东北地区中北部的一次区域暴雨天气——中尺度对流复合体特征分析

自Maddox[1]发现中尺度对流复合体(MCC)以来,我国对其发生发展的大尺度天气条件已有了很多研究,但主要集中在长江流域及华北地区,在黑龙江省过去对暴雨天气的探讨很少涉及到MCC特征的分析.2006年8月10日,齐齐哈尔、绥化、大庆与哈尔滨市的西部县(市)及吉林西北部出现了雷暴及区域性暴雨甚至大暴雨,其中泰来1h的降雨量达到了105.3mm.通过对FY-2卫星云图、极轨卫星云图和相关资料的研究发现,此次黑龙江省西南部大范围的大暴雨天气由两个较典‘型的MCC造成,其特征与国内、外的研究结论相符:MCC发生在地面鞍形场中;MCC发生时对流层中低层有强烈的对流不稳定;MCC出现对流层中层500hPa的短波槽前;暴雨和雷暴天气发生区与MCC冷云相对应.     

浙江乐清仙人坦泥石流的形成机制

根据强台风场区典型台风暴雨激发泥石流的地质背景条件和土体应力、滑坡稳定性的时空分布特征,分析了强降雨动力因素,特别是前期降雨量值和后期降雨量值启动滑坡泥石流时的拐点,探讨了台风暴雨过程中泥石流发生的不同阶段及与地质地貌特点和降雨量值间的相互关系,分析了浙江东南沿海台风影响区暴雨激发泥石流灾害的成因机理,提出相应的工程防治措施.     

广西夏季旱涝分布规律及同期500hPa环流特征

利用1961-2006年6-8月广西88个站点的逐月降水资料,采用Z指数定义方法,对夏季降水进行了旱涝等级划分.采用EOF分解对旱涝等级场展开分解,得出广西夏季的旱涝时空分布和年代际变化特征.分析结果表明:全区性偏涝或偏旱是夏季旱涝分布的主要型态;时间系数出现极大或极小值的年份与广西发生干旱或洪涝的年份有着很好的对应关系;第1特征向量时间系数旱涝交替明显,20世纪80年代绝大多数年份时间系数为正值,以偏旱为主,90年代以后,绝大多数为负值,以偏涝为主.     

科普与地震灾害防御能力

防御地震灾害必须构筑三道防线,专业的语言叫做“建立健全地震监测预报、地震灾害预防、地震紧急救援三大工作体系”。要筑牢这三道防线,需要全体公民具有相应的防震减灾知识并积极参与和配合。     

关于地震监测预报 《防震减灾法》解读

地震监测是防震减灾的基础和重要环节.修订后的<防震减灾法>建立了一系列新措施提升地震监测能力,建立了地震监测信息共享和社会服务制度等.     

关于地震监测预报

地震监测是防震减灾的基础和重要环节。修订后的《防震减灾法》建立了一系列新措施提升地震监测能力,建立了地震监测倩息共享和社会服务制度等。     

2009年7月国内外主要灾害统计

天灾巴拿马发生里氏5.3级地震7月5日,巴拿马发生里氏5.3级地震,震中位于距首都巴拿马城东北95公里的圣布拉斯省,震源深度为30.9公     

CMAQ模式及其修正预报在珠三角区域的应用检验

为检验CAMQ空气质量数值预报模式对区域性空气质量的预报准确度,通过对珠江三角洲地区16个监测站点数据进行聚类分析,对划分的评价区域进行预报误差分析。结果表明,CMAQ模式输出的污染物浓度水平存在明显偏低的现象,且可吸入颗粒物的浓度偏离最大,这与污染源清单削减程度有关。污染物浓度时变规律分析表明,CMAQ模式能较好地模拟可吸入颗粒物、二氧化氮和臭氧小时浓度的日变化特征,但对二氧化硫的模拟能力较弱,反映污染源时间分配因子存在不适应性。为提高预报的初始浓度值,采用预报日前一天的监测数据作为修正项,并考虑CMAQ模式预报的浓度变化趋势,从而进行修正预报。误差统计表明,修正预报的准确度显著提高,反映了引入实际监测数据对空气质量数值预报模式进行修正的研究意义和可行性。     

基于决策树的统计预报模型在臭氧浓度时空分布预测中的应用研究

近地面层臭氧是光化学污染的主要污染物之一.臭氧污染不仅严重影响着空气质量并且危害人类健康与动、植物生长.本研究以徐州市为研究区,基于环境监测站连续监测数据分别采用分类回归树(CART)、随机森林(RF)和M5模型树方法建立臭氧浓度统计预报模型,选取1、4、7、10等4个月作为季度代表进行区域臭氧浓度预测的研究.以2015整年逐小时徐州市国控大气监测站实时监测的臭氧浓度(因变量)和气象因子数据(自变量)为训练样本建立臭氧浓度统计预报模型.模型验证结果表明,总体上3种决策树模型能够较好的预测臭氧浓度动态变化特征,月尺度上预测值与观测值相关系数均值为0.68,平均绝对误差和均方根误差均值分别为21.63μg·m~(-3)和27.42μg·m~(-3).在此基础上,基于站点观测所建立臭氧统计预报模型,以WRF模型模拟的气象场作为输入,预报区域网格化臭氧预报值,并发现臭氧浓度空间分布与站点观测特征总体一致性较好.经与观测值进行对比,结果表明两者相关系数均值为0.58,平均绝对误差及均方根误差分别为29.38μg·m~(-3)和37.15μg·m~(-3),预报准确率均高于75%.同时利用周步长观测值与预测值建立的多元线性集合预报回归方程对3种决策树模型的预报值进行修正,在一定程度上提高了预报值的精度.     

BP网络模型在朝阳地区大气污染预报中的应用

目前,人工神经网络理论发展迅速,并在模式识别和系统辨识中得到广泛应用。而其中采用误差反向传播方法(Back Error Propagation)的BP网络模型是目前应用最为广泛的神经网络模型之一,它是一种简单而又非常有效的算法。本文应用人工神经网络方法,在模拟人脑的思维方式下,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。