2024年第52卷第3期文章目次
2024, 52(3):309-317.
DOI: 10.19517/j.1671-6345.20230123
摘要:
針對靜止軌道遙感衛星上多通道掃描型載荷成像、傳輸與存儲過程中，存在數據質量下降等問題，本文在經典三維塊匹配算法（Block Matching 3D，BM3D）基礎上，提出一種基于多層級小波分解的并行執行策略。首先，使用小波變換對原始氣象遙感圖像分解，得到4個圖像分量；其次，將所得圖像分量進一步進行3級分解，并選擇其中的10個圖像分量；最后，每個分量并行執行BM3D濾波器去噪，并重構10個分量的輸出圖像。與傳統BM3D去噪算法相比，改進BM3D算法的計算量可有效降低20%以上。通過與中值濾波、均值濾波、NL-Bayes、BM3D四種降噪算法進行實驗對比，所提算法的峰值信噪比平均增益在0.39～4.45 dB之間，特別是在高斯白噪聲和脈沖噪聲的混合噪聲去噪方面要顯著優于選取的四種對比算法。
針對靜止軌道遙感衛星上多通道掃描型載荷成像、傳輸與存儲過程中，存在數據質量下降等問題，本文在經典三維塊匹配算法（Block Matching 3D，BM3D）基礎上，提出一種基于多層級小波分解的并行執行策略。首先，使用小波變換對原始氣象遙感圖像分解，得到4個圖像分量；其次，將所得圖像分量進一步進行3級分解，并選擇其中的10個圖像分量；最后，每個分量并行執行BM3D濾波器去噪，并重構10個分量的輸出圖像。與傳統BM3D去噪算法相比，改進BM3D算法的計算量可有效降低20%以上。通過與中值濾波、均值濾波、NL-Bayes、BM3D四種降噪算法進行實驗對比，所提算法的峰值信噪比平均增益在0.39～4.45 dB之間，特別是在高斯白噪聲和脈沖噪聲的混合噪聲去噪方面要顯著優于選取的四種對比算法。
2024, 52(3):318-329.
DOI: 10.19517/j.1671-6345.20230129
摘要:
暈渲法根據山體陰影值的原理，利用光照角度和方向、坡度和坡向的關系來計算光通量的明暗值，利用色調的明暗來展現氣象模式數據的立體感。暈渲圖的著色方法是將每個格點上的明暗值作為HSV色彩模式中的明度，結合飽和度和色度獲得HSV色彩值，再通過HSV色彩模式和RGB色彩模型之間的轉換，使用RGB色彩模型進行著色，實現氣象模式數據彩色暈渲圖的繪制。本文在氣象模式數據的可視化工作中，利用暈渲圖技術，實現對物理概念上與地形類似的氣壓、位勢高度等數據的三維繪制。相比于傳統的等值線填色方法，暈渲圖技術能夠直觀表現大氣形勢場的立體分布，以凹凸效果表現高低值天氣系統，通過坡面的陡度體現天氣系統的梯度變化；能夠展現數據的像素級細節，識別梯度較小的渦流擾動，顯示等效地形影響，幫助氣象工作者更好地解釋數據，為氣象模式中數據處理的改進提供參考。
暈渲法根據山體陰影值的原理，利用光照角度和方向、坡度和坡向的關系來計算光通量的明暗值，利用色調的明暗來展現氣象模式數據的立體感。暈渲圖的著色方法是將每個格點上的明暗值作為HSV色彩模式中的明度，結合飽和度和色度獲得HSV色彩值，再通過HSV色彩模式和RGB色彩模型之間的轉換，使用RGB色彩模型進行著色，實現氣象模式數據彩色暈渲圖的繪制。本文在氣象模式數據的可視化工作中，利用暈渲圖技術，實現對物理概念上與地形類似的氣壓、位勢高度等數據的三維繪制。相比于傳統的等值線填色方法，暈渲圖技術能夠直觀表現大氣形勢場的立體分布，以凹凸效果表現高低值天氣系統，通過坡面的陡度體現天氣系統的梯度變化；能夠展現數據的像素級細節，識別梯度較小的渦流擾動，顯示等效地形影響，幫助氣象工作者更好地解釋數據，為氣象模式中數據處理的改進提供參考。
2024, 52(3):330-339.
DOI: 10.19517/j.1671-6345.20230166
摘要:
為提高冰雹探測算法（Hail Detection Algorithm，HDA）產品的可用性，針對2015—2020年普洱地區監測到的22次冰雹個例，利用新一代雷達業務應用軟件ROSE2.0對相關雷達基數據進行回放及產品分析，以命中率、虛警率、臨界成功指數為指標對HDA算法在普洱地區的識別效果進行評估并給出本地化參數配置方案。結果表明:HDA算法在普洱地區命中率接近100%，但虛警現象非常普遍，使用強冰雹概率（Probability of Severe Hail，POSH）的預警效果優于任意大小冰雹概率（Probability of Hail，POH），且冰雹尺寸越大POSH虛警的概率越低。進一步使用模擬測評法對POSH算法的適配參數進行分析，發現正確輸入降雹日當天的0 ℃層和-20 ℃層高度能有效減少POSH的虛警率及提高臨界成功指數；同時使算法預測的最大冰雹直徑普遍偏大的情況得到控制，其中，中小冰雹直徑偏離百分比減小76.07%，改善效果顯著高于大冰雹。此外，增大反射率因子及POSH閾值能有效控制虛警，但也導致漏報次數快速增加，當閾值太大時命中率明顯降低，為了保證較高的命中率和臨界成功指數，選擇Z=50 dBz或POSH=70%為閾值能明顯改善HDA算法的識別效果。
為提高冰雹探測算法（Hail Detection Algorithm，HDA）產品的可用性，針對2015—2020年普洱地區監測到的22次冰雹個例，利用新一代雷達業務應用軟件ROSE2.0對相關雷達基數據進行回放及產品分析，以命中率、虛警率、臨界成功指數為指標對HDA算法在普洱地區的識別效果進行評估并給出本地化參數配置方案。結果表明:HDA算法在普洱地區命中率接近100%，但虛警現象非常普遍，使用強冰雹概率（Probability of Severe Hail，POSH）的預警效果優于任意大小冰雹概率（Probability of Hail，POH），且冰雹尺寸越大POSH虛警的概率越低。進一步使用模擬測評法對POSH算法的適配參數進行分析，發現正確輸入降雹日當天的0 ℃層和-20 ℃層高度能有效減少POSH的虛警率及提高臨界成功指數；同時使算法預測的最大冰雹直徑普遍偏大的情況得到控制，其中，中小冰雹直徑偏離百分比減小76.07%，改善效果顯著高于大冰雹。此外，增大反射率因子及POSH閾值能有效控制虛警，但也導致漏報次數快速增加，當閾值太大時命中率明顯降低，為了保證較高的命中率和臨界成功指數，選擇Z=50 dBz或POSH=70%為閾值能明顯改善HDA算法的識別效果。
2024, 52(3):340-346.
DOI: 10.19517/j.1671-6345.20230182
摘要:
為實現2025年氣象關鍵核心技術自主可控的目標，氣象大數據云平臺（簡稱天擎）建立了基于海光X86服務器和麒麟操作系統的仿真環境。在仿真平臺運行中發現，基于容器技術的產品加工與流水線子系統容器調度性能較差，不能滿足用戶融入算法的時效要求。針對此問題，本文采用對比分析法，選取天擎仿真環境和業務環境的3種CPU芯片服務器和3種操作系統為研究對象，設計了一系列組合對比測試用例，找到了影響容器調度性能的關鍵因素—操作系統內核，并進一步分析了操作系統內核設置對系統實時性和吞吐量的影響以及適用的業務場景。最后給出了麒麟操作系統內核調整方法，通過調整內核設置，容器調度性能大幅提高，滿足了產品加工系統的時效要求，為實現天擎的關鍵核心技術自主可控奠定基礎。
為實現2025年氣象關鍵核心技術自主可控的目標，氣象大數據云平臺（簡稱天擎）建立了基于海光X86服務器和麒麟操作系統的仿真環境。在仿真平臺運行中發現，基于容器技術的產品加工與流水線子系統容器調度性能較差，不能滿足用戶融入算法的時效要求。針對此問題，本文采用對比分析法，選取天擎仿真環境和業務環境的3種CPU芯片服務器和3種操作系統為研究對象，設計了一系列組合對比測試用例，找到了影響容器調度性能的關鍵因素—操作系統內核，并進一步分析了操作系統內核設置對系統實時性和吞吐量的影響以及適用的業務場景。最后給出了麒麟操作系統內核調整方法，通過調整內核設置，容器調度性能大幅提高，滿足了產品加工系統的時效要求，為實現天擎的關鍵核心技術自主可控奠定基礎。
2024, 52(3):347-355.
DOI: 10.19517/j.1671-6345.20230189
摘要:
為打破傳統氣象業務空間的局限性，實現全省分級聯動的監控體系，提升氣象數據和裝備的保障能力，以手機APP為載體開發集約多功能領域、面向多用戶群體的氣象綜合監控系統。系統以Springboot+Vue+Mybatis-Plus為開發框架，通過開發接口程序從多業務平臺獲取源數據，經過統一格式以后推送給隔離區提供訪問服務，同時采用跨平臺開發uni-app、增強版持久層Mybatis-Plus、實時數據集成FlinkCDC等技術框架提升系統的安全性、兼容性和高效性。系統在貴州省、市、縣、站各級氣象部門推廣使用。結果表明：該系統同時兼容Android以及iOS等多移動端系統，運行穩定，氣象資料的及時性監測有所提升。
為打破傳統氣象業務空間的局限性，實現全省分級聯動的監控體系，提升氣象數據和裝備的保障能力，以手機APP為載體開發集約多功能領域、面向多用戶群體的氣象綜合監控系統。系統以Springboot+Vue+Mybatis-Plus為開發框架，通過開發接口程序從多業務平臺獲取源數據，經過統一格式以后推送給隔離區提供訪問服務，同時采用跨平臺開發uni-app、增強版持久層Mybatis-Plus、實時數據集成FlinkCDC等技術框架提升系統的安全性、兼容性和高效性。系統在貴州省、市、縣、站各級氣象部門推廣使用。結果表明：該系統同時兼容Android以及iOS等多移動端系統，運行穩定，氣象資料的及時性監測有所提升。
2024, 52(3):356-366.
DOI: 10.19517/j.1671-6345.20230120
摘要:
基于污染物情況、環流系統和時空分布特征分析，利用神經網絡對歷史數據進行建模，生成了能見度集合預報產品。在2022年冬季的TS評分檢驗中，預報產品優于歐洲中期數值預報中心模式(ECMWF)的能見度預報產品。利用概率匹配、最優百分位和神經網絡三種后處理方法生成后處理產品，這些產品的TS評分優于集合預報產品。預報輸入的ECMWF模式2 m濕度與實況的偏差是誤差的主要來源。利用集成方法對三種后處理產品進行集成，其TS評分結果在低能見度區間總體接近或略優于原始產品。生成的能見度集合預報后處理最優集成預報產品成功提高了對中期延伸期能見度天氣的預測準確性。
基于污染物情況、環流系統和時空分布特征分析，利用神經網絡對歷史數據進行建模，生成了能見度集合預報產品。在2022年冬季的TS評分檢驗中，預報產品優于歐洲中期數值預報中心模式(ECMWF)的能見度預報產品。利用概率匹配、最優百分位和神經網絡三種后處理方法生成后處理產品，這些產品的TS評分優于集合預報產品。預報輸入的ECMWF模式2 m濕度與實況的偏差是誤差的主要來源。利用集成方法對三種后處理產品進行集成，其TS評分結果在低能見度區間總體接近或略優于原始產品。生成的能見度集合預報后處理最優集成預報產品成功提高了對中期延伸期能見度天氣的預測準確性。
2024, 52(3):367-379.
DOI: 10.19517/j.1671-6345.20230172
摘要:
基于歐洲中期天氣預報中心（European Center for Medium-range Weather Forecasts，ECMWF）集合預報資料及浙江全省自動站降水觀測資料，采用貝葉斯模型平均（Bayesian Model Average, BMA）方法對2020年浙江超長梅汛期開展降水概率預報訂正試驗。采用平均絕對誤差、連續等級概率評分、布萊爾評分BS、Talagrand、概率積分變換(Probability Integral Transform, PIT)直方圖及屬性圖檢驗方法對本次過程BMA訂正前后的概率預報進行對比分析，結果表明：①50 d為適用于浙江梅汛期ECMWF集合預報訂正的BMA最優訓練期，經最優訓練期的BMA訂正后，預報離散度有所增加，預報誤差有所下降；②BMA對0.1 mm、10.0 mm和25.0 mm閾值降水的訂正效果顯著，經BMA訂正后3個閾值的降水預報BS下降率分別為25.92%、19.29%、4.76%，但對超過50.0 mm的降水訂正效果不明顯，且隨著降水閾值增加，BMA的訂正效果減弱；③在強降水個例中，BMA能有效減少各閾值降水預報概率大值落區偏差，使訂正后的降水預報概率大值區與觀測落區更一致。
基于歐洲中期天氣預報中心（European Center for Medium-range Weather Forecasts，ECMWF）集合預報資料及浙江全省自動站降水觀測資料，采用貝葉斯模型平均（Bayesian Model Average, BMA）方法對2020年浙江超長梅汛期開展降水概率預報訂正試驗。采用平均絕對誤差、連續等級概率評分、布萊爾評分BS、Talagrand、概率積分變換(Probability Integral Transform, PIT)直方圖及屬性圖檢驗方法對本次過程BMA訂正前后的概率預報進行對比分析，結果表明：①50 d為適用于浙江梅汛期ECMWF集合預報訂正的BMA最優訓練期，經最優訓練期的BMA訂正后，預報離散度有所增加，預報誤差有所下降；②BMA對0.1 mm、10.0 mm和25.0 mm閾值降水的訂正效果顯著，經BMA訂正后3個閾值的降水預報BS下降率分別為25.92%、19.29%、4.76%，但對超過50.0 mm的降水訂正效果不明顯，且隨著降水閾值增加，BMA的訂正效果減弱；③在強降水個例中，BMA能有效減少各閾值降水預報概率大值落區偏差，使訂正后的降水預報概率大值區與觀測落區更一致。
2024, 52(3):380-391.
DOI: 10.19517/j.1671-6345.20230246
摘要:
對足夠精細的觀測資料做詳盡的分析有助于澄清對流組織與增強的動力機制。本文利用機場跑道兩端的分鐘雨量資料、常規觀測資料、加密自動站、ERA5再分析和S波段雙偏振、X波段雙偏振相控陣雷達資料，對2022年7月15日廈門機場出現的一次短時強降水天氣進行了分析。結果表明：此次過程因陣風鋒在傳播過程中與地面輻合線交叉碰并而觸發抬升，在500 hPa與850 hPa假相當位溫差的負大值區和低層高溫高濕的環境下激發出新的對流，給廈門機場帶來罕見的短時強降水天氣，期間分鐘雨量最大達2.5 mm、跑道能見度降至400 m，兩者呈反相關，但當分鐘雨量大于1.6 mm時兩者反相關性減弱，能見度谷值則晚于雨量峰值出現。觀測分析表明，徑向速度的氣旋性切變與分鐘雨量的變化趨勢較為一致，兩者有較好的對應關系。當2～5 km高度存在氣旋性切變時雨量顯著增加，當有兩個高度層的切變強度達到2×10-3s-1以上時分鐘雨量可達約2 mm，為本次短時強降水的組織特征。
對足夠精細的觀測資料做詳盡的分析有助于澄清對流組織與增強的動力機制。本文利用機場跑道兩端的分鐘雨量資料、常規觀測資料、加密自動站、ERA5再分析和S波段雙偏振、X波段雙偏振相控陣雷達資料，對2022年7月15日廈門機場出現的一次短時強降水天氣進行了分析。結果表明：此次過程因陣風鋒在傳播過程中與地面輻合線交叉碰并而觸發抬升，在500 hPa與850 hPa假相當位溫差的負大值區和低層高溫高濕的環境下激發出新的對流，給廈門機場帶來罕見的短時強降水天氣，期間分鐘雨量最大達2.5 mm、跑道能見度降至400 m，兩者呈反相關，但當分鐘雨量大于1.6 mm時兩者反相關性減弱，能見度谷值則晚于雨量峰值出現。觀測分析表明，徑向速度的氣旋性切變與分鐘雨量的變化趨勢較為一致，兩者有較好的對應關系。當2～5 km高度存在氣旋性切變時雨量顯著增加，當有兩個高度層的切變強度達到2×10-3s-1以上時分鐘雨量可達約2 mm，為本次短時強降水的組織特征。
2024, 52(3):392-402.
DOI: 10.19517/j.1671-6345.20230211
摘要:
無資料地區雪災防御參數常采用周邊有資料的氣象站參數替代，基于氣候背景相似的降雪氣候區劃可以為代表站的選取提供科學依據。本文利用湖北省76個國家氣象站1961—2020年的氣象觀測資料，選取了降雪初終日、雪日數、積雪日數、降雪量、最大積雪深度等12個多維時間序列指標，采用Hilbert-Schmidt Independence Criterion（HSIC）核函數的有偏估計公式計算12個指標的整體相似性，對湖北省降雪氣候進行了聚類分析。結果表明：湖北省降雪氣候可以劃分為東南部、中部、西北部和西南部4個氣候分區，分區的地帶性分布特征與湖北省強降雪天氣由北方冷空氣南下產生的氣候背景一致；初雪日從西北部向中部、西南部、東南部降雪區推遲，終雪日則正好相反，西北部的降雪日數和積雪日數最多；東南部代表站為黃石站，中部代表站有麻城、武漢、鐘祥，西南部代表站有咸豐、巴東，西北部代表站鄖西、老河口。HSIC核函數能很好處理較大年際波動的指標序列集之間的相似性，其聚類方法對湖北省降雪的氣候區劃較為合理，區劃結果為湖北省精細化雪災防御提供了技術依據。
無資料地區雪災防御參數常采用周邊有資料的氣象站參數替代，基于氣候背景相似的降雪氣候區劃可以為代表站的選取提供科學依據。本文利用湖北省76個國家氣象站1961—2020年的氣象觀測資料，選取了降雪初終日、雪日數、積雪日數、降雪量、最大積雪深度等12個多維時間序列指標，采用Hilbert-Schmidt Independence Criterion（HSIC）核函數的有偏估計公式計算12個指標的整體相似性，對湖北省降雪氣候進行了聚類分析。結果表明：湖北省降雪氣候可以劃分為東南部、中部、西北部和西南部4個氣候分區，分區的地帶性分布特征與湖北省強降雪天氣由北方冷空氣南下產生的氣候背景一致；初雪日從西北部向中部、西南部、東南部降雪區推遲，終雪日則正好相反，西北部的降雪日數和積雪日數最多；東南部代表站為黃石站，中部代表站有麻城、武漢、鐘祥，西南部代表站有咸豐、巴東，西北部代表站鄖西、老河口。HSIC核函數能很好處理較大年際波動的指標序列集之間的相似性，其聚類方法對湖北省降雪的氣候區劃較為合理，區劃結果為湖北省精細化雪災防御提供了技術依據。
2024, 52(3):403-414.
DOI: 10.19517/j.1671-6345.20230186
摘要:
基于遼寧省61個國家氣象站1961—2020年和998個區域自動氣象觀測站建站至2020年逐小時、逐日降水資料，分析了遼寧省暴雨洪澇災害主要致災因子，計算了暴雨洪澇孕災環境指標，完成了遼寧省暴雨洪澇災害危險性評估。結果表明：暴雨洪澇高危險性地區主要位于丹東；暴雨洪澇災害人口高風險區主要位于沈陽和大連市區；經濟高風險區主要位于大連和盤錦市區；水稻、玉米高風險區主要位于錦州、盤錦和丹東。利用遼寧省無縫隙智能網格預報數據對2022年7月28—29日的暴雨過程災害風險進行了預評估，發現暴雨災害危險性高值區域主要分布在朝陽、葫蘆島以及遼寧中部。暴雨災害可能造成的人口、經濟高風險區域主要位于遼寧西部和中部地區；暴雨災害可能造成的水稻和玉米高風險區主要位于沈陽、鐵嶺和朝陽北部等地區。預計高風險區主要影響人口約為449萬人，經濟損失約為1432萬元，受影響的水稻面積約為1.028萬公頃、玉米面積約為1.798萬公頃。通過災后效果檢驗，發現預評估模型效果良好，可在實際的暴雨洪澇災害風險評估業務中使用。
基于遼寧省61個國家氣象站1961—2020年和998個區域自動氣象觀測站建站至2020年逐小時、逐日降水資料，分析了遼寧省暴雨洪澇災害主要致災因子，計算了暴雨洪澇孕災環境指標，完成了遼寧省暴雨洪澇災害危險性評估。結果表明：暴雨洪澇高危險性地區主要位于丹東；暴雨洪澇災害人口高風險區主要位于沈陽和大連市區；經濟高風險區主要位于大連和盤錦市區；水稻、玉米高風險區主要位于錦州、盤錦和丹東。利用遼寧省無縫隙智能網格預報數據對2022年7月28—29日的暴雨過程災害風險進行了預評估，發現暴雨災害危險性高值區域主要分布在朝陽、葫蘆島以及遼寧中部。暴雨災害可能造成的人口、經濟高風險區域主要位于遼寧西部和中部地區；暴雨災害可能造成的水稻和玉米高風險區主要位于沈陽、鐵嶺和朝陽北部等地區。預計高風險區主要影響人口約為449萬人，經濟損失約為1432萬元，受影響的水稻面積約為1.028萬公頃、玉米面積約為1.798萬公頃。通過災后效果檢驗，發現預評估模型效果良好，可在實際的暴雨洪澇災害風險評估業務中使用。
2024, 52(3):415-423.
DOI: 10.19517/j.1671-6345.20230176
摘要:
針對廣東“龍舟水”災情的災前預估和災后快速估計的需求，本文利用1995—2021年廣東“龍舟水”期間降雨和暴雨洪澇災害數據，計算“龍舟水”綜合災情指數，應用百分位法將其劃分為輕、中、重3個等級；并對廣東“龍舟水”的災情特征、降雨與災情的關系進行分析。結果表明：①1995—2021年廣東“龍舟水”期間降雨強度、范圍、強降雨頻率及持續時間的峰值集中在2005—2010年，災情強峰值出現在2005—2008年，峰值區間較一致；2008年災情最重，2008年后綜合災情強度呈下降趨勢，近10 a（2012—2021年）各災情也呈下降趨勢，以倒塌房屋數、受災人口數、農作物受災面積降幅最明顯，直接經濟損失降幅較小。②農作物受災面積與各降雨指標的相關性最大，其次為受災人口數和直接經濟損失；綜合災情等級、直接經濟損失主要受降雨強度、強降雨頻率影響，受災人口數、農作物受災面積災情主要受降雨強度、降雨范圍影響，倒塌房屋數、死亡人數災情主要受強降雨的頻率影響。③建立的“龍舟水”平均總降雨量與災情的擬合關系方程，能較好地估計 “龍舟水”綜合災情等級和災情數據。
針對廣東“龍舟水”災情的災前預估和災后快速估計的需求，本文利用1995—2021年廣東“龍舟水”期間降雨和暴雨洪澇災害數據，計算“龍舟水”綜合災情指數，應用百分位法將其劃分為輕、中、重3個等級；并對廣東“龍舟水”的災情特征、降雨與災情的關系進行分析。結果表明：①1995—2021年廣東“龍舟水”期間降雨強度、范圍、強降雨頻率及持續時間的峰值集中在2005—2010年，災情強峰值出現在2005—2008年，峰值區間較一致；2008年災情最重，2008年后綜合災情強度呈下降趨勢，近10 a（2012—2021年）各災情也呈下降趨勢，以倒塌房屋數、受災人口數、農作物受災面積降幅最明顯，直接經濟損失降幅較小。②農作物受災面積與各降雨指標的相關性最大，其次為受災人口數和直接經濟損失；綜合災情等級、直接經濟損失主要受降雨強度、強降雨頻率影響，受災人口數、農作物受災面積災情主要受降雨強度、降雨范圍影響，倒塌房屋數、死亡人數災情主要受強降雨的頻率影響。③建立的“龍舟水”平均總降雨量與災情的擬合關系方程，能較好地估計 “龍舟水”綜合災情等級和災情數據。
2024, 52(3):424-433.
DOI: 10.19517/j.1671-6345.20230152
摘要:
為進一步加強星地閃電觀測資料運用，本文基于2020年6—8月FY-4A/LMI閃電數據(LMIG)和浙江省ADTD-2C三維閃電定位數據，對比分析兩套閃電數據的時空分布特征，并結合雷達和云頂亮溫資料，分析了2020年7月15日浙江省雷暴過程兩套閃電觀測資料的演變規律。結果表明：2010年6—8月，浙江省LMIG與三維閃電比值為1∶44.43；兩套資料閃電月分布和空間分布總體一致；就日分布而言，LMIG呈現雙峰結構，三維閃電則為單峰結構。兩套數據時間匹配窗口大于1.8 s、經緯度匹配窗口大于0.5°時，匹配率趨于穩定；與LMIG匹配的三維閃電高度主要集中在16 km以下，閃電強度主要集中在50 kA以下。2020年7月15日浙江省午后雷暴天氣，LMIG與三維閃電比值為1∶25.44；LMIG首次閃電及峰值時間均滯后于三維閃電首次閃電及峰值時間；此外兩套閃電資料時間演變與雷暴發展有較好的對應，空間變化與云頂亮溫低值區也有較好的對應。
為進一步加強星地閃電觀測資料運用，本文基于2020年6—8月FY-4A/LMI閃電數據(LMIG)和浙江省ADTD-2C三維閃電定位數據，對比分析兩套閃電數據的時空分布特征，并結合雷達和云頂亮溫資料，分析了2020年7月15日浙江省雷暴過程兩套閃電觀測資料的演變規律。結果表明：2010年6—8月，浙江省LMIG與三維閃電比值為1∶44.43；兩套資料閃電月分布和空間分布總體一致；就日分布而言，LMIG呈現雙峰結構，三維閃電則為單峰結構。兩套數據時間匹配窗口大于1.8 s、經緯度匹配窗口大于0.5°時，匹配率趨于穩定；與LMIG匹配的三維閃電高度主要集中在16 km以下，閃電強度主要集中在50 kA以下。2020年7月15日浙江省午后雷暴天氣，LMIG與三維閃電比值為1∶25.44；LMIG首次閃電及峰值時間均滯后于三維閃電首次閃電及峰值時間；此外兩套閃電資料時間演變與雷暴發展有較好的對應，空間變化與云頂亮溫低值區也有較好的對應。
2024, 52(3):434-445.
DOI: 10.19517/j.1671-6345.20230303
摘要:
稻麥輪作農田是我國典型農田類型，其模擬效果對我國農田氣候模擬具有重要參考價值。氣候中尺度模擬結果對近地層通量極為敏感，選擇合適的通量計算方案對模擬效果至關重要。因此，對比分析稻麥輪作農田下不同的通量計算方案具有重要意義。本文選取了8種具有代表性的近地層湍流通量計算方案，采用壽縣國家氣候觀象臺實測資料對比分析了各方案在稻麥輪作農田的計算特征和差異。結果表明，在不同穩定度和不同風速情況下，各方案的誤差特征各異。本文基于歸一化標準差綜合評價了各方案的準確度，總體而言，所有方案的動量通量總體平均歸一化平均差為0.536，其中SS14(Sharan和Srivastava，2014年)方案最大為0.575，SS20(Sharan和Srivastava等，2020年)方案最小為0.517；所有方案的感熱通量總體平均歸一化標準差為0.638，其中GLGS20(Gryanik等，2020年)方案最大為0.871，SS14方案最小為0.476。此外，本研究還給出了稻麥輪作農田不同穩定層結和不同風速情況下各通量計算方案的誤差特征。本文的研究結論，可為準確計算近地層湍流通量提供支撐。
稻麥輪作農田是我國典型農田類型，其模擬效果對我國農田氣候模擬具有重要參考價值。氣候中尺度模擬結果對近地層通量極為敏感，選擇合適的通量計算方案對模擬效果至關重要。因此，對比分析稻麥輪作農田下不同的通量計算方案具有重要意義。本文選取了8種具有代表性的近地層湍流通量計算方案，采用壽縣國家氣候觀象臺實測資料對比分析了各方案在稻麥輪作農田的計算特征和差異。結果表明，在不同穩定度和不同風速情況下，各方案的誤差特征各異。本文基于歸一化標準差綜合評價了各方案的準確度，總體而言，所有方案的動量通量總體平均歸一化平均差為0.536，其中SS14(Sharan和Srivastava，2014年)方案最大為0.575，SS20(Sharan和Srivastava等，2020年)方案最小為0.517；所有方案的感熱通量總體平均歸一化標準差為0.638，其中GLGS20(Gryanik等，2020年)方案最大為0.871，SS14方案最小為0.476。此外，本研究還給出了稻麥輪作農田不同穩定層結和不同風速情況下各通量計算方案的誤差特征。本文的研究結論，可為準確計算近地層湍流通量提供支撐。
2024, 52(3):446-455.
DOI: 10.19517/j.1671-6345.20230140
摘要:
在復雜地形、副熱帶高壓和季風天氣等因素共同影響下，高山峽谷區內風場復雜多變，極易形成“狹管效應”，進而導致災害性大風，對大型工程施工與運行造成較大影響。本文基于流體力學基本原理，采用標準k－ε紊流模型以及PISO（Pressure Implict with Splitting of Operator）算法，以白鶴灘水電站區域發生7級北風為典型計算工況，研究了大壩建壩過程中近壩區風速場變化規律和建壩對風速場的影響范圍。成果表明:壩體的阻擋作用使風速場在壩頂處產生繞流分離和風場抬升，在建壩高程以下形成低風速區；建壩高程650 m與750 m時，纜機平臺范圍內風速約15～16 m/s，大壩下游風速垂直分布顯著影響區河道長度分別為4.4Ht和4.5Ht（Ht為建壩高度）；壩頂處風速場顯著影響高度分別為2.0Ht和3.0Ht。大壩蓄水至正常蓄水位825 m高度時，大壩下游風場顯著影響區河道長度為8.0倍壩高（2.3 km），最大影響河道區長度為30.4倍壩高（8.8 km）；壩頂影響高度達到1500 m高度左右，約3.5倍壩高。
在復雜地形、副熱帶高壓和季風天氣等因素共同影響下，高山峽谷區內風場復雜多變，極易形成“狹管效應”，進而導致災害性大風，對大型工程施工與運行造成較大影響。本文基于流體力學基本原理，采用標準k－ε紊流模型以及PISO（Pressure Implict with Splitting of Operator）算法，以白鶴灘水電站區域發生7級北風為典型計算工況，研究了大壩建壩過程中近壩區風速場變化規律和建壩對風速場的影響范圍。成果表明:壩體的阻擋作用使風速場在壩頂處產生繞流分離和風場抬升，在建壩高程以下形成低風速區；建壩高程650 m與750 m時，纜機平臺范圍內風速約15～16 m/s，大壩下游風速垂直分布顯著影響區河道長度分別為4.4Ht和4.5Ht（Ht為建壩高度）；壩頂處風速場顯著影響高度分別為2.0Ht和3.0Ht。大壩蓄水至正常蓄水位825 m高度時，大壩下游風場顯著影響區河道長度為8.0倍壩高（2.3 km），最大影響河道區長度為30.4倍壩高（8.8 km）；壩頂影響高度達到1500 m高度左右，約3.5倍壩高。
您是第位訪問者
技術支持：北京勤云科技發展有限公司
技術支持：北京勤云科技發展有限公司