排序方式: 共有82条查询结果,搜索用时 15 毫秒
1.
国际电工委员会编制的《风力发电机组设计要求》(IEC 61400-1)推荐了针对风电机组安全等级评估的极端风速和湍流强度特征值估算方法,因其简单便捷,在风电领域被广泛采用。利用全国风能资源专业观测网的193座测风塔观测数据,对IEC推荐的极端风速计算方法与我国规范推荐的基于极值I型概率分布方法进行比较,发现两种方法计算的193座塔70 m高度层50年一遇10 min平均最大风速,仅有7座测风塔较为一致,差异在±1%;IEC推荐方法的计算结果多数偏小,其中偏小10%以上的测风塔有121座,偏小30%以上的有44座测风塔,而偏大10%以上的只有9座测风塔;IEC方法计算的极值风速大幅度偏小的测风塔主要分布在台风影响的东南沿海地区,偏差较小的测风塔主要分布在西北和华北地形平缓区域,但同时偏大10%以上的测风塔也多分布在这一地区。以目前行业领域普遍采用的以15 m·s~(-1)风速的平均湍流强度作为风电机组选型指标,与严格按照规范,以15 m·s~(-1)风速段所有样本湍流强度的90%分位数处的值作为指标进行风电机组等级确定作对比,发现193座塔中有46座塔的选型是不安全的,甚至相差两个等级。 相似文献
2.
2015年汛期气候预测先兆信号的综合分析 总被引:2,自引:2,他引:0
文章全面回顾了发布2015年汛期预测时考虑的先兆信号及其应用情况。2015年春夏季厄尔尼诺事件进一步发展,并由中部型向东部型转变,热带印度洋为一致偏暖模态发展;冬、春季北大西洋三极子为正位相;冬、春季北极海冰较常年略偏少,南极海冰偏多;冬季欧亚积雪增量略少,青藏高原积雪略多但气温偏高。通过诊断分析,认为2015年汛期预测的主导外强迫信号是太平洋厄尔尼诺事件和印度洋海温一致偏暖模态。同时参考动力气候模式的预测,在4月初的预报中,重点考虑了厄尔尼诺事件的强度和空间型变化对东亚夏季风环流的影响,有利于东亚夏季风偏弱,西太平洋副热带高压偏强偏西,季风季节内进程偏晚,我国降水呈南多北少型。在5月底的订正预报中,进一步考虑热带印度洋偏暖模态对副热带高压偏强偏西偏南的影响,以及南半球越赤道气流强度偏弱特征及对夏季风季节进程和强度的影响。经过综合分析,准确地预测了2015年东亚夏季风偏弱、我国夏季降水南多北少的布局,以及季节内主要气候事件的演变。最后对汛期气候预测存在的不足进行了初步分析和讨论。 相似文献
3.
2014—2016年超强厄尔尼诺事件的气候影响 总被引:7,自引:4,他引:3
2014—2016年,赤道中东太平洋发生了一次超强厄尔尼诺事件,此次事件于2015年11月达到峰值,12月开始衰减。其峰值强度超过了1951年以来另外两次超强厄尔尼诺事件(1982/1983年和1997/1998年)的强度,成为了1951年以来最强的事件。截至2016年4月,事件已持续20个月,也成为了1951年以来持续时间最长的厄尔尼诺事件。在这次事件的发展过程中,热带太平洋至东亚副热带地区的大气环流表现出了显著的响应特征:赤道中东太平洋对流活动加强,异常上升运动发展,而赤道西太平洋对流活动受抑制,异常下沉运动控制;菲律宾附近异常反气旋生成并发展加强,西太平洋副热带高压强度偏强、西伸脊点异常偏西,尤其2015年冬季副热带高压强度为1980年以来最强。与此同时,2015年秋、冬季,我国长江以南大部降水偏多,尤其冬季华南地区(广东、广西、海南三省区)平均降水量达历史第一,较常年偏多1.6倍以上。近期,超强厄尔尼诺正处于衰减阶段,但是考虑到热带印度洋暖海温的“接力”作用,厄尔尼诺事件对2016年春、夏季我国气候异常的影响可能仍将持续。 相似文献
4.
长江中下游地区暖区暴雨特征分析 总被引:8,自引:6,他引:2
利用2007到2013年5-9月间常规和非常规资料以及6 h一次的NCEP 1°×1°再分析资料,将长江中下游地区暖区暴雨按天气形势划分为冷锋前暖区暴雨、暖切变暖区暴雨以及副热带高压边缘暖区暴雨三种类型。统计表明暖区暴雨一般发生在距离切变线(锋线)100~300 km的暖区内。主要结论包括:(1)冷锋型降水强度偏弱且分布均匀,集中在5、6月;暖切变型发生次数最多且强度大,主要发生在6、7月长江中下游地区的偏南部;副热带高压边缘型发生次数最少但强度较大,发生在7、8月。暖区暴雨的发生次数及强度在大别山、皖南山区较为集中。(2)暖区暴雨中短时强降水贡献大。(3)冷锋背景下的暖区暴雨一般产生在锋前低压槽中,暴雨落区与高低空急流耦合有紧密联系;暖切变型以低层暖切变线为主要天气背景,地面常有弱静止锋,暖区对流活动与中尺度急流结构、地形强迫等因素存在较高的相关性;副热带高压边缘暖区暴雨与局地的水汽积累和对流不稳定条件的发展有密切关系。据此建立三类暖区暴雨的概念模型。 相似文献
5.
利用西藏地区1980-2013年夏季降水量资料、NCEP再分析资料等,分析了西藏地区夏季降水主模态季节内变化特征,尤其是盛夏7和8月降水异常对应的大尺度环流特征和影响系统。结果表明:西藏夏季降水存在明显的季节内变化,6和7月降水主模态的时间系数变化具有较好的持续性,而7和8月降水主模态的时间系数的相关关系明显减弱。西藏地区7和8月降水偏多年,西藏地区上游低层纬向风场均呈西风异常,但是水汽来源有差异;同时欧亚中高纬地区对流层中高层环流存在显著差异。西藏7月降水与南亚高压强度存在显著负相关关系,南亚高压偏强/弱时,降水偏少/多。西藏8月降水与南亚高压的位置关系更密切,南亚高压偏南/北,降水偏多/少。 相似文献
6.
由于单雷达在探测台风临近、登陆时仍具有双部或多部雷达难以具备的优势,目前利用单多普勒雷达反演涡旋风场的方法并不多见,本文对能够反演涡旋风场的3种方法NIVAP(自然坐标系的积分VAP方法)、EVAPTC(反演热带气旋的EVAP方法)、GBVTD(地基速度追踪法)进行了比较,分别从每种方法的假设条件和数学方法以及结果精度来比较3种方法对涡旋风场的适用性。利用中尺度气旋Rankine模式模拟了纯涡旋性气旋、只有环境风场时、环境风场和辐合(辐散)同时存在时的径向速度场及风场,比较了各种情况下的反演风场和模拟风场的相似系数。在对模拟风场比较之后,选取了2014年"威马逊"台风登陆前1h、登陆时及登陆后1h的3个实测雷达资料,对比分析了3种方法反演实测资料的风场特征,3种方法中EVAPTC方法最好,GBVTD方法在应用中有一定的限制,NIVAP方法较差。 相似文献
7.
选用黄淮海冬麦区4个半冬性小麦品种郯麦98、山农18、徐麦33、皖麦52为试验材料,通过分期播种试验,利用方差分析、相关分析、逐步回归和通径分析等方法,分析半冬性小麦籽粒灌浆速度变化趋势和气象因子对灌浆速度的影响。结果表明,正常播期冬小麦灌浆速度波动性最小、千粒重最大,迟播10 d冬小麦灌浆速度波动性最大、千粒重最小;华北区品种郯麦98灌浆速度表现最稳定、千粒重最高,而黄淮区品种皖麦52灌浆速度最大;半冬性小麦灌浆持续期为35~39 d;南北气候差异是影响各品种冬小麦灌浆速度不同的原因之一。半冬性小麦各播期灌浆速度的变化趋势一致,灌浆速度变化与相关显著气象因子的变化规律相符合;灌浆速度峰值期一般出现在开花后15~25 d,迟播冬小麦最大灌浆速度出现时间较对照处理提前,不利于提高粒重;气温条件对冬小麦灌浆速度影响显著,其中最高气温要素是影响不同播期品种灌浆速度的共有关键因子。通径分析表明,最高气温对灌浆速度的作用由自身的直接效应决定,而日照时数与最低气温对灌浆速度的作用与间接效应一致;最高气温平均值对灌浆速度的影响最重要,日照时数和最低气温平均值对灌浆速度的影响较弱;最高和最低气温平均值、日照时数均为灌浆速度的限制因子,其中最高气温平均值对灌浆速度变化的决策作用最大。 相似文献
8.
利用玉树隆宝湿地的观测资料,分析了未冻结、冻结和冻结有积雪覆盖三种情况下动量通量和感热通量的日变化情况,计算了三种情况下动量总体输送系数、感热总体输送系数、动力学粗糙度和热力学粗糙度,分析了附加阻尼和粗糙度雷诺数的关系,并将三种附加阻尼的参数化方案进行了比较,结果表明:冻结状态下动量通量和感热通量的日变化幅度最大,冻结有积雪覆盖时,动量通量和感热通量的日变化幅度最小。动量总体输送系数C_D和感热总体输送系数C_H的值在冻结时最大,冻结有积雪覆盖时最小,动力学粗糙度和热力学粗糙度在冻结状况下最小,冻结有积雪覆盖时最大。未冻结、冻结和冻结有积雪覆盖状态下,三种附加阻尼kB~(-1)参数化方案中,幂函数型方案较为合适。 相似文献
9.
中国沿海地区以及濒临海域经常发生多种灾害性天气,包括大风、暴雨、大雾和海上强对流天气等,原位探测资料的缺乏极大影响了这些天气生消演变规律的深入研究以及预报准确性的提高。为了实现海上自动部署、机动安全和实时的多要素原位探测,研发了一种基于太阳能无人艇的海洋气象水文探测系统,工程样机命名为MWO-I(Marine Weather Observer-I),2015—2019年该系统进行了多次海上试验。本文对这一长航时海洋气象探测系统进行介绍,并给出2018年4月一次海上探测试验个例的初步结果。 相似文献
10.
利用陕西省2016年97站逐日5cm土壤温度观测数据,结合相关系数、平均偏差和均方根误差等统计参数,评估了中国气象局陆面数据同化系统CLDAS2.0和美国全球陆面数据同化系统不同陆面模式(Noah-GLDAS2.1,Noah-GLDAS1,CLM-GLDAS1)土壤温度数据在陕西省的适用性。结果表明:(1)CLDAS2.0在陕西省的相关系数最高,均方根误差最小,Noah-GLDAS2.1次之,Noah-GLDAS1最差。(2)从陕西省3个区域的时间演变序列的分析可以看到,CLDAS2.0和Noah-GLDAS2.1能很好模拟出土壤温度的季节变化以及日变化,Noah-GLDAS1、CLMGLDAS1对于日变化的模拟较差,且前两者偏差也明显小于后两者。(3)Noah-GLDAS2.1在陕北与关中地区土壤温度模拟能力与CLDAS2.0相差无几,但在陕南地区CLDAS2.0要好于Noah-GLDAS2.1。总体来看,CLDAS2.0对陕西省土壤温度模拟能力最好,在陕西省有着更好的适用性。 相似文献