简介:针对目前不同时效的数值预报结果存在“跃变”问题,基于Poor—man集成预报方法的思想,综合考虑各个时效的数值预报结果,利用最小二乘法,构建了一个预报模型,并利用2005--2010年欧洲中心下发的数值预报资料对该模型的预报效果进行了验证。结果表明,该模型较好地克服了利用单一时次预报带来的预报结果“跃变”的不足,对提高预报水平具有一定的作用。
简介:利用兰州大学半干旱气候与环境观测站(SACOL)2006—2011年晴空无云时激光雷达(CE-370—2)资料,结合2006年12月至2007年5月多波段太阳光度计(CE-318)资料,对比验证了激光雷达资料的反演结果,并分析了兰州地区气溶胶光学厚度的分布特征。结果表明:激光雷达反演得到的光学厚度与光度计观测得到的光学厚度,两者具有较好的相关性,相关系数为0.86。兰州地区气溶胶光学厚度3—5月和11-12月较大,主要原因是3—5月是当地沙尘频发期,11—12月是居民集中采暖期,沙尘排放和燃煤排放显著增加了大气气溶胶光学厚度。气溶胶光学厚度6~10月偏小,湿沉降清除是主要的影响因素。光学厚度季节分布为春季0.42,冬季0.36,秋季0.30,夏季0.21。光学厚度频数分布于0.0~0.3的最多,占总数的一半,且存在季节差异。兰州上空夏季干净,春季浑浊,冬季次浑浊。
简介:利用北京地区13个气象台站1979~2005年的气温资料、NCEP再分析资料以及1990~2005年的三期1:10万土地利用/覆被数据,在分析气象站点3km半径缓冲区内土地利用/覆被及变化特征的基础上,通过比较气温变化在不同下垫面状况下的差异,分析了北京地区3种主要土地利用/覆被类型对气温变化趋势的影响,得出以下结论:1)建设用地对气温升高的影响最显著(0.822℃/10a),林地、草地、耕地混合类型次之(0.296℃/10a),林地最小(0.197℃/10a);2)利用“观测减去再分析(OMR)”方法后,建设用地的OMR年均温升温趋势依然最大(0.527℃/10a),林地、草地、耕地混合类型次之(--0.012℃/10a),林地最小(--0.118℃/10a),表明建设用地对气温升高具有增强作用,而林地对气温升高具有抑制作用;3)当土地利用/覆被类型向城市建设用地类型转化时,转化的面积越大,气温变化量越大。
简介:利用吉林通榆半干旱区农田站和退化草地站2008年的外场试验观测资料,对比分析了不同土地利用方式对蒸散和地表水分收支的影响。结果表明:从全年来看,尽管两个站点相距仅5km,但农田站的全年总蒸散量比代表自然土地覆盖状况的退化草地站高28.2mm;且生长季两种下垫面的蒸散量较为接近,差异主要发生在非生长季。同时,农田站的年水分收支总量为51.1mm,比退化草地站低35.6%。具体来说,生长季,两个站点的水分收支均有盈余;但在非生长季,退化草地站的水分收支仍有盈余,而农田站则处于水分亏损状态。这说明在半干旱区,代表人为土地利用状况的农田站面临着更大的水分供给压力,人类活动导致的土地利用会加剧该地区的干旱化趋势。进一步的分析表明,水分盈余并不代表地表的水分状况良好。从Prietley—Taylor系数来看,两个站点的Priestley-Taylor系数均远小于1.0,说明在半干旱区,由于表层土壤水分条件的限制,实际蒸散量远未达到平衡蒸散量,土壤面临着水分供给的压力。其可能的原因是,对半干旱区而言,尽管水分收支有盈余,但是由于土壤沙化严重,土壤孔隙度大,大气降水很容易下渗,并以地下水的形式存储起来,使得表层土壤水分供应反而不足。
简介:针对京津冀地区主要大气污染物NO。(氮氧化物)和PM2.5(大气中粒径小于或等于2.5gm的颗粒物),应用柴油车尾气净化技术及中小锅炉烟气脱硝技术,并根据2015年和2030年我国能源规划,设计3种技术应用情景,采用WRF.CAMx耦合模式,对京津冀地区大气中NO。和PM2.5进行了应用情景模拟。结果表明,单独应用柴油车尾气净化技术后(方案1),北京、天津地区大气中的Nq浓度降低幅度达20%,河北地区降低5%;PM2.5的浓度降低幅度约10%;应用柴油车尾气净化技术和2015年能源规划情景(方案2),京津冀地区大气中NOx和PM2.5浓度的降低幅度均超过20%;应用柴油车尾气净化技术和2030年能源规划情景(方案3),该地区NOx浓度降低幅度与之相当,PM2.5浓度降低幅度超过30%。可见脱硝技术和清洁能源利用的有效性依赖于其应用比例。二次气粒转化的化学过程形成的硝酸盐、硫酸盐和铵盐对该地区空气中PM2.5浓度的贡献很大,冬、春、秋季硝酸盐最大贡献高达60%,夏、秋季硫酸盐最大贡献超过70%,铵盐四季最大贡献约25%。这说明PM2.5的主要前体物N0x、SO2、NH3、VOCs(VolatileOrganicCompounds)、CO等均大幅度削减才能有效降低该地区空气中PM2.5浓度。