排序方式: 共有56条查询结果,搜索用时 0 毫秒
51.
石炭纪维宪期有孔虫演化快、分布广、数量丰富、分异度高。在浅水相地层,传统上依据大化石进行地层划分对比,但精度较低,而牙形石又不发育,所以,对于浅水相地层划分对比有孔虫具有特别重要的意义。全球维宪阶底界就是以有孔虫Eoparastaffella simplex的首现定义的。文中对全球典型地区维宪阶有孔虫生物地层划分进行全面的介绍。维宪阶在命名地--比利时划分为7个有孔虫带;在俄罗斯划分为4个有孔虫带(含3个亚带);在北美划分为8个有孔虫带;在捷克划分为5个有孔虫带。中国维宪阶已有一定的有孔虫研究基础,但尚未建立完善的有孔虫生物地层序列,有待在地层发育良好的华南地区建立起中国标准的维宪阶有孔虫带序列。文中对比全球典型地区维宪阶有孔虫带,归纳总结了重要属种的演化次序,为有孔虫生物地层的精确对比提供重要依据。维宪阶有孔虫一些重要属种的首现位置及有孔虫与牙形石生物地层的对比关系等都尚待深入研究。 相似文献
52.
利用NCEP GDAS/FNL再分析数据,根据TFP(Thermal Front Parameter)参数和锋生函数,对1909号热带气旋“利奇马”生命史中各主要阶段暖心特征和变性过程进行了诊断分析。结果表明:“利奇马”强度为热带风暴时,其暖心结构较为松散,500 hPa以上和600 hPa以下分别存在一个最强中心,在强度减弱阶段上下层暖心均偏离气旋中心;当其强度升至强热带风暴及以上级别时,低层暖心消失,高层暖心显著增强,结构变得紧凑,气旋中心上空暖区呈棒槌状分布。高层暖心强度与“利奇马”强度呈正相关,当“利奇马”维持超强台风时,其暖心可达10~14℃。“利奇马”与中纬度西风槽接触后,冷空气开始自对流层中低层进入其环流,低层冷空气入侵的程度比中层更明显;低层暖心被冷空气侵蚀而消失,高层暖心则逐渐减弱,结构亦变得松散。TFP参数和锋生函数计算结果表明受冷空气影响,“利奇马”斜压性逐渐增强,其中心西北侧形成一支暖锋,逐渐变性为温带气旋,但冷锋未见发展。变性过程中“利奇马”高层暖心强度虽减弱但仍然维持,但低层暖区被冷空气完全填塞,导致其变性后较快消亡。 相似文献
53.
采用CMISS/MIMIC微波卫星产品,TCGP数据集和NECP/NCAR全球再分系资料,详细分析了超强台风"利奇马"(1909)的双眼墙过程中对流结构及动力结构的协同变化特征。结果表明:(1)在双眼墙形成前,"利奇马"内核对流雨带对称性增加,呈现环状包裹眼墙。在环状雨带和眼墙之间,下沉气流配合相对湿度干区在此发展,致使该区域对流受到抑制,最终发展为下沉晴空Moat区。而在内核环状对流雨带处,上升运动中心和次极大入流中心发展,增大绝对涡度的内输,促进次极大风速中心的形成,并有利于深对流发展。最终环状对流带发展成为外眼墙;(2)双眼墙结构形成后,次眼墙及其相伴的次级环流和对流雨带均增强并且内缩,Moat区变狭窄,对流抑制作用增强。相反,内眼墙对流强度及次级环流减弱,绝对涡度内输不足,导致"利奇马"强度减弱。 相似文献
54.
西北太平洋地区晚季(10—12月)66%的热带气旋可以发展成为台风,其比率高于盛夏季节。基于贝叶斯突变分析的研究结果表明,西北太平洋晚季台风频数在1998年前后发生了年代际转折,即相对于1979—1997年,台风频数在1998—2016年显著减少。台风生成的空间分布情况表明,西北太平洋台风频数总体呈减少状态,减少最多的区域出现在东南部(0°~17.5°N,135°~180°E)。相应的,台风生成潜在指数(Genesis Potential Index, GPI)在该区域也明显减小。通过对比分析涡度、垂直切变、相对湿度和最大潜在强度四个主要因子对GPI变化的相对贡献大小,结果表明动力因子(垂直切变和涡度)对西北太平洋台风生成频数的年代际变化起关键作用。 相似文献
55.
采用2000—2019年13个地级市气象站地面观测站点观测资料以及ERA5再分析资料,基于机器学习中的经典的C4.5算法对江苏省不同区域是否出现短时强降水建立气象要素预报模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对江苏省不同区域是否发生短时强降水进行预测,并且该决策树模型具有较高的泛化能力。决策树模型利用各区域总样本的前15 a数据样本进行自学习,学习准确率在淮北地区为89.70%,在江淮之间地区为87.89%,在长江以南地区为87.88%,利用各区域剩余5 a样本对该决策树模型的泛化能力进行测试,测试准确率在淮北地区为85.73%,在江淮之间地区为83.39%,在长江以南地区为93.92%。 相似文献
56.
利用江苏省13个气象观测站历史上短时强降水观测资料,用遗传算法进行特征选择,选定影响短时强降水的950 hPa假相当位温、700 hPa比湿、500 hPa比湿、对流有效势能(Convective Available Potential Energy,CAPE)等14个特征为主要因素,将是否为短时强降水抽象成二元分类问题。借助机器学习中CART决策树算法进行分类分析,构建便于使用的短时强降水预报规则集。实验部分,随机选择5816条样本进行训练模型,得到适合江苏地区的短时强降水规则集,利用剩余的1454条数据进行实际检验,模型的短时强降水预报准确率为91.35%,非强降水预报准确率为97.11%,较特征选择之前分别提升了8.66%和1.05%。 相似文献