简介：

简介：自1967年朝北奈、鹤冈在日本本州西南的海洋气象站发现大群稻飞虱越海迁飞以来，关于稻飞虱远距离迁飞相继有些报道．1977年我国建立。全国褐稻虱科研协作组”，福建省亦建立了“福建省褐稻虱研究协作组”,他们根据广阔区域内。同期突发”现象，还进行了海面捕捉，飞机捕捉、高山网捕试验和标记释放回收试验，用多种手段证实了褐稻虱远距离连飞现象。

简介：内蒙古夏季降水类型划分及其旱涝成因与预报吴鸿宾，侯国成（内蒙古自治区气象局）长期天气预报所预报的对象的表征和标准的划分，一直是预报员所关注的重要问题。尤其是要预报较大范围、较长时间区域性的天气趋势，如内蒙古（或东部、西部）地区夏季降水问题，如何表征夏...

简介：利用2009年TM卫星影像,结合地面调查,在地理信息系统平台上（GIS）对达尔罕茂明安联合旗草地类型分布现状进行监测和分析得出：草原总面积为164.93＆#215;104hm2,分布着温性草原化荒漠、温性荒漠草原、温性草原和低地草甸4个草原类,前三者在该旗由北向南呈地带性分布,后者在全旗零星分布;还分布着8个草原亚类,25个优势植物群落;植物群落优以克氏针茅（Stipakrylovii）、短花针茅（Stipabreviflora）、小针茅（Stipaglareosa）、多根葱（Alliumpolyrhizum）、红砂（Reaumuriasongarica）、垫状锦鸡儿（Caraganatibetica）、芨芨草（AchnaterumSibincum）等为主要建群植物.

简介：自动能见度数据依据其不同的算法分为三类：1min平均能见度、10min平均能见度值、10min滑动能见度值。同类算法的自动能见度值不能出现矛盾记录,不同算法的能见度值可以有差异。用自动能见度值计算出的＂人工能见度＂不能直接服务客户。

简介：利用国家基本站、区域站资料,分析了2006—2016年池州市短时强降水时空分布特征,建立3种天气学概念模型,并总结了短时强降水的中尺度系统、相关物理量和雷达回波的一般特征。结果表明：池州市短时强降水主要发生在汛期（5—8月）,其中7月最活跃,其次分别是6、8月。强度≥20mm/h和≥30mm/h的短时强降水日变化呈现双峰型特征,强度≥50mm/h的短时强降水则呈现单峰型特征。东至县中南部是短时强降水的易发区域,其次是贵池南部山区和九华山东、西两侧区域。池州市短时强降水天气类型可分为副热带高压边缘型、西北气流型和台风型,其中副热带高压边缘型是短时强降水的易发天气类型。中小尺度天气系统在不同天气类型中的作用存在差异,但相关物理量差异不明显。副热带高压边缘型、台风型强降水过程中雷达反射率因子多表现低质心结构特征,西北气流型呈现高质心结构特征。

简介：利用1971—2008年内蒙古117个观测站日最高气温资料,结合同期的NCEP再分析资料,分析了内蒙古高温酷暑天气的气候学特征。结果表明：内蒙古高温酷暑天气地域差异大,高温中心在阿拉善盟沙漠地区的拐子湖,年平均35℃高温日数达32天,也是全国的高温区之一;内蒙古的高温天气年日数有增长趋势,高温酷暑的影响在增强;内蒙古高温酷暑集中出现在盛夏季节6—8月,7月发生最多,占一半以上;最高气温出现在每日的14—17时,气温日较差大,多为干热天气。通过对内蒙古较大范围的64次高温天气过程分析总结,将内蒙古高温酷暑天气分为蒙古暖脊型、贝加尔湖高压坝型、副高西进型、乌拉尔山高脊型4个类型。大陆暖高压脊的强烈发展和维持与内蒙古高温酷暑天气密切相关。

简介：介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.

简介：基于CloudSat-CALIPSO（CloudSat–CloudAerosolLidarandInfraredPathfinderSatelliteObservations）卫星观测资料,分析了全球总云量和8类云的云量、云底高、云顶高、云厚度的水平和垂直分布。分析结果表明,全球平均总云量为66.7%,其中卷云（Ci）和层积云（Sc）云量之和与其他6类云量总和相当,是全球云量最多的两类云。积状云云量呈现从赤道向极地递减的特征,层状云则相反,反映了二者不同的生成环境,同时下垫面地形和天气系统也严重影响云的分布。8类云的高度及厚度特征有显著差异。Ci的云底高度和云顶高度都较高,厚度则较薄;高层云（As）和高积云（Ac）的云底高度和云顶高度都位于大气中层,但As比Ac出现的高度高且厚度大;层云（St）、层积云和积云（Cu）的云底高度和云顶高度都很低,属于薄的低云;雨层云（Ns）和深对流云（DC）云底较低但云顶伸展很高,归属于厚云类。总体而言,海洋上云底高度较陆地低;赤道等大气不稳定地区,云底较高,云厚度较大;高原地区则表现出＂高云不高,低云不低,云厚较薄＂的特征。

简介：卫星资料在气象业务中的应用越来越广泛,有效识别云的宏微观物理参数将有利于人影业务的发展。利用2005—2007年春季青海省东部地区FY-2卫星观测资料,针对不同形态、等级的降水过程,反演该区域降水云的宏微观物理参数,并与降水量做相关分析。结果表明：青海东部FY-2卫星反演的春季降水云粒子有效半径大多为8~65μm,云顶温度大多为215~240K,云层厚度大都在1500~5200m之间,云水含量大多为10~150g·cm-2,但不同形态、量级降水过程反演的云特征参数值及其与地面降水量的相关性差异较明显。

简介：基于T213L31、T106L19和欧洲中期预报中心数值预报产品,应用BP人工神经网络技术,建立了850hPa高度区域温度集成预报模型,并进行了检验。结果表明：该模型能比较准确地预报强冷空气活动过程中冷中心及温度槽脊的位置和强度,预报结果的平均绝对误差明显小于3个子模式,预报场与实况场的相关程度明显高于3个子模式,预报误差在我国华北北部、东北地区较小,在蒙新高地和帕米尔高原地区误差较大。模型实现了多模式产品的最优综合。

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：利用张掖国家湿地公园冬季水域结冰厚度观测资料和张掖观象台的气温、地温气象资料,运用统计学方法和BP神经网络方法建立了张掖国家湿地公园水域结冰厚度预报方程。通过对不同的预报方法进行预报效果验证,该结冰厚度的预报模型能够对结冰厚度有比较理想的预报效果,流动水域结冰厚度预报历史拟合率分别为：80.6%（多元回归）、74.6%（逐步回归）、100%（BP神经网络）;模型试报准确率分别为：72.7%（多元回归）、72.7%（逐步回归）、81.8%（BP神经网络）。静止水域结冰厚度预测历史拟合率分别为：76.9%（多元回归）、71.8%（逐步回归）、93.5%（BP神经网络）;模型试报准确率分别为：76.0%（多元回归）、72.0%（逐步回归）、84.0%（BP神经网络）。结果表明：多元回归方法优于逐步回归方法,而BP神经网络又明显优于传统的统计学方法,数据显示该结冰厚度的预报模型能够对结冰厚度有较好的预报效果,预报模型能够对水域结冰厚度进行有效的短期预报,其性能指标符合实际要求,具有很好的实际应用价值。

简介：将BP（BackPropagation）神经网络方法引入到奥运空气质量预报工作中,利用MATLAB神经网络工具箱搭建运行平台,将高时效性的观测结果与多模式集成实时预报系统的模式输出结果相结合,做出BP神经网络拟合预报结果。在对北京大学医学部站点2008年7月7日到8月26日模式模拟结果、观测结果以及BP神经网络拟合结果的对比研究中发现：BP神经网络能大大提高模式预报效果,平均误差率减少34.7%,相关系数提高39%,特别是在模式模拟效果较差的情况下,对提高预报效果更明显。对BP神经网络样本问题进行敏感性实验结果表明,样本数目多少并不是决定拟合效果的决定性因素,应选取具有稳定映射关系的样本,才是提高拟合预报效果的关键。

简介：利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络（Self-OrganizingMaps,简称SOM）的统计降尺度方法,对江淮流域夏季（6-8月）逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分（BrierScore）均近似为0,显著性评分（SignificanceScore）全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1（m）模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1（m）模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。