-
题名中南半岛和华南地区极端降水时空特征
- 1
-
-
作者
成泽伦
谢作威
布和朝鲁
巩远发
简俊
赖晟
-
机构
成都信息工程大学大气科学学院
中国科学院大气物理研究所国际气候与环境科学中心
大连海事大学
广西壮族自治区气象局气候中心
-
出处
《大气科学》
CSCD
北大核心
2023年第4期957-974,共18页
-
基金
国家自然科学基金项目41861144014、41630424、U20A2097
国家重点研发项目2016YFA0601501。
-
文摘
全球变暖使得极端降水事件的强度和频率均呈上升趋势,位于亚洲季风区的中南半岛和华南地区更易受到极端降水影响而发生洪涝灾害。本文利用逐日降水资料对1951~2015年中南半岛和华南地区湿季(5~10月)的极端降水事件进行客观分类,并对每一类极端降水事件的大尺度流型特征及年际、年代际和长期趋势特征进行了分析。结果表明:(1)根据降水中心位置,中南半岛和华南地区的极端降水可客观分为华南类、中南半岛类、缅甸—云南类和华南南部—越南北部类,它们所联系的大尺度流型以中高纬波列和热带偶极子环流为主。其中,华南类的大尺度流型在对流层高层为类似于东亚—太平洋(East Asia–Pacific,简称EAP)遥相关型的“+−+”经向型波列,但中心位置较典型EAP型偏西南,中东部的负异常环流为关键系统,低层为位于低纬度地区的“+−”经向型波列。中南半岛类大尺度流型为热带偶极子异常环流,对流层低层较高层更为显著宽广。其余两类极端降水大尺度流型特征为在对流层高层受Rossby波列影响,低层主要为偏弱的热带偶极子异常环流。(2)中南半岛和华南地区极端降水的频次呈显著上升的趋势,主要来自于华南类和中南半岛类极端降水的贡献。其中,“+−+”经向型波列的频发是造成华南类极端降水增多的原因。(3)中南半岛与华南地区极端降水的空间分布具有反对称特征。
-
关键词
中南半岛
华南
极端降水
大尺度流型
东亚—太平洋遥相关型
-
Keywords
Indochina Peninsula
South China
Extreme precipitation
Large-scale meteorological pattern
East Asia–Pacific teleconnection pattern
-
分类号
P466
[天文地球—大气科学及气象学]
-
-
题名几种降水pH值预报方法效果对比分析
- 2
-
-
作者
李雄
陆甲
廖国莲
-
机构
广西壮族自治区气象局气候中心
-
出处
《气象科技》
2008年第6期701-705,共5页
-
基金
广西科学基金项目桂科青0640026资助
-
文摘
将4种预报pH值的模式（欧拉酸沉降数值预报模式、神经网络预报模式、动态统计预报模式和集成预报模式），对2005年汛期（5～9月）的预报资料进行了对比，分析了这几种模式预报效果。结果显示：欧拉数值模式有较严重的计算数据溢出；4种预报模式均存在本地化不足问题，预报准确率受城市降水本身的pH值高低影响；内陆城市与沿海城市酸雨可能有不同的发生机制，并对各模式的预报效果产生影响；部分没有阴阳离子的模式在一些城市的预报效果可以接近有阴阳离子的模式。
-
关键词
pH值预报
欧拉数值模式
神经网络
集成预报
-
Keywords
pH prediction, Euler numerical model, neural network, consensus forecast
-
分类号
P457.6
[天文地球—大气科学及气象学]
X517
[环境科学与工程—环境工程]
-
-
题名安徽PM2.5时空分布特征及预测模型的研究
被引量：5
- 3
-
-
作者
杨小兵
杨峻
华华
黄晓英
张成扬
-
机构
安徽省气象局宣城市气象局
东南大学自动化学院
广西壮族自治区气象局气候中心
-
出处
《数学的实践与认识》
北大核心
2020年第1期285-291,共7页
-
基金
安徽省气象局硕博士工作启动经费项目“CIMISS结合Spark在业务中的应用研究”(RC201620).
-
文摘
为了解安徽省PM2.5分布特征、定量分析机器学习算法在预测PM2.5浓度方面的准确性.针对安徽省78个空气及气象监测站点的数据进行统计分析,并从时间因子、其它空气污染物浓度、气象因子三个方面,筛选出月、周、时,PM10、CO、SO2、N20,风速、气温、相对湿度、降水量、当前PM2.5浓度,共计12个自变量,利用K折交叉验证,分别构建基于支持向量机、神经网络的预测模型.表明安徽省PM2.5浓度总体呈现出北高南低,冬高夏低的特征,浓度值较高的月份出现在1、2、11、12,周变化规律各地有异同,时变化规律各地较为一致,8时至17时下降,其余时段上升.模拟结果显示支持向量机模型预测效果较好,其预测值与实测值的均方根误差控制在20以内,拟合指数在0.8以上.
-
关键词
PM2.5
时空分布
支持向量机
神经网络
预测
-
Keywords
PM2.5
space-time distribution
support vector machine
neural network
prediction
-
分类号
X513
[环境科学与工程—环境工程]
-
