戴新刚张宇,内蒙古气候中心江淮梅雨典型性的变化特征研究梁萍,上海市气候中心我国近50年高空温度变化趋势分析郭艳君丁一汇,国家气候中心西北干旱区气温变化对全球变暖的区域响应孙杨张雪芹,中科院地理科学与资源研究所东北地区冬季降雪的时空分布特征及其区划研究(开放课题)赵春雨,沈阳区域气候中心气候变化、地震与珠江大洪水刘利平卢伶俊马经广,广东省水文局宁夏河东沙地近百年气候变化对全球变暖的响应李艳春,宁夏气候中心吉林省近56年气候变化趋势分析程红军,吉林省气候中心气候变暖背景下太原市霜冻的变化规律研究钱锦霞,山西省气候中心安顺市近45年气候变化分析杨忠明,贵州省安顺市气象台50多年来本溪地区气候变化特征分析吉奇魏军, 辽宁省本溪市气象局专题讨论,小结17:00-17:30 大会总结闭幕式。

内蒙古河套地区极端降水特征分析

内蒙古河套地区极端降水特征分析

第38卷 第4期2020年8月干 旱 气 象JournalofAridMeteorologyVol.38 No.4August,2020刘林春,刘 炜,孙 鑫,等.内蒙古河套地区极端降水特征分析[J].干旱气象,2020,38(4):535-542,[LIULinchun,LIUWei,SUNXin,etal.AnalysisonCharacteristicofExtremePrecipitationinHetaoArea,InnerMongolia[J].JournalofAridMeteorology,2020,38(4):535-542],DOI:10.11755/j.issn.1006-7639(2020)-04-0535内蒙古河套地区极端降水特征分析刘林春1,刘 炜2,孙 鑫1,刘 新2,董祝雷2,张 宇2(1.内蒙古自治区气象台,内蒙古 呼和浩特 010051;2.内蒙古自治区气候中心,内蒙古 呼和浩特 010051)摘 要:基于内蒙古河套地区34个国家气象站1961—2018年逐日降水量,分析近58a极端降水事件和降水过程的时空分布特征,并选取典型过程分析极端降水过程环流背景场特征。

结果表明:(1)平均年降水量自东南向西北递减,7—8月降水最丰沛。

8月降水量显著减少,5、6和12月降水量显著增加。

(2)极端降水阈值东南高西北低,鄂尔多斯市乌审召降水量历史极值最大,巴彦淖尔市海力素最小。

大部地区极端降水事件频次在5次以上,强度东南强西北弱。

(3)极端降水事件7—8月最多,平均强度8月最强。

9月极端降水事件显著增加,强度显著增强。

(4)年平均极端降水过程强度减弱趋势显著,过程降水大值区多集中在土默特左旗、伊金霍洛旗和呼和浩特市区。

(5)极端降水过程多受槽前西南气流影响,充足的水汽条件配合异常强盛的上升气流,易发生强降水事件。

关键词:内蒙古河套地区;极端降水特征;极端降水事件;极端降水过程;环流背景场文章编号:1006-7639(2020)04-0535-08 DOI:10.11755/j.issn.1006-7639(2020)-04-0535中图分类号:P426.61 文献标志码:A 收稿日期:2019-08-15;改回日期:2019-11-28 基金项目:国家重点研发计划(2018YFC1506800)、中国气象局预报员专项(CMAYBY2019-023)和内蒙古自治区气象局科研项目(nmqxkjcx201908)共同资助 作者简介:刘林春(1986—),男,内蒙古包头市人,硕士研究生,主要从事数值天气预报工作.E-mail:jerrylau515@163.com。

中国暴雨的天气学研究进展

中国暴雨的天气学研究进展

明:(1) 中国暴雨具有明显的地域性、季节性和阶段性特点。东部地区有三个季节性大雨带,自南向北移动,具有明显跳
跃性。大范围降水的环流形势有稳定经向型、稳定纬向型及中低纬相互作用型等基本类型。各地区暴雨又各有独特的
典型形势。(2) 西风带长波槽、阻塞高压、副热带高压和热带环流等行星尺度系统以及东亚夏季风系统与我国夏季的降
Progress of synoptic studies for heavy rain in China
SHOU Shaowen
(School of Atmospheric Sciences, Nanjing University of Information Science & Technology, Nanjing 210044)
Vol.38 No.5 Oct. 2019
中国暴雨的天气学研究进展
寿绍文
(南京信息工程大学 大气科学学院 南京 210044 )
摘 要:自 1949 年建国至今 70 a 来,我国气象工作者对中国暴雨的特点和规律等做了大量研究并取得了丰硕成果。本文
主要就中国暴雨的特点、环流形势、天气系统、形成机制及水有密切关系。低槽、气旋、静止锋、高空冷涡、低空切变线、低涡和高低空急流等中纬度天气系统在大部分强降水过程
中扮演重要角色。台风是最强的暴雨天气系统,大部分近海省市最强降水均与台风相关。(3) 中尺度系统与暴雨关系密
切,特别是中尺度对流系统,通常是暴雨的直接制造者或载体。本文讨论了基于大气动力学和热力学理论的各种暴雨诊
断分析方法,通过诊断分析使暴雨研究客观化和定量化,有助于深入认识暴雨形成机理和改进各种时效的暴雨现代天气
预报,最后对如何进一步深入进行暴雨研究的问题做了思考和展望。

通过AMHS报文传输技术提供气象服务的探索

通过AMHS报文传输技术提供气象服务的探索

通过AMHS报文传输技术提供气象服务的探索作者:朱筠来源:《中国科技博览》2018年第19期中图分类号:V321.2 文献标识码:A 文章编号:1009-914X(2018)19-0121-02航空气象服务信息传输现状及需求根据《中国民用航空气象工作规则》,民用航空气象服务机构需要为民用航空气象服务用户提供相应的气象服务,提供最新可用的气象资料,包括:机场例行天气报告和特殊天气报告、机场预报和着陆预报、机场警报、重要气象情报、低空气象情报、天气图、区域预报和航路预报、卫星云图等相关资料,同时为了更准确的进行重要天气的预警预报,各机场气象台站、监视台也需要进行各类气象资料信息的交换,按照《民用航空飞行气象情报发布与交换办法》的要求,各类参与交换的飞行气象情报通过航空固定电信网(AFTN)或其他合适的方式如传真等进行信息共享。

航空固定电信网(AFTN)自20世纪初期就开始不断演进,已经成为全球民用航空基本业务系统之一,其主要任务是在全球范围快速、高效地收集、交换和分发来自世界各地的航空电报,是目前国内外航空地面信息交换的主要方式,它可以连接世界所有主要的机场和民航空管系统,实现相关信息的交换。

目前,传统电码形式的飞行气象情报,如机场例行天气报告和特殊天气报告、机场预报和着陆预报、机场警报、重要气象情报、低空气象情报等就是通过航空固定电信网(AFTN)提供气象信息服务。

近年来,国际民航组织(ICAO)围绕提升全球空中航行系统安全水平和运行效能,提出新航行系统概念,制定了《全球空中航行计划》(Doc9750),提出航空系统组件升级(ASBU),用工程化的方法指导全球空中交通管理系统的规划与实施。

其中在模块B1-DATM提出数字化ATM(空中交通管理信息)管理,通过集成所有数字化空中交通管理信息改进提升绩效。

对气象情报数据和飞行流量数据进行数字模型化,形成集成空中交通管理信息参考模型。

在模块B1-SWIM:通过应用全系统信息管理(SWIM)改进提升绩效,创建并实施基于标准的空中交通管理数据模型,对航空气象数据模型的创建和实施是其中重要的工作内容之一。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

中国气象信息传播历史研究孙忠(山东省气象中心 250031)摘要气象信息是关系到人们生产、生活的重要信息,但是因为近、现代气象学是从18到19世纪才开始发展起来,给人们真正意义上的气象信息的历史比较短,而气象信息传播发展速度之快和传播范围之广却是在新闻传播领域少见的。

本文从中国在各个历史时期气象信息的传播入手,分析在不同阶段气象信息传播的手段和特点,以及社会影响等。

关键词:气象信息、传播、媒体1中国古代气象信息的传播中国大部地区处于中纬度的季风气候区,属暖温带大陆性气候,气温适中,光照充足,雨热同季,气候资源丰富,为社会生产提供了良好的条件。

但是旱涝风雹低温霜冻等气象灾害频繁发生,严重影响经济发展。

由于科技水平的限制,中国古人对于天气、气象的认识是非常有限的,经常会将天气现象和迷信联系起来,认为某种天气现象或许是上天的启示,或是上天对人类的惩罚,对气象总体的认识是畏惧和无能为力的,对于天气的预测除了农谚等没有更准确的方法,而至于社会性的防灾、减灾就更无从谈起了,所以普通老百姓对于各种天气现象或气象灾害只能被动地接受,在这样的情况下气象信息的种类就只限于对于各种天气现象或者气象灾害的记录和描述了。

在天文和气象结合的情况下,中国通常会有专门的机构进行天象观测,在史前传说时期,天象机构多有世袭专业人员充任,自周至清代,多设有天象行政机构和业务部门,前者称为局(如台式且)或监(太史监、司天监、钦天监);后者称为台,从周到唐朝称为“灵台”,唐至元代称为“司天台”,明清称观象台,清末到民国称测候所。

从周代到清代的观象记录,积累了大量的天文气象观测的珍贵文献。

和新闻传播发展的历史一样,气象信息的传播在开始的时候也是通过人们的口头传播,可能在人们周围的某个地方出现了冰雹、暴雨等天气现象,人们可以通过口头的方式把这个消息在有限的范围内传播开,在一定的范围内进行基本意义上的自我保护。

随着文字的出现以及书写介质的发展和丰富,人们对于天气、气象信息的记录可以通过文字的方式进行传播,但是因为中国小农经济和教育的限制,这种传播的范围并不可能太大,在封建社会中,帝王集权统治是标志性的社会现象,再加上中国传统统治思想中的“民可使由之,不可使知之”的影响,封建帝王并不会轻易把社会的各种信息让普通民众获知,所以在封建社会中,气象信息的传播经常是通过各地方官的奏折经由官方的邮路到达朝廷,传播的范围限于朝廷和官府,由朝廷或官府采取相应的对策、措施。

另外,各地的地方志也记录下各地在各个年份主要的气象灾害和重要的天气现象,在各官府的档案存放部门保存,对于公众也是秘而不宣的。

所以在中国封建社会时段中,面向公众的气象信息传播从现代的观点看是不存在的,只有在封建统治阶层才有较为有价值的气象信息传播,但由于通讯手段的落后,气象信息的新闻意义和含量也不足。

但是气象科学在中国的发展的历史还是比较长的,古代人们就把天文和气象结合而制定了24节气,对全年的天气气候做出比较准确、实用、完整的阶段划分,至今人们还依据它安排农业生产,南北朝时期的贾思勰所著《齐民要术》和元代的王祯所著的《农书》,总结了气候的季节变化与农事活动的关系,作为知识性的气象信息在中国的传播还是比较广泛的。

2近代的气象信息在中国的传播18至19世纪,近代气象科学在西方迅速发展,并开始传入中国。

1840年鸦片战争后,外国列强侵入中国,在各自的势力范围内设立气象测候机构,搜集气象情报为其侵略政策服务。

1872年,法国的天主教江南教区在上海徐家汇建立了观象台,1879年7月31日,上海遭强风袭击,海上舰船损失巨大。

在公董局和外商轮船公司的一致要求下,观象台设立了航海服务部,并于1882年1月1日起正式向上海各报发送中国沿海气象预报。

1884年9月1日,外碳信号台正式成立,并在每天定时悬挂报时和气象信号,为停泊在黄浦江和进出上海港的航船服务。

为进一步扩大服务面,从1914年5月18日起,徐家汇台通过法租界私设的顾家宅无线电台开始以FFZ的CQ呼号,每日两次向航海舰船播发时间信号和海洋气象预报,使其从悬挂信号服务发展到无线电广播服务。

1920年3月一日起,又在无线电台播发日常气象公告后,增加每天11时和17时发布高空气流分析情况,这样将气象服务面又从海洋扩大到航空方面。

虽然在同时代还有香港皇家天文台和青岛市观象台的成立和观测活动,但是这两家观象台都没有以正规的方式向社会公开发布天气预报服务等信息,仅仅有一些学术期刊等在有限的范围中传布。

可以确定在近代时期,上海徐家汇观象台是真正开创了中国气象信息传播的先河,也是真正意义上的气象信息为社会的服务的开始。

总之在近代时期(从鸦片战争到清朝灭亡),我国的真正意义上的气象科学从无到有,但是发展非常缓慢,仍然被外国列强势力控制,属于中国自己的气象业务和服务还没有出现,气象信息传播也仅仅局限于和外国列强在中国的势力范围周围,主要的信息载体是报纸。

3民国时期的气象信息传播1912年11月,中华民国政府参议院决议,在北京设立中国自己办的第一个气象台--中央观象台,1916年开始做天气预报,每日两次,一次为上午9时,在台内悬挂信号旗,另一次在夜间,报给各报馆供发布。

这是中国自己气象事业和气象信息传播的开始。

此外,国民党政府还在南京、重庆设立研究院和国民党政府中央气象局,气象科学研究期刊也纷纷涌现出来。

但由于处在战争时期,这些气象信息仅仅是为军事和政府决策服务,并不向公众公开发布。

地方创办的气象部门在这段时期当中也发展起来,但是由于技术、设备的落后和不完备,这些气象组织和部门仅仅能进行气象观测,而不能独立发布正规的气象信息。

中国共产党领导的气象事业也在这一时期开始并发展起来,因为中国共产党的诞生时期正是中国动荡不稳定的年代,不管是陕甘宁边区还是晋冀鲁豫解放区的气象工作都是围绕着战争这一主题,所观测采集的气象信息以及天气预报等都是为战争服务的,所有的气象信息传播范围都在军队当中,还不存在向公众传播的气象信息。

在抗日战争时期,由于上海仍然是中国的租界区,徐家汇观象台也仍然被法国人控制,其发布的气象信息的工作依然没有停止,气象信息是战争决策的重要依据,向公众传播的气象信息很容易被侵略者获得,尤其在日本侵略军步步逼近上海的时期内,尽管我国军队和政府强烈反对,但是并没有让这样的气象信息传播停止,开创中国近代气象事业和气象信息传播工作先河的徐家汇观象台在此期间却充当了不光彩的角色。

总之在这段时期当中,因为社会动荡和战争的关系,气象信息的传播并没有因为气象事业的发展而更广泛地发展起来,虽然从传播手段上报纸和无线电广播都发展得比较快,但是由于气象信息的特殊性,其传播的范围主要在军队和政府部门之中,除报纸期刊外,无线广播和电报也在这个时期中成为气象信息传播的载体了。

4建国以后的气象信息传播建国以后,由于我国所处的国际国内形势的需要,气象信息传播可以分为两个阶段:保密阶段和公开向公众服务阶段。

4.1保密阶段的气象信息传播1949年12月8日,中央人民政府人民革命军事委员会气象局成立,标志着新中国气象事业的诞生。

此时,全国的解放战争尚未结束,盘踞在台湾的国民党残余势力时常骚扰大陆地区,1950年6月,朝鲜战争爆发,美国派遣第七舰队侵占我国台湾海峡,面对帝国主义的侵略威胁,与军事行动、战争胜负休戚相关的气象情报、天气预报和气候资料均属国家秘密,采用加密传送。

对外公开发布气象信息,实行严格的审批和控制。

从国家安全和人民利益出发,军委气象局通知《人民日报》社,停止在报纸上刊登天气情况和天气预报。

1951年6月6日,聂荣臻代总参谋长批示:台风警报可以用明语广播,6月20日军委气象局颁发了全国沿海预报台站发布台风警报的暂行办法,开始利用广播、信号等方式开展公众气象服务。

1952年11月1日,上海气象台开始公开发布沿海大风预报和警报,上海外滩气象站自1953年1月1日起,根据上海气象台的预报,每天两次用中英文给海岸电台拍发海洋气象预报和悬挂大风或台风信号。

1952年上海气象台和华东人民广播电台遵照华东军政委员会和华东军区司令部的联合决定,从6月1日起到10月31日止,联合举办台风报告节目,取得很大成功。

台风报告节目防止和大大减轻了灾情和人民生命财产损失,对保证农业生产的丰收,沿海渔民、盐厂的生产安全起到了一定的作用。

刚刚起步的公众气象服务产生了显著的社会和经济效益。

1955年3月10日起,遇到有经过我国的大陆沿海转向日本和朝鲜(包括韩国)的台风、寒潮、低压产生的8级以上大风及其他严重的灾害性天气时,中央人民广播电台将根据中央气象台天气预报,以日语和朝鲜语向日本、朝鲜人民公开广播。

在这个保密的阶段下,广播天气预报服务工作适应人民群众生产生活的需要,有序地扩展开来,受到各级人民政府和广大群众的欢迎,为公众气象信息传播的进一步发展准备了基础。

4.2公开向公众服务阶段1956年6月1日,根据周恩来总理的指示,中央气象台第一次通过中央人民广播电台和人民日报、北京日报、工人日报、光明日报等新闻媒体,向北京市民直接提供天气预报服务,自此拉开了气象信息向公众传播的序幕。

气象情报、预报可以使用明码公开传播以后,公众气象服务有了广阔的活动天地,可以采用最快捷、最容易为人民群众接受的方式开展工作。

最近两次公众天气预报服务社会抽样调查表明,电视天气预报节目和广播天气预报节目是社会公众获取天气预报信息的两个主要来源,尤其是电视天气预报节目,在2002年电视收视率调查中超过了其他任何电视节目的收视率,名列收视率排行之首,成为了国家领导人和广大人民群众最喜爱的节目。

现在气象信息的传播主要有5种媒体:报纸、广播、电视、互联网、移动设备。

4.2.1通过报纸传播的气象信息报纸是我国发展最早的新闻传播媒体,也是最早被利用来传播气象信息的新闻媒体,从1956年以后,各级党报等纷纷开始刊载各地方气象部门提供的气象情报和天气预报,改革开放以后,随着各种小型报纸的出版发行,天气预报在每种地方性的报纸当中都占有一定的位置。

从20世纪90年代开始,天气预报的产品更加丰富,除了公益天气预报服务以外,更贴近人民生活的气象指数也开始在各报纸上纷纷登场,由于报纸的可重复阅读的优势,这些不容易在瞬间被掌握的气象指数等预报产品找到了良好的传播途径,而且在许多地区成为人们的热门话题。

如在南方地区非常受欢迎的晾晒指数,在夏季受欢迎的啤酒指数,在报纸的传播过程中已经被读者普遍接受。

而在一次重要的天气现象出现之后,天气产生的影响和效果一般都是各地方报纸的头版新闻。

4.2.2广播气象服务信息传播人民广播电台的天气预报节目,由于覆盖面广,时效快,成为公众气象服务的主要手段。

1956年6月11日,中央气象局和广播事业局联合下发《关于各地人民广播电台、有线广播站建立天气预报广播节目的通知》,要求各地逐步在全国各地人民广播电台和有线广播站建立天气预报节目,每天定时播出天气预报节目,各地人民广播电台应与当地气象部门联系,在广播电台每日广播时间里开辟2到3次固定的天气预报节目,每天广播本地天气预报。

相关文档
最新文档